陸平　張洪國

隨著大數(shù)據(jù)、云計算、機器學習等技術的發(fā)展，人工智能技術與零售、醫(yī)療、出行等領域滲透及應用，催生了一大批具有巨大前景的AI+新業(yè)態(tài)、新模式，并帶來人們生產(chǎn)生活方式的變革。

“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(fā)展歷程。隨著大數(shù)據(jù)驅動、與日俱增的計算能力，人工智能正迎來新一輪爆發(fā)。多家機構對我國人工智能規(guī)模進行了預測，其中據(jù)CAICT預計2020年我國人工智能規(guī)模將達到710億元，且保持高速增長。

“AI+”時代正加速走來，其中數(shù)據(jù)易于獲取且有一定積累量、有海量數(shù)據(jù)分析處理需求的行業(yè)，通常也是人工智能技術率先得到應用的熱點領域。根據(jù)2017年麥肯錫全球研究院的《人工智能：下一個數(shù)字前沿？》報告，目前人工智能技術在零售、電力、醫(yī)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(shù)據(jù)積累量，并且通過數(shù)據(jù)分析能夠起到優(yōu)化決策的作用。

例如，在零售領域，AI技術可實現(xiàn)根據(jù)消費者的個人信息進行個性化促銷、自動識別購物者購買的商品并打包、自動付款等。在醫(yī)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(yè)大數(shù)據(jù)，AI技術可用于幫助管理供應鏈、提升研發(fā)設計效率、優(yōu)化制造流程和生產(chǎn)線、提高售后服務質量等。

AI技術與傳統(tǒng)領域的日漸融合也給企業(yè)帶來了豐厚的回報。根據(jù)麥肯錫調查，大規(guī)模使用AI或在核心業(yè)務采用AI的公司中有30%的用戶表示他們已經(jīng)實現(xiàn)了收入的增長，利用AI獲得了更高的市場份額，或提升了產(chǎn)品和服務能力。IBM商業(yè)價值研究院的調研結果顯示，73%受調查的企業(yè)CEO認為，人工智能將為企業(yè)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。

科技與應用互為驅動

根據(jù)CAICT數(shù)據(jù)，目前我國“AI+”企業(yè)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(yè)動態(tài)來看，2016年12月，亞馬遜推出內(nèi)測版Amazon Go，推行“即拿即走、免排隊”的無人零售新體驗。國內(nèi)的阿里巴巴、深蘭科技、繽果盒子等企業(yè)也陸續(xù)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10萬臺、10年百萬臺Take Go無人店協(xié)議，2017年7月阿里上線淘咖啡。

從投資動態(tài)來看，2017年7月繽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(zhàn)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(jù)艾媒咨詢的相關研究，無人零售商店將迎來發(fā)展紅利期，2020年預計增長率可達281.3%，至2022年市場交易額將超1.8萬億元。

該領域企業(yè)主要有以下幾條發(fā)展路徑：一是，利用眾多傳感器實時采集數(shù)據(jù)，主要依托卷積神經(jīng)網(wǎng)絡等深度學習算法來識別商品和顧客行為，該路線以Amazon Go、Take Go、阿里淘咖啡等為代表，它的優(yōu)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、錯位商品識別上存在難點、機器視覺技術不穩(wěn)定，目前的AmazonGo完美運行條件是店內(nèi)顧客處于較低的移動速度或店內(nèi)顧客人數(shù)少于20。二是，利用RFID等物聯(lián)網(wǎng)技術，該路線以繽果盒子、羅森、7-11為代表，它的優(yōu)勢是易于識別商品、成本低廉、可批量復制，缺點是每件商品需要貼RFID標簽。三是，利用條形碼、二維碼完成對商品的識別，該路線以多點、便利蜂、小e微店為代表，該路線的優(yōu)勢是實現(xiàn)難度低（易于在超市普及），缺陷是購物流程仍比較復雜（需要人自助掃碼）。

