人工智能未来十年发展_未来十年：十位专家展望中国人工智能行业前景

中国人工智能产业在过去几年取得了快速增长。得益于国家宏观政策的支持、风险投资的推动和创业热情的高涨，中国首次发现自己处于近代以来未曾达到的位置：成为一个新的关键科技领域的全球领导者之一。然而，2019年，关于“人工智能寒冬”的争议开始越来越频繁地出现。风险投资热情下降。2018年，中国人工智能领域共发生496起风险融资交易，融资总额157亿美元。2019年上半年(截至6月13日)，中国人工智能领域的风险融资交易仅131起，融资总额56亿美元。此外，超过1亿美元的巨额融资交易数量从去年的26笔减少到截至今年6月的4笔。与此同时，推动这一轮人工智能热潮的底层技术——深度学习——，也面临着日益突出的技术瓶颈。可解释性和推理能力的缺乏，对大量训练数据的需求，以及在解决现实问题时遇到的挑战，都为人工智能的广泛商业应用增加了障碍。“现在形成的人工智能系统非常脆弱，容易受到攻击或欺骗，需要大量数据，并且无法解释，有非常严重的缺陷，这些缺陷本质上是由他们的方法造成的，”专门从事人工智能研究的中国科学院院士张越说。随着中国政府、科技巨头和人工智能企业不断探索和拓展人工智能系统在实际应用场景中的适用性和应用边界，中国在许多科技领域比其他国家更早进入无人区。这些发展带来了前所未有的监管和道德挑战。例如，在中国的人脸识别和社会信用评分系统中，人工智能技术的应用方式及其潜在风险引起了国际社会的密切关注和担忧。中美贸易和技术摩擦也给中国人工智能产业的未来增加了更多不确定性。自由的学术交流，全球开源社区的蓬勃发展，人才的自由流动，造就了中国人工智能产业的快速发展。但是这些元素在未来会如何演变，我们很难做出任何简单的假设。综上所述，中国的人工智能行业已经走到了一个拐角。整个行业正处于合理化和重新校准行业假设的新阶段，但未来很难预测。中国人工智能产业的未来走向越来越关键，也越来越扑朔迷离。以下是中国人工智能领域10位领军人物对未来10年行业发展的预测。这10位专家来自不同领域，涵盖计算机视觉、语音识别、自动驾驶、人工智能芯片、医疗人工智能、金融人工智能、人工智能即服务、人工智能投资等领域。尽管面临这些挑战，但这些专家对人工智能在中国的可持续发展和大规模应用持乐观态度。中国政府坚定不移地推动中国科技和人工智能产业发展的决心是业界的定心丸。因此，中国的人工智能将以比其他国家更深更快的速度继续对各行各业产生颠覆性的影响。他们中的大多数人也同意，在今天，人类对人工智能在经济和社会中的重建作用的认识还处于非常初级和浅薄的阶段。人工智能的颠覆性潜力和价值创造仍需深入挖掘。未来10年，他们预测人工智能将实现更广泛、更彻底的商业应用，从而颠覆和重塑传统行业。人工智能最终会自然地、不知不觉地融入到商业决策和用户体验中，消除今天那些令人头疼和不满意的体验。这可能是对中国人工智能产业未来10年最好的预测。在这么多人工智能独角兽中

谁也没有知道未来的水晶球，预测未来总是充满悖论和风险。这10位专家分享了他们对未来的预测和看法，希望能更好地用于指导今天的实践。接下来，我们将按照专家姓氏的字母顺序，列出10位行业领袖对未来10年中国人工智能发展的预测。畅想科技创始人陈宽是医疗人工智能应用公司畅想科技的创始人兼CEO。2016年，他中断了在芝加哥大学金融和经济学双博士的学习，创办了猜想科技，致力于人工智能深度学习技术在医学影像领域的应用。推定技术利用深度学习技术对数字放射摄影、计算机断层摄影、磁共振成像等医学影像数据进行分析，为医生提供准确高效的辅助工具，从而减轻医生的工作量。截至2019年5月，假设在全球各地区有超过300家医院进行科技合作，每天协助近4万例科研和临床质控。据推测，科技自成立以来已经完成了四轮风险融资，投资方包括CDH资本、红杉资本和祁鸣创投。