人工智能应用场景的界定与开发

李梦薇，徐 峰，高 芳

(中国科学技术信息研究所，北京 100038)

0 引言

人工智能发展的第一个黄金时期是1956—1974年，这18年间符号主义盛行，人工智能这门新技术诞生并获得快速发展，但技术瓶颈难以突破。第二次浪潮是20世纪80年代后，初步产业化开始启动，但成本问题为其推广应用带来障碍。当前所处的第三次人工智能发展浪潮是21世纪以来出现的，人工智能在信息环境和数据基础的深刻变革下，从学术牵引式发展迅速转变为应用驱动式发展，又可称为 “场景驱动式”发展。一方面，人工智能技术的快速迭代升级推动着人工智能应用场景的快速落地。快速发展的人工智能技术对传统技术产品、行业等形成全面颠覆效应，形成全新生产范式和研发组织形态，催生全新产业、赋能传统产业，重构现有产业体系，推动着应用场景的升级。另一方面，场景的深度融合将成为人工智能的新引擎。人工智能由数据技术驱动转为场景驱动，它基于智能载体及大数据，需要技术与场景深度融合才能创造价值。姜姝姝[1]将技术、数据和场景描述为人工智能的关键驱动因素，指出若只有技术和数据但缺乏场景，则技术与数据都不具备商业价值。场景的快速落地极大地助推了技术的升级迭代，在此过程中，场景的开发成为人工智能技术落地最核心的内容，尤其是2019年底新冠疫情暴发，疫情场景更是快速推动了人工智能技术进步与应用的落地。疫情防治场景中，人工智能在新冠病毒RNA分析、社区居民快速排查等方面有了快速应用，推动着技术的快速发展。

虽然人工智能应用场景正在快速落地，但学界对人工智能应用场景的研究并不多。现有的对人工智能应用场景的研究基本分为以下两类：

第一类是探讨将人工智能技术引入传统场景后的变化，重点探讨出现的问题与解决方案。齐延平[2]探讨了人工智能时代法律场景的变迁，指出 “人-人”关系模式转化为 “人-技术-人”关系模式，催生新的社会结构形成,法律场景发生深刻变化；陈兵[3]探讨了人工智能场景下消费者保护理论的反思与重构，指出人工智能技术的开发和利用对传统经济的生产组织结构和日常交易模式产生了颠覆性影响；颜佳华等[4]在人工智能应用场景的背景下审视技术责任，构建了人工智能应用场景下的公共行政技术责任体系；张觅彦[5]探究了人工智能与侦查破案结合的应用场景，包括审讯、视频监控等。

第二类是对某一细分领域的人工智能应用场景进行刻画，主要回答 “该人工智能应用场景是如何设计开发的、运用哪些技术、有怎样的应用”。何开宇[6]从开展个性化营销、创新客户沟通方式、投资决策支持工具、智能银行助手等方面研究国外银行开展人工智能应用的创新案例；马奔等[7]分析了多项人工智能技术在金融领域可能出现的应用场景及这些场景当前的发展状况；李华君等[8]指出人工智能革命是一次场景革命，以用户体验视角从用户端的场景出发,论证人工智能在数字出版领域的场景感知和场景生产中的创新应用；陈小平[9]提出封闭性准则，以判断场景中的应用是否是现有人工智能技术能够解决的；斯坦福大学AI100报告中描绘了 “人工智能 + 医疗”等应用场景，包括医疗分析、医疗机器人、数字医疗、老年护理等[10]；宋颖昌[11]描绘了人工智能应用于工业互联网平台的设备层、边缘层、平台层、应用层的四类应用场景，例如设备层的人机智能化交互、生产协同化运作，边缘层的智能传感网络、噪声数据处理，应用层的预测性维护、生产工艺优化、辅助研发设计等；高峰等[12]分析了智慧教育场景的具体应用；季成等[13]介绍了智能银行的几个重点场景。

综上可见，人工智能应用场景的学理研究基础不足，尚未形成一个系统的认知。如何规范地定义和描述人工智能应用场景，选择怎样的人工智能应用场景来优先进行开发设计，成为当前推进人工智能应用最迫切的问题。基于此，本文主要通过文献调研与总结归纳的方法，回答以下四个问题：①人工智能应用场景应如何定义？②人工智能应用场景有哪些特征？③人工智能应用场景和其他应用场景有什么不同？④开发价值较高 (可以建议被优先开发)的应用场景是什么？通过回答这四个问题，本文厘清了人工智能应用场景的边界与开发设计框架，以期更好地推动人工智能应用场景的落地与发展。

