中國人工智慧産業鏈顯山露水 無人駕駛等成熱點

近日，中國人工智慧産業發展聯盟組建成立。據介紹，聯盟將快速推動人工智慧技術在生産製造、健康醫療、生活服務、城市治理等場景的應用，提升産業發展能力與水準。同時，將整合全産業鏈資源，促進人工智慧科技成果和資源的積累與轉化。

業內比較一致的看法是，人工智慧産業鏈可分為基礎層、技術層和應用層。對此，全球巨頭立足自身核心技術進行擴散，積極進行佈局。與此同時，中國人工智慧産業鏈也已“顯山露水”，20余家A股公司正在“搶灘”産業鏈。

基礎層：中國晶片嘗試“彎道超車”

基礎層主要包括計算晶片、大數據、存儲。微軟的最新研究報告稱，在人工智慧領域，傳統的晶片計算架構已無法支撐深度學習等大規模並行計算的需求，這就需要新的底層硬體來更好地儲備數據、加速計算過程。基礎層主要以硬體為核心，其中包括GPU/FPGA等用於性能加速的硬體、神經網路晶片、感測器與中間件，這些是支撐人工智慧應用的前提。這些硬體為整個人工智慧的運算提供算力，目前多以傳統的國際IT巨頭為主。

目前，在GPU領域，英偉達主打工業級超大規模深度網路加速，並推出了基於Volta、首款速度超越100TFlops的處理器Tesla；英特爾主要圍繞FPGA構建産業，推出了模倣人腦的人工智慧晶片。谷歌也推出了第二代TPU晶片，為自己的開源TensorFlow框架提供晶片支撐。此外，在這一領域還有眾多的初創公司，如中星微、寒武紀以及西井科技等，但在産業佈局能力和研發實力方面，還不能與上述巨頭匹敵。

《經濟參考報》記者注意到，中國在類人腦晶片上的探索起步並不晚。2015年，由浙江大學電腦學院牽頭，浙江大學與杭州電子科技大學的學者合作研製出了國內首款基於硅材料(CMOS)的支援脈衝神經網路(SNN)的類腦晶片——“達爾文”晶片。該課題組認為，“達爾文”雖是國內首款支援脈衝神經網路的類腦晶片，但與國際先進水準的IBM TrueNorth晶片比較，還有一定距離。

中國在類人腦計算上的探索目前比較受關注的是中國科學院計算技術研究所陳雲霽、陳天石主導的“寒武紀”課題組。計算所的有關專家告訴記者，寒武紀深度學習處理器的能效比主流CPU和GPU有兩個數量級的提升，具有較強的市場競爭優勢。從2017年起，“寒武紀”課題組獲得了中科院為期18個月共計1000萬元的專項資金支援，用於項目研發及産業化。據中國科學院計算技術研究所智慧處理器研究中心介紹，這1000萬元專項資金一方面用於人工智慧晶片的基礎性研究，探索下一代人工智慧晶片的架構、演算法以及在一些新型場景(如AR/VR)中的應用開發方法。這將為我國參與智慧時代國際晶片市場角逐打下科學和技術基礎。專項資金另一方面用於寒武紀晶片在各種智慧雲伺服器、智慧終端和智慧機器人市場中的推廣，力爭在18個月內初步奠定寒武紀晶片在智慧晶片市場上的地位。

中科院計算所有關負責人表示，“‘龍芯’是一條路，寒武紀是一條路，而與IBM、英特爾、AMD合作是另一條路。‘龍芯’走的是‘人有我有’之路，寒武紀走的是‘彎道超車’之路。”

技術層：國産語音識別演算法取得突破

技術層包括演算法平臺、圖像識別、自然語言識別處理和智慧機器人。當前，國內的人工智慧技術平臺主要聚焦于電腦視覺、語音識別和語言技術處理領域，國內技術層公司發展勢頭也隨之迅猛，其中有代表性的企業包括科大訊飛、格靈深瞳、捷通華聲(靈雲)、地平線、SenseTime、永洪科技、曠視科技、雲知聲等。

麥肯錫的一份研究報告對中國人工智慧發展狀態進行了全面而細緻的梳理。麥肯錫認為，中國在演算法開發方面與其他國家相當。中國的研究者在開發用於語音識別和定向廣告的演算法方面已經取得突破。得益於全球的開源平臺，中國企業能夠快速複製其他地方開發的最先進的演算法。

中國科技戰略研究院有關專家對記者表示，“人工智慧産業的發展離不開海量數據的支撐，數據訓練量的大小影響著演算法實現的成熟度。”阿裏雲iDST總監初敏表示，演算法、數據、計算平臺、用戶、商業模式，用網際網路的思維把這五個因素串起來，人工智慧迭代才能非常快。以更快的速度使用反饋數據來更新模型，形成這樣的正迴圈週期後，效果就會越來越好。哪怕就是演算法不變，只要能不斷地反饋數據並不斷優化，過一兩個月之後，它的能力也會好很多。

