CIIS 2019 丨刘多：夯实人工智能基础，赋能经济社会高质量发展

10月26日-27日，由陕西省委网信办、陕西省工业和信息化厅、陕西省科学技术厅指导，中国人工智能学会主办，西安市委网信办、西安市科学技术局、西安国家民用航天产业基地管理委员会、京东云共同承办的2019第九届中国智能产业高峰论坛在“硬科技之都”--西安举办。在27日智能信息处理与产业应用论坛上中国信息通信研究院院长、教授级高级工程师刘多为我们带来了题为“夯实人工智能基础，赋能经济社会高质量发展”的精彩演讲。

刘多 中国信息通信研究院院长 教授级高级工程师

以下是刘多的演讲实录：

我分三个方面跟大家进行交流。

第一，人工智能发展总体情况。第二，人工智能重点领域应用情况。第三，目前我国及全球面临的相关挑战及治理问题。

首先，对于人工智能的发展，从习总书记到党中央国务院都是高度重视，尤其全球已经到了第四次工业革命时期。在第四次工业革命发展目标当中，数字化、网络化、智能化，尤其是智能化是第四次工业革命非常重要的内容，习总书记在今年6月份G20大阪峰会提到了，我们要顺应第四次工业革命发展趋势，共同把握数字化、网络化、智能化发展机遇，共同探索新技术、新业态、新模式，从而探寻新的增长动能和路径，所以人工智能对于第四次工业革命重要至要，也会产生新的业态和新的形态。

在我国今年经济工作会议上，习总书记把人工智能作为新型基础设施来提，要加快5G、人工智能、互联网、物联网基础设施建设，提升传统基础设施智能化水平，从而构建高速、泛在、移动安全信息网络，最终还是要赋能相关实体经济。大家可以看下这张图，最下面是传统的基础设施，包括水电气路等。但是在现在迅猛发展的信息数字经济的新时代，新型的基础设施，尤其是一些应用基础设施至关重要。对于新一代信息网络，大家听到比较多的是光纤、互联网、5G等，目前都在不断建设完善中。此外，就是一些新型的应用基础，包括数据中心、云计算等。而人工智能既是一个新技术，更是一种新能力，将赋能于所有的应用领域。

下面跟大家交流一下人工智能行业发展情况。

人工智能企业数量在全球非常多，到今年9月份，最新的数据，全球活跃人工智能企业5500家，2010年之后成立的企业有4207家，将近80%是10年之后成立的。中国大陆企业的数量超过1200家，美国是2000多家，在全球人工智能企业中国排在第二，还在迅猛的发展。

从投融资规模和相关的比数，可以看出这个行业是不是快速发展的行业，是否是值得大家投资的行业。从图中可以看出，目前全球投融资的金额和交易数量环比、同比都是下降的趋势。这个下降是正常的，从2010年开始有4000多家成立，前期的投资其实在2010年之后大部分已经部署的差不多了，到现在更多的是这些企业在不断的更深务实的来深入发展。这两张图展示了全球总体和分国家的投融资情况，可以看出中国无论是融资的金额还是比数都列在全球的第二位，美国在第一位。整个人工智能产业还是美中双雄，美国一直在我们的前面。

AI巨大的发展空间就是它将为各个行业赋能。AI赋能的行业是非常多的，今天上午有很多专家都提到了。现在进行的统计和相关分析可以看出，目前在交通、医疗、金融等相关领域非常热。大家可以看到，左侧有一个全球AI领域融资热点，医疗、金融、健康、智能制造、交通、批发零售等位列前茅。

对于融资热点技术和产品可以看到，技术领域包括视觉、自然语言处理、交互语言等领域目前比较多。在产品领域，包括智能机器人、智能驾驶、传感器和芯片比较多。可以看出AI目前视觉相关的技术、自然语言处理位于首位。智能驾驶是最受资本关注的相关产品。

从AI的专利申请量和授权量可以看出，整个授权量在稳步的增长，跟人工智能发展不同的阶段密切相关。目前中国AI专利申请量全球占比超过90%，但是授权量目前仅仅占比是40%。当然，专利授权也会有一定的周期。在2018年等相关的专利申请量和授权量，红色的是授权量。主要国家，无论在机器计算视觉、语音，申请量中国比较领先，尤其是计算机视觉，中国的申请量非常大。授权量方面都是美国领先，可以看出全球在技术领域目前中美之间相关的对比。

顶级的研究人才，包括黄院长和在座的各位，很多都是大学教授，负责人才培养。但是我国顶级的研究人才不足，全球顶级人工智能学者数量排名TOP20的机构当中没有一个是位于中国。在左侧图中可以看到全球各国顶级AI人才总量和比例的前20个国家和地区,右边是TOP20拥有顶级人才科研机构或者是大学，其中11家位于美国，除微软、谷歌之外全部是高校，包括斯坦福、帝国理工、加州理工等。可以看出，我们的高校将来的发展机遇非常大。

