導讀
人工智慧是中國經濟實現彎道超車的歷史性機遇嗎？有評論人士認為， 人工智慧行業在中國近年來取得了超速發展， 但引領性的關鍵技術掌握不多， 一直在跟隨， 產品處於價值鏈的中低端。
另一方面， 眾多的人口給中國提供了創造海量資料和廣闊市場的潛力。 微電子、人臉識別、人臉支付等幾個重點的應用領域發展速度較快， 有望短期內看到效果或成為中國機會之所在。
在沒有技術優勢的情況下， 中國的人工智慧發展是否更應該發揮應用市場的優勢？人工智慧的中國發展方向又在哪裡？
AI在第一產業、第二產業的應用幾乎是空白， 而在消費娛樂服務業大受追捧， 這是因為資本的過度關注？
技術與資本是助力商業進步的最有力武器， 毫無疑問， 2017年上半年的創投熱潮屬於人工智慧。 據36氪研究院的資料， 截止到2017年5月31日， 中國人工智慧類創業公司已超過650家， 產業規模較2016年同期增長達到51.2%， 投融資事件超過430起， 融資總額達340億人民幣， 整體行業獲投率偏高。
人工智慧已經成為互聯網進入“下半場”後的主要方向， 巨頭甘願砸重金挑大樑， 資本市場更不願錯過風口。 創新工廠創始人、董事長李開複不久前為AI代言“我不是李開複,我是人工智慧”。 真格基金、IDG等頻繁出手， 萬象人工智慧研究院、聯想之星旗下全球人工智慧孵化器Comet Labs、駿一孵化器人工智慧產業園等迎風跟進。
熱情的還有上市公司。 日前， 由東方網力、京山輕機、湯臣倍健3家上市公司共同發起的萬象人工智慧研究院正式成立， 計畫將出資不超過5億元人民幣， 在北京、武漢、深圳、矽谷設立研究與孵化機構。
投資行業資深人士對記者表示， 國內市場的一些做法一向參照美國， 美國的巨頭公司早就開始大手筆地投資人工智慧， 把這個市場搞得很熱。 “VC投資的是大市場、互聯網、移動互聯網， 人口紅利的視窗關閉之後， 目前來看， 人工智慧是最可能的大機會”。
規模猛增的背後是巨頭的推波助瀾，
人工智慧方面， 以語音辨識為代表的智慧應用正在深入B端市場， 在多個領域實現機器換人的巨大變革。 “包括智慧交通監控、智慧感測器、機器同聲傳譯、人臉識別、語音合成引擎、聲紋識別引擎、語音評測及手寫辨識等技術， 已經開始進入回報期。 ” 賽迪顧問總裁孫會峰表示。
AI的發展關鍵在於技術領先， 而不是應用？
IMF前副總裁、清華大學國家金融研究院院長朱民在今年的IT領袖峰會上稱， 中國最多的是應用， 我們在有自主智慧財產權第二階段的軟體上還是相當的一般， 第三個基礎設施上還遠遠落後。 這就是中國面臨的人工智慧的現實。 他建議中國企業要看到中國真正的優勢在於市場， “但是千萬不能迷戀在那個市場”， 朱民說：“我們預測這個市場足以企業開發20年，
李開複也多次在演講中提到， 中國具備了大大有利於人工智慧發展的條件——人才儲備。 2015年， 全球頂尖期刊上發表的43%的人工智慧論文作者裡， 都有華人的身影。 中國人對本國的數學、工程學和科學教育水準感到自豪。 許多中國傳統企業在技術轉化領域， 還大幅落後於美國企業。 但是這些中國企業坐擁的是海量資料和充沛資金。 中國具備龐大的互聯網市場。 中國的互聯網市場規模全球最大， 線民人數逼近八億大關， 大量的互聯網公司正在深耕市場。很多非人工智慧的互聯網公司成長到一定規模之後，為了轉型升級、擴大規模，都會需要引入人工智慧技術。中國政策對於人工智慧的探索性和應用性采相對開放路線，也可能促進行業的超速發展。
實際上，人工智慧主要看團隊，一流的人才往往會帶來一流的專案，垂直領域的專家院士等人才是最受追捧。
