硬核科技
是具有较高技术门槛
需要长期研发投入的高精尖技术
是产业发展的前沿领域和必争之地
掌握核心硬核科技
成都将在城市竞争中保持领先
《全球硬核科技》日前首发
首期聚焦AI领域
收录《Nature》等
国际顶级学术期刊资讯
从7大方面为你带来
全球最前沿的AI新趋势
人工智能正在改变全球创新版图，
掀起新一轮科技竞赛和产业争霸。
目前，
人工智能还处于弱AI（没有自我意识）状态，
强AI（具有自我意识，可自行学习）远未到来。
但从弱AI走向强AI的过程，
势必将引发全球科技经济格局巨变。
近年来，人工智能技术迎来爆发，加速走出实验室，走入场景落地，中国、美国、英国、日本及德国等均将人工智能上升为国家战略，旨在抢占竞争制高点、打造经济社会发展新引擎。全球各主要经济体的AI战略及计划值得关注。
据统计，2017年明确提出AI发展战略的国家仅有5个，到2019年已超过30个经济体更新了本国AI战略，北美、东亚、西欧地区AI最为活跃。
欧盟28国于2018年签署《人工智能合作宣言》共推AI发展，东盟推进《东盟数字融合框架行动计划》促进人工智能合作。以战略规划引领AI创新发展，全球经济体已从分散性自发探索的科研模式，逐步发展为国家战略推动、产业应用牵引的创新模式。
在政策牵引、需求拉动和资本助推下，中国爆发了人工智能创业热潮，成为世界瞩目的AI摇篮。2015年7月，国务院出台《关于积极推进“互联网+”行动的指导意见》首次将人工智能纳入重点任务；2017年7月，《新一代人工智能发展规划》明确提出到2030年成为世界人工智能创新中心；2019年3月，人工智能连续第三年被写入政府工作报告并提出拓展“智能+”。科技部依托百度、阿里云、科大讯飞等行业龙头，分别建设自动驾驶、城市大脑、医疗影像、智能语音、智能视觉等国家新一代AI开放创新平台。中国政府密集发布AI政策和计划，表明中国将人工智能上升到产业推动力的决心和弯道赶超的信心。
无论是作为一个新兴学科，
还是一项新兴技术，
人工智能的发展，
离不开全球大学、科研机构及实验室的卓越贡献。
从全球AI大学学术实力及分布看，目前，全球人工智能人才约30万人。其中，产业人才约20万人，大部分分布在各国AI科技巨头和产业公司中；学术及储备人才约10万人，分布于全球367所高校中。
在这367所高校中，美国拥有168所，占据全球的45.7%，独占鳌头；加拿大、中国、英国、印度位居第二梯队，AI高校拥有量均在20所左右；荷兰、澳大利亚、瑞典、德国、以色列等紧随其后，实力不可小觑。
根据MIT2018年更新的全球院校计算机科学领域实力排名显示，中国清华大学在计算机科学实力“入围”世界前20强，位列13位。卡内基梅隆大学计算机科学位居榜首。未来，如何加快发展AI教育，是各国人工智能发展中亟待解决的问题。
从全球AI科研机构分布看，分布在世界各地的科研机构是AI的“大脑”。
从地域分布来看，美国依然是AI核心区，不仅有顶级的学院派代表，如麻省理工学院计算机科学与人工智能实验室、卡耐基梅隆大学机器人学院，市场派的卓越者也都汇聚于此。
我国清华大学智能技术与系统国家重点实验室和百度研究院榜上有名。
其中，清华大学智能技术与系统国家重点实验室1990年2月通过国家验收正式运行。百度研究院隶属于百度AI技术平台体系（AIG），下设大数据实验室（BDL）、商业智能实验室（BIL）等7大实验室。
衡量全球经济体的人工智能发展实力，
AI初创企业的数量和规模无疑是最直观的指标之一。
从全球看，
美国企业在AI人才、研究、发展等综合优势上全面领先，
中国企业在应用和数据方面表现突出，
欧盟研究领域较强。
