時間：2023-06-30 09:27:44
序論：速發表網結合其深厚的文秘經驗，特別為您篩選了11篇人工智能的投資邏輯范文。如果您需要更多原創資料，歡迎隨時與我們的客服老師聯系，希望您能從中汲取靈感和知識！
二、人工智能控制器的好處
對于不一樣的人工智能控制，必須采用不一樣的措施來分析。然而部分人工智能控制器，比如：遺傳算法、神經、模糊與模糊神經全部為一類不是線性的函數近似器。使用以上區分的方法有益做整體的分析，而且能夠有利于為控制方案做整體性的研究。上面提到的人工智能函數近似器擁有普通的函數近似器而沒有的好處。第一，大部分情形下，準確地知道控制物體的動態方程是相當繁雜的，所以控制器規劃現實控制物體的模板的時候，常常能夠出現許多無法預料的原因，比如參數改變和非線性時等，這些往往不能夠掌控。但是人工智能控制器規劃時能夠無需控制物體的模板。按照降下的時間與回復的時間不一樣，人工智能控制器經過一定的調節能夠加強本身的功能。比如從降下的時間角度分析，模糊邏輯控制器優于PID控制器的四倍；從升起的時間角度分析，模糊邏輯控制器優于PID控制器的兩倍。和傳統的控制器比較，人工智能控制器擁有容易調整的特點。雖然沒有專業人員的實時引導，人工智能控制器也可以采用回復數據以實施規劃。還能夠經過使用語言和有關信息等形式實施規劃。人工智能控制擁有非常大的同一性，鍵入以前沒有見過的數據便可以出現非常高的數值，能夠減少驅動器給其造成的不良反應。針對一些控制物體，即使現在未使用人工智能控制器也能夠有非常好的影響，然而針對別的控制物體，并不確定是否有類似的非常好的影響，所以對于規劃需要根據實際問題制定具體的解決方案。對于模糊化與反模糊化，假如使用適應模糊神經控制器與隸屬函數，可以準確地實施定期核實。對于完成此成果的多種方案里面，唯有經過體系工藝的應用才可以獲得固定的數值，加上簡便的拓撲組構，可以達到非?？斓淖詫W程度。
三、人工智能于電氣自動化里的應用
人工智能探究的重要目的是讓機器可以完成部分一般要人類智能勝任的繁雜任務，電氣自動化為分析和電氣工程相關的體系運作。人工智能的組成部分包含邏輯推導、定理證明、機器人學、專家體系、自然語言理解，人工智能的使用表現在問題解答、自動程序規劃、行為功能、思維功能與感知功能等。但是以上方面全部表現了自動化的特點，傳達了同一個主旨內容，那就是加強機械人們意識功能，提高控制自動化。所以人工智能對于電氣自動化行業將會起到非常重要的作用，電氣自動化控制同時也需要人工智能的加入。由于人工智能技術進步地越來越快，許多科研工作者開展了對于人工智能在電氣工程自動化控制中的探討，比如：怎樣把人工智能體系使用到問題的判斷及預料、電氣產品規劃及愛護或控制等。從如何更好地規劃產品角度講，規劃電氣裝置是相當復雜的任務。需應用電器、電路、電機和磁場等多課程的專業知識，還需應用傳統規劃里的經驗。
“人工智能”（Artificial Intelligence）一詞最初是在1956年Dartmouth學會上提出的。人工智能是指研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。目前能夠用來研究人工智能的主要物質手段以及能夠實現人工智能技術的機器就是計算機，人工智能的發展歷史是和計算機科學與技術的發展史聯系在一起的。
2.人工智能的研究歷史
人工智能的發展也并不是一帆風順的，人工智能的研究經歷了以下幾個階段： 孕育階段：古希臘的亞里士多德，給出了形式邏輯的基本規律。英國的哲學家、自然科學家培根，系統地給出了歸納法。“知識就是力量”德國數學家、哲學家布萊尼茲。提出了關于數理邏輯的思想，把形式邏輯符號化，從而能對人的思維進行運 算和推理。做出了能做四則運算的手搖計算機英國數學家、邏輯學家布爾實現了布萊尼茨的思維符號化和數學化的思想，提出了一種嶄新的代數系統——布爾代數。
第一階段： 50 年代人工智能的興起和冷落人工智能概念首次提出后，相繼出現了一批顯著的成果，如機器定理證明、跳棋程序、通用問題求解程序LISP表處理語言等。但由于消解法推理能力的有限，以及機器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。
第二階段： 60 年代末到70 年代，專家系統出現，使人工智能研究出現新DENDRAL 化學質譜分析系統、MYCIN 疾病診斷和治療系統、PROSPECTIOR 探礦系統、Hearsay-II 語音理解系統等專家系統的研究和開發，將人工智能引向了實用化。并且，1969 年成立了國際人工智能聯合會議。
第三階段： 80 年代，隨著第五代計算機的研制，人工智能得到了很大發展日本1982 年開始了“第五代計算機研制計劃”，即“知識信息處理計算機系統K I P S”，其目的是使邏輯推理達到數值運算那么快。雖然此計劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。
