本文來源：中金投X 連結：https://www.zhongguojinrongtouziwang.com/report-next10years-chinaai-chinese/
中國人工智慧產業在過去幾年實現了飛速增長。得益於國家巨集觀政策扶持、風險資金推動和創業熱情的高漲，中國首次發現自己置身於近現代以來未曾達到的位置：在一個新興的關鍵科技領域躋身全球領導者之一。
然而進入2019年，關於“人工智慧寒冬”的爭議開始越來越頻繁地出現。風險資本投資熱度出現下降。2018年全年中國人工智慧領域的風險融資交易高達496筆，融資總額達157億美元。而2019年上半年（截至6月13日），中國人工智慧領域的風險融資交易累計僅有131起，融資總額為56億美元。另外，超1億美元的鉅額融資交易從去年的26筆減少到截止今年6月份的4筆。
與此同時，深度學習——即推動本輪人工智慧熱潮的底層技術——也面臨著日益凸顯的技術瓶頸。缺乏可解釋性和推理能力，對大量訓練資料的需求，以及在解決現實世界問題時遇到的挑戰，都為人工智慧的廣泛商業應用增加了障礙。
“現在形成的人工智慧系統都非常脆弱，容易受到攻擊或者欺騙，需要大量的資料，而且不可解釋，存在非常嚴重的缺陷，這個缺陷是本質的，是由其方法本身引起的，”專注於人工智慧研究的中國科學院院士張鈸表示。
隨著中國政府、科技巨頭、人工智慧創企不斷地探索和擴充套件人工智慧系統在實際應用場景中的適用性和應用邊界，中國在許多科技領域早於其它國家進入了無人地帶。這些發展帶來了前所未有的監管和道德挑戰。例如，中國在人臉識別和社會信用評分體系中，應用人工智慧技術的方式及其潛在的風險，引發了國際社會的密切關注和擔憂。
中美貿易和科技摩擦也給中國人工智慧行業的未來，增加了更多的不確定性因素。自由的學術交流、全球開源社群的蓬勃發展、人才的自由流動，這些要素締造了中國人工智慧產業的飛速發展。但未來這些要素將如何演變，我們卻難以做出任何簡單的假設。
綜上，中國人工智慧行業已經來到了一個拐角點。整個行業正處於日趨合理化，重新校準行業假設，然而未來卻難以預測的新階段。中國人工智慧行業未來的走向正變得愈加關鍵，卻也愈為撲朔迷離。
因此，中金投X特邀中國人工智慧領域的10位領袖，對未來10年的行業發展做出預測。這10位專家來自不同的領域，涵蓋計算機視覺、語音識別、自動駕駛、人工智慧晶片、醫療+人工智慧、金融+人工智慧、人工智慧即服務，以及人工智慧投資等。
儘管面臨著上述挑戰，這些專家們對人工智慧在中國的持續發展和大規模應用都保持著一致的樂觀態度。中國政府堅定不移地推動中國科技和人工智慧行業發展的決心是行業的定心丸。因此，人工智慧在中國會繼續以比其它國家更深入、更迅猛的速度，對各行各業產生顛覆性的影響。
他們也大多認同，現如今人類對人工智慧為經濟和社會帶來的重構作用，仍舊停留在非常初級和淺層的認識階段。人工智慧的顛覆潛能和價值創造仍有待深度挖掘。未來10年，他們預測人工智慧將實現更廣泛而徹底的商業應用，從而顛覆和重塑傳統產業。人工智慧最終將自然而無感地融入商業決策和使用者體驗中去，消除那些現今令人頭疼和不滿意的體驗。
這可能是對未來10年中國人工智慧行業的最佳預測。而在中國如此眾多的人工智慧獨角獸中，有多少可以真正創造出與其估值相匹配的商業價值，人工智慧在某些領域的應用是否需要被重新評估，在不久的將來就能見分曉。
沒有人擁有知曉未來的水晶球，而預測未來的行為總是充滿悖論和風險。這10位專家分享他們對未來的預判和見解，是希望能更好地用於指導今日的實踐。接下來，我們將按專家姓氏的字母順序，依次列出這10位行業領袖對中國未來10年人工智慧發展的預測。
陳寬
推想科技
創始人
陳寬是醫療人工智慧應用公司推想科技的創始人兼CEO。2016年，他中斷了在美國芝加哥大學攻讀金融與經濟雙博士學位的學習，創立了推想科技，致力於人工智慧深度學習技術在醫學影像領域的應用。