AI+新醫(yī)療

從企業(yè)動態(tài)來看，AI+醫(yī)療主要集中在輔助診療、健康管理、信息化管理、醫(yī)學影像等領域。其中，由于醫(yī)療影像領域具有數(shù)據(jù)量大、多樣性高、速度、真實四大特性，較適合AI技術在該領域的應用，影像輔助診斷與病理分析相結合，準確率可以高達99.5%，該領域有望最先實現(xiàn)商業(yè)化。2017年美國GE率先推出智能醫(yī)療影像解決方案Centricity UV 6.0，接著國內(nèi)的阿里巴巴、騰訊進入AI醫(yī)療影像領域，以萬里云、推想科技、醫(yī)拍智能為代表的初創(chuàng)企業(yè)也活躍于這一領域。

從投資動態(tài)來看，2014年以來國內(nèi)外醫(yī)療AI初創(chuàng)型企業(yè)融資活動開始加劇，資本開始大量涌入醫(yī)療AI領域。國內(nèi)從2016年開始出現(xiàn)井噴式發(fā)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(jù)前瞻研究院報告，2016年中國人工智能+醫(yī)療市場規(guī)模達到96.61億元，增長率為37.9%，中國人工智能+醫(yī)療市場規(guī)模在持續(xù)增長，2017年將超130億元，增長40.7%，2018年市場規(guī)?？赡苓_200億元。

該領域典型企業(yè)主要有以下發(fā)展路徑：一是，借助卷積神經(jīng)網(wǎng)絡等深度學習算法來對醫(yī)療影像樣本進行分類判別，能夠緩解放射醫(yī)生的工作強度，該路線的難點在于醫(yī)療影像樣本量和對樣本進行高質量標注（需要獲得樣本對應的病理分析數(shù)據(jù)），本質上是計算機視覺技術在醫(yī)療方面的應用。二是，借助AI輔助藥物研發(fā)，如目前已經(jīng)出現(xiàn)在基于大數(shù)據(jù)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(lián)合開展研究，把眾多Buchwald-Hartwig偶聯(lián)反應數(shù)據(jù)用來訓練人工智能算法，訓練后的算法能夠準確預測其他具有多維變量的Buchwald-Hartwig偶聯(lián)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(shù)據(jù)、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(shù)據(jù)，并通過大數(shù)據(jù)平臺進行分析。

AI+新出行

從企業(yè)動態(tài)來看，谷歌、Uber、特斯拉、百度等科技型企業(yè)，奔馳、奧迪、凱迪拉克、寶馬、豐田等傳統(tǒng)汽車企業(yè)積極投身自動駕駛領域。目前，那些結合特定區(qū)域、特定場景內(nèi)的自動駕駛模式正快速地推向市場，例如，2018年硅谷機器人公司Nuro發(fā)布Level 4無人配送車，Waymo訂購數(shù)千輛自動駕駛汽車用于無人駕駛出租車打車服務，福特將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。

從投資動態(tài)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(tǒng)市場份額。

從市場前景看，根據(jù)麥肯錫未來出行中心的相關研究，2025-2027年將是自動駕駛的經(jīng)濟性拐點，自動駕駛每公里的總成本將與司機駕駛傳統(tǒng)汽車的成本大致持平。根據(jù)麥肯錫的預測，我國自動駕駛將擁有十分廣闊的市場前景，到2030年，自動駕駛將占到乘客總里程約13%，到2040年將達到約66%。到2030年，基于自動駕駛的出行服務訂單金額將可能達2600億美元，到2040年可能達約9400億美元。

該領域典型企業(yè)有以下發(fā)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(xiàn)高等級的無人駕駛，以谷歌、百度等互聯(lián)網(wǎng)企業(yè)為代表，其在整車制造、零部件制造等方面明顯欠缺經(jīng)驗，但在云計算、大數(shù)據(jù)、人工智能等方面優(yōu)勢較強，主要借助人工智能等軟實力實現(xiàn)高級別的無人駕駛。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(tǒng)，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(yè)為代表，其往往首先從車聯(lián)網(wǎng)和ADAS入手，逐漸完善高精度地圖系統(tǒng)，采取循序漸進的方式提升自動駕駛功能，最終實現(xiàn)高級別的無人駕駛。

