未来十年：十位专家展望中国人工智能行业前景

中国人工智能产业在过去几年实现了飞速增长。得益于国家宏观政策扶持、风险资金推动和创业热情的高涨，中国首次发现自己置身于近现代以来未曾达到的位置：在一个新兴的关键科技领域跻身全球领导者之一。

然而进入2019年，关于“人工智能寒冬”的争议开始越来越频繁地出现。风险资本投资热度出现下降。2018年全年中国人工智能领域的风险融资交易高达496笔，融资总额达157亿美元。而2019年上半年（截至6月13日），中国人工智能领域的风险融资交易累计仅有131起，融资总额为56亿美元。另外，超1亿美元的巨额融资交易从去年的26笔减少到截止今年6月份的4笔。

与此同时，深度学习——即推动本轮人工智能热潮的底层技术——也面临着日益凸显的技术瓶颈。缺乏可解释性和推理能力，对大量训练数据的需求，以及在解决现实世界问题时遇到的挑战，都为人工智能的广泛商业应用增加了障碍。

“现在形成的人工智能系统都非常脆弱，容易受到攻击或者欺骗，需要大量的数据，而且不可解释，存在非常严重的缺陷，这个缺陷是本质的，是由其方法本身引起的，”专注于人工智能研究的中国科学院院士张钹表示。

随着中国政府、科技巨头、人工智能创企不断地探索和扩展人工智能系统在实际应用场景中的适用性和应用边界，中国在许多科技领域早于其它国家进入了无人地带。这些发展带来了前所未有的监管和道德挑战。例如，中国在人脸识别和社会信用评分体系中，应用人工智能技术的方式及其潜在的风险，引发了国际社会的密切关注和担忧。

中美贸易和科技摩擦也给中国人工智能行业的未来，增加了更多的不确定性因素。自由的学术交流、全球开源社区的蓬勃发展、人才的自由流动，这些要素缔造了中国人工智能产业的飞速发展。但未来这些要素将如何演变，我们却难以做出任何简单的假设。

综上，中国人工智能行业已经来到了一个拐角点。整个行业正处于日趋合理化，重新校准行业假设，然而未来却难以预测的新阶段。中国人工智能行业未来的走向正变得愈加关键，却也愈为扑朔迷离。

以下是中国人工智能领域的10位领袖，对未来10年行业发展的预测。这10位专家来自不同的领域，涵盖计算机视觉、语音识别、自动驾驶、人工智能芯片、医疗+人工智能、金融+人工智能、人工智能即服务，以及人工智能投资等。

尽管面临着上述挑战，这些专家们对人工智能在中国的持续发展和大规模应用都保持着一致的乐观态度。中国政府坚定不移地推动中国科技和人工智能行业发展的决心是行业的定心丸。因此，人工智能在中国会继续以比其它国家更深入、更迅猛的速度，对各行各业产生颠覆性的影响。

他们也大多认同，现如今人类对人工智能为经济和社会带来的重构作用，仍旧停留在非常初级和浅层的认识阶段。人工智能的颠覆潜能和价值创造仍有待深度挖掘。未来10年，他们预测人工智能将实现更广泛而彻底的商业应用，从而颠覆和重塑传统产业。人工智能最终将自然而无感地融入商业决策和用户体验中去，消除那些现今令人头疼和不满意的体验。

这可能是对未来10年中国人工智能行业的最佳预测。而在中国如此众多的人工智能独角兽中，有多少可以真正创造出与其估值相匹配的商业价值，人工智能在某些领域的应用是否需要被重新评估，在不久的将来就能见分晓。

没有人拥有知晓未来的水晶球，而预测未来的行为总是充满悖论和风险。这10位专家分享他们对未来的预判和见解，是希望能更好地用于指导今日的实践。接下来，我们将按专家姓氏的字母顺序，依次列出这10位行业领袖对中国未来10年人工智能发展的预测。

推想科技创始人陈宽

陈宽是医疗人工智能应用公司推想科技的创始人兼CEO。2016年，他中断了在美国芝加哥大学攻读金融与经济双博士学位的学习，创立了推想科技，致力于人工智能深度学习技术在医学影像领域的应用。

