人工智能加速滲透真正落地并不遙遠
隨著《新一代人工智能發展規劃》的發布，KUKA機器人維修，國務院開始從整體上部署我國的人工智能發展規劃，并對2030年前的我國新人工智能發展的總體思路、戰略目標和主要任務、保障措施進行系統的規劃和部署。
從國家戰略來看，未來一段時間內，人工智能和制造業的結合將成為推進智能制造的主要手段。從產業發展情況來看，人工智能產業架構已經初具雛形，主要包括基礎支撐層、技術驅動層和場景應用層，筆者將主要從這三個層面對人工智能產業鏈進行梳理和解析。
圖人工智能產業鏈三層結構
基礎支撐層：國際IT巨頭長期盤踞，中國初創企業很難進入
在人工智能領域，傳統的芯片計算架構已無法支撐深度學習等大規模并行計算的需求，這就需要新的底層硬件來更好地儲備數據、加速計算過程。基礎層主要以硬件為核心，其中包括GPU/FPGA等用于性能加速的硬件、神經網絡芯片、傳感器與中間件，這些是支撐人工智能應用的前提。這些硬件為整個人工智能的運算提供算力，目前多以國際IT巨頭為主。
目前在GPU領域，英偉達主打工業級超大規模深度網絡加速，并于日前推出了基于Volta、首款速度超越100TFlops的處理器Tesla；英特爾主要圍繞FPGA構建產業，庫卡機器人驅動器維修，推出了模仿人腦的人工智能芯片。谷歌也推出了第二代TPU芯片，為自己的開源TensorFlow框架提供芯片支撐。除了這些談到的行業巨頭，在這一領域還有眾多的初創公司，如中星微、寒武紀以及西井科技等，但在產業布局能力和研發實力方面還不可與這些巨頭匹敵。
技術驅動層：算法和計算力成主要驅動力，開源化是趨勢
技術層是人工智能發展的核心，對應用層的產品智能化程度起到決定性作用，在這一發展過程中，算法和計算力對AI的發展起到主要推動作用。技術層主要依托基礎層的運算平臺和數據資源進行海量識別訓練和機器學習建模，以及開發面向不同領域的應用技術，包含感知智能和認知智能兩個階段。其中，感知智能階段通過傳感器、搜索引擎和人機交互等實現人與信息的連接，獲得建模所需的數據，如語音識別、圖像識別、自然語音處理和生物識別等；認知智能階段對獲取的數據進行建模運算，利用深度學習等類人腦的思考功能得出結果，如機器學習、預測類API和人工智能平臺等。在此基礎上，人工智能才能夠掌握看與聽的基礎性信息輸入與處理能力，才能向用戶層面演變出更多的應用型產品。
當前，國內的人工智能技術平臺在應用層面主要聚焦于計算機視覺、語音識別和語言技術處理領域，國內技術層公司發展勢頭也隨之迅猛，其中的代表性的企業包括科大訊飛、格靈深瞳、捷通華聲（靈云）、地平線、SenseTime、永洪科技、曠視科技、云知聲等。
場景應用層：AI與場景深度融合，領域應用更加廣泛
應用層主要是基于基礎層與技術層實現與傳統產業的融合，實現不同場景的應用。隨著人工智能在語音、語意、計算機視覺等領域實現的技術性突破，將加速應用到各個產業場景。
應用層按照對象不同，庫卡機器人驅動器維修，可分為消費級終端應用以及行業場景應用兩部分。
消費級終端包括智能機器人、智能無人機以及智能硬件三個方向，場景應用主要是對接各類外部行業的AI應用場景。近年來，國內企業陸續推出應用層面的產品和服務，比如小i機器人、智齒客服等智能客服，出門問問、度秘等虛擬助手，工業機器人和服務型機器人也層出不窮，應用層產品和服務正逐步落地。
其中，IBM最早布局人工智能，萬能Watson推動多行業變革；百度推出百度大腦計劃，重點布局無人駕駛汽車；而谷歌的人工智能業務則較為繁雜，多領域遍地開花，包括AlphaGo、無人駕駛汽車、智能手術機器人等；微軟在語言語義識別、計算機視覺等領域保持領先。除此此外，家電行業也掀起了人工智能的熱潮，不少家電企業都瞄準了人工智能，潛心研發AI技術，將其應用于家電產品。今年以來，長虹、美的、格力、格蘭仕等都在向智能制造轉型，試圖立足SmartHome，將人工智能和智慧家庭更緊密地結合在一起。
結語：弱人工智能已加速滲透，強人工智能并不遙遠
筆者認為，人工智能領域雖已迎來新的產業爆發期，但總體來看，人工智能仍是以特定應用領域的弱人工智能為主。目前絕大多數的系統，包括深度學習神經網絡，機器智能，仍沒有達到能夠思考的程度。若要繼續攀升進入強人工智能，計算機的認知能力是必須的，這也是目前人工智能在試圖突破的點。AI源于技術，終于場景，工智能最終需要通過與產業場景的深度融合才能實現真正的落地。