凱文·凱利說“人工智能是下一個顛覆人類社會的東西”。據BBC預測，到2020年，全球人工智能市場規模將達1190億人民幣。人工智能將成為未來10年內的產業新風口似乎已成不爭的事實。

　　距離1956年人工智能之父馬文·明斯基提出“人工智能”的概念已整整過去了60年，其間商業化的浪潮一直遲遲未至。之前，盡管有微軟、谷歌、Facebook等大公司不斷投資人工智能技術，但大多把研究成果用于自身業務的優化與效率提升，未能激起多大的浪花。直至人機大戰重新奪回大眾的關注點，人們才意識到，人工智能商業化不知何時已悄然開始布局。

　　實際上，從圖像識別、語音識別的細分角度看，今天的人工智能商業化已經讓大眾受益頗豐。然而就在10年前，今天市面上可以見到的Siri、人臉識別等仍是天方夜譚，人工智能商業化的前提到底是什么？更快的計算機、更多的數據、更高級的算法為了達到人工智能技術落地的可能，無數科學家試圖給出可行的方案。與此同時，市場也在用商業的力量和邏輯，加速人工智能產品迭代，掀起一番巨浪。

　　AI大潮下進擊的巨頭們

　　人機大戰折射出的現象是人工智能早已成為巨頭們發展的方向，“深度學習”成為競爭的焦點。事實上只有更多的開發者加入人工智能領域的研究、不斷推動技術進步，才能實現商業化的最終目標。因此可以說，谷歌大張旗鼓贏得與李世石的比賽，打響了巨頭們之間又一輪競賽的起跑槍。同樣斥巨資布局人工智能的還有Facebook、微軟、蘋果等多家商業巨頭。

　　蘋果公司早早推出了以Siri為代表的人工智能應用，通過收購和自主研發完成對人工智能的提前布局，在語音、圖像、機器學習都有產品覆蓋。相對于蘋果，谷歌和Facebook在人工智能領域的努力更容易為外界所捕獲。

　　對于谷歌來說，Alpha Go只是其人工智能計劃的開端。除了AlphaGo，谷歌還推出了基于人工智能的新搜索算法的Rank Brain，聯手福特研發了無人駕駛汽車、D－Wave量子計算機測試，并將人工智能融入聊天。后起之秀Facebook則于2015年6月在歐洲成立人工智能研究中心，試圖建造能夠理解海量數據的人工智能機器。值得一提的是Facebook一直是開源人工智能技術的積極推動者，Facebook日前開源了三款圖像分割軟件工具，三者相互配合可以完成一個完整的圖像識別分割處理流程。此前，Facebook還曾在Torch上開源了一些功能強大的深度學習工具。

　　不同于谷歌和Facebook的吸睛，微軟在人工智能領域顯得十分低調，但其實早在1991年微軟便成立研究院，專攻人機交互、自然語言處理、機器學習、語音識別和語音合成、計算機視覺5個方向。而這些，不論是在學界或是業界，恰恰成為了人工智能最重要的分支。

　　目前微軟在中國為人熟知的產品是人工智能虛擬機器人小娜（Cortana）和小冰。小冰在中國即時通信軟件巨頭微信上運行三天后，獲得了150萬條聊天記錄。之后，小冰入駐微博，成為最受關注的賬號之一。尤其是小冰與網友的“舌戰”賺足了眼球。小娜則更像用戶生活中的人工智能助手，在今年3月微軟舉辦的Build大會上，小娜成功算出了“主人”最有可能到家的行程和時間，并在“主人”到家前的5分鐘讓家用電器啟動。

　　力圖在人工智能領域“后發制人”的微軟日前宣布收購了人工智能調度工具Genee，并表示或將把它融入云服務Office 365當中，這表明微軟正計劃人工智能助理的多領域用途。事實上，微軟不僅將人工智能技術應用于Windows、Azure等核心業務中，還構建了開放的平臺，將多年的技術積累開放給產業界，它的野心是打造一個人工智能生態圈。

　　除了BAT，還有誰在AI＋？

　　目光放回國內，除了眾所周知的BAT在人工智能領域有著較為深厚的積累，還有一批進擊的巨頭們在不斷探索。8月12日，搜狗、華為、小米、360等巨頭在“全球人工智能與機器人峰會”上，對人工智能商業化場景進行了一番探討。關于人工智能的現在和未來，大佬們都說了什么？

　　“從搜索引擎產品的從業者來講，我們認為搜索引擎其實是人工智能最大的一個場景。”搜狗CTO楊洪濤表示，得益于互聯網的發展，足夠的應用、信息和用戶量產生了海量數據，這讓搜索引擎公司有了更好的算法，能大批量、低成本地將計算力連接起來。

