人(ren)工(gong)智能(neng)是新(xin)(xin)一(yi)輪產業變革的核心驅(qu)動(dong)(dong)力，將進一(yi)步釋放歷次科技(ji)(ji)革命和產業變革積蓄(xu)的巨大(da)能(neng)量，并創造新(xin)(xin)的強(qiang)大(da)引擎，重構生(sheng)產、分配、交換、消(xiao)費等經濟(ji)活動(dong)(dong)各(ge)(ge)環節(jie)，形成(cheng)從宏觀(guan)到微觀(guan)各(ge)(ge)領域(yu)的智能(neng)化新(xin)(xin)需(xu)求，催生(sheng)新(xin)(xin)技(ji)(ji)術、新(xin)(xin)產品、新(xin)(xin)產業、新(xin)(xin)業態、新(xin)(xin)模(mo)式(shi)。人(ren)工(gong)智能(neng)正在與各(ge)(ge)行各(ge)(ge)業快速融合，助力傳(chuan)統行業轉型(xing)升級、提質增效(xiao)，在全球范圍內引發(fa)全新(xin)(xin)的產業浪潮(chao)。
人工智能作為國家戰略規劃發展迅猛
我國(guo)(guo)(guo)政府高度重(zhong)(zhong)視人(ren)工(gong)(gong)智(zhi)(zhi)能的技(ji)術進(jin)步與產(chan)業(ye)(ye)發(fa)展，人(ren)工(gong)(gong)智(zhi)(zhi)能已上升國(guo)(guo)(guo)家(jia)戰略。《新(xin)一(yi)代人(ren)工(gong)(gong)智(zhi)(zhi)能發(fa)展規劃(hua)》提出：到(dao) 2030 年(nian)人(ren)工(gong)(gong)智(zhi)(zhi)能理論、技(ji)術與應用(yong)總(zong)體達到(dao)世(shi)界(jie)領先水平(ping)，成為(wei)世(shi)界(jie)主要人(ren)工(gong)(gong)智(zhi)(zhi)能創新(xin)中心;《新(xin)一(yi)代AI產(chan)業(ye)(ye)發(fa)展三年(nian)行(xing)(xing)(xing)動計(ji)劃(hua)》表(biao)明：重(zhong)(zhong)點(dian)扶持神經網絡芯片(pian)，實現(xian)人(ren)工(gong)(gong)智(zhi)(zhi)能芯片(pian)在國(guo)(guo)(guo)內實現(xian)規模化應用(yong);《國(guo)(guo)(guo)家(jia)新(xin)一(yi)代人(ren)工(gong)(gong)智(zhi)(zhi)能標(biao)準體系(xi)建設指南(nan)》明確：到(dao)2023年(nian)，初(chu)步建立人(ren)工(gong)(gong)智(zhi)(zhi)能標(biao)準體系(xi)，重(zhong)(zhong)點(dian)研(yan)制數據、算法、系(xi)統等重(zhong)(zhong)點(dian)急需標(biao)準，并率先在制造、交通等重(zhong)(zhong)點(dian)行(xing)(xing)(xing)業(ye)(ye)和(he)領域進(jin)行(xing)(xing)(xing)推進(jin)。
現階段，各行業(ye)(ye)企業(ye)(ye)在(zai)改善(shan)價值(zhi)鏈、降本(ben)增效的內在(zai)需(xu)(xu)求驅動和人(ren)(ren)(ren)工(gong)智(zhi)(zhi)能(neng)(neng)(neng)被列入“新(xin)基建(jian)”的外在(zai)因(yin)素影(ying)響下，產(chan)生了多樣化的智(zhi)(zhi)能(neng)(neng)(neng)化轉型升級需(xu)(xu)求，對(dui)人(ren)(ren)(ren)工(gong)智(zhi)(zhi)能(neng)(neng)(neng)產(chan)業(ye)(ye)快速(su)發(fa)展提供動力。據統計(ji)，2020年中(zhong)國人(ren)(ren)(ren)工(gong)智(zhi)(zhi)能(neng)(neng)(neng)行業(ye)(ye)核(he)心(xin)產(chan)業(ye)(ye)市場(chang)規(gui)(gui)模為(wei)1513億元(yuan)(yuan)(yuan)，同(tong)(tong)比上漲38.93%，帶(dai)動相(xiang)關產(chan)業(ye)(ye)市場(chang)規(gui)(gui)模為(wei)5726億元(yuan)(yuan)(yuan)，同(tong)(tong)比上漲49.82%。