人工智能红利渗透与爆发

人工智能红利渗透与爆发《中国企业2020》系列报告 第二季阿里云联系人： 崔昊阿里云研究院高级战略专家shenyou.ch@alibaba-inc.com李双宏阿里云研究院高级运营专家shuanghong.lsh@alibaba-inc.com杨军阿里云研究院战略总监yuezhu.yj@alibaba-inc.com 宿宸阿里云研究与战略咨询部总经理suchen.cs@alibaba-inc.com 张靓阿里云研究院高级数据专家zhangliang.lz@alibaba-inc.com刘松阿里巴巴集团副总裁song.ls@alibaba-inc.com目录一、 2020，企业中的人工智能------------------------------ 05二、 与互联网密不可分的第三次人工智能浪潮 ------------------ 19四、 2020最具产业价值的7个AI领域五、从实验室AI到产业AI：正在发生的人工智能红利三、 人工智能为企业创造价值的模式与路线图----------------- 41 ------------------------- 58 ------------- 85六、AI应用的风险管控和治理：以人为本，赢得信任 ------------- 109埃森哲联系人：李辛博埃森哲应用智能咨询总监xinbo.li@accenture.com郭立埃森哲商业研究院通信、媒体与高科技事业部研究总监taylor.li.guo@accenture.com 袁虹埃森哲应用智能业务主管，董事总经理holly.yuan@accenture.com01第一章：2020，企业中的人工智能数字经济时代的人工智能：盈利仍有困难 红利预期加大上海临港的一片原生态海滩已经成为上海观赏日出日落的“网红”地标，但在欣赏日出日落的时候，一些来这里“打卡”的游客会发现，有时头顶会出现无人机，播放劝说游客远离海滩的提醒：无人机会根据每天的潮汐时刻表，提前20分钟“出勤”，沿着海岸线在30米高的半空中巡检飞行，提醒游客不要停留在即将涨潮的海滩上。如今，临港地区的无人机能实现5分钟内出勤、每天飞行100公里以上的“工作量”，要比人力巡检高效得多。除了高效，人工智能还助力城市精细化管理“防范于未然”。 在临港，从“主动发现”到“智能派单”再到“处理完毕”的闭环案例已有不少。不止是在上海临港，在全球范围内，人工智能的应用已经非常普及。根据Statista预计，人工智能市场增速将保持年均50.7%的增速增长，到2025年，全球人工智能市场规模将高达369亿美元，随着人工智能在图像（包括人脸）识别、语音识别、工业/制造业大脑、预测分析、自动化（包括自动驾驶）等方面的能力不断提升，数字经济时代的发展与人工智能应用的推进已经密不可分，零售业、医疗健康、金融行业、交通行业、教育行业、商业服务业、安全行业、农业等行业都将被人工智能深度渗透。更厉害的是，基于机器视觉，无人机能识别滞留游客，在其头顶绕飞并实时喊话，紧急情况下直接报警请求进一步干预，直到消除安全隐患，无人机才会飞离。但对于整个人工智能产业来首，在行业领域的高度渗透性并非是全部，人工智能发展存在着其独特并持续动态变化的发展现状。产业层面人工智能投资逐步降温与过去风险投资家正纷纷为那些在PowerPoint演示文件中植入“人工智能”这个神奇词汇的初创企业融资不同，人工智能投资正逐步降温。事实上，在解决实际复杂问题方面，人工智能的最新化身并不比30年前的先行者好很多。经过大量量身定制的系统能够在围棋、象棋或《危险边缘》等狭窄挑战中胜出。但是，要从人体显示出的复杂且矛盾的症状中诊断疾病，是它们现在还做不到的事情。根据中国信息通信研究院数据研究中心在2019年4月发布的《全球人工智能产业数据报告》显示，2018年第二季度依赖，全球人工智能领域投资热度逐渐下降，2019年第一季度，全球融资规模126亿美元，环比下降7.3%，融资笔数310笔，同比下降44.1%，其中，中国人工智能领域融资金额30亿美元，同比下降55.8%。02人工智能企业盈利仍然困难不单是DeepMind，有报告显示，2018年近90%的人工智能公司处于亏损状态,而10%赚钱的企业基本是技术提供商，换句话说，人工智能公司仍然未能形成商业化、场景化、整体化落地的能力，更多的只是销售自己的算法，比如，每一次刷脸支付时，获得很可能只有几分钱的“算法使用费用”。人工智能企业盈利仍然困难，以知名企业DeepMind为例，其2018年财报显示营业额为1.028亿英镑，2017年为5442.3万英镑，同比增长88.9%，但DeepMind在2018年净亏损4.7亿英镑，较2017年的3.02亿英镑增加1.68亿英镑，亏损同比扩大55.6%。06052020，企业中的人工智能2020，企业中的人工智能01技术层面无监督学习正在突破通用智能在监督学习的情况下，这些是“目标”（例如图像的正确标签）;在强化学习的情况下，它们是成功行为的“奖励”（例如在Atari游戏中获得高分）。因此，强化学习也可以被认为是一种监督学习，这两者构成了当前机器学习的主要学习方式，也为机器学习构建了一个极限：人类训练师和数据量决定了机器学习的深度和精度。很显然，机器学习如今遇到了瓶颈，无论是人类训练师还是数据量，都难以支撑机器学习更进一步地发展出高水平的人工智能，更不用提通用智能，人类和数据成为了通用智能发展的阻碍，无监督学习则是这一难题当前唯一的解决途径。无监督学习就像是幼儿学习，不仅有指导（监督学习）和鼓励（强化学习），还应该有自由探索世界的能力，不需要人为的干预，这就是无监督学习。这就是为什么，如果要让AI脱离人类发展出通用智能，必须要让它掌握无监督学习的技能。过去十年，机器学习在图像识别、自动驾驶汽车和围棋等领域取得了前所未有的进步。这些成功在很大程度上是智能音箱监督学习和强化学习来实现的，这两种方法都要求由人设计训练信号并传递给计算机：03实验室AI与产业AI存在差距可以说，人工智能当前商业传播的速度非常快，但商业化、产业化的速度、范围和渗透率仍然存在一定的“实验室-商业社会鸿沟”，人工智能必须要从早期普遍强调技术优势，过渡到更加注重产品化、更加融合生态、更加解决实际问题的商业化发展阶段。此外，需要补充的是，很多人工智能机构确实遇到了商业化的难题，一个比较大的原因就是没有找到合适的应用场景，所以在人工智能从实验室走向产业化、商业化时，寻找合适的场景同样非常关键。总体来说，人工智能正处在从实验室走向大规模商业化的早期阶段，越来越多的人工智能技术从开发者和实验室中走出来，开始进入到各个行业中，但是从AI产业向产业AI的转型和落地却并不一片美好，毕竟商业化是企业如何利用人工智能技术来解决实际的问题，并通过市场进行规模化变现的商业行为，它关系到人工智能的技术能力、易用性、可用性、成本、可复制性以及所产生的客户价值。04公众期望度升高，但AI仍然青涩但随着公众期望度不断攀上新高，人工智能被赋予了越来越多的期望值，公