各区丨全国首个人工智能创新应用先导区成立四年，“浦东方案”培育AI创新沃土，奔赴未来应用场景
作为全国首个人工智能创新应用先导区，一批人工智能“浦东方案”从雏形走向成熟。在7月2日举行的浦东新区人工智能产业生态建设新闻通气会上透露，浦东已建成亚洲领先的Al算力中心，累计建成5G室外基站超19000个，算力数据“新供给”国内领先。面向未来，浦东将加快建设更开放创新、更绿色融合、更安全可信、更具有国际影响力和未来感的人工智能产业集聚区，针对数据确权难、交易合规难、数据资产化难等堵点难点加以研究和突破，打造人工智能技术创新引领地。力争三年内实现20项技术创新2019年，浦东新区作为全国首个人工智能创新应用先导区揭牌。4年来，浦东新区在人工智能技术突破、制度创新、产业发展、生态建设等领域取得一系列成效。围绕基础支撑、科技创新、前瞻布局等方面积极推动人工智能产业发展，截至2022年底，全区人工智能重点企业超600家，规上人工智能企业规模超1200亿，浦东人工智能产业正呈现集聚和引领发展态势。此外，已落地建设的上海数据交易所，累计挂牌数据产品数量超1200个，交易额超2.7亿元，为大算力+大数据+强算法时代提供强大易用的底层支撑。前沿科技“新成果”不断涌现。浦东高性能云端训练芯片等16块“智能芯”流片量产，占全市比重约70％；一批企业率先布局行业大模型；超导量子计算机取得突破。今年，浦东推出“1+1+N”的人才政策体系，为人工智能产业创新汇聚全球英才。浦东新区科经委副主任夏玉忠在会上透露，下一步，浦东针对数据确权难、交易合规难、数据资产化难等堵点难点加以研究和突破，促进数据流通交易，激发数据价值释放；推动上海数据交易所做大做强，力争今年突破10亿交易额。同时，推动国产人工智能芯片和集群计算实现突破，加快发展通用人工智能、科学智能、具身智能机器人、智能计算、虚实交互等底层技术研发、系统研究及应用；遴选一批浦东新区人工智能创新产品和技术，力争三年内实现20项技术创新。针对应用创新层面，浦东将全面深化产业数字化跃升计划（GID），发挥数字化标杆企业的示范带动作用，建设一批数字化服务平台，激发产业链中小企业数字化活力，推动人工智能赋能向更深层次、更宽领域发展。未来产业“新赛道”率先布局应用“秀场”在浦东今年，浦东新区颁布了《上海市浦东新区促进无驾驶人智能网联汽车创新应用规定实施细则》，保障了智能网联汽车无人驾驶有法可依。场景方面，金桥智能网联汽车开放测试道路共计29.3公里的道路获批，是国内首条中心城区自动驾驶开放测试道路，也是目前上海风险等级最高的开放测试道路。作为产业的导入者和培育者，金桥股份锚定“未来车”产业。据金桥股份总经理杜少雄透露，将打造以未来车为主题的特色产业园区，搭建“产业空间保障+产业孵化投资+产业集成服务”的园区运营模式，引入产业链关键环节的链主，并联合链主共同搭建智能网联车测试平台。“整个园区既是企业研发、展示、应用、孵化的载体，也是技术与技术、产品与产品交流的平台。”杜少雄进一步介绍道。加快在人工智能领域打造世界级产业集群，浦东在空间载体率先布局，数据要素产业集聚区“一核三园两港”空间布局不断完善，张江在线、陆家嘴数智天地等特色产业园区加速释放产业空间。作为张江数据要素产业集聚区“一核三园两港”的重要组成部分，陆家嘴数智天地以数商生态和元宇宙产业为特色，打造“数据产业集聚区、总部创新区、生态引领区以及场景示范区”等。“其中22万方的‘智慧源’‘智慧谷’即将投入运行，我们还将设立AI学院、携手龙头企业建立人工智能技术支撑平台等。”陆家嘴股份产业园招商中心总经理胡静彦表示。来源：浦东发布人工智能应用的细分领域有哪些
什么是人工智能？人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是认知、决策、反馈的过程。
人工智能技术的细分领域有哪些？
