人工智能工业范文

引言：寻求写作上的突破？我们特意为您精选了12篇人工智能工业范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

人工智能技术在实现完全自主的汽车方面具有重要作用。

计算机视觉

人工智能为车辆提供了所谓的“计算机视觉”，因而实现自主驾驶和大多数高级驾驶辅助系统（ADAS）功能。车辆能够在不受约束的环境下识别各种物体、场景和活动，这是如今竞相搞自动驾驶汽车的关键技术之一。在车内各种人工智能技术中，计算机视觉最复杂、最先进。车辆“视觉”由大量摄像头、雷达传感器和激光雷达（LIDAR）装置来处理。然而，要是没有“大脑”，所有输入的这些数据毫无用处。车辆的计算能力由复杂的机器学习算法组成，构成了车辆的人工智能。

机器学习算法基于对象跟踪和复杂的模式识别应用于计算机视觉输入。计算机视觉不断分析环境，将感知图像馈送到算法中。然后通过人工智能分析图像，对对象的性质进行分类。这些算法为车辆赋予“智能”，让车辆得以学习对象特征（比如运动、尺寸和形状），以便以更高的准确性对未来图像进行分类。

联网汽车

自动化和网络连接在汽车行业相辅相成。借助人工智能，联网汽车能够很快地与其他汽车以及道路基础设施进行联系。V2X通信主要分为两类：V2V通信和V2I通信。

重要的是人工智能在V2X通信技术中扮演的角色，即处理所有的后端计算和分析工作，以便为司机提供准确、及时的数据。机器学习算法将跟踪车辆速度、位置、目的地甚至驾驶偏好，提供和传送信息。人工智能将学习了解你的日程安排、选择的路线和经常停靠的点，以便在你出门上班前提供宝贵信息。

信息娱乐系统

如今最具创意的车辆功能之一是车载信息娱乐系统，人工智能让该系统上了一个新的台阶。

语音识别

语音识别为人类与技术进行交互提供了一种更简便的方法；在这种情况下，它提供了司机与汽车之间的交互。由于深度学习算法，语音识别技术已取得了长足发展。那么，人工智能如何与语音识别结合使用？首先，将你的语音解读成声波。然后，这些声波转换成算法可以解读的代码。代码被馈送后，语音与通常存储在云端（大多数人工智能计算能力在云端）的现有样本进行比较，确定所说的内容。

由于人工智能，语音识别软件会立即开始更新语音样本，并考虑特定单词的发音方式和用户语音的声调。该技术能够学会你的独特口音和单词发音方式，有出色的准确性和精确度。人工智能还帮助语音识别技术识别语音背境和声调。比如说，回复文本时，语音识别会了解你是不是提出问题，会根据需要自动添加标点符号。

虚拟助手

语音识别领域的进步为车载虚拟助手铺平了道路。虚拟助手最先出现在智能手机上，现正慢慢进入到车载信息娱乐系统。最初，司机用语音识别技术能做的事情非常有限；而如今，虚拟助手让司机可以询问路线，获取一般信息，甚至调整座位位置和空调设置。最近向汽车行业推出的Google Assistant和Siri是市面上人工智能方面最先M的虚拟助手。

比如说，用户只要说一声“Okay，Google”，Google Assistant就能激活。助手会识别你的声音，调整车辆设置和专门针对你的建议。这让Google Assistant得以管理多个用户及使用偏好。通过学习了解用户的驾驶偏好、习惯、日常行程，甚至跟踪你的位置、路线和目的地，虚拟助手可以随时给出建议。它可以提醒你在回家的路上取物件，推荐附近的餐馆，甚至在你去当地咖啡馆的路上预订咖啡。

汽车行业

人工智能技术的进步不仅影响了车辆本身，还影响了整个汽车行业。

智能机器人

篇2

人工智能将解放更多人力

 

自从人工智能概念被提出后，人工智能是否将取代人类工作就是一个热门的话题之一。这其实是对人工智能期待和忧虑的矛盾心理表现。不过有个不争的事实是：人工智能已经开始取代一般简单、重复性的体力工作了!

 

譬如，富士康的工业机器人Foxbot已经开始走上流水线展开工作，这些机器人可以日以夜继地工作，大幅度地缩减人工成本。更为重要的是，富士康的工业机器人Foxbot目前的智慧相当于3至6岁的人类，能够完成前端的高精度贴片、后端的装配和搬运环节。而另一方面，中国制造的典型城市东莞已经加速开启“机器换人”计划，力图开拓一个全新的生产时代。

 

对于人工智能的未来，很多研究报告及专家均表示人工智能将替代人类的工作。其中世界经济论坛就发表了《工作的未来》报告，该报告预测从2015至2020年，全球将减少710万个工作机会，其中约有476万个办公行政类型的职位将会被替代。

 

不过人工智能完全取代人类还有很大的距离，但是取代一些工作却是必然结果。就如美国德州莱斯大学资讯科技研究院主任瓦尔第所说，人类虽然不可能完全被取代，不过未来各行各业都将由智能机器人大幅改变现有的工作模式。机器人将取代越来越多人力工作，如药剂师、狱警、调酒工作，越来越多工作都可由机器取代人力，未来正迈向机器几乎完全取代人力的时代。

 

有相关研究表明，人工智能也仅是取代一些没有特殊知识和技能的劳力性工作。而且这并不是坏事，因为这样可以让更多劳力资源得以解放，令他们从事其它更具创新有趣的工作。另有研究也证实，自1870年以来的英国历史表明，新技术的出现和总体失业率变化并没有直接关联。数据显示，尽管新技术不断涌现，但并没有造成失业率的明显波动，决定失业率高低的是经济增长情况，而不是技术本身。

 

另一方面，随着人工智能的快速发展，传统的工作架构将会被打破，除了生产流程智能化外，人们将会更加注重大数据分析、资料视觉化、运营和管理等工作，并且有研究表明，这几种类型的工作岗位需求反而会因人工智能的发展而增加200万个工作机会。

 

人工智能投资大增

 

虽然人工智能的一直甚嚣尘上，甚至很多知名科学家也纷纷发表人工智能将威胁人类，甚至会毁灭人类的言论。譬如史蒂芬·霍金(Stephen Hawking)、比尔·盖茨(Bill Gates)、埃隆·马斯克(Elon Musk)、扬·塔里安(Jaan Tallinn)以及尼克·博斯特伦(Nick Bostrom)等人就一直对于人工智能技术的发展表示担忧。但是人们对于人工智能的未来却充满期待，非但没有因为而停下脚步，反而加大力度进行投资。

 

自 2014 年初，DeepMind Technologies 被谷歌以 6.5 亿美金收购，风险投资已经意识到人工智能领域(AI)的投资前景。数据表明，全球近年来的人工智能领域的风险投资具有快速增长的趋势。Venture SCAnner的统计显示，目前全球人工智能领域的企业达到了955家，其中395家公司已经累计获得了48.5亿美元的融资。以智能机器人风险投资为例，在2011年全球的投资额仅为1.94亿美元，但到2015年时已激增至9.23亿美元。业内人士都认为2015年是人工智能机器人的创业元年，2016年将迎来爆发式发展。

 

在中国，人工智能领域也是迅速发展。据艾瑞咨询2016年1月的报告显示，中国人工智能领域已有近百家创业公司，其中约65家获得投资，共计29.1亿人民币(约合4.48亿美元)。其中较为著名的公司有大疆科技获得7600万美元融资、Yuneec获英特尔投资6000万美元。

 

投资大增的背后是业界对人工智能机器人的未来前景充满期待。市场研究公司IDC在《全球商用机器人消费指南》上预测报告称全球智能机器人行业及相关服务市场规模年复合增长率达17%，2019年行业规模将达到1354亿美元。

 

科技企业开始发力布局

 

面对人工智能具有巨大潜力的未来，很多巨头企业自然不愿错过这一时代热潮，纷纷重视这一领域的布局，力图拿到人工智能领域的话语权。在国外，以谷歌、英特尔等巨头引领着人工智能的发展，自2013年以来，雅虎、英特尔、领英、苹果以及推特都收购了人工智能公司。在国内，以百度、腾讯、阿里为代表的科技巨头纷纷在人工智能领域中发力布局。

 

在国际上，英特尔是一家较为积极投资布局人工智能的巨头科技企业，共投资了16家AI公司。其主要在智能机器人这块进行积极部署，而且投资金额也非常高，在过去的2015年里，英特尔共投资了超过5亿美元，包括对无人机Yuneec、服务型机器人公司Savioke等。分析指出，英特尔希望抓住这次人工智能的热潮，挽回过去10年错失发展机遇的损失。

 

而在国内，除了百度推出的机器人助理“度秘”以及广泛应用人工智能技术的无人驾驶车、阿里巴巴的人工智能平台“DTPAI”和客服机器人平台、腾讯的视觉识别平台腾讯优图、智能计算与搜索实验室和撰稿机器人Dreamwriter外，中国的一些科技企业也在积极地发力进入人工智能这一领域。如，科大讯飞战略投资深圳优必选科技有限公司，试图在运动控制方面实现突破;昆仑万维出资为企业提供人工智能与大数据技术的行业解决方案;均胜电子在智能汽车技术上深耕。

 

人工智能的发展潜力已经得到了国内外科技企业的肯定，未来，将会有更多巨头科技企业强强联手开发人工智能。而且，随着各国对于人工智能发展的支持政策的出台，将会更好地刺激人工智能快速发展。

 

中国就是一个大力支持人工智能机器人发展的国家，按照工信部相关规划，到2020年前后，中国机器人产业集群规模约2844亿元，力图通过人工智能机器人开创中国制造2025的美好未来。而据有关数据显示，中国在过去两年时间已经成为智能机器人的最大买家，约占全球需求的25%。作为中国的科技企业，这不失为一个巨大的发展机遇。面对汹涌的人工智能热潮，企业可以借鉴周鸿祎所说的：“人工智能时代一旦开启，对每个人都是新的舞台。它会以指数级速度加快，技术进步不可阻挡，我们能做的，只有奋力抓住潮头，迎接变化! ”

