删除历史记录
　----
相关平台红包
人工智能投资真热还是“虚火”？　投资仍是小众行为
作者：之家哥
摘要：网贷之家小编根据舆情频道的相关数据，精心整理的关于《人工智能投资真热还是“虚火”？　投资仍是小众行为》的精选文章10篇，希望对您的投资理财能有帮助。
《真热还是“虚火”？　投资仍是小众行为》 精选一核心提示：人工智能发展至今，已形成颠覆行业和人类生活的强大能力，在图像处理、语音识别、服务机器人等诸多领域形成了诸多新商机。
人工真热还是“虚火”
“人工智能发展至今，已形成颠覆行业和人类生活的强大能力，在图像处理、语音识别、服务机器人等诸多领域形成了诸多新商机，将给广大创业者提供前所未有的机遇。”日前，中国NVIDIA(英伟达)公司全球副总裁、中国区总经理张建中在一次演讲中说。的确，人工智能自降生以来就仿佛自带光环、备受瞩目。尤其是最近，国务院印发的《新一代人工智能发展规划》中提出，到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，更使得人工智能将引爆智能投资革命成为坊间议论的焦点。与此同时，也有人表示担忧，人工智能投资是不是有些过热，该适度降降温了。但事实真的如此吗？
人工智能投资仍是小众行为
“其实，在我跟市场接触过程中发现，真正工智能的并没有那么多，大部分机构都在做试错性尝试。”近日，在由中共宁波市鄞州区委等主办的“智汇2017”人工智能产业发展高峰暨人工智能全球创新邀请赛启动仪式上，盛世、盛世方舟主管合伙人谢作强说。
会上，盛世方舟发布了人工智能研究报告，结果显示人工智能投资仍是小众行为，应用层仍存较大市场空间和。
人工智能这个词，最初是由达特茅斯大学助理教授约翰·麦卡锡在1956年提出的，指展现出看似具有智能行为的硬件或者软件。但受制于当时的计算能力，人们无法完成大规模的并行计算和并行处理，使得人工智能未能如愿的智能起来。直到2006年，随着硬件层、数据层以及算法层等各方面技术储备趋于成熟，科学家提出“”神经网络，才使得人工智能得以获得突破性进展。如今，深度学习的应用使得语义识别、图像识别的准确率大幅提升，进而促使人工智能产业又一次进入快速发展阶段。
“在看某个领域的投资热不热的时候，会观察两方面数据：一是媒体的热度，即看起来的热度；二是资金的热度，即真金白银的热度。”谢作强说。
媒体方面，近几年“人工智能”的新闻热度整体呈上升趋势。但百度搜索“人工智能”，会看到超过11万篇相关新闻，但比起“智能制造”的42万篇相关新闻、“创新”的43万篇相关新闻，人工智能的媒体热度还没有走入广泛大众。
在资金方面，有数据显示，美国有关人工智能的第一笔出现在1999年，2012年为爆发期拐点。中国第一笔人工智能风险投资出现在2005年，2013年进入爆发期。从融资金额来看，目前中国在人工智能的投资额约为635亿元，能占到全球的33%，仅次于美国的51%。然而，从融资数量来看，2016年一共发生9124笔、涉及7449亿元，而根据公开信息，人工智能的投资案例仅100多起，相较仍是“小众”行为。
数量占比并无优势
根据盛世方舟搜集到的一手数据，自2016年下半年至今，前来募资的基金当中，包含“人工智能”的基金数量占比约为10%；包含“智能/AI//”的基金数量占比约为24%。相比之下，覆盖文化娱乐领域的基金占比约为19%，覆盖医疗领域的基金占比约为27%，覆盖消费领域的基金占比约为22%。从投资领域看，较为专注的人工智能+垂直行业的基金数量占比约为14%。汽车、医疗和制造相关基金数量相近，汽车产业和医疗占比均超过40%。
通过观察已经布局和正在募资的人工智能相关基金，盛世方舟把活跃的分为两类：一类是机构(VCPE)，如真格、红杉、IDG、创新工场等，这些机构从2012年开始布局，通常天使轮单笔投资规模在数百万美元，偏爱海归。另一类是产业投资方，包括以BAT为首的互联网巨头，以及医疗、制造、汽车、消费等传统行业的产业龙头、上市公司。它们通过自有资金，但更多的是通过发起，参与到人工智能的前期布局，旨在于新领域占据一席之地，或希望找到创新动力帮助完成业务升级或转型，跟上时代步伐。
张建中表示，一项新技术或商业模式，一旦被某一家企业或者个人拥有，其他企业就失去了竞争优势；而人工智能恰恰是开放的，它的研发不是一个高门槛或是高投入的东西，但计算力确实是高收入的保障，因为比的是速度和准确度。
应用层仍存较大市场空间和投资机会
“人工智能领域对创业者要求非常高。很多是全球顶尖高校院所学术背景较强的技术大牛，或出身国内产业巨头的有技术背景连续创业的老司机。”谢作强说，而且对投资人的要求也非常高，需要专注该领域的投资人有一定的技术知识储备，并要能与技术来源(科研院所、高校)和应用产业(产业投资方或顾问)进行良好合作。
盛世方舟从接触的1000多个人工智能项目中，筛选出200多个进行了跟进研究，其中基础层项目(包括计算芯片、大数据、存储)仅占比1%，技术层项目(包括算法平台、图像识别、自然语言识别处理、智能机器人等)占比24%，应用层项目(包括无人驾驶、工业4.0、智能安防和智慧医疗等)占比75%。应用层行业上看，医疗、教育、汽车、营销领域的项目较为突出。
盛世方舟分析，从投资机会而言，国内人工智能基础层缺乏重大原创科研成果，基础层投资缺乏有竞争力的技术和人才，是国家战略应当抢夺的地盘。而技术层即将进入产业整合阶段，核心在于创始团队的技术实力和创新能力，当中存在可能性和机遇。应用层因国内巨大的人口和市场优势，以大数据收集为基础的医疗、教育、消费、营销等垂直行业尚未出现人工智能领域的行业龙头，存在较大的市场发展空间和投资机会。
目前，海内外人工智能项目仍以初创企业为主，技术层已积聚一定竞争优势，行业垂直应用尚未完全爆发，传统企业应借助自身积累的数据和资源优势，通过投资和并购提前布局人工智能，将有助于为企业自身发展注入新的活力。谢作强建议：“产业资本前期可以以为主，抢先完成产业链上下游布局；在适当的时机，可选择并购优质，巩固企业自身在人工智能应用领域的优势。”
的确，人工智能的崛起带来了许多的投资机会，但在源码资本投资合伙人、前微软亚洲工程院院长张宏江看来，其中也有许多投资陷阱。例如，中国有上千家做机器人、图像处理数据的公司，还包括做、自动驾驶的，显然已不需要再增加这样的公司，而且投资时也要思考其技术的领先到底能否持续。“再就是公司能不能持续获得数据，这对于竞争非常重要，只有算法和技术是很难形成持续的商业模式的。”张宏江说。
此内容为优化阅读，进入原网站查看全文。
如涉及版权问题请与我们联系。3】 产品建议与投诉请联系：
《人工智能投资真热还是“虚火”？　投资仍是小众行为》 精选二11月1日，由中共宁波市鄞州区委、宁波市鄞州区人民政府、宁波市发展和改革委员会主办，鄞州区发展和改革局、盛世投资、盛世方舟承办的“2017人工智能全球创新邀请赛”上，母机构、政府引导基金管理机构盛世投资打造的中早期业务平台盛世方舟发布了人工智能研究报告。盛世方舟认为，在看某个领域的投资热不热的时候，会观察两方面数据：一是媒体的热度，看起来的热度;二是资金的热度，真金白银的热度。媒体方面，从2011年至今，除了吴恩达加入百度担任首席科学家、微软公布“微软小冰”人工智能伴侣虚拟机器人、霍金警告人工智能可能使人类灭绝、谷歌AlphaGO战胜李世石九段这样的造成百度指数飙升，2016年到2017年，“人工智能”的新闻热度整体是成上升趋势的。然而，如果你现在百度搜索“人工智能”，会看到超过11万篇相关新闻，比起 “消费升级”30万篇、“智能制造”42万篇、“创新金融”43万篇。这表明“人工智能”的媒体热度还没有走入广泛大众，只主要活跃于相关领域的小圈子。资金方面，根据腾讯研究院的数据，人工智能方面美国第一笔风险投资出现在1999年，2006年进入发展期，2012年为爆发期拐点。中国第一笔风险投资出现在2005年，2013年进入爆发期。从融资金额来看，目前中国在人工智能的投资额约635亿元，能占到全球的33%，仅次于美国的51%。这说明我国相当重视在这个战略性新兴产业的布局投入，力争在人工智能发展潮的全球较量中，抓取未来竞争新优势。然而，从融资数量来看，清科数据显示，2016年发生投资案例9124笔涉及7449亿元，而根据公开信息人工智能投资案例大约仅100多起，相较仍是“小众”行为。根据盛世方舟触及到的一手数据，自2016年下半年至今，前来募资的基金当中，投资领域包含“人工智能”的基金数量占比约为10%;包含“智能/AI/大数据/云计算”的基金数量占比约为24%。相比之下，覆盖文化娱乐领域的基金占比约为19%，覆盖医疗领域的基金占比约为27%，覆盖消费领域的基金占比约为22%。以包含“智能/AI/大数据/云计算”的基金为基数进行分析，除去规模待定基金和，拟募集总规模达547亿元。从看，早期参与人工智能领域的数量最多，占比超过50%;成由于单只较大，规模占比最高，超过60%。从投资领域看，较为专注的人工智能+垂直行业的基金数量占比约为14%。汽车、医疗和制造相关基金数量相近，汽车产业和医疗产业占比均超过40%。通过观察已经布局和正在募资的人工智能相关的基金，盛世方舟把活跃的投资方分为两类：第一类：专业(VCPE)，尤其中早期机构，例如真格、红杉、IDG、创新工场等，从2012年开始布局。通常天使轮单笔投资规模在数百万美元，偏爱海归。这类传统知名的VCPE通过关注行业动向，旨在行业爆发前捕捉机会。从真格可以看出，年对技术层的计算机视觉与图像、语音及自然语言处理做了较为全面的布局;2016年开始，着重对应用层进行投资，领域覆盖医疗、无人机、消费、营销等。第二类：产业投资方。这里也分为两类,一是以BAT为首的互联网巨头;二是医疗、制造、汽车、消费等传统行业的产业龙头、上市公司。有的通过自有资金，更多方式是通过发起产业基金，参与到人工智能的前期布局，旨在新领域占领一席之地，或希望找到创新动力帮助完成业务升级或转型，跟上时代步伐。盛世方舟分析，人工智能领域对创业者要求非常高。很多是全球顶尖高校院所学术背景较强的的技术大牛(技术层)，或出身国内产业巨头的技术背景连续创业老司机(应用层)。同样，对投资人的要求也非常高，需要专注该领域的投资人有一定的技术知识储备，并能通过与技术来源(科研院所、高校)和应用产业(产业投资方或顾问)合作。