如何认识人工智能对未来经济社会的影响
原标题：如何认识人工智能对未来经济社会的影响人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。世界主要国家都高度重视人工智能发展，我国亦把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。在此背景下，我们有必要更好认识和把握人工智能的发展进程，研究其未来趋势和走向。
人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。首先，人工智能是目标导向，而非指代特定技术。人工智能的目标是在某方面使机器具备相当于人类的智能，达到此目标即可称之为人工智能，具体技术路线则可能多种多样，多种技术类型和路线均被纳入人工智能范畴。例如，根据图灵测试方法，人类通过文字交流无法分辨智能机器与人类的区别，那么该机器就可以被认为拥有人类智能。其次，人工智能是对人类智能及生理构造的模拟。再次，人工智能发展涉及数学与统计学、软件、数据、硬件乃至外部环境等诸多因素。一方面，人工智能本身的发展，需要算法研究、训练数据集、人工智能芯片等横跨整个创新链的多个学科领域同步推进。另一方面，人工智能与经济的融合要求外部环境进行适应性变化，所涉的外部环境十分广泛，例如法律法规、伦理规范、基础设施、社会舆论等。随着人工智能进一步发展并与经济深度融合，其所涉外部环境范围还将进一步扩大，彼此互动和影响亦将日趋复杂。
总的来看，人工智能将波浪式发展。当前，人工智能正处于本轮发展浪潮的高峰。本轮人工智能浪潮的兴起，主要归功于数据、算力和算法的飞跃。一是移动互联网普及带来的大数据爆发，二是云计算技术应用带来的计算能力飞跃和计算成本持续下降，三是机器学习在互联网领域的应用推广。但人工智能技术成熟和大规模商业化应用可能仍将经历波折。人工智能的发展史表明，每一轮人工智能发展浪潮都遭遇了技术瓶颈制约，导致商业化应用难以落地，最终重新陷入低潮。本轮人工智能浪潮的技术上限和商业化潜力都大大高于以往，部分专用人工智能可能获得长足进步，但许多业内专家认为目前的人工智能从机理上还不存在向通用人工智能转化的可能性，人工智能大规模商业化应用仍将是一个长期而曲折的过程。人工智能的发展尚处于早期阶段，在可预见的未来仍将主要起到辅助人类工作而非替代人类的作用，同时，严重依赖数据输入和计算能力的人工智能距离真正的人类智能还有很大的差距。
作为继互联网后新一代“通用目的技术”，人工智能的影响可能遍及整个经济社会，创造出众多新兴业态。国内外普遍认为，人工智能将对未来经济发展产生重要影响。
一方面，人工智能将是未来经济增长的关键推动力。人工智能技术的应用将提升生产率，进而促进经济增长。许多商业研究机构对人工智能对经济的影响进行了预测，主要预测指标包括GDP增长率、市场规模、劳动生产率、行业增长率等。多数主要商业研究机构认为，总体上看，世界各国都将受益于人工智能，实现经济大幅增长。未来十年（至2030年），人工智能将助推全球生产总值增长12%左右。同时，人工智能将催生数个千亿美元甚至万亿美元规模的产业。人工智能对全球经济的推动和牵引，可能呈现出三种形态和方式。其一，它创造了一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，即“智能自动化”；其二，人工智能可以对现有劳动力和实物资产进行有力的补充和提升，提升员工能力，提高资本效率；其三，人工智能的普及将推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。
另一方面，人工智能替代劳动的速度、广度和深度将前所未有。许多经济学家认为，人工智能使机器开始具备人类大脑的功能，将以全新的方式替代人类劳动，冲击许多从前受技术进步影响较小的职业，其替代劳动的速度、广度和深度将大大超越从前的技术进步。但他们同时指出，技术应用存在社会、法律、经济等多方面障碍，进展较为缓慢，技术对劳动的替代难以很快实现；劳动者可以转换技术禀赋；新技术的需求还将创造新的工作岗位。
当前，在人工智能对经济的影响这个领域，相关研究已经取得了一些成果，然而目前仍处于研究的早期探索阶段，还未形成成熟的理论和实证分析框架。不过，学界的一些基本共识已经达成：短期来看，人工智能发展将对我国经济产生显著促进作用；长期来看，人工智能的发展路径和速度难以预测。因此，我们需对人工智能加速发展可能导致的世界经济发展模式变化保持关注。
（作者单位：国务院发展研究中心创新发展研究部）
(责编：赵超、吕骞)分享让更多人看到
人工智能技术的发展趋势及挑战
人工智能作为一项具有代表性的颠覆性技术，逐渐改变着我们的生活方式。接下来我会从几个方面来介绍一下我对人工智能发展的看法，包含什么是人工智能，人工智能的发展，人工智能所面对的挑战等内容。
什么是人工智能。
人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、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。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”即由人设计，为人创造、制造。
而关于什么是“智能”，较有争议性。这涉及到其它诸如意识、自我、心灵，包括无意识的精神等等问题。人们唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能必要元素的了解也很有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
有上述定义所得，人工智能本质就是算法，是一类可以自己学习的算法。
接下来说人工智能的发展。
1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点同年，“计算机之父”阿兰·图灵提出设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。
1956年，计算机专家约翰·麦卡锡提出“人工智能”一词。这被人们看做是人工智能正式诞生的标志。麦卡锡与明斯基两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。
