如今，移动互联网红利日渐趋薄，行业发展逐渐出现瓶颈，各路创业者和投资人纷纷把人工智能看成是革新产业困局、提高行业运营效率和激发创新的关键要素。工信部统计数据显示，2016年中国人工智能市场规模达239亿元，预计2018年将有望超过380亿元。其影响从语音识别、自动驾驶汽车遍布到金融交易、智能财务领域等,带动了一系列的新兴产业的高速发展。随着时代的推移和技术的发展，未来人工智能领域将扩张至各行各业，必将带来新一轮的社会经济变革。
参考观研天下发布《2018-2024年中国人工智能产业市场竞争现状调研及未来发展趋势预测报告》
本期《中国人工智能之路》李开复接受主持人毕啸南邀请，与主持人针对人工智能时代人类将如何变革以及我们该如何规划人工智能时代的生活、学习等问题展开深度探讨。
李开复表示，程序化的、重复性的、仅靠记忆与联系就可以掌握的技能将是最没有价值的技能，可以由机器来完成；反之，那些最能体现人的综合素质的技能，是人工智能时代最有价值，最值得培养、学习的技能。人工智能对生产效率的大幅改进，对人类劳动的部分替代、对生活方式的根本变革，必然触及社会、经济、政治等人类生活的方方面面。
【毕啸南】：在这之前，我已经专访了很多AI领域的企业家，有一个很重要的特质，就是都是科学家，或者学者转型，所以您认为这种科技型人才转型成企业家，他们自身或者这一类人群需要突破的壁垒在您看来是什么呢？
【李开复】：其实要转的地方还很多。最大的一点，就是科学家从读博士到写论文做研究的整个过程中，追求的是一件事情，就是要做前人没有做过事情，差异化越大越好，越新越好，但是不追求其它的。但是当我们做企业也好，做投资也好，做产品也好，追求的一定是满足用户的需求，满足市场的需求。当你的终极目标有这么巨大的转移的时候，一个科学家能不能非常成功地转换自己的角色，就看他能不能放下过去追逐的那一个目标，而接纳新的目标。所以如果你用科学家的思维，你很可能想要做一个完美化的，一个科技领先的，一个前人未所做过的，而不是一个真正的所谓普及性成功的产品，那在这个过程中，转换这个思维我觉得是最难的。
【毕啸南】：您提到了其实很有趣的事情，其实两个阶段的目标，也是完全不一样的。
【李开复】：对，我觉得人总会觉得说是可以合一的，其实是不可以的。因为你做这个车是要做成世界最快的跑车，还是卖得最多的车，就是说你得技术的差异化，还是市场份额，这个是非常不同的企业文化，也是非常不同的个人的思维方式。
【毕啸南】：这里边几乎分了两类人，一类人就是说有人发现我真的是只能做技术类的人才，所以说会找合伙人，团伙性作战；另一类就是说他自己能够实现转型。您认为AI的创业者跟其他的创业者其实更需要一些不一样的特质是什么？
【李开复】：我觉得从计算机技术来说，AI算是比较接近科学的。计算机基本是个工程，那么在这个工程的领域里面，过去做系统的，做操作系统的，做数据库的，做安全的，他们其实还是工程师思维大于科学家思维，所以他们的转型会相对容易一些。AI科学家还真的是需要很懂数学，能够发明新的算法，世界上最聪明的大脑碰撞，还有竞争什么的，所以这一批做AI的人，当然还有做计算机理论的那些，一般不会成为企业家，所以不考虑了。就是系统型的人是工程师的，AI相对科学家的，所以我对于AI型科学家转型企业家会抱一个问号。
【毕啸南】：我们国内在人工智能领域的基础研究，包括这种原创研发的力量，到底是个什么状态呢？有人跟我说现在市场上，世界范围内甚至达到40%、50%的先进论文都是我们华人在撰写的。
