,人工智能应用开发更需要借助大集群算力、模板库、业务知识库,以及每个模板内依赖的半自动标注、自动算法选择、自动模型训练和优化等人工智能应用开发平台的基础能力,才可以真正降低人工智能应用开发全生命周期的成本,使得人工智能应用更加普及,实现人工智能无处不在。

当然啦。研发费钱啊啊！

你怕不是不知道，一个机器人从构想到设计，在选材料，然后制作，这得花多长时间。

设计还费脑子，而且一遍设计出来肯定不可能，所以需要推翻重做N次，最后才能定稿。

然后选购材料，尝试组装，电路还得设计，编写程序，程序还得调试，改写。

最后设计出原型机，然后初代机，乱七八糟最后投入市场之后都不知道是第几代了。

所以说一个机器人凝结的可能是好几十人好长时间的心血，话又说回来，工资不得从机器人里面拿嘛。

而且零件又贵，成本当然高了。

而且企业前期业务调研、前期技术调研、数据处理、模型调研、模型优化、模型上线、大规模机器学习计算框架、线下机器、线上机器、运维、大部分的工程投入。

还有企业需要搞业务问题定义、数据采集、特征扩充、模型调研。

现在人工智能估值很高，我们想投都投不起。”一位互联网消费金融机构负责人感慨说，此前他们打算参股投资一家基于人工智能提升风控效率的机构，一问估值吓了一跳，比他们整个平台的估值还高出不少。

如今，他更庆幸自己当初没有投资。

究其原因，人工智能的迅速崛起，难免导致行业良莠不齐——尤其是人工智能在互联网消费金融领域的“伪应用”日益增多，比如一家人脸识别机构宣称可以为消费金融平台开展远程面签，人脸识别成功率超过90%，但不少平台测试后发现，借款人所处场景的灯光角度对人脸识别准确性产生不小冲击，导致平台只能重新采取线下面签方式评估借款人是否存在欺诈行为。

21世纪经济报道记者也注意到，在美国股权投资机构也开始对人工智能在消费金融领域的“伪应用”日益警惕。尤其是一些标榜“人工智能”的美国消费金融机构，其风控核心仍然是基于采取人工经验判断，对借款人贷款风险进行评估。此外，不少宣称图像识别、语言识别准确度极高的消费金融平台，并没有因此有效降低运营成本提升运营效率。

“伪应用”悄然兴起

在这位大型消费金融机构首席技术官看来，人工智能在互联网消费金融领域的应用，主要集中在获客、客服、风控、催收等环节。

比如在风控环节，人工智能通过大数据分析与机器深度学习，不断优化风控效率降低坏账率同时，还能给予借款人更精确的风险定价；在催收环节，人工智能可以针对不同资产、职业、年龄的逾期借款人设定个性化的催收还款方案，在合适的时间给借款人发出催款信息，既能顾及借款人面子又能提醒他们尽早还款，提高催收效率；在获客环节，基于人工智能的人脸识别、语音识别技术可以协助平台完成远程面签，降低线下人工运营成本。

“不过，人工智能是否很好兑现这些预期，的确存在不小的挑战。”他直言。

多位互联网消费金融机构负责人向21世纪经济报道记者直言，他们都曾遭遇人工智能伪应用现象，比较常见的是人工智能机构抓住平台担心暴力催收的“心理”，推荐基于人工智能的催收模式，宣称能大幅缩减催收团队人数。

“但它的实际应用效果不够理想。”一位消费金融平台负责人告诉21世纪经济报道记者记者。后来他了解到，这家机构是照搬美国的人工智能催收技术，但中美两国消费金融环境截然不同——美国有着成熟的个人征信体系，借款人违约就会被列入黑名单，导致日常生活、旅游举步维艰

当然，人工智能需要先进的科学技术，专业的技术人才，还包括时间成本来研究，这些成本都很高的