　　8月3日，搜狗推出語音搜索引擎——“知音”，并融合了吞音優化、語音糾錯以及多輪交互三個全新的功能。楊洪濤介紹，目前搜狗的智能語音技術已經成功應用到搜狗的全線產品中，隨著搜狗在自然交互與知識計算方面的不斷完善，加之與行業內其他領先企業的深度合作，“知音”將會布局到更多的終端入口，在物聯網、車聯網、人工智能等各個方面以“任務+應用”的形式在特定場景上發力，如汽車和智能家居。

　　不過，搜狗的智能語音技術不是一個賣技術的商業模式。搜索引擎公司在背后能夠提供的不僅僅是語音交互，它本質上是技術應用對企業和用戶產生價值的一個過程。對信息的掌握和服務的整合產生的價值，將會極大地滿足和促進市場的需求。

　　作為一個互聯網公司，搜狗布局人工智能或許并不令人意外，但很多人似乎不知道華為也早已開始布局人工智能，并成立諾亞方舟實驗室，發力AI方向的產品和技術。

　　“華為諾亞方舟實驗室在進行人工智能研究和未來技術探索的同時，主要還將關注終端產品的智能化研發。”該實驗室主任李航說，他們的目的是打造一個全智能化的智能移動手機終端，用戶將通過自然語言的方式從終端獲取一切想要的信息和協助。該實驗室成立4年多以來，主要關注人工智能、機器學習、數據挖掘等前沿科技領域的研究。

　　目前華為諾亞方舟實驗室已經推出了兩款產品，分別是華為手機上的App市場及“手機服務”App。面對3億用戶，每天3000萬次檢索，1億次下載總量的大數據挑戰，前者能夠智能化地為客戶提供檢索結果和推薦App；用戶可以用自然語言的方式向后者求助在手機使用過程中遇到的各種問題，在每天10萬次當量的問題求助中，有超過90%的用戶都可以得到滿意的回答。

　　而根據華為公布的2015年年報的內容，在人工智能領域，華為在深度學習上持續突破，取得了不錯的成績。基于深度學習，華為研究出了業界最先進的神經應答機，發布業界第一個基于深度學習的單輪對話生成模型。所謂神經應答機，就是一個單輪的對話系統，用編碼器將問句轉換成中間表示，再用解碼器將中間表示轉換成回答。

　　比如你說：“我想買一部iPhone”，系統回答：“還是支持一下國產的吧”。事實上，這一句話并沒有提前寫入對話數據中，而是系統在看了許多對話例子后自動生成的反饋。除此之外，華為還研發出神經機器翻譯（Neural Machine Translation）技術，能夠支持深度記憶框架，達到業界一流機器翻譯能力。

　　和華為類似，小米的人工智能布局也著力在終端上。“人工智能的發展離不開這三個前提：產品、大數據、機器學習。”小米科技聯合創始人黃江吉，帶著對一系列小米智能家居設備的介紹，在大會上分享了小米對人工智能技術發展的方法論。

　　機器學習與大數據離不開高活躍度的產品，這些產品包括常用軟件和手環、電視盒子、網絡設備以及智能家居等智能硬件。黃江吉提到，小米手機有兩千萬MIUI系統用戶，其中日活躍1000萬的應用有8個，而日活躍超100萬的有17個。這為大數據和機器學習能力的提升打好了基礎。

　　當高活躍度的產品須落地時，就會產生大量數據，而建立高質量的數據，則通過數據采集，數據清洗，數據挖掘，數據智能等方式來實現。任何數據最終都是為人服務，因此建立每個人的用戶畫像就顯得尤為重要。小米為建立用戶畫像收集了各個場景和各個碎片時間產生的數據，數據量共達200TB。

　　黃江吉表示，只有將硬件做好才能培養用戶的忠誠度，從而產生批量數據，“產生了這個數據之后才可以去機器學習、深度學習，讓它反過來變成一個數據模型，把你的產品做得越來越智能，才可以把它的體驗度做得越來越好”。

　　“武術大家都熱衷于名門正派，你不僅能把別人打敗了而且還能提煉出一些招式來，希望這些招式能幫助別人在格斗的時候獲勝。在學術界的人工智能研究與武術這一點就很像。而在工業界，這些招式就變得不那么重要，重要的是你能有一種武術，或者一種合作的方式能把別人打敗，把一個問題解決掉，這就是好的人工智能。”學界出身的360人工智能研究院的院長顏水成，在大會上這樣解釋先后在學術界和工業界與人工智能打交道的感受。

