向「AI 」轉變 人工智慧產業現狀剖析

導讀和美國目前是全球人工智慧(英文簡稱AI)產業發展的領導者，僅在2015年，兩國在學術期刊上發表的AI相關論文接近1萬篇，而英國、印度、德國和日本加起來才大約相當於中美的半數。有著全球最多的數據量，擁有巨大應用市場，正在圍繞AI構建完善的產業生態鏈。我們有理由相信，AI將成為企業跨部門業務發展的「顛覆者」，漸趨成熟的AI技術正逐步向「AI+」進行轉變。將在AI關鍵技術領域獲得重大突破，推動關鍵場景應用逐步走向成熟。

和美國目前是全球人工智慧(英文簡稱AI)產業發展的領導者，僅在2015年，兩國在學術期刊上發表的AI相關論文接近1萬篇，而英國、印度、德國和日本加起來才大約相當於中美的半數。有著全球最多的數據量，擁有巨大應用市場，正在圍繞AI構建完善的產業生態鏈。我們有理由相信，AI將成為企業跨部門業務發展的「顛覆者」，漸趨成熟的AI技術正逐步向「AI+」進行轉變。將在AI關鍵技術領域獲得重大突破，推動關鍵場景應用逐步走向成熟。

類人腦晶元：探索起步並不晚

已經存在了60多年的AI，為什麼會在2016年突然之間熱起來?這必須要提及2016年年初谷歌發起的那場AlphaGo與韓國名將李世石的圍棋大戰。雲計算帶來的計算能力指數級提升，用數據精準描述世界成為可能，機器學習的出現加快了人工智慧演算法的成熟，讓人工智慧時代到來沒商量。

4月26日，在水鄉烏鎮，浪潮舉行了一年一度的合作夥伴大會，工程院院士、浪潮集團執行總裁王恩東在大會上說，計算、數據和演算法是AI時代來臨的三個支柱。AI離不開計算力，計算力是AI的第一個關鍵基石，它既包含了以FPGA、GPU為主的硬體運算平台，專用的人工智慧計算晶元，也包含以Haddoop、Goleam為代表的軟體平台。

目前儘管與AI相關的運算只在數據中心中佔比為10%，但是增長非常快，這讓AI計算成為新的需求。AI計算晶元是競爭焦點之一。

「從字元識別、語音識別到圖像識別，對計算能力的要求是一步一步往上走的，這一步往上走離不開計算能力提升和成本的大幅下降。而很多智能設備是移動的，不管是無人車還是服務機器人，都要求續航時間，對功耗降低有迫切需求。做AI智能設備有三步，識別、推理、行動，所以不僅僅是要它進行識別，還要它進行分析、挖掘信息，計算能力和功耗之間的矛盾就變得越來越突出了。」英特爾研究院院長宋繼強在接受《電子報》記者採訪時表示。

在現有的條件利用圖形加速器(GPU)去做訓練、識別是最好的選擇，也正因為如此，英偉達的股票才蹭蹭往上漲，但通用CPU、GPU做處理AI應用並不是最合適的。於是就有了2016年8月10日英特爾對Nervana這個專用AI處理器公司的收購，其中Nervana的AI晶元處理速度是GPU的10倍。

事實上，人工智慧需要與之更匹配的晶元。集成電路的發展越來越接近於物理極限，技術難度會越來越大，成本也會越來越高，摩爾定律似乎也有失效的一天。所以研究機構和IT業界一直在探索更接近於人腦的「類人腦」計算的晶元體系架構。

2014年IBM推出了可擴展的超大規模的神經突觸計算機晶元SyNAPSE。這顆晶元類似人腦，由54億個晶體管組成，含有100萬個可編程神經元、2.56億個可編程突觸，採用了非同步驅動的方式，而不是一般計算機所使用的同步電路方式。

在類人腦晶元上的探索起步並不晚，2015年由浙江大學計算機學院牽頭，浙江大學與杭州電子科技大學的學者合作研製出了國內首款基於硅材料(CMOS)的支持脈衝神經網路(SNN)的類腦晶元——「達爾文」晶元。該課題組認為，「達爾文」雖是國內首款支持脈衝神經網路的類腦晶元，但與國際先進水平的IBM TrueNorth晶元比較還有一定距離。

