人工(gōng)智能(néng)是新一輪産業變革的核心驅動力，将進一步釋放(fàng)曆次科技革命和(hé)産業變革積蓄的巨大(dà)能(néng)量，并創造新的強大(dà)引擎，重構生産、分配、交換、消費等經濟活動各環節，形成從(cóng)宏觀到(dào)微觀各領域的智能(néng)化新需求，催生新技術、新産品、新産業、新業态、新模式。人工(gōng)智能(néng)正在與各行各業快(kuài)速融合，助力傳統行業轉型升級、提質增效，在全球範圍内引發全新的産業浪潮。
人工(gōng)智能(néng)作(zuò)爲國家戰略規劃發展迅猛
我國政府高(gāo)度重視(shì)人工(gōng)智能(néng)的技術進步與産業發展，人工(gōng)智能(néng)已上(shàng)升國家戰略。《新一代人工(gōng)智能(néng)發展規劃》提出：到(dào) 2030 年人工(gōng)智能(néng)理(lǐ)論、技術與應用(yòng)總體達到(dào)世界領先水(shuǐ)平，成爲世界主要人工(gōng)智能(néng)創新中心;《新一代AI産業發展三年行動計(jì)劃》表明(míng)：重點扶持神經網絡芯片，實現(xiàn)人工(gōng)智能(néng)芯片在國内實現(xiàn)規模化應用(yòng);《國家新一代人工(gōng)智能(néng)标準體系建設指南》明(míng)确：到(dào)2023年，初步建立人工(gōng)智能(néng)标準體系，重點研制數據、算(suàn)法、系統等重點急需标準，并率先在制造、交通等重點行業和(hé)領域進行推進。
現(xiàn)階段，各行業企業在改善價值鏈、降本增效的内在需求驅動和(hé)人工(gōng)智能(néng)被列入“新基建”的外(wài)在因素影響下(xià)，産生了(le)多樣化的智能(néng)化轉型升級需求，對(duì)人工(gōng)智能(néng)産業快(kuài)速發展提供動力。據統計(jì)，2020年中國人工(gōng)智能(néng)行業核心産業市場規模爲1513億元，同比上(shàng)漲38.93%，帶動相關産業市場規模爲5726億元，同比上(shàng)漲49.82%。在新産業、新業态、新商業模式經濟建設的大(dà)背景下(xià)，企業對(duì)AI的需求逐漸升溫，人工(gōng)智能(néng)産值的成長速度令人矚目，預計(jì)到(dào)2025年人工(gōng)智能(néng)核心産業市場規模将達到(dào)4533億元，帶動相關産業市場規模約爲16648億元。
人工(gōng)智能(néng)應用(yòng)落地3個層級
人工(gōng)智能(néng)的基礎理(lǐ)論雖由來(lái)已久，但(dàn)現(xiàn)階段推動新一代人工(gōng)智能(néng)快(kuài)速發展并逐步落地産業應用(yòng)的關鍵要素可歸結爲計(jì)算(suàn)能(néng)力的提升、數據爆發式增長、機器學習算(suàn)法的進步以及投資力度的加大(dà)四個方面。
人工(gōng)智能(néng)産業鏈包括3個部分：基礎層、技術層和(hé)應用(yòng)層。基礎層主要爲人工(gōng)智能(néng)基礎技術提供計(jì)算(suàn)能(néng)力支持，包括AI芯片、AI平台以及AI框架，典型的大(dà)型互聯網公司和(hé)行業領頭公司主要有谷歌、亞馬遜、英特爾、IBM、百度、華爲等。
技術層主要是基于基礎層設施進行開(kāi)發後的通用(yòng)性人工(gōng)智能(néng)技術，是以認知(zhī)與感知(zhī)計(jì)算(suàn)技術爲代表的通用(yòng)技術。其中，感知(zhī)部分包括計(jì)算(suàn)機視(shì)覺、語音(yīn)識别和(hé)自(zì)然語言處理(lǐ)等，認知(zhī)部分以知(zhī)識圖譜爲主要代表。
