首頁熱門文章
AI產業應用白皮書 八大應用領域完全拆解
發布時間：2019-01-04 分類：趨勢研究
人工智能是一種引發諸多領域產生顛覆性變革的前沿技術 。世界各國高度重視人工智能發展，美國白宮接連發布數個人工智能政府報告，是第一個將人工智能發展上升到國家戰略層面的國家，除此以外，英國、歐盟、日本等紛紛發布人工智能相關戰略、行動計劃，著力構筑人工智能先發優勢。我國高度重視人工智能產業的發展，習近平總書記在十九大報告中指出，要“推動互聯網、大數據、人工智能和實體經濟深度融合”，從 2016 年起已有《“互聯網+人工智能三年行動實施方案》、《新一代人工智能發展規劃》、《促進新一代人工智能產業發展三年行動計劃(2018-2020 年)》等多個國家層面的政策出臺，也取得了積極的效果，我國逐漸形成了涵蓋計算芯片、開源平臺、基礎應用、行業應用及產品等環節較完善的人工智能產業鏈。
本期的智能內參，我們推薦來自中國信息通信研究院的報告《 人工智能發展白皮書產業應用篇 》， 重點分析當前人工智能在軟硬件支撐平臺、基礎產品、復合產品、領域應用等方面現狀、問題以及趨勢。如果想收藏本文的報告全文(2018人工智能產業應用)，可以在智東西公眾號：(zhidxcom)回復關鍵詞“nc312”獲取。
一、AI產業應用視圖
當前人工智能理論和技術日益成熟，應用范圍不斷擴大， 產業正在逐步形成、不斷豐富，相應的商業模式也在持續演進和多元化。人工智能產業應用從下到上，分為軟硬件支撐層、產品層和應用層 。
1、軟硬件支撐層
該層包括了硬件和軟件平臺。其中硬件主要包括 CPU、 GPU 等通用芯片， 深度學習、類腦等AI芯片以及傳感器、存儲器等感知存儲硬件，主導廠商主要為云計算服務提供商、傳統芯片廠商以及新興AI芯片廠商。軟件平臺可細分為開放平臺、應用軟件等，開放平臺層主要指面向開發者的機器學習開發及基礎功能框架；應用軟件主要包括計算機視覺、自然語言處理、人機交互等軟件工具以及應用這些工具開發的相關應用軟件。
核心器件多元化創新，帶動 AI計算產業發展。GPU、DSP、FPGA、ASIC 以及類腦等AI芯片創新頻繁，支撐云側、端側 AI 計算需求。 AI 計算產業快速發展，尤其是云端深度學習計算平臺的需求正在快速釋放。以英偉達、谷歌、英特爾為首的國外企業加快各類 AI技術創新， 我國寒武紀、深鑒科技等企業也在跟進。
2、產品層
產品層包括基礎產品和復合產品。其中基礎產品又包括了基礎語言處理產品、知識圖譜產品、計算機視覺產品、人機交互產品四類，是人工智能底層的技術產品，是人工智能終端產品和行業解決方案的基礎。復合產品可看作為人工智能終端產品，是AI技術的載體， 目前主要包括可穿戴產品、機器人、無人車、智能音箱、智能攝像頭、特征識別設備等終端及配套軟件。
AI產品形式多樣，已涵蓋了聽覺、視覺、觸覺、認知等多種形態。 無論是基礎產品還是復合產品，能夠支持處理文字、語音、圖像、感知等多種輸入或輸出形式，產品形式多樣，如語音識別、機器翻譯、人臉識別、體感交互等。全球互聯網企業積極布局各產品領域，加強各類產品 AI 技術創新，有效支撐各種應用場景。
3、應用層
應用層是指AI技術對各領域的滲透形成“AI+”的行業應用終端、系統及配套軟件，然后切入各種場景，為用戶提供個性化、精準化、智能化服務，深度賦能醫療、交通、金融、零售、教育、家居、農業、制造、網絡安全、人力資源、安防等領域。
人工智能應用領域沒有專業限制。通過AI產品與生產生活的各個領域相融合，對于改善傳統環節流程、提高效率、提升效能、降低成本等方面提供了巨大的推動作用，大幅提升業務體驗，有效提升各領域的智能化水平，給傳統領域帶來變革。
二、 AI產業與應用發展現狀及趨勢
人工智能技術快速發展，部分技術進入產業化階段，帶來新產業的興起。 從產業規?？?， 2017 年國內人工智能市場規模達到 237.4 億元，相較于 2016 年增長 67%。其中以生物識別、圖像識別、視頻識別等技術為核心的計算機視覺市場規模最大，占比 34.9%，達到 82.8億元。
從產業結構看， 人工智能產業可分為基礎計算和軟件平臺、核心軟件和設備、行業領域應用三大部分，其中核心軟件和設備、行業領域應用是增長最快的部分。
從企業來看， 谷歌、蘋果、 Facebook、微軟、百度等互聯網、移動互聯網企業均將 AI 作為下一階段戰略發展重點，加快推進基礎算法、平臺和智能設備研發，與高校和科研院所一并成為推動產業發展的主要動力；創業熱潮與投融資熱情在 2017年回歸理性，但整體來看 AI 創新企業和獨角獸企業已具備一定規模，2016年全球新增初創企業 738家，2017年新增初創企業降至 324家。
從產業生態來看， 目前人工智能產業生態模式尚未鎖定，各種產業模式均在探索。以谷歌、亞馬遜等企業為首的國外領先企業側重于從芯片、操作系統到運行框架打造垂直生態，并快速將自有架構通過開源、開放等方式進行產業推廣，力爭形成行業事實標準。國內產業生態偏重于框架層和應用層，尤其是應用層軟件技術和平臺發展快速。
1、軟硬件支撐平臺
1)多種人工智能芯片快速創新
人工智能發展浪潮成為拉動芯片市場增長的新的驅動力。 根據預測，全球人工智能芯片市場規模在 2016 年約為 24 億美元，到 2020年規模將接近 150 億美元，復合年均增長率保持超過 40%的高速率；同時，人工智能芯片在人工智能整體市場規模占比也將呈現逐年遞增態勢，預計將從 2016 年的 8%增長至 2020 年的 12%。
人工智能芯片產業體系初步形成。人工智能芯片指能夠實現各類深度學習算法加速的計算芯片。深度學習算法的運行對卷積、矩陣乘法運算任務以及內存存取等操作較為頻繁，對于更擅長串行邏輯運算的 CPU 而言計算效率較低，難以滿足需求?，F階段人工智能芯片類型主要涵蓋包含 GPU、 FPGA、 ASIC、類腦芯片等。其中， GPU 芯片通用性較強且適合大規模并行計算，但售價貴、能耗高； FPGA 可通過編程靈活配置芯片架構適應算法迭代且能效優于 GPU 芯片，但產品開發技術門檻較高，開發生態不完善； ASIC 芯片通過將算法固化實現極致的性能和能效，且大規模量產后成本優勢突顯，但前期開發周期長易面臨算法迭代風險。類腦芯片目前仍處于實驗室研發階段。