1 场景的提出与发展

“场景”的概念最初是指影视、戏剧及文学艺术作品中的场面、画面，是社会学、传播学领域的重要研究范畴。场景概念主要经历了Situation、Scene、Context、Scenario四种提法。

Situation的提法出自20世纪50年代戈夫曼的社会拟剧理论，他将社会比作舞台，认为场景就是教室、咖啡馆等物理隔离地点的空间概念，是在建筑物等有形界限内进行的有组织的社会生活[14]。这个场景概念侧重于研究社会环境变化对人的行为的影响 (即咖啡馆等不同空间环境造就不同的人的行为)。之后，约书亚·梅罗维茨在20世纪80年代基于戈夫曼的场景概念，引入 “信息获取模式”——由媒介信息所营造的行为与心理的环境氛围，提出 “媒介场景理论”。该场景概念超出了单纯的空间概念，成为一种信息系统概念，强调由地点和媒介共同构筑的交往和信息传播模型，即 “新媒介—新场景—新行为”[15]，将场景划分为 “作为文化环境”的媒介场景与 “作为内容”的具体场景。正因如此，有些国内学者将梅罗维茨的Situation译为 “情境”。李哲[16]延续了这种Situation的提法，认为社会场景和人密切相关，构成了人们生活和行动的范围，不同的社会场景有不同的规则和角色，对场景的思考能帮助人们解决行为问题。由此可以看到，场景的Situation提法更强调环境与媒介。

场景的Scene提法是以特里·克拉克和丹尼尔·西尔为首的新芝加哥学派根据场景在电影中的应用发展而来，Scene最初指的是对白、场地、音乐、演员等影片希望传递给观众的信息及由此表达的感觉，具备一定的情感色彩。克拉克团队在《场景：空间品质如何塑造社会生活》[17]中解释了三重Scene的含义：一是强调人们对特定活动的共同兴趣，如登山场景；二是强调特定地点的特质，如典型的社区或城市；三是某个地点的美学意义，包括不同地点给人们的不同感觉。克拉克团队由此提出场景理论 (第一个分析文化风格和美学特征对城市发展作用的理论工具)，从消费角度来解释后工业城市发展的经济社会现象，不仅研究消费活动本身，还着重研究消费的社会组织形态[18]。徐晓林等[19]认为，对场景的研究应基于特定群体，研究的前提是观察探究其在一定环境、设施条件下的消费。由此可见，场景的Scene提法更强调消费者 (场景中的不同人)。

场景的Context提法由Situation演进而来，是基于信息技术发展的背景。卡斯特以 “电子别墅里的日常生活”[20]来形容被新信息技术深度侵入的生活场景。斯考伯等人则意识到，梅罗维茨虽区分了媒介场景与具体场景，但难以解释互联网时代现实与虚拟、公域与私域等诸多场景的重叠耦合；媒介革新的本质是技术的发展，互联网时代的场景应该是基于新的应用技术并由此营造的一种 “在场感”。因此，斯考伯等在《即将到来的场景时代》 (Age of Context:Mobile,Sensors,Data and the Future of Privacy)中，将 “电子别墅”的世界进一步概括为 “场景时代”，并预判互联网时代进入了场景时代。斯考伯使用的场景概念即Context，本质上有 “发生于其中的关系”之意。德国社会学家库克里克提出 “微粒社会” (The Granular Society)[21]的概念来描绘这种数字化的应用场景，指出人类和人类社会因高度的数字化而更加透明， “颗粒度”更加细微清晰。此后，场景成为互联网时代商业及传播界流行语，场景不再限于可感知的物理空间，而更多地来自与网络空间连接的多维度信息流[22]。显然，场景的Context提法更关注技术的影响，将基于空间、技术的 “硬要素”和基于行为、心理的 “软要素”结合起来。

