90％人工智能公司都亏损？AI盈利难背后的大数据

人工智能的落地场景正在逐渐丰富，但盈利之路依旧充满挑战。据亿欧报告统计，在2018年中，接近九成的人工智能公司都面临着亏损的困境，只有少数技术提供商成功实现了盈利。从单纯的概念解读和技术展示，转向实际的场景应用和落地实施，人工智能的发展依然面临着多方面的挑战。

其中，数据的割裂问题尤为突出，成为人工智能落地的难点之一。我们常常陷入一个误区，即需要更多的数据来训练人工智能模型。斯坦福大学教授、Landing.ai创始人兼CEO吴恩达在市北GMIS 2019全球数据智能峰会上指出，未来人工智能的一个趋势将是小数据的崛起。他用一个工厂手机屏幕划痕检测的例子说明了这一点。在这种特定场景下，小样本学习（即利用少量的数据得出同样准确结论的人工智能技术）将发挥更大的作用。因为在实际应用中，很难获得大量具有不同划痕的手机作为训练数据。

落地过程还面临着数据孤岛和数据隐私保护等多重问题。这些问题导致了数据的割裂，使得AI技术在解决实际问题时难以充分发挥其价值。国际人工智能学会理事长、香港科技大学教授、微众银行首席人工智能官杨强指出，与AI比赛所需的上千万图片训练样本不同，实际应用中的AI面临的是小数据和细碎的数据，这些数据往往是孤立的，没有联通起来。即使拥有最先进的AI技术也很难在实际应用中发挥作用。

在此背景下，国家互联网信息办公室发布了《数据安全管理办法（征求意见稿）》，对数据保护、存储、传输、处理和使用等活动提出了明确的意见和要求。杨强认为，随着数据隐私保护法规的严格化和全面化，“中国版GDPR”即将到来。这既给企业的数据使用带来了挑战，也为解决数据割裂问题提供了契机。在保护用户隐私的企业也需要寻找在实际应用中合理利用数据的方法，以推动AI技术的进一步发展。

人工智能在落地过程中面临着多方面的挑战，包括数据割裂、数据隐私保护等。但随着技术的不断进步和法规的完善，我们有理由相信人工智能将在未来发挥出更大的价值，为我们的生活带来更多的便利和惊喜。