應用(yòng)層以垂直行業的AI應用(yòng)型公司爲主，結合各行業應用(yòng)，将人工(gōng)智能(néng)通用(yòng)技術封裝成爲落地的産品，包含具體應用(yòng)場景的端到(dào)端式解決方案以及軟硬一體化的産品。近年來(lái)，随着通用(yòng)技術越來(lái)越成熟，大(dà)量技術層級的企業逐步轉向應用(yòng)層級，行業應用(yòng)價值愈加凸顯。
人工(gōng)智能(néng)産業痛點及應對(duì)
在産業落地過程中，人工(gōng)智能(néng)技術與企業需求之間的鴻溝不容忽視(shì)。企業用(yòng)戶的核心目标是利用(yòng)人工(gōng)智能(néng)技術實現(xiàn)業務增長，而人工(gōng)智能(néng)技術本身無法直接解決業務需求，需要根據具體的業務場景和(hé)目标，形成可規模化落地的産品和(hé)服務。在這(zhè)個過程中，人工(gōng)智能(néng)在數據、算(suàn)法、業務場景理(lǐ)解、服務方式、投入産出比等方面都面臨一系列挑戰。
數據稀缺。AI領域，數據是基礎要素，目前現(xiàn)有的AI模型都需要大(dà)量的數據标記，因爲模型大(dà)多數是監督學習模型。大(dà)量的數據标記，不僅僅會(huì)要求更多的人力資源，同時(shí)人的參與難免會(huì)爲數據帶來(lái)一定程度的誤差。除了(le)對(duì)數據量的需求極大(dà)，對(duì)數據的維度也(yě)要求盡可能(néng)的全面。總之就是，能(néng)有最好(hǎo)都給我，越全面越好(hǎo)。但(dàn)是實際情況就是，結構性的全面的數據在現(xiàn)實生活中很(hěn)難獲得，而且也(yě)很(hěn)難獲得比較準确的數據。
黑盒子效應。從(cóng)傳統模型到(dào)新型算(suàn)法，AI的複雜(zá)性逐步遞增，促使人工(gōng)智能(néng)算(suàn)法的決策機制越發難以被人類理(lǐ)解與描述。很(hěn)多人将大(dà)部分基于深度學習的算(suàn)法想象成是一個“黑盒子”，也(yě)就是說認爲模型不具備可解釋性。相比較“黑盒子”而言，可解釋性的AI對(duì)于深度神經網絡的透明(míng)性有所增加，有助于向用(yòng)戶提供判斷依據等信息，增強用(yòng)戶對(duì)人工(gōng)智能(néng)的信任與安全感，同時(shí)也(yě)爲事(shì)後監管、責任歸屬等環節提供有力依據。
業務場景理(lǐ)解差。随着人工(gōng)智能(néng)的行業化發展，待解決的業務問題從(cóng)通用(yòng)型場景向特定型場景過渡，單點問題向業務整個流程演進，從(cóng)感知(zhī)化到(dào)認知(zhī)化的發展，業務場景的壁壘與複雜(zá)度越來(lái)越高(gāo)。在這(zhè)樣的背景下(xià)，僅僅依靠算(suàn)法技術的積累，難以滿足對(duì)場景的理(lǐ)解要求。所以，AI算(suàn)法需要經驗與業務規則的結合。這(zhè)種情況下(xià)，知(zhī)識圖譜技術成爲關鍵所在。通過知(zhī)識圖譜，可以更好(hǎo)地理(lǐ)解業務。通過建立統一的圖譜來(lái)實現(xiàn)知(zhī)識的融合，進一步加快(kuài)推進人工(gōng)智能(néng)的落地。
服務方式單一。對(duì)于企業業務人員的根本需求，标準化的人工(gōng)智能(néng)技術輸出或者API調用(yòng)的服務方式是不夠的。廠(chǎng)商需要根據具體場景，在技術基礎上(shàng)提供定制化的解決方案，并封裝爲應用(yòng)到(dào)業務系統中的産品，即“AI+産品”。另外(wài)，廠(chǎng)商需要提供持續性的業務運行服務，才可讓AI産品真正發揮價值，以保證達到(dào)最終業務效果，即“AI+服務”。