需要注意的是，除了以上三个常见表达外，Scenario一词也用于描述场景，但常见于描述人机交互的落地应用场景。Scenario本身是对未来可能采取的行动或发生的事件进行的描述，但其描绘的场景实际包含在Context中。事实上，Context能更广泛地代表场景的技术特性并统摄数字化时代的场景概念，因而可囊括 Scenario在技术应用环节上与场景有关之意。当前，人工智能应用场景的概念演进路径正是Situation → Context路径。

夏蜀对数字化时代的场景概念进行了再定义[23]，认为场景是物质空间与信息空间通过数字技术进行相互连接、切换与融合，进而实现人-机-物互动交流的场域，场域中的物品、时空环境、数字生态、人、文化情感构成场景的五个要素。2015年Simon等的ITSC会议论文[24]描述了Scene、Situation和Scenario这三个场景在自动驾驶领域的含义：Scene可以看作是原始数据采集的全部场景信息，Situation可以看作是从Scene中抽取的对于主车驾驶行为相关的场景，而Scenario则由一连串的Scene组成，这对剖析人工智能应用场景有很强的借鉴意义。

2 人工智能应用场景的概念界定与特征提取

2.1 场景

本文对场景的界定更多地参考了自动驾驶中Scene的界定。Geyer[25]等认为，Scene是由周围的静态环境、动态元素和可选的驾驶指令构成的，并且是从一个Scene的结束或者一个预先设定的Scene结束后开始的，即Scene是一个动态过程，需要持续一段时间。但是，这样的界定很难确定下一个Scene什么时间开始、什么时间结束，需要持续多长时间，也没有明确一个预先设定的Scene与一般的Scene有什么区别。Simon更倾向于将Scene理解为一个描述环境状态和元素自我状态的快照，这种状态同样包括短暂的时间概念，比如车辆正在超车或者被前车阻挡，这种状态也是Scene的内容。Simon对Scene的定义是： “场景描述了环境的快照，包括风景和动态元素，以及所有参与者和观察者的自我表现，以及这些实体之间的关系。”在真实场景中，场景观察者总是从主观的视角去观察周边环境，即使多个场景观察者共享信息也不会生成对于环境描述的客观信息，而仅仅是多角度信息的融合。因此，场景中的参与者只能尽量使用感知模块去完全并准确感知周围环境信息，而无法做到对于Scene全部信息的获取。而在仿真世界中，从一个全知的视角去看，则可以获知一个Scene的全部信息。Simon指出，一系列的Scenes可以组成一个整体的Scenario (Context)。

综合前文对场景发展脉络的梳理，以及场景的Situation、Scene和Context提法，本文定义的场景是人与物质空间、信息空间等环境要素的连接、匹配、组合，进而实现人-机-物互动交流的场域，环境与人是场景的两大构成要素。一方面，场景可以支持人的某些行为，例如楼梯做成螺旋上升是为了方便人上下楼；另一方面，场景也可以限制人的某些行为，例如人们普遍认为成年人坐在楼梯上不得体，因而成年人用楼梯上下楼，而不用它去休息。当时空变迀，人们要么创造新的场景，要么就再现、重建某些过去的场景，例如年复一年的节庆民俗、代代传承的礼仪规范等，人们在这些场景中演绎共同的行为，社会因而得以延续。

2.2 应用场景

应用场景，顾名思义，即 “应用时出现的场景”，是一个应用 (通常为要开发的产品)被使用的时候，用户 (消费者) “最可能的”所处场景。在场景基础上除了强调媒介，还加入了技术这一要素，与Context更为接近。应用场景是各种技术和环境要素的连接、匹配、组合，是人与环境之间的实践性关系的数字化记录。因而在描绘应用场景时，环境 (时间、空间)、人 (用户或消费者)、技术三个要素都应在考虑之列。同一种技术在不同场景中进行应用，从而构成不同的应用场景，这种通过连接、匹配、组合产生的结果的多样性也为生活的个性化提供了可能。

