数据化流通
323 浏览
双11还会爆仓吗?物流效率背后上演“数据战争”
机械自动化类 喷漆李 2016-11-16 17:55 发表了文章
11月11日下午3点19分，深圳大运中心双11数据直播大屏蹦出了一个数字，912亿。这意味着，此时已经刷新了去年双11全天的GMV交易额。在这个时间点45分钟前，菜鸟网路双11订单量超过4.67亿，刷新了去年双11全天的订单量。包裹量正在以快于交易额的速度创造着新的记录。
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供 查看全部
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供 查看全部
11月11日下午3点19分，深圳大运中心双11数据直播大屏蹦出了一个数字，912亿。这意味着，此时已经刷新了去年双11全天的GMV交易额。在这个时间点45分钟前，菜鸟网路双11订单量超过4.67亿，刷新了去年双11全天的订单量。包裹量正在以快于交易额的速度创造着新的记录。
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供
651 浏览
人工智能未来将呈现四大趋势
机械自动化类 jingjing 2016-09-09 16:11 发表了文章
随着机器学习的快速发展，人工智能产业在历经60年的起伏之后，如今已经在全球范围形成新一轮的抢位发展态势，发达国家纷纷吹响探索大脑奥秘的号角。中国的人工智能产业在全球浪潮推动下，也在快速发展。赛迪顾问针对人工智能产业的大浪潮，提出了人工智能产业概念界定，并对产业链进行了深度剖析。对全球和中国人工智能市场规模和结构进行了判断，并详细梳理了全国各省市在人工智能领域的利好政策和具体举措。结合产业发展态势和技术热点演进，分析了各个细分领域的投资价值热点，提出深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个方向。
赛迪顾问认为人工智能产业发展在未来将呈现出四大趋势：一是新一轮的开源化浪潮将成为人才争夺的主战场;二是语音识别领域将快速实现商业化部署;三是人工智能产业将与智慧城市建设协同发展;四是中国人工智能应用将在服务机器人领域迎来突破。同时，针对未来投资领域，赛迪顾问认为应该把握两大主要策略：重点聚焦深度学习技术积累与抢先布局家庭服务和教育领域应用。
人工智能产业几起几落，迎来新发展时期
人工智能产业概念界定。概念定义上，人工智能分为强人工智能和弱人工智能。强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指人造机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。
综合来看，赛迪顾问认为人工智能应该具备“3C特性”：理解力Cognize、沟通力Communicate、协同力Collaborate。即通过模拟人类思维模式实现对外界信息理解;通过语音、视觉等实现与外界沟通;通过行动控制实现人机协同工作。
人工智能的发展从起源到如今的全面推进经历了近70年的发展，期间更是起起落落经历过二次低谷期。
三大因素促使人工智能重获新生。随着深度学习重燃、海量大数据支撑、计算能力提升与成本下降等三大因素的出现，为进入21世纪的人工智能迎来了重生期。
未来3~5年将迎来智能应用快速普及。从谷歌组建研发团队到击败李世石仅仅花费2年多时间，进一步证明了深度学习的强大潜力。在不久的将来，赛迪顾问认为深度学习将取得更多成就，因为它只需要极少的人工参与，并能快速地从计算能力提升和数据量增长中获得裨益。
全球人工智能产业发展，面临三大难题
人工智能产业链包含了基础设施层、技术研发层和应用层。
基础设施层涵盖了数据支撑、感知和运算。技术研发层涵盖了机器学习、自然语言处理、图像识别三个方向。应用层分为智能硬件平台和软件集成平台。
从基础设施层看，随着以声学、触觉、味觉、嗅觉和视觉等仿生人体五种感知能力的智能传感设备的成熟化，为人工智能实现多元化发展提供了保障。
从技术研发层看，技术研发层是人工智能核心和高价值环节，包含了机器学习、自然语言处理、图像识别三个环节。把机器学习与人类对历史经验归纳做比对，机器的“训练”与“预测”过程可以对应人类的“归纳”和“推测”过程，越大的训练数据量等价于经验更丰富的人类专家。
从技术引领程度来看，机器学习是引领自然语音处理和图像识别快速发展的核心基础。利用基于知识图谱的大数据分析，通过机器学习的加工处理将使得语音的识别准确度得到大幅提升。
从应用层看，应用层分布根据技术研发的成熟度不同存在行业领域变化。自然语言处理的成熟度最高，其次是图像识别，而机器学习领域技术成熟度最低，还未形成大规模行业应用。
尽管目前人工智能很热，但人工智能的发展依然面临三大难题。
一是数据流通和协同化感知有待提升。
基础设施层的仿人体五感的各类传感器缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得的多源数据无法进行一体化的采集、加工和分析。
赛迪顾问认为，未来突破点将发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点。
二是强人工智能尚未实现关键技术突破。
在技术研发层，目前取得的进度依然属于初级阶段，对于更高层次的人工意识、情绪感知环节还没有明显的突破。
赛迪顾问认为，未来突破点将发生在脑科学研究领域。要对真正的分析理解能力进一步地研发，从大脑的进化演进、全身协调控制等领域实现。
三是智能硬件平台易用性和自主化存在差距。
应用层的智能硬件平台，服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平，短期内难以有接近人的推理学习和分析能力，难以具备接近人的判断力。
赛迪顾问认为，未来突破点将出现在智能无人设备领域。智能无人汽车处于全球各大车企巨头争相布局阶段。另一方面，目前无人机市场已经快速启动，而具备自动跟踪、智能避障的智能化无人机使得性能上得到了跨越式提升。
全球发达国家加快布局，国内北上沈三地领军发展，全球市场呈现快速发展的态势。2018年全球人工智能市场将逼近2700亿元。
全球对人工智能的关注度不断提升，市场对各类语音识别、机器视觉等弱人工智能产品的需求得到进一步释放。2015年全球人工智能市场规模达到1683.9亿元，预计2018年将达到2697.3亿元，复合增长率达到17.0%。
全球“再工业化”趋势下人工智能硬件平台市场巨大。人工智能市场产品结构主要分为智能硬件平台和软件集成平台两大类。在全球发达国家对工业制造重新重视的趋势下，2015年全球人工智能市场结构中智能硬件平台占比达到62.6%，高于软件集成平台产品。
2015年，市场细分结构中智能工业机器人依然是重点，市场规模为744亿元，占比达到44.2%。
当前，欧美等发达国家纷纷从国家战略层面加紧布局人工智能。纷纷推出国家大脑计划，如美国的“国家机器人计划”、欧盟的人脑工程、日本经产省的“新产业结构蓝图”。
从企业战略上看，在软件集成和智能硬件平台产品中，以美国的互联网巨头为主导，日本的机器人制造商如发那科(Fanuc)也在积极布局智能工业机器人。总体来看，美国和日本分别结合自身科技研发和机器人制造的优势，已经在人工智能新一轮浪潮中抢占了先机。
国内市场加快发展步伐。2018年中国人工智能市场规模将超360亿元，2015年中国人工智能市场规模达到203.9亿元，预计2018年将达到361亿元，复合增长率为21%。
技术门槛降低推动服务机器人成为新热点。随着《中国制造2025》的发布和国家对制造业的高度重视，在2015年中国人工智能市场中，智能硬件平台占比同样高于软件集成平台，达到了59%。在未来，随着语音识别和图像识别技术商业化的推广，软件集成平台的市场份额将进一步增大。
中国人工智能市场细分结构上各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2015年市场规模分别为60亿元和56亿元，占比为29.4%和27.5%。
行业应用集中于金融、电信、教育、消费电子。国内企业的人工智能应用格局中，主要分布在基于语音识别和服务机器人的家庭服务、教育和消费电子领域。总体而言，国内应用市场处在从技术研发向产品应用的过渡阶段，行业覆盖广阔但产品接受度有待市场验证。
各地密集推出产业资金配套，北上沈三地领军发展。从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节;上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人;沈阳做为国家机器人检测与评定分中心之一，拥有新松机器人等企业基础。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
行业巨头并购加速，四领域成投资高地
行业巨头跨界并购加速。从近几年的并购融资事件中可以看出，国内外无论是传统互联网企业(谷歌、IBM)，还是跨领域的行业巨头(SpaceX、厦华电子、丰田)，都在积极进行人工智能的布局。
从投资机会分析看，四个领域投资被追捧。赛迪顾问从市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率等四个方面进行评价。通过综合比较分析，认为深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个领域。
从产业投资回报率分析，机器视觉值得投资。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇，在软件图像识别领域，尤其以face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。
从技术成熟度分析，深度学习值得投资。前瞻性的对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，深度学习正处在面临爆发的临界点。
从应用和技术自主度分析，服务机器人和智能无人设备值得投资。对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。
三大未来趋势，两大投资策略
从产业未来发展趋势看，有几个重要的趋势值得关注。
新一轮的开源化将成为人才争夺主战场。近两年来，以谷歌为代表的巨头公司纷纷开始开源化自身核心产品。不仅有机器学习软件平台，还有相关硬件平台和完整软件源代码。开放源代码可以吸引外部人才参与项目协作，并改进相关技术。
语音识别领域将快速实现商业化部署。通过利用机器学习技术进行自然语言的的深度理解，一直是工业和学术界关注的焦点。在人工智能的各项领域中，自然语言处理是最为成熟的技术，由此引来各大企业纷纷进军布局。在未来3年内，成熟化的语音产品将通过云平台和智能硬件平台快速实现商业化部署。
人工智能产业将与智慧城市建设协同发展。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
中国人工智能应用将在服务机器人领域迎来突破。2015年已经有大量企业在服务机器人领域展开相关布局。从中国人工智能市场结构上看，服务机器人市场规模达到60亿元，占比29.4%，服务机器人基于日常生活中的广泛需求，有着广阔的市场空间。
从投资策略的角度看，有两个维度需要注意。
赛迪顾问基于市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率四个方面的考虑，重点推荐两条投资策略：
重点聚焦深度学习技术积累。通过并购重组在短时间内形成技术壁垒优势，或者集中投入于具备前景的细分技术领域的企业。一方面我们看好通过投资或收购人工智能领域开发公司，快速地获得技术优势、进而领先布局人工智能领域的龙头企业;另一方面，针对发展前景广阔的深度学习和智能机器人发展领域，投入大量研发资金推动技术创新、抢先形成技术壁垒的公司具备投资价值。
抢先布局家庭服务和教育领域应用。在商业化推广方面，优势的技术不意味良好的市场接受度。从市场需求导向入手，深度分析人工智能细分环节商业化价值的高低，在技术成熟作为支撑的前提下，以服务机器人为代表的产品将迅速实现市场普及。同时，语音技术在教育领域也将迎来全面革新。因此将家庭服务和教育领域应用作为投资重点。
相关阅读：
纽约客：人工智能的炒作和希望
本文由新智元（AI_era）编译授权转载
来源：New Yorker 译者：张冬君
【新智元导读】《纽约客》8月26日发表文章《人工智能的炒作和希望》，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。作者认为，我们现在只处于第一阶段，“识别智能”。
Om Malik是一名科技作家，还是科技新闻网站GigaOm的创始人和创业基金TrueVentures的合伙人。
