人工智能已箭在弦上,创业者还有哪些机会?

最近,阿里云研究中心发布了《人工智能:未来致胜之道》的报告,对于人工智能的定内涵、应用、未来趋势、格局都做了详尽的分析,非常具有参考意义。其主要观点有:

  • 数据、算法、计算、场景驱动新一轮人工智能
  • 人工智能具备“快速处理”和“自主学习”两种能力
  • 人工智能更易于解决具备三类关键特性的商业问题
  • 大数据是人工智能战略性竞争优势
  • 人工智能按照服务智能、科技突破和超级智能三个阶段进化,未来3-5年处于服务智能
  • 人工智能五大竞争定位模式,生态构建者是关键一环

其中,报告从人工智能的技术突破和应用价值两维度分析,提到未来人工智能将会出现这三个阶段吸引了我们的注意:

  • 情景一:未来3-5年,仍以服务智能为主。

在人工智能及现有技术的基础上,技术取得边际进步,机器始终作为人的辅助;在应用层面,人工智能拓展、整合多个垂直行业应用,丰富实用场景。随着数据和场景的增加,人工智能创造的价值呈现指数增长。

  • 情景二:中长期将出现显著科技突破。

人工智能技术取得显著突破,如自然语言处理技术可以及时完全理解类人对话,甚至预测出“潜台词”。在技术创新的领域,现有的应用向纵深拓展,价值创造限制在技术取得突破的领域。

  • 情景三:长期可能出现超级智能。

人工智能技术取得显著突破,应用范围显著拓宽,人机完全融合,人工智能全面超过人类,无所不在,且颠覆各个行业和领域,价值创造极高。

从报告中可以看到,在未来三到五年人工智能还是以服务性、功能性为主,也可以理解为我们之前所熟知的“弱AI”。按洪小文院长之前在我们公开课中的说法

强AI其实没有那么强,弱AI其实可以很强。

其在某一方面会相当熟练,甚至超过人类的水准。从目前人工智能的实际运用来看,大部分还是处于这个范畴中。可以预见未来仍将继续处于这一阶段,直到出现显著科技突破的那一天。

另外,报告中我们有关注到人工智能产业链这一块,对于这个大家十分感兴趣的部分也进行了梳理。

人工智能产业链

人工智能产业链根据技术层级从上到下,分为

基础层 技术层 应用层

基础层最靠近“云”,应用层最靠近“端”。

基础层(按技术层级从上到下,下同)

  • 计算能力层:大数据、云计算、GPU/FPGA等硬件加速、神经网络芯片等计算能力提供商

在计算能力层中,目前从事GPU的主要是英伟达,FPGA则是英特尔,这两家一直以来都致力于在硬件层面加速人工智能的发展历程。神经网络芯片可关注国内这几家公司,中星微、寒武纪以及西井科技。

  • 数据层:身份信息、医疗、购物、交通出行等各行业、各场景的一手数据

目前虽然说各行各业、各种各样的数据都在大爆发,但是目前主要的几大数据来源还是:自筹数据、公共数据、产业协同数据。 不过自筹数据需要投入太大,公共数据覆盖面还是不足,产业协同数据也需要一定的成本。 这样看来,目前在数据层主要关注的还是BAT这一类拥有大量用户基数、涵盖各大使用场景的大厂。

技术层

  • 框架层:TensorFlow,Caffe,Theano,Torch,DMTK,DTPAR,ROS等框架或操作系统

在框架层面,可以看到现在越来越多的框架都选择了开源。从最初的Caffe、Theano到现在的Facebook使用的Torch以及Google使用的TensorFlow,百度近期推出的Paddle平台也同样选择了开源。就目前来看,开源可以使得各个框架平台的用户基数进一步扩大,再者由于这类框架在实际应用中几乎不可避免地会遇上各类问题,在开源社区中拥有越多的用户也代表其有更多的人员来进行试错、反馈,也帮助其能以更快的速度发展。

  • 算法层:机器学习、深度学习、增强学习等各种算法

有关机器学习中的算法理念也是大家经常讨论的话题,例如决策树、贝叶斯分类、逻辑回归、聚类算法、主成分分、统计算法等,这些都是在日常使用中经常需要用到的算法。另外,除了深度学习、增强学习,目前迁移学习这个理念被提起的频次也越来越高,其能让现有的模型算法稍加调整即可应用于一个新的领域和功能的一项技术,这个概念目前在机器学习中其实比较少见,但其实它的潜力也可以相当巨大。

  • 通用技术层: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

语音识别包括像科大讯飞这样的,图像识别则有图森科技、图谱科技。 另外,人脸识别领域有face++、商汤科技,NLP领域则有百度、搜狗,SLAM领域也有思岚科技。

应用层

  • 应用平台层:行业应用分发和运营平台,机器人运营平台。
  • 解决方案层: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。

