半年時間，拍攝8省市10個案例，我們見到了這樣的智能中國_風聞

2021年年初，我們決定到各個行業的一線，拍攝關於“智能中國”的故事。

如今，自媒體做視頻似乎已經是大勢使然。但作為一家以AI為主線的科技自媒體，實在覺得對着鏡頭讀稿子沒什麼意思。AI這種技術一直都喊着“與行業結合，與企業結合”，我們就想那莫不如去真實的行業中看看：智能技術到底帶來了什麼，是不是忽悠大於實效？

於是我們成立了視頻品牌“奎者”。這個名字背後自然有一點自己的小寓意，想要做這件事的考慮和準備工作也有很多故事可説，但礙於篇幅就不展開了。

從4月開始發佈內容，奎者做到現在粉絲也不算多，播放量較比知名UP有天壤之別。但也收穫了一些認可和關注，還算勉強能過自己這關。期間也經歷了一些困難，尤其7、8月份疫情捲土重來，所有拍攝計劃全部擱淺，能支撐下來也是不易。

比起這些，這裏更想跟大家聊聊對於“智能中國”這個大命題的一些真實感受。十一假期之前盤點了一下，這半年我們走過了8個省市，拍攝了10個案例。去到了煤礦、工廠、農田、商場、運營商、養老院、公益組織等等地方。回顧之後，發現還是有很多感想值得總結一下。

我們一直都在説數字中國、智能中國，但平時討論這些的場合更多都是論壇、峯會、展會上。大家很容易獲得從產、學、研、政各個角度對智能化、數字化提綱挈領的設想。但當AI、5G、雲計算、IoT這些熱門詞彙，來到車間、礦井、農田中，真實發生技術與人的聯接，可能過程和結果都和設想的有些不同。

這裏選取了幾個印象深刻的角度，跟大家聊聊尋訪智能中國的一路見聞。

備註一下，為了防止有廣告嫌疑。文章中就一律隱去具體企業名稱了。其實拍攝這些案例沒有任何收益，真的是想去做這件事。

另外談到一些可能不那麼積極的方面，就把行業也隱去了，避免被好事者按圖索驥。其實各個企業推動智能化都不容易，誰也不可能很快盡善盡美。抓着一些薄弱環節去放大和貶低真沒必要。

真實比宏大更重要，我們一直這麼相信着。

智能中國，真的浮在大城市嗎？

先來一起想個問題吧：你覺得AI在哪？

絕大部分人聯想到人工智能，應該首先會想到北京、深圳、杭州的互聯網和AI公司，或者知名院校裏的AI實驗室。總而言之，AI在一線大城市。

曾幾何時，我們也這麼認為。AI應該是資本、頂級院校、高科技公司的遊戲，關注這個領域的也更多是相關專業學生、互聯網白領和技術從業者。但當我們真正去了一些三四線城市的企業和機關單位探訪AI，卻發現並非如此。

大同周邊的某個大型煤礦，是我們尋訪AI落地的第一站。礦廠的智能選煤和井下智能化作業是我們的主要拍攝對象。但這次拍攝讓團隊印象更深刻的是遇到的人。

陳工是我們在礦山遇到的一位工程師，他的本職工作並不是IT、信息化相關。但得知我們是AI領域的自媒體後，他跟我們侃侃而談對國內AI產業的認識，甚至對各個廠商推出的AI開發工具瞭如指掌。比如他就跟我們聊到，自己對比過百度EasyDL和華為的ModelArts，嘗試用他們做了一些煤礦場景的AI模型，並且知道這些工具的接口和操作有什麼不同。當時就給我們驚到了。説實話，很多互聯網公司的CTO、CIO是不是瞭解到這一層我都持保留態度。遠在山西煤礦中的非IT崗位工程師，其實已經想過並試過AI了。

這趟旅行還遇到一位讓我們感慨頗深的人。負責接待我們的工作人員中有一位小夥子。他跟我們聊煤礦智能化的進程，説他把煤礦智能化總結成三個階段：先是人操作機器，然後是人盯着機器，最後是機器幹活人歇着——總之聊了很多。

