深度人工智能教育范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇深度人工智能教育范例，将为您的写作提供有力的支持和灵感！

篇1

一、高职教育现状

（一）客观层面

（1）社会面。当前社会发展处于转型关键期，高职教育迎来全新发展机遇，对人才培养质量不断提高。传统思想中，家长学生都带着有色眼镜看待高职教育。随着社会给技术技能型人才提供很多高薪岗位，部分学生主动选择高职院校进修学业，提高自身技能水平。高职院校必须以社会发展趋势为导向，及时调整自身发展战略。（2）政策面。在新课程改革视域下，政府高度重视高职教育的发展，出台了多项扶持政策，如《国家职业教育改革实施方案》《职业学校专业顶岗实习标准》《关于推进高等职业教育改革创新引领职业教育科学发展的若干意见》等，极大的推动了高职教育的稳定发展。

（二）主观层面

（1）教学理念。高职教师受传统思想影响，往往重视成绩和理论知识，亟需引进新的教学理念，并落实在实际教学中。高职院校已经意识到人工智能时代，自身转型创新的必要性，正积极将全新的教学理念贯穿在人才培养过程中。（2）教学方式。高职教育逐渐创新教学方式，将顶岗实习、校企合作、实训教学等应用在常规教学中，适应时展，彰显职教特色。但在实际教学中，教师理念未发生变化，能力无法满足新型教学方式需求，存在亟需改进优化的地方。（3）教学体系。只有完善的教学体系，才能为高职教育的改革创新提供依据参考。当前高职教育体系中含有诸多不足，如学科单一、理论与实践比重不协调、知识内容陈旧等。高职教育要想适应新时展趋势，应积极完善教学体系。

二、人工智能现状

（1）国家战略。近年来，国家高度重视人工智能发展，国务院《关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号），提出科技创新的主要方向是人工智能，提倡积极构建全新的人工智能科技创新协同机制，进一步完善人工智能教育体系，实现人才储备和梯队建设的目标，推动智能经济的发展。各部委也积极颁布一系列政策，如《智能制造2025》《“互联网+”人工智能三年行动实施方案》《机器人产业发展规划（2016-2020）》等[2]。可见，国家为人工智能技术的发展提供了充足动力，人工智能已成为国家战略的一部分。（2）产业发展。多年的探索，人工智能技术有了明显提升，在问题求解、泛逻辑理论、不确定推理、拓扑学、图像处理、模式识别、专家系统等方面有了显著研究成果，一部分成果甚至领先世界水平。例如我国在模式识别领域的研究，文字识别、语言识别、虹膜识别都取得优异成果，被广泛应用在生物医药、机器人视觉研究、卫星遥感、自主导航、军事等领域。企业十分关注人工智能技术的发展应用，像360人工智能研究院、阿里人工智能研究院、百度人工智能研究院等。人工智能技术的深度研究，使应用和商业价值最大化。据不完全统计，2017年人工智能产业创造700亿元市场价值，预计在2020年产业规模超过1600亿元。

三、人工智能推动新时代高职教育转型发展的必要性

（一）技术技能型人才的需求

高职教育发展的目的是培养适合岗位需求的技术技能型人才。人工智能时代，先进技术的广泛应用，大部分岗位对人才的需求发生明显变化，逐渐形成了“机器换人”的局面。企业中简单、重复、劳动强度大的岗位，都由智能机器人予以代替。例如在京东电商的物流中，出现无人机配送方式，直接冲击了传统人工物流配送模式。相信在不久的将来，会有更多的智能机器人走向物流配送的工作岗位，形成全新的工作体系。此外，在生产制造的质检环节，由于传统人工监测方式存在诸多不足，应用人工智能的图像识别技术，可以实现对产品质量的动态检测。可见，人工智能时代会有大批岗位“消失”，取而代之的是智能化机器人。高职教育必须转变以往的教育模式，顺应时展趋势，结合社会岗位对技能人才的需求，调整高职教育方向，实现高职教育价值。

（二）国家发展战略的要求

以往的发展致力于“中国制造”，但新时代“中国制造”已无法提升综合国力，国家必须调整发展战略。人工智能时代将“中国制造”转变为“中国创造”“中国智造”。这一发展战略的转变，能看出先进科学技术在国家发展中的重要地位。为了2025年实现“中国智造”的目标，高职院校创新人才培养模式，顺应国家发展战略的调整。同时，高职教育转型过程中，转变以往以理论、成绩为主的思想观念，对人才进行更加系统的培养，调整理论知识、实习实践之间的关系比例。人工智能时代的高职教育转变与创新，可以加大对学生创新意识的培养力度，使人才综合素养得到更好提升，满足“中国创造”的需求。

（三）学生自身价值实现的需求

篇2

人工智能的这种神奇魅力吸引了各大科技公司，谷歌、Facebook、IBM等国外科技巨头纷纷通过成立人工智能实验室、并购初创公司等方式，在人工智能领域进行多点布局。百度亦不例外，在人工智能方面的研发可谓不遗余力，更是第一个把人工智能提到核心技术创新地位的国内互联网公司。

2015年底，百度挖来NEC美国智能图像研究院的负责人林元庆担任百度深度实验室主任，由他带领深度学习实验室研发具有统治级别的人工智能技术。在本刊的专访中，林元庆表示，“我觉得中国的互联网节奏非常快，尤其是人工智能的发展。现在人工智能的刚需已经很明显了，可以说非常旺盛，关键是如何把刚需挖掘出来，做出来，这才是重要的。”

百度大脑是百度人工智能的核心

《网络传播》：百度大脑目前有哪些阶段性成果，其价值体现在哪里？

林元庆：百度大脑已建成超大规模的神经网络，拥有万亿级的参数、千亿样本、亿级特征训练，能模拟人脑的工作机制。通过深度学习、大规模计算和大数据三大部分，百度大脑目前已经具备了语音、图像、自然语言理解和用户画像四大前沿能力。以语音识别为例，目前百度语音识别的准确率能够达到97%。在人工智能时代，百度大脑将是百度向社会输出人工智能技术能力的核心，经过长期的投入与布局，未来百度大脑不仅将像百年以前的电力一样成为商业新能源，更将深入到生活中，将电影中的场景变为现实。

