杂志汇互联网经济

刘赞 艾瑞智能研究所 总监　张凤 艾瑞智能研究所 分析师

时代造温床

相较国际而言，中国的人工智能起步晚了 30 年，但其发展并不逊于他国。2015 年，中国政府将人工智能推上战略层面，此后，人工智能市场环境利好因素较多，步入了发展“快车道”。

2015 年 7 月，国务院印发了《关于积极推进“互联网+”行动的指导意见》（以下简称“意见”）。《意见》中特别将“‘互联网 +’人工智能”列为 11 个重点行动之一，提出加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用。在该《意见》的指导下，人工智能进入国家战略层面，日益得到社会广泛关注。

人工智能相关领域的互联网经济增长，为其发展奠定了经济环境。根据艾瑞估算，2015 年中国网络经济增长约 33%，规模超过千亿元。同时，人工智能也成为投资关注热点，据统计，2015 年人工智能创业公司共获得投资金额约 12.6 亿元。另外，中国科研投入占全球的 20%，仅次于美国，“863 计划”中信息技术投入占15.5%，是国家重点投入领域。

在国家大力投入下，人工智能出现人才红利。数据显示，中国 IT 从业人员约500 万，近 5 年科研人员保持 20% 的增长。在技术型企业和人才的努力下，我国人工智能应用取得了一定成绩。国内目前在视觉识别、语音识别等领域已实现技术应用突破，处于国际领先水平。在下一阶段，人工智能的发展还需在核心算法方面深挖，但总体而言，已取得不错的成绩。

在这样利好的环境下，中国的人工智能走出了一条什么样的应用发展道路？

走出实验室，走向市场

与其他新兴科技技术一样，人工智能技术从实验室研发到向个人普及，将经历实验室、试点、推广、普及四个阶段。目前人工智能尚处于试点阶段，相关如语音识别、人脸识别等技术的准确率都已超过95%，并已为相关企业提供服务。

目前，人工智能主要的应用场景包括智能硬件 / 机器人、安防、商业智能、虚拟服务和虚拟场景五种类型。人工智能技术在这五类场景的应用，使得原有的产品、服务效果发生了变化，具体表现为：

让智能硬件具备智能的功能。智能硬件实现控制和监控功能后，结合人工智能算法的突破，使硬件提供智能化服务。如通过人工智能深度学习、视觉识别等算法，可使无人机的飞控技术实现智能绕开障碍物的任务，使得飞行操控更加简单。

让安防实现智能高效防护。安防分为城市安全、金融安全和个人安全三个层面。首先，传统城市安全一般通过普通摄像头实时监控，但不能实时计算，只能存储数据后回放，并通过人的肉眼去分析和判断。若将人工智能应用于该领域，使普通摄像头加载机器视觉技术后，升级为智能摄像头，将捕捉的画面传输至云平台，形成结构化数据库，进行实时计算和分析，并应用于诸如道路车流量监测、对犯罪分子进行跟踪识别等情景。其次，传统金融领域，在个人发生开户、支付等涉及金融安全的行为时，需要通过人工判断身份证和签字认证。若应用人工智能技术，可通过人脸识别完成刷脸认证，实现远程开户、登录、取款操作及风险控制。最后，传统个人安全的保障通常通过小区保安、物业管理等人工方式维护，应用人工智能技术后，可通过智能摄像头实现关键物件移动的实时监控，并可对陌生人入侵进行及时报警。

让企业数据辅助决策。传统商业智能（BI）主要是基于企业内部数据或流程的管理（如 CRM、ERP 信息管理系统），或提供企业内部业务数据可视化相关的解决方案。人工智能应用于 BI 后，一是可实现云平台之于数据存储和计算的应用，二是可将人工智能的复杂算法模型应用于数据的分析和挖掘过程，从而辅助企业决策。

让虚拟场景趋近真实。传统的虚拟场景大多仅能使用文字或图片呈现，少数可使用视频或工具呈现，人工智能应用于虚拟场景，则可使用视觉、语音等呈现技术对真实场景进行模拟，让使用者更真实地感受所模拟的场景。此外，人工智能下虚拟场景的互动方式更为多样化、个性化，传统的虚拟场景多采用鼠标、手柄为主、触摸为辅的方式，人工智能下的虚拟场景则可利用体感或语音等交互技术，并可根据个人反馈完成个性化调整。

