人工智慧(AI)是對人的意識、思維資訊過程的模擬。人工智慧技術擁有核心技術平臺、資料迴圈兩大要素,只有將人工智慧技術與資料相結合才能形成實用性的業務。隨著人工智慧與傳統行業的逐步結合,以及政策的不斷扶持,人工智慧產業鏈將進一步完善。
目前全球人工智慧企業已經超過了900家,主要集中在北美和西歐。谷歌、Facebook、微軟、IBM等科技巨頭都已進軍人工智慧領域。其中IBM把人工智慧視為未來最具增長潛力的領域之一。去年11月IBM將認知計算系統(Waston)整合了諸多人工智慧基礎平臺SystemML的功能,使其善於認知、理解、推理和學習。目前IBM Waston已經應用於智慧醫療、金融服務等領域。谷歌在2011年成立了AI部門,目前公司產品和服務主要依靠AI技術驅動,谷歌使用深度學習技術改善搜尋引擎、識別手機指令、鑑別社交網路影象等。另外谷歌的無人駕駛主要以技術驅動,側重於基礎技術研究及AI核心科技開發。
隨著國外科技巨頭加速佈局人工智慧領域,國內企業也紛紛搶灘。目前百度積極參與無人機和無人駕駛等領域的開發,百度的後期人工最佳化將使無人駕駛更適應終端環境使用,進一步推動AI技術的商用化步伐。阿里的雲計算是其面向未來的核心部分,在人工智慧方面很多來自雲平臺領域。2016年10月全國首個“城市資料大腦”在雲棲大會上釋出,其核心就是採用阿里雲ET人工智慧技術,該技術可以對整個城市進行全域性實時分析,自動調配公共資源,最終將進化成能夠治理城市的超級人工智慧。
政策方面,2016年5月發改委印發了《“網際網路+”人工智慧三年行動實施方案》,主要任務是推動網際網路與傳統行業融合創新,加快人工智慧技術在家居、汽車、無人系統、安防等領域的推廣應用。《方案》提出,到2018年打造人工智慧基礎資源與創新平臺,人工智慧產業體系、創新服務體系、標準化體系基本建立,基礎核心技術有所突破,總體技術和產業發展與國際同步,應用及系統級技術區域性領先。
分析人士認為,人工智慧是產業變革的基石,對於不同行業和場景的智慧化改造將成為未來趨勢。安防、金融、醫療、汽車、製造業、智慧家居等領域都是人工智慧的發展方向。未來幾年人工智慧有望在語音識別、工業、輔助醫療、服務機器人、無人駕駛、虛擬現實等前沿領域嶄露頭角,千億級市場盛宴將開啟。
1.行業垂直領域應用
人工智慧市場在零售、交通運輸和自動化、製造業及農業等各行業垂直領域具有巨大的潛力。而驅動市場的主要因素,是人工智慧技術在各種終端使用者垂直領域的應用數量不斷增加,尤其是改善對終端消費者服務。
2.醫療保健行業成長
機器學習和大資料都是掌握海量潛在醫療資料的關鍵因素。基於AI的系統也能幫助醫院改善其操作的流程和資料的管理。鑑於醫療保健專業人員在閱讀劑量指示、或診斷資料方面難免會經常犯錯,智慧AI系統透過具有影象識別和光學字元辨識的功能對所有的資料進行二次檢查,以減少此類錯誤的發生頻率。
人工智慧匯入醫療保健行業從2016年到2022年維持很高成長,預計從2016年的6.671億美元達到2022年的79.888億美元年均複合增長率為52.68%。
3.AI晶片關鍵在於成功整合軟硬體
AI晶片的核心是半導體及演演算法。軟體硬體成功相結合的關鍵在於先進的封裝技術。總體來說GPU比FPGA快,而在功率效能方面FPGA比GPU好,所以AI硬體選擇就看產品供應商的需求考量而定。
4.自主學習是目標
AI“大腦”變聰明是分階段進行,從機器學習進化到深度學習,再進化至自主學習。首先,是為自主機器打造一個AI平臺;還要提供一個能夠讓自主機器進行自主學習的虛擬環境,必須符合物理法則,碰撞,壓力,效果都要與現實世界一樣;然後再將AI的“大腦”放到自主機器的框架中;最後建立虛擬世界入口(VR)。
5.CPU和GPU結合
CPU是通用於各種裝置的超強效能的處理器,什麼場景都可以適用,所以就需要將CPU和GPU(或其他處理器)結合起來,做到最完美的構架。為開發人員提供更多演算法等。
6.AR和 AI共進退
AR成為AI的眼睛,兩者是互補、不可或缺,為了機器人學習而創造的在虛擬世界,本身就是虛擬現實。還有,如果要讓人進入到虛擬環境去對機器人進行訓練,還需要更多其它的技術。
如今,基於AI的發展已經成為了主流。各種企業不僅熱衷於改進其現有的流程,而且還能看到AI給他們帶來的潛在增長點。這也就是為什麼CIO們應當重視AI的戰略意義和其創新發展的空間。
