过去一年，你可能已经见过或听过各种以「人工智能」为噱头包装的公司，随着「人机大战」带来的持续讨论，「人工智能」似乎也成为了企业争相抢夺的未来入口。
除了「机器学习」、「模式识别」和「神经网络」这些晦涩的词汇和各种层出不穷的借势营销，这个看似离我们越来越近的市场却在「互联网玄学」的外衣下显得愈发迷雾重重。
那么，关于国内人工智能行业，你究竟了解多少？在下一个产业浪潮到来之前，我们到底又应该关注什么？在极客公园的最新研报《关于人工智能，你应该关注什么？》中，我们将为你呈现一幅完整的中国人工智能产业图。
今天，我们整理了报告中「未来国内人工智能行业你需要关注的五大趋势」，明天也对报告进行全文推送，敬请期待。
机器学习与场景应用将迎来下一轮爆发
根据 Venture Scanner 的统计，截至 2015 年 9 月，全球人工智能领域获得投资的公司中，按照平均融资额度排名的五大业务依次是：机器学习（应用类）、智能机器人、计算机视觉（研发类）、机器学习（研发类）和视频内容识别等。
自 2009 年以来，人工智能已经吸引了超过 170 亿美元的投资。过去四年间，人工智能领域的民间投资以平均每年 62% 的增长速率增加，这一速率预计还会持续下去。
而在 2015 年，全球人工智能领域的投资占到了年度总投资的 5%，尽管高于 2013 年的 2% ，但相比其他竞争领域仍处于落后位置。
目前中国地区人工智能领域获得投资最多的五大细分领域是计算机视觉（研发类）、自然语言处理、私人虚拟助理、智能机器人和语音识别。从投资领域和趋势来看，未来国内人工智能行业的资本将主要涌向机器学习与场景应用两大方向。
数据储存容量和技术能力的提升为机器学习爆发提供了基础保障，而机器学习又是人工智能的核心技术和涵盖面最广的应用手段；但由于现阶段运算能力的局限和通用解决方案的研发门槛限制，基于安防、智能生活、教育和健康等场景的场景应用成为了大多数国内企业在人工智能领域的突破口。
专用领域的智能化仍是发展核心
基于 GPU（图形处理器）计算速度（每半年性能增加一倍）和基础技术平台的飞速发展，企业对于人工智能神经网络的构建取得了前所未有的突破。但是，由于人工智能各领域技术和算法的复杂性，未来 20 年内人工智能的应用仍将集中于人脸和图像识别、语音助手和智能家居等专用领域。
通过上述产业链环节构成和投资分类可以看出，优势企业的核心竞争力主要集中于特定领域的专用技术研发；其中，计算机视觉和语音识别领域的研发和应用已处于国际一流水平，专业应用机器人的研发也有望近 10 年内迎来突破性发展。
可以预见的是，在由专业领域向通用领域过渡的过程中，自然语言处理与计算机视觉两个方向将会成为人工智能通用应用最大的两个突破口。在未来 20 年内，通用领域研发所需的技术和数据也会随着各专用领域差异化发展的日臻成熟而迎来突破。
产业分工日渐明晰，企业合作大于竞争
随着专用领域应用开发的成熟和差异化技术门槛的存在，国内人工智能产业将逐渐分化为底层基础构建、通用场景应用和专用应用研发三个方向。
在底层基础构建方面，腾讯、阿里巴巴、百度、华为等企业依托自身数据、算法、技术和服务器优势为行业链条的各公司提供基础资源支持的同时，也会将自身优势转化为通用和专业应用领域的研究，从而形成自身生态内的人工智能产业链闭环。
在通用场景应用方面，以科大讯飞、格灵深瞳和旷视科技为代表的企业将主要以计算机视觉和语音识别为方向，为安防、教育和金融等领域提供通用解决方案。
而在专用应用研发方面则集中了大部分硬件和创业企业，这其中既包括以小米和 broadlink 为代表的智能家居解决方案商，也包含了出门问问、linkface 和优必选这类的差异化应用提供商。
总的来说，由通用领域向专业领域的进化离不开产业链条各核心环节企业的相互配合，专用领域的竞争尽管存在，但各分工层级间的协作互通已成为多数企业的共识。
系统级开源将成为常态
任何一个人工智能研究分支都涉及到异常庞大的代码计算，加上漏洞排查与跨领域交叉，任何一家企业都无法做到在封闭环境内取得阶段性突破的可能。
可以看到的趋势是，Google、微软、Facebook 和雅虎等视人工智能为未来核心竞争力的顶级企业都先后开放了自身的人工智能系统。
需要明确的一点是，开源并不代表核心技术和算法的完全出让，底层系统的开源将会让更多企业从不同维度参与到人工智能相关领域的研发，这为行业层面新产品的快速迭代和共同试错提供了一个良性且规范化的共生平台。于开放企业而言，这也确保了它们与行业最新前沿技术的同步。
基于此，腾讯、阿里巴巴、百度和科大讯飞等在人工智能领域取得领先优势的企业都在不同维度和空间开放了自身的人工智能系统。而在未来，随着专用领域应用的普及和通用技术应用需求的增强，这种开放性还会不断地加大。
算法突破将拉开竞争差距
作为人工智能实现的核心，算法将成为未来国内人工智能行业最大的竞争门槛。以 Google 为例，Google 旗下的搜索算法实验室每天都要进行超过 200 次的改进，以完成由关键字匹配到知识图谱、语义搜索的算法创新。
在未来竞争的重点机器学习领域，监督学习、非监督学习和增强学习三个方面算法的竞争将进入白热化阶段。而正是算法层面的突破造就了腾讯优图、科大讯飞和格灵深瞳等企业在图像识别和计算机视觉领域取得了突破性进展和国际一线的技术水平。
但就目前国内人工智能算法的总体发展而言，工程学算法虽已取得阶段性突破，但基于认知层面的算法水平还亟待提高，这也是未来竞争的核心领域。
总的来看，虽然基础技术的成熟带来了存储容量和机器学习等人工智能技术的提升，但由于现阶段运算能力以及大规模 CPU 和 GPU 并行解决方案的局限，目前国内人工智能的发展主要集中于计算机视觉、语音识别、智能生活等方向上。
虽然目前专用化领域的场景应用仍是目前研发和投资的核心，但随着技术、数据的积累演化以及超算平台的应用，由专用化领域的场景应用向语音、视觉等领域的通用化解决方案应该在未来 20 年内成为发展的主流。
未来，随着国内人工智能行业的产业分工和企业竞合日渐明晰，国内的人工智能产业链也将更为明显地分化为以 BAT 为代表的生态平台、以科大讯飞和格灵深瞳为代表的通用技术解决平台以及以出门问问、broadlink 为代表的人工智能专用领域解决方案提供商。
图片来自视觉中国
iOS下载