 

人工智能将推开第四次工业革命大门

 

人类发展至今，经历了多次技术的革新换代。其中以第一次工业革命为开端，互联网技术为代表的第三次革命为突破口的发展促进了人类加速进入了后工业时代的信息时代。目前互联网信息技术的发展，为人工智能的发展提供了坚实的基础。目前，人工智能正在渗透到各行各业的改造当中。

 

有人说，人工智能是下一次的工业革命，对人类的影响将不亚于互联网对人类的影响。这点中了时代的发展脉搏，也与世界经济论坛以第四次工业革命为主题的做法不谋而合。人工智能拥有空前的运算能力，其发展的速度、影响的范围都与以往的生产方式、经济架构截然不同。

 

随着人工智能的发展，人类在人工智能的辅助下，将具备把智能设备、人和数据连接起来，并以智能方式利用这些数据的能力，从而在现实世界中实现将机器、设备和网络能在深层次与信息世界的大数据连接在一起，推动工业革命和网络革命的前进。这种革命性的转变将不是第三次工业革命的延续，而是彻底地颠覆。它将彻底颠覆人类以往的分工模式、生产生活方式。

 

人工智能在颠覆的同时也为人类带来了便利，就如周鸿祎所说：“人工智能也并不是像电影里所展示的那样，机器人会成为人类的威胁。相反，它就像工业革命之后的一切技术创新一样，会造福于我们整个人类。 ”例如智能机器人去从事危险的救火工作，避免人类的伤亡。而对于企业来说，人工智能能更好地完成一些重复性的劳力工作，而且还能节约人力成本。这也是众多科技企业大力研发适合自己企业的代工智能机器人，如Uber研发智能无人车、亚马逊研发送货智能无人机。

 

当然未来人工智能的作用远不止如此，如AlphaGo背后的Deepmind团队创始人Demis Hassabis在接受采访时透露， AlphaGo仅仅是谷歌人工智能项目的一个分支。在未来，Deepmind主要目的是“用人工智能解决一切问题”，并将进一步探索人工智能在医疗、机器人以及手机等多个领域的应用。

 

人工智能正在以其特有的方式敲击着第四次工业革命的大门，微软创始人比尔·盖茨对此就有深刻的认识，他在今年达沃斯世界经济论坛年会期间表示，许多科技领域的创新正快速推进，数字领域的创新可能继续领跑。电脑认知能力、机器人智能化、物联网以及大数据分析模式，可成为众多行业发展的基础工具。未来，第四次工业革命将在许多领域带来快速和颠覆性变化。

 

总结：做好改变的准备 迎接第四次工业革命

 

篇3

就在AlphaGo对阵李世石期间，航运业“大拿”马士基在人工智能方面进行了一次新的尝试。该公司首次完成通过无人机向海上船舶送货的任务，这也是去年马士基在世界首次使用无人机成功对浮式生产储油船（FPSO）货物油舱检测后的又一次无人机应用的创新之举。未来该公司将进行进一步测试，使无人机成为马士基船舶供应链的一部分，以节省更多的时间和资金成本。

虽然这一应用的人工智能水平不能与AlphaGo相提并论，但这也是人工智能在船舶领域应用上向前迈出的一大步。应该说，船舶业及航运业近年来在船舶的智能制造和智能运营方面已经取得了一定成果，而且在提高生产效率以及将人类从繁重劳动中解放出来的要求越来越迫切等因素的促进下，这一进程正在加速。然而，现在看来，人工智能的发展更令人惊叹，船舶的智能设计、建造和运营可能会以比我们想象中更快的速度成为现实，而且程度会比我们想象的更高。

人工智能专家认为，“AlphaGo”们运用了最新的深度学习算法，完成了从“计算”到“智能”的飞跃。这种深度学习算法是类似于人类大脑的人工智能学习法，也是人工智能领域极其重大的突破。这一突破的里程碑式意义在于，当面临一些开放性问题，而不仅是非黑即白的输赢问题，如在无人驾驶中面对天气、环境突发状况时，人工智能可能通过深度学习进行判断和操作。而这恰恰为船舶的完全人工智能操纵以及不同类型船舶的智能建造创造了条件。

目前，全球范围内已开展了多个智能船舶和无人驾驶船舶项目，如中国船舶工业集团公司主导开展的绿色海豚38800吨智能示范船建造项目、欧盟资助研发的代号为“MARS”的无人驾驶船项目、DNV GL的无人运输船设计项目、韩国现代重工的智能船舶联网系统项目等。我国建造的“会思考”的船舶，将能实现全船信息共享、自主评估与决策、船岸一体化、远程支持和服务；无人驾驶的“MARS”号预计在2020年驶向大西洋；DNV GL在设计无人运输船之前已经开发出全新的无人操作FLNG（浮式液化天然气装置）概念。船舶行业正按部就班地开展智能船舶研究，而一日千里的人工智能也许将推动这些项目加速度“前进”。

篇4

解读

“阿尔法狗”是什么鬼？

“阿尔法狗”其实是一款围棋人工智能程序，由位于英国伦敦的谷歌旗下DeepMind公司开发。它也是第一款能击败专业围棋选手的计算机软件。

据DeepMind的团队介绍，选择围棋，恰恰是因为围棋的复杂。围棋的“分支因子”无穷无尽，走法比全宇宙的原子数量还要多。传统的计算机程序在下棋时，会使用“暴力计算”的做法，为所有可能的步数建立搜索树，也就是根据数学和逻辑推理的方法，把每一种可能的路径都走一遍，从中选出最优的走法。

但是围棋棋盘有361个点，走法变化繁多，普林斯顿的研究人员算出了19×19格围棋的精确合法棋局数的所有可能性是一个171位数——比宇宙中的原子数还多。这样的计算结果，哪怕是巨型计算机也要算上许多年。而且由于围棋的每颗棋子都相同，没有大小的区分，这使得围棋的下法中增加了很多“随机”的成分，无法用逻辑推理来预测。所以围棋一直被认为是人工智能领域的最大挑战。

在阿尔法狗出现之前，电脑的围棋能力还停留在业余水平。专家预言，想击败世界上的精英选手，电脑技术至少还要再发展十年。但是“阿尔法狗”做到了。

简单来说，“阿尔法狗”系统之所以可以玩转围棋，是因为它具有两个大脑，一个叫做“策略网络”，负责选择下一步走法；另一个“价值网络”，负责预测比赛胜利者，每走一步估算一次获胜方，而不是一直搜索到比赛结束，从而减少了运算量。两个大脑配合工作，于是将围棋巨大无比的搜索空间压缩到可以控制的范围之内。

揭秘

“阿尔法狗”的围棋是怎么学的？

战胜人类的第一步是模仿人类。“阿尔法狗”首先用围棋专业棋手的3000万步实例对“价值网络”进行训练。而假如一个人要学习3000万步，每步1分钟，需要60多年。通过这种经验学习，阿尔法狗对人类走法的预测准确率就能达到57%了。

模仿之后，第二步便是超越人类。“阿尔法狗”最特别的一点就是，它可以“深度学习”。DeepMind公司CEO哈萨比斯说：“AlphaGo的棋风跟人类很像，因为它会像人一样去学，而且在下棋的过程中变得越来越强大，你我都是这么学的。”

传统意义下，计算机做出的所有反应都依赖于人类事先写入的、具体的程序。因此，如果把所有非典型的例子都一一穷尽，转化为代码告诉计算机，是一项非常庞杂的工作。

但是“阿尔法狗”不会如此“按部就班”，它可以像人脑一样自己来学习，不断提升棋艺，靠的就是“深度机器学习网络”。简单来说，阿尔法狗可以自己与自己对弈，目前它自我对弈已经超过3000万局，在这个过程中，“阿尔法狗”不断积累胜负经验，举一反三，形成对围棋的一种“全局观”。如此，“阿尔法狗”在接下来的比赛中就不会完全依赖于“经验”，而是依靠自己的评价网络，带有创新性地选择最有利于自己的走法。

“阿尔法狗”与人类对战已经不是第一次了，去年10月，它就曾以5：0的成绩完胜欧洲围棋冠军、职业二段选手樊麾。在那之后，有专家就曾预测，“计算机程序击败围棋世界冠军是迟早的事，这是因为，计算机的运算速度比人脑快得多，能凭借‘大数据+深度学习’在短期分析完一个人一生也无法穷尽的棋谱，棋力提升的速度和幅度都很惊人。”

分析

人工智能距离我们有多远？

在“阿尔法狗”战胜李世石后，许多人惊讶于人工智能的高水平，并且立志学习围棋，以便有一天能离人工智能更近一步。事实上，人工智能距离我们并不远，并且会越来越近。

如果你有一部iPhone，就可以通过SIRI语音助手直接让它为你接打电话、读取短信、介绍餐厅、报告天气等，用户可以和SIRI对话，如果SIRI没理解，还会反问，“您是要导航去公司，还是回家？”这里的SIRI就是一套人工智能语音系统。

人工智能，就是能以人类智能相似的方式作出反应的智能机器。家里的扫地机器人可以自动发现污物并帮助打扫，这就是人工智能的功劳。

前不久腾讯开发的一款写稿机器人Dreamwriter，可以根据算法在第一时间自动生成稿件，瞬时输出分析和研判，一分钟内将重要资讯和解读送达用户。上个月，搜狐推出了智能股市播报系统，由机器人自动跟踪、捕捉市场的动态，进行纯粹客观描述，以信息流的方式推送给用户。上述两项人工智能引发了对机器与人工之间如何平衡的讨论，有专家表示，“机器重在扫描挖掘发现信号和机会，而人工重在深度分析和评论，只有找到其中的平衡点，才能满足用户对资讯有效性的实际需求，带来创造性的阅读体验。”

此外，支付宝推出的“芝麻信用评分”也是基于人工智能机器评出的，人工智能结合用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度客观呈现个人信用状况的综合评分。分数达到一定标准，可以享受各种信用借贷、免押服务、实名社交服务。

