2020年人工智能的关键发展趋势

1. 2020年人工智能的关键发展趋势

2. 2020年人工智能落地发展趋势

作者 | 网络大数据 
来源 | raincent_com 
转眼间，2019年只剩下不到两个月了。人工智能的热度依旧，只是在资本市场，看空的投资人也越来越多了。从当年大数据的发展趋势看，这种情况反而对产业发展是有利的。因为这意味着，进入赛道的野蛮竞争玩家会越来越少。 
对于已经拿到赛道入场券的选手来说，如何合理配置手中的资源成为生死存亡的关键，同时细分市场上的领头羊可能在这样焦灼的市场竞争中成长为独角兽。 
对于从事大数据与人工智能相关领域多年的人来说，其最终目标还是“从数据中挖掘价值”。在挖掘价值时，具体某类技术只是整个过程中某个阶段的辅助工具，单纯某类技术解决不了所有问题。因此，我们基于“最终目标”划分三大类场景去运用“大数据”和“人工智能”构建整体解决方案： 
一、寻找业务增长点：数据建模能力成为核心，当前Fintech/Regtech领域需求广泛 
核心要素：帮助企业解决经营决策中遇到的数据支撑问题。无论是营销还是风控，最终都是通过一些报表、模型去辅助业务人员做决策。 解决方案：机器学习类产品已经成为金融行业寻求业务增长点的标配工具，同时越来越多的传统行业也开始使用大数据、人工智能等技术做辅助决策。 解决方案难点：由于跟业务结合紧密，虽然已经在不同行业开始落地，但实际进展缓慢。由于业务的特殊性，往往不能够单单通过算法本身去解决所有业务问题。这同时也意味着，交付目标以及实施周期的不确定性。  二、加深业务壁垒：知识中枢成为重要工具，当前金融/安全等行业试点较多 
核心要素：对现有业务实现优化。 解决方案：在这一场景中，知识中枢运用较多。我们将三大块技术：知识图谱、搜索引擎、深度图谱糅合进知识中枢的概念中。首先通过搜索引擎进行行业知识检索，再通过知识图谱进行概念串联，最后通过深度图谱进行行业知识推理。 解决方案难点：如何将行业知识抽象出来，形成公司内部的知识系统，从而有针对性地对现有业务流程、具体业务点进行整体优化。 三、降低业务成本：自动化成为基础要素，当前能源/交通等行业突破开始 
核心要素：如何减少人工干预。 解决方案：现有的场景中，偏业务性质的自动化可以通过RPA等技术实现。RPA本身技术门槛不高，但在NLP、OCR、CV等AI技术带领下，已逐步被用在越来越多的场景中。另一方面，由于图像识别以及5G、边缘计算的推动，越来越多的安防监控、无人巡检等AIOT场景开始落地。相对于RPA，AIOT的场景给客户业务带来的颠覆跟价值更大。 解决方案难点：现实场景中的有效样本较少，影响模型的准确率和落地。 下面我们将结合三种不同的场景来阐述六大AI趋势。 
趋势一：Fintech/Regtech AI落地过程中，AI平台逐步成为事实标准 
AI平台，在很多地方又称为AI中台/数据科学平台/机器学习平台/人工智能平台，主要涵盖的功能除了传统统计分析软件包含的功能以外，还包括大数据、分布式计算平台、NLP、CV等能力。 
行业先行者在探索AI落地过程中，逐步意识到AI平台的重要性。从一开始只针对几个小的业务线进行试点，到后续在更多的场景中推动落地，大家达成共识：与数据中台类似，烟囱式的各自为政只会使得后续AI的落地愈加艰难。 
AI平台在Fintech市场的爆发，验证了一个基本事实：只要业务领域有足够通用的需求，就会出现足够通用的平台。数据库本身是上一个数据的事实标准，而AI平台则没有一个明确的定位。由于这个想象空间，AI平台便成了各大玩家的必争之地。 
 趋势二：数据建模开始在非金融行业的龙头企业流行，国产化趋势明显 
AI平台在其他行业的试点也如同星星之火。虽然其他传统行业的信息化水平普遍比金融略低，但也在迎头赶上。往往这些行业取得的成果比金融要多，这是因为满地都是顺手可摘的果子，成果落地比金融行业相对容易。 
这些企业原本可能使用的是SAS、SPSS或者Matlab等国外产品，现在可能在试用国产AI平台。一方面是因为SAS等产品不足以支撑最新流行的框架算法，另一方面也有国产化层面的考量。 
AI平台作为人工智能基础平台，本身需要对各领域专业算法具备深入理解以及实现的能力。同时作为平台，也有通用性、高性能以及安全可靠等各方面的平台需求，对相关研发人员有极高的技术要求。当前，国产平台跟SAS等比较，整体还是略占劣势，但是在某些细分领域已经实现了超越。 
