以下為文章核心要點(diǎn)：

近幾年人工智能風(fēng)口再起，實(shí)際上是技術(shù)發(fā)展、數(shù)據(jù)沉淀以及場(chǎng)景延展等多個(gè)因素，厚積薄發(fā)的結(jié)果。

人工智能商業(yè)化變現(xiàn)困難的根本原因，仍是底層研究的制約下難以規(guī)模化落地的現(xiàn)實(shí)。

新基建的加持，對(duì)于人工智能底層研究的投入、應(yīng)用場(chǎng)景的拓展等將大有裨益。

能讓馬云、馬化騰、李彥宏等業(yè)界大佬共同看好的方向，除了人工智能，可能很難找到第二個(gè)。

在7月9日舉行的2020世界人工智能大會(huì)云端峰會(huì)上，“三馬”（馬云、馬化騰、馬斯克）、“二宏”（李彥宏、張文宏）少見地隔空同臺(tái)。此外，還有包括七位圖靈獎(jiǎng)得主、一位諾貝爾獎(jiǎng)得主在內(nèi)的550多位業(yè)界、學(xué)術(shù)界嘉賓匯聚一堂。

大會(huì)上，以聯(lián)合國(guó)數(shù)字合作高級(jí)別小組聯(lián)合主席的身份出席的馬云，就疫情期間社會(huì)經(jīng)歷的大動(dòng)蕩發(fā)表了自己的感悟，他認(rèn)為，世界已經(jīng)巨變，技術(shù)變革提前并且加速，與其擔(dān)憂，不如擔(dān)當(dāng)，“為活下去而做的創(chuàng)新才是真正最強(qiáng)大和不可阻擋的動(dòng)力”。

馬云有此感嘆，一定程度上是因?yàn)樵谝咔槲C(jī)中，依賴人力、線下運(yùn)轉(zhuǎn)的傳統(tǒng)行業(yè)遭受極大沖擊，以人工智能為代表的新興科技彰顯出其重要性與必須性。例如，復(fù)旦大學(xué)附屬華山醫(yī)院感染科主任張文宏提到，“從人工智能參與到抗疫物資調(diào)配的時(shí)候，我們就意識(shí)到將來人工智能具有非常強(qiáng)大的物資調(diào)配能力”。

人工智能的意義已不止于經(jīng)濟(jì)層面，它也是抵御大自然不可抗力、維持社會(huì)健康穩(wěn)定發(fā)展的依仗，基于這一邏輯，政策已率先做出反應(yīng)。

在今年2月，工業(yè)和信息化部科技司發(fā)布了《充分發(fā)揮人工智能賦能效用 協(xié)力抗擊新型冠狀病毒感染的肺炎疫情倡議書》，倡議通過科技力量支撐疫情防控。隨后，“新基建”政策落實(shí)，人工智能被列為七大領(lǐng)域之一。

隨著底層技術(shù)的進(jìn)步，與計(jì)算能力、大數(shù)據(jù)、場(chǎng)景等人工智能成長(zhǎng)土壤的逐漸成熟，人工智能正處于平臺(tái)化、產(chǎn)業(yè)化之前的關(guān)鍵節(jié)點(diǎn)。

疫情催化及政策推動(dòng)下，人工智能的發(fā)展被按下加速鍵：僅在大會(huì)上，就誕生了8個(gè)人工智能產(chǎn)業(yè)投資基金項(xiàng)目，36個(gè)人工智能產(chǎn)業(yè)項(xiàng)目，簽約投資總額超過300億元。

而在新基建的東風(fēng)下，人工智能又會(huì)帶來哪些機(jī)遇？

一局圍棋

在未來關(guān)于人類歷史的講述中，一定會(huì)有這樣一個(gè)篇章。

2016年3月，谷歌旗下DeepMind公司開發(fā)的人工智能機(jī)器人AlphaGo與圍棋職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，此時(shí)，大眾對(duì)誰贏誰輸?shù)念A(yù)測(cè)還有很大分歧，最終AlphaGo以4比1的總比分獲勝。

