2016年初，一場“人機大戰(zhàn)”成為萬眾矚目的焦點，谷歌AlphaGo大勝世界圍棋冠軍李世石，更是引發(fā)激烈討論。盡管這場世紀大戰(zhàn)硝煙散盡，但AlphaGo的精彩表現(xiàn)讓由此引發(fā)的人工智能熱潮不減反增。在這股熱潮下，很多行業(yè)都開始向人工智能演進，人工智能時代已經(jīng)悄然到來，而人工智能也將極大地提升和擴展人類的能力邊界，對促進技術創(chuàng)新、提升國家競爭優(yōu)勢，乃至推動人類社會發(fā)展產(chǎn)生深遠影響。

　　我國人工智能正在向通用應用過度

　　縱觀國內(nèi)的人工智能產(chǎn)業(yè)發(fā)展，在整個產(chǎn)業(yè)鏈上主要由“基礎技術”、“人工智能技術”和“人工智能應用”三個核心環(huán)節(jié)構成。從這三個方面，我們可以看到國內(nèi)人工智能產(chǎn)業(yè)的發(fā)展脈絡，可以對人工智能的應用進行解析。

　　人工智能的基礎技術主要依賴于云計算技術和大數(shù)據(jù)技術。在這方面，國內(nèi)市場的規(guī)模是巨大的。產(chǎn)業(yè)界對待云計算技術和大數(shù)據(jù)技術已不同于早期單純地學習、模仿的業(yè)務模式，而是越來越務實地接納它，不斷挖掘其中蘊藏的巨大價值，并依據(jù)服務性質的不同，構建出人工智能的基礎平臺。

　　這些平臺從基礎設施、平臺服務、軟件應用服務等層面，為人工智能技術的實現(xiàn)和人工智能應用的落地提供了基礎的后臺保障和實現(xiàn)前提。例如，云創(chuàng)大數(shù)據(jù)推出的深度學習一體機，就是在大數(shù)據(jù)基礎上推出的人工智能平臺，有助于研究者迅速深入到人工智能的核心領域。

　　人工智能技術專注于模式識別、機器學習和人機交互三個方面。模式識別偏重于對信號、圖像、語音、文字、指紋等非直觀數(shù)據(jù)方面的處理，如語音識別、人臉識別等。機器學習覆蓋了從通用人工智能應用到專用人工智能應用的大多數(shù)領域，如計算機視覺、自然語言處理、生物特征識別、DNA測序等。人機交互既包括了人與系統(tǒng)的語音交互，也包含了人與機器人實體的物理交互。

　　國內(nèi)人工智能技術在應用層面主要聚焦于計算機視覺、語音識別和語言技術處理領域。其中的代表企業(yè)包括科大訊飛、百度、阿里巴巴、騰訊、曠視科技、格靈深瞳等。

　　人工智能應用則涉及到專用應用和通用應用兩個方面。其中，專用領域的應用涵蓋了目前國內(nèi)人工智能應用的大多數(shù)應用，包括各領域的人臉識別、語音識別、智能機器人等方面。而通用型應用則側重于智能家居、智能農(nóng)業(yè)、智能醫(yī)療等領域的通用解決方案。目前，國內(nèi)人工智能應用正處于由專業(yè)應用向通用應用過度的發(fā)展階段。

　　從算法和芯片入手，推動人工智能應用創(chuàng)新

　　我國人工智能領域的研究積累和發(fā)達國家相比差距不大。如果能在國家戰(zhàn)略層面，制定針對人工智能的全面推進計劃，會給我國帶來實現(xiàn)彎道超車、提升綜合國力和影響力的絕佳機會。

　　我們應該大力推動人工智能發(fā)展，搶占人工智能應用創(chuàng)新制高點，助力國家產(chǎn)業(yè)轉型升級，爭取形成全球競爭優(yōu)勢。

　　這需要先創(chuàng)新人工智能算法。作為人工智能實現(xiàn)的核心，算法是未來全球人工智能行業(yè)最大的競爭門檻。但國內(nèi)基本上還是在學習國外的算法，缺乏對算法的自主創(chuàng)新。雖然在工程學算法上我國已取得了階段性突破，但是基于認知層面的算法水平還亟待提高，這也是未來競爭的核心領域。

　　目前，專用化領域的場景應用仍是研發(fā)和投資的核心，基礎技術的成熟也帶來了存儲容量和機器學習等人工智能技術的提升，但受限于現(xiàn)階段運算能力以及大規(guī)模CPU和GPU的并行解決方案，國內(nèi)人工智能的發(fā)展主要集中于計算機視覺、語音識別、智能生活等方向上。

　　因此，通過算法的創(chuàng)新、技術的演進、數(shù)據(jù)的積累演化和超算平臺的應用，未來我國人工智能產(chǎn)業(yè)的發(fā)展趨勢應由專用化領域的場景應用向語音、視覺等領域的通用化解決方案發(fā)展。

　　未來人工智能的競爭重點將在機器學習領域，即監(jiān)督學習、非監(jiān)督學習和增強學習三個方面。屆時，算法的競爭將進入白熱化階段。只有在算法層面突破，國家或企業(yè)才能在圖像識別和計算機視覺領域取得突破性進展和國際技術水平。

　　下一步，我國要做的是研發(fā)人工智能芯片。在目前對人工智能技術的大量討論中，有一點容易被忽略，那就是承載人工智能運行的芯片。人腦是千億神經(jīng)元、百萬億突觸構成的復雜網(wǎng)絡，現(xiàn)有芯片和這個還存在多個數(shù)量級差距。因此，我們需要從芯片上尋求突破，加強芯片的并行計算能力，在高速的狀態(tài)下分析海量的數(shù)據(jù)；提高芯片的編程專用性、高性能、低功耗，在大規(guī)模服務器部署或資源受限的嵌入式應用方面體現(xiàn)潛力；同時做到將性能和功耗完美結合。

　　以谷歌的TPU芯片為例，與市面上的FPGA和GPU相較，其每瓦性能呈倍數(shù)提升。該芯片對于降低的運算精度有更高容忍度。也就是說，它每次運作需要的晶體管較少，并因此能達到更高的每秒運算次數(shù)。在我國，中國科學院計算技術研究所發(fā)布的“寒武紀”處理器芯片和云創(chuàng)大數(shù)據(jù)即將發(fā)布的深度學習芯片，就是在這個領域的探索。