趋势三：图谱应用开始在全行业推广，伪需求略多，注意辨别 
图谱类的应用，主要对应于上面提到的“知识中枢”。基于“知识中枢”去做特定行业的图谱类应用已经在市场上流行了一段时间。 
只是，一方面由于客户对这块有不切实际的要求，另一方面，大多数实施图谱应用的厂商能力参差不齐，实际项目也没办法最终落地。 
2020年对大多数图谱类应用，客户会有一个更清醒的认识：做什么它擅长，做什么它不行，应该怎样做，都会有一定的经验。这也对图谱应用有更高的技术层面的要求，同时也对NLP算法以及图谱算法有更多落地层面的考量，包括性能、实施周期、最终效果等。 
趋势四：深度图谱在反欺诈、反洗钱、犯罪团伙分析等场景开始落地 
由于深度学习自身相关技术的停滞，将深度学习与图谱结合成为了学术界的主攻方向。而在反欺诈、反洗钱、犯罪团队分析等场景下，复杂网络分析已经成为主流的分析手段。通过深度学习与图谱的融合，深度图谱给传统的图谱分析带来了图谱推理的能力，从而将原有的模型精度提升到另一个高度。 
然而，一旦涉及到落地，故事并没有那么简单。一方面，同大多数AI应用一样，落地过程是比较曲折和复杂的。本身模型精度需要不断迭代，同时也需要对业务非常熟悉的人员进行及时反馈，这就导致对业务跟算法的要求都非常高，一旦实施过程中出现偏差，容易有挫败感。另外，在一些对实时性要求比较高的场景中，对底层图数据库的性能也有要求。而当前的市场上，图数据库厂商虽然多，但大多数时候没有懂技术的人员去调优，使得真正能同时满足性能要求和算法要求的图数据库凤毛麟角。 
 趋势五：视频图像类应用的碎片化与场景化成为AI快速落地推广的拦路虎 
CV类场景是引爆AI大火的导火索，同时，由于大多图像场景偏识别类，跟业务离得比较远，可以大规模地在市场上扩张。 
不过，我们可以惊奇地看到，CV类的需求还在不停地膨胀。这是因为，当前市场的CV巨头在人脸、车辆等通用需求方面进行了大规模落地，而对于一些偏碎片化的场景，比如设备故障识别、异常识别，甚至特殊场景的人脸识别，都缺乏足够的技术支撑与耐心去推动落地。 
因此，怎样提升CV场景落地的效率成为大多数CV从业者的主要工作方向，这里面包括多个维度：第一，从科研层面去革新算法，第二，从工具层面去落实标注、训练、部署等的一体化平台，第三，从市场角度定义行业通用化的场景，第四，从技术角度去优化模型，从而降低实施成本。 
在这个大背景下，四大CV独角兽也好，互联网巨头也好，都试图去推动平台的落地。然而，在这样的“四维”要求下，要踏踏实实地在细分场景中打磨通用模型、平台，谈何容易。但这也让耕耘细分行业的小CV厂商有足够的空间去摸索。 
趋势六：AIOT物联网场景没有大规模的需求爆发，细分行业开始出现落地 
我们看到，所谓的AIOT场景，主要还是CV类场景带动，但一些深入需求(如需要传感器数据参与的预测性维护类场景)落地较少。 
这跟“智能制造”的特点比较相关。客户在车间现场通常需要一个开箱即用的产品，而大多数AI类场景需要足够多的时间去打磨。另外，大多数工业场景需要的不仅仅是大量有价值的数据，还需要对工业场景有深刻的理解。 
首先，“大量有价值”的数据本身不大可能获得。比如，在预测性维护的场景下，所谓“有价值”，就是指相同或者类似的设备历史上出现故障的时候对应的数据，这种数据当然很少。其次，在部分异常数据的加持下，一般的统计分析算法可能分析不出什么。这跟金融类的风控场景不同，风控场景考验的是人性，从人性的角度去做一定深度的分析，并结合算法就可以取得不错的效果。而对于设备，这里需要的是一个深刻理解机械原理的算法专家。 
即使面对这样的困境，我们还是看到了一些制造业企业开始摩拳擦掌，虽然深入的AI算法用不上，简单的BI也能提供价值嘛。 
只是感叹，Predix还是出来太早了，那2020年会有突破吗?还是得看“智能制造”的内生动力多大，期望一些细分场景会有落地。 
人工智能的2019年注定是平静的一年，因为技术爆发以及投资引导时期已过，避免不了被冷清。然而，正如大多数技术周期一样，当技术本身有价值且具备落地能力的时候，技术落地的过程逐步展开。 
我们相信对于大多数在探索人工智能落地过程的从业人员来说，故事才刚刚开始。而对于参与炒作概念的玩家来说，也找到了新的方向：区块链。 
从更宏观的数字化转型的角度来看，还有太多的事情值得大家去落实。抓紧2019年的尾巴好好做几个落地项目吧。 

