文/李婷婷

　　來源：資本偵探（ID：deep_insights）

　　核心要點

　　近幾年人工智能風口再起，實際上是技術發展、數據沉淀以及場景延展等多個因素，厚積薄發的結果。

　　人工智能商業化變現困難的根本原因，仍是底層研究的制約下難以規模化落地的現實。

　　新基建的加持，對于人工智能底層研究的投入、應用場景的拓展等將大有裨益。

　　能讓馬云、馬化騰、李彥宏等業界大佬共同看好的方向，除了人工智能，可能很難找到第二個。

　　在 7 月 9 日舉行的 2020 世界人工智能大會云端峰會上，“三馬”（馬云、馬化騰、馬斯克）、“二宏”（李彥宏、張文宏）少見地隔空同臺。此外，還有包括七位圖靈獎得主、一位諾貝爾獎得主在內的 550 多位業界、學術界嘉賓匯聚一堂。

　　大會上，以聯合國數字合作高級別小組聯合主席的身份出席的馬云，就疫情期間社會經歷的大動蕩發表了自己的感悟，他認為，世界已經巨變，技術變革提前并且加速，與其擔憂，不如擔當，“為活下去而做的創新才是真正最強大和不可阻擋的動力”。

　　馬云有此感嘆，一定程度上是因為在疫情危機中，依賴人力、線下運轉的傳統行業遭受極大沖擊，以人工智能為代表的新興科技彰顯出其重要性與必須性。例如，復旦大學附屬華山醫院感染科主任張文宏提到，“從人工智能參與到抗疫物資調配的時候，我們就意識到將來人工智能具有非常強大的物資調配能力”。

馬云在世界人工智能大會上發表演講

　　人工智能的意義已不止于經濟層面，它也是抵御大自然不可抗力、維持社會健康穩定發展的依仗，基于這一邏輯，政策已率先做出反應。

　　在今年 2 月，工業和信息化部科技司發布了《充分發揮人工智能賦能效用協力抗擊新型冠狀病毒感染的肺炎疫情倡議書》，倡議通過科技力量支撐疫情防控。隨后，“新基建”政策落實，人工智能被列為七大領域之一。

　　隨著底層技術的進步，與計算能力、大數據、場景等人工智能成長土壤的逐漸成熟，人工智能正處于平臺化、產業化之前的關鍵節點。

　　疫情催化及政策推動下，人工智能的發展被按下加速鍵：僅在大會上，就誕生了 8 個人工智能產業投資基金項目，36 個人工智能產業項目，簽約投資總額超過 300 億元。

　　而在新基建的東風下，人工智能又會帶來哪些機遇？

　　一局圍棋

　　在未來關于人類歷史的講述中，一定會有這樣一個篇章。

　　2016 年 3 月，谷歌旗下 DeepMind 公司開發的人工智能機器人 AlphaGo 與圍棋職業九段棋手李世石進行圍棋人機大戰，此時，大眾對誰贏誰輸的預測還有很大分歧，最終 AlphaGo 以 4 比 1 的總比分獲勝。

　　這樣一場比賽，將人工智能這樣一個更多存在于科幻電影、小說中的概念實體化，也將人類一直以來的自信與驕傲擊破，證明了人工智能可以達到比肩，甚至超越人類的高度——這甚至引發了一些恐慌。但在當時，中國選手柯潔仍認為“AlphaGo 能贏李世石，但是贏不了我”。

　　僅一年之后，AlphaGo 再次突飛猛進，大眾已經一邊倒地做出了人類必敗的判斷，最終 AlphaGo 以3:0 的戰績擊敗了幾乎代表著人類圍棋最高水準的柯潔。

　　第三局比賽中，柯潔甚至中途離場 20 分鐘痛哭，連坐在十幾米之外的觀眾都能聽見他隱忍但清晰的哭聲。“我感到渾身都在顫抖，真的，寒冷地顫抖。”后來柯潔這樣描述自己的狀態。

　　柯潔承認，他的失態是因為覺得機器下得太完美。

柯潔在與阿爾法狗的對弈中痛哭

　　值得指出的是，人工智能從誕生到打敗世界圍棋冠軍，只經過了六十余年的發展。

　　1950 年，一位名叫馬文·明斯基的大四學生，與同學一起建造了世界上第一臺神經網絡計算機，這也被看做是人工智能的一個起點。而馬文·明斯基在后來也被譽為“人工智能之父”。

