人工智能是一門綜合了計算機科學、生理學、哲學的交叉學科。凡是使用機器代替人類實現(xiàn)認知、識別、分析、決策等功能，均可認為使用了人工智能技術(shù)。作為一種基礎(chǔ)技術(shù)，人工智能在很多行業(yè)都有廣泛應用。五道集團于12月17日發(fā)布《 AI研究報告—人工智能領(lǐng)域的未來和挑戰(zhàn)》，對未來人工智能領(lǐng)域的行業(yè)生態(tài)及應用進行了分析預測。
我們將人工智能依據(jù)實力劃分為三類：
弱人工智能：僅擅長某個單方面應用的人工智能，超出特定領(lǐng)域外則無有效解決能力；
強人工智能：人類級別的人工智能，在各方面都能和人類比肩，且無法簡單進行人類與機器的區(qū)分；
超人工智能：在各個領(lǐng)域均可以超越人類，在創(chuàng)新創(chuàng)造、創(chuàng)意創(chuàng)作領(lǐng)域均可超越人類，可解決任何人類無法解決的問題。
我們認為，從目前人工智能的應用場景來看，當前人工智能仍是以特定應用領(lǐng)域為主的弱人工智能，如圖像識別、語音識別等生物識別分析，如智能搜索、智能推薦、智能排序等智能算法等。而涉及到垂直行業(yè)，人工智能多以輔助的角色來輔佐人類進行工作，諸如目前的智能投顧、自動駕駛汽車等，而真正意義上的完全擺脫人類且能達到甚至超過人類的人工智能尚不能實現(xiàn)。我們預計，未來隨著運算能力、數(shù)據(jù)量的大幅增長以及算法的提升，弱人工智能將逐步向強人工智能轉(zhuǎn)化，機器智能將從感知、記憶和存儲向認知、自主學習、決策與執(zhí)行進階。
資料來源：渤海證券
人工智能的基礎(chǔ)平臺需要三大要素：超算能力、頂尖的深度學習算法人才、海量的數(shù)據(jù)資源。每一樣都有極高的門檻，這決定了基礎(chǔ)層只能是少數(shù)巨頭能夠把控的領(lǐng)域?？萍季揞^長期投資基礎(chǔ)設(shè)施和技術(shù)，同時以場景應用作為流量入口，積累應用，成為主導的應用平臺，將成為人工智能生態(tài)構(gòu)建者（如Google、Amazon、Facebook、阿里云等）。在某個行業(yè)應用場景數(shù)據(jù)資源相同的情況下，基礎(chǔ)層的企業(yè)因為能夠從最基本的神經(jīng)網(wǎng)絡(luò)模型算法作出相應的適配和改進，往往體現(xiàn)出其他企業(yè)難以超越的優(yōu)勢。
資料來源：阿里研究員、浙商證券研究所
國內(nèi)外科技巨頭（谷歌、微軟、百度、阿里等）及AI初創(chuàng)企業(yè)（Face++等）、上市公司（漢王科技等）紛紛推出AIaaS（Applied Artificial Intelligence-as-a-Service，人工智能即服務），把成熟的AI技術(shù)作為基礎(chǔ)設(shè)施或工具型產(chǎn)品提供給其他企業(yè)，以“按需付費”的形式衍生出了一種新的盈利模式——AIaaS。
| 產(chǎn)品 | 功能 | 定價 | |
| 亞馬遜 | 機器學習 | 生成ML模型和預測的管理服務；包括建模APIs和實時批處理預測APIs | 數(shù)據(jù)分析與模型建立$0.42每計算小時；批量預測$010每1000個預測；實時預測$0.0001每個預測 |
| 圖像識別Rekognition | 檢測對象、場景和面孔；識別名人；還可以識別圖像中的不當內(nèi)容 | $1/1000張（100萬張以內(nèi)），調(diào)用次數(shù)越多價格越便宜 | |
| 語音識別Lex | 自動語音識別（ASR）、自然語言理解（NLU）功能，供開發(fā)者使用Amazon Alexa的深度學習技術(shù) | 語音請求：0.004元/條文本請求：0.00075元/條 | |
| 文字轉(zhuǎn)語音Polly | 將文字轉(zhuǎn)為語音，支持24中語言的轉(zhuǎn)換 | 每月前500萬個字符請求免費；超出部分$4/100萬個字符 | |
| 谷歌 | 視覺API | 圖像分析工具 | 根據(jù)使用的功能和每月的使用情況，由$0到$5每1k單位不等 |
| 谷歌云機器學習 | 以便用戶建立機器學習模型的管理服務 | 集中培訓：根據(jù)每小時培訓單位，由$0.49到$36.75每小時不等；預測請求：根據(jù)請求數(shù)量，由$0.05到$01.0每1000個請求，外加$0.40每節(jié)點小時 | |
| 語音API | 將音頻轉(zhuǎn)化為文字 | 前60分鐘免費；61分鐘至100萬分鐘內(nèi)$0.006每15秒 | |
| 預測API | 機器語言/預測分析工具 | 6個月的有限制免費試用；付費使用訪問費$10每月每項目，每天前10000個免費預測和流培訓，額外的預測每1000個$0.5，額外的流更新每1000個更新$0.05，每MB培訓數(shù)據(jù)$0.002 | |
| 微軟 | 計算機視覺API | 可視數(shù)據(jù)分析工具 | 根據(jù)每月使用情況，每1000筆處理由$0至$1.5不等 |
