2
最近，阿里云研究中心發(fā)布了《人工智能：未來致勝之道》的報告，對于人工智能的定內涵、應用、未來趨勢、格局都做了詳盡的分析，非常具有參考意義。其主要觀點有：
數據、算法、計算、場景驅動新一輪人工智能
人工智能具備“快速處理”和“自主學習”兩種能力
人工智能更易于解決具備三類關鍵特性的商業(yè)問題
大數據是人工智能戰(zhàn)略性競爭優(yōu)勢
人工智能按照服務智能、科技突破和超級智能三個階段進化，未來3-5年處于服務智能
人工智能五大競爭定位模式，生態(tài)構建者是關鍵一環(huán)
其中，報告從人工智能的技術突破和應用價值兩維度分析，提到未來人工智能將會出現這三個階段吸引了我們的注意：
在人工智能及現有技術的基礎上，技術取得邊際進步，機器始終作為人的輔助；在應用層面，人工智能拓展、整合多個垂直行業(yè)應用，豐富實用場景。隨著數據和場景的增加，人工智能創(chuàng)造的價值呈現指數增長。
人工智能技術取得顯著突破，如自然語言處理技術可以及時完全理解類人對話，甚至預測出“潛臺詞”。在技術創(chuàng)新的領域，現有的應用向縱深拓展，價值創(chuàng)造限制在技術取得突破的領域。
人工智能技術取得顯著突破，應用范圍顯著拓寬，人機完全融合，人工智能全面超過人類，無所不在，且顛覆各個行業(yè)和領域，價值創(chuàng)造極高。
從報告中可以看到，在未來三到五年人工智能還是以服務性、功能性為主，也可以理解為我們之前所熟知的“弱AI”。按洪小文院長之前在我們公開課中的說法
強AI其實沒有那么強，弱AI其實可以很強。
其在某一方面會相當熟練，甚至超過人類的水準。從目前人工智能的實際運用來看，大部分還是處于這個范疇中?？梢灶A見未來仍將繼續(xù)處于這一階段，直到出現顯著科技突破的那一天。
另外，報告中我們有關注到人工智能產業(yè)鏈這一塊，對于這個大家十分感興趣的部分也進行了梳理。
人工智能產業(yè)鏈根據技術層級從上到下，分為
基礎層
技術層
應用層
基礎層最靠近“云”，應用層最靠近“端”。
計算能力層：大數據、云計算、GPU/FPGA等硬件加速、神經網絡芯片等計算能力提供商
在計算能力層中，目前從事GPU的主要是英偉達，FPGA則是英特爾，這兩家一直以來都致力于在硬件層面加速人工智能的發(fā)展歷程。神經網絡芯片可關注國內這幾家公司，中星微、寒武紀以及西井科技，目前都屬于行業(yè)中的領先者。
數據層：身份信息、醫(yī)療、購物、交通出行等各行業(yè)、各場景的一手數據
目前雖然說各行各業(yè)、各種各樣的數據都在大爆發(fā)，但是目前主要的幾大數據來源還是：自籌數據、公共數據、產業(yè)協同數據。
不過自籌數據需要投入太大，公共數據覆蓋面還是不足，產業(yè)協同數據也需要一定的成本。
這樣看來，目前在數據層主要關注的還是BAT這一類擁有大量用戶基數、涵蓋各大使用場景的大廠。
框架層：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系統
在框架層面，可以看到現在越來越多的框架都選擇了開源。從最初的Caffe、Theano到現在的Facebook使用的Torch以及Google使用的TensorFlow，百度近期推出的Paddle平臺也同樣選擇了開源。就目前來看，開源可以使得各個框架平臺的用戶基數進一步擴大，再者由于這類框架在實際應用中幾乎不可避免地會遇上各類問題，在開源社區(qū)中擁有越多的用戶也代表其有更多的人員來進行試錯、反饋，也幫助其能以更快的速度發(fā)展。
算法層：機器學習、深度學習、增強學習等各種算法
有關機器學習中的算法理念也是大家經常討論的話題，例如決策樹、貝葉斯分類、邏輯回歸、聚類算法、主成分分、統計算法等，這些都是在日常使用中經常需要用到的算法。另外，除了深度學習、增強學習，目前遷移學習這個理念被提起的頻次也越來越高，其能讓現有的模型算法稍加調整即可應用于一個新的領域和功能的一項技術，這個概念目前在機器學習中其實比較少見，但其實它的潛力也可以相當巨大。
通用技術層：語音識別、圖像識別、人臉識別、NLP、SLAM、傳感器融合、路徑規(guī)劃等技術或中間件
語音識別包括像科大訊飛這樣的，圖像識別則有圖森科技、圖譜科技。
另外，人臉識別領域有face++、商湯科技，NLP領域則有百度、搜狗，SLAM領域也有思嵐科技。
應用層
應用平臺層：行業(yè)應用分發(fā)和運營平臺，機器人運營平臺。
解決方案層：智能廣告、智能診斷、自動寫作、身份識別、智能投資顧問、智能助理、無人車、機器人等場景應用。
阿里作為BAT三巨頭之一，依托其本身數據以及實力優(yōu)勢，其對于行業(yè)的認識要比普通從業(yè)者以及大眾來得明確。其發(fā)布的這份人工智能報告可以說為大家解釋清楚了不少疑惑，具有一定的指導意義。
我們另外也有請教北極光創(chuàng)投的張黎，他表示：
目前AI產業(yè)鏈剛剛開始，一個重要標志就是研究領域取得的進展差不多開始進入工業(yè)化了，所以創(chuàng)業(yè)公司的機會還是挺多的，具體地
創(chuàng)業(yè)公司Startup的機會更多還是在應用層
基礎層和技術層巨頭有優(yōu)勢，個別優(yōu)秀startup公司在持續(xù)資本的支持下有少量機會
另外，AI科技評論君提出一點質疑。阿里巴巴人工智能產業(yè)圖看似完美無缺，但是其提出的基礎層、技術層、應用層與以往任何一個風口來時，呈現的生態(tài)結構差異并不大。人工智能作為智力密集型產業(yè)，實際落地的時候，其具體的生態(tài)結構是否也還是這老三層？對此，北極光創(chuàng)投的張黎表示：
目前大體是，唯一的區(qū)別可能就是技術比重大一些。
關于上面的問題我們還可以繼續(xù)探討。不過總體而言，對于創(chuàng)業(yè)公司來說，報告中對于人工智能產業(yè)鏈以及商業(yè)模式進行了初步畫圖，對于剛剛開始的創(chuàng)業(yè)公司來說，還是能看到一些蛛絲馬跡。
創(chuàng)業(yè)公司可以從報告中一窺未來的人工智能創(chuàng)業(yè)機會在哪里，目前來看技術層與應用層仍然機會很大。另外，雖然在當前大數據時代從基礎層級入手可能會比較麻煩，但是如果有技術優(yōu)勢且能有持續(xù)資本的支持下，仍然會有不少機會。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
