中國人工智能產業在過去幾年實現了飛速增長。得益于國家宏觀政策扶持、風險資金推動和創業熱情的高漲，中國首次發現自己置身于近現代以來未曾達到的位置：在一個新興的關鍵科技領域躋身全球領導者之一。

然而進入2019年，關于“人工智能寒冬”的爭議開始越來越頻繁地出現。風險資本投資熱度出現下降。2018年全年中國人工智能領域的風險融資交易高達496筆，融資總額達157億美元。而2019年上半年（截至6月13日），中國人工智能領域的風險融資交易累計僅有131起，融資總額為56億美元。另外，超1億美元的巨額融資交易從去年的26筆減少到截止今年6月份的4筆。

與此同時，深度學習——即推動本輪人工智能熱潮的底層技術——也面臨著日益凸顯的技術瓶頸。缺乏可解釋性和推理能力，對大量訓練數據的需求，以及在解決現實世界問題時遇到的挑戰，都為人工智能的廣泛商業應用增加了障礙。

“現在形成的人工智能系統都非常脆弱，容易受到攻擊或者欺騙，需要大量的數據，而且不可解釋，存在非常嚴重的缺陷，這個缺陷是本質的，是由其方法本身引起的，”專注于人工智能研究的中國科學院院士張鈸表示。

隨著中國政府、科技巨頭、人工智能創企不斷地探索和擴展人工智能系統在實際應用場景中的適用性和應用邊界，中國在許多科技領域早于其它國家進入了無人地帶。這些發展帶來了前所未有的監管和道德挑戰。例如，中國在人臉識別和社會信用評分體系中，應用人工智能技術的方式及其潛在的風險，引發了國際社會的密切關注和擔憂。

中美貿易和科技摩擦也給中國人工智能行業的未來，增加了更多的不確定性因素。自由的學術交流、全球開源社區的蓬勃發展、人才的自由流動，這些要素締造了中國人工智能產業的飛速發展。但未來這些要素將如何演變，我們卻難以做出任何簡單的假設。

綜上，中國人工智能行業已經來到了一個拐角點。整個行業正處于日趨合理化，重新校準行業假設，然而未來卻難以預測的新階段。中國人工智能行業未來的走向正變得愈加關鍵，卻也愈為撲朔迷離。

以下是中國人工智能領域的10位領袖，對未來10年行業發展的預測。這10位專家來自不同的領域，涵蓋計算機視覺、語音識別、自動駕駛、人工智能芯片、醫療+人工智能、金融+人工智能、人工智能即服務，以及人工智能投資等。

盡管面臨著上述挑戰，這些專家們對人工智能在中國的持續發展和大規模應用都保持著一致的樂觀態度。中國政府堅定不移地推動中國科技和人工智能行業發展的決心是行業的定心丸。因此，人工智能在中國會繼續以比其它國家更深入、更迅猛的速度，對各行各業產生顛覆性的影響。

他們也大多認同，現如今人類對人工智能為經濟和社會帶來的重構作用，仍舊停留在非常初級和淺層的認識階段。人工智能的顛覆潛能和價值創造仍有待深度挖掘。未來10年，他們預測人工智能將實現更廣泛而徹底的商業應用，從而顛覆和重塑傳統產業。人工智能最終將自然而無感地融入商業決策和用戶體驗中去，消除那些現今令人頭疼和不滿意的體驗。

這可能是對未來10年中國人工智能行業的最佳預測。而在中國如此眾多的人工智能獨角獸中，有多少可以真正創造出與其估值相匹配的商業價值，人工智能在某些領域的應用是否需要被重新評估，在不久的將來就能見分曉。

沒有人擁有知曉未來的水晶球，而預測未來的行為總是充滿悖論和風險。這10位專家分享他們對未來的預判和見解，是希望能更好地用于指導今日的實踐。接下來，我們將按專家姓氏的字母順序，依次列出這10位行業領袖對中國未來10年人工智能發展的預測。

推想科技創始人陳寬

陳寬是醫療人工智能應用公司推想科技的創始人兼CEO。2016年，他中斷了在美國芝加哥大學攻讀金融與經濟雙博士學位的學習，創立了推想科技，致力于人工智能深度學習技術在醫學影像領域的應用。

