如今，雖然人工智能在各行各業(yè)中的應用越來越多，但企業(yè)還沒有在人工智能領域?qū)崿F(xiàn)規(guī)模經(jīng)濟。這一直是企業(yè)在數(shù)字化轉(zhuǎn)型過程中面臨的最大也是最難以捉摸的挑戰(zhàn)。普華永道最近的一項調(diào)查顯示，盡管90%的高管認為人工智能帶來的機遇大于風險，但只有4%的高管計劃今年在企業(yè)范圍內(nèi)部署人工智能，這突顯了這個問題的嚴重性。

這項調(diào)查表明，公司需要先掌握這項技術(shù)的基礎知識，然后才能擴大規(guī)模。人工智能帶來了操作、管理和工作技能培訓方面的挑戰(zhàn)，因為它影響到公司組織的各個層面，并從根本上改變了工作流程和商業(yè)模式。

人工智能的核心是生產(chǎn)力，所以可以肯定地說人工智能是關(guān)于經(jīng)濟的。人工智能系統(tǒng)是一種預測機器，能讓企業(yè)和個人的工作效率更高，并做出更明智的決策。人工智能模仿人類的認知功能，如學習和解決問題，卻沒有人類如疲勞、情緒化和時間有限的缺點。一些專家預測，到2030年，人工智能將為全球經(jīng)濟增加15.7萬億美元。

人工智能是最終的經(jīng)濟刺激器

根據(jù)Gartner的研究，數(shù)字資產(chǎn)是數(shù)字戰(zhàn)略的基石，也是構(gòu)建經(jīng)濟生態(tài)系統(tǒng)的第一步。幸運的是，人工智能依靠數(shù)字資產(chǎn)蓬勃發(fā)展。這些數(shù)字資產(chǎn)是由人工智能的學習組件（機器學習和深度學習）操作的海量數(shù)據(jù)。這使得人工智能在經(jīng)濟上獨一無二，因為人工智能可以使用數(shù)字規(guī)模經(jīng)濟而不是實體經(jīng)濟。與物理資產(chǎn)會隨著時間的推移而磨損和消耗不同，數(shù)字資產(chǎn)不會，它們可以以接近于零的邊際成本無限次地重復使用。

正如Schmarzo經(jīng)濟數(shù)字資產(chǎn)估值定理所解釋的那樣，數(shù)字資產(chǎn)可以“同時降低邊際成本（通過數(shù)字規(guī)模經(jīng)濟），同時加速數(shù)字資產(chǎn)的經(jīng)濟價值創(chuàng)造（通過數(shù)字資產(chǎn)的可重用性）?！?/p>

再利用的能力是驅(qū)動健康經(jīng)濟發(fā)展的引擎。重用資產(chǎn)經(jīng)常被吹捧為解決諸如上市時間和產(chǎn)品質(zhì)量等問題的經(jīng)濟合理方法。IBM將資產(chǎn)的戰(zhàn)略性重用定義為“高級業(yè)務策略”。在人工智能的背景下，這并不是輕描淡寫。

隨著人工智能由機器學習和深度學習主導，數(shù)據(jù)和分析可以更精確地用于更復雜的問題。這些預測機器使用的基于樣本數(shù)據(jù)的被稱為“訓練數(shù)據(jù)”的數(shù)學算法和模型，可以通過經(jīng)驗自動改進，并且隨著同樣的數(shù)據(jù)隨后被重用，其價值會變得越來越大。此外，當我們重用AI模型時，它們的價值會增加，并且從新的使用中獲得的經(jīng)驗會傳播給模型的所有用戶。

在供應鏈中，通過配送車間的包裝自動化過程，將深度學習與人工智能系統(tǒng)相結(jié)合，以快速重用和學習，同時獲得指數(shù)級的改進。智能相機和深度學習的智能算法，可以在邊緣（計算過程發(fā)生的地方或附近）實現(xiàn)更好的質(zhì)量，倉庫包裝可以相互實時通信，允許過程中的自我修正并可以形成更短、更準確的質(zhì)量反饋環(huán)。

如果你也想開始人工智能，可以從這些最佳實踐開始：

1.從小處著手解決實際的業(yè)務問題開始，但要有這樣的心態(tài)：在可預見的未來，業(yè)務問題將成為關(guān)鍵資產(chǎn)。

2.包括所有的利益相關(guān)者，因為他們是成功擴展的關(guān)鍵。通常，阻礙成功的是人為因素。

3.像任何資產(chǎn)一樣，投資也是必需的，但是人工智能和數(shù)據(jù)資產(chǎn)不會像大多數(shù)資產(chǎn)那樣貶值，而是隨著規(guī)模的擴大和時間的推移而增值。

如上所述，隨著邊緣人工智能深度學習的發(fā)展，企業(yè)可以降低新用例的邊際成本，同時提升經(jīng)濟價值。在第一個成功用例基礎上構(gòu)建第二個用例，這樣累積的財務及操作價值會隨著用例的增長而增長。在日后的所有案例中，數(shù)據(jù)和分析的重用會加速人工智能的經(jīng)濟價值，并更能接近這個數(shù)字時代人工智能的規(guī)模經(jīng)濟。
責任編輯：tzh