【正文】 ow，還有 Torch，百度的Paddle 等等，都能夠很快搭建深度學習模型。但是開源的算法在某些場景下并不能很好的發(fā)揮作用，所以有些公司仍然提供更加專業(yè)的算法模型訓練的服務，以幫助企業(yè)規(guī)避模型訓練帶來的風險和成本，比如 Explosion，如果客戶對模型結果不滿意，就 不收費；這類公司擁有專業(yè)的數(shù)學、工程方面的人才，通常對某些問題有自己的解決 方案，在算法的優(yōu)化，模型的訓練上面積累了大量的經(jīng)驗，從而能夠提供高效優(yōu)質(zhì)的 服務。由于算法科學方面人才的緊缺，有些平臺可以讓算法科學家把自己研究的算法 代碼放上去，使用者按照調(diào)用次數(shù)付費。4) 垂直領域玩家：垂直領域玩家指代在探索數(shù)據(jù)在行業(yè)的智能化應用的垂直行業(yè)的公司 或服務于垂直行業(yè)的科技服務公司。這類企業(yè)的速贏關鍵因素是對于該垂直領域需求 的深耕和閉環(huán)的運營。在探尋智能行業(yè)應用的過程中，通常以自身行業(yè)應用場景和需 求為出發(fā)點，圍繞新興數(shù)據(jù)的生命全周期，快速構建“數(shù)據(jù)平臺層、數(shù)據(jù)分析層、數(shù) 據(jù)應用層”的智能化應用建設體系，挖掘出契合、提升自身傳統(tǒng)業(yè)務體系效率或模式 的數(shù)據(jù)智能化應用，實現(xiàn)行業(yè)產(chǎn)能的提升。以醫(yī)療科技公司 Lifegraph 開發(fā)的移動健 康產(chǎn)品為例，智能可穿透設備為實時采集用戶健康信息的數(shù)據(jù)提供了可能（基礎 層），其圍繞醫(yī)療專家智庫建立智能化情感與健康識別模型（分析層），實時醫(yī)師與 病患家屬提供病患健康信息（應用層），保障病患異常信息被有效監(jiān)測，從而降低病 患事故。傳感器技術的發(fā)展，為 Lifegraph 拓展了數(shù)據(jù)源的豐富度；通過與專業(yè)醫(yī)療 機構合作伙伴的合作，快速定位移動醫(yī)療健康產(chǎn)業(yè)需求，并獲取專家知識能力，開發(fā) 垂直領域數(shù)據(jù)產(chǎn)品，形成行業(yè)競爭優(yōu)勢。其他垂直領域案例還包括：TeleLauguage 的醫(yī)療智能代理語音治療；Mapquest 的智能交通規(guī)劃；K12 的教育輔助機器人； 螞蟻金服的芝麻信用等等。5) 生態(tài)領域玩家：生態(tài)領域玩家是指能夠建立起跨行業(yè)、跨業(yè)態(tài)，貫穿數(shù)據(jù)生命周期的數(shù)據(jù)平臺、分析平臺以及應用平臺的智能數(shù)據(jù)科技公司。這類公司通常具備極強的平臺技術能力，通過平臺向合作伙伴提供數(shù)據(jù)整合能力、數(shù)據(jù)分析的算法能力；并最終 在平臺上實現(xiàn)橫向差異化、縱向?qū)I(yè)一體化的數(shù)據(jù)應用服務能力。生態(tài)領域玩家快速 建立行業(yè)壁壘，形成競爭優(yōu)勢的核心是：一是具備較強的數(shù)據(jù)平臺與自有數(shù)據(jù)優(yōu)勢， 支撐生態(tài)合作伙伴的數(shù)據(jù)整合，幫助生態(tài)上的合作伙伴的數(shù)據(jù)交換與整合，加速完整 的數(shù)據(jù)視圖的構建，實現(xiàn)各場景化數(shù)據(jù)的有效支撐；二是具備較強自有數(shù)據(jù)科學優(yōu) 勢，與合作伙伴進行能力互補，依托合作伙伴垂直領域的專業(yè)性，快速構建行業(yè)智能 數(shù)據(jù)分析能力，實現(xiàn)對多維度數(shù)據(jù)的鉆取，加速從數(shù)據(jù)到數(shù)據(jù)價值挖掘的進程；三是 具備較強的客戶渠道優(yōu)勢或品牌優(yōu)勢，以合作伙伴為應用驗證場景，加速垂直領域智 能數(shù)據(jù)應用的形成，快速復制并輸出。