1前言

未來社會的政府、公司、軍隊都是人工智慧機構，人工智慧將無處不在。美國國防部20年未到訪矽谷，而在任國防部長卡特自去年上任以來連續4次密集訪問矽谷，對人工智慧表示出極大興趣，直言要將民用AI技術用於改進國防裝備體系，幫助美國培育出新型的“鋼鐵俠”戰士，國防部高等研究計劃局（DARPA）正在基於人工智慧技術研發自動駕駛戰車、反潛無人機械船、智慧電子戰系統、“半人馬”人類作戰行動輔助系統等。據悉，美國國防部2017財年建議的研發預算為120～150億美元，而被國防部所看重的矽谷科技公司，如谷歌、微軟、蘋果、臉書和英特爾等巨頭也正在不約而同地投入“人工智慧優先”戰略。

本報告由阿里雲研究中心、波士頓諮詢公司和Alibaba Innovation Ventures合作推出，通過對人工智慧內涵的闡述，分析了未來人工智慧行業的競爭格局和企業制勝之道。

報告主要觀點包括：

資料、演算法、計算、場景驅動新一輪人工智慧。現階段，人工智慧正在從專有人工智慧向通用人工智慧發展過渡，由網際網路技術群（資料/演算法/計算）和場景互為推動，協同發展，自我演進。人工智慧已不再侷限於模擬人的行為結果，而拓展到“泛智慧”應用。

人工智慧具備“快速處理”和“自主學習”兩種能力。人工智慧實現了學習、決策和行動的快速處理，並且具備不停迭代和優化“試驗—驗證—學習”的正迴圈；人工智慧可以更靈活地自主學習和管理知識，支援知識的“產生—儲存—應用—更新”的體系化管理。

人工智慧更易於解決具備三類關鍵特性的商業問題：

l 行業存在持續痛點；

l 商業流程本身具備數字化的資訊輸入，問題可以細分並清晰地界定，商業流程存在重複，且獲得的結果的溝通以書面溝通或單項溝通為主；

l 商業流程較少受整體商業環境的複雜影響。

大資料是人工智慧戰略性競爭優勢：

l 網際網路催生了大資料，大資料催生了人工智慧；

l 場景資料的積累，促進人工智慧技術應用，從而形成更高效的解決方案；

人工智慧按照服務智慧、科技突破和超級智慧三個階段進化，未來3-5年處於服務智慧。

l 服務智慧：充分發揮現有技術的能力，打造人工智慧賦能的應用場景，讓智慧服務各行各業。

l 科技突破：應用的擴充套件，資料的進一步豐富，對技術帶來新的要求，最終促進技術實現顯著突破，並相應推動應用向縱深拓展。

l 超級智慧：技術顯著突破，應用海量擴充套件，人工智慧無所不在。

人工智慧五大競爭定位模式，生態構建者是關鍵一環：

l 按產業鏈展開分析，人工智慧將呈現生態構建者、技術演算法驅動者、應用聚焦者、垂直行業先行者、基礎設施提供者五類競爭定位模式；

l 生態構建者佈局全產業鏈，聚集大量開發者和使用者，將成為其中重要的一類模式。

2人工智慧內涵和應用

四大維度理解內涵、三類關鍵預測應用。

2.1人工智慧是什麼？

人工智慧是研究、開發用於模擬、延伸和擴充套件人類智慧的理論、方法、技術及應用系統的一門新的技術科學。自20世紀50年代以來，三次技術革新浪潮中，學界和業界對人工智慧的理解眾說紛紜，科技和商業的多元化發展導致對人工智慧的定義、發展動力以及表現形式的理解各異。

讓我們從以下四個維度來總結和理解人工智慧的多種內涵：

（1）人工智慧的定義：根據人工智慧的應用，人工智慧可以分為專有人工智慧、通用人工智慧、超級人工智慧。根據人工智慧的內涵，人工智慧可以分為類人行為（模擬行為結果）、類人思維（模擬大腦運作）、泛（不再侷限於模擬人）智慧。

