人工智慧產業展望：2018年三大難題如何破解？

作者：張孝榮楊舒涵

當前，AI的競爭已然升級到國家競爭。2017年首次出現了「AI中國威脅論」。谷歌前董事長施密特公開抱怨美國政府對企業在人工智慧領域的支持不足，這將使美國「在10年內」向中國拱手讓出在該領域的主導權。

抱怨的背後正體現出中國人工智慧厚積薄發，取得了一定成就，尤其是在應用層的發展達到了與美國相近的水平。如在移動支付方面，目前中國的移動支付普及率為77%，位居全球第一，在大量應用的背後，從刷臉支付到演算法優化，人工智慧扮演著關鍵作用。美國人免不了喝上一壺老陳醋。

事實真的如此嗎？

我們在做《中美兩國人工智慧產業發展全面解讀》報告時發現：中國人工智慧企業數量、人才數量都僅為美國的一半；美國布局全面，而中國無論是企業還是人才，在產業基礎層、技術層、應用層，分布不均，僅應用層略有積累。

施密特之抱怨，終究無法掩蓋中美兩國巨大的產業落差。

與其關注誰威脅誰，不如把心思放在技術創新上。這才是每一個AI企業都應該時時刻刻思考的問題，也是一個科技企業的本分。

不過，現在產業界也不夠冷靜。甚至於出現了一些讓人擔憂的跡象。回顧2017，人工智慧領域已經出現了三大突破，演算法、政策、資金，均創里程碑，業界歡呼鼓舞，這種情形像極了1999年底網路泡沫泛濫的情形。

展望2018，偌大一個人工智慧，優秀項目不夠、頂尖人才不足、場景落地缺缺，三大難題橫亘眼前，又將如何破解？

2017年的三大突破

演算法的突破

要說在2017年把人工智慧引入輿論高潮的，就不得不提圍棋人機大戰。來自谷歌旗下的AlphaGo以3：0擊敗了世界排名第一的柯潔，隨後AlphaGo Zero又取得超過AlphaGo 的實力，贏得了100場比賽的全勝，並在40天內超過了所有舊版本。

AlphaGo的前幾代版本，主要採用深度學習演算法，一開始用上千盤人類棋譜進行訓練。

AlphaGo Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始，採用的是強化學習。該系統從一個對圍棋一無所知的神經網路開始，將該神經網路和一個強力搜索演算法結合，自我對弈。在對弈過程中，神經網路不斷調整、升級，預測每一步落子和最終的勝利者。

強化學習其實也是機器學習的一個分支，強化學習是一種標記延遲的監督學習。它講究在一系列的情景之下，通過多步恰當的決策來達到一個目標，是一種序列多步決策的問題。

AlphaGo Zero的成果提示，AI並非只有深度學習，強化學習也很值得研究。

在過去的三十年，深度學習運動一度被認為是學術界的一個異類， Geoff Hinton和他同事的努力，使得深度學習成為主流，應用於語音識別、圖像標籤以及其他無數在線工具的用戶體驗。

有趣的是，臨近年底，深度學習之父Hinton發布新論文Capsule，斷然宣稱要放棄反向傳播和深度學習理論，欲自廢三十年功力再練一套新AI「功夫」。圈裡圈外頓時蒙圈。

自我顛覆或醞釀著AI的另一次飛躍。李飛飛對此大為讚賞，發推特稱：沒有工具是永恆的，即使是反向傳播和深度學習。重要的是基礎研究繼續推進。

政策的突破

2017頂層設計已經明確昭示產業發展方向，可以預期，2018年後各地將掀起新一輪的發展高潮。

為搶抓人工智慧發展的重大戰略機遇，構築我國人工智慧發展的先發優勢，加快建設創新型國家和世界科技強國，2017年7月，國務院印發的《新一代人工智慧發展規劃》，提出三步走計劃，到2030年人工智慧理論、技術與應用總體達到世界領先水平。

《規劃》旨在大力發展五大人工智慧2.0技術（包括深度學習、跨界融合、人機協同、群智開放和自主操控），用以解決技術、產業、社會和國防四大領域的問題。值得一提的是，規劃中還提到了讓中小學開設人工智慧和編程課程，人工智慧教育從娃娃抓起，一時間風頭無兩，蓋過規劃。