推想科技利用深度學習技術，分析數字射線成像，計算機斷層掃描，及核磁共振成像等醫學影像數據，為醫生提供精準、高效的輔助工具，從而減輕醫生的工作重負。截至2019年5月，推想科技合作全球各地區醫院超過300家，每日輔助科研與臨床質控病例近40,000例。推想科技自成立起已經完成四輪風險融資，其投資人包括鼎暉資本，紅杉資本，啟明創投等。

未來10年，人工智能會變成醫療行業的一個基礎設施和臨床的關鍵部分，并影響和優化現有的臨床路徑。同時，人工智能會成為中國分級診療政策當中的一個核心技術推手。比如說在基層首診的層面，人工智能會賦能基層醫院，進行早期疾病篩查和早診，讓基層醫院及醫生也能逐步提升到三甲醫院及醫生的能力。

推想科技的測試顯示，一個初級醫生在使用人工智能輔助閱片時，針對肺結節的表現和一個資深醫生沒有統計學上的區別。同樣針對腦卒中等其它的病種，人工智能的輔助優勢也是尤為突出的，這也能夠幫助改變在中國境內，城市與鄉村之間醫療資源不均衡的狀態。

中國四萬億的醫療市場是一個產能嚴重不足的行業，而人工智能可以解決產能不足的問題。中國新一輪的醫改會更重視疾病的早篩早診早治，而人工智能可以提升醫療質量，同時降低醫療成本。比如，推想科技的人工智能產品可以提前9.3個月發現25%的晚期肺癌病例，節省大量的社會成本。

中國巨大的人口基數和老齡化創造了全球最大規模的醫療人工智能技術需求，為中國醫療人工智能的發展提供了絕佳的條件。這是中國人工智能公司得天獨厚的優勢，也恰恰是人工智能發揮最大社會價值的場景。中國醫療人工智能有望成為全世界的排頭兵和領先者。未來，國家之間的差異會使得人工智能技術在醫療上的應用各有側重，而先后強弱的差距也會越來越明顯。

但醫療是一個非常保守嚴謹、高標準和長周期的行業，任何以互聯網浮躁的心態占領市場的打法一定不可行。我們面臨的挑戰是堅持以最扎實、最穩妥、最堅忍的方式去深耕該行業。我們目前在世界各地的醫藥監管機構申請產品批準，并探討醫保合作，這些都是一個漫長的過程。因此，我們需要設立很多階段性的里程碑，一步步做出成績來。

整個深度學習領域，中美合作是非常多的，包括一些頂級模型和頂級開源框架都是由中國學者和工程師貢獻的。如果出現強行的分割，肯定對這個行業的發展有約束作用。但反過來看，整個行業發展其實是非常開放和相互依賴的，所以我也并不覺得中美政治因素可以很容易地影響到學術和技術上的交流和配合。

全球的技術發展還是有其韌性的，國際合作的大趨勢短期內不會發生變化。但是，國際摩擦肯定會讓企業——不止是中國企業，而是各國企業——更有意識地去尋找備胎和備用方案，以應對任何不可預期的風險。

第四范式創始人戴文淵

戴文淵是中國人工智能公司第四范式的創始人兼CEO。在2014年創立第四范式之前，他曾就職于百度，助力設計人工智能系統“鳳巢”，也曾擔任華為諾亞方舟實驗室主任科學家。戴先生是ACM國際大學生程式設計競賽的全球總冠軍。

第四范式以“AI For Everyone”為愿景，為銀行、保險、安防、政務、能源、智能制造、零售、醫療等領域的企業提供人工智能平臺服務。截至2019年6月，已經幫助7617個客戶及合作伙伴成功落地12648個場景。
未來10年將是人類歷史上最大規模的智能大爆發。我預計三到五年內，中國企業的智能化率 將超過50%，而那些領先企業將在五年內完成智能化轉型。

目前雖然各行各業都已經開始嘗試把人工智能落地到業務場景中，但絕大多數企業的智能化率仍然處于較低的水平。在很大程度上，這是因為目前企業的人工智能落地只處在“擁抱AI”的階段，模式大多是從0到1。這個過程雖然讓企業開始了解人工智能的價值，但人工智能落地的效率還是比較低的。從其創造的價值來看，在很多企業內可能還不到企業營收的1%。

