2017年6月14－16日，中国电子学会主办、至顶网等协办的“第九届中国云计算大会”在北京国家会议中心拉开帷幕，本届大会主题围绕“生态构建 深化应用”展开，吸引了来自云计算、大数据等领域院士、专家、产业高管、技术大咖及各界人士的广泛关注。

产业经济学博士、高级工程师、中国电子学会研究咨询中心主任 李颋

6月16日，产业经济学博士、高级工程师、中国电子学会研究咨询中心主任李颋，在当天上午的主会场中发表了《AI产业发展的趋势、挑战及政策建议》的主题演讲。在演讲中，李颋表示，对于松散耦合的数据往往是最会发生创新的地方；无耦合的数据就像是还没有初步筛选过的矿石；紧密耦合的数据就像是已经精炼过的矿石；松散耦合的很有可能当中找到宝。

以下为李颋演讲实录：(内容根据现场速记整理，未经发言嘉宾确认，仅供参考，谢绝转载)

李颋：谢谢主持人，各位领导、各位专家、各位来宾大家上午好。非常荣幸能够参与第九届中国云计算大会，也非常高兴能有这样一个机会在这样的平台上和各位分享交流我们的研究观点。在开始今天的报告之前，先请大家一起来思考一个问题，进入20世纪以来在人类历史上，曾经出现过哪些里程碑的重大科学突破。我们看到在物理学领域有相对论和量子论，在生物化学领域出现了DNA，在信息领域出现了计算机技术，在通信和网络领域出现了互联网。

应该说近十年以来我们的创新正在从单一领域的离散式突破向跨领域群体性迈进，从产品创新向系统模式的创新迈进。在信息领域、在生命科学领域、在材料领域、能源领域和制造领域，都在孕育着重大新技术革新和突破。在各项技术的竞相角逐之下，人工智能有望堪于互联网和相对论的重大突破。这也是我想交流的主题《人工智能产业发展的趋势、挑战以及政策建议》。

我将会从如下几个方面来进行报告，包括人工智能的突破和革新，人工智能的全球战略趋势，人工智能的产业布局趋势，我国发展人工智能产业面临的挑战以及相关的政策措施建议。

首先在人工智能定义演化的很长一段时期内，人工智能都保持它初始定义，就是让机器能像人一样的理解、思考和学习，借用计算机去模拟人类智能。在这样一个定义之下，出现了以逻辑推论为代表的符号学派，出现了以模拟人类大脑和神经网络运行机制的连接学派。以及出现强调从感知到行为反馈的行为学派。在这之下我们也诞生了诸如像机器翻译、专家系统、模式识别、机器学习等等一系列的成果。这一系列的成果和学派基本上是建立在二元世界的结构之上，及物理世界和人类世界的互动。

而随着目前数据环境的改变和信息环境的变化，实际上现在出现了物理世界、人类社会和信息空间的三元结构的一种互动，以及世界的结构正在从二元迈向三元，在这样一个三元的结构互动之下显然我们的数据数量更为庞大，是一个海量的数据。我们的信息环境更为复杂，计算能力需求也更为强大，人机交互也会更加的频繁、更加的自然和更加的智能化。在这样一个环境变革趋势之下，人工智能就出现了演进式的定义，从简单的用计算机模拟人类智能发展到了要推动机器人与网络互相连接互动，更加接近人类智能的形态，以提高人类的智力活动能力作为根本目标。

包括大数据的融合、跨媒体的认知、从单一智能向群体智能的演变、从强调有载体式的智能向自主智能系统的迈进，以及从单纯的将机器视为工具、视为设备转向将机器视为伙伴，向人机融合迈进的定义演化。

从领域延伸来看，最初人工智能的领域从互联网发明开始有类似性，基本上集中在科研领域和军事领域这两个方面。现在显然是有了一个巨大的延伸，延伸到了制造领域，可以令制造更快、更环保和成本更低廉的生产成本。应用到物流环节自动化的手段来调配和规划运输的路线，提高供应链的管理效率。延伸到了金融领域，智能投资、智能的投资咨询、智能基金的配置无疑更加提高了人类的交易效率，降低了人类交易的成本。扩展到农业领域，可以充分的预测农业所要面临的天气情况、所要面临的植被情况以及地形环境对自然环境做出准确的预知和判断，在农业领域提供了农业信息化和智能化的水平。延伸到教育领域，可以采用智能的系统，提高学生的自学能力，提高学生的一些评测和教学的评估能力。延伸到医疗领域，可以对人类的基因进行一些大规模的研究，并从中识别出具有风险或具有特意遗传特征的基因，从而改善人类的生物遗传序列。

