人工智能是信息時代的尖端技術(shù)。從人類建立起需要指導控制才能運行的計算機，到計算機擁有可以自己去學習的能力，這一飛躍對各行各業(yè)都產(chǎn)生了巨大的影響。人工智能、機器人和無人駕駛汽車已經(jīng)成為了流行文化甚至是政治話語的前沿。

什么是人工智能？人工智能是做出能夠以人類智能的方式學習并解決問題的智能機器和計算機程序的理工科。傳統(tǒng)而言，該領域包括自然語言處理與翻譯、視覺感知與模式識別，以及決策制定。但該領域以及應用的復雜度都在急劇擴展。機器學習是從樣本和經(jīng)驗(即數(shù)據(jù)集)中進行學習的算法，而不是依靠硬編碼和預先定義的規(guī)則。深度學習的重大發(fā)展是人工智能拐點背后的主要驅(qū)動。深度學習是機器學習的一個子集。

雖然深度學習使計算機視覺和自然語言處理等技術(shù)有了顯著的提高，比如蘋果公司的 Siri，亞馬遜的 Alexa 和 Google 的圖像識別，但是 AI 不僅僅是“科技技術(shù)”(tech for tech)，也就是大數(shù)據(jù)集與足夠強大的技術(shù)相結(jié)合的情況下，價值正在被慢慢創(chuàng)建，競爭優(yōu)勢也變得越來越明顯。例如，在醫(yī)療保健中，圖像識別技術(shù)可以提高癌癥診斷的準確性。在農(nóng)業(yè)中，農(nóng)民和種子生產(chǎn)商可以利用深度學習技術(shù)來提高作物產(chǎn)量。在制藥業(yè)中，深度學習可以用于改善藥物的研發(fā)。在能源方面，勘探效率正在提高，設備可用性正在不斷增強。在金融服務方面，通過開辟新的數(shù)據(jù)集，實現(xiàn)更快的分析，從而降低成本，提高回報。AI 現(xiàn)在還處于發(fā)現(xiàn)其可被利用場景的早期階段，這些必要的技術(shù)會通過基于云的服務實現(xiàn)大眾化、平等化，我們相信隨之而來的創(chuàng)新浪潮將在每個行業(yè)中創(chuàng)造新的贏家和輸家。

AI是一種可以變革全球經(jīng)濟的技術(shù)，是提高生產(chǎn)力并結(jié)束美國生產(chǎn)率停滯增長的驅(qū)動力。AI 技術(shù)將會驅(qū)動生產(chǎn)力的提高，就像 20 世紀 90 年代那樣，驅(qū)動企業(yè)投資更多的資本和勞動密集型項目，加快發(fā)展的腳步，提高盈利能力以及提高股票的估值。

人工智能可以及時地影響到每個公司、行業(yè)和一部分經(jīng)濟，但對投資者而言，我們認為這其中有四個影響最為顯著。

一是生產(chǎn)率。AI 和機器學習具有激發(fā)生產(chǎn)率增長周期的潛力，這會有利于經(jīng)濟的增長，提升企業(yè)的盈利能力，資本回報率和資產(chǎn)估值。AI 看起來似乎比上一次創(chuàng)新浪潮更有可能在統(tǒng)計數(shù)據(jù)中捕捉到更有價值的東西，人工智能可以降低成本，減少對高附加值生產(chǎn)類型的勞動投入。

二是尖端技術(shù)。AI 和機器學習在速度上的價值有利于構(gòu)建一種在建設數(shù)據(jù)中心和網(wǎng)絡服務時讓硬件更便宜的趨勢。我們認為這可能推動硬件，軟件和服務支出的市場份額的大幅度改變。

三是競爭優(yōu)勢。我們看到了 AI 和機器學習具有重新調(diào)整每個行業(yè)的競爭秩序的潛力。未能投資和利用這些技術(shù)的管理團隊在和受益于戰(zhàn)略智能的企業(yè)競爭時，有很大可能會被淘汰掉，因為這些技術(shù)可以讓企業(yè)的生產(chǎn)力提高，并為它們創(chuàng)造資本效益。

四是創(chuàng)辦新公司。我們發(fā)現(xiàn)了 150 多家在過去十年中創(chuàng)建的人工智能和機器學習公司。雖然我們相信人工智能的大部分價值都掌握在具有資源、數(shù)據(jù)和投資能力的大公司手中，但我們也期望風險投資家、企業(yè)家和技術(shù)專家可以繼續(xù)推動新公司的創(chuàng)立，從而促進實質(zhì)性的創(chuàng)新和價值創(chuàng)造，即使最后創(chuàng)業(yè)公司會被收購。當然我們也不能忽視人工智能巨頭(人工智能領域的谷歌或 Facebook)的出現(xiàn)。

人工智能迎來加速發(fā)展。人工智能的發(fā)展方向有哪些？

在線搜索。就在一年多以前，谷歌透露，它們已經(jīng)開始將大量的搜索工作移植到了 RankBrain(一個人工智能系統(tǒng))，使其和鏈接(links)以及內(nèi)容(content)成為了谷歌搜索算法的三個最重要的標志。