50年代，人工智能迎来高峰期。计算机被广泛应用于数学和自然语言领域，这让很多学者对面机器发展成人工智能充满希望。
70年代，人工智能进入低谷期。科研人员低估了人工智能的难度，美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景望而兴叹。主要技术瓶颈：计算机性能不足；处理复杂问题的能力不足；数据量严重缺失。
80年代，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。它具有完整专业知识和经验的计算机智能系统。在1986年之前能为公司每年节省下来超过四千美元经费。
1987年，苹果和IBM公司生产的台式机性超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。80年代末，美国国防先进研究项目局高层认为人工智能并不是“下一个浪潮”。至此，人工智能再一次成为浩瀚太平洋中那一抹夕阳红。
1997年，IBM的深蓝战胜国际象棋世界冠军卡斯帕罗夫；2009年，螺丝联邦理工学院发起的蓝脑计划，生成已经成功模拟了部分鼠脑；以及2016年谷歌AlphaGO战胜韩国李世石。
回顾了人工智能60余年的发展历程，科研技术人员不断突破阻碍，让我们可以看到今天人工智能所取得的辉煌成果。随着人工智能的不断发展，科学界对人工智能的看法也渐渐分成两种——悲观学派和乐观学派。
悲观学派的代表是天文物理学家史蒂芬·霍金(StephenHawking)，以及特斯拉首席执行官伊隆·马斯克(ElonMusk)。霍金认为AI对人类将来有很大的威胁，主要有以下理由：
AI会遵循科技发展的加速度理论AI可能会有自我改造创新的能力AI进步的速度远远超过人类人类会有被灭绝的危机存在乐观学派主要是Google、Facebook等AI的主要技术发展者，他们对AI持乐观看法的理由：
人类只要关掉电源就能除掉AI机器人任何的科技都会有瓶颈，“摩尔定律”到目前也遇到相当的瓶颈，AI科技也不会无限成长，依然存在许多难以克服的瓶颈。依目前的研究方向，电脑无法突变、苏醒、产生自我意志，AI也不可能具有创意与智能、同情心与审美等这方面的能力。这两种学说各有各的道理，目前很难判断那种学派是正确的。就目前的弱人工智能来说，乐观派或许是对的。但我们很难保证之后的强人工智能不会对我们的生存产生威胁。
《新一代人工智能治理原则——发展负责任的人工智能》是为促进新一代人工智能健康发展，更好协调发展与治理的关系，确保人工智能安全可靠可控，推动经济、社会及生态可持续发展，共建人类命运共同体，人工智能发展相关各方应遵循的原则。由国家新一代人工智能治理专业委员会于2019年6月17日印发实施。这份文检里明确指出了人工智能的发展应遵循的原则：和谐友好，公平公正，包容共享，尊重隐私，安全可控，共担责任，开放协作，敏捷治理。文件的主题还是“负责任”，如薛澜所说：“比如我们提出的‘和谐友好’等原则，强调无论是人工智能提供的产品还是服务，都应该是负责任的、全面的，应以增进人类共同福祉为目标，应该符合人类的价值观和伦理道德，避免误用，禁止滥用、恶用。”负责任就是以人为本，一切以服务人类为主。目前还处于弱人工智能阶段，主要需要被约束的还计算机工程师。计算机工程师要负起自己的责任，确保人工智能安全可控可靠，规避风险隐患，做到为人服务，不侵犯用户的权益和隐私。
“考虑到人工智能发展的高度复杂性和不确定性，要按照渐进性的思路推进人工智能的治理。”薛澜表示，《治理原则》是一份框架性文件，对人工智能健康发展主要发挥宏观引导作用，今后还将根据形势的变化和需要，不断进行充实和调整。在薛澜看来，人工智能的发展过程中也面临着一些基础性的工作，立法就是其中之一。“我们发布的《治理原则》，也为今后的立法工作提供了重要基础。”他认为，人工智能发展非常快，而立法的周期较长，因此也很难只用法律框架来支撑人工智能的发展，“这就需要相关的原则准则、行业规范，包括从业者的自律，来协同推进其健康发展。”
防范风险隐患，发扬科技之善，人工智能发展迅速，它只会不断渗透进我们生活，计算机工程师要从八项原则出发，规范自己的道德标准，遵守法律法规，做好应对人工智能“觉醒”的准备，以人为本的发展人工智能，让人工智能为人民服务，才能更好地，健康地发展人工智能。
人工智能未来的挑战
所谓的人工智能在更大程度上都是在模拟人的感觉和思维，让一种更像人的思维机器能够诞生。著名的图灵测试，也是在是否能够像人一样思考的标准上进行的。图灵测试的目的，仍然在检验人工智能是否更像人类。但是，问题在于，机器思维在作出自己的判断时，是否需要人的思维这个中介？也就是说，机器是否需要先绕一个弯路，即将自己的思维装扮得像一个人类，再去作出判断？显然，对于人工智能来说，答案是否定的，因为如果人工智能是用来解决某些实际问题，它们根本不需要让自己经过人类思维这个中介，再去思考和解决问题。人类的思维具有一定的定势和短板，强制性地模拟人类大脑思维的方式，并不是人工智能发展的良好选择。
所以，人工智能的发展走向了另一个方向，即智能增强（简称IA）上。如果模拟真实的人的大脑和思维的方向不再重要，那么，人工智能是否能发展出一种纯粹机器的学习和思维方式？倘若机器能够思维，是否能以机器本身的方式来进行。这就出现了机器学习的概念。机器学习的概念，实际上已经成为发展出属于机器本身的学习方式，通过海量的信息和数据收集，让机器从这些信息中提出自己的抽象观念，这个时候，很难说机器自己抽象出来的猫的概念，与人类自己理解的猫的概念之间是否存在着差别。不过，最关键的是，一旦机器提炼出属于自己的概念和观念之后，这些抽象的概念和观念将会成为机器自身的思考方式的基础，这些机器自己抽象出来的概念就会形成一种不依赖于人的思考模式网络。当我们讨论打败李世石的阿尔法狗时，我们已经看到了这种机器式思维的凌厉之处，这种机器学习的思维已经让通常意义上的围棋定势丧失了威力，从而让习惯于人类思维的棋手瞬间崩溃。一个不再像人一样思维的机器，或许对于人类来说，会带来更大的恐慌。毕竟，模拟人类大脑和思维的人工智能，尚具有一定的可控性，但基于机器思维的人工智能，我们显然不能作出上述简单的结论，因为，根据与人工智能对弈之后的棋手来说，甚至在多次复盘之后，他们仍然无法理解像阿尔法狗这样的人工智能如何走出下一步棋。
