人工智能要与产业紧密融合，既要助推人工智能应用场景的落地，也要基础数据和平台技术的突破创新，还要搭建好与传统行业生态有效衔接的桥梁。

人工智能产业应用总体上处于起步阶段，仍有一些难题制约应用场景落地

人工智能被认为是引领新一轮科技革命和产业变革的战略性技术。当前，我国人工智能与产业融合的情况如何？

业内专家认为，我国人工智能产业应用总体上处于起步阶段。

当前，新一代人工智能已经从最初的算法驱动逐渐向数据、算法和算力的复合驱动转变，其中，基于数据的应用驱动作用日益显著。以医疗领域为例，志诺维思基因科技创始人、人工智能专家凌少平介绍，我国智慧医疗近几年发展比较快，一个重要原因是有比较丰富的电子病历、医疗影像、病理图像等数据，基于这些数据，科研人员能够通过标注来训练人工智能模型。地平线创始人兼首席执行官、人工智能专家余凯说，受益于行业丰富的需求，我国在人工智能的应用探索上比较活跃。智能安防、智能金融、平安城市等需求，助推了人脸识别技术的发展和落地。无人驾驶、智能教育等发展又加速了我国计算机视觉、语音识别和自然语言理解等技术的应用落地。

专家表示，我国拥有海量数据和巨大市场规模，应充分发挥这些优势，加快推动人工智能的应用场景落地。但在实际推进过程中，还有一些难题制约着人工智能与产业更好地融合。

其中产业界普遍关注的是如何取得有价值的数据。首先是数据的有效性不够。通常数据越多，人工智能算法越智能。但也要看到，海量的数据固然重要，可只有经过计算、进行训练的数据才能产生价值，这就需要提高数据的有效性。专家表示，我国的数据样本非常丰富，但数据的“噪音”也非常大，有时获取的大部分数据没有价值，这就给利用数据训练算法带来较大困难。在智慧医疗领域，优质的数据一般要经过精选、清洗和标注，而高质量的标注数据门槛较高，通常由专业的医生来完成，但当前医生协助人工智能企业标注数据的积极性不高。由于高质量的标注数据缺乏，制约了人工智能在医疗领域的拓展。

其次是数据之间缺乏联动。数据孤岛现象影响了人工智能应用的落地。云天励飞首席方案总监王军说，一些核心数据掌握在相关管理部门和行业机构手中，在保障数据安全和隐私安全前提下，如果能将这些优质数据投入到算法模型训练上，既能降低行业参与者的成本，也有助于拓展人工智能应用的深度。

此外，人工智能芯片、智能平台搭建等技术难题也有待突破，这些都在一定程度上影响了应用场景落地。