盛世方舟从接触的1000多个人工智能项目中，筛选出200多个进行了跟进研究，其中基础层仅占比1%，技术层24%，应用层75%。应用层行业上看，医疗、教育、汽车、营销领域的项目较为突出。另外在会上，经过近两个月比拼，在全球300多家人工智能项目中,大赛6强诞生，来自北京的EchoCloud智能语音云端接入平台项目获得大赛一等奖，零眸智能项目和迅维GBI泛大数据平台项目分获第二、三等奖，iDataAPI、ThePrimaryAlpha 、UniversityAI项目获得优胜奖。据悉，为了鼓励人工智能领域到宁波创新创业，宁波市鄞州区委、区政府给予人工智能领域的企业、项目、人才多项政策支持。此次大赛一等奖项目将获得腾讯云扶持计划50万元奖励以及英伟达图形处理加速卡一块，第二、三等奖分别获得腾讯云扶持计划20万元奖励。此次大赛中符合条件的优质人才与项目，可申请人才计划并直接进入答辩环节，最高补贴800万。盛世方舟主管合伙人谢作强介绍，在此次大赛中，盛世方舟携其所投50多只顶级中早期基金，比如达晨、启明、纪源、真格、创新工厂、德丰杰、丰厚资本及产业资本等，共同寻找与打造人工智能领域的下一个“”。获得前三名的项目如果入驻宁波盛世方舟可免租金一年，并可享受全体系孵化服务;优秀项目将有机会获得盛世投资直投和盛世投资母基金头部GP直投。此次报名参赛的300多个人工智能项目，可细分为图像识别、生物特征识别、自然语言生成、语音识别、机器人流程自动化、深度学习平台、针对人工智能优化的硬件、、决策管理、文本分析和NLP、虚拟代理及其它方向。为了让人工智能项目享有更专业化的服务，大赛特邀请全球人工智能领军企业英伟达、腾讯云作为技术合作机构。《人工智能投资真热还是“虚火”？　投资仍是小众行为》 精选三　　　从国际到国内，从互联网巨头到行业新贵，人工智能已成为最受瞩目的新兴产业，站上了新时代的“风口”，人工智能领域已受到资本的追捧，吸引了大量资本竞相进入。截至2016年年底，我国人工智能产业市场规模已经增长至95.6亿元，年均复合增长率高达40.25%。　　人工智能无疑是当下最受憧憬的领域之一。　　将时间倒回至2016年春天，在那场全球瞩目的人机大战中，以AlphaGo(阿尔法狗)为代表的人工智能战胜了韩国围棋九段李世石，人类真正感受到了人工智能的巨大力量。随着技术的不断刷新，人工智能正从方方面面改变着人们的生活模式和生产方式，也引领着世界经济的变革。　　资本的嗅觉总是最灵敏，在全球人工智能崛起之时，大量的风投资本涌入这个新兴的技术领域。2016年甚至被一些人称为“人工智能元年”，既是对技术的敬畏，也是资本追捧的开始。　　人工智能的机遇　　人工智能（Artificial Intelligence），英文缩写为AI，是指研究、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技术科学。人工智能在2016年迎来了一次爆发，背后的原因就是人工智能的“三驾马车”——大数据、超级计算平台和机器学习技术都取得了突破性进展。　　在全球竞相发展人工智能之际，我国同样高度重视这一新兴技术，并早已开始进行战略布局。资料显示，2015年7月，“人工智能”被写入《国务院关于积极推进“互联网+”行动的指导意见》；2016年3月，“人工智能”一词被写入“十三五”规划纲要；2016年5月，国家发改委等四部门联合下发《“互联网+”人工智能三年行动实施方案》；2017年3月，“人工智能”首次被写进《政府工作报告》；7月20日，国务院发布《新一代人工智能发展规划》，提出到2030年，人工智能产业竞争力达到国际领先水平，核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。　　这一系列战略部署，表明了国家对新兴产业的重视，将人工智能提高到促进经济发展的新高度，并拉开了我国人工智能高速发展的大幕。　　有研究报告显示，2014年，我国人工智能产业市场规模为48.6亿元；截至2016年年底，人工智能产业市场规模已经增长至95.6亿元，年均复合增长率高达40.25%。该报告表示，随着人工智能应用范围的扩大，将带动产业规模高速增长。另一份全球人工智能发展报告显示，中国人工智能专利申请数累计达到15745项，位列世界第二位；人工智能领域投资位列世界第三位。　　当前，大量人工智能专业人士开始集中进入这一产业，这将为各行各业引入人工智能技术带来巨大机会。从产业上来讲，未来几年也是人工智能在金融、医疗、教育等大数据行业以及感知交互领域全面渗透的时期，这些行业将会率先涌现出大量的人工智能场景应用。可以的是，未来5年到10年，人工智能就像水和电一样无所不在，一个全新的“人工智能+”时代正在到来。　　创投资本持续热捧　　毫无疑问，从国际到国内，从互联网巨头到行业新贵，人工智能已成为最受瞩目的新兴产业，站上了新时代的“风口”。现在，人工智能领域已受到资本的追捧，吸引了大量资本竞相进入。就连、创新工场创始人李开复不久前都开始为人工智能代言，代言词是“我不是李开复，我是人工智能”。　　从全球市场来看，亚马逊、Intel、苹果、Facebook、Google、Uber等科技巨头公司相继实现了人工智能技术的革新性应用。在国家政策的大力支持下，国内人工智能市场也正跟随全球的步伐迅速崛起。目前，人工智能领域已成为最受关注的领域之一。　　根据清科集团私募通数据，2010年至2017年5月，我国人工智能领域共发生2218起投资事件，涉及达668.42亿元。其中，2015年为AI领域爆发式增长年，活跃在中国大陆的VC/PE机构、互联网巨头公司开始不断加码对AI领域的资本布局，全年投资案例从2014年的281起激增到719起，同比增长155.9%；从2014年的54.87亿元上升至159.50亿元，同比增长190.67%。　　经过2016年的积淀与技术性突破，人工智能在2017年依然受到资本的高度关注。从行业分布看，机器学习、智能机器人、自然语言处理是人工智能投资热度最高的垂直细分领域。其中，机器学习最受PE/VC机构关注。统计显示，今年前4个月，500余家与机器学习相关的企业获得，涉及资金超过60亿美元。　　公开资料显示，真格基金在人工智能领域投资36家，占其比例超过10%。创新工场以人工智能技术为导向的企业有30多家，占投资总数的10%左右。从数量上看，红杉资本在人工智能领域的布局仅有19起，虽然与其总投资项目相比较少，但作为一家老牌VC，红杉资本从2016年开始在人工智能领域的动作变得频繁起来，尤其是偏爱计算机视觉和语言处理技术。　　　“风口”中还需冷静思考 　　前不久，人工智能企业商汤科技宣布的B轮融资总额高达4.1亿美元。这个数字创下了全球人工智能领域单轮融资最高纪录，由此引发各方对于人工智能投资“风口”的思考。　　毫无疑问，人工智能的崛起的确带来了许多投资机会，但其中的机会是否如投资者所憧憬般那么美好，是否会形成新的投资泡沫值得深思。有分析人士表示，当任何一家公司言必提人工智能的时候，人工智能行业就有出现泡沫的嫌疑。　　源码资本投资合伙人、前微软亚洲工程院院长张宏江表示，其中会有许多投资陷阱。张宏江表示，中国有上千家做机器人、图像处理数据的公司，还包括人脸识别、自动驾驶，显然已不需要再增加这样的公司，而且投资时也要考虑其技术的领先到底能否持续。润米咨询董事长刘润表示，人工智能只是一个开始，这一波大热是被投资催化出来的“虚热”，会有一批公司突然冒出来，但也会死掉一些。刘润认为，到2019年、2020年能生存下来的人工智能公司，可能才是真正的好公司。　　当然，作为新兴行业，人工智能的健康发展还需要更高层次的战略布局。中国科技传播中心副主任毛大庆认为，人工智能属于国家战略性产业，人工智能的发展要求的投入很高，需要国家在底层技术上进行铺设和投入，仅靠天使、创投远远不够。毛大庆表示，美国、英国、德国都做了很多国家性的基础设施的投入，比如目前核技术已经渗透到方方面面，若不是国家战略并进行底层技术铺设，其发展就不会这么扎实。　　科大讯飞轮值总裁胡郁也表示，要从全球历史发展角度来看人工智能。美国政府把人工智能作为继星球大战计划、核计划之后进一步称霸全球的战略，是美国下一阶段在全球保持霸主地位的支点。这绝对不是简单做出一些智能化产品和硬件的事，而是人工智能理论和技术的系统体系的形成以及在各行各业中的深入应用。　　2015年7月 　　“人工智能”被写入《国务院关于积极推进“互联网+”行动的指导意见》 　　2016年3月 　　“人工智能”一词被写入“十三五”规划纲要 　　2016年5月 　　国家发改委等四部门联合下发《“互联网+”人工智能三年行动实施方案》 　　2017年3月 　　“人工智能”首次被写进《政府工作报告》 　　日 　　国务院发布《新一代人工智能发展规划》