3. 2021，中国人工智能将会如何发展？

人工智能是新形势下数字经济的重要基础设施，具备同各行各业结合的能力，越来越多的行业和领域都在进行不同层次的智能化升级。新人工智能时代将是泛智能时代，覆盖的范围也远远不止传统理解中的互联网和科技行业，将给全社会带来生产力和连接度的飞跃。
在产业政策支持下，市场立法逐渐健全，未来中国人工智能市场规模将高速增长，到2025年将突破4000亿元。作为全球最大的人工智能应用市场，中国人工智能技术落地迅速，已经广泛应用于多个行业和场景。中国人工智能飞速发展刺激着各行各业的经济，应用市场潜力巨大。


人工智能的发展已进入一个新的阶段：
人工智能覆盖的产业相对较广，主要包括基础层、技术层和应用层，涵盖多个不同的技术及应用场景。当前中国人工智能领域产业格局尚未成熟，上中下游具有较大的发展空间。
目前，人工智能行业产业链明晰，可以分为基础层、技术层和应用层。基础层以数据或计算能力支撑人工智能深度发展，如传感器、芯片、云计算等基础层主要涉及数据的收集以及运算。
自2017年7月8日国家出台《新一代人工智能发展规划》以来，在产业界、学术界和政府的积极响应下，人工智能科技产业正在步入快速发展的轨道。作为第四次工业革命的引擎，人工智能科技产业的发展将成为国家和区域经济转型升级的关键驱动力。
伴随着科学基础和实现载体取得新的突破，类脑计算、深度学习、强化学习等一系列的技术萌芽预示着内在动力的成长，人工智能的发展已进入一个新的阶段。

4. 人工智能的发展前景趋势？

1、 机器视觉和语音识别是主要市场
技术层是基于基础理论和数据之上，面向细分应用开发的技术。中游技术类企业具有技术生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。
该层面包括算法理论(机器学习)、平台框架和应用技术(计算机视觉、语音识别、自然语言处理)。众多国际科技巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层围统垂直领城重点研发，在计算机视觉、语音识别等领城技术成熟，国内头部企业脱颗而出，竞争优势明显。

2、计算机视觉发展历经三大理念，规模突破400亿元
1982年马尔(David Marr)《视觉》(Marr，1982)一书的问世，标志着计算机视觉成为了一门独立学科。计算机视觉的研究内容，大体可以分为物体视觉(object vision)和空间视觉(spatial vision)二大部分。物体视觉在于对物体进行精细分类和鉴别，而空间视觉在于确定物体的位置和形状，为“动作(action)”服务。正像著名的认知心理学家JJ.Gibson所言，视觉的主要功能在于“适应外界环境，控制自身运动”。适应外界环境和控制自身运动，是生物生存的需求，这些功能的实现需要靠物体视觉和空间视觉协调完成。
计算机视觉近40年的发展中，尽管人们提出了大量的理论和方法，但总体上说，计算机视觉经历了三个主要历程。即：马尔计算视觉、多视几何与分层三维重建和基于学习的视觉。

