锋面纵深 AI中国淘金热

热闹的世界人工智能大会已经闭幕。而在浦东， AI+的这场饕餮盛宴才刚刚开始。

这是一个竞技场，AI+交通、AI+医疗、AI+制造，各路大神在AI的世界里各显神通；这是一个不见硝烟的猎场，各类资本如同鲨鱼嗜血，搏兔于野；这也是一个凶险的江湖，暗礁林立，神鬼莫测，勇敢者前赴后继、披荆斩棘，怯懦者畏惧不前。但谁能笑傲群雄？

仰望星空，AI星汉灿烂；俯视大地，AI道路多艰。

人工智能余音未散，即日起，《浦东科技》杂志将围绕人工智能应用场景推出【人工智能·D -day】专题系列深度报道，持续接力AI赋能各行各业的话题，敬请期待！

人工智能，炙手可热的名词。

这不是我们第一次聚焦人工智能了。2017年，当时AlphaGo亮相不久，再次点燃了产业界的热情，上海尤其是浦东的人工智能企业如雨后春笋，进入产业和资本的视野里。

两年过去了，风景依旧，AI热度只增不减。

两年前，我们用掘金者形容这个行业里的人，两年后，这个词依旧准确。

AI+、AI赋能的概念涌现在各行各业，无数的产业数据石油、应用场景正在被挖掘，这一幕，像极了当年的阿拉斯加淘金热。如今，新一轮的AI淘金热也在中国上演，愈演愈烈。

深度学习，点燃AI应用的火柴

在如今的AI领域，深度学习是很多企业挂在嘴边的名词。其实，深度学习是机器学习的一个分支。上海交通大学人工智能研究院副院长宋海涛说：“深度学习领域的突破也是这一轮AI热潮的关键之一，是点燃了AI企业发展的一根火柴。”

深度学习搭建在神经网络之上，而神经网络的概念则脱胎于上世纪50年代科研人员对人类脑神经系统的研究和模拟。2006年，加拿大Hinton教授等人提出了深度学习的概念。2012年，谷歌和斯坦福大学开展了一项实验——利用多层神经网络和大量数据进行图像识别。过去实验的图像样本最多达到“万”的级别，斯坦福这次的规模达到了“千万”的级别，使用了更深层的神经网络，结果发现在人脸、人体、猫脸三个图像类别中，这个模型的识别率提升了7%-10%。这给业界带来了极大的震动，因为通常识别率提高1%都需要极大努力，现在多层神经网络的运用，竟能取得这么大的进步。

深度学习领域的突破是点燃AI企业发展的一根火柴

在深度学习算法之前，计算机对人脸识别的准确性只有60%-70%，而随着深度学习的成熟，准确率超过了95%，最高的可以超过99%，早已超过了人眼识别的准确率和效率。通过不同层网络自动获取不同层次的特征信息，深度学习从而避免了传统需要大量人工设计特征的局限，实现真正意义上的“端到端学习”。

和很多产业一样，国内人工智能应用层欣欣向荣，基础层却捉襟见肘。有人开玩笑说：“需要聪明智慧的，中国玩的不错，但需要历史积淀的，中国还差很远。”尤其是人工智能的算法开源平台都是在国外基础上构建的，这些一旦平台被关闭，我国的人工智能就会大受打击。

对产业未来影响更大的，是深度学习方法本身。

目前阶段人工智能有着根本性缺陷。中国科学院院士、清华大学人工智能研究院院长张钹曾提出，现在的深度学习本质是基于概率统计，即寻找那些重复出现的模式，重复多了就被认为是规律。这造成人工智能系统都非常脆弱，容易受攻击或者欺骗，需要大量的数据，而且不可解释。这个缺陷是本质的，由其方法本身引起的。

而这些缺陷决定了其应用的空间被局限在特定的领域——大部分都集中在图像识别、语音识别两方面，很难在其他领域有突出表现，仅仅停留在能用阶段，可以用，但不好用，没有生命力。

另外，纯数据驱动的深度学习算法技术工具的潜力已经基本挖掘殆尽，参数空间巨大不易调优、迁移性弱、可解释性差、硬件要求高、能耗不经济等缺陷逐步显露。据介绍，目前上述深度学习范式在计算机视觉、语音与语义、机器人、商业智能等任务上的提升显示出疲态，提升空间有限。

在学术界，被称为“后深度学习方法”的第三代人工智能已被提出。这可以理解为类脑智能过渡的一个结构，继续用算法来形成人工智能的能力。在数据量不足的特殊应用场景下，如何解决数据瓶颈、降低功耗，将成为未来基础研究要解决的重要问题。