實際上，人工智能落地是有“套路”的。我認為下一階段，需要將企業落地的套路總結出來，將規模化落地人工智能應用的基礎設施建設好，幫助企業告別每個場景都從0到1做的模式，從而高效完成智能化轉型。

下一個階段，我們最關注的將不是每一個應用落地過程中用了哪些高大上的技術，而是每一年落地了多少個人工智能的應用。如果去年落地了100個應用，今年是否可以落地1000個？這種變化下，企業對人工智能由“擁抱AI”轉向“追求價值最大化”，企業全面智能化轉型的重要性在此凸顯。

就人工智能落地的套路而言，我認為企業需要找到自己的核心業務，努力讓人工智能在這里發揮極致的效果，“畢其功于一役”。因為核心業務關系到企業的“命脈”，1%的提升或許就能把業務提升做到最大化。與此同時，企業也要找到數量眾多的分散場景，力求高效地實現跨場景規模化落地，1000個1%的效率提升也能帶來巨大的優化。

就人工智能落地的基礎設施建設而言，企業需要完善的數據治理系統。過去以商業智能（Business Intelligence）為導向的大數據系統并不適合人工智能。有的企業將人工智能建設在該系統之上，這反倒成了其落地的障礙。因此，企業需要有以人工智能為導向的數據治理系統，能夠存取拍字節（petabyte）級別甚至更大量的日志，支持實時存儲，并形成線上數據采集和處理的閉環。

其次是人工智能算力，未來優化人工智能算力的道路一定是軟硬結合。因為人工智能算力是一個完整的體系架構，具有固定的計算模式，需要專用的計算。因此，適合人工智能專用算法的算力架構，未來一定會成為人工智能落地的主要算力解決方式，而這也將帶來算力的一場革命。

未來三到五年會是人工智能規模化落地非常關鍵的時期。只要走通了人工智能高效落地的模式，將基礎設施建設好，企業將會迅速將智能化率提升至50%以上。

云知聲創始人黃偉

黃偉博士是中國聚焦智能語音技術的人工智能企業云知聲的創始人。此前，黃偉博士任職于摩托羅拉中國研究中心和盛大創新院，主導開發出全球第一款手機聲紋認證系統。他在智能語音和人工智能等領域有著10余年的從業及管理經驗。黃偉博士于2012年組建了一支涵蓋算法、軟/硬件、云架構、芯片等研發能力的核心技術團隊，并創立了云知聲，業務覆蓋智慧生活（包括家居和汽車）和智慧服務（包括醫療、教育和機器人）兩大核心應用場景。

截止目前，云知聲融資總額達三億美元，合作伙伴數量超過兩萬家，覆蓋用戶達兩億，其中開放語音云覆蓋城市超647個，覆蓋設備在2.5億臺以上。

人工智能技術包括語音識別、自然語言理解和機器翻譯等。這些技術在過去幾年里發展迅速，但也面臨一些瓶頸：其一，目前深度學習的理論框架短時間之內看不到很明顯的突破。雖然有專家提出新的方向，但并未成功地證明能夠起到如同從統計學習到深度學習的質變飛躍；其二，當前的技術在實驗室是很好看的，但是一旦和場景結合的時候，就會發現技術依然存在著很多短板。很多漂亮的工具放到現實當中就會變得慘不忍睹。

我覺得這兩個方面都需要去突破，特別是理論層面上的突破。比如今天我們都知道，把大量數據丟到訓練池子里以獲得更好的性能，但為什么會獲得更好的性能？我們不知道。機器學習對我們來說還有點神秘，我們不知道這個機制如何運作。想要獲得突破，我們首先需要神經網絡更加具有可解釋性。

如果未來我們能夠取得理論上的突破，就有可能使得我們的人工智能具備更高的可適應性和推理能力，在不同的應用場景里面都能夠表現良好。但是任何一種理論框架的出現和完善，恐怕都是以10年為周期單位的。深度學習的普及10年不到，仍處于初級階段，其完善和突破也需要很長時間。

在深度神經網絡理論突破之前，并不妨礙我們用它來解決一些現實中的實際問題。雖然沒有泛化智能，在一些限定場景下它仍舊可以解決非常有價值的問題。人工智能公司可以深入場景，深度優化，夯實數據優化、算法優化和工程優化，來提供真正的商業價值。