这些生活中的场景都是基于人工智能完成的，而科学家们也在致力于用人工智能解决更多生活中的问题，哈萨比斯说：“尽管游戏是开发和测试人工智能快捷高效的完美平台，但我们最终还是想用这些技术来解决现实世界中的重要问题。我们的方法具有普遍性，所以我们希望有一天能够对它们进行扩展，帮助我们解决人类社会中最棘手也是最紧迫的问题，这些问题从气候建模到疑难杂症分析，不一而足。”

预期

什么职业会被人工智能取代？

在人机大战的前三局都被“阿尔法狗”拿下后，许多网友恐慌，人类最终会不会被机器所取代呢？事实上，随着人工智能的发展，机器确实可以通过深度学习来代替人类做越来越多的工作，根据一项报告，到2025年，约有25%的工作将由人工智能或是机器人所取代。但是，人类依靠独有的创造性、互动性和谈判性，在一些职业中仍然占有绝对优势。

2013年，由牛津大学一位研究者的论文显示，未来有700多种职业都有被机器替代的可能性。职业中可自动化、计算机化的任务越多，就越有可能被交给机器完成，其中以行政、销售、服务业最为危险。

尽管机器可以模仿人类的大脑进行学习，但是在目前的科技水平下，相比人类，机器欠缺了原创能力、互动能力和谈判能力。因此，具备这三种要素的职业便不容易被机器替代。比如文创、科技和管理行业，就比较安全。

根据上述论文，内外科医生、编舞、教师、作家、律师、人力资源经理、科学家、工程师和记者属于比较安全的、不容易被替代的职业；相反，司机、技工、建筑工人、裁缝、快递员、抄表员、收银员、保安和洗碗工属于比较危险的、有可能被机器替代的职业。

即使如此，专家表示，人类也无需恐慌，虽然计算机可能在一些方面超过人类，但是它依旧不是“整全的人”，例如“阿尔法狗”，它只会下围棋，并不像人类可以做许多事情：弹琴、下棋、与人交流，甚至创造各种人工智能系统……只有人类能处理生活中纷繁复杂的情况，人工智能取代人类的担心为时尚早。

但是，在人工智能逐渐代替人类工作的情况下，如何找到机器和人工的平衡点，也是需要思考的问题。比如有业内人士对智能写稿、智能看盘机器人表示，“智能化资讯不仅仅只是简单地进行数据挖掘、分析，更重要的是解决机器与人工和谐发展的问题，机器重在扫描挖掘发现信号和机会，而人工重在深度分析和评论，只有找到其中的平衡点，才能满足用户对资讯有效性的实际需求，带来创造性的阅读体验。”

影响

人工智能概念股被带火

随着“人机大战”的进行，原本默默无闻的人工智能概念股被推上风口浪尖。周四、周五人工智能概念股领涨两市。周五从早盘开始，A股人工智能概念股纷纷上涨。截至收盘，科大智能、大橡塑、远大智能涨停，泰尔重工、宝德股份等涨幅超5%，劲拓股份、埃斯顿等涨幅也逾4%。此外，数据显示，多只人工智能概念股出现大单流入的状况，其中，两只涨停股科大智能和远大智能超大单净流入分别达5659.59万元、5462.39万元。

某券商分析师对北青报记者表示，相关概念股的上涨是必然的，并表示：“人工智能被我国科技界视为弯道超车的一次难得的历史机遇，我们坚定地看好人工智能这一未来最重要的产业方向，并推荐智能医疗、视频安防、人脸识别、图像识别、专家系统和硬件设备等多个行业和产业的相关股票。”

另有分析师指出，依托人工智能的消费端和工业端的机器人也将是未来的热点。其中，助老助残机器人、护理机器人、医疗手术机器人、清洁机器人、娱乐机器人将成为消费市场的重要需求。另外根据《工信部关于推进工业机器人产业发展的指导意见》，到2020年要建立完善的智能制造装备产业体系，产业销售收入超过3万亿元，实现装备的智能化及制造过程的自动化，也意味着工业机器人的市场空间潜力巨大。

不过，有趣的是，一位证券行业从业者表示，虽然人工智能概念股大火，但自己并没有心情炒，反而担心“让它来分析A股，估计我们都要失业”。

相关新闻

篇5

资料来源：前瞻产业研究院整理

目前我国在人工智能的研究上与发达国家相比、甚至与美国相比都不算落后，这对于我们国家来说是难得的历史机遇，是提升综合国力和影响力的绝佳机会。如今我国在国家层面制订人工智能发展战略，并加快推进，我国完全有可能利用市场需求优势、用户数据优势等，抢占人工智能技术和产业的制高点，实现人工智能技术“弯道超车”。

人工智能行业市场规模

随着人工智能在我国移动互联网、智能家居等领域的发展，我国人工智能产业将持续高速成长。据前瞻产业研究院的《人工智能行业市场前瞻与投资战略规划分析报告》数据显示，2015年，我国人工智能产业规模为69.3亿元，同比增长42.7%;2016年我国人工智能产业规模达到95.6亿元，同比增长37.9%。

随着相关政策的加速落地，我国人工智能产业已步入新的发展阶段。当前人工智能行业基础条件已经具备，随着深度学习算法日趋成熟以及数据资源的加速增长，人工智能技术有望不断提升，机器视觉和自然语音处理等人工智能技术将迎来发展新机遇，预计到2022年，我国人工智能产业规模将达到335.6亿元。

2014-2022年中国人工智能产业规模及预测(单位：亿元，%)

资料来源：前瞻产业研究院整理

中国人工智能企业积极布局

出于对人工智能行业商业前景的看好，国内巨头纷纷战略进军人工智能领域，百度、阿里、腾讯均在人工智能领域发力。其中，百度从2013年开始搭建AI团队，同时涉足了深度学习与自动驾驶领域，并推出了“百度大脑”计划，于2017年展出了Apollo自动驾驶平台;阿里巴巴推出了国内首个人工智能平台“DTPAI”;腾讯推出了撰稿机器人Dreamwriter，开放了视觉识别平台腾讯优图，同时成立了腾讯智能计算与搜索实验室。

篇6

黄鼎隆解释，长期以来人们认为机器只会计算，没有直觉。AlphaGo通过神经网络实现了“直觉”，证明了在诸多细分领域，经过大样本的训练后机器能够进行判断，如同时尚设计师可以判断某款设计其他人会不会觉得好看，一个警察能够通过人物的言谈举止推测他有无不良动机。

作为深圳市政协委员，黄鼎隆在今年递交给深圳两会的提案中称，人工智能与智能硬件、可穿戴设备、机器人、无人机、大数据、工业4.0、生物基因等多个产业相关联，甚至是这些产业的关键突破所在。

“人工智能可以成为整合多个产业的平台级入口，是下一个引领式创新的风口机会。”黄鼎隆在提案中写道。

人工智能热浪袭来

60年前的达特茅斯会议上，AI(人工智能)概念被提出。几经起伏，60年后，世界顶级围棋选手投子认输的那一刻，人类开始以另一种眼光看待看似科幻的“人工智能”。

打开苹果App Store，输入“人工智能”，排在首位的是深圳码隆科技推出的一款叫做StyleAI的时尚APP。它是一款通过上传取景图片，便能快速匹配时尚达人和其他用户服饰搭配的应用，能够实现一键购买相应单品。

黄鼎隆向21世纪经济报道记者解释称，如果把信息系统看成人的大脑，互联网能够存储知识，人工智能则扮演视觉中枢的作用，即对视觉图像进行解读。

码隆科技的目标是希望打造一个视觉决策引擎。未来，在设备上，可以拓展到手机、无人机、机器人、可穿戴设备等所有带有摄像头便能获取视觉图像的设备，可在端到端的细分领域，衣食住行等各方面拓展。

相比之下，国际科技巨头在2011年前后便纷纷开始投入巨资研发人工智能技术，相继获得突破性进展。谷歌研发出可以自学玩游戏、可实现无人驾驶的人工智能系统；Facebook展示了可以向盲人描述图片内容的人工智能系统；微软宣布Skype开始支持任意两种语言之间实时翻译。

黄鼎隆认为，这一波技术突破源于三个因素：计算能力的巨大提升、数据的极大丰富和核心算法的重要突破。

目前，这波技术已经传导到国内。百度的人工智能技术已经应用在它的搜索、广告等产品线和业务线上；腾讯推出了可以自动识别图片内容的服务；阿里推出了人脸识别技术并应用于金融支付；一些创业公司也在图像、语音智能识别等领域进行开拓。

人工智能可以分为感知、认知、行为三个层面。当前，人工智能技术发展主要集中在感知智能阶段。推出全球首款情感社交机器人“公子小白”的深圳狗尾草科技CEO邱楠认为，人工智能的应用过程就像电脑普及，并不能期待技术完美无缺。

“通过优秀的感知智能与特定域的认知智能，可以做出特定领域满足一定需求的优秀机器人，应该通过科技和设计的结合多创造一些应用场景，促进人工智能服务人类。”

艾瑞咨询研究总监刘赞介绍，未来人工智能的应用场景分为两部分：一是替代人工，做一些重复性的劳动，比如全自动生产线、机器翻译、无人驾驶等；另一部分是辅助人类实现更高层次的智能，比如智能交通分流系统，虚拟个人助理，VR/AR眼镜等。

产业转换刚起步

央视猴年春晚上，29架大疆无人机和540个优必选机器人向大众释放出科技领域的智能信号。事实上，产业与人工智能之间的关系才刚刚开始。

据优必选研发总经理庞建新介绍，应用控制、路径规划和机器人的感知、认知、决策是机器人的三大核心技术。其中应用控制技术属于机器人本体算法；路径规划是机器人本体技术和人工智能相结合的体现；在认知、感知、决策领域，机器人如何认识、观察世界，以及如何根据信息做出正确决策属于人工智能领域。

从产业链上看，可以把人工智能分为基础、技术、应用三层。基础层指数据资源、计算能力；技术层包括算法、模型及应用开发；应用层则包括硬件和基于智能化的虚拟服务。前者比如机器人、智能硬件、无人机等；后者如虚拟的售后售前服务以及个人服务助手等。