未来10年，人工智能将成为医疗行业的基础设施和关键临床部分，并影响和优化现有的临床路径。同时，人工智能将成为我国分级诊疗政策中的核心技术推手。比如在基层诊断层面，人工智能将赋能基层医院进行疾病早期筛查和早期诊断，让基层医院和医生逐步升级到三甲医院和医生的能力。猜想技术的测试表明，在使用人工智能辅助读片时，初级医生和高级医生在肺结节的表现上没有统计学差异。对于中风等其他疾病，人工智能的辅助优势尤为突出，也能帮助改变我国城乡医疗资源不平衡的状况。中国4万亿的医疗市场是一个产能严重不足的行业，人工智能可以解决产能不足的问题。中国新一轮医改将更加注重疾病的早筛查、早诊断、早治疗，而人工智能可以提高医疗质量，降低医疗成本。比如假设科技的人工智能产品可以提前9.3个月发现25%的晚期肺癌病例，节省大量社会成本。中国庞大的人口基数和老龄化造就了全球最大的医疗人工智能技术需求，为中国医疗人工智能的发展提供了绝佳的条件。这是中国人工智能公司的独特优势，也是人工智能发挥最大社会价值的场景。中国医疗人工智能有望成为世界的排头兵和引领者。未来，国家之间的差异将使人工智能技术在医疗方面的应用有所不同，强弱差距将越来越明显。但是，医疗是一个非常保守、严谨、高标准、长期的行业，任何以互联网浮躁心态占领市场的方式肯定是行不通的。我们面临的挑战是坚持以最坚实、最安全、最有毅力的方式深化行业。目前，我们正在世界各地的医疗监管机构申请产品批准，并讨论医疗保险合作，这是一个漫长的过程。所以需要设置很多里程碑，一步一步做出成绩。在整个深度学习领域，中美有很多合作，包括一些顶级的模型和顶级的开源框架，都是中国学者和工程师贡献的。如果有强行分割，肯定会对这个行业的发展有约束作用。另一方面，整个行业的发展其实是非常开放和相互依存的，所以我不认为中美之间的政治因素可以轻易影响学术和技术的交流与合作。全球tec

在2014年创立第四范式之前，他曾供职于百度，帮助设计人工智能系统“凤巢”，还担任华为诺亚方舟实验室首席科学家。戴老师是ACM国际大学生编程大赛全球冠军。第四范式以“AI For Everyone”为愿景，为银行、保险、安防、政务、能源、智能制造、零售、医疗等领域的企业提供人工智能平台服务。截至2019年6月，已帮助7617家客户和合作伙伴成功落地12648个场景。未来10年将是人类历史上最大的智能爆炸。我预测三到五年内，中国企业的智能化率将超过50%，那些龙头企业将在五年内完成智能化转型。目前，虽然各行各业都开始尝试将人工智能投入商业场景，但大多数企业的智能化率仍处于较低水平。这在很大程度上是因为目前企业的人工智能只是处于“拥抱AI”的阶段，模式多是从0到1。虽然这个过程让企业开始了解人工智能的价值，但是人工智能落地的效率还是比较低的。从它创造的价值来看，在很多企业可能还不到公司收入的1%。其实人工智能是有“套路”的。我觉得下一阶段需要总结企业落地的套路，搭建大规模落地人工智能应用的基础设施，帮助企业告别从0到1做每一个场景的模式，高效完成智能化转型。下一阶段，我们最关心的将不是每个应用的落地过程中使用了哪些高大上的技术，而是每年有多少人工智能应用落地。如果去年推出100个应用，今年能否推出1000个应用？在这种变化下，企业从“拥抱AI”转向“追求价值最大化”，企业全面智能化转型的重要性在这里凸显。就人工智能的套路而言，我认为企业需要找到自己的核心业务，努力让人工智能在这里发挥出它的终极作用，“一战而尽”。因为核心业务关系到企业的“命脉”，1%的提升可能会最大化的提升业务。同时，企业也要找到大量分散的场景，努力高效实现跨场景大规模落地。1000个1%的效率提升也能带来巨大的优化。就人工智能的基础设施建设而言，企业需要完善的数据治理体系。