引論：我們為您整理了13篇人工智能的投資邏輯范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。

篇1

中國的人工智能時代，實際上就是互聯網和大數據時代的產業衍生。這是因為互聯網前期的高速發展，從平面互聯網到一維、二維，再到后面快速智能互聯網的發展，整個進程都是循序漸進的。而中國人工智能時代的基礎設施和基礎條件，其實也是逐漸在成熟的。云計算、智能終端、大數據、寬帶、傳感器等產業鏈逐漸成熟，也推動著人工智能的快速爆發。

滴滴出行創始人程維曾在一次演講中表示，互聯網上半場互連的機會已經過去了，下半場就是人工智能。而分享經濟，是未來20年整個互聯網時代最大的發展趨勢。新美大CEO王興也曾在一次工作會議中提出，未來大的互聯網企業，其實重點在運營。過去是做用戶、做流量，接下來的重點就是做運營。把這個點做到極致，真正使互聯網企業效率提高、成本降低、用戶體驗提升。而這三個部分要做好，其實跟人工智能有著重大的關聯。互聯網上半場連接人人的風口已經基本結束，互聯網下半場運營提升和人機連接的風口正在開始。

中國人工智能應用的產業發展也是逐漸在深化，人工智能的類型大致分為3種。第一是數據挖掘和優化以助于精準營銷部分的應用；第二是軟件、硬件控制，推動工業4.0發展；第三是人機互動，包括智能客服、服務機器人等方面的發展。相對而言，這些是目前正在快速發展的。而未來更多應用的機會將出現在在線醫療、在線教育、車聯網、無人機、工業4.0等方面。

互聯網的下半場屬于人工智能，這已經是大家的共識。但是，資本對互聯網下半場的投資邏輯又是怎樣的呢？

以啟賦資本為例。即使目前在機器人、無人機方面布局不多，但啟賦資本在在線醫療、在線教育、互聯網酒店、酒店智能化應用和工業4.0等方面都有了充分的布局。與此同時，為了獲取巨大的用戶基礎，啟賦資本還投資了大量的產業互聯網平臺型公司。而在人工智能方面，一些能夠早期布局的機會，也是比較珍貴的。

篇2

2.人工智能的研究歷史 

人工智能的發展也并不是一帆風順的，人工智能的研究經歷了以下幾個階段： 孕育階段：古希臘的亞里士多德，給出了形式邏輯的基本規律。英國的哲學家、自然科學家培根，系統地給出了歸納法。“知識就是力量”德國數學家、哲學家布萊尼茲。提出了關于數理邏輯的思想，把形式邏輯符號化，從而能對人的思維進行運 算和推理。做出了能做四則運算的手搖計算機英國數學家、邏輯學家布爾實現了布萊尼茨的思維符號化和數學化的思想，提出了一種嶄新的代數系統——布爾代數。 

第一階段： 50 年代人工智能的興起和冷落人工智能概念首次提出后，相繼出現了一批顯著的成果，如機器定理證明、跳棋程序、通用問題求解程序LISP表處理語言等。但由于消解法推理能力的有限，以及機器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。 

第二階段： 60 年代末到70 年代，專家系統出現，使人工智能研究出現新DENDRAL 化學質譜分析系統、MYCIN 疾病診斷和治療系統、PROSPECTIOR 探礦系統、Hearsay-II 語音理解系統等專家系統的研究和開發，將人工智能引向了實用化。并且，1969 年成立了國際人工智能聯合會議。 

第三階段： 80 年代，隨著第五代計算機的研制，人工智能得到了很大發展日本1982 年開始了“第五代計算機研制計劃”，即“知識信息處理計算機系統K I P S”，其目的是使邏輯推理達到數值運算那么快。雖然此計劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。 

第四階段： 80 年代末，神經網絡飛速發展1987 年，美國召開第一次神經網絡國際會議，宣告了這一新學科的誕生。此后，各國在神經網絡方面的投資逐漸增加，神經網絡迅速發展起來。 第五階段： 90 年代，人工智能出現新的研究由于網絡技術特別是國際互連網技術的發展，人工智能開始由單個智能主體研究轉向基于網絡環境下的分布式人工智能研究。不僅研究基于同一目標的分布式問題求解，而且研究多個智能主體的多目標問題求解，將人工智能更面向實用。另外，由于Hopfield多層神經網絡模型的提出，使人工神經網絡研究與應用出現了欣欣向榮的景象。人工智能已深入到社會生活的各個領域。 

3. 人工智能的發展方向 

3.1人工智能的研究新課題。人工智能的長遠目標是要創造人類智能的機器，用機器模擬人類的智能。這是一個十分漫長的過程，人工智能研究者將通過多種途徑、從不同的研究課題入手進行探索。 在近期，有幾方面的研究課題可供選擇：更完善更新的人工智能理論框架；自動或半自動的知識獲取工具；能實現海量高速存儲并具有學習功能的聯想知識庫；新型推理機制和推理機；分布式人工智能與協同式專家系統；智能控制與智能管理；智能機器人；人工智能機；新一代的電腦模型。因為人工智能的研究領域十分廣闊，它總的來說是面向應用的，主要研究領域有專家系統，有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。其發展可以歸納為：人機融合、機器智能、智能機器。 

3.2人機融合。人工智能的近期研究目標在于建造智能計算機，用以代替人類從事腦力勞動，即使現有的計算機更聰明更有用。正是根據這一近期研究目標，我們才把人工智能理解為計算機科學的一個分支。人工智能還有它的遠期研究目標，即探究人類智能和機器智能的基本原理，研究用自動機（automata）模擬人類的思維過程和智能行為。這個長期目標遠遠超出計算機科學的范疇，幾乎涉及自然科學和社會科學的所有學科。在重新闡述我們的歷史知識的過程中，哲學家、科學家和人工智能學家有機會努力解決知識的模糊性以及消除知識的不一致性。這種努力的結果，可能導致知識的某些改善，以便能夠比較容易地推斷出令人感興趣的新的真理。 

篇3

人工智能（Artificial Intelligence，簡稱AI）是計算機科學的一個分支，它探究智能的實質，并以制造一種能以人類智能相類似的方式做出反應的智能機器為目的。人工智能的產生和發展首先是一場思維科學的革命，它的產生和發展一定程度上依賴于思維科學的革命，同時它也對人類的思維方式和方法產生了深刻的變革。人工智能是與哲學關系最為緊密的科學話題，它集合了來自認知心理學、語言學、神經科學、邏輯學、數學、計算機科學、機器人學、經濟學、社會學等等學科的研究成果。過去的半個多世紀以來人工智能在人類認識自身及改造世界的道路上扮演了重要角色。一直以來，對人工智能研究存在兩種態度：強人工智能和弱人工智能，前者認為AI可以達到具備思維理解的程度，可以具有真正的智能；后者認為研究AI只是通過它來探索人類認知，其智能只是模仿的不完全的智能。

2、人工智能的發展

對于人工智能的研究一共可以分為五個階段。

第一個階段是人工智能的興起與冷落，這個時間是在20世紀的50年代。這個階段是人工智能的起始階段，人工智能的概念首次被提出，并相繼涌現出一批科技成果，例如機器定理證明、跳棋程序、LISP語言等。由于人工智能處于起始階段，很多地方都存在著缺陷，在加上對自然語言的翻譯失敗等諸多原因，人工智能的發展一度陷入低谷。同時在這一個階段的人工智能研究有一個十分明顯的特點：對問題求解的方法過度重視，而忽視了知識重要性。

第二個階段從20世紀的60年代末到70年代。專家系統的出現將人工智能的研究再一次推向。其中比較著名的專家系統有DENDAL化學質譜分析系統、MTCIN疾病診斷和治療系統、Hearsay-11語言理解系統等。這些專家系統的出現標志著人工智能已經進入了實際運用的階段。

第三個階段是20世紀80年代。這個階段伴隨著第五代計算機的研制，人工智能的研究也取得了極大的進展。日本為了能夠使推理的速度達到數值運算的速度那么快，于1982年開始了“第五代計算機研制計劃”。這個計劃雖然最終結果是以失敗結束，但是它卻帶來了人工智能研究的又一輪熱潮。

第四個階段是20世紀的80年代末。1987年是神經網絡這一新興科學誕生的年份。1987年，美國召開了第一次神經網絡國際會議，并向世人宣告了這一新興科學的誕生。此后，世界各國在神經網絡上的投資也開始逐漸的增加。

第五個階段是20世紀90年代后。網絡技術的出現和發展，為人工智能的研究提供了新的方向。人工智能的研究已經從曾經的單個智能主體研究開始轉向基于網絡環境下的分布式人工智能研究。在這個階段人工智能不僅僅對基于同一目標的分布式問題求解進行研究，同時還對多個智能主體的多目標問題求解進行研究，讓人工智能有更多的實際用途。

3、人工智能可否超過人的智能

那么人工智能可否超過人的智能呢？關于這個問題可以從下面幾個方面來分析：

首先，從哲學量變會引起質變的角度來說，人工智能的不斷發展必定會產生質的飛躍。大家都知道，人工智能從最初的簡單模擬功能，到現在能進行推理分析 （比如計算機戰勝了國際象棋世界冠軍），這本身就是巨大的量變。在一部科幻電影中，父親把兒子生前的記憶輸人芯片，裝在機器人中，這個機器人就與他的兒子死去時具有相同的思維和記憶，雖然他不會長大。從技術的角度來說，科幻電影中的東西在不久的將來也可以成為現實。到那個時候，真的就很難辨別是人還是機器了。

第二，有的人會說，人工智能不會超過人的智能，因為人工智能是人制造出來的，所以不可能超過人的智能。對于這個觀點，我們這樣想一想，起重機也是人造出來的，它的力量不是超過人類很多嗎？汽車也是人制造出來的，它的速度不也遠超過人類的速度嗎？從科學技術的角度來說，智能和力氣、速度一樣，也是人的某個方面的特性，為什么人工智能就不能超過人類的智能呢？

第三，還有的人認為，人工智能是人制造的，必有其致命的弱點，所以人的智能勝于人工智能。我認為這一點也不成立，因為人與機器人比較，也可以說有致命弱點，比如說人如果沒有空氣的話，就不能生存，就好比是機器人沒有電一樣。再比如，人體在超過一定的溫度或壓力的環境下，不能生存，在這一點上，機器人卻可以遠勝于人類。因此，在弱點比較方面，我認為人工智能的機器人并不比人差，在某些方面還遠勝于人類。

第四，隨著科學技術的發展，人工智能不單需要邏輯思維與模仿。科學家對人類大腦和精神系統研究得越多，他們越加肯定情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能不僅在于賦予它情感能力。

4、結束語

人工智能一直處于計算機技術的前沿，其研究的理論和發現在很大程度上將決定計算機技術、控制科學與技術的發展方向。今天，已經有很多人工智能研究的成果進入人們的日常生活。將來，人工智能技術的發展將會給人們的生活、工作和教育等帶來更大的影響。

參考文獻：

篇4

在這13個種類中，研究機器學習（應用）的人工智能公司數目最多，達260家，約占整個行業的30%。從區域分布情況來看，歐美等西方國家發展較為迅猛，其中美國以499家人工智能公司占據絕對主導地位，且初創公司數量眾多;而以中國為首的發展中國家在人工智能領域顯然仍處于起步階段，真正布局該產業的公司較少，以傳統互聯網巨頭進軍人工智能領域為主。