不过，说智能增强技术是对人类的取代，似乎也言之尚早，至少第一个提出“智能增强”的工程师恩格尔巴特并不这么认为。对于恩格尔巴特来说，麦卡锡和明斯基的方向旨在建立机器和人类的同质性，这种同质性思维模式的建立，反而与人类处于一种竞争关系之中，这就像《西部世界》中那些总是将自己当成人类的机器人一样，他们谋求与人类平起平坐的关系。智能增强技术的目的则完全不是这样，它更关心的是人与智能机器之间的互补性，如何利用智能机器来弥补人类思维上的不足。比如自动驾驶技术就是一种典型的智能增强技术，自动驾驶技术的实现，不仅是在汽车上安装了自动驾驶的程序，更关键地还需要采集大量的地图地貌信息，还需要自动驾驶的程序能够在影像资料上判断一些移动的偶然性因素，如突然穿过马路的人。自动驾驶技术能够取代容易疲劳和分心的驾驶员，让人类从繁重的驾驶任务中解放出来。同样，在分拣快递、在汽车工厂里自动组装的机器人也属于智能增强类性质的智能，它们不关心如何更像人类，而是关心如何用自己的方式来解决问题。
处理好人工智能思维和人类思维的关系，是人工智能发展的最大挑战。模仿人类思维，会显得有局限性；发展机器思维，又会不可控，这两者的平衡如何把握，就看以后的计算机工程师怎么选择了吧。
人工智能的内涵及发展趋势
0分享至该书正在编审环节中，即将出版，请关注“智造苑”即时获取新书出版信息~人工智能的概念第一次被提出是在20世纪50年代，距离现在已60余年的时间。然而直到近几年，人工智能才迎来爆发式的增长。究其原因，主要在于日趋成熟的物联网、大数据、云计算等技术，这些技术的有机结合，驱动着人工智能技术不断发展，并取得了实质性的进展。「1.人工智能的内涵」
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。具体地讲，人工智能通过5类基本技术来实现：①信息的感知与获取技术，即从外界获得有用的信息，主要包括传感、测量、信息检索等技术，它们是人类感觉器官功能的扩展。②信息的传输与存储技术，即交换信息与共享信息，主要包括通信和存储等技术，他们是人类神经系统功能的扩展。③信息的处理与认知技术，即把信息提炼成为知识，主要包括计算技术和智能技术，他们是人类思维器官认知功能的扩展。④信息综合与再生技术，即把知识转变为解决问题的策略，主要包括智能决策技术，他们是人类思维器官决策功能的扩展。⑤信息转换与执行技术，即把智能策略转换为解决问题的智能行为，主要包括控制技术，他们是人类效应器官（行动器官）功能的扩展。人工智能的主要功能可归纳为以下4个方面：（1）机器感知：感知是感觉与知觉的统称，它是客观事物通过感官在人脑中的直接反映。机器感知是研究如何用机器或计算机模拟、延伸和扩展人的感知或认知能力，包括：机器视觉、机器听觉、机器触觉等。机器感知是通过多传感器采集，并经复杂程序处理的大规模信息处理系统。（2）机器思维：大脑的思维活动是人类智能的源泉，没有思维就没有人类的智能。机器感知主要是通过机器思维实现的，机器思维是指将感知得来的机器内部、外部各种工作信息进行有目的的处理。（3）机器学习：学习是有特定目标的知识获取过程，也是人类智能的主要标志和获得知识的基本手段，学习表现为新知识结构的不断建立和修改。机器学习是计算机自动获取新的事实及新的推理算法等，是计算机具有智能的根本途径。（4）机器行为：行为是生物适应环境变化的一种主要的手段。机器行为研究如何用机器去模拟、延伸、扩展人的智能行为，具体包括：自然语言生成、机器人行动规划、机器人协调控制等。对人工智能而言，其关键技术包含算法、软件框架及芯片。算法是推动人工智能发展的重要推动力，算法通过封装到软件框架获得应用，芯片是支撑算法计算能力的关键基础硬件。1）算法人工智能涉及的算法主要分为回归、分类和聚类三种[1]。近年来，以深度学习算法为代表的人工智能技术在诸多领域都实现了突破，但这类算法并不完美。目前，诸如胶囊网络、生成对抗网络、迁移学习等算法被提出。2）软件框架软件框架是算法模型工具库的集合，可以供各类开发者使用。目前，软件框架有开源和闭源两种形式，主流软件框架基本是开源。从内容上分，业界主要有深度学习训练软件框架和推断软件框架两大类别。其中，基于深度学习的训练框架主要实现对海量数据的读取、处理及训练。目前主流的深度学习训练软件框架主要有TensorFlow、MXNet、Caffe、PaddlePaddle等。在终端侧限定设备性能及功耗等因素的场景应用，也出现了诸多Caffe2go、TensorFlowLite等开源终端侧软件框架。3）芯片人工智能算法的实现需要强大的计算能力支撑，特别是深度学习算法的大规模使用，对计算能力提出了更高的要求。从应用场景角度看，人工智能（AI）芯片主要有两个方向，一个是在数据中心部署的云端，一个是在消费者终端部署的终端。从功能角度看，AI芯片主要是用于训练和推理。训练需要极高的计算性能、较高的精度，能处理海量的数据，并具有一定的通用性，以便完成各种各样的学习任务。推理相对来说，对性能的要求并不高，对精度要求更低，在特定的场景下，对通用性要求也不高，能完成特定任务即可。从技术架构来看AI芯片有四类：一是通用性芯片，如GPU；二是以FPGA（fieldprogrammablegatearray，现场可编程门阵列）为代表的半定制化芯片，如深鉴科技的DPU；第三，ASIC（applicationspecificintegratedcircuit，专用集成电路）全定制化芯片，如谷歌的TPU；第四，类脑芯片。在训练环节，可以使用GPU、FPGA以及ASIC；用于终端推断的计算芯片主要以ASIC为主。「2.人工智能的发展趋势」
