2020，中国AI的变局之年_风闻

提起人工智能，你首先会想到什么？

可能对于绝大部分人来说，直到今天，人们对人工智能的印象，还停留在2016年谷歌Alpha Go以4:1的绝对实力碾压世界围棋大师李世石所带来的震撼当中。

但从2016年往后，经历了四年发展之后的今天，世界人工智能其实早已经过了以谷歌为代表的国外企业独掌话语权的时代。在国内，以百度为代表的，如依图、旷视、海康威视等人工智能企业正在带领中国人工智能企业走向世界。

2017年，“人工智能"首次被写入政府工作报告；2019年，人工智能第三次出现在政府工作报告中，并提出拓展"智能+“战略，发展智慧经济，为制造业转型升级赋能。2020年，人工智能被纳入新基建范畴，正式进入高速发展的新阶段。

除了国家之外，人工智能也正在被越来越多的企业所关注。据埃哲森一项针对全球高管的调查显示，无论是中国还是全球，都有超过60%的被访企业表示将会把人工智能作为新技术的投资方向。这种趋势特别在2020年的全球大流行之后，变得更加鲜明。

可以说，2020年是人工智能发展过程中极为重要的一年。

在这一年里，人工智能在疫情的倒逼下加速了产业融合的进程，并逐渐在医疗、教育、金融、工业、城市治理等众多领域迸发出庞大的势能。

例如，从2020年3月开始，百度市值逆势上涨，总市值超过800亿美元；国内专注于智能语音输入的科大讯飞市值也已突破千亿人民币大关；旷世科技、商汤科技、依图科技等国内专注于计算机视觉的人工智能企业也正在迎来上市热潮。

而与人工智能的蓬勃发展相反，在过去20年的过程中，以互联网为代表的数字经济经历了高速增长之后，在整体网民基数的限制下增长已经变得缓慢。所以，就在互联网的流量红利见顶的时候，寻找一个具有强有力的新经济增长就变得尤为迫切。

也正是在这样的背景下，2020年以来，无论是从国家还是从企业来说，人工智能都越来越受到重视，并且越来越有机会成为继互联网之后，推动经济发展和产业变革的重要驱动力量。

因此，以2020年为节点，一个宏大的人工智能图景正在加速实现。而在这个过程中，就像曾经的互联网行业乘风而起一样，谁先拥抱智能化改革的进程，谁就有可能在未来的竞争中占据优势。

作者 / 指北B****B组 大浅

编辑 / 蒲凡

开头之所以将2020年定义为人工智能发展中极为重要的一年，很大程度上是因为从这一年开始，人工智能的技术步入了广泛的商业化阶段。从这之后，人工智能不再是实验室里依靠学术驱动的一种技术，而是成为了商业市场上可以普及应用的商品。

说起这种变化，其实最开始就是我们在2020年初所遭遇到的新冠疫情的大流行。在这次抗击疫情的过程中，人工智能几乎深入疫情防控的各个阶段，甚至在某种程度上，这次疫情就像是对人工智能行业的一次集中性的阶段性测验。

例如，当疫情需要检测体温时，在车站、地铁、超市入口等人员密集场所、传统人工检测需要近距离接触、效率低，不仅容易造成堵塞，还容易增加传染风险。而百度、商汤科技、海康威视等企业推出的自动测温系统，就基于图像识别技术和红外热成像技术进行自动测温，不仅全程无接触、而且还能实现多人同时检测，识别误差仅在0.3℃上下，大大提高了通行效率。

在发现了感染病例之后，由于人口流动，疫情潜伏期等问题，针对感染人员的流行病学调查就成为新的问题。在这个过程当中，百度、搜狗、360等企业利用数据挖掘技术推出了疫情地图、疫情跟踪、同乘查询等信息服务系统。不仅提高了有关部门的工作效率，同时也方便了普通人自查疫情风险。

