人工智能作为一门前沿交叉学科,研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,将其视为计算机科学的一个分支,指出其研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能行业属于战略新兴产业,根据国家发展改革委发布的《战略性新兴产业重点产品和服务指导目录 ( 2016 ) 》来看,我国人工智能可分为三个下属行业,分别为人工智能软件开发、人工智能消费相关设备制造和人工智能系统服务。
2、产业链剖析:产业链涵盖行业庞大
人工智能产业链包括三层:基础层、技术层和应用层。其中,基础层是人工智能产业的基础,主要是包括 AI 芯片等硬件设施及云计算等服务平台的基础设施、数据资源,为人工智能提供数据服务和算力支撑 ; 技术层是人工智能产业的核心,以模拟人的智能相关特征为出发点,构建技术路径 ; 应用层是人工智能产业的延伸,集成一类或多类人工智能基础应用技术,面向特定应用场景需求而形成软硬件产品或解决方案。
行业发展历程:行业处在突飞猛进阶段
人工智能概念的提出始于 1956 年的美国达特茅斯会议。人工智能至今已经有 60 多年的发展历史,从诞生至今经历了三次发展浪潮。分别是 1956-1970 年、1980-1990 年和 2000 年至今。
1959 年 Arthur Samuel 提出了机器学习,推动人工智能进入第一个发展高潮期。此后 70 年代末期出现了专家系统,标志着人工智能从理论研究走向实际应用。
80 年代到 90 年代随着美国和日本立项支持人工智能研究,人工智能进入第二个发展高潮期,期间人工智能相关的数学模型取得了一系列重大突破,如著名的多层神经网络、BP 反向传播算法等,算法模型准确度和专家系统进一步提升。期间,研究者专门设计了 LISP 语言与 LISP 计算机,最终由于成本高、难维护导致失败。1997 年,IBM 深蓝战胜了国际象棋世界冠军 Garry Kasparov,是一个里程碑意义的事件。
当前人工智能处于第三个发展高潮期,得益于算法、数据和算力三方面共同的进展。2006 年加拿大 Hinton 教授提出了深度学习的概念,极大地发展了人工神经网络算法,提高了机器自学习的能力,随后以深度学习、强化学习为代表的算法研究的突破,算法模型持续优化,极大地提升了人工智能应用的准确性,如语音识别和图像识别等。随着互联网和移动互联的普及,全球网络数据量急剧增加,海量数据为人工智能大发展提供了良好的土壤。大数据、云计算等信息技术的快速发展,GPU、NPU、FPGA 等各种人工智能专用计算芯片的应用,极大地提升了机器处理海量视频、图像等的计算能力。在算法、算力和数据能力不断提升的情况下,人工智能技术快速发展。
行业政策背景:行业发展从技术过渡到产业融合
2017 年之前,人工智能相关政策主要集中在人工智能技术研发突破方面。从 2017 年开始,政策的重点已经从人工智能技术转向技术和产业的深度融合,特别是 2017 年 7 月国务院印发的《新一代人工智能发展规划》明确指出要 " 加快人工智能深度应用 "。
从 2018 年两会发言的不完全汇总也可以看出,人工智能 + 产业的融合将是未来的重点,包括科技部、工信部、民政部等官方部门和百度、腾讯、联想等民间代表,均提出了人工智能 + 产业、人工智能 + 医疗等。
2019 年,两会更是将 " 智能 +" 写入政府工作报告,人工智能技术对于社会的赋能被给予最高层次的期待。在工业经济由数量和规模扩张向质量和效益提升转变的关键期," 智能 +" 的理念给人工智能等数字技术提供了最广阔的落地空间和回报想象。通过智能化手段把传统工业生产的全链条要素打通,可以更好地推动制造业的数字化、网络化和智能化转型,更能反向助推技术自身的迭代和进步。
2020 年,明确人工智能作为 "新基建" 建设重要一环," 十四五 " 指出要推动互联网、大数据、人工智能等同各产业深度融合。并且各省市也在大力推动人工智能与产业融合,打造应用场景,示范项目。
1万个想法不如1次的方案落地