賽迪智庫：2017年智慧技術將呈現八大發展趨勢

2016年是智慧技術內涵不斷深化、應用初步發展、產業生態開始建立的一年，是政府、企業、學界、民眾等對智慧技術的關注度和認同度逐步升溫的一年。2017年，智慧技術的本質要義將進一步豐富，與其它現代資訊科技進行交叉融合、深度滲透，實現技術的一體化、群體化、顛覆性突破。

趨勢一：人腦仿生將取得重要突破

人腦仿生主要有兩個重要領域：一是再造人類大腦，即模擬人腦功能。通過研製人造神經元，將電訊號轉變成化學訊號並與其它腦細胞進行交流。二是建立腦機介面，即把機器與大腦進行連線。用特定裝置讀取大腦訊號，並對機器進行操控。在過去的4~5年中，主要有三股力量從事人腦仿生方面的研究，即政府、企業和研究機構。其中，從政府層面看，美國、歐盟和我國都在2013年釋出了“大腦計劃”;從企業層面看，IBM公司是人腦仿生研究的主力軍，它研製了第一個類腦晶片、類腦計算機和人造神經元。目前，我國中科院計算所也研製出了類腦晶片——寒武紀。從研究機構層面看，英國和美國的研究機構在腦機介面方面取得重要突破，使癱瘓病人重獲知覺。

趨勢二：機器學習將在資料量大的領域深入應用

支撐機器學習不斷髮展的三駕馬車是硬體、演算法和資料，硬體包含底層晶片和運算平臺，是機器能夠快速處理大規模資料、執行復雜演算法的骨幹。演算法包含模擬人類智慧的方法，是機器能夠流暢進行思考和運動的靈魂。資料包含海量資料的採集和標註，是機器能夠精確構建數學預測模型的養料。值得注意的是，當前機器學習演算法採用的是由上世紀80年代以來形成的聯結主義演算法，它的原理是從海量模資料中歸納得到一般性規律，這是一種統計性演算法，因此對於資料規模、資料質量要求很高。大資料已成為決定機器學習質量高低的關鍵要素，可以說無資料、不智慧。現在機器學習已滲透進入醫療、金融、新聞等行業，這些行業的突出特點是資料規模大且痛點明顯，亟需引入機器學習技術提升行業服務質量和精準度。例如，IBM公司的沃森醫療產品汲取了300多份醫學期刊、200多種教科書及近1000萬頁文字，能夠為腫瘤患者制定個性化治療方案。今年8月，沃森醫療已進入國內21家醫院。

趨勢三：智慧語音助手將成自然語言理解發展突破口

自然語言理解能夠教會機器如何聽懂人類語言背後的意圖，因此，這項技術的應用需要選取與人類互動頻次高的場景。智慧語音助手可以說是一個非常好的突破口，它是人與機器交流的中間媒質，能夠把人的需求與後臺海量資料、物聯網裝置、社會人群連線在一起，覆蓋面極廣，滲透力極強。它就像人類的貼身管家。目前，亞馬遜Alexa、蘋果Siri、微軟小娜等是市場認可度較高的語音助手，但是它們的智慧程度還比較低，屬於經驗智慧，不具有演繹和情感能力。智慧語音助手在智慧家居、輔助駕駛、個人助理等領域用途較多，幫助人們操控裝置、獲取資訊。未來智慧語音助手的作用將不僅侷限於此，還將成為所有平臺、服務、資料的統一入口。

趨勢四：機器視覺將向生產生活領域不斷滲透

一是生產領域。機器視覺已在生產組裝、高精度檢測、質量檢測和產品追溯環節廣泛應用。例如，面對汽車行業對產品的生產精度、質量和速率要求越來越高的現狀，西門子公司面向汽車發動機和變速箱研發了視像系統，可以檢測零部件尺寸精度，記錄零件製造日期，校正汽車零部件壓力，還可用於正確安裝汽車配件。二是在生活領域。機器視覺是無人駕駛汽車感知快速複雜變化環境的眼睛。除安裝於車身上的視訊監控攝像頭、雷達、感測器以外，無人駕駛汽車視覺識別系統還融合了中樞大腦——深度學習演算法，可以深度感知車道線、車輛、行人、交通標誌等環境資訊。對深度學習演算法的吸收融合，是機器視覺技術區別傳統視像技術的最為關鍵的方面。除無人駕駛汽車以外，無人值守裝備將在未來進入規模應用階段，無人機、無人船等將會不斷湧現，豐富社會創新產品應用的供給。

