人工智能商业化应用精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能商业化应用主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工智能商业化应用范文

报告从医疗人工智能的发展角度出发，以商业落地为切入点，总结出中国医疗人工智能发展10大洞察。梳理了国内10项主流的医疗AI产品，医疗人工智能领域中十大主流产品，并从技术成熟度、使用效果、发展情况、企业案例等角度进行分析。

2018中国医疗人工智能十大洞察从人工智能在医疗健康领域的四个核心应用场景——医学影像、虚拟助理、健康管理和药物研发的角度，提出出中国医疗人工智能发展的十大洞察及相关观点。

1. 部分智能影像诊断企业将在2018年获得三类器械证，正式进入商业化阶段。

2. 智能影像诊断竞争格局基本形成，“伪医疗AI企业”基本出局，新入场技术型玩家基本没有获得风投的可能，商业机会已然错过。

3 .语音电子病历：落地医院成本高，产品需进行科室定制化，客单价低，主要用于病理科、影像科等。

4. 智能问诊：知识图谱搭建是关键，目前仅发挥导诊、辅助检索或连接医患的作用。院内场景“预问诊”需求量大，具备落地能力.

5. 国人健康管理意识尚待培育，健康大数据尚待采集与整合。企业以B端为主要切入口。

6. 精神心理治疗师严重缺乏，AI或可成为替代性工具。

7. 药物研发中化合物数据质量对于AI企业是关键。

8. 借助国际力量，中国AI药物研发企业从无到有，预计2018年起将涌现更多玩家，AI药物研发或将是未来的新风口。

9. 产品形态以软件/SaaS为主，收取软件授权费的商业模式存在一定局限性。软硬一体化产品的商业落地更具优势。

10. 中国医疗整体数据量大，但针对细分场景的数据量和质量仍无法满足算法模型的训练需求；随访数据的缺失，使国内在类似“肿瘤患者五年存活率”等领域的研究一片空白。

医疗人工智能应用场景与技术路线人工智能与医疗健康结合点在哪里？下图呈现的是人工智能技术在医疗领域的主流应用场景与技术路线，通过该图能够对中国医疗人工智能的格局有清晰的了解。

中国十大医疗人工智能产品总览为了更深入的解读商业落地的现状，在报告中，亿欧智库主要按照技术成熟度和使用效果两大维度对医疗人工智能十大产品进行了分析与评估。其中，针对技术成熟度和使用效果两大维度，主要通过产品出现时间、落地情况、发展情况、企业数量、行业人士和专家访谈进行判断。另外，还从产品的发展情况、涉足的企业案例等角度更加具体地进行分析。

医疗人工智能六大发展趋势结合政策和商业落地产品的现状，亿欧智库认为市场在今年呈现出六大趋势：

1. 2018年起，AI影像产品落地速度会加快，产品性能成熟度将不断提高。

2. 随着技术成熟度提高，语音电子病历医院普及率加快，头部企业可形成规模效应

3. 智能问诊随着知识图谱的不断完善，预问诊功能可以有效提升医生效率

4. 健康大数据的发展，会使AI在健康管理场景下的应用程度会进一步提高。

5. AI在精神心理健康的的渗透程度会更深，未来可能成为这一领域的核心推动力

6. AI+药物研发领域将会诞生出独角兽。

医疗人工智能发展四大挑战一是数据数量问题：中国医疗整体数据量大，但针对不同病种的数据量和质量参差不齐，有些病种的训练数据缺乏；健康大数据孤岛问题有所缓解，但仍未达到深度学习的阶段。

二是数据质量问题：AI数据处理中标注的准确性关乎结果的准确性，近两年之内还是需要大量医生去标注。药物研发中的数据质量对于研发效率的提升至关重要。

三是人才问题：AI算法人才与医学人才知识体系不同，如何融合各自优势发挥最大价值，值得企业思考。

第2篇：人工智能商业化应用范文

中国电子信息产业发展研究院总工程师乌宝贵参加了本次大会并代表主办方致辞。乌宝贵回顾了人工智能的历史，肯定了人工智能60年来的发展成绩，并指出，中国人工智能产业正步入一个崭新的阶段。从科学研究角度来看，中国在深度学习等领域的学术研究水平，已经走在世界前列；从龙头企业发展角度来看，阿里等国内企业在人工智能领域已经具备和国际巨头抗衡的实力；从创新创业角度来看，人工智能已经成为国内“双创”最活跃的领域之一；从应用创新角度来看，制造、交通、家居、教育、金融、大健康等众多领域的应用正全面展开；从产业链角度来看，从智能芯片到IT基础设施，从底层架构到模型算法，从大数据到云平台，从智能终端到智能应用，国内在各个层面均取得了突破性进展。他表示，人工智能不仅仅是一个概念，而是下阶段技术创新、应用创新的新焦点，是市场发展的新热点，也是我国推动产业转型升级的重要支点。

中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃参加了本次论坛并发表演讲。王飞跃以《迈向人机混合虚实互动的平行智能》为主题，追溯了智能的本源，探讨了平行时代的智能基础设施X5.0，并展望了智能产业和智能社会。王飞跃认为，阳为智能，阴为情报，相辅相成，智能是开放的情报，情报是封闭的智能，智能的本质是利用已知解决未知，从已知到未知只能依靠想象。王飞跃提出，物理世界与心理世界、人工世界共同构成平行世界，平行世界需要平行智能。开放智能算法，开发人工世界，最终消除“智力的不对称”是新智能时代的历史任务。人机混合、虚实互动的平行智能，是“激活”的人工智能，是未来人、组织、各种类的智能机器、装置、过程、系统所必备的“生存”形式，是智能产业的基础设施。X5.0 时代的智能体系包括：一个核心――平行，两个支撑――ACP 和CPSS，三个主题――智能系统、智慧管理和社会智能。平行智能各种各类的虚实互动X5.0 系统是智能社会的基础设施，不久的将来，一个个体的实力，很大程度上可能并不取决于其本身，而取决于与其伴生的软件定义的人工映像。

中国电子信息产业发展研究院电子信息产业所副所长温晓君参加了本次大会，并以《电子信息产业新兴热点及趋势――人工智能与虚拟现实》为主题发表演讲。温晓君指出，泛在、互联、融合、智能成为产业发展新趋势，技术创新是国内经济新旧动能转换，经济结构转型升级的核心推动力量之一，是从根本上打开增长之锁的钥匙。温晓君重点解读了人工智能和虚拟现实的发展现状和趋势。温晓君分享了智能感知、人脑芯片、深度学习、大数据等人工智能前沿技术，移动社交、智能搜索、机器人、无人驾驶等人工智能前沿应用，指出“基础资源+技术+应用”的人工智能产业生态逐步形成。我国人工智能产业需构建开放生态体系、合作搭建基础资源、促进产业链深度合作、开拓可持续应用需求 。在虚拟现实方面，温晓君判断，消费端市场早期一定爆发于欧美等发达国家，国内市场短期内以产业链布局蓄力和消费者提升消费认知为主；行业应用一定从高附加值行业或价值链的高端环节兴起，应用成本与效率提升必须首先得到权衡。他指出，虚拟现实的趋势为：消费市场的普及化、行业需求的明晰化、投资热潮的全球化、基础平台的开放化、技术创新的协同化。他建议，强化顶层设计，面向行业需求规划应用路径；加强重点攻关，尽快突破行业应用技术瓶颈；制定标准规范，开展行业应用联合测试验证；推进试点示范，以点带面扩大行业应用范围和影响力。