国际市场研究机构Research And Markets发布的最新报告显示，2019年全球计算机视觉市场规模为46.433亿美元，预计到2027年将达到950.805亿美元，从2020年到2027年，预计年复合增长率为46.9%。

3、语音识别发展科追溯到1956年
语音识别的研究工作可以追溯到20世纪50年代。在1952年，AT&T贝尔研究所的Davis，Biddulph和Balashek研究成功了世界上第一个语音识别系统Audry系统，可以识别10个英文数字发音。这个系统识别的是一个人说出的孤立数字，并且很大程度上依赖于每个数字中的元音的共振峰的测量。1956年，在RCA实验室，Olson和Belar研制了可以识别一个说话人的10个单音节的系统，它同样依赖于元音带的谱的测量。到21世纪之后，深度学习技术极大的促进了语音识别技术的进步，识别精度大大提高，应用得到广泛发展。
目前，语音识别技术已逐渐被应用于工业、通信、商务、家电、医疗、汽车电子以及家庭服务等各个领域。例如，现今流行的手机语音助手，就是将语音识别技术应用到智能手机中，能够实现人与手机的智能对话功能。其中包括美国苹果公司的Siri语音助手，智能360语音助手，百度语音助手等。

随着语音技术和自然语言理解技术的快速进步，AI语音语义技术已在智能翻译、智能医疗、智能汽车、智能客服、互联网语音审核等多个领域实现场景应用。
疫情之后不仅是工业领域，政务服务领域的语音机器人、传统行业企业的语音机器人也将有较高的市场增长空间。另外，NLP、AI数字员工、RPA的发展，一定程度上也将重塑AI应用场景。
2018年，全球智能语音市场仍呈现快速增长趋势，市场规模为142.1亿美元，根据预测到2024年全球智能语音市场规模将达到215亿美元，其中智慧医疗健康、智慧金融以及各类智能终端智能语音技术需求将成为主要的驱动因素。

4、美国AI高层次学者数量大幅领先
AI高层次学者是指入选AI 2000榜单的2000位人才，由于存在同一学者入选不同领域的现象，经过去重处理后，AI高层次学者共计1833位。从国家角度看AI高层次学者分布，美国A1高层次学者的数量最多，有1244人次，占比62.2%，超过总人数的一半以上，且是第二位国家数量的6倍以上。中国排在美国之后，位列第二，有196人次，占比9.8%。德国位列第三，是欧洲学者数量最多的国家;其余国家的学者数量均在100人次以下。

—— 以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》

5. 人工智能的发展前景趋势？

1、 核心产业和带动产业双双高速增长
相比于互联网产业，我国人工智能发展期与成熟期迎来的较晚，但是在资本和社会期望的驱动下，我国人工智能发展的速度也是非常快的。初步估计2020年我国的人工智能核心产业规模达到1512.5亿元，增长率为38.94%。

除了核心产业的增长外，人工智能带动产业而规模也呈现出快速增长区趋势。2019年我国人工智能带动产业从而规模为38521.5亿元，初步估计2020年达到5725.7亿元，同比增长高达49.83%。

2、人工智能发展快速主要由于应用产业广泛
人工智能发展快速主要由于应用产业广泛。从产业链的结构来看，在人工智能应用层设计的行业非常的多。软件方面的涉及主要有客服、金融、教育;硬件类主要包含无人机，仓储物流、智能机器人等;还有软硬件均为核心技术的无人驾驶和医疗健康产业。

从客户来看，中国人工智能市场主要客户来自政府城市治理和运营(公安、交警、司法、城市运营、政务、交运管理、国土资源、监所、环保等)，应用占比达到49%，互联网与金融行业紧随其后，占比分别为18%和12%。

