1956年的達(dá)特茅斯會(huì)議首次提出人工智能的定義：使一部機(jī)器的反應(yīng)方式像一個(gè)人在行動(dòng)時(shí)所依據(jù)的智能。經(jīng)過超過半個(gè)世紀(jì)的發(fā)展，人工智能已經(jīng)渡過了簡單地模擬人類智能的階段，發(fā)展為研究人類智能活動(dòng)的規(guī)律，構(gòu)建具有一定智能的人工系統(tǒng)或硬件，以使其能夠進(jìn)行需要人的智力才能進(jìn)行的工作，并對人類智能進(jìn)行拓展的邊緣學(xué)科。涉及到信息論、控制論、計(jì)算機(jī)科學(xué)、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯和哲學(xué)等自然和社會(huì)科學(xué)。本文首先簡單介紹人工智能的3大階段和行業(yè)應(yīng)用，其次深度剖析人工智能最新的商業(yè)和技術(shù)趨勢，并從數(shù)據(jù)、計(jì)算能力和算法3個(gè)角度去分析人工智能的最新發(fā)展趨勢。

一、人工智能的發(fā)展階段和行業(yè)應(yīng)用

人工智能的發(fā)展可以分為三個(gè)階段——計(jì)算智能、感知智能、認(rèn)知智能。第一個(gè)發(fā)展階段是在計(jì)算這個(gè)環(huán)節(jié)，它使得機(jī)器能夠像人類一樣進(jìn)行計(jì)算，諸如神經(jīng)網(wǎng)絡(luò)和遺傳算法的出現(xiàn)，使得機(jī)器能夠更高效、快速處理海量的數(shù)據(jù)。第二個(gè)發(fā)展階段就是感知智能，讓機(jī)器能聽懂我們的語言、看懂世界萬物。語音和視覺識別就屬于這一范疇，這些技術(shù)能夠更好的輔助人類高效完成任務(wù)。第三個(gè)發(fā)展階段是認(rèn)知智能，在這一階段，機(jī)器將能夠主動(dòng)思考并采取行動(dòng)，比如無人駕駛汽車、智能機(jī)器人，實(shí)現(xiàn)全面輔助甚至替代人類工作。

目前，人工智能還處于感知智能階段。語音識別和視覺識別是這一階段最為核心的技術(shù)。近年來，隨著計(jì)算處理能力的突破以及互聯(lián)網(wǎng)大數(shù)據(jù)的爆發(fā)，再加上深度學(xué)習(xí)算法在數(shù)據(jù)訓(xùn)練上取得的進(jìn)展，人工智能在感知智能上正實(shí)現(xiàn)巨大突破。

圖一：人工智能的三大發(fā)展階段

隨著人工智能的第三次浪潮的到來，人工智能在各大行業(yè)中的應(yīng)用也越來越廣泛，下圖是Mckinsey咨詢公司調(diào)研的各大行業(yè)的人工智能應(yīng)用程度和未來AI投資走向分析。從圖中可以看到，在人工智能應(yīng)用領(lǐng)域方面，最為廣泛和領(lǐng)先的是汽車/組裝、金融、電信等高科技領(lǐng)域。其次是物流、零售、媒體等行業(yè)。目前應(yīng)用最廣泛的領(lǐng)域也是未來3年AI投資增長最快的領(lǐng)域。

圖二：人工智能行業(yè)應(yīng)用程度和未來投資走向分析（來源：Mckinsey咨詢公司）

二、人工智能的商業(yè)和技術(shù)發(fā)展趨勢

人工智能產(chǎn)業(yè)鏈根據(jù)技術(shù)層級從上到下，分為基礎(chǔ)層、技術(shù)層和應(yīng)用層。基礎(chǔ)層主要包括計(jì)算能力層和數(shù)據(jù)層，技術(shù)層主要包括框架層、算法層和通用技術(shù)層。應(yīng)用層主要指針對于場景應(yīng)用的解決方案層。人工智能產(chǎn)業(yè)鏈中，基礎(chǔ)層是構(gòu)建生態(tài)的基礎(chǔ)，價(jià)值最高，需要長期投入進(jìn)行戰(zhàn)略布局；通用技術(shù)層是構(gòu)建技術(shù)護(hù)城河的基礎(chǔ)，需要中長期進(jìn)行布局；解決方案層直戳行業(yè)痛點(diǎn)，變現(xiàn)能力最強(qiáng)。

在人工智能平臺化的趨勢下，國內(nèi)外各大公司包括互聯(lián)網(wǎng)巨頭，軟件公司，傳統(tǒng)企業(yè)，初創(chuàng)企業(yè)等紛紛加入到人工智能生態(tài)體系的建設(shè)中，當(dāng)下人工智能競爭格局初步形成，商業(yè)模式主要分為以下5大模式（見圖三）。

模式一：生態(tài)構(gòu)建者——全產(chǎn)業(yè)鏈生態(tài)+場景應(yīng)用作為突破口。以互聯(lián)網(wǎng)公司為主，長期投資基礎(chǔ)設(shè)施和技術(shù)，同時(shí)以場景應(yīng)用作為流量入口，積累應(yīng)用，成為主導(dǎo)的應(yīng)用平臺，將成為人工智能生態(tài)構(gòu)建者（如Google、Amazon、Facebook、阿里云等）。

模式二：技術(shù)算法驅(qū)動(dòng)者——技術(shù)層+場景應(yīng)用作為突破口。以軟件公司為主，深耕算法平臺和通用技術(shù)平臺。同時(shí)以場景應(yīng)用作為流量入口，逐漸建議應(yīng)用平臺（如Microsoft、IBM Watson等）。