《人工智能投资真热还是“虚火”？　投资仍是小众行为》 精选四2017深圳国际BT 领袖峰会在会展中心盛大举行，在这次峰会期间由并购菁英汇主办，深圳市国际贸易促进委员会、易界、星汉资本协办的“2017中国产融创新系列论坛——人工智能医疗”会议上，嘉宾对未来医疗场景的分析与见解。未来几十年以后，在地球上面生活的人们生活质量非常高，如果他们生病了，只要到医院相关诊室绕了一圈，就可以把你的病治好。据了解，本次论坛主要围绕“医疗创新·奇点临近”主题进行了全面的探讨，与会嘉宾分享了人工智能＋医疗的发展趋势、基因科技、中医精准医疗、大数据的医疗价值、投资布局、产业及跨境并购趋势等多方面的话题展开讨论。事实上，人工智能这个概念是1956年的Dartmouth学会上被提出的，这个概念也在扩大。人工智能简单来说，它是把AI系统做得像人类一样，核心能力有三个方面，感知能力、运动控制能力、学习推理能力。其最大的优势就是计算性能的高效，这是它硬件的支持。我们人类大脑的运转速度由于生物学、细胞的信号传导等的因素所限只能达到这样的水平。面对庞大复杂的资料数据，人工智能成为医疗健康产业链改革的重要试验田。平安证券医药行业首席分析师 叶寅平安证券医药行业首席分析师叶寅认为人工智能对医疗的价值有两个方面：一是提高效率，二是降低成本。解决医疗资源不足，提升医疗领域生产力是对人工智能+医疗的根本需求和发展动力所在。目前在人工智能在医疗领域有广阔的应用场景，重点包括“健康管理、语音识别、药物挖掘、医学影像”四方面为主，其他还有在可穿戴设备、病理学、生物技术、精神健康、风险管理、急救室管理、营养学方向的应用。通过梳理，国内AI+医疗创业公司主要分为医疗影像类、医疗大数据类、医疗保健类、医药研发类以及医疗信息化类5大类。中科院深圳先进院医学信息技术研究中心主任李烨如何将其更好的人工智能运用到医疗的产业链条的每个环节，其最大价值,嘉宾中科院深圳先进院医学信息技术研究中心主任李烨认为：当前的医疗行业的最大痛点就是医疗资源的不足。通过AI把医疗案例下放到社区，可以大大缓解社区医疗压力，解放更多人力。举个例子，通过大数据汇总来的信息，我们也可以分析出更深层次的信息，例如疾病的分布，患者的特征等等，这样可以做到更好的疾病预防。除此之外，会议精彩之处是从产业链条不同角度诠释人工智能的重要性，其中包括上市公司、专业投资人，专家学者等，香雪制药董事长王永辉中医的本质是精准医疗，更是理想的AI应用场景，作用于：完善个性化诊疗体系、有效个性化用药方案解决、理想的健康管理模式、弥补微观层面中医不够精准的问题。中医具有优越服务体系及运营模式，解决优质医疗资源不足，包括诊断、预测、治疗和管理服务，AI在基层医疗的核心应用场景就是如何借助机器（人工智能）力量，帮助基层医生达到中等程度的诊疗服务水平，让老百姓愿意走进基层医院，真正实现“分级诊疗”。中医药结合自成产业闭环：传统中医强调“医先识药，识药先懂医，无医不识药，无药不成医，医药不相离”；中医治未病体系实现医患利益趋同，中医治未病倡导主动干预，防病于未然，从而提高生活质量、减少疾患痛苦，节约治疗费用、减轻社会负担。香雪制药建立了国内首个基于技术和人工智能的中药处方配制平台，是中医个性化用药的完美解决方案。汤臣倍健董秘吕静莲虽然都是AI，AI细分是非常不同的，我们可能会有语音语义的MLP和MLU的部分，另外就是像知识图谱的部分，这些东西可能是我们更加关注的一些内容。汤臣的基金想做的事情其实想借助几家上市公司的能力，对他们做一些相应的人工智能化的应用，但基础层我们就做不了，我们希望更多从技术层面到应用层面的转化。人随着整个科技的发展，60年一大跃进，能有一些更新的东西，如果我们将来在做相应的投资布局的时候，就不仅仅是我们想象中的东西，我们希望能够做到用户的多轮对话，但事实上发现不管是siri，还是小娜，包括我去看Watson，可能都还不行，那天我们还看到斯坦福有一位教授正在做语译机，可能当语译机出来的时候我们还想做用户动态的数据收集和信息累积的时候，当这些基础性的研究能够渐渐到位的时候，这种产业化的公司才能更多的在布局当中取得比较好的成效。华大基因总裁首席产品官彭智宇基因测序是精准医疗入口，成为其判断的依据之一，华大基因设立了目前全球最大的基因组的研究中心，基因检测在遗传病提早发现及预防，健康基因的选择、量身定药等，基因科技贯穿了整个生命周期，都有相应的解决方案。比如“无创产前检测”，今天全球已超800万孕妇接受了这样的检测，其中有一半是来自于中国完成的，还有一半（即四分之一）是在华大基因完成，生命科技在中国的红利还有一个，就是基因的遗传资源，中国的国情再加上技术的领先，也可以让我们在精准医疗这个新的方向有领先的机会。中科新知董事长庞志强人工智能本质上就两块，一个是机器学习，一个是大数据，实际上机器学习这一块，包括腾讯也给我们开放了AI的技术引擎、语音语义，后来意识到了一件事，机器学习这一块，机器算法这一块，未来一定是像现在的水和电一样，完全你可以按需去采购，尤其像运算能力、内存、存储等等，这都是按需采购的，但真正应该有一个连续的大数据，谁能掌握这个连续大数据才是真正有用的东西。比方医院的数据，其实医院的数据也有一个问题，首先是离散的，它的数据格式也是不一样的，还有一个最重要的问题是，医院的数据已经是发病以后的数据，你拿它干什么。所以你看到人工智能的领域，在医院这一块的应用模式识别、影像识别现在做得非常好，这些才是真正有用的。健康管理那一块，谁掌握了连续数据，这是第一点，当然谈到医疗领域，我们默认的一件事它是一个医疗级别的数据，在被默认为医疗认可数据之后，我觉得最主要的是连续，我知道今天的CFDA有五家连续血糖仪正在接受注册，连续的数据是很有用的。易界管理合伙人蒋小旭人工智能和医疗健康相结合的话题来看，第一，在海外在很多基础层面应该是先行于国内很长时间，比如IBM Watson医疗诊断系统，已经达到一个非常智能的水平，现在在国内跟浙江、江苏、上海已经开始了一些合作，在医院也有进驻，不管是在基础的层面，IBM的基础，像算法、运算能力方面的一些研究，还是在应用层面，比如说在癌症的诊治，基于人类医学大数据相结合方面，还是走出美国的实验室到一些应用的唱机，包括在中国跟中医诊治方面的结合，都是做了很好的范例。第二，在很多应用场景，像认知方面的影像的诊断、影像识别，在药物的挖掘，比如大分子、小分子早期的筛选，削减药物研发整体的时间方面，人工智能已经走出了很大的一步。东方富海合伙人周绍军年，AI医疗各领域共发生融资事件241起，其中：应用层86起、技术层71起、基础层84起，应用层持续热潮，基础层热度下滑。AI医疗投资领域集中，天使轮和A轮，较多布局在虚拟助手、医疗影像、医用机器人、智能健康管理B轮及B轮后，较多公司做虚拟助手、医用机器人。在国外，AI+健康医疗投资分布最大的在健康管理，其次是新医药和新技术发现，第三是病历分析，最后才是医疗影像；在国内，医疗影像投资占比47%，硬件占近30%，健康管理只占6%。国内的投资绝大部分在早期，处于弱人工智能时代。近年来AI+医疗这么火热，一是社会需求的升级，医疗资源不足、成本高，医生培养周期长，现在社会人口老龄化等都是亟待解决的问题。二是技术的迭代发展，有足够的技术撑起现状的改变。阳普医疗董事闫红玉上市公司在医疗领域的投资布局的项目相对早期，所以我们一般不倾向于直接收购到上市公司的体内，所以即使是从技术上非常看好的企业，我们也会按照会计准则的要求，比如说百分之多少可以不并表，百分之多少可以不派董事，以便对上市公司的财务报表不产生影响，这也是保护中小投资者的利益。在这种情况下我们对一些非常看好的小型公司采用两种方式，一种是用孵化器公司去专门孵化，股份占比在会计准则规定的并表的线以下。第二种是和一些基金合作，先在体外持有这个公司的少部分股权，孵化了以后，等到这个公司发展到达预期后，我们可以用比较合理的价格把这个公司收购过来。董事总经理李磊人工智能是一个挺宏大的概念，对我们来讲很核心的一点，人工智能不管是在医疗领域还是在其他领域，我们更关注的是如何能够通过大数据，通过大数据的应用，以及大数据，包括连续数据的分析。未来，我们会更关注像技术层，应用层普遍会偏早期关注较少，而且波动和变化会更大，我们在技术层和基础层面的布局和投资会多一些。比如商汤科技，是国内做人脸和人像识别做得最好的一个团队，它们在医疗领域的布局也很多，在人脸识别这个领域积累的技术和算法再布局医疗领域。基础层面我们布局会更长期，这更需要大体量的资金和相窥更长时间的资本，不光包括人工智能的硬件，还有设备的投入，也包括整个互联网更基础的一些基础设施，比如说包括数据中心和高运算能力的数据中心的投入。
《人工智能投资真热还是“虚火”？　投资仍是小众行为》 精选五安全110（） 编者按：人工智能产业链可分为基础层、技术层和应用层。对此，全球巨头立足自身核心技术进行扩散，积极进行布局。与此同时，中国人工智能产业链也已“显山露水”，20余家A股公司正在“抢滩”产业链。近日，中国人工智能产业发展联盟组建成立。据介绍，联盟将快速推动人工智能技术在生产制造、健康医疗、生活服务、城市治理等场景的应用，提升产业发展能力与水平。同时，将整合全产业链资源，促进人工智能科技成果和资源的积累与转化。业内比较一致的看法是，人工智能产业链可分为基础层、技术层和应用层。对此，全球巨头立足自身核心技术进行扩散，积极进行布局。与此同时，中国人工智能产业链也已“显山露水”，20余家A股公司正在“抢滩”产业链。基础层：中国芯片尝试“弯道超车”基础层主要包括计算芯片、大数据、存储。微软的最新研究报告称，在人工智能领域，传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求，这就需要新的底层硬件来更好地储备数据、加速计算过程。基础层主要以硬件为核心，其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件，这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力，目前多以传统的国际IT巨头为主。目前，在GPU领域，英伟达主打工业级超大规模深度网络加速，并推出了基于Volta、首款速度超越100TFlops的处理器Tesla；英特尔主要围绕FPGA构建产业，推出了模仿人脑的人工智能芯片。谷歌也推出了第二代TPU芯片，为自己的开源TensorFlow框架提供芯片支撑。此外，在这一领域还有众多的初创公司，如中星微、寒武纪以及西井科技等，但在产业布局能力和研发实力方面，还不能与上述巨头匹敌。《经济参考报》记者注意到，中国在类人脑芯片上的探索起步并不晚。，由浙江大学计算机学院牵头，浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料（CMOS）的脉冲神经网络（SNN）的类脑芯片――“达尔文”芯片。该课题组认为，“达尔文”虽是国内首款脉冲神经网络的类脑芯片，但与国际先进水平的IBM TrueNorth芯片比较，还有一定距离。中国在类人脑计算上的探索目前比较受关注的是中国科学院计算技术研究所陈云霁、陈天石主导的“寒武纪”课题组。计算所的有关专家告诉记者，寒武纪深度学习处理器的能效比主流CPU和GPU有两个数量级的提升，具有较强的市场竞争优势。从2017年起，“寒武纪”课题组获得了中科院为期18个月共计1000万元的专项资金，用于项目研发及产业化。据中国科学院计算技术研究所智能处理器研究中心介绍，这1000万元专项资金一方面用于人工智能芯片的基础性研究，探索下一代人工智能芯片的架构、算法以及在一些新型场景（如AR/VR）中的应用开发方法。这将为我国参与智能时代国际芯片市场角逐打下科学和技术基础。