AI人工知能は研究室から生産現場へと進出したが、依然として大きな課題に直面している。

国内企業におけるAI導入の現状

アクセンチュアが世界各国の企業幹部を対象に実施した「中国企業はどのように人工知能を応用しているか」に関する調査によると、中国企業幹部の79%が、ビジネスの成長目標を達成するには人工知能に頼らなければならないと考えている。

しかし、中国の企業幹部の52％は、AIの試験導入は簡単だが、企業全体にAIを推進するのは難しいと認めた。

高品質なデータの不足、業界の障壁の高さ、応用シナリオの不明確さは、現在の人工知能と業界の深い融合における主なボトルネックです。応用シナリオの統合が難しいことは、AI企業が定着するのが難しいことも意味します。

①我が国は人材が豊富であり、多くの伝統的な産業はデジタル化に対する強い願望を持っていません。 AI時代においては、企業のデータ基盤がしっかりしていなければ、上位レベルのインテリジェント変革をサポートすることは困難になります。

②今日、コンピューティング能力に対する需要は飛躍的に増加しており、コンピューティング機器の購入コストと、アルゴリズムの最適化に対する技術者による膨大な時間、人材、資金の投資はともに膨大です。

④データはAIの導入を成功させる上で大きな制約となる要因です。統一され、標準化された高品質のデータがなければ、AI アプリケーションは、米なしで料理をしたり、水源なしで水を作ったりするようなものになる可能性があります。

AI により、企業は意思決定を支援するために機械に大きく依存することに慣れてきました。このプロセスでは、プライバシー保護、AI の信頼性、倫理、社会などの問題が浮上しますが、これらはすべて AI の実装中に解決する必要がある問題です。

ほとんどの企業の AI イノベーションはポイントベース、実験的、ローカルであり、規模、商業化、運用レイアウトが欠けています。

したがって、人工知能がインターネットをスムーズに征服するのと同じくらい、それを実体経済に実装することは困難です。

[[417980]]

AIの産業シナリオアプリケーション

業界によって直面する問題点は異なります。たとえば、金融業界ではコスト圧力、単一製品・サービス、取引詐欺に直面しています。医療業界や教育業界では、リソースの不均等な割り当ての問題が顕著です。

つまり、人工知能の需要は膨大であり、そのビジネスモデルはあらゆる分野に浸透し、産業の効率を向上させることです。このプロセスには時間と継続的な投資が必要ですが、生産性の反復的な傾向でもあります。

将来的には、シナリオやユーザー エクスペリエンスと組み合わせて再設計し、AI 自体の考え方に基づいて考える必要があります。そうして初めて、真の AI アプリケーションが生み出されるのです。

将来、人工知能が特定の分野で急速な進歩を遂げることは間違いありません。企業は自社のビジネス、産業、生活環境から適切な角度を選び、人工知能が的を絞った進歩を遂げて問題を解決できるように、具体的なシナリオを定義する必要があります。

[[417981]]

AI技術は現在、爆発的な普及の瀬戸際にある

2018年にはAI分野で410件の投資イベントがあり、総投資額は1,078億元に達した。人工知能は徐々に中国の主要な投資機関や産業資本のほぼすべてに浸透しつつある。

資本の華々しい外見の裏側には、AI導入のプロセスがそれほど優雅ではないという側面がある。統計によると、2017年にはAI企業の90％以上が赤字段階にあり、多くの人工知能企業の開発において商業化が悩みの種となっている。

AI が今後の企業発展にとって不可欠な選択肢となり、企業にとって重要な競争優位性となることは間違いありません。

人工知能は、今後数十年にわたって企業、業界、国にとって最大のビジネスチャンスとなるでしょう。

現在から2030年までに、人工知能の発展により世界のGDPが14％増加し、世界経済への追加貢献額は15.7兆米ドルに相当し、そのうちAIは中国のGDPを7兆米ドル増加させると推定されています。

[[417982]]

商業着陸には標準的な支援施設が必要

アプリケーションを開発することによってのみ、基盤となる AI チップとソフトウェア テクノロジは、アプリケーション プロセスにおいてより強固なものになります。

エンドツーエンドの AI プロジェクトを完了するには、少なくとも 3 ～ 6 か月かかります。プロセス全体はやや複雑で、ソリューションを選択するための一連のガイドラインが必要です。

これまで、業界はアルゴリズムに重点を置いていました。近年、アルゴリズムはオープンソースエンジニアリングと密接に連携し始めています。業界はソフトウェアとハ​​ードウェアの協調開発をますます重視し、人工知能とビッグデータやクラウドコンピューティングなどの新しい情報技術の統合がますます深まっています。

今年7月に発表された「人工知能標準化白書（2021年版）」では、ディープラーニングフレームワークが依存する不完全な生態学的構築とテストシステムが、現在我が国の人工知能産業の発展が直面している2つの大きな問題であると指摘されています。

我が国のディープラーニングフレームワークは遅れてスタートしたため、アルゴリズム、チップ、端末、シナリオアプリケーションの面で外国のディープラーニングフレームワークへの依存からまだ抜け出せていません。

しかし、国内の人工知能テストシステムはまだ形成されておらず、既存のテストベンチマークのテスト内容とモデルは反復性が高く、成熟した機能と性能のテストベンチマークはまだ形成されていません。これにより、人工知能製品が市場を開拓し、市場の信頼を得ることが制限されます。

[[417983]]

国内のAI標準化プロセスが加速

規範と基準は、中国における現在の人工知能の発展におけるキーワードの一つでもあります。 CCIDコンサルティングの統計によると、中国の人工知能産業の規模は2019年に1291.4億元に達し、前年比成長率は30.8%となった。

2022年までに中国の人工知能産業の規模は2,621.5億元に達すると予測されている。

国内の人工知能産業は急速に発展しており、その応用シーンは次第に多様化しており、産業の複雑性が増すにつれて、関連標準もサポート問題に早急に対処する必要があります。

2020年7月には「国家新世代人工知能標準システム構築ガイドライン」が発行され、同年12月には智勇研究所、百度、Inspurが共同で産業用アプリケーション向けオープンソース人工知能評価ベンチマークAI-Rankをリリースした。

[[417984]]

人工知能技術の実装における重要なリンク

① 技術革新：成功する人工知能企業には、一定の技術蓄積と障壁がなければなりません。

② シナリオ探索：商業的に実現可能で、拡張可能で、技術的に実現可能なシナリオを見つけることは非常に困難です。多くの優れたテクノロジー企業がこの分野に多大なエネルギーを注いでいます。

③チームの構築と成長：初期段階では、トップクラスの技術チームとビジネスチームを構築するには多くの作業が必要です。急成長中の人員の継続的な拡大もさまざまな問題をもたらします。効率を高め、コストを削減し、革新的な雰囲気を維持することが重要です。

④ 標準設定：特定の業界やシナリオにおける人工知能技術の応用を標準化し、業界全体のエコシステムの健全な発展を確保します。