在類人腦計算上的探索目前比較受關注的是科學院計算技術研究所陳雲霽、陳天石主導的「寒武紀」課題組。

據介紹，寒武紀深度學習處理器的能效比主流CPU和GPU有兩個數量級的提升，具有較強的市場競爭優勢，2016年被世界互聯網大會評為全球十五項「世界互聯網領先科技成果」之一。從2017年起，「寒武紀」課題組獲得了中科院為期18個月共計1000萬元的專項資金支持，用於項目研發及產業化。據科學院計算技術研究所智能處理器研究中心介紹，這1000萬元專項資金一方面用於人工智慧晶元的基礎性研究，探索下一代人工智慧晶元的架構、演算法以及在一些新型場景(如AR/VR)中的應用開發方法。這將為參與智能時代國際晶元市場角逐打下科學和技術基礎。專項資金另一方面用於寒武紀晶元在各種智能雲伺服器、智能終端和智能機器人市場中的推廣，力爭在18個月內初步奠定寒武紀晶元在智能晶元市場上的地位。

陳雲霽表示，現在「AlphaGo」需要數萬瓦功耗、巨大體積的雲伺服器來進行智能處理。寒武紀的目標是要讓1瓦以內功耗的攝像頭、手機，甚至手錶都能和「AlphaGo」一樣「聰明」。寒武紀的優勢集中在人臉識別、聲音識別等人工智慧方面。比如，攝像頭、手機或個人電腦、高性能伺服器嵌入寒武紀IP核或晶元后，將極大提高處理速度。

寒武紀晶元出來之後，是不是我們就不需要做龍芯了?答案當然不是。「處理器晶元是IT核心技術的根基，計算所最大的突破就是晶元技術的突破。這方面我們其實是三條道路同時在走，而且我覺得這三條道路可能長期并行。」 中科院計算所所長孫凝暉表示，龍芯是一條路，寒武紀是一條路，而與IBM、英特爾、AMD合作是另一條路。龍芯走的是「人有我有」之路，寒武紀走的是「彎道超車」之路，與IBM、AMD合作走的是「高鐵」之路。

4月25日，龍芯中科公司發布了龍芯二代，包括主頻到達1.5GHz的3A3000/3B3000處理器，其中，龍芯3A3000/3B3000的產品性能超過英特爾凌動系列、高端ARM系列，訪問帶寬達到國際主流處理器相當的水平。

類人腦晶元不僅僅是晶元換道超車的機會。向陽表示，針對人工智慧演算法設計類人腦晶元將成為未來人工智慧突破的重點，將為人工智慧未來的良性發展奠定堅實的基礎。

系統/平台：BAT最有資源去做

IBM大中華區CTO、研究院院長沈曉衛在接受《電子報》記者採訪時表示：「在系統層面，未來的計算機應該如何做目前有很多探索，有很多方法來進行性能的提升，比如利用FPGA加速，比如通用計算機與專用計算機的結合，甚至是量子計算方面的突破。」

目前，IBM、微軟、谷歌、英特爾等都推出了自己的認知服務平台，目標是聚集更多AI資源，做大生態系統。

目前在AI計算系統層面的主流的伺服器廠以及雲計算廠商都希望加入這場競爭，以各自的優勢資源聯合夥伴來打造AI硬體平台和軟體平台。今年4月21日浪潮宣布成立了AI事業部。在4月26日，浪潮與百度聯合發布了面向更大規模數據集和深層神經網路的超大規模AI計算平台——SR-AI整機櫃伺服器。該方案最大支持64塊GPU，峰值處理能力為512TFlop，比一般的AI方案性能提高5~10倍。

據有關人士透露，曙光也將成立AI事業部，如果消息確切，那麼這將是又一家以計算能力為核心的系統廠商加入AI的系統平台競爭。曙光原來就是以高性能計算髮家的，自從這幾年推出「數據」戰略之後，曙光當然不可能放過AI帶來的這一輪機會。

