【文章內(nèi)容簡介】 智元 100 分析報告 47（四）新智元 100 最具競爭力榜單 Top 10 51附錄：新智元 100 評選榜單55一、產(chǎn)業(yè)篇人工智能經(jīng)過 60 年的發(fā)展，已逐漸從技術走向應用。近幾年，在深度學習的推動下，人工智能取得了飛速發(fā)展。世界各國紛紛將人工智能作為國家戰(zhàn)略，積極推動產(chǎn)業(yè)發(fā)展，企業(yè)將人工智能 作為未來的發(fā)展方向積極布局，圍繞人工智能的創(chuàng)新創(chuàng)業(yè)也在不斷涌現(xiàn)。未來，人工智能將深刻改 變?nèi)祟惖纳a(chǎn)、生活方式。（一）人工智能 60 年1．人工智能：感知 + 理解 + 決策自 1956 年達特茅斯會議提出“人工智能”這個詞以來，業(yè)界對“人工智能”的認知也在不斷 發(fā)生變化。參考 Stuart Russell and Peter Norvig 的定義，對人工智能的認知可以按思考還是行動、像 人還是理性兩個維度分為四種，即像人一樣行動、像人一樣思考、合理地思考以及合理地行動。圖表 1 對人工智能的不同認知及其特點資料來源：《 Arti?cial Intelligence: A Modern Approach 》3rd Edition15一、產(chǎn)業(yè)篇 前三種認知方式下的人工智能由于技術受限和其它一些原因，尚未實現(xiàn)大規(guī)模產(chǎn)業(yè)化應用。像人一樣行動以阿蘭 ? 圖靈在 1950 年提出的圖靈測試為代表，強調(diào)人工智能應該像人一樣行動。近 年來，又有人提出全面圖靈測試，增加了視覺信號和物理操縱需求，從而使圖靈測試覆蓋了自然語 言處理、知識表示、自動推理、機器學習、計算機視覺和機器人六大學科。因此 60 年后，圖靈測 試對于驗證一個系統(tǒng)是否具備智能，仍然有效。像人一樣思考基于認知建模，更加強調(diào)像人一樣思 考。人的大腦一直是一個未解之謎，目前美國和歐盟均在開展人腦研究，一旦破解了大腦思考方式 這個世界難題，類人的智能研究將取得重大突破?，F(xiàn)階段的人腦研究尚不足以支撐人工智能建立像 人一樣思考的系統(tǒng)。合理地思考則是邏輯主義流派提倡的通過制定規(guī)則使智能系統(tǒng)合理地思考。這 種基于規(guī)則的認知方式開發(fā)出的人工智能系統(tǒng)精準度較高。但對非形式的知識制定規(guī)則并不容易， 因此僅適用于規(guī)則清晰的專業(yè)領域，在通用領域中難以得到大規(guī)模應用。以合理地行動為代表的人工智能帶動了新一輪的人工智能浪潮。合理地行動現(xiàn)階段以基于深度 學習的人工智能為代表，強調(diào)通過感知 + 理解 + 決策來實現(xiàn)，是建立在大量先驗知識的基礎上做出 的相對合理的判斷和決策。盡管基于深度學習的人工智能需要基于大量先驗知識做出判斷，無法實 現(xiàn)完美合理性，但在海量數(shù)據(jù)的支撐下，“感知 + 理解 + 決策”的人工智能有望不斷接近完美合理， 使得人工智能技術在產(chǎn)業(yè)上得到大規(guī)模應用。2．人工智能三“起”三“落”后迎來爆發(fā)人工智能研究始于 20 世紀 40 年代，從人工智能概念的誕生至今已有 60 年。根據(jù)人工智能技 術及產(chǎn)業(yè)發(fā)展的整體形勢，我們將其分為三個階段。第一階段（20 世紀 50 年代中期到 80 年代初期）：深耕細作，30 年技術發(fā)展為人工智能產(chǎn) 業(yè)化奠定基礎。在 1956 年之前，人工智能就已經(jīng)開始孕育。神經(jīng)元模型、圖靈測試的提出以及 SNARC 神經(jīng)網(wǎng)絡計算機的發(fā)明，為人工智能的誕生奠定了基礎。1956 年的達特茅斯會議代表人工 智能正式誕生和興起。此后人工智能快速發(fā)展，深度學習模型以及 AlphaGo 增強學習的雛形——感 知器均在這個階段得以發(fā)明。