人工智能是新一輪產(chǎn)業(yè)變革的核心驅動(dòng)力，將進(jìn)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，重構生產(chǎn)、分配、交換、消費等經(jīng)濟活動(dòng)各環(huán)節，形成從宏觀(guān)到微觀(guān)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，助力傳統行業(yè)轉型升級、提質(zhì)增效，在全球范圍內引發(fā)全新的產(chǎn)業(yè)浪潮。
人工智能作為國家戰略規劃發(fā)展迅猛
我國政府高度重視人工智能的技術(shù)進(jìn)步與產(chǎn)業(yè)發(fā)展，人工智能已上升國家戰略?！缎乱淮斯ぶ悄馨l(fā)展規劃》提出：到 2030 年人工智能理論、技術(shù)與應用總體達到世界領(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(dòng)計劃》表明：重點(diǎn)扶持神經(jīng)網(wǎng)絡(luò )芯片，實(shí)現人工智能芯片在國內實(shí)現規?；瘧?《國家新一代人工智能標準體系建設指南》明確：到2023年，初步建立人工智能標準體系，重點(diǎn)研制數據、算法、系統等重點(diǎn)急需標準，并率先在制造、交通等重點(diǎn)行業(yè)和領(lǐng)域進(jìn)行推進(jìn)。
現階段，各行業(yè)企業(yè)在改善價(jià)值鏈、降本增效的內在需求驅動(dòng)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型升級需求，對人工智能產(chǎn)業(yè)快速發(fā)展提供動(dòng)力。據統計，2020年中國人工智能行業(yè)核心產(chǎn)業(yè)市場(chǎng)規模為1513億元，同比上漲38.93%，帶動(dòng)相關(guān)產(chǎn)業(yè)市場(chǎng)規模為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(cháng)速度令人矚目，預計到2025年人工智能核心產(chǎn)業(yè)市場(chǎng)規模將達到4533億元，帶動(dòng)相關(guān)產(chǎn)業(yè)市場(chǎng)規模約為16648億元。
人工智能應用落地3個(gè)層級
人工智能的基礎理論雖由來(lái)已久，但現階段推動(dòng)新一代人工智能快速發(fā)展并逐步落地產(chǎn)業(yè)應用的關(guān)鍵要素可歸結為計算能力的提升、數據爆發(fā)式增長(cháng)、機器學(xué)習算法的進(jìn)步以及投資力度的加大四個(gè)方面。
人工智能產(chǎn)業(yè)鏈包括3個(gè)部分：基礎層、技術(shù)層和應用層?；A層主要為人工智能基礎技術(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)層主要是基于基礎層設施進(jìn)行開(kāi)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(jué)、語(yǔ)音識別和自然語(yǔ)言處理等，認知部分以知識圖譜為主要代表。
應用層以垂直行業(yè)的AI應用型公司為主，結合各行業(yè)應用，將人工智能通用技術(shù)封裝成為落地的產(chǎn)品，包含具體應用場(chǎng)景的端到端式解決方案以及軟硬一體化的產(chǎn)品。近年來(lái)，隨著(zhù)通用技術(shù)越來(lái)越成熟，大量技術(shù)層級的企業(yè)逐步轉向應用層級，行業(yè)應用價(jià)值愈加凸顯。
人工智能產(chǎn)業(yè)痛點(diǎn)及應對
在產(chǎn)業(yè)落地過(guò)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(hù)的核心目標是利用人工智能技術(shù)實(shí)現業(yè)務(wù)增長(cháng)，而人工智能技術(shù)本身無(wú)法直接解決業(yè)務(wù)需求，需要根據具體的業(yè)務(wù)場(chǎng)景和目標，形成可規?；涞氐漠a(chǎn)品和服務(wù)。在這個(gè)過(guò)程中，人工智能在數據、算法、業(yè)務(wù)場(chǎng)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。
數據稀缺。AI領(lǐng)域，數據是基礎要素，目前現有的AI模型都需要大量的數據標記，因為模型大多數是監督學(xué)習模型。大量的數據標記，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 )為數據帶來(lái)一定程度的誤差。除了對數據量的需求極大，對數據的維度也要求盡可能的全面?？傊褪?，能有最好都給我，越全面越好。但是實(shí)際情況就是，結構性的全面的數據在現實(shí)生活中很難獲得，而且也很難獲得比較準確的數據。
黑盒子效應。從傳統模型到新型算法，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(lèi)理解與描述。很多人將大部分基于深度學(xué)習的算法想象成是一個(gè)“黑盒子”，也就是說(shuō)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(hù)提供判斷依據等信息，增強用戶(hù)對人工智能的信任與安全感，同時(shí)也為事后監管、責任歸屬等環(huán)節提供有力依據。