中國的人工智能公司都在拓展自己的技術邊界，紛紛跨界以實現全棧技術實力。這對團隊從資源、資金、技術人才到商務拓展，都是一項非常大的挑戰。另外，我們看到人工智能公司越來越達成共識，摒棄過去互聯網時代以平臺構建為主題的思路，轉而更加聚焦深入場景的深度優化策略。這將是人工智能創企的最佳機遇，也是未來人工智能公司持續發展的必然之路。大致來看，科技巨頭們上九天攬月，創企下五洋捉鱉，會形成動態互補的競合態勢。中國市場將比美國更有可能目睹人工智能創企打出自己的一片天地。

中美的科技對抗對于中國人工智能公司而言，機遇大于挑戰。中國在戰略上會更加重視前沿科技的發展，在客戶需求上規模巨大、需求緊迫，這些都會產生鞭策的力量。未來三到五年，中國人工智能公司將真正埋下頭來，少說話，多做事。

同盾科技創始人蔣韜

蔣韜是人工智能公司同盾科技的創始人兼CEO，也是一位智能反欺詐、智能風控領域的專家。在創立同盾科技之前，蔣先生曾任職于IBM、美會軟件和阿里巴巴集團，從事反欺詐和智能風控的研發。他擁有復旦大學計算機系軟件和理論碩士學位。

同盾科技是中國第三方智能風控及分析決策解決方案提供商，目前團隊有1200余人，累計服務超過一萬家客戶，主要服務銀行、保險、證券、信托、新金融等金融類客戶和互聯網行業客戶。公司自成立起，融資總額超過兩億美元，目前估值近20億美元。

未來的智能風控會呈現幾個趨勢：其一，在時效性上由事后、止損型風控模式向實時反饋的模式轉變；其二，決策模式上由人工審核和后驗策略模式，逐步轉變為機器取代大部分人工的自動化決策模式；其三，風險控制和用戶體驗的提升逐步達到一個平衡。將來“無感反欺詐”、“無感風控”等模式會越來越多，能夠在用戶毫無感知的情況下，就完成風險審核。

基于生物識別技術的數字身份將成為未來主流的身份識別方式。目前主流的身份標識物品（鑰匙、證件、銀行卡等）和身份標識知識（用戶名、密碼等）將會變得越來越不重要。金融領域將成為生物特征識別應用的重要領域。此外，我認為在金融領域，未來聲紋識別的應用潛力會非常大。語音是萬物互聯時代最便捷的入口之一，聲紋可以應用在銀行、保險核身等各個場景。但目前生物識別仍處起步階段，其主要風險集中在魯棒性和安全性等方面。

數據作為人工智能技術的基礎，大體量、高質的數據才能夠訓練出更精確的模型。而聯邦學習是可以只用“小數據”就實現“大智能”的技術。基于聯邦學習去中心化的算法邏輯，使得參與各方沒有一方能擁有所有的數據，也沒有一方擁有所有的模型，共用開放數據，而不享有數據，能最大化保護數據安全和數據隱私。在聯邦學習的模式下，中小企業的話語權也會得到前所未有的提升，從而突破誰擁有最多數據誰就擁有最大話語權的境地，打破數據壟斷。

對金融領域的出海人工智能企業來說，亞非拉板塊都是值得深耕的地區。這些地域與幾年前的中國非常相似，能夠更好地復制中國的經驗與技術。比如印尼、菲律賓、尼日利亞、巴西、智利等地區存在人口數量眾多、當地民眾收入不斷提高、居民消費需求增強，同時智能手機普及率較高，而金融服務覆蓋率不甚理想的狀況。這些因素都使其成為中國金融科技人工智能企業出海發展支付、消費金融、風險管理等服務的主攻陣地。