（2）人工智慧的驅動因素：演算法/技術驅動、資料/計算、場景和顛覆性商業模式驅動。

（3）人工智慧的承載方式：

l 技術承載方式：單機智慧、平行運算/多核智慧、高度分散/群體智慧

l 表現方式：雲智慧、端智慧、雲端融合

（4）人工智慧與人的關係：機器主導、人主導、人機融合

現階段，人工智慧正在從專有人工智慧向通用人工智慧發展過渡，由網際網路技術群（資料/演算法/計算）和應用場景互為推動，協同發展，自我演進。人工智慧已不再侷限於模擬人的行為結果，而拓展到“泛智慧”應用，即更好地解決問題、有創意地解決問題和解決更復雜的問題。這些問題既包含人在資訊爆炸時代面臨的資訊接受和處理困難，也包含企業面臨的運營成本逐步增加、消費者訴求和行為模式轉變、商業模式被顛覆等問題，同時還包含社會亟需解決的對自然/環境的治理、對社會資源優化和維護社會穩定等挑戰。

在這個過程中，雖然“模擬人”不再是唯一方向，但是人依然是人工智慧實現不可缺少的關鍵因素。人是主導者（設計解決問題的方法），參與者（資料的提供者、反饋資料的產生者，也是資料的使用者），同時也是受益者（智慧服務的接受方）。

例如，我們開篇所講的故事，就是阿里雲研發出的人工智慧ET。ET基於強大的雲端計算能力，學習海量的人類大資料，正應用工作、生活各個領域並不斷進化，目前已具備智慧語音互動、影象/視訊識別、交通預測、情感分析等技能。ET能實現直播實時字幕、看圖說話、個性化推薦、體育視訊分析，幫助人們更好地接受和處理各種格式的資訊；還能提供包括智慧客服、工業裝置異常檢測、法庭庭審速記、金融風控、電子商務惡意行為監測等企業解決方案，幫助企業減低成本，提高效率，降低風險；並實現了交通預測和社會公眾趨勢預測，提高社會公眾服務和管理水平。浙江省交通運輸廳與阿里巴巴合作試點中，實時路況監測成本下降了90%，未來路況預測準確率在91%以上。

2.2人工智慧會做什麼？

人工智慧具備“快速處理”和“自主學習”兩種能力。

人工智慧實現了學習、決策和行動的快速處理。計算機處理資訊、溝通訊息、平行計算和線性計算的速度都快於人類。此外，計算機還能夠不停迭代和優化“試驗—驗證—學習”的正迴圈。例如：在上文提到的阿里雲ET人工智慧排程交通的應用中，城市的交通是非常複雜的，每個路口和路段都有錯綜複雜，千絲萬縷的關係。機器需要對成千上萬個路段的海量歷史資料進行處理和學習，以獲得路段的全天路況模型，再結合城市的每個路口傳回來的智慧視訊資訊（包括車輛識別、車速識別等資訊）來做全域性的、實時的分析，這個過程對資料處理能力在規模、複雜度、實時性上都提出了更大的挑戰。

人工智慧可以更靈活地自主學習和管理知識，支援知識的“產生—儲存—應用—更新”的體系化管理。例如：在淘寶和天貓，每天有近5萬次熱線電話求助。這些海量的語音資料通過人工智慧機器的自我學習，使得機器具備能“聽”能“懂”的知識，這些知識可以運用到語音互動相關的各個行業和各個場景，例如：智慧客服語音互動、電話呼叫中心質檢、網際網路汽車語音命令等等。在一些特定場景的應用下，例如法院庭審速記，會產生的一些新的資料，和適應於此場景的新的知識，這些知識又同時被用來更新語音識別知識庫，並被其他應用快速使用，這也是阿里ET可以打敗世界速記亞軍的知識來源。

