從“可以用”到“很好用”人工智能還要邁過許多坎

嚴佳龍

人工智能（AI）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，被認為是計算機科學的一個分支。人工智能的產業化進程始于上個世紀90年代，在2000年后進入加速發展時代。2006年以后，隨著算法的進步、全球數據量爆發式增長。以及計算能力大幅度提升。人工智能產業將席卷全球，人工智能的應用產業化也開始爆發式增長。

人工智能取得快速發展

2018年全球人工智能核心產業市場規模超過555.7億美元，相較于2017年同比增長50.2%。

人工智能作為未來全球產業競爭力的關鍵獲得全球各國的共識。美國總統特朗普2019年2月簽發了名為“維持美國在人工智能領域領先地位”的總統令，強調美國必須推動人工智能的技術突破，要保持美國在人工智能領域的技術優勢。英國秉持穩重、冷靜的態度推進人工智能發展，更注重人工智能基礎性研究。法國政府日前公布國家發展人工智能戰略計劃，預定在2022年以前斥資6.65億歐元，將利用法國在數學研究方面的優良傳統，把人工智能發展提升到全球最高水平。日本和韓國相繼發布人工智能國家戰略，加快完善人工智能發展頂層設計。

從產業規模看，根據統計，2018年全球人工智能核心產業市場規模超過555.7億美元，相較于2017年同比增長50.2%。賽迪研究院的數據顯示，截至2019年3月底，全球活躍人工智能企業達到5386家，其中美國為2169家、中國大陸為1189家、英國為404家、加拿大303家、印度則是169家。全球范圍內美國與中國投資較為密集，其次為歐洲、印度、以色列。

人工智能產品硬件占比超過50%

基礎層是整個人工智能產業的基礎，也是高投入、高回報的產業，主要是研發硬件及軟件。

一般而言，人工智能產業鏈可以分為基礎層、技術層和應用層。基礎層是整個產業的基礎，也是高投入、高回報的產業，主要是研發硬件及軟件，如芯片、傳感器、數據資源、云計算平臺等，為人工智能提供數據及算力支撐。技術層和應用層門檻稍低，是眾多創業企業的切入點。

美國在基礎層和技術層的AI企業數量約是中國的兩倍，美國的產業發展從底層技術開始再向上游應用拓展，而中國則更多在應用側進行創新，逐步向底層技術進行滲透。亞馬遜、谷歌、Facebook和IBM引領人工智能技術的發展，作為互聯網時代的巨頭企業，他們擁有更多的資源來收集數據，從而擁有更多的數據可供使用。谷歌公司是第一家大規模開展人工智能研究的公司，名為“谷歌大腦”的研究項目涵蓋了機器學習、自然語言理解、機器學習算法和技術以及機器人技術等領域。中國的百度、科大訊飛、阿里、騰訊等企業也在人工智能領域大展拳腳。

在人工智能產品中硬件產品占比超過50%，計算芯片及智能傳感器比重最大。2017年全球傳感器市場為269億美元，預計2023年達到706億美元，而2023年全球人工智能芯片市場規模也將達到108億美元。目前，美國、歐洲、日本依托多年的積累，在基礎層占據明顯的優勢。霍尼韋爾、博世、ABB等國際巨頭全面布局了智能傳感器，基本處于壟斷地位。在智能芯片領域，英偉達、高通、英特爾、德州儀器等企業一直是該領域的核心企業，控制著全球人工智能發展的命脈，中國的華為、地平線、寒武紀等企業在不斷追趕。

目前，全球人工智能的投融資主要集中在AI+（垂直行業）、計算機視覺、數據服務和智能機器人等領域。中國人工智能創業公司所屬領域分布中，計算機視覺領域擁有最多創業公司，曠世科技、云從科技等企業均從這個領域開始發力，另外一個集中的領域是服務機器人，其次是語音及自然語言處理領域，智能醫療、機器學習、智能駕駛等也是相對比較熱門的領域之一。人工智能驅動經濟向服務化、高端化方向轉型，驅動社會向靈活化、智慧化方向轉型。借助人工智能，傳統的商業和行業可以獲取額外的高附加值。

人工智能距離“很好用”還有諸多瓶頸

算法的成熟、大規模的投入和平臺型廠商的推廣是AI場景化加速的主要原因。

未來依然是中美主導全球人工智能的發展。算法的成熟、大規模的投入和平臺型廠商的推廣是AI場景化加速的主要原因。在互聯網時代，中美占據了先機，涌現出一批世界級的互聯網和企業，在“人工智能+”時代，這些企業依托強大的平臺運營和資源整合能力，依然是人工智能產業龍頭。同時，不論是機器學習、生物識別，還是自動駕駛等，都需要龐大的數據作為“訓練”“學習”的支撐。美國在訓練的數據處理基礎理論、蒜片軟硬件水平方面全球遙遙領先，中國擁有全球最大的互聯網用戶規模、全球最大的人才儲備規模，這些條件其他國家不具備。

人工智能產業未來的道路布滿了畸嶇和坎坷?；仡櫲斯ぶ悄墚a業發展歷程經歷了“三起兩落”，兩次過高的預期難以得到實現。目前人工智能的崛起，更多基于深度學習算法的突破，特別是基礎技術圖像、語音和語義識別技術。人工智能正處于從“不能用”到“可以用”的技術拐點，但是距離“很好用”還有諸多瓶頸。在強人工智能尚未看到明顯希望的前提下，弱人工智能的本質和前提是通過分析大量歷史數據，從中學習總結相應的知識，建立相關模型對以往的數據進行解釋并預測未來的數據。AI企業商業化道路還處于早期階段，從全社會看，AI在企業的滲透率偏低，過分依賴場景和數據，同時還有很多技術有待突破。

人工智能產業的進一步發展有賴于社會治理方式的改變。當前，人工智能不斷推動經濟自動化和社會智能化。短期內，人工智能將導致一些重復操作的就業崗位減少。但是，人工智能減少就業并不是必然的。人工智能平臺通過應用接口（API）接入大量增值應用（APP），可以為開發者創造廣泛的靈活就業機會。需要人類來支持人工智能的實現并監督其應用。人工智能不是完全消除對工作人員的需求，而是加強現有的系統和過程。Gartner公司預測，在兩年之內，人工智能將創造230萬個就業機會，同時只會減少180萬個就業機會。隨著人工智能作為跨學科研究的前沿并在實際應用中快速推進，人工智能在技術能力層面上對社會治理也提出新要求：一是如何界定人工智能決策的帶來的責任和義務，二是如何預防嚴重依賴人工智能運作的社會系統帶來混亂。在解決一系列法律以及倫理問題的前提下，人工智能才能進一步實現健康和持續的發展。