科学新闻
新一代人工智能新趋势
社会发展史上，人类经历了农业革命、工业革命，当前正在经历信息革命。智能化是信息革命的一个新阶段，信息革命从数字化开始发动，网络化将其提升到了非常重要的阶段，现在人类社会进入了智能化阶段。
人工智能是依托人工设计的装置，为了完成人工规定的任务，通过人工设计的算法和由人工（直接或间接）提供的数据，经学习形成自主的感知、认知和决策能力。人工智能是渗透力很强的通用技术，是引领新一轮科技产业变革的战略性技术，具有溢出带动性很强的“头雁效应”。
近年来，有关人工智能的研究不断增长。WoS统计数据表明，2018~2020年，人工智能算法研究论文数量持续增长，从13万增长到17万多篇，应用领域也逐年扩大。
新一代人工智能技术是在克服现存瓶颈中开辟新道路的。当前人工智能发展的瓶颈，包括数据可获得性和质量问题、模型可移植性问题、能效和能耗问题、语义鸿沟问题、算法可解释性问题、可靠性问题等等。
数据的可获得性和质量是新一代人工智能面临的第一个大问题。大量数据的获得并不那么容易，一般的企业没有能力获得这么大量的数据，也花不起如此之高的成本去做大量标注，而且还需要投入大量的算力。
其次是能耗瓶颈。2020年5月，人工智能非营利组织OpenAI发布了预训练语言模型GPT-3，其具有1750亿参数，在许多自然语言处理数据集上均具有出色的表现，包括翻译、问答和文本填空任务，还包括一些需要即时推理或领域适应的任务等，可以说其在很多实际任务上已大幅接近人类水平。开源预训练模型大大降低了企业开发的门槛，但这种神经网络模型所需的数据、算力和能耗非常大，GPT-3训练所用的数据量达到45TB，训练费用更是超过1200万美元。
值得关注的是，近年来AI加速器的需求快速增长，发展异常活跃，一批新生力量强势崛起。一方面是通过将现有算法嵌入芯片，提高速度、降低能耗；另一面，也出现了一些高效的新算法。
比如，来自麻省理工学院、维也纳工业大学等机构的团队，仅用19个类脑神经元就实现了控制自动驾驶汽车，使其能够模仿学习，具有扩展到仓库用自动化机器人等应用场景的潜力，而常规的深度神经网络则需要数百万神经元。这种类脑小参数模型的能耗也大为降低。这一研究成果发表在2020年10月《自然•机器智能》上。
2020年8月，《自然》封面报道了清华大学的研究成果——“类脑计算与机器学习结合的芯片问世”，成为全球关注的重大新进展。
2020年10月，《自然》发表清华大学张悠慧等提出的“类脑计算完备性”概念以及软硬件去耦合的类脑计算系统层次结构。《自然》评论认为：“‘完备性’新概念推动了类脑计算”，对于类脑系统存在的软硬件紧耦合问题而言，这是“一个突破性方案”。
2020年12月，北京大学杨玉超团队提出并实现了一种基于相变存储器（PCM）电导随机性的神经网络高速训练系统，可有效缓解人工神经网络训练过程中时间、能量开销巨大并难以在片上实现的问题，为人工神经网络在终端平台上的应用以及片上训练的实现提供了新的方向。
无论是从算法、理论、硬件还是基础器件，都可以看到新一代人工智能技术的新趋势：强功能、高效率、新体系。
人工智能产业发展
中国新一代人工智能发展战略研究院选择以人工智能解决方案为主业的企业进行研究，经过持续三年的观察发现，智能科技产业是企业、大学、科研院所、投资者、链接者（会议、联盟）和政府六类主体通过资金、技术和人才关系相互作用的复杂适应系统。
我们从2205家企业入手，发现他们联系到200多家大学、100多个研究所，参加了1000多个会议，涉及到400多个联盟、3741家投资者以及500多条地级以上政府的政策、1000多个地级以上政府产业园，连成一个密密麻麻的图，我们称之为“价值网络图”。这个图虽然看上去一团乱麻，实质上反映出人工智能产业紧密连接的形态特征。