专项资金另一方面用于寒武纪芯片在各种智能云服务器、智能终端和智能机器人市场中的推广，力争在18个月内初步奠定寒武纪芯片在智能芯片市场上的地位。中科院计算所有关负责人表示，“‘龙芯’是一条路，寒武纪是一条路，而与IBM、英特尔、AMD合作是另一条路。‘龙芯’走的是‘人有我有’之路，寒武纪走的是‘弯道超车’之路。”技术层：国产语音识别算法取得突破技术层包括算法平台、图像识别、自然语言识别处理和智能机器人。当前，国内的人工智能技术平台主要聚焦于计算机视觉、语音识别和语言技术处理领域，国内技术层公司发展势头也随之迅猛，其中有代表性的企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、地平线、SenseTime、永洪科技、旷视科技、云知声等。麦肯锡的一份研究报告对中国人工智能发展状态进行了全面而细致的梳理。麦肯锡认为，中国在算法开发方面与其他国家相当。中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。中国科技战略研究院有关专家对记者表示，“人工智能产业的发展离不开海量数据的支撑，数据训练量的大小影响着算法实现的成熟度。”阿里云iDST总监初敏表示，算法、数据、计算平台、用户、商业模式，用互联网的思维把这五个因素串起来，人工智能迭代才能非常快。以更快的速度使用反馈数据来更新模型，形成这样的正循环周期后，效果就会越来越好。哪怕就是算法不变，只要能不断地反馈数据并不断优化，过一两个月之后，它的能力也会好很多。国内的曙光公司联合众多企业成立了航天星图、中科三清、曙光易通，锁定数据。航天星图专注于地理空间大数据处理、可视化应用，中科三清由曙光与中科院物理所合资，专注于大气、水以及土壤污染的预报、预警，治理评估和应急提供可行性的解决方案。除了传统IT企业在抢数据资源之外，事实上，中国也涌现了很多运营和经营数据的公司，比如数据堂、星图数据、百分点等，并涌现了更多公共数据开放平台。数据显示，中国数据总量占全球数据总量的14%。据预测，到2020年，中国的数据总量将占全球数据总量的20%，届时中国将成为世界第一数据资源大国和全球的数据中心。创新工场人工智能战略白皮书显示，数据隐私、数据安全对人工智能技术建立跨行业、跨领域的大数据模型提出了政策、法规与监管方面的要求。各垂直领域的从业者从商业利益出发，也为数据的共享和流转限定了基本的规则和边界。此外，许多传统行业的数据积累在规范程度和流转效率上还远未达到可充分发挥人工智能技术潜能的程度。麦肯锡表示，中国的大技术公司通过它们专有的平台收集数据，但中国在创建数据友好的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。从世界有关国家看，开放政府数据有助于私营部门的创新，但中国公共部门开放的数据相对较少。应用层：驾驶、医疗等成热点领域应用层包括无人驾驶、智能安防和智慧医疗等。从全球看，IBM最早布局人工智能应用，“万能Watson”推动多行业变革。百度推出“百度大脑”计划，重点布局无人驾驶汽车。而谷歌的人工智能业务则较为繁杂，多领域遍地开花，包括AlphaGo、无人驾驶汽车、智能手术机器人等。微软则在语言语义识别、计算机视觉等领域保持领先。科大讯飞董事长刘庆峰表示，2017年是中国人工智能应用的落地年，成为人工智能产业发展的分水岭。他认为，应用才是人工智能发展的硬道理，只有技术不断地应用在各个领域，才能得到发展。共2页:上一页12下一页写在最后：给大家推荐一家3年老平台立即理财拿红包→(年化收益10%)转载本文请注明来源于网贷安全110：/news/261844.html分享到：QQ空间新浪微博腾讯微博微信百度贴吧QQ好友window._bd_share_config={"common":{"bdSnsKey":{},"bdText":"我在【网贷安全110】看到这篇经典的文章，有趣-有料-有内涵！你们看看觉得如何？","bdMini":"2","bdMiniList":false,"bdPic":"/","bdStyle":"1","bdSize":"16"},"share":{"bdSize":16},"image":{"viewList":["qzone","tsina","tqq","weixin","tieba","sqq"],"viewText":"分享到：","viewSize":"24"},"selectShare":{"bdContainerClass":null,"bdSelectMiniList":["qzone","tsina","tqq","weixin","tieba","sqq"]}};with(document)0[(getElementsByTagName('head')[0]||body).appendChild(createElement('script')).src='http://bdimg./static/api/js/share.js?v=.js?cdnversion='+~(-new Date()/36e5)];《人工智能投资真热还是“虚火”？　投资仍是小众行为》 精选六
人工智能发展最大的制约因素是，人类对大脑的认知十分有限。人工智能话题热度仍在延续。10月12日，继昨日阿里云栖大会在杭州开始举行后，由美国国际数据集团（IDG）、广州市科技创新委员会共同举办的2017年小蛮腰科技大会主论坛全球移动开发者大会暨人工智能高峰论坛在广州四季酒店举行。广州市市长温国辉出席并致辞，广州市副市长王东一同出席，体现出广州市政府对于此次论坛的重视。在本次论坛上，IDG资本全球董事长熊晓鸽透露，广州将成为IDG集团人工智能论坛永久的举办地。本次论坛的主角，除熊晓鸽和企业界的领军人物外，还有来自人工智能产业界和学界的领军人物，具体包括：美国硅谷人工智能研究所创始人Piero Scaruffi，美国通用电气数字部门高级项目副总裁Peter Marx，鸿海集团副总裁陈永正，德国汉堡大学科学院院士、国家千人计划专家张建伟，美国天普大学计算机与信息科学系副教授王培等。论坛的主线有两条：1、资本界在人工智能领域的布局；2、人工智能发展的前沿和在企业界的应用情况。首先从投资者关心的人工智能领域的投资机会来看。熊晓鸽表示，IDG集团在美国投资了2家汽车自动驾驶企业，国内投资一家自动扫玻璃幕墙的企业。赛伯乐总裁王阳则表示，社会需求即是公司的投资方向。公司主要致力于投资人工智能的基础设施建设，如物联网、大数据和云计算等，应用层面则主要着力于人工智能在医疗和理财方面的应用。高通集团（Qualcomm）全球副总裁、中国区总经理沈劲则表示，高通的主要投资方向包括设备端的人工智能和手机人工智能，美国视频门铃第一品牌Ring和中国移动视频门铃第一品牌移康均是高通企业。AC加速器创始人兼CEO徐勇表示，人工智能领域的投资主要看合伙人是否在科技领域内有十年以上的从业经验。国内和国外在人工智能领域的创业氛围差别较大，在实际接触的案例中，徐勇称美国的团队给人一种认真在做事的感觉，而国内的部分创业团队给人的感觉是在玩概念创业。但不可否认的是，国内人工智能方面的创业者具备多方面的优势，与此同时，国内创始人的勤劳程度也远超美国。鸿海集团、高通等企业高管相继介绍了公司在人工智能层面的理解与运用。鸿海集团副总裁陈永正提到公司转型工业互联网方面，主要提到“四化”：自动化、移动化、影像化和智能化。从基础设施即服务（IaaS）层面来看，主要包含七个方面：云（云计算）、移（移动装置）、物（物联网）、大（大数据）、智（人工智慧）、网（网连接）、机器人（自动化）。与此同时，鸿海集团认为人工智能未来的趋势是：“软硬整合、实虚结合+互联网”模式，具体会涉及人流、技术流、讯息流、过程流、物流和金流。高通集团全球副总裁沈劲介绍了公司对于科技前沿的理解，认为万网互联正处在理性爬坡的阶段。而无人机和机器人则经历了非理性需求的破灭，AR/VR则正在酝酿再次出发前的准备。与此同时，沈劲表示智能手机仍为人工智能的最大平台，预计2017年到2021年智能手机累积出货量超过85亿台。资本对于人工智能的投资保持着较高的热情，但无论是学术界还是企业界都不乏理性的声音。德国汉堡大学科学院院士、国家千人计划专家张建伟表示，制约人工智能发展的最大难题是，人类对于大脑的认知能力十分有限，受制于法律和道德等方面的制约，人类的大脑还是我们认知领域的“黑盒子”。诺基亚贝尔股份公司总裁王建亚则提到，婴儿出生的时候有1000亿的神经元，人长大了还是一样数量的神经元，但是由于神经元之间的相互作用下，人类有了各种各样的创新产生，人类大脑的复杂性人工智能短期内难以突破。美国普天大学计算机与信息科学系副教授王培则表示，目前通用人工智能仍是小研究社区，且处于百家争鸣的阶段。美国硅谷人工智能研究所创始人Piero Scaruffi在主题演讲中提到，2012年是人工智能非常重要的一年，2006年左右深度学习的概念被发明出来，到了2012年后才真正把深度学习的理念应用到人工智能领域，此后大家才开始高度关注人工智能。与此同时，Piero Scaruffi介绍了推动人工智能发展背后来自中国、日本、德国、以色列、罗马尼亚等地区的科学家。Piero Scaruffi在主题演讲中，提到了我国政府在7月20日发布的新一代人工智能发展规划，并指出未来物联网、生物技术、3D打印、和VR等多领域将涌现出更多的商业机会。与此同时，他还提到2016年中国在人工智能领域发布的论文数已经超过美国。人工智能的发展仍然面临着不少的问题，但是与会专家看好中国人工智能发展的主要原因有四个：1、大众对于新技术的热爱；2、政府层面人工智能规划的出炉；3、垂直领域的人工智能应用兴起；4、与国际接轨，引入国际人才。整体而言，不同的企业对人工智能的理解和运用存在较大的区别，但从学术界的角度来看，人工智能的发展是一个渐近的过程。在资本高度关注人工智能领域投资机会的同时，也需要客观衡量人工智能发展的进度。尤其对于A股市场热衷炒作概念股的投资者而言，值得警惕。
《人工智能投资真热还是“虚火”？　投资仍是小众行为》 精选七原标题：姜国平：人工智能意味着一个新时代的到来
