标准化凭什么引爆AI新风口？

如新华社推出了AI主播读新闻系列短视频，在各大短视频平台广为大众所认可；北京广播电视台所打造的AI数字人“时间小妮”，隔空与多名来自基层的二十大代表畅聊互动；广西日报和广西新闻网上线的两位数字主播聚焦二十大，24小时无间断播报每日盛会的新闻资讯……

运用了最新技术打造的AI主播们，通过语音合成、唇形合成、表情合成以及深度学习等技术，俨然具备了与真人无异的专业播报能力，正在给用户带来耳目一新的体验。

新闻播报领域的AI技术应用成果，不过是近十年来我国科技发展道路前沿风景的冰山一角。中国新时代十年的伟大成就，离不开科技、人才、创新支撑。

也正是在这十年间，我国人工智能产业热潮席卷各行各业，从成长期迈向成熟期，脚踏实地，开启星辰大海的征途。

自1965年以来，人工智能的发展经历了几番潮起潮落，近十年因深度学习算法的突破以及数据、算力等等的改进，形成新一轮爆发热潮。

AI标准化最初主要体现在对人工智能术语的定义上。发展至今，在最新国际标准中，不仅涵盖了人工智能相关系统包括生成周期、系统功能、应用等介绍，还从生态系统角度对AI涉及的相关数据及支撑技术，进行了明确界定。

标准化对于促进人工智能产业成熟发展、提升产业国际竞争力，以及共建共享人工智能生态层面有着非凡意义。因此在标准化政策制定方面，国内外一直都赋予高度重视。

如美国专门发布了《国家人工智能研究与发展策略规划》，强调人工智能工具的性能和可信度相关制定标准；德国标准化协会于2019年开始制定人工智能标准化路线图；欧盟比较注重AI道德伦理方面的研究，推进了不少相关规范部署；本身机器人标准化基础和实力不俗的日本，则积极参与相关的国际组织与活动，以提升其在相关原则、国际标准制定中的话语权。

国际上人工智能标准化组织机构成立的时间要早于中国，但在AI标准制定进度上，我国与国际一直是同步的。

早在2017年7月，我国就分别在《新一代人工智能发展规划》和《促进新一代人工智能产业发展三年行动计划（2018~2020年）》中，明确要建设人工智能产业标准规范体系，以提升AI核心竞争力。

2018年1月，国家标准化管理委员会正式成立国家人工智能标准化总体组、专家咨询组；《人工智能标准化白皮书》也在国家人工智能标准化总体组成立大会上随之发布。2020年8月，国家标准委、中央网信办、国家发改委、科技部、工信部等五部门联合印发《国家新一代人工智能标准体系建设指南》（以下简称《指南》），我国AI标准化工作迎来顶层设计。

《指南》提出，将在2023年初步建立起人工智能标准体系，重点研制急需标准，率先在重点行业和领域推进。

《人工智能标准化白皮书（2021版）》指出，我国人工智能产业发展虽取得了显著成果，但也面临着不少困难和挑战，比如底层技术存在较大欠缺、能够实现商业价值的应用较少、与实体经济的融合存在较高门槛等。

目前来看，我国人工智能产业发展已跨入应用层，但在开创性引领能力上仍有不足，标准化制定尚存差距。

中国工程院院士高文曾表示，我国AI产业发展在如人脸识别、语音识别技术等场景化应用方面，已走在世界前列，但在基础理论和原创算法、高端器械和芯片、具有国际影响力的AI开源开放平台及高端人才数量等方面存在短板。

去年10月，中共中央、国务院印发《国家标准化发展纲要》，强调标准是经济活动和社会发展的技术支撑，指出应加强在人工智能等关键技术领域的标准化研究。

AI标准体系的建设离不开产业伙伴的协同合作。在政策层面，标准化的顶层设计已经逐步完善，越来越多的企业开始投身于构筑标准化的人工智能世界。

今年的9月初举办的上海世界人工智能大会上，人工智能龙头商汤科技的CEO徐立曾抛出了一个耳目一新的理念：AI的“营造法式”。

“营造法式”一词脱胎于北宋建筑学家李诫主编的建筑书籍《营造法式》，“法式”即方法论、规则、规范和模式。徐立认为，AI的标准化可以参考建筑的标准化去构建。

《营造法式》中有句话叫“凡构屋之制，皆以材为祖”，在AI行业中，这里的“材”就是AI算法模块，模块有了度量的标准之后，就能得到更广泛的普及。

“我们今天看似不同场景、纷繁复杂的应用，实际上背后归根结类都是大数据生成的人工智能模型。”，无论是无人驾驶、智慧城市、智慧医疗，都是一种模型的生产，从底层的算力、数据、算法模型，到上层的解决方案和应用，都有标准化结构的存在。

