2018中国IT市场年会 北京香格里拉饭店
（主题论坛一：人工智能高峰论坛）
主持人：
尊敬的各位领导、各位来宾、女士们、先生们大家下午好。我是本次会议的主持人张新华，很高兴能够在这么一个生机勃勃的春天里和大家相约在2018中国IT市场年会人工智能高峰论坛。本次活动由赛迪顾问主办，合肥高新技术产业高发区管理委员会，中国产业创新联盟，中国大数据和人工智能百人会协办。本次活动聚焦新视觉、新语言，到会嘉宾有来自工信部合肥高新区的领导，中国人工智能学会的专家，云从科技、腾讯云、旷视科技、蓝盾股份、触景无限等领军企业的代表。
刚刚过去的2017年被称为人工智能发展的应用元年，这一年不管是阿尔法狗战胜人类围棋世界冠军，无人超市开店，还是自动驾驶汽车不断上路，人工智能已然成为日常新闻的主角。在刚刚闭幕的两会上，无论是代表们的提案发言，还是总理的政府工作报告，人工智能也都是一个热点。本次活动云集政府专家企业等市场各方主体，共商人工智能发展大计。
下面有请工信部科技司高技术处处长赵策致辞，大家欢迎。
赵策：
各位来宾、各位朋友、女士们、先生们，大家好。非常高兴参加2018中国IT市场年会的人工智能分论坛，在此我谨代表工业和信息化部科技司对论坛的召开表示热烈的祝贺，也向在座各位对人工智能产业发展长期以来的关心支持表示由衷的感谢。当前新一轮科技革命和产业变革兴起，驱动人工智能发展进入全新发展阶段，人工智能正加快与经济社会各个领域的渗透融合，带动技术进步，推动转型升级，助力经济转型，促进社会进步。党中央国务院高度重视发展人工智能，习近平总书记在十九大报告当中指出推动互联网、大数据、人工智能与实体经济融合，在中高端消费、创新引领等等领域培育新的经济增长点，形成新动能。2017年7月国务院印发了新一代人工智能发展规划，对我国人工智能发展的总体思路、战略目标和主要任务、保障措施进行了系统的规划和部署，这样一个规划发布之后受到了全世界的广泛关注。
为了进一步推动产业发展，我部于去年12月14日出台了促进新一代人工智能产业发展三年行动计划，是2018-2020年，结合中国制造2025，以信息技术与制造技术深度融合为主线，从务实推动产业发展的角度出发，对新一代人工智能发展规划的相关任务进行了细化和落实。明确了四个方面的重点任务，主要是培育智能化产品、突破核心基础、深化发展智能制造、构建支撑体系这几个方面，计划通过三年的时间，充分利用现有的技术与手段，切实推动人工智能产业的突破发展。
关心国家的相关政策文件的同志们应该注意到，工信部发这份行动计划是比较详实的，对于重点发展的一些智能产品把它们到2020年应该达到什么样的技术指标都做了描述，这样一个规划发了之后还是在产业界引起了很好的反响，大家普遍反映定的目标还比较适合，既是能够冲一冲的目标，又比现在实际状况能够更有前瞻性一些，可以说是一些摘桃子的这样一些目标，对于引领产业的创新发展起到了一定的积极作用。
在国家政策支持，以及优势企业的推动下，我国人工智能产业发展正在进入快车道，产业的积极性和活跃度显著提升，涌现出一批优秀企业，特别是语音识别、视觉识别技术在世界处于领先地位，也形成了大量特色鲜明的应用案例。最近投资界非常关注，大家都在寻找的人工智能领域的投资机会，各地也都结合自身的技术特点，在探索新兴的这些应用领域。
掌握未来作为潜力巨大的前沿领域，人工智能与实体经济深度融合成为培育经济新增长点的战略方向，2018年将是加速推进人工智能应用和发展的关键一年，下一步工业和信息化部将以行动计划为纲，务实推动人工智能与实体经济融合。一是完善产业协同推动机制，加强在技术攻关、标准制定等方面的协调配合，支持有条件地区发挥自身资源优势，培育一批人工智能领军企业，推动人工智能产业集聚，促进人工智能产业突破发展。大家关心的都可以看到现在其实在这个领域已经诞生了很多独角兽的企业，他们在自身的技术积累方面，包括在应用方面已经有了很好的发展，受到了国际巨头的高度关注。
第二是要营造良好发展环境，支持人工智能产业发展，支持符合条件的人工智能标志性产品，以及技术研发，推动创新应用项目的评选，开展支撑性平台建设的，引导人工智能在智能制造等领域加快应用，推动智能网联汽车等产品的加快推向市场。
第三是统筹创新资源，支持企业、科研院所与高校联合开展人工智能关键技术的研发与产业化，推动共性基础、行业标准制定，构建行业训练公共资源库，标准和测试评估平台等支撑体系，开展人工智能创新创业和解决方案大赛，利用政府行业对接，推动加强与国外人工智能领域的政策制定者、企业管理者、科技人员加强交流与合作，积极参与国际人工智能的标准化合作，提升国际影响力，在这个领域在国际合作上应该说也是正在积极推动，近期在巴塞罗那举行的世界移动通信大会，今年的主题不光是5G，实际上也在说5G与人工智能的结合，我们可以预见的未来，我们整个经济社会朝着数字化、网络化迈向更加智能化的方向迈进。
女士们、先生们，促进新一代人工智能产业发展，助力实体经济转型升级，对于推动高质量发展，培育新动能具有重大意义，作为牵头司局，工信部科技司将会同部内有关司局，加强与产业的沟通合作，按照创新协调绿色开放共享的新发展理念，共同推动人工智能产业发展迈向新台阶。预祝本次论坛取得圆满成功，谢谢大家。
主持人：
刚刚赵处长详细介绍了国家对人工智能行业发展的政策支持，谢谢赵处长热情洋溢的讲话。下面有请业内专家中国人工智能学会副理事长、重庆邮电大学研究生院院长、大数据智能研究院院长、长江学者特聘教授、万人计划领军人才王国胤教授，大家欢迎。
王国胤：
谢谢主持人，也谢谢组委会给我这么一个机会跟大家分享一下大数据智能计算方面我的一些思考，刚才赵处长从国家这个层面给大家讲了很多产业政策方面的内容。因为我是学术界的，今天也是诚惶诚恐，我想今天我就用一点点时间从一个学术界的这么一个专家的身份，给大家报告一下我们对这个大数据智能计算以及未来智能社会到底是一个什么样的，我们怎么样看待，给大家做一个分享。
我从这几个方面来讲，一个就是说什么是大数据智能计算，为什么做，另外一个怎么理解未来得智能时代智能社会，我们智能社会要创新，那信息时代我们这个创新是跟着在走，智能时代我们有没有可能引领创新，或者说我们在做一些什么样的有没有可能大家一起来做。另外就是我再给大家报告一下我正在做的计算方面的内容，这个可能和我们大数据智能处理方面有很多的关联。
首先是这个，我想我们要回顾一下，为什么我们现在要来谈建设智能社会，实际上几十年，我们的信息社会建设解决了哪些问题，我个人感觉信息社会建设主要解决了四个方面的问题，一个就是我们数据采集，无论哪个数据，个人的数据，社会的数据，整个世界的数据，我们能够采集到的，这是10年20年前拿不到的。数据的存储能力现在是超大的，随便一个存储器，以前都是超级存储器了。我们的信息传输，无论是有线还是无线，现在可以说是不受限。另外我们这个计算能力也是超强，现在随便一个手机已经是我们以前的超级计算及所达不到的水平。由于这个数据的采集、存储、传输和计算能力的飞跃，使我们现在是信息社会的这样一个，我觉得是高级发展阶段，由此才可能导致我们未来要进入这样一个智能的时代，所以没有这一个信息社会的建设是不可能出现未来得一个智能的，所以大家不要想智能好像是一个突然来的什么东西，我觉得这是从信息到智能的发展。
大家经常在问，在数据这样一个网络时代里面，你看到了什么，经常看到是数据与信息爆炸处理不了，实际上我们还需要看到这五年有什么可用的能够利用的。未来我们研究应该是对世界的数据感知，一直到信息知识和决策行动对整个自然界社会的一个控制管理的这么一个互动，所以这是一个闭环的工作，在这里面我们就需要来做这个数据的智能计算处理。按照现在我们这个数据空间，实际上现在数据空间也不是以前我们所认为的数据空间，就是对我们现实的物理社会空间的这么一个映射，它是一个独立的，现在不独立了，而且这里面数据之间他是可以相互作用，包括就像我们现在的一个网络的舆情大家可以理解，就是说信息之间是可以相互作用的。
另外我们网络空间里面的这个信息和现实社会是可以相互作用的，所以我们的社会生产生活管理各个方面要发生变化，为什么这么说呢？比如说我给大家举个例子，我们在网络上面，现在讲新闻，新闻要讲真实性，如果是说假新闻这个新闻可以不理了，没作用，但是如果是说一个假新闻导致一个政府的垮台，还能够说由于这是假新闻所以重来吗。所以网络空间和我们现实社会是紧密联系的，而且也已经相互作用。由此才出现了我们现在大家谈到的数据空间，我们现在的这个人类应该说是生活在这样一个三元空间里面的动物了，所以也有了这样一个网民。网民和以前的人他的属性上有一些变化的，以前的人传统意义上来讲只生活在二元空间里面，现在这个网民在三元空间里面，人的行为模式也已经发生了一些变化，这时候我们的生产生活各个方面就要有一些变化。由此我们才能够理解为什么数据是新的。
当然数据用的好不好，也可能我们还真的用的还不是太好。这个智能时代的到来，实际上大家都在说它是由大数据和深度学习共同推动的，人工智能从1956年提出来，到现在有60多年。我们想一想60多年前那个时候计算机刚发明出来，那个时候计算机做不了什么我们现在可以做到很多复杂计算的，只是做一些专门的数字计算。在那个年代有这些科学家能够提出来要研究人工智能，研究智能机器，我现在压力也很大，我自己做人工智能研究的，60多年前科学家，那个时候在计算条件很差的情况下面，提出要做这样的智能机器的研究，我们现在的科学家能不能提出一个研究，我们60年之后这项研究还是影响整个人类社会前进的这么一个研究。所以现在对我们这一个创新研究应该说是有一个很大的挑战，所以我们经常在问自己。
这样一个情况下面，我们现在大家经常就是，我觉得社会上有很多，包括人工智能这几年很热，有很多人他突然一下就变成人工智能的专家了，这个也是就跟风式的这种研究，包括我们做产业里面，也是就是现在这个人工智能一些产业，我觉得像最近就是刚才赵处长提到十九大报告，以及我们国家政府工作报告里面提到的，人工智能这里面他是要和我们实体经济深度融合的，在现在实体经济之上的一种人工智能，不一定是我们完整脱离现在新的产业，而是在我们现有产业基础上来做的。而且我们在每一个企业或者说每一个地区，你自己的特点，应该怎么样发展，所以这个是要有差别的道路的。这个人工智能发展，有持之以恒的态度，我们最近就是人工智能他的应用由于在自然语言，听觉视觉方面应用的突破，就是从以前玩一玩，到现在做一做用一用，导致社会的变革，特别是人工智能，现在对社会产生很大的影响。
实际上阿尔法狗这个确实是引发了我们对于人工智能的思考，而且确实也引起了大家的一些恐慌，或者说一些社会负面的反应。当然我觉得阿尔法狗确实是一个很伟大的，我们以前也是在讲，你只要是在封闭环境下面，特定的一个任务，无论什么任务，最终都是机器战胜的，只是哪一天战胜的问题。所以在这样一个问题上面，他也有很多的发展的进程，所以实际上我们这个阿尔法狗以前说它是用大量的下铺来学习，后来不用棋谱来学习，以及这样一个系统，我可以下多种棋，这里面就是大家可能感觉到我们人是不是就这么恐慌，你现在可以下三种棋，以后可以下三百种棋，能不能像人类一样的，发明一个人类想玩的棋，这些技术一定是在一个封闭的特定环境下面，特定场景下面解决特定任务。无论你这个任务有多么复杂，最终我们可以有一个系统来解决，这是可以做到的，创造性的还是做不到的，因为实际上如果大家有兴趣的话，我们下来可以聊，就是人的这种创造性的机制，不是我们现在做科学系统的这种机制来做。
但是实际上我们经常讲我们人是很伟大的，机器人大家可能在座也有很多做各种各样的机器人，通常我们讲机器人，用一个系统来实现我们人的某部分功能，我们就说它是一个机器人。反过来又怎么样呢，用人做系统的一部分，但是这个事情也是很现实的一个问题，比如说就是像我们，因为我在重庆，经常有一个游戏打麻将，你在网上打的时候其他还有三方在网上，有的是远方的人，有的一个程序系统。但是实际上你在网上打麻将游戏的时候，对网里面另外一个人也在享受你给他提供的打麻将这样一个服务，所以你在网上打麻将水平不一定有我们这样一个程序系统打麻将水平高，这样一个系统里面人和程序关系的话，所以我是在想这种情况下面，可能我们说这是一个人机器。反应什么问题，人和机器系统融合的问题个我们现在包括新一代人工智能里面有一个很主要的方向，就是人机混合的混合智能系统，这是未来发展方向。
当然这里面我们人工智能也已经是在各个行业里面起到很多的作用，这个技术实际上我们在看从国家也是很重视的，“互联网+”这里面谈了，我们有很多的领域，创业创新这是不分男女老少，不分领域的，唯一一个技术就是人工智能，这也不是计算机技术，不是通讯技术，不是自动化技术。人工智能技术真的有这么重要的影响吗，我们看一下这个文件里面，他甚至高频次最高的还不是“互联网+”，而是智能，人工智能是很关键的。在整个各个行业领域里面最重要要做的这些东西，红色标注的都是智能东西，每个行业领域怎么做智能，是我们要思考，当然国家也有相关的相应的政策，包括智能战略型新兴产业占了很高比例。这样产业规模发展，大家一看有点像成指数型的，我们能不能赶上看我们努力了。
各个国家也都在做，我在这儿简单列出来，自己一看世界上各个方面的，欧美还有亚洲等等这些主要国家都做，我们国家应该特别重视，而且也讲到了这里面习总书记谈到，这是要和实体经济深度融合，不是说人工智能我们现在经常讲，发展人工智能产业要另起炉灶，不是这样的。而且就是李克强总理的政府工作报告里面也是发展智能产业，拓展智能生活，实际上是和我们现在的产业和生活是密切相关。当然这个由于今天时间有限，就不详细讲了，这里面有详细内容，大家可以去看，人工智能发展规划里面相应的东西。
我主要讲的是什么事情呢，我们讲未来，它是一个智能时代，为什么这么讲？其实我们从整个人类的历史发展情况来看，从农业时代到工业时代，主要影响的技术是什么呢，蒸汽机、电力、内燃机，在那个年代，无论哪个领域都是要去用到，而且都是有极大的推动作用。我们从工业时代到这样一个信息时代，靠的是计算机、信息网络，我们这几十年的信息化的建设，哪一个领域现在他不去做信息化呢，这样一个技术影响力有这么广，现在人工智能技术他实际上也是在各个行业领域里面去影响，所以我们一直在讲现在应该是从信息时代到智能时代，而且现在这个信息技术高度发展，我前面讲的，由于我们对数据的这几个能力的提升，导致我们现在有了这样一个大数据，在这样一个大数据资源的情况下面，有技术的这个突破，我们就可以影响各个行业领域，而且这些行业领域他还不是独立的，行业领域之间还是可以交叉融合的，甚至整个这个产业链相互上下游之间是可以影响的，所以为什么我们现在在做一些包括我们这个工业系统的一些智能化的国家一些规划里面，已经是注意到不仅仅是单一行业，而且是整个产业链的这个技术突破。
