罗兰贝格：中国人工智能创新应用白皮书

人工智能的商业红利窗口期已经来临？中国人工智能创新应用中国人工智能学会与罗兰贝格联合发布白皮书2017年11月报告背景介绍在全球人工智能发展的浪潮下，市场对人工智能的投入与期望空前巨大，正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离，成为了各行业企业的重要任务之一。此份独立报告为各行业企业在人工智能方向上的布局与行动举措提供了参考信息与建议，同时也为人工智能企业在具体行业发展方向的选择上提供了参考。我们的讨论将由四个部分组成，第一部分为人工智能发展背景介绍，对人工智能的概念、发展历史、人工智能企业目前发展状况、人工智能未来的技术与应用走向进行讨论；第二部分为人工智能的商业应用情况，将讨论人工智能能够为各行业带来的具体价值，评估各个行业目前应用条件的成熟程度；第三部分梳理总结了人工智能在20个行业的80个具体应用场景，并详细介绍典型的行业应用场景与案例；第四部分将为企业当下如何借力人工智能给出行动举措方面的建议。此份独立报告整合了中国人工智能学会与罗兰贝格在数字化领域积累的项目经验与素材，以及对人工智能领域初创企业管理人、各行业内企业经理人、人工智能研发人员的访谈等多方信息数据源，旨在提供具有落地意义的参考与建议，推动人工智能的应用与发展。中国人工智能创新应用白皮书2执行总结今年7月，国家发布了新一代人工智能发展规划，将中国人工智能产业的发展推向了新高度。人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术，在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下，本次人工智能的发展已突破了商业领域对其应用效果的预测，受到风险投资基金的热烈追捧，人工智能技术的应用场景也在各个行业逐渐明朗，开始带来降本增益的实际商业价值。在巨大的产业需求规模与强有力的金融投资支持下，中国在全球新一代人工智能中发展态势良好，北京、深圳和上海在人工智能企业与人才积累上名列全球城市前茅，中国人工智能产业的发展进入了技术逐渐渗透到各行业产生实际价值的阶段。根据大量行业研究，我们发现，除了互联网行业以外，汽车、消费品与零售、金融以及医疗行业等数据基础比较完善、数据资源比较丰富的行业具有最为成熟的发展基础与最大的市场应用潜力。根据我们的估算，在中国至2030年，在金融行业，预计人工智能将带来约6000亿元人民币的降本增益效益。在汽车行业，人工智能在自动驾驶等技术上的突破将带来约5000亿元人民币的价值增益。在医疗行业，预计人工智能可以带来约4000亿元人民币的降本价值。在零售行业，预计人工智能技术将带来约4200亿人民币的降本与增益价值。我们在价值链的研发、制造、营销、服务以及物流等环节上梳理并描述了这些典型行业内人工智能的主要应用场景。就中国企业应如何把握机遇，抓住战略机会，我们提出了一系列的行动建议。企业在制定人工智能发展计划时，首先应当明确在当前业务场景下的应用机会点，这些机会点应当能够带来足够的商业价值，并且企业自身也具备应用这些机会点的条件。企业需要通过研究外部市场发展情况，了解目前行业中其他企业在此技术方向上的布局，评估人工智能技术在自身业务背景下的应用机会，学习、观察、尝试中国人工智能创新应用白皮书3在价值链各环节上的商业应用案例。其次，企业需要评估在组织、数据与技术、运用与执行能力上具备的核心竞争力，认识到在哪些方面存在不足，并针对不足为相关部门提供包括组织、流程、KPI等各方面的支持与引导。最后，结合对企业内部核心竞争力打造计划与应用实施计划，企业需要制定明确的发展方向与发展程度期望，设置具有时间节点的发展蓝图，并打造相关的配套能力支持计划执行。新一代人工智能技术的应用将给各行业带来众多新的可能性，甚至有可能颠覆现有的行业格局并可能重塑行业，我们期待看到中国的企业在新一次人工智能浪潮中抢占先机。4目录1.人工智能发展背景介绍62.