人工智能行业调查研究报告（算法导论调查研究报告）

第1章人工智能的基本介绍

人工智能的基本概述

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，比如语音识别、图像识别，甚至象棋、围棋等。人工智能最近这几年发展非常迅速，谷歌的人工智能机器人AlphaGo轻松击败人类九段围棋高手，而且谷歌开源了其人工智能平台。像Fackbook，IBM等科技公司纷纷大力发展人工智能领域在自动驾驶、图像识别、语音识别等领域。

人工智能发展历程：

1. 人工智能的起源：人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。后来，这被人们看做是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MIT
   AI LAB实验室。
2. 人工智能的第一次高峰：在1956年的这次会议之后，人工智能迎来了属于它的第一段Happy
   Time。在这段长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。甚至在当时，有很多学者认为：“二十年内，机器将能完成人能做到的一切。”
3. 人工智能第一次低谷：70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景蒙上了一层阴影。与此同时，社会舆论的压力也开始慢慢压向人工智能这边,导致很多研究经费被转移到了其他项目上。因此，人工智能项目停滞不前，但却让一些人有机可乘,1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。
4. 人工智能的崛起：1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种，采用人工智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。这套系统在1986年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍生出了像Symbolics、Lisp
   Machines等和IntelliCorp、Aion等这样的硬件，软件公司。在这个时期，仅专家系统产业的价值就高达5亿美元。
5. 人工智能第二次低谷：可怜的是，命运的车轮再一次碾过人工智能，让其回到原点。仅仅在维持了7年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。到1987年时，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。
6. 人工智能再次崛起：上世纪九十年代中期开始，随着AI技术尤其是神经网络技术的逐步发展，以及人们对AI开始抱有客观理性的认知，人工智能技术开始进入平稳发展时期。1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个重要里程。2006年，Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望,也是标志性的技术进步。
7. 在最近三年引爆了一场商业革命。谷歌、微软、百度等互联网巨头，还有众多的初创科技公司，纷纷加入人工智能产品的战场，掀起又一轮的智能化狂潮，而且随着技术的日趋成熟和大众的广泛接受，这一次狂潮也许会架起一座现代文明与未来文明的桥梁。
   

人工智能的研究方法：

控制论与大脑模拟
符号处理
子符号方法
统计学方法
集成方法等等。　

第2章 全球人工智能行业市场发展现状及趋势

1、全球人工智能企业分布
——地区分布
截至2019年3月底，全球活跃人工智能企业达到5386家。其中美国为2169家，中国大陆为1189家，英国为404家，加拿大303家，印度则是169家。故整体来看，人工智能在北美洲、亚洲、欧洲发展更为迅猛，未来该地区也将是人工智能的主导地区。
2、全球人工智能独角兽企业发展情况
从独角兽企业看，美国独角兽企业数量最高，为18家，中国为17家，英国3家，德国1家，日本1家，以色列1家。另，对以下独角兽企业进行梳理后，人工智能各细分领域独角兽企业的数量也清晰起来，其中以医疗健康独角兽数量为最高，5家，其次为智能驾驶、面部识别技术，分别为4家;AI芯片、网络安全则分别为3家。
3、全球人工智能独角兽企业投融资状况
融资角度看，2018年Q2以来全球领域投资热度逐渐下降。2019Q1全球融资规模为126亿美元，环比下降3.08%;其中中国领域融资金额为30亿美元，同比下降55.8%。在全球融资总额中占比23.5%;比2018年同期下降了29个百分点。
值得说明的是，在融资轮次中，种子天使轮融资占比进一步缩减，2019Q1仅为11.3%;B-E轮融资占比由2018年的23.2%则提升到了2019年第一季度的32.3%。另从国家角度看，2016年以来，中国在人工智能领域获得巨额投资次数累计达114次，在全球居首位。

2016-2019年Q1全球及中国人工智能融资规模统计情况
从最新披露的数据看，2019年第一季度，全球单笔融资金额超过1亿美元的交易共16笔。其中中国企业获投6笔，美国企业获投4笔，以色列、新加坡、德国和阿根廷企业各获投1笔。
更进一步看，中国企业不管是数量还是所融资金的数量，均为第一。