《网络传播》：百度大脑宣布对广大开发者、创业者及传统企业开放其核心能力和底层技术开放，是出于何N考虑？

林元庆：百度大脑开放共享的思路，实际上是希望在时代变革大幕开启之际，助力广大合作伙伴全面共享人工智能时代，完成下一幕的转型升级。百度大脑未来将与各行各业结合，衍生出不同领域的行业大脑，比如医疗大脑、交通大脑、金融大脑等。目前，百度大脑已经应用到教育、金融和娱乐等多个行业。

人工智能渗透百度所有产品线

《网络传播》：今年基本上全球各大互联网公司都把人工智能作为最核心突破的领域，在这一领域，百度和其他公司的战略方向有何不同？

林元庆：百度在人工智能领域起步早，布局领域广，并且已经有很深的积累，既实现了对内业务的支持，也进行了大量对外技术的输出。目前，百度的人工智能几乎已经渗透到百度所有的产品线当中，以此改进百度全线产品的用户体验并提升用户黏性。比如说手机百度的语音搜索、凤巢的推广系统以及百度外卖的调度系统、百度金融结合人工智能给用户的画像等等。接下来百度一方面将进一步提升各项人工智能技术，打造平台化的对外输出能力；另外一方面还将着力把这些人工智能技术和能力应用到具体行业和垂类中，提升行业的效率，促进行业变革。

《网络传播》：虽然业界普遍认可人工智能的巨大前景，但在目前来看，人工智能在短期内还很难看到盈利，那么，怎么看人工智能的普及和商业化？

林元庆：人工智能已经为百度的搜索业务提供了巨大帮助。人工智能的发展和普及有四大关键性的支柱――机器学习算法（特别是深度学习）、大数据、大规模计算，以及可供以上要素不断训练迭代的大应用。目前，人工智能在前三个领域都已经有了一定程度的突破，同样关键的是人工智能技术的大规模应用，只有在制造业、医疗、汽车驾驶、娱乐等各个领域各个场景的不断应用，才能形成“数据-技术-产品-用户-更多数据-更强技术”这样的一个正向循环。在这些不断扩展的应用中，商业化也就是自然伴随而来的事情了。

互联网的下一幕是人工智能

《网络传播》：如何看人工智能在2016年的“爆发”？

林元庆：1956年夏天，“人工智能”首次被提出，但在之后的半个世纪都没有能够解决人工智能的问题。上世纪70年代到90年代，美国一直有人工智能的课程，但却没有实际的应用，在当时，任何一个领域都看不到有价值的人工智能应用。上世纪90年代以后，数据量越来越大，计算的能力也越来越强，机器学习逐渐兴起；到2006年，深度学习的概念被提出，特别是在2010到2012年间，深度学习在语音识别和图像识别领域取得了突破性进展。深度学习的成功极大地推动了人工智能的商业化。实际上，在2013年，《MIT科技评论》就已经把深度学习列为当年的十大技术突破之首，但今年确实是人工智能大规模商业化落地的一年。

《网络传播》：人工智能将会如何影响各行各业？

篇3

在对信息科技发展趋势进行判断时，我的看法是，由人工智能、大数据和云计算组成的“ABC”将成为一个时代的主题。A就是AI，人工智能;B是Big Data，大数据;C是Cloud，云计算。

百度云基于“ABC”三位一体的战略。打个比方说，今后，人工智能会变得像电力一样重要，主导着每个人的数字生活体验。大数据就像是新能源，能让服务商更了解用户需求，让用户更轻松地获得自己喜欢的商品和服务。云则提供了各种应用和服务运营的基础。

大家都知道，云计算的三个层次主要是Iaas、Paas和Saas。百度云在这三个层次上都分别有独特的优势。

最底层是基本的IaaS（Infrastructure as a Service），基础设施即服务，我们拥有国内最大的GPU/FPGA集群所构成的百度大脑的支持，最大的HADOOP/SPARK集群和运营效率最高的数据中心。

我们多年服务大规模业务比如搜索和视频的技术，运营大型数据中心能力和支持多项工作流的经验将对弹性、稳定、可靠、安全的云服务提供保障。中间一层是PaaS（Platform as a Service），平台即服务。百度PaaS的与众不同之处在于，AI作为一种横向的服务位于最底层。

百度大脑是百度云的核心引擎，百度云是百度大脑的云化，为前者提供了神经元和数据训练源。通过深度学习和机器学习技术，结合了超强计算、海量数据和优秀算法，在语音、图像、自然语言处理等方面拥有杰出能力，打造独特的知识图谱、用户画像与商业逻辑。

在语音领域，百度Deep Speech 2系统实现了安静环境下汉语普通话语音识别97%的准确率，入选MIT科技评论2016年十大突破性技术。在图像领域，百度人脸识别系统，在全球权威的人脸验证LFW数据集上错误率仅有0.23%。

