文|壹DU財經

Gartner發布的《2022年Gartner新興技術成熟度曲線的發展動向》指出：“AI正在日益普及并成為產品、服務和解決方案的一個重要組成部分。

工信部科技司副司長任愛光表示，人工智能是引領新一輪科技革命和產業變革的戰略性技術。他同時提到，據測算，我國人工智能核心產業規模超過4000億元，企業數量超過3000家。

人工智能領域大有可為，賽道里的選手們正在乘風破浪：老將們持續加固護城河，新選手們總想撕下一道口子。

2015年，百度無人車亮相烏鎮世界互聯網大會；2016年百度大腦AI平臺發布；2017年人工智能被寫進政府工作報告，當年百度宣布All in AI……時至今日，百度的AI技術正在各個領域落地開花；

大佬們在持續進化，獨角獸也在穩步前行。過去幾年，在人工智能風口下，涌現出無數AI獨角獸，商湯、曠視、云從、依圖更是被視為“AI四小龍”。同樣受益AI技術落地，營收規模展現出強勁增長態勢的還有云天勵飛、格靈深瞳，他們所選擇的是機器視覺賽道。

當然，人工智能并非局限于此。但這些足以成為我們持續關注這一賽道的理由。

接下來，壹DU財經將把人工智能作為重要研究對象，持續關注這一引領未來的技術領域。   

第一部分：何為AI？

要講述AI的故事，第一要務是理解AI。

AI，即人工智能。

上世界60年代，著名的圖靈測試誕生。按照“人工智能之父”艾倫·圖靈的定義：如果一臺機器能夠與人類展開對話（通過電傳設備）而不能被辨別出其機器身份，那么稱這臺機器具有智能。同一年，圖靈還預言會創造出具有真正智能的機器的可能性。

1997年5月11日，IBM公司的電腦“深藍”戰勝國際象棋勝國際象棋世界冠軍卡斯帕羅夫，成為首個在標準比賽時限內，擊敗國際象棋世界冠軍的電腦系統。

人、機之間的對決還在繼續。

2016年3月15日，谷歌人工智能AlphaGo與圍棋世界冠軍李世石對決。李世石與AlphaGo總比分最終定格在1比4，以李世石認輸結束。

這場人機對弈讓人工智能正式被世人所熟知，成為當年科技圈最大的破圈事件。

隨后，人工智能市場被“引燃”。

人工智能的發展，離不開核心三要素，即海量的數據、充足的算力以及合適的算法模型。

亞馬遜的Principal Scientist（首席科學家）曾有個著名的比喻：如果把一個成功的AI算法比作一支善戰的部隊，那么數據就是糧草，算力就是兵力，而模型則是戰略和戰術指揮的策略；戰略和戰術的重要性自不必說，但沒有了糧草和兵力，再好的戰略也只是空中樓閣。算力就是兵力，有了強大的兵力，才有了實現戰略的機動性和可能性。    

第二部分：AI何為？

彭博社研究發現，人工智能行業市場規模將超過4220億美元，并且預測2022年至2028年間的復合年增長率為39%。

那么問題來了，既然AI有如此大的規模，它會在哪些領域發揮作用？

綜合來看，我們所熟知的人工智能被廣泛應用的場景大致有以下幾類：

第一，自動駕駛領域

在汽車領域使用人工智能，最直接的體現即是無人駕駛。該技術使用機器學習和深度學習來增強車輛的模式識別和預測能力。在識別層面，又分為多條發展路徑，如視覺識別、光識別等。

第二，醫學領域

近年來，人工智能的廣泛應用，正逐步提升醫療專業人員的工作效率以及醫療資源的平衡。未來醫生和人工智能的分野也將日益明顯，如醫生可以重點攻克疑難雜癥，而人工智能和納米機器人將輔助專家完成基礎診斷。當然，后者也可以利用技術的力量來實現個性化醫療。

第三，工業制造業

我國是工業大國、制造業大國，但并非工業強國和制造業強國。在科技強國的戰略目標里，人工智能是其中重要的一支力量。水務、電務、礦山、工廠、碼頭等的人工智能改革，也在穩步進行中。

