短視訊平臺上越來越令人沉迷的個性化推薦、自動駕駛水平越來越高的汽車、戴著口罩也能精準判斷的人臉識別，在我們生活中的無數場景，人工智慧其實早已參與其中，只是我們不熟悉那些在背後賦能的人工智慧公司而已。
比如小米、OPPO、vivo等安卓手機上的人臉識別方案，大都由曠視科技等計算機視覺類人工智慧公司提供，小米2015年釋出的MIUI7系統新增的面孔相簿分類功能，則是由商湯科技提供技術支援；從遍佈大街小巷的監控安防到升級版智慧城市建設，不僅有海康威視、大華等老牌安防企業以及阿里、騰訊、華為等巨頭參與，人工智慧領域的“四小龍”以及更多垂直行業AI企業也在各顯身手，各企業藉助人工智慧技術對城市大資料進行分析、判斷與處理，從交通、物流、安防、政務服務等多個角度優化城市的執行。
2001年，斯皮爾伯格執導的科幻電影《人工智慧》還是設定在一個遙遠的未來，探討巨集大的人性主題，離現實還很遠；2018年，同樣由他執導的《頭號玩家》中，故事背景就設定在距離我們非常近的2045年，而電影中無人機送餐、智慧推送的虛擬圖書館、人臉識別支付、個人虛擬形象、全息通訊、VR座椅、VR觸感穿戴裝置、VR賽車等很多“黑科技”，在現實中已經有部分實現和應用。
這也反映出，最近十年，人工智慧產業的發展突飛猛進，行業應用進一步細化，無數人工智慧企業也在最近十年的行業大爆發中崛起。
中國人工智慧公司從概念階段走向商業化階段
談及人工智慧，九號機器人、商湯、薩摩耶雲、曠視、依圖、雲從、雲天勵飛、第四正規化等諸多公司都是講述行業發展歷程不可繞開的存在。正是無數大大小小的人工智慧公司，讓人工智慧從概念走向落地和商業化。
在產業上，人工智慧已經在金融、醫療、教育、農業、零售等多個行業深入應用，並從多點開花進入標準化體系建設階段。2020年7月，五部門印發《國家新一代人工智慧標準體系建設指南》，提出率先在製造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域推進人工智慧標準體系。
在效率上，人工智慧也有指數級的提升。2012年，谷歌需要利用16000塊晶片，耗費無數電力訓練人工智慧觀看數百萬段YouTube視訊，才能學會識別貓，而現在，圖片分類識別僅需要一臺手機的算力與電池就足夠了。
在準確度上，人工智慧圖片識別、語音識別的能力已經接近人，百度、搜狗、科大訊飛等的語音識別準確度已經達到97%，還剩下3%的差錯主要是受口音、專有名詞、環境噪音等的影響，哪怕人類自己也難以做到100%的準確率。
在人工智慧技術近十年的飛躍式發展背景下陸續誕生的諸多人工智慧公司，也在2021年進入了上市衝刺階段。
7月20日，雲從科技科創板上市首發獲得通過；8月25日，中國第三大獨立雲服務科技解決方案提供商薩摩耶雲在港股遞交了招股書；8月27日，商湯科技也向港交所遞交招股書；9月9日，曠視科技科創板IPO獲得通過；依圖科技儘管7月終止了科創板IPO，但有訊息稱其將赴港上市。此外，AI賽道上醫療、晶片等細分領域的公司亦加速了各自的上市步伐。
近兩年的新冠疫情，其實也是對人工智慧企業深入多領域的一次加速。
疫情期間，無論是線上辦公還是線下諸多場景，都積累了海量結構化的資料，而這些資料恰好是訓練人工智慧、實現特定業務必不可少的素材。比如，疫情期間健康碼、行程碼的背後，就是通過位置資訊、線下支付資料、火車票機票購買資料等判斷一個人的健康狀態。