“算法和技术是人工智能的核心，如果一个企业只有应用层，那它可能是阶段性的服务。”刘赞认为。

目前优必选已经有比较完善的产业链布局。庞建新透露，今年优必选将与国内外高校、研究所成立机器人相关产业研究院以及人工智能、机器人本体、运动控制技术等上下游相关产业的联合研究院。

主推空中机器人的大疆，未来发展思路与优必选类似，即对机器人的感知、控制、决策三大模块进行深度研究。“随着人们对人工智能研究的深入，该领域会呈现多学科交流的多样性特点。对此，大疆也在努力探索，目前还没有太好的解决方案。”

大疆技术总监杨硕认为，对学术界的人来说，三个模块的研究是分开的，而真正设计一个完整的机器人系统，必须要考虑耦合性。

庞建新告诉21世纪经济报道记者，具体的产品应用是一个系统，单方面进步难以带来产业飞跃，需要整体向前走。目前，大疆、优必选、码隆科技等企业都将自己的平台开放给开发者。

目前，大疆已经和超过20多所国内外高校签订合作协议，由大疆提供飞行器平台，教授、学生在平台上进行智能和传感器方面的技术开发。优必选也开放了人工智能技术，通过开发者能够获取更多应用场景并促进产品迭代。今年4月，优必选将推出积木机器人，把开放模块做成接口，供用户打造自己的机器人。

刘赞认为，目前人工智能基本属于实验阶段，只有一些实力强大的核心企业参与。技术上自身较难突破，需依赖其他领域的技术投入，发展周期较长，需要长期智力、资金等资源投入。

“短期来看，基于目前较为成熟的感知智能技术，如语音、视觉识别的服务硬件产品等应用开发会比较多。”刘赞说。

篇7

人工智能其实离每个人都很近，就像北京旷视科技Face+创始人兼CEO印奇所说：“今年是个人脸识别的大年。”印奇非常看好一个行业，叫“城市大脑”。他表示，在新型城市的建设里面有很多安防摄像头，这些摄像头连接会成为整个城市建设的基础信息，这些信息量是最全的，这是一个未来物理世界和城市管理的基础设施，这些基础数据会像水电煤一样体现在各个方面。

印奇认为，当大家提到人工智能的时候，一定要做人工智能的产业和行业结合，人工智能的公司不能简单说是一家技术公司，而是要做产品落地。同时他还提出：“在人工智能(AI)这个场景下，最终的商业价值的话语权取决于对数据运营权的争夺，我们到底是一个AI+行业，还是行业+AI，最终看这个行业最重要的流通数据掌握在什么样的生态里。”

ScopeMedia Inc.，联合创始人，CEO王延青非常赞同印奇的观点。他说，人工智能一定要跟行业结合，要不然自己就是一个数学公式。

王延青说：“我们自己尽量多做产品，少做项目，因为我感觉人工智能现在仍然处于一个找市场、找突破口，没有一个公司真正垄断的行业，把一个入口做好就是一件很好的事情。同时，我们试图做成某种标杆、某种标准，这也是我们一个努力的方向。”

对于人工智能的理解，哈佛大学脑科学中心博士/脑机接口公司BrainCo创始人兼CEO韩壁丞相信，通过数据的力量可以让非启蒙式的脑接口走向普及的大众。比如能够实时了解学生上课状态的的智能仪器，用大脑来控制的智能假肢、中风偏瘫患者的康复产品，以及预防老年痴呆的产品，都是人工智能和接口做的具体商业化的产品和落地。

中国新一代人工智能发展战略研究院副院长刘刚教授也谈了自己对人工智能的看法。他表示，人工智能用在智能制造的时候实际上是两条路径，一条是阿里巴巴的工业大脑，还有一条是往控制系统上做。人工智能在产品化和商业化的过程中，任何一个新技术都要解决市场技术识别、资源整合和合法化这三个问题。

篇8

人工智能时代，是继农业革命、工业革命后，人类现代社会的第三次浪潮时代。以人工智能、大数据、物联网等为代表的新技术、新应用应运而生[1]。包装产业作为典型的传统产业，人的操作技能与经验曾发挥着决定性的重要作用，对生产效率、产品质量等有着重要的影响。然而，随着包装产业向绿色化、数字化、智能化、融合化的技术升级与转型，企业的岗位设置和人才需求也正在发生巨大变化[2]。为了深入了解包装相关产业的转型，深圳职业技术学院传播工程学院会同中国印刷科学技术研究院针对四类包括包装印刷生产企业、包装设计公司、设备制造企业和终端品牌客户在内的28家大中型代表性企业开展了“人工智能时代包装人才需求的调研”。本文将结合这次调研结果，探讨人工智能时代高职院校包装专业人才培养转型。

一、包装相关企业用人现状分析

根据调研数据分析，对于包装印刷生产企业，人员占比最大的是印刷生产人员和印后加工人员，这体现出目前我国包装印刷生产行业的现实情况，即印刷生产及印后加工自动化、数字化、智能化水平都处于较落后的状态。但随着数字车间、智能工厂的建设，印刷生产、印后加工、质检、仓储物流岗位将更多地被智能化设备所替代[3]，因此这些岗位的人员需求度将逐年降低。对于包装设计公司，人才需求主要集中在策划及包装创意设计人员，且设计师岗位工作目前受到人工智能技术的冲击较小。这也说明在人工智能时代，设计师岗位结构变化不大，因为设计岗位属于智力劳动型岗位，对设计师的专业知识和创新能力要求较高。作为包装印刷企业服务商的设备制造企业，其主要人员岗位均集中在产品研发人员、产品生产人员及售后服务人员。在这次人工智能技术革命中，设备制造商将发挥着重要作用，其产品要满足智能化的需要，就必须掌握并应用人工智能相关的技术，所以未来其产品研发岗位必定是设备制造企业的核心岗位，且对人才的要求较高，需求较旺盛。而对于最受毕业生就业喜欢的终端品牌客户其产品研发人员的比例远远高于前三类企业，产品研发人员一直是终端品牌客户关注的主要岗位，未来需求也将保持稳定。在调研中我们还发现，除了上述固有岗位结构变化外，对于包装类企业在人工智能时代也将催生一批新的就业岗位，如IE工程师、智能设备操作员、云服务平台运维人员、智能化信息管理人员、智能化物流管理仓储人才、智能化服务平台的运营人员等，这些新岗位的出现为包装高职教育提出更高的人才培养要求。

二、人工智能时代对包装专业高职人才培养提出的新要求

人工智能时代，技术创新不断涌现，包装产业结构也随之调整，在人才知识结构和专业技术能力要求两方面对包装专业高职人才的培养提出了新要求。

（一）人才知识结构要求

根据调研数据分析，从企业选择数量来看，人工智能时代，包装专业人才需要具备的知识，按照占比排前的依次为“包装策划与营销知识”“包装结构设计”“智能包装技术”“包装造型设计”。在人工智能时代，包装专业人才需要跨界融合的趋势越来越明显。作为一个包装从业人员要不断强化市场营销意识，根据包装产品的属性与特点，结合市场与消费者需求进行设计开发，并将功能、结构、装潢、材料、生产工艺等方面的因素同时考虑，进行针对性、多样化包装设计。例如，包装设计已由单品包装转为系列化的包装设计，一套茶叶包装可扩充为茶叶包、茶叶盒、茶叶手提袋等多种包装产品。另外，人工智能时代，智能包装必定成为包装行业的主流趋势，因此，日常工作中，包装设计师在保留包装产品基本功能后，还应设法提升产品的附加价值，进行品牌推广的同时需增加感知、监控、定位、记录等相关信息的辅助包装设计功能，帮助客户对产品流通全程进行跟踪、监控，以提高供应链整体效率，使客户安心放心使用产品[4]。与此同时，包装专业人才还应具备数据统计与分析、AR/VR/HTML5等新技术知识，可以帮助包装设计师了解消费者的心理动态，设计出更符合消费者需求的包装产品。

（二）专业能力要求

人工智能时代，随着客户需求的提高、包装承载功能的丰富，包装相关企业对于包装专业人才的能力有更高的要求，各调研对象对必备能力的选择，从选择的数量上来看，对于包装专业人才必须具备的能力排名靠前的分别是“对市场品牌的敏感度与审美”“包装造型与外观创意设计能力”“包装产品策划能力”和“包装结构设计能力”。这充分说明包装专业人才属于智慧型人才，需为客户提供品牌策划与设计方案。为此，首先要了解客户需求，对设计品牌的起源、特点及标志有一定认识，才能正确、清楚地进行需求定位；其次才是设计环节。而人工智能时代，包装专业人才的竞争，将不再局限于纸面上的设计图案，创新思维将成为当前包装策划设计人才的核心竞争力。

三、人工智能时代高职院校包装专业人才培养转型建议

人工智能等新技术与包装产业的融合对包装教育提出更高的要求和人才培养规格[5]。高职教育作为一种比其他教育类型更贴近市场、更注重实用性的教育，需要及时调整专业定位和人才培养目标。

（一）专业定位

高职教育以市场和就业为导向，企业需要什么样的人才，我们就应当培养什么样的人才，从前面的调研数据可知，无论是知识结构还是能力要求，策划和设计都是最重要的两个点。包装策划指根据产品特色与生产条件并结合市场与消费需求，对产品的市场目标、包装方式与品牌定位进行整体方向性规划定位的决策活动。包装设计则是一个大设计概念，包含装潢设计、结构设计、造型设计、运输包装设计、工艺设计等[6]。目前包装人才培养方面各院校更多偏重于设计、技术方面，而忽视了策划。未来，整个行业对具有市场数据分析、文案写作、创新思维、市场营销的策划类人才将有更多的需求。包装人才，策划先行，包装专业需在策划类课程建设、师资培养等方面投入更多精力。