第四，城市管理

當前，智慧城市、智慧交通、智慧政務等正在持續推進。如控制交通、廢物和維護，以及預測能源消耗、污染風險和對環境的影響。

第五，生活、學習領域

社區、鄉村、商鋪、學校，因AI而改變。如街上忙碌的清潔機器人，商場里智能導航等。在人員密集的場所，AI可以實現防疫與商業的融合，又能減輕人力成本。

在學習領域，隨著AI的廣泛應用，學習資源的均衡、學生學習效率的提升，正在深刻地改變著傳統的“學習”。

由此，我們可以看到，人工智能正引領著新一輪科技與產業革命的加速來襲。   

第三部分：AI的代表玩家

美國著名發明家RayKurzweil認為，計算機將在2029年實現類人智能。他補充說，人類將在2045年達到奇點。

那么我們要如何迎接奇點的到來？又有哪些關鍵玩家一起支撐起這一科技的創想？

我們依然按領域來觀察。

（一）自動駕駛領域：從概念到落地，快步邁向商業化

在這一領域，聚集的玩家均是“大有來頭”。

對于成立于2000年的百度而言，前半場的王牌業務是搜索，后半場的王牌落在了AI上。2013年，李彥宏在百度建設了中國首個深度學習研究院，2017年百度牽頭籌建深度學習技術及應用國家工程實驗室。直到這時，外界才將百度與AI聯系在一起。

2017年，百度自動駕駛開放平臺Apollo推出后即入選國家首批新一代人工智能開放創新平臺。同年，《北京市關于加快推進自動駕駛車輛道路測試有關工作的指導意見(試行)》和《北京市自動駕駛車輛道路測試管理實施細則(試行)》發布。

這些均沒有李彥宏乘坐無人車在北京五環“吃”了罰單的破圈效應。但經此事件，百度無人駕駛開始廣為大眾所熟知。

無人車的安全性、量產和商業化博弈，仍是百度需要重點解決的問題。不過，這并非百度一家需要直面的，也是蘋果、華為、小米、騰訊、阿里等殺入無人駕駛賽道玩家需要共同面臨的行業難題。

不過，這并不能阻止眾多玩家的熱情。2021年，各類L2-L4級的自動駕駛開始走出封閉路測試驗場，走上了真實的城市道路。

其中，有面向公眾的Robotaxi、Robobus，也有物流配送“最后一公里”的末端配送，面對港口、礦山等封閉環境的無人運輸，還包括干線物流的無人卡車以及面對社區固定道路的無人環衛車。

公共交通屬性的Robotaxi賽道，匯集了百度、小馬智行、滴滴、T3出行、文遠知行等玩家。去年11月，百度和小馬智行已經獲準推出了付費無人駕駛出租車服務。

此外，在園區無人車方面，華為、阿里、京東、美團、毫末智行的配送無人車，已經規模化落地園區和商圈。

隨著技術不斷優化及商業化持續落地，資本對無人駕駛的青睞在2021年整體表現得有增無減。從全年情況來看，國內無人駕駛市場的行業投融資規模達到近年來的峰值。根據此前媒體的統計數據，2021年僅以前20家企業融資金融來統計，就達到了300億元的規模。

（二）醫學領域：落地有難度，工程師和醫生想的不一樣

AI技術連接上醫療場景，這一概念剛有苗頭時，就有大批頂著醫療AI之名的公司跑步進場。

隨著時間的推移，技術的進步讓醫療與AI的結合開始有了更多落地的項目。如眼底、腦卒……在連接AI技術后，醫療場景的可能性開始變得更具體。

如鷹瞳科技通過視網膜影像AI，不僅可以預測眼部疾病，還可以分析全身的慢性疾病風險，甚至能看到人的性別和性取向。

“醫療+AI”為何能在國內得以普及？

一方面是人口老齡化趨勢、龐大受眾群體以及移動互聯網96%的全球最高覆蓋率。另一方面，政策大力支持。同時，需要注意的是，我國醫療衛生服務的需求側也發生了很大變化，醫學領域迎來了急劇的變革。

