人工智能发展迎来新拐点

本篇文章4168字，读完约10分钟

在疫情期间，大量人工智能企业充分利用人工智能使能技术和智能产品的优势，在疫情防控、疾病诊断、民生保障等诸多方面做出了积极贡献。人工智能的价值已经在COVID-19的肺炎流行中得到充分体现。

目前，人工智能被纳入新基础设施的重点建设领域，这意味着人工智能技术和场景应用建设将成为主要的投资战场。人工智能产业不仅有巨大的市场规模，而且在产业链中有强大的驱动力。它在数字经济时代扮演着引擎的角色，并将重塑工业、交通、医疗和金融等行业。专家预测，今年将成为中国人工智能产业发展的关键节点，人工智能技术的使能效用将进一步凸显。

今年是人工智能发展的关键一年

近年来，人工智能等新经济已经成为国家和各地的新方向和新起点。

2017年，《新一代人工智能发展规划》出台，明确了中国新一代人工智能发展的战略目标。相关政策和具体行业支持开始集中。据不完全统计，20多个省市已经出台了支持人工智能产业发展的战略和政策。2019年，中国人工智能企业数量超过4000家，位居世界第二。

同时，人工智能已经成为中国领先科技企业的重要发展战略。百度宣布了一个完整的人工智能生态开放战略，并提出了以开放和赋权为核心的人工智能。腾讯基于企业、社会和学术界的关系以及三种应用场景，推出了人工智能的战略布局。中国电子发布了“x+ai”专项行动计划，目标是数据智能、机器智能和群体智能。华为是2018年的人工智能战略，从五个方面整合资源。

中国工程院院士、eecs总裁高文表示，中国发展人工智能有四大优势，即政策优势、海量数据资源优势、应用场景优势和年轻人才优势。他认为，在一些关键的核心技术上，中国的人工智能已经在世界上处于领先地位，比如人脸识别和语音识别，中国在世界上处于领先地位。

一些机构预测，在未来五年，人工智能预计将增加投资2000多亿元。到2025年，世界人工智能市场将超过6万亿美元，复合年增长率为30%。中国工程院院士何赫真表示:“根据中国《新一代人工智能发展规划》，到2030年，人工智能核心产业规模将超过1万亿元，带动相关产业规模超过10万亿元。”

人工智能产业不仅规模巨大，而且产业链庞大。业内人士在接受记者采访时表示，人工智能将重塑交通、医疗、金融等行业，今年将成为中国人工智能发展的关键节点。

最近对“新基础设施”的七个主要领域的划分意味着人工智能和场景应用的基础设施将成为消费者投资的主战场。在2020年初的战争“流行病”中，人工智能发挥了不可替代的作用，这使得地方政府和企业看到了人工智能技术的赋权效应。

目前，在人工智能的专利申请量和投融资规模方面，中国已经超过美国成为人工智能领域的第一大国，区域人工智能规划和聚类效果显著。抓住人工智能发展的重大战略机遇，打造我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，已成为业界的共识。

CCID咨询公司人工智能产业研究中心副总经理李丹表示，随着人工智能产业被纳入新的基础设施，国家将更加重视人工智能产业的发展，这对基础技术和落地场景非常重要。

百度首席技术官王海峰表示，新的基础设施将通过新兴技术的快速突破和应用，推动国民经济发展新旧动能的转换。作为一个重要的章节，人工智能，大数据等。已经显示了服务社会和经济的重要价值。我相信下一阶段将会迎来更大的发展。教育、医疗和金融等城市管理者和企业通过智能云直接访问人工智能服务是大势所趋。

Inspur集团高级副总裁肖雪在接受记者采访时表示，人工智能的三驾马车是计算能力、算法和数据，人工智能将成为一种新的基础设施，这将推动更多的投资和更多的企业进入这一轨道，这意味着更多的人工智能计算能力将由平台服务提供，更多的行业算法和模型将由授权服务提供，这将加速各行业使用人工智能的转型和升级。

推定科技首席执行官陈宽强调，新基础设施的建议将有助于改善人工智能商业化市场环境的顺畅性，深化人工智能技术的积累和沉淀，促进行业标准的形成，从而使中国人工智能行业的国际竞争力逐步提高。

据推测，1月31日，COVID-19肺炎人工智能特别版正式推出，其合作伙伴武汉同济医院成为该版本在疫区的核心医院。十天内，COVID-19中的假定肺炎产品在10多家医院着陆，以帮助筛查肺炎感染和监测疫情。

Horizon公司创始人兼首席执行官余凯表示，在数字经济时代，人工智能可以将数据转化为动能，实现生产和决策自动化，并发挥发电机和发动机的作用，从而全面推动工业发展。

企业需要确定仅仅需要的应用场景

“任何成功的人工智能企业都必须高度垂直，然后才能深入产业转型。每一个深入供应领域的行业都会产生巨大的影响。”陈宽告诉记者。

在医疗保健领域，人工智能的应用场景越来越多，包括诊断、治疗、过程辅助、甲亢管理、药物研发和医学研究。推理技术公司成立于2016年初，从人工智能辅助肺筛查产品开始，通过深入医生工作场景，逐步建立了完整、全过程的人工智能疾病管理路径。

业内人士告诉记者，在人工智能时代，企业需要首先确定自己需要的应用场景，然后在这个应用场景中形成数据迭代，从而推动技术的不断进步。以长期医疗行业为例，企业需要提前3~5年开始布局。因此，不同细分市场的初创企业更容易获得成功。

