2017年7月，Gartner公司釋出了年度新興技術成熟度曲線。Gartner認為，2017年技術成熟度曲線揭示了未來5-10年的三方面技術趨勢，一是無處不在的人工智慧、二是身臨其境的體驗、三是數字化平臺，這三個方面的匯聚會帶來有競爭力的商業生態。

作者 | 孟海華

一、突 出 趨 勢

2017年，Gartner推出三方面趨勢： 1、無處不在的人工智慧（AI）；2、透明化身臨其境的體驗；3、數字化平臺。在這三大趨勢下，四個技術領域值得決策者優先關注，因為和企業加快和加深技術創新有關，並對如何對待員工、客戶、合作伙伴產生重要影響。它們分別是：商業生態擴充套件類技術，例如區塊鏈；融合類技術，例如腦機介面；商業自動化技術，例如承載貨物與服務的商業無人機；安全類技術，例如軟體定義安全將帶來更加安全的數字化世界。

1 無處不在的人工智慧

未來10年，人工智慧將成為最具破壞性級別的技術，主要是因為卓越的計算能力、漫無邊際的資料集、深度神經網路領域的超乎尋常的進步。插上AI這個“翅膀”，人們基於資料可以解決超乎想象的若干問題。

企業圍繞這個主題考慮以下技術：深度學習、強化學習，通用智慧、自動駕駛、認知計算、商業無人機（無人機）、對話使用者介面、企業分類法和本體管理、機器學習，智慧微塵、智慧機器人，智慧空間。

2 透明化身臨其境的體驗

技術強調以人為中心，它將提高人、企業和事物之間的透明度。隨著技術演變更加適應工作場所和家庭環境，並且與企業和其他人的互動加強，這種關係將變得更加交織。

需要考慮的關鍵技術包括：4D列印、增強現實、腦機介面、互聯家庭、人體增強、奈米管電子、虛擬現實和立體顯示。

3 數字化平臺

大資料、卓越的計算能力和無處不在的技術生態構成了新興技術的革命性的堅實基礎。這種從技術結構向生態支援的數字平臺的轉換成為人和技術之間的橋樑——新商業模式的基礎。在這些充滿活力的生態中，企業必須主動理解生態平臺並重新定義他們的戰略，產生對應的平臺商業模式，探索平臺內在和外在的構造，從而依靠平臺產生更多的價值。

需要跟蹤的關鍵技術有5G、數字孿生、邊緣計算、區塊鏈、物聯網平臺，神經形態硬體、量子計算、無伺服器PaaS和軟體定義安全。

二、重 點 關 注

一是人工智慧類新興技術在今年的成熟度曲線上快速移動。這些技術正處於曲線的巔峰位置，它們也是支撐和創造透明和身臨其境體驗的關鍵技術。

二是數字化平臺類技術在曲線上處於上升期，說明支撐未來正規化的數字化平臺正向我們走來。

三是量子計算、區塊鏈技術有望在未來5-10年產生變革性和戲劇性的影響。

1 新技術

瞭解2017新興技術成熟度曲線第一次引入的技術，為企業架構師（EA）提供未來幾年戰略性技術趨勢的領先指標。下面的8個新技術將支援EA和技術創新的領導者們理解應用無處不在的人工智慧，透明身臨其境的體驗和數字平臺這三個主題：

5G

通用人工智慧

深度學習

深度強化學習

數字孿生

邊緣計算

無伺服器PaaS

認知計算

2 顯著移動技術

>>>> 區塊鏈

區塊鏈概念正在得到人們認可，未來它將改變行業的經營模式。區塊鏈在多個行業使用的例項表明其初步價值，但還需要進一步的驗證。未來，我們將看到區塊鏈在金融服務業、製造業、政府、醫療和教育行業得到更快的認可和應用。

>>>> 商業無人機

AI硬體的主要進步，計算能力的小型化，以及更為實用的深層學習演算法，使得無人機可以用於金融服務、製造業、零售業和汽車業。

>>>> 軟體定義安全(SDSec)

安全供應商繼續將更多策略管理從個別硬體元素移動到一個基於軟體的管理平面，以便保證指定安全策略的靈活性。因此，SDSec為安全政策的執行帶來速度和敏捷性，而不管使用者的位置、資訊或工作量。

>>>> 腦機介面

隨著可穿戴技術的發展，微型化、智慧化、個性化在普通場合也變得越來越普及，應用程式將受益於混合技術，將大腦、注視和肌肉跟蹤結合起來，提供擴音互動。在未來的五年中，隨著虛擬現實（VR）硬體的發展，很有可能這種技術的較新版本是包含在VR耳機設計中。腦-機介面不僅顯示出重大進展，而且以一種變革的方式增加了它的影響。

3 脫離曲線技術

在許多情況下，這些技術不再是“新興的”，而是正慢慢的融入我們的生活，從新興技術曲線中離開的技術只是為了突出其他的新興技術。出現在2016年新興技術曲線，但沒有出現在今年新興技術曲線的技術有：

802.11ax

情感計算

情境經紀

手勢控制裝置

資料經紀人

微資料中心

自然語言問答

個人分析

智慧數字挖掘

虛擬個人助理

4 成為主流技術的時間預見

新興技術具有破壞性的性質，但他們提供的競爭優勢還沒有完全為人所知或在市場上證明。然而，大多數技術將需要超過5至10年達到生產力高點。以下這些例子說明在短期和長期的關鍵新興技術的影響。

2到5年將被主流採用。無處不在的人工智慧和已經發揮效能的新興技術，例如機器學習已經提供了廣泛而顯著的效益，而深度學習和商業無人機（無人機）的發展帶動機器學習演算法的深入進步。以下列出2到5年的主流應用新興技術：

增強資料探勘

認知專家顧問

深度學習

邊緣計算

商業無人機

物聯網平臺

機器學習

無伺服器PaaS

軟體定義安全

虛擬現實

5到10年被主流採用。技術調查顯示數字平臺正在充分發揮作用。軟體定義安全(SDSec)表明平臺革命正在全面發力，SDSec為安全策略的實施帶來速度和敏捷性，而不考慮使用者的位置、資訊或工作量。虛擬個人助理提供不顯眼的、無處不在的、情景感知的基於顧問的解決方案，同時資料區塊鏈將擴大分散式總賬概念，有望改變行業經營模式。以下列出5到10年的主流應用新興技術：

