2018年，人工智能迎来落地元年，各领域内相关项目陆续落地。在政策的支持与引导下，我国人工智能技术发展有望进一步提速。

　　AI在交通行业的落地

　　随着城市公共交通建设的加快以及汽车保有量的持续增长，交通管理现状和需求的矛盾进一步加剧，与车辆相关的刑事和治安案件逐年上升，但受限于传统系统平台普遍对车牌号码信息的检索能力及各方面因素，在存在着诸多问题。

　　人工智能与传统行业的融合为转型发展提供强有力的技术支撑。通过先进技术手段实现对道路交通的综合管控，从而改善交通状况，整治违法乱象，为安全出行提供保障。

　　以苏州科达的海燕车辆二次分析系统为例，系统能够对车辆信息、车牌信息及驾驶行为进行二次识别，基于GPU的集群架构为深度学习算法提供支撑。对二次分析后的结构化数据和汇聚的其他车辆数据进行对比碰撞和数据挖掘，实现假牌套牌、未系安全带、车辆多点碰撞、昼伏夜出、交通流量统计等深度分析，有效提高实战效能。

　　根据苏州交警部门数据显示，“海燕”上线一周内，抓拍违章行为近3000起，其中开车未系安全带1828起，开车玩手机或打电话1074起。厦门市局采用“海燕”系统的短短几个月时间内，破获车辆“碰瓷”、假套牌等涉车案件100多起，通过以车到案、以案到车、车案结合等方式，有效遏制了涉车类案件的发生。

　　AI在治安防控上的落地

　　城市化进程的推进带来了人口密集、流动人口增加，也引发了一系列城市管理问题，多样性、复杂性、犯罪作案手段隐蔽性以及刑事案件高发对社会治安和重点区域防范都提出了更高的需求，尤其是近年来对城市反恐的新要求，为公安管理工作特别是预防犯罪和执法工作都提出了新的挑战。

　　依托于人工智能、大数据、云计算等前言技术，公安实战业务迎来模式升级。人脸识别作为图侦环节重要组成部分，在各项实战业务中都发挥着重要作用。利用人脸识别检索系统，将目标人物输入到系统中，系统自动在海量数据中进行查找对比，通过特征比对，列出最为相似的人员信息。

　　人工智能和相关技术正在改变世界，但落地应用仍存在一定限制性，成本高、场景限制多等问题是大规模落地的难点。

　　成本高：人工智能技术落地应用的成本包括稀缺专业人才的聘用成本和研发成本及使用代价。马云曾在第二届世界智能大会上表示，中国人工智能发展不成熟的主要原因是人才短缺。因为专业性与深度的问题，人工智能领域缺少专业人才与高素质人才，资料显示我国人工智能人才缺口超500万，供求比例仅为1:10，技术的进步也导致行业的门槛越来越高。除此之外，高昂的研发成本和长周期的投入需求使得人工智能落地成本随之增大。数据显示，华为过去10年研发投入累计超过3000亿元;2017年三星就AI研究和开发投入140亿美元;百度每年投入15%营收约15亿美元用于AI研发······各大巨头在人工智能领域的研发投入逐年增加，但却似乎鲜有实质性的突破成果。

　　场景限制多：人工智能技术落地的应用场景并不是学术科研演示，用户目标不尽相同，需要根据不同行业、不同场景、不同方式综合考虑硬件投入的成本、硬件的性能、功耗、用户的体验效果等综合因素，向客户提供有针对的、适合的产品及解决方案。AI算法落地难除了没有场景化，更重要的是没有对行业流程进行再造。将管理流程按照AI信息化的理念重新设计，才能使AI发挥更大的作用。

　　在国家重视、社会进步要求的推动下，人工智能技术的发展进程逐渐加快。我们现在所看到的人工智能仍只是冰山一角，人工智能未来发展的路还很长，还有更多的技术创新和场景落地有待挖掘和改进。