纵观全球，最活跃的AI企业主要分布于美国、中国、英国及以色列等经济体。CB Insights根据全球3000多家参选AI初创企业的表现，评选出AI 100 2019榜单：美国创新活力最强，77家公司上榜；中国、英国和以色列各有6家入围。
全球2019 AI 100强（初创企业）中，出现了11家估值10亿美元以上的独角兽。其中，计算机视觉公司商汤科技、依图科技、旷视科技以及人工智能公司第四范式、自动驾驶公司Momenta等5家企业来自中国，商汤作为全球估值最高的AI独角兽，估值已超45亿美元（截至2019年2月）。物联网解决方案提供商C3、机器处理自动化RPA公司Automation Anywhere和Uipath、医疗成像公司 Butterfly Network（蝴蝶网络）和Pony.ai小马智行（因总部设在美国被归为美国公司，但创始人来自中国）等5家均为美国企业；Graphcore为英国AI芯片公司。
值得注意的是，从2019 AI 100强的融资额可以看出，中国力量越来越强。截至 2019年2月的融资统计数据显示，中国商汤科技、旷视科技占据了融资总额的前两把交椅。
中国公司在AI领域的崛起，已成为一个越来越明显的趋势。
当下，全球人工智能产业快速发展，
但从长远来看，
还存在技术瓶颈、应用风险、社会伦理等挑战，
全球AI应用趋势值得关注。
CB Insights透视了未来AI技术及应用的革命性前景。CB Insights认为，AI价值链总体可分为基础框架、体系架构和应用程序（应用程序包括智能预测、自然语言处理/合成、计算机视觉），并归纳出25个应用趋势与场景。
同时，CB Insights采用NExTT框架，根据行业应用和市场优势确定的四个象限，评估了25个AI趋势，并将其归类为短暂、必要、实验性、威胁性，进而区分技术应用的成熟度、分析评价市场应用现状，值得各AI创新主体注意。
1. 开源框架
开源软件大大降低了AI门槛。以2015年Google开源TensorFlow机器学习库为开端，开源逐渐成为主流趋势。目前，市场上已有更多可供选择的开源工具，包括：Facebook的Caffe 2、蒙特利尔学习算法研究所（MILA）的Theano、Keras等。
2. 边缘AI
实时决策需求正推动AI更接近“边缘”，使设备可以在本地处理信息并更快响应。边缘AI的发展带动了AI芯片的兴起，苹果、高通、英伟达、华为等均在开发AI专用芯片，同时也催生了一批初创企业。
3. 人脸识别
从解锁手机到登机航班，面部识别正成为主流。人脸识别在中国的重视程度日益增高，中国对人脸识别技术的应用需求也越来越多，涌现出了商汤科技、旷视科技等独角兽企业。
4. 医疗成像与诊断
美国食品和药物管理局（FDA）对AI医疗设备开启了绿灯。数据显示，医疗诊断是健康类AI应用的现实场景。
5. 预测性维护
从制造商到设备保险公司，AI物联网可以为企业节省数百万美元的意外故障，预测性维护算法可通过持续收集数据预测设备故障。
6. 电子商务搜索
对搜索术语的语境理解，正逐渐走出实验阶段。早期的SaaS初创公司正兴起，向第三方零售商提供搜索技术。人工智能远不仅是商品推荐和客服机器人，自然语言处理技术已经可以通过解析电商平台的文本内容，快速找到各种产品的名称、属性、价格等实体信息或专有名词。
7. 胶囊网络
胶囊网络（CapsNet）是深度学习先驱Geoffrey Hinton在2017-2018年提出的概念，旨在克服当前图像识别方法（主要是卷积神经网络CNN）的缺陷：一是难以识别精确空间关系；二是无法从新的视角理解对象。深度学习推动了人工智能应用，胶囊网络很可能会对其进行改进。
8. 新一代假肢
新一代假肢的早期研究正在进行，但灵巧性问题依然有待解决。
9.AI临床试验
临床试验的最大瓶颈在于登记合适的病人库，跨机构和软件系统分享信息的能力也就是互操作性，是医疗保健的最大问题之一。
