白宮發布《為未來人工智能做好準備》 人工智能概念股一覽
時間：2016-10-17 14:19:28 來源：本站整理 編輯：闌珊 閱讀:880 評論:0
白宮發布《為未來人工智能做好準備》
人工智能作為未來科技發展的重要方向，在未來各國科技競爭中都占據了重要地位，世
界各國都高度重視各自的人工智能產業發展。為了推動人工智能化進程，近日，美國白
宮發布《為未來人工智能做好準備》。
日前白宮發布了《為未來人工智能做好準備》和《美國國家人工智能研究與發展策略規
劃》兩份重磅報告，闡述了美國未來的人工智能發展規劃和機遇。
人工智能是大國下一代產業競爭的高地。人工智能是關係到國家產業競爭力與安全的重
要技術。一方麵，人工智能技術將大幅度提升傳統產業的競爭力，產生行業溢出效應;
另一方麵，人工智能也是關係到國家經濟轉型和國家安全的支撐性技術。在過去幾十年
裏，美國依靠計算機和互聯網兩個產業引領了全世界的科技發展，在下一波人工智能的
浪潮中，美國依然具有較強的先發優勢。
人工智能是智能產業的製高點，引領新一波科技浪潮。從智能手表、手環等可穿戴設備
，到服務機器人(24.100, 0.45, 1.90%)、無人駕駛、智能醫療、AR/VR 等熱點詞匯的
興起，智能產業成為新一代技術革命的急先鋒，人工智能產業是智能產業發展的核心，
是其他智能科技產品發展的基礎，國內外的高科技公司以及風險投資機構紛紛布局人工
智能產業鏈。如果說互聯網變革了人類的生活方式，那麽人工智能將會切實帶動整個社
會生產力的提高，引領新一輪科技浪潮的發展。
“智能+”將引領人類社會的變革。每一次人類社會的變革都離不開生產力的大幅度飛
躍，人工智能技術一方麵提升了生產效率，另一方麵也逐漸變革著人類的生活方式。如
“智能+機器”能夠讓生產加工更加高效，“智能+汽車”能夠代替人類從事單調枯燥的
駕駛工作。人工智能將人類從低層次的體力和腦力勞動中解放出來，轉而從事更加有意
義的創新性勞動。無論是城市建築、金融投資、消費娛樂、製造業還是文化科技，“智
能+”將全方位改變人類社會。
人工智能產業落地將從細分領域啟動，逐步匯總成為通用智能。AlphaGo 大勝李世石的
人機圍棋對戰掀起了人工智能的浪潮，但是目前人工智能的發展重心仍舊是感知智能技
術，其主要作用是像人類的眼睛、耳朵一樣幫助計算機感知這個世界，代表方向是圖像
識別和語音識別。
同時，人工智能技術將首先從專業性較強的細分領域開始應用，隨著數據庫的積累和算
法進步漸漸拓展到生活中的各個領域，從而匯聚成為通用智能。在這一過程中能夠帶動
多個產業的發展，逐步打開萬億級別的市場。
美國白宮發布《為未來人工智能做好準備》，為人工智能未來發展做出了指導規劃，人
工智能產業有望進入快速發展。
人工智能被認為是繼電力和互聯網之後又一次對人類社會產生顛覆式影響的技術。美國
公司的技術遙遙領先，中國公司擅長商業化、擁有數據優勢，在技術上正奮力追趕
2015年12月，微軟亞洲研究院首席研究員劉鐵岩博士去蒙特利爾參加了NIPS年會（
Annual Conference on Neural Information Processing Systems），這是人工智能領
域的頂級學術會議。但與會期間，他印象最深的不是同行的專業進展，而是一位科學家
告訴台下的與會者，早些年，他的博士生根本找不到工作，今年卻被一搶而空。
這也是中國正在發生的故事。從矽穀到北京，人工智能都是熱浪滾滾。這個在上世