在过去，面向商业智能的大数据系统并不适合人工智能。一些企业在系统上构建人工智能，反过来成为其落地的障碍。因此，企业需要一个面向人工智能的数据管理系统，能够访问Pb级甚至更多的日志，支持实时存储，形成在线数据采集和处理的闭环。其次是人工智能算力，未来优化人工智能算力的道路一定是软硬结合。因为人工智能计算能力是一个完整的架构，有固定的计算模式，需要特殊的计算。因此，适合人工智能特殊算法的计算能力架构，必将成为未来人工智能落地的主要计算能力解决方案，这也将带来一场计算能力的革命。未来三到五年是人工智能规模化的关键时期。只要采用人工智能高效落地的模式，把基础设施建设好，企业会很快把智能化率提升到50%以上。云知声创始人黄伟博士是国内专注于智能语音技术的人工智能企业云知声的创始人。此前，黄伟博士在摩托罗拉中国研究中心和盛大创新研究院工作，领导开发了世界上第一个手机声纹认证系统。他在智能语音和人工智能领域拥有超过10年的经验。2012年，黄伟博士建立了一个核心技术团队，涵盖算法、软件/硬件、clou等R&D能力

截至目前，云知声总融资已达3亿美元，合作伙伴数量超过2万，覆盖2亿用户，其中开放语音云覆盖超过647个城市，覆盖超过2.5亿台设备。人工智能技术包括语音识别、自然语言理解和机器翻译。这些技术在过去几年发展迅速，但也面临一些瓶颈：一是深度学习目前的理论框架短时间内没有明显突破。虽然有专家提出了新的方向，但并没有成功证明可以从统计学习到深度学习有质的飞跃；其次，现在的技术在实验室里看起来很美，但是一旦和场景结合起来，就会发现技术还有很多不足。很多美好的工具，放到现实中就会变得很可怕。我觉得这两个方面都需要突破，尤其是理论上。举个例子，今天我们都知道把大量的数据扔进训练池可以获得更好的性能，但是为什么能获得更好的性能呢？我们不知道。机器学习对我们来说还是有点神秘的，我们不知道这个机制是如何工作的。为了取得突破，我们首先需要神经网络更具可解释性。如果未来能够在理论上有所突破，就有可能让我们的人工智能拥有更高的适应性和推理能力，能够在不同的应用场景中表现出色。但是，任何理论框架的产生和完善，大概都是以10年为基础的。深度学习的普及不到10年，还处于初级阶段，完善和突破还需要很长时间。在深度神经网络理论突破之前，并不妨碍我们用它来解决现实中的一些实际问题。虽然没有泛化智能，但在一些有限的场景下，仍然可以解决非常有价值的问题。人工智能公司可以深入场景，深度优化，整合数据优化、算法优化、工程优化，提供真正的商业价值。中国的人工智能公司正在拓展自己的技术边界，已经跨界做到了全栈技术实力。这对团队从资源、资金、技术人才到业务拓展都是极大的挑战。此外，我们看到人工智能公司越来越达成共识，摒弃过去互联网时代以平台建设为主题的思路，转而更加专注于深度场景的深度优化策略。这将是人工智能创业的最好机会，也是人工智能公司未来继续发展的必然之路。一般来说，科技巨头九天登月，五大洋设企抓龟，会形成动态互补的竞争态势。中国市场将比美国更有可能见证人工智能初创企业发挥自己的作用。中美之间的技术对抗对中国人工智能公司来说是机遇多于挑战。战略上，中国会更加重视前沿科技的发展，客户需求巨大而迫切，这些都会有鞭策的力量。未来三到五年，中国人工智能公司真的会埋头苦干，少说多做。同盾科技创始人蒋韬蒋韬是人工智能公司同盾科技的创始人兼首席执行官，也是智能反欺诈和智能风险控制领域的专家。在创办同盾科技之前，姜先生曾任职于IBM、软件和阿里巴巴集团，从事反欺诈和智能风险控制的研发工作。他拥有复旦大学计算机系的软件和理论硕士学位。同盾科技是国内第三方智能风控与决策解决方案提供商。目前团队1200余人，服务过万余家客户，主要服务于银行、保险、证券、信托、新金融服务等金融客户和互联网行业客户。公司成立至今已融资超过2亿美元，目前估值近20亿美元。未来智能风控将有几个趋势：一是时效性将从事后、止损风控模式向实时转变