模式三：應(yīng)用聚焦者——場景應(yīng)用。以創(chuàng)業(yè)公司和傳統(tǒng)行業(yè)公司為主，基于場景或行業(yè)數(shù)據(jù)，開發(fā)大量細(xì)分場景應(yīng)用。

模式四：垂直領(lǐng)域先行者——?dú)⑹旨墤?yīng)用+逐漸構(gòu)建垂直領(lǐng)域生態(tài)。以垂直領(lǐng)域先行者為主，在垂直領(lǐng)域依靠重量級應(yīng)用（如出行場景應(yīng)用、面部識別應(yīng)用等）積累大量用戶和數(shù)據(jù)，并深耕該領(lǐng)域的通用技術(shù)和算法，成為垂直領(lǐng)域的顛覆者（如滴滴出行、曠視科技等）。

模式五：基礎(chǔ)設(shè)施提供者——從基礎(chǔ)設(shè)施切入，并向產(chǎn)業(yè)鏈下游拓展。以芯片或硬件等基礎(chǔ)設(shè)施公司為主，從基礎(chǔ)設(shè)施切入，提高技術(shù)能力，向數(shù)據(jù)、算法等產(chǎn)業(yè)鏈上游拓展。

圖三：人工智能競爭格局和5大商業(yè)模式（來源：阿里云研究中心）

三、人工智能的核心三要素

人工智能的核心三要素分別是：數(shù)據(jù)、算法和計(jì)算能力。數(shù)據(jù)是基礎(chǔ)，大數(shù)據(jù)為機(jī)器學(xué)習(xí)裝上引擎；算法是核心，將人工智能帶到全新高度；計(jì)算能力是保障，為算法的實(shí)現(xiàn)提供堅(jiān)實(shí)的后盾。下面分別介紹三要素的現(xiàn)狀和發(fā)展趨勢。

數(shù)據(jù)是所有計(jì)算和應(yīng)用的基礎(chǔ)，數(shù)據(jù)的創(chuàng)建位置可以分為核心、邊緣和端點(diǎn)。核心是指企業(yè)內(nèi)部或云端的特定計(jì)算數(shù)據(jù)中心。它涵蓋所有類型的云計(jì)算，包括公共云、私有云和混合云。邊緣是指不處于核心數(shù)據(jù)中心的企業(yè)級計(jì)算機(jī)/設(shè)備。

它包括服務(wù)器機(jī)房，現(xiàn)場服務(wù)器。端點(diǎn)是指網(wǎng)絡(luò)邊緣的所有設(shè)備，包括PC、手機(jī)、攝像機(jī)、聯(lián)網(wǎng)汽車、可穿戴設(shè)備以及各種傳感器。根據(jù)咨詢公司IDC預(yù)計(jì)，到 2025 年，全世界將創(chuàng)建和復(fù)制 163ZB 的數(shù)據(jù)，是 2016 年所創(chuàng)建數(shù)據(jù)量的十倍。隨著數(shù)據(jù)量的激增，數(shù)據(jù)和信息的安全性也將大大提高，到 2025 年，需要安全保障的數(shù)據(jù)百分比將接近總體數(shù)據(jù)的90%。

算法是人工智能中的核心，人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)系如下圖所示。機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法。機(jī)器學(xué)習(xí)最基本的方法，是使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)，然后對真實(shí)世界中的事件做出決策和預(yù)測。深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。深度學(xué)習(xí)與淺度學(xué)習(xí)相比，強(qiáng)調(diào)結(jié)構(gòu)模型的深度，通常有4層以上的隱層節(jié)點(diǎn)。深度學(xué)習(xí)海量數(shù)據(jù)，訓(xùn)練復(fù)雜度高，分類及預(yù)測精度高；淺度學(xué)習(xí)數(shù)量量小，訓(xùn)練簡單，分類及預(yù)測精度低。

圖四：人工智能相關(guān)領(lǐng)域關(guān)系圖

計(jì)算能力是保障，為算法的實(shí)現(xiàn)提供堅(jiān)實(shí)的后盾。一項(xiàng)深度學(xué)習(xí)工程的搭建，可分為訓(xùn)練和推斷兩個(gè)環(huán)節(jié)：訓(xùn)練環(huán)境通常需要通過大量的數(shù)據(jù)輸入，訓(xùn)練出一個(gè)復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練過程由于涉及海量的訓(xùn)練數(shù)據(jù)和復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，需要的計(jì)算規(guī)模非常龐大，通常需要GPU集群訓(xùn)練幾天甚至數(shù)周的時(shí)間。推斷環(huán)節(jié)指利用訓(xùn)練好的模型，使用新的數(shù)據(jù)去“推斷”出各種結(jié)論。推斷環(huán)節(jié)的計(jì)算量相比訓(xùn)練環(huán)節(jié)少，但仍然涉及大量的矩陣運(yùn)算。在推斷環(huán)節(jié)，除了使用CPU或GPU進(jìn)行運(yùn)算外，FPGA以及ASIC均能發(fā)揮重大作用。根據(jù)訓(xùn)練和推斷環(huán)節(jié)的數(shù)據(jù)量大小和對計(jì)算能力的需求不同，下圖列出了符合計(jì)算能力要求的各種硬件。

圖五：機(jī)器學(xué)習(xí)中訓(xùn)練與推斷對計(jì)算能力和運(yùn)算量的需求