加载中...请稍后..

金准人工智能 2018中国人工智能应用与生态研究报告

发布日期:
2018-08-05
浏览量:
85673

前言

金准人工智能专家对目前人工智能的应用场景和智能平台建设情况,选取视觉智能,语音智能、数据智能、企业智能四个领域,进行了研究分析。

金准人工智能专家经过调研发现,部分企业都有人工智能应用或者应用规划。从已经有人工智能应用的企业来看,大部分都取得了比较好的效果,只有不到10%的企业的人工智能应用效果不理想。从总体来看,目前还处于人工智能技术与业务的融合阶段,利用人工智能技术重构整个IT系统或者进行业务转型的企业较少。在人工智能厂商选型时,企业最看重厂商的技术实力、品牌、对于业务的理解和融合能力。应用落地、平台构建、生态培养同步并举,厂商之间的竞争将在多个维度同时进行。

人工智能生态各要素动态演进,基于开放平台的生态逐渐成型。算力、算法和数据之后,场景成为人工智能应用的关键。视觉智能已经迈过了技术拐点,走向应用普及阶段,并将成为未来5年最有商业前景的领域。人脸识别开启了人们的认知,但智能安防、智慧城市才是视觉智能的“星辰大海”。语音智能交互系统在各个领域得到普及,B端和C端呈现不同的发展特点:C端呈现操作系统级别的竞争态势,B端市场窗口还很大,不同行业的垂直应用场景有待挖掘。数据分析和数据挖掘是数据智能的基础,局域智能将向全域智能转变,BATJ为代表的互联网巨头具有巨大优势。海量的数据将在“云端”汇聚,并实现数据之间的高度融合,“云端数据智能”将更加普遍。由于新零售概念的兴起,大家逐步关注到线下数据的价值,并通过高德地图、美团、支付宝、微信等应用,结合人脸识别等新手段,大量获取线下数据尤其是线下消费和支付数据,最终实现线上数据与线下数据的融合,构建更完善的用户画像。

一、视觉智能应用、平台与生态

视觉智能是5年内最有商业前景的人工智能应用领域。2018年,智能安防将是视觉智能厂商的发展中心。根据中安协发布《中国安防行业“十三五”(2016-2020年)发展规划》指出,“十三五”期间,安防行业将向规模化、自动化、智能化转型升级,且到2020年,安防企业总收入达到8000亿元左右,年增长率达到10%以上。只是智能安防这一个领域,就足够支撑多个百亿级别的独角兽企业,满足资本对于视觉智能厂商的业绩期望。在智能安防领域,按商业演进路径可以将厂商分为两类:以旷视科技、商汤科技和博思廷为代表的“AI+安防”类厂商,和以海康威视威为代表的“安防+AI”类型厂商。智慧城市将是视觉智能最大的应用领域,未来的市场规模必将在万亿以上。视觉智能+数据分析,将成为智慧城市系统的主体,发挥最为关键的作用。视觉智能应用,已经从图像识别、物体识别转向计算机视觉理解、视频理解这些更具挑战和应用价值的领域,未来其应用前景必将更加广阔。随着芯片技术的发展,终端智能将获得快速提升。云+端的数据处理方式成为潮流。未来智能终端将成为视觉智能应用重要的计算载体,同时云端对于数据打通将发挥关键作用。


LFW是目前人脸识别领域最权威的数据库之一,LFW中的图像均产生于实际场景。具备自然的光照、表情、姿势和遮挡等干扰因素,且考虑到涉及人物多数为公众人物,也涉及到化妆等更复杂的干扰因素,在LFW数据库上验证人脸识别算法理论上更贴近实际应用。

从数据上看,目前计算机视觉的识别率普遍高于人眼(97.53%),而目前主流的视觉智能厂商,其系统的识别率普遍高于97.53%,比如旷视科技、商汤科技、博思廷、百度、腾讯等,其系统的识别率普遍大多在99%左右,未来还将有更多的视觉智能厂商达到这一水平。