領先企業加快人工智能芯片布局。 英偉達憑借高性能的 GPU 芯片占據應用規模優勢， AMD、 英特爾、谷歌等企業加速追趕。英偉達快速推出針對人工智能運算優化的 Tesla GPU 系列產品，其中最強V100 GPU 芯片提供每秒 120 萬億次張量計算能力，同時拓展 CUDA生態開發深度學習加速庫 cuDNN，提升 GPU 面向深度學習算法和主流開發框架的運行效率，強勁的硬件性能和完善易用的開發者生態助力英偉達迅速形成了巨大的市場優勢，現有客戶覆蓋谷歌、臉書、微軟等巨頭企業和大量的初創企業、科研院所等。 AMD 也加速追趕，最新發布全球首款 7nm 制程、專為人工智能任務設計的 GPU 芯片產品，試圖搶攻服務器和工作站市場。
與此同時，英特爾、谷歌等企業 開發兼具更高能效和低成本優勢的 ASIC 芯片構筑競爭實力。谷歌面向谷歌云業務需求自研人工智能 ASIC 系列芯片 TPU，其中，訓練芯片具備實現業界最高的每秒 180 萬億次峰值浮點計算能力，TPU 芯片也與旗下 TensorFlow 開發框架、算法和谷歌云平臺深度耦合構建垂直完備的產業生態；英特爾收購芯片初創企業 Nervana 掌握 ASIC 訓練芯片技術，第二代產品將于 2019 年下半年正式推出，性能對標谷歌 TPU 產品。
2)多方布局人工智能計算框架
基礎開發框架在人工智能產業鏈中占據承上啟下的核心地位。 在移動互聯網時代， Android 系統通過 GMS 與下游云服務松耦合，通過版本控制與上游芯片、整機廠商緊耦合，實現以 Android 操作系統為核心的移動互聯網閉環生態。在人工智能時代，開發框架也具備媲美 Android 操作系統的核心地位，具有統領產業進步節奏、帶動硬件配置、終端場景與云端服務協同發展的核心作用，占據承上啟下的關鍵地位。以 Google 深度學習開發框架 TensorFlow 為例， TensorFlow向上與谷歌云緊密綁定，以云平臺模式提供云機器學習服務，向下與芯片和硬件廠商緊密耦合做定制優化，谷歌 TPU專用于 TensorFlow 。
領先企業圍繞開發框架平臺呈現多元化發展模式。一是縱向打通模式，從硬件到開源平臺再到云平臺至應用服務，貫通產業鏈上下游，構建全產業生態，谷歌為其典型代表； 二是向上布局行業應用服務模式，以業務為導向，通過核心平臺向上布局重點行業應用，如亞馬遜、阿里等； 三是算法下沉于硬件模式，核心算法固化于硬件，以硬件形態提供行業通用或專用計算能力，如寒武紀； 四是以核心平臺開放基礎能力，為行業提供基礎能力，如訊飛為行業提供基礎語音識別基礎技術，商湯為行業提供人臉識別基礎技術等。在四種發展模式中，云平臺和應用服務產生的所有數據均回流于訓練平臺進行數據反哺，可有效提升平臺的綜合能力。
國際巨頭開源人工智能開發框架意圖加快掌握技術產業組織的主動權。 國際巨頭紛紛布局開發框架，意圖加快掌握技術產業組織的主動權，占領客戶、應用和數據資源，逐步建立新的產業格局和技術標準。2013 年，伯克利大學賈清陽博士宣布開源深度學習框架 Caffe，成為第一個主流工業級深度學習工具。
2015 年 11 月，Google 開源深度學習框架 TensorFlow，具備深度學習基本算法，可滿足圖形分類、音頻處理、推薦系統和自然語言處理等基本功能，成為 GitHub 最受歡迎的機器學習開源項目，目前吸引 ARM、京東等大批合作伙伴。2016 年，亞馬遜宣布 MXNet 作為其支持框架，具有優異分布式計算性能，擁有卡耐基梅隆、英特爾、英偉達等眾多合作伙伴，國內圖森互聯和地平線等公司也有使用。 2015 年 11 月， IBM 宣布開源機器學習平臺 SystemML，可根據數據和集群特性使用基于規則和基于成本的優化技術動態地編譯和優化，應用在不同工業領域。 2016 年 9月，百度開源其深度學習平臺 PaddlePaddle，可提供機器視覺、自然語言理解、搜索引擎排序、推薦系統等功能。 2017 年 6 月，騰訊和北京大學、香港科技大學聯合開發的高性能分布式計算平臺 Angel正式開源，具有較強的容錯設計和穩定性。眾多開源學習框架促進人工智能應用程序發展。據 IDC 預測，到 2020 年， 60%的人工智能應用程序將在開源平臺上運行。
2、人工智能基礎產品
1) 自然語言處理產品呈現實用化發展趨勢
自然語言處理(NLP) 是指機器理解并解釋人類寫作、說話方式的能力，是人工智能和語言學的一部分，它致力于使用計算機理解或產生人類語言中的詞語或句子。自然語言處理主要涉及語音識別、語音合成、語義理解、機器翻譯，自然語言類產品呈現實用化的發展趨勢，但是產品成熟度上仍存在較大的提升空間。
語音識別受到國內外商業和學術界的廣泛關注，在無噪音無口音干擾情況下可接近人類水平。 目前語音識別的技術成熟度較高，已達到 95%的準確度，但背景噪音仍難解決，實際應用僅限于近距離使用。我國語音識別技術研究水平良好，基本上與國外同步，科大訊飛語音識別成功率達到 97%，離線識別率亦達 95%。此外，我國在漢語語音識別技術上還有自己的特點與優勢，已達到國際先進水平。語音識別產品方面，微軟、谷歌、亞馬遜，以及國內的百度、訊飛、思必馳等企業均推出了各自基于語音交互的產品，其中以輸入法、車載語音、智能家居、教育測評最為普遍。