自然语言处理方面，百度机器翻译系统支持28种语言、756个方向，打破了语言的藩篱。

用户画像方面，百度利用大数据、机器学习技术将数据细分，实现了全平台10亿级用户千万级细分标签，能应用于推荐和预测服务。

此外，我们还将上百种算法模块整合到被称为PaddlePaddle的云端托管分布式深度学习平台。

篇4

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。

2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。

如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。

第一部分人工智能行业发展概述

1.人工智能概念及发展

人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。

自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。

人工智能发展历程

2.人工智能产业链图谱

人工智能产业链可以分为基础设施层、应用技术层和行业应用层。

A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。

B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。

C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。

人工智能产业链

资料来源：创业邦研究中心

第二部分人工智能行业巨头布局

巨头积极寻找人工智能落地场景，B、C 端全面发力。

资料来源：券商报告、互联网公开信息，创业邦研究中心整理

第三部分机器视觉技术解读及行业分析

1.机器视觉技术概念

机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。

机器视觉的两个组成部分

资料来源：互联网公开信息，创业邦研究中心整理

2.发展关键要素：数据、算力和算法

数据、算力和算法是影响机器视觉行业发展的三要素。 人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。

深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。

3.商业模式分析

机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。

（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口

这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。

此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。

国内外基础算法应用对比

资料来源：互联网公开信息，创业邦研究中心整理

（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口

软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。

4.投资方向

（1）前端智能化，低成本的视觉解决模块或设备

从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。

机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。

（2）深度学习解决视觉算法场景的专用芯片

以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。

（3）新兴服务领域的特殊应用

前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。

（4）数据是争夺要点，应用场景是着力关键

机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。

第四部分智能语言技术解读及行业分析

1.语音识别技术

（1）语音识别技术已趋成熟，全球应用持续升温

语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。

（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流

语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。

（3）语音识别技术发展瓶颈与趋势

低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。

麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。

在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。

2.自然语言处理（NLP）发展现状

（1）多技术融合应用促进NLP技术及应用的发展

深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。

深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。

（2）NLP主要应用场景

问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。

图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。

机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。

对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。

（3）创业公司的机遇

1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。

2)应用于垂直领域的自然语言处理技术

避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。

第五部分人工智能在金融行业的应用分析

人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。

人工智能在金融行业的典型应用情况

资料来源：创业邦研究中心

第六部分人工智能在医疗行业的应用分析

1.人工智能在医疗行业的应用图谱

人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。

图 人工智能在医疗行业的应用图谱

资料来源：创业邦研究中心

2.人工智能在医疗行业的具体应用场景

医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。 人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。

药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速 、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。

虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。

第七部分智能驾驶行业分析

1.智能驾驶行业产业链

智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。

产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。

智能驾驶产业链图谱

资料来源：创业邦研究中心

2.智能驾驶市场分析

伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然 后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之 外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。

按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。

根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量 产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年 将达到 3100 亿美元。

第八部分中国人工智能企业画像分析

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。

地域分布

全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。

行业分布

从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位， 国内与国际差距明显，中小初创企业很难进入。

从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出， 目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。

收入情况

收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。

最新估值

企业最新估值均在亿元级别，且分布较为均衡。三成企业估值超过15亿元，还有企业估值达到百亿级别，如优必

选科技、达闼科技和商汤科技等，将来或将跻身人工智能独角兽企业。(备注：分析样本量剔除一半未披露企业)

第九部分典型企业案例分析

1.Atman

企业概述

Atman由来自微软的人工智能科学家和产业经验丰富的产品团队创办，提供专业领域机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品，致力于成为医学、新闻、法律等专业领域语言智能专家，为专业领域用户赋能，推动专业领域用户进入人工智能时代，助力专业领域文字智能水平实现跨越式提升。Atman已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品。

目前Atman在北京和苏州两地运营，能快速响应全国各地客户需求。

企业团队

创始人&CEO：马磊

清华大学计算机系毕业，曾先后在微软研究院和工程院担任研究员和架构师，机器学习专家、多次创业者、曾主导多项人工智能重大项目，和申请国际专利共计15+项。

Atman公司核心团队由来自微软、百度、法电等领域高端人才和资深技术人才组成，公司员工40人，其中硕士以上学历占比60%，技术开发人员占比70%，一半以上来自微软亚洲研究院和工程院。

核心技术与产品

技术方面，擅长机器学习（深度学习、强化学习、群体智能）在复杂问题的应用，和国际专利15项，Atman神经网络机器翻译系统于2016年9月首秀，早于谷歌的GNMT，专业领域翻译效果在公测标准和行业客户测试中均持续领先。核心产品为垂直领域机器翻译、机器写作、知识图谱抽取构建、大数据智能挖掘等语言智能产品。

Atman的机器翻译产品可自动翻译编辑专业文献、报告、音视频和网页，支持私有部署和云端混合部署，提供包括数据隐私安全以及自学习的端到端解决方案。

机器写作可对海量数据进行快速搜索、过滤、聚类，根据行业需求自动生成专业文档，适用于所有专业写作场景，可大幅减少专业报告写作过程中的繁复工作，大幅提升专业领域写作效率。

知识图谱可实现海量数据的语义检索、长链推理、意图识别、因果分析，形成一个全局知识库。大数据智能采集挖掘系统为专业领域用户提供智能数据源管理、海量专业数据获取和非结构化数据自动解析并结合知识图谱提供auto-screening、知识重构、专业决策辅助，帮助用户建立强大的以专业大数据为基础的业务辅助能力。

2.黑芝麻

企业概述

黑芝麻智能科技有限公司是一家视觉感知核心技术与应用软件开发企业，2016年分别在美国硅谷和上海成立研发中心，主攻领域为嵌入式图像、计算机视觉，公司核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知平台，为ADAS及自动驾驶提供完整的视觉感知方案。

目前公司和博世、滴滴、蔚来、上汽、上汽大通、EVCARD、中科创达、车联天下和云乐新能源等展开深入合作，提供基于视觉的感知方案；除此之外，公司还在消费电子、智能家居等领域布局为智能终端提供视觉解决方案。目前公司已经完成A+轮融资。

企业团队

团队核心成员来自于OmniVision、博世、安霸、英伟达和高通等知名企业，平均拥有超过15年以上的产业经验，毕业于清华、交大、中科大和浙大等知名高校。

创始人&CEO：单记章此前在硅谷一家全球顶尖的图像传感器公司工作近20年，离职前担任该公司的技术副总裁一职，工作内容覆盖了图像传感器研发和设计、图像处理算法研发和图像处理芯片设计。

核心技术和产品

在汽车领域，黑芝麻可提供车内监控方案（DMS），自动泊车方案（AVP），ADAS/自动驾驶感知平台方案。黑芝麻智能科技提供的解决方案包括算法和芯片两个核心部分：黑芝麻感知算法从基础的控光技术，到面向AI的图像处理技术出发来提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程；黑芝麻芯片平台采用独有的神经网络架构，包括独有的图像处理，视频压缩和计算机视觉模块，与黑芝麻视觉算法结合，采用16nm制程，设计功耗2.5w，每秒浮点计算达20T。