人工智能商业应用现状143.人工智能产业应用场景案例举例224.企业该如何借力人工智能？315.附录37中国人工智能创新应用白皮书5第一部分:人工智能发展背景介绍6人工智能概念介绍人工智能是什么？人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。人工智能、机器学习、深度学习是我们经常听到的三个热词。关于三者的关系，简单来说，机器学习是实现人工智能的一种方法，深度学习是实现机器学习的一种技术。机器学习使计算机能够自动解析数据、从中学习，然后对真实世界中的事件做出决策和预测；深度学习是利用一系列“深层次”的神经网络模型来解决更复杂问题的技术。A人工智能从其应用范围上又可分为专用人工智能(ANI)与通用人工智能(AGI)。专用人工智能，即在某一个特定领域应用的人工智能，比如会下围棋并且也仅仅会下围棋的AlphaGo；通用人工智能是指具备知识技能迁移能力，可以快速学习，充分利用已掌握的技能来解决新问题、达到甚至超过人类智慧的人工智能。通用人工智能是众多科幻作品中颠覆人类社会的人工智能形象，但在理论领域，通用人工智能算法还没有真正的突破，在可见的未来，通用人工智能既非人工智能讨论的主流，也还看不到其成为现实的技术路径。B专用人工智能与通用人工智能的区别A人工智能、机器学习、深度学习的隶属关系1950‘s-1980's人工智能早期的人工智能令人兴奋不已1980‘s-2010's机器学习机器学习开始兴起2010's-至今深度学习深度学习取得突破，人工智能蓬勃发展资料来源：中国人工智能学会；罗兰贝格分析资料来源：中国人工智能学会；罗兰贝格分析专用人工智能才是真正在这次人工智能浪潮中起到影响的主角，我们报告的讨论范围将聚焦在更具有现实应用意义的专用人工智能技术，具体讨论现有专用人工智能技术能带来的商业价值。B专用人工智能√√√√√√√√××××理解特定领域知识实现特定领域应用知识技能迁移能力跨领域推理能力常识的认识与掌握抽象能力的掌握通用人工智能7中国人工智能创新应用白皮书人工智能发展历史与现状人工智能的发展历史人工智能的概念形成于20世纪50年代，其发展阶段经历了三次大的浪潮。第一次是50-60年代注重逻辑推理的机器翻译时代；第二次是70-80年代依托知识积累构建模型的专家系统时代；这一次是2006年起开始的重视数据、自主学习的认知智能时代。在数据、算法和计算力条件成熟的条件下，本次浪潮中的人工智能开始真正解决问题，切实创造经济效果。CC人工智能的发展史AI的诞生在达特茅斯会议上，名词被创造Enigma,计算机祖先(图灵)通用智能机械手，第一工业铰接臂（通用汽车公司）在日本开发的wabot1,第一台基于智能软件的人形机器人，可以播放音乐在日本开发的wabot2,可以与人沟通、阅读乐谱并演奏电子琴深蓝IBM电脑击败了国际象棋冠军卡斯帕罗夫IBM开发Waston，赢得桥牌游戏AlphaGo软件（谷歌）击败原的围棋世界冠军由AldebaranRobotics研发的智慧机器人Nao人工智能开始在日常生活中应用（搜索引擎、购买建议，智能设备，无人机…）第一次爆发第一代机器人和智能软件的出现第一次寒冬对AI未来的失望和停止资金投入第二次爆发标志性的Lisp机器商业化第二次寒冬由于缺乏实用和商业应用，研究领域陷入了困境第三次爆发由于大数据和深度学习算法的发展条件成熟，本次浪潮将创造实际经济效果195619411961197319801997200620112014201619601987197420101980资料来源：案头研究；中国人工智能学会；罗兰贝格分析8中国人工智能创新应用白皮书本次人工智能浪潮的驱动因素近年来，人工智能应用领域市场规模、人工智能领域的资金投入都迅速增长，反映了社会与市场整体对其认知程度与信心的高涨。驱动认知程度提高的一方面因素是技术本身的提高，包括数据、算法、算力，使得人工智能技术真正为商业应用创造了价值；另一方面，大数据、物联网、云计算等技术为人工智能的发展打下了良好基础。