前言：中文期刊网精心挑选了人工智能的商业化应用范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能的商业化应用范文1
根据咨询机构Venture Scanner的数据显示，2016年全球人工智能公司的融资总额已高达89亿美元。在众人眼中，人工智能被认为是堪比工业革命的新一代技术革命。
但在2017年中国绿公司年会的“创变者专场”上，阿里巴巴人工智能研究机构资深总监华先胜开始就对依图科技创始人兼CEO朱珑抛出了炸弹问题：如何证明这次兴起的人工智能不再是虚假的春天？
前者曾获选国际电气与电子工程协会院士（IEEE Fellow），是视觉识别和搜索领域的国际级权威学者。后者则在UCLA博士就读期间师从霍金的弟子Alan Yuille教授，并在麻省理工学院人工智能实验室担任博士后研究员，于2012年回国创立了依图科技。二者对话称得上是国内人工智能界的顶尖交锋。
依图科技专门从事人脸识别的技术研发，服务国内数十个省公安厅、海关、边检和金融机构。去年下半年，依图携人工智能技术进军医疗行业，提供基于医疗影像和病历数据的疾病辅助筛查技术。在国内，这样的AI+医疗初创企业有50多家，它们分布于虚拟助理、医疗大数据、医学影像等多领域。种种迹象表明，医疗有望成为安防之后人工智能的下一个爆发点。
不过，华先胜的存疑不无道理。半个世纪以来，人工智能数次引发业界狂欢，人们以为人工智能将要改变世界，但最终都被证明还只停留在概念阶段。究竟人工智能可否切实改变人类的生活点滴，实际的看病就医过程会有多大改善，这一切真的准备好了吗？
人工智能进入医疗行业的首要困难来自行业本身的高专业门槛。比如对肺结节CT影像的智能判读设计算法，就涉及病灶位置、解刨分布、结节良恶性等的具体分析。“好比是一堵墙，要3-9个月的时间才能摸到边，AI行业里有决心学习医疗专业知识的不多。”朱珑告诉《21CBR》记者。
在商业化落地的过程中，人工智能本质上是一门技术，而非一款产品或是其他载体。高度垂直、需求各异的医疗行业给了创业公司机会，也形成了公司之间的巨大差异。针对不同的医院、科室和病类，产品线就千差万别，没有相似的对标，也没有可参考路径，大家都摸着石头往前走。
依图将目光首先对准了医院的放射科室，与浙江省人民医院放射科联合组成科研团队，搭建医疗影像智能平台，实际使用5个月下来，计算机对肺结节的识别准确率已经达到95%，这一实现，大大解放了放射科医生的工作负荷。在此之前，浙江省人民医院放射科平均一天要接待200例肺结节筛查患者，每个患者做CT检查产生200张连续断层图像，也就是说，放射科的医生平均每天要看40000张图像。
高强度的工作负荷往往令诊断精准性超出了人类的把控范围，而机器学习对医疗行业的价值就此凸显出来：算无遗漏。华先胜表示，而当大量的医生诊断数据通过人工智能模型算法不断强化，并输出经验反哺回医生，“你可以想象带来的革新会多大”。
但是，对于人工智能科学家们，其自身的专业领域仍面临着诸多十字路口。一方面，学界不了解产业界最新的商业化进展，往往基于公开但过时的资料进行评论，从而造成偏差。另一方面，即使是当今最好的人工智能实验室或公司之间、甚至机构内部的不同部门，也变得难以评价对方的工作。“今天的人工智能是一个技术难辨和没有权威的时代。”朱珑在演讲中称。
人工智能的商业化应用范文2
2017年什么概念最火？人工智能当之无愧。作为新兴热点，人工智能领域的公司很多还处于创业阶段，在A股市场中成熟的公司虽然也有或多或少涉足，但总体还处于探索阶段。
咨询公司Venture Scanner统计，2016年全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。
在这13个种类中，研究机器学习（应用）的人工智能公司数目最多，达260家，约占整个行业的30%。从区域分布情况来看，欧美等西方国家发展较为迅猛，其中美国以499家人工智能公司占据绝对主导地位，且初创公司数量众多;而以中国为首的发展中国家在人工智能领域显然仍处于起步阶段，真正布局该产业的公司较少，以传统互联网巨头进军人工智能领域为主。