這樣一場(chǎng)比賽，將人工智能這樣一個(gè)更多存在于科幻電影、小說中的概念實(shí)體化，也將人類一直以來的自信與驕傲擊破，證明了人工智能可以達(dá)到比肩，甚至超越人類的高度——這甚至引發(fā)了一些恐慌。但在當(dāng)時(shí)，中國(guó)選手柯潔仍認(rèn)為“AlphaGo能贏李世石，但是贏不了我”。

僅一年之后，AlphaGo再次突飛猛進(jìn)，大眾已經(jīng)一邊倒地做出了人類必?cái)〉呐袛啵罱KAlphaGo以3:0的戰(zhàn)績(jī)擊敗了幾乎代表著人類圍棋最高水準(zhǔn)的柯潔。

第三局比賽中，柯潔甚至中途離場(chǎng)20分鐘痛哭，連坐在十幾米之外的觀眾都能聽見他隱忍但清晰的哭聲。“我感到渾身都在顫抖，真的，寒冷地顫抖。”后來柯潔這樣描述自己的狀態(tài)。

柯潔承認(rèn)，他的失態(tài)是因?yàn)橛X得機(jī)器下得太完美。

值得指出的是，人工智能從誕生到打敗世界圍棋冠軍，只經(jīng)過了六十余年的發(fā)展。

1950年，一位名叫馬文·明斯基的大四學(xué)生，與同學(xué)一起建造了世界上第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)，這也被看做是人工智能的一個(gè)起點(diǎn)。而馬文·明斯基在后來也被譽(yù)為“人工智能之父”。

同年，“計(jì)算機(jī)之父”阿蘭·圖靈提出設(shè)想：如果一臺(tái)機(jī)器能夠與人類開展對(duì)話而不能被辨別出機(jī)器身份，那么這臺(tái)機(jī)器就具有智能。直到1956年，計(jì)算機(jī)專家約翰·麥卡錫才提出“人工智能”一詞，被人們看做是人工智能正式誕生的標(biāo)志。

隨后，由于技術(shù)難度高、進(jìn)展慢，人工智能的發(fā)展反復(fù)經(jīng)歷著高潮與低谷。在1987 年，由于通用計(jì)算機(jī) Lisp Machine在商業(yè)上的失敗，人工智能再次滑入了低迷期，行業(yè)人士開始意識(shí)到人工智能的問題不在于硬件，而是在軟件以及算法層面的挑戰(zhàn)沒有突破。

長(zhǎng)久以來，對(duì)人工智能的探討一直局限在研發(fā)圈層中，一直到AlphaGo出世，橫掃人類圍棋界，才一舉將人工智能推向了社會(huì)話題中心，自此之后，人工智能概念始終炙手可熱。

人工智能之所以會(huì)在2017年的時(shí)點(diǎn)上爆發(fā)，本質(zhì)上是得益于發(fā)展土壤的逐漸成熟，馬化騰曾在演講中提到，發(fā)展人工智能，場(chǎng)景、大數(shù)據(jù)、計(jì)算能力和人才缺一不可。

在計(jì)算能力方面，深度學(xué)習(xí)技術(shù)是人工智能發(fā)展歷史上的一個(gè)重要突破。2006年，現(xiàn)任職于Google Brain的技術(shù)專家 Geoffrey Hinton帶領(lǐng)團(tuán)隊(duì)發(fā)現(xiàn)了訓(xùn)練高層神經(jīng)網(wǎng)絡(luò)的有效算法，2012年，Geoffrey Hinton團(tuán)隊(duì)在ImageNet上首次使用深度學(xué)習(xí)技術(shù)完勝其它團(tuán)隊(duì)。

