愛分析日前發布《人工智能2020:落地挑戰與應對 》報告。報告回顧了人工智能的行業概況,并結合實踐案例分析了人工智能技術給產業帶來的具體價值創造和各行業落地進展和未來應用趨勢。同時,報告系統性地分析了人工智能落地產業過程中,在數據、算法模型、業務場景理解、服務方式、投入產出比等方面面臨的挑戰和應對方式,希望幫助企業推動人工智能的價值落地。
主題: 2019年人工智能的發展
摘要:
人工智能是一個很寬泛的概念,概括而言是對人的意識和思維過程的模擬,利用機器學習和數據分析方法賦予機器類人的能力。人工智能將提升社會勞動生產率,特別是在有效降低勞動成本、優化產品和服務、創造新市場和就業等方面為人類的生產和生活帶來革命性的轉變。據Sage預測,到2030年人工智能的出現將為全球GDP帶來額外14%的提升,相當于15.7萬億美元的增長。全球范圍內越來越多的政府和企業組織逐漸認識到人工智能在經濟和戰略上的重要性,并從國家戰略和商業活動上涉足人工智能。全球人工智能市場將在未來幾年經歷現象級的增長。據中國產業信息網和中國信息通信研究院數據,世界人工智能市場將在2020年達到6800億元人民幣,復合增長率達26.2%,而中國人工智能市場也將在2020年達到710億元人民幣,復合增長率達44.5%。
我國發展人工智能具有多個方面的優勢,比如開放的市場環境、海量的數據資源、強有力的戰略引領和政策支持、豐富的應用場景等,但仍存在基礎研究和原創算法薄弱、高端元器件缺乏、沒有具備國際影響力的人工智能開放平臺等短板。此份報告不但對人工智能關鍵技術(計算機視覺技術、自然語言處理技術、跨媒體分析推理技術、智適應學習技術、群體智能技術、自主無人系統技術、智能芯片技術、腦機接口技術等)、人工智能典型應用產業與場景(安防、金融、零售、交通、教育、醫療、制造、健康等)做出了梳理,而且同時強調人工智能開放平臺的重要性,并列舉百度Apollo開放平臺、阿里云城市大腦、騰訊覓影AI輔診開放平臺、科大訊飛智能語音開放創新平臺、商湯智能視覺開放創新平臺、松鼠AI智適應教育開放平臺、京東人工智能開放平臺NeuHub、搜狗人工智能開放平臺等典型案例呈現給讀者。最后,列舉國內外優秀的人工智能公司與讀者共勉。隨著技術的進步、應用場景的豐富、開放平臺的涌現和人工智能公司的創新活動,我國整個人工智能行業的生態圈也會逐步完善,從而為智慧社會的建設貢獻巨大力量。
德勤發布中國人工智能產業白皮書,內容關于人工智能行業綜述,人工智能商業化應用,以及中國主要人工智能產業發展區域及定位。
主要發現
中國人工智能產業發展迅速, 但整體實力仍落后于美國。中國人工智能產業發展迅速, 2018年中國人工智能市場規模有望超過300億元人民幣。人工智能企業數量超過1000家,位列全球第二。本次人工智能浪潮以從實驗室走向商業化為特征, 其發展驅動力主要來自計算力的顯著提升、 多方位的政策支持、 大規模多頻次的投資以及逐漸清晰的用戶需求。與此同時,中國處于人工智能發展初期, 基礎研究、 芯片、 人才方面的多項關鍵指標與美國差距較大。
中國企業價值鏈布局側重技術層和應用層, 對需要長周期的基礎層關注度較小。人工智能產業鏈分為基礎層(芯片、 算法框架)、 技術層(計算機視覺、自然語義理解、 語音識別、 機器學習) 和應用層(垂直行業/精確場景)。中國企業布局比較偏好技術相對成熟、 應用場景清晰的領域, 對基礎層關注度較小。瞄準AI專用芯片或將為中國企業另辟蹊徑。
3.科技巨頭生態鏈博弈正在展開,創業企業則積極發力垂直行業解決方案,深耕巨頭的數據洼地, 打造護城河。科技巨頭構建生態鏈, 已經占據基礎設施和技術優勢。創業企業僅靠技術輸出將很難與巨頭抗衡, 更多的創業企業將發力深耕巨頭的數據洼地(金融、 政府事務、 醫療、 交通、 制造業等),切入行業痛點, 提供解決方案, 探索商業模式。
政府端是目前人工智能切入智慧政務和公共安全應用場景的主要渠道,早期進入的企業逐步建立行業壁壘, 未來需要解決數據割裂問題以獲得長足發展。各地政府的工作內容及目標有所差異, 因而企業提供的解決方案并非是完全標準化的,需要根據實際情況進行定制化服務。由于政府一般對于合作企業要求較高,行業進入門檻提高, 強者恒強趨勢明顯。
人工智能在金融領域的應用最為深入, 應用場景逐步由以交易安全為主向變革金融經營全過程擴展。傳統金融機構與科技企業進行合作推進人工智能在金融行業的應用, 改變了金融服務行業的規則, 提升金融機構商業效能,在向長尾客戶提供定制化產品的同時降低金融風險。
醫療行業人工智能應用發展快速,但急需建立標準化的人工智能產品市場準入機制并加強醫療數據庫的建設。人工智能的出現將幫助醫療行業解決醫療資源的短缺和分配不均的眾多民生問題。但由于關乎人的生命健康, 醫療又是一個受管制較嚴的行業。人工智能能否如預期廣泛應用, 還將取決于產品商業化過程中如何制定醫療和數據監管標準。