本月早些时候，约翰·奥利弗在HBO的脱口秀节目“Last Week Tonight”上，讽刺媒体公司疯狂追求点击率。这条视频在网上疯狂传播，在YouTube上已经有近六百万次观看。在节目进行到十分钟左右，奥利弗炮轰Tronc（更名后的Tribune Publishing Company）和其宣传视频。视频中，一个女性机器人发言人在介绍人工智能给新闻界带来的好处。
Tronc 董事长 Michael Ferro说，每天要用人工智能制作2000个视频
Tronc不是唯一热情拥抱人工智能的公司。AI十分火热，每一家公司都在谈论它将如何改变一切。即便是梅西百货公司最近也宣布，它已经在旗下十家百货商店测试一个IBM的AI工具，目的是换回那些放弃传统零售店转而支持网上购物的客户。
就像之前的“云计算”、“大数据”和“机器学习”，“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析，还是原来的套路。如果这些过度炒作让你忍不住问“人工智能到底是什么？”别担心，你并不是一个人。我曾向许多专家询问这个词的定义，得到了不同的答案。他们一致同意的只有一件事，那就是人工智能是一组试图模拟或增强人类智能的技术。对我来说，“增强”才是重点，智能软件可以帮助我们与这个日益数字化的世界进行交互。
三十年前，我读报纸，用电动打字机打字，可以看的电视频道屈指可数。而在今天，我有来自Netflix、亚马逊、HBO等的流媒体视频，有时候我都不知道怎么选择。我们越来越难以承受电子邮件、消息、约会和提醒的轰炸。增强智能使人类面对着越来越多的信息输入和选择，数量多到一个人无法应付。
与其他技术相比，计算机和软件对于大多数人来说更难理解，充斥着神秘感。曾经有一段时间，你要用录音机把一封信或者一篇文档记录下来，然后再由别人转写成文字给你。一个人在机器的帮助下将语音转换成文本。而在今天，你可以对着你的iPhone说话，它会自己转录你的消息。如果五十年前的人们看到我们目前的语音转换成文本的功能，他们会觉得技术已经具有知觉。现在也是同样的情况，我们夸大了与世界交互的方式。著名的作家和未来学家凯文·凯利说，“我们现在能做到的，在50年前是AI，在50年后就不会被称作AI。”
在以前没有互联网的时候，我们要么打电话要么写信给朋友，一次联系一个人，来了解他们最近的生活。这是一个缓慢的过程，要花很多的精力和时间来了解每一个人。其结果是，我们的互动很少，因为打长途电话费钱，写信也要时间成本。随着因特网的出现，电子邮件成为一种促进和加快这些互动的方式。而Facebook在这方面做的更好，它把你的电话簿变成了一个中枢，让你能同时与数百、甚至数千名朋友同时联系。该算法使我们能轻松维持更多的关系而几乎无需成本。
Michelle Zhou花了15年的时间在IBM研究院和IBM Watson团队工作，之后离开IBM成为情绪分析初创企业Juji的联合创始人。情绪分析是人工智能和人机交互的一个交叉领域，Zhou作为该领域的专家，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。
我们离创建虚拟人类还有很长的路要走。尽管媒体吹得天花乱坠，但是没有任何一个技术是完美的，AI最有价值的功能在于增强人类智能。要达到这一点，我们需要训练计算机来模仿人类。 2016年4月，彭博商业周刊的一篇报道就提供了一个很好的例子。它描述了提供自动化AI个人助理的公司聘请人类“教员”来检查和评估AI助理的表现。“我们用复制人类智能的能力来定义人工智能，这很讽刺，”Sean Gourley说，他是数据分析公司Primer的创始人，善于在算法的帮助下从大型数据集挖掘智能。
无论是Spotify、Netflix或者是新一代AI聊天机器人，所有这些工具都依赖于人类自身提供数据。当我们在听歌时，把歌曲加入播放列表并分享给别人，我们就在向Spotify释放重要的信号。这些信息能训练其算法，使它不仅能发现我们喜欢什么，还能预测我们的喜好。
甚至是我们经常谈论的“计算机视觉”，它之所以有效，是因为人类上传了数十亿的照片，并且用元数据标记这些照片，给予这些照片情境。日益强大的计算机可以通过扫描这些照片从中找出模式和意义。同样地，谷歌利用它多年收集的数十亿语音样本建立了一个智能系统，能理解各种口音和细微差别，这使得谷歌的语音搜索功能成为可能。
将Zhou的三个阶段作为衡量标准，我们目前还在“识别智能”阶段——今天的计算机使用深度学习来更快更好地发现模式。然而，一些公司正在研究能用于推断意义的技术，这将是我们要走的下一步。“我们是否会到达第三阶段，这不重要，”Zhou在给我的电子邮件中这样说。“我仍然热衷于人机共生，那时，计算机可以做它们能做到的最好的事（即要求一致性、客观性和精确度的事），人类做人类能做到最好的事（有创意，不精确但适应性强）。”
未来几十年里，人类将继续训练计算机来模仿我们。而在此期间，我们将不得不面对AI的各种泡沫。
文章来源于 战略前沿技术 查看全部
赛迪顾问认为人工智能产业发展在未来将呈现出四大趋势：一是新一轮的开源化浪潮将成为人才争夺的主战场;二是语音识别领域将快速实现商业化部署;三是人工智能产业将与智慧城市建设协同发展;四是中国人工智能应用将在服务机器人领域迎来突破。同时，针对未来投资领域，赛迪顾问认为应该把握两大主要策略：重点聚焦深度学习技术积累与抢先布局家庭服务和教育领域应用。
人工智能产业几起几落，迎来新发展时期
人工智能产业概念界定。概念定义上，人工智能分为强人工智能和弱人工智能。强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指人造机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。
综合来看，赛迪顾问认为人工智能应该具备“3C特性”：理解力Cognize、沟通力Communicate、协同力Collaborate。即通过模拟人类思维模式实现对外界信息理解;通过语音、视觉等实现与外界沟通;通过行动控制实现人机协同工作。
人工智能的发展从起源到如今的全面推进经历了近70年的发展，期间更是起起落落经历过二次低谷期。
三大因素促使人工智能重获新生。随着深度学习重燃、海量大数据支撑、计算能力提升与成本下降等三大因素的出现，为进入21世纪的人工智能迎来了重生期。
未来3~5年将迎来智能应用快速普及。从谷歌组建研发团队到击败李世石仅仅花费2年多时间，进一步证明了深度学习的强大潜力。在不久的将来，赛迪顾问认为深度学习将取得更多成就，因为它只需要极少的人工参与，并能快速地从计算能力提升和数据量增长中获得裨益。
全球人工智能产业发展，面临三大难题
人工智能产业链包含了基础设施层、技术研发层和应用层。
基础设施层涵盖了数据支撑、感知和运算。技术研发层涵盖了机器学习、自然语言处理、图像识别三个方向。应用层分为智能硬件平台和软件集成平台。
从基础设施层看，随着以声学、触觉、味觉、嗅觉和视觉等仿生人体五种感知能力的智能传感设备的成熟化，为人工智能实现多元化发展提供了保障。
从技术研发层看，技术研发层是人工智能核心和高价值环节，包含了机器学习、自然语言处理、图像识别三个环节。把机器学习与人类对历史经验归纳做比对，机器的“训练”与“预测”过程可以对应人类的“归纳”和“推测”过程，越大的训练数据量等价于经验更丰富的人类专家。
从技术引领程度来看，机器学习是引领自然语音处理和图像识别快速发展的核心基础。利用基于知识图谱的大数据分析，通过机器学习的加工处理将使得语音的识别准确度得到大幅提升。
从应用层看，应用层分布根据技术研发的成熟度不同存在行业领域变化。自然语言处理的成熟度最高，其次是图像识别，而机器学习领域技术成熟度最低，还未形成大规模行业应用。
尽管目前人工智能很热，但人工智能的发展依然面临三大难题。
一是数据流通和协同化感知有待提升。
基础设施层的仿人体五感的各类传感器缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得的多源数据无法进行一体化的采集、加工和分析。
赛迪顾问认为，未来突破点将发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点。
二是强人工智能尚未实现关键技术突破。
在技术研发层，目前取得的进度依然属于初级阶段，对于更高层次的人工意识、情绪感知环节还没有明显的突破。
赛迪顾问认为，未来突破点将发生在脑科学研究领域。要对真正的分析理解能力进一步地研发，从大脑的进化演进、全身协调控制等领域实现。
三是智能硬件平台易用性和自主化存在差距。
应用层的智能硬件平台，服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平，短期内难以有接近人的推理学习和分析能力，难以具备接近人的判断力。
赛迪顾问认为，未来突破点将出现在智能无人设备领域。智能无人汽车处于全球各大车企巨头争相布局阶段。另一方面，目前无人机市场已经快速启动，而具备自动跟踪、智能避障的智能化无人机使得性能上得到了跨越式提升。
全球发达国家加快布局，国内北上沈三地领军发展，全球市场呈现快速发展的态势。2018年全球人工智能市场将逼近2700亿元。
全球对人工智能的关注度不断提升，市场对各类语音识别、机器视觉等弱人工智能产品的需求得到进一步释放。2015年全球人工智能市场规模达到1683.9亿元，预计2018年将达到2697.3亿元，复合增长率达到17.0%。
全球“再工业化”趋势下人工智能硬件平台市场巨大。人工智能市场产品结构主要分为智能硬件平台和软件集成平台两大类。在全球发达国家对工业制造重新重视的趋势下，2015年全球人工智能市场结构中智能硬件平台占比达到62.6%，高于软件集成平台产品。
2015年，市场细分结构中智能工业机器人依然是重点，市场规模为744亿元，占比达到44.2%。
当前，欧美等发达国家纷纷从国家战略层面加紧布局人工智能。纷纷推出国家大脑计划，如美国的“国家机器人计划”、欧盟的人脑工程、日本经产省的“新产业结构蓝图”。
从企业战略上看，在软件集成和智能硬件平台产品中，以美国的互联网巨头为主导，日本的机器人制造商如发那科(Fanuc)也在积极布局智能工业机器人。总体来看，美国和日本分别结合自身科技研发和机器人制造的优势，已经在人工智能新一轮浪潮中抢占了先机。
国内市场加快发展步伐。2018年中国人工智能市场规模将超360亿元，2015年中国人工智能市场规模达到203.9亿元，预计2018年将达到361亿元，复合增长率为21%。
技术门槛降低推动服务机器人成为新热点。随着《中国制造2025》的发布和国家对制造业的高度重视，在2015年中国人工智能市场中，智能硬件平台占比同样高于软件集成平台，达到了59%。在未来，随着语音识别和图像识别技术商业化的推广，软件集成平台的市场份额将进一步增大。
中国人工智能市场细分结构上各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2015年市场规模分别为60亿元和56亿元，占比为29.4%和27.5%。
行业应用集中于金融、电信、教育、消费电子。国内企业的人工智能应用格局中，主要分布在基于语音识别和服务机器人的家庭服务、教育和消费电子领域。总体而言，国内应用市场处在从技术研发向产品应用的过渡阶段，行业覆盖广阔但产品接受度有待市场验证。
各地密集推出产业资金配套，北上沈三地领军发展。从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节;上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人;沈阳做为国家机器人检测与评定分中心之一，拥有新松机器人等企业基础。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
行业巨头并购加速，四领域成投资高地
行业巨头跨界并购加速。从近几年的并购融资事件中可以看出，国内外无论是传统互联网企业(谷歌、IBM)，还是跨领域的行业巨头(SpaceX、厦华电子、丰田)，都在积极进行人工智能的布局。
从投资机会分析看，四个领域投资被追捧。赛迪顾问从市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率等四个方面进行评价。通过综合比较分析，认为深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个领域。
从产业投资回报率分析，机器视觉值得投资。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇，在软件图像识别领域，尤其以face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。
从技术成熟度分析，深度学习值得投资。前瞻性的对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，深度学习正处在面临爆发的临界点。
从应用和技术自主度分析，服务机器人和智能无人设备值得投资。对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。
三大未来趋势，两大投资策略