第四階段： 80 年代末，神經網絡飛速發展1987 年，美國召開第一次神經網絡國際會議，宣告了這一新學科的誕生。此后，各國在神經網絡方面的投資逐漸增加，神經網絡迅速發展起來。 第五階段： 90 年代，人工智能出現新的研究由于網絡技術特別是國際互連網技術的發展，人工智能開始由單個智能主體研究轉向基于網絡環境下的分布式人工智能研究。不僅研究基于同一目標的分布式問題求解，而且研究多個智能主體的多目標問題求解，將人工智能更面向實用。另外，由于Hopfield多層神經網絡模型的提出，使人工神經網絡研究與應用出現了欣欣向榮的景象。人工智能已深入到社會生活的各個領域。
3. 人工智能的發展方向
3.1人工智能的研究新課題。人工智能的長遠目標是要創造人類智能的機器，用機器模擬人類的智能。這是一個十分漫長的過程，人工智能研究者將通過多種途徑、從不同的研究課題入手進行探索。 在近期，有幾方面的研究課題可供選擇：更完善更新的人工智能理論框架；自動或半自動的知識獲取工具；能實現海量高速存儲并具有學習功能的聯想知識庫；新型推理機制和推理機；分布式人工智能與協同式專家系統；智能控制與智能管理；智能機器人；人工智能機；新一代的電腦模型。因為人工智能的研究領域十分廣闊，它總的來說是面向應用的，主要研究領域有專家系統，有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。其發展可以歸納為：人機融合、機器智能、智能機器。
3.2人機融合。人工智能的近期研究目標在于建造智能計算機，用以代替人類從事腦力勞動，即使現有的計算機更聰明更有用。正是根據這一近期研究目標，我們才把人工智能理解為計算機科學的一個分支。人工智能還有它的遠期研究目標，即探究人類智能和機器智能的基本原理，研究用自動機（automata）模擬人類的思維過程和智能行為。這個長期目標遠遠超出計算機科學的范疇，幾乎涉及自然科學和社會科學的所有學科。在重新闡述我們的歷史知識的過程中，哲學家、科學家和人工智能學家有機會努力解決知識的模糊性以及消除知識的不一致性。這種努力的結果，可能導致知識的某些改善，以便能夠比較容易地推斷出令人感興趣的新的真理。
機器超越人已不再遙遠
從識別、感知、認知，到做決策、反饋，人工智能在過去五年有非常大的進步。博弈的例子有AlphaGO，感知的例子有微軟小冰，決策的例子有Google Gmail的自動回復。
我在30多年前就做人工智能，可惜，無論對弈、語音識別、自然語言理解都沒有生逢其時。因為當時機器不夠快，數據不夠多，算法不夠先進。但是今天，它們夠先進了。
機器學習最重要的一個突破是深度學習。深度學習，就是用非常大的神經元，用巨量的數據充進去訓練。它可以在識別、分類或者預測方面，遠遠超過任何過去的算法。這個學習的算法特別適合巨大的數據量。
什么情況才能用人工智能？人工智能不是萬能的，但滿足以下條件，人工智能絕對可以做出特別有價值的產品：千萬級別的海量數據；頂尖的科學家；非常清晰領域的邊界；非常好的標注；非常多的計算量。
很多人說人工智能好遙遠。其實不是，百度、淘寶、滴滴的背后都是一個人工智能引擎。一些過去認為比較遙遠的，如圖像識別、語音識別的比賽，機器已經超越人了。
人工智能的應用領域
一個創業公司的用戶達到了千萬級別的時候，肯定需要人工智能引擎。因為系統需要做一些判斷和推薦：推薦什么商品給用戶，該放什么樣的廣告。所以，做人工智能創業的，最好是已經有互聯網數據的公司。
當然，還有很多公司是沒有互聯網數據的，這些公司也能創造價值。
哪些領域會最先呢？一定是數據最大、最快能產生價值的領域。如金融領域：銀行、保險、券商、智能投庫、AI量化基金，是最快能產生價值的。
哪些是對人類最有意義的？一定是醫療領域。癌癥的檢測、切片，基因個性化的治療。
最大的一個領域應該是無人駕駛。當電動車、共享經濟、無人駕駛三件事情同時發生的時候，人類經濟會產生最大的提升和改變。以后我們出去打車，應該是隨叫隨到，人都不需要買車了，停車場也不需要了，路上的車也變少了，空氣也變好了，這些都是一些會發生的很好的“副作用”。
最厲害的AI公司將是Google。當Google搜索里面的引擎被提煉出來成為一個Google大腦的時候，用在互聯網領域就變成了Gmail的自動回復，變成了Google的搜索和廣告；用在汽車領域就是GoogleCar；用在人的健康領域就成了GoogleHealth；用在圍棋上就是AlphaGO。
百度大腦也是一個類似的項目。每個偉大的互聯網公司都應該考慮：擁有大數據是不是也應該像Google一樣，用更多的深度學習創造商業價值？
中國有特殊機會
當你要做人工智能的時候，我有幾個建議：要有特別大的數據，最好是閉環的，只有你有，別人沒有；要買很多機器，尤其考慮GPU；要有經驗豐富的深度學習專家；最后要把年輕人訓練起來。
為什么特別提到訓練年輕人呢？因為一個優秀的數學和計算機專業畢業生，培訓6個月就可以做人工智能工程師了。