機器翻譯是當前最熱門的應用方向，由于自然語言語義分析的復雜性，翻譯水平還遠不能和人類相比。近年來機器翻譯技術越發成熟，各大廠商都積極投身于這個備受關注的機器翻譯領域，谷歌使用深度學習技術，顯著提升了翻譯的性能與質量。各大互聯網公司相繼推出自己的翻譯系統，谷歌、微軟、有道、科大訊飛、百度、搜狗等均上線或更新了翻譯產品。例如阿里機器翻譯基于阿里巴巴海量電商數據，并結合機器學習、自然語言處理技術，實現多語言語種識別與自動翻譯功能，為跨境電商信息本地化與跨語言溝通提供精準、快捷、可靠的在線翻譯服務。
2)知識圖譜從實際問題出發呈現多維度應用
知識圖譜概念由谷歌 2012 年正式提出，其初衷是為了提高搜索引擎的能力，改善用戶的搜索質量以及搜索體驗。知識圖譜是具有向圖結構的一個知識庫，其中圖的節點代表實體或概念，而圖的邊代表實體/概念之間的各種語義關系，其起源可以追溯到 20 世紀 50 年代的語義網絡，本質上是使機器用接近于自然語言語義的方式存儲信息，從而提升智能信息檢索能力，現已被廣泛應用于智能搜索、智能問答、個性化推薦等領域。
知識圖譜經歷了由人工和群體協作構建到利用機器學習和信息抽取技術自動獲取的過程。 早期知識圖譜主要依靠人工處理獲得，如英文 WordNet 和 Cyc 項目。通過人工處理，知識圖譜將上百萬條知識處理為機器能夠理解的形式，使機器擁有判斷和推理能力。隨著互聯網上最大群體智能知識庫維基百科的建立，出現了DBpedia、YAGO以及 Freebase 等依托大規模協同合作建立的知識圖譜。隨著大數據時代的到來，知識圖譜的數據來源不再局限于百科類的半結構化數據和各類型網絡數據。
基于知識圖譜的服務和應用是當前人工智能的研究熱點。 當前，知識圖譜的應用可以歸納為語義搜索、知識問答以及基于知識的大數據分析與決策三個方面：
1、在語義搜索方面，由于知識圖譜所具有的良好定義的結構形式，語義搜索利用建立大規模數據庫對關鍵詞和文檔內容進行語義標注，從而改善搜索結果。 國外搜索引擎以谷歌搜索和微軟 Bing 最為典型。一方面，基于知識圖譜的搜索引擎相繼融入了維基百科、 CIA 世界概覽等公共資源。另一方面，搜索引擎與 Facebook、 Twitter 等大型社交企業達成了合作協議，在個性化內容的搜集、定制化方面具有顯著優勢。國內主流搜索引擎公司近年來也相繼將知識圖譜的相關研究從概念轉向具體產品應用。搜狗“知立方”是國內搜索引擎中的第一款知識圖譜產品，它通過整合碎片化的語義信息，對用戶的搜索進行邏輯推薦與計算，并將核心知識反饋給用戶。百度將知識圖譜命名為“知心”，主要致力于構建一個龐大的通用型知識網絡，以圖文并茂的形式展現知識的各方面。
2、 在知識問答方面，基于知識圖譜的問答系統通過對用戶使用自然語言提出的問題進行語義分析和語法分析，進而將其轉化成結構化形式的查詢語句，然后在知識圖譜中查詢答案。 目前，國內外形式多樣的問答平臺都引入了知識圖譜，例如蘋果的智能語音助手 Siri 能夠為用戶提供回答、介紹以及搜索服務；亞馬遜收購的自然語言助手 Evi，采用 True Knowledge 引擎進行開發，也可提供類似 Siri 的服務。國內百度公司研發的小度機器人、小米智能音響、阿里巴巴天貓精靈等都引入知識圖譜技術，開始提供交互式問答服務。
3、 在分析與決策方面，利用知識圖譜可以輔助行業和領域的大數據分析和決策。 例如在股票投研情報分析方面，通過知識圖譜技術從招股書、公司年報/公告、券商研究報告、新聞等半結構化文本數據中自動抽取公司相關信息，可在某個宏觀經濟事件或者企業突發事件中通過此圖譜做更深層次分析和更好的投資決策。目前，高盛、 JP 摩根、花旗銀行等國際著名投行均開展了相關探索和應用。美國 Netflix也利用其訂閱用戶的注冊信息和觀看行為構建知識圖譜，分析用戶喜好從而推出新的在線劇集。
3)技術產業協同發展推動計算機視覺實現商業價值
計算機視覺指通過電子化的方式來感知和認知影像，以達到甚至超越人類視覺智能的效果，是人工智能領域最受關注的方向之一。雖然計算機視覺在當前階段仍然存在大量尚待解決的問題，但得益于深度學習算法的成熟和應用，以圖像分類識別為代表的側重感知智能的計算機視覺產品已經廣泛應用于安防、金融、零售等產業，助力相關產業向智能化方向升級。
神經網絡和深度學習的快速發展極大地推動計算機視覺的發展，大型神經網絡在計算機視覺的部分細分領域已經取得優秀的成果。2017 年 ImageNet 最后一屆圖像分類競賽上，基于大型神經網絡的分類算法在圖像分類(1000 類)任務中，將 TOP5 分類的錯誤率降至2.25%， 已經大幅領先于人眼的分類識別能力。 2018 年在 ActivityNet視頻理解競賽上，百度團隊在 Kinetics 視頻動作識別任務中將平均錯誤率降至 10.9%，所使用的相關技術已經應用于實際線上視頻分類系統，為視頻打標簽、視頻對比和視頻推建等業務場景提供語義化解析功能。
計算機視覺產品已在安防、金融、互聯網、零售、醫療、移動及娛樂等產業逐步輸出商業價值。 在金融、移動、安防等產業，人臉識別是當前商業成熟度較高的計算機視覺產品，廣泛應用于賬號身份認證、手機刷臉解鎖、人流自動統計和特定人物甄別等諸多場景。在互聯網、零售、移動產業，圖像搜索產品可為用戶提供更為便捷的視覺搜索能力。
例如： eBay 于 2017 年 10 月在其購物平臺上增加了新的反向圖像搜索工具， 以幫助用戶使用現有照片查找商品項目； Google公司 2018 年 3 月宣布其 Google Lens 圖像搜索服務目前已可應用于android 和 IOS(通過 GooglePhoto 項目)智能手機，該服務通過手機攝像頭查看周遭環境并為用戶提供與之相關的情境信息。在醫療產業，計算機視覺可提供臨床治療中早期病理篩查能力。加州大學伯克利分校放射與生物醫學成像系和放射學大數據小組在對早期阿爾茨海默癥診斷研究中，通過計算機視覺技術在小規模測試(對來自 40 名患者的 40 個成像檢查的單獨測試)中，對平均發病超過 6 年的阿爾茨海默癥病例發現率達到了100%。
