产业独家调研|AI落地是什么在“卡脖子”？34%企业仅三成项目成功部署，26%出货增长不足一成！

（电子发烧友网 文/张慧娟）经历了过去几年的商业摸索期，AI正在从主流应用先导落地，走向碎片应用持续渗透的阶段。那么，AI项目落地情况究竟如何？2019年比上一年在出货情况如何？项目成功落地的驱动因素和挑战有什么？作为AI基础层的芯片和算法框架现状如何？
 
为了全面客观地了解AI基础技术的发展现状、项目部署以及应用情况，<电子发烧友>今年上半年通过多维度的梳理和一线交流，以及超过1000份有效调查问卷，完成了行业首份覆盖芯片/开发平台/算法框架、产品应用以及落地部署情况的调研报告，试图真实反映出AI的发展全貌，挖掘未来的发展机遇。该报告将在<电子发烧友>于2020年7月10日举办的人工智能大会上进行发布，以下是部分内容：

一、项目部署成功率低，应用和预期偏差较大

AI经历了概念泛起，到逐渐走向落地应用阶段。应用场景碎片化不易把握、实验室到实际应用场景差距大等问题逐渐暴露出来，也成为当前AI落地应用过程中最大的痛点和重大应用项目亟待解决的问题。

在对受访公司AI项目的部署情况进行调研时发现，成功率30%以下的占比最大，占34%；成功率31%-50%的，占22%；仅有3%的企业，项目成功部署率达到了91%以上，成功率为51%-70%的占11%，71%-90%的占4%。
 
可以看出，现阶段公司投入一个AI项目，还是有较大的风险，成功部署的比例并不高。

那么，是什么阻碍了AI项目的成功部署？在对项目失败的原因进行了解时，我们发现“应用与预期出现偏差”的占比高达60.4%，项目技术规格无法实现的占39.6%，还有35.6%的是配合不畅导致的周期问题，23.5%的是项目资金出现了问题。
 
这些都是当前AI项目部署过程中非常典型的问题，也是AI在发展初期遇到的难题，来自于供需双方之间的信息不对等、认识偏差等等。有效沟通应该贯穿在整个项目的始终，从方案设计开始，到中间的各个环节，稍有偏差，都会导致项目的失败。

为什么会出现这些问题？以算法的推进为例，有的算法是按小时迭代上线的，有的是按周来迭代的。对于芯片企业，常常跟不上算法对芯片的直接要求。最终将产品、服务提供给客户时，算法和芯片最后融合成什么样，往往在客户、普通用户眼里会产生理解或感知上的偏差。

现阶段，人工智能在各行各业的普及和应用率还较低，这也是理想和现实存在的差距。造成这个现象的原因主要还是整个生态链不够健全，仍停留在浅层次的融合阶段，需要更完整的生态链的互动、更深度的合作。

从出货量方面来看，与上一年相比，增长率1%-10%的占26%，11%-20%的占19%，增长率在50%-100%之间的，加起来不足6%。而出货量实现翻倍的，总和仅为3%左右。
 
从这些数字也可以看出，AI产品在落地方面确实挑战比较大，出货量总体上还是处于小幅成长的状态。

二、时代赋予AI落地机遇，算力、算法、场景须继续突破！

那么，项目落地这么难，有哪些是推动AI应用的机遇？可以从今年最突出的两个背景来看，一个是时代背景，就是新冠疫情；一个是政策背景，就是新基建。
 
某种程度上来说，疫情在倒逼AI加速落地，人脸识别、智能语音、智能机器人等应用已经迅速落地，并在疫情中发挥出了重大价值。并且受疫情影响，一些传统行业更加深刻地意识到AI、5G、大数据等技术的重要性，开始加大对于IT基础架构的投资，这对于AI的发展基础非常重要。
 
新基建的拉动作用，可以从三个维度来看：第一个维度是AI基础层的突破；第二个维度是底层共性技术交融带来的机会；第三个维度是在传统和新兴产业的落地。这些都离不开算力、算法的持续突破和迭代，以及对场景的更精准的识别。这也反映出，AI走进了更注重实用性的阶段。

在针对芯片原厂的这项调研中可以看到，已量产的占比仅为7.2%，有相当一部分处于产品定义、系统开发和原型验证，以及测试和客户验证阶段等。根据芯片的开发周期和开发特点可以预估，未来1-3年内，AI芯片将逐渐起量。

由于算力是AI发展的重要因素，因此我们一直对AI芯片的创新以及市场格局非常关注。CPU、GPU、FPGA、DSP、NPU以及新兴处理器的发展现状、市场情况如何？云、边、端芯片主要玩家的竞争格局走向怎样？AI芯片又将如何配合应用端？随着AI从云走向边缘，AI芯片又将如何与面向边缘特定应用的算法框架深入融合？敬请关注<电子发烧友>产业独家调研报告！

本文由电子发烧友网原创，未经授权禁止转载。如需转载，请添加微信号elecfans999.