2019年，人工智能进入了技术成熟曲线的低谷期，技术炒作泡沫破裂，行业关注重心集中于AI产业如何商业化落地应用。
国内分析机构爱分析发布的《人工智能2020：落地挑战与应用》系统地回顾了人工智能行业的发展概况，并结合实践案例分析了AI未来应用趋势。
同时报告系统性地分析了人工智能产业落地过程中，在数据(尤其是数据标注行业)、算法模型、业务场景理解、服务方式、投入产出比等方面面临的挑战与应对方式。
1.人工智能走向产业应用
从底层基础技术到上层行业应用，可以把人工智能行业划分为基础层、通用层和应用层三部分。
其中，基础层为图像、语音等人工智能基础技术提供芯片、计算框架等计算能力支持;通用层提供感知、认知计算等通用技术;而应用层则是人工智能通用技术与各行业深度融合产生应用价值的产品和服务。
人工智能公司的商业模式主要分为四种类型：API调取、产品订阅/License、“产品+服务”解决方案及效果付费。
2.人工智能助力企业数字化转型
人工智能落地产业带来的价值创造，可以分为自动化、智能化、创新化三个层次，每个层次创造的价值逐步提升。
随着产业数字化带来的数据基础的日益成熟，人工智能在营销、金融、数字政府、零售、医疗等行业落地持续推进，并开始带来显着收益。
3.人工智能落地挑战与应对
在深入产业落地的过程中，人工智能技术与企业需求之间仍然存在鸿沟。
企业用户的核心目标，是利用人工智能技术实现业务增长，而人工智能技术本身无法直接解决业务需求，需要根据具体的业务场景和目标，形成可规模化落地的产品与服务。
在此过程中，人工智能在数据、算法业务场景理解、服务方式、产出投入等方面面临一系列挑战。
这里我们着重关注数据领域，尤其是数据标注行业面临的挑战。
在数据标注方面，随着建模不断深入垂直行业的细分业务场景，数据标注的复杂度提升。
首先，要求标注员掌握更复杂的行业知识，进一步提升了数据标注的门槛和成本。例如，医疗领域对医疗影像和文本的标注，需要具备医学专业知识的人员进行。
另外，对于垂直细分场景，需要更具建模需求，采集特定环境下、特定对象精准“小数据”，需要更专业的数据采集手段。
最后，数据安全问题也是近些年企业关注的焦点。
为应对这些问题，一些第三方的数据标注平台正在兴起。
以曼孚科技为例，一方面通过受培训的专业团队和定制化服务，来解决数据采集、数据标注的质量和成本问题;另一方面，通过研发AI辅助预标注工具，通过技术手段来提升数据标注流程的效率。
4.人工智能应用趋势展望
未来，基础设施的升级、从决策到行动的技术演进，以及应用场景从企业智能延伸到产业智能，是人工智能应用值得关注的几大趋势。
另外，2020年，如何产业落地也将成为人工智能的主要命题。
在通用基础技术基本成熟的条件下，与行业应用紧密结合推动产业的数字化转型和生产力提升，人工智能技术才能真正实现价值。
同时，在行业应用中将人工智能技术转变为可规模化落地的产业和服务，也是人工智能厂商进一步深化技术能力、打造竞争壁垒的关键。