推想科技利用深度學習技術，分析數字射線成像，計算機斷層掃描，及核磁共振成像等醫學影像資料，為醫生提供精準、高效的輔助工具，從而減輕醫生的工作重負。截至2019年5月，推想科技合作全球各地區醫院超過300家，每日輔助科研與臨床質控病例近40,000例。
推想科技自成立起已經完成四輪風險融資，其投資人包括鼎暉資本，紅杉資本，啟明創投等。
未來10年，人工智慧會變成醫療行業的一個基礎設施和臨床的關鍵部分，並影響和優化現有的臨床路徑。同時，人工智慧會成為中國分級診療政策當中的一個核心技術推手。比如說在基層首診的層面，人工智慧會賦能基層醫院，進行早期疾病篩查和早診，讓基層醫院及醫生也能逐步提升到三甲醫院及醫生的能力。
推想科技的測試顯示，一個初級醫生在使用人工智慧輔助閱片時，針對肺結節的表現和一個資深醫生沒有統計學上的區別。同樣針對腦卒中等其它的病種，人工智慧的輔助優勢也是尤為突出的，這也能夠幫助改變在中國境內，城市與鄉村之間醫療資源不均衡的狀態。
中國四萬億的醫療市場是一個產能嚴重不足的行業，而人工智慧可以解決產能不足的問題。中國新一輪的醫改會更重視疾病的早篩早診早治，而人工智慧可以提升醫療質量，同時降低醫療成本。比如，推想科技的人工智慧產品可以提前9.3個月發現25%的晚期肺癌病例，節省大量的社會成本。
中國巨大的人口基數和老齡化創造了全球最大規模的醫療人工智慧技術需求，為中國醫療人工智慧的發展提供了絕佳的條件。這是中國人工智慧公司得天獨厚的優勢，也恰恰是人工智慧發揮最大社會價值的場景。中國醫療人工智慧有望成為全世界的排頭兵和領先者。未來，國家之間的差異會使得人工智慧技術在醫療上的應用各有側重，而先後強弱的差距也會越來越明顯。
但醫療是一個非常保守嚴謹、高標準和長週期的行業，任何以網際網路浮躁的心態佔領市場的打法一定不可行。我們面臨的挑戰是堅持以最紮實、最穩妥、最堅忍的方式去深耕該行業。我們目前在世界各地的醫藥監管機構申請產品批准，並探討醫保合作，這些都是一個漫長的過程。因此，我們需要設立很多階段性的里程碑，一步步做出成績來。
整個深度學習領域，中美合作是非常多的，包括一些頂級模型和頂級開源框架都是由中國學者和工程師貢獻的。如果出現強行的分割，肯定對這個行業的發展有約束作用。但反過來看，整個行業發展其實是非常開放和相互依賴的，所以我也並不覺得中美政治因素可以很容易地影響到學術和技術上的交流和配合。
全球的技術發展還是有其韌性的，國際合作的大趨勢短期內不會發生變化。但是，國際摩擦肯定會讓企業——不止是中國企業，而是各國企業——更有意識地去尋找備胎和備用方案，以應對任何不可預期的風險。
戴文淵
第四正規化
創始人
戴文淵是中國人工智慧公司第四正規化的創始人兼CEO。在2014年創立第四正規化之前，他曾就職於百度，助力設計人工智慧系統“鳳巢”，也曾擔任華為諾亞方舟實驗室主任科學家。戴先生是ACM國際大學生程式設計競賽的全球總冠軍。
第四正規化以“AI For Everyone”為願景，為銀行、保險、安防、政務、能源、智慧製造、零售、醫療等領域的企業提供人工智慧平臺服務。截至2019年6月，已經幫助7617個客戶及合作伙伴成功落地12648個場景。
未來10年將是人類歷史上最大規模的智慧大爆發。我預計三到五年內，中國企業的智慧化率 將超過50%，而那些領先企業將在五年內完成智慧化轉型。
目前雖然各行各業都已經開始嘗試把人工智慧落地到業務場景中，但絕大多數企業的智慧化率仍然處於較低的水平。在很大程度上，這是因為目前企業的人工智慧落地只處在“擁抱AI”的階段，模式大多是從0到1。這個過程雖然讓企業開始瞭解人工智慧的價值，但人工智慧落地的效率還是比較低的。從其創造的價值來看，在很多企業內可能還不到企業營收的1%。