Geoffrey Hinton在ImageNet 2012上的成功讓科學(xué)家開始更多的關(guān)注模型與算法的創(chuàng)新突破，以彌補(bǔ)訓(xùn)練中數(shù)據(jù)的不足，從而帶來算法上的快速迭代：以圖形計(jì)算為代表的GPU在計(jì)算機(jī)視覺訓(xùn)練中替代原來的CPU，大大提升了計(jì)算性能，讓原來需要幾個(gè)月才能完成的訓(xùn)練縮短到幾天或幾個(gè)小時(shí)，加快了計(jì)算機(jī)視覺前期訓(xùn)練和推理的迭代周期，帶來效率上的成倍提升。

大數(shù)據(jù)則是人工智能的燃料，隨著互聯(lián)網(wǎng)浪潮從PC時(shí)代過渡到移動(dòng)時(shí)代，人類生活逐漸被智能終端所綁定，每日可產(chǎn)生的數(shù)據(jù)量出現(xiàn)指數(shù)級(jí)的增長(zhǎng)，且數(shù)據(jù)維度更加豐富，大數(shù)據(jù)技術(shù)逐漸精進(jìn)。而大數(shù)據(jù)技術(shù)能夠通過數(shù)據(jù)采集、預(yù)處理、存儲(chǔ)及管理、分析及挖掘等方式，從各種各樣類型的海量數(shù)據(jù)中，快速獲得有價(jià)值信息，為深度學(xué)習(xí)等人工智能算法提供堅(jiān)實(shí)的素材基礎(chǔ)。

另一方面，隨著社會(huì)經(jīng)濟(jì)形態(tài)與產(chǎn)業(yè)形態(tài)發(fā)展，人工智能有了更多的落地場(chǎng)景，如醫(yī)療、安防、交通等，這是承載人工智能發(fā)展的介質(zhì)。

因此，近幾年人工智能風(fēng)口再起，實(shí)際上是技術(shù)發(fā)展、數(shù)據(jù)沉淀以及場(chǎng)景延展等多個(gè)因素，厚積薄發(fā)，引發(fā)了一場(chǎng)席卷全球的AI創(chuàng)投熱潮。

迷霧尚未消散

在探討人工智能的前景之前，有必要先厘清人工智能的基本架構(gòu)。對(duì)人工智能的探討可以分為兩條主線：一是學(xué)術(shù)視角的底層研究，二是產(chǎn)業(yè)視角。

高校是培養(yǎng)人工智能人才、執(zhí)行人工智能技術(shù)研究的主陣地，在美國(guó)，人工智能方面科研實(shí)力最強(qiáng)的高校有麻省理工學(xué)院、卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)等。其中，卡內(nèi)基梅隆大學(xué)在2018年開設(shè)了美國(guó)首個(gè)人工智能本科學(xué)位，加大對(duì)人工智能領(lǐng)域人才培養(yǎng)的投入。

中國(guó)高校也在近兩年間不斷推進(jìn)人工智能教育，數(shù)據(jù)顯示，截至2018年底，有94所擁有人工智能二級(jí)學(xué)院的中國(guó)大學(xué)，相比2017年增加了21所，其中，清華大學(xué)、浙江大學(xué)、上海交通大學(xué)、哈爾濱工業(yè)大學(xué)、華中科技大學(xué)、中國(guó)科學(xué)技術(shù)大學(xué)、中科院各研究所等是人工智能底層研究的主力軍。

高校開展的人工智能研究更多是由國(guó)家撥款支持的，此外，也有不少大型科技公司出資成立研究院，從事人工智能底層技術(shù)研究。

谷歌一直以來都將人工智能作為主要戰(zhàn)略方向之一，它在2011年時(shí)就推出了聚焦深度學(xué)習(xí)的Google Brain項(xiàng)目，并在2014年1月斥資4億美元收購一家名為Deep Mind的人工智能公司，正是這家公司在三年后推出AlphaGo，掀起人工智能風(fēng)潮。