从1943年开始神经网络理论研究，到1956年达特矛斯会议提出“人工智能”这一概念到现在，人工智能经历了早期的研究热潮，实现困难导致的寒冬，以及近年来再次爆发多个阶段[2]（如表1所示）。表1人工智能发展重大事件人工智能迎来爆发式的增长离不开物联网、大数据、云计算等技术的快速发展，物联网使得大量数据能够被实时获取，大数据为深度学习提供了数据资源及算法支撑，云计算则为人工智能提供了开放平台。这些技术的有机结合，驱动着人工智能技术不断发展，并取得了实质性的进展。尤其是2016年3月AlphaGo与李世石的人机大战，将人工智能推到了风口浪尖，引爆了新一轮的人工智能热潮。关于人工智能的研究和应用开始遍地开花，人工智能产业迎来爆发式增长，产业规模迅速扩大。人工智能对社会和经济影响的日益凸显，各国政府也先后出台了对人工智能发展的政策，并将其上升到国家战略的高度。图1是包括美国、中国和欧盟在内的多国和地区颁布的国家层面的人工智能发展政策。图1各国人工智能最新政策（来源：政府工作报告，公开资料，德勤研究）目前，随着人工智能技术的日臻完善，在技术层面，AutoML等工具的出现降低了深度学习的技术门槛；在硬件层面，各种专用芯片的涌现为深度学习的大规模应用提供了算力支持；物联网、量子计算、5G等相关技术的发展也为深度学习在产业的渗透提供了诸多便利。伴随着国内外科技巨头对人工智能技术研发的持续投入，以深度学习为框架的开源平台极大降低了人工智能技术的开发门槛，有效提高了人工智能应用的质量和效率。未来，各行各业将会大规模应用深度学习技术实施创新，加快产业转型和升级的节奏。其次，自动机器学习AutoML的快速发展将大大降低机器学习成本，扩大人工智能应用普及率；多模态深度语义理解将进一步成熟并得到更广泛应用。在硬件上，人工智能芯片将逐渐大规模落地。端侧人工智能芯片将会显现出更加低成本化、专业化以及系统集成化的重要特征。同时，NPU将成为下一代端侧通用CPU芯片的基本模块，未来越来越多的端侧CPU芯片都会以深度学习为核心支撑进行全新的芯片规划。此外，随着5G和边缘计算的融合发展，算力将突破云计算中心的边界，向万物蔓延，将会产生一个个泛分布式计算平台，对时间和空间的洞察将成为新一代物联网平台的基础能力。这也将促进物联网与能源、电力、工业、物流、医疗、智能城市等更多场景发生融合，创造出更大的价值。在量子计算方面，可编程的中等规模有噪量子设备的性能会得到进一步提升并初步具备纠错能力，最终将可运行具有一定实用价值的量子算法，量子人工智能的实际应用也将得到极大助力。未来也将会涌现一大批高质量的量子计算平台和软件，人工智能技术将与之实现深度融合。[1]中国信息通信研究院,中国人工智能产业发展联盟.人工智能发展白皮书技术架构篇（2018年）[R].北京:中国信息通信研究院，中国人工智能产业发展联盟,2018.[2]彭健.人工智能的关键性技术[J].互联网经济,2018(12):46-51.特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端人工智能产业生态图：人工智能产业发展现状及趋势
人工智能作为新一轮产业变革的核心驱动力，将催生新的技术、产品、产业、业态、模式，从而引发经济结构的重大变革，实现社会生产力的整体提升。
麦肯锡预计：到2025年全球人工智能应用市场规模总值将达到1270亿美元，人工智能将是众多智能产业发展的突破点。
通过对人工智能产业分布进行梳理，提出了人工智能产业生态图，主要分为：核心业态、关联业态、衍生业态三个层次。
人工智能产业生态图
下面将重点对核心业态包含的智能基础设施建设、智能信息及数据、智能技术服务、智能产品四个方面展开介绍，并总结人工智能行业应用及产业发展趋势。
智能基础设施智能基础设施为人工智能产业提供计算能力支撑，其范围包括智能传感器、智能芯片、分布式计算框架等，是人工智能产业发展的重要保障。
1.智能芯片智能芯片从应用角度可以分为训练和推理两种类型。从部署场景来看，可以分为云端和设备端两步大类。
训练过程由于涉及海量的训练数据和复杂的深度神经网络结构，需要庞大的计算规模，主要使用智能芯片集群来完成。与训练的计算量相比，推理的计算量较少，但仍然涉及大量的矩阵运算。目前，训练和推理通常都在云端实现，只有对实时性要求很高的设备会交由设备端进行处理。
按技术架构来看，智能芯片可以分为通用类芯片（CPU、GPU、FPGA）、基于FPGA的半定制化芯片、全定制化ASIC芯片、类脑计算芯片（IBMTrueNorth）。另外，主要的人工智能处理器还有DPU、BPU、NPU、EPU等适用于不同场景和功能的人工智能芯片。
随着互联网用户量和数据规模的急剧膨胀，人工智能发展对计算性能的要求迫切增长，对CPU计算性能提升的需求超过了摩尔定律的增长速度。同时，受限于技术原因，传统处理器性能也无法按照摩尔定律继续增长，发展下一代智能芯片势在必行。
未来的智能芯片主要是在两个方向发展：
一是模仿人类大脑结构的芯片；二是量子芯片。智能芯片是人工智能时代的战略制高点，预计到2020年人工智能芯片全球市场规模将突破百亿美元。
2.智能传感器智能传感器是具有信息处理功能的传感器，智能传感器带有微处理机，具备采集、处理、交换信息等功能，是传感器集成化与微处理机相结合的产物。
智能传感器属于人工智能的神经末梢，用于全面感知外界环境。各类传感器的大规模部署和应用为实现人工智能创造了不可或缺的条件。不同应用场景，如：智能安防、智能家居、智能医疗等对传感器应用提出了不同的要求。
未来，随着人工智能应用领域的不断拓展，市场对传感器的需求将不断增多，2020年市场规模有望突破4600亿美元。未来，高敏度、高精度、高可靠性、微型化、集成化将成为智能传感器发展的重要趋势。
3.分布式计算框架面对海量的数据处理、复杂的知识推理，常规的单机计算模式已经不能支撑。所以，计算模式必须将巨大的计算任务分成小的单机可以承受的计算任务，即云计算、边缘计算、大数据技术提供了基础的计算框架。
目前流行的分布式计算框架，如：OpenStack、Hadoop、Storm、Spark、Samza、Bigflow等。各种开源深度学习框架也层出不穷，其中包括TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon等等。
智能信息及数据信息数据是人工智能创造价值的关键要素之一，我国庞大的人口和产业基数带来了数据方面的天生优势。随着算法、算力技术水平的提升，围绕数据的采集、分析、处理产生了众多的企业。
目前，在人工智能数据采集、分析、处理方面的企业主要有两种：
