AI技术市场方兴未艾。 它的受欢迎程度无法通过炒作或媒体关注来掩盖。 我不知道有多少初创公司是从AI技术起家的。 互联网巨头竞相收购业绩突出的科技公司，对人工智能和技术应用的投资也大幅增加。

去年的一项 Narrative Science 调查发现，38% 的企业已经在使用人工智能技术，预计到 2018 年这一比例将增长至 62%。Forrester Research 预测，2017 年人工智能投资将比 2016 年增长 300% 以上。IDC 估计预计人工智能市场将从2016年的80亿美元增长到2020年的470亿美元。

“人工智能”一词诞生于 1955 年，用来描述计算机科学领域的一个新兴分支学科，其中包括广泛的技术和工具，有些是经过时间考验的，有些是新发明的。 为了帮助了解哪些技术很热门，哪些技术被冷落，Forrester 今年发布了一份关于人工智能的技术雷达报告（主要针对应用开发专业人士）。 这份针对 13 家科技公司的详细报告认为，仍然有必要采用支持人类决策的技术。 为了帮助您回顾人工智能的发展路径，我们整理了2017年最热门的十大人工智能技术和人工智能十大关键词：

十大最热门的人工智能技术

1.自然语言生成

从计算机数据生成文本。 目前用于客户服务、报告生成或总结商业智能见解。 供应商：Attivio、Automated Insights、Cambridge Semantics、Digital Reasoning、Lucidworks、Narrative Science、SAS、Yseop。

2. 语音识别

将人类语音转换为有用的计算机应用程序。 目前用于交互式语音应答系统和移动应用程序。 供应商：NICE、Nuance Communications、vbOpenText、Verint Systems。

3. 虚拟代理

根据 Forrester 的说法，这项技术是“媒体当前的宠儿”。 从简单的聊天机器人到可以与人类友好交互的高级系统。 目前有用于客户服务和支持职位，同时也担任智能管家。 供应商：亚马逊、苹果、Artificial Solutions、Assist AI、Creative Virtual、谷歌、IBM、IPsoft、微软、Satisfi。

4. 机器学习平台

提供算法、API、开发和培训工具包、数据和计算能力，以设计、培训模型并将其部署到应用程序、流程和其他机器。 目前广泛应用于企业应用，主要涉及预测或分类。 供应商：亚马逊、Fractal Analytics、谷歌、H2O.ai、微软、SAS、Skytree。

5.AI优化的硬件

专门设计和架构的图形处理单元 (GPU) 和设备，用于高效运行面向对象的计算作业。 目前主要差异在于深度学习应用。 供应商：Alluviate、Cray、谷歌、IBM、英特尔、Nvidia。

6.决策管理

将规则和逻辑插入人工智能系统的引擎中，用于初始设置/培训以及持续的维护和调整。 作为一项成熟的技术，它被广泛应用于各种企业应用中，以辅助或执行自动化决策。 供应商：Advanced Systems Concepts、Informatica、Maana、Pegasystems、UiPath。

7.深度学习平台

一种特殊类型的机器学习，由具有多层抽象的人工神经网络组成。 目前主要用于模式识别和分类应用，可以支持庞大的数据集。 供应商：DeepInstinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、Saffron Technology、Sentient Technologies。

8.生物识别技术

实现人与机器之间更自然的交互，包括但不限于图像和触摸识别、语音和肢体语言。 目前主要用于市场调查。 供应商：3VR、Affectiva、Agniio、FaceFirst、Sensory、Synqera、Tahzoo。

9. 机器人过程自动化

使用脚本和其他方法自动化人类活动，以支持高效的业务流程。 当前执行任务或流程的成本太高或效率太低。 供应商：Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath、WorkFusion。

10.文本分析和NLP

自然语言处理 (NLP) 使用并支持文本分析，通过统计和机器学习方法促进对句子结构和含义、情感和意图的理解。 目前用于欺诈检测和安全、广泛的自动化助理以及挖掘非结构化数据的应用程序。 供应商：Basis Technology、Coveo、Expert System、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd、Synapsify。

2017年人工智能十大关键词

1. 芯片

据人工智能协会发布的《中国人工智能创新应用白皮书》显示，从1986年到2007年，全球单日信息存储量增长了约120倍。 在数据产生方面，预计到2020年将达到44ZB，是2009年的44倍。数据量的指数级增长伴随着芯片行业的蓬勃发展。