據(jù)咨詢公司麥肯錫報(bào)告顯示，包括谷歌在內(nèi)的科技巨頭，2016年在人工智能上的投入在200億至300億美元之間，其中10%用于人工智能收購，90%用于研發(fā)和部署。

2017年，AlphaGo引爆人工智能概念之后，美國(guó)科技巨頭對(duì)人工智能的投入進(jìn)一步加大。該年的Google I/O 開發(fā)者大會(huì)上，谷歌確立了從mobile-first到AI-first的根本戰(zhàn)略轉(zhuǎn)變，同年，微軟宣布計(jì)劃建立百人規(guī)模的微軟AI研究院。一年后，谷歌又將谷歌研究院（Google Research）改名為谷歌人工智能（Google AI），將人工智能放在最高戰(zhàn)略地位上。

國(guó)內(nèi)科技公司對(duì)人工智能底層技術(shù)的研究稍晚一步，但在近幾年也發(fā)展迅速。

較早在AI研究上進(jìn)行投入的是百度，2014年，百度成立硅谷人工智能實(shí)驗(yàn)室，由斯坦福大學(xué)計(jì)算機(jī)科學(xué)系和電子工程系副教授吳恩達(dá)領(lǐng)航。吳恩達(dá)同時(shí)也是Google Brain的主創(chuàng)成員之一，是人工智能領(lǐng)域公認(rèn)的領(lǐng)軍人物。同年，百度還啟動(dòng)了“少帥計(jì)劃”，提供百萬年薪，針對(duì)30歲以下的人工智能領(lǐng)域優(yōu)秀人才進(jìn)行甄選和培養(yǎng)。

2016年4月，騰訊成立AI Lab（騰訊人工智能實(shí)驗(yàn)室），致力于人工智能基礎(chǔ)科學(xué)的開放研究，以及應(yīng)用領(lǐng)域的深入探索，做到“學(xué)術(shù)有影響，工業(yè)有產(chǎn)出”。隨后，張潼、賈佳亞、俞棟等學(xué)界大牛陸續(xù)加入。

在2017年杭州阿里云棲大會(huì)上，阿里巴巴在面向未來技術(shù)創(chuàng)新方面投入千億資金，成立了探索人類未來科技研究院“達(dá)摩院”。

達(dá)摩院研究方向

此外，華為等國(guó)內(nèi)科技巨頭，也在人工智能底層研究上有所投入，包括建立研究院，與各大高校共同開設(shè)相關(guān)課程等。

無論是成立研究院、實(shí)驗(yàn)室還是達(dá)摩院，雖然各家研究方向存在細(xì)微差別，但BAT都試圖表現(xiàn)投入人工智能底層研究的態(tài)度。只是相關(guān)設(shè)想在實(shí)踐中遇到挑戰(zhàn)，如今，百度人工智能實(shí)驗(yàn)室遭遇大換血，吳恩達(dá)早已離職創(chuàng)業(yè)，少帥計(jì)劃也無疾而終；騰訊Lab經(jīng)歷調(diào)整，張潼、賈佳亞相繼離開；達(dá)摩院的投入重點(diǎn)在往產(chǎn)業(yè)層面靠攏。

在產(chǎn)業(yè)界探索研究人工智能底層技術(shù)遭遇挫折的同時(shí)，在產(chǎn)業(yè)層面，人工智能在波折中前進(jìn)。

目前，全球人工智能產(chǎn)業(yè)的生態(tài)系統(tǒng)正逐步成型。依據(jù)產(chǎn)業(yè)鏈上下游關(guān)系，可以將人工智能劃分為基礎(chǔ)支持層、中間技術(shù)層和下游應(yīng)用層。

