人工智能与实体经济加速融合
核心产业规模超4000亿元，企业数量逾3000家——人工智能与实体经济加速融合
工信部日前公布的数据显示，我国智能产业规模持续壮大。据测算，我国人工智能核心产业规模超过4000亿元，企业数量超过3000家，初步形成覆盖基础层、技术层、应用层的完整产业链。
当前，人工智能与实体经济融合已取得积极进展，在重点行业建成了一批人工智能典型应用场景，形成了一批典型行业解决方案。工信部科技司副司长任爱光透露，工信部将充分发挥人工智能先导区作用，通过“揭榜挂帅”等手段，加速推动人工智能在制造、交通、医疗、教育、金融等领域融合应用，加快新技术、新产品示范推广。
初步形成完整产业链
“在系统布局和系统发展策略的指引下，我国人工智能产业初步形成了关键共性技术研发攻关、创新产品应用、新兴产业培育‘三位一体’的发展格局。”中国软件评测中心副主任杨春立表示。
人工智能产业规模快速增长。目前我国人工智能核心产业规模超过4000亿元，比2019年同期增长6倍多。
具有创新活力和国际竞争力的企业快速崛起。目前，我国人工智能核心企业数量超3000家，比2019年同期增加15%。无人机、语音识别、图像识别等领域涌现了一批领军企业和品牌，智能机器人、智能汽车、可穿戴设备、虚拟现实等新兴领域催生了一批龙头企业。
人工智能产业创新能力显著增强。面向视觉、语音、自然语言处理等领域的人工智能芯片、深度学习算法等关键技术加快迭代创新，一批智能芯片取得重要突破，智能终端、智能机器人等标志性产品的创新能力持续增强。
新型基础设施布局逐步完善。通过以建带用、以用促建，截至今年6月底，我国5G基站数达到185.4万个，培育大型工业互联网平台150家、连接工业设备超过7800万台（套）。全国建成多个算力中心、数据中心等公共服务平台，数量与质量不断提升。
“各地为支持人工智能产业发展，根据产业特点积极提供应用场景，加快技术创新速度。人工智能技术的应用给生产生活、社会管理带来深刻改变，制造、物流、商务、医疗、影视、零售、游戏、金融、文旅等各方面的智能化程度不断提高。”众诚智库高级副总裁柳絮说。
技术产品加速应用
“人工智能技术正以更大范围、更高效率、更加精准地优化生产和服务资源配置，有力推动各行各业数字化、智能化转型，催生新技术、新业态、新模式、新市场。”杨春立说。
比如，飞机核心部件尾翼的复材检测，以往需要几位老师傅数小时的协同工作，以及几十万元的对比检测样本成本。采用腾讯云和中国商飞打造的人工智能辅助检测系统后，检测过程仅需要一个普通检测人员几分钟的时间，检测成本也降至2元。
依托人工智能技术，京东云以“智能终端+弹性算力”模式，为江苏常州区域实现供需对接，将闲置产能及算力有效利用，在增加企业效益的同时，赋能区域生产产能“一网通享”。目前京东工业互联网平台已成功接入常州区域内600余家工厂的4万多台设备，并成功消化剩余产能3亿多元，实现区域内产业结构转型升级。
“基于人工智能技术，制造业数字化、绿色化协同转型发展步伐加快，数据驱动、人机协同、跨界融合、共创分享的智能经济快速形成，广泛渗透、高度综合、集成应用和效益倍增的发展范式初显。”杨春立说。
任爱光表示，人工智能与实体经济融合已经取得明显成效，表现之一是传统行业转型升级不断加速，培育成长出一批“传统行业+人工智能”的典型企业，推广应用一批智能化升级的典型案例，导出形成人工智能与实体经济融合的新模式、新方法。
比如，在智能制造领域，智能技术的应用极大提升了产品检测效率和设备利用效率。在智慧教育领域，多所学校基于云计算、大数据、人工智能等技术，搭建智慧教育云平台，借助智慧云课堂、智能测评、智能作业、移动课堂、个人空间等核心应用，形成学生、教师、家长和教育管理者一体化解决方案。在智慧医疗领域，智能技术有效减轻医护人员工作压力，提高医疗装备的诊断准确性与服务便捷性，目前，国内已获批40余张人工智能影像医疗器械3类证。
“新冠肺炎疫情加速了人工智能与医疗领域的融合发展。为了提升效率并减少人员接触，医疗服务需要更具弹性和拓展性，移动设备需求强烈，智能医疗设备、医疗机器人、远程医疗、移动医疗产业需求迅速显现。”柳絮说。
推进产业创新发展
人工智能是引领新一轮科技革命和产业变革的战略性技术。人工智能技术与实体经济融合，将推动产业变革，提升要素价值，促进服务创新，重构发展范式，催生智能经济形态。
任爱光介绍，工信部以促进人工智能与实体经济深度融合为主线，营造良好政策环境，大力加强人工智能技术创新攻关，加快人工智能产品落地应用，打造融通发展的产业生态。
据了解，工信部以人工智能创新任务“揭榜挂帅”为抓手，发现和培育优秀企业，产出一批优秀产品，构建起研发和应用“快车道”；批复建设了8个国家人工智能创新应用先导区建设，部省协同打造人工智能创新发展高地；建设了一批5G基站、工业互联网平台、算力中心等信息基础设施，支持建设并开放行业数据集，夯实产业发展基础。