3.乂学教育

企业概述

乂学教育，成立于2014年，是一家网络教育培训机构，采用人工智能和大数据技术，为学生提供量身定制学习解决方案和个性化学习内容。核心团队来自美国Knewton、Realizeit、ALEKS等人工智能教育公司，销售团队有全国40亿toC销售额的经验。

企业自主研发了针对中国K12领域的学生智适应学习产品，其核心部分是以高级算法为核心的智适应学习引擎“松鼠AI”，该产品拥有完整自主知识产权，能够模拟真实特级教师教学。企业发表的学术论文得到了全球国际学术会议AIED、CSEDU、UMAP认可，并在纽约设计了人工智能教育实验室，与斯坦福国际研究院（SRI）在硅谷成立了人工智能联合实验室。

主要产品

学生智适应学习是以学生为中心的智能化、个性化教育，在教、学、评、测、练等教学过程中应用人工智能技术，在模拟优秀教师的基础之上，达到超越真人教学的目的。该产品性价比高，以人工智能+真人教师的模式，做到因材施教，有效解决传统教育课时费用高，名师资源少，学习效率低等问题。

智适应学习人工智能系统

智适应学习人工智能系统模拟特级教师，采用图论、概率图模型，机器学习完成知识点拆分和个人学习画像，采用神经网络、逻辑斯蒂回归和遗传算法为学生实时动态推荐最佳学习路径，实现个性化教育。

业务模式

线上与线下，2B和2C相结合。以松鼠AI智适应系统教学为主，真人教师辅助，学生通过互联网在线上学习课程。开创教育新零售模式，授权线下合作学校，已在全国100多个城市开设500多家学校。

4.云从科技

企业概述

云从科技成立于2015年4月，是一家孵化于中国科学院重庆研究院的高科技企业，专注于计算机视觉与人工智 能。云从科技是人工智能行业国家队，是中科院战略先导项目人脸识别团队唯一代表，唯一一家同时受邀制定人 脸识别国家标准、行业标准的企业。2018年，云从科技成为祖国“一带一路”战略实行路上的人工智能先锋，与 非洲南部第二大经济体津巴布韦政府完成签约。

云从科技奠定了行业领导地位： 国家肯定，国家发改委2017、2018年人工智能重大工程承建单位；顶层设计，唯一同时制定国标、部标和行标的人工智能企业；模式创新，三大平台解决方案，科学家平台、核心技术平台和行业应用平台。

企业核心团队

创始人

周曦博士，师从四院院士、计算机视觉之父—ThomasS.Huan黄煦涛教授，专注于人工智能识别领域的计算机视觉 研究。入选中科院“百人计划”，曾任中国科学院重庆研究院信息所副所长、智能多媒体技术研究中心主任。

周曦博士带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠;在国际顶级会议、杂志 上发表60余篇文章，被引用上千次。

核心技术团队

云从科技依托美国UIUC和硅谷两个前沿实验室，中科院、上海交大两个联合实验室上海、广州、重庆、成都四 个研发中心组成的三级研发架构。目前研发团队已经超过300人，80%以上拥有硕士学历。

技术优势

全方位多维智能学习模块适应不同场景要求；模块化设计为在工业视觉、医学影像、自动驾驶AR等领域扩展打下良好基础。

云从科技具有高技术壁垒：世界智能识别挑战赛成绩斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微软全球图像识别挑战赛上共计夺得7次世界冠军;在银行、公安等行业智能识别技术 PK实战中，85次获得第一；2018年，云从科技入选MIT全球十大突破性技术代表企业。

在跨镜追踪(ReID)技术上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三个数据同时集体刷 新世界记录， Market-1501上的首位命中率达到96.6%，首次达到商用水平。

正式在国内“3D结构光人脸识别技术”，可全面应用于手机、电脑、机具、设备、家电。相较以往的2D人 脸识别及以红外活体检测技术，3D结构光人脸识别技术拥有不需要用户进行任何动作配合完成活体验证的功能， 分析时间压缩到了毫秒级以及不受环境光线强弱的影响等诸多优点，受到国际巨头公司的关注。

行业应用

目前国内有能力自建系统的银行约为148家。截止2018年3月15日，已经完成招标的银行约为121家，其中云从科 技中标了88家总行平台，市场占有率约为72.7%;在安防领域推动中科院与公安部全面合作，通过公安部重大课题研发火眼人脸大数据平台等智能化系统，在民航领域，已经与中科院重庆院合作覆盖80%的枢纽机场。

5.Yi+

企业概述

北京陌上花科技是领先的计算机视觉引擎服务商，为企业提供视觉内容智能化和商业化解决方案。致力于“发现视觉信息的价值”。

旗下品牌Yi+是世界一流的人工智能计算机视觉引擎，衣+是时尚商品搜索引擎。公司在图像视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。

目前公司和阿里巴巴、爱奇艺、优酷土豆、中国有线、CIBN、中信国安、海信、华为、360等数十家顶级机构/产品深度合作，通过提供边看边买引擎、图像视频内容分析引擎、人脸识别引擎等基于视觉识别技术的数据结构化产品服务于海量用户，同时帮助政府机构、广电系统、内容媒体、零售商、电商、视听设备等行业实现智能分析、智能互动与场景营销。目前公司已经获得B轮融资。

企业团队

团队成员来自于斯坦福、耶鲁、帝国理工、新加坡国大、南洋理工、清华、北大、中科院等名校及谷歌、微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等名企。

创始人&CEO：张默

北京大学软件工程硕士， 南洋理工大学创业创新硕士。连续创业者， 曾任华为算法工程师、微软WindowsMobile工程师、 IBM SmarterCity 架构师，北方区合作伙伴经理，主机Linux中国区负责人，中国区开源联盟负责人，年销售额数亿。 2013年创业于美国硅谷和新加坡，2014年6月在中国设立北京陌上花科技有限公司。