“星夜20点”是证通财富推出的一档与大咖面对面的栏目，针对时事热点，当前经济形势以及行业投资机会，邀请顶级大咖，为大家提供指导。 第三期，我们邀请了光大证券计算机行业首席分析师，给大家分析当下的热点话题“人工智能时代的投资机会”。 姜国平演讲实录 大家好，我是光大证券的计算机研究员姜国平，感谢证通公司给我这个机会跟大家交流一下我们在人工智能领域的一些研究成果。在开始讲之前根据合规的要求我有一个小的声明，就是交流不代表个股的推荐，所有关于具体的以我们光大证券计算机团队所发出的正式报告为准。我在交流过程中可能会提到一些公司的名字，这只是为了整个的需要，也不代表股票的推荐。 那么正式开始，最近人工智能非常的热，无论是从创业的一级市场到到国家的政策层面都非常热。我们怎么去看人工智能的机会，我今天会简单介绍一下，从大背景包括一个大的分类，包括未来的一些细化的方向，包括选择的一些标准。 人工智能从大的方面来说，它意味着是一个新的时代的到来。我们从历史上去看，可以去看几个大的阶段。从最早的农业文明到工业文明到信息文明以及未来智能文明，它所在这几个大的阶段里，它的要素是不一样的。 农业时代的话，包括像农具、农产品、人力；工业时代的话，主要是机械设备、工业品、石油；信息时代的话，信息设备、数据电力；智能时代的话，未来就是数据、智能工具、智能产品。这个将是未来的智能式的核心，我们现在就慢慢进入一个所谓的智能时代。 人工智能发展其实已经有很长的历史了，最早可以追溯到1943年到1956年这个阶段，是人工智能诞生的阶段。当时主要以控制论和早期的神经网络的出现为标志，真正的行业上比较认同的就是人工智能诞生的点是1956年的达特茅斯会议，它标志就是人工智能理论的诞生。 接下来其实发展的并不是特别顺利，经过了早期的一大发现到后面的两次低谷，中间的再度繁荣，以及到了2000年前后再次新的探索，基本上到了年以后，行业开始加速，就是一个新的浪潮。也是从语音、视觉这些技术取得了比较大的进展，尤其是深度学习的出现，引领人工智能进入了一个新的浪潮。 我们去观察的话，从2015年开始整个的人工智能浪潮开始加速，趋势出现了几个特征。第一个就是出现了一个开源的浪潮，越来越多的公司开始把自己的机器学习的技术，作为工具去开放给全球的开发者去使用。 第二个就是创业融资升温，就是创业领域非常多。 第三个特点就是巨头加速布局，从15年开始我们看到各个科技巨头，对人力、人才的需求增强已经成为一个非常重要的特征；大家无论是从应用到技术的一些基础研究，都在加快布局。 第四个特征就是产品应用落地，我们看到一些陆陆续续的产品出现，这些产品无论是面向普通消费者的还是面向行业应用的，都开始慢慢推向市场。从15年开始，我会看到人工智能是开始加速了。 之所以人工智能快速加速，有几个先决的条件。第一个是大量的数据，尤其是过去几年信息文明的发展，互联网的发展，带来了大量的数据。无论是围绕个人生活领域的一些数据，还是围绕着金融领域的数据，包括医疗、交通、安防等等。积累大量的数据，无论是结构化的非结构化的数据，这些数据的积累成为了人工智能高速发展的一个重要的基础。 第二点就是算力的便宜，就是芯片的高速发展，机器的运算速度的提升，以及并行计算的成熟，使得这种算力比较容易获取而且成本也在大幅下降。 另外，从产业参与者来说，过去经过互联网30年的发展，它的业态和格局相对的稳定，很多的巨头或者一些新的挑战者，它们需要找一个新的方向、找到新的领域，那么人工智能的未来是具备这样的特征，一个足够大的市场有足够大想象力的一个趋势。很多创业公司也在里面，纷纷涌起。而且再加上巨头的大量布局，所以说这几年人工智能开始加速发展。 说到人工智我们一定要提一下深度学习，深度学习它的出现是加速了人工智能的发展，尤其是在一些领域加速了它的落地。比如说，原来有些人工智能产品能做一些事情但是它的准确率比较低，使它可能永远停留在一个实验室阶段，具体使用的话比较遥远。但是深度学习出来了以后，在一些领域里面使得人工智能的准确率大幅提高，产品的出来了以后就接近实用，这是一个非常大的进展。 深度学习简单来说，它是一种比机器学习更具备了一定智能化的这种学习，我们传统讲的机器学习一般是我们会去给限定几个特征，然后根据这些特征给一些结果，机器自己去找这中间对应的函数关系。 对传统机器学习来说，可以举一个例子，比方说我们统计了一些芒果它的一些物理特征，颜色、大小、形状、产地，把这些特征跟它的甜度、多汁的程度、成熟度直接去做一个对应，这样的对应的数据有一个数据库，然后机器去学习这个数据库里面东西，从而得出这个颜色、大小、形状、产地这些特征跟这个甜度、多汁度、成熟度一个对应关系，这个就是他学习的一个结果。 当我们把一个芒果的特征输入进去以后，它能根据这些特征去计算出这个芒果甜不甜，它的成熟程度怎么样。这是我们说它学习出来一个产品，那么这个产品就是传统的机器学习。 因为在这里面的特征需要我们人工去定义它，需要根据哪些特征去得出这个结果。而深度学习，它不需要我们人去给它限制或者说帮它去归纳哪些特征，它会自己去学习，就完成了特征提取的过程，这是它更为智能的一个方面。 刚刚我们也提到，目前来说开源是人工智能行业里面非常重要的一个趋势，尤其是一些像谷歌，微软，它们都在做这样一些东西，它们的一些项目相对来说是属于巨头们抢占自己地盘，站在人工智能话语权的一个重要的手段。它开源以后会引来很多人去学习去完善去应用它，那么未来占据一定的地位以后，它可能会形成类似于生态的一种效果，甚至提升成一种人工智能操作系统的这么一个地位。 所以说使大家纷纷的去开源去抢占，那么这样带来的一个结果是什么呢？未来的从算法的门槛可能会越来越低。一些技术的话，可能会以云的形式或者API的形式去提供，数据包括未来的场景可能慢慢的会越来越重要，这是开源对于未来的一个影响。 人工智能未来如果去找投资的方向的话，可以从三个层面去看，分别是应用层、技术层和基础层。应用层很简单，主要是讲的是从应用的角度，应用软件、应用终端，比方从医疗、金融、智能驾驶，从这些角度切入进去的围绕着应用的场景，这种我们叫应用层。 另外一个从技术层的角度，主要是从算法的一些模型，比方说围绕的图像识别或者语音识别或者手势控制，在技术领域比较专的，那么它未来可以通过云的形式或API的形式去输出主能力。 还有就是基础层，基础层主要就是像围绕着海量数据并行计算的一些基础的应用硬件和软件，包括芯片、传感器、计算平台等等，那么这是技术层。 这三个大的层面可以框出来，就是未来围绕着人工智能投资一些方向。 应用层的话我们现在会看到，有几个领域可能是人工智能比较容易落地的几个领域。比方说智能驾驶，因为这个领域目前来看很多的巨头已经在做，而且无论是从整车厂还是到最终的消费者，都比较感兴趣。未来的确可以提升驾驶的安全性，这是非常重要的一点。另外一方面，比如像医疗，比方说医疗影像，传统来说，人力读起来比较慢，准确率可能会比较低，容易漏掉一些特征，那么机器可以比较快速的对这些影像进行判断。 像安防，涉及到就是它的视频，其实每一帧的图像里面包含着大量的信息，传统上对这种图像这种视频的信息处理还是比较难的，人工智能的介入，可以从大量的视频里面快速的提取到一些相对结构化的信息。 我们8月底的时候写过一个报告，讲人工智能在医疗影像的应用，这里正好可以稍微展开一下，医疗领域里面的数据80~90%基本上都是影像数据，这是跟影像数据本身这种非结构化的数据格式是有关系的。在过去这么多年里我们会发现医疗影像数据动作特别快，每年30%的增长；但是影像科医生的增速却很慢，基本上只有4%的增速。缺口越来越大，影像科医生面临的负担也越来越重，每天读大量的数据会造成负担比较重，而且疲劳的情况下会造成错误率提升，造成大量的误诊率。像三甲医院的医生大部分准确率是在70%左右，小医院的准确率可能只有50%-60%。 这种医疗影像，它是人工智能未来去渗透的非常好的一个方向，因为影像的基础就是图像识别，在过去这么多年来说，人工智能里面进步比较快的就是图像识别领域。从国外来看，有不少的厂商已经在包括肺结节、皮肤癌、乳腺癌等一些细的病种里面人工智能识别率可以做到非常高了，已经接近90%的准确率，基本是超过了最专业的医生的准确率。 从安防角度来说，从研发角度来说，摄像机它在拍图像、拍视频的时候，它的后台就可以做到同步的分析。比方说视频中出现的人，这个人是男人女人？什么颜色的衣服？什么颜色的头发？有没有拿包？这些基本特征可以在视频获取的同时它会去提取里面一些结构化的信息。比方说当视频中出现一辆汽车的时候，它会自动去提取这辆汽车的颜色、提取他的车牌、提取它的车型…… 那么需要去搜索视频中的一些特征的时候，比方说需要搜索黑色的奔驰汽车，这些特征输入以后，它可以在各个路口的各种治安卡口的视频里面快速把相应的符合特征的视频截图找出来，这个是可以大大提高从安防角度去做一些搜索的效果。以前基本是靠人去看的，这个来看肯定是好多了，所以说像安防也是未来渗透的一个非常好的场景。 从应用层面的话，我们去找公司一般是去看几个要素，比方说像影像，它过去有没有积累大量的影像数据，比方说它有没有做算法的能力，包括它未来有没有去变现的能力，有没有应用的场景，因为这种场景对于人工智能做应用的公司来说意味着两点。第一点，可以变现，可以赚钱；第二点，就是它可以把它的产品在实际应用中有一个反馈，进一步提升它在实际中应用的准确率。 第二层面是技术层，技术层来说的话，在某一个领域里面有比较独特技术的公司比较典型。像科大讯飞这样的公司，现在科大讯飞主要是语音识别，还有像图像识别、人脸识别；比较典型的像商汤科技，它没有上市；包括像谷歌，它也是图像识别、语音识别很多领域都做得很好。 未来这种技术型公司他会通过云的形式或者通过API的形式输出它的这种技术能力，比如像谷歌它又做了图像识别的API、包括语音识别apI；像科大讯飞做了它的语音云。就是说一个创业公司，它只要把语音给扔上去，那么另外一端它就可以得到语音识别的结果。这种就是种技术性的公司。 技术性公司最典型的看它的真正的技术实力，就是比较硬的一些实力，看它准确率提升。另一方面看他去获取合作伙伴、包括未来获取用户的能力，利用技术来去变现的能力。如果说他自己没有广泛的渠道，那肯定要借助合作伙伴去变现，就是说它这种技术是市场推广的能力，以及未来形成这种生态的一种可能，这种事比较重要的。 