在2020年，安永（EY）與微軟聯(lián)合發(fā)布了一份針對(duì)大中華區(qū)的《人工智能成熟度調(diào)研報(bào)告》。這份報(bào)告深入剖析了區(qū)域內(nèi)企業(yè)人工智能（AI）的應(yīng)用現(xiàn)狀、挑戰(zhàn)與未來(lái)趨勢(shì)，其中，人工智能基礎(chǔ)軟件開(kāi)發(fā)作為支撐AI技術(shù)落地與創(chuàng)新的核心基石，受到了特別關(guān)注。以下是對(duì)報(bào)告中相關(guān)要點(diǎn)的梳理與解讀。

一、 人工智能成熟度的整體圖景

報(bào)告指出，2020年大中華區(qū)企業(yè)對(duì)AI的認(rèn)知已從“概念探索”普遍轉(zhuǎn)向“實(shí)踐應(yīng)用”。不同行業(yè)、不同規(guī)模企業(yè)的AI成熟度差異顯著。領(lǐng)先企業(yè)正致力于構(gòu)建體系化的AI能力，而多數(shù)企業(yè)仍處于單點(diǎn)試驗(yàn)或局部推廣階段。這種分化在很大程度上與企業(yè)在人工智能基礎(chǔ)軟件上的投入和能力建設(shè)直接相關(guān)。

二、 人工智能基礎(chǔ)軟件開(kāi)發(fā)的戰(zhàn)略地位

報(bào)告強(qiáng)調(diào)，強(qiáng)大的基礎(chǔ)軟件是AI規(guī)模化應(yīng)用的“發(fā)動(dòng)機(jī)”。這主要包括：

1. 開(kāi)發(fā)框架與平臺(tái)：如TensorFlow、PyTorch等開(kāi)源框架的采納與自研平臺(tái)的構(gòu)建，降低了模型開(kāi)發(fā)門(mén)檻。
2. 數(shù)據(jù)管理與處理工具：高質(zhì)量數(shù)據(jù)是AI的燃料，需要強(qiáng)大的數(shù)據(jù)管道、標(biāo)注平臺(tái)和數(shù)據(jù)治理工具作為支撐。
3. 模型部署與運(yùn)維（MLOps）工具：將模型從實(shí)驗(yàn)室穩(wěn)定、高效、安全地部署到生產(chǎn)環(huán)境，并實(shí)現(xiàn)持續(xù)監(jiān)控與迭代，是價(jià)值實(shí)現(xiàn)的關(guān)鍵環(huán)節(jié)。
4. 算力調(diào)度與管理軟件：高效管理和調(diào)度本地或云端的GPU/TPU等異構(gòu)算力資源，是控制成本、提升研發(fā)效率的基礎(chǔ)。

調(diào)研發(fā)現(xiàn)，成熟度較高的企業(yè)普遍在這些基礎(chǔ)軟件層進(jìn)行了系統(tǒng)性布局，或與云服務(wù)商（如微軟Azure AI服務(wù)）深度合作，以獲取穩(wěn)定、集成的開(kāi)發(fā)與運(yùn)行環(huán)境。

三、 面臨的挑戰(zhàn)與瓶頸

盡管重要性凸顯，但報(bào)告揭示了大中華區(qū)企業(yè)在A(yíng)I基礎(chǔ)軟件開(kāi)發(fā)方面面臨的主要挑戰(zhàn)：

• 技術(shù)復(fù)雜度高與人才短缺：基礎(chǔ)軟件開(kāi)發(fā)需要兼具深厚算法知識(shí)和大型軟件工程能力的復(fù)合型人才，這類(lèi)人才在全球范圍內(nèi)都極為緊缺。
• 投入巨大且回報(bào)周期長(zhǎng)：自研基礎(chǔ)軟件平臺(tái)需要長(zhǎng)期、大量的資金與技術(shù)投入，許多企業(yè)，尤其是中小企業(yè)，望而卻步。
• 與現(xiàn)有IT系統(tǒng)集成困難：如何將新的AI開(kāi)發(fā)工具鏈與遺留的企業(yè)IT系統(tǒng)（如ERP、CRM）無(wú)縫集成，是一個(gè)普遍的痛點(diǎn)。
• 安全與合規(guī)要求：數(shù)據(jù)隱私、模型安全及行業(yè)合規(guī)性要求，對(duì)基礎(chǔ)軟件的設(shè)計(jì)提出了更高標(biāo)準(zhǔn)。

四、 未來(lái)趨勢(shì)與建議

基于調(diào)研，報(bào)告對(duì)未來(lái)發(fā)展提出了展望與建議：

1. 云原生與開(kāi)源協(xié)同：采用云原生架構(gòu)構(gòu)建AI基礎(chǔ)軟件將成為主流，它能提供彈性、可擴(kuò)展性和敏捷性。積極參與和貢獻(xiàn)開(kāi)源生態(tài)，結(jié)合企業(yè)特定需求進(jìn)行定制化開(kāi)發(fā)，是更高效的路徑。
2. 自動(dòng)化與低代碼/無(wú)代碼化：基礎(chǔ)軟件平臺(tái)正朝著降低技術(shù)使用難度的方向發(fā)展，通過(guò)自動(dòng)化機(jī)器學(xué)習(xí)（AutoML）和可視化開(kāi)發(fā)工具，讓業(yè)務(wù)專(zhuān)家也能參與模型創(chuàng)建，加速AI普及。
3. 注重負(fù)責(zé)任的人工智能：基礎(chǔ)軟件開(kāi)發(fā)需內(nèi)置公平性、可解釋性、穩(wěn)健性和隱私保護(hù)等原則，這正在從可選功能變?yōu)楸貍湟蟆?/li>
4. 生態(tài)合作共贏(yíng)：報(bào)告鼓勵(lì)企業(yè)、學(xué)術(shù)界、云服務(wù)商和獨(dú)立軟件供應(yīng)商加強(qiáng)合作，共同構(gòu)建健康、開(kāi)放的AI軟件生態(tài)，避免重復(fù)造輪子，聚焦創(chuàng)新與業(yè)務(wù)價(jià)值挖掘。

###

安永與微軟的這份報(bào)告清晰地表明，2020年大中華區(qū)AI發(fā)展已進(jìn)入“深水區(qū)”。人工智能基礎(chǔ)軟件開(kāi)發(fā)的能力，正成為區(qū)分AI實(shí)踐者與領(lǐng)導(dǎo)者的關(guān)鍵標(biāo)尺。企業(yè)需以戰(zhàn)略眼光審視自身在基礎(chǔ)軟件層的短板，通過(guò)加大投入、培養(yǎng)人才、擁抱云與開(kāi)源生態(tài)以及強(qiáng)化合作，夯實(shí)AI大廈的地基，從而在智能化浪潮中贏(yíng)得長(zhǎng)期競(jìng)爭(zhēng)優(yōu)勢(shì)。