推薦引擎。Netflix，亞馬遜 和 Pandora 都在使用人工智能來確定推薦什么樣的電影和歌曲，突出哪些產(chǎn)品。5 月，亞馬遜開源了它們的深度可擴展稀疏傳感網(wǎng)絡引擎(the Deep Scalable Sparse Tensor Network Engine(DSSTNE)，簡稱“Destiny”)，它被用于產(chǎn)品推薦，同時可以被擴展以實現(xiàn)超越語言和語言理解以及異議識別的目的。

人臉識別。Google(FaceNet)和 Facebook(DeepFace)都投入了大量的技術(shù)來確定您的照片中的人臉和真實的人臉是不是幾乎完全吻合。1 月，蘋果采取了進一步措施，購買了 Emotient(一個致力于通過讀取人的面部表情來確定其情緒狀態(tài)的 AI 創(chuàng)業(yè)公司)顯然，這些技術(shù)遠遠不止于對照片進行標記。

雖然個人助理應用產(chǎn)品有無數(shù)的用戶，比如蘋果的 Siri，信用貸，保險風險評估，甚至天氣預測。在接下來的篇幅中，我們探討企業(yè)該如何使用這些技術(shù)來加速增長，降低成本和控制風險。從這些技術(shù)及其使用這些技術(shù)的應用的發(fā)展速度來看，它們充其量不過可以為公司和投資者提供一些方向，以保持他們的競爭力。

加強未來的生產(chǎn)率。就像 20 世紀 90 年代互聯(lián)網(wǎng)技術(shù)被廣泛采用那樣，消費類機器學習和人工智能的擴散有可能大幅度地改變?nèi)虍a(chǎn)業(yè)的生產(chǎn)范式。

生態(tài)系統(tǒng)：云服務，開源在未來的 AI 投資周期中的關(guān)鍵受益人。我們相信，在未來的幾年中，一個公司利用人工智能技術(shù)的能力將成為體現(xiàn)公司在所有主要行業(yè)競爭力的一個屬性。雖然戰(zhàn)略會因公司規(guī)模和行業(yè)而有所不同，但如果管理團隊不會把重心放在領導人工智能和在此基礎上的利益上，那么未來產(chǎn)品創(chuàng)新、勞動效率和資本杠桿都會存在落后的風險。因此，我們認為公司需要投資這些新技術(shù)以保持競爭力，同時這將導致對人工智能所以依賴的人才、服務和硬件的空前的需求。

中國人工智能現(xiàn)狀

iResearch 預測，2020 年，中國人工智能市場將從 2015 年的 12 億人民幣增長至 91 億人民幣。2015 年，約 14 億資本(年增長率 76%)流入了中國的人工智能市場。

在政府政策方面，中國的國家發(fā)展改革委員會(發(fā)改委)和其他相關(guān)政府機構(gòu)于 2016 年 5 月 18 日發(fā)布了《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》?！斗桨浮分赋隽巳斯ぶ悄茴I域發(fā)展的六大保障措施，包括資金支持、標準體系、知識產(chǎn)權(quán)保護、人才培養(yǎng)、國際合作和組織實施?！斗桨浮诽岢觯?2018 年，中國的人工智能基礎資源與創(chuàng)新平臺、產(chǎn)業(yè)體系、創(chuàng)新服務體系、標準化體系應基本建立。發(fā)改委期望中國人工智能產(chǎn)業(yè)整體與國際同步，系統(tǒng)級別(system-level)的人工智能技術(shù)和應用要位于市場領先位置。

中國已經(jīng)做出一些重大舉措，而且根據(jù)提及“深度學習”和“深度神經(jīng)網(wǎng)絡”的被引用期刊論文數(shù)量，2014 年，中國已經(jīng)超越美國(Exhibit 23)。中國擁有世界領先的語音和視覺識別技術(shù)，其人工智能研究能力也令人印象深刻(Exhibit 24)。百度于 2015 年 11 月發(fā)布的 Deep Speech 2 已經(jīng)能夠達到 97% 的正確率，并被《麻省科技評論》評為 2016 年十大突破科技之一。另外，早在 2014 年香港中文大學開發(fā)的 DeepID 系統(tǒng)就在 LFW 數(shù)據(jù)庫中達到了 99.15% 的面目識別正確率。

中國的互聯(lián)網(wǎng)巨頭百度、阿里巴巴和騰訊(BAT)正在領導中國的人工智能市場，同時數(shù)以百計的初創(chuàng)公司也正滲透到這一產(chǎn)業(yè)中，并在各種人工智能細分市場及應用領域建立服務模型。目前，中國的人工智能領域包括：基本服務，如數(shù)據(jù)資源和計算平臺；硬件產(chǎn)品，如工業(yè)機器人和服務機器人；智能服務，如智能客戶服務和商業(yè)智能；以及技術(shù)能力，如視覺識別和機器學習。目前，語音和視覺識別技術(shù)分別占中國人工智能市場的 60% 和 12.5%。在中國，所有和人工智能相關(guān)的公司中，71% 專注于開發(fā)應用。其余的公司專注算法，其中，55% 的公司研究計算機視覺，13% 研究自然語言處理，9% 致力于基礎機器學習。人工智能前沿的重要參與者可能會繼續(xù)來自美國和中國。（高盛人工智能生態(tài)報告）