2017年的AI

Part 1 无处不AI

AI元年

AI并非一蹴而就，其诞生和发展的历史足以追溯到1943年，经过半个世纪的沉淀和发展，当深度学习在2016年被提出，AI再次取得突破性发展后，大众对AI的认知被提升到一个新的高度。

与以往都不同的是，2017年被科技界公认为AI元年，在这一年里，除了Alpha Go、百度小度为代表的AI明星们带给我们惊喜，然而，这个被认为有自我学习能力的人工智能究竟进步了多少呢？

事实上，我们提到的AI和《黑客帝国》里的母体、《终结者》里的天网都不一样，我们完全没有必要神化、或者妖魔化这项技术。而从行业的角度来看，2017年便拥有150亿元的规模（2018年预计为200亿以上）的AI领域尚处于初生期，太多应用需要从零开始；在科学家的眼中，AI是神经网络、深度学习、虚拟代理、机器学习等多种技术的总称，甚至整个科学界都对人工智能还没有一个规范的界定；在各个厂商的眼中，人工智能是重新建立技术壁垒的机会，未来那怕把握住 AI其中一个领域，开启的或许就是一个万亿级的市场。

但事实上，人工智能尚不能自我进化，还需要人们投入巨大的精力去塑造这项“伟大”的技术。拥有深度学习的Alpha Go之前所做的一切在业界看来，仅是做了一次堪称完美的终端市场消费者培育，而这个市场的核心在于亚马逊、谷歌、英特尔、NVDIA各大巨头间的竞争和融合，还在于华为、联想之类的终端厂商循循引导。2017年的“元年”之称，象征意义远大于实际意义，或许在未来的某个节点，人们再次冠以 “AI爆发年”等名头也不足为奇。

被资本宠坏的骄子

从媒体、大众到投资人、机构，AI绝对是2017年市场的宠儿，全面爆发的AI在2017年给大众留下了极为深刻的印象。年初，由卡耐基梅隆大学团队研发的人工智能系统Libratus和4位德州扑克顶级选手展开了一场为期20天的鏖战，经过12万手牌的比赛，Libratus获得了最终胜利，赢取了20万美元的奖金。

虽然德州扑克在国内的热度不如围棋，但“不完全信息博弈”的德州扑克难度更高，更能体现出AI的进步。十月，由汉森机器人技术公司（Hanson Robotics）推出的网红机器人Sophia正式获得了沙特的公民身份，成为第一个有公民身份的机器人。此外，百度DuerOS系统升级、微软陪聊机器人Magic Radio、谷歌深度学习工具TensorFlow Lite等产品都给大众留下了深刻印象。

这些2017年AI领域“大事件”或“明星”的背后，则是资本市场的暗战和巨头的角力。Facebook、谷歌、微软、苹果、亚马逊等全球顶级互联网科技公司都在2017年高举资金大棒，大肆并购AI企业。

整个2017年，AI领域热闹非凡，而这一切的背后，同科技厂商技术方面的突破密不可分。

AI是个全面发展的“好学生”

与我们以往提及的PC、手机等实体产品、或者5G、基因等技术不同，AI更像IT一样是一个非常宽泛的概念。我们刚才提及的自然语言、深度学习、虚拟代理、机器学习仅是其中之一，任何一项技术的进步均将驱动为数众多的应用落地。至今为止，没有一个科技巨头敢说自己能够包揽AI技术的一切。正是春兰秋菊、各擅胜场的局面带来AI的“全面发展”。

时常挂在科学家口中的深度学习则需要以语音和图像识别方法的基础，并通过人工神经网络技术，确保机器能够像人一样“交互”。其中虚拟代理也是当前很热门的领域，从简单的聊天机器人，到可以与人类进行交际的高级系统（比如用作客服），这个领域上则是亚马逊、苹果、Artificial Solutions、谷歌、IBM、微软和Satisfi等厂商争夺的焦点。在机器学习领域，则是拥有大数据和算法背景厂商的自留地，此外还需要拥有部署能力、像CRM、Marketing、ERP等软件供应商的支持。

