人工智能的產(chǎn)業(yè)與技術(shù)藍(lán)圖

□文/馬仁敏

人工智能的產(chǎn)業(yè)與技術(shù)藍(lán)圖

□文/馬仁敏

就在移動(dòng)互聯(lián)網(wǎng)的技術(shù)發(fā)展瓶頸已經(jīng)顯現(xiàn)的同時(shí)，新一輪更激動(dòng)人心、更值得期待的技術(shù)革命風(fēng)暴已經(jīng)誕生。它將成為未來(lái)10年乃至更長(zhǎng)時(shí)間內(nèi)IT產(chǎn)業(yè)發(fā)展的焦點(diǎn)，并更加徹底地顛覆整個(gè)世界。它的名字叫做“人工智能”，簡(jiǎn)稱AI。

盡管互聯(lián)網(wǎng)的普及打造了包括谷歌、亞馬遜、阿里巴巴、騰訊、百度、京東等一批巨頭以及數(shù)量更為龐大的中小企業(yè)，基于網(wǎng)絡(luò)的創(chuàng)新應(yīng)用和服務(wù)類(lèi)型也多種多樣，但技術(shù)瓶頸的制約已經(jīng)越來(lái)越明顯：生活方面需求痛點(diǎn)的解決、生產(chǎn)領(lǐng)域具有適應(yīng)性和資源效率的智慧工廠的建立、物流體系中更加方便快捷的配送方式的建設(shè)等問(wèn)題，都面臨智能化程度不足帶來(lái)的障礙。只有人工智能才能為“萬(wàn)物互聯(lián)”之后的應(yīng)用問(wèn)題提供最完美的解決方案。

人工智能的價(jià)值如此重要，以至于我們可以毫不夸張地說(shuō)，它將成為IT領(lǐng)域最重要的技術(shù)革命，目前市場(chǎng)關(guān)心的IT和互聯(lián)網(wǎng)領(lǐng)域的幾乎所有主題和熱點(diǎn)（智能硬件、O2O、機(jī)器人、無(wú)人機(jī)、工業(yè)4.0），發(fā)展突破的關(guān)鍵環(huán)節(jié)都是人工智能。

什么是人工智能？

目前市場(chǎng)上所謂“智能”的設(shè)備或概念很多，從智能手機(jī)到智能家居等，但這些“智能”實(shí)際上是“smart”的含義，即靈巧。真正的“智能”，其對(duì)應(yīng)的英文單詞應(yīng)該是“intelligent”。

“人工智能”一詞最初是在1956年達(dá)特茅斯學(xué)會(huì)上被提出的。從學(xué)科定義上來(lái)說(shuō)，人工智能（Artificial Intelligence）是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器。

如果從比較容易理解的角度來(lái)概括的話，人工智能是指計(jì)算機(jī)系統(tǒng)具備的能力，該能力可以履行原本只有依靠人類(lèi)智慧才能完成的復(fù)雜任務(wù)。

人工智能的應(yīng)用領(lǐng)域主要包含以下幾個(gè)方面的內(nèi)容：自然語(yǔ)言處理（包括語(yǔ)音和語(yǔ)義識(shí)別、自動(dòng)翻譯）、計(jì)算機(jī)視覺(jué)（圖像識(shí)別）、知識(shí)表示、自動(dòng)推理（包括規(guī)劃和決策）、機(jī)器學(xué)習(xí)、機(jī)器人學(xué)。

大數(shù)據(jù)有效提高人工智能水平

過(guò)去機(jī)器學(xué)習(xí)的研究重點(diǎn)一直放在算法的改進(jìn)上，但最近的研究表明，采用更大容量數(shù)據(jù)集進(jìn)行訓(xùn)練帶來(lái)的人工智能提升超過(guò)選用算法帶來(lái)的提升。我們已經(jīng)進(jìn)入到大數(shù)據(jù)時(shí)代，來(lái)自全球的海量數(shù)據(jù)為人工智能的發(fā)展提供了良好的條件。

根據(jù)IDC的監(jiān)測(cè)統(tǒng)計(jì)，2011年全球數(shù)據(jù)總量已經(jīng)達(dá)到1.8ZB（1ZB等于1萬(wàn)億GB，1.8ZB也就相當(dāng)于18億個(gè)1TB的移動(dòng)硬盤(pán)，人均200GB, 這些信息量相當(dāng)于可以填充572億個(gè)32GB的iPad），而這個(gè)數(shù)值還在以每?jī)赡攴环乃俣仍鲩L(zhǎng)，預(yù)計(jì)到2020年，全球?qū)⒖偣矒碛?5ZB的數(shù)據(jù)量，增長(zhǎng)近20倍。