搜狗、英特尔、陌上花（衣+）等企业代表分别从各自的领域出发，分享了人工智能的实践与思考。

北京搜狗科技有限公司CTO杨洪涛分享了关于互联网产品自然交互的经验。他指出，人机之间交互的学习成本在不断降低，变得越来越接近人的自然能力，语音正在成为最自然的交互形式。在他看来，自然交互= 技术 + 计算力 + 数据 + 产品。技术是扩散的，计算力稳步增长， 只有数据和产品才是私有财产，将成为竞争的壁垒。要想做好自然交互，需要充分利用“产品+数据”。会上，杨洪涛还分享了搜狗输入法即将推出的智能回复功能。

英特尔中国研究院院长宋继强博士就《人工智能驱动的智能交互，推进个人机器人产业化》发表演讲。他说，人工智能与人机交互推动科技进步，人工智能应用的终极平台是自主系统。他分析，个人自主服务机器人理想与现实的差距在于智能组合的实现难度，其中运动不易，认知更难。人工智能联手智能交互，通过商业化成功带动人工智能的发展和成本下降。宋继强分享了几种人工智能驱动智能交互的应用模式，并提出了个人机器人的智能度分级建议，展望了个人机器人的商业化迭代 ，即在用户需求推动下，由能力达标到价格达标，再到可靠性达标。

第3篇：人工智能商业化应用范文

当我们想忽视它的时候，一些陈旧的科幻故事会跳出来，将当时的设想和如今的技术产品摆到我们眼前：看，多少个荒谬的想象，在现实中就是不可思议地成真，还被应用了！当我们想推辞说，拥有人类智慧的机器人，技术实现上还远得很呢！但一个个机器人打败人类的例子又活生生地公布在新闻中，把这个技术性“能够”和道德性“应该”的话题，不断地逼到我们面前。

如今越来越多的人，在新奇地看着那些会说、会笑、会动的机器人时，会忍不住疑问，未来会不会发生我们都不曾理解和预想的事情？像宇宙大爆炸一般的技术奇点会不会不期而至？人类会成功主宰我们自己的世界吗？那个时候，我们又该说人类是聪明还是愚蠢呢？

在人工智能再次成为当下热点话题的今天，英国伦敦帝国理工学院认知机器人学系教授默里・沙纳汉带着他的新书《技术奇点》来到中国，希望为这个人工智能起步不久的国度，带来更多的思考和讨论。

人工智能新的春天

《凤凰周刊》：如今人工智能在当下又掀起全球关注的热潮，这一轮人工智能的发展状况是怎样的？

默里・沙纳汉：人工智能指的是计算机机器人，他们能在不同环境之下做出正确决定，完成任务。目前，人工智能技术最新的进展是让机器人拥有学习力，以及拥有更强大的处理庞大数据的能力。比如说，我们可以教一个电脑辨认和创造图像，给每个图像编号，电脑学习这些无数的图片后，可以创造一个新的图像，我们从来没有见过的。

《凤凰周刊》：人工智能的发展过程是什么样的？

默里・沙纳汉：在西方，“人工智能”并非新鲜词汇。上世纪八九十年代，人工智能研发热潮兴起，美国、日本等国家热情高涨，政府进行了大量投入和研究，后来很多预想并没有实现，人工智能又陷入了引人疑问的寒冬期。近20年来，人工智能经历了三个里程碑：1997年，IBM机器人“深蓝”打败世界国际象棋冠军加里・卡斯帕罗夫；2001年，又有IBM的机器人在一款美国游戏中，打败人类对手获得冠军；2016年，谷歌的机器人“Alpha Go”打败了围棋大师李世石。

最近的这一次，再次引发了人们对人工智能的强烈关注。在我看来，人工智能正在迎来又一个春天。是否会像前一轮一样大起又大落呢？我认为不会，因为现在的很多人工智能已经应用到了我们的生活设备当中，实现了商业化，形成了产业效应，比如说无人驾驶汽车、医疗产品等，未来会是一个良性的循环，这就是为什么谷歌、脸书、百度等大公司都有很高的投资和研发热情。

我注意到，中国出台的“十三五”计划，也明确提出了人工智能将是一个值得开发的重点领域。百度公司投资人工智能已有一段时间，现在小米公司也宣布要投资人工智能技术。

《凤凰周刊》：人工智能对我们目前的生活有何影响？

默里・沙纳汉：这一轮人工智能的影响，可以分为短期和长期来看。短期内5至10年，人工智能可以用在个性化医疗，搜集个人全面的健康数据，为治疗提供全面的数据服务；另一方面，一些产品很可能会融入我们现在已经高度依赖的金融、能源、媒体、安全等领域。从50至100年的长阶段来看，人工智能可能出现我们在科幻电影中，看到的人性化的人工智能技术。作为研究人工智能40年的专家，我认为，到2100年人性化的人工智能技术将会达到一个新的高度。

和人类一样的机器人

《凤凰周刊》：您的新书《技术奇点》正是讨论了这两个阶段的影响，为什么叫“技术奇点”？

默里・沙纳汉：听说因为一部大陆电视剧，“奇点”一词在中国很热。“奇点”在物理学、数学中都有定义，在人类历史中，“奇点”指的是，由于技术的迅速发展，人类社会的一切都出现了改变，生活在今天的我们将无法理解。

这本书就是讨论，人工智能和神经技术两个领域的技术进步，会加速这个“技术奇点”的到来。我们可以把目前的人工智能兴起和应用，称为人工智能的第一次浪潮，这个短期的发展是商业化、产业化的；而未来一个世纪可能会出现超人工智能（即有人类意识的人工智能），这个长期的发展，我们需要用一个更大的人类与机械关系视角去看待和讨论。后者看起来离我们还很遥远，但是从技术变革的历史来看，也不过是一瞬。

《凤凰周刊》：从现实技术的角度，人工智能拥有人类的意识和感情，这离我们还有多远？您最近担任科学顾问的科幻电影《机械姬》也有涉及这个主题。

默里・沙纳汉：机器人是否会有以及是否应该有人类一样的意识和感情，这个富有争议的话题，已经在科学界和科幻界讨论了半个世纪。早在1950年，大家熟知的“计算机之父”艾伦・图灵，就曾经发表过学术文章《计算机与智能》，他预测到2000年，人们谈论机器也能思考时，会是一件很正常的事情。虽然到2000年这个预言没有实现，但是以上我们提到的人工智能的发展历程，让我们看到未来的可能性。

近年来，我把注意力更多地放在神经技术领域，目前我们正在小白鼠的大脑上进行实验，看是否可以实现全脑仿真，与生物大脑不同，数字基质的大脑可以多次复制。数字基质的大脑还可以加速，这一点也与生物大脑不同。所以，如果我们能通过全脑仿真制造人类水平的人工智能，那么只要运算能力足够强大，就可以制造一个以超高速运转的人类水平的人工智能社区。如果人工智能不是按照仿生方法制造，而是从无到有创造的，这个道理也适用。事实上，只要是电脑程序，都可以复制或加速。而且，目前有很多仿生技术，也让这个预言越来越有成真的希望。