紀50年代和80年代掀起過兩次高潮的技術，現在似乎真的到了產業化的臨界點。互聯網
時代的思想家和預言家凱文·凱利宣稱，人工智能是下一個20年裏顛覆人類社會的技術
，它的力量堪比電與互聯網。
人工智能（Artificial Intelligence），縮寫為AI。它是研究開發用於模擬、延
伸和擴展人的智能的理論、方法、技術及應用係統的一門新的技術科學。該領域的研究
包括機器人(24.100, 0.45, 1.90%)、語音識別、圖像識別、自然語言處理和專家係統
等。
人工智能快速進入大眾視野，源於今年3月穀歌圍棋人工智能程序AlphaGo戰勝世界
冠軍李世石。人機圍棋對弈隻是普及人工智能的一個秀。它的背後是規模千億級的人工
智能產業市場。BBC預測，2020年全球人工智能市場規模將達1190億元人民幣。
目前看，這一數據遠比不上2015年中國移動互聯網的產業規模。但人工智能的意義
不僅於此，人工智能技術的發展，還將帶動雲服務、大數據分析、移動互聯網和物聯網
產業的升級迭代。它甚至將超越移動互聯網，全麵改變人類的生活和工作方式。
離人工智能最近的IT互聯網公司敏銳嗅到了這一機遇。從2011年開始，包括深度學
習算法、計算資源和大數據產業的成熟令人工智能技術實現飛躍，包括微軟、IBM、穀
歌、Facebook、BAT在內的國內外企業都開始深度布局人工智能，試圖把握風口，成為
下一個產業變革的巨擘。
已布局人工智能的IT和互聯網巨頭們，最有資格成為這一輪革命的獲益者。但這終
究是一個漫長的耐力遊戲，除了技術布局，產業布局和戰略視野也是決定成敗的關鍵因
素，短視者將隨時出局。
BAT艱苦追趕 布局低端技術
人工智能的科研，尤其是基礎科學研究，是一個冗長寂寞的過程。此後，迫於財務
數據和競爭壓力，百度的決策者們更加注重眼前的布局和資源。
“到了後期，太長遠項目，或是比較創新的項目，百度總部確實不太支持了。從整
體來看，百度仍是BAT三家中首先完成有關人工智能技術體係整合的公司。目前，百度
研究院、百度大數據、百度語音和百度圖像等技術都已歸入人工智能技術體係。李彥宏
多次向外界強調，百度未來的發展將嚴重地依賴人工智能。
IBM研究院一位人工智能專家告訴《財經》記者，百度是被他們列入競爭列表的唯
一中國公司。
矽穀尤其關心“百度大腦”的進展。百度大腦是百度在人工智能領域的核心。百度
此前發布的諸多人工智能產品，如無人駕駛、智能搜索等，都是基於百度大腦的能力。
阿裏巴巴和騰訊的布局則更加克製。或者說，它們更代表中國公司的普遍做法，從
業務驅動開始，逐漸加大檔位。
阿裏從2011年開始布局互聯網醫療，投資收購和戰略合作的公司數以百計。圍繞醫
院、醫保、醫藥做了大量布局。最新的統計數據顯示，全國已經有超過400家大中型醫
院加入阿裏的“未來醫院”計劃，覆蓋全國90%省份。阿裏雲人工智能首席科學家閔萬
裏博士告訴《財經》記者，阿裏在健康醫療領域的布局快慢，取決於阿裏在人工智能領
域的技術突破。
阿裏的設想是，未來，在阿裏遍布全國邊遠山村的醫院醫療點裏，病患足不出戶，
隻需拍一張CT，通過遠程技術來完成專家級的診療過程。這種診療，依賴的就是基於阿
裏雲的人工智能醫療係統。隨著學習數據的不斷增加，機器會變得越來越聰明，最終成
為一個“永不退休的醫學專家”。
多位接受《財經》記者采訪的專家評價，阿裏這個技術並不複雜，醫療診斷是基於
經驗的專家型勞動，是機器擅長的經驗學習，三年內該技術便可成熟。