人工智能之父：馬文·明斯基

　　同年，“計算機之父”阿蘭·圖靈提出設想：如果一臺機器能夠與人類開展對話而不能被辨別出機器身份，那么這臺機器就具有智能。直到 1956 年，計算機專家約翰·麥卡錫才提出“人工智能”一詞，被人們看做是人工智能正式誕生的標志。

　　隨后，由于技術難度高、進展慢，人工智能的發展反復經歷著高潮與低谷。在 1987 年，由于通用計算機 Lisp Machine 在商業上的失敗，人工智能再次滑入了低迷期，行業人士開始意識到人工智能的問題不在于硬件，而是在軟件以及算法層面的挑戰沒有突破。

　　長久以來，對人工智能的探討一直局限在研發圈層中，一直到 AlphaGo 出世，橫掃人類圍棋界，才一舉將人工智能推向了社會話題中心，自此之后，人工智能概念始終炙手可熱。

　　人工智能之所以會在 2017 年的時點上爆發，本質上是得益于發展土壤的逐漸成熟，馬化騰曾在演講中提到，發展人工智能，場景、大數據、計算能力和人才缺一不可。

　　在計算能力方面，深度學習技術是人工智能發展歷史上的一個重要突破。2006 年，現任職于 Google Brain 的技術專家 Geoffrey Hinton 帶領團隊發現了訓練高層神經網絡的有效算法，2012 年，Geoffrey Hinton 團隊在 ImageNet 上首次使用深度學習技術完勝其它團隊。

　　Geoffrey Hinton 在 ImageNet 2012 上的成功讓科學家開始更多的關注模型與算法的創新突破，以彌補訓練中數據的不足，從而帶來算法上的快速迭代：以圖形計算為代表的 GPU 在計算機視覺訓練中替代原來的 CPU，大大提升了計算性能，讓原來需要幾個月才能完成的訓練縮短到幾天或幾個小時，加快了計算機視覺前期訓練和推理的迭代周期，帶來效率上的成倍提升。

Geoffrey Hinton

　　大數據則是人工智能的燃料，隨著互聯網浪潮從 PC 時代過渡到移動時代，人類生活逐漸被智能終端所綁定，每日可產生的數據量出現指數級的增長，且數據維度更加豐富，大數據技術逐漸精進。而大數據技術能夠通過數據采集、預處理、存儲及管理、分析及挖掘等方式，從各種各樣類型的海量數據中，快速獲得有價值信息，為深度學習等人工智能算法提供堅實的素材基礎。

　　另一方面，隨著社會經濟形態與產業形態發展，人工智能有了更多的落地場景，如醫療、安防、交通等，這是承載人工智能發展的介質。

　　因此，近幾年人工智能風口再起，實際上是技術發展、數據沉淀以及場景延展等多個因素，厚積薄發，引發了一場席卷全球的 AI 創投熱潮。

　　迷霧尚未消散

　　在探討人工智能的前景之前，有必要先厘清人工智能的基本架構。對人工智能的探討可以分為兩條主線：一是學術視角的底層研究，二是產業視角。

　　高校是培養人工智能人才、執行人工智能技術研究的主陣地，在美國，人工智能方面科研實力最強的高校有麻省理工學院、卡內基梅隆大學、斯坦福大學等。其中，卡內基梅隆大學在 2018 年開設了美國首個人工智能本科學位，加大對人工智能領域人才培養的投入。

　　中國高校也在近兩年間不斷推進人工智能教育，數據顯示，截至 2018 年底，有 94 所擁有人工智能二級學院的中國大學，相比 2017 年增加了 21 所，其中，清華大學、浙江大學、上海交通大學、哈爾濱工業大學、華中科技大學、中國科學技術大學、中科院各研究所等是人工智能底層研究的主力軍。

　　高校開展的人工智能研究更多是由國家撥款支持的，此外，也有不少大型科技公司出資成立研究院，從事人工智能底層技術研究。

　　谷歌一直以來都將人工智能作為主要戰略方向之一，它在 2011 年時就推出了聚焦深度學習的 Google Brain 項目，并在 2014 年 1 月斥資 4 億美元收購一家名為 DeepMind 的人工智能公司，正是這家公司在三年后推出 AlphaGo，掀起人工智能風潮。

　　據咨詢公司麥肯錫報告顯示，包括谷歌在內的科技巨頭，2016 年在人工智能上的投入在 200 億至 300 億美元之間，其中 10% 用于人工智能收購，90% 用于研發和部署。

