陸平賽迪智庫規劃所新興産業研究室副主任
張洪國賽迪智庫規劃所副所長
“AI+”時代加速到來
人工智能作為當今世界最重要的科技之一，走過了60年的發展曆程。随着大數據驅動、與日俱增的計算能力，人工智能正迎來新一輪爆發。多家機構對我國人工智能規模進行了預測，其中據CAICT預計2020年我國人工智能規模将達到710億元，且保持高速增長。
“AI+”時代正加速走來，其中數據易于獲取且有一定積累量、有海量數據分析處理需求的行業，通常也是人工智能技術率先得到應用的熱點領域。根據2017年麥肯錫全球研究院的《人工智能：下一個數字前沿？》報告，目前人工智能技術在零售、電力、醫療、制造等領域已取得較為成功的應用成效。這些領域往往有海量數據積累量，并且通過數據分析能夠起到優化決策的作用。
例如，在零售領域，AI技術可實現根據消費者的個人信息進行個性化促銷、自動識别購物者購買的商品并打包、自動付款等。在醫療領域，AI技術可用來自主診斷、預測患者行為和疾病概率等。在制造領域，依托工業大數據，AI技術可用于幫助管理供應鍊、提升研發設計效率、優化制造流程和生産線、提高售後服務質量等。
AI技術與傳統領域的日漸融合也給企業帶來了豐厚的回報。根據麥肯錫調查，大規模使用AI或在核心業務采用AI的公司中有30%的用戶表示他們已經實現了收入的增長，利用AI獲得了更高的市場份額，或提升了産品和服務能力。IBM商業價值研究院的調研結果顯示，73%受調查的企業CEO認為，人工智能将為企業的未來起到重要的作用，其中，50%的CEO計劃在2019年前采用相關技術。
表1不同機構關于中國人工智能市場規模預測科技與應用互為驅動
根據CAICT數據，目前我國“AI+”企業總計占比40%。與此同時，“AI+”熱點領域投資活躍，“AI+”應用路徑日漸清晰。
AI+新零售
從企業動态來看，2016年12月，亞馬遜推出内測版AmazonGo，推行“即拿即走、免排隊”的無人零售新體驗。國内的阿裡巴巴、深蘭科技、缤果盒子等企業也陸續開始布局于AI+零售領域。例如，2017年6月深蘭科技、娃哈哈簽訂了3年10萬台、10年百萬台TakeGo無人店協議，2017年7月阿裡上線淘咖啡。
從投資動态來看，2017年7月缤果盒子宣布完成超億元首輪融資，2018年2月京東與馮氏零售達成戰略合作共建AI無界零售中心，目前以無人便利店為代表的無人零售成為新風口。
從市場前景看，根據艾媒咨詢的相關研究，無人零售商店将迎來發展紅利期，2020年預計增長率可達281.3%，至2022年市場交易額将超1.8萬億元。
該領域企業主要有以下幾條發展路徑：一是，利用衆多傳感器實時采集數據，主要依托卷積神經網絡等深度學習算法來識别商品和顧客行為，該路線以AmazonGo、TakeGo、阿裡淘咖啡等為代表，它的優勢是能夠給消費者較好的購物體驗（即拿即走），缺陷是固定成本較高、錯位商品識别上存在難點、機器視覺技術不穩定，目前的AmazonGo完美運行條件是店内顧客處于較低的移動速度或店内顧客人數少于20。二是，利用RFID等物聯網技術，該路線以缤果盒子、羅森、7-11為代表，它的優勢是易于識别商品、成本低廉、可批量複制，缺點是每件商品需要貼RFID标簽。三是，利用條形碼、二維碼完成對商品的識别，該路線以多點、便利蜂、小e微店為代表，該路線的優勢是實現難度低（易于在超市普及），缺陷是購物流程仍比較複雜（需要人自助掃碼）。
資料來源：艾媒咨詢《2017年中國新零售行業白皮書》圖12017-2022年中國無人零售商店市場交易額預測
AI+新醫療
