姚霁 岳颀

【摘 要】人工智能深刻地影响着人类的生活，但其发展之路依然荆棘密布。本文提出了关于人工智能的基础层、技术层、应用层以及商业化进程中的创新思路，旨在为人工智能的发展提供新的动力。

【关键词】人工智能；基础层；技术层；应用层；创新

中图分类号：TP309.7 文献标识码： A 文章编号： 2095-2457（2018）33-0016-003

DOI：10.19694/j.cnki.issn2095-2457.2018.33.007

【Abstract】Artificial intelligence affects human life profoundly， but its development path is full of obstacles. The innovative ideas about the basic layers， technical layers， application layers and the process of commercialization of artificial intelligence are proposed， trying to provide new impetus for the development of artificial intelligence.

【Key words】Transportation engineering； Pedestrian detection； Deep learning； Two dimensional principal component analysis

0 引言

随着大数据的涌现、互联网的普及，数据和知识在信息空间、物理空间和人类社会之间交叉融合，促进人工智能在智能企业、智能生活、机器人、自动驾驶、电子商务、电子医疗等多方面形成深入的应用。然而我们要对人工智能的发展保持冷静的认知，人工智能所基于的深度学习仍有难以克服的缺陷，其商业应用之路荆棘密布。人工智能的进一步发展需要全产业链的深入创新。

人工智能产业链结构分为基础层、技术层与应用层。我国虽然已经成为全球AI中心之一，但数据环境、专业人才和底层硬件的不足，特别是芯片、CPU等产业的不成熟，制约着我国人工智能的深入发展。国内的AI企业需要认识到AI产业发展创新的困难性和战略意义，需要从人工智能产业链的各个环节（图1） 全面布局、不断创新，才能实现人工智能发展的弯道超车。

1 基础层创新

人工智能的基础层主要为AI技术和产业发展提供数据和计算能力，涉及到计算硬件、计算系统技术和数据。因此基础层的创新主要表现在数据的采集分析和计算硬件的发展。

随着人机物互联互通形成趋势，爆炸性增长的数据量不仅为基于深度学习训练人工智能提供了良好的土壤，同时也成为AI企业的战略性竞争优势。企业在数据采集的创新路上要逐步建立自筹数据、公共数据、产业协同数据等不同数据的来源途径；依靠积累的海量优质数据，为人工智能机器学习提供充足的样本，建立优质的算法平台；尤其要注意场景数据的积累分析，从而为提炼出更高效的人工智能应用场景的解决方案作准备。

在优质数据的基础上，企业要重点在计算能力上进行创新，开发具有深度计算能力的新型芯片。深度学习算法从软件层模仿人类大脑对底层信号的特征提取，使得学习目标更精准有效。然而当前的神经网络算法几乎全部基于传统的集中式硬件架构，无法发挥人工智能的技术优势，急切需要从硬件层加以解决。AI芯片加速了深层神经网络的训练迭代速度，极大地促进了AI行业的发展。目前，已经出现了NPU、GPU及各种各样的AI-PU专用芯片。企业在研究并行计算的架构前提下，進一步提高线性代数运算效率，同时降低功耗，这是AI芯片进一步创新的方向。

此外，近年来面向物联网应用的运动、生物、健康、医学、环境类智能传感器，以及面向工业互联网应用的微电器件等发展迅猛，AI发展的重心呈现出向硬件底层迅速渗透的趋势。各类用于环境感知和信息数据采集的传感器件、设备及系统是人工智能企业的发展重点，而相关开发工具与集成环境的优化是企业创新的另一方向。最终打造面向云、边缘和端等全场景的、独立的以及协同的全栈解决方案，提供充裕的、经济的算力资源是企业在基础层创新的终极目标。

2 核心技术层创新

人工智能的发展是计算机软硬件技术交替前行、牵引演进的产物，其技术层的发展是AI发展的核心推动力。主要由深度学习和神经网络等技术组成，包括模式识别、机器学习、人机交互及智能的信息处理算法，乃至一切用于模拟人脑进行认知学习、分析的算法。

深度学习的研究推动了算法模型的持续优化。多伦多大学教授杰弗里·辛顿在2006年提出的深度学习的概念极大地促进了人工神经网络算法的发展，提高了机器自主学习的能力。随着算法模型的重要性显现，全球的科技巨头纷纷加大了投入和布局力度，通过成立实验室，开源算法框架，打造生态体系等方式推动算法模型的优化和创新。目前，深度学习算法已经广泛应用在自然语言处理、语义处理以及计算机视觉等领域，并在某些特定场景取得了突破性进展，甚至从有监督式学习逐渐演化为半监督、无监督式学习。

AI企业应当深耕算法和通用技术，建立技术优势[1]。旷视科技就是以机器视觉技术为突破口，专注于先进的人脸识别、图像识别技术，同时以场景应用作为流量入口，积累用户，逐渐地建立应用平台，进而拓展到智能硬件、智能云服务及行业智能解决方案。这为企业在技术层面的创新提供了成功的案例，拓宽了思路。科技企业可以通过推出算法平台吸引众多的开发者，实现快速的产品迭代、活跃的社区，从而打造开发者生态，形成行业标准，实现商业应用。

总之，加强人工智能核心关键技术研究，以算法为核心，以数据和硬件为基础，重点提升知识计算、感知识别、认知推理、运动执行、人机交互能力，形成稳定成熟、开放兼容的技术体系，在计算机视觉、自然语言处理、智能决策推理等领域构筑数据高效、能耗高效、安全可信、自动自治的全栈方案是技术创新的核心。