人工智慧(AI)是對人的意識、思維資訊過程的模擬。人工智慧技術擁有核心技術平臺、資料迴圈兩大要素,只有將人工智慧技術與資料相結合才能形成實用性的業務。隨著人工智慧與傳統行業的逐步結合,以及政策的不斷扶持,人工智慧產業鏈將進一步完善。
目前全球人工智慧企業已經超過了900家,主要集中在北美和西歐。谷歌、Facebook、微軟、IBM等科技巨頭都已進軍人工智慧領域。其中IBM把人工智慧視為未來最具增長潛力的領域之一。去年11月IBM將認知計算系統(Waston)整合了諸多人工智慧基礎平臺SystemML的功能,使其善於認知、理解、推理和學習。目前IBM Waston已經應用於智慧醫療、金融服務等領域。谷歌在2011年成立了AI部門,目前公司產品和服務主要依靠AI技術驅動,谷歌使用深度學習技術改善搜尋引擎、識別手機指令、鑑別社交網路影象等。另外谷歌的無人駕駛主要以技術驅動,側重於基礎技術研究及AI核心科技開發。
隨著國外科技巨頭加速佈局人工智慧領域,國內企業也紛紛搶灘。目前百度積極參與無人機和無人駕駛等領域的開發,百度的後期人工最佳化將使無人駕駛更適應終端環境使用,進一步推動AI技術的商用化步伐。阿里的雲計算是其面向未來的核心部分,在人工智慧方面很多來自雲平臺領域。2016年10月全國首個“城市資料大腦”在雲棲大會上釋出,其核心就是採用阿里雲ET人工智慧技術,該技術可以對整個城市進行全域性實時分析,自動調配公共資源,最終將進化成能夠治理城市的超級人工智慧。
政策方面,2016年5月發改委印發了《“網際網路+”人工智慧三年行動實施方案》,主要任務是推動網際網路與傳統行業融合創新,加快人工智慧技術在家居、汽車、無人系統、安防等領域的推廣應用。《方案》提出,到2018年打造人工智慧基礎資源與創新平臺,人工智慧產業體系、創新服務體系、標準化體系基本建立,基礎核心技術有所突破,總體技術和產業發展與國際同步,應用及系統級技術區域性領先。
分析人士認為,人工智慧是產業變革的基石,對於不同行業和場景的智慧化改造將成為未來趨勢。安防、金融、醫療、汽車、製造業、智慧家居等領域都是人工智慧的發展方向。未來幾年人工智慧有望在語音識別、工業、輔助醫療、服務機器人、無人駕駛、虛擬現實等前沿領域嶄露頭角,千億級市場盛宴將開啟。
1.行業垂直領域應用
人工智慧市場在零售、交通運輸和自動化、製造業及農業等各行業垂直領域具有巨大的潛力。而驅動市場的主要因素,是人工智慧技術在各種終端使用者垂直領域的應用數量不斷增加,尤其是改善對終端消費者服務。
2.醫療保健行業成長
機器學習和大資料都是掌握海量潛在醫療資料的關鍵因素。基於AI的系統也能幫助醫院改善其操作的流程和資料的管理。鑑於醫療保健專業人員在閱讀劑量指示、或診斷資料方面難免會經常犯錯,智慧AI系統透過具有影象識別和光學字元辨識的功能對所有的資料進行二次檢查,以減少此類錯誤的發生頻率。
人工智慧匯入醫療保健行業從2016年到2022年維持很高成長,預計從2016年的6.671億美元達到2022年的79.888億美元年均複合增長率為52.68%。
3.AI晶片關鍵在於成功整合軟硬體
AI晶片的核心是半導體及演演算法。軟體硬體成功相結合的關鍵在於先進的封裝技術。總體來說GPU比FPGA快,而在功率效能方面FPGA比GPU好,所以AI硬體選擇就看產品供應商的需求考量而定。
4.自主學習是目標
AI“大腦”變聰明是分階段進行,從機器學習進化到深度學習,再進化至自主學習。首先,是為自主機器打造一個AI平臺;還要提供一個能夠讓自主機器進行自主學習的虛擬環境,必須符合物理法則,碰撞,壓力,效果都要與現實世界一樣;然後再將AI的“大腦”放到自主機器的框架中;最後建立虛擬世界入口(VR)。
5.CPU和GPU結合
CPU是通用於各種裝置的超強效能的處理器,什麼場景都可以適用,所以就需要將CPU和GPU(或其他處理器)結合起來,做到最完美的構架。為開發人員提供更多演算法等。
6.AR和 AI共進退
AR成為AI的眼睛,兩者是互補、不可或缺,為了機器人學習而創造的在虛擬世界,本身就是虛擬現實。還有,如果要讓人進入到虛擬環境去對機器人進行訓練,還需要更多其它的技術。
如今,基於AI的發展已經成為了主流。各種企業不僅熱衷於改進其現有的流程,而且還能看到AI給他們帶來的潛在增長點。這也就是為什麼CIO們應當重視AI的戰略意義和其創新發展的空間。