全球計算機視覺產業發展迅速，計算機視覺公司快速涌現。 根據MarketsandMarkets 報告顯示， 2017 年基于人工智能的計算機視覺全球市場規模為 23.7 億美元，預計 2023 年會達到 253.2 億美元。預測期(2018-2023)內復合年增長率 47.54%10。市場上一大批計算機視覺公司如雨后春筍般快速涌現，其中以谷歌、微軟、亞馬遜為代表的大型跨國科技企業除計算機視覺領域外，還積極布局人工智能全產業各個領域。
我國企業雖然在計算機視覺領域起步較晚，但發展速度很快，已經涌現出一批市場估值高達百億人民幣的獨角獸企業。例如：成立于 2014 年的商湯科技，廣泛服務于安防、金融、移動等產業，客戶包括 Qualcomm、英偉達、銀聯、華為等知名企業及政府機構。2017 年 7 月，商湯科技宣布完成 4.1 億美元 B 輪融資，創下當時全球人工智能領域單輪融資最高紀錄。 2018 年，商湯科技在 4 月和 5月連續宣布獲得 6 億美元 C 輪融資和 6.2 億美元 C+輪融資。 成立于2015 年的云從科技，深耕安防、銀行、機場等重點產業場景，先后與公安部、四大銀行、民航總局等產業界成立聯合實驗室。 2017 年11 月云從科技正式完成 B 輪融資，總計獲得 25 億元人民幣發展資金。成立于 2014 年的碼隆科技，為京東、唯品會、可口可樂、蒙牛等零售企業提供商品屬性識別、商品圖像檢索服務。 2017 年 11 月碼隆科技完成由軟銀中國領投的 2.2 億元人民幣的 B 輪融資，成為軟銀中國在華投資的第一家人工智能公司。
4)人機交互產品已在多個領域實現落地
人機交互主要是研究人和計算機之間的信息交換，按照交互方式分為語音交互、情感交互、體感交互、腦機交互。目前，人機交互已取得一定研究成果，依賴不同的人機交互技術，不少產品已經問世， 并覆蓋多個領域。但從整體上來看，受語音、視覺、語義理解等技術條件的限制，人機交互產業還處于萌芽期。人臉表情交互在移動應用產品設計中已得到初步應用，例如由 Takuto Onishi 開發的 iOS 應用程序“twika^o^”，可以幫用戶把人物面部真實表情轉化成文字符號表情。體感交互目前處于發展初期，主要應用在智能家居、體感游戲等方面，用戶可以利用自己的身體移動來控制智能家居設備， Kinect一直在體感游戲方面發力，國內也有相關產品出現，例如速盟享動、綠動、運動加加等，但是在效果體驗等方面發展層次不齊。
人機交互的發展過程，經歷了 PC 時代、移動互聯網時代，現在已進入智能生活時代。 PC 時代的交互方式主要是鍵盤+鼠標，移動互聯網時代的交互方式主要是觸摸、手寫和手勢，而智能生活時代的交互方式開始走向語音和視覺。人機交互的發展史，就是走向自然交互的發展過程——從以機器為中心的人機交互，走向以人為中心的自然交互 。
語音助手在人工智能領域的發展已相對完善。 據市場研究機構Strategy Analytics 的數據顯示， 2017 年， GoogleAssistant 在智能手機語音助手市場中占主導，為 46%，蘋果 Siri 排名第二，占 40.1%，百度 DuerOS 和三星 Bixby 分別占 13%。 2019 年全球超過一半的智能手機將擁有語音助手，甚至到 2023 年，這一份額將增長至 90%。
目前，智能語音助手還處于智能應用的早期，只是作為一個內置或用戶下載的 APP 供用戶使用，在實際應用中并沒有起到殺手級效應。智能語音助手使用率、活躍率、留存率都較低，即使 Siri 也不例外。智能語音助手的語音交互輸出在很多場景下是無法展現圖片那樣豐富的信息的，一句語音的輸入反饋輸出的信息量更少，得不斷進行高頻率的互動來提高識別率。從應用方向和場景來看，語音助手主要用于消費級產品和專業級行業應用，消費級市場主要應用于衣食住行等生活場景，如手機、智能車載、智能家居、可穿戴設備等，專業級行業應用主要應用于醫療、教育、呼叫中心、庭審等特定場景。
腦機交互將助力人工智能邁向人類智能。 國外的腦機交互研究中，“植入式”技術美、荷領先，美國在人機應用研究方面已實現了突破?！胺侵踩胧健奔夹g則初探市場，產品迭出，例如日本本田公司生產了意念控制機器人，操作者可以通過想象自己的肢體運動來控制身邊機器人進行相應的動作。美國羅切斯特大學的一項研究，受試者可以通過 P300 信號控制虛擬現實場景中的一些物體，例如開關燈或者操縱虛擬轎車等 。
3、人工智能復合產品
1)生物識別技術持續融合至各領域
生物識別產品主要是指通過人類生物特征進行身份認證的一種產品。人類的生物特征通常具有唯一性、可測量或可自動識別和驗證、遺傳性或終身不變等特點，因此生物識別認證技術較傳統認證技術存在較大的優勢。通過對生物特征進行取樣，提取其唯一的特征并且轉化成數字代碼，并進一步將這些代碼組成特征模板。生物識別產品包含諸如指紋識別、人臉識別、虹膜識別、指靜脈識別、聲紋識別以及眼紋識別等。
指紋識別技術是最成熟成本最低的生物識別技術。 其在生物識別技術產業的占比最高，但隨著其他識別技術的發展，所占比重逐年下降。指紋識別是通過分析指紋全局和局部特征，例如脊、谷、終點、分叉點或分歧點，再經過比對來確認一個人的身份。電容技術則是目前最常用的采集指紋的技術。通過按壓到采集頭上手指的脊和谷在手指表皮和芯片之間產生的不同電容，芯片通過測試得到完整的指紋信息。德國 IT Werke 公司于 2011 年發布了一款“指紋付款”軟件，這是一套只需“刷指紋”便可完成付賬的新興軟件。這種便捷的“刷指紋”付賬服務目前已經在德國西南部一些超市、酒吧甚至學校飯堂推廣。德國著名連鎖超市 Edeka 超市的調查數據顯示，大約有 1/4 的顧客愿意選擇“指紋付款”。