因此，最領先的人工智能國家，當然是技術最領先的、論文最領先的、應用最領先的，而且也是年輕人最上進、最努力、最勤奮的國家。
中國有一些很特殊的機會。中國教育特別重視優秀的理工、數學底子，世界上的人工智能論文43%都是中國人寫的。中國傳統企業比美國落后，但這表示人工智能注入進去就會產生很大價值。在座每一個潛在的獨角獸公司和快到獨角獸的公司，如美圖、知乎、BRPK，都在快速的招人工智能專家，幫他們提升價值。美國領先的公司，無論是Google、坦斯福羅，還是微軟、CNTK、Facebook，在中國都很難本土化，這都是中國公司的機會。
人工智能時代的投資藍圖
創新工場在人工智能時代的投資藍圖包括以下幾個方面。
大數據公司。誰有大數據，我們就可以做人工智能。
R別。語音、手勢、人臉等識別會有很大的突破，但是自然語言的理解，即語義方面的突破，可能還需要5-10年。
傳感器。傳感器現在很貴， Google做輛車要幾十萬美元，但我深信三年以后價格就會降下來。所以，我們更愿意投資那些現在看起來很貴，但一旦量產價格就會降下來的公司。
家庭機器人。家庭機器人長的像人的，恐怕還需要近十年的時間。但是，一些智能音箱、工業商業的應用，可以快速發展起來。
無人駕駛。無人駕駛一定是先開始輔助人駕駛，然后人來輔助機器，最后才能達到全天候的駕駛。
我們投資的人工智能項目，比較著名的是FACE++，還有地平線機器人、小魚在家、金融界的人工智能第四范式，以及玉石科技的無人車，它已經開始在園區里面上路測試了，連駕駛盤都沒有，所以完全是無人駕駛的工作。
我們深信，十年以后回顧人類歷史，人工智能不只是一個創業的機會，也絕不僅是一個移動互聯網之后最好的創業機會，而會被認為是人類有史以來最好的創業、創新機會，對人類有潛在的巨大改變，對人類生活有最大提升的一種技術。（本文摘自李開復12月6日在WISE-2016獨角獸大會上的演講，有刪改，標題為編者所加，未經本人確認。）
一周視點
李開新
360手機執行副總裁2017年不折騰
作為初創企業和新品牌，穩和好要比高和快更重要。天道酬勤，只要不折騰，有正確的方向和明確的定位，企業總歸會成功的。
12月5日，360手機新掌門李開新接受媒體采訪時表示，2017年的思路是穩健運營，不折騰，不去做一夜暴富的夢，認認真真專心做手機。
古永鏘
優酷創始人、阿里文娛戰略投資主席融合、鏈接是未來關鍵
用兩個詞來形容我看到的未來：融合和鏈接。搶用戶、圈地這種邏輯在新的十年越來越難，但如何使融合和鏈接產生增值是企業需要考慮的關鍵。
12月6日，古永鏘在WISE-2016獨角獸大會演講中說，未來是融合的時代，也是全球互聯網的時代。文化娛樂將是一個重要風口，產生很多創業機會。
唐沐
2013年，依圖科技拿到了真格基金百萬美元的天使投資。2015年和2016年，依圖科技先后完成A輪、B輪融資，估值數千萬美元，成為業界最被看好的計算機視覺創業公司之一。
創業四年，甘苦嘗盡。朱瓏的技術優勢顯而易見，要面對的難題也不少：沒有商科背景，是否會讓他在管理上左支右絀？在人工智能這樣的前沿領域，沒有現成的商業模式可供借鑒，他該如何取舍公司的業務方向？
8月，趁朱瓏在北京出差之際，《時間線》對他進行了專訪，聽朱瓏講述行走在中國科技產業浪潮之巔的故事。
《時間線》：2012年你創業的時候，國內人工智能市場是怎樣的？
朱瓏：當時大家對人工智能的未來不像今天這樣有信心，資本對這個圈子的熱度也遠不如今天。并不是說你來自MIT就很容易拿到投資。我認為2012年是技術類創業的標桿性的一年，此后，創投圈開始從“資金密集型”和“資源密集型”轉向“智慧密集型”。
《時間線》：如你所說，當時資本圈對AI并不像今天這樣抱有信心，依圖拿到真格基金百萬美元的天使投資，經歷了怎樣的過程？
朱瓏：在紅杉資本中國基金副總裁吳瑩的介紹下，我和我的合伙人林晨曦與真格基金的創始人徐小平先生在他的家中見面，交流了十幾個小時。當時，徐老師對人工智能技術并不十分了解，但非常看好我們的團隊和AI的未來，提出給依圖兩百萬美元的投資，這筆資金動用了當時真格基金總額的7%，我認為徐小平老師是個非常有魄力的投資人。
《時間線》：你們的很多項目都是與政府部門合作的，一家創業公司是如何取得政府的信任的？
朱瓏：我回國之后動用了自己在國內所有的人際關系，最終獲得了在某個公安系統會議的茶歇時間與一名負責人交流3分鐘的機會。經過一番爭取，他愿意讓我嘗試計算機車輛識別系統，當時計算機的車輛自動識別準確率不到30%，對方希望提升到70%。接到任務兩個月后，我們做出了一套車輛識別系統，識別準確率達到了90%，獲得公司成立后的第一單業務。
由此開始，我們與公安系統開始了長期緊密合作，將人臉識別技術應用于追逃、刑偵、監控等方 面。
《時間線》：人臉識別技術具體可以如何應用到公安系統的工作中？