我们进一步观察到，2018年连接度最高的是BAT三个平台，2020年华为的连接度上升到第一位。我们还发现，一批汽车制造企业由于融入了智能技术，已经成为智能产业的重要力量。总体上来看，人工智能和实体经济的结合越来越紧密，融合产业部门正在成为智能产业发展的主导力量，智能机器人成为人工智能与实体经济的重要结合点。
在中国这样的人口大国，为什么要发展机器人？我认为，机器人不是要一般性地代替人的工作，而是要去做不适宜人做或人们不愿意做的工作。在工业化早期，正如卓别林在电影《摩登时代》中表现的那样，工人每天做着紧张乏味的机械式劳动，这种机械式劳动把人变成机器。于是，人们强烈希望用某种机器来代替这种机械劳动，代替人完成那些枯燥、单调、危险的工作，于是机器人应运而生。没有机器人，工业化把人变为机器；有了机器人，人仍然是工业化的主人。
我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”
机器人存在安全之忧、能力之忧、成本之忧、失业之忧、灭种之忧这五个“发展之忧”。要想解决这些问题，机器人需要上网，通过大数据和人工智能结合，为机器人增能提智；同时，还要为机器人立心立德，把伦理植入系统，做到可检测、可检验。
新一代人工智能与新一代机器人融合趋势下，信息技术与制造技术深度融合的数字化、网络化、智能化制造是主线，这体现在以机器人为载体、以工业互联网为基础，推动新一代人工智能和实体经济深度融合。
新一代人工智能和机器人共融发展
“与人共融”是新一代机器人面临的共性挑战。目前机器人在智力和行为能力上与人是不可比拟的。要做到与人共融，机器本体的行为能力仍需加强，要更加敏捷，同时智能技术和智能水平也应增强，使其在智力和行为能力上与人的水平相匹配，这样才能实现与人协同。
工业机器人要融入“有人的生产线”，与工人互助合作完成任务；服务机器人要融入普通人（老人、残疾人、家庭主妇等等）的家庭生活；特种机器人则要更多提高自主智能，降低对人的遥操作的依赖。
传统人工智能技术主要在非行为空间、确定性约束或规则下进行推理决策，如问题求解、定理证明、模式识别、专家系统、人机博弈等等；而机器人所需的智能是在行为空间。因此，具有约束条件的非预知性、动态性、操作/合作对象的随机性以及行为决策所必须的实时、鲁棒性，都对人工智能提出了技术挑战。
机器人的智能是在与工作环境、合作对象、作业目标的不断交互过程中，通过自主学习而形成的“发育智能”，而非基于完备规则下的“计算智能”。因此，要把握机器人智能发育理论、方法与发展趋势；利用机器学习、人工智能与脑科学的研究成果，研究基于模仿学习、自主学习的机器人知识、技能获取与增长机制及实现方法；面向自主作业和自主移动，研究机器人智能发育的软硬件实现方法。
机器人的智能发育，是指机器人利用其自身所具备的感知能力，在其与环境以及操作者的实时动态交互过程中，增量式、渐进地提升自身自主行为能力的过程。与传统的机器学习方法相比，智能发育需要具有以下特点使之更适合于机器人的智能获取与提升：一是具有类人的、无需大样本的学习模式；二是能够适应动态、不确定环境和非特定使命；三是具备长期、增量式的经验积累能力；四是可以融合人的智能，实现二者的高效协同，让人工智能和机器人相向而行，共同支撑智能制造，实现人工智能和实体经济的深度融合。■
（作者系世界工程组织联合会主席、中国电子学会副理事长，记者高雅丽整理）
区块链与人工智能的深度融合
文/清华大学互联网产业研究院 王耀羚
中共中央政治局10月24日下午就区块链技术发展现状和趋势进行第十八次集体学习，习近平总书记在主持学习时强调，区块链技术的集成应用在新的技术革新和产业变革中起着重要的作用。