从表面上来看，这些都是应用领域的延伸，其实从根本的动力来看，应该说标志着人工智能正在从学术驱动转变为应用拉动的这样一个驱动模式的改变。而背后隐含的意义是人工智能正比历史上任何一个时刻都要更加接近于人类智能，在这样一个无限接近的情况之下，不仅是能够对经济系统、对金融环境、对城市管理、生态环保等等宏观领域产生作用，也能够具体到制造业、农业等行业解决方案，提供一些可行性的操作方案，这些都是根本的驱动力的变革和创新。

在这样一个突破创新趋势之下，人工智能受到全球各个政府的高度重视，并纷纷出台了一些战略和政策。首先来看一下美国、欧盟、英国和德国的人工智能战略，美国的人工智能战略是为了力保世界领导者的地位，立足于人类、社会和世界的一个转型。从2016年开始美国白宫就发布了人工智能要为未来做好准备的等一系列的研究报告。目的主要是着力去确保自身在人工智能领域以及相应的技术突破和革新方面的世界领导者地位。

而欧盟推出的计划主要是集中在科学和医学领域推出的人脑项目，这应该说是一个在波折中前进的项目，因为推出不久就在不到一年的时间里遭遇大批科学家的抗议，因此曾经一度取消过认知科学的领域项目，直到现在还有部分科学家质疑研究的方向是否能最终解开人类大脑之迷的这一目标，但是无论如何，近期还是获得了到2019年的项目支持，应该说这是在波折中前进的国家战略。

英国实际上是发挥了自己在人工智能领域独特的生态系统优势，更加注重于行业的实践和应用。英国对人工智能领域的研究可能不是名声特别响，但是应该说除了美国之外，英国是人工智能企业最为密集，也是人工智能领域技术创新最有突破性的一个国家。英国目前已经围绕着人工智能核心技术构建了一套相对完整的生态系统，而且其中的骨干力量大部分都属于中小创新企业，这与英国本身的生态环境有密切的关联性。

在德国人工智能的研究，近期应该说主要还是围绕着工业4.0的推动而展开，实际上在1988年德国就成立了以企业为主导的人工智能研究中心，其中不仅包括了像奔驰、西门子等这样一些德国的传统企业，而且也搀杂了美国企业的支持。德国人工智能研究中心在近30年来在人工智能领域的技术研究，取得了很多的积累和沉淀。但从近期来看，德国的人工智能基础研究主要还是在工业4.0领域，在这方面德国的经济部和教研部这两个政府部门给予了非常大的资助和支持。

接下来我们看一下日本的人工智能战略，为什么把日本单独用一页PPT来进行描述，因为我们和日本人工智能战略其实是相对比较密切的。从2014年研究融合大脑来加快对人类大脑疾病的研究开始，应该说日本密切推出了一系列和人工智能和社会智能化水平提升一系列的国家战略。其实我们可以通过近几年日本相关信息领域的研究发现，无论是过去还是到现在的超智能极少围绕着某一个点去做规划，而会和整个的社会转型和居民生活的提升、生活环境的改善，和一些对环境的认知度，以及对环境的舒适感，居住条件的需求紧密的结合起来，这也是日本在制定举国战略的时候非常显著的特点。目前日本围绕着人工智能制定了产业路线图，计划分三个阶段来执行，第三阶段延伸到2030年，是依托智能机器人将成为家庭成员的一部分，普及移动自动化和无人化，通过人工智能，将人类的需求进行可视化和一些潜在化需求的分析，这是日本举国战略非常典型的特征。

最后来看我国的人工智能具有哪些趋势，目前人工智能是进入了国家的宏观战略布局，大批专项也即将发力，但是我国进入人工智能领域研究应该说相对发达国家而言还是比较晚的，1978年才将人工智能纳入国家层面的研究计划，在这之后国家基金委启动了一些重大专项，包括每年举办智能车的挑战赛来检验人工智能发展水平。在这之后2015年出台互联网+行动指导意见和2016年推出十三五战略新兴规划的时候，才将人工智能明确纳入国家宏观战略考量的一个层面。和规划配套的财政专项也即将出台，从资金、政策、公共环境营造等多个方面为我国的人工智能技术和产业发展提供一个良好的政策保障，这是我国的战略趋势。