推想科技利用深度学习技术，分析数字射线成像，计算机断层扫描，及核磁共振成像等医学影像数据，为医生提供精准、高效的辅助工具，从而减轻医生的工作重负。截至2019年5月，推想科技合作全球各地区医院超过300家，每日辅助科研与临床质控病例近40,000例。推想科技自成立起已经完成四轮风险融资，其投资人包括鼎晖资本，红杉资本，启明创投等。

未来10年，人工智能会变成医疗行业的一个基础设施和临床的关键部分，并影响和优化现有的临床路径。同时，人工智能会成为中国分级诊疗政策当中的一个核心技术推手。比如说在基层首诊的层面，人工智能会赋能基层医院，进行早期疾病筛查和早诊，让基层医院及医生也能逐步提升到三甲医院及医生的能力。

推想科技的测试显示，一个初级医生在使用人工智能辅助阅片时，针对肺结节的表现和一个资深医生没有统计学上的区别。同样针对脑卒中等其它的病种，人工智能的辅助优势也是尤为突出的，这也能够帮助改变在中国境内，城市与乡村之间医疗资源不均衡的状态。

中国四万亿的医疗市场是一个产能严重不足的行业，而人工智能可以解决产能不足的问题。中国新一轮的医改会更重视疾病的早筛早诊早治，而人工智能可以提升医疗质量，同时降低医疗成本。比如，推想科技的人工智能产品可以提前9.3个月发现25%的晚期肺癌病例，节省大量的社会成本。

中国巨大的人口基数和老龄化创造了全球最大规模的医疗人工智能技术需求，为中国医疗人工智能的发展提供了绝佳的条件。这是中国人工智能公司得天独厚的优势，也恰恰是人工智能发挥最大社会价值的场景。中国医疗人工智能有望成为全世界的排头兵和领先者。未来，国家之间的差异会使得人工智能技术在医疗上的应用各有侧重，而先后强弱的差距也会越来越明显。

但医疗是一个非常保守严谨、高标准和长周期的行业，任何以互联网浮躁的心态占领市场的打法一定不可行。我们面临的挑战是坚持以最扎实、最稳妥、最坚忍的方式去深耕该行业。我们目前在世界各地的医药监管机构申请产品批准，并探讨医保合作，这些都是一个漫长的过程。因此，我们需要设立很多阶段性的里程碑，一步步做出成绩来。

整个深度学习领域，中美合作是非常多的，包括一些顶级模型和顶级开源框架都是由中国学者和工程师贡献的。如果出现强行的分割，肯定对这个行业的发展有约束作用。但反过来看，整个行业发展其实是非常开放和相互依赖的，所以我也并不觉得中美政治因素可以很容易地影响到学术和技术上的交流和配合。

全球的技术发展还是有其韧性的，国际合作的大趋势短期内不会发生变化。但是，国际摩擦肯定会让企业——不止是中国企业，而是各国企业——更有意识地去寻找备胎和备用方案，以应对任何不可预期的风险。

第四范式创始人戴文渊

戴文渊是中国人工智能公司第四范式的创始人兼CEO。在2014年创立第四范式之前，他曾就职于百度，助力设计人工智能系统“凤巢”，也曾担任华为诺亚方舟实验室主任科学家。戴先生是ACM国际大学生程式设计竞赛的全球总冠军。

第四范式以“AI For Everyone”为愿景，为银行、保险、安防、政务、能源、智能制造、零售、医疗等领域的企业提供人工智能平台服务。截至2019年6月，已经帮助7617个客户及合作伙伴成功落地12648个场景。
未来10年将是人类历史上最大规模的智能大爆发。我预计三到五年内，中国企业的智能化率 将超过50%，而那些领先企业将在五年内完成智能化转型。

目前虽然各行各业都已经开始尝试把人工智能落地到业务场景中，但绝大多数企业的智能化率仍然处于较低的水平。在很大程度上，这是因为目前企业的人工智能落地只处在“拥抱AI”的阶段，模式大多是从0到1。这个过程虽然让企业开始了解人工智能的价值，但人工智能落地的效率还是比较低的。从其创造的价值来看，在很多企业内可能还不到企业营收的1%。