朱瓏：我們曾協助蘇州公安完成一起追逃任務，公安用全國在逃庫的26萬人與常住及暫住人口庫中的1300萬人進行比對，通過人臉識別的捕捉，系統共預警25人。經過人工甄別，最終確定了17人為嫌疑人，其中9人已撤銷，最后現場捕獲了3人。這是過去單靠警力無法做到的事情，現在人工智能技術可以幫助我們實現。此外，人臉識別技術還可以應用到金融等其他行業。
《時間線》：從創業到現在，人工智能市場經歷了怎樣的變化？
朱瓏：今年的前三、四個月，比過去一年的變化還大。很多投資人的邏輯是“我就要投資人工智能，一定要進來參與這個領域?！?/p>
《時間線》：在人工智能大熱的今天，可能會有一些投機主義的公司涌現，這是否會成為你的困擾？
朱瓏：肯定有，這很正常。有一些公司不見得會涉及智能的那些部分，只是包裝一個概念，但時間會自動篩選出真偽，有實力的公司很稀缺，團隊會更加值錢。
為杭州打造“城市數據大腦”
今年9月，全球矚目的G20峰會將在杭州召開，杭州市委市政府聯合眾多公司，在阿里云的牽頭下開展了一個名為“城市數據大腦”的城市交通規劃項目，借此盛會展現大數據在城市管理中的作用，依圖公司參與其中，提供車輛識別及大數據相關技術。首次涉通領域，對于依圖來說是一個新的挑戰。
《時間線》：“城市數據大腦”項目中，依圖進行了哪些方面的技術支持？
朱瓏：我們對城市中車輛的行駛路徑等數據進行收集、分析，對車、道路、紅綠燈的信息進行建模。在建模的基礎上對政府的交通管理者給予建議和優化方法，比如紅綠燈的改進措施，道路的修繕方案。我們希望通過解決城市交通這類世界級難題，讓人工智能使我們的生活更加輕松便捷。
《時間線》：這個項目的難點在哪里？
朱瓏：從技術層面來講，交通管理是一個非常新的領域，世界上頂級機構對這一領域的研究也處于原始階段，現有的學術界的模型、數據體量無法滿足模型精度的需求。要完成這個項目，我們還要做很多新的研究。從操作層面來講，我們的工作要跨越政府的不同部門，把這些數據整合到一起。
《時間線》：大數據對人工智能技術有重要作用，你們如何建立自己的數據庫？
朱瓏：最樸素的辦法就是一點一滴積累，比如車輛數據，我們自己去路上拍了很多，慢慢地數據就積累起來了。在和客戶合作的過程中，客戶也會提供一些數據。
《時間線》：現階段在中國進行技術創業，難點在哪里？
朱瓏：從創業環境來看，我們沒有完善的反壟斷機制，也就是說大公司還是可以跟你競爭的；但在美國，這不一定行得通。而且中國的知識版權的保護尚為薄弱，小公司抄襲的情況比較多。
此外，探索出好的商業模式是非常困難的。依圖成立四年，經歷了很多探索，我們一直在扎實地做垂直領域，包括公安、金融等領域。我始終在問自己：人工智能的賣點是什么？
AI最大的考驗是商業模式的創新
2016年初，一場人機大戰成為全民熱點。人工智能的概念從科技圈走向大眾，做了一次生動的市場教育。影響迅速蔓延到二級市場，人工智能概念股迅速飆升，中國興起一波人工智能創業熱潮。創業四年，朱瓏目睹了人工智能產業的變遷，他有著怎樣的體會？作為一個創業者，他如何看待這個產業的未來
《時間線》：現在依圖在技術研發和商業方面的比率大概是什么樣的？
朱瓏：超過50%都是技術團隊，我們的核心優勢是對技術的理解能力。有了技術作為基礎，擴張的成本會變得很低。
《時間線》：作為學者型創業者，商業背景的匱乏會不會成為你的瓶頸？
朱瓏：創業四年，這個部分的知識我補充了很多。商業知識是不斷學習的過程，今天學到的商業經驗不一定能解決明天的問題。換句話說，有商科背景不一定比我更有能力解決未來將面對的問題。創業本身就是個不確定的探索過程。
《時間線》：如何看待技術與商業化的平衡？
消息公布之后，伊隆?馬斯克在Twitter上評論騰訊投資特斯拉的舉動，稱“非常高興騰訊成為特斯拉的投資人和顧問”。不過，騰訊此次獲得的5%的股份為被動股權。按照美國證監會的規定，被動股權的持有者不能參與公司的具體運營決策，只能通過買賣股票獲得投資收益。
此前，在2月底，因為擔憂特斯拉Model 3車型今年生產時間可能推遲，以及預計該公司將出售股權募集17億美元資金，高盛分析師David Tamberrino將特斯拉股票評級從“中性”下調至“賣出”。
那么，騰訊為什么會選擇大手筆投資特斯拉呢？
財務投資 即使僅僅將其視作財務投資行為，騰訊這次買入特斯拉的股票也已經賺翻了。以美國證監會披露的交易數據計算，騰訊購入特斯拉股票的平均價格為217.69美元。截至4月3日收盤，特斯拉的股價漲到了298.52美元，也就是說這筆投資的市值已經上漲了37%。此前已有的多個交易案例也表明，騰訊絕對是個精明的投資者。
汽車業務 雖然目前僅限于持有被動股權，但特斯拉顯然與騰訊在新能源汽車上的戰略是一致的。此前騰訊一直積極投入新能源汽車，包括與富士康及和諧汽車共同成立了和諧富騰（2017年2月拆分為兩個項目，豪華電動汽車Future Mobility Corp和新能源汽車企業愛馳億維），以及以早期投資者的身份入股了蔚來汽車。騰訊擁有互聯網汽車最重要的兩部分軟資產，地圖和應用。對于特斯拉來說，中國市場的拓展也可以借助騰訊的這些相關資源。
