CCF YOCSEF成都于2022年3月26日下午在成都市新诚信大厦3楼华清远见教育集团成都公司会议厅成功举办（论坛编号： CCF-YO-21-CD-3FV）。本次活动邀请到企业界、学术界相关领域的专家、学者和行业代表共计40余人参与讨论。活动就AI产业化困难及出路问题，从障碍、解决方案和关键因素等多角度展开深入讨论。本次观点论坛的线下执行主席是来自爱奇艺的李海和西华大学的陈晓亮，线上执行主席由来自西南石油大学的刘传林担任。

图1:参会人员合影留恋

论坛开始前，CCF YOCSEF成都主席彭博向大家介绍CCF YOCSEF的历史、构成和宗旨，旨在推广YOCSEF文化，吸引更多新生力量关注和加入YOCSEF。

引导发言环节，来自成都通甲优博科技有限责任公司联合创始人&CTO龙学军进行了主题为《人工智能技术在智慧交通领域中的应用探索》的报告发言，紧紧围绕智慧交通细分领域，以AI产业化的行业需求、痛点及AI思维的切入点为主线，详细介绍了不同场景下智慧交通需求的业务、算法框架、主要应用场景和商业模式等方面，以智慧交通为例，利用计算机视觉等AI技术以及坚持在落地中优化AI算法的理念促进AI技术的真实落地，增加产业规模。

随后，新网银行信息科技部大数据中心负责人陈思成以《银行数据智能建设与思考》为题，针对金融AI领域，阐述了金融机构参与AI产业化的时代机会以及未来银行的呈现形态。并进一步介绍了在一切业务数据化，一切数据业务化的金融场景下，银行数据智能产生价值的思路、挑战与思考。利用金融AI赋能，构建AI信任循环，推动银行业进入Bank4.0时代。

来自深圳市网联安瑞网络科技有限公司成都区域中心副主任贾宇带来了第三个引导发言，主题为《AI项目开发的挑战与应对》，对AI项目的研发落地经验进行了深入介绍。首先指出了传统业务软件和AI系统开发工作重心的不同之处，然后分别从产品机会评估、数据可用性、AI技术、专业分工、研发工具和数据管道等方面呈现了AI项目落地面临的主要挑战，继而分析了AI项目落地的影响因素，并针对以上问题和挑战，重点提出了一些应对建议。

图2:三位嘉宾进行引导发言

图3:为嘉宾颁发感谢牌

  思辨环节，与会人员围绕“WHAT-什么是阻碍AI产业发展的最大障碍？成熟度 VS客户需求”、“WHERE-AI产业化困境的出路在哪里？单点切入VS端到端解决客户的痛点”、“WHICH-AI技术产业化的关键因素？规模化 VS定制化”三个议题进行了进一步的探讨，现场气氛热烈，观点碰撞激烈，现将观点整理如下：

图4:思辨环节嘉宾

针对议题一“WHAT-什么是阻碍AI产业发展的最大障碍？成熟度 VS客户需求”，部分嘉宾认为成熟度是阻碍AI产业发展的最大障碍。表现为实验室测试良好的AI模型，在真实环境下可能表现非常不佳，无法满足客户需求。另一方面，在安全需求较高的行业，AI技术的弱解释性可能导致责任模糊等问题。部分嘉宾认为成熟度是人工智能发展最大的障碍，但最大的障碍在于不明确和模糊的用户需求。此外，当前部分形象工程的AI项目并不具备促进AI产业发展的内驱动力，持续性较差。同时有嘉宾认为除成熟度和客户需求以外，AI项目的实际营收也应该作为产业发展的最大障碍来考虑。在很多细分应用领域，AI技术并没有真正的解决现实问题，不能快速为客户、用户带来核心价值。技术壁垒高且营收弱会制约AI产业的快速发展。

针对议题二“WHERE-AI产业化困境的出路在哪里？单点切入VS端到端解决客户的痛点”，部分嘉宾认为单点切入即技术本身带动客户需求，带来的问题是前期投入大，而如此产业方式仅适用于部分AI技术适配性高的行业，例如互联网和传统金融行业。而在工业界或其他行业，技术驱动的单点切入可能面临经济、成效与交付的多重压力。另一方面，部分嘉宾指出端到端解决客户痛点，即需求驱动的AI产业模式，可能带来泛化能力不足的问题，AI公司会发展成为项目主导类型的公司。即便如此，在AI产业化需求和技术成熟度冲突的当前，将AI产业落在政府、民众、企业的痛点和需求点上，以问题求技术，通过具有目标性的技术迭代逐步逼近当前AI产业的最优解决方案，更加适用于AI产业在不同应用领域的快速发展需求，并且具备一定程度上降低AI企业经济压力的能力。所有嘉宾一致认同，在AI应用的某个细分领域，足够数量、落地良好且持续更新的端到端解决方案最终也会形成可以大规模产业化的技术单点。因此单点切入和端到端解决客户的痛点可能是AI技术产业化过程中的不同阶段，可依据主体企业的财务情况选择适合于自己的商业模式。

针对议题三“WHICH-AI技术产业化的关键因素？规模化 VS定制化”，有嘉宾认为，从传统IT行业的技术产业化经验来看，规模化是技术能否产业化的关键因素，只有规模化才能够稳定、快速的增长产业规模。部分嘉宾指出，AI项目与传统IT项目相比一定具备明确的定制要求，例如独立场景的数据标注和差异特征的模型训练均属于不可避免的定制化。换句话说，AI项目的需求驱动必然带来定制化，只有更多的定制化才能突破AI产业的规模化，AI产业的规模化也一定是大规模定制。因此相比于规模化，定制化对于AI技术产业化而言更为重要。有嘉宾对上述观点进行了总结与提升，总体上认为AI技术产业化的关键因素在于规模化的定制服务。

经过持续两个小时的思辨，本次论坛形成如下观点：

1.成熟度是阻碍AI产业发展的最大障碍，同时客户需求、数据壁垒以及AI技术的可解释性也是不容忽视的重要障碍。此外，即便不成熟的AI技术也能够一定程度上解决客户需求，形成落地产品。

2. 单点切入和端到端解决客户的痛点是AI产业化问题不同阶段的解决方案。足够数量、落地良好且持续更新的端到端解决方案最终会形成AI技术大规模产业化的技术驱动力。

3. AI技术产业化的关键因素是规模化的定制服务。