另外一个就是最近大家也在讲搞信息的人，搞智能的人，云计算，玩大数据搞“互联网+”的，这个词老在变，实际上这正是反映了我们整个这个信息技术从小数据到大数据发展的李琛，而且速度变化还在加快，我在这儿给大家简单回顾，在几百年前我们就已经有了做这样一个数据分析的理论，比如说Bayes理论，还是主要数据之一，几百年之后理论还是主流理论，这是很有创新的，我们以后能不能经的起考验。实际上我们这个研究到最近几十年，有了计算机之后，也是有一系列的不同的这些研究，所以实际上在这条道路上面，长期的一个探索，而且我们整个研究的路线，从小数据的分析到数据挖掘，海量数据挖掘，到现在的大数据挖掘，一直在探索我们怎么样来利用分析数据里面所隐含的对我们能够有用的信息和知识，解决我们的问题。当然现在这个数据由于它的分布，它的数据体量，它的维度超高，以及这里面数据的不确定，这里面数据不确定修改各种各样的不确定，甚至对于同样的数据，我们人本身的认知也是不一样的，经常比如说打个比方，我们在医院里面，为什么对于危重病人我们要进行会诊，会诊的意思就是说我们的专家对于这个病的认识是不一致的，如果大家都一致用不到会诊，所以对这些数据，同样我们有这些问题。所以这是摆我们面前需要处理的科学问题。
另外我在这儿要给大家讲一个问题，我们对于大数据现在我们通常的大家做，搞一个系统来给他进行计算处理，这是我们现在搞信息化的讨论。但是我们人怎么来做呢，还有一条路，我们人来理解这些数据，这就是我们人的认知。实际上我们用这些计算机系统处理这些数据最终的目的是干什么，是要完成我们人认知我们人，认识这样一个问题，解决这样问题的目的，用计算机系统来做这样一个计算，是不是就解决了我们人对这个问题的认知，人要解决这个问题呢，这两者之间不一定的。所以我讲就是数据的计算并不等于我们人的认知，这里面就存在一个问题，这里面比如说我把这个图给大家打出来，实际上我们在座的如果是说从计算机专业，比如说学过数据库，我们实际上整个这个计算机他的这样一个核心的理论，集合了数据库离散数据，所以他导致了我们以计算机为核心的这样一个信息处理的整个系统，他对信息的处理他是紫自下到上的，从细微的数据，原数据到我们高层次的对数据的这样一个整合，以及就你所解决的这个问题，我们的一些数据的融合。所以他是从最小的，比如说你的生日哪一天，这样一个小数据到一个复杂数据概念的变幻过程，所以是这种变幻。我们所有的现在只要是用计算机处理这些信息系统，他一定信息的这个流程是按照这样做的。
我们人呢，比如说我们大家看这个图，大家看这个图有什么感受，我们现场来做个实验，这里面我们有大的H，也有大的S，也有中间这个小的H，还有中间这个小的S，大家看了之后，你第一眼首先认出来这个大H和大S请举手，你反正看到了，你就举手，不少，你第一眼看到这个小的H和小的S的举手，少多了。通常的结论是什么，这是陈院士他们做的结论，人类认知具有大范围优先，先看到大，再看到中间的细节。这里面可以想像，你的一个老朋友，老远的走过来，你实际还没看清楚已经认出来他了，越近看的越清楚。所以实际上这样一个规律，这是基本上普遍存在的，我们人的认知是从大范围到小范围的这样一个由粗到细的过程。我刚才这么一讲，我们计算机数据处理从细的到粗的，人是从粗到细的，这两个好像是矛盾的，怎么做，所以我们现在我的研究主要干这个，所以我们在希望能够挑战未来能不能够解决这个问题，我们提一个新的计算模型，以后能不能有这种创新的模型。所以我们现在经常在讲，我们比如说用一个什么先进技术解决什么问题，这还是跟风式的，所以我们希望做这样一个工作，我们在这儿讲的这样一个大数据智能计算。我就不详细讲里面内容了，时间有限，有兴趣可以下来再谈。
多粒度大数据智能计算有多复杂呢，也不复杂，比如说你就看这一个，比如说我们一个生产车间，整个这个组织，也是从零件、仪器、设备、生产线到整个车间整个工厂也是一个自然的粒度的处理，我们整个社会他的管理也是分层分粒度的管理，我们看一个自然界，可以看到森林，可以看到树，可以看到枝叶，看到小的树叶，也是分层分级的。这种自然的，我们人的自然认知过程，能不能用一个数学模型来做，就是我们讲的粒度问题。用这样方法搞各种各样的模型，只是给大家过一下，有一个印象就可以了。有各种各样的理论，国内提出来的，国外提的，国内提的有相应的，我们把这些物品分类，分成一类两类三类，也可以分成这样三类，可以不同的分类，这就是也是反映了这种不同粒度。而且我们在云模型，把人的这样一个认知行为和计算机的一个数据处理行为，两个把它连接起来，做人和机器共同协同的这样一个计算模型等等，这些我就快速的过掉。我们提出来的就是要做这样一个粒认知计算模型，这里面就有一系列科学问题，大家如果有兴趣可以跟我下来再谈。
这样这些问题是不是只是做这么一个理论模型，我们现在也在做各种行业里面，我们自然的把这样一个模型概念用进去，在我们流程工业，我们的基础工业，材料工业，炼钢厂也是一样，这些企业里面我们把他的管理，把他做成一个多粒度的模型，我们来做他的这个多粒度的智能决策，在生态环境里面，比如说三峡的这样一个生态环境，实际上就是有几百个点，有很多的这个支流，也有不同的各个政府管理部门，不同层级的管理部门，实际上把他这个信息也是从卫星的航空的，陆地、水上、水下各个方面的信息，多元异构分布的弄在一起。如何构建一个多粒度的模型，对它进行预测。这里面也做了一些结果，效果也还是不错的，这是我们做的湖泊的，三峡是一个流动的，他就是一个流域，就是一个湖泊，我们也在做。另外包括这些聚类，聚类就是我们人的认知。
包括我们现在大家谈到的深度学习，因为深度学习现在也是推动我们人工智能发展很重要的，深度学习最近这十年起到了很好的结果，有关研究搞了几十年了，最近20年有哪些结果呢，比如说这是我们王菲月教授，20几年前在美国做的，他做的矿山控制的这么一个九层，也是一个深度神经网络。台湾的教授在伯克利做的，也是29年前做的深度神经网络，这是我自己做的，我当时还是在读博士时候，20几年前，做了五层的神经网络。那个时候做五层神经网络也是当时能够做到的最高的，这些东西当时能够做，但是我现在也在想，如果20几年前我把这个东西做成一个现实的东西，那个时候数据资源计算平台各个方面达不到，那个时候只能做做玩，把博士学位拿到就可以了，我们把这样一些思想可以用到我们这个系统里面来做。
所以我们现在也在尝试各个方面，以大数据的智能分析来解决我们各个行业领域里面的这些问题，我们这个团队也在做脑大数据、流程工业、电信、虚拟现实、生态环境的、医疗健康的，还有政务方面的。我们现在也正在承担一些相应的工作，包括基础理论，基础理论一定要做，我们工业界的同志，他实际上很多基础研究也是工业界支持，我们能不能够支持，我们做60年，600年之后都还能够影响世界的科学技术研究，如果我们能够有这种研究，今后中国的强大，我相信这是靠的住的。当前我们也得做，比如说我们现在也在做，就是网络上面的，网络上面人的这种行为分析，以及就是这个身份的管理，因为每个人在网上有各种各样的帐号，他的这个一致性身份认证问题，以及包括我们现在这个反腐很严峻的，而且是国家重阵，用大数据分析人的行为，看这里面有没有一些就是职务犯罪的评估。另外生态环境，美好生活我们要美好的生态环境。健康医疗，甚至我们国家正在推的分级医疗体系，这个分级医疗体系和我们现在讲的这样一个多粒度的计算模型，从概念上来讲，就是很吻合的，我们现在也正在做这方面工作，包括智能机器人，视觉听觉，工业系统里面智能制造里面，我们现在主要在流程工业里面，流程工业里面怎么样在他现在这样一个信息化基础之上做到他的智能决策、智能管理这方面工作。如果大家有兴趣我们下来可以进一步的探讨。我就不再山迥大家更多时间，谢谢。
主持人：
王教授刚刚阐述了我们目前处在从信息时代向智能时代转变的阶段，人工智能在各个行业有应用落地，详细介绍了人工智能在视觉语音方面的一些实践探索，谢谢王教授所做的关于大数据智能计算的研究分享。下面有请赛迪顾问人工智能研究中心副总经理向阳发布中国人工智能投资价值百强榜，大家欢迎。
向阳：
谢谢王教授非常精彩的演讲，也是给我们上了一堂丰富生动的课堂。接下来由我为大家献上是我们赛迪顾问一些研究成果，简单给大家说一下我们赛迪顾问情况，我们针对人工智能的行业会定期的发布我们系列的一些报告，今天我们将发布的就是我们最新完成的一个投融资的情况研究，以及我们对百强企业的榜单发布。
首先是我们赛迪顾问在从事国家一些规划，包括北京、安徽、上海各地的一些人工智能产业规划的时候，我们也做过一些当地的调研和一些企业访谈，从现在看来中国人工智能它的核心产业其实有一个统计的口径，包括我们对整个的人工智能未来得一个规模预测，其实是可以看到2017年的核心产业增速非常快的，我们不光是从语音，还是从一个视觉，在安防行业2017年实现了一个比较快速爆发的态势。包括我们从国家的新一代的人工智能产业发展规划纲要看到，其实国家的计划在2020年核心产业规模达到1500亿，当然这块我们的预测会更加的乐观一些，可能会突破到1600亿的水平。
从我们整个人工智能的产业结构上来看，我们赛迪顾问目前对人工智能一个定义是分为了主要是以支撑、软件、以及上游硬件为主，可以看到目前整个人工智能它的产业规模的话，硬件的产品比重相对来说较大，软件一些产品一些应用包括我们API、SDK产品非常丰富，我们目前看的比较多的在无人驾驶相关的一些领域，包括智能的可穿戴设备，这是我们在整个人工智能产业定义上，在产业结构上占的较多的产品。
接下来就是我们对2017年整个的全年的回顾，其实我们在2017年底发布过一个投融资的白皮书，这是我们最新的一些数据。2017年各季度来讲，第四季度增长非常快的，这个可能数据上显示有点问题，但是最后报告会对外公开，大家可以下载一个比较完整的数据。可以看到第四季度我们这个数据在195，达到一个峰值。这是我们从一个区位上来看，我们从各个城市，北京、上海以及杭州等一系列的城市来看，它的一个投融资的次数，以及它的投融资规模，其实还是可以看到，我们与去年上半年趋势没有太大变化，基本上集中在北京为主，上海、深圳、杭州其实我们看到已经是超越了广州，已经实现了我们相对来说一个新的一线城市的布局。虽然说我们看到广州现在对人工智能的发力也比较大，但是从目前的一个资金的吸引力来讲，我们看到杭州实现了反超。
我们看到一些热门投融资领域来看的话，也是集中在这几大领域，就是无人驾驶，计算机视觉，以及自然语言处理的领域是热门。像机器人以及医疗的领域，目前它的投融资规模相对来说紧随其后，但是未来有一个比较大的增长的潜力。
我们也统计了从资本方的一个投融资的动态，可以看到在红衫资本来讲，在2017年他大概投资了10个企业，这10个企业投资的领域在右侧的分布图可以看到，跟我们上一页整个PPT的热门领域相关，其中还是在无人驾驶计算机数据等一系列领域。我们还对投融资的一个结构进行了一个分析，其实可以看到在A轮的企业中它的目前获得一个投融资的次数是非常频繁的，可以看到很多的人工智能的企业进入到2017年后下半年，如果说它的企业能够快速发展的话，它的轮次已经逐渐的在往后靠，我们可以看到有一个列表，就是它的融资的一个记录，基本上看到2017年比较大的，像旷视科技创行业记录，所以目前来讲资本方对人工智能投资力度还是在不断加大，从2016年开始到以后的IPO上市，这种企业未来得独角兽也会不断的去涌现。
我们接下来对几个重点的，其实我们在行业龙头上，我们会关注它的一个生态的布局，重点我们将关注到百度、腾讯、阿里这三家企业，因为其实我们都看到了他们三家自己做人工智能产品，我们试图从另外一个维度，他们在生态圈打造上关注的一些方面，比如说像百度我们看到2017年他是投资了有六家的人工智能企业，而且现在他发现他的核心领域还是围绕无人驾驶，包括今天他也是拿到北京市的第一张牌照。所以说看到百度的话，他是围绕着阿波罗的一个计划，包括他未来有一些语音方面的布局，所以说这是他的一个特点。
腾讯来看2017投资了7家人工智能企业，其中机器人相对来说跟百度有区别，投资会更多一些，机器人占了四家，无人驾驶腾讯号称在研究人工智能方面的研究和布局，这是腾讯为主的。智慧医疗领域，腾讯也是承接了国家发改委平台，这是腾讯的整个生态布局。
从阿里来看的话，阿里现在围绕相对来说更加简单一些，它的生态打造是聚焦龙头，可以看到两大龙头，基本上投资的都是我们在目前行业中都是顶尖的一些企业。
我们从研究的角度上来看的话，基于以上研究事件以及未来得一些研究热点趋势和投融资的趋势，我们判断以下四个领域投资价值上比较有潜力的，第一个当然就是无人驾驶，我们看到目前整个产业界的热度都是在不断的升高。包括机器人其实围绕不光是工业互联网，以及智能制造2025都是一些一系列的推动因素，当然还有智慧医疗，以及计算机的视觉，这些领域在目前看来未来三到五年中，投资价值比较有吸引力的场景。
最后就是我们其实根据以上的一些投融资，包括我们从整个的中国人工智能的企业创新力来讲，做了一个百强榜单，这个是我们会持续进行一个发布，其实我们在2017年投资价值发布了一版，进入2018年以后重新梳理了一下，2017年大家如果了解的话，它的一个竞争是非常激烈的，除了我们顶尖的北京的三家芯片企业，现在目前来讲很多的像一些传统的做IC的，或者芯片通信的都在纷纷抢这个市场。所以我们从这个企业的估值市值，营收状况，专利的数量，以及产品力等各个维度进行重新梳理，大概按中国的主流企业分成了10个领域，左边还是围绕以产品为主，以视觉语音一个综合类的企业，右边细分一下关注的重点行业领域，所以这是我们给大家分析的一些项目，AI的百强榜单。
我今天发布的这个报告可以关注赛迪顾问的公众号，或者通过新的平台上我们在后续也会定期的发布这一系列的报告，大家都可以在上面进行一个下载，包括我们未来会对深入到不同的行业，不同的场景中去进行研究一些白皮书，这是我们赛迪顾问未来对人工智能持续进行研究的一些领域。今天就是为大家简短发布这些研究报告，也谢谢大家。