創新工場首席執行官李開復

李開復博士于2009年創立中國風險投資機構創新工場，擔任董事長兼CEO，以及創新工場人工智能工程院院長。創新工場專注于科技創新型的投資理念與最前沿的技術趨勢，管理總額約150億人民幣的雙幣基金。此前，李開復博士曾是谷歌全球副總裁兼大中華區總裁，曾在微軟、蘋果、SGI等公司擔任要職。李開復博士在美國哥倫比亞大學取得計算機科學學士學位，并以最高榮譽畢業于卡內基梅隆大學獲得博士學位，同時還獲得香港城市大學、卡內基梅隆大學榮譽博士學位。李開復博士先后發明過10項美國專利，發表逾百篇專業期刊或會議論文，并出版過八本中文暢銷書。他是美國電機電子工程師學會（IEEE）的院士，自2019年起，擔任世界經濟論壇第四次工業革命中心所組織的人工智能委員會聯席主席。

人工智能已過了“技術為主，專家為王”的黑科技發現期，進入了“應用為主，數據為王”的高速發展應用階段。人工智能將成為一個可以構建許多商業化應用的平臺。隨著人工智能四波浪潮逐漸落地，人工智能應用程序的覆蓋將從互聯網到商業，從感知、計算機視覺、語音識別，到像人一樣可以自由移動和自主工作的自動化人工智能。

人工智能正迎來應用井噴的實施階段。研究機構預測人工智能將在2030年前為全球經濟創造100萬億人民幣的潛在貢獻。我預測這么巨大的經濟增量，最大的貢獻將來自于人工智能與實體經濟和實體行業的高度結合。正如互聯網浪潮賦能傳統產業一樣，隨著人工智能從一個高精尖的黑科技慢慢進入主流，最大的受益者將是傳統企業。

傳統企業擁抱人工智能有著無可比擬的優勢，比如它們有深厚的行業商業經驗和知識，有可以“即插即用”的現有業務場景，以及大量及時可用的業務數據，這些都是人工智能應用化階段至關重要的“燃料”。反過來，人工智能將像電一樣賦能這些傳統企業，助推其轉型升級，提升效益降成本。率先擁抱人工智能的傳統企業將贏得市場，創造巨大的價值，反之落后的企業或將落入淘汰之列。

人工智能時代下，如何解決好個人隱私和數據安全的問題一直被關注。我們不應該只將此視為一個監管問題，而是更應該嘗試用更先進的技術，去解決技術所帶來的挑戰。例如，采用同態加密和聯邦學習這類新技術，可以切實保護個人數據。我們可以設想有一個滑塊，每個人都可以選擇想要更多隱私性或是更多便利性。讓每個人都有自己的數據選擇權，而不是采取粗暴的“一刀切”做法，還能使數據進一步優化人工智能算法，提高其效能，這會讓人工智能技術更為人們所接受。

人工智能時代已經到來，我們需要積極擁抱它。

依圖科技聯合創始人林晨曦

林晨曦是人工智能公司依圖科技的聯合創始人，前阿里云資深專家，曾帶領團隊搭建了中國擁有自主知識產權的飛天分布式云計算操作系統。他也曾在微軟亞洲研究院從事計算機視覺、機器學習、信息檢索和分布式系統方向的研究工作。他擁有上海交通大學碩士學位。林先生是ACM國際大學生程式設計競賽的全球總冠軍，于2002年作為上海交通大學代表隊隊長奪冠。

成立于2012年的依圖科技致力于將人工智能技術與行業應用相結合，目前在安防、金融、醫療、商業園區、零售等行業實現了商業化落地。除了計算機視覺技術，依圖科技也在人工智能芯片、語音識別、自然語言理解等技術領域開展研發和業務拓展 。

從上世紀50年代起步，人工智能到今天已經走過了不同的歷史發展時期。在歷史上每隔10年或20年就會有一個大變化。我們把現在這個階段定義為“AI新時代”。“AI新時代”主要以深度學習、大數據和高性能計算來推動行業的發展。

目前正是人工智能技術實現廣泛商業化落地的階段。未來10年，人工智能將呈現井噴式爆發增長，計算機圖像識別、語音識別和自然語言處理領域都將迎來巨大發展。

在今天看來，技術可以實現的邊界還很難界定。人工智能技術在某個領域沒超越人類之前屬于一個“黑暗時期”。一旦人工智能超越人類能力，就會開始飛速發展，并且技術發展曲線非常陡峭。以依圖人臉識別技術為例，在2015年突破了人眼識別水平之后的四年內，人臉識別技術精度提升了10萬倍，隨之帶來各個場景的應用突破。