基礎(chǔ)層是人工智能產(chǎn)業(yè)的基礎(chǔ)，主要包括了芯片、傳感器、大數(shù)據(jù)和云計(jì)算等基礎(chǔ)能力。

我國(guó)人工智能行業(yè)發(fā)展追求速度，資金投向追捧易于變現(xiàn)的終端應(yīng)用。研發(fā)周期長(zhǎng)、資金投入大、 見效慢的基礎(chǔ)層創(chuàng)新被市場(chǎng)忽略，但是人工智能的發(fā)展根源于基礎(chǔ)層（算法、芯片等），長(zhǎng)期來看看，人工智能的行業(yè)研究有所突破還是要依賴基礎(chǔ)層研究。

技術(shù)層是人工智能產(chǎn)業(yè)的核心， 主要以模擬人的智能相關(guān)特征為出發(fā)點(diǎn)，將基礎(chǔ)能力轉(zhuǎn)化成人工智能技術(shù)。如計(jì)算機(jī)視覺、智能語音、自然語言處理（NLP）、人機(jī)交互等應(yīng)用算法研發(fā)。其中，技術(shù)層能力可以廣泛應(yīng)用到多個(gè)不同的應(yīng)用領(lǐng)域。

計(jì)算機(jī)視覺是實(shí)現(xiàn)工業(yè)自動(dòng)化和智能化的關(guān)鍵核心技術(shù)，其對(duì)于人工智能的意義，正如眼睛之于人類的意義，幫助機(jī)器“看懂”這個(gè)世界。本質(zhì)上，機(jī)器視覺通過使用光學(xué)系統(tǒng)、工業(yè)數(shù)字相機(jī)和圖像處理工具，來模擬人的視覺能力，并做出相應(yīng)的決策。

而NLP則是幫助人工智能“理解”人類語言，這是人工智能、計(jì)算機(jī)科學(xué)、信息工程的交叉領(lǐng)域，涉及統(tǒng)計(jì)學(xué)、語言學(xué)等的知識(shí)。人類語言充滿了負(fù)責(zé)性和模糊性，NLP也是人工智能領(lǐng)域最為困難的問題之一，但一旦攻破，就達(dá)到了機(jī)器智能化的最高境界，因此NLP也被譽(yù)為是“人工智能皇冠上的明珠”。

語音識(shí)別的技術(shù)難度相對(duì)更低，它只要求人工智能“聽懂”語言，而不要求其“理解”語義。語音識(shí)別技術(shù)現(xiàn)在已相對(duì)成熟，國(guó)內(nèi)的科大訊飛就是這一細(xì)分賽道中的代表企業(yè)。

自動(dòng)駕駛是人工智能技術(shù)的另一個(gè)大方向，它涉及視覺計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)的協(xié)同合作，技術(shù)體系更為復(fù)雜。

現(xiàn)階段，對(duì)自動(dòng)駕駛的研究主要還停留在L3級(jí)別，但在日前的人工智能大會(huì)上，馬斯克透露：“目前最新的特斯拉純電動(dòng)車已經(jīng)十分接近L5級(jí)自動(dòng)駕駛，今年將完成其基本功能。”

近年來，我國(guó)技術(shù)層圍繞垂直領(lǐng)域重點(diǎn)研發(fā)，在計(jì)算機(jī)視覺、語音識(shí)別等領(lǐng)域技術(shù)成熟，國(guó)內(nèi)的頭部企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)明顯。但是具體來看，在算法理論和開發(fā)平臺(tái)領(lǐng)域，尚且缺乏積累和經(jīng)驗(yàn)，百度的PaddlePaddle、 騰訊的Angle 等國(guó)內(nèi)企業(yè)打造的開放平臺(tái)尚無法與國(guó)際主流產(chǎn)品競(jìng)爭(zhēng)。

應(yīng)用層作為人工智能產(chǎn)業(yè)的延伸，將技術(shù)應(yīng)用到具體行業(yè)，涵蓋制造、交通、金融、醫(yī)療等 18 個(gè)領(lǐng)域，其中醫(yī)療、交通、制造等領(lǐng)域的人工智能應(yīng)用開發(fā)受到廣泛關(guān)注。

