人工智能行业知识-AI应用场景-创新互联
AI 市场尚处于技术发展的萌芽期，其在技术层已有部分成熟应用场景，但受限于庞大的数据需求及有限识别精度，尚需突破技术瓶颈实现新场景开拓，而基础层同样期待成熟 AI 专用芯片，以实现AI移动端大规模应用及新场景开发。本文梳理了 AI 产业链发展现状与趋势与AI高潜力行业应用场景，通过对标互联网发展历史预测了 2B 及 2C AI场景发展趋势，分析了 AI 面临风险与 AI 和其他前沿技术的外部性。
各领先互联网公司及软件公司均已在 AI 产业多个环节同时布局，致力于构建端到端完整的 AI生态，提供全套 AI 解决方案。
AI 初创企业的机会主要集中在软件、应用型算法及终端芯片三个产业链环节细分：
软件较纯算法更好锁定B端用户，市场先行者可在客户端获取一定市场先入优势，之后凭借自身行业经验及B端客户服务能力积累，构建可持续竞争壁垒。
应用型算法场景确定，开发难度相对较低，创业企业同样可通过布局该细分快速占领特定行业应用层公司或终端用户，获取市场先入优势。
终端芯片细分领域市场尚处于早期，未确定API接口、基准测试等标准，缺乏成熟应用场景，新玩家在该细分环节仍有机会。
在计算机视觉技术的应用层，受益于大量可得的数据与丰富的可落地商用场景，人脸识别技术较其余的物体识别已实现显著更广的商业应用，其中安防、金融行业 AI 产品商业价值高，为目前应用最广泛领域，其次在教育及交通目前也主要被应用在身份识别相关的场景，娱乐营销场景是目前发展最快的热门细分，领先视频网站纷纷布局视频广告以及潜在的内容审查应用，零售及医疗目前已有初步的应用，未来可期更深度的应用。
广义自然语言处理技术目前在智能客服领域已有应用，但主要均为有语料库支持的逻辑问答系统，并不在此次研究框定的狭义自然语言处理（AI 独立理解完整语句含义）的范畴之中，目前专攻细分场景语料积累以形成可用产品智能硬件是最主要的应用方向，但一方面该方式极度依赖用户数据积累，因此仅垄断大量用户数据的互联网巨头有机会进入，另一方面应用方式仍较不成熟，用户体验差，仍需技术进一步发展方能解锁全面应用。
通过对单场景不同技术年总调用次数的预估，量化分析各已有应用场景的未来需求规模，同时结合对不同场景下游对接B端企业数量的梳理，B端企业集中的场景在早期更容易积累可观的数据规模，实现更快发展，因此我们初步将未来更具备发展潜力的场景进行了如下筛选：
安防、交通流量监测及闸机身份验证及娱乐营销是具备高潜力的场景：公安天网系统的发展及交通流量监测等刚性需求，未来前景巨大，同时主要客户为政府机构，集中度高；娱乐营销场景则可应用在海量视频及美图用户中，应用前景广阔，同时下游对接B端企业集中度高，可率先实现应用。
安全驾驶、无人零售及智能硬件是次优先关注的机会：安全驾驶、无人零售、智能硬件等场景应用前景广阔，但终端分散，应用速度较慢，其中无人零售及智能硬件未来潜在可随行业整合，发展速度逐步加快，是该细分中值得重点关注的两个潜在机会。
其余教育、医疗场景是发展最滞后的场景：该细分整体应用需求量较低，同时B段企业分散，因此应用较其他场景更滞后。
AI 与互联网（信息化/智能化）价值创造类似，均为通过数据精准匹配供需双方，提升效率：
互联网创新，实际是通过掌握供给端与需求端数据，精准匹配双方，实现全流程效率优化。
AI 则是在上一轮的互联网创新的基础上，利用机器学习等方法进一步提升对海量数据/非结构化数据的处理能力，进一步优化匹配效率。
对标互联网的发展历程，B2C 模式及 B2B2C 模式用户端各向异性较弱，可更快积累数据，打造可持续竞争壁垒，较 B2B 模式更快实现发展，且在跑通自身模式后，潜在可通过对C端数据的掌握，实现对 B2B 场景的包络：
一方面B端企业过于分散，方案制定及实施成本高，另一方面单企业数据价值低，规模效应弱，因此 B2B 天然数据积累慢，且数据场景属性强、泛用价值有限，较 B2C 或 B2B2C 业务发展更慢，而 B2B2C 及 B2C 企业掌握C端数据，深刻理解市场最终端需求，潜在可对 B2B 场景实现包络。
回顾互联网发展历程，已诞生 BAT 等垄断 2C 场景的巨头，而 2B 场景企业发展均滞后，目前2C 巨头纷纷已开始布局 2B 业务，较原有 2B 企业更有潜力整合市场。