全球人工智能行业发展前景分析
从未来看，未来人工智能企业将聚焦以下几个领域的开发：
——人工智能以智能服务为主，全面进入商业用途。人工智能已经在手机领域已经取得一定的成效，很多手机企业研发了自己的人工智能芯片，中国通信巨头华为已经发布了自主研发的人工智能芯片并将其应用在旗下智能手机产品中，苹果公司推出的iPhone X也采用了人工智能技术实现面部识别等功能。三星最新发布的语音助手Bixby则从软件层面对长期以来停留于“你问我答”模式的语音助手做出升级。
——人工智能为人类进行分析。工智能的核心方面在于机器学习和深度学习，这方面的进展才能决定着人工智能的突破。基于大数据时代下，人工智能对数据的积累分析，在加之深度学习技术的发展，完全能替人类的各方面做出优质的决定。
——在金融投资领域，人工智能已经有取代人类专家顾问的迹象。在美国，从事智能投顾的不仅仅是betterment、wealth front这样的科技公司，老牌金融机构也察觉到了人工智能对行业带来的改变。高盛和贝莱德分别收购了Honest Dollar与Future Advisor，苏格兰皇家银行也曾宣布用智能投顾取代500名传统理财师的工作。

第3章 中国人工智能行业整体市场发展分析

1. 作为新一轮产业变革的核心驱动力和引领未来发展的战略技术，国家高度重视人工智能产业的发展。2017年国务院发布《新一代人工智能发展规划》，对人工智能产业进行战略部署;在2018年3月和2019年3月的政府工作报告中，均强调指出要加快新兴产业发展，推动人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。
2. 自2006年深度学习算法被提出，人工智能技术应用取得突破性发展。2012年以来，数据的爆发式增长为人工智能提供了充分的“养料”，深度学习算法在语音和视觉识别上实现突破，令人工智能产业落地和商业化发展成为可能。
   在人工智能产业技术与应用取得突破的同时，人工智能领域获得资本青睐，成为风口产业，在资本和技术协同支持下进入了高速进步期。2018年中国人工智能领域融资额高达1311亿元，增长677亿元，增长率为107%。
   
3. 中国人工智能相关专利申请数从2010年开始持续增长，于2014年达到19197项，并于2015年开始大幅增长，达到28022项，2017年，中国人工智能相关专利年申请数为46284项。
   
4. 未来中国人工智能市场规模将不断攀升。根据《新一代人工智能发展规划》，2020年中国人工智能的技术与应用水平将发展至世界先进水平，同时核心产业规模超过1500亿。2030年中国人工智能核心产业规模超过1万亿元。
   
5. 人工智能的水平建立在机器学习的基础上，除了先进的算法和硬件运算能力，大数据是机器学习的关键。大数据可以帮助训练机器，提高机器的智能水平。数据越丰富完整，机器辨识精准度越高，因此大数据将是各企业竞争的真正资本。艾媒咨询分析师认为，大数据是人工智能进步的养料，是人工智能大厦构建的重要基础。通过对大量数据的学习，机器判断处理能力不断上升，智能水平也会不断提高。
6. 人工智能发展的期望并未超出人工智能可达到的高度，未来在多领域具有广阔应用前景的人工智能行业仍将在资本市场有良好表现，投资热度将继续维持。

第4章人工智能与就业

人工智能对就业的影响效果

• 当前人工智能对就业主要从“替代效应”、“创造效应”以及对劳动力市场等三方面产生影响。“替代效应”主要指由技术进步带来的“技术性失业”。麦肯锡2017年研究得出:中国和美国的就业替代风险率分别约51.2%和45.8%,并指出中国具备自动化潜力的工作内容达到了51%,且主要集中在工业、农业、医疗、交通、生活服务等领域。新技术对就业的替代效应主要存在于对原有工作岗位的替代和对原有工作任务的替代两种形式,而无论哪种形式的替代都将对就业结构产生重要影响；“创造效应”主要指技术进步能够创造新的具有比较优势的就业岗位,主要从创造新的行业或产业和创造新的生产利润两个方面进行,对就业岗位进行再创造,因此,人工智能正在创造更多新的就业岗位,例如,智能传感器、芯片、智能机器人等,普华永道2019年预测人工智能对中国就业的净影响可能将产生约12%的净增岗位。

