中美人工智能垂直应用及产业趋势研究
●刘凌旗
摘 要： 作为国家关键基础性创新能力的重要体现，人工智能技术代表了信息发展的高级阶段，引发世界主要国家的青睐与关注。中美两国政府、智库各自推出相关战略文件及研究报告；美国在人工智能基础层、技术层的实力较优，而中国在安防、医疗、交通等应用层显现出强劲的发展势头。随着数据、算法和算力的不断突破，人工智能不断向垂直行业领域下沉，以服务平台为核心构建生态系统，以产学研融合为路径聚焦人才资源。
关键词： 人工智能 垂直应用 产业趋势
作为国家关键基础性创新能力的重要体现，人工智能技术无疑代表了信息发展的高级阶段，对政治、经济、文化领域带来极为深远的影响。本轮人工智能的发展已突破最初应用效果的预测，受到风险投资基金的热烈追捧，引发世界主要国家和地区的青睐与关注。总体来看，中美等国政府、智库纷纷推出相关战略文件及研究报告，激发降本增益的效能和更大质量的活力。美国在算法研发、智能芯片方面的实力优于中国，而中国在应用场景方面显现出强劲的发展势头。本文将从政府规划和应用层面分析人工智能发展现状及产业禀赋，同时探讨智能产业的发展趋势。
一、中美人工智能战略与规划
（一）基本概念
回顾相关学术发展史，1956年达特茅斯会议第一次提出“人工智能”（Artificial Intelligence，AI），当时侧重“强人工智能”的韵味，目标在于“制造机器模仿学习的各个方面或智能的各个特性，使机器能够读懂语言，形成抽象思维，解决人们目前的各种问题，并能自我完善。”作为当前人类所面对的最为重要的技术变革，尽管主流研究者希望将弱人工智能的方法组合起来实现强人工智能，但目前业界普遍认为，包括AlphaGo在内的大部分应用仍属于弱人工智能，通过计算机视觉、语音识别、自然语言处理等技术解决特定问题。从概念实质来看，人工智能是利用计算机模拟实现人思维的技术统称，赋予机器人特有的视听说以及大脑抽象思维能力，尤其体现为判断、推理、证明、识别学习和问题求解等思维活动。就内涵而言，人工智能包括脑认知基础、机器感知与模式识别、自然语言处理与理解以及知识工程等方面；就外延而言，它是机器人与智能系统科学的应用技术，“包括工业机器人、农业机器人、服务机器人等各类机器人以及智能交通、智能制造、智慧医疗、智慧城市等。”
以粉煤灰“一步酸溶法”提取氧化铝后尾渣—白泥为原料，通过碱液浸取—水热合成工序制备13X分子筛。研究了导向剂用量、老化温度、铝源对13X分子筛的合成的影响，当导向剂用量为原液体积的3%、老化温度为60 ℃、铝源为偏铝酸钠时，合成的13X分子筛具有较好的热稳定性，该分子筛对Pb2+的饱和吸附量达到35.82 mg/g。因此，利用白泥为原料成功制备分子筛，显著降低了分子筛的生产成本，推动了13X分子筛的生产与工业化应用，在污水处理方面有较好的应用前景。
从产业界、学术界到政府部门均蔓延着对人工智能技术的青睐，智能化变革的理念和愿景加速了新一轮产业革命的到来。在金融、医疗、交通、安防等各行各业，人工智能正在发挥其巨大作用。就金融行业而言，银行、保险、信托、证券等机构通过人工智能技术向客户提供一系列资产增值、责任保障等产品建议，优化形成精准客观的风控模型，促进营销量化管理从理论走向实践；就安防行业而言，通过摄像头等技术防范产品采集的大量视频数据，经由人脸识别、图像识别等智能技术进行高效解析，普遍应用于门禁控制、车辆检测、智慧楼宇、公安刑侦等具体场景，进一步提升了综合预警联防能力和平安城市治理水平；就医疗行业而言，部分大型或中型医院采用了IBM沃森（Watson）等人工智能系统，提升了医生开展疾病诊断和治疗的效率及准确度，完善了初步医疗方案的风险评估和效果预测，同时也能在某种程度上缓解局部区域医疗资源匮乏的困境。
（二）中美发展战略对比