下面介绍下当前人工智能核心要素发展情况。在座的很多老师教授都是这个方面的专家。

首先，算法、算力和相关数据对人工智能非常重要。对于算法来讲，包括深度神经网络，目前也是当前理论的根基，无论谷歌，还是美国大学在这方面做了很多工作，包括卷积、循环神经网络都获得广泛的应用，在不同的领域，包括视觉、图像、自然语言处理相关等方面成效显著。我们认为深度神经网络呈现大、深、多的趋势，目前是逼近性能的极限。首先，网络参数越来越多。深，网络神经的层级越来越深。多，网络的结构越来越复杂。这个过程中，通过量变逼近性能的极限，质变性的理论目前还没有出现。图像识别的差错率在下降，但是速度是逐年递减，这个也是逼近极限，包括语言识别的差错率等效果评估速度也在放缓。在这种情况下，希望能够有新的相关理论的诞生。

对于算力，工业界对人工智能算力需求迫切，应该说这个需求远远大于供给。目前整个算力没有满足未来的人工智能的计算需求，包括单体算力。大家知道摩尔定律，从20纳米、10纳米、5纳米到3纳米或者以后超过极限，前两天谷歌已经说了，量子计算现在有相关的突破。在不同的技术对算力的要求非常高，就是因为算力要求高才会有新的技术不断的诞生。整个算力需求增速目前来讲，因为跟各行各业融合，行业要求非常高。目前我们看到了，包括我们正在推进的工业互联网、智能制造等第四次革命发展，工业界针对AI算力提出了八大需求，包括要高效、经济，任何一个行业产业，如果不能把成本降下来，这个产业是不可能持续发展的；此外泛在，任何时间地点都可以接入。还有要智能、稳定、融合、应用、协同等。

AI芯片方面，我们国家一些企业在AI芯片有快速的发展。整个的AI芯片可以分成两类，一类是训练的，一类是推断的。从云、端也有划分，部署的不同位置也会有不同的需求。我们认为泛在、轻量化、高效能的AI计算需求带动了人工智能芯片发展。面向云端要求是高效能，要求处理能力等方面。面向终端，包括物联网终端、安防、驾驶要求不一样，我们认为泛在、轻量化芯片需求量非常大。

数据，已经成为本轮深度学习应用落地的核心。现在AI应用研发标注数据是根本，新产生的职业中就有数据标注，十年之内AI应用恐怕还是要依赖于数据标注。将来对于数据集中的深度学习效果影响还是蛮大的，包括训练集、测试集等。在这种情况下，无论在理论还是应用，都有很多的工作要做。

数据产业发展空间大，制约问题突出。我们国家人工智能数据产业规模目前占全球1/7，目前主要存在四个方面的问题。包括数据流通不畅，不同行业之间的壁垒比较多，另外，隐私保护、关键领域的数据集欠缺等。在这个过程中，数据产业发展，尤其是5G现在正在建设网络，这个月底或者下个月初运营商就会推出商用的5G套餐，在这种情况下才能真正标志着中国5G商用，5G一上来，整个数据量是非常巨大，因为速率是4G的10倍，将来数据的产业发展空间会更加大。

人工智能是赋能的技术，它的深度赋能会和实体经济各个方面行业都会进行深度融合，会成为产业变革的核心驱动。对于新一轮产业变革核心驱动力非常大，包括相关算法、算力、数据、应用。未来，我们认为通用AI需要很长时间，任重而道远。由于相关的定义、理论、技术等核心问题仍待解决，实现通用人工智能还有很长的路要走。对于强人工智能的定义仍然争议不断，各理论体系对强人工智能实现解读差异巨大，强人工智能工程实现策略千差万别，此外还有人工智能伦理方面。有些国人对伦理隐私不是那么重视，其实在西方国家他们对人工智能伦理和相关法律研究非常前端，希望人工智能大规模应用之前把这些问题进行很好的规范。

第二部分，人工智能在重点领域的应用情况。

在工业领域，已经形成了众多应用，会成为工业转型升级的助推器。我们看了四大技术，包括专家系统、传统机器学习、深度学习、知识图谱，在工业领域应用的场景不一样。我们也进行了场景划分，这个当然会有一些相关的交集。另外，可以看到工业领域巨大的赋能作用，包括市场规模、年增长率都已经非常高，超过了50%。在各个领域增加值总值占比预测制造业排名第一。

深度学习和知识图谱成为工业人工智能创新应用两大途径。首先，深度学习，用全新的数据计算方法，实现更加准确的自学习、自优化。包括通过算法解决微小的相当复杂的曲线，良品率能得到非常大的上升。包括像德国企业通过深度学习进行设备预测性维护，成本、故障率都降低了很多。对于一些企业哪怕降低1%或者提升1%，对他企业的效益是非常大的。知识图谱，可以使用全新的知识组织方式，实现更便捷可靠的检索和决策，如通过知识图谱实现高风险事件分析。这里举了一个华为的例子，可以完成零配件优化计算，来实现供应链的效率提升。