（二）人才培养目标

包装产业的融合性特点使得包装专业人才跨界融合的趋势越来越明显。未来，行业将更需要能提供包装整体解决方案的复合型高技术高技能人才，因此在人才培养目标的制订上将体现以下三个方面的特点。1.具有跨学科、跨专业知识背景调研数据显示，包装企业从业者往往身兼数职，需要同时掌握多种专业知识和业务知识。例如包装策划人员，一方面要有市场营销知识和品牌推广能力，对于客户消费心理有基本的分析和判断；另一方面还需要具备设计思维和设计技能，同时还应对各种包装材料、包装形式、包装工艺有深入了解。因此包装人才培养，不仅要具备包装设计、包装材料、包装工艺等知识，还要具备计算机软件应用、市场营销等方面的知识和技能以及人工智能基础知识。2.具有运用大数据分析、人工智能、物联网技术的能力目前包装企业还面临设备操作智能化水平低、数据信息交互机制缺失、生产劳动强度大的局面。为了更快地推进包装企业的智能化，实现高质高效，包装企业现阶段更需要一批既懂包装专业知识，又精通大数据分析、信息化、网络化、智能技术的技术型人才。包装专业人才同样需要运用大数据分析客户需求、客户喜好，同时能够将人工智能技术、物联网、区块链技术引入包装设计中，发展智能化包装。3.具有创新思维创新是企业发展最核心的动力，从前面的调研也可以看出，在人工智能时代，创新技术和创新设计已经成为企业的第一核心竞争力，特别是作为包装专业人才，需要通过策划、创意设计进行包装的创新以满足功能上的新要求和视觉上的新鲜感。没有创新思维，就像无本之木，没有办法实现包装在功能、形式、外观、材料等方面的创新。企业首先看重的就是创新思维，其次才是专业能力。高职院校应在平时教学中注重培养学生基于专业知识的发散思维，通过各种竞赛锻炼创新实践能力。应积极组织学生参与“包装之星”“世界之星”“全国包装设计职业技能大赛”等科技竞赛，以赛促学，以赛育人，参与设计专题讨论交流，切实提高学生的专业素养和培养质量

篇9

【正文】

临淄区现有规模以上“四强”企业195家，占全部规上企业63%，其中，新材料企业166家，新医药企业5家、电子信息企业9家、智能装备企业22家。截至10月底，全区规模以上“四强”企业工业增加值占全部规上工业增加值的比重达到了37.1%，较去年底提高了7.8个百分点。“四强”产业和人工智能已逐渐成为推动新经济发展的核心动能，不断助力全区工业高质量发展。临淄区人大高度重视以人工智能赋能“四强”产业推动新经济发展工作，组织省市区人大代表运用常委会视察、专题调研等多种形式进企业、看项目、提建议，对全区以人工智能赋能“四强”产业推动新经济发展工作把脉问诊。现形成调研报告如下：

一、人工智能赋能“四强”产业的基本情况

(一)政策叠加增信心。为推动工业企业特别是“四强”产业应用人工智能技术加快转型升级，自2019年以来我区相继出台了《临淄区制造业单项冠军企业培育提升三年行动计划》《临淄区制造业智能化技术改造三年优化行动方案(2020-2022年)》《临淄区大力推进“五个优化”传统产业转型升级三年倍增计划(2020—2022年)》等多项务实、高效、接地气的扶持政策，遴选一批业内领先的服务商，对规模以上企业开展全覆盖的智能化诊断，重点针对“四强”企业的智能化改造类项目，分装备、产线、车间、工厂等不同层次精准支持补贴20至100万元，政策力度在区县层面上位居前列。结合实际、因地制宜、量身定制的多元化政策充分发挥了财政资金引导作用，为应用人工智能的先行者增进信心，推动企业加速步入数字化发展快车道。

(二)标杆示范促转型。每年分智慧工厂、数字车间、智能产线等各个层级，选树10家左右人工智能成效良好的“四强”试点示范企业，组织全区规模以上工业企业现场对标参观交流。2019年至今，根据行业侧重点的不同，先后组织了对标齐翔、单项冠军、智能化改造等多个领域的现场会10余次，参与企业超500家次，打造了齐翔腾达、齐峰新材、英科环保、洁林塑管、巧媳妇、顺意电器等大中小不同规模企业标杆。企业间对标学习在全区营造了比学赶帮超的良好氛围，提升了企业开展智能化转型升级的积极性，有效加快了“四强”产业人工智能的发展进程。

(三)机制倒逼提质量。出台落实“零增地”技改项目工程优惠政策，对符合规划和安全环保要求的“零增地”技改项目给予大力支持，从而鼓励企业聚焦人工智能技术应用，利用有限的资源和生产要素创造更大的效益。印发《临淄区工业企业“亩产效益”评价改革实施方案(试行)》，高标准推进“亩产效益”评价改革，创新性地导入了“企业360”体系，将两化融合贯标、智能车间建设、智能改造投资等企业人工智能相关的发展情况纳入加分提档项，实行能源价格、用地指标、应急响应等差异化政策，倒逼落后企业在数字化转型和应用人工智能的道路上奋勇争先、提档进位。

(四)工业互联开新局。为加速“四强”产业数字化、协同化、智能化升级，加快推广人工智能技术与实体经济融合应用，培育和支持一批本地的优秀软件和信息服务企业发展，我区以推进工业互联网建设为切入点，与华为软件技术有限公司、山东爱特云翔信息技术有限公司签订三方协议，成立工业互联网发展中心，每年设立1500万元专项补贴资金，用于扶持我区企业购买使用发展中心提供的资源及服务，举办人工智能和工业互联网相关培训。未来五年时间，我们力争将全区30强企业全部改造一遍，将优秀企业家和人工智能人才培训一遍，以人工智能将“四强”产业全部赋能升级一遍，打造新经济发展的临淄样板。

二、人工智能赋能“四强”产业发展中存在的问题

虽然我区人工智能发展领先，“四强”产业整体向好，但在政策引导、产业布局、要素保障等方面仍存在一些短板和问题，主要包括：

一是政策专业性和导向性不够突出。目前我区出台的单项冠军企业培育、智能化技术改造、“五个优化”倍增计划等支持工业高质量发展的扶持政策，对“四强”产业和人工智能虽有一定倾斜，但对产业赋能的专业性和融合发展的导向性不强。

二是“四强”产业区域特色不够明显。目前我区新材料产业产值占“四强”比重约80%，在人工智能提升产品收率、提高产品质量、降低生产能耗等方面有较大需求，但我区产业赋能整体思路不够明确，缺少有区域特色的人工智能侧重点和突破点。

三是人才平台等新兴要素不够充裕。我市现行的“人才金政37条”和区级配套的人才政策，侧重于对高层次和高学历人才的一次性奖补和对创新平台的一次性扶持，存在唯职称、唯学历的弊端，对人工智能领域专业技术性人才的引进和培育能力偏弱，且部分人才仅在我区挂名或短期过渡，对人才长期发展的持续性支持不足。

三、加快人工智能赋能“四强”产业推动新经济发展的几点建议

篇10

2016年，弱人工智能程序Alpha Go战胜了围棋大师李世石一事在世界范围内产生了巨大反响，人工智能概念在全球范围内瞬即成为热点头条，人们开始关注并期待着人工智能可能带给世界及生活的贡献与改变。赞许之余，仍需指出，虽然从目前来看人工智能的发展对于威胁人类尚有很大距离，但随着大量资本投入到人工智能产业中，人工智能产业驶向了发展的快车道。加速进步的人工智能会对人类社会产生极大的不确定性，新技术的产生会使现有风险不断异化，产生新的风险规律，一些稳定的逻辑会逐渐被替代，整个世界的打开方式会变得大不一样。

新事物的产生伴随着旧事物的灭亡，如同阿里巴巴的出现引起了实体店的倒闭与转型，人工智能的发展将会取代人类更多的工作。当下，一方面不能因为人工智能的不稳定因素就对其放弃开发与使用，但另一方面则需对如下理念获得清醒认知，即：无法控制的人工智能定会给人类社会带来危害。为此，将需要展开系统研究，从而准确把握人工智能所带来的风险，创新风险管理模式，采取有效的风险防控措施，并将风险防范意识从研发创造的源头一直渗透到使用过程中，就需要世界各国与国际组织的大力扶持与人工智能专家们的不断努力。

1人工智能产业发展现状

据Venture Scanner的调查报告，截至2016年11月，全球范围内总计1 485家与人工智能技术有关公司的融资总额达到了89亿美元。与任何一个行业相比，89亿美元的融资量都显得微不足道，但同比2016年年初的48亿美元的融资总额，人工智能a业已然大获丰收。伴随着我国BAT等科技巨头积极规划的战略布局的成功推出，国内人工智能产业发展同样十分迅速，及时了解行业现状尤为重要。本小节将在如下要点方面针对国内外人工智能产业的发展现状给出综合阐释与分析。

1.1企业

根据《乌镇指数：全球人工智能发展报告（2016）》，全球人工智能企业集中在少数国家，其中美国、中国、英国企业数分别为2 905、709、366，总共占据全球企业的65.73%。

中国人工智能企业主要集中在北京、上海、广东等发达地区，发达地区的人工智能企业约占全国的85%左右。其中，北京市为人工智能企业集中创新地。

经济发达地区的信息化程度较高、互联网发展迅速、融资环境优良，适合各类高新产业的成长发展。上述数据也表明了人工智能企业在经济较为发达地区的发展要更为迅速。

1.2融资

全球人工智能企业的融资情况与企业分布的情况大致相同，美国人工智能企业在2016年融资总量约为180亿美元，中国企业为25.7亿美元，英国企业为8.16亿美元。

中国2015年人工智能行业获投金额约为100亿人民币，同比上升40%左右，略低于全球平均水平，其中机器人领域的投资比例则居于全领域首位。

1.3成果

全球专利数据库的数据表明，美国人工智能行业申请的专利总数约为2.7万件，中国为1.6万件，日本位列全球第三、约为1.5万件。将美国和中国的公司总数和融资金额分别与专利成果相对比，中国人工智能企业创造专利成果的效率要远远高于美国。2017年2月美国《大西洋月刊》中的刊文指出：中国的大学及公司在研发和使用人工智能方面已开始超越美国同行。

