---
title: AI是必须的吗？
canonical: "https://xiaofeng.dev/en/writing/is-ai-necessary/"
pubDate: 2020-11-14
author: 唐小锋 Xiaofeng TANG
description: AI人工智能是本质上是对数据处理效率或模型构建效率的提升。 今天AI技术的基本形态是用海量数据训练出符合应用场景的AI模型（以神经网络模型为主）。 它本质上是一种数据处理技术和模型构建技术。 所谓数据处理是指对数据的采集、存储、检索、加工、
tags: [AI, Product Judgment]
---

![图片](/writing/wechat-tech-assets/is-ai-necessary/27dc23a8cc3161ab.jpg)

AI人工智能是本质上是对数据处理效率或模型构建效率的提升。

今天AI技术的基本形态是用海量数据训练出符合应用场景的AI模型（以神经网络模型为主）。

它本质上是一种数据处理技术和模型构建技术。

所谓数据处理是指对数据的采集、存储、检索、加工、变换和传输，每个环节有不同的数据模型。

数据

处理效率很好理解，就是速度及吞吐量的问题。模型构建效率也是很重要的考量因素。

从技术发展史往回推，处理数据的技术从语言文字发明以来经历了多种：
纸->电子表格
->
关系型结构化数据库
->
大数据技术
->
人工智能
。
最开始人类口口相传、用石板或竹简传授知识和信息，后来觉得效率和稳定性都太低，才发明了纸。当数据量越来越多，计算机时代才诞生了电子表格Excel。在数据量再大一些的领域，不得不用上数据库技术及配套的数据分析方法。今天，我们产生了大量的语音、图像和视频，才开始倚重AI技术。

每种技术都是为了解决上一技术的缺陷而生。

以HR领域最基础的算薪应用为例，今天税收政策越来越复杂，已经很少有人能单纯靠Excel计算出几百人的薪酬（更别说纸张了）。

这迫使大家去使用基于数据库的应用（尤其是SaaS应用）。

对技术的需求到此为止，还没有出现必须要用到大数据及AI的强场景。

当需要对千万和亿级数据进行多维交叉分析时，传统数据库应用无能为力，我们不得不使用一些非关系型数据技术（统称大数据技术）。以税务稽查领域的“金税三期”为例，税务大数据需要全盘查看全社会所有企业的财务报表、进项、销项、发票项目、货物来源地、员工薪税、保险、公积金，以及法人、股东和管理人员的关联信息。这里并不涉及AI技术。

以上都是结构化数据。当需要自然文本、语音、图像、视频等非结构性数据时，以上技术都无能为力。只有AI技术（主要是神经网络模型）能够达到可靠的数据处理效率和建模效率。以图像识别应用为例，只需有限样本就可以短时间内训练出性能和效果都还不错的神经网络模型，这种建模效率具有独特的优势。

许多领域其实并不需要AI或大数据，要么是行业天然属性决定，要么是因为它们所产生和涉及的数据维度和体量都没有达到足够的水平。这些领域，没有需求就没有AI的土壤，也不用慌，也不必硬要催生，该来的自然会来。这些领域的机会更多是在于产生更多的数据，或者将线下的数据线上化，SaaS有非常重要的作用。这是下一个话题。