人(rén)工智能(néng)火(huǒ)熱背後的産業鏈布局分(fēn)析
2017年7月(yuè)(yuè)8日，随着《新(xīn)一(yī)代人(rén)工智能(néng)發展規劃》的發布，國務(wù)院開始從整體(tǐ)上(shàng)部署我國的人(rén)工智能(néng)發展規劃，并對2030年前的我國新(xīn)人(rén)工智能(néng)發展的總體(tǐ)思路(lù)、戰略目标和主要任務(wù)、保障措施進行系統的規劃和部署。主要體(tǐ)現(xiàn)在：加快(kuài)智能(néng)産品的研發、智能(néng)制造使能(néng)工具與系統、智能(néng)制造雲服務(wù)平台，建立智能(néng)制造标準體(tǐ)系，推進制造全生(shēng)命周期活動智能(néng)化(huà)。
從國家戰略來(lái)看，未來(lái)一(yī)段時(shí)間(jiān)内，人(rén)工智能(néng)和制造業的結合将成為(wèi)推進智能(néng)制造的主要手段。從産業發展情況來(lái)看，人(rén)工智能(néng)産業架構已經初具雛形，主要包括基礎支撐層、技術驅動層和場(chǎng)景應用層，筆者将主要從這(zhè)三個(gè)層面對人(rén)工智能(néng)産業鏈進行梳理(lǐ)和解析。
人(rén)工智能(néng)熱背後的産業鏈布局分(fēn)析
基礎支撐層：國際IT巨頭長期盤踞，中國初創企業很難進入
在人(rén)工智能(néng)領域，傳統的芯片計算(suàn)架構已無法支撐深度學習等大規模并行計算(suàn)的需求，這(zhè)就(jiù)需要新(xīn)的底層硬件來(lái)更好(hǎo)(hǎo)地儲備數據、加速計算(suàn)過程。基礎層主要以硬件為(wèi)核心，其中包括GPU/FPGA等用于性能(néng)加速的硬件、神經網絡芯片、傳感器(qì)與中間(jiān)件，這(zhè)些(xiē)是支撐人(rén)工智能(néng)應用的前提。這(zhè)些(xiē)硬件為(wèi)整個(gè)人(rén)工智能(néng)的運算(suàn)提供算(suàn)力，目前多以國際IT巨頭為(wèi)主。
目前在GPU領域，英偉達主打工業級超大規模深度網絡加速，并于日前推出了(le)基于Volta、首款速度超越100TFlops的處理(lǐ)器(qì)Tesla；英特爾主要圍繞FPGA構建産業，推出了(le)模仿人(rén)腦的人(rén)工智能(néng)芯片。谷歌(gē)也(yě)推出了(le)第二代TPU芯片，為(wèi)自己的開源TensorFlow框架提供芯片支撐。除了(le)這(zhè)些(xiē)談到的行業巨頭，在這(zhè)一(yī)領域還有衆多的初創公司，如(rú)中星微、寒武紀以及西(xī)井科技等，但(dàn)在産業布局能(néng)力和研發實力方面還不可與這(zhè)些(xiē)巨頭匹敵。
技術驅動層：算(suàn)法和計算(suàn)力成主要驅動力，開源化(huà)是趨勢
技術層是人(rén)工智能(néng)發展的核心，對應用層的産品智能(néng)化(huà)程度起到決定性作(zuò)用，在這(zhè)一(yī)發展過程中，算(suàn)法和計算(suàn)力對AI的發展起到主要推動作(zuò)用。技術層主要依托基礎層的運算(suàn)平台和數據資源進行海量識别訓練和機器(qì)學習建模，以及開發面向不同領域的應用技術，包含感知智能(néng)和認知智能(néng)兩個(gè)階段。其中，感知智能(néng)階段通過傳感器(qì)、搜索引擎和人(rén)機交互等實現(xiàn)人(rén)與信息的連接，獲得建模所需的數據，如(rú)語音(yīn)識别、圖像識别、自然語音(yīn)處理(lǐ)和生(shēng)物識别等；認知智能(néng)階段對獲取的數據進行建模運算(suàn)，利用深度學習等類人(rén)腦的思考功能(néng)得出結果，如(rú)機器(qì)學習、預測類 API 和人(rén)工智能(néng)平台等。在此基礎上(shàng)，人(rén)工智能(néng)才能(néng)夠掌握“看”與“聽(tīng)”的基礎性信息輸入與處理(lǐ)能(néng)力，才能(néng)向用戶層面演變出更多的應用型産品。
