阿尔法狗带来的激情被时间冲淡后，落地应用成了焦点问题。
一部分人对现阶段的AI技术一度存在成见，他们认为：人工智能和互联网一样，虽然扮演了颠覆者和重建者的角色，可现阶段人工智能还只能解决单点问题，缺少强大的通用能力，距离规模化、产品化方式的技术输出还有很长的一段路。
然而，真实情况真的如此吗?
任何细小的变化都会由于渐进累积而产生巨大的差异，那些常常被忽视的“隐秘的角落”里，与AI发生的故事你可能想象不到，或许这些聚在一起，发生于细微之处的改变更有利于我们看到AI落地应用的全貌。
01 想造“机器人老师”的12岁女孩
不用AI基础就能开发AI并创造价值的人有多酷?刚刚读初一的郭佳慧是位典型的“码二代”，父亲郭峰是一家科技公司的CTO，并在父亲的熏陶下提前打开了人工智能的世界。
年初的新冠疫情夺去了佳慧同学回学校上课的机会，也让这对程序员父女有了更多的相处时间。除了每天按时完成学校安排的在线学习课程，郭峰还为佳慧报名了百度EasyDL的线上课程，原以为女儿会因为人工智能的晦涩难懂逐渐失去兴趣，但一个有趣的实践改变了佳慧对人工智能的认知。
在郭峰的帮助下，佳慧使用百度EasyDL做了一个识别MM豆颜色的小程序。当佳慧把标注好的图片传到后台进行机器学习后，神奇的一幕发生了：电脑可以灵活地判断出MM豆的颜色，即使MM豆被另一个颜色的MM豆挡住只能看到一点点，电脑仍然可以准确识别出它的颜色，就像有一双人的眼睛一样。
见识了人工智能的神奇之后，佳慧同学有了更多的想法。一次逛街的时候看到商场入口安装了佩戴口罩识别的闸机，可是有人用衣袖遮挡口鼻的时候，却被误判为戴了口罩，佳慧当时就开始思考：是否可以用人工智能解决这个问题呢?
佳慧同学在演示戴口罩识别检测
佳慧在父亲的鼓励下打算做一款戴口罩检测的模型，目标是让机器识别是否佩戴口罩、戴口罩的方式有没有错误，以及准确识别用手和胳膊遮挡口鼻的情况。确定好模型的功能后，佳慧收集了600多张佩戴口罩的照片，上传到百度EasyDL并调用了平台提供的数据回流标记算法。模型迭代到第6个版本后，识别准确率已经稳定在95%以上，戴口罩识别的问题被佳慧同学成功解决。
目前佳慧同学训练的“戴口罩检测模型”已经在百度AI市场上线，并且已经卖出了3000多份，其中有做人脸识别闸机的厂商，有做人脸检测设备的企业，还有同样碰到戴口罩检测难题的开发者。
在与人工智能接触之前，佳慧的理想是当一名老师，现在她的理想是长大后研发智能的“机器人老师”。
02 把机械臂玩出花的“网红大叔”
当00后伴着AI向着未来刚刚开始萌发属于自己梦想的同时，70后也并没有被“搁浅在沙滩上”。对于学习，技术从业者们似乎天然有着一种敏感而又热切的追求。
42岁的王京京在抖音上有3万多粉丝，一个名符其实的“网红大叔”，也是见证了中国科技浪潮不断向前推进的“活化石”。
1999年，21岁的王京京第一次接受媒体采访，彼时他的身份是《中国摇滚》网站的主编，也是国内第一个音频流媒体网站;大学毕业后的王京京选择自主创业，并在2004年最早发明了一键磨皮算法。但在2012年移动互联网普及时，王京京遇到了人生的瓶颈期，干脆关了公司在自家阳台上种花种菜，甚至花了5年时间到全国各地去旅游。
人工智能浪潮的爆发，再一次改变了王京京的人生方向：40岁的时候开始学习机械臂编程，在抖音上录制了用机械臂打鸡蛋、发牌、玩跳一跳游戏等有趣的视频，逐渐积累了一批忠实粉丝。
就在新冠疫情早期的某一天，一位粉丝在抖音上找到了王京京，由于大量的工作人员无法准时到岗，很多客户的产品验证无法顺利推进，比如一些航空航天企业对芯片使用的要求非常严格，芯片在制造、测试、焊接、组装过程中需要对每个序列号进行跟踪抄写记录，过去几乎全部是人工完成的。
王京京接受了粉丝提出的挑战。
在他看来，传统的自动化机器几乎都没有视觉能力，只能依靠机械精度提高稳定性，但由于芯片摆放不规则、表面标识不清晰，导致机器在这个过程中无用武之地，而百度EasyDL的很多能力刚好弥补了这些缺陷。