5G

深度強化學習

數字孿生

增強現實

區塊鏈

認知計算

互聯家庭

對話使用者介面

企業分類法和本體管理

碳奈米管電子

神經形態硬體

智慧機器人

智慧工作空間

虛擬助理

超過十年被主流採用。量子計算將提供前所未有的計算能力。通用人工智慧將無處不在，人工智慧將與外界融合，成為透明沉浸體驗和數字平臺融合的關鍵因素。以下是超過10年主流採用的新興技術的清單：

4D列印

通用人工智慧

自動駕駛

腦機介面

人體技能增進

量子計算

智慧微塵

立體顯示

時期

成為主流所需要的時間

少於2年

2至5年

5至10年

超過10年

轉型

增強資料探勘

認知專家顧問

深度學習

邊緣計算

商業無人機

物聯網平臺

機器學習

軟體定義安全

深度強化學習

數字孿生

區塊鏈

認知計算

對話使用者介面

碳奈米管電子

智慧工作空間

虛擬助理

4D列印

通用人工智慧

自動駕駛

腦機介面

人類技能增進

智慧微塵

高

商業無人機

5G

增強現實

互聯家庭

神經形態硬體

智慧機器人

量子計算

中

無伺服器PaaS

虛擬現實

企業分類法和本體管理

立體顯示

低

三、分 階 段 技 術 點

1 上升階段

>>>> 智慧微塵

智慧微塵是一種機器人、微機電系統(MEMS)或其他裝置。智慧微塵可以透過光學、溫度、壓力振動、磁場和化學成分來檢測出任何事物。他們執行在一個無線計算機網路中，分佈在一個區域來執行任務，通常透過無線射頻識別(RFID)感測。由於他們不使用大型天線，使得系統的測量精度可以達到幾毫米。

2017年，雖然針對智慧微塵的研究還處在實驗室階段，但還是有了一些進展。如南加州大學機器人研究實驗室（美國國防高階研究計劃局(DARPA)資助）和JLH實驗室，以及最近的斯圖加特大學，已經開發出一種新的“智慧塵埃”微型攝像頭類似沙粒大小。本研究的目的是使塵埃儘可能小，這涉及智慧化、小型化、一體化和能源管理。因為一個完整的感測器和通訊系統整合到一個立方毫米封裝，還有很長的路要走，我們還沒有看到智慧灰塵大的商業應用。然而，一些合理的小微粒在商用樓宇控制、工業監控和安全中得到應用。最近，安費諾先進感測器宣佈研製成功新的智慧塵埃感測器，主要用來檢測顆粒物，空氣質量下降的程度等。

>>>> 4D列印

四維列印（4DP）技術是用動態能力（或功能、屬性）對材料進行程式設計，並透過化學、應用電子、顆粒或奈米材料將其改變。此外，該技術具有排列、混合和放置特定材料的功能。

2017年，4DP有一些令人興奮的最新前沿應用。哈佛團隊運用4DP列印轉換的組織工程支架，用來支援細胞生長；維克森林研究所的研究人員列印3D印刷結構，這種結構由活性的細胞組成，可以代替人類組織，這種3D結構形狀隨時間發生變化。同時，美國宇航局的工程師們已經利用4DP列印“太空鏈郵件”。新加坡研究中心和蘇黎世瑞士聯邦技術學院的4DP研究已經進入公共領域，涉及4D列印部件及其耐久性，涉及4DP設計承重。在這項技術成為主流之前，仍需要10年以上的時間。

>>>> 通用人工智慧(AGI)

又名“強人工智慧”或“通用機器智慧”。機器具有類似人類在學習、推理、適應和理解等方面的能力就被稱為“智慧”。 AGI適用於廣泛的使用案例，相對而言，弱人工智慧僅限於特定（窄）的使用案例。但是，目前AGI只存在於科幻小說。2017年的人工智慧系統，都不能透過等同於人類的智力的通用測試。這並不是說，永遠不可能創造一種接近於人類認知能力的機器，但我們可能距離完成必要研究和工程實驗還有好幾十年。AGI（“強人工智慧”）往往與認知計算的討論糾纏在一起。弱人工智慧運用案例包括輔助駕駛、聰明顧問、虛擬客戶助理、專注於各種任務的特定智慧（比如財富管理等）；強人工智慧將給人們的生活和商業活動帶來巨大的、甚至是毀滅性的影響。

>>>> 深度強化學習

深度強化學習是深層神經網路在強化學習中的應用。強化學習是一種機器學習技術，理解和表達獲取情況和動作之間的對映關係。強化學習進入曲線已經有三多年的歷史了。它可以被認為是一種啟發式的動態規劃，由李察貝爾曼在60年前引入。2017年，深度強化學習表現搶眼，是因為計算機遊戲類領域深度強化學習的巨大成功，例如alphago（谷歌DeepMind開發）正激發人們對該領域的興趣，成為深度強化學習系統化、廣泛應用的重要驅動力。

有幾個開源框架，支援強化學習的應用（例如，谷歌tensorflow和那些OpenAI），但幾乎所有的商業數字化平臺目前都缺乏此功能。建議不要對深度強化學習期望太高，不要把深度強化學習放進你的規劃或路線圖，除非你實在沒有別的解決途徑可尋。深層強化學習必須有深入的專業知識，最好是一個模擬或受控的環境，在這個環境中，系統可以拿出搜尋一系列最終產生最佳評價的策略。當前，除了前面提到的遊戲類的深度強化學習，其他類別成功的深度強化學習還比較少見。

>>>> 神經形態硬體

神經形態計算可以被理解為受到神經生物學結構概念影響的基於半導體處理器的計算。神經形態晶片與傳統的處理器完全不同，往往需要執行模組，是非馮-諾伊曼結構。2017年，神經系統仍然處於非常早期的原型階段。休利特帕卡德實驗室正在開發的點陣，是一種加快神經資訊處理形態的引擎設計。美光的自動化處理器旨在為圖形分析、模式匹配和資料分析提供極高的並行性和效能。神經形態硬體的發展存在三大障礙：一是加速計算技術（例如GPU)需要比矽基神經更方便、更容易程式設計的結構；二是知識短板，程式設計的神經形態硬體要求新的執行模型和程式設計方法；三是可擴充套件性，大量的神經元和深互連將挑戰半導體廠商創造可行的神經形態裝置的能力。