目前较为成熟的感知智能技术（如语音、视觉识别的服务、硬件产品等）的应用开发所形成的新“人工智能+”将引领产业变革，成为推动社会飞跃发展的新动力。在传统产业，人工智能可以在制造业、农业教育、金融、交通、医疗、文体娱乐、公共管理等领域得到广泛应用，将不断引入新的业态和商业模式;在新兴产业，人工智能还可以带动工业机器人、无人驾驶汽车、VR、无人机等处于产业生命周期导入期的公司飞跃式发展。
从具体应用方向来看，如今十分火热的工业4.0、人脸识别、智能答题机器人、智能家居、智能安保、智能医疗、虚拟私人助理等人工智能概念是有望得到快速爆发的重点领域。目前人工智能在图像识别、语言识别和自然语言处理，以及人机交互、机器视觉、自动驾驶等方面都已经成功应用。
人工智能产业链中，基础层是构建生态的基础，价值最高，需要长期投入进行战略布局;通用技术层是构建技术护城河的基础，需要中长期进行布局;解决方案层直戳行业痛点，变现能力最强。
基础层公司 多为传统IT转型
人工智能基础层就是我们常说的大数据、云计算、CPU等。目前国内上市公司中在人工智能基础层方面相关的公司包括久其软件、东方国信、天玑科技、浪潮信息、恒生电子、拓尔思等。
恒生电子（600570.SH）2016年成立了恒生研究院，负责人工智能、区块链、大数据等前沿技术的研发。区块链课题，恒生电子作为发起单位加入了金融区块链合作联盟（金联盟），并加入了linux基金会hyperledGEr开源项目等。
久其软件从最初的软件提供商到移动互联和大数据运营的再次验证，未来定位基于高端客户资源大数据和移动互联网变现的不断执行公司。公司创立之初以报表管理软件切入，为政府提供结构化数据分析和整理，并进一步提供完整解决方案，现已发展成集大数据、集团管控、电子政务和移动互联领域软件于一身的大数据解决方案提供商，A股稀缺。
拓尔思（300299.SZ）大数据服务领域稀缺纯正标的。公司脱胎于北京信息科技大学中文信息处理研究中心，自1985年起便开始研究中文信息检索，目前公司已拥有大数据领域非结构化数据处理技术，在大数据分析领域具有较高的技术壁垒，从底层技术、平台产品到应用产品服务技术全产业链布局。随着非结构化数据的地位在整个大数据领域中的不断上升，拓尔思有望进入高速增长期。
科大讯飞（002230.SZ）是A股人工智能龙头，公司在以“从能听会说到能理解会思考”为目标的讯飞超脑项目上，持续加大投入，在感知智能、认知智能等领域均取得显著研究成果。
技术及应用层公司 靠智能制造落地
人工智能技术层主要涵盖了框架、算法、通用技术，目前人工智能算法大体上流行12种，这12种算法包括决策树、朴素贝叶斯分类器、最小二乘法、逻辑回归、支持向量机、集成学习、聚类算法、主成分析法、SVD矩阵分解、独立成分分析、关联规则、其他方法等。
人工智能算法通过AlphaGo与柯洁的人机大战，成为当前数据分析领域中的一个热点内容。目前通用的框架层：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系统。作为投资者或者普通消费者更多的会关注通用技术如：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件，毕竟通用技术与我们日常生活习习相关，如你们平时所能看到的智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。
目前，A股市场有59家公司涉足机器人产业，部分公司通过收购进入这个领域。以昆仑万维为例，公司收购美国的机器人公司WooboInc.，致力于开发人工智能技术驱动的交互式机器人;在东方网力的18.30亿元增发方案中，1.57亿元拟投入智能服务机器人项目。
人工智能目前最看好生物识别，如远方光电和佳都科技。金融科技Fintech围绕IT与金融创新展开。虚拟的网络战争已经开始，IT安全有更大的弹性。无人驾驶里有四维图新和中海达。绕着人工智能产业链有很多投资机会，大数据是产业链发展起点，作为数据采集的关键通道，传感器至关重要，如汉王科技;云计算、大数据处理技术支撑上，国内FPGA（可编程性）稀缺标的紫光国芯;人工智能应用场景上防领域佳都科技、营销领域浙江富润等相关的上市公司。
