CIIS 2019 演講實錄丨劉多：夯實人工智能基礎，賦能經濟社會高質量發展_風聞

10月26日-27日，由陝西省委網信辦、陝西省工業和信息化廳、陝西省科學技術廳指導，中國人工智能學會主辦，西安市委網信辦、西安市科學技術局、西安國家民用航天產業基地管理委員會、京東雲共同承辦的2019第九屆中國智能產業高峯論壇在“硬科技之都”--西安舉辦。在27日智能信息處理與產業應用論壇上中國信息通信研究院院長、教授級高級工程師劉多為我們帶來了題為“夯實人工智能基礎，賦能經濟社會高質量發展”的精彩演講。

劉多

中國信息通信研究院院長 教授級高級工程師

以下是劉多的演講實錄：   

我分三個方面跟大家進行交流。

第一，人工智能發展總體情況。第二，人工智能重點領域應用情況。第三，目前我國及全球面臨的相關挑戰及治理問題。

首先，對於人工智能的發展，從習總書記到黨中央國務院都是高度重視，尤其全球已經到了第四次工業革命時期。在第四次工業革命發展目標當中，數字化、網絡化、智能化，尤其是智能化是第四次工業革命非常重要的內容，習總書記在今年6月份G20大阪峯會提到了，我們要順應第四次工業革命發展趨勢，共同把握數字化、網絡化、智能化發展機遇，共同探索新技術、新業態、新模式，從而探尋新的增長動能和路徑，所以人工智能對於第四次工業革命重要至要，也會產生新的業態和新的形態。

在我國今年經濟工作會議上，習總書記把人工智能作為新型基礎設施來提，要加快5G、人工智能、互聯網、物聯網基礎設施建設，提升傳統基礎設施智能化水平，從而構建高速、泛在、移動安全信息網絡，最終還是要賦能相關實體經濟。大家可以看下這張圖，最下面是傳統的基礎設施，包括水電氣路等。但是在現在迅猛發展的信息數字經濟的新時代，新型的基礎設施，尤其是一些應用基礎設施至關重要。對於新一代信息網絡，大家聽到比較多的是光纖、互聯網、5G等，目前都在不斷建設完善中。此外，就是一些新型的應用基礎，包括數據中心、雲計算等。而人工智能既是一個新技術，更是一種新能力，將賦能於所有的應用領域。

下面跟大家交流一下人工智能行業發展情況。

人工智能企業數量在全球非常多，到今年9月份，最新的數據，全球活躍人工智能企業5500家，2010年之後成立的企業有4207家，將近80%是10年之後成立的。中國大陸企業的數量超過1200家，美國是2000多家，在全球人工智能企業中國排在第二，還在迅猛的發展。

從投融資規模和相關的比數，可以看出這個行業是不是快速發展的行業，是否是值得大家投資的行業。從圖中可以看出，目前全球投融資的金額和交易數量環比、同比都是下降的趨勢。這個下降是正常的，從2010年開始有4000多家成立，前期的投資其實在2010年之後大部分已經部署的差不多了，到現在更多的是這些企業在不斷的更深務實的來深入發展。這兩張圖展示了全球總體和分國家的投融資情況，可以看出中國無論是融資的金額還是比數都列在全球的第二位，美國在第一位。整個人工智能產業還是美中雙雄，美國一直在我們的前面。

AI巨大的發展空間就是它將為各個行業賦能。AI賦能的行業是非常多的，今天上午有很多專家都提到了。現在進行的統計和相關分析可以看出，目前在交通、醫療、金融等相關領域非常熱。大家可以看到，左側有一個全球AI領域融資熱點，醫療、金融、健康、智能製造、交通、批發零售等位列前茅。

對於融資熱點技術和產品可以看到，技術領域包括視覺、自然語言處理、交互語言等領域目前比較多。在產品領域，包括智能機器人、智能駕駛、傳感器和芯片比較多。可以看出AI目前視覺相關的技術、自然語言處理位於首位。智能駕駛是最受資本關注的相關產品。

從AI的專利申請量和授權量可以看出，整個授權量在穩步的增長，跟人工智能發展不同的階段密切相關。目前中國AI專利申請量全球佔比超過90%，但是授權量目前僅僅佔比是40%。當然，專利授權也會有一定的週期。在2018年等相關的專利申請量和授權量，紅色的是授權量。主要國家，無論在機器計算視覺、語音，申請量中國比較領先，尤其是計算機視覺，中國的申請量非常大。授權量方面都是美國領先，可以看出全球在技術領域目前中美之間相關的對比。

頂級的研究人才，包括黃院長和在座的各位，很多都是大學教授，負責人才培養。但是我國頂級的研究人才不足，全球頂級人工智能學者數量排名TOP20的機構當中沒有一個是位於中國。在左側圖中可以看到全球各國頂級AI人才總量和比例的前20個國家和地區,右邊是TOP20擁有頂級人才科研機構或者是大學，其中11家位於美國，除微軟、谷歌之外全部是高校，包括斯坦福、帝國理工、加州理工等。可以看出，我們的高校將來的發展機遇非常大。

