全球《终端智能化分级研究报告》落地，首次对AI手机能力定义明确级别
和自动驾驶汽车一样，终端智能化水平可分为五个等级
等级越高，端侧AI自主参与度越高，人的参与度越低
数读
IDC预测，2024年全球GenAI智能手机的出货量将同比增363.6%，达2.342亿部，占全年智能手机市场19%
到2028年，GenAI智能手机出货量将达9.12亿部，2024-2028年的复合年增长率（CAGR）为78.4%
（智能响应级）
具备极少智能化，能根据用户确定性的操作指令完成相关任务。
(智能辅助级)
具备一定智能化，能准确感知识别用户简单意图，并基于用户偏好完成单类型任务。
(智能助理级)
具备较高智能化，能准确感知识别用户复杂意图，并基于用户信息进行自主规划完成多类型任务。
(智能协同级)
具备更高智能化，能准确感知识别用户潜在意图，并基于用户情景进行自主规划完成多类型任务。
(自主智能级)
具备全面智能化，能准确主动预测识别用户意图，并基于全场景进行自主规划完成全类型任务。
B04·深城
AI落地遥遥无期 原来是这些问题“拖后腿”
从AI的市场需求和政策支持来看，落地应该是非常轻松简单的，可实际上却事与愿违，现实是AI很火但是落地却很难。是什么原因导致AI无法自然融入这个 社会 ，只能成为华而不实的幻影？
从政策来看， 国务院印发的《新一代人工智能发展规划》，计划到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为我肢饥租国产业升级和经济转型的主要动力，智能 社会 建设取得积极进展；到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。
从应用来看， 人工智能(AI)技术在工业现代化的浪潮下向各个领域渗透，包括市政、交通、医疗、商用等，随着5G商用的春风，如今AI技术更火了。
从数据来看， 2020年中国人工智能产业规模超过1500亿元，带动相关产业规模超过1万亿元。 然而AI企业在资本市场并不太顺利，在 探索 技术与产品、应用与商业方面存在着各种各样的问题。
人工智能行业历经多年快速发展，逐步进入一个瓶颈期。 一个很重要的影响因素就是AI落地难。 那么，到底是什么阻碍了AI落地？
场景限制
碎片化太严重是AI应用落地的一大瓶颈。 AI并不是万能的，在使用上经常受限于场景，随着用户对AI应用的诉求变得越来越个性化和碎片化，企业所提供的产品和解决方案也呈现碎片化，然而场景多样化的脚步并未追上AI算力的增长，溢出的算力需要更多的场景来释放其能力。
数据制约
数据也是制约AI成功落地的一大因素。 由于AI依赖数据训练基础算法，因而获得有意义的高质量数据，对于AI落地成功至关重要。 如果缺少统一、标准化、高质量的数据，AI应用可能就是无米之炊、无源之水。
人才短缺
AI不只是一个技术、工具，更是一种思维方式，在AI落地过程中，储备真正懂得AI思维、AI语言的人才，显得尤为重要。 实施AI项目通常需要数据科学家、ML工程师、软件架构师、BI分析师等相关人员组成团队，但是这些有经验的专业人员很难聘请，这种状态进一步导致了AI的落地难。
成本高昂
企业用户的核心目标是利用人工智能技术实现业务增长，只有将AI技术应用到现实世界肢猛里，才能为企历兆业创造利润价值。 然而，在深入产业落地的过程中，落地成本太高的问题被暴露出来，而这些也成为当前阶段AI落地应用过程中新的痛点。
总结
AI如何落地一直是行业热议的话题。 我们看到近两年，在疫情、物联网、5G、智能化等因素的影响下AI的应用需求更加明晰。 应用场景、资源与基础设施、算法和模型、智能设备、数据构成了AI技术落地的五大要素。 如何将这五大要素在落地场景中实现协调，是AI技术在产业界落地的另一个关键点。
虽然AI离实际落地还有很长一段路要走，但是从长远来看，AI还有很大的进步空间，市场前景广阔，是发展潜力无限的朝阳产业。
