人工智能是新一輪產(chǎn)業(yè)變革的核心驅(qū)動力，將進一步釋放歷次科技革命和產(chǎn)業(yè)變革積蓄的巨大能量，并創(chuàng)造新的強大引擎，重構(gòu)生產(chǎn)、分配、交換、消費等經(jīng)濟活動各環(huán)節(jié)，形成從宏觀到微觀各領(lǐng)域的智能化新需求，催生新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)、新業(yè)態(tài)、新模式。人工智能正在與各行各業(yè)快速融合，助力傳統(tǒng)行業(yè)轉(zhuǎn)型升級、提質(zhì)增效，在全球范圍內(nèi)引發(fā)全新的產(chǎn)業(yè)浪潮。

 

 

人工智能作為國家戰(zhàn)略規(guī)劃發(fā)展迅猛

 

我國政府高度重視人工智能的技術(shù)進步與產(chǎn)業(yè)發(fā)展，人工智能已上升國家戰(zhàn)略。《新一代人工智能發(fā)展規(guī)劃》提出：到 2030 年人工智能理論、技術(shù)與應(yīng)用總體達到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心;《新一代AI產(chǎn)業(yè)發(fā)展三年行動計劃》表明：重點扶持神經(jīng)網(wǎng)絡(luò)芯片，實現(xiàn)人工智能芯片在國內(nèi)實現(xiàn)規(guī)?；瘧?yīng)用;《國家新一代人工智能標準體系建設(shè)指南》明確：到2023年，初步建立人工智能標準體系，重點研制數(shù)據(jù)、算法、系統(tǒng)等重點急需標準，并率先在制造、交通等重點行業(yè)和領(lǐng)域進行推進。

現(xiàn)階段，各行業(yè)企業(yè)在改善價值鏈、降本增效的內(nèi)在需求驅(qū)動和人工智能被列入“新基建”的外在因素影響下，產(chǎn)生了多樣化的智能化轉(zhuǎn)型升級需求，對人工智能產(chǎn)業(yè)快速發(fā)展提供動力。據(jù)統(tǒng)計，2020年中國人工智能行業(yè)核心產(chǎn)業(yè)市場規(guī)模為1513億元，同比上漲38.93%，帶動相關(guān)產(chǎn)業(yè)市場規(guī)模為5726億元，同比上漲49.82%。在新產(chǎn)業(yè)、新業(yè)態(tài)、新商業(yè)模式經(jīng)濟建設(shè)的大背景下，企業(yè)對AI的需求逐漸升溫，人工智能產(chǎn)值的成長速度令人矚目，預計到2025年人工智能核心產(chǎn)業(yè)市場規(guī)模將達到4533億元，帶動相關(guān)產(chǎn)業(yè)市場規(guī)模約為16648億元。

 

 

人工智能應(yīng)用落地3個層級

 

人工智能的基礎(chǔ)理論雖由來已久，但現(xiàn)階段推動新一代人工智能快速發(fā)展并逐步落地產(chǎn)業(yè)應(yīng)用的關(guān)鍵要素可歸結(jié)為計算能力的提升、數(shù)據(jù)爆發(fā)式增長、機器學習算法的進步以及投資力度的加大四個方面。

人工智能產(chǎn)業(yè)鏈包括3個部分：基礎(chǔ)層、技術(shù)層和應(yīng)用層?；A(chǔ)層主要為人工智能基礎(chǔ)技術(shù)提供計算能力支持，包括AI芯片、AI平臺以及AI框架，典型的大型互聯(lián)網(wǎng)公司和行業(yè)領(lǐng)頭公司主要有谷歌、亞馬遜、英特爾、IBM、百度、華為等。

技術(shù)層主要是基于基礎(chǔ)層設(shè)施進行開發(fā)后的通用性人工智能技術(shù)，是以認知與感知計算技術(shù)為代表的通用技術(shù)。其中，感知部分包括計算機視覺、語音識別和自然語言處理等，認知部分以知識圖譜為主要代表。

應(yīng)用層以垂直行業(yè)的AI應(yīng)用型公司為主，結(jié)合各行業(yè)應(yīng)用，將人工智能通用技術(shù)封裝成為落地的產(chǎn)品，包含具體應(yīng)用場景的端到端式解決方案以及軟硬一體化的產(chǎn)品。近年來，隨著通用技術(shù)越來越成熟，大量技術(shù)層級的企業(yè)逐步轉(zhuǎn)向應(yīng)用層級，行業(yè)應(yīng)用價值愈加凸顯。

