全球人工智能发展动态浅析

---

摘要：人工智能技术涵盖了自然语言处理、模式识别、图像识别、数据挖掘、机器学习等领域的研究。近几年正处于飞速发展的阶段，IDC统计数据显示，人工智能市场规模在2024年将达到470多亿美元。随着规模的不断扩大，谈领域的竞争也变得越发激烈。各大科技企业不断提升技术能力并加紧了在人工智能细分市场及应用领域的布局，各国也纷纷制定了相关计划和实施方案从国家战略层面推进人工智能技术的发展。人工智能已渗透到各行各业中，将对整个社会产生巨大而深远的影响，同时也引发了就业、安全和伦理等方面的问题亟待解决。

经过几十年数个周期的轮回发展和积累沉淀，人工智能技术的发展步入了全新的时期。人工智能的研究领域已经扩展到了自然语言处理、模式识别、图像识别、数据挖掘、机器学习、智能接口技术、智能信息处理等方面。人工智能技术也早已渗透到各行各业中，为产业发展带来巨大的变革，为人类的工作和生活带来全新的体验。

1  全球人工智能市场飞速发展，引来投资者关注

1.1  人工智能市场规模飞速发展

近年来，随着大数据、云计算、深度学习等相关技术的成熟以及硬件性能的不断提高，人工智能技术取得了突飞猛进的发展。人工智能技术在诸如医疗健康、安防、教育、金融和智能家居等多个行业得到了广泛的应用，市场规模也随之不断扩大。根据IDC的统计数据显示，认知计算和人工智能解决方案市场在2016年至2020年预测期内的复合年增长率(CAGR)将达到55.1%，认知计算和人工智能(AI)在各行各业中的广泛应用将推动其全球收入从2016年的近80亿美元增长到2020年的470多亿美元。

2016年，全球认知计算和人工智能中超过了一半的收入是来自银行、零售业、医疗保健以及离散制造业这四个行业，其中银行和零售业贡献了将近15亿美元的收入。医疗保健和离散制造业将在2016-2020年预测期内取得最大的收入增长，CAGR分别可达69.3%和61.4%，而教育和流程制造业也将产生明显增长。

在地理分布上，北美是迄今为止最大的认知计算和人工智能支出区域，2016年收入达62亿美元。欧洲、中东及非洲(EMEA)仍然是整个预测期内的第二大区域，而包括日本在内的亚太地区的认知计算和人工智能收入将在2020年缩小与EMEA的差距。^[1]

1.2  人工智能领域投资热情高涨，医疗健康等领域备受青睐

人工智能领域的快速发展也引来了投资者的热切关注。近几年，该领域投资呈现出爆发式增长。无论是投资金额和投资频次，都有明显的增加。根据CBInsights发布的人工智能领域融投资交易情况，2016年全球人工智能领域的投资总额达50.21亿美元，与2012年的5.89亿美元相比增长了十倍，同时投资频次也由2012年的160次增长到了658次(见图1)。^[2]

图1  全球人工智能领域融投资情况

数据来源：CBInsights

人工智能技术被广泛应用于医疗健康、广告销售及市场营销、商业智能、安防、金融、教育等领域。根据CBInsights对11个AI垂直行业投融资情况的研究分析，医疗健康类初创公司越来越引发投资者的兴趣，2012年到2016年间投资者已经向此类企业注入共计15亿美元的资金，完成了大约190次交易。交易数量也不断增加，已从2011年的8次增长到了2015年的60次，截至2016年上半年，已完成40次交易。^[3]

该领域的应用主要包括疾病诊断、医学影像、药物挖掘、健康管理、急救室/医院管理等方向。自2015年1月以来，24家医学成像和诊断领域的公司中有19家分别获得了首次股权融资；其中金额比较大的包括Butterfly Networks募集到1亿美元的C轮融资；中国医疗人工智能公司iCarbonX从腾讯和Vcanbio筹集到了1.54亿美元的A轮融资。在远程医疗方面，伦敦的Babylon Health在2016年获得了来自Kinnecik和Deep Mind的2 500万美元的A轮投资，用以开发基于AI的交流平台。此外，药物发现领域也受到了投资者的关注，9家将机器学习用于减少药物发现时间的创业公司中已有6家获得了风投。^[4]

除此之外，针对金融、物联网/可穿戴设备、广告销售及市场营销和安防领域的投资也比较集中。其中，人工智能与传统金融行业结合而产生的Fintech以及随之兴起的智能投资顾问、智能理财，引起了投资者关注。2016年，已有超过15家采用AI技术的金融科技公司筹集到了股权融资。交易金额较大的案例包括Dataminr公司(分析Twitter数据，提供实时市场信息)募集到1.3亿美元的D轮融资，以及Sentient Technologies公司(将其算法应用到量化交易中)募集到1.03亿美元的D轮融资。^[5]