未来“无感反欺诈”、“无感风控”等模式会越来越多，可以在用户无感知的情况下完成风险审计。基于生物识别技术的数字身份将成为未来的主流身份识别方式。目前主流的身份识别物品(钥匙、证件、银行卡等。)和识别知识(用户名、密码等。)会变得越来越不重要。金融领域将成为生物识别应用的重要领域。另外，我认为在金融领域，未来声纹识别的应用潜力会非常大。语音是万物互联时代最便捷的入口之一，声纹可以应用于银行、保险体等各种场景。但目前生物识别技术还处于起步阶段，主要风险集中在鲁棒性和安全性上。大数据量、高质量的数据作为人工智能技术的基础，可以训练出更精确的模型。联邦学习是一种只用“小数据”就能实现“大智能”的技术。基于分散联邦学习的算法逻辑，没有人可以拥有所有的数据，也没有人可以拥有所有的模型，共享开放数据但不享受数据，可以最大化的保护数据安全和数据隐私。在联邦学习的模式下，中小企业的话语权也将得到前所未有的提升，从而突破谁的数据最多谁的话语权最大的局面，打破数据垄断。对于金融领域的人工智能企业来说，亚非拉板块是一个值得深耕的区域。这些领域与几年前的中国非常相似，可以更好地复制中国的经验和技术。例如，印尼、菲律宾、尼日利亚、巴西、智利等地区人口众多，当地人民收入上升，消费需求增加，智能手机普及率高，金融服务覆盖不理想。这些因素都使其成为中国金融科技人工智能企业出海发展支付、消费金融、风险管理等业务的主攻阵地。创新工场CEO李开复博士于2009年在中国创立风险投资机构创新工场，担任董事长兼CEO，创新工场人工智能工程院院长。创新工场专注于创新投资理念和前沿技术趋势，管理总额约150亿人民币的双币基金。此前，李开复博士是谷歌全球副总裁兼大中华区总裁，曾在微软、苹果、SGI等公司担任重要职务。李开复博士从哥伦比亚大学获得计算机科学学士学位，并以最高荣誉从卡内基梅隆大学获得博士学位。他还获得了香港城市大学和卡内基梅隆大学的荣誉博士学位。李开复博士发明了10项美国专利，发表了100多篇专业期刊或会议论文，出版了8本中文畅销书。他是美国电气和电子工程师协会(IEEE)的院士。2019年起担任世界经济论坛第四次工业革命中心组织的人工智能委员会联合主席。人工智能已经过了“技术为导向，专家为王”的黑科技发现期，进入了“应用为导向，数据为王”的高速发展应用阶段。人工智能将成为构建许多商业应用的平台。随着人工智能的四次浪潮逐渐落地，人工智能应用的覆盖范围将从互联网到商业，从感知、计算机视觉、语音识别，到可以像人一样自由移动、独立工作的自动化人工智能。人工智能正迎来应用井喷的实施阶段。研究机构预测，到2030年，人工智能将为全球经济创造100万亿人民币的潜在贡献。我预测，如此巨大的经济增长，最大的贡献将来自于人工智能与实体经济、实体产业的高度结合。就像互联网浪潮赋能传统行业一样，随着人工智能从一项尖端的黑科技慢慢进入主流，最大的受益者将是传统企业。

传统企业拥抱人工智能有着无可比拟的优势。比如，他们有深厚的行业业务经验和知识，有可以“即插即用”的现有业务场景，有大量及时可用的业务数据，这些都是人工智能应用阶段至关重要的“燃料”。反过来，人工智能会像电一样赋能这些传统企业，助推其转型升级，提高效率，降低成本。率先拥抱人工智能的传统企业将赢得市场，创造巨大价值，落后企业将落入淘汰名单。人工智能时代，如何解决个人隐私和数据安全问题一直备受关注。我们不仅要把这当成一个监管问题，还要尝试用更先进的技术来解决技术带来的挑战。比如同态加密、联邦学习等新技术可以有效保护个人数据。我们可以想象有一个滑块，每个人都可以选择想要更多的隐私还是更多的便利。