不仅如此，“人工智能在产业升级、产品开发、服务创新等方面具有溢出带动性很强的‘头雁’效应，在与制造业融合过程中，催生了一批数据驱动、软件定义、平台支撑、服务增值、智能主导的智能制造新模式、新方法。”杨春立说。
“十四五”期间，人工智能的产业化和商品化进程将进一步加快。柳絮认为，人工智能生态体系化程度将大幅提升。与此同时，人工智能商品化的信息安全、个人隐私、道德伦理等挑战也将日益突出。
除了加速推动人工智能在重点领域的融合应用之外，任爱光表示，工信部还将持续改革优化政策环境，推动各行业智能化改造升级，不断降低成本，有效赋能中小企业，为人工智能技术提供“真金白银”的应用市场。（记者黄鑫）
（黄鑫）
【责任编辑：曹静】人工智能如何影响就业市场
导语：作为一种革命性技术，人工智能的发展与应用对经济社会发展变革的影响日益深入。在这一过程中，人工智能对就业的影响一直是社会各界关注的焦点之一。围绕这一问题，言之有理工作室采访了中国人民大学劳动人事学院院长杨伟国教授。他认为，人工智能的快速应用短期内会对就业造成一定影响，但从长远来看，其发展与应用不仅会创造更大就业空间，而且还会提高劳动者就业质量，在保障和创造就业方面发挥积极作用。
言之有理：一些人担心，人工智能的大规模应用会产生就业替代效应，减少就业岗位。对此，您怎么看？
杨伟国：人工智能的快速应用短期内的确会对就业造成一定影响。但从长远来看，以人工智能为代表的数字技术，通过在更高水平更大程度上赋能企业和劳动者来推动经济社会发展，并在这一过程中创造更大就业空间。首先，人工智能的发展推动智能化信息基础设施建设和传统基础设施智能化水平提升，并在这一过程中创造大量新就业机会。其次，人工智能的发展除了推动人工智能领域新兴产业发展、形成人工智能产业集群和创新高地，还能通过与各领域产业深度融合，大规模推动企业智能化升级，培育数据驱动、人机协同、跨界融合的智能经济形态，从而创造大量新就业机会。第三，人工智能在教育、医疗、养老、环境保护、城市治理、司法服务等领域的广泛应用，以及在准确感知、预测、预警等方面的深度应用，也会创造新的就业机会。最后，人工智能产业的发展以及人工智能技术的应用还会带动其他行业发展，既可以直接创造更多新工作机会，又可以通过促进经济增长间接创造更多就业机会，还可以从中衍生出许多新型行业而创造更多就业机会。
言之有理：除了创造更大就业空间，人工智能的发展与应用会对人们的就业质量造成什么影响？
杨伟国：人工智能的发展和应用，有助于为劳动者提供更多高质量的就业岗位，提升劳动者的创造力和成就感；帮助劳动者更加自由地安排工作、生活、学习和个人事务，不断优化调整学习方法和学习内容，以实现快速学习、高效学习，从而提高专业技能和工作效率，实现工作与生活平衡；通过人机协作赋能劳动者，帮助劳动者实现人力资本优化配置，提高劳动者的劳动自由度和舒适度。总之，人工智能可以赋能劳动者按照自身意愿以多种形式完成工作任务，帮助劳动者以最切合自身特点的方式学习新的专业技能，提高劳动者的就业质量。
言之有理：稳就业、保就业是当前统筹推进疫情防控和经济社会发展工作的重中之重，人工智能的发展与应用对稳就业、保就业起到了哪些积极作用？
杨伟国：突如其来的新冠肺炎疫情对我国经济社会发展带来前所未有的冲击，稳就业、保就业成为统筹推进疫情防控和经济社会发展工作的重中之重。在这一过程中，以人工智能为代表的数字技术显示出在保障和创造就业等方面的显著优势和巨大潜能，基于人工智能技术的新就业体系正在加速形成。比如，数字经济发展全面提速，智能化、科技型产品较快增长，远程办公、在线教育、网络问诊等快速扩张，无人零售、直播带货等新模式不断涌现，既有力支撑经济社会发展，又助力实现今年《政府工作报告》设定的就业目标任务。
言之有理：人工智能的发展与应用，从中长期看有利于扩大就业，但短期内不可避免会造成结构性失业，一部分人不适应劳动力市场需求变化。对此，应该如何应对？
杨伟国：面对人工智能的发展与应用对就业市场的影响，劳动者要做好心理准备与技能储备，相关管理和服务部门也要及时调整就业政策措施以适应科技发展进步与就业市场变化，推动实现人工智能技术发展应用与就业市场之间的协调平衡。
（言之有理工作室郑延冰编辑）
(责编：赵安妮(实习生)、李栋)分享让更多人看到
人工智能对中国劳动力市场的影响
周广肃、褚高斯、李力行、孟岭生（中国人民大学劳动人事学院、百度公司集团战略部、北京大学国家发展研究院、香港中文大学经济系）
