2019年春节之后的第一个工作日，美国国家科技政策办公室发布了由总统特朗普亲自签署的《美国人工智能倡议》（American AI Initiative），该倡议开篇第一句话就写到：人工智能（AI）有望推动美国经济增长，增强我们的经济和国家安全，并改善我们的生活质量。
很显然，将其中的“美国”两字换成任何一个国家的名字，这句话都是适用的，作为全新的生产力，人工智能已经成为社会发展、经济增长和产业升级的关键驱动因素之一。
据国内媒体报道，人工智能产业已进入全球价值链高端，新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，我国人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元。
但在人工智能产业的高速发展中，却在不经意间产生一些本可以避免的浪费：
1、算力浪费，计算（算力）是发展人工智能（以下简称AI）的核心基础，AI的研发、训练需要大量的算力，但大部分AI企业往往选择自建计算平台，而非使用AI就绪的云计算平台，由于工作负载不饱和、调优水平有限等原因，企业无法发挥出全部算力，这导致了相当程度上的算力浪费；
2、数据浪费，拥有 的、细致的、海量的数据是训练出“智能”的前提，但由于数据共享机制、数据服务平台／市场的建设仍然不成熟，导致许多AI学习／训练无法达到预期的水平；
3、AI能力浪费，当前许多AI技术（如计算机视觉）已经进入比较成熟的发展阶段，但AI技术通过云计算平台向外赋能的水平还不够，更多的AI技术应用还是“点对点”（即开发者面向最终客户，而非开发者－云平台－最终客户的平台思维），这造成了AI技术未能充分发挥其应有的作用，打破“成见”，拥抱平台思维，既能够避免AI能力的浪费，也能够为开发者提供更丰厚的收入；
4、AI人才浪费，由于在AI人才培养中，计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉，造成“AI人才不懂行业，行业人才不熟AI”的局面，AI人才往往变成了“计算机学科人才”而非AI产业人才。
当然，存在浪费就需要有针对性的解决方案，在此针对性的提出相关的建议以抛砖引玉。
首先，针对AI算力浪费来说，使用公共计算平台（公共云）所提供的算力，尤其是AI算力，是一个避免重复建设AI计算平台（硬件基础设施）的重要方式。公共云因其按需付费、资源共享的特性，可以实现公共服务所带来的天然的边际成本效应降低，而能够以更低的成本获得人工智能算力，不仅降低企业获得AI算力的成本，更能避免AI算力的浪费；
其次，就AI能力的浪费来说，公共云平台也是一个很好的选择，一方面，云平台天然解决了企业数据和技术的统一，这也构成了企业获取人工智能能力的最重要路径；另一方面，云服务商将AI能力作为“公共服务”提供，对其易用性、适用性、功能性都有所优化或强化，对于企业来说，可以更加快速和便捷的应用到实际业务中去。
第三，数据共享平台的建立至关重要。虽然近年来AI研究者们持续试图在小数据集上实现AI技术突破，但总体来说收效并不明显，数据仍然是AI产业发展的重要基础资源，完整、全面、准确、实时的数据非常关键。因此，建立可信、可靠、可用的服务于AI产业发展的数据共享平台至关重要，当然，这种共享平台必须要保证数据安全、信息脱敏和隐私数据保护。
最后是AI人才浪费的问题，正如前文所说：由于在AI人才培养中，计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉，造成“AI人才不懂行业，行业人才不熟AI”的局面，AI人才往往变成了“计算机学科人才”而非AI产业人才。
针对这一问题，借助跨学科教育培养新一代信息技术人才已经成为共识：2018年11月，MIT宣布在计算和AI领域投资10亿美元，成立面向全球计算和人工智能领域的教育与研究的“苏世民计算学院”，该学院以培养“双学科学者”为目标，通过让各个学科的专家对计算和AI知识的掌握程度与他们在自己的专业领域一样熟练，从而培养“AI＋专业学科人才”，从而保证AI人才在产业中可以学以致用。（作者：崔浩）
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
