AI技术要实现应用，首先数据要达到一定的体量，此外算力也要能支持大规模的模型训练，而后算法方面需要达到一定的精度，端侧算力也要具备一定的推理能力。
之所以目前只有消费互联网公司在大规模应用AI算法技术，主要是在这三方面消费互联网公司都更具优势。
近日，知名人工智能学者吴恩达发表文章，阐述了他对于人工智能在传统行业中应用缓慢的理解。无论是刷短视频时的个性化推荐，还是外卖配送时的耗时预估，或者是移动支付时的人脸识别，以算法为代表的AI技术在消费互联网行业被应用得“得心应手”。然而提到传统行业，人们却很难快速想起非常成熟的应用人工智能的典型案例。为何AI技术在传统行业的应用速度和范围远不如消费互联网等行业？
“AI技术的应用主要取决于数据、算力和算法。”天津大学智能与计算学部副教授朱鹏飞介绍，首先数据要达到一定的体量，这是应用的基础，此外算力也要能支持大规模的模型训练，而后算法方面需要达到一定的精度，端侧算力也要具备一定的推理能力。
之所以目前只有消费互联网公司在大规模应用AI技术，主要是在这三方面消费互联网公司都更具优势。
前些年短视频并没有现在这么火爆，例如发展初期的淘宝，也并没有很强的用户黏性。而随着推送越来越精准，用户的体验感也得到了极大的提升，最终呈现井喷式的用户增长。
“精准推送主要依赖于算法精度的提升，而算法精度的提升又离不开海量的数据作为基础。”朱鹏飞解释，在这个单一的场景中，算法模型需要不断进化，终身学习。由于不是封闭数据环境，总有新的数据加入，算法模型需要不断通过学习进行调整、迭代升级，使其精度越来越高，形成一个良性循环。
“与此同时，虽然目前消费互联网行业在算法精度上已经上升到一定的高度，但相比一些传统行业的应用场景，消费互联网行业对于AI算法精度接受的阈值都比较低。比如短视频、淘宝偏好推荐、百度热搜关键词，只需要达到用户产生黏性的目的，只要有一定准确性，用户都可以接受。”朱鹏飞表示，相比之下，在很多传统行业，对于技术精度的要求就高得多。比如基于视觉的AI技术在人脸识别方面的应用，在高铁站、飞机场核实身份，1∶1的比对准确度要高达99.99%甚至更高才可以进行应用。
在算力方。