我国在人工智能领域底层的计算机体系架构、智能硬件、软件应用虽有技术积累质的进步，国内人工智能的产业发展和商业化路径划，依然需要借鉴国外的产业政策引导和企业商用成功模式。
人工智能的商业化应用范文3
北京、上海、沈阳领跑AI
中国人工智能市场细分结构中各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2016年市场规模分别为70.5亿元和62亿元，占比为29.6%和26%。其中，服务机器人在减速器、伺服电机等领域的技术门槛低于工业机器人，通过结合语言处理和机器视觉等软件技术，能快速普及应用到民生各领域，市场规模也迅速增大。
■各地密集推出产业资金配套，北上沈三地领军发展。为了缩短我国在人工智能领域的基础研究积累、应用实践经验和科技创新投入与发达国家的差距，2016年5月，我国了《“互联网+”人工智能三年行动实施方案》，提出以重点领域智能产品创新为主的七大重点建设工程，对全国人工智能产业的发展提供全面系统的指引。
各地政府也开始密集出台人工智能产业配套扶持资金政策，努力解决企业发展的实际问题。目前已经有超过30个城市将机器人产业作为当地的重点发展对象，各地政府建成和在建的机器人产业园达40余家。
从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节；上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人；沈阳作为国家机器人检测与评定分中心之一，拥有新松机器人等企业，政策上提出设立200亿机器人产业发展基金。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
■行业巨头跨界并购加速。从近几年AI领域的并购融资事件可以看出，国内外无论是传统互联网企业（如谷歌、IBM等），还是跨领域的行业巨头（如SPACEX、厦华电子、丰田等）都在积极进行人工智能的布局。并购领域主要集中在自然语言处理和深度学习。并购策略上一方面通过收购提升语言处理产品的体验性能，强化公司产品的市场占有率；另一方面，提前储备深度学习的技术人才，为新产品的研发提供支撑。
未来三年AI市场将迎来新兴机遇点
中国《机器人产业发展规划（2016-2020）》的出台、中国“十三五规划”的脑科学与类脑研究重大工程项目，将极大提升中国人工智能市场的供给质量。同时，以百度为代表的互联网企业已经充分认识到人工智能的未来前景，纷纷开展大规模的投入和布局，也将充分刺激中国人工智能市场的活跃度。2016年中国人工智能市场规模达到239亿元，预计2018年将达到381亿元，复合增长率为26.3%。
■智慧城市的建设将为AI市场创造巨大空间。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，尤其是以机器视觉为主的各类感知处理设备。中国“智慧城市”建设火热开展，截至2015年年底，我国智慧城市建设数量已经达到了386个。智慧城市的建设以及产品应用的推广，都要以机器学习为依托，可以说人工智能是“智慧”的源泉。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。
■边缘计算的爆发将快速提升AI产品渗透度。所谓边缘计算，是指设备能在本地化实现初级的人工智能功能，例如智能摄像头识别，服务机器人语音对话芯片等。目前，智能硬件对运算实时性和低延时性的需求越发严格，而依靠传统的云计算平台上的深度学习功能，很难满足大量爆发的产品需求。因此，针对边缘计算的设计开发正在成为各大厂商的新焦点。在过去的人工智能发展中，GPU的高速计算性能为其奠定了天然优势，而随着新一轮边缘计算的需求爆发，基于FPGA、ASIC等体系的设计模式也在逐渐成熟。未来将形成边缘计算和云计算p轨并行的人工智能计算范式。
