在2020年，安永（EY）與微軟聯(lián)合發(fā)布了一份針對大中華區(qū)的《人工智能成熟度調(diào)研報告》。這份報告深入剖析了區(qū)域內(nèi)企業(yè)人工智能（AI）的應用現(xiàn)狀、挑戰(zhàn)與未來趨勢，其中，人工智能基礎軟件開發(fā)作為支撐AI技術落地與創(chuàng)新的核心基石，受到了特別關注。以下是對報告中相關要點的梳理與解讀。

一、 人工智能成熟度的整體圖景

報告指出，2020年大中華區(qū)企業(yè)對AI的認知已從“概念探索”普遍轉(zhuǎn)向“實踐應用”。不同行業(yè)、不同規(guī)模企業(yè)的AI成熟度差異顯著。領先企業(yè)正致力于構建體系化的AI能力，而多數(shù)企業(yè)仍處于單點試驗或局部推廣階段。這種分化在很大程度上與企業(yè)在人工智能基礎軟件上的投入和能力建設直接相關。

二、 人工智能基礎軟件開發(fā)的戰(zhàn)略地位

報告強調(diào)，強大的基礎軟件是AI規(guī)模化應用的“發(fā)動機”。這主要包括：

1. 開發(fā)框架與平臺：如TensorFlow、PyTorch等開源框架的采納與自研平臺的構建，降低了模型開發(fā)門檻。
2. 數(shù)據(jù)管理與處理工具：高質(zhì)量數(shù)據(jù)是AI的燃料，需要強大的數(shù)據(jù)管道、標注平臺和數(shù)據(jù)治理工具作為支撐。
3. 模型部署與運維（MLOps）工具：將模型從實驗室穩(wěn)定、高效、安全地部署到生產(chǎn)環(huán)境，并實現(xiàn)持續(xù)監(jiān)控與迭代，是價值實現(xiàn)的關鍵環(huán)節(jié)。
4. 算力調(diào)度與管理軟件：高效管理和調(diào)度本地或云端的GPU/TPU等異構算力資源，是控制成本、提升研發(fā)效率的基礎。

調(diào)研發(fā)現(xiàn)，成熟度較高的企業(yè)普遍在這些基礎軟件層進行了系統(tǒng)性布局，或與云服務商（如微軟Azure AI服務）深度合作，以獲取穩(wěn)定、集成的開發(fā)與運行環(huán)境。

三、 面臨的挑戰(zhàn)與瓶頸

盡管重要性凸顯，但報告揭示了大中華區(qū)企業(yè)在AI基礎軟件開發(fā)方面面臨的主要挑戰(zhàn)：

• 技術復雜度高與人才短缺：基礎軟件開發(fā)需要兼具深厚算法知識和大型軟件工程能力的復合型人才，這類人才在全球范圍內(nèi)都極為緊缺。
• 投入巨大且回報周期長：自研基礎軟件平臺需要長期、大量的資金與技術投入，許多企業(yè)，尤其是中小企業(yè)，望而卻步。
• 與現(xiàn)有IT系統(tǒng)集成困難：如何將新的AI開發(fā)工具鏈與遺留的企業(yè)IT系統(tǒng)（如ERP、CRM）無縫集成，是一個普遍的痛點。
• 安全與合規(guī)要求：數(shù)據(jù)隱私、模型安全及行業(yè)合規(guī)性要求，對基礎軟件的設計提出了更高標準。

四、 未來趨勢與建議

基于調(diào)研，報告對未來發(fā)展提出了展望與建議：

1. 云原生與開源協(xié)同：采用云原生架構構建AI基礎軟件將成為主流，它能提供彈性、可擴展性和敏捷性。積極參與和貢獻開源生態(tài)，結合企業(yè)特定需求進行定制化開發(fā)，是更高效的路徑。
2. 自動化與低代碼/無代碼化：基礎軟件平臺正朝著降低技術使用難度的方向發(fā)展，通過自動化機器學習（AutoML）和可視化開發(fā)工具，讓業(yè)務專家也能參與模型創(chuàng)建，加速AI普及。
3. 注重負責任的人工智能：基礎軟件開發(fā)需內(nèi)置公平性、可解釋性、穩(wěn)健性和隱私保護等原則，這正在從可選功能變?yōu)楸貍湟蟆?/li>
4. 生態(tài)合作共贏：報告鼓勵企業(yè)、學術界、云服務商和獨立軟件供應商加強合作，共同構建健康、開放的AI軟件生態(tài)，避免重復造輪子，聚焦創(chuàng)新與業(yè)務價值挖掘。

###

安永與微軟的這份報告清晰地表明，2020年大中華區(qū)AI發(fā)展已進入“深水區(qū)”。人工智能基礎軟件開發(fā)的能力，正成為區(qū)分AI實踐者與領導者的關鍵標尺。企業(yè)需以戰(zhàn)略眼光審視自身在基礎軟件層的短板，通過加大投入、培養(yǎng)人才、擁抱云與開源生態(tài)以及強化合作，夯實AI大廈的地基，從而在智能化浪潮中贏得長期競爭優(yōu)勢。