企业和政府对人工智能的应用逐渐升温。在决定企业产生经济效益的各个环节，都已能够看到人工智能的身影：AI 核身帮助人们安全生活、远程交易、便捷通行;深度学习和知识图谱帮助企业在生产过程中分析预测、科学决策;人机对话提升了拜访登记、服务响应中的用户体验。人工智能将催生新技术、新产品、新产业、新业态、新模式，实现社会生产力的整体跃升，推动社会进入智能经济时代。
前瞻估算，目前中国大型企业基本都已在持续规划投入实施人工智能项目，而全部规上企业中约有超过10%的企业已将人工智能与其主营业务结合，实现产业地位提高或经营效益优化。

—— 以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》

6. 人工智能发展前景

人工智能的发展和应用是一个必然的趋势，随着人工智能平台的推出，当今社会也进入到了智能化时代，围绕人工智能将产生出一个巨大的价值空间，同时能够对整个人类社会带来诸多影响。第一、人工智能将重塑产业结构。在当前产业结构升级的大背景下，人工智能技术将起到非常积极的作用，一方面人工智能技术将逐步替代低附加值岗位，从而推动人力岗位升级，另一方面人工智能也将开辟出大量新的工作岗位，这个过程将逐步重塑产业结构。当前人工智能尚处在行业发展的初期，随着人工智能行业的不断发展，人工智能对于传统行业的影响将逐步得到体现。第二、人工智能将改变传统的供需关系。随着大量的智能体逐渐走进生产和生活环境，整个社会的供需关系也将产生变化，围绕智能体也会产生一个巨大的价值空间，从而培育出一系列新的生态体系。供需关系的变化本身就存在创新和创业的机会，所以对于创业者来说，人工智能时代的发展机会依然非常多。想了解更多有关人工智能的详情，推荐咨询达内教育。达内教育独创TTS8.0教学系统，达内OMO教学模式，全新升级，线上线下交互学习，满足学生多样化学习需求；同时，拥有经验丰富的讲师进行课程的讲授，对标企业人才标准，制定专业学习计划，囊括主流热点技术，运用理论知识+学习思维+实战操作，打造完整学习闭环；更有企业双选会，让学生就业更顺利。感兴趣的话点击此处，免费学习一下