10月28日，中国金融四十人论坛（CF40）学术顾问、中国国际经济交流中心副理事长黄奇帆在首届外滩金融峰会全体大会上表示，数字化主要包含大数据、云计算、人工智能以及区块链技术，而数字化之所以能够颠覆传统，就在于它所拥有的五全基因：全空域、全流程、全场景、全解析和全价值。
人工智能技术在当前应用广泛，但它并不孤立存在，同时也存在一些隐患。它与大学、研究所和企业研究机构正在研究的其他前沿技术密切相关，而区块链可以在许多方面对人工智能起到增强的作用。
区块链对人工智能的三大助力
计算能力、数据和算法是人工智能中机器学习的模型训练三要素，然而，在人工智能快速发展的背后，存在着信息不透明、计算能力不足、难以结合相关行业的缺陷。现在，区块链的进步可以解决人工智能的这三种问题。
区块链为人工智能提供安全数据:区块链加密现实生活中的重要数据，可以防止数据随意被篡改，还可以为现有的计算机编程和系统提供更多的安全保障，因此具有高冗余性。这样，它上面的每个节点都可以按照链式结构存储完整的数据，就没有丢失数据的风险，保证了数据的准确性，数据的所有权也可以确定。通过智能合同，数据的提供者和用户可以相互隔离，实现隐私保护，从而保护数据的隐私和安全性。
区块链解决人工智能的计算能力问题:今天的人工智能企业硬件投入很大，因为人工智能对计算的需求很大，GPU等各种人工智能芯片的更新速度非常快，这对所有人工智能企业来说都是一个巨大的成本。区块链中的分布式计算可以解决目前人工智能当中存在的这个计算能力的问题，因为网络上的每个人都可以访问数据，多个计算机可以同时对数据进行计算，从这个方面来说区块链大大降低了人工智能企业的成本。因此，现有的数据寡头垄断即将结束，数据开放和自由的时代即将到来。
区块链帮助人工智能与产业结合：人工智能虽然已经发展了很多年，但是目前主要的实践领域还是生物的身份识别、图像识别和可以投入应用的机器学习算法的研究。然而，区块链的加入，就有机会来拓展人工智能实践和应用的广度和深度。下面引用一些场景来说明区块链是如何在人工智能领域释放能量的。
智能金融——在金融领域使用人工智能技术的同时，对数据的需求量很大，对数据安全的需求也很大，如果人工智能+金融与区块链技术相结合，就可以为人工智能与金融产业的结合提供更安全的数据保障；
智能版权——智能版权目前应用人工智能的方式，还主要是利用人工智能当中的机器学习、深度学习来理解知识产权的相关规则，然后识别侵犯版权的侵权者，从而维护作者的权益。在此基础上，如果将区块链融入到智能版权当中去，还可以为艺术家和创作者提供即时支付的功能；
智能医疗——区块链系统上的数据不能篡改，可以随时记录医疗健康大数据，并有加密技术来充分保护患者隐私。因此，区块链+人工智能+医疗系统可以提供稳定、可操作的病历和药物治疗证明，为患者建立区块链档案，方便医生诊断和治疗；
智能交通——实现智能交通需要大量的实时交通数据，包括路况摄像头数据、路况传感器数据、实时区域交通数据等，这些数据又必须是高质量的才可用。流量数据收集任务可以通过区块链平台向不同的服务提供商开放，某些激励措施还可以使服务提供商在数据共享方面有利可图，也因此确保了数据的质量。
区块链在人工智能应用中面临的风险
目前，大多数区块链被用于人工智能相关的项目，仍处于概念验证阶段或早期应用阶段，面临着政策风险、技术风险、大规模应用的风险和难以控制的风险。
区块链目前的政策风险是由它自身提供的去中心化的环境造成的。区块链技术最创新的地方，是它的最大优势也是最大风险点，那就是去中心化。如果人工智能是在去中心化的环境中发展的，缺乏监管也许会导致犯罪的滋生，这是目前可能会存在政策风险，也是政策还不能完全放开的一个重要原因。