國內的曙光公司聯合眾多企業成立了航太星圖、中科三清、曙光易通，鎖定數據。航太星圖專注于地理空間大數據處理、可視化應用，中科三清由曙光與中科院物理所合資，專注于大氣、水以及土壤污染的預報、預警，治理評估和應急提供可行性的解決方案。除了傳統IT企業在搶數據資源之外，事實上，中國也涌現了很多運營和經營數據的公司，比如數據堂、星圖數據、百分點等，並涌現了更多公共數據開放平臺。

數據顯示，2016年中國數據總量佔全球數據總量的14%。據預測，到2020年，中國的數據總量將佔全球數據總量的20%，屆時中國將成為世界第一數據資源大國和全球的數據中心。

創新工場人工智慧戰略白皮書顯示，數據隱私、數據安全對人工智慧技術建立跨行業、跨領域的大數據模型提出了政策、法規與監管方面的要求。各垂直領域的從業者從商業利益出發，也為數據的共用和流轉限定了基本的規則和邊界。此外，許多傳統行業的數據積累在規範程度和流轉效率上還遠未達到可充分發揮人工智慧技術潛能的程度。

麥肯錫表示，中國的大技術公司通過它們專有的平臺收集數據，但中國在創建數據友好的生態系統方面落後於美國，缺少統一的標準和跨平臺的共用。從世界有關國家看，開放政府數據有助於私營部門的創新，但中國公共部門開放的數據相對較少。

應用層：駕駛、醫療等成熱點領域

應用層包括無人駕駛、智慧安防和智慧醫療等。從全球看，IBM最早佈局人工智慧應用，“萬能Watson”推動多行業變革。百度推出“百度大腦”計劃，重點佈局無人駕駛汽車。而谷歌的人工智慧業務則較為繁雜，多領域遍地開花，包括AlphaGo、無人駕駛汽車、智慧手術機器人等。微軟則在語言語義識別、電腦視覺等領域保持領先。

科大訊飛董事長劉慶峰表示，2017年是中國人工智慧應用的落地年，成為人工智慧産業發展的分水嶺。他認為，應用才是人工智慧發展的硬道理，只有技術不斷地應用在各個領域，才能得到發展。

騰訊集團董事長馬化騰表示，沒有場景支援的人工智慧研究是空中樓閣。這些年，人工智慧技術的快速發展，讓人工智慧在個人助理、汽車領域、醫療健康、安防、電商零售、金融、教育等方面的應用覆蓋了生活的各個方面。

百度公司總裁張亞勤表示，百度要做人工智慧時代的作業系統，需要建立一個生態，沒有場景的人工智慧是沒有用的。百度未來10至20年的戰略都押注在人工智慧領域，公司所有的資源和技術都向其傾斜。

人工智慧在汽車領域的應用前景十分廣闊，其中自動駕駛最受人關注。在自動駕駛領域，很多廠商已經深耕數年，這讓2016年成為自動駕駛充分競爭的一年。今年百度智慧汽車正式亮相，向全球展示了百度在高精地圖生産製造、自動駕駛環境感知等領域的領先技術，併發布自動駕駛開放平臺。通過應用人工智慧技術，能夠提高公共交通系統的安全性和效率，自動駕駛車輛也可以減少交通事故、緩解交通壓力，為實現指揮交通發揮重要作用。

阿里巴巴與杭州市政府合作，通過整合人工智慧技術的交通信號燈，使城市交通更加智慧化，減少了擁堵，在特定區域提升了11%的交通流量。吉利汽車搭建新一代核心業務系統整體上雲，實現了傳統業務的線上化和數據化運營，助力吉利汽車引領汽車行業的“網際網路+”潮流。

最近，國防科技大學相關團隊研發的醫療機器人對外公佈。該機器人通過運用超級電腦的大數據運算以及人工智慧技術，可以提供掛號、診療、體檢等一體化智慧醫療服務，包括智慧掛號、智慧診療、智慧健康體檢三大功能系統。百度在醫療O2O智慧分診、人工智慧參與的智慧問診、基因分析和精準醫療、基於大數據的新藥研發等四方面進行研發，期望把幾十萬台伺服器的運算能力和最先進的演算法，運用到醫療和健康領域。

近兩年來，長虹、美的、格力、格蘭仕等家電公司都在向智慧製造轉型，在機器人生産及應用領域進行佈局。同時，幾乎所有的家電廠商都立足“Smart Home”，將人工智慧和智慧家庭更緊密地結合在一起。

不過，接受採訪的專家表示，大多數傳統行業的業務需求與人工智慧的前沿科技成果之間尚存在不小距離。面向普通消費者的移動網際網路應用與人工智慧技術之間的結合尚處在探索階段。（記者方家喜北京報道）