在了解了全国战略趋势之后，我们再来看一下人工智能技术及产业趋势，何为人工智能技术框架，目前一谈到人工智能，因为现在的新名词很多，机器学习、深度学习、神经网络、各种芯片、各种新兴的名词会造成大量的冲击，但是其实如果系统来看，我们可以简要的把人工智能的基本技术框架，归纳为两大基础平台和三大通用技术。两大基础平台一个是云计算平台，一个是大数据平台，三大通用技术就是机器学习、模式识别和人机交互。

在机器学习之下涵盖了深度学习、机械学习等等一系列的应用分类，在模式识别之下涵盖了诸如人脸识别、图像识别、语音、语义识别等，这是人工智能最密切最通用的技术之一。在这样的技术平台衍生出来大量的技术实践，智能驾驶、智能机器人这些实际上都是架构在通用技术和基础平台技术之上的一些具体实现，虽然技术方向不是很完整，但是基本上有助于我们比较简要的了解目前人工智能一个基本的技术发展方向和框架。

在框架之下，我们试着来归纳分析一下，当前的人工智能的主要的一些技术发展趋势。第一是智能水平逐步提升，正从专有智能向通用智能过渡，什么是专有人工智能？应该说目前我们所能接触到的绝大部分的人工智能都属于专有人工智能。是专门用来解释和识别人类在生产、生活中遭遇到的一系列问题。比如智能医疗系统可以检测出病人是否患有肿瘤，以及识别出肿瘤的种类，这就是典型的专有人工智能的体现。那么什么时候能达到通用人工智能，就是不仅能够发现和识别肿瘤的种类，还能够给出对应的匹配治疗方案，并且能够切实有效的实行，这才能说发展到了通用人工智能的阶段。

通用人工智能的下一个阶段是什么？是抽象人工智能阶段，就是要不仅能够认知、判断、识别和给出具体的解决方案，还能够引导人类的行为方式，为之发生一些改变，用一个比较形象的话来形容，一开始人工智能只能判断肿瘤的种类，发现有肿瘤的存在，再到后来围绕肿瘤给出具体的解决方案，最后后还要来引导人类采用正确的习惯，从而避免肿瘤的发生，这是从专有、通用到抽象人工智能的过程。

最后是否会发展成为超级人工智能，这会存在一个大大的问号，我们的超级人工智能会迎向美好的明天？还是淘汰和取代？这是目前无法解释的问题。

第二个趋势就是聚焦行业焦点和行业痛点，迭代式的技术进步将会持续发生，目前围绕着医疗、金融、交通教育零售等数据相对比较集中，而且质量比较高的行业实践应用需求，在算法模型、图像识别、自然语言处理等方面，出现了一些叠加式、小规模边际化持续性的技术突破。而在这些突破当中，能够进一步促进人工智能的深度应用，从而支持人工智能实现从感知到决策到行为再到学习这样一个正向的闭环反馈的智能闭环的过程，这是目前的趋势。

第三个技术趋势实际上，应该算是商业模式的改变，但是商业模式的改变，又确实与技术未来的焦点密切相关，那就是目前的深度学习平台，在各大巨头的指导之下正在实现开源化，而这样一个开源化深度学习的平台，又势必会导致超级智能生态系统在未来即将构建的态势。应该说从2015点开始在谷歌折算一些项目和龙头企业带动之下，各大人工智能的企业纷纷宣布了自己深度学习平台的开源而不仅包括了谷歌的（英文），包括了亚马逊这样一些平台，包括了Facebook，包括微软还有IBM学习平台的开源，应该说目前的主要深度学习的开源框架已经达到了十四五种以上，在这一些平台的开源的确大幅度促进了人工智能的发展和具体行业的深度应用，但是实际上最终收益还是技术巨头，围绕这一些开源深度学习平台所展开的超级智能生态系统的竞争，将会是未来很长一段时间之内人工智能技术竞争的焦点所在。这是当前的三点技术发展的趋势，我们尝试了进行呢归纳总结一下。