今天人工智能算法不是趨同，恰恰相反是算法之間的差距正在拉大，并且很多技術上的新突破都將會在工業界發生。與此同時，人工智能技術的發展又是跨行業的，它可能會直接進入某個行業，打破行業的原有格局并進行重塑，給這個行業帶來階躍式的發展變化。

人工智能有個特點就是具有馬太效應，富者更富。 我深刻感覺到中國人工智能公司在技術上的領先。中國有世界級的任務和場景，在“AI新時代”也將呈現中美并駕齊驅的局面。

在美國，信息化、SaaS化 、移動化、智能化是每一個階段發展接近成熟后才進入下一個階段。而在中國，信息化、SaaS化、移動化、智能化是“四浪”疊加發展。因此中國在人工智能發展上擁有了“彎道超車”的機會。

小馬智行聯合創始人樓天城

樓天城博士是中國領先無人駕駛創企小馬智行的聯合創始人兼CTO。此前，樓天城博士曾任職于GoogleX（Waymo的前身），從事無人車技術開發，之后在百度擔任百度無人車技術委員會主席。樓天城博士畢業于清華大學，是計算機編程界的杰出代表，連續10年蟬聯TopCoder中國區第一名，兩次獲得谷歌全球編程挑戰賽冠軍。

小馬智行成立于2016年，截止2019年4月融資總額達三億美元，估值達17億美元。目前公司在廣州、北京和美國弗里蒙特試運營乘用車無人駕駛車隊，并且正在研發長距離無人駕駛卡車運輸。

預測無人駕駛的未來首先需要知道，這件事并不完全取決于技術本身，它也受法律、倫理、保險、民眾駕駛習慣、群眾接受度等因素的影響。在不同的國家和地區，這些因素存在非常大的差別，尤其會在無人車發展的早期影響大家布局的早晚。而這個早晚，反過來又會影響當地無人駕駛的發展進度。也就是說，得到越早布局的地區往往能夠更快地促進技術發展，反之亦然。

未來五到十年內，布局比較領先的國家和地區，會更早地看到無人駕駛技術的出現和成熟，而其它地區則會出現明顯的落后，這種區域間的差異將逐漸擴大。其中，中國擁有豐富的道路多樣性、政策支持和較高民眾接受度等優勢，有希望走在無人駕駛發展前列。

尤其考慮到中國政策的特殊性，一些鼓勵先試先行的自貿區及智慧交通/智慧城市示范區，會率先小規模落地自動駕駛商業化應用，成功的經驗將被逐步擴展到更大范圍。另外隨著5G的落地，車路協同在中國的發展會更加迅速、扮演更為重要的角色，這對無人駕駛來說如虎添翼，車輛在道路上行駛時會多一份安全保障。

至于實現無人駕駛的技術路徑，其實并不是“有無”之爭。任何技術路線的選擇都應該從一個終極目標出發，即讓無人車作為一個安全的應用和產品出現在人們的生活里。今天技術還沒有完全成熟，LiDAR、高精地圖、車路協同等對無人駕駛的早日落地是有幫助的。這些技術路線無所謂“先后”——凡是能夠利用各種因素把車做得更安全的技術，都應該被納入考慮范圍。

隨著技術進一步發展，可以考慮減少對某些技術路線的依賴。今天有人不看好LiDAR和高精地圖，其主要的爭論點是成本。而今天的高成本和量少有很大的關系。無人駕駛作為一個產品得到量產后，LiDAR和高精地圖拿到的訂單足夠多，它們的成本都會下降到可控范圍內。也就是說，哪怕日后技術成熟到可以不再依靠LiDAR和高精地圖，也沒有很強的棄用它們的理由。

數據很重要，但進一步完善無人駕駛技術將不光仰仗于海量數據的積累。近幾年深度學習的網絡結構、訓練模型等方面的創新也提升了訓練效果，未來這部分的創新會繼續讓無人駕駛的大腦更加智能。另外，提升車輛本身相關的技術也很關鍵，比如硬件的穩定性、傳感器和計算芯片等。