目前較為成熟的感知智能技術（如語音、視覺識別的服務、硬件產品等）的應用開發所形成的新“人工智能+”將引領產業變革，成為推動社會飛躍發展的新動力。在傳統產業，人工智能可以在制造業、農業教育、金融、交通、醫療、文體娛樂、公共管理等領域得到廣泛應用，將不斷引入新的業態和商業模式;在新興產業，人工智能還可以帶動工業機器人、無人駕駛汽車、VR、無人機等處于產業生命周期導入期的公司飛躍式發展。

從具體應用方向來看，如今十分火熱的工業4.0、人臉識別、智能答題機器人、智能家居、智能安保、智能醫療、虛擬私人助理等人工智能概念是有望得到快速爆發的重點領域。目前人工智能在圖像識別、語言識別和自然語言處理，以及人機交互、機器視覺、自動駕駛等方面都已經成功應用。

人工智能產業鏈中，基礎層是構建生態的基礎，價值最高，需要長期投入進行戰略布局;通用技術層是構建技術護城河的基礎，需要中長期進行布局;解決方案層直戳行業痛點，變現能力最強。

基礎層公司 多為傳統IT轉型

人工智能基礎層就是我們常說的大數據、云計算、CPU等。目前國內上市公司中在人工智能基礎層方面相關的公司包括久其軟件、東方國信、天璣科技、浪潮信息、恒生電子、拓爾思等。

恒生電子（600570.SH）2016年成立了恒生研究院，負責人工智能、區塊鏈、大數據等前沿技術的研發。區塊鏈課題，恒生電子作為發起單位加入了金融區塊鏈合作聯盟（金聯盟），并加入了linux基金會hyperledGEr開源項目等。

久其軟件從最初的軟件提供商到移動互聯和大數據運營的再次驗證，未來定位基于高端客戶資源大數據和移動互聯網變現的不斷執行公司。公司創立之初以報表管理軟件切入，為政府提供結構化數據分析和整理，并進一步提供完整解決方案，現已發展成集大數據、集團管控、電子政務和移動互聯領域軟件于一身的大數據解決方案提供商，A股稀缺。

拓爾思（300299.SZ）大數據服務領域稀缺純正標的。公司脫胎于北京信息科技大學中文信息處理研究中心，自1985年起便開始研究中文信息檢索，目前公司已擁有大數據領域非結構化數據處理技術，在大數據分析領域具有較高的技術壁壘，從底層技術、平臺產品到應用產品服務技術全產業鏈布局。隨著非結構化數據的地位在整個大數據領域中的不斷上升，拓爾思有望進入高速增長期。

科大訊飛（002230.SZ）是A股人工智能龍頭，公司在以“從能聽會說到能理解會思考”為目標的訊飛超腦項目上，持續加大投入，在感知智能、認知智能等領域均取得顯著研究成果。

技術及應用層公司 靠智能制造落地

人工智能技術層主要涵蓋了框架、算法、通用技術，目前人工智能算法大體上流行12種，這12種算法包括決策樹、樸素貝葉斯分類器、最小二乘法、邏輯回歸、支持向量機、集成學習、聚類算法、主成分析法、SVD矩陣分解、獨立成分分析、關聯規則、其他方法等。

人工智能算法通過AlphaGo與柯潔的人機大戰，成為當前數據分析領域中的一個熱點內容。目前通用的框架層：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系統。作為投資者或者普通消費者更多的會關注通用技術如：語音識別、圖像識別、人臉識別、NLP、SLAM、傳感器融合、路徑規劃等技術或中間件，畢竟通用技術與我們日常生活習習相關，如你們平時所能看到的智能廣告、智能診斷、自動寫作、身份識別、智能投資顧問、智能助理、無人車、機器人等場景應用。

目前，A股市場有59家公司涉足機器人產業，部分公司通過收購進入這個領域。以昆侖萬維為例，公司收購美國的機器人公司WooboInc.，致力于開發人工智能技術驅動的交互式機器人;在東方網力的18.30億元增發方案中，1.57億元擬投入智能服務機器人項目。

人工智能目前最看好生物識別，如遠方光電和佳都科技。金融科技Fintech圍繞IT與金融創新展開。虛擬的網絡戰爭已經開始，IT安全有更大的彈性。無人駕駛里有四維圖新和中海達。繞著人工智能產業鏈有很多投資機會，大數據是產業鏈發展起點，作為數據采集的關鍵通道，傳感器至關重要，如漢王科技;云計算、大數據處理技術支撐上，國內FPGA（可編程性）稀缺標的紫光國芯;人工智能應用場景上防領域佳都科技、營銷領域浙江富潤等相關的上市公司。

篇5

此前，在2月底，因為擔憂特斯拉Model 3車型今年生產時間可能推遲，以及預計該公司將出售股權募集17億美元資金，高盛分析師David Tamberrino將特斯拉股票評級從“中性”下調至“賣出”。

那么，騰訊為什么會選擇大手筆投資特斯拉呢？

財務投資 即使僅僅將其視作財務投資行為，騰訊這次買入特斯拉的股票也已經賺翻了。以美國證監會披露的交易數據計算，騰訊購入特斯拉股票的平均價格為217.69美元。截至4月3日收盤，特斯拉的股價漲到了298.52美元，也就是說這筆投資的市值已經上漲了37%。此前已有的多個交易案例也表明，騰訊絕對是個精明的投資者。

汽車業務 雖然目前僅限于持有被動股權，但特斯拉顯然與騰訊在新能源汽車上的戰略是一致的。此前騰訊一直積極投入新能源汽車，包括與富士康及和諧汽車共同成立了和諧富騰（2017年2月拆分為兩個項目，豪華電動汽車Future Mobility Corp和新能源汽車企業愛馳億維），以及以早期投資者的身份入股了蔚來汽車。騰訊擁有互聯網汽車最重要的兩部分軟資產，地圖和應用。對于特斯拉來說，中國市場的拓展也可以借助騰訊的這些相關資源。

人工智能 人工智能已經成了所有大公司難以回避的戰略方向，此前落后于競爭對手的騰訊最近明顯加大了這方面的投入和布局。就在宣布入股特斯拉之前的幾天，騰訊宣布人工智能領域科學家張潼成為騰訊AI Lab（騰訊人工智能實驗室）主任。自動駕駛可能是人工智能最接近現實的應用之一，而特斯拉在這方面有著最龐大的用戶群和最深厚的技術積累。這些都有助于騰訊增強自身在人工智能領域的實際經驗。

作為國內市值最高的互聯網公司，目前騰訊的市值超過2700億美元。同時其業績還在不斷增長，2016年的財報顯示，公司全年營收1519.38億元，同比增L48%，凈利潤414.47億元，同比增長42%。

篇6

0 引 言

智能電網是當今世界電力系統發展的重大變革，也是21世紀電力系統的重大科技創新和發展趨勢。2003年，美國“未來能源聯盟”首次提出智能電網的概念。同年，美國能源部了“Grid　2030”設想[1]，將美國的未來電力系統描述為一個完全自動化的電力傳輸網絡，能夠監視和控制每個用戶和電網節點，保證從電廠到終端用戶整個輸配電過程中所有節點之間的信息和電能的雙向流動。2005年，歐洲技術論壇（ETP）提出了“Smart　Grid”概念[2]，計劃通過智能電網的建設，向所有用戶提供高度可靠、經濟有效的電能，充分開發利用大型集中發電機和小型分布式電源，提高電網公司運營效率，降低電能價格，加強與客戶的互動，應對來自市場、安全和電能質量、環境等方面的壓力。

國內也高度重視智能電網建設。2010年6月7日，總書記在兩院院士大會上的講話中提出，要“構建覆蓋城鄉的智能、高效、可靠的電網體系”。國家科技部于2009年11月24日的《關于加快我國智能電網技術發展的報告》中提出了明確的目標和任務。國家電網公司于2009年5月了“堅強智能電網”愿景及建設路線圖。南方電網有限責任公司在2010年7月提出了“建設一個覆蓋城鄉的智能、高效、可靠的綠色電網”的目標。2011年2月，陜西省地方電力（集團）有限公司作為專業的配電網公司，聯合清華大學提出了建設“多指標自趨優”智能配電網的目標。

智能電網涉及能源、環境、社會、經濟和管理等多個學科，由于其具備系統工程和創新技術的特點，目前智能電網的研究趨向發散，對智能電網的認識多從企業自身出發，尚未收斂到智能電網本質的研究，影響和干擾了對智能電網發展方向的研判。本文在分析國內外智能電網相關研究的基礎上，結合實踐應用，溯源了智能電網的本質——智能，提出了智能電網分代標準，建立了智能電網分代模型，探討了智能電網分代的社會經濟意義。

1 國外智能電網分代研究狀況

分代研究在計算機和戰斗機等領域已經取得了共識。計算機按照所采用的電子元件，歷經了電子管計算機、晶體管計算機、集成電路計算機、大規模集成電路計算機，現在正在研發信息獲取、存儲、處理、通信與人工智能相結合的第五代計算機。20世紀40年代中期，以噴氣式發動機為動力的戰斗機出現后，按時代和技術水平，戰斗機歷經三代，目前正在研制第四代戰斗機。

由于智能電網尚未大規模應用，與計算機、作戰飛機等其他領域分代研究更注重“回頭看”的方法不同，智能電網分代更注重“向前看”，這個特點導致智能電網分層次、分步驟、分階段的研究異彩紛呈，莫衷一是。國外智能電網分代的相關研究綜述如下。

1.1 智能電網演進模型

2010年1月，加拿大學者Hassan　Farhangi從功能和投資回報率（ROI）兩個維度，提出了如圖1所示的智能電網的演進模型[3]。他認為，由于化石燃料的成本猛增，電力公司無法擴大發電能力以滿足用戶對電能不斷上升的需求，只有從配電網著手，加強需求側管理，才能保障電力公司擁有較高的ROI水平。模型表示，智能電網最初的投資用來滿足計量設備由機電式到單向自動抄表（AMR）的功能轉變，AMR具有節約人力以及時間成本的優勢，但是由于其只具有單向通信能力，無法支持電力公司依據從電表獲取數據采取調控措施。高級計量架構（AMI）能夠提供雙向的通信系統，旨在為電力公司提供實時的能耗數據，允許客戶以價格為基礎，對能源使用做出選擇。智能電網演進的最終目標是分布式控制與微網相結合的互聯電網。

1.2 智能電網持續發展理論

2011年7月，美國GridNet公司執行副總裁兼首席戰略官Andres　Carvallo和能源與IT行業學者John　Cooper合作出版了“The　Advanced　Smart　Grid　—　Edge　Power　Driving　Sustainability”一書，提出了智能電網持續發展理論[4]。書中認為第一代智能電網（Smart　Grid　1.0）實現了發電廠到終端計量設備的電流與信息流的傳輸，典型的第一代智能電網是美國科羅拉多州博爾德市智能電網的建設。下一代智能電網（Smart　Grid　2.0）將是一個集成的、先進的智能電網體系，從戰略上進行頂層設計，在組織、運行、系統集成與建模等多個維度進行柔性規劃，下一代智能電網的一些技術已經在美國奧斯汀市智能電網研究項目Pecan　Street中浮現。書中對第三代智能電網（Smart　Grid　3.0）進行了展望，并將其定義為一個基于互聯網絡的重新設計的能源系統。