从产业未来发展趋势看，有几个重要的趋势值得关注。
新一轮的开源化将成为人才争夺主战场。近两年来，以谷歌为代表的巨头公司纷纷开始开源化自身核心产品。不仅有机器学习软件平台，还有相关硬件平台和完整软件源代码。开放源代码可以吸引外部人才参与项目协作，并改进相关技术。
语音识别领域将快速实现商业化部署。通过利用机器学习技术进行自然语言的的深度理解，一直是工业和学术界关注的焦点。在人工智能的各项领域中，自然语言处理是最为成熟的技术，由此引来各大企业纷纷进军布局。在未来3年内，成熟化的语音产品将通过云平台和智能硬件平台快速实现商业化部署。
人工智能产业将与智慧城市建设协同发展。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
中国人工智能应用将在服务机器人领域迎来突破。2015年已经有大量企业在服务机器人领域展开相关布局。从中国人工智能市场结构上看，服务机器人市场规模达到60亿元，占比29.4%，服务机器人基于日常生活中的广泛需求，有着广阔的市场空间。
从投资策略的角度看，有两个维度需要注意。
赛迪顾问基于市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率四个方面的考虑，重点推荐两条投资策略：
重点聚焦深度学习技术积累。通过并购重组在短时间内形成技术壁垒优势，或者集中投入于具备前景的细分技术领域的企业。一方面我们看好通过投资或收购人工智能领域开发公司，快速地获得技术优势、进而领先布局人工智能领域的龙头企业;另一方面，针对发展前景广阔的深度学习和智能机器人发展领域，投入大量研发资金推动技术创新、抢先形成技术壁垒的公司具备投资价值。
抢先布局家庭服务和教育领域应用。在商业化推广方面，优势的技术不意味良好的市场接受度。从市场需求导向入手，深度分析人工智能细分环节商业化价值的高低，在技术成熟作为支撑的前提下，以服务机器人为代表的产品将迅速实现市场普及。同时，语音技术在教育领域也将迎来全面革新。因此将家庭服务和教育领域应用作为投资重点。
相关阅读：
纽约客：人工智能的炒作和希望
本文由新智元（AI_era）编译授权转载
来源：New Yorker 译者：张冬君
【新智元导读】《纽约客》8月26日发表文章《人工智能的炒作和希望》，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。作者认为，我们现在只处于第一阶段，“识别智能”。
Om Malik是一名科技作家，还是科技新闻网站GigaOm的创始人和创业基金TrueVentures的合伙人。
本月早些时候，约翰·奥利弗在HBO的脱口秀节目“Last Week Tonight”上，讽刺媒体公司疯狂追求点击率。这条视频在网上疯狂传播，在YouTube上已经有近六百万次观看。在节目进行到十分钟左右，奥利弗炮轰Tronc（更名后的Tribune Publishing Company）和其宣传视频。视频中，一个女性机器人发言人在介绍人工智能给新闻界带来的好处。
Tronc 董事长 Michael Ferro说，每天要用人工智能制作2000个视频
Tronc不是唯一热情拥抱人工智能的公司。AI十分火热，每一家公司都在谈论它将如何改变一切。即便是梅西百货公司最近也宣布，它已经在旗下十家百货商店测试一个IBM的AI工具，目的是换回那些放弃传统零售店转而支持网上购物的客户。
就像之前的“云计算”、“大数据”和“机器学习”，“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析，还是原来的套路。如果这些过度炒作让你忍不住问“人工智能到底是什么？”别担心，你并不是一个人。我曾向许多专家询问这个词的定义，得到了不同的答案。他们一致同意的只有一件事，那就是人工智能是一组试图模拟或增强人类智能的技术。对我来说，“增强”才是重点，智能软件可以帮助我们与这个日益数字化的世界进行交互。
三十年前，我读报纸，用电动打字机打字，可以看的电视频道屈指可数。而在今天，我有来自Netflix、亚马逊、HBO等的流媒体视频，有时候我都不知道怎么选择。我们越来越难以承受电子邮件、消息、约会和提醒的轰炸。增强智能使人类面对着越来越多的信息输入和选择，数量多到一个人无法应付。
与其他技术相比，计算机和软件对于大多数人来说更难理解，充斥着神秘感。曾经有一段时间，你要用录音机把一封信或者一篇文档记录下来，然后再由别人转写成文字给你。一个人在机器的帮助下将语音转换成文本。而在今天，你可以对着你的iPhone说话，它会自己转录你的消息。如果五十年前的人们看到我们目前的语音转换成文本的功能，他们会觉得技术已经具有知觉。现在也是同样的情况，我们夸大了与世界交互的方式。著名的作家和未来学家凯文·凯利说，“我们现在能做到的，在50年前是AI，在50年后就不会被称作AI。”
在以前没有互联网的时候，我们要么打电话要么写信给朋友，一次联系一个人，来了解他们最近的生活。这是一个缓慢的过程，要花很多的精力和时间来了解每一个人。其结果是，我们的互动很少，因为打长途电话费钱，写信也要时间成本。随着因特网的出现，电子邮件成为一种促进和加快这些互动的方式。而Facebook在这方面做的更好，它把你的电话簿变成了一个中枢，让你能同时与数百、甚至数千名朋友同时联系。该算法使我们能轻松维持更多的关系而几乎无需成本。
Michelle Zhou花了15年的时间在IBM研究院和IBM Watson团队工作，之后离开IBM成为情绪分析初创企业Juji的联合创始人。情绪分析是人工智能和人机交互的一个交叉领域，Zhou作为该领域的专家，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。
我们离创建虚拟人类还有很长的路要走。尽管媒体吹得天花乱坠，但是没有任何一个技术是完美的，AI最有价值的功能在于增强人类智能。要达到这一点，我们需要训练计算机来模仿人类。 2016年4月，彭博商业周刊的一篇报道就提供了一个很好的例子。它描述了提供自动化AI个人助理的公司聘请人类“教员”来检查和评估AI助理的表现。“我们用复制人类智能的能力来定义人工智能，这很讽刺，”Sean Gourley说，他是数据分析公司Primer的创始人，善于在算法的帮助下从大型数据集挖掘智能。
无论是Spotify、Netflix或者是新一代AI聊天机器人，所有这些工具都依赖于人类自身提供数据。当我们在听歌时，把歌曲加入播放列表并分享给别人，我们就在向Spotify释放重要的信号。这些信息能训练其算法，使它不仅能发现我们喜欢什么，还能预测我们的喜好。
甚至是我们经常谈论的“计算机视觉”，它之所以有效，是因为人类上传了数十亿的照片，并且用元数据标记这些照片，给予这些照片情境。日益强大的计算机可以通过扫描这些照片从中找出模式和意义。同样地，谷歌利用它多年收集的数十亿语音样本建立了一个智能系统，能理解各种口音和细微差别，这使得谷歌的语音搜索功能成为可能。
将Zhou的三个阶段作为衡量标准，我们目前还在“识别智能”阶段——今天的计算机使用深度学习来更快更好地发现模式。然而，一些公司正在研究能用于推断意义的技术，这将是我们要走的下一步。“我们是否会到达第三阶段，这不重要，”Zhou在给我的电子邮件中这样说。“我仍然热衷于人机共生，那时，计算机可以做它们能做到的最好的事（即要求一致性、客观性和精确度的事），人类做人类能做到最好的事（有创意，不精确但适应性强）。”
未来几十年里，人类将继续训练计算机来模仿我们。而在此期间，我们将不得不面对AI的各种泡沫。
文章来源于 战略前沿技术 查看全部
随着机器学习的快速发展，人工智能产业在历经60年的起伏之后，如今已经在全球范围形成新一轮的抢位发展态势，发达国家纷纷吹响探索大脑奥秘的号角。中国的人工智能产业在全球浪潮推动下，也在快速发展。赛迪顾问针对人工智能产业的大浪潮，提出了人工智能产业概念界定，并对产业链进行了深度剖析。对全球和中国人工智能市场规模和结构进行了判断，并详细梳理了全国各省市在人工智能领域的利好政策和具体举措。结合产业发展态势和技术热点演进，分析了各个细分领域的投资价值热点，提出深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个方向。
赛迪顾问认为人工智能产业发展在未来将呈现出四大趋势：一是新一轮的开源化浪潮将成为人才争夺的主战场;二是语音识别领域将快速实现商业化部署;三是人工智能产业将与智慧城市建设协同发展;四是中国人工智能应用将在服务机器人领域迎来突破。同时，针对未来投资领域，赛迪顾问认为应该把握两大主要策略：重点聚焦深度学习技术积累与抢先布局家庭服务和教育领域应用。
人工智能产业几起几落，迎来新发展时期
人工智能产业概念界定。概念定义上，人工智能分为强人工智能和弱人工智能。强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指人造机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。
综合来看，赛迪顾问认为人工智能应该具备“3C特性”：理解力Cognize、沟通力Communicate、协同力Collaborate。即通过模拟人类思维模式实现对外界信息理解;通过语音、视觉等实现与外界沟通;通过行动控制实现人机协同工作。
人工智能的发展从起源到如今的全面推进经历了近70年的发展，期间更是起起落落经历过二次低谷期。
三大因素促使人工智能重获新生。随着深度学习重燃、海量大数据支撑、计算能力提升与成本下降等三大因素的出现，为进入21世纪的人工智能迎来了重生期。
未来3~5年将迎来智能应用快速普及。从谷歌组建研发团队到击败李世石仅仅花费2年多时间，进一步证明了深度学习的强大潜力。在不久的将来，赛迪顾问认为深度学习将取得更多成就，因为它只需要极少的人工参与，并能快速地从计算能力提升和数据量增长中获得裨益。
全球人工智能产业发展，面临三大难题
人工智能产业链包含了基础设施层、技术研发层和应用层。
基础设施层涵盖了数据支撑、感知和运算。技术研发层涵盖了机器学习、自然语言处理、图像识别三个方向。应用层分为智能硬件平台和软件集成平台。
从基础设施层看，随着以声学、触觉、味觉、嗅觉和视觉等仿生人体五种感知能力的智能传感设备的成熟化，为人工智能实现多元化发展提供了保障。
从技术研发层看，技术研发层是人工智能核心和高价值环节，包含了机器学习、自然语言处理、图像识别三个环节。把机器学习与人类对历史经验归纳做比对，机器的“训练”与“预测”过程可以对应人类的“归纳”和“推测”过程，越大的训练数据量等价于经验更丰富的人类专家。
从技术引领程度来看，机器学习是引领自然语音处理和图像识别快速发展的核心基础。利用基于知识图谱的大数据分析，通过机器学习的加工处理将使得语音的识别准确度得到大幅提升。
从应用层看，应用层分布根据技术研发的成熟度不同存在行业领域变化。自然语言处理的成熟度最高，其次是图像识别，而机器学习领域技术成熟度最低，还未形成大规模行业应用。
尽管目前人工智能很热，但人工智能的发展依然面临三大难题。
一是数据流通和协同化感知有待提升。
基础设施层的仿人体五感的各类传感器缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得的多源数据无法进行一体化的采集、加工和分析。
赛迪顾问认为，未来突破点将发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点。
二是强人工智能尚未实现关键技术突破。
在技术研发层，目前取得的进度依然属于初级阶段，对于更高层次的人工意识、情绪感知环节还没有明显的突破。
赛迪顾问认为，未来突破点将发生在脑科学研究领域。要对真正的分析理解能力进一步地研发，从大脑的进化演进、全身协调控制等领域实现。
三是智能硬件平台易用性和自主化存在差距。
应用层的智能硬件平台，服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平，短期内难以有接近人的推理学习和分析能力，难以具备接近人的判断力。
赛迪顾问认为，未来突破点将出现在智能无人设备领域。智能无人汽车处于全球各大车企巨头争相布局阶段。另一方面，目前无人机市场已经快速启动，而具备自动跟踪、智能避障的智能化无人机使得性能上得到了跨越式提升。
全球发达国家加快布局，国内北上沈三地领军发展，全球市场呈现快速发展的态势。2018年全球人工智能市场将逼近2700亿元。
全球对人工智能的关注度不断提升，市场对各类语音识别、机器视觉等弱人工智能产品的需求得到进一步释放。2015年全球人工智能市场规模达到1683.9亿元，预计2018年将达到2697.3亿元，复合增长率达到17.0%。
全球“再工业化”趋势下人工智能硬件平台市场巨大。人工智能市场产品结构主要分为智能硬件平台和软件集成平台两大类。在全球发达国家对工业制造重新重视的趋势下，2015年全球人工智能市场结构中智能硬件平台占比达到62.6%，高于软件集成平台产品。
2015年，市场细分结构中智能工业机器人依然是重点，市场规模为744亿元，占比达到44.2%。