>>>> 人體機能增進

人體機能增強主要是用外在手段提高自身技能，提供超過正常人類極限的效能。增強的例子包括增加體力（例如，透過外骨骼），提高感知（例如，助聽器與手機應用程式最佳化，或植入磁體檢測電流），提高注意力，（例如，透過藥物或腦刺激）提高精神集中度。

日益專業化和能力水平等競爭需求下，未來更多的人將嘗試透過人體機能增強來提高自己，未來20年將觸發一個價值數十億美元的市場。投資者可以關注選擇性增強的趨勢和機會，定位合適人群，挖掘市場潛力。關於人體機能增強的倫理爭議正在出現，美國幾個州已經通過了法案，禁止僱主將晶片植入作為就業條件。

>>>> 5G

5G是4G下一代蜂窩標準。這是目前被國際電信聯盟（ITU），第三代合作伙伴計劃（3GPP）和歐洲電信標準協會（ETSI）認可的官方標準。Gartner預計，到2020年，3%的基於網路的行動通訊服務提供商（CSP）將推出5G商業化網路。從2018到2022年，國際上將主要利用5G來支援物聯網通訊、高畫質影片和固定無線接入。

>>>> 無伺服器PaaS

沒有服務業務的PaaS被稱為無伺服器PaaS。所有的PaaS應該從一開始就反映了雙方的IaaS和SaaS的設計原理是伺服器。無伺服器PaaS代表真正的雲式操作的雲平臺服務。一個伺服器PaaS交付模式將提高生產力和效率，並幫助簡化開發、規模經營、降低基礎設施成本。這將建立一個更一致的和可管理的雲應用環境，但需要規劃的實踐和策略的調整，產生經營為基礎的解決方案，PaaS的設計、繪製以及現有的一些應用程式，需要一些新的改變。

>>>> 數字孿生

數字孿生是一個虛擬物對應一個實物。其一重要功能是數字孿生使其他軟體/系統與其虛擬物直接互動，而不是實際物件，以改善實際物件的維護、升級、修復和操作。數字孿生的基本要素包括被控物件的模型、物件的資料，一個唯一的一對一對應物件和監控物件的能力。

對汽車、建築物和消費產品來說，嵌入在虛擬模型中的功能行為的想法剛剛出現：到目前為止，不到1%被建模者關注。在高價值資產密集型行業（如交通運輸和製造業）和關鍵領域（如航空航天和國防），在相對常見又比較複雜的領域（例如，汽車，飛機，飛船，機器），數字孿生依然罕見。迄今為止，Gartner估計只有5%的此類複雜資產被建模。

Gartner預計，簡單的數字孿生將快速增殖。例如，面向消費者的消費電子產品等行業，簡單的數字雙胞胎產品開始在消費者層面增殖分化（如音響系統、智慧照明等）。對於普通客戶而言，隨著對簡單電子裝置的數字孿生的體驗的提升，比如透過移動裝置上相對簡單的數碼雙胞胎遠端監控和控制他們的消費電子產品，數字孿生將在普通消費群體中得到歡迎和認可。隨著時間的推移，越來越多的製造型企業將使用更成熟的數字雙胞胎避免裝置故障和執行裝置維修計劃，最佳化製造的工藝流程，提高對裝置故障的預測和提高運營效率，增強對產品的開發和維護。

>>>> 量子計算

量子計算是一種非經典計算是基於亞原子粒子的量子態。粒子的狀態代表資訊，用一個稱為量子位（量子位元）的單個元素表示。一個量子位可以同時儲存所有可能的結果，直到讀到一個被稱為疊加的屬性。量子位也可以與其他量子位聯絡起來稱為糾纏。量子計算機操縱連結的量子位元來解決問題，觀察（讀取）量子位元中的最終結果。

基於量子技術的硬體可不一般，比較複雜和前沿。迄今為止，最大的糾纏演示是大約17個量子位，也是在實驗室好奇心驅使下實現的。即便如此，大多數研究人員都認為硬體不是核心問題。有效的量子計算將需要開發新的量子演算法來解決現實世界中的問題，同時在量子態中執行。研究人員正試圖將新的量子演算法最佳化到量子計算機的特定設計特性上。IBM最近開放了它的外部量子平臺，目的是提高人們對量子計算的認識。今天，只有17個量子位元，系統只能解決一些微不足道的問題，但IBM希望透過增加量子位數量和降低錯誤率來繼續擴大其能級。

另一個新出現的方法是捕獲離子，而不是電子。離子的質量比電子大幾千倍，這使它們不易受噪音干擾，而且更容易管理。量子計算這項技術繼續吸引大量資金，許多大學和企業實驗室正在進行大量研究。D-Wave系統，製造商的退火的量子計算機，目前利用2000個量子位元而不依賴於完全的糾纏量子位元。谷歌，一個D波量子計算機的使用者，相信它會促進深度學習和量子計算的結合。微軟的量子結構和計算組正在開發面向未來的量子演算法以及程式設計演算法軟體體系結構。

>>>> 立體顯示

立體顯示技術是將物體呈現為三維的效果，採用跟隨觀眾移動的360度球面視角。與大多數平面3D顯示器不同，透過立體顯示技術可以創建出高度的幻覺效果或立體的視覺感受，能夠擁有非常逼真的立體效果。目前，立體顯示技術還沒有走出實驗室，但常常被認為像是電影《星球大戰》中莉亞公主的實體影象那樣。但實體顯示仍然是一個難以捉摸卻夢寐以求的目標。

立體顯示技術的商業應用還處於起步階段。到目前為止，在市場營銷中針對高階零售環境的簡單應用已經部署。有一些專門的地理空間成像應用程式來增強2D地圖，並用於建築渲染。然而，其中大部分可以用更為廉價的技術，如3D顯示器來實現。同時，頭戴式顯示器和光場顯示器的快速增長和持續發展威脅到專業市場以外的立體顯示器的持續發展。潛在的應用領域包括醫學成像、消費娛樂、遊戲和設計，但成本需要極大降低。