表1 人工智能發(fā)展簡(jiǎn)史

這些數(shù)據(jù)又并非僅僅包含人類(lèi)在互聯(lián)網(wǎng)上發(fā)布的信息。全世界的工業(yè)設(shè)備、汽車(chē)、電表上有著無(wú)數(shù)的數(shù)碼傳感器，隨時(shí)測(cè)量和傳遞著有關(guān)位置、運(yùn)動(dòng)、震動(dòng)、溫度、濕度乃至空氣中化學(xué)物質(zhì)的變化，也產(chǎn)生了海量的數(shù)據(jù)信息。因此除了互聯(lián)網(wǎng)，大數(shù)據(jù)的爆發(fā)很大程度上還來(lái)自于傳感器技術(shù)和產(chǎn)品的突飛猛進(jìn)。人類(lèi)在制造數(shù)據(jù)和搜集數(shù)據(jù)的量級(jí)和速度上將呈現(xiàn)幾何級(jí)數(shù)的爆發(fā)式增長(zhǎng)！未來(lái)，隨著互聯(lián)網(wǎng)應(yīng)用的進(jìn)一步擴(kuò)展以及傳感器不斷融入人類(lèi)生活工作的方方面面，數(shù)據(jù)產(chǎn)生、搜集的速度和量級(jí)將不斷加速，人工智能的進(jìn)化速度也將加快。

云計(jì)算使大規(guī)模并行計(jì)算得以實(shí)現(xiàn)

從概念上講，我們可以把云計(jì)算看成是“存儲(chǔ)云+計(jì)算云”的有機(jī)結(jié)合，即“云計(jì)算=存儲(chǔ)云+計(jì)算云”。存儲(chǔ)云的基礎(chǔ)技術(shù)是分布存儲(chǔ)，而計(jì)算云的基礎(chǔ)技術(shù)正是并行計(jì)算：將大型的計(jì)算任務(wù)拆分，然后再派發(fā)到云中的各個(gè)節(jié)點(diǎn)進(jìn)行分布式的計(jì)算，最終再將結(jié)果收集后統(tǒng)一處理。大規(guī)模并行計(jì)算能力的實(shí)現(xiàn)使得人工智能往前邁進(jìn)了一大步。

云計(jì)算的實(shí)質(zhì)是一種基礎(chǔ)架構(gòu)管理的方法論，是把大量的計(jì)算資源組成IT資源池，用于動(dòng)態(tài)創(chuàng)建高度虛擬化的資源供用戶使用。在云計(jì)算環(huán)境下，所有的計(jì)算資源都能夠動(dòng)態(tài)地從硬件基礎(chǔ)架構(gòu)上增減，以適應(yīng)工作任務(wù)的需求。云計(jì)算基礎(chǔ)架構(gòu)的本質(zhì)是通過(guò)整合、共享和動(dòng)態(tài)的硬件設(shè)備供應(yīng)來(lái)實(shí)現(xiàn)IT投資的利用率最大化，這就使得使用云計(jì)算的單位成本大大降低，非常有利于人工智能的商業(yè)化運(yùn)營(yíng)。

深度學(xué)習(xí)促人工智能產(chǎn)業(yè)跨越式發(fā)展

“深度學(xué)習(xí)”是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，它模擬人類(lèi)大腦神經(jīng)網(wǎng)絡(luò)的工作原理，將輸出的信號(hào)通過(guò)多層處理，將底層特征抽象為高層類(lèi)別，它的目標(biāo)是更有效率、更精確地處理信息。深度學(xué)習(xí)自2006年由Geoffrey Hinton教授和他的兩個(gè)學(xué)生提出后，使得機(jī)器學(xué)習(xí)有了突破性的進(jìn)展，極大地推動(dòng)了人工智能水平的提升。2013 年，《麻省理工技術(shù)評(píng)論》把它列入年度十大技術(shù)突破之一。

深度學(xué)習(xí)的實(shí)質(zhì)，是通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來(lái)學(xué)習(xí)更有用的特征，從而最終提升分類(lèi)或預(yù)測(cè)的準(zhǔn)確性。因此，“深度模型”是手段，“特征學(xué)習(xí)”是目的。

區(qū)別于傳統(tǒng)的淺層學(xué)習(xí)，深度學(xué)習(xí)的不同在于：一.強(qiáng)調(diào)了模型結(jié)構(gòu)的深度，通常有5層、6層，甚至10多層的隱層節(jié)點(diǎn)；二.明確突出了特征學(xué)習(xí)的重要性。也就是說(shuō)，通過(guò)逐層特征變換，將樣本在原空間的特征表示變換到一個(gè)新特征空間，從而使分類(lèi)或預(yù)測(cè)更加容易。與人工規(guī)則構(gòu)造特征的方法相比，利用大數(shù)據(jù)來(lái)學(xué)習(xí)特征，更能夠刻畫(huà)數(shù)據(jù)的豐富內(nèi)在信息。