投資行業資深人士則認為，目前AI的局勢不明朗，資本心急不佈局可能落後，佈局怕投錯，由此生成的討論也就越來越多，甚至產生長時間的競爭。“畢竟創業者能抓住一個不錯領域的機會就不錯了，這個市場足夠大，壁壘強，所以創業公司不會做通用人工智慧，巨頭的優勢在於即使不自己涉水也依然可以通過投資的方式佔有技術，資本則盡可能多搶佔優勢資源”，他如是分析。
張連毅1989年畢業於清華大學環境工程系，從1990年開始致力於將清華的OCR技術商業化。張連毅認為，包括語音、圖像識別、語義理解等在內的人工智慧技術尚不完美，是全社會對AI技術接受度的提高帶動了各項技術商業化需求的猛增。然而，一些公司及行業人士對AI技術宣傳過度，其實是在誤導大眾。這種誤導，將不利於AI技術未來的發展和應用。此外他還指出，從2011年到2016年上半年是AI技術啟蒙的5年，而接下來的3-5年，則是AI產業格局的定型階段。
“這個產業確實在崛起，所以不能過低估計整個產業，但是也不能過高估計它的技術。人工智慧技術的發展，不是得益於大家所看到的語音辨識95%、97%的識別準確率，而是得益於整個社會對人工智慧的理解和包容。
“當然這種包容和嘗試還是更多的在商業領域。一些語音公司最開始做2C產品，實際上剛出來的時候熱幾天，之後就沒人用了。相比之下，把語音技術用在智慧客服領域是一個比較正確的方向。從現階段來看，垂直領域的商業化會走得更快一些。”
佔據實體經濟主要部分的製造業，電力，石油，海洋，農林牧漁等領域都沒有涉及到AI。是因為在這些領域做AI太難了
在國際金融危機之後，無論是美國的再工業化計畫（2011），還是德國的工業4.0計畫（2012），以及日本的機器人新戰略計畫（2015），其核心都是力圖重振本土製造業，強化高端優勢。為達到上述戰略目標，亟鬚生產與服務流程的進一步資訊化與智慧化。
在製造業中，傳統的機械加工設備，如關節型工業機器人，目前技術雖已成熟，但全球產業佈局已事實上形成日本發那科、日本安川電機、德國庫卡和瑞士ABB“四大家族”的格局。
這些壟斷性跨國集團在核心零部件、系統集成、市場佔有率等各個產業鏈環節均具有明顯的競爭優勢。我國在精密減速器、高精度伺服電機、伺服驅動器、高性能嵌入式控制器等核心零部件方面，一直受制於國外壟斷性產品。
國產關節型工業機器人整機產品，其性價比與平均無故障間隔時間等，至少落後于世界先進水準5~10年。國產AGV系列產品長期處於價值鏈低中端，市場份額低，雷射雷達等關鍵感測器，還必須從日德美進口。
此外，傳統工業機器人利用示教程式設計，只能替換某些工位或工種設定的簡單及重複性工作。時至今日，富士康的“百萬機器人換人”計畫進展不夠理想，技術上的原因之一就是機械臂的“傻大笨粗”及缺乏智能。目前，電子製造業中的工業機器人，主要應用於前端的高精度貼片和後端的裝配、搬運等環節。在絕大多數中間環節，由於機械臂不如人類靈巧，移動也不如人類靈活，因此還無法真正實施“機器換人”。要實現“中國製造2025”，迫切需要研製一批具有一定環境適應能力的新一代AI工業機器人。
AI服務機器人屬於前沿新興產業，技術的先進性和成熟度決定了企業能否在激烈的市場競爭中佔據一席之地。縱觀全球領先的AI服務機器人龍頭企業，均具備一流的科研團隊和強大的研發實力，創始人多為機器人領域的專家、教授，且已掌握關鍵零部件和核心技術，佔據了全球AI服務機器人的絕大部分市場份額。
中國近期雖出現了許多機器人創新企業，但引領性的關鍵技術掌握不多，所占全球市場份額很小，高端產業低端化的現象嚴重，在AI服務機器人全產業鏈的上游（關鍵零部件或材料，核心是感測器）、中游（系統集成、作業系統與雲平臺，核心是人工智慧）和下游（包括家用、個人、娛樂、教育、醫療、物流、軍事等垂直領域）等各個方面，均面臨嚴峻的挑戰。