如何讓人工智慧做好知識管理，是這個體系化工程的重要部分。雙十一是由淘寶天貓發起的全球消費者的購物狂歡節，在2015年，更是創下了一秒14萬筆訂單的世界記錄。龐大訂單量也帶來的使用者諮詢服務和問題的高峰，阿里巴巴的演算法工程師們通過對海量問題的分析和預測，在業內首次將知識庫的自動更新時效提升至分鐘級，使得智慧客服在此場景下獲得高達94%的智慧解決率。

2.3人工智慧用在哪？

人工智慧已在多個方面成功應用。影象識別（包括交通訊號燈和人臉）技術已經超越人類水平。微軟計算機視覺軟體的圖片識別錯誤率已經低於人類。計算機不僅能識別簡單影象，還能分析整個電磁波譜。語言識別和自然語言處理技術已經在日常生活中廣泛應用，例如蘋果手機內建的語音識別助手Siri、亞馬遜智慧音箱Echo、阿里YunOS個人助理+、淘寶小蜜、支付寶安娜等。通過感測器和制動器，人工智慧可以感知並行動。機器視覺和各類感測器，結合高精度地圖和環境感知資訊，機器人、無人機、自動駕駛等智慧裝置已經投入使用，Google、Uber、Tesla、阿里巴巴與上海汽車合作等都已在無人駕駛和網際網路汽車領域佈局。

人工智慧最適用於解決什麼樣的問題？通過分解典型的商業流程，我們發現，人工智慧更易於解決符合以下特點的商業問題：

l 行業存在持續痛點；

l 商業流程本身具備數字化的資訊輸入，問題可以細分並清晰地界定，商業流程存在重複，且獲得的結果的溝通以書面溝通或單項溝通為主；

l 商業流程較少受整體商業環境的複雜影響。

企業客服就是人工智慧應用的一個典型例子，作為企業使用者與企業服務的互動入口，客服面對的80%的問題都是簡單的、重複的的問題，但是卻需要大量人力和時間的工作。同時，客服提供的服務內容大都來自與企業自有知識體系，受整體商業環境的影響相對較弱。這使得企業客服的智慧化應用相對容易，很多基於自定義知識庫的問答型企業智慧客服產品蜂湧而出。

但是如何真正實現人工智慧意義的智慧客服？與真人深度互動，也就是儘可能地模模擬人的思維交流方式為人類服務，並有效幫助業務提升使用者體驗，是人工智慧時代對商業流程智慧化的思考。

2015年起，阿里巴巴推出新一代智慧客服產品——阿里小蜜，基於語音識別、語義理解、個性化推薦、深度學習等人工智慧技術的應用，並將外部消費場景和阿里後臺的關鍵業務流程無縫融合。阿里小蜜通過積累的大資料優勢，提前分析、預測消費者的服務訴求，主動觸達使用者，阿里小蜜將使用者轉電話及線上人工服務的求助率降低了70%。即便在每天應對百萬級服務量的情況下，智慧解決率也達到了接近80%（該指標高於行業智慧客服產品平均水平60%以上），並且，依靠阿里巴巴在語音識別領域的知識積累，把服務領域裡人機對話語義意圖的精確匹配率提升到了93%，滿意度比傳統的自助服務提升了一倍。

2.4大資料是戰略性競爭優勢

資料是人工智慧的基礎，擁有針對特定領域的龐大資料集，能夠成為競爭優勢的重要來源。現階段，制約人工智慧領域很多重大突破的關鍵，並非是演算法不夠先進，而是缺乏高品質的資料集。

海量、精準、高品質的資料為訓練人工智慧提供了原材料，巨型資料庫、十幾年累積的搜尋結果，乃至整個網際網路都讓人工智慧變得更聰明。人工智慧從龐大的、複雜的、無序的個體資料中發現更為本質、更能解釋世界的規律，並複合多個規律共同作用，以解決問題。