2  全球科技企业带动人工智能发展，各国出台政策进一步推动其发展

2.1  美国科技巨头引领人工智能技术发展

当前，人工智能已经取代大数据，成为科技行业中“闪耀的新星”。科技巨头纷纷投入AI中，而美国科技企业依然是人工智能领域的引领者和关键参与者。

(1)谷歌

谷歌作为科技界巨头，从技术层和应用层全面布局人工智能。战略上不断积累AI底层技术，研发更高级深度学习算法，增强图形识别和语音识别能力，人工智能技术的应用延伸到智能家居、无人驾驶以及医疗药品研究等多个领域。

谷歌现行有两套人工智能系统，包括谷歌自行开发的TensorFlow，已在2015年11月开源为开发者提供机器学习库，其在谷歌内部被应用于处理图像识别、语音识别和语言翻译等任务并涉及Google搜寻、Google翻译、Gmail等服务；另一套是DeepMind的AlphaGo系统，AlphaGo专注于棋赛发展，在2016年3月以4∶1的佳绩击败围棋冠军李世石以及2017年其升级版Master横扫中日韩50多位围棋高手。AlphaGo未来还将应用于医疗诊断或投入无人驾驶等领域，以加速AI商业化进程。

谷歌的图像识别、语音识别技术底蕴深厚。2016年9月，谷歌开源其最新自动图像描述系统“Show and Tell”，可根据场景生成准确的图像说明。谷歌还发布了最新生成模型WaveNet，可以生成模拟任何人类声音的语音，并将机器合成语音水平与人类差距缩小50%。同期，还收购了聊天机器人开发平台Api.ai。

此外，谷歌还把智能家居领域作为未来AI的一个重要应用市场，正加速以Nest、Google Assistant为基础的智能家居生态系统建设，通过一系列并购、开放平台的建立、软件硬件一体化来打造这个生态系统。Google在融合Google Assistant(语音智能助理)、Nest设备的基础上，于2016年5月推出了智能音箱Google Home，其将成为亚马逊Echo的强劲对手。

谷歌在无人驾驶领域，以技术驱动，侧重于基础技术研究及AI核心科技开发。目前，谷歌无人驾驶行驶里程数已超过200万英里且成功发布了全球第一款完全能够自动驾驶的原型车“豆荚车”。2016年12月14日，谷歌宣布成立独立子公司Waymo，专门从事无人驾驶技术开发。Waymo在技术上也取得了新进展，使无人驾驶汽车关键部件激光雷达成本削减了90%，这将进一步推动无人车的市场化进程。

(2)IBM

IBM是另一家在人工智能领域大举布局的美国高科技企业。IBM从2014年开始着重关注人工智能领域，在AI领域的布局围绕Watson和类脑芯片展开，试图打造AI生态系统。IBM通过Waston开启了认知时代，可提供医疗、水资源管理、保险欺诈识别、环境保护、金融等行业解决方案，以及将Waston应用于数字顾问、虚拟助理、云计算、科学研究等多个领域。Watson还广泛应用于医疗诊断领域。IBM于2015年5月推出Watson Health服务，利用Watson分析健康数据。2015年8月，耗资10亿美元收购医学成像及临床系统供应商Merge Healthcare，并整合到Waston Health中。Waston的医疗诊断效率和精确度不断提高，2016年8月，Waston仅用10分钟即确诊人类罕见白血病。同期，Waston宣布正式落地中国，首次为21家医院提供Waston肿瘤解决方案。

此外，IBM还推出了多款并行式类脑芯片，比如IBM TrueNorth、Power处理器、随机相变神经元芯片等，大幅度提升了AI算力。^[6]

(3)微软

微软一直非常重视AI技术的研发，其语音识别、自然语言和计算机视觉等技术处于业内领先水平。2016年4月，微软上线了CaptionBot应用，可识别任何图像并为其提供详细描述；2016年8月，发布了人工智能机器人第四代微软小冰；2016年9月，宣布成立人工智能及微软研究事业部，旨在加速其在人工智能领域的创新。未来，微软AI领域将重点关注四大领域，即代理——利用Cortana语音助手等代理改变人机交互方式；应用——将人工智能注入到所有的产品中，比如photo app、Skype、Office 365等；服务——将微软AI技术开放给开发者；基础设施——利用Azure开发全球最强大的AI超级计算机。^[7]

