盡管計算機視覺和智能語音技術已發展數十年，但人工智能整體仍停留在低智能化階段。在即將到來的5g時代，萬物互聯促使數據量不斷膨脹。如何提高機器深度學習能力，實現真正智能化，是人工智能技術端企業現階段面臨的主要挑戰。

記者注意到，目前人工智能的應用主要是視覺ai和智能語音，而更多行業的應用也在迅速普及，主要涉及政務、金融、新零售、物流、服務機器人等細分領域。未來隨著消費升級，個性化需求將成為常態。由此帶來的是，人工智能在細分領域應用場景化落地的更高要求。

多位專家在日前舉行的2019中國“智能+未來”高峰論壇上表示，互聯網、大數據的出現讓人類世界從人與自然組成的兩元世界走向信息化的三元世界。在人工智能、vr、ar技術推動下，催生了以智能消費、智力消費、虛擬消費組成的三元消費市場。未來企業的核心競爭將由產品轉為服務，面對人類復雜的情感需求，人工智能技術應通過加強情感設計為人類提供有溫度的服務。而另一方面，如何讓b端用戶更了解c端用戶的需求，如何讓人更了解機器人的使用，則是眾多人工智能企業必須面對的問題。

5g時代來臨 人工智能深度學習能力有望提高

目前人工智能仍停留在計算機視覺和智能語音兩大領域，隨著國產廠家硬件制造能力提升，硬件制造成本大幅降低，價格不再是發展人工智能技術的阻礙，但深度學習能力能否突破，將是人工智能技術是否達到全面智能化的關鍵，也是能否促進應用場景多元化落地的決定因素。

盡管目前人工智能已經在政務、金融、新零售、物業服務等多個行業落地，但面對市場的變化，仍需要不斷完善技術，這也就意味著人工智能在細分領域的技術應用需要根據終端用戶的需求進行升級。這也是5g時代到來后，隨著大數據的不斷增加，人工智能落地商業應用所面臨的挑戰。以服務機器人為例，一個管理者可以管理50個人，但是如何管理好50個機器人則是問題；此外，機器人根據需求的變化，也要不斷進行升級，這就需要更多的數據和算法。

中國信息通信研究院云大所人工智能部主任、中國人工智能產業發展聯盟總體組組長孫明俊表示，今天的人工智能產品仍停留在專注做某一特定事情的層面上，為了實現深度學習能力，算力、數據、核心驅動算法都是不可或缺的基礎能力，其中，深度學習的算法是人工智能進一步發展的核心驅動力。雖然算法在2006年已經出現，但除了需要規范的、能被使用的數據，還需要算力的提升，否則難以具備產業化能力。

值得注意的是，在即將到來的5g時代，萬物互聯產生大量數據，現階段數據量不足的問題有望得到解決。利用深度學習能力，人工智能技術不僅可以在海量數據內規避無用信息，還可以挖掘數據間的弱關聯關系，提升數據識別能力，實現對語言、圖像等復雜數據的深入洞察。

浙江遠傳信息技術股份有限公司ceo嵇望接受記者采訪時表示，5g技術的出現大幅提高了網絡傳輸水平，受益于低延遲性和大量數據支撐，視覺類產品有望迎來全新變革，使用場景也將更加多元化，例如應用ar（增強現實）技術給現實世界的物體添加標注、測量尺寸、引導使用、排除故障、比較價格等。而對于人工智能技術而言，伴隨著算力提升，大量的數據支撐會讓人工智能的智慧更加高，機器將更懂人類，人機交互體驗將大幅提高。

不容忽視的是，當機器逐漸走進傳統行業，雖然代替了部分人工操作，但現階段的人工智能技術仍停留在弱智能化階段，智能水平較低，部分工作仍需要人工配合，復雜問題更是需要人工解決。因此，當人工智能機器大量進入應用場景，如何管理機器、提高人機融合將成傳統行業智能化面臨的挑戰。

在嵇望看來，人機融合系統或是解決管理機器難的一條途徑。以遠傳技術在管理機器人方面的經驗來看，在客戶服務系統中一方面使用客服助手對客服人員進行實時話術提醒、實時知識協同等幫助，以提高人工效率；另一方面則利用ai助力提升機器人的準確率，幫助機器處理復雜問題；同時還提供人與機器的融合運營管理新模式，來解決新型生產力帶來的管理難題。

降低人工成本 智能化服務成未來趨勢

隨著年輕群體成為新一代的消費主力軍，個性化消費及精準化服務將成新的消費趨勢，然而人口紅利的逐漸衰退，導致服務行業從業人員增量減少。在這種情況下，雖然計算機視覺、智能語音技術已被應用在安防、家居等領域以滿足“千人千面”的個性化需求，但面對更多的細分服務領域更高要求，人工智能輔助服務技術仍需全面普及。

嵇望認為，在消費升級的背景下，未來服務也是一種付費產品，針對不同群體提供不同服務將是未來服務類機器人的發展方向。雖然5g時代信息量爆發為機器人的核心技術提供了成長空間，但在情感需求滿足方面近期或難突破。