人工智能技术应用的细分领域：深度学习、计算机视觉、智能机器人、虚拟个人助理、自然语言处理—语音识别、自然语言处理—通用、实时语音翻译、情境感知计算、手势控制、视觉内容自动识别、推荐引擎等。
下面，我们就每个细分领域，从概述和技术原理角度稍微做一下展开，供大家拓展一下知识。
1、深度学习深度学习作为人工智能领域的一个重要应用领域。说到深度学习，大家第一个想到的肯定是AlphaGo，通过一次又一次的学习、更新算法，最终在人机大战中打败围棋大师。
对于一个智能系统来讲，深度学习的能力大小，决定着它在多大程度上能达到用户对它的期待。。
深度学习的技术原理：
1.构建一个网络并且随机初始化所有连接的权重；
2.将大量的数据情况输出到这个网络中；
3.网络处理这些动作并且进行学习；
4.如果这个动作符合指定的动作，将会增强权重，如果不符合，将会降低权重；
5.系统通过如上过程调整权重； 6.在成千上万次的学习之后，超过人类的表现；
2、计算机视觉计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉有着广泛的细分应用，其中包括，医疗领域成像分析、人脸识别、公关安全、安防监控等等。
计算机视觉
计算机视觉的技术原理：
计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。
3、语音识别语音识别，是把语音转化为文字，并对其进行识别、认知和处理。语音识别的主要应用包括电话外呼、医疗领域听写、语音书写、电脑系统声控、电话客服等。
语音识别
语音识别技术原理：
1、对声音进行处理，使用移动函数对声音进行分帧； 2、声音被分帧后，变为很多波形，需要将波形做声学体征提取； 3、声音特征提取之后，声音就变成了一个矩阵。然后通过音素组合成单词；
4、虚拟个人助理苹果手机的Siri，以及小米手机上的小爱，都算是虚拟个人助理的应用。
虚拟个人助理技术原理：（以小爱为例）
1、用户对着小爱说话后，语音将立即被编码，并转换成一个压缩数字文件，该文件包含了用户语音的相关信息； 2、由于用户手机处于开机状态，语音信号将被转入用户所使用移动运营商的基站当中，然后再通过一系列固定电线发送至用户的互联网服务供应商(ISP)，该ISP拥有云计算服务器； 3、该服务器中的内置系列模块，将通过技术手段来识别用户刚才说过的内容。
5、自然语言处理自然语言处理（NLP），像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合，实现人机间自然语言的通信。
NLP
自然语言处理技术原理：
1、汉字编码词法分析； 2、句法分析； 3、语义分析； 4、文本生成； 5、语音识别；
6、智能机器人智能机器人在生活中随处可见，扫地机器人、陪伴机器人……这些机器人不管是跟人语音聊天，还是自主定位导航行走、安防监控等，都离不开人工智能技术的支持。
智能机器人技术原理：
人工智能技术把机器视觉、自动规划等认知技术、各种传感器整合到机器人身上，使得机器人拥有判断、决策的能力，能在各种不同的环境中处理不同的任务。智能穿戴设备、智能家电、智能出行或者无人机设备其实都是类似的原理。
7、引擎推荐淘宝、京东等商城，以及36氪等资讯网站，会根据你之前浏览过的商品、页面、搜索过的关键字推送给你一些相关的产品、或网站内容。这其实就是引擎推荐技术的一种表现。
Google为什么会做免费搜索引擎，目的就是为了搜集大量的自然搜索数据，丰富他的大数据数据库，为后面的人工智能数据库做准备。
引擎推荐技术原理：
推荐引擎是基于用户的行为、属性（用户浏览行为产生的数据），通过算法分析和处理，主动发现用户当前或潜在需求，并主动推送信息给用户的浏览页面。
未来人工智能应用领域的展望除了上面的应用之外，人工智能技术肯定会朝着越来越多的分支领域发展。医疗、教育、金融、衣食住行等等涉及人类生活的各个方面都会有所渗透。
