企業(yè)的數(shù)字化是近年來(lái)老生常談的一個(gè)話題，企業(yè)數(shù)字化實(shí)質(zhì)上是指企業(yè)將業(yè)務(wù)中許多復(fù)雜的信息轉(zhuǎn)變?yōu)榭梢远攘康臄?shù)據(jù)，再以這些數(shù)據(jù)建立起適當(dāng)?shù)臄?shù)字化模型，進(jìn)行統(tǒng)一處理，并加工生成新的信息資源，再服務(wù)于企業(yè)業(yè)務(wù)、做出最優(yōu)決策的過(guò)程。

數(shù)字化基礎(chǔ)的好壞，一方面體現(xiàn)的是企業(yè)的IT技術(shù)實(shí)力，另一方面也與企業(yè)對(duì)自身業(yè)務(wù)的熟悉程度和把控能力相關(guān)，而這兩者都是企業(yè)應(yīng)用AI的關(guān)鍵。我們將針對(duì)企業(yè)數(shù)字化基礎(chǔ)的不同程度，具體說(shuō)明如何進(jìn)行AI應(yīng)用的準(zhǔn)備。

基礎(chǔ)較好，嘗試自研AI工具

對(duì)于數(shù)字化基礎(chǔ)較好的企業(yè)，自身?yè)碛休^為完善的數(shù)據(jù)網(wǎng)絡(luò)和IT基礎(chǔ)設(shè)施及開(kāi)發(fā)人才。在資金和時(shí)間都允許的情況下，是可以嘗試自主開(kāi)發(fā)AI工具或平臺(tái)的。那么，具體該如何準(zhǔn)備呢?

人們常說(shuō)的人工智能的“三駕馬車”：數(shù)據(jù)、算法和算力，是AI得以應(yīng)用的基礎(chǔ)，其中數(shù)據(jù)是首先要解決的一環(huán)。這需要企業(yè)擁有一個(gè)能夠從多個(gè)來(lái)源采集和分析數(shù)據(jù)的中央數(shù)據(jù)中心。要注意的是，人工智能并不是靜態(tài)的，訓(xùn)練出來(lái)的模型在應(yīng)用到實(shí)際場(chǎng)景后，會(huì)產(chǎn)生新的數(shù)據(jù)，這些數(shù)據(jù)質(zhì)量更高，能進(jìn)一步提升人工智能模型的能力，再用到場(chǎng)景中，企業(yè)要特別做好這部分?jǐn)?shù)據(jù)的處理。

關(guān)于算力，目前，世界上絕大多數(shù)云服務(wù)提供商都致力于將其產(chǎn)品擴(kuò)展到AI 基礎(chǔ)設(shè)施。但由于監(jiān)管或其他商業(yè)原因，將訓(xùn)練數(shù)據(jù)移至云端并不適用于所有公司。這時(shí)，自身的算力就顯得尤為重要?，F(xiàn)在的人工智能系統(tǒng)通過(guò)成百上千個(gè)GPU來(lái)提升算力，使深度學(xué)習(xí)能夠走向生產(chǎn)環(huán)境，但隨著數(shù)據(jù)的井噴式增長(zhǎng)，現(xiàn)有算力將無(wú)法匹配，有時(shí)還需要使用FPGA或ASIC等硬件加速。

至于算法，企業(yè)對(duì)算法的研究主要依賴高端技術(shù)人才，我們?cè)谏弦黄恼轮杏羞^(guò)詳細(xì)闡述，這里就不再重復(fù)。

基礎(chǔ)一般，“半成品”是個(gè)好選擇

對(duì)于信息化基礎(chǔ)一般的企業(yè)，也是大多數(shù)企業(yè)，對(duì)自身業(yè)務(wù)相關(guān)的數(shù)據(jù)準(zhǔn)備比較完善，但在IT技術(shù)上可能與專業(yè)AI公司差距明顯。這種情況下，與AI服務(wù)商合作，選擇一個(gè)優(yōu)秀的“半成品”再加工，是個(gè)最有效快捷的方法。這里我們舉個(gè)例子說(shuō)明。

