有人说互联网开始由黄金时代转入白银时代，但AI可能与此相反，初创期的“白银时代”已经向产业应用全面落地的“黄金时代”进发。
12月20日，国际数据公司（IDC）与百度AI产业研究中心（BACC）联合发布《百度大脑领导力白皮书》。该白皮书按官方说法意在“洞察AI趋势，激发产业新效能”，在开篇着重预测了2019年中国AI市场发展的十大趋势。
解构该白皮书，我们发现，未来AI的发展在很多地方都将超出现有预期。
AI带来的便捷，将比你想得还要极致
AI给产业和生活带来了无与伦比的便捷，而未来AI带来的便利将比你想象的还要更进一步。
1、部署AI，代码都不想敲？那就点几下鼠标吧
在云计算巨头的支撑下，企业自己部署AI即将摆脱过去那种全靠码农一行行代码敲出模型的境况，用少量的引导代码就能部署完整、可用、高效的算法模型。
不过，这还没有结束，那些对AI需求相对固定、大众化的企业，甚至可以“懒”到连少量代码都不用敲，直接在专业开发平台上点几下鼠标就能实现AI部署自动化，像访问WEB一样便捷。由此，“普惠AI”将不再是一个概念。
类似的开发平台不断涌现，典型的如谷歌AutoML、百度EasyDL等。例如，在EasyDL上，用户可以上传图片、音频、文本等原始数据，系统可自动训练出合适的模型，以图像分类为例，训练数据每类仅需20－100张图片，最快10分钟可训练完毕。
2、不光人想变得更懒，机器也是
在AI之前IT信息化已经大行其道，财务、人力等的IT化让人可以更“懒”更轻松。但是，过去的IT信息化本质上只是把人要做的事由机器去执行（进行了一定的流程重构）。
现在，智能化使得业务流程再度重构，某种程度上，机器也变得“更懒”，凭借AI模型只需要少量的步骤就能完成过去IT信息化系统要做的工作。
IDC预计至2023年，AI将取代50％的IT业务工作量，节省20％以上的运营成本。在已有的实践案例中，太平洋保险和百度合作，在车险理赔环节采用AI技术（原有IT信息化支撑），每年预计将节省2－3亿元运营成本。在车险理赔中，超过70％的车险理赔都是5000元以下的小额碰擦事故，而整体赔付金额只占到20％多，这十分适合AI的介入。
3、不能随心所欲的智能交互都是伪命题
智能音箱现在十分流行，它代表人机交互界面的智能化趋向，即摆脱屏幕的束缚，让交互通过语音的方式实现。
人和人之间获取和交互信息，可通过说话、读文字、对眼神、浏览照片、播放视频等多种方式，这些，正是AI加持交互的最终目标。智能音箱只是开始，那些人与机器的交互，将通过AI实现“随心所欲”不被时间、设备、场所所桎梏。
在这之前，至少要先摆脱屏幕。IDC预计到2023年，支持AI的人机交互接口将取代目前50％的基于屏幕的B2B和B2C的应用程序。在融合语音、图像、视频以及语义理解能力的AI能力不断进化时，有理由相信，未来人与机器的交互将“心有灵犀”，而不是只靠冰冷的电容屏。
AI已经很聪明了？对，但它还能比你想象的聪明更多
除了产业与生活的便捷化，AI自己在也变得更“聪明”，甚至比我们想象的AI要聪明得多。
1、全能型选手马上要成型了
李开复曾经对AI落地场景有过直白的观点——金融行业会是最好、最先落地AI的场景。时至今日，Fintech领域的AI应用的确大放异彩，金融风控成为AI落地的典型产品。同时，在政府行业、互联网行业，AI近年来的实践也突飞猛进，城市治理、政务ATM背后都有AI的身影，连我们平时点个外卖，小哥如何配送背后都存在着AI路径优化。
不止于此，按照IDC与百度的预测，除了上述三个行业的全面扩展，新零售、新制造、医疗领域也将成为AI市场的新增长点。这六大行业未来应用AI的3年复合增长率将超过30％。
例如，广州妇女儿童医疗中心已于2年前开始全面探索AI的应用，包括在电子病历系统中应用语音识别帮助撰写，利用图像识别、深度学习技术进行智能阅片辅助诊断，此外，还有病种分析、影像报告文书撰写、智能导诊、临床辅助诊断等多个AI应用场景落地。
而这些，还只是AI的典型应用，在更多领域AI也在崛起。．
2、不只是知其然，还要知其所以然
过去及当前某些AI技术，还处在只能听清、看清的“知其然”状态，而信息到底想表达什么，AI其实是不懂的。就好像用AI语音听写一段话，它能准确地翻译出来而不用用户打字，但这句话究竟是什么用意AI并不知道，或者说，需要换用另一个AI算法来实现。
这显然是不够的。在IDC与百度发布的报告中，多模态计算会成为下一步的技术趋势。
按百度高级副总裁王海峰的说法，机器智能不仅仅能够“看清听清”，还要能够“看懂听懂”。由此，融合视觉、语音、语义及情感的多模态计算成为必然，其结果，是AI更能深入理解信息背后的含义，进而更好地支撑各种应用。
例如，服务快消品行业的惠合科技接入百度EasyDL进行陈列审核，旗下e店佳应用上传陈列视频，EasyDL以定制化的物体检测能力来识别商品是什么，同时还能推演出图片中该类型商品的陈列究竟是否符合要求。目前，该图像识别已经应用至40000家零售门店，这背后，就是多模态计算的价值呈现。
3、不管什么类型数据，只要有需求AI随时“效命”
数据是AI算法模型的原料，一个算法对应一种结构化数据，要是数据不匹配算法便不能很好运行甚至出错。
然而，很多企业的数字化转型过程中，物理世界到虚拟数字多数时候并不能成为结构化数据，它们类型多样、形式复杂。例如，制造业机械维保往往有零件或组件名称、序列号、制造商信息、维护间隔、维护日期、分包商信息、手册和文档的链接、联系人、保修和服务合同信息等非结构化数据，十分“丰富”。
这些非结构化数据带来庞大的AI计算需求，在它们应用到AI算法之前，需要有多模型数据库的支撑，什么都能往里边塞，AI通过这样的数据库什么都能“算”。由此，在迫切需求的支撑下，所谓多模型数据库开始走向市场，IDC预计到2023年，多模型数据库的支出将达到NoSQL数据库（一种当前兴起的主流数据库形态）支出的30％。
