人工智慧（五）人工智慧市場發展趨勢和最新應用場景分析
人工智慧(Artificial Intelligence)
人工智慧是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的技術科學，它綜合了計算機科學、生物學、哲學。 隨著大數據和物聯網的發展，人工智慧第三次浪潮已經來臨。海量數據為人工智慧發展提供基礎，運算力的提升大幅推動人工智慧進步， 深度學習演算法在圖像、語音、自然語言處理、廣告推送等方面的突破性進展促進了人工智慧的研究和應用，已經具備感知層的基礎技術。同時，在硬體方面，晶元技術和雲計算水平的提高促進了人工智慧的發展。開源軟體的流行使得人工智慧從專用的技術成為通用的技術，融入各行各業之中。
人工智慧發展階段可分為計算智能階段、感知智能階段和認知智能階段。計算智能如去年穀歌人工智慧 AlphaGo 打敗人類棋手，感知智能如安全領域人臉識別技術的 Face++，以及電商領域巨頭計算機視覺技術公司 Yi+、智能語音巨頭科大訊飛等。目前國內大部分公司還停留在第一、第二階段。
對於第三階段的認知智能，僅有一些互聯網巨頭如阿里、百度在探索。2016年我國人工智慧產業規模達95.6 億元，同比增長37.9%。同時以移動互聯網、智能家居等領域為首，我國人工智慧產業將持續高速成長。在2017年的MWC大會上，從手機產品如LGG6預裝谷歌助手、華為P10預裝亞馬遜Alexa語音助手，以及三星S8預裝Bixby人工智慧助手，到應用如中科創達「Turbox 智能大腦平台」、華為FusionCube大數據解決方案，以及阿里雲IoT 的智能生活，無疑宣布人工智慧已成為目前的市場焦點。
目前，美國有16000多家頂級創業公司及200萬名技術人才，中國也將人工智慧看作是具有戰略意義的技術。歐洲則支持投資和金融科技應用，以及培養頂級人才。人工智慧企業有三種行業切入點: 全產業鏈生態參與者、以技術為突破的企業、以場景應用為突破的應用服務提供商。
同時越來越多的企業加入開源陣營，比如，谷歌人工智慧深度學習系統能同時支持多台伺服器，臉書深度學習函式庫框架鼓勵程序代碼再利用及模塊化編程，微軟 DMTK 將機器學習演算法應用於大數據工具包，IBM 使用Java 編寫可實現定製演算法、多個執行模式和自動優化，亞馬遜 DSSTNE 同時支持兩個圖形處理器參與運算的深度學習系統，百度並行分散式深度學習平台 Paddle- Paddle 可以使用更少的代碼實現相同的功能。
並且國內外的公司都在積極布局人工智慧晶元，夯實人工智慧的重要底層架構。比如，谷歌為其深度學習演算法Tensor Flow 設計專用的集成晶元TPU; Intel的 Xeon Phi 根據概率和聯繫做決策為計算帶來更多浮點性能; 特斯拉P100 GPU是目前世界上最大的晶元，可以執行深度學習神經網路任務; IBM的TrueNorth在不藉助雲計算基礎設施的情況下，讓移動計算機以極低能耗運行先進機器智能軟體; 中科院的寒武紀是專門面向深度學習技術設計的處理器晶元。
IT公司紛紛成立人工智慧研究院，積極參股、併購擁有先進技術的 AI公司。比如，谷歌通過連續收購布局智能家居、物聯網及機器人等領域; IBM與紐約基因中心合作加速腦癌研究，收購初創公司 Alchemy API，把深度學習技術整合利用，與科大訊飛在認知計算演算法、雲平台架構等層面開展合作，與希爾頓合作推出酒店業機器人禮賓員等; 臉書收購語音識別及機器翻譯公司 Mobile Technologies，將業務拓展到語音識別，收購語音指令公司Wit.AI，創建語音輸入模式; 騰訊收購人工智慧平台公司及智能穿戴公司; 百度與寶馬共同研發自動化駕駛技術; 阿里巴巴聯合富士康向軟銀戰略注資旗下機器人公司SBRH。
