人工智能領域的增速放緩，主要體現(xiàn)在AI應用程序的部署增長方面。原計劃23％的數據將在2019年被應用部署，而截至目前，只有5％的數據被應用部署，增長率明顯低于2018年。很顯然AI正在被某些“因素”拖累，比如相關領域企業(yè)員工缺乏相應的技能、企業(yè)可獲得數據的質量以及對AI真實優(yōu)勢和用途的了解并不全面。

對于人工智能而言，大數據是人工智能研發(fā)的重要基礎。目前人工智能領域的研究細分有很多，包括機器視覺、自然語言處理、深度學習、機器人學、知識表示、自動推理等，研究方式上各有不同，但是數據收集、數據整理、算法設計、算法訓練等是它們繞不開的研究路徑，人工智能的核心是算法設計，但基礎仍是大數據。

而數據洞價值察或許仍是“穩(wěn)定”人工智能發(fā)展的重要因素，在細分領域上有著不同體現(xiàn)，比如“增強分析”技術在數據與分析領域的應用、嵌入式人工智能在物聯(lián)網領域的應用、浮層互動技術在視頻領域的應用等。

“增強分析”的概念最先被Gartner在2017年提出，“增強分析”曾譽為「數據與分析市場內的下一波顛覆性技術，是數據分析的未來」增強分析指的是在傳統(tǒng)分析功能中加入更多的增強功能，這些功能大多是通過人工智能、深度學習等技術來實現(xiàn)，可以幫助分析人員對于數據進行自動化、精細化、結構化的分析，有利于進行更加精準的模型訓練，從而滿足多種數據分析需求。

當前的增強分析功能主要有兩種應用方式，一是幫助專業(yè)的數據分析師或數據科學家，通過數據建模來提升數據分析的能力。二是針對普通的用戶，增強分析可以支持他們訪問有效數據，并對理論和假設情況展開測試與驗證，從而為分析計劃帶來更多自動化動能以及創(chuàng)新洞察力。在增強分析技術實現(xiàn)上主要包含以下三種工具。

1、增強數據準備（Augmented Data Preparation）：采用機器學習（ML）／人工智能（AI）自動化來擴大和加速數據剖析和數據質量、數據協(xié)調、數據建模、數據處理、數據聚合／推理，元數據開發(fā)，以及數據編目，這種增強趨勢同樣能夠改變數據管理的各個方面，包括自動化數據集成和數據湖管理。

2、應用于分析和商務智能系統(tǒng)的增強分析技術（Augmented Analytics As Part Of Analytics And BI Platforms），該技術使商務用戶和“民間數據科學家”（Citizen Data Scientist，指那些能夠進行數據建模的非統(tǒng)計分析專業(yè)領域的人）無需建模和編寫算法，就能自動尋找數據規(guī)律，將相關結果以可視化的方式表達（比如相關性、例外、集群、連接和預測）。用戶通過可視化和對話界面來研究數據，采用自然語言問詢技術來查找用戶情境下的最重要數據結果。”民間數據科學家”可以采用增強分析技術來客觀分析數據。

3、增強分析數據科學和機器學習（Augmented Data Science And Machine Learning）——采用ML／AI實現(xiàn)數據科學和ML／AI建模的自動化，比如特征工程和模型篩選，以及模型運行，模型解釋以及最后的模型校正和管理。增強分析技術的應用，將會降低對高級分析模型操作的技巧性要求。它向民間數據科學家和應用開發(fā)者開放了數據科學和ML內容創(chuàng)造，最終，這些專業(yè)的數據科學家擁有更多的時間來聚焦創(chuàng)造性任務以及建立和運行最相關模型。

增強分析在企業(yè)銷售中的應用可以體現(xiàn)在精細化的數據洞察方面。過去，我們從銷售報表中可以看到銷售數據的上升或下降，通常最直觀的數據維度只有價格、產品質量、人員因素等，但是這樣的推測并不是完全準確的，「增強分析」的應用可以通過BI工具獲取數十個甚至上百個維度，不光包括價格、用戶等直觀因素，甚至還包含天氣、環(huán)境、交通等外部因素。其應用的意義就在于通過更多工具分析更多維度，力求找到問題解決的最優(yōu)路徑，對數據全面洞察。