人工智慧的三種主要技術，都需要專有型別的資料。

l 機器學習，例如計算機視覺、自然語言處理等技術，需要大量的標籤樣本資料。

l 模式識別，例如文字、指紋、人臉等識別技術，則偏重於訊號、影象、語音、文字、指紋等 非直觀資料。

l 人機互動，如智慧機器人技術，則需要積累大量的使用者資料。

網際網路催生了大資料，大資料催生了人工智慧

從資訊瀏覽、社交網路、電子商務、到網際網路＋，網際網路的發展融入到我們生活、工作和經濟的各個方面。使用者在享受網際網路帶來的便捷的同時，也在無形中貢獻著資料的足跡，音訊、視訊、郵件、微薄、檔案、瀏覽歷史等資料逐漸累積。網際網路的快速發展，推動資訊社會進入到大資料時代。同時，大資料也加快推動了網際網路的演進。擁有海量使用者搜尋資料的Google，社交資料的Facebook，交易資料的Amazon、阿里巴巴等網際網路公司充分藉助雲端計算、大資料的技術來更好的了解使用者，提供更好的或者創新的服務和產品。例如：阿里巴巴的螞蟻小貸，藉助網際網路，獲得比傳統銀行能採集到的貸款者相關的更豐富、準確的資訊，比如這些淘寶賣家正在賣哪些商品、生意好不好、賣家經營店鋪勤快程度（例如，客服旺旺的回覆速度，每天經營時間的長短等）、之前是否有過不誠信行為等。通過充分處理、計算和分析這些網際網路資料，來解決小微企業的貸款業務這一公認難題，真正實現純信用，全程零人工介入、客戶1秒鐘獲貸。

網際網路的演進和催生的新業態，又進一步吸引了大量使用者的積極參與，實現了資料“產生—使用—新資料產生—再使用”的閉環，這個閉環恰恰是人工智慧自主學習和知識管理的基礎。例如：擁有上億註冊使用者和上億商品的阿里巴巴淘寶，後臺積累了286億多個圖片檔案，更方便的讓使用者在即時場景（電視觀看、社交圖片分享、逛街等）下所見即所“得”的找到感興趣的商品，是淘寶“拍立淘“應用的主要目的。在“以圖搜圖”模式下，機器學習正確理解後臺幾百億圖片並打上標籤，使用者通過點選商品列表等參與來判斷機器的理解是否正確。人工智慧的應用的實現本質上就是知識產生—知識應用—知識產生的自我學習和優化的體系化過程的落地。

場景資料的積累，可以促進人工智慧技術的應用，從而形成更高效的解決方案

例如，傳統外賣配送採用人工排程，由派單員進行手工派單，所依據的是有限的餐廳和配送員的資料，因此派單隨機性強，配送效率低，派單高峰時，爆單現象頻發，派單本身的人工成本較高。網際網路外賣應用的火爆，積累大量外賣場景的相關資料後，阿里雲大資料孵化器團隊採用人工智慧技術，基於外賣場景的資料基礎，分析餐廳、配送員、訂餐人、配送路徑的特點、並結合業務規律、天氣等資料實現智慧排程高階演算法，實現機器實時智慧排程，從而合理利用運力，提高配送效率。當場景應用形成正迴圈後，甚至能夠提前對使用者行為（如提醒訂餐）和餐廳行為（如點菜和出餐速度分析）等進行影響分析，從而進一步提高外賣場景的整體效率。

方式一，自籌資料，即從零開始，投入大量人力採集資料。例如，很多聊天機器人公司聘請人類擔任“AI訓練師”，讓他們手動建立或核實虛擬助手做出的預測。一旦能夠引發資料網路效應，即形成“更多使用者—更多資料—更優智慧演算法—更好產品—更多使用者”的正迴圈後，所需人力就無需再跟隨使用者數量同步增加，這種簡單的自建資料策略就能取得成功。另一些公司採取向消費者提供特定領域免費應用的策略，以此來快速積累資料。例如，Madbits、Clarifai等影象識別公司都推出了免費的照片應用，以便為影象識別核心業務收集更多的影象資料。