以無人駕駛技術為主導的汽車行業將迎來產業鏈的革新。傳統車企的生產、 渠道和銷售模式將被新興的商業模式所替代。新興的無人駕駛解決方案技術公司和傳統車企的行業邊界將被打破。隨著共享汽車概念的興起。無人駕駛技術下的共享出行將替代傳統的私家車的概念。隨著無人駕駛行業規范和標準的制定, 將衍生出更加安全和快捷的無人貨運和物流等新興的行業。
人工智能在制造業領域的應用潛力被低估,優質數據資源未被充分利用。制造業專業性強, 解決方案的復雜性和定制化要求高, 所以人工智能目前主要應用在產品質檢分揀和預測性維護等易于復制和推廣的領域。然而, 生產設備產生的大量可靠、 穩定、 持續更新的數據尚未被充分利用, 這些數據可以為人工智能公司提供優質的機器學習樣本, 解決制造過程中的實際問題。
人工智能加速新零售全渠道的融合,傳統零售企業與創業企業結成伙伴關系, 圍繞人、 貨、 場、 鏈搭建應用場景。人工智能在各個零售環節多點開花, 應用場景碎片化并進入大規模實驗期。傳統零售企業開始布局人工智能, 將與科技巨頭在應用大數據和人工智能領域同臺競技, 意味零售商將更加積極與創業公司建立伙伴關系。
政策與資本雙重驅動推動人工智能產業區域間競賽, 京滬深領跑全國, 杭州發展逐步加速。京津冀、 珠三角、長三角以及西部川渝地區成為人工智能企業聚集地區。北京、 上海、 深圳牢牢占據人工智能城市實力第一梯隊的位置, 廣州的大型企業與初創企業數量較少, 杭州主要依靠阿里巴巴,因而屬于第二梯隊, 重慶則受到技術與人才基礎限制處于第三梯隊。
各地政府以建設產業園的方式發揮人工智能產業在推動新舊動能轉換中的作用。人工智能產業園呈現多點開花、 依托原有高科技產業園以及與原有園區企業產生聯動效應的特點。但由于建設速度過快, 園區也出現了空心化與人才缺口的問題。
12.杭州未來科技城抓住人工智能產業快速發展的機會并取得顯著成績,未來可以從人才、 技術、 創新三要素入手進一步打造產業競爭力。推出培養、 吸引、 保留人才的具體措施, 建立具有成長性的人才庫;通過完善產業鏈布局, 發現高價值技術企業并了解企業訴求。提高對技術型企業的招商效率;從創新主體、創新資源和創新環境三個層次聚集創新要素, 打造利于企業創新創業的有利條件。
摘要: 當前,全球大數據正進入加速發展時期,技術產業與應用創新不斷邁向新高度。大數據通過數字化豐富要素供給,通過網絡化擴大組織邊界,通過智能化提升產出效能,不僅是推進網絡強國建設的重要領域,更是新時代加快實體經濟質量變革、效率變革、動力變革的戰略依托。 本白皮書是繼《大數據白皮書(2014年)》、《大數據白皮書(2016年)》、《大數據白皮書(2018年)》之后中國信通院第四次發布大數據白皮書。本白皮書在前三版的基礎上,聚焦一年多來大數據各領域的進展和趨勢,梳理主要問題并進行展望。在技術方面,重點探討了近兩年最新的大數據技術及其融合發展趨勢;在產業方面,重點討論了我國大數據產品的發展情況;在數據資產管理方面,介紹了行業數據資產管理、數據資產管理工具的最新發展情況,并著重探討了數據資產化的關鍵問題;在安全方面,從多種角度分析了大數據面臨的安全問題和技術工具。希望本白皮書的分析可以對政府和行業提供參考。
目錄:
一、國際大數據發展概述. 1
二、融合成為大數據技術發展的重要特征. 8
三、大數據產業蓬勃發展. 14
四、數據資產化步伐穩步推進. 25
五、數據安全合規要求不斷提升. 35
六、大數據發展展望. 41
該白皮書聚焦于人工智能產業化發展歷程和現狀,整合清華大學全球產業4.5研究院的學術觀察和百度大學Alpha學院的業界實踐,從產業演進的視角具體探討不同人工智能技術的產業化發展歷程,深入分析產業化發展狀況,發現人工智能產業化的動態結構和競爭焦點,以期為從業者、投資者和研究者提供有意義的啟發。
本白皮書從人工智能數據安全的內涵出發,首次提出人工智能數據安全的體系架構,在系統梳理人工智能數據安全風險和安全應用情況的基礎上,總結了國內外人工智能數據安全治理現狀,研究提出了我國人工智能數據安全治理建議。
德勤科技、傳媒和電信行業聯合推出《全球人工智能發展白皮書》。《全球人工智能發展白皮書》深入研究人工智能技術步入商業化階段后,在全球各主要城市的創新融合應用概況,以及其將對金融、教育、數字政務、醫療、無人駕駛、零售、制造業、智慧城市等各行業帶來的深刻變革。
10月27日上午,在全國信息安全標準化技術委員會2019年第二次工作組“會議周”上,《人工智能安全標準化白皮書(2019版)》正式發布。白皮書由中國電子技術標準化研究院、清華大學、百度、華為、360、阿里巴巴等29家企事業單位共同編制。白皮書調研了人工智能發展情況,梳理了國內外人工智能安全的法規政策和標準化現狀,分析了人工智能安全的風險挑戰和屬性內涵,研究給出了人工智能安全標準化體系框架,提出了人工智能安全標準化工作建議。