绝大部分人联想到人工智能，应该首先会想到北京、深圳、杭州的互联网和 AI 公司，或者知名院校里的 AI 实验室。总而言之，AI 在一线大城市。
曾几何时，我们也这么认为。AI 应该是资本、顶级院校、高科技公司的游戏，关注这个领域的也更多是相关专业学生、互联网白领和技术从业者。但当我们真正去了一些三四线城市的企业和机关单位探访 AI，却发现并非如此。
大同周边的某个大型煤矿，是我们寻访 AI 落地的第一站。矿厂的智能选煤和井下智能化作业是我们的主要拍摄对象。但这次拍摄让团队印象更深刻的是遇到的人。
陈工是我们在矿山遇到的一位工程师，他的本职工作并不是 IT、信息化相关。但得知我们是 AI 领域的自媒体后，他跟我们侃侃而谈对国内 AI 产业的认识，甚至对各个厂商推出的 AI 开发工具了如指掌。比如他就跟我们聊到，自己对比过百度 EasyDL 和华为的 ModelArts，尝试用他们做了一些煤矿场景的 AI 模型，并且知道这些工具的接口和操作有什么不同。当时就给我们惊到了。说实话，很多互联网公司的 CTO、CIO 是不是了解到这一层我都持保留态度。远在山西煤矿中的非 IT 岗位工程师，其实已经想过并试过 AI 了。
这趟旅行还遇到一位让我们感慨颇深的人。负责接待我们的工作人员中有一位小伙子。他跟我们聊煤矿智能化的进程，说他把煤矿智能化总结成三个阶段：先是人操作机器，然后是人盯着机器，最后是机器干活人歇着 —— 总之聊了很多。
我们最初以为他是 IT、数字化方面的工作人员，结果得知他是矿里的摄影师，这些东西都是他自己平时琢磨出来的。他说自己就出生长大在矿区，智能化的对矿山的改变他是真切看在眼里的。这些技术其实已经改变了矿山的很多人。
还有一个小插曲。在矿山等待下矿的时候，我们跟保安室的大哥聊了聊。得知我们是科技自媒体后，大哥马上问我们几个灵魂问题：华为到底怎么样了?华为是不是世界第一?其实他也说不上来到底想问华为是什么领域的第一。但那种对中国科技的期待和自豪，是如此简单且生动。
这趟煤矿之行，不光让我们对 AI 与行业结合有了新的感觉，更理解了为什么刘慈欣能在电厂写出《三体》。
在泉州拍摄某水厂的智能化案例时，也遇到了一位让人印象深刻的朋友。当时负责接待媒体的是 1997 年的男孩小夏。他也不是技术人员，而是水厂党政方面的专员。但他被厂里普遍认可是位“大拿”。面对八九家突然到访的媒体，临时接到通知负责讲解的小夏应答如流，对智能化技术、一线生产、水厂的历史如数家珍，还给我们看手机上他自己拍摄的一线作业情况，并且开车带我们到厂里拍摄参观。
提起到三四线城市事业单位工作的 95 后，你的第一印象是什么?是不是想到了躺平、内卷、小镇青年等等标签?小夏真的是击碎了我们一些刻板印象。他表现出的综合能力和工作热情，以及对技术变化的了解，或许可以说是中国发展智能化的一个侧写。
走访了很多案例之后，会发现无论南北，不分城乡，老百姓对 5G、AI、科技强国这些概念的认知和了解是远超想象的。甚至于说，三四线城市对技术变革的认可与热忱，不像一线城市有时候表现出的那种“过度理智客观”带来的冷漠。
你以为 AI 是一阵风口刮过去就算，但对于某个农场某个车间来说，可能是一场影响十年二十年的变化。
也希望更多朋友可以去关注一线城市以外，真实存在且生长的智能中国。机会在那里，人心也在那里。
尤其咱们这些坐在办公室，对着 word 和 PPT 指点江山的人，有时候是该跳出自己画的圈走走看看的。
困难既在意料中，也在意料外
智能化、数字化技术的落地容易吗?应该所有人的共识都是不容易。但到底不容易在哪里?这也是我们走访了很多案例后，反复认真思考的问题。
在宁波，我们结识了一家“IoT + 农业”领域的公司。提到做农业智能化的企业，应该第一感觉领导是男性。但这家公司的总裁却是一位和蔼可亲的大姐。张大姐带我们一起下到了水稻田里，给我们讲 AI + 稻田除虫的案例。她不仅长时间在农田工作，还在实验室扣各种细节，对数字化和编程也非常了解。
