人工智能

　　概念定义上人工智能是什么意思简单点，人工智能分为强人工智能和弱人工智能。强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指人造机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。

　　目前，强人工智能基本还处于前沿探索阶段，尚无突破性的进展。而弱人工智能则处在从研发到应用的快速布局期。赛迪顾问针对更为成熟和具有应用前景的弱人工智能概念进行了产业演进和投资价值研究。

　　综合来看，人工智能应该具备“3C特性”人工智能是什么意思简单点：理解力Cognize、沟通力Communicate、协同力Collaborate。即通过模拟人类思维模式实现对外界信息理解人工智能是什么意思简单点；通过语音、视觉等实现与外界沟通人工智能是什么意思简单点；通过行动控制实现人机协同工作。

　　一、人工智能的产业结构

　　人工智能产业链包含了基础设施层、技术研发层和应用层。

　　基础设施层涵盖了数据支撑、感知和运算。数据支撑包含各行业的专业数据信息和外界数据采集系统。感知包含了声学、触觉、味觉、嗅觉、视觉五类模拟人体感官的智能传感设备。运算包含了以FPGA、GPU为主的硬件运算平台，专用的人工智能计算芯片，和以Hadoop、Golearn为代表的软件平台。

　　技术研发层涵盖了机器学习、自然语言处理、图像识别三个方向。其中机器学习包含实现人工意识、深度学习、情绪感知、决策控制等软件系统。自然语言处理包含语义分析、语音交互、实时翻译等功能的软硬件研发。图像识别包含视频内容识别、生物特征识别等功能的软件系统和硬件研发。

　　应用层分为智能硬件平台和软件集成平台。智能硬件平台包含具备完整机械结构系统、驱动控制系统、能源动力系统、感知系统、人机交互功能的智能硬件平台，领域细分为服务机器人、智能工业机器人和智能无人设备。软件集成平台主要包括语音识别、机器视觉处理和数据挖掘平台等分析系统。在行业应用方面，根据技术成熟度的区别主要应用在教育、金融、安防、交通、工业控制等领域。

　　基础设施层人工智能是什么意思简单点：

　　在汇聚了行业数据和感知数据的基础上，需要强大的运能能力来提升数据分析的效率。以GPU为代表图形处理芯片使得大规模并行计算的效率大幅提升，为人工智能的多任务执行提供了基础。同时，在后摩尔定律时代，可编程逻辑阵列FPGA混合元件成为了***有希望的解决方案，通过在GPU和FPGA间共享存储器来实现协同工作，极大提升了计算性能。此外，云计算的快速普及，将大量的计算资源组成资源池并用与动态创建高度虚拟化的资源供用户使用，也大大降低了人工智能的商业化运营成本。

　　技术研发层：

　　技术研发层是人工智能核心和高价值环节，包含了机器学习、自然语言处理、图像识别三个环节。机器学习通过归纳、综合等方法，分析数据和经验学习来实现自我算法改进。如下图把机器学习与人类对历史经验归纳做比对，机器的“训练”与“预测”过程可以对应人类的“归纳”和“推测”过程，越大的训练数据量等价于经验更丰富的人类专家。自然语言处理和图像识别作为人机交互的主要方式，技术成熟度相对较高，通过与硬件控制相结合，可以极大的拓宽技术应用的范围。

　　二、人工智能发展的核心三大要素

　　目前阶段支撑人工智能产业发展有三个核心要素：算法、计算能力和数据。

　　算法层面：基础算法在十几年前已经成熟，市面上人工智能算法均基于深度学习算法。目前，算法方面的研究侧重行业应用，例如面部识别算法、语音识别算法等，在特定应用层面进行定制和优化，不断提高系统的判别精度和智能化程度。

　　计算能力方面：计算能力不足曾经一直是限制人工人能发展的重要因素之一。随着***近几十年来，高性能计算、GPU、FPGA、并行处理等技术的发展，计算能力显著提高，为机器学习提供了良好的发展基础。目前，高性能计算使用成本仍然偏高，初创公司使用高性能计算资源存在一定门槛。

　　数据层面：随着互联网、移动互联网渗透到人们生活的各个角落、物联网逐步推广普及，每天产生的数据量呈现爆炸式增长，数据种类也日益丰富。海量数据为人工智能模型提供了丰富的学习资源，但同时，数据的标准化和开放不足也为数据的使用带来了一定障碍。

　　从技术角度来看，算法、计算能力和数据已经发展成熟，能够支撑人工智能产业的发展。从人工智能产业发展角度来看，三个关键要素还需要进一步完善。未来，算法的优化将更加注重应用，与应用结合更加深入。计算能力使用的成本将随着专用计算芯片的开发和云平台的建立逐步下降。数据的标准化、整合、开放共享，将是未来数据发展的方向。这些需要从产业层面进行推动，才能够助力人工智能产业的发展。

　　三、人工智能的应用前景

　　AI技术价值成熟从技术关注度和技术成熟度两个维度可以划分为四个时期。探索期处于理论实现阶段，技术实现难度大；爆发期处于技术关注度快速爆发阶段，获得资本市场密切关注；部署期处于商业化应用进行落地阶段，关注度相对下降。而回报期则是***后演进阶段，成熟度和关注度都位于高点，将实现社会价值和经济价值***大化。

　　随着技术成熟度的不断提升，AI技术的关注度将渡过部署期进入回报期。在回报期中，技术和市场应用均已完善，前期资本投入将实现汇报。其中，以语音识别为代表的普世级应用将通过替代人工来满足消费和企业的需求痛点，同时，深入B端市场的各类应用将为多个行业领域实现机器换人的巨大变革。从投资价值象限来看，未来三年，以深度学习和机器视觉为主的技术应用将***具投资潜力。

　　（作者：向阳）