我們最初以為他是IT、數字化方面的工作人員，結果得知他是礦裏的攝影師，這些東西都是他自己平時琢磨出來的。他説自己就出生長大在礦區，智能化的對礦山的改變他是真切看在眼裏的。這些技術其實已經改變了礦山的很多人。

還有一個小插曲。在礦山等待下礦的時候，我們跟保安室的大哥聊了聊。得知我們是科技自媒體後，大哥馬上問我們幾個靈魂問題：華為到底怎麼樣了？華為是不是世界第一？其實他也説不上來到底想問華為是什麼領域的第一。但那種對中國科技的期待和自豪，是如此簡單且生動。

這趟煤礦之行，不光讓我們對AI與行業結合有了新的感覺，更理解了為什麼劉慈欣能在電廠寫出《三體》。

在泉州拍攝某水廠的智能化案例時，也遇到了一位讓人印象深刻的朋友。當時負責接待媒體的是1997年的男孩小夏。他也不是技術人員，而是水廠黨政方面的專員。但他被廠裏普遍認可是位“大拿”。面對八九家突然到訪的媒體，臨時接到通知負責講解的小夏應答如流，對智能化技術、一線生產、水廠的歷史如數家珍，還給我們看手機上他自己拍攝的一線作業情況，並且開車帶我們到廠裏拍攝參觀。

提起到三四線城市事業單位工作的95後，你的第一印象是什麼？是不是想到了躺平、內卷、小鎮青年等等標籤？小夏真的是擊碎了我們一些刻板印象。他表現出的綜合能力和工作熱情，以及對技術變化的瞭解，或許可以説是中國發展智能化的一個側寫。

走訪了很多案例之後，會發現無論南北，不分城鄉，老百姓對5G、AI、科技強國這些概念的認知和了解是遠超想象的。甚至於説，三四線城市對技術變革的認可與熱忱，不像一線城市有時候表現出的那種“過度理智客觀”帶來的冷漠。

你以為AI是一陣風口刮過去就算，但對於某個農場某個車間來説，可能是一場影響十年二十年的變化。

也希望更多朋友可以去關注一線城市以外，真實存在且生長的智能中國。機會在那裏，人心也在那裏。

尤其咱們這些坐在辦公室，對着word和PPT指點江山的人，有時候是該跳出自己畫的圈走走看看的。

困難既在意料中，也在意料外

智能化、數字化技術的落地容易嗎？應該所有人的共識都是不容易。但到底不容易在哪裏？這也是我們走訪了很多案例後，反覆認真思考的問題。

在寧波，我們結識了一家“IoT+農業”領域的公司。提到做農業智能化的企業，應該第一感覺領導是男性。但這家公司的總裁卻是一位和藹可親的大姐。張大姐帶我們一起下到了水稻田裏，給我們講AI+稻田除蟲的案例。她不僅長時間在農田工作，還在實驗室扣各種細節，對數字化和編程也非常瞭解。

對於農業智能化，她跟我們聊了非常多很實在的看法和經歷。比如，她們公司非常想做一個給養殖場的豬測體温的AI項目。在養殖場，豬發燒其實是非常大的麻煩。它被發現的幾率很低，而一旦形成傳染病就可能帶來巨大損失。張大姐經常看一些報道，都在説什麼“互聯網大廠養豬”啊，“豬臉識別”啊，想來應該不難。

結果真的來了幾家AI和科技公司的人，卻發現根本沒法操作。首先AI攝像機掛在工廠裏沒事，但掛在養殖場裏蚊蟲太多，設備經常卡住；同時，給人測體温的AI算法在豬身上卻測不準，因為豬皮太厚了；另外，用來訓練AI+豬體温監測模型的數據也不夠，沒有養殖場留存過大量豬體温高精數據。

説了好多年，做了很多事，聽上去很厲害的AI技術，千算萬算也沒算過豬皮太厚這個問題——這樣的困難在真正的AI落地中比比皆是。但如果花費大量人力物力，調集專家解決這個問題，最後的收益卻可能連專家工資都付不起。

