圖片來源@視覺中國

文 | 腦極體

近日，熱搜上AI數羊的新聞吸引了一大波網友的關注與讨論。新聞中甘肅牧民運用AI技術來數羊，讓人倍感驚奇；無獨有偶，此前也有新聞報道，養殖戶企業借助AI技術來“相牛”，通過AI算法來估算活牛的品質與質量。

AI的應用竟然可以如此接地氣，大家讨論的聲音也多集中在AI應用的廣泛普及上。AI經過近些年的飛速發展，經過了初始的技術探索期與應用推廣期，從高高在上的産業應用，如智慧城市、自動駕駛、黑燈工廠等高端應用走下了高精尖的“神壇”，走向了牧區，深入到了産業的最底層，在我們想不到的一些地方紮根落地。

在AI這些年的市場教育中，千行百業對人工智能的應用與價值都有了基礎的了解，也建立了AI助益生産的降本增效共識。但對于整個國内的市場，能夠使用調用AI能力資金雄厚的企業、大廠畢竟是少數。中國的企業中，遍布了無數如毛細血管的小微企業，這些小微企業因為成本、技術、人才等局限，AI技術并沒有深入到這些産業的毛細血管中，對于這些産業深處的角落， AI如何高效低門檻、規模化的應用普惠到這些産業深處的細微單元中？

01 AI數羊與“相牛”：倍增的效率提升

想要回答這個問題，我們可以從畜牧業中的AI數羊和“相牛”的案例見微知著，看這些困擾畜牧業的痛點問題，是如何通過低門檻的AI應用解決。

在傳統的畜牧業中，因為适度放牧的背景要求，很多牧區散養戶或小型養殖場環保不達标、檢疫和驗收等環節不合格而被強制淘汰，整個畜牧産業日趨集約化的發展。對于大型養殖戶來說，數量增多的牛羊群對于企業來說養殖管理的難度增加。

拿養殖戶最基本的盤點任務來說，傳統的日常盤點羊群數量靠人力進行，對于蜂擁入圈的羊群，短時間内靠人眼來進行盤點，容易出現清點遺漏、錯誤的現象，耗時費力。

而部署簡單的AI封裝工具，在草場羊進出的通道上方部署AI相機，就可以對羊群進行出欄量與存欄量的統計。簡單的低門檻AI部署，不僅提高養殖戶統計羊群的效率，也能降低成本。

AI相牛，也是個離高大上AI較遠的邊緣應用。傳統的牛類交易集中在線下的牛市，在開集日，牛市聚集了許多牛販、買家、“牛經紀人”，在牛市中最吃香的是“牛經紀人”，他們擁有豐富的相牛經驗，可以憑借經驗判斷牛的重量與品質，決定着牛議價的關鍵環節。一些金牌的“牛經紀人”，甚至能将牛隻重量誤差控制在5斤以内，可以挑出品質最好、病死率更低的牛。

這種原始靠人眼積累的經驗難以結構化，牛交易的市場定價不清晰透明，交易過程中信息嚴重不對稱。養殖和交易過程中如何可知可控，降低養殖風險，提升收益是養殖戶的集中痛點。如何讓AI習得人眼的能力，将傳統相牛人的經驗轉換為算法模型，讓機器也能一眼識别牛的體重、體尺，成為養殖戶們都想獲取的能力。

養殖企業最終找的解決方案也是通過在零門檻的 AI 開發平台進行訓練，隻需要采集牛場中幾百頭牛的數據，導入到零門檻的AI開發平台中。零門檻的AI開發平台提供一站式的智能數據标注、模型訓練、服務部署等全流程功能，即使沒有算法基礎，養殖企業的員工也可以輕松上手。通過提高模型精度的訓練，AI系統最終可以做到當牛從過道中經過時，過道兩側的攝像頭便可以快速采集到牛的各種體尺數據和點雲數據，輕松獲取牛的關鍵數據。

從靠人力目測到用機器标準化的測量，即使沒有AI技術的相關能力，也可以解決産業中最落地的問題，數羊與“相牛”這類簡單卻耗人力的場景問題，低門檻AI可以有效解決這些細碎的應用。在整個産業中，這類分散、非标準、獨特的需求很多，接受度友好的平民化AI成為許多行業細微顆粒的共同需求。低門檻AI的應用趨勢在這些龐大的需求中也有廣闊的發展天地。

02 低門檻AI發展的“奇點”

低門檻的AI應用工具，國内以百度飛槳為主，在這些平台中，開發者可以自由選擇，對于一些簡單的任務，可以無需代碼基礎，隻需要對場景的理解進行數據的收集與“投喂”，通過簡單地拖拽平台封裝的工具就可以使用。開發者可以根據自己的需求進行AI模型的開發、高效訓練和多端多平台部署。

零門檻是一些AI開源平台工具的主打特色，零代碼基礎的用戶可以實現在電腦本地就進行安裝與高效建模。在百度飛槳平台中，有許多沒有代碼基礎的個人開發者，通過“單打獨鬥”用低門檻的AI解決了工作中的難題。

