但是，火熱背后依然存在著一些發展困境：第一，企業發展人工智能的核心驅動因素是人才，但是現在一方面人才供不應求，另一方面缺少跨領域綜合型人才;第二，人工智能應用的基礎是數據，然而，數據共享和數據治理仍是現在各行業面臨的重大難題。
本文總結了目前人工智能發展面臨的四大浪費：算力浪費、數據浪費、AI能力浪費及AI人才浪費，并針對性的提出了相關的建議。
2019年春節之后的第一個工作日，美國國家科技政策辦公室發布了由總統特朗普親自簽署的《美國人工智能倡議》(American AI Initiative)，該倡議開篇第一句話就寫到：人工智能(AI)有望推動美國經濟增長，增強我們的經濟和國家安全，并改善我們的生活質量。
很顯然，將其中的“美國”兩字換成任何一個國家的名字，這句話都是適用的，作為全新的生產力，人工智能已經成為社會發展、經濟增長和產業升級的關鍵驅動因素之一。
據國內媒體報道，人工智能產業已進入全球價值鏈高端，新一代人工智能在智能制造、智能醫療、智慧城市、智能農業、國防建設等領域得到廣泛應用，我國人工智能核心產業規模將超過4000億元，帶動相關產業規模超過5萬億元。
但在人工智能產業的高速發展中，卻在不經意間產生一些本可以避免的浪費：
1、算力浪費，計算(算力)是發展人工智能(以下簡稱AI)的核心基礎，AI的研發、訓練需要大量的算力，但大部分AI企業往往選擇自建計算平臺，而非使用AI就緒的云計算平臺，由于工作負載不飽和、調優水平有限等原因，企業無法發揮出全部算力，這導致了相當程度上的算力浪費;
2、數據浪費，擁有深度的、細致的、海量的數據是訓練出“智能”的前提，但由于數據共享機制、數據服務平臺/市場的建設仍然不成熟，導致許多AI學習/訓練無法達到預期的水平;
3、AI能力浪費，當前許多AI技術(如計算機視覺)已經進入比較成熟的發展階段，但AI技術通過云計算平臺向外賦能的水平還不夠，更多的AI技術應用還是“點對點”(即開發者面向最終客戶，而非開發者-云平臺-最終客戶的平臺思維)，這造成了AI技術未能充分發揮其應有的作用，打破“成見”，擁抱平臺思維，既能夠避免AI能力的浪費，也能夠為開發者提供更豐厚的收入;
4、AI人才浪費，由于在AI人才培養中，計算機學科、人工智能技術的教學未能與生物醫療、交通運輸、工程建筑、腦科學等學科實現融合與交叉，造成“AI人才不懂行業，行業人才不熟AI”的局面，AI人才往往變成了“計算機學科人才”而非AI產業人才。
當然，存在浪費就需要有針對性的解決方案，在此針對性的提出相關的建議以拋磚引玉。
首先，針對AI算力浪費來說，使用公共計算平臺(公共云)所提供的算力，尤其是AI算力，是一個避免重復建設AI計算平臺(硬件基礎設施)的重要方式。公共云因其按需付費、資源共享的特性，可以實現公共服務所帶來的天然的邊際成本效應降低，而能夠以更低的成本獲得人工智能算力，不僅降低企業獲得AI算力的成本，更能避免AI算力的浪費;
其次，就AI能力的浪費來說，公共云平臺也是一個很好的選擇，一方面，云平臺天然解決了企業數據和技術的統一，這也構成了企業獲取人工智能能力的最重要路徑;另一方面，云服務商將AI能力作為“公共服務”提供，對其易用性、適用性、功能性都有所優化或強化，對于企業來說，可以更加快速和便捷的應用到實際業務中去。
第三，數據共享平臺的建立至關重要。雖然近年來AI研究者們持續試圖在小數據集上實現AI技術突破，但總體來說收效并不明顯，數據仍然是AI產業發展的重要基礎資源，完整、全面、準確、實時的數據非常關鍵。因此，建立可信、可靠、可用的服務于AI產業發展的數據共享平臺至關重要，當然，這種共享平臺必須要保證數據安全、信息脫敏和隱私數據保護。
最后是AI人才浪費的問題，正如前文所說：由于在AI人才培養中，計算機學科、人工智能技術的教學未能與生物醫療、交通運輸、工程建筑、腦科學等學科實現融合與交叉，造成“AI人才不懂行業，行業人才不熟AI”的局面，AI人才往往變成了“計算機學科人才”而非AI產業人才。
京公網安備 11010502049343號