之前通过对比中美人工智能的发展历程，列举各头部厂商从技术储备、技术布局，到AI平台、产品与服务、商业表现等现状，本篇归纳发展趋势。
◆ 趋势一：AI底层核心要素算力提升、数据处理方式优化。
AI芯片将从通用芯片向专用芯片发展，数据处理方式继续优化，由人机协作向全面机器化演变，处理更为高效。AI技术体系中算法、算力、数据是三大支柱，未来将持续革新。将以数据为基础、算力为原动力，数据处理方式持续优化，提升社会运行效率。
➢ 通过科技厂商所发布的典型芯片对比，ASIC芯片在运算能力方面相对领先于其他种类芯片，但由于GPU发展时间早，应用普遍，软件生态较成熟，目前使用最成熟的AI芯片为GPU。
➢ ASIC芯片具有体积更小、能耗更低、保密性更强的优势，且量产后可大幅降低成本。未来伴随数据量的激增，以及各应用场景差异性所带来的专用性需求增加，针对专门任务进行优化的ASIC芯片的表现将更为突出。
➢ 数据处理将从人工+机器模式逐渐转变为数据智能模式。更多企业、政府将会选择数据智能模式实现数据快速处理，统一数据生产、计算、应用等步骤，促进非结构化和半结构化数据转化为完整的数据资产。例如百度与平安、太平洋保险、TCL等各领域知名企业合作；阿里与浙江省政府携手，实现了政府数据处理高效化，驱动行业数据资源使用效率大幅增加。
◆ 趋势二：自动化机器学习将降低AI技术使用门槛，AI技术的潜力得到释放，企业AI部署将呈现自动化、便捷化，“普惠AI”时代来临。机器学习更为自动化将降低技术使用门槛，带动更多使用者加入，AI技术的使用将实现“平民化”。
➢ 传统机器学习对AI人才需求量大，未来机器学习可完成传统机器学习所需要的大部分人工的操作，AI人才紧缺问题也将得到适当缓解。
➢ 现实中B端、C端、G端的数据爆发加快，机器学习更为自动化的驱动因素之一是基于更多通用的算法框架，故能帮助专业人员快速且高效地处理相关问题，提升工作效率。
➢ AI厂商持续优化算法模型加快机器学习自动化脚步。微软、谷歌、百度等将继续通过开放深度学习平台，帮助使用者更高效地构建训练模型，并推动商业模式创新，以适应不同商业场景，进一步促进“普惠AI”的实现。
◆ 趋势三：AI边缘应用将进一步拓展5G、物联网、边缘计算技术及AI的协同发展将推动AI能力从云端数据中心移动到边缘位置，未来AI边缘计算需求增加，数据边缘端处理将成为趋势。
随着物联网的普及，边缘端数据量爆发式增长，加之5G所提供的高速传输能力，AI技术与边缘计算技术将深度融合，AI边缘应用将成为趋势，并直接带动AI边缘处理器出货量的提升。
➢ 随着物联网时代来临，全球物联网终端连接数将大幅增加，许多AI处理将在边缘设备完成，避免传统模式下向云端传输数据造成的时延，提升数据处理安全性、提高数据响应的及时性。
➢ 未来搭载AI边缘处理器的设备和系统在进行边缘流数据分析时将更为快速实时，对整个物联网所发生事件的处理能力、感知能力也将大幅上升，大幅提升AI边缘处理器出货量，目前寒武纪、地平线、英伟达等企业已在边缘侧AI布局。
AI边缘应用决策的优势：
➢ 更灵敏：相较目前的集中式数据中心处理数据模式，边缘设备对数据的处理，反应、调整更加及时。
➢ 更安全：通过互联网传输数据，存在数据泄露或被篡改的隐患，边缘计算可规避或降低这种风险基于AI边缘应用的优势，搭载边缘AI处理器的设备将被广泛用于公共安全、视频优化、工业互联、AR/VR等场景中/
◆ 趋势四：AI在部分数据量庞大的应用场景渗透加快。目前AI已在诸多场景中应用，未来会在金融、安防、制造、医疗、交通等数据量巨大的领域加速渗透，这一趋势在拥有海量数据资源的中国将尤为明显。
金融领域——
痛点：
• 信贷模式单一，征信方式落后，金融风险高，存在大量坏账、交易欺诈等恶劣情况
• 由于数据量庞大，金融机构在管理交易处理、客户需求等方面存在成本压力
趋势：
结合大数据、AI技术为金融业子领域如银行业提供定制化服务，提升营运效率，传统业务模式变革