繼《規劃》發布後，11月15日，科技部在北京召開新一代人工智慧發展規劃暨重大科技項目啟動會，宣布依託百度、阿里、騰訊和科大訊飛四家公司，成立人工智慧四大平台，標誌著新一代人工智慧發展規劃和重大科技項目進入全面啟動實施階段。

作為創業者和企業家，2018年發展什麼樣的人工智慧技術和產品、怎樣發展人工智慧技術和產品？翻開《規劃》，尤其是關於「培育高端高效的智能經濟」的內容，一定可以找到一些思路：「大力發展人工智慧新興產業，將技術轉換成應用，實現在智能軟硬體、智能機器人、智能運載工具（車、船、飛機、火箭等）、VR/AR、智能終端和物聯網基礎器件的創新；加快推進產業智能化升級，促進傳統企業的改造，讓製造、農業、物流、金融、商務和家居等各領域都實現人工智慧規模化應用；大力發展智能企業，推動企業智能升級，推廣應用智能工場；打造人工智慧創新高地，鼓勵打造建設以人才、企業、生產要素為中心的產業群、產業園。」

AI投融資突破

一改前兩年的低調，2017年的資本，高調的聚集到屈指可數的較成規模的AI創業項目中。

7月11日，4.1億美元！商湯科技刷新AI領域單輪融資紀錄！

10月31日，4.6億美元！曠視科技獲4.6億美元C輪融資，再次刷新了融資記錄！

2017年，一系列眼花繚亂的融資事件陸續爆發。

2017年中國AI領域投融資創出歷史新高，一年內總投融資達582億元。

在投資熱門領域方面，VC對計算機視覺與圖像、自然語言處理和智能機器人的關注持續全年，其趨勢基本符合騰訊研究院8月發布的《中美兩國人工智慧產業發展全面解讀》和《中美人工智慧創投趨勢報告》的預測。

值得一提的是，國產AI晶元獨角獸出現。長期以來，中國信息產業受制於人，在產業核心晶元方面的落後不僅僅是技術、資金的匱乏，更重要的還有產業生態意識的淡薄。AI晶元投資周期長，金額大，產出小的特點，使得很多投資商及企業對它望而卻步。而此次一億美元的融資，將用於發展國產AI晶元的產品化和市場化，有助於推動產業走向自主發展的道路。

粥多僧少，泡沫也在醞釀。由於創業公司成立數量較前兩年有所回落，2017年資金明顯偏向中後期、大多數是一些較為成熟的項目，金額相當巨大。

2018年，投資人會不會對AI初創項目表示更多熱情？

許多AI初創項目，屬於「三缺一」項目，缺少獨創技術、缺少應用場景、缺少成熟度，只有一個概念，徘徊在實驗室里，難以推開市場的大門，看起來有點懸。

2018年的三大難題

資金很多，項目不夠用了

當前的AI產業發展面臨泡沫化的風險，主要體現在投資供應數量大而項目供給數量少，市場對創業項目寄予很高的期望，而實際的產品體驗欠佳。

泡沫即將出現。在騰訊研究院發布的《中美兩國人工智慧產業發展全面解讀》報告中，分析了引發行業泡沫的兩個信號：

一是資金多而項目缺。

綜合過往數據和2017年前半年的情況，今年美國新增企業數量將跌到谷底，在2017之際，美國新增企業數量範圍在25-30家之間徘徊。同時，美國的累計融資量持續快速增長，最後將穩定在1380-1500億元的區間。

2018年後，中美兩國AI企業數量增長都將有所恢復，但依然平緩。在這段時期內，創投圈將會發現，找到一個新的有潛力的項目越來越難，由於新增企業數量稀少，經常只能跟投一些項目。

到2020年，美國累計AI公司數量將會超過1200家，累計融資將達到驚人的2000億人民幣。中國AI企業增勢不明朗。根據行業發展周期來計算，中國人工智慧產業將會在2018年回暖，新增公司數量會上揚到30以上，預期融資累計量將會達到900-1000億元。

二是周期長而營收難。

通俗的說，人工智慧期望值被大大高估了。引領本輪AI熱潮的深度學習，起源於上世紀八九十年代的神經網路研究。在很多情況下，前沿研究是由對已有方法的微小改動和改進組成，而這些方法在幾十年前就已經被設計出來了。

2006年，深度學習演算法獲得了突破後，引起市場熱炒，但相關的AI技術和產品的成熟度仍然有限，甚至被譏笑為「人工智障」。許多項目和技術，要想獲得消費者歡迎，還需要相當長的時間。

