未來人工智能的幾大模式

1前言

未來社會的政府、公司、軍隊都是人工智能機構，人工智能將無處不在。美國國防部20年未到訪硅谷，而在任國防部長卡特自去年上任以來連續4次密集訪問硅谷，對人工智能表示出極大興趣，直言要將民用AI技術用於改進國防裝備體系，幫助美國培育出新型的“鋼鐵俠”戰士，國防部高等研究計劃局（DARPA）正在基於人工智能技術研發自動駕駛戰車、反潛無人機械船、智能電子戰系統、“半人馬”人類作戰行動輔助系統等。據悉，美國國防部2017財年建議的研發預算為120～150億美元，而被國防部所看重的硅谷科技公司，如谷歌、微軟、蘋果、臉書和英特爾等巨頭也正在不約而同地投入“人工智能優先”戰略。

本報告由阿里雲研究中心、波士頓諮詢公司和Alibaba Innovation Ventures合作推出，通過對人工智能內涵的闡述，分析了未來人工智能行業的競爭格局和企業制勝之道。

報告主要觀點包括：

數據、算法、計算、場景驅動新一輪人工智能。現階段，人工智能正在從專有人工智能向通用人工智能發展過渡，由互聯網技術群（數據/算法/計算）和場景互為推動，協同發展，自我演進。人工智能已不再侷限於模擬人的行為結果，而拓展到“泛智能”應用。

人工智能具備“快速處理”和“自主學習”兩種能力。人工智能實現了學習、決策和行動的快速處理，並且具備不停迭代和優化“試驗—驗證—學習”的正循環；人工智能可以更靈活地自主學習和管理知識，支持知識的“產生—存儲—應用—更新”的體系化管理。

人工智能更易於解決具備三類關鍵特性的商業問題：

l 行業存在持續痛點；

l 商業流程本身具備數字化的信息輸入，問題可以細分並清晰地界定，商業流程存在重複，且獲得的結果的溝通以書面溝通或單項溝通為主；

l 商業流程較少受整體商業環境的複雜影響。

大數據是人工智能戰略性競爭優勢：

l

l 場景數據的積累，促進人工智能技術應用，從而形成更高效的解決方案；

l 數據主要有自籌數據、公共數據、產業協同數據三大來源。

人工智能按照服務智能、科技突破和超級智能三個階段進化，未來3-5年處於服務智能。

l 服務智能：充分發揮現有技術的能力，打造人工智能賦能的應用場景，讓智能服務各行各業。

l 科技突破：應用的擴展，數據的進一步豐富，對技術帶來新的要求，最終促進技術實現顯著突破，並相應推動應用向縱深拓展。

l 超級智能：技術顯著突破，應用海量擴展，人工智能無所不在。

人工智能五大競爭定位模式，生態構建者是關鍵一環：

l 按產業鏈展開分析，人工智能將呈現生態構建者、技術算法驅動者、應用聚焦者、垂直行業先行者、基礎設施提供者五類競爭定位模式；

l 生態構建者佈局全產業鏈，聚集大量開發者和用戶，將成為其中重要的一類模式。

2人工智能內涵和應用

四大維度理解內涵、三類關鍵預測應用。

2.1人工智能是什麼？

人工智能是研究、開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學。自20世紀50年代以來，三次技術革新浪潮中，學界和業界對人工智能的理解眾說紛紜，科技和商業的多元化發展導致對人工智能的定義、發展動力以及表現形式的理解各異。

讓我們從以下四個維度來總結和理解人工智能的多種內涵：

（1）人工智能的定義：根據人工智能的應用，人工智能可以分為專有人工智能、通用人工智能、超級人工智能。根據人工智能的內涵，人工智能可以分為類人行為（模擬行為結果）、類人思維（模擬大腦運作）、泛（不再侷限於模擬人）智能。

（2）人工智能的驅動因素：算法/技術驅動、數據/計算、場景和顛覆性商業模式驅動。

（3）人工智能的承載方式：

l 技術承載方式：單機智能、平行運算/多核智能、高度分散/群體智能

l 表現方式：雲智能、端智能、雲端融合

（4）人工智能與人的關係：機器主導、人主導、人機融合

現階段，人工智能正在從專有人工智能向通用人工智能發展過渡，由互聯網技術群（數據/算法/計算）和應用場景互為推動，協同發展，自我演進。人工智能已不再侷限於模擬人的行為結果，而拓展到“泛智能”應用，即更好地解決問題、有創意地解決問題和解決更復雜的問題。這些問題既包含人在信息爆炸時代面臨的信息接受和處理困難，也包含企業面臨的運營成本逐步增加、消費者訴求和行為模式轉變、商業模式被顛覆等問題，同時還包含社會亟需解決的對自然/環境的治理、對社會資源優化和維護社會穩定等挑戰。