当前，欧美等发达国家纷纷从国家战略层面加紧布局人工智能。纷纷推出国家大脑计划，如美国的“国家机器人计划”、欧盟的人脑工程、日本经产省的“新产业结构蓝图”。
从企业战略上看，在软件集成和智能硬件平台产品中，以美国的互联网巨头为主导，日本的机器人制造商如发那科(Fanuc)也在积极布局智能工业机器人。总体来看，美国和日本分别结合自身科技研发和机器人制造的优势，已经在人工智能新一轮浪潮中抢占了先机。
国内市场加快发展步伐。2018年中国人工智能市场规模将超360亿元，2015年中国人工智能市场规模达到203.9亿元，预计2018年将达到361亿元，复合增长率为21%。
技术门槛降低推动服务机器人成为新热点。随着《中国制造2025》的发布和国家对制造业的高度重视，在2015年中国人工智能市场中，智能硬件平台占比同样高于软件集成平台，达到了59%。在未来，随着语音识别和图像识别技术商业化的推广，软件集成平台的市场份额将进一步增大。
中国人工智能市场细分结构上各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2015年市场规模分别为60亿元和56亿元，占比为29.4%和27.5%。
行业应用集中于金融、电信、教育、消费电子。国内企业的人工智能应用格局中，主要分布在基于语音识别和服务机器人的家庭服务、教育和消费电子领域。总体而言，国内应用市场处在从技术研发向产品应用的过渡阶段，行业覆盖广阔但产品接受度有待市场验证。
各地密集推出产业资金配套，北上沈三地领军发展。从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节;上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人;沈阳做为国家机器人检测与评定分中心之一，拥有新松机器人等企业基础。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
行业巨头并购加速，四领域成投资高地
行业巨头跨界并购加速。从近几年的并购融资事件中可以看出，国内外无论是传统互联网企业(谷歌、IBM)，还是跨领域的行业巨头(SpaceX、厦华电子、丰田)，都在积极进行人工智能的布局。
从投资机会分析看，四个领域投资被追捧。赛迪顾问从市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率等四个方面进行评价。通过综合比较分析，认为深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个领域。
从产业投资回报率分析，机器视觉值得投资。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇，在软件图像识别领域，尤其以face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。
从技术成熟度分析，深度学习值得投资。前瞻性的对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，深度学习正处在面临爆发的临界点。
从应用和技术自主度分析，服务机器人和智能无人设备值得投资。对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。
三大未来趋势，两大投资策略
从产业未来发展趋势看，有几个重要的趋势值得关注。
新一轮的开源化将成为人才争夺主战场。近两年来，以谷歌为代表的巨头公司纷纷开始开源化自身核心产品。不仅有机器学习软件平台，还有相关硬件平台和完整软件源代码。开放源代码可以吸引外部人才参与项目协作，并改进相关技术。
语音识别领域将快速实现商业化部署。通过利用机器学习技术进行自然语言的的深度理解，一直是工业和学术界关注的焦点。在人工智能的各项领域中，自然语言处理是最为成熟的技术，由此引来各大企业纷纷进军布局。在未来3年内，成熟化的语音产品将通过云平台和智能硬件平台快速实现商业化部署。
人工智能产业将与智慧城市建设协同发展。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
中国人工智能应用将在服务机器人领域迎来突破。2015年已经有大量企业在服务机器人领域展开相关布局。从中国人工智能市场结构上看，服务机器人市场规模达到60亿元，占比29.4%，服务机器人基于日常生活中的广泛需求，有着广阔的市场空间。
从投资策略的角度看，有两个维度需要注意。
赛迪顾问基于市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率四个方面的考虑，重点推荐两条投资策略：
重点聚焦深度学习技术积累。通过并购重组在短时间内形成技术壁垒优势，或者集中投入于具备前景的细分技术领域的企业。一方面我们看好通过投资或收购人工智能领域开发公司，快速地获得技术优势、进而领先布局人工智能领域的龙头企业;另一方面，针对发展前景广阔的深度学习和智能机器人发展领域，投入大量研发资金推动技术创新、抢先形成技术壁垒的公司具备投资价值。
抢先布局家庭服务和教育领域应用。在商业化推广方面，优势的技术不意味良好的市场接受度。从市场需求导向入手，深度分析人工智能细分环节商业化价值的高低，在技术成熟作为支撑的前提下，以服务机器人为代表的产品将迅速实现市场普及。同时，语音技术在教育领域也将迎来全面革新。因此将家庭服务和教育领域应用作为投资重点。
相关阅读：
纽约客：人工智能的炒作和希望
本文由新智元（AI_era）编译授权转载
来源：New Yorker 译者：张冬君
【新智元导读】《纽约客》8月26日发表文章《人工智能的炒作和希望》，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。作者认为，我们现在只处于第一阶段，“识别智能”。
Om Malik是一名科技作家，还是科技新闻网站GigaOm的创始人和创业基金TrueVentures的合伙人。
本月早些时候，约翰·奥利弗在HBO的脱口秀节目“Last Week Tonight”上，讽刺媒体公司疯狂追求点击率。这条视频在网上疯狂传播，在YouTube上已经有近六百万次观看。在节目进行到十分钟左右，奥利弗炮轰Tronc（更名后的Tribune Publishing Company）和其宣传视频。视频中，一个女性机器人发言人在介绍人工智能给新闻界带来的好处。
Tronc 董事长 Michael Ferro说，每天要用人工智能制作2000个视频
Tronc不是唯一热情拥抱人工智能的公司。AI十分火热，每一家公司都在谈论它将如何改变一切。即便是梅西百货公司最近也宣布，它已经在旗下十家百货商店测试一个IBM的AI工具，目的是换回那些放弃传统零售店转而支持网上购物的客户。
就像之前的“云计算”、“大数据”和“机器学习”，“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析，还是原来的套路。如果这些过度炒作让你忍不住问“人工智能到底是什么？”别担心，你并不是一个人。我曾向许多专家询问这个词的定义，得到了不同的答案。他们一致同意的只有一件事，那就是人工智能是一组试图模拟或增强人类智能的技术。对我来说，“增强”才是重点，智能软件可以帮助我们与这个日益数字化的世界进行交互。
三十年前，我读报纸，用电动打字机打字，可以看的电视频道屈指可数。而在今天，我有来自Netflix、亚马逊、HBO等的流媒体视频，有时候我都不知道怎么选择。我们越来越难以承受电子邮件、消息、约会和提醒的轰炸。增强智能使人类面对着越来越多的信息输入和选择，数量多到一个人无法应付。
与其他技术相比，计算机和软件对于大多数人来说更难理解，充斥着神秘感。曾经有一段时间，你要用录音机把一封信或者一篇文档记录下来，然后再由别人转写成文字给你。一个人在机器的帮助下将语音转换成文本。而在今天，你可以对着你的iPhone说话，它会自己转录你的消息。如果五十年前的人们看到我们目前的语音转换成文本的功能，他们会觉得技术已经具有知觉。现在也是同样的情况，我们夸大了与世界交互的方式。著名的作家和未来学家凯文·凯利说，“我们现在能做到的，在50年前是AI，在50年后就不会被称作AI。”
在以前没有互联网的时候，我们要么打电话要么写信给朋友，一次联系一个人，来了解他们最近的生活。这是一个缓慢的过程，要花很多的精力和时间来了解每一个人。其结果是，我们的互动很少，因为打长途电话费钱，写信也要时间成本。随着因特网的出现，电子邮件成为一种促进和加快这些互动的方式。而Facebook在这方面做的更好，它把你的电话簿变成了一个中枢，让你能同时与数百、甚至数千名朋友同时联系。该算法使我们能轻松维持更多的关系而几乎无需成本。
Michelle Zhou花了15年的时间在IBM研究院和IBM Watson团队工作，之后离开IBM成为情绪分析初创企业Juji的联合创始人。情绪分析是人工智能和人机交互的一个交叉领域，Zhou作为该领域的专家，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。
我们离创建虚拟人类还有很长的路要走。尽管媒体吹得天花乱坠，但是没有任何一个技术是完美的，AI最有价值的功能在于增强人类智能。要达到这一点，我们需要训练计算机来模仿人类。 2016年4月，彭博商业周刊的一篇报道就提供了一个很好的例子。它描述了提供自动化AI个人助理的公司聘请人类“教员”来检查和评估AI助理的表现。“我们用复制人类智能的能力来定义人工智能，这很讽刺，”Sean Gourley说，他是数据分析公司Primer的创始人，善于在算法的帮助下从大型数据集挖掘智能。
无论是Spotify、Netflix或者是新一代AI聊天机器人，所有这些工具都依赖于人类自身提供数据。当我们在听歌时，把歌曲加入播放列表并分享给别人，我们就在向Spotify释放重要的信号。这些信息能训练其算法，使它不仅能发现我们喜欢什么，还能预测我们的喜好。
甚至是我们经常谈论的“计算机视觉”，它之所以有效，是因为人类上传了数十亿的照片，并且用元数据标记这些照片，给予这些照片情境。日益强大的计算机可以通过扫描这些照片从中找出模式和意义。同样地，谷歌利用它多年收集的数十亿语音样本建立了一个智能系统，能理解各种口音和细微差别，这使得谷歌的语音搜索功能成为可能。
将Zhou的三个阶段作为衡量标准，我们目前还在“识别智能”阶段——今天的计算机使用深度学习来更快更好地发现模式。然而，一些公司正在研究能用于推断意义的技术，这将是我们要走的下一步。“我们是否会到达第三阶段，这不重要，”Zhou在给我的电子邮件中这样说。“我仍然热衷于人机共生，那时，计算机可以做它们能做到的最好的事（即要求一致性、客观性和精确度的事），人类做人类能做到最好的事（有创意，不精确但适应性强）。”
未来几十年里，人类将继续训练计算机来模仿我们。而在此期间，我们将不得不面对AI的各种泡沫。
文章来源于 战略前沿技术
323 浏览
双11还会爆仓吗?物流效率背后上演“数据战争”
机械自动化类 喷漆李 2016-11-16 17:55 发表了文章
11月11日下午3点19分，深圳大运中心双11数据直播大屏蹦出了一个数字，912亿。这意味着，此时已经刷新了去年双11全天的GMV交易额。在这个时间点45分钟前，菜鸟网路双11订单量超过4.67亿，刷新了去年双11全天的订单量。包裹量正在以快于交易额的速度创造着新的记录。
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供 查看全部
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供 查看全部
11月11日下午3点19分，深圳大运中心双11数据直播大屏蹦出了一个数字，912亿。这意味着，此时已经刷新了去年双11全天的GMV交易额。在这个时间点45分钟前，菜鸟网路双11订单量超过4.67亿，刷新了去年双11全天的订单量。包裹量正在以快于交易额的速度创造着新的记录。
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供
截至11日16时，物流订单量已刷新到4.90亿个，其中1.87亿个订单已点击发货。菜鸟预计，经过一个周末之后，14日将正式迎来物流配送的高峰，压力最大的是北京、上海、广州等城市。
不久前，国家邮政总结给出了今年双11的订单量预测，估计今年双11期间(指11月11日至16日)全行业处理的邮件(快件)业务量将超过10.5亿件，比去年同期增长35%。当然，这个数字除了菜鸟系的“三通一达”外，还包括了像苏宁、京东等自营+开放平台电商所产生的订单量。
由双11激发出来的疯狂购买欲直接带动了中国快递公司的一次上市潮。中通刚刚在纽交所上市，14亿美元的融资规模远超此前在A股借壳的圆通、申通、顺丰、韵达等。但在行业毛利率普遍较低的情况下，不断增长的包裹量也让民营快递公司感到成本压力。