在(zai)新(xin)產(chan)業(ye)(ye)、新(xin)業(ye)(ye)態(tai)、新(xin)商業(ye)(ye)模式經濟建(jian)設的大背景(jing)下，企業(ye)(ye)對(dui)AI的需(xu)(xu)求逐漸升溫，人(ren)(ren)(ren)工(gong)智(zhi)(zhi)能(neng)(neng)(neng)產(chan)值(zhi)的成長速(su)度令人(ren)(ren)(ren)矚目，預計(ji)到2025年人(ren)(ren)(ren)工(gong)智(zhi)(zhi)能(neng)(neng)(neng)核(he)心(xin)產(chan)業(ye)(ye)市場(chang)規(gui)(gui)模將(jiang)達到4533億元(yuan)(yuan)(yuan)，帶(dai)動相(xiang)關產(chan)業(ye)(ye)市場(chang)規(gui)(gui)模約為(wei)16648億元(yuan)(yuan)(yuan)。
人(ren)工智能(neng)應用落(luo)地3個層(ceng)級
人工智能的(de)(de)基礎(chu)理(li)論(lun)雖由來已久，但現(xian)階段推動新一(yi)代人工智能快速發(fa)展并逐(zhu)步(bu)落地產(chan)業(ye)應用的(de)(de)關鍵要素可歸結為計算(suan)能力的(de)(de)提升、數據爆發(fa)式增長、機器學(xue)習算(suan)法(fa)的(de)(de)進(jin)步(bu)以及(ji)投資力度的(de)(de)加(jia)大(da)四個(ge)方面。
人(ren)工智能產(chan)業(ye)鏈包(bao)(bao)括3個部分：基(ji)礎層(ceng)、技(ji)術層(ceng)和應用層(ceng)。基(ji)礎層(ceng)主要為人(ren)工智能基(ji)礎技(ji)術提供計(ji)算能力支持，包(bao)(bao)括AI芯片、AI平臺以及AI框(kuang)架，典型的大型互聯網公(gong)司和行業(ye)領頭公(gong)司主要有(you)谷歌、亞(ya)馬遜、英特爾、IBM、百度、華為等。
技(ji)術(shu)(shu)層(ceng)主(zhu)要(yao)是(shi)基于基礎層(ceng)設施進行開發后的通(tong)用(yong)性(xing)人工智能技(ji)術(shu)(shu)，是(shi)以認知(zhi)(zhi)與感知(zhi)(zhi)計算技(ji)術(shu)(shu)為代表(biao)的通(tong)用(yong)技(ji)術(shu)(shu)。其中，感知(zhi)(zhi)部(bu)分包括計算機視覺、語(yu)音(yin)識(shi)別和自然語(yu)言處理(li)等(deng)，認知(zhi)(zhi)部(bu)分以知(zhi)(zhi)識(shi)圖(tu)譜為主(zhu)要(yao)代表(biao)。
應(ying)(ying)用(yong)層以(yi)(yi)垂(chui)直行業(ye)的(de)AI應(ying)(ying)用(yong)型(xing)公司為主(zhu)，結合各(ge)行業(ye)應(ying)(ying)用(yong)，將人(ren)工(gong)智能通用(yong)技(ji)術封裝成為落地的(de)產(chan)品，包含具體(ti)應(ying)(ying)用(yong)場景的(de)端(duan)(duan)到端(duan)(duan)式解(jie)決方案以(yi)(yi)及軟硬(ying)一體(ti)化的(de)產(chan)品。近年來，隨(sui)著通用(yong)技(ji)術越來越成熟，大量技(ji)術層級的(de)企業(ye)逐步轉向(xiang)應(ying)(ying)用(yong)層級，行業(ye)應(ying)(ying)用(yong)價值愈(yu)加凸顯(xian)。
人工智能產業痛點及應對
在(zai)產(chan)(chan)業(ye)落地過(guo)程(cheng)中，人工(gong)智(zhi)(zhi)能技術(shu)(shu)與企(qi)業(ye)需求之間的鴻溝不容忽視(shi)。企(qi)業(ye)用戶的核心(xin)目標是利用人工(gong)智(zhi)(zhi)能技術(shu)(shu)實現(xian)業(ye)務(wu)增(zeng)長，而人工(gong)智(zhi)(zhi)能技術(shu)(shu)本身無法直接(jie)解(jie)決業(ye)務(wu)需求，需要(yao)根據(ju)具體(ti)的業(ye)務(wu)場(chang)(chang)景(jing)和(he)目標，形成可規模(mo)化(hua)落地的產(chan)(chan)品和(he)服務(wu)。在(zai)這個過(guo)程(cheng)中，人工(gong)智(zhi)(zhi)能在(zai)數據(ju)、算法、業(ye)務(wu)場(chang)(chang)景(jing)理解(jie)、服務(wu)方式、投入產(chan)(chan)出比等方面都(dou)面臨一系(xi)列挑(tiao)戰。