　　直到2013年，學術界還能在人工智能競賽中拿下第一，但是到了近兩年，顏水成發現好的成果都是從互聯網企業出來，這也是他接受360聘任邀請的原因。過去兩年，360向市場推出了一系列智能硬件產品，其中很多依托人工智能的技術。如360智能攝像機，依靠的是飛速進步的圖像識別技術和大數據技術，如今能智能偵測移動物體，家里無人狀態下門窗被打開，它會發出警報。而360周鴻祎更是放話360要利用IOT技術解決人們的出行安全、家居安全、兒童和老人的安全。

　　華為進入無人區、小米神話遭遇平臺區，進入2016年，一大批公司再遇到發展瓶頸。如何突圍，成為了每一個巨頭不得不思考的問題，人工智能將成為助力破冰的關鍵。

　　細分市場再起風云

　　如若把人工智能具象化為“人體的延伸”，構造“眼耳鼻舌身意”則是邁向人工智能的系統性工程。在人類的各種感官中，視覺負責接受80%左右的信息。同理，計算機視覺也成為人工智能研究的重要方向。

　　這門致力于教會機器“看”的科學，實質上是讓攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，而后進行圖形處理，試圖從圖像或多維數據中獲取信息。計算機誕生50多年以來，計算機視覺經歷了從感知到認知的發展，主要有特征提取、圖像標注、圖像理解和圖像的深度理解4個階段。

　　計算機學會用人的方式看懂世界，將人從繁瑣的勞動中解放出來，無論是巨頭還是初創公司都企圖搶灘計算機視覺的商業化市場，尤其是2012年深度學習崛起后，不少該領域的創業公司大放異彩。

　　微軟最新的深度學習系統在2015年的Image Net計算機視覺識別挑戰賽中，將計算機視覺系統錯誤率降低至3.57%，相比于人眼辨識的5.1%，這是人工智能首次在識別圖像的正確率上超越人類水平。這些機器由微軟的Azure云服務提供支持。

　　“在2012年引入深度學習之前，圖像標注的錯誤率高達28.2%，而自從引入了深度學習網絡分析模型，機器標注圖像的錯誤率已經從2012年的16%降到了2015年的3.5%，而神經網絡分析模型的規模也增加到152層。”微軟亞洲研究院常務副院長芮勇向記者介紹，微軟研究院的計算機視覺技術已處于世界頂端。

　　全球人工智能公司多專攻深度學習方向，而我國超過70%的公司主攻圖像或語音識別兩大類別。最早一批獲得投資人和市場認可的科技創業公司中就不乏圖像識別的佼佼者。

　　獲得百萬美元A輪融資的Face++在2012年抓住機會，進軍人臉識別技術和相關產品應用研究，通過“脫敏”技術掌握了500萬張人臉圖片數據庫。阿里巴巴現已攜手Face++探索計算機識別的商業化場景，旗下支付寶的“笑臉支付”就采用了該公司的技術。

　　格靈深瞳則是另一家引人注目的計算機視覺創業公司，他們獲得了來自紅杉的數千萬美元A輪融資。這家公司選擇以“安保”為切入口，做出了深瞳人眼攝像機，不僅可以極速全場景抓拍，每秒可抓拍超過100張人臉，還可看清80米外的人臉。此外，格靈深瞳現在也介入了汽車視覺業務，技術注入馭勢科技等新興創業公司。

　　和計算機視覺一樣，自然語言處理也是人工智能的重要組成部分。計算機語言是人與計算機之間傳遞信息的媒介，計算機系統最大特征是指令通過一種語言傳達給機器。

　　Siri和小冰均是自然語言處理技術落地的產品，但用戶對其印象僅僅停留在娛樂層面，兩者在回答問題中還存在很多的問題。確切說，目前語音識別雖已達到很高水準，但是語義分析仍舊有很長的路要走。因此，在整體語音識別率差異較小的競爭環境中，語義分析的算法優劣和切入的使用場景就成為了NLP(Natural Language Processing)產品最為重要的條件。

　　前谷歌科學家林德康今年回國后加入了“奇點機智”，并參與了該公司的語音助手項目——“小不點”。這項語音助手并不是用來回答問題的，而是為手機添加了一只無形的手，代替人手的功能，完成一些基本的點擊和輸入操作。如果你對“小不點”說“買一張后天上午北京到上海的飛機票”，它就會打開訂票APP，然后自動輸入北京到上海的飛機票以及時間。同一件事，其他語音助手也可以做，但需要跟相關App合作拿到相關軟件接口。而林德康的語音助手則不需要，走的是人正常操作手機的流程，只是代替人操作，從而實現了自動化。