人臉識別通過面部特征和面部器官之間的距離、角度、大小外形而量化出一系列的參數來進行識別。 由于人臉識別具有使用方便且適用于公共安全等多人群領域，被廣泛應用于智能家居、手機識別以及人臉聯網核查等領域，其占比逐漸攀升。 2010 年 5 月，上海世博會上使用了“E 面通” 人臉識別系統，對進出世博園區約 50 萬持證人員和 7000 萬人次游客都使用了該“人臉通行證” 。但人臉識別所涉及的器官多、面積又大，因此它的識別非常復雜，人臉識別的精度比較高，但相比其他識別技術成本略高。
虹膜識別技術是利用虹膜終身不變性和差異性的特點來識別身份。因為每個虹膜都包含著一個獨一無二的基于像冠、水晶體、細絲、斑點、凹點、皺紋和條紋等特征的結構。理論上，虹膜的終身不變， 虹膜識別的認假率為 1/1500000，高于指紋識別的 1/50000，安全程度高，更適合作為“密碼”。如美國得克薩斯州聯合銀行已經將虹膜識別系統應用于儲戶辨識，儲戶辦理銀行業務無需銀行卡，更無需回憶密碼——通過 ATM 上的一臺攝像機首先對用戶的虹膜進行掃描，然后將掃描圖像轉化成數字信息并與數據庫中的資料核對，即可實現對用戶的身份認證。但由于虹膜識別安全性高但成本過高，普及尚需時間，目前主要應用于銀行金庫加密、軍隊國防等領域。
聲紋識別通過測試、采集聲音的波形和變化，與登記過的聲音模板進行匹配。 這是一種非接觸式的識別技術，實現方式非常自然。但是，聲音變化范圍非常大，音量、速度、音質的變化都會影響到采集與對比的結果。但通過錄音或者合成，能很輕松的偽造聲音，安全性較差，目前應用于社保、公安刑偵手機鎖屏等領域。
近年來，隨著世界各國對安防領域重視度的提高，身份識別技術與產品也逐漸趨于成熟與完善，生物特征識別迎來了一個快速發展的時期，人臉識別、虹膜識別、靜脈識別等生物特征識別技術正快速發展，市場應用場景廣闊，產品比重不斷增加。目前，指紋識別產品所占比重已由 90%左右下降到不到 60%，生物識別產業正在朝著多元化方向發展并呈現一下特點。
生物特征識別產業鏈趨于完善，市場規?？焖僭鲩L。 在我國， 生物特征識別企業數量快速增長， 企業規模不斷加大，生物特征識別市場規模爆發式增長。當前， 生物特征識別領域內的企業已從20余家發展到200余家，市場規模也已達到數十億元12。以人臉識別為例，目前已形成了包括人臉識別算法研究企業等在內的多種產業角色的完整產業鏈。目前隨著電子護照的逐漸推出，安全問題受到進一步的關注，我國的生物特征識別產業還存在較大的發展空間，未來產業規模有望進一步加大。
生物識別產業呈現多元化發展， 安防領域成為應用熱點。 目前，在我國生物特征識別產業中，指紋識別技術和產品仍然占據主導地位，但隨著人臉識別、虹膜識別、靜脈識別、聲紋識別等技術迅猛發展，各種模態的生物特征識別產品和市場潛力不可低估。當前隨著人們對安全性的不斷重視， 出現了如生物特征識別門禁在內的一批安防產品，未來安防領域將逐步采用生物識別技術以提升安全性能。
2)以自動駕駛為代表的智能運載產品發展迅速
智能運載產品主要應用有自動駕駛、無人機、無人船等，目前智能運載產品應用處于迅速發展階段，無人機和無人船的發展較成熟，已有初步應用，而自動駕駛還處于研發和實驗階段。
根據美國高速路安全管理局(NTHSA)的定義，汽車自動駕駛可分為四個階段。 目前高級別自動駕駛車輛尚處于研究實驗階段，未進行產業化。 近兩年，各大自動駕駛的企業相繼公布了實現自動駕駛量產的時間表，大都集中在 2020-2025 年之間。 Level-2 級別的自動駕駛車輛，即高級輔助駕駛(ADAS)車輛已實現量產化。 2017 年全球ADAS 市場規模在 300 億美元左右，并呈現穩定增長的趨勢。隨著汽車智能化趨勢加速和安全需求的提升，未來全球 ADAS 市場滲透率將大幅提高。到 2020年，全球 ADAS 滲透率有望達到 25%，全球新車 ADAS 搭載率有望達到 50%。
自動駕駛可分為“漸進性”、“革命性”兩大技術路線。 當前自動駕駛領域根據入局企業所采用技術可大致分為兩大路線， 一是福特、寶馬、奧迪等傳統車企所采用的“漸進性”路線，即在汽車上逐步增加一些自動駕駛功能，依托攝像頭、導航地圖以及各種傳感器，為駕駛員提供自動緊急制動、全景泊車、自適應巡航等輔助駕駛功能。
二是谷歌、百度等互聯網科技巨頭所采用的“革命性”路線，通過使用激光雷達、高清地圖和人工智能技術直接實現無人駕駛目的，強調產品的創新和便捷性。谷歌早于 2009 年就開始布局自動駕駛，成為第一個拿到美國政府路測牌照的企業，其自動駕駛車輛 Waymo 已完成800 萬公里的自動駕駛路測里程，技術水平在世界保持領先態勢。特斯拉于 2015 年推出第一代 Autopilot 汽車，為全球第一輛量產自動駕駛車輛。
百度于 2013 年開始開展無人駕駛車項目，其無人駕駛汽車目前已取得了國內首批自動駕駛牌照， 2018 年百度 Apollo 和金龍客車合作生產的全球首款 L4 級無人駕駛巴車“阿波龍”已經正式量產下線。 除谷歌、 百度、 特斯拉外，英特爾、 蘋果、 Uber 等科技巨頭也在無人駕駛領域開展布局。英特爾收購 Altera 以及 Mobileye 后， 開始啟動 L4 級別自動駕駛技術研發。 2018 年英偉達公布了其 Drive PX旗下的最新產品 Xavier以及未來的下一代產品 Pegasus，并基于 Xavier 分別聯合博世以及采埃孚推出了車載 AI 超級電腦。芯片巨頭高通，在收購恩智浦后，于 2017 年 12 月初取得美國加州自動駕駛路試的許可證。
無人機以軍用無人機為主，需求額呈現上升趨勢。 隨著無人機研發技術逐漸成熟，制造成本大幅降低，無人機在各個領域得到了廣泛應用。無人機按照應用領域主要分為軍用無人機、工業無人機、 消費無人機。軍用無人機主要應用有偵查、電子對抗、無人戰斗機等， 工業無人機主要應用于農業植保、電力巡檢、警用執法、地質勘探、環境監測、森林防火等領域，消費無人機主要應用于個人航拍、影視航拍和遙控玩具等。 142017 年無人機市場規模將達 60 億美元，而 2020年則會進一步增長至 112 億美元。全球無人機產量將達 300 萬架，同比增幅高達 39%，其中消費類無人機的銷售量將會占到 94%，但只占到無人機市場銷售額的 40%左右。