技术为驱动力

以不同的驱动力为核心划分AI发展的不同阶段，可以分为技术驱动、数据驱动和场景驱动三个时期，目前AI市场依旧处于技术驱动阶段，算法和计算力对AI的发展起到主要推动作用。

目前主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原能力。相对于大众难以理解的算法，由芯片、超极计算机、云计算三驾马车构成的计算力则更直观一些。

以芯片为例，处理器龙头英特尔在AI领域扩展多款服务器运算技术、强化软件程序码效能，以及并购新创公司。针对产品，英特尔改良谷歌AI程序库TensorFlow在英特尔运算架构的执行效能，并在处理器类建低阶软件原始指令。而在整体布局方面，英特尔依托至强硬件，打造了包括底层硬件、深度学习库、框架、以及平台级解决方案的完整AI生态体系，并且陆续推出了如Nervana神经拟态计算芯片、Movidius视觉计算棒等平台，为人工智能领域的开发者们提供最优化的平台解决方案，帮助其缩减成本、提高效率。

事实上，除了英特尔以外，NVIDIA、高通、三星、华为麒麟等等芯片厂商都在积极推动AI战略的实施，未来，更适用于网络神经算法的NPU、FPGA等芯片量产化并融入超极计算机芯片矩阵将成为近几年AI计算力提升的重点。

Part 2：首先落地的语音

最让大众亲近的AI技术

技术的驱动让AI在2017年全面爆发，对于大众消费者而言，语音助手成为人们接触并了解AI的第一步。多年以前，人们对语音识别的理解更多在于文本和语音的转换，而在2017年，语音识别已经成为物联网时代人机交流的全新方式，全球各大科技企业都在语音助手领域投入了大量的资源，加上神经网络和先进算法的运用，“听得懂”我们语义的语音助手征服了越来越多的消费者。

虽然语音助手本身能够应用于诸多场景，但经过多年的沉淀和发展，各家语音助手倾向和擅长的领域多少有些不同。亚马逊、云知声、科大讯飞等企业主要集中于智能家居领域，而百度、谷歌则将重头放到了无人驾驶领域，类似智能客服、虚拟助理、智能车载等领域也有相应企业做布局。

事实上，各领域语音识别技术本身不可避免的存在交集和重叠，各科技巨头更倾向生态圈式布局，而智能音箱产品在2017年的全面崛起，让各家智能语音助手在该领域展开直接竞争，不过中文语音市场的独特让国内语音助手市场呈现出两强争霸的格局。

语音市场很难一家独大

在全球语音市场，谷歌和Nuance拿下了六成的市场份额，而苹果和微软也获得了超两层的市场，整体群雄并立的格局比较明显，但国内语音市场份额却出现科大讯飞和百度两家争雄的格局，前者拿到了近五成的市场份额，后者也获得了近三成的份额，两家在国内语音市场拥有绝对的话语权。

科大讯飞专注于To B端语音识别市场，以讯飞超脑、AIUI为内核，积极打造基于讯飞开放平台的AI生态，面对不同场景，推出覆盖全行业的语音产品及服务，在智能家居、智慧教育、智能汽车、智能医疗等多个领域都有相应的合作伙伴，成长迅速。

百度语音同样强调To B端市场，将百度在人工智能领域积累的技术以API或SDK等形式对外共享的在线平台，凭借其在搜索领域的沉淀和OCR、人脸是被、NLP等服务的布局，其AI平台综合战略布局非常抢眼。同时，百度本身拥有DuerOS、Apollo两大行业生态，其潜力也非常可观。