拍攝過一些案例，走訪了一些垂直領域的技術公司，會發現田間地頭、街頭巷尾的智能化需求無窮無盡。很多需求你不跟專業的人聊聊，可能永遠都想不到。比如張大姐就跟我們説，她們公司正在推動一個用AI給牛稱體重的項目。對於廣大農户來説，散養的牛是家中一個重要收入，買賣之前過程非常重要。但要把牛放在秤上可難， 需要專業的設備和人員。農户往往需要牽着牛走很遠的路才能過一次秤。這就導致在鄉間，很多時候給牛估算體重要依靠老師傅摸牛腿之類的方式。如果AI能解決這個問題，那會給農户帶來實打實的價值。

這樣的智能化需求，在中國特別多，也特別分散。發現問題和解決問題都不僅僅是技術的事情，而是需要不同領域的人、企業、平台，像多米諾骨牌一樣推導和滲透過去。而首先，是需要各方面知道有這樣一種關於智能的可能。

道阻且長，吾輩共勉。

走訪了一些智能化案例之後，發現能夠接待自媒體參觀，願意對外發聲的企業，其實是有一些共性的。比如大多是新近十年規劃的工程，並且在規劃之初就考慮到了面向智能化、數字化的升級演進。但那些更老、更舊，缺乏智能化頂層設計和數字化基礎設施的工廠、碼頭、礦山呢？這是一直縈繞在我們腦海中的未知。畢竟我們是希望拍攝智能化案例，那些還沒有推動智能化的案例我們拍什麼呢？但它們又是否需要智能化？答案恐怕是肯定的。

這讓團隊的小夥伴想到了歐洲和中國的對比。很多新的數字化、智能化技術在歐洲都難以推進，就是因為他們IT做得太早，如今基礎設施能力已經跟不上了。但全面更新的成本又太高，最終只能選擇一些保守的發展方案。如今這種情況在中國也已經出現，更新基礎設施完全不如新建項目來得快和穩，並且也更容易得到各方支持。

根據我們比較片面的觀察，面對這輪智能化浪潮，2000年以前的工業化設施已經出現了明顯的數字化鴻溝。但那些老工廠、老車間裏的設備和人未來何在？這應該是一個必須回答，但又不好回答的問題。

還有一種AI落地的難題也經常能夠見到。新上馬的自動化、智能化設備往往需要大量時間學習。而對於已經比較熟練的產業工人來説，學習新技術還不如接着用老設備更順手。智能化建設是一把手和IT主管的事，一線產業工人的配合度卻是另一回事。一些案例裏我們也會發現，工人對智能技術還比較陌生。一些智能設備的作用僅僅是擺放在那，只有檢查和評比的時候才打開。

這種情況其實很容易理解，畢竟大家對若干年來的工作習慣是有依賴的。這可能需要企業和供應鏈長效、持續的配合。AI落地需要的不僅僅是算法和軟硬件，還需要人才培養、生態建設、管理變革等一系列輔助。

另外可能就想説説宣傳了。這部分可能多少有點敏感，但我們的實際感受是，真的有很多案例和產業經驗亟待普及。相關宣傳足夠充沛，AI落地的門檻才能越來越低。

但真正在產業中應用智能技術的大多是傳統行業、傳統企業，其中又以大型政企居多。他們本身宣傳訴求較低，也缺乏比較新穎的宣傳手段；且宣傳中的主要考量是不能出錯，不願意提及企業與行業的痛點。這種情況當然可以理解，但也確實導致很多有價值的產業智慧和經驗“不出工廠大門”。

提起AI，很多人會覺得沒有用，價值不大，比較空洞，其實原因在於宣傳。

這種情況下，宣傳智能化經驗的責任就來到了媒體和技術服務商這裏。但媒體更多關注的是峯會和展會，抵達一線的機會很罕見；而技術服務商的業務和品牌工作是分開的。品牌公關的負責人，往往也沒有親臨一線的機會。我們同科技企業一起探訪一線案例時，經常發現科技公司這邊的負責人感觸比我們還深。

