国内疫情进入到相较稳定的阶段，复工复产正在成为全社会主旋律。中国工信部就曾在 2 月底带头“点将”，在一份文件中指明汽车、电子、船舶、航空等几个需要优先推动的重点行业企业。

　　不仅仅是复工，全国新一轮项目投资开工热潮也随着春天的到来逐渐升温：政府层面的 “新基建” 提法，圈出特高压、5G、城际高铁、大数据中心、人工智能、工业互联网、充电桩等七大高科技方向，20 天内，中央级别的政府会议更是 4 次直接或间接提及“新基建”，其重要性不言而喻。

　　受 “新基建” 刺激，万亿元的投资计划正在路上。据《企业透明度报告》介绍，全国 22 个已经公布投资计划的省市，累计公布了约 7 万亿的投资金额，与 2019 年 31 个省市的计划投资金额大致相当，并有多个省份强调将推进新基建投资。相关统计也显示，截至 3 月 5 日，24 个省市区公布了未来的重点项目投资规划，总投资额达 48.6 万亿元，其中 2020 年度计划投资总规模近 8 万亿元；按比例测算，今年新基建约 1.1 万亿元。

　　疫情和 “新基建” 冰火碰撞之下，一方面，各行各业尽早着手恢复线下的正常运转成为眼前当务之急。

　　另一方面，现实状况也倒逼多个行业审视自己的生产作业方式和商业模式。尤其在诸多讨论中，制造业成为讨论频次最多的一个分支：用工多的制造业企业在疫情中遭遇复工难的尴尬境地，不仅影响着中国经济，也牵动着全球产业链的神经。

　　在可预见的未来，被列入新基建的人工智能、工业互联网、数据中心等，也将与制造业的智能升级故事线紧紧绑定。

　　那么，在这个故事线上，若以这次疫情 + 新基建提出为分水岭来思考该领域的演进和困境所在，又能得出哪些有趣的观察？

　　（来源：DeepTech）

　　被疫情放大，AI 新基建红利却远未做到“雨露均沾”

　　回顾此次疫情，其对经济的冲击有目共睹，但与制造业截然不同的数字经济却成为例外。

　　数据显示，在线教育、在线办公、互联网电商等领域，很多业务获得了十几倍甚至几十倍的增长 *，*“先有用户，后有客户”的中国互联网典型思维得到续命。中国以外，部分国家疫情的扩大仍在创造数字经济的成长空间，甚至是间接为国内互联网产品创建了一个“出海口”。例如，联合国教科文组织就向受疫情影响的国家推荐钉钉，因为钉钉支持中国中小学在线教学取得了成功。

　　火热的数字经济背后，最主要的技术考验之一是平台能力。对此，浪潮集团高级副总裁彭震对 DeepTech 表示，根据其客户经验，很多此前在数据中心、人工智能计算力方面的投资在这次疫情中获得用武之地。

　　他也提到，除了支撑起数字经济，数据中心、人工智能等新基建也在此次疫情防控类中发挥了应用价值。疫情期间，包括 BAT 在内的大型互联网公司、多家 AI 创企等，都不约而同地探索加速其人工智能技术的落地应用。无论是面向公民卫生信息管理的“健康码”，还是在一线抗疫战场，利用 AI 技术更加快速精准地识别 CT 胸片，或是在科研上借助 AI、HPC 技术对冠状病毒基因样本的分析，对抗病毒药物进行筛选等……

　　许多疫情防控环节都依托云、大数据、AI 等新兴信息技术而进行的。这自然有过去几年的成果累加效应：芯片、服务器、云计算等人工智能基础设施发展到初具规模，机器学习、计算机视觉、语音及自然语言处理等人工智能算法迭代优化。

　　然而，被放大的不仅仅有 AI 红利，同样还有短板。例如，上述的这种累加效应，并未显著覆盖到制造业。

　　随着国内进入到后疫情时代，多数主要工业企业都已开始复工，却又普遍存在设备运转率低的情况。关于中国主力工厂的设备运转率，智能手机代工企业、台湾鸿海精密工业 3 月初曾透露，“相对于需求，只能确保 50％稍高的产能”。没办法，这些工厂都太依赖于实实在在的人了。