總體而言，一方面，中國的工業化進程雖已基本達成，但自動化、資訊化（數位化、網路化）的歷史任務還未全面完成，工業基礎與能力尚待強化，機器人中的先進感測器、精密減速器等核心零部件還受制於人，產品長期處於價值鏈的中低端。另一方面，智慧化的產業發展趨勢日益明顯，人工智慧等共性關鍵技術急待突破。中國“製造強國”之夢與“互聯網+”時代對發展新一代AI機器人的剛性需求，確實存在著歷史與現實、補課與超越的雙重擠壓。
近來，國內人工成本持續上升，但全球範圍內工業機器人的製造成本卻在不斷下降。雙重擠壓導致工業機器人的需求在2013年左右出現拐點。例如，購置一台焊接機器人可替換3名工人，每台大約需要23萬元。目前長三角、珠三角等沿海地區一名普通焊接工人的雇傭成本約為6萬元/年。因此，“機器換人”的成本回收期，已顯著縮短為1.5年。
此外，我國的工業機器人使用密度仍然較低。據統計，目前全球平均每萬名工人擁有66台工業機器人，中國的機器人密度僅為36台。而在工業發達國家（韓國478台/萬人、日本314台/萬人、德國292台/萬人），遠超中國，我國裝備製造業正處於由傳統裝備向新一代智慧製造裝備轉型的重要歷史時期。
“從我們的觀察來看，今年國內人工智慧行業確有一些亮點，比較重點的領域包括智慧駕駛、中星微電子、人臉識別、人臉支付等，”賽迪顧問電子資訊行業高級分析師向陽告訴記者，“這幾個重點的應用領域發展速度較快，有望短期內看到效果或成為中國機會之所在。”
“中國製造2025”國家戰略下AI工業機器人的發展方興未艾。
大量的互聯網公司正在深耕市場。很多非人工智慧的互聯網公司成長到一定規模之後，為了轉型升級、擴大規模，都會需要引入人工智慧技術。中國政策對於人工智慧的探索性和應用性采相對開放路線，也可能促進行業的超速發展。實際上，人工智慧主要看團隊，一流的人才往往會帶來一流的專案，垂直領域的專家院士等人才是最受追捧。
投資行業資深人士則認為，目前AI的局勢不明朗，資本心急不佈局可能落後，佈局怕投錯，由此生成的討論也就越來越多，甚至產生長時間的競爭。“畢竟創業者能抓住一個不錯領域的機會就不錯了，這個市場足夠大，壁壘強，所以創業公司不會做通用人工智慧，巨頭的優勢在於即使不自己涉水也依然可以通過投資的方式佔有技術，資本則盡可能多搶佔優勢資源”，他如是分析。
張連毅1989年畢業於清華大學環境工程系，從1990年開始致力於將清華的OCR技術商業化。張連毅認為，包括語音、圖像識別、語義理解等在內的人工智慧技術尚不完美，是全社會對AI技術接受度的提高帶動了各項技術商業化需求的猛增。然而，一些公司及行業人士對AI技術宣傳過度，其實是在誤導大眾。這種誤導，將不利於AI技術未來的發展和應用。此外他還指出，從2011年到2016年上半年是AI技術啟蒙的5年，而接下來的3-5年，則是AI產業格局的定型階段。
“這個產業確實在崛起，所以不能過低估計整個產業，但是也不能過高估計它的技術。人工智慧技術的發展，不是得益於大家所看到的語音辨識95%、97%的識別準確率，而是得益於整個社會對人工智慧的理解和包容。
“當然這種包容和嘗試還是更多的在商業領域。一些語音公司最開始做2C產品，實際上剛出來的時候熱幾天，之後就沒人用了。相比之下，把語音技術用在智慧客服領域是一個比較正確的方向。從現階段來看，垂直領域的商業化會走得更快一些。”
佔據實體經濟主要部分的製造業，電力，石油，海洋，農林牧漁等領域都沒有涉及到AI。是因為在這些領域做AI太難了