消費級無人機仍處于初級階段，自主能力仍待提升。 目前部分消費級無人機已能通過傳感器、攝像頭等進行自動避障，同時還能依靠機器視覺對飛行環境進行檢測，分析所處環境特征從而實現自我規劃路徑。 2016 年， Intel 通過智能算法成功實現 500 架多旋翼無人機上演空中編隊燈光秀，消費級無人機開始朝更高級別的無人機智能化邁進。我國作為全球無人機第一制造大國，大疆占全球消費無人機 70%消費級無人機市場份額，然而依照無人機系統路線圖標準，大疆消費級無人機技術水平仍屬于初級階段。
3)智能機器人技術與產品創新活躍
從應用的角度區分，智能機器人可以分為工業機器人、個人/家用服務機器人、公共服務機器人和特種機器人四類。 其中， 工業機器人包括焊接機器人、噴涂機器人、搬運機器人、加工機器人、裝配機器人、清潔機器人以及其他工業機器人。
個人/家用服務機器人包括家政服務機器人、教育娛樂服務機器人、養老助殘服務機器人、個人運輸服務機器人和安防監控機器人等。
公共服務機器人包括酒店服務機器人、銀行服務機器人、場館服務機器人和餐飲服務機器人等。個人/家用服務機器人和公共服務機器人也可統稱為服務機器人。
特種機器人包括特種極限機器人、康復輔助機器人、農業機器人、水下機器人、軍用和警用機器人、電力機器人、石油化工機器人、礦業機器人、建筑機器人、物流機器人、安防機器人、清潔機器人和醫療服務機器人等。
工業機器人市場集中度高，是機器人應用最為廣泛的行業領域。根據 IFR(國際機器人學聯合會) 發布的數據， 2017 年， 工業機器人在全球機器人市場中占據高達 63.4%的市場份額，發展最為蓬勃。中、韓、日、美、德五國 2017 年工業機器人銷售占全球總銷量的 71%。其中中國工業機器人銷量達到 13.8 萬臺，其次是韓國約 4 萬臺，日本約 3.8 萬臺， 美國約 3.3 萬臺， 德國約 2.2 萬臺。新型工業機器人能夠取代人工進行繁重的制造過程，在專業的金屬加工自動化中它可用于金屬器件制作，搬運、碼垛，還擁有智能服務內核、學習型“大腦”，在訓練與實踐過程中可以不斷地提升金屬產品的加工精度。
人工智能的興起推動了家政行業的智能化，個人/家用機器人的應用更加廣泛。 家政行業的領導企業“管家幫” 推出家庭服務類智能管家機器人，可實現語音交互控制完成家政服務在線下單、撥打電話、家居布防、親情陪護、健康監測、遠程監控、主動提醒、居家娛樂、啟蒙早教、應急報警、語言學習等諸多服務，是兒童的玩伴及老年人的貼心守護者。日本軟銀開售的類人機器人，有學習能力，可表達情感，會說話，能看護嬰幼兒和病人，甚至在聚會時給人做伴。它們可以使用云計算分享數據，從而發展自己的情感能力，但不會共享主人的個人信息。英特爾公司推出的 3D 打印機器人， 除了走路、說話，還能幫主人發微博、翻譯語言，或開冰箱拿飲料。 我國小米公司開發的掃地機器人能夠自主探知障礙物和室內地形，實現對室內的自動化清潔。
公共服務機器人在酒店、金融、電信、電力、物流等具有大規模智能服務需求的行業中廣泛應用，在低投入的基礎上為企業提供優質高效的服務。
米克力美的智能酒店服務機器人能自動學習酒店的通道、電梯和房間位置，自動構建虛擬電子地圖來進行導航，確定行走道路，能自動避讓人和障礙物，并且可自動乘坐電梯。實現無人陪伴的情況下獨自完成各項服務，降低了酒店人工成本的同時提升運營效率。
i 智能客服機器人是一種全新的智能工具，可以 24 小時在線實時回復用戶提問，作為人工客戶服務的有效補充。 目前已經與招商銀行、平安銀行、建設銀行等銀行及中國聯通、 中國移動等近千家公司達成合作。 在倉儲物流領域，具備搬運、碼垛、分揀等功能的智能機器人，已成為物流行業當中的一大熱點。
2012 年亞馬遜以 6.78 億美元買下自動化物流提供商 Kiva 的機器人倉儲業務后，利用機器人來處理倉庫的貨物盤點以及配貨等工作。所有員工只需要在固定的位置進行盤點或配貨，而 Kiva 機器人則負責將貨物(連同貨架)一塊搬到員工面前。
Starship 公司推出了一種專門用來小件貨物配送的“盒子機器人”，其硬件上配置了一系列攝像頭和傳感器，能夠保障其安全行走在人行道上，在指定時間從物流中心出發，穿越大街小巷，來到顧客家門口完成快遞任務。在配送過程中，所攜帶的包裹都是被嚴密封鎖，接收者只有通過其智能手機才能打開。
阿里自主研發的機器人“曹操”接到訂單后，可以迅速定位出商品在倉庫分布的位置，并且規劃最優揀貨路徑，揀完貨后會自動把貨物送到打包臺。 在 2018 年 618 購物節期間，京東、阿里菜鳥、順豐等物流企業積極應用倉內機器人、分揀機器人等智能設備，提升倉儲自動化智能化水平。
特種機器人智能化水平不斷提升，替代人類完成特殊環境下難以完成的工作。 在醫療領域，國產手術機器人“天璣”，在骨科類手術中已經進入臨床實踐，有效減少了骨科手術人工操作過程中可能造成的脊髓、血管損傷風險。在診后康復環節，具有輕量化、高柔韌性的康復機器人開始逐步應用推廣。
上海璟和機器人公司推出的多體位智能康復機器人系統 Flexbot，適用于各級醫療機構的康復科、骨科、神經內科、腦外科等相關臨床科室，用以開展臨床步態分析，具有機器人步態訓練、虛擬行走互動訓練、步態分析和康復評定等功能。
在農業特種機器人領域，美國投資公司 Khosla Ventures 的報告指出，農業特種機器人能夠自己識別區分作物與雜草，用專門的除草劑對雜草選點噴灑，能夠降低農藥污染 20%，同時降低種植成本。