让每个人都有自己对数据的选择，而不是采取粗暴的“一刀切”的方式，也可以进一步优化人工智能算法，提高其效率，这将使人工智能技术更容易被人们接受。人工智能时代已经到来，我们需要积极拥抱它。艾托科技联合创始人林辰唏林辰唏是人工智能公司艾托科技的联合创始人，也是前阿里云高级专家。曾带领团队打造中国自主知识产权的天妃分布式云计算操作系统。他还在微软亚洲研究院从事计算机视觉、机器学习、信息检索和分布式系统方面的工作。他拥有上海交通大学硕士学位。林老师是ACM国际大学生编程大赛全球冠军，2002年以上海交大代表队队长身份获得冠军。依图科技成立于2012年，致力于将人工智能技术与行业应用相结合，已在安防、金融、医疗、商业园区、零售等行业实现商业化。除了计算机视觉技术，易图科技还在人工智能芯片、语音识别、自然语言理解等技术领域进行研发和业务拓展。自20世纪50年代以来，人工智能经历了不同的历史发展时期。历史上每10年或20年就会有一次大的变化。我们把这个阶段定义为“AI新时代”。“AI新时代”主要以深度学习、大数据和高性能计算推动行业发展。目前是人工智能技术大规模商业化的阶段。未来10年，人工智能将呈现爆发式增长，计算机图像识别、语音识别、自然语言处理等领域都将迎来大发展。在今天看来，技术能达到的边界还是很难界定的。人工智能技术在某个领域超越人类之前，属于一个“黑暗期”。人工智能一旦超越人类能力，就会开始快速发展，技术发展曲线非常陡峭。以按图人脸识别技术为例，在2015年突破人眼识别水平后的四年里，人脸识别技术的准确率提升了10万倍，带来了各种场景应用的突破。今天，人工智能算法并没有收敛，相反，算法之间的差距在拉大，工业上将会出现很多新的技术突破。同时，人工智能技术的发展是跨行业的，可能直接进入某个行业，打破行业原有的格局并重塑，给这个行业带来阶梯式的发展和变化。人工智能的一个特点就是有马太效应，有钱人更有钱。深感中国人工智能公司技术领先。中国拥有世界级的任务和场景，中美将在“AI新时代”并驾齐驱。在美国，信息化、SaaS、机动性和智能在进入下一阶段之前，在每个阶段都接近成熟。在中国，信息化、SaaS、移动性和智能化是“

马骁智行联合创始人楼天成博士是中国领先的无人驾驶企业马骁智行的联合创始人兼CTO。此前，楼天成博士曾在Google X(way mo的前身)工作，从事无人车技术开发，后在百度担任百度无人车技术委员会主席。楼天成博士毕业于清华大学，是计算机编程的杰出代表。连续10年获得TopCoder中国第一，两次获得Google全球编程挑战赛冠军。马骁知行成立于2016年。截至2019年4月，融资总额达到3亿美元，估值达到17亿美元。目前，该公司已在广州、北京和美国弗里蒙特试用无人驾驶客车车队，并正在开发长途无人驾驶卡车运输。要预测无人驾驶的未来，我们需要知道这件事并不完全取决于技术本身，还受到法律、伦理、保险、人们的驾驶习惯、人们的接受程度等因素的影响。在不同的国家和地区，这些因素差别很大，尤其是在无人车发展初期，迟早会影响到大家的布局。而这迟早会反过来影响本土无人驾驶的发展进度。换句话说，区域布局越早，可以促进技术发展越快，反之亦然。未来五到十年，布局相对超前的国家和地区会更早看到无人驾驶技术的出现和成熟，而其他地区会明显落后，这些地区之间的差异会逐渐扩大。其中，中国具有道路多样性丰富、政策支持和公众接受度高的优势，有望走在无人驾驶发展的前列。特别是考虑到我国政策的特殊性，一些鼓励人们先行先试的自贸区和智慧交通/智慧城市示范区将率先进行小规模落地自动驾驶的商业应用，成功经验将逐步推广到更大范围。此外，随着5G的落地，车路协同将在中国发展得更快，发挥更大的作用，这对于无人驾驶来说更是如虎添翼，车辆在路上行驶将多一份安全保障。至于实现无人驾驶的技术路径，其实并不是“有无”之争。