核心技术与产品

技术方面，在国际顶级计算机视觉竞赛ImageNet中，成绩曾超过谷歌、斯坦福等，2015-2016年2年获得十项世界第一。2018年3月，人脸识别准确率位列LFW榜首。Yi+通过遵循无限制，标记的外部数据协议。 Yi+的系统由人脸检测，人脸对齐和人脸描述符提取组成。使用多重损失和训练数据集训练CNN模型，其中包含来自多个来源的约10M个图像，其中包含150，000个人（训练数据集与LFW没有交集）。在测试时， Yi+使用原始的LFW图像并应用简单的L2norm。图像对之间的相似性用欧氏距离来测量，最终取得优异成绩。

公司的核心产品主要包括视觉搜索引擎，图像视频分析引擎以及人脸识别和分析引擎：

行业解决方案

针对营销、安防、相机和电视的不同特点，推出相应解决方案。

营销+AI。场景化广告方案中，大屏AI助理信息流推荐、神字幕、物体/人脸AR动态贴图、video-out、场景化角标与广告滤镜等形式的广告内容推荐，适用于快消、汽车、电商、IT、金融、旅游服务等多个行业。

智慧城市+AI。使用计算及视觉助力智慧城市，在智慧安防、智慧交通、智慧园区等方面提供解决方案。在智慧安防实时识别上，实时处理直播摄像头信息，算法反应敏捷，相应迅速。建立智慧园区方案模型，考虑扩展性&灵活性、数据管理、松散耦合性、安全性、实时整合性以及功能性和非功能性需求等技术方案要素，从业务和技术两方面整合解决方案实现步骤。

电视+AI。电视+AI的解决方案赋予智能电视多样播放能力和营销能力。

相机+AI。相机更具交互能力。用户通过搜索关键字标签同步展示图片，打通相册和购物一站式体验。准确识别人物属性特征，动态适应表情变化，可以在视频以及图像中对人脸实时检测，基于深度学习技术，进行人脸相似度检测，实现面部关键点定位、妆容图像渲染，试用与粉底、唇彩以及眼影等多种虚拟试装方式。实时检测摄像头中出现的物品、场景和人脸等，添加AR效果，SDK支持本地检测、识别、追踪，平均检测帧率可达到25fps。

新零售+AI。Yi+新零售解决方案是基于公司自主研发的人脸识别、商品识别和其他图像识别算法技术为核心，建立一整套基于人脸、商品的智能零售门店管理方案。Yi+新零售解决方案主要包含数据采集、算法模型说明和部署方案三部分，其中数据采集包括人脸数据采集、商品数据采集；算法模型说明包括识别算法训练、商品识别、识别输出；部署方案包括本地部署、云端部署、本地部署与云端部署结合。

6.擎创科技

企业简介

擎创科技成立于2016年，专注于将人工智能和机器学习赋予传统IT运维／企业运营管理，为企业客户提供智能运维大数据分析解决方案，从而取代和改善对高技能运维人员严重依赖的现状。2017年，擎创科技已实现全年2000万营收，迅速成为国内AIOps领域的领跑者和中流砥柱。2018年初，擎创科技完成了数千万人民币的A轮融资，由火山石投资领投，晨晖创投、元璟资本及新加坡STTelemedia跟投。

核心团队

擎创团队的核心成员主要由BMC、微软等美国企业服务上市公司的运维老兵，与新浪、饿了么等知名互联网公司的大数据、算法专家组成，核心团队成员至少拥有10年以上的行业经验。其中CEO杨辰是国内最顶级的B端销售，曾带领团队获得10倍的业绩增长；CTO葛晓波拥有长达15年的企业级软件开发和运维经验；而产品总监屈中泠则来自甲方，创业前为浦发硅谷银行企业架构师，深知甲方对企业运维产品的需求。这个曾经深耕于运维企业服务市场的团队，如今在智能运维企业服务赛道继续领跑，让擎创科技成为最懂企业的客户，最值得企业客户信赖的软件厂商。

主要产品

“夏洛克AIOps” 作为擎创自主研发的大数据智能运维主打产品，自2016年上线以来，已从1.0版本升级至1.9版本，可应用在金融、大型制造业、铁路民航、能源电力等涉及国家发展和民生问题的多种行业。在2017全球运维大会上，夏洛克AIOps获得由中国信息通信研究院与高效运维社区联合颁发的“年度最具影响力AIOps产品”奖。

“夏洛克AIOps”充分利用自研算法辅助客户实现IT运维价值，结合客户的现有情况，规划从传统ITOM至AIOps智能运维的一站式路径，助其运营落地，由此打破数据孤岛，建立统一的大数据智能分析平台，实现以人工智能为核心，驱动传统IT运维监、管、控三个层面，并将相关运维数据及业务数据实时展现。

“夏洛克AIOps”拥有多项自研算法，犹如运维界的福尔摩斯，能迅速发现并定位运维问题的根因，实现秒级排障，最大程度避免企业产生重大损失。更有价值的是，“夏洛克AIOps”还能通过长期的数据积累和机器学习，运用新型深度神经网络算法对企业的业务数据进行预测，帮助企业提前规划IT资源，高效预防各类黑天鹅事件的发生。

商业模式

目前，擎创科技已与多家金融和制造行业标杆客户形成稳定的合作关系，包括浦发银行、浦发硅谷银行、国家开发银行、上海铁路局、银联、海尔、浙江能源等。针对不同客户，采用个性化的商业模式进行服务，目前主要有私有模式和SaaS模式两种，都具有较强的可复制性。

篇5

人工智能前景广阔

IDC的一份报告显示，认知计算和人工智能解决方案市场在2016年到2020年的年复合增长率将达到55.1%，认知计算和人工智能在各行各业中的广泛应用将推动其全球收入从2016年的近80亿美元增加到2020年的470多亿美元。

Gartner副总裁兼资深研究员大卫・卡利（David Cearley）在2017年重大技术趋势预测会上表示：“应用人工智能和高级机器学习实现了一系列的智能应用，包括物理设备（机器人、自动驾驶汽车、消费电子产品）、应用程序和服务（虚拟个人助理、智能顾问）。”卡利说，这些应用将以不同于以往的智能应用程序和智能产品的形式呈现出来，并为各种各样的网络设备、现有软件和服务解决方案提供嵌入式的智能。