　　2017 年，AlphaGo 引爆人工智能概念之后，美國科技巨頭對人工智能的投入進一步加大。該年的 Google I/O 開發者大會上，谷歌確立了從 mobile-first 到 AI-first 的根本戰略轉變，同年，微軟宣布計劃建立百人規模的微軟 AI 研究院。一年后，谷歌又將谷歌研究院（Google Research）改名為谷歌人工智能（Google AI），將人工智能放在最高戰略地位上。

　　國內科技公司對人工智能底層技術的研究稍晚一步，但在近幾年也發展迅速。

　　較早在 AI 研究上進行投入的是百度，2014 年，百度成立硅谷人工智能實驗室，由斯坦福大學計算機科學系和電子工程系副教授吳恩達領航。吳恩達同時也是 Google Brain 的主創成員之一，是人工智能領域公認的領軍人物。同年，百度還啟動了“少帥計劃”，提供百萬年薪，針對 30 歲以下的人工智能領域優秀人才進行甄選和培養。

吳恩達

　　2016 年 4 月，騰訊成立 AI Lab（騰訊人工智能實驗室），致力于人工智能基礎科學的開放研究，以及應用領域的深入探索，做到“學術有影響，工業有產出”。隨后，張潼、賈佳亞、俞棟等學界大牛陸續加入。

　　在 2017 年杭州阿里云棲大會上，阿里巴巴在面向未來技術創新方面投入千億資金，成立了探索人類未來科技研究院“達摩院”。

達摩院研究方向

　　此外，華為等國內科技巨頭，也在人工智能底層研究上有所投入，包括建立研究院，與各大高校共同開設相關課程等。

　　無論是成立研究院、實驗室還是達摩院，雖然各家研究方向存在細微差別，但 BAT 都試圖表現投入人工智能底層研究的態度。只是相關設想在實踐中遇到挑戰，如今，百度人工智能實驗室遭遇大換血，吳恩達早已離職創業，少帥計劃也無疾而終；騰訊 Lab 經歷調整，張潼、賈佳亞相繼離開；達摩院的投入重點在往產業層面靠攏。

　　在產業界探索研究人工智能底層技術遭遇挫折的同時，在產業層面，人工智能在波折中前進。

　　目前，全球人工智能產業的生態系統正逐步成型。依據產業鏈上下游關系，可以將人工智能劃分為基礎支持層、中間技術層和下游應用層。

　　基礎層是人工智能產業的基礎，主要包括了芯片、傳感器、大數據和云計算等基礎能力。

　　我國人工智能行業發展追求速度，資金投向追捧易于變現的終端應用。研發周期長、資金投入大、 見效慢的基礎層創新被市場忽略，但是人工智能的發展根源于基礎層（算法、芯片等），長期來看看，人工智能的行業研究有所突破還是要依賴基礎層研究。

　　技術層是人工智能產業的核心， 主要以模擬人的智能相關特征為出發點，將基礎能力轉化成人工智能技術。如計算機視覺、智能語音、自然語言處理（NLP）、人機交互等應用算法研發。其中，技術層能力可以廣泛應用到多個不同的應用領域。

　　計算機視覺是實現工業自動化和智能化的關鍵核心技術，其對于人工智能的意義，正如眼睛之于人類的意義，幫助機器“看懂”這個世界。本質上，機器視覺通過使用光學系統、工業數字相機和圖像處理工具，來模擬人的視覺能力，并做出相應的決策。

　　而 NLP 則是幫助人工智能“理解”人類語言，這是人工智能、計算機科學、信息工程的交叉領域，涉及統計學、語言學等的知識。人類語言充滿了負責性和模糊性，NLP 也是人工智能領域最為困難的問題之一，但一旦攻破，就達到了機器智能化的最高境界，因此 NLP 也被譽為是“人工智能皇冠上的明珠”。

　　語音識別的技術難度相對更低，它只要求人工智能“聽懂”語言，而不要求其“理解”語義。語音識別技術現在已相對成熟，國內的科大訊飛就是這一細分賽道中的代表企業。

　　自動駕駛是人工智能技術的另一個大方向，它涉及視覺計算、雷達、監控裝置和全球定位系統的協同合作，技術體系更為復雜。

　　現階段，對自動駕駛的研究主要還停留在 L3 級別，但在日前的人工智能大會上，馬斯克透露：“目前最新的特斯拉純電動車已經十分接近 L5 級自動駕駛，今年將完成其基本功能。”