■新兴AI机遇点逐渐凸显。目前人工智能产业链的数据支撑环节，依然存在数据流通法律法规缺失，高价值数据难以得到有效利用的问题；在感知环节，仿人体五感的各类传感器都有成熟产品，但是缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得多源数据无法进行一体化的采集、处理加工和分析。
未来的新兴AI点也逐渐凸显，主要发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点，不论是NVIDIA的Tesla P100，IBM的TrueNorth、谷歌的TPU，还是中科院的寒武纪，都试图打破冯・诺依曼架构，依托人脑模式构建出更快更适用的新体系，而这将为人工智能未来的良性发展奠定坚实基础。
■机器视觉、深度学习等环节将成为投资热点。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇。在软件图像识别领域，尤其以Face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。而中国人工智能市场中自然语言处理属于技术成熟而且高度竞争状态，科大讯飞占据了国内语音识别领域70%以上的市场，并且多年的技术积累已经在语义分析等领域具备了一定技术壁垒。同时，百度、阿里、腾讯依托技术优势都对语音市场虎视眈眈，因此，语音识别领域已经较难切入。
同时，前瞻性地对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，AlphaGo的成功最核心的价值就归功于它。深度学习正处在面临爆发的临界点，各大公司纷纷在跑马圈地，距离未来预期全面部署7年时间。国内而言，互联网厂商纷纷推出深度学习云平台（阿里DTPAI、百度大脑）、硬件厂商则忙着推出深度学习一体机（中科曙光联手英伟达推出XSystem、华硕携吉浦迅推深度学习一体机ZenSystem），一场本地化和云端化的争夺正在上演。虽然背负着不同的利益，但就未来而言，云计算和开源化仍将成为主流，也是更能推动技术进步的模式。因此，基于云平台的深度学习的投资价值不言而喻。
人工智能的商业化应用范文4
为落实《关于积极推进“互联网+”行动的指导意见》，加快人工智能产业发展，近日国家发展改革委、科技部、工业和信息化部、中央网信办制定并了《“互联网+”人工智能三年行动实施方案》。
评论
人工智能解决了从工厂生产到服务与咨询类工作的自动化与智能化问题，解决了居民生活便捷性与舒适度的问题，所以可以毫不夸张地讲人工智能决定未来国家的生产效率、决定了国家未来的竞争力以及国民生活舒适度。此次《行动实施方案》从人才的培养到技术研究的资金支持，再到人工智能具体行业应用发展方面均做了相应的部署，从产业发展的全周期进行相应支持，对整个行业的成熟将起到巨大的推动作用。
互联网解决连接的问题，提升连接的效率，人工智能解决智能连接与自动化和智能化的问题，所以人工智能+是互联网+的升华，对国家生产效率与竞争力的提升有更直接更深远的影响，我们认为此次《人工智能行动实施方案》是去年《“互联网+”指导意见》的升级版，对行业的推动作用将有过之而无不及。
提出具体目标：到18年形成千亿级的人工智能市场应用规模。《行动实施方案》明确提出到2018年，打造人工智能基础资源与创新平台，形成千亿级的人工智能市场应用规模。从我们对于人工智能应用发展进程的划分以及市场规模的预测来看，以智能客服与服务机器人为代表的第一波应用到18年市场规模将达1000-2000亿，18年左右以深度咨询与智能助手应用为代表的第二波应用将开始商业化，整个人工智能市场空间有望达到5000亿规模。
建立并开放基础数据与计算资源，降低研究开发成本。《方案》提出要加快建设文献、语音、图像、视频、地图等多种类数据的海量训练资源库和基础资源服务公共平台，建设支撑超大规模深度学习的新型计算集群，建立完善产业公共服务平台。深度学习的提出带来人工智能行业技术上的突破，从而推动行业快速发展，但是深度学习准确率的提升是基于海量数据与高性能计算资源的，所以对于人工智能的研究与开发来讲是有资源上的门槛，此次政策上推动数据与计算两大底层资源的开放与共享实现了研发成本与门槛的大幅下降，能够有效地推动前沿技术的研究与应用的产业化。