一种是数据集提供商，以提供数据为自身主要业务，为需求方提供机器学习等技术所需要的不同领域的数据集；另一种是数据采集、分析、处理综合性厂商，自身拥有获取数据的途径，并对采集到的数据进行分析处理，最终将处理后的结果提供给需求方进行使用。对于一些大型企业，企业本身也是数据分析处理结果的需求方。智能技术服务智能技术服务主要关注如何构建人工智能的技术平台，并对外提供人工智能相关的服务。此类厂商在人工智能产业链中处于关键位置，依托基础设施和大量的数据，为各类人工智能的应用提供关键性的技术平台、解决方案和服务。
目前，从提供服务的类型来看，提供技术服务厂商包括以下几类：
（1）提供人工智能的技术平台和算法模型
此类厂商主要针对用户或者行业需求，提供人工智能技术平台以及算法模型。用户可以在人工智能平台之上，通过一系列的算法模型来进行人工智能的应用开发。此类厂商主要关注人工智能的通用计算框架、算法模型、通用技术等关键领域。
（2）提供人工智能的整体解决方案
此类厂商主要针对用户或者行业需求，设计和提供包括软、硬件一体的行业人工智能解决方案，整体方案中集成多种人工智能算法模型以及软、硬件环境，帮助用户或行业解决特定的问题。此类厂商重点关注人工智能在特定领域或者特定行业的应用。
（3）提供人工智能在线服务
此类厂商一般为传统的云服务提供厂商，主要依托其已有的云计算和大数据应用的用户资源，聚集用户的需求和行业属性，为客户提供多类型的人工智能服务。
从各类模型算法和计算框架的API等特定应用平台到特定行业的整体解决方案等，进一步吸引大量的用户使用，从而进一步完善其提供的人工智能服务。
此类厂商主要提供相对通用的人工智能服务，同时也会关注一些重点行业和领域。
需要指出的是：上述三类角色并不是严格区分开的，很多情况下会出现重叠，随着技术的发展成熟，在人工智能产业链中已有大量的厂商同时具备上述两类或者三类角色的特征。
智能产品智能产品是指将人工智能领域的技术成果集成化、产品化，具体的分类如下表所示：
人工智能产品
随着制造强国、网络强国、数字中国建设进程的加快，在制造、家居、金融、教育、交通、安防、医疗、物流等领域对人工智能技术和产品的需求将进一步释放，相关智能产品的种类和形态也将越来越丰富。
人工智能行业应用人工智能与行业领域的深度融合将改变甚至重新塑造传统行业，本节重点介绍人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用，由于篇幅有限，其它很多重要的行业应用在这里不展开论述。
1. 智能制造智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。
智能制造对人工智能的需求，主要表现在以下三个方面：
一是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备，涉及到跨媒体分析推理、自然语言处理、虚拟现实智能建模及自主无人系统等关键技术。二是智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容，涉及到跨媒体分析推理、大数据智能、机器学习等关键技术。三是智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式，涉及到跨媒体分析推理、自然语言处理、大数据智能、高级机器学习等关键技术。例如：现有涉及智能装备故障问题的纸质化文件，可通过自然语言处理，形成数字化资料，再通过非结构化数据向结构化数据的转换，形成深度学习所需的训练数据，从而构建设备故障分析的神经网络，为下一步故障诊断、优化参数设置提供决策依据。
2.智能家居参照工业和信息化部印发的《智慧家庭综合标准化体系建设指南》，智能家居是智慧家庭八大应用场景之一。受产业环境、价格、消费者认可度等因素影响，我国智能家居行业经历了漫长的探索期。
至2010年，随着物联网技术的发展以及智慧城市概念的出现，智能家居概念逐步有了清晰的定义并随之涌现出各类产品，软件系统也经历了若干轮升级。
智能家居以住宅为平台，基于物联网技术，由硬件（智能家电、智能硬件、安防控制设备、家具等）、软件系统、云计算平台构成的家居生态圈，实现人远程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活安全、节能、便捷等。
例如：借助智能语音技术，用户应用自然语言实现对家居系统各设备的操控，如开关窗帘（窗户）、操控家用电器和照明系统、打扫卫生等操作。借助机器学习技术，智能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的节目推荐给用户。
通过应用声纹识别、脸部识别、指纹识别等技术进行开锁等。通过大数据技术可以使智能家电，实现对自身状态及环境的自我感知，具有故障诊断能力。通过收集产品运行数据，发现产品异常，主动提供服务，降低故障率。还可以通过大数据分析、远程监控和诊断，快速发现问题、解决问题及提高效率。
3.智能金融人工智能的飞速发展，将对身处服务价值链高端的金融业带来深刻影响，人工智能逐步成为决定金融业沟通客户、发现客户金融需求的重要因素。
人工智能技术在金融业中可以用于服务客户，支持授信、各类金融交易和金融分析中的决策，并用于风险防控和监督，将大幅改变金融现有格局，金融服务将会更加地个性化与智能化。
智能金融对于金融机构的业务部门来说，可以帮助获客，精准服务客户，提高效率；对于金融机构的风控部门来说，可以提高风险控制，增加安全性；对于用户来说，可以实现资产优化配置，体验到金融机构更加完美地服务。人工智能在金融领域的应用主要包括：智能获客、依托大数据、对金融用户进行画像，通过需求响应模型，极大地提升获客效率。身份识别，以人工智能为内核，通过人脸识别、声纹识别、指静脉识别等生物识别手段，再加上各类票据、身份证、银行卡等证件票据的OCR识别等技术手段，对用户身份进行验证，大幅降低核验成本，有助于提高安全性。
大数据风控，通过大数据、算力、算法的结合，搭建反欺诈、信用风险等模型，多维度控制金融机构的信用风险和操作风险，同时避免资产损失。
智能投顾，基于大数据和算法能力，对用户与资产信息进行标签化，精准匹配用户与资产。
智能客服，基于自然语言处理能力和语音识别能力，拓展客服领域的深度和广度，大幅降低服务成本，提升服务体验。