在这样的发展趋势之下，我们也试着来研判一下，未来人工智能技术发展到底具有哪一些热点方向，第一个我们认为深度学习，如果具体来说有监督学习和无监督学习，在目前实际上无监督学习是深度学习所追求的一个相对比较终极和长远的目标。在目前来看大部分的这种深度学习还显得有监督学习，但是目前类似于像阿尔法狗这种学习实际上已经达到了一种轻度监督学习，或者半监督式学习这么一个状态。它的最终目标都是为了模拟人类大脑和神经网络这样一个反馈和决策的机制。

在这方面谷歌和Facebook是佼佼者。既包括了企业解决方案的提供的语音识别也包括了直接面对消费者智能终端所体现的语音识别，如果从传统的构架来看，从感知层面可以直接发展到交互层面，首先我能够听懂你的语言，能够进行一些生文的系和判断，在进行一些口语的理解，最后有一个输出就能够完成语言识别的过程，但是从近期的语言识别来看，尤其领先的厂商嵌入了认知的环节，我不仅听懂基本的意思我还能结合上下文、结合语环捕捉你微小动作改变，图谱形成一个描述和刻划，从而通过搜索引擎寻找到最适应对应下文这样的一个内容的推介。在嵌入了认知之后就是从感知到交互变成了感知认知交互三体相互互动的这么一个环节。而最后之后才是一个最后的表达输出语音合成的环节，这也是最新的语音识别技术领域目前逐渐发展和改良也是之前所说迭代式典型的体现。

但是无论语音识别技术如何的发展，它的根基都是建立在机器学习大数据和超算平台技术框架之上，目前包括了像行业解决方案转型成功的（英文）包括了一直都很强势的苹果，以及包括我们国家发展态势非常喜人科大讯飞都是在语音识别领域取得了一些比较典型的显著成果，这是两个热点方向。

第三个热点方向其实在过去的一段时间里面，曾经产生过一些争议，认为无人系统不是完全属于人工智能的一个发展方向，当然从目前它所应用的一些领域和技术发展态势来看，应该说无人系统就是下一个五到十年里面人工智能展开技术竞争和产业竞争的主战场，它可以应用在空间机器人海洋机器人以及像服务机器人，无人机无人车，甚至可以应用到工厂无人车间等等，可以说应用领域非常广泛具有机动性强，适应能力生产力高，无人员伤亡，一般来说感知、决策和执行这三层，为什么说它是将来人工智能技术竞争和产业竞争这样一个主战场，因为在过去来看发展无人系统实际上只是从感知到执行的过程，但是从近期的发展趋势来看它越来越多的应用到内脑智能，应用到了模式识别，应用到的集群决策，就是AI单元一些协同的和通讯，运用到了交互和深度学习等等。因此我们大胆判断，无人系统将会是下一个五到十里面人工智能产业技术的主战场，也是我们所研判的第三个技术发展的热点方向。

在分析完了技术之后，我们来了解一下人工智能产业的发展趋势。什么是人工智能的产业，目前没有一个统一的定论，我们也是比较大胆的给它下了一个相对比较粗浅的定义，我们认为什么是人工智能产业，人工智能产业是依托人工智能技术提供智能化产品服务机解决方案，具备有一定商业模式，形成了一定的产业规模的各个行业的这样一些结合，在这样一个定义之下，近年来人工智能产业化程度是不断的提升，市场规模也进一步的扩大，各类产品需求是得到爆发式的增长和释放。在2016年全球人工智能规模达到了86.94亿元，我们市场达到2.59亿元，下一步还有望进一步扩大，到2020天我们将发展超过180亿美元，其中我国讲话14亿美元，年均增速是50%，这是我们自身的一个比较简单的这么一个判断。

在这样一个产业体系主要构成之下，我们在给产业体系进行分层方面也是参考了一些目前现有机构的研究成果，从客观情况来看，根据上下游关系，将人工智能的产业分为技术层和应用层，包括了七类17种产品及服务是目前相对比较客观合理的分类，在基础层，我们包括了传感器、芯片和算法模型，其中传感器和芯片属于关键硬件，在技术层我们分为语音识别、语义识别、图像识别、字符识别、人脸识别、手势识别。在应用层我们把它细分智能机器人无人机、智能医疗、智能金融、智能驾驶、智能安防、智能搜索、智能教育。其中智能机器人和无人设备领域而医疗、金融教育安防搜索等等这一些领域是属于具体应用长颈的这样一个应用，这是我们一个很简单的分类。