任何技术路线的选择都应该从一个终极目标出发，那就是让无人车作为一种安全的应用和产品出现在人们的生活中。在技术还没有完全成熟的今天，激光雷达、高精地图、车路协同都有助于无人驾驶的早日落地。这些技术路线无所谓“先后”。——任何可以利用各种因素让汽车变得更安全的技术都应该被考虑在内。随着技术的进一步发展，可以考虑减少对某些技术路线的依赖。今天有人不看好激光雷达和高精地图，主要论据是成本。今天的高成本和数量关系不大。无人驾驶作为产品量产后，激光雷达和高精地图获得足够的订单，其成本会下降到可控范围。换句话说，即使技术足够成熟，未来不再依赖激光雷达和高精度地图，也没有强有力的理由放弃它们。数据很重要，但无人驾驶技术的进一步提升，不会仅仅依靠海量数据的积累。近年来，深度学习的网络结构和训练模式的创新也提高了训练效果。未来，这部分创新会继续让无人大脑变得更聪明。此外，提高与车辆本身相关的技术也很关键，如硬件稳定性、传感器和计算芯片。中国金投X创始人尼娜香(Nina Xiang)是中国专注于风险投资和技术创新的双语媒体平台中国金投X的创始人，也是《Red AI》一书的作者，该书详细介绍了中国人工智能行业的发展。在2011年创办CICC X之前，她曾在美国《彭博商业周刊》、《机构投资者》杂志、CBN、中国国际广播电台工作，有十余年财经科技媒体从业经验。中美贸易和技术争端对中国人工智能产业的影响将是长期的、不可逆的。中国人工智能产业的首要任务将会改变

过去，他们追求的是产业规模、发展速度和技术进步，但未来，争取独立和自力更生将成为中国人工智能产业最重要的目标。中国科技企业将在中国市政府的指导下，为克服所在行业的短板，减少对国外技术的依赖而不懈努力。这个过程可能是漫长而痛苦的，但中国有条件、有资源实现这个目标。我想象最糟糕的情况是，未来世界将面临数字和人工智能世界的巴尔干化。美国、中国，或许还有其他国家将拥有自己独立的IT基础设施和生态系统。物理现实世界中日益加剧的分裂将延伸到数字和虚拟世界，这将给用户带来极大的不便，给我们共同的未来带来更多的不确定性。更好的结果是继续维持不久前的“整体和谐，局部纷争”的环境，加速人工智能在全球各行业的落地和应用，继续增进国际合作。在未来的人工智能竞争中，——主要是中国和美国的竞争，各国的价值观、政策和道德标准的差异仍将是国与国之间冲突和摩擦的根源。此外，人工智能会加剧世界各国科技和资源的不平衡，使国家和人民之间的差距更加突出。在中国，这种风险可能仍是可控的。但在某些领域，这些风险可能会被不断放大。要赢得这场人工智能竞赛，中国企业必须做出根本性的改变。这包括整个行业要从浮夸浮躁向脚踏实地转变；从炫技到实际应用；放弃急功近利、弯道超车的心态，坚持耐心、执着地探索底层创新。对于走在国际化扩张道路上的中国企业来说，全球监管环境的不确定性和不均衡性问题将一直存在。扩张之路将充满挑战，但中国人工智能企业不会停止探索。尽管有如此多的风险和不确定性，但未来10年的主题仍将是人工智能在各行业的推广和应用。这一进程需要更深入的国际合作，但不幸的是，在人类最需要的时刻，国际合作似乎离我们很远。这种情况可能会增加人工智能系统失控的可能性，但不会达到任何与人类生存相关的风险水平。对于消费者来说，机器人、无人驾驶汽车、智能音箱等人工智能产品的体验提升会感觉极其缓慢。因为这些领域面临的挑战太大，短期内很难有巨大的突破。地平线创始人余凯余凯博士是中国人工智能芯片和解决方案公司地平线的创始人兼首席执行官。在2015年创办地平线之前，他担任百度深度学习研究院执行副院长、百度研究院执行院长。此前，他曾就职于NEC研究所、微软和西门子。余凯博士十多年来一直专注于机器学习，在顶级会议和杂志上发表了70多篇高质量的论文，包括语音和图像识别、数据挖掘和人机交互。他拥有德国慕尼黑大学的计算机科学博士学位。地平线致力于提供边缘人工智能芯片和解决方案，专注于智能驾驶和智能物联网。公司已量产两款edge人工智能芯片，并在智能驾驶、智能物联网等领域实现商业落地。公司成立至今，累计融资超过7亿美元，估值30亿美元。未来10年，人类将进入人工智能时代，但也将面临严峻挑战，其中两大挑战是能耗危机和数据安全。2016年，中国数据中心总用电量超过1200亿千瓦时，占全国发电量的2%。未来，围绕人工智能产生的数据量将增加两个数量级，占全球数据总量的绝大多数。根据cur