去年开始，中国已经成为世界第一大快递包裹量国家，日均产生包裹5700万单(美国是3500万单)。不久前的云栖大会上，菜鸟网络首席技术官王文彬预计，到2020年这一数字将达到日均1.45亿单，按照新零售的发展趋势，未来有可能每天产生3亿个快递。在主要由电商拉动的快递量增长中，单纯靠电商自建仓储与配送体系很难去消化未来的单量，社会化物流之间的协同必不可少。
但一组数字大致描绘出眼下国内物流体系的短板，整个中国物流成本大概是15%，这个数字在发达国家只有8%;国内符合现代化标准的仓储网络面积占比只有12%;在上千万辆物流用车中，平均空驶率高达40%;因为行业不稳定，小件员一年的流动率高达50%。这说明，与美国相比，国内物流效率普遍偏低，当包裹量几倍于美国增加时，仓储与配送压力就会更大。
国家邮政局和菜鸟联合统计，今年双11期间，一线快递人员和干线车辆的增加均超过50%。圆通速递运营中心高级总监王勇对第一财经记者说，通达系快递公司普遍采取自营+加盟模式，加盟网点的人员弹性很大。
像双11这种特殊时段，派送压力最大的环节在社区末端，双11的包裹量甚至是平日的10倍，这些加盟网点“亲戚朋友齐上阵”去缓解压力。
而在线上线下新零售趋势下，以众包配送服务为特点的新达达也加入双11末端的3公里配送中，对接服务超市、药店等线下商户，总计分担了300万双11订单。新达达方面将自身与快递公司之间定位于合作关系。
为提升实效，今年双11菜鸟尝试聚单直发，以圆通上海业务为例，对于同一地区消费者(比如都来自广州)购买的货物，圆通不必再统一将分公司的订单先运输到位于上海青浦的总分拨中心做中转，而是总部派车下放到上海各分公司，直接将货发向广州。
这相当于将以往总部分拨中心的转运压力分摊到各分公司头上，也是从减少货物搬运次数的理念出发进行优化，避免往年的“爆仓”现象。
但双11整体物流效率的提升仍需要靠技术手段统筹协调，而非只依靠资源的堆砌和弹性配置。就像聚单直发，在非双11的常态化时段，这种方式并不一定代表高效，因为按目的地城市聚单，平时通常没有双11这么大的单量去聚齐。
记者从菜鸟方面拿到的数据显示，双11晚会上林志玲送给观众的Buberry外套被一位河北石家庄用户抢到，11日下午两点多，该用户已经签收了这件从深圳发出的外套，配送用时14小时。菜鸟联盟对这单快递线路进行了算法优化，以最省时的路线配送。
这背后是对物流实时数据的分析，算法是菜鸟最核心的价值。菜鸟CEO童文红在双11现场说，看着直播大屏上不断攀升的订单量，不可能没有压力。但菜鸟现在编织的这张网，正在对全国18万个快递网点进行数据监测，可以提前预测未来一天每个网点进出的订单量，供快递公司去控制调拨与中转的节奏。
快递公司扮演着中转站的角色，本身并不储存商家的货物。今年双11国内第一单13分钟签收，海外第一单28分钟签收，这依靠的是仓配能力。通过预测销售，提前将配送商品搬到靠近目标消费者的菜鸟仓、第三方仓库和各地保税仓中。
特别是对于大家电品类、具备规模销量的核心商家等，提前在菜鸟联盟的160多个仓库中备货已成为趋势，越来越多第三方仓库被纳入这个仓配系统中。童文红透露，今年美的采用这种方式将库存周转率提高了37%。
来源：智慧仓储物流
智造家提供
651 浏览
人工智能未来将呈现四大趋势
机械自动化类 jingjing 2016-09-09 16:11 发表了文章
随着机器学习的快速发展，人工智能产业在历经60年的起伏之后，如今已经在全球范围形成新一轮的抢位发展态势，发达国家纷纷吹响探索大脑奥秘的号角。中国的人工智能产业在全球浪潮推动下，也在快速发展。赛迪顾问针对人工智能产业的大浪潮，提出了人工智能产业概念界定，并对产业链进行了深度剖析。对全球和中国人工智能市场规模和结构进行了判断，并详细梳理了全国各省市在人工智能领域的利好政策和具体举措。结合产业发展态势和技术热点演进，分析了各个细分领域的投资价值热点，提出深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个方向。
赛迪顾问认为人工智能产业发展在未来将呈现出四大趋势：一是新一轮的开源化浪潮将成为人才争夺的主战场;二是语音识别领域将快速实现商业化部署;三是人工智能产业将与智慧城市建设协同发展;四是中国人工智能应用将在服务机器人领域迎来突破。同时，针对未来投资领域，赛迪顾问认为应该把握两大主要策略：重点聚焦深度学习技术积累与抢先布局家庭服务和教育领域应用。
人工智能产业几起几落，迎来新发展时期
人工智能产业概念界定。概念定义上，人工智能分为强人工智能和弱人工智能。强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指人造机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。
综合来看，赛迪顾问认为人工智能应该具备“3C特性”：理解力Cognize、沟通力Communicate、协同力Collaborate。即通过模拟人类思维模式实现对外界信息理解;通过语音、视觉等实现与外界沟通;通过行动控制实现人机协同工作。
人工智能的发展从起源到如今的全面推进经历了近70年的发展，期间更是起起落落经历过二次低谷期。
三大因素促使人工智能重获新生。随着深度学习重燃、海量大数据支撑、计算能力提升与成本下降等三大因素的出现，为进入21世纪的人工智能迎来了重生期。
未来3~5年将迎来智能应用快速普及。从谷歌组建研发团队到击败李世石仅仅花费2年多时间，进一步证明了深度学习的强大潜力。在不久的将来，赛迪顾问认为深度学习将取得更多成就，因为它只需要极少的人工参与，并能快速地从计算能力提升和数据量增长中获得裨益。
全球人工智能产业发展，面临三大难题
人工智能产业链包含了基础设施层、技术研发层和应用层。
基础设施层涵盖了数据支撑、感知和运算。技术研发层涵盖了机器学习、自然语言处理、图像识别三个方向。应用层分为智能硬件平台和软件集成平台。
从基础设施层看，随着以声学、触觉、味觉、嗅觉和视觉等仿生人体五种感知能力的智能传感设备的成熟化，为人工智能实现多元化发展提供了保障。
从技术研发层看，技术研发层是人工智能核心和高价值环节，包含了机器学习、自然语言处理、图像识别三个环节。把机器学习与人类对历史经验归纳做比对，机器的“训练”与“预测”过程可以对应人类的“归纳”和“推测”过程，越大的训练数据量等价于经验更丰富的人类专家。
从技术引领程度来看，机器学习是引领自然语音处理和图像识别快速发展的核心基础。利用基于知识图谱的大数据分析，通过机器学习的加工处理将使得语音的识别准确度得到大幅提升。
从应用层看，应用层分布根据技术研发的成熟度不同存在行业领域变化。自然语言处理的成熟度最高，其次是图像识别，而机器学习领域技术成熟度最低，还未形成大规模行业应用。
尽管目前人工智能很热，但人工智能的发展依然面临三大难题。
一是数据流通和协同化感知有待提升。
基础设施层的仿人体五感的各类传感器缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得的多源数据无法进行一体化的采集、加工和分析。
赛迪顾问认为，未来突破点将发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点。
二是强人工智能尚未实现关键技术突破。
在技术研发层，目前取得的进度依然属于初级阶段，对于更高层次的人工意识、情绪感知环节还没有明显的突破。
赛迪顾问认为，未来突破点将发生在脑科学研究领域。要对真正的分析理解能力进一步地研发，从大脑的进化演进、全身协调控制等领域实现。
三是智能硬件平台易用性和自主化存在差距。
应用层的智能硬件平台，服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平，短期内难以有接近人的推理学习和分析能力，难以具备接近人的判断力。
赛迪顾问认为，未来突破点将出现在智能无人设备领域。智能无人汽车处于全球各大车企巨头争相布局阶段。另一方面，目前无人机市场已经快速启动，而具备自动跟踪、智能避障的智能化无人机使得性能上得到了跨越式提升。
全球发达国家加快布局，国内北上沈三地领军发展，全球市场呈现快速发展的态势。2018年全球人工智能市场将逼近2700亿元。
全球对人工智能的关注度不断提升，市场对各类语音识别、机器视觉等弱人工智能产品的需求得到进一步释放。2015年全球人工智能市场规模达到1683.9亿元，预计2018年将达到2697.3亿元，复合增长率达到17.0%。
全球“再工业化”趋势下人工智能硬件平台市场巨大。人工智能市场产品结构主要分为智能硬件平台和软件集成平台两大类。在全球发达国家对工业制造重新重视的趋势下，2015年全球人工智能市场结构中智能硬件平台占比达到62.6%，高于软件集成平台产品。
2015年，市场细分结构中智能工业机器人依然是重点，市场规模为744亿元，占比达到44.2%。
当前，欧美等发达国家纷纷从国家战略层面加紧布局人工智能。纷纷推出国家大脑计划，如美国的“国家机器人计划”、欧盟的人脑工程、日本经产省的“新产业结构蓝图”。
从企业战略上看，在软件集成和智能硬件平台产品中，以美国的互联网巨头为主导，日本的机器人制造商如发那科(Fanuc)也在积极布局智能工业机器人。总体来看，美国和日本分别结合自身科技研发和机器人制造的优势，已经在人工智能新一轮浪潮中抢占了先机。
国内市场加快发展步伐。2018年中国人工智能市场规模将超360亿元，2015年中国人工智能市场规模达到203.9亿元，预计2018年将达到361亿元，复合增长率为21%。
技术门槛降低推动服务机器人成为新热点。随着《中国制造2025》的发布和国家对制造业的高度重视，在2015年中国人工智能市场中，智能硬件平台占比同样高于软件集成平台，达到了59%。在未来，随着语音识别和图像识别技术商业化的推广，软件集成平台的市场份额将进一步增大。
中国人工智能市场细分结构上各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2015年市场规模分别为60亿元和56亿元，占比为29.4%和27.5%。
行业应用集中于金融、电信、教育、消费电子。国内企业的人工智能应用格局中，主要分布在基于语音识别和服务机器人的家庭服务、教育和消费电子领域。总体而言，国内应用市场处在从技术研发向产品应用的过渡阶段，行业覆盖广阔但产品接受度有待市场验证。
各地密集推出产业资金配套，北上沈三地领军发展。从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节;上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人;沈阳做为国家机器人检测与评定分中心之一，拥有新松机器人等企业基础。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
行业巨头并购加速，四领域成投资高地
行业巨头跨界并购加速。从近几年的并购融资事件中可以看出，国内外无论是传统互联网企业(谷歌、IBM)，还是跨领域的行业巨头(SpaceX、厦华电子、丰田)，都在积极进行人工智能的布局。
从投资机会分析看，四个领域投资被追捧。赛迪顾问从市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率等四个方面进行评价。通过综合比较分析，认为深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个领域。
从产业投资回报率分析，机器视觉值得投资。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇，在软件图像识别领域，尤其以face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。
从技术成熟度分析，深度学习值得投资。前瞻性的对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，深度学习正处在面临爆发的临界点。
从应用和技术自主度分析，服务机器人和智能无人设备值得投资。对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。
三大未来趋势，两大投资策略
从产业未来发展趋势看，有几个重要的趋势值得关注。
新一轮的开源化将成为人才争夺主战场。近两年来，以谷歌为代表的巨头公司纷纷开始开源化自身核心产品。不仅有机器学习软件平台，还有相关硬件平台和完整软件源代码。开放源代码可以吸引外部人才参与项目协作，并改进相关技术。
语音识别领域将快速实现商业化部署。通过利用机器学习技术进行自然语言的的深度理解，一直是工业和学术界关注的焦点。在人工智能的各项领域中，自然语言处理是最为成熟的技术，由此引来各大企业纷纷进军布局。在未来3年内，成熟化的语音产品将通过云平台和智能硬件平台快速实现商业化部署。
人工智能产业将与智慧城市建设协同发展。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