從疫情初期口罩、防護服等物資的調配，到通過人工智慧加快核酸檢測速度、公共衛生體系的疫情預警速度，再到城市的智慧化管理，新業務需求推動了人工智慧產業的發展，而人工智慧的發展也會為更多領域帶來了全新的變化。
比如主打短交通的九號機器人，其產品除了大家熟悉的九號電動滑板車，還涉及智慧物流和智慧出行等B端業務，早在2016年就已開始在服務機器人領域佈局,開展人工智慧機器人的研發。疫情期間“無接觸式”場景的需求也讓九號機器人在配送領域進一步迭代，實現配送機器人跨層導航，電梯進行物聯網改造後無需人類協助即可自主乘梯，實現跨樓層立體配送。
人工智慧技術不只是在消費端帶來更多方便，也在生產端大量應用。很多人工智慧公司也意識到自己應該走向更加廣闊的產業領域。
在產業領域，人工智慧已經廣泛應用在分揀、裝配、焊接等生產過程，柔性製造、損耗優化等生產管理以及庫房管理、供應鏈物流等諸多環節。
比如規模越來越龐大的倉儲、海量SKU、促銷時的峰值訂單與即時消費，已經讓物流系統變得愈加複雜，傳統技術難以滿足要求，需要更強大的人工智慧技術才能駕馭物流系統複雜的情況。一些計算機視覺類的人工智慧公司為此就自研了AMR/AGV智慧機器人、SLAM導航智慧無人叉車、人工智慧堆垛機等多款智慧物流硬體，節省了員工揀選貨物的勞動強度，也提高了整個供應鏈週轉的效率。
各大企業的人工智慧競賽，已經過了應用摸索階段，從比頂刊頂會論文、比大賽冠軍數量，進入比落地專案多少、比實際效率提升的階段。
從感知到決策：人工智慧的新一步
智慧是什麼？
簡單剖析，可以把它看成感知、分析、決策的統一體，三者既統一又有著邏輯上的區別。
感知是智慧的第一步，是決策的依據，十分重要。作為人工智慧的一大板塊，感知智慧解決的是視覺、語音、語言層面即“是什麼”的問題，計算機視覺、語音識別、自然語言處理等領域就屬於感知智慧。
人們較為熟悉的人工智慧“四小龍”商湯、曠視、雲從、依圖，其實最開始都聚焦於感知層面的計算機視覺方向，在感知智慧層面做了很多落地應用，最典型的就是將人臉識別支付應用到更多場景，如在地鐵等人流多、流速快、易擁堵場景實現千萬級客流量無需刷卡的“無感通行”。
分析智慧解決的是符合怎樣規律的問題，比如被蘋果砸中腦袋的科學家牛頓，當一般人看到（感到）蘋果落地時，僅僅看到了表面現象，只有牛頓根據表面現象推匯出了萬有引力，這個規律幫助全人類將衛星和宇航員送上太空，也成功登陸月球表面，將人工智慧技術昇華到“科學家”層面，這也是當今人工智慧企業著重努力的方向，例如薩摩耶雲、第四正規化、魔數智擎等通過建立模型或製造建立模型的工具，嘗試找到更多應用的規律。
聚焦到決策智慧，則要面對具體問題如何去解決。典型應用代表就是圍棋人工智慧程式AlphaGo，問世即定義了圍棋的另一個時代，人類就已難以逾越。除了下圍棋之外，決策智慧還可以做很多更重要的事情。
薩摩耶雲首席科學家王明明接受採訪時講到，決策智慧就是要學會“做選擇”，這一過程面臨至少五大難題：其一在於選項的確定；其二在於選錯的代價；其三在於是否選錯未來才能知道；其四在於決策的連鎖性，即一個決策會影響另外一個決策；其五在於有時決策的正確性取決於另外一個決策，即“博弈性”。
在王明明看來，決策無處不在，決策智慧的不斷進步與應用就如同汽車代替馬車、手機代替電腦、機械化代替純手工,都是因為效率的提升,“我們人工智慧團隊在做的,就是將決策智慧應用在需提效的地方”。