在技术风险方面，区块链是一个新兴的技术，然而即使人工智能已经发展了很长一段时间，但它也没有达到完全成熟的阶段。因此，真正将两者结合起来再去实现落地还需要沉淀，存在着不确定性。
数据共享在给中小企业带来便利的同时，却威胁着大型企业的利益，也给社交应用带来挑战。由于数据共享，任何人都可以访问这些数据集和计算这些数据集，这些数据集可能本身是大企业利用自身优势可以得到的，但是削弱中心化和鼓励去中心化使大企业失去了优势，反而任何企业都会有机会与世界上最大的公司竞争了。
智能合同通常“一旦运行就无法停止”。如果合同代码有漏洞，这些漏洞被黑客利用产生了不平等的交易，但是在区块链上运行的交易又是不可撤销的，就会产生难以控制的局面。
区块链与人工智能结合的展望
区块链和人工智能本身可以说是技术领域的两个极端：一个是在封闭数据平台上培育中心化的智能；另一个则是在开放数据环境下促进去中心化的应用。如果在未来，这两者能够有机结合起来，可以促进人工智能、区块链在应用方面的进一步发展。人工智能、区块链等信息技术将推动中国数字经济的发展和科技强国的建设，通过优势互补创造出广阔的前景，迸发出巨大的潜力。
【“人工智能与计算力相结合，将成为未来领域的龙头企业“】
AI和算力的结合带来了巨大的价值，它们相互促进、相辅相成。在讨论"AI+算力=最强龙头"时，我们需要先了解AI和算力的概念以及它们的特点和应用领域。
AI（人工智能）是一种模拟人类智能的技术。它包括机器学习、深度学习、语音识别、图像识别等多个技术领域。AI的目标是使机器能够模仿人类的智能行为，具备分析、学习和决策等能力，从而实现自主感知、认知和决策。
而算力则指的是计算能力，也称为计算机的运算速度或计算速度。通常用来衡量计算机系统处理数据的速度和效率。随着硬件技术的不断发展，计算机的算力越来越强大，能够更快地对大量复杂数据进行分析和计算。
在应用领域上，AI和算力的结合被广泛运用于各个行业，如人脸识别、语音识别、自动驾驶等。以人脸识别为例，AI技术可以通过分析人脸图像中的特征，快速准确地识别身份信息。然而，这个过程需要庞大的计算资源来处理大量的人脸数据，因此算力的支持是不可或缺的。
同样地，语音识别技术也需要强大的算力支持。通过利用计算机的算力，AI可以对复杂的声波信号进行高效处理，实现语音到文字的转换。这种技术可以应用于智能助理、语音控制等领域，为用户提供便捷的交互方式。
另一个应用领域是自动驾驶。自动驾驶技术借助AI实现对车辆环境的感知和决策，从而实现无人驾驶。这一过程中，大量的传感器数据需要通过计算进行处理，并作出精确的判断和决策。只有足够强大的算力才能满足自动驾驶系统对实时性和准确性的要求。
综上所述，AI和算力密不可分，它们之间的配合是实现最佳效果的关键因素。AI需要强大的算力支持，才能充分发挥其在各个领域的应用潜力。由此可见，"AI+算力=最强龙头"这一观点是具有道理和前景的。
导语：随着人工智能技术的快速发展，结合算力的加速提升，越来越多的行业涌现出了一批垄断者和领军者，他们凭借AI+算力所带来的效益，在云计算、物流、金融等领域中迅速崛起，实现了领先者的地位。本文将为您详细介绍“最强龙头”的概念，并分析AI+算力在这些行业中的崛起情况，以及其对效率提升和成本降低的重要作用。
第一部分：引言AI+算力已经开始改变了许多行业的格局，催生出了一批具有强大实力的行业巨头，他们以其独特的技术优势和资源垄断，成为行业中的“最强龙头”。在本文中，我们将探讨AI+算力与行业龙头的紧密关系，并深入了解其在不同领域的应用情况。