種種隔閡的存在，讓原本有價值的智能化案例、行業智慧留在了產業深處。這是應該改變的事情，也是我們會繼續努力的方向。

無聲潮漲

在海邊玩的時候，有時候會突然發現海水竟然漲上來這麼高。在拍攝記錄了一些案例之後，如果讓我們描述對“智能中國”的第一印象，那應該是一場悄無聲息的漲潮。

如果只在網上讀一些智能化的報道和分析，你可能會覺得要麼是官樣文章，要麼是企業軟文，似乎都有點“樣板房”的味道。但真正瞭解過一些案例，溝通過一些人之後，摸着良心説智能技術在中國的普及度是高於初始認知的。果園、農田、高速路口、小區物業，這些地方都可能已經具備了很完善的AI解決方案，並且真實服務於民生。不知不覺間我們已經身處水面以下，在無聲息中感受着智能世界的壓強。

智能技術沒有多麼神奇，也沒有多麼不堪，它只是一個不可逆的工業化過程而已。就像在很多企業中探訪時，我們都會問企業管理者智能帶來的最大改變是什麼。得到最多的答案不是“提質增效”這類的套話，而是非常簡單的一句話：人用得少了。

在一個水務相關的案例中，原本一個水泵站需要三到五個人看守，智能化之後兩三個人可以看住一個城區的水泵站。這帶來的改變當然很大。在煤礦中，負責人告訴我們“對於煤礦什麼是安全？不下礦少下礦就是最大的安全”。智能技術就負責這件事，對於社會生產力它當然是好的，但對於個人來説恐怕就取決於你所處的位置了。

很多人面對AI都有兩個好奇：一是AI複雜難用嗎，二是AI會不會替代自己的工作。我們的實際探訪經驗是，大多數AI並不複雜，尤其對於產業工人來説並不比此前的設備更難。但AI確實會極大縮減很多崗位的用人需求。這也給這些職位上的人帶來了選擇題。

我們發現了一個有趣的現象：AI到底是剝奪了人的價值，還是給人帶來更多可能，很大程度上都取決於從業者自己。有些崗位在智能化之後很清閒，那麼從業者就真的去享受清閒了；也有的工人心思很活絡，去琢磨怎麼發展，怎麼創造更多價值。AI把一些崗位從飽和的“流水線”式工作中解放了出來，既是一種取代，也是一個機會。

對於AI與人的關係，我們有個直觀感受：AI是一個全新的，跨領域的學習過程。

前文提到的張大姐，她們和寧波本地一所高校的張博士有“農業+AI”方面的合作。張博士外表非常斯文，你絕對不會想到這樣一位AI領域的學者，每天都要下到稻田裏去查看AI捕蟲燈。他如今已經對各種稻田裏的害蟲瞭如指掌。AI落地的價值，就是靠技術專家雙腳埋到泥土裏去實現的。

智能中國，正在改變着太多人。流水線工人、礦工、企業主、博士、工程師、老年人、殘疾人，這些角色都出現在我們這個小小的，不怎麼成熟的節目裏，這可能就表達了某種現實。

跟互聯網革命的電閃雷鳴、刀光劍影不一樣，我們發現智能中國的到來是無感的，不知不覺間的。但有一件事我們覺得極大概率會發生：今天看着AI幹活和琢磨AI怎麼幹活的，將迎來不同的命運。

暗潮洶湧，其實更甚。

結束語：幾幅畫面

這半年的旅程，其實還有挺多內容值得分享。但這次總結就姑且到這吧，等記錄了更多再考慮怎麼發感慨。

最後有幾個印象特別深刻的畫面，想要送給大家。智能中國在哪裏？智能中國可能就在這裏：

一、上文提到的那位礦山的攝影師，他聊智能化三個階段時的興奮神情，很像是小男孩談論變形金剛。

二、在某個智能化工廠的辦公室，只有兩位員工看着面前的屏幕。他們什麼也不用做，他們只是AI算法背後的一重保障。

三、到寧波的那天下着雨。張博士帶着我們和某科技大廠的PR去看田裏的AI捕蟲燈。一側是稻田，一側是鄉村。當時的情形是，兩邊是中國的農民，中間是中國的科技企業和AI博士。

不管怎麼説，智能中國，還是值得。