人工智能產業中的創新探索與研究

姚霽 岳頎

【摘 要】人工智能深刻地影響著人類的生活，但其發展之路依然荊棘密布。本文提出了關于人工智能的基礎層、技術層、應用層以及商業化進程中的創新思路，旨在為人工智能的發展提供新的動力。

【關鍵詞】人工智能；基礎層；技術層；應用層；創新

中圖分類號：TP309.7 文獻標識碼： A 文章編號： 2095-2457（2018）33-0016-003

DOI：10.19694/j.cnki.issn2095-2457.2018.33.007

【Abstract】Artificial intelligence affects human life profoundly， but its development path is full of obstacles. The innovative ideas about the basic layers， technical layers， application layers and the process of commercialization of artificial intelligence are proposed， trying to provide new impetus for the development of artificial intelligence.

【Key words】Transportation engineering； Pedestrian detection； Deep learning； Two dimensional principal component analysis

0 引言

隨著大數據的涌現、互聯網的普及，數據和知識在信息空間、物理空間和人類社會之間交叉融合，促進人工智能在智能企業、智能生活、機器人、自動駕駛、電子商務、電子醫療等多方面形成深入的應用。然而我們要對人工智能的發展保持冷靜的認知，人工智能所基于的深度學習仍有難以克服的缺陷，其商業應用之路荊棘密布。人工智能的進一步發展需要全產業鏈的深入創新。

人工智能產業鏈結構分為基礎層、技術層與應用層。我國雖然已經成為全球AI中心之一，但數據環境、專業人才和底層硬件的不足，特別是芯片、CPU等產業的不成熟，制約著我國人工智能的深入發展。國內的AI企業需要認識到AI產業發展創新的困難性和戰略意義，需要從人工智能產業鏈的各個環節（圖1） 全面布局、不斷創新，才能實現人工智能發展的彎道超車。

1 基礎層創新

人工智能的基礎層主要為AI技術和產業發展提供數據和計算能力，涉及到計算硬件、計算系統技術和數據。因此基礎層的創新主要表現在數據的采集分析和計算硬件的發展。

隨著人機物互聯互通形成趨勢，爆炸性增長的數據量不僅為基于深度學習訓練人工智能提供了良好的土壤，同時也成為AI企業的戰略性競爭優勢。企業在數據采集的創新路上要逐步建立自籌數據、公共數據、產業協同數據等不同數據的來源途徑；依靠積累的海量優質數據，為人工智能機器學習提供充足的樣本，建立優質的算法平臺；尤其要注意場景數據的積累分析，從而為提煉出更高效的人工智能應用場景的解決方案作準備。

在優質數據的基礎上，企業要重點在計算能力上進行創新，開發具有深度計算能力的新型芯片。深度學習算法從軟件層模仿人類大腦對底層信號的特征提取，使得學習目標更精準有效。然而當前的神經網絡算法幾乎全部基于傳統的集中式硬件架構，無法發揮人工智能的技術優勢，急切需要從硬件層加以解決。AI芯片加速了深層神經網絡的訓練迭代速度，極大地促進了AI行業的發展。目前，已經出現了NPU、GPU及各種各樣的AI-PU專用芯片。企業在研究并行計算的架構前提下，進一步提高線性代數運算效率，同時降低功耗，這是AI芯片進一步創新的方向。

此外，近年來面向物聯網應用的運動、生物、健康、醫學、環境類智能傳感器，以及面向工業互聯網應用的微電器件等發展迅猛，AI發展的重心呈現出向硬件底層迅速滲透的趨勢。各類用于環境感知和信息數據采集的傳感器件、設備及系統是人工智能企業的發展重點，而相關開發工具與集成環境的優化是企業創新的另一方向。最終打造面向云、邊緣和端等全場景的、獨立的以及協同的全棧解決方案，提供充裕的、經濟的算力資源是企業在基礎層創新的終極目標。