(4)亚马逊

云计算和智能家居是亚马逊在人工智能领域的两大亮点。亚马逊领先的云计算能力为其人工智能技术走向应用提供保障，而云服务的强大客户数据也将提升AWS系统的智能化水平。2016年11月，亚马逊在AWS Re：Invent大会上推出了三大AI工具，包括文本到语音转换服务Amazon Polly、基于深度学习的图像和人脸识别服务Amazon Rekognition以及可编写自然人机交互的Amazon Lex。此外，亚马逊在过去四年间还重点打造了Alexa智能语音助手和Echo智能音箱。^[8]

(5)Facebook

Facebook的AI布局主要围绕其用户社交关系和社交信息展开，集中在图像识别、语音识别、自然语言处理等技术领域。2016年4月，Facebook宣布允许企业在Messenger平台上构建机器人，并且已与几家企业合作在该平台上推出了机器人服务。2016年6月，推出了基于深度学习的文本理解引擎Deep Text，其可处理超过20种语言，以接近人类的准确度、每秒数千篇文本的速度快速理解文本内容。^[9]

(6)苹果

苹果加紧了人工智能领域的布局，致力于打造苹果生态系统，提升用户体验。2016年，苹果已经成为最活跃的人工智能公司收购商，完成了对Vocal IQ、Perceptio、Emotient、Turi以及Tuplejump等公司的收购。2016年12月，苹果还发布了其首份人工智能研究报告。报告主要阐述了一项新技术，即如何通过计算机生成图像、而非真实图像来训练一种算法的图像识别能力。此次公开人工智能研究也有助于苹果将来普及其人工智能软件。^[10]

2.2  中国科技企业逐渐成为AI领域的关键参与者和AI技术进步的重要推动者

中国在人工智能领域的参与度在不断提高，众多科技企业也不再止步于模仿西方科技，而是将人工智能以及机器学习确立为下一个重点创新的领域。作为中国的互联网巨头，百度、阿里巴巴和腾讯正在各种人工智能细分市场及应用领域建立各自的布局。

(1)百度

百度在AI的战略布局方面主要包括三大实验室：硅谷人工智能实验室、深度学习实验室和大数据实验室，主要研究领域为图像识别、语音识别、自然语言处理、机器人和大数据。2016年9月，百度发布了百度大脑，包括PaddlePaddle深度学习平台、AI超级计算机以及大数据三大核心技术。2017年1月，推出了百度人工智能操作系统DuerOS。

(2)腾讯

2016年4月，腾讯也成立了AI实验室，提出了基于业务整合的四个研究领域：计算机视觉、语音识别、自然语言处理和机器学习以及四个研究方向：内容AI、社交AI、游戏AI以及工具类AI。在深度学习方面，腾讯大数据在2016年12月8日的“腾讯大数据技术峰会暨KDD China技术峰会”上推出了第三代高性能计算平台Angel，该平台是与香港科技大学以及北京大学联合研发的。2016年12月26日，腾讯云宣布向全球企业正式提供7项AI云服务，包括人脸检测、五官定位、人脸对比与验证、人脸检索、图片标签、身份证OCR识别、名片OCR识别。

(3)阿里巴巴

阿里巴巴则充分借助电商平台的优势，在2015年7月就发布了虚拟人工智能客服“阿里小蜜”，据公司2016年10月的报告，其问题解决率已达到80%。在金融领域，蚂蚁金服将人工智能技术运用于蚂蚁微贷、保险、征信、风险控制、客户服务等方面，蚂蚁微贷和花呗的虚假交易率降低了10倍。2016年6月，阿里妈妈光学字符识别技术获得文档分析和识别国际会议(ICDAR)Robust Reading比赛第一名。2016年8月，阿里云ET提出了一套综合的人工智能解决方案套件，包括视频、图像和语音识别技术。^[11]

2.3  各国出台计划或方案推动人工智能发展

随着人工智能的飞速发展，各国纷纷加紧了国家层面的战略布局，以抢占未来竞争的高地。人工智能已经发展成许多国家的重要战略政策，这些战略主要涉及了两方面，一是研究人类大脑原理，从中获得启示进而促进人工智能的发展；另一方面是人工智能技术具体的发展目标和战略规划。

早在2013年，欧盟就提出了为期十年的人脑计划(Human Brain Project，HBP)，旨在通过计算机技术模拟大脑，建立一套全新的、革命性的生成、分析、整合、模拟数据的信息通信技术平台，以促进相应研究成果的应用性转化。2014年，欧盟启动了《欧盟机器人研发计划》(SPARC)，目标是充分利用人工智能技术，为工厂、空中、陆地、水下、农业、健康、救援服务以及欧洲许多其他应用提供机器人。