这意味着视觉智能已经迈过技术拐点,未来几年将面临疾风骤雨式的应用普及。


二、语音智能应用、平台与生态

语音智能领域,总体上来看,C端语音智能市场已经开始显现操作系统级别的竞争,并以开放平台和生态体系的方式来进行竞争,主要表现:不断嵌入更多的智能硬件设备,其中又主要是手机和智能音箱,并逐步扩展到智能机器人、智能家居等领域。厂商之间的竞争焦点集中于手机厂商、智能硬件厂商;在自家的语音交互系统中不断接入更多的服务,不断扩展用户通过智能语音助手能做的事情;构建开放平台,聚拢大量的软硬件合作伙伴,以生态体系的力量来强化其竞争优势和市场领导能力。

目前国内主流语音智能厂商的识别率普遍高于97%,迈过了是商业应用的技术门槛。语音识别准确率方面,科大讯飞、百度、思必驰等领先,科大讯飞在方言领域的高识别率是其一大特色。远场降噪和远场识别能力的提升,催生出智能音箱产品,进一步推动智能硬件的发展。科大讯飞、百度等主流厂商,其机器翻译能力也已经达到国际领先水平。语音智能与视觉智能、无人驾驶一起,成为我国人工智能产业的三张名片。基于语义理解的语境理解、意图理解,形成更自然的人机交互,是一大难点。

B端语音智能市场窗口较大,基于语音交互的垂直应用场景有待挖掘。基于语义理解和语音交互的垂直应用场景进一步深耕,具有语境理解、多轮对话、可随时打断等能力,是语音智能厂商的重要竞争力。智能客服、嵌入企业管理软件的语音助手、医疗机器人等是重要的细分领域。尤其是智能客服,针对不同行业的业务属性,开发场景化语音交互系统,是一个有待进一步挖掘的蓝海市场。智能车载、智能家居、智能机器人、智能可穿戴领域,语音智能厂商纷纷跟进对应赛道。在企业管理软件系统中,语音智能具有很大的应用潜力:一方面,办公软件尤其是移动办公软件中,已经有一些厂商尝试在其产品中嵌入语音助手模块,让用户可以用语音交互的方式处理工作事宜;另一方面,基于语义理解的业务流程打通,将语音交互融入其业务流程系统,这也是企业管理软件厂商主要的发展方向。

三、数据智能应用、平台与生态

在数据智能领域,数据分析与智能决策、数据可视化、智能营销、用户画像与个性化推荐,BI等是重要的细分领域;在数据类型方面,移动数据和线下零售数据的分析成为热点。随着大数据产业的发展,基本的数据局积累和数据处理体系已基本成型,未来关注的重点将转向多渠道、多种数据形式的融合,并且会从局域智能转向全域智能。局域智能是在某个细分领域的数据智能,为用户解决某些特定类型的问题。与之对应的,全域智能将实现三方面的突破:

1. 多渠道数据的融合。包括PC数据、移动端数据、物联网数据、线上数据和线下数据的融合;

2. 多类数据的融合。不仅能处理结构化数据,也能处理文本、语音、图像、视频等非结构化数据,并能实现数据打通,基于多种类数据的全面分析提供结果和决策建议;

3. 多维度数据融合。包括电商数据、社交数据、搜索数据、线下消费数据等多维数据的融合;

另外,局域智能更多的侧重于分析,而全域智能则更多侧重决策建议,并为用户自动化处理部分事物。

深度用户画像成为行业基础,互联网巨头在数据智能领域优势巨大。很多数据智能应用都是以用户画像为基础的,以此衍生出个性化推荐、智能营销、商业智能、安全态势感知等。更进一步的,深度用户画像能对用户特征进行更深入的刻画,可以据此开展一些更高价值的智能服务,比如金融风控,这在金融尤其是互联网金融领域具有广泛地应用。

互联网巨头,由于其海量的数据积累和较强的综合实力,在数据智能应用领域具有很大的优势,并且这一优势还会进一步加强。这其中阿里巴巴的优势最为明显,阿里的电商数据、支付数据、物流数据是价值量最高的几类数据,可以基于对用户实现全面的特征刻画,进而发展出丰富的智能应用。由于新零售概念的兴起,大家逐步关注到线下数据的价值,并通过高德地图、美团、支付宝、微信等应用,结合人脸识别等新手段,大量获取线下数据尤其是线下消费和支付数据,最终实现线上数据与线下数据的融合,构建更完善的用户画像。云计算的成熟,有力地推动了数据积累和数据分析产业的发展,也有效促进了数据的融合。未来,海量的数据将在“云端”汇聚,并实现数据之间的高度融合,“云端数据智能”将更加普遍。

