人工智能进入集中爆发期 产业如何变革？

工智能作为智能化发展的重要基础，是研究和开发用于模拟、延伸和扩展人类能力，集理论方法、技术和应用为一体的系统科学体系。

 

 

当前，以深度学习等关键技术为核心，以云计算、生物识别等数据及计算能力为基础支撑的人工智能进入集中爆发期，通过与各技术领域、各行业的融合，已经在金融、医疗、自动驾驶、零售等领域将应用场景落地生根，人工智能时代下的产业变革呼之欲出。

人工智能加速产业变革

(一)人工智能将加速研发设计变革，重构产业设计组织架构：研发设计是一种具有创造性的智力活动，也是一个综合、决策、迭代和寻优的过程，人工智能将凭借其优势在创新设计中定义自己的“位置”。

一方面，人工智能将使传统流程型研发设计走向自动化和智能化。人工智能依托其基础设施层中的大数据、云计算等要素，通过机器学习，将逐渐替代研发设计环节中的流程型数据处理等工作部分，使得传统的连续变量设计与混合离散变量设计模式变为随机变量与模糊变量优化设计模式。同时，深度利用模糊数学等理论，可以将工业设计中不精确的经验数据与海量实测数据进行简化，在启发式算法、遗传算法等技术的综合运用下，实现研发设计的动态模拟、运动分析、系统仿真与评价。

另一方面，人工智能将推动传统链式创新走向网络化、协同化。人工智能技术将使企业的创新设计组织架构从弱矩阵结构逐步向强矩阵结构演进，形成纵向以专业能力提升为主，横向以产品开发和共性基础技术为主的“一纵两横”组织架构，进而实现多项目研发、专业技术研究、共性基础研究的同步推进，充分提升研发效率。同时，研发体系将从封闭式创新向开放协同式创新体系转变，通过建立全球分布式在线协同研发平台及机制，实现基于唯一数据源的全球多地企业内外部协同。

(二)人工智能将加速人类物化劳动变革，创新新型产业：制造模式在智能制造时代，人工智能将为生产制造装上智慧“大脑”，带来生产方式和制造流程的革命性创新，实现真正的智能制造。

一方面，人工智能机器人将带来人类物化劳动的变革。作为支撑机器人运转的核心技术，人工智能赋予智能机器人模拟人类大脑和神经系统的技能，并具备搜集与理解环境和自身的信息实现自测量、自适应、自诊断和自学习能力，通过人机之间相互“理解”、相互协作，进而代替人工将人类从生产制造中的物化劳动中解放出来，最终推动人类从体力劳动走向创造性劳动。

另一方面，人工智能技术运用将加速推动生产制造模式变革。人工智能技术与生产制造、信息技术融合的终极目标是实现真正的智能制造，进而带来制造模式的变革。在智能制造系统中，生产企业间通过横向集成，将特定信息与原材料供应、客户需求进行联接，从而构建起虚拟制造体系，通过贯穿整个价值链的工程化数字集成，实现基于价值链与不同企业之间的整合，有效解决传统制造环节与设计、物流等环节的天然屏障，最大限度地实现端对端的集成。

(三)人工智能将加速应用服务变革，构建新型产业形态：从产品生产制造完成到终端消费的应用服务环节是人工智能应用最广泛的地方，也是未来变革集中爆发地。

一方面，人工智能将加速要素自由流动，带来服务效率的提升。新一代感知、传输、存储、计算技术加速融合，极大地激发了泛在获取、海量存储、高速互联、智能处理等技术的创新活力，企业对制造系统的五大要素的全面搜集、分析、反馈能力大幅提升，将使得企业提供全生命周期的无缝对接的主动服务成为可能。

另一方面，人工智能将丰富应用场景个性化、多样化服务的业态升级。人工智能可以通过算法的优化升级，对相关行业数据库和知识图谱进行深度学习，模拟人的思维活动，依据用户使用偏好、关注重点等多方面因素，主动感知消费者需求，甚至预判需求，提前制定个性化服务方案，为用户提供点对点的精准服务。

如何应对产业变革

(一)以技术开源开放为引领，构建高效发展的人工智能：创新生态开源开放是我国《新一代人工智能发展规划》明确提出要坚持的四大原则之一，主要包括开源软件、开源硬件、开放标准、开放云以及开放数据等。当前人工智能的开源开放已成为该领域产学研用各主体提升创新效率的基础，对争夺行业话语权、集聚创新要素、加快人工智能技术与产业的融合，进而实现产业变革意义重大。

一方面，技术开源的关键点和难点都是开源平台。需要加快支持人工智能企业构建涵盖机器学习、语音识别、语义分析、图像处理、控制决策等众多技术在内的体系化的开源平台，在更广泛的领域聚集创新资源，带动和促进人工智能技术发展及其在各领域的应用。

另一方面，开源社区是推动技术开源开放的新模式。需要进一步探索技术联盟、交流中心、技术平台等开源社区模式，推动人工智能开源代码、开源软件的信息汇聚与技术交流。

(二)以数据共享利用为准则，加快人工智能数据标准制定，强化安全监管：人工智能在推动产业变革中必须基于大数据、云计算平台不断“训练”，最终完成深度学习进化。

一方面，需要针对企业的自有数据、公共数据以及行业合作数据，制定各类数据的共享与监管准则，在保障公共数据开放、共享和安全的条件下，逐步加大政府数据的开放力度，重点推动企业自有数据和行业合作数据的应用。

另一方面，政府部门和行业组织要积极制定数据合理、合法应用的统一标准，建立完整性和易用性兼备的人工智能训练和测试数据集，探索创建标准统一、风险评估、可跨平台分享的数据生态系统，有效解决数据孤岛的问题。

(三)以基础设施建设为支撑，构建人工智能基础设施体系：人工智能底层技术的成熟离不开智能硬件、智能软件的发展，而人工智能所带来的产业变革，更离不开融合感知、传输、存储、计算、处理于一体的智能化信息基础设施和工程基础设施的支持。

一方面，要加快掌握人工智能底层技术所需的硬件基础，实现从终端的传感器芯片到整个计算芯片，再到整个信息通信基础设施的完整布局。

另一方面，加快建设政府治理、公共服务、产业发展、技术研发等领域大数据基础信息数据库，为产业应用提供数据支持。

(四)以应用场景创新为突破，推动人工智能应用产业化落地：人工智能是以技术创新驱动发展起来的，能不能有效地把技术与特定场景有效结合以实现场景的创新，是人工智能应用产业化落地的关键。

一方面，企业作为场景创新和人工技术融合的主体，要加速推动人工智能技术和更多的行业融合，不断丰富用户场景的创新和想象力。

另一方面，在每一个场景中，用户既是场景的体验者，同时也是场景构建所需数据信息的供给者，用户有权力用拇指投票，决定一个场景的生死兴衰。

(五)以深化国际合作为抓手，共同应对产业变革的新机遇与新挑战：人工智能的发展可归结为基于底层应用技术的成熟、商业化数据服务和云计算等基础设施的完善，最终形成商业化应用，每个阶段都离不开技术、产业的竞争与合作。

一方面，要加强全球人工智能相关领域知名专家与企业的合作，促进学科交叉融合，共同探索突破新一代人工智能基础理论瓶颈和共性技术难题。

另一方面，要加快成立我国的人工智能国际组织，加强人工智能产业变革的共性问题研究，积极参与在数据安全、隐私保护、社会伦理、行业法规等国际标准的制定。