主持人：
中国人工智能百强榜通过建立综合评价指标体系，从企业估值或者市值，营收状况，专利数量，产品竞争力，企业潜力，领导能力等多个维度进行定向与定量的评估，谢谢向博士分享的研究成果，下面有请云从科技合伙人兼高级副总裁孙庆凯，大家欢迎。
孙庆凯：
各位好，很高兴有机会能够跟大家分享一下，我是云从科技的副总裁孙庆凯。今天有幸跟大家探讨一下人工智能尤其是视觉系统在产业落地方面的一些实践。大概阐述一下整个人工智能发展历程，大家都很清楚，1956年的时候麦肯锡有一个学术研讨，把人工智能这个领域开始了一个新的开始。1956年根据模拟人的大脑建立神经网络系统，这个系统实际上在多层次传递的时候出现了失误，所以整个来讲的话，整个模拟人脑的过程产生了一些智力。人工智能基本在这个领域当中这么多年，我觉得经过了很多风口，不断包括第五代机，最近2012年之后，实际上人工智能已经不是一个风口，它是一个趋势，这个趋势在2015年的时候大规模爆发出来了，就是一个事件阿尔法狗，中国政府迅速做出了反应，我想任何一个政府在这么短的时间内，能够把人工智能上升为国家战略，都是一件非常了不起的事件。我想咱们国家领导人没有完全能够想好，这个事情到底是怎么样，但是这是中国和美国整个在技术领域里面能够PK最快的反应，这是一个弯道超车很好的机会。所以在2017年3月份的时候，国务院在政府工作报告当中就把人工智能作为下一个规划。
我们看一下整个亚马逊的历程，亚马逊在2015年时候推出了一个人机交互的一个设备，通过音响作为一个语音识别，语音入口，把普通民众能够跟这个串起来，后面有一个很重要的系统，通过Alexa系统他把所有有关这方面设备全部接入进来，亚马逊靠这个Alexa系统贝索斯成为世界首服。Alexa就是亚马逊很重要行业大脑。
传统计算机行业对于新的领域里面我们看到整个计算机视觉，在整个领域里面，人工智能领域的作用，这个作用在哪儿呢，我们知道百闻不如一见，计算机视觉，人类所有信息采集80%来自于视觉，我们都要见面谈一谈聊一聊。其实现在人工智能这个领域有很多的，包括人机交互，包括智能语音处理，语音识别走的路可能更长一些。所以在这个领域里传统计算机视觉领域里面，最近几年大量的公司介入，各大巨头都在进入这个领域，刚才我们看到了像阿里巴巴，像腾讯，像百度，包括很多的这个大量资本都涌入到这个市场。
各大巨头相继涌入，作为国家为背景的云从我们在思考啊什么呢及2017年被称为AI芯片的元年，中国芯片厂商不断的出现，包括像地平线，美国的芯片厂商也没闲着，所有的厂商，包括微软，包括英特尔，包括这些TPU，包括GPU全部在上线。整个人工智能的最前端，就是硬件，硬件实际上在往两个方面拉伸，一方面是整个做云的这块处理，另一方面往下游走，云从科技作为中间的人脸识别，或者说主要是做算法的公司呢，我们认为对我们最重要的是往哪边走呢，如果往下游走的话有两种方式，一种方式就是主要提供技术，技术提供商，包括卖SDK。
另外一个方向我们要深入行业，深入行业来了解行业，做出真正的产品出来，我们选择就是一定要深入行业。实际上我们在谈到人工智能的时候，以前的方式，传统的方式是加AI在传统行业加上人工智能东西。+AI概念从传统行业当中加入我们所有的算法加进去，包括不比如像安防行业，传统安防行业有很多的摄象头，如果加入人脸识别这个范畴之后，就变成了一个非常智能的设备，那慢慢来讲的话，实际上真正要引领行业的话，我们要实现变革，最终实现的目的是能够让人工智能就是AI+引领这个行业，实现所有智能化应用。我们现在很重要场景在银行，我们通过一些咨询机构，或者我们自己来深入这个行业，深入行业之后，来了解整个行业的所有应用，我们在线上能够形成一个行业大脑，通过行业大脑解决智慧营销，智能风险思考。另外在线下能够把所有的有关智能设备添加进去，像ATM人脸识别的设备，包括刷脸取款。
整个我们AI是上游，中间真正能够解决，再生存下去主要是因为行业的出海口，真正能够掌握应用，在这个行业当中生存下去，云从作为人脸识别算法这么一个公司，正好是承接了上游和下游之间的一个纽带，我们会打穿上下游的一个核心要素在这儿。我们通过什么呢，芯片也是一样。云从做的事我们是利用三大资源平台，一个是智力资源，云从整个来讲的话在三层架构体系，包括我们在海外有很多的研究室，包括UIUC，包括硅谷，另外一点我们在国内有三个研究机构，包括在重庆在上海，在成都，我们有大量的三百多人，大量研发队伍。
另外我们有两大的平台，一个是国家发改委，国家发改委我们承了人工智能基础公共资源服务平台，另外一点我们深入行业，在行业当中我们有一个顶层设计，包括跟公安部，包括跟四大行，包括民航总局，包括交通部，包括铁路，对我这方面的联合实验室，整个依靠这三个大的平台，我们搭建整个云从大脑，把所有的人工智能的一些应用把它模块化，让所有的应用随心所欲的变成一个客人的需求。
我大概介绍一下云从，云从科技是这样，我们是产业国家队，整个云从的创始是最早的团队在中科院重庆分院，这个团队在2015年时候4月份从中科院体系出来，创建了云从科技。云从科技在2017年的时候，承接了国家发改委第一次评选人工智能基础公共服务平台，其中有四家，一家是腾讯，一家是百度，一家有科大讯飞，另外一家是云从科技。云从科技作为计算机视觉领域当中的一分子，承接了国家发改委的人工智能基础公共服务平台。云从科技也是唯一一家同时受邀制定国家标准公司，包括公安部，包括民航总局，包括中科院。
从学术到整个产业落地的快速转化，我们在2015年之前，2017年我们获得了7次世界冠军，同时在银行在公安领域里面有一些PK，我们有63次获得第一名，这就是我们的研发团队，我们研发团队目前在全国包括世界范围内，有很多的布局。云从的想法是什么呢，一定要深入行业，我们在成立不到三年期间，我们在银行通过两年多将近三年的努力，我们在银行系统当中，占有率将近60%，我们已经有90多家的银行，在使用云从的实际落地的产品，我们的产品现在在银行当中也非常全，智慧大脑行业大脑一直到终端解决方案都会有，我们在2016年的时候进入安防行业之后，迅速的在24个省市修改实际的项目落地，最近我们也在公安部一所跟他们有深度的合作，能够把这个真正的平台步入进去。
现在国内的枢纽机场80%有云从的试用产品，所以目前为止我们这几个行业当中，都有很深的落地的场景。AI+云从大脑我们要打造一个行业大脑，云从的方向就是通过云从的人工智能平台，将在以下领域能够深入行业，能够帮客户真正实现落地和解决问题。我大概演讲就这样，谢谢。
主持人：
刚刚孙总详细介绍了就是云从科技在人工智能视觉系统应用落地方面的一些探索与实践，谢谢孙总的分享。下面有请腾讯云资深大数据与AI架构师孙云龙，大家欢迎。
孙云龙：
大家下午好，今天非常高兴有机会跟大家分享一下视觉下的一些AI项目的进展，在腾讯在这方面做了哪些这方面的能力开放。其实说到整个大数据或者是AI整个发展，其实从腾讯角度来说，或者说从整个行业角度来说离不开几个部分，第一个部分我们可以理解为是这种海量数据的积累，因为你有海量数据积累以后，你才能实现更深层的挖掘也好，或者说AI的这种行为的识别也好。所以在腾讯这边来说，海量的数据，海量的数据其实这个现在片子可能已经比较老了，微信月活有10亿+，QQ月活差不多有10亿了，海量数据来说，腾讯角度来说具备海量数据积累。
第二当我们有了丰富数据以后，是不是有技术积累能够处理我们这些海量的数据，所以在技术的整个积累阶段，腾讯侧也是以这种技术的积累，不管是这种集群的数量，或者这种服务处理能力，集群管理能力上有一个很好的基础。所以现在海量的数据，加上我们足够的这种技术的积累，通过什么，通过我们这种先进的算法，以及最近来说，比较有革新性的这些深度学习算法，辅助我们实现我们最终的一个场景化的落地，因为从整个你的AI场景和发展来讲的话，其实如果你最终不去落到某一个场景的话，对我们来说我们可能有很长的路还要走。所以场景是我们一个基础。
今天主要跟大家分享的大概几个点吧，底层其实两边来说是我们整个一个基础的平台，从整个以前来说，我们有CPU服务器，到现在以GPU等等，是我们底层的基础设施。在此基础之上，我们去开放我们这种大数据平台基础的能力，在此AI层面的话，我们主要关注在两点，目前以计算机视觉和智能语音为主，打通我们上层的一些应用落地场景，今天可能主要分享一下一个AI开放能力，一个上面应用的关键场景。
AI这边视觉识别和智能语音的几个方面，第一个就是说人脸识别是我们现在来说核心的，或者是说对很多AI场景来说有必要使用的一个点。第二个就是文字类这种OCR识别，以及图象类识别，以及最终加上我们现在语音方面的是，以及语音方面的理解。所以我们能把整个我们资源或者说我们能力串进来的话，必须有快速的接入，或者一流的算法，以及强有力的后台支持。其实这个片子就是说优图去年3月份4月份，在整个国家权威国际权威的检测，人脸这种评测，分别是拔得了头筹，技术支持我们有强力的后盾。所以先分享一下第一个主要核心的能力，就是人脸识别，其实人脸识别我们可以理解为大概几个方向，第一个就是说人脸匹配的追踪技术，匹配追踪是什么呢？我们以前甭管是头像也好，或者在视频也好，我们去聚焦，我们去抓住人脸的轮廓，迅速捕捉我们的人脸，所以这是人脸匹配技术。下面就是一比一的这种人脸的对比，也就是说人脸的这种认证的技术。第三个就是活体检测，最早人脸识别或者人脸比对当中慢慢有一个叫做后台做一个攻击，因为会有一些照片，或者图象等等这方面后台做这种人脸对比的攻击。所以说在有这种活体检测以后我们有很好很有能力避免这种后台的攻击。
第四个角度来说就是这种一比N的海量人脸检索，因为一比一是一个角度，或者一个人脸比对，因为很多场景之中，我们可能需要去一比到N个人脸，比如说一些安防场景，或者一些监控场所，我们需要从海量的这种人脸当中去匹配出我们需要识别，或者需要抓取的人脸。像其他一些人脸，其他的一些人脸技术，还有一些人脸检测，姿态判断，光线检测等等这些方面我不一一去细说了。
腾讯这边在人脸识别中有几个之最，首先是用户量最多，这个是毋庸置疑的，日军调用量达到十几亿规模。第二是落地场景最多，因为在整个娱乐，或者说金融，政府安全方面等后面会具体介绍一下落地了哪些具体场景。第三个现在技术上，可能技术上最领先的地方，我们在整个比赛评测中达到的一些评分或者指标性的这种先进的程度。第三个就是说最全的研究算法，腾讯内部有几大实验室，去做整个后台的基础把控，为我们前端或者为我们最终的应用效果提供很好的技术支撑能力。第四个就是海量数据，数据量最多。
这就是一个人脸匹配追踪的典型场景，因为人脸匹配追踪技术就是说能实时跟踪到我们整个五官关键点位，根据这些点的具体的坐标，我们可以用上层应用去实时的添加一些道具，图形，因为腾讯是社交领域或者娱乐领域做的比较多，可以看到社交上有一些落地的场景，像QQ视频这种挂件，还有大家用的比较多的天天P图，其实都是依靠后台的这种人脸匹配追踪的技术去对上层应用做了一个辅助，达到一个现在我们看到的整个的效果。
第二个点就是刚才说到一比一人脸比对技术，人脸比对技术让我所有后台的伪装无所遁形，我们现在有很多场景，需要我们人，或者需要我们这种后台到现场，或者说这种实时的，但是我们跨界整个技术的壁垒，或者说我们有一个很好的条件支撑我们通过技术的手段，去解放我们现在说可能要多跑腿这种场景，现在通过用户的这种自拍视频，或者自拍照，与留存照片一比一的人脸识别，整个验证我们身份，达到我们远端或者说实时的验证的效果，避免了我们有很多这种跑腿的场景。
其实把这个单提出来说，可能有几个方面，第一个就是说人脸核身里面身份证OCR，很多场景提供我们身份证，或者我们要书写的场景，通过OCR的技术，我们通过这种文字的识别，去把我们的所谓核心信息做一个提取，避免了我们人为在操作当中引起的一些错误，这个准确率都是九十九点几。我们在有简单比对以后，更好的判断，或者说去准确的把握我们的真实性，所以活体检测也是当今场景中很有必要实现的一个场景，活体检测其实是我们通过几个方面，去判断我们后面，我们摄象头或者我们的背景后面，他是一个真实的人存在，不是说一个假人，或者一些图片做伪装。
第三个人脸核身其中一点就是人脸对比，人脸对比里面有很多场景需要判断我这个人，你是你，也就是说你拿到身份证，已经识别出来了你的一些个人信息，怎么判断我当前的人，当前的人是你持有身份证这个真正的人，这就是人脸的一个对比的判断。一个典型的案例，就是说已经落地的及中国联通腾讯大小王卡远程开卡项目，远程开卡用我们这种甭管身份证上传，或者人脸匹配技术判断我们当前人可以符合国家那个标准要求，成功去做这种实名认证，其实底下会有一个小的点，这个小的点就是以前我们工作人员潜入黑产的一个QQ群当中，其中有一段对话就是黑产的群以前会有这种批量开卡，或者批量存卡这个手段，潜入这个QQ群当中当时黑产就说，现在这种方法以前这种旧的方法，批量开卡方式可能不行了。现在开卡需要甭管人脸识别也好，身份认证也好，打击了开卡的效果。
另一个案例就是微众银行，应该是互联网首家银行去做整个线上的人脸识别这种开户或者说是这种认证，因为在银行或者金融领域，这方面是最严格的，所以在整个身份证比照达到万分之一错误情况下，通过率达到99%以上，通过公安部系统检测。
说完了这种一比一的人脸场景，现在应用更频繁的可能是一个一比N的人脸检索技术，整个的人脸检索技术在我们或者视频或者说是这种图片，或者等等这种场景当中，我们可能需要一万个人，或者说很大的流动人群当中检测出我们需要的一个人脸。因为现在整个从社会角度来说，从国家当前这个环境来说，摄象头的比重应该在全世界范围最高的，同时这是整个我们的一个入口。第二个来说现在智能手机这种普及，以后手机可能也是我们以后未来得图象，或者视频的入口。所以整个海量数据或者入口当中，我们需要积累大量的场景应用到整个技术当中，优图这边有一个天眼的系统，有一个一比N的人脸检索系统，甭管是安防监控，还有这种维稳，或者说这种寻找失踪人口，以及搜索黑名单当中起到了一个决定性的作用。