金融云，依托云计算能力的金融科技，为金融机构提供更安全高效的全套金融解决方案。
4.智能交通智能交通系统（IntelligentTrafficSystem，ITS）是通信、信息和控制技术在交通系统中集成应用的产物。ITS借助现代科技手段和设备，将各核心交通元素联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通。
例如：通过交通信息采集系统采集道路中的车辆流量、行车速度等信息，信息分析处理系统处理后形成实时路况，决策系统据此调整道路红绿灯时长，调整可变车道或潮汐车道的通行方向等，通过信息发布系统将路况推送到导航软件和广播中，让人们合理规划行驶路线。
通过不停车收费系统（ETC），实现对通过ETC入口站的车辆身份及信息自动采集、处理、收费和放行，有效提高通行能力、简化收费管理、降低环境污染。
ITS应用最广泛的地区是日本，其次是美国、欧洲等地区。中国的智能交通系统近几年也发展迅速，在北京、上海、广州、杭州等大城市已经建设了先进的智能交通系统。
其中，北京建立了道路交通控制、公共交通指挥与调度、高速公路管理和紧急事件管理等四大ITS系统。广州建立了交通信息共用主平台、物流信息平台和静态交通管理系统等三大ITS系统。
5.智能安防智能安防技术是一种利用人工智能对视频、图像进行存储和分析，从中识别安全隐患并对其进行处理的技术。智能安防与传统安防的最大区别在于智能化，传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智能判断，从而尽可能实现实时地安全防范和处理。
当前，高清视频、智能分析等技术的发展，使得安防从传统的被动防御向主动判断和预警发展，行业也从单一的安全领域向多行业应用发展，进而提升生产效率并提高生活智能化程度，为更多的行业和人群提供可视化及智能化方案。
用户面对海量的视频数据，已无法简单利用人海战术进行检索和分析，需要采用人工智能技术作专家系统或辅助手段，实时分析视频内容，探测异常信息，进行风险预测。
从技术方面来讲，目前国内智能安防分析技术主要集中在两大类：
一类是采用画面分割前景提取等方法，对视频画面中的目标进行提取检测，通过不同的规则来区分不同的事件，从而实现不同的判断并产生相应的报警联动等。例如：区域入侵分析、打架检测、人员聚集分析、交通事件检测等。另一类是利用模式识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到对视频画面中的特定物体进行识别，如车辆检测、人脸检测、人头检测（人流统计）等应用。智能安防目前涵盖众多的领域，如街道社区、道路、楼宇建筑、机动车辆的监控，移动物体监测等。今后智能安防还要解决海量视频数据分析、存储控制及传输问题，将智能视频分析技术、云计算及云存储技术结合起来，构建智慧城市下的安防体系。
6.智能医疗人工智能的快速发展，为医疗健康领域向更高的智能化方向发展，提供了非常有利的技术条件。近几年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥重要作用。
在辅助诊疗方面，通过人工智能技术可以有效提高医护人员工作效率，提升一线全科医生的诊断治疗水平。如利用智能语音技术可以实现电子病历的智能语音录入;利用智能影像识别技术，可以实现医学图像自动读片;利用智能技术和大数据平台，构建辅助诊疗系统。
在疾病预测方面，人工智能借助大数据技术可以进行疫情监测，及时有效地预测并防止疫情的进一步扩散和发展。
以流感为例：很多国家都有规定，当医生发现新型流感病例时需告知疾病控制与预防中心。但由于人们可能患病不及时就医，同时信息传达回疾控中心也需要时间。因此，通告新流感病例时往往会有一定的延迟，人工智能通过疫情监测能够有效缩短响应时间。
在医疗影像辅助诊断方面，影像判读系统的发展是人工智能技术的产物。早期的影像判读系统主要靠人手工编写判定规则，存在耗时长、临床应用难度大等问题，从而未能得到广泛推广。
影像组学是通过医学影像对特征进行提取和分析，为患者预前和预后的诊断和治疗提供评估方法和精准诊疗决策。这在很大程度上简化了人工智能技术的应用流程，节约了人力成本。
7.智能物流传统物流企业在利用条形码、射频识别技术、传感器、全球定位系统等方面优化改善运输、仓储、配送装卸等物流业基本活动。同时也在尝试使用智能搜索、推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作和高效率优化管理，提高物流效率。
例如：在仓储环节，利用大数据智能通过分析大量历史库存数据，建立相关预测模型，实现物流库存商品的动态调整。大数据智能也可以支撑商品配送规划，进而实现物流供给与需求匹配、物流资源优化与配置等。
在货物搬运环节，加载计算机视觉、动态路径规划等技术的智能搬运机器人（如搬运机器人、货架穿梭车、分拣机器人等）得到广泛应用，大大减少了订单出库时间，使物流仓库的存储密度、搬运的速度、拣选的精度均有大幅度提升。
人工智能产业发展趋势从人工智能产业进程来看，技术突破是推动产业升级的核心驱动力。数据资源、运算能力、核心算法共同发展，掀起人工智能第三次新浪潮。人
工智能产业正处于从感知智能向认知智能的进阶阶段，前者涉及的智能语音、计算机视觉及自然语言处理等技术，已具有大规模应用基础。但后者要求的“机器要像人一样去思考及主动行动”仍尚待突破，诸如：无人驾驶、全自动智能机器人等仍处于开发中，与大规模应用仍有一定距离。
1.智能服务呈现线下和线上的无缝结合分布式计算平台的广泛部署和应用，增大了线上服务的应用范围。同时人工智能技术的发展和产品不断涌现，如智能家居、智能机器人、自动驾驶汽车等，为智能服务带来新的渠道或新的传播模式，使得线上服务与线下服务的融合进程加快，促进多产业升级。
2.智能化应用场景从单一向多元发展目前人工智能的应用领域还多处于专用阶段，如人脸识别、视频监控、语音识别等都主要用于完成具体任务，覆盖范围有限，产业化程度有待提高。随着智能家居、智慧物流等产品的推出，人工智能的应用终将进入面向复杂场景，处理复杂问题，提高社会生产效率和生活质量的新阶段。
3.人工智能和实体经济深度融合进程将进一步加快党的十九大报告提出：“推动互联网、大数据、人工智能和实体经济深度融合”。