2 核心技術層創新

人工智能的發展是計算機軟硬件技術交替前行、牽引演進的產物，其技術層的發展是AI發展的核心推動力。主要由深度學習和神經網絡等技術組成，包括模式識別、機器學習、人機交互及智能的信息處理算法，乃至一切用于模擬人腦進行認知學習、分析的算法。

深度學習的研究推動了算法模型的持續優化。多倫多大學教授杰弗里·辛頓在2006年提出的深度學習的概念極大地促進了人工神經網絡算法的發展，提高了機器自主學習的能力。隨著算法模型的重要性顯現，全球的科技巨頭紛紛加大了投入和布局力度，通過成立實驗室，開源算法框架，打造生態體系等方式推動算法模型的優化和創新。目前，深度學習算法已經廣泛應用在自然語言處理、語義處理以及計算機視覺等領域，并在某些特定場景取得了突破性進展，甚至從有監督式學習逐漸演化為半監督、無監督式學習。

AI企業應當深耕算法和通用技術，建立技術優勢[1]。曠視科技就是以機器視覺技術為突破口，專注于先進的人臉識別、圖像識別技術，同時以場景應用作為流量入口，積累用戶，逐漸地建立應用平臺，進而拓展到智能硬件、智能云服務及行業智能解決方案。這為企業在技術層面的創新提供了成功的案例，拓寬了思路。科技企業可以通過推出算法平臺吸引眾多的開發者，實現快速的產品迭代、活躍的社區，從而打造開發者生態，形成行業標準，實現商業應用。

總之，加強人工智能核心關鍵技術研究，以算法為核心，以數據和硬件為基礎，重點提升知識計算、感知識別、認知推理、運動執行、人機交互能力，形成穩定成熟、開放兼容的技術體系，在計算機視覺、自然語言處理、智能決策推理等領域構筑數據高效、能耗高效、安全可信、自動自治的全棧方案是技術創新的核心。

3 應用場景的創新

人工智能的的發展，明確應用場景是關鍵。現有的應用場景不斷向縱深拓展，但價值創造的重點依然在技術取得突破的領域。按產業鏈分析，人工智能將呈現生態構建者、技術算法驅動者、應用聚焦者、垂直行業先行者等競爭模式，幾種模式都離不開應用場景的商業開發。因此生態應用場景的建立是人工智能落地發展的核心[1]。

Google等互聯網公司堅持長期投資基礎設施和技術，兼以場景應用為入口，積累應用，建立應用平臺，成為人AI產業鏈的生態構建者。Google推出的家居中樞GoogleHome就以此為契機打開了場景應用的突破口。而IBM等軟件公司專注于通用技術平臺，以技術突破帶動場景應用，逐漸推出醫療、金融、呼叫中心等企業應用平臺。而傳統行業及新興的創業公司，則考慮有效結合人工智能，基于場景或行業數據，面向不同的用戶群體，選擇合適的場景，構建大量多維度的場景應用。部分領域的先行者在特定領域，則深耕該領域的通用技術和算法，成為該領域的顛覆者和主導者。例如，曠視科技以機器視覺技術為突破點，在發展前期（2011-2014年），主要定位為商用機器視覺開放平臺，深耕Face++人臉識別云服務、Image++圖像識別云服務和Brain++人工智能深度學習系統。2014年后，Face++開始發力智能行業解決方案，主攻覆蓋銀行、保險、互聯網金融的泛金融行業解決方案。

目前機器視覺、智能語音成為AI產業化水平最高的領域。但是隨著人工智能技術的突破，應用場景向縱深拓展的趨勢愈加明顯，各領域之間相互融合、相互影響， 新型的通用人工智能將把人工智能與知識、感知、意識及直覺等人類特征互連，減少對知識的依賴性、加強處理任務的普適性，這將是人工智能未來發展的一個方向。而隨著類腦科技的發展，人工智能必然向認知智能時代邁進，必將產生新的應用場景！醫療行業將成為 AI 應用最火熱的行業， 醫療機器人、醫學影像輔助診斷技術，將大大提高醫療診治和醫療康復水平。另外在某些需要對人類判斷決策進行輔助的場景，如無人駕駛、智能交通、金融等行業也將脫穎而出。人工智能對于教育培訓、娛樂休閑、家庭服務場景等領域，也具有廣闊的開發前景。此外，人工智能在無人便利店、網絡反欺詐、救援救災、知識產權、反恐防暴等領域的應用也逐漸成為市場關注的熱點。