數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)稀缺。AI領域，數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)是(shi)(shi)基礎要(yao)素(su)，目前現有(you)的(de)(de)AI模(mo)型(xing)都需要(yao)大(da)量的(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)標(biao)記，因為模(mo)型(xing)大(da)多數(shu)(shu)(shu)(shu)(shu)是(shi)(shi)監督學習(xi)模(mo)型(xing)。大(da)量的(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)標(biao)記，不僅(jin)僅(jin)會要(yao)求更多的(de)(de)人(ren)(ren)力資源，同時(shi)人(ren)(ren)的(de)(de)參(can)與難免會為數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)帶來一定程度的(de)(de)誤差。除了對數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)量的(de)(de)需求極大(da)，對數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)的(de)(de)維度也要(yao)求盡可能的(de)(de)全(quan)(quan)面(mian)(mian)。總之就是(shi)(shi)，能有(you)最好都給我(wo)，越(yue)全(quan)(quan)面(mian)(mian)越(yue)好。但是(shi)(shi)實際情況就是(shi)(shi)，結構(gou)性的(de)(de)全(quan)(quan)面(mian)(mian)的(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)在現實生活中很難獲得(de)，而且也很難獲得(de)比較準確的(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)。
黑盒(he)子效應。從傳統模型到(dao)新型算(suan)(suan)法，AI的(de)復雜性(xing)(xing)逐步遞增(zeng)，促使人(ren)工(gong)(gong)智能算(suan)(suan)法的(de)決策機制越(yue)發難(nan)以被(bei)人(ren)類理解(jie)(jie)與(yu)描述。很多(duo)人(ren)將大(da)部分(fen)基于深度學習的(de)算(suan)(suan)法想(xiang)象成是(shi)一個(ge)“黑盒(he)子”，也就是(shi)說認為模型不具備可解(jie)(jie)釋性(xing)(xing)。相比較“黑盒(he)子”而言，可解(jie)(jie)釋性(xing)(xing)的(de)AI對(dui)于深度神經網絡的(de)透明(ming)性(xing)(xing)有(you)所增(zeng)加(jia)，有(you)助于向用戶提(ti)供判(pan)斷依據等信息，增(zeng)強用戶對(dui)人(ren)工(gong)(gong)智能的(de)信任(ren)與(yu)安全(quan)感，同時也為事后監管、責任(ren)歸屬等環節提(ti)供有(you)力依據。
