中国企业2020系列报告第二季：人工智能红利渗透与爆发.pdf

人工智能红利渗透与爆发中国企业2020系列报告 第二季阿里云联系人：崔昊阿里云研究院高级战略专家shenyou.chalibaba-inc李双宏阿里云研究院高级运营专家shuanghong.lshalibaba-inc杨军阿里云研究院战略总监yuezhu.yjalibaba-inc宿宸阿里云研究与战略咨询部总经理suchen.csalibaba-inc张靓阿里云研究院高级数据专家zhangliang.lzalibaba-inc刘松阿里巴巴集团副总裁song.lsalibaba-inc目录一、 2020，企业中的人工智能- 05二、 与互联网密不可分的第三次人工智能浪潮 - 19四、 2020最具产业价值的7个AI领域五、从实验室AI到产业AI：正在发生的人工智能红利三、 人工智能为企业创造价值的模式与路线图 - 41- 58- 85六、AI应用的风险管控和治理：以人为本，赢得信任- 109埃森哲联系人：李辛博埃森哲应用智能咨询总监xinbo.liaccenture郭立埃森哲商业研究院通信、媒体与高科技事业部研究总监taylor.li.guoaccenture袁虹埃森哲应用智能业务主管，董事总经理holly.yuanaccenture01第一章：2020，企业中的人工智能数字经济时代的人工智能：盈利仍有困难 红利预期加大上海临港的一片原生态海滩已经成为上海观赏日出日落的“网红”地标，但在欣赏日出日落的时候，一些来这里“打卡”的游客会发现，有时头顶会出现无人机，播放劝说游客远离海滩的提醒：无人机会根据每天的潮汐时刻表，提前20分钟“出勤”，沿着海岸线在30米高的半空中巡检飞行，提醒游客不要停留在即将涨潮的海滩上。如今，临港地区的无人机能实现5分钟内出勤、每天飞行100公里以上的“工作量”，要比人力巡检高效得多。除了高效，人工智能还助力城市精细化管理“防范于未然”。 在临港，从“主动发现”到“智能派单”再到“处理完毕”的闭环案例已有不少。不止是在上海临港，在全球范围内，人工智能的应用已经非常普及。根据Statista预计，人工智能市场增速将保持年均50.7%的增速增长，到2025年，全球人工智能市场规模将高达369亿美元，随着人工智能在图像（包括人脸）识别、语音识别、工业/制造业大脑、预测分析、自动化（包括自动驾驶）等方面的能力不断提升，数字经济时代的发展与人工智能应用的推进已经密不可分，零售业、医疗健康、金融行业、交通行业、教育行业、商业服务业、安全行业、农业等行业都将被人工智能深度渗透。更厉害的是，基于机器视觉，无人机能识别滞留游客，在其头顶绕飞并实时喊话，紧急情况下直接报警请求进一步干预，直到消除安全隐患，无人机才会飞离。但对于整个人工智能产业来首，在行业领域的高度渗透性并非是全部，人工智能发展存在着其独特并持续动态变化的发展现状。产业层面人工智能投资逐步降温与过去风险投资家正纷纷为那些在PowerPoint演示文件中植入“人工智能”这个神奇词汇的初创企业融资不同，人工智能投资正逐步降温。事实上，在解决实际复杂问题方面，人工智能的最新化身并不比30年前的先行者好很多。经过大量量身定制的系统能够在围棋、象棋或危险边缘等狭窄挑战中胜出。但是，要从人体显示出的复杂且矛盾的症状中诊断疾病，是它们现在还做不到的事情。根据中国信息通信研究院数据研究中心在2019年4月发布的全球人工智能产业数据报告显示，2018年第二季度依赖，全球人工智能领域投资热度逐渐下降，2019年第一季度，全球融资规模126亿美元，环比下降7.3%，融资笔数310笔，同比下降44.1%，其中，中国人工智能领域融资金额30亿美元，同比下降55.8%。02人工智能企业盈利仍然困难不单是DeepMind，有报告显示，2018年近90%的人工智能公司处于亏损状态,而10%赚钱的企业基本是技术提供商，换句话说，人工智能公司仍然未能形成商业化、场景化、整体化落地的能力，更多的只是销售自己的算法，比如，每一次刷脸支付时，获得很可能只有几分钱的“算法使用费用”。