一方面，随着制造强国建设的加快，将促进人工智能等新一代信息技术产品发展和应用，助推传统产业转型升级，推动战略性新兴产业实现整体性突破。
另一方面，随着人工智能底层技术的开源化，传统行业将有望加快掌握人工智能基础技术并依托其积累的行业数据资源实现人工智能与实体经济的融合创新。
#专栏作家#拼搏的80后，人人都是产品经理专栏作家。10年互联网从业经历，具有各类型B端、C端产品的设计经验，关注区块链及人工智能的技术发展及应用场景探索。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
高科技与产业化
近日，中国工程院院士、湖南大学教授王耀南在2021世界机器人大会上表示，未来机器人一定是朝着自主化更强，容错性更好的多机协作方向发展。机器人的发展态势应该是网络化、自主化、协同化、灵巧化。机器人要发展好，首先一定要规划好，第二要有一个好的创新环境，第三机器人一定要有标准，第四人才是关键。以下为现场报告整理。
机器人在智能时代发挥重要作用
人类从机械化发展到电器化、信息化，今天已经进入智能化时代，机器人在智能化时代中发挥着重要的作用。最早的机器人可以追溯到中国东汉时期，如无人车、指南车。真正的现代机器人是出现在1978年的工业机器人，其被广泛地应用到机器生产线、电子和汽车生产线——从这时起工业机器人和机器人才真正在产业方面被发挥应用。
近几年来，机器人已经在各大领域发挥重要作用，成为高端装备、智能制造的核心重要工具，同时也是推动重大装备加工、测量、检测等的重要引擎和工具。如今机器人在重大工程当中也发挥着重要的作用，在重大工程建模、运维、维护等各个方面，都有机器人的参与。机器人在重大基础设施建设和运维方面，都已发挥不可替代的重要的作用。
近年来我国制造业不断转型升级，劳动力的短缺加速推动了机器人的发展。当前全球多个发达国家都非常重视机器人产业，美国、德国、中国和日本四国是其中发展最迅速的，均发布了各自的产业规划。
无论是工业机器人、服务机器人还是特种机器人，简单而言，机器人就是光机电一体化的机械化装置。近几年间在机械化装置发展下，增加了机器人的感知、规划、决策、控制等功能，使机器人更加智能。
从机器人应用的角度划分，过去是工业机器人、服务机器人、特殊机器人等。从专业角度看，机器人结构分为仿生机构，并联机构等；从空域角度划分，可面向地面、空中和水下等。如今机器人已经广泛应用在工业、水下以及航空航天，近几年发展迅速的就是无人驾驶。
感知技术
机器人是一个典型的反馈的、闭环的控制系统。不管机器人构造如何复杂，都包含四个核心的关键技术：本体结构技术，感知系统与感知技术，决策与规划、调度、控制技术及执行技术。
目前机器人已经广泛应用到现实生活当中，如智能机器人、新材料、仿生、机器人的能源动力，以及脑机接口、医疗机器人——包括机器人的伦理等，都是未来机器人发展和挑战的方向。未来机器人一定是朝着自主化更强，容错性更好得多机协作的方向发展。
我们团队认为一个完整的机器人要具备五大能力（要素），包括感知要素、运动要素、规划要素、学习能力及决策能力。从专业角度来说，机器人就是一个闭环的反馈控制系统，三个关键的核心技术起到支撑作用。第一个是环境感知，第二个是规划决策，第三个方面是协同控制。
近几年来，我们团队在视觉传感器方面，研制视觉传感器的成像，在视觉成像后对视觉信息进行处理，再做成视觉的硬件和软件嵌入式系统。
首先，怎么打造高速高精的视觉感知与传感器呢？如何才能够有效地应用到机器人中，给机器人备上一双明亮的眼睛？近几年发展比较迅速的是支持性的光学成像、机器学习以及实时硬件处理等，能有效地应对高实时、高可靠、高性能的视觉感知系统。
处理微小、微弱业务时怎样有效地识别、判断？能让医疗、工业机器人在行走时能够精准地感知？机器人要装配一个零部件，首先得通过学习提取特征，用大量的样本训练，学习完以后用模型来建立三维的环境、场景的感知。通过这个三维模型让机器人固化在控制系统里，形成一个实时的视觉伺服控制以有效应对。目前发展得比较迅速的是三维地图定位与重建。
机器人控制系统发展迅速
在感知环节后，我们还要依托感知的信息，来控制机器人的操作。如今机器人的控制系统发展得也非常迅速。第一个方面是柔性控制，第二个方面是机器人视觉伺服控制，第三个方面是机器人的学习、智能控制，第四个方面是机器人的多机协同，多机协同是未来的发展方向。
机器人学习是一个漫长的过程，通过不断地学习后，设计学习控制器，可以将其通过硬件固化在机器人大脑、关节控制器、系统控制中，近几年强化学习控制器发展非常迅速。此外，我们加工一个大型复杂构件、完成一个医疗手术需要深度迭代的运动控制学习，只有通过传统控制不断迭代、不断训练，学习完成后才可以完成复杂的作业。当然，环境发生变化后可以再学习，这并不是一成不变。
比如在加工一个非常复杂的、杂乱无章的零部件时，我们怎么有效地抓取、识别与装配？这其中涵盖三个方面，即要将视觉感知、视觉伺服和精确的控制有机地结合起来，真正成为一个集三维深度感知的学习控制器。
控制器研发最重要的是多机协作，而多机控制需要解决几个关键性的核心问题：多传感器信息融合、协同感知、协同规划及协同控制。解决好这四个关键技术，就能够加工出一个大型的复杂部件。
比如智能制造或智能车间，如何在小品种、多批量、批量变化的要求下生产出产品？这就需要柔性化生产与作业，要解决多机器的协同、多工序的协同和多任务的分配。
机器人可以广泛应用到不同的场景，无论是工业、农业，或者物流、医疗等，都属于集成创新。但是要把集成创新做好非常不容易，所以我把它归结为第五大技术。
基于这五大技术，就可以广泛应用到不同的行业。第一个典型行业案例如我国基于高速机器视觉的饮料罐装机器人，近几年来发展非常迅速，但是在十多年前，工序不发达的情况下都是靠手工操作。
第二个典型应用在医药制造领域。过去配药、罐装药、封装药、分解药都采用人工。2003年非典疫情后，各大制药剂工厂提倡高速无菌化、高速无人化的生产。如今，机器人在疫苗生产当中也发挥着非常重要的作用。
第三个典型应用领域的代表是三星。作为电子领域传统企业，三星大量采用机器视觉、机器人的运动控制，来解决电子印刷电路板的装配问题。第四个应用方面是机器人的机械加工、激光加工焊接；第五个方面是高危作业。这些都是机器人在工业、农业、特殊作业行业等应用的典型案例，也就是基于五大关键技术以研发机器人。