对于农业智能化，她跟我们聊了非常多很实在的看法和经历。比如，她们公司非常想做一个给养殖场的猪测体温的 AI 项目。在养殖场，猪发烧其实是非常大的麻烦。它被发现的几率很低，而一旦形成传染病就可能带来巨大损失。张大姐经常看一些报道，都在说什么“互联网大厂养猪”啊，“猪脸识别”啊，想来应该不难。
结果真的来了几家 AI 和科技公司的人，却发现根本没法操作。首先 AI 摄像机挂在工厂里没事，但挂在养殖场里蚊虫太多，设备经常卡住;同时，给人测体温的 AI 算法在猪身上却测不准，因为猪皮太厚了;另外，用来训练 AI + 猪体温监测模型的数据也不够，没有养殖场留存过大量猪体温高精数据。
说了好多年，做了很多事，听上去很厉害的 AI 技术，千算万算也没算过猪皮太厚这个问题 —— 这样的困难在真正的 AI 落地中比比皆是。但如果花费大量人力物力，调集专家解决这个问题，最后的收益却可能连专家工资都付不起。
拍摄过一些案例，走访了一些垂直领域的技术公司，会发现田间地头、街头巷尾的智能化需求无穷无尽。很多需求你不跟专业的人聊聊，可能永远都想不到。比如张大姐就跟我们说，她们公司正在推动一个用 AI 给牛称体重的项目。对于广大农户来说，散养的牛是家中一个重要收入，买卖之前过程非常重要。但要把牛放在秤上可难，需要专业的设备和人员。农户往往需要牵着牛走很远的路才能过一次秤。这就导致在乡间，很多时候给牛估算体重要依靠老师傅摸牛腿之类的方式。如果 AI 能解决这个问题，那会给农户带来实打实的价值。
这样的智能化需求，在中国特别多，也特别分散。发现问题和解决问题都不仅仅是技术的事情，而是需要不同领域的人、企业、平台，像多米诺骨牌一样推导和渗透过去。而首先，是需要各方面知道有这样一种关于智能的可能。
道阻且长，吾辈共勉。
走访了一些智能化案例之后，发现能够接待自媒体参观，愿意对外发声的企业，其实是有一些共性的。比如大多是新近十年规划的工程，并且在规划之初就考虑到了面向智能化、数字化的升级演进。但那些更老、更旧，缺乏智能化顶层设计和数字化基础设施的工厂、码头、矿山呢?这是一直萦绕在我们脑海中的未知。毕竟我们是希望拍摄智能化案例，那些还没有推动智能化的案例我们拍什么呢?但它们又是否需要智能化?答案恐怕是肯定的。
这让团队的小伙伴想到了欧洲和中国的对比。很多新的数字化、智能化技术在欧洲都难以推进，就是因为他们 IT 做得太早，如今基础设施能力已经跟不上了。但全面更新的成本又太高，最终只能选择一些保守的发展方案。如今这种情况在中国也已经出现，更新基础设施完全不如新建项目来得快和稳，并且也更容易得到各方支持。
根据我们比较片面的观察，面对这轮智能化浪潮，2000 年以前的工业化设施已经出现了明显的数字化鸿沟。但那些老工厂、老车间里的设备和人未来何在?这应该是一个必须回答，但又不好回答的问题。
还有一种 AI 落地的难题也经常能够见到。新上马的自动化、智能化设备往往需要大量时间学习。而对于已经比较熟练的产业工人来说，学习新技术还不如接着用老设备更顺手。智能化建设是一把手和 IT 主管的事，一线产业工人的配合度却是另一回事。一些案例里我们也会发现，工人对智能技术还比较陌生。一些智能设备的作用仅仅是摆放在那，只有检查和评比的时候才打开。
这种情况其实很容易理解，毕竟大家对若干年来的工作习惯是有依赖的。这可能需要企业和供应链长效、持续的配合。AI 落地需要的不仅仅是算法和软硬件，还需要人才培养、生态建设、管理变革等一系列辅助。
另外可能就想说说宣传了。这部分可能多少有点敏感，但我们的实际感受是，真的有很多案例和产业经验亟待普及。相关宣传足够充沛，AI 落地的门槛才能越来越低。
但真正在产业中应用智能技术的大多是传统行业、传统企业，其中又以大型政企居多。他们本身宣传诉求较低，也缺乏比较新颖的宣传手段;且宣传中的主要考量是不能出错，不愿意提及企业与行业的痛点。这种情况当然可以理解，但也确实导致很多有价值的产业智慧和经验“不出工厂大门”。