　　看起來，林德康只是做了一個小軟件，實際上，在這個小軟件背后，他們想探索的是手機交互上的一次變革。它的切入點是語音，核心則是從把用戶語義轉換成App間操作的能力。

　　在語音識別領域，“云知聲”入局更早。2015年底“云知聲”完成了B+輪數千萬美金的融資，并開始了對公司品牌的升級——從智能語音公司，到物聯網人工智能服務商。云知聲布局人工智能，首先推出的是一個“云端芯”的概念。這個概念簡單解釋就是通過芯片將終端和云端連接起來。基于這個概念該公司開始實踐人工智能。云知聲要做的，是將AI芯放進從家電到汽車的各種產品里，讓它們都能連網并通過語音交互連接至云端服務。目前云知聲主要瞄準家居、車載、教育、醫療四塊市場，其中前兩塊是重中之重。

　　深層探索，AI商業場景更進一步

　　計算機語音和視覺技術讓計算機有了“開眼看/聽世界”的能力，對接收到的信息進行進一步分析和判斷，則成為了人工智能商業化的深層探索。

　　金山軟件CEO張宏江透露：“人工智能發展速度如此之快，離不開大數據和云計算。我們看到的未來是前端一系列的智能設備，而它的大腦實際上在云里面。”AI+大數據+云正在成為企業的標配，現在的企業需要大數據的支撐，而大數據要靠云來支撐。云計算和大數據已在醫療、政務、游戲等領域成熟運用。

　　香港科技大學教授楊強表示人工智能要想獲得成功，需滿足以下5個條件：“人工智能有很多領域，到現在為止最成功的一個領域就是機器學習。”楊強說，“機器學習的一個基本概念就是從數據里面經常重復的現象匯總出規律，從而把現實中簡單重復煩瑣的工作給替代掉。”

　　技術落地，哪些硬件奪人眼球？

　　無人駕駛、無人機和機器人領域就是結合了計算機視覺、語音識別及深度算法等技術呈現出來的人工智能商業化場景。

　　大疆無人機近年來在無人機市場風頭正勁，“未來我們還要做得更加精準，把99%變成99.9%，這就是工匠精神。”大疆創新副總裁王帆談起大疆的未來顯得十分自信，“從室內到室外，無縫對接，我們的產品不會產生任何偏移。這才是基本的、關鍵的、核心的，而不是其他花哨的功能。”

　　同屬“無人系列”的智能汽車，無論是在經濟體量還是商業多樣性上更為熱鬧。從自動駕駛到無人駕駛，甚至是智能汽車領域的共享經濟思維，有關“自動駕駛”和“無人駕駛”的消息持續霸屏，熱度不減。

　　智能汽車生態圈的打造并非空想，神州租車首席信息官劉亞霄直言：“計算機能下贏李世石，也一定能下贏三輪車。”

　　事實上，神州專車以及神州租車在2015年也在智能駕駛方面做了大量的技術投入。神州想要構建的是一個以自動駕駛、車聯網等技術為基礎的開放性智能汽車運營體系。現在，神州專車在客戶端通過應用集成駕駛，把汽車的租賃、專車、安全駕駛行為融合在一起，變成一個真正的車場。

　　眼見無人機和無人駕駛的商業化之路不斷拓寬，機器人的商業場景路徑也愈發令人暢想。盡管學界對機器人的探索有共融機器人、機器人靈巧手、軟體機器人等多個研究方向，不過在機器人的商業化領域，產品的同質化嚴重，不少企業仍處于“摸著石頭過河”的階段。

　　“等到機器人市場真正爆發的時候，每一個細分領域都會有強者出現，機器人還是要聚焦到垂直領域來把它做透。”樂橙CEO梁磊認為應該從用戶的角度出發，盯著垂直領域做機器人。

　　梁磊表示，樂橙最開始關注的是toC的市場，考慮的是圍繞著視頻領域在監控、安防以外延伸更多的功能，在調研了很多家用產品之后，發現家用視頻應用場景特別豐富，很多用戶用視頻智能技術來看寵物、看小孩、看老人，所以他們決定基于用戶深挖一個產品，最后決定做母嬰領域。

　　樂橙關注的是“看得見摸得著”的機器人，達闥科技CEO黃曉慶感興趣的卻是“云端機器人”。“宏觀的理解，就是把機器人的大腦放到云端，然后用網絡接到一個機器人的身體上。”黃曉慶描述，“也就是把機器人變成三個部分，把機器人的大腦放在云端，把機器人的神經網絡變成移動通信的網絡，然后把機器人的本體變成一個阿凡達，這樣就形成了一個云端機器人。”

　　黃曉慶表示達闥科技初期會以運營云端機器人的運營商新創企業形象出現，主要的研究在機器人的大腦和機器人的神經網絡，未來會做機器人連接云端的控制器，到最后實現家庭保姆機器人。

　　人工智能的黃金時代已經到來，在這一波AI+的淘金熱中，關于人工智能的商業化場景，大企業和創業公司均躍躍欲試。想要夢想照進現實，或許還要等待上游技術的成熟和終端產品的優化。AI能夠＋出何種未來，值得期待.