| 数字经济时代的人工智能技术 |
| 行业动态 电气自动化 产业动态 2021年12月16日 |
 | 文章来源：前瞻 文章版权： 作者： | 阅读量：1070 | |
| 内容摘要：数字经济时代的人工智能技术 |
1、人工智能技术进入规模化商用期 。
近年来，人工智能从学术研究逐渐走向产业化，成为我国全面进入数字经济时代的核心驱动力之一，考虑到其对传统行业模式的重塑价值以及未来全新商业生态的引领，2017 年 7 月，国务院发布《新一代人工智能发展规划》，将人工智能的发展上升到了国家战略层面。 受益于国家政策的大力支持以及资本和人才的驱动，我国人工智能理论和技术快速发展，在人工智能各子领域取得了一定的突破，全球各大经济体也对人工智能领域的技术研究与产业应用高度重视，积极地投入到了人工智能的发展之中。 从全球领先的信息技术研究与分析企业 Gartner 披露的“人工智能技术成熟度曲线”（Hype Cycle for Artificial Intelligence）来看，2015-2021 年，人工智能各子领域重点技术的成熟度正在不断地提升，以语音识别、GPU 加速度计算为代表的技术已实现了成熟应用；以聊天机器人、机器学习、计算机视觉为代表的一应技术正逐渐度过幻灭期（幻灭期指人工智能子领域重点技术从技术期望值过高到技术规模应用必经的探索实践过程，在该过程中外界对于该技术的期望值会大幅下降，故称为幻灭期。），即将步入生产成熟；生成式人工智能、组合式人工智能等尚处于萌芽期的一系列技术，近年来由于其较高的商业价值快速发展，预计 2-5 年内也将完全实现规模商用；以智能机器人、自然语言处理、数字伦理为代表的一系列技术则仍在发展研究之中，距离实现成熟应用尚需 5-10 年的时间；通用人工智能、无人驾驶汽车等一应技术则由于技术较强的集成性以及成本、计算能力等限制因素和生产成熟仍较为遥远，在 10 年以内不太可能出现相关技术的成熟应用。
综合来看，人工智能从学术研究逐渐走向产业化，商业与 AI 技术的融合形成互为支点的发展格局，进入产业规模商用期限。未来，AI 数字商业生态相关技术仍将不断地进步，先进的人工智能技术将不断地对 AI 数字商业的各个领域进行渗透。
人工智能技术与商业生态的融合发展
（1）语音识别 语音识别是让机器识别和理解说话人语音信号内容的新兴学科，是将语音信号转变为文本字符或者命令的人工智能技术，搭载了语言识别技术的智能设备能够理解讲话人的语义内容，使其听懂人类的语音，从而判断说话人的意图，是一种非常自然和有效的人机交流方式。 从 Gartner 披露的“人工智能技术成熟度曲线”来看，2015 年以来，语音识别便一直处于“生产成熟期”，是目前在商业生态中技术发展最为成熟，产业应用最为广泛的人工智能技术之一。目前，其已在智能翻译、智能医疗、智能汽车、智能客服、互联网语音审核等多个领域实现场景应用。以手机语音识别助手为例，其本质就是将语音识别技术应用到智能手机中，进而实现人与手机的智能对话功能。 语音识别技术的规模应用让更多的商业产品实现了数字和智能属性，也为整个商业生态带来了更多的人机交互可能。