扩大人工智能对就业的创造效应

• 在技术进步的经济秩序下,扩大人工智能对就业的创造效应,需要营造良好的社会环境、积极的产业政策、健全的社会保障体系以及创新的企业家精神等保驾护航。
  营造“大众创新、万众创业”的社会环境,积极引导人们转变就业观念和意识,打破就业的空间限制,加强对灵活自主就业的引导。

• 构建积极的产业政策,一方面需要积极完善人工智能等新兴产业的法律、知识产权、市场竞争、人才培养以及营商环境等相关产业政策,另一方面需要对新兴产业的发展给予一定的引导、政策倾斜和保护。

• 健全社会保障体系,拓宽社会保障覆盖范围,并构建多层次的社会保障制度,同时,推动公共服务供给能力的提升,树立开放、创新、容错、严谨的现代服务意识,实现人工智能对就业创造效应的稳步扩大。

• 发挥企业家创新精神,通过创新驱动战略,激发具有创新精神的“智慧人”向更高端的领域迈进。

应对人工智能对就业影响的措施

• 缩小人工智能对就业的替代效应。一方面需要激发企业家的冒险精神和开拓精神,结合企业家个人特质及灵敏嗅觉,突破现有技术的桎梏,在已有基础上围绕技术进步主动提供中高端产品和服务的供给,通过延长产业链、提升产品附加值、丰富产品类型以及开拓新领域等方法,增加就业岗位和提升就业层级；另一方面需要提高劳动者综合素质能力,通过建立健全职业教育体系,开展前瞻性的职业技能培训,以适应人工智能不断发展的要求,以增强自身工作的不可替代性。

• 促进人工智能与劳动力市场的均衡发展。在人工智能发展的过程中需要从供给和需求两端共同发挥作用,实现即扩大创造效应又削弱替代效应的突破,实现人工智能发展中的劳动力市场需求平衡。实现人工智能发展下的劳动力市场供需平衡,弱化结构性失业的影响,应与产业结构调整、新兴产业发展、技术创新、劳动力结构变化以及国家发展战略相结合。

• 鼓励和引导技术创新。技术进步是促进新兴产业快速发展的内驱动力。因此在新兴产业发展的过程中一方面需要加强共性技术机构和科技基础设施的建设,鼓励和引导技术创新；另一方面需要构建多层次人才培养体系,重点培育和挖掘高级技能工人,并对一般产业工人的通用技能进行提升,同时实现企业、职业技术学校、研究型高校和机构以及改革服务机构的有机协调发展。

• 完善产业区域协调发展机制。注重我国经济、人文以及自然环境的区域差异,在结合不同区域已有发展基础上鼓励优化新兴产业发展环境,通过地区间的错位发展和多元创新,形成差异化发展格局,实现区域优势互补和协同发展,并通过区域间协同发展以探索我国产业结构调整的路径和方向。

• 积极应对人口老龄化。在人工智能等新一代技术革命背景下,在实现经济转型增长的过程中不仅需要将“人口红利”向“人才红利”进行转换,还要充分运用老龄人口资源,激发老龄人口学习和再就业的意愿,并健全保障措施帮助老龄人口为经济发展发挥余热。