在這個過程中，雖然“模擬人”不再是唯一方向，但是人依然是人工智能實現不可缺少的關鍵因素。人是主導者（設計解決問題的方法），參與者（數據的提供者、反饋數據的產生者，也是數據的使用者），同時也是受益者（智能服務的接受方）。

例如，我們開篇所講的故事，就是阿里雲研發出的人工智能ET。ET基於強大的雲計算能力，學習海量的人類大數據，正應用工作、生活各個領域並不斷進化，目前已具備智能語音交互、圖像/視頻識別、交通預測、情感分析等技能。ET能實現直播實時字幕、看圖說話、個性化推薦、體育視頻分析，幫助人們更好地接受和處理各種格式的信息；還能提供包括智能客服、工業設備異常檢測、法庭庭審速記、金融風控、電子商務惡意行為監測等企業解決方案，幫助企業減低成本，提高效率，降低風險；並實現了交通預測和社會公眾趨勢預測，提高社會公眾服務和管理水平。浙江省交通運輸廳與阿里巴巴合作試點中，實時路況監測成本下降了90%，未來路況預測準確率在91%以上。

2.2人工智能會做什麼？

人工智能具備“快速處理”和“自主學習”兩種能力。

人工智能實現了學習、決策和行動的快速處理。計算機處理信息、溝通信息、並行計算和線性計算的速度都快於人類。此外，計算機還能夠不停迭代和優化“試驗—驗證—學習”的正循環。例如：在上文提到的阿里雲ET人工智能調度交通的應用中，城市的交通是非常複雜的，每個路口和路段都有錯綜複雜，千絲萬縷的關係。機器需要對成千上萬個路段的海量歷史數據進行處理和學習，以獲得路段的全天路況模型，再結合城市的每個路口傳回來的智能視頻信息（包括車輛識別、車速識別等信息）來做全局的、實時的分析，這個過程對數據處理能力在規模、複雜度、實時性上都提出了更大的挑戰。

人工智能可以更靈活地自主學習和管理知識，支持知識的“產生—存儲—應用—更新”的體系化管理。例如：在淘寶和天貓，每天有近5萬次熱線電話求助。這些海量的語音數據通過人工智能機器的自我學習，使得機器具備能“聽”能“懂”的知識，這些知識可以運用到語音交互相關的各個行業和各個場景，例如：智能客服語音交互、電話呼叫中心質檢、互聯網汽車語音命令等等。在一些特定場景的應用下，例如法院庭審速記，會產生的一些新的數據，和適應於此場景的新的知識，這些知識又同時被用來更新語音識別知識庫，並被其他應用快速使用，這也是阿里ET可以打敗世界速記亞軍的知識來源。

如何讓人工智能做好知識管理，是這個體系化工程的重要部分。雙十一是由淘寶天貓發起的全球消費者的購物狂歡節，在2015年，更是創下了一秒14萬筆訂單的世界記錄。龐大訂單量也帶來的用戶諮詢服務和問題的高峰，阿里巴巴的算法工程師們通過對海量問題的分析和預測，在業內首次將知識庫的自動更新時效提升至分鐘級，使得智能客服在此場景下獲得高達94%的智能解決率。

2.3人工智能用在哪？

人工智能已在多個方面成功應用。圖像識別（包括交通信號燈和人臉）技術已經超越人類水平。微軟計算機視覺軟件的圖片識別錯誤率已經低於人類。計算機不僅能識別簡單圖像，還能分析整個電磁波譜。語言識別和自然語言處理技術已經在日常生活中廣泛應用，例如蘋果手機內置的語音識別助手Siri、亞馬遜智能音箱Echo、阿里YunOS個人助理+、淘寶小蜜、支付寶安娜等。通過傳感器和制動器，人工智能可以感知並行動。機器視覺和各類傳感器，結合高精度地圖和環境感知信息，機器人、無人機、自動駕駛等智能設備已經投入使用，Google、Uber、Tesla、阿里巴巴與上海汽車合作等都已在無人駕駛和互聯網汽車領域佈局。

