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(fā)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(fā)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(tǒng)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(yè)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(yè)問題：

　?。?）行業(yè)存在持續(xù)痛點；

　?。?）商業(yè)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(yè)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；

　?。?）商業(yè)流程較少受整體商業(yè)環(huán)境的復雜影響。

　　4.大數據是戰(zhàn)略性競爭優(yōu)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(chuàng)業(yè)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(yè)數據協(xié)同，即下游創(chuàng)業(yè)公司或行業(yè)公司和產業(yè)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(yè)應用，豐富實用場景。隨著數據和場景的增加，人工智能創(chuàng)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(chuàng)新的領域，現有的應用向縱深拓展，價值創(chuàng)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(yè)和領域，價值創(chuàng)造極高。

　　7.人工智能產業(yè)鏈

　　人工智能產業(yè)鏈根據技術層級從上到下，分為基礎層、技術層和應用層?；A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(yī)療、購物、交通出行等各行業(yè)、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(tǒng)。

　　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(guī)劃等技術或中間件。

　　應用層

　　應用平臺層：行業(yè)應用分發(fā)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(yè)鏈價值分析：

　　人工智能產業(yè)鏈中，基礎層是構建生態(tài)的基礎，價值最高，需要長期投入進行戰(zhàn)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(yè)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(tài)構建者將成為其中最重要的一類模式。

　　模式一：生態(tài)構建著——全產業(yè)鏈生態(tài)+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(yōu)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(yōu)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(tǒng)商業(yè)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(tài)。

　　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(yè)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(yè)鏈下游拓展。

　　關鍵成功因素：開發(fā)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(yè)進行深度整合。

　　10.人工智能對企業(yè)的啟示：

　　傳統(tǒng)企業(yè)的競爭優(yōu)勢主要來自兩個方面：

　　其一，在企業(yè)布局上，企業(yè)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(guī)模經濟和范圍經濟，并通過門店和經銷商網絡建立了穩(wěn)定的客戶關系；

　　其二，在企業(yè)自身的能力上，企業(yè)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(yè)競爭優(yōu)勢轉變?yōu)樗惴ê蛿祿Y產，建立學習網絡和數據生態(tài)，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(yōu)勢，傳統(tǒng)企業(yè)需要攜手互聯網企業(yè)，探索新的商業(yè)模式。

　　11.人工智能對政府的啟示：

　　為加快人工智能產業(yè)發(fā)展，政府應從以下三個維度加強對人工智能產業(yè)的政策支持：

　?。?）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(yè)發(fā)展，應開放公共數據，并優(yōu)化數據質量，建立系統(tǒng)化結構化的數據庫平臺，為人工智能的發(fā)展提供資源。

　?。?）建立企業(yè)主導、高校研發(fā)、國家投入的人工智能產業(yè)一體化發(fā)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(yè)在人工智能行業(yè)的主導地位，鼓勵企業(yè)積極開發(fā)人工智能的場景應用，以將人工智能科研成果轉變?yōu)樯虡I(yè)價值。同時，鼓勵高校研發(fā)、增加國家科研投入，為長期人工智能基礎科技突破做準備。

　?。?）以產業(yè)基金、專項基金等激勵人工智能創(chuàng)新，提供針對人工智能創(chuàng)業(yè)企業(yè)的稅收優(yōu)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(guī)環(huán)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(yè)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(zhàn)略邏輯。

　　但其對人工智能產業(yè)鏈價值，以及商業(yè)模式的剖析，對于創(chuàng)業(yè)公司的價值非常大。指出機會在哪里，有助于創(chuàng)業(yè)公司在巨頭的夾縫中找到自身優(yōu)勢，回避短板，獲得更好的發(fā)展。