人工智能 人工智能已經成了所有大公司難以回避的戰略方向，此前落后于競爭對手的騰訊最近明顯加大了這方面的投入和布局。就在宣布入股特斯拉之前的幾天，騰訊宣布人工智能領域科學家張潼成為騰訊AI Lab（騰訊人工智能實驗室）主任。自動駕駛可能是人工智能最接近現實的應用之一，而特斯拉在這方面有著最龐大的用戶群和最深厚的技術積累。這些都有助于騰訊增強自身在人工智能領域的實際經驗。
作為國內市值最高的互聯網公司，目前騰訊的市值超過2700億美元。同時其業績還在不斷增長，2016年的財報顯示，公司全年營收1519.38億元，同比增L48%，凈利潤414.47億元，同比增長42%。
1.1機械電子工程的發展史
20世紀是科學發展最輝煌的時期，各類學科相互滲透、相輔相成，機械電子工程學科也在這一時期應運而生，它是由機械工程與電子工程、信息工程、智能技術、管理技術相結合而成的新的理論體系和發展領域。隨著科學技術的不斷發展，機械電子工程也變的日益復雜。
機械電子工程的發展可以分為3個階段：第一階段是以手工加工為主要生產力的萌芽階段，這一時期生產力低下，人力資源的匱乏嚴重制約了生產力的發展，科學家們不得不窮極思變，引導了機械工業的發展。第二階段則是以流水線生產為標志的標準件生產階段，這種生產模式極大程度上提高了生產力，大批量的生產開始涌現，但是由于對標準件的要求較高，導致生產缺乏靈活性，不能適應不斷變化的社會需求。第三階段就是現在我們常見的現代機械電子產業階段，現代社會生活節奏快，亟需靈活性強、適應性強、轉產周期短、產品質量高的高科技生產方式，而以機械電子工程為核心的柔性制造系統正是這一階段的產物。柔性制造系統由加工、物流、信息流三大系統組合而成，可以在加工自動化的基礎之上實現物料流和信息流的自動化。
1.2機械電子工程的特點
機械電子工程是機械工程與電子技術的有效結合，兩者之間不僅有物理上的動力連結，還有功能上的信息連結，并且還包含了能夠智能化的處理所有機械電子信息的計算機系統。機械電子工程與傳統的機械工程相比具有其獨特的特點：
1)設計上的不同。機械電子工程并非是一門獨立學科，而是一種包含有各類學科精華的綜合性學科。在設計時，以機械工程、電子工程和計算機技術為核心的機械電子工程會依據系統配置和目標的不同結合其他技術，如：管理技術、生產加工技術、制造技術等。工程師在設計時將利用自頂向下的策略使得各模塊緊密結合，以完成設計；2)產品特征不同。機械電子產品的結構相對簡單，沒有過多的運動部件或元件。它的內部結構極為復雜，但卻縮小了物理體積，拋棄了傳統的笨重型機械面貌，但卻提高了產品性能。
機械電子工程的未來屬于那些懂得運用各種先進的科學技術優化機械工程與電子技術之間聯系的人，在實際應用當中，優化兩者之間的聯系代表了生產力的革新，人工智能的發展使得這一想法變成可能。
2人工智能
2.1人工智能的定義
人工智能是一門綜合了控制論、信息論、計算機科學、神經生理學、心理學、語言學、哲學等多門學科的交叉學科，是21世紀最偉大的三大學科之一。尼爾遜教授將人工智能定義為：人工智能是關于怎樣表示知識和怎樣獲得知識并使用知識的科學。溫斯頓教授則認為：人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。至今為止，人工智能仍沒有一個統一的定義，筆者認為，人工智能是研究通過計算機延伸、擴展、模擬人的智能的一門科學技術。
2.2人工智能的發展史
2.2.1萌芽階段
17世紀的法國科學家B.Pascal發明了世界上第一部能進行機械加法的計算器轟動世界，從此之后，世界各國的科學家們開始熱衷于完善這一計算器，直到馮諾依曼發明第一臺計算機。人工智能在這一時期發展緩慢，但是卻積累了豐富的實踐經驗，為下一階段的發展奠定了堅實的基礎。
2.2.2第一個發展階段
在1956年舉辦的“侃談會”上，美國人第一次使用了“人工智能”這一術語，從而引領了人工智能第一個興旺發展時期。這一階段的人工智能主要以翻譯、證明、博弈等為主要研究任務，取得了一系列的科技成就，LISP語言就是這一階段的佼佼者。人工智能在這一階段的飛速發展使人們相信只要通過科學研究就可以總結人類的邏輯思維方式并創造一個萬能的機器進行模仿。
2.2.3挫折階段
60年代中至70年代初期，當人們深入研究人工智能的工作機理后卻發現，用機器模仿人類的思維是一件非常困難的事，許多科學發現并未逃離出簡單映射的方法，更無邏輯思維可言。但是，仍有許多科學家前赴后繼的進行著科學創新，在自然語言理解、計算機視覺、機器人、專家系統等方面取得了卓爾有效的成就。1972年，法國科學家發現了Prolog語言，成為繼LISP語言之后的最主要的人工智能語言。
2.2.4第二個發展階段