從企業動态來看，AI+醫療主要集中在輔助診療、健康管理、信息化管理、醫學影像等領域。其中，由于醫療影像領域具有數據量大、多樣性高、速度、真實四大特性，較适合AI技術在該領域的應用，影像輔助診斷與病理分析相結合，準确率可以高達99.5%，該領域有望最先實現商業化。2017年美國GE率先推出智能醫療影像解決方案CentricityUV6.0，接着國内的阿裡巴巴、騰訊進入AI醫療影像領域，以萬裡雲、推想科技、醫拍智能為代表的初創企業也活躍于這一領域。
從投資動态來看，2014年以來國内外醫療AI初創型企業融資活動開始加劇，資本開始大量湧入醫療AI領域。國内從2016年開始出現井噴式發展，2015年總融資額僅為2.392億元，但2016年總融資額達15.297億元，2017年1月至8月已達18.421億元。
從市場前景看，根據前瞻研究院報告，2016年中國人工智能+醫療市場規模達到96.61億元，增長率為37.9%，中國人工智能+醫療市場規模在持續增長，2017年将超130億元，增長40.7%，2018年市場規模可能達200億元。
該領域典型企業主要有以下發展路徑：一是，借助卷積神經網絡等深度學習算法來對醫療影像樣本進行分類判别，能夠緩解放射醫生的工作強度，該路線的難點在于醫療影像樣本量和對樣本進行高質量标注（需要獲得樣本對應的病理分析數據），本質上是計算機視覺技術在醫療方面的應用。二是，借助AI輔助藥物研發，如目前已經出現在基于大數據和機器學習的化學合成軟件（如Chematica、Syntaurus等），普林斯頓大學與美國默克制藥公司聯合開展研究，把衆多Buchwald-Hartwig偶聯反應數據用來訓練人工智能算法，訓練後的算法能夠準确預測其他具有多維變量的BuchwaldHartwig偶聯反應收率。三是，借助AI進行健康管理，該路線涉及用戶及案例大數據、可穿戴設備、健康風險預測等，蘋果的可穿戴設備AppleWatch和谷歌GoogleFit等都屬于此路線，基于可穿戴智能設備獲取用戶生理相關數據，并通過大數據平台進行分析。
圖2醫療影像領域應用AI技術的四個特點
圖3我國AI+醫療的市場規模預測AI+新出行
從企業動态來看，谷歌、Uber、特斯拉、百度等科技型企業，奔馳、奧迪、凱迪拉克、寶馬、豐田等傳統汽車企業積極投身自動駕駛領域。目前，那些結合特定區域、特定場景内的自動駕駛模式正快速地推向市場，例如，2018年矽谷機器人公司Nuro發布Level4無人配送車，Waymo訂購數千輛自動駕駛汽車用于無人駕駛出租車打車服務，福特将開始與美國物流公司Postmates對自動駕駛汽車運輸貨物進行合作測試。
從投資動态來看，科技巨頭們都想在AI+新出行方面分一杯羹，2017年英特爾斥資150多億美元收購了Mobileye，此舉不僅獲得了算法專用處理器IP的Know-how，還直接獲得了70%的高級駕駛輔助系統市場份額。
從市場前景看，根據麥肯錫未來出行中心的相關研究，2025-2027年将是自動駕駛的經濟性拐點，自動駕駛每公裡的總成本将與司機駕駛傳統汽車的成本大緻持平。根據麥肯錫的預測，我國自動駕駛将擁有十分廣闊的市場前景，到2030年，自動駕駛将占到乘客總裡程約13%，到2040年将達到約66%。到2030年，基于自動駕駛的出行服務訂單金額将可能達2600億美元，到2040年可能達約9400億美元。
