人工智能的新賽道中，中國已經躋身第一梯隊。不過在和實體經濟融合的過程中，中國能否在產業鏈上有提升，仍有幾道難關要闖。

應用場景：企業不知切入點在哪?

埃森哲的一份報告顯示，到2035年，人工智能有望拉動中國經濟提速1.6個百分點。推動制造業年增長率提升2個百分點。

在30日于此間舉行的“人工智能的產業化應用和解決方案”研討會上，工業和信息化部科技司高技術處調研員李偉表示，工信部更關心人工智能與實體經濟的結合。但受制于基礎支撐、技術成熟度、安全、生態、法規倫理等方面原因，人工智能在工業、醫療等領域的應用還需相當長時間去發展。

人工智能能夠解決制造業中的一些復雜任務、提升生產效率、提高全要素生產率。今年1月出臺的“人工智能三年行動計劃”，突出了鼓勵新一代人工智能技術在工業領域各環節的探索應用。

阿里巴巴阿里云城市大腦資深產品專家李京梅說，阿里云在2017年推出了工業大腦。通過科學家把制造流程全鏈路數字化，把經驗變成數字模型，最終提升了產品良品率。不過在最初開發工業大腦時，許多企業都不愿進行這種數字化嘗試。

國家發改委經濟體制與管理研究所研究員史煒表示，在他調研的200多家中小企業中，傳統制造業對人工智能的概念非常模糊，許多企業不知從何處切入人工智能。

核心技術：中國能否彎道超車?

核心技術的缺乏，也讓一些業內人士產生擔憂。在PC時代，英特爾的CPU芯片和微軟windows操作系統的捆綁，壟斷了臺式電腦的桌面;在移動互聯網時代，谷歌的安卓和蘋果的ios占據了智能手機操作系統99%的市場份額。

人工智能時代，中國是否會重走老路?

“國外科技巨頭在發展人工智能之初就意識到平臺的重要性，紛紛推出深度學習開源平臺。如谷歌的TensorFlow、臉書(Facebook)的PyTorch、Caffe2等。”百度發展研究中心高級研究院溫昕煜表示，開源平臺的重要性相當于PC和手機時代的操作系統。

不僅如此，谷歌開發的深度學習芯片TPU已進入公開測試，它配合開源平臺使用，將提升算法訓練的效率。

李偉認為，在產業應用方面，中國還應該去解決基礎問題，如開源平臺、智能傳感器、芯片等，目前中國在這些領域還比較薄弱。

中國公司現在也開始涉足底層技術，百度發布了深度學習開源平臺PaddlePaddle。溫昕煜建議國內機構應構建自主可控的深度學習平臺開源生態。

數據共享與保護：在全球都是難題

在深度學習領域，算法的優化需要高質量、海量數據的支撐。

“例如無人駕駛，交通數據方面，現在還在交通管理部門手中;建筑數據，建筑管理部門也還沒有公開，現在做無人駕駛的公司沒有這些數據。”中國電信云計算分公司副總經理王興剛表示，人工智能需要以多元數據融合為基礎。

數據的開放共享應以安全為前提。國務院發展研究中心創新發展研究部研究室主任戴建軍說，大數據時代的隱私保護是全球難題，已到了非常尖銳的地步，但不應因噎廢食。

史煒認為，人工智能的落地，應關注人工智能在智能制造的產業落腳點、技術方案和應用模式，5G如何推動人工智能產業化，區塊鏈在智能制造的應用前景等問題。