硬核科技

是具有較高技術門檻

需要長期研發投入的高精尖技術

是產業發展的前沿領域和必爭之地

掌握核心硬核科技

成都將在城市競爭中保持領先

《全球硬核科技》日前首發

首期聚焦AI領域

收錄《Nature》等

國際頂級學術期刊資訊

從7大方面為你帶來

全球最前沿的AI新趨勢

描繪全球人工智慧發展格局及資源圖景多國制定AI國家戰略

人工智慧正在改變全球創新版圖，

掀起新一輪科技競賽和產業爭霸。

目前，

人工智慧還處於弱AI（沒有自我意識）狀態，

強AI（具有自我意識，可自行學習）遠未到來。

但從弱AI走向強AI的過程，

勢必將引發全球科技經濟格局鉅變。

近年來，人工智慧技術迎來爆發，加速走出實驗室，走入場景落地，中國、美國、英國、日本及德國等均將人工智慧上升為國家戰略，旨在搶佔競爭制高點、打造經濟社會發展新引擎。全球各主要經濟體的AI戰略及計劃值得關注。

據統計，2017年明確提出AI發展戰略的國家僅有5個，到2019年已超過30個經濟體更新了本國AI戰略，北美、東亞、西歐地區AI最為活躍。

歐盟28國於2018年簽署《人工智慧合作宣言》共推AI發展，東盟推進《東盟數字融合框架行動計劃》促進人工智慧合作。以戰略規劃引領AI創新發展，全球經濟體已從分散性自發探索的科研模式，逐步發展為國家戰略推動、產業應用牽引的創新模式。

在政策牽引、需求拉動和資本助推下，中國爆發了人工智慧創業熱潮，成為世界矚目的AI搖籃。2015年7月，國務院出臺《關於積極推進“網際網路+”行動的指導意見》首次將人工智慧納入重點任務；2017年7月，《新一代人工智慧發展規劃》明確提出到2030年成為世界人工智慧創新中心；2019年3月，人工智慧連續第三年被寫入政府工作報告並提出拓展“智慧+”。科技部依託百度、阿里雲、科大訊飛等行業龍頭，分別建設自動駕駛、城市大腦、醫療影像、智慧語音、智慧視覺等國家新一代AI開放創新平臺。中國政府密集釋出AI政策和計劃，表明中國將人工智慧上升到產業推動力的決心和彎道趕超的信心。

清華大學“入圍”世界前20強全球AI大學及科研機構“排行榜”

無論是作為一個新興學科，

還是一項新興技術，

人工智慧的發展，

離不開全球大學、科研機構及實驗室的卓越貢獻。

從全球AI大學學術實力及分佈看，目前，全球人工智慧人才約30萬人。其中，產業人才約20萬人，大部分分佈在各國AI科技巨頭和產業公司中；學術及儲備人才約10萬人，分佈於全球367所高校中。

在這367所高校中，美國擁有168所，佔據全球的45.7%，獨佔鰲頭；加拿大、中國、英國、印度位居第二梯隊，AI高校擁有量均在20所左右；荷蘭、澳洲、瑞典、德國、以色列等緊隨其後，實力不可小覷。

根據MIT2018年更新的全球院校電腦科學領域實力排名顯示，中國清華大學在電腦科學實力“入圍”世界前20強，位列13位。卡內基梅隆大學電腦科學位居榜首。未來，如何加快發展AI教育，是各國人工智慧發展中亟待解決的問題。

從全球AI科研機構分佈看，分佈在世界各地的科研機構是AI的“大腦”。

從地域分佈來看，美國依然是AI核心區，不僅有頂級的學院派代表，如麻省理工學院電腦科學與人工智慧實驗室、卡耐基梅隆大學機器人學院，市場派的卓越者也都匯聚於此。

中國清華大學智慧技術與系統國家重點實驗室和百度研究院榜上有名。

其中，清華大學智慧技術與系統國家重點實驗室1990年2月通過國家驗收正式執行。百度研究院隸屬於百度AI技術平臺體系（AIG），下設大資料實驗室（BDL）、商業智慧實驗室（BIL）等7大實驗室。