在國際金融危機之後，無論是美國的再工業化計畫（2011），還是德國的工業4.0計畫（2012），以及日本的機器人新戰略計畫（2015），其核心都是力圖重振本土製造業，強化高端優勢。為達到上述戰略目標，亟鬚生產與服務流程的進一步資訊化與智慧化。
在製造業中，傳統的機械加工設備，如關節型工業機器人，目前技術雖已成熟，但全球產業佈局已事實上形成日本發那科、日本安川電機、德國庫卡和瑞士ABB“四大家族”的格局。
這些壟斷性跨國集團在核心零部件、系統集成、市場佔有率等各個產業鏈環節均具有明顯的競爭優勢。我國在精密減速器、高精度伺服電機、伺服驅動器、高性能嵌入式控制器等核心零部件方面，一直受制於國外壟斷性產品。
國產關節型工業機器人整機產品，其性價比與平均無故障間隔時間等，至少落後于世界先進水準5~10年。國產AGV系列產品長期處於價值鏈低中端，市場份額低，雷射雷達等關鍵感測器，還必須從日德美進口。
此外，傳統工業機器人利用示教程式設計，只能替換某些工位或工種設定的簡單及重複性工作。時至今日，富士康的“百萬機器人換人”計畫進展不夠理想，技術上的原因之一就是機械臂的“傻大笨粗”及缺乏智能。目前，電子製造業中的工業機器人，主要應用於前端的高精度貼片和後端的裝配、搬運等環節。在絕大多數中間環節，由於機械臂不如人類靈巧，移動也不如人類靈活，因此還無法真正實施“機器換人”。要實現“中國製造2025”，迫切需要研製一批具有一定環境適應能力的新一代AI工業機器人。
AI服務機器人屬於前沿新興產業，技術的先進性和成熟度決定了企業能否在激烈的市場競爭中佔據一席之地。縱觀全球領先的AI服務機器人龍頭企業，均具備一流的科研團隊和強大的研發實力，創始人多為機器人領域的專家、教授，且已掌握關鍵零部件和核心技術，佔據了全球AI服務機器人的絕大部分市場份額。
中國近期雖出現了許多機器人創新企業，但引領性的關鍵技術掌握不多，所占全球市場份額很小，高端產業低端化的現象嚴重，在AI服務機器人全產業鏈的上游（關鍵零部件或材料，核心是感測器）、中游（系統集成、作業系統與雲平臺，核心是人工智慧）和下游（包括家用、個人、娛樂、教育、醫療、物流、軍事等垂直領域）等各個方面，均面臨嚴峻的挑戰。
總體而言，一方面，中國的工業化進程雖已基本達成，但自動化、資訊化（數位化、網路化）的歷史任務還未全面完成，工業基礎與能力尚待強化，機器人中的先進感測器、精密減速器等核心零部件還受制於人，產品長期處於價值鏈的中低端。另一方面，智慧化的產業發展趨勢日益明顯，人工智慧等共性關鍵技術急待突破。中國“製造強國”之夢與“互聯網+”時代對發展新一代AI機器人的剛性需求，確實存在著歷史與現實、補課與超越的雙重擠壓。
近來，國內人工成本持續上升，但全球範圍內工業機器人的製造成本卻在不斷下降。雙重擠壓導致工業機器人的需求在2013年左右出現拐點。例如，購置一台焊接機器人可替換3名工人，每台大約需要23萬元。目前長三角、珠三角等沿海地區一名普通焊接工人的雇傭成本約為6萬元/年。因此，“機器換人”的成本回收期，已顯著縮短為1.5年。
此外，我國的工業機器人使用密度仍然較低。據統計，目前全球平均每萬名工人擁有66台工業機器人，中國的機器人密度僅為36台。而在工業發達國家（韓國478台/萬人、日本314台/萬人、德國292台/萬人），遠超中國，我國裝備製造業正處於由傳統裝備向新一代智慧製造裝備轉型的重要歷史時期。
“從我們的觀察來看，今年國內人工智慧行業確有一些亮點，比較重點的領域包括智慧駕駛、中星微電子、人臉識別、人臉支付等，”賽迪顧問電子資訊行業高級分析師向陽告訴記者，“這幾個重點的應用領域發展速度較快，有望短期內看到效果或成為中國機會之所在。”
“中國製造2025”國家戰略下AI工業機器人的發展方興未艾。