（2）聊天机器人 聊天机器人是经由对话或文字进行交谈的计算机程序，其能够在一定程度上模拟人类的对话。聊天机器人是基于自然语言处理技术实现的，其能够通过分辨人们输入的关键词，从数据库中找到对应的应答句进行输出。一部分聊天机器人还搭载了机器学习等人工智能技术，摆脱了对静态数据库的依赖，基于与使用者的即时互动，习得新的对答和语境，根据每次互动的经验，改善沟通的能力。 从 Gartner 披露的“人工智能技术成熟度曲线”来看，聊天机器人技术正逐渐度过幻灭期，在未来 2 年内实现规模化应用。目前，各电子商务平台以及提供互联网客服服务的各大品牌门店已经开始广泛地应用聊天机器人技术，其通过虚拟客服的形式，解放了大量的客户服务人员，实现了 24 小时全天候快速识别并回答大部分常见的客户咨询。部分企业还将聊天机器人与语音识别技术相结合，对部分电话销售岗位进行了替代，实现了人工智能技术与营销环节的融合。正如 Gartner 指出的，随着聊天机器人技术的不断发展以及在商业生态中的广泛应用，其已经成为当今人工智能技术应用的一大典范，为旨在保护客户和员工安全的自动化、非接触式客户交互做出了贡献。 据 Gartner 预测，未来 2-5 年内，聊天机器人的采用率将达到 100％，将成为企业
采用人工智能技术的最主要的形式，也将成为人工智能技术与商业生态融合发展的典型之一。
（3）计算机视觉 计算机视觉是让计算机拥有人类视觉功能，并对于客观存在的三维立体化世界的理解以及识别的一门研究科学，其本质即在 2D 的平面图像或者 3D 的三维立体图像的数据中，获取所需要的信息。其一般利用摄像机替代人眼，并辅以物体识别和检测、语义分割、运动和跟踪等技术，使得计算机拥有人类的双眼所具有的分割、分类、识别、跟踪、判别决策等功能。 从 Gartner 披露的“人工智能技术成熟度曲线”来看，计算机视觉技术正处于幻灭期，并将于 2-5 年内实现规模化应用，但在部分应用领域，计算机视觉技术已经实现了大范围的普及。目前，计算机视觉的主要应用场景主要包括人脸识别、图片识别、医疗影像诊断、视频监控、三维视觉等领域。以人脸识别为例，其目前已经作为快速身份识别的方式，在用户登录、移动支付等需要 ID 匹配的商业环节实现了广泛的应用。 从整个商业生态来看，计算机视觉技术能够实现智能设备对于商品的识别，是整个商品数字化的基础，也是数字商业生态中数字商业内容领域能够存在的重要技术支撑，随着计算机视觉技术的不断发展，其与商业生态的融合将会带来更多商业模式的创新，并为商业生态向数字商业生态的转型提供更多技术上的便利。
（4）生成式 AI AI 与内容的结合被称为“生成式 AI”（Generative AI），由人工智能自动生成新的编程、内容或商业活动，让文字、音乐、图像、语音、视频、商品、场景等都可由 AI算法自动生成。根据 Gartner 披露的“人工智能技术成熟度曲线”，生成式 AI 仍处于萌芽期，但其广阔的应用场景和巨大需求空间吸引着大量资本和技术的投入，预计将在 2-5 年内实现规模化应用。 目前，生成式 AI 已经成为了人工智能各子领域中最瞩目的技术之一，其被业界广泛认为是人工智能与内容领域深度融合的代表，是推动内容开发、商业服务、视觉艺术等领域数字化进程的底层技术。因此，大量的人工智能企业在近年来也在纷纷推进在该子领域的技术开发。在中国，影谱科技于 2018 年首提的生成式 AI 智能影像生成引擎AGC、组合式 AI+DT 引擎 ADT，目前已成为商业领域深度应用的 AI 应用技术栈之一，面
向零售平台及品牌创造商品内容化的数字资产，提供创建工具，提供了更好、更可控的数字体验，帮助零售企业打开新的增量市场，在商业领域产生深远影响。 ?新的内容创建方式 从内容生成的关键评价指标看：传统的内容创建方式成本高昂、生产效率低下，且具备产出不稳定、内容片面、晦涩难懂等问题，影谱科技生成式 AI 技术大幅提升数字商业内容生成效率、降低生产成本，自动化同时亦达到工业化门槛， AI 方式比传统方式在效率及成本方面大幅提升，打开增量市场。