这条赛道上有智能设备厂商、云计算厂商、传统芯片厂商。 苹果、微软和谷歌都在为人工智能和其他工作负载开发自己的处理器，目标是在没有云处理的情况下实现压缩算法。 大数据、人工智能以及高性能计算和分析越来越多地利用 GPU。 这一趋势让Nvidia成为重要参与者，同时也为AMD注入了新的活力。 英特尔正在将重点从个人电脑转向数据中心和物联网。

此外，一些垂直细分的初创公司的表现也不容小觑。

近期，寒武纪、地平线、深鉴、耐能、坤云科技等人工智能芯片公司纷纷获得融资。 新一代计算芯片可以提供更强大的计算能力，在集群上实现的分布式计算可以帮助人工智能模型在更大的数据集上运行。

2. 智能音箱

与传统音箱相比，智能音箱不仅仅是音频产品，更是涵盖内容服务、互联网服务和语音交互功能的智能产品。 它们不仅具有WiFi连接功能，还提供音乐、有声读物等内容服务，以及信息查询、网上购物等互联网服务，还可以连接智能家居，实现场景化的智能家居控制。

因此，2017年成为“百盒大战”之年，智能音箱的热战已从国外蔓延至国内。 目前，国内进入扬声器市场的企业主要有三类：

首先是以喜马拉雅“小鸭”为代表的具有内容基因的公司。 它们最接近“传统音箱”，但内容的智能播放提高了用户在聆听场景下的交互体验。

其次是“智能公司”，包括Rokid、出门问问、Broadlink等，在他们的产品中，音乐内容只是众多功能之一，更多的亮点是语音交互和与智能家居的连接。

三是小米、阿里巴巴、京东、联想等“大公司”。 他们背后有庞大的商业生态系统。

3.医学影像

今年11月15日，科技部公布了首批国家新一代人工智能开放创新平台，其中包括腾讯打造的医学影像诊断平台觅影。

AI+医疗是近年来资本投资和企业拓展新业务的热门话题。 医学影像成为焦点有两个原因：

医学影像是一切重大疾病诊断和治疗的入口和基础。 放射科医生是医疗行业最紧缺的人员之一。 深度学习是人工智能技术爆炸式增长的核心，恰好最擅长分析图像数据。 这样，图像识别技术就成为最有可能首先在医疗领域落地的技术。

短期来看，目前AI+医学影像的商业模式一定是To B，竞争初期渠道为王； 从长远来看，To C也有很大的商机。 随着技术的成熟，未来患者可以自由选择。 AI医疗供应商的产品和服务。

4.安全

目前来看，安全本身有两大特点：

首先，在传统的视频安防行业，经过多年的发展，积累了大量的数据资源，满足了基于大数据的人工智能算法模型训练的要求；

其次，安防行业事前预防、事中响应、事后追溯的特点与人工智能的算法和技术不谋而合。

也就是说，目前人工智能在安防领域的应用主要是通过图像识别、大数据、视频结构化等技术来实现。 从行业来看，广泛应用于公安、交通、建筑、金融、工业、民用等领域，其中以公共安全应用为核心。 此外，AI+安防对于提前预防犯罪、保障社会治安也发挥着非常重要的作用。

目前，人工智能在安防领域的应用虽然具有良好的前景，但尚未达到真正实用化的阶段。 应用中存在环境适应性差、场景理解有限、人脸识别等诸多问题需要不断完善和解决。 识别准确率等等。

5、语音交互

2017年，不少行业专家认为“语音”将成为下一代人机交互的主要方式。 原因有以下三个：

第一，语音交互更加自然便捷；

其次，与文字交互方式相比，语音交互能够解放人们更多的感官；

第三，基于智能语音交互，无需点击APP和浏览器，而是直接通过语音操作的特点，使得覆盖浏览器、APP等其他应用的入口成为可能，成为新的入口。 这个门户将彻底改变更多的行业，例如信息搜索和分发。