4 商業化創新發展模式

隨著AI產業鏈的發展，將創新出前所未有的智能產品，涌現出完全有別于傳統行業的新興產業。AI產業創新必將帶來相關軟硬件產業的更新換代，如存儲器、芯片、語言處理、圖像和視覺、技術平臺等硬件設備的提供；以及大數據庫、計算平臺、神經網絡算法、云服務、商用智能等軟件與服務的提供。這給我國的實體經濟發展帶來了新的機遇。傳統企業需要攜手互聯網企業，利用人工智能構建新的競爭優勢，探索新的商業模式[2]。

商業模式構建了技術和實體經濟的橋梁。而新商業模式的發展往往伴隨著新技術的商業化進程。互聯網與人工智能的融合則推動了商業模式創新。例如，物聯網商品的流通方式大大減少了商品流通環節，進一步縮短了流通時間，因而節約了商業成本。而具備“快速響應處理”和“自主學習”能力的人工智能提供的商業智能軟件可以對倉儲數據進行線上分析處理、挖掘和演變，從而實現商業價值，為商業經營服務。商業智能和物聯網帶來的商品流通方式的革命性變化，進一步提高了交易效率，引領了商業模式的創新。

商業模式的創新還包括資源整合優化及設計高效的交易方式。從資源視角分析，企業對資源重新整合將帶動商業模式的變革，通過重新整合、協調企業的各種資源，進而形成資源鏈的協同效應，為客戶創造新的價值。阿里巴巴創造的電子商務平臺模式就是通過自身的電子商務平臺不斷向金融和物流等周邊領域延伸和擴展，從而形成龐大的電子商務系統。從交易成本視角分析，設計低成本的交易方式也將促進商業模式的創新。小米公司采用在線直銷模式，避免了中間運營商的介入，降低了成本，為用戶提供價廉物美的小米手機，從而快速積累了大量用戶粉絲[3]。

從人工智能的創新主體來看，AI核心技術的主要創新者將實現從高等院校到科技企業的轉變。人工智能未來的核心價值在于融合，尤其是行業技術與應用場景的融合。隨著AI技術的開源化和平臺的開放化，各行業的龍頭企業將依托其積累的數據資源，進一步加快人工智能與企業業務的融合創新的步伐，成為AI產業發展的主力軍和領頭羊。

5 總結

未來已來，人工智能已經深刻地影響到人們的生活，并將無處不在！世界各國不約而同地投入“人工智能優先”的國家戰略，人工智能的競爭才剛剛開始。數據、算法、計算的發展以及場景應用的深入將驅動新一輪人工智能的發展，它們互為推動，協同發展，自我演進，進而將專有人工智能拓展到“泛智能”應用領域。目前，人工智能全產業鏈基本形成。AI為交通、醫療、教育、工業等各行業提供深度融通，為實體經濟網絡化、數字化、智能化轉型升級推波助瀾。從全球研究人工智能的熱情看，AI創新的爆發將進一步加快，互聯網、軟件甚至傳統行業巨頭都在AI產業鏈的基礎層、技術層和應用層全面布局，深入研究，不斷創新，國內的企業也應該時不我待，奮發圖強，積極參與人工智能創新的歷史進程，整合多個行業應用，豐富實用場景，為人工智能全面服務于人類做貢獻！

【參考文獻】

[1]《人工智能產業鏈及五大商業模式解析》來源：https：//www.sohu.com/a/131107312_104253.

[2]何玉長，方坤.人工智能與實體經濟融合的理論闡述.學術月刊.2018（5）：235-236.

[3]蒲松濤.我國人工智能產業發展六大趨勢.中國電子報，2017（5）.