【李开复】：我们如果用围棋作为一个例子，人下围棋有九段高手，有像柯洁这样的，还有五六七段，其实他们也都很厉害，但是九段比五段还是高很多，还有一些业余选手。那中国在AI这个领域，其实已经早就脱离业余进入职业水平了。如果说我们看比如说五段以上的AI高手，中国我觉得确实有43%，这个是创新工厂搜过所有的顶尖100个期刊里面的作者，有43%是中国人。它的挑战就是说，做最顶尖的这种探索性前人未做的工作，我觉得还是要美国、加拿大、英国领跑，我们还是要学习，要给足够的耐心。但是如果说应用化也好，或者做很好的论文，甚至在一些竞赛得第一名，我觉得我们的前1万名的，五段以上的高手其实还是很多的，他们都年轻，所以给足够的时间，我觉得在即便是顶尖的前10，前100，我们也会有我们的一席之地的。
【毕啸南】：所以您认为应该是在下一代的教育过程之中，或者现在看我们节目的观众，他会觉得，我是在这个时候就应该加强对孩子这方面的素养培养了。
【李开复】：我觉得这是家长能够马上做的第一件事情。因为已有工作的人转岗是很复杂的事情，他的工作会不会消失，他的公司会不会帮他转岗，还有他会不会消失的时候已经退休了，还有会不会社会足够富足了，因为AI赚了那么多钱，是可以提早退休的，所以其实有很多因素。我觉得更重要的是说，哪些才华才能是很难，或者甚至不可能被AI取代的，我们怎么把这些融入我们下一代的教育，这个我觉得会是每一个人都应该关注的，因为每个人都关注下一代成长。什么是不能被AI取代的，AI像我刚才说的，它只能在单一的领域，去根据大数据做客观的判断，更高的能力还没有，未来不排除会有，但现在还没有。基于这句话，AI不能做的是什么， AI不能做创新，AI只是优化，它是不能做跨领域复杂，是没有人性的，是没有感情的。所以哪些工作是人类应该更加强的呢？就是那些创新的工作。创新类的工作我觉得其实是一个非常广义的，创新类的工作包括了科学、文学、艺术，包括了里面的传媒，包括了做公关，包括了讲故事，包括了剧本，包括了话剧等等，还是比较大的从无到有，想出以前没有过的东西的，这个从0到1这种的工作。创业者，或者是企业领袖，政府官员、领导这些复杂度很高，跨领域很高，而且需要一定的创新，需要一定的突破这一类的，我觉得这是一个大类，跨领域也是一类，但是我们可能把它涵概在创意型的工作里面。
人工智能行业市场发展分析
一、云端智能逐渐向边缘迁移，AI 革命悄然进行
新一波人工智能关起带动了产业快速发展，目前发展重心主要在云侧智能，通过云端联网和数据中心，来进行大规模计算，实现人工智能。云端具备连结多方大数据以及超强计算力的优势，在人工智能的发展中占据着不可替代的作用。但人工智能发展仍面临着多重挑戓，包括海量数据，实时性以及安全/隐私问题，要真正要让人工智能走进生活，需要从云端走向终端。
首先，我们看到终端侧作为人工智能平台，在本地进行实时环境感知、人机交互与决策控制，具有四大优势：1）隐私性，云侧智能的基础在二用户需要将所有数据上传到云端，终端 AI 的数据存储计算等都在本地，可以有效保证数据安全；2）可靠性，本地决策避免了数据经过更长的通路产生错误；3）低时延，本地实时处理保证了时间敏感的实时类应用的 AI 推理时延要求；4）可以高效利用网络带宽。
其次，随着移动互联网发展，终端设备大规模接入互联网，物联网设备数量的爆发几乎成了共识，预计到 2020 年将有超过 500 亿联网设备。物联网最关键的是智能，利用连接设备的数量由量变引起质变后可以沉淀大量的数据，并进一步形成智慧，利用智慧创造巨大的价值。终端设备上产生的海量数据提供商业价值的同时，也对数据处理提出挑戓，边缘计算成为发展的新趋势之一，在边缘侧引入数据分析不智能化处理技术可以大幅提升效率并且降低成本。