在系統之上，需要平台來構建新的認知應用。比如利用雲的方式來提供認知API來更快創新，更好地創造認知應用，構建開放的平台。

在，最有資源和可能性來做AI服務的平台的是BAT。這三家先後以不同的維度和力度切入AI市場，這三家互聯網平台公司都在思考如何抓住AI的機會。

2016年9月，在「2016百度世界大會」上，百度宣布開放百度大腦開放平台、百度深度學習平台，將人工智慧列為公司核心戰略。而從目前來看，百度對AI投入力度最大，而且是希望其AI開放平台能夠叫板IBM、微軟等AI平台公司。

今年，百度牽頭成立的「深度學習技術及應用國家工程實驗室」正式揭牌，兼任該實驗室主任的林元慶表示，將以百度為核心，聯合合作夥伴一起推出國家級的七大AI應用平台：深度學習平台、生物特徵識別平台、聽覺感知平台、視覺感知平台、新型人機交互平台、知識產權平台和標準化平台。

其中，深度學習平台是最基礎的平台，將由百度來搭建，核心基礎是百度的PaddlePaddle深度學習平台，希望把這個建成最大的深度學習平台。聽覺感知平台包括語音識別、語音合成、語義理解，還有後端的一些資源，將由百度和清華大學一起做。視覺感知平台，包括檢索識別、清晰圖像識別、醫學影像分析等。這個平台由百度和北京航空航天大學共建。生物特徵識別平台包括人臉識別、生物特徵識別、身紋識別、虹膜識別等身份識別。這平台會由百度和清華大學共建。新型人機交換平台會融合計算機視覺的AR，這個平台由百度和北京航空航天大學共建。知識產權保護由信息通信研究院來打造，會包括知識產權分析、趨勢研究以及研發建議等。標準化平台，則由電子技術標準化研究院來研究。

2016年 9月22日，騰訊AI實驗室宣布成立，將進行AI基礎理論研究及工程實現，推出機器人開放平台，將騰訊的計算機視覺等AI核心技術共享給夥伴。2017年5月2日，騰訊宣布成立美國西雅圖AI實驗室。

據2016年10月13日舉行的阿里雲棲大會透露出的信息，阿里正在演進，會變成雲計算、人工智慧的公司。阿里雲總裁胡曉明說，過去用IaaS、PaaS和SaaS來區分雲計算的模式，而人工智慧時代的雲計算平台相當於一個雲端大腦，不只是提供基礎設施、軟體或者平台，而是提供雲端AI，可以說是AIaaS(AI即服務)。「ET」是阿里雲正在著力打造的AI，它的特色在於基於強大的雲計算和大數據處理能力，目前ET具備語音識別、圖像/視頻識別、交通預測、情感分析等技能，並朝著大數據AI的方向發展。現在阿里雲正在打造N個ET大腦平台，去年阿里雲的ET城市大腦治理城市擁堵讓人印象深刻，在今年3月阿里雲宣布了ET醫療大腦、 ET工業大腦。 ET醫療大腦其實就是一個開放的人工智慧系統。除了阿里雲的人工智慧科學家參與，大量外部精良的演算法與醫學經驗也將被吸收其中，這樣ET將更快地成長為一名高級醫師。ET工業大腦是將阿里雲的計算能力和深度學習的能力集成到一起，在流程製造的數據化控制、生產線的升級換代、工藝改良、設備故障預測等方面發揮巨大作用，未來ET將成為一個不斷吸收專業知識的 「大腦」，指揮各種類型的工業軀體，幫助越來越多的企業實行智能升級。ET工業大腦的行業效應正在顯現，新能源、化工、環保、汽車、輕工業、重工業等不同領域的更多企業正在投入智能製造的浪潮之中。

從應用集成平台來看，目前主要集中在語音引擎系統和視頻分析軟體領域。自然語言處理以及圖像識別是目前技術最為成熟並應用最廣的兩個維度。談及語音識別，需要提及科大訊飛。語音技術，簡單來說就是讓各種機器能夠像人一樣能聽會說，其中語音識別是讓機器能聽懂人講話，語音合成是讓機器能夠說話。如今這項技術幾乎已經應用到所有行業。2016年，科大訊飛在智能語音及人工智慧核心技術上持續保持國際領先地位，持續加大投入訊飛超腦項目，努力實現「從能聽會說到能理解會思考」。