以 Google 為例，Google 生態(tài)中的 Niantic Labs 與任天堂的數(shù)據(jù)與技術合作推出了風靡全球的 Pokemon go；百度生態(tài)中的百 度聯(lián)盟以平臺為支撐，與廣告生態(tài)商的數(shù)據(jù)合作，形成國內(nèi)最大的網(wǎng)盟之一；蘋果移 動設備的功能生態(tài)與 IBM 達成合作，通過 IBM 的集客資源與大數(shù)據(jù)能力，打造更加 垂直的商業(yè)應功能等等。四、未來人工智能的發(fā)展趨勢以及對策 中國人工智能行業(yè)發(fā)展趨勢要分析中國人工智能行業(yè)的發(fā)展趨勢，可以從背后數(shù)據(jù)的流通發(fā)展趨勢來看。從數(shù)據(jù) 流通的角度，我們可以將行業(yè)價值鏈分為以下的四個環(huán)節(jié)：1) 供給環(huán)節(jié)：也就是采集數(shù)據(jù)的環(huán)節(jié)，是讓人工智能所使用的數(shù)據(jù)進入到流通環(huán)節(jié)的入口?，F(xiàn)階段數(shù)據(jù)的供給主要有三種：方式一，自籌數(shù)據(jù)，即從零開始，投入大量人力采集數(shù)據(jù)；方式二，公共數(shù)據(jù)，例如美國、英國、加拿大、新西蘭，以及我國的香 港、上海、北京、武漢、無錫、佛山和南海等城市都有自己的線上數(shù)據(jù)平臺；方式 三，產(chǎn)業(yè)數(shù)據(jù)協(xié)同，即下游創(chuàng)業(yè)公司或行業(yè)公司和產(chǎn)業(yè)鏈上游的數(shù)據(jù)或平臺型公司建 立合作，連接對雙方均有利的產(chǎn)品或數(shù)據(jù)。但是由于非結構化數(shù)據(jù)的識別需要大量投 入人工智能的研發(fā)，因此少數(shù)的、高價值的情境化數(shù)據(jù)最后會集中在少數(shù)有能力的企 業(yè)手中。2) 流通環(huán)節(jié)：也就是數(shù)據(jù)的交易、整合的環(huán)節(jié)。雖然數(shù)據(jù)交易在中國還處于初級階段， 但是由于人工智能對于數(shù)據(jù)多源化的依賴，數(shù)據(jù)交易機制的形成成為一個必然的趨 勢。3) 分析環(huán)節(jié)：也就是人工智能利用數(shù)據(jù)進行建模，迭代算法的環(huán)節(jié)。4) 需求環(huán)節(jié)：也就是將現(xiàn)實中的需求轉(zhuǎn)化為人工智能需要解決的目標問題集，并概念化 成一套亟待解決的方案的環(huán)節(jié)。圖表 6 人工智能行業(yè)價值微笑曲線從數(shù)據(jù)流通的角度來說，人工智能行業(yè)價值鏈也會存在一個微笑曲線：數(shù)據(jù)交易市場 的完善與分析算法的趨同使這兩個環(huán)節(jié)的附加價值不斷降低；而數(shù)據(jù)的供給測與最后的解 決方案則會成為附加價值最高處。