隨著本周阿里云棲大會的召開，阿里云研究中心、波士頓咨詢公司以及Alibaba Innovation Ventures合作共同推出的《人工智能：未來制勝之道》也隨之發布。

本期的智能內參，我們就和大家一起解讀阿里新鮮出爐的人工智能報告。

　　以下為智東西整理的報告干貨：

　　1.人工智能的準確定義與內涵：

　　人工智能是研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學。

　　根據人工智能的應用，人工智能可以分為專有人工智能、通用人工智能、超級人工智能。

　　根據人工智能的內涵，人工智能可以分為類人行為（模擬行為結果）、類人思維（模擬大腦運作）、泛（不再局限于模擬人）智能。

　　人工智能的驅動因素：算法/技術驅動、數據/計算、場景和顛覆性商業模式驅動。

　　人工智能的承載方式：

　　技術承載方式：單機智能、平行運算/多核智能、高度分散/群體智能。

　　表現方式：云智能、端智能、云端融合。

　　人工智能與人的關系：機器主導、人主導、人機融合。

　　2.人工智能會做什么？

　　人工智能具備“快速處理”和“自主學習”兩種能力。

　　人工智能實現了學習、決策和行動的快速處理。計算機處理信息、溝通信息、并行計算和線性計算的速度都快于人類。

　　人工智能可以更靈活地自主學習和管理知識，支持知識的“產生——存儲——應用——更新”的體系化管理。

3.人工智能用在哪？

　　人工智能在圖像識別、語言識別和自然語言處理，以及人機交互、機器視覺、自動駕駛等方面都已經成功應用。

　　人工智能更易于解決符合以下特點的商業問題：

　　（1）行業存在持續痛點；

　　（2）商業流程本身具有數字化的信息輸入，問題可以細分并清晰的界定，商業流程存在重復，且獲得的結果的溝通以書面溝通或單相溝通為主；

　　（3）商業流程較少受整體商業環境的復雜影響。

　　4.大數據是戰略性競爭優勢。

　　海量、精準、高質量的數據為訓練人工智能提供了原材料。

　　人工智能的三種主要技術，都需要專有類型的數據。

　　機器學習需要大量的標簽樣本數據。

　　模式識別偏重于信號、圖像、語音、文字、指紋等非直觀數據。

　　人機交互則需要積累大量的用戶數據。

5.現階段，特別對于創業公司而言，數據的來源主要有三種。

　　方式一，自籌數據，即從零開始，投入大量人力采集數據。

　　方式二，公共數據。例如美國、英國、加拿大、新西蘭，以及我國的香港、上海、北京、武漢、無錫、佛山和南海等城市都有自己的線上數據平臺。

　　方式三，產業數據協同，即下游創業公司或行業公司和產業鏈上游的數據或平臺型公司建立合作，連接對雙方均有利的產品或數據。

　　6.從人工智能的技術突破和應用價值兩維度分析，未來人工智能將會出現三個階段：

　　情景一：未來3-5年，仍以服務智能為主。在仍工智能及有技術的基礎上，技術取得邊際進步，機器始終作為人的輔助；在應用層面，人工智能拓展、整合多個垂直行業應用，豐富實用場景。隨著數據和場景的增加，人工智能創造的價值呈現指數增長。

　　情景二：中長期將出現顯著科技突破。人工智能技術取得顯著突破，如自然語言處理技術可以及時完全理解類人對話，甚至預測出“潛臺詞”。在技術創新的領域，現有的應用向縱深拓展，價值創造限制在技術取得突破的領域。

　　情景三：長期可能出現超級智能。人工智能的技術取得顯著突破，應用范圍顯著拓寬，人機完全融合，人工智能全面超過人類，無所不在，且顛覆各個行業和領域，價值創造極高。

　　7.人工智能產業鏈

　　人工智能產業鏈根據技術層級從上到下，分為基礎層、技術層和應用層。基礎層最靠近“云”，應用層最靠近“端”。

　　基礎層（按技術層級從上到下，下同）

　　計算能力層：大數據、云計算、GPU/FPGA等硬件加速、神經網絡芯片等計算能力提供商。

　　數據層：身份信息、醫療、購物、交通出行等各行業、各場景的一手數據。

　　技術層

　　框架層：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系統。

　　算法層：機器學習、深度學習、增強學習等各種算法。

　　通用技術層：語音識別、圖像識別、人臉識別、NLP、SLAM、傳感器融合、路徑規劃等技術或中間件。

　　應用層

　　應用平臺層：行業應用分發和運營平臺，機器人運營平臺。

　　解決方案層：智能廣告、智能診斷、自動寫作、身份識別、智能投資顧問、智能助理、無人車、機器人等場景應用。

8.人工智能產業鏈價值分析：

　　人工智能產業鏈中，基礎層是構建生態的基礎，價值最高，需要長期投入進行戰略布局；通用技術層是構建技術護城河的基礎，需要中長期進行布局；解決方案層直戳行業痛點，變現能力最強。

