人工智能要與產業緊密融合，既要助推人工智能應用場景的落地，也要基礎數據和平臺技術的突破創新，還要搭建好與傳統行業生態有效銜接的橋梁。

人工智能產業應用總體上處于起步階段，仍有一些難題制約應用場景落地

人工智能被認為是引領新一輪科技革命和產業變革的戰略性技術。當前，我國人工智能與產業融合的情況如何？

業內專家認為，我國人工智能產業應用總體上處于起步階段。

當前，新一代人工智能已經從最初的算法驅動逐漸向數據、算法和算力的復合驅動轉變，其中，基于數據的應用驅動作用日益顯著。以醫療領域為例，志諾維思基因科技創始人、人工智能專家凌少平介紹，我國智慧醫療近幾年發展比較快，一個重要原因是有比較豐富的電子病歷、醫療影像、病理圖像等數據，基于這些數據，科研人員能夠通過標注來訓練人工智能模型。地平線創始人兼首席執行官、人工智能專家余凱說，受益于行業豐富的需求，我國在人工智能的應用探索上比較活躍。智能安防、智能金融、平安城市等需求，助推了人臉識別技術的發展和落地。無人駕駛、智能教育等發展又加速了我國計算機視覺、語音識別和自然語言理解等技術的應用落地。

專家表示，我國擁有海量數據和巨大市場規模，應充分發揮這些優勢，加快推動人工智能的應用場景落地。但在實際推進過程中，還有一些難題制約著人工智能與產業更好地融合。

其中產業界普遍關注的是如何取得有價值的數據。首先是數據的有效性不夠。通常數據越多，人工智能算法越智能。但也要看到，海量的數據固然重要，可只有經過計算、進行訓練的數據才能產生價值，這就需要提高數據的有效性。專家表示，我國的數據樣本非常豐富，但數據的“噪音”也非常大，有時獲取的大部分數據沒有價值，這就給利用數據訓練算法帶來較大困難。在智慧醫療領域，優質的數據一般要經過精選、清洗和標注，而高質量的標注數據門檻較高，通常由專業的醫生來完成，但當前醫生協助人工智能企業標注數據的積極性不高。由于高質量的標注數據缺乏，制約了人工智能在醫療領域的拓展。

其次是數據之間缺乏聯動。數據孤島現象影響了人工智能應用的落地。云天勵飛首席方案總監王軍說，一些核心數據掌握在相關管理部門和行業機構手中，在保障數據安全和隱私安全前提下，如果能將這些優質數據投入到算法模型訓練上，既能降低行業參與者的成本，也有助于拓展人工智能應用的深度。

此外，人工智能芯片、智能平臺搭建等技術難題也有待突破，這些都在一定程度上影響了應用場景落地。