未來，人工智能將無處不在。美國國防

　　部曾20年未到訪硅谷，而當(dāng)時的國防部長卡

　　特自 2015 年上任以后以來連續(xù) 4 次訪問硅

　　谷，對人工智能表示出極大興趣，直言要將民

　　用AI技術(shù)用于改進國防裝備體系，幫助美國

　　培育出新型的“鋼鐵俠”戰(zhàn)士，國防部高等研

　　究計劃局（DARPA）正在布局開發(fā)基于人工

　　智能技術(shù)研發(fā)自動駕駛戰(zhàn)車、反潛無人機械

　　船、智能電子戰(zhàn)系統(tǒng)、“半人馬”人類作戰(zhàn)行動

　　輔助系統(tǒng)等。據(jù)悉，谷歌、微軟、蘋果、臉書和

　　英特爾等巨頭也正在不約而同地投入“人工

　　智能優(yōu)先”戰(zhàn)略。

　　本報告由阿里云研究中心、波士頓咨詢

　　公司和 Alibaba Innovation Ventures 合作推

　　出，通過對人工智能內(nèi)涵的闡述，分析了未來

　　人工智能行業(yè)的競爭格局和企業(yè)制勝之道?！　∪斯ぶ悄艿闹鲬?zhàn)場在哪

　　人工智能最適用于解決什么樣的問題？通過分解典型的商業(yè)流

　　程，我們發(fā)現(xiàn)，人工智能更易于解決符合以下特點的商業(yè)問題：

　　行業(yè)存在持續(xù)痛點；

　　商業(yè)流程本身具備數(shù)字化的信息輸入，問題可以細分并清晰地

　　界定，商業(yè)流程存在重復(fù)，且獲得的結(jié)果的溝通以書面溝通或單項溝

　　通為主；

　　商業(yè)流程較少受整體商業(yè)環(huán)境的復(fù)雜影響。

　　企業(yè)客服就是人工智能應(yīng)用的一個典型例子，作為企業(yè)用戶與

　　企業(yè)服務(wù)的交互入口，客服面對的80%的問題都是簡單的、重復(fù)的問

　　題，但是卻需要大量人力和時間的工作。同時，客服提供的服務(wù)內(nèi)容

　　大都來自于企業(yè)自有知識體系，受整體商業(yè)環(huán)境的影響相對較弱。

　　這使得企業(yè)客服的智能化應(yīng)用相對容易，很多基于自定義知識庫的

　　問答型企業(yè)智能客服產(chǎn)品蜂涌而出。

　　但是如何真正實現(xiàn)人工智能意義的智能客服？盡可能地模仿真　　大數(shù)據(jù)是戰(zhàn)略競爭優(yōu)勢

　　數(shù)據(jù)是人工智能的基礎(chǔ)，擁有針對特定領(lǐng)域的龐大數(shù)

　　據(jù)集，能夠成為競爭優(yōu)勢的重要來源。現(xiàn)階段，制約人工

　　智能領(lǐng)域很多重大突破的關(guān)鍵，并非是算法不夠先進，而

　　是缺乏高質(zhì)量的數(shù)據(jù)集。

　　海量、精準、高質(zhì)量的數(shù)據(jù)為訓(xùn)練人工智能提供了原

　　材料（見圖1），巨型數(shù)據(jù)庫、十幾年累積的搜索結(jié)果，乃至

　　整個互聯(lián)網(wǎng)都讓人工智能變得更聰明。人工智能從龐大

　　的、復(fù)雜的、無序的個體數(shù)據(jù)中發(fā)現(xiàn)更為本質(zhì)、更能解釋

　　世界的規(guī)律，并復(fù)合多個規(guī)律共同作用，以解決問題。

　　人工智能的三種主要技術(shù)，都需要專有類型的數(shù)據(jù)。

　　機器學(xué)習(xí)——例如計算機視覺、情感分析、自然語言處理

　　等技術(shù)，需要大量的標簽樣本數(shù)據(jù)。模式識別——例如

　　文字、語音、指紋、人臉等識別技術(shù)，則偏重于信號、圖像、

　　語音、文字、指紋等非直觀數(shù)據(jù)。人機交互——如智能機

　　器人技術(shù)，則需要積累大量的用戶數(shù)據(jù)。

　　互聯(lián)網(wǎng)催生了大數(shù)據(jù)，大數(shù)據(jù)催生了人工智能?；ヂ?lián)

　　網(wǎng)的演進和催生的新業(yè)態(tài)，進一步吸引了大量用戶的積

　　極參與，實現(xiàn)了數(shù)據(jù)“產(chǎn)生—使用—新數(shù)據(jù)產(chǎn)生—再使

　　用”的閉環(huán)，這個閉環(huán)恰恰是人工智能自主學(xué)習(xí)和知識管

　　理的基礎(chǔ)。例如：擁有上億注冊用戶和上億商品的阿里

　　巴巴淘寶，后臺積累了286億多個圖片文件，更方便地讓

　　用戶在即時場景（電視觀看、社交圖片分享、逛街等）下所

　　見即所“得”的找到感興趣的商品，是淘寶“拍立淘“應(yīng)用

　　的主要目的。在“以圖搜圖”模式下，機器學(xué)習(xí)正確理解

　　后臺幾百億圖片并打上標簽，用戶通過點擊商品列表等

　　參與來判斷機器的理解是否正確。人工智能的應(yīng)用的實

　　現(xiàn)本質(zhì)上就是“知識產(chǎn)生—知識應(yīng)用—知識產(chǎn)生的自我

　　學(xué)習(xí)和優(yōu)化”的體系化過程的落地。

　　場景數(shù)據(jù)的積累，可以促進人工智能技術(shù)的應(yīng)用，從

　　而形成更高效的解決方案。例如，傳統(tǒng)外賣配送采用人

　　工調(diào)度，由派單員進行手工派單，所依據(jù)的是有限的餐廳