中金投X創始人向冀

Nina Xiang是專注于中國風險投資及科技創新雙語媒體平臺中金投X的創始人，也是細述中國人工智能產業發展歷程《Red AI》一書的作者。2011年創辦中金投X之前，她曾就職于《彭博商業周刊》、美國《機構投資者》雜志、第一財經，以及中國國際廣播電臺，擁有十多年財經科技媒體工作經驗。

中美貿易和科技爭端對中國人工智能產業的影響將是長期和不可逆轉的。中國人工智能行業的首要任務會產生根本變化。以往他們追求行業規模、發展速度和技術進步，而將來力求獨立自主、自力更生將成為中國人工智能行業最重要的目標。

在中國政府的引導下，中國科技企業將不懈努力，死磕并克服其行業的最短板，減輕對國外技術的依賴。這一過程可能會漫長而痛苦，但中國的龐大體量完全擁有實現這一目標的條件和資源。

我設想最壞的情況是未來世界將面臨數字及人工智能世界的巴爾干化。美國與中國——或許還有其它國家——將擁有各自獨立的IT基礎設施及生態系統。物理現實世界中的日漸分裂會擴展到數字和虛擬世界，這將給用戶帶來極大的不便，也會給我們共同的未來帶去更多的不確定性。而更好的結果是繼續維持不久前“整體和諧、局部紛爭”的環境，加速全球各行業人工智能的落地及應用，繼續增進國際間合作。

在未來的人工智能競賽之中——主要是中美間的競爭——各國在價值觀、政策和道德標準上的分歧將持續成為國家間沖突和摩擦的來源。此外，人工智能還會加劇世界各國科技和資源不平衡的現象，讓國家和民眾間的差距更加凸顯。在中國之內，這種風險可能還是可控的。但在某些地域，這些風險可能會被不斷放大。

想要贏得這場人工智能競賽，中國企業必須做出根本性的改變。這包括整個行業應從虛夸浮躁轉為腳踏實地；從炫技走向實際應用；放棄追求快速成功和彎道超車心態，堅持耐心持久地探尋底層創新。

對于正走在國際擴張道路上的中國企業而言，全球監管環境不確定和不均衡的問題會一直存在。擴張的道路將充滿挑戰，但中國人工智能企業不會停止探索的腳步。

盡管有如此多的風險和不確定性，未來10年的主題仍將是人工智能在所有行業的推廣應用。這一進程需要更深入的國際間合作，但不幸的是，目前看起來國際合作在人類最需要的時刻正遠離我們。這種局面可能會增加人工智能系統失控的可能性，但尚不會達到任何關乎人類生存的風險水平。

對消費者而言，人工智能產品如機器人、無人駕駛汽車、智能音箱的使用體驗提升會感覺異常緩慢。因為這些領域所面臨的挑戰實在太大，而短期內難有巨大突破。

地平線創始人余凱

余凱博士是中國人工智能芯片及解決方案公司地平線的創始人兼CEO。 在2015年創立地平線之前，他曾擔任百度深度學習研究院常務副院長和百度研究院執行院長。此前，他曾任職于NEC研究院、微軟和西門子。

余凱博士十多年來聚焦于機器學習研究，在頂尖會議和雜志發表了70多篇高質量論文，研究領域包括語音和圖像識別、數據挖掘和人機交互等。他擁有德國慕尼黑大學計算機科學博士學位。

地平線致力于提供邊緣人工智能芯片及解決方案，聚焦智能駕駛和智能物聯網兩個行業。公司已經量產了兩款邊緣人工智能芯片，并在智能駕駛及智能物聯網領域實現了商業落地。公司自成立起累計融資超過七億美元，估值達30億美元。

未來10年，人類將進入人工智能普惠時代，但也面臨嚴峻的挑戰，其中的兩個挑戰是能耗危機與數據安全。2016年，中國數據中心總耗電量超過1200億千瓦時 ，占全國發電量的2%。未來圍繞人工智能所產生的數據量將提升兩個數量級，占據全球數據總量的絕大部分。按照目前趨勢，全球能源供給系統都可能無法支撐未來人工智能計算所需要的能耗。因此，未來的人工智能芯片需要極度重視功耗。