Gartner执行副总裁、研究主管兼资深研究员达尔・普拉默（Daryl Plummer）在预测2017年重大技术趋势预测会上表示，到2020年，更智能的算法将会让人工智能改变全球10多亿工作者的状态。

在Gartner的的十大2017年重大技术趋势预测中，人工智能相关技术占据了前三名的位置，可见其技术的重要性。他们分别是：人工智能和高级机器学习、智能应用、智能产品。

第一，人工智能和高级机器学习。人工智能和高级机器学习由很多技术（比如深度学习、神经网络、自然语言处理）组成。Gartner认为，更先进的技术将超越基于规则的传统算法，创造能够理解、学习、预测、适应甚至有望自主运作的系统，从而让智能机器显得更加“智能”。

第二，智能应用。像虚拟个人助理这样的智能应用程序可以发挥人类助理的某些职能，让人们的日常工作变得更加容易（比如对电子邮件进行优先级排序），提高用户工作效率（通过突出最重要的内容和互动）。虚拟客户助理等其他智能应用程序更加擅长销售和客服等领域的任务。Gartner认为，这些智能应用程序有潜力改变现在人们的工作性质和职场架构。“未来十年，几乎所有的应用程序、服务都将包含某种程度的人工智能。人工智能和机器学习在应用程序和服务方面的应用将不断发展壮大，这将成为一个长期的趋势。”大卫・卡利举了一个麦当劳的案例，“麦当劳生产汉堡，智能应用每分钟通过照片分析超过1000个面包来检查其颜色、形态和芝麻分布状况，从而不断自动调整烤箱的温度和烘烤时间，可以大幅减少人工成本，并保证高质量。”

第三，智能产品。智能产品是指超出了刚性编程模型范畴的物理实体，通过应用人工智能和机器学习来实现高级行为，并与周围环境和人类更加自然地交互。

目前，日本长崎的Henn-ne宾馆已经开始使用10台类人机器人进行迎宾服务，代替了原来预订柜台的所有服务员。随着无人机、无人驾驶汽车和智能家电等智能产品的不断普及，Gartner预计各自为政的智能产品将转变为相互协作的智能产品。

更智能的汽车

虽然去年出现了特斯拉智能驾驶系统出现故障造成交通事故这样的新闻，但是理论上讲，人工智能应用到汽车领域，实际上可以大幅度降低交通事故发生的概率。

斯坦福大学报告显示，自动驾驶汽车不仅能减少因交通事故导致的人员伤亡，还能改变人们的生活方式。在通勤途中，人们可以把更多的时间用于工作、娱乐，而不只是关注复杂的、让人懊恼的交通状况。

不过，现阶段也有不同的声音。“即便有时候显得很多余，但人类还是要在自动驾驶汽车方面拥有一定操控权。所以即便是自动驾驶汽车也要安装一个方向盘，以便司机必要时可以掌管车辆。但安装了方向盘又意味着人类的完全掌权，即司机坐在车里也要随时保持清醒并进行观察，时刻准备好接管车辆。”Gartner副总裁布莱恩・朴恩泰斯（Brian Prentice）在一次研讨会上表示，“这样一来，不仅抵消了自动驾驶相较于人类驾驶的大部分优势，也让人类司机从之前的积极操控汽车变为了被动监控行车隐患。”这个争议其实也是所有智能汽车项目所必须要面对的挑战。

布莱恩・朴恩泰斯表示：“智能汽车可以对周围环境做出反应，但智能汽车对周围环境是否真正理解了？周围环境对于智能汽车来说是完全不可控的一个因素，不是通过建立模型就能进行学习了解的一种事物。”

“τ谘蟹⒅悄芷车技术的团队而言，他们所面临的挑战就是要找出哪些事物或因素是智能汽车所能控制的，然后对它们的能力培养也就限定在这一范围之内即可。”布莱恩・朴恩泰斯表示，“全自动汽车的愿望是不可能变成现实的，任何汽车制造商都做不到这点，但朝着这一方向努力将会推动一些汽车行业更务实的进步，如汽车的机器学习技术将提升汽车的安全性和让汽车在处理一些状况时更具有经验。”

在联网汽车方面，Gartner预计到2020年，联网汽车的销量将达到6100万辆，是2016年的4倍以上。Gartner定义的联网汽车是通过嵌入式通信模块或移动设备接入互联网，为用户提供内容和服务，从车中传送数据，实现远程监控或管理车内系统。

Gartner的报告显示，从2016年到2020年，联网汽车将推动情景信息的需求增长150%。Gartner研发总监詹姆斯・海恩斯（James Hines）表示：“汽车越来越自动化，也将配备更多的感测技术，例如行车记录仪功能和雷达系统等。许多汽车将利用影像侦测功能来辨识附近的物体并对其进行分类，以便实现更加复杂的反应甚至更自主的驾驶。”

为了使汽车变得更加自动化和环保，2016至2020年间需要逐年在汽车内增加5%的嵌入式处理功能，比如即时摄影机和传感器，从而实现主动车距控制巡航系统、防撞与车道偏移警示系统等自动化驾驶功能。

回到现实中，在今年CES上，百度联合北汽展示了智能汽车解决方案。百度智能汽车自动驾驶解决方案目前已经可以做到全系统的低成本、可量产。借助百度人工智能的优势，从雷达、摄像头等传感器的数据收集，再到高精度地图等基础设施，都实现了成本的大幅降低，尤其是在高精度地图方面。

目前，百度高精度地图的自动化生产程度可达90%以上。地图生产通过多传感器校准和深度学习结合，实现全程自动化，人工操作仅为最后的人工校验，确保高精度地图绘制过程准确可靠的同时，降低了人工成本与时间成本。

百度高精度地图将绝对精度控制在0.6m范围以内，在相对精度范围内实现了厘米级定位。通过帧内关键点检测和点云拼接、路面提取等技术的运用，百度自蛹菔幌低晨梢远曰だ嘎费亍⒈曛颈晗吆驼习物等道路物体达到99.67%的识别准确率，从而实现对直道、弯道、车道变化和宽度变化的监测，这一系列行为的定位、侦查计算，甚至比有人驾驶更加安全可靠。值得一提的是，百度高精度地图还接入了Learning Map平台，依托多源感知数据处理、云服务中心和数据中心，可使百度高精地图具有智能化的自学习能力，无需人工采集就可以实现更新。

