企业的数字化是近年来老生常谈的一个话题，企业数字化实质上是指企业将业务中许多复杂的信息转变为可以度量的数据，再以这些数据建立起适当的数字化模型，进行统一处理，并加工生成新的信息资源，再服务于企业业务、做出最优决策的过程。

数字化基础的好坏，一方面体现的是企业的IT技术实力，另一方面也与企业对自身业务的熟悉程度和把控能力相关，而这两者都是企业应用AI的关键。我们将针对企业数字化基础的不同程度，具体说明如何进行AI应用的准备。

基础较好，尝试自研AI工具

对于数字化基础较好的企业，自身拥有较为完善的数据网络和IT基础设施及开发人才。在资金和时间都允许的情况下，是可以尝试自主开发AI工具或平台的。那么，具体该如何准备呢?

人们常说的人工智能的“三驾马车”：数据、算法和算力，是AI得以应用的基础，其中数据是首先要解决的一环。这需要企业拥有一个能够从多个来源采集和分析数据的中央数据中心。要注意的是，人工智能并不是静态的，训练出来的模型在应用到实际场景后，会产生新的数据，这些数据质量更高，能进一步提升人工智能模型的能力，再用到场景中，企业要特别做好这部分数据的处理。

关于算力，目前，世界上绝大多数云服务提供商都致力于将其产品扩展到AI 基础设施。但由于监管或其他商业原因，将训练数据移至云端并不适用于所有公司。这时，自身的算力就显得尤为重要。现在的人工智能系统通过成百上千个GPU来提升算力，使深度学习能够走向生产环境，但随着数据的井喷式增长，现有算力将无法匹配，有时还需要使用FPGA或ASIC等硬件加速。

至于算法，企业对算法的研究主要依赖高端技术人才，我们在上一篇文章中有过详细阐述，这里就不再重复。

基础一般，“半成品”是个好选择

对于信息化基础一般的企业，也是大多数企业，对自身业务相关的数据准备比较完善，但在IT技术上可能与专业AI公司差距明显。这种情况下，与AI服务商合作，选择一个优秀的“半成品”再加工，是个最有效快捷的方法。这里我们举个例子说明。

江苏某手机配件工厂通常一次质检需要1分钟左右，但人不是机器总有疲惫的时候，这就会导致质检效果的波动。于是这家公司开始考虑通过人工智能提升效率。最终引入了百度智能云AI质检一体机，一体机能够与原来的生产线无缝连接，之前分钟级别的人工检测一秒内搞定。最终能为企业节省大量人力成本，收益明显。

上面这个制造业的案例充分说明了AI一体机的实用性，其实理论上来说，几乎所有行业，都可以采用AI开发平台。AI开发平台集软硬件为一体，企业所做的仅仅是将数据输入开发平台，平台通过软硬件的配合和算法的优化，就能以企业数据为核心，“获取知识、应用知识”，为企业定制专属的方案，从而为企业带来效益。

在这个过程中，企业最关键的是对自身业务有清晰的认识。因为AI开发平台需要根据不同企业的性质，匹配出真正适合企业的软硬件和各种AI能力，这体现在AI一体机的封装能力上。不同的企业，所需的AI开发平台也不同，开发平台的封装完整性越高，企业的操作就越简单，但屏蔽的能力也会越多，平台自身的可延展性和拓展性越差。其中有利有弊，需要企业自身权衡。

基础较差，数据准备是第一步

对于基础较差的企业，可能对信息化、数字化还处于两眼一抹黑的状态，这类企业首先要做的就是数据的收集整理。那么企业需要哪几类的数据呢?我们大致可以分为三类： 企业自身的数据，数据越全越有利于后期在AI工具中的应用;产业链层面上的数据，可以加深AI工具对行业的了解，进行整体的把控;其他辅助数据，弱相关的数据，参考的价值较小，但数据越全面，最终的偏差就会越小。

无论是基础较好、普通还是基础较差的企业，想要应用人工智能进行数字化升级，其实都有路可循，关键是不要急于求成，“磨刀不误砍柴工”，一步步提升自己的信息化程度，完善AI前的准备工作，才能找到适合自己的应用方向，最终实现AI效能的最大化。