智能边缘计算提出了一种新模式：让物联网的每个边缘设备都具备数据采集、分析计算，通信，以及最重要的智能；同时利用云计算的能力，通过云来大规模的进行安全配置、部署和管理边缘设备，能够根据设备类型和场景分配智能的能力，让智能在云和边缘之间流动。“云+端”的协同智能，充分发挥终端和云端的各自优势，才能促进 AI 产业进一步升级。
二、终端智能化快速发展，国内企业有望弯道超车
终端智能对于终端的高速运算、低功耗提出了极高的要求。首先终端本身的运算能力都非常有限，阻碍了对数据快速处理的进度，再加上人工智能涉及到的复杂计算，对于计算力的提出更高的要求，原有的 CPU 架构需要升级；其次是功耗的问题，在终端上的人工智能要保证实用必须要低功耗，又要实现高性能，需要在算法、芯片领域做权衡处理。
英伟达、英特尔、Google 等科技巨头都已开始布局终端 AI。英伟达全面布局自动驾驶汽车领域，已经推出最新一代智能汽车计算平台 Pegasus，同时针对 AI 智慧城市应用以及机器人等终端设备应用推出 Metropolis 平台和 Jetson 超级计算机模块；英特尔推出 Myriad X 芯片，是世界上第一个拥有与用神经计算引擎的规觉处理单元（VPU），能够在不牺牲功耗的前提下大幅提高边缘计算计算的性能，是英特尔在边缘计算领域的重要步骤。Google 在近日新发布 Image Processing Unit （IPU），是继 TPU 之后推出的第二颗芯片，主要针对移动端应用。
参考观研天下发布《2018-2024年中国人工智能产业市场竞争现状调研及未来发展趋势预测报告》
本期《中国人工智能之路》李开复接受主持人毕啸南邀请，与主持人针对人工智能时代人类将如何变革以及我们该如何规划人工智能时代的生活、学习等问题展开深度探讨。
李开复表示，程序化的、重复性的、仅靠记忆与联系就可以掌握的技能将是最没有价值的技能，可以由机器来完成；反之，那些最能体现人的综合素质的技能，是人工智能时代最有价值，最值得培养、学习的技能。人工智能对生产效率的大幅改进，对人类劳动的部分替代、对生活方式的根本变革，必然触及社会、经济、政治等人类生活的方方面面。
【毕啸南】：在这之前，我已经专访了很多AI领域的企业家，有一个很重要的特质，就是都是科学家，或者学者转型，所以您认为这种科技型人才转型成企业家，他们自身或者这一类人群需要突破的壁垒在您看来是什么呢？
【李开复】：其实要转的地方还很多。最大的一点，就是科学家从读博士到写论文做研究的整个过程中，追求的是一件事情，就是要做前人没有做过事情，差异化越大越好，越新越好，但是不追求其它的。但是当我们做企业也好，做投资也好，做产品也好，追求的一定是满足用户的需求，满足市场的需求。当你的终极目标有这么巨大的转移的时候，一个科学家能不能非常成功地转换自己的角色，就看他能不能放下过去追逐的那一个目标，而接纳新的目标。所以如果你用科学家的思维，你很可能想要做一个完美化的，一个科技领先的，一个前人未所做过的，而不是一个真正的所谓普及性成功的产品，那在这个过程中，转换这个思维我觉得是最难的。
【毕啸南】：您提到了其实很有趣的事情，其实两个阶段的目标，也是完全不一样的。
【李开复】：对，我觉得人总会觉得说是可以合一的，其实是不可以的。因为你做这个车是要做成世界最快的跑车，还是卖得最多的车，就是说你得技术的差异化，还是市场份额，这个是非常不同的企业文化，也是非常不同的个人的思维方式。