比如在金融領域的應用，王明明指出，獲客其實就是一個客戶跟產品匹配的事情，而決策智慧一方面是尋找與產品更加匹配的客戶，另一方面也是要確定與客戶更加匹配的額度，通過決策智慧，在風險和借貸需求兩個維度中尋找風險儘可能低、借貸需求儘可能高的目標客群，從而建立從營銷獲客到信用評估、風險識別、效率最大化資源匹配的閉環。
各類機構要面對的風險很多，薩摩耶雲提供的解決方案則能夠在大資料基礎上通過決策智慧更精準地判別風險，解決風險收益匹配的問題。據王明明介紹，薩摩耶雲主要是從對抗、社群、環境、穩定四大方向（即：ACES智慧決策框架）進行探索，打通智慧獲客、智慧風控等問題，幫助合作機構在承受最低風險情況下，獲取更高的收益。
對抗（Anti）即對抗黑產，通過對抗演算法，模擬黑產的攻擊模式訓練模型，從而提升系統的抗擊打能力。比如有人投機取巧，上傳身份資訊時，身份證正面和反面不是同一張，就要訓練系統發現這種投機取巧。
社群（Community）是實現由點及面的廣角風控，稽核一個人的時候，不能光看這個人自己，還要把他放到社會關係裡面去看，這也是對“社群”最直接的理解。還可以藉助聯邦學習，不同單位組成一個“聯邦”，在客戶資料可用不可見的前提下找到規律去判斷風險，明確個人社會關係或者企業關係圖譜，這也屬於“社群”的範疇。
環境（Environment）指在複雜環境下的自適應策略生成，因為環境中一定存在還沒有獲知卻可能影響風險的資訊，需要不斷探索和挖掘，依據環境變化實現策略自動伸縮，快速生成最佳策略。
穩定（Stability）則是以上所有的支撐，因為沒有穩定，更多的挖掘和探索反而可能帶來新的風險，所以需要在持續改進演算法、利用先驗知識消歧、利用特徵穩定性識別工具等多個方面加強模型的穩定性。
成立於2015年的薩摩耶雲已經作為中國先進的獨立雲服務科技解決方案供應商，以雲原生數字科技為依託，融合機器學習及深度學習等技術，為客戶提供“決策智慧+雲服務”的細分服務內容。 目前，薩摩耶雲的決策智慧服務已涉及政府監管、手機制造、電信運營、線下商超等多個領域，“數智薩摩雲平臺”已與7370萬家小微商戶及客戶、50家金融機構、530家不同行業的企業、1470家網際網路平臺及70家資料供應商展開了深度合作，幫助合作伙伴打造優質的私域流量池。
薩摩耶雲在決策智慧方面也申請了眾多專利，近日其《網際網路造數方法及系統》創新技術專利就獲得國家智慧財產權局發明專利授權。薩摩耶雲已經將該專利成功應用到AutoMan自動建模工具包中，降低了造數開發難度和維護成本，減輕了技術工作量，使得擴充套件性變強，而薩摩耶雲自動建模工具包已在各行業風險控制等特定領域取得了良好效果。
決策智慧是管理科學和人工智慧的交叉融合，決策智慧並不是取代人類，而是在人類工程師的智慧下，發揮人工智慧自己的優勢。特別是不同行業的人工智慧應用解決方案，場景複雜，因素眾多，更需要薩摩耶雲的工程師根據客戶的特定業務需求，開發定製化的人工智慧應用，生成最佳模型策略。決策智慧的優化與安全背後，仍然需要人類智慧的參與。
人工智慧是未來產業競爭的關鍵
從20世紀八九十年代中低端出口企業搶佔世界市場時憑藉的“人口紅利”，到近二十年崛起的一大批依託“工程師紅利”的科技企業，中國的產業鏈正在逐漸往上走，中國經濟的“含智量”也越來越多。
根據《2020年全球人工智慧產業地圖》，中國人工智慧企業數量佔全球的24.66%，近四分之一的比例僅次於美國，中美兩國已經佔據人工智慧領域的超半壁江山。