实际上，人工智能落地是有“套路”的。我认为下一阶段，需要将企业落地的套路总结出来，将规模化落地人工智能应用的基础设施建设好，帮助企业告别每个场景都从0到1做的模式，从而高效完成智能化转型。

下一个阶段，我们最关注的将不是每一个应用落地过程中用了哪些高大上的技术，而是每一年落地了多少个人工智能的应用。如果去年落地了100个应用，今年是否可以落地1000个？这种变化下，企业对人工智能由“拥抱AI”转向“追求价值最大化”，企业全面智能化转型的重要性在此凸显。

就人工智能落地的套路而言，我认为企业需要找到自己的核心业务，努力让人工智能在这里发挥极致的效果，“毕其功于一役”。因为核心业务关系到企业的“命脉”，1%的提升或许就能把业务提升做到最大化。与此同时，企业也要找到数量众多的分散场景，力求高效地实现跨场景规模化落地，1000个1%的效率提升也能带来巨大的优化。

就人工智能落地的基础设施建设而言，企业需要完善的数据治理系统。过去以商业智能（Business Intelligence）为导向的大数据系统并不适合人工智能。有的企业将人工智能建设在该系统之上，这反倒成了其落地的障碍。因此，企业需要有以人工智能为导向的数据治理系统，能够存取拍字节（petabyte）级别甚至更大量的日志，支持实时存储，并形成线上数据采集和处理的闭环。

其次是人工智能算力，未来优化人工智能算力的道路一定是软硬结合。因为人工智能算力是一个完整的体系架构，具有固定的计算模式，需要专用的计算。因此，适合人工智能专用算法的算力架构，未来一定会成为人工智能落地的主要算力解决方式，而这也将带来算力的一场革命。

未来三到五年会是人工智能规模化落地非常关键的时期。只要走通了人工智能高效落地的模式，将基础设施建设好，企业将会迅速将智能化率提升至50%以上。

云知声创始人黄伟

黄伟博士是中国聚焦智能语音技术的人工智能企业云知声的创始人。此前，黄伟博士任职于摩托罗拉中国研究中心和盛大创新院，主导开发出全球第一款手机声纹认证系统。他在智能语音和人工智能等领域有着10余年的从业及管理经验。黄伟博士于2012年组建了一支涵盖算法、软/硬件、云架构、芯片等研发能力的核心技术团队，并创立了云知声，业务覆盖智慧生活（包括家居和汽车）和智慧服务（包括医疗、教育和机器人）两大核心应用场景。

截止目前，云知声融资总额达三亿美元，合作伙伴数量超过两万家，覆盖用户达两亿，其中开放语音云覆盖城市超647个，覆盖设备在2.5亿台以上。

人工智能技术包括语音识别、自然语言理解和机器翻译等。这些技术在过去几年里发展迅速，但也面临一些瓶颈：其一，目前深度学习的理论框架短时间之内看不到很明显的突破。虽然有专家提出新的方向，但并未成功地证明能够起到如同从统计学习到深度学习的质变飞跃；其二，当前的技术在实验室是很好看的，但是一旦和场景结合的时候，就会发现技术依然存在着很多短板。很多漂亮的工具放到现实当中就会变得惨不忍睹。

我觉得这两个方面都需要去突破，特别是理论层面上的突破。比如今天我们都知道，把大量数据丢到训练池子里以获得更好的性能，但为什么会获得更好的性能？我们不知道。机器学习对我们来说还有点神秘，我们不知道这个机制如何运作。想要获得突破，我们首先需要神经网络更加具有可解释性。

如果未来我们能够取得理论上的突破，就有可能使得我们的人工智能具备更高的可适应性和推理能力，在不同的应用场景里面都能够表现良好。但是任何一种理论框架的出现和完善，恐怕都是以10年为周期单位的。深度学习的普及10年不到，仍处于初级阶段，其完善和突破也需要很长时间。