隨后由于早期的系統(tǒng)適用于更寬的問題選擇和更難的問題時效果均不 理想，因此美國、英國相繼縮減經(jīng)費支持，人工智能進入低谷。第二階段（20 世紀 80 年代初期至 21 世紀初期）：急功近利，人工智能成功商用但跨越式發(fā)展 失敗。80 年代初期，人工智能逐漸成為產(chǎn)業(yè)，第一個成功的商用專家系統(tǒng) R1 為 DEC 公司每年節(jié) 約 4000 萬美元左右的費用。截止到 20 世紀 80 年代末，幾乎一半的“財富 500 強”都在開發(fā)或使用“專家系統(tǒng)”。受此鼓勵，日本、美國等國家投入巨資開發(fā)第 5 代計算機——人工智能計算機。在 90 年代初，IBM、蘋果推出的臺式機進入普通百姓家庭中，奠定了計算機工業(yè)的發(fā)展方向。第5 代計算機由于技術路線明顯背離計算機工業(yè)的發(fā)展方向，項目宣告失敗，人工智能再一次進入低 谷。盡管如此，淺層學習如支持向量機、Boosting 和最大熵方法等在 90 年代得到了廣泛應用。第三階段（21 世紀初期至今）：量變產(chǎn)生質變，人工智能有望實現(xiàn)規(guī)?；瘧谩Ｄ柖珊驮?計算帶來的計算能力的提升，以及互聯(lián)網(wǎng)和大數(shù)據(jù)廣泛應用帶來的海量數(shù)據(jù)量的積累，使得深度學 習算法在各行業(yè)得到快速應用，并推動語音識別、圖像識別等技術快速發(fā)展并迅速產(chǎn)業(yè)化。2006年，Geoffrey Hinton 和他的學生在《 Science 》上提出基于深度信念網(wǎng)絡（Deep Belief Networks,DBN）可使用非監(jiān)督學習的訓練算法，使得深度學習在學術界持續(xù)升溫。2012 年，DNN 技術在圖 像識別領域的應用使得 Hinton 的學生在 ImageNet 評測中取得了非常好的成績。深度學習算法的應 用使得語音識別、圖像識別技術取得了突破性進展，圍繞語音、圖像、機器人、自動駕駛等人工智 能技術的創(chuàng)新創(chuàng)業(yè)大量涌現(xiàn)，人工智能迅速進入發(fā)展熱潮。未來，人工智能的熱度將可能會有所回落，但人工智能技術的發(fā)展將深入到金融、交通、醫(yī) 療、工業(yè)等各個領域，逐漸改變?nèi)祟惖纳a(chǎn)生活方式。圖表 2 人工智能發(fā)展歷程（二）全球人工智能產(chǎn)業(yè)發(fā)展態(tài)勢經(jīng)過 60 年的發(fā)展，人工智能在深度學習、海量數(shù)據(jù)和高性能計算的支撐下，現(xiàn)已進入產(chǎn)業(yè)化 應用初期。2016 年，基于深度學習的智能語音、圖像識別、智能駕駛等技術開始向各個應用領域 滲透，全球人工智能產(chǎn)業(yè)規(guī)模快速增長。為搶占人工智能高地，谷歌、微軟、IBM、Facebook 等企 業(yè)在人工智能領域的戰(zhàn)略布局進一步突出，圍繞人工智能的創(chuàng)新創(chuàng)業(yè)進一步繁榮。美國、日本等國 家也先后出臺人工智能相關政策及國家計劃，為產(chǎn)業(yè)發(fā)展創(chuàng)造良好的生態(tài)環(huán)境。1．全球人工智能產(chǎn)業(yè)將進入快速增長期在深度學習技術和開源平臺的推動下，人工智能技術門檻逐漸降低，受到全球下游應用需求的 迫切倒逼，人工智能贏得了加速發(fā)展的黃金期，圍繞人工智能的應用和創(chuàng)新不斷涌現(xiàn)。2015 年，全 球人工智能產(chǎn)業(yè)規(guī)模達到 億美元，預計 2016 年將突破 100 億美元。據(jù) BBC 預計，2020 年全 球人工智能市場規(guī)模將達 183 億美元。在未來 10 年甚至更久的時間里，人工智能將是眾多智能產(chǎn) 業(yè)技術和應用發(fā)展的突破點。圖表 3 20142020 年全球人工智能產(chǎn)業(yè)規(guī)模除產(chǎn)業(yè)規(guī)模快速增長外，圍繞人工智能的創(chuàng)業(yè)企業(yè)數(shù)量也大幅提升。