趨勢五：AR將超越VR率先駛入快車道

VR和AR都需要構建虛擬數字影象，但是所構建數字影象的呈現位置有所區別。AR將數字影象直接呈現於物理環境中，而VR則將數字影象呈現在與物理環境完全脫離的虛擬空間中，使用者是脫離於物理環境而完全沉浸於虛擬空間中的。這也決定了VR和AR應用場景的不同。VR正朝偏靜態、全沉浸的方向發展;而AR正向移動化、開放化、輕型化的方向發展。2016年VR/AR發展喜憂參半。8月，日本任天堂公司的口袋妖怪AR版風靡一時，為AR技術的發展打了一劑強心劑;而12月底，知名獨角獸公司Magic Leap陷入了虛假宣傳之一，為AR/VR發展蒙上了一層陰影。當前，VR/AR技術的缺陷在於：成像使用者體驗不好，容易對使用者造成眩暈感;裝置成本較高，無法擴充消費級應用。在現有硬體技術條件下，由於AR技術能夠與移動終端更好地融合，AR將在智慧手機、可穿戴智慧硬體的配合下，不斷豐富內容，超越VR，進入快速發展期。

趨勢六：區塊鏈加快平臺化、開源化、融合化發展

區塊鏈是一種把底層資料按時間區塊進行記錄，並由分散式節點達成儲存共識的技術，從技術發展階段看，區塊鏈技術正在由若干領域初步應用期向若干領域深化應用期過度，處於技術應用深化階段，呈現平臺化、開源化、融合化的發展趨勢。

一是平臺化。目前，區塊鏈技術應用服務均部署在雲平臺上，供全球使用者隨時、隨地、隨需獲取。微軟公司與以太坊合作，在Azure平臺上部署以太坊旗艦產 BlockAppStrato以太坊應用開發工具包和區塊鏈瀏覽器。

二是開源化。谷歌公司利用開源平臺思路，成功打造了安卓生態。開源可以最大化匯聚全球人民智慧，對平臺進行快速迭代更新。世界最大的區塊鏈聯盟R3，已開源其分散式公共賬本Corda平臺。

三是融合化。區塊鏈技術以其資訊的不可篡改性，正在與物聯網、雲端計算、大資料等較為成熟的新一代資訊科技不斷融合，在確保資料儲存安全、構建多方信任機制方面發揮重要作用。

趨勢七：數字孿生將打造居民生活的資訊物理空間

數字孿生(Digital Twin)是一種實體空間與虛擬空間的數字化、網路化、智慧化的對映關係，在物理與數字兩個空間同時記錄個體全生命週期執行軌跡。該技術源起於航天飛行器健康維護與保障，廣泛應用於工業領域模擬分析、產品定義、製造裝配工藝、測量檢驗等模型的構建，並與數字化加工裝配系統、數字測量檢驗系統、產品實物等建立虛實結合、及時響應的對應關係。未來，數字孿生將逐步向生活領域延伸，通過採集居民健康、教育、出行、娛樂、消費等領域的大資料，破除以往侷限於單一領域的資料探勘與智慧應用的孤島，建立面向個人全生命週期的多領域融合、多維度展現、全綜合分析的數字孿生體，通過對來自於不同領域大資料進行聚合學習，為個體生活工作提供更科學、更精準、更可靠的預測與指導。

趨勢八：人工智慧產業生態正加速形成

人工智慧產業鏈主要由基礎設施(硬體、資料)、核心演算法(演算法工具、通用技術)、應用平臺(開源平臺)和解決方案(垂直領域應用)等環節構成。三種模式正從不同路徑共築人工智慧產業生態。

一是自上而下，即單個企業從人工智慧產業鏈上游(基礎設施)開始向下遊(核心演算法、應用平臺、解決方案)延伸。Intel公司斥資4億美元收購深度學習初創企業Nervana Systems，佈局基於雲端計算的深度學習軟體服務。同時，Intel公司與智慧語音服務提供商科大訊飛合作推動軟硬體一體化設計和優化。

二是自下而上，即單個企業從人工智慧產業鏈下游(解決方案)開始向上遊(基礎設施)回溯。地平線機器人公司在打造支援輔助駕駛的“雨果”應用平臺和麵向智慧家居的“安徒生”應用平臺的同時，正加緊研製為深度學習定製的高效能、低功耗、低成本神經網路晶片NPU(Neural Processing Unit)，打造一套完整開放的軟硬體一站式人工智慧解決方案。

三是自中間到兩端，即單個企業從人工智慧產業鏈中游(應用平臺)開始向上遊(基礎設施)、下游(解決方案)環節擴充套件。Google公司以深度學習開源平臺Tensorflow為核心，分別在人工智慧產業鏈上游研製了深度學習晶片張量處理器TPU(Tensor Processing Unit)，在下游佈局了一系列智慧應用，包括Google Assistant、Google Home、Allo和Duo。

原網站：http://www.toutiao.com/i6375010158342308353/