方式二，公共資料。美國聯邦政府已在Data.gov資料平臺開放了來自多個領域的13萬個資料集的資料。這些領域包括圖中所列的農業、商業、氣候、生態、教育、能源、金融、衛生、科研等十多個主題。這些主題下的資料都是美國聯邦政府的各個部委所開放的。英國、加拿大、紐西蘭等國在2009年之後都建立起了政府資料開放平臺，成為了國際資訊化和大資料領域的一個重要趨勢。在中國，2011年香港特區政府上線了data.gov.hk，稱為香港政府資料一線通。上海在2012年6月推出了中國大陸第一個資料開放平臺。之後，北京、武漢、無錫、佛山南海等城市也都上線了自己的資料平臺。

方式三，產業資料協同，即下游創業公司或行業公司和產業鏈上游的資料或平臺型公司建立合作，連線對雙方均有利的產品或資料，例如：益海鑫星、有理數科技和阿里雲數加平臺合作，以中國海洋局的海量遙感衛星資料和全球船舶定位畫像資料為基礎，打造圍繞海洋資料服務平臺，服務於漁業、遠洋貿易、交通運輸、金融保險、石油天然氣、濱海旅遊、海水墾殖、環境保護等眾多行業，從智慧指導遠洋金槍魚捕撈到智慧預測船舶在港時間，場景豐富。

3人工智慧未來趨勢

三階段發展場景，短期處於服務智慧

從人工智慧的技術突破和應用價值兩維度分析，未來人工智慧將會出現三個階段：

情景一：未來3-5年，仍以服務智慧為主。在人工智慧既有技術的基礎上，技術取得邊際進步，機器始終作為人的輔助；在應用層面，人工智慧拓展、整合多個垂直行業應用，豐富實用場景。隨著資料和場景的增加，人工智慧創造的價值呈現指數增長。

情景二：中長期將出現顯著科技突破。人工智慧技術取得顯著突破，如自然語言處理技術可以即時完全理解類人對話，甚至預測出“潛臺詞”。在技術創新的領域，現有的應用向縱深拓展，價值創造限制在技術取得突破的領域。

情景三：長期可能出現超級智慧。人工智慧的技術取得顯著突破，應用範圍顯著拓寬，人機完全共融，人工智慧全面超越人類，無所不在，且顛覆各個行業和領域，價值創造極高。

到目前為止，人工智慧還停留在“專有人工智慧”階段，主要應用是完成具體任務，例如“識別病灶醫學影象並判斷是否是腫瘤”。現階段，人工智慧將逐漸向“通用人工智慧”過渡，應用於完成複雜任務，判斷並滿足使用者需求，如“識別醫學影象，並快速診斷疾病（不限於腫瘤）”。中長期，隨著技術顯著突破，人工智慧將逐步發展為“抽象人工智慧”，在基礎科技取得重大突破後，人工智慧可以理解使用者情感，從而改變使用者行為，例如“說服慢性病患者堅持按醫囑服藥並在患病後改變生活習慣”。在遙遠的將來，人工智慧可能演變為“超級人工智慧”，全面超越人類，通過技術突破和廣泛的應用，預測並預先改變消費者的行為，例如“預先說服使用者改變不良生活習慣，預防慢性病”。

未來3-5年，人工智慧仍以服務智慧為主要趨勢。在服務智慧下，人工智慧會取得邊際技術進步，如演算法突破，小資料訓練或分散式演算法（不從資料開始訓練，直接下載智慧）成為可能；或者，影象識別或自然語言處理技術取得邊際突破，對資料結構化的要求降低。人工智慧的應用將更加廣闊，例如綜合天氣、土壤變化資料和大宗商品交易行情，人工智慧可以為農業決策，選擇今年最有經濟效益的種植品種；或者，影象識別技術突破後，機器人可以識別消費者微表情的變化，從而預測消費者的情緒。人工智慧的應用將更有深度，產生新的社會、商業和個人生活模式，創造巨大的商業價值。人工智慧的發展也將更為融合：實現“感知/互動—正確理解—自主決策—自我學習”的實時迴圈；資料傳輸速度實現質的飛躍，雲端將無縫融合；介入式晶片等新的硬體形式將出現，甚至實現人機共融。