Gartner 公司的Julian Sun曾表示，目前的數據分析模式多是可視化形式，或者拖拉拽形式做數據分析，很有可能會造成另外一種孤島——分析孤島。這個時候用增強分析可以把這樣的增強分析模式放到業(yè)務情景當中，最契合業(yè)務實際做一些業(yè)務針織。

小結：在增強分析領域，數據洞察能力集中體現(xiàn)在分析維度會更加全面，那些曾經不被大家注意的數據可能就是導致“結果”的原因，就像“蝴蝶效應”一樣。

嵌入式人工智能（Embedded artificial intelligence）

通過數據洞察帶來的“賦能”效果在物聯(lián)網領域和互聯(lián)網APP產品方面也有體現(xiàn)，IDC和Forrester對2020年頂級人工智能的預測中提到，“至少 90％ 的新企業(yè) APP 將包含嵌入式人工智能功能。然而真正有顛覆性人工智能主導的 APP 將只占總數的 10％”。

許多新的APP在前期設計中大都包含或多或少的人工智能功能，對數據的獲取和整理的能力有了顯著的提升，便于平臺方對APP的運營。而更深入地嵌入式人工智能應用正在圍繞物聯(lián)網領域展開。

嵌入式人工智能是讓AI算法可以在終端設備上運行的技術概念，更加直觀的理解就是讓手

機、音響、機器人、自動泊車等智能硬件，在不聯(lián)網的情況下獨立完成環(huán)境感知和人機交互等。對于AI工程師而言，將編寫好的程序嵌入到各類智能設備的控制主板中，再測試運行效果，即算法是否能高效地在主板上運行。

因為物聯(lián)網應用要求處理器設計，要提供面向最終用戶和應用程序的解決方案。物聯(lián)網應用的芯片設計強調功率效率，隨工業(yè)級人工智能技術的應用，越來產生越多的數字平臺，而下一代工業(yè)數字平臺的演進，就是讓工業(yè)設施可以在不同的網絡環(huán)境下運轉，對各類主板芯片的需求隨之增加，研發(fā)集成效果是否優(yōu)異、軟件支撐平臺是否便利，就成為考量一款嵌入式處理器解決方案性能的主要因素。

同時，嵌入式人工智能技術正在解決物聯(lián)網設備所面臨幾個“痛點”問題，包括高延遲和低響應、網絡安全、數據隱私問題等。以數據隱私為例，物聯(lián)網設備在服務用戶或企業(yè)時，會產生大量的運行數據，其中會包含一些隱私、機密信息，一旦隱私數據泄漏就將給企業(yè)、用戶帶來不同程度的損失。比如家庭物聯(lián)網中的攝像頭、掃地機器人在自動運行中產生的圖片、視頻泄露等，使用戶飽受損失。而嵌入式人工智能技術可以讓設備在非聯(lián)網的情況下獨立運行，一定程度上保證了數據的隱私性，另外隨著智能聯(lián)網設備的普及，集成智能設備的硬件終端也將隨之出現(xiàn)，可以保證數據的“物理隔離”。

嵌入式人工智能也被稱作為邊緣計算技術。首先，智能終端并不是完全需要在云平臺上進行，會給通信傳輸帶來較大壓力，同時未來解決數據延遲和安全性等問題，邊緣計算逐漸開始被應用。今年華為發(fā)布了“昇騰910”AI芯片和“麒麟990”5G芯片，其中“昇騰910”是目前單芯片計算密度最大的芯片，計算力遠超國際同類產品。華為表示，將向全球開發(fā)者公布其技術參數，共同打造AI生態(tài)，推動AI產業(yè)落地。