在深度神经网络理论突破之前，并不妨碍我们用它来解决一些现实中的实际问题。虽然没有泛化智能，在一些限定场景下它仍旧可以解决非常有价值的问题。人工智能公司可以深入场景，深度优化，夯实数据优化、算法优化和工程优化，来提供真正的商业价值。

中国的人工智能公司都在拓展自己的技术边界，纷纷跨界以实现全栈技术实力。这对团队从资源、资金、技术人才到商务拓展，都是一项非常大的挑战。另外，我们看到人工智能公司越来越达成共识，摒弃过去互联网时代以平台构建为主题的思路，转而更加聚焦深入场景的深度优化策略。这将是人工智能创企的最佳机遇，也是未来人工智能公司持续发展的必然之路。大致来看，科技巨头们上九天揽月，创企下五洋捉鳖，会形成动态互补的竞合态势。中国市场将比美国更有可能目睹人工智能创企打出自己的一片天地。

中美的科技对抗对于中国人工智能公司而言，机遇大于挑战。中国在战略上会更加重视前沿科技的发展，在客户需求上规模巨大、需求紧迫，这些都会产生鞭策的力量。未来三到五年，中国人工智能公司将真正埋下头来，少说话，多做事。

同盾科技创始人蒋韬

蒋韬是人工智能公司同盾科技的创始人兼CEO，也是一位智能反欺诈、智能风控领域的专家。在创立同盾科技之前，蒋先生曾任职于IBM、美会软件和阿里巴巴集团，从事反欺诈和智能风控的研发。他拥有复旦大学计算机系软件和理论硕士学位。

同盾科技是中国第三方智能风控及分析决策解决方案提供商，目前团队有1200余人，累计服务超过一万家客户，主要服务银行、保险、证券、信托、新金融等金融类客户和互联网行业客户。公司自成立起，融资总额超过两亿美元，目前估值近20亿美元。

未来的智能风控会呈现几个趋势：其一，在时效性上由事后、止损型风控模式向实时反馈的模式转变；其二，决策模式上由人工审核和后验策略模式，逐步转变为机器取代大部分人工的自动化决策模式；其三，风险控制和用户体验的提升逐步达到一个平衡。将来“无感反欺诈”、“无感风控”等模式会越来越多，能够在用户毫无感知的情况下，就完成风险审核。

基于生物识别技术的数字身份将成为未来主流的身份识别方式。目前主流的身份标识物品（钥匙、证件、银行卡等）和身份标识知识（用户名、密码等）将会变得越来越不重要。金融领域将成为生物特征识别应用的重要领域。此外，我认为在金融领域，未来声纹识别的应用潜力会非常大。语音是万物互联时代最便捷的入口之一，声纹可以应用在银行、保险核身等各个场景。但目前生物识别仍处起步阶段，其主要风险集中在鲁棒性和安全性等方面。

数据作为人工智能技术的基础，大体量、高质的数据才能够训练出更精确的模型。而联邦学习是可以只用“小数据”就实现“大智能”的技术。基于联邦学习去中心化的算法逻辑，使得参与各方没有一方能拥有所有的数据，也没有一方拥有所有的模型，共用开放数据，而不享有数据，能最大化保护数据安全和数据隐私。在联邦学习的模式下，中小企业的话语权也会得到前所未有的提升，从而突破谁拥有最多数据谁就拥有最大话语权的境地，打破数据垄断。

对金融领域的出海人工智能企业来说，亚非拉板块都是值得深耕的地区。这些地域与几年前的中国非常相似，能够更好地复制中国的经验与技术。比如印尼、菲律宾、尼日利亚、巴西、智利等地区存在人口数量众多、当地民众收入不断提高、居民消费需求增强，同时智能手机普及率较高，而金融服务覆盖率不甚理想的状况。这些因素都使其成为中国金融科技人工智能企业出海发展支付、消费金融、风险管理等服务的主攻阵地。

