- 人工智能的场景时代，未来用户将能切身感觉

此外，高精地图的精度、多元传感器的融合、机器模型判断等方面均有待突破。“这件事想起来就很复杂，更何况真正去开发，在这个过程中必然会有许多陷阱。”向阳指出。

尽管困难重重，但无人驾驶行业至少拥有了相对公认的量产时间点。与之相比，无论医疗影像、智能语音还是智能城市，目前都很难有一个明确商业化节点。

“从技术上而言，当前多人对话等场景下的语音识别率很高，但距离实际应用仍有差距，智能语音在质检等方面拥有很好应用，但尚未达到百分之百的识别率。”前述科大讯飞人士告诉21世纪经济报道记者，“包括各种方言的识别，一定程度上会涉及投入产出比不足及性价比问题，这些都是技术企业需要继续努力的地方。”

医疗影像的困难之处则更多在于数据。“医疗影像资料的标注需要权威性，需要专家的参与，而专家的门槛相当高，导致这一块成本巨大。”向阳表示，“此外医疗数据孤岛现象严重，这一块需要医疗协会、企业、机构多方配合完成。”

智能城市方面，李京梅向21世纪经济报道记者直言，一些行业痛点在所难免。“一方面是数据的共通性，另一方面则是数据质量的保障，不同机构的数据格式规范与标准不一，其中还间杂老旧数据。另外数据共享也是问题，技术上的保障问题还需要在未来业务中持续面对。”李京梅表示。

罗兰贝格大中华区全球合伙人江浩则告诉21世纪经济报道记者，智慧城市的应用层及解决方案因其复杂性，需要多家企业配合、共同参与。“智慧交通、智慧医疗、智慧教育、智能楼宇等，诸多行业都需要具体的、可落地的解决方案，没有任何一家企业可以‘一统江湖’。”