夏蜀提出，连接、社群、数据是应用场景的三个核心要素[23]，这三个要素可以分别对应场景的Situation、Scene和Context三种提法。连接重构了场景 (Situation)的时空与环境，例如，互联网实现了人与人、人与设备的广泛连接，物联网连同5G、人工智能等技术实现了所有人、物、信息 (数据)，以及所有环节、过程、时空节点的连接[26]。此外，这种数字时代移动互联网和AR/VR的连接，还诞生出虚拟性场景和现实增强性场景，使得无限丰富的交互式应用场景不断产生。社群即参与的用户群体或消费者群体，它丰富着场景 (Scene)的文化和情感。正如克拉克所指的场景 (Scenes)，社群为新的消费文化生成、流行提供了重要空间。数据决定场景 (Context)的宽度和深度。舍恩伯格等认为[27]，世界本质上是由数据构成，而场景本质上也是由数据构成的，一切场景都可以被数字技术所识别、储存、传输和计算，人、环境、信息在场景中的互动由此也化为数据的流动。

在描绘应用场景时，往往可以归纳出 “在什么样的时间或者空间 (环境)，什么样的用户或消费者 (人)，用哪种技术、哪种应用 (物)，出现了什么行为”的描述方式。以家用洗衣机的应用场景为例，可以归纳为 “每天清晨 (时间)、在家里 (地点)、妈妈 (哪种人)、打开洗衣机 (用哪种应用)洗衣服 (何种行为)”。而在开发设计时，必然会根据归纳出的这些应用场景的要素来考虑，例如，由于地点是在家里，所以家用洗衣机的型号需要有大有小，以和不同的家庭洗衣房匹配，确保不同的洗衣房都可以放得下相应的洗衣机；由于使用时间是清晨，所以家用洗衣机设计时要尽量降噪、追求无噪声，以免干扰其他家庭成员的作息；由于使用者是妈妈，即家庭女主人，因此设计时要考虑女主人取衣服时喜欢弯腰拿还是掀盖拿，也就是洗衣机的入口在上面还是侧面、高度如何。对这些要素的考虑也正是界定人工智能应用场景、提取其要素特征的意义，即为人工智能应用场景的设计提供思考的框架与维度，以期为设计提供便利。

2.3 人工智能

人工智能是漫长科学技术发展史的必然产物。莱布尼茨 (G.W.Leibniz)的万能符号和推理计算思想、布尔 (C.Boole)对于使思维规律形式化并实现机械化的努力、图灵 (A.M.Turing)提出的理想计算机的数学模型 (1936年，图灵机)、麦克洛奇 (W.McCulloch)与匹兹 (W.Pitts)建成的第一个神经网络模型 (1943年，M-P模型)、阿塔纳索夫 (Atanasoff)和其研究生贝瑞 (Berry)开发的世界上第一台电子计算机 (1937-1941年，阿塔纳索夫-贝瑞计算机)等，这些标志性成就都奠定了人工智能概念的诞生基础。

1950年，英国著名数学家图灵发表了划时代的论文《机器会思考吗？》，探讨创造具备真正智能的机器的可能性。1956年，麦卡锡、明斯基、洛切斯特、香农等在美国达特茅斯大学组织了一场两个月的学术研讨会，麦卡锡在会上首次提出人工智能 (Artificial Intelligence，AI)的概念，其后历经逻辑推理、专家系统、神经网络、深度学习等几个重要阶段[28]。 “人工”强调是由人创造的机器或系统， “智能”通常指人类自身的智能 (类人智能，如感知与识别、认知智能、运动智能)，也包括其他人造系统的智能，如机器人的运动。人工智能是人工制造出来的机器，用以对人的思维、认知、意识功能进行模拟。

结合前文对应用场景的界定，本文同样定义人工智能为一种产品 (应用)，即从应用的角度来看，人工智能是让机器模拟人类的思维,从而执行学习、推理等工作的一种智能型的、社会化的产品。

2.4 人工智能应用场景

人工智能应用场景就是人工智能这个 “应用”被使用、执行时所处的场景，它的基本组成要素包括时间、空间、人以及某种人工智能的应用，可以划分为环境、人、技术三个维度。

人工智能应用场景本身是一种高技术的场景，结合Context提法，这种场景与人是有交互性的，而且人工智能产品本身会随着时空、使用者等因素的变化而变化，是一种动态调整的应用场景，不像家用洗衣机洗衣服那样相对静态。德勒兹及奈格里、哈特等学者都注意到这一高技术的、信息化的特点，并从批判的角度将这种高技术应用场景遍布的社会称为 “控制社会”，即环境、人、产品 (技术产品)是相互的，人类所处的环境不再像传统场景中那样仅仅是一个客观存在，人类可以对环境进行选择和改造甚至创造。这种高技术型的应用场景通过对一种智能型的、社会化产品的运作或协作、产品-用户之间的交流，最终让人的需求得到满足。