　　从疫情爆发到数字经济瞩目到新基建再到复工潮，对于制造业来说，这一个多月创造了一个集体反思的时间点和切身感受的空间场，反而凸显了许多曾看似平常、但实则不太合理或者是需要解决的痛点，构成接下来的 AI 新基建中需要被解决的重点。

　　“国运当头”，后疫情时代的 AI 新基建或难再“一招鲜”

　　早在这次 “新基建” 提法让 AI 迎国运当头之前，有很多大型互联网公司、AI 创企都曾定义自身为赋能者，形容 AI 为类似电力的智能时代新基础设施。

　　但 AI 在诸如消费电子领域有很强的存在感，在工业场景上又是另一种情形，似乎难以 “复制” 消费场景中的优势。

　　在一场腾讯发起的后疫情时代工业智能的内部讨论会上，清华大学工业互联网产业联盟副秘书长王晨将现阶段 AI 在工业场景上的落地难总结为两点：一则在于成本，二则在于技术。

　　（来源：特斯拉）

　　他认为，成本上，新基建涉及的数字化改造、数据采集都需要投入，中国的制造业企业在这么困难的情况下做这样大量的投资很多时候是难的。且在技术上，工业场景的数据量和可用性很大程度限制了现阶段的工业智能的发展，加之工业场景的差异化本身就是非常有挑战的问题。更不用提在工业应用上，现有所谓的智能化应用尚未真正触及到工业的根本——生产和研发，而是集中在运营和维护。

　　诚然，基础成本的问题是制造业企业需要直面的，技术实现的担子，将更直接地落在 AI 团队上。例如，腾讯优图团队工业 AI 项目负责人黄亮就表示，以腾讯优图的工业智能整体解决方案来看，他们已经形成了三个具体的推进方向：第一是人工与自动化的结合，二是通用性和定制化相结合，第三是公有化部署和私有化部署相结合。

　　由此也不难看出，仅强调 AI 单点能力已不能“一招鲜吃遍天下”，即使是发展迅猛的计算机视觉也是如此。

　　国内计算机视觉领域的领军人物贾佳亚在接受 DeepTech 采访时就表示，前几年业界所强调的单点的算法突破将难以支撑 AI 对工业场景的充分赋能，这也是业内许多人希望未来能够得到改善和发展的方向。

　　“当前工业所需要的 AI 是远远复杂过现有的单个算法的。在人脸识别这一个大领域，五官存在很多共性，但是在工业领域，数据五花八门，采集方式多不胜数，所以很难有一个算法或者一套数据是保证有效的。与超高清视频应用相同，1000 套算法的需求是 1000 个团队做 1 个月或者 1 个团队做 1000 个月，其中的开销或者工期不是实际商业化过程所能承担的”，他说。

　　浪潮集团高级副总裁彭震也就此分析道，当前我国人工智能正处于 “AI 产业化” 向“产业 AI 化”过渡阶段，国内的人工智能投融资总额占比全球的 60%，人工智能科技企业众多，有非常好的技术，但是如何把这些单点的技术、单一的产品与行业场景深度融合，并形成解决方案是当前产业 AI 化发展的难点。

　　“让人工智能进入各个传统产业，不能仅仅靠技术本身。”他说。

　　新的探索：如何系统性地啃一根“硬骨头”

　　早在疫情之前，制造业领域就被是诸多 AI 公司心向往之的赋能领域，不少涉足该领域的 AI 公司都在 2019 年获得新的融资，希望能够啃动诸如制造业这样的中华老字号、传统“硬骨头”。

　　有趣的是，疫情和新基建的提出，似乎正在让 “硬骨头” 主动软化。这体现在行业客户对 AI 感受的紧迫性上。

　　对于杉树科技来说，他们就明显感受到，疫情前后，客户的节奏变了。

　　“过去几年，大家都在关注供应链的情况，都知道供应链需要数字化，但是大部分企业没有太强的紧迫感。

　　经历这次疫情，供应链出现强烈的扰动和巨大的压力之后，充分地暴露出来很多企业在供应链关键的环节和核心的管理能力上的问题。因此，这次疫情有很大的教育意义。我们在跟进的一些客户年前还不紧不慢，年后复工之后，反而开始提速，希望尽快启动合作”，杉树科技 CEO 罗小渠在接受 DeepTech 采访时如此说道，“这次疫情使得客户对供应链柔性、快速反应能力的关注大大增加”。这家公司正致力于将人工智能中的决策优化技术用到零售、制造业、物流等方向，而制造业正是他们今年重点关注的一个方向。