在车联网方面，车端的人工智能的应用，大家都在说自动驾驶什么时候到来。人工智能为自动驾驶提供全面的支撑，包括感知、决策、交互与控制的各个环节。尤其是路端和云端人工智能应用，会助力相关出行。会深入到路侧、车到路端等边缘计算平台，云平台的智能感知和协同调度业务。这些都可以提供相关的协同交互场景，为自动驾驶提供服务。

医疗行业，人工智能对医疗行业的渗透非常高，人工智能在不同的医院都已经有非常好的相关应用。全球很多大公司在医疗行业人工智能应用非常多，对AI+医疗分了几个场景，诊断、治疗、医疗流程辅助、健康管理等各个方面都有非常大的应用。

关于物流，人工智能如何应用到物流行业？通过相关的视觉识别技术，图像识别技术，无人机等相关的技术，都能够帮助整个物流行业效率提升、自动化提升。

金融行业，大家都知道，我们经常拿起电话咨询某一个金融服务，非常重要的是客服。他开始给你应答的都是人工智能实现的，背后没有人，问到非常详细具体的业务，人工才出现。在金融领域人脸识别和客服应用非常普遍，在金融将来还会有大的发展。

在电信网络，三大运营商相关的网络当中，人工智能率先应用网络运维，逐步的向网络管控领域不断发展。包括一些网络规划、管理管理、网络优化、维护，原来都是通过路测，人在车上拿着手机进行，将来通过数据中心、维护大系统，通过人工智能进行深度学习，自动的感知和适应，能够帮助节能也好、调优也好，非常有帮助。

第三，面临的挑战和治理问题。

我们在研究人工智能和实体经济融合发展过程中面临比较多的问题和挑战。首先，在产业方面，一方面，基础创新能力不足，包括理论基础比较薄弱，这是我国一个痛点。另外，原创性算法不多，同时我们的高端芯片、高端传感器跟其他的行业都是一样的，所有的产业高端芯片高端传感器能力不足，包括技术力。产业生态，无论是互联网还是人工智能，包括其他的技术，都存在应用强基础弱。我们把应用用到非常大的范围，用到极致，包括移动支付全球没有任何一个国家能跟中国比。人工智能也是一样，应用很强。市场大、生态弱，大家能够进行很好的合作相关的意愿和文化不足，大家都喜欢自己做，不希望抱团一起合作做。我们现在整个应用落地成本比较高。对于环境问题，有几个方面。一是数据资源问题，数据一方面存在不同行业之间的壁垒，另外，监管机制流动规则不成熟不清晰，一方面给用户隐私带来影响，给数据流动共享带来非常大的问题。融合环境的问题，包括资质、数据、标准、评估。前段时间很多大数据公司被查，大家不知道什么情况下合法的获取这些数据，人工智能是大数据应用非常重要的方面。此外还有人才问题、伦理道德和法规等方面的问题。

下一步，要继续推动人工智能与实体经济深度融合，促进经济高质量发展。

首先，加快关键核心技术突破，鼓励智能芯片、传感器、开源平台等领域的技术创新与产业化。鼓励创新产品和服务应用落地，推进完善政产学研用协同创新机制。营造新一代人工智能产融合作环境。促进数据流通、共享公共资源、加大投资引导、构建合作平台、培养人才队伍。在目前中美贸易摩擦的情况下，更需要打造人工智能的国际合作新生态。我们在新技术方面不如美国，这是事实，在这种情况下，我们更应该保持开放的心态，更加加强和国际进行很好的合作，无论是和他们的高校、科研院所，包括一些大型的企业。如果我们不开放合作，永远不能学习到新的东西，而且我们不知道新的东西在哪里，我们研究半天人家可能早有了。在人工智能高科技领域，更需要国际的合作。

提前部署安全，我们国家有的时候会发展很快，安全也是非常重要的，在这种情况下，相关的法律、安全保障能力要加强。

伦理规范方面，国家需要出台相关的文件或者规范性政策。只有这样才能促进人工智能产业和应用健康可持续发展。前段时间包括基因等相关产业伦理问题得到了全球关注，在制定和完善人工智能伦理规则体系方面，一方面加强行业自律，但更重要的是在立法层面，应该构建一些合理人工智能责任划分体系，这样才能超前对通用人工智能阶段前瞻性理论问题进行研究。一方面要有相关的原则和立法，更重要的是有相关的实施机制，通过标准制定产业宣贯、测试评估等推进。最后加大国际合作机制，能够学习其他国际上先进的做法和相关的技术。

上面就是今天跟大家交流的相关内容，希望得到大家的批评指正。我们是做相关融合领域的智库，为政府做支撑，和ICT相关的政策都是我们起笔。做产业创新发展平台，包括中国人工智能产业联盟，我们一直在促进产业的发展，希望人工智能为整个实体经济赋能更好，而且走的更稳更远。

（本报告根据速记整理）

CAAI原创 丨 作者刘多

未经授权严禁转载及翻译

如需转载合作请向学会或本人申请

转发请注明转自中国人工智能学会