當(dāng)前，應(yīng)用層以底層技術(shù)能力為主導(dǎo)，切入不同場(chǎng)景和應(yīng)用，提供產(chǎn)品和解決方案。受益于計(jì)算機(jī)視覺、圖像識(shí)別、自然語言處理等技術(shù)的快速發(fā)展，人工智能已廣泛地滲透和應(yīng)用于諸多垂直領(lǐng)域，產(chǎn)品形式也趨向多樣化。

目前，應(yīng)用層是人工智能產(chǎn)業(yè)鏈中市場(chǎng)規(guī)模最大的層級(jí)。據(jù)中國(guó)電子學(xué)會(huì)統(tǒng)計(jì)，2019 年，全球應(yīng)用層產(chǎn)業(yè)規(guī)模將達(dá)到 360.5 億元，是基礎(chǔ)層的 2.53 倍。在全球范圍內(nèi)，人工智能仍處在產(chǎn)業(yè)化和市場(chǎng)化的探索階段，落地場(chǎng)景的豐富度、用戶需求等有待提高，國(guó)際上尚未出現(xiàn)擁有絕對(duì)主導(dǎo)權(quán)的壟斷企業(yè)，在很多細(xì)分領(lǐng)域的市場(chǎng)競(jìng)爭(zhēng)格局尚未定型。

盡管人工智能近年來發(fā)展迅速，但從整體來看，雖然有AlphaGo大敗人類圍棋手的里程碑事件在前，人工智能的發(fā)展其實(shí)還并不成熟。

李彥宏將人工智能的發(fā)展分為了三個(gè)階段——技術(shù)智能化階段、經(jīng)濟(jì)智能化階段以及社會(huì)智能化階段三個(gè)階段。其中第二階段又分為上下兩個(gè)階段，在前半段，人工智能的發(fā)展主要圍繞通用能力的開發(fā)和作為一種資源的AI能力的平臺(tái)化。在后半段，人工智能開始全面的產(chǎn)業(yè)化，行業(yè)應(yīng)用與商業(yè)化全面普及。

當(dāng)下，我們正處于從經(jīng)濟(jì)智能化的前半段向后半段過渡的時(shí)期，人工智能已經(jīng)證明或者初步證明了其對(duì)所在行業(yè)的顛覆和重構(gòu)潛能。

“目前人工智能所處的階段是一個(gè)容易產(chǎn)生迷茫甚至悲觀的階段，這是大多數(shù)顛覆性技術(shù)在加速普及之前必經(jīng)的階段。當(dāng)迷霧消散時(shí)，一個(gè)經(jīng)濟(jì)和社會(huì)全面互聯(lián)網(wǎng)化的時(shí)代就開始了。”李彥宏說。

漫漫長(zhǎng)路

針對(duì)人工智能的幾個(gè)主要應(yīng)用方向，國(guó)內(nèi)科技巨頭們都有不同布局，在細(xì)分賽道，也有優(yōu)秀的獨(dú)角獸冒頭。

如在計(jì)算機(jī)視覺方向，就誕生了有“AI四小龍”之稱的商湯、曠視、依圖、云從四家代表企業(yè)。

人工智能的主要落地場(chǎng)景，如安防、交通、醫(yī)療等，都需要建立在視覺智能化的基礎(chǔ)上，這也是AI四小龍的主要業(yè)務(wù)方向。因?yàn)楹w范圍廣，商業(yè)潛力大，AI四小龍誕生之后一度受到資本熱捧，根據(jù)胡潤(rùn)研究院發(fā)布的《2019胡潤(rùn)全球獨(dú)角獸榜》，四家企業(yè)估值都已超百億人民幣，其中商湯估值達(dá)到了400億元人民幣。

商湯因融資規(guī)模巨大，甚至有“融資機(jī)器”之稱，其投資方中，還包括了阿里巴巴等科技巨頭。

得益于技術(shù)紅利的推動(dòng)，除計(jì)算機(jī)視覺方向外，各技術(shù)細(xì)分領(lǐng)域也都誕生了大小不一的獨(dú)角獸，如NLP方向的追一科技、驀然認(rèn)知、竹間科技；智能駕駛方向的圖森未來等。