李丹表示，从应用层面来看，在COVID-19肺炎疫情期间，人工智能与医学领域的结合在公众视野中出现了更多的病例，这也成为中国人工智能“多元开花”的一个缩影。例如，上塘科技利用人工智能深度学习、图像识别等技术，基本实现了公共场所无人值守智能温度检测。上海钛米机器人公司开发的智能消毒机器人已在武汉和上海的医院投入使用。Iflytek为湖北省的中小学提供免费的在线直播教学系统——智慧空中学。阿里巴巴云使用人工智能将判断新冠状病毒ct片的时间从5小时缩短到15分钟。易图科技利用人工智能算法帮助1亿元，将新的冠状病毒肺炎的定量评估时间从5到6小时缩短到几分钟。

在采访中，记者了解到，人工智能行业主要分为基础层、技术层和应用层。包括bat在内的国家人工智能平台相对强大，从基础层到技术层和应用平台都有布局，在人工智能产业化和商业化方面也逐渐成熟。而国内初创企业主要集中在应用层。基于巨大的国内市场，应用层技术在各个垂直行业中逐渐深入。业内人士认为，随着新的基础设施政策的出台，中国将出现一批新的独角兽企业，许多新技术和新模式的“人工智能+”将大量应用。医疗保健、安全、教育和智能驾驶领域是他们的发展方向。

高文认为，自己的优势在全球人工智能领域非常重要。目前，美国在基础研究方面走在世界前列，而中国在实现人工智能应用场景优化及其相应的商业布局方面走在世界前列。中国的人工智能应用场景已经渗透到生活的各个方面，在智能医疗、智能教育、智能城市等领域有着丰富的实践场景，推动了人工智能应用的爆发，形成了人工智能国际竞争的核心竞争力。

有人说人工智能就像“水、电、气”，其价值需要与应用场景相结合，并在应用中发布。在中国推动经济转型和高质量经济发展的同时，还有很多问题和场景，等待人工智能充分发挥作用。

为了将人工智能和大数据充分应用于经济转型的困难和痛点，有必要打破界限。中国工程院院士王建不久前表示，要整合应用，必须进行数据应用的试点示范，加快应用模式的迭代创新。鼓励有基础、有需求、有动力的企业深入开展数据应用试点，打造一批基于人工智能和区块链的数据应用案例和业务解决方案，培育和构建数据创新和价值挖掘的应用生态系统，加强试点示范和引导方式，营造基于数据价值挖掘和新迭代模式的制造业加速转型升级良好氛围。

对此，陈宽也表达了同样的观点:“中国的人工智能产业拥有较大的样本基础、数据量和更多的应用场景，因此人工智能技术可以在应用过程中不断得到反馈，形成技术的不断迭代升级。”这是中国人工智能行业的最大优势。”

有必要避免技术阶段的过高期望

将人工智能集成到新的基础设施中无疑会给整个行业带来巨大的推动。

接受采访的行业专家普遍认为，人工智能与实体经济加速融合，带动了制造业、物流、金融、零售等一大批传统产业的转型升级，智能为新旧动能转换和中国国民经济高质量发展提供了强有力的支撑。

百度董事长兼首席执行官李彦宏表示，当前数字经济正在向以人工智能为核心驱动力的智能经济新阶段演进，相应的新基础设施建设也需要国家在投资、建设和协调方面发挥主导作用。在他看来，以人工智能为代表的智能经济的基础设施建设水平，决定了在新一轮技术红利浪潮下，中国能否在全球格局中占据更有利的地位。

对于新基础设施的主战场，大规模的智能城市和智能交通系统受到一致青睐。李彦宏认为，利用人工智能构建智能交通解决方案可以提供交通系统的感知能力，实现车辆与道路之间的信息共享和交互，有效避免或减少交通事故，为城市智能交通系统服务。

鉴于人工智能技术将加速大量数据分析问题的解决，大大缩短研究周期，李丹说:“人工智能在智能医疗方向的应用将加速其推广。”未来，新的基础设施可能会加大在医疗领域引入人工智能技术的力度。”阿里巴巴达摩研究所和百度研究所投资了病毒基因结构测序和新药研发。COVID-19在肺炎流行期间的“人工智能+医疗”表现也让外界相信，人工智能在医学领域的发展将具有无限的潜力。

在采访中，肖雪还谈到了汽车运输和医疗保健，这是两个典型的场景，数据量巨大，对人工智能的需求巨大。对于这两个行业，他谈到了行业人工智能计算平台。通过为汽车、医疗等领域提供人工智能计算平台和算法服务，将进一步改变医疗困难、交通困难的局面。余凯指出，随着新的国家基础设施的引进，自主驾驶将加速其发展。据估计，到2025年，二级以上自动驾驶的装配率将达到70%。

与此同时，李丹指出，对于中小企业来说，落地难，这需要政府加大投入，与人工智能公司合作，以及政策和人才的支持。

中国科学院科技发展战略研究所研究员李秀泉表示，人工智能的全球产业化总体上仍处于初级阶段，有必要避免技术阶段的过度预期和概念上的投机性发展。首先，要加强产学研合作创新，加快人工智能产业化若干关键技术的突破。二是加强智能基础设施建设，巩固制造业等领域的基础信息化能力。第三，我们应该加快对早期登陆场景的探索，从实体经济的业务需求角度追求能力提升，通过应用迭代加快技术成熟。