人工智能是算是这两年互联网的一大热门关键词了，中国乃至全球各大互联网企业都在布局AI人工智能，从埃隆马斯克的特斯拉自动驾驶汽车、谷歌的阿尔法狗、IBM的沃森人工智能；以及到国内阿里巴巴的无人超市、无人加油站、承担淘宝天猫双十一海报设计的人工智能设计师鲁班、腾讯百度也是布局自己的人工智能。 近年来，IBM的人工智能Watson已经在国内寻求合作，在此之前Watson已经表现出了一些人工智能的优势，就是能够在最短的时间内查阅相关资料并得出结论，人短时间内不可能完成，从而拯救了日本的一位癌症患者，这个案例当时也让小编意识到人工智能的恐怖之处。 罗辑思维罗振宇在2017的跨年演讲也提到其中一只黑天鹅就是人工智能，也提到了人工智能的恐怖之处，人工智能将会对各个行业形成一定冲击，但是也提到了人工智能的粮食问题，如果拿人工智能做为一个婴儿来说，它的粮食就是海量的数据，掌握了海量的数据就能够掌握人工智能。所以大数据和人工智能是一体的，相辅相成，缺一不可，而且目前有很多人工智能研究机构都纷纷开放自己的人工智能技术，以求得到数据的喂养。 在近期的乌镇互联网大会上，百度李彦宏也表明了百度未来的战略是ALL in AI ，可以看出作为国内三家互联网巨头BAT之一的百度将在人工智能上发力，以保住BAT的头衔，我们都知道百度在三家巨头当中，是以技术见长的，所以说对于这样的战略举动还是很有希望的。未来人工智能将不断替代一些行业和一些岗位，互联网乃至工业的下一次革命很有可能就是人工智能。 所以，未来围绕人工智能的产业都将是朝阳产业，因为人工智能将大大降低人们的时间成本，很多重复的、耗时的环节将逐渐被人工智能锁替代，我们需要的是提高自己与人工智能配合的能力，粗浅见解，希望能够帮到你！ 我个人认为人工智能是好优点促进生产力的发展，但实际应用还很遥远任何新生事物的发展，都有一个循序渐近的过程，比如成本高只能是个别，维修率高产品质量不成熟，不能批量生产否则亏本，以后若干年会成熟的，优点解放生产力增效率适合批量生产是前景广阔为人类带来福音。 目前逢人都在提的AI人工智能确实是一个大趋势。 人工智能从 1956 年被正式提出以来，一共有 61 年的历史了，期间经历 3 次高潮，2 次低谷，而最后一次高潮开始于 2006 年，至今仍在延续，并随着各项技术的提升和相关应用的推广继续将人工智能推上新的高峰。 人工智能的起源(1943——1956) 1943 年，二战期间，各类科学家集聚一堂，人工神经网络和数学模型得以建立，人工神经网络时代开启。 1950 年，图灵提出＂图灵测试＂，为智能机器设立了判断标准，如果一台机器能够与人展开对话(通过电传设备)，并且会被人误以为它也是人，那么这台机器就具有人工智能。获取本文完整报告请百度搜索＂乐晴智库＂。 1956 年达特矛斯会议正式提出人工智能这个术语，标志着人工智能领域的正式诞生，并设下了他们关于人工智能的目标——使机器能够模拟人类智力行为的各个方面，如感知、学习、推理论证、交流等能力。这个核心观念持续推动了人工智能领域的发展。人工智能的发展(1956——至今) 第一个黄金发展期(1956——1974) 在此期间，全球政府投入并启动了大量关于人工智能领域的研究项目。与此同时，纽厄尔与西蒙开发了启发式搜索(heuristic search)，这是一种在大型的组合空间寻求答案的有效程序。 之后他们运用这种程序证明了各种数学定理，罗素的《数学原理》被全部证明。 人工智能的冬天(1974——1980) 由于人工智能之前的投入，产出不成正比，四大预言遥遥无期。政府，投资者的信心急剧减弱，1973 年英国政府宣布从人工智能领域撤资。虽然这时是人工智能的低谷，但是人工智能也完成了重大的进展。比如逻辑程序设计法，常识推理领域均在此时期创立。百度搜索＂乐晴智库＂，获得更多行业深度研究报告 发展期(1980——2006)随着专家系统的繁荣发展，人工智能正式投入到了工业生产和政府应用中，再次掀起了AI 研究的投资浪潮。专家系统是存储了某个领域专家水平的知识和经验的数据，并能根据这些数据进行推理判断从而处理该领域专家才能处理的复杂问题的智能计算机程序系统。 1986 年，BP 算法出现，神经网络重新受到重视。 90 年代，机器学习被提出，并得到了迅速发展。