近日，热搜上AI数羊的新闻吸引了一大波网友的关注与讨论。新闻中甘肃牧民运用AI技术来数羊，让人倍感惊奇；无独有偶，此前也有新闻报道，养殖户企业借助AI技术来“相牛”，通过AI算法来估算活牛的品质与质量。
AI的应用竟然可以如此接地气，大家讨论的声音也多集中在AI应用的广泛普及上。AI经过近些年的飞速发展，经过了初始的技术探索期与应用推广期，从高高在上的产业应用，如智慧城市、自动驾驶、黑灯工厂等高端应用走下了高精尖的“神坛”，走向了牧区，深入到了产业的最底层，在我们想不到的一些地方扎根落地。
在AI这些年的市场教育中，千行百业对人工智能的应用与价值都有了基础的了解，也建立了AI助益生产的降本增效共识。但对于整个国内的市场，能够使用调用AI能力资金雄厚的企业、大厂毕竟是少数。中国的企业中，遍布了无数如毛细血管的小微企业，这些小微企业因为成本、技术、人才等局限，AI技术并没有深入到这些产业的毛细血管中，对于这些产业深处的角落， AI如何高效低门槛、规模化的应用普惠到这些产业深处的细微单元中？
AI数羊与“相牛”：倍增的效率提升
想要回答这个问题，我们可以从畜牧业中的AI数羊和“相牛”的案例见微知著，看这些困扰畜牧业的痛点问题，是如何通过低门槛的AI应用解决。
在传统的畜牧业中，因为适度放牧的背景要求，很多牧区散养户或小型养殖场环保不达标、检疫和验收等环节不合格而被强制淘汰，整个畜牧产业日趋集约化的发展。对于大型养殖户来说，数量增多的牛羊群对于企业来说养殖管理的难度增加。
拿养殖户最基本的盘点任务来说，传统的日常盘点羊群数量靠人力进行，对于蜂拥入圈的羊群，短时间内靠人眼来进行盘点，容易出现清点遗漏、错误的现象，耗时费力。
而部署简单的AI封装工具，在草场羊进出的通道上方部署AI相机，就可以对羊群进行出栏量与存栏量的统计。简单的低门槛AI部署，不仅提高养殖户统计羊群的效率，也能降低成本。
AI相牛，也是个离高大上AI较远的边缘应用。传统的牛类交易集中在线下的牛市，在开集日，牛市聚集了许多牛贩、买家、“牛经纪人”，在牛市中最吃香的是“牛经纪人”，他们拥有丰富的相牛经验，可以凭借经验判断牛的重量与品质，决定着牛议价的关键环节。一些金牌的“牛经纪人”，甚至能将牛只重量误差控制在5斤以内，可以挑出品质最好、病死率更低的牛。
这种原始靠人眼积累的经验难以结构化，牛交易的市场定价不清晰透明，交易过程中信息严重不对称。养殖和交易过程中如何可知可控，降低养殖风险，提升收益是养殖户的集中痛点。如何让AI习得人眼的能力，将传统相牛人的经验转换为算法模型，让机器也能一眼识别牛的体重、体尺，成为养殖户们都想获取的能力。
养殖企业最终找的解决方案也是通过在零门槛的 AI 开发平台进行训练，只需要采集牛场中几百头牛的数据，导入到零门槛的AI开发平台中。零门槛的AI开发平台提供一站式的智能数据标注、模型训练、服务部署等全流程功能，即使没有算法基础，养殖企业的员工也可以轻松上手。通过提高模型精度的训练，AI系统最终可以做到当牛从过道中经过时，过道两侧的摄像头便可以快速采集到牛的各种体尺数据和点云数据，轻松获取牛的关键数据。
从靠人力目测到用机器标准化的测量，即使没有AI技术的相关能力，也可以解决产业中最落地的问题，数羊与“相牛”这类简单却耗人力的场景问题，低门槛AI可以有效解决这些细碎的应用。在整个产业中，这类分散、非标准、独特的需求很多，接受度友好的平民化AI成为许多行业细微颗粒的共同需求。低门槛AI的应用趋势在这些庞大的需求中也有广阔的发展天地。
低门槛AI发展的“奇点”
低门槛的AI应用工具，国内以百度飞桨为主，在这些平台中，开发者可以自由选择，对于一些简单的任务，可以无需代码基础，只需要对场景的理解进行数据的收集与“投喂”，通过简单地拖拽平台封装的工具就可以使用。开发者可以根据自己的需求进行AI模型的开发、高效训练和多端多平台部署。
零门槛是一些AI开源平台工具的主打特色，零代码基础的用户可以实现在电脑本地就进行安装与高效建模。在百度飞桨平台中，有许多没有代码基础的个人开发者，通过“单打独斗”用低门槛的AI解决了工作中的难题。
在开源的AI平台中，我们发现了一个有趣的案例。一位没有代码基础的武汉铁路局年轻工人，他的工作内容中有一项重复、枯燥且极易出错的任务：在货运列车检修中，为车辆重新喷涂与核对车号。火车身上的这串号码，相当于身份证，一旦出错就会影响列车的调度、运行，甚至会导致行车事故发生。而每年需要人工维修并重新喷涂车号的铁路货车数量巨大，虽然任务简单，但是仅靠人力，庞大的工作量下大每年都会发生车号喷错的情况。