閔萬裏告訴《財經》記者，要實現這個目標，除了技術平台，還需要整個醫療體係
的打通，需要政府和社會共同推動設備和資源的開放。一旦打通，聚合在一個人工智能
服務平台之上，就將衍生出更多的應用服務場景，從而實現“商業和技術互為驅動”。
騰訊和阿裏的情況類似。騰訊在人工智能上的布局，以IM和SNS業務為基礎。例如
語音識別主要是在微信部門、圖片識別主要是在QQ，支付和金融業務方麵植入了人臉識
別，搜索部門則關注自然語言識別。
國際巨頭深入無人區
如果說BAT的人工智能布局處於對標和追趕的狀態，那麽以IBM、微軟、穀歌、
Facebook為代表的美國巨頭公司已經開始深入科技無人區。
這些公司技術和業務各有所長，麵向的用戶也不同，但它們的目標一致：把人工智
能機器做大、做強、再做沒。
IBM和微軟可能沒有穀歌、Facebook看起來那麽酷，但在人工智能領域有深厚的技
術底蘊，IBM甚至已經開始用人工智能賺錢。
IBM人工智能研究可以追溯到1997年“深藍”戰勝當時的國際象棋世界冠軍卡斯帕
羅夫。2011年，代表著IBM在認知計算領域最先進技術的Watson在一個電視節目中一戰
成名，被認為是人工智能曆史上的一個裏程碑。
今天可以代表IBM在人工智能領域最高技術水平的，是不斷進化中的Watson係統，
和已經可以量產的人腦模擬芯片SyNAPSE（超大規模神經突觸計算機芯片）。
Watson是一台超級計算機，最初由90台IBM的Power 7服務器並行組成。和Google、
微軟的人工智能相比，它從硬件芯片構架就開始模擬人類神經元，基於IBM的“DeepQA
”技術開發。2014年1月初，IBM宣布組建“Watson Group”，旨在進一步開發、商用和
增強“Watson”及其他認知技術，此外還投入10億美元用於其他相關項目。
Watson已經開始為IBM賺錢了。法國農業信貸銀行預測，Watson係統創造的收入將
在2018年占IBM總收入的12%以上。Watson已經被部署在IBM去年收購的雲計算基礎設施
業務Softlayer上，成為IBM與亞馬遜、穀歌、微軟等大型科技公司在雲計算領域展開競
爭的武器。
另一個代表性產品是IBM在2014年發布的人腦模擬芯片SyNAPSE。該芯片能夠模仿人
腦的運作模式、低功耗，在認知計算方麵要遠勝傳統計算架構。和其他芯片公司的紙上
規劃不同，這款芯片已達到量產要求。
IBM將其技術和商業實力總結為“認知計算體係”。IBM大中華區副總裁、戰略部總
經理郭繼軍向《財經》記者表示，IBM推動認知計算體係，目標是把IBM在人工智能、大
數據、深度學習、模式識別等所有領域裏所做的積累應用到各個行業中去，幫助各行各
業客戶提升效率，解決他們所麵臨的現實挑戰。
微軟人工智能技術的研究已超25年。1991年微軟成立研究院，最早的五個研究組，
研究方向分別是人機交互、自然語言處理和機器學習、語音識別和語音合成、計算機視
覺。這些恰恰是今天人工智能的幾個最重要的分支。
微軟的人工智能研究方向要寬泛很多，微軟研究院擁有超過1000位科學家，在包括
深度學習的多個領域的技術布局處於世界頂端。
微軟最新的深度學習係統在2015年ImageNet計算機視覺識別挑戰賽中，將計算機視
覺係統錯誤率降低至3.57%，相比於人眼辨識的5.1%，這是人工智能首次在識別圖像的
錯誤率上超越人類水平。這些機器由微軟的Azure雲服務提供支持。