　　9.未來人工智能競爭格局：

　　在人工智能平臺化的趨勢下，未來人工智能將呈現若干主導平臺加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式。

　　模式一：生態構建著——全產業鏈生態+場景應用作為突破口。

　　關鍵成功因素：大量計算能力投入，積累海量優質多維數據，建立算法平臺、通用技術平臺和應用平臺，以場景應用為入口，積累用戶。

　　模式二：技術算法驅動者——技術層+場景應用作為突破口。

　　關鍵成功因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶。

　　模式三：應用聚焦者——場景應用。

　　關鍵成功因素：掌握細分市場數據，選擇合適的場景構建應用，建立大量多維度的場景應用，抓住用戶；同時，與互聯網公司合作，有效結合傳統商業模式和人工智能。

　　模式四：垂直領域先行者——殺手級應用+逐漸構建垂直領域生態。

　　關鍵成功因素：在應用較廣泛且有海量數據的場景能率先推出殺手級應用，從而積累用戶，成為該垂直行業的主導者；通過積累海量數據，逐步向應用平臺、通用技術、基礎算法拓展。

　　模式五：基礎設施提供者——從基礎設施切入，并向產業鏈下游拓展。

　　關鍵成功因素：開發具有智能計算能力的新型芯片，如圖像、語音識別芯片等、拓展芯片的應用場景；在移動智能設備、大型服務器、無人機（車），機器人等設備、設施上廣泛集成運用，提供更加高效、低成本的運算能力、服務，與相關行業進行深度整合。

　　10.人工智能對企業的啟示：

　　傳統企業的競爭優勢主要來自兩個方面：

　　其一，在企業布局上，企業有專有的固定資產、品牌、知識產權等資源，在所在領域取得規模經濟和范圍經濟，并通過門店和經銷商網絡建立了穩定的客戶關系；

　　其二，在企業自身的能力上，企業積累獨特的人力資源和技能，并在流程上盡可能精簡。

　　人工智能時代，企業競爭優勢轉變為算法和數據資產，建立學習網絡和數據生態，360度洞察消費者，通過人工智能不斷地學習產生新的知識，同時在數據驅動下，進行即時自動決策。

　　利用人工智能構建新的競爭優勢，傳統企業需要攜手互聯網企業，探索新的商業模式。

　　11.人工智能對政府的啟示：

　　為加快人工智能產業發展，政府應從以下三個維度加強對人工智能產業的政策支持：

　　（1）開放政府及公共領域數據，打造國家級人工智能資源平臺。數據是人工智能的基礎。為鼓勵人工智能產業發展，應開放公共數據，并優化數據質量，建立系統化結構化的數據庫平臺，為人工智能的發展提供資源。

　　（2）建立企業主導、高校研發、國家投入的人工智能產業一體化發展模式。人工智能在未來數年內將以服務智能為主，因此需要樹立企業在人工智能行業的主導地位，鼓勵企業積極開發人工智能的場景應用，以將人工智能科研成果轉變為商業價值。同時，鼓勵高校研發、增加國家科研投入，為長期人工智能基礎科技突破做準備。

　　（3）以產業基金、專項基金等激勵人工智能創新，提供針對人工智能創業企業的稅收優惠，以人才為導向，配套全球人工智能人才安家政策，提供寬松的人工智能法律法規環境。

　　結語

　　總體而言，阿里的人工智能體現于對于自身的產品與業務進行功能試水。當然，類似的方式也是騰訊和華為的人工智能戰略邏輯。

　　但其對人工智能產業鏈價值，以及商業模式的剖析，對于創業公司的價值非常大。指出機會在哪里，有助于創業公司在巨頭的夾縫中找到自身優勢，回避短板，獲得更好的發展。