加大研发投入，占领技术制高点。《方案》指出要加强产学研合作，支持国家工程实验室、国家工程研究中心等创新平台建设，布局国家级创新中心，共同推动人工智能基础理论、共性技术、应用技术研究。我们认为未来国家将进一步通过科技立项与联合实验室的形式加强人工智能技术研究的投入，从资金层面支持前沿技术的研究，占领人工智能源头技术，提升整个产业的竞争力与话语权。
加快人工智能+具体应用的试点与推广。文件指出要推动互联网与传统行业融合创新，加快人工智能技术在智能机器人、可穿戴交互家居、汽车、无人系统、安防等领域的推广应用。通过支持像无人驾驶等前沿应用的测试与试点，从产业政策上支持像智能机器人等应用的推广与普及等举措来促进行业的发展。
资金与人才保障。《方案》指出将统筹利用中央预算内资金、专项建设基金、工业转型升级资金、国家重大科研计划等多种渠道，更好发挥财政资金的引导作用支持行业的发展，对于成熟企业鼓励与支持通过债券解决资金问题。人才方面将从高校资金支持上以及学科设立的引导上加强人工智能高端人才的引进，以及优秀人才的培养，保障行业人才需求供应。产业发展最核心的生产要素就是人才与资金，方案从资金与人才两大核心生产要素方面满足产业发展的需求，将极大地推动整个行业的发展。
人工智能的商业化应用范文5
18世界的工业革命使人们的生活发生了本质的变化。人类和牲畜不需要动手就可以完成劳动。冰凉的蒸汽机含着燃料慢慢变热，随着温度的上升产生出比千百匹马还要强大的的力量(工业革命使马的数量急剧减少)。这就是第一次工业革命——蒸汽机的时代。
19世纪是电气时代。电，能够更有效地储藏及利用能源。这个时代，工业革命渐渐更加专业化、体系化。福特T型车更是采用了流水线的生产方式，打响了大规模生产的第一炮。第二次工业革命的特征便是大规模生产。
随着IT技术的迅速发展，20世纪后半叶进入了高度自动化的时代。杰克·韦尔奇的“六西格玛”标准追求极度无缺点，丰田公司的准时制挑战库存管理极限。第三次工业革命，正是利用这些技术和IT技术，追求完美生产效率的时代。
现在我们进入了2016年，这个被称为第四次工业革命的时代。工业4.0。现实与虚拟空间相互交融，出现了“信息物理系统”这个奇妙的关键词。虚拟空间与现实的物理空间相互交织而诞生的新产物正在对这个时代产生莫大的影响。机器人的学习能力正在威胁人类的工作
从上方右侧的图中可以看到第四次工业革命中的智能工厂。需要低熟练度的反复作业被机械臂所取代，人类只需要做监控管理机器的工作。机械臂既不会觉得累，随着技术的发展还可以定期更新换代。甚至随着机器学习技术的发展，机器人的熟练度可以学习其自身积累的经验，得到提高。
依据M2M技术，机器人被设计成智能工厂通力合作的一员。现在，通过网络的交流正在呈几何倍数增长。这是因为这种网络交流不仅存在于人与人之间，更存在于人与事物，事物与事物之间。通过物联网相连接的事物数目正在以全球人口数的几倍，甚至几十倍呈几何式增长。
虚拟的信息物理系统是？机器的社交网络！数据分析和工厂智能化，都要依赖于人工智能
技术的发展使得物联网的成本效率逐渐上升的同时，数据量也随之更加迅速地增长。在云计算中收集到的巨大数据如果不加以分析就等同于无用之物。因此，出现了以数据分析为核心竞争力的智能工厂、智慧城市等等。“信息物理系统”便是在柔软的虚拟空间中实现冰冷的机器与机器之间的相互沟通、合作与进步。简单地说就是让机器像社会成员一样，互相之间交流沟通的网络。说得更简单一些，就是“机器的社交网络”！
智能机器让工厂的效率得到了极大幅度的提高：库存减到最小，在机器出现问题之前就能够事先预防，分析数据做出正确预测使次品量减到最少，根据分析实时数据做出的人工智能判断来管理需求与供给。第四次工业革命炮弹，命中白领和管理层了么？
现在在瑞士的达沃斯举行的世界经济论坛上，大家以这样的背景为基础，预计在第四次工业革命中，白领和管理型的职位会迅速的减少。WEF的报告书提到，在以后的4年间，全世界将有470万个白领/管理型的职位消失。报告书中还提到，预计2018~2020年之间，机器人技术和机器学习(ML)会正式的得到扩散。如果你觉得还有两年时间的话，那只能说明你对未来的危机反应过于迟钝。现在我们好像正处在黎明前的黑夜，满怀着期待的心情，等待着第四次工业革命的到来。机器人正在渗入我们的生活