微軟不僅將人工智能技術應用於如Windows、Azure等核心業務中，還構建開放的平
台，將多年的技術積累開放給產業界，它的目標是打造一個人工智能生態圈。
它在無人區走得最遠，在現實商業世界中隱蔽得最深。
和前輩相比，年輕的穀歌在人工智能領域做的事情更讓外界看得懂，也更興奮。穀
歌一方麵不知疲倦地做底層人工智能技術的積累，研發更加高級的深度學習算法，增強
圖形識別和語音識別能力。另一方麵親力親為布局了包括智能家居、自動駕駛、機器人
（2013年收購了8家機器人公司）等領域，前者為後者帶來基礎技術支撐，後者為前者
提供數據和反饋。
值得一提的是，穀歌在無人駕駛汽車領域的技術積累，已經遠遠超過傳統汽車廠商
和其他互聯網公司。
更加年輕的Facebook，將人工智能視為未來的三大方向之一。Facebook天然擁有全
球範圍內的海量社交數據，但在基礎科學的研究上依然不遺餘力。2013年，Facebook在
加州成立了Facebook AI Research （FAIR）。卡耐基梅隆大學機器人係博士、
Facebook人工智能組研究員田淵棟稱，FAIR的研究方向自由寬鬆，研究所需的計算資源
（如GPU）相對豐富，同時也沒有近期的產品壓力，可以著眼長遠做困難和本質的研究
。他稱，這樣的學術氛圍在各大公司是極其少見的。
如果說前述幾大巨頭都是從人工智能技術出發，結合雲計算賦予技術更多勢能，那
麽亞馬遜的路徑正好相反。亞馬遜是全球第一大雲服務提供商，它的雲服務收入超過微
軟、IBM、穀歌、Salesforce等所有對手的總和。但亞馬遜目前發布的人工智能技術，
多數集中在提升購物體驗的深度學習領域。
人工智能技術有兩大要素：核心技術平台和數據循環。隻擁有技術是不夠的，需要
業務和數據結合，才能打造好的技術。對循環數據的獲取，巨頭們也都不遺餘力。
以最熱衷開源的微軟為例，去年，微軟發布了“牛津計劃”（現更名為“微軟認知
服務”），這是一個基於微軟雲平台的智能API（應用程序編程接口），涵蓋了五大方
向的人工智能技術，包括了計算機視覺、語音、語言、知識、搜索五大類API。去年夏
天火爆的How-Old.net，就是借助該平台快速開發出來的一款應用，一共隻有20多行代
碼。
類似的工具包微軟還有很多，例如深度學習工具包（CNTK）和微軟亞洲研究院主導
的微軟分布式機器學習工具包（DMTK）等。
這些對於創業公司和中小企業來說相當實用。他們不用從底層技術一點點學，在小
集群上或者是雲服務上就可以直接調用。
對於巨頭來說，算法已經不再是競爭的障礙，數據和用戶習慣才是山頭。大量的初
創企業會采用開源做很多垂直領域的業務，其中包括海量試錯和驗證，最終也會反饋回
開源，而這正是巨頭們所期望的。
做B2B生意的IBM對數據的專業度要求更高，無法僅依賴搜索引擎和大量應用的交互
來訓練Watson係統，因此通過深度合作和並購來獲取專業數據。
以醫療領域為例，IBM和多家世界級頂尖醫院合作，向醫院部署Watson的智能係統
，通過分析這些醫院的病曆、專家的治療經驗、現有的學術研究等，幫助它們製定、觀
察和調整癌症患者的治療方案。在這一過程中，Watson也就有了這一領域的數據積累。
2015年4月，IBM收購了Explorys，它是一家可以查看5000萬份美國患者病曆的分析
公司。類似的收購IBM還有不少，並且出手相當大方。
Watson已經可支持針對乳癌、肺癌和結腸直腸癌、皮膚癌等癌症的初期診斷。在皮