新的研究领域也如雨后春笋般兴起。其中最出名的有人工神经网络和支持向量机。 1997 年，深蓝超级计算机战胜了国际象棋世界冠军加里·卡斯帕罗夫。这是首次人工智能在人机大战中的胜利。 2002 年，第一个成功的商业化家用机器人——自动真空吸尘器 Roomba 诞生。 2005 年，美军开始投资战争机器人 BigDog。 高速发展期(2006——) 2006 年，当今人工智能最流行的方法——深度学习被正式创立，人工智能再次得到了突破性的发展。 2010 年，移动互联网发展，人工智能运用场景更加广泛。 2012 年，深度学习算法在语音和图像识别上取得了突破，融资规模开始迅速扩大，人工智能商业化高速发展。 2016 年，Alphago 战胜李世石，人工智能受到世界空前的关注。 人工智能产业链明晰，未来市场规模巨大 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。 数据与运算力是人工智能的基础 基础层主要涉及数据的收集以及运算。其中传感器以及数据服务机构主要负责收集数据，而 AI 芯片(GPU、FPGA、ASIC、类脑芯片)和云计算负责运算。 芯片的快速发展带动运算力的提升 GPU 和云计算的兴起，为人工智能带来了质的飞跃。其中 GPU 等芯片性能的快速提升，为人工智能的快速发展提供了可能性。与此同时，分布式计算(云计算)的兴起，大大降低了计算的时间、硬件成本，也为人工智能的快速发展提供了契机。 国外知名 GPU 制造商 NVIDIA 已经将传统 PC GPU 业务进行了转型，并推出了专门运用与人工智能、深度学习、大数据研究和分析 GPU 芯片，如 Tesla 系列运算卡，并取得令人瞩目的成绩。人工智能的客户在 2 年内提升了 33 倍，并在 17 年 1 月的 FY2017 年报指出相关AI、深度学习以及云计算的 GPU 芯片收入的年增长率高达 145%并预测到 FY 2018 第一季度这个数字会继续增长到 186%。 研究积累与发达国家差距不大，然而国内目前专注于人工智能芯片开发的企业有限，且总体技术水平与发达国家存在较大的差距，高端芯片严重依赖国外进口。中国是人工智能芯片制造的后起之秀，目前已推出中科院＂寒武纪＂、中星微＂星光智能一号＂等多款人工智能芯片，华为也表示将在年内推出人工智能芯片产品。国产人工智能芯片的崛起不仅带来计算能力的提升，同样也可以起到降低成本的作用。 大数据与云服务的热潮奠定数据基础 国际首个深度学习专用处理器芯片，性能超主流 CPU100 倍，但面积和功耗仅为十分之一。 基于 ASIC 架构的人工智能语音识别芯片，包含了脑神经网络处理硬件单元，能够完美支持 DNN 运算架构，进行高性能的数据并行计算，可极大的提高人工智能深度学习语音技术对大量数据的处理效率。自主设计研发高效的人工智能处理器架构 IP，支持 ARM/GPU/FPGA/ASIC 实现神经网络压缩、编译、神经网络处理器 DPU 设计、FPGA 开发正研发人工智能处理器 有望年内发布。 互联网与移动互联网的迅猛发展使得人们的生活中产生海量数据，并得益于大数据概念的爆发，国内对数据积累与标注十分重视，从数据收集、数据分析、数据管理到数据应用，已经形成了完整的产业链，这也为国内人工智能输入海量数据进行训练提供了坚实的基础。 企业与政府共同致力于实现数据共享与开放。相比于国外公司对数据的严密保护，国内公司对数据保持着较为开放的态度。谷歌旗下的 Waymo 以及特斯拉对其数据进行严格保密，而国内方面百度不仅对软件进行开源，而且打算进一步分享数据，创造一个无人驾驶汽车的开放数据平台。 手握巨量数据的政府也已制定好数据共享与开放计划，到 2018 年底前，中央政府层面实现数据统一共享交换平台的全覆，建成国家政府数据统一开放平台;2020 年底前，逐步实现多个民生保障服务相关领域的政府数据集向社会开放。数据的开放共享使得数据能够大范围内的流动，并衍生出各类对数据处理与应用，做出更可靠的标注，从长期看给人工智能带来更大的市场价值。 在云服务领域，亚马逊由于起步较早，占据了最大的云计算市场份额。据 synergy researchgroup 的数据，在 16 年年底，亚马逊占据了公有云市场的 40%份额。