记者：你认为，我们可以在多大程度上把人类的意识和生理功能放到机器人身上？

默里・沙纳汉：让机器人多大程度上拥有人类的思考和创造能力，以及是否要有性能力等，这是一个复杂的问题。涉及到社会层面的道德和责任，以及人类和机器人的关系。但我想指出的是，很多科幻小说和电影，把有意识的机器人最后妖魔化、邪恶化，说它会代替人类或者谋反人类等，这些都是因为人性对未来的恐惧而产生的想象，我们不要被这些想象带得太深。事实上，机器人是安全的，很多风险是可控的。

一次突破就可能改变世界

《凤凰周刊》：有时候，技术发展可以达到一个新的高度，但是人性本身或者说人类社会未必能接受或承受，所以会使得技术在一定程度上发展减慢停滞。你认为这是一件好事还是坏事？

默里・沙纳汉：每一次技术革新的时候，我们的人性也被影响，面对未知和不确定，我们的一个自然反应是被吸引，同时又害怕。从短期来看，有时候放慢是好事，因为商业化总是会不自觉地推着一项技术和应用大肆向前。比如说，社交媒体已经在年轻人中非常流行，但我们的社会也需要一些时间去学习如何处理社交媒体。某些人会很关注别人的个人生活，但其实是没有意义的。同理，人工智能也是一样。但是从长期来看，我们不能因为人性本身的局限性，就完全阻止创造未来更多的可能性。

《凤凰周刊》：按照您在书中说的，从长远历史来看，人类现在只是走在人工智能的开始阶段。那么我们在研发人工智能的时候，我们到底在研发什么？一个机械奴隶，一个人类伙伴，还是有可能比人类还聪明的“老师”？

默里・沙纳汉：这是个很有意思的问题。在未来40到50年，我们需要很严肃地思考和面对这个问题。现在我自己也没有答案。

第4篇：人工智能商业化应用范文

2013年4月，何搏飞辞去了一家美国上市公司中国区总经理的职务。他用几个月的时间在中国寻找创业伙伴，结果却让人失望。当时，他已经做好打算，和这个团队随便聊半个小时，然后就飞去美国硅谷。

何搏飞推开门，看见几个光着上身的年轻人坐在电脑前，整个屋子被各种大小的显示屏围绕。随后，他和团队CTO赵勇从下午两点一直聊到了凌晨两点，就决定加入担任CEO。这家公司的名字叫做“格灵深瞳”。

格灵深瞳是一家计算机视觉和人工智能的技术公司，通过深度数据和机器学习算法让计算机主动获取三维视觉信息，并进行精确的实时智能分析。简单来说，他们想让计算机像人一样，看见并理解这个世界。

“计算机视觉的技术已经存在了几十年，我们想要做第一个将计算机视觉商业化的公司。”何搏飞说。切入智能安防监控领域是格灵深瞳选择将计算机视觉商业化的第一步。今年6月，格灵深瞳获得了红杉资本数千万美元的A轮融资。10月，其智能安防系统开始在国有四大银行中的三大银行进行试点。

格灵深瞳CTO赵勇创业之前在Google工作，是Google Glass的核心研发团队成员之一。Google的工作原则是80/20，员工可以利用20%的时间自由创新。赵勇利用空闲的时间，重新开始研究自己在美国博士期间的研究方向―计算机视觉的人工智能。

计算机视觉过去主要建立在光学镜头采集的二维图像上。光学镜头在生成图像时，会丢失掉一个维度“深度”，只保留长度和宽度。当时人们觉得，通过二维图像加上算法，就能够让计算机看懂世界。但赵勇和他布朗大学的博士导师并不同意这个观点。他们坚持认为，计算机必须要通过三维信号才能够看懂这个世界。因此，他们主张要增加“深度”这一维度的信息。“我们有两只眼睛，就是为了判断深度。人脑比计算机聪明多少倍？人脑进行判断还需要三个维度的信息，计算机只通过两个维度怎么能够准确判断？”何搏飞对《第一财经周刊》说。格灵深瞳的这一代智能安防系统上一共装有3个镜头。一个是和普通安防系统一样的RGB摄像头，另外两个用来发射和接收激光。激光发射镜头能够在1/30秒的时间里发送36万束激光，安防系统借助它们扫描出现实世界的三维立体图像。

这3个镜头就相当于计算机的“眼睛”。格灵深瞳所做的，不仅是给计算机装上“眼睛”，而且给计算机设置了一套“视网膜神经系统”，让计算机能够看懂“眼睛”里出现的东西。

借助机器学习算法，格灵深瞳的系统能够同时分辨多人的运动轨迹和行动速度，并一一精确记录。比如早上8时的北京地铁站，人群正处于早高峰极端拥挤的状态，格灵深瞳可以从中分辨出一个穿红衣服的女孩，精确跟踪她在人群中的行走轨迹。同时，格灵深瞳的系统还能够监测人类肢体的运动幅度和速度，从而精确识别人们的姿势和正在做的事情。

最初，赵勇和团队已经解决了基本的技术问题，但还没有想好商业化应该选择的行业。办公区域前的大黑板上密密麻麻地写着80多条可能的商业化方向，包括安防、教育、医疗等等。这些是格灵深瞳团队的工程师们一个晚上头脑风暴之后的成果。

“你们这是科学家在实验室里想问题的方式。”熟悉商业的何搏飞对赵勇说。“如果格灵深瞳的目标是成为全球最好的计算机视觉和人工智能公司，最需要的是什么？”“海量的数据。”赵勇说。

要获得海量的数据，有两种方法。第一个是像Google街景一样，自己到各地去拍摄采集。另外一种，是通过现成的行业和设备实现。有没有一个行业，已经在所有能够采集数据的地方都装上了摄像头？赵勇和何搏飞同时想到了安防。安防是一个足够大的市场。2013年中国安防市场的复合增长率为30%，销售收入约为4000亿元。美国的摄像头与人口比是1：10，但在中国的北京和上海这个数字还只是1：50。

更难得的是，格灵深瞳的技术正可以解决安防领域目前面临的两个难题―看不见和找不到。一方面，一个安保人员往往要同时负责监看100多个摄像头，随便里面某个摄像头拍摄到突发事件，当时就被监控人员发现的可能性非常小。另一方面，想要查找监控录像中的某一段录像也非常困难，就算快进，一段6个小时的视频也得近1个小时才能看完。而格灵深瞳的智能计算机视觉系统可以很好地解决这些问题。

选择安防领域作为商业化切入口之后，赵勇和何搏飞开始分析市场和客户。他们发现安防系统在机场、火车站、广场等场景应用最多。但场景一多，很多东西就无法控制。他们希望首先找到一个具有高度可复制性的场景，他们将目光投向了银行。“中国的银行几乎都长得一模一样。由于银监会有严格的条例规定，它们的需求也都一样。而且银行本身底子厚，它们有很强的应用安防新技术的动力。”何搏飞告诉《第一财经周刊》。

一开始跟银行谈合作时，何搏飞和赵勇将重点放在了暴力事件的监控和报警上面。但他们发现实际情况并不如自己所想。暴力事件的概率极小，因此在很长一段时间内，格灵深瞳无法向银行展示出产品优势。