人工智能迫切需要推动到新的阶段，而这注定将会是一个漫长的过程，还有赖于与数学、脑科学等结合实现底层理论的突破。

机器视觉一骑绝尘

人工智能行业分为基础层、技术层和应用层。基础层提供计算力，主要包含人工智能芯片、传感器、大数据和云计算；技术层解决具体类别问题，依托运算平台和数据资源进行海量识别训练和机器学习建模，开发面向不同领域的应用技术，包括语音识别、自然语言处理、计算机视觉等，即目前AI最火的三大分支：语音、语义和图像。其中，计算机视觉是目前发展最火热的领域，语音识别次之，自然语言处理紧随其后。

自然语言处理是人工智能最初发展的切入点，研究的是机器理解并解释人类写作和说话方式的能力，应用方向包括文本分类和聚类、信息检索和过滤、信息抽取、问答系统和机器翻译等。机器翻译是当前最热门的方向，目前微软和谷歌的新技术是将翻译和记忆相结合，通过机器学习，将大量以往正确的翻译存储下来。在浦东，达观数据是文本处理领域的领军企业。

智能语音技术主要研究人机之间语音信息的处理问题。简单来说，就是让计算机等设备通过对语音进行分析、理解和合成，实现人“能听会说”、具备自然语言交流的能力，分为语音合成技术、语音识别技术、语音评测技术等。落户浦东的科大讯飞在该领域无疑是佼佼者。

“计算机视觉识别已达商业化应用水平。”宋海涛说。计算机视觉目前呈现三大热点：一是人脸识别抢先落地，开启“刷脸新时代”。目前，人脸识别已大规模应用到教育、交通、医疗、安防等领域，即楼宇门禁、交通过检、公共区域监控、服务身份认证、个人终端设备解锁等特定场景；火车站开启“刷脸”进站，通过摄像头采集旅客的人脸信息，与身份证人脸信息进行验证；手机使用3D人脸识别，迅速引发了“移动终端+人脸解锁”的布局风潮。二是视频结构化崭露头角，应用前景广阔。简单来说，就是给视频信息“贴标签”，将其结构化，以实现机器自动处理和分析视频信息，如快捷预览视频监控内的可疑事件和事件发生时间。三是姿态识别，让机器“察言观色”。如计算机游戏、家用电器和机器人控制等场景，融合姿态的全新人机交互体验能够极大提升人机交流的自然性。

中国人工智能领域中有20个独角兽和30个准独角兽企业，近80%都跟图像识别或者语音识别有关系。《2018年全球人脸识别设备市场研究报告》指出，中国是人脸识别设备最大的消费区域，2017年占全球比例29.29%，2023年将达到44.59%，随着支付手段的变更，安全意识的提高，安检需求的加强，人脸识别设备的消费明显增加且潜在需求正在被挖掘。

通过短短两三年的攻城略地，中国计算机视觉行业优胜劣汰，形成了“四超多强”的格局——商汤、旷视、依图、云从四家企业被称为中国人工智能“四小龙”，当之无愧的头部企业。其中，云从科技孵化于中科院重庆研究院，是标准的“国家队”。

“商业落地”已成为人工智能发展的关键词

场景落地，赋能万物

“最重要的是产业落地。”问及目前AI行业什么最重要，旷视科技相关负责人斩钉截铁给出答复。

目前，“商业落地”已成为人工智能发展的关键词，“AI+”、“AI赋能”的业态新模式层出不穷，以势不可挡的态势渗透医疗、教育、互联网、金融、安防和制造等领域和场景，改善传统的环节和流程，提质增效，提供个性化、精准化、智能化服务，给传统领域带来了巨大变革。“AI应用领域没有行业限制。”宋海涛表示。

由于数据可得性高、数据层次丰富，以及国家层面的政策加持，智能安防已经成为很多AI企业的“猎场”。云从科技是中国银行业第一大AI供应商，在安防领域，已在29个省级行政区上线实战，云从还发布了集成生物识别平台3.0、浸入式风控体系和基于国家AI基础资源平台的物联网AI—IoT；旷视科技目前重点投入兵力在公共管理等泛安防的城市管理、手机在内的移动终端和零售、物流三大领域，安防解决方案在100多座城市落地，协助破获案件超5000件；依图科技主要聚焦服务于安防、金融、民生等行业，去年3月，他们与华为合作发布了面向平安城市、智慧园区的人脸识别一体化解决方案，去年10月，再次和华为合作推出智能警务云解决方案，热度可见一斑。