以1977年第五屆國際人工智能聯合會議為轉折點，人工智能進入到以知識為基礎的發展階段，知識工程很快滲透于人工智能的各個領域，并促使人工智能走向實際應用。不久之后，人工智能在商業化道路上取得了卓越的成就，展示出了頑強的生命力與廣闊的應用前景，在不確定推理、分布式人工智能、常識性知識表示方式等關鍵性技術問題和專家系統、計算機視覺、自然語言理解、智能機器人等實際應用問題上取得了長足的發展。
2.2.5平穩發展階段
由于國際互聯網技術的普及，人工智能逐漸由單個主體向分布式主體方向發展，直到今天，人工智能已經演變的復雜而實用，可以面向多個智能主體的多個目標進行求解。
3人工智能在機械電子工程中的應用
物質和信息是人類社會發展的最根源的兩大因素，在人類社會初期，由于生產力水平低，人類社會以物質為首要基礎，僅靠“結繩記事”的方法傳遞信息，但隨著社會生產力的不斷發展，信息的重要性不斷被人們發現，文字成為傳遞信息最理想的途徑，最近五十年間，網絡的普及給信息傳遞帶來了新的生命，人類進入到了信息社會，而信息社會的發展離不開人工智能技術的發展。不論是模型的建立與控制，還是故障診斷，人工智能在機械電子工程當中都起著處理信息的作用。
由于機械電子系統與生倶來的不穩定性，描述機械電子系統的輸入與輸出關系就變得困難重重，傳統上的描述方法有以下幾種：1)推導數學方程的方法；2)建設規則庫的方法；3)學習并生成知識的方法。傳統的解析數學的方法嚴密、精確，但是只能適用于相對簡單的系統，如線性定常系統，對于那些復雜的系統由于無法給出數學解析式，就只能通過操作來完成?，F代社會所需求的系統日益復雜，經常會同時處理幾種不同類型的信息，如傳感器所傳遞的數字信息和專家的語言信息。由于人工智能處理信息時的不確定性、復雜性，以知識為基礎的人工智能信息處理方式成為解析數學方式的替代手段。
通過人工智能建立的系統一般使用兩類方法：神經網絡系統和模糊推理系統。神經網絡系統可以模擬人腦的結構，分析數字信號并給出參考數值；而模糊推理系統是通過模擬人腦的功能來分析語言信號。兩者在處理輸入輸出的關系上有相同之處也有不同之處，相同之處是：兩者都通過網絡結構的形式以任意精度逼近一個連續函數；不同之處是：神經網絡系統物理意義不明確，而模糊推理系統有明確的物理意義；神經網絡系統運用點到點的映射方式，而模糊推理系統運用域到域的映射方式；神經網絡系統以分布式的方式儲存信息，而模糊推理系統則以規則的方式儲存信息；神經網絡系統輸入時由于每個神經元之間都有固定聯系，計算量大，而模糊推理系統由于連接不固定，計算量較小；神經網絡系統輸入輸出時精度較高，呈光滑曲面，而模糊推理系統精度較低，呈臺階狀。
隨著社會的不斷發展，單純的一種人工智能方法已經不能滿足日益增長的社會需要，許多科學家開始研究綜合性的人工智能系統。綜合性的人工智能系統采用神經網絡系統與模糊推理系統相結合的方法，取長補短，以獲得更全面的描述方式，模糊神經網絡系統便是一成功范例。模糊神經網絡系統做到了兩者功能的最大融合，使信息在網絡各層當中找到一個最適合的完全表達空間。邏輯推理規則能夠對增強節點函數，為神經網絡系統提供函數連結，使兩者的功能達到最大化。
(訊)計算機投資策略不變，持續關注有卡位、有格局的AI龍頭及云應用、互金等各細分子板塊龍頭:上周大盤略微下降，計算機板塊大跌5個點。與上周策略觀點保持相同，中短期我們仍然看好新興板塊反彈。薦股策略仍建議關注三個方向的邏輯:1.卡位優勢明顯，具有行業格局的標的;2.前沿科技發展，有望落地的標的;3.與國家政策高度相關，或因國家投資直接受益的標的。因此，我們建議關注AI板塊具有良好卡位優勢的四維圖新(002405);直接受益于第三次國土調查的GIS行業龍頭超圖軟件(300036);轉型云平臺服務商的建筑信息化--BIM龍頭廣聯達(002410);前期超跌的高成長低估值個股創意信息(300366);CID龍頭，布局ADAS的索菱股份(002766)。
上周大盤略微下跌，計算機板塊大跌5個點:上周大盤略微下跌，上證綜指略降0.35%，滬深300微漲0.15%，申萬計算機指數大跌5.14%。板塊估值(TTM)為64.8倍。漲幅居前的板塊有互聯網營銷(0.55%)，智能交通(-0.51%)，虛擬現實(-1.02%)，在線旅游(-1.04%)，智慧城市(-1.20%);跌幅較大的板塊有，在線教育(-6.26%)，區塊鏈(-5.76%)，移動互聯網入口(-5.61%)，網絡安全(-5.60%)，小程序(-4.54%)。海聯訊，維宏股份等領漲。
智能芯片，人工智能新時代的第一站。如上周的推薦邏輯，我們推薦持續關注AI行業，云服務商以及互金行業標的。AI板塊主要包括目前已經落地的語音識別相關領域應用和圖像識別的部分領域應用，以及明年或將落地的無人駕駛相關應用。隨著高清攝像頭的進一步普及和無人駕駛的逐漸落地，我們認為計算任務前移將成為人工智能產業發展的下一階段，而智能芯片作為計算任務的承載，將具有重大投資機會。所謂智能芯片，即將機器學習算法以硬件的方式實現，從而達到高性能、低功耗、高穩定、低延遲的目的。目前主流的智能芯片主要分為兩大陣營:以賽靈思為首的，完全可編程的FPGA以及以google的TPU、寒武紀的NPU為代表的，性能更高、能耗更低的ASIC芯片。麒麟970的，意味著移動端智能芯片時代被開啟，人工智能的發展進入了新時代，智能芯片或將在自動駕駛領域以及視頻處理領域得到進一步的普及與發展。推薦關注與無人駕駛及芯片相關的計算機標的四維圖新。
