AI的下一層級進化論

眾人皆知，AI正在日常生活中滲透。無論是刷臉進門、機器人掃地還是和智能音箱對話，這些應用均可歸類于人工智能的語音和圖像識別。要知道，目前這一代人工智能的發展建立于AI對人類感知的模仿。這得益于人工智能背后的深度學習，通過神經網絡層層分類信息。業內普遍觀點認為，“現階段AI還在弱智能的層面，要讓機器解決問題，首先需要人工定義問題和機制，轉化為數學模型，并通過數據訓練模型。”換句話說，如今的AI只能映射，還無法產生聯想，機器具備真實推理能力仍是人工智能的發展局限。那么，在不久的將來，AI的下一層級進化會是什么模樣，則主要會聚焦于全場景智能應用的領域。這是一個聽起來很寬泛的概念，我們可以簡單聊一聊。

什么是AI全場景

當前，“新層級的人工智能”作為一種新業態已開始進入萌芽和發展階段。而今年的疫情讓行業意識到產業智能化的重要性，行業新應用不斷涌現。甚至可以說，人工智能技術在今年發揮了無可替代的作用，科技力量展露無遺。很多人都知道，5G的到來及人工智能技術的逐步成熟，正加速與各行業融合。數據顯示，人工智能已進入應用加速落地和創造價值的新時期。那么，AI全場景是指什么？這個要先確定清楚。

在醫療行業方面，新冠肺炎疫情期間，北京、湖北、天津等30多個省市通過人工智能電話機器人開展新冠肺炎疫情重點人群排查、宣教和無接觸式疫情相關數據的采集，累計服務5900萬人次，篩查出伴有發熱癥狀居民3.6萬人，流行病學史陽性4.7萬人。人工智能一定程度上補全了基層診療服務短板。在教育方面，以人工智能、大數據等為代表的新技術，緩解了傳統教育目前存在的現象級難題，如，智能批改技應用在教師日常作業批改中，時間可減少50%-70%;通過手寫識別技術結合自動批改、知識圖譜等技術，讓學生的無效重復作業時間減少50%以上。這讓“師生減負”從“口號”成為可能。在工業方面，“5G+人工智能”技術使工業生產進入無人化智能時代，保障安全且提高整體盈利能力。

企業作為人工智能賦能的主體，則需在行業融合的廣度上謀差異化思考，在行業應用的深度上深耕場景應用，加強結構性的強場景融合，為產業升級賦能提供加速度。所以，“新層級AI”形成智能經濟新形態，將助力產業數字化升級。然而，人工智能助力產業數字化升級是場持久戰，這也意味著，人工智能與各行業的融合將不斷有新的課題與挑戰。

全場景智慧的落地

很多人都在說，人工智能發展如火如荼是因為“趕上了好機遇”。在5G等技術加持下，AI在車聯網、能源、工業、農業等新產業領域多點開花，加速商業裂變。此外，在業內觀點來看，AI未來的應用生態一定是基于高度場景化的，人工智能不僅是新一輪產業變革的核心驅動力量，推動數字經濟產業轉型升級，也是新一輪科技競賽的制高點。

2019年以來，我國更加重視人工智能技術的應用落地，先后批復啟動國家新一代人工智能創新發展試驗區、人工智能創新應用先導區，啟動了10家國家新一代人工智能創新平臺，充分發揮地方主體作用，鼓勵支持先行先試，探索促進人工智能與經濟社會發展的深度融合新路徑。

實際上，AI產業發展到現階段，挑戰是不少的。最明顯的感受是，缺失一個真正統一和高質量的數據湖，數據量巨大，但各層級、各部門的數據語義、存儲和管理機制不一，數據湖的數據質量不高，能有效利用的數據量其實并不足夠大。同時，現有網絡架構和大量煙囪式支撐系統以及組織架構不支持數據源與AI系統間海量數據的傳遞以進行訓練和預測，也難以有效協同支撐AI的應用。另外，網絡和業務復雜多變，缺乏成熟可靠的電信網絡和業務的建模和特征表示及提取方法。當然，缺乏必要的技能及數據科學和AI人才，也是一個大問題。不過，這些挑戰和問題都需要在新一階段的AI發展層級中得到進一步解決。全場景智慧的落地化是其中的要點。

顯然，隨著5G、云計算、大數據的不斷催化，AI的落地條件已經具備。5G的出現通過超大帶寬、海量連接、超低時延。目前，人工智能已經在“聽、說、看”等感知智能領域達到了或者超越了人類水準。但是在需要外部知識、邏輯推理或者領域遷移的認知智能領域還處于初級階段。認知智能將從認知心理學、腦科學及人類社會歷史中汲取靈感，并結合跨領域知識圖譜、因果推斷、持續學習等技術，建立穩定獲取和表達知識的有效機制，讓知識能夠被機器理解和運行，實現從感知智能到認知智能的關鍵突破。尤其是感知智能，在持續、飛速、廣泛地進階。有專家認為，人工智能感知技術的進階一定程度上始終在超出業內預期。未來還將維持這一勢頭持續發展，給我們帶來更多驚喜。