结合前文的归纳总结，本文界定人工智能的应用场景由技术、环境、人三个维度的要素组成，是指人与具有人工智能的机器之间，基于人工智能等信息技术，融合实现智能型的 “超链接”，并通过人与人工智能的交互关系构成的智能化、社会化的产品所处的动态调整的场域。人工智能应用场景的特征既要有人工智能的特点，又要具备应用场景的特点，即智能化、替代性发挥人的主体性、交互性以及集成化 (见图1)。

图1 人工智能应用场景的判断特征

一是智能化和替代性。这个特征由该应用场景是 “人工智能”的应用场景所决定，因而要求场域中的机器在面对不同的环境或问题时，可以进行思考决策、做出反应，并且可以一定程度上替代人。例如，智能驾驶汽车应用场景中的汽车要具备遇到路障时自动绕行的 “智能”，可以替代驾驶员的一部分工作；智慧教育应用场景中的 “机器教师”要具备针对不同学生的学习情况做出批改和提出提升建议的 “智能”，可以替代人类教师的一部分工作。

二是交互性，即 “超链接”。这个特征基于过去场景定义中的 “连接”特性，进而在人工智能技术背景下，要求人工智能应用场景需要具备人与人工智能产品的交互。人工智能应用场景要求人与机器之间可智慧性沟通，是一种虚拟与现实融合的场景，人在这种场景中成为线下与线上融合一体的 “半虚拟人”，其活动、环境和接受的服务都可以被数字化记录和表达，这种高技术的 “超链接”是人工智能应用场景实现的前提。例如，Siri等智能语音助手、智能客服通过与人的交互，来解决用户的不同需求。

三是集成化。这个特征源自场景的Context提法，要求具备成熟的技术基础和充足的数据基础。成熟的技术决定人与环境、人工智能产品的 “超链接”顺利进行，数据则决定人工智能这个产品的能力范畴以及解决问题的广度和深度。当技术高度成熟、数据足够充足时，人工智能这个产品才能在人类的应用下发挥最大价值，使得该人工智能的应用场景走向成熟。因此，在做出应用场景判断时，有如下充要条件成立：智能化+替代性+交互性+集成化↔人工智能应用场景。即从特征来刻画，人工智能应用场景是基于成熟的技术和充足的数据，以某一明确需求为出发点，实现人与机器的 “超链接”，与人产生交互性，并最终替代性发挥人的主体性。

基于上述条件，本文认为，一个应用场景必须满足该充要条件，方可判定为人工智能应用场景。四个特征缺一不可。例如，工厂的机械臂虽然也是机器，也基于较为成熟的技术和数据基础，并替代了一部分流水线工人的工作，但机械臂不仅与人、环境的交互性极弱，而且行为是事前设定，难以对突发问题做出判断，仅为一个动作的机械性重复，并不具备 “智能”，因而不能认定为人工智能的应用场景。只有当机械臂可以根据人的需求，主动提供产品的加工处理方案并去执行，并在流水线发生突发情况后预警甚至处理，才可以认定为人工智能应用场景，否则就只是简单替代人的基础、重复性工作，是比较单一的自动化。反观智能驾驶场景，则具备以上四个必要特征。智能驾驶必然需要成熟的技术和充足的数据基础，即集成化；智能驾驶需要实时采集车内外的环境数据来进行识别侦测、发现危险，即网络化；发现危险或紧急情况则向驾驶员预警，即智能化；替代驾驶员的一部分工作，即替代性。

3 人工智能应用场景的开发价值分析

当前的人工智能应用场景，一部分已经相对落地，一部分在发展之中，还有相当一部分是基于未来的需求，需要我们开发设计。基于场景设计的思想最早由Carroll提出，该思想强调将设计工作的焦点从定义系统的操作转变为描述什么人将使用该系统去完成某任务[29]，即以需求为切入点进行分析。本文从这一思想入手，探究未开发或未成熟的人工智能应用场景的开发设计的规范化路径，以期将人工智能应用场景的开发设计进行学术化与规范化，推动行业的良性发展。