該領域典型企業有以下發展路徑：一是，借助高精度激光雷達、高精度傳感器、高精度地圖、人工智能技術實現高等級的無人駕駛，以谷歌、百度等互聯網企業為代表，其在整車制造、零部件制造等方面明顯欠缺經驗，但在雲計算、大數據、人工智能等方面優勢較強，主要借助人工智能等軟實力實現高級别的無人駕駛。二是，以輔助駕駛為核心，逐步試驗并裝配高級輔助駕駛系統，進而由輔助駕駛過渡到自動駕駛，這以豐田、沃爾沃、寶馬、tesla等汽車制造企業為代表，其往往首先從車聯網和ADAS入手，逐漸完善高精度地圖系統，采取循序漸進的方式提升自動駕駛功能，最終實現高級别的無人駕駛。
AI+新媒體從企業動态來看，國外媒體如洛杉矶時報、美聯社、紐約時報、華盛頓郵報和國内的騰訊、今日頭條、第一财經、新華社為主要代表的媒體均已運用寫作智能機器人，主要涉及财經和體育領域的寫作。在内容傳播方面，今日頭條、一點資訊、天天快報等正在利用智能算法進行内容分發和推薦。
資料來源：麥肯錫未來出行中心(MCFM)圖4中國自動駕駛市場規模預測AI+驅動關鍵點
明确場景應用邊界
目前，人工智能技術尚未達到強人工智能水平，産業落地過程中應避免好高骛遠。例如，機器人臉識别在絕大多數情況下比人識别的效果要好，但是在需要知識、想象力的特殊情況下，與人腦還是存在較大差距。從現階段看，由于以深度學習為代表的人工智能技術并不善于解決通用性問題，人工智能技術要實現産業落地并形成商業價值，需要清晰其所能解決的特定領域問題，并有明确的應用場景邊界。将人工智能的功能需求限定在有限的特定問題邊界之内，這樣得出的解決方案才能相對可靠。例如，阿裡淘咖啡最終需要客戶進入結算空間（仍然會用到RFID物聯網技術），掃地機器人借助視聽傳感器才能夠自主規劃掃地方案。以目前能夠落地的弱人工智能技術水平，需要結合物聯網等技術，從而使産品和服務運行在明确的應用場景邊界内，才能夠具備實用性。
閉環數據反饋循環
谷歌、Facebook、英特爾、微軟、蘋果、特斯拉，中國的BAT等人工智能前沿公司，通常都具有一個共同的特征—閉環的數據反饋循環。AI+新出行方面，Google、百度等無人駕駛系統能夠自動收集到路況數據，抽取關鍵特征并輸入深度學習神經網絡，自動駕駛裡程的累積将不斷訓練谷歌無人駕駛控制系統，使其人工智能程度更高，進而能夠實現“任何時間、任何路段”的無人駕駛。AI+新醫療方面，随着電子病曆的實施，數字化的實驗室幻燈片和高分辨率的放射圖像、視頻等醫療保健數據量呈指數級增長，再加上制藥企業和學術研究機構檔案，以及數萬億的數據流從可穿戴式設備的傳感器中得到，使得醫療行業數據量以令人難以置信的速度增長。
海量高質量數據
随着移動互聯網和物聯網的快速發展，數據量正在以指數級增加，根據IDC統計，全球數據總量預計2020年達到44ZB，中國數據量将達到8060EB，占全球數據總量的18%。許多數據是自然語言、音頻和視頻等，對這類數據的分析越來越聚集于提取其中的語義，包括情感分析、文檔主題模型、相依模型和問答系統中全面的語義分析。目前以深度學習為代表的人工智能技術，本質上是一個具有多層的神經網絡，通過大數據計算來自動學習最終的網絡參數，不一樣的網絡參數能夠識别不同的物體，需要依賴規模龐大的帶标簽數據集，才能夠保證其學習質量。
高性能計算硬件
當前AI+發展所依賴的核心算法是深度學習，深度學習模型需要很高的内在并行度、大量的浮點計算能力以及矩陣運算，按環節可分為前期訓練、雲端推理、終端推理等三個階段。在前期訓練和雲端推理環節，需要進行規模龐大的運算量，CPU+GPU架構成為目前多數人工智能企業的主流選擇。然而，構建GPU集群的成本非常高昂，僅購置一塊NvidiaTeslaK80的費用近4萬元。FPGA具備較高的性能功耗比和重構靈活性，百度采用FPGA打造百度大腦專用AI芯片，微軟打造的Brainwave平台也是基于英特爾Stratix10FPGA芯片。在終端推理環節，由于智能手機、語音交互、VR/AR等終端設備需求不同，需要定制化、低功耗、低成本的嵌入式解決方案，其市場呈現更加多樣化競争态勢，如寒武紀的1A處理器、地平線的BPU芯片等，華為Mate10的麒麟970芯片搭載了神經網絡單元NPU，使得其在處理相關人工智能任務（如圖像識别等）時有50倍能效和25倍性能的提升。