2014年，全世界机器人的销量达23万台，并且每年的增长率约为30%。虽然，目前的卖出额大概有12兆韩元左右，但想想30%的增长率的话，应该很快就能实现成2倍的增长。据初步统计，截止到2014年为止，工业用机器人销量最多。最近，家用机器人和无人机的销量剧增。如果将这些都考虑进去的话，机器人的销量简直可以用陡增来形容。而且，机器人不是人类，工人的工资要按照每年的通货膨胀情况逐渐增加，但机器人的采购费，随着技术进步(增加生产效率+机器人零售价下降)正逐年降低，可见机器人的需求增加是必然的。目前，中国是机器人销量最多的国家，其次是韩国、美国、日本、德国，这五个国家大约占领了70%的机器人市场。
“现在，让我们来拓宽一下机器人的概念吧”
机器人，不仅仅局限于是具有物理性的机器。将机器人定义为，和人类有一定相似性的人工智能系统，才更符合目前的情况。人工智能技术，目前已经实现了飞跃性的发展，但仍无法满足人类的好奇心。然而，在数据成几何式发展的过程中，研究如何高速的分析数据，成了提高人工智能发展的关键。
物联网，O2O等通过收集和分析数据，来推断消费者的行为模式。知己知彼，才能百战不殆，这正是他们的魅力所在。过去市场营销方面的专家，已经开始被能够分析数据的人工智能系统所替代。人工智能系统，可以通过分析无数顾客的信息，来自动进行合理的判断顾客的行为模式；并能通过分析无数的案例，用以此类推的方式来推测顾客的行动。
目前，人工智能的技术还不成熟。就拿IBM的人工智能沃森来说，它也需要人类的辅助，才能运转。不仅如此，机器学习和深度学习等一些人类进行轻微帮助，机器就可以自主学习的技术，也还在发展当中。这些技术在人工智能现场，活用的可能性提高已经成为发展的大趋势。人工智能技术，如果应用于商业化，可以有效地利用资金，这是以往所不能及的。美国的IT企业宣称要设计开放性的生态圈，让任何人都可以参与到人工智能的行列里。最近，IT企业共同的生存战略，正是所谓的“开放性”。
如果说，机器人是具有人的特性的机器的统称的话，机器人就应该能够进行感知、思考和判断，并且能够抓住正确的行动时机。全世界无数的创业者和技术人员，都在开发机器人的这三项能力，并投入了大量的资金。谷歌，为了能够研制出能够自主行走，并且能够跑来跑去还能保持平衡的机器人，收购了Boston Dynamics等10多家公司。不久以前，谷歌公开了像猎豹一样，能够自由奔跑的机器人的腿，震惊了全世界。IBM的沃森，主要从事识别人类思想的人工智能机器的研究。沃森曾和国际象棋高手进行过对决，不过现在好像也和谷歌一样，开始走人工智能的路线了。IBM一直以来投资数兆韩元才研究出的沃森，为创造以人工智能-沃森为主题的巨大的生态圈，毫无保留地使用了自己的机械性人才。不过，如果运作盈利平分收益的产业模式的话，它就和苹果的IOS生态圈没什么区别了。既然需要投入这么多资金，在行动时一定要谨慎。因为，投资给机器人和人工智能的企业，不会在没有成果的情况下，一直盲目的追加投资。
目前，已经不是质疑机器人和人工智能，到底能否实现的时候了。软银董事长孙正义和阿里巴巴的董事长马云以及富士康的董事长，三人正联手，将可以识别人类感情的智能机器人Pepper进行大规模生产。无人机，就是在天上飞的机器人。世界上最大的无人机制造商，中国的DJI的一款产品的卖出额，就曾创过1兆韩元的记录。
人工智能的商业化应用范文6
依靠强大运算能力取胜
作为旁观者，我们对阿尔法狗的最大好奇心莫过于为什么它能战胜这么多的围棋顶尖高手？而所谓的人工智能又是什么？
人工智能（Artificial Intelligence）的英文缩写为AI。综合各类百科网站对它的定义，我们可以得知，人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新型技术。它是计算机学科的一个分支，意在了解人类智能的实质，制造出一种能以与人类智能相似的方式对外界做出反应的智能机器人。