實際上，人工智慧落地是有“套路”的。我認為下一階段，需要將企業落地的套路總結出來，將規模化落地人工智慧應用的基礎設施建設好，幫助企業告別每個場景都從0到1做的模式，從而高效完成智慧化轉型。
下一個階段，我們最關注的將不是每一個應用落地過程中用了哪些高大上的技術，而是每一年落地了多少個人工智慧的應用。如果去年落地了100個應用，今年是否可以落地1000個？這種變化下，企業對人工智慧由“擁抱AI”轉向“追求價值最大化”，企業全面智慧化轉型的重要性在此凸顯。
就人工智慧落地的套路而言，我認為企業需要找到自己的核心業務，努力讓人工智慧在這裡發揮極致的效果，“畢其功於一役”。因為核心業務關係到企業的“命脈”，1%的提升或許就能把業務提升做到最大化。與此同時，企業也要找到數量眾多的分散場景，力求高效地實現跨場景規模化落地，1000個1%的效率提升也能帶來巨大的優化。
就人工智慧落地的基礎設施建設而言，企業需要完善的資料治理系統。過去以商業智慧（Business Intelligence）為導向的大資料系統並不適合人工智慧。有的企業將人工智慧建設在該系統之上，這反倒成了其落地的障礙。因此，企業需要有以人工智慧為導向的資料治理系統，能夠存取拍位元組（petabyte）級別甚至更大量的日誌，支援實時儲存，並形成線上資料採集和處理的閉環。
其次是人工智慧算力，未來優化人工智慧算力的道路一定是軟硬結合。因為人工智慧算力是一個完整的體系架構，具有固定的計算模式，需要專用的計算。因此，適合人工智慧專用演算法的算力架構，未來一定會成為人工智慧落地的主要算力解決方式，而這也將帶來算力的一場革命。
未來三到五年會是人工智慧規模化落地非常關鍵的時期。只要走通了人工智慧高效落地的模式，將基礎設施建設好，企業將會迅速將智慧化率提升至50%以上。
黃偉
雲知聲
創始人
黃偉博士是中國聚焦智慧語音技術的人工智慧企業雲知聲的創始人。此前，黃偉博士任職於摩托羅拉中國研究中心和盛大創新院，主導開發出全球第一款手機聲紋認證系統。他在智慧語音和人工智慧等領域有著10餘年的從業及管理經驗。
黃偉博士於2012年組建了一支涵蓋演算法、軟/硬體、雲架構、晶片等研發能力的核心技術團隊，並創立了雲知聲，業務覆蓋智慧生活（包括家居和汽車）和智慧服務（包括醫療、教育和機器人）兩大核心應用場景。
截止目前，雲知聲融資總額達三億美元，合作伙伴數量超過兩萬家，覆蓋使用者達兩億，其中開放語音雲覆蓋城市超647個，覆蓋裝置在2.5億臺以上。
人工智慧技術包括語音識別、自然語言理解和機器翻譯等。這些技術在過去幾年裡發展迅速，但也面臨一些瓶頸：其一，目前深度學習的理論框架短時間之內看不到很明顯的突破。雖然有專家提出新的方向，但並未成功地證明能夠起到如同從統計學習到深度學習的質變飛躍；其二，當前的技術在實驗室是很好看的，但是一旦和場景結合的時候，就會發現技術依然存在著很多短板。很多漂亮的工具放到現實當中就會變得慘不忍睹。
我覺得這兩個方面都需要去突破，特別是理論層面上的突破。比如今天我們都知道，把大量資料丟到訓練池子裡以獲得更好的效能，但為什麼會獲得更好的效能？我們不知道。機器學習對我們來說還有點神祕，我們不知道這個機制如何運作。想要獲得突破，我們首先需要神經網路更加具有可解釋性。
如果未來我們能夠取得理論上的突破，就有可能使得我們的人工智慧具備更高的可適應性和推理能力，在不同的應用場景裡面都能夠表現良好。但是任何一種理論框架的出現和完善，恐怕都是以10年為週期單位的。深度學習的普及10年不到，仍處於初級階段，其完善和突破也需要很長時間。
在深度神經網路理論突破之前，並不妨礙我們用它來解決一些現實中的實際問題。雖然沒有泛化智慧，在一些限定場景下它仍舊可以解決非常有價值的問題。人工智慧公司可以深入場景，深度優化，夯實資料優化、演算法優化和工程優化，來提供真正的商業價值。