银行的工作人员告诉他们，比起外部风险，银行更头疼的是内部风险。银行一直有双人加钞的规定，一个人保管钥匙，一个人保管密码。但这条规定执行得并不好，就算排班排了两人，也常出现一个人出去抽支烟，另一个人自己加钞的情况。媒体曾经报道有顾客在ATM机中取出过假钞，就是加钞过程中出了问题。

何搏飞和赵勇将这点作为了产品的突破口。经过一段时间的研发，他们的安防监控已经能够确保当ATM机的加钞盖子被打开的时候，必须有两个人在场。甚至当一个人输入密码时，另一个人没有转过身，系统都能够自动报警。银行长久以来的难题被格灵深瞳解决了，它们开始接受格灵深瞳成为自己的安防合作伙伴。2013年12月，格灵深瞳进入全国网点最多的银行中国农业银行进行无人监控安防测试。2014年10月，格灵深瞳在国有四大银行的三大银行中进行大规模推广试点，测试地区包括北京、重庆等省市。

第5篇：人工智能商业化应用范文

摘要：汽车作为重要的交通出行工具，它的出现和应用极大程度的改善了人们的生活状态，随着经济的发展，汽车行业的发展规模越来越大，对应的技术水平也越来越高，当前汽车产业的三大技术突破：车载网络、无人驾驶技术以及新能源中无人驾驶技术主要针对现代人对汽车驾驶的新需求，它的研发和应用将彻底扭转人们的驾驶习惯，改变驾车方式，并逐步促进车联网的形成和完善。

关键词：智能辅助驾驶系统；车联网；技术应用

智能辅助驾驶系统目前在一些高端品牌的车辆中已经有所应用，例如宝马、沃尔沃等，智能辅助驾驶系统的使用提高了行车的安全性，当驾驶员处于疲劳状态下，或是执行了错误的操作、车况遭遇意外时，辅助系统能够智能化控制车辆的行驶状态，保护行车安全。车联网则是车与人、车与路、车与车之间的信息共享，通过传感设备，建立车辆与公众网络之间的联系。在车联网当中，通过传感设备和信息共享，智能辅助驾驶系统就能够准确获知车辆的当前行驶状态，并进行路径规划，进行智能操作，辅助驾驶员保持车况稳定。在下文当中，笔者将对智能辅助驾驶系统在车联网中的应用进行分析，加快实现无人驾驶。

一、 智能辅助驾驶系统分析

（一） 算法技术

算法技术是智能辅助驾驶系统中最为重要的技术部分，要决定了智能辅助驾驶系统的智能化程度以及其能够保障驾驶安全。国内相关企业所提出的算法技术比较受到认可的是上海趋视信息科技有限公司所推出的ADAS辅助驾驶系统算法版本，该算法模块应用了趋视科技自动3D场景建模与深度学习算法模块，对汽车行驶状况的计算和分析较为准确，且应用比较简单，即使是普通驾驶员也能进行操作。近年来，随着科技的发展，国内很多的科技公司都相继推出了智能辅助驾驶系统，其中的算法技术都是大同小异，理论上具有一定的操作性，但是实际应用价值较低，还需要进一步改进。国外MOBILEYE所推出的智能辅助驾驶系统虽然优越于国内技术，但也不尽完善，且售价非常昂贵。未来的智能驾驶辅助系统应当趋于平民化、实效化方向发展。

（二） 相机科技

趋视科技的辅助驾驶系统主要是用单个光学相机集成车辆行驶画面，并将其传输至显示界面，其技术优势在于解决了传感器摄影的数据融合问题，应用成本低，但可靠性比较高。

（三） 相机的自动标定技术

相机自动标定技术的研发节约了相机设备的安装和调试成本，而且可以自动标定位置，发现并处置相机的意外移动，时刻保持趋视的完整性和正确性，保证智能驾驶辅助系统性能的应用。

在基于光学摄像机的智能辅助驾驶系统中，车辆状态的物理数据，如车速，车辆本身相对于车道线的位置，以及车辆周围的距离等，都是基于目标检测的图像内容，依据相机内部和外部的标定参数进行计算的。因此，校准参数的准确性是非常重要的。现有的智能辅助驾驶系统，通常使用一个特定的相机，所以相机的焦距等内部参数等是默认的，需要专业人员通过特殊工艺调整相机的外标定参数，如高度等，确保在使用状态下的摄像机角度不会改变。这些高标准安装要求必然会增加使用成本。但对于自动标定技术而言，通过检测图像中的目标和实际的物理尺寸对摄像机的内部参数和外部参数进行连续实时匹配，不仅不需要使用特定的摄像机，也可以用来改变摄像机的位置，并自动检测相机角度，自动调整内部系统的算法。该技术使智能辅助驾驶系统被用来作为智能手机的一个移动应用程序，促进了智能驾驶辅助系统的推广应用。

（四） 视频技术

视频技术是智能辅助驾驶系统中比较重要的一项技术，而且具有实际应用性，但是增加了视频技术的智能驾驶辅助系统计算量非常大，国际主流厂商现在都需要使用专用芯片进行数据处理，而不是依赖于硬件性能，该技术的重点是开发高效的算法来解决计算问题。从这一点出发，应用树结构专家系统能够智能分析模块数据，利用专家系统可以增加有针对性的深度学习，利用图像特征减少深度学习的维度，得到学习统计的鲁棒性，同时保持系统的逻辑和效率。目前上海趋势科技已经在x86芯片平台上实现了基于1080p的视频智能辅助系统，现在正在移植到一般的Android和IOS移动平台。

二、智能辅助驾驶系统在车联网中的应用

ADAS辅助驾驶系统已经应用于宝马、沃尔沃等高端车型，但国内汽车行业还没有普及这一智能辅助驾驶系统。汽车行业的发展和改革需要一个漫长的周期，一项新技术，需要至少两到三年的测试才能进入实际应用阶段。到目前为止，国内还没有人工智能（AI）与国内汽车厂商合作，完成对其汽车辅助驾驶系统的全面测试，更谈不上真正意义上的商业化。

目前，上海趋视已经开始与国内领先的汽车制造商上汽通用开展了技术交流和技术评价等合作，这标志着智能辅助驾驶系统以及相关科技已经逐步的受到了国内汽车制造商的认可，科技公司和汽车厂商将会进入全方位研究测试阶段，相信在不久之后，国内将出现大量的具有智能驾驶辅助系统的汽车。

智能辅助驾驶系统的应用必须遵循三个阶段：商业试验、商业应用、数据应用。人工智能产业仍处于商业实验的第一阶段。目前，市场上表现出了对人工智能技术的极度渴望，尤其对于智能辅助驾驶系统来说，但是人工智能技术的发展却一直跟不上市场需求。主要问题是人工智能的准确性较低，不能提供一个完整、可靠的系统，存在错误和遗漏，对于汽车驾驶来说，这种漏洞是百分之百不允许出现的，以人脸识别为例，如果在驾驶过程中，智能辅助驾驶系统多次错报和漏报人脸识别结果，就会带来严重的安全隐患，也会使得用户逐步对智能辅助驾驶系统失去信心。错报、漏报是人工智能在试验阶段必须解决的问题。

而在国外，以色列MOBILEYE公司已经成功的将基于视觉的智能驾驶辅助系统应用在了一些高端车辆上，并受到了厂商的认可，这标志着国外汽车行业的智能驾驶辅助系统已经进入了商业应用阶段。其它的视觉技术依旧等待创新，尤其是人脸识别技术，小范围、近距离的人脸识别已经较为成熟和完善，正在准备进入商业应用阶段，但是广义上、大范围的人脸识别技术还有待开发。

结束语：

未来，趋视科技以及其它人工智能企业将进一步加大技术研发力度，不断完善智能辅助驾驶系统，优化算法技术、相机技术等相关技术，尽快实现车与车、车与路以及车与人之间的信息交互，提高信息计算和分析的准确性。此外，国内科技公司还需继续对行为分析算法进行大规模升级，大大提高识别的精度，满足更多行业的应用需求。

参考文献：

[1]徐邦振； 汤一平； 蔡国宁.基于机器视觉的轻量级驾驶辅助系统[J].计算机科学，2015（S2）：172-173.