数据为市场参与者在技术层构建显著竞争壁垒的核心，对于企业而言，应优先筛选其可能获取大量结构化数据和部分垄断性数据的场景：
在优先实现 AI 商业化的场景中，传统信息化实施商或解决方案提供商掌握客户资源及行业用户数据，可通过将原有客户低成本高效转化，捕捉市场早期机会，之后不断积累数据，逐步构建可持续竞争壁垒，有效捕捉技术壁垒低的细分机会（如人脸识别、流量监控等）。
而领先算法公司可在技术壁垒较高的细分（如智能投顾、物体识别及辅助科研）深耕，利用自身算法端的优势，通过公开数据或与数据拥有机构合作，共同推动技术进步，捕捉该类型细分的机会。
而在较远期方能实现 AI 商业化的场景中，领先算法公司在数据封闭性弱的场景（如个性化教育及影像诊断）中，仍可利用自身技术端优势与数据拥有方合作，大化捕捉市场机会，而数据拥有方则在数据封闭性强细分（如精准营销）中掌握数据，垄断该细分机会。
新兴场景的探索可根据数据及算法等资源的积累，预判该细分的成功企业模式。
AI 产业仍处于萌芽阶段，相关信息安全技术、行业规范及法律法规尚不完善，带来新型的 AI安全风险：
AI 产业的监管缺失和技术漏洞为不法分子带来可乘之机，目前 AI 在框架、数据、算法和平台方面均存在技术漏洞，且行业规范缺失，缺乏有效监管，网络上存在大量被泛用的存在漏洞的开源的框架、算法，给网络黑客大范围攻击提供了便利。
AI 技术的滥用可能带来严重社会危害，大量网络犯罪分子利用人工智能技术实现自动化供给，大大增加网络安全违规行为发生频率，潜在带来比普通犯罪规模更大、程度更深危害。
机器人及机器法律相关体的责任划分不明确，机器与技术并非完全中立，开发过程中开发者在数据采集、框架搭建等方面都会将个人价值观有意或无意在 AI 体现。
当技术奇点突破，诞生通用人工智能乃至人工智能产生“自我意识”，“超级智能”的到来可能会对人类带来严重的安全隐患。
AI 进一步加深对于数据的应用，且定义了全新生产关系，带来潜在新的伦理及道德隐患：
AI 时代，大众的隐私权益较原本互联网时代更深侵犯，大量企业利用设置默认选项、推送关键信息等 Nudging 手段，在用户实际不知情的情况下采集或交易数据，同时大量数据存储在并不安全的云端，云端数据泄漏现象已屡见不鲜，隐私数据存储安全性无法得到保障。
AI 受到开发者、教育者、社会影响，产生算法歧视，一方面数据具社会性，在训练过程中，原始数据集自带偏见与歧视，另一方面AI模型搭建与算法实现也受开发者认知偏差影响。
AI 在决策需要面对在人类社会也尚未清晰解决的伦理问题，如经典的扳道工问题，如何抉择及界定责任方是 AI 在某些场景下应用的瓶颈。
AI 代替人工决策的权力及自身权利不明确，在司法、医疗、教育等重要的行业已经投入应用，但对 AI 是否有权为犯人判定罪行、为病人做出是否应当手术的判断等问题均存在问题，同时 AI 自身是否应该有被保护的法律权利，这也将影响AI应用的边界。
AI 发展限制社会多样性，导致社会鲁棒性降低，而带来的技术性失业将会造成劳动力结构变化等社会变革风险：
AI 的发展正在减少社会的多样性（如智能推送限制个人信息获取），社会的稳定性遭到威胁，鲁棒性降低，局部生态将越来越脆弱。
AI 的发展可能会带来劳动力结构甚至社会结构的变革：
AI 的发展将会带来一段时间的技术性失业，那些低技能工作者将被机器人取代，导致社会空心化严重，中间人群面临技术性失业。
从长期来看，技术的发展将带来更多工作机会，但工作所需的技能与能力发生显著变化，通过对失业人群进行针对性教育与广泛的的教育改革可以逐渐改变劳动力结构，使得劳动力适应新的社会需求。
AI 代表新生产力，区块链代表新生产关系，前者为后者带来结构性优化，后者为前者提供稳定底层架构，互相促进发展：
AI 提升区块链安全性、降低其能耗成本并优化系统效率：
安全性提升：区块链虽然是一种相对安全的信息存储与传递方式，但同样面临着安全性问题，人工智能可在私钥加密方式、架构的安全防护等方面提升区块链技术的安全性。
