首页

2021年初，我们决定到各行业一线，拍摄关于智慧中国的故事。

如今，从媒体上制作视频似乎是大势所趋但是，作为一家以AI为主线的科技自媒体公司，我真的觉得在镜头前看稿子毫无意义AI技术一直喊着与工业和企业结合，所以我们觉得还是去实体行业看看:智能技术带来了什么，是不是比实际效果更傻

十一假期前，我们做了一个盘点在过去的半年里，我们走遍了8个省市，拍摄了10个案例我去了煤矿，工厂，农田，商场，运营商，养老院，公益组织等地方回顾之后，发现还是有很多值得总结的感受

我们一直在谈论数字中国和智慧中国，但讨论这些的场合大多是论坛，峰会和展览每个人都很容易从生产，学习，研究和政治的角度获得智能和数字化的想法可是，当AI，5G，云计算，IoT等流行词汇来到车间，矿山，农田时，技术与人之间的联系实际发生了，可能的过程和结果与设想的有些不同

在这里，我选取了几个令人印象深刻的角度与大家谈谈我在寻找智慧中国的经历。

注意，为了防止广告嫌疑，具体企业名称全部隐藏在文章中其实拍这些案子是没有利润的，所以我很想去做

另外，当涉及到一些可能不那么积极的方面时，行业也是隐藏的，以免被那些优秀的人跟踪其实每一个企业提升智能都不容易，没有人能很快完美实在没必要放大贬低一些薄弱环节

它比我们一直相信的宏伟更重要。

智慧中国真的在大城市飘吗。

让我们先考虑一个问题你觉得AI在哪里

大多数人会想到人工智能他们首先应该想到的是北京，深圳，杭州的互联网和AI公司，或者是名牌大学的AI实验室总之，AI在一线城市

曾几何时，我们也是这么想的AI应该是资本，顶尖大学，高科技公司的游戏，更多相关专业的学生，互联网上的白领，技术从业者关注这个领域但是，当我们实际走访三四线城市的一些企事业单位的AI时，发现情况并非如此

大同周边的一个大型煤矿是我们搜索AI的第一站智能选煤和井下智能作业是我们的主要拍摄对象但更让团队印象深刻的是他们遇到的人

陈红是我们在矿上遇到的一个工程师他的工作与IT和信息技术无关但是在得知我们是AI领域的自媒体后，他跟我们聊起了国内的AI行业，甚至对各个厂商推出的AI开发工具了如指掌比如他告诉我们，他对比了百度EasyDL和华为ModelArts，尝试用它们做了一些煤矿场景的AI模型，知道这些工具的界面和操作的区别当时我们很惊讶说实话，我对很多互联网公司的CTO和CIO是否知道这一层有所保留山西煤矿的非IT岗位工程师其实也想过，也尝试过AI

在这次旅行中，我也遇到了一个让我们感触很深的人负责接待我们的工作人员中有一个年轻人他跟我们谈了煤矿智能化的进展，说他把煤矿智能化归纳为三个阶段:首先，人们操作机器，然后人们盯着机器，最后，人们休息在机器上总之，他说了很多

一开始我们以为他是IT和数字化方面的工作人员，但是我们发现他是矿上的摄影师，这些东西平时都是他自己琢磨出来的他说自己在矿区出生长大，真正看到了矿山的智能化变化这些技术实际上已经改变了许多矿山人

又发生了一起事故等矿下去的时候，我们在保安室和大哥聊天得知我们是科技媒体后，我大哥立马问了我们一些灵魂问题华为怎么了华为是世界第一吗其实他也说不出是不是想问华为第一个是什么领域但对中国科技的那种期待和自豪，就是这么简单而生动

这次煤矿之行，不仅让我们对AI与工业的结合有了新的感受，也理解了为什么刘能在电厂写出《三体》。

在拍摄泉州某水厂智能案例时，也遇到了一位印象深刻的朋友当时负责接待媒体的是1997年的男孩小霞他不是技术员，而是自来水厂党政专员但他被工厂普遍公认为丹娜面对八九个突如其来的来访媒体，临时接到通知解释的小霞如洪流般回应，给我们讲了很多关于智能技术，一线生产，水厂历史的内容，并在手机上展示了自己拍摄的一线作业，开车送我们去工厂拍摄参观

在三四线城市事业单位工作95年后，你的第一印象是什么你有没有想到平躺，卷起，小城镇的年轻人等标签小霞真的打破了我们的一些刻板印象他的综合能力和工作热情，以及对技术变革的理解，可以说是中国智能发展的一个侧面

走访众多案例后，我们会发现，无论南北，无论城乡，人们对5G，AI，科技强国等概念的认知和理解都远超想象甚至，三四线城市对于技术变革的认可和热情，也不像一线城市有时表现出来的过度理性和客观那样冷漠

