新冠疫情、经济增长放缓、竞争加剧等多重挑战下，企业加速应用人工智能进行智能化建设，但仍面临诸多挑战。2020年，人工智能被列入新基建的范畴，新基建为人工智能发展提供数据、算力和算法三个层面的基础设施支撑；同时，新基建将拓展人工智能的应用场景。

　　AI+RPA助力企业实现端到端自动化。AI与RPA技术的结合将实现RPA和AI技术单独使用无法实现的效果，扩展了企业自动化的业务价值。知识图谱技术助力企业挖掘非结构化数据的价值，进一步从感知智能迈向认知智能。人工智能工程化助力智能化应用规模部署。在数据治理、模型开发两大环节，数据中台、AI中台等建设帮助企业提升智能化应用开发效率和业务响应敏捷性。

　　人工智能正在从云计算向边缘计算延伸，未来将形成云计算与边缘计算协同发展的态势，为人工智能提供更强大的基础设施。随着人工智能应用不断深入，作为基础设施之一，人工智能治理体系建设的紧迫性不断增强，企业应当将治理体系作为人工智能应用中的重要考量因素。

　　当前，受经济增长放缓、竞争加剧等多种因素影响，企业普遍面临经营成本上升、业绩增长的压力，同时叠加新冠疫情的影响，越来越多的企业加速了数字化转型。

　　智能化是企业实现数字化的深入阶段，是指基于机器学习、深度学习、机器视觉、知识图谱等人工智能技术，对企业内外部数据进行处理、分析，挖掘数据的业务价值，改进企业业务流程。

　　企业智能化的表现形式主要体现在三个方面：流程自动化、分析决策智能化、商业模式的创新化。流程自动化主要针对企业内部操作流程和客户交互流程的自动化，一般只涉及数据识别，属于感知智能技术的单独应用；分析决策智能化则对应的是认知智能，能够在数据结构化处理的基础上，理解数据之间的关系和逻辑，进行分析和决策；商业模式创新化对应行动智能，主要表现形式为人机协同。

　　总体上，企业对于人工智能技术的应用，大部分处在流程自动化阶段，分析决策智能化及商业模式创新化还处在尝试探索阶段。计算机视觉、语音识别和NLP文字识别等技术已能够代替部分重复的人力劳动，帮助企业实现诸多业务流程的自动化。越来越多的企业开始利用AI辅助业务决策：海量的数据经过数据治理，通过AI模型分析数据之间的关联，挖掘数据的业务价值， 进行原因挖掘、趋势预测等，辅助业务决策。

　　首先，在自动化层面，企业已在实际业务中运用AI技术，实现了单点业务或者部分的自动化，不过自动化智能程度有待改善，限制了更高价值释放。例如在录入的业务场景中，企业已能够利用OCR技术识别、抽取信息，不过后续信息录入的场景中，仍然依靠人工，缺乏相关技术手段实现全流程自动化的闭环。其次，在分析决策环节，智能化程度仍不够成熟，尤其面对海量非结构化数据，企业仍没有可靠的技术应对手段。最后，随着应用场景的增长，需要企业具备AI工程化开发的能力，而传统上企业采用“烟囱式”的AI建设思路，也即通过单点开发的方式部署AI应用。这种建设思路带来很大问题：AI应用开发速度跟不上变化，无法实现对业务的敏捷响应；同时，“烟囱式”开发造成极大的资源浪费，开发成本居高不下。

　　2020年以来， 新基建政策不断推进，人工智能被列入新基建范畴。新基建政策成为了企业采纳人工智能技术的助推器，将加速人工智能行业的发展。

　　数据、算力和算法是支撑人工智能发展的“三驾马车“。数据是AI的根基，为模型训练提供基本的资料；算力是实现AI系统所需的硬件计算能力，为AI技术提供底层基础设施的支撑；算法是机器的学习方法，提供各种各样的通用算法模型，并结合具体应用场景提供特定技术接口。

　　2020年初，人工智能被纳入新基建的范畴，与5G、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、工业互联网、大数据中心一起被确立为新基建的七大领域。

　　新基建的概念于2018年12月的中央经济工作会议首次提出，随后全国各地掀起了一股新基建建设的热潮，各地政府和企业踊跃参与，纷纷宣布相关投资计划。根据信通院的数据，“十四五”期间，新基建投资预计将达到10.6万亿，占全社会基础设施投资10%左右。

　　人工智能本身被定义为一种新型基础设施，将助力产业实现智能化；反过来，新基建又将推动人工智能产业化，为人工智能产业提供基础设施，助力人工智能场景落地。

　　**数据量迎来爆发增长。**新基建推动数据量增长的源泉主要是5G网络和IoT的发展。根据工信部的数据，截至12月中旬，中国累计建成71.8万个5G基站，数量位居全球第一。随着未来5G基站数量进一步增加，5G网络逐渐普及。 5G网络具备高传输速率、低延时的特点，5G时代，更多的线下设备将联网，真正迎来大规模物联网时代，数据量将迎来爆发增长。

　　**新基建为人工智能发展提供算力支持。**数据中心是新基建的重要领域之一，成为各地方政府和企业加码投资的对象。数据中心的大规模建设将为数据中心的使用方包括云服务提供商以及其他传统行业企业降低数据托管的成本。数据中心的建设将加速企业上云，通过云端进行AI模型开发、训练和推理等，将降低AI对传统芯片硬件算力的依赖。

　　此外，在物联网环境下，大部分IoT场景对数据实时性要求高，属于延迟敏感、数据密集型技术，需要在边缘处进行数据处理，带动了边缘数据中心的崛起。边缘数据中心的发展有利于减轻云数据中心压力，降低数据中心的整体电力消耗，从而降低企业发展人工智能所需的总体算力成本。