>>>> 腦機介面

腦機介面（BCI）是一種使用者介面，使用者可以透過計算機解釋不同的大腦模式。資料要麼被被動地觀察和研究，要麼用作命令來控制應用程式或裝置。有三種方法：

侵入性的，電極直接連入大腦。

部分侵入性，顱骨穿透，但沒有觸及大腦。

非侵入性的，在商業上可用的帽子或頭巾戴在頭骨上來檢測訊號。

非侵入性的方法不能使用更高頻率的訊號作為頭骨塊和分散電磁波。這種方法的一個主要挑戰是獲得足夠清晰的大腦模式來執行一系列命令。雖然今天的控制不是很平滑或連續，但可以控制多維度的虛擬物件，玩互動式遊戲和控制硬體。值得注意的是，佛羅里達大學於2016年舉辦了世界上第一個被大腦神經控制的無人機競賽，顯示了服務機器人發展的潛在路徑。但是，從思想到檢測，從檢測到執行，任然存在一個延遲的問題，這個主要問題使得實時控制面臨挑戰。

目前，最好的神經介面用於肢體修復，並使用100個通道提取大腦的神經訊號。國防高階研究計劃局（DARPA）正投資6000萬美元，在未來四年內神經工程系統設計提高到一百萬通道（NESD），將看到一個一立方厘米的裝置植入人的大腦，使神經元的資料以電子的方式加以傳送。如果這樣，這項技術將發生顛覆性的轉變，它不僅對細微差別的介面有廣泛的影響，而且有利於從生理和心理方面深入理解大腦。

新的使用案例，如無人機控制、客戶行為研究。FACEBOOK的8個研究小組最近宣佈在其F8開發者大會上宣佈一項無創性的專案，允許使用者進行思想和目標互動，每分鐘100字。

>>>> 對話使用者介面

對話使用者介面（CUI）是一個高層次的設計模型，在此之中使用者和機器以口語或書面自然語言互動作用。這些通常是非正式的和雙向的互動作用範圍從簡單的話語（例如“停止”，“是”或“現在幾點”“12:24”）到高度複雜的相互作用（收集犯罪案件的證人證言）和高度複雜的結果（如為使用者建立一個抽象的形象）。作為設計模型，CUI要依賴於應用程式和相關服務的實現。供應商和開源活動在不斷增加，利於CUI的發展。更多已確定引進將動搖新UI模式控制局面的CUI和新商業模式，以部分替代和補充應用程式和API。

>>>> 智慧工作空間

智慧工作空間利用物理物聯網對物理物件數字化，傳遞新的工作方式，分享資訊及開展合作。物理環境程式化使智慧工作空間與移動裝置、應用軟體、數字職場圖、智慧機器協同，以提高員工的工作效率。人們工作的任何地點都可以成為智慧工作空間。

2 頂峰期

>>>> 增強資料探勘

增強資料探勘（原智慧資料探勘），標誌性的特點是下一代BI和分析平臺，使得使用者自動發現、想象和敘述相關研究，例如相互關聯、例外、整體預測等，無需建立模型或寫演算法。使用者透過視覺化搜尋和自然語言查詢資料，支援自然語言生成的結果解釋。

在過去的五年中，基於視覺的資料探勘破壞了傳統的商業智慧（BI）和分析市場，因為它們易於使用，使用者可以快速組裝資料，視覺化地探索假設，以便在資料中找到新的見解。但是依靠使用者手動尋找模式可能會導致使用者挖掘自己的偏見假設，丟失關鍵結果，並得出不正確或不完整的結論，這可能會對決策和結果產生不利影響。

增強資料探勘可以減少耗時的挖掘探索和錯誤識別，以及產生較少的額外解釋。而不是一個分析師手動測試資料的所有組合，只有最顯著的和相關的結果呈現給使用者的智慧視覺化和/或自然語言的敘述。將一系列演算法並行應用於資料，並向用戶解釋實際的結果，減少了資料丟失與人工探索之間的重要見解的風險，最佳化提升對策建議。

>>>> 邊緣計算

邊緣計算描述了一種計算拓撲，其中資訊處理、內容收集和交付更接近於資訊的源和匯。從網狀網路和分散式資料中心的概念出發，邊緣計算著眼於保持本地和遠離網路中心的流量和處理。目標是減少延遲，減少不必要的流量，並建立一個集線器，用於在感興趣的對等點之間進行互連，以及對複雜的媒體型別或計算負載進行資料細化。

建立邊緣資料中心的物理基礎設施的大多數技術都是現成的，但是拓撲、顯式應用程式、網路體系結構的廣泛應用還不常見。邊緣計算在物聯網物理實現軌跡中發揮協同作用，極大地提高了概念的可視性。需要擴充套件系統和網路管理平臺，包括邊緣位置和邊緣功能特定技術，如資料細化、影片壓縮和分析等。

>>>> 智慧機器人

智慧機器人是一種機電形式的因素，在物理世界中自主工作，在短期間隔中學習，接受人類監督、培訓和示範，在人類的管理下工作。

與工業機器人（預定義的、不變的任務）相比，智慧機器人迄今為止的使用量明顯減少，但他們在市場上受到了巨大的鼓舞，這就是為什麼智慧機器人正處於膨脹預期的頂峰。在未來幾年中，圍繞智慧機器人的宣傳和期望將繼續增長。由於幾家主要供應商在過去幾年中的努力，智慧機器人正在大放異彩：

亞馬遜機器人公司（原名Kiva Systems）計劃配置10000個機器人來完成客戶的訂單。

谷歌收購多個機器人技術公司。

Rethink Robotics推出巴克斯特和Sawyer，可與人類員工一起工作。

2016年，開始在一些酒店，例如希爾頓、威斯汀酒店房間使用服務機器人。

智慧機器人將在以資產為中心、以產品為中心、以服務為中心的行業中發揮其最初的業務影響力。他們的體力、勞動能力，更高的可靠性，更低的成本，更高的安全性和更高的生產力，在這些行業中表現出很強的競爭力。典型的和潛在的使用案例包括醫療材料處理、危險廢物處置、調劑和交付，病人護理，直接材料搬運、補貨、產品裝配、成品動作，產品挑選和包裝，電子商務訂單、送貨、購物協助、客戶服務、禮賓和處置有害物質等。

>>>> 物聯網平臺

各企業致力於增加物聯網終端種類, 尋求更好效益, 同時發覺新的商機和盈利模式。由於這些因素的互動作用，企業需要不斷增加先進技術資源以達到相應的成熟度、規模和商業價值。大規模物聯網平臺可以實現基礎和高階的物聯網方案和數字化商業操作。物聯網平臺以一個混合方式部署，它將與基於雲的元素（無論是私人的還是公共的）和分佈於終端和閘道器之間的本地軟體合併。