于是王京京向粉丝要了些芯片照片，对每个芯片的多个特征点进行标注，利用EasyDL的物体检测算法计算出芯片的朝向角度，然后旋转文字到水平方向进行OCR识别，最终利用机械臂进行自动抓取整理，按照芯片上的序列号进行排序摆放，完全替代了之前对人工操作的依赖。
目前王京京借助EasyDL打造的“视觉定位机械臂及OCR”模型已经在两家企业落地应用，识别准确率保持在99%以上，在四个工序中节省了9名人力。后期计划将项目做成标准化的产品，在更多的行业中推广应用。
每一次技术革命爆发的初期，最缺的往往是知道如何使用技术的人，42岁的王京京正在担负“技术摆渡人”的角色。
03 深入产业第一线的“战斗小队”
同一个时间点，不同于王京京的单打独斗，连续创业的吕力看到了同样的机会，他牵头组建了一支由六个人组成的“战斗小分队”。
行驶在城市道路上的运输车辆，可以说是一座城市维持生命力的血脉，然而频频发生的“超载”现象，却让一些运输车辆成了城市中的交通隐患，不仅造成了路面基础设施的损坏，也增加了交通事故发生的风险。
2017年，吕力在与某地磅生产企业合作期间，帮助政府部署企业源头治超管理系统，发现该系统存在设备采购成本高、部署复杂、易损坏、维护及运营成本高等诸多劣势，且整体效果并不理想，于是吕力开始思考如何改变系统设计来提升效率，从源头上规避超载现象的发生。
经过缜密分析和测算，吕力提出了全新的解决思路，在百度EasyDL平台搭建了训练体系及模型，成功设计了一套自动化采集软硬件训练系统：在原有地磅产品的基础上增加一个200万像素的摄像头和一台嵌入式电脑，即可实现货运车辆的关键指标——车轴数的智能识别，车辆称重时自动触发抓拍并上传识别车辆的轴数，智能匹配计算车辆的轴数与载重关系，并上报给有关部门。
随后吕力找到了湖南红星大市场初步试水。作为国内排名前三的农贸市场，湖南红星大市场每天总通勤车辆高达4000台，拥有海量货运车辆样本基础。经过5个版本的迭代后，平台平均识别准确率已达94.3%，基本满足业务覆盖需求。
目前国内不少地区纷纷出台《道路货物运输源头治理超限超载暂行办法》等法规，吕力设计的系统为众多的企业用户提供了更优的选择：平台总成本不到原有治超系统的50%，并且基本无需现场维护，大大减少了人力成本的投入。
在整体的商业大环境中，诸如地磅之类低门槛的制造业，几乎是不被重视的边缘产业，但人工智能对这些产业的渗透革新，正在迸发出新的驱动力。相比于创造新的事物，对传统产业的智能化改造同样存在不可小觑的机会。
目前吕力的团队已经转向物联网和人工智能，将自身定义为人工智能与传统产业之间的连接器，计划通过“战斗小队+定制装备”深入到更多行业里去。
04 EasyDL与智能策源地
其实前面讲述的三个故事都出自于百度EasyDL在乌镇举办的产业智能创新大赛，而且只是数百个参赛案例中的百分之一。
让人有些惊讶的是，这些故事的主角不是人工智能一线大厂的工程师，不是预言人工智能行业趋势的布道者，甚至不是精通于算法的程序员。可他们和AI的故事却为我们提供了一个新的视角：人工智能的落地应用不只是让大厂的程序员们走进生产车间，还要让一群懂行业、有经验、懂痛点的人学会使用人工智能。
隐藏在三位主人公背后的EasyDL大抵就在做后一种事情，希望AI的开发可以像使用家电一样简单，不必了解家电的内部构造和电路原理，只需要明白遥控器上的按键和对应的功能。
为了实现这一目标，百度EasyDL团队已经默默深耕了三年，并且经历了走向大规模应用落地的两个转折点：
第一个转折点是2017年下半年，EasyDL刚刚完成从0到1的上线过程，发现原本积压的、无法被满足的长尾定制需求，大部分已经有了被解决的可能，同时也看到了各行业涌现出大量AI定制化需求的潜力。
第二个转折点开始于2018年中期，EasyDL在功能上进行了大的版本升级，所支持的模型类型、数据和部署服务进一步完善，并且陆续在多个城市进行巡回演讲、交流活动，让越来越多的行业用户认识 EasyDL。
截止到目前，百度EasyDL上已经有超过70万开发者，覆盖了包括工业、农业、医