第二部分：AI+算力在云计算领域的崛起云计算作为近年来最受追捧的技术之一，正逐渐成为许多企业数字化转型的核心驱动力。而AI+算力在云计算领域的应用更是助推了行业巨头的崛起。通过强大的算力支持，这些领军者能够提供更稳定、高效、安全的云服务，帮助企业实现数字化转型并提升效率。
第三部分：AI+算力在物流领域的应用随着电子商务的兴起和消费者对快速交付的需求增加，物流行业面临着更多的挑战和机遇。AI+算力的应用使得物流企业能够精确预测需求、优化路线规划、提高货物运输效率。行业龙头通过先进的人工智能系统，成功提升了物流运营效率，降低了成本，进一步巩固了其市场地位。
第四部分：AI+算力在金融领域的创新金融行业一直以来都是技术应用较早和较广的领域之一，而AI+算力的崛起则进一步推动了金融科技的创新。通过智能算法与大数据分析相结合，行业领军者能够更准确地评估风险、提供个性化的金融服务，为用户带来更好的体验。同时，AI+算力还能够加强金融领域的反欺诈措施，保护用户资金安全。
第五部分：总结与展望AI+算力的快速发展催生了“最强龙头”的出现，这是技术与市场需求共同推动的结果。AI+算力的应用让行业龙头享有了巨大的竞争优势，而后来者往往难以追赶。未来，随着技术的不断革新和应用场景的扩展，我们可以期待更多行业领袖在AI+算力的加持下崭露头角，为各行业带来更多高效、智能且可持续的发展。
近年来，人工智能（AI）和算力的结合成为推动科技领域快速发展的重要力量。然而，AI+算力的霸主现象也引发了一系列的讨论和关注。本文将分析AI+算力催生的霸主现象对市场与竞争环境的影响，并探讨其中的不利因素，如垄断竞争、商业伦理和产业集中度过高等对市场和消费者的影响。
AI+算力催生的霸主现象随着AI技术的迅猛发展，越来越多的公司开始将AI与强大的算力相结合，以实现更高效、更智能的创新与服务。这种AI+算力组合为企业带来了巨大的竞争优势，也催生了一些行业的霸主地位。这些企业凭借其在AI研发和算力领域的领先地位，掌握了市场的话语权，并迅速成为行业的领头羊。
市场与竞争环境的影响AI+算力组合带来的霸主现象也对市场与竞争环境造成了一定的影响。首先，这些霸主企业往往占据绝对的市场份额，使得其他企业难以进入市场并得到公平竞争的机会。这可能导致市场的垄断竞争现象，影响到市场的自由与公正。
由于这些霸主企业在技术和资金上的优势，它们通常能够更快地推动技术的发展和创新，从而进一步巩固其市场地位。这也加大了其他企业在技术赶超和创新方面的难度，导致市场的不均衡。
由于AI+算力组合在某些领域的高度依赖性，这些霸主企业在提供服务和产品时可能会出现错误或失误，给消费者带来潜在的风险和损失。因此，在追求市场份额和利润最大化的同时，商业伦理和责任也成为了摆在这些企业面前的重要问题。
应对不利因素的对策为了避免AI+算力催生的霸主现象对市场与竞争环境造成过大的影响，相关方面可以采取一些对策。首先，政府部门可以建立监管机制，加强对这些霸主企业的监管，确保市场的公平竞争与开放性。同时，鼓励和支持其他企业在技术研发和创新方面的努力，提高他们的竞争能力。
行业协会和专业组织可以促进行业内的信息共享和合作，以加强全行业的技术水平和创新能力。通过合作和共同发展，可以降低个别企业的霸主地位，实现市场的多元化与均衡发展。
企业自身也应当注重商业伦理和社会责任，确保产品和服务的质量与安全。只有在确保消费者权益的前提下，企业才能够长久地维持其市场地位，并赢得消费者的信任与支持。
结语：
AI+算力组合的崛起带来了巨大的变革和挑战，引发了对市场与竞争环境的关注。在追求技术进步和创新的同时，也需要重视市场的公平竞争与消费者的利益保护。只有通过政府、行业和企业的共同努力，才能够实现AI+算力组合在市场中的良性发展，为消费者提供更好的产品和服务。