7. 人工智能将来的发展前景如何？

人工智能行业主要上市公司：海康威视(002415)、科大讯飞(002230)、赛为智能(300044)、东杰智能(300486)、闻泰科技(600745)、中兴通讯(000063)、恒生电子(600570)等
本文核心数据：全球人工智能发展历程 市场规模 投融资数量、金额及轮次 企业增长情况 人才分布情况 竞争格局等
发展历程：当前全球人工智能处于第三个发展高潮期
人工智能至今已经有60多年的发展历史，其概念的提出始于1956年的美国达特茅斯会议，从诞生至今经历了三次发展浪潮。当前人工智能处于第三个发展高潮期，得益于算法、数据和算力三方面共同的进展。
市场规模：中国人工智能市场规模增速超过全球
——全球市场规模：2020年疫情影响下 全球人工智能市场规模增速放缓
基于人工智能技术的各种产品在各个领域代替人类从事简单重复的体力或脑力劳动，大大提升了生产效率和生活质量，也促进了各个行业的发展和变革。全球人工智能产业规模持续增长，2020年受疫情影响增速有所放缓。
根据IDC公布的数据显示，2020年全球人工智能市场的规模比2019年增长12.3%，达到1565亿美元。IDC表示虽然全球AI市场受到了疫情影响，但是对人工智能市场的投资将会快速恢复。
注：IDC统计的市场规模包括智能硬件、软件与服务市场。
——中国市场规模：中国人工智能市场增速高于全球 占比有所提升
近年来，中国人工智能产业在政策与技术双重驱动下呈现高速增长态势。根据中国信通院数研中心测算，2020年中国人工智能产业规模为3031亿元人民币，同比增长15.1%。中国人工智能产业规模增速超过全球。2020年，中国人工智能市场规模占全球比例接近30%，且较上一年有所提升，说明中国人工智能市场较蕴藏着较大的增长空间。
注：中国信通院的市场规模根据IDC数据测算，统计口径与IDC一致，即包括软件、硬件与服务市场。汇率按6.7计算。
行业投融资情况：资本助力行业高速成长 中国人工智能投资市场遥遥领先
——投融资数量及金额：近两年全球人工智能投资金额高速增长
从全球市场来看，人工智能的火热，离不开背后资本的助力。2014-2018年全球人工智能融资金额和融资次数逐年增长，2018年全球人工智能行业投融资事件共计1016起，投资总金额达1598.02亿元。2019-2020年人工智能投融资事件有所减少，2020年相关投融资事件仅有791起，但投资金额却逐年增加，2021年仅1-11月份，全球人工智能投融资金额已高达3227.60亿元。
注：数据截止2021年11月底。
——投融资区域竞争情况：中国人工智能投资额远远领先 行业成长性较高
从投资区域来看，全球主要地区的投融资金额均保持波动上升的走势。其中，中国人工智能投资额远远领先，2021年达到2293.19亿元，接近美国人工智能市场的3倍。
注：数据截止2021年11月底。
企业数量情况：全球人工智能独角兽企业数量高速增长 主要分布在中美市场
——2020年全球人工智能独角兽企业数量增长超过50%
近年来，人工智能成为全球关注的焦点之一。各国均大力发展人工智能，人工智能相关企业飞速增长。根据《2020胡润全球独角兽榜》显示，2020年，全球人工智能行业有63家独角兽企业上榜，相比2019年的40家增长了57.5%。
——中国和美国为全球人工智能企业数量领先者
从区域竞争情况来看，以英国、德国为代表的欧洲发展区和以中国、日本、新加坡、印度为代表的亚洲发展区整体实力相近。欧洲在人才储备上多于亚洲地区，但是亚洲地区人工智能活跃度远高于欧洲，亚洲对创新业务发展友好。其中，中国是全球人工智能发展速度最快的国家，且发展速度领先于全球。在新增专利数量和人工智能独角兽企业数量上均超过美国。根据胡润研究院发布的“2020胡润全球独角兽榜”，美国以34家人工智能独角兽企业排名第一，其次是中国21家和英国3家。
企业与人才竞争情况：中美市场聚集众多龙头企业与高技术人才
——企业竞争情况：全球人工智能龙头企业多聚集在中国和美国
目前，全球人工智能企业最多和最具有竞争力的的国家是美国。根据中科院发布的“2020年全球人工智能企业TOP20榜单”中，美国企业入榜数量最多，有9家企业上榜;其次是中国，上榜企业有7家;日本有2家;英国和瑞士各1家。
从细分领域来看，人工智能涉及范围广阔，除科技巨头全方位深度参与外，其他企业在行业中依赖自身优势参与竞争，构建了纷繁复杂的竞争格局。其中，基础层领域硬件发展日新月异，巨头布局开源平台;技术层面向企业级应用，细分领域竞争较为激烈;应用层想象空间广阔，参与企业众多。
科技巨头是行业内最重要的力量，具备数据、技术、资本等优势，结合自主研发和兼并收购共同发力，将在AI领域进行全方位跨层次布局，引领行业发展。其中，具有综合数据优势的互联网企业如Google、百度等，全面布局人工智能行业。
基于场景的互联网企业如Facebook、苹果、亚马逊、阿里巴巴、腾讯等，将人工智能与自身业务深度结合，不断提升产品功能和用户体验;传统科技巨头企业，如IBM、微软等，面向企业级用户搭建智能平台系统。
——人才竞争情况：美国AI人才数量领先全球 中国进步空间巨大
从国家角度看AI高层次学者分布，美国A1高层次学者的数量最多，有1244人次，占比62.2%，超过总人数的一半以上，且是第二位国家数量的6倍以上。中国排在美国之后，位列第二，有196人次，占比9.8%。德国位列第三，是欧洲学者数量最多的国家;其余国家的学者数量均在100人次以下。
竞争力预测：2030年中国人工智能产值占GDP比重将居全球首位
虽然目前中国人工智能技术水平仍与美国有一定的差距，但是国际上更为看好中国人工智能产业的发展。据普华永道预计，未来十年中国将从人工智能中获得最大的收益，2030年人工智能产值将达到GDP比重的26.1%;而北美与西欧则分别占到各国GDP的14.5%和11.5%。
由上述分析来看，中国和美国是全球人工智能市场最为领先的地区。美国人工智能发展较中国起步更早，在技术与人才储备上更胜一筹。但近两年，中国人工智能的市场规模增速超过全球，其在全球的占比也有所提高，加之资本市场火热，逐渐形成大批人工智能龙头企业，不断提升其国际竞争力，未来有望在技术与政策的双重推动下，持续领跑全球市场。