中国人工智能企业专利数量按地区分布明显，集中在北京、上海、江苏、广东和浙江五个地区，占总体60%左右。其中，机器人方向的专利占总体的38%左右。

1.4政策

近年来，世界各国和国际组织纷纷出台相关政策扶持人工智能产业。以美国、欧盟和中国为例，制定计划内容即如表1所示。

2人工智能产业发展的风险分析

科技创新必然将带来社会进步，但同时也必将面临新的问题侵扰及风险。现如今世界正处在第三次工业革命之中，在享受着快捷、便利与智能的同时，却也并行涌现了诸如失业、信息泄露等风险。但是当人工智能的收益远大于其风险的时候，就需要准确把握风险的类别及规律，采取合理的手段管控风险。随着人工智能产业的发展，技术会更加成熟，产业结构不断优化，风险的种类和性质也会逐渐变化，弱人工智能与强人工智能所带来的风险后果也将截然不同。在此，针对人工智能产业在发展过程中的各类可能新风险则可展开如下的研究论述。

2.1伦理风险

学界和业界有许多关于人工智能伦理问题的讨论，比如是否该赋予机器人人权？人工智能的伦理问题一直是舆论焦点，但始终也没有定论，多年来人工智能行业在伦理担忧中逐渐前进，诸如人工智能的使用过程中，偶尔难免会做出违背人道主义的事情，谩骂、殴打和虐待这些恶性事件就可能降临到机器人的头上，甚至当机器人变成发泄的工具、变态的玩具的时候，人类是否为这样的行为找到了正当理由？当人工智能接近人类智能时，是否能够守住人类的伦理与道德底线，给予其切实合理的伦理定位也仍是当下值得探索深思的开放性研究课题。

2.2技术风险

几十年来人工智能的发展已经深入到各个领域，涉及数学、计算机科学、心理学、神经学等众多门类，在机器人、识别系统、智能分析、智能设计等方面获得了广泛应用。历史上由技术故障导致的机器人“伤人”事件早在20世纪70年代即已见诸报端，而人工智能技术的发展并没有从根本上解决此类问题。2016年11月，第十八届中国国际高新成果交易会上由于工作人员的操作失误，使机器人撞向站台，划伤观众。由此可见，人工智能最为直接的现实挑战就是技术风险。除了威胁人类日常生活安全，人工智能的技术风险也可能造成信息泄露等一系列伴生问题。诸如此类的技术问题从源头上只能交给产品开发者来研究控制，如果不将“意外”的因素考虑进去，人工智能技术便不能进入真正的推广普及。

2.3军事风险

一个国家最先进的科技通常即会先行进入军事领域寻求拓展应用，早在20世纪60年代人工智能仅是处于定义推出阶段，世界各国便已开启了人工智能在军事领域的研究，无论从智能指挥系统等技术方面的应用还是替代士兵作战的功能，人工智能在军事领域的研究均已呈现向纵深及广域展开态势。未来的军备竞赛是兵器技术与人工智能的比拼，也是军事费用与研究水平的比拼。必须指出，战争风险仍然存在，但当机器人士兵大量出现时，战争消耗变成了纯粹的资本消耗，人身伤亡的减少会削弱道德与舆论的呼声，战争则可能会变得更加频繁与迅速。

2.4异化风险

国内外的诸多学者与专家都坚信，人工智能在未来会超越人类智能，人类正在创造一个比自身更加强大的物种。那么许多科幻电影的剧情便有可能真实上演，人工智能的异化与反抗便具备了发生可能。许多人工智能的专家也许仍持反面异议，因其会相信自己的技术水平而不是虚妄的预测。但是正如历史已然证明，就像原子弹与克隆技术一样，科学家们创造出来的成果往往并不能由本群体来决定是否投入使用。那么时下的当务之急就要合理把控这些风险，利用制度与立法规范人工智能的开发与使用，避免极端事件的发生。

3对策及建议

综上可得，现今已然无法阻挡也不会阻挡科技创新的步伐，但却必须在人工智能产生危机之前采取适当的预防性行动及相应的制度化措施来规避可能到来的危险。详情阐述可见如下。

3.1立法与监督

2017年1月，欧洲议会法律事务委员会呼吁制定有关人工智能与机器人的法案。法律是规范人工智能的研发与使用的最佳选择。许多可能会发生的风险，都可以由法律来提供约束化解，在研发方面，可以规定机器人“铁律”、量化机器人的智能等级、限制人工智能的应用范围等；在使用方面，可以限制公司对不同级别机器人的最大使用数量或占全体工作人员的比例并逐渐放宽该项措施，以降低失业潮所产生的不良影响。并且，有必要设立监管部门进行专项监督，从保障“人”的利益出发，规范市场行为，维护行业秩序，防止人工智能的肆意开发与过度使用。

3.2加强国际合作

人工智能所带来的风险是世界性的，世界各国和国际组织应该积极加强合作交流应对风险。各国应在联合国的通力协调下联合建立用于研究人工智能风险与安全问题的组织，解决人工智能所产生的国际问题。国际问题只能借由国际合作交流来一致探索设计策略与合理模式，世界各国应牢固树立人类命运共同体意识，在共同宗旨下推动世界在人工智能飞速发展的背景环境下实现平稳有序向前迈进。

3.3\用保险手段

随着科技的发展，保险业在金融业的地位逐渐提高，新型保险产品可以帮助人工智能企业与个人分散风险。现在并未推出与人工智能相关的保险产品，保险公司有待开发针对人工智能与机器人的企业责任保险、个人人身保险与财产保险，当人工智能出现技术问题造成被保险人人身伤亡与财产损失时，保险公司的赔付会在一定程度上减轻企业与个人的经济负担。

3.4征税与创新

篇11

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。

2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。

如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。

第一部分人工智能行业发展概述

1.人工智能概念及发展

人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。

自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。

人工智能发展历程

2.人工智能产业链图谱

人工智能产业链可以分为基础设施层、应用技术层和行业应用层。

A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。

B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。

C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。

人工智能产业链

资料来源：创业邦研究中心

第二部分人工智能行业巨头布局

巨头积极寻找人工智能落地场景，B、C 端全面发力。

资料来源：券商报告、互联网公开信息，创业邦研究中心整理

第三部分机器视觉技术解读及行业分析

1.机器视觉技术概念

机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。

机器视觉的两个组成部分

资料来源：互联网公开信息，创业邦研究中心整理

2.发展关键要素：数据、算力和算法

数据、算力和算法是影响机器视觉行业发展的三要素。 人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。

深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。

3.商业模式分析

机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。

（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口

这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。

此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。

国内外基础算法应用对比

资料来源：互联网公开信息，创业邦研究中心整理

（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口

软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。

4.投资方向

（1）前端智能化，低成本的视觉解决模块或设备

从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。

机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。

（2）深度学习解决视觉算法场景的专用芯片

以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。

（3）新兴服务领域的特殊应用

前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。

（4）数据是争夺要点，应用场景是着力关键

机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。

第四部分智能语言技术解读及行业分析

1.语音识别技术

（1）语音识别技术已趋成熟，全球应用持续升温

语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。

（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流

语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。

（3）语音识别技术发展瓶颈与趋势

低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。

麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。

在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。

2.自然语言处理（NLP）发展现状

（1）多技术融合应用促进NLP技术及应用的发展

深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。

深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。

（2）NLP主要应用场景

问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。

图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。

机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。

对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。

（3）创业公司的机遇

1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。

2)应用于垂直领域的自然语言处理技术

避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。

第五部分人工智能在金融行业的应用分析

人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。

人工智能在金融行业的典型应用情况

资料来源：创业邦研究中心

第六部分人工智能在医疗行业的应用分析

1.人工智能在医疗行业的应用图谱

人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。

图 人工智能在医疗行业的应用图谱

资料来源：创业邦研究中心

2.人工智能在医疗行业的具体应用场景

医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。 人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。

药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速 、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。

虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。

第七部分智能驾驶行业分析

1.智能驾驶行业产业链

智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。

产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。

智能驾驶产业链图谱

资料来源：创业邦研究中心

2.智能驾驶市场分析

伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然 后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之 外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。

按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。

根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量 产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年 将达到 3100 亿美元。

第八部分中国人工智能企业画像分析

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。

地域分布

全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。

行业分布

从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位， 国内与国际差距明显，中小初创企业很难进入。

从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出， 目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。

收入情况

收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。

最新估值

企业最新估值均在亿元级别，且分布较为均衡。三成企业估值超过15亿元，还有企业估值达到百亿级别，如优必

选科技、达闼科技和商汤科技等，将来或将跻身人工智能独角兽企业。(备注：分析样本量剔除一半未披露企业)

第九部分典型企业案例分析

1.Atman

企业概述

Atman由来自微软的人工智能科学家和产业经验丰富的产品团队创办，提供专业领域机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品，致力于成为医学、新闻、法律等专业领域语言智能专家，为专业领域用户赋能，推动专业领域用户进入人工智能时代，助力专业领域文字智能水平实现跨越式提升。Atman已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品。

目前Atman在北京和苏州两地运营，能快速响应全国各地客户需求。

企业团队

创始人&CEO：马磊

清华大学计算机系毕业，曾先后在微软研究院和工程院担任研究员和架构师，机器学习专家、多次创业者、曾主导多项人工智能重大项目，和申请国际专利共计15+项。

Atman公司核心团队由来自微软、百度、法电等领域高端人才和资深技术人才组成，公司员工40人，其中硕士以上学历占比60%，技术开发人员占比70%，一半以上来自微软亚洲研究院和工程院。

核心技术与产品

技术方面，擅长机器学习（深度学习、强化学习、群体智能）在复杂问题的应用，和国际专利15项，Atman神经网络机器翻译系统于2016年9月首秀，早于谷歌的GNMT，专业领域翻译效果在公测标准和行业客户测试中均持续领先。核心产品为垂直领域机器翻译、机器写作、知识图谱抽取构建、大数据智能挖掘等语言智能产品。

Atman的机器翻译产品可自动翻译编辑专业文献、报告、音视频和网页，支持私有部署和云端混合部署，提供包括数据隐私安全以及自学习的端到端解决方案。

机器写作可对海量数据进行快速搜索、过滤、聚类，根据行业需求自动生成专业文档，适用于所有专业写作场景，可大幅减少专业报告写作过程中的繁复工作，大幅提升专业领域写作效率。

