一年多之前，我曾經跟一位讀者聊過AI和行業應用的問題。
這位讀者來自湖南，是一家大型醫療器械企業的科研人員。他跟我說，他很早就在學術刊物上注意到了深度學習，並且當時第一感覺就是這種技術可以解決很多醫療檢測方面的問題。
用他的話說，“憑着一腔熱血”，就組織了一個用AI識別瞳膜病變的項目。
但結果不盡如人意。
真正上手之後，他發現能找到的算法示例很不成熟，小組也不知道如何自己開發。而且AI訓練用的顯卡非常昂貴，也無法說服企業批准相關的研發經費。
這個故事始終帶給我特別深刻的印象，這是一個典型的“願望的炙熱，遇到了AI的冰冷”——而這個故事，若干年來，已經無數次上演在我們身邊。
AI走進行業，真的是聽上去簡單，實際無比複雜的話題。可以說，一千家企業用AI，絕對會碰到一千個以上的問題。
如何讓智能真正落地，這當然是個技術問題，但同時也是一個方法論，甚至企業文化、品牌建設的問題。作爲平臺級的AI技術使能者，今天不僅是要拿出AI能力與解決方案，更要找到一條道路，確保剛剛燃起熱血的AI開發者不會遇到一盆冷水。
更進一步，是要保證開發者和行業應用者，把AI用得舒服，用得放心，用得有奔頭。
在福州，這兩天最熱鬧的地方就是華爲中國生態夥伴大會2019會場。不出所料，這場兩萬人蔘加的盛會中，華爲雲和產業AI又一次成爲了主角。
而我們從華爲雲一系列關於企業智能的新動作中，讀出的是一條以人爲本的、在今天中國市場上其實還是有些特殊的普惠AI之路。
解釋這條路的特殊前，讓我們再重新認識一下，到底什麼是產業AI。
重新認識以人爲本的to B+AI
AI發展到今年，大家其實是無論用什麼詞彙包裝，最終都在說把AI融入產業這件事。
但在一個籠統的概念之下，我們要具體問這樣幾個問題：到底什麼人需要用AI?什麼事需要AI來解決?
華爲雲對這個問題有個非常精準的總結。在生態合作伙伴大會上，華爲雲BU總裁鄭葉來所作的《+智能，見未來 共築普惠AI》主題分享中，將AI能夠解決的問題分爲三種：
1、海量重複勞動的場景，用AI來提升效率。比如華爲與德邦快遞的合作，用智能攝像頭取代人工來完成分揀視頻監控工作，將重複枯燥的勞動解放了出來。
2、需要專家經驗的場景，用AI進行經驗傳承。比如華爲雲與金域醫學的合作，利用AI系統學習醫院的數據與專家經驗，將特定×××的識別準確率相比業界平均水平提升一倍，讓機器有了國際頂級專家的水準。
3、多領域協同場景，用AI來應付人力難以承擔的複雜協同工作。比如煤炭、鋼鐵等產業中，很多動作可以用AI來協同完成，而不像人類需要分步驟、分系統合作，極大提升了生產效率。
這三個方向在今天都已經涌現出大量應用案例。僅僅在華爲雲EI體系中，就已經提供了數十種AI開放能力，總結出了幾百個AI應用場景。並且實際應用AI技術，還廣泛依賴個性化解決方案和行業深層數據。鄭州婦科醫院×××：http://www.sgfk029.com/
可以說，產業AI的實質特徵，是應用者面對的問題千差萬別，使用的能力千變萬化，打造出的最終效果千人千面。這樣的產業現狀，也就標誌着產業AI無法成爲一個高度模塊化、可複製化的產業。必須深入到行業和企業中間，由開發者、平臺和應用者一起思考合適的解決方案。總體而言，產業AI在實踐中，會面臨這樣幾個主要困難：
1、AI深入生產場景時，需求指向個性化和駁雜，常常需要大量定製化開發。
2、需要構建複雜的產業鏈。一家企業應用AI，可能需要若干供應商的配合。
3、以場景爲重心，產業AI有待重新組織商業邏輯，開發者需要清晰看到商業潛力。
4、直到今天，還是有很多技術問題亟待解決，尤其是算力的稀缺與昂貴。
這些問題擺在這，必須讓我們明白，行業應用者在面臨AI時，絕不會立刻撲上去就用。而是一定有自己的所思所慮，所憂所疑。
那麼如果說產業AI這件事，在今天有一本祕籍的話，那麼只有一句話可以印在上面：以人爲本。