除了这两家外，阿里、腾讯同样在语音助手领域布下重兵，积极争夺市场，而小i机器人、云知声等企业，在细分市场也具有不错表现。

多样性给新进者机会

作为有望开启下一个人机交互时代的语音，以微软、谷歌、苹果为代表的科技巨头们早已谋划多年，除自身投入巨大资源进行研发外，更持续多年以并购、注资形式不断构建AI语音平台，从这个角度看，全球语音识别市场大者恒大的格局正在形成，在资本和技术的碾压下，创业者和后进者更多的机会在于长尾和多样化的细分市场。

除导航、专业翻译、医疗教育等大众认知的传统细分领域外，语义识别也是众多“新人”们的机会，而三角兽、出门问问等在语义识别领域的拓展已经在2017年给人们留下了深刻印象，三角兽的智能语音交互功能已经被应用在Rokid、锤子手机、威马汽车等产品身上。

此外，IBM Watson的ROSS、国内的无讼、法律谷等产品在律师行业的精耕也让人们对于语音应用的细分有了更深刻认识。

Part 3：视觉识别才是更大的蛋糕

让AI看到这个世界

语音交互无非昂AI拥有了“听见”甚至“听懂”这个世界的能力，而在AI成长道路上，“看”同样是AI生态不可或缺的一环，让计算机模拟人的视觉系统，实现人的视觉功能，以适应、理解外界环境和控制自身运动，可以说是2017年AI成长的重要方向。

图像识别和人脸识别是计算机视觉应用场景的两大分类，其每一类又可继续细分为动、静态两个类别，相对于图像识别，动态人脸识别是2017年创业热度最高的细分领域，除以Phone X、华为等企业为代表的手机人脸识别功能外，金融与安防同样是2017年人脸识别的重要布局。

除智能手机用户“刷脸解锁”外，银行ATM机“刷脸取钱”成为2017年人脸识别大众热议的焦点。2017年下半年开始，农行、建行、招行等银行体系争相推出“刷脸取款”业务，人们无需携带银行卡，只需要站在农行ATM机前，看一眼摄像头，再输入手机号、取款金额、密码，自动吐钞，拿走现金。

芯片始终是基础动力

AI应用的深入离不开软硬件厂商的支持，英特尔、英伟达等上游芯片企业提供嵌入式芯片的同时，触景无限一类专注于前段嵌入式软硬件方案的企业，会将人脸识别、物体识别、双目测距、GPS、TOF、IMU等多种传感器、数据处理平台和压缩算法模型整合到视觉卡中、

在具体产品方面，触景无限V10X系列视觉卡已经量产进入大众市场，而二代V20X系列也已经发布，其产品被广泛应用于安防、无人机、机器人、智能汽车辅助驾驶等领域，这类针对B端市场的产品很少直接出现在人们面前，但终端产品不断完善的视觉系统，依旧给用户带来更出色的应用体验。

不可或缺的算法

相对于芯片而言，算法同样是机器人视觉应用领域不可或缺的一环。无论是个人远程身份认证、刷脸门禁考勤等基础的机器视觉识别应用，还是智慧安防想要覆盖的人脸布控或最常见的人脸美颜、视频美化等应用，视觉算法都是最底层的支持。

以专注于计算机视觉算法研发的商汤科技为例，其在过去的几年时间里已经通过与京东、小米、新浪微博等应用层级公司合作，让计算机视觉算法更好地融入多类细分领域，而商汤科技与科大讯飞合作研发具备人脸+语音双重识别的产品、与英伟达合作研发适用于深度学习的GPU芯片，不仅仅让计算机视觉识别应用在2017年快速成长，更在阿里、百度、微软等巨头的帮助下，技术从研发到落地都快速推进着。