因此，占據(jù)特別的數(shù)據(jù)來源，將別人無法結構化的數(shù)據(jù) 進行結構化轉(zhuǎn)化，或者發(fā)現(xiàn)適合人工智能解決的實際需求，成為價值最高的環(huán)節(jié)。由于這 樣微笑曲線的存在，未來中國人工智能行業(yè)的發(fā)展會呈“兩化“趨勢——生態(tài)化和開源 化。1) 生態(tài)化：為了滿足人工智能對數(shù)據(jù)多源的需求，人工智能公司會傾向于在數(shù)據(jù)供給和 需求兩方形成壁壘并打通端到端全價值鏈，形成生態(tài)是必然趨勢；中小企業(yè)將存活于 交易和算法兩個環(huán)節(jié)，依附于大公司的生態(tài)。最后會以數(shù)據(jù)的流通、算法的不斷迭代 提升為基礎，形成端到端的閉環(huán)生態(tài)。2) 開源化：為了滿足人工智能向通用人工智能/強人工智能發(fā)展的發(fā)展對數(shù)據(jù)多源性、交 叉性提出要求，數(shù)據(jù)生態(tài)的開放性將進入一個新的階段——大規(guī)模開源階段。許多頂 尖的技術和算法確實都是免費提供的，并且很容易就能下載。Elon Musk，F(xiàn)acebook，Apple 等巨頭要花費巨資，并且初創(chuàng)企業(yè)那么努力地推動免費開放，其中有一系列考慮。首先，AI 公司和組織是由科學家和學術研究推動的，他們自身的理念推崇共享和公開發(fā)表自己的研究成果。第二，開源可以抬高行業(yè)的壁壘：如果大家 都認可使用 TensorFlow 可以做到什么，那么另一家公司如果想要取代谷歌的競爭 者，至少需要證明自己可以提供在 TensorFlow 上可以完成的事。它還會培養(yǎng)起用 戶，一旦用戶習慣了 TensorFlow 后，他們很可能不再使用別的工具，并在潛意識里 認為，所有的東西都應該是建立在 TensorFlow 之上的。Bostrom 在 2016 年的一篇 文章中說過，短期內(nèi)，更高的開放度可能會加速 AI 的普及。軟件和知識都是非競爭 性商品，這也會讓更多的人使用它。人們可以用最低的成本在此前頂級的應用和技術 基礎之上進行開發(fā)，或者修正 bugs。對于大公司來說，這也是塑造品牌的一個良 機。 中國人工智能行業(yè)玩家的應對策略未來，人工智能行業(yè)本身將會面臨進一步的洗牌，能夠更好的應用異構的、情境化的 數(shù)據(jù)，能夠開發(fā)更加智能的算法，能夠開源撬動生態(tài)價值流動的企業(yè)能夠獲取更大的競爭 優(yōu)勢，也就是說，能夠杠桿利用微笑曲線的企業(yè)得天下，all in or all out（不順應微笑曲 線規(guī)律的企業(yè)將逐漸被淘汰）。這樣，競爭優(yōu)勢會內(nèi)生疊加，進一步幫助企業(yè)吸引更多的 人才和技術；人才和技術持續(xù)集中，根據(jù)數(shù)據(jù)分布的特點，中小型企業(yè)將被迫向垂直數(shù)據(jù) 應用領域轉(zhuǎn)型，并穩(wěn)定在垂直領域，但同時又不得不依托于大型生態(tài)的數(shù)據(jù)連接能力，最 終呈現(xiàn)一種“一大多小”兩極分化、“小依附大”的競爭態(tài)勢。那么面對這樣的發(fā)展趨勢，企業(yè)究竟是縱向深耕，還是橫向擴張，抑或是構造生態(tài) 呢？對于人工智能領域的大企業(yè)來說，他們會占據(jù)大部分的入口，并且打通數(shù)據(jù)生命周期的各個環(huán)節(jié)，杠桿利用合作伙伴的優(yōu)勢能力，逐漸向生態(tài)玩家或平臺類算法服務提供者轉(zhuǎn)型；而人工智能領域的小企業(yè)則會占據(jù)某些特定的情境入口，成為某一個垂直領域的算法 服務提供者，或者專攻硬件方向，成為硬件提供者。