人脸检索可以分为大概简单两个场景，第一个场景静态的人脸搜索，给我们指定的一张人脸，通过一比N的人脸检索系统从海量的人脸库中去匹配，去迅速的抓出跟我匹配度最高的这种人脸特征。第二个就是人脸检索的一个场景就是说动态视频这种检索，动态视频这种检索特别适合用于在流动性的场所去发现我们需要关注的某些人群。也是一个典型的案例，就是苏州公安也是通过优屯的人脸检索系统去破获了一起盗车案，当时的场景在一个街道整个电动车的一个报案，在案发地截取了一个小的范围内，一个嫌疑人的图象，拿到了一个简单图象以后，通过整个人脸检索这种系统，从这种公安库的千万级的人脸库当中，迅速去找出了人脸的匹配结果，经过公安人员的进一步研判，第二张图就被确认了当时的嫌疑人。所以在从技术商来说，从技术这种实用性来说，极大的提高了我们整个公安干警这种办公效率。
这个不说了，典型的一个过关的场景，人脸通过，或者人脸这种识别。另一个可以说的在整个一个福建公安那边，我们腾讯这边合作，去推出了这种寻防走失平台，微信公众号，以及人脸识别技术一个结合，在推向社会一个公意的活动，在整个上线3个月，从走失人员中找回270名，这是整个通过“互联网+”或者人脸识别技术达到一个很好的社会互动的效果。这个也是一个门禁的案例。刚才主要是人脸识别这个领域，下一个视觉识别其实也是图象识别，图象识别其实在我们整个大的环境来说，需要做到一个类似于像智能鉴黄，防伪防控防爆，图象识别，刚才说到OCR技术，以及图象分割，以及超分辨率这种技术的创新。
智能鉴黄，我们可以在整个说视频也好，或者说图象也好，有一个很迅速的判断这个场景或者说我们这个现实环境，或者这个图片是否有涉黄嫌疑，因为以前大家有一个职业，叫做鉴黄师，他们纯粹是通过这种一针一针或者一个视频一个视频从人脸去判断。因为这个工作量或者得身心的创伤度其实比较大，所以对整个上升的视觉AI鉴黄技术来说，极大的提高了办公人员的工作效率。具体的里面的一些细节就不具体去说了。
第二个图象识别，我们去给图片去定义，去打上他的这个标签，让我们识别出图象他背后的一个内容，我们去解密图片信息的一个钥匙，因为在很多的场景当中，像腾讯来说，腾讯的这种微云，相册管家，可以通过AI的技术去识别图象的标签，可以做到标签的这种定制化延展，最高可支持千倍级的标签，也就是说用户上传图以后，可以按照这种智能分类，或者标签的标识，可以判断出这个照片是否有合影，女孩或者男孩小标签，只要输入或点击把图象内部后面的信息做一个解锁。
刚才说到也是图片领域里面一个OCR技术，可以把我们线上图片一些内容信息做一个快速的提取，这是一个非常方便的信息采集，比人工这种手写抄写效率，或者准确率都有一个很好的提升。其实在整个OCR里面分两大块，一个是板报式的书写体，或者还有一种就是手写体。因为手写体难度较整个标准印刷体提高了其实难度很高，我们在整个其实是以这种跟顺丰有一个深度的合作，因为顺丰可以是说国内这种运输领域或者这种快递领域是最大一家，通过海量的单据，我们通过这种AI的技术去智能的学习，极大的提高了整个他这个派件，或者说派件这种信息提取的效率。
另一个点来说，就是图象分割与超分辨率技术，这两个点为什么会有这个呢，其实第一点来说图象分割，以前我们去做图象这种分割可能是这种图象软件也好，我们去人为的做我们整个这个图象的一个处理，其实在整个技术角度来说，通过你这种智能的技术，自动去判断整个图象内容，做一个图象的识别以及分割。第二点来说超分辨率技术，这个技术其实带来一个什么，我们有限的空间下，是不是有能力去整个把这种不再损坏精度的情况下，去缩小整个数量的这种大小，去提高整个传输的效率，或者保存的价值。
图象识别最重要或者说现在腾讯这边重点推进或者国家级项目就是医疗领域，因为其实从几个片子来看，这几个就是一个早癌筛选的片子，着重说一个就是肺癌，因为肺癌其实早筛，或者肺癌早期的这种检测，对以后发现的这种治疗，基本上有80%，80%也就是说早期可以发现的话至治愈率达到后期5倍以上，或者寿命延长到至少5到10年。基本上说这个很重要，但是现在我们整个的CT技术去发现肺部这种结节，因为有很大比例通过这种专家医生去判断，从这个图象判断结节，或者肺癌发病概率，或者进一步检查了效果，因为极大的耗人工，或者耗专家的时间，因为在很大程度上，当你这种时间的效率或者说你这种海量的病患需要处理的时候，不免就会出现这种误诊和漏诊的情况。整个AI识片的领域来说，我们通过这种AI的识别的技术，我们通过学习以后，可以辅助，当然不能直接去下判断，我们可以辅助提高我们整个这种医生专家的看片或者说判断的效率，所以整个是一个不管是民生也好，或者整个医疗也好，都是一个很大的未来重要趋势。
刚才其实提到了是几大这种计算机的视觉方面的一个识别，另一方面其实对AI来说，可能就是这种音频领域，音频领域其实分了几大块来说，像这种原音的识别，或者哼唱识别，下面腾讯在这边应用的场景，原音消除，语音合成，声闻识别，类似指纹式的，类似身份证的一个识别。原音和哼唱识别，通过我们的歌原声放音乐或者哼唱判断当前识别出来的这种歌是什么，其实整个识别已经在QQ音乐都有一个体现，大家都可以试一下。
另外一个就是原音消除，其实在我们全民K歌来讲，很大量的曲库，需要给大家做一个哼唱的数据的收入，其实在以前来说，以前通过我们专家系统或者说通过我们以前的这种技术手段去做的话，整个的效率，整个的这种体现率不是那么高，所以在应用这种AI的原音消除技术以后，我们整个将全民K歌伴奏库迅速扩大目前为止四倍的量级。
另一个音频领域就是语音合成，因为很早时候我们去有声读书也好，或者说我们听一些小说的声音，可能都是通过后台人的配置也好，或者人的配读也好，把我们整个文学或者是故事去有声配合，其实慢慢现在技术以后，只要给我提供一些基础的声音信息的话，我通过这种语音合成技术就可以在后台技术方面去帮你把整个甭管是你说话的节奏，韵律，还有文本结合在一起，去整个合成我们这种语音合成技术。
声纹识别对我们人来说，就是人的指纹，通过你的声纹细微的变化，判断是否是你本人，所以在这个技术之上，结合到前面说到的通过这种人脸识别也好，或者一比一人脸匹配也好，声音加进来，在这个基础之上更大的概率去匹配出我们后台的人去判断出我们是当前的符合真正状态下的一个人。
刚才其实前面都是一些整个我们甭管是语音也好，或者说我们这种计算机视觉识别也好，为整个腾讯侧来讲，腾讯在做整个互动、社交、娱乐方面可能是比较走在前面的。所以从整个应用角度来说，我们把计算机的这种视觉或者说计算机这种智能的语音，分两个大部分，从左边来说，我们可以一部分去提高我们这种社交娱乐，或者说我们这种使用的效率，去提升我们这个应用的效率，这是在左边。如果在右边来说，因为我们UGC内容会有另一个判断，有海量的安全，UGC这种内容的生产，其实有受到很大的监管，在监管下面真正去做一个输出。应用角度来说我们制造技术去提升，制造我们一些应用，从这种防护角度来说，我们通过语音合成技术，或者语音识别技术，以及视频的识别技术，帮助我们去判断说我们内容安全性，从两个方面，既能给我们提供丰富的娱乐化或者应用的场景，第二在此基础之上给我们一个安全的上网环境，谢谢大家。
主持人：
刚刚孙总详细介绍了腾讯视觉音频下AI智能识别方面的一些落地成型，谢谢孙总的专业分享，下面有请旷视科技市场总监张鑫，大家欢迎。
张鑫：
尊敬的各位嘉宾、产业界的同仁们大家好，非常荣幸今天在这里相聚于此，给大家分享一下旷视在产业及人工智能技术的一些探索。就像之前赵处长包括我们的王教授提到的现在目前现阶段我们说人工智能这个词语不再是一个风口，是未来趋势，现阶段人工智能其实更加关注在产业如何落地。记得在去年7月6号的时候，我们的CEO也是作为国内在AI领域的创新创业的企业，参加了上半年的经济工作会谈，向克强总理以及200多位部级官员做了汇报，作为近几年来高速发展的AI企业之一，旷视科技更加关注于技术如何与实际的应用产生结合，而且可落地。
这个会议期间时候，克强总理提了一个问题，问我们CEO，说技术如何去促进产业应用，如何去转化成为最终的可以应用的一个方式。我们也相当于把这个问题领了回来，并且在去年进行了一些细致的解读，我们认为产业级的人工智能要有几个方面的特质，第一个首先他能规模化应用，第二点来讲的话，能够从本质上去创新，他不是一种就是在模式上的一种变化，或者说在逻辑上的一个观点，而是在本质上能够创新，这样的话我们会看到其实他可以在一定程度上，去促进我们的这种生产力的发展。
今天的这个片子其实我还是想去以这种从技术的视角还有行业应用的视角简单引入一下，在后面的话也会讲一讲我们在这几年看到的一些行业如何去落地，如何真正的去做产业落地。在开始之前首先简单介绍一下旷视，2011年到2014年走互联网发展道路，从2015年开始，基本上更加关注于在实体商业化的应用于落地。
目前我们所看到的我们认知下的这个市场，我们在AI领域的布局，我们认为现在目前比较大的市场是集中在城市大脑，城市大脑最终体现的形式一个是泛安防领域，或者传统安防领域，这里面会有很多应用形态，包括刚才专家提到的EDN这种技术的应用方式，我们可以结合在安全环节，黑名单白名单的识别，这里面有大量应用存在。第二个的话泛金融领域也是非常高频的应用，如何验证你是你这样一个问题，尤其我们知道在互联网侧，你没有更好的方法去验证远程这个给你做交互的人，就是本人，人脸识别相对是一个比较天然的具备很多前提的一个很好的技术，因为他相对于其他生物识别技术来讲的话，他有最健全的底库，我们每个公民都有代证的照片，对于社保机构来讲我们会有社保的照片，或者银行的高清底片等等。所以他是有一个非常完备的数据库。其他的特征比如说像指纹这一类的信息是不允许被机构所存储的。包括虹膜、指纹等这些信息，相对来讲的话都是比较敏感的生物特征。
人脸恰恰相反，人脸的特征基本上会随着年龄的变化有一定变化性，而且它是弱隐私信息，可以在网上简单找到习大大照片，存他一百个照片我也不犯法。所以这种情况的话决定了其实人脸是一个非常天然的可以在互联网端进行广应用的比较好的技术。
第三集中在互联网应用，或者泛互联网应用，去年的话旷视也是开始在探索，我们在手机，包括在新零售领域的一些产品形态，这也得益于之前其实我们做很多泛金融的探索，包括刚才有一些专家提到的2015年马云在德国汉诺威刷脸支付，送给默克尔一套邮票，旷视作为核心算法提供商，支持刷脸支付的想法。这样远程认证一个经验的积累下，在去年我们也是帮助国内头部的手机厂商，比如说像华为、vivo、小米以及像美图手机，还有锤子等一系列头部厂商提供一个刷脸解锁的功能。
这种无人值守便利店出现，人脸是很好的技术。未来我们认为随着图象识别技术不断深入和发展，以及人工智能技术之间的融入的发展，比如说像图象识别语音识别，语义识别，这一系列的这种融合发展，在未来我觉得更大的应用场景会集中在人工智能云，物联网，以及机器人这种形态。
旷视选择脸这个事情作为起始，我们认为脸是比较容易创造价值的，在信息端来讲的话，你可以用一个相对来讲比较广泛适用的框架，而且具有广泛的一个可复制性，我们知道目标旷视想让机器看到万物，但是万物来讲的话，每个物品做训练和识别，成本很高的。但是人脸虽然复杂，人脸的可复制性还是非常好的。开始的话旷视希望把人脸识别做好，在图片或者在视频中，不断机器可以识别脸，而且他可以识别一些物体，比如说像人体，像一些logo标志，或者是一些车辆等等这样的信息。我们希望在场景里的任何一个客体都可以被识别，人脸已经可以看见并且理解了这样一些事物，机器可以做同样事情，本质化来讲做一个非结构化的图片和视频转变成结构化。
我们会给每个客体有一个他的支撑度，我在训练库里面哪一个课题信息，我们也会给加一定的这种执行度。这一系列的手段就确保了其实机器可以去读懂非结构化信息里面所隐藏的一些含义，更有挑战性的近几年非常火的做行人和车辆的再识别，再识别这个场景非常好的可以应用在交通领域，或者公共安全领域可以识别。因为遗忘的交通我们看到的人脸可以识别身份，还有说我们根据车牌，可以去识别车辆信息，他会有一定的局限性，比如说一个嫌疑人，他可能只给你一个背影或者侧面，无法确定他的一个真实的身份情况，你就更别说如何追踪他的行踪轨迹，同样的一个道理，车辆如果是仅靠车牌识别，车被盗取之后牌子卸下来，怎么追踪他，这是我们亟待解决的问题。所以杏仁核车辆的再识别，提供一个非常好的追踪能力，他能够把你搜索目标客体的特征信息，作为我们检索的关健词，关键项也好，然后去做自动的检索。我们在一个摄象头的单张照片，抽取出来，然后把它放在数据库里面做自动检索，显示出来的结果，像现在我们在谷歌里面去搜索关键字的结果，然后你去看结果，这样一样简单。行人再识别的过程中我们就可以看到这个人的轨迹信息，总有一个卡口可以看见这个人的人脸，我们跟这样一个路径，最终把这个人身份确定下来，这个就是在行人追踪的一个大致的路径流程。
除此之外的话我们的OCR识别不光识别打印的文字和数字，现在更加关注对于一些logo，或者各种卡，各个会员卡上面的关键信息，甚至是写在手上的关键信息，这些都可以被识别出来。据我所知完全自主产权做训练系统，除了旷视之外还有百度大脑，这就是自主研发的虚拟系统。应用自主的训练系统相对来讲比较简单一点，可以根据需求定制产品，或者哪个方向。现在很多的公司应该还是基于在开源系统上做优化，旷视从2012年开始全员的使用自主知识产权，并且训练，旷视刚刚发展阶段，正好我们是迎来了在互联网侧的云的这种云平台这样一个发展，为我们提供很多数据训练系统，我们能够把算法提升到可应用状态，而不是说仅仅停留在实验室状态。
就像搜索引擎一样，云技术的发展他需要建立一个价值闭环，我们认为现阶段的人工智能其实很大程度上来讲，他脱离不开数据的支持，无论是从视频还是图片来讲，都是非常重要的数据来源。但是不代表谁拥有更多的数据谁就可以把算法做好，为什么呢？还有很重要一点，就是说这里面还有很多的脏活累活需要做，比如说我们数据拿过来不能直接用，还要标注，标注的成本和需要你花的这种时间成本，和你的这个购买成本都是蛮高的，那么旷视也是很早就开始去做这个一系列的这种储备的工作。在我们训练系统时候应该加上训练之后，我们会不断的优化自己的算法，同时这个算法应用在我们的云端，在早期会在云端会有部分的数据，因为我们对于个人的开发者是完全免费的，那么部分的这个数据在个人授权情况下可以重复作为训练系统。所以在这样一个不断的价值闭环构建过程当中，在精进自己的算法。