三位人工智能領(lǐng)域的泰斗級(jí)人物加盟國(guó)際著名互聯(lián)網(wǎng)公司

深度學(xué)習(xí)使人工智能在幾個(gè)主要領(lǐng)域都獲得了突破性進(jìn)展：在語(yǔ)音識(shí)別領(lǐng)域，深度學(xué)習(xí)用深層模型替換聲學(xué)模型中的混合高斯模型（Gaussian Mixture Model, GMM），獲得了相對(duì)30%左右的錯(cuò)誤率降低；在圖像識(shí)別領(lǐng)域，通過(guò)構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)（CNN），將Top5錯(cuò)誤率由26%大幅降低至15%，又通過(guò)加大加深網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)一步降低到11%；在自然語(yǔ)言處理領(lǐng)域，深度學(xué)習(xí)基本獲得了與其他方法水平相當(dāng)?shù)慕Y(jié)果，但可以免去繁瑣的特征提取步驟?？梢哉f(shuō),到目前為止，深度學(xué)習(xí)是最接近人類(lèi)大腦的智能學(xué)習(xí)方法。深度學(xué)習(xí)引爆了一場(chǎng)革命，將人工智能帶上了一個(gè)新的臺(tái)階，將對(duì)一大批產(chǎn)品和服務(wù)產(chǎn)生深遠(yuǎn)影響。

互聯(lián)網(wǎng)巨頭青睞人工智能

IT領(lǐng)域的國(guó)際巨頭近年來(lái)在人工智能領(lǐng)域頻頻發(fā)力，一方面網(wǎng)羅頂尖人才，一方面加大投資力度，這也昭示著人工智能新的春天已經(jīng)到來(lái)。

2013年3月，谷歌以重金收購(gòu)DNNresearch的方式請(qǐng)到了Geoffrey Hinton教授（上文提到的深度學(xué)習(xí)技術(shù)的發(fā)明者）；2013年12月，F(xiàn)acebook成立了人工智能實(shí)驗(yàn)室，聘請(qǐng)了卷積神經(jīng)網(wǎng)絡(luò)最負(fù)盛名的研究者、紐約大學(xué)終身教授Yann LeCun為負(fù)責(zé)人；2014年5月，有“谷歌大腦之父”美稱的Andrew NG（吳恩達(dá)）加盟百度，擔(dān)任首席科學(xué)家，統(tǒng)領(lǐng)百度研究院的研究工作，尤其是“百度大腦”計(jì)劃。幾位人工智能領(lǐng)域泰斗級(jí)人物的加入，充分展示了這些互聯(lián)網(wǎng)巨頭對(duì)人工智能領(lǐng)域志在必得的決心。

根據(jù)量化分析公司Quid的數(shù)據(jù)，自2009年以來(lái)，人工智能已經(jīng)吸引了超過(guò)170億美元的投資。僅2013年就有322家擁有類(lèi)似人工智能技術(shù)的公司獲得了超過(guò)20億美元的投資。自2013年以來(lái)，雅虎、英特爾、Dropbox、LinkedIn、Pinterest以 及Twitter也都收購(gòu)了人工智能公司。過(guò)去4年間，人工智能領(lǐng)域的民間投資以平均每年62%的增長(zhǎng)速率增加。未來(lái)，這一增速預(yù)計(jì)還會(huì)持續(xù)下去。

表2 IT巨頭在人工智能領(lǐng)域的布局

產(chǎn)業(yè)生態(tài)圈發(fā)展路徑逐漸清晰

人工智能發(fā)展的拐點(diǎn)已經(jīng)到來(lái)，但需要指出的是，由于技術(shù)的復(fù)雜性，發(fā)展不會(huì)一蹴而就，必然經(jīng)歷一個(gè)由點(diǎn)到面，由專用領(lǐng)域到通用領(lǐng)域的歷程，通用領(lǐng)域的人工智能實(shí)現(xiàn)還比較遙遠(yuǎn)。

我們以計(jì)算機(jī)視覺(jué)的應(yīng)用為例，正常的成年人可以很容易地識(shí)別照片或視頻里的多種場(chǎng)景和人、物，但對(duì)于計(jì)算機(jī)來(lái)說(shuō)還難以做到。由于識(shí)別是一個(gè)特征抽取的過(guò)程，而特征抽取是建立在識(shí)別模型的基礎(chǔ)之上的，要做到通用識(shí)別，則必須對(duì)世間萬(wàn)物都建立一一對(duì)應(yīng)的模型，工作量極大。而即使是同一事物，由于光線、角度、距離的原因，在不同的場(chǎng)景里也會(huì)呈現(xiàn)出很大的差異，這進(jìn)一步增加了建立識(shí)別模型的難度。短期內(nèi)計(jì)算機(jī)的運(yùn)算能力（即使是超級(jí)運(yùn)算平臺(tái)）還難以望人腦視覺(jué)中樞的項(xiàng)背，因此無(wú)法達(dá)成這一愿景。

以“百度大腦”為例，百度幾乎動(dòng)用了全部的云計(jì)算能力來(lái)為其構(gòu)建高性能計(jì)算資源池，投資47億元建造云計(jì)算中心，將搭載超過(guò)300萬(wàn)服務(wù)器內(nèi)核、存儲(chǔ)4000PB數(shù)據(jù)，但目前“百度大腦”的智力水平也僅僅相當(dāng)于2歲的嬰兒。

