人工智能产业技术引领经济增长

■文/平 帆 孟海华 沈应龙

在上海建设具有全球影响力的科技创新中心的背景下，人工智能有望成为上海在全球标杆性的产业技术领域。

近几年来，世界人工智能关键技术取得突破性进展，催生人工智能产业及相关行业的突飞猛进发展。在我国，人工智能产业技术已经上升到国家战略层面，2017年7月国务院发布《新一代人工智能发展规划》，人工智能技术和应用呈现向纵深发展。在上海，人工智能关键技术和产业发展同样受到高度重视，该领域硬件、软件企业不断涌现，上海市及各区县相继出台促进人工智能发展的利好政策。在上海建设具有全球影响力的科技创新中心的背景下，人工智能有望成为上海在全球标杆性的产业技术领域。

发达国家推动人工智能发展

●美国努力创建人工智能创新体系

美国政府支持人工智能的目标是促进该领域产生新的人工智能知识和技术，培育相对完整的人工智能产业链，激发人工智能新兴产业培育，增加社会效益，同时最大限度地减少负面影响，继续在全球科技竞争中处于领先地位。因此，美国积极推进探索具有人类意识的人工智能新算法，开发人类技能增强型人工智能技术、可视化和人工智能-人类界面技术以及更有效的语言处理系统。

●日本以“工程化”措施推进人工智能研发

日本文部科学省发布的《科学技术白皮书（2016年版）》中指出，建立与美国不同的人工智能发展模式，主要是建立国家级技术创新平台，并集成有关资源，打造有利于产业发展的应用环境、市场基础和新兴协作商业模式等。

●以色列从基础研究和机器人计划两方面部署

以色列高度重视人工智能领域的发展，主要做法是从基础研究领域切入，持续推动人工智能领域的原创性成果。同时，国家大力推动机器人计划以及人工智能技术和实际应用的融合。因此，以色列政府一方面加紧部署脑科学基础研究，另一方面将国家机器人计划提上日程。

●加拿大聚焦特色领域，培育人工智能中小企业

加拿大基于自身的优势基础，聚焦人工智能特色领域，和美国错位发展。加拿大创新、科学与经济发展部所属工业技术办公室的“航空航天与国防发展行动战略”，支持国际空间站领域人工智能技术的发展。加拿大国家研究理事会（NRC）设立的工业研究辅助计划，专门投资加拿大中小企业，为加拿大人工智能产业发展特别是初创企业成长起到了推动作用，其每年通过投资高等院校支持人工智能技术研发，在此基础上培育人工智能领域的中小企业。

上海发展人工智能现状

●环境基础

上海市政府积极推动人工智能领域的发展。2016年7月，上海市人民政府关于深化完善“双特”政策支持临港地区新一轮发展的若干意见，明确提出对人工智能的支持。8月，上海市科技十三五规划发布，把“类脑人工智能”放在规划中重点任务和方向的首位。在政策环境方面，上海将出台人工智能发展实施意见，聚焦实施“AI@SH”行动，促进应用驱动、产业集聚、科研创新及生态构建，推动人工智能成为上海建设全球科创中心的新引擎。

上海正在营造有利于人工智能发展的数据基础、人才环境。上海依托人工智能发展的综合优势，正在协同社会各方，全力打造国家人工智能发展高地。在数据资源方面，上海在医疗、交通、环保、城市运行、智慧城市应用等领域积累了大量数据，政府数据将按序向公众和社会开放。在人才资源方面，上海集聚了全国近1/3的人工智能领域专业人才，还将进一步出台政策，吸引人才汇聚上海。

●技术基础

上海高校、科研院所在人工智能关键共性技术方面积累深厚。复旦大学有望成为上海“脑科学与人工智能”的重要平台。复旦大学在脑科学研究方面形成了全国领先的学科和团队，目前全球最大的脑科学数据库已落户复旦大学，包含美国脑连接组计划采集的1 000个人脑扫描数据，英国生物银行投入约5.8亿英镑获取的50万人全基因组和1万人脑部影像数据等。此外，中国科学院上海分院、上海交通大学等在人工智能领域也有着技术优势、人才优势。