[2]方景辉； 徐伟明； 朱晓峰； 王春新.基于物联网与三维可视化技术的变电站智能辅助控制系统的研究与应用[J].电气自动化，2012（03）；248-249.

[3]余涛； 俞立中； 王铮； 严网林.自主式智能系统及其在汽车安全辅助驾驶中的应用[j].公路交通科技，2012（06）：143-144.

第6篇：人工智能商业化应用范文

“机器人替代我演奏还需多长时间？”第一次参与科技跨界的小提琴演奏家吕思清问。

“谷歌已经通过深度学习，模仿一位大画家的画风。现在谷歌的画作已经达到普通人难以区分的程度。”有人告诉他。

“音乐表演是最高层次的精神活动，机器人短期内替代不了音乐家。”另外的人反驳说。

“刚才你们谈了几种机器人的应用场景，我觉得还少了一块音乐教育。”吕思清说，“机器人、人工智能可能会提供一种因材施教的新教学途径。”

这是优必选科技在召开的主题为“机器人，不止于此”的会，请一些跨界嘉宾来交流，主要是公布其人工智能战略布局。

COO养CTO

用机器人为人们提供包括教育在内的多元服务，正是优必选科技创始人周剑的梦想。8年前，周剑带着十几个小伙子走上智能机器人的创业路。他内心的最大梦想是做出能够普及的人形服务机器人。

刚创业时，周剑遇到的最大瓶颈是，国内连组装一台小的伺服舵机都非常难，而国外伺服舵机又非常昂贵。

接下来的4年中，在耗尽在商场上打拼的半亿元积蓄，克服技术难关后，周剑他们研发出“最重要的是既便宜又高质量”的伺服舵机技术。

这个伺服舵机让他有信心在2012年成立优必选科技，投身机器人和人工智能平台。

周剑认定了人形机器人。“手机App这类数据采集手段，收集到的数据其实是非常非常少的，它很难全面定义一个人。”他说，“我曾反复强调，我们需要主动的数据收集。如果有像ASIMO那样的人形机器人进入家庭，像父母家人一样，与我们朝夕相处，通过语音、视觉平台主动收集我们的数据，为我们勾画出完整画像，再配合BAT公司的云端合作，这才能形成严谨的逻辑闭环。”

周剑也与亚马逊团队讨论了很久。在此之前，亚马逊推出了智能音箱Echo。“我们后来达成了一致，认为未来人机交互的中心一定是人形机器人。它就是你的家庭成员，与你可以坦诚交流，这不是一个音箱可以做到的”。

要做出人形机器人是非常难的。全球一些大型公司和实验室已探索多年。它需要大规模资金投入，需要高尖技术人才，还需要整合大量资源。

“我对自己的定位是要落地，所以才有了两条腿走路的战略。”周剑说。

“左腿要赚钱”。周剑预计优必选2017年的销售收入将在10亿到15亿元之间。他对实现这个收入有信心。“近几年我们一直在高速增长。2014年收入190万元，2015年5000万元，今年是3亿元。”周剑说。

2017年，优必选的收入来自与“大块头”的合作。这是周剑的信心来源之一。2017年1月，优必选和亚马逊将在CES展上共同一款机器人。“亚马逊和我们都认为这是个广阔的市场”。既然亚马逊Echo音箱卖了几百万台，机器人销售也不会弱，这将是优必选科技收入增长来源之一。

优必选的第二个收入增长来自于IP产品。要知道IP产品是影视界、体育界大亨的重要收入来源。在这个智能时代，过去静态的IP衍生品变成活灵活现、可以互动的机器人将是个趋势。这方面的销量也被看好。

2016年，苹果主动找到优必选，它对优必选的机器人很感兴趣。之后，优必选和苹果合作的JIMU STEAM教育机器人就登陆全球部分Apple Store零售店。STEAM机器人是一种既能组装、又能编程的机器人，它对学生在多方面都有影响，也顺应美国总统奥巴马发起的“编程一小时”运动。优必选正在形成一套课程，要逐步进入校内外教育市场。

周剑认为，这类产品要让孩子使用到真正的机器人技术，如伺服舵机、控制及各种传感器。而且价格不能太贵，才能真正落地。

“从2016年推出到全球布局，这可能也是2017年我们比较大的收入来源。”周剑说。按照布局，北美2017年会有4000家店，欧洲2000家店，国内有2000家店。

周剑还布局To B的Cruzr机器人，目标是在银行、商超、海关、安防监控场景下的应用，已经拿到多个订单。

“我们做的每个东西都是有原因的。左腿基于商业化走路，赚到钱后投入到‘右腿的未来技术研发上’，积累更多东西。”周剑笑谈，“我们是COO来养CTO。”

机器人的“躯干与智能”

周剑所说的未来技术，是为他的“人形服务机器人”积蓄资源。

最近，悉尼大学教授陶大程即将加入优必选，担任优必选“人工智能首席科学家”。“人工智能领域都知道陶教授。”周剑说。陶是欧洲科学院院士、澳大利亚科学最高荣誉尤里卡奖获得者。2016年，陶大程团队获得了包括NIST PaSC、ActivityNet等权威赛事的冠军。

“我们每天获取的信息70%、80%以上来自视觉。因此，视觉研究我们主要抓在自己的手上。”周剑说。

“未来非常关键的技术是模型压缩。我们要把大模型变成小模型，实现在人形机器人本地的计算，而不依赖于云计算，这样也能降低人形机器人的电能开销。” 陶大程对《IT经理世界》说。同时，视觉研究还包括基于视频的视觉理解、单/多态的情绪识别以及视频的室内定位导航和避障等。

“有了这些技术，当你跟机器人Alpha相遇说：你好，Alpha，并同时把手伸过去时，Alpha能理解这是要跟他握手，然后会把手伸过来。”陶教授形象地介绍。

优必选同时聘请清华大学赵明国教授担任其“人形机器人首席科学家”，在机器人运动控制上展开合作。“赵教授几乎是全中国屈指可数的坚持20年只做双足人形机器人的人士之一。”周剑说。他领导的联合实验室将继续专注于双足机器人运动控制技术研究。