知识图谱可实现海量数据的语义检索、长链推理、意图识别、因果分析，形成一个全局知识库。大数据智能采集挖掘系统为专业领域用户提供智能数据源管理、海量专业数据获取和非结构化数据自动解析并结合知识图谱提供auto-screening、知识重构、专业决策辅助，帮助用户建立强大的以专业大数据为基础的业务辅助能力。

2.黑芝麻

企业概述

黑芝麻智能科技有限公司是一家视觉感知核心技术与应用软件开发企业，2016年分别在美国硅谷和上海成立研发中心，主攻领域为嵌入式图像、计算机视觉，公司核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知平台，为ADAS及自动驾驶提供完整的视觉感知方案。

目前公司和博世、滴滴、蔚来、上汽、上汽大通、EVCARD、中科创达、车联天下和云乐新能源等展开深入合作，提供基于视觉的感知方案；除此之外，公司还在消费电子、智能家居等领域布局为智能终端提供视觉解决方案。目前公司已经完成A+轮融资。

企业团队

团队核心成员来自于OmniVision、博世、安霸、英伟达和高通等知名企业，平均拥有超过15年以上的产业经验，毕业于清华、交大、中科大和浙大等知名高校。

创始人&CEO：单记章此前在硅谷一家全球顶尖的图像传感器公司工作近20年，离职前担任该公司的技术副总裁一职，工作内容覆盖了图像传感器研发和设计、图像处理算法研发和图像处理芯片设计。

核心技术和产品

在汽车领域，黑芝麻可提供车内监控方案（DMS），自动泊车方案（AVP），ADAS/自动驾驶感知平台方案。黑芝麻智能科技提供的解决方案包括算法和芯片两个核心部分：黑芝麻感知算法从基础的控光技术，到面向AI的图像处理技术出发来提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程；黑芝麻芯片平台采用独有的神经网络架构，包括独有的图像处理，视频压缩和计算机视觉模块，与黑芝麻视觉算法结合，采用16nm制程，设计功耗2.5w，每秒浮点计算达20T。

3.乂学教育

企业概述

乂学教育，成立于2014年，是一家网络教育培训机构，采用人工智能和大数据技术，为学生提供量身定制学习解决方案和个性化学习内容。核心团队来自美国Knewton、Realizeit、ALEKS等人工智能教育公司，销售团队有全国40亿toC销售额的经验。

企业自主研发了针对中国K12领域的学生智适应学习产品，其核心部分是以高级算法为核心的智适应学习引擎“松鼠AI”，该产品拥有完整自主知识产权，能够模拟真实特级教师教学。企业发表的学术论文得到了全球国际学术会议AIED、CSEDU、UMAP认可，并在纽约设计了人工智能教育实验室，与斯坦福国际研究院（SRI）在硅谷成立了人工智能联合实验室。

主要产品

学生智适应学习是以学生为中心的智能化、个性化教育，在教、学、评、测、练等教学过程中应用人工智能技术，在模拟优秀教师的基础之上，达到超越真人教学的目的。该产品性价比高，以人工智能+真人教师的模式，做到因材施教，有效解决传统教育课时费用高，名师资源少，学习效率低等问题。

智适应学习人工智能系统

智适应学习人工智能系统模拟特级教师，采用图论、概率图模型，机器学习完成知识点拆分和个人学习画像，采用神经网络、逻辑斯蒂回归和遗传算法为学生实时动态推荐最佳学习路径，实现个性化教育。

业务模式

线上与线下，2B和2C相结合。以松鼠AI智适应系统教学为主，真人教师辅助，学生通过互联网在线上学习课程。开创教育新零售模式，授权线下合作学校，已在全国100多个城市开设500多家学校。

4.云从科技

企业概述

云从科技成立于2015年4月，是一家孵化于中国科学院重庆研究院的高科技企业，专注于计算机视觉与人工智 能。云从科技是人工智能行业国家队，是中科院战略先导项目人脸识别团队唯一代表，唯一一家同时受邀制定人 脸识别国家标准、行业标准的企业。2018年，云从科技成为祖国“一带一路”战略实行路上的人工智能先锋，与 非洲南部第二大经济体津巴布韦政府完成签约。

云从科技奠定了行业领导地位： 国家肯定，国家发改委2017、2018年人工智能重大工程承建单位；顶层设计，唯一同时制定国标、部标和行标的人工智能企业；模式创新，三大平台解决方案，科学家平台、核心技术平台和行业应用平台。

企业核心团队

创始人

周曦博士，师从四院院士、计算机视觉之父—ThomasS.Huan黄煦涛教授，专注于人工智能识别领域的计算机视觉 研究。入选中科院“百人计划”，曾任中国科学院重庆研究院信息所副所长、智能多媒体技术研究中心主任。

周曦博士带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠;在国际顶级会议、杂志 上发表60余篇文章，被引用上千次。

核心技术团队

云从科技依托美国UIUC和硅谷两个前沿实验室，中科院、上海交大两个联合实验室上海、广州、重庆、成都四 个研发中心组成的三级研发架构。目前研发团队已经超过300人，80%以上拥有硕士学历。

技术优势

全方位多维智能学习模块适应不同场景要求；模块化设计为在工业视觉、医学影像、自动驾驶AR等领域扩展打下良好基础。

云从科技具有高技术壁垒：世界智能识别挑战赛成绩斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微软全球图像识别挑战赛上共计夺得7次世界冠军;在银行、公安等行业智能识别技术 PK实战中，85次获得第一；2018年，云从科技入选MIT全球十大突破性技术代表企业。

在跨镜追踪(ReID)技术上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三个数据同时集体刷 新世界记录， Market-1501上的首位命中率达到96.6%，首次达到商用水平。

正式在国内“3D结构光人脸识别技术”，可全面应用于手机、电脑、机具、设备、家电。相较以往的2D人 脸识别及以红外活体检测技术，3D结构光人脸识别技术拥有不需要用户进行任何动作配合完成活体验证的功能， 分析时间压缩到了毫秒级以及不受环境光线强弱的影响等诸多优点，受到国际巨头公司的关注。

行业应用

目前国内有能力自建系统的银行约为148家。截止2018年3月15日，已经完成招标的银行约为121家，其中云从科 技中标了88家总行平台，市场占有率约为72.7%;在安防领域推动中科院与公安部全面合作，通过公安部重大课题研发火眼人脸大数据平台等智能化系统，在民航领域，已经与中科院重庆院合作覆盖80%的枢纽机场。

5.Yi+

企业概述

北京陌上花科技是领先的计算机视觉引擎服务商，为企业提供视觉内容智能化和商业化解决方案。致力于“发现视觉信息的价值”。

旗下品牌Yi+是世界一流的人工智能计算机视觉引擎，衣+是时尚商品搜索引擎。公司在图像视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。

目前公司和阿里巴巴、爱奇艺、优酷土豆、中国有线、CIBN、中信国安、海信、华为、360等数十家顶级机构/产品深度合作，通过提供边看边买引擎、图像视频内容分析引擎、人脸识别引擎等基于视觉识别技术的数据结构化产品服务于海量用户，同时帮助政府机构、广电系统、内容媒体、零售商、电商、视听设备等行业实现智能分析、智能互动与场景营销。目前公司已经获得B轮融资。

企业团队

团队成员来自于斯坦福、耶鲁、帝国理工、新加坡国大、南洋理工、清华、北大、中科院等名校及谷歌、微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等名企。

创始人&CEO：张默

北京大学软件工程硕士， 南洋理工大学创业创新硕士。连续创业者， 曾任华为算法工程师、微软WindowsMobile工程师、 IBM SmarterCity 架构师，北方区合作伙伴经理，主机Linux中国区负责人，中国区开源联盟负责人，年销售额数亿。 2013年创业于美国硅谷和新加坡，2014年6月在中国设立北京陌上花科技有限公司。

核心技术与产品

技术方面，在国际顶级计算机视觉竞赛ImageNet中，成绩曾超过谷歌、斯坦福等，2015-2016年2年获得十项世界第一。2018年3月，人脸识别准确率位列LFW榜首。Yi+通过遵循无限制，标记的外部数据协议。 Yi+的系统由人脸检测，人脸对齐和人脸描述符提取组成。使用多重损失和训练数据集训练CNN模型，其中包含来自多个来源的约10M个图像，其中包含150，000个人（训练数据集与LFW没有交集）。在测试时， Yi+使用原始的LFW图像并应用简单的L2norm。图像对之间的相似性用欧氏距离来测量，最终取得优异成绩。

公司的核心产品主要包括视觉搜索引擎，图像视频分析引擎以及人脸识别和分析引擎：

行业解决方案

针对营销、安防、相机和电视的不同特点，推出相应解决方案。

营销+AI。场景化广告方案中，大屏AI助理信息流推荐、神字幕、物体/人脸AR动态贴图、video-out、场景化角标与广告滤镜等形式的广告内容推荐，适用于快消、汽车、电商、IT、金融、旅游服务等多个行业。

智慧城市+AI。使用计算及视觉助力智慧城市，在智慧安防、智慧交通、智慧园区等方面提供解决方案。在智慧安防实时识别上，实时处理直播摄像头信息，算法反应敏捷，相应迅速。建立智慧园区方案模型，考虑扩展性&灵活性、数据管理、松散耦合性、安全性、实时整合性以及功能性和非功能性需求等技术方案要素，从业务和技术两方面整合解决方案实现步骤。

电视+AI。电视+AI的解决方案赋予智能电视多样播放能力和营销能力。

相机+AI。相机更具交互能力。用户通过搜索关键字标签同步展示图片，打通相册和购物一站式体验。准确识别人物属性特征，动态适应表情变化，可以在视频以及图像中对人脸实时检测，基于深度学习技术，进行人脸相似度检测，实现面部关键点定位、妆容图像渲染，试用与粉底、唇彩以及眼影等多种虚拟试装方式。实时检测摄像头中出现的物品、场景和人脸等，添加AR效果，SDK支持本地检测、识别、追踪，平均检测帧率可达到25fps。