百度智能汽车还提供了包括车联网HMI人机交互系统。这其中就包括CarLife、CoDriver、MyCar和AutoMap四大产品。这些HMI车联网产品虽然功能侧重不同，但却搭载着同一人工智能应用――语音识别技术，为用户提供独特性、开放式、创新性的智能化场景应用体验。

语音识别技术是百度智能汽车HMI人机交互系统带给用户最直接的智能行车体验感知。以定位“智能语音副驾驶”的CoDriver为例，基于百度的语音技术、自然语言处理技术，用户无论是进行对话，还是指令，其顺畅、快速的识别和响应，都让用户感知到身边存在一位知心且贴心的智能机器人。

在百度智能汽车与北汽进行的战略合作中，百度智能汽车就将对北汽多款车型进行CarLife适配，从而实现智能汽车的基础车联网升级。通过采用CarLife，达到智能手机与车的互联，驾驶者可以使用智能语音操控汽车地图和在线音乐等智能化汽车服务。百度智能汽车CarLife目前已与60家车企的150余款车型进行了适配。

随着用户的广泛使用，所有的智能汽车都会产生大量的数据，百度智能汽车大数据也衍生出价值极高的大数据服务产品。比如，通过对车主用户数据、车辆实时驾驶数据和道路地理信息数据等进行分析，百度智能汽车可以向汽车企业提供精准营销、车辆设计、用户服务管理体系等大数据服务。而车企可以依据这些数据，找到用户的需求点，研发出用户真正需要的产品和功能。

在国外厂商方面，NVIDIA联合创始人兼首席执行官黄仁勋与奥迪美国公司总裁斯科特・科奥格（Scott Keogh）共同在CES开幕主题演讲中表示，未来的奥迪车型将使用深度学习解决复杂的驾驶问题。双方第一阶段的合作将着重于NVIDIA DRIVE PX自动驾驶汽车人工智能平台。NVIDIA DRIVE PX平台使用经过训练的人工智能神经网络来理解周围环境，并确定安全的行进路线。

“NVIDIA是使用深度学习人工智能技术促进交通运输行业变革的先锋。” 黄仁勋在演讲中表示，“奥迪采用我们的DRIVE PX2人工智能汽车计算平台，将加快新一代自动驾驶汽车的生产，进而加速我们迈向未来更高驾驶安全性和新型移动服务的步伐。”

“奥迪用户追求顶尖的性能和技术。” 斯科特・科奥格表示，“因为我们对更安全的道路有着共同的追求。奥迪和NVIDIA的合作将扩展至深度学习和人工智能领域，从而以更快的速度将更高程度的自动化送上道路。”

奥迪Q7的自动驾驶演示活动成了本届CES上的亮点之一。乘客在无人驾驶的情况下，可以放心地坐在车辆的后排座位上享受旅行。这主要得益于奥迪Q7采用了NVIDIA DRIVE PX平台，并运行了NVIDIA Drive Works软件。奥迪Q7的深度神经网络NVIDIA PilotNet可以识别和理解车身周围的环境，安全地驾驶前行。演示过程中，路线会随时变更，车辆会通过各种情形的路面，有的带有标识，有的则没有任何车道标识，途中还会遇到需要绕行的模拟建筑区。

黄仁勋在主题演讲上描绘了人工智能将如何预测驾驶员需求的场景：用户早晨驱车前往办公室，车库大门自动打开，根据用户个人习惯调节空调温度，到达单位；晚上回家，同样的场景再次出现，而且汽车能够理解并回应用户自然会话语言的需求。

NVIDIA和奥迪的联姻结晶包括让人眼前一亮的奥迪MMI导航系统和奥迪虚拟驾驶舱。目前该系统已经应用于奥迪Q7、奥迪A4、奥迪TT等，涵盖SUV、轿车和跑车等领域。未来几个月，奥迪还将推出集成NVIDIA硬件和软件的新款A8。得益于zFAS（奥迪中央驾驶辅助控制系统），新款A8将成为全球首款配备拥堵驾驶系统（Traffic Jam Pilot）的自动驾驶汽车。

这里有必要解释一下zFAS。zFAS是一个软件与硬件结合的系统，它的长距离雷达可以获取前方250米的交通状况，激光扫描仪能捕捉到前方80米距离的高清晰画面，红外线照相机能够识别黑暗中的行人和动物，超声波传感器能够探测汽车周围的情况。通过这些传感器，zFAS可以在汽车行驶过程中实时获取各种数据，在瞬间对大量的数据进行分析，从而实现代替驾驶员操控汽车。即使是在空间狭窄的停车场，zFAS也可以实现自动泊车，还可以利用智能手机通过远程操作的方式将汽车驶离停车场。而且一旦汽车进入拥挤的堵车路段，它还可以实现紧随前车的自动驾驶模式。

更智能的家居

科尔尼的报告显示，中国将在2020年前成为亚洲最大的智能家居市场。到2020年，全球智能家居的整体规模将由目前的100亿美元增长至500亿美元，并有望在2030年激增至4000亿美元。到2030年，亚洲智能家居市场销售额将超过1150亿美元，占据全球市场25%以上的份额。

中怡康的数据显示，2017年，智能家电生态将会成为行业主流，预计智能电视的零售额渗透率将达到93%；智能白电的零售额规模达到709亿元，零售额渗透率将达到23.9%。

科尔尼合伙人、亚太区通信与电子业务负责人道博斯坦（Nikolai Dobberstein）表示：“近年来中国已经成为全球增长的关键推动力之一。首先，国家整体经济的快速增长带来家庭收入水平增加；其次，中国成为全球最大的互联网市场。这两大因素将让中国成为亚洲乃至全球最大的智能家居市场之一。”

道博斯坦J为，中国已经拥有完善的设备和技术生态系统，能够加速智能家居行业的发展。腾讯、百度和阿里巴巴等本土技术巨头，以及小米和海尔等已经在生产智能家居产品的本土设备制造商将成为行业的主要推动者。但是由于牌照和审查制度等原因，国际技术公司很难打入中国智能家居市场。

