2017年，Alpha Go一戰成名，這一年也成為AI的一個重要轉折點，因為人們看到了人工智能可以創造不可估量的商業價值。

Forrester數據顯示，在2020年，企業在應用AI技術時面臨的最大挑戰還是技術不夠成熟，但到了2021年這一挑戰已經退居第十位。AI應用已經跨越技術不夠成熟階段，開始進入到規模化發展階段。

現在像自然語言處理、機器學習、機器視覺等訴求在市場、資本上已經逐漸凸顯，AI+其實早已滲透在人們生活的方方面面。

雖然AI+正如火如荼的推進中，但在AI落地上還是有一定的難點。在Forrester首席分析師穆飛看來，主要體現在AI工程化能力，因為開發少量AI模型并不難，開發、部署、監控成百上千個AI模型的工程化卻難度較大。

AI的發展始終離不開數據、算法和算力這“三駕馬車”，短短幾年間AI技術實現了飛速的發展，都是源于三者循環增強的關系。數據和算法都離不開算力的支撐，數據的不斷增加需要更強的算力處理數據，同時人工智能不斷訓練、應用又催生更多數據反過來對算力提出需求。

當然還有一個重要問題就是AI成本居高不下，在算力上，AI的性能變得更強，所需的算力也大幅攀升；在應用上，AI并非即插即用，它不會自己訓練自己，也不可能自我修復，這些都需投入大量人力；在效率上，一個AI模型從研發到一個產品，經歷周期復雜，流程分散且欠缺標準化，導致開發效率低。

數據清洗標注、算法量產、算力優化、生產過程標準化等等方面都是降低AI成本、提高效率、實現規模化的因素。

“企業提高使用AI的效率可以從更高效的數據準備（如feature store）、自動化建模以及ModelOps工具鏈入手。”Forrester首席分析師穆飛認為，企業需要一種科學的AI治理方式，可以借鑒ModelOps方法論，模型開發僅僅是第一步，應該持續監控并根據結果及時更新模型，形成流程化、標準化的閉環。

企業在衡量AI價值上也不能一味追求技術先進性，要更多落實到業務流程，通過業務價值來衡量。當AI廣泛與決策系統聯動時，也將變革企業的根本運營模式，超4000億的中國市場規模也并非空想。

《數字化轉型方略》2022年第9期：http://www.meilihuayuanyanglaogongyu.cn/dxinsight/2209