當前，盡管 AI在部分典型場景已經(jīng)實現(xiàn)了成熟的規(guī)模部署，如城市安防、智能推薦和流程自動化等場景，為企業(yè)和組織帶來了巨大的收益。然而面對行業(yè)用戶多樣的智能 化需求， AI如何真正走出實驗探索期，實現(xiàn)與不同行業(yè)的眾多業(yè)務場景的融合，幫助企業(yè)實現(xiàn)商業(yè)價值，是AI在企業(yè)數(shù)字化轉型中面臨的首要挑戰(zhàn)。

有60 %的受訪者認為“現(xiàn)有解決方案過于通用，不夠適配 行業(yè)具體場景”。A I解決方案需要與行業(yè)自身長期運轉而 沉淀下來的商業(yè)邏輯與行業(yè)經(jīng)驗相融合。除了成熟的技術 能力外， AI產(chǎn)品 /解決方案對行業(yè)具體場景的全方位適配必 不可少。

同樣，有60%的受訪者認為“解決方案應用門檻高，企業(yè) IT 架構 /基礎設施適配難度高”。對于很多企業(yè)來說，算法訓 練相對容易實現(xiàn)，但如何與實時推理結合起來部署到實際應 用場景，卻是一個難題。AI的部署與企業(yè)的存儲系統(tǒng)、算力 分布、網(wǎng)絡設施以及等IT基礎設施能力息息相關，AI運行依 賴于大量數(shù)據(jù)的采集與傳輸，并要求系統(tǒng)快速學習、實時反 饋。因而企業(yè)需要完備的IT基礎設施，才能保證AI解決方案 的正常運轉。

此外，“A I在云端訓練結果難以實時反饋到前端設備執(zhí)行 ” 是受訪者認為AI部署的第三大挑戰(zhàn)。AI為各行各業(yè)植入“大 腦”，然而缺少決策環(huán)節(jié)和執(zhí)行環(huán)節(jié)的打通，“大腦”缺少 “軀干”，難以將決策轉化為實際行動，因此當前AI應用往 往停留在自動識別與分類學習的階段，仍需要使用者來判斷 下一步如何操作，然后再下達指令給前端設備，效率提升大 打折扣。

其他諸如 AI應用缺乏核心功能下沉、相關人才匱乏、數(shù)據(jù)問題 嚴重及投入回報比低下等，都是 AI實現(xiàn)規(guī)模化應用亟待解決的 問題。

IDC認為，A I與 IoT技術的融合，將有助于解決A I規(guī)模化應用面 臨的重重挑戰(zhàn)，打通A I應用的最后一公里。

附件：AIoT白皮書：解鎖未來商業(yè)價值的關鍵_AIoT產(chǎn)業(yè)智能白皮書2023