中國的人工智慧公司都在擴充自己的技術邊界，紛紛跨界以實現全棧技術實力。這對團隊從資源、資金、技術人才到商務擴充，都是一項非常大的挑戰。另外，我們看到人工智慧公司越來越達成共識，摒棄過去網際網路時代以平臺構建為主題的思路，轉而更加聚焦深入場景的深度優化策略。這將是人工智慧創企的最佳機遇，也是未來人工智慧公司持續發展的必然之路。大致來看，科技巨頭們上九天攬月，創企下五洋捉鱉，會形成動態互補的競合態勢。中國市場將比美國更有可能目睹人工智慧創企打出自己的一片天地。
中美的科技對抗對於中國人工智慧公司而言，機遇大於挑戰。中國在戰略上會更加重視前沿科技的發展，在客戶需求上規模巨大、需求緊迫，這些都會產生鞭策的力量。未來三到五年，中國人工智慧公司將真正埋下頭來，少說話，多做事。
蔣韜
同盾科技
創始人
蔣韜是人工智慧公司同盾科技的創始人兼CEO，也是一位智慧反欺詐、智慧風控領域的專家。在創立同盾科技之前，蔣先生曾任職於IBM、美會軟體和阿里巴巴集團，從事反欺詐和智慧風控的研發。他擁有復旦大學計算機系軟體和理論碩士學位。
同盾科技是中國第三方智慧風控及分析決策解決方案提供商，目前團隊有1200餘人，累計服務超過一萬家客戶，主要服務銀行、保險、證券、信託、新金融等金融類客戶和網際網路行業客戶。公司自成立起，融資總額超過兩億美元，目前估值近20億美元。
未來的智慧風控會呈現幾個趨勢：其一，在時效性上由事後、止損型風控模式向實時反饋的模式轉變；其二，決策模式上由人工稽核和後驗策略模式，逐步轉變為機器取代大部分人工的自動化決策模式；其三，風險控制和使用者體驗的提升逐步達到一個平衡。將來“無感反欺詐”、“無感風控”等模式會越來越多，能夠在使用者毫無感知的情況下，就完成風險稽核。
基於生物識別技術的數字身份將成為未來主流的身份識別方式。目前主流的身份標識物品（鑰匙、證件、銀行卡等）和身份標識知識（使用者名稱、密碼等）將會變得越來越不重要。金融領域將成為生物特徵識別應用的重要領域。此外，我認為在金融領域，未來聲紋識別的應用潛力會非常大。語音是萬物互聯時代最便捷的入口之一，聲紋可以應用在銀行、保險核身等各個場景。但目前生物識別仍處起步階段，其主要風險集中在魯棒性和安全性等方面。
資料作為人工智慧技術的基礎，大體量、高質的資料才能夠訓練出更精確的模型。而聯邦學習是可以只用“小資料”就實現“大智慧”的技術。基於聯邦學習去中心化的演算法邏輯，使得參與各方沒有一方能擁有所有的資料，也沒有一方擁有所有的模型，共用開放資料，而不享有資料，能最大化保護資料安全和資料隱私。在聯邦學習的模式下，中小企業的話語權也會得到前所未有的提升，從而突破誰擁有最多資料誰就擁有最大話語權的境地，打破資料壟斷。
對金融領域的出海人工智慧企業來說，亞非拉板塊都是值得深耕的地區。這些地域與幾年前的中國非常相似，能夠更好地複製中國的經驗與技術。比如印尼、菲律賓、奈及利亞、巴西、智利等地區存在人口數量眾多、當地民眾收入不斷提高、居民消費需求增強，同時智慧手機普及率較高，而金融服務覆蓋率不甚理想的狀況。這些因素都使其成為中國金融科技人工智慧企業出海發展支付、消費金融、風險管理等服務的主攻陣地。
李開復
創新工場
執行長
李開復博士於2009年創立中國風險投資機構創新工場，擔任董事長兼CEO，以及創新工場人工智慧工程院院長。創新工場專注於科技創新型的投資理念與最前沿的技術趨勢，管理總額約150億人民幣的雙幣基金。
此前，李開復博士曾是谷歌全球副總裁兼大中華區總裁，曾在微軟、蘋果、SGI等公司擔任要職。李開復博士在美國哥倫比亞大學取得電腦科學學士學位，並以最高榮譽畢業於卡內基梅隆大學獲得博士學位，同時還獲得香港城市大學、卡內基梅隆大學榮譽博士學位。