中国人工智能应用将在服务机器人领域迎来突破。2015年已经有大量企业在服务机器人领域展开相关布局。从中国人工智能市场结构上看，服务机器人市场规模达到60亿元，占比29.4%，服务机器人基于日常生活中的广泛需求，有着广阔的市场空间。
从投资策略的角度看，有两个维度需要注意。
赛迪顾问基于市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率四个方面的考虑，重点推荐两条投资策略：
重点聚焦深度学习技术积累。通过并购重组在短时间内形成技术壁垒优势，或者集中投入于具备前景的细分技术领域的企业。一方面我们看好通过投资或收购人工智能领域开发公司，快速地获得技术优势、进而领先布局人工智能领域的龙头企业;另一方面，针对发展前景广阔的深度学习和智能机器人发展领域，投入大量研发资金推动技术创新、抢先形成技术壁垒的公司具备投资价值。
抢先布局家庭服务和教育领域应用。在商业化推广方面，优势的技术不意味良好的市场接受度。从市场需求导向入手，深度分析人工智能细分环节商业化价值的高低，在技术成熟作为支撑的前提下，以服务机器人为代表的产品将迅速实现市场普及。同时，语音技术在教育领域也将迎来全面革新。因此将家庭服务和教育领域应用作为投资重点。
相关阅读：
纽约客：人工智能的炒作和希望
本文由新智元（AI_era）编译授权转载
来源：New Yorker 译者：张冬君
【新智元导读】《纽约客》8月26日发表文章《人工智能的炒作和希望》，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。作者认为，我们现在只处于第一阶段，“识别智能”。
Om Malik是一名科技作家，还是科技新闻网站GigaOm的创始人和创业基金TrueVentures的合伙人。
本月早些时候，约翰·奥利弗在HBO的脱口秀节目“Last Week Tonight”上，讽刺媒体公司疯狂追求点击率。这条视频在网上疯狂传播，在YouTube上已经有近六百万次观看。在节目进行到十分钟左右，奥利弗炮轰Tronc（更名后的Tribune Publishing Company）和其宣传视频。视频中，一个女性机器人发言人在介绍人工智能给新闻界带来的好处。
Tronc 董事长 Michael Ferro说，每天要用人工智能制作2000个视频
Tronc不是唯一热情拥抱人工智能的公司。AI十分火热，每一家公司都在谈论它将如何改变一切。即便是梅西百货公司最近也宣布，它已经在旗下十家百货商店测试一个IBM的AI工具，目的是换回那些放弃传统零售店转而支持网上购物的客户。
就像之前的“云计算”、“大数据”和“机器学习”，“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析，还是原来的套路。如果这些过度炒作让你忍不住问“人工智能到底是什么？”别担心，你并不是一个人。我曾向许多专家询问这个词的定义，得到了不同的答案。他们一致同意的只有一件事，那就是人工智能是一组试图模拟或增强人类智能的技术。对我来说，“增强”才是重点，智能软件可以帮助我们与这个日益数字化的世界进行交互。
三十年前，我读报纸，用电动打字机打字，可以看的电视频道屈指可数。而在今天，我有来自Netflix、亚马逊、HBO等的流媒体视频，有时候我都不知道怎么选择。我们越来越难以承受电子邮件、消息、约会和提醒的轰炸。增强智能使人类面对着越来越多的信息输入和选择，数量多到一个人无法应付。
与其他技术相比，计算机和软件对于大多数人来说更难理解，充斥着神秘感。曾经有一段时间，你要用录音机把一封信或者一篇文档记录下来，然后再由别人转写成文字给你。一个人在机器的帮助下将语音转换成文本。而在今天，你可以对着你的iPhone说话，它会自己转录你的消息。如果五十年前的人们看到我们目前的语音转换成文本的功能，他们会觉得技术已经具有知觉。现在也是同样的情况，我们夸大了与世界交互的方式。著名的作家和未来学家凯文·凯利说，“我们现在能做到的，在50年前是AI，在50年后就不会被称作AI。”
在以前没有互联网的时候，我们要么打电话要么写信给朋友，一次联系一个人，来了解他们最近的生活。这是一个缓慢的过程，要花很多的精力和时间来了解每一个人。其结果是，我们的互动很少，因为打长途电话费钱，写信也要时间成本。随着因特网的出现，电子邮件成为一种促进和加快这些互动的方式。而Facebook在这方面做的更好，它把你的电话簿变成了一个中枢，让你能同时与数百、甚至数千名朋友同时联系。该算法使我们能轻松维持更多的关系而几乎无需成本。
Michelle Zhou花了15年的时间在IBM研究院和IBM Watson团队工作，之后离开IBM成为情绪分析初创企业Juji的联合创始人。情绪分析是人工智能和人机交互的一个交叉领域，Zhou作为该领域的专家，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。
我们离创建虚拟人类还有很长的路要走。尽管媒体吹得天花乱坠，但是没有任何一个技术是完美的，AI最有价值的功能在于增强人类智能。要达到这一点，我们需要训练计算机来模仿人类。 2016年4月，彭博商业周刊的一篇报道就提供了一个很好的例子。它描述了提供自动化AI个人助理的公司聘请人类“教员”来检查和评估AI助理的表现。“我们用复制人类智能的能力来定义人工智能，这很讽刺，”Sean Gourley说，他是数据分析公司Primer的创始人，善于在算法的帮助下从大型数据集挖掘智能。
无论是Spotify、Netflix或者是新一代AI聊天机器人，所有这些工具都依赖于人类自身提供数据。当我们在听歌时，把歌曲加入播放列表并分享给别人，我们就在向Spotify释放重要的信号。这些信息能训练其算法，使它不仅能发现我们喜欢什么，还能预测我们的喜好。
甚至是我们经常谈论的“计算机视觉”，它之所以有效，是因为人类上传了数十亿的照片，并且用元数据标记这些照片，给予这些照片情境。日益强大的计算机可以通过扫描这些照片从中找出模式和意义。同样地，谷歌利用它多年收集的数十亿语音样本建立了一个智能系统，能理解各种口音和细微差别，这使得谷歌的语音搜索功能成为可能。
将Zhou的三个阶段作为衡量标准，我们目前还在“识别智能”阶段——今天的计算机使用深度学习来更快更好地发现模式。然而，一些公司正在研究能用于推断意义的技术，这将是我们要走的下一步。“我们是否会到达第三阶段，这不重要，”Zhou在给我的电子邮件中这样说。“我仍然热衷于人机共生，那时，计算机可以做它们能做到的最好的事（即要求一致性、客观性和精确度的事），人类做人类能做到最好的事（有创意，不精确但适应性强）。”
未来几十年里，人类将继续训练计算机来模仿我们。而在此期间，我们将不得不面对AI的各种泡沫。
文章来源于 战略前沿技术 查看全部
赛迪顾问认为人工智能产业发展在未来将呈现出四大趋势：一是新一轮的开源化浪潮将成为人才争夺的主战场;二是语音识别领域将快速实现商业化部署;三是人工智能产业将与智慧城市建设协同发展;四是中国人工智能应用将在服务机器人领域迎来突破。同时，针对未来投资领域，赛迪顾问认为应该把握两大主要策略：重点聚焦深度学习技术积累与抢先布局家庭服务和教育领域应用。
人工智能产业几起几落，迎来新发展时期
人工智能产业概念界定。概念定义上，人工智能分为强人工智能和弱人工智能。强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指人造机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。
综合来看，赛迪顾问认为人工智能应该具备“3C特性”：理解力Cognize、沟通力Communicate、协同力Collaborate。即通过模拟人类思维模式实现对外界信息理解;通过语音、视觉等实现与外界沟通;通过行动控制实现人机协同工作。
人工智能的发展从起源到如今的全面推进经历了近70年的发展，期间更是起起落落经历过二次低谷期。
三大因素促使人工智能重获新生。随着深度学习重燃、海量大数据支撑、计算能力提升与成本下降等三大因素的出现，为进入21世纪的人工智能迎来了重生期。
未来3~5年将迎来智能应用快速普及。从谷歌组建研发团队到击败李世石仅仅花费2年多时间，进一步证明了深度学习的强大潜力。在不久的将来，赛迪顾问认为深度学习将取得更多成就，因为它只需要极少的人工参与，并能快速地从计算能力提升和数据量增长中获得裨益。
全球人工智能产业发展，面临三大难题
人工智能产业链包含了基础设施层、技术研发层和应用层。
基础设施层涵盖了数据支撑、感知和运算。技术研发层涵盖了机器学习、自然语言处理、图像识别三个方向。应用层分为智能硬件平台和软件集成平台。
从基础设施层看，随着以声学、触觉、味觉、嗅觉和视觉等仿生人体五种感知能力的智能传感设备的成熟化，为人工智能实现多元化发展提供了保障。
从技术研发层看，技术研发层是人工智能核心和高价值环节，包含了机器学习、自然语言处理、图像识别三个环节。把机器学习与人类对历史经验归纳做比对，机器的“训练”与“预测”过程可以对应人类的“归纳”和“推测”过程，越大的训练数据量等价于经验更丰富的人类专家。
从技术引领程度来看，机器学习是引领自然语音处理和图像识别快速发展的核心基础。利用基于知识图谱的大数据分析，通过机器学习的加工处理将使得语音的识别准确度得到大幅提升。
从应用层看，应用层分布根据技术研发的成熟度不同存在行业领域变化。自然语言处理的成熟度最高，其次是图像识别，而机器学习领域技术成熟度最低，还未形成大规模行业应用。
尽管目前人工智能很热，但人工智能的发展依然面临三大难题。
一是数据流通和协同化感知有待提升。
基础设施层的仿人体五感的各类传感器缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得的多源数据无法进行一体化的采集、加工和分析。
赛迪顾问认为，未来突破点将发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点。
二是强人工智能尚未实现关键技术突破。
在技术研发层，目前取得的进度依然属于初级阶段，对于更高层次的人工意识、情绪感知环节还没有明显的突破。
赛迪顾问认为，未来突破点将发生在脑科学研究领域。要对真正的分析理解能力进一步地研发，从大脑的进化演进、全身协调控制等领域实现。
三是智能硬件平台易用性和自主化存在差距。
应用层的智能硬件平台，服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平，短期内难以有接近人的推理学习和分析能力，难以具备接近人的判断力。
赛迪顾问认为，未来突破点将出现在智能无人设备领域。智能无人汽车处于全球各大车企巨头争相布局阶段。另一方面，目前无人机市场已经快速启动，而具备自动跟踪、智能避障的智能化无人机使得性能上得到了跨越式提升。
全球发达国家加快布局，国内北上沈三地领军发展，全球市场呈现快速发展的态势。2018年全球人工智能市场将逼近2700亿元。
全球对人工智能的关注度不断提升，市场对各类语音识别、机器视觉等弱人工智能产品的需求得到进一步释放。2015年全球人工智能市场规模达到1683.9亿元，预计2018年将达到2697.3亿元，复合增长率达到17.0%。
全球“再工业化”趋势下人工智能硬件平台市场巨大。人工智能市场产品结构主要分为智能硬件平台和软件集成平台两大类。在全球发达国家对工业制造重新重视的趋势下，2015年全球人工智能市场结构中智能硬件平台占比达到62.6%，高于软件集成平台产品。
2015年，市场细分结构中智能工业机器人依然是重点，市场规模为744亿元，占比达到44.2%。
当前，欧美等发达国家纷纷从国家战略层面加紧布局人工智能。纷纷推出国家大脑计划，如美国的“国家机器人计划”、欧盟的人脑工程、日本经产省的“新产业结构蓝图”。
从企业战略上看，在软件集成和智能硬件平台产品中，以美国的互联网巨头为主导，日本的机器人制造商如发那科(Fanuc)也在积极布局智能工业机器人。总体来看，美国和日本分别结合自身科技研发和机器人制造的优势，已经在人工智能新一轮浪潮中抢占了先机。
国内市场加快发展步伐。2018年中国人工智能市场规模将超360亿元，2015年中国人工智能市场规模达到203.9亿元，预计2018年将达到361亿元，复合增长率为21%。
技术门槛降低推动服务机器人成为新热点。随着《中国制造2025》的发布和国家对制造业的高度重视，在2015年中国人工智能市场中，智能硬件平台占比同样高于软件集成平台，达到了59%。在未来，随着语音识别和图像识别技术商业化的推广，软件集成平台的市场份额将进一步增大。
中国人工智能市场细分结构上各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2015年市场规模分别为60亿元和56亿元，占比为29.4%和27.5%。
行业应用集中于金融、电信、教育、消费电子。国内企业的人工智能应用格局中，主要分布在基于语音识别和服务机器人的家庭服务、教育和消费电子领域。总体而言，国内应用市场处在从技术研发向产品应用的过渡阶段，行业覆盖广阔但产品接受度有待市场验证。