【毕啸南】：这里边几乎分了两类人，一类人就是说有人发现我真的是只能做技术类的人才，所以说会找合伙人，团伙性作战；另一类就是说他自己能够实现转型。您认为AI的创业者跟其他的创业者其实更需要一些不一样的特质是什么？
【李开复】：我觉得从计算机技术来说，AI算是比较接近科学的。计算机基本是个工程，那么在这个工程的领域里面，过去做系统的，做操作系统的，做数据库的，做安全的，他们其实还是工程师思维大于科学家思维，所以他们的转型会相对容易一些。AI科学家还真的是需要很懂数学，能够发明新的算法，世界上最聪明的大脑碰撞，还有竞争什么的，所以这一批做AI的人，当然还有做计算机理论的那些，一般不会成为企业家，所以不考虑了。就是系统型的人是工程师的，AI相对科学家的，所以我对于AI型科学家转型企业家会抱一个问号。
【毕啸南】：我们国内在人工智能领域的基础研究，包括这种原创研发的力量，到底是个什么状态呢？有人跟我说现在市场上，世界范围内甚至达到40%、50%的先进论文都是我们华人在撰写的。
【李开复】：我们如果用围棋作为一个例子，人下围棋有九段高手，有像柯洁这样的，还有五六七段，其实他们也都很厉害，但是九段比五段还是高很多，还有一些业余选手。那中国在AI这个领域，其实已经早就脱离业余进入职业水平了。如果说我们看比如说五段以上的AI高手，中国我觉得确实有43%，这个是创新工厂搜过所有的顶尖100个期刊里面的作者，有43%是中国人。它的挑战就是说，做最顶尖的这种探索性前人未做的工作，我觉得还是要美国、加拿大、英国领跑，我们还是要学习，要给足够的耐心。但是如果说应用化也好，或者做很好的论文，甚至在一些竞赛得第一名，我觉得我们的前1万名的，五段以上的高手其实还是很多的，他们都年轻，所以给足够的时间，我觉得在即便是顶尖的前10，前100，我们也会有我们的一席之地的。
【毕啸南】：所以您认为应该是在下一代的教育过程之中，或者现在看我们节目的观众，他会觉得，我是在这个时候就应该加强对孩子这方面的素养培养了。
【李开复】：我觉得这是家长能够马上做的第一件事情。因为已有工作的人转岗是很复杂的事情，他的工作会不会消失，他的公司会不会帮他转岗，还有他会不会消失的时候已经退休了，还有会不会社会足够富足了，因为AI赚了那么多钱，是可以提早退休的，所以其实有很多因素。我觉得更重要的是说，哪些才华才能是很难，或者甚至不可能被AI取代的，我们怎么把这些融入我们下一代的教育，这个我觉得会是每一个人都应该关注的，因为每个人都关注下一代成长。什么是不能被AI取代的，AI像我刚才说的，它只能在单一的领域，去根据大数据做客观的判断，更高的能力还没有，未来不排除会有，但现在还没有。基于这句话，AI不能做的是什么， AI不能做创新，AI只是优化，它是不能做跨领域复杂，是没有人性的，是没有感情的。所以哪些工作是人类应该更加强的呢？就是那些创新的工作。创新类的工作我觉得其实是一个非常广义的，创新类的工作包括了科学、文学、艺术，包括了里面的传媒，包括了做公关，包括了讲故事，包括了剧本，包括了话剧等等，还是比较大的从无到有，想出以前没有过的东西的，这个从0到1这种的工作。创业者，或者是企业领袖，政府官员、领导这些复杂度很高，跨领域很高，而且需要一定的创新，需要一定的突破这一类的，我觉得这是一个大类，跨领域也是一类，但是我们可能把它涵概在创意型的工作里面。
人工智能行业市场发展分析
一、云端智能逐渐向边缘迁移，AI 革命悄然进行
新一波人工智能关起带动了产业快速发展，目前发展重心主要在云侧智能，通过云端联网和数据中心，来进行大规模计算，实现人工智能。云端具备连结多方大数据以及超强计算力的优势，在人工智能的发展中占据着不可替代的作用。但人工智能发展仍面临着多重挑戓，包括海量数据，实时性以及安全/隐私问题，要真正要让人工智能走进生活，需要从云端走向终端。
