人工智能未来发展的七大趋势
人工智能未来发展的七大趋势
人工智能（AI）正在逐渐延伸到我们生活的各个方面，有人预测，未来十年人工智能将会渗透到全社会的每一个角落，我们的日常生活也将会因此而改变。这几年来，人工智能领域的公司也在疯狂增长。目前，全球人工智能企业分布呈现出三足鼎立的态势，主要集中在美国、欧洲和中国等国家和地区。
据前瞻产业研究院的统计，2017年美国人工智能企业有2905家，占全球的48.11%，位列全球第一，且主要集中在旧金山/湾区、大洛杉矶地区及纽约。其中加州的旧金山/湾区和大洛杉矶地区的企业数量达到了1155家，占全球的19.13%。
欧洲人工智能企业总数为 657家，占全球的10.88%。在欧洲各国中，英国的企业数量最多，拥有人工智能企业267家，占全球总数的4.42%，其中伦敦就存在223家人工智能企业，占全球的3.69%。
中国人工智能企业总数为670家，占全球的11.10%。
图1：全球人工智能企业地区分布。（来源：前瞻产业研究院）
在融资规模方面，2017年，美国总共获得417次融资，融资金额为45.4亿美元，位列全球第一。欧洲紧随其后，融资金额达到了20.2亿美元；中国与欧洲相差不大，融资额为18.3亿美元。
在中国，人工智能产业规模在2016年就已经突破了100亿元，2017年产业规模达到了152亿元，增长率为51.2%。预计2020年将会增长至500亿元。
图2：中国人工智能产值增长与预测。（来源：1. EE Times-China/ ESM-China/ED-China/Robotics Market Research；2.艾媒咨询，2017-06-06）
目前，人工智能主要的应用领域包括智能助理、智能安防、自动驾驶、医疗健康、电商、金融和教育等领域。那未来几年，人工智能会有哪些发展趋势呢？
一、消费级人工智能会更受关注
随着人工智能技术不断取得突破，尤其是在语音识别、自然语言处理、图像识别，以及人脸识别等感知智能技术的显著进步，现在已经有不少企业将这些技术应用到了我们常用的一些消费级产品中，比如智能手机、智能音箱、教育机器人等，而且还很受消费者的欢迎。相信未来这些消费级的语音助理产品、聊天机器人、教育机器人和翻译机等会更受人工智能企业的关注。
这些人工智能企业需要与那些购买并订阅其人工智能产品和服务的人建立信任，并提供更好的产品和更简单的交互方式，以让普通人更容易接受这些人工智能产品。
二、人工智能创业门槛会越来越低
随着深度学习技术越来越开放，机器学习工具的普及化，人工智能创业的门槛会越来越低。未来会有越来越多应用层面的项目，以更低成本的方式进入市场。比如说人工智能常见的开发框架，包括谷歌的TensorFlow、Facebook的Torch、微软的CNTK，以及IBM的SystemML都实现了开源。国内的百度也开放了其深度学习平台Paddle-Paddele，覆盖了搜索、图像、语音识别、语义处理、用户画像等领域的技术。
三、人工智能将延伸至边缘处理应用
未来人工智能将不仅仅存在于云端，还将延伸至边缘端，以满足那些对时延、私密性要求更高的应用。比如恩智浦的一些MCU中就已经可以部署人工智能推理引擎了，并且能够获得足够的性能。此外，恩智浦的高性能跨界和应用处理器在一些应用中可以实现快速人工智能推理和训练。
将人工智能/机器学习技术引入边缘计算应用的另一个关键要求是可以从云端轻松、安全地部署和升级嵌入式设备。恩智浦的EdgeScale平台支持对物联网和边缘设备进行安全配置和管理。EdgeScale通过在云端集成AI/机器学习和推理引擎，并自动将集成模块安全地部署到边缘设备，实现端到端的持续开发和交付体验。
为了满足广泛的客户需求，恩智浦还创建了一个机器学习合作伙伴生态系统，将客户与技术供应商联系起来，通过经过验证的机器学习工具、推理引擎、解决方案和设计服务，加快产品研发、生产和上市时间。生态系统的成员包括Au-Zone Technologies和Pilot.AI。Au-Zone Technologies提供业界首个端到端的嵌入式机器学习工具包和运行推理引擎DeepView，使开发人员能够在恩智浦的全部SoC产品组合（包括Arm Cortex-A、Cortex-M内核和GPU的异构混合体）上部署和设置CNN。Pilot.AI已构建了一个框架，能够在各类客户平台（从微控制器到GPU）上实现各种感知任务，包括检测、分类、跟踪和识别，并提供数据收集/分类工具和预先训练的模型，以直接实现模型部署。
四、人工智能产业将与智慧城市建设协同发展
智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
五、AI将逐渐走向产品化
随着机器学习和深度学习算法的不断成熟，需要将AI来打造成产品和系统，并在各个领域寻找杀手级应用。但是深度学习仍然面临着很大挑战，需要大量计算能力（需要大量CPU, GPU，FPGA/ASIC的混合计算能力，以及分布式计算能力），需要大量样本和数据，甚至需要大量人工来制作样本（以传递知识给机器）。寻找计算系统和机器学习的结合点，找到机器学习系统的最佳实现方式，以及开发新的机器学习算法。
六、语音识别领域将快速实现商业化部署。
通过利用机器学习技术进行自然语言的深度理解，一直是工业和学术界关注的焦点。在人工智能的各项领域中，自然语言处理是最为成熟的技术，由此引来各大企业纷纷进军布局。在未来3年内，成熟化的语音产品将通过云平台和智能硬件平台快速实现商业化部署。
七、落地较快的行业将集中在安防、智能制造、医疗、教育、电商零售和金融
在中国能够落地的，现在看得到的安防行业和智能制造行业是落地较快的。其次是医疗和教育，市场空间很大，但在中国市场环境下推进较慢。看好AI+零售，零售运营商可以根据用户画像给到消费者更好的用户体验。另一方面，随着价格的降低，更多零售商铺可以享受到AI服务，通过和技术结合，提升运营效率；金融有无限想象力，中国是金融严管的国家，智能投资是严格监管的，还没有形成气侯，但这是大势所趋。