1.3 智能電網層次理論

IBM高級電力專家Martin　Hauske認為智能電網的基本概念有3個主要元素：首先是廣泛連接資產與設備的傳感器；其次是數據的搜集與整合體系；最后是依據數據進行相關分析，以優化運行和管理的能力。與之對應，智能電網也就有三個層面的含義[5]：首先是利用傳感器對發電、輸電、配電、供電等關鍵設備的運行狀況進行實時監控；然后將獲得的數據通過網絡系統進行收集、整合；最后通過對數據的分析、挖掘，達到對整個電力系統運行的優化管理。因此，智能電網可以被認為是通過傳感器把各種設備、資產連接到一起，形成一個客戶服務總線，通過對信息進行整合分析，從而降低成本，提高效率和可靠性，促進管理和運行達到最優化。

1.4 智能電網成熟度模型

智能電網成熟度模型是IBM、美國生產力和質量中心（APQC）及全球智能電網聯盟（GIUNC）合作研究的成果[6]。智能電網的成熟度分為5個階段：第1階段，只有對智能電網的設想，主要工作是對技術的試驗和評價，以及建立業務模型；第2階段，企業在至少一個智能電網的重要業務領域進行投資和實施；第3階段，企業對智能電網的組成部分進行重新配置，實現業務領域整合或產業鏈升級；第4階段，實現企業范圍的跨業務綜合觀測及綜合控制，力爭形成新的經濟或商業模式；第5階段，企業有能力在新的業務、運行、環境等機會出現時，充分利用并發展壯大。

綜觀國外的相關研究，智能電網演進模型以計量系統為主線，沒有加入交易環節，同時忽視了人工智能在電網中的應用。智能電網持續發展理論有對智能電網分代以及各代相應功能的描述，但是缺乏對智能電網本質的分析，特別是對三代智能電網核心的描述。智能電網層次理論以傳感器為基礎，觸及到智能電網的基本，但是數據收集與整合體系等沒有體現人這一重要因素的參與，理論闡述不夠全面。智能電網成熟度模型實質上是智能電網的推進步驟。因此，上述研究都沒有涉及智能電網的本質。

2 智能電網的本質——智能

對國外智能電網的研究和實踐進行分析，能夠為國內的相關研究帶來啟示和借鑒。從人類認識事物的基本方法來看，對智能電網進行分代研究，必然要從智能電網的本質著手。智能電網可以認為是人工智能在傳統電網中的應用，而人工智能又起源于人類智能，因此，必須從人類智能出發，探求智能電網的本質——智能。

2.1 人類智能的發展階段

人類智能經歷了從初級到高級、從簡單到復雜的演化過程。這種過程只在個體的前十幾年表現得尤為突出，正是這一過程決定了每個人一生智能水平的高低，也決定了人類群體智能水平的多樣性。

1983年，美國學者Howard　Gardner提出多元智能理論，將智能分為語言智能、數學邏輯智能、空間智能、身體運動智能、音樂智能、人際智能、自我認知智能、自然認知智能等8個方面。瑞士心理學家Jean　Piaget從時間維度對人類智能演化規律做出經典總結，提出了人類智能發展理論[7]，將個體從出生到青年時期的智能發展水平分為感知運動階段、前運算階段、具體運算階段和形式運算階段。

雖然多元智能理論并不著眼于各個智能在個體層面的發展順序，但是結合Jean　Piaget的認知發展理論，同時根據Howard　Gardner對每種智能概念的描述，可以對智能的8個組成部分以發展為時序，在多元維度上進行歸類。在感知運動階段，空間智能和音樂智能是人類智能重點發展的部分；到了前運算階段，語言智能和身體運動智能在兒童身上表現較為明顯；數學邏輯能力和自我認知能力在具體運算階段得到了迅速發展；最后，從青少年階段開始，終其一生，對自然的認知，人際交往能力隨著閱歷的豐富、經驗的積累而日趨成熟。

2.2 人工智能是對人類智能的模擬、延伸和擴展

人類智能的演進規律遵循著Jean　Piaget的人類智能發展理論，這些研究成果也深刻地影響著另一個與之緊密相關的學科，即以計算機為基礎的人工智能的研究。人工智能最初被定義為“讓機器的行為看起來就像人所表現出的智能行為一樣”，到后期逐漸演變為讓機器擁有自己的思維。對比人類智能發展的歷程，人工智能的演進呈現出與之相似的路徑。

（1） 人工智能發展的初級階段是對人類智能的模擬。通過傳感器遠程傳送信號，需要操作者通過計算機終端控制機器執行動作，這類似于人類智能的感知運動階段，具體的應用如排爆機器人、勘探機器人等。

（2） 人工智能發展的中級階段是對人類智能的延伸。著眼于通過程序算法實現機器的邏輯運算和自我認知能力，類似于人類智能的前運算和具體運算階段。智能機器人通過處理器分析傳感器收集的信息，在無人操控的狀態下執行動作。有些智能機器人還能通過對人類語言的識別和模擬實現與人類的語言交流，如日本的ASIMO智能機器人，可以通過“腦—機”系統達到人類思維直接控制機器人的效果。

（3） 人工智能的更高階段，智能將成為一種系統層面的應用。人工智能體現出自我思維和機器情感等人類特有的能力，通過自我思維產生對外部環境的認識，通過機器感情與外部環境產生更為復雜的交互，這些能力使得人工智能發生了從模擬、延伸到擴展人類智能的突破。

2.3 智能電網是人工智能在傳統電網中的應用

智能電網建立在電力電子技術、傳感與測量技術、控制仿真決策技術、信息與通信技術、人工智能技術等基礎技術之上，以實現發電、儲能、輸電、配電、用電等環節的智能化為目的。其中，人工智能技術在推動智能電網發展中起著重要作用。

（1） 人工智能的應用能夠推動整個電力系統的發展。傳統電網存在大量非線性的、模糊的、不確定、不精確、不完全真值的問題，人工智能技術應用的目的就是解決上述問題。基于人工智能的電網故障檢測與診斷、具有靈活自愈功能的配電自動化等技術的應用表明，在期望能取得低代價的解決方法和魯棒性方面，人工智能的應用顯著改善了傳統電網對不確定、高度非線性環境的適應能力。

（2） 人工智能技術的應用體現了智能電網的本質。智能電網的本質是智能，現代人工智能技術是對人類智能的模擬，因而人工智能的應用是電網“智能化”的根本體現，人工智能技術應用使智能電網回歸到了它的本質——智能。從這種意義上說，人工智能技術是否應用是評價一個電網是不是智能電網的基本依據。

（3） 人工智能技術在電網中的應用程度體現了智能電網區別于傳統電網的特征。傳統電網未能完整地體現人工智能“感知、思維、行為”三要素，導致人的參與程度較低，傳統電網始終徘徊在由工業化主導的階段，在信息化與工業化融合時，遇到了重重困難。智能電網中，人工智能技術的廣泛應用將使得電網逐步具有模擬人類智能的能力，從而減少人的參與程度。

（4） 未來智能電網的發展中，人工智能是推動智能電網躍進發展的革命性力量。未來智能電網將是一個具有自預測、自診斷、自愈、自組織和自管理特性的電網。智能電網的躍進發展將主要依靠電網的自學習能力，人的干預將退居其次。人工智能的應用，使得電網的自學習成為可能。在可以預見的將來，除了人工智能技術，其他技術均無法有效增強電網的自學習能力。

3 智能電網分代原則、標準與模型

以上分析了智能電網的本質，以下在智能電網的本質基礎上提出智能電網分代的原則、標準以及智能電網分代模型。

3.1 智能電網分代原則

智能電網分代必須遵循以下原則：

（1） 惟一性原則：下一代和上一代的智能電網必須按照智能電網的本質進行劃分。

（2） 革命性原則：下一代智能電網必須在整體，而不是局部取得標志性進展和突破。

（3） 連續性原則：下一代智能電網發展的關鍵要素必須蘊含在上一代智能電網的發展過程中。

3.2 智能電網分代標準

智能電網的本質是智能。人工智能是人類智能應用于傳統電網的紐帶，人工智能將人類智能的8個方面歸納為“感知、行為、思維”3個要素，上述3個要素也是智能電網分代的標準。

感知是客觀事物通過感覺器官在大腦中的直接反映。在多元智能的8個方面中，感知體現語言智能、空間智能、音樂智能。感知在人工智能技術中的體現有語音識別、機器視覺等。

行為是器官對外界刺激所產生的反應。行為體現身體運動智能，行為在人工智能技術中的體現有機器人學、智能控制等。

思維是主體處理信息及意識的活動。思維體現數學邏輯智能、人際智能、自我認知智能、自然認知智能，思維在人工智能技術中的體現有知識系統、專家系統、神經網絡、進化計算等。

3.3 智能電網分代模型

智能電網發展的各階段均須具備人工智能3個要素的全部或部分，不具備3個要素的電網屬于傳統電網。依據3個要素在傳統電網中滲透與融合的深度和廣度，建立智能電網分代模型如圖2所示。

圖2中將智能電網劃分為具有以下特征的三代智能電網：

（1） 第一代智能電網：自感知智能電網（Self-sensing　Smart　Grid）。第一代智能電網在傳統電網的基礎上具備自主感知能力，是人工智能在電網中應用的初級階段。智能電網關鍵設備能夠自主感知電屬性（負荷等）和電相關屬性（溫度等）的變化，需要人參與進行決策并采取行動，第一代智能電網只具備簡單的自主決策和初級的自主行為能力。典型的自感知智能電網設備及系統如電子式及光學式互感器、智能環網柜、智能在線監測系統、智能終端等。

（2） 第二代智能電網：自適應智能電網（Adaptive　Smart　Grid）。第二代智能電網在第一代智能電網自主感知能力的基礎上，具備一定的自主決策能力和自主行為能力，是人工智能在電網中應用的中級階段，較少需要人參與就能根據感知結果進行決策并采取行動。這種感知、決策和行為是獨立的，即只在單一設備或系統局部的感知域內進行決策并根據決策結果驅動單一設備或系統局部采取行動，以達到局部最優。典型的自適應智能電網應用系統如智能調度系統、智能自愈系統等。

（3） 第三代智能電網：自趨優智能電網（Self-approximate-optimization　Smart　Grid）。第三代智能電網在第二代智能電網自主決策和自主行為能力的基礎上，是人工智能在電網中應用的高級階段，更少需要或不需要人參與就能根據感知結果進行決策并采取行動。這種感知、決策和行為是系統的、全局的，即在整個系統感知域（或子集）內進行決策并根據決策結果驅動相關（部分或全部）設備采取行動，使得電網自身狀態趨向最優。目前，已經提出來的自趨優智能電網如智能廣域機器人（Smart　Wide　Area　Robot，Smart-WAR）[8]。

4 智能電網分代的社會經濟意義

技術創新與人類解放之間的歷史發展進程表明，人的勞動方式在逐漸變化，技術創新使人在生產勞動中逐漸從事必躬親的執行者演變成監督者、命令者，這種角色的演變，反映出技術創新在人的實踐過程中所具備的強大能動作用。智能電網作為當前電網行業最重要的技術創新形式，同樣發揮著著解放人類勞動的作用，亦即電網運行中人的參與程度不斷減弱。

第一代智能電網通過技術創新實現自我感知，不但極大地拓展了認知的深度和廣度，而且還使人的身體在一定程度上獲得了解放。

第二代智能電網通過技術創新實現自我行為，將會極大地減輕人的勞動強度，甚至取代了勞動者在電網運行過程中僅有的操作、監督和控制工作，使人得以在很大程度上從體力勞動中解放出來。

第三代智能電網通過技術創新實現自我思維，“電腦”開始代替“人腦”控制電網運行，機器人勞動取代人的勞動，使人的活動逐漸從電網運行中淡出，這將使人的思維勞動強度得以極大的減輕。

以智能電網建設為標志的技術創新為電力產業提升運行管理水平，開發新產品和服務，以及延伸整個產業鏈奠定了堅實的技術基礎。隨著技術手段的革新與經營管理模式的轉變，電力產業尤其是電網企業的供給可能性邊界將極大擴展，不僅能夠滿足目前存在的潛在需求，而且還能在未來引領和創造新的需求，在供需雙方良性互動的作用下，電力產業將不斷優化升級，產業整體影響力和競爭力都會獲得顯著的提升。

5 結 語

智能電網分代是一個全新的課題，但是分代研究在計算機等其他領域并不鮮見，對這些領域進行分代的目的是通過研究“上一代是什么”來推測“下一代是什么”，因此有必要通過分代研究來預測和引導智能電網的發展方向。與其他領域分代研究更注重“回頭看”的方法不同，智能電網尚未大規模應用，分代更注重“向前看”，正是人類智能與人工智能的發展規律，奠定了我們“向前看”的基礎。未來，伴隨智能電網的深入推進，實踐應用總結出的成果和經驗，將有助于深化對智能電網本質的認識，理論的可行性與實踐的迫切要求，也必將對智能電網分代研究起到促進作用。

參 考 文 獻

[1]　US　Department　of　Energy.　Grid　2030：　A　national　vision　for　electricity's　second　100　years[R].USA：　US　Department　of　Energy　Initiative，　2003.