而在这样的产业体系的主要构成方面就不详细展开了。我们现在也对国内外企业的框架做了一个简单的分类点了一些比较典型的国际企业。主要来看一下目前人工智能产业布局的四点趋势，第一个从总体趋势来看，应该说是快速增长的期，2016年已经突破了1千家跨越了机器学习以及机器视角，融资金额高达49亿美元，在区域趋势来看，人工智能还是集中在发达国家，美国、英国、德国的较为迅猛。从分类趋势来看机器学习受到了市场的高度关注，在所有的人工智能子类当中研究机器学习和应用公司最多，达到260家，约占行业的20%，这数据其实已经超过了300家。从企业的趋势来看应该说龙头企业依托了核心技术研发，资本并购开源等方式正在积极布局人工智能的全部领域，计算机视觉的领域竞争相对比较激烈，智能机器人、智能驾驶智能医疗均为创投的热点。

再来看一下我国发展人工智能产业所面临的几点挑战：

第一点挑战是在核心技术方面，我们与发达国家仍有差距，因为人工智能的核心技术是需要长期的积累和大量的投入，我国虽然目前在侧重于应用的层面取得了一定的成果，但是在技术层面还是有很大的提升空间，尤其是在算法领域和深度学习芯片领域，应该说目前是有一点突破但是离目前大规模的应用还是有一点距离。

第二点挑战没有获得足够有力的配套服务支撑。我们目前的应用领域和规模是即将进入快速增长的阶段，但是在标准制定检验评测信息咨询、成果转化等等方面，围绕着配套相关服务是寥寥无几甚至是空白的状态。并没有为人工智能的时代到来做好一个前瞻性的布局准备，也没有助力持续健康发展的良好环境。

第三点挑战是先行的科研和教育体系与人工智能发展需求不能完全契合。我们的现行科研机制还是快速交互成果的跟随式研究，对于需要试错需要差异化的研究是相对忽视。对于厚积薄发的也没有投入研究，同时我们相对条块式的细分化的教育体制需要融合需要前沿复合型的人才也没有完全的契合。

基于这些挑战，我们给出了一些政策措施建议：

第一个建议，是在配套人工智能2.0的国家战略这方面，我们也国家部委和地方政府能够围绕人工智能2.0的战略出台，能够尽快出台一些趋势集中到有步骤、有计划的促进数据公开和公共数据共享这一些方面，引领我国人工智能技术研究和应用的快速健康发展。

第二个建议，是搭建人工智能的协同创新核心平台，建设国家级的协同创新合作平台，站在整合创新资源对接全产业链的技术以及开展全球示范的高度去加速人工智能的领域一些科技转化的速度，降低创业创新的门槛，建设一个良好的创新生态环境。

第三个建议，是要充分发挥相关行业的协会及科技支撑的作用，我们可以支持相关的行业协会成跨界融合的人工智能产业中心，前瞻研讨一些技术发展的路线和中国的节点下一步培养示范性人工智能提供依据，同时鼓励行业协会和科技社团联合创建人工智能双创平台提供一些研发设计，检验评测信息咨询和人才培训等公共服务。

第四个建议，就是围绕着当前在行业的具体人工智能的推广应用需求，率先开展光电技术和领域的标准制定工作，重点推动团体标准的制定完善和实施，提出整体的布局和框架，建立具有科学性系统性和前瞻性面向国际的人工智能标准体系。

最后简单做一个自我介绍，我来自中国电子学会研究咨询中心，我们目前近20个团体其中博士学历占80%以上，也承担了人工智能2.0白皮书重大研究课题，这是中国科协给我们的授牌智库型组织，我们目前围绕着人工智能、智能机器人、智能制造这些领域定期的发布投资增长点等这一类分析报告。欢迎各位专家、各位来宾与我们进行一些广泛的互动交流，也欢迎各位就人工智能方面进行一些指导和指正，以上就是我今天报告的全部内容，感谢各位的聆听、指正，谢谢。

原文发布时间为：2017年6月16日

本文作者：李超

本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。