中国、美国、欧盟等有关人工智能的战略规划和政策文件都强调了智能化领域的跨学科研究和人文视角。美国是首个围绕人工智能、自主和无人系统实施财政优先的国家，早在2013年就曾布局多项人工智能计划。进入2018以来，美国政府和国防部在宏观战略层面强化了政策倾斜和资金投入，联邦研究基金与政府实验室均给予配套资助和研究支持。近期，国家科技政策办公室公布《美国人工智能倡议》总统行政令。作为国家首份官方出台的智能计划，该倡议从国家战略层面重新分配资金支持，为智能领域的研发创造新资源倾斜，加快情报战、态势感知等军用智能，建立有助于可移植、可交互操作的系统标准，专注铺设智能技术实现重塑的国际化路径。
在各国紧锣密鼓制定智能战略的同时，中国不断积累着引领全球人工智能技术和应用的雄心，出台了系列规划政策（表1），同时形成科技部、发改委、网信办、工信部、工程院等联合推进机制。人工智能产业持续获得政府的大力支持，工信部明确提出“系统布局、重点突破、协同创新、开放有序”的发展原则。中国是目前人工智能专利布局最多的国家。尽管美国在基础层拥有专利控制地位，技术层则呈现中美双寡头竞争格局。就专利技术布局而言，中国技术研发的热点领域为基础层的智能芯片和智能传感器、技术层的语音识别和机器视觉、应用层的智能驾驶；就企业核心技术分布而言，大数据和云计算占比最高，其次是机器学习和推荐、语音识别和自然语言处理、人脸和步态及表情识别。
T1时间点，2组患者PIP、Paw及Cdyn指标比较，差异无统计学意义(P＞0.05);T2～T4时间点，2组患者PIP、Paw均显著高于同组T1时点，Cdyn显著低于T1时点，且实验组Paw显著低于对照组(P＜0.05)，T5时间点与 T1时点2组 PIP、Paw、Cdyn比较，差异无统计学意义(P＞0.05)。见表1。
完成了系统的软硬件设计后，选取一个蔬菜温室大棚进行了实际安装与测试，对该系统的软件和硬件进行了测试，硬件测试是测试物联网智能节点和底层模块是否能够正常工作，软件测试是测试该系统是否能实现远程监测和自动控制。经测试，检测终端将数据传往云服务器大约在1s左右，该系统稳定可靠，准确性高，将无线自组织网络和NB-IOT网络连接成功后，进行现场数据采集并远程传输，并自动控制设备使大棚环境处于最佳状态，NBIOT网络连接测试和监控软件运行界面如图7和图8所示。
表1 近三年中美人工智能战略规划对比
二、人工智能领域垂直应用
人工智能技术在不同行业的商业化发展，离不开数据、算法和算力的跃升和突破。世界主要国家的工业集团不断探索自身产品服务对语音识别、图像识别、自然语言处理等技术的集成，新兴创业公司也纷纷聚焦垂直领域的智能产品，积极开展技术和实力的博弈。总体来看，人工智能产业发展趋势包括以下几个方面：
（一）安防行业
美国在计算机视觉领域的发展形成了初创公司起步研发、巨头集团收购扩展的模式，例如苹果收购Kinect技术供应商PrimeSense，Oculus收购手势识别开发商Pebbles Interfaces，英特尔收购Movidius公司以提升RealSense摄像技术，等等。国内安防产业发端于上世纪80年代，最初往往由跟踪监控人员回放录像取证，查阅效率不高，且常有疏漏。随着数字网络、电子产品的不断出现以及智慧楼宇、平安城市建设日盛，安防市场成为国民经济的重要增长点。从身份识别、家居安防，到公安布控、反恐维稳，当今公民个体的财富随着国家整体经济社会环境的进步而与日俱增，生活水平改善的同时也增加了安全风险，监控安防管理已然是时代的硬性需求。在这一行业，信息识别路径的多元化和精准度意义重大，智能安防的应用尤其具有国家层面的战略性意义。
在自动驾驶雷达方面，超声波雷达主要用于倒车场景，基于超声波原理,由探头发送超声波撞击障碍物后反射,以此对车体和目标之间距离进行计算。毫米波雷达能够让车辆自适应巡航或跟随前车。当可能发生碰撞时,毫米波雷达可以及时向驾驶人员发出提醒，或采取自动紧急制动；当碰撞无法避免时,雷达系统可以控制刹车、头靠、安全带等,减轻碰撞冲击程度。激光雷达的光束较超声波、电磁波更为收拢，能够准确测量小型目标轮廓边沿同驾驶车辆之间的实际距离,实现厘米级精度的数据反馈。雷达的测量精度和线束数量有关,价格随着线束的增多而上涨，测量精度和自动驾驶系统的安全性也相应提高。