李開復博士先後發明過10項美國專利，發表逾百篇專業期刊或會議論文，並出版過八本中文暢銷書。他是美國電機電子工程師學會（IEEE）的院士，自2019年起，擔任世界經濟論壇第四次工業革命中心所組織的人工智慧委員會聯席主席。
人工智慧已過了“技術為主，專家為王”的黑科技發現期，進入了“應用為主，資料為王”的高速發展應用階段。人工智慧將成為一個可以構建許多商業化應用的平臺。隨著人工智慧四波浪潮逐漸落地，人工智慧應用程式的覆蓋將從網際網路到商業，從感知、計算機視覺、語音識別，到像人一樣可以自由移動和自主工作的自動化人工智慧。
人工智慧正迎來應用井噴的實施階段。研究機構預測人工智慧將在2030年前為全球經濟創造100萬億人民幣的潛在貢獻[3]。我預測這麼巨大的經濟增量，最大的貢獻將來自於人工智慧與實體經濟和實體行業的高度結合。正如網際網路浪潮賦能傳統產業一樣，隨著人工智慧從一個高精尖的黑科技慢慢進入主流，最大的受益者將是傳統企業。
傳統企業擁抱人工智慧有著無可比擬的優勢，比如它們有深厚的行業商業經驗和知識，有可以“即插即用”的現有業務場景，以及大量及時可用的業務資料，這些都是人工智慧應用化階段至關重要的“燃料”。反過來，人工智慧將像電一樣賦能這些傳統企業，助推其轉型升級，提升效益降成本。率先擁抱人工智慧的傳統企業將贏得市場，創造巨大的價值，反之落後的企業或將落入淘汰之列。
人工智慧時代下，如何解決好個人隱私和資料安全的問題一直被關注。我們不應該只將此視為一個監管問題，而是更應該嘗試用更先進的技術，去解決技術所帶來的挑戰。例如，採用同態加密和聯邦學習這類新技術，可以切實保護個人資料。我們可以設想有一個滑塊，每個人都可以選擇想要更多隱私性或是更多便利性。讓每個人都有自己的資料選擇權，而不是採取粗暴的“一刀切”做法，還能使資料進一步優化人工智慧演算法，提高其效能，這會讓人工智慧技術更為人們所接受。
人工智慧時代已經到來，我們需要積極擁抱它。
林晨曦
依圖科技
聯合創始人
林晨曦是人工智慧公司依圖科技的聯合創始人，前阿里雲資深專家，曾帶領團隊搭建了中國擁有自主智慧財產權的飛天分散式雲端計算作業系統。他也曾在微軟亞洲研究院從事計算機視覺、機器學習、資訊檢索和分散式系統方向的研究工作。
他擁有上海交通大學碩士學位。林先生是ACM國際大學生程式設計競賽的全球總冠軍，於2002年作為上海交通大學代表隊隊長奪冠。
成立於2012年的依圖科技致力於將人工智慧技術與行業應用相結合，目前在安防、金融、醫療、商業園區、零售等行業實現了商業化落地。除了計算機視覺技術，依圖科技也在人工智慧晶片、語音識別、自然語言理解等技術領域開展研發和業務擴充 。
從上世紀50年代起步，人工智慧到今天已經走過了不同的歷史發展時期。在歷史上每隔10年或20年就會有一個大變化。我們把現在這個階段定義為“AI新時代”。“AI新時代”主要以深度學習、大資料和高效能運算來推動行業的發展。
目前正是人工智慧技術實現廣泛商業化落地的階段。未來10年，人工智慧將呈現井噴式爆發增長，計算機影象識別、語音識別和自然語言處理領域都將迎來巨大發展。
在今天看來，技術可以實現的邊界還很難界定。人工智慧技術在某個領域沒超越人類之前屬於一個“黑暗時期”。一旦人工智慧超越人類能力，就會開始飛速發展，並且技術發展曲線非常陡峭。以依圖人臉識別技術為例，在2015年突破了人眼識別水平之後的四年內，人臉識別技術精度提升了10萬倍，隨之帶來各個場景的應用突破。
今天人工智慧演算法不是趨同，恰恰相反是演算法之間的差距正在拉大，並且很多技術上的新突破都將會在工業界發生。與此同時，人工智慧技術的發展又是跨行業的，它可能會直接進入某個行業，打破行業的原有格局並進行重塑，給這個行業帶來階躍式的發展變化。
