一、什么是人工智能
人工智能是当前比较热门的科学和各国重点发展的前沿技术，但人工智能（Artificial Intelligence，缩写为AI）一词的出现，却是早在1956年由麦卡赛、明斯基、罗切斯特和申农等一批具有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题时提出来的，它也标志着”人工智能”的正式诞生。
人工智能是指通过计算机实现人的头脑思维所产生的效果，是对能够从环境中获取感知并执行行动的智能体的描述和构建。从狭义认知角度来讲，人工智能可分为人工智能产业（包含技术、算法、应用等多方面的价值体系）、人工智能技术（包括凡是使用机器帮助、代替甚至部分超越人类实现认知、识别、分析、决策等功能）两大类。
人工智能得到快速发展的时期，是2008年金融危机之后，美日欧等西方发达国家希望借助机器人实现再工业化。此时的工业机器人比以往任何时候都发展的更快，更加带动了人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。
而企业层面，目前在人工智能领域领先的企业，包括IBM、谷歌、微软、苹果、东芝、三星等大型科技企业，国内人工智能领先的企业，包括百度、科大讯飞，中国国家电网、阿里、腾讯以及一些新兴科技企业，如商汤科技、云从科技、码隆科技、影普科技、Yi+等。一、
人工智能
二、国内人工智能应用领域、场景及产值规模
2.1 国内人工智能应用领域及产业规模
人工智能作为科技创新产物，在促进人类社会进步、经济建设和提升人们生活水平等方面起到越来越重要的作用。国内人工智能经过多年的发展，已经在安防、金融、客服、零售、医疗健康、广告营销、教育、城市交通、制造、 农业等领域实现商用及规模效应。
2018年国内人工智能技术为实体经济贡献收益规模达到251.1亿元人民币，而据艾瑞咨询预测数据，2019年人工智能将为实体经济贡献收入超570亿元，到2022年贡献收入将达到1573亿元，年复合增长率达到58.2%。
图：数据来源，艾瑞咨询
在2018年人工智能251.1亿元市场规模中，安防领域占比份额最高为53.8%，其次则是金融领域，份额占比为15.8% 。
图：数据来源，艾瑞咨询
2.2 人工智能在安防领域的应用
安防是为数不多的可以将人工智能成熟应用并落地的行业，为此，安防也被认为是人工智能的第一着陆场。这是因为人工智能在安防领域的快速落地，除了不需要过多的基础建设之外，也得益于全国范围内安防设备的普及以及政府部门大力发展雪亮工程、智慧城市、平安城市、智慧交通、天网工程等公共安全领域项目工程的推动。其中，2018年公共安全领域安防贡献的市场份额就超过70%。
人工智能在安防领域的应用主要是利用其视频结构化（视频数据的识别和提取技术，即对视频内容自动处理，提供目标的监测、跟踪、属性分析、以图搜图等功能）、生物识别技术（如指纹识别、人脸识别等）以及物证特征识别（如目前大力推广的ETC对车牌的识别等）等三大特性。其改变了过去需要通过人工取证、被动监控的安防形态，视频数据的识别和提取分析，使人力查阅监控的时间大大缩短，而生物识别又大大提升了人物识别的精准性，极大提升了公共安全治理的效率。
2018年，我国”AI+安防”软硬件市场规模达到135亿元（不含C端用户），其中视频监控占比达到88.1%，据艾瑞咨询预测2019年将达到350亿元，而到2022年，安防规模将超过700亿元，复合增长率将达到51.45%。
图：数据来源，艾瑞咨询
2.3 人工智能在金融领域的应用
人工智能在金融领域的应用仅次于安防，这要得益于移动互联网、区块链、云计算、大数据等新技术的日趋成熟，为金融行业的智能化转型升级奠定重要基础。