人工智能未来格局

阿里作为BAT三巨头之一,依托其本身数据以及实力优势,其对于行业的认识要比普通从业者以及大众来得明确。其发布的这份人工智能报告可以说为大家解释清楚了不少疑惑,具有一定的指导意义。

我们另外也有请教北极光创投的张黎,他表示:

目前AI产业链刚刚开始,一个重要标志就是研究领域取得的进展差不多开始进入工业化了,所以创业公司的机会还是挺多的,具体地

  • 创业公司Startup的机会更多还是在应用层
  • 基础层和技术层巨头有优势,个别优秀startup公司在持续资本的支持下有少量机会

另外,AI科技评论君提出一点质疑。阿里巴巴人工智能产业图看似完美无缺,但是其提出的基础层、技术层、应用层与以往任何一个风口来时,呈现的生态结构差异并不大。人工智能作为智力密集型产业,实际落地的时候,其具体的生态结构是否也还是这老三层?对此,北极光创投的张黎表示:

目前大体是,唯一的区别可能就是技术比重大一些。

关于上面的问题我们还可以继续探讨。不过总体而言,对于创业公司来说,报告中对于人工智能产业链以及商业模式进行了初步画图,对于刚刚开始的创业公司来说,还是能看到一些蛛丝马迹:

创业公司可以从报告中一窥未来的人工智能创业机会在哪里,目前来看技术层与应用层仍然机会很大。另外,虽然在当前大数据时代从基础层级入手可能会比较麻烦,但是如果有技术优势且能有持续资本的支持下,仍然会有不少机会。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-10-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人称T客

人工智能报告:未来很光明 现状很灰暗

T客汇官网:tikehui 撰文 |张珅健 在距离首次登上历史舞台数十年后,人工智能正在经历一轮新的重生。 最新一波的快速创新浪潮正在捕捉AI对全球人类工作...

2909
来自专栏AI科技评论

对话|腾讯优图杰出科学家贾佳亚:在企业做研究,是我的新课题

2015年的2月,Uber一口气挖走了卡内基梅隆大学机器人实验室约40名研究者,造成大量人才流失。自此以后,关于学术人才的出走是否会导致研究受阻的讨论不断。其实...

35314
来自专栏大数据技术学习

大数据工程师需要学习哪些?

大数据是眼下非常时髦的技术名词,与此同时自然也催生出了一些与大数据处理相关的职业,通过对数据的挖掘分析来影响企业的商业决策。

380
来自专栏CDA数据分析师

大数据时代的品牌营销

2012年,宝洁对旗下的重点品牌“玉兰油”进行分析,推出了一款针对25岁人群的细分产品,市场反响良好。宝洁所采取的分析方式是大数据分析,即对消费者搜索“玉兰油...

1905
来自专栏程序员互动联盟

作为刚培训出来的程序员,面试的时候被问到的好多技术都不会,越面试越被打击该怎么办?

作为一个在软件行业已经混了十几年的老司机,初学者参加面试收到打击是很正常的事情,这个和是不是参加培训没有太多直接的关系,关键还是经验能力上的问题,基本上入行之前...

843
来自专栏数据猿

华院分析CEO唐岳岚:RTB在大数据智能化营销领域将大有作为

数据猿导读 2016年,程序化购买产业链进一步完善,更多的厂商推出了自己基于大数据的数据+流量+优化的一站式解决方案,华院(上海)CEO唐岳岚,RTB在大数据智...

2285
来自专栏BestSDK

高德地图推出“活地图”API,打造大数据智能出行服务

一方面是利用大数据让“路活”,地图数据采集从传统采集到智能采集。高德地图副总裁董振宁介绍说,升级后将使地图的静态数据实现动态更新,地图数据每一刻都不一样。 ? ...

3795
来自专栏数据猿

慧辰资讯CTO马亮:大数据行业进入良性发展期,深度分析与智能化成为重要新趋势

数据猿导读 大数据行业在经历2015年的资本热潮后,2016年起进入快速发展阶段,在服务领域、业务模式和产品技术方面不断深化。面向企业的ToB类大数据服务,帮助...

2699
来自专栏PPV课数据科学社区

数据分析师职业发展白皮书(2015版)第一——三部分

数据分析师职业发展白皮书(2015版) 目 录 一、是技术也是艺术——CDA研究院和业界前沿公司和对数据分析的认识 二、数据分析师职业发展历程 ...

4255
来自专栏灯塔大数据

沙龙回顾 |大数据精准营销且看运营商如何玩

近年来,无论你在刷微博、微信朋友圈、QQ空间、小窗口等等,都会在无疑中看到广告,而且那条广告还是你关注的,恭喜你,你被精准营销了。最高境界的精准营销,无限趋近于...

4235

扫码关注云+社区