江蘇某手機(jī)配件工廠通常一次質(zhì)檢需要1分鐘左右，但人不是機(jī)器總有疲憊的時(shí)候，這就會(huì)導(dǎo)致質(zhì)檢效果的波動(dòng)。于是這家公司開(kāi)始考慮通過(guò)人工智能提升效率。最終引入了百度智能云AI質(zhì)檢一體機(jī)，一體機(jī)能夠與原來(lái)的生產(chǎn)線無(wú)縫連接，之前分鐘級(jí)別的人工檢測(cè)一秒內(nèi)搞定。最終能為企業(yè)節(jié)省大量人力成本，收益明顯。

上面這個(gè)制造業(yè)的案例充分說(shuō)明了AI一體機(jī)的實(shí)用性，其實(shí)理論上來(lái)說(shuō)，幾乎所有行業(yè)，都可以采用AI開(kāi)發(fā)平臺(tái)。AI開(kāi)發(fā)平臺(tái)集軟硬件為一體，企業(yè)所做的僅僅是將數(shù)據(jù)輸入開(kāi)發(fā)平臺(tái)，平臺(tái)通過(guò)軟硬件的配合和算法的優(yōu)化，就能以企業(yè)數(shù)據(jù)為核心，“獲取知識(shí)、應(yīng)用知識(shí)”，為企業(yè)定制專屬的方案，從而為企業(yè)帶來(lái)效益。

在這個(gè)過(guò)程中，企業(yè)最關(guān)鍵的是對(duì)自身業(yè)務(wù)有清晰的認(rèn)識(shí)。因?yàn)锳I開(kāi)發(fā)平臺(tái)需要根據(jù)不同企業(yè)的性質(zhì)，匹配出真正適合企業(yè)的軟硬件和各種AI能力，這體現(xiàn)在AI一體機(jī)的封裝能力上。不同的企業(yè)，所需的AI開(kāi)發(fā)平臺(tái)也不同，開(kāi)發(fā)平臺(tái)的封裝完整性越高，企業(yè)的操作就越簡(jiǎn)單，但屏蔽的能力也會(huì)越多，平臺(tái)自身的可延展性和拓展性越差。其中有利有弊，需要企業(yè)自身權(quán)衡。

基礎(chǔ)較差，數(shù)據(jù)準(zhǔn)備是第一步

對(duì)于基礎(chǔ)較差的企業(yè)，可能對(duì)信息化、數(shù)字化還處于兩眼一抹黑的狀態(tài)，這類企業(yè)首先要做的就是數(shù)據(jù)的收集整理。那么企業(yè)需要哪幾類的數(shù)據(jù)呢?我們大致可以分為三類： 企業(yè)自身的數(shù)據(jù)，數(shù)據(jù)越全越有利于后期在AI工具中的應(yīng)用;產(chǎn)業(yè)鏈層面上的數(shù)據(jù)，可以加深A(yù)I工具對(duì)行業(yè)的了解，進(jìn)行整體的把控;其他輔助數(shù)據(jù)，弱相關(guān)的數(shù)據(jù)，參考的價(jià)值較小，但數(shù)據(jù)越全面，最終的偏差就會(huì)越小。

無(wú)論是基礎(chǔ)較好、普通還是基礎(chǔ)較差的企業(yè)，想要應(yīng)用人工智能進(jìn)行數(shù)字化升級(jí)，其實(shí)都有路可循，關(guān)鍵是不要急于求成，“磨刀不誤砍柴工”，一步步提升自己的信息化程度，完善AI前的準(zhǔn)備工作，才能找到適合自己的應(yīng)用方向，最終實(shí)現(xiàn)AI效能的最大化。