第7篇：人工智能商业化应用范文

记者的一位朋友，从小受过专业围棋的训练，长大后又从事过很长一段时间程序员的工作，对于围棋的奥妙深有体会，因此在李世石与AlphaGo的人机大战开始前，他曾拍着胸脯说，对战的结果一定是5∶0，人类轻松获胜。可是事情的结果呢？事与愿违。通过此事，记者的这位朋友对于人工智能（AI）有了更新的认识。

不可否认，人工智能给人们带来了无穷无尽的想象空间。人工智能到底能给人类社会的发展带来多大影响？人们的工作和生活是否将从此产生质的飞跃？现在人工智能技术的发展到底进入到什么样的阶段？11月1日―2日，一年一度的C&C用户论坛暨iEXPO 2016在日本东京举行。我们或许能从这次大会一窥人工智能领域的新动向。

NEC主办的C&C用户论坛暨iEXPO大会今年已经是第20届，“Orchestrating a brighter world”（协同创造更美好的世界）成了本届大会最响亮的口号。NEC希望借助在人工智能和物联网（IoT）方面的诸多技术和产品创新，更好地肩负起构建安心、安全、高效、公平社会的责任。

改变已经发生

“人工智能市场的增长已经超出了人们的想象。”NEC全球总裁兼首席执行官新野隆在大会的主旨演讲中开宗明义，“人口增长带来的巨大压力，新型城镇化发展引发的各类社会问题，人与人、人与物之间广泛而复杂的连接……为了更好地解决这些问题，我们必须更充分、有效地利用ICT的创新。”

人类社会正面临一场新的数字化革命，而云计算、人工智能、可视化、大数据、安全、物联网等技术将成为支撑这一变革的技术驱动力。作为一个传统的ICT厂商，NEC将如何应对这一变革，扬长避短？NEC中国总代表兼日电（中国）有限公司总裁吉田直树表示：“我们的优势主要体现在具有很强的综合实力，凭借深厚的技术积淀，以及长年服务大型企业级客户累积的经验，可以为行业用户提供全面的针对其应用需求量身订制的解决方案。”

新野隆特别强调了NEC的三大技术优势――人工智能、连接性、网络安全。NEC在这些技术领域的许多创新之作都可以在本次大会的展示区看到。据NEC的工作人员介绍，往届大会的展示区通常是按技术和解决方案的类别来划分，而今年有了很大的改变，以助力数字化变革为核心，突破了技术间的界限，以蓝色、红色和绿色三种颜色来划分展区：蓝色代表“AI和IoT引发的数字化革命”，主要展示NEC在AI和IoT领域的最新技术成果；红色代表“加快数字化变革的先进技术”，主要包括大数据、网络安全、SDN和云平台；绿色代表“利用AI和IoT加速构建更美好的世界”，主要展示NEC的AI和IoT在制造、流通、通信、医疗、市场营销、安全、智慧城市等领域的成功应用。

在展区中，让记者印象最深刻的还是NEC在网络空间安全方面的技术创新和应用。人脸识别可以说是NEC最擅长的一项技术，不仅识别速度快，而且准确率极高，已经在机场、海关，以及涉及公共安全的很多应用场合得到了广泛部署。在人脸识别技术展台前，记者做了一次亲身体验。负责演示的技术人员现场用平板电脑给记者拍摄了一张照片，并上传到后台的数据库中，然后记者走到摄像头前，NEC的人脸识别系统几乎是瞬间就认出了记者。

其实，人脸识别在今天来看已经不是什么新鲜事，许多中国厂商也在这方面有所建树。“在人脸识别方面，我们会将其他厂商不做或做不到，但又是NEC所擅长的技术和解决方案带入中国市场，凸显自身的差异化竞争优势。”吉田直树介绍说，“我刚刚参加了在北京举行的2016中国国际社会公共安全产品博览会，目的是进一步了解中国客户的需求，以及中国同类厂商的动态。虽然很多厂商都可以提供针对特定个体的人脸识别解决方案，但是目前在数百人中快速找到特定的人还是一个难题，而这正是NEC的强项。”

NEC还将人工智能技术用于网络安全领域，探测未知的网络安全威胁。NEC的自主学习型系统异常监测技术，可以在攻击发生后到产生实际危害前的这一时间段内，及时发现系统异常并报警，从而尽量避免造成实际的安全损害。NEC已经将这套融入了人工智能的系统异常监测技术用于公司内部的16万台设备上，更好地保证了公司业务的正常运行。

人工智能在行动

在本次大会上，记者还看到NEC将人工智能用于健康和医疗、物流，以及智能工厂等诸多领域。比如，NEC将人工智能与可穿戴设备相结合，用于工厂的设备管理、业务流程控制，以及远程监控等，可以及时发现生产中的问题，持续提升生产效率。在物流行业，即使是一个新手，他只要通过一副智能眼镜和一块智能手表，就可以根据货运单的要求，准确找到货物存放的货架，然后将货物运送到指定的地点。这同样得益于NEC的人工智能技术与可穿戴设备相结合的解决方案。

其实，早在半个多世纪前，NEC就已经开始在可视化、分析、控制等领域展开了研究，尤其是在声音和图像识别、语义解析、机器学习、风险预测、控制和优化等方面取得了非常多的成果，并广泛应用于多个商业场景。这为今天NEC构建先进的人工智能技术群奠定了坚实的基础。在可视化、分析、控制和引导三大领域，NEC拥有多项世界领先或唯一的技术创新成果。

举例来说，在人工智能方面，应用了NEC世界最高精度的面部识别技术的出入境系统、可以察觉因肉眼无法发现的微小状态变化导致故障的飞机故障预警系统、基于机器学习技术的可精确预测订货需求的零售订货系统等，已经广泛应用于创造安心、安全环境的公共安全领域、大型社会基础设施的监控、强化企业营销、提升业务效率等方面。NEC希望通过人与人工智能技术的协调，最终实现生活的智慧化。

就在本次大会召开前，NEC刚刚了几款人工智能和物联网解决方案。NEC the WISE NeoFace Watch Image Data Mining可以快速对图像数据进行分析。据称这是目前世界上最快速、准确率最高的人脸识别解决方案。另外，像Auto Responses Solution可以更加准确地理解文本文件中上下文的意思。NEC the WISE IoT Platform提供了一个验证平台，让那些有关物联网应用方面的创意可以更快速地转化为商业化的产品。新野隆介绍说，NEC还与大阪大学、东京大学等高校合作开发用于人工智能方面的低功耗智能芯片等。NEC与通用集团合作推出的IoT方案已经在某些领域付诸实施。

上文提及的NEC最新推出的产品名前面都有“NEC the WISE”的字样，其实这是NEC今年正式的人工智能技术群的统一品牌名称。在本次大会的现场，“NEC the WISE”的标志无处不在。NEC the WISE表明，NEC将协调人与AI技术，为创造安心、安全、高效、公平的社会做出贡献。

人工智能的核心之一是数据。人工智能技术的应用必须与大数据有机地结合一起。吉田直树表示：“收集数据只是第一步，更重要地是如何对数据进行有效的分析和预测。从技术的角度讲，人工智能的推进要从两方面入手，一是基础技术研究，二是与实际应用相结合研发出针对不同行业和应用场景的解决方案。NEC在全球各地的研究院将主要精力放在人工智能基础技术研究方面。NEC与各国当地的合作伙伴，以及各行业的用户协作，共同开发适合不同行业需求的人工智能解决方案。”

