人工智能（néng）是一个很（hěn）宽泛的概（gài）念，概括而言是对人的（de）意识和思（sī）维过程的模（mó）拟（nǐ），利用（yòng）机器（qì）学习和（hé）数据分析方（fāng）法赋予（yǔ）机 器类人的能力。人工智能（néng）将提（tí）升社（shè）会劳（láo）动生（shēng）产率，特（tè）别是在有效降低劳（láo）动成本、优（yōu）化（huà）产品和服务、创造新市场和 就业（yè）等（děng）方面为人类的生产和生活带（dài）来革命性的转变。

据（jù）Sage预测，到2030年（nián）人工智（zhì）能的出现将为全球GDP带来额（é） 外14%的（de）提（tí）升，相当于15.7万亿美元的增长（zhǎng）。全球范围内越来越多的政府和企业（yè）组织逐渐认（rèn）识（shí）到人工智能在（zài）经（jīng）济（jì） 和战略上的（de）重（chóng）要性，并（bìng）从国家战略和商业活（huó）动（dòng）上涉足人工智能。全球人工智能市场将在未（wèi）来几年经历（lì）现象级的增（zēng） 长（zhǎng）。

据（jù）中国（guó）产业信息网（wǎng）和中国（guó）信息（xī）通信研究院数据，世界人工（gōng）智能市场将在2020年（nián）达到6800亿元人民币，复合增 长率达26.2%，而中国（guó）人工智能市场（chǎng）也将在（zài）2020年达到710亿元人民币，复合增长（zhǎng）率达（dá）44.5%。

我国（guó）发展人工智能具有（yǒu）多个方面的优势，比（bǐ）如开（kāi）放（fàng）的市场环境、海量的数据（jù）资源、强有力（lì）的（de）战略引（yǐn）领和政策支 持、丰富（fù）的应（yīng）用场景等（děng），但仍存在基础研究（jiū）和原创算法（fǎ）薄弱、高端元器件缺乏、没有具备国（guó）际（jì）影响力的人工智能 开放平台等短板。

此（cǐ）份报告（gào）不但对人（rén）工智能（néng）关键技术（shù）(计算机视觉技术、自然语言处理技术、跨媒体分析推理技 术、智（zhì）适应学习技术、群体（tǐ）智（zhì）能（néng）技（jì）术（shù）、自主无（wú）人系统技（jì）术、智能芯片技术、脑机接口技术等)、人工智能典型应 用产业与场（chǎng）景（jǐng）(安防、金融、零售、交通、教育、医疗、制造（zào）、健康等（děng）)做出了（le）梳理。

八大人工智能关键技（jì）术

1.计算机视觉技术

计算机视（shì）觉(Computer Vision)是一门研究如何使机器“看”的科学， 更进（jìn）一步（bù）地说，是指用摄影机和电脑代（dài）替（tì）人眼（yǎn）对目标进行识别、跟踪和（hé） 测量的科学。近几年计算机视觉技术实现了快速发展，其主（zhǔ）要学术原因 是2015年基（jī）于（yú）深度学（xué）习的计算机（jī）视觉算法在ImageNet数据库上的识别（bié） 准确率首次超过人类，同年Google也开源了自己的深度学习算（suàn）法。计（jì） 算机视（shì）觉系统的（de）主（zhǔ）要功能有图（tú）像获取、预处理（lǐ）、特征提取、检测/分割 和（hé）高级处理。

2.自然语言处理技术（shù）

自然语言（yán）处理(Natural Language Processing)是（shì）一门（mén）通过建立形式化（huà）的（de） 计算模（mó）型来分析、理解和处理自然语（yǔ）言的学（xué）科，也是（shì）一（yī）门横跨语（yǔ）言学、计（jì）算 机科（kē）学、数（shù）学等领域的交叉学科。自（zì）然（rán）语言处（chù）理，是指用计算机对自然语言 的形（xíng）、音、义（yì）等信息（xī）进行处理，即对（duì）字、词（cí）、句、篇章的输入、输出、识（shí）别、 分析、理解、生成等的操作（zuò）和加工。自然语言处理的具体（tǐ）表现形式包（bāo）括机器 翻译、文本摘要（yào）、文本（běn）分类（lèi）、文本校对、信息抽取、语音合成、语音识别等。可以说，自然语言处理就是要计算机理解自然语言，自然语言（yán）处理机制涉（shè）及 两个流程，包括（kuò）自然语言（yán）理解和自（zì）然（rán）语言生成，自然语言理解是让计算机把（bǎ） 输入的语言变成有意（yì）思的符（fú）号和关系，然后根据目的再处理;自然（rán）语（yǔ）言生成 则是把（bǎ）计算机数据转（zhuǎn）化为自然语言。实现人机间的信息交流，是（shì）人工智能（néng） 界（jiè）、计算机科学和语言学界所共同关注（zhù）的重要问题。