自动化和人工智能技术在当今经济和社会发展中发挥了越来越重要的作用，尤其是随着互联网+、大数据、云计算等相关技术的发展，人工智能很有可能会引发新一轮的科技革命浪潮，并对经济社会发展的各个方面产生重要影响。为了抓住人工智能经济带来的新的发展机会，我们国家也出台了一系列刺激人工智能发展的规划纲要或政策文件，希望推动中国成为世界主要的人工智能创新中心之一。人工智能是将人的智力和思维模式融入到机器的运作过程中，将会对许多职业和工作产生重要的影响，但是影响结果到底是什么，取决于人工智能产生的替代效应、互补效应和创造效应的相对大小。一方面，人工智能是一种能够替代劳动力的技术进步，越来越多的工作可能会被人工智能取代；另一方面，人工智能的发展还会通过互补效应来带动一部分就业的增长，或者在其相关领域创造一些前所未有的职业类型。为了较为严谨地回答这一问题，本文尝试性地估计了人工智能对就业所产生的潜在替代效应的大小。首先，根据本文中计算的人工智能应用率和Frey&Osborne（2017）估计的人工智能理论替代概率，本研究估算了人工智能对中国各种职业的实际替代概率。通过在职业层级应用实际替代概率，我们还探讨了人工智能对不同特征劳动力的替代效应，发现人工智能对女性、老年人、受教育程度低和低收入的劳动力有较大替代作用。这一结论表明，人工智能对劳动力市场所带来的替代效应并不是中性的，而是对劳动力市场中的相对弱势群体产生了更大的影响，这很有可能会进一步加剧他们的弱势地位。接下来，我们还预测了每个行业中被人工智能替代的就业人数，结果显示，到2049年中国将有2.78亿劳动力（不同应用率下结果是2.01亿至3.33亿）被人工智能替代，占中国当前就业人数的35.8％。其中，中国将有1.42亿城市劳动力被人工智能替代，占城市总就业人数（4.34亿）的32.7%；同时，中国农村劳动力中将有1.35亿人被取代，占农村劳动力总数（3.42亿）的39.5%。具体而言，城市中就业替代数量最大的三个行业是制造业，交通运输、仓储和邮政业，农林牧渔业；中国农村中就业替代数量最大的三个行业是农林牧渔业，制造业和建筑业。当然，以上只是基于人工智能的应用率和对不同职业的理论替代率计算而出的，人工智能对中国劳动力市场的影响也还受制于许多其他因素。首先，它取决于人工智能技术和人类传统劳动力的相对使用成本和收益。虽然目前中国劳动力成本显著增加，但与发达国家相比仍然相对较低，若将劳动力成本因素考虑在内，人工智能的应用则可能需要更长时间。其次，中国逐步加快的人口老龄化进程也会作用于人工智能对中国劳动力市场的影响，但人工智能也会反过来弥补老龄化进程加快造成的劳动力数量的减少。第三，与其他技术类似，人工智能技术在产生巨大替代效应的同时，也具有非常显著的创造效应。受人工智能上下游产业发展的驱动，人工智能技术将创造出一系列相关领域的工作或新职业，但是目前这一数值难以估计。虽然本研究侧重于预测性分析而非因果推断，但它为研究自动化和人工智能对中国劳动力市场的影响提供了第一手实证证据。中国将发展以人工智能为代表的智能产业作为国家重要的产业政策之一，同时也须认真处理人工智能对劳动力市场的潜在影响。首先，应全面考察人工智能对劳动力市场的影响，特别是对不同特征劳动力的影响，此举十分必要。我们的研究表明，人工智能对不同职业、不同行业和不同特征的劳动力具有异质性影响。只有准确分析人工智能的不同影响，才能制定更有针对性的政策。其次，要更加重视人力资本投资的重要性，不断提升中国劳动者的人力资本。中国应该采取更多措施，来帮助劳动力市场中相对弱势的群体（如女性、低教育程度、老年人和低收入群体），特别是通过职业教育或培训来提升其劳动技能和人力资本，从而尽可能地避免人工智能的负面影响。我们还应该关注人工智能对劳动者福利的影响，尽量减少由于就业机会减少和工资增长放缓导致的福利损失。最后，政府还应该关注人工智能可能造成的社会两极分化和不平等现象。随着人工智能的发展，劳动力将至少分化为两个不同的群体——高技能群体和低技能群体，两者将面临完全不同的工作机会和收入水平，而这种社会分化将会进一步加剧不平等和社会矛盾的激化。为了解决这些问题，政府可以发挥税收和转移支付制度的作用。例如，对人工智能设备或机器人征税，补贴被替代的劳动者或者用以提高他们的工作技能；此外，此项税收也可用于解决老龄化造成的养老金短缺问题。
GuangsuZhou,GaosiChu,LixingLi&LingshengMeng(2019)TheeffectofartificialintelligenceonChina’slabormarket,ChinaEconomicJournal,13:1,24-41原文链接：https://www.tandfonline.com/doi/full/10.1080/17538963.2019.1681201
作者简介：周广肃，中国人民大学劳动人事学院副教授，研究重点关注劳动力市场、收入不平等、家庭经济决策等议题，曾获得刘诗白经济学奖、《经济学》（季刊）最佳论文奖、全国优秀财政理论研究成果二等奖等。
褚高斯，百度公司集团战略部高级顾问。
李力行，北京大学国家发展研究院教授、青年长江学者，研究兴趣包括发展经济学、人力资本、公共财政学等，曾获北京大学“黄廷芳/信和”青年杰出学者奖、北京大学方正奖教金、北京大学人文社会科学研究优秀成果奖、北京大学教学优秀奖等荣誉。
孟岭生，香港中文大学经济系副教授、马里兰大学经济学博士，研究领域涉及劳动经济学、中国经济等。