慧晨咨询TMT互联网研究部高级研究经理林仁翔在接受《经济》记者采访时指出，人工智能的定义比较复杂，一方面，研究机构或人员对这一概念见仁见智，各不相同；另一方面，大家对“人工”的认识比较统一，但“智能”到底是什么却难有定论。
“‘智能’通常涉及意识、自我、思维等，可是人类对智能的了解往往限于自身。虽然人工智能的研究也包括动物或者其他人造系统，但目前看来，还是人的智能更胜一筹。”林仁翔说。他认为，人工智能可以简单地总结为“用机器替代人类完成复杂工作的研究”，其核心是利用计算机或者自动机器模拟甚至代替人类的部分功能。例如，现在很多大型会议都有一两名速记员，待在会场角落里默不做声，手指飞快地打字。如果有一种机器可以在会场将演讲人员的声音转换为大屏幕上的文字或者直接变成办公文档，那么速记员将不再被需要。这其中就需要人工智能对语音的识别功能。实际上，在2016年11月17日于乌镇举办的第三届世界互联网大会上，搜狗高层在发表题为《人工智能的未来之路》的演讲时，中文讲话内容就在同步语音识别的基础上被实时翻译为英文并显示在大屏上，一度引起全体与会人员的轰动。
当然，语音识别只是人工智能诸多功能中的一种。据林仁翔的介绍，人工智能目前取得明显进展的还有自然语言理解功能（典型的应用是各种输入法与机器翻译）、数据挖掘功能（涉及大数据和数据运算等）和计算机视觉（比如虚拟现实，即VR，还有自动驾驶等）功能。
“阿尔法狗之所以能战胜人类围棋手，是因为它拥有强大的运算功能，也就是数据挖掘功能。可以说，围棋之战实际上是运算智能的胜利。”林仁翔对《经济》记者表示。他同时指出，不少观点认为人工智能或许很快就能取代人类的部分职业，但人工智能在图像理解、语言理解以及知识理解等感知与认知能力上，远不如人类。当然，上述欠缺，也恰恰是人工智能在未来的发展空间。
持有类似观点的还有中国国家“863”类人智能项目首席科学家胡郁博士。在他看来，阿尔法狗只是人工智能研究中初级层面的应用，而高级层面的应用是对人脑智能的模拟。想要达到这一步，人类首先需要弄清楚大脑的工作模式。不过，人类的“脑科学”研究目前还只是处于探索阶段。此外，尽管计算机科学发展迅速，但在算法和数学上的突破还有待时日。而要使人工智能像人类一样学习知识，实现产品和产业的结合，人类还需要提供大量数据让人工智能掌握。
从深度技术革命走向初级产业革命
谈到人工智能的产业化，不得不提到2016年一部广受中国观众欢迎的美剧――《西部世界》。在这一系列剧集中，人工智能得到极致体现，剧中的机器人全部由大型公司通过标准流程制作，拥有人类的生理机能和认知功能，最终发展出同人类一样的记忆与情感，甚至学会拿起武器反抗人类的压迫。
现实社会中，人工智能的发展虽然距离上述情节还太过遥远，但仍然在一些领域取得了产业化进展。上海交通大学机器人研究所副教授栾楠在接受《经济》记者采访时指出，2016年是人工智能诞生60周年，它同时被业内人士称为“人工智能元年”，原因就在于，刚刚过去的一年见证了AI在不同领域产生的多种变化。
“当前，AI技术在无人驾驶、语音识别、VR以及智慧医疗等多个领域取得商业化进展，速度较快。比如百度无人车已经在乌镇进行了开放城市道路运营，而广州市交警‘互联网+信号灯’控制优化平台也引入了阿里云ET，大幅度降低当地拥堵指数，VR产品也从开发阶段走向了商场柜台。”栾楠这样说。
不过，他同时表示，上述成果并不意味着人工智能的全面发展。
2016年6月16日，俄罗斯彼尔姆的一家机器人实验室“逃出”一个机器人，名为Promobot IR77。当时因为工程师忘记关门，机器人自己跑到大街上，最终因耗尽电力停在马路中央。工程师们两次试图重新编程以阻止其擅自出走，均以失败告终。由于无法阻挡其“看看世界”的冲动，最终只能将Promobot IR77拆解。而该机器人之所以能够“逃跑”，是因为它被赋予了自动绕开障碍物的功能。
栾楠认为，尽管机器人在2016年全年占据人工智能中热门话题的位置，但它在产业上的变化却并不值得赞扬。“Promobot IR77只是一个例子，设计初衷和现实有差距是人工智能产业化的普遍问题。如何能够从深度技术革命走向初级产业革命进而完成深度产业革命，是人工智能需要面临的考验。”
