与蒸汽机、电力、计算机一样，人工智能在正发生的第四次工业革命中，扮演着提升生产效率的角色。
自人工智能发展之初，算法、算力、数据就被认为是基本三要素。国际知名咨询公司Gartner认为，任何一个行业、企业，只要有场景、有积累的数据、有算力，都可以落地人工智能应用，但落地的效率、周期可能会远超预期。人工智能要成为企业的生产力，就必须以工程化的技术来解决模型开发、训练、预测等全链路生命周期的问题。
旷视将所谓的工程化聚焦在算法上。伴随着数字化转型热潮，火焰检测、工业质检、零件计数、危化品检测、通行管理、明厨亮灶、高空抛物检测、普洱茶茶饼识别、破皮速冻水饺检测……五花八门的人工智能算法进入日常生产生活中。
表面上看，算法不断出现，实际上仍供不应求，"原因在于行业数据匮乏、算法通用性差、设备繁杂等"，以AIoT（智能物联网）为例，旷视研究院算法量产负责人周而进解释道，"旷视希望通过算法量产，将人工智能生产过程标准化，降低算法生产门槛，让更多的人能够加入到算法生产的工作中，提升算法生产效率。"这契合了旷视文化衫上的那句"技术信仰价值务实"。
融合创新，竞争力进阶
"每个新芯片大体上包含其前任两倍的容量，每个芯片的产生都是在前一个芯片产生后的18-24个月内。"1965年时任仙童半导体公司研究开发实验室主任的摩尔，在《电子学》杂志35周年专刊上披露了自己的发现，这一经验之谈成为未来芯片领域奉为圭臬的"摩尔定律"。
如今摩尔定律已接近瓶颈，工艺极其复杂的芯片产品，比任何时候离人工智能都更近。"我们已经达到中心化峰值。"微软CEO萨蒂亚·纳德拉的观点让人们将更多关注力放在边缘位置，存储和网络会变得越来越分布式，去中心化。定制芯片和处理能力遍布到整个系统，并嵌入人工智能来优化工作负载，从而改善延迟、性能、带宽、安全性以及其他等价值维度。
抛开技术层面的融合创新，产业端的融合比比皆是，零售、金融、医疗、工业……数字化浪潮下，人工智能+几乎成了数字化转型的通用路径，但这种结合往往不是简单的1+1。
以工业互联网为例，"工业互联网的模型包含着工业知识、工业经验、工业机理，这说明工业互联网是融合性的，既要懂工业，又要懂数学建模，才能发展好工业互联网"。中国工业互联网研究院副院长冯旭强调。华新水泥与人工智能的融合结果是，水泥工艺专家成了智能系统开发专家，算法工程师熟悉水泥生产的各种工艺。
根据《中国互联网发展报告2022》蓝皮书，中国工业互联网体系建设已初步完善，行业发展进入提速期，网络、平台、安全三大体系实现规模化发展。截至2022年5月，国内工业App总量突破59万个，工业互联网产业规模已破万亿元大关。
在老百姓身边，新产业正悄然成长。据示范区工作办公室副主任张君介绍，截至目前，示范区常态化开展测试和商业化服务的各类高级别自动驾驶车辆430辆，发放牌照376张，累计自动驾驶测试里程超过900万公里，乘用车累计服务人次超70万，无人配送订单超过13.6万，无人零售累计服务超81.2万人次。
诚如工业互联网和自动驾驶，人工智能赛道越来越宽。据不完全统计，在《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中，"智能""智慧"相关表述达到57处。
北京商报记者魏蔚