旷视现在目前已经有1000多人，已经超过一千多人，我们在研发层面来讲占比大概在65%左右，在核心团队超过80多人获得国国际信息学或者是物理学奥赛金奖，或者是国家级金奖这样一个相对比较豪华的工程师团队。发明专利方面我们也是非常的关注，旷视现在目前已经有600多项在申专利，包括在北美和欧洲以及中国领域。此外的话我们也广泛的参与了很多国家和行业标准制定，我本人也是担任国标委的专家之一，我们从底层从数据结构层面，然后从数据交换层面，再到这个平台层，以及行业应用等，我们广泛参与了20多项，国家级行业标准制定。
从现在发展业务方向来讲比较关注几个方面，第一个就是合声，第二个的话作为城市大脑也好，或者是智能硬件也好，这样的一个层面，第三个的话就是面向更加广阔的图象识别领域。首先在合声层面的话，旷视是这个行业比较早的去做探索的这个企业，从马云刷脸这个事件发生之后，大家开始关注到我们作为核心算法的提供商，也开始为大家所了解，能看到从2015年3月份这个事件，标志性事件一出之后，我们的ID系统在2015年初时候开始上线运营，起初的话比较简单，就是去核验这个人，腾讯专家说了一比一考虑很多问题。在早期的时候我们就是希望这个产品他能够不断的去进行一个引进，核实身份只是第一个步骤。我们希望说我们能够通过人脸识别去提升运营方对于个人信息的保护能力，或者从另外一个角度来讲运营方的风控能力。因为我们有大量的这些数据，有大量的金融服务数据，我们可以基于这个数据去做一些在数据征信服务层面提供一些支持，比如说A平台有一个某一个ID对于A平台不良记录，这个事件对于同等的立场上来说，它同样关注，在这样一个情况下，我们可以提供大数据服务，进入黑名单，是不是说其他的机构的话，这个消息有参考作用。所以我们在早期的时候，服务了像银行保险证券，互联网金融，分享经济等一系列的应用。我们的基础流程其实是通过身份证OCR技术识别，提取关键信息，以及身份证照片。
第二个通过活体验证方式，去确保远端交互的人是一个活人，不是照片或者是视频，或者是前一段应该是一年前上传的技术合成的视频，然后模拟奥巴马，或者模拟谁。因为旷视起步比较早，所以我们在很早的时间2015年底的时候，就遇见了大量的攻击素材，我们作为比较早开始做这件事情的人，也是踏了很多坑。整个这几年发展当中的话，也是不断优化自己的活体技术，现在目前来讲的话，应该是可以有效的去做到大部分，绝大部分以上的攻击行为的一种判断。并且我们用深度学习算法，对分析素材进行深入研究，因为我们知道一个光线打在人脸上，这种反射，可能会非常不一样，打在一个屏幕上，或者打在打印材质上不一样的，有很多细微的差别。这些所有的项目，应该说旷视我们研究了大概20多种算法，确保这个人是本人，不是其他攻击手段。交付过程中我们会关注到质量最好的一张照片，有可能最后一个环节做交叉比对，交叉比对环节不但会比对身份证的拍摄图，现场的拍摄质量最好的照片，同样我们还需要底库的照片，二代证的照片，三张照片两种交叉比对过之后才认为完成整个核实过程。这个创新产品来讲的话旷视取得蛮好的成绩。首先以支付宝为代表，大家可以看到现在安卓4以上以及iphone5以上，需要刷脸登录，可以进入登录界面。我们知道在共享经济领域，共享出行领域，国内是前10的厂商，去做司机的身份河验，每年滴滴都会做一个PR，单身女性出行更安全。顺风车或者快车司机和乘客双向都是做人脸识别，通过之后才继续接单的业务。
所以我现在在头部厂商里面，有绝大部分头部厂商，有85%以上的头部厂商使用旷视的算法技术。
第二块我们围绕在整个的智能话音键或者城市大脑方向，旷视我们通过智能的感知引擎，以及结构化数据交换，我们支持很多的形态硬件产品，我们知道这些硬件产品凡是带摄象头的，给我们系统所使用，因为视觉本身你就看只要有摄象头的地方，基本上视觉技术都会起到关键作用利用这样一个数据横向交互，可以去支持很多垂直行业。这里面包含了像安防，智能零售，机器人等一系列的形态。我们在安防也是2015年的时候基本上在做试点，我们在无锡帮助当地公安机关用一年的时间抓了七八十人及作为一个试点项目，比较小范围去做的一个试点应用，然后取得不错的战果。这身份证怎么来呢，后面还是有一个黑产的，比如说在某些什么网站上，你花几千块钱，几百块钱就可以买到一个某山村非常纯朴的老农民的照片身份证，加上手机号，加上银行卡，他拥有这个以后的话，他的身份就可以完全调改。平常在出行的时候，别人不去查他的时候，甚至查他的时候查新部分出来，人脸识别不管这个，他看你是不是我找的这个人，很多大量的网逃人员在我们社会中流窜着，我们并不知道他的真实身份。旷视在2017年整个一年时间内经过统计，我们帮助各地公安机关抓捕人数超过三千多人，对整个社会稳定可以说是提供了一个巨大的技术支撑和保障。
第三块来讲的话主要我们围绕在更加广阔的视觉领域，在这个层面所有做的一些探索。包括服务机器人，还有我们的导航避障设备，物流应用场景，这些智能的设备，帮助你快速的去做分捡，快速把物品放在指定的仓储位置，这些都是包括我们的导航，导航在视觉层面来讲的话非常重要一环，在避障设备，应用在无人驾驶，我们是需要图象技术去识别标志，去识别场景哪些信息，视觉作为比较重要的数据基础输入。以及我们还有在整个生产环节，会有一些这种视觉强化学习，这些方式一些产品，坦率来讲这个层面旷视处在一个探索期间，我们希望随着我们的技术的不断这种发展和研究 ，未来他们可以在我们方方面面，在我们生活的各个，我们能够感知到产业所存在。
简单的回顾一下，早期旷视其实是在做一个互联网侧，我们做一个内功的修炼，做了云平台，去做了一些技术的不断的研究性，其实在2011年到2014年旷视在收入层面不是我们一个重点，还是一直在打磨产品。我们在早期时间参与了公开测试级的平，2014年我们就同时在一个时间段内获得了三项技术的公开测试上的第一。从2014年以后我们在探索的问题就是说技术本身来讲的话，所说的这种实验环境毕竟还是有限的，相对来讲能够起到作用还是有限的，为什么没有大范围应用呢，你最终能做的只是实验室技术，如果你想解决实际问题，所有数据必须来源于实际的生产环境。所以我们在整个近几年来从2014、2015年到现阶段来讲的话，积累大量训练数据，这些数据来源于我们生产环境，我们在做完深度学习以后，发现这些数据对我们整个技术有非常大的这种提升和帮助。
现阶段来讲聚焦泛金融，泛安防，把我们想法不断落地，不断的去做在行业里面应用一些案例。我们知道去年旷视和支付宝合作，在杭州落地了全球首个刷脸支付的应用场景，只需要有支付宝帐户，在餐厅里面使用刷脸支付，现场通过我们3D技术实验口去做刷脸认证，之后只需要输入手机号，不是密码，手机号做一个双因子认证，整个支付就完成了，这是真正实际在全球首个实际落地的一个商用的场景。在这个之后的话在很多便利店推广这样技术，国内基本上无人值守便利店都在做整个链条的打通。
在算法探索这个阶段，我们知道现在有很多的测评，其实已经开始慢慢的淡出了，一些国际的测评，曾经比较火的已经开始不做了，现在目前来讲的话比较有含金量的这些技术，像微软组织的全球大赛，旷视在去年3季度也是参加了其中的7项赛事中的4项，并且获得了3项第一项第二的好成绩，力压谷歌facebook等国际巨头，保障我们算法国际领先地位。
未来随着我们生态的发展，随着我们技术本身的发展，我们期待未来更加广阔智能生态领域，这些技术融合最终帮助我们去更好的服务于我们生活，去提升我们的产业生产力。旷视就是这样一个公司，我们价值观叫追求、极致、简单、可靠这么四个词语。我们在这四个词语里面可以读到的是一群这样年轻有热情的创业的集客们，我们的生活变的越来越美好，谢谢大家。
主持人：
刚刚张总详细阐述了旷视科技在人工智能产业及技术的一些行业应应用落地的一些场景，最后详细介绍了旷视科技的发展历程，谢谢张总所做的分享，下面有请合肥高新区管委会副主任吕长富，大家欢迎。
吕长富：
：各位朋友大家下午好，非常高兴今天下午有机会来给大家介绍合肥高新区，我想在座的可能有一些朋友可能去过合肥高新区，可能也有很多朋友没有去过高新区，所以非常高兴有这样一个很好的机会来介绍一下我们合肥高新区，以及合肥高新区的人工智能产业。
合肥高新区是1991年国务院批准的首批国家级高新区，应该说有27年的历史，27年的发展，我们合肥高新区已经跻身国家高新区第一方阵，到举行157家高新区现在最新统计已经是168家高新区。我们合肥高新区连续四年排名位居前10，最好的名次是在第六名字四，而且是我们前面高新区，像北京的中关村，上海的张江，还有杭州的高新区，深圳高新区，我们最好的是在第六名，这几年一直在前十位，稳居前十，充分说明了合肥高新区它的整体实力和产业发展的一个水平。
合肥高新区面积128个平方公里，在合肥西部交通区位优势非常明显，我们到合肥新桥国际机场半个小时，到合肥南站只要半个小时左右。而且这个合肥正在建设一个新的高铁站，合肥西站，离合肥高新区更近更便捷。
合肥高新区产业主要以新型产业为主，我们讲战新产业，主要人工智能大数据，人工智能作为重点的介绍，包括量子信息技术，也是在最前沿的量子信息技术，生物医药光伏新能源和集成电路，新兴产业发展现在都是非常迅速。从我们的支柱产业来看，主要是家电产业，合肥家电产业在全国占半壁江山，这个主要集聚在合肥高新区，还有现代服务业，在合肥高新区也是蓬勃发展。
现在到去年我们统计的结果，合肥高新区市场主体实际上已经是突破了25000家，其中外企外商投资企业超过了400家，世界500强投资企业有27家，自主培育的上市公司有20家，新三板上市企业有49家。目前高新区国家级高新技术企业有806家，占整个合肥市的50%，整个全社会研发投入这一块占GDP的比重达到了5.9%，这个5.9%是最新的数据已经超过了6%，高于全市2.8个百分点，这个这是非常高的。这些年整个高新区经济发展非常的迅速，我们工业生产总值和财政收入都是保持两位数以上的增长。在2006年4月26号习近平总书记到安徽去视察，他又到了位于合肥高新区的我们中科大先进技术研究院，在这里面总书记说了这么几句话，合肥这个地方是养人的，培养出这么多优秀的人才是创新的天地，希望大家再接再励，更上一层楼，祝大家创新愉快，他说在看了安徽的科技创新成果展以后，临时发表讲话，这个成果展，展示的成品，当时展示了79件产品，这些企业和产品80%都是合肥高新区的企业的产品，包括我们科大讯飞的智能语音机器人，华北科技的小米手环，都是在世界上或者是全球首个，或者在世界水平领先的这样一些产品。
另外合肥高新区还有一个就是 它的创新平台是很多地方不可比拟的，合肥这个是去年全国第二个获批的综合性国家科学中心，第一个获批的是上海张江，第二个安徽合肥，第三个是北京怀柔。综合性国家科学中心，就位于合肥高新区，协同创新平台，我们高新区有中科大先研院，我们创新资源非常丰富，每年有大量科技成果进行产业化，中小企业，特别科技型的中小企业在我们高新区发展的势头非常强烈。
同时我们这些年在高新区也是着力于打造一些创新的载体，包括我们众创空间、孵化器、加速器、创业社区，现在已经建成的300多万平米，在建的有100多万平米。包括国家级的众创空间。另外高新区这个地方有这么多科研院所，他肯定也有一大批高端的人才集聚在高新区，所以我们有院士，国家千人计划，万人计划各类人才都占整个合肥市的70%，硕士以上的科研人员也是占全市的比重也是非常大，所以我们的高端人才的集聚达到了全国一线城市的水平。
另外我们现在高新区也是非常活跃的地方，我们这几年出台了支持基金继续发展的政策，现在目前在高新区有150多基金，管理基金规模达到1600多亿元，整个投资非常的活跃。要素保障，包括我们的产业发展研发投入人才支持，科技金融，创新创业，整个全链条的一个服务保障体系。另外合肥高新区刚才前面已经简单介绍了，它这个不仅区位优势非常明显，同时交通非常便捷，高新区现在有合肥建的地铁线有四条地铁线是通往高新区，同时我们有一流的医院，一流的国际学校，整个高新区的配套服务非常的完善，整个环境也非常的优美，我想去过的肯定对这方面都是比较认可的。
去年我们合肥高新区提出来要争创世界一流高科技园区，合肥高新区发展到这个阶段，我觉得我们确实要瞄准世界一流高科技园区这样一个目标，真正打造一流的产业，是一流的产业，一流的园区。这个也是我们第三次创业，高新区的情况简要的给大家做一个介绍。
第二个这个方面我想也是跟今天的主题，结合今天论坛的主题，人工智能产业现状做一个介绍。人工智能我们提出来叫建设中国声谷，可能大家对中国声谷这个名字可能也不陌生，因为中国声谷是有科技部和安徽省省部共建的一个项目，他也是国家级的一个产业示范基地，主要是人工智能和语音产业，这样一个国家级示范基地。安徽省政府对中国声谷的建设高度的重视，去年专门出台了叫声谷十条，每年拿出8个亿真金白银，从支持产业发展，这个含金量非常高，去年在合肥落户的上百家人工智能的产业享受到这样政策的支持。同时安徽省成立了50个亿的人工智能的产业发展基金，省里面支持的基础上，合肥市高新区也专门出台了相应的政策，支持中国声谷的发展。现在中国声谷重点产业主要是包括智能语音，集成电路，人工智能软件，智能机器人，量子计算等，全产业链的发展，在平台建设人才引进，应用推广和投资股东等多维度全面支持合肥高新区人工智能产业的发展。对合肥高新区着重发挥中国声谷国家级产业基地的示范引领作用，在全国范围内率先以智能语音，以人工智能为核心切入点，逐渐融入智能终端，智能装备，智能芯片，代表我们未来方向的量子计算等领域，初步实现了产业的集聚效应，目前全已拥有科大讯飞等100余家人工智能产业。去年我们相关产业的产值已经超过400亿元。
另外在高端平台方面，合肥作为国家综合性科学中心的核心区，我们积极与大院大所合作，我们已经陆续落地有20多家协同创新平台，其中与人工智能有关的有类脑国家工程实验室，这个也是中国类脑智能领域唯一的一个国家级的工程实验室，另外我们这个从去年开始启动了量子信息国家实验室的建设，量子信息国家实验室建设，以后也是全国唯一的量子信息实验室，可能最终要容纳上万研究人员，也是一个国家的项目，国家科学中心的一个项目。另外科大讯飞也与我们的BAT百度阿里腾讯，共同称为四家我们国家新一代人工智能开放创新的平台，在人才方面发展人工智能最重要的是人才资源，合肥是拥有各类高校62所，两院院士108位，主要集中在我们中科大和中科院的院所，研发人才30余万，尤其是中科大，拥有雄厚的人工智能相关理工科专业，中科大在我们高新区建设新校区，今年下半年要开工建设，我们现在已经给他留下了近三千亩的，不光要有五个学院要下一步在高新区落地，同时我们科大附小初中都要在高新区落地，同时我们中科大还要专门设立智能与信息学部，这个智能信息学部对我们人工智能产业未来得发展，会产生非常大的支撑作用。预计到2020年，中科大培养了人工智能技术相关的专业人才达到一万人。
