目前中國在人工智能領域跟國際頂尖水平差距不大，無論是學術水平還是應用能力，均名列前茅。在科技巨頭積極布局人工智能的同時，中國技術革新也在乘勢而起，搶占產業制高點。
目前中國在人工智能領域跟國際頂尖水平差距不大，無論是學術水平還是應用能力，均名列前茅。在科技巨頭積極布局人工智能的同時，中國技術革新也在乘勢而起，搶占產業制高點。人工智能產業目前仍處于發展前期，主要應用方向集中在語音、圖像識別等領域，而我國目前已實現巨大的技術突破，處于國際領先水平，例如百度、科大訊飛等公司語音識別率已突破95％；湯曉歐帶領的創業團隊在LFW測試中視覺識別率超過99％。而我國人工智能技術，尤其在中文語音和語義識別技術方面存在自身獨有的競爭優勢。目前國內擁有健全的互聯網基礎設施，包括計算能力和海量數據，未來需要更加注重培育人工智能領軍企業，這一次中國有望引導世界人工智能產業發展。
國內BAT三大巨頭搶灘人工智能。在全球市場火爆的背景下，國內市場也充滿了巨頭的博弈與布局。過去兩年，國內BAT在人工智能領域動作頻頻。百度將人工智能作為企業未來發展的重中之重，2015年研發投入超過100億元，涉足深度學習、圖像識別、無人駕駛、語音識別、機器人、智能醫療等多個領域并于2016年啟動“百度大腦”計劃；阿里巴巴在2015年推出國內首個人工智能平臺DTPAI，并計劃打造“智能物聯”生態圈；騰訊則從圖像識別到語義分析，從機器人到物聯網都有布局，未來還將通過“TOS＋”戰略整合QQ物聯與微信，實現兩者在智能硬件領域的并行發展。
中國人工智能的探路者遠不只有BAT。面對人工智能這塊將要做出來的大蛋糕，無論是“提前卡位”還是“深度挖掘”亦或是“獨辟蹊徑”的企業都面臨著不同的機遇和挑戰，雖然產業在部分細分領域已處于寡頭壟斷局面，但尚有未被涉足的地方，整個市場的分類、容量、分配規則都等待賦予。目前國內無論是技術平臺還是行業應用方面都涌現出不少優秀企業，在大公司加速布局的同時，新興力量也在積極搶位。
智能語音領域的翹楚――科大訊飛。以語音識別切入產業布局，科大訊飛目前已成為中國乃至全球智能語音產業的領導者。在口語翻譯、語音識別和語義理解、機器測評等方向都獲得巨大成就。2014年，科大訊飛提出“訊飛超腦”計劃，叫板“谷歌大腦”和“百度大腦”；2015年推出人機交互平臺―AIUI，實現從智能語音到人工智能的完美升級，并且還涉足教育、醫療領域，積極打造“人工智能＋”生態圈。
新興力量積極搶位，4家獨角獸浮出水面。除了互聯網巨頭公司，創業公司也是推動我國人工智能行業發展的主力軍，其中已有公司在新三板掛牌。截至2016年初，中國人工智能領域有近百家創業公司，約65家獲得投資，共計29．1億人民幣。獲得投資的企業中應用類占比71％，絕大部分為軟件服務；技術類占比26％，其中計算機視覺占比超過一半。與國外創業公司相似，大部分國內初創公司一般擁有部分領域的領先技術，會選擇對某一細分領域的技術算法進行改進、深挖，或基于成熟技術進行針對性的商業應用設計來獲取市場份額，根據艾瑞咨詢的人工智能企業榜，曠視科技、SenseTime、云知聲和優必選4家企業被列入獨角獸行列。
人工智能在工業領域的應用
工業數據具備更強的專業性及關聯性。工業大數據與互聯網大數據之間存在明顯區別。互聯網大數據主要來自互聯網中產生及傳播的社會媒體數據，相對分散，且來自不同媒體與設備，而工業大數據來自不同環節不同設備的不同階段，專業性及關聯性都比較強。
工業場景下的人工智能應用對準確性要求遠高于互聯網。基于互聯網大數據訓練的人工智能算法模型，其對數據的容錯性以及對結果的準確性與工業領域的應用相比要低，更多還是基于相關性，不會過于追究其中的邏輯和因果關系。而工業大數據分散在不同的環節、不同的設備以及設備的不同位置，數據的缺漏及異步等問題時有發生，但是對模型表現結果的準確性要求卻又很高，很小的失誤都可能造成難以想象的損失。所以當我們將人工智能應用于工業領域時，需要考慮數據特征，結合不同的細分場景，根據不同的任務目標作進一步的細化。