创新工场首席执行官李开复

李开复博士于2009年创立中国风险投资机构创新工场，担任董事长兼CEO，以及创新工场人工智能工程院院长。创新工场专注于科技创新型的投资理念与最前沿的技术趋势，管理总额约150亿人民币的双币基金。此前，李开复博士曾是谷歌全球副总裁兼大中华区总裁，曾在微软、苹果、SGI等公司担任要职。李开复博士在美国哥伦比亚大学取得计算机科学学士学位，并以最高荣誉毕业于卡内基梅隆大学获得博士学位，同时还获得香港城市大学、卡内基梅隆大学荣誉博士学位。李开复博士先后发明过10项美国专利，发表逾百篇专业期刊或会议论文，并出版过八本中文畅销书。他是美国电机电子工程师学会（IEEE）的院士，自2019年起，担任世界经济论坛第四次工业革命中心所组织的人工智能委员会联席主席。

人工智能已过了“技术为主，专家为王”的黑科技发现期，进入了“应用为主，数据为王”的高速发展应用阶段。人工智能将成为一个可以构建许多商业化应用的平台。随着人工智能四波浪潮逐渐落地，人工智能应用程序的覆盖将从互联网到商业，从感知、计算机视觉、语音识别，到像人一样可以自由移动和自主工作的自动化人工智能。

人工智能正迎来应用井喷的实施阶段。研究机构预测人工智能将在2030年前为全球经济创造100万亿人民币的潜在贡献。我预测这么巨大的经济增量，最大的贡献将来自于人工智能与实体经济和实体行业的高度结合。正如互联网浪潮赋能传统产业一样，随着人工智能从一个高精尖的黑科技慢慢进入主流，最大的受益者将是传统企业。

传统企业拥抱人工智能有着无可比拟的优势，比如它们有深厚的行业商业经验和知识，有可以“即插即用”的现有业务场景，以及大量及时可用的业务数据，这些都是人工智能应用化阶段至关重要的“燃料”。反过来，人工智能将像电一样赋能这些传统企业，助推其转型升级，提升效益降成本。率先拥抱人工智能的传统企业将赢得市场，创造巨大的价值，反之落后的企业或将落入淘汰之列。

人工智能时代下，如何解决好个人隐私和数据安全的问题一直被关注。我们不应该只将此视为一个监管问题，而是更应该尝试用更先进的技术，去解决技术所带来的挑战。例如，采用同态加密和联邦学习这类新技术，可以切实保护个人数据。我们可以设想有一个滑块，每个人都可以选择想要更多隐私性或是更多便利性。让每个人都有自己的数据选择权，而不是采取粗暴的“一刀切”做法，还能使数据进一步优化人工智能算法，提高其效能，这会让人工智能技术更为人们所接受。

人工智能时代已经到来，我们需要积极拥抱它。

依图科技联合创始人林晨曦

林晨曦是人工智能公司依图科技的联合创始人，前阿里云资深专家，曾带领团队搭建了中国拥有自主知识产权的飞天分布式云计算操作系统。他也曾在微软亚洲研究院从事计算机视觉、机器学习、信息检索和分布式系统方向的研究工作。他拥有上海交通大学硕士学位。林先生是ACM国际大学生程式设计竞赛的全球总冠军，于2002年作为上海交通大学代表队队长夺冠。

成立于2012年的依图科技致力于将人工智能技术与行业应用相结合，目前在安防、金融、医疗、商业园区、零售等行业实现了商业化落地。除了计算机视觉技术，依图科技也在人工智能芯片、语音识别、自然语言理解等技术领域开展研发和业务拓展 。

从上世纪50年代起步，人工智能到今天已经走过了不同的历史发展时期。在历史上每隔10年或20年就会有一个大变化。我们把现在这个阶段定义为“AI新时代”。“AI新时代”主要以深度学习、大数据和高性能计算来推动行业的发展。

目前正是人工智能技术实现广泛商业化落地的阶段。未来10年，人工智能将呈现井喷式爆发增长，计算机图像识别、语音识别和自然语言处理领域都将迎来巨大发展。

在今天看来，技术可以实现的边界还很难界定。人工智能技术在某个领域没超越人类之前属于一个“黑暗时期”。一旦人工智能超越人类能力，就会开始飞速发展，并且技术发展曲线非常陡峭。以依图人脸识别技术为例，在2015年突破了人眼识别水平之后的四年内，人脸识别技术精度提升了10万倍，随之带来各个场景的应用突破。