膚癌領域，在一項對3000幅皮膚鏡檢查圖像的研究中，Watson識別皮膚癌的準確率高達
95%以上。而人類識別皮膚癌的準確率隻有84%。
國內的一位人工智能業者調侃，國際巨頭在人工智能領域真正有價值的是它們的那
些你看不見的、沒開源的、國際會議上含含糊糊一筆帶過的技術。“那些才是可以顛覆
未來的彈藥。”
填補斷層
人工智能的產業結構可以分為三層：應用層、技術層和基礎層。應用層聚焦在人工
智能和各行業各領域的結合；技術層是算法、模型和技術開發；基礎層則是計算能力和
數據資源。
BAT擅長第一層。BAT手中，天然握有全球最大的數據資源。但在第二層和第三層嚴
重斷層。中國在人工智能領域的科研水平停留在工程數學、物理算法等工程科學的創新
層麵，基礎理論研究領域的人才和資源很少。
多位接受《財經》記者采訪的中外業者認為，BAT的優勢在於海量數據，和國際巨
頭的核心差距在技術。
騰訊高級副總裁姚星告訴《財經》記者，今年初，他和騰訊的投資並購部達成了一
個共識，開始大量考察美國的機器學習平台類創業公司。一則中國這類技術公司不多；
二則收購這種公司可以快速補足騰訊在算法領域的不足。
姚星向《財經》記者分析，同樣提供10萬個樣本給機器，優秀的算法平台可能隻需
要幾個小時，速度慢的可能需要幾天時間。
對於海外收購，搜狗公司CEO王小川則更加直白：“國內適合收購的標的公司很少
，因為根是斷的，（技術和基礎研究）源頭在國外，要到國外看。”
在快速迭代的互聯網世界裏，即便是互聯網巨頭，單打獨鬥練獨門秘籍也會錯失良
機。最佳方式，就是擁有數據和擁有技術的公司，通過各種結盟方式形成優勢互補，快
速搶占市場。
2014年11月，螞蟻金服宣布和曠視科技戰略合作，利用後者的人臉識別技術Face++
軟件去確認開立在線銀行賬號的用戶身份，即“人臉支付”。
Face++在人臉檢測的多項指標評測中接連拿下世界第一。2013年，在極難識別的互
聯網新聞圖片上，獲得了97.27%的準確率，這個指標高於Facebook團隊。三年後，這一
準確率已提高至99.5%。
進行麵部識別，需要處理大量來自麵部的數據信息，包括結構、五官以及肌肉等方
麵的數據分析。阿裏雲為這個合作注入自身的數據和分析能力。
“凡是花錢解決的問題都不是問題，阿裏可以自己完成這些事情，但時間成本是相
當昂貴的。”閔萬裏對《財經》記者說，“阿裏有1000件同級別的事情要做，能做好的
隻有其中幾件，剩下的用投資+合作，這是時間和資本效率最高的做法。”
技術和數據的結盟並不限於BAT，更多的公司希望通過結盟方式獲得未來，新的巨
頭或許從中誕生。
搜狗CEO王小川的思路是社交化，做更多連接，通過建設社群關係，把人大腦裏的
智慧表達出來，從而解決目前搜索技術存在的內容不夠精準和實用性較差的問題。2013
年騰訊入股搜狗後，先後向搜狗開放了微信公眾號數據和QQ興趣部落，為搜狗輸入數據
資源。除此之外，搜狗還在去年11月戰略投資知乎1200萬美元，全麵接入知乎內容。
王小川想讓搜狗的人工智能機器不斷學習社群數據，他對《財經》記者說，“人工
智能下一個五年不在於人工智能本身，而是讓機器找到人。”
今天，技術和數據的天然開放性讓各公司之間的競爭變得“我中有你、你中有我”
，最終的贏家是可以將技術和數據平衡利用，達到平台效益最大化的公司。
微軟亞洲研究院常務副院長芮勇認為，橫向對比，中國和國際領先公司在核心技術