此后在疫情封锁期间，基层防疫人员不仅需要走访排查，还需要完成通知宣传，重点人员监控等工作。在此基础上，百度、阿里、腾讯、科大讯飞等企业利用语音合成、语音识别、自然语言处理等技术开发的智能外呼系统。帮助基层工作人员将疫情相关防护信息通过语音传达给居民，同时还能与居民进行有有效的互动问答，了解居民状态和需求。

为了加速疫新型冠状病毒RNA空间结构预测，助力疫情防控，百度免费了开放线性时间算法LinearFold等人工智能前沿技术。而在今年五月，百度研究院再次推出全球首个mRNA疫苗基因序列设计算法LinearDesign，大大提升了疫苗设计的稳定性和蛋白质表达水平，加速了疫苗研发速度。

这些领域之外，人工智能其实还在疫情防控物资调度、无人机系统监控、医疗救治过程中的肺部辅助分析、线上问诊、甚至口罩生产等环节发挥了重要作用。除了疫情防控之外，人工智能技术的发展、普及和落地同样给许多行业带来了深刻的变革的影响。

例如在2012年上线的今日头条、以及在2016年上线抖音，就是人工智能技术在资讯分发领域的应用。可以说今日头条的出现，改变了传统互联网的内容分发模式，从此之后，人找内容进入到内容找人的时代，算法推荐内容就成了所有内容平台的标配。

而与算法分发相似，AI与教育的融合也创造出一些新的业态。

例如最早能够实现拍照搜题的作业帮和小猿搜题就是人工智能技术中知识图谱的应用；而在这之后，AI教育则进一步引入了包括深度学习、语音技术、自然语言处理等技术。例如，斑马AI课能够根据孩子过往的学习情况发掘其知识掌握的薄弱环节，并针对性的制定学习计划。或者如花火思维的AI陪练，能够实现与孩子的自然语言交互，即节省了教师人力，同时也能实现对孩子的一对一指导。

其实，就目前来看，AI与教育的融合还处于十分初级的阶段，而同时这也意味着在未来，AI与教育还有更多的价值等待着人们的挖掘。

同样因人工智能的应用而产生重大变革的还有金融。2020年，在疫情的影响下，越来越多人有了理财的意识；而国内外疫情防控的差异下，国内证券市场也发展良好。在这样的背景下，金融机构纷纷进行数字化转型，而智能金融也在这个过程中得到了前所未有的发展机遇。 

（在2020年底风光无限的币圈，人工智能几乎成了投资明灯）

据埃哲森数据显示，在数字化转型程度落后于市场平均水平的金融机构，他们的未来增长价值比率平均是-11%，而数字化领先的金融机构的比率可以达到20%。

提起人工智能对金融行业的改变，许多人可能会首先想到信贷。但实际上，到目前为止，人工智能几乎已经渗透到金融服务的全业务。甚至于，由于人工智能的引入，智能金融几乎可以重构用户连接和服务的价值链。

例如，人工智能时代，每个智能设备都将成为人们获取服务的入口；而在智能语音技术和自然语义处理技术的应用下，金融机构的用户服务水平也将得到改善；同时在人工智能的加持下，金融要素在最小颗粒层面进行最灵活的配置，给到用户几乎绝对的个性化服务。

在实践领域，百度和浦发银行合作，共同推出业界首创的具备丰富行业知识、提供7×24全天候个性化服务的金融数字人员工，打造了显著降低人工座席话务量的智能客服，以及创新应用区块链平台和重塑工作模式的智能办公平台等等。

这其中的变化，正如中国银行原行长李礼辉所言：智能金融有三大不同，第一是零距离；第二是大公平；第三是低本。智能金融的发展不仅能降低运营成本，更重要的是降低风险成本。一旦成本降低，必然会反馈在银行的服务价格上…一旦整个社会因为智能金融的发展进入低成本状态，金融就能更加普及。