當前，國内的人(rén)工智能(néng)技術平台在應用層面主要聚焦于計算(suàn)機視(shì)覺、語音(yīn)識别和語言技術處理(lǐ)領域，國内技術層公司發展勢頭也(yě)随之迅猛，其中的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(shì)科技、雲知聲等。
場(chǎng)景應用層：AI與場(chǎng)景深度融合，領域應用更加廣泛
應用層主要是基于基礎層與技術層實現(xiàn)與傳統産業的融合，實現(xiàn)不同場(chǎng)景的應用。随着人(rén)工智能(néng)在語音(yīn)、語意、計算(suàn)機視(shì)覺等領域實現(xiàn)的技術性突破，将加速應用到各個(gè)産業場(chǎng)景。
應用層按照對象不同，可分(fēn)為(wèi)消費級終端應用以及行業場(chǎng)景應用兩部分(fēn)。
消費級終端包括智能(néng)機器(qì)人(rén)、智能(néng)無人(rén)機以及智能(néng)硬件三個(gè)方向，場(chǎng)景應用主要是對接各類外部行業的AI應用場(chǎng)景。近年來(lái)，國内企業陸續推出應用層面的産品和服務(wù)，比如(rú)小i機器(qì)人(rén)、智齒客服等智能(néng)客服，“出門問問”、“度秘”等虛拟助手，工業機器(qì)人(rén)和服務(wù)型機器(qì)人(rén)也(yě)層出不窮，應用層産品和服務(wù)正逐步落地。
其中，IBM 最早布局人(rén)工智能(néng)，“萬能(néng)Watson”推動多行業變革；百度推出“百度大腦”計劃，重點布局無人(rén)駕駛汽車；而谷歌(gē)的人(rén)工智能(néng)業務(wù)則較為(wèi)繁雜，多領域遍地開花，包括 AlphaGo、無人(rén)駕駛汽車、智能(néng)手術機器(qì)人(rén)等；微軟在語言語義識别、計算(suàn)機視(shì)覺等領域保持領先。除此此外，家電行業也(yě)掀起了(le)人(rén)工智能(néng)的熱潮，不少家電企業都瞄準了(le)人(rén)工智能(néng)，潛心研發AI技術，将其應用于家電産品。今年以來(lái)，長虹、美的、格力、格蘭仕等都在向智能(néng)制造轉型，試圖立足“Smart Home”，将人(rén)工智能(néng)和智慧家庭更緊密地結合在一(yī)起。
結語：弱人(rén)工智能(néng)已加速滲透，強人(rén)工智能(néng)并不遙遠(yuǎn)
筆者認為(wèi)，人(rén)工智能(néng)領域雖已迎來(lái)新(xīn)的産業爆發期，但(dàn)總體(tǐ)來(lái)看，人(rén)工智能(néng)仍是以特定應用領域的弱人(rén)工智能(néng)為(wèi)主。目前絕大多數的系統，包括深度學習神經網絡，機器(qì)智能(néng)，仍沒有達到能(néng)夠思考的程度。若要繼續攀升進入強人(rén)工智能(néng)，計算(suàn)機的認知能(néng)力是必須的，這(zhè)也(yě)是目前人(rén)工智能(néng)在試圖突破的點。AI源于技術，終于場(chǎng)景，工智能(néng)最終需要通過與産業場(chǎng)景的深度融合才能(néng)實現(xiàn)真正的落地。
工業清洗機原理(lǐ)清洗機價格清洗機型号清洗機廠家掃描關(guān)注官方微博
高壓清洗機訂制清洗機産品清洗機用途清洗機設備掃描關(guān)注官方微信