➢ 智能银行、智能投顾等智能化服务及产品出现，金融业从信息化转向智能化
➢ 可构建智能化风控系统，提升风险管控能力
安防领域——
痛点：
• 公共安全事件频发，各类灾害、违法犯罪现象较多，潜在风险和新隐患多
• 政府及民众对于突发事件的防控和处置需求较高
• 视频监控资源利用率低，数据搜索较慢
趋势：
基于人脸人体半结构化特征与动作识别、步态识别等新的AI技术将被广泛应用
➢ 细分领域如AI在公共安全应用场景将全面实现罪犯高精度身份识别等。并通过结合边缘计算将AI技术注入前端摄像机，使本地设备完成智能图像识别
制造领域——
痛点：
• 制造车间设备、数量、功能增多，调度分配难度大
• 软硬件系统要求实时性、准确性
• 需求端个性化要求增加
• 制造系统要求柔性化
结合AI技术，企业在研发、生产、管理、服务等方面变得更加智能化
➢ 如利用计算机视觉技术发现生产残次品，AI机器人替代工人完成部分工作
➢ AI在制造业加速深化，如生产制造、产品物流仓储等各环节，实现产、供、销一体化模式
医疗领域——
痛点：
• 医疗资源匮乏导致看病需求无法被满足
• 区域医疗水平差异大
• 人工诊断时间长
• 看病体验存在差异
趋势：
AI技术渗透医疗子领域，包括疾病预测、辅助治疗的方向，实现智能医疗体系，智能治疗模式
➢ 如通过AI算法对病变部位进行自动识别，并能提供明确的诊断提示
➢ 医疗行业诊疗模式升级的同时也会促使医院医疗系统、药物系统等系统间快速融合
交通领域——
痛点：
• 道路交通复杂，车况愈发复杂
• 驾驶员身体、心理情况给驾驶带来的影响
• 行驶、泊车过程预警需求大
趋势：
驾驶应用场景继续深化和延伸， 如自动泊车、定点接送、快速公交等
➢ 结合语音识别、手势识别，眼球追踪、驾驶员检测等技术的AI系统将成为汽车标配
➢ 通过边缘计算与AI的融合，实现数据处理的低延时性、可靠性，保证智能驾驶的安全性
◆ 趋势五：AI厂商的安全意识与自主能力大幅上升。随着对技术自主可控意识的持续提升，未来中国AI厂商将更加注重自主研发，以实现AI应用领域安全发展，百度等厂商推动作用明显。
中国AI产业技术“国产化”
➢ 政府持续加大对AI企业自主创新的鼓励扶持力度，鼓励企业自主创新，注重AI数据安全，推进AI安全应用，防范数据风险。
➢融合云计算，物联网等新型技术，中国AI厂商纷纷加快布局数据安全领域。百度联合华为、中国信息通信研究院成立了中国提升智能终端生态安全的联盟组织“OASES智能终端安全生态联盟” ，并联合开展智能终端的相关安全技术、安全标准和产业研究。腾讯发布全流程数据安全保护方案，并公开了在云安全领域AI战略布局。
➢中国企业打破美企核心技术垄断，助力AI应用领域安全发展。目前国内外深度学习框架丰富，但头部效应明显。在深度学习市场中，谷歌、脸书、百度分别排名前三位，三者占据中国50%以上市场份额。百度的飞桨平台是目前中国最完备的开源深度学习平台，率先打破美企的垄断，更好地满足了中国对数据安全的需求、提升了中国AI技术自主可控水平，将促进国产AI核心技术产品广泛使用，助力AI应用领域健康安全发展。
➢中国重视AI人才培养，并取得较好效果，将为AI产业发展提供坚实基础。高校积极布局AI相关学科建设，加大人才培养。如清华、南开等多所高校已成立AI研究院。2018年清华、西安交大等26所高校签署《关于设置AI专业建议书》 ，设立AI本科专业，加大本土AI人才建设。中国企业为加大引入国际AI人才，设立相应补贴或奖励机制。如阿里巴巴成立达摩院，招募国际AI顶级人才；科大讯飞在美国、加拿大等地设立AI实验室、办事机构，用于招募AI人才及相关研发业务。
今年的新冠，造就了一次规模空前的人工智能社会实践，人工智能、大数据技术在抗击疫情中发挥了重要作用。疫情过后，人们的生活和工作方式都可能向更加智能化方向发展，一个以智能化、无人化、远程化为特征的新经济社会形态正加速走来，中国人工智能产业或将迎来一个新的高速发展时期。
閱讀更多 曲突徙薪 的文章