发展的目标，我们一个发展目标，双高地战略，三大发展重点，四大创新平台。在发展战略上面已建设中国声谷为发展导向，人工智能科技化创新落地和产业创新落地。以科教创新带动产业创新，具体包含三大重点任务和多个创新平台。在空间布局上面，我们规划了近五千亩的土地，打造人工智能产业园整体与中科大新校区智能与信息学部为核心，规划建设科研教育区，创新孵化区，智能语音，智能计算的机器人产业区，整个这个布局。
重点打造一方面就是叫核心产业体系，一核多点，这个一核就是指中国科大高新校区为核心的一个科教载体，加快智能与信息学部的建设，打造新工科的创新高点。多点以多个重点实验室为支点，推动产学研协同创新，建设类脑智能，国家工程实验室，量子信息国家实验室，认知智能国家实验室，也是我们科大讯飞国家的一个重点实验室。第二个重点就是打造耳聪目明心灵手巧知行合一的人工智能产业结构，耳聪加快下一代语音技术研发，因为语音技术也是现在科大讯飞为代表的，目前就是引领语音产业技术发展的方向，这个要推动了智能语音技术融合创新，打造成熟的语音产业链。目明积极部署机器视觉产业链，大力引入机器视觉优势企业，形成人工智能产业第二增长型，心灵加快人工智能应用芯片的研发和产业化。
加快推进类脑智能量子智能产业化，现在集成电路这个芯片研发这个企业在高新区也是形成了一个加速集聚的势头，目前我们高新区各类芯片设计企业，已近百家。有一部分就是专门做我们人工智能，手巧就是建立智能硬件的人工智能终端的研发和制造。除此以外推动传统产业+AR，通过人工智能传统产业赋能，使传统产业走向智能化应用，深化我们的供给侧结构改革。我们李政道2020年高新区全球语音智能类脑智能，量子智能，大数据智能领域形成四领先技术优势，初步建成具有国际竞争力的人工智能产业集群，产值规划达到一千亿元，2025年双高地战略目标基本完成，成为全球人工智能产业的高地。在此我也真诚的欢迎我们在座各位企业家，各位朋友到合肥高新区去考察，到合肥高新区去投资去发展，我们会真诚的为大家做好服务。现在的机会非常好，机会难得，机不可失，抓住这个难得的机会，到合肥高新区，我想我们的事业，我们的产业，一定会发展的更快，更好，谢谢大家。
主持人：
谢谢吕主任所做的分享，合肥高新区人工智能产业基础良好，人才资源丰富，中国声谷建设得到了两级政府大力支持，诚挚邀请顶尖机构接洽项目，下面有请蓝盾股份首席技术专家杨育斌，大家欢迎。
杨育斌：
大家下午好，非常荣幸今天在咱们AI论坛上谈一下AI和安全之间的关系。实际上AI现在已经是落地了，前两年可能还在吹泡泡，现在很多已经有场景化一些应用了。比如说健康领域涉及大数据+AI可以完成精准医疗精准健康。在金融领域，我们知道有很多金融的VIP服务，可以通过一些AI大数据的方式进行精准分析和精准金融的个性化服务。物流领域最近大家也知道，特斯拉又推了一个电动卡车，非常酷炫，像变形金刚一样，通过电动卡车，结合车连网，结合AI的调配，形成一个智慧物流的全新产业。在科技领域我们知道这些像个性化的推荐新闻，个性化推荐的相关媒体，新零售领域，针对个人得VIP服务类的新零售，对顾客需求精准定位和精准配送，都已经成熟的应用。智能电表，设备的一些维护预测，制造领域从制造业的整个供应链，以及制造物料精准供应这方面有一些非常好的应用。
我们看一下这个是一个研究机构推出的2018年十大战略性技术，里面光是智能方面有三个，就占了三个，包括AI已经成为所谓我的先进技术的一些基础。第二就是通过AI可以做很多的智能应用和分析方面的一些新的这个场景化的工作。同时AI技术也会到智能物件物联网上。
在安全方面，刚才咱们赛迪是说了有很多，今年会看好的行业，在AI+方面看好行业。在AI+方面其实还有一个行业，我希望也引起赛迪的重视，就是安全行业，比如说在城市安全领域的一些视频图象分析，平安城市的建设，智慧交通，以及车联网，物联网方面的自动驾驶，还有车联网的一些交通方面管制，包括刚才也有AI方面的一些生物特征识别的一些同行，对生物特征方面的一些应用，无论是在脸，虹膜等各类生物特征的应用，已经成为物联网或者个人个性化的一个需求。还有在大数据分析层面，有众多的这些大数据的一些风控，征信，以及很多的一些通过人工智能手段，将大数据进行精准的提炼应用场景。
其实在安全领域，这两年冒起来大大小小数百家，上百家通过AI去改造传统安全，传统网络安全的公司，比如说在反欺诈身份管理领域，行为分析领域，物联网安全领域，移动安全领域，安全自动化，欺诈领域防御等相关的领域。我举个例子就是Cylance，AI终端安全独角兽，去构建一个恶意文件是分析及预测的这样一个终端安全的平台，他跟以往我们比如说杀毒软件有什么不同呢，他不需要进行病毒的反变异，他是通过大量积累的这些恶意文件，然后通过机器人算法进行一些归类，当一个未知文件过来之后，他会直接定位为某一类，是一个良性的文件还是一个恶意的文件。他会精准定位到底是不是一个病毒，他知道这个软件是恶意的，这已经足够了，这已经足够解决客户终端的未知威胁发现问题。同时他通过了解终端环境上的所有的这些内部和外部的参数因素，去了解就是说整个终端目前防护风险在什么地方，这比以往黑名单白名单限制手段更加人性化和更加的精准。
另外一个就是Tanium，自动化运维方面变革传统老技术，以往比如说一个网管他要运维数十万台设备难以想象的，但是通过P2P网络，加上IT和AI管理技术，网管可以在几秒钟之内掌握数十台网络情况，实现数十万台设备的变更管理，让管理的代价会更低。
因此AI是推动了网络安全迈向安全智能的新时代，蓝盾科技在去年我们也开始在应用AI，在我们的网络安全的场景上，有一段小视频放一下，这是我们蓝盾的研究员，将AI判断恶意文件识别技术放在防火墙上，我来讲解一下吧，其实人工智能引擎与传统的恶意引擎最大的差别，他能够有效发现未知的，传统的病毒引擎怎么发现已知威胁，通过特征匹配的方式，（播放视频）。蓝盾成功将AI引擎是部署到下一代防火墙当中，未来终端安全产品，以及移动安全产品陆续把这个技术应用上去。整个解决方案是分为两个部分，一部分是在云端的服务，另外一部分在硬件端的这样一个模型的一个检测的引擎，那其实在边界安全他有一个很重要功能，就是对流量和对进出网络的文件进行扫描，判断是否恶意文件或者一个恶意流量，攻击的流量，还有文件是不是一个含着病毒的文件。
通过我们的算法，我们能够将流量和这个文件进行一个比对，进行一个模型的比对。如果他的这个良性概率比较高的话，那我们就把它归类为是良性文件，如果恶性占比比较高的话，归类为恶性文件。当然有一种情况就是他的这个评分值介于良性与恶性之间，比如说在0.5和0.6，这个时候怎么办呢，把这个文件上传到云端服务，跑他一些动态特征，进一步辅助我们判断，看他是不是一个恶意文件。还有就是说我们的模型需要实现一个非常快捷判断，为什么呢？因为是在网络上，终端上实现一个病毒判断可以使用的，终端上一些计算资源，大家可能会有感觉，你在杀毒时候电脑会变慢，网络上不能发生这样问题，如果发生这样问题网络会延迟，应用可能会断，看一段视频可能会断掉。这个时候采取是一个极小化的模型组件，包括目前我们尝试做在芯片里面，通过芯片手段进行一个恶意病毒，包括恶意流量的识别。
当然这个里面需要注意什么事情呢，就是模型的不断一个更新，因为模型也需要更新，这个时候就要靠我们强大的云端的能力，将收集来的这些恶意文件放在云端进行进一步去调，调这个模型精度，这个模型会根据网络情况进行一个自动化调节，当然网络非常恶劣时候会频繁找一些针对网络情况非常相似的模型。当他的网络变的非常良好的时候，他会减少这方面干预，这是人工智能进行一个传统防火墙改造的一个工作。基于时间关系，我就先退出了。
大家可以看到通过人工智能，通过AI这样一些技术我们将防火墙被动变为主动，变成智能的防火墙。那么同时我们在移动端也进行了这样的一些应用，通过机器学习方式，我们分析移动端的一些威胁，比如说恶意的APK，他的行为特征我们进行一个这样的分析。同时会分析这些APK是否侵犯了个人隐私，通过这种HSO算法，我们找到了一个灵感，我们构建了这套算法，去分析APK是否清算到个人隐私。我们提出蓝盾移动是重新出发，保护你的隐私。同时构建全网一个深度威胁感知和威胁情报的一个分析平台，通过一系列的算法去实现对网络攻击漏洞威胁进行自动化处理，并且去收集网络上面一些威胁情报。
这些深度分析可以发现已知未知威胁，对异常流量进行检测，用户行为进行分析，数据进行可视化展示，用户行为的一些异常，态势的预警。我们有一个强大的恶意软件基因库，可以对恶意软件进行一个家族的分类处理，同时对恶意文件进行行为提取，结合我们声纹库，就是黑客的一些指纹信息，对于黑产链的追踪和分析，我们可以进行更加深度的溯源。同时对用户进行一个画像，去判断它是一个合法还是非法的用户，包括数据使用习惯，网络行为习惯，数据流量的一些日常特征，它的资产的登录情况，以及他在进行互联网操作的时候一些语义分析，对文档主题进行分类。
我们这上面说到都是以云的方式会提供给整个生态体系，因此我们通过AI将整个安全场景，安全能力泛化，可以覆盖到云计算、大数据的安全风控，以及移动方面的一些威胁检测和隐私行为的测试。道高一尺，魔高一丈，AI方面其实存在很多安全对抗问题，比如说这个腾讯在去年年底是发布了一个消息，说他发现谷歌AI学习系统存在严重的安全漏洞，黑客可以通过这个漏洞去将一些图象的这样一些数据输入到平台系统中，去影响一些判断能力。包括还有一个研究者，也是发了一篇论文，是对谷歌的系统进行一个图象对抗，这是一个乌龟的图象，但是通过一些变化，还有右手边两个猫咪的图象，第一个猫咪通过一些变化，让系统误认为他是一个梨，但是这个图象基础上只是做一个简单旋转动作，这个系统又把它判断为是一只猫。
所以AI有时候也会变的坏，比如说在2016年很有名的一个微软聊天机器人，他可能是接受了大量的这些信息之后，自己开始有点神经错乱了，开始胡言乱语，同时在太多了这些训练，是一直在让他变成复读机，只会复读。还有最近一个事件，是优步自动驾驶事件，这个事情最终还没有一个定论，到底是算法问题，还是系统问题，还是别的什么因素，当然这个是一起在AI或者说在无人驾驶方面一个非常轰动的一个事件，因为他是第一例是AI无人驾驶的汽车是撞人的事件。
AI也是影响到国家安全，这是美国国防部委托哈佛大学做的一个专题的这样的研究，就是AI与国家安全关系，这份报告里面讲AI技术列为一个会影响到国家安全的武器，他跟什么等同呢？等同于核武器，等同于网络攻击武器，等同于太空武器，等同于生物武器，因此这一块AI的技术其实国家那么我们认为国家也需要在战略层面和国家安全层面采取一些更多的管制措施，我们可能都看过科幻电影，比如说这种机器人或者无人机攻击事件也是时有发生的。
对AI技术最悲观的就是这位老兄，他认为AI技术的崛起，会影响到人类的命运，2017年8月份发生了一件事情，两个聊天机器人，有一段恐怖的对话，谁也理解不了，他们自发的对话，这个对话谈的很嗨，最后导致facebook必须把电源拔掉，不知道他们在交流什么，是不是有了思维。我们在缅怀这位巨人，他对AI技术有深深的担忧，强大的人工智能的崛起，要么是人类历史上最好的事，要么是最糟的。对于好坏我们仍无法确定，现在人类只能接近所能，确保其未来发展对人类和环境有利，人类别无选择。谢谢。
主持人：
谢谢杨总深入浅出的讲解，关于人工智能与安全之间的辩证关系，下面有请触景无限CEO
肖洪波：
，大家欢迎。
肖洪波：
：大家下午好，今天人工智能非常热，大家都对人工智能非常感兴趣，其实名字起的非常好，人工智能大家觉得他拥有了人的智慧，但是实际上我们觉得很多时候他不过是一个数学的统计工具，我们在想今天给大家分享一下我们公司在前端智能这块怎么用前端的工具去解决一些实际的问题。
今天我们周围其实有非常大量的这种传感器，产生非常多的数据，比如说这种摄象头，中国大概有2亿颗摄象头，每天产生大量的数据。但是我们实际上只是做了一些数字化，我们很少在前端在物联网的终端对这些数据来进行智能化的分析，很多我们只是在做数据收集。所以我们觉得他做的更多是数字化，怎么样能够做到更智慧化，这可能是我们希望在前端解决的问题。
前端产生大量的数据，或者说数字，还没有被真正的数据化。比如说这种摄象头，他每天产生的数据量非常巨大，大家看一下，这个两亿颗摄象头他产生的整个的数据流量，是我们现在所有的IP数据流大概8倍左右。这些数据有没有经过这种分析，甚至于最新一代的，据我所知已经出现了非常高针对的，是每秒钟一千侦，这样的话前端产生更多数据，这些数据能不能智能化，可能是我们希望在前端解决的问题。
传统的监控系统更多是在后台的云端处理，而我希望做的是希望做一些前端处理，我们这样来看人工智能的工作，一部分像人的大脑一样，大脑可以做一些非常复杂的一些逻辑的判断，推理，很多这方面的工作，可能是在云端做的。还有一些东西他就是一种感知能力，就像昆虫，比如说蜻蜓，他可能没有大脑，他没有办法去做奥数，他没有办法做数学的推理。但是他对周围空间感知能力非常敏锐的，可以对周围空间，可以捕捉苍蝇蚊子，也可以躲避天敌对他的捕捉，没有大脑，对于周围空间的感知识别能力非常强的。我们希望感知能力可以赋予不同的电子设备，包括这种安防的摄象头，包括机器人无人机，把感知能力通过智能的方式赋予这些设备。
在前端的智能有什么样的好处呢，第一点他的实时性非常好，所有数据在前端处理，不需要经过网络传输，刚才提到非常大的数据量，如果我们传输到后端的网络是需要中间有非常好的这个网络条件的。那这样的话他就降低了对网络的要求，同时他可以处理权尺寸的数据，因为他不需要经过压缩，前端可以处理一些数据，这样的话前端可以做前端的处理，不需要依赖后端的这个数据资源。
