人工智能：人工智能的机遇与挑战

上节课我们讲了大数据中心，作为新基建重要的组成部分，大数据中心也是云计算、5G和工业互联网的基础。这节课我们来讲新基建的下一个重要领域，人工智能。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

这节课我将分享三个重点内容：

1、人工智能主要技术实现突破，成为科技和产业变革核心驱动力

2、人工智能上下游基础层、技术层、应用层的分析

3、人工智能核心因素：算法、数据、算力互为驱动，高速发展，重在应用

一、人工智能简介

人工智能的定义仍相对模糊，普遍说法是拥有“仿人”的能力，即能通过计算机实现人脑的思维能力，包括感知、决策以及行动。人工智能按照智能程度大致可以分成三类：弱人工智能、强人工智能和超人工智能。

现阶段所实现的人工智能大部分指的是弱人工智能，并且已经被广泛应用。弱人工智能即擅长于单个领域的、专注于完成某个特定任务的人工智能。最耳熟能详的例子便是战胜世界围棋大师的AlphaGo和iPhone手机语音助手Siri。强人工智能指的是可以像人一样胜任任何智力性人物的智能机器。超人工智能可以实现与人类智能等同的功能，拥有类比生物进化的自身重编程和改进功能。

人工智能已经成为新一轮科技革命和产业变革核心驱动力，对经济发展、社会进步产生重大影响，全球主要国际和地区把人工智能作为提升国家竞争力和经济增长的重大战略。

二、人工智能主要技术领域的现状

现在人工智能得益于神经网络深度学习、大数据分析、高密度计算能力的发展，在视觉识别、语音识别、数据流识别和专家系统等领域有了明显突破，开始被广泛应用于智能安防、无人驾驶、无人机、智能零售、智能家居、智能机器人、金融等很多行业。

我们来看看AI在主要技术领域的现状。

人脸识别技术。人脸识别技术可以说已经是非常成熟的了，我们现在使用手机刷脸支付，或者app的刷脸登陆已经很普遍。并且即使是在不同姿态、不同光照环境下，也可以快速识别。今年疫情发生以后，机器甚至学会了识别戴口罩的人脸。

语音识别技术。我们现在广泛应用的手机助手、电话客服、智能音响等智能设备上，都应用了语音识别技术。语音识别能够比较好地支持语音输入、语音搜索、语音对话、语音唤醒等操作，在某些任务表现上甚至可以超过人类。

图像识别技术。图像识别包括简单的图像分类、物体定位、图像自动描述工作。对于常见物体，机器已经可以进行准确的识别，现在这项技术还在进一步发展，图像去噪、图像增强和图像生成等能力也显著提升。

数据流识别技术。这项技术能够对网络上的数据流进行协议和应用的识别，在网络上随便截取一段数据流，就可以识别出它是用什么样的协议发送，通过什么样的运程发送，这样的功能在保证数据安全方面有巨大的应用价值。

专家系统。这是人工智能应用研究最活跃的领域之一，各种专家系统已经遍布各个专业领域。专家系统内部包含大量的某领域的相当于专家水平的知识与经验，经过运用这些知识和经验进行推理、汇总、判断、解决，达到接近专家水平来处理某个领域的疑难、棘手问题。

三、人工智能产业链分析

人工智能产业链从上游到下游可以分为基础层、技术层、应用层。基础层：提供基础的软件、硬件和数据支撑，包括芯片（GPU、FPGA、神经网络芯片等）、传感器、算法（深度学习）、数据及管理技术。

技术层：以计算机视觉、自然语言处理、生物识别、人机交互、机器学习、AR/VR等人工智能核心技术为驱动的算法和解决方案提供商及技术平台，技术层是目前人工智能商业化主力。

应用层：人工智能在具体场景中应用，目前在医疗、零售、智能安防、教育、金融、汽车等领域都有产品及应用不断落地。

在人工智能产业链中，以硬件和数据为代表的基础层是构建生态的基础，价值量最高，门槛高，需要长期投入，拥有流量的公司占据优势，目前国际芯片巨头建立先发优势，中国尚不具备与传统芯片巨头抗衡的实力。技术层是人工智能发展的核心，算法和计算力是人工智能的核心驱动力，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而出，竞争优势明显，但算法理论和开发平台的核心技术仍有所欠缺；应用层即人工智能+产业的融合将是未来人工智能行业发展重点，国内市场广阔，该领域发展中国走在世界前列。

产业链主要企业

基础层：芯片方面国内的玩家有寒武纪、地平线、景嘉微等，都致力于为人工智能提供更强大的算力；云计算方面，国内的玩家有阿里云、腾讯云、金山云、Ucloud、金蝶、用友等，致力于为人工智能开发提供云端计算资源和服务，以分布式网络为基础提高计算效率。