另一方面，數據安全關乎人工智能行業的生死。隨著5G的到來，萬物互聯的時代將帶來終端接入網的極大擴容。但骨干網絡擴容的成本高并延遲大，導致邊緣側形成數據堰塞湖，邊緣計算勢在必行。從工地的安全帽檢測、智能音箱、車載智能人機交互到自動駕駛，這些部署在邊緣側的設備和軟件成了數據的過濾器和控制閥。經過其處理，可僅將萬分之一的脫敏數據上傳到云端進行處理，能夠大幅提升對數據安全性的掌控。

同時，人工智能應用的場景化注定無論是自動駕駛、智慧城市還是智慧商業，場景的特點決定了需要什么樣的算法。中國未來在智慧城市、智慧交通、工業4.0和5G推動下的萬物互聯的發展，意味著人工智能芯片需要聚焦邊緣計算，以及算法和芯片的同步開發。

人工智能芯片企業面臨的一個主要挑戰就是芯片開發和算法迭代的錯配。芯片開發如同藍調，耗時而周期長；而算法迭代像搖滾樂，是短平快的節奏。這需要人工智能芯片開發公司對算法趨勢和演變有充分的前瞻性，使得經過一兩年研發的芯片在推出的時候，仍然能夠適應最新的主流算法。

中國正在經歷著從商業創新走向技術創新的模式轉變，中國創新也早已進入無人區。不管未來風向如何變化，我認為人工智能芯片企業仍必須致力于打造開放的人工智能芯片生態系統，盡力實現全球人工智能生態系統兼容。這是科技發展不可逆轉的趨勢。

未來人工智能的發展趨勢將是普惠、安全且綠色的，而這都仰賴于底層人工智能芯片的進步。

云從科技創始人周曦

周曦博士是中國聚焦于計算機視覺的人工智能公司云從科技的創始人兼CEO。此前，周曦博士曾在IBM TJ Watson研究中心、微軟研究院、NEC研究院、中國科學院從事研究工作，專注于計算機視覺研究。周曦博士在國際頂級會議、雜志上發表了60余篇文章，擁有中國科學技術大學學士和碩士學位，以及美國伊利諾伊大學博士學位。周曦博士于2015年率領團隊成立云從科技，融資總額已超過五億美元，目前估值33億美元。云從科技業務涵蓋金融、安防、民航、零售等領域，已服務400家銀行的8.8萬網點、31個省級行政區公安，及60余家機場，日均服務旅客達200萬人次。

中國計算機視覺的商用雖然在全球都很超前，但仍然只跑了馬拉松的第一個10公里，未來的潛力十分巨大。在例如表情識別、動作識別、體態識別、物體識別、動物識別、場景識別等技術的應用上未來可挖掘的還有很多。我們現在看到的是一片無盡的需求海洋，怎樣搭建平臺化的技術儲備，為企業解決實際問題將是人工智能公司未來的主要挑戰。這也意味著頭部企業將更具優勢，而資本市場的兩頭分化也會越來越明顯。

未來10年，人工智能將從讓人眼前一亮的炫技，變成對各行各業大刀闊斧的改造。每個行業都會深度探索人工智能對其行業流程的徹底改造和顛覆。當改造完成的時候，行業整體的運行方式將提高到一個前所未見的水準。和100年前電力革命帶來的顛覆一樣，人工智能對現有行業的革命也將超出我們的想象。

盡管前景激動人心，但人工智能企業要先務實地從小處著手。通過對行業的漸進吃透和技術的逐步提升，日積月累地從量變達到質變。比如我們幫助銀行改造自動取款機，這個看起來小小的機器，卻可能引發所有金融用戶在終端和云端交互方式的完全顛覆。

即使沒有重大的理論突破，我對人工智能商用的潛力仍然十分樂觀。硬件提升、新應用開發、算法迭代還會助推一波波新的行業浪潮。中國的人工智能企業在把產品真正做到最好之后，海外拓展的機會應該很大。但這種全球擴張會需要更長的時間，至少五年或更久。因為那時中國人工智能企業的技術可能已達到全球領先，將能夠在世界各地都有發展機遇，而不僅僅只在發展中國家。

不過因為人工智能的終極產品形態是場景化和行業化的，這也意味著它不會特別通用，而這將是人工智能企業全球化的最主要障礙。因此，這種全球化的過程將不是很容易，也不會那么快。

來源：中金投X