今天人工智能算法不是趋同，恰恰相反是算法之间的差距正在拉大，并且很多技术上的新突破都将会在工业界发生。与此同时，人工智能技术的发展又是跨行业的，它可能会直接进入某个行业，打破行业的原有格局并进行重塑，给这个行业带来阶跃式的发展变化。

人工智能有个特点就是具有马太效应，富者更富。 我深刻感觉到中国人工智能公司在技术上的领先。中国有世界级的任务和场景，在“AI新时代”也将呈现中美并驾齐驱的局面。

在美国，信息化、SaaS化 、移动化、智能化是每一个阶段发展接近成熟后才进入下一个阶段。而在中国，信息化、SaaS化、移动化、智能化是“四浪”叠加发展。因此中国在人工智能发展上拥有了“弯道超车”的机会。

小马智行联合创始人楼天城

楼天城博士是中国领先无人驾驶创企小马智行的联合创始人兼CTO。此前，楼天城博士曾任职于GoogleX（Waymo的前身），从事无人车技术开发，之后在百度担任百度无人车技术委员会主席。楼天城博士毕业于清华大学，是计算机编程界的杰出代表，连续10年蝉联TopCoder中国区第一名，两次获得谷歌全球编程挑战赛冠军。

小马智行成立于2016年，截止2019年4月融资总额达三亿美元，估值达17亿美元。目前公司在广州、北京和美国弗里蒙特试运营乘用车无人驾驶车队，并且正在研发长距离无人驾驶卡车运输。

预测无人驾驶的未来首先需要知道，这件事并不完全取决于技术本身，它也受法律、伦理、保险、民众驾驶习惯、群众接受度等因素的影响。在不同的国家和地区，这些因素存在非常大的差别，尤其会在无人车发展的早期影响大家布局的早晚。而这个早晚，反过来又会影响当地无人驾驶的发展进度。也就是说，得到越早布局的地区往往能够更快地促进技术发展，反之亦然。

未来五到十年内，布局比较领先的国家和地区，会更早地看到无人驾驶技术的出现和成熟，而其它地区则会出现明显的落后，这种区域间的差异将逐渐扩大。其中，中国拥有丰富的道路多样性、政策支持和较高民众接受度等优势，有希望走在无人驾驶发展前列。

尤其考虑到中国政策的特殊性，一些鼓励先试先行的自贸区及智慧交通/智慧城市示范区，会率先小规模落地自动驾驶商业化应用，成功的经验将被逐步扩展到更大范围。另外随着5G的落地，车路协同在中国的发展会更加迅速、扮演更为重要的角色，这对无人驾驶来说如虎添翼，车辆在道路上行驶时会多一份安全保障。

至于实现无人驾驶的技术路径，其实并不是“有无”之争。任何技术路线的选择都应该从一个终极目标出发，即让无人车作为一个安全的应用和产品出现在人们的生活里。今天技术还没有完全成熟，LiDAR、高精地图、车路协同等对无人驾驶的早日落地是有帮助的。这些技术路线无所谓“先后”——凡是能够利用各种因素把车做得更安全的技术，都应该被纳入考虑范围。

随着技术进一步发展，可以考虑减少对某些技术路线的依赖。今天有人不看好LiDAR和高精地图，其主要的争论点是成本。而今天的高成本和量少有很大的关系。无人驾驶作为一个产品得到量产后，LiDAR和高精地图拿到的订单足够多，它们的成本都会下降到可控范围内。也就是说，哪怕日后技术成熟到可以不再依靠LiDAR和高精地图，也没有很强的弃用它们的理由。

数据很重要，但进一步完善无人驾驶技术将不光仰仗于海量数据的积累。近几年深度学习的网络结构、训练模型等方面的创新也提升了训练效果，未来这部分的创新会继续让无人驾驶的大脑更加智能。另外，提升车辆本身相关的技术也很关键，比如硬件的稳定性、传感器和计算芯片等。