NEC the WISE所代表的人工智能产品是NEC物联网整体解决方案的一部分，它还要与其他相关软硬件，以及行业应用需求紧密结合。未来，NEC会把物联网作为一个独立业务计算收入。

本次大会传递的信息十分明确：NEC将积极推进人工智能技术的开发与应用，并以大数据、物联网、安全、云计算等为核心，提供创新的解决方案，支持企业的数字化变革。本次大会也可以看作是NEC全面向人工智能和物联网领域进军的誓师大会。它为NEC未来十年甚至更长远的发展定下了基调――协同创造更加美好的世界。

差异化和本地化是关键

数字化转型、人工智能、物联网等都是当下最热门的话题，也是所有ICT厂商共同关注的焦点。对于NEC来说，挑战在于如何做出差异化，如何在中国市场上更好地实现本地化发展。

吉田直树讲述了NEC的原则：第一，人无我有，做别人没有的技术和产品，比如在大数据方面，很多厂商都可以做大数据的收集和处理，那么NEC就把重点放在大数据的分析和预测上；第二，在注重自主创新的基础上，加强同合作伙伴之间的协作创新，比如NEC与农业有机栽培方面的专业公司合作，利用ICT的创新改进西红柿的栽培，推而广之，就是将NEC在构建大型基础设施方面的经验与特定行业或应用领域专业公司的技术特长相结合，取长补短，实现理想的经济效益和社会效益。

结合NEC在中国的业务发展，上面的两条原则具体体现为，根据中国用户和市场的实际情况，选择最适合的合作和发展模式，提供差异化的产品和解决方案，寻找属于NEC的蓝海市场。

根据中国的具体情况，NEC将当前的发展重点放在了安全、流通和零售，以及智慧城市等领域。安全包括与政府相关的公共安全，以及企业内部的安全两个方面。NEC的策略是，积极与本地的伙伴合作，在一些自己拥有优势的细分安全领域进行投入。NEC在流通和零售行业的业务前景十分广阔。随着电子商务的快速发展，物流可能是一个新的瓶颈。NEC有针对物流行业的融入了人工智能和物联网技术的解决方案。另外，在便利店的管理方面，NEC也有先进的解决方案，比如很多便利用店的POS机就是NEC的产品。POS机是信息汇聚的一个源头，以后针对POS机的数据进行智能分析也是NEC的强项。

第8篇：人工智能商业化应用范文

>> 控制人工智能？你也可以 人工智能可以猜心了？ Affectiva：让人工智能“读懂”你 人工智能可以讲一个大故事 人工智能让你成为艺术家 人工智能，比你想象的更快 人工智能很重要，鲍勃・迪伦也很重要 地平线机器人：基于人工智能，让硬件也拥有大脑 虐电脑？被电脑虐？《金戈铁马》人工智能等你验证 EmoSPARK：一个为了让你快乐而生的人工智能魔块 寂寞没人理睬？微软要开发人工智能和你聊天 你所恐惧的“人工智能”到底是什么？ 人工智能为什么抢不走你的饭碗 你看到的人工智能可能是假的 “人工智能”之父 人工智能 AI人工智能 人工智能 Icon 拥抱人工智能 人工智能时代 常见问题解答 当前所在位置：中国 > 管理 > 控制人工智能?你也可以 控制人工智能?你也可以 杂志之家、写作服务和杂志订阅支持对公帐户付款！安全又可靠！ document.write("作者： 王杰夫")

申明:本网站内容仅用于学术交流，如有侵犯您的权益，请及时告知我们，本站将立即删除有关内容。 >> 创始人戴文渊曾是百度凤巢系统的总架构师。在构建凤巢时，他便尝试简化搭建机器学习模型的工程。

康执玺用鼠标从屏幕边上拖来一些长方形的模块，并把它们用线依次连接起来，一个人工智能机器学习的模型就做好了，前后用了不到一刻钟。根据模型初始数据的不同，这个模型可以有不同的功能，例如识别信用卡诈骗，或是检测垃圾邮件。

“如果没有先知平台，搭建一个识别信用卡诈骗模型可能需要花费数据团队几个月的时间，”康执玺告诉《第一财经周刊》，“普通技术员工经过一个月的训练，差不多能熟练使用先知平台上的模型。”康执玺是第四范式先知平台的产品负责人，为了让普通技术人员也可以轻松搭建机器学习模型，他和团队已经不间断工作了一年之久。

第四范式是一个提供AI机器学习模型的通用型平台。该公司的算法工程团队开发了一系列的基础设施组件，以此组成了大规模分布式机器学习框架（General Distributed Brain Technology，GDBT）。康执玺称，未来两年，普通技术人员可以在“先知平台”上做出类似AlphaGo复杂度的人工智能，“这里面的难点不是AlphaGo本身，难点是如何让普通人也可以做出AlphaGo”。

目前市面上比较流行的计算框架，例如Hadoop、Sparkd更适合执行传统的数据仓库技术（ETL）任务。而第四范式“先知平台”的框架由C++语言编写，可以在单机、MPI、Yarn、Mesos等多个分布式环境运行，例如很多企业在计算时所用的硬件资源并不相同，GDBT可以针对不同的硬件资源、不同的算法场景，就调度、计算模式、机器学习算法部件的抽象等做优化。

成立两年多来，第四范式相继拿到红杉资本和创新工场数千万元人民币的天使轮和A轮融资。虽然还没实现自负盈亏，但是创始人戴文渊称，公司已经开始有了营收。

AI for Everyone，这既是第四范式的公司目标，也是戴文渊2014年决定从华为诺亚方舟实验室离职创业的原因。在这之前，他最常问自己的问题是“人工智能要创造更大的价值，要通过什么方式去做”。

过去十几年，人工智能在学术领域一直处于发展瓶颈期。直到2007年左右，还在读硕士的戴文渊和一些同行感觉到机器学习在理论上取得了很大进展，这时候就需要海量数据来推动人工智能的发展。戴文渊认为，这个机会很可能发生在互联网公司，于是2009年他进入百度工作，参与搭建百度凤巢。这是一个全新的广告销售系统，百度凤巢系统背后的人工智能需要识别信息、广告，以及智能地匹配不同的权重因素。

作为百度凤巢的总架构师，戴文渊需要当一个全才―不只要懂机器学习的原理，还要精通数学统计、编程、分布式计算，以及要有很强的架构能力。“不仅要设计算法，还要懂业务”，戴文渊为此专门用半年的时间学习网络营销，只有这样才能明白人工智能可以应用在哪些方面。百度凤巢用了三四百人，花了三四年才做出来，投入的成本之大，甚至影响到了百度公司的业绩，为此李彦宏还出面向股东做过解释。不过，如今百度凤巢已经成为拉动百度利润增长的核心，人工智能终于有了产业效果。

对于戴文渊来说，百度凤巢的成功意味着AI for Someone已经实现，更关键的是，他从中看到了AI for Everyone的机会。但是让人工智能服务每个技术人员的目标还有重重困难，当前，绝大多数的AI技术都集中在Google、Facebook、百度等互联网公司巨头手中，作为商业公司的它们不可能将AI核心技术完全开放出来。比如Google，虽然开源了深度学习系统TensorFlow，但是这套系统上手难度高，另一方面，与Google自家的服务深度绑定，对于不想依附Google的中小企业并不友好。