在服務智慧情景下，資料可得性高的行業，人工智慧將率先用於解決行業痛點，爆發大量場景應用。醫療、金融、交通、教育、公共安全、零售、商業服務等行業資料電子化程度較高、資料較集中且資料品質較高，因此在這些行業將會率先湧現大量的人工智慧場景應用，用以解決行業痛點。

對人工智慧而言，醫療領域一直被視為一個很有前景的應用領域。基於人工智慧的應用在未來數年內能夠為千百萬人改進健康結果和生活品質，例如臨床決策支援、病人監控、輔導、在外科手術或者病人看護中的自動化裝置、醫療系統管理、慢病用藥和生活管理等。

在金融領域，智慧個人身份識別將用於解決金融安全隱患，智慧高頻交易將用於提高金融決策效率，智慧投顧將幫助金融機構開拓使用者。

在交通領域，人工智慧將應用於無人駕駛、智慧汽車、交通規劃等場景，用於解決目前交通行業普遍存在的駕駛感受差、道路嚴重擁堵等問題。

在教育領域，K-12線上教育以及大學配套裝置等等人工智慧應用已經被學校和學生廣泛使用，機器人早已經成為了廣為歡迎的教育裝置，智慧輔導系統（ITS）也成為了針對科學、數學、語言學以及其他學科相匹配的學生互動導師。

在公共安全領域，人臉識別將廣泛應用於安防監控，無人機、預測警務應用可以應用於反恐、維護公共治安等場景，用以解決公共安全隱患。

在零售領域，人工智慧將提供精準搜尋和推薦，智慧導購將降低營銷成本，提升使用者體驗，從而迎合消費升級和消費者日漸成熟的趨勢。

在商業服務領域，人工智慧已廣泛應用於個人智慧客服和企業智慧助手，未來人工智慧還將拓展到人力、法律等專業服務領域。

4人工智慧未來格局

五大競爭定位模式，生態構建者是關鍵一環

4.1人工智慧產業鏈

人工智慧產業鏈根據技術層級從上到下，分為基礎層、技術層和應用層。基礎層最靠近“雲”，應用層最靠近“端”。

基礎層（按技術層級從上到下，下同）

l 計算能力層：大資料、雲端計算、GPU/FPGA等硬體加速、神經網路晶片等計算能力提供商

l 資料層：身份資訊、醫療、購物、交通出行等各行業、各場景的一手資料

技術層

l 框架層：TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或作業系統

l 演算法層：機器學習、深度學習、增強學習等各種演算法

l 通用技術層：語音識別、影象識別、人臉識別、NLP、SLAM、感測器融合、路徑規劃等技術或中介軟體

應用層

l 應用平臺層：行業應用分發和運營平臺，機器人運營平臺

l 解決方案層：智慧廣告、智慧診斷、自動寫作、身份識別、智慧投資顧問、智慧助理、無人車、機器人等場景應用

人工智慧產業鏈中，基礎層是構建生態的基礎，價值最高，需要長期投入進行戰略佈局；通用技術層是構建技術護城河的基礎，需要中長期進行佈局；解決方案層直戳行業痛點，變現能力最強。

4.2未來人工智慧競爭格局和企業制勝之道

在人工智慧平臺化的趨勢下，未來人工智慧將呈現若干主導平臺加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式。

模式一：生態構建者——全產業鏈生態+場景應用作為突破口。以網際網路公司為主，長期投資基礎設施和技術，

關鍵成功因素：大量計算能力投入，積累海量優質多維度資料，建立演算法平臺、通用技術平臺和應用平臺，以場景應用為入口，積累使用者。

模式二：技術演算法驅動者——技術層+場景應用作為突破口。以軟體公司為主，深耕演算法平臺和通用技術平臺，同時以場景應用作為流量入口，逐漸建立應用平臺（如Microsoft、IBM Watson等）。