[2]　European　Commission.　European　technology　platform　smartgrids：　vision　and　strategy　for　Europe's　electricity　networks　of　the　future[EB/OL].　[2012-09-20].　http：//ec.europa.eu/research/energy/pdf/smartgrids_en.pdf.

[3] FARHANGI　Hassan.　The　path　of　the　smart　grid　[J].　IEEE　Power　and　Energy　Magazine，　2010，　8（1）：　18-28.

[4] CARVALLO　Andres，　COOPER　John.　The　advanced　smart　grid：　edge　power　driving　sustainability　[M].　Boston：　Artech　House　Publishers，　2011.

[5]　IBM論壇2009.　點亮智慧的地球[EB/OL].　[2012-09-25].　http：///cn/forum2009/wisdom.shtml.

篇7

對于人工智能的研究一共可以分為五個階段。第一個階段是人工智能的興起與冷落，這個時間是在20世紀的50年代。這個階段是人工智能的起始階段，人工智能的概念首次被提出，并相繼涌現出一批科技成果，例如機器定理證明、跳棋程序、LISP表處理語言等。由于人工智能處于起始階段，很多地方都存在著缺陷，在加上對自然語言的翻譯失敗等諸多原因，人工智能的發展一度陷入了低谷。同時在這一個階段的人工智能研究有一個十分明顯的特點：問題求解的方法過度重視，卻忽視知識重要性。第二個階段從20世紀的60年代末到70年代。專家系統的出現將人工智能的研究再一次推向。其中比較著名的專家系統有DENDAL化學質譜分析系統、MTCIN疾病診斷和治療系統、Hearsay-11語言理解系統等。這些專家系統的出現標志著人工智能已經進入了實際運用的階段。同時國際人工智能聯合會于1969年成立。第三個階段是20世紀80年代。這個階段伴隨著第五代計算機的研制，人工智能的研究也取得了極大的進展。日本為了能夠使推理的速度達到數值運算的速度那么快，于1982年開始了“第五代計算機研制計劃”。這個計劃雖然最終結果是以失敗結束，但是它卻帶來了人工智能研究的又一輪熱潮。第四個階段是20世紀的80年代末。1987年是神經網絡這一新興科學但是的年份。1987年，美國召開了第一次神經網絡國際會議，并向世人宣告了這一新興科學的誕生。此后，世界各國在神經網絡上的投資也開始逐漸的增加。第五個階段是20世紀90年代后。網絡技術的出現于發展，為人工智能的研究提供了新的方向。人工智能的研究已經從曾經的單個智能主體研究開始轉向到基于網絡環境下的分布式人工智能研究。在這個階段人工智能不僅僅只對基于同一目標的分布式問題求解進行研究，同時還對多個智能主體的多目標問題求解進行研究，讓人工智能有更多的實際用途。

3對人工智能的思考

3.1人工智能與人的智能

從哲學上的量變引起質變的角度來講，人工智能在不斷的發展過程中一定會產生質的飛躍。在最初，人工智能只具有簡單的模擬功能，但是發展到現在已經具備了思考的能力（邏輯推理分析），這已經表明人工智能在不斷量變的過程中已經發生了質變。有人認為有人會說人工智能不會超過人類的智能，理由是人工智能是人類創造出來的。但是現實中很多人類創造出來的東西已經在某一些方面超過了人類本身的能力，例如起重機的力氣超過人類很多；汽車速度也遠超過人類的速度。人類之所以會制造出各種各樣的工具，其目的就是希望自身的能力能通過這些工具進行延伸和突破。人類研究人工智能就是希望人工智能幫助人類實現人類某些無法實現的東西。還有人認為人工智能是人類創造出來的，所以它一定存在著致命的弱點，也因此人的智能優于人工智能。但是殊不知人類與機器相比也有著十分明顯的弱點，例如人類所需要的生存條件比機器更加的嚴格，人類思維會受到人的情緒所影響，而機器只是受到程序的影響，它們沒有情緒的起伏。就目前的人工智能而言，它們在某一些領域比人類更強。但是目前我們必須正視人工智能的一些還沒有辦法改變的缺陷，那就是人工智能的學習能力與創新能力。人工智能的知識獲取大部門都是人為的進行灌輸，而無法像人類自身那樣進行主動的學習。同時人工智能只能夠利用已有的知識去解決一些問題，但是卻還不能夠創造性的提出一些新的東西。

3.2對機器人三大定律的困惑

美國最著名的科普作家艾薩克．阿西莫夫提出過比較著名的機器人三大定律：第一定律，機器人不得傷害人，或任人受到傷害而無所作為；第二定律，機器人應服從人的一切命令，但命令與第一定律相抵觸時例外；第三定律，機器人必須保護自身的安全，但不得與第一、第二定律相抵觸。雖然這只是科幻作家所提出的一家之言，但是也代表了人類對與人工智能發展的一種期望與擔心。人們害怕自己所創造出來的人工智能會傷害人類自己。但是阿西莫夫所提出三大定律都是以人類為中心的，而忽視了人工智能本身。或許這是人類的一種天性，世間所有的事物都應該圍繞人類自身來定義、發展。就好像人類自以為掌控了能夠改變大自然的力量，最終卻被大自然反噬一樣。同時，隨著科學技術的發展，人工智能已經不單單需要邏輯思維與模仿，同時還應該將情感賦予人工智能。因為隨著科學家對人類大腦和精神系統的研究的深入，已經愈來愈肯定情感是智能的一部分。如果人工智能具有了情感之后，人類的自我中心又是否會傷害到人類自己創造出來的人工智能。

3.3對人工智能未來的思考

篇8

互聯網金融經歷了過去幾年的高速發展后，帶給了人們新的感受。隨著2016年4月12日，國務院印發《互聯網金融風險專項整治工作實施方案》以來，整個行業正在進行一次“價值回歸”，P2P等平臺類模式正在減少，靠著拼渠道、流量和高收益的紅利時代已經過去，精細化、差異化、技術化的運營和創新將是互聯網金融這個階段的主題，人工智能將在互聯網金融領域發揮越來越重要的作用。

一直以來，金融領域個性化的服務都是依賴于“人”的服務。但從2016年開始，機器正在嘗試取代人在財富管理服務中的位置，隨之而來的是智能投顧服務。舉個例子，在美國，券商、資管紛紛開始設立互聯網金融平臺，以互聯網財富管理類的服務為主，目的是捕獲更多中小投資者，在現有的證券業務體系之外培育新的增長點。貝萊德收購Future Advisor、Fiidelity與Betterment展開戰略合作、Vanguard推出自己的智能投顧服務、嘉維證券與宜信合作進入中國市場開展智能投顧服務。這樣的例子還有很多，這背后是傳統金融機構對技術所能產生的勢能的認可。國內的智能投顧玩家也很多。其中，宜信和品鈦這樣的在新興市場上已經相對成熟的公司已經推出了自己的智能投顧服務。此外，還有大量早期創業公司直接以此為方向，比如彌財、錢景財富、藍海財富等。

二、人工智能在互聯網金融領域的應用情況

（一）人工智能在互聯網金融領域應用的必然性

2016年以來央行、其他部委以及最高法院都了關于互聯網金融的指導意見，分別是《關于促進互聯網金融健康發展的指導意見》、《非銀行支付機構網絡支付業務管理辦法》以及《最高人民法院關于審理民間借貸案件適用法律若干問題的規定》。這些政策性文件的出臺，預示著這個行業在政策紅利和邊界較為模糊的情況下實現的業務的快速發展模式已經走到了盡頭。隨著后期監管文件的逐步下發，門檻的設立，要求的標準化，很多后來者已經喪失了最好的入局機會，而現有的穩健平臺，則迎來了最好的發展機遇。對于互聯網金融企業而言，要適應政府的監管，獲得客戶的支持，要取得自身的發展，只能依托于人工智能。長時間以來，人工智能在互聯網金融領域的應用及重要性被頻繁提及。近日，《中國互聯網金融發展報告（2016）》新書在京，該《報告》執行主編、中科金財董事長朱燁東表示，未來互聯網金融行業發展將逐漸走向正規、規范，移動支付的不可逆轉，大數據、云計算在互聯網金融的核心地位進一步加強，金融科技將成為未來互聯網金融發展的主要趨勢。

（二）人工智能極大提高了互聯網金融的效率

作為百業之母的金融行業，與整個社會存在巨大的交織網絡，沉淀了大量有用或者無用數據，包括各類金融交易、客戶信息、市場分析、風險控制、投資顧問等，數據級別都是海量單位。同時大量數據又是非結構化的形式存在，如客戶的身份證掃描件信息，既占據寶貴的儲存資源、存在重復存儲浪費，又無法轉成可分析數據以供分析。金融大數據的處理工作面臨極大挑戰。通過運用人工智能的深度學習系統，能夠有足夠多的數據供其進行學習，并不斷完善甚至能夠超過人類的知識回答能力，尤其在風險管理與交易這種對復雜數據的處理方面，人工智能的應用將大幅降低人力成本并提升金融風控及業務處理能力。

說到人工智能，不得不提的一定是AlphaGO，但是在互聯網金融領域，有一個比AlphaGO更加強勢的公司，這家公司的名字叫Kensho。這是以前高盛出來的分析師團隊，把整個高盛的經驗模擬，通過機器取代現在大量的人工，進行相應的投資、分析、決策。而且在信息，在互聯網傳播非常快的時候，他們去除掉了大量的噪聲，回歸到這個事情的本質。很快高盛發現了這家公司的發展速度和未來價值，直接把它私有化，直接變成第一大股東，因為發現這中間帶來的差別是這個企業的核心競爭力。

Kensho公司的核心技術就是能在兩分鐘之內做出一份一份簡明的概覽，隨后是13份基于以往類似就業報告對投資情況的預測。而你根本就不需要去檢查這些數據分析，因為這些分析是基于來自十個數據庫的成千上萬條數據。如果沒有這些人工智能，分析師們可能要花上幾天的功夫收集梳理這些數據，而等他們分析完成后，市場的行情早瞬息萬變。