人工智能与智能制造
人类发明计算机的初衷是帮助人们进行数据计算。由于人的很多思维过程都可以转化成计算问题，所以计算机往往被俗称为电脑。计算机可以计算很多问题，但只有一部分算法被称为人工智能算法。
国内曾有著名专家学者提出：智能制造就是人工智能加制造。这种观点会对推进智能制造带来思想混乱。为此，我们有必要澄清这两个概念的关系。
人工智能的两个经典学派
谈到智能制造，人们很容易联想到各种高级算法，如机器学习和逻辑推理。事实上，人工智能技术在最近十几年最重要的进展就是深度学习技术，这也是人工智能最近成为热点的原因。
人类发明计算机的初衷是帮助人们进行数据计算。由于人的很多思维过程都可以转化成计算问题，所以计算机往往被俗称为电脑。计算机可以计算很多问题，但只有一部分算法被称为人工智能算法。
一般来说，人工智能的算法往往有两个特点：一是普通的算法不容易解决，二是与人的思维接近。因此，算术、方程求解、排序等常见算法一般不被算作人工智能算法，只有涉及复杂逻辑推理和知识学习等问题时，才被称为人工智能算法。
计算机在解决逻辑推理问题时，往往先将其转化为搜索问题。人工智能关注的搜索问题往往会面临组合爆炸，计算机也难以求得最优解。下棋就是这种典型问题。但是，面对这类组合爆炸问题，人类往往有能力用有限的搜索找到相对较好的办法。这就是体现智能的地方。有人把智能算法的特点描述为能够从一个巨大的搜索空间中迅速找到比较好解的算法。因此，谷歌公司建立之初就定位为“做人工智能的公司”。
要把人的想法变成计算机代码，前提是必须能用计算机语言精确地表达出来。但是，人的很多认识恰恰是难以用语言表达清楚的。例如，我们很容易认出一个熟人，也很容易识别梨的味道，但这些认识不容易说出来。再如，棋手对“棋势”有一种直觉的认识，这种直觉能够帮助人们把注意力聚焦在个别重要的棋子上。但是，这种直觉同样难以用精确的语言来描述。这些一般被称为“默会知识”。
人类语言表达不清楚的东西，往往无法直接变成计算机代码。机器学习就是用来解决这个困难的。所谓机器学习，一般是用数学函数模拟人或动物的神经系统，通过数据不断修正这个模型，从而形成类似感性认识的知识。这样就避开了“默会”知识“难以编码”的困难。
然而，让计算机获得“感性认识”并不容易。例如，模型识别的错误比例往往太高。导致这类问题的原因很多，有数据的原因、模型的原因，也有训练算法的原因。随着计算机计算和存储能力的增强，积累的数据越来越多。在这样的背景下，出现了深度学习技术并在多个领域取得了巨大的成功。于是，人工智能成为近期的热点。
人们可以从很多角度认识人工智能，由此产生了很多的学派。其中，两个经典的主流学派分别是模拟逻辑推理的符号学派和模拟神经系统结构的连接学派。这两个学派的方法可以结合在一起进行应用。例如，阿尔法狗需要进行逻辑推理，但为了解决搜索中组合爆炸的问题，又需要模拟棋手的感性认识，而这种感性认识就是通过深度学习得到的。
自动化与人工智能的控制论学派
除了上述两个经典学派外，人工智能还有一个重要的学派被称为控制论学派。控制论是自动化和智能化的理论基础。多年以来，自动化学科比人工智能更成熟、应用范围更广和影响力也更大。因此，学术界谈论人工智能时，指的往往是上述两个学派，而不是控制论学派。但是，这个学派的思想恰恰是智能制造主要的理论基础。
20世纪40年代，控制论之父诺伯特?维纳(NorbertWiener)想到一个问题：机器和动物(或人)到底有什么区别?维纳认为，机器一般只能按既定的步骤和逻辑运行，而动物能通过信息感知到外部世界的变化，并根据新的信息进行决策、采取行动。例如，一只正在吃草的山羊突然看到了一只狼，它会马上停止吃草，奔跑逃命。自动化就是要把感知、决策和执行3个要素统一起来，这3个要素类似于动物的感觉器官、大脑和四肢的功能。这就是自动化的本质特征。事实上，自动化系统一般由传感器、控制器和控制对象构成，分别用于信息获得、决策和执行。
与人工智能的两个经典学派不同，控制论关心的是效果和作用，往往不在乎算法和逻辑是不是复杂。事实上，自动化用到的一些算法和逻辑可能相当简单。
最近几十年来，自动化应用的范围越来越广，但也有局限性。一般来说，自动化系统能够应对的都是“预料之中”的变化。当出现设备故障、生产异常等预料之外的问题时，还是需要人来处理。这是因为计算机处理问题都是有预案的，其灵活处理问题的能力远远不如人类。
智能制造的概念
智能制造技术是信息通信技术的发展带动的，是信息通信技术在工业的广泛、深入应用。德国的工业4.0和美国的工业互联网都属于智能制造的范畴。
从整体效果来看，智能制造能够加强企业快速响应变化的能力。市场或用户有了新的需求，能够尽快设计并制造出来以供应市场;供应链发生变化时，能尽量避免对生产经营产生的不利影响;生产设备或产品质量发生问题时，能尽快找到问题的根源和解决问题的办法。