?启发性的 3D 商业体验 影谱科技生成式 AI 支持的自动化创建数字商品模式对所有商品 SKU 均具备通用适用性。基于 AI 多媒体生成技术，可将传统商品快速生成可视化、交互性强的数字商业内容，将深度改造商品陈列及消费体验，亦能满足多产品同步改造需求，形成体验-洞察-决策一体的数字商业模式。 全真应用程序：场景规划器、产品配置器、AR、VR 等。 全真解决方案：家具、厨房、浴室、办公室、家电等垂直领域
全真目录：商品 3D 建模、目录内容管理。
Gartner《2021 年预测：人工智能对人类和社会的影响》给出积极预测，至 2023 年将有 20%的内容被生成式 AI 所创建。至 2025 年，Gartner 预计生成式 AI 产生的数据将占所有数据的 10%，而今天这个比例不到 1%。预测，至 2025 年，中国生成式 AI 商业应用规模至 2070 亿元，未来五年年均增速 84%。
图表29：2020-2025 年中国生成式 AI 技术栈应用规模（单位：亿元）
3、人工智能技术与商业生态加速融合的外部驱动因素
（1）AI 民主化
AI 民主化的概念是数字技术民主化概念的延伸，其核心思想即为不熟悉人工智能技术开发的最终用户提供使用人工智能技术的便捷方法，从而降低人工智能技术的应用门槛。以谷歌发布的 AutoML 为例，其通过自动化机器学习模型取代了通过代码搭建机器学习模型的过程以及复杂的调试工作，用户只需输入特定数据便能训练出一个企业级的机器学习模型，很大程度上降低了机器学习训练中的工作量。 AI 民主化能够有效地降低企业在人工智能技术应用方面的技术壁垒，使先进的人工智能技术不再是数字科学家们的专属，每一个中小企业都能够以较低的成本实现人工智能技术与自身业务与商业模式的结合，从而大幅提高人工智能技术在商业领域的渗透率，使得人工智能技术与商业生态加速融合。 此外，因为构建人工智能系统所需的知识、工具和数据原材料在 AI 民主化的环境下会变得越来越容易获取，越来越多的人将会参与到人工智能技术在商业领域应用的创新活动中去，一定程度上将有效激发人工智能技术在商业领域应用的创新活力，加快人工智能技术与商业生态的融合。
图表30：AI 民主化推动人工智能技术与商业生态加速融合的机理概述
（2）GPU 加速计算
GPU，即图形处理器，是一种专门在计算机、平板电脑、智能手机等相关电子设备上进行图像和图形相关运算工作的微处理器。GPU 拥有数以千计的微型且高效的核心，
中国 AI 数字商业展望 2021-2025 43 各处理核心之间不存在依赖关系且互不干扰，因此尤其适合大规模的并行运算，且可以极大地缩短计算时间。基于以上特性，GPU 在人工智能领域拥有了广泛的应用。尤其在深度学习领域，GPU 能够快速地处理海量数据，大大地提高了深度学习的效率，这种快速处理能力也为深度学习的发展带来了更多的可能性。全球领先的人工智能计算企业NIVIDA 在其官方网站宣称，一共有三种力量推动了 AI 时代的到来，其分别为：海量的可用数据、深度学习算法的发明和 GPU 计算的高性能。可见，GPU 为人工智能技术的发展提供了极为重要的硬件支撑。 根据 Gartner 披露的“人工智能技术成熟度曲线”， GPU 加速计算技术已经来到了生产成熟期，实现了规模化应用。综合来看，GPU 加速计算的应用加快了人工智能的计算速度，不仅为人工智能技术的进步打开了空间，还通过提高人工智能技术的运算效率，为其在商业领域的更多应用增添了可能，一定程度上将促进人工智能技术与商业生态的融合。