人工智能最適用於解決什麼樣的問題？通過分解典型的商業流程，我們發現，人工智能更易於解決符合以下特點的商業問題：

l 行業存在持續痛點；

l 商業流程本身具備數字化的信息輸入，問題可以細分並清晰地界定，商業流程存在重複，且獲得的結果的溝通以書面溝通或單項溝通為主；

l 商業流程較少受整體商業環境的複雜影響。

企業客服就是人工智能應用的一個典型例子，作為企業用戶與企業服務的交互入口，客服面對的80%的問題都是簡單的、重複的的問題，但是卻需要大量人力和時間的工作。同時，客服提供的服務內容大都來自與企業自有知識體系，受整體商業環境的影響相對較弱。這使得企業客服的智能化應用相對容易，很多基於自定義知識庫的問答型企業智能客服產品蜂湧而出。

但是如何真正實現人工智能意義的智能客服？與真人深度交互，也就是儘可能地模仿真人的思維交流方式為人類服務，並有效幫助業務提升用戶體驗，是人工智能時代對商業流程智能化的思考。

2015年起，阿里巴巴推出新一代智能客服產品——阿里小蜜，基於語音識別、語義理解、個性化推薦、深度學習等人工智能技術的應用，並將外部消費場景和阿里後臺的關鍵業務流程無縫融合。阿里小蜜通過積累的大數據優勢，提前分析、預測消費者的服務訴求，主動觸達用戶，阿里小蜜將用戶轉電話及在線人工服務的求助率降低了70%。即便在每天應對百萬級服務量的情況下，智能解決率也達到了接近80%（該指標高於行業智能客服產品平均水平60%以上），並且，依靠阿里巴巴在語音識別領域的知識積累，把服務領域裡人機對話語義意圖的精確匹配率提升到了93%，滿意度比傳統的自助服務提升了一倍。

2.4大數據是戰略性競爭優勢

數據是人工智能的基礎，擁有針對特定領域的龐大數據集，能夠成為競爭優勢的重要來源。現階段，制約人工智能領域很多重大突破的關鍵，並非是算法不夠先進，而是缺乏高質量的數據集。

海量、精準、高質量的數據為訓練人工智能提供了原材料，巨型數據庫、十幾年累積的搜索結果，乃至整個互聯網都讓人工智能變得更聰明。人工智能從龐大的、複雜的、無序的個體數據中發現更為本質、更能解釋世界的規律，並複合多個規律共同作用，以解決問題。

人工智能的三種主要技術，都需要專有類型的數據。

l 機器學習，例如計算機視覺、自然語言處理等技術，需要大量的標籤樣本數據。

l 模式識別，例如文字、指紋、人臉等識別技術，則偏重於信號、圖像、語音、文字、指紋等 非直觀數據。

l 人機交互，如智能機器人技術，則需要積累大量的用戶數據。

互聯網催生了大數據，大數據催生了人工智能

從信息瀏覽、社交網絡、電子商務、到互聯網＋，互聯網的發展融入到我們生活、工作和經濟的各個方面。用戶在享受互聯網帶來的便捷的同時，也在無形中貢獻著數據的足跡，音頻、視頻、郵件、微薄、文件、瀏覽歷史等數據逐漸累積。互聯網的快速發展，推動信息社會進入到大數據時代。同時，大數據也加快推動了互聯網的演進。擁有海量用戶搜索數據的Google，社交數據的Facebook，交易數據的Amazon、阿里巴巴等互聯網公司充分藉助雲計算、大數據的技術來更好的瞭解用戶，提供更好的或者創新的服務和產品。例如：阿里巴巴的螞蟻小貸，藉助互聯網，獲得比傳統銀行能採集到的貸款者相關的更豐富、準確的信息，比如這些淘寶賣家正在賣哪些商品、生意好不好、賣家經營店鋪勤快程度（例如，客服旺旺的回覆速度，每天經營時間的長短等）、之前是否有過不誠信行為等。通過充分處理、計算和分析這些互聯網數據，來解決小微企業的貸款業務這一公認難題，真正實現純信用，全程零人工介入、客戶1秒鐘獲貸。