美国在辅助诊疗、可穿戴设备领域展较为兴盛，例如IBM Waston通过美国职业医师资格考试，FDA批准Kardia Band的App应用、ExcelMedical的Wave临床平台、Embrace的癫痫监测手表、Viz.ai的脑卒中护理应用、Cognoa的自闭症筛查、美敦力的血糖监测Guardian Connect等产品，以及IDX的糖尿病视网膜病变设备IDX-DR、Imagen Technologies的腕部骨骼检测软件OsteoDetect等诊断类或DreaMed Diabetes的胰岛素治疗调节Advisor Pro用药辅助类产品。随着中国老龄化问题逐年突出，慢性病的发病率和波及范围相应提高，而医疗行业却面临优质资源欠缺、区域分布不均、治疗器械成本高、病证变化迅速及误诊率高等问题。中国政府也高度重视新技术在这一行业的应用，国务院《关于促进和规范健康医疗大数据应用发展的指导意见》支持研发健康医疗相关的人工智能、生物三维打印技术、医用机器人及可穿戴设备等；《新一代人工智能发展规划》也提出围绕医疗、养老等需求，开发人机协同的手术机器人、智能诊疗助手等，实现智能影像识别病理分型和智能多学科会诊。
（二）医疗行业
素养考查分析：该题从实际问题出发，考查了组合学科知识，需要考生掌握一定的组合题解题技能．有些考生能够将这个实际问题抽象成一个组合数学问题，并写出解答过程：．但是有些考生会遇到不同程度的障碍，例如问题的数学抽象过程中有困难、组合运算出错等．这个题目其实是以“选人问题”为背景，考查学生在真实情境中将具体问题抽象成数学概念、数学关系的能力，即对数学抽象素养的考查，同时对数学建模、数学运算等素养也提出不同程度的要求．
早在2012年5月，美国第一个自动驾驶车辆许可证发放给谷歌自动驾驶汽车。Comma.ai、Driver.ai等也在自动驾驶算法方面卓有成就，Intel、高通、英伟达则擅长决策芯片的研发。传统的驾驶辅助系统（DAS）通过摄像头、激光和超声波等传感器采集车辆内部和周遭环境的数据，帮助驾驶人员发觉潜在危险。自动驾驶系统包括感知层、识别层、决策层、执行层等几个层级。其中，机器视觉传感器可谓自动驾驶的核心感知技术，除实现传统DAS测算目标距离的功能之外,也可以识别标准障碍物的纹理及色彩；摄像技术应用场景繁多，具体包括单目摄像头、后视摄像头、立体（双目）摄像头、环视摄像头等。视觉识别离不开Mobileye、ADI等公司的芯片供应。
（三）自动驾驶行业
针对医疗行业普遍存在的现实痛点，国内外一些研究机构和企业结合人工智能技术优势开发出了辅助诊断系统，采用图像识别、知识图谱等帮助医生进行诊疗。大部分医院已经构建了医学影像存档与通讯系统（PACS）、电子病例（EMR），一些医院还有移动护理系统（Mobile Nursing）和手持数据终端（PDA），患者的巨量数字化信息需要借助人工智能技术进行分析和处理，改善潜在疾病的预测准确率，形成具有针对性的预防手段。具体在医学影像领域，智能化技术对医生阅片模式进行模仿，可应用于数据预处理、图像分割、特征提取以及匹配判断等环节；在辅助诊疗领域，智能化技术对医生思维、诊断过程进行模拟，推理病证发生的原因，并提出可靠的治疗方案。此外，在虚拟助理、新药研发、急救室和医院管理等场景中，智能化医疗也将演变成一种可复制的专业资源。
诸如门禁监控系统、防盗报警系统、目标跟踪系统等，对于图像识别技术、海量数据处理和分析技术提出了较高的要求。海量的监控数据已经超越了有限的人工处理能力，需要借助智能化技术对这些视频信息进行挖掘，从而达到实时监控的目的，并基于此提供基准判断，辅助追踪人员开展工作。具体而言，通过计算机视觉技术手段开展视频分析，一方面根据诸如人类面部、汽车车牌等特征进行识别，将累积的采集信息进行算法模型训练，有助于改善安防任务的时效性与精确性，另一方面通过诸如总数控制、个体跟踪、禁区管理、异常动况等开展行为分析，有助于实现交通规范、周界防范、失物检测、人员密度检测等。这些技术手段能够定位和识别特定的图像序列，对非常态现象发出及时预报，完成智能化分析处理与决策判断，推动安防行业朝着监测预警的智能化方向迈进。