風險提示:相關個股季報或低于預期，相關行業政策推行不及預期的風險，小市值成長股交易量或持續收縮的風險等。（來源：西南證券 文/熊莉 常瀟雅 編選：中國電子商務研究中心）
一、引言
互聯網金融經歷了過去幾年的高速發展后，帶給了人們新的感受。隨著2016年4月12日，國務院印發《互聯網金融風險專項整治工作實施方案》以來，整個行業正在進行一次“價值回歸”，P2P等平臺類模式正在減少，靠著拼渠道、流量和高收益的紅利時代已經過去，精細化、差異化、技術化的運營和創新將是互聯網金融這個階段的主題，人工智能將在互聯網金融領域發揮越來越重要的作用。
一直以來，金融領域個性化的服務都是依賴于“人”的服務。但從2016年開始，機器正在嘗試取代人在財富管理服務中的位置，隨之而來的是智能投顧服務。舉個例子，在美國，券商、資管紛紛開始設立互聯網金融平臺，以互聯網財富管理類的服務為主，目的是捕獲更多中小投資者，在現有的證券業務體系之外培育新的增長點。貝萊德收購Future Advisor、Fiidelity與Betterment展開戰略合作、Vanguard推出自己的智能投顧服務、嘉維證券與宜信合作進入中國市場開展智能投顧服務。這樣的例子還有很多，這背后是傳統金融機構對技術所能產生的勢能的認可。國內的智能投顧玩家也很多。其中，宜信和品鈦這樣的在新興市場上已經相對成熟的公司已經推出了自己的智能投顧服務。此外，還有大量早期創業公司直接以此為方向，比如彌財、錢景財富、藍海財富等。
二、人工智能在互聯網金融領域的應用情況
（一）人工智能在互聯網金融領域應用的必然性
2016年以來央行、其他部委以及最高法院都了關于互聯網金融的指導意見，分別是《關于促進互聯網金融健康發展的指導意見》、《非銀行支付機構網絡支付業務管理辦法》以及《最高人民法院關于審理民間借貸案件適用法律若干問題的規定》。這些政策性文件的出臺，預示著這個行業在政策紅利和邊界較為模糊的情況下實現的業務的快速發展模式已經走到了盡頭。隨著后期監管文件的逐步下發，門檻的設立，要求的標準化，很多后來者已經喪失了最好的入局機會，而現有的穩健平臺，則迎來了最好的發展機遇。對于互聯網金融企業而言，要適應政府的監管，獲得客戶的支持，要取得自身的發展，只能依托于人工智能。長時間以來，人工智能在互聯網金融領域的應用及重要性被頻繁提及。近日，《中國互聯網金融發展報告（2016）》新書在京，該《報告》執行主編、中科金財董事長朱燁東表示，未來互聯網金融行業發展將逐漸走向正規、規范，移動支付的不可逆轉，大數據、云計算在互聯網金融的核心地位進一步加強，金融科技將成為未來互聯網金融發展的主要趨勢。
（二）人工智能極大提高了互聯網金融的效率
作為百業之母的金融行業，與整個社會存在巨大的交織網絡，沉淀了大量有用或者無用數據，包括各類金融交易、客戶信息、市場分析、風險控制、投資顧問等，數據級別都是海量單位。同時大量數據又是非結構化的形式存在，如客戶的身份證掃描件信息，既占據寶貴的儲存資源、存在重復存儲浪費，又無法轉成可分析數據以供分析。金融大數據的處理工作面臨極大挑戰。通過運用人工智能的深度學習系統，能夠有足夠多的數據供其進行學習，并不斷完善甚至能夠超過人類的知識回答能力，尤其在風險管理與交易這種對復雜數據的處理方面，人工智能的應用將大幅降低人力成本并提升金融風控及業務處理能力。
說到人工智能，不得不提的一定是AlphaGO，但是在互聯網金融領域，有一個比AlphaGO更加強勢的公司，這家公司的名字叫Kensho。這是以前高盛出來的分析師團隊，把整個高盛的經驗模擬，通過機器取代現在大量的人工，進行相應的投資、分析、決策。而且在信息，在互聯網傳播非?？斓臅r候，他們去除掉了大量的噪聲，回歸到這個事情的本質。很快高盛發現了這家公司的發展速度和未來價值，直接把它私有化，直接變成第一大股東，因為發現這中間帶來的差別是這個企業的核心競爭力。
Kensho公司的核心技術就是能在兩分鐘之內做出一份一份簡明的概覽，隨后是13份基于以往類似就業報告對投資情況的預測。而你根本就不需要去檢查這些數據分析，因為這些分析是基于來自十個數據庫的成千上萬條數據。如果沒有這些人工智能，分析師們可能要花上幾天的功夫收集梳理這些數據，而等他們分析完成后，市場的行情早瞬息萬變。
可見，人工智能的引入對于互聯網金融領域的效率提高是呈幾何式的，你很難想象也不敢相信這么一個事實：未來的投資大師們可能是一堆機器。
（三）人工智能將互聯網金融帶入智能金融時代