而傳統(tǒng)企業(yè)則會根據(jù)自身的數(shù)據(jù)結 構、人工智能在業(yè)務中的實用性，選擇向垂直領域玩家或者生態(tài)玩家轉(zhuǎn)型。 對中國監(jiān)管者的啟示為抓住難得的發(fā)展機遇，發(fā)達國家紛紛加快人工智能技術創(chuàng)新與戰(zhàn)略布局，將人工智 能做為提升國家競爭力的重要戰(zhàn)略取向和重要抓手，力圖占領產(chǎn)業(yè)發(fā)展新的制高點，這也 使得人工智能成為了各國綜合競爭力角逐的主戰(zhàn)場。人工智能作為一種通用目的技術（GPT），是當前科技創(chuàng)新和推動產(chǎn)業(yè)升級轉(zhuǎn)型的焦點。人工智能的發(fā)展及其在各個領域 的應用，將會顯著改變幾乎所有行業(yè)原來發(fā)展的路徑，不斷催生新的業(yè)態(tài)和新的商業(yè)模 式，形成新的發(fā)展空間，同時也為我國促進科技創(chuàng)新、提升國家競爭優(yōu)勢甚至趕超發(fā)達國 家?guī)砹诵碌臋C遇。我國一直政府也一直重視人工智能的發(fā)展。尤其是 2015 年將人工智能作為國家“互 聯(lián)網(wǎng)＋”戰(zhàn)略中十一個具體行動之一，提出要“加快人工智能核心技術突破，培育發(fā)展人 工智能新興產(chǎn)業(yè)，推進智能產(chǎn)品創(chuàng)新，提升終端產(chǎn)品智能化水平”。近日，又專門出臺《“互聯(lián)網(wǎng)＋”人工智能三年行動實施方案》，明確提出 2018 年發(fā)展目標為“打造人工 智能基礎資源與創(chuàng)新平臺，人工智能產(chǎn)業(yè)體系、創(chuàng)新服務體系、標準話題性基本建立，基 礎核心技術有所突破，總體技術與產(chǎn)業(yè)發(fā)展與國際同步，應用及系統(tǒng)級技術局部領先”。這不僅在操作層面提出了我國近期發(fā)展人工智能的具體方案，將人工智能的發(fā)展措施落到了實處，也明確了我國人工智能技術發(fā)展的內(nèi)容重點和階段性要求。人工智能技術還有很多很多需要研究和解決的問題。但是在變道初期如果不能快速跟 上，必將會錯失在一次新的產(chǎn)業(yè)革命（甚至是一個新的文明時代）中的趕超良機。因此， 必須要認清形勢，把握趨勢，積極謀劃，推動發(fā)展。具體來說，分為以下幾點：1) 基礎設施的完善：政府有關監(jiān)管部門應推動數(shù)據(jù)主權、知識產(chǎn)權等相關法律法規(guī)的完 善，保護數(shù)據(jù)產(chǎn)權和知識產(chǎn)權，促進人工智能領域的跨界合作交叉。2) 政策引導和政府監(jiān)管：成立專門的人工之鞥你監(jiān)管部門，評估人工智能發(fā)展風險，并 通過合理規(guī)劃引導產(chǎn)業(yè)發(fā)展，推動開放平臺建立，鼓勵開源，提高資源配置效率。3) 專業(yè)人員培養(yǎng)：支持專業(yè)人員的培養(yǎng)項目、科研項目，積極進行人工智能理論研究和 技術研發(fā)，并鼓勵產(chǎn)研學結合，爭取做到“成熟一批，產(chǎn)業(yè)化一批”。4) 社會公平和道德考量：監(jiān)管部門應做好民眾的人工智能基礎知識普及工作，并督促研 發(fā)、應用領域進一步調(diào)整 AI 的準確性，保護弱勢群體，讓政府的決策能夠填補 AI 決 策的空白和失誤。