在2020年，安永（EY）與微軟聯合發布了一份針對大中華區的《人工智能成熟度調研報告》。這份報告深入剖析了區域內企業人工智能（AI）的應用現狀、挑戰與未來趨勢，其中，人工智能基礎軟件開發作為支撐AI技術落地與創新的核心基石，受到了特別關注。以下是對報告中相關要點的梳理與解讀。

一、 人工智能成熟度的整體圖景

報告指出，2020年大中華區企業對AI的認知已從“概念探索”普遍轉向“實踐應用”。不同行業、不同規模企業的AI成熟度差異顯著。領先企業正致力于構建體系化的AI能力，而多數企業仍處于單點試驗或局部推廣階段。這種分化在很大程度上與企業在人工智能基礎軟件上的投入和能力建設直接相關。

二、 人工智能基礎軟件開發的戰略地位

報告強調，強大的基礎軟件是AI規?；瘧玫摹鞍l動機”。這主要包括：

1. 開發框架與平臺：如TensorFlow、PyTorch等開源框架的采納與自研平臺的構建，降低了模型開發門檻。
2. 數據管理與處理工具：高質量數據是AI的燃料，需要強大的數據管道、標注平臺和數據治理工具作為支撐。
3. 模型部署與運維（MLOps）工具：將模型從實驗室穩定、高效、安全地部署到生產環境，并實現持續監控與迭代，是價值實現的關鍵環節。
4. 算力調度與管理軟件：高效管理和調度本地或云端的GPU/TPU等異構算力資源，是控制成本、提升研發效率的基礎。

調研發現，成熟度較高的企業普遍在這些基礎軟件層進行了系統性布局，或與云服務商（如微軟Azure AI服務）深度合作，以獲取穩定、集成的開發與運行環境。

三、 面臨的挑戰與瓶頸

盡管重要性凸顯，但報告揭示了大中華區企業在AI基礎軟件開發方面面臨的主要挑戰：

• 技術復雜度高與人才短缺：基礎軟件開發需要兼具深厚算法知識和大型軟件工程能力的復合型人才，這類人才在全球范圍內都極為緊缺。
• 投入巨大且回報周期長：自研基礎軟件平臺需要長期、大量的資金與技術投入，許多企業，尤其是中小企業，望而卻步。
• 與現有IT系統集成困難：如何將新的AI開發工具鏈與遺留的企業IT系統（如ERP、CRM）無縫集成，是一個普遍的痛點。
• 安全與合規要求：數據隱私、模型安全及行業合規性要求，對基礎軟件的設計提出了更高標準。

四、 未來趨勢與建議

基于調研，報告對未來發展提出了展望與建議：

1. 云原生與開源協同：采用云原生架構構建AI基礎軟件將成為主流，它能提供彈性、可擴展性和敏捷性。積極參與和貢獻開源生態，結合企業特定需求進行定制化開發，是更高效的路徑。
2. 自動化與低代碼/無代碼化：基礎軟件平臺正朝著降低技術使用難度的方向發展，通過自動化機器學習（AutoML）和可視化開發工具，讓業務專家也能參與模型創建，加速AI普及。
3. 注重負責任的人工智能：基礎軟件開發需內置公平性、可解釋性、穩健性和隱私保護等原則，這正在從可選功能變為必備要求。
4. 生態合作共贏：報告鼓勵企業、學術界、云服務商和獨立軟件供應商加強合作，共同構建健康、開放的AI軟件生態，避免重復造輪子，聚焦創新與業務價值挖掘。

###

安永與微軟的這份報告清晰地表明，2020年大中華區AI發展已進入“深水區”。人工智能基礎軟件開發的能力，正成為區分AI實踐者與領導者的關鍵標尺。企業需以戰略眼光審視自身在基礎軟件層的短板，通過加大投入、培養人才、擁抱云與開源生態以及強化合作，夯實AI大廈的地基，從而在智能化浪潮中贏得長期競爭優勢。