關鍵成功因素：深耕演算法和通用技術，建立技術優勢，同時以場景應用為入口，積累使用者。

模式三：應用聚焦者——場景應用。以創業公司和傳統行業公司為主，基於場景或行業資料，開發大量細分場景應用。

關鍵成功因素：掌握細分市場資料，選擇合適的場景構建應用，建立大量多維度的場景應用，抓住使用者；同時，與網際網路公司合作，有效結合傳統商業模式和人工智慧。

模式四：垂直領域先行者——殺手級應用+逐漸構建垂直領域生態。以垂直領域先行者為主，在垂直領域依靠殺手級應用（如出行場景應用、面部識別應用等）積累大量使用者和資料，並深耕該領域的通用技術和演算法，成為垂直領域的顛覆者（如滴滴出行、曠視科技等）。

關鍵成功因素：在應用較廣泛且有海量資料的場景能率先推出殺手級應用，從而積累使用者，成為該垂直行業的主導者；通過積累海量資料，逐步向應用平臺、通用技術、基礎演算法拓展。

模式五：基礎設施提供者——從基礎設施切入，並向產業鏈下游拓展。以晶片或硬體等基礎設施公司為主，從基礎設施切入，提高技術能力，向資料、演算法等產業鏈上游拓展。

關鍵成功因素：開發具有智慧計算能力的新型晶片，如影象、語音識別晶片等，拓展晶片的應用場景；在移動智慧裝置、大型伺服器、無人機（車），機器人等裝置、設施上廣泛整合運用，提供更加高效、低成本的運算能力、服務，與相關行業進行深度整合。

目前，網際網路公司和軟體公司巨頭都在產業鏈的技術層和應用層著手佈局。在產業鏈的基礎層，科技巨頭通過推出演算法平臺吸引開發者，希望實現快速的產品迭代、活躍的社群、眾多的開發者，從而打造開發者生態，成為行業標準，實現持續獲利。谷歌、Facebook、IBM、微軟等科技巨頭已經相繼推出並在近期開源自家的人工智慧工具。其中，Facebook開源多款深度學習人工智慧工具；谷歌釋出新的機器學習平臺TensorFlow並將其開源，被稱為人工智慧界的Android；IBM也宣佈通過Apache軟體基金會免費為外部程式設計師提供System ML人工智慧工具的原始碼；微軟宣佈將開源旗下人工智慧（AI）平臺Project Malmo，所有研究者都可以用廉價、有效地對人工智慧演算法和程式進行測試。

在產業鏈的應用層，科技巨頭都藉助積累的個人使用者資料，開發針對個人使用者和企業使用者的解決方案。在個人使用者應用上，Apple推出Siri個人助手，Facebook推出虛擬使用者助手Moneypenny，Amazon推出智慧家居硬體Echo，Google推出傢俱中樞GoogleHome，阿里巴巴推出個人助手阿里小蜜和智慧家居等。個人使用者應用既可以吸引使用者和流量，又可以收集資料，驗證商業模式，從而開發新場景應用。在針對企業使用者的解決方案上，Google、Apple佈局無人駕駛，IBM Watson推出醫療、金融、政府、呼叫中心等企業應用，阿里巴巴佈局智慧金融解決方案等。針對企業使用者的應用/解決方案未來的變現模式除直接出售解決方案外，還可以從流量和廣告中轉化價值。

創業企業除直接佈局場景應用解決方案外，更有效的方式是採取從深挖技術到拓展應用的發展路徑。例如，曠視科技以機器視覺技術為突破點，深耕先進的人臉識別、影象識別技術，進而拓展到行業智慧解決方案、智慧硬體及智慧雲服務。在發展前期（2011-2014年），曠視科技定位為商用機器視覺開放平臺，深耕Face++人臉識別雲服務、Image++影象識別雲服務和Brain++人工智慧深度學習系統。2014年後，Face++開始發力智慧行業解決方案，主攻覆蓋銀行、保險、網際網路金融的泛金融行業解決方案和覆蓋地產、零售、公安的泛安防解決方案，目前已形成遠端核實身份、智慧企業、智慧商超、智慧生活、智慧安防等多種解決方案和人臉識別智慧攝像機等智慧硬體。未來，曠世科技將向縱深拓展，構建人工智慧雲、智慧感覺網、服務機器人等智慧生態基礎架構。