人工智能赋能教育。一是辅助教师完成教学任务。人工智能机器天生是刷题高手，在应付应试教育上具有学生望尘莫及的优势。此外，它也可以使教育从目前以教师为主的工业化教育，全面转型为以学习者为主的智能化教育。它可以使老师们从目前一些繁重的重复性劳动，例如批改作业当中解放出来，使教师专注于教学创新；二是基于大数据为每一位学生制定个性化的培养方案。人工智能通过辅助教育应用、建构教育场景、重组教育要素、重构教育过程等，可以在一定程度上倒逼教育变革。

人工智能赋能智慧医疗，其应用场景主要包括：虚拟助理、病例与文献分析、医疗影像辅助诊断、药物研发、基因测序等。

人工智能正无所不能。

“AI落地快的，都是劳动密集型与知识密集型结合的行业。”宋海涛说。他认为，AI赋能，对金融、教育、医疗等行业来说是极大的促进。

宋海涛认为，工业一定是未来AI应用的主战场

对于中国来说，在喧嚣的人工智能应用热潮下，最值得关注的是将人工智能应用到工业和制造领域。从互联网到物联网，从大数据到先进制造，人工智能继承也集成了过去数十年间不断翻新的概念的精华，理应在中国工业领域大有可为，进而推动其他产业的转型升级，这也是中国人工智能产业在应用端最具价值的体现。

“工业虽然不是目前AI应用最广的领域，但一定是未来最主要的战场。”我国作为全球制造业大国，庞大的制造业体量以及数字化转型带来的巨大潜力，将制造业推向了数字经济转型发展的主阵地、主战场。目前，国内规模以上工业企业数字化研发设计工具普及率、关键工序数控化率、生产设备数字化率、数字化设备联网率已分别达到63.3%、46.4%、44.8%和39%。2019年制造业数字化转型不断进入实质环节，包括设备数字化、流程数字化、知识数字化和业务数字化。智能制造将在数字经济的发展中起到更加基础性和支撑性的作用。

5G是未来数字经济的“管道”

“在数字化、网络化的基础上，智能化将对人类社会形成升维重构。”除了算法的成熟，数据的丰富、算力的提升、5G通信的发展，也极大推动了AI发展应用的浪潮。“数据是石油，5G网络是石油管道，AI是炼油机。”在宋海涛的形容里，一幅未来数字经济的蓝图已经展开。

人工智能与实体经济深度融合最大瓶颈在于实体经济数据的短缺，采集和传输等能力受到限制，这正是表示5G的商用开启了“数据石油”工业革命的标志性事件。

2019世界人工智能大会上重点签约70余个AI和5G项目。其中，华为5G创新中心落户浦东，建设5G、人工智能和物联网技术融合协同创新平台。作为第五代移动通信技术，5G具有更大的带宽、更快的传输速度、更低的通信延时、更高的可靠性等优势。人工智能在5G时代下，可以提供更快的响应速度、丰富的内容、更智能的应用模式以及更直观的用户体验。可以说，5G不仅是提升网速，更将补齐制约人工智能发展的短板，成为驱动人工智能的新动力。

5G可以称得上是基础设施，如同“信息高速公路”一样，它为庞大数据量和信息量的传递提供了可能性，同时，它也带来了更为高效的传输速度；而人工智能，不仅仅是云端大脑，也是能够完成学习和演化的神经网络。人工智能将赋予机器人类的智慧，5G将使万物互联变成可能。二者相结合，会为整个社会生产方式的改进和生产力的发展带来前所未有的提升。

上海烟草机械有限责任公司生产车间，一排排烟草包装器械从生产线整齐有序地产出，AGV机器人来回跑动，生产的实况都以超高清影像同步传输到公司的监控中心，在5G技术的帮助下，这家有着百年历史的烟草包装机械生产企业焕发出新的活力。

据悉，这就是中国移动上海产业研究院、中国移动上海公司联合上海烟草机械有限责任公司和华为公司共同打造的5G+智慧工厂项目。“过去，我们基本通过WiFi进行AGV机器人的控制信号和数据传输，存在着WiFi信号同频干扰、漫游切换易掉线（重连）、覆盖死角等问题，现在采用5G组网替代原本WiFi，大大节约了现场布线和施工成本。”上海烟草机械的工作人员介绍说。

尽管有着5G技术等多重助力，但人工智能进军各个行业时还面临数据标准化等多种难题，且各个场景都有各自专属的难题有待解决。那些风口上的医疗、制造等领域，应用还有很多限制和不足。AI发展的道路，还很漫长。

希望永远在，未来终将到来。

文字丨科Way

美编丨小小粉刷匠