各地密集推出产业资金配套，北上沈三地领军发展。从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节;上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人;沈阳做为国家机器人检测与评定分中心之一，拥有新松机器人等企业基础。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
行业巨头并购加速，四领域成投资高地
行业巨头跨界并购加速。从近几年的并购融资事件中可以看出，国内外无论是传统互联网企业(谷歌、IBM)，还是跨领域的行业巨头(SpaceX、厦华电子、丰田)，都在积极进行人工智能的布局。
从投资机会分析看，四个领域投资被追捧。赛迪顾问从市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率等四个方面进行评价。通过综合比较分析，认为深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个领域。
从产业投资回报率分析，机器视觉值得投资。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇，在软件图像识别领域，尤其以face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。
从技术成熟度分析，深度学习值得投资。前瞻性的对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，深度学习正处在面临爆发的临界点。
从应用和技术自主度分析，服务机器人和智能无人设备值得投资。对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。
三大未来趋势，两大投资策略
从产业未来发展趋势看，有几个重要的趋势值得关注。
新一轮的开源化将成为人才争夺主战场。近两年来，以谷歌为代表的巨头公司纷纷开始开源化自身核心产品。不仅有机器学习软件平台，还有相关硬件平台和完整软件源代码。开放源代码可以吸引外部人才参与项目协作，并改进相关技术。
语音识别领域将快速实现商业化部署。通过利用机器学习技术进行自然语言的的深度理解，一直是工业和学术界关注的焦点。在人工智能的各项领域中，自然语言处理是最为成熟的技术，由此引来各大企业纷纷进军布局。在未来3年内，成熟化的语音产品将通过云平台和智能硬件平台快速实现商业化部署。
人工智能产业将与智慧城市建设协同发展。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
中国人工智能应用将在服务机器人领域迎来突破。2015年已经有大量企业在服务机器人领域展开相关布局。从中国人工智能市场结构上看，服务机器人市场规模达到60亿元，占比29.4%，服务机器人基于日常生活中的广泛需求，有着广阔的市场空间。
从投资策略的角度看，有两个维度需要注意。
赛迪顾问基于市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率四个方面的考虑，重点推荐两条投资策略：
重点聚焦深度学习技术积累。通过并购重组在短时间内形成技术壁垒优势，或者集中投入于具备前景的细分技术领域的企业。一方面我们看好通过投资或收购人工智能领域开发公司，快速地获得技术优势、进而领先布局人工智能领域的龙头企业;另一方面，针对发展前景广阔的深度学习和智能机器人发展领域，投入大量研发资金推动技术创新、抢先形成技术壁垒的公司具备投资价值。
抢先布局家庭服务和教育领域应用。在商业化推广方面，优势的技术不意味良好的市场接受度。从市场需求导向入手，深度分析人工智能细分环节商业化价值的高低，在技术成熟作为支撑的前提下，以服务机器人为代表的产品将迅速实现市场普及。同时，语音技术在教育领域也将迎来全面革新。因此将家庭服务和教育领域应用作为投资重点。
相关阅读：
纽约客：人工智能的炒作和希望
本文由新智元（AI_era）编译授权转载
来源：New Yorker 译者：张冬君
【新智元导读】《纽约客》8月26日发表文章《人工智能的炒作和希望》，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。作者认为，我们现在只处于第一阶段，“识别智能”。
Om Malik是一名科技作家，还是科技新闻网站GigaOm的创始人和创业基金TrueVentures的合伙人。
本月早些时候，约翰·奥利弗在HBO的脱口秀节目“Last Week Tonight”上，讽刺媒体公司疯狂追求点击率。这条视频在网上疯狂传播，在YouTube上已经有近六百万次观看。在节目进行到十分钟左右，奥利弗炮轰Tronc（更名后的Tribune Publishing Company）和其宣传视频。视频中，一个女性机器人发言人在介绍人工智能给新闻界带来的好处。
Tronc 董事长 Michael Ferro说，每天要用人工智能制作2000个视频
Tronc不是唯一热情拥抱人工智能的公司。AI十分火热，每一家公司都在谈论它将如何改变一切。即便是梅西百货公司最近也宣布，它已经在旗下十家百货商店测试一个IBM的AI工具，目的是换回那些放弃传统零售店转而支持网上购物的客户。
就像之前的“云计算”、“大数据”和“机器学习”，“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析，还是原来的套路。如果这些过度炒作让你忍不住问“人工智能到底是什么？”别担心，你并不是一个人。我曾向许多专家询问这个词的定义，得到了不同的答案。他们一致同意的只有一件事，那就是人工智能是一组试图模拟或增强人类智能的技术。对我来说，“增强”才是重点，智能软件可以帮助我们与这个日益数字化的世界进行交互。
三十年前，我读报纸，用电动打字机打字，可以看的电视频道屈指可数。而在今天，我有来自Netflix、亚马逊、HBO等的流媒体视频，有时候我都不知道怎么选择。我们越来越难以承受电子邮件、消息、约会和提醒的轰炸。增强智能使人类面对着越来越多的信息输入和选择，数量多到一个人无法应付。
与其他技术相比，计算机和软件对于大多数人来说更难理解，充斥着神秘感。曾经有一段时间，你要用录音机把一封信或者一篇文档记录下来，然后再由别人转写成文字给你。一个人在机器的帮助下将语音转换成文本。而在今天，你可以对着你的iPhone说话，它会自己转录你的消息。如果五十年前的人们看到我们目前的语音转换成文本的功能，他们会觉得技术已经具有知觉。现在也是同样的情况，我们夸大了与世界交互的方式。著名的作家和未来学家凯文·凯利说，“我们现在能做到的，在50年前是AI，在50年后就不会被称作AI。”
在以前没有互联网的时候，我们要么打电话要么写信给朋友，一次联系一个人，来了解他们最近的生活。这是一个缓慢的过程，要花很多的精力和时间来了解每一个人。其结果是，我们的互动很少，因为打长途电话费钱，写信也要时间成本。随着因特网的出现，电子邮件成为一种促进和加快这些互动的方式。而Facebook在这方面做的更好，它把你的电话簿变成了一个中枢，让你能同时与数百、甚至数千名朋友同时联系。该算法使我们能轻松维持更多的关系而几乎无需成本。
Michelle Zhou花了15年的时间在IBM研究院和IBM Watson团队工作，之后离开IBM成为情绪分析初创企业Juji的联合创始人。情绪分析是人工智能和人机交互的一个交叉领域，Zhou作为该领域的专家，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。
我们离创建虚拟人类还有很长的路要走。尽管媒体吹得天花乱坠，但是没有任何一个技术是完美的，AI最有价值的功能在于增强人类智能。要达到这一点，我们需要训练计算机来模仿人类。 2016年4月，彭博商业周刊的一篇报道就提供了一个很好的例子。它描述了提供自动化AI个人助理的公司聘请人类“教员”来检查和评估AI助理的表现。“我们用复制人类智能的能力来定义人工智能，这很讽刺，”Sean Gourley说，他是数据分析公司Primer的创始人，善于在算法的帮助下从大型数据集挖掘智能。
无论是Spotify、Netflix或者是新一代AI聊天机器人，所有这些工具都依赖于人类自身提供数据。当我们在听歌时，把歌曲加入播放列表并分享给别人，我们就在向Spotify释放重要的信号。这些信息能训练其算法，使它不仅能发现我们喜欢什么，还能预测我们的喜好。
甚至是我们经常谈论的“计算机视觉”，它之所以有效，是因为人类上传了数十亿的照片，并且用元数据标记这些照片，给予这些照片情境。日益强大的计算机可以通过扫描这些照片从中找出模式和意义。同样地，谷歌利用它多年收集的数十亿语音样本建立了一个智能系统，能理解各种口音和细微差别，这使得谷歌的语音搜索功能成为可能。
将Zhou的三个阶段作为衡量标准，我们目前还在“识别智能”阶段——今天的计算机使用深度学习来更快更好地发现模式。然而，一些公司正在研究能用于推断意义的技术，这将是我们要走的下一步。“我们是否会到达第三阶段，这不重要，”Zhou在给我的电子邮件中这样说。“我仍然热衷于人机共生，那时，计算机可以做它们能做到的最好的事（即要求一致性、客观性和精确度的事），人类做人类能做到最好的事（有创意，不精确但适应性强）。”
未来几十年里，人类将继续训练计算机来模仿我们。而在此期间，我们将不得不面对AI的各种泡沫。
文章来源于 战略前沿技术 查看全部
随着机器学习的快速发展，人工智能产业在历经60年的起伏之后，如今已经在全球范围形成新一轮的抢位发展态势，发达国家纷纷吹响探索大脑奥秘的号角。中国的人工智能产业在全球浪潮推动下，也在快速发展。赛迪顾问针对人工智能产业的大浪潮，提出了人工智能产业概念界定，并对产业链进行了深度剖析。对全球和中国人工智能市场规模和结构进行了判断，并详细梳理了全国各省市在人工智能领域的利好政策和具体举措。结合产业发展态势和技术热点演进，分析了各个细分领域的投资价值热点，提出深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个方向。
赛迪顾问认为人工智能产业发展在未来将呈现出四大趋势：一是新一轮的开源化浪潮将成为人才争夺的主战场;二是语音识别领域将快速实现商业化部署;三是人工智能产业将与智慧城市建设协同发展;四是中国人工智能应用将在服务机器人领域迎来突破。同时，针对未来投资领域，赛迪顾问认为应该把握两大主要策略：重点聚焦深度学习技术积累与抢先布局家庭服务和教育领域应用。
人工智能产业几起几落，迎来新发展时期
人工智能产业概念界定。概念定义上，人工智能分为强人工智能和弱人工智能。强人工智能侧重于思维能力，指机器不仅是一种工具，而且本体拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指人造机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。
综合来看，赛迪顾问认为人工智能应该具备“3C特性”：理解力Cognize、沟通力Communicate、协同力Collaborate。即通过模拟人类思维模式实现对外界信息理解;通过语音、视觉等实现与外界沟通;通过行动控制实现人机协同工作。
人工智能的发展从起源到如今的全面推进经历了近70年的发展，期间更是起起落落经历过二次低谷期。
三大因素促使人工智能重获新生。随着深度学习重燃、海量大数据支撑、计算能力提升与成本下降等三大因素的出现，为进入21世纪的人工智能迎来了重生期。
未来3~5年将迎来智能应用快速普及。从谷歌组建研发团队到击败李世石仅仅花费2年多时间，进一步证明了深度学习的强大潜力。在不久的将来，赛迪顾问认为深度学习将取得更多成就，因为它只需要极少的人工参与，并能快速地从计算能力提升和数据量增长中获得裨益。
全球人工智能产业发展，面临三大难题
人工智能产业链包含了基础设施层、技术研发层和应用层。
基础设施层涵盖了数据支撑、感知和运算。技术研发层涵盖了机器学习、自然语言处理、图像识别三个方向。应用层分为智能硬件平台和软件集成平台。
从基础设施层看，随着以声学、触觉、味觉、嗅觉和视觉等仿生人体五种感知能力的智能传感设备的成熟化，为人工智能实现多元化发展提供了保障。
从技术研发层看，技术研发层是人工智能核心和高价值环节，包含了机器学习、自然语言处理、图像识别三个环节。把机器学习与人类对历史经验归纳做比对，机器的“训练”与“预测”过程可以对应人类的“归纳”和“推测”过程，越大的训练数据量等价于经验更丰富的人类专家。
从技术引领程度来看，机器学习是引领自然语音处理和图像识别快速发展的核心基础。利用基于知识图谱的大数据分析，通过机器学习的加工处理将使得语音的识别准确度得到大幅提升。
从应用层看，应用层分布根据技术研发的成熟度不同存在行业领域变化。自然语言处理的成熟度最高，其次是图像识别，而机器学习领域技术成熟度最低，还未形成大规模行业应用。
尽管目前人工智能很热，但人工智能的发展依然面临三大难题。
一是数据流通和协同化感知有待提升。