在整个应用场景驱动人工智能发展的过程中，场景的开发设计逐渐成为人工智能技术落地最核心的一个内容。越来越多的研究者意识到，一个产品没有应用场景或应用场景很模糊是一件很可怕的事情，说明设计者不知道用户会在什么时候、基于什么原因去使用自己的产品，也不确定自己开发出的产品是否真正 “有价值”。新的人工智能应用场景的发掘为产业寻找新的发展机会，为行业生产能力和服务效率的提升、可创造出的价值的增值提供空间。迎接人工智能时代的到来，发掘未来开发的人工智能应用场景恰恰也是创造新的用户流量入口、开发新的经济引擎、推动整个人工智能行业进入 “研究开发—落地实现—价值增值—研究开发”的正向循环的必备条件。

在资源有限的情况下，确定最佳人工智能应用场景的开发方向将节约时间和人力物力成本。这种优先开发的人工智能应用场景既要求所需要的人工智能技术较为成熟，即技术上要求的智能化、交互性、集成化 (技术高度成熟、数据足够充足)；又要求该场景所需的环境 “准备就绪”，即在推广应用层面要综合考虑基础设施的普及性和业务需求的迫切性，以及哪种方案更符合经济性。考虑到人工智能应用场景的三大组成要素——人、技术、环境，在这一过程中，三方面的指标可以成为选择优先开发的人工智能应用场景的基本评判标准。

3.1 人——需求的迫切性、产品的差异化

人工智能应用场景由人开发、为人服务，其最终目的是替代一部分人的角色、帮助人类生活得更美好。因此，一个人工智能应用场景的开发设计首先要来自于人的需求，开发后也同样需要人的个性化反馈来实现场景的改良升级，最终完成这种经济的、差异化场景的落地推广。

(1)需求的迫切性。人的需求繁多，但在资源有限的前提下，识别出当前需求较为迫切的场景才是应重点研发的场景。这既要考虑需求人群的广度，即场景开发落地后的市场是否广阔；又要考虑需求的深度，即其他场景难以或不能较好地解决该需求、该需求属于刚性需求。

(2)产品的差异化。互联网产品的不断迭代发展对个性化提出越来越高的追求，应用场景的价值不再单纯体现在 “用户 (消费者)的停留时间”，而是让每个个体变成诉求可以得到独特回应的 “主角”。一个有效的人工智能应用场景也因此应该是 “差异化”的，而不是 “一物多用”，这是因为人类之所以使用人工智能，就在于其最终有可能像真正的人类一样，可以针对性地提供服务、针对性地解决问题，而不是机械地执行既定任务。因此，能做到差异化，或者说针对性的人工智能，才是成功的人工智能应用。例如，如果语音识别功能仅仅被用于人机对话，那它并不是很成功；但如果这项语音识别功能不仅能机械地根据关键词回答用户的提问，而且能给出针对性的建议——人工智能教师告诉你该重点学习什么 (科大讯飞)，人工智能医生或导诊根据你提供的病情描述来告诉你应该去哪个诊室、日常生活中如何对症下药——这才是一个有效的、成功的应用场景。因此，一个好的人工智能应用场景应当让用户完成自我表达、满足个性化需求，并得到用户的认同。

3.2 技术——可行性、经济性

技术基础是人工智能应用场景开发落地的前提,人的需求被挖掘后，要考虑是否具备相关技术、该技术能否实现所需场景、场景的实现是否具备经济性。

(1)可行性。人工智能技术并非新事物，却在过去的两三年集中爆发，其关键原因就在于今天对语音、图像、视频有了更加信息化的处理技术，在各个环节具备了更强的技术储备，这种成熟的技术是人工智能应用场景得以落地的基础。在考虑技术方面的因素时，首先要明确是否具备相关技术，其次要研判该技术是否成熟，最后确定所选择的技术能否实现即将开发的人工智能应用场景。

(2)经济性。经济性既要考虑技术开发的收益是否大于技术开发的成本，也要考虑场景开发落地后的收益是否高于场景开发设计的成本，这往往是在与传统场景的对比中体现。事实上，除了开发新场景外，将传统场景升级为人工智能应用场景，也是人工智能应用场景开发设计的重要途径。决定是否进行场景升级，需要对升级的 “经济性”进行判断。