越來越多的企業透過物聯網和數字業務擴大了物聯網平臺的宣傳力度，推動了供應商和使用者對物聯網平臺和服務的投資。物聯網專案部署的增加，人們對成本的預期和技術的低估（例如，裝置配置、端到端的解決方案整合和足夠的網路安全）形成挑戰，推動物聯網平臺接近期望膨脹的高峰期，在實踐經驗的積累將最終把它們帶到主流的生產力和成熟。2017年，看到很多大型廠商帶來的第二代產品市場，總的來說，還沒有完全證據證明他們的銷售量，但是考慮到新的市場進入者，其營銷量註定繼續增加。

>>>> 虛擬助理（VAS）

VAS幫助使用者或企業完成以前只能由人類完成的一組任務。VAS使用人工智慧和機器學習（例如NLP、預測模型、推薦和個性化）來幫助使用者或自動化完成任務。VAS監聽和觀察行為，建立和維護資料模型，並預測和推薦行動。它們可以為使用者服務，並隨著時間與使用者形成關係。虛擬助理透過與使用者相應的轉換將職責從使用者理解傳輸到系統。

VA具體應用如蘋果Siri、谷歌助手、微軟Cortana、亞馬遜的Alexa、kore.ai和SAP的副駕駛等。將來，越來越多的影象識別、行為和事件識別等將使用VAS。虛擬助理也可以部署在虛擬個人助理、虛擬客戶助理和虛擬僱員助理。隨著使用者對它們的適應程度提高，技術的改進和實現的多樣性，VA的使用也隨之增長。

>>>> 互聯家庭

互聯家庭的目的是實現與多個裝置、伺服器和應用程式的網路連線，從通訊娛樂到醫療、安全和家庭自動化。這些伺服器和應用程式透過多個相互關聯的整合裝置、感測器、工具和平臺傳遞資訊。情境的、實時的、智慧的資訊可以透過本地或雲端儲存，使得個體或者其他連線到伺服器的家庭成員能夠透過遠端或者在家裡監控自己的家。媒體娛樂、家庭安全、監控和自動化、能源管理產品和服務、健康和健身、教育等將成為互聯家庭的關鍵詞。

>>>> 深度學習

深度學習透過進一步發現和研究中間變數擴充套件和延伸機器學習，是機器學習的一個分支。三方面的因素導致深度學習到達新興技術曲線的頂端位置：一是前所未有的大量資料的可獲取，包括以前難以處理的資料；二是演算法的改進、模型的最佳化，能夠處理快速增長的資料集；三是深層學習硬體平臺的升級換代（擁有數以萬計的叢集晶片和基於GPU的硬體架構的超級計算機）。

成千上萬的供應商都在探索深度學習領域的應用，如計算機視覺、會話系統和生物資訊學領域的應用。研究人員正在不斷地釋出驚人的新的關於這一主題的論文。企業中的巨頭如谷歌，蘋果，微軟，臉譜網和百度正在增加其針對深度學習的研發份額。蘋果的Siri、谷歌的谷歌Now，微軟的Cortana和亞馬遜的Alexa的身後都有深度學習的身影。硬體製造商正在加緊交付新的、深層的神經網路訓練的高效能演算法（深度神經網路演算法，DNNs）。未來在科學資料平臺上，深度學習的功能將變得更容易獲得，估計到2018年，80%的資料科學家的標配是深度學習。

我們看到，為了持續獲得好的成果，深度學習需要專家系統和相應的裝置。目前被普遍認可的是DNN架構。然而，深度學習的計算資源並不是隨手可得的，有一些技術還比較模糊，沒有一個單一的演算法或系統當前能夠滿足所有深度學習的處理需求。

深度學習當前的成功是透過DNN的主要變數：影象和語音識別中的卷積神經網路；自然語言處理和翻譯中的遞迴神經網路；生物資訊學中的自動編碼的人工神經網路。建議在能力範圍內把深度學習的資料作為長期投資的重點，因為正確資料的價值會隨著時間增長。建議在法律和道德都很明晰的領域避免使用DNNs，例如當你註定要面臨歐盟資料保護規定的時候。在美國，國防高階研究計劃局（DARPA）資助了一個解釋人工智慧的專案，但這將需要幾年的時間。

對於產業來說，深度學習對所有行業都具有轉換和顛覆潛力。對於那些想實現這種潛力的人來說，挑戰是要找出正確的問題，以便在深度學習中加以解決。

DNN潛能的基礎是對高維複雜資料顆粒的表徵能力。DNN可以透過解釋影象來診斷早期的腫瘤，並給出可靠的結果；幫助改善視障人士的視覺能力；幫助車輛自動駕駛；給黑白照片染上彩色；給元素缺失的照片補上缺憾；識別和理解一個特定人的語音等。

>>>> 機器學習

機器學習是從一系列觀察中提取某種知識和模式，有三個主要分支：監督學習（也被稱為“標記資料”）、無監督學習、強化學習（給出好到什麼程度和壞到什麼情形的評價）。

機器學習是目前最熱門的技術概念之一。機器學習的一個分支就是深度學習，其中涉及深度神經網路，受到格外關注是因為它涉足了認知領域，而這以前是人類的專屬領地：影象識別，文字理解和語音識別方面都身手不凡。機器學習將在以下方面驅動改進和解決新業務問題，展現大量的商業和社會場景：分別是自動化領域、藥物研究、客戶關係管理、供應鏈最佳化、預見性維護、操作效能、反欺詐、自動駕駛、資源最佳化等領域。機器學習的影響可以是顯性的或隱性的，顯性的影響來自主動接受機器學習服務，隱性影響來自您使用的產品和解決方案，而不知道它們包含了機器學習的成分。

>>>> 自動駕駛

自動駕駛是指車輛不需要人類干預，自己就可以從一個起點，藉助各種車載技術和感測器，如鐳射雷達、雷達和攝像頭，以及控制系統、軟體、地圖資料、GPS和無線通訊資料等，“自動駕駛”到預定目的地。感測器、定位、成像、引導、人工智慧(AI)、對映和通訊技術的不斷進步，以及先進軟體和雲計算的快速發展， 使得自動駕駛很快成為現實。