未来已来，顺应未来发展大势，让自己的企业具备应对未来发展环境的能力，这就是你最应该做的事情。希望大家能在读了本片文章后，能激发出更大的兴趣去了解、学习人工智能的知识，也许，下一步可以从《人工智能简史》开始。
CIO指南：数据治理工作需关注的4个智能应用场景
据IDC预测，到2026年，全球人工智能(AI)服务支出将以21.9%的复合年增长率(CAGR)增加到646亿美元。人工智能将成为企业数字化业务的重要引擎，数字化业务的基本生产要素是数据，“企业如何做好AI时代下的数据治理”已成为企业数字化转型的新难点。
该文摘自《赢在AI时代——CIO如何做好数据治理》中“人工智能时代下的数据治理”部分，研究分析了中国数据治理的现状，数据治理概念及应用场景，人工智能时代下的数据治理，最后提出CIO践行企业数据治理的8大策略。
数据治理工作需关注的4个智能应用场景
AI时代下的数据治理将迎来新的挑战，无论是定义范畴、治理范围、侧重点、应用安全等都会是新的课题。基于上述4个智能应用场景，数字决策者可通过场景的主要应用，探究AI对数据治理工作的改变。
知识管理应用：指企业对知识资产做管理及系统化的过程。AI可支持知识管理包含：知识的发现、检索、推荐、决策支持等。营销应用程序：指用于营销目的的软件和应用程序。AI可支持营销应用包含：个性化推荐、营销数据预测、营销分析、AI生成营销宣传周边等。会话应用程序：指人机语音交互的软件程序。AI可支持会话应用包含：自然语言处理、语音识别、客户智能推荐及问答等。代码生成应用： 指代码的生成、开发效率的支持及软件测试的辅助。AI可支持代码生成应用包含：代码机器学习、自然语言转化、代码生成优化、修复调试等。最后：AI时代给数据治理带来诸多变化及挑战，如：隐私安全、元数据的改变、数据生命周期的再定义、数据标准及规范的修订等。企业CIO需权衡公有AI的企业内使用，私有AI的企业内测试及建设问题。
来自： IDC咨询
本文来自互联网，不代表前途科技立场，如若转载，请注明出处：https://accesspath.com/report/5854006/
人工智能应用场景及未来发展趋势 一 什么是人工智能人工智能是当前比较热门的科学和各国重点发展的前沿技术，但人工智能（Artificial Intell
来源：雪球App，作者：玖点半，（https://xueqiu.com/2857816313/132432573）
一.什么是人工智能
人工智能是当前比较热门的科学和各国重点发展的前沿技术，但人工智能（ArtificialIntelligence，缩写为AI）一词的出现，却是早在1956年由麦卡赛、明斯基、罗切斯特和申农等一批具有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题时提出来的，它也标志着"人工智能"的正式诞生。
人工智能是指通过计算机实现人的头脑思维所产生的效果，是对能够从环境中获取感知并执行行动的智能体的描述和构建。从狭义认知角度来讲，人工智能可分为人工智能产业（包含技术、算法、应用等多方面的价值体系）、人工智能技术（包括凡是使用机器帮助、代替甚至部分超越人类实现认知、识别、分析、决策等功能）两大类。
人工智能得到快速发展的时期，是2008年金融危机之后，美日欧等西方发达国家希望借助机器人实现再工业化。此时的工业机器人比以往任何时候都发展的更快，更加带动了人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。
而企业层面，目前在人工智能领域领先的企业，包括IBM、谷歌、微软、苹果、东芝、三星等大型科技企业，国内人工智能领先的企业，包括百度、科大讯飞，中国国家电网、阿里、腾讯以及一些新兴科技企业，如商汤科技、云从科技、码隆科技、影普科技、Yi+等。