而且据亚马逊今年 4 月公布的一季度财报中，AWS 的营业收入同比上涨了 42%，达到了 36.6 亿美元。 微软已将云计算列入自己的重点战略方向，2016 年上边年，微软智能云营业收入占比已经高达 26.32%。 人工智能技术逐渐成熟，驱动未来发展 在收集到数据之后，技术层所做的事就是模拟人脑，对数据进行有效的处理和分析。算法是技术层的一项核心内容，而在人工智能算法里最出名的，也是将人工智能推向发展高潮的，就是深度学习算法。 人工智能产品与服务不断推出，得到市场的广泛认可 随着基础层和技术层的快速发展和逐渐成熟，AI 产业红利将传导至应用层。 AI 应用层主要是 AI 算法在传统行业的渗透和改造。 在国外，已推出多款人工智能产品与服务，并取得了十分成功的成绩。亚马逊 Echo 智能音箱的销量暴涨，2015 年 Q2 的销量仅为 20 万台，2016 年 Q2 销量已经较去年增加了 5 倍，预计 2017 年底销量会突破 1 千万台，为亚马逊贡献 10 亿美元的营收。 全球最大社交网络网站 Facebook，充分利用 AI 分析社交网络大数据，来提升用户体验，持续扩大用户流量，2016 年，Facebook 越活跃用户达 18.6 亿，同比增长 17%。同时 Facebook将巨大的用户流量进一步变现为广告收入。2016 年，Facebook 实现营业收入 268.85 亿美元，同比上年增长 57%，实现净利润 102.17 亿美元，同比上年增长 177%。 在国内人工智能的应用中，BAT 手握大量资源，无疑是其中的第一梯队，而三家之中的百度更是行业中的领军者;阿里巴巴与腾讯也在积极推进人工智能项目，凭借公司规模优势奋起直追，虽然目前落后于百度，但发展后劲不可小觑;而像地平线机器人这样独立人工智能企业，以及互联网细分领域取得成绩的京东、搜狗、滴滴、今日头条等垂直优势同样值得关注。 中国巨大的消费市场可以衍生出无数的细分领域，互联网对各行业各领域的渗透给人工智能应用提供了最真切的参考，并且相比于互联网，人工智能的应用场景只会更广阔。 政策密集出台，助力人工智能发展 国内政策密集出台，助力人工智能发展。政府大力扶持人工智能产业，今年三月的《政府工作报告》与七月的《新一代人工智能发展规划》中提出，到 2020 年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点;到 2025 年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平;到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。 ＂人工智能+＂重塑各行各业，推动行业革新 (一)AI+安防 未来国内安防市场可达万亿，保持高速迅猛增长。2011-2016 年安防市场连续五年维持两位数的增长，2016 年国内安防市场规模达到 5000 亿以上，根据前瞻产业研究院的预测，到 2022 年国内安防市场规模将达到接近万亿的规模。2016 年安防市场规模中安防设备市场大约占比为 1900 亿，从产品形式上看，视频监控领域是安防行业最大的应用产品。 (二)AI+金融 据量巨大的金融行业是人工智能应用的温床。金融行业每天产生的数据量在各个行业中遥遥领先，并且与其它行业不同，金融行业对数据的依赖性十分高，大部分金融从业人员每天都要花费大量的时间对数据进行处理与分析，因此金融数据往往标注准确且公开透明。目前互联网化的金融每年产生的数据都在呈现指数型增长，海量的金融数据给以数据为基础进行深度学习的人工智能的应用奠定了基础。 人工智能降低成本，抓住金融长尾市场。目前除了一些新兴的互联网金融机构愿意为低净值的客户提供完善的投资与资产管理等业务外，绝大多数传统金融机构将大量的资源投入到服务政府、大型企业以及高净值客户中，因拉拢、征信及制定投资策略等高成本问题而主动放弃了长尾市场中的大量客户。 从蚂蚁金服推出的余额宝火热增长可以看出，低净值客户的投资热情高涨，不简单满足于银行低利率的活期存款，而希望能够得到更多的金融服务。人工智能的应用可以大大降低成本，从而抓住更多的客户。 