当然，人工智能对产业的改变远不止这些，例如在医疗领域，在知识图谱技术的基础上，人工智能能够从医生的非结构化记录中提取症状和诊断信息、建立相关算法、实现辅助诊断。在城市治理方面，人工智能还能助力城市精细化管理，提高城市发展水平。这其中，阿里城市大脑已经在杭州、苏州、上海、衢州、澳门、海南等地相继落地智慧城市项目。

所以说，仅就目前而言，人工智能就已经深入到了我们生活的方方面面，并且正在深度改变着行业格局。而在未来，以智能赋能产业，以智能化改革促进经济增长将会成为行业发展的新主题。

不过，虽然人工智能已经在我们生活中的许多场景落地，甚至绝大部分的人都有过使用人工智能的经验。但相信在很多人心中，其实对人工智能都会存在一种落差。

首先，在人工智能普及之前，人们对于人工智能的认知大多是一个和人一般拥有自我“思维”的形象；这就像是电影《机器人总动员》里的瓦力和伊娃，亦或者是《生化危机》里和红后。

而在现实生活中，我们认识的人工智能显然并不是如此。例如地铁里的测温仪，家里的智能音箱、手机里的Siri。它们都是人工智能，但它们却都只是人工智能的一部分，这就让它们看起来像是一堆散装的零件。

这种落差的来源其实在于人们一直以来对黑箱技术的惯性思维；即一项新兴技术应该由一个完整产品呈现。例如计算机技术我们可以简单理解成电脑；航空航天技术可以简单理解成卫星或者火箭；智能手机我们可以将其等同于苹果或者华为等手机产品。

但人工智能不是这样。事实上，由于人工智能的技术过于复杂，导致人工智能的每一项技术都有广阔的应用空间。再加上我们现在所处的时代是一个弱人工智能的时代，这也导致在日常生活中我们常见的只是人工智能的某一个方便的应用。

所以说，无论是智能音箱还是自动驾驶，它们是人工智能。从广义上讲，人工智能其实是众多人工智能技术的一种综合体。并且在具体的实践中，根据应用的场景不同、又有许多不同的组合形式。

（人工智能相关的各种交集）

例如，机器学习是在近年来推动人工智能发展热潮最重要的技术之一，它通常包括深度学习、强化学习、实时机器学习等多种研究场景。这就像在2016年人机大战中打败李世石的Alpha Go是深度学习的著名案例；而在2019年火爆一时的AI换脸软件 ZAO则是机器学习中生成对抗网络的应用实例。

当然，由于机器学习技术对于人工智能发展的基础性，所以基本上所有的人工智能企业在都会有所涉及。这其中，如腾讯AI Lab就主要研究强化学习、自动机器学习、深度图学习、小样本学习等方面；而百度的飞浆深度学习开放平台，则是国内首个自主研发的产业级深度学习平台。

除了机器学习之外，同样应用广泛的还有计算机视觉。就如同人类在生活中获取画面信息主要依靠眼睛一样，计算机视觉就是帮助人工智能看懂图像的技术。在这种统称之下，计算机视觉可以细分为人脸识别、物体识别、图像识别等多种技术。

作为人工智能的眼睛，计算机视觉在人工智能发展过程中的地位也非同一般。早在2018年，计算机视觉就已经占据了中国人工智能市场上最大规模的市场份额，占比高达34.9%。而在图像和视频内容呈指数级增长的今天，图像识别显然就具有了更为重要的意义。

此外，知识图谱同样也是最近几年人工智能领域的热点产业之一。所谓知识图谱，其实是一种用图模型来建模知识和世界万物之间关系的大规模语义网络，是认知智能的底层支撑。据艾瑞咨询相关数据，2019年知识图谱核心产品市场规模约65亿元，预计2024年将突破200亿元。

同机器学习和计算机视觉一样，知识图谱同样不是人工智能在应用层面的技术。其核心在于对多模、多源异构数据和多维复杂关系的高效处理与可视化展示。通过这样的方式，它往往能够找到许多隐藏在行为之下的关联，并进行直观的展示。