10. 生成式对抗网络GANs
GANs是非监督式学习的一种方法，采用“AI对抗AI”的概念，包括生成器和鉴别器：生成器创建伪图像，鉴别器将其与真实世界图像比较，并向生成器提供反馈，最终结果是一个恒定的反馈回路，产生越来越复杂的图像。
11. 联邦学习
联邦学习（Federated Learning）2016年由谷歌最先提出，其能使智能手机等设备在使用时数据依然留在本地，不会发送或存储到云服务器上。这种新方法旨在以敏感用户数据训练AI的同时保护用户隐私。
12. 先进医疗保健与生物测定
研究人员正开始利用神经网络，来研究和测定此前难以量化的非典型风险因素。
13. 自动索赔处理
保险公司和初创企业开始用AI计算车主的“风险评分”，对事故场景图片进行分析，并监控司机行为。
14. 假货识别
品牌商正开始利用AI来打假：线上，识别并让侵权商品下架；线下，识别宰客的假货。
15. 无人零售
AI可以让免收银零售和智能防盗更为常见。
16. 后台办公自动化
AI正在对事务性工作进行自动化，但数据的不同属性及格式会对这项工作构成挑战，如临床试验中的很多手写记录。
17. 语言翻译
语言翻译的NLP既是挑战，也是有待发掘的市场机遇。机器翻译在跨国组织、客户支持、新闻媒体等领域均有应用场景。
18. 综合训练数据
训练AI算法离不开大规模的标签数据集，而逼真的仿造数据、合成数据集有望解决这个瓶颈问题。
19. 增强学习
增强学习因为AlphaGo引起媒体高度关注，目前在游戏和机器人仿真方面发展最好。
20. 网络优化
网络优化是用于改进延时、带宽、设计或架构的电信技术。从频谱共享到资产监控，再到天线优化设计，AI正在改变电信应用图景。
21. 自动驾驶
尽管无人车市场商机无限，但何时实现全自动尚不明朗。Google的Waymo已率先部署无人车商业车队。2019年，百度Apollo无人车通过长沙测试，完成了中国首例L3、L4等级车型的高速场景自动驾驶车路协同演示。
22. 作物监测
作物监测AI正在接受用来管理驱虫、发现问题并预测天气变化如何影响农业。预计到2021年精准农业无人机市场将达到29亿美元，可进行土地映射、利用热成像监控含水量、识别虫患以及喷洒农药等。
23. 网络安全识别
利用机器学习主动“搜寻”威胁，正在网络安全领域取得良好发展势头。“寻找威胁”就是主动寻找恶意活动，而不仅仅是针对警报或已发生的漏洞。
24. 对话AI
对很多企业来说，聊天机器人已成AI的同义词。比如，谷歌会话式AI功能 Duplex可让谷歌助手帮用户打电话给酒店或实现餐厅订餐、行程制定、预约理发等操作，而且Duplex说话语气自然、接近人声，还能理解“复杂的句子、快速的演讲和冗长的评论”。
25. 药物研发
随着AI生物技术初创企业的接续出现，传统制药公司正寻求通过AISaaS初创企业来获得长周期药物发现的解决方案。
读到这里，
是不是还有些意犹未尽？
以上只是我们节选的部分“硬核”内容。
从全球看，
各主要经济体的AI发展战略是怎样的？
成都下一步要如何进一步推动AI发展？
······
这些问题都可以在《全球硬核科技》期刊中找到答案！
关注“成都科技”公众号，后台回复关键词“硬核科技”，即可获取完整版专刊。
由成都市科学技术局直属单位——成都市科学技术情报研究所创办的《全球硬核科技》专刊，一期一主题，瞄准全球具有先导性、颠覆性、带动性的硬核科技，聚焦人工智能、航空航天、生物技术（含基因技术、脑科学等）、光电芯片、信息技术（含量子科学、区块链、物联网、大数据等）、新材料、新能源、智能制造等八大领域，跟踪分析世界科研创新前沿成果、市场应用热点领域、社会前瞻未来展望，为成都硬核科技发展提供情报支撑。
成都
电话：028-86643862