降低运算成本：区块链技术应用消耗大量能量，尤其是在拓展新区块时，需要大量能量的消耗，而 AI 已被证明在节约能源方面取得显著成效，DeepMind AI 为谷歌的数据中心节约了40%的能耗；故AI有望帮助区块链打破能源消耗的瓶颈，降低参与者的算力门槛，促进区块链技术的活跃发展。
系统效率提升：由于区块链的去中心化链式结构的存在，很多交易行为需要经过完全不相关的节点，AI 可以帮助在交易过程中去除冗余节点，并优化加一节点与路径，提高交易执行的效率。
区块链提供稳定底层框架，促进 AI 行业规范建立：
信息共享风险降低：区块链解决了信息传递中可信度的问题及信息被滥用的风险，帮助企业、研究机构和个人之间实现更规范数据共享、框架共享和算法共享
技术滥用风险降低：区块链不可篡改和可追溯，帮助 AI 框架开发、算法实现/修改、数据集变更等流程实现追溯与问责，避免 AI 技术的滥用。
AI 促进优化 5G 网络结构，帮助 5G 快速落地；5G 打破 AI 应用中的数据传输瓶颈：
AI 优化 5G 网络系统效率，并为 5G 提供更有效的安全防护：
提升网络系统效率：5G 面临着更大的数据传输速度，网络结构与资源分配策略的优化至关重要；AI 能够学习网络用户行为，并根据历史数据训练处较强的复杂决策能力，优化 5G 网络效率，合理动态分配计算资源。
安全防护与故障诊断：5G 时代每秒都面临着巨大数据流传输，网络安全事故将带来巨大损失与隐患， AI 根据历史数据，实现预测维护，以至开发自适应系统实时对网络环境变化进行结构与参数调整，预防突发事件，同时在问题出现后，AI 同样可更高效发现漏洞并及时修复。
5G 高带宽、低延时的优势促进本地智能终端设备的发展，并突破云计算的传输瓶颈。
边缘计算：由于 4G 网络无法满足边缘计算对于数据传输速度与时延的要求，制约了智能终端设备本地化的发展；而 5G 技术在上述方面的弥补突破了信息传输壁垒，为智能终端设备的发展铺平道路。
云计算： 5G 可以以更低的成本为更大的数据流提供更快速的传输通道，拓展 AI 云计算场景，为云计算提供更全面及时的数据；例如提供更高清的视频流信息，提高图像识别的准确率。
信息安全技术是一切技术包括人工智能技术安全保障，人工智能可以提升信息安全技术效率与可靠性：
人工智能凭借处理复杂数据的能力，可以在安全预防、病毒清除、风险评估等方面提升信息安全技术的效率与可靠性：
安全预防：利用机器学习技术通过学习，可以及时预测并判别新型外部伪装的恶意文件/软件，阻止其进入系统或执行。
病毒清除：当遗漏的伪装文件进入系统释放出病毒之后，人工智能可以更加高效低侦测到病毒，并作出相应处理。
风险评估：在评估企业风险时，由于历史数据不够系统化、需要考虑变量复杂众多，难以将企业风险指标进行合理量化，AI可将大量零散数据自动分类，提取关键信息，自动生成量化评估报告，提高安全评估合理性与效率。
前沿信息安全技术的发展能够在数据、框架、网络等方面为AI企业提供更全面保护，防止因技术漏洞而导致的安全隐患。
AR/VR 需要 AI 嵌入带来会更加真实、智能的虚拟体验，AR/VR 在某些应用 AI 场景下能够实现更好的人机交互：
人工智能凭借处理复杂数据的能力，可以在安全预防、病毒清除、风险评估等方面提升信息安全技术的效率与可靠性：
真实性：嵌入 AI 的 AR/VR 技术更具有真实性，通过AI构造出的虚拟场景、动物、人物在形象、行为和意识上更加逼真，大幅提升现有 AR/VR 的浸入式体验。
交互性：AI 能够增强 AR/VR 与人的智能化交互，语音识别、人脸识别等 AI 技术应用可带来人与虚拟环境革命性互动体验。
AR/VR 能够帮助一些AI应用场景实现更好的人机互动：
交互性：AR 帮助用户更直观获取全面及核心信息，而AI应用如自动驾驶现有界面交互并不能完全满足用户全部信息需求，AR 可有效捕捉该场景下用户痛点，打造全新的 UI，推动场景发展。
互联互通社区
互联互通社区专注于IT互联网交流与学习，关注公众号：互联互通社区，每日获取最新报告并附带专题内容辅助学习。方案打造与宣讲、架构设计与执行、技术攻坚与培训、数据中台等技术咨询与服务合作请+微信：hulianhutongshequ
当前标题：人工智能行业知识-AI应用场景-创新互联
URL地址：http://scyanting.com/article/djedei.html