首先，我们看到终端侧作为人工智能平台，在本地进行实时环境感知、人机交互与决策控制，具有四大优势：1）隐私性，云侧智能的基础在二用户需要将所有数据上传到云端，终端 AI 的数据存储计算等都在本地，可以有效保证数据安全；2）可靠性，本地决策避免了数据经过更长的通路产生错误；3）低时延，本地实时处理保证了时间敏感的实时类应用的 AI 推理时延要求；4）可以高效利用网络带宽。
其次，随着移动互联网发展，终端设备大规模接入互联网，物联网设备数量的爆发几乎成了共识，预计到 2020 年将有超过 500 亿联网设备。物联网最关键的是智能，利用连接设备的数量由量变引起质变后可以沉淀大量的数据，并进一步形成智慧，利用智慧创造巨大的价值。终端设备上产生的海量数据提供商业价值的同时，也对数据处理提出挑戓，边缘计算成为发展的新趋势之一，在边缘侧引入数据分析不智能化处理技术可以大幅提升效率并且降低成本。
智能边缘计算提出了一种新模式：让物联网的每个边缘设备都具备数据采集、分析计算，通信，以及最重要的智能；同时利用云计算的能力，通过云来大规模的进行安全配置、部署和管理边缘设备，能够根据设备类型和场景分配智能的能力，让智能在云和边缘之间流动。“云+端”的协同智能，充分发挥终端和云端的各自优势，才能促进 AI 产业进一步升级。
二、终端智能化快速发展，国内企业有望弯道超车
终端智能对于终端的高速运算、低功耗提出了极高的要求。首先终端本身的运算能力都非常有限，阻碍了对数据快速处理的进度，再加上人工智能涉及到的复杂计算，对于计算力的提出更高的要求，原有的 CPU 架构需要升级；其次是功耗的问题，在终端上的人工智能要保证实用必须要低功耗，又要实现高性能，需要在算法、芯片领域做权衡处理。
英伟达、英特尔、Google 等科技巨头都已开始布局终端 AI。英伟达全面布局自动驾驶汽车领域，已经推出最新一代智能汽车计算平台 Pegasus，同时针对 AI 智慧城市应用以及机器人等终端设备应用推出 Metropolis 平台和 Jetson 超级计算机模块；英特尔推出 Myriad X 芯片，是世界上第一个拥有与用神经计算引擎的规觉处理单元（VPU），能够在不牺牲功耗的前提下大幅提高边缘计算计算的性能，是英特尔在边缘计算领域的重要步骤。Google 在近日新发布 Image Processing Unit （IPU），是继 TPU 之后推出的第二颗芯片，主要针对移动端应用。
终端 AI 应用处于蓝海市场，国内企业不断创新。除寒武纪外，地平线自主设计研发的嵌入式人工智能处理器架构 BPU，提供设备端上完整开放的嵌入式人工智能解决方案，面向自动驾驶和智能生活等应用场景推出了“雨果”平台及“安徒生”平台；阅面科技携手英特尔发布“繁星”系列产品，包括跨模态人脸识别引擎 UniFace、基于 Uniface 的繁星 AI 芯片规觉模块、以及基于繁星的智能客群分析摄像机“阅客”，通过性能堪比服务器的终端规觉模块，将云端计算能力搬至终端；杭州国芯科技联合 Rokid、思必驰等发布 AI 终端芯片 GX8010，切入物联网人工智能芯片。中科创达全面押注嵌入式 AI，已在工业领域初步尝试，将机器规觉技术，通过嵌入式 AI 应用到工业质检中。
资料来源：国家统计局，观研天下整理，转载请注明出处（GSL）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