6家中國企業入圍2019全球AI 100

衡量全球經濟體的人工智慧發展實力，

AI初創企業的數量和規模無疑是最直觀的指標之一。

從全球看，

美國企業在AI人才、研究、發展等綜合優勢上全面領先，

中國企業在應用和資料方面表現突出，

歐盟研究領域較強。

縱觀全球，最活躍的AI企業主要分佈於美國、中國、英國及以色列等經濟體。CB Insights根據全球3000多家參選AI初創企業的表現，評選出AI 100 2019榜單：美國創新活力最強，77家公司上榜；中國、英國和以色列各有6家入圍。

全球2019 AI 100強（初創企業）中，出現了11家估值10億美元以上的獨角獸。其中，計算機視覺公司商湯科技、依圖科技、曠視科技以及人工智慧公司第四正規化、自動駕駛公司Momenta等5家企業來自中國，商湯作為全球估值最高的AI獨角獸，估值已超45億美元（截至2019年2月）。物聯網解決方案提供商C3、機器處理自動化RPA公司Automation Anywhere和Uipath、醫療成像公司 Butterfly Network（蝴蝶網路）和Pony.ai小馬智行（因總部設在美國被歸為美國公司，但創始人來自中國）等5家均為美國企業；Graphcore為英國AI晶片公司。

值得注意的是，從2019 AI 100強的融資額可以看出，中國力量越來越強。截至 2019年2月的融資統計資料顯示，中國商湯科技、曠視科技佔據了融資總額的前兩把交椅。

中國公司在AI領域的崛起，已成為一個越來越明顯的趨勢。

AI未來25個人工智慧應用場景值得關注

當下，全球人工智慧產業快速發展，

但從長遠來看，

還存在技術瓶頸、應用風險、社會倫理等挑戰，

全球AI應用趨勢值得關注。

CB Insights透視了未來AI技術及應用的革命性前景。CB Insights認為，AI價值鏈總體可分為基礎框架、體系架構和應用程式（應用程式包括智慧預測、自然語言處理/合成、計算機視覺），並歸納出25個應用趨勢與場景。

同時，CB Insights採用NExTT框架，根據行業應用和市場優勢確定的四個象限，評估了25個AI趨勢，並將其歸類為短暫、必要、實驗性、威脅性，進而區分技術應用的成熟度、分析評價市場應用現狀，值得各AI創新主體注意。

此外，CB Insights還描繪了AI應用專案分佈圖景，總結出值得關注的25個應用場景——

1. 開源框架

開源軟體大大降低了AI門檻。以2015年Google開源TensorFlow機器學習庫為開端，開源逐漸成為主流趨勢。目前，市場上已有更多可供選擇的開源工具，包括：Facebook的Caffe 2、蒙特利爾學習演算法研究所（MILA）的Theano、Keras等。

2. 邊緣AI

實時決策需求正推動AI更接近“邊緣”，使裝置可以在本地處理資訊並更快響應。邊緣AI的發展帶動了AI晶片的興起，蘋果、高通、英偉達、華為等均在開發AI專用晶片，同時也催生了一批初創企業。

3. 人臉識別

從解鎖手機到登機航班，面部識別正成為主流。人臉識別在中國的重視程度日益增高，中國對人臉識別技術的應用需求也越來越多，湧現出了商湯科技、曠視科技等獨角獸企業。

4. 醫療成像與診斷

美國食品和藥物管理局（FDA）對AI醫療裝置開啟了綠燈。資料顯示，醫療診斷是健康類AI應用的現實場景。

5. 預測性維護

從製造商到裝置保險公司，AI物聯網可以為企業節省數百萬美元的意外故障，預測性維護演算法可通過持續收集資料預測裝置故障。

6. 電子商務搜尋

對搜尋術語的語境理解，正逐漸走出實驗階段。早期的SaaS初創公司正興起，向第三方零售商提供搜尋技術。人工智慧遠不僅是商品推薦和客服機器人，自然語言處理技術已經可以通過解析電商平臺的文字內容，快速找到各種產品的名稱、屬性、價格等實體資訊或專有名詞。

7. 膠囊網路

膠囊網路（CapsNet）是深度學習先驅Geoffrey Hinton在2017-2018年提出的概念，旨在克服當前影象識別方法（主要是卷積神經網路CNN）的缺陷：一是難以識別精確空間關係；二是無法從新的視角理解物件。深度學習推動了人工智慧應用，膠囊網路很可能會對其進行改進。

