论文部分内容阅读
近几年，人工智能（AI）火爆了大江南北。得益于深度学习等技术的突破，人工智能在学术研究上进展飞快，而日益强大的互联网公司把越来越多的人和设备都维持在线，这使得人工智能第—次有了直接进入产业的机会。对于2017年来说，今年的AI产业又会呈现出哪些趋势呢？
1878年，爱迪生在巴黎世博会上展出了他的一揽子发明：白炽灯泡、小区发电站以及输电网配套设施。1880年，爱迪生利用竹纤维把灯丝寿命从几个小时延长到170个小时，并在1889年给整个艾尔菲铁塔装上了电灯，惊艳世人。同时，爱迪生也开始了他雄心勃勃的电力能源生意——在纽约的各个街区里建设发电站，为所在街区的灯泡提供照明用电。
其实，2016年人工智能的大环境和爱迪生的境遇挺像：自己生产灯泡，然后自己建设小区发电站和输电配套设施给自己卖出去的灯泡供电。2016年最著名的人工智能事件大抵是有人写出了先进的人工智能程序，可以上网、上电视节目、下围棋、认个图片或者答个题。过去的一年是人工智能第三次复兴的元年，这毫无争议。得益于深度学习等技术的突破，人工智能在学术研究上进展飞快，而日益强大的互联网公司把越来越多的人和设备都维持在线，这使得人工智能第一次有了直接进入产业的机会。
但显然，和爱迪生后来遭遇的麻烦一样，并不是给灯泡通上电能亮就行。用电器会越来越多，电力要完成的职能越来越广泛。很快，发电、电网、用电器分成了三个截然不同的大行业，遵循各自的标准，驱动现代社会前行。和现在几乎任何一个商业机构都要用电一样，未来任何一种商业行为也都要借助于人工智能的力量。这事实上也就像是近些年的趋势：三百六十行，行行离不开互联网。
那么，人工智能实际发展的情况距离人人都像用电一样“即插即用”还有多远呢？2017年又会走近多少？这里不妨简单做个预测。
IT系统全面转向AI化
宏观上，2017年人工智能将成为计算型公司的标配能力。有的公司会将这种能力向外输出有的则未必。首先，部署着全球IT资源的互联网巨头们首当其冲，其中国内最为激进的反倒不是人工智能喊得最响的百度，而是2015年就默默把所有业务都迁移上云的阿里。
2017年计算型公司除了拼业务市场份额和资金实力之外，还要开始拼计算力了。这会逼迫到现在还没有完成IT改造的大小公司都加快步伐，这样才有可能承载即将到来的AI底层化。比如打着人工智能旗帜的黑马公司——今日头条，2016年底的宕机事件恰到时机地敲了警钟，今日头条之前的IT架构能够承载快速增长的业务口马？头条实验室的研发成果不仅仅要服务头条的受众和广告主，还到了要把整个数据底层管起来的时候。只有足够强大的数据底层才有可能在接下来率先推出或适应标准化的AI中间件和操作系统，继而才能在AI时代抢占先机。想想2011年大家都开始现学Android和iOS开发时，竞争对手已经囤了几百个移动开发者的情况，竞争差距会因此迅速的拉开。所以2017年AI业界的序幕，很大程度上来说是各大公司的lT改造与升级。事实上，不光是今日头条，百度、阿里、腾讯、美团、搜狗等公司也在磨刀霍霍。这一趋势“近水楼台”地带动了金融机构全面接入人工智能技术。2016年各大银行、保险、证券机构已经在试水用人工智能解决账户安全与金融风险的问题。2017年这一趋势会更加明显并真正得到普及。
想象一下ATM机刷脸取现成为标配的场景，毫无疑问这将在半年内普及。对金融机构来说，其面临两大的挑战：一是传统IT构架下，地方分治多年，利用人工智能相关的系统转型升级也是一个总行回收权力，重整业务清理冗员降低成本的过程——上AI系统容易，调整利益分配难；二是在科技公司把“获客入口”都抢占之后，金融体系如何守住自己前端“获客”通道对抗同行？又或者，是否推出自己的金融科技产晶7俗话说甲方的困难就是乙方的机会，2016年出现的大量天价估值AI研发公司在2017年可以到金融圈里收果子了。
即便是这样，这些充满实验室气氛的AI研发公司还是会遭遇挑战。在我看来，那些在2015到2016年期间被高估资本价值的Al公司在2017年不会那么容易融到资金。如果说资本的作用是加速把原本是未来的资产负载表拉近，那么没有达到预期的公司就需要在2017年用收入和市场份额来证明自己拿得住现在的估值。这不是一件容易的事，历史经验告诉我们，被资本高估的公司死亡几率更大。2017年人工智能全面开花时如果有AI公司倒闭，也并不奇怪。