業(ye)務(wu)場(chang)景(jing)理(li)解(jie)差。隨著(zhu)人工智(zhi)能的(de)行(xing)業(ye)化發展，待解(jie)決(jue)的(de)業(ye)務(wu)問題(ti)(ti)從通用型場(chang)景(jing)向特定型場(chang)景(jing)過渡，單點問題(ti)(ti)向業(ye)務(wu)整個流程演進，從感知化到認知化的(de)發展，業(ye)務(wu)場(chang)景(jing)的(de)壁壘(lei)與復雜度越來(lai)越高。在這樣的(de)背景(jing)下(xia)(xia)，僅僅依靠算法技(ji)(ji)術(shu)的(de)積累，難以滿足對(dui)場(chang)景(jing)的(de)理(li)解(jie)要(yao)求(qiu)。所以，AI算法需(xu)要(yao)經驗與業(ye)務(wu)規則的(de)結合。這種情況下(xia)(xia)，知識圖譜(pu)(pu)技(ji)(ji)術(shu)成(cheng)為關鍵所在。通過知識圖譜(pu)(pu)，可(ke)以更好地理(li)解(jie)業(ye)務(wu)。通過建(jian)立統(tong)一(yi)的(de)圖譜(pu)(pu)來(lai)實現知識的(de)融合，進一(yi)步加快推進人工智(zhi)能的(de)落地。
服(fu)(fu)務方(fang)式(shi)單一。對于企業業務人員的(de)根本需(xu)求，標準化的(de)人工(gong)智(zhi)能技(ji)術輸出或(huo)者API調用的(de)服(fu)(fu)務方(fang)式(shi)是不(bu)夠的(de)。廠商需(xu)要根據具體場景(jing)，在技(ji)術基礎上提供定制(zhi)化的(de)解決方(fang)案，并封裝為(wei)應用到(dao)業務系統(tong)中的(de)產(chan)品，即(ji)“AI+產(chan)品”。另外，廠商需(xu)要提供持續性的(de)業務運行服(fu)(fu)務，才可讓AI產(chan)品真正發(fa)揮價值，以保證達到(dao)最終業務效果，即(ji)“AI+服(fu)(fu)務”。
投(tou)入產(chan)(chan)出比失衡。對于企業來說，在業務中落(luo)地AI技術(shu)應用，至少包括(kuo)兩(liang)個層面(mian)的(de)成(cheng)本(ben)：芯片、算法平臺等智能化產(chan)(chan)品(pin)、引進算法工程(cheng)師(shi)等人工智能方面(mian)人才(cai)。目前(qian)，一些數據平臺、機器學習平臺的(de)涌現，提高(gao)了人工智能建模的(de)自(zi)動化程(cheng)度，同時也降(jiang)低(di)了整個業務流(liu)程(cheng)對算法工程(cheng)師(shi)的(de)依賴(lai)，AI應用的(de)總成(cheng)本(ben)有待降(jiang)低(di)。此外(wai)，未來算法的(de)進步可(ke)降(jiang)低(di)硬件標準(zhun)，也可(ke)促使成(cheng)本(ben)的(de)節省(sheng)。
人工智能產業呈現四點趨勢
當前(qian)，國家戰略的(de)(de)(de)前(qian)瞻性引領、產學研(yan)用(yong)的(de)(de)(de)協作創新(xin)、需求(qiu)方面的(de)(de)(de)大(da)力牽(qian)引、生態系統的(de)(de)(de)高(gao)度開放、政(zheng)府的(de)(de)(de)強(qiang)力支持(chi)共同推動(dong)著我國人工智能(neng)(neng)產業協同創新(xin)機制的(de)(de)(de)發(fa)展(zhan)，加快(kuai)我國智能(neng)(neng)經濟發(fa)展(zhan)的(de)(de)(de)黃金(jin)時期。展(zhan)望未(wei)來(lai)，基礎設施的(de)(de)(de)升級、從感知智能(neng)(neng)到行動(dong)智能(neng)(neng)技(ji)術(shu)的(de)(de)(de)演進、應(ying)用(yong)場景(jing)產業智能(neng)(neng)化的(de)(de)(de)發(fa)展(zhan)，是值得關注的(de)(de)(de)幾大(da)方向。
產(chan)業(ye)規模仍在保(bao)持(chi)增長，同(tong)時(shi)國家也在不斷出臺各類(lei)人工智(zhi)(zhi)能(neng)(neng)(neng)產(chan)業(ye)扶持(chi)政策(ce)，資本市(shi)場對人工智(zhi)(zhi)能(neng)(neng)(neng)行業(ye)的(de)投資熱情不減，技術方(fang)面(mian)不斷突破是產(chan)業(ye)增長的(de)核心驅動(dong)力。產(chan)業(ye)的(de)發展取(qu)決(jue)于算(suan)法(fa)的(de)進步，在算(suan)法(fa)方(fang)面(mian)，目前已(yi)經有(you)深(shen)度學(xue)習和神經網絡這樣優(you)秀的(de)模型，但短時(shi)間(jian)內可(ke)能(neng)(neng)(neng)很難(nan)有(you)所突破。所以算(suan)力就成為了競爭的(de)重點方(fang)向。