你以为AI是一阵风吹过，但对某个农场，车间来说，可能是一个影响十几二十年的变化。

也希望更多的朋友能够关注一线城市之外真实的，不断成长的智慧中国机会在那里，心也在那里

尤其是我们这些坐在办公室里给word和PPT出主意的人，有时候应该跳出自己画的圈子，看一看。

困难既出乎意料，也出乎意料。

智能化，数字化技术落地容易吗每个人都应该同意这并不容易但是困难在哪里呢在我们访问了许多案例后，这种情况也再次出现

认真思考的问题。

在宁波，我们结识了一家IoT + 农业领域的公司提到做农业智能化的企业，应该第一感觉领导是男性但这家公司的总裁却是一位和蔼可亲的大姐张大姐带我们一起下到了水稻田里，给我们讲 AI + 稻田除虫的案例她不仅长时间在农田工作，还在实验室扣各种细节，对数字化和编程也非常了解

对于农业智能化，她跟我们聊了非常多很实在的看法和经历比如，她们公司非常想做一个给养殖场的猪测体温的 AI 项目在养殖场，猪发烧其实是非常大的麻烦它被发现的几率很低，而一旦形成传染病就可能带来巨大损失张大姐经常看一些报道，都在说什么互联网大厂养猪啊，猪脸识别啊，想来应该不难

结果真的来了几家 AI 和科技公司的人，却发现根本没法操作首先 AI 摄像机挂在工厂里没事，但挂在养殖场里蚊虫太多，设备经常卡住，同时，给人测体温的 AI 算法在猪身上却测不准，因为猪皮太厚了，另外，用来训练 AI + 猪体温监测模型的数据也不够，没有养殖场留存过大量猪体温高精数据

说了好多年，做了很多事，听上去很厉害的 AI 技术，千算万算也没算过猪皮太厚这个问题 —— 这样的困难在真正的 AI 落地中比比皆是但如果花费大量人力物力，调集专家解决这个问题，最后的收益却可能连专家工资都付不起

拍摄过一些案例，走访了一些垂直领域的技术公司，会发现田间地头，街头巷尾的智能化需求无穷无尽很多需求你不跟专业的人聊聊，可能永远都想不到比如张大姐就跟我们说，她们公司正在推动一个用 AI 给牛称体重的项目对于广大农户来说，散养的牛是家中一个重要收入，买卖之前过程非常重要但要把牛放在秤上可难，需要专业的设备和人员农户往往需要牵着牛走很远的路才能过一次秤这就导致在乡间，很多时候给牛估算体重要依靠老师傅摸牛腿之类的方式如果 AI 能解决这个问题，那会给农户带来实打实的价值

这样的智能化需求，在中国特别多，也特别分散发现问题和解决问题都不仅仅是技术的事情，而是需要不同领域的人，企业，平台，像多米诺骨牌一样推导和渗透过去而首先，是需要各方面知道有这样一种关于智能的可能

道阻且长，吾辈共勉。

走访了一些智能化案例之后，发现能够接待自媒体参观，愿意对外发声的企业，其实是有一些共性的比如大多是新近十年规划的工程，并且在规划之初就考虑到了面向智能化，数字化的升级演进但那些更老，更旧，缺乏智能化顶层设计和数字化基础设施的工厂，码头，矿山呢这是一直萦绕在我们脑海中的未知毕竟我们是希望拍摄智能化案例，那些还没有推动智能化的案例我们拍什么呢但它们又是否需要智能化答案恐怕是肯定的

这让团队的小伙伴想到了欧洲和中国的对比很多新的数字化，智能化技术在欧洲都难以推进，就是因为他们 IT 做得太早，如今基础设施能力已经跟不上了但全面更新的成本又太高，最终只能选择一些保守的发展方案如今这种情况在中国也已经出现，更新基础设施完全不如新建项目来得快和稳，并且也更容易得到各方支持

根据我们比较片面的观察，面对这轮智能化浪潮，2000 年以前的工业化设施已经出现了明显的数字化鸿沟但那些老工厂，老车间里的设备和人未来何在这应该是一个必须回答，但又不好回答的问题

还有一种 AI 落地的难题也经常能够见到新上马的自动化，智能化设备往往需要大量时间学习而对于已经比较熟练的产业工人来说，学习新技术还不如接着用老设备更顺手智能化建设是一把手和 IT 主管的事，一线产业工人的配合度却是另一回事一些案例里我们也会发现，工人对智能技术还比较陌生一些智能设备的作用仅仅是摆放在那，只有检查和评比的时候才打开

这种情况其实很容易理解，毕竟大家对若干年来的工作习惯是有依赖的这可能需要企业和供应链长效，持续的配合AI 落地需要的不仅仅是算法和软硬件，还需要人才培养，生态建设，管理变革等一系列辅助