上確實存在差距，國外更加注重基礎研究和技術研發，國內企業可以將國外的研發工具
化、商業化；從縱向看，中國在人工智能領域的技術積累近幾年確實出現了飛躍，無論
是最底層的計算機體係架構，還是智能硬件，或是上層軟件應用，都有質的進步。
“隻要不太急於求成，持之以恒地投入，中國的人工智能產業相當值得期待。”芮
勇說。
擠出泡沫
馬雲在一次內部講話中強調：“全球都在講人工智能，到了風口浪尖，在創新麵前
，沒有第二隻有第一，創新落伍了，你就輸了。”
焦慮的不僅是BAT，華為公司創始人任正非5月30日在全國科技創新大會上發言提到
，“未來二三十年人類社會將演變成一個智能社會，其深度和廣度我們還想象不到。如
果不能堅持創新，遲早會被顛覆。”
開放趨勢之下，人工智能也注定不是一場巨頭間的戰爭。
市場調研機構CB Insights的統計數據顯示，2014年風險資本對人工智能的投資增
長302%，達到3.09億美元。
中國人工智能領域已有近百家創業公司，65家獲得投資，共計29.1億元人民幣，其
中曠視科技、優必選、雲知聲、SenseTime四家公司登上艾瑞獨角獸榜單。
更多初創公司隻是打上了人工智能的標簽。它們本質上是用國際開源的平台，用數
據訓練一兩個模型，甚至照搬國際模型，這其實潛含危險，最大的風險是產品嚴重同質
化，尤其在人臉識別、語音識別等成熟領域，這些公司的產品沒有突破性創新，根本沒
有繼續走下去或被收購的價值。
姚星常常為投資人鑒定真偽人工智能公司。他說，辨識偽人工智能公司有兩個關鍵
點：一是這家公司所采用的技術是否是最新、最前沿的技術，如果不是，則是用人工智
能概念包裝的偽人工智能。
其二，這家公司的技術和業務是否具備可擴展性？若否，則是采用部分機器學習算
法或淺層人工智能技術的商業公司，而非真正的人工智能公司。
iPIN是一家擁有文本認知智能技術的公司，從去年開始，iPIN收到了不少投資機構
的投資意向，該公司創始人兼CEO楊洋告訴《財經》記者，到目前為止，他還沒有遇到
真正有能力鑒別人工智能技術水平的投資機構。
“這對於做偽人工智能的公司絕對是一個好消息。”楊洋調侃說。
危險在於，就算是一些初創時期確實手握人工智能獨特技術和商業模式的公司，也
在資本的脅迫下慢慢走形。
在資本的壓力之下，一些人工智能創業公司開始過早商業化，研發投入逐步降低，
人員結構也發生變化，銷售開始主導公司，最終技術公司變成營銷公司，失去了被並購
的價值。
投資人工智能公司，需要專業技術知識和長線投資眼光。根據Gartner的“智能機
器炒作周期圖”，由人工智能驅動的應用中，語音識別產業化最高，自動駕駛汽車和智
能顧問處於炒作最高點，智能機器人、自然語言處理/生成和虛擬個人助手則處於爬坡
期。這些都屬於5年-10年內能廣泛普及的顛覆性技術。而神經形態硬件（如神經元芯片
等）屬於10年以後才能普及的技術，但該技術可能還沒研發成熟就被淘汰了。
需要在這一輪變革中保持耐心和恒心的還有政府和高校。人工智能涉及計算機科學
、生物學、社會學、哲學、材料學、工程學等多個學科，中國高校基礎學科的研究能力
無法被充分利用，體製內缺乏一套產學研流暢對接的機製。這導致中國高校在這次產業
變革中嚴重缺位。從美國的經驗來看，正是其從法律、機製上保證了產學研的平滑轉換
，才令美國在這一輪的人工智能研究中占據上風。
一些樂觀的投資人認為，技術發展本身就是驅逐泡沫的手段，“不用很長，一年或
一年半的時間，很多真實情況就會暴露出來，泡沫也將逐漸散去”。