假设原场景的实现成本为C1(人工成本、设备成本、营销成本等)，新人工智能应用场景的实现成本为C2(包括发展人工智能技术的技术开发成本C21、设备成本C22、可能的维护成本C23、熟悉新技术并稳定应用的时间成本C24等，当技术应用非常广泛时，认为开发成本C21极小)，用户满意度带来的品牌忠诚及用户自身舒适性提升所带来的 “精神收益”为抽象收益V1，则C1-C2+V1便是这一人工智能应用场景的 “价值”，我们定义为V。这其中既包含因技术替代所节省的人力资源、设备购买及维护费用，也包含因新概念引发消费者兴趣、进而促进营销所带来的收益，更包含用户体验提升所带来的一系列抽象收益。只有当V是一个显著大于0的值时，这一人工智能应用场景的开发才是真正有价值、符合经济性的。

3.3 环境——数据、设施等基础环境就绪

除了技术方面的成熟外，还需要具备环境基础，人工智能应用场景的开发设计才有可能水到渠成。

决定人工智能应用落地的环境因素有三，一是具备海量高质量的数据基础，为技术的训练、场景的升级提供 “养分”；二是具备普及性高、便于人工智能应用场景落地实现的基础设施，从而确保场景顺利落地推广；三是具备有效的人工智能人才培养机制，使得场景的开发落地可持续。

3.4 人工智能应用场景的开发设计过程

结合人工智能应用场景开发设计时需要考虑的要素，本文经过归纳分析后提出，一个人工智能应用场景的开发设计应遵循以下步骤 (见图2)。

图2 人工智能场景开发设计过程

(1)场景发掘。通过对已有技术的判断及重点需求的研判生成市场需求，为后续的人工智能应用场景设计做准备。

(2)场景生成。基于已生成的需求进行设计，并选择对应技术与之融合，从而达成技术层面的初步实现，即完成该人工智能应用场景的 “可行性”。

(3)场景实现。需求被技术实现后，需要通过技术优化和条件改良 (包括设备、环境等物质条件)实现工程化，这一步是人工智能应用落地的关键环节，确保该人工智能应用场景的 “经济性”。

(4)场景应用。商业化使该应用从实验室走向市场，使用者提供的反馈则帮助应用不断优化，从而实现市场化。至此，人工智能应用场景的价值性基本得到完整体现。

(5)场景成熟。市场化后的应用若升级至产业化乃至最终的国际化，无疑将为开发设计者带来更为巨大的收益。从开发者视角而言，这一步是一个人工智能应用场景自发掘以来最理想的目标。

4 总结与展望

国内外已纷纷采取措施，加快推动人工智能应用场景的发展。科技部先后支持北京市、上海市、天津市、深圳市、杭州市、合肥市、德清县等11个县市建设国家新一代人工智能创新发展试验区，这些试验区围绕本地区经济社会发展需求，依托地方开展人工智能技术示范、政策试验和社会实验，推进人工智能新技术、新产品、新模式在试验区率先落地应用；美国、德国、韩国等国家也先后成立专门机构、推出政策措施支持人工智能应用场景开发。例如，美国国防部创新实验小组 (DIUx)负责在全美各地发现科创企业在人工智能领域的创新应用，司法部 (DOJ)下的司法研究所 (NIJ)正在资助一些研发项目，将人工智能应用于减少犯罪和促进司法。

本文通过文献梳理与总结归纳，以人工智能应用场景这个概念本身作为研究对象，将场景、应用场景与人工智能应用场景分别进行严格定义，抽取人工智能应用场景 “人、环境、技术”三个维度的组成要素，描述人工智能应用场景的智能化、替代性发挥人的主体性、交互性以及集成化等特征，并论证四个特征是判断是否为人工智能应用场景的充要条件。基于 “人-环境-技术”框架，进一步分析设计人工智能应用场景通用的开发路径，从三个维度设计人工智能应用场景优先开发设计的评判标准，为场景的开发设计提供科学的思路与框架。在未来的研究中，拟基于此框架聚焦具体的人工智能应用场景，选择智能医疗、智能物流等典型人工智能应用场景，验证本研究中的定义及特征描述框架的合理性，从 “人、环境、技术”三个维度探讨不同人工智能应用场景在开发设计、落地推广过程中存在哪些瓶颈制约，从而描绘这些人工智能应用场景的未来发展趋势。