提起 AI，很多人会觉得没有用，价值不大，比较空洞，其实原因在于宣传。
这种情况下，宣传智能化经验的责任就来到了媒体和技术服务商这里。但媒体更多关注的是峰会和展会，抵达一线的机会很罕见;而技术服务商的业务和品牌工作是分开的。品牌公关的负责人，往往也没有亲临一线的机会。我们同科技企业一起探访一线案例时，经常发现科技公司这边的负责人感触比我们还深。
种种隔阂的存在，让原本有价值的智能化案例、行业智慧留在了产业深处。这是应该改变的事情，也是我们会继续努力的方向。
无声潮涨
在海边玩的时候，有时候会突然发现海水竟然涨上来这么高。在拍摄记录了一些案例之后，如果让我们描述对“智能中国”的第一印象，那应该是一场悄无声息的涨潮。
如果只在网上读一些智能化的报道和分析，你可能会觉得要么是官样文章，要么是企业软文，似乎都有点“样板房”的味道。但真正了解过一些案例，沟通过一些人之后，摸着良心说智能技术在中国的普及度是高于初始认知的。果园、农田、高速路口、小区物业，这些地方都可能已经具备了很完善的 AI 解决方案，并且真实服务于民生。不知不觉间我们已经身处水面以下，在无声息中感受着智能世界的压强。
智能技术没有多么神奇，也没有多么不堪，它只是一个不可逆的工业化过程而已。就像在很多企业中探访时，我们都会问企业管理者智能带来的最大改变是什么。得到最多的答案不是“提质增效”这类的套话，而是非常简单的一句话：人用得少了。
在一个水务相关的案例中，原本一个水泵站需要三到五个人看守，智能化之后两三个人可以看住一个城区的水泵站。这带来的改变当然很大。在煤矿中，负责人告诉我们“对于煤矿什么是安全?不下矿少下矿就是最大的安全”。智能技术就负责这件事，对于社会生产力它当然是好的，但对于个人来说恐怕就取决于你所处的位置了。
很多人面对 AI 都有两个好奇：一是 AI 复杂难用吗，二是 AI 会不会替代自己的工作。我们的实际探访经验是，大多数 AI 并不复杂，尤其对于产业工人来说并不比此前的设备更难。但 AI 确实会极大缩减很多岗位的用人需求。这也给这些职位上的人带来了选择题。
我们发现了一个有趣的现象：AI 到底是剥夺了人的价值，还是给人带来更多可能，很大程度上都取决于从业者自己。有些岗位在智能化之后很清闲，那么从业者就真的去享受清闲了;也有的工人心思很活络，去琢磨怎么发展，怎么创造更多价值。AI 把一些岗位从饱和的“流水线”式工作中解放了出来，既是一种取代，也是一个机会。
对于 AI 与人的关系，我们有个直观感受：AI 是一个全新的，跨领域的学习过程。
前文提到的张大姐，她们和宁波本地一所高校的张博士有“农业 + AI”方面的合作。张博士外表非常斯文，你绝对不会想到这样一位 AI 领域的学者，每天都要下到稻田里去查看 AI 捕虫灯。他如今已经对各种稻田里的害虫了如指掌。AI 落地的价值，就是靠技术专家双脚埋到泥土里去实现的。
智能中国，正在改变着太多人。流水线工人、矿工、企业主、博士、工程师、老年人、残疾人，这些角色都出现在我们这个小小的，不怎么成熟的节目里，这可能就表达了某种现实。
跟互联网革命的电闪雷鸣、刀光剑影不一样，我们发现智能中国的到来是无感的，不知不觉间的。但有一件事我们觉得极大概率会发生：今天看着 AI 干活和琢磨 AI 怎么干活的，将迎来不同的命运。
暗潮汹涌，其实更甚。
结束语：几幅画面
这半年的旅程，其实还有挺多内容值得分享。但这次总结就姑且到这吧，等记录了更多再考虑怎么发感慨。
最后有几个印象特别深刻的画面，想要送给大家。智能中国在哪里?智能中国可能就在这里：
一、上文提到的那位矿山的摄影师，他聊智能化三个阶段时的兴奋神情，很像是小男孩谈论变形金刚。
二、在某个智能化工厂的办公室，只有两位员工看着面前的屏幕。他们什么也不用做，他们只是 AI 算法背后的一重保障。
三、到宁波的那天下着雨。张博士带着我们和某科技大厂的 PR 去看田里的 AI 捕虫灯。一侧是稻田，一侧是乡村。当时的情形是，两边是中国的农民，中间是中国的科技企业和 AI 博士。(风辞远)