| 情感分析API | 檢測圖像情緒 | 根據(jù)使用情況，每1000筆處理由$0至$0.25不等；錄像免費 | |
| 人臉識別API | 利用屬性和面部識別進行面部檢測 | 根據(jù)每月使用情況，由$0至$2500不等每月 | |
| 文字分析API | 使用非結(jié)構(gòu)化文本分析得以實現(xiàn) | 根據(jù)使用情況，由$0至$2500不等每月 | |
| 必應語音API | 將音頻轉(zhuǎn)化為文字并轉(zhuǎn)化回音頻，使得APP能夠以語音方式回復用戶 | 根據(jù)類型和使用情況，每小時$5.5到$9或每千筆交易$0到$4 | |
| 網(wǎng)絡(luò)語言模型API | 基于REST的為自然語言處理提供工具的云服務 | 根據(jù)使用情況，每千筆交易$0到$0.05不等 | |
| 阿里云 | 自動配色API | 識別圖像主要色彩組成，提供五種可選配色 | 0.01元/30次 |
| 身份證識別API | 識別出身份證包含的身份信息 | 0.01元/500次 | |
| 新聞要素抽取API | 新聞五要素的自動提取 | 0.01元/500次 | |
| 百度云 | UNIT | 面向第三方開發(fā)者提供的對話系統(tǒng)開發(fā)平臺 | |
| 語音合成API | 即文本轉(zhuǎn)換技術(shù)（TTS） | ||
| 網(wǎng)絡(luò)圖片文字識別API | 主要應用于圖片內(nèi)容審核以及視頻內(nèi)容分析和審核 | 每日500次以內(nèi)免費；每月調(diào)用量在5萬次以內(nèi)時價格為0.01元次；其余按調(diào)用兩單價回有所調(diào)整 | |
| 自然語言處理API | 提供國際領(lǐng)先的自然語言處理技術(shù) | ||
| 智能視頻分析API | 實現(xiàn)對視頻內(nèi)容的理解，并基于此構(gòu)建視頻推薦、視頻搜索和視頻廣告系統(tǒng) | ||
| 圖像審核 | 準確識別圖片和視頻中的涉黃、涉暴涉恐、政治敏感、微商廣告等內(nèi)容，也能從美觀和清晰等維度對圖像進行篩選 | ||
| 曠視科技 | Face++人臉識別 | 包括人臉識別、證件識別在內(nèi)的多種圖像識別能力 | 0.001元/次 |
資料來源：微軟Azure、亞馬遜AWS、谷歌云官網(wǎng)、阿里云、百度云、國金證券研究所
未來3-5 年人工智能以完成具體任務的服務智能為主要趨勢，數(shù)據(jù)化程度高的行業(yè)將率先啟動。在服務智能情景下，數(shù)據(jù)可得性高的行業(yè)，人工智能將率先用于解決行業(yè)痛點，爆發(fā)大量場景應用。安防、醫(yī)療、金融、教育、零售等行業(yè)數(shù)據(jù)電子化程度較高、數(shù)據(jù)較集中且數(shù)據(jù)質(zhì)量較高，因此在這些行業(yè)將會率先涌現(xiàn)大量的人工智能場景應用。
資料來源：《百度人工智能白皮書》、浙商證券研究所
安防是中國人工智能最先產(chǎn)業(yè)化的行業(yè)。近些年由于國家“平安城市”建設(shè)的推進，安防領(lǐng)域的政府投資力度較大，全國過半攝像頭已完成高清攝像頭部署，警務電子化與信息化已逐步完成，為人工智能技術(shù)部署提供了基礎(chǔ)條件。且隨著安防數(shù)據(jù)爆炸式的增長，智能化安防已經(jīng)是安防領(lǐng)域新的訴求。從AI 技術(shù)上講，安防領(lǐng)域主要運用到的技術(shù)是以圖像識別為基礎(chǔ)的人臉識別、車輛識別、人群與行為識別等技術(shù)以及以語義理解為基礎(chǔ)的警務數(shù)據(jù)分析與理解技術(shù)。
深度學習對計算能力要求非常高，以至于有人稱之為“暴力計算”。傳統(tǒng)的CPU在目前人工智能計算中使用較為普遍，但由于內(nèi)部結(jié)構(gòu)原因，在性能和效率上并不是最優(yōu)選擇，GPU在浮點運算、并行計算等方面性能優(yōu)于CPU，FPGA綜合性價比不錯，人工智能ASIC專用芯片效率最高，未來前景廣闊。在PC時代，CPU被國際巨頭壟斷，目前中國人工智能產(chǎn)業(yè)生態(tài)全球領(lǐng)先，在人工智能芯片領(lǐng)域，發(fā)展?jié)摿艽螅裆铊b科技（FPGA）、寒武紀科技（ASIC）開發(fā)的芯片產(chǎn)品，都處于領(lǐng)先位置。
數(shù)據(jù)驅(qū)動的深度學習算法通過一個函數(shù)來實現(xiàn)諸多場景與物體的準確分類，但泛化能力差，碰到新考題缺乏分析能力，問題的解決有賴于常識的建立與基于先驗假設(shè)的邏輯推斷，這將使計算機視覺與語言接軌，由感知智能上升至認知智能。再進一步，分類僅為視覺系統(tǒng)應有的基礎(chǔ)功能之一，終極目的應為打造出可與世界交互的機器人智能視覺系統(tǒng)，由機器人所要解決的更加綜合復雜的現(xiàn)實問題來驅(qū)動其選擇要感知的事物與感知的精準度，支撐其圓滿完成任務。
