目前的商业化程度因各种AI功能而异。虽然具有感知和预测能力的系统已经投入市场，但更多的规范性工具和集成解决方案仍在开发中（图1）。

图1：AI 技术当下的商业化，麦肯锡认为，IBM 和讯飞的商业应用属于感知技术。而百度和亚马逊则是结合硬件的解决方案。

　　AI 的未来：艰难的挑战与可能性

　　过去的技术进步主要是增强执行清晰划定生产任务的能力。但是现在，AI使机器能够做出反应和调整，以优化结果。结合物联网（IoT）和机器人技术，它可以创建一个综合的网络-现实世界。

　　目前的发展趋势表明，AI技术最终将在更广泛的环境和行业范围内被全球接受，而最重要的成果之一就是处理长期以来一直由人类来完成的各种任务。 麦肯锡的报告分析了全球经济800多个职业的2,000多个工作活动。在技术上看来，现在50％的工作活动都可以使用当前演示的技术进行自动化。

　　但技术可行性只是影响自动化步伐和程度的一个因素。其他还包括开发和部署具体应用，劳动力市场动态，经济利益以及监管和社会接受的成本。考虑到这些因素，麦肯锡对自动化的研究表明，直到2055年，现在的一半工作活动才能实现自动化，但在这个时机上存在相当程度的不确定性。在积极采用的情况下，这种自动化程度可能早于20年，而在较晚的采用情况下，可能会在20年后发生。

　　沿着这一思路，AI 可以成为一个强大的工具，适用于一些社会的核心挑战。在医疗方面，AI将大大增强我们分析人类基因组的能力，并为每个患者开发个性化和更有效的治疗方法。它可以大大加快治愈癌症，阿尔茨海默病和其他疾病的过程。人工智能系统可以大范围分析天气模式，提高能源效率，提高我们监测和应对气候变化的能力。其可能性甚至是我们想象不到的，比如，AI系统可以有一天开拓对火星和外太空层的探索。

　　AI 对中国的意义：算法、数据、计算能力与其他国家的横向对比

　　随着中国的大科技企业纷纷推动在 AI 方面的研发，中国成了全球领先的 AI 研发中心。中国庞大的人口基数和多样化的行业组合具有产生大量数据和形成巨大市场的潜力。广泛采用人工智能技术对中国未来的经济增长至关重要，因为全国人口老龄化加快了对生产率增长的需求，包括更开放的数据环境和受到良好训练的数据科学人才。但 AI 同时也提出了更复杂的社会和经济问题，需要审慎的思考。

　　中国在 AI 发展中的位置

　　中国和美国目前是全球 AI 发展的领导者。仅在2015年，两国在学术期刊上发表的 AI 相关的论文接近10,000篇，而英国，印度，德国和日本加起来才约相当于中美的半数。（数据来源：SCImago Journal & Country Rank, 2015）

　　中国 AI 发展大部分是由私营的高科技企业推动的。在海量的搜索数据及多样化的产品线的帮助下，中国的一些互联网巨头公司在图像和语音识别等技术领域处于领先的地位。而且这些技术已经被融入它们的新产品中，包括智能助理，自动驾驶汽车，等等。

　　中国有理由对其在 AI 定义的未来的作用感到乐观。中国庞大的人口能够产生海量的数据，这是“训练”AI系统的先决条件。中国也具有“范围经济”（economies of scope）的优势：广泛的行业为产品在市场部署提供了沃土。

　　但是，为了在这个迅速发展的领域保持前沿地位，中国仍需不遗余力地努力，并最大限度地发挥这些技术的经济潜力。中国需要专注于增强创新能力。例如，虽然中国学者比美国研究人员发表的 AI 相关的论文更多，但他们的论文产生的影响力并不及美英的研究者（见表2）。

　　表2：左图按AI相关的论文数量排名，右图按 H-index 排名。虽然中国发表了大量被广泛引用的 AI 相关的论文，但论影响力仍是美英更大。中国在绝对引用方面排名第一，但去除自引（self-citation）后，美国更有优势。

　　此外，中国还没有形成如美国那样的有生机的 AI 生态，体现在美国拥有比中国多得多的 AI 创业公司（见表3）。美国的生态系统是大型、创新而且多元化的（包括研究机构、大学以及私营企业），它的形成得益于硅谷的科技行业，具有难以复制的优势。

　　表3：美国的 AI 创业生态系统比中国更强大。上图显示中国和美国在50家最大（按总融资额排名）AI 创业公司中的占比，数据来自 CB Insight 发表的 AI 100 榜单。via： CB Insights; McKinsey analysis

　　数据

　　正如人类通过食物得到能量，AI 也不能在没有稳定的数据来源的情况下运行。这些系统必须要有大量的数据，以供它们“训练”，不断改进和完善产出的结果。在数据方面，存在几个问题可能阻碍中国的 AI 发展。

　　首先，中国的大技术公司通过它们专有的平台收集数据，中国在创建数据友好（data-friendly）的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。第二，世界各国都发现，开放政府数据有助于私营部门的创新，但中国的公共部门开放的数据相对少（见表4）。最后，限制跨国的数据流动（data flows）也使中国处于全球合作中的不利地位。

表4：政府数据的开放度，中国在全球排名第93位。

　　说明：每个数据类别的评估要考虑对公共可得性（public accessibility）的10个因素，包括数据是否在线发布，是否免费，是否最新，以及是否机器可读，等等。来源：Open Knowledge International, 2015; McKinsey Global Institute analysis

　　算法

　　在应用层面，中国在算法开发方面与其他国家相当。实际上，中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。

　　然而，中国在基础研究方面落后于美国和英国。一个主要原因是人才短缺，招纳人才对中国的 AI 发展至关重要。美国超过一半的数据科学家有10多年的工作经验，而在中国，经验不足五年的研究人员高达40％。

转载请注明出处。