人工智能在工業領域的應用案例。物聯網的普及帶來線下生產信息的數字化，企業級應用的滲透帶來生產及管理流程的信息化和云端化。基于云平臺的數據處理及人工智能應用，將喚醒工業領域的海量線下數據，并轉化為價值。
案例一：DeepMind依靠人工智能系統將為Google節約數億美元電費
Google在2014年收購DeepMind以后就曾表示會將機器學習技術應用于數據中心，使用神經網絡來預測耗電量變化，提升設備分配效率。今年7月份則表示，通過使用DeepMind人工智能系統對其數據中西的部分設備進行控制，操縱服務器和制冷系統等相關設備來降低耗電量，電力使用效率提升了15％，預計未來幾年內將節約數億美元電費。
案例二：GE的工業互聯網：提供計算設施及數據處理技術與算法
通用電氣（GE）Predix平臺是全球第一個專為工業數據與分析而開發的操作系統，實現了人、機、數據之間的互聯，能快速獲取、分析海量高速運行的工業數據，讓客戶在安全環境下進行數據分析處理，最終優化設備。與此同時，GE還將在工業領域積累的技術優勢應用于航空、醫療、照明以及能源等傳統線下領域，在效率提升上取得明顯的效果。
2016年7月，GE宣布Predix平臺登陸微軟Azure云平臺，實現工業領域大數據處理云平臺與通用領域企業級服務云平臺的結合。兩者的結合，GE能獲取更為豐富的行業數據以及利用微軟在數據可視化、自然語言處理等人工智能技術，微軟云應用的企業級客戶則可以利用GE云平臺比較成熟的數據處理技術，從流程上提高效率。
人工智能在安防領域的應用
海量數據＋特定場景＋初創團隊：對于安防行業而言，最主要的數據來自公安、商場等遍布的攝像頭，存在形式以視頻圖像為主，而且時刻都在產生并記錄著海量的數據。應用場景更是豐富多樣，小到車牌識別、門禁系統，大到輿情監控、嫌犯追蹤等，幾乎每一個場景都存在深挖的機會。初創團隊一般會在人臉識別、圖像識別、智能視頻分析等基礎技術領域進行算法的研究，而轉型公司則結合自身擁有的數據及場景資源，采取“自主研發＋創業團隊合作”的方式，將人工智能應用落地。
目前人工智能技術在安防領域已經有諸多成熟案例，這里主要從以車牌識別、人臉識別為代表的圖像識別技術、以大數據分析為代表的智能分析技術以及綜合化的安防機器人等三類應用展開。
1）以車牌識別、人臉識別為代表的圖像識別技術。在公安、交管領域，車牌識別是圖像識別技術應用相對較早且成熟度相對較高的場景，已廣泛應用于公路收費、停車管理、稱重系統、交通誘導、交通執法、公路稽查、車輛調度、車輛檢測等各種場合。
人臉識別目前在支付、金融行業遠程開戶等應用場景中應用障礙已經相對較小，但在安防領域，由于圖像抓取角度、清晰度等原因的限制，目前應用還相對有限，相對比較成熟的是在門禁系統、ATM監控等簡單任務領域，但隨著人臉識別技術的進一步發展，在刑事案件偵查、特定人員追蹤、嫌疑人報警等諸多領域將大有用武之地。
其他如人群監測、人流監控、步態識別、行為識別等技術也在不斷推陳出新，對于增強安防水平、維護社會穩定、提升刑偵效率等都有重要意義，受到各方關注。
2）以大數據分析為代表的智能分析技術。人工智能在安防領域另一個典型應用是通過以大數據分析為代表的智能分析技術，實現輿情監控和惡性襲擊事件預警。其中最典型的創業公司Palantir，通過分析海量數據來尋找規律，已被眾多執法部門用于犯罪調查和發現潛在恐怖主義陰謀，主要客戶是CIA和FBI。此外Palantir在醫療、金融等領域也積極拓展，目前估值已經超過200億美元。國內安防領域的智能分析目前主要集中于輿情監控、垃圾／詐騙短信處理等部分領域。
3）綜合化的安防機器人。安防機器人可以完成包括巡邏、監控、追蹤、抓捕、營救等一系列任務，集成圖像分析、智能識別、人機交互等多種形態的人工智能技術。目前研發依然處于早期，常見的初級形態主要是功能簡單的安保機器人，僅能實現特定情境下的定點巡邏、報警、遙控制暴等功能。
京公網安備 11010502049343號