2017年，汽車製造商和技術公司開發的自動駕駛汽車得到了主流媒體的吹捧，導致對這項技術不切實際的和過高的期望。AI是一個關鍵的技術，使基於機器學習和演算法的自動駕駛得以加速發展。自動駕駛目前的主要挑戰是成本，當然人們也在可靠性、道德、法律層面展開研討。

>>>> 碳奈米管電子

利用半導體性質，碳奈米管為將來製備具有高速開關的微電晶體半導體裝置提供了可能。利用金屬（導電）性質，碳奈米管為作為低電阻連線件應用到積體電路中提供了可能。人們正在評估將碳奈米材料技術應用到矽及其化合物的半導體材料中。具有半導體特性的碳奈米管有望在未來半導體器件中具有高開關速度的小型電晶體。具有金屬（導電）特性的碳奈米管具有低電阻的特性，可以應用於積體電路中的互連。其他奈米管材料包括矽和化合物半導體材料正在評估中。矽版本（通常稱為矽奈米線）正在積極研究用於矽陽極電池。

>>>> 認知計算

認知計算包括虛擬助理，認知專家顧問和智慧增強現實等這些類別的技術，改進和提升人類的認知任務。我們認識到“認知計算”是當前市場上的宣傳詞，但不相信這些系統真正能夠認知。但可以說，他們模仿和/或延長人類的認知能力。他們是互動的，在對話中迭代，回顧以往的相互作用，並適應資訊的變化或目標的改變。當前認知計算處於新興技術曲線的頂端位置，主要是AI的發展所致。在自動駕駛、虛擬客戶助理等領域，認知計算處於非常重要的位置，AI可能會因為認知計算取代人工。炒作、預期、需求都將推動認知計算的發展。未來5年，我們希望認知計算的主要障礙得到解決，加上物聯網、大資料，促動更大的商業創新。

>>>> 區塊鏈

區塊鏈包含了一系列聯絡較弱的技術和處理過程，包括中介軟體、資料庫、資料安全、資料分析、貨幣及身份管理等概念。大多數分散式分類賬仍處於alpha或beta階段。最近的版本包含資產、資料和可執行程式，在總賬協議之上開發的允許定製應用程式。顯著的炒作仍對帳簿的價值，但技術的可行性、安全性（軟體和硬體），可擴充套件性，合法性和互操作性問題仍然存在。

>>>> 商業無人機(UAV)

商業無人機（UAV）是小型直升機，固定翼飛機。無人機通常包括全球導航衛星系統（GNSS）、攝像機和感測器，引導他們進行成像、熱和光譜分析。快取記憶體和通訊系統使無人機能夠收集資料集或將它們傳輸到雲中儲存或處理，這些系統也包括防撞系統。

2017年，由於技術的改進和進一步需求程度的影響，商業無人機已經越過期望的巔峰。民用無人機應用案例包括採掘業、基礎設施的檢查、管道檢測、災害監測、安全檢查、測量、農業篩查等。中國、日本、英國和歐盟繼續測試在農業蟲害防治和包裹遞送中嘗試使用無人機，前者得到普遍認可，後者在特殊地形、地貌條件下作用重大。

3 滑向低谷

>>>> 專家認知顧問

專家認知顧問是最專業形式的人工智慧功能體現的虛擬助手，依賴於極深而窄的訓練語言資料庫的發展。至少包括專門的演算法，以及機器學習和自然語言處理功能等，基於認為積累的大資料基礎來回答問題、發現問題、給出建議、幫助決策等。他們模仿人類專家的“認知”功能。

>>>> 企業分類及自然管理

資訊的分類（按類別）和本體（按自然屬性）的管理包括實踐和實施技術解決方案。本體（ontology）是一種分類方法，將具有親緣關係或者功能相近的物件歸納在一起。分類（taxonomy）是一種對特定概念、物質，甚至語言結構進行區分的方法。這一定義只針對資料，而並不是一個一般化的定義。

>>>> 軟體定義安全

軟體定義安全 (SDSec) 是一個涵蓋大量的安全技術的統稱。在安全政策管理技術從基礎的安全政策實施環節中抽象出來之後，這些安全技術就有了優勢。資訊保安不能抑制劑數字化商業的需求。在不考慮使用者、資訊的位置或工作量的前提下，軟體定義安全技術將提高安全策略的執行速度和敏捷性。

>>>> 增強現實

增強現實(AR)是使用實時的文字、圖形、聲音和其他材料與真實世界的物件相關聯，用頭戴式的裝置演示或投影成影象的技術。虛擬世界中，不同的擴增實境都可以轉化為真實世界。這種技術的目的就在於增強使用者與環境的聯絡。目前的技術是為了解決特殊的、專業的案例。因此，曲線上的位置與到達成熟所需的時間，會因企業發展的不同而不同。這代表了人們對市場上增強現實的普遍觀點。

4 爬坡階段

>>>> 虛擬現實

虛擬現實技術是一種可以建立和體驗虛擬世界的計算機模擬系統，它利用計算機生成一種動態的模擬環境，使使用者沉浸到該環境中。手勢識別或手掌識別根據手和身體的動作或者觸屏來進行反饋。

虛擬現實一般是使用頭盔。今天市場上的知名裝置是Oculus Rift、索尼PlayStation VR、HTC萬歲，三星Gear VR和谷歌Cardboard。虛擬現實技術對於企業使用來說已經足夠成熟，但需謹慎，VR系統的成功還取決於使用者體驗和應用質量。大多數虛擬現實消費者是玩遊戲或看影片，可以看360度或球形的影片內容。

2017年，雖然VR能夠展示令人驚訝的內容，但定製的價格和成本依舊高昂。在頭盔顯示技術的最新進展可能有助於緩解這些障礙，開發商應更注重質量體驗。進步的人工智慧、物件元資料和社會身份資料等越來越受到人們的重視，是因為個人和社交網路技術越來越被頻繁的使用，這將幫助開發人員使虛擬現實更加個性化和智慧化。例如，雲圖形處理、移動影片遊戲等技術以及寬頻接入的普及，將使應用程式開發人員更容易將虛擬現實整合到他們的產品中。

這個問題，很好，我也在關注。

首先要搞清楚，什麼是人工智慧。

人工智慧可以對人的意識、思維的資訊過程的模擬。人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧。

感謝題主邀請，人工智慧，英文縮寫為AI。人工智慧為21世紀科技領域最為前沿的技術之一，它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。其所使用的技術旨在根據資料和分析賦予計算機能夠做出類似人類的判斷。人工智慧研究是企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等等。總的來說，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。