以技術為突破的企業以軟體公司為主，重點對演算法以及人工智慧相關技術進行研究。語音識別技術已趨於成熟，市場龐大但已有領航者佔領，代表公司有 Nuance，其已領銜全球市場，還有科大訊飛領跑中國語音市場，雲知聲重點布局人工智慧家居領域。基於語音識別和語義識別的智能語音交互技術在車載場景中存在剛需，也最先爆發。隨著車聯網的縱深發展，依靠語音交互天然流量入口做個性化增值服務將是未來車載領域的主要盈利點，國外代表企業有微軟、蘋果公司，國內代表企業有百度、出門問問等。計算機視覺應用場景可分為圖像識別和人臉識別。目前動態人臉識別，尤其是金融和安防領域是創業熱度最高的細分領域，國內代表企業有商湯科技、曠視科技。目前計算機視覺應用受圖像殘缺、光線過爆、過暗圖像等技術限制，同時缺乏豐富優質的細分應用場景數據。
互聯網化程度較高的行業如安防、金融、智能駕駛等人工智慧場景應用較為成熟
AI+ 安防
以政府為導向的強需求市場，具備政府合作能力的企業將率先搶佔市場
安防是人工智慧在視覺技術領域最直接的應用，尤其是當前恐怖事件頻頻發生，各國利用人工智慧技術進行治安反恐的需求不斷上升。智能安防可以識別個人生理屬性如性別、年齡、姿態等信息，配合交通監控、智能駕駛，可以實現高密度公共場所多種異常現象的人群分析和反恐預警。 安防行業是強政府導向的行業，擁有與政府相關渠道合作能力，可以準確把握其需求和預期的公司能夠佔據更大的市場份額。目前硬體與系統主要被海康威視和大華壟斷，業務集成軟體技術，直接對接B端客戶。在軟體演算法類企業中，行業技術標杆有曠視科技、商湯科技、雲從科技等。
AI+ 金融
貫穿新金融的全流程， 在風控方面技術較為成熟，數據源仍是爭奪的焦點
金融科技通過大數據、雲計算、人工智慧、區塊鏈等提高金融業務的智能化，如利用深度學習構造模型實現智能投顧;利用信息關聯、信息分析進行保險和信貸的精準營銷、風險控制與定價;利用人臉識別、語音識別來識別身份，實現信貸反欺詐，如身份驗證、徵信風控等。代表企業:平安科技以深度學習、神經網路為基礎，精準定位人臉和速食麵部特徵信息完成遠程身份驗證。
AI+交通
跨產業的戰略合作將成為常態
人工智慧基於交通行業積累的交通燈、視頻監控數據和出行數據，利用深度學習演算法實現智能交通。2016年10月，杭州與阿里合作實施「杭州城市數據大腦」項目，對整個城市進行全局實時分析，自動調配公共資源，修正城市運行中的漏洞，最終將成為能夠治理城市的超級人工智慧。智能駕駛跨產業的戰略合作將成為常態。智能駕駛既需要傳統汽車行業的動力控制、輔助駕駛等技術，又需要新興互聯網和軟體企業所擅長的人工智慧、機器學習、視覺感測、車聯網及大數據等技術，還需要圖商提供的高精度地圖及導航資源。基於這個背景，近期寶馬、賓士和戴姆勒三大汽車廠商用25億歐元收購了HERE地圖，高德與汽車零部件供應商德爾福開展戰略合作， Mobileye 與 Intel合作為寶馬打造自動駕駛系統，谷歌與福特實行強強聯合等。
教育、醫療、家居等雖然行業需求旺盛，但因行業壁壘、技術壁壘等因素，人工智慧應用滲透率不高
AI+ 教育
解決了個性化教育的痛點，在我國受到教育資源不均衡的影響
人工智慧通過數據驅動個性化教學。如從學生的作業及考試大數據中分析個人學習特性，推薦相關教學內容，對根據用戶持續學習過程中的行為數據進行適應性學習，形成動態個性化推薦。人工智慧也可以讓優秀經驗模式化。科大訊飛的人工智慧技術可以批閱越來越多的中英文作文題，從而代替很多繁瑣的工作。 目前我國教育基礎設施不均衡，偏遠地區教育資源匱乏，造成了人工智慧 應用規模效應難以實現。
AI+醫療
智能設備由北美壟斷，識別診斷領域數據是最大的瓶頸