从业务角度来看，推进智能制造的主要作用是要促进多方协同、资源共享和知识复用。通俗地讲，协同就是多方协作时“不掉链子”，不耽误彼此的工作;资源共享有利于低成本地获得优质资源;知识复用则可以提高研发和服务的效率，降低获得知识的成本。当企业中的物质、知识和人力资源都能用数字化描述时，互联网就容易促进协同、共享和复用。
计算机的运算能力很强但灵活处理问题的能力很弱。这是限制自动化技术广泛应用的重要原因。为了解决这类问题，先进的制造企业普遍采用了信息化技术。信息化系统能够为管理者收集信息、帮助管理者决策和管理企业的生产和经营。与自动化系统相比，信息系统把决策的工作交由人类完成。
在数字化、网络化时代，成千上万的设备可以实时、高速地采集数据并汇集到一起。人类可以得到更多的信息，但处理信息的能力受到了生理极限的约束。为了解决这个矛盾。美国通用公司发布的《工业互联网》白皮书就提出了解决办法。该白皮书指出，工业互联网有3个要素：智能的机器、高级算法和工作中的人。智能机器指的是可以实时接收和发送数据的机器。但是，人类并不直接处理这些数据。高级算法就像人的秘书一样，帮助人们处理实时数据，从海量数据中找出那些需要人类关注和处理的问题，交给“工作中的人”来处理。
另外，对于常见的问题，可以把专家处理问题的逻辑和方法变成计算机代码，让机器按照人类的想法进行决策。这就是人类知识的数字化。通过这种办法，可以进一步减少人类处理问题的负荷，提高决策的自动化水平——这其实就是智能化。
从某种意义上来说，智能化是自动化和信息化的融合。自动化和信息化融合的思想很早就有了，但在信息通信技术不够发达的时候，技术上很难实现。于是，机会留在了智能化的时代。
智能化对工业企业的意义非常巨大。从企业生态的层面来看，智能化能促进企业之间的分工细化并在企业间建立新的生态关系。“分工促进生产力的发展”是一条非常重要的经济规律。由于互联网能够提高企业之间的协同能力、降低分工的负面影响，这为促进分工的细化奠定了基础。总之，从企业间的关系来看，智能化能够促进社会资源的优化配置。从企业自身的层面来看，智能化能提升企业的管理能力。在我国很多企业中，“技术水平低”的本质往往是管理水平差。某些企业的管理问题所导致的成本损失会超过企业的利润。通过推进智能化，人类的很多决策工作可以交给机器去做，也可以在机器帮助下或“监督”下去做，通过提升企业的管理能力，大大减少因管理不善导致的问题。从现实效果来看，智能化往往能够有效地推动企业整体利益实现最大化。
智能化与人工智能
智能化是一场决策革命，即通过数字化的方法代替人决策、帮助人决策、“监督”人决策。对工业过程来说，决策所需的知识往往是工业人多年积累的结果。这些知识的逻辑往往是清晰的、能够被准确表达的。推进智能制造的时候，容易把这些知识转化成计算机的代码，但智能制造未必用到人工智能的典型算法。因此，“智能制造等于人工智能加制造”的观点是错误的。
但是，经典的人工智能技术确实能够促进智能制造技术的发展。在一些场景下，传感器采集到的信号并不容易转化成语义明确的信息。例如，摄像头可以采集到产品表面的图像信息，但不能把图像信息与质量缺陷的类型和级别对应起来。如果这类问题解决不了，质量管理的逻辑就难以自动地实现，智能化的进程就会受阻。
深度学习等典型的人工智能技术特别善于解决图像识别问题。事实上，图像识别是人工智能算法在工业界最典型也是最主要的应用领域。缺乏人工智能技术，智能制造的体系往往是不完整的。
从某种意义上来说，人工智能是技术问题也是学术问题，这也是学术界特别喜欢研究的问题。现实中，自动化往往只是技术问题，并不是学术问题，因为工程师一般喜欢用最简单的办法解决问题。推进智能化的过程不仅涉及技术问题，往往还涉及企业组织流程的重构、商业模式的创新。从这种意义上讲，智能化的问题往往可以看作企业的管理甚至战略问题。
郭朝晖，博士，教授级高级工程师，优也信息科技有限公司首席科学家，走向智能研究院首席研究员。
文/郭朝晖
本文来自《张江科技评论》
人工智能产业的应用场景和发展模式
1、基础层面：主要有AI芯片、传感器、云计算、减速器等四类核心产品
（1）AI芯片——主要包括GPUFPGA等加速硬件与神经网络芯片、为深度学习提供计算硬件，是重点底层硬件。
（2）传感器——主要对环境、动作、图像等内容进行智能感知，是人工智能的重要数据输入和人机交互硬件。
（3）云计算/大数据——主要为人工智能开发提供云端计算资源和服务，以分布式网络为基础，提高计算效率，包括数据挖掘、监测、交易等，为人工智能产业提供数据的收集、处理、交易等服务。
（4）减速器——作为一种相对精密的机械，主要为人工智能产品降低转速，增加转矩，以满足不同场合下的工作需要，是重要的底层硬件。
2、技术层面：主要有计算机视觉、自然语言处理、语音识别、机器学习等四类核心技术
（1）计算机视觉——包括静动态图像识别与处理等，对目标进行识别、测量及计算。主要应用在智能家居、语音视觉交互、ARVR、电商搜图购物、标签分类检索、美颜特效、智能安防、直播监管、视频平台营销、三维分析等场景。
