人工智能再迎政策红包 人工智能技术有哪些？
为加快推动我国新一代人工智能产业创新发展，落实《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，11月14日，工业和信息化部制定了《新一代人工智能产业创新重点任务揭榜工作方案》。
人工智能产业加速落地突破
当前我国人工智能产业加速发展，从基础支撑、核心技术到行业应用的产业链条正在形成，产业集群初步显现，一批创新活跃、特色鲜明的创新企业加速成长，新模式、新业态不断涌现，整体呈现蓬勃发展态势。但与此同时，产业发展也面临核心基础技术薄弱、与实体经济融合不够深入等问题。
工业和信息化部将通过开展人工智能揭榜工作，征集并遴选一批掌握关键核心技术、具备较强创新能力的创新主体，在人工智能主要细分领域，选拔领头羊、先锋队，按照 “揭榜挂帅”的工作机制，突破人工智能产业发展短板瓶颈，树立领域标杆企业，培育创新发展的主力军，加快我国人工智能产业和实体经济深度融合，促进创新加快发展。
对人工智能揭榜工作的重点任务，《工作方案》指出，在智能产品方面，选择智能网联汽车、智能服务机器人、智能无人机、医疗影像辅助诊断系统、视频图像身份识别系统等17个揭榜项产品作为攻关方向。在这些细分领域，产业创新活跃，已聚集了大量企业，相关技术和产品具有较好发展基础，通过“揭榜挂帅”，可进一步促进其深入应用落地。
核心基础方面，选择智能传感器、神经网络芯片、开源开放平台等开展攻关。这些核心基础技术是产业发展的重要支撑，我国目前发展相对薄弱，需加速突破，整合产业链资源开展协同攻关，加快实现技术产业突破。
智能制造关键技术装备方面，选择智能工业机器人、智能控制装备、智能检测装备、智能物流装备等等进行揭榜攻关。
支撑体系方面，选择高质量的行业训练资源库、标准测试、智能化网络基础设施、安全保障体系等作为揭榜攻关任务。这些资源体系是影响人工智能健康发展的重要要素，需要加快完善基础环境、保障平台，加快形成我国人工智能产业创新发展的支撑能力
多个细分产业爆发期将到来
根据《三年行动计划》、《揭榜工作方案》重点布局方向和目标任务，国内人工智能多个细分产业爆发期即将到来。
一是重点培育和发展智能网联汽车、智能服务机器人、智能无人机、医疗影像辅助诊断系统、视频图像身份识别系统、智能语音交互系统、智能翻译系统、智能家居产品等智能化产品，推动智能产品在经济社会的集成应用。这些细分领域到2020年，产业规模将达3000亿元。
二是重点发展智能传感器、神经网络芯片、开源开放平台等关键环节，夯实人工智能产业发展的软硬件基础。这部分领域到2020年，预计产业规模将达2000亿元。
三是深化发展智能制造，鼓励新一代人工智能技术在工业领域各环节的探索应用，提升智能制造关键技术装备创新能力，培育推广智能制造新模式。智能制造产业(主要是工业机器人、智能控制装备)规模到2020年将达到1000亿规模。
四是构建行业训练资源库、标准测试及知识产权服务平台、智能化网络基础设施、网络安全保障等产业公共支撑体系，完善人工智能发展环境。这部分领域到2020年，产业规模将达500-800亿元。
总之，当前我国人工智能产业发展势头良好，《三年行动计划》、《揭榜工作方案》出台后将进一步促进产业的快速健康发展。目前，百度、阿里、腾讯等互联网企业已进行了大量的前期研究，而联想、华为、京东等企业也已开始在人工智能领域展开积极布局。产业界认为，我国在人工智能领域和国际领先水平的差距并不大，在不少细分领域还处在国际先进水平。2018年开始，相应的人工智能应用在我国已开始涌现，随着《三年行动计划》、《揭榜工作方案》的逐步落实，将大大促进我国人工智能技术的应用和发展水平。
关注人工智能新投资机遇
未来2、3年，人工智能产业将在政策力挺下加速发展，产业与社会经济整合加快。从产业角度来看，人工智能+安防、人工智能+医疗、人工智能+金融等细分领域机会值得投资者关注。建议重点关注：科大智能、赛为智能、中科曙光、三川智慧、川大智胜。
近两年来新兴的人工智能技术有哪些?
自然语言生成：利用计算机数据生成文本。目前应用于客户服务、报告生成以及总结商业智能洞察力。代表性厂商包括：Attivio、Cambridge Semantics、Digital Reason、Lucidworks、Narrative Science和SAS。
语音识别：将人类语音转录和转换成对计算机应用软件来说有用的格式。目前应用于交互式语音应答系统和移动应用领域。代表性厂商包括：NICE、Nuance Communications、OpenText和Verint Systems。
虚拟代理：弗雷斯特公司声称，“虚拟代理可谓是媒体界目前竞相报道的对象。”从简单的聊天机器人，到可以与人类进行交际的高级系统，不一而足。目前应用于客户服务和支持以及充当智能家居管理器。代表性厂商包括：亚马逊、苹果、Artificial Solutions、 Assist AI、Creative Virtual、谷歌、IBM、IPsoft、微软和Satisfi。
机器学习平台：不仅提供了设计和训练模型，并将模型部署到应用软件、流程及其他机器的计算能力，还提供了算法、应用编程接口(API)、开发工具包和训练工具包。目前应用于一系列广泛的企业应用领域，主要涉及预测或分类。代表性厂商包括：亚马逊、Fractal Analytics、谷歌、H2O.ai、微软、SAS和Skytree。
针对人工智能优化的硬件：这是专门设计的图形处理单元(GPU)和设备，其架构旨在高效地运行面向人工智能的计算任务。目前主要在深度学习应用领域发挥作用。代表性厂商包括：Alluviate、克雷、谷歌、IBM、英特尔和英伟达。
决策管理：引擎将规则和逻辑嵌入到人工智能系统，并用于初始的设置/训练和日常的维护和调优。这是一项成熟的技术，应用于一系列广泛的企业应用领域，协助或执行自动决策。代表性厂商包括：Advanced Systems Concepts、Informatica、Maana、Pegasystems和UiPat。
深度学习平台：一种特殊类型的机器学习，包括拥有多个抽象层的人工神经网络。目前主要应用于由很庞大的数据集支持的模式识别和分类应用领域。代表性厂商包括：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、 Saffron Technology和Sentient Technologies。
生物特征识别技术：能够支持人类与机器之间更自然的交互，包括但不限于图像和触摸识别、语音和身体语言。目前主要应用于市场研究。代表性厂商包括：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。
机器人流程自动化：使用脚本及其他方法，实现人类操作自动化，从而支持高效的业务流程。目前应用于人类执行任务或流程成本太高或效率太低的地方。代表性厂商包括：Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath和WorkFusion。
文本分析和NLP：自然语言处理(NLP)使用和支持文本分析，为此它借助统计方法和机器学习方法，为理解句子结构及意义、情感和意图提供方便。目前应用于欺诈检测和安全、一系列广泛的自动化助理以及挖掘非结构化数据等领域。代表性厂商包括：Basis Technology、Coveo、Expert System、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd和Synapsify。