二.国内人工智能应用领域及产值规模2.1.国内人工智能应用领域及产业规模人工智能作为科技创新产物，在促进人类社会进步、经济建设和提升人们生活水平等方面起到越来越重要的作用。国内人工智能经过多年的发展，已经在安防、金融、客服、零售、医疗健康、广告营销、教育、城市交通、制造、农业等领域实现商用及规模效应。
2018年国内人工智能技术为实体经济贡献收益规模达到251.1亿元人民币，而据艾瑞咨询预测数据，2019年人工智能将为实体经济贡献收入超570亿元，到2022年贡献收入将达到1573亿元，年复合增长率达到58.2%。
在2018年人工智能251.1亿元市场规模中，安防领域占比份额最高为53.8%，其次则是金融领域，份额占比为15.8%。
2.2.人工智能在安防领域的应用安防是为数不多的可以将人工智能成熟应用并落地的行业，为此，安防也被认为是人工智能的第一着陆场。这是因为人工智能在安防领域的快速落地，除了不需要过多的基础建设之外，也得益于全国范围内安防设备的普及以及政府部门大力发展雪亮工程、智慧城市、平安城市、智慧交通、天网工程等公共安全领域项目工程的推动。其中，2018年公共安全领域安防贡献的市场份额就超过70%。
人工智能在安防领域的应用主要是利用其视频结构化（视频数据的识别和提取技术）、生物识别技术（如指纹识别、人脸识别等）以及物证特征识别（如目前大力推广的ETC对车牌的识别等）等三大特性。其改变了过去需要通过人工取证、被动监控的安防形态，视频数据的识别和提取分析，使人力查阅监控的时间大大缩短，而生物识别又大大提升了人物识别的精准性，极大提升了公共安全治理的效率。
2018年，我国“AI+安防”软硬件市场规模达到135亿元（不含C端用户），其中视频监控占比达到88.1%，据艾瑞咨询预测2019年将达到350亿元，而到2022年，安防规模将超过700亿元，复合增长率将达到51.45%。
2.3.人工智能在金融领域的应用
人工智能在金融领域的应用仅次于安防，这要得益于移动互联网、区块链、云计算、大数据等新技术的日趋成熟，为金融行业的智能化转型升级奠定重要基础。
从技术层面，人工智能的本质上是机器通过大量的数据训练作出智能决策，人工智能能够赋予机器具有理解力的“大脑”，让机器能够解读文字、数据所包含的“语义”，通过自学的方式获得判断的规则。金融行业作为高度数据化的行业，加之业务规则和目标明晰，是人工智能、大数据处理技术和云计算等数据驱动技术的最好应用场景。以此同时，在互联网时代，金融行业的在线业务将成主流，数据量的激增，超出了人的经验范畴和处理能力，而这些却是人工智能最擅长处理的。人工智能正在对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。
2018年国内金融领域人工智能相关科技投入（包括软件和硬件设备）约为166.8亿元，较2017年增速为42.9%，到2022年人工智能相关投入将超580亿元，年复合增长率超过37%，其中银行是人工智能相关应用的主要投入方，占比超过70%。
目前，人工智能在金融业的应用，主要集中在智能支付、智能理赔、智能投顾、智能客服、智能营销、智能投研、智能风控等场景，这些场景又以银行最具有代表。
2.3.1.智能客服智能客服是人工智能在金融领域应用最广的。智能客服机器人取代了传统菜单式语音和人工客服模式，能够提供7*24小时的客服服务。智能客服在电话场景当中主要表现为机器管理和语音问答分析，智能客服可以通过深度学习文本中的对话、语音对话场景，并加以应用回复。智能客服目前在银行领域应用最广，平安银行的客服服务人工智能替代率超过80%，其服务量也提升了两至三倍，客服的人力降低了40%。
2.3.2.智能投顾智能投顾，即人工智能投资顾问，其是通过人工智能的深度学习和分析能力，为客户提供个人理财产品策略咨询，包括股票配置、基金配置、债权配置、交易执行、投资损失避税等策略。智能投顾的最大特点，是弱化“人性”，在基于大数据分析、AI算法等的前提下，一旦投资者选定了某种方案，资产的进出抛售就会严格按照既定的标准实行。