根據(jù) Venture Scanner 對 全球 71 個國家人工智能公司的統(tǒng)計，截至到 2016 年第三季度，全球人工智能創(chuàng)業(yè)公司數(shù)量已有1287 家，其中 585 家獲得投資，投資金額總計達到 77 億美元，其中美國投資金額超過 31 億美元。圖表 4 2016 年全球人工智能企業(yè)區(qū)域分布資料來源：Venture Scanner2．全球人工智能企業(yè)競爭日趨激烈谷歌、微軟、IBM、Facebook 等企業(yè)憑借自身優(yōu)勢，積極布局整個人工智能領域。各大企業(yè)通 過加大研發(fā)投入力度、招募高端人才、建設實驗室等方式加快關鍵技術研發(fā)；同時，通過收購等方 式吸收人工智能優(yōu)秀中小企業(yè)來提升整體競爭力；此外，各大企業(yè)還積極開放、開源技術平臺，構 建圍繞自有體系的生態(tài)環(huán)境。2016 年 4 月，谷歌 CEO Sundar Pichai 第一次明確提出將 AI 優(yōu)先作為公司大戰(zhàn)略。谷歌以深度學習技術為依托，涉足人機交互、語言理解、機器人等人工智能核心技術應用領域，全方位布局人工智能產(chǎn)業(yè)。技術方面，谷歌通過加強自身技術水平，提升谷歌傳統(tǒng)搜索、翻譯和社交業(yè)務；推動 集視、聽、說、感知和控制于一體的無人駕駛汽車；并先后開源了第二代機器學習平臺 TensorFlow 以及自然語言理解軟件 SyntaxNet 的源代碼，引領互聯(lián)網(wǎng)巨頭在人工智能領域開源的趨勢改為浪 潮。谷歌通過對 DeepMind 等人工智能行業(yè)創(chuàng)業(yè)企業(yè)的并購以及與強生、福特等傳統(tǒng)產(chǎn)業(yè)巨頭的合 作，實現(xiàn)人工智能領域的全面布局及縱深式發(fā)展。圖表 5 谷歌的人工智能布局微軟在人工智能領域動作不斷。微軟研究院是最早開始從事人工智能研究的，發(fā)布了 Cortana 和 Skype Translator 等一系列產(chǎn)品。微軟在 2015 年 5 月初發(fā)布了人工智能領域的牛津計劃，由一系 列基于云端的機器學習相關的 API、SDK 和相關服務等組成，旨在讓開發(fā)人員們不需要繁復的機器 學習背景也能開發(fā)跨平臺的更智能和更交互的應用。當時，牛津計劃率先開源了人臉識別、語音處 理和計算機視覺三個部分。2016 年 1 月 25 日，微軟在 GitHub 上發(fā)布了其深度學習工具包——Computational Network Toolkit（簡 稱 CNTK）。CNTK 是一個統(tǒng)一的深度學習工具包，它通過一個有向圖將神經(jīng)網(wǎng)絡描述為一系列計算 步驟。在有向圖中，葉節(jié)點表示輸入值或網(wǎng)絡參數(shù)，邊表示輸入之上的矩陣運算。CNTK 使得實現(xiàn)和 組合前饋型神經(jīng)網(wǎng)絡 DNN、卷積神經(jīng)網(wǎng)絡（CNN）和循環(huán)神經(jīng)網(wǎng)絡 (RNN/LSTM) 變得非常容易。在 2016 年的 Window Build 開發(fā)者大會上，微軟開放了 Microsoft Bot Framework，開發(fā)者可以直接接入 Microsoft Bot Framework 來開發(fā)類似微軟小冰這樣的聊天機器人。9 月，公司更宣布成立5000 人的人工智能部門，與 Windows 和 Of?ce、云計算等部門并列。圖表 6 微軟人工智能布局Facebook 積極組建人工智能實驗室，并通過開源技術平臺等方式來獲取更大的成功。Facebook 現(xiàn)有兩大實驗室，其中一個是重點發(fā)展基礎研究的 Facebook AI（FAIR）項目，由 Yann LeCun 負責， 主要專注于基礎科學和長期研究。