互聯網的演進和催生的新業態，又進一步吸引了大量用戶的積極參與，實現了數據“產生—使用—新數據產生—再使用”的閉環，這個閉環恰恰是人工智能自主學習和知識管理的基礎。例如：擁有上億註冊用戶和上億商品的阿里巴巴淘寶，後臺積累了286億多個圖片文件，更方便的讓用戶在即時場景（電視觀看、社交圖片分享、逛街等）下所見即所“得”的找到感興趣的商品，是淘寶“拍立淘“應用的主要目的。在“以圖搜圖”模式下，機器學習正確理解後臺幾百億圖片並打上標籤，用戶通過點擊商品列表等參與來判斷機器的理解是否正確。人工智能的應用的實現本質上就是知識產生—知識應用—知識產生的自我學習和優化的體系化過程的落地。

場景數據的積累，可以促進人工智能技術的應用，從而形成更高效的解決方案

例如，傳統外賣配送採用人工調度，由派單員進行手工派單，所依據的是有限的餐廳和配送員的數據，因此派單隨機性強，配送效率低，派單高峰時，爆單現象頻發，派單本身的人工成本較高。互聯網外賣應用的火爆，積累大量外賣場景的相關數據後，阿里雲大數據孵化器團隊採用人工智能技術，基於外賣場景的數據基礎，分析餐廳、配送員、訂餐人、配送路徑的特點、並結合業務規律、天氣等數據實現智能調度高級算法，實現機器實時智能調度，從而合理利用運力，提高配送效率。當場景應用形成正循環後，甚至能夠提前對用戶行為（如提醒訂餐）和餐廳行為（如點菜和出餐速度分析）等進行影響分析，從而進一步提高外賣場景的整體效率。

現階段，特別是對創業公司而言，數據的來源主要有三種：

方式一，自籌數據，即從零開始，投入大量人力採集數據。例如，很多聊天機器人公司聘請人類擔任“AI訓練師”，讓他們手動創建或核實虛擬助手做出的預測。一旦能夠引發數據網絡效應，即形成“更多用戶—更多數據—更優智能算法—更好產品—更多用戶”的正循環後，所需人力就無需再跟隨用戶數量同步增加，這種簡單的自建數據策略就能取得成功。另一些公司採取向消費者提供特定領域免費應用的策略，以此來快速積累數據。例如，Madbits、Clarifai等圖像識別公司都推出了免費的照片應用，以便為圖像識別核心業務收集更多的圖像數據。

方式二，公共數據。美國聯邦政府已在Data.gov數據平臺開放了來自多個領域的13萬個數據集的數據。這些領域包括圖中所列的農業、商業、氣候、生態、教育、能源、金融、衛生、科研等十多個主題。這些主題下的數據都是美國聯邦政府的各個部委所開放的。英國、加拿大、新西蘭等國在2009年之後都建立起了政府數據開放平臺，成為了國際信息化和大數據領域的一個重要趨勢。在我國，2011年香港特區政府上線了data.gov.hk，稱為香港政府資料一線通。上海在2012年6月推出了中國大陸第一個數據開放平臺。之後，北京、武漢、無錫、佛山南海等城市也都上線了自己的數據平臺。

方式三，產業數據協同，即下游創業公司或行業公司和產業鏈上游的數據或平臺型公司建立合作，連接對雙方均有利的產品或數據，例如：益海鑫星、有理數科技和阿里雲數加平臺合作，以中國海洋局的海量遙感衛星數據和全球船舶定位畫像數據為基礎，打造圍繞海洋數據服務平臺，服務於漁業、遠洋貿易、交通運輸、金融保險、石油天然氣、濱海旅遊、海水墾殖、環境保護等眾多行業，從智能指導遠洋金槍魚捕撈到智能預測船舶在港時間，場景豐富。

3人工智能未來趨勢

三階段發展場景，短期處於服務智能

從人工智能的技術突破和應用價值兩維度分析，未來人工智能將會出現三個階段：

情景一：未來3-5年，仍以服務智能為主。在人工智能既有技術的基礎上，技術取得邊際進步，機器始終作為人的輔助；在應用層面，人工智能拓展、整合多個垂直行業應用，豐富實用場景。隨著數據和場景的增加，人工智能創造的價值呈現指數增長。

情景二：中長期將出現顯著科技突破。人工智能技術取得顯著突破，如自然語言處理技術可以即時完全理解類人對話，甚至預測出“潛臺詞”。在技術創新的領域，現有的應用向縱深拓展，價值創造限制在技術取得突破的領域。