　　在一场行业内部讨论会上，天泽智云科技有限公司解决方案副总裁史喆则认为，疫情之后，行业在导入 AI 上将会考虑得更加长远。

　　“原来我们遇到很多项目，大家考虑都是短期的 ROI（投资回报率），即我用了之后可以替代几个人，是不是立马可用，是不是一个月或者一星期就可以折换成收入…… 数字化基础不好的情况下，短期内 AI 确实是很难发挥大规模效应，这确实是一个长期投资，需要考虑定制化和普适化两个方向，应该如何两边同时抓同时建设”，他说。

　　那么，在后疫情时代，“新基建”又会对 AI 产业化进程带来怎样的涟漪？

　　贾佳亚认为，“新基建”从定位上来说，是顶层设计，从 AI 公司的角度来看，新的挑战主要体现在三个方面：“新”强调的是新型，新一轮的升级，要求技术要新、架构要新、服务要新，对于 AI 公司而言，创新、革新就是根本驱动力；“基”挑战体现在更深厚全面的基础平台、更实用高效的系统架构，不仅对服务行业的宽度，也对真实的赋能提效的平台能力提出了更高的要求，越是基础设施、关系到国家社会生产力的部分，越是需要我们的综合科技基础技术去支撑；“建”强调是基础设施与服务能力的建设。在服务与赋能各种不同行业企业时，特别是对 AI 服务需求差异性较大的应用场景，此处的挑战包含服务构建的质量、效率以及投入产出比等综合能力的构建与提升。 

　　与此同时，AI 的行业落地可能还会延续现有的一些落差。

　　“大家对行业应用的结果期待很高，对 AI 到底能做到怎样，怎样能有帮助，包括对产品服务性能的理解时常有偏差，并且 “理想与现实” 还是有一定距离；行业具体需求差异性很强，涉及到 AI 服务的能力与产品服务部署交付的质量，以及对产品部署速度的保证之间的优化配置；行业应用的广度和深度不够。AI 公司怎样能更深刻影响所服务行业的企业，形成更强的耦合，产生更高的投入回报。这同时也带来新的机遇，AI 下沉一定会带来新的爆发点”，贾佳亚说。

　　今年，这位计算机视觉领域的大牛离开腾讯优图，现已创办了一家名为 “思谋” 的 AI 公司，正是希望能够开发出一套类似计算机之于信息化的工业 AI 系统，以克服这种困境。

　　贾佳亚进一步指出，人工智能产业化已经走过了 1.0 时代，需要为它定义新的 2.0 时代，不同于 “拿着锤子找钉子” 的 AI 1.0 时代，在 2.0 时代，AI 企业需要有系统化能力，即赋能提效，把开发的投入以几何级降低（减少），实现即使再大量的算法需求也能在有限的技术团队下和在预算时间条件下完成应用开发。

　　在他看来，正如计算机从高度专用走向通用的发展历程中，计算机科学家们一步步地抽象再具象，定义出计算机应有的通用功能和物理形态，人工智能的产业化也应该遵循这种演变逻辑，从单个 CPU 的升级到构建整台计算机的关系，也就是 AI 2.0 的系统性构建升级，能大大减少人员和部署成本。

　　杉树科技 CEO 罗小渠则表示，公司一直在关注新基建，对于杉树科技专注的智能决策技术而言，新基建将加速行业的 “信息化→数据化→智能化” 的演变。

　　“政府提出的新基建对于技术应用型公司来说绝对是利好消息，有更大的空间去施展，我们的技术也能发挥更大的效益”，他说。

　　但他也强调，新基建目前所处的阶段是，中央到地方政府层面的政策细化、资源配置等问题还都不明确，特别对比 5G、充电桩等，人工智能和工业物联网仍是非常宽泛的概念。政府在分配资源时不可能平均将资源分配给不同的行业和领域，在国家和政府层面需要从两个维度来权衡，一个是产业价值，另一个是技术本身的增值幅度。

　　“一个概念的提出到最后落实中间会经历很长的时间，因为在这个宽泛的领域，各方需要做什么工作这都是摸索的过程”。