我國智能機器人產業技術水平持續提升。 工業機器人領域，新松、新時達、云南昆船、北京機科領銜本土工業機器人第一梯隊，相關產品逐步獲得市場認可。新松集團將人工智能和虛擬現實技術應用于國內首臺 7 自由度協作機器人，實現了快速配置、牽引示教、視覺引導、碰撞檢測等功能。服務機器人領域，我國服務機器人的智能化水平已基本可與國際先進水平媲美，涌現出一批以深圳旗瀚科技、深圳越疆等為代表的有競爭力的創新創業企業。特種機器人領域，開誠智能、GQY 視訊、海倫哲等企業創新活躍，技術水平不斷進步，在室內定位、高精度定位導航與避障、汽車底盤危險物品快速識別等技術領域取得了突破。
4)智能設備未來市場空間廣闊
人工智能與可穿戴智能設備融合帶來全新的科技體驗。 可穿戴設備包含智能手表、智能眼鏡、智能服裝、計步器等多種產品形態，通過采用感知、識別、無線通信、大數據等技術實現用戶互動、生活娛樂、醫療健康等功能，為佩戴者提供一個完美的科技體驗?？纱┐髦悄茉O備將會成為人的一部分，作為傳感器的載體，進一步補充和延伸人體感知能力，實現人、機、云端更高級、無縫的交互，實現情景感知。
可穿戴設備市場目前處于初期階段，產品同質化嚴重。 全球可穿戴設備將持續高增長，據市場調研機構 ABI Research 數據顯示， 2018年全球可穿戴設備市場出貨量將達 4.85 億臺，市場調研機構 IHS 預計， 2018 年銷售額將達 336 億美元， 年均復合增長率高達 22.9%?？纱┐髦悄茉O備被廣泛應用在社會多個領域，在醫療、金融支付、身份認證甚至工業領域發揮重要作用。
就目前來看，可穿戴設備市場仍處于初期階段，繼蘋果、三星、華為等企業進入智能穿戴領域后，康佳、聯想等越來越多的企業開始瞄準細分領域，并紛紛推出相關產品，如三星 Galaxy Gear 智能手表、愛普生智能手表 PS-500 等。國內廠商也在積極布局，如果殼電子的智能手表 Geak Watch、百度聯合 TCL 發布的 Boom Band 手環、華為 TalkBand B1 等。然而，目前智能穿戴市場的同質化嚴重，很多產品即無痛點又非剛需，實用性難以讓人滿意，消費者對可穿戴設備的依賴性并不強。如健康手環種類很多，核心功能就是測步、監控睡眠等。
智能音箱市場進入發展快車道。 作為智能家居的組成部分之一，智能音箱獨特的人機交互功能可以成為智能家居領域的入口終端，智能家居的廣泛普及推動智能音箱行業的快速發展。
從 2014 年亞馬遜Echo 發布至今，2017 年全球智能音箱市場規模已經突破了 120 億元。根據 StrategyAnalytics 發布的研究報告指出， 2017 年智能音箱全年出貨量達到 3200 萬部，同比增長超過 300%。據不完全統計，近幾年國內外已經有超過 500 家公司開始布局智能音箱市場。整個智能音箱產業鏈上下游覆蓋芯片和麥克風等硬件廠商、語音技術服務商、內容供應商、 OEM/ODM 供應商和互聯網企業。隨著智能音箱的發展， 產業鏈將實現“硬件+軟件+內容+服務”的資源整合，逐漸形成生態閉環。 智能音箱廠商通過開放語音識別和麥克風等軟硬件技術、豐富語音服務技能、 擴展智能設備連接，不斷完善智能語音生態，也為企業通過捆綁內容與服務盈利提供條件，帶動智能音箱銷量增長。
智能攝像頭智能化水平快速提升， 市場前景廣闊。 智能攝像頭是民用安防市場最大的藍海，除了傳統安防企業，包括 360、小米、康佳在內的眾多互聯網、家電企業都發布了智能攝像頭產品。隨著谷歌以 5.55 億美元的價格收購美國家庭監控攝像頭創業公司 Dropcam，家庭監控類產品概念被引爆，開始掀起中國智能攝像機的浪潮。從市場占有率來看， 360、中興智能攝像機、小蟻、螢石、樂橙、聯想看家寶、喬安、富視康等占據國內大部分市場。通過內嵌智能 SOC 芯片、 GPU 等硬件以及結構化分析、深度學習等機器視覺算法，智能攝像頭智能化水平不斷提升。目前主流智能攝像頭一般具備行為分析、異常偵測、識別檢測、統計等功能， 以?？怠吧铐睘榇淼纳疃葘W習攝像頭內置 GPU 處理器， 采用深度學習算法在攝像頭前端能夠提取目標特征，形成深層可供學習的圖像數據，極大的提升了目標的檢出率。
4、人工智能各領域應用
1)、人工智能賦能醫療各環節能效初顯
近年來隨著醫療數據數字化深入，深度神經網絡學習算法突破以及芯片計算能力提升，人工智能在醫療領域應用掀起第二次浪潮，已滲透到疾病風險預測、醫療影像、輔助診療、虛擬助手、健康管理、醫藥研發、醫院管理、醫?？刭M等各個環節，并取得初步成效。
美、英、日等國政府均高度重視人工智能在醫療領域應用。 美國《健康保險攜帶和責任法案》為人工智能應用掃清了障礙， FDA(食品藥品監督管理局)實施“數字健康創新行動計劃”，重構數字健康產品監督體系，并單獨組建成立 AI 與數字醫療審評部，加速 AI 醫療發展；英國 NHS(國家醫療服務系統)正計劃在整個衛生服務部門大規模擴展人工智能，用于日常操作和治療。
2016 年日本厚生勞動省開始規劃 AI 醫療相關政策，包括醫療費用的修正、采用人工智能醫療的激勵措施等，并預計在 2020 年全面實施與推動人工智能醫療制度
我國 2016 以來國務院及相關部委相繼印發《關于促進和規范健康醫療大數據應用發展的指導意見》、《新一代人工智能發展規劃》、《“十三五”衛生與健康科技創新專項規劃》、《關于促進“互聯網+醫療健康“發展的意見》等文件規范和引導人工智能技術在醫療領域應用，新版《醫療器械分類目錄》中增加了人工智能醫療產品，并預計 2019 年制定出臺相關檢定標準。
從應用效果來看， 人工智能技術在以患者為中心的醫療環節中的應用尚處于初級階段，產品以試用為主，存在同質化程度高、集中度高、實用效果與醫生患者預期不符等問題。在醫藥、醫保、醫院環節則更多是面向企業、醫療機構用戶，業務模式相對成熟，主要考驗的是供給側的技術能力。2018年以來人工智能醫療應用發展更加理性，一些公司不斷大膽嘗試，在商業化道路上逐步探索出不同模式。