毫無疑問，全球人工智能應用落地加快有望形成顛覆性的力量，人工智能技術逐步滲透到質量檢測、預測性維護、生產流程等環節，成為制造業轉型升級的新引擎，提升個性化制藥效率，預測與診斷精度，打開了智慧醫療的新局面。而支持風控投顧相關信息，技術完善，還開辟了金融科技的新賽道。數據顯示，到2025年人工智能每年將為金融行業節約和創造340-430億美元，幫助醫療領域每年減少540億美元的支出。實際上，AI在今年的疫情防控中扮演了非常重要的角色，廣泛應用到疫情檢測分析、病毒溯源、防控救治、資源調配、公共衛生等領域。

在前不久發布的《新一代人工智能發展年度報告（2019-2020）》里提到，當前人工智能發展面臨的瓶頸問題，我國應加快完善數字基礎設施建設，雙輪驅動打造自主可控的供應鏈體系，穩妥的構建新格局，強化頂層設計、統籌解決“卡脖子”技術難題、筑牢數據安全根基。

當然，目前人工智能領域受技術發展、資本驅動等影響，創新創業欣欣向榮，但與實體經濟融合的行業應用仍處于初期，呈現出供給側和需求側錯位的現象;此外，受行業壁壘、信息化程度等因素影響，其與實體經濟融合的行業和區域結構性問題突出，在金融、零售等數字化、信息化、開放度較高行業的融合已初具成效，但與制造、農業、教育等行業的融合仍處于起步期。

AI數據服務發展是促成激烈競爭

很明顯，我國AI數據服務行業從2010年的野蠻生長期到現如今的規范化發展階段，伴隨著需求升級，技術更硬核、效率度極高的專業AI數據服務企業將成為主流趨勢。

中國AI數據服務經過野蠻生長期后，脫離實驗室走向實際場景，數據服務也從幕后走到臺前。預計在未來10年，中國AI數據服務主要應用于智慧醫療、智慧金融、新零售、智能安防、智慧家居等實際場景。伴隨技術的成熟、平臺的布局，未來市場發展潛力將不斷拓展，AI數據服務+全場景將成為要點。隨著AI與傳統行業的融合不斷加深，數據的量級以及復雜程度也將會大幅提升。與此同時，5G應用場景的加速落地，將激起新一輪數據積淀，數據類型也更加多樣化。此外，AI相關產業對精細化數據服務的需求將會不斷釋放，這將在很大限度上推動AI數據服務市場規模持續擴張。

之前國務院印發的《新一代人工智能發展規劃》提出，到2020年人工智能總體技術和應用與世界先進水平同步，核心產業規模超過1500億元，到2025年人工智能核心產業規模超過4000億元，到2030年人工智能理論、技術與應用總體達到世界領先水平，核心產業規模超過1萬億元。隨著政策的進一步推動以及技術的進步成熟，人工智能產業落地速度將明顯提速，中國AI數據服務行業也將迎來巨大的發展浪潮。

不過，我們也應該看到，AI技術的不斷成熟，市場場景不斷完善滲透，技術發展對算法的要求越來越高，也對數據精準度提出了更高的要求。同時，越來越多的企業將會隨著場景定制化升級對相應數據服務的需求，未來AI數據服務方式將從原來的粗放型向精細化方向過渡。之前，AI產業粗狂式發展所帶動的創業熱潮，脫穎而出的品牌數據服務商和中小型數據供應商形成了主要的供應方力量，但隨著需求方市場由粗獷向精細化過渡，場景升級、用戶需求質量上升等問題迫使了一眾中小型廠商提前離場，在未來一到兩年內行業將再次迎來洗牌，市場競爭越來越激烈。

后記

做AI項目在很多人眼里，是一項仄長而復雜的工作，但在實際操作中，開發者可以選擇AI深度學習框架，加載可在框架上運用的模塊，調整參數，如同邏輯順勢計算一樣做出想要的AI應用。也就是說，深度學習需要依賴海量的數據，與此同時，這一代人工智能的應用帶來了對隱私、數據安全的擔憂。實際上，目前針對這兩個困局的更好解決方法還不明確。所以，在新的層級領域，AI算法的演進版在很多地方都會體現出價值。要知道，當前人工智能還是依賴于大數據和高算力，從弱智能時代到進一步發展，仍是一條漫長的路。前文所聊到的各個方面全場景智能應用，都是我們在未來一段時間內可以感知的，但這也僅僅是人類在AI發展過程中的小片段而已。