这位年轻的铁路工人在了解到AI在车辆车牌识别中的应用，开始尝试使用AI工具开发套件，最终只靠自己在开源的AI平台上构建铁路车身检测项目，实现了铁路货运车号的高准确率自动识别。
在这类传统且AI难以深入覆盖的领域中，这些细微的需求不会被庞大的企业机器看到，身临一线的基层员工虽然会注意到这些难题，但也因为自身的技术能力局限毫无办法。而AI开源平台的低门槛化，也让这些需求可以仅靠对业务的理解就能解决。
我们在这些案例中，也会发现低门槛AI应用“奇点”起势的缘由。企业在数字化的浪潮中，业务的基础场景中存在着大量的简单问题需要运用AI能力解决，这些问题散落在产业的角落中，非标准、散碎但又与专业的领域挂钩，需要定制化的AI能力解决。对于产业来说，拥有AI技术能力与人才的企业是少数，运用封装的低门槛AI平台去定制化解决是这类小微企业的最佳选择。而从技术的发展来说，AI能力的开源与工具的模块与封装，让零基础、低门槛解决这类问题成为可能。
从数羊、相牛到各类低门槛的AI应用，行业内的尝试越来越多，在科学计算、农业、工业、畜牧业、交通等行业领域中都有覆盖。在高校中，一些没有代码基础的学生与老师，也尝试运用开源的AI平台解决科研的计算问题来发表论文。低门槛的AI平台也为对AI感兴趣的人群开展相关内容的教学，线下的讨论会与线上的直播教学内容丰富，供对AI感兴趣的开发者学习。
一直以来，AI是大公司、高级别AI技术人才的“专利”，参与应用的门槛很高，这也极大地影响了AI的产能。而随着AI在千行百业中的普及和规模化应用，头部的企业与AI开发人员开始普惠AI的能力，将一些AI的工具与框架开源出来，打包成模块，集中到开放的AI平台中，让越来越多的行业与人员去参与到AI的开发应用。
在AI技术应用门槛不断降低的背景下，在这些开源的AI平台上，AI活跃开发者规模不断在增长，平台中的AI工具应用到实际场景的案例数量不断在丰富，应用人工智能的企业数量也呈现出多行业繁荣的景象。
向外“辐射”的边界
对于大部分简单、边缘的AI场景需求，都可以使用AI开源的平台来解决。不过也需要一些限制的条件，毕竟这些平台也不是万金油，可以解决任何低频次的AI场景需求。
对于数量众多的中小企业来说，零散的AI需求与自身IT能力的限制中，如何将外部的服务能力与业务场景恰当的融合，为企业的数字化进程价值赋能，是其接下来重点思考的方向。不过在引入与使用低门槛AI的应用过程中也会存在一定的边界。
1.市场教育的普及。虽然AI的普惠教育已经传遍了大江南北，但对于传统行业来说，因为对AI相关技术信息的关注有限，或者对于AI能力的边界有错误的认知。对于低门槛化的AI平台与工具，仍然存在教育的空白，需要进一步的市场普及与教育。
2.改革阻力。对于部分企业来说，引入新的平台工具可能会改变一些企业的现有工作流程，甚至是对一部分运用信息差获取利益的团体造成影响，虽然工具平台可以降本增效，但对求稳的小微团体来说，改变的阻力比较大。
3. 需求难匹配。对于相较复杂的AI需求，低门槛化的AI平台并不一定能够解决复杂的需求，一方面是对使用AI平台的开发人员对技术的能力有要求。另外一方面，就是低门槛的AI平台无法解决较为复杂的需求。低门槛的AI也只适用简单的场景需求，难度高的需求需要算力与算法模型更加复杂的架构解决。
对于一些数据缺乏、界面效果要求较高、算法复杂、高性能复杂系统架构、要求较高的底层开发等，都不适合使用低门槛的AI平台去解决。对于一些简单的场景，在AI技术普惠的发展下，AI门槛会越来越低。我们在开源的AI框架平台中也看到了许多案例。许多开发者都借助这些AI平台解决了边缘的场景问题，改变了曾经重复性、危险性、繁重性的一线工作，哪怕没有代码基础，也靠自驱应用上了最前沿的AI工具解决了最接近生活的难题。有了这些平台，对于小微企业来说，AI升级转型也不再是奢望。
人工智能引领的第四波工业革命浪潮，已经滚滚而来，大企业拥有随时入局的能力。但中小微企业由于资金薄弱，AI人才匮乏，很难迈过智能化的高门槛。可AI的产业价值又让无数人渴望跻身AI领域不被时代抛弃。低门槛AI的应用，给了许多小微企业、开发者破浪前行的工具，让蚂蚁雄兵一般的中小微企业、数量广大的个人开发者，登上“AI号”战舰，参与到智能未来的建设，普惠未来的智能生活。