早些時間，科大訊飛董事長劉慶峰表示，在語音技術領域，科大訊飛可以擊敗蘋果和騰訊。雖然在公司市值上，雙方遠不在一個量級上，但是通過建立一個智能語音生態系統，覆蓋教育、金融、家電、醫療、手機、汽車，科大訊飛就有可能實現從200億元市值到千億元的蛻變。

創新工場的人工智慧報告顯示，雖然TensorFlow、MXNet等深度學習框架已被數以萬計的研發團隊採納，相關開源項目的數量也在飛速增加，但一個完整人工智慧生態所必備的，從晶元、匯流排、平台、架構到框架、應用模型、測評工具、可視化工具、雲服務的模塊化與標準化工作，尚需三年或更長時間才能真正成熟。希望在這一輪人工智慧生態競爭中獲得優勢，而目標比較遠大的傳統IT公司、BAT等互聯網巨頭都希望利用各方資源，讓自己能夠成為AI平台公司，成為AI生態中最有話語權的核心企業。

演算法/數據：是數據大國

這輪AI浪潮的到來，AI演算法的日漸成熟功不可沒。麥肯錫不久前公布了一篇長達20頁報告，對AI當下發展狀態進行了全面而細緻地介紹。麥肯錫認為，在演算法開發方面與其他國家相當。實際上，的研究者在開發用於語音識別和定向廣告的演算法方面已經取得突破。得益於全球的開源平台，企業能夠快速複製其他地方開發的最先進的演算法。

然而，在基礎研究方面落後於美國和英國。一個主要原因是人才短缺。美國超過一半的數據科學家有10多年的工作經驗，而在，經驗不足五年的研究人員高達40%。目前擁有不到30個專註於人工智慧的大學研究實驗室。

此外，的AI科學家在計算機視覺和語音識別等領域著力更多，相比其他專門領域不成比例。大學的AI項目也能得益於更高的數學和統計學能力，為在該領域保持全球領先付諸努力。此外也可以考慮改變提供科研經費的模式，以促進更多的創新。

這輪AI浪潮，演算法的日漸成熟功不可能，但是現在大家把注意力過多地放在演算法上，其實是有偏頗的。向陽表示，人工智慧產業的發展離不開海量數據的支撐，數據訓練量的大小影響著演算法實現的成熟度。有人說，AI這個小孩的成長離不開數據這個養料的餵養，之所以在這個時間節點能夠「瘋長」起來很關鍵的原因是有足夠豐富的數據。

阿里雲iDST總監初敏表示，演算法、數據、計算平台、用戶、商業模式，用互聯網的思維把這五個因素串起來，AI迭代才能非常快。以更快的速度使用反饋數據來更新模型，形成這樣的正循環周期后，效果就會越來越好。哪怕就是演算法不變，只要能不斷的反饋數據並不斷優化，過一兩個月之後，它的能力也會好很多。

為什麼全球的互聯網巨頭在這一輪AI浪潮中能夠獨領風騷，與其擁有大量的互聯網數據有直接關聯，在擁有最多互聯網數據的也是BAT。而事實上傳統的IT企業之所以紛紛與互聯網巨頭達成這樣或那樣的合作關係，目的也非常清晰，就想得到對方大量的用戶數據。

2015年IBM收購了Weather Company，因為這家公司擁有大量的天氣數據。2016年， IBM收購醫療數據與分析服務提供商Truven Health Analytics。這是IBM公司在一年內進行的第四起與醫療數據相關的重大交易。

另外一起引起業界轟動的數據收購是來自今年3月13日英特爾以153億美元巨款收購以色列自動駕駛公司Mobileye。資料顯示，Mobileye曾經是特斯拉Autopilot半自動駕駛系統的提供商，是27家汽車製造商的碰撞預測系統的供應商，占目前整個市場份額的70%左右。關於這樁收購，英特爾首席執行官科在奇在寫給公司員工的內部信中解釋道：「你們中很多人都會心生疑問，為什麼我們認為自動駕駛對英特爾的未來如此重要?答案是數據。我們的戰略是讓英特爾成為每一種技術、每一個行業數據革命的驅動力量。我們是一家數據公司。我們聚焦的業務、我們解決方案的提供方向，都在於創造、使用和分析海量的數據。」