　　**算法层面，作为新基建的一部分，人工智能本身将受益于新基建的政策支持。**目前中国人工智能产业主要依赖以TensorFlow、Caffe等为主的美国企业或机构研发的算法框架，新基建强调加强自主创新，将推动中国企业构建自主可控的算法支撑体系。

　　新基建区别于传统基建的核心在于数字化、智能化的属性，人工智能将在新基建的智能化建设中发挥关键作用，拓展应用场景。新基建涉及到的5G、特高压、城际高速铁路和轨道交通、新能源汽车充电桩、工业互联网、大数据中心等领域，都存在大量可利用AI改进业务流程、提升效率的场景

　　以下将以5G、工业互联网、城际高速铁路和城市轨道交通三个领域为例，通过具体实例分析新基建相关场景如何使用人工智能技术，改造业务流程。

　　5G建设涉及到基站选址、机房设备更新、5G通讯设备安装等环节，在这些环节中，AI都可发挥作用，如在选址环节，可基于当地人口规模、产业发展状况等数据，利用人工智能技术预测不同片区对5G网络的需求，从而实现更科学的选址。

　　中国铁塔是由中国移动、中国联通、中国电信和中国国新共同出资设立的大型通信铁塔基础设施服务企业，承担了部分5G基站的具体实施部署工作。中国铁塔搭建了铁塔AI中台，将AI技术融合于公司运营管理的每个环节，支撑了5G网络的部署、节能和运维。

　　具体来看，铁塔AI中台为铁塔公司各项AI应用研发提供了需求、方案、建模、上线、反馈等全环节的全栈式支持，并沉淀符合铁塔公司业务场景的共性AI能力。对内，可赋能铁塔公司运营管理效率提升、降低成本、实现业务自动化；对外，将强化铁塔公司的产品质量和服务水平、创新用户体验。

　　工业互联网平台能够基于设备运行数据、工业参数、质量检测数据、物料配送数据和进度管理数据的采集，利用AI技术，对数据进行分析，在制造工艺、生产流程、质量管理、设备维护等具体场景进行优化。

　　中国石油将人工智能技术运用在了石油勘探开发业务中，共同打造了勘探开发认知计算平台，建设了覆盖勘探开发所有专业的知识图谱。石油勘探的一个重要环节“测井”，要对数千米以下的底下构造和油藏特征进行判断，十分依赖专家经验。不过，借助该平台，中国石油的大港油田，对900口油井进行机器学习，实现了油气层位的智能识别，平均时间缩短了70%，识别准确率达到了测井解释专家的水平，降低了从业门槛。

　　高速铁路和城市轨道交通建设过程中，在工程建设、勘查设计、装备制造、铁路运输等环节，都可利用人工智能技术，提高效率、减少人力成本。

　　中国中车某分公司上线了高速列车故障预测与健康管理系统，实现了对车辆的关键部件、核心系统等状态的实时监测，助力其对高铁车辆从状态维修转变为预测性维护。

　　具体来看，该系统通过远程获取高铁轴箱轴承的状态信息原始数据和判据特征，在监测中心做深度的分析与诊断，对列车关键设备及运营关键设备提供状态监测、PHM、故障诊断等服务，并转变被动维护策略为预测性维护策略。上线了该系统后，中国中车某分公司提升了列车运营的安全性和稳定性，能够准备识别20余种故障模式，轴承故障识别精准率超过90%。

　　在企业实现智能化的初期阶段，首先涉及通用AI技术的运用，包括机器视觉、语音识别、部分NLP技术等。此类技术行业属性弱，具备开箱即用、标准化程度高的特点，也因此能够快速铺开。

　　这些技术已能够在大量业务场景下代替人力。例如，智能外呼已广泛被金融、消费与零售等行业企业采纳，应用于营销与销售、催收等场景；OCR技术能够处理类似图片、PDF等非结构化文本，被广泛应用于企业文件处理的场景。

　　不过，大部分企业在数字化转型过程中，由于缺乏统一规划，对于此类AI技术的部署一般比较孤立，与其他IT系统互通性较差。这导致AI赋能实现的流程自动化比较局限，难以实现横跨多个系统的全流程自动化。以智能外呼技术为例，现阶段大多数外呼平台都是SaaS服务，通常只能完成外呼相关工作，很难与企业业务系统如CRM、ERP等进行集成，在用户信息导入、外呼结果导出以及客户回答提取方面无法实现自动化。

　　在已有AI技术应用的基础上，融入RPA技术可以很好的解决这些问题。RPA是一种软件自动化技术，由运行在电脑等智能设备上的RPA机器人模拟人类的点击、输入等操作，完成基于固定规则的重复性工作。AI与RPA两种技术的结合能够助力企业实现更加智能的自动化。

　　上图描述的将录入并发送客户的场景，利用AI和RPA技术实现全流程自动化的过程。如图显示，在开始环节，利用NLP、机器学习等AI技术对内容进行识别，提取相关内容；通过RPA技术对内容进行整理，形成格式化文档；RPA将AI系统与ERP系统进行自动对接，并登录ERP系统； 随后，RPA将号等信息录入系统，并与ERP系统中客户购买订单进行匹配，形成客户需要的；最后，通过RPA将通过邮件发送给客户。

　　由此可见，AI与RPA技术的结合将实现RPA和AI技术单独使用无法实现的效果：AI技术完成了对文本的识别后，利用RPA对信息进行归纳整理，在不同系统间进行自动搬运，实现了整个流程自动化的闭环，也即端到端的自动化。

　　AI与RPA技术的结合给企业带来的利好是显而易见的。AI与RPA的结合扩展了企业自动化的业务范。