（2）自然语言处理——基于数据化和框架化，研究语言的收集、识别理解、处理等内容。主要应用在知识图谱、深度问答、推荐引导、机器翻译、预料处理、模型处理等场景。
（3）机器学习——主要以深度学习、增强学习等算法研究为主、赋予机器自主学习并提高性能的能力。主要应用在压缩技术、安防、数据中心、智能家居、公共安全等场景。
（4）语音识别——通过信号处理和识别技术让机器自动识别和理解人类口述的语言，并转换成文本和命令。主要应用在智能电视、智能车载、电话呼叫中心、语音助手、智能移动终端、智能家电等场景。
3、应用层面：主要分为智慧城市、智慧生产、智慧生活三大类应用场景
（1）智慧城市：智慧城市涉及到交通、教育、医疗、零售等与用户生活息息相关的场景，把这些场景集合在同一平台上，增强用户使用习惯将会增强，粘性就会提升。各类场景互联互通，最终达到提升城市运维效率、提升资源管理效率、提升居民生活品质的目的。
典型智慧城市应用场景
（2）智慧生产：形成产品生产导向向需求生产导向转变的智慧生产流程体系
（3）智慧生活：涵盖智慧居住、饮食、健康监护管理、家庭管理等应用场景
人工智能属于面向未来的新事物，应用场景是人工智能发展的主要驱动力。下面简要分析医疗、交通、教育、金融、生活、零售、安防、园区、环保、政务等10个细分领域的人工智能应用场景及商业模式。
典型应用1：AI+医疗——中国医疗人工智能处于风口期，医学影像和疾病风险管理为热点
智能医疗，从技术细分角度看，主要包括使用机器学习技术实现药物性能、晶型预测、基因测序预测等；使用智能语音与自然语言处理技术实现电子病历、智能问诊、导诊等；使用机器视觉技术实现医学图像识别、病灶识别、皮肤病自检等。从应用场景来看，主要有虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究平台等八大AI+医疗市场应用场景，其中医学影像和疾病风险管理为热门领域。
典型应用2：AI+交通——中国市场规模庞大，形成四类无人驾驶主流商业产品
智能驾驶其涉及的领域包括芯片、软件算法、高清地图、安全控制等。目前主要商业产品有无人驾驶出租车、无人驾驶卡车、无人巴士和无人驾驶送货车；无人驾驶车辆将设计拥有更高的安全性且能极大地降低人力成本，成为诸多相关企业的关注的焦点。
（1）无人驾驶出租车：人驾驶出租车因为其安全性更高，因此被很多汽车服务业关注，目前，无人驾驶出租车已经处于测试阶段。2015年软件公司NuTonomy在新加坡开始无人驾驶出租车测试，计划2018年完成整个无人驾驶服务的商业化
（2）无人驾驶卡车：无人驾驶卡车能有效降低司机因长时间、长距离运输而疲惫导致的安全事故。2016年11月，中国福田汽车联合百度在上海发布了国内首款无人驾驶卡车。
（3）无人巴士：固定的行驶路径、固定的停靠车站，使得无人驾驶巴士成为解决公众出行的新办法。2017年10月，百度联合金龙客车合作生产无人公交车，预计在2018年实现整车量产。
（4）无人驾驶送货车：货物运输最后一公里为运输行业的瓶颈，无人送货车能够全天候工作，加大增加工作效率。2017年7月，英国杂货电商公司Ocado在伦敦东部测试了无人送货车。
典型应用3：AI+生活——以IoT为基础的家居生态圈，主要有八大市场热点领域
智慧生活是一个以IoT为基础的家居生态圈，其主要包括智能照明系统、智能能源管理系统、智能视听系统、智能安防系统等。市场热点集中在硬件支持、智慧场景应用、产品、平台等方面，主要有机器学习、无线模块、智能家庭平台、智能家居娱乐系统、家居安防、健康家庭医疗系统等智能家居市场八大热点。
典型应用4：AI+金融——智能金融变革金融业务全流程
AI技术赋能金融领域，主要包括智能风控、智能投顾、智能投研、智能支付、智能营销和智能客服等。从金融角度来讲，智能的发展依附产业链涉及资金获取、资金生成、资金对接到场景深入的资金流动全流程，主要应用于银行、证券、保险、p2p、众筹等领域。
典型应用5：AI+教育——千亿庞大市场规模，三大应用主体与十三大应用场景
智能教育可分为学习管理、学习评测、教学辅导、教学认知思考四个环节，全面覆盖“教、学、考、评、管”产业链条，并已在幼教、K12、高等教育、职业教育、在线教育等各类细分赛道加速落地。围绕教育机构、教师、学生等三大主体，智能教育产品主要应用于教育评测、拍照答题、智能教学、智能教育、智能阅卷等十三大场景。
典型应用6：AI+零售——实现零售购物的无人化、定制化、智能化，提升购物体验
AI+零售将实现零售购物的全面无人化、定制化、智能化，实现消费者购物体验的全面升级。典型的应用场景主要有智能提车和找车、室内定位及营销、客流统计、智能穿衣镜、机器人导购、自助支付、库存盘点等场景。
（1）智能停车和找车。为智能停车模块，帮助用户解决“快速停车及找车”的痛点。如阿里巴巴推出的喵街App中包含智能停车及找车模块，目前已经应用于几十家购物中心。
