人工智能浪潮進入分化階段,未來應用為王
來源:謝旭陽 瀏覽人數:13680 時間:2017/10/16
人工智能在兩會期間受到了非常高的關注,國務院總理李克強在政府工作報告中首次提及加快“人工智能”的技術研發和轉化,是需要培育壯大的新興產業之一。百度李彥宏、騰訊馬化騰、科大訊飛劉慶峰都提交了相關的兩會提案,同時兩會期間“深度學習技術及應用國家工程實驗室”也在百度正式掛牌,這被認為是當初“中國大腦”概念的最終落地,也被認為是中國將人工智能發展提升到國家戰略的重要標志。
比起國家政策層面開始高度重視人工智能,產業層面人工智能早就已經發展得如火如荼,隨著云計算等基礎設施的完善、數據量的爆發式增長,尤其是深度學習算法的應用使得語音識別、圖像識別等技術取得長足進步,圍繞語音、圖像、機器人、自動駕駛等人工智能技術的創新企業大量涌現。從融資情況來看,據統計人工智能風險投資仍保持每年42%的增長,截至2016年11月,全球1485家人工智能公司總融資金額高達89億美元。在資本助推下,人工智能已成為近兩年的最大風口之一。而國內外巨頭在AI領域的布局則不勝枚舉。經過這幾年的快速發展,可以說人工智能早就已經脫離單純實驗室和學術范疇,開始與產業更加緊密的結合,實現更多具體項目和行業的落地應用。同樣在風口之下必有泡沫,而未來判斷人工智能最大的分化就是看它在實際應用中的效果具體有何差別。
那么普通人該怎么去判斷一家公司人工智能程序的競爭優勢或者是否只是概念的忽悠呢?簡單來說人工智能行業可以劃分為三層,最底層是基礎平臺層,包括芯片、服務器、數據服務商等,屬于通用且必要型;中間層是技術提供層,如采用計算機視覺、機器學習等;最上面那一層則是應用層,包括無人駕駛、醫療、教育、機器人等,承載著很多行業的應用。所以總結起來一個AI成功的要素基本包含這幾點:高質量和大量的數據源、足夠的算力資源和優秀的算法、優秀AI技術人才及落地應用能力、明確的垂直化行業應用場景。以機器視覺所需的數據源和數據量舉例來說,數據量和算法可以分別比作人工智能程序的燃料和發動機,好的算法模型可以實現精準的物體和場景識別,而數據集的豐富性和大規模性對算法訓練尤為重要。實現機器精準視覺識別的第一步,就是獲取海量而優質的應用場景數據。以人臉識別為例,訓練該算法模型的圖片數據量至少在百萬級別。關于數據量對提高算法準確率方面的重要性,更是有人直言,擁有更多高質量的數據源的公司終將戰勝擁有好算法的公司。因為隨著谷歌TensorFlow等生態系統的成熟,很多領域都會有訓練好的模型可以用來參考,相關公司只需要有足夠的數據來訓練參數就好了。
同樣人才也是區分AI公司競爭力的一大維度,AI的爆發離不開頂尖的科學家,需要有能力部署人工智能技術并且使之產品化的資深工程師,前幾天全球深度學習的四劍客之一——吳恩達從百度離職,立馬成為科技圈的頭條即說明擁有真正高端技術人才在這一領域的核心壁壘。
具體到AI的行業應用層面,根據落地的不同難度和不同行業內的特性來看,業界普遍認為現在將AI算法應用到行業存在較大機會的主要為這幾個領域:無人駕駛、工業自動化、視頻監控、醫療、教育等。投資者可以重點跟蹤人工智能在這些行業的進展程度,如應用場景的深化、清晰的變現能力等。
根據IDC在其《全球半年度認知/人工智能系統支出指南》(Worldwide Semiannual Cognitive/Artificial Intelligence SystemsSpending Guide)中預測,人工智能的收入將從2016年的80億美元增長到2020年的470億美元,復合年增長率(CAGR)為55.1%。正如《連線》雜志創始主編凱文.凱利(KK)的預測,“人工智能將是下一個20年顛覆人類社會的技術,變成像電、互聯網一樣的基礎服務和革新力量”。AI毋容置疑將是未來發展的大趨勢,其前景十分廣闊,未來將進入到應用為王的階段。
免責聲明
本資料僅供本公司的合格投資者參考閱讀,不因接收人收到本資料而視其為本公司的當然客戶。本資料基于本公司認為可靠的且目前已公開的信息撰寫,在任何情況下,本資料中的信息或所表述的意見不構成廣告、要約、要約邀請,也不構成對任何人的投資建議。本資料版權均歸本公司所有。未經本公司事先書面授權,任何機構或個人不得以任何形式引用或轉載本資料的全部或部分內容。