另外可能就想说说宣传了这部分可能多少有点敏感，但我们的实际感受是，真的有很多案例和产业经验亟待普及相关宣传足够充沛，AI 落地的门槛才能越来越低

但真正在产业中应用智能技术的大多是传统行业，传统企业，其中又以大型政企居多他们本身宣传诉求较低，也缺乏比较新颖的宣传手段，且宣传中的主要考量是不能出错，不愿意提及企业与行业的痛点这种情况当然可以理解，但也确实导致很多有价值的产业智慧和经验不出工厂大门

提起 AI，很多人会觉得没有用，价值不大，比较空洞，其实原因在于宣传。

这种情况下，宣传智能化经验的责任就来到了媒体和技术服务商这里但媒体更多关注的是峰会和展会，抵达一线的机会很罕见，而技术服务商的业务和品牌工作是分开的品牌公关的负责人，往往也没有亲临一线的机会我们同科技企业一起探访一线案例时，经常发现科技公司这边的负责人感触比我们还深

种种隔阂的存在，让原本有价值的智能化案例，行业智慧留在了产业深处这是应该改变的事情，也是我们会继续努力的方向

无声潮涨

在海边玩的时候，有时候会突然发现海水竟然涨上来这么高在拍摄记录了一些案例之后，如果让我们描述对智能中国的第一印象，那应该是一场悄无声息的涨潮

如果只在网上读一些智能化的报道和分析，你可能会觉得要么是官样文章，要么是企业软文，似乎都有点样板房的味道但真正了解过一些案例，沟通过一些人之后，摸着良心说智能技术在中国的普及度是高于初始认知的果园，农田，高速路口，小区物业，这些地方都可能已经具备了很完善的 AI 解决方案，并且真实服务于民生不知不觉间我们已经身处水面以下，在无声息中感受着智能世界的压强

智能技术没有多么神奇，也没有多么不堪，它只是一个不可逆的工业化过程而已就像在很多企业中探访时，我们都会问企业管理者智能带来的最大改变是什么得到最多的答案不是提质增效这类的套话，而是非常简单的一句话:人用得少了

在一个水务相关的案例中，原本一个水泵站需要三到五个人看守，智能化之后两三个人可以看住一个城区的水泵站这带来的改变当然很大在煤矿中，负责人告诉我们对于煤矿什么是安全不下矿少下矿就是最大的安全智能技术就负责这件事，对于社会生产力它当然是好的，但对于个人来说恐怕就取决于你所处的位置了

很多人面对 AI 都有两个好奇:一是 AI 复杂难用吗，二是 AI 会不会替代自己的工作我们的实际探访经验是，大多数 AI 并不复杂，尤其对于产业工人来说并不比此前的设备更难但 AI 确实会极大缩减很多岗位的用人需求这也给这些职位上的人带来了选择题

我们发现了一个有趣的现象:AI 到底是剥夺了人的价值，还是给人带来更多可能，很大程度上都取决于从业者自己有些岗位在智能化之后很清闲，那么从业者就真的去享受清闲了，也有的工人心思很活络，去琢磨怎么发展，怎么创造更多价值AI 把一些岗位从饱和的流水线式工作中解放了出来，既是一种取代，也是一个机会

对于 AI 与人的关系，我们有个直观感受:AI 是一个全新的，跨领域的学习过程。

前文提到的张大姐，她们和宁波本地一所高校的张博士有农业 + AI方面的合作张博士外表非常斯文，你绝对不会想到这样一位 AI 领域的学者，每天都要下到稻田里去查看 AI 捕虫灯他如今已经对各种稻田里的害虫了如指掌AI 落地的价值，就是靠技术专家双脚埋到泥土里去实现的

智能中国，正在改变着太多人流水线工人，矿工，企业主，博士，工程师，老年人，残疾人，这些角色都出现在我们这个小小的，不怎么成熟的节目里，这可能就表达了某种现实

跟互联网革命的电闪雷鸣，刀光剑影不一样，我们发现智能中国的到来是无感的，不知不觉间的但有一件事我们觉得极大概率会发生:今天看着 AI 干活和琢磨 AI 怎么干活的，将迎来不同的命运

暗潮汹涌，其实更甚。

结束语:几幅画面

这半年的旅程，其实还有挺多内容值得分享但这次总结就姑且到这吧，等记录了更多再考虑怎么发感慨

最后有几个印象特别深刻的画面，想要送给大家智能中国在哪里

• 一，上文提到的那位矿山的摄影师，他聊智能化三个阶段时的兴奋神情，很像是小男孩谈论变形金刚。

• 二，在某个智能化工厂的办公室，只有两位员工看着面前的屏幕他们什么也不用做，他们只是 AI 算法背后的一重保障

• 三，到宁波的那天下着雨张博士带着我们和某科技大厂的 PR 去看田里的 AI 捕虫灯一侧是稻田，一侧是乡村当时的情形是，两边是中国的农民，中间是中国的科技企业和 AI 博士

不管怎么说，智能中国，还是值得。