人工智慧有個特點就是具有馬太效應，富者更富。 我深刻感覺到中國人工智慧公司在技術上的領先。中國有世界級的任務和場景，在“AI新時代”也將呈現中美並駕齊驅的局面。
在美國，資訊化、SaaS化 、移動化、智慧化是每一個階段發展接近成熟後才進入下一個階段。而在中國，資訊化、SaaS化、移動化、智慧化是“四浪”疊加發展。因此中國在人工智慧發展上擁有了“彎道超車”的機會。
樓天城
小馬智行
聯合創始人
樓天城博士是中國領先無人駕駛創企小馬智行的聯合創始人兼CTO。此前，樓天城博士曾任職於GoogleX（Waymo的前身），從事無人車技術開發，之後在百度擔任百度無人車技術委員會主席。
樓天城博士畢業於清華大學，是計算機程式設計界的傑出代表，連續10年蟬聯TopCoder中國區第一名，兩次獲得谷歌全球程式設計挑戰賽冠軍。
小馬智行成立於2016年，截止2019年4月融資總額達三億美元，估值達17億美元。目前公司在廣州、北京和美國弗裡蒙特試運營乘用車無人駕駛車隊，並且正在研發長距離無人駕駛卡車運輸。
預測無人駕駛的未來首先需要知道，這件事並不完全取決於技術本身，它也受法律、倫理、保險、民眾駕駛習慣、群眾接受度等因素的影響。在不同的國家和地區，這些因素存在非常大的差別，尤其會在無人車發展的早期影響大家佈局的早晚。而這個早晚，反過來又會影響當地無人駕駛的發展進度。也就是說，得到越早佈局的地區往往能夠更快地促進技術發展，反之亦然。
未來五到十年內，佈局比較領先的國家和地區，會更早地看到無人駕駛技術的出現和成熟，而其它地區則會出現明顯的落後，這種區域間的差異將逐漸擴大。其中，中國擁有豐富的道路多樣性、政策支援和較高民眾接受度等優勢，有希望走在無人駕駛發展前列。
尤其考慮到中國政策的特殊性，一些鼓勵先試先行的自貿區及智慧交通/智慧城市示範區，會率先小規模落地自動駕駛商業化應用，成功的經驗將被逐步擴充套件到更大範圍。另外隨著5G的落地，車路協同在中國的發展會更加迅速、扮演更為重要的角色，這對無人駕駛來說如虎添翼，車輛在道路上行駛時會多一份安全保障。
至於實現無人駕駛的技術路徑，其實並不是“有無”之爭。任何技術路線的選擇都應該從一個終極目標出發，即讓無人車作為一個安全的應用和產品出現在人們的生活裡。今天技術還沒有完全成熟，LiDAR、高精地圖、車路協同等對無人駕駛的早日落地是有幫助的。這些技術路線無所謂“先後”——凡是能夠利用各種因素把車做得更安全的技術，都應該被納入考慮範圍。
隨著技術進一步發展，可以考慮減少對某些技術路線的依賴。今天有人不看好LiDAR和高精地圖，其主要的爭論點是成本。而今天的高成本和量少有很大的關係。無人駕駛作為一個產品得到量產後，LiDAR和高精地圖拿到的訂單足夠多，它們的成本都會下降到可控範圍內。也就是說，哪怕日後技術成熟到可以不再依靠LiDAR和高精地圖，也沒有很強的棄用它們的理由。
資料很重要，但進一步完善無人駕駛技術將不光仰仗於海量資料的積累。近幾年深度學習的網路結構、訓練模型等方面的創新也提升了訓練效果，未來這部分的創新會繼續讓無人駕駛的大腦更加智慧。另外，提升車輛本身相關的技術也很關鍵，比如硬體的穩定性、感測器和計算晶片等。
向冀
中金投X
創始人
Nina Xiang是專注於中國風險投資及科技創新雙語媒體平臺中金投X的創始人，也是細述中國人工智慧產業發展歷程《Red AI》一書的作者。
2011年創辦中金投X之前，她曾就職於《彭博商業週刊》、美國《機構投資者》雜誌、第一財經，以及中國國際廣播電臺，擁有十多年財經科技媒體工作經驗。
中美貿易和科技爭端對中國人工智慧產業的影響將是長期和不可逆轉的。中國人工智慧行業的首要任務會產生根本變化。以往他們追求行業規模、發展速度和技術進步，而將來力求獨立自主、自力更生將成為中國人工智慧行業最重要的目標。
