賽迪顧問電子信息行業高級分析師向陽向21世紀經濟報道記者指出，“到2018年，中國人工智能市場規模預計將突破380億元。不過，目前人工智能的應用才剛剛開始，面臨巨大的挑戰。

盡管AlphaGo與李世石“人機大戰”戰鼓的敲響，已宣告了人工智能時代的來臨，但直到2017年3月5日之前，這個新興行業從未獲得如此舉國關注。

改變就發生于3月5日這天上午，國務院總理李克強在2017政府工作報告中提到，要加快培育壯大新興產業，全面實施戰略性新興產業發展規劃。包括新材料、人工智能、集成電路、生物制藥、第五代移動通信等在內的技術研發和轉化要求提速，并做大做強產業集群。這也是“人工智能”首次被列入政府工作報告。

3月6日，人工智能板塊以領跑大盤的漲勢，作為對本次政府工作報告的回應。截至收盤，滬指報收3233.87，漲0.48%，其中人工智能板塊上漲2.96%，其中科大智能(300222.SZ)、賽為智能(300044.SZ)漲停。

“當前人工智能發展高潮有一個特點，就是將深度學習技術應用在新的領域中，以期實現突破，諸如醫療大數據、金融大數據、智能制造等均是如此。”近日在提及人工智能行業時，中國科學院院士、清華大學計算機系教授張鈸指出，“由此可見，單一技術并不是萬能的，人工智能要產生新的突破，就需要在深度學習的基礎上加以發展，結合其他技術產生新的技術創新，這個過程中就需要強大的研究力量的支持。”

舉國關注

從乏人問津到炙手可熱，人工智能不過經歷了短短幾年時間。

在很長一段時間內，這個誕生于上世紀50年代的行業，更多停留在大學課堂與好萊塢電影中。然而，自2012年開始，全球產業界開始對人工智能進行高強度的持續投入，并在2016年產生了一大批諸如AlphaGo、Master、微軟小冰之類的人工智能標志性成果。

根據賽迪顧問發布的《洞見2017：新興產業投資機會》白皮書顯示，2016年中國人工智能市場開始爆發，市場規模達239億元。“預計未來三年，人工智能市場將迎來新興機遇點，”賽迪顧問電子信息行業高級分析師向陽向21世紀經濟報道記者指出，“到2018年，中國人工智能市場規模預計將突破380億元，復合增長率為26.3%。”

“其中，智慧城市的發展將在安防、交通監控、醫療、智能社區等多個領域全面刺激人工智能產業發展，針對邊緣計算的設計開發正在成為各大廠商的新焦點，主要發生在軟件集成環節和類腦芯片環節的新興人工智能點正逐漸凸顯，機器視覺、深度學習等環節也在成為投資熱點。”向陽告訴21世紀經濟報道記者。

由此，業內人士將2016年定義為“中國人工智能元年”，但這也不僅僅因為人工智能產業本身的火爆，更是因為人工智能概念在整個政策中分量的遞增。2016年4月，工信部、發改委、財政部聯合印發《機器人產業發展規劃(2016-2020年)》，重點開展人工智能、機器人深度學習等基礎前沿技術研究；5月，國家發改委、科技部、工信部、網信辦聯合發布了《“互聯網+”人工智能三年行動實施方案》，設定包括智能家居、智能汽車、智能安防等在內的七大工程。

而在2017年年初召開的全國科技工作會議中，科技部部長萬鋼透露，目前正在編制人工智能專項規劃，同時在研究論證人工智能重大項目的立項工作。就在此次人工智能首次作為新興產業的代表，被寫入2017政府工作報告的前夕，國家發改委正式批復了19個國家工程實驗室，其中有3個分屬人工智能領域，涉及深度學習技術及應用、類腦智能技術及應用及虛擬現實/增強現實技術及應用。

“除去國家層面的政策之外，各地政府也開始密集出臺人工智能產業配套扶持資金政策，努力解決企業發展的實際問題，”向陽指出，“截至2016年底，已有超過30個城市將機器人產業作為當地重點發展對象，各地政府建成和在建的機器人產業園達40余家。”

挑戰仍在

盡管人工智能贏得了企業、公眾甚至政府層的高度關注，但這個行業仍面臨諸多挑戰。

本次人工智能熱潮肇始于2006年，在那一年，深度學習--這一神經網絡算法——被重新提出，此后開始在人工智能行業刮起強勁颶風，備受矚目的AlphaGo、Master正是得益于此。

“這項技術目前已成為行業內最具價值且臨近爆發期的技術點，各大公司紛紛跑馬圈地，距離未來預期全面部署約7年時間。”向陽向21世紀經濟報道記者直言，“就未來而言，云計算和開源化仍將成為主流，也是更能推動技術進步的模式，因此基于云平臺的深度學習的投資價值不言而喻。”

然而，從另一方面而言，當前各方面的情緒也可能過于心切。“不可否認的是，人工智能行業經歷了寒冬，突然迎來了溫暖的春天，但行業甚至公眾對當前人工智能技術的發展程度可能仍存在誤解。”北京航空航天大學計算機學院副院長王蘊紅指出。

事實上，據王蘊紅介紹，人工智能的應用才剛剛開始，也面臨巨大的挑戰。“現在學術競賽中所獲得的超高識別率，還很難真正解決實際中的問題。例如，當前實驗室里的人臉識別率可高達99.9%，然而在監控中的人臉識別率依然不佳，”王蘊紅直言，“深度學習所引領的人工智能在某些領域已經取得了成功，但在其他方面，還需要經歷一個發展的過程。”

這個過程不僅包括更大的樣本及數據平臺，還有許多算法及理論方面的問題需要解決。“關于人工智能的國家工程實驗室的成立，對于推動人工智能的研究而言是個很好的平臺，能夠真正實現產學研結合。”王蘊紅指出。

此外，百度深度學習研究院杰出科學家徐偉近日亦指出，此輪人工智能浪潮中，深度學習發揮效果最好的領域體現在人臉識別、語音識別等領域，但對于其他類型的任務而言，很難通過標準數據讓機器習得。

“比如，想要機器學習人類說話，通過對話樣本是很難學會的，因為相同問題背后可能對應著無數種回答。”徐偉稱，“如何讓機器不需要過分依賴標準數據去學習，這是當前人工智能極為重要的方向，由此才可能將深度學習的應用范圍，從現在比較成功的模式識別，拓展到諸如對話、推理這樣的更高級的智能領域。”

這也意味著，人工智能行業無論從資金、人才還是資源上，都需要有更多支持以促進技術創新，而將人工智能提升至國家戰略層面，毫無疑問將有助于相關技術的突破。