近几年深度学习技术的飞速进展带起了新一波人工智能浪潮。但是和计算机诞生之后的几次大潮相比，本次有着明显的区别：浪潮不仅发生在计算机科研学术界里，而是经由知名的研究型公司的推动，被更多平常人所使用。

出门导航地图里有 AI 计算最佳路线，听歌也有算法推荐的歌单，刷微博或看新闻客户端也有算法重新排序的信息流——人们在网上和日常生活中已经很难避免接触到由 AI 驱动的产品了。

然而和普通用户不同，并不是每一家企业都能够享受 AI 浪潮带来的好处。往往只有实力雄厚的大公司或者身处硅谷、北京一线的创业公司才能够进行 AI 方面的研发，获得丰厚的回报或融资。

根据麦肯锡全球 AI 投资和采用报告，全世界所有的大小公司目前只有两到三成正在使用各种形式的 AI 技术，其中很多公司都处在特定行业，如金融和高科技信息等，其他行业目前相对落后。如下图显示，旅游业 AI 投入增加明显（纵轴），但采用的公司比例较少（横轴 %）而建筑业采用的比例有很大提升，全行业在 AI 方面的投资却不足。

如果每一家公司都能被 AI 所赋能，企业界会否迎来一场革命？想要了解 AI、整合 AI，应该找谁？在硅谷科技峰会 SYNC 2018 上，IBM 人工智能、机器学习和高性能计算副总裁 Sumit Gupta 解答了这些问题。

Gupta 指出，当前这一次以深度学习为主的机器学习，带来的范式更迭和性能提升远超传统的机器学习方式。比如在对于模糊照片内物体的识别上，只用了三到五年的事件，深度学习可以实现超过人类的准确度。

过去企业界认为机器不如人的，机器早已追赶上来了。如果几年前企业认为机器成本比人高，现在应该更加关注机器所带来的效率提升和规模化能力。

以 IBM 的沃森人工智能 (Watson) 为例，它甚至能够识别一张照片里一盘切好入盘的沙拉里面都有什么菜，而人往往要看到实物才能辨认，准确度自然无需多言。而这种 AI 能力将为超市餐馆解锁全新的销售能力，让顾客可以自己选购和搭配餐食，机器能够准确识别其种类并计算价格。

仅仅一种在结构上并不复杂的，基于深度学习计算机视觉算法，都可以帮一家工厂每年节约数千万美元的损耗成本。Gupta 举了另一个例子，一家美国企业向各大商超渠道销售奶制品，要求回收装瓶子的箱子，但总会丢失箱子，造成损失。采用计算机视觉在回收箱子时统计数量和位置，优化了丢失的情况，每年节约一千万美元成本。

Gupta 指出，整合 AI 对企业带来帮助，门槛比很多企业主想象的低，市场上也有现成的方案，IBM 在这方面能够起到很大帮助。

以下是 Sumit Gupta 在 SYNC 2018 上的演讲视频（英文）：