中金投X创始人向冀

Nina Xiang是专注于中国风险投资及科技创新双语媒体平台中金投X的创始人，也是细述中国人工智能产业发展历程《Red AI》一书的作者。2011年创办中金投X之前，她曾就职于《彭博商业周刊》、美国《机构投资者》杂志、第一财经，以及中国国际广播电台，拥有十多年财经科技媒体工作经验。

中美贸易和科技争端对中国人工智能产业的影响将是长期和不可逆转的。中国人工智能行业的首要任务会产生根本变化。以往他们追求行业规模、发展速度和技术进步，而将来力求独立自主、自力更生将成为中国人工智能行业最重要的目标。

在中国政府的引导下，中国科技企业将不懈努力，死磕并克服其行业的最短板，减轻对国外技术的依赖。这一过程可能会漫长而痛苦，但中国的庞大体量完全拥有实现这一目标的条件和资源。

我设想最坏的情况是未来世界将面临数字及人工智能世界的巴尔干化。美国与中国——或许还有其它国家——将拥有各自独立的IT基础设施及生态系统。物理现实世界中的日渐分裂会扩展到数字和虚拟世界，这将给用户带来极大的不便，也会给我们共同的未来带去更多的不确定性。而更好的结果是继续维持不久前“整体和谐、局部纷争”的环境，加速全球各行业人工智能的落地及应用，继续增进国际间合作。

在未来的人工智能竞赛之中——主要是中美间的竞争——各国在价值观、政策和道德标准上的分歧将持续成为国家间冲突和摩擦的来源。此外，人工智能还会加剧世界各国科技和资源不平衡的现象，让国家和民众间的差距更加凸显。在中国之内，这种风险可能还是可控的。但在某些地域，这些风险可能会被不断放大。

想要赢得这场人工智能竞赛，中国企业必须做出根本性的改变。这包括整个行业应从虚夸浮躁转为脚踏实地；从炫技走向实际应用；放弃追求快速成功和弯道超车心态，坚持耐心持久地探寻底层创新。

对于正走在国际扩张道路上的中国企业而言，全球监管环境不确定和不均衡的问题会一直存在。扩张的道路将充满挑战，但中国人工智能企业不会停止探索的脚步。

尽管有如此多的风险和不确定性，未来10年的主题仍将是人工智能在所有行业的推广应用。这一进程需要更深入的国际间合作，但不幸的是，目前看起来国际合作在人类最需要的时刻正远离我们。这种局面可能会增加人工智能系统失控的可能性，但尚不会达到任何关乎人类生存的风险水平。

对消费者而言，人工智能产品如机器人、无人驾驶汽车、智能音箱的使用体验提升会感觉异常缓慢。因为这些领域所面临的挑战实在太大，而短期内难有巨大突破。

地平线创始人余凯

余凯博士是中国人工智能芯片及解决方案公司地平线的创始人兼CEO。 在2015年创立地平线之前，他曾担任百度深度学习研究院常务副院长和百度研究院执行院长。此前，他曾任职于NEC研究院、微软和西门子。

余凯博士十多年来聚焦于机器学习研究，在顶尖会议和杂志发表了70多篇高质量论文，研究领域包括语音和图像识别、数据挖掘和人机交互等。他拥有德国慕尼黑大学计算机科学博士学位。

地平线致力于提供边缘人工智能芯片及解决方案，聚焦智能驾驶和智能物联网两个行业。公司已经量产了两款边缘人工智能芯片，并在智能驾驶及智能物联网领域实现了商业落地。公司自成立起累计融资超过七亿美元，估值达30亿美元。

未来10年，人类将进入人工智能普惠时代，但也面临严峻的挑战，其中的两个挑战是能耗危机与数据安全。2016年，中国数据中心总耗电量超过1200亿千瓦时 ，占全国发电量的2%。未来围绕人工智能所产生的数据量将提升两个数量级，占据全球数据总量的绝大部分。按照目前趋势，全球能源供给系统都可能无法支撑未来人工智能计算所需要的能耗。因此，未来的人工智能芯片需要极度重视功耗。