三、人工智能产业发展趋势
美国人工智能产业在基础层、技术层和应用层的发展较为均衡，在算法、算力等核心领域积累了无可比拟的技术优势。中国在基础器件领域存在一定差距，聚焦于应用层面的发展更为迅速。在第一、第二产业，人工智能逐步代替人类完成一些程序性的简易工作，在安防、医疗、交通等行业则能应对和处理更加繁杂的任务。
（一）智能产品和解决方案加速落地，不断向垂直领域下沉
不同行业在知识、经验、流程方面各有特色，通用型智能技术愈来愈难以适应一些特定需求。应用是技术落地的关键环节。传统行业的数据、互联网巨头的计算力与深度学习算法相结合，一方面加速智能产品的创新开发和迭代升级，另一方面为垂直领域提供着智能化解决方案。渗透于安防、医疗、交通等行业的人工智能在应用层面各有侧重，所采集和处理的数据资源较为庞杂，需要研发人员和业务人员一起打磨智能产品及其个性化解决方案。
1）拆架程序应遵守由上而下，先搭后拆、后搭先拆的原则，即先拆拉杆、脚手板、剪刀撑、斜撑，而后拆小横杆、大横杆、立杆等(一般的拆除顺序为安全网→栏杆→脚手板→剪刀撑→小横杆→大横杆→立杆)。
（二）以服务平台为核心构建生态系统，进一步整合多方资源
中美两国孕育了谷歌、亚马逊、微软、阿里、腾讯、商汤等一批云服务与人工智能企业，持续探索软件开发、系统集成、内容运营等厂商之间的合作。云端租赁、后端收费等新型服务模式逐渐兴起。由于这一庞大领域所涉及的行业和应用场景潜力非凡，平台型企业根据自身社会优势切入产业链条，整合上游与下游、平台与内容等多方面资源，共同致力于政府、企业等垂直行业的一站式服务，日益注重打造基于服务平台的生态系统。智能化产业链的参与者将在软硬件技术着陆的同时持续创造转型的机遇。
（三）以产学研融合为路径聚焦人才资源，国内外竞争依然激烈
尽管中国人工智能在应用层的发展反映出较为优越的市场和政策条件，但国内高等教育和科研院所对人工智能技术的布局起步较晚，基础层人才资源相对匮乏。随着智能时代物物相联趋势的到来，产学研一体化对核心专家的需求日益旺盛。行业经验性人才和算法工程师依然是国内外电子科技巨头所抢夺的重点。国内智能领域人才资源以技术层和应用层为主，中美在教育系统结构和教育学习理念方面的差距，使诸多企业投入高额成本汇聚业内人力资源。国家通过“千人计划”、“新一代人工智能发展规划”、“中国制造2025”等政策吸引优质人才，助力产学研的有效融合。
从科学发现、人机协作到处理实时数据、开发多元分布式系统，现阶段的智能化发展以机器学习技术为核心，同时依赖庞大的数据作为支撑。适于多元任务的新型智能平台纷纷诞生，从以往依靠人的经验（experience based），转向依靠挖掘数据中隐性的线索（evidence based），加速了各行业领域的深刻变革与重构。
参考文献：
[1] 贺倩.人工智能技术发展研究.现代电信科技,2016(2)
[2] 科学网.李德毅院士:人工智能的内涵与外延.http://news.sciencenet.cn/htmlnews/2017/9/388998.shtm
[3] 李杰等.从大数据到智能制造.上海交通大学出版社,2016
中图分类号： F062.4
文献标识码： A
文章编号： 1004-4914（2019）07-049-03
（作者单位：中国电子科技集团公司电子科学研究院 北京100000）
（作者简介： 刘凌旗，北京大学博士，中国电子科学研究院工程师，研究方向为电子信息前沿发展战略与科技政策。）
（责编：贾伟）
标签：人工智能论文; 垂直应用论文; 产业趋势论文; 中国电子科技集团公司电子科学研究院论文;