人工智能產(chǎn)業(yè)痛點及應(yīng)對

 

在產(chǎn)業(yè)落地過程中，人工智能技術(shù)與企業(yè)需求之間的鴻溝不容忽視。企業(yè)用戶的核心目標是利用人工智能技術(shù)實現(xiàn)業(yè)務(wù)增長，而人工智能技術(shù)本身無法直接解決業(yè)務(wù)需求，需要根據(jù)具體的業(yè)務(wù)場景和目標，形成可規(guī)?；涞氐漠a(chǎn)品和服務(wù)。在這個過程中，人工智能在數(shù)據(jù)、算法、業(yè)務(wù)場景理解、服務(wù)方式、投入產(chǎn)出比等方面都面臨一系列挑戰(zhàn)。

數(shù)據(jù)稀缺。AI領(lǐng)域，數(shù)據(jù)是基礎(chǔ)要素，目前現(xiàn)有的AI模型都需要大量的數(shù)據(jù)標記，因為模型大多數(shù)是監(jiān)督學習模型。大量的數(shù)據(jù)標記，不僅僅會要求更多的人力資源，同時人的參與難免會為數(shù)據(jù)帶來一定程度的誤差。除了對數(shù)據(jù)量的需求極大，對數(shù)據(jù)的維度也要求盡可能的全面?？傊褪牵苡凶詈枚冀o我，越全面越好。但是實際情況就是，結(jié)構(gòu)性的全面的數(shù)據(jù)在現(xiàn)實生活中很難獲得，而且也很難獲得比較準確的數(shù)據(jù)。

黑盒子效應(yīng)。從傳統(tǒng)模型到新型算法，AI的復雜性逐步遞增，促使人工智能算法的決策機制越發(fā)難以被人類理解與描述。很多人將大部分基于深度學習的算法想象成是一個“黑盒子”，也就是說認為模型不具備可解釋性。相比較“黑盒子”而言，可解釋性的AI對于深度神經(jīng)網(wǎng)絡(luò)的透明性有所增加，有助于向用戶提供判斷依據(jù)等信息，增強用戶對人工智能的信任與安全感，同時也為事后監(jiān)管、責任歸屬等環(huán)節(jié)提供有力依據(jù)。

業(yè)務(wù)場景理解差。隨著人工智能的行業(yè)化發(fā)展，待解決的業(yè)務(wù)問題從通用型場景向特定型場景過渡，單點問題向業(yè)務(wù)整個流程演進，從感知化到認知化的發(fā)展，業(yè)務(wù)場景的壁壘與復雜度越來越高。在這樣的背景下，僅僅依靠算法技術(shù)的積累，難以滿足對場景的理解要求。所以，AI算法需要經(jīng)驗與業(yè)務(wù)規(guī)則的結(jié)合。這種情況下，知識圖譜技術(shù)成為關(guān)鍵所在。通過知識圖譜，可以更好地理解業(yè)務(wù)。通過建立統(tǒng)一的圖譜來實現(xiàn)知識的融合，進一步加快推進人工智能的落地。

服務(wù)方式單一。對于企業(yè)業(yè)務(wù)人員的根本需求，標準化的人工智能技術(shù)輸出或者API調(diào)用的服務(wù)方式是不夠的。廠商需要根據(jù)具體場景，在技術(shù)基礎(chǔ)上提供定制化的解決方案，并封裝為應(yīng)用到業(yè)務(wù)系統(tǒng)中的產(chǎn)品，即“AI+產(chǎn)品”。另外，廠商需要提供持續(xù)性的業(yè)務(wù)運行服務(wù)，才可讓AI產(chǎn)品真正發(fā)揮價值，以保證達到最終業(yè)務(wù)效果，即“AI+服務(wù)”。