在中國政府的引導下，中國科技企業將不懈努力，死磕並克服其行業的最短板，減輕對國外技術的依賴。這一過程可能會漫長而痛苦，但中國的龐大體量完全擁有實現這一目標的條件和資源。
我設想最壞的情況是未來世界將面臨數字及人工智慧世界的巴爾幹化。美國與中國——或許還有其它國家——將擁有各自獨立的IT基礎設施及生態系統。物理現實世界中的日漸分裂會擴充套件到數字和虛擬世界，這將給使用者帶來極大的不便，也會給我們共同的未來帶去更多的不確定性。而更好的結果是繼續維持不久前“整體和諧、區域性紛爭”的環境，加速全球各行業人工智慧的落地及應用，繼續增進國際間合作。
在未來的人工智慧競賽之中——主要是中美間的競爭——各國在價值觀、政策和道德標準上的分歧將持續成為國家間衝突和摩擦的來源。此外，人工智慧還會加劇世界各國科技和資源不平衡的現象，讓國家和民眾間的差距更加凸顯。在中國之內，這種風險可能還是可控的。但在某些地域，這些風險可能會被不斷放大。
想要贏得這場人工智慧競賽，中國企業必須做出根本性的改變。這包括整個行業應從虛誇浮躁轉為腳踏實地；從炫技走向實際應用；放棄追求快速成功和彎道超車心態，堅持耐心持久地探尋底層創新。
對於正走在國際擴張道路上的中國企業而言，全球監管環境不確定和不均衡的問題會一直存在。擴張的道路將充滿挑戰，但中國人工智慧企業不會停止探索的腳步。
儘管有如此多的風險和不確定性，未來10年的主題仍將是人工智慧在所有行業的推廣應用。這一程式需要更深入的國際間合作，但不幸的是，目前看起來國際合作在人類最需要的時刻正遠離我們。這種局面可能會增加人工智慧系統失控的可能性，但尚不會達到任何關乎人類生存的風險水平。
對消費者而言，人工智慧產品如機器人、無人駕駛汽車、智慧音響的使用體驗提升會感覺異常緩慢。因為這些領域所面臨的挑戰實在太大，而短期內難有巨大突破。
餘凱
地平線
創始人
餘凱博士是中國人工智慧晶片及解決方案公司地平線的創始人兼CEO。 在2015年創立地平線之前，他曾擔任百度深度學習研究院常務副院長和百度研究院執行院長。此前，他曾任職於NEC研究院、微軟和西門子。
餘凱博士十多年來聚焦於機器學習研究，在頂尖會議和雜誌發表了70多篇高質量論文，研究領域包括語音和影象識別、資料探勘和人機互動等。他擁有德國慕尼黑大學電腦科學博士學位。
地平線致力於提供邊緣人工智慧晶片及解決方案，聚焦智慧駕駛和智慧物聯網兩個行業。公司已經量產了兩款邊緣人工智慧晶片，並在智慧駕駛及智慧物聯網領域實現了商業落地。公司自成立起累計融資超過七億美元，估值達30億美元。
未來10年，人類將進入人工智慧普惠時代，但也面臨嚴峻的挑戰，其中的兩個挑戰是能耗危機與資料安全。2016年，中國資料中心總耗電量超過1200億千瓦時 ，佔全國發電量的2%。未來圍繞人工智慧所產生的資料量將提升兩個數量級，佔據全球資料總量的絕大部分。按照目前趨勢，全球能源供給系統都可能無法支撐未來人工智慧計算所需要的能耗。因此，未來的人工智慧晶片需要極度重視功耗。
另一方面，資料安全關乎人工智慧行業的生死。隨著5G的到來，萬物互聯的時代將帶來終端接入網的極大擴容。但骨幹網路擴容的成本高並延遲大，導致邊緣側形成資料堰塞湖，邊緣計算勢在必行。從工地的安全帽檢測、智慧音響、車載智慧人機互動到自動駕駛，這些部署在邊緣側的裝置和軟體成了資料的過濾器和控制閥。經過其處理，可僅將萬分之一的脫敏資料上傳到雲端進行處理，能夠大幅提升對資料安全性的掌控。
同時，人工智慧應用的場景化註定無論是自動駕駛、智慧城市還是智慧商業，場景的特點決定了需要什麼樣的演算法。中國未來在智慧城市、智慧交通、工業4.0和5G推動下的萬物互聯的發展，意味著人工智慧晶片需要聚焦邊緣計算，以及演算法和晶片的同步開發。