3.跨媒体分析推理技术

以往的媒体（tǐ）信息处理模型往往只（zhī）针对某种单一形式（shì）的媒（méi）体数据进行（háng）推理分析，比如图（tú）像识别、语音识别、文本识别等（děng），而越来（lái）越多的任务需要（yào）像人（rén）一样能（néng）够协 同综合处理多种形式(文本、音频、视频、图（tú）像（xiàng）等)的信息，这就是跨媒体分析与推（tuī）理。跨（kuà）媒体是一个比较广义的概念，既表现为包括网络文本、图（tú）像、音频、 视频（pín）等（děng）复杂媒体对象（xiàng）混合并存，又表现为各类媒体对象形成复杂的（de）关联关系和组（zǔ）织结构，还表（biǎo）现在具（jù）有不同模态的媒体对象跨越媒（méi）介或平台高度（dù）交互融合。通（tōng） 过“跨媒（méi）体”能（néng）从各自的侧（cè）面表达相同的语义信（xìn）息，能（néng）比单一的媒体（tǐ）对象及其特定的模态更加全面地反（fǎn）映特定的内容信息。相同的内容（róng）信息（xī）跨越各（gè）类媒体对象 交叉（chā）传播与整合，只（zhī）有对（duì）这些多模态媒体进行融合分（fèn）析，才能尽可能全面（miàn）、正确（què）地（dì）理解这种跨媒（méi）体综合（hé）体（tǐ）所蕴涵的内容信息。跨媒体分析推理技术（shù）主要包括跨（kuà）媒体检索（suǒ）、跨媒体推理、跨（kuà）媒体（tǐ）存储几个研究范畴（chóu），可应用于网（wǎng）络（luò）内容监（jiān）管（guǎn）、舆情分析、信息检（jiǎn）索（suǒ）、智慧医疗、自动驾（jià）驶、智 能（néng）穿戴设（shè）备等场景。

4.智适应（yīng）学习技术

作为（wéi）教育领域最具（jù）突破性（xìng）的技术，智适应 学习技术(Intelligent Adaptive Learning) 模拟了老师对（duì）学生（shēng）一对一教学 的过程，赋予了学习系统个性化（huà）教学的能 力。和传统千人一（yī）面的教（jiāo）学方式相比，智 适应学习系统带给了学（xué）生个性（xìng）化的学（xué）习体（tǐ） 验（yàn），提升了学（xué）生（shēng）的（de）学习（xí）投入（rù）度和学习效 率。采（cǎi）用了智适应学习技术（shù）的（de）学习系（xì）统能 够针（zhēn）对学生的具体学习情况提供个（gè）性化学 习（xí）解决方案，包括定位学生的知识（shí）漏洞（dòng）、 持续性地评估学生的（de）学习能力（lì）水平和知识 状态、实时动态提（tí）供个性化学（xué）习内容（róng）。智 适（shì）应学习技（jì）术让教育领域一直困扰的质（zhì） 量、成本、可（kě）获取性三大矛盾因素变成了 历史。

5.群（qún）体智能技术

群体（tǐ）智能（néng）(collective intelligence)也称集体智能、群智。群体智（zhì）能是一种共享的智能，是集结众（zhòng）人的意见进而转化为决策的一种过程（chéng），用（yòng）来（lái）对（duì）单一个体做出随机 性决（jué）策（cè）的风（fēng）险。对（duì）群体智能（néng）的研究（jiū），实（shí）际上（shàng）可以被（bèi）认为（wéi）是一个属于社会学、商业、计算机科学、大众（zhòng）传媒和大（dà）众行为的分支学（xué）科，研究从（cóng）夸克层次到（dào）细菌、植 物、动（dòng）物（wù）以及（jí）人类社会（huì）层次的群体行为的一个领（lǐng）域。

6.自主无人系统技术

自（zì）主无人系（xì）统是能够通过先进的技术进行操作或管（guǎn）理而不需（xū）要人工干预的系统，是由机械、控制、计算机、通信、材料等多种技（jì）术融合而（ér）成的（de）复（fù）杂系（xì）统（tǒng）。自主 无（wú）人（rén）系统可（kě）应用到（dào）无（wú）人驾（jià）驶车辆、无人机（jī）、服务（wù）型（xíng）机器（qì）人(15.130, -0.10, -0.66%)、空（kōng）间机器人、海洋机器人、无人车（chē）间、智能工厂等场（chǎng）景中，并实现降本增（zēng）效的作用。自主性和智能（néng）性是（shì）自主无人系统最重（chóng）要（yào）的两个特征。人工（gōng）智能无疑是发展智能（néng）无人自主（zhǔ）系统的关键（jiàn）技（jì）术之一。利用人工智能的各种技术，如图像识别、人机交 互、智能决策、推理和学（xué）习，是实现和不断提高系统这两个特征的最有效的（de）方法。