另一方面，数据安全关乎人工智能行业的生死。随着5G的到来，万物互联的时代将带来终端接入网的极大扩容。但骨干网络扩容的成本高并延迟大，导致边缘侧形成数据堰塞湖，边缘计算势在必行。从工地的安全帽检测、智能音箱、车载智能人机交互到自动驾驶，这些部署在边缘侧的设备和软件成了数据的过滤器和控制阀。经过其处理，可仅将万分之一的脱敏数据上传到云端进行处理，能够大幅提升对数据安全性的掌控。

同时，人工智能应用的场景化注定无论是自动驾驶、智慧城市还是智慧商业，场景的特点决定了需要什么样的算法。中国未来在智慧城市、智慧交通、工业4.0和5G推动下的万物互联的发展，意味着人工智能芯片需要聚焦边缘计算，以及算法和芯片的同步开发。

人工智能芯片企业面临的一个主要挑战就是芯片开发和算法迭代的错配。芯片开发如同蓝调，耗时而周期长；而算法迭代像摇滚乐，是短平快的节奏。这需要人工智能芯片开发公司对算法趋势和演变有充分的前瞻性，使得经过一两年研发的芯片在推出的时候，仍然能够适应最新的主流算法。

中国正在经历着从商业创新走向技术创新的模式转变，中国创新也早已进入无人区。不管未来风向如何变化，我认为人工智能芯片企业仍必须致力于打造开放的人工智能芯片生态系统，尽力实现全球人工智能生态系统兼容。这是科技发展不可逆转的趋势。

未来人工智能的发展趋势将是普惠、安全且绿色的，而这都仰赖于底层人工智能芯片的进步。

云从科技创始人周曦

周曦博士是中国聚焦于计算机视觉的人工智能公司云从科技的创始人兼CEO。此前，周曦博士曾在IBM TJ Watson研究中心、微软研究院、NEC研究院、中国科学院从事研究工作，专注于计算机视觉研究。周曦博士在国际顶级会议、杂志上发表了60余篇文章，拥有中国科学技术大学学士和硕士学位，以及美国伊利诺伊大学博士学位。周曦博士于2015年率领团队成立云从科技，融资总额已超过五亿美元，目前估值33亿美元。云从科技业务涵盖金融、安防、民航、零售等领域，已服务400家银行的8.8万网点、31个省级行政区公安，及60余家机场，日均服务旅客达200万人次。

中国计算机视觉的商用虽然在全球都很超前，但仍然只跑了马拉松的第一个10公里，未来的潜力十分巨大。在例如表情识别、动作识别、体态识别、物体识别、动物识别、场景识别等技术的应用上未来可挖掘的还有很多。我们现在看到的是一片无尽的需求海洋，怎样搭建平台化的技术储备，为企业解决实际问题将是人工智能公司未来的主要挑战。这也意味着头部企业将更具优势，而资本市场的两头分化也会越来越明显。

未来10年，人工智能将从让人眼前一亮的炫技，变成对各行各业大刀阔斧的改造。每个行业都会深度探索人工智能对其行业流程的彻底改造和颠覆。当改造完成的时候，行业整体的运行方式将提高到一个前所未见的水准。和100年前电力革命带来的颠覆一样，人工智能对现有行业的革命也将超出我们的想象。

尽管前景激动人心，但人工智能企业要先务实地从小处着手。通过对行业的渐进吃透和技术的逐步提升，日积月累地从量变达到质变。比如我们帮助银行改造自动取款机，这个看起来小小的机器，却可能引发所有金融用户在终端和云端交互方式的完全颠覆。

即使没有重大的理论突破，我对人工智能商用的潜力仍然十分乐观。硬件提升、新应用开发、算法迭代还会助推一波波新的行业浪潮。中国的人工智能企业在把产品真正做到最好之后，海外拓展的机会应该很大。但这种全球扩张会需要更长的时间，至少五年或更久。因为那时中国人工智能企业的技术可能已达到全球领先，将能够在世界各地都有发展机遇，而不仅仅只在发展中国家。

不过因为人工智能的终极产品形态是场景化和行业化的，这也意味着它不会特别通用，而这将是人工智能企业全球化的最主要障碍。因此，这种全球化的过程将不是很容易，也不会那么快。

来源：中金投X