FAIR 現(xiàn)有三個實驗室，分別位于美國紐約、加州門洛帕克以及 法國巴黎，擁有超過 130 位人工智能專家。AML（應用機器學習部門）則專注于人工智能產(chǎn)品應用， 由西班牙裔機器學習專家 Joaquin Candela 負責。AML 正試圖為排名、廣告、搜索、語言翻譯、語 音識別、自動產(chǎn)生視頻字幕以及自然語言理解等領域開發(fā)更好的算法以提升 Facebook 的基礎。為 了進一步彌補在語音技術方面的短板，2015 年初，F(xiàn)acebook 收購了語音指令創(chuàng)業(yè)公司 ，之 后建立了語言技術部門。為了進一步提升技術水平，F(xiàn)acebook 先后開源 fbcunn——用于在 Torch 上 更快速地訓練神經(jīng)網(wǎng)絡的模塊、人工智能硬件平臺 Big Sur 等十余個項目。Facebook 將其 AI 系統(tǒng) 進行開源，有助于整個產(chǎn)業(yè)加速發(fā)展。圖表 7 Facebook 人工智能布局IBM 在 認 知 計 算 平 臺 Waston 項 目 上 持 續(xù) 投 入， 并 成 立 專 門 部 門 推 動 Watson 商業(yè) 化，目前 Waston 海量內(nèi)容的分析能力已在醫(yī)療和金融領域率先使用。2014 年 9 月，IBM 發(fā)布基于自然語言處 理的數(shù)據(jù)分析服務沃森分析（Watson Analytics），并向公眾提供免費試用。Watson Analytics 云服務支持 用戶上傳數(shù)據(jù)并通過英語語句查詢分析結果，還能根據(jù)不同的分析場景向用戶建議數(shù)據(jù)清洗步驟，以 及最佳的數(shù)據(jù)可視化方法。2015 年 5 月，IBM 宣布 14 家來自美國和加拿大的癌癥治療機構將開始部 署沃森（Watston）計算機系統(tǒng)，該套系統(tǒng)將能根據(jù)病人腫瘤的基因指紋選擇出適合的治療方案。圖表 8 IBM 人工智能布局人工智能發(fā)展條件的成熟同時催生了大量人工智能創(chuàng)業(yè)企業(yè)。Venture Scanner 將 1139 家人工智能公司劃分為 13 個細分行業(yè)，包括深度學習 / 機器學習（通用）、深度學習 / 機器學習（應用）、 自然語言處理（通用）、自然語言處理（語音識別）、計算機視覺 / 圖像識別（通用）、計算機視覺 / 圖 像識別（應用）、手勢控制、虛擬私人助手、智能機器人、推薦引擎和協(xié)助過濾算法、情境感知計 算、語音翻譯、視頻內(nèi)容自動識別 13 個細分行業(yè)。其中機器學習（應用）分類以約 300 家企業(yè)的數(shù) 量遙遙領先，自然語言處理公司數(shù)量位列第二。圖表 9 2016 年第一季度全球人工智能創(chuàng)業(yè)企業(yè)圖譜資料來源：Venture Scanner隨著人工智能的持續(xù)發(fā)展，圍繞人工智能的競爭將日趨激烈?？v觀智能語音、智能圖像、自然 語言處理、智能駕駛等人工智能技術的廣泛應用，人工智能已成為推動產(chǎn)業(yè)升級、創(chuàng)新發(fā)展的關鍵 動力。未來將會有越來越多的企業(yè)融入到人工智能產(chǎn)業(yè)之中，推動新一輪的技術浪潮。人工智能在 眾多領域的應用潛力，也會給行業(yè)發(fā)展帶來無限的想象力。3．人工智能已上升為國家戰(zhàn)略新一輪的人工智能浪潮受到各國政府的高度關注，美國、日本、韓國等國家近幾年紛紛出臺多 項戰(zhàn)略、計劃積極推動人工智能發(fā)展，人工智能已逐漸上升為國家戰(zhàn)略。美國于 2013 年啟動創(chuàng)新神經(jīng)技術腦研究（BRAIN）計劃，由美國國立衛(wèi)生研究院（NIH）、國 家科學基金會（NSF）、DARPA、白宮科技政策辦聯(lián)合承擔，并計劃 10 年投入 45 億美元。DARPA于 2015 年召開“未來技術論壇”，預測未來 30 年的技術發(fā)展。