更多AI黑天鹅应用
相对于IT系统全面转向AI化，应用层面今年会出现什么黑天鹅就不是那么好预测的事情了。事实上，去年计算机视觉技术语音识别技术、自然语言理解技术已经基本达到了目前IT领域所能承载的及格线，而利用这些技术能升级哪些应用，或者诞生什么新应用是无法预测的。不过，大应用走向平台化，利用AI技术接入小应用并为小应用收单是2017年可以预见的趋势。而大量的小应用会因此而获得视觉、语音和自然语言方面的AI能力，相信2017年还会有更多的黑马小应用（微信小应用只是其中一种）出现。
2017年最值得期待的还是iOS与Android两大系统在迎接人工智能升級过程中孰胜孰败的问题。经过长达八年的厮杀，这两个操作系统最后杀了一个平手。而在AI时代，两者又站在了同一起跑线上。
值得思考的是，目前大家使用最多的计算设备仍然是手机，也就是说能够运行和接入AI系统的设备们还是被iOS和Android瓜分了。在出现一个新的普及率可以匹敌手机的设备之前，一个全新的适合AI的操作系统想像颠覆Windows一样颠覆iOS和Android，这在2017年不太可能发生。而且，苹果和谷歌在AI这件事上已经开始上刺刀了，这关系到未来十年甚至三十年的用户与数据入口的争夺。显然，这比七八年前的PK刺激得多。
2017年还得看传感器
可以看到2017年AI产业领域的主旋律是“竞争加剧”。在激烈的竞争中会重新洗牌城头变幻大王旗，让一些创业公司垮掉，也会诞生一些黑马公司。这一切的速度都要比七八年前移动互联网来临时勇快更凶猛。
反倒是大工业领域现世安稳、岁月静好——当然，整个工业体系也在升级转型。不过，至少2017年工业制造行业包括热门的智能汽车、智能家居等，首先要解决的问题是把数据放到线上。毫无疑问，2017年会出现更便宜更好的传感器，帮助工业领域解决数据采集和数据传输的问题。
比如无人驾驶汽车，2017年怎么拐，其实还是看激光雷达能不能量产降价，以及固态雷达是不是达到了商用的水准。而全自动化的工厂也还在研究定位、追踪、纠错、保障等一系列物联网领域的IT问题。可以预见，在AI大潮迎面扑来的2017年，首先因为AI赚到钱的必然是传感器经销商、云服务商和IT技术顾问们。
1878年，爱迪生在巴黎世博会上展出了他的一揽子发明：白炽灯泡、小区发电站以及输电网配套设施。1880年，爱迪生利用竹纤维把灯丝寿命从几个小时延长到170个小时，并在1889年给整个艾尔菲铁塔装上了电灯，惊艳世人。同时，爱迪生也开始了他雄心勃勃的电力能源生意——在纽约的各个街区里建设发电站，为所在街区的灯泡提供照明用电。
其实，2016年人工智能的大环境和爱迪生的境遇挺像：自己生产灯泡，然后自己建设小区发电站和输电配套设施给自己卖出去的灯泡供电。2016年最著名的人工智能事件大抵是有人写出了先进的人工智能程序，可以上网、上电视节目、下围棋、认个图片或者答个题。过去的一年是人工智能第三次复兴的元年，这毫无争议。得益于深度学习等技术的突破，人工智能在学术研究上进展飞快，而日益强大的互联网公司把越来越多的人和设备都维持在线，这使得人工智能第一次有了直接进入产业的机会。
但显然，和爱迪生后来遭遇的麻烦一样，并不是给灯泡通上电能亮就行。用电器会越来越多，电力要完成的职能越来越广泛。很快，发电、电网、用电器分成了三个截然不同的大行业，遵循各自的标准，驱动现代社会前行。和现在几乎任何一个商业机构都要用电一样，未来任何一种商业行为也都要借助于人工智能的力量。这事实上也就像是近些年的趋势：三百六十行，行行离不开互联网。
那么，人工智能实际发展的情况距离人人都像用电一样“即插即用”还有多远呢？2017年又会走近多少？这里不妨简单做个预测。
IT系统全面转向AI化
宏观上，2017年人工智能将成为计算型公司的标配能力。有的公司会将这种能力向外输出有的则未必。首先，部署着全球IT资源的互联网巨头们首当其冲，其中国内最为激进的反倒不是人工智能喊得最响的百度，而是2015年就默默把所有业务都迁移上云的阿里。
