AI市場進入理性期 六大行業推動應用落地是關鍵

本文原創，作者：章鷹，電子發燒友執行副主編。

人工智能是數字經濟的核心之一。2018年全球人工智能市場規模達到240億美元，中國市場占9.2%，達23億美金。近五年來，中國AI市場成就斐然，2018年中國軟件市場占據全球軟件市場規模的3.1%，中國人工智能軟件市場占據全球的15.4%，未來還有更大的增長空間。

圖：中國AI產業五年間發展迅猛

近日，IDC新興技術研究部高級研究經理盧言霞在深圳舉辦的2019年年中國ICT中國市場趨勢論壇上，分享了AI技術最新路線圖，中國AI最新發展情況和全球AI應用落地趨勢。

2019年，市場對人工智能的期望恢復理性，開始進入落地應用階段。核心AI能力不斷擴展，包括推理、強化學習、遷移學習/小數據、數據自動化（例如貼標簽）、終端AI、情感AI、可解釋/透明AI、窄域到寬域、學習+推理等，這也催生了大量的行業AI項目。

IDC預計，到2024年，基于人工智能的IT項目實施以每年至少7%的增長推動新一輪的業務流程重構，這需要具有深厚行業背景的公司提供專業的技術服務。2020年，5G牌照的發放和商用將會使數據的收集和流通變的更加簡單和通暢，AI和5G的結合可以更快的推動如自動駕駛、平安城市的發展。

機器學習和人工智能算法成為發展基石

IDC高級研究經理盧言霞表示，人工智能市場處于緩慢爆發的過程，展望未來，算法是人工智能發展的基石，機器學習會驅動人工智能上層應用的發展，也將成為銜接任務型AI，向活動型AI、流程型AI發展的重要基石，其中認知智能成為關鍵的基礎技術。盧言霞指出，認知智能是實現從任務型AI向更高層次AI的必經之路——自然語言和語義理解。

圖：AI形態的全球演進趨勢

縱觀國際大型科技公司，在人工智能領域都有專門布局和收購。比如擁有海量數據的互聯網巨頭谷歌有專門的TPU芯片，專門的機器學習框架，在機器學習、認知智能和視覺相關領域，都收購了大量的初創公司。谷歌投入４億英鎊收購英國人工智能初創公司DeepMind，這是一家前沿的人工智能企業，其將機器學習和系統神經科學的最先進技術結合起來，建立強大的通用學習算法。擊敗韓國圍棋冠軍李世石的AlphaGo就是DeepMind 開發的程序。

還有亞馬遜公司，它引領消費者智能化風潮，在云端AI優勢驅動企業用戶，，在認知智能和視覺領域，都收購了大量的初創公司。同樣，微軟主要服務商業用戶，在企業進行自動化改造開始，微軟在認知智能和視覺領域的收購非?；钴S。

在未來機會中，IDC建議ICT廠商中的有實力企業投資AI中的關鍵基礎技術，大型企業為社會培養人工智能人才，并在全社會推廣培養數據素養，包括提高數據認知和加強數據素養。

六大行業應用推動AI市場增長

政府行業、金融業、互聯網行業在經過近年的應用實踐后將全面擴展AI的應用。而新零售、新制造、醫療領域也將成為AI市場的新增長點。IDC預計未來3年這六大行業應用AI的復合增長率將超過30%。

在過去的兩年中，AI在醫療影像領域進展迅速，機器讀取影像模型數據，AI給出數據模型效果。從目前的醫療影像識別，到未來患者用藥提醒和診療建議，我們稱之為人類領導機器輔助。人工智能將輔助臨床決策診斷。例如電子健康病例診療記錄，最后的決策和診療方案由醫生來執行。在醫療行業中，目前更多的是單點任務的自動化，很難實現活動流程的自動化。

目前，人工智能應用多處于單點任務階段，融合決策模型，實現活動流程的自動化是遠期目標，更需要融合不同模型之間的實時預測。

IDC認為，2019年人工智能在消費終端和商用終端的應用將不斷加強。2019年超過65%智能終端產品引入人工智能應用，包括手機、智能家居產品。更重要的是，2019年超過10%的商用終端產品也開始采用人工智能應用，商用辦公助手成為新亮點。 到2022年將有40%的商用終端產品采用人工智能。

中國AI發展處于單點任務階段，未來向流程型任務轉變

中國AI和全球AI在自動化當中處于什么程度，目前已經開放了人工智能的技術圖譜，五十年之內人工智能的關鍵詞只有幾個：機器學習，監督學習、半監督學習、無監督學習。人工智能技術的類別達到上百項，僅僅是圖像識別技術達到五十項。機器學習和深度學習已經走出主流的算法模型。

圖：目前中國AI的發展階段

目前，單點任務型是支持中國AI向前發展的主要動力，IDC調研，中國任務型AI應用廣泛，超四成是計算機視覺，超四成是語音語義，一成是機器學習。在視覺領域，一批企業崛起，比如商湯、曠視科技、依圖科技、云從科技和云天勵飛，在語音語義識別市場，則有科大訊飛、小i機器人，還有平臺級的公司百度、微軟、阿里、華為，亞馬遜和IBM，在從單點任務向流程型任務的轉變中，這些平臺級的公司越來越起著引領的作用。

圖：中國任務型AI應用的主要類別

數據資源匱乏是AI發展主要障礙

以人工智能發展的50年來看，各個國家之間的差異明顯，動力和阻力并存。第一個五十年，人工智能沒有走出實驗室，走到生產環境，這一波浪潮中，人才是主要限制的瓶頸。

目前，數據資源成為AI發展中的極大瓶頸。從2019年數據來看，新增的數據空間大約33ZB，僅有27%的數據資源在標準標簽后成為有效數據，這其中又僅有44%是打了標簽的數據資源，在這其中能夠進行分析的是21%，注入到AI模型的是15%。全球僅有１％的有效數據被注入人工智能。未來數據空間的挖掘價值非常大。