投入産出比失衡。對(duì)于企業來(lái)說，在業務中落地AI技術應用(yòng)，至少包括兩個層面的成本：芯片、算(suàn)法平台等智能(néng)化産品、引進算(suàn)法工(gōng)程師等人工(gōng)智能(néng)方面人才。目前，一些(xiē)數據平台、機器學習平台的湧現(xiàn)，提高(gāo)了(le)人工(gōng)智能(néng)建模的自(zì)動化程度，同時(shí)也(yě)降低(dī)了(le)整個業務流程對(duì)算(suàn)法工(gōng)程師的依賴，AI應用(yòng)的總成本有待降低(dī)。此外(wài)，未來(lái)算(suàn)法的進步可降低(dī)硬件标準，也(yě)可促使成本的節省。
人工(gōng)智能(néng)産業呈現(xiàn)四點趨勢
當前，國家戰略的前瞻性引領、産學研用(yòng)的協作(zuò)創新、需求方面的大(dà)力牽引、生态系統的高(gāo)度開(kāi)放(fàng)、政府的強力支持共同推動着我國人工(gōng)智能(néng)産業協同創新機制的發展，加快(kuài)我國智能(néng)經濟發展的黃金(jīn)時(shí)期。展望未來(lái)，基礎設施的升級、從(cóng)感知(zhī)智能(néng)到(dào)行動智能(néng)技術的演進、應用(yòng)場景産業智能(néng)化的發展，是值得關注的幾大(dà)方向。
産業規模仍在保持增長，同時(shí)國家也(yě)在不斷出台各類人工(gōng)智能(néng)産業扶持政策，資本市場對(duì)人工(gōng)智能(néng)行業的投資熱情不減，技術方面不斷突破是産業增長的核心驅動力。産業的發展取決于算(suàn)法的進步，在算(suàn)法方面，目前已經有深度學習和(hé)神經網絡這(zhè)樣優秀的模型，但(dàn)短時(shí)間内可能(néng)很(hěn)難有所突破。所以算(suàn)力就成爲了(le)競争的重點方向。
不同層面分化明(míng)顯，在不同的層面上(shàng)，都開(kāi)始出現(xiàn)龍頭企業，同時(shí)龍頭企業也(yě)進一步聚焦自(zì)身的領域。底層基礎構建方面，騰訊、阿裏巴巴、百度、華爲等有自(zì)身數據、算(suàn)法、技術和(hé)服務器優勢。科大(dà)訊飛(fēi)、格靈深瞳、融合現(xiàn)實、曠視(shì)科技等在計(jì)算(suàn)機視(shì)覺和(hé)語音(yīn)識别方向上(shàng)已有較多的技術積累。而深蘭科技、地平線機器人、華爲、小(xiǎo)米等應用(yòng)産品層面上(shàng)進行深入研發。
工(gōng)業化是未來(lái)方向。人工(gōng)智能(néng)行業多是“賦能(néng)”，探索如何把人工(gōng)智能(néng)與傳統行業結合。随着實踐逐步深入，簡單的人工(gōng)智能(néng)技術疊加将不再能(néng)滿足用(yòng)戶的智能(néng)化預期。人工(gōng)智能(néng)産業借助對(duì)傳統行業的深入理(lǐ)解将逐步向工(gōng)業化邁進。标準化的産品、規模化的生産、流水(shuǐ)線式的作(zuò)業将是人工(gōng)智能(néng)實現(xiàn)産業化的發展方向。
綜合應用(yòng)場景提升。在深度學習技術開(kāi)啓的人工(gōng)智能(néng)第一發展階段，單點技術的革新在市場中快(kuài)速形成小(xiǎo)型的技術應用(yòng)閉環，技術爲驅動的商業模式快(kuài)速形成。随着人工(gōng)智能(néng)技術在場景中應用(yòng)的不斷深化，單一技術實現(xiàn)的技術閉環難以滿足複雜(zá)場景下(xià)的智能(néng)化需求，綜合應用(yòng)場景比例提升。
随着國家數字化改革以及産業數據基礎設施的完善，産業互聯網打通了(le)人工(gōng)智能(néng)産業鏈各環節的數據路線，以此爲基礎，人工(gōng)智能(néng)應用(yòng)将從(cóng)企業内部智能(néng)化延伸到(dào)産業智能(néng)化，逐步實現(xiàn)從(cóng)采購到(dào)制造到(dào)流通等環節的智能(néng)合作(zuò)機制，提升産業整體的效率，實現(xiàn)産業互聯網價值最大(dà)化，引導未來(lái)更多行業走向産業智能(néng)、互聯發展。