D高质量、大规模的大数据成为可能，1986-2007年，全球单日信息交换量增长了约220倍，全球信息储存能力增加了约120倍。海量数据为人工智能技术的发展提供了充足的原材料。ED人工智能市场规模预测与全球融资额统计人工智能市场规模预测(2016-2025)[十亿美元]全球人工智能融资额统计(2012-2016)[百万美元]1262016201220132014201520162017201820192020202120222023202420251802563655207411,0571,5072,1473,0614,9683,1232,6541,025588+43%+70%资料来源：Forrester;TransparencyMarketResearch；中国人工智能学会；罗兰贝格分析资料来源：哈佛大学医学院;中国人工智能学会；罗兰贝格分析E全球数据增量与人工智能模型在不同数据输入量下的表现全球数据生成量(2009-2020)[ZB]训练数据量与医疗图像模型准确性关系[%]20092010201520201284431%41%训练数据集大小大脑识别0.3%3.39%59.7%98.4%21.3%30.63%99.34%99.74%2.98%21.39%86.57%92.94%23.39%34.45%96.18%99.61%0.1%3.23%65.38%95.18%0%1.15%55.9%88.45%8.01%17.37%77.15%95.67%脖颈识别肩部识别胸腔识别腹部识别胯部识别平均准确性5G10G50G200G9中国人工智能创新应用白皮书计算力提升突破瓶颈，以GPU为代表的新一代计算芯片提供了更强大的计算力，使得运算更快，同时在集群上实现的分布式计算帮助人工智能模型可以在更大的数据集上运行。机器学习算法取得重大突破，以多层神经网络模型为基础的算法，使得机器学习算法在图像识别等领域的准确性取得了飞跃性的提高。社会理解与接受程度广泛提升，随着社会信息化及互联网/移动互联网的普及，以及受AlphaGo等大量热点舆论事件影响，全社会对人工智能的态度已逐渐从怀疑、恐惧转变为好奇、接受和认同。F物联网、大数据、云计算技术提供了人工智能的发展基础物联网、大数据、云计算技术为人工智能技术的发展提供了其所需要的关键要素。物联网为人工智能的感知层提供了基础设施环境，同时带来了多维度、及时全面的海量训练数据。大数据技术为输入数据在储存、清洗、整合方面做出了贡献，帮助提升了深度学习算法的性能。云计算的大规模并行和分布式计算能力带来了低成本、高效率的计算力，并降低了计算成本。F人工智能发展过程中具有社会意义的重要事件DeepBlue(深蓝)战胜国际象棋冠军GarryKasparov苹果的智能语音助手Siri问世，技术上不断革新聊天机器人微软小冰开始微信公测，3天赢得超过150万个微信群，千万用户的喜欢AlphaGo5:0优势完胜欧洲围棋冠军樊麾，4:1优势击败九段专业围棋手李世石超级电脑“沃森”(Watson)在智力竞猜节目《危险边缘》中击败该节目历史上两位最成功的人类选手ImageNet计算机视觉识别挑战赛上，深层残差网络的系统错误率低至3.57%Prisma通过神经网络技术和人工智能技术，把普通的照片进行智能风格化，上线一个月达到百万客户使用量1997201120142016201120152016资料来源：中国人工智能学会；罗兰贝格分析10中国人工智能创新应用白皮书人工智能社会接受程度逐步递增G全球人工智能企业获融资方向热度资料来源：案头研究；CBinsights；中国人工智能学会；罗兰贝格分析人工智能产业发展状况技术方向方面人工智能方向的企业目前主要分为两类：专注于技术研发的通用型人工智能企业，如DeepMind、FacebookAIResearch、GoogleBrain与BaiduAI等，以及专注于人工智能技术应用的专用型人工智能企业。通用型人工智能由于研发技术难度大，目前多由巨头互联网公司在进行布局