●产业基础

从人工智能产业链的分布来看，上海在多数环节都有比较好的积累和基础。在相关委办的领导下，上海较早布局大数据、云计算，在传感器、机器人等领域也有比较成熟的产业技术单位涉及产业相关基础。但是，我们也应该看到，上海在图形处理器（GPU）、神经网络芯片、算法等人工智能核心环节和国内、国际大公司相比，还是有一定的差距。

产业发展的旺盛需求是上海人工智能发展的基础。安防、金融、医疗、汽车、制造业、智能家居等领域都是上海发展人工智能的方向。上海作为我国重要的先进制造基地，在智能制造技术的研发和应用方面走在全国的前列。同时，由于该领域部分国际大厂商在上海设立了研发和制造基地或中国销售总部，上海在智能制造技术的跟踪方面也具有国内其他地方不可比拟的优势。

人工智能产业的行业需求预测

●人工智能与金融

近年来，上海对金融创新的引导和支持不断增强，整个行业快速增长，特别是互联网金融的交易规模增长迅速。与此同时，金融业的发展需要人工智能强化风险控制能力。

首先是业务操作风险。在传统的金融业务中，操作风险主要来自基于肉眼的传统客户身份识别错误。运用人工智能的机器视觉判别，可以实现对客户更加精准的识别，利用活体识别、人脸比对等新兴技术手段，可以有效防范控制第三方欺诈风险。

流动性风险是银行业务中经常发生的正常风险。在互联网金融条件下，网络在线交易加快了货币流通速度，增强了商业银行信用扩张能力，也加大了突发性交易带来的流动性风险。人工智能特有的神经网络算法可以发挥强大的计算能力，融合相应的大数据，运用相应的模型，提前预判潜在的流动性风险。

信用风险在金融领域是普遍存在的一个难题，不论是传统金融还是互联网金融领域，都需要人工智能融合大数据，评价潜在的违约风险。特别是在互联网金融领域，由于互联网金融的虚拟性，交易双方的身份、交易的真实性验证难度加大，增加了交易双方的信息不对称，更加需要科学的算法评判这种潜在的风险。人工智能可以在相应人员信用信息库中搜索相应及相关的信用信息，进行客观精准的评价，为金融部门的决策提供参考意见。

利率与汇率风险是一种市场风险，主要由资金供求关系决定。这类风险需要人工智能结合大数据对面上的资金供求关系进行一定阶段的评判，对可能发生的利率与汇率风险进行预警和评判。

随着社会的发展，人们越来越多地产生投资需求和理财需求，人工智能依靠其技术优势担当人们的金融顾问，契合日益旺盛的需求。人工智能金融顾问是把资产组合理论和其衍生模型应用到产品中，在云端低成本、快速、批量化地解决各种数据运算，再结合投资者风险偏好、财务状况与理财目标，通过后台算法为用户提供资产配置建议。在人工智能的支撑下，金融顾问改变了传统的客户和经理面对面的服务模式，以较低的服务费用吸引到投资者，可以避免投资人情绪化的影响，分散投资风险，信息相对透明。据预测，美国智能投顾行业的资产管理规模将从2016年的3 000亿美元增长至2020年的2.2万亿美元。

●人工智能与交通

为了疏导大城市的交通压力，人、车、路一体的智能交通系统需要人工智能加以引领。目前，智能道路系统的构建还处于起步阶段，相应的基础设施建设周期长且投资大。因此，要想发展智能车辆及车辆自动驾驶系统，提高车辆自身的智能是当下实现安全、高效的自动驾驶的最佳选择。人工智能带来车辆的自动控制和道路的动态规划，给人们交通出行带来最优化的体验。特别是深度学习和神经网络算法将在优化问题中得到广泛应用，为人、车、路一体化提供全面的知识，融合更多的全局环境信息（如地理信息系统提供的电子地图、交通信息中心提供的交通法规等），最终形成为决策提供依据的知识库。这个知识库相当于人、车、路一体化的大脑，具有类比和联想的功能，对城市交通问题的疏导、处理快速而准确。