7.智能芯片技术

目前，关于智（zhì）能芯片的定义（yì）并（bìng）没有一个严（yán）格和公认的（de）标准。一般来说（shuō），运用了人（rén）工智能（néng）技术的芯（xīn）片都（dōu）可以称为智能芯片，但是狭义（yì）上的智能芯片特指（zhǐ）针对人工（gōng） 智能算法做（zuò）了特殊加速设计的芯片，现阶段（duàn），这些人工智能算（suàn）法一（yī）般以深度学习算法为主（zhǔ），也可以包括其它（tā）机器学习算法。智（zhì）能芯片可按技术（shù）架构、功能（néng）和应 用场景等维度分成多种类别。

8.脑机接口技术

脑机接（jiē）口(Brain-Computer Interface，BCI)是在人或动物脑(或者脑细胞的培（péi）养物)与外部（bù）设备间建立的直接连（lián）接通路。通过单向脑机接（jiē）口技术，计算机可 以接受脑传来的命令，或者发送（sòng）信号到（dào）脑（nǎo），但不（bú）能同时发送和接收（shōu）信号。而双向（xiàng）脑机接（jiē）口允许脑和外（wài）部设备间的双向信（xìn）息（xī）交（jiāo）换（huàn）。2013年，自美国首次宣布启动（dòng） “脑计划”以来，欧（ōu）洲、日本、韩国等陆续（xù）参与“脑科（kē）技”竞赛项目，据已公开数据表明，全球在（zài）脑机接口相关领域的研发支（zhī）持已经超过200亿美元。

人工智能（néng）赋能产业与（yǔ）应用场景 

人工智能（néng）技术渗透各产业——从产品成熟度视角来看

在人工智能技术向各行各业（yè）渗透（tòu）的过程中，不同（tóng）产品由于（yú）使用场景复杂度的不同、技（jì）术发展水平（píng）的不同，而导致其成熟度也不同。比如，教育和音（yīn）响（xiǎng）行业的核 心（xīn）环节已有成（chéng）熟（shú）产品，技术（shù）成熟度和（hé）用户心理接受度都（dōu）较高;个（gè）人（rén）助理和医（yī）疗（liáo）行业在核心环节已出现试（shì）验性的初步成熟产品，但由于（yú）场景复杂，涉及（jí）个人隐私（sī） 和（hé）生命健康问题（tí），当前用户心理接受度较低;自动驾驶和咨询行业在核心环节则（zé）尚未出（chū）现成熟产品，无论是技术方面还是用户心理接受（shòu）度（dù）方面都还没（méi）有达到（dào）足（zú） 够成熟的（de）程度。

人（rén）工智能技术渗透各产业——从（cóng）行业使用率视角来看

在人工（gōng）智能技术向各行（háng）各（gè）业渗透的过程中，安（ān）防和金融行业的人工智能使用率最高，零售、交通、教育、医疗、制造、健康行（háng）业次之。安防行业一直围（wéi）绕着视 频监控在不断改（gǎi）革升级，在（zài）政府的大力（lì）支持下，我国已建成集数据（jù）传输和控制（zhì）与一（yī）体的自动化（huà）监控平台（tái），随着计算机视觉技术出现（xiàn）突破，安防行业（yè）便迅速向智 能化（huà）前（qián）进。金融行业拥有良好的数据积累，在（zài）自动化的工（gōng）作（zuò）流（liú）与相（xiàng）关技术（shù）的运用上有（yǒu）不错的成（chéng）效（xiào），组织机（jī）构的战略与文化（huà）也较为先进，因此人（rén）工智能技术（shù）也得 到（dào）了良（liáng）好（hǎo）的应用。零（líng）售（shòu）行（háng）业在数据积累、人工智能应（yīng）用基（jī）础、组织结构方面（miàn）均有一定基础。交通行业则在组织基础与人工智（zhì）能（néng）应用（yòng）基础上优势（shì）明显，并已经开 始布局（jú）自动驾（jià）驶技术。教育行业的（de）数据积（jī）累虽然薄弱，但行（háng）业整体（tǐ）对人工智能持重点关注的态度，同时也开（kāi）始在实际业（yè）务中结合人工智能（néng）技术（shù），因（yīn）此未来（lái）发展 可期。医疗与健康行业拥有多年（nián）的医（yī）疗数据积（jī）累与流程化的数据使用（yòng）过程，因此在数据与技（jì）术基础上有着很强的优势。制造行业虽然在组织机构上的基础相对 薄弱（ruò），但拥有大量高质量的数（shù）据积累以（yǐ）及自动化的工（gōng）作流，为人工智能技术的介入提供了（le）良好（hǎo）的技术铺垫。

……

报（bào）告（gào）节选：