从实验室走向大规模商用，人工智能还需要多久?尚存在哪些“堵点”“痛点”?在许多业内专家看来，正视人工智能尚存在的诸多挑战，对技术赋能抱有理性期待，方能让其回归技术本质，成为更多产业变革创新的动力源泉。
尽管中国人工智能产业在应用层已经在很多领域处于世界领先地位，但从基础软件和基础硬件上看，美国的技术体制和相关的大型企业占据主导地位。中国人工智能产业主要的问题是要补齐基础软件的能力。
2020年突如其来的新冠疫情，让保险业电销业务、客户服务等活动的开展都深受影响，加上大部分企业的数字化能力薄弱，不少保险企业用传统方式难以正常推进业务。
机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。
自人工智能发展早期以来，科学家们就一直梦想着创造出能够“观察”真实世界的计算机。考虑到人类社会对于视频要素的高度依赖，以代码形式实现计算机视觉自然成为人工智能不能回避的核心课题之一。
人工智能不断证明它有能力减少人工劳动，加快创新，改善客户服务。人工智能工具，如虚拟座席和座席助理，现在可以在有限的人工干预下可靠地执行呼叫中心的关键任务。