2013年，美国政府提出了“推进创新神经技术脑研究计划”，目标包括探索人类大脑工作机制等。2016年5月，美国联邦政府宣布成立国家科学技术委员会(NSTC)机器学习和人工智能小组委员会，以帮助协调联邦在人工智能领域的活动。该小组委员于2016年10月发布了《为人工智能的未来做好准备》和《国家人工智能研究与发展战略计划》两份重要报告。前者探讨了人工智能的发展现状、应用领域以及潜在的公共政策问题；后者提出了美国优先发展的人工智能七大战略方向及两方面建议。

随后2016年12月，英国政府也发布了一份名为《人工智能：未来决策制定的机遇与影响》的报告，阐述了人工智能的未来发展对英国社会和政府的一些影响，论述了如何利用英国的独特人工智能优势，增强英国国力。

日本政府早于2014年9月成立了“机器人革命实现委员会”。委员会分别召开六次会议讨论了与“机器人革命”相关的技术进步、监管改革以及机器人技术的全球化标准等具体举措。讨论成果最终汇总编制成了《日本机器人战略：愿景、战略、行动计划》，并于2015年1月发布。该战略介绍了机器人产业的国际发展背景及日本“机器人革命”的目标，还推出了日本机器人发展的“五年计划”。^[12]

2016年3月，中国发布的“十三五”规划纲要将“脑科学与类脑研究”列为“科技创新2030——重大项目”，即中国“脑计划”。该“脑计划”分两个方向：以探索大脑秘密、攻克大脑疾病为导向的脑科学研究和以建立和发展人工智能技术为导向的类脑研究。^[13]2016年5月，由国家发展改革委、科技部、工信部、中央网信办联合制定的《“互联网+”人工智能三年行动实施方案》正式发布。方案明确了三年达到千亿级市场规模的目标，提出了要建立基础资源服务平台和加快人工智能技术在家居、汽车、无人系统、安防等领域的推广应用。^[14]

3  人工智能对社会产生了巨大影响，同时也引发了安全和伦理等问题

人工智能的发展对人类社会产生了深远的影响，逐渐改变了生产工具，提高了生产效率，形成了新的生产关系。在生产方面主要起到了以下两个作用，一方面成为新竞争力的来源，使采用该技术的企业能够获得竞争壁垒进而收获超额价值；另一方面，通过加快数据传播的效率、提炼信息的内涵以及降低信息不对称，使有人工智能的企业可以以更低的交易成本获得更多的差价。

人工智能技术在促进生产进步的同时，也给人类社会带来了新的问题和挑战，诸如对就业的影响以及人工智能技术在应用过程中涉及的安全、伦理和监管等方面的问题。

首先，某些行业的就业可能会受到影响。根据麦肯锡对美国800多种工作岗位的2 000多种工作的调查显示，面对人工智能的挑战，体力劳动比脑力劳动的从业者面临着更大的失业风险，尤其是那些“可预测的体力劳动”的从业者。例如，食品制造、焊接等重复性高且下一步动作可预测的流水线工作。而相对不可预测的体力劳动，比如建造和畜牧，以及包含脑力劳动的工作，如教育培训和医疗工作，均很难被机器人所取代。^[15]

人工智能技术在某些应用场景下也引发了相关法律问题和伦理争论，例如完全无人驾驶汽车的使用。首先，如果无人驾驶汽车在公共道路上致人伤亡或财产毁灭损失，相应的法律责任应该由谁来承担。理论上，无人驾驶汽车解放了人类的双手和四肢，将人类从驾驶任务中解脱出来，同时也减轻了人类所需承担的责任，然而汽车制造商的责任却逐步加重了，不仅要承担产品责任还要承担交通事故的安全责任，责任陡然叠加将会使汽车生产商不堪重负。其次，意外发生时，自动驾驶系统如何应对——人为介入撞向障碍物还是冲向行人？这已经不是技术问题，而是涉及到了伦理选择的问题。^[16]

人工智能所引发的安全及隐私问题也不容忽视。纽约州政府在2016年10月公布了“十字路口计划”，将在全州范围内使用人脸识别技术，用以抓捕各类嫌疑犯及恐怖分子。该计划能够将成千上万的人的图像和数据上传到一个庞大的数据库中为政府所用，而能否保证公民的个人隐私不被侵犯值得考量。而且这其中也存在着巨大的风险，无数无辜的人可能会被误认为是恐怖分子，尤其是技术识别更加不精确的有色人种。^[17]还有2016年5月发生在美国弗罗里达州的首个涉及自动驾驶的恶性事故，车主开启自动驾驶功能后与迎面开来的大卡车相撞。虽然事后调查显示特斯拉的自动驾驶功能在设计上不存在缺陷，事故的主要原因在于车主不了解Autopilot功能的局限性，失去了对汽车的控制，但这起事件依然引发了公众的对自动驾驶安全性的担忧。