大城市相应时间段的交通控制和出行环节的优化需要人工智能。在上海这个国际化大都市，虽然目前还无法实现人、车、路一体化的智慧交通回路，但是在相关环节逐步运用人工智能实现快捷出行和智慧交通显得日益迫切和重要。例如交通信号控制环节，人工智能依据路网交通流数据，对交通信号进行初始化配时和控制，同时根据实时交通流状况，实时调整配时方案，实现交通控制的优化。交通控制从被控区域的最小延误时间出发，获得最佳的配时方案，实现系统化最优。

人工智能技术体系图

汽车、无人机的智能网联需要人工智能技术的支撑。智能网联是使用车载传感器，例如视觉、激光雷达、超声传感器、微波雷达等，感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使得车辆能够高效、安全、可靠地在道路上行驶。未来，伴随着人机交互技术的发展，人类将为自动驾驶汽车、无人机等提供训练、执行和评估辅助，相应算法的改进将促进基于人类输入的机器学习，模拟人类意志、支持人机通信与协同的模型和算法有望被提出。在轨道交通的智能巡查方面，人工智能将替代人工巡检，更快、更早地发现并及时处置相关问题。

●人工智能与公共安全

城市安全相关的视频、图片、音频的抓取和处理需要人工智能。

一是音视频搜索。大城市每天产生的视频、图片、音频的快速处理，对城市安全来说至关重要。目前，这些资料仅能够通过各种采样编码技术存储于各种数字化存储介质中，并根据一定的文件编目或者内部时间戳进行快捷的调用播放，但无法有效地通过内容进行快速的查找，而利用人工智能技术可以展开快速搜索和处理。

二是重点卡口人脸识别。目前的卡口对人脸识别，如视频，一般是按照时间、地点进行播放，但无法直接要求系统快速查找特定的人脸。

三是城市安全。对城市公共安全来说，要实现基于内容的视频检索，必须进行内容标记或者内容解析，这就需要人工智能算法来帮助用户从海量的影像数据中主动抓取对城市安全有特定意义的视频内容。例如，为了防止有人在系统轨道交通、机场投放不明物体，人工智能可以按照特定的条件搜索相关场景以及相关物体，达到主动防御城市安全的目的。

●人工智能与教育

教育对人工智能的需求主要集中在4个方面：一是针对在线教育平台的教育资源和学习者的学习行为，需要人工智能介入分析；二是针对网络系统运行所做的分析，需要人工智能来自动协调；三是针对教学教务管理所做的支持，需要人工智能支撑；四是针对特定学生的分析，需要人工智能自动跟踪完成。新一代的在线学习平台和过去的重要区别在于，其增加了行为评价和学习诱导的成分，而这需要人工智能手段来介入和完成。

●人工智能与医疗保健

医疗保健领域的主要需求包括临床决策支持、患者监测和指导、实现手术和护理的自动化设备以及医疗保健系统管理。通过挖掘社交媒体数据来推断可能的健康风险，通过机器学习来预测患者风险，以及机器人辅助手术等领域取得重大成功，在很大程度上拓展了人工智能在医疗保健领域的应用潜力。未来几十年，人工智能在辅助医疗精准化发展的同时，也将是应对上海人口老龄化问题的重要助手，必将带来一系列能够改善生活质量的创新。基于人工智能的应用软件将有效改善人类的健康状况和生活质量、临床医疗决策支持、患者监控及辅导、自动化手术及患者护理设备、医保体系管理等，增强个人监控设备及手机应用软件、电子病历、医院机器人助手等收集数据的能力。人工智能可以通过患者的临床数据分析出其健康状况，这有助于实现更为细致的个性化诊断和治疗。