行業概況

相關政策

▶今年3月，人工智慧被首次寫入政府工作報告，連同新材料、積體電路、生物製藥以及第五代行動通訊等戰略性新興產業一道上升至國家級戰略層面。

▶7月底，國務院印發了《新一代人工智慧發展規劃》，提出六方面重點任務和一系列保障措施。要求到2020年人工智慧總體技術和應用與世界先進水平同步，人工智慧核心產業規模超過1500億元，帶動相關產業規模超過1萬億元；到2030年，中國人工智慧理論、技術與應用總體達到世界領先水平。

人工智慧（Artificial Intelligence）：

是指使用機器代替人類實現認知、識別、分析、決策等功能，其本質是對人的意識與思維的資訊過程的模擬，是一門綜合了計算機科學、生理學、哲學的交叉學科。

作為一種基礎技術，理論上講人工智慧能夠被應用在各個基礎行業（如:AI+金融、AI+醫療、AI+傳統制造業等），同時也有像機器人這樣具體應用的行業概念。

· 發展趨勢 ·

目前，中國的人工智慧研究處於爆發期，華人工智慧相關專利申請數從2010年開始出現持續增長，於2014年達到19197項，並於2015年開始大幅增長達到28022項。2016年，華人工智慧相關專利年申請數為29023項。

根據烏鎮智庫釋出的《全球人工智慧發展報告》資料顯示，在人工智慧專利數量方面，中國已經獲得了長足的進步，在過去三四年已經超越了美國。

2007-2016年華人工智慧相關專利申請數統計

· 行業分類 ·

人工智慧行業主要分為基礎支撐、技術應用和方案整合這三大板塊。基礎支撐主要包括 CPU/GPU/NPU，感測器，深度學習和神經網路。

*本報告研究範圍為以上產業鏈內容。

產業鏈佈局

據參照系資料庫顯示，目前全國從事人工智慧領域相關的企業共有346家。下面將從基礎技術支撐、技術應用領域、方案整合領域三方面來介紹相關企業的具體發展情況。

· 基礎技術支撐 ·

在該階段中誕生了基礎理論、基本規則和基本開發工具。在此階段，演算法和計算機對AI的發展起到主要推動作用。

現在主流應用基於多層網路神經的深度演算法，一方面不斷加強從海量資料庫中自行歸納物體特徵的能力，一方面不斷加強對新事物多層特徵提取、描述和還原的能力。對演算法來說，歸納和演繹同樣重要，最終目的是提高識別效率。

【相關企業】

基礎支援領域相關的企業一共有4家，分別為深圳真時科技有限公司、崑山塔米機器人有限公司、塔米智慧科技（北京）有限公司和蘇州科大訊飛教育科技有限公司。

· 技術應用領域 ·

人工智慧發展的第二個階段，演算法和計算力已經基本不存在堡壘，資料將成為主要驅動力，推動人工智慧更迭。在此階段，大量結構化、可靠的資料被採集、清洗和積累，甚至變現。

自然語言處理（NLP，natural language processing）：是計算機科學領域與人工智慧領域中的一個重要方向，主要研究人與計算機之間用自然語言進行有限通訊的各種理論和方法，是一門融語言、計算機和數學於一體的科學。

自然語言處理大致分成自然語言理解和自然語言生成兩大部分，包括句語法義分析，資訊抽取，文字挖掘，以及語音識別，語音合成和機器翻譯等技術。機器翻譯研究如何利用計算機實現自然語言之間的自動轉換，是人工智慧和自然語言處理領域的重要研究方向之一。

計算機視覺和影象識別原理

【相關企業】

人工智慧技術應用領域相關企業有108家，下圖中列舉的5家企業為深圳碳雲智慧科技有限公司、北京捷通華聲科技股份有限公司、北京星核軟體有限公司、北京艾克斯智慧科技有限公司、上海海知智慧科技有限公司。

（部分企業列表）

· 方案整合領域 ·

到了人工智慧發展的第三個階段，場景驅動作為主要驅動力，不僅可以針對不同使用者做個性化服務，而且可在不同場景下執行不同的決策。

【相關企業】

人工智慧方案整合領域相關企業達234家，以下列舉的為部分企業名稱，分別為北京盛開互動科技有限公司、北京文安智慧技術股份有限公司、北京市商湯科技開發有限公司、上海經達資訊科技股份有限公司。

（部分企業列表）

投資動向分析

以下將從最受機構喜愛的企業、投資機構佈局、企業資本狀態分佈情況和區域分佈狀況這四方面來做具體的分析。

· 最受機構喜愛企業 ·

從參照系資料庫提供的資料來看，最受投資機構喜愛的企業是北京市商湯科技有限公司。機構介入數多達19家，包括IDG資本，萬達集團，華興資本，TCL創投等。其次是深圳前海達闥科技有限公司，機構介入數為12家，包括富士康、深創投等。

· 投資機構佈局 ·

從投資機構的佈局上看，真格基金投資的人工智慧相關企業達14家，位列第一。IDG資本投資和達晨創投分別為7家企業，紅杉資本和啟迪創投分別為6家。

· 企業資本狀態分佈 ·

從企業資本狀態的分佈情況來看，346家人工智慧領域相關企業中，其中15家企業為A股公開交易狀態，14家企業為新三板上市狀態。

15家A股上市企業名單

▽

14家新三板上市企業名單

▽

· 區域分佈狀態 ·

從人工智慧行業相關企業的市級分佈情況來看，佈局最多的是北京市，有多達124家關聯企業。其中上海市共有47家相關領域企業。

除北京和上海外，人工智慧領域企業分佈最多的是深圳市，企業數量為42家。其次為杭州市，企業數量達34家。

市級分佈狀況

參照系研究院·出品

感謝邀請，不能這麼武斷地說。可以把人工智慧的研究看作工業革命的延伸或者叫第四次工業革命。即解放雙手之後的解放頭腦。其最初目的也是為解決各行各業發展的超大量運算和儲存需求。另外研究人工智慧還有一重目的是透過智慧機器行為的模擬更深度地認識人類自己，認識生物智慧的形成規律和發展走向，以便更好地瞭解自我，瞭解人和世界萬物的關係。當然，智慧的發展存在很多的自由基和很強的不確定性，需要提前的預判和應對準備。個人認為，人和人工智慧未來存在多種形式的融合而不是勢不兩立，比如人可以將自己的意識上傳雲端，可以下載到耐老化材料列印的軀體中，也可以選擇自己感興趣的軀殼上傳，比如動植物或者機械體等等。總之適應性更強，也可以達到單個意識體的永生。