5人工智慧對企業和政府的啟示

抓住戰略機遇，構建競爭優勢

5.1企業：抓住人工智慧風口，構建新的競爭優勢

傳統企業的競爭優勢主要來自於兩個方面，其一，在企業佈局上，企業有專有的固定資產、品牌、智慧財產權等資源，在所在領域取得規模經濟和範圍經濟，並通過門店和經銷商網路建立了穩定的客戶關係；其二，在企業自身的能力上，企業積累獨特的人力資源和技能，並在流程上儘可能精簡。

大資料和人工智慧將企業競爭帶入新的紀元，網際網路不僅連線虛擬空間，還連線人和資產所在的現實空間。人工智慧時代，企業競爭優勢轉變為演算法和資料資產，建立學習網路和資料生態，360度洞察消費者，通過人工智慧不斷地學習產生新的知識，同時在資料驅動下，進行即時自動決策。

為實現快速轉型，在人工智慧階段構建新的競爭優勢，傳統企業需要攜手網際網路企業，探索新的商業模式。通用電氣（GE）公司與微軟公司近期宣佈合作將通用電氣用於工業網際網路的Predix平臺登陸Microsoft Azure雲平臺為工業客戶提供服務。2015年，富士康和阿里巴巴合作發起“淘富成真”專案，這一專案開放富士康世界級的設計、研發、專利、供應鏈、智造等能力，阿里雲的雲端計算平臺和大資料處理能力，YunOS物聯網作業系統能力，阿里電商平臺、淘寶眾籌能力，同時引入基金和孵化器等企業為創業者提供全鏈路創新創業服務，目的是幫助中小智慧硬體的創業者，完成硬體創業孵化的閉環。

5.2政府：全方位政策支援，構建人工智慧產業體系

人工智慧產業已充分得到了中國政府的重視，近期國家級人工智慧扶持政策相繼出臺。2015年7月，國務院《關於積極推進‘網際網路+’行動的指導意見》中指出，“將推進人工智慧產業在技術和應用層面加速發展……人工智慧作為重點佈局的11個領域之一，將會在智慧家居、智慧終端、智慧汽車及機器人等領域進一步推廣應用。”為落實該指導意見，加快人工智慧產業發展，國家發展改革委、科技部、工業和資訊化部、中央網信辦制定了《‘網際網路+’人工智慧三年行動實施方案》，指出，“到2018年，中國將基本建立人工智慧產業體系、創新服務體系和標準化體系，培育若干全球領先的人工智慧骨幹企業，行成千億級的人工智慧市場應用規模。”

為加快人工智慧產業發展，政府應從以下三個維度加強對人工智慧產業的政策支援：

開放政府及公共領域資料，打造國家級人工智慧資源平臺。資料是人工智慧的基礎。為鼓勵人工智慧產業發展，應開放公共資料，並優化資料品質，建立系統化結構化的資料庫平臺，為人工智慧的發展提供資源。

建立企業主導、高校研發、國家投入的人工智慧產業一體化發展模式。人工智慧在未來數年內將以服務智慧為主，因此需要樹立企業在人工智慧行業的主導地位，鼓勵企業積極開發人工智慧的場景應用，以將人工智慧科研成果轉變為商業價值。同時，鼓勵高校研發、增加國家科研投入，為長期人工智慧基礎科技突破做準備。

以產業基金、專項基金等激勵人工智慧創新，提供針對人工智慧創業企業的稅收優惠，以人才為導向，配套全球人工智慧人才安家政策，提供寬鬆的人工智慧法律法規環境。