可見，人工智能的引入對于互聯網金融領域的效率提高是呈幾何式的，你很難想象也不敢相信這么一個事實：未來的投資大師們可能是一堆機器。

（三）人工智能將互聯網金融帶入智能金融時代

互聯網金融發展至今一共經歷了兩個階段：第一個階段是網絡金融，把現有的金融產品搬到互聯網上，互聯網上面現在賣基金、賣理財、賣信托、賣保險。第二個階段是大數據金融階段，通過數據重新去定義相應的金融產品和相應的金融服務。第三個階段正在萌芽，就是人工智能+互聯網金融的階段，網絡上有人稱之為智能金融時代。

從目前寧波當地的互聯網金融企業發展來看，目前還停留在“互聯網+金融”的模式：在傳統金融服務上進行疊加，將互聯網式思維、互聯網式管理、互聯網式數據融合進傳統金融服務，而這正是現在大部分互聯網金融服務提供商正在做的事情。“互聯網+金融”的模式也正在讓金融進入“普惠金融”的階段，通過互聯網金融對傳統金融機構進行補充，讓更多的人平等的享受到金融服務。但是，“互聯網+金融”的模式下，信息安全、投資風控、資產調節等方面問題仍然存在，一定程度上說，互聯網增加了信息風險，也正是如此，摸索期的互聯網金融行業才會出現P2P跑路的現象，僅2015年，寧波當地的P2P公司跑路就多達9家之多。

人工智能是大趨勢，從阿爾法狗的表現以及人工智能在互聯網金融領域的運用來看，互聯網金融在人工智能的改造下將不再局限于“互聯網+金融”，而是逐漸向“互聯網+金融+大數據+人工智能”轉變。人工智能起到串聯起互聯網、金融、大數據，實現更加智能的精確計算的作用，實現大腦一般的思考，解決“互+金”模式下的諸多痛點。

從理財顧問、征信助手、智能風控系統、防范性金融系統這四個層面來看，整個互聯網金融領域正在朝著越來越“技術范兒”的方向上前進，金融智能化成為大勢所趨。智能金融的機器學習功能，讓產品背后的邏輯系統可以快速適應場景數據，建立合適的評分規則、決策體系，真正給現在的互聯網金融帶來顛覆性的變化。無論是消費金融領域還是風控層面上，互聯網金融在人工智能的配合下正在呈現出無與倫比的嶄新打法。這也正是阿爾法狗打敗李世石之后，給金融智能化帶來的全新想象。

（四）人工智能將顛覆互聯網金融時代的風控體系

匯總整個互聯網金融本質，其實存在兩個層次風險，一是道德風險，二是經營性風險。面對2016年不斷有“跑路”等負面消息縈繞的互聯網金融，去偽存真或成為首要任務。一些企業資金并沒有進入到實體業務，而是進入龐氏騙局，而去年出臺的監管意見征求稿，監管層管理方向還是較為清晰的，希望通過資金的有效監控，將企業資金與個人用戶之間的資金進行分離，規避風險。然而人力畢竟有限，不可能時刻緊盯住所有互聯網金融機構，這時引入人工智能監管就十分必要。

人工智能已經在無人駕駛、圖像處理、語音識別方面取得了突破性的應用，那互聯網金融領域呢？李開復老師曾談及人工智能應用的三個要素：數據、處理數據的能力和商業變現的場景。人工智能解決金融界問題的過程，很好的對應了這三個要素。也許，金融領域是人工智能最合適不過的顛覆場景。

在金融業務的前端，已經有不少傳統銀行將人工智能用于為客戶定制服務，開發理財產品的應用。例如巴克萊銀行和花旗銀行等。國內銀行中走在科技前列的招商銀行，也開始試用全新的人工智能業務模式。未來人工智能和機器學習技術在金融業前端會有更多的便捷精準服務提供給客戶。

那么金融應用領域的后端呢？信息安全、投資風控、資產管理等方面的問題成了新問題，對于躲在觸屏手機背后的客戶，缺失了央行數據的客戶，銀行沒有辦法通過一雙雙眼睛去看到用戶是謙謙君子還是騙子流氓。這個時候，金融后端，傳統金融風控手段覆蓋不到和難以觸及的，那么“互聯網+金融”業務就要結合更廣泛的互聯網數據和人工智能手段，來處理更廣泛的金融客戶問題。

（五）人工智能技術在金融領域應用案例

Google、IBM等國際巨頭公司已經將人工智能技術滲透在各種產品的方方面面，總體上看，國內金融行業也逐步開始應用人工智能技術，隨著國內雙創政策的推動和對人工智能產業的投資拉動，預計廣泛應用節點即將到來。

1.阿里巴巴旗下的螞蟻金服下設一個特殊的科學家團隊，專門從事機器學習與深度學習等人工智能領域的前沿研究，并在螞蟻金服的業務場景下進行一系列的創新和應用，包括互聯網小貸、保險、征信、智能投顧、客戶服務等多個領域。根據螞蟻金服公布數據，網商銀行的花唄與微貸業務上，使用機器學習把虛假交易率降低了近10倍，為支付寶的證件審核系統開發的基于深度學習的OCR系統，使證件校核時間從1天縮小到1秒，同時提升了30%的通過率。以智能客服為例，2016年“雙11”期間，螞蟻金服95%的遠程客戶服務已經由大數據智能機器人完成，同時實現了100%的自動語音識別。當用戶通過支付寶客戶端進入“我的客服”后，人工智能開始發揮作用，“我的客服”會自動“猜”出用戶可能會有疑問的幾個點供選擇，這里一部分是所有用戶常見的問題，更精準的是基于用戶使用的服務、時長、行為等變量抽取出的個性化疑問點；在交流中，則通過深度學習和語義分析等方式給出自動回答。問題識別模型的點擊準確率在過去的時間里大幅提升，在花唄等業務上，機器人問答準確率從67%提升到超過80%。

2.2015年，交通銀行推出智能網點機器人，并引發了金融銀行界的廣泛關注。它為實體機器人，采用語音識別和人臉識別技術，可以人機進行語音交流，還可以識別熟悉客戶，在網點進行客戶指引、介紹銀行的各類業務等。在語言交流過程中，它能回答客戶的各種問題，緩解等待辦理業務的銀行客戶潛在情緒，分擔大堂經理的工作，分流客戶，節省客戶辦理時間。

3.百度教育信貸實現“秒批”。“人工智能對于金融也會產生變革性影響，可以真正做到讓征信升級”。6月8日，在2016百度聯盟峰會上，百度董事長兼首席執行官李彥宏特別提到人工智能正在重構包括金融在內的傳統產業。他特別強調，“現在百度的教育貸款，基本上是以‘秒’的時間可以決定是不是給一個人貸款。”李彥宏講到的百度教育信貸的“秒批”，其具體的操作程序非常簡單，用戶想要獲取百度消費信貸服務，只需在百度錢包APP“教育貸款”板塊上傳身份證，系統就能自動比對、確認用戶身份信息，并根據信用記錄判定用戶所需的服務類型或額度，不僅能實現遠程審批，審批時間更可縮短至“秒批”級別。秒批依靠的是百度以大數據和人工智能為基礎的嚴謹風控體系。借助“大數據+人工智能”技術，百度風控部門為有信貸需求的群體繪制用戶畫像，建立信用體系，加上圖像識別等人工智能技術的實際應用，構成了秒批的技術基礎。

篇9

余來文，江西財經大學應用經濟學博士后、博士生導師、創業導師、野文投資董事長、文字傳媒董事長，《商業智慧評論》和《創業管理評論》出品人，并任江西財經大學、江西師范大學、江西理工大學、香港公開大學、澳門城市大學、亞洲城市大學等外聘MBA課程教授或創業導師。曾在海王集團、遠望谷股份、飛尚集團等公司工作，歷任副總經理、總經理等職務，為大潔王集團、南華西集團、銅川礦務局、陜西煤業集團等公司提供管理咨詢。先后在《管理科學》《北大商業評論》《銷售與管理》《中國經營報》《CHINA DAILY》以及人大報刊復印資料轉載等雜志報紙200余篇。出版《智能革命：人工智能、萬物互聯與數據應用》《分享經濟：網紅、社群與共享》《共享經濟：下一個風口》《互聯網：商業模式顛覆與重塑》《商業模式創新》《互聯網思維2.0：物聯網、云計算與大數據》《企業商業模式：互聯網思維的顛覆與重塑》等30多本圖書。林曉偉，江西財經大學管理學博士，現為閩南師范大學商學院副教授，福建省“新世紀”人才。先后在《系統管理學報》《經濟管理》《國際貿易》《當代財經》《中國社會科學報》《中央財經大學學報》《現代管理科學》等國內核心刊物20余篇，出版專著1部，參與編寫《智能時代：人工智能、超級計算與網絡安全》《電子商務：分享、跨界與電商的融合》《互聯網思維2.0：物聯網、云計算與大數據》《企業商業模式運營與管理》《物流學》《財務管理》和《會計學》等圖書。主持福建省級課題4項，先后參與國家自然科學基金項目等省部級以上課題9項，參與詔安縣農業和扶貧“十三五”規劃編制工作。主要研究方向為物流與供應鏈管理、產業互聯網、企業商業模式。

目

錄

1 第1章 智能時代

2 開章案例

6 1.1開啟智能時代

7 1.1.1 Mr Smart——我的智能生活

13 1.1.2智能時代之認知顛覆

18 1.1.3人工智能——工作“終結者”

19 1.1.4新產業的催生——“智”家幫的興起

25 1.2迎接嶄新的智能社會

25 1.2.1“數字化”——智能社會的“快引擎”

26 1.2.2“信息化”——智能社會的“大動脈”

27 1.2.3“網絡化”——智能社會的“高速路”

28 1.2.4“集成化”——智能社會的“點金石”

29 1.2.5“公共化”——智能社會的“新時代”

32 1.3智能生態——智能時代的終極奧義

32 1.3.1傳統工業邏輯的顛覆式創新

36 1.3.2人人創造，智能時代新分子

37 1.3.3用戶“雙力”：參與力創造力

38 1.3.4“智”之大器之智能整合

39 1.3.5未來人工智能生態圈

42 1.4智能時代的內核

42 1.4.1人工智能之先發“智”人

45 1.4.2超級計算之千手“算”音

46 1.4.3云端服務之無上“云”法

47 1.4.4網絡安全之“安全”衛士

51 章末案例

56 第2章 人工智能

57 開章案例

62 2.1人工智能：讓機器更聰明

62 2.1.1人機大戰：阿爾法狗與柯潔

64 2.1.2人工智能與智能機器人

67 2.1.3機械思維向左，智能思維向右

68 2.1.4人機融合：超人類智能時代

72 2.2人工智能新認知

75 2.2.1解密人工智能

76 2.2.2重要的是數據，而非程序

77 2.2.3淘汰的不僅是工作，更是技能

80 2.2.4超人工智能時代

82 2.3大數據與人工智能

82 2.3.1數據驅動智能革命

85 2.3.2數據挖掘：從大數據中找規律

86 2.3.3大數據的本質：數據化

89 2.3.4大數據——人工智能的永恒動力

90 2.4人機融合：連接未來

93 2.4.1人工智能之“星際迷航”

95 2.4.2機器學習與人工神經網絡

96 2.4.3超越未來：人工智能之深度學習

101 2.4.4 人工智能之前世今生

102 2.4.5 人機融合：未來ING

104 章末案例

109 第3章 超級計算

110 開章案例

114 3.1大話超級計算機

114 3.1.1 超級計算知多少

115 3.1.2 從數據到超級計算的飛躍

117 3.1.3 大千世界，“數”在掌握

119 3.1.4 數據流——“超算流體”

122 3.2時代新寵——超級計算機

123 3.2.1 超級計算，未來國之重器

124 3.2.2 超算之不得不懂

126 3.2.3 大國超算之超常發展

132 3.3超級管理

132 3.3.1 數據收集——“超管”之“核基礎”