智能投顾的应用，最早可追溯到2016年年底，“摩羯智投”在招商银行手机APP的上线。目前，智能投顾已成为银行、券商、保险等金融机构的标配型服务。
2.3.3.智能风控金融行业在传统风控环节中，存在信息不对称、成本高、时效性差、效率低等问题。而智能风控因为引入了人工智能科技，使得贷前审核、贷中监控和贷后管理等环节效率和准确度都得到了极大的提升，智能风控还能促进风险管理差异化。另外智能风控在信用反欺诈、骗保反欺诈、异常交易行为等方面也发挥了越来越重要的作用，为金融行业欺诈风险的分析和预警监测提供坚实的技术支持。
2.3.4.智能投研与智能投顾相比，智能投研主要面对B端企业用户，为其提供辅助投研的工具。对于金融机构来说，人工智能技术的介入，使得传统投研的各个环节发生一定的优化和革新，解放大量基础的投研信息搜集类工作，而前期信息搜集的耗时性和不全面性，也是传统投研中较为主要的缺陷。智能投研是在金融数据基础上，通过深度学习、自然语言处理等人工智能方法，对数据、事件、结论等信息进行自动化处理和分析，为金融机构提供投研支持。
2.4.人工智能在客服领域的应用前文金融领域中已经提到了智能客服的应用，当然智能客服不仅仅只限于金融行业，在其他行业也运用得越来越广。客户服务引入人工智能技术后，整体上节省了10%以上的运营成本。另外，通过对语音等非标准化数据的识别，企业能沉淀下一手数据资源，为后续精准营销、产品升级等环节做好铺垫。
据艾瑞咨询数据，2018年，国内智能客服业务规模达到27.2亿元，其中以智能客服机器人为代表的人工智能应用业务规模达到7.9亿元，预计2022年智能客服业务规模将突破160亿元，年复合增长率为56%，人工智能应用业务规模突破70亿元。
2.5.人工智能在零售领域的应用人工智能在零售领域的应用已经十分广泛，包括无人便利店、智慧供应链、客流统计、无人仓储等细分领域。人工智能通过深度学习以及计算机视觉、图像智能识别、大数据应用等技术，使得工业智能机器人可通过自主判断和行为学习，完成各种复杂的任务，包括在商品分拣、运输、出库等环节实现自动化。另外，将人工智能技术应用于客流统计工作中，其通过人脸识别客流统计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。
2018年中国现代渠道主要零售商数字化建设投入为285.1亿元，其中人工智能投入约为9亿元，占比3.15%，据预测，到2022年其数字化建设投入将突破700亿元，人工智能投入将超过178亿元，占比超过25%，这主要得益于阿里巴巴、京东、苏宁等零售巨头的推动，以人工智能应用为代表的新零售概念处于增长的上升通道，未来两年将保持较高增速。
而以计算机视觉技术为核心的人脸识别和商品识别是主要建设方向，相关投入占整体的55%以上。另外，零售领域供应链的优化最为复杂，对人工智能算法的可用性要求最高，但更靠近零售业的核心点，未来可释放的增益价值也将最大。
三.人工智能未来发展趋势目前，人工智能的研究及应用主要集中在基础层、技术层和应用层三个方面，其中基础层以AI芯片、计算机语言、算法架构等研发为主，技术层以计算机视觉、智能语音、自然语言处理等应用算法研发为主；应用层以AI技术集成与应用开发为主。而国内人工智能企业多集中在应用层，占比高达77.7%，技术层和基础层企业占比相对较小，分别只占有17.9%和5.4%。当然，未来随着5G的建设普及以及科技进步，人工智能除了在语音识别、计算机视觉技术的继续拓展和实地运用外，在人工智能芯片、机器学习、神经网络等方面也将引来增强趋势，人工智能也将在越来越多的领域得到应用落地。