总体来看，技术的发展从来都是祸福相倚的，不仅仅给人类带来利好，随之而来的还有许多问题和挑战。未来人机之间究竟如何共处，人机共存社会究竟按照何种规则运转，需要我们从法律、伦理、政治、宗教等多角度全面衡量，未雨绸缪，提早制定相关的技术规范和法律法规。

参考文献：

[1]IDC. Worldwide Cognitive Systems and Artificial Intelligence Revenues Forecast to Surge Past $47 Billion in 2020, According to New IDC Spending Guide[N/OL]. (2016-10-26)[2017-02-07]. http://www.idc.com/getdoc.jsp?containerId=prUS41878616.

[2]CBInsights. The 2016 AI Recap: Startups See Record High In Deals And Funding[NOL]. (2017-01-19)[2017-02-07]. https://www.cbinsights.com/blog/artificial-intelligence-startup-funding/.

[3]CBInsights. AI Heatmap: Healthcare Emerges As Hottest Area For Deals To Artificial Intelligence Startups[N/OL]. (2016-06-18)[2017-02-07]. https://www.cbinsights.com/blog/artificial-intelligence-in-vestment-heatmap/.

[4]CBInsights. From Virtual Nurses To Drug Discovery: 106 Artificial Intelligence Startups In Healthcare[N/OL]. (2016-02-03)[2017-02-07]. https://www.cbinsights.com/blog/artificial-intelligence-startups-healthcare/.

[5]CBInsights. From Algorithmic Trading To Personal Finance Bots: 41 Startups Bringing AI To Fintech[N/OL]. (2016-07-25)[2017-02-07]. https://www.cbinsights.com/blog/artificial-intelligence-fintech-market-map-company-list/.

[6]OFweek国外科技巨头的AI战略布局及技术现状[N/OL]. (2016-11-07)[2017-02-07].http://ee.ofweek.com/2016-11/ART-8460-2818-30063477.html.

[7]OFweek解读微软人工智能大布局[N/OL]. (2016-10-03)[2017-02-07].http://www.eepw.com.cn/article/201610/310781_2.htm.

[8]电子发烧友.AWS正式推出AI产品加入全球人工智能大战[N/OL].(2016-12-01)[2017-02-07].http://www.elecfans.com/rengongzhineng/454521.html.

[9]云创大数据.Facebook推出人工智能引擎DeepText，让机器更好地理解语言和内容[N/OL].(2016-06-03)[2017-02-07].http://www.cstor.cn/textdetail_10659.html.

[10]engadget Apple publishes its first AI research paper[N/OL].(2016-12-26)[2017-02-07].https://www.engadget.com/2016/12/26/apple-publishes-first-ai-research-paper/.

[11]搜狐科技.2016中国人工智能大事件：从百度深度学习平台到中国脑计划[N/OL].(2017-01-23)[2017-02-07].http://it.sohu.com/20170123/n479408021.shtml,

[12]搜狐科技.美国推进创新神经技术脑研究计划：人工智能各国战略解读系列之八[N/OL].(2017-01-23)[2017-02-07].http://mt.sohu.com/it/d20170123/125018684_455313.shtml.

[13]中国网.中国“脑计划”纳入规划全面展开坚持“一体两翼”[N/OL].(2016-08-18)[2017-02-07].http://people.china.com.cn/2016-08/18/content_8969992.htm.

[14]搜狐.国家重磅战略力挺，人工智能迎来历史性机遇[N/OL].(2016-05-29)[2017-02-07].http://mt.sohu.com/20160529/n451944327.shtml.

[15]199IT.麦肯锡：机器人将影响的职业比例高达60%[N/OL].(2016-07-22)[2017-02-07].http://www.199it.com/archives/498428.html.

[16]中国信息通信研究院.人工智能相关法律规则和伦理问题的初步探讨——以无人驾驶汽车为例[N/OL].(2016-11-29)[2017-02-07].http://tm.catr.cn/kxyj/caictgd/201611/t20161122_2182962.htm.

[17]搜狐.为了打击恐怖主义，纽约用上了人脸识别技术[N/OL].(2016-10-13)[2017-02-07].http://mt.sohu.com/20161013/n470143983.shtml.

作者： 中国信息通信研究院 张彦坤 刘锋  来源： 《现代电信科技》2017年第1期