人工智能企业盈利仍然困难，以知名企业DeepMind为例，其2018年财报显示营业额为1.028亿英镑，2017年为5442.3万英镑，同比增长88.9%，但DeepMind在2018年净亏损4.7亿英镑，较2017年的3.02亿英镑增加1.68亿英镑，亏损同比扩大55.6%。06052020，企业中的人工智能2020，企业中的人工智能01技术层面无监督学习正在突破通用智能在监督学习的情况下，这些是“目标”（例如图像的正确标签）;在强化学习的情况下，它们是成功行为的“奖励”（例如在Atari游戏中获得高分）。因此，强化学习也可以被认为是一种监督学习，这两者构成了当前机器学习的主要学习方式，也为机器学习构建了一个极限：人类训练师和数据量决定了机器学习的深度和精度。很显然，机器学习如今遇到了瓶颈，无论是人类训练师还是数据量，都难以支撑机器学习更进一步地发展出高水平的人工智能，更不用提通用智能，人类和数据成为了通用智能发展的阻碍，无监督学习则是这一难题当前唯一的解决途径。无监督学习就像是幼儿学习，不仅有指导（监督学习）和鼓励（强化学习），还应该有自由探索世界的能力，不需要人为的干预，这就是无监督学习。这就是为什么，如果要让AI脱离人类发展出通用智能，必须要让它掌握无监督学习的技能。过去十年，机器学习在图像识别、自动驾驶汽车和围棋等领域取得了前所未有的进步。这些成功在很大程度上是智能音箱监督学习和强化学习来实现的，这两种方法都要求由人设计训练信号并传递给计算机：03实验室AI与产业AI存在差距可以说，人工智能当前商业传播的速度非常快，但商业化、产业化的速度、范围和渗透率仍然存在一定的“实验室-商业社会鸿沟”，人工智能必须要从早期普遍强调技术优势，过渡到更加注重产品化、更加融合生态、更加解决实际问题的商业化发展阶段。此外，需要补充的是，很多人工智能机构确实遇到了商业化的难题，一个比较大的原因就是没有找到合适的应用场景，所以在人工智能从实验室走向产业化、商业化时，寻找合适的场景同样非常关键。总体来说，人工智能正处在从实验室走向大规模商业化的早期阶段，越来越多的人工智能技术从开发者和实验室中走出来，开始进入到各个行业中，但是从AI产业向产业AI的转型和落地却并不一片美好，毕竟商业化是企业如何利用人工智能技术来解决实际的问题，并通过市场进行规模化变现的商业行为，它关系到人工智能的技术能力、易用性、可用性、成本、可复制性以及所产生的客户价值。04公众期望度升高，但AI仍然青涩但随着公众期望度不断攀上新高，人工智能被赋予了越来越多的期望值，公众对人工智能能力、易用性、可靠性、体验等方面的要求对当前的人工智能技术提出了严峻的挑战。首先，人工智能不是万能药，它不可能解决所有领域的问题；其次，由于部分人工智能企业及媒体传播的夸大，导致了人工智能仍然青涩的能力在某些领域被夸大了；随着人工智能以各式各样的消费类产品进入市场，公众对人工智能的热情不断升高，以阿里巴巴的天猫精灵为例，截止2019年1月11日，仅18个月就销售了超过1000万台，并借助超过500个连接平台和2100多种连接设备，在智能家居领域获得了快速的发展，智能翻译机、刷脸支付、智能英语教学等人工智能应用更是受到用户追捧。08072020，企业中的人工智能2020，企业中的人工智能第三，当前的人工智能高度依赖数据，但数据积累、共享和应用的生态仍然比较初级，这意味着人工智能不可能解决所有问题； 第四，人工智能是一种新的技术，它的应用需要长期与实体世界和商业社会进行磨合，避免意外的情况发生人工智能一定是未来的方向，这点毋庸置疑。但是我们短时间，切记不可期望过高，否则很可能认为的制造出巨大的泡沫，对人工智能发展产生负作用。这意味着未来机器人能够使用多个物体来完成复杂的多对象任务，甚至可以在新场景下使用即兴工具，从而构建起真正具有通用智能的机器人。