目前人工智能领域在金融行业比较成熟的应用主要有智能投顾、智能量化交易与智能客服,主要采用的方法有机器学习、自然语言处理、知识图谱和计算机视觉等。 (三)AI+家居 智能家居也称智能住宅，是以住宅为平台，兼备建筑、网络通信、信息家电、设备自动化，集系统、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境。智能家居利用先进的人工智能技术、网络通信技术、综合布线技术，将与家居生活有关的各种子系统有机地结合在一起，通过统筹管理，让家居生活更加智能、舒适、安全。 智能家居未来市场规模近五千亿，有望实现高速增长。根据中国产业信息网的数据，2014年，我国智能家居产业市场规模达到 290 亿元;2015 年，我国智能家居市场规模达 403.40 亿元，同比增长 41%，并且预计 2017 年国内智能家居市场规模将达到 908 亿元，未来五年(2017-2021)年均复合增长率约为 48.12%，2021 年市场规模将达到 4369 亿元。 (四)AI+汽车 随着机动车逐渐在中国的普及，最近 5 年中国机动车驾驶员的数量每年都以超过 10%的速率上涨。截至 2016 年底，全国机动车驾驶人已达 3.6 亿人，驾驶汽车渐渐成为每个人生活中不可缺少的一件事。而随着人工智能的发展，自动驾驶正在变为可能，各大车商纷纷计划在2021 年前后推出全自动驾驶车型。 (五)AI+医疗 在当今医疗领域，医生资源的短缺是造成看病难的重要原因，尤其是在不发达地区，这一问题尤为严重。智能医疗的可复制性，可以很好的解决优质医生的稀缺性问题。 随着人工智能领域，语音交互、计算机视觉和认知计算等技术的逐渐成熟，人工智能医疗领域的各项运用变成了可能。这其中主要包括:语音录入病历、医疗影像智能识别、辅助诊疗/癌症诊断、医疗机器人、个人健康大数据的智能分析等。 医疗机器人:手术机器人占领主要市场份额，达芬奇机器人垄断微创手术 在传统手术中，医生和病人都会受到不同的煎熬，医生需要长时间手持手术工具并保持高度紧张状态，而由于人工操作精度不高，病人会在手术中遭受额外的创伤。而手术机器人的出现，可以极大的缓解这两个问题。目前手术机器人占据了医疗机器人的 60%以上的市场份额。 (六)AI+教育 如何提供高效的教育，是一个困扰了人们多年的问题。孔子曾提出过因材施教的解决方案，然而在现实中，由于信息不对称和一对一教学成本极大等问题，＂因材施教＂这一理念一直不能再传统教育中得以真正实现。而随着科技的迅猛发展，越来越多的教育方式被开发，教育的效率也逐步得到提高，随着人工智能的逐步成熟，个性化的教育服务将会步上新的台阶，＂因材施教＂这一问题也最终会得到解决。 人工智能行业，是近几年炒的最为火热的领域。三年内存在千亿市场被挖掘，并由此衍生的＂互联网+各行业＂，每年都可以产生万亿级的产销规模。早在2016年，工信部教育考试中心就曾透露，国内人工智能方向人才的缺口在500万以上，这也受到业内人士的普遍认可。总之，我国目前这一领域下的供需关系是严重失衡的。 从资金投入来看，早在2015年就有多单位联合申报＂国拨＂项目事项，但主要以示范和创收为主。当时国家给每个项目都至少补助1亿以上，加上每个企业自筹的资金，有业内人士统计，约在万亿规模。 这么一大笔资金，却缺失大量的人才。往往是一个人负责多个方向，一个亿级的项目虽然挂名上百人，可真正做事的就只有几个人。此外，国内高校之前并没有智能制造或者人工智能专业，大多是计算机、工业工程、机械设计、材料成型、自动化等等专业内部转岗而来。据权威部门估计，近几年＂互联网+＂的岗位缺口在500-700万之间。 这么大的市场潜力，这么稀缺的人才就业岗位，又这么体面且高大上的技术活，不知道大家是否心动了？ 人工智能是工业4.0的主体，我们希望以互联网重构各行业运行模式，我们希望用大数据来革新机器人思维逻辑，我们希望用物联网交互人机信息。等达到这些技术后，相信智能社会就真的到来了。 已经不能用未来人工智能的市场大不大来解释这个问题了，可以说未来世界很有可能就建立在人工智能的基础之上。 别的不说，单单用这次世界互联网大会，很多大佬的观点就可以来解释这件事情。 比如说，马云就说了，互联网将重塑全球经济，而人工智能和自动化将取代工人。 而百度的李彦宏说了，人工智能将成为数字经济发展的主要动力。 