报告指出，四个重大的变化趋势使得联网智能家居在亚洲成为现实，同时，这四大趋势将加速智能家居市场的进一步扩张。

首先是互联性和智能化。智能手机在技术和处理能力方面的进步大大提高了家居设备的互联性。大数据和人工智能的采用，让部分应用能够迎合用户的需求和期望，使得家居生活日益智能化。

其次是互操作性。随着不同制造商生产的产品之间的互操作性不断增强，智能家居应用在消费者中逐渐普及。产业联盟为标准化协议和开放平台所做的努力使得智能家居生态系统不断完善。

再次是产品成本。几乎各类家居设备都已经是自动化产品，有80%已经实现了智能化并且在市面上可以购买。随着关键技术和部件的成本下降，智能家居设备如洗衣机、冰箱和门锁等的价格也将更加亲民。

最后是全新盈利模式。智能家居应用正在与更广泛的网络相联，从而连接生态系统内的所有企业，催生全新的盈利模式。例如带有液晶显示器的联网冰箱可以通过线上广告带来收入。

智能家居市场为行业内的所有企业都提供了宝贵机会，但是要取得成功，必须要同时具备几个关键的因素，包括平衡本地和全球战略，从产品导向快速转变为服务导向，找到正确的合作伙伴，整合智能家居集成平台。

随着智能语音市场的不断扩容，在众多智能家居产品中，语音助手成了行业内的关注热点。可以说，现阶段智能语音是人工智能巨头间的必争之地。谷歌和亚马逊正在开发的新技术，让用户可以获得更好的体验。除此之外，微软、苹果都在积极拓展其生态系统，三星、脸谱等巨头也在进行知识储备。

Gartner预测，到2018年，30%的人机交互通过自然语言完成。百度首席科学家吴恩达认为，语音搜索准确率从95%提高到99%，是人机交互应用爆发的转折点，到2020年，至少50%的搜索将是语音搜索。可以说，自然语言交互就是下一代的人机界面。未来，人工智能与家居行业的融合，将为人们带来全新的体验。

以人们最常用到的家电空调为例，现在已经在市面上进行销售的智能产品非常多，比如可以对用户的使用习惯和周围空间进行认知，并通过云网络连接到设备的传感器和摄像头收集数据，借助非结构化数据进行学习的LG空调；具备自动清洁功能、能够通过Siri控制、能自学用户行为习惯、记录分析能耗情况并自动调整运行模式的海尔空调；基于腾讯物联云技术，通过手机QQ控制家电运行状态的美的空调。

美的集团近日了其“智能+”战略，推出了“i+智能”系列产品计划，要让各个设备实现互联的同时也具备智能交互等功能，以实现家电设备的互联互通、智能学习。四川长虹近日也了人工智能电视长虹CHiQ（启客）。这款电视基于完善的技术逻辑与大数据运营，实现了自然语音交互、深度学习和应用软件自动迭代等系统能力的整合。

长虹认为，CHiQ人工智能电视在认知层面取得了重大突破，基于长虹自主研发的Ciri+语音平台，实现了以人为中心的高效语音交互协同和语义识别与理解。语音识别率达到97%，人与电视的自然语音交互距离达到30米，即用户在家中任意角落都可以用语音和电视交互。

更智能的交互

最近，美国佐治亚理工学院（Georgia Tech University）的学生们十分惊讶地发现，他们乐于助人的助教居然一直是一个机器人。尽管在使用初期遇到一些困难，但是现在机器助教回答学生们问题的正确率高达97%。佐治亚理工学院的研究发现，学生们退学的主要原因是缺乏支持。因此，他们设计了这款机器助教。

有了人工智能，人们的学习方式会发生改变：速度不同，起点不同。人工智能将会把人们引入未来，人们会以更个性化的方式学习。世界上没有任何一个教育体系能为每一个孩子都配备一个家庭教师，而人工智能可以满足这一需求。

微软现在做的事情和美国佐治亚理工学院类似，不过他们的愿景更加宏大――构建跨越媒介、应用、服务与基础架构的真正的人工智能系统。“我们一直在努力实现技术全民化。有了人工智能，我们便可以通过以下两种方式来实现这个目标：一种是将其融入像Office 365这样的产品中，另一种是构筑一个平台，让其他人也能在此平台上开发产品和不断创新。” 微软全球执行副总裁沈向洋博士表示。这个平台被称为微软认知服务，它包含了25个应用程序接口，可以提供诸如语音、语言、知识和搜索之类的智能功能。

当前，我们正处于向计算领域下一代主流平台进军的早期阶段。由于人工智能领域所取得的一系列重大进展，新一代平台将以对话这一人类最自然的行为为核心来构建。新的时代正在到来，人机交互的方式将从过去人类操作计算机的时代进入到让计算机了解人类和人类的动机并积极予以回应的新时代。

对话，一方面是强调完成任务、提升生产力，另一方面是情感连接。要想真正实现人工智能，就必须从两个方面同时发力。

微软的长远战略是，像小娜（Cortana）这样的应用不但要有智商，还要有情商。基于这一理念，微软再次进行创新，Zo到来了。

Zo是一款社交聊天机器人，她是基于微软在中国和日本大获成功的人工智能社交聊天机器人小冰与凛菜而打造。现在，你可以在Kik社交平台上与她交谈，就像和人类朋友聊天一样。未来，微软计划将Zo扩展到其他社交平台，例如Skype和Facebook Messenger。

Zo是利用海量互联网社交内容构建而成的。她从人类互动行为中学习，以便从情感与智能角度做出响应，提供独特的观点，并懂得礼节与表达情感。但是她同样还有强大的核对与平衡机制，以保护自己免遭不当利用。

微软在描摹人工智能与对话计算的前景时，还有一个很重要的部分是应用所扮演的角色，比如小娜。现在，在全球13个国家和地区，有超过1.45亿人正在使用小娜。小娜可以没有限制地跨平台、跨各种连接设备使用。