从技术层面，人工智能的本质上是机器通过大量的数据训练作出智能决策，人工智能能够赋予机器具有理解力的”大脑”，让机器能够解读文字、数据所包含的”语义”，通过自学的方式获得判断的规则。金融行业作为高度数据化的行业，加之业务规则和目标明晰，是人工智能、大数据处理技术和云计算等数据驱动技术的最好应用场景。以此同时，在互联网时代，金融行业的在线业务将成主流，数据量的激增，超出了人的经验范畴和处理能力，而这些却是人工智能最擅长处理的。人工智能正在对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。
2018年国内金融领域人工智能相关科技投入（包括软件和硬件设备）约为166.8亿元，较2017年增速为42.9%，到2022年人工智能相关投入将超580亿元，年复合增长率超过37%，其中银行是人工智能相关应用的主要投入方，占比超过70%。
图：数据来源，艾瑞咨询
目前，人工智能在金融业的应用，主要集中在智能支付、智能理赔、智能投顾、智能客服、智能营销、智能投研、智能风控等场景，这些场景又以银行最具有代表。
2.3.1 智能客服
智能客服是人工智能在金融领域应用最广的。智能客服机器人取代了传统菜单式语音和人工客服模式，能够提供7*24小时的客服服务。智能客服在电话场景当中主要表现为机器管理和语音问答分析，智能客服可以通过深度学习文本中的对话、语音对话场景，并加以应用回复。
智能客服目前在银行领域应用最广，平安银行的客户服务人工智能替代率超过80%，其服务量也提升了两至三倍，客服的人力降低了40%。
客服机器人
2.3.2 智能投顾
智能投顾，即人工智能投资顾问，其是通过人工智能的深度学习和分析能力，为客户提供个人理财产品策略咨询，包括股票配置、基金配置、债权配置、 交易执行、投资损失避税等策略。智能投顾的最大特点，是弱化”人性”，在基于大数据分析、AI算法等的前提下，一旦投资者选定了某种方案，资产的进出抛售就会严格按照既定的标准实行。
智能投顾的应用，最早可追溯到2016年年底，”摩羯智投”在招商银行手机APP的上线。目前，智能投顾已成为银行、券商、保险等金融机构的标配型服务。
2.3.3 智能风控
金融行业在传统风控环节中，存在信息不对称、成本高、时效性差、效率低等问题。而智能风控因为引入了人工智能科技，使得贷前审核、贷中监控和贷后管理等环节效率和准确度都得到了极大的提升，智能风控还能促进风险管理差异化。另外智能风控在信用反欺诈、骗保反欺诈、异常交易行为等方面也发挥了越来越重要的作用，为金融行业欺诈风险的分析和预警监测提供坚实的技术支持。
2.3.4 智能投研
与智能投顾相比，智能投研主要面对B端企业用户，为其提供辅助投研的工具。对于金融机构来说，人工智能技术的介入，使得传统投研的各个环节发生一定的优化和革新，解放大量基础的投研信息搜集类工作，而前期信息搜集的耗时性和不全面性，也是传统投研中较为主要的缺陷。智能投研是在金融数据基础上，通过深度学习、自然语言处理等人工智能方法，对数据、事件、结论等信息进行自动化处理和分析，为金融机构提供投研支持。
2.3.5智能理赔
人工智能在保险理赔细分领域的应用，极大的提升了保险产品和服务质量、服务及理赔效率也得到了极大的提升。这是因为传统在投保、理赔、运营各个核心环节仍存在着投保操作繁琐、理赔难等诸多问题。随着一些保险公司将人工智能和大数据等技术运用到理赔服务端，图像识别等技术实现了快速定损和反欺诈识别等作用，即通过人脸识别、证件识别（还包括不属于图像的声纹识别）等方式进行身份认证，更重要的，图像识别还可以处理非结构类数据，比如将笔迹、扫描、拍照单据转换成文字，对视频、现场照片进行分类处理等等。
企业层面，自2016年开始国内大型保险公司便积极探索人工智能赋能保险领域。2016年，中国人保推出”心服务·芯理赔”的一站式服务及智能理赔一体化处理模式；紧接着，中国平安实现”智能认证”和”智能理赔”服务…人工智能技术在对查勘定损、欺诈识别及协助理赔等索赔管理程序进行自动化处理，提高理赔处理效率等各个方面正得到了越来越广泛的应用。
