之前通過對比中美人工智能的發展歷程，列舉各頭部廠商從技術儲備、技術佈局，到AI平臺、產品與服務、商業表現等現狀，本篇歸納發展趨勢。
◆ 趨勢一：AI底層核心要素算力提升、數據處理方式優化。
AI芯片將從通用芯片向專用芯片發展，數據處理方式繼續優化，由人機協作向全面機器化演變，處理更為高效。AI技術體系中算法、算力、數據是三大支柱，未來將持續革新。將以數據為基礎、算力為原動力，數據處理方式持續優化，提升社會運行效率。
➢ 通過科技廠商所發佈的典型芯片對比，ASIC芯片在運算能力方面相對領先於其他種類芯片，但由於GPU發展時間早，應用普遍，軟件生態較成熟，目前使用最成熟的AI芯片為GPU。
➢ ASIC芯片具有體積更小、能耗更低、保密性更強的優勢，且量產後可大幅降低成本。未來伴隨數據量的激增，以及各應用場景差異性所帶來的專用性需求增加，針對專門任務進行優化的ASIC芯片的表現將更為突出。
➢ 數據處理將從人工+機器模式逐漸轉變為數據智能模式。更多企業、政府將會選擇數據智能模式實現數據快速處理，統一數據生產、計算、應用等步驟，促進非結構化和半結構化數據轉化為完整的數據資產。例如百度與平安、太平洋保險、TCL等各領域知名企業合作；阿里與浙江省政府攜手，實現了政府數據處理高效化，驅動行業數據資源使用效率大幅增加。
◆ 趨勢二：自動化機器學習將降低AI技術使用門檻，AI技術的潛力得到釋放，企業AI部署將呈現自動化、便捷化，“普惠AI”時代來臨。機器學習更為自動化將降低技術使用門檻，帶動更多使用者加入，AI技術的使用將實現“平民化”。
➢ 傳統機器學習對AI人才需求量大，未來機器學習可完成傳統機器學習所需要的大部分人工的操作，AI人才緊缺問題也將得到適當緩解。
➢ 現實中B端、C端、G端的數據爆發加快，機器學習更為自動化的驅動因素之一是基於更多通用的算法框架，故能幫助專業人員快速且高效地處理相關問題，提升工作效率。
➢ AI廠商持續優化算法模型加快機器學習自動化腳步。微軟、谷歌、百度等將繼續通過開放深度學習平臺，幫助使用者更高效地構建訓練模型，並推動商業模式創新，以適應不同商業場景，進一步促進“普惠AI”的實現。
◆ 趨勢三：AI邊緣應用將進一步拓展5G、物聯網、邊緣計算技術及AI的協同發展將推動AI能力從雲端數據中心移動到邊緣位置，未來AI邊緣計算需求增加，數據邊緣端處理將成為趨勢。
隨著物聯網的普及，邊緣端數據量爆發式增長，加之5G所提供的高速傳輸能力，AI技術與邊緣計算技術將深度融合，AI邊緣應用將成為趨勢，並直接帶動AI邊緣處理器出貨量的提升。
➢ 隨著物聯網時代來臨，全球物聯網終端連接數將大幅增加，許多AI處理將在邊緣設備完成，避免傳統模式下向雲端傳輸數據造成的時延，提升數據處理安全性、提高數據響應的及時性。
➢ 未來搭載AI邊緣處理器的設備和系統在進行邊緣流數據分析時將更為快速實時，對整個物聯網所發生事件的處理能力、感知能力也將大幅上升，大幅提升AI邊緣處理器出貨量，目前寒武紀、地平線、英偉達等企業已在邊緣側AI佈局。
AI邊緣應用決策的優勢：
➢ 更靈敏：相較目前的集中式數據中心處理數據模式，邊緣設備對數據的處理，反應、調整更加及時。
➢ 更安全：通過互聯網傳輸數據，存在數據洩露或被篡改的隱患，邊緣計算可規避或降低這種風險基於AI邊緣應用的優勢，搭載邊緣AI處理器的設備將被廣泛用於公共安全、視頻優化、工業互聯、AR/VR等場景中/
◆ 趨勢四：AI在部分數據量龐大的應用場景滲透加快。目前AI已在諸多場景中應用，未來會在金融、安防、製造、醫療、交通等數據量巨大的領域加速滲透，這一趨勢在擁有海量數據資源的中國將尤為明顯。
金融領域——
痛點：
• 信貸模式單一，徵信方式落後，金融風險高，存在大量壞賬、交易欺詐等惡劣情況
• 由於數據量龐大，金融機構在管理交易處理、客戶需求等方面存在成本壓力
趨勢：
結合大數據、AI技術為金融業子領域如銀行業提供定製化服務，提升營運效率，傳統業務模式變革