人工智能将颠覆现有医疗服务模式。随着数以亿计的人口健康数据变得有据可查，以及医疗流程转变，医疗服务模式将发生颠覆性变化。驻家健康监控及健康信息获取设备将能够感知患者的情绪或行为变化并提醒护理人员，个性化康复及驻家治疗模式的发展将降低住院率。此外，在慢性病、肿瘤及早介入、及早治疗方面，人工智能将发挥更为重要的作用。

●人工智能与制造业

人工智能将支撑传统制造业转型。上海在能源装备、大型船舶、汽车、航空、生物医药、集成电路等方面拥有雄厚的制造实力，迫切需要技术转型作为产业革新的契机，而这对上海人工智能的发展提出了迫切的需求。

在制造业方面，目前的初步应用是让工业机器人代替人手，解决自动化问题。在生产水平亟待提升、人口红利逐渐消失的情况下，更为关键的一步是利用人工智能将自动化工厂变为智能化工厂。然而，人工智能作为一项技术范畴，尽管近年来取得了突破性进展，但从目前来看，包含多项技术巅峰的通用人工智能发展仍有障碍。智能制造方面应用的人工智能受产业和场景牵引，技术隐藏在应用后面，真正的商业化价值，取决于技术在哪一个需求场景中应用成功，在哪一方面能为传统制造业升级带来价值。

人工智能国内企业分布

人工智能投资前景分析

金融、交通、公共安全、教育等领域对人工智能的要求越来越高，人工智能自身技术领域的提升显得至关重要。从行业需求来看，虽然各有侧重，但是在技术供给层面有着一些共性特征，而人工智能技术的迭代满足这些共性特征。从投资前景来看，可以从人工智能技术与发展战略两个维度来考虑。

●技术方向

未来几年，投资人可以从软件、硬件、系统等技术方向投资布局。

在人工智能软件方面，投资人可以考虑从三方面发力：一是提升人工智能系统的数据挖掘能力、感知能力；二是提高人工智能软件对非结构化数据的处理能力；三是推动系统革新，促进可扩展、类人的、通用的人工智能系统的研发。

在提升和改善人工智能硬件设备方面，投资人需要考虑以下三方面：一是信息输入端，提高机器视觉的识别能力和效果；二是使用高级别的图形处理器；三是在计算能力方面，提供高性能计算的商务计算机群组，超级计算机、超算中心成为重要配置。

在人机协作智能系统方面，通过与可穿戴、虚拟现实、人体机能增强等技术领域的协同，达到类人智能的效果。投资人可以关注两个方面：一方面，增强系统的可理解性和交互能力，包括改进人工智能算法提升其可用性、开发可视化的人机用户界面以及更为高效的自然语言识别与处理系统；另一方面，开发增强人类能力的智能产品，包括使用人工智能算法的计算机、可穿戴设备、植入装置等硬件设备，以及记忆辅助系统、医疗诊断助手等智能系统，从而满足公共安全、交通、制造、教育、医疗等领域的人工智能的深度技术需求。

具体来说，未来几年，投资人应关注以下6个技术重点：

（1）深度学习

目标及运动识别等计算机视觉的发展依赖于卷积神经网络的训练，而深度学习则有助于实现视频、语音及自然语言处理等。传统机器学习主要关注模式挖掘，深度学习的出现则成为强化学习广泛应用的一剂“强心针”，是一种推进人工智能向类脑发展的技术。目前，谷歌公司研发的深度学习芯片TPU，对图像智能和语音智能的实现是一次大的飞跃，受到人工智能界的广泛关注。

（2）传感器

围绕人工智能，目前发展较快的是视觉传感器、听觉传感器、压力传感器等技术。传感器技术使得人工智能更有预见性地与周围环境进行交互，计算机视觉、力量与触觉感知等机器感知的进步将促进人工智能多个方面的提升。