　　近年來，我國技術層圍繞垂直領域重點研發，在計算機視覺、語音識別等領域技術成熟，國內的頭部企業競爭優勢明顯。但是具體來看，在算法理論和開發平臺領域，尚且缺乏積累和經驗，百度的 PaddlePaddle、 騰訊的 Angle 等國內企業打造的開放平臺尚無法與國際主流產品競爭。

　　應用層作為人工智能產業的延伸，將技術應用到具體行業，涵蓋制造、交通、金融、醫療等 18 個領域，其中醫療、交通、制造等領域的人工智能應用開發受到廣泛關注。

　　當前，應用層以底層技術能力為主導，切入不同場景和應用，提供產品和解決方案。受益于計算機視覺、圖像識別、自然語言處理等技術的快速發展，人工智能已廣泛地滲透和應用于諸多垂直領域，產品形式也趨向多樣化。

　　目前，應用層是人工智能產業鏈中市場規模最大的層級。據中國電子學會統計，2019 年，全球應用層產業規模將達到 360.5 億元，是基礎層的 2.53 倍。在全球范圍內，人工智能仍處在產業化和市場化的探索階段，落地場景的豐富度、用戶需求等有待提高，國際上尚未出現擁有絕對主導權的壟斷企業，在很多細分領域的市場競爭格局尚未定型。

　　盡管人工智能近年來發展迅速，但從整體來看，雖然有 AlphaGo 大敗人類圍棋手的里程碑事件在前，人工智能的發展其實還并不成熟。

　　李彥宏將人工智能的發展分為了三個階段——技術智能化階段、經濟智能化階段以及社會智能化階段三個階段。其中第二階段又分為上下兩個階段，在前半段，人工智能的發展主要圍繞通用能力的開發和作為一種資源的 AI 能力的平臺化。在后半段，人工智能開始全面的產業化，行業應用與商業化全面普及。

　　當下，我們正處于從經濟智能化的前半段向后半段過渡的時期，人工智能已經證明或者初步證明了其對所在行業的顛覆和重構潛能。

　　“目前人工智能所處的階段是一個容易產生迷茫甚至悲觀的階段，這是大多數顛覆性技術在加速普及之前必經的階段。當迷霧消散時，一個經濟和社會全面互聯網化的時代就開始了。”李彥宏說。

　　漫漫長路

　　針對人工智能的幾個主要應用方向，國內科技巨頭們都有不同布局，在細分賽道，也有優秀的獨角獸冒頭。

　　如在計算機視覺方向，就誕生了有“AI 四小龍”之稱的商湯、曠視、依圖、云從四家代表企業。

　　人工智能的主要落地場景，如安防、交通、醫療等，都需要建立在視覺智能化的基礎上，這也是 AI 四小龍的主要業務方向。因為涵蓋范圍廣，商業潛力大，AI 四小龍誕生之后一度受到資本熱捧，根據胡潤研究院發布的《2019 胡潤全球獨角獸榜》，四家企業估值都已超百億人民幣，其中商湯估值達到了 400 億元人民幣。

　　商湯因融資規模巨大，甚至有“融資機器”之稱，其投資方中，還包括了阿里巴巴等科技巨頭。

　　得益于技術紅利的推動，除計算機視覺方向外，各技術細分領域也都誕生了大小不一的獨角獸，如 NLP 方向的追一科技、驀然認知、竹間科技；智能駕駛方向的圖森未來等。

　　與創業公司相比，巨頭在人工智能層面的布局野心更大，涵蓋的方向更廣，且多與主業相結合。

　　如阿里巴巴在 2017 年成立的達摩院，計劃在 3 年里投入超過 1000 億元用于涵蓋基礎科學和顛覆式技術創新的研究。

　　達摩院旗下最大的機器智能實驗室分支 iDST 負責人金榕曾在采訪中介紹，達摩院的設立主要有兩個目標，一是把達摩院的 AI 基礎能力放到平臺上支撐所有業務，二是上云，在產品得到內部核心業務驗證后，將產品上云商業化，進一步放大價值，服務整個社會。

　　在達摩院“大腦”的支撐下，阿里巴巴也逐漸實現了技術成果轉化，如在計算機視覺領域，在被譽為人工智能世界杯的 CVPR 2019 WebVision 競賽中圖像分類競賽中，阿里巴巴以 82.54% 的識別準確率獲得冠軍。