與創(chuàng)業(yè)公司相比，巨頭在人工智能層面的布局野心更大，涵蓋的方向更廣，且多與主業(yè)相結(jié)合。

如阿里巴巴在2017年成立的達(dá)摩院，計(jì)劃在3年里投入超過1000億元用于涵蓋基礎(chǔ)科學(xué)和顛覆式技術(shù)創(chuàng)新的研究。

達(dá)摩院旗下最大的機(jī)器智能實(shí)驗(yàn)室分支iDST負(fù)責(zé)人金榕曾在采訪中介紹，達(dá)摩院的設(shè)立主要有兩個(gè)目標(biāo)，一是把達(dá)摩院的AI基礎(chǔ)能力放到平臺(tái)上支撐所有業(yè)務(wù)，二是上云，在產(chǎn)品得到內(nèi)部核心業(yè)務(wù)驗(yàn)證后，將產(chǎn)品上云商業(yè)化，進(jìn)一步放大價(jià)值，服務(wù)整個(gè)社會(huì)。

在達(dá)摩院“大腦”的支撐下，阿里巴巴也逐漸實(shí)現(xiàn)了技術(shù)成果轉(zhuǎn)化，如在計(jì)算機(jī)視覺領(lǐng)域，在被譽(yù)為人工智能世界杯的 CVPR 2019 WebVision 競(jìng)賽中圖像分類競(jìng)賽中，阿里巴巴以 82.54% 的識(shí)別準(zhǔn)確率獲得冠軍。

騰訊同樣也在進(jìn)行騰訊云的建設(shè)，截至5月份，騰訊云AI公有云日處理圖片超30億張，日處理語音250萬小時(shí)，自然語言處理超千億句，客戶數(shù)超過200萬，服務(wù)全球超過12億用戶。

而在產(chǎn)品層面，騰訊云也已經(jīng)擁有了多項(xiàng)能力，如包括騰訊云神圖、慧眼、圖像分析、智能識(shí)圖以及OCR在內(nèi)的視覺服務(wù)，包括騰訊云語音識(shí)別、語音合成、機(jī)器翻譯等在內(nèi)的智能語音產(chǎn)品，包括情感分析、智能分詞、文本糾錯(cuò)等在內(nèi)的自然語言處理產(chǎn)品。

在本屆人工智能大會(huì)上，騰訊發(fā)布了進(jìn)一步拓展視覺人工智能能力的4個(gè)平臺(tái)產(chǎn)品，繼續(xù)深入計(jì)算機(jī)視覺領(lǐng)域研究。

科技巨頭之中，百度在人工智能領(lǐng)域的布局較早，目前，旗下人工智能助手小度，讓用戶以自然語言對(duì)話的交互方式，實(shí)現(xiàn)影音娛樂、信息查詢、生活服務(wù)、出行路況等多項(xiàng)功能的操作，是百度除搜索等產(chǎn)品外，與普通用戶交集最大的人工智能產(chǎn)品。

巨頭們似乎都已將未來的比拼重點(diǎn)放在了人工智能上，從成果上來看也取得了一定的成效。但實(shí)質(zhì)上，在推進(jìn)人工智能發(fā)展的過程中，始終存在著諸多阻礙。

首先是底層研究需要突破。在這一層面，資金投入、教育深化是基礎(chǔ)，但并不存在絕對(duì)的因果關(guān)系，技術(shù)的突破存在許多偶然性，在人工智能發(fā)展歷史中，就多次因?yàn)橄萑爰夹g(shù)瓶頸而停滯不前。