（2）室内定位及营销。在用户购物及浏览过程中快速根据用户需求、物品位置实现精准匹配。如北京大悦城等商场已经实现了室内导航及定位营销，iBeacon的技术解决方案颇受青睐。
（3）客流统计。实时统计客流、输出特定人群预警、定向营销及服务建议。如图普科技，利用开发客流统计解决方案，为天佑城的活动策划和招商部门提供客观数据佐证。
（4）智能穿衣镜。为用户提供个性化的定制服务，增加用户实际购物体验。智能虚拟穿衣镜已经在Lily、马克华菲等诸多品牌门店中部署。
（5）机器人导购。增加用户购物过程的趣味性，从而提升销售。如零售机器人“豹小贩”实现从“人找货”到“货找人”的转变，自动走到人流量大的地方，主动推荐商品。
（6）自助支付。收银服务机提供屏幕视频、文字、语音三种指引方式，引导自助支付。如国内阿里的刷脸支付尝试。
（7）库存盘点。库存盘点机器人替代仓库管理员，提升工作效率。如德国MetraLabs推出机器人Tory，为德国服装零售商AdlerModemrkte提供库存盘点服务。
典型应用7：AI+安防——平安城市、园区、校园、家居、金融等一体化智能安防建设
智能安防是人工智能最先大规模应用，并持续产生商业价值的领域，主要依托低速无人驾驶、环境感知、目标检测、物体识别、多模态交互等技术，实现目标跟踪检测与异常行为分析，视频质量诊断与摘要分析，人脸识别与特征提取分析，车辆识别与特征提取分析等，实现平安城市、园区智能安防、校园智能安防、家居智能安防、金融智能安防等一体化智能建设。
（1）平安城市——开展城市监控报警联网系统建设，公安机关建监控系统，省级监控平台，地市级平台，实现城市智能公安联网监测检查。
（2）园区智能安防——工业园区安防系统由视频监控系统、入侵报警系统、门禁管理系统、电子巡更系统、停车管理系和综合管理平台等构成。
（3）校园智能安防——主要构建透明食堂监控、校园车辆卡口系统、手机移动监控等系统，实现技防各子系统高度集成联动、海量数据智能化分析并自动导出，实现安保工作基础平台信息化。
（4）家居智能安防——家居安防系统主要包括报警控制主机、无线传感器网络节点两大模块，负责对采集的信号进行分析和处理，以及安防情况进行远程监控。
（5）金融智能安防——金融安防系统包括技术防范系统和实体防护设施，技术防范系统主要包括视频安防监控系统、出入口控制系统、入侵报警系统和监听对讲系统等，实体防护设施主要包括专用门体、防弹复合玻璃、提款箱、运钞车、保管箱和ATM自动柜员机等。
典型应用8：AI+园区——实现物业硬件互联信息化、服务智慧化、产业智能化
在智慧园区场景下，从硬件设施到系统软件，从智慧物业到智慧服务，实现物业硬件信息化互联，服务智慧化、产业智能化。园区形成微型智慧生态，物业信息化互联，并为园区企业提供智慧化办公生产相关服务，吸引智慧产业入驻发展。
（1）园区互联信息化。园区安防、管网、能源等硬件设施互联互通，信息化自动化。场景构建主要打造智能化信息系统、智能门禁系统，集成园区智能硬件系统。
（2）园区服务智慧化。为园区企业提供智慧化科技创新、办公智慧化、园区生活智慧化相关服务。商务办公智慧化场景构建主要依托智能会议系统、智能客服系统、办公场景语音系统实现；科创孵化智慧化场景构建主要打造智慧产业孵化器。
（3）产业发展智能化。集聚信息技术、智能制造企业，推动产业化升级和智慧城市发展。场景构建主要依托导入相关产业资源，形成产业集聚。
典型应用9：AI+环保——实现环境监测实时动态化、环保装备智能化、管理智慧化
智慧环保场景下，从监测到管理，从环保硬件到服务平台软件，实现环保装备智能化、环保管理智慧化，并融合机器学习、机器人、人机交互、智能语音、大数据等技术，在智能环保机器人、环保服务平台领域发力，构建场景新生态。
典型应用10：AI+政务——打造政务部门数据集成共享，实现政务决策IT化
（1）城市全景精细呈现。打造GIS地理信息技术平台，依托智能化城市基础设施建设，展现城市数据。
（2）部门数据融合互通。引入信息技术集成服务商，集成市政、警务、交通、电力、等部门数据库系统，开辟数据接口，实现数据融合互通。
（3）智能化统计分析。构建城市政务管理云服务平台，实现智能化数据分析，为城市智慧化精细化管理提供决策依据和建议。
（4）对话数据，交互查询。建设统一查询系统，引入系统开发服务商，设计实现交互查询的查询系统，非隐私数据可民用开放。
（5）可视化部署、指挥调度。通过数据可视化云平台打造，实现突发事件应急联动，有效结合各部门数据资源，达到高效决策、部门联动、信息共享的指挥调度系统。
根据东滩产业内参《人工智能产业投资趋势及发展模式》的研究，中国人工智能产业空间集聚模式主要呈现智慧城市、产业集聚区/创新区、产业小镇/产业园区等三种形式。智慧城市建设、产业集聚区/创新区、产业小镇/产业园区三个层面互为促进，成为推动人工智能产业发展的主要路径。
（1）智慧城市