3 应用场景的创新

人工智能的的发展，明确应用场景是关键。现有的应用场景不断向纵深拓展，但价值创造的重点依然在技术取得突破的领域。按产业链分析，人工智能将呈现生态构建者、技术算法驱动者、应用聚焦者、垂直行业先行者等竞争模式，几种模式都离不开应用场景的商业开发。因此生态应用场景的建立是人工智能落地发展的核心[1]。

Google等互联网公司坚持长期投资基础设施和技术，兼以场景应用为入口，积累应用，建立应用平台，成为人AI产业链的生态构建者。Google推出的家居中枢GoogleHome就以此为契机打开了场景应用的突破口。而IBM等软件公司专注于通用技术平台，以技术突破带动场景应用，逐渐推出医疗、金融、呼叫中心等企业应用平台。而传统行业及新兴的创业公司，则考虑有效结合人工智能，基于场景或行业数据，面向不同的用户群体，选择合适的场景，构建大量多维度的场景应用。部分领域的先行者在特定领域，则深耕该领域的通用技术和算法，成为该领域的颠覆者和主导者。例如，旷视科技以机器视觉技术为突破点，在发展前期（2011-2014年），主要定位为商用机器视觉开放平台，深耕Face++人脸识别云服务、Image++图像识别云服务和Brain++人工智能深度学习系统。2014年后，Face++开始发力智能行业解决方案，主攻覆盖银行、保险、互联网金融的泛金融行业解决方案。

目前机器视觉、智能语音成为AI产业化水平最高的领域。但是随着人工智能技术的突破，应用场景向纵深拓展的趋势愈加明显，各领域之间相互融合、相互影响， 新型的通用人工智能将把人工智能与知识、感知、意识及直觉等人类特征互连，减少对知识的依赖性、加强处理任务的普适性，这将是人工智能未来发展的一个方向。而随着类脑科技的发展，人工智能必然向认知智能时代迈进，必将产生新的应用场景！医疗行业将成为 AI 应用最火热的行业， 医疗机器人、医学影像辅助诊断技术，将大大提高医疗诊治和医疗康复水平。另外在某些需要对人类判断决策进行辅助的场景，如无人驾驶、智能交通、金融等行业也将脱颖而出。人工智能对于教育培训、娱乐休闲、家庭服务场景等领域，也具有广阔的开发前景。此外，人工智能在无人便利店、网络反欺诈、救援救灾、知识产权、反恐防暴等领域的应用也逐渐成为市场关注的热点。

4 商业化创新发展模式

随着AI产业链的发展，将创新出前所未有的智能产品，涌现出完全有别于传统行业的新兴产业。AI产业创新必将带来相关软硬件产业的更新换代，如存储器、芯片、语言处理、图像和视觉、技术平台等硬件设备的提供；以及大数据库、计算平台、神经网络算法、云服务、商用智能等软件与服务的提供。这给我国的实体经济发展带来了新的机遇。传统企业需要携手互联网企业，利用人工智能构建新的竞争优势，探索新的商业模式[2]。

商业模式构建了技术和实体经济的桥梁。而新商业模式的发展往往伴随着新技术的商业化进程。互联网与人工智能的融合则推动了商业模式创新。例如，物联网商品的流通方式大大减少了商品流通环节，进一步缩短了流通时间，因而节约了商业成本。而具备“快速响应处理”和“自主学习”能力的人工智能提供的商业智能软件可以对仓储数据进行线上分析处理、挖掘和演变，从而实现商业价值，为商业经营服务。商业智能和物联网带来的商品流通方式的革命性变化，进一步提高了交易效率，引领了商业模式的创新。

商业模式的创新还包括资源整合优化及设计高效的交易方式。从资源视角分析，企业对资源重新整合将带动商业模式的变革，通过重新整合、协调企业的各种资源，进而形成资源链的协同效应，为客户创造新的价值。阿里巴巴创造的电子商务平台模式就是通过自身的电子商务平台不断向金融和物流等周边领域延伸和扩展，从而形成庞大的电子商务系统。从交易成本视角分析，设计低成本的交易方式也将促进商业模式的创新。小米公司采用在线直销模式，避免了中间运营商的介入，降低了成本，为用户提供价廉物美的小米手机，从而快速积累了大量用户粉丝[3]。

从人工智能的创新主体来看，AI核心技术的主要创新者将实现从高等院校到科技企业的转变。人工智能未来的核心价值在于融合，尤其是行业技术与应用场景的融合。随着AI技术的开源化和平台的开放化，各行业的龙头企业将依托其积累的数据资源，进一步加快人工智能与企业业务的融合创新的步伐，成为AI产业发展的主力军和领头羊。

5 总结

未来已来，人工智能已经深刻地影响到人们的生活，并将无处不在！世界各国不约而同地投入“人工智能优先”的国家战略，人工智能的竞争才刚刚开始。数据、算法、计算的发展以及场景应用的深入将驱动新一轮人工智能的发展，它们互为推动，协同发展，自我演进，进而将专有人工智能拓展到“泛智能”应用领域。目前，人工智能全产业链基本形成。AI为交通、医疗、教育、工业等各行业提供深度融通，为实体经济网络化、数字化、智能化转型升级推波助澜。从全球研究人工智能的热情看，AI创新的爆发将进一步加快，互联网、软件甚至传统行业巨头都在AI产业链的基础层、技术层和应用层全面布局，深入研究，不断创新，国内的企业也应该时不我待，奋发图强，积极参与人工智能创新的历史进程，整合多个行业应用，丰富实用场景，为人工智能全面服务于人类做贡献！

【参考文献】

[1]《人工智能产业链及五大商业模式解析》来源：https：//www.sohu.com/a/131107312_104253.

[2]何玉长，方坤.人工智能与实体经济融合的理论阐述.学术月刊.2018（5）：235-236.

[3]蒲松濤.我国人工智能产业发展六大趋势.中国电子报，2017（5）.