從投融資趨勢來看，湧入人工智慧領域的資金依然還會增加。

一個依據是，據不完全統計，2017年中國人工智慧領域的投融資事件約353起，比2016年稍有回落。但投資金額激增，總融資金額近600億人民幣，在政府的鼓勵和行業併購中，2018年中國AI的投資將會持續大幅增加。

另一個依據是，行業併購開始加劇。根據CB Insights提供的數據顯示，自2011年以來，已有近140家人工智慧初創公司被收購，而2017年的第一季度，海外就有34家人工智慧初創公司被收購，為去年同期的兩倍。2018年，仍將延續這一趨勢。在資金增長的同時，中國AI企業數量卻不能同幅增長。根據行業發展周期來計算，中國人工智慧產業將會在2018年呈現回暖，預期融資累計量將會達到900-1000億人民幣，而新增公司數量僅僅上揚到30家左右。

資金多而項目缺，周期長而營收難，項目卻一天比一天更加昂貴，這種情形與1999年的第一次互聯網泡沫何其相似。

事情很多，人不夠用了

演算法大神YoshuaBengio曾表示：「深度學習現在炙手可熱，目前的困境是缺乏專家，一個博士生大概需要五年的時間培養，但是五年前還沒有博士生開始從事深度學習，這意味著現在該領域的專家特別少，可以說彌足珍貴、極度稀缺。」這是三年前AI面臨的困境，至今依然未得到改善，甚至變得更加嚴峻。

人工智慧競爭以頂級人才為根本。 據說世界上深度學習領域的頂尖人才不超過50人，Andrew Ng表示深度學習領域人才匱乏的主要原因首先是數據，對於解決某些領域的問題，獲取數據並非易事；其次是計算基礎架構工具，包括計算機硬體和軟體；最後是這個領域的工程師培養時間非常長。所以科技巨頭們等紛紛通過收購初創公司來招攬人才。

作為國家未來的發展方向，AI技術對於經濟發展、產業轉型和科技進步起著至關重要的作用。而AI技術的研發，落地與推廣離不開各領域頂級人才的通力協作。在推動AI產業從興起進入快速發展的歷程中，AI頂級人才的領軍作用尤為重要，他們是推動人工智慧發展的關鍵因素。

然而，中國人工智慧領域人才發展極為欠缺。

據騰訊研究院發布的《2017全球人工智慧人才白皮書》顯示，目前我國約有20所大學的研究實驗室專註於人工智慧，高校教師以及在讀碩博生約7000人；產業界現存人員人數約為39000人。遠不能滿足我國市場百萬級的人才需求量。

從產業發展來看，我國人工智慧領域人才分布嚴重失衡。

人工智慧產業由基礎層（晶元/處理器、感測器等），技術層（自然語言處理，計算機視覺與圖像，機器學習/深度學習，智能機器人等）和應用層（語音識別，人臉識別）等組成，目前我國在產業層次人才 上面臨兩個問題如下：

問題一，產業分布不均。中國AI產業的主要從業人員集中在應用層，基礎層和技術層人才儲備薄弱，尤其是處理器/晶元和AI技術平台上，嚴重削弱中國在國際上競爭力。

問題二，供求嚴重失衡，人才缺口很難在短期內得到有效填補。過去三年中，我國期望在AI領域工作的求職者正以每年翻倍的速度迅猛增長，特別是偏基礎層面的AI職位，如演算法工程師，供應增幅達到150%以上。儘管增長如此高速，仍然很難滿足市場需求。但是，由於合格AI人才培養所需時間和成本遠高於一般IT人才，人才缺口很難在短期內得到有效填補。

人才不足，是制約中國AI產業發展的關鍵因素。

近幾年來，Google不斷的收購AI領域的公司最主要的目的是「搶購」一批世界上最一流的專家，在一個迅速成長的人工智慧領域裡面，這些專家無一不是佼佼者。其他科技巨頭也相機而動。

可以推想，人才流動，還將加劇。人才引進，還需持續。2018年，無法緩解人才饑渴症。

場景很多，路不好走了

如果梳理一下2017全年的AI產業大事件，人工智慧技術與行業結合，九大熱門領域遍地開花。

其中，醫療、金融、無人駕駛這三大熱點中的懸疑，更是大大的吊足了公眾的胃口。

懸疑一，AI醫療的變革的信號在哪裡？

作為民生領域，醫療年年改，卻次次令人無奈。風險投資也對AI+醫療有持續不斷的支持。2017年，每個月都有VC流入AI+醫療領域，國內所有醫療人工智慧公司累計融資額已超過180億人民幣。