AI+新媒體

從企業(yè)動態(tài)來看，國外媒體如洛杉磯時報、美聯(lián)社、紐約時報、華盛頓郵報和國內(nèi)的騰訊、今日頭條、第一財經(jīng)、新華社為主要代表的媒體均已運用寫作智能機器人，主要涉及財經(jīng)和體育領域的寫作。在內(nèi)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內(nèi)容分發(fā)和推薦。

AI+驅動關鍵點

明確場景應用邊界

目前，人工智能技術尚未達到強人工智能水平，產(chǎn)業(yè)落地過程中應避免好高騖遠。例如，機器人臉識別在絕大多數(shù)情況下比人識別的效果要好，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(xiàn)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(xiàn)產(chǎn)業(yè)落地并形成商業(yè)價值，需要清晰其所能解決的特定領域問題，并有明確的應用場景邊界。將人工智能的功能需求限定在有限的特定問題邊界之內(nèi)，這樣得出的解決方案才能相對可靠。例如，阿里淘咖啡最終需要客戶進入結算空間（仍然會用到RFID物聯(lián)網(wǎng)技術），掃地機器人借助視聽傳感器才能夠自主規(guī)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(lián)網(wǎng)等技術，從而使產(chǎn)品和服務運行在明確的應用場景邊界內(nèi)，才能夠具備實用性。

閉環(huán)數(shù)據(jù)反饋循環(huán)

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(huán)的數(shù)據(jù)反饋循環(huán)。AI+新出行方面，Google、百度等無人駕駛系統(tǒng)能夠自動收集到路況數(shù)據(jù)，抽取關鍵特征并輸入深度學習神經(jīng)網(wǎng)絡，自動駕駛里程的累積將不斷訓練谷歌無人駕駛控制系統(tǒng)，使其人工智能程度更高，進而能夠實現(xiàn)“任何時間、任何路段”的無人駕駛。AI+新醫(yī)療方面，隨著電子病歷的實施，數(shù)字化的實驗室幻燈片和高分辨率的放射圖像、視頻等醫(yī)療保健數(shù)據(jù)量呈指數(shù)級增長，再加上制藥企業(yè)和學術研究機構檔案，以及數(shù)萬億的數(shù)據(jù)流從可穿戴式設備的傳感器中得到，使得醫(yī)療行業(yè)數(shù)據(jù)量以令人難以置信的速度增長。

海量高質量數(shù)據(jù)

隨著移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速發(fā)展，數(shù)據(jù)量正在以指數(shù)級增加，根據(jù)IDC統(tǒng)計，全球數(shù)據(jù)總量預計2020年達到44ZB，中國數(shù)據(jù)量將達到8060EB，占全球數(shù)據(jù)總量的18%。許多數(shù)據(jù)是自然語言、音頻和視頻等，對這類數(shù)據(jù)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(tǒng)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(jīng)網(wǎng)絡，通過大數(shù)據(jù)計算來自動學習最終的網(wǎng)絡參數(shù)，不一樣的網(wǎng)絡參數(shù)能夠識別不同的物體，需要依賴規(guī)模龐大的帶標簽數(shù)據(jù)集，才能夠保證其學習質量。

高性能計算硬件

當前AI+發(fā)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內(nèi)在并行度、大量的浮點計算能力以及矩陣運算，按環(huán)節(jié)可分為前期訓練、云端推理、終端推理等三個階段。在前期訓練和云端推理環(huán)節(jié)，需要進行規(guī)模龐大的運算量，CPU+GPU架構成為目前多數(shù)人工智能企業(yè)的主流選擇。然而，構建GPU集群的成本非常高昂，僅購置一塊Nvidia Tesla K80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平臺也是基于英特爾Stratix 10 FPGA芯片。在終端推理環(huán)節(jié)，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(xiàn)更加多樣化競爭態(tài)勢，如寒武紀的1A處理器、地平線的BPU芯片等，華為Mate 10的麒麟970芯片搭載了神經(jīng)網(wǎng)絡單元NPU，使得其在處理相關人工智能任務（如圖像識別等）時有50倍能效和25倍性能的提升。