无监督学习的收益是巨大的，加州大学伯克利分校（UC Berkeley）人工智能研究院（BAIR）所公布的一项研究成果显示，通过让机器人在无监督学习的情况下与环境交互，进而建立一个可预测因果关系的视觉模型，可以让机器人具备一种“通过模仿及互动模式来学会如何使用工具”的能力，在训练之后，机器人尽管遇到先前从没见过的工具，一样会知道如何使用。02实时强化学习受到追捧实时强化学习的应用领域非常广泛，比如说，新闻网站或是电商促销，每天都有新资讯、新促销，用户还在不断创造内容，可供推荐的内容既在不断累积，也在不断变化。模型的准确率来自于对数据的学习，数据变了，自然模型就要变，否则给出的智能推荐，提供的AI服务，用户肯定不满意，但如果现在还只是10-30分钟做一次的模型更新，未来能做到1分钟之内就更新一次，用户的满意度将获得极大的提高。随着实时强化学习的逐渐成熟，未来商业领域能够做出效益最高的模型，效率最好的架构，而且，以后这些模型的生成都是机器自动实现的，不需要人工干预，当然，现在的人工智能还都只是“数据智能”，远未达到“知识智能”的阶段，机器还做不了基于知识推理（即缺乏常识），这是做人工智能的人未来几年要突破的方向。实时机器学习是一项前沿的人工智能研究项目，2017年才由加州大学伯克利分校教授Michael I. Jordan等人给出较为清晰的实时机器学习解决方案，实时强化学习是其中的一个分支，实时强化学习能够为推荐、营销系统带来强大的技术升级，用户反馈分钟级回流回来，在线更新模型。10092020，企业中的人工智能2020，企业中的人工智能03对实时决策的需求推动边缘人工智能发展边缘人工智能对消费者电子、电信、医疗影像等主流行业均有应用意义。比如说在监控摄像头上运行人脸识别、肩颈识别等人工智能算法，可以快速提供安防威胁识别，如果结合本地数据存储，则能够更进一步发现和定位安全威胁嫌疑人，此外，边缘人工智能在即时驾驶决策、婴儿监视器、无人机、机器人视觉能力（无互联网连接）等方面也具有非常积极的价值。需要指出的是，边缘人工智能具有减少延迟、快速做出决策的优势，但也存在计算和存储能力受限的问题，因此边缘人工智能未来将与云端人工智能构成混合模式，从而提供更好的人工智能服务。NVIDIA、高通、苹果及若干初创企业均在开发用于边缘的人工智能专用芯片，而更多的企业都在试图在智能手机、汽车甚至可穿戴设备等边缘设备上运行人工智能算法，而不是跟中心云平台或服务器通信，使得边缘设备具备了在本地处理信息的能力，并且可以更快速地对情况做出响应。无论是全球还是中国国内，人工智能都是企业新技术投资的优先方向。埃森哲针对全球企业高管的调查1显示，无论全球还是中国，超过60%的被访企业表明要将人工智能作为新技术投资的方向。在相关的投资决策中，企业充分认识到了算力，算法与数据各方面投资的重要性：企业对于物联网/智能传感器投资的重视，实际反映出他们对于数据来源投资的高度重视。数据，算力和算法的均衡发展，将使企业的相关投资的投入产出得到优化。Q: 贵公司未来一年内计划投资以下哪些新兴技术？ （多选）1埃森哲：技术展望2018调研04人工智能正变得性能更高和理解人类通过测量广泛使用的图像训练数据库ImageNet的基准性能，该报告发现，启动可以按照最新精度对图片进行分类的模型所需的时间从“大约一小时到大约4分钟”下降在短短18个月内。这相当于训练速度大约提高了16倍。其他领域，如对象分割，这是软件区分图像的背景和主题，在短短三年内，精度提高了72。对于机器翻译和解析等领域，软件可以理解语法结构，更容易回答问题，准确性和熟练程度越来越高，但随着算法越来越接近人类对语与此同时，MIT媒体实验室数据显示，在识别表情方面，计算机已经可以超越人类，对于真笑和苦笑的实验中，机器学习的成功率是92%，大幅优于人类。不过虽然情感计算已经深入生活，而要让机器人更加懂你却并非易事，还需要人机交互、心理学、认知学等多学科领域共同努力。