谷歌也说到，谷歌也在转型，从移动到人工智能，而且谷歌已经是一家的人工智能的公司了。 从这些大佬的观点不能得出，传统的制1业将成为历史的过去时，而人工智能将是互联网经济最好的动力源泉。 如果像大佬们这样大的格局，都把人工智能列为未来的重点发展，那么可想而知，人工智能未来的市场将会有多么大。 因此这件事情其实不用正面解答，也不用搬出什么数据和预测，单单从这些掌控中国经济脉搏的大佬口中，我们就能够对人工智能未来美好的前景给出期待。 可以明确的指出：人工智能产业链明晰，未来市场规模巨大 第一、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。 a.数据与运算力是人工智能的基础 基础层主要涉及数据的收集以及运算。其中传感器以及数据服务机构主要负责收集数据，而 AI 芯片(GPU、FPGA、ASIC、类脑芯片)和云计算负责运算。 b.芯片的快速发展带动运算力的提升 GPU 和云计算的兴起，为人工智能带来了质的飞跃。其中 GPU 等芯片性能的快速提升，为人工智能的快速发展提供了可能性。与此同时，分布式计算(云计算)的兴起，大大降低了计算的时间、硬件成本，也为人工智能的快速发展提供了契机。 国外知名 GPU 制造商 NVIDIA 已经将传统 PC GPU 业务进行了转型，并推出了专门运用与人工智能、深度学习、大数据研究和分析 GPU 芯片，如 Tesla 系列运算卡，并取得令人瞩目的成绩。人工智能的客户在 2 年内提升了 33 倍，并在 17 年 1 月的 FY2017 年报指出相关AI、深度学习以及云计算的 GPU 芯片收入的年增长率高达 145%并预测到 FY 2018 第一季度这个数字会继续增长到 186%。 研究积累与发达国家差距不大，然而国内目前专注于人工智能芯片开发的企业有限，且总体技术水平与发达国家存在较大的差距，高端芯片严重依赖国外进口。中国是人工智能芯片制造的后起之秀，目前已推出中科院＂寒武纪＂、中星微＂星光智能一号＂等多款人工智能芯片，华为也表示将在年内推出人工智能芯片产品。国产人工智能芯片的崛起不仅带来计算能力的提升，同样也可以起到降低成本的作用。 c.大数据与云服务的热潮奠定数据基础 国际首个深度学习专用处理器芯片，性能超主流 CPU100 倍，但面积和功耗仅为十分之一。 基于 ASIC 架构的人工智能语音识别芯片，包含了脑神经网络处理硬件单元，能够完美支持 DNN 运算架构，进行高性能的数据并行计算，可极大的提高人工智能深度学习语音技术对大量数据的处理效率。自主设计研发高效的人工智能处理器架构 IP，支持 ARM/GPU/FPGA/ASIC 实现神经网络压缩、编译、神经网络处理器 DPU 设计、FPGA 开发正研发人工智能处理器 有望年内发布。 互联网与移动互联网的迅猛发展使得人们的生活中产生海量数据，并得益于大数据概念的爆发，国内对数据积累与标注十分重视，从数据收集、数据分析、数据管理到数据应用，已经形成了完整的产业链，这也为国内人工智能输入海量数据进行训练提供了坚实的基础。 企业与政府共同致力于实现数据共享与开放。相比于国外公司对数据的严密保护，国内公司对数据保持着较为开放的态度。谷歌旗下的 Waymo 以及特斯拉对其数据进行严格保密，而国内方面百度不仅对软件进行开源，而且打算进一步分享数据，创造一个无人驾驶汽车的开放数据平台。 手握巨量数据的政府也已制定好数据共享与开放计划，到 2018 年底前，中央政府层面实现数据统一共享交换平台的全覆，建成国家政府数据统一开放平台;2020 年底前，逐步实现多个民生保障服务相关领域的政府数据集向社会开放。数据的开放共享使得数据能够大范围内的流动，并衍生出各类对数据处理与应用，做出更可靠的标注，从长期看给人工智能带来更大的市场价值。 在云服务领域，亚马逊由于起步较早，占据了最大的云计算市场份额。据 synergy researchgroup 的数据，在 16 年年底，亚马逊占据了公有云市场的 40%份额。而且据亚马逊今年 4 月公布的一季度财报中，AWS 的营业收入同比上涨了 42%，达到了 36.6 亿美元。 微软已将云计算列入自己的重点战略方向，2016 年上边年，微软智能云营业收入占比已经高达 26.32%。 