AI很火，为什么落地却很难？卡住AI脖子的到底是什么？

AI落地却很难，主要有以下原因：



1.AI理论上实现起来可能性很大，但在实际落地应用上要做到“精准运用”却相对困难，制约AI落地实施。

2.大多数AI应用案例中，数据和参考标准缺失造成AI在某些细节中无法运用，影响AI落地效果。

3.AI的发展过程容易遇到伦理道德难题，缺乏可靠的审慎机制和处理标准，使得AI落地还存在很多法律风险。

4.AI技术落地受到技术背景的限制，技术过度庞大或较为复杂，实施耗费的时间、经费和人力资源都比较多，影响AI的落地实施。

5.企业对AI技术普遍持保守态度，且缺乏既有产业安全、数据安全方面的保障，使得AI落地实施缺乏安全可靠的数据保障保证，同时也因为企业经营模式、习惯和文化的问题，使得实施AI落地受到阻碍。

AI落地卡住的主要原因是数据准备不足、技术难度过高、算法不可控等。

1、数据准备不足：AI的数据准备费时费力，无法简单地把实际问题翻译成AI代码处理的样本，有时甚至会受到大量的数据测试来做真正的AI开发。

2、技术难度过高：在AI的实践中，机器学习算法的处理和计算复杂度都比较高，即使有大量的算法并行处理，其复杂性也很难达到企业预期的效果。

3、算法不可控：AI工程师们可能花了大量的精力来改善AI模型，但由于AI算法自身的不可控性，常常无法得到理想的结果。

因此，对AI落地而言，以上三者共同构成了AI落地的瓶颈，限制了AI在实践中的应用。

AI的落地难度之大，原因有以下几点：

1）技术难度高。AI需要同时综合多种技术，包括机器学习、人工智能、模式识别、自然语言处理等，以及数据科学、视觉技术、语音技术、深度学习、强化学习等，大大提高了技术实现的难度。

2）相关技术机制及标准不健全。AI涉及多种技术，其研发成本较高，各国行业标准及机制也不完善，加上科研投入不足，发展相对落后，障碍落地实施。

3）资本匮乏。目前AI市场不确定性较大，投资者对其观望较多，很难拿出足够资本支持AI的落地实施，从而影响AI在应用场景上的进一步发展。

4）法规障碍较大。尽管人工智能在国家级别有一定政策扶持，但由于法律、伦理等方面的限制，以及市场消费者风险防范意识淡薄等，企业落地实施较为困难。

AI火热落地难的主要原因有以下几个：

1、缺少数据。由于AI需要大量有规律的数据进行模型训练，而由于传统业务和核心业务的数据采集工作缺乏，大量的任务无法获得足够的数据以用于AI开发。

2、算法难度高。AI算法开发的要求极高，初出茅庐的AI企业很难驾驭。比如常见的人工智能算法，深度学习，自然语言处理，计算机视觉，机器学习，等技术都非常复杂，企业需要拥有很强的技术水平来搭建AI技术平台。

3、成本高昂。AI企业需要投入大量的资金来打造AI技术平台，从零开始建立一套AI技术平台非常困难且昂贵，从而影响了AI的落地。

4、现有的场景系统化难度大。AI系统的应用是在现有的企业系统之上建立的，如ERP系统，CRM系统等，而企业的组织形式、流程千差万别，现有系统多样化，加之数据文件错综复杂，使AI系统化非常困难。

总之，AI落地难的主要原因是SUFF缺乏数据、算法难度高、成本高昂以及现有系统的复杂。