海康威视高级副总裁徐习明说：“今天的人工智能还是一种弱人工智能。基于深度学习的算法精度会无限逼近100%，但永远无法达到。随着‘准确率’提升，最后竞争的更多是场景落地能力。”

码隆科技首席科学家黄伟林也认同这个说法。码隆科技是一家聚焦于“物品”图像识别的公司，无人货柜是其主要应用场景之一。“在物品识别领域，目前难点在于跟垂直领域内企业的需求不断磨合，这是一个长期的过程。一些场景，预想中觉得好做，但操作下来可能难度很大，或者不是刚需。”

“现实购买场景复杂，商品品类太多，增加了数据标注以及类别定义的难度。”黄伟林说，“我们先聚焦于难度小或者刚需的环节。比如减少‘货损’是刚需，我们就在收银环节帮助识别货物与条码能否对应；无人零售柜则由于商品品类有限，识别难度降低。”

黄伟林说：“目前来看，大家更多是想找一个好的应用场景，不断迭代算法和数据，教育市场，培养用户。”

除了人脸识别、语音识别等主流外，一些小众细分领域也开始出现。“我们把设备放到工厂之后，就能根据设备发出的噪声，判断设备的磨损情况或者其他故障。是不是要加润滑油？车床刀具磨损程度如何，什么时候更换？等等。”硕橙科技创始人谭熠说。

人工智能还能参与到创意活动中来。据了解，已经有音乐人工智能伴奏系统在中国亮相。人工智能通过数据分析与学习，找到相对固定模板，然后通过套用模板进行“创作”和演出。

随着应用场景增多，如何判断不同领域与人工智能的结合成熟度？

“有一些指标，首先是基础设施情况，包括算法的成熟度、行业数据完善程度等。”上海临港国际人工智能研究院最近发布了《2018年度人工智能产业格局及创新实践研究报告》，据其副院长李笙凯介绍，“一些领域如农业、教育，行业解决方案的个性化程度比较高，工业领域则面临设备核心数据获取难的问题，医疗领域也缺乏对应的病因和图像检查等数据，因此较难应用人工智能。”

而金融等领域由于基础设施完善，积累了大量的用户行为数据、表现数据，与人工智能结合较好。“目前来看，应用最成熟的领域依次是广告营销、金融、公共安全、家居、零售、交通、医疗等。”李笙凯说。

随着人工智能在智能安防、智能驾驶、无人零售等领域落地生根，细分领域内领军企业如商汤、地平线等公司已获得较高估值。在市场充满机会的同时，李笙凯也提醒：“由于时间尚短，各应用的市场仍需经过长期验证。” 

（来源：科技日报）