中國的眾多人工智慧企業，大部分也都誕生在最近十年內，並廣泛分佈於數百上千個應用領域，提高了社會效率，帶動我國產業的數字化升級和經濟轉型。中國新一代人工智慧發展戰略研究院《中國新一代人工智慧科技產業發展報告2021》通過對2205家人工智慧樣本企業的調研就發現，這些企業建立時間主要集中在2012年至2018年之間，佔比為63.93%，企業建立的峰值出現在2015年，佔比為14.36%。
中國人工智慧企業的時代才剛剛起步，我們可以看到多家人工智慧公司的招股書中，研發人員的薪資都非常高。中國人才和中國企業也在人工智慧時代，獲得了與技術優勢相匹配的溢價。
金融行業因為資料質量較高，是人工智慧應用的“先行示範區”，人工智慧企業往往先在金融領域率先應用。人工智慧不僅有助力於塑造新的產業鏈，傳統產業的數字化升級、企業變革，也需要人工智慧企業的深入協作。
傳統制造業的人工智慧改造目前還是以感知智慧為主，感知智慧中深度學習模型是較為常見的模型，但深度學習演算法需要大量資料“投喂”，且深度學習的過程是一個黑盒子狀態，沒有與決策過程相關的解釋。薩摩耶雲聚焦的決策智慧服務，則一定程度上避免了“資料黑箱”，不僅適合於具有資料強監管特徵的金融行業，在資料安全愈加受到重視的當下也適合於各個行業。
在傳統制造業、物流產業領域，產線的智慧感測、缺陷檢測、工藝優化、無線傳輸、邊緣計算、工業上雲等多個方面人工智慧已經有較大規模的應用，只是各個產線、各個人工智慧感測器彙總來的資料還會彙總到不同負責人那裡進行決策。隨著人工智慧在工業領域的進一步深入，採集到的各類資料、資訊也會越來越多，而人難以同時處理多維度的複雜資訊，特別是不同的人知識儲備、經驗技能都會不同，決策往往會有較大變化。
到了這個階段，製造業的人工智慧改造同樣也需要決策智慧的參與——我們需要由不可解釋的人工智慧發展到可解釋的人工智慧，不僅通過人工智慧全面感知生產狀態，還要讓人工智慧系統具有感知之上的決策功能。聚焦於決策智慧服務的薩摩耶雲，未來還可能有更多跨界空間。
據IDC《全球人工智慧支出指南》預測，2021年，全球人工智慧系統支出853億美元，到2025年，這一資料將躍升至超過2040億美元，2021-2025年的複合年增長率將達到24.5%。如此大的市場空間，也意味著人工智慧的應用給產業帶來了至少十倍級別的效率優化。在未來國家與國家之間的產業鏈競爭中，人工智慧將發揮舉足輕重的作用。
億歐智庫《2020年中國人工智慧商業落地研究報告》就指出，中國人工智慧經歷近十年快速發展之後，私募資本已經從最初的興奮高漲逐漸理性迴歸，早期成立的人工智慧企業在技術、產品、資本的助推下，落地場景和商業形態基本形成，發展路徑逐漸清晰，高成長性也基本可以預期。
成熟的港股以及新創立的科創板，為需要大量資金推進發展的優秀人工智慧企業提供了重要融資渠道，助推其快速地邁向下一個發展階段。眾多人工智慧企業也在政策鼓勵與產業加速升級背景下逐漸走向成熟，落地了很多應用。
如今，資本市場的想象空間需要看企業應用層、技術層、基礎層多個方面的表現。在已上市及待上市的人工智慧公司中，能夠幫助客戶解決業務發展“真問題”、獲得“正增長”，能夠為各行業的客戶提供一攬子、可落地、全鏈路雲服務的人工智慧公司，能夠在基礎研發上帶動人工智慧行業不斷突破，才有可能成為科技股的新趨勢，並引領接下來資本市場的追求。
宣告：本文僅作為知識分享，只為傳遞更多資訊，不構成任何投資建議，任何人據此做出投資決策，風險自擔。