人工智慧晶片企業面臨的一個主要挑戰就是晶片開發和演算法迭代的錯配。晶片開發如同藍調，耗時而週期長；而演算法迭代像搖滾樂，是短平快的節奏。這需要人工智慧晶片開發公司對演算法趨勢和演變有充分的前瞻性，使得經過一兩年研發的晶片在推出的時候，仍然能夠適應最新的主流演算法。
中國正在經歷著從商業創新走向技術創新的模式轉變，中國創新也早已進入無人區。不管未來風向如何變化，我認為人工智慧晶片企業仍必須致力於打造開放的人工智慧晶片生態系統，盡力實現全球人工智慧生態系統相容。這是科技發展不可逆轉的趨勢。
未來人工智慧的發展趨勢將是普惠、安全且綠色的，而這都仰賴於底層人工智慧晶片的進步。
周曦
雲從科技
創始人
周曦博士是中國聚焦於計算機視覺的人工智慧公司雲從科技的創始人兼CEO。此前，周曦博士曾在IBM TJ Watson研究中心、微軟研究院、NEC研究院、中國科學院從事研究工作，專注於計算機視覺研究。
周曦博士在國際頂級會議、雜誌上發表了60餘篇文章，擁有中國科學技術大學學士和碩士學位，以及美國伊利諾伊大學博士學位。
周曦博士於2015年率領團隊成立雲從科技，融資總額已超過五億美元，目前估值33億美元。雲從科技業務涵蓋金融、安防、民航、零售等領域，已服務400家銀行的8.8萬網點、31個省級行政區公安，及60餘家機場，日均服務旅客達200萬人次。
中國計算機視覺的商用雖然在全球都很超前，但仍然只跑了馬拉松的第一個10公里，未來的潛力十分巨大。在例如表情識別、動作識別、體態識別、物體識別、動物識別、場景識別等技術的應用上未來可挖掘的還有很多。我們現在看到的是一片無盡的需求海洋，怎樣搭建平臺化的技術儲備，為企業解決實際問題將是人工智慧公司未來的主要挑戰。這也意味著頭部企業將更具優勢，而資本市場的兩頭分化也會越來越明顯。
未來10年，人工智慧將從讓人眼前一亮的炫技，變成對各行各業大刀闊斧的改造。每個行業都會深度探索人工智慧對其行業流程的徹底改造和顛覆。當改造完成的時候，行業整體的執行方式將提高到一個前所未見的水準。和100年前電力革命帶來的顛覆一樣，人工智慧對現有行業的革命也將超出我們的想象。
儘管前景激動人心，但人工智慧企業要先務實地從小處著手。通過對行業的漸進吃透和技術的逐步提升，日積月累地從量變達到質變。比如我們幫助銀行改造自動取款機，這個看起來小小的機器，卻可能引發所有金融使用者在終端和雲端互動方式的完全顛覆。
即使沒有重大的理論突破，我對人工智慧商用的潛力仍然十分樂觀。硬體提升、新應用開發、演算法迭代還會助推一波波新的行業浪潮。中國的人工智慧企業在把產品真正做到最好之後，海外擴充的機會應該很大。但這種全球擴張會需要更長的時間，至少五年或更久。因為那時中國人工智慧企業的技術可能已達到全球領先，將能夠在世界各地都有發展機遇，而不僅僅只在發展中國家。
不過因為人工智慧的終極產品形態是場景化和行業化的，這也意味著它不會特別通用，而這將是人工智慧企業全球化的最主要障礙。因此，這種全球化的過程將不是很容易，也不會那麼快。
[1]宋笛。獨家專訪院士張鈸：深度學習觸及天花板，AI奇蹟難再續。經濟觀察報，2019年5月24日
[2]智慧化率是指經營主體財年營收中，被人工智慧帶動的業務所貢獻的比率。
[3]GerardVerweij, Anand Rao: PwC’s Global Artificial Intelligence Study: Exploiting theAI Revolution, PwC, 2017
[4]資料中心節能技術委員會。資料中心節能技術委員會呂天文祕書長專訪。2017年11月29. http://www.gdctech.cn/c20271.jsp
關於中金投X:
成立於2011年，中金投X是一個緊密跟蹤中國風險投資和科創的線上資訊和資料平臺。中金投X致力於搭建一個緊密連線中國與全球風投和科創產業的橋樑。欲查閱更多資訊，請登陸www.chinamoneynetwork.com