2017年计算型公司除了拼业务市场份额和资金实力之外，还要开始拼计算力了。这会逼迫到现在还没有完成IT改造的大小公司都加快步伐，这样才有可能承载即将到来的AI底层化。比如打着人工智能旗帜的黑马公司——今日头条，2016年底的宕机事件恰到时机地敲了警钟，今日头条之前的IT架构能够承载快速增长的业务口马？头条实验室的研发成果不仅仅要服务头条的受众和广告主，还到了要把整个数据底层管起来的时候。只有足够强大的数据底层才有可能在接下来率先推出或适应标准化的AI中间件和操作系统，继而才能在AI时代抢占先机。想想2011年大家都开始现学Android和iOS开发时，竞争对手已经囤了几百个移动开发者的情况，竞争差距会因此迅速的拉开。所以2017年AI业界的序幕，很大程度上来说是各大公司的lT改造与升级。事实上，不光是今日头条，百度、阿里、腾讯、美团、搜狗等公司也在磨刀霍霍。这一趋势“近水楼台”地带动了金融机构全面接入人工智能技术。2016年各大银行、保险、证券机构已经在试水用人工智能解决账户安全与金融风险的问题。2017年这一趋势会更加明显并真正得到普及。
想象一下ATM机刷脸取现成为标配的场景，毫无疑问这将在半年内普及。对金融机构来说，其面临两大的挑战：一是传统IT构架下，地方分治多年，利用人工智能相关的系统转型升级也是一个总行回收权力，重整业务清理冗员降低成本的过程——上AI系统容易，调整利益分配难；二是在科技公司把“获客入口”都抢占之后，金融体系如何守住自己前端“获客”通道对抗同行？又或者，是否推出自己的金融科技产晶7俗话说甲方的困难就是乙方的机会，2016年出现的大量天价估值AI研发公司在2017年可以到金融圈里收果子了。
即便是这样，这些充满实验室气氛的AI研发公司还是会遭遇挑战。在我看来，那些在2015到2016年期间被高估资本价值的Al公司在2017年不会那么容易融到资金。如果说资本的作用是加速把原本是未来的资产负载表拉近，那么没有达到预期的公司就需要在2017年用收入和市场份额来证明自己拿得住现在的估值。这不是一件容易的事，历史经验告诉我们，被资本高估的公司死亡几率更大。2017年人工智能全面开花时如果有AI公司倒闭，也并不奇怪。
更多AI黑天鹅应用
相对于IT系统全面转向AI化，应用层面今年会出现什么黑天鹅就不是那么好预测的事情了。事实上，去年计算机视觉技术语音识别技术、自然语言理解技术已经基本达到了目前IT领域所能承载的及格线，而利用这些技术能升级哪些应用，或者诞生什么新应用是无法预测的。不过，大应用走向平台化，利用AI技术接入小应用并为小应用收单是2017年可以预见的趋势。而大量的小应用会因此而获得视觉、语音和自然语言方面的AI能力，相信2017年还会有更多的黑马小应用（微信小应用只是其中一种）出现。
2017年最值得期待的还是iOS与Android两大系统在迎接人工智能升級过程中孰胜孰败的问题。经过长达八年的厮杀，这两个操作系统最后杀了一个平手。而在AI时代，两者又站在了同一起跑线上。
值得思考的是，目前大家使用最多的计算设备仍然是手机，也就是说能够运行和接入AI系统的设备们还是被iOS和Android瓜分了。在出现一个新的普及率可以匹敌手机的设备之前，一个全新的适合AI的操作系统想像颠覆Windows一样颠覆iOS和Android，这在2017年不太可能发生。而且，苹果和谷歌在AI这件事上已经开始上刺刀了，这关系到未来十年甚至三十年的用户与数据入口的争夺。显然，这比七八年前的PK刺激得多。
2017年还得看传感器
可以看到2017年AI产业领域的主旋律是“竞争加剧”。在激烈的竞争中会重新洗牌城头变幻大王旗，让一些创业公司垮掉，也会诞生一些黑马公司。这一切的速度都要比七八年前移动互联网来临时勇快更凶猛。
反倒是大工业领域现世安稳、岁月静好——当然，整个工业体系也在升级转型。不过，至少2017年工业制造行业包括热门的智能汽车、智能家居等，首先要解决的问题是把数据放到线上。毫无疑问，2017年会出现更便宜更好的传感器，帮助工业领域解决数据采集和数据传输的问题。
比如无人驾驶汽车，2017年怎么拐，其实还是看激光雷达能不能量产降价，以及固态雷达是不是达到了商用的水准。而全自动化的工厂也还在研究定位、追踪、纠错、保障等一系列物联网领域的IT问题。可以预见，在AI大潮迎面扑来的2017年，首先因为AI赚到钱的必然是传感器经销商、云服务商和IT技术顾问们。