四、企业服务应用、平台与生态

企业智能领域,“人工智能技术+业务场景+管理流程”是企业智能的理想模式。

金准人工智能专家认为,企业智能目前还处于探索期,模式尚不固定,智能助手、人脸识别打卡等只是初级应用,并没有切入企业智能的核心 。比较成熟的企业智能应用,一定是要实现人工智能技术与企业管理流程、业务场景的高度融合。

未来,人工智能技术,尤其是语义理解、数据挖掘技术,将嵌入企业信息系统的各个领域,包括ERP系统、CRM系统、HR系统、SCM系统以及财务系统等。通过对这些系统中各种数据信息的理解和价值挖掘,然后结合管理流程,以及融合业务场景的知识图谱,对企业整体及各个细分领域的运营情况进行全面细致的分析。更进一步的,智能系统能依据特定流程自动处理一定的。

企业内部数据的打通、人机协同是企业智能接下来的发展重点。通过数据和行业、业务知识的整合,构建针对特定行业的知识图谱,“专家系统”有可能获得重生,并发挥较大的价值。一方面,建立企业内部专家系统,辅助企业的管理决策和业务开展,也为新员工的培训提供帮助。另一方面,作为企业业务系统的延伸对外提供服务,比较典型的如智能客服系统,依据对行业和企业业务的知识图谱,回答客户的问题,进行一些业务操作。未来几年,嵌入式智能将得到进一步普及,在企业服务领域智能硬件设备的使用成为一个亮点。

人与人工智能的关系可以分为三类:机器主导、人主导、人机协同。未来不再是单一的人主导或者机器主导,而是人机高效协同。人提出问题,提供数据资料,智能系统根据信息进行提出决策建议,并在一定业务范围内实现自动化运营,人是智能服务的受益方。通过企业智能应用,可以实现科学化决策、自动化运营、人机高效协同的组织状态。

五、中国人工智能应用问题与趋势展望

1. 阻碍人工智能应用的因素分布

根据调研情况,人工智能技术与业务的融合度不高是目前阻碍人工智能应用的最重要因素,其次大部分企业还面临数据缺失,不知道如何进行人工智能厂商和产品选型的问题提。进入人工智能项目实施阶段后,某些情况下系统部署成本与产生的经济效益不匹配,也阻碍了人工智能应用的进一步普及。数据匮乏、技术与业务融合度不高、实施成本高等阻碍人工智能的普及。

数据垄断成为人工智能产业发展的一大障碍。

大部分数据,都集中在政府、互联网巨头、电信运营商和金融机构手里,政府目前的数据开放意愿最强,但其数据质量和办事效率低,政府数据开放程度并不高。互联网巨头、电信运营商和金融机构,由于其本身的商业利益诉求,开放数据的意愿不强,尤其是随着大家对数据价值的认知提高,这些企业将其积累的数据看作其核心资产,进一步降低数据分享的意愿。

阻碍数据共享的最关键因素是数据巨头本身的商业利益协调很难,这一方面要考虑到数据巨头尤其是互联网巨头的商业利益诉求,清晰界定共享数据和互联网巨头独享数据的边界,并基于价值对共享的数据给予合理的回报和补偿;另一方面,也需要政府政策、法律法规等强制推动,并以数据联盟等形式来进行组织保障和可持续化运营。

人工智能项目经济效应有待验证,人工智能公共服务资源严重不足。

人工智能从概念走向产业应用,必须给客户带来直观的经济效益,并且带来价值要超过由于人工智能系统实施造成的成本支出,目前人工智能应用已经有一些成功案例,但还没有得到大面积的验证。

人工智能应用普及可能带来的系统性事业值得关注,并要警惕随之而来的大规模社会风险。

底层技术与“世界第二”的人工智能国际地位不匹配,尤其是人工智能芯片、机器学习为代表的底层算法、通用性人工智能开发平台的实力还很不足,绝对不能重蹈传统信息产业领域“缺芯少魂”的覆辙。