另外，人工智能与物联网的结合（即AIoT）也将更紧密，AI的介入让物联网有了连接的大脑，使得万物互联互通成为现实，未来或将颠覆现有的产业模式。经济方面，助力产业价值链延伸，目前产业很难依靠既有技术与业务模式打破产业生命周期，AIoT通过设备感知与数据分析支撑新的产品形态与服务模式落地，开拓新的市场空间，产生新的发展周期。社会发展方面，数据价值得到挖掘，实现大量线下数据线上化，实现自动高效处理。
$海康威视(SZ002415)$$上证指数(SH000001)$$沪深300(SH000300)$
人工智能写作的四大典型应用场景
让机器像人一样表达和创作是文明发展的重要愿景，实现这一愿景的核心领域便是智能写作。智能写作近年来不仅在技术上发展迅速，在应用中也体现出愈发重要的价值。
以“让写作更简单”为使命的深圳市智搜信息技术有限公司，较早地启动了智能写作的研发与市场化应用，在清华、北大技术精英研发团队领衔下，积累了丰富的技术和应用经验。本文拟从智能写作的常见应用形态、场景和案例入手，结合智搜实践经验，介绍智能写作的核心技术，并讨论自动写作、人机协作等方式和智能写作的未来发展方向。
什么是智能写作？
写作是运用语言文字符号反映客观事物、表达思想感情、传递知识信息的创造性脑力劳动，可分解为立意、素材搜集、创作输出三大步骤。
与之相对应，智能写作的创作主体是机器、算法，通过大数据与算法技术结合，自动化地实现了知识信息的收集加工和输出，从而解放人力到更富有创造性的工作上。所以智能写作与应用类写作场景具有天然的契合度，如新闻资讯、金融行研、广告营销、办公写作、法律文书等。
根据应用思路不同，智能写作可分为“自动写作”和“辅助写作”两类应用形态。其中，“自动写作”是指人工智能算法自主完成写作任务，在写作过程中不需要人工干预。“辅助写作”是指人工智能算法在人类写作的全流程中提供多种辅助功能，为人类提供协助，帮助人类完成写作任务。
我们首先来看看机器自动写作的四种类型和应用场景。
智能写作应用形态——自动写作
自动写作技术能够让机器自主完成文章写作。当前计算机已经能够自动撰写数据新闻、热点新闻、投研报告、联想式新闻等类型。
01 数据新闻写作
智能写作的第一种类型场景是结构化数据报道任务，这种自动写作的典型例子包括财经快讯、地震快讯、体育战报、天气预报等。
02 热点新闻写作
智能写作的第二大类型与场景是热点新闻写作，以上是Giiso热点写作机器人根据热点关键词写作的一篇新闻底稿。这类自动写作通常以海量素材为基础，按照应用需求线索（例如事件、人物等）筛选合适的内容，并基于对内容的分析抽取关注的信息，最后按照写作逻辑组织为篇章结果。由于机器能够快速处理海量数据，因此非常擅长挖掘大数据中蕴含的分布、关联等信息。这种自动写作的典型例子包括热点组稿、事件脉络、排行盘点等。
03投研报告写作
第三种类型是智能投研报告写作，Giiso写作机器在这类自动写作任务中，机器基于充分的训练数据，训练模型并得到创作能力，可以根据人类的指令，产出符合特定格式要求的分析报告。
04 联想式内容写作
第四种智能写作场景是素材联想式写作，Giiso智书是联想式写作的代表性平台。智书目前能够针对汽车领域撰写行情、评测类内容。这类联想式写作通过一系列的预制件进行文章组装的过程，将文章生产模式进行工业及智能化改造；内容生产核心流程及品控前移到预制件的生产环节。包括事件、逻辑、知识图谱、知识库、图库、模板库的工业化或智能化生产；写作过程中通过智能语义关联将预制件智能的和写作内容进行匹配，资源可复用，效率高。
作为一个快速发展迭代的技术领域，智能写作拥有巨大的市场需求，同时也面临着一定的挑战，写作机器人需要在具体的应用场景中不断地完成自我学习与自我进化。智搜（Giiso）将会继续探索技术边界和应用捷径，期待能够让复杂的写作活动变得更简单。
为了使智能写作技术能够助力更广泛的应用，智搜团队即将推出一套技术领先、功能丰富且简单易用的新闻联想式智能写作平台，提供本文提到的各类自动写作和辅助写作能力，以人工智能赋能传统采编与传媒机构提升效率与价值。
【本文结束】如需转载请务必注明出处：快科技
责任编辑：