基础层来说，这里比较典型就是芯片，现在围绕人工智能做了一些优化的芯片开始出现，无论是用在大型的服务器端，像GPU，它对于人工智能的运算是比较有优势，包括说现在也开始在移动端出现一些人工智能芯片，像苹果的最新的手机芯片里面也是一些人工智能功能在里面，也就是说有些这种移动的芯片，它会加一些人工智能优化的东西。可以大大提升它的某些方面的速度，比如人脸识别速度，或者一些固定的某一种类型算法的速度。 基础领域的话拼的也就是一些底层的技术，谁能够把技术做好，而且在芯片上比较容易落地，或者说能做到好的性价比，那么这个是他一个真正的方向。基础层的公司并不特别多，从创业的角度来说，它也是创业门槛比较高的一个方向。像现在以中科院系的寒武纪芯片目前来说还是在市场上声誉比较高。也开始往移动端，包括说像跟华为的一些移动芯片已经开始合作。这些领域来说，未来也会出现一些比较牛的公司。 以上是我从三个角度：应用、技术和基础的三个层面去讲的一些投资方向，我们如果看得比较长远的话就是为了一个大的趋势或者一个大的格局，很可能慢慢的会类似于目前的PC的一个格局，一些巨头的会占据越来越垄断的地位，一些大型的公司甚至拥有类似于操作系统这样一个层面的优势。那么其他公司可能在技术上做些创业或做一些个别的应用集中度也会越来越高，那么但是中短期来看还是处于百花齐放的阶段，很多创业公司在一些细分领域都会做出比较好的一些东西来。 在应用市场的话，未来会出现一些细分的趋势，在某些应用里面也会容易出一些。这种啊在某些领域里会应用，里面会做得特别好，这个是从这个我们去看中短期的这么一个趋势。 好的，那么我今天就到这里，谢谢各位，大家有什么问题的话，我们可以再交流。返回搜狐，查看更多
责任编辑：《人工智能投资真热还是“虚火”？　投资仍是小众行为》 精选八
原标题：重磅：中国人工智能40年发展简史
作者：蔡自兴 北邮人机与认知实验室
智能机器是一种能够呈现出人类智能行为的机器。人工智能(ArtificialIntelligence，AI)是计算机科学或智能科学中涉及研究、设计和应用智能机器的一个分支。人工智能的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，而远期目标是用自动机模仿人类的思维活动和智力功能。
人工智能探索历史
人类对人工智能和智能机器的梦想与追求，可以追溯到3000 多年前。中国也不乏这方面的故事与史料。
近代科学技术的许多重大进展都是人类智慧、思维、梦想和奋斗的成果。人类历史上从来没有出现过像今天这样的思想大解放，关于宇宙、星球、生命、人类、时空、进化和智能等思想与作品，如雨后春笋破土而出，似百花争艳迎春怒放。其中，人工智能尤其引人注目。进入20世纪后，人工智能开始孕育于人类社会母胎。到20世纪30—40年代发生了两件极其重要的事件：数理逻辑的形式化和智能可计算(机器能思维)的思想，建立了计算与智能关系的概念。被称为“人工智能之父”(The father of AI)的图灵(Turing AM)，于1936年创立了自动机理论，提出一个理论计算机模型，奠定电子计算机设计基础，促进人工智能特别是思维机器的研究。1950 年图灵的论文“机器能思考吗?”，为即将问世的人工智能提供了科学性和开创性的构思。
1956 年夏季由麦卡锡(McCarthyJ)、明斯基(Minsky ML)、罗彻斯特(Lochester N)和香农(Shannon CE)共同发起，并邀请其他6位年轻的科学家，在美国达特茅斯(Dartmouth)大学举办了一次长达两个月的十人研讨会，讨论用机器模拟人类智能问题，首次使用“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着国际人工智能学科的诞生，具有十分重要的历史意义。发起这次研讨会的人工智能学者麦卡锡和明斯基，则被誉为国际人工智能的“奠基者”或“创始人”(The founding father)，有时也称为“人工智能之父”。
中国的人工智能经历了怎样的发展过程?取得哪些成绩?存在什么问题?面临何种机遇?有哪些解决方案?本文力图逐一探讨。
一、发展过程
与国际上人工智能的发展情况相比，国内的人工智能研究不仅起步较晚，而且发展道路曲折坎坷，历经了质疑、批评甚至打压的十分艰难的发展历程。直到改革开放之后，中国的人工智能才逐渐走上发展之路。
1.迷雾重重
20世纪50—60年代，人工智能在西方国家得到重视和发展，而在苏联却受到批判，将其斥为“的反动伪科学”。当时，受苏联批判人工智能和控制论(Cybernetics)的影响，中国在20世纪50年代几乎没有人工智能研究;20世纪60年代后期和70年代，虽然苏联解禁了控制论和人工智能的研究，但因中苏关系恶化，中国学术界将苏联的这种解禁斥之为“修正主义”，人工智能研究继续停滞。那时，人工智能在中国要么受到质疑，要么与“特异功能”一起受到批判，被认为是伪科学和修正主义。《摘译外国自然科学哲学》月刊1976年第3期刊文称：“在批判‘图像识别’和‘人工智能’研究领域各种反动思潮的斗争中，走自己的道路”。这足见中国人工智能研究迷雾重重的艰难处境。
1978年3月，全国科学大会在北京召开。在华国锋主持的大会开幕式上，邓小平发表了“科学技术是生产力”的重要讲话。大会提出“向科学技术现代化进军”的战略决策，打开解放思想的先河，促进中国科学事业的发展，使中国科技事业迎来了科学的春天[9]。这是中国改革开放的先声，广大科技人员出现了思想大解放，人工智能也在酝酿着进一步的解禁。吴文俊提出的利用机器证明与发现几何定理的新方法——几何定理机器证明(图1)，获得1978年全国科学大会重大科技成果奖就是一个好的征兆。
20世纪80年代初期，钱学森等主张开展人工智能研究，中国的人工智能研究进一步活跃起来。但是，由于当时社会上把“人工智能”与“特异功能”混为一谈，使中国人工智能走过一段很长的弯路。一方面，包括许多人工智能学者在内的研究者把人工智能与特异功能搅在一起“研究”;另一方面，社会上在批判“特异功能”时将“人工智能”一起进行批判，把两者一并斥之为“伪科学”。
2.艰难起步
20世纪70年代末至80年代，知识工程和专家系统在欧美发达国家得到迅速发展，并取得重大的经济效益。当时中国相关研究处于艰难起步阶段，一些基础性的工作得以开展。
1) 派遣留学生出国研究人工智能。
改革开放后，自1980 年起中国大批派遣留学生赴西方发达国家研究现代科技，学习科技新成果，其中包括人工智能和模式识别等学科领域。这些人工智能“海归”专家，已成为中国人工智能研究与开发应用的学术带头人和中坚力量，为发展中国人工智能做出举足轻重的贡献。
2) 成立中国人工智能学会。
1981 年9 月，中国人工智能学会(CAAI)在长沙成立，秦元勋当选第一任理事长。于光远在大会期间主持了一次大型座谈会，讨论有关人工智能的一些认识问题。他指出：“人工智能是一门新兴的科学，我们应该积极支持;对所谓‘人体特异功能’的研究是一门伪科学，不但不应该支持，而且要坚决反对。”1982年，中国人工智能学会刊物《人工智能学报》在长沙创刊，成为国内首份人工智能学术刊物。
CAAI首任理事长秦元勋也颇受争议。秦元勋获美国哈佛大学博士学位后于1948年回国，历任中国科学院数学研究所研究员、执行副所长，中国核学会计算物理学会理事长，中国人工智能学会首届理事长等职。他在常微分方程的定性理论、运动稳定性、近似解析、机器推理等方面的研究，在中国处于开创的地位。其中极限环的研究，具有国际先进水平。他曾负责完成了中国第一颗原子弹和氢弹的威力计算工作，是1982年国家自然科学奖一等奖的原子弹氢弹设计原理中的物理力学数学理论项目的主要工作者之一，并开辟了计算物理学这一新的学科分支。
3) 开始人工智能的相关项目研究。
20世纪70年代末至80年代前期，一些人工智能相关项目已被纳入国家科研计划。例如，在1978年召开的中国自动化学会年会上，报告了光学文字识别系统、手写体数字识别、生物控制论和模糊集合等研究成果，表明中国人工智能在生物控制和模式识别等方向的研究已开始起步。又如，1978年把“智能模拟”纳入国家研究计划。不过，当时还未能直接提到“人工智能”研究，说明中国的人工智能禁区有待进一步打开。
3.迎来曙光
1984年1月和2月，邓小平分别在深圳和上海观看儿童与计算机下棋时，指示“计算机普及要从娃娃抓起”。此后，中国人工智能研究的境遇有所好转。例如，人民日报关于人工智能的报道也渐渐多了起来。20世纪80年代中期，中国的人工智能迎来曙光，开始走上比较正常的发展道路。
国防科工委于1984年召开了全国智能计算机及其系统学术讨论会，1985年又召开了全国首届第五代计算机学术研讨会。1986年起把智能计算机系统、智能机器人和智能信息处理等重大项目列入国家高技术研究发展计划(863计划)。
1986 年，清华大学校务委员会经过三次讨论后，决定同意在清华大学出版社出版《人工智能及其应用》著作。
1987年7月《人工智能及其应用》在清华大学出版社公开出版，成为国内首部具有自主知识产权的人工智能专著。接着，中国首部人工智能、机器人学和智能控制著作分别于1987年、1988 年和1990 年问世。1988 年2月，主管国家科技工作的国务委员兼国家科委主任宋健亲笔致信蔡自兴(图2)，对《人工智能及其应用》的公开出版和人工智能学科给予高度评价，指出该人工智能著作的编著和出版“使这一前沿学科的最精彩的成就迅速与中国读者见面，这对人工智能在中国的传播和发展必定会起到重大的推动作用……我深信，以人工智能和模式识别为带头的这门新学科，将为人类迈进智能自动化时期做出奠基性贡献。”宋健对该书的高度评价，体现出他对发展中国人工智能的关注和对作者的鼓励，对中国人工智能的发展产生了重大和深远的影响。
在这封信中宋健还提到：“十年前，当我们和钱先生修订工程控制论时，尚无系统参考书可言，只能断断续续介绍一些思路。现在钱先生看到此书，也一定会欣喜万分。”这体现了宋健的谦虚品德，也表现出钱学森当时对人工智能的热烈支持。
1987年《模式识别与人工智能》杂志创刊。
1989年首次召开了中国人工智能联合会议(CJCAI)，至2004年共召开了8次。此外，还曾经联合召开过6届中国机器人学联合会议。
1993年起，把智能控制和智能自动化等项目列入国家科技攀登计划。