Part 4：从智能出行到无人驾驶

对很多百度员工来说，CEO李彦宏在五环上用自动驾驶遛了个弯，并接了张罚单也是2017年可以津津乐道许久的话题，至少我们普通人很少能够接触到这个先进的AI技术。

汽车厂商和科技企业的博弈

但在汽车领域，人工智能的步伐并没我们想像那般快，至少从车企的层面，对于科技领域的接受度并不那么高。早在数年前，苹果在开发CarPlay时便希望借这个智能交互平台在汽车厂商处打开智能出行的局面，但至今为止，CarPlay依旧不能实现开关车窗这样的简单动作，那是因为少有汽车厂商愿意开放ECU。

国内，科技企业同样希望借互联网汽车的东风进入汽车领域，比如百度的Carlife车机、腾讯的和谐富腾新车孵化公司，最出名的莫过于阿里的AliOS，也是市面上唯一实现商业化量产用途的完整的汽车操作系统。之所以要提及这些，这是因为汽车系统同样也是打开人工智能入驻的最快通道，众多第三方技术可以通过这个渠道进驻汽车。

当然，在人工智能化的道路上也有其他通路，比如一直就很关注自动驾驶的Volvo，不过受限于技术成熟度和法律限制，其量产车上也仅有被命名为驾驶辅助的基础AI功能，更多是实现跟随、主动安全等应用。此外，NVIDIA和英特尔则是科技界的另一大异类——利用CPU或GPU强大的芯片运算能力，两大科技厂商向汽车厂商以解决方案的形式提供了自动驾驶的方向。

游戏规则颠覆者

按英特尔公司CEO科再奇的说未能：“自动驾驶已离我们如此之近。”英特尔如今拿出的并非完美的自动驾驶技术，而是一项“自动驾驶系统安全模型”。在收购Mobileye等数家AI厂商后，英特尔已经走在了行业前端，其Mobileye EyeQ5与NVIDIA Xavier并称两大自动驾驶的“新眼睛”。英特尔的优势在于其深度学习性能效率+完整的端到端的解决方案，打造从车到云的全栈数据能力。正是在2017年中，德尔福、大陆集团和菲亚特克莱斯勒陆续加入由英特尔、宝马和Mobileye创立的自动驾驶全明星联盟。从汽车厂商的角度来看，自动驾驶是目前最强的游戏规则颠覆者，但与前两年相比，汽车厂商的态度已经从抗拒转向了合作。

虽然关于自动驾驶的法律层面问题尚未解决，但自动驾驶的科技厂商决定从“安全”的角度入手，证明当前自动驾驶的可靠性，这不能不说是一条更易于被公众接受的道路。从自动驾驶的技术角度来看，基础的布局已经完成，所需要的是更为成熟的数据模型和硬件的部署，以及大数据的深度学习过程，这正是人工智能的拿手好戏。

自动驾驶让我们看得更远

2017年对于自动驾驶来说是极为重要的一年，这一年里经历的是不仅技术的成熟、汽车厂商的接受，还包括所有人在这个机会里看得更远。如果驾驶者不再驾驶，那么被解放出来的时间将被各个厂商们换算成巨大的利益,加上自动驾驶在安全上带来的效益，那么这块蛋糕将被全社会共享。

Part 5：未来即来，提前布局

可预期的AI+全面爆发

AI芯片、算法或应用对于更多的行业而言都属于辅助性、底层的存在，而AI在2017年的全面崛起，也带动了其它领域的更新换代。目前而言，AI+已经全面渗透进入安防、医疗、金融、家居、教育等领域。

以AI+医疗为例，第五代Da Vinci X系统机器人在2017年登场，添加了声音系统、镭射引导系统以及轻量级内窥镜等新功能，机械臂的体积也更小，功能也更多，国内持续引进达芬奇手术机器人的同时，其在2016年全年手术量已接近2万台，这一数据在2017年已逼近3万台，持续保持高速增长的状态。

而在AI+金融领域，除了涨得让人目瞪口呆的比特币带动的区块链技术，大数据征信、普惠金融等等AI+金融应用也逐步渗透到了大众生活，从B端到C端，AI一步步渗透进入人们的日常生活中。