132 3.3.2 數據存儲——“超管”之“核聚變”

133 3.3.3 數據處理——“超管”之“核爆炸”

136 3.3.4 超級計算安全

137 3.4表演時間：超算之應用舞臺

137 3.4.1 互聯網應用：“互聯”的二次方

140 3.4.2 電子政務應用：政務“超算”跨時代

141 3.4.3 精準醫療應用：超算醫療，快，準，狠

145 3.4.4 智能交通應用：數據出行，悠哉，享哉

146 3.4.5 金融投資應用：“超算”致富經

149 3.4.6 新零售應用：“超”未來，“算”零售

153 章末案例

159 第4章 云端服務

160 開章案例

164 4.1云服務——“云”上境界

164 4.1.1 走進“云”化時代

168 4.1.2 享受云生活

172 4.1.3 幕后英雄——云計算推動“團隊”

173 4.2直擊云計算

174 4.2.1 云計算為何物

178 4.2.2 云計算從哪里來

179 4.2.3 虛擬化，一切皆有可能

181 4.2.4 云計算未來規模

183 4.3雙重界：云計算與虛擬網絡

183 4.3.1 云計算與虛擬網絡關系

184 4.3.2 云服務之“虛化”技術

189 4.3.3 虛擬服務器——“虛化”技術承載終端

193 4.3.4 多云大融通——云存儲設備

195 4.3.5 有備無患——云資源備份

198 4.4“三云”家族：公有云私有云混合云

199 4.4.1 公有云——“云”家必爭之地

201 4.4.2 私有云——私享“云端”之上

203 4.4.3 混合云：公私合并——“云端”最強音

207 4.5云應用——“云端”的機智強大

207 4.5.1 云應用：極致“云”風暴

210 4.5.2 云應用、云服務與云計算

211 4.5.3 AI云運用=“云端”最強音

212 章末案例

218 第5章 網絡安全

219 開章案例

223 5.1直擊網絡安全

223 5.1.1 計算機安全——21世紀的重點“安全區”

224 5.1.2 網絡安全：居安思危，嚴陣以待

227 5.1.3 安全攻擊之“四面”埋伏

228 5.2不得不知的網絡安全

229 5.2.1 網絡安全之認知“大充電”

232 5.2.2 網絡安全風險之危機四伏

236 5.2.3 網絡安全的“威脅危邪”

241 5.2.4 安全管理“六板斧”

242 5.3網絡“歪腦筋”：犯罪與黑客

243 5.3.1 網絡犯罪——犯罪“新境界”

246 5.3.2 黑客攻擊：高智商罪犯的攻擊

247 5.3.3 黑客攻擊“六”手段：智、快、狠

250 5.4無處不在的安全管家——網絡安全管理

250 5.4.1 網絡安全“密匙”：加密安全

254 5.4.2 保密系統：守口如瓶，從一而終

256 5.4.3 智能防火墻——安全防護之智能乾坤

260 5.4.4 網絡安全未來式：量子通信

264 章末案例

篇10

那么，到底什么是人工智能？我們又該如何解讀這兩方觀點？為此記者專訪了硅谷著名早期基金TEEC Angel Fund的幾位投資合伙人Jinlin Wang、Wenxiang Ma以及Xuhui Shao。

“超人工智能”引發最多爭議

在討論未來工程師會不會被機器取代這一問題之前，首先需要明確的是人工智能的定義以及分類。事實上，自人工智能誕生以來，其理論和技術日益成熟，應用領域也不斷擴大。TEEC Angel Fund的幾位受訪合伙人向記者介紹，根據人工智能的實力不同，目前業界一般將人工智能技術分為三大類：

首先，弱人工智能Artificial Narrow Intelligence (ANI):弱人工智能是擅長于單一方面的人工智能。比如有能戰勝象棋世界冠軍的人工智能，但是它只會下象棋，你要問它怎樣更好地在硬盤上儲存數據，它就不知道怎么回答你了。

其次，強人工智能Artificial General Intelligence (AGI):人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創造強人工智能比創造弱人工智能難得多，我們現在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作。”強人工智能在進行這些操作時應該和人類一樣得心應手。

再次，超人工智能Artificial Superintelligence (ASI):牛津哲學家、知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。”超人工智能可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍。

“事實上，超人工智能正是為什么‘人工智能’這一話題總能引起業界熱議的最重要的原因，同樣它也是引發‘人工智能的未來是工程師的消失的還是人人都是工程師’這一爭論的本質源泉。”TEEC Angel Fund投資合伙人Jinlin Wang向記者表示。

正方觀點：工程師將會消失？

對于未來工程師會不會被機器取代這一問題，Jinlin Wang認為，或許存在這樣的可能性。

目前，即使計算機軟件不斷發展，但是對于工程師而言，一個非常出色的工程師和一個一般的工程師之間的差距也是非常巨大的，這正是硅谷各大公司之間人才戰的原因——找到一個好的工程師是很不容易的。但未來，當人工智能發展到一定階段，機器足夠強大到可以獨立自發地完成軟件開發從架構到前后端等的整體過程，那么，或者到那時人類將不再需要軟件工程師。

“目前，硅谷各大公司都十分關心未來軟件發展戰略的問題，未來5至10年，或許人工智能可以發展到一個階段，目前仍舊依靠人工出產的軟件可以由機器自動完成，”Jinlin Wang表示，“雖然目前，機器能不能強大到設計出更強大的機器我們尚未可知，但是一旦在未來做到了這一點，那么工程師或許就將集體消失在歷史舞臺了。”

對此，Jinlin Wang還強調，機器自動完成軟件設計雖然目前看起來有些不切實際，但是并不意味著沒有這樣的可能性。“目前，隨著計算機計算能力等性能的不斷提升，以往很多看似不可能的事情正在變為現實，比如，以往純手動完成的日程安排等工作，在未來有望借助機器自動完成——硅谷某家做Scheduling Software的創業公司正在致力于用機器解決這樣的事情，未來或許借助于人工智能軟件，公司可以自動化地安排和調整日程計劃，假設公司的一個員工突然生病了，兩秒之后軟件可以重新把公司人員日程重新進行調整和安排。”

的確，如果未來，智能機器自己可以設計出更加智能的機器，那么也許我們將不再需要任何工程師了。對此，連比爾·蓋茨也認為如果按照現在人工智能的發展程度，那么未來可能所有的人類都會集體失業。

反方觀點：人人都是工程師？

同時，對于“未來工程師會不會被機器取代”這一問題，Wenxiang Ma告訴記者，在硅谷，目前有另一派學者卻認為答案是否定的，他們認為機器有其自身局限性，無法完全替代人類，于此同時，隨著各種軟件架構(Framework)以及工具的出現，未來編程門檻將進一步降低，屆時人人都將成為軟件工程師。

“對于機器取代工程師，反對派們認為，現在提及‘文盲’這個詞，大家會理解為這個人沒有讀過書、不識字，但是可能未來的文盲或者就是指這個人不懂編程，”Wenxiang Ma表示，“事實上，未來不論人工智能怎樣先進，都仍要依靠人為來定義軟件的邏輯——短時間看，機器無法完全脫離人類的指導而自行完成軟件設計和開發過程。這是因為，機器本身就是人的產物，是人編寫出來的，因此它們自身具有局限性，也必須依靠人來幫助機器進化。”

與此同時，另一個趨勢是，過去幾年的發展使得軟件開發的門檻越來越低，很多公司研發了很多架構(Framework)以及工具，例如Google的AngularJS、Facebook的React等，使得編程變得越來越容易。目前很多公司正在使用這些架構，僅需1到3個月就可以完成他們的軟件開發。“這是以前不可能發生的事情。事實上，目前的架構仍不足夠先進，等到這些架構先進到一定程度的時候，編程的門檻將前所未有地降低，屆時所有人都將變為工程師，未來有一天，編程也將變得像小孩搭積木一樣簡單。”

問題關鍵：機器是否具備自我學習能力

那么，對于上述正反兩方的觀點，問題的關鍵或者癥結在哪里呢？對此，TEEC Angel Fund的投資合伙人Xuhui Shao認為，轉折點或者在于機器是否在未來的某一天具備自我學習和進化的能力。

篇11

2016年3月，DeepMind研制的人工智能圍棋系統AlphaGo以4：1的戰績擊敗了韓國的圍棋高手李世石，把世界對人工智能的關注推向了前所未有的。各種各樣的議論噴涌而出。悲觀者大呼：“人工智能對于人類的潛在威脅太嚴重，應當通過立法限制甚至禁止人工智能的研究”；樂觀者高喊：“人工智能是人類的真正福音，只要把自己的思想意愿轉嫁給人工智能機器，人類就可以通過機器來實現長生不老的千年夢想”。在科技界，人們則在激動著、討論著：我們應當在什么樣的熱點技術上發力？是深度學習？是認知技術？還是類腦計算？

回想這些年來，互聯網、云計算、大數據、物聯網、移動互聯、智能制造、智慧城市、人工智能、機器人一波又一波的高新技術登臺亮相，中國科技界、教育界和產業界都在一個個地緊緊追趕。雖然在跟蹤追趕的過程中取得了不菲的進展，但是人們不禁都在思考：對于人工智能來說，當前社會的需求是什么？什么才是有效的創新戰略？怎樣才可以擺脫跟蹤追趕的被動局面，爭取到引領創新的話語權？

發展人工智能不應當是一種孤立性、局部性的行動，而應當是能夠帶動和引領整個科學技術的創新和發展。

1 人工智能是當代重要交叉科學群的創新前沿

為了闡明“人工智能是當代重要交叉科學群的創新前沿”這個論斷，需要逐個澄清相關的基本概念，包括：什么是人工智能？什么是當代的重要交叉科學群？以及什么是當代重要交叉科學群的創新前沿？

1.1 什么是人工智能

人工智能是一門“探索人類智能機理，創制人工智能機器，增強人類智力能力”的科學技術。從這個意義上可以理解，只要人類的智力能力得到了增強和擴展，人們從事各種科學技術以至各種經濟社會活動的智力能力就會得到有效提升，從而能夠有效促進各行各業的創新與發展。

那么，什么是人類智能？人類智能主要表現在人類主體為了不斷改善生存發展的水平而發現問題、定義問題、解決問題的能力。其中，發現問題和定義問題的能力依賴于主體的目的、知識、直覺、理解力、想象力、靈感、頓悟、審美等內在能力，因此被稱為“隱性智能”；解決問題的能力則主要依賴于獲得信息，生成知識，創生策略等外顯能力，因此被稱為“顯性智能”。

顯然，隱性智能十分抽象，幾近神秘，不僅研究起來甚為困難，就連理解起來也頗感玄奇，而顯性智能則相對可理解，可研究。因此，人工智能研究遵循的原則是：基于人類主體給定的問題、知識、目標（這就是人類發現問題和定義問題的能力）這些前提，研究如何利用信息、生成知識、創生策略來解決問題，達到目標。也就是說，人工智能的研究遵循人類智能與人工智能相結合的原則：人類智能負責發現和定義問題，人工智能則負責在人類所給定的問題框架下解決問題。這樣，人工智能機器就可以成為人類認識世界和改造世界的聰明助手。

由此可見，沒有生命，沒有目的，沒有靈感，也沒有審美能力的人工智能機器系統，原則上不具有隱性智能的能力，因而不可能獨立地發現問題和定義問題，只能在人類所發現和所定義的問題框架下去解決問題。因此，人工智能超越人類的恐懼缺乏科學根據。