未來(lái)5～10年之內(nèi)，專用領(lǐng)域的定向智能化將是人工智能主要的應(yīng)用發(fā)展方向。在更遠(yuǎn)的將來(lái)，如果人腦芯片等硬件架構(gòu)能有所突破，運(yùn)算能力有極大提高，則專用智能將逐步進(jìn)化成為跨場(chǎng)景、跨下游應(yīng)用的通用智能。而AI的生態(tài)格局，無(wú)論是專用還是通用領(lǐng)域，我們認(rèn)為都將圍繞“底層-中層-頂層”的技術(shù)和產(chǎn)品架構(gòu)逐漸成形。

人工智能產(chǎn)業(yè)生態(tài)格局的三層基本架構(gòu)如圖所示：

底層為基礎(chǔ)資源支持層，由運(yùn)算平臺(tái)和數(shù)據(jù)工廠組成；

中層為AI技術(shù)層，通過(guò)不同類(lèi)型的算法建立模型，形成有效的可供應(yīng)用的技術(shù)；

頂層為AI應(yīng)用層，利用中層輸出的AI技術(shù)為用戶提供智能化的服務(wù)和產(chǎn)品。

每一層架構(gòu)中，都有不同的企業(yè)參與，最終形成圍繞AI技術(shù)、產(chǎn)品和服務(wù)的生態(tài)圈。

基礎(chǔ)資源支持層

基礎(chǔ)資源支持層通過(guò)部署大規(guī)模GPU與CPU并行計(jì)算構(gòu)成的云計(jì)算資源池（定義為超級(jí)運(yùn)算平臺(tái)）來(lái)解決AI所需要的超強(qiáng)存儲(chǔ)和運(yùn)算處理能力問(wèn)題，并輔以能夠抓取到匯聚了人類(lèi)智慧的海量信息的大數(shù)據(jù)工廠作為數(shù)據(jù)集，為AI技術(shù)層的實(shí)現(xiàn)提供有利支持。

超算平臺(tái)負(fù)責(zé)存儲(chǔ)與運(yùn)算。人類(lèi)沒(méi)有記憶就沒(méi)有關(guān)聯(lián)，也更不用說(shuō)決策與創(chuàng)造，而構(gòu)成記憶的基礎(chǔ)正是有極大存儲(chǔ)能力的腦容量，那么機(jī)器要模仿人腦，也必然首先擁有龐大的存儲(chǔ)能力，海量數(shù)據(jù)的積累最終讓機(jī)器的“存儲(chǔ)”形成類(lèi)似于人類(lèi)的“記憶”。

除了存儲(chǔ)的絕對(duì)容量之外，運(yùn)算處理能力是第二個(gè)需要提升的硬實(shí)力。

運(yùn)算處理能力有兩個(gè)方面，第一是服務(wù)器規(guī)模，第二是特征向量大小。所謂特征向量簡(jiǎn)單理解的話就是指將文本、語(yǔ)音、圖像、視頻等內(nèi)容轉(zhuǎn)化為機(jī)器能夠讀懂的一連串關(guān)鍵數(shù)據(jù)，數(shù)據(jù)越多，機(jī)器學(xué)習(xí)得就會(huì)越好，但對(duì)服務(wù)器的壓力也會(huì)相應(yīng)加大。

百度能夠僅用兩年時(shí)間從10萬(wàn)特征向量直接飆升到200億，足以說(shuō)明百度服務(wù)器技術(shù)實(shí)力的雄厚。在這個(gè)過(guò)程中，還需要解決大規(guī)模GPU和CPU并行計(jì)算所帶來(lái)的錯(cuò)誤率提升以及散熱難度加大等問(wèn)題，因此，是否能夠搭建超算平臺(tái)成為人工智能企業(yè)的重要進(jìn)入門(mén)檻。

數(shù)據(jù)工廠實(shí)現(xiàn)分類(lèi)與關(guān)聯(lián)。數(shù)據(jù)工廠會(huì)對(duì)數(shù)據(jù)進(jìn)行基礎(chǔ)性的加工，而這種加工又非常關(guān)鍵。從人類(lèi)的記憶聯(lián)想模式分析，要調(diào)取某部分的記憶，就會(huì)很自然地聯(lián)想到某個(gè)詞、某個(gè)畫(huà)面、某個(gè)音樂(lè)等等，就能記起很多事情。這是因?yàn)槿祟?lèi)大腦的神經(jīng)連接結(jié)構(gòu)允許我們這樣去檢索，而機(jī)器是不允許的。數(shù)據(jù)存儲(chǔ)在硬盤(pán)上，機(jī)器想要找到某個(gè)數(shù)據(jù)，必須一個(gè)個(gè)訪問(wèn)過(guò)去，機(jī)器沒(méi)有分類(lèi)的概念。如果需要機(jī)器理解用戶的語(yǔ)言，這種搜索技術(shù)也依然要機(jī)器的大腦配合才能達(dá)到，對(duì)每一個(gè)詞的定義應(yīng)該是一個(gè)庫(kù)，而這個(gè)庫(kù)中的每一個(gè)詞又都各自構(gòu)成庫(kù)，數(shù)據(jù)工廠所依托的搜索算法，就是在這么一個(gè)數(shù)據(jù)海洋中去為他們建立管理，然后去索引。數(shù)據(jù)工廠相當(dāng)于人腦中的記憶關(guān)聯(lián)過(guò)程：將某個(gè)詞同時(shí)與其他詞或是某個(gè)場(chǎng)景等建立起動(dòng)態(tài)關(guān)聯(lián)的過(guò)程。因此，通過(guò)數(shù)據(jù)挖掘和搜索算法對(duì)數(shù)據(jù)工廠中的知識(shí)庫(kù)和信息庫(kù)進(jìn)行分類(lèi)與關(guān)聯(lián)的技術(shù)能力同樣是人工智能企業(yè)的重要進(jìn)入門(mén)檻。