AI玩家的野心

iiMedia Research(艾媒咨询)数据显示，中国人工智能产业规模2016年已突破百亿，以43.3%的增长率达到了100.60亿元，预计2017年增长率将提高至51.2%。对于这样一个规模庞大且具有不俗增长空间的市场，自然吸引到大批玩家的到来。

目前AI领域的主要玩家由表现活跃的VC/孵化器/加速器、企业战略投资者、科技巨头投资布局等三个方面组成，玩家数量呈直线上升的同时，也推动了整个AI领域的快速成长。相对于银行、对冲基金、共同基金构建的AI资本玩家而言，Facebook、亚马逊、谷歌、微软、苹果等科技巨头的持续并购也成为AI在2017年一道独特的风景线。

谷歌收购计算机视觉公司AIMatter、Facebook收购了总部位于帕洛奥图市的AI初创公司Ozlo、谷歌并购热门数据科学平台Kaggle和AI创业公司Halli Labs、微软收购擅长自然语言理解研究的Maluuba、苹果收购以色列面部识别企业RealFace、亚马逊收购专注网络安全和机器学习技术创业企业Harvest.ai等等事件，都成为2017年AI领域可圈可点的案例。

这些收购的行为只是表现，以近来重组了公司构架的Google为例，将搜索业务和包含了新收购的其他前沿项目子公司都放进了控股公司Alphabet公司，这并不仅仅为了优化股价。在经过了搜索和广告业务的积累，Google形成了一套GoogleBrain的模式，其实也就是以机器学习为核心，利用平台化优势，来解决所有领域的问题。

席卷AI领域的人才争夺战

各大巨头在收购AI公司的同时，也在人才等其他资源上竞争激烈。Google甚至给予博士才毕业的新人超过200万美元的年薪，按Google的原话来说，就是Google多雇一个，Facebook就少雇一个。

在国内，大数据及AI人才在2017年需求迅猛增长，招聘人数猛增6倍。大数据开发类职能增长幅度最为惊人，达795%，图像视觉、智能硬件类职位随后，分别达到597%，520%。独角兽公司的人才流动呈现两极化。百度、科大讯飞、微软亚洲研究院的人才外流趋势显著，科大讯飞流入流出比值最低，仅0.45；京东则在人才流入方面表现强劲，这一比值高达3.09，位居十大公司第一。值得一提的是，2017年近5成人工智能人才聚集在北上深，为相关企业成长提供了源源不断的动力。

除了对人才的争夺外，专利和知识产权的（IP）竞赛同样也是全球AI相关企业争夺的关键。巨大的资源投入推动着AI技术的升级换代，而专利和知识产权的（IP）成为各家争夺话语权的关键，从某种意义上讲，AI也会渐渐延伸为一场同时间的竞赛。

写在最后：

2017年，大数据与AI的热度蔓延到了各个领域，无人驾驶、无人超市、智慧城市……各种与AI黑科技成为热搜名词。在刚刚结束的互联网大会上，各个科技公司掌门人都希望以自己的方式定义人工智能，“人工智能+”等新概念层出不穷，可谓鲜花着锦、烈火烹油局面。但事实上，今天的AI与半个世纪以前的技术定义已经有很大的差别，无论从2016年算起、还是从2017年算起，AI重回人们视线焦点的时间并不长，那怕巨资注入也很难短时间内产生质变。比如以深度学习为代表的技术推动了专用智能的巨大成功和广泛应用；但另一方面，现有技术的诸多局限，并没有因为人工智能的“走红”而得到明显突破。

我们之所以要回顾2017年的AI，还是希望公众对这个行业有一个理性的认知，预期和现实有多少距离。当然我们希望借这个话题平台，邀请更多的科技巨头、行业专家现身说法，将AI真正带到消费者身边。当然，对于新生的AI，未来的一切都是美好的，我们也希望是善意的，2018年的AI，是更为可期的。