人工智慧的主要作用是提高效率，提高效益等。天貓網購的客服90%以上是客服軟體自動回覆的，這可以讓做網店的人減輕工作壓力，減少人工工資費用。阿里雲的城市大腦可以讓警車救護車救火車一路綠燈直達目的地，這也是人工智慧的功勞。阿里雲盾可以每天自動識別對抗幾千次網路攻擊，也是靠人工智慧。

國外做過一次閱讀測試，同樣的時間裡大量閱讀以後，再答題，結果阿里的人工智慧軟體的答題正確率比人的答題正確率還高。

無人駕駛也得靠人工智慧，自動識別各種路標及紅綠燈及周邊物體，智慧控制車速等。

人工智慧是科技的再次昇華，再造奇蹟，將再湧現一大批人工智慧創業英雄!

人類研發人工智慧的理由有三個

一、科技進步具有它自身的內在動力，不以個人的意志為轉移。

從18世紀60年代發端的第一次工業革命開始，到現在的第四次工業革命，人類才經歷了短短的200多年的時間。歷經的科技革命速度越來越快。

期間還經歷了二次世界大戰，這樣前所未有的大劫難都沒能阻滯得了科技的快速進步。可見這個勢頭並不是某個人之功，也不是某個人之過。科學家們總結，這些電子資訊科技是成指數級速度進步的。所以誰也阻止不了科技的潮流。

二、人類面臨的困境的挑戰，迫使人們尋求更有力的工具。

人類面臨的氣候變化、能源、健康和貧困等困境，並沒有因為歷次的科技革命而消退。現在的溫室效應、能源短缺、交通事故、癌症病人增多這些新問題都是科技革命之前所沒有的。科技產生的問題還須以科技去解決。

每一次人們都尋求更有效、更直接的方式去增進人類福祉，每一次遭遇挑戰之後都以嶄新的智慧去解決問題。這一次，人類要釋放歷次科技革命所依賴的人類智慧了。你可以想象一下什麼是困獸猶鬥。

三、科技來到它的源頭，試圖改變人類智慧的短板。

這一次的人工智慧革命，人類被逼到了科技革命的源頭，也就是人類智慧自身。大家都發現和承認，人類的自然智慧是有所欠缺，也就是短板的。

這個欠缺和人的生老病死苦密切相關，這也是佛學理念所宣揚的，是佛陀在世時示現給大家的。所以，我們創造的新智慧是沒有生老病死苦的人工智慧。研發它就是為了超越人類智慧生老病死苦的侷限。

既已至此，我們不能空手而歸。眼下，你看到這已經區域性實現了。

人工智慧的目的是把人改造成半機械嗎？

這個我不肯定，也不否定。因為我解釋過發展人工智慧的大目的，人改造成半機械化這肯定不是人類的目的。那麼我們可以把這個人半機械化的問題看作是個人選擇。

畢竟，把人變成半機械的東西不符合人性的美學。更好的選擇也許是把機器人半生物化。這個方案科學家們會根據各人的意願做出選擇的。我自己不傾向於接受這樣的改造。

發展人工智慧的目的是人類要奴役機器人，由於電腦小型化，演算法多樣化，大資料雲端化，感測器精密化，讓機器人為人類工作成為可能。

機器手臂是人工智慧的初步應用，成百上千的機器人在無人工廠工作，從裝配汽車到飛機已經非常成熟，人們要把機器人從固定崗位變成流動崗位，獨立為人類工作，就需要更多關節，更多感測器，更多大資料，更多演算法。

無人駕駛能得到解決，人工智慧就成功了一半，其他無人手術，無人飛天計程車，無人快遞，無人炒菜機，就迎刃而解，水到曲成，人們更多時間去創新去享受，以前把人當機器，現在把機器當人，變成人的奴隸，如果只升級人類的頭腦，沒有奴隸可用，人類永遠是自己的奴隸！

讓人駕馭機器，讓公司變成機器，讓營業員變成機器，讓實體店變成機器，讓村委會變成機器，讓你的家庭變成機器，讓機器人不停的為主人，公司賺錢。減少人的體力腦力活動。

人工智慧不會毀滅人類，人類會機械化，如果大腦脫離了身體組織，人類也有可能達到永生，或者能活幾個世紀，這必然是人類下一步的目標。

這是人類進化的必然過程。具體到經濟方面，這是市場的必然需要。上升到新時代有中國特色社會主義思想，這是人民美好生活的需要。

人工智慧技術的優勢是透過演算法，對資料、知識、資訊加以利用，提供精確的結果反饋和反應。因此，所有有互動的場景都是人工智慧的價值發揮陣地，這其中客服行業是最成功的。

研究機構Gartner預測，2020年左右85%的客服服務都將由人工智慧完成。智慧客服最大的品牌商小i機器人認為，未來兩三年裡，中國70%的外呼客服會被機器人取代，剩下30%的人工外呼客服用於處理更復雜的問題。

據統計，智慧客服可以解決85%的常見客服問題，而智慧機器人成本只相當於一個人工的10%。在實際案例中，中國交行在使用小i智慧機器人後，每月減少兩百萬通電話，節省4000萬人民幣。

另外，智慧機器人的服務能力遠超人工。中國建行官方資料顯示，由小i機器人提供技術支援的“小微”服務能力已經相當於9000個人工座席的工作量，遠超95533、400人工座席的服務量總和。而且隨著使用者互動資料的增加，智慧機器人透過主動學習，其工作效率會持續不斷走高。

隨著認知智慧技術的崛起，人工智慧取代人類崗位的範圍將進一步擴大。小i機器人已經將認知智慧技術應用在人機對話應用中，機器人可以勝任客服、醫導、工作助理、法律顧問、問題專家等工作，機器人可以理解使用者的需求和意圖，給出合適的解決方法。

智慧客服知識人工智慧代替部分人類勞動的冰山一角，還有安檢、物品分類等等多個行業的大部分工作都已經由人工智慧接手，而且比人做的又快又準。