其次，在企業(yè)推動(dòng)人工智能技術(shù)研發(fā)的過程中，基礎(chǔ)研究與產(chǎn)業(yè)團(tuán)隊(duì)如何融合、協(xié)同一直是困擾各大公司的問題——谷歌也未能幸免。如何將底層研究與實(shí)際業(yè)務(wù)所需這樣的長(zhǎng)期投入與短期收益相結(jié)合，非常考驗(yàn)各大公司的投入耐心和內(nèi)部協(xié)同能力。

再次，商業(yè)化變現(xiàn)困難是現(xiàn)階段仍制約人工智能企業(yè)發(fā)展的難題。如風(fēng)頭正盛的AI四小龍，雖然從估值上看，它們的技術(shù)價(jià)值前景得到了認(rèn)可，但因?yàn)榧夹g(shù)落地難、商業(yè)模式盈利難，四小龍的IPO進(jìn)程都一再受阻，曠視在2019年8月向港交所遞交招股書，在今年2月其申請(qǐng)上市狀態(tài)已變?yōu)椤笆А保?月，有外媒報(bào)道稱商湯也推遲了赴港IPO計(jì)劃。

而商業(yè)化變現(xiàn)困難的根本原因，仍是底層研究的制約下，人工智能難以落地。

事實(shí)上，從2017年開始，人工智能行業(yè)就開啟了“存量階段”，投資人更看重人工智能的實(shí)際落地場(chǎng)景，對(duì)處于早期階段的人工智能公司，開始了保守的投資模式，對(duì)處于中后期的人工智能公司，其投資意愿有所提升。

具體的表現(xiàn)為，2016年開始，私募對(duì)人工智能公司的天使輪投資頻率開始減少、對(duì)戰(zhàn)略投資輪投資頻率開始上升：拿到天使輪的人工智能公司從2016年的301家，減少到2019年的113家；拿到戰(zhàn)略投資輪的人工人工智能公司從2016年的11家，增加到2019年的39家。

不過，在今年踏進(jìn)“新基建”的節(jié)點(diǎn)后，市場(chǎng)對(duì)人工智能的保守態(tài)度或許將有所轉(zhuǎn)變。

在2020世界人工智能大會(huì)投融資主題論壇上，中金公司研究部董事總經(jīng)理黃樂平發(fā)布了相關(guān)AI研究報(bào)告，中金認(rèn)為，“AI+5G”是數(shù)字經(jīng)濟(jì)時(shí)代的通用技術(shù)平臺(tái)，人工智能、區(qū)塊鏈、云計(jì)算、5G等信息技術(shù)與機(jī)器人、醫(yī)療、航天等場(chǎng)景相融合，催生的AR/VR、無人駕駛、商業(yè)航天等新產(chǎn)品和新業(yè)態(tài)是科技行業(yè)未來十年的發(fā)展主線。

中金公司測(cè)算，新基建、新需求、新技術(shù)在未來十年將為我國(guó)數(shù)字經(jīng)濟(jì)新增近4.3萬億元的產(chǎn)業(yè)空間。

政策推動(dòng)下，社會(huì)資源向人工智能產(chǎn)業(yè)聚集，將進(jìn)一步推動(dòng)底層數(shù)據(jù)建設(shè)、應(yīng)用場(chǎng)景拓展等，今年上半年，有多地政府加大了對(duì)智慧城市、城市大腦等的建設(shè)；疫情之下，人工智能提高醫(yī)療效率的價(jià)值也得到凸顯。

新基建的加持，對(duì)于人工智能底層研究的投入、應(yīng)用場(chǎng)景的拓展等將大有裨益。不過，在歡呼機(jī)遇到來的同時(shí)，也需要充分認(rèn)識(shí)到，人工智能不是一場(chǎng)短跑。

正如馬化騰在人工智能大會(huì)上所說，人工智能是一個(gè)跨國(guó)跨學(xué)科的科學(xué)探索工程，正在將人類的認(rèn)知推向更快更高更強(qiáng)，但目前人類對(duì)人工智能等新科技的未知仍然大于已知。

這仍是一條漫漫長(zhǎng)路。