根据斯坦福百年研究（AI100）发布的全球“2018年人工智能指数”（AI Index）报告显示，就人工智能性能而言，“能力持续飙升”，特别是在计算机视觉等领域。12112020，企业中的人工智能2020，企业中的人工智能企业人工智能应用现状： 试点为主， 潜力巨大中国72%67%64%66%46%物联网/智能传感器人工智能区块链虚拟/增强现实机器人/自动化技术3D打印自动行驶车辆可穿戴设备无人机46%39%39%39%33%36%26%36%38%29%24%23%40%全球来源：埃森哲技术展望20182清华大学中国科技政策研究中心： 中国人工智能发展报告2018， 2018年7月Q: 贵企业人工智能技术的应用现状 （单选）Q: 贵公司未来两年会在以下哪些职能部门应用人工智能解决方案（多选）全球范围内，企业人工智能应用更多处于试点阶段，未来发展潜力巨大。埃森哲针对全球企业高管的调研显示，49%的受访企业表示其AI应用处于试点或准备/评估试点阶段，高于已开始推广的42%。如果我们将单个业务单元的部署也看作是某种程度上的试点，则全球范围内这一比例超过70%。国家层面，美国和中国进入实际部署阶段的企业的比例高于其他主要经济体和全球平均，反应出AI应用相对较高的成熟度和企业更强的投资意愿。聚焦中国，根据清华大学中国科技政策研究发布的“中国人工智能发展报告2018”，中国人工智能领域的投融资规模已超越美国位居全球第一，而初创企业数和人才总量等指标均排名世界第二。庞大的人工智能生态系统，加上有力的政策支持，中国企业的人工智能应用正经历高速发展。214132020，企业中的人工智能2020，企业中的人工智能人工智能的企业应用，可以划分为产品端和企业运营端两大领域。人工智能在企业运营各部门的应用范围呈现出较为明显的差异。全球范围内，IT支持，供应链运营和客户服务位列前三，反映出以聊天机器人和自动导引车（AGV）等自动化类应用具有较高成熟度；聚焦中国，除上述自动化应用之外，将AI应用于研发领域的受访企业比例远高于全球（49% vs. 31%），中国企业借助数字孪生等技术，通过研发的智能化提升产品竞争力，推动企业和行业的转型升级。美国 德国 日本 中国 全球不了解无计划评估或推广50%54%49%49%46%36%36%33%31%30%22%28%25%26%23%23%19%22%12%11%1%1%32%37%46%29%40%47%48%31%评估或准备试点应用试点中已在一个业务单元推广已在多个业务单元推广IT支持研发运营（供应链）行政安全客户服务生产市场销售人力资源采购财务渠道管理法律都未采用中国全球来源：埃森哲技术展望2018来源：埃森哲技术展望201823%24%24%20%21%33%20%23%23%28%25%26%18%7%19%18%23%28%34%24%1%3%2%2%23%3IDC FutureScape: 全球人工智能及大数据市场2019 预测中国启示Q:贵企业在产品与服务中采用了/ 将要采用哪些重要的人工智能技术？一、创造数据智能驱动的商业模式是应用人工智能的终极 目标。中国企业应用人工智能的关键思考产品端的人工智能应用，提升产品的智能化水平，优化用户体验，实现产品差异化。以智能手机为例，基于人工智能的拍摄功能强化已成重要的差异化领域，而人脸识别，语音交互等功能得到越来越广泛的应用。埃森哲的调研显示，超过半数的受访企业未来三年会在产品与服务中推广除自然语言处理之外的几乎所有人工智能技术。中国作为全球最大的ICT产品生产国，推广产品端的人工智能应用有着特殊的意义，将有助于相关企业通过产品智能化实现转型升级，提高全球市场竞争力。根据IDC预测3，到2022年，在中国本地化数据处理的需求和5G技术的驱动下，25%的终端设备和系统将包含AI算法，即边缘智能计算。16152020，企业中的人工智能2020，企业中的人工智能人工智能技术成为越来越多企业的创新动力和源泉。人工智能在企业的应用已经达成了初步共识，早在2016年，麦肯锡就做过一次调查，一半以上的企业高管认为人工智能技术对企业非常重要。