巨大發展前景
目前來看，AI+發展将呈現出巨大發展前景。AI+新零售方面，以産品為中心的模式将被以消費體驗為中心的模式所替代，人工智能将助力客戶服務自動化、精确供應鍊建模、營銷内容和廣告自生成，将消費體驗提升到新的高度。AI+新出行方面，無人駕駛汽車将打破現有的購車出行模式，創造出新穎的出行即服務模式，根據Intel與StrategyAnalytics研究，該模式市場規模有望在2050年前達7萬億美元。AI+新醫療方面，人工智能對醫療行業的改造除了提高醫生的工作效率外，還将作為輔助診斷（提高診斷的效率和準确率）使精準醫療成為可能，未來，醫療影像輔助診斷、虛拟助理、病例與文獻分析、藥物研發、基因測序等領域有望實現較大突破。
AI+新零售、新醫療、新出行等的發展離不開多場景技術的跨界融合、大數據共享和人才供給，我國發展AI+，未來還需在以下幾方面着力：
統籌協調促進研發資源聚合。人工智能的基礎研發與實踐越來越密不可分，我國人工智能研發主力集中于科研院所（國外主要集中于大企業），并且研究力量較分散，研發經費也較碎片化，導緻難以聚集力量解決重點問題。美國成立國防高級研究計劃局、GoogleX實驗室、Facebook人工智能研究院的經驗可作為借鑒，未來可以成立我國人工智能國家實驗室和人工智能産學研協同創新中心，打通政産學研用各環節，促進研發資源聚合。
提升數據質量與開放共享。由于數據表示與語義的異構性、數據的開放性等問題，導緻人工智能在落地過程中出現種種問題。在異構性方面，由于許多行業的數據積累在數據标準規範上缺乏預先定義可廣泛适用的元數據描述，其數據集遠未達到可充分發揮人工智能技術潛能的程度。在開放性方面，一些企業從商業利益出發限制了數據的共享和流轉，監管部門出于安全考慮對人工智能應用提出了更為嚴格的要求。因此，解決高質量大數據短缺問題是人工智能應用落地的關鍵，未來将會在整合異構數據源、建立一些開放共享的大數據公共資源庫等方面努力。
補齊基礎層軟硬件短闆。目前，我國仍然缺乏完整的人工智能産業生态，特别在基礎硬件（芯片）領域。未來應加快補齊基礎層軟硬件短闆，可圍繞一些特定應用場景（如智能手機、無人機、智能駕駛、服務機器人等），從硬件實現角度颠覆性地突破類腦神經芯片，如深度卷積神經網絡芯片等。另外，可從軟件優化角度加強高性能分布式服務器集群系統的研究，在雲端推理環節實現突破。
借助互聯網實現AI技術教育泛化。根據LinkedIn發布的《全球AI領域人才報告》，2017年第一季度全球人工智能人才超過190萬人，其中美國擁有85萬以上，中國擁有約5萬。美國人才多集中于人工智能基礎層和技術層，而我國多集中于應用層，并且同時掌握實踐能力和理論能力的研究人員比較稀缺。未來，我國人才自身造血能力還需進一步增強，借助互聯網可讓人工智能教育實現泛化（如借鑒國外大規模在線教育Coursera等），降低個體獲得人工智能前沿技術的門檻。
總之，人工智能技術對傳統領域的滲透催生了一大批具有巨大前景的AI+新業态、新模式，未來還需采取措施促進多場景技術的跨界融合、大數據共享和人才供給，加速推進新一輪數字革命綻放。
責任編輯：衛麗紅