所以我们希望在前端的这个智能感知系统这块，我们是通过四个方面来去实现前端的这种智能，包括这种前端的感知的数据准备，数据质量评估，包括对未来的预测，以及底层的传感器这种优化。因为在前端我们实际上是有很多种传感器的，包括这种视觉传感器，是我们最常用的这种传感器，还有这种陀螺仪，距离传感器，声音传感器，包括气压，很多的传感器，以前的话我们在前端这个传感器都是分别处理的，比如说我们摄象头只处理图象数据。
实际上真实事件它的维度非常多的，我们在去看真实世界的时候不光是图象，有非常多的数据维度，这些数据维度在前端的收集终端的时候没有去做前端的数据融合，所以我们在数据指挥阶段，把多种传感器的数据做数据融合，从而产生一个多维的数据。就像这个大家看到的周围建筑，实际上大家看到只是如果是一个普通的摄象头，大家看到的只是一个RGB的信息，但是实际上信息维度是非常多的，大家看左边这个图是一个带距离的。右边这个是带了温度的，通过这些信息的融合，实际上也获得了一个非常多维的一个原始数据，在这些原始数据基础之上再怎么样去用人工智能的算法，对他来进行处理和分析，我们觉得在前端比较有价值的工作。
当我有了这些多维的数据之后，可以对前端数据进行进一步的结构化。因为现在人工智能发展，深度学习发展，使得我们有机会可以把一些非结构化数据进行处理，实际上结构化数据大家在以前已经有非常好的这个处理方式了，用一些技术，大家有非常好的做，或者商业智能的技术做前端的，去做结构化数据的分析，已经有很多技术了。而这种非结构化数据，实际上第一个工作就是要去做结构化，比如说这是一个在某个工地上头盔的检测，这个人在工地上有没有戴头盔，这样的话可以针对前端的多维数据去检测说你的性别、年龄，你穿什么样的衣服，这是针对人的，还有针对车的，或者说针对声音的，这有呼救声发生，那我知道这个呼救发生在什么角度，什么距离和前端的其他图象传感器实现这种联动，这样的话就实现数据的结构化。
这种结构化实现之后我们就可以对前端的数据去实现一个叫做微观的可计量性，这个其实和人的眼睛是一样的，我们在做图象处理的时候，我们很多时候去研究人的研究，人的眼睛实际上叫做视神经，视神经科学和这个物理科学其实非常类似，他分宏观的和微观的，像宏观物理学里面很多定律，到了微观不可用了。人的眼睛大概有5个比较大的这个神经中枢在处理你接收到的视觉刺激，在你接收到视觉刺激前150毫秒之内发生了非常多的神经中枢之间的处理，对于摄象头其实也是一样，非常希望在摄象头的前端可以对他的底层这些图象质量进行微观的计量，获得计量数据之后可以对未来发生的事情去做预测，这是一个火车站看到的一个场景。
在这么一个场景里面，我在火车站可能布了很多的摄象头，每个摄象头他面对的场景都不同，我们传统的技术这个摄象头他的标准不会根据这个场景来进行调节，在不同的场景里面，他的远近光照甚至于这个摄象头的朝向，都会影响他的图象的很多，我们会在前端根据这个微观可计量性调整底层的算法，帮助摄象头获取更加清晰的前端的图象。
他的图象质量，前面图象质量通过这样的一个人工智能的模型实时提升的，包括从前端的图象，到后端的数据集的训练，到模型的创建优化模型的压缩，再推送到前端去做这个模型的执行，整个的一个闭环。
在前端实际上面临着一个非常大的挑战，和后端是完全不同的，我们在后端实际上大家做的更多是多层的网络，做一千层，或者说更高层的网络。而在前端因为他的预算力非常有限，在物联网里面大家用的芯片都是非常有限的芯片，他面临的挑战是模型的参数非常大的，而他的运算往往是要求实时的，比如说像无人机，他在飞行过程中对周围场景进行避障，进行识别，很多地方不能降落的，我不能降在高速上，我要对周围的场景进行识别，这些是必须实时处理的，如果我需要到云端处理的话，有可能就会导致出现一些故障，或者说直接撞到树上了。所以在前端他面临一个非常大的挑战，就是他的运算力很弱，但是又要对一个非常复杂的运算去达到实时，怎么样去对这个边界条件，还要进行优化，是在前端做人工智能面临的最大挑战。像我刚才提到的，蜻蜓这么一个小的体积上，他没有大脑，他只有神经系统，怎么样对周围空间进行识别、判断，这其实是一个非常有意思的，值得大家研究的课题。
在前端产生这些数据之后，你还可以再引入刚才提到了，这都是一个单幅图象里面产生的维度，还可以引入时间的维度，时间维度上可以对未来进行预测，不同的阶段，对这个多维的数据来进行预测的分析，从而可以帮助你去获取更多的数据，包括跨摄象头之间的不同摄象头之间的数据联动，这个就是一个演示。他是可以在单摄象头和多摄象头之间，根据持续的关联来做预测的。这样的话我们在前端就是第一你有了非常丰富的数据维度，在这些数据维度基础上建立模型，对这个数据进行质量判断，包括他的时间维度的引入，这样的话你就可以对未来进行预测，从而你在边缘就可以实现一个我们叫做感知终端的集群，你不仅仅是一个多维数据的感知终端，还会有多个，可能前端有10个终端，他们之间的数据是在局域互通的，你发现了一个逃犯，逃犯在某个摄象头出现的，周围摄象头可以推送他这些信息，信息是结构化的，看不清他的人脸可以推送穿一个什么样的衣服，什么裤子的人，在周围摄象头里面直接可以去通信，他是一个在边缘智能，在边缘智能里面做这种感知的终端集群。
当我有了感知数据之后，就可以做非常多的事情，比如说在强逆光条件下，强逆光很多场景里面碰到的问题，现在安防并不是我们后台识别的算法不够好，大家可以看到，大家的识别算法做的很好，做到百分之九十九点九几，没有太大差别。前面图象质量获取有非常大的问题，这个场景其实就是我们一个客户的需求，是在ATM的环境下，很多时候是强逆光的，这个时候你需要针对特定的区域进行判断，如果你已经有了前端感受能力之后，可以针对感兴趣物体调解传感器获取能力，从而获得更清晰的感知能力，大家可以看有两个比较。在没有调节之前的话完全是黑的，你可能捕捉到人脸，完全没有办法做识别，结果调节之后比较清晰的人脸图象。
包括其他的传感器都是可以做这个工作的，当我们刚才提到四个阶段，从数据准备数据质量，到预测，到最后的优化，其实你可以把这一套应有到多种传感器里面去，包括刚才提到的摄象头，这个是做的3D的这种距离的传感器，大家可以看上面这个是由我们处理之后做的3D的数据，这是一个电视的遥控器，键子是一毫米高，可以非常清晰的检测到上面那个键，底下是另外一个公司的3D的，他基本上完全没有办法检测到这个键的。这样的话精度会比那个提高十倍左右，大家可以想想，你的精度提高之后，你的物体识别，包括安全上的一些识别一定会提升的。
这个是一个在前端的算法模型的一个优化工厂，可以把原始的DN模型做压缩和优化，这个是在前端，最重要要做的工作，因为在后台跑的时候你的运算资源是无限的，不用考虑模型压缩和优化的工作。前端运算力非常弱的情况下，怎么样把大批量模型可以在前端使用，需要一个自动化的优化的这样一个我们叫做优化工厂。给大家讲一个怎么样把前端智能东西应用到产品里面去的这样一个例子，其实这种感知的技术拥有了之后，你可以应用到所有电子产品里面去，大家可以开出很多脑洞来，比如说日本有做这种空调，这个空调一个热传感摄象头，判断房间大小，放贷大的会议室里面这么多人，怎么送风。如果小的房间里面，我应该怎么送风，周围有没有阳光直射，人是运动的，还是静止的，全可以判断出来。你是睡着了，还是说你还没有睡着，我在送风应该怎么送。所以前面感知能力可以在场景里面让这个电子设备变智能，这种感知能力可以应用到各种各样的电子产品里面去，这是在安防产品里面的应用场景，安防的场景我是希望我去做一些拍摄，有可能抓拍车牌得，也可能抓拍行人的，抓拍人脸的，以前的话摄象头没有任何区别的，以前布置的摄象头并不区分你到底是做什么，我也不区分布在什么场景里，布一个火车站的广场上，还是布在卡口上，六米高杆上还是三米杆上，这个摄象头是标准的，没有任何差别。
当我拥有这个感知能力之后不一样了，工作模式发生非常大的变化，可以根据自己的目标去判断，我是要干什么，从而去调节我的底层传感器算法，帮你获取你想要的结果，比如说你要装一个车牌，根据车牌调节周围的情况，这些算法怎么组合，获得更加好的结果。这是我做图象研究的时候读的一本书现在推荐给大家，这本书其实和人工智能或者说计算机视觉都没有任何关系，这是一本讲视神经的一本书，他这个里面把视神经讲了，一本入门的，讲这个视神经是怎么样在脑子里面工作的，他其实就是人眼睛其实非常奇妙的，我们基本上把颜色、形状、距离、移动这些光照五个大的要解决的问题是用不同的神经中枢来处理的。其实他不仅仅是要去解决这个识别的问题，他用大量的问题需要解决。但是里面提到一概念非常好地看和理解这两个事情对人来讲是同时发生的，有的时候其实你并没有经过大脑的思考，你的眼睛看了东西就理解了，如果一盆花，一个植物，在黄色光照射下，你觉得他是绿色的，即使是现在白光，你还是觉得他是绿色的，为什么呢？因为你的眼睛同时理解这个东西，你觉得他是植物，决定你看他是绿色的，如果用摄像机来看，完全不一样的。
我们公司做的一个工作就是希望要把人工智能注入到物理世界里面去，大家从我们名字里面可以看到，我们就是基于这些传感器，希望通过这些传感器和人工智能的结合，帮助我们去扩展我们的感官，这是我们做的主要工作。所以我们做的事情主要就是智能感知，我们希望未来的物理世界里面，都拥有这种感知的能力，我们希望把这些感知能力可以赋予不同的产品。所以我们也希望大家如果有做这种电子产品的也可以来找我们，和我们一起合作，谢谢大家。
主持人：
刚刚肖总详细介绍了触景无限在智能感知系统领域所做的一些探索与实践，谢谢肖总的分享，下面有请中国电子信息产业发展研究院信息化中心刘鹏宇，大家欢迎。
刘鹏宇：
：大家下午好，下面的时间由我来向大家发布2018年智能技术发展十大趋势。刚才我们听到了很多技术专家还有我们的政府领导为我们着重的介绍了下一步有关人工智能技术的应用，人工智能产业发展的一些方向。而我来进一步阐释就是智能技术的发展下一步的走向。首先来看智能技术发展的第一个趋势，就是云端边缘用户协同的算力供给新模式初步形成，我们可以看到全社会的这种算力供给，计算资源由传统的服务器单机到这种硬件集中的传统的IDC就是数据中心，再到基于软件虚拟的云计算中心，以及到现在我们能够看到的架构分级和软件虚拟联合形成的云计算中心，边缘云和用户终端共同形成的这样一种算力的供给模式。
这样一种模式它所形成的一个机理是什么呢，那就是在用户层面上，用户可以在网络上利用终端分享手机、路由器、电视等终端的宽带资源、存储资源和计算资源，我们可以看到360已经开始做这样一个工作，通过360共享云的产品来分享每个用户闲置的这种宽带资源。而在边缘一层，通过在用户的这种边缘侧来部署一些服务器，应用虚拟化技术，从而能够在边缘侧就能解决一些小规模的这种计算存储的问题，对数据进行实时的分析。数据规模比较大的时候，有一些数据计算难题，我们一些比如说人工智能智能分析的比较大的一些问题的时候，这些问题当边缘云不能解决的时候，再回流到云计算中心，有大型的服务器进行解决。未来我们整个计算并不是说由一个云计算中心解决，由三层架构共同完成的。尤其对于边缘云部署，包括英特尔在内的很多全球大型的互联网公司，开始进行这种部署边缘计算，也就是边缘云整个平台的建设。
整个云端边缘用户也就是计算资源从云计算中心，边缘云到用户终端计算能力逐渐下沉，但是他整个计算能力是不断的泛化。
第二个趋势是从大数据的角度来看，大数据技术将向多维数据结构清洗，并联是分析的方向演进。大数据技术从开始到至今已经走过了几十个年头，我们可以看到它目前所遇到的问题，包括大数据采集的数据质量问题，数据分析的这种多元数据融合的问题还有我们可以看到在这种商业化运作当中数据收益分成的问题，这都是目前大数据发展所遇到的一些阻碍。在这里我们只是来聚焦大数据的融合分析，深橘色和浅蓝色模块为大数据提供结构清洗的重要模块，未来我们数据，包括现在并不是只有结构化数据，也有很多非结构化的数据，怎么样把结构化非结构化数据进行融合呢，主要通过这些模块进行结构清洗，进行关联的分析。
2017年我们可以看到一个最重要的趋势就是阿尔法狗进化为阿尔法0，不再依赖于传统的棋谱数据，包括很多的一些经验数据，通过自我博弈的方式，自己生产数据，使机器的棋艺不断精进。这就告诉我们一个最重要事实机器也在生产数据，他不再依赖于我们人类的数据。这个也是我们需要注意的一点。
第三个趋势人工智能算法加快平台化、终端化、芯片化发展。以往我们认为人工智能算法，只存在于云计算中心，云平台上。现在我们可以看到云计算，包括这种人工智能算法他不光是在云平台上体现的，他也体现在我们终端和芯片上，包括这些数据处理通用性芯都在抢占人工智能新领域，新兴的包括TPU等人工智能专用的芯片，也在一军突起。儿童这些芯片他的这种演进的发展，正是他们能够把人工智能的算法融入到这种芯片的硬件架构和软件的这种模式当中，从而为用户提供这种芯片级的人工智能的解决方案。比较典型的就是华为手机所用的这种970的芯片，而在我们看到终端层，在终端化的发展趋势当中我们可以看到很多智能音响，智能耳机等消费级的电子产品，包括智能的服务机器人，安防机器人这些规模化商用落地，这些智能终端他们携带的一些这种智能化的应用，在不断的进入到我们的生活，在去年2017年我们可以看到，包括这种阿里、腾讯、京东都推出了智能音响产品。智能音响产品不光是能够听音乐，还可以进行购物、社交等一系列这种重要的我们平常能够在手机上才能获得的一些互联网应用，这些智能的这种应用已经开始延展到每一个家庭级的消费终端上。
最后看平台化趋势，我们比较熟悉的，通用型的人工智能算法开源的框架持续演进，以及智能语音，自动驾驶，智能医疗等领域的技术开源平台不断涌现，我们可以看到这种开源的人工智能算法平台，在整个的这种人工智能产业发展中，他是起到了一个举足轻重的地位，通过这种平台构建的，包括硬件、算法，包括应用的这种整体的解决方案，是在不断的扩展当中。总体来说通过这种平台向终端向芯片的延伸成了一种中心+边缘的智能的分布形态。