1.2 什么是當代重要的交叉科學群

當今的時代是信息時代，認識信息資源和利用信息資源為人類服務的信息科學是當今時代的標志性科學。具體來說，信息科學是“研究信息的性質及其運動規律的科學”，也就是以信息為研究對象，以信息的性質及其運動規律為研究內容，以信息科學方法論為研究指南，以增強和擴展人類信息功能（全部信息功能的有機整體就是人類的智力功能）為研究目標的科學。換言之，信息科學的研究目標就是擴展人類的智力功能，而研究信息的性質及其運動規律和信息科學方法論都是為了實現擴展人類智力功能這個目標服務的。

由此就可以清楚地理解：人工智能的研究是信息科W的最高目標，也是信息時代科學技術發展的基本目的；而為了使人工智能系統能夠在人類發現和定義的問題框架下成功地解決問題，人工智能的研究必須從人類求解問題的能力中得到啟發。這表明，人工智能的研究需要向認知科學學習，因為認知科學就是研究人類自己是如何面對問題解決問題的。另一方面，認知科學所研究的人類解決問題的機理又建立在腦科學的基礎之上，因此，人工智能的研究必須理解腦科學的工作機理。再者，人類發現問題、定義問題、解決問題的能力并不是永遠固定不變的，而是不斷進化和發展的。因此人工智能的研究還必須學習信息生物學，后者深刻地研究和揭示了人類能力不斷進化的機制。可見，腦科學、認知科學、信息科學、信息生物學、人工智能是當代最具重要意義的交叉科學群。這個科學群還包含更多的學科，恕不一一闡述。

1.3 什么是當代重要科學群的創新前沿

雖然腦科學、認知科學、信息科學、信息生物學、人工智能各有各的研究內容，但是所有這些學科共同的目標都是智能，如人類的智能（腦科學）、生物的智能（信息生物學）、人類智能的物質基礎（腦科學）、人類智能和生物智能的工作機理（認知科學）、人類智能和生物智能的進化機制（認知科學與信息生物學）、人類智能的信息基礎和研究方法論（信息科學）、人類智能的機器模擬和實現（人工智能）等。

所以，人類智能和人工智能是當代這一重要交叉科學群共同的創新前沿。人們對于腦科學、認知科學、信息科學、信息生物學的理解深化了，就會促進人工智能研究的發展；反之，一旦人工智能的研究取得了突破和創新，也必然能夠帶動腦科學、認知科學、信息科學、信息生物學的突破與創新。

2 中國人工智能發展的現狀：差距與優勢

中國人工智能的發展現狀，大家平日都親身感受得到，應當比較熟悉，似乎無需贅言；但是國情是我們思考問題的基礎，因此不可不察。而且，我們對于中國在人工智能發展方面所存在的差距和優勢的認識，確實還有必要進一步深化。

2.1 差距：顯差距，隱差距

大家都意識到，中國在人工智能的發展方面確實存在不少的差距。普遍J為，由于中國缺失了工業革命這個歷史階段的洗禮，因此在工業基礎和工藝水平方面天然存在明顯的不足。特別是中國微電子工業領域的高性能芯片制造能力有待進一步加強，人工智能硬件系統的水平也有待進一步提高等，這些都是眾所周知的顯差距。

然而，更值得深思的問題是：在人工智能的科學研究方面，長期以來，中國同行普遍習慣于跟蹤學習，缺乏突破創新的民族自信心，更缺乏引領國際的強烈意識。無論是互聯網、物聯網、語義網、云計算、大數據、移動互聯這些大概念，還是深度學習、無人駕駛、類腦計算這些技術思想，都是外國學者率先提出，然后才是中國學者蜂擁而上。加上這些年滋長蔓延起來的急功近利和學術誠信缺失，往往在蜂擁而上之后的一夜之間就會冒出許多“新成果”！這是中國人工智能發展存在的隱差距。

需要指出的是，顯差距正因為“顯”，已經得到各有關方的高度重視，并且正在不斷地被縮小；但是，隱差距則因為“隱”，不容易被察覺，至今還沒有引起各方面必要的重視，因此仍然是實現突破創新和引領戰略的隱患。

2.2 優勢：現優勢，潛優勢

那么中國在人工智能研究中是否也存在什么優勢呢？表面看來，似乎中國在人工智能研究領域一直處于跟蹤學習狀態，談不上存在什么優勢；但是仔細考察發現其實不然，中國在人工智能研究中的確存在不可忽視的優勢。

中國目前雖然在整體上還處于相對落后狀態，但在某些技術研究上卻處于國際領先地位。例如：語音識別技術，中國已經在近期多次國際評測大賽中奪得世界冠軍；在汽車自動駕駛方面，中國的研發水平也與國際上旗鼓相當；特別是在理論研究方面，中國在人工智能通用理論研究方面的機制主義人工智能理論、人工智能邏輯理論研究方面的泛邏輯學、人工智能數學方面的因素空間理論都是國際領先的成果。這些都是已經涌現出來的現優勢。

更加重要的是，像人工智能這樣既十分復雜又極其深刻的科學研究，勢必自覺或不自覺地受到科學方法論的影響。幾十年來，國際人工智能的研究形成三大學派，就是受了以分而治之為特征的機械還原方法論的影響，把復雜的人工智能研究分為結構模擬的人工神經網絡學派、功能模擬的物理符號系統學派、行為模擬的感知動作系統學派，而且長久以來互不認可，不能形成人工智能研究的合力。科學論證充分表明，適于人工智能研究的科學方法論不是“機械還原論”的方法論，而應當是“信息生態論”的方法論。后者與中國歷來的“整體論”和“辨證論”思維傳統息息相通。因此，在人工智能的研究領域，中國握有方法論的潛在優勢（潛優勢），只要自覺地加以運用，這種潛在優勢完全可以轉化為強大的現實優勢（現優勢）。

3 人工智能的社會需求和發展中國人工智能的戰略建議

3.1 人工智能的社會需求

中國的信息化建設全面啟動于20世紀90年代，得益于現代信息技術的支持，取得了舉世矚目的輝煌成就，進入了迎接復雜問題的新時期，面臨著巨大挑戰。從整個經濟社會發展和全面改革的大局判斷，在多次講話中也明確指出，中國的改革開放進入了攻堅克難的深水區。眾所周知，人工智能技術是信息技術的高端前沿；因此，為了迎接復雜問題的挑戰，為了成功走出深水區到達勝利的彼岸，中國亟需人工智能科學技術的全面支持。

另一方面，縱觀當今的國際環境不難發現，一些發達國家在中國黃海、臺海、東海、南海不斷制造緊張局勢，企圖以武力遏制中國的和平崛起。他們聲稱要長期投資人工智能，要用人工智能武器戰勝中國，對此不能不高度警惕，并采取果斷措施。

3.2 加快發展中國人工智能的建議

為加快發展中國人工智能，從戰略性、系統性、可操作的角度出發提出5項建議。

（1）頂層規劃。

火車跑得快，全靠車頭帶。建議設立國家級智能科學技術發展規劃與協調專家委員會，負責研究和提出中國智能科學技術發展的中長期規劃，制訂智能科學技術產學研發展的實施政策，協調和促進中國智能科學技術的快速有序健康發展。

（2）人才培養。

萬事都緊要，人才是根本。建議國務院學位委員會把中國現有的“智能科學與技術”二級學科提升為一級學科，以形成系統完整的智能科學技術人才培養體系；同時建議教育部在中小學開設智能科學與技術基礎知識課程，開展課外興趣培育活動。

（3）創新研究。

跟蹤不可廢，創新更關鍵。在國家自然科學基金設置“智能科學技術基礎理論”專門領域，大力推進智能科學基礎理論的突破創新；同時在國家“十三五”規劃設立智能制造、智能農業、智能服務業、智能交通、智能網絡空間安全、智能教育等應用專項。

（4）產業標準。

創新是尖兵，產業是后盾。大力促進中國智能化產業的發展，并在國家標準委員會建立智能產品標準工作委員會，鼓勵有條件的單位和學術團體開展各類智能技術產品的測試、評價和檢驗標準的研究，引導智能化產業和產品市場有序健康發展。

篇12

談創業：選擇的是一種生命狀態

在烏鎮，張泉靈的身邊多了一群“創客”，這個詞語亦成為本屆世界互聯網大會的關鍵詞之一。創客（Mak-er）本指勇于創新，努力將自己的創意變為現實的人。在國內，“創客”與“大眾創業，萬眾創新”聯系在了一起，特指具有創新理念、自主創業的人。

談到創業，張泉靈感同身受。因為轉行之后的她也是從一張白紙開始，對她而言，何嘗不是以創業者的姿態去做新的開拓？“創業選擇的不僅僅是一份工作，更是一種生命狀態。一旦開始創業，就相當于把一個人永遠放在了懸崖邊上。”

張泉靈表示，創業維艱這四個字真的不是簡單的詞語，創業有太多的未知性，需要承受異于常人的壓力。“有大量的情況，你努力了，好像一切都對了，但就是沒有成功，而且這個幾率非常高。所有的創業者都有一個共性，那就是心態上特別像神經病，今天早上醒來感覺天都要塌了，堅持不下去了，這一切一定會失敗，第二天早上醒來又覺得陽光明媚，未來前途無量。其實，本質上今天和明天并沒有哪里不一樣，利或不利一直就在那里，只是某個細節因素會在你內心被無限放大。”

互聯網下半場的競爭讓張泉靈意識到，太多認知上的空白需要大量“充電”。而談及自己的變化，她又馬上調皮地笑了，“一句話形容，我經常覺得自己上個禮拜有個特好的想法。我可不能保證我現在跟你說的都是對的，因為下周我也許又會覺得自己上一周特傻。”

談投資：切入生活才能獲得青睞

上次參加世界互聯網大會，張泉靈還是以央視主持人的身份來探討網絡大V的社會責任；時隔兩年再到烏鎮，轉型為投資人的她已經開始關注互聯網與人的生活之間的關聯。

人工智能，是當下投資人相當看好的領域。據了解，紫牛基金人工智能方向的項目2015年秋天才成立，迄今為止，他們只投了7個和人工智能相關的項目。現在的張泉靈依然保持著記者慣有的好奇心，在互聯網的下半場，人工智能到底能多快地改變人們的生活？怎樣的人工智能值得青睞？她給出的答案是，人工智能的賽場剛剛開始，想要受到投資人的追捧就要從本質上切入生活。

在張泉靈看來，如果說移動互聯網時代是讓大量的人在信息面前變得平等，那么進入人工智能時代，則是讓更多人享受到互聯網發展的便利。“比如我們不能指望全國最好的大夫幫助幾千公里之外的鄉村大夫做醫學判斷，卻可以讓人工智能進行學習，從而讓機器人大夫超過人類最好的大夫，然后進行低成本復制讓全世界實現醫療上的進步。”

目前紫牛基金已經投了25個項目，對于這些項目，張泉靈拒絕進行偏好排序，“這是投資人對他們最基本的尊重。其實財務數據已經做出排序了，但投資人很少將他們并列在一起選出最佳來，因為我們了解每個項目背后的努力。既然我們選擇了他們，就要相信他們正走在一個對的賽道上。有快有慢，不能期待每一顆種子種下去都能同時開花結果。”

張泉靈表示，接下來紫牛的投資規劃將幫助創業者更好地前行，在人工智能和機器人領域去做更深入的布局；而在內容領域，紫牛也會有更大的擴展。

談烏鎮：峰會本身就是一個好的IP

不管是小時候外婆的祖屋，還是做央視主播時參加烏鎮戲劇節，抑或是如今以投資人的身份參加世界互聯網大會，烏鎮，似乎與張泉靈有著化不開的緣分，她對烏鎮也有著道不明的情感。