让虚拟服务替代人为服务。虚拟服务的场景是基于人工智能语音识别等相关技术的逐渐成熟而出现的，主要改变了服务沟通方式及后台数据的分析方式，从而提高效率。以客户服务为例，一方面，虚拟服务在并行服务数量、响应速度、个体知识储备及语言态度的稳定性上都要优于传统人工服务，并可降低人工成本；另一方面，虚拟服务可快速有效地对数据进行反馈，稳定性及反应速度也远高于人工服务。

艾瑞将人工智能产业链梳理为三层：基础层、技术层和应用层。不同企业正结合自身资源，选择不同层面切入该领域。

基础层主要指人工智能计算的基础，包括硬件资源、数据和计算资源，这也是科技巨头所偏好的切入层面。以“百度开放云”、“阿里数 +”为代表，BAT 均从基础的计算平台和数据资源服务切入人工智能。技术层主要指在人工智能核心算法基础上，进行技术开发和转化应用，目前国内在该层面的代表，主要是以旷视科技为代表的视觉识别技术和以科大讯飞为代表的语音识别技术开发应用。应用层则体现为人工智能的商业应用，代表产品有优必选机器人、小 i 客服助手、出门问问个人助理等产品和服务。

综合来看，巨头企业主要从基础和技术即产业链底层切入，创业企业更多从应用层即产业链的顶层切入。从人工智能获得融资的企业数量可一窥端倪，目前人工智能融资方面，应用类企业占 71%，技术类企业为 26%，基础资源类企业占 3%，只有地平线机器人、数据堂等极少数创业公司能在基础资源层占有一席之地。

与互联网经济初创期的经济模式不同，人工智能产业率先为企业级客户提供产品和服务，并已实现盈利。其中，硬件产品市场规模巨大。以自动升级的智能家居产品和已经发展多年的工业机器人为例，单工业机器人预计 2020 年的市场规模为 2700 亿元，其中服务机器人的规模为 500 亿元。软件服务方面，2015 年 AI软件服务市场规模约为 12 亿元（根据主要企业的销售收入进行推测），预计未来几年增长率为 50%，到 2020 年狭义人工智能产业市场规模将为 91 亿元。

走向未来，技术仍需突破

尽管很多人预测未来人工智能会在很多方面替代或辅助人类提供更高效的服务，但从人工智能核心算法的发展来看，不得不说，这仍将是长期逐步发展的过程。

人工智能的这次热潮因深度学习算法的突破而起。与前两次热潮相比，此次最大的不同在于已有算法实现了商业化应用，并对一些领域实现了变革性的发展推动。长期来看，人工智能将通过逐步迭代，用程序来替代人类智慧。当机器拥有人类所赋予的部分人类智慧，再结合数据采集及应用场景，机器将会替代人类的重复性劳动，比如安检员、收银员等；还可成为人类决策的助手，比如辅助医疗诊断、成为教师助理等。

值得一提的是，人工智能的发展同样面临长周期和短周期两条线。长周期的发展意指人工智能核心算法的迭代突破，最终发展到认知智能阶段，其应用场景发展路径体现为：当机器具备视听能力后（主要应用场景为身份识别、语言指令识别等），逐渐可以识别人类情绪、动态的行为（主要应用场景为行为数据收集、一定范围下的指令反馈、危险人物识别等），然后按照已经设定好的行为自动执行（主要应用场景为无人驾驶、最后一公里自动物流等），进而过渡到更大范围的环境监测（主要应用场景为具备智能反馈的智能硬件、智慧城市等），最后实现预测和辅助决策（主要应用场景为医生助手等）。短期发展则主要针对已有算法、数据基础和计算能力，力图开发更多的应用场景或优化已有产品、服务。

综上所述，未来 5 至 1 0 年，人工智能的发展仍处于感知智能逐渐普及的应用阶段。真正意义的人工智能实现仍需长期缓慢的积累过程，但目标清晰，终将实现。