目前看人工智能（AI）芯片、计算、算法、平台等的“技术力”是业界关注的焦点，算法人才稀缺尚是挑战，但随着人才培养的加速，AI技术门槛不断降低，三五年之后，那些看似问题的问题，都将不复存在。而那时的竞争焦点将是什么？

文|李佳师

“目前看，AI企业技术实力的差别并不悬殊，但谁能够抓住AI的‘落地力’以及‘数据力’，谁就有可能在3—5年后的全球人工智能竞赛中拔得头筹。”知盛数据CEO王晓梅在接受《中国电子报》记者采访时表示。

王晓梅曾在IBM总部工作近20年，2017年创立了总部位于杭州的大数据分析和人工智能公司知盛数据，并在美国、加拿大、英国、印度设立了国际研发中心和分支机构。作为CEO的王晓梅需要常常在这几个地方来回穿行。在这场全球化的人工智能（AI）大潮里，她看到了一些正在被忽略的信息，而这些维度将是AI下一个赛程的竞争关键。

数据是AI中的灵魂性命题

目前世界各国均高度重视AI，这个像“水电煤气”一样的基础技术（Ingredient Technology)正渗透到所有领域，带来社会巨大变革。当大家关注AI会不约而同的将焦点放在包括理论研究、AI芯片、算法、计算、平台等AI的“技术力”上，但王晓梅认为，AI的“落地力”以及“数据力”才是未来全球人工智能竞争的焦点。

目前看AI的“技术力”是业界关注的焦点，算法人才稀缺尚是挑战，但随着人才培养的加速，AI技术门槛不断降低，三五年之后，那些看似问题的问题，都将不复存在。“到那时，AI竞争的焦点是数据力、是落地能力。”王晓梅进一步表示，当我们谈及AI落地、AI变成商业、AI产生价值、运营一个可持续发展的AI的时候，需要将4个环节逻辑性地串联来。第一个环节是业务场景的梳理，即找到能够运用AI的行业痛点场景，AI不是空中楼阁，需要与某一行业场景结合。第二个环节是数据资产的获取，并不是所有的数据都有价值，目前世界上所获取的有价值数据可能尚不到10%，需要找到、获取与业务场景有强相关性的数据，这才是有价值的数据。第三个环节是处理和分析数据，也就是运用大数据能力和人工智能的能力，构建数据模型、算法，为业务场景运营改良提供技术支撑。第四个环节是将数据分析、人工智能分析所产生的洞察力，反哺到相关的商业应用，转化成为企业的业务价值，反哺于用户。

而技术力只是体现在第三个环节，而AI要成功要落地不可能仅仅依靠技术力，数据更是关键。“中国目前正与欧美处于AI算法的同一起跑线上，而数据的品质、数据量的大小，不仅能够让我们快速筛选出优质的算法，而且数据的个性化也决定了我们在用相同的，或者类似的一算法的时候，通过不断自主学习能够生产和校验出更优的算法，最终的人工智能应用产品会更独特，更多元化。”王晓梅说，所以，AI下一个竞争的焦点是数据。

为此，王晓梅谈及了不久前美国国家科技政策办公室发布的由总统签署的《美国人工智能倡议》（American AI Initiative 以下简称“倡议”）。关于“倡议”，业界有诸多的解读。有观点认为，美国之所以在这个时间节点签署“倡议”原因之一是中国人工智能的崛起，迫于保持竞争优势的压力，美国总统将发展AI上升为国家战略。而作为AI产业的从业者，王晓梅认为 “倡议”中释放了诸多风向性变化信息，应引起中国乃至全球AI产业界高度关注。

“数据是AI战略中的灵魂性命题”是“倡议”中释放的核心信息。高品质、强相关性的数据短缺是目前困扰整个AI界的公认难题，这样的问题不仅仅是在美国，对于英国、以色列、中国等都是AI发展中的核心难题。“三五年之后真正的AI核心竞争将会变成数据资产的一个终极竞争。”王晓梅说。这次“倡议”值得关注的地方是把数据提到了非常关键的高度，特别提出政府要从数据、模型、计算资源三个维度来开放资源，“增强对高质量和完全可追溯的数据、模型和计算资源的访问，以增加此类AI研发资源的价值”。

当前各国对数据的重视已经不仅仅是停留在简单“口号”上，而是把它落实到实操层面，由政府推动共享与开放各个行业的数据、数据模型、计算资源，这个举动对于推动每一个领域的人工智能应用意义重大。以医疗行业为例，王晓梅谈及了美国医疗行业的“HL7 FHIR数据模型标准”，有了这样的数据模型标准，就可以允许相关企业进行快速设计、迭代、演变出更个性化、多元化的数据模型。有了这样的模型体系，生态就可以建起来，大家都遵从一种标准来设计数据模型，用同一个行业标准，就可以彼此调用，在IT层面直接对接。