1993年7月，宋健应邀为中国人工智能学会智能机器人分会成立题词“人智能则国智科技强则国强”，向成立大会表示祝贺。本题词很好地阐明了人工智能与提高民族素质、增强科技实力和建设现代化强国的辩证关系，也是国家科技领域领导人对中国人工智能事业的有力支持以及对全国人工智能工作者的殷切期望。
4.蓬勃发展
进入21世纪后，更多的人工智能与智能系统研究课题获得重点和重大项目、国家高技术研究发展计划(863 计划)和国家重点基础研究发展计划(973计划)项目、科技部科技攻关项目、工信部重大项目等各种计划支持，并与中国国民经济和科技发展的重大需求相结合，力求为国家做出更大贡献。这方面的研究项目很多，代表性的研究有视觉与听觉的认知计算、面向Agent的智能计算机系统、中文智能搜索引擎关键技术、智能化农业专家系统、虹膜识别、语音识别、人工心理与人工情感、基于仿人机器人的人机交互与合作、工程建设中的智能辅助决策系统、未知环境中移动机器人与控制等。
2006年8月，中国人工智能学会联合其他学会和有关部门，在北京举办了“庆祝人工智能学科诞生50周年”大型庆祝活动。除了人工智能国际会议外，纪念活动还包括由中国人工智能学会主办的首届中国象棋计算机博弈锦标赛暨首届中国象棋人机大战。东北大学的“棋天大圣”象棋软件获得机器博弈冠军;“浪潮天梭”超级计算机以11：9的成绩战胜了中国象棋大师。这些赛事的成功举办，彰显了中国人工智能科技的长足进步，也向广大公众进行了一次深刻的人工智能基本知识普及教育。主办者认为，这次中国象棋人机大战“无论赢家是人类大师或超级计算机，都是人类智慧的胜利”。
同年，《智能系统学报》创刊(图3)，这是继《人工智能学报》和《模式识别与人工智能》之后国内第3份人工智能类期刊。他们为国内人工智能学者和高校师生提供了一个学术交流平台，对中国人工智能研究与应用起到促进作用。
2009 年，中国人工智能学会牵头组织，向国家学位委员会和国家教育部提出设置“智能科学与技术”学位授权一级学科的建议。该建议指出：现在信息化向智能化迈进”的趋势已经显现;因此，今天培养的智能科学技术高级人才大军，正好赶上明天信息化向智能化大规模迈进的需要。为此，一个顺理而紧迫的建议就是：为了适应信息化向智能化迈进的大趋势，为了实现建设创新型国家的大目标，在中国学位体系中增设智能科学与技术博士和硕士学位授权一级学科。这个建议凝聚了中国广大人工智能教育工作者的心智心血和他们的远见卓识，对中国人工智能学科建设具有十分深远的意义。
5.国家战略
近两年来，中国的人工智能已发展成为国家战略。国家最高领导人习近平、李克强发表重要讲话，对发展中国人工智能和机器人学给予高屋建瓴的指示与支持。
日，习近平总书记在中国科学院第十七次院士大会、中国工程院第十二次院士大会开幕式上发表重要讲话强调：“由于大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐加快，3D打印、人工智能迅猛发展，制造机器人的软硬件技术日趋成熟，成本不断降低，性能不断提升，军用无人机、自动驾驶汽车、家政服务机器人已经成为现实，有的人工智能机器人已具有相当程度的自主思维和学习能力。……我们要审时度势、全盘考虑、抓紧谋划、扎实推进。”这是党和国家最高领导人首次对人工智能和相关智能技术的高度评价，是对开展人工智能和智能机器人技术开发的庄严号召和大力推动。
2015年十二届全国人大三次会议上，李克强总理在政府工作报告中提出：“人工智能技术将为基于互联网和移动互联网等领域的创新应用提供核心基础。未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命，势必将成为我国经济结构转型升级的新支点。”这是对人工智能技术的重要作用给予的充分肯定，是对人工智能的有力促进。
2015年5月，国务院发布《中国制造2025》(图4)，部署全面推进实施制造强国战略。这是中国实施制造强国战略第一个十年的行动纲领。围绕实现制造强国的战略目标，《中国制造2025》明确了9项战略任务和重点。
这些战略任务，无论是提高创新能力、信息化与工业化深度融合、强化工业基础能力、加强质量品牌建设，或是推动重点领域突破发展、全面推行绿色制造、推进制造业结构调整、发展服务型制造和生产性服务业、提高制造业国际化发展水平，都离不开人工智能的参与，都与人工智能的发展密切相关。人工智能是智能制造不可或缺的核心技术。
2016年4月，工业和信息化部、国家发展改革委、财政部等三部委联合印发了《机器人产业发展规划(年)》，为“十三五”期间中国机器人产业发展描绘了清晰的蓝图。该发展规划提出的大部分任务，如智能生产、智能物流、智能工业机器人、人机协作机器人、消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等，都需要采用各种人工智能技术。人工智能也是智能机器人产业发展的关键核心技术。
2016年5月，国家发改委和科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》，明确未来3年智能产业的发展重点与具体扶持项目，进一步体现出人工智能已被提升至国家战略高度。根据方案的内容，未来3年将在3个大方面、9个小项推进智能产业发展。
国家最高领导人对人工智能的高度评价和对发展我国人工智能的指示，《中国制造2025》、《机器人产业发展规划( 年)》和《“互联网+”人工智能三年行动实施方案》的发布与施行，体现了中国已把人工智能技术提升到国家发展战略的高度，为人工智能的发展创造了前所未有的优良环境，也赋予人工智能艰巨而光荣的历史使命。
2015年7月在北京召开了“2015中国人工智能大会”。发表了《中国人工智能白皮书》，包括“中国智能机器人白皮书”、“中国自然语言理解白皮书”、“中国模式识别白皮书”、“中国智能驾驶白皮书”和“中国机器学习白皮书”，为中国人工智能相关行业的科技发展描绘一个轮廓，给产业界指引一个发展方向。
2016年4月由中国人工智能学会发起，联合20余家国家一级学会，在北京举行“2016 全球人工智能技术大会暨人工智能60 周年纪念活动启动仪式”(图5)。这次活动恰逢国际人工智能诞辰60周年，谷歌AlphaGo与韩国围棋九段棋手李世石上演“世纪人机大战”(图6)，将人工智能的关注度推到了前所未有的高度。启动仪式共同庆祝国际人工智能诞辰60周年，传承和弘扬人工智能的科学精神，开启智能化时代的新征程。
现在，人工智能已发展成为国家发展战略，中国已有数以10万计的科技人员和大学师生从事不同层次的人工智能相关领域研究、学习、开发与应用，人工智能研究与应用已在中国空前开展，硕果累累，必将为促进其他学科的发展和中国的现代化建设做出新的重大贡献。
二、主要成就
中国的人工智能研究开发、学科建设、产业应用和社会服务等方面，已经取得不俗的成就，主要可以从以下几点得到证实。
1.形成人工智能学科
1981年9月建立了全国性的人工智能组织中国人工智能学会(CAAI)，标志着中国人工智能学科的诞生。1982年在长沙创办中国人工智能学会刊物《人工智能学报》，成为中国人工智能学科领域的第一份学术刊物。中国人工智能学会大会每两年举行一次，至目前已举办16届。中国人工智能学会成立后，又相继成立了中国人工智能学会智能机器人专业委员会、机器学习专业委员会、模式识别专业委员会、自然语言处理专业委员会和智能控制专业委员会、人工智能教育工作委员会等。
此外，中国计算机学会的一些二级学会也开展人工智能相关学术活动，为中国人工智能的发展做出了应有贡献。例如，中国计算机学会成立了人工智能与模式识别专业委员会，中国自动化学会成立了模式识别与机器智能专业委员会以及智能自动化专业委员会等二级学会。有些省市也成立了地方人工智能学会。 年，由中国人工智能学会、中国计算机学会等多个学会联合举办过7届中国人工智能联合会议(CJCAI)。
与人工智能密切相关的机器学习、模式识别、智能机器人、自然语言处理、专家系统等领域的学术组织也先后成立，学术活动也十分热烈。例如，国内机器学习的重要学术活动包括每两年举行一次的中国机器学习会议和每年举行的中国机器学习及其应用研讨会。前者由中国计算机学会人工智能与模式识别专业委员会协办，目前已历经15届。后者每届会议包括特邀报告、大会交流及Top Conference Review等部分，迄今已历经13届。又如，中国人工智能学会智能机器人专业委员会自1993年成立以来，每两年举行一次全国智能机器人学术会议，已组织过11届，还与其他学会共同举办过6次中国机器人联合会议。在王湘浩倡导与组织下，全国高校人工智能研讨会研究班自1980年起每年举行一次，是国内最早的人工智能学术研讨活动。
这些人工智能学术组织和会议开展广泛深入的国内外学术交流，对开展人工智能学术活动和组织科技交流起到积极的作用，有力推动了中国人工智能科技发展和学科建设。
2.科学研究成绩斐然
国家已先后设立了各种与人工智能相关的研究课题，如国家自然科学基金重大专项、重点项目和面上项目，国家863计划项目，国家重大战略项目智能制造2025等。在这些的支持下，国内人工智能研究已取得许多突出成果。
1)人工智能基础研究成果突出
除了前面提到的几何定理证明的“吴氏方法”外，吴文俊还于2004 年发表了重要论文“计算机时代的脑力劳动机械化与科学技术现代化”，宣布他在几何定理证明“机械化”方面的系列成果，指出：“在几何定理机器证明取得成功之后的20多年来，笔者与许多志同道合的同志们在科技部、科学院、基金委等大力支持下，开展了一场可谓‘数学机械化’的‘运动’，在理论与应用诸多方面都已取得了若干成功。”
国内学者在人工智能的诸多领域，如问题求解、不确定推理、泛逻辑理论、拓扑学、模式识别、图像处理、机器学习、专家系统、智能计算和智能控制等领域的基础研究也多有建树，取得一批具有国际先进水平的创造性成果。例如，在模式识别方面，对文字识别、语音识别(图7)、指纹识别、人脸识别、虹膜识别和步态识别等进行深入研究，涉及生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主导航、保安、银行、交通、军事、电子商务和多媒体网络通信等应用领域。
