国家层面来看，2015年至2019年，人工智能行业政策也在不断迭代更新。从最初的“智能制造”到“加速AI技术研发和转化”再到“深化大数据、人工智能等研发应用”，标示着国内人工智能正在进入全新的发展阶段，AI应用时代的大幕已然开启。

 

未来人工智能势不可挡是共同认知。花式炫“技”却无法支持当前实际应用落地的人工智能企业将寸步难行也是共识。

 

人工智能的关键要素包括算法、算力、数据。如华为、阿里等都在积极布局智能计算，芯片代表算力，智能框架代表算法，并相继投入到智慧城市、自动驾驶、新零售等众多领域。超强算力，高效算法成为巨头们必备的实力tag，再加上目前人工智能企业多半还在靠算法盈利，其重要性可想而知。

 

相比之下，数据作为人工智能的基础原料，在这个组合里虽然很必要却低调很多。

 

海量数据到AI数据的“距离”

 

人工智能多样化应用正在带动数据采集标注产业的发展，从前的众包数据服务模式和通用数据集无法满足AI企业的场景化需求，我们需要重新审视从海量数据到我们真正想要的AI数据究竟隔了多远。

 

AI企业追求速度与激情。比如，一般AI产品在发布前一个月就需要获取标注好的精准数据进行训练,数据标注前还需要先完成数据的采集。这对AI数据的质量和时效性要求很高。

 

举个栗子，假如你要填湖盖房子有三种方式。第一种自己召集人马买装备找石子，第二种雇多人每天往湖里扔石子，第三种是直接找卖石子的用他家的挖掘机快速填平。