而骨干网扩容成本和时延高，导致边缘形成数据堰塞湖，边缘计算势在必行。从工地上的头盔检测、智能音箱、车辆上的智能人机交互到自动驾驶，这些部署在边缘的设备和软件都变成了数据过滤器和控制阀。经过处理后，只有十分之一的脱敏数据可以上传到云端进行处理，可以大大提高对数据安全性的控制。同时，人工智能应用的场景注定是自动驾驶、智慧城市或者智慧商业，场景的特性决定了需要什么样的算法。中国未来由智慧城市、智慧交通、工业4.0、5G推动的万物互联发展，意味着人工智能芯片需要聚焦边缘计算，以及算法和芯片的同步发展。人工智能芯片企业面临的主要挑战之一是芯片开发与算法迭代不匹配。芯片开发就像蓝调一样，耗时长，耗时长。算法迭代就像摇滚乐，是一种短而快的节奏。这就要求人工智能芯片开发公司对算法的趋势和演进要有充分的前瞻性，让一两年后开发出来的芯片在推出时仍能适应最新的主流算法。中国正在经历从商业创新到技术创新的模式转变，中国的创新已经进入无人区。无论未来风向如何变化，我认为人工智能芯片企业仍然必须努力构建一个开放的人工智能芯片生态系统，尽力实现全球人工智能生态系统的兼容。这是科技发展不可逆转的趋势。人工智能未来的发展趋势将是包容、安全、绿色，这取决于底层人工智能芯片的进展。周西博士，从云科技的创始人，是从云科技的创始人兼首席执行官，这是一家专注于计算机视觉的人工智能公司。此前，周西博士曾在IBM TJ沃森研究中心、微软研究院、NEC研究院和中国科学院工作，专注于计算机视觉研究。周西博士在顶级国际会议和杂志上发表了60多篇文章。他拥有中国科技大学的学士和硕士学位以及伊利诺伊大学的博士学位。2015年，周西博士带领团队成立了从云科技公司。融资总额已超过5亿美元，目前估值33亿美元。从云的科技业务涵盖金融、安全、民航、零售等领域。已服务400家银行88000个网点、31个省级行政区公安、60多个机场，日均服务200万人次。虽然中国的计算机视觉商业化在全世界都很先进，但还是只跑了马拉松的前10km，未来潜力很大。在表情识别、动作识别、姿势识别、物体识别、动物识别、场景识别等技术的应用上，未来还有很多可以挖掘的东西。我们现在看到的是无尽的需求海洋。如何建立平台化的技术储备，为企业解决实际问题，将是人工智能公司未来面临的主要挑战。这也意味着头部企业会更有优势，资本市场两端的分化会越来越明显。未来10年，人工智能将从一项令人眼花缭乱的技能，变成各行各业大刀阔斧的变革。每个行业都会深度探索人工智能对其产业流程的彻底改造和颠覆。当转型完成后，行业的整体运营模式将提升到一个前所未有的水平。就像100年前的电力革命带来的颠覆一样，人工智能对现有行业的革命也将超出我们的想象。虽然前景令人振奋，但人工智能企业还是要务实地从小处着手。通过对行业的逐步了解和技术的逐步提升，随着时间的推移，从量变到质变。例如，我们帮助银行转型

但这种全球扩张将需要更长时间，至少五年或更长时间。因为到那个时候，中国的人工智能企业的技术可能已经达到了世界领先的地位，他们将能够在全世界都有发展机会，而不仅仅是在发展中国家。但由于人工智能的最终产品形态是场景化、产业化的，这也意味着它不会特别通用，这将是人工智能企业全球化的主要障碍。所以这个全球化的过程不会很容易，也不会这么快。来源：中国黄金投资X