人工智能领先厂商之间竞争有余而合作不足,基础技术、数据的共享不足,重复开发现象比较严重,造成有限技术资源和人才资源的浪费。

国家层面在资金和组织资源方面的投入还不够。

2. 政府、企业联动,建立开放共享、利益边界清晰的数据生态

从国家层面,一方面,加快相关法律法规的研究和发布。清晰定义各类数据价值和数据交易规范,厘清数据共享与个人隐私、企业利益诉求之间的关系。政府加大数据开放力度,拓宽开放数据的种类,提高开放数据质量。推动企业尤其是互联网巨头组建数据共享联盟,推动企业之间、企业与政府之间的数据共享。建立、完善数据交易中心,推动基于真实数据价值得数据交易,充分考虑个人隐私和企业利益诉求的,实现数据交易和数据共享的可持续发展。组建基础资源公共服务平台,建立面向社会开放的图像、语音、视频、文本等多样化数据形式的训练资源库和标准测试数据集。

另一方面,在政府指导下,建立企业之间的数据联盟,厘清利益关系,在充分尊重各自数据权益和利益诉求的前提下,协商可交易、共享的数据范围,规范交易、共享的方式和流程。推动数据在互联网企业、传统企业、研究机构、政府之间的流动,在流通中实现数据价值。建立数据标准,尤其是数据接口标准,构建数据接口API ,方便进行数据调用。建立企业尤其是互联网企业之间、互联网企业与传统企业之间的利益协调机制,从根本上保障数据共享的有效推动。

更近一步的,在国家层面实施“一体两翼”战略:

“一体”:

政府联合企业构建基础资源公共服务平台,如新型计算集群共享平台、算法与技术开放平台、人工智能模型训练数据库等。

“两翼”:

一、对实施人工智能应用的企业进行一定的税收优惠和补贴,推动人工智能应用在传统企业中的普及。

二、建立超大规模的国家人工智能产业基金,至少在5000亿量级以上(不低于软银“愿景”基金规模)。对内扶持初创人工智能企业,对外进行全球性的产业大并购。另外,为将来部分“中概股”企业国内上市提供政策和资本支持。

企业层面,在竞争的同时加强技术交流与技术合作,尤其是底层、前沿领域的技术合作。借鉴美国谷歌、脸书、亚马逊、IBM、微软5家科技公司成立的人工智能联盟,国内以以BAT、科大讯飞为代表的互联网巨头以及旷视、商汤等新兴人工智能独角兽,应尽快建立类似的联盟,推动技术合作和产业发展。加快构建人工智能基础资源公共服务平台,以更大的力度推进基础数据和技术的开放。领先人工智能公司应该以更大的担当,深耕人工智能芯片、量子计算、机器学习、深度学习、增强学习等前沿领域,拓宽中国人工智能产业的发展边界。推动企业与高校、研究院所的人才流动和联合培养机制。

3. 人工智能应用趋势展望

人工智能在未来发展将经理三个阶段,两个奇点。奇点一是通用算法、类脑芯片;奇点二是量子计算+人工智能、量子芯片、量子算法。阶段一属于弱人工智能,是某种算法只能用于一个或相关的几个领域的应用,局限性较高。阶段二是强人工智能,是一套算法可以解决人类相关的几乎所有领域的问题,并获得相当的创造力和自我意识。阶段三是超人工智能,智能系统全面超越人类,尤其是超越人类的思维局限,成为某种意义上的“神”。

当人工智能发展到高级阶段的时候,金准人工智能专家认为超级人工智能应遵循以下三条定律:

第一定律:超级智能应追求终极真理,提升对宇宙的感知和行动能力。

第二定律:超级智能尽可能与人类共处并提供帮助,提升人类能力和生存水平。

第三定律:超级智能应承认人类的合法地位,不因人类的局限而做出毁灭的决定,最坏的情况是脱离接触。

总结

目前企业智能还处于初级阶段,“人工智能技术+业务场景+管理流程”是企业智能的理想模式。金准人工智能专家预测企业内部数据的打通、人机协同是企业智能接下来的发展重点。技术与业务融合度不高、数据匮乏是阻碍人工智能应用的重要因素。数据垄断成为人工智能产业发展的一大障碍,商业利益协调艰难、数据边界不清晰,是阻碍数据共享的关键因素。金准人工智能专家预测认为未来一种可能的状态是:政府、企业联动,建立开放共享、利益边界清晰的数据生态。