（3）计算机视觉

在人工智能全部子领域中，计算机视觉发展相对缓慢。当前受到深度学习技术的影响，计算机进行视觉分类首次超越人类，同时更多的研究正聚焦图像和视频的自动抓取。可以预见，随着计算机视觉这一关键技术的突破，人工智能的应用会越来越广泛。

（4）自然语言处理

在日渐精致强干的系统中，人类希望与人工智能对话。自然语言处理成为基于大规模数据集的主流语言商品化工具，这一技术将进一步拉近人类和人工智能的距离。

（5）算法博弈理论

人工智能从经济学、社会学维度出发，基于个人、企业等的利己本质以及自主人工智能体的“自我表现欲”等，必须关注计算机制设计、计算机社会选择、动因对标信息抽取等，特别是算法博弈理论。

（6）神经形态计算

神经形态计算是受生物神经网络启发的计算模型，可用于提高硬件效率和系统稳定性。未来神经形态计算有可能成为冯·诺依曼体系的有效补充，特别是随着深度神经网络在专用神经形态硬件上的应用，更有可能给人工智能带来不可预估的影响。

●发展战略

（1）人工智能公共服务平台

国内科大讯飞、阿里巴巴等企业都建立了人工智能企业服务平台。科大讯飞主要在语音智能、机器学习等领域处于领先地位；阿里巴巴主要推出人工智能平台DTPAI和机器人客服平台。目前，上海不缺人工智能资源，但缺乏整合资源，为人工智能技术创新和产业化服务的企业化运作的平台。

（2）行业深度融合

上海在云计算、大数据、物联网、可穿戴等领域都具有较好的发展基础。人工智能与相关行业的融合应用一般被称为“弱人工智能”，国内外专家一致认为“弱人工智能”是人工智能发展的初始阶段，并且在未来5～10年都处于这一阶段。从产业形态来说，人工智能是大数据、云计算、物联网等战略性新兴产业发展的高级形态，对传统产业的转型和培育新兴的行业增长点至关重要。因此，推动人工智能与大数据、云计算、物联网、可穿戴等行业的融合显得比较迫切。

（3）人工智能新兴产业培育

近年来，人工智能领域在技术上获得一系列突破，刺激了这一领域的产业化应用发展，并吸引了大量投资，有望带来相关领域的革命性变革。虽然今天的人工智能仅限于狭窄的具体任务，但当前的发展速度将对从医疗保健到图像和语音识别的各个领域产生广泛影响。人工智能可以提供健康诊断、个性化学习、包容经济和自主交通的转型解决方案。

从技术竞争布局来看，人工智能近年的突破主要归功于对大脑的初步模拟、大数据和强大的计算能力，其核心在于神经科学、数学、信息科学、医学等多学科领域密集的交叉融合。目前，取得突破的人工智能更多沿用经典的计算框架，如何借助脑科学的研究成果，充分利用生物体上亿年来优化形成的脑框架结构和脑工作原理以突破现阶段模拟计算中的瓶颈，是人工智能推向新阶段——类脑人工智能的必然路径。要推动类脑人工智能，需要计算神经科学的发展。认知的脑系统异常复杂，其工作原理的揭示取决于神经科学实验和理论、神经网络的模拟共进。而计算神经科学对从脑科学实验的发现到新机器算法的转化起关键作用（深度学习就是个著名例子）。因此，计算神经科学是沟通脑科学与类脑计算、人工智能的重要桥梁。此外，上海应该围绕教育、养老、交通等领域，推动人工智能阶段性科技创新成果进入经济主战场，积极培育人工智能融合相关行业的商业模式，甚至激励人工智能新兴产业成长。

值得一提的是，资本投资应尽量避免人工智能可能带来的负面效应。例如，人工智能的发展可能危及未来的就业岗位、涉及隐私、侵犯知识产权、挑战人类尊严等，像任何新兴技术一样，人工智能也带来风险，并提出了从就业、经济到安全和监管问题等多个方面的复杂政策挑战。