以銀行為例，在互聯網時代下，由于銀行業務不斷膨脹，客服需求量快速增加，傳統的銀行客服中心只能通過擴大人工規模，才能解決客服大量增加的難題。但是在人工短缺情況下，只能借助服務機器人來解決。如果僅使用具備音識別、語義理解、深度學習等ai技術的客服機器人，并不能替人工客服。只有將大量的歷史客服數據與機器人結合，才能替代現有人工客服80%的工作量，實現用戶的效率提升，同時大幅降低銀行的運營成本。

從物業服務市場來看，每個物業公司的平均利潤在8-10%，如果要提高效益就可以投入清潔安保類的服務機器人，來提升自動化水平。目前這類機器人的成本大約在10萬元以內，相對兩年前的成本來說，國內硬件價格下降了一半左右，而國外硬件下降了1/3。在一二線城市物業公司投入一臺服務機器人，只需要一年半的時間就能收回成本，而一個服務機器人的使用壽命至少在3-5年，可以增加至少10萬元以上的效益。

嵇望表示，從排名前十名的物業公司調研數據來看，都愿意接受服務機器人去替代部分人工，并愿意大面積去普及。在他們看來，以保證服務質量的前提下，提高利潤的做法是可行的。但這塊市場仍需要教育，先試用體驗是目前最主要的普及方式的主要手段。

事實上，除了金融、物業外，通過提高服務貼近消費者的管理理念正在向更多傳統行業滲透。以國家電網為例，其正在從單一售電業務模式向多元化業務模式轉變，而在新的組織架構下，服務需要與多元化業務協同工作。因此，為提高服務數字化和智能化水平，人、機配合工作的智能客服中心急需加速建設，這也為“智慧+服務”公司創造了新的機會。

值得注意的是，部分行業淡旺季差異明顯，容易導致企業淡季資源過剩而旺季人員儲備不足的問題。這一問題可以借助 “天堂聲谷”云眾包平臺來解決，通過saas平臺接受企業服務任務，依據動態標簽體系定向推送任務給適配會員。目前該平臺承接了六家事業單位的“最多跑一次”窗口滿意度回訪任務，16天時間內完成了22萬通外呼回訪，用工成本降低40%，有效的利用社會資源進行重組再分配，以產出增量價值。

業內人士認為，受技術迭代、成本降低等因素影響，中國各類服務機器人成本都在下降，從資本、人才技術、制造基礎、企業、市場應用等多個維度來看，中國服務機器人與發達國家相比并不落后。目前整個產業進入良性循環，然而在技術相同的情況下，如何提供差異化、個性化的服務，對于企業來說是一大挑戰。因此利用人工智能等多種技術，通過服務機器人與傳統人工相結合，將提升企業在服務方面核心競爭力。

中科院管理心理學博士李文香表示，未來企業的核心競爭力將由產品轉為服務，在服務的背后是用戶體驗。今天的人工智能技術可以替代部分人類左腦（知識）的工作，但對于人類右腦（情感）認知仍然不足。面對人類復雜的情感需求，人工智能技術可以通過加強情感設計，應用到智能客服中，從而為人類提供有溫度、精準個性化的服務。

行業變革倒逼技術升級 細分領域亟待深耕

在互聯網時代，越來越多的企業開始具備互聯網意識，人工智能技術在金融、運營商、電商、房地產物業、能源電力等領域應用發展較為成熟，但對于農業、物流等規模化程度低且智能化不足的領域并未普及。原因是技術端缺乏垂直領域經驗難以進入，與互聯網的界限十分清晰。

嵇望認為，作為技術端企業應該做的是深耕某一行業，不斷挖掘行業需求，比b端客戶更了解c端用戶需求，這樣生產出的產品才能有效解決傳統行業的痛點。

以政務端為例，以往用戶辦理一件事，需要多部門協同處理，繁復的流程不僅消耗辦事人的精力，政務部門辦事效率也無法提高。“傳統的線下辦公流程鏈條很長，以往申請某一項業務，可能需要六個部門逐層審批。但通過大數據計算發現，其中的三個步驟可以同時進行。如果把原本的串聯形式優化為并聯模式，縮短流程鏈條，辦事效率將大幅提升” 嵇望說道。

記者了解到，目前騰訊云、阿里、遠傳技術等企業紛紛開始布局政務端解決方案。以遠傳技術為例，其利用人工智能、大數據等技術，研發制造出包含“小遠”智能服務機器人、綜合服務一體機、智能叫號系統等信息化設備，為政務端提供了“最多跑一次智慧政務解決方案”。

嵇望表示，當技術端企業深入了解某一行業后，除了為行業用戶提供解決方案，還可搭建技術平臺。一方面為其他技術企業提供基礎設施，另一方面還可以連接傳統企業，不斷挖掘行業痛點，為其提供解決方案。與此同時，當技術成熟后，可以繼續拓展人工智能落地場景，在信息化程度低的行業挖掘技術應用價值。

以上是網絡信息轉載，信息真實性自行斟酌。