以下内容根据电子发烧友AI产业分析师张慧娟女士关于《人工智能产业调研报告》的演讲整理。
结合全球科技企业的布局，以及国内市场的落地应用情况，分析认为人工智能将在2-3年内在国内市场形成更大规模的落地效应，包括新兴领域和传统行业。在人工智能落地的动力与瓶颈方面，提到数据问题应该受到足够的重视，不论是硬件架构还是数据资源的调取方面。随着人工智能从云到端的发展，端侧芯片竞争会更为激烈，背后考验的还有软件支持、生态、服务等因素。报告最后谈到了智能终端人机交互的趋势，以及5G与AI融合后可能带来的改变。 国际科技公司现状
2018年全球市值TOP10企业榜单包含苹果、亚马逊、谷歌、微软、伯克希尔、Facebook、阿里巴巴、腾讯控股、摩根大通、强生等，这10家企业其中有7家是科技公司:苹果、亚马逊、谷歌、微软、Facebook、阿里巴巴、腾讯控股，这七家企业都有一个共同点，布局人工智能，牢牢掌握了互联网世界的入口。
2012年是一个比较关键的年份，2012年之后，这些公司不断加大在人工智能领域的布局。由此也引发了两点思考，这是一个阶段的拐点还是一个新时代的起点?巨头掌握入口和数据，后入局者机会在哪里？
这些巨头的可怕之处在于牢牢地掌握了入口，有着庞大的数据资源。延伸来看就是他们获取用户的能力非常强，具有强大的生态资源。
未来蚂蚁能不能扳倒大象？
针对AI会在多久之内改变企业和所处行业发现，有35%的人认为会在2-3年之内人工智能将会改变其企业，同时有27%的人认为4-5年内人工智能将改变其所处的行业，尽管现在国内AI还处于发展的早期，但是大家对于AI的发展有较为明确的共识。对于初创企业来讲，竞争时间非常紧张，在未来2-3年，或4-5年之内，需要尽力提升差异化竞争的优势。 国内AI应用现状
根据调研分析，企业用户选择AI的驱动因素就是可以提升效率，其次原因为节约成本，再次为提升用户体验、提升数据分析能力，还有其他诸如辅助接触、客户画像、差异化服务等因素。其实AI作为一项通用的技术，未来将渗透到我们生活的方方面面，对于企业来讲，是否能够真正的用AI理念、技术去构筑核心竞争力，也是未来决胜的一个关键。
2018年AI大规模落地，碎片化应用场景开始广泛渗透。AI应用领域包含消费级产品与服务行业(对话式AI)、医疗行业(AI辅助影像诊断)、零售行业(智能货柜)、制造业(产品分拣)、金融行业(反欺诈、对话式客服)、互联网行业(内容审核、产品推荐)等;典型的AI应用于创新实践的包含刷脸支付、无人零售、摄像头、音箱、速记员、视频换脸、实时翻译耳机、手持翻译机、语音助手、电话客服、医学影像诊断、AI-IoT等，这些是一些碎片化的比较典型的应用场景，以语音和图像居多。
在针对企业开发AI产品的主要用途中，占比高的是消费电子的15.29%，消费电子一直都是创新应用的集中地，AI的爆发也是如此，以智能手机、可穿戴设备居多;而智能家居随着近年来国家政策的扶持和技术的进步，以及行业本身的发展，相继出现一些智能产品，试图来替代传统的家居产品。总的来说，消费电子、智能家居、工业、机器人、计算机视觉等5种用途的AI产品占了56.39%，其余43.61%的AI产品主要用途在机器学习、智能医疗、智能驾驶、无人机、语言及自然语言处理、安防、教育、其他、农业、金融等方面。
工业方面在推动工业转型升级的动力之下，也有了比较有规模的落地，比如数据分析设备的诊断维护、产线管理等。根据调研情况分析预测，2019年会有更多的传统行业去拥抱AI，也会产生更多的碎片化应用，如IT服务业的网络运维告警压降、交通行业的地铁滑块火花分析和中车传感器预测性防护、航空的燃油预测、电力行业的电线杆塔故障检测和线路巡检机器人、核工业设计的核电站设备诊断分析等等这些传统的行业。如果说第一轮的AI爆发主要集中在to C端，那么接下来的会有更多to B端的AI应用。 AI落地的动力与瓶颈
现阶段，推动AI创新与应用落地的因素：大数据是基础，算法是核心，芯片是高地，人才是关键，选定垂直的细分领域非常的重要。
AI的人才问题相比过去几十年的发展，已经不是主要的瓶颈，我们国家有勤勉的人才，国家战略层面也非常重视人才问题。现在主要探讨芯片、算法和数据，这些已经成为限制AI发展的关键因素。
限制AI发展的关键因素—数据，数据与AI的关系，就像病人去看病时愿意相信年纪大一点的医生，因为年纪大的医生看的病人多，掌握的数据量大，经验丰富。在AI发展初期，注意力基本都放在模型训练方面，所以这个环节得到了较快的发展。但是数据标签描述、检索、分析等工作需要重视，从而提升有效数据价值。从硬件层面分析，AI训练模型通常采用多核异构的方式，算力提升非常快。在传统数据库层面通常运行在单一的CPU平台上，所以就造成了底层硬件结构方面的一些断层。而随着AI创新应用场景的不断涌现，涉及到的数据类型会越来越广泛，那么对于数据的采集和处理等环节会提出更高的要求。现在数据问题已经被很多企业重视起来，下一步的重点是提升有效数据的价值。而数据中台也被认为是新的风口。
