人工智能的新赛道中，中国已经跻身第一梯队。不过在和实体经济融合的过程中，中国能否在产业链上有提升，仍有几道难关要闯。
应用场景：企业不知切入点在哪?
埃森哲的一份报告显示，到2035年，人工智能有望拉动中国经济提速1.6个百分点。推动制造业年增长率提升2个百分点。
在30日于此间举行的“人工智能的产业化应用和解决方案”研讨会上，工业和信息化部科技司高技术处调研员李伟表示，工信部更关心人工智能与实体经济的结合。但受制于基础支撑、技术成熟度、安全、生态、法规伦理等方面原因，人工智能在工业、医疗等领域的应用还需相当长时间去发展。
人工智能能够解决制造业中的一些复杂任务、提升生产效率、提高全要素生产率。今年1月出台的“人工智能三年行动计划”，突出了鼓励新一代人工智能技术在工业领域各环节的探索应用。
阿里巴巴阿里云城市大脑资深产品专家李京梅说，阿里云在2017年推出了工业大脑。通过科学家把制造流程全链路数字化，把经验变成数字模型，最终提升了产品良品率。不过在最初开发工业大脑时，许多企业都不愿进行这种数字化尝试。
国家发改委经济体制与管理研究所研究员史炜表示，在他调研的200多家中小企业中，传统制造业对人工智能的概念非常模糊，许多企业不知从何处切入人工智能。
核心技术：中国能否弯道超车?
核心技术的缺乏，也让一些业内人士产生担忧。在PC时代，英特尔的CPU芯片和微软windows操作系统的捆绑，垄断了台式电脑的桌面;在移动互联网时代，谷歌的安卓和苹果的ios占据了智能手机操作系统99%的市场份额。
人工智能时代，中国是否会重走老路?
“国外科技巨头在发展人工智能之初就意识到平台的重要性，纷纷推出深度学习开源平台。如谷歌的TensorFlow、脸书(Facebook)的PyTorch、Caffe2等。”百度发展研究中心高级研究院温昕煜表示，开源平台的重要性相当于PC和手机时代的操作系统。
不仅如此，谷歌开发的深度学习芯片TPU已进入公开测试，它配合开源平台使用，将提升算法训练的效率。
李伟认为，在产业应用方面，中国还应该去解决基础问题，如开源平台、智能传感器、芯片等，目前中国在这些领域还比较薄弱。
中国公司现在也开始涉足底层技术，百度发布了深度学习开源平台PaddlePaddle。温昕煜建议国内机构应构建自主可控的深度学习平台开源生态。
数据共享与保护：在全球都是难题
在深度学习领域，算法的优化需要高质量、海量数据的支撑。
“例如无人驾驶，交通数据方面，现在还在交通管理部门手中;建筑数据，建筑管理部门也还没有公开，现在做无人驾驶的公司没有这些数据。”中国电信云计算分公司副总经理王兴刚表示，人工智能需要以多元数据融合为基础。
数据的开放共享应以安全为前提。国务院发展研究中心创新发展研究部研究室主任戴建军说，大数据时代的隐私保护是全球难题，已到了非常尖锐的地步，但不应因噎废食。
史炜认为，人工智能的落地，应关注人工智能在智能制造的产业落脚点、技术方案和应用模式，5G如何推动人工智能产业化，区块链在智能制造的应用前景等问题。