　　騰訊同樣也在進行騰訊云的建設，截至 5 月份，騰訊云 AI 公有云日處理圖片超 30 億張，日處理語音 250 萬小時，自然語言處理超千億句，客戶數超過 200 萬，服務全球超過 12 億用戶。

　　而在產品層面，騰訊云也已經擁有了多項能力，如包括騰訊云神圖、慧眼、圖像分析、智能識圖以及 OCR 在內的視覺服務，包括騰訊云語音識別、語音合成、機器翻譯等在內的智能語音產品，包括情感分析、智能分詞、文本糾錯等在內的自然語言處理產品。

　　在本屆人工智能大會上，騰訊發布了進一步拓展視覺人工智能能力的 4 個平臺產品，繼續深入計算機視覺領域研究。

　　科技巨頭之中，百度在人工智能領域的布局較早，目前，旗下人工智能助手小度，讓用戶以自然語言對話的交互方式，實現影音娛樂、信息查詢、生活服務、出行路況等多項功能的操作，是百度除搜索等產品外，與普通用戶交集最大的人工智能產品。

　　巨頭們似乎都已將未來的比拼重點放在了人工智能上，從成果上來看也取得了一定的成效。但實質上，在推進人工智能發展的過程中，始終存在著諸多阻礙。

　　首先是底層研究需要突破。在這一層面，資金投入、教育深化是基礎，但并不存在絕對的因果關系，技術的突破存在許多偶然性，在人工智能發展歷史中，就多次因為陷入技術瓶頸而停滯不前。

　　其次，在企業推動人工智能技術研發的過程中，基礎研究與產業團隊如何融合、協同一直是困擾各大公司的問題——谷歌也未能幸免。如何將底層研究與實際業務所需這樣的長期投入與短期收益相結合，非常考驗各大公司的投入耐心和內部協同能力。

　　再次，商業化變現困難是現階段仍制約人工智能企業發展的難題。如風頭正盛的 AI 四小龍，雖然從估值上看，它們的技術價值前景得到了認可，但因為技術落地難、商業模式盈利難，四小龍的 IPO 進程都一再受阻，曠視在 2019 年 8 月向港交所遞交招股書，在今年 2 月其申請上市狀態已變為“失效”，3 月，有外媒報道稱商湯也推遲了赴港 IPO 計劃。

　　而商業化變現困難的根本原因，仍是底層研究的制約下，人工智能難以落地。

　　事實上，從 2017 年開始，人工智能行業就開啟了“存量階段”，投資人更看重人工智能的實際落地場景，對處于早期階段的人工智能公司，開始了保守的投資模式，對處于中后期的人工智能公司，其投資意愿有所提升。

　　具體的表現為，2016 年開始，私募對人工智能公司的天使輪投資頻率開始減少、對戰略投資輪投資頻率開始上升：拿到天使輪的人工智能公司從 2016 年的 301 家，減少到 2019 年的 113 家；拿到戰略投資輪的人工人工智能公司從 2016 年的 11 家，增加到 2019 年的 39 家。

　　不過，在今年踏進“新基建”的節點后，市場對人工智能的保守態度或許將有所轉變。

　　在 2020 世界人工智能大會投融資主題論壇上，中金公司研究部董事總經理黃樂平發布了相關 AI 研究報告，中金認為，“AI+5G”是數字經濟時代的通用技術平臺，人工智能、區塊鏈、云計算、5G 等信息技術與機器人、醫療、航天等場景相融合，催生的 AR/VR、無人駕駛、商業航天等新產品和新業態是科技行業未來十年的發展主線。

　　中金公司測算，新基建、新需求、新技術在未來十年將為我國數字經濟新增近 4.3 萬億元的產業空間。

　　政策推動下，社會資源向人工智能產業聚集，將進一步推動底層數據建設、應用場景拓展等，今年上半年，有多地政府加大了對智慧城市、城市大腦等的建設；疫情之下，人工智能提高醫療效率的價值也得到凸顯。

　　新基建的加持，對于人工智能底層研究的投入、應用場景的拓展等將大有裨益。不過，在歡呼機遇到來的同時，也需要充分認識到，人工智能不是一場短跑。

　　正如馬化騰在人工智能大會上所說，人工智能是一個跨國跨學科的科學探索工程，正在將人類的認知推向更快更高更強，但目前人類對人工智能等新科技的未知仍然大于已知。

　　這仍是一條漫漫長路。

總結

以上是生活随笔為你收集整理的三年前打败了柯洁的人工智能 真的改变这个世界了吗？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。