下面介紹下當前人工智能核心要素髮展情況。在座的很多老師教授都是這個方面的專家。

首先，算法、算力和相關數據對人工智能非常重要。對於算法來講，包括深度神經網絡，目前也是當前理論的根基，無論谷歌，還是美國大學在這方面做了很多工作，包括卷積、循環神經網絡都獲得廣泛的應用，在不同的領域，包括視覺、圖像、自然語言處理相關等方面成效顯著。我們認為深度神經網絡呈現大、深、多的趨勢，目前是逼近性能的極限。首先，網絡參數越來越多。深，網絡神經的層級越來越深。多，網絡的結構越來越複雜。這個過程中，通過量變逼近性能的極限，質變性的理論目前還沒有出現。圖像識別的差錯率在下降，但是速度是逐年遞減，這個也是逼近極限，包括語言識別的差錯率等效果評估速度也在放緩。在這種情況下，希望能夠有新的相關理論的誕生。

對於算力，工業界對人工智能算力需求迫切，應該説這個需求遠遠大於供給。目前整個算力沒有滿足未來的人工智能的計算需求，包括單體算力。大家知道摩爾定律，從20納米、10納米、5納米到3納米或者以後超過極限，前兩天谷歌已經説了，量子計算現在有相關的突破。在不同的技術對算力的要求非常高，就是因為算力要求高才會有新的技術不斷的誕生。整個算力需求增速目前來講，因為跟各行各業融合，行業要求非常高。目前我們看到了，包括我們正在推進的工業互聯網、智能製造等第四次革命發展，工業界針對AI算力提出了八大需求，包括要高效、經濟，任何一個行業產業，如果不能把成本降下來，這個產業是不可能持續發展的；此外泛在，任何時間地點都可以接入。還有要智能、穩定、融合、應用、協同等。

AI芯片方面，我們國家一些企業在AI芯片有快速的發展。整個的AI芯片可以分成兩類，一類是訓練的，一類是推斷的。從雲、端也有劃分，部署的不同位置也會有不同的需求。我們認為泛在、輕量化、高效能的AI計算需求帶動了人工智能芯片發展。面向雲端要求是高效能，要求處理能力等方面。面向終端，包括物聯網終端、安防、駕駛要求不一樣，我們認為泛在、輕量化芯片需求量非常大。

數據，已經成為本輪深度學習應用落地的核心。現在AI應用研發標註數據是根本，新產生的職業中就有數據標註，十年之內AI應用恐怕還是要依賴於數據標註。將來對於數據集中的深度學習效果影響還是蠻大的，包括訓練集、測試集等。在這種情況下，無論在理論還是應用，都有很多的工作要做。

數據產業發展空間大，制約問題突出。我們國家人工智能數據產業規模目前佔全球1/7，目前主要存在四個方面的問題。包括數據流通不暢，不同行業之間的壁壘比較多，另外，隱私保護、關鍵領域的數據集欠缺等。在這個過程中，數據產業發展，尤其是5G現在正在建設網絡，這個月底或者下個月初運營商就會推出商用的5G套餐，在這種情況下才能真正標誌着中國5G商用，5G一上來，整個數據量是非常巨大，因為速率是4G的10倍，將來數據的產業發展空間會更加大。

人工智能是賦能的技術，它的深度賦能會和實體經濟各個方面行業都會進行深度融合，會成為產業變革的核心驅動。對於新一輪產業變革核心驅動力非常大，包括相關算法、算力、數據、應用。未來，我們認為通用AI需要很長時間，任重而道遠。由於相關的定義、理論、技術等核心問題仍待解決，實現通用人工智能還有很長的路要走。對於強人工智能的定義仍然爭議不斷，各理論體系對強人工智能實現解讀差異巨大，強人工智能工程實現策略千差萬別，此外還有人工智能倫理方面。有些國人對倫理隱私不是那麼重視，其實在西方國家他們對人工智能倫理和相關法律研究非常前端，希望人工智能大規模應用之前把這些問題進行很好的規範。

第二部分，人工智能在重點領域的應用情況。

在工業領域，已經形成了眾多應用，會成為工業轉型升級的助推器。我們看了四大技術，包括專家系統、傳統機器學習、深度學習、知識圖譜，在工業領域應用的場景不一樣。我們也進行了場景劃分，這個當然會有一些相關的交集。另外，可以看到工業領域巨大的賦能作用，包括市場規模、年增長率都已經非常高，超過了50%。在各個領域增加值總值佔比預測製造業排名第一。

深度學習和知識圖譜成為工業人工智能創新應用兩大途徑。首先，深度學習，用全新的數據計算方法，實現更加準確的自學習、自優化。包括通過算法解決微小的相當複雜的曲線，良品率能得到非常大的上升。包括像德國企業通過深度學習進行設備預測性維護，成本、故障率都降低了很多。對於一些企業哪怕降低1%或者提升1%，對他企業的效益是非常大的。知識圖譜，可以使用全新的知識組織方式，實現更便捷可靠的檢索和決策，如通過知識圖譜實現高風險事件分析。這裏舉了一個華為的例子，可以完成零配件優化計算，來實現供應鏈的效率提升。