美國白宮于 2016 年 5 月宣布成立 “人工智能和機器學習委員會”，用于協(xié)調(diào)全美各界在人工智能領域的行動，并將在奧巴馬任期結束 前多用人工智能提高政府辦公效率。圖表 10 美國人工智能相關戰(zhàn)略、計劃時 間戰(zhàn)略、計劃備 注2013 年 4 月“推進創(chuàng)新神經(jīng)技術腦研究計劃”（BRAIN）政府撥款 億美元2014 年NIH 小組制定未來十年詳細計劃十年總投資 45 億美元2015 年 10 月DARPA“未來技術論壇”未來 30 年技術發(fā)展預測2015 年 11 月CSIS 發(fā)布《國防 2045 ：為國防政策制定者評估未來的安全環(huán)境及影響》報告指出人工智能是影響未來安全環(huán)境的重要因素2016 年 2 月DARPA 表示正在發(fā)展人工智能技術，以奠定其理論基礎支撐美國第三次“抵消戰(zhàn)略”2016 年 5 月美國白宮成立人工智能和機器學習委員會探討制定人工智能相關政策和法律日本政府近年來高度重視人工智能技術。2015 年 1 月，日本發(fā)布“新機器人戰(zhàn)略”，希望通過發(fā)展機器人技術，推動工業(yè)生產(chǎn)力的提高。同年，日本政府先期投入 10 億日元在東京成立“人工 智能研究中心”，集中開發(fā)人工智能相關技術。2015 年底，日本政府發(fā)布第五個科學與技術基礎五 年計劃。計劃中，日本政府提出了名為“超級智能社會（super smart society）”的未來社會構想，要 發(fā)展信息技術、人工智能以及機器人技術，整個計劃的預算為 26 萬億日元。日本還于 2016 年制定 高級綜合智能平臺計劃（AIP），是為實現(xiàn)日本第五個科技基礎五年計劃、建設“超級智能社會”而 提出的人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、網(wǎng)絡安全綜合發(fā)展計劃。圖表 11 日本人工智能相關戰(zhàn)略、計劃時 間戰(zhàn)略、計劃備 注2015 年 1 月新機器人戰(zhàn)略通過發(fā)展機器人技術，推動工業(yè)生產(chǎn)力的提高。2015 年人工智能研究中心前期投入 10 億日元。2015 年 12 月第五個科學與技術基礎五年計劃提出名為“超級智能社會（super smart society）”的未來社會構想，發(fā)展信息技術、人工智能以及機器人技術，預算 26 萬億日元。2016 年高級綜合智能平臺計劃（AIP）人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、網(wǎng)絡安全綜合發(fā)展計劃。2013 年 5 月，韓國啟動 Exobrain 計劃，計劃由韓國未來創(chuàng)造科學部（MSIP）主持，歷時 10年，總預算為九千萬美元，計劃的目標是開發(fā)專業(yè)領域人機交流的自然語言對話系統(tǒng)。2014 年，韓 國發(fā)布的第二個智能機器人總規(guī)劃（20142018）希望能將機器人產(chǎn)業(yè)與其他制造業(yè)和服務業(yè)相結 合，保持在機器人技術及相關重點產(chǎn)業(yè)的優(yōu)勢。2015 年，韓國未來創(chuàng)造科學部（MSIP）發(fā)布了 Star Lab 軟件研發(fā)項目，人工智能是五大關鍵領域之一。圖表 12 韓國人工智能相關戰(zhàn)略、計劃時 間戰(zhàn)略、計劃備 注2013 年 5 月Exobrain 計劃歷時 10 年，總預算為九千萬美元，計劃的目標是開發(fā)專業(yè)領域人機交流的自然語言對話系統(tǒng)。2014 年第二個智能機器人總規(guī)劃（20142018）將機器人產(chǎn)業(yè)與其他制造業(yè)和服務業(yè)相結合，保持在機器人技術及相關重點產(chǎn)業(yè)的優(yōu)勢。2015 年AI Star Lab人工智能是項目五大關鍵領域之一。（三）我國人工智能產(chǎn)業(yè)發(fā)展態(tài)勢在全球人工