在開源的AI平台中，我們發現了一個有趣的案例。一位沒有代碼基礎的武漢鐵路局年輕工人，他的工作内容中有一項重複、枯燥且極易出錯的任務：在貨運列車檢修中，為車輛重新噴塗與核對車号。火車身上的這串号碼，相當于身份證，一旦出錯就會影響列車的調度、運行，甚至會導緻行車事故發生。而每年需要人工維修并重新噴塗車号的鐵路貨車數量巨大，雖然任務簡單，但是僅靠人力，龐大的工作量下大每年都會發生車号噴錯的情況。

這位年輕的鐵路工人在了解到AI在車輛車牌識别中的應用，開始嘗試使用AI工具開發套件，最終隻靠自己在開源的AI平台上構建鐵路車身檢測項目，實現了鐵路貨運車号的高準确率自動識别。

在這類傳統且AI難以深入覆蓋的領域中，這些細微的需求不會被龐大的企業機器看到，身臨一線的基層員工雖然會注意到這些難題，但也因為自身的技術能力局限毫無辦法。而AI開源平台的低門檻化，也讓這些需求可以僅靠對業務的理解就能解決。

我們在這些案例中，也會發現低門檻AI應用“奇點”起勢的緣由。企業在數字化的浪潮中，業務的基礎場景中存在着大量的簡單問題需要運用AI能力解決，這些問題散落在産業的角落中，非标準、散碎但又與專業的領域挂鈎，需要定制化的AI能力解決。對于産業來說，擁有AI技術能力與人才的企業是少數，運用封裝的低門檻AI平台去定制化解決是這類小微企業的最佳選擇。而從技術的發展來說，AI能力的開源與工具的模塊與封裝，讓零基礎、低門檻解決這類問題成為可能。

從數羊、相牛到各類低門檻的AI應用，行業内的嘗試越來越多，在科學計算、農業、工業、畜牧業、交通等行業領域中都有覆蓋。在高校中，一些沒有代碼基礎的學生與老師，也嘗試運用開源的AI平台解決科研的計算問題來發表論文。低門檻的AI平台也為對AI感興趣的人群開展相關内容的教學，線下的讨論會與線上的直播教學内容豐富，供對AI感興趣的開發者學習。

一直以來，AI是大公司、高級别AI技術人才的“專利”，參與應用的門檻很高，這也極大地影響了AI的産能。而随着AI在千行百業中的普及和規模化應用，頭部的企業與AI開發人員開始普惠AI的能力，将一些AI的工具與框架開源出來，打包成模塊，集中到開放的AI平台中，讓越來越多的行業與人員去參與到AI的開發應用。

在AI技術應用門檻不斷降低的背景下，在這些開源的AI平台上，AI活躍開發者規模不斷在增長，平台中的AI工具應用到實際場景的案例數量不斷在豐富，應用人工智能的企業數量也呈現出多行業繁榮的景象。

03 向外“輻射”的邊界

對于大部分簡單、邊緣的AI場景需求，都可以使用AI開源的平台來解決。不過也需要一些限制的條件，畢竟這些平台也不是萬金油，可以解決任何低頻次的AI場景需求。

對于數量衆多的中小企業來說，零散的AI需求與自身IT能力的限制中，如何将外部的服務能力與業務場景恰當的融合，為企業的數字化進程價值賦能，是其接下來重點思考的方向。不過在引入與使用低門檻AI的應用過程中也會存在一定的邊界。

1.市場教育的普及。雖然AI的普惠教育已經傳遍了大江南北，但對于傳統行業來說，因為對AI相關技術信息的關注有限，或者對于AI能力的邊界有錯誤的認知。對于低門檻化的AI平台與工具，仍然存在教育的空白，需要進一步的市場普及與教育。

2.改革阻力。對于部分企業來說，引入新的平台工具可能會改變一些企業的現有工作流程，甚至是對一部分運用信息差獲取利益的團體造成影響，雖然工具平台可以降本增效，但對求穩的小微團體來說，改變的阻力比較大。

3. 需求難匹配。對于相較複雜的AI需求，低門檻化的AI平台并不一定能夠解決複雜的需求，一方面是對使用AI平台的開發人員對技術的能力有要求。另外一方面，就是低門檻的AI平台無法解決較為複雜的需求。低門檻的AI也隻适用簡單的場景需求，難度高的需求需要算力與算法模型更加複雜的架構解決。

對于一些數據缺乏、界面效果要求較高、算法複雜、高性能複雜系統架構、要求較高的底層開發等，都不适合使用低門檻的AI平台去解決。對于一些簡單的場景，在AI技術普惠的發展下，AI門檻會越來越低。我們在開源的AI框架平台中也看到了許多案例。許多開發者都借助這些AI平台解決了邊緣的場景問題，改變了曾經重複性、危險性、繁重性的一線工作，哪怕沒有代碼基礎，也靠自驅應用上了最前沿的AI工具解決了最接近生活的難題。有了這些平台，對于小微企業來說，AI升級轉型也不再是奢望。

人工智能引領的第四波工業革命浪潮，已經滾滾而來，大企業擁有随時入局的能力。但中小微企業由于資金薄弱，AI人才匮乏，很難邁過智能化的高門檻。可AI的産業價值又讓無數人渴望跻身AI領域不被時代抛棄。低門檻AI的應用，給了許多小微企業、開發者破浪前行的工具，讓螞蟻雄兵一般的中小微企業、數量廣大的個人開發者，登上“AI号”戰艦，參與到智能未來的建設，普惠未來的智能生活。

,