2.4 人工智能在客服领域的应用
前文金融领域中已经提到了智能客服的应用，当然智能客服不仅仅只限于金融行业，在其他行业也运用得越来越广。客户服务引入人工智能技术后，整体上节省了10%以上的运营成本。另外，通过对语音等非标准化数据的识别，企业能沉淀下一手数据资源，为后续精准营销、产品升级等环节做好铺垫。而聊天机器人作为智能客户服务领域的热门技术，预计到2020年，85%的客户服务交互将由聊天机器人处理。
在该领域产业规模方面，据艾瑞咨询数据，2018年，国内智能客服业务规模达到27.2亿元，其中以智能客服机器人为代表的人工智能应用业务规模达到7.9亿元，预计2022年智能客服业务规模将突破160亿元，年复合增长率为56%，人工智能应用业务规模突破70亿元。
机器人
2.5 人工智能在医疗健康领域的应用
人工智能技术在医疗健康领域的应用主要表现在也逐渐成为影响医疗行业发展，提升医疗服务水平的重要因素。其应用技术主要包括：医疗影像辅助诊断、辅助阅片、药物研发、个人健康大数据的智能分析等方面。
2.5.1 医疗影像辅助诊断
人工智能在医疗影像的应用主要是通过计算机视觉技术对医疗影像进行快速读片和智能诊断。医疗影像数据是医疗数据的重要组成部分，人工智能技术能够通过快速准确地标记特定异常结构来提高图像分析的效率。
2.5.2 药物研发
人工智能助力药物研发，可大大缩短药物研发时间、提高研发效率并控制研发成本。目前我国制药企业人工智能技术主要应用在新药发现和临床试验阶段。传统制药方式是将小分子化合物组合成不同蛋白，通过高通量筛选发现合适的化合物，这个过程需要进行百万次试验，成本高昂，而如果利用人工智能机器学习取代高通量筛选，或用图像识别技术优化高通量筛选，都将降低研发成本。另外，人工智能技术可以从相关文献、组学数据、功能实验数据等这些散乱无章的海量信息中提取出能够推动药物研发的知识，提出新的可以被验证的假说，从而加速药物研发的过程。
当然，人工智能在药物研发领域的应用不只是上述阶段，还包括药物优化、临床测试等阶段。
2.5.3 个人健康大数据智能分析
当前，以运动、心律、睡眠等检测为主的移动健康医疗设备发展较快，比如一些运动手环等等。通过这些智能设备对人体进行检测，采集血压、心电、脂肪率等多项健康指标数据，并将这些数据上传到云数据库形成个人健康档案，并通过数据分析，结合个人生活习惯等建立个性化健康管理方案。
2.6 人工智能在零售领域的应用
人工智能在零售领域的应用已经十分广泛，包括无人便利店、智慧供应链、客流统计、无人仓储等细分领域。人工智能通过深度学习以及计算机视觉、图像智能识别、大数据应用等技术，使得工业智能机器人可通过自主判断和行为学习，完成各种复杂的任务，包括在商品分拣、运输、出库等环节实现自动化。另外，将人工智能技术应用于客流统计工作中，其通过人脸识别客流统计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。
2018年中国现代渠道主要零售商数字化建设投入为285.1亿元，其中人工智能投入约为9亿元，占比3.15%，据预测，到2022年其数字化建设投入将突破700亿元，人工智能投入将超过178亿元，占比超过25%，这主要得益于阿里巴巴、京东、苏宁等零售巨头的推动，以人工智能应用为代表的新零售概念处于增长的上升通道，未来两年将保持较高增速。
图：数据来源，艾瑞咨询
而以计算机视觉技术为核心的人脸识别和商品识别是主要建设方向，相关投入占整体的55%以上。另外，零售领域供应链的优化最为复杂，对人工智能算法的可用性要求最高，但更靠近零售业的核心点，未来可释放的增益价值也将最大。
2.7 人工智能在教育领域的应用
在线教育目前处在蓬勃发展的蓝海市场，据数据预测，2020年在线教育市场规模将达4538亿元，与人工智能技术相关的在线教育业务规模则将超过328.6亿元，到2022年这个市场规模将超过700亿元。
