解读《新一代人工智能发展规划》,企业如何才能迎来产业高潮

在针对人工智能发布的国字号文件中,*之外,企业所需要做的是什么?

昨天,国务院发布《新一代人工智能发展规划》(以下简称《规划》),其中对我国未来的人工智能的发展方向进行了一番规划,包括战略目标的三步走、人工智能科技创新体系的建立等等。

从某种层面上讲,《规划》更多的是对下面各*的一个指导方向。不过,其中的某些要点也对人工智能企业、科研机构提出了要求。

解读《新一代人工智能发展规划》,企业如何才能迎来产业高潮

加强技术研发,增强AI软硬件基层实力

《规划》中提到:加速积累的技术能力与海量的数据资源、巨大的应用需求、开放的市场环境有机结合,形成了我国人工智能发展的独特优势。同时,也要清醒地看到,我国人工智能整体发展水平与发达国家相比仍存在差距。

其中,针对这些差距,《规划》也给出了一番详解,比如基础理论、核心算法上的不足,又比如人才的缺乏等等。这些都是我国当前发展人工智能产业的阻碍因素。

以芯片为例,英特尔占据了71%的市场,而Nvidia占了16%。其中,Nvidia在分立式GPU上占据主要优势,而人工智能主要应用于分立式GPU。的确,基于我国自研处理器的神威太湖之光占据了世界超算的第一名,但在实际运用中,其功耗、占地面积也是个问题。

对于人工智能芯片跟国家上的差距,此前清华大学魏少军教授曾在青城山中国IC生态高峰论坛上表示:应用上跟国际同行一个水平线,方法上落后,芯片上差半步。其中,这半步可能要花上一半甚至以上的精力。足以见得我国在芯片上的弱势。

当然了,芯片只是我国软硬件实力的其中一个案例而已,在人工智能技术核心算法、人工智能尖端人才等等方面,我国还需要继续加强。而在这其中,人工智能企业和科研机构则担任着重要的角色。

解读《新一代人工智能发展规划》,企业如何才能迎来产业高潮

推进AI+,推动传统产业的智能升级

智能制造、智能农业、智能物流、智能金融、智能商务、智能家居……这些都是在人工智能技术下产生的新兴产业,或者说对传统行业的一个智能化升级。不管把哪一个行业单独拎出来,我们都可以发现其可观的市场前景。

《规划》中明确写到,要“推动人工智能与各行业融合创新,在制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范,推动人工智能规模化应用,全面提升产业发展智能化水平。”

当前所有场景中,人工智能技术正在慢慢的进行渗透,像农业中的无人机、家居中的机器人等等。而这些传统行业因为人工智能技术的入驻,成本效率等方面都得到了有效的提高。

比如当前的正火热的无人便利店/超市,虽然其本质上还是一个自动贩卖机,但在理想状态下,其带来的将是一场针对传统零售业的颠覆性变革。届时,“随拿随走”的场景将不再是科幻。不过,这在当前还不是一个能够落地的项目,这些颠覆传统零售业的场景的实现还需要企业、科研机构在技术上多加打磨。

解读《新一代人工智能发展规划》,企业如何才能迎来产业高潮

搭建诸多体系,促进行业的良性发展

通常来说,一个行业的良性发展都离不开一个体系和标准的竖立。作为前沿技术和新兴产业,人工智能技术和智能产业的发展都离不开一系列行业标准和体系的监督和评判。

举一个最典型的例子,比如服务机器人行业。纵观市场,我们看到的一个个形态各异的机器人。先不谈性能,仅仅从外形上我们就看出了行业内标准的有所欠缺。根据以往镁客君跑展会现场的所看所得,总有那么几款机器人不得不令人怀疑他们的制造者是不是“亲兄弟”。至于性能方面,相信也不需要镁客君去吐槽了,超过五成的所谓的服务机器人并不能够得上“机器人”的称谓,其表现更倾向于“大型玩具”产品。这就是行业缺乏标准和体系所造成的结果。

在《规划》中,人工智能技术标准和知识产权体系、安全监管和评估体系的建立都被明确提出。其中,标准体系的制定者不仅仅是*,更多的是企业,因为他们才是深耕于行业的人,只有他们才能看到并理解行业内的诸多问题,也只有他们才知道这些问题该如何解决。

结语

继今年首次被写进两会*报告之后,*又为人工智能创建了一个“第一次”——第一次发布专门针对“人工智能”的国字号文件。这些迹象无一不透露着国家*对于人工智能的关注。

现如今,人工智能产业已经成为了各国之间一争高下的战场,而人工智能技术的发展也堪称第四次工业革命。以往,因为特殊国情等因素,我国错过了不少赶超列国的机会。在此次人工智能发展热潮中,或许我们还有诸多方面的不足,但是从某些特定领域来看,我们在某些方面已经走在了前列。而随着此次《规划》的公布,我们可以非常肯定的说,我国人工智能产业的高潮已经到了。


原文发布时间:2017-07-21 21:51
本文作者:韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
上一篇:估值高达16亿美元!Afiniti或成首家IPO的人工智能软件公司


下一篇:VS动态库的跨平台编译调用