公司的數據意識的覺醒並非今天才開始。從2015年開始，全國政協委員神州控股董事局主席郭為的提案就一直與數據開放共享有關。今年郭為的政協提案有四項，包括：醫療大數據、智能製造、數據的公共化與市場化、農業信息化，同時兼顧大數據的開放共享、創新應用、機制保障。

另一家同樣意識到必須從做IT基礎設施浮遊到數據層才能獲得更大價值的IT企業是曙光公司，兩年前它就開始打出了「數據」旗號，聯合眾多企業成立了航天星圖、中科三清、曙光易通，鎖定數據。航天星圖專註於地理空間大數據處理、可視化應用，中科三清由曙光與中科院物理所合資專註於大氣、水以及土壤污染的預報、預警，治理評估和應急提供可行性的解決方案。曙光易通在靜脈識別技術的基礎上，自主研製開發出了知能易通指靜脈採集驗證系統。

除了傳統IT企業在搶數據資源，事實上也湧現了很多運營和經營數據的公司，比如數據堂、星圖數據、百分點等，並湧現了更多公共數據開放平台，比如今年以來，貴州省公安、交通、等部門都在開展數據共享交換，特別是工商與國稅、地稅部門已經在共享交換平台上實現了「五證合一」「一照一碼」的業務辦理。

數據顯示， 2015年數據總量佔全球數據總量的13%，據預測，到2020年的數據總量將佔全球數據總量的比例達到20%，屆時將成為世界第一數據資源大國和全球的數據中心。

雖然將是世界上數據總量最大的國家，但是目前的數據開放和數據交易還遠遠沒有起來，要想加快AI的應用，必須要更大力度，更大範圍地構建開放數據生態，讓AI有更多的數據「飼料」。

創新工場發布的《投資AI生態，共贏智慧未來》創新工場人工智慧戰略白皮書顯示，數據隱私、數據安全對人工智慧技術建立跨行業、跨領域的大數據模型提出了政策、法規與監管方面的要求。各垂直領域的從業者從商業利益出發，也為數據的共享和流轉限定了基本的規則和邊界。此外，許多傳統行業的數據積累在規範程度和流轉效率上還遠未達到可充分發揮人工智慧技術潛能的程度。

麥肯錫表示，在數據方面，首先，的大技術公司通過它們專有的平台收集數據，在創建數據友好(data-friendly)的生態系統方面落後於美國，缺少統一的標準和跨平台的共享。第二，世界各國都發現，開放政府數據有助於私營部門的創新，但的公共部門開放的數據相對少。最後，限制跨國的數據流動(data flows)也使處於全球合作中的不利地位。

場景/應用：今年是AI落地年

近年來，人工智慧在語音、語意、計算機視覺等領域實現了很大的突破，並加速應用到生活的各個領域。在科大訊飛董事長劉慶峰看來，2017年是人工智慧應用的落地年，成為人工智慧產業發展的分水嶺。他認為，應用才是人工智慧發展的硬道理，只有技術不斷地應用在各個領域，才能得到發展。

「沒有場景支持的AI研究是空中樓閣。」騰訊集團董事長馬化騰這樣說。這些年，人工智慧技術的快速發展，讓AI在個人助理、汽車領域、醫療健康、安防、電商零售、金融、教育等方面的應用覆蓋了生活的各個方面。

百度公司總裁張亞勤表示，百度要做人工智慧時代的操作系統，需要建立一個生態，沒有場景的人工智慧是沒有用的。百度未來10~20年的戰略都押注在人工智慧領域，公司所有的資源和技術都向其傾斜。所以，百度將其和家居、醫療、汽車、教育等垂直行業結合，並和家電企業、汽車廠商等企業進行合作，開放數據API，希望加快各個行業的智能步伐。

