【CMIC讯】赛迪智库信息化中心助理研究员刘鹏宇认为，人工智能产业和工业式的产业发展完全不一样， 人工智能企业正在通过积木式创新，进行分工协作，协同创新，共同推动人工智能产业发展。
 
　　第一，人脑仿生取得重大突破。
 
　　人脑仿生主要有两个重要领域。一是再造人类大脑，即模拟人脑功能。通过研制人造神经元，将电信号转变成化学信号并与其它脑细胞进行交流。二是建立脑机接口，即把机器与大脑进行连接。用特定设备读取大脑信号，并对机器进行操控。IBM是人脑仿生研究的主力军，它研制了第一个类脑芯片、类脑计算机和人造神经元。目前，我国中科院计算所也研制出类脑芯片——寒武纪。
 
　　第二，机器学习将在数据量大、需求迫切的领域深入应用。
 
　　大数据已成为决定机器学习质量高低的关键要素，可以说无数据不智能。现在机器学习已渗透进入医疗、金融、新闻等行业，这些行业的突出特点是数据规模大且痛点明显，亟须引入机器学习技术提升行业服务质量和精准度。例如，IBM公司的沃森医疗产品利用300多份医学期刊、200多种教科书，近1000万页文字，能够为肿瘤患者制定个性化治疗方案。今年8月，沃森医疗已进入中国21家医院。
 
　　第三，智能语音助手将成为自然语言理解发展的突破口。
 
　　自然语言理解能够教会机器如何听懂人类语言背后的意图。智能语音助手可以说是一个非常好的突破口，它是人与机器交流的中间媒介，能够把人的需求与后台海量数据、物联网设备、社会人群连接在一起，覆盖面极广，渗透力极强。它就像人类的贴身管家，目前亚马逊Alexa、苹果Siri、微软小娜等是市场认可度较高的语音助手。智能语音助手在智能家居、辅助驾驶、个人助理等领域用途较多，帮助人们操控设备、获取信息。未来智能语音助手的作用并不局限于此，而是成为所有平台、服务、数据的统一入口。
 
　　第四，机器视觉将向生产生活领域不断渗透。
 
　　机器视觉是人类视觉功能的外向延伸，是机器与环境交互的通道。机器视觉将在生产生活领域不断渗透。对深度学习算法的吸收融合，是机器视觉技术区别传统视像技术的最为关键的方面。除了无人驾驶汽车以外，无人值守装备将在未来进入规模应用阶段，无人机、无人船等将不断涌现，不断丰富社会创新产品的应用。
 
　　第五，AR将超越VR率先驶入快速发展车道。
 
　　VR和AR都需要构建虚拟数字图像，但是所构建数字图像的呈现位置有所区别。AR将数字图像直接呈现于物理环境中，而VR则将数字图像呈现在与物理环境完全脱离的虚拟空间中，用户是脱离于物理环境而完全沉浸于虚拟空间中的。这也决定了VR和AR应用场景的不同。VR正朝偏静态、全沉浸的方向发展；而AR正向移动化、开放化、轻型化的方向发展。
 
　　在现有硬件技术条件下，由于AR技术能够与移动终端更好的融合，AR将在智能手机、可穿戴智能硬件的配合下，不断丰富内容，超越VR，进入快速发展期。
 
　　第六，区块链是把底层数据按时间区块进行记录，并由分布式节点达成存储共识的技术。
 
　　区块链技术正在由若干领域初步应用期向若干领域深化应用期过渡，处于技术应用深化阶段，呈现平台化、开源化、融合化的发展趋势。比如在开源化方面，谷歌公司利用开源平台思路，成功打造了安卓生态。开源可以最大化汇聚资源，对平台进行快速迭代更新。全球最大的区块链联盟R3，已开源其分布式公共账本Corda平台。
 
　　第七，数字孪生将打造居民生活的信息物理空间。
 
　　数字孪生（Digital Twin）是一种实体空间与虚拟空间的数字化、网络化、智能化的映射关系，在物理与数字两个空间同时记录个体全生命周期运行轨迹。该技术源起于航天飞行器健康维护与保障，然后，广泛应用于工业领域仿真分析、产品定义、制造装配工艺、测量检验等模型的构建，并与数字化加工装配系统、数字测量检验系统、产品实物等建立虚实结合、及时响应的对应关系。未来，数字孪生将逐步向生活领域延伸，通过采集居民健康、教育、出行、娱乐、消费等领域的大数据，破除以往局限于单一领域的数据挖掘与智慧应用的孤岛，建立面向个人全生命周期的多领域融合、多维度展现、全综合分析的数字孪生体，通过对来自不同领域的大数据进行聚合学习，为个体生活工作提供更科学、更精准、更可靠的预测与指导。
 
　　第八，人工智能产业生态加速形成。
 
　　人工智能产业链主要由基础设施（硬件、数据）、核心算法（算法工具、通用技术）、应用平台（开源平台）和解决方案（垂直领域应用）等环节构成。
 
　　三种模式正从不同路径共筑人工智能产业生态。一是自上而下，即单个企业从人工智能产业链上游（基础设施）开始向下游（核心算法、应用平台、解决方案）延伸。二是自下而上，即单个企业从人工智能产业链下游（解决方案）开始向上游（基础设施）回溯。三是自中间到两端，即单个企业从人工智能产业链中游（应用平台）开始向上游（基础设施）、下游（解决方案）环节扩展。

责任编辑：拂晓晨风