國家衛計委衛生發展研究中心主任傅衛表示：“一方面我們需要更多醫學科技的發展和創新，另一方面，如何幫助醫學科技的發展創新實現推廣和應用，對醫療衛生行業改革，特別是醫療衛生服務的體系構建提出了很多新的挑戰。”

以AI醫學影像為例。

作為有著30多年臨床經驗的超聲專家，同時兼中國超聲醫學工程學會副會長的李安華表示，自己關注AI醫學影像6年多時間，也接觸過很多AI醫學影像類的公司，其中有科技巨頭也有創業公司，“但這些科技型公司提供的產品，很難找到讓超聲醫生滿意的AI應用。”

據他介紹，大部分已經應用到超聲的AI產品都存在一個弊端：需要先由醫生掃描找到腫塊圖像，把它抓取成靜態圖，再由AI系統來判別是良性還是惡性。這種模式下，萬一醫生看不到這個腫塊，就是漏診。

“工程師和醫生想的不一樣。磁共振、CT可以根據靜態圖像做診斷，但超聲需要醫生根據實時動態檢查畫面做診斷，但AI超聲系統需要‘陪伴’醫生。”

其實早在五年前，華創證券計算機行業分析師陳寶健就發布研報稱：科技巨頭加速跑馬圈地，創業公司受資本熱捧：AI+醫療影像市場百家爭鳴。

但由于商業化落地難，AI在醫療領域的實際落地要較無人駕駛領域緩慢得多。

不過，在輔助醫療及遠程診斷側面，新華三、聯想、商湯科技等推出了相關的產品。以新華三為例，其最新的一款產品，甚至可以做手術的實時直播。

（三）工業領域：以機器視覺為代表的商業化落地成果顯著

當前，我國的制造業正快速步入智能化升級的新階段，越來越多的制造企業把“智能化”作為推動其自身業務增長的重要途徑。

在工業領域，AI在預測性維護、質量控制、智能化排產等領域一直在探索并取得顯著成效。

不過，AI在工業場景中的應用深度和廣度與其在消費領域相比，仍有較大差別。以“機器視覺”為例，經過多年的發展，其在當前已成為助力制造業智能化轉型的好幫手。

隨著機器視覺的滲透，消費電子領域、汽車行業、食品行業、制藥行業以及印刷行業的自動化升級改造正在提速。并且未來的發展空間巨大。

在智能制造產業，質檢環節占工人人力成本的40%，質檢率也直接影響著企業訂單增長。也因此，質檢這個量大且重要的工序已成為工業制造企業發展的“達摩克利斯之劍”。

以精密制造產線的缺陷檢測為例，以往的人工目檢效率很低，檢測時往往需要借助放大鏡等工具進行工作，且工作時間不宜過長。同時，還存在檢測結果不穩定、成本高、數據不易存留等弊端。

“質檢是個細致活兒。可盯著強光看上八小時，眼睛早就花了，越到后面工作質量和效率都會明顯下降。”恒逸化纖下屬的雙兔新材料生產車間的工段負責人王禮娜表示：作為一名有十五年化纖產品質檢工作的資深質檢員，過去的常態是拿著強光手電筒用肉眼去看，每天最少要人工檢測2500錠絲綻。

后來，當恒逸化纖與百度智能云聯合開發的智能質檢設備投入使用后，她的工作開始有了變化——從原來的質檢工人轉型成為一名AI數據標注師，幫助百度智能云質檢工程師在產品圖上標注出各類缺陷，將質檢員的質檢經驗轉化成企業的數據資產，讓AI學會辯別絆絲、毛絲、油污等產品缺陷。

這樣對于制造業的改造并非個案，更多的人工智能正廣泛應用于能源、水務、電力等行業。

當然，人工智能的落地場景遠不止上述場景，但透過這些場景，我們可以窺見這一大行業里的巨大機會及更多可能性。

基于此，未來我們也將持續跟進人工智能細分賽道的最新進展，敬請期待。