業(yè)務(wù)場(chǎng)景理解差。隨著(zhù)人工智能的行業(yè)化發(fā)展，待解決的業(yè)務(wù)問(wèn)題從通用型場(chǎng)景向特定型場(chǎng)景過(guò)渡，單點(diǎn)問(wèn)題向業(yè)務(wù)整個(gè)流程演進(jìn)，從感知化到認知化的發(fā)展，業(yè)務(wù)場(chǎng)景的壁壘與復雜度越來(lái)越高。在這樣的背景下，僅僅依靠算法技術(shù)的積累，難以滿(mǎn)足對場(chǎng)景的理解要求。所以，AI算法需要經(jīng)驗與業(yè)務(wù)規則的結合。這種情況下，知識圖譜技術(shù)成為關(guān)鍵所在。通過(guò)知識圖譜，可以更好地理解業(yè)務(wù)。通過(guò)建立統一的圖譜來(lái)實(shí)現知識的融合，進(jìn)一步加快推進(jìn)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調用的服務(wù)方式是不夠的。廠(chǎng)商需要根據具體場(chǎng)景，在技術(shù)基礎上提供定制化的解決方案，并封裝為應用到業(yè)務(wù)系統中的產(chǎn)品，即“AI+產(chǎn)品”。另外，廠(chǎng)商需要提供持續性的業(yè)務(wù)運行服務(wù)，才可讓AI產(chǎn)品真正發(fā)揮價(jià)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(lái)說(shuō)，在業(yè)務(wù)中落地AI技術(shù)應用，至少包括兩個(gè)層面的成本：芯片、算法平臺等智能化產(chǎn)品、引進(jìn)算法工程師等人工智能方面人才。目前，一些數據平臺、機器學(xué)習平臺的涌現，提高了人工智能建模的自動(dòng)化程度，同時(shí)也降低了整個(gè)業(yè)務(wù)流程對算法工程師的依賴(lài)，AI應用的總成本有待降低。此外，未來(lái)算法的進(jìn)步可降低硬件標準，也可促使成本的節省。
人工智能產(chǎn)業(yè)呈現四點(diǎn)趨勢
當前，國家戰略的前瞻性引領(lǐng)、產(chǎn)學(xué)研用的協(xié)作創(chuàng )新、需求方面的大力牽引、生態(tài)系統的高度開(kāi)放、政府的強力支持共同推動(dòng)著(zhù)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(shí)期。展望未來(lái)，基礎設施的升級、從感知智能到行動(dòng)智能技術(shù)的演進(jìn)、應用場(chǎng)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)規模仍在保持增長(cháng)，同時(shí)國家也在不斷出臺各類(lèi)人工智能產(chǎn)業(yè)扶持政策，資本市場(chǎng)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(cháng)的核心驅動(dòng)力。產(chǎn)業(yè)的發(fā)展取決于算法的進(jìn)步，在算法方面，目前已經(jīng)有深度學(xué)習和神經(jīng)網(wǎng)絡(luò )這樣優(yōu)秀的模型，但短時(shí)間內可能很難有所突破。所以算力就成為了競爭的重點(diǎn)方向。
不同層面分化明顯，在不同的層面上，都開(kāi)始出現龍頭企業(yè)，同時(shí)龍頭企業(yè)也進(jìn)一步聚焦自身的領(lǐng)域。底層基礎構建方面，騰訊、阿里巴巴、百度、華為等有自身數據、算法、技術(shù)和服務(wù)器優(yōu)勢?？拼笥嶏w、格靈深瞳、融合現實(shí)、曠視科技等在計算機視覺(jué)和語(yǔ)音識別方向上已有較多的技術(shù)積累。而深蘭科技、地平線(xiàn)機器人、華為、小米等應用產(chǎn)品層面上進(jìn)行深入研發(fā)。
工業(yè)化是未來(lái)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行業(yè)結合。隨著(zhù)實(shí)踐逐步深入，簡(jiǎn)單的人工智能技術(shù)疊加將不再能滿(mǎn)足用戶(hù)的智能化預期。人工智能產(chǎn)業(yè)借助對傳統行業(yè)的深入理解將逐步向工業(yè)化邁進(jìn)。標準化的產(chǎn)品、規?；纳a(chǎn)、流水線(xiàn)式的作業(yè)將是人工智能實(shí)現產(chǎn)業(yè)化的發(fā)展方向。
綜合應用場(chǎng)景提升。在深度學(xué)習技術(shù)開(kāi)啟的人工智能第一發(fā)展階段，單點(diǎn)技術(shù)的革新在市場(chǎng)中快速形成小型的技術(shù)應用閉環(huán)，技術(shù)為驅動(dòng)的商業(yè)模式快速形成。隨著(zhù)人工智能技術(shù)在場(chǎng)景中應用的不斷深化，單一技術(shù)實(shí)現的技術(shù)閉環(huán)難以滿(mǎn)足復雜場(chǎng)景下的智能化需求，綜合應用場(chǎng)景比例提升。
隨著(zhù)國家數字化改革以及產(chǎn)業(yè)數據基礎設施的完善，產(chǎn)業(yè)互聯(lián)網(wǎng)打通了人工智能產(chǎn)業(yè)鏈各環(huán)節的數據路線(xiàn)，以此為基礎，人工智能應用將從企業(yè)內部智能化延伸到產(chǎn)業(yè)智能化，逐步實(shí)現從采購到制造到流通等環(huán)節的智能合作機制，提升產(chǎn)業(yè)整體的效率，實(shí)現產(chǎn)業(yè)互聯(lián)網(wǎng)價(jià)值最大化，引導未來(lái)更多行業(yè)走向產(chǎn)業(yè)智能、互聯(lián)發(fā)展。