新零售+AI。Yi+新零售解决方案是基于公司自主研发的人脸识别、商品识别和其他图像识别算法技术为核心，建立一整套基于人脸、商品的智能零售门店管理方案。Yi+新零售解决方案主要包含数据采集、算法模型说明和部署方案三部分，其中数据采集包括人脸数据采集、商品数据采集；算法模型说明包括识别算法训练、商品识别、识别输出；部署方案包括本地部署、云端部署、本地部署与云端部署结合。

6.擎创科技

企业简介

擎创科技成立于2016年，专注于将人工智能和机器学习赋予传统IT运维／企业运营管理，为企业客户提供智能运维大数据分析解决方案，从而取代和改善对高技能运维人员严重依赖的现状。2017年，擎创科技已实现全年2000万营收，迅速成为国内AIOps领域的领跑者和中流砥柱。2018年初，擎创科技完成了数千万人民币的A轮融资，由火山石投资领投，晨晖创投、元璟资本及新加坡STTelemedia跟投。

核心团队

擎创团队的核心成员主要由BMC、微软等美国企业服务上市公司的运维老兵，与新浪、饿了么等知名互联网公司的大数据、算法专家组成，核心团队成员至少拥有10年以上的行业经验。其中CEO杨辰是国内最顶级的B端销售，曾带领团队获得10倍的业绩增长；CTO葛晓波拥有长达15年的企业级软件开发和运维经验；而产品总监屈中泠则来自甲方，创业前为浦发硅谷银行企业架构师，深知甲方对企业运维产品的需求。这个曾经深耕于运维企业服务市场的团队，如今在智能运维企业服务赛道继续领跑，让擎创科技成为最懂企业的客户，最值得企业客户信赖的软件厂商。

主要产品

“夏洛克AIOps” 作为擎创自主研发的大数据智能运维主打产品，自2016年上线以来，已从1.0版本升级至1.9版本，可应用在金融、大型制造业、铁路民航、能源电力等涉及国家发展和民生问题的多种行业。在2017全球运维大会上，夏洛克AIOps获得由中国信息通信研究院与高效运维社区联合颁发的“年度最具影响力AIOps产品”奖。

“夏洛克AIOps”充分利用自研算法辅助客户实现IT运维价值，结合客户的现有情况，规划从传统ITOM至AIOps智能运维的一站式路径，助其运营落地，由此打破数据孤岛，建立统一的大数据智能分析平台，实现以人工智能为核心，驱动传统IT运维监、管、控三个层面，并将相关运维数据及业务数据实时展现。

“夏洛克AIOps”拥有多项自研算法，犹如运维界的福尔摩斯，能迅速发现并定位运维问题的根因，实现秒级排障，最大程度避免企业产生重大损失。更有价值的是，“夏洛克AIOps”还能通过长期的数据积累和机器学习，运用新型深度神经网络算法对企业的业务数据进行预测，帮助企业提前规划IT资源，高效预防各类黑天鹅事件的发生。

商业模式

目前，擎创科技已与多家金融和制造行业标杆客户形成稳定的合作关系，包括浦发银行、浦发硅谷银行、国家开发银行、上海铁路局、银联、海尔、浙江能源等。针对不同客户，采用个性化的商业模式进行服务，目前主要有私有模式和SaaS模式两种，都具有较强的可复制性。

篇12

鸿海集团董事长郭台铭曾提出“黑灯工厂”的概念，其在“中外政企对话”论坛上，说：“目前富士康的几个工厂已经可以实现生产流程的智能全记录，并且每一个步骤都会自动化检测，最终做到关灯生产了。”用智能机械设备操作来代替人工，以实现生产作业的标准化、大幅提升产品质量同时，更有效降低用工成本，智能化生产将成为越来越多制造型企业的选择。而智能制造的大范围应用必然降低企业对普通劳动生产者的需求，制造型企业仅需保留少量拥有新设备操作与维护技能、可适应企业智能化生产及管理的新型技术工人即可满足生产需求。

二、部分标准化服务作业将由人工智能取代

除传统的制造工厂，服务型企业也纷纷加入到智能化操作领域。电商物流服务是近年来快速发展起来的新行业，随着电子商务市场交易规模的不断攀升，快递人工费用的飞速上涨，为降低运营成本，提高服务质量，电商企业不断突破管理及作业模式，向智能化物流快步迈进。以京东快递的分拣机器人为例，一群长约60厘米，宽约50厘米，可承重5公斤的橘红色小机器人，以3米每秒的速度在京东的分拣仓库运行，每小时即可完成18000件包裹的分拣任务。而另一款京东配送机器人也正式下线并进入试运营阶段，该机器接到配送订单及路线后，便会按照预先设定的路线行驶，并在距离配送目的地100米左右位置时，通过信息系统向收货人发送收件信息：“亲，有你的快遞”。国家邮政总局在《快递业发展“十三五”规划》中明确提出，鼓励快递企业采用先进适用的技术和装备，推进机器人、无人飞机、无人汽车的研发和应用。除物流行业外，原人工服务的部分银行窗口业务、餐厅点餐、医院挂号及缴费、话费车费充值等大批技术含量低的标准服务作业亦正由人工智能逐步取代，传统服务性行业释放出的劳动力规模不容小觑。

三、服务型经济背景下人才需求结构发生迁徙

服务型经济背景下，客户服务人才需求日益增加。著名社会学家丹尼尔·贝尔在《后工业社会的来临——对社会预测的一项探索》著作中，将经济发展阶段划分为前工业社会、工业社会和后工业社会。其中后工业社会表现的主要特征为：（1）经济结构从商品生产经济向服务型经济转移；（2）以技术阶层的崛起为特征的职业分布；（3）理论知识日益成为创新源泉和制定社会政策的依据。据以上特征我们按图索骥不难发现，中国许多城市的经济结构及职业分布已经符合后工业时代的上述特征。历史经验证明，科技进步及产业升级必将淘汰一部分落后工种，但同时亦将催生出大量新的工作岗位以满足社会发展的需要，随着后工业时代服务型经济的不断发展，掌握着先进理念和技能的服务型人才需求将进一步扩大。

综上所述，不论是传统制造业释放出大量劳动力的就业迁徙，还是机器人把人们从简单枯燥的工作中解放出来享受生活，未来职业分布及消费趋势的重心都将向服务行业倾斜。据国家统计局官方数据显示：2017上半年，服务业增加值206516亿元，同比增长7.7%，增速较上年同期提高0.2个百分点，比国内生产总值和第二产业增加值分别高出0.8和1.3个百分点。国务院《关于加快发展服务业的若干意见》中明确指示，我国到2020年，基本实现经济结构向服务经济为主的转变，服务业增加值占国内生产总值的比重超过50%，就业容量将显著增加。

四、高职院校应契合市场需求，建设高素质服务型人才培养基地

高等职业教育是一种具有明确就业取向的教育体系，该体系的最终目的是为社会发展提供能满足需求的人才培养服务。2017上半年，全国规模以上服务业企业从业人数同比增长5.6%，增速高于第二产业4.9个百分点，在全部规模以上企业同比新增的就业人员中，服务业新增加的就业人员占73.7%，高于第二产业47.5个百分点。高等职业学校应积极部署和规划学生向社会需求不断增加的服务技能专业转移，完成其向社会输送高技能人才的使命。

然而，在相当长的一段历史时期内，受计划经济体制的影响，我国的服务行业发展较发达国家严重停滞，随着经济的发展和市场的开放，我国企业若想改变服务落后的现状，增加企业在国际化竞争中的软实力，必须从思想根源上着手改革，重视服务意识、服务创新意识及可接轨国际服务管理体系的人才培养方式。高等职业院校亦应迎合市场需求，积极进行高素质服务型人才培养计划制定。

高素质服务型人才培养方案设计应着重围绕以下要素展开：

1.服务意识培养

服务是产品不可分割的一部分。服务能力来自于从业人员对服务深刻的认识，好的服务不仅仅是服务技巧、业务娴熟，更重要的是服务的意识和态度。中国有成百上千家火锅连锁店，但把店开到海外，载入哈佛商学院经典成功案例的只“海底捞”一家。海底捞掌门人张勇秉持的信念“好的服务可以赚大钱”。正是基于对优质服务的执着追求，才成就了今天的海底捞，而实施有温度的优质服务的前提条件便是每一名员工都具备良好的服务意识。高等职业学校应从关注顾客需求、重视顾客感受，了解顾客满意对于企业长久发展的重要战略意义等维度对学生展开服务意识的培养。

2.精细化、个性化服务能力培养

优质服务必须打破传统被动服务的模式。优质的服务需要具备细节、体现人性化、灵活而又多变；通过建立顾客资料库，进行多维度、深层次的数据分析，有针对性地主动开展满足用户个性化需求的全方位服务，并形成信息追踪的闭环操作，不断完善数据的精度，让用户享受到超出预期的服务体验，进而提升顾客满意度，为企业创造服务附加价值。服务技能型人才培养需要增加服务营销类课程设计，让学生了解市场细分原理、精耕细作的营销操作方式；同时增强学生数据调研、整理、分析等操作技能。

3.接轨国际服务管理体系的视角培养

拥有接轨国际的服务人才将是我国向服务型经济转型的重要基础。我国是一个有着丰富自然及人文旅游资源的国家，然而在很多西方人意愿中，选择亚洲城市旅游出行日本东京往往被放置首位。东京拥有便利发达的公共服务设施、先进的医疗技术、治安环境亚洲居首、干净整洁的城市居所、较高普及程度的双语言教育以及热情主动、注重细节的服务体验等，每年为东京吸引着大批的海外游客。除日本东京外，亚洲的新加坡、中国香港、曼谷等城市亦都深受全球游客的喜爱，除高度发达的公共服务设施外，与国际接轨的服务理念，高度的双语教育是以上城市备受热捧的原因。高等职业学校应迎合当下我国城市建设和发展的需要，积极为社会提供具备接轨国际服务视角，拥有双语服务能力的人才。

4.服务创新能力培养