第四个趋势是区块链将引领建设能源、信息、价值三张互联网。其实我在这里特别想谈一谈区块链，区块链最近也是在整个我觉得学术界、政界、产业界引起了很多争议，既在目前整个技术领域算是一个很争议型的一个代表，我个人通过对于区块链技术学习，对于这个技术非常看好的。但是区块链整个技术的应用，在金融领域应该是保持一种审慎发展的态度，但是在整个其他的领域，包括我们可以看到现在国内在能源领域，在出版领域，这种版权的保护领域，还有其他物流领域，商品的防伪追溯领域，这方面区块链将会有很大的发展。能源互联网2014年时候提出了能源互联网的发展架构，但是我们可以看到四年过去的能源互联网我们起来只闻其音未见其形，能源互联网建设全社会分布式生产的大网，通过这张网贡献这种能源，包括这种风电能源，太阳能能源，但是这些用户他们贡献的这些能源到底是如何进行这种价值的记录，创造价值的利益分成，这些问题怎么来解决呢。这些问题经过我的这种初步的思考，区块链正是可以提供这样的一种全社会分布式生产的这样一种记录，这种不可篡改的，可追溯的记录，是通过区块链技术来进行支撑的，这也是区块链在目前能源互联网里面很重要的应用方向。我们可以看到整个价值或者是增值的这种互联网，他最重要的一个背景就是互联网让资产的所属权使用权享有权和开发权进行分离，我们目前出行领域遇到的滴滴就是一个最主要的应用，你所使用的汽车，但是他的所属权并不所属于你，你享有使用权，从而能够实现围绕这种凝结在资产上的人类劳动所利用的价值在互联网上广泛流通，这种价值的流通也就是把商品具有的有形价值抽象成数字化的价值，互联网上进行有序的流动，这样一种价值流动通过区块链，基于智能合约的这种形式来进行驱动的。这也是我为什么看好区块链的原因，并且把这个标题起为区块链将引领建设能源、信息、价值三张互联网。
第五个趋势是受控区域、低速定向服务将成为自动驾驶应用落地的突破口。我们可以看到前天优步无人驾驶汽车出现了一个测试事故，他对路上的行人造成了一定生理上的伤害，包括这一段时间很多的地方政府都在落地进行这种无人驾驶的路测的测试，我们怎么来看待无人驾驶汽车，他确实能够为我们将来的生活带来了很多的便利。但是在这个现阶段，我们可以看到无人驾驶汽车遇到了哪些困局，包括监管部门态度审慎，马斯克说自动驾驶推出前，总得要行驶至少100亿公里，事故责权界定存在法律空白，对于法律上的空白还是存在的，事故权属界定问题。无人驾驶测试事故频发，我们可以看到谷歌无人驾驶汽车出现了25起事故，前天优步测试也出现了一个事故，今天刚刚出现的新闻，丰田汽车已经暂时中断了无人驾驶汽车的这方面研发。在面临这些困局的时候，我们再看一看无人驾驶汽车目前出现哪些进展在我们印象里英伟达公司是传统的GDP生产厂商，近几年他对无人驾驶汽车布局，从无人驾驶的芯片、软件、平台、计算机到无人驾驶车辆的端到端的整个布局形成了整体的生态化的布局体系，包括百度的阿波罗汽车，他所使用的深度学习平台也是基于英伟达的平台。包括很多互联网公司，百度、谷歌、优步、通用、斯巴鲁纷纷进入无人驾驶领域，展开无人驾驶汽车应用测试。
从这些方面来看我们一方面遇到一些问题，但是我们的企业互联网企业传统的制造企业，都在不断的前行，探索这种无人驾驶汽车的应用的方向。那无人驾驶汽车下一步的应用到底如何发展呢，我个人认为需要分级分布推动无人驾驶汽车的商业应用。首先按照自动化的级别，从辅助的有人恰十到无人驾驶分级推进无人驾驶汽车的商业应用，同时我们可以看到无人驾驶汽车现在还不具有这种规模化上路的这种应用的储备，所以我们可以在一些受控的区域，比如说大学校园，商业园区和一些居民社区开展无人驾驶汽车的一些小型的应用，在这些受控的，低速的领域先把无人驾驶汽车用起来，找到一些在实际应用的一些问题，慢慢的逐步的推动无人驾驶汽车的规模化的商用，目前在这个自动驾驶公司，已经在加州退休社区少量不推出自动驾驶汽车的应用，这也是很显著的一个方向。
第六个趋势数字城市将进入信息物理孪生映射的新阶段。我们可以看到在过去的互联网发展从20世纪60年代开始，到现在整整走过了将近60个年头，在整个60年中，我们这种物理的空间像这种信息空间，刚才有专家讲到三元空间的一种联合的偶合式的发展，物理空间到信息空间整体的映射。下一步我们可以看到是我们对于每个人来说，从物理人到数字人的映射。物理人对应着马斯洛五种人的需求，从低级到高级可以分为生理需求，安全需求，社交性需求，尊重需求和自我实现的需求，最高等级是人的价值的实现是自我实现需求。而这五种需求对应到信息空间，也就是网络空间，赛博空间当中是泛在网络的接入需求，数据权利掌控需求，数字治理贡献需求，数字服务享受需求和数字生产的参与需求。我们现在很多政府在推动包括人口数据库建设，地理空间信息库建设，市场经济的这种数据库建设，这些数据库建设将来所发挥得作用就是在围绕着自然人和法人的将构建一个数字人的全新图谱。我们每个人从生到死，包括我们出生的数据，入学数据，健康数据，就业数据，还有我们出行数据等一系列的数据，围绕着每个人都将构建一个全新的图谱，这就是打造一个赛博空间的数字人。围绕数字人基础是全新图谱，接下来有几个层次的事情，第一件世亲是数字身份的认证平台，每个人不用再去证明我是我，也不用证明我妈是我妈，通过这种数字信息身份的认证平台，就能够远程的获取这种数字身份的认证，还有是行权一体的社会管理模式，基于智能识别的公共服务一体化，基于区块链的全社会分布式生产与服务，未来我们每个人在社会中的贡献他所获得的这种价值，以及能够在我们行走于世的信用体系都是通过区块链记录而形成的。这是我提到第一个映射，从物理人到数字人的映射。
第二个映射从物理城市到共生城市的映射，数字孪生技术目前在工业互联网领域得到了广泛的应用，而下一步数字孪生他将逐步扩展到智慧城市领域，打造一个在网络空间完整的城市。总体的过程是分为几个阶段，包括数据的采集，包括传感数据，政府数据，行业数据和互联网数据，通过对于这些数据清洗，在网络空间形成一个共生城市，这些共生城市能够跟我们目前所运行的物理城市能够进行这种实时的数据交互，数据分析，并能够对实体城市的运行提供这种决策指导，刚才很多的企业的老总也提到了这种包括云从大脑，包括行业大脑，这里将来城市会有一个城市大脑，城市大脑或者城市智脑，他是对于传统的城市运营管理中心的升级，在这个智脑的下面，会形成若干的细分的专业性智脑，包括网络智脑，交通智脑，安防智脑和经济智脑，阿里巴巴发布的交通智脑在萧山区进行了应用，都将在我们城市运行方面发挥重要的作用。
第七个趋势可微分编程开启软件定义世界，人人定义软件的新时代。我们可以想一想，以往软件定义的本质是人类定义，程序员通过书写几千行上万行，甚至几十万行代码，告诉机器他每一步需要执行的动作，通过这些指令，机器按照这些指令进行每一步动作的执行，我们与其说这个是软件定义，不如说这是人类定义，人类撰写的代码，代码在指导机器进行运行。下一步软件定义将上升为机器定义，所谓机器定义的含义就是机器学习定义，或者是深度学习定义，机器在有或者没有人类的监督情况下，根据几百行原生代码，或者深度神经网络框架代码，通过学习能够自动扩展为几万甚至几十万行代码，这就是机器通过学习这种原始的种子，也就是可以比喻为种子，从而使这个种子生根发芽，形成了参天大树，这种能够为机器下一步运营提供自我学习指导，这个是软件定义上升为机器定义的重要趋势。
深度学习算法，他的一个更宽泛的名字叫做可微分编程，通过把一些参数化的模块进行网络化的组装，能够构建成一种机器自学习的网络，使用这种梯度优化的方法进行机器网络的训练。而这种可微分编程的方法，将使我们每个人都成为数据科学家。将来用户可以利用自己的数据通过机器学习或者深度学习的平台，来进行数据的开发，能够为自己打造一些量身定制的这些深度学习的产品。这些就能使以前高不可深的人工智能变成门槛进入更低一些，并且打造成一些平民化的产品出来。同时我们也可以看到，整个的人工智能这些技术更加普及，国家教育部已经把人工智能物联网大数据这些技术列入了新课标，未来人工智能技能可能就像现在计算机技能这样普及，他是属于每个人必备的一些基础技能。
第八个趋势是基于户河运的容器技术将加速工业互联网建设落地，工业互联网从今年开始也是一个最热门的词汇，工业互联网到底怎么建呢？我认为工业互联网他是一个三层云的架构，并不是说工业互联网他只有一个行业的公有云平台就能解决所有的问题，目前从整个这张图可以看出来，工业互联网从边缘云到企业私有云，再到行业云三层架构，边缘云解决什么问题，解决边缘控制问题，包括一些边缘设备现场设备的一些智能控制，还有这种边缘数据一些运行数据的可视化，智能分析，和一些工业数据的连接管理问题，这些内容是边缘平台所要解决的，现场级的一些问题。而在企业级，主要部署的是私有云，私有云他更广泛的把现场传感器智能仪器仪表所捕捉的一些包括产品数据机器设备的运行数据，包括一些监控数据，储存到私有云平台上，通过这种工业大数据的清洗管理和建模形成一个数字孪生的企业映射体，管理人员技术人员通过企业孪生映射的这种产品，孪生映射映射体，可以实时观测整个企业的生产运行情况。而在最高一个层级，也就是行业云，主要是为整个产业链的企业，行业企业提供一个工业应用开发工具和一些工业微服务的组建，为企业提供一些共性的工业APP的开发，这个是行业云最捉需要解决的问题，同时还要解决一些产业链供应链企业，包括协同研发，协同制造物流等一些共性的问题。所以说工业互联网目前主要聚焦于三个方面，一个是公司界定问题，就是不光只有公有云平台，还要有私有云平台，还有边缘云平台，公司界定问题。第二个问题云化构建问题，现在目前工厂包括工业企业的这种控制网络，将来是慢慢的离散化，他是由传统的DCS网络向FCS网络进行演进，很多传统的设备包括检测设备，将来提供一些智能化的控制手段，这也是有专家提到的，监控摄象头将来也是智能化的设备，他也能够解决一些初级的智能化分析的问题。这也是我们将来整个的这种信息社会时代，遇到的一个最重要的趋势，终端的设备也能有智能的因子，智能的能力，工业企业当中，就是我们可以看到这些仪器仪表传感器，包括一些很多的控制硬件设备他有智能能力，所以说不再依赖于传统的那些控制站，或者是工程师，或者操纵员，很多控制人就是由这些设备进行直接的分发。所以说整个的控制网络将来离散化的趋势，就形成了这种和云计算相结合的这样一个云化构建的趋势。
第三个用容器技术解决组件开发的问题，因为我们整个的工业互联网既有公有云，又有私有云，基于混合云构建的，工业APP既能在公有云运行，又能在私有云运行，最重要运行的一个机理就是有一个通用的操作系统，而现在目前能够提供这样一个通用操作系统的轻量级应用就是容器技术。将来容器技术能够实现跨平台、跨系统、跨组织的一个通用的解决方案，这也是工业互联网将来发展最重要技术应用特征。
第九个趋势是基于可穿戴移动设备的AR应用将集中涌现。在去年7、8月份发布了新兴技术的一个发展的成熟度曲线，我们可以看到增强现实技术已经进入了幻灭期，虚拟现实进入复苏期。下一步增强现实从幻灭期走向复苏期最重要驱动是什么，我认为是应用，我们可以看到现在很多的AR应用已经开始流行起来，包括在机场内或者是在地下停车场的一个AR导航，我们很多的新媒体在尝试探索的内容互动，还有我们目前所知道的AR游戏，智能制造领域的进行这种仓储产品检索的一个AR眼镜，还有虚拟会议我们可以看到的这个互联网教育的AR眼镜等一系列的AR应用正在逐步普及。这些AR的应用将来将逐渐落地，并推动着AR技术从幻灭期走向复苏期。
在这个层次上，还有一个问题，就是我们可以看到我们现在有很多企业生产的这种AR硬件的终端，包括AR眼镜，包括一些AR的可穿戴的设备，包括虚拟现实的设备都很多，但是我们还要看到一个最重要的趋势，就是在于我们目前手中的手机，对于这些新兴技术的融合包容能力。我们很多人都说摩尔定律不断的是在走向没落，未来得手机他的集成能力尤其是芯片的集成能力，他已经走向了终点，但是很多的新兴的技术，包括这种3D堆叠技术使芯片对于晶体管的集成能力不断提升的，这种芯片级别的集成，所带来的就是手机智能终端这些对于各种各样新兴技术，包括虚拟现实，包括区块链，包括人工智能，包括AR技术的这种融合能力，是越来越强大，我们每年都在说智能终端企业他的出货量将走向下滑，每年都看到这些企业的出货量是在不断的稳步的攀升，在于手机他的融合能力是非常的强的。目前AR应用一个最重要点就是在于结合手机这些智能终端AR应用，将会越来越普及，成为这种推动AR技术发展的一个最重要推动力。
我们来看一看最后一个趋势，机器智能将联结主义和符号主义深度融合的方向演进。从1956年人工智能技术发展开始，人工智能技术发展只有两条路径，一个是符号主义，也就是逻辑推理，一个就是联结主义，这两大技术他们一直处于相互斗争，相互促进的这种发展，从20世纪80年代或者90年代开始，基于统计分析的联结主义算法已经开始逐步占了上峰，尤其是到现在，深度学习的发展，基于大数据分析的人工智能技术不断的演进，未来我们是不是就会一直沿着这种联结主义算法路径进行发展呢，我认为将来联结主义和符号主义将进行融合发展。人工智能它的主要一个技术，主要三个应用的层次，一个是感知，这也是刚才我们嘉宾很多提到的数据的采集，采集的这种层面，第二分析，最后是应用。在感知目前的符号主义主要是在感知这个层面上遇到很多问题，尤其是对于物理世界，物理信息的符号抽象存在障碍，这也是制约了符号主义发展的最重要一个层面。未来在感知这个层级上，联结主义能够发挥很大作用，我们可以看到分析层级上，通过这种构建知识图谱，知识图谱就像我们大脑里面所储备的一些知识库，也是机器他能够认识世界，能够构建世界认知的一个最重要的基础，通过这种构建建设知识图谱，能够使这种机器分析从基于统计的算法相对于符号逻辑推理算法进行演进的最重要基础。尤其在分析层面上，未来将实现这种机器通过这种知识图谱进行这种逻辑推理的这种方向进行演进。
让机器不但知道要去做什么，还知道为什么要这么做，也就是知其然更要知其所以然，基于统计分析，机器只知道做什么，并不知道为什么这么做。在最后一个层次，也就是应用层级，下一步就是应用的结果不断的向这种分析的层级进行反馈，实现这种不断的迭代优化，从而来优化这种包括知识图谱，包括这种逻辑推理的这种架构和框架，不断的实现算法的迭代升级，这就是从感知分析应用联结和符号主义的联合融合发展的一个方向。
今天我对于智能技术的一个在今年的发展趋势汇报到此结束，谢谢大家聆听。
主持人：
谢谢刘鹏宇总监2018智能技术发展十大趋势，很高兴和大家度过了一个有意义下午，本次活动到此就圆满结束了，谢谢大家。