8. 新一代假肢

新一代假肢的早期研究正在進行，但靈巧性問題依然有待解決。

9.AI臨床試驗

臨床試驗的最大瓶頸在於登記合適的病人庫，跨機構和軟體系統分享資訊的能力也就是互操作性，是醫療保健的最大問題之一。

10. 生成式對抗網路GANs

GANs是非監督式學習的一種方法，採用“AI對抗AI”的概念，包括生成器和鑑別器：生成器建立偽影象，鑑別器將其與真實世界影象比較，並向生成器提供反饋，最終結果是一個恆定的反饋迴路，產生越來越複雜的影象。

11. 聯邦學習

聯邦學習（Federated Learning）2016年由谷歌最先提出，其能使智慧手機等裝置在使用時資料依然留在本地，不會發送或儲存到雲伺服器上。這種新方法旨在以敏感使用者資料訓練AI的同時保護使用者隱私。

12. 先進醫療保健與生物測定

研究人員正開始利用神經網路，來研究和測定此前難以量化的非典型風險因素。

13. 自動索賠處理

保險公司和初創企業開始用AI計算車主的“風險評分”，對事故場景圖片進行分析，並監控司機行為。

14. 假貨識別

15. 無人零售

AI可以讓免收銀零售和智慧防盜更為常見。

16. 後臺辦公自動化

AI正在對事務性工作進行自動化，但資料的不同屬性及格式會對這項工作構成挑戰，如臨床試驗中的很多手寫記錄。

17. 語言翻譯

語言翻譯的NLP既是挑戰，也是有待發掘的市場機遇。機器翻譯在跨國組織、客戶支援、新聞媒體等領域均有應用場景。

18. 綜合訓練資料

訓練AI演算法離不開大規模的標籤資料集，而逼真的仿造資料、合成數據集有望解決這個瓶頸問題。

19. 增強學習

增強學習因為AlphaGo引起媒體高度關注，目前在遊戲和機器人模擬方面發展最好。

20. 網路優化

網路優化是用於改進延時、頻寬、設計或架構的電信技術。從頻譜共享到資產監控，再到天線優化設計，AI正在改變電信應用圖景。

21. 自動駕駛

儘管無人車市場商機無限，但何時實現全自動尚不明朗。Google的Waymo已率先部署無人車商業車隊。2019年，百度Apollo無人車通過長沙測試，完成了中國首例L3、L4等級車型的高速場景自動駕駛車路協同演示。

22. 作物監測

作物監測AI正在接受用來管理驅蟲、發現問題並預測天氣變化如何影響農業。預計到2021年精準農業無人機市場將達到29億美元，可進行土地對映、利用熱成像監控含水量、識別蟲患以及噴灑農藥等。

23. 網路安全識別

利用機器學習主動“搜尋”威脅，正在網路安全領域取得良好發展勢頭。“尋找威脅”就是主動尋找惡意活動，而不僅僅是針對警報或已發生的漏洞。

24. 對話AI

對很多企業來說，聊天機器人已成AI的同義詞。比如，谷歌會話式AI功能 Duplex可讓谷歌助手幫使用者打電話給酒店或實現餐廳訂餐、行程制定、預約理髮等操作，而且Duplex說話語氣自然、接近人聲，還能理解“複雜的句子、快速的演講和冗長的評論”。

25. 藥物研發

隨著AI生物技術初創企業的接續出現，傳統制藥公司正尋求通過AISaaS初創企業來獲得長週期藥物發現的解決方案。

讀到這裡，

是不是還有些意猶未盡？

以上只是我們節選的部分“硬核”內容。

從全球看，

各主要經濟體的AI發展戰略是怎樣的？

成都下一步要如何進一步推動AI發展？

······

這些問題都可以在《全球硬核科技》期刊中找到答案！

資訊多一點——

由成都市科學技術局直屬單位——成都市科學技術情報研究所創辦的《全球硬核科技》專刊，一期一主題，瞄準全球具有先導性、顛覆性、帶動性的硬核科技，聚焦人工智慧、航空航天、生物技術（含基因技術、腦科學等）、光電晶片、資訊科技（含量子科學、區塊鏈、物聯網、大資料等）、新材料、新能源、智慧製造等八大領域，跟蹤分析世界科研創新前沿成果、市場應用熱點領域、社會前瞻未來展望，為成都硬核科技發展提供情報支撐。