所谓AI定制化场景，就像古代建造不同的建筑需要不同的榫卯结构一样，用模块和算法搭建出适用于场景需求的AI模型。这也意味着企业所积累的模型越多，就越能覆盖更多的场景需求。

商汤科技官方数据显示，其已生产超过49000组模型。3000个常用汉字，通过各种组词造句有了汉语。而当AI模型足够多、定制化形成规模时，AI产业就会形成，产业化意味着标准化。

例如，在人工智能产业比较普遍的自动化标注领域，商汤的数据标注模型已可以全自动标注，将标注效率提升600倍，实现规模化生产。由模块组建标准化模型后，还需通过协同和分工合作达到生产标准化。

过往AI识别需要标注几千张图片，经过训练才能做出识别，但如今在小样本识别方面，腾讯优图实验室和交通银行一起研究AI识别单据的模型，仅用5张样本训练，就能做到90%准确率。

腾讯优图实验室总经理吴运声在接受经济观察网记者采访时表示：“过去我们面临的主要课题是如何把相对标准化的功能做好，比如文字识别、车牌号识别，如今这些基础的辨识工作，AI早已轻车熟路。一个新的课题是如何解决大量非标准化的中长尾功能，迈向更加丰富、更加细粒度的元素识别时代。”

华为轮值董事长胡厚崑则认为，未来的算力网络将像今天的电网、通信网和高铁一样，成为国家经济发展的新基础设。

“无标准，不行业”，人们常见、常用的轨道、电源插座、万维网互联网协议等都经历了一个从标准化走向爆发式增长的过程，AI产业也不会例外。

随着AI标准化的不断助推，“AI＋”的产业生态已初步显现，同时也涌现出一波新风口。车路协同正是当下的热门领域，其最终能否全面落地也与AI标准化密不可分。

近年来，智慧交通在城市发展中的重要性逐渐显现，作为根基之一的车路协同通过5G和C-V2X等技术，将道路、车辆以及相关交通要素进行有效融合，被视为智慧交通新基建中的重要一环。

据不久前瑞银证券发布的报告显示，预计2022年至2040年中国路侧端投资规模有望达到3000亿美元，市场潜力非常可观。

然而，风口之下必然机遇与挑战并存。

车路协同从实质来看，是产业链上下游及公共基础设施建设的协同，当下自动驾驶汽车的智能化水平参差不齐，对智能道路的要求自然存在差异，能否就标准化达成一致，直接影响着车路协同目标的推进效率。

目前车路协同正处于起步阶段，除了商业闭环和信息孤岛等问题，还面临着时空对齐、低时延等技术壁垒，这也考验着AI企业的内功修炼火候和行业沉淀积累。

相关智能汽车研发企业中，商汤科技的SenseAuto V2X绝影车路协同平台，试图构建“聪明的车+智慧的路+协同的云”一体化分析决策方案，这对车端的算力设备和物联网平台，路侧的雷达+视觉感知精准度，以及云端的数据汇聚和计算无不是一项项艰巨挑战。

商汤的解决办法是借助基于SenseCoreAI大装置提供的强大的算法和算力支持，使得绝影平台能够顺畅迭代针对性模型，化解各种智能驾驶中的行驶风险。据悉，截至去年年底，绝影智能汽车平台已有累计超过30家汽车行业客户，累计前装定点数量达2300万台，覆盖未来五年内量产的60多款车型。

今年4月，国内自动驾驶赛道的头部玩家百度Apollo发布了车路协同开放平台2.0——“开路”。“开路”除了把百度自2016年研发的车路协同全栈技术开放给业界外，还为设施设备和硬件合作伙伴提供技术准则和集成规范，并基于DAIR-V2X开源数据集进一步共享数据，共享场景资源。

在河北保定，通过百度对上百个交叉路口的智能化升级，从而实时动态调整红绿灯配时，保定城区高峰通行拥堵指数已下降4.6%，平均速度提升11.6%。

同样在近年来比较活跃的车路协同玩家蘑菇车联，去年3月与湖南省衡阳市政府签署战略合作协议，就智能终端、车路协同及智慧交通等多个领域深度合作。

蘑菇车联通过V2X、路侧智能设施、云计算等共同配合，在单车智能基础上，有效融入路侧感知和云端感知，实现道路交通元素动态实时全覆盖。预计能将城市整体交通出行效率提升20%以上。

眼下，构建全国主要城市的“车路云一体化”已经成为众多巨头及独角兽企业发力车路协同赛道的口号。政策扶持、资本助推、巨头入局，车路协同已经逐步走到聚光灯下。

11月2日，中国工业和信息化部在一份通知中称，将开展搭载自动驾驶功能的智能网联汽车准入和上路通行试点工作。相信在人工智能产业新生态的赶考路上，这将进一步促进人工智能技术的规模化、标准化发展。