在車聯網方面，車端的人工智能的應用，大家都在説自動駕駛什麼時候到來。人工智能為自動駕駛提供全面的支撐，包括感知、決策、交互與控制的各個環節。尤其是路端和雲端人工智能應用，會助力相關出行。會深入到路側、車到路端等邊緣計算平台，雲平台的智能感知和協同調度業務。這些都可以提供相關的協同交互場景，為自動駕駛提供服務。

醫療行業，人工智能對醫療行業的滲透非常高，人工智能在不同的醫院都已經有非常好的相關應用。全球很多大公司在醫療行業人工智能應用非常多，對AI+醫療分了幾個場景，診斷、治療、醫療流程輔助、健康管理等各個方面都有非常大的應用。

關於物流，人工智能如何應用到物流行業？通過相關的視覺識別技術，圖像識別技術，無人機等相關的技術，都能夠幫助整個物流行業效率提升、自動化提升。

金融行業，大家都知道，我們經常拿起電話諮詢某一個金融服務，非常重要的是客服。他開始給你應答的都是人工智能實現的，背後沒有人，問到非常詳細具體的業務，人工才出現。在金融領域人臉識別和客服應用非常普遍，在金融將來還會有大的發展。

在電信網絡，三大運營商相關的網絡當中，人工智能率先應用網絡運維，逐步的向網絡管控領域不斷發展。包括一些網絡規劃、管理管理、網絡優化、維護，原來都是通過路測，人在車上拿着手機進行，將來通過數據中心、維護大系統，通過人工智能進行深度學習，自動的感知和適應，能夠幫助節能也好、調優也好，非常有幫助。

第三，面臨的挑戰和治理問題。

我們在研究人工智能和實體經濟融合發展過程中面臨比較多的問題和挑戰。首先，在產業方面，一方面，基礎創新能力不足，包括理論基礎比較薄弱，這是我國一個痛點。另外，原創性算法不多，同時我們的高端芯片、高端傳感器跟其他的行業都是一樣的，所有的產業高端芯片高端傳感器能力不足，包括技術力。產業生態，無論是互聯網還是人工智能，包括其他的技術，都存在應用強基礎弱。我們把應用用到非常大的範圍，用到極致，包括移動支付全球沒有任何一個國家能跟中國比。人工智能也是一樣，應用很強。市場大、生態弱，大家能夠進行很好的合作相關的意願和文化不足，大家都喜歡自己做，不希望抱團一起合作做。我們現在整個應用落地成本比較高。對於環境問題，有幾個方面。一是數據資源問題，數據一方面存在不同行業之間的壁壘，另外，監管機制流動規則不成熟不清晰，一方面給用户隱私帶來影響，給數據流動共享帶來非常大的問題。融合環境的問題，包括資質、數據、標準、評估。前段時間很多大數據公司被查，大家不知道什麼情況下合法的獲取這些數據，人工智能是大數據應用非常重要的方面。此外還有人才問題、倫理道德和法規等方面的問題。

下一步，要繼續推動人工智能與實體經濟深度融合，促進經濟高質量發展。

首先，加快關鍵核心技術突破，鼓勵智能芯片、傳感器、開源平台等領域的技術創新與產業化。鼓勵創新產品和服務應用落地，推進完善政產學研用協同創新機制。營造新一代人工智能產融合作環境。促進數據流通、共享公共資源、加大投資引導、構建合作平台、培養人才隊伍。在目前中美貿易摩擦的情況下，更需要打造人工智能的國際合作新生態。我們在新技術方面不如美國，這是事實，在這種情況下，我們更應該保持開放的心態，更加加強和國際進行很好的合作，無論是和他們的高校、科研院所，包括一些大型的企業。如果我們不開放合作，永遠不能學習到新的東西，而且我們不知道新的東西在哪裏，我們研究半天人家可能早有了。在人工智能高科技領域，更需要國際的合作。

提前部署安全，我們國家有的時候會發展很快，安全也是非常重要的，在這種情況下，相關的法律、安全保障能力要加強。

倫理規範方面，國家需要出台相關的文件或者規範性政策。只有這樣才能促進人工智能產業和應用健康可持續發展。前段時間包括基因等相關產業倫理問題得到了全球關注，在制定和完善人工智能倫理規則體系方面，一方面加強行業自律，但更重要的是在立法層面，應該構建一些合理人工智能責任劃分體系，這樣才能超前對通用人工智能階段前瞻性理論問題進行研究。一方面要有相關的原則和立法，更重要的是有相關的實施機制，通過標準制定產業宣貫、測試評估等推進。最後加大國際合作機制，能夠學習其他國際上先進的做法和相關的技術。

上面就是今天跟大家交流的相關內容，希望得到大家的批評指正。我們是做相關融合領域的智庫，為政府做支撐，和ICT相關的政策都是我們起筆。做產業創新發展平台，包括中國人工智能產業聯盟，我們一直在促進產業的發展，希望人工智能為整個實體經濟賦能更好，而且走的更穩更遠。