表3 目前AI應(yīng)用層的主要參與公司

AI技術(shù)層

AI技術(shù)層的作用是基于底層提供的計(jì)算存儲(chǔ)資源和大數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)建模，開(kāi)發(fā)面向不同領(lǐng)域的應(yīng)用技術(shù)，例如語(yǔ)音識(shí)別、語(yǔ)義識(shí)別和計(jì)算機(jī)視覺(jué)等。

中間層的運(yùn)行機(jī)制和人類(lèi)的思維形成過(guò)程高度相似，是從感知到思考再到最終的決策行動(dòng)甚至是創(chuàng)造，核心是機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用。首先，感知環(huán)節(jié)需要連接的是人、信息和物理世界，通過(guò)傳感器，搜索引擎和人機(jī)交互來(lái)獲取建模必需的數(shù)據(jù)，相當(dāng)于人類(lèi)的感知過(guò)程。依托于底層的高性能計(jì)算和彈性存儲(chǔ)能力，中間層對(duì)感知到的數(shù)據(jù)進(jìn)行建模運(yùn)算，相當(dāng)于人類(lèi)的思考過(guò)程。最終，應(yīng)用層利用數(shù)據(jù)擬合出的模型結(jié)果，對(duì)智能應(yīng)用的服務(wù)和產(chǎn)品端輸出指令，指揮包括機(jī)器人、無(wú)人機(jī)、3D打印等在內(nèi)的各種設(shè)備響應(yīng)用戶需求。盡管目前由于思考層面的計(jì)算存儲(chǔ)能力和建模能力的不足，導(dǎo)致人工智能還無(wú)法達(dá)到和人類(lèi)相接近的“智慧”程度，但也足以支撐包括語(yǔ)音識(shí)別、圖像識(shí)別和知識(shí)圖譜在內(nèi)的各種AI技術(shù)在特定場(chǎng)景下的應(yīng)用。

另外一方面，在具體的應(yīng)用場(chǎng)景中，更為優(yōu)化的算法和更為準(zhǔn)確的背景知識(shí)庫(kù)數(shù)據(jù)集等因素都有助于在不提升計(jì)算資源的前提下實(shí)現(xiàn)更優(yōu)的結(jié)果。這就給眾多專業(yè)領(lǐng)域的AI公司帶來(lái)了巨大的市場(chǎng)機(jī)遇。我們看到，專用智能的商業(yè)化應(yīng)用風(fēng)生水起，在這個(gè)領(lǐng)域，巨頭和新貴都處于同一起跑線上，產(chǎn)業(yè)格局會(huì)趨于分散，先入者優(yōu)勢(shì)明顯。

AI應(yīng)用層

專用智能的應(yīng)用水平不斷提升將推進(jìn)智能產(chǎn)品和服務(wù)的智能化程度。為了能夠滿足用戶需求，智能產(chǎn)品和服務(wù)需要多種不同的AI技術(shù)支撐。

智能產(chǎn)品和服務(wù)是否能夠切中用戶的痛點(diǎn)需求，依賴于人工智能技術(shù)在產(chǎn)品背后能夠給予多大的支撐。當(dāng)前的智能產(chǎn)品市場(chǎng)之所以出現(xiàn)產(chǎn)品熱，需求冷的局面，主要的癥結(jié)在于所謂的智能硬件大多是“偽智能”產(chǎn)品，只是把功能性電子產(chǎn)品加上聯(lián)網(wǎng)和搜集數(shù)據(jù)的功能。例如，以手環(huán)為代表的可穿戴設(shè)備，以智能機(jī)頂盒為代表的智能家居設(shè)備等等，殺手級(jí)的智能產(chǎn)品和服務(wù)必然是建立在強(qiáng)大的AI技術(shù)支撐下的。

正在被AI顛覆和重塑的行業(yè)

O2O

生活服務(wù)O2O是未來(lái)電子商務(wù)發(fā)展的重要趨勢(shì)。艾瑞報(bào)告指出，與龐大的網(wǎng)絡(luò)購(gòu)物市場(chǎng)規(guī)模相比較，本地生活O2O滲透率較低，僅為4.4%左右。其中，餐飲O2O的市場(chǎng)占比最高，達(dá)40%。生活O2O核心觀念在于提供本地化的生活服務(wù)，并且通過(guò)網(wǎng)站幫助商家更好地做營(yíng)銷(xiāo)，同時(shí)借助點(diǎn)評(píng)分享社區(qū)，讓用戶有更多的參與。