情景三：長期可能出現超級智能。人工智能的技術取得顯著突破，應用範圍顯著拓寬，人機完全共融，人工智能全面超越人類，無所不在，且顛覆各個行業和領域，價值創造極高。

到目前為止，人工智能還停留在“專有人工智能”階段，主要應用是完成具體任務，例如“識別病灶醫學圖像並判斷是否是腫瘤”。現階段，人工智能將逐漸向“通用人工智能”過渡，應用於完成複雜任務，判斷並滿足用戶需求，如“識別醫學圖像，並快速診斷疾病（不限於腫瘤）”。中長期，隨著技術顯著突破，人工智能將逐步發展為“抽象人工智能”，在基礎科技取得重大突破後，人工智能可以理解用戶情感，從而改變用戶行為，例如“說服慢性病患者堅持按醫囑服藥並在患病後改變生活習慣”。在遙遠的將來，人工智能可能演變為“超級人工智能”，全面超越人類，通過技術突破和廣泛的應用，預測並預先改變消費者的行為，例如“預先說服用戶改變不良生活習慣，預防慢性病”。

未來3-5年，人工智能仍以服務智能為主要趨勢。在服務智能下，人工智能會取得邊際技術進步，如算法突破，小數據訓練或分佈式算法（不從數據開始訓練，直接下載智能）成為可能；或者，圖像識別或自然語言處理技術取得邊際突破，對數據結構化的要求降低。人工智能的應用將更加廣闊，例如綜合天氣、土壤變化數據和大宗商品交易行情，人工智能可以為農業決策，選擇今年最有經濟效益的種植品種；或者，圖像識別技術突破後，機器人可以識別消費者微表情的變化，從而預測消費者的情緒。人工智能的應用將更有深度，產生新的社會、商業和個人生活模式，創造巨大的商業價值。人工智能的發展也將更為融合：實現“感知/交互—正確理解—自主決策—自我學習”的實時循環；數據傳輸速度實現質的飛躍，雲端將無縫融合；介入式芯片等新的硬件形式將出現，甚至實現人機共融。

在服務智能情景下，數據可得性高的行業，人工智能將率先用於解決行業痛點，爆發大量場景應用。醫療、金融、交通、教育、公共安全、零售、商業服務等行業數據電子化程度較高、數據較集中且數據質量較高，因此在這些行業將會率先湧現大量的人工智能場景應用，用以解決行業痛點。

對人工智能而言，醫療領域一直被視為一個很有前景的應用領域。基於人工智能的應用在未來數年內能夠為千百萬人改進健康結果和生活質量，例如臨床決策支持、病人監控、輔導、在外科手術或者病人看護中的自動化設備、醫療系統管理、慢病用藥和生活管理等。

在金融領域，智能個人身份識別將用於解決金融安全隱患，智能高頻交易將用於提高金融決策效率，智能投顧將幫助金融機構開拓用戶。

在交通領域，人工智能將應用於無人駕駛、智能汽車、交通規劃等場景，用於解決目前交通行業普遍存在的駕駛感受差、道路嚴重擁堵等問題。

在教育領域，K-12線上教育以及大學配套設備等等人工智能應用已經被學校和學生廣泛使用，機器人早已經成為了廣為歡迎的教育設備，智能輔導系統（ITS）也成為了針對科學、數學、語言學以及其他學科相匹配的學生互動導師。

在公共安全領域，人臉識別將廣泛應用於安防監控，無人機、預測警務應用可以應用於反恐、維護公共治安等場景，用以解決公共安全隱患。

在零售領域，人工智能將提供精準搜索和推薦，智能導購將降低營銷成本，提升用戶體驗，從而迎合消費升級和消費者日漸成熟的趨勢。

在商業服務領域，人工智能已廣泛應用於個人智能客服和企業智能助手，未來人工智能還將拓展到人力、法律等專業服務領域。

4人工智能未來格局

五大競爭定位模式，生態構建者是關鍵一環

4.1人工智能產業鏈

人工智能產業鏈根據技術層級從上到下，分為基礎層、技術層和應用層。基礎層最靠近“雲”，應用層最靠近“端”。

基礎層（按技術層級從上到下，下同）

l 計算能力層：大數據、雲計算、GPU/FPGA等硬件加速、神經網絡芯片等計算能力提供商

l 數據層：身份信息、醫療、購物、交通出行等各行業、各場景的一手數據

技術層

l 框架層：TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或操作系統

l 算法層：機器學習、深度學習、增強學習等各種算法

l 通用技術層：語音識別、圖像識別、人臉識別、NLP、SLAM、傳感器融合、路徑規劃等技術或中間件

應用層

l 應用平臺層：行業應用分發和運營平臺，機器人運營平臺

l 解決方案層：智能廣告、智能診斷、自動寫作、身份識別、智能投資顧問、智能助理、無人車、機器人等場景應用

人工智能產業鏈中，基礎層是構建生態的基礎，價值最高，需要長期投入進行戰略佈局；通用技術層是構建技術護城河的基礎，需要中長期進行佈局；解決方案層直戳行業痛點，變現能力最強。