統一標準、開放平臺，推動人工智能與醫療深度融合。 微軟、亞馬遜、谷歌、 IBM、甲骨文和 Salesforce 在 2018 年 8 月中旬聯合宣布將逐步開放標準，并通過云和人工智能技術消除醫療互操作的技術障礙，挖掘醫療數據潛力，以更低的成本提供更好的效果；谷歌公司在2018 年 7 月 Google Cloud Next 大會上透漏，人工智能產品 AutoML的注冊用戶也已經超過 1.8 萬家，其中超過 10%的用戶來自醫療和生命醫學行業，有效推動了用戶在醫療影像輔助檢測，以及及時檢測預警中風、 哮喘、 嬰兒猝死綜合征方面的創新。中國 BAT 三大互聯網企業利用自身平臺特點與優勢布局，如具備 AI 醫學圖像分析和 AI輔助診療兩項核心能力的騰訊覓影入選科技部首批國家人工智能開放創新平臺， 2018 年 6 月 AI 輔診引擎接口開放，加速與醫院的 HIS系統融合。
聚焦合作伙伴，實現醫療影像應用重點突破。 醫學 AI 技術研發公司希氏異構從北京遷到成都，專注于與華西一家醫院深度合作，聯合成立“華西–希氏醫學人工智能研發中心”，建立成果共享機制，充分調動醫生積極性，同時獲取穩定、安全數據。通過對 20 萬份病例數據學習，雙方聯合研制出國際第一臺 AI 消化內鏡樣機，其對息肉、腫瘤、靜脈曲張的初期診斷準確率分別為 92.7%、93.9%和 96.8%，并進行持續迭代優化，邁出了消化內鏡 AI 技術本地化、設備化的關鍵一步。
通過 AI 賦能，提升傳統醫療器械服務水平。 通用電器、西門子、飛利浦以及中國的聯影、邁瑞、魚躍等公司等醫療器械用品制造公司則憑借臨床經驗和數字化、 AI 等技術，在已有的醫療設備產品基礎上不斷推出整合的解決方案，以更低的成本為人們提供更好的健康保障和醫療關護。如飛利浦全球有超半數的研發人員專注于軟件開發，其中大部分研究員同時從事人工智能研究，未來飛利浦大部分產品將基于人工智能技術，相繼發布腫瘤疾病整體解決方案、胸痛中心/腦卒中中心整體解決方案、睡眠呼吸疾病整體解決方案、監護系統等解決方案。
跨學科技術要求高，歐美公司引領藥物研發。 藥物研發具有低效和費時費錢特點，一種新藥研發費用超過 1 億美元，周期長達 8-12年，同時還需要藥物化學、計算機化學、分子模型化和分子圖示學等多學科配合，因此在人工智能醫療應用中最具挑戰性。目前部分科技公司利用人工智能技術對大量分子數據進行訓練來預測候選藥物，并分析健康人和患者樣品的數據以尋找新的生物標志物和治療靶標，建立分子模型，預測結合的親和力并篩選藥物性質，有效降低藥物開發成本，縮短上市時間并提高新藥成功的可能性。如 BergHealth 公司利用人工智能技術成功找到了癌癥代謝的關鍵作用分子，提升癌癥新藥研發效率，其主要抗癌藥物—BPM31510，目前處于針對晚期胰腺癌患者治療的 II 期臨床試驗過程中。
智能化監管，各國醫保監管機構的必然選擇。 智能化監管結合時間和空間，從患者、疾病、診療、 醫生、醫院等多個維度建立醫療就醫關系網絡，利用機器學習等相關算法，識別其中的欺詐行為和群體。當前美國半數以上的管控型醫療組織機構在實施醫療反欺詐行動中都通過運用專業的反欺詐信息系統，來幫助稽核人員分析大量的數據和進行前瞻性欺詐調查，以檢測和識別不一致的數據或形態等，隨著信息技術特別是人工智能技術的不斷發展,醫保監測逐步走向智能化時代。
我國政府大力支持推廣醫保智能監管模式，將人工智能技術與“三醫聯動改革”相結合，在醫保監管領域，推動醫保智能監管模式在全國范圍內進行推廣，將所有醫保定點醫療機構納入范圍，實現住院和門診醫療費用 100%智能審核。
2)智能教育加速推進教育教學創新
當前人工智能、大數據等技術迅猛發展，教育智能化成為教育領域發展的方向。智能教育正改變現有教學方式，解放教師資源，對教育理念與教育生態引發深刻變革。當前全球主要發達國家均加速推進教育教學創新，積極探索教育新模式，開發教育新產品。
在改變現有教學方式方面， 一是實現教學成果智能測評，提升教學質量。利用人工智能技術對數字化、標準化的教師教學行為與學生學習情況進行測試、分析與評價，幫助師生快速精準定位教學問題，實現針對性、科學性教學，提升教學效果。二是構建個性化學習系統，激發學生自主學習動力。教育企業探索通過對學生學習特點建立知識畫像，推送針對性教學內容，進一步激發學生自主學習意愿。 2017年 4 月，澳大利亞自主教學平臺 Smart Sparrow 獲得 400 萬美元融資，其教育模式得到初步認可。 2014 年，美國自適應教育人機大戰數據顯示，自主教學平臺有效提升學生學習效果，學生及格率平均提升10%，新知識獲取時間平均縮短 44%，國內猿題庫、瘋狂老師、作業盒子等互聯網教育企業正逐步推出類似功能。
在解放教師資源方面， 一是實現作業智能批改，降低教師教學負擔。借助圖像識別與語義分析技術的持續革新，學生作業自動批改能力已初步實現， 2018 年 4 月， 安徽省教育廳發布《安徽省中小學智慧校園建設指導意見》，明確 2020 年將建成作業測評系統，實現學生作業自動批改。根據中國信通院移動互聯網應用服務監測平臺數據顯示，截止 2018 年 4 月，提供作業自動批改功能的移動應用已有 95家，主要聚集在小學速算領域，其中愛作業應用日活用戶數超過 20萬，日均處理作業 50 萬份。 二是拓展學生課后學習途徑，分擔教師教學壓力。教育企業通過構建課后習題庫并結合圖像識別技術，實現對學生上傳題目快速識別，即時反饋答案與解題思路。倫敦教育機構Whizz Education，探索構建與課堂教學進度高度一致的課后學習系統，通過在線語音互動方式，實現學生課后輔導與答疑。
3)智能交通提升城市管理水平
隨著全球經濟高速發展，城市化進程不斷加快，機動車保有數量增長，道路交通運輸量不斷增加，各種交通問題凸顯，發展智能交通可完善政府管理，改善用戶體驗，促進城市發展。
交通管理方面，一是實時分析城市交通流量，縮短車輛等待時間。人工智能驅動的智能交通信號系統以雷達傳感器和攝像頭監控交通狀況，利用人工智能算法決定燈色轉換時間，通過人工智能和交
上一篇：
云計算迎來需求爆發期
下一篇：
印度積極推動人工智能發展