而正式基于这样的优势，知识图谱通常能够解决关系复杂的问题，如深度搜索、规范业务流程、规则和经验性预测等相关研究课题等等。

例如百度，在知识图谱上就已经有50亿实体和5500亿事实。在此基础上，百度语音输入法发布了AI助聊功能，这不仅是业界首次采用可控文本生成模型，同时也是行业内唯一支持多种情绪自动撰写的产品。

知识图谱之外，同样十分重要的技术还有语音技术和自然语言处理。其中，相比于自然语言处理，语音技术在中国人工智能市场规模更大。2018年，语音技术在中国人工智能市场中占比达到24.8%，仅次于占比最大的视觉技术。

和市场规模的庞大相同，语音技术在市场上的应用也同样广泛。其中，最常见的就是我们的智能手机，如苹果的siri、小米的小爱同学、三星的Bixby；除了手机之外，智能语音技术通常还出现在如家庭智能音箱、智能家居、商场的机器人、智能客服等多种行业和场景的服务中。

当然，肯定也会有朋友说，无论是手机里的智能助手还是家里的智能音箱，其实它们一点也不人工智能，最多算的上是人工智障，这其实就和自然语言处理技术有关。

所谓自然语言处理，是指利用人类交流所使用的自然语言与机器进行交互通讯的技术。通过人为的对自然语言的处理，使得计算机对其能够可读并理解。

自然语言处理技术的应用，会帮助帮助人工智能提高文本的理解精度、增强机器翻译的准确性、提高对话系统的智能程度、甚至于增加人工智能书写文本的实用性。这就像微软的人工智能小冰在2017就出版了自己的诗集《阳光失了玻璃窗》；而2019年，《华西都市报》旗下封面新闻的机器人也开设“小封写诗”专栏一样。

从某种程度上来说，有了自然语言处理技术，才能真正让人工智能在与人对话的过程中告别智障，实现真正的智能感。

也正是因为这个原因，内置了人工智能系统的百度智能音箱小度受到广大用户的额欢迎。根据Canalys统计的数据，在2020年上半年全球智能音箱的销售中，小度音箱的销量仅次于亚马逊和谷歌位列全球第三。

同样，在输入领域，智能语音和自然语言处理也同样广泛。例如科大讯飞不仅在语音文字转换方面卓有成绩，并在2020年的12月份推出一名AI主播，成为中国驻特立尼达和多巴哥使馆的一名新成员。百度输入法也因为在相关技术上取得重大突破之后，语音识别准确率达到98.6%，并实现离线中英自由说升级突破。

而除了基础技术之外，如何将这些技术统筹开发同样也是人工智能发展过程中的一个重要的命题。因此，就像智能手机有安卓和IOS系统一样，在人工智能的发展过程中，同样也有着这样的系统存在。只是根据不同企业擅长的技术不同，这些开放平台所涉及的内容不一样。

例如，科大讯飞的AI开放平台专注于智能语音，而旷视科技、商汤科技等企业的AI开放平台则侧重于计算机视觉的研究；海康威视侧重于视频感知的开放平台等等。当然，除了在单个技术领域的开放平台之外，像百度、阿里、腾讯等企业也建立了覆盖技术更加全面的AI开放平台。

百度的百度大脑就包含了语音、视觉自然语言处理、知识图谱、深度学习等AI核心技术，目前以开放源代码、开放能力、开放数据等形式开放AI能力。

此外，百度还建立了中国首个全面开源开放、功能完备的产业级飞桨。发布了国内首个云原生量子计算平台量易伏Quantum Leaf。百度智能云也在业内率先提出AI-Native的云计算架构，发布新一代基础架构百度“太行”等等。

因此，回过头来纵览人工智能的各种的底层技术，我们发现人工智能从来不是我们广义上理解的黑箱技术。事实上，人工智能技术由于过于复杂，以至于绝大部分企业都只能专注其中的某一个领域的深度研究。这其中，如科大讯飞专注于语音领域；而商汤、依图、旷视科技等企业则专精与机器视觉。

