美国时间2月11日，美国国家科技政策办公室发布了由总统特朗普亲自签署的《美国人工智能倡议》（American AI Initiative），该倡议开篇第一句话就写：人工智能（AI）有望推动美国经济增长，增强我们的经济和国家安全，并改善我们的生活质量。

很显然，将其中的“美国”两字换成任何一个其他国家的名字，这句话都是适用的。作为全新的生产力，人工智能已经成为社会发展、经济增长和产业升级的关键驱动性因素之一。

据国内媒体报道，人工智能产业已进入全球价值链高端，新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，我国人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元。

虽然AI领域的投资以及产业仍然处在高速增长期，但浪费仍然会对产业发展产生负面影响。

1.算力浪费。计算（算力）是发展人工智能的核心基础，AI的研发、训练需要大量的算力，但大部分AI企业往往选择自建计算平台，而非使用云计算平台，由于工作负载不饱和、调优水平有限等原因，这些企业无法发挥出全部算力，这导致相当程度上的算力浪费。

2.数据浪费。拥有深度的、细致的、海量的数据是训练出“智能”的前提，但由于数据共享机制、数据服务平台/市场的建设仍然不成熟，导致许多AI学习/训练无法达到预期的水平。

3.AI能力浪费。当前，计算机视觉等许多AI技术已经进入比较成熟的发展阶段，但AI技术通过云计算平台向外赋能的水平还不够，更多的AI技术应用采取“点对点”的方式，即开发者直接对接最终客户，造成了AI技术未能充分发挥其应有的作用。打破“成见”，拥抱平台思维，既能够避免AI能力的浪费，也能够为开发者提供更丰厚的收入。

4.AI人才浪费。由于在AI人才培养中，计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉，造成“AI人才不懂行业，行业人才不熟AI”的局面，AI人才往往变成了“计算机学科人才”而非AI产业人才。

存在浪费就需要找到有针对性的解决方案，在此提出相关的建议以抛砖引玉。

首先，对于AI算力浪费的问题，使用公共计算平台（公共云）所提供的算力，尤其是AI算力，是一个避免重复建设AI计算平台（硬件基础设施）的重要方式。公共云因其按需付费、资源共享的特性，可以实现公共服务所带来的天然的边际成本效应降低，不仅可以降低企业获得AI算力的成本，更能够避免AI算力的浪费。

其次，对于解决AI能力浪费来说，公共云平台也是一个很好的选择。一方面，云平台天然解决了企业数据和技术统一的问题，成为企业获取AI能力的最重要途径；另一方面，云服务商将AI能力作为“公共服务”来提供，对其易用性、适用性、功能性都有所优化或强化，对于企业来说，可以更加快速和便捷地应用到实际业务中。

再次，数据共享平台的建立至关重要。虽然近年来AI研究者持续尝试在小数据集上实现AI技术突破，但总体来说收效并不明显，数据仍然是AI产业发展的重要基础资源，完整、全面、准确、实时的数据是非常关键的因素。因此，建立可信、可靠、可服务于AI产业发展的数据共享平台至关重要。当然，这种共享平台必须保证数据安全、信息脱敏和隐私数据得到保护。

最后，为解决“AI人才不懂行业，行业人才不熟AI”的问题，借助跨学科教育来培养新一代信息技术人才已经成为共识。2018年11月，MIT宣布在计算和AI领域投入10亿美元，成立面向全球计算和AI领域的教育与研究的“苏世民计算学院”，该学院以培养“双学科学者”为目标，通过让各个学科的专家对计算和AI知识的掌握程度与他们在自己的专业领域一样熟练，从而培养“AI+专业学科人才”，从而保证AI人才在各产业领域中可以学以致用。

继续阅读：

人工智能技术网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。！：首页 > 新闻 » 人工智能AI产业快速发展背后四大浪费及解决方案