巨大發(fā)展前景

目前來看，AI+發(fā)展將呈現(xiàn)出巨大發(fā)展前景。AI+新零售方面，以產(chǎn)品為中心的模式將被以消費體驗為中心的模式所替代，人工智能將助力客戶服務自動化、精確供應鏈建模、營銷內(nèi)容和廣告自生成，將消費體驗提升到新的高度。AI+新出行方面，無人駕駛汽車將打破現(xiàn)有的購車出行模式，創(chuàng)造出新穎的出行即服務模式，根據(jù)Intel與Strategy Analytics研究，該模式市場規(guī)模有望在2050年前達7萬億美元。AI+新醫(yī)療方面，人工智能對醫(yī)療行業(yè)的改造除了提高醫(yī)生的工作效率外，還將作為輔助診斷（提高診斷的效率和準確率）使精準醫(yī)療成為可能，未來，醫(yī)療影像輔助診斷、虛擬助理、病例與文獻分析、藥物研發(fā)、基因測序等領域有望實現(xiàn)較大突破。

AI+新零售、新醫(yī)療、新出行等的發(fā)展離不開多場景技術的跨界融合、大數(shù)據(jù)共享和人才供給，我國發(fā)展AI+，未來還需在以下幾方面著力：

統(tǒng)籌協(xié)調促進研發(fā)資源聚合。人工智能的基礎研發(fā)與實踐越來越密不可分，我國人工智能研發(fā)主力集中于科研院所（國外主要集中于大企業(yè)），并且研究力量較分散，研發(fā)經(jīng)費也較碎片化，導致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、Google X實驗室、Facebook人工智能研究院的經(jīng)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產(chǎn)學研協(xié)同創(chuàng)新中心，打通政產(chǎn)學研用各環(huán)節(jié)，促進研發(fā)資源聚合。

提升數(shù)據(jù)質量與開放共享。由于數(shù)據(jù)表示與語義的異構性、數(shù)據(jù)的開放性等問題，導致人工智能在落地過程中出現(xiàn)種種問題。在異構性方面，由于許多行業(yè)的數(shù)據(jù)積累在數(shù)據(jù)標準規(guī)范上缺乏預先定義可廣泛適用的元數(shù)據(jù)描述，其數(shù)據(jù)集遠未達到可充分發(fā)揮人工智能技術潛能的程度。在開放性方面，一些企業(yè)從商業(yè)利益出發(fā)限制了數(shù)據(jù)的共享和流轉，監(jiān)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(shù)據(jù)短缺問題是人工智能應用落地的關鍵，未來將會在整合異構數(shù)據(jù)源、建立一些開放共享的大數(shù)據(jù)公共資源庫等方面努力。

補齊基礎層軟硬件短板。目前，我國仍然缺乏完整的人工智能產(chǎn)業(yè)生態(tài)，特別在基礎硬件（芯片）領域。未來應加快補齊基礎層軟硬件短板，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(xiàn)角度顛覆性地突破類腦神經(jīng)芯片，如深度卷積神經(jīng)網(wǎng)絡芯片等。另外，可從軟件優(yōu)化角度加強高性能分布式服務器集群系統(tǒng)的研究，在云端推理環(huán)節(jié)實現(xiàn)突破。

借助互聯(lián)網(wǎng)實現(xiàn)AI技術教育泛化。根據(jù)LinkedIn發(fā)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(lián)網(wǎng)可讓人工智能教育實現(xiàn)泛化（如借鑒國外大規(guī)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(tǒng)領域的滲透催生了一大批具有巨大前景的AI+新業(yè)態(tài)、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(shù)據(jù)共享和人才供給，加速推進新一輪數(shù)字革命綻放。