科技企業智能醫療的布局與應用已有雛形，IBM Waston已應用於臨床診斷和治療，在2016年就進入中國在多家醫院推廣；阿里健康重點打造醫學影像智能診斷平台；騰訊在17年8月推出騰訊覓影，可輔助醫生對食管癌進行篩查。圖瑪深維11月獲投2億元，正在把深度學習引入到計算機輔助診斷系統中，晶泰科技 （XtalPi）近期也融資1500萬美元，用於新一代的智能藥物研發技術，以解決藥物臨床前研究中的效率與成功率問題。

遺憾的是，儘管政府亮了綠燈，企業投了人力財力，但人工智慧卻並沒有在醫療領域出現爆發。原因何在？在於人工智慧需要大量共享數據，而醫院和患者的數據如同孤島。如何打破各方壁壘，保障健康的同時又保障數據安全性？這將是推動智能醫療快速發展的一個重要信號。

懸疑二，AI如何深層次的撬動金融？

與智能醫療面臨相同數據問題的還有金融領域，大量的可信度較高的數據握在各大銀行手中，AI怎麼能夠撬出來這些數據以推動金融科技的創新，是創業者們絞盡腦汁思考的課題。

當前，人臉識別、指紋識別技術作為驗證客戶身份、遠程開戶、刷臉支付，解決金融安全隱患的方案，已經發展成熟正在逐步推廣。

如何利用知識圖譜挖掘潛在客戶、進一步深挖客戶潛在需求的技術也已較為成熟，而數據源的問題亟待解決。

美國的科技公司FutureAdvisor最早研製出「機器人理財顧問」。隨後，此類機器人理財顧問迅速風靡全球。

2017年智能投顧更是火燒火燎，被視為是下一個風口。但是，機器人炒股，結果賠了。

懸疑三，智能汽車究竟何時上市？

無人駕駛汽車被稱為「四輪機器人」，但其發展何時會像智能手機一般，人手一台，徹底顛覆傳統手機進而推動整個產業變革？這答案仍然是個懸疑。

2017年，汽車行業內智能造車勢力動作不斷，其中一部分已陸續交出答卷，讓產品接受市場的檢驗，而一部分仍在溫室中培養，等待結果。之所以稱之為「溫室」，是因為各行各界都對其予以厚望，尤其是在投融資上，雖然投資事件數不多，但金額達234億人民幣。

百度宣布開放阿波羅平台。阿里巴巴與上汽集團等傳統車企展開合作。騰訊於年初成功入股特斯拉成為第五大股東，領投蔚來汽車首款純電動產品，已正式上市。

時間正在跟我們賽跑。2017年，無人駕駛車輛走上北京五環被交警調查，12月20日，一支百度Apollo無人車車隊，在雄安新區測試開跑。2018年初，北京順義區無人駕駛試運營基地正式啟動，成為北京出台國內首部自動駕駛新規以來，全市首個開展無人駕駛試運營的區域。2018年，誰會上路？行業和消費者都拭目以待。

結束語

回顧2000年互聯網泡沫的幻滅，很多人依然覺得不可思議。那時候的產業發展日新月異，軟體應用、網路服務ISP，網路內容ICP爆發，常有一日不見如隔三秋的感嘆。

2000年4月，納斯達克指數一路狂飆突進到歷史頂點，5400多點。但不幸泡沫破裂，資本市場崩盤。 納斯達克指數迅速滑落。中間經歷了9.11恐怖襲擊事件，還有安然事件。寒冬持續了3年時間，才慢慢走出低谷。

如今的AI產業正蓬勃發展，與互聯網初期階段何其相似。

產業帶著耀眼的光環，肩負國家戰略的重任，高度依賴資本市場渠道，輿論高度爆炒，從業者無不都是三高社會精英。

但美中不足的是，上市的產品卻體驗欠佳，應用場景略顯不足，魚目混珠的項目時有出現。

且不說納斯達克如何，單單A股市場，就常常為之躁動不已。理智的資本市場變得荷爾蒙過剩，泡沫的味道越來越濃。無論是政府還是企業，大家都應該對未來的風險加以防範。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！