➢ 智能銀行、智能投顧等智能化服務及產品出現，金融業從信息化轉向智能化
➢ 可構建智能化風控系統，提升風險管控能力
安防領域——
痛點：
• 公共安全事件頻發，各類災害、違法犯罪現象較多，潛在風險和新隱患多
• 政府及民眾對於突發事件的防控和處置需求較高
• 視頻監控資源利用率低，數據搜索較慢
趨勢：
基於人臉人體半結構化特徵與動作識別、步態識別等新的AI技術將被廣泛應用
➢ 細分領域如AI在公共安全應用場景將全面實現罪犯高精度身份識別等。並通過結合邊緣計算將AI技術注入前端攝像機，使本地設備完成智能圖像識別
製造領域——
痛點：
• 製造車間設備、數量、功能增多，調度分配難度大
• 軟硬件系統要求實時性、準確性
• 需求端個性化要求增加
• 製造系統要求柔性化
結合AI技術，企業在研發、生產、管理、服務等方面變得更加智能化
➢ 如利用計算機視覺技術發現生產殘次品，AI機器人替代工人完成部分工作
➢ AI在製造業加速深化，如生產製造、產品物流倉儲等各環節，實現產、供、銷一體化模式
醫療領域——
痛點：
• 醫療資源匱乏導致看病需求無法被滿足
• 區域醫療水平差異大
• 人工診斷時間長
• 看病體驗存在差異
趨勢：
AI技術滲透醫療子領域，包括疾病預測、輔助治療的方向，實現智能醫療體系，智能治療模式
➢ 如通過AI算法對病變部位進行自動識別，並能提供明確的診斷提示
➢ 醫療行業診療模式升級的同時也會促使醫院醫療系統、藥物系統等系統間快速融合
交通領域——
痛點：
• 道路交通複雜，車況愈發複雜
• 駕駛員身體、心理情況給駕駛帶來的影響
• 行駛、泊車過程預警需求大
趨勢：
駕駛應用場景繼續深化和延伸， 如自動泊車、定點接送、快速公交等
➢ 結合語音識別、手勢識別，眼球追蹤、駕駛員檢測等技術的AI系統將成為汽車標配
➢ 通過邊緣計算與AI的融合，實現數據處理的低延時性、可靠性，保證智能駕駛的安全性
◆ 趨勢五：AI廠商的安全意識與自主能力大幅上升。隨著對技術自主可控意識的持續提升，未來中國AI廠商將更加註重自主研發，以實現AI應用領域安全發展，百度等廠商推動作用明顯。
中國AI產業技術“國產化”
➢ 政府持續加大對AI企業自主創新的鼓勵扶持力度，鼓勵企業自主創新，注重AI數據安全，推進AI安全應用，防範數據風險。
➢融合雲計算，物聯網等新型技術，中國AI廠商紛紛加快佈局數據安全領域。百度聯合華為、中國信息通信研究院成立了中國提升智能終端生態安全的聯盟組織“OASES智能終端安全生態聯盟” ，並聯合開展智能終端的相關安全技術、安全標準和產業研究。騰訊發佈全流程數據安全保護方案，並公開了在雲安全領域AI戰略佈局。
➢中國企業打破美企核心技術壟斷，助力AI應用領域安全發展。目前國內外深度學習框架豐富，但頭部效應明顯。在深度學習市場中，谷歌、臉書、百度分別排名前三位，三者佔據中國50%以上市場份額。百度的飛槳平臺是目前中國最完備的開源深度學習平臺，率先打破美企的壟斷，更好地滿足了中國對數據安全的需求、提升了中國AI技術自主可控水平，將促進國產AI核心技術產品廣泛使用，助力AI應用領域健康安全發展。
➢中國重視AI人才培養，並取得較好效果，將為AI產業發展提供堅實基礎。高校積極佈局AI相關學科建設，加大人才培養。如清華、南開等多所高校已成立AI研究院。2018年清華、西安交大等26所高校簽署《關於設置AI專業建議書》 ，設立AI本科專業，加大本土AI人才建設。中國企業為加大引入國際AI人才，設立相應補貼或獎勵機制。如阿里巴巴成立達摩院，招募國際AI頂級人才；科大訊飛在美國、加拿大等地設立AI實驗室、辦事機構，用於招募AI人才及相關研發業務。
今年的新冠，造就了一次規模空前的人工智能社會實踐，人工智能、大數據技術在抗擊疫情中發揮了重要作用。疫情過後，人們的生活和工作方式都可能向更加智能化方向發展，一個以智能化、無人化、遠程化為特徵的新經濟社會形態正加速走來，中國人工智能產業或將迎來一個新的高速發展時期。
閱讀更多 曲突徙薪 的文章