第5章人工智能与财务管理

1. 当企业的财务管理高度智能化时，财务管理将迈入另一个全新的阶段，实现更高的价值目标，这是我们所期望看到的。
2. 财务管理模式识别。财务管理模式是指一种对企业繁琐复杂的数据信息归类分析的系统，对于人工智能来说，数据信息的分类是普遍功能，而在企业的财务管理中，这种功能却起到非常重要的作用。在实际应用中，财务管理模式有两种不同的类别：一是统计财务管理模式，主要表现方式是运用向量来代表每一个特定的数据信息，这样不仅可以提高识别数据信息的效率，同时也不易产生差错；另一种是模糊财务管理模式，主要通过在庞大的信息数据库中找出一个相对较为标准的评价指标，按照这个模糊的标准对新录入的信息数据进行分类统计。
3. 财务核算。传统财务会计对应收、应付往来核算要求公司每月手工处理成千上万条结算明细，再与发票匹配并进行核销，进而核实往来账款情况，为后续收款及向供应商付款提供依据，需要耗费数以千计的人工工时。如果使用了机器人，则完全可以取代人工操作，而且可以在非工作时间进行业务处理，差错率接近零，能极大地提升工作效率。
4. 财务分析。通过人工智能系统，可以对企业财务状况的生产经营等各个方面进行分析整理，将所收集和录入的信息系统分成不同板块进行数据整合。同时，在整个模型中，可以根据具体的数据进行改动。即使改动任何一个细微的数据信息，对整体多维空间立体性模型的变化也非常巨大。这样，相关人员根据通过人工智能计算所产生的数据，来分析制定相应的企业财务管理的措施，甚至可以在此模型中发现一些潜在的财务风险，进而通过有效的预警和防范，避免企业利益受到不必要的损失。
5. 对企业的经营进行预测。经营预测对企业来说是不可省略的重要环节。它主要通过总结上一阶段整个企业在发展中的财务状况，并且对下一阶段的企业财务管理进行规划。传统的企业经营预测都是通过人工录入的信息数据当作基本依据去总结，这会存在一定不稳定性，同时数据信息的精准性也有待考量。当人工智能在企业财务管理中注入了新鲜的血液时，企业的经营预测便开启了新篇章，它可以从多种角度进行对企业信息数据的全面收录，并且从企业的收入、支出成本、综合经营利润以及已经出现的一些企业负债等各个角度，进行全面的分析和预测。这是我们传统企业的经营预测所无法做到的，所以非常值得在今后企业的财务管理中所广泛投入使用。
6. 人工智能网络神经系统。目前，人工智能网络神经系统已经非常完善，在企业财务管理中得到了很好的应用，应用的范围也非常广泛，例如诊断财务的危机、对潜在的财务危机进行预警、有效地控制财务信息数据的质量问题，以及对一些隐性的财务信息数据的深度挖掘等等。所以，对于企业的财务管理来说，人工智能的网络神经系统是非常值得肯定和推广的。

第6章人工智能与我

AlphaGo的横空出世，李世石的黯然离场，深度学习在计算机领域的进步，绝对不是1+1=2的结局，也绝非1+1＞2，而是几何式乃至超几何式的增长。我与李开复一样，都有一个疑问:人们预测计算机至少需要二十年才能完成的事情，在计算机堪称恐怖的深度学习能力下或许两年乃至更短就可以完成，那么，人类为此做好准备了吗？那么，未来是否有一天，计算机发展到人类无法探知的领域，乃至产生自我思维？三大定律是否有效？深度学习终将改变一切！
时代留给我们的时间不多了，在时代的巨轮上，适用于达尔文的"物竞天择，适者生存"，刘慈欣的黑暗森林法则可不止适应宇宙文明！
失业势不可挡，但失业之后，势必也会诞生出一系列新时代下的岗位，就如工业革命下的马夫车夫变成了现在的司机，信息革命下的交易所股票信息录入员变成了现在的股票销售员……时代在发展，社会在进步，而我们，在见证历史！
人工智能，我认为更多的是在为大众传递一种信息，那就是人工智能来了！
AI时代的到来带给我们的不仅是机遇，还有挑战。首先，对于新技术的影响和发展要有充分的敏感性。其次，只有通过不断地学习，提高自己的认知能力，才能够对当下和未来的事物有比较清晰的认知，并且在适当的时候做出正确的选择。实际上，不断地学习是给自己未来留更多的选择余地。要有意识地提高自己的创新意识和创新能力，依照智能社会的分工，创新劳动将会占据主导地位。AI时代的到来，将会给我们的社会分工、习惯和文化等各个方面带来巨大的改变。另外，要积极地拥抱人工智能，充分认识到自身职业的特点或者职业规划与AI的关系，积极地使用AI提升岗位价值。
改变与否，全在自己！

来源：CSDN

作者：中意你a

链接：https://blog.csdn.net/qq_41328195/article/details/103465722