图：数据来源，艾瑞咨询
目前，人工智能在在线教育领域应用场景，主要体现在对教学体系进行反馈和测评、智能搜题、分层排课、口语测评、组卷阅卷、作业批改、作业布置、语言识别测评等方面。例如在语音识别测评方面，利用人工智能语音识别功能，某些英语学习App程序自动为用户的口语打分，帮助其不断提高口语水平。
当然，目前人工智能在教育领域的应用还只是停留在学习过程的辅助环节上，未来随着教育测量学和人工智能技术的进一步发展，人工智能有望逐步渗透到教育的核心环节，从根本上改进用户的学习理念和学习方式。
三、人工智能未来发展趋势
3.1 人工智能基础层和技术层将得到重视
目前，人工智能的研究及应用主要集中在基础层、技术层和应用层三个方面，其中基础层以AI芯片、计算机语言、算法架构等研发为主，技术层以计算机视觉、智能语音、自然语言处理等应用算法研发为主；应用层以AI技术集成与应用开发为主。而国内人工智能企业多集中在应用层，占比高达77.7%，技术层和基础层企业占比相对较小，分别只占有17.9%和5.4%。当然，未来随着5G的建设普及以及科技进步，人工智能除了在语音识别、计算机视觉技术的继续拓展和实地运用外，在人工智能芯片、机器学习、神经网络等方面也将引来增强趋势，人工智能也将在越来越多的领域得到应用落地。
芯片
3.2 智能制造渗透率将得到显著提升
制造业是一个国家的支柱产业，制造业代表着一个国家的先进程度和科技发展程度，2015年国家就提出了”中国制造2025″战略目标。目前，人工智能在制造业领域的应用场景，主要体现在产品智能化研发设计、智能质检、生产设备的预测性维护等方面。2018年人工智能在制造业的渗透率仅有0.17%。渗透率不足的主要原因：
1）制造环节数据难以被开发利用
人工智能与制造业的深度融合发展需要以大数据作为支撑，与消费环节相比，制造环节数据的可获得性、可通用性更弱。制造业机器设备生成的数据通常较为复杂，有接近一半的数据是没有相关性的。与此同时，制造环节的数据需要安装大量高精度传感器，这不仅需要投入巨额的资金，而且在后期维护上也会产生检修及人工成本等。
2）无法采用可复制的系统和整体解决方案
人工智能必须根据制造业的具体场景进行定制，简单照搬模版式的制造业人工智能解决方案是不可行的，而且也不存在一个能够被大多数制造业接受的统一的人工智能系统。
3）人才严重缺乏
目前人工智能高端人才主要集中在互联网行业，而制造业相关人员对人工智能概念的理解、对技术的掌握还不是很准确，因此难以支撑制造业企业智能化转型升级。
当然，随着技术积累、以及构建制造环节的工业数据库、加强智能制造领域人才培养等一系列措施，智能制造的瓶颈将被打开，智能制造的渗透率也有望得到大幅提升。
智能制造
3.3 AIoT将得到重点发展
未来，人工智能与物联网的结合（即AIoT）也将更紧密，人工智能的介入让物联网有了连接的大脑，使得万物互联互通成为现实，未来或将颠覆现有的产业模式。主要表现在，经济方面，助力产业价值链延伸，目前产业很难依靠既有技术与业务模式打破产业生命周期，AIoT通过设备感知与数据分析支撑新的产品形态与服务模式落地，开拓新的市场空间，产生新的发展周期。社会发展方面，数据价值得到挖掘，实现大量线下数据线上化，实现自动高效处理。
目前，国内外的科技巨头也早已开始积极布局AIoT，谷歌此前公开宣布计划用5000万美元收购物联网平台Xively，高调进军AIoT行业。微软2018年4月4日宣布，计划在未来四年内，向物联网相关的各种项目投资50亿美元，用以提供智能化服务。小米集团的战略目标也是“小米手机+AIoT两步走策略”….
当然，智能手机依然被看做是未来物联网的入口， AIoT也将为智能手机赋能，将智能装置、设备都联接起来，打造闭环生态模式。另外，AIoT也将促进智能家居的快速发展，其将智能应用、智能家居产品和智能平台串联，使得家居产品关联互动….