关于数据标准和规范建立的重要性，王晓梅进一步以医药行业为例进行解刨。2017年6月中国正式加入了ICH（人用药品注册技术要求国际协调会议），这意味着中国药企能够按照ICH的规范要求进行研发、搜集临床数据、进行生产质量控制，并与国际企业同台竞争，由此加快了中国新药进入国际市场的时间。

不难想象，如能加快医药、保险、健康管理等多维度的协同和联动，加快中国医疗行业的数据模型标准出台，让和谐的医疗健康大数据生态快速发展起来，使得AI更好地造福国人健康。其实不仅仅是在医药的行业，在每一个领域都有必要构建相应的数据、模型和计算资源，并促成对行业的开放共享。

数据安全和隐私将从公民权利角度来考量

AI是一个融合性产业，在未来几乎没有一个行业不被受AI影响、不受益于AI，所以对于这样一个产业的推动，它一定需要借助于相关的法律和法规。

保护数据隐私、保护数据安全是全球性的敏感话题，如果数据的隐私不能保护、数据的拥有权、使用权不能很好界定，那么数据在AI发展中的灵魂作用就只能是“伪命题”。因为谁都不愿意将数据提供出来，数据的采集这个环节就是个死结，AI技术再有能耐也是 “巧妇难为无米之炊”。

王晓梅认为，美国的“倡议”中非常重要的一个维度是“公民权利”，即探讨公民对于人工智能的信任和信心。“在这份并不长的‘倡议’中，5次提及了‘公民权利’。”王晓梅表示，数据在过去更多被定义为“资产”，但在“倡议”中，对于数据的利用扩展为公民权利来考量。一旦成为了公民权利，意味着AI会在法律法规上成为一个热点议题，会不断演变，不断调整，朝着更符合整个AI技术发展的态势发展。

去年，欧盟出台了《GDPR》（通用数据保护条例），目前GDPR是欧盟法规的重要组成部分，关于欧盟境内的公民数据应该如何被公司所使用，引入严格的新规则，以获得人们对数据进行处理的同意，这个条例同样意义深远。目前很多全球化的公司都在欧洲有业务，如何在欧盟国家开展业务，欧盟对于数据的使用与保护有了非常严格的界定。今年1月法国依据《GDPR》向谷歌开出了5000万欧元的罚单，而其他公司的罚单还在路上。

欧盟到美国，为了更好地推动AI的发展，围绕数据利用的法律法规正在不断朝着更利于AI发展的方向演进。与此同时，技术进步对于数据更安全的利用同样带来了利好。王晓梅谈及了最近快速发展的边缘计算及边缘设备。随着芯片技术的成熟和跨越式提升，使得更多的数据可以在边缘设备、边缘装置上进行人工智能的分析和自主学习，而无需将数据传输到后端的数据中心进行总体性分析，就可以在边缘端获得很好的分析能力、洞察力。这样变化其实不仅仅是计算架构本身的变化，更重要的意义是让个人、让边缘端、让数据的采集端，有了对数据更多的控制力和决定权。边缘计算未来将对社会行业的发展产生深远的影响，业务处理去中心化，计算模式去中心化，让边缘端的万物能够真正实现自主洞察。

3-5年后AI复合型人才凸显重要

人才是又一个热门话题。今天，当我们谈论全球AI人才短缺，通常关注的是“AI技术专才”，所以从高中、大学等开始开设各种AI技术的专业，学习深度学习、机器学习、各种AI算法，希望尽快培养更多AI技术人才。但事实上有一个重要的维度忽略了，就是AI运营人才、落地人才、产业人才，而这些才是目前产业中的稀缺，也是未来推动AI发展的关键性人才。

“现在看，算法人才是短缺，但随着教育培训体系的跟进，在3、5年之后，这些技术专才市场很快就会丰盈起来。”据王晓梅透露，美国得克萨斯大学、哥伦比亚大学等高校都增加了生物统计学等复合型专业，专门招募从事健康医疗的医药领域人员进入大学学习人工智能相关专业知识，而且这样的学习是非常正规和严格的，而并非商业性的“游学”，最后这些人才将变成这个领域的复合型人才。而正是这些人既懂医疗行业又懂数据运营的人，他们才会是AI落地医疗领域、推动医疗AI化的灵魂型人物。

“AI要成功，它一定是高度业务价值驱动、与产业深度融合的结果。AI要在各个行业落地需要各个行业都有这样的复合型人才：这些人既有深厚的行业知识，同时又有人工智能知识，又能够从商业的角度有良好的认知，这些人能够帮助数据分析和人工智能的从业者，真正地、快速地、有效地来使用人工智能，为各个产业赋能，为各个产业带来业务价值的提升。”王晓梅最后强调，培养中国市场的AI复合型人才也是知盛数据的核心使命之一。