更多行业相关数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

8. 人工智能发展前景？

人工智能技术无论是在核心技术，还是典型应用上都已出现爆发式的进展。随着平台、算法、交互方式的不断更新和突破，人工智能技术的发展将主要以“AI+X”(为某一具体产业或行业)的形态得以呈现。所有这些智能系统的出现，并不意味着对应行业或职业的消亡，而仅仅意味着职业模式的部分改变。




任何有助于让机器（尤其是计算机）模拟、延伸和扩展人类智能的理论、方法和技术，都可视为人工智能的范畴。从约翰·麦卡锡（JohnMcCarthy）等科学家于1956年的美国达特矛斯会议（DartmouthConference）正式提出人工智能这一概念至今，已过去了61年。经过超过一甲子的曲折发展历程，人工智能已成为一个涉及计算机科学、控制科学、生命科学（脑科学）、数学、哲学、认知科学等多学科的交叉技术领域，展现出无比光明的发展前景。

 未来人工智能将有可能进入到我们生活的方方面面，协助人类完成此前被认为必须由人完成的智能任务。
  随着各种智能终端的普及和互联互通，在不远的未来，人们将不仅生活在真实的物理空间，同样生活在一个数字化、虚拟化的网络空间。在这个网络空间中，人和机器之间的界限将被空前淡化，换言之，网络空间中的每个个体既有可能是人，也有可能是一个人工智能。另外，在真实的物理世界中，人工智能又不必具有类人的形态，这使得人工智能将有可能从更多的角度进入到我们生活的方方面面，协助人类完成此前被认为必须由人完成的智能任务。

 在生产方面，随着我国城镇化建设的不断推进，未来人工智能有望在传统农业转型中发挥重要作用。例如，通过遥感卫星、无人机等监测我国耕地的宏观和微观情况，由人工智能自动决定（或向管理员推荐）最合适的种植方案，并综合调度各类农用机械、设备完成方案的执行，从而最大限度解放农业生产力。在制造业中，人工智能将可以协助设计人员完成产品的设计，在理想情况下，可以很大程度上弥补中高端设计人员短缺的现状，从而大大提高制造业的产品设计能力。同时，通过挖掘、学习大量的生产和供应链数据，人工智能还可望推动资源的优化配置，提升企业效率。在理想情况下，企业里人工智能将从产品设计、原材料购买方案、原材料分配、生产制造、用户反馈数据采集与分析等方面为企业提供全流程支持，推动我国制造业转型和升级。

在生活服务方面，人工智能同样有望在教育、医疗、金融、出行、物流等领域发挥巨大作用。例如，客服机器人可协助医务人员完成患者病情的初步筛查与分诊；医疗数据智能分析或智能的医疗影像处理技术可帮助医生制定治疗方案，并通过可穿戴式设备等传感器实时了解患者各项身体指征，观察治疗效果。在教育方面，一个教育类人工智能系统可以承担知识性教育的任务，从而使教师能将精力更多地集中于对学生系统思维能力、创新实践能力的培养。对金融而言，人工智能将能协助银行建立更全面的征信和审核制度，从全局角度监测金融系统状态，抑制各类金融欺诈行为，同时为贷款等金融业务提供科学依据，为维护机构与个人的金融安全提供保障。在出行方面，无人驾驶（或自动驾驶）已经取得了相当进展。在物流方面，物流机器人已可以很大程度替代手工分拣，而仓储选址和管理、配送路线规划、用户需求分析等也将（或已经）走向智能化。
  平台、算法以及接口等核心技术的突破，将进一步推动人工智能实现跨越式发展
  从核心技术的角度来看，云南IT培训http://www.kmbdqn.cn/发现三个层次的突破将有望进一步推动人工智能的发展，分别为平台（承载人工智能的物理设备、系统）、算法（人工智能的行为模式）以及接口（人工智能与外界的交互方式）。