創(chuàng)澤機(jī)器人 |
CHUANGZE ROBOT |
當(dāng)前,盡管 AI在部分典型場景已經(jīng)實(shí)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(dòng)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(shí)驗(yàn)探索期,實(shí)現(xiàn)與不同行業(yè)的眾多業(yè)務(wù)場景的融合,幫助企業(yè)實(shí)現(xiàn)商業(yè)價(jià)值,是AI在企業(yè)數(shù)字化轉(zhuǎn)型中面臨的首要挑戰(zhàn)。
有60 %的受訪者認(rèn)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(yùn)轉(zhuǎn)而 沉淀下來的商業(yè)邏輯與行業(yè)經(jīng)驗(yàn)相融合。除了成熟的技術(shù) 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(rèn)為“解決方案應(yīng)用門檻高,企業(yè) IT 架構(gòu) /基礎(chǔ)設(shè)施適配難度高”。對于很多企業(yè)來說,算法訓(xùn) 練相對容易實(shí)現(xiàn),但如何與實(shí)時(shí)推理結(jié)合起來部署到實(shí)際應(yīng) 用場景,卻是一個(gè)難題。AI的部署與企業(yè)的存儲(chǔ)系統(tǒng)、算力 分布、網(wǎng)絡(luò)設(shè)施以及等IT基礎(chǔ)設(shè)施能力息息相關(guān),AI運(yùn)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(xué)習(xí)、實(shí)時(shí)反 饋。因而企業(yè)需要完備的IT基礎(chǔ)設(shè)施,才能保證AI解決方案 的正常運(yùn)轉(zhuǎn)。
此外,“A I在云端訓(xùn)練結(jié)果難以實(shí)時(shí)反饋到前端設(shè)備執(zhí)行 ” 是受訪者認(rèn)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?zèng)Q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(zhuǎn)化為實(shí)際行動(dòng),因此當(dāng)前AI應(yīng)用往 往停留在自動(dòng)識(shí)別與分類學(xué)習(xí)的階段,仍需要使用者來判斷 下一步如何操作,然后再下達(dá)指令給前端設(shè)備,效率提升大 打折扣。
其他諸如 AI應(yīng)用缺乏核心功能下沉、相關(guān)人才匱乏、數(shù)據(jù)問題 嚴(yán)重及投入回報(bào)比低下等,都是 AI實(shí)現(xiàn)規(guī);瘧(yīng)用亟待解決的 問題。
IDC認(rèn)為,A I與 IoT技術(shù)的融合,將有助于解決A I規(guī);瘧(yīng)用面 臨的重重挑戰(zhàn),打通A I應(yīng)用的最后一公里。
機(jī)器人底盤 Disinfection Robot 消毒機(jī)器人 講解機(jī)器人 迎賓機(jī)器人 移動(dòng)機(jī)器人底盤 商用機(jī)器人 智能垃圾站 智能服務(wù)機(jī)器人 大屏機(jī)器人 霧化消毒機(jī)器人 紫外線消毒機(jī)器人 消毒機(jī)器人價(jià)格 展廳機(jī)器人 服務(wù)機(jī)器人底盤 核酸采樣機(jī)器人 機(jī)器人代工廠 智能配送機(jī)器人 噴霧消毒機(jī)器人 圖書館機(jī)器人 導(dǎo)引機(jī)器人 移動(dòng)消毒機(jī)器人 導(dǎo)診機(jī)器人 迎賓接待機(jī)器人 前臺(tái)機(jī)器人 消殺機(jī)器人 導(dǎo)覽機(jī)器人 |