人工智能（Artificial Intelligence，簡(jiǎn)稱AI）已經(jīng)嵌入到多個(gè)生活場(chǎng)景中，成為下一輪技術(shù)革命的重要驅(qū)動(dòng)力。從微觀層面來看，機(jī)器翻譯、資訊分發(fā)和輔助駕駛等AI應(yīng)用已經(jīng)讓人類生活更加美好和便捷。而在宏觀層面，AI也被寄望為經(jīng)濟(jì)增長(zhǎng)的新引擎，具有替代繁瑣、重復(fù)人類工作，提升資源配置效率并減少生產(chǎn)損耗等優(yōu)勢(shì)。

人工智能前景判斷：1）技術(shù)層面：短期或不及預(yù)期，長(zhǎng)期仍有望引爆新一輪技術(shù)革命。2）產(chǎn)業(yè)層面：短期看商業(yè)模式，中期看公司技術(shù)研發(fā)，長(zhǎng)期看基礎(chǔ)研究突破。

人工智能是模擬人類思維和行為的系統(tǒng)，當(dāng)前處于弱AI時(shí)代。人工智能旨在模擬人類思考方式、行為規(guī)劃和學(xué)習(xí)能力，最終像人類一樣感知周邊環(huán)境并且做出反應(yīng)。當(dāng)前人工智能處于僅能解決特定問題且往往扮演輔助角色的弱AI時(shí)代。

人工智能螺旋式發(fā)展，經(jīng)歷三個(gè)時(shí)期：1）起步時(shí)期：1956年達(dá)特茅斯會(huì)議提出人工智能概念，計(jì)算機(jī)性能和數(shù)據(jù)量制約AI發(fā)展。2）專家系統(tǒng)時(shí)期：“知識(shí)庫+推理機(jī)”實(shí)現(xiàn)AI商用化，臺(tái)式機(jī)性能提升終結(jié)專家系統(tǒng)。3）深度學(xué)習(xí)時(shí)期：2006年Hinton論文開啟當(dāng)前深度學(xué)習(xí)時(shí)代。

人工智能已是新風(fēng)口，技術(shù)是核心驅(qū)動(dòng)力。2017年全球AI融資超150億美元，谷歌、亞馬遜、蘋果以及百度、騰訊等中美科技巨頭紛紛布局。算法、算力和數(shù)據(jù)是AI發(fā)展的核心驅(qū)動(dòng)力：深度學(xué)習(xí)算法使AI邁入數(shù)據(jù)驅(qū)動(dòng)時(shí)代，互聯(lián)網(wǎng)孕育海量的多維度數(shù)據(jù)，GPU并行計(jì)算能力為“大數(shù)據(jù)+神經(jīng)網(wǎng)絡(luò)”提供算力。

人工智能產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層和應(yīng)用層，中國(guó)產(chǎn)業(yè)布局偏好技術(shù)成熟、應(yīng)用性強(qiáng)的領(lǐng)域，對(duì)需要長(zhǎng)周期、基礎(chǔ)研究的芯片的關(guān)注度小。

1）基礎(chǔ)層提供算力和“操作系統(tǒng)”。芯片賽道，GPU仍是人工智能[敏感詞]，產(chǎn)業(yè)格局呈三足鼎立，AI專用芯片中國(guó)企業(yè)存彎道超車機(jī)會(huì)。開發(fā)框架賽道，“開源+巨頭支持”是主流模式，TensorFlow、Torch等各有所長(zhǎng)。

2）技術(shù)層解決具體類別問題。語音識(shí)別負(fù)責(zé)語音轉(zhuǎn)文本，技術(shù)和行業(yè)格局趨于成熟，但智能音箱等消費(fèi)級(jí)產(chǎn)品或已侵蝕Nuance等頭部企業(yè)先發(fā)優(yōu)勢(shì)。自然語言處理實(shí)現(xiàn)機(jī)器“聽得懂”，技術(shù)成熟度較低，市場(chǎng)分散且未形成頭部企業(yè)，新入局者仍有機(jī)會(huì)。計(jì)算機(jī)視覺實(shí)現(xiàn)機(jī)器“看得懂”，靜態(tài)物體識(shí)別趨于成熟，安防廠商、互聯(lián)網(wǎng)巨頭和創(chuàng)業(yè)公司是主要玩家。

3）應(yīng)用層解決實(shí)踐問題。目前AI產(chǎn)品普遍是人類輔助者，自動(dòng)駕駛或是下一個(gè)重量級(jí)市場(chǎng)。語音場(chǎng)景，智能音箱流量入口屬性使科技巨頭群雄逐鹿，生態(tài)整合決定發(fā)展前景。安防場(chǎng)景，視頻結(jié)構(gòu)化、人臉比對(duì)助力警務(wù)管理，誤報(bào)率、動(dòng)態(tài)人臉監(jiān)控仍是短板。金融場(chǎng)景，應(yīng)用于身份認(rèn)證、征信風(fēng)控和投顧理財(cái)。醫(yī)療場(chǎng)景，應(yīng)用于醫(yī)學(xué)影像、輔助診療和語音電子病例，騰訊覓影已篩查400多例早期食道癌病例。自動(dòng)駕駛場(chǎng)景，主流系統(tǒng)處于輔助駕駛級(jí)別，谷歌、特斯拉和百度領(lǐng)跑中美自動(dòng)駕駛賽道。

機(jī)器如何像人類和動(dòng)物一樣高效地學(xué)習(xí)？機(jī)器如何學(xué)習(xí)世界的運(yùn)作方式并獲得常識(shí)？機(jī)器如何學(xué)會(huì)推理和計(jì)劃？當(dāng)前的人工智能架構(gòu)，如自回歸大型語言模型，是不是人工智能技術(shù)的最終走向？日前，紐約大學(xué)教授、Meta副總裁和首席AI科學(xué)家楊立昆（Yann LeCun）做客華盛頓大學(xué)Lytle電子和計(jì)算機(jī)工程公益講堂，發(fā)表了自己的見解。

LeCun認(rèn)為，目前計(jì)算機(jī)尚未真正建立起人類一般的“世界模型（World Model）”，目前的大語言模型盡管“絲滑”，但規(guī)劃、推理能力非常有限，況且人類大多數(shù)知識(shí)不是文字性的。回顧過去人工智能發(fā)展的歷程，人類總是陷入“莫拉維克悖論（Moravec’s paradox）”，即對(duì)人來說簡(jiǎn)單的事情，對(duì)機(jī)器很難；反之亦然。他提出，要模仿人類思維的根本模式構(gòu)建“目標(biāo)驅(qū)動(dòng)的人工智能系統(tǒng)（Objective-Driven AI Systems）”。他還指出，研究人工智能技術(shù)對(duì)全人類是有益的，人工智能系統(tǒng)不可能成為與我們展開生存競(jìng)爭(zhēng)的“第二主體”。