AI技術(shù)的提升能夠?qū)崿F(xiàn)智能化的餐飲推薦、線下即時(shí)圖像搜索等，給生活服務(wù)O2O帶來(lái)新的變革，提升市場(chǎng)規(guī)模。

O2O市場(chǎng)規(guī)模存在著巨大的增長(zhǎng)空間。以餐飲業(yè)為例，2014年中國(guó)餐飲O2O市場(chǎng)規(guī)模為913.8億元，同比增長(zhǎng)46.56%。從滲透率來(lái)看，餐飲O2O市場(chǎng)規(guī)模占整體餐飲行業(yè)的比重還非常小，僅為3%。AI能幫助各類(lèi)餐飲服務(wù)網(wǎng)站和應(yīng)用做大量智能化推薦，提升用戶的參與度。通過(guò)AI技術(shù)將餐飲O2O市場(chǎng)的滲透率每提升1個(gè)百分點(diǎn)，就能夠直接為該市場(chǎng)擴(kuò)大300億元/年以上的規(guī)模。其他的O2O市場(chǎng)還有諸如在線旅游、在線醫(yī)療和在線教育等，均存在著巨大的AI智能推薦市場(chǎng)空間。

圖1 2010-2015年中國(guó)餐飲業(yè)O2O市場(chǎng)規(guī)模及滲透率

醫(yī)療

基于醫(yī)療圖譜的AI應(yīng)用正在對(duì)醫(yī)療行業(yè)進(jìn)行重塑，通過(guò)對(duì)電子病歷、醫(yī)療影像、病理生理學(xué)等數(shù)據(jù)整合，可以分析和預(yù)測(cè)人體的健康狀態(tài)，并獲取準(zhǔn)確的處方信息，幫助醫(yī)生做出迅速有效的判斷。

國(guó)內(nèi)醫(yī)療影像分析市場(chǎng)份額估算：2014年全國(guó)三甲醫(yī)院1475家，二甲醫(yī)院6957家，每家醫(yī)院細(xì)分的科室有數(shù)十個(gè)，如果醫(yī)院配備整個(gè)就醫(yī)科目的醫(yī)療影像分析軟件，醫(yī)療軟件價(jià)格按200萬(wàn)元計(jì)算，保守估計(jì)醫(yī)療影像分析的市場(chǎng)規(guī)模就超過(guò)150億元。

表4 應(yīng)用人工智能技術(shù)金融業(yè)企業(yè)

零售業(yè)

基于視頻監(jiān)控的AI應(yīng)用將對(duì)零售業(yè)進(jìn)行重塑，通過(guò)對(duì)攝像頭采集的視頻數(shù)據(jù)的AI分析，可以為店主提供客戶的熱點(diǎn)圖和路徑圖等輔助決策信息，幫助商家重新調(diào)整出更好的物品擺放位置來(lái)促銷(xiāo)，也可以給消費(fèi)者購(gòu)物帶來(lái)便利。

對(duì)于線下零售實(shí)體店，獲取用戶的瀏覽行為和采購(gòu)行為，不及線上用戶瀏覽網(wǎng)頁(yè)信息那樣便捷。視頻熱點(diǎn)分析，對(duì)消費(fèi)者行動(dòng)軌跡以及行為模式進(jìn)行檢測(cè)、跟蹤和搜索，精確統(tǒng)計(jì)出在設(shè)定的熱點(diǎn)范圍內(nèi)的客流量、停留時(shí)間、行動(dòng)軌跡、消費(fèi)者行為，提供客觀的消費(fèi)行為分析數(shù)據(jù)，幫助傳統(tǒng)零售客戶轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)的管理方式，提高商業(yè)運(yùn)營(yíng)效率，可以說(shuō)提供了一種完美的解決方案。

我國(guó)零售業(yè)熱點(diǎn)監(jiān)控分析市場(chǎng)份額估算：2014中國(guó)連鎖百?gòu)?qiáng)企業(yè)門(mén)店總數(shù)達(dá)12萬(wàn)家，視頻分析公司能夠?yàn)榇笮统小⒘闶鄣晏峁?shù)據(jù)和分析報(bào)告，我們按每份解決方案1萬(wàn)元計(jì)算，熱點(diǎn)圖像分析的市場(chǎng)規(guī)模超過(guò)12億元。此外我們整理其他一些前沿公司如何運(yùn)用AI技術(shù)，給現(xiàn)有的零售行業(yè)帶來(lái)業(yè)務(wù)提升。

金融業(yè)

AI技術(shù)的應(yīng)用，也在引起金融數(shù)據(jù)市場(chǎng)的變革。在美國(guó)市場(chǎng)上活躍著不少應(yīng)用AI技術(shù)的企業(yè)，如上圖所示。

營(yíng)銷(xiāo)