人工智慧在汽車領域的應用前景十分廣闊，其中自動駕駛最受人關注。在自動駕駛領域，很多廠商已經深耕數年，這讓2016年成為自動駕駛充分競爭的一年。今年百度智能汽車正式亮相，向全球展示了百度在高精地圖生產製造、自動駕駛環境感知等領域的領先技術，併發布自動駕駛開放平台RoadHackers。通過應用AI技術，能夠提高公共交通和交通系統的安全性和效率，自動駕駛車輛也可以減少交通事故、緩解交通壓力，為實現指揮交通發揮重要作用。日前，阿里巴巴與杭州市政府合作，通過整合AI技術的交通信號燈使城市交通更加智能化，減少了擁堵，在特定區域提升了11%的交通流量。吉利汽車搭建新一代核心業務系統整體上雲，實現了傳統業務的在線化和數據化運營，助力吉利汽車引領汽車行業的「互聯網+」潮流。

很多行業專家認為AI將成為企業跨部門業務發展的「顛覆者」， 隨著人工智慧的發展，漸趨成熟的AI技術正逐步向「AI+」進行轉變。相較於受到技術和法律限制的無人駕駛汽車，更多人認為智能醫療顯然更容易實現「落地」。智能診療系統可以大幅度提高醫生診療效率，準確率也更高，機器人的智能健康體檢系統也可快速建立個人健康檔案，因此不少企業和科研機構正在布局智慧醫療領域，成為廠商布局AI的下一個「藍海」。據了解，日前國防科技大學相關團隊研發的醫療機器人對外公布，該機器人通過運用超級計算機的大數據運算以及人工智慧技術，可以提供挂號、診療、體檢等一體化智能醫療服務，包括智能挂號、智能診療、智能健康體檢三大功能系統。百度在醫療O2O智能分診、人工智慧參與的智能問診、基因分析和精準醫療、基於大數據的新葯研發等四方面進行研發，期望把幾十萬台伺服器的運算能力和最先進的演算法，運用到醫療和健康領域。

AI與金融的結合也是非常前沿而熱門的領域，比如智能投資顧問、金融預測與反欺詐融資授信、安全監控預警、智能客服以及服務型的機器人等都成為企業研究的熱點。例如，浙商銀行打造金融行業雲，解決了吞吐量大、高併發等問題，建立大數據分析處理平台，創新銀行用戶畫像、徵信、風險預警等大數據服務;平安科技大數據平台產品「平安腦」已經在提供服務，應用於風險量化、反欺詐、智能推薦、健康醫療、智能運營等領域。

在人工智慧成為全球IT巨頭最新角斗場的今天，家電行業也掀起了人工智慧的熱潮，不少家電企業都瞄準了人工智慧，有些企業潛心研發AI技術，將其應用於家電產品，而有些企業則是通過併購或合作等手段，切入機器人市場。

在今年以來，長虹、美的、格力、格蘭仕等都在向智能製造轉型，在機器人生產及應用領域進行布局。同時，幾乎所有的家電廠商都立足「Smart Home」，將人工智慧和智慧家庭更緊密地結合在一起。今年在長虹發布了以電視機為中心的人工智慧平台AI Center，TCL也在彩電春季新品發布會上首次揭開人工智慧電視面紗，聯合各方在人工智慧及雲服務上將數據打通，實現資源共享。此外，包括小米、微鯨、愛奇藝等互聯網企業也看好AI發展前景，進行大力布局。據愛奇藝首席技術官湯興介紹，愛奇藝引入了AI大數據機器學習技術，進行類准識別，使防盜刷系統變得更加高效。可以看到，在智慧家庭領域，廠商已經開始從硬體產品到內容服務、大數據整合以及人工智慧等多維度打造智能客廳，搶佔極具價值的家庭入口。

儘管我們已經看到AI在越來越多的領域開花，但是李開復表示，除少數垂直領域憑藉多年大數據積累和業務流程優化經驗，已催生出營銷、風控、智能投顧、安防等人工智慧技術可直接落地的應用場景外，大多數傳統行業的業務需求與人工智慧的前沿科技成果之間尚存在不小距離。面向普通消費者的移動互聯網應用與人工智慧技術之間的結合尚處在探索階段。

市場/投資：AI概念確實有點過熱

人工智慧正在描繪一個巨大的市場未來，人工智慧將催生數個千億美元甚至萬億美元規模的產業。以金融行業為例，據高盛公司估計，到2025年人工智慧可通過節省成本和帶來新盈利機會創造大約每年340億至430億美元的價值。賽迪顧問數據顯示，2015年全球人工智慧市場規模為1683.9億元，預計2018年將逼近2700億元，年複合增長率達到17%。麥肯錫預計，至2025年人工智慧應用市場總值將達到1270億美元。

