當前，盡管 AI在部分典型場(chǎng)景已經(jīng)實(shí)現了成熟的規模部署，如城市安防、智能推薦和流程自動(dòng)化等場(chǎng)景，為企業(yè)和組織帶來(lái)了巨大的收益。然而面對行業(yè)用戶(hù)多樣的智能 化需求， AI如何真正走出實(shí)驗探索期，實(shí)現與不同行業(yè)的眾多業(yè)務(wù)場(chǎng)景的融合，幫助企業(yè)實(shí)現商業(yè)價(jià)值，是AI在企業(yè)數字化轉型中面臨的首要挑戰。

有60 %的受訪(fǎng)者認為“現有解決方案過(guò)于通用，不夠適配 行業(yè)具體場(chǎng)景”。A I解決方案需要與行業(yè)自身長(cháng)期運轉而 沉淀下來(lái)的商業(yè)邏輯與行業(yè)經(jīng)驗相融合。除了成熟的技術(shù) 能力外， AI產(chǎn)品 /解決方案對行業(yè)具體場(chǎng)景的全方位適配必 不可少。

同樣，有60%的受訪(fǎng)者認為“解決方案應用門(mén)檻G，企業(yè) IT 架構 /基礎設施適配難度G”。對于很多企業(yè)來(lái)說(shuō)，算法訓 練相對容易實(shí)現，但如何與實(shí)時(shí)推理結合起來(lái)部署到實(shí)際應 用場(chǎng)景，卻是一個(gè)難題。AI的部署與企業(yè)的存儲系統、算力 分布、網(wǎng)絡(luò )設施以及等IT基礎設施能力息息相關(guān)，AI運行依 賴(lài)于大量數據的采集與傳輸，并要求系統快速學(xué)習、實(shí)時(shí)反 饋。因而企業(yè)需要完備的IT基礎設施，才能保證AI解決方案 的正常運轉。

此外，“A I在云端訓練結果難以實(shí)時(shí)反饋到前端設備執行 ” 是受訪(fǎng)者認為AI部署的第三大挑戰。AI為各行各業(yè)植入“大 腦”，然而缺少決策環(huán)節和執行環(huán)節的打通，“大腦”缺少 “軀干”，難以將決策轉化為實(shí)際行動(dòng)，因此當前AI應用往 往停留在自動(dòng)識別與分類(lèi)學(xué)習的階段，仍需要使用者來(lái)判斷 下一步如何操作，然后再下達指令給前端設備，效率提升大 打折扣。

其他諸如 AI應用缺乏核心功能下沉、相關(guān)人才匱乏、數據問(wèn)題 嚴重及投入回報比低下等，都是 AI實(shí)現規�；瘧�用亟待解決的 問(wèn)題。

IDC認為，A I與 IoT技術(shù)的融合，將有助于解決A I規�；瘧�用面 臨的重重挑戰，打通A I應用的后一公里。

附件：AIoT白皮書(shū)：解鎖未來(lái)商業(yè)價(jià)值的關(guān)鍵_AIoT產(chǎn)業(yè)智能白皮書(shū)2023