AI技術(shù)的進(jìn)步，也為廣告業(yè)務(wù)帶來(lái)了新的解決方法。

圖2 2010-2014年中國(guó)互聯(lián)網(wǎng)廣告市場(chǎng)規(guī)模

比如微信朋友圈的信息流（Feeds）廣告推送基于大數(shù)據(jù)分析，通過(guò)分析用戶朋友圈語(yǔ)言特性，以及朋友圈圖片內(nèi)容，根據(jù)對(duì)用戶收入和消費(fèi)能力的分析來(lái)刻畫(huà)用戶畫(huà)像，并決定投放何種廣告。信息流廣告與社交平臺(tái)上好友發(fā)布的信息形式類(lèi)似，廣告本身內(nèi)容將基于微信公眾賬號(hào)生態(tài)體系，以類(lèi)似朋友圈的原創(chuàng)內(nèi)容形式進(jìn)行展現(xiàn)，融合在信息流中，在基于微信用戶畫(huà)像記性定向的同時(shí)，通過(guò)實(shí)時(shí)社交的混排算法，依托關(guān)系鏈進(jìn)行互動(dòng)傳播。

信息流廣告這種形式最初被運(yùn)用在Twitter、Facebook、Instagram、Pinterest等主流社交產(chǎn)品。國(guó)內(nèi)的新浪微博、QQ空間也都相繼加入了信息流廣告。信息流廣告的推送涉及自然語(yǔ)義理解，以及圖像識(shí)別等人工智能技術(shù)。

根據(jù)用戶內(nèi)容信息貼標(biāo)簽，然后刻畫(huà)出用戶畫(huà)像數(shù)據(jù)，可以用興趣、商業(yè)等維度來(lái)描述，最后是用戶數(shù)據(jù)輸出，商業(yè)廣告也因此可以按客戶群體的類(lèi)別來(lái)進(jìn)行投放。

信息流廣告基于社交網(wǎng)絡(luò)數(shù)據(jù)挖掘，將成為移動(dòng)互聯(lián)網(wǎng)時(shí)代重要的廣告推送方式，給互聯(lián)網(wǎng)廣告市場(chǎng)帶來(lái)新的增長(zhǎng)點(diǎn)。根據(jù)易觀智庫(kù)的數(shù)據(jù)，2014年整個(gè)中國(guó)互聯(lián)網(wǎng)廣告市場(chǎng)依然保持著高速增長(zhǎng)，市場(chǎng)規(guī)模預(yù)計(jì)達(dá)1565.3億元，同比增長(zhǎng)56.5%。我們認(rèn)為，隨著AI技術(shù)的進(jìn)步，廣告業(yè)的精準(zhǔn)投放將得到進(jìn)一步提升，市場(chǎng)規(guī)模也有望繼續(xù)擴(kuò)大。

農(nóng)業(yè)

AI技術(shù)正在對(duì)農(nóng)業(yè)生產(chǎn)進(jìn)行重塑。我們看到美國(guó)市場(chǎng)上已經(jīng)出現(xiàn)不少為農(nóng)業(yè)客戶提供AI的應(yīng)用公司。美國(guó)Blue River Technology是一家農(nóng)業(yè)科技和農(nóng)業(yè)自動(dòng)化技術(shù)服務(wù)商，主打機(jī)器人系統(tǒng)優(yōu)化農(nóng)業(yè)經(jīng)營(yíng)方式，減少化學(xué)農(nóng)藥在糧食生產(chǎn)中的使用。其機(jī)器人系統(tǒng)能夠自動(dòng)識(shí)別農(nóng)作物，比如確定幼苗間距是否過(guò)小，或是確認(rèn)哪些雜草應(yīng)該清除。這可幫助農(nóng)民減少在購(gòu)買(mǎi)農(nóng)藥上的支出和人力的投入。

除草機(jī)器人里有三個(gè)不同算法在工作。第一個(gè)只是簡(jiǎn)單的照相機(jī)的取景，這臺(tái)相機(jī)朝地，用來(lái)分辨是否長(zhǎng)的像植物。這里不僅僅是弄清楚綠色的就是植物，算法還要能夠記錄植物的生長(zhǎng)起點(diǎn)和終點(diǎn)，這樣便于之后辨別它。第二個(gè)算法是分類(lèi)，用來(lái)確定植物到底是不是雜草。這個(gè)算法的準(zhǔn)確率達(dá)到98%到99%。最后的算法被簡(jiǎn)單地稱為除草算法，它的目的是決定什么時(shí)候適合注射足以致死的肥料劑量。因?yàn)槌輽C(jī)器并沒(méi)有處在機(jī)器人的視野里，必須基于機(jī)器人移動(dòng)的速度、雜草的位置以及雜草被分類(lèi)的時(shí)間來(lái)決定在哪里注射肥料。

中國(guó)農(nóng)業(yè)收割A(yù)I應(yīng)用市場(chǎng)規(guī)模估算：根據(jù)第二次全國(guó)土地調(diào)查數(shù)據(jù)顯示，全國(guó)耕地面積共18.26億畝。全國(guó)耕地按質(zhì)量等級(jí)由高到低依次劃分為一至十等，扣除掉七至十等耕地基礎(chǔ)地力相對(duì)較差的耕地，其余部分耕地基礎(chǔ)地力較高，農(nóng)田基礎(chǔ)設(shè)施建設(shè)具備一定基礎(chǔ)，也可實(shí)施農(nóng)業(yè)機(jī)械化操作，這部分耕地面積為13.16億畝。我們參照水稻收割機(jī)一天工作10小時(shí)可收割40畝，除草機(jī)器人的需求量可達(dá)658萬(wàn)臺(tái)，按每臺(tái)6萬(wàn)元價(jià)格計(jì)算，市場(chǎng)規(guī)模為3948億元，可以說(shuō)存在著巨大的空間。