d.人工智能技术逐渐成熟，驱动未来发展 在收集到数据之后，技术层所做的事就是模拟人脑，对数据进行有效的处理和分析。算法是技术层的一项核心内容，而在人工智能算法里最出名的，也是将人工智能推向发展高潮的，就是深度学习算法。 人工智能产品与服务不断推出，得到市场的广泛认可 随着基础层和技术层的快速发展和逐渐成熟，AI 产业红利将传导至应用层。 AI 应用层主要是 AI 算法在传统行业的渗透和改造。 在国外，已推出多款人工智能产品与服务，并取得了十分成功的成绩。亚马逊 Echo 智能音箱的销量暴涨，2015 年 Q2 的销量仅为 20 万台，2016 年 Q2 销量已经较去年增加了 5 倍，预计 2017 年底销量会突破 1 千万台，为亚马逊贡献 10 亿美元的营收。 全球最大社交网络网站 Facebook，充分利用 AI 分析社交网络大数据，来提升用户体验，持续扩大用户流量，2016 年，Facebook 越活跃用户达 18.6 亿，同比增长 17%。同时 Facebook将巨大的用户流量进一步变现为广告收入。2016 年，Facebook 实现营业收入 268.85 亿美元，同比上年增长 57%，实现净利润 102.17 亿美元，同比上年增长 177%。 在国内人工智能的应用中，BAT 手握大量资源，无疑是其中的第一梯队，而三家之中的百度更是行业中的领军者;阿里巴巴与腾讯也在积极推进人工智能项目，凭借公司规模优势奋起直追，虽然目前落后于百度，但发展后劲不可小觑;而像地平线机器人这样独立人工智能企业，以及互联网细分领域取得成绩的京东、搜狗、滴滴、今日头条等垂直优势同样值得关注。 中国巨大的消费市场可以衍生出无数的细分领域，互联网对各行业各领域的渗透给人工智能应用提供了最真切的参考，并且相比于互联网，人工智能的应用场景只会更广阔。 e.政策密集出台，助力人工智能发展 国内政策密集出台，助力人工智能发展。政府大力扶持人工智能产业，今年三月的《政府工作报告》与七月的《新一代人工智能发展规划》中提出，到 2020 年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点;到 2025 年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平;到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。 第二、＂人工智能+＂重塑各行各业，推动行业革新 (一)AI+安防 未来国内安防市场可达万亿，保持高速迅猛增长。2011-2016 年安防市场连续五年维持两位数的增长，2016 年国内安防市场规模达到 5000 亿以上，根据前瞻产业研究院的预测，到 2022 年国内安防市场规模将达到接近万亿的规模。2016 年安防市场规模中安防设备市场大约占比为 1900 亿，从产品形式上看，视频监控领域是安防行业最大的应用产品。 (二)AI+金融 据量巨大的金融行业是人工智能应用的温床。金融行业每天产生的数据量在各个行业中遥遥领先，并且与其它行业不同，金融行业对数据的依赖性十分高，大部分金融从业人员每天都要花费大量的时间对数据进行处理与分析，因此金融数据往往标注准确且公开透明。目前互联网化的金融每年产生的数据都在呈现指数型增长，海量的金融数据给以数据为基础进行深度学习的人工智能的应用奠定了基础。 人工智能降低成本，抓住金融长尾市场。目前除了一些新兴的互联网金融机构愿意为低净值的客户提供完善的投资与资产管理等业务外，绝大多数传统金融机构将大量的资源投入到服务政府、大型企业以及高净值客户中，因拉拢、征信及制定投资策略等高成本问题而主动放弃了长尾市场中的大量客户。 从蚂蚁金服推出的余额宝火热增长可以看出，低净值客户的投资热情高涨，不简单满足于银行低利率的活期存款，而希望能够得到更多的金融服务。人工智能的应用可以大大降低成本，从而抓住更多的客户。 目前人工智能领域在金融行业比较成熟的应用主要有智能投顾、智能量化交易与智能客服,主要采用的方法有机器学习、自然语言处理、知识图谱和计算机视觉等。 (三)AI+家居 智能家居也称智能住宅，是以住宅为平台，兼备建筑、网络通信、信息家电、设备自动化，集系统、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境。智能家居利用先进的人工智能技术、网络通信技术、综合布线技术，将与家居生活有关的各种子系统有机地结合在一起，通过统筹管理，让家居生活更加智能、舒适、安全。 智能家居未来市场规模近五千亿，有望实现高速增长。根据中国产业信息网的数据，2014年，我国智能家居产业市场规模达到 290 亿元;2015 年，我国智能家居市场规模达 403.40 亿元，同比增长 41%，并且预计 2017 年国内智能家居市场规模将达到 908 亿元，未来五年(2017-2021)年均复合增长率约为 48.12%，2021 年市场规模将达到 4369 亿元。 (四)AI+汽车 随着机动车逐渐在中国的普及，最近 5 年中国机动车驾驶员的数量每年都以超过 10%的速率上涨。截至 2016 年底，全国机动车驾驶人已达 3.6 亿人，驾驶汽车渐渐成为每个人生活中不可缺少的一件事。而随着人工智能的发展，自动驾驶正在变为可能，各大车商纷纷计划在2021 年前后推出全自动驾驶车型。 (五)AI+医疗 在当今医疗领域，医生资源的短缺是造成看病难的重要原因，尤其是在不发达地区，这一问题尤为严重。智能医疗的可复制性，可以很好的解决优质医生的稀缺性问题。 随着人工智能领域，语音交互、计算机视觉和认知计算等技术的逐渐成熟，人工智能医疗领域的各项运用变成了可能。这其中主要包括:语音录入病历、医疗影像智能识别、辅助诊疗/癌症诊断、医疗机器人、个人健康大数据的智能分析等。 医疗机器人:手术机器人占领主要市场份额，达芬奇机器人垄断微创手术 在传统手术中，医生和病人都会受到不同的煎熬，医生需要长时间手持手术工具并保持高度紧张状态，而由于人工操作精度不高，病人会在手术中遭受额外的创伤。而手术机器人的出现，可以极大的缓解这两个问题。目前手术机器人占据了医疗机器人的 60%以上的市场份额。 (六)AI+教育 如何提供高效的教育，是一个困扰了人们多年的问题。孔子曾提出过因材施教的解决方案，然而在现实中，由于信息不对称和一对一教学成本极大等问题，＂因材施教＂这一理念一直不能再传统教育中得以真正实现。而随着科技的迅猛发展，越来越多的教育方式被开发，教育的效率也逐步得到提高，随着人工智能的逐步成熟，个性化的教育服务将会步上新的台阶，＂因材施教＂这一问题也最终会得到解决。 AI已来，揭秘未来人工智能八大趋势！ 目前到处都充斥着有关人工智能及其应用的炒作，从自主车辆到虚拟个人助理，以及其他很多需要人类智能才能完成任务的技术 以下是人工智能、大数据、预测分析和机器学习方面主要的统计数据： 2018年8大人工智能趋势观察 趋势1 较大的公司将赢得未来 亚马逊、谷歌、Facebook和IBM将引领人工智能技术的发展。作为大型公司，他们拥有更多的资源来收集数据，从而拥有更多的数据可供使用。 趋势2 算法和技术将会进行整 合 所有已经对人工智能进行投资的第二梯队公司（比如英特尔、Salesforce和Twitter）都紧跟在拥有大数据的公司后面，并开始使用他们的数据算法和人工智能技术。数据交易将存在于行业用户之间，而算法和技术很有可能会进行整合。数据交易以及算法和技术的整合将使人工智能发挥更强大的作用 趋势3 数据众包市场将非常巨大 所有的人工智能公司都渴望获得庞大的数据集，以便实现他们对人工智能的野心。这些公司将采用众包的方式来获取大量的数据。目前已经有多种不同的方式来评估众包数据的质量和可靠性，不仅企业可以从这些数据中获得收益,而且也能给消费者一个保证。 趋势4 企业并购，以及更多的并购 根据CBInsights的统计数据显示，收购人工智能公司的竞争已经开始。在2018年，我们将看到更多为了智力资本和人才而并购企业的行为。机器学习和人工智能领域中的所有小公司都将可能被大型企业收购. 趋势5 用工具的民主化换取更大的市场份额 大公司将会把自己的算法和工具集开源出来以获得更大的市场份额。基于市场的数据和算法获取壁垒将大大降低，而人工智能的新应用将会增加。通过对工具的民主化，原本有限制或无法获得人工智能工具的小公司将可以获得大量的数据来训练和启动复杂的人工智能算法. 