而在专精一个领域之外，国内同样也有一些企业实现了人工智能领域的全面布局。例如在2020年里，百度就在深度学习技术、自然语言处理、智能语音、自动驾驶、知识图谱、智能推荐、交通大数据等多个领域位居专利申请量和授权量首位。

不过需要注意的是，虽然国内科技企业在人工智能的发展过程中取得了不小的成绩，但AI的基础设施建设也仍然任重而道远。毕竟很大程度上来说，目前AI技术的发展仍然处于技术爆发的前夜。

而在这个关键时刻，每一项技术的突破都会变得格外重要。这就像曾经PC时代Windows系统的普及或者智能手机时代的Android和IOS系统一样，这是一个抢占未来人工智能发展的话语权的时代。

而在这个过程当中，不仅需要单个的企业在各自的领域投入海量的研发成本，同时在打造生态，促进行业发展层面需要行业的广泛合作、才能形成共同的标准。

当我们在回顾2020年人工智能从技术到应用再到商业化的发展过程中，自动驾驶其实值得被拿出来作为一个单独的命题。

原因也很简单，一方面，自动驾驶可以算的上是目前在人工智能技术上应用最为丰富的场景，深度学习、计算机视觉、知识图谱、智能语音交互、5G、云计算，自动驾驶可以算得上是当然人工智能的集大成者。

而另一方面，自动驾驶作为交通领域的技术，不仅关系着民生发展，同时也在过去的一年当中在特斯拉等新造车势力的带动下，无论是在资本市场还是在普通人的茶余饭后，都成为重要的关注对象。

2020年10月11日，百度宣布旗下无人驾驶出租车服务百度Apollo正式在北京开放服务；仅仅十天之后，特斯拉CEO马斯克也通过Twitter表示，特斯拉的全自动驾驶beta 版软件已向小部分客户推送。

两项交叠的信息给人们带来了许多想象空间。毕竟，如果自动驾驶在乘用车中得到普及，那么小到个人来说，是驾驶时双手的完全解放和个人时间的增多；而大到行业来说，车辆作为第三空间所能承载的消费场景也得到极大的挖掘。而这还不包括自动驾驶将在出租车、公交车、货运、物流等公共领域得到广泛的应用。

当然，在这种广阔的商业价值背后，往往也意味着激烈的市场竞争。

就当前来说，虽然最出名的自动驾驶技术都来自谷歌、百度这样的互联网或者科技企业。但在自动驾驶发展的早期，传统的汽车厂商其实更早的意识到了自动驾驶技术中潜藏的巨大商机。

所以大致来讲，现在自动驾驶领域的玩家其实主要可以分为三类。

第一类是以德国的大众、奔驰、宝马、日本丰田和美国通用汽车公司等为代表的传统企业制造企业。他们掌握着目前几乎所有汽车的系统入口；拥有最庞大的车辆用于数据采集，而且一旦技术突破，也是最容易实现量产并且变现

不过，虽然传统的汽车厂商在汽车自动驾驶方面有着独特的优势，但同样它们也面临着许多难以逾越的障碍。例如这类企业往往并不缺少自动驾驶的研究技术和人才储备、同时由于汽车市场竞争激烈，所以他们往往很难一开始进入高投入的高级自动驾驶。

在传统汽车厂商之外，以谷歌、百度等为代表的互联网科技企业成为自动驾驶研究的第二类玩家。这类企业和传统汽车厂商不同，一方面他们具有完备的技术和人才储备，另一方面他们在自动驾驶项目上没有变现的需求，因此他们往往能够一开始就以高等级的自动驾驶作为目标。

拥有优势的同时，科技企业也同样具有一些与生俱来的不足。例如科技公司没有汽车生产线，也缺乏汽车工业的上下游供应，数据采集大多来自于实验室和限定的测试环境等等。

这也是为什么我们会在1月11日看到百度会宣布联合吉利控股集团，组建一家智能汽车公司，以整车制造商的身份进军汽车行业的原因。

这则消息背后，除了百度作为一家科技公司需要补足自身在整车制造领域的不足，并形成在自动驾驶领域的生态闭环之外，更重要也更现实的原因，其实还是百度需要让更多的自动驾驶汽车提供行驶数据，并为今后的智能汽车内的消费场景预定一张入场券。