不同(tong)層面(mian)分化明顯，在(zai)不同(tong)的層面(mian)上，都(dou)開(kai)始出現龍頭(tou)企業(ye)，同(tong)時龍頭(tou)企業(ye)也進(jin)一(yi)步聚焦(jiao)自身的領(ling)域。底層基礎構建(jian)方(fang)面(mian)，騰訊(xun)、阿里巴巴、百度、華(hua)為等(deng)有(you)自身數據、算法、技術(shu)和服務器優勢。科大訊(xun)飛(fei)、格(ge)靈深(shen)瞳、融合現實、曠(kuang)視科技等(deng)在(zai)計算機視覺和語音識別方(fang)向上已有(you)較多的技術(shu)積累(lei)。而深(shen)蘭科技、地(di)平線機器人、華(hua)為、小米等(deng)應用產品層面(mian)上進(jin)行(xing)深(shen)入研發。
工業(ye)(ye)化(hua)是(shi)(shi)未來方向(xiang)。人工智(zhi)能(neng)(neng)(neng)行業(ye)(ye)多是(shi)(shi)“賦能(neng)(neng)(neng)”，探索(suo)如何(he)把人工智(zhi)能(neng)(neng)(neng)與傳統行業(ye)(ye)結合。隨(sui)著實踐(jian)逐步深(shen)(shen)入，簡單(dan)的(de)人工智(zhi)能(neng)(neng)(neng)技術疊加(jia)將不再(zai)能(neng)(neng)(neng)滿足用(yong)戶的(de)智(zhi)能(neng)(neng)(neng)化(hua)預期。人工智(zhi)能(neng)(neng)(neng)產(chan)業(ye)(ye)借(jie)助對傳統行業(ye)(ye)的(de)深(shen)(shen)入理解將逐步向(xiang)工業(ye)(ye)化(hua)邁進。標準(zhun)化(hua)的(de)產(chan)品、規(gui)模化(hua)的(de)生產(chan)、流水線式的(de)作業(ye)(ye)將是(shi)(shi)人工智(zhi)能(neng)(neng)(neng)實現產(chan)業(ye)(ye)化(hua)的(de)發展方向(xiang)。
綜合應(ying)(ying)用(yong)場(chang)景提升。在深度(du)學習技術(shu)開啟(qi)的(de)(de)人工智(zhi)能第一發展階段，單(dan)點技術(shu)的(de)(de)革(ge)新在市場(chang)中快速形成小(xiao)型(xing)的(de)(de)技術(shu)應(ying)(ying)用(yong)閉環，技術(shu)為驅動的(de)(de)商業模式快速形成。隨(sui)著人工智(zhi)能技術(shu)在場(chang)景中應(ying)(ying)用(yong)的(de)(de)不(bu)斷深化，單(dan)一技術(shu)實現的(de)(de)技術(shu)閉環難以滿足復雜場(chang)景下(xia)的(de)(de)智(zhi)能化需求，綜合應(ying)(ying)用(yong)場(chang)景比例提升。
隨著國家(jia)數字化(hua)改革以(yi)(yi)及產(chan)(chan)(chan)(chan)業(ye)(ye)數據基礎設施的(de)完善，產(chan)(chan)(chan)(chan)業(ye)(ye)互聯網打通了(le)人工智(zhi)(zhi)能(neng)產(chan)(chan)(chan)(chan)業(ye)(ye)鏈各(ge)環節的(de)數據路(lu)線，以(yi)(yi)此為基礎，人工智(zhi)(zhi)能(neng)應用將從企業(ye)(ye)內部智(zhi)(zhi)能(neng)化(hua)延伸到(dao)(dao)產(chan)(chan)(chan)(chan)業(ye)(ye)智(zhi)(zhi)能(neng)化(hua)，逐步(bu)實(shi)現從采(cai)購到(dao)(dao)制造到(dao)(dao)流通等環節的(de)智(zhi)(zhi)能(neng)合作機制，提(ti)升產(chan)(chan)(chan)(chan)業(ye)(ye)整體的(de)效率，實(shi)現產(chan)(chan)(chan)(chan)業(ye)(ye)互聯網價值最大化(hua)，引導(dao)未來(lai)更多(duo)行(xing)業(ye)(ye)走向(xiang)產(chan)(chan)(chan)(chan)業(ye)(ye)智(zhi)(zhi)能(neng)、互聯發展。