趋势6 人机交互技术将得到改进 Siri和Alexa可能是两个最受欢迎的人机交互工具了。更多与它们类似的基于机器人的解决方案将成为人工智能公司的入门级产品。例如，计算机目前可用于语音分析和面部识别，而以后，计算机将能够根据用户的语调来识别他的心情，这称为情感分析。 趋势7 人工智能肯定会逐步影响所有的垂直行业 制造业、客户服务、金融、医疗保健和交通运输已经受到了人工智能的影响。自动驾驶车辆预计2018年就会上市。明年，人工智能将会影响更多的垂直行业，例如： 保险 ——人工智能将通过自动化技术改进索赔流程 法律——自然语言处理可以在几分钟内总结数千页的法律文件，从而减少时间和提高效率 公关与媒体——人工智能能提高数据处理的速度 教育——虚拟导师的开发 趋势8 安全、隐私、伦理与道德问题 人工智能大旗下的所有东西，包括机器学习和大数据，都容易受到新型安全问题和隐私问题的威胁。有时候，起重要作用的是关键性的基础设施。与隐私问题有关的安全方面的需求，如将银行账户和健康信息进行保密，将更多地依赖于安全性方面的研究。2018年将是安全和隐私问题得到解决的一年，也是会有新发展的一年。 中国政府将人工智能上升到国家战略层面。2017年7月，国务院印发《新一代人工智能发展规划》，明确指出新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。 中国人工智能在人才储备方面较弱 1981年9月，来自全国各地的科学技术工作者300余人在长沙出席了中国人工智能学会 (CAAI)成立大会，此后中国的人工智能开始正式迈入发展阶段。对比2019年中国与全球人工智能发展情况，在Al相关论文发布数量、企业数量、融资总额、产业规模、专利申请数量等方面中国均居世界头部阵营，具有充分的市机场竞争力。 中国在人才储备相较弱，但已经在全力补足短板。目前全国已经有35所高等院校开设了Al专业，国际交流和国际人才引进也在不断加深，未来5年内将有大量从业者涌入市场。 重应用而不重基础研发也是中国人工智能行业存在的固有问题，研发型企业远少于应用型企业的隐患随着中美专利竞争而浮现，政府开始重视Al基础层创业公司的培养，资本方也更加关注Al芯片、机器学习算法、数据处理等产业链上游企业的发展，科技巨头企业更是提前进行了Al生态布局，建立了产业联盟，在各方的努力中中国Al市场处于从局部向整体发展的上升期，行业前景良好。 人工智能赋能实体经济 近几年，人工智能技术在实体经济中寻找落地应用场景成为核心要义，据艾瑞资料库数据显示，2018年中国人工智能赋能实体经济的市场规模达到251亿元，赋能价值有望在2021年突破千亿。人工智能技术与传统行业经营模式及业务流程产生实质性融合，智能经济时代的全新产业版图初步显现。 现阶段的人工智能主要赋能公共安全领域 根据艾瑞的资料库数据显示，2019年AI+安防占人工智能赋能实体经济的50以上，其次是AI+金融和AI+营销，分布占比15.8%和11.6%。前瞻分析一方面是由于安防领域国企数量较大易于前期的政策推动，另一方面是智慧城市对公共安全的需求。前瞻初步估算，民企活力将逐步显现，未来AI+营销和AI+金融的赋能价值将持续提高。 互联网公司是最大的AI投入者 主要投资在计算机视觉类 根据艾瑞数据分析，2019年中国科技企业技术研发投入约为4005亿元，其中人工智能算法研发投入占比为9.3%，超370亿元，且大部分投入来自互联网科技公司。主要Al算法应用领域——计算机视觉、语音识别/语音合成，以及自然语言处理占比分别为22.5%、2.3%和7.1%，三者中计算机视觉相关算法研发投入占比最大，这与视觉相关创业公司数量、产业需求和政策导向呈正相关联系，计算机视觉目前仍是中国最具代表性的Al应用技术。 —— 以上数据来源于前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》 大数据时代国家层域资本结构领域标志标准律法法律/亿律素质指数标志标准的完善提升,是AI产业时代价值标志。王立新中国工程院士。 AI未来市场真的非常大，现在估计没有人会怀疑。因为AI可以涉足各行各业，几乎无孔不入。光是传统的衣食住行市场已经大到你想象不到，可以说未来没有AI就没有竞争力。