在本屆世界互聯網大會上，對烏鎮熟門熟路的張泉靈甚至主動給其他嘉賓當起了“導游”。她笑言，“這是因為我內心有非常強烈的想給烏鎮代言的主人翁精神。”

幾年前還是江南的烏鎮，很難想象今天會成為世界的烏鎮。談到烏鎮的變化，張泉靈也習慣于從投資人的角度來審視。“今天當我們走在烏鎮的街道上可能感覺沒什么大的變化，還是我們印象中的古鎮。但真的沒有變化嗎？當然有巨大的變化。每家小店、光纜、無線網絡，外面的互聯網醫院，今天的世界互聯網大會，一個月前的烏鎮戲劇節……烏鎮已經成為全國最盈利的景區，年收入甚至超過了黃山。這是核心的變化。”

篇13

后來的故事我們都知道了，從2014年到現在，我們沒有看到任何一個產品因為眾籌而獲得了普世意義上的成功。即便是第一個激活眾籌市場的Pebble，在2015年獲得超過2000萬美金融資(與此同時他們把第三代產品放在Kickstarter上“銷售”了2000多萬美金)，在2016年3月份卻宣布因資金緊張而裁員25%。

兩年過去了，當回過頭觀察眾籌這個行業的時候。我發現自己的判斷太片面了——并不僅僅是眾籌已死，有可能是整個智能硬件行業集體踏空，而眾籌已死只是其中一個支線情節而已。

智能硬件產業傷痕累累

智能硬件的時代結束了：一個行業集體踏空的教訓

這張圖片出自今天上午百度在大理的百度聯盟峰會，李彥宏的《下一幕·人工智能》主題演講。李彥宏的發言把移動互聯網說得“傷痕累累”，然后互聯網發展分為三幕：PC互聯網、移動互聯網、智能互聯網。

其實這種表達我從2014年開始在很多場合的演講中都提到過。區別在于，我曾經說互聯網從PC時代到移動時代，下一個時代是智能硬件與物聯網的時代。

其實這個表達我想并不是完全不對。但實際情況是我所說的“智能硬件”和最終全行業踏空的“智能硬件”，并不是同一種東西。

正如上面這張圖所示，移動互聯網在這兩年遇到了一些問題。事實上智能硬件行業遇到的問題更大：

1、生產成本在有限幾個環節下降幅度明顯，但原因并不是技術的提升或者市場的擴大，而主要原因是競爭激烈削減利潤。

2、銷售成本居高不下。感謝小米和樂視讓大家知道了BOM定價這個概念，但實際情況是必須留出BOM價三到五倍的利潤空間給渠道。當然大家都在努力學習小米和樂視那種渠道自己造血反過來補貼生產的模式——這對技術團隊來說比開發產品難度更高。

3、核心技術組件的采購和生產成本走高。華為消費者BG近兩年的成功，不少人認為重要因素在于大華為自有核心技術組件，不僅不受市場變化的影響，而且還從中獲利。而部分智能硬件產品，處于技術拼接的初級水平，也不受這一變化的影響，但深陷上述第二點的泥潭。

4、市場資源走向集中。這也是“眾籌已死”的核心邏輯，當眾籌走向集中資源而不是分散資源的模式時，眾籌本身的意義已經失去了。所有智能硬件產品都在爭奪被集中在大平臺的市場資源時，智能硬件的市場競爭就變成大平臺的競爭。而在大平臺競爭中，智能硬件不是關鍵變量。衣食住行才是。社會化媒體的發展給了智能硬件一個美麗的錯覺，可以找個應屆生運營微博微信就獲得足夠的市場資源——顯然事實證明并不是如此。

這些問題相信每個投身智能硬件行業的創業者們都感同身受。而大家的問題——也是我過去半年一直在思考的問題是：怎么解決呢？

我想現在我已經想清楚了：無解。我們在兩年前說的創客與智能硬件，可能真的是踏空了。

為什么智能硬件是一場美麗的誤會？

智能硬件時代結束的邏輯，其實和上一節描述的市場問題是一樣的。

基于拼接已有技術組織新產品的智能硬件，是一個充分競爭甚至是過度競爭的市場。所以到最后拼殺的并不是產品水平，而是大家的商業資源能力。誰的資源多，誰的資源便宜誰勝出。

但對于本身就著眼于資源的團隊來說，同樣的資源放在其他消費品上獲得的利潤更高，智能硬件行業整體在這方面并沒有競爭力。

所以，如果是一個產品團隊，智能硬件創業窗口已經結束了：如果是一個資源團隊，在我發這篇文章之前肯定已經調整方向操辦其他行業了；如果是一個上游供應商，是時候放棄成為獨立平臺和獨立品牌，退守大客戶訂單了。

而大客戶們，有誰在這三年的創客與智能硬件潮流中全身而退了呢？小米、樂視、京東。

還有當年就審時度勢退而結網的阿里與騰訊。以及押注更遙遠未來的百度。

科技公司中市場資源最多的BAT，壓根沒有參戰。所以連“資源戰”、“兩敗俱傷”之類的說法都提不上。只能說是“集體踏空”。

為什么這么多聰明的創業者和投資人會集體踏空？

而最有意思的問題在于，這樣一次“集體踏空”為什么會發生。畢竟國家在提出“雙創”之前，所有人，包括我自己，都毫不懷疑新的硬件和終端將改變一切。

這里有很多微妙的巧合。梳理線索需要太多篇幅，我直接說結論：

風暴眼是小米。

2014年移動互聯網的玩法基本清晰，App和手機設備本身已經沒有產生資本黑馬的窗口，早在2013年站穩百億美金的小米仍在估值狂飆。

彼時華為消費者BG的翻身之作mate7剛剛，離市場發酵還有半年。而離樂視提出“生態化反”還有一年。

而小米呢？小米手機仍在勢能高位，而小米耳機和小米手環在2013年和2014年刷新了整個消費電子業的認知。“小米生態鏈”幾乎是整個科技圈的年度話題。

對于剛從阿里上市套現出來的大筆熱錢來說，2014年沒有比小米或者小米的跟隨者更好的投資標的了——即便現在回看，也是如此。

于是羊群效應出現了。投資人心態是：能投小米最好，投不了小米就投小米生態鏈，投不了小米生態鏈就投可能并入生態鏈的智能硬件公司，再不濟也要投個跟隨小米模式的創業公司。

這些投資標的公司并不是現成的。在沒有公司生造公司也要上的資本預期下，2013年剛剛小成氣候的“創客群體”被推到了創業的風口浪尖。用不嚴謹的說法來總結，2014年資本的預期是這些創客們說不定就能干出下一個小米來。

而到此時此刻，2016年的夏天，當小米遇到全行業性的增長減速，再加上美金加息、GP和LP一起退守。

當作為頭羊的小米慢下來時，跟在后面的羊群里有些抬頭發現盲從跟隨到了一個并不適合自己的地方；而有些還在低頭趕路覓食，不管前面是不是懸崖。

“智能硬件”的時代結束了，智能的時代才剛剛開始

綜上所述，這次“集體踏空”是許許多多微妙的巧合一同發生而產生的特有的現象。不僅僅發生在中國，也發生在大洋彼岸的美國。畢竟，雙方同時擁有了一批規模可觀的“創客”，雙方擁有的是同一筆金額巨大的游蕩熱錢，而且雙方都在移動互聯網的的沖擊下尋找下一個世界級的黑馬創業者——哦，他們現在的流行詞是“獨角獸”。

但事實是，到2016年，全球商業創新和技術創新的領導者，還是那一批在十年前就找對了方向的大公司。

這意味著什么呢？意味著雖然過去兩年的“智能硬件”并不是什么“巨大的顛覆”，但這個顛覆一定會來。

而走向智能這件事，現在全行業已經比過去兩年靠譜多了。最起碼，我們在關注過AlphaGo之后，不會以為給小電器加個App就是智能了。

2016年我們看到的是：

技術拼接開發新產品的浪潮已經偃旗息鼓，大家也回歸到了“智能”的正途上，關注底層的感知、識別、算法等等核心技術；

而這些核心技術研發也不再是幾個互聯網公司的業務前端能搞定的，越來越多的科研機構、高校實驗室等開始在智能領域嶄露頭角；

在這些專業的學者指導下，電子世界的人工智能與原子世界的自動化技術走向了一個非常好的結合趨勢。

于是，智能硬件一波浪潮結束了，創業窗口也關閉了。而緊接的是，人工智能與機器人的新浪潮。

上一波浪潮的結果，是全行業“集體踏空”，那么人工智能與機器人，會不會是又一次被高估的玄幻故事呢？

為什么人工智能與機器人是“智能”的正道？

與上一波“智能硬件”不一樣，人工智能與機器人的門檻很高。當然，也不排除和智能硬件玩法一樣的創業公司早就盯上了“機器人”，把一些外觀特別的平板電腦稱之為機器人。

但正如前述智能硬件不會成功的原因一樣，這些類平板電腦的機器人，最終會陷入市場資源競爭的泥潭中一蹶不振。

而真正的機器人公司不會受到市場資源波動的影響。因為客觀的技術門檻與人才門檻，會使得這些公司始終處于定價權的尖端。而為了維護這種定價權，有價值的人工智能與機器人公司都不難找到自己的初期客戶，只要愿意，這些公司可以輕松維持舒服的利潤規模。

技術門檻與人才門檻難以企及，使得富集資源的平臺必須與這些公司形成共生的生態。而不是智能硬件時代的“食物鏈模式”。至少在客觀狀態上，這樣的產業模式指向的是數個資深玩家的各具特色，而不是某個產業派系一家獨大。

引用上文的羊群比喻，在人工智能與機器人產業啟蒙的2016年，并沒有“頭羊”的出現，而是若干有潛力的地塊分布著不同種類的羊，吃著不同的草。

更重要的是，這不是一個熱錢想投就投得進的領域。因為技術成本和人才成本太高，要投機地把股份商品化，或者技術產品金融化，都是得不償失的。何況現在對資本機構來說是個頗不舒服的下行波段。

種種跡象表明，人工智能與機器人將是一個相對健康的長期浪潮。在智能硬件的先烈面前，技術突破的發展勢頭并沒有減緩，而商業運營和流量運營因為熱錢的退縮而相對平穩。這個領域可能很難在一兩年殺出一統天下的黑馬公司，但智能化的未來，我所說的“第三代網絡”，李彥宏今天所說的“互聯網第三幕”，終于看到有可能黎明的希望了。

回想二十年前，中國互聯網產業能夠發展起來，并不是靠idea和小聰明，是權貴、商人(資本)、科學家和(改革開放后)第一代海歸共同推動而成功的。而且中間還經歷了兩次大規模的質疑和泡沫破滅。這是一個大時代的大運動。

所以，一個靠idea推起來的“智能硬件”時代，最終落得一個“集體踏空”的評價，也不奇怪。

已經站穩的“智能硬件”們會繼續下去，但不會有超出常識的增長，也不會有新的創業機會了。我相信小米手環銷量一定會繼續增長，也相信京東的叮咚音箱會持續熱銷……

但如果有個創業者跳出來說，要做一個手環干掉華米，或者說做個音箱一統智能家居，大家也不會相信的。

可喜的是，人工智能與機器人，開始有了一點點“大時代的大運動”的感覺。勞動密集產業、資本密集產業、知識密集產業在同時向人工智能與機器人的未知領域前進。