技术层：主要涉及到机器学习、计算机视觉、自然语言处理等。其中机器学习国内的玩家有阿里数加、百度IDL、讯飞超脑、京东DNN等；计算机视觉国内的玩家有百度、搜狗、旷视科技、格灵深瞳、腾讯优图、微软亚洲研究院等，致力于对静态和动态的图像识别与处理；自然语言处理国内的玩家有科大讯飞、百度、出门问问、捷通华声、智齿客服、思必驰、云知声等，致力于研究语言的识别和理解。

应用层：多行业百花齐放，如安防：海康威视、大华股份；无人驾驶：Tesla、百度等，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019年，全球应用层产业规模将达到360.5亿元，约是技术层的1.67倍，基础层的2.53倍。

整体来看，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看，我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基础理论方面尚显薄弱。

四、人工智能面临的机遇和挑战

人工智能技术的发展可以说才刚刚走了一半，目前还存在较大的市场发展空间和投资机会。看一下几个主要方面的机遇和挑战：

在技术方面，机遇在于，第一，把握好机遇可以占据信息技术产业等高新科技产业的战略制高点，进而掌握产业革命的战略主动权；第二，对中国来说，由技术产业可以直接培育形成产值接近半个欧洲的高科技产业，特别是超大型“商业-技术”结合型平台企业。

主要的挑战在于，一旦在基础设施、基础软硬件技术（比如操作系统、技术平台）等方面受到封锁，或者与先进国家发生科技“脱勾”，那么就有可能对未来技术进步与技术应用等方面的发展产生障碍。

在产业结构方面，机遇主要是可能为增长带来新动能，第一，数据资本替代物质投入将成为长期趋势，第二，将加速经济从速度增长向质量提高的转变，以高附加值为标志的产业结构变化趋势明显。

这方面的挑战在于，农业基础薄弱、制造业服务化滞后、第三产业比重显著低于发达国家平均水平，将在全球化体系中受到来自价值链高端的巨大压力。

在金融方面，随着人工智能发展，未来可能推动形成“金融-信息”双中心的“新金融秩序”（希勒的观点），其中主要机遇在于，金融服务与信息服务进一步融合，推动信息对称、透明机制的形成，为金融服务实体经济创造更好条件；

主要挑战在于，由分布式计算、区块链机制引起的金融创新，对央行货币主权造成潜在的挑战，一旦信息服务滞后，就有可能放大金融风险中的不确定性。

此外，人工智能在机器人、基因技术、医疗技术方面的运用，将带来伦理方面新的问题；在个人信息和数据资产开发与保护方面，可能会带来法律和制度方面的考验。

五、人工智能发展前景和投资逻辑

人工智能三大核心驱动因素：算法、数据、算力。其中算法是核心。中国在算法和算力上与美国比还有差距，但是中国的数据量是优势。算法需要数据来训练，没有数据支撑，再好的算法也很难进行有效升级。算法的迭代, 从技术层面的创新到思维方式的转变，意味着人工智能乃至社会生态的无限的可能。 目前的算力是基于GPU的计算效率，与传统CPU时代相比，GPU有了大幅提升，以前算一个东西需要2-3年，迭代效率太低，GPU出现之后，像亚马逊便开始提供硬件工厂，让大家通过租用方式去构建集群，节省了人力和硬件成本。算力提速，AI的产出就刺激很多商业领域进行革新，这些革新反过来又驱动数据和算法的持续提升。

《新一代人工智能发展规划》对人工智能的发展规划提出阶性目标：

1）到2020年人工智能总体技术和应用与世界先进水平同步，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；

2）到2025年人工智能基础理论实现重大突破，人工智能核心产业规模超过4000亿元，带动相关产业规模超过 5 万亿元；

3）到2030年人工智能理论、技术与应用总体达到世界领先水平，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。

随着基础设施升级、应用场景的丰富，人工智能未来将维持高速增长：

5G的发展加速人工智能应用场景的落地：5G高带宽、低延时特性可以支持多设备在线和海量数据传输，数据量及质量大幅增加，拓宽人工智能应用（医疗影像、无人驾驶等）。

AI+产业互联网未来空间巨大，随着产业智能基础设施完善，产业链数据打通，基于此，人工智能延伸到产业应用的采购、制造、物流、销售各领域，提升产业效率。

人工智能大的机遇在于对传统领域的智能化升级改造，即AI+，目前人工智能应用落地比较快的行业有安防、零售、金融、医疗、智能驾驶等。

纯技术类人工智能企业，如商汤科技、寒武纪头部企业的估值已经非常高，且该细分领域所容纳的大企业空间不大，已经过了最佳投资阶段；未来的投资更看好AI+产业的机会，在细分行业中利用AI技术提升产业效率，可重点从以下角度考虑：首先要有明确的应用场景，其次技术的准确率要高，要有大量的训练数据去训练算法，最后商业模式里要能够同时获取数据，并且有人能够持续的训练算法。

投资有风险，理财需谨慎！

本节目由喜马拉雅联合上上学堂独家播出。