但是而是具体在哪里用，如何来实施人工智能的应用才是问题的关键。因此，围绕如何在企业落地实施人工智能技术，我们认为如下几方面的关键问题需要在企业内部做整体性的思考，并给出一些参考建议。第一问题，到底为什么要应用人工智能？企业最应该避免的是为了应用人工智能而用人工智能。人工智能不应成为企业炒作的一个短期热点，从长远来看，单点人工智能的应用可以带来效率的提升，但是并无法形成企业独特的竞争力。回顾人工智能发展历程，近10年来的人工智能技术快速发展不是因为某些只专注于人工智能技术的公司，而是由于数据智能驱动的数字经济商业模式的崛起，使得必须用到搜索、推荐、人脸识别和语音识别等人工智能算法才能够满足业务量快速增长的目标。以阿里巴巴为例，人工智能客服客服承担了95%的工作负荷。过去十年平台的订单数增加了几十倍，客服任务量也成倍的增加，但是客服团队的人员并没有增加多少，增加的任务量都被人工智能客服给消化掉了。45%45%45%36%36%36%64%55%64%73%自然语言处理机器人流程自动化计算机视觉虚拟代理深度学习当前未来三年来源：埃森哲工业X.0产品调研二、应用人工智能是CEO需要负责的事情，从长计议， 从新着手。第二问题，如何开展人工智能应用的落地？人工智能应用不是一个独立项目，而是数据智能业务转型的一个长期过程。因此人工智能的应用，必须从集团长期发展规划，战略，组织，人才去通盘考虑，需要要根据数据智能驱动的业务转型的远期目标倒推，对当前的规划、战略和组织重新去做调整，而这些都是需要CEO来做决断。人工智能的应用会对已有的人力和业务形成冲击，如果没有CEO的支持，人工智能应用的计划很可能会受阻失败。其次，在应用的过程中要允许失败，并能够让试错成本可控。人工智能技术的应用是数字经济商业模式的发展的必然结果，如果一个企业的业务形态是靠数据和算法对外提供服务，那么它一定需要应用人工智能技术，然后发展出自己独特竞争优势的人工智能应用，从而带来更好的用户体验和商业上的成功。业务模式的转变是“因”，运用人工智能技术只是“果”。首先，人工智能应用事关企业的新商业模式，是需要CEO亲自抓的事情。因此对于企业来说，运用人工智能技术的终极目标是在某个行业中创新实现算法和数据驱动的商业模式，将人工智能的应用嵌入到企业核心的生产和经营过程。人工智能技术只是助力实现新的业务发展战略目标的一个手段。从人工智能在各行业的应用对现有企业格局的变革程度来看，人工智能技术首先带来是商业模式的转变，其次是在具体点上应用人工智能获得效率的提升。18172020，企业中的人工智能2020，企业中的人工智能各行业的智能化是不可阻挡的大趋势，但是再具体应用过程中，一定会有试错成本。企业要有机制承受住失败带来的损失，不至于伤筋动骨，绝对不能孤注一掷。所谓“看十年，做一年”，十年后某个行业数据智能驱动的新商业形态到底如何，没有人能够看得清，唯有依靠短期的不断试错、不断调整才能迂回接近未来的成功。即使在单点的智能应用上，人工智能也不是放之四海而皆准的灵丹妙药，一方面机器智能并不能解决所有问题，另一方面投入使用后还会带来新的问题。例如对于股票投资等微观上没有确定规则的行业，人工智能基金目前的表现还非常糟糕。最后，人工智能的应用应优先从新业务、新问题和新痛点着手。企业随着业务的发展，一定会涌现出新问题，比如阿里巴巴的投诉咨询业务量暴增，但不可能扩招对应比例的客服人员，就不得不引入人工智能这种新工具，推行阻力也就比较小。同样，海量会员注册，身份冒用风险凸显，人工审核的方式成本太高时间也慢，客户体验也不好，自然就需要引入人脸识别等整套的智能核实身份的应用。对于传统企业来说，长远目标是创新行业数据智能驱动的商业模式，但是在推行人工智能应用的起点项目上，选择从新业务、新问题和新痛点着手，对现有部门利益格局影响小，受到的反对阻力相对小，试错成本也相对较低。一旦起点项目获得成功，存量业务的智能化转型也就是水到渠成的事情了。