智能机器人的未来发展
典型的机器人包括控制器、减速器、伺服器，再加一个完备的人机界面。1.0被称为自动化的机器，近几年迅速发展到2.0数字化，加入了视觉感知、轨迹规划以及视像等。
未来，在学术界、工业界以及产业界需求最高的服务机器人，更多地要向3.0协作机器人发展。要让机器人实现认知学习、人机交互、语意分析，尤其是对自然语言的理解。
人和机器协作，必须了解自然语言。将来机器人还要成为自主性的机器人，还有更多的技术正在迭代。机器人的发展过程是不断迭代的，让机器人变得更加聪明、更加有效、更加可靠，为人类带来更好的服务。
未来的机器人发展中，人工智能非常重要。人工智能的关键技术决定了机器人的未来。人工智能的四大技术——记忆技术、感知技术、行动规划以及机器学习，近年来发展非常迅速。这些技术完全可以移植到机器人里，未来的机器人一定是一个完备的、能够自主化、网络化的闭环的控制系统。
此外，从服务机器人身上可以发现，机器人能像人一样看懂说明书，能够自动地装配；机器人通过眼睛视觉，能感知得到，还要分析判断，要有认知。从感知智能到认知智能，再到行为智能，这些都是需要人工智能的技术。
而在智能工厂发展方向，也体现出人工智能的作用。比如网络化协同制造，过去一个工厂大批量地生产，今天的工厂则是小批量定制化或多品种。一件产品要制造，两件产品也要制造，要承担这么样艰巨的任务，工厂一定要做成柔性化、智能化的产线。而这就要依靠数字化、网络化和智能化的升级。
在关键的产线方面，实现制造的智能化、服务的智能化，才能真正地打造有竞争力的柔性的工厂，这需要工业互联网的加入，也需要制造云，才能建成新型的智慧工厂，也就是俗称的“灯塔工厂”“黑灯工厂”“无人工厂”。
物流方面也同样如此。5G技术的出现，为机器人的发展带来了福音。同时，智能网联交通包括人机交互技术等非常重要。此外，机器人在无人系统、无人作业、空地天协同作业等均能发挥重要作用。但其中的核心是，空间协同无论怎样发展，都需要一个高性能的类脑计算，目前业内都在设计无人系统的类脑芯片。
简单而言，人工智能与机器人的有机结合可以体现在四个方面。第一在感知层面，很多人工智能的技术已经被大量地应用，很多企业都在开发。第二在认知层技术，第三在决策层，第四在控制执行层，都能体现出人工智能技术融入机器人里。
机器人的发展态势应该是网络化、自主化、协同化、灵巧化。机器人要发展好，首先一定要规划好。第二要有一个好的创新环境，第三机器人一定要有标准，第四人才是关键。
智联世界，赋能未来 人工智能推动产业高质量发展
近日，由中山市石岐街道工作委员会、中山市人民政府石岐街道办事处、广东省仪器仪表学会联合主办的以“智联世界，赋能未来”为主题的2023中国（中山）人工智能与测试技术高峰论坛在中山石岐顺利召开。
中山市人民政府副市长欧阳锦全，中山市石岐街道党工委副书记、办事处主任段龙飞，中国工程院院士、浙江大学求是特聘教授谭建荣，广东工业大学自动化学院院长周郭许，中山大学人工智能工程学院教授李晓东，深圳市人工智能与机器人研究院常务副院长丁宁，中国人工智能学会副理事长、智能技术与系统国家重点实验室常务副主任孙富春，深圳市时节科技有限公司创始人兼执行董事乔文龙，翊宸教育总裁马翊宸等200余名来自国内外人工智能、测试测量领域的权威专家、行业精英齐聚一堂，聚焦人工智能产业融合、开放生态、智慧互联、工业应用实践及精密仪器测试技术挑战与机遇等主题，共同分析行业趋势，分享科技成果，探讨合作路径。
峰会上，欧阳锦全与段龙飞分别发表致辞，讲述了中山的城市商贸氛围、产业基础、配套能力与人工智能和智能检测产业发展前景。欧阳锦全表示，石岐作为中山主城区的门户与中心，产业基础扎实，区位优势突出，近年不断打造高水平现代化产业平台，集聚新兴产业元素，吸引杰出创新人才，赋能传统产业转型升级，是一片充满活力、大有希望的热土，是人工智能和智能检测产业落户中山的优选之地。
在主题演讲环节，谭建荣、周郭许、徐洪海、乔文龙、张曙光等嘉宾发表了《智能机器人：关键技术与发展趋势》《张量大数据分析：方法及工业应用》《以智能制造为主攻方向，推动制造业高质量发展》《外观视觉检测AI系统及应用》《智能传感器给工业仪表带来的变化》《MEMS与气体流量精密测量》等主题演讲，从技术发展、工业应用、智能制造、仪表测量等方面为现场带来人工智能发展领域的前沿信息。
在这次演讲中，李晓东结合应用领域以及人工智能技术的发展，介绍了智能控制与智能计算的发展现状以及存在的问题，指出近年来深度学习的巨大成功和人工智能的兴起热潮为智能控制的深入和普及提供了难得的发展空间和机遇。在信息、物理和生物智能融合的新时代，将带来更多的数据、更多的知识和数据的融合，面向物理世界的工业自动化，将走向面向数据和信息空间的知识自动化。演讲中，李晓东还分析了智能控制和智能计算面临的新挑战和突破传统范式的新趋势。
在基础设施管养作业特种机器人及检测技术简述》主题报告中，丁宁指出，我国基础设施行业将由建设阶段逐步转向管养阶段，机器人与智能检测技术在基础设施的日常管理养护、检测维修以及应急处置等作业场景有巨大应用价值。同时，迫切需要针对交通、能源、市政等城市重点基础设施的应用场景、业务特征与行业规律，开展科学高效的机器人与智能检测关键技术、核心模块以及作业系统的应用研究。
当天下午，孙富春带来题为《虚实场景中的技能学习与增强技术》的在线主题演讲。他表示：“近年来，以深度强化学习的行为智能得到了飞速的发展，行为智能除了研究模拟人脑信息感知处理层面外，更加强调脑体协同，强调研究机器人感知模型的跨模态融合与跨场景、跨虚实技能迁移与增强技术，以解决智能作业中行为的动态性、交互性与适应性等问题。”孙富春还介绍了报告人团队在视触觉感知融合以及机器人操作技能的迁移与增强等方面取得的理论与技术成果，重点讨论了迁移学习与增强技术在3C行业的应用应用以及机器人操作技能学习的发展趋势。
活动同期还举办了广东省仪器仪表学会科学技术奖颁奖典礼，表彰了在广东省仪器仪表科技工作中作出突出贡献的单位和个人，鼓励自主创新，推动科技成果转化，促进科学研究、技术开发与经济发展密切融合，为广东省乃至粤港澳大湾区仪器仪表产业发展增添新动能。