基础设施层的仿人体五感的各类传感器缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得的多源数据无法进行一体化的采集、加工和分析。
赛迪顾问认为，未来突破点将发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点。
二是强人工智能尚未实现关键技术突破。
在技术研发层，目前取得的进度依然属于初级阶段，对于更高层次的人工意识、情绪感知环节还没有明显的突破。
赛迪顾问认为，未来突破点将发生在脑科学研究领域。要对真正的分析理解能力进一步地研发，从大脑的进化演进、全身协调控制等领域实现。
三是智能硬件平台易用性和自主化存在差距。
应用层的智能硬件平台，服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平，短期内难以有接近人的推理学习和分析能力，难以具备接近人的判断力。
赛迪顾问认为，未来突破点将出现在智能无人设备领域。智能无人汽车处于全球各大车企巨头争相布局阶段。另一方面，目前无人机市场已经快速启动，而具备自动跟踪、智能避障的智能化无人机使得性能上得到了跨越式提升。
全球发达国家加快布局，国内北上沈三地领军发展，全球市场呈现快速发展的态势。2018年全球人工智能市场将逼近2700亿元。
全球对人工智能的关注度不断提升，市场对各类语音识别、机器视觉等弱人工智能产品的需求得到进一步释放。2015年全球人工智能市场规模达到1683.9亿元，预计2018年将达到2697.3亿元，复合增长率达到17.0%。
全球“再工业化”趋势下人工智能硬件平台市场巨大。人工智能市场产品结构主要分为智能硬件平台和软件集成平台两大类。在全球发达国家对工业制造重新重视的趋势下，2015年全球人工智能市场结构中智能硬件平台占比达到62.6%，高于软件集成平台产品。
2015年，市场细分结构中智能工业机器人依然是重点，市场规模为744亿元，占比达到44.2%。
当前，欧美等发达国家纷纷从国家战略层面加紧布局人工智能。纷纷推出国家大脑计划，如美国的“国家机器人计划”、欧盟的人脑工程、日本经产省的“新产业结构蓝图”。
从企业战略上看，在软件集成和智能硬件平台产品中，以美国的互联网巨头为主导，日本的机器人制造商如发那科(Fanuc)也在积极布局智能工业机器人。总体来看，美国和日本分别结合自身科技研发和机器人制造的优势，已经在人工智能新一轮浪潮中抢占了先机。
国内市场加快发展步伐。2018年中国人工智能市场规模将超360亿元，2015年中国人工智能市场规模达到203.9亿元，预计2018年将达到361亿元，复合增长率为21%。
技术门槛降低推动服务机器人成为新热点。随着《中国制造2025》的发布和国家对制造业的高度重视，在2015年中国人工智能市场中，智能硬件平台占比同样高于软件集成平台，达到了59%。在未来，随着语音识别和图像识别技术商业化的推广，软件集成平台的市场份额将进一步增大。
中国人工智能市场细分结构上各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2015年市场规模分别为60亿元和56亿元，占比为29.4%和27.5%。
行业应用集中于金融、电信、教育、消费电子。国内企业的人工智能应用格局中，主要分布在基于语音识别和服务机器人的家庭服务、教育和消费电子领域。总体而言，国内应用市场处在从技术研发向产品应用的过渡阶段，行业覆盖广阔但产品接受度有待市场验证。
各地密集推出产业资金配套，北上沈三地领军发展。从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节;上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人;沈阳做为国家机器人检测与评定分中心之一，拥有新松机器人等企业基础。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
行业巨头并购加速，四领域成投资高地
行业巨头跨界并购加速。从近几年的并购融资事件中可以看出，国内外无论是传统互联网企业(谷歌、IBM)，还是跨领域的行业巨头(SpaceX、厦华电子、丰田)，都在积极进行人工智能的布局。
从投资机会分析看，四个领域投资被追捧。赛迪顾问从市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率等四个方面进行评价。通过综合比较分析，认为深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个领域。
从产业投资回报率分析，机器视觉值得投资。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇，在软件图像识别领域，尤其以face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。
从技术成熟度分析，深度学习值得投资。前瞻性的对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，深度学习正处在面临爆发的临界点。
从应用和技术自主度分析，服务机器人和智能无人设备值得投资。对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。
三大未来趋势，两大投资策略
从产业未来发展趋势看，有几个重要的趋势值得关注。
新一轮的开源化将成为人才争夺主战场。近两年来，以谷歌为代表的巨头公司纷纷开始开源化自身核心产品。不仅有机器学习软件平台，还有相关硬件平台和完整软件源代码。开放源代码可以吸引外部人才参与项目协作，并改进相关技术。
语音识别领域将快速实现商业化部署。通过利用机器学习技术进行自然语言的的深度理解，一直是工业和学术界关注的焦点。在人工智能的各项领域中，自然语言处理是最为成熟的技术，由此引来各大企业纷纷进军布局。在未来3年内，成熟化的语音产品将通过云平台和智能硬件平台快速实现商业化部署。
人工智能产业将与智慧城市建设协同发展。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
中国人工智能应用将在服务机器人领域迎来突破。2015年已经有大量企业在服务机器人领域展开相关布局。从中国人工智能市场结构上看，服务机器人市场规模达到60亿元，占比29.4%，服务机器人基于日常生活中的广泛需求，有着广阔的市场空间。
从投资策略的角度看，有两个维度需要注意。
赛迪顾问基于市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率四个方面的考虑，重点推荐两条投资策略：
重点聚焦深度学习技术积累。通过并购重组在短时间内形成技术壁垒优势，或者集中投入于具备前景的细分技术领域的企业。一方面我们看好通过投资或收购人工智能领域开发公司，快速地获得技术优势、进而领先布局人工智能领域的龙头企业;另一方面，针对发展前景广阔的深度学习和智能机器人发展领域，投入大量研发资金推动技术创新、抢先形成技术壁垒的公司具备投资价值。
抢先布局家庭服务和教育领域应用。在商业化推广方面，优势的技术不意味良好的市场接受度。从市场需求导向入手，深度分析人工智能细分环节商业化价值的高低，在技术成熟作为支撑的前提下，以服务机器人为代表的产品将迅速实现市场普及。同时，语音技术在教育领域也将迎来全面革新。因此将家庭服务和教育领域应用作为投资重点。
相关阅读：
纽约客：人工智能的炒作和希望
本文由新智元（AI_era）编译授权转载
来源：New Yorker 译者：张冬君
【新智元导读】《纽约客》8月26日发表文章《人工智能的炒作和希望》，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。作者认为，我们现在只处于第一阶段，“识别智能”。
Om Malik是一名科技作家，还是科技新闻网站GigaOm的创始人和创业基金TrueVentures的合伙人。
本月早些时候，约翰·奥利弗在HBO的脱口秀节目“Last Week Tonight”上，讽刺媒体公司疯狂追求点击率。这条视频在网上疯狂传播，在YouTube上已经有近六百万次观看。在节目进行到十分钟左右，奥利弗炮轰Tronc（更名后的Tribune Publishing Company）和其宣传视频。视频中，一个女性机器人发言人在介绍人工智能给新闻界带来的好处。
Tronc 董事长 Michael Ferro说，每天要用人工智能制作2000个视频
Tronc不是唯一热情拥抱人工智能的公司。AI十分火热，每一家公司都在谈论它将如何改变一切。即便是梅西百货公司最近也宣布，它已经在旗下十家百货商店测试一个IBM的AI工具，目的是换回那些放弃传统零售店转而支持网上购物的客户。
就像之前的“云计算”、“大数据”和“机器学习”，“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析，还是原来的套路。如果这些过度炒作让你忍不住问“人工智能到底是什么？”别担心，你并不是一个人。我曾向许多专家询问这个词的定义，得到了不同的答案。他们一致同意的只有一件事，那就是人工智能是一组试图模拟或增强人类智能的技术。对我来说，“增强”才是重点，智能软件可以帮助我们与这个日益数字化的世界进行交互。
三十年前，我读报纸，用电动打字机打字，可以看的电视频道屈指可数。而在今天，我有来自Netflix、亚马逊、HBO等的流媒体视频，有时候我都不知道怎么选择。我们越来越难以承受电子邮件、消息、约会和提醒的轰炸。增强智能使人类面对着越来越多的信息输入和选择，数量多到一个人无法应付。
与其他技术相比，计算机和软件对于大多数人来说更难理解，充斥着神秘感。曾经有一段时间，你要用录音机把一封信或者一篇文档记录下来，然后再由别人转写成文字给你。一个人在机器的帮助下将语音转换成文本。而在今天，你可以对着你的iPhone说话，它会自己转录你的消息。如果五十年前的人们看到我们目前的语音转换成文本的功能，他们会觉得技术已经具有知觉。现在也是同样的情况，我们夸大了与世界交互的方式。著名的作家和未来学家凯文·凯利说，“我们现在能做到的，在50年前是AI，在50年后就不会被称作AI。”
在以前没有互联网的时候，我们要么打电话要么写信给朋友，一次联系一个人，来了解他们最近的生活。这是一个缓慢的过程，要花很多的精力和时间来了解每一个人。其结果是，我们的互动很少，因为打长途电话费钱，写信也要时间成本。随着因特网的出现，电子邮件成为一种促进和加快这些互动的方式。而Facebook在这方面做的更好，它把你的电话簿变成了一个中枢，让你能同时与数百、甚至数千名朋友同时联系。该算法使我们能轻松维持更多的关系而几乎无需成本。
Michelle Zhou花了15年的时间在IBM研究院和IBM Watson团队工作，之后离开IBM成为情绪分析初创企业Juji的联合创始人。情绪分析是人工智能和人机交互的一个交叉领域，Zhou作为该领域的专家，将AI分为三个阶段。第一个阶段是识别智能，在更加强大的计算机里运行的算法能从大量文本中识别模式和获取主题，甚至能从几个句子获取整个文章的意义。第二个阶段是认知智能，机器已经超越模式识别，而且开始从数据中做出推论。第三个阶段的实现要等到我们能创建像人类一样思考、行动的虚拟人类才行。
我们离创建虚拟人类还有很长的路要走。尽管媒体吹得天花乱坠，但是没有任何一个技术是完美的，AI最有价值的功能在于增强人类智能。要达到这一点，我们需要训练计算机来模仿人类。 2016年4月，彭博商业周刊的一篇报道就提供了一个很好的例子。它描述了提供自动化AI个人助理的公司聘请人类“教员”来检查和评估AI助理的表现。“我们用复制人类智能的能力来定义人工智能，这很讽刺，”Sean Gourley说，他是数据分析公司Primer的创始人，善于在算法的帮助下从大型数据集挖掘智能。
无论是Spotify、Netflix或者是新一代AI聊天机器人，所有这些工具都依赖于人类自身提供数据。当我们在听歌时，把歌曲加入播放列表并分享给别人，我们就在向Spotify释放重要的信号。这些信息能训练其算法，使它不仅能发现我们喜欢什么，还能预测我们的喜好。
甚至是我们经常谈论的“计算机视觉”，它之所以有效，是因为人类上传了数十亿的照片，并且用元数据标记这些照片，给予这些照片情境。日益强大的计算机可以通过扫描这些照片从中找出模式和意义。同样地，谷歌利用它多年收集的数十亿语音样本建立了一个智能系统，能理解各种口音和细微差别，这使得谷歌的语音搜索功能成为可能。
将Zhou的三个阶段作为衡量标准，我们目前还在“识别智能”阶段——今天的计算机使用深度学习来更快更好地发现模式。然而，一些公司正在研究能用于推断意义的技术，这将是我们要走的下一步。“我们是否会到达第三阶段，这不重要，”Zhou在给我的电子邮件中这样说。“我仍然热衷于人机共生，那时，计算机可以做它们能做到的最好的事（即要求一致性、客观性和精确度的事），人类做人类能做到最好的事（有创意，不精确但适应性强）。”
未来几十年里，人类将继续训练计算机来模仿我们。而在此期间，我们将不得不面对AI的各种泡沫。
文章来源于 战略前沿技术
