2019年，人工智能進入了技術成熟曲線的低谷期，技術炒作泡沫破裂，行業關注重心集中於AI產業如何商業化落地應用。
國內分析機構愛分析發佈的《人工智能2020：落地挑戰與應用》系統地回顧了人工智能行業的發展概況，並結合實踐案例分析了AI未來應用趨勢。
同時報告系統性地分析了人工智能產業落地過程中，在數據(尤其是數據標註行業)、算法模型、業務場景理解、服務方式、投入產出比等方面面臨的挑戰與應對方式。
1.人工智能走向產業應用
從底層基礎技術到上層行業應用，可以把人工智能行業劃分爲基礎層、通用層和應用層三部分。
其中，基礎層爲圖像、語音等人工智能基礎技術提供芯片、計算框架等計算能力支持;通用層提供感知、認知計算等通用技術;而應用層則是人工智能通用技術與各行業深度融合產生應用價值的產品和服務。
人工智能公司的商業模式主要分爲四種類型：API調取、產品訂閱/License、“產品+服務”解決方案及效果付費。
2.人工智能助力企業數字化轉型
人工智能落地產業帶來的價值創造，可以分爲自動化、智能化、創新化三個層次，每個層次創造的價值逐步提升。
隨着產業數字化帶來的數據基礎的日益成熟，人工智能在營銷、金融、數字政府、零售、醫療等行業落地持續推進，並開始帶來顯著收益。
3.人工智能落地挑戰與應對
在深入產業落地的過程中，人工智能技術與企業需求之間仍然存在鴻溝。
企業用戶的核心目標，是利用人工智能技術實現業務增長，而人工智能技術本身無法直接解決業務需求，需要根據具體的業務場景和目標，形成可規模化落地的產品與服務。
在此過程中，人工智能在數據、算法業務場景理解、服務方式、產出投入等方面面臨一系列挑戰。
這裏我們着重關注數據領域，尤其是數據標註行業面臨的挑戰。
在數據標註方面，隨着建模不斷深入垂直行業的細分業務場景，數據標註的複雜度提升。
首先，要求標註員掌握更復雜的行業知識，進一步提升了數據標註的門檻和成本。例如，醫療領域對醫療影像和文本的標註，需要具備醫學專業知識的人員進行。
另外，對於垂直細分場景，需要更具建模需求，採集特定環境下、特定對象精準“小數據”，需要更專業的數據採集手段。
最後，數據安全問題也是近些年企業關注的焦點。
爲應對這些問題，一些第三方的數據標註平臺正在興起。
以曼孚科技爲例，一方面通過受培訓的專業團隊和定製化服務，來解決數據採集、數據標註的質量和成本問題;另一方面，通過研發AI輔助預標註工具，通過技術手段來提升數據標註流程的效率。
4.人工智能應用趨勢展望
未來，基礎設施的升級、從決策到行動的技術演進，以及應用場景從企業智能延伸到產業智能，是人工智能應用值得關注的幾大趨勢。
另外，2020年，如何產業落地也將成爲人工智能的主要命題。
在通用基礎技術基本成熟的條件下，與行業應用緊密結合推動產業的數字化轉型和生產力提升，人工智能技術才能真正實現價值。
同時，在行業應用中將人工智能技術轉變爲可規模化落地的產業和服務，也是人工智能廠商進一步深化技術能力、打造競爭壁壘的關鍵。