AI與醫療行業融合目前主要體現在智能設備和識別診斷兩方面，其中智能設備多用於醫院、診所的醫療或輔助醫療的智能型服務機器人，市場目前集中在北美。在AI+醫療結合的識別診斷領域中，數據是關鍵。識別診斷包括診前的疾病預防、健康管理，診中的輔助診斷、醫學圖像處理，診後的虛擬醫護助手等，目前發展較為成熟的領域有醫學影像識別和智能診斷等。行業壁壘主要集中在數據方面，如醫學影像數據、電子病歷等存在各醫院之間信息不流通、企業與醫院之間合作不透明等問題，使得技術發展與數據供給之間存在矛盾。因此，擁有第一手醫療數據和政府、醫療機構等有大量渠道的創業公司將建立起壁壘。
AI+家居
行業整體滲透率不高，下游存在垂直整合趨勢，技術成熟度為主要瓶頸
智能家居以住宅為平台，基於物聯網技術，由硬體(智能家電、智能硬體、安防控制設備、傢具等)、軟體系統、雲計算平台構成家居生態圈，實現遠程控制設備、設備間互聯互通、設備自我學習等功能，並通過收集、分析用戶行為數據為用戶提供個性化生活服務。目前來看，智能家居行業整體的滲透率不高(不到5%)，技術成熟度是 主要的發展瓶頸。當前行業參與者眾多，上游廠商的晶元是關鍵，未來將形 成巨頭技術聯盟。中游以解決方案提供商為主，下游廠商產業化最大，互聯網化最高。
人工智慧由數據技術驅動轉為場景驅動，與行業和特定場景加深融合更能促進應用落地
AI+運營商
運營商積極布局人工智慧實現網路性能優化，提升用戶體驗
法國電信與德國電信聯合開發基於人工智慧的語音助手平台Djingo，同時還將通過 Orange 的機頂盒播放音樂和視頻、控制智能家庭設備、發布推特等。Orange與德國電信還將共同研發可以和亞馬遜Dash一鍵購物相抗衡的產品，其將支持如在線訂購商品和發送簡訊等功能。西班牙電信也通過自動化分析移動網路使用情況預測潛在的問題區域，提升用戶體驗。歐洲巨頭沃達豐將啟用「 TOBi」客服機器 人，幫助處理手機維修和訂單追蹤等客服問題，提升網路客服體驗。 韓國SK電訊的韓語人工智慧助理NUGU(與Djingo類似)未來將增加語音購物、實時出行等功能。日本政府將推進機器人和人工智慧的「第4次產業革命」，構想分3個階段推動利用人工智慧大幅提高製造業、物流、醫療和護理行業效率。軟銀除了收購人工智慧專業公司外，還引進了IBM的Watson系統。 NTT也推出了AI平台， 主要研究「助理-AI」、「心動-AI」、「環境-AI」、「網路-AI」。
AI+大數據+心理學
幫助企業實現數據驅動認知到數據驅動決策的轉變
2013年，劍橋大學計量心理學中心利用讀取個人 Facebook 上的點贊數代替傳統問卷調查，並與訓練數據集中的數據進行線性回歸或者奇異值分解對比，同時結合心理學對新用戶的年齡、性別、性取向、婚姻狀態、種族、政治觀點、宗教信仰、生活滿意度等信息進行建檔。另外，利用心理學人的人格及個性反過來對行為有驅動作用。 2016年特朗普通過跟蹤人們在網路上的舉動以及興趣，進行人物畫像，同時藉助數據模型，準確地推送差異性的廣告，利用每個人的特質，誘導乃至改變他們的行為，最終贏得選舉勝利。
人工智慧目前仍處於發展的早期階段，整體發展技術先於應用。在技術層面，雖然語音識別、計算機視覺等感知層的技術目前已經取得了一定成就， 但語義識別等認知層的技術仍不甚完善。 人工智慧應用場景目前主要受數據因素制約，互聯網化程度高的行業率先成熟。數據思維引爆智能革命，應用場景將繼續不斷豐富，未來將朝智能化 方向發展，主要體現在決策智能和運營智能上。
人工智慧發展的前提是以智能終端為載體。未來基於移動通信平台的各類智能終端越來越受市場歡迎，如何通過一個智能助理的角色將所有的終端聯繫起來，並挖掘衍生的業務價值是企業的一大目標。目前全球互聯網巨頭及運營商都在積極布局人工智慧，期望通過人工智慧優化網路性能，提高用戶體驗，實現產業轉型。 互聯網和數據正在改變我們的時代，世界的主導力量正在由工業時代的資源和資本向數據經濟時代的數據和演算法演進。AI最重要的還是要以智能連接設備為載體，將技術與應用場景相結合，才能為企業創造商業價值。
TAG:IT常青樹 |