商業(yè)

AI對(duì)商業(yè)領(lǐng)域也進(jìn)行了重塑，在現(xiàn)代企業(yè)的全業(yè)務(wù)周期范圍內(nèi)，包括招聘、銷(xiāo)售、采購(gòu)、會(huì)計(jì)財(cái)務(wù)管理等等業(yè)務(wù)模塊，AI技術(shù)均能夠幫助企業(yè)客戶提高效率和節(jié)約成本。

以HR招聘為例，人工智能可以通過(guò)數(shù)據(jù)匹配找到合適的人選，代替原有人工檢索的方式。社交網(wǎng)站已經(jīng)可以構(gòu)建起一個(gè)人的肖像，但每個(gè)人的信息分散在Twitter、Google+、Facebook、LinkedIn，而且他們還不足以描繪一個(gè)人的專業(yè)技能。

智能招聘軟件Entelo不停地抓取網(wǎng)頁(yè)上的信息，包括時(shí)事新聞、社交網(wǎng)站、專業(yè)社區(qū)等；當(dāng)用戶提出需求要招聘符合某些特定條件的候選人后，Entelo就會(huì)做數(shù)據(jù)匹配，它主要解決兩個(gè)問(wèn)題——第一，時(shí)機(jī)：如何率先發(fā)現(xiàn)“想換工作的人”并和他們?nèi)〉寐?lián)系，例如當(dāng)一個(gè)公司發(fā)生了收購(gòu)或被收購(gòu)的新聞時(shí)，總是會(huì)帶來(lái)一些人事變動(dòng)；第二，對(duì)的人：Entelo會(huì)從社交網(wǎng)站、專業(yè)社區(qū)中做個(gè)人信息的檢索和匹配，這種方法就像先建立起一個(gè)數(shù)據(jù)庫(kù)，再?gòu)牟煌慕嵌冗^(guò)濾數(shù)據(jù)。除了做數(shù)據(jù)匹配，甚至可以做預(yù)測(cè)分析企業(yè)什么時(shí)候需要招聘新崗位，以及跟蹤的職業(yè)經(jīng)理人什么時(shí)候可能考慮換工作。

在線教育

AI技術(shù)的應(yīng)用也為在線教育行業(yè)帶來(lái)了新的模式。

傳統(tǒng)的教育模式下老師與學(xué)生是一對(duì)多的關(guān)系。老師的精力有限決定了其教學(xué)只能針對(duì)平均水平推進(jìn)。對(duì)于學(xué)習(xí)能力不同的學(xué)生來(lái)說(shuō)，這樣的教學(xué)都欠缺一些針對(duì)性。因此，個(gè)性化教育成為未來(lái)智慧教育的趨勢(shì)之一。根據(jù)Knewton公司的報(bào)告，93%的教師認(rèn)為在線教育工具能提高教育水平；95%的教師認(rèn)為這能更好地吸引學(xué)生注意力。以面向100名學(xué)生進(jìn)行1小時(shí)課程為例，在線教育的成本約9500美元，而教師輔導(dǎo)方式則要17000美元，能夠減少約44%的費(fèi)用。

我們?cè)倏磭?guó)內(nèi)市場(chǎng)，艾瑞數(shù)據(jù)顯示，2013年中國(guó)在線教育市場(chǎng)規(guī)模達(dá)839.7億元，同比增長(zhǎng)19.9%。其中，中小學(xué)在線教育、在線職業(yè)教育、高等學(xué)歷在線教育等細(xì)分領(lǐng)域成為市場(chǎng)規(guī)模增長(zhǎng)的主要?jiǎng)恿Α?/p>

隨著內(nèi)容生產(chǎn)方、技術(shù)設(shè)備提供方、平臺(tái)搭建方的相繼入場(chǎng)，用戶習(xí)慣的養(yǎng)成，在線教育將會(huì)有持續(xù)的增長(zhǎng)。其中，職業(yè)在線教育和在線語(yǔ)言培訓(xùn)屬用戶剛性需求，且用戶付費(fèi)能力較強(qiáng)，將會(huì)成為在線教育發(fā)展較為突出的領(lǐng)域。如果能夠利用AI技術(shù)為在線教育提升教學(xué)互動(dòng)的體驗(yàn)，將個(gè)性化的內(nèi)容和教學(xué)方式植入在線教育的課堂中，那么，在線教育的市場(chǎng)規(guī)模有望持續(xù)高速成長(zhǎng)。

圖3 2013年中國(guó)在線教育市場(chǎng)細(xì)分結(jié)構(gòu)

圖4 2009-2014年中國(guó)在線教育市場(chǎng)規(guī)模（億元）

馬仁敏 華泰證券研究所計(jì)算機(jī)研究員