當一個產業熱起來，必然伴隨著資本熱投。全球對人工智慧的投資金額數據顯示，2016年為42.5億美元，近五年的年均增長率達到50.11%。從人工智慧企業的合併收購和IPO的數量來看，從2012年的僅僅2項上升到2016年的68項，人工智慧領域的全球風投也從2012年的 5.89億美元猛增至2016年的50多億美元，可以說整個市場是越來越活躍。截至今年1月，創新工場投資了30多家直接利用人工智慧技術創造商業價值的創業公司。

目前，各地政府也密集出台人工智慧產業配套扶持資金政策，真正解決了企業發展的實際問題，目前已經有超過30個城市將機器人產業作為當地的重點發展對象，各地政府建成和在建的機器人產業園達到40餘家。從各地產業政策上看，北京提出的人工智慧產業扶持領域最為全面，覆蓋了從腦科學到智能硬體製造的全產業鏈環節;上海作為國家機器人檢測與評定中心總部，提出到2020年平均每年新增3000台以上機器人;瀋陽作為國家機器人檢測與評定分中心之一，擁有新松機器人等企業基礎，政策上提出設立200億元機器人產業發展基金。在未來5年，北京、瀋陽和上海將在人工智慧產業實現領先發展。

從投資領域價值分析來看。創新工場認為，在金融、醫療、安防、教育、能源、機器人、互聯網產業升級、傳統行業的流程自動化及商業智能等方面，人工智慧都具有千億美元以上的市場潛力。而自動駕駛技術對於交通運輸和汽車製造業的顛覆，更具有無法估量的經濟價值。

賽迪顧問從市場進入空間、價值爆發時間點、技術成熟度、產業回報率等方面對人工智慧相關投資機會進行分析認為，從產業投資回報率分析，機器視覺值得投資。目前圖像識別的技術成熟度低於自然語言處理，為新興企業從軟體技術上突破帶來機遇，尤其以「face++」和格林深瞳為代表，迅速崛起。在自然語言處理上，科大訊飛佔領70%以上市場，具備了一定技術壁壘，語音識別領域已經較難切入。

從技術成熟度分析，深度學習值得投資。深度學習為這輪人工智慧產業颳起了強勁颶風，「AlphaGo」的成功最核心價值就歸功於它，目前互聯網廠商紛紛推動深度學習平台建設，比如阿里DTPAL、百度大腦，硬體廠商則忙著推出深度學習一體機，比如中科曙光聯手英偉達推出的XSystem、華碩攜手吉浦推出深度學習一體機ZenSystem。未來而言，開源和雲計算將是主流，所以基於雲平台的深度學習的投資價值不言而喻。

從應用和技術自主度分析，服務機器人和智能無人設備值得投資。目前智能工業機器人75%以上被國外「四小龍」分食，尚處於工業機器人的普及階段，因此具備人機交互、環境感知的智能工業機器人普及仍有待時日。而在服務機器人和智能無人設備領域，軟體集成方面已經具備國際領先水平，通過攻克相對較低的硬體研發門檻，將能夠實現快速市場普及。同時，人工智慧能與社會生活各個領域緊密結合，家庭清潔機器人、殘障看護機器人、宅住安全和監護機器人應運而生。隨著老齡化社會的到來和人們生活水平的提高，能夠提供教育、醫療、娛樂等專業化服務的智能機器人開始受到追捧。服務機器人和智能無人設備將成為投資新藍海。

作為一名投資人李開復表示，在選擇人工智慧項目時會注重三個因素：一看創始人團隊中是否有技術專家;二看是否能夠解決實際的商業問題;三看是否針對單一領域。尤其第一點，例如創新工場投資的無人駕駛公司馭勢科技CEO吳甘沙，便是原英特爾研究院院長。

就像李開復談及的投資首要因素是人一樣，現在AI的人才在市場上的價碼也越漲越高，新一輪開源化浪潮將成為人才爭奪的主戰場，目前各家

公司都在積極招募機器學習人才。李開復甚至認為，當下

概念確實有點過熱，明年初將會出現第一波倒下的AI公司。