4.2未來人工智能競爭格局和企業制勝之道

在人工智能平臺化的趨勢下，未來人工智能將呈現若干主導平臺加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式。

模式一：生態構建者——全產業鏈生態+場景應用作為突破口。以互聯網公司為主，長期投資基礎設施和技術，

關鍵成功因素：大量計算能力投入，積累海量優質多維度數據，建立算法平臺、通用技術平臺和應用平臺，以場景應用為入口，積累用戶。

模式二：技術算法驅動者——技術層+場景應用作為突破口。以軟件公司為主，深耕算法平臺和通用技術平臺，同時以場景應用作為流量入口，逐漸建立應用平臺（如Microsoft、IBM Watson等）。

關鍵成功因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶。

模式三：應用聚焦者——場景應用。以創業公司和傳統行業公司為主，基於場景或行業數據，開發大量細分場景應用。

關鍵成功因素：掌握細分市場數據，選擇合適的場景構建應用，建立大量多維度的場景應用，抓住用戶；同時，與互聯網公司合作，有效結合傳統商業模式和人工智能。

模式四：垂直領域先行者——殺手級應用+逐漸構建垂直領域生態。以垂直領域先行者為主，在垂直領域依靠殺手級應用（如出行場景應用、面部識別應用等）積累大量用戶和數據，並深耕該領域的通用技術和算法，成為垂直領域的顛覆者（如滴滴出行、曠視科技等）。

關鍵成功因素：在應用較廣泛且有海量數據的場景能率先推出殺手級應用，從而積累用戶，成為該垂直行業的主導者；通過積累海量數據，逐步向應用平臺、通用技術、基礎算法拓展。

模式五：基礎設施提供者——從基礎設施切入，並向產業鏈下游拓展。以芯片或硬件等基礎設施公司為主，從基礎設施切入，提高技術能力，向數據、算法等產業鏈上游拓展。

關鍵成功因素：開發具有智能計算能力的新型芯片，如圖像、語音識別芯片等，拓展芯片的應用場景；在移動智能設備、大型服務器、無人機（車），機器人等設備、設施上廣泛集成運用，提供更加高效、低成本的運算能力、服務，與相關行業進行深度整合。

目前，互聯網公司和軟件公司巨頭都在產業鏈的技術層和應用層著手佈局。在產業鏈的基礎層，科技巨頭通過推出算法平臺吸引開發者，希望實現快速的產品迭代、活躍的社區、眾多的開發者，從而打造開發者生態，成為行業標準，實現持續獲利。谷歌、Facebook、IBM、微軟等科技巨頭已經相繼推出並在近期開源自家的人工智能工具。其中，Facebook開源多款深度學習人工智能工具；谷歌發佈新的機器學習平臺TensorFlow並將其開源，被稱為人工智能界的Android；IBM也宣佈通過Apache軟件基金會免費為外部程序員提供System ML人工智能工具的源代碼；微軟宣佈將開源旗下人工智能（AI）平臺Project Malmo，所有研究者都可以用廉價、有效地對人工智能算法和程序進行測試。

在產業鏈的應用層，科技巨頭都藉助積累的個人用戶數據，開發針對個人用戶和企業用戶的解決方案。在個人用戶應用上，Apple推出Siri個人助手，Facebook推出虛擬用戶助手Moneypenny，Amazon推出智能家居硬件Echo，Google推出傢俱中樞GoogleHome，阿里巴巴推出個人助手阿里小蜜和智能家居等。個人用戶應用既可以吸引用戶和流量，又可以收集數據，驗證商業模式，從而開發新場景應用。在針對企業用戶的解決方案上，Google、Apple佈局無人駕駛，IBM Watson推出醫療、金融、政府、呼叫中心等企業應用，阿里巴巴佈局智能金融解決方案等。針對企業用戶的應用/解決方案未來的變現模式除直接出售解決方案外，還可以從流量和廣告中轉化價值。

