當前，盡管 AI在部分典型場景已經實現了成熟的規模部署，如城市安防、智能推薦和流程自動化等場景，為企業和組織帶來了巨大的收益。然而面對行業用戶多樣的智能 化需求， AI如何真正走出實驗探索期，實現與不同行業的眾多業務場景的融合，幫助企業實現商業價值，是AI在企業數字化轉型中面臨的首要挑戰。

有60 %的受訪者認為“現有解決方案過于通用，不夠適配 行業具體場景”。A I解決方案需要與行業自身長期運轉而 沉淀下來的商業邏輯與行業經驗相融合。除了成熟的技術 能力外， AI產品 /解決方案對行業具體場景的全方位適配必 不可少。

同樣，有60%的受訪者認為“解決方案應用門檻高，企業 IT 架構 /基礎設施適配難度高”。對于很多企業來說，算法訓 練相對容易實現，但如何與實時推理結合起來部署到實際應 用場景，卻是一個難題。AI的部署與企業的存儲系統、算力 分布、網絡設施以及等IT基礎設施能力息息相關，AI運行依 賴于大量數據的采集與傳輸，并要求系統快速學習、實時反 饋。因而企業需要完備的IT基礎設施，才能保證AI解決方案 的正常運轉。

此外，“A I在云端訓練結果難以實時反饋到前端設備執行 ” 是受訪者認為AI部署的第三大挑戰。AI為各行各業植入“大 腦”，然而缺少決策環節和執行環節的打通，“大腦”缺少 “軀干”，難以將決策轉化為實際行動，因此當前AI應用往 往停留在自動識別與分類學習的階段，仍需要使用者來判斷 下一步如何操作，然后再下達指令給前端設備，效率提升大 打折扣。

其他諸如 AI應用缺乏核心功能下沉、相關人才匱乏、數據問題 嚴重及投入回報比低下等，都是 AI實現規模化應用亟待解決的 問題。

IDC認為，A I與 IoT技術的融合，將有助于解決A I規模化應用面 臨的重重挑戰，打通A I應用的最后一公里。

附件：AIoT白皮書：解鎖未來商業價值的關鍵_AIoT產業智能白皮書2023