核心器件多元化创新
用户在开发使用AI芯片类型的以深度学习为代表的AI计算需求，主要是以FPGA、ASIC、GPU这种适合并行计算的通用芯片来实现加速的。随着产业环境的日渐成熟，真正的面向算法，在性能、功耗、面积等方面去进一步优化的全定制化芯片会具有越来越大的规模。随着AI从云到端的发展，端侧芯片的竞争会更加激烈，但是从表面看，这些芯片在暗较长短，每一种芯片都有各自的优势和短板所在。其实不存在某一种芯片能够吃遍所有的应用，因为除了芯片，背后考验的还有软件支持、生态、服务等因素。
多元的处理器/IP架构
ARM的占有率非常高，达到了35%，ARM其实是把握了其核心的价格优势，在此基础上迅速构建生态。由此来看，在一个新的应用来临之时，往往也是行业在加速洗牌的时候。
有越来越多的初创企业开始芯片方面的布局，其中的算法公司居多，当这些公司真正能够实现软硬一体化时，对下一步落地应用和公司未来的发展战略、融资上市等都会有一些帮助。
用户感兴趣的AI开发套件
排名前几的分别有华为HiKey970为23%、瑞芯微RK3399Pro为21%、威盛Edge AI人工智能开发套件为13%等。
华为HiKey970集成了华为Hi AI框架，以主流的神经网络架构进行深度学习算法开发。瑞芯微RK3399Pro是面向嵌入式应用的，是一款arm架构的开发板，集设计、芯片调试和芯片验证与一体。
工程师对于开发套件方面有呼声比较高的一些建议和期待，如进一步降低开发难度、开源、更丰富的产品、快速搭建社区资源等几方面。
企业算法框架选择
算法是AI的基础和核心。从调研结果分析来看，背后有google强大支撑的TensorFlow处于领先状态，市占率达到23%。第二名是背后有Facebook支持的PyTorch，市占率达到13%，它虽然还很年轻，但可以支持TensorFlow不支持的一些定制，所以发展非常的迅速。第三名是占比达到9%的caffe2，也是Facebook的另一款开源产品。
算法框架同样凸显了生态资源的拉动效应，我们也期待未来在核心前沿的领域能够有更多的中国算法框架上榜。 AI落地机会的几点洞察
自然人机交互
现在即将进入人和AI协作的时代，人机交互走向自然人机交互，最终目标是实现人机协同。
自然人机交互中界面并不是最重要的因素，贯穿于人机交互发展始终的是用户体验，像语音交互技术逐步发展，从单轮到多轮对话，合成语音更为自然、真实的接近真人水平。
人脸、手势等更多通道出现，多通道的融合交互成为未来主流。像触控、语音、手势、人脸等有可能成为多通道融合的主流通道，甚至触觉、嗅觉也有可能纳入多通道交互中。
人机协同就是通过感知、认知决策，最终实现从真实世界到数字世界的技术闭环。现阶段机器与人的协作是从识别人开始，我们所做的事情就是通过人脸识别、声音识别给设备装上眼睛、耳朵。目前的热点技术如前端快速识别、远距离大规模识别、3D的精细化建模、多模态识别交互等均为人机协作的初级阶段。 目标是通过融合交互提升机器的智能化，让机器更懂你，交互更自然。
5G+AI强强联合
AI目前面临三大问题：首先，依赖云端，由于数据传输带宽受限，存在延时问题，实时分析决策受限;其次，训练样本中情景信息有限，实际环境中信息源不足，需要进行脱离实际的判断;最后，速度受限于算力，处理任务时间长，终端智能程度有待进一步提升。
近年来随着芯片层、系统层的提升，算力问题已经有了改进。但是对于前两个问题，当5G出现之后，这些问题都会相应地得到改善。 那么，当5G与AI融合之后，谁会成为真正的受益者？
首先，显著的变化会率先发生在对人机交互有迫切需求的智能终端上。以语音识别为例，借助5G将会让用户察觉不到机器响应的时延，让人及交互接近于自然的对话。
其次，智能家居、智慧社区、智慧安防等都尚处于浅层次的智能极端，通过安装大量传感器摄像头实现简单智能，当5G真正落地，随着基础设施构建，终端侧潜能会被激发，进一步提升智能化。
最后，AR/VR等终端设备迎来更大想象空间。现在AR/VR基本应用在娱乐、游戏方面，有了5G之后，因为5G能够改善动作跟踪延迟的巨大痛点，将可以进入医疗、教育等行业应用。
5G是驱动力，能够让AI更无处不在。而AI是催化剂，可以让5G更智能。
5G是AI下一步大规模爆发的关键的因素，相信随着5G的最终的真正落地，一个万物感知、万物互联、万物智能的全新时代即将开启。
18221259202