創業企業除直接佈局場景應用解決方案外，更有效的方式是採取從深挖技術到拓展應用的發展路徑。例如，曠視科技以機器視覺技術為突破點，深耕先進的人臉識別、圖像識別技術，進而拓展到行業智能解決方案、智能硬件及智能雲服務。在發展前期（2011-2014年），曠視科技定位為商用機器視覺開放平臺，深耕Face++人臉識別雲服務、Image++圖像識別雲服務和Brain++人工智能深度學習系統。2014年後，Face++開始發力智能行業解決方案，主攻覆蓋銀行、保險、互聯網金融的泛金融行業解決方案和覆蓋地產、零售、公安的泛安防解決方案，目前已形成遠程核實身份、智能企業、智能商超、智能生活、智慧安防等多種解決方案和人臉識別智能攝像機等智能硬件。未來，曠世科技將向縱深拓展，構建人工智能雲、智能感覺網、服務機器人等智能生態基礎架構。

5人工智能對企業和政府的啟示

抓住戰略機遇，構建競爭優勢

5.1企業：抓住人工智能風口，構建新的競爭優勢

傳統企業的競爭優勢主要來自於兩個方面，其一，在企業佈局上，企業有專有的固定資產、品牌、知識產權等資源，在所在領域取得規模經濟和範圍經濟，並通過門店和經銷商網絡建立了穩定的客戶關係；其二，在企業自身的能力上，企業積累獨特的人力資源和技能，並在流程上儘可能精簡。

大數據和人工智能將企業競爭帶入新的紀元，互聯網不僅連接虛擬空間，還連接人和資產所在的現實空間。人工智能時代，企業競爭優勢轉變為算法和數據資產，建立學習網絡和數據生態，360度洞察消費者，通過人工智能不斷地學習產生新的知識，同時在數據驅動下，進行即時自動決策。

為實現快速轉型，在人工智能階段構建新的競爭優勢，傳統企業需要攜手互聯網企業，探索新的商業模式。通用電氣（GE）公司與微軟公司近期宣佈合作將通用電氣用於工業互聯網的Predix平臺登陸Microsoft Azure雲平臺為工業客戶提供服務。2015年，富士康和阿里巴巴合作發起“淘富成真”項目，這一項目開放富士康世界級的設計、研發、專利、供應鏈、智造等能力，阿里雲的雲計算平臺和大數據處理能力，YunOS物聯網操作系統能力，阿里電商平臺、淘寶眾籌能力，同時引入基金和孵化器等企業為創業者提供全鏈路創新創業服務，目的是幫助中小智能硬件的創業者，完成硬件創業孵化的閉環。

5.2政府：全方位政策支持，構建人工智能產業體系

人工智能產業已充分得到了我國政府的重視，近期國家級人工智能扶持政策相繼出臺。2015年7月，國務院《關於積極推進‘互聯網+’行動的指導意見》中指出，“將推進人工智能產業在技術和應用層面加速發展……人工智能作為重點佈局的11個領域之一，將會在智能家居、智能終端、智能汽車及機器人等領域進一步推廣應用。”為落實該指導意見，加快人工智能產業發展，國家發展改革委、科技部、工業和信息化部、中央網信辦制定了《‘互聯網+’人工智能三年行動實施方案》，指出，“到2018年，中國將基本建立人工智能產業體系、創新服務體系和標準化體系，培育若干全球領先的人工智能骨幹企業，行成千億級的人工智能市場應用規模。”

為加快人工智能產業發展，政府應從以下三個維度加強對人工智能產業的政策支持：

開放政府及公共領域數據，打造國家級人工智能資源平臺。數據是人工智能的基礎。為鼓勵人工智能產業發展，應開放公共數據，並優化數據質量，建立系統化結構化的數據庫平臺，為人工智能的發展提供資源。

建立企業主導、高校研發、國家投入的人工智能產業一體化發展模式。人工智能在未來數年內將以服務智能為主，因此需要樹立企業在人工智能行業的主導地位，鼓勵企業積極開發人工智能的場景應用，以將人工智能科研成果轉變為商業價值。同時，鼓勵高校研發、增加國家科研投入，為長期人工智能基礎科技突破做準備。

以產業基金、專項基金等激勵人工智能創新，提供針對人工智能創業企業的稅收優惠，以人才為導向，配套全球人工智能人才安家政策，提供寬鬆的人工智能法律法規環境。