通过打造人工智能创新应用示范区/产业集聚区/小镇/园区等形式，形成深度应用场景，建设应用示范项目；促进人工智能在智慧政务、智慧交通、智能医疗、智能健康和养老等领域深化应用。典型的案例有上海、杭州、北京、深圳等智慧城市的建设。
（2）产业集聚区/创新区
依托区域较好的智能制造基础及信息技术优势，集聚人工智能、大数据、云计算、区块链、VR/AR等数字产业项目，将技术和应用扩散至周边区域，与其他产业交叉融合发展。典型的案例有上海张江人工智能岛、杭州高新区（人工智能）优势产业集聚地等。
（3）产业小镇/产业园区
作为大型经济开发区里的专业园区，或是以人工智能产业为特色的产业小镇，与周边科技、制造、新一代信息技术等产业协同发展。典型案例有苏州工业园人工智能产业园、杭州人工智能产业园、沧州高新技术产业开发区人工智能科技产业园等。
案例链接1：智慧上海
打造六大人工智能创新示范区
上海将着力打造6个人工智能创新应用示范区，形成60个深度应用场景，建设100个以上应用示范项目。构建“一带一区多点联动”的产业空间布局，包括“徐汇滨江-漕河泾-闵行紫竹”人工智能创新带、“张江-临港”人工智能创新承载区、华泾北杨人工智能特色小镇、上海松江洞泾人工智能特色产业基地。
上海人工智能产业空间格局
专业园区——上海张江人工智能岛
项目概况：上海张江人工智能岛位于张江科学城中区，占地面积6.6万平方米，建筑面积10万平方米，由张江集团负责开发运营的人工智能产业新标杆。产业方向以语音识别、视觉识别技术世界领先，信息处理、智能监控、生物特征识别、工业机器人、无人驾驶为主。目前吸引了包括微软、阿里巴巴、同济大学、云从科技在内的跨国巨头、BAT龙头、科研院所和独角兽企业入驻园区。成为上海市首批人工智能应用场景，并成为唯一的“AI+园区”实施载体。
产业发展策略：
（1）基金政企合作，打造开放创新平台。与龙头企业共建孵化器、共设投资基金，并搭建集创新转型工坊、创新实验室、项目实战空间、应用演进与运营四维一体的人工智能“能力开放工场”，塑造产业垂直生态。
（2）集聚世界创新大脑，引领高端发展。加强前瞻性研究，集聚世界一流科学家、学者开展人工智能基础理论、核心算法以及脑科学、基础系统等方面的基础研究，实现高端引领发展。
（3）技术与场景联合试验，助推远期产品落地。围绕智能安防、语音识别、机器视觉、深度学习等人工智能新技术，与应用场景进行深度融合，并在岛上进行联合试验和交互体验，并将技术和应用扩展至整个张江科学城。
典型案例2：智慧杭州
打造十大人工智能应用示范区
杭州人工智能产业发展规划建设10个人工智能应用示范园区和特色小镇，构建数据驱动、人机协同、跨界融合、共创分享的智能经济生态圈。构建“一廊一区多点联动”的产业空间布局。打造杭州城西科创大走廊，构筑杭州高新区（滨江）优势产业集聚地，人工智能产业基地多点布局。
专业园区——杭州人工智能产业园
项目概况：位于杭州高新技术开发区滨江区江虹路，与阿里巴巴、浙江大学等比邻而居，规划面积3.43平方公里，总建筑面积8万平方米，由四幢主体建筑合围而成。项目定位于打造集专业化服务功能、创新型孵化功能、多资源聚合功能、产学研转化功能于一体的人工智能产业新平台，成为省级人工智能技术研发、应用、产业化的示范基地，重点打造产业资源交换、孵化研发、传媒、生活等四大中心。以人工智能为特色，覆盖大数据、云计算、物联网等业态，集中力量招引机器人、智能可穿戴设备、无人机、虚拟/增强现实、新一代芯片涉及研发等领域。
产业发展策略：打造全球创客中心人工智能集聚区，广泛集聚以人工智能为代表的智慧产业创客极客，发挥创业创新集聚效应，在引领区域创新上发挥重要的作用与市场影响力，着力构建“一主三化五平台”产业发展服务体系及综合运营管理服务体系。
（1）一大生态——打造有利于人工智能产业快速发展的生态系统；
（2）三化产业载体——人工智能技术成果化(孵化器)、人工智能成果产业化(加速器)、人工智能产业资本化(倍增器)；
（3）五大发展平台——产业产学研合作平台、产业技术成果交易平台、产业公共服务平台、产业企业家交流平台、产业投资发展平台；
（4）运营管理体系——建立人工智能产业联盟，与投资行业协会、国内知名投资机构、金融服务机构、投融资服务组织等建立紧密的合作关系，为创新创业者提供全面专业的资本服务。
总的看来，中国人工智能产业集聚创新发展主要体现在四方面，即集中展示AI在特点场景下的纵向应用，如：学校、医院、工厂、家庭等，整合各类AI技术，打造整体式的解决方案；体现AI在特定行业中的创新应用，如：交通、政务、安防、环保、教育、金融等行业，推动人工智能对行业产生显著的带动作用；通过AI跨领域跨行业的集中应用，如：园区、社区等，实现人工智能对区域的全面赋能；通过龙头企业的带动，搭建AI产业发展开放平台，集聚产业链上下游资源，实现区域人工智能产业的协同创新发展。
▌说明：东滩顾问·廖义桃原创文章，转载请注明出处！
▌编辑：波波
▌关注：请搜索“东滩顾问”公众号关注我们哦！返回搜狐，查看更多