涉及语音交互的企业包括人工智能机器人厂商、人机交互技术及渠道提供商、基础平台支撑及相关技术提供商：

1、人工智能机器人厂商主要包括小i机器人等智能机器人厂商，以及清华大学、中科院等人工智能技术研究学校和科研院所。

2、人机交互技术或渠道提供商包括科大讯飞、捷通华声、车银网、飞驰等语音技术提供商，以及短信（中国移动、中国电信、中国联通）、QQ等服务提供商。

3、基础平台支撑及相关技术提供商包括IDC、云计算平台、数据挖掘等技术提供商。

6. 融资/收购

大趋势下，无论是国内还是海外市场，科技巨头都在通过AI领域内生研发、外部直接投资、或者收购AI领域创业团队等方式积极布局AI领域。 巨头之所以收购企业，无非是为了争夺团队、专利、人才。 同时，也是对自身业务的补充，也是考虑公司在未来技术生态系统中的布局和地位。

除了收购之外，2017年形成的另一股热浪是融资。 我们来看看今年发生的重大融资事件：

2017年2月，三星与英伟达共同投资AI智能语音助手公司SoundHound。 该公司语音识别和搜索技术获得7500万美元投资；

2017年3月，蔚来汽车获得IDG资本、高瓴资本等投资者6亿美元投资，用于自动驾驶和辅助驾驶；

2017年3月，Geek+科技凭借智能机器人技术获得火山资本等投资者1.5亿美元投资；

2017年4月，商汤科技计算机视觉技术获得赛领资本6000万美元投资；

2017年5月，深鉴科技处理器/芯片获得高榕资本等投资者数千万美元投资；

2017年10月，地平线获得英特尔资本、嘉实投资等投资者近1亿美元的A+轮融资。

7. 人才流动

2017年人工智能领域人员流动情况：

八、政策

自今年7月国务院发布《新一代人工智能发展规划》以来，各地不断加强人工智能相关政策部署。

今年10月，北京正式印发《中关村国家自主创新示范区人工智能产业培育行动计划（2017-2020年）》；

11月14日，上海发布《关于促进本市新一代人工智能发展的实施意见》，提出到2020年重点产业规模突破1000亿元。

11月18日，素有“中国光谷”之称的武汉东湖高新区出台全国首个区域性《促进人工智能产业发展的若干政策》，并发布“东湖高新区《人工智能产业规划》提出，未来三年每年设立不少于2亿元的人工智能产业发展专项资金。 同时，还发布了“国家级”人工智能开放创新平台。

11月15日，科技部宣布成立新一代人工智能发展规划推进办公室，并公布第一批国家新一代人工智能开放创新平台：依托百度打造国家新一代人工智能开放创新平台。自动驾驶新一代人工智能开放创新平台，依托阿里云正在建设国家新一代人工智能城市大脑开放创新平台，依托腾讯建设国家新一代人工智能医疗开放创新平台影像，依托科大讯飞打造国家新一代人工智能智能语音开放创新平台。

种种迹象表明，人工智能政策正在从中央向地方政府传导。 人工智能政策自上而下开始发酵。 我国已进入AI产业“黄金窗口期”。 预计未来还会有更多地方政策文件出台，从而形成多点。 团结一心的局面。

9、智能制造

波士顿咨询集团在题为《工业4.0——未来生产力与制造业发展前景》的报告中明确指出，以云计算、大数据分析为代表的新技术将为中国制造业带来15%的生产效率提升。 — 改善 25%。

智能制造是基于互联网的物联网意义上的包括企业和社会在内的制造全过程。 它将工业4.0的“智能工厂”、“智能生产”、“智能物流”进一步拓展为“智能消费”。 ”、“智能服务”等整个智能化过程。只有从这些意义上我们才能真正理解我们所面临的前所未有的形势。

一年来，为重塑制造业全球竞争优势，各大制造企业各级高度重视智能制造，相应推出了一系列针对模型企业、信息物理系统、工业机器人、先进测量与分析、智能制造系统集成等智能制造关键要素规划和项目，为“人工智能+制造”新竞争力形成提供系统支撑。

10、场景创新

随着社交和云技术的不断融合，移动终端设备从便携变为个人，人工智能技术开始从技术平台走向产业平台。 场景的价值越来越大。 我们正在进入一个可以快速高效运用场景感知的时代。 解决问题的“场景时代”。 如何实现场景化人工智能，将“人工智能时代”与“场景时代”结合起来，是2017年及未来人工智能发展的重要前提。

此外，人工智能的发展离不开技术的不断创新，更离不开场景的创新。 场景创新是人工智能发展的催化剂。 当人工智能技术发展到一定程度时，如何将更多的人工智能技术带到前台并转化为用户服务，如何刺激商业应用需求，通过需求创造供给，将是未来人工智能技术的发展方向。 智力发展的重要方向。