小結：在嵌入式人工智能技術領域，數據洞察主要體現(xiàn)在對產品或技術的補足方面，讓物聯(lián)網終端設備具備獨立處理數據的能力。

浮層互動技術（Embedded interaction）

在視頻領域內，與浮層互動技術相對應的還有嵌入式互動技術，和嵌入式人工智能的技術實現(xiàn)上有較大差距。奈飛（Netflix）推出的《黑鏡：潘達斯奈基》（下文稱《黑鏡》）互動視頻，就屬于嵌入式互動技術。即，觀眾可以通過“互動點”自由選擇劇情走向。而《黑鏡》90分鐘的視頻時長中包含312個視頻素材和5個不同的結局。通常對視頻內容層面的互動，被歸納為嵌入式互動，通常視頻內容和互動工具在視頻制作過程中就嵌入到視頻格式之中，通過技術處理改變觀看體驗。

在生活服務、娛樂APP方面，抖音的“以視頻搜視頻”、快手的“AI寵物”、AI視頻廣告都屬于浮層式互動技術。我們通常把“彈幕”歸類為浮層互動技術的初級功能，通常浮層互動技術與視頻內容（視頻編輯）沒有必然關聯(lián)性。就像“AI寵物”只是一個具備娛樂、工具屬性的功能，輔助視頻直播、優(yōu)化用戶體驗，但沒有“AI寵物”也并不影響直播的進行。彈幕、云圖廣告、AI寵物等，這些只是輕度的互動功能，更加深入的互動，需要視頻小程序來實現(xiàn)。極鏈科技以自研 VideoAI、VideoOS 為底層操作系統(tǒng)，專注消費級視頻AI技術研發(fā)和商業(yè)應用，并持續(xù)投入小程序開發(fā)者生態(tài)的構建。

浮層互動技術的底層原理是“AI視頻識別”，即在不影響視頻播放的前提下，對視頻內容的結構化處理。以人工智能技術為底層引擎的視聯(lián)網服務將會給浮層互動帶來更全面的應用場景，給視頻產業(yè)帶來新的增長點。在以下三個方面，視聯(lián)網的人工智能引擎得到了大幅的進步，初步具備了支撐一個產業(yè)的能力。

一是對視頻內容信息的理解更加全面，即視頻標注維度越來越豐富。過去，在人工智能識別方面只有面部識別滿足商業(yè)化標準，但隨著近些年算力、算法、數據的的優(yōu)化、積累，人工智能已經可以識別視頻中的人臉、物體、場景、品牌、動作、表情、事件、地標等多個類別和不同標簽維度。并且算力成本逐漸降低，使得浮層互動可以給視頻帶來更多的商業(yè)化應用。

二是對知識圖譜的構建更加完善，即數據的整理分類更具人腦思維邏輯。人們對視頻結構化數據的理解更深入，推動了知識圖譜的價值體現(xiàn)。一方面，知識圖譜的豐富性可以推動AI識別效率的提升，基于信息間的相互關聯(lián)性，可以減少識別所需的訓練樣本。另一方面，知識圖譜的完善有利于視頻商業(yè)價值的挖掘，例如在AI廣告方面除了選擇較好的廣告點位之外，還可以通過文字、表情、音樂等方面排除負面場景，從而提高廣告的投放質量。

三是逐漸具備構建數據業(yè)務中臺的能力，包括服務視頻平臺、小程序開發(fā)平臺、廣告主操作平臺等多種數據業(yè)務中臺。比如計算資源優(yōu)先級處理和數據資源管理，以及數據調度等，讓視頻平臺方可以清晰且實時掌控視頻數據表現(xiàn)的綜合圖譜等。

浮層互動技術的應用，不僅要依托視頻內容數據，還需要深入理解消費者的視頻觀看習慣，從潛在需求出發(fā)滿足用戶需求，優(yōu)化小程序及其他相關功能的調用方式，以達到視頻內容價值放大的效果。

隨著AI技術應用越來越廣泛，各種產業(yè)數據以“倍數”形式增長。大多數企業(yè)已經意識到了數據中所隱藏的價值，但是還不具備挖掘數據價值的能力，所以導致了當前企業(yè)會花大的代價存儲數據，而無法標注數據讓其產生價值的尷尬局面。因此，數據價值的洞察仍是未來人工智能領域發(fā)展的內核。