又如，机器学习也是人工智能的核心研究领域之一。现在机器学习的大数据往往体现出多源异构、语义复杂、规模巨大、动态多变等特殊性质，为传统机器学习技术带来了新的挑战。为应对这一挑战，国内科技企业巨头华为、百度等与国外巨头谷歌、微软、亚马逊等展开竞争，纷纷成立以机器学习技术为核心的研究院，以充分挖掘大数据中蕴含的巨大商业与应用价值。深度学习是机器学习领域一个新兴的子领域与研究方向，它是一种通过多层表示来对数据之间的复杂关系进行建模的算法。深度学习模仿人脑结构，具有更强的建模和推理能力，能够更有效地解决多类复杂的智能问题。近年来，中国在深度学习研究方面也取得重要进展，一些研究成果接近或达到国际先进水平。
中国学者在自动规划领域也取得开创性成果。1985年提出与发展了基于专家系统的机器人规划机理与方法，实现了人工智能专家系统与机器人技术的结合，为基于知识的自动规划和高层控制开辟了一条新途径，对提高生产的智能化水平具有重要意义，并推动国内外机器人规划研究的发展。该成果被广泛引用，并被收入清华大学吴麒等主编的全国高校规划教材《自动控制原理》。1999年以来，又在机器人进化规划方面取得创新性成果。
国内在认知计算、情感计算、模式识别、神经网络、智能驾驶、水下机器人和其他智能机器人等领域也取得一批具有国际先进水平的研究成果，培养了一批优秀的学术带头人：郭爱克、任继福、李衍达、王守觉、焦李成、贺汉根、蔡鹤皋、徐玉如和黄心汉等。
此外，有些人工智能基础研究获得国际奖励，如1990年张钹获得ICL欧洲人工智能奖，蔡自兴指导的王勇博士获得2015 IEEE计算智能学会优秀博士学位论文奖等。
值得一提的是美籍华裔学者王浩对人工智能的杰出贡献。1958 年夏天，王浩在纽约州的IBM实验室的一台IBM704机器上用汇编语言编写了3个程序，证明了罗素和怀特海《数学原理》中的200多个定理。他关于数理逻辑的一个命题被国际上定为“ 王氏悖论”。1966年，他在哈佛大学指导的博士生Stephen Cook，因NP 完全性方面的开创性研究成果而获得1982年图灵奖。王浩还与吴文俊进行了合作研究。
2)专用人工智能开发有所突破
中国在专用人工智能领域取得了突破性的进展，已在自然语言处理和语音识别、图像识别、机器学习、虚拟现实、智能处理器、认知计算、智能驾驶和智能机器人等方面取得一大批具有国际先进水平的应用成果。
互联网和大数据推动人工智能进入了新的发展阶段。中国的智能语音技术在移动互联网、呼叫中心、智能家居、汽车电子等领域的研究与应用逐步深入，带动智能语音产业规模持续快速增长。2013年科大讯飞以54.2%的市场份额继续处于国内领先地位。智能语音正在成为主流的交互方式之一。
近几年在多层神经网络基础上发展起来的深度学习和深度神经网络已在中国很多模式识别领域获得成功应用。其中，中国科学院自动化研究所谭铁牛团队在虹膜识别领域，坚持从虹膜图像信息获取的源头进行系统创新，全面突破虹膜识别领域的成像装置、图像处理、特征抽取、识别检索、安全防伪等一系列关键技术，建立了虹膜识别比较系统的计算理论和方法体系，还建成目前国际上最大规模的共享虹膜图像库，已大规模用于煤矿人员辨识和北京城铁监控等，并在70个国家和地区的3000 多个科研团队推广使用，有力推动了虹膜识别学科发展。
在2010年举行的国际上难度最高、规模最大的虹膜识别专业测评竞赛中，谭铁牛团队提交的算法，从来自25个国家和地区的41支参赛团队里脱颖而出，以测试性能指标超过第2名41.3%的绝对优势蝉联虹膜识别算法赛事冠军(图8)。在2008年进行的上届国际虹膜识别算法竞赛上，谭铁牛团队战胜来自35个国家和地区的97支参赛队伍。这充分展示出中国在虹膜识别领域领先国际的整体实力。
在模式识别领域，石青云领衔的北大高科指纹技术有限公司在指纹识别领域取得领先成果，成为国家科技强警的利剑。
专家系统已在国内获得广泛应用，应用领域涉及工业、农业等行业，其经济效益相当可观。例如，在冶金专家系统的开发与应用方面，已把专家系统技术用于高炉建模、监控与诊断等，建立了基于多核学习的高炉自动化框架、基于Volterra级数的高炉系统数据驱动建模、高炉热风炉流量设定、高炉炉温预测、铁水含硅量预报、数据采集处理、布料状态评估、炉况分析与监控、诊断与决策支持等专家系统，实现高炉炼铁过程的智能化(图9)。
3)计算智能与进化计算研究引人注目
计算智能是人工智能的新领域，涉及模糊计算，神经计算、进化计算和免疫计算等。近10多年来，中国在计算智能特别是进化计算研究方面取得不少国际领先成果。中国科技大学、中南大学、西安电子科技大学和中国科学院自动化研究所等院校都做出颇具影响的贡献。蔡自兴团队在进化计算领域研究取得的成果就是一个很好的例证。
蔡自兴团队提出的一些进化计算算法处于国际领先水平，引起国际进化计算学界的广泛重视，已成为相关算法比较的基准，不仅对算法设计观点颇有指导价值，而且已成功地应用于国内外30多个领域，并得到国际高级检索机构的顶级检录，已对国际计算智能研究产生重要影响。例如，他们提出的一种单目标差分进化算法CoDE，已成为美国加州大学伯克利分校Rickard O C 和Sitar N 设计的商业软件bSLOP 的核心技术;该软件已在苹果官方网站上售出。Sahalos J N、Yao X 和Najy W K A 分别把CoDE 算法成功地直接应用于移动通信系统设计、产品缺陷预测软件和电网保护协调。很少有同类算法能够引起国际上如此密切关注和获得这么多的优化问题的成功应用。此外，他们提出的一种被国际上广泛引用和应用的算法，被称为“蔡王算法”(CW Algorithm)，获得好评。
近10多年来，计算智能“中国海外军团”异军突起，成绩斐然。在计算智能与进化算法研究领域，Yao X(姚Jin Y C(金耀初)等的研究成果获得国际同行公认，成为进化计算领域的国际学术领军人物，并为中国的计算智能与进化计算研究起到促进作用。
3.著作和科技论文出版发行
据不完全统计，自1987 年人工智能著作开禁以来全国已编著出版了70多部人工智能著作。这些著作有专著，也有教材，不乏深受读者欢迎的高水平作品。例如，上面提到的引领人工智能著作开禁的《人工智能及其应用》(图10)，已先后出版了7个版本，印刷50多次，发行40多万册，拥有上百万读者，得到广泛应用，对国内人工智能基础研究、开发应用和人才培养发挥了重大作用。张钹的专著《问题求解理论与应用》先后在国内外出版，提出基于统计推断的启发式搜索和基于拓扑的空间规划方法，降低了计算复杂性，具有重要的应用价值。此外，谭铁牛、陆汝钤、何新贵、石青云、何志均、涂序彦、钟义信、李德毅、周志华、蔡自兴、蔡文、史忠植、何华灿、施鹏飞、王万森等在国内外出版的人工智能相关专著，在一定程度上反映出中国人工智能的研究成果，对进一步开展国内外学术交流起到重要作用。
此外，从事人工智能相关研究人员和高校师生，已在国内外知名刊物与学术会议上发表了数以万计的人工智能相关论文。其中不乏高水平文章，例如，王勇与蔡自兴合作的论文曾被列为2012 年进化计算国际顶级刊物《IEEETransactions on Evolutionary Computation》他引次数最高的论文。
还有一些论文被评为国内外学术会议与学术刊物的优秀论文。
4.人工智能教育培养大批专门人才
人工智能教育和人才培养是人工智能学科发展的重要基础。国内自20世纪80年代中期始，在少数高校开设各种人工智能类课程。经过推广与提高，30年前的人工智能如今已形成燎原之势，数以百计的高校开设了各种层次的人工智能课程，有些课程已成为我国高校教育园地上的奇葩。
例如，中南大学的“人工智能”课程已成为首批国家级精品课程、教育部新世纪优秀网络课程、国家级全国双语示范课程、首批国家级精品视频公开课和国家级精品资源共享课程。表1所示为入选国家级质量工程的人工智能类相关精品课程名单。这些人工智能类课程在改革中不断发展壮大，已为国家培养了成千上万的人工智能专门人才。虽然这些课程只占数以千计的国家级质量工程课程的冰山一角，但也表明人工智能课程仍然占有一席之地，并具有不可替代的作用，产生了非常的影响力。
全国智能科学与技术教育暨教学学术会议是国内人工智能教育与教学领域具有特色的最权威的学术盛会，自2003年起已举办10次，对于人工智能及其相关学科的教育教学、学科建设和人才培养发挥了关键作用。
2005年在北京大学开设的智能科学与技术专业，已在全国近30所大学开设，仅这些大学的“智能”专业每年就培养大约2000名人工智能专业人才。据估计，近30年来，全国高校已培养人工智能及其相关学科的硕士和博士数以千计，本科毕业生数以万计。这些高层次的人工智能专门人才是中国发展人工智能的最为宝贵的财富。他们有幸遇上难逢的人工智能大好发展机遇，必将成为中国人工智能跨越式发展的中坚力量。
5.人工智能产业化蓬勃发展
尽管中国的人工智能产业化应用尚存在较大不足，但仍然已建立了一定的基础，并呈现蓬勃发展的势头。据不完全统计，最近5年内，中国在人工智能产业化应用领域的投资已超过1000多亿元。下面略举数例说明中国人工智能产业化的发展情况。
1)模式识别
在虹膜识别、步态识别、身份识别等领域取得新成果。近年来，在多层神经网络基础上发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能，成为当前最热门的方法。前面提到的虹膜识别及其在身份识别等方面的成功应用，已形成产业，占领国内外市场，就是很好的例证。
2)语音识别
中国在自然语言处理特别是语音识别领域已经达到国际先进水平。
2015 年中国智能语音产业规模达到40.3亿元，较2014年增长41.0%，远高于全球语音产业增长速度。预计到2017年，中国语音产业规模预计达到100.7亿元。2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球前五，占有中文语音技术市场70%以上市场份额，语音合成产品市场份额达到70%以上。现在中国智能语音的应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、、智能教育和智能医院等场合得到越来越多的应用。此外，一些海外留学人员也在语音识别领域取得国际领先水平的成果，微软研究院黄学东就是该领域的一位突出代表。
3)人机博弈
中国象棋是中华民族的文化瑰宝，是一种怡神益智的活动，千百年来长盛不衰，深受广大