投入產(chǎn)出比失衡。對于企業(yè)來說，在業(yè)務(wù)中落地AI技術(shù)應(yīng)用，至少包括兩個層面的成本：芯片、算法平臺等智能化產(chǎn)品、引進算法工程師等人工智能方面人才。目前，一些數(shù)據(jù)平臺、機器學習平臺的涌現(xiàn)，提高了人工智能建模的自動化程度，同時也降低了整個業(yè)務(wù)流程對算法工程師的依賴，AI應(yīng)用的總成本有待降低。此外，未來算法的進步可降低硬件標準，也可促使成本的節(jié)省。

人工智能產(chǎn)業(yè)呈現(xiàn)四點趨勢

 

當前，國家戰(zhàn)略的前瞻性引領(lǐng)、產(chǎn)學研用的協(xié)作創(chuàng)新、需求方面的大力牽引、生態(tài)系統(tǒng)的高度開放、政府的強力支持共同推動著我國人工智能產(chǎn)業(yè)協(xié)同創(chuàng)新機制的發(fā)展，加快我國智能經(jīng)濟發(fā)展的黃金時期。展望未來，基礎(chǔ)設(shè)施的升級、從感知智能到行動智能技術(shù)的演進、應(yīng)用場景產(chǎn)業(yè)智能化的發(fā)展，是值得關(guān)注的幾大方向。

產(chǎn)業(yè)規(guī)模仍在保持增長，同時國家也在不斷出臺各類人工智能產(chǎn)業(yè)扶持政策，資本市場對人工智能行業(yè)的投資熱情不減，技術(shù)方面不斷突破是產(chǎn)業(yè)增長的核心驅(qū)動力。產(chǎn)業(yè)的發(fā)展取決于算法的進步，在算法方面，目前已經(jīng)有深度學習和神經(jīng)網(wǎng)絡(luò)這樣優(yōu)秀的模型，但短時間內(nèi)可能很難有所突破。所以算力就成為了競爭的重點方向。

不同層面分化明顯，在不同的層面上，都開始出現(xiàn)龍頭企業(yè)，同時龍頭企業(yè)也進一步聚焦自身的領(lǐng)域。底層基礎(chǔ)構(gòu)建方面，騰訊、阿里巴巴、百度、華為等有自身數(shù)據(jù)、算法、技術(shù)和服務(wù)器優(yōu)勢?？拼笥嶏w、格靈深瞳、融合現(xiàn)實、曠視科技等在計算機視覺和語音識別方向上已有較多的技術(shù)積累。而深蘭科技、地平線機器人、華為、小米等應(yīng)用產(chǎn)品層面上進行深入研發(fā)。

工業(yè)化是未來方向。人工智能行業(yè)多是“賦能”，探索如何把人工智能與傳統(tǒng)行業(yè)結(jié)合。隨著實踐逐步深入，簡單的人工智能技術(shù)疊加將不再能滿足用戶的智能化預期。人工智能產(chǎn)業(yè)借助對傳統(tǒng)行業(yè)的深入理解將逐步向工業(yè)化邁進。標準化的產(chǎn)品、規(guī)?；纳a(chǎn)、流水線式的作業(yè)將是人工智能實現(xiàn)產(chǎn)業(yè)化的發(fā)展方向。

綜合應(yīng)用場景提升。在深度學習技術(shù)開啟的人工智能第一發(fā)展階段，單點技術(shù)的革新在市場中快速形成小型的技術(shù)應(yīng)用閉環(huán)，技術(shù)為驅(qū)動的商業(yè)模式快速形成。隨著人工智能技術(shù)在場景中應(yīng)用的不斷深化，單一技術(shù)實現(xiàn)的技術(shù)閉環(huán)難以滿足復雜場景下的智能化需求，綜合應(yīng)用場景比例提升。

隨著國家數(shù)字化改革以及產(chǎn)業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施的完善，產(chǎn)業(yè)互聯(lián)網(wǎng)打通了人工智能產(chǎn)業(yè)鏈各環(huán)節(jié)的數(shù)據(jù)路線，以此為基礎(chǔ)，人工智能應(yīng)用將從企業(yè)內(nèi)部智能化延伸到產(chǎn)業(yè)智能化，逐步實現(xiàn)從采購到制造到流通等環(huán)節(jié)的智能合作機制，提升產(chǎn)業(yè)整體的效率，實現(xiàn)產(chǎn)業(yè)互聯(lián)網(wǎng)價值最大化，引導未來更多行業(yè)走向產(chǎn)業(yè)智能、互聯(lián)發(fā)展。