**而在互联网科技企业和传统汽车企业之间，随着技术的不断融合，还有越来越多的新的造车企业开始出现。**其中具有代表性的如国外的特斯拉、法拉第未来；国内的蔚来、理想、小鹏汽车等等。

这些新势力中，他们即保有传统汽车厂商在汽车制造方面的优势，也具备了许多科技企业的技术能力，甚至于他们还保留了科技企业对于自动驾驶的激进态度。

例如，特斯拉的自动驾驶技术的探索就尤为激进。一方面，为了压缩整车制造的成本，特斯拉一直坚持采用计算机视觉+超级智能算法的模式。而除了特斯拉之外，为了保证自动驾驶的安全和可靠性，行业里的其他玩家通常都采用的是车辆雷达不断堆料+高精度地图的配置；

另一方面，为了加快自动驾驶的数据收集和技术迭代，特斯拉抢先推出的自动驾驶Beta版其实并不成熟，而这些动作都给特斯拉的自动驾驶埋下了巨大的安全隐患。

（在2020年登上过热搜的某次特斯拉事故现场）

当然，与国外企业在推进自动驾驶时的激进不同，国内的自动驾驶发展就显得相对谨慎。只是，谨慎归谨慎，国内自动驾驶的发展速度同样也不慢。

根据中国汽车工业信息网统计，截至2019年4月份，国内已颁发109张自动驾驶路测牌照，共涉及16个城市。

这其中，如百度已经在湖南、沧州、北京等多地开放了自动驾驶出租车服务。多地测试，其实是自身技术成熟的表现。在过去的2020年，百度Apollo自动驾驶技术有超过十项排名中国第一，同时智能车载产品Apollo小度车载也已经进入了上百万辆智能汽车。

而除了在智能汽车上的技术发展，在2020年，百度还发布了国内外首个车路行融合的全栈式智能交通解决方案"ACE 交通引擎”，扎根中国智能交通新基建，目前已获近20个城市的智能交通新基建订单。

可以说，在自动驾驶领域，中国科技企业已经完成了从整车制造、到车载应用，再到交通基础设施建设的全方位布局。而根据百度在北京、广州、长沙、保定等城市开展的实践经验，以车路协同为基础的智能交通基础设施建设，将能够提升15%-30%的通行效率，这意味着对于GDP绝对值2.4%-4.8%的增长。

用一句话来总结：由于自动驾驶的普及和应用，给国家经济带来的发展的也同样值得我们期待。

其实回顾这些年来人工智能的发展，不难发现人工智能正在加速渗透到各个领域，如交通，医疗、城市安全、教育等等；各行各业正在加速智能化、新的消费需求，新的商业模式层出不穷。

这就像百度CEO李彦宏在其新书《智能经济》中所说的那样人工智能驱动下的智能经济正在从各个层面给我们的生活和产业带来重大的变革和影响。首先是人机交互模式的智能化、然后是基础设施建设的智能化，最后是产业的智能化。

我们正在进入一个泛在智能的时代。而以百度、谷歌、特斯拉为代表的科技企业正在引领世界人工智能发展的浪潮。

同样的，我们也期望，国内更多有实力的互联网科技企业，能够从社区和买菜这种与基层老百姓争利的执着中抬起头来，将目光看向以科技驱动的、更遥远的征途。

我们相信，在不久的将来，智能终端会远远超越手机的范围，从家里的智能音箱、到冰箱空调；从自动驾驶到无处不在的智能传感器、再到我们身上的各种可穿戴设备。人们将会以一种更加自然的方式和机器、工具进行交流，一个新的、属于智能经济的时代也正在徐徐拉开帷幕。