因此戴文渊认为，与其等待大公司的“施舍”，不如做一家人工智能的企业服务公司，专门为那些养不起大型AI团队的公司提供AI服务。

在构建百度凤巢时，戴文渊开始尝试简化搭建机器学习模型的工程。工作之余，他动手写了一堆机器学习的组件，并找来一个实习生，让后者通过这些机器学习组件搭建一个全新的模型。短短一个月，这名实习生做出了一个机器学习的模型。这个结果让戴文渊很振奋，如果一个实习生一个月就能做出来一个机器学习模型，那招来10个实习生，经过培训，一年就能服务120个客户。事实上，这也成为第四范式最初的运作模式。

然而这种模式很快就遇到了问题。首先是人才的短缺，戴文渊意识到这相当于把人工智能公司做成劳动密集型公司，但人工智能的人才资源严重不足。另一方面，由于出售的产品是一套机器学习的模型，买家只能使用却无法修改，一旦出了问题或者遇到需要调整的地方，还需要第四范式再次提供服务。

因此在最初阶段，金融客户只愿意把一些非核心的的项目外包给第四范式。对于大型金融机构来说，风险控制是业务核心，交给第三方公司去做相当于命脉交到其他人手里，这是它们无法接受的。

了解到实际的客户需求后，戴文渊意识到第四范式还是要做一个通用型平台，“就像在卖建造机器学习模型的钉子和锤子”。在这种模式下，第四范式只负责提供机器学习的工具，工具用来做什么就与他们无关了。一个金融机构购买先知平台后开发了十几套机器学习模型，至于有没有用来开发风控模型这些核心产品，“这就是商业机密了，我们也不清楚”，戴文渊说。

虽然看起来产品形态更加简单了，开发难度反而比之前大了好几倍。从产品上看，钉子和锤子因为要给普通人用，所以耐用性要好，比如对于建模时所输入的数据不能挑剔，即使数据有空缺、格式不对，也不可以宕机。从内核上看，考虑到工具将来的迭展，底层代码要从头开始写，原来戴文渊在百度凤巢时写的组件不够用了。

第9篇：人工智能商业化应用范文

徐立有着典型的人工智能科学家背景，在香港中文大学就读博士期间，其与导师贾佳亚教授研发的图像去模糊技术将图像清晰度提升了100倍，被视为是全球图像处理的一大突破。以研发实力闻名的商汤也一度被“学术气息”所标签化。徐立认为，人工智能还远未走向技术同质化的时代，若技术上不构成领先性和差异化，将难以跟上行业变化。对于人工智能的商业落地，商汤则自有一套驱动行业的经营哲学。

21CBR：智能视频目前是“人工智能+安防”的行业热点，你在去年也提过类似观点，这块的市场存量有多大？

徐立：安防一直是国家大力发展的领域，也是十三五规划的重点行业。从政府投入来看，今年也要投入2000-3000亿。传统安防领域的最大厂商，去年营业额在300多亿。所以，这块目前有足够的市场空间。

今年的视频业务和去年的人脸识别有些类似。去年，业内都在尝试和落地人脸识别的具体应用，到今年进入相对成熟期，业务增长很快。今年，智能视频业务也在各地展开试点，整体发展正处在一个大的行业机会点上。

视频业务何时落地，核心问题在于明确产品的商用标准。工业界的一个标准红线是评估产品是否超过所谓人眼的准确率，这也是人脸识别逐渐商用化的原因。但是视频内容的分析和人相比效果上还有差距。目前全球每天有2.5亿只安防摄像头在记录，视频数据输入达到一定规模，但在智能处理上还很欠缺，而核心算法的突破将成为最关键的落地因素之一。

21CBR：商汤切入安防领域有哪些布局，如何构建自己的智能视频生态链？

徐立：商汤在安防领域的产品体系分为两类：一类是成熟的业务系统，需要基于客户方的具体业务逻辑进行设计，比如怎样做多视频协调，如何做人像处理等，代表产品是SenseFace人脸布控系统和SenseVideo视频结构化系统，另一类是业务系统中的核心算法模块，包括动静态比对服务器、人群分析服务器和结构化服务器等，儆谙喽员曜蓟的产品。

举例来说，我们在视频结构化系统上做了很大突破。以往的视频结构化系统只能通过身高、性别等属性来查询视频信息，SenseVideo实现了自然语言的信息查询。我们做了1.3万人的案例测试，总共生成了9000多个自然语言构成的关键词。对于办案人员来说，通过自然语言来描述罪犯、完成案件信息的视频检索是更常见的业务逻辑，也比根据属性搜索来得更加精准，未来将是一个新的业务形态。

目前商汤在安防市场相较领先，前十大安防厂商一半以上是我们客户，商汤为其提供标准化模块和业务子系统。同时，我们也在国内重点城市建立本地化业务。去年，商汤的智能视频业务（Intelligent Video Analytics）已占公司整体业务的40%，今年这一势头依旧良好。

21CBR：比起发展客户，商汤似乎更擅长行业联盟，商汤的市场开拓逻辑怎样的？

徐立：首先，无论卖什么产品，最后都要接触到甲方。但是，我一直认为，B2B企业如果要起量、要规模化，产品一定是相对标准化的。如果每次销售的方案都是定制化服务，企业的ROI（投资回报率）就会比较低。相反，集成商则可以将商汤与电信方、施工方等等连接起来，在各地做出标杆性的项目，再用标准化的形式去铺开。

这里的标准化不是一蹴而就的，而是来自产品和项目的逐次迭代。比如前面提到的比对服务器，再往上可能是一套带着摄像头的子系统，最后则是一整套的训练部署平台。通过深入行业、做细项目，商汤不断把标准化的范围扩大，并聚合客户的需求从而形成共有需求，最终完成标准化产品的打磨过程。

因此，商汤一直把自己定位成一个技术公司，而不是集成商公司。商汤能做的是集中力量攻破核心算法和技术。这个技术不是单点的、闭门造车的技术，而是以打通上下游的客户需求、构建产业链条来实现的。就像英特尔不直接向终端用户销售芯片，而是通过上下游的合作伙伴，比如主板厂商、主机厂商等实现笔记本电脑的销售，但用户仍然了解产品背后有英特尔领先的芯片技术，这也是商汤所追求的：做行业的赋能者。

21CBR：业界普遍在谈AI同行业的深度结合，各家公司从技术表现来看也大致相当。对此你怎么看？

徐立：很多人觉得，深度学习已经形成开源生态，技术没那么重要了，打通行业才是关键。这里面有一个重要前提：深度学习是否已经成熟、不会再变化了。然而，学术界目前有关深度学习的文章大部分都是工程实践型的，新的实验结果不断前人做出的理论解释，指导下一代工业级应用的技术原理有待被归纳总结，人工智能距离成熟的“黑盒”还差得很远。

例如，从近年来物体识别竞赛的结果看，识别准确率在2013-2017年之间提升了300%，基本与摩尔定律吻合。也就是说，在某些垂直领域，算法的演进已经进入摩尔定律时代，不是既有算法的变化，本质上是重新设计出一套新的引擎算法，从而形成巨大的提升空间。未来三五年间，深度学习还将迎来革命性的变化，现有的算法如果不赶上，就会被淘汰。