互聯網金融發展至今一共經歷了兩個階段：第一個階段是網絡金融，把現有的金融產品搬到互聯網上，互聯網上面現在賣基金、賣理財、賣信托、賣保險。第二個階段是大數據金融階段，通過數據重新去定義相應的金融產品和相應的金融服務。第三個階段正在萌芽，就是人工智能+互聯網金融的階段，網絡上有人稱之為智能金融時代。
從目前寧波當地的互聯網金融企業發展來看，目前還停留在“互聯網+金融”的模式：在傳統金融服務上進行疊加，將互聯網式思維、互聯網式管理、互聯網式數據融合進傳統金融服務，而這正是現在大部分互聯網金融服務提供商正在做的事情?！盎ヂ摼W+金融”的模式也正在讓金融進入“普惠金融”的階段，通過互聯網金融對傳統金融機構進行補充，讓更多的人平等的享受到金融服務。但是，“互聯網+金融”的模式下，信息安全、投資風控、資產調節等方面問題仍然存在，一定程度上說，互聯網增加了信息風險，也正是如此，摸索期的互聯網金融行業才會出現P2P跑路的現象，僅2015年，寧波當地的P2P公司跑路就多達9家之多。
人工智能是大趨勢，從阿爾法狗的表現以及人工智能在互聯網金融領域的運用來看，互聯網金融在人工智能的改造下將不再局限于“互聯網+金融”，而是逐漸向“互聯網+金融+大數據+人工智能”轉變。人工智能起到串聯起互聯網、金融、大數據，實現更加智能的精確計算的作用，實現大腦一般的思考，解決“互+金”模式下的諸多痛點。
從理財顧問、征信助手、智能風控系統、防范性金融系統這四個層面來看，整個互聯網金融領域正在朝著越來越“技術范兒”的方向上前進，金融智能化成為大勢所趨。智能金融的機器學習功能，讓產品背后的邏輯系統可以快速適應場景數據，建立合適的評分規則、決策體系，真正給現在的互聯網金融帶來顛覆性的變化。無論是消費金融領域還是風控層面上，互聯網金融在人工智能的配合下正在呈現出無與倫比的嶄新打法。這也正是阿爾法狗打敗李世石之后，給金融智能化帶來的全新想象。
（四）人工智能將顛覆互聯網金融時代的風控體系
匯總整個互聯網金融本質，其實存在兩個層次風險，一是道德風險，二是經營性風險。面對2016年不斷有“跑路”等負面消息縈繞的互聯網金融，去偽存真或成為首要任務。一些企業資金并沒有進入到實體業務，而是進入龐氏騙局，而去年出臺的監管意見征求稿，監管層管理方向還是較為清晰的，希望通過資金的有效監控，將企業資金與個人用戶之間的資金進行分離，規避風險。然而人力畢竟有限，不可能時刻緊盯住所有互聯網金融機構，這時引入人工智能監管就十分必要。
人工智能已經在無人駕駛、圖像處理、語音識別方面取得了突破性的應用，那互聯網金融領域呢？李開復老師曾談及人工智能應用的三個要素：數據、處理數據的能力和商業變現的場景。人工智能解決金融界問題的過程，很好的對應了這三個要素。也許，金融領域是人工智能最合適不過的顛覆場景。
在金融業務的前端，已經有不少傳統銀行將人工智能用于為客戶定制服務，開發理財產品的應用。例如巴克萊銀行和花旗銀行等。國內銀行中走在科技前列的招商銀行，也開始試用全新的人工智能業務模式。未來人工智能和機器學習技術在金融業前端會有更多的便捷精準服務提供給客戶。
那么金融應用領域的后端呢？信息安全、投資風控、資產管理等方面的問題成了新問題，對于躲在觸屏手機背后的客戶，缺失了央行數據的客戶，銀行沒有辦法通過一雙雙眼睛去看到用戶是謙謙君子還是騙子流氓。這個時候，金融后端，傳統金融風控手段覆蓋不到和難以觸及的，那么“互聯網+金融”業務就要結合更廣泛的互聯網數據和人工智能手段，來處理更廣泛的金融客戶問題。
（五）人工智能技術在金融領域應用案例
Google、IBM等國際巨頭公司已經將人工智能技術滲透在各種產品的方方面面，總體上看，國內金融行業也逐步開始應用人工智能技術，隨著國內雙創政策的推動和對人工智能產業的投資拉動，預計廣泛應用節點即將到來。
1.阿里巴巴旗下的螞蟻金服下設一個特殊的科學家團隊，專門從事機器學習與深度學習等人工智能領域的前沿研究，并在螞蟻金服的業務場景下進行一系列的創新和應用，包括互聯網小貸、保險、征信、智能投顧、客戶服務等多個領域。根據螞蟻金服公布數據，網商銀行的花唄與微貸業務上，使用機器學習把虛假交易率降低了近10倍，為支付寶的證件審核系統開發的基于深度學習的OCR系統，使證件校核時間從1天縮小到1秒，同時提升了30%的通過率。以智能客服為例，2016年“雙11”期間，螞蟻金服95%的遠程客戶服務已經由大數據智能機器人完成，同時實現了100%的自動語音識別。當用戶通過支付寶客戶端進入“我的客服”后，人工智能開始發揮作用，“我的客服”會自動“猜”出用戶可能會有疑問的幾個點供選擇，這里一部分是所有用戶常見的問題，更精準的是基于用戶使用的服務、時長、行為等變量抽取出的個性化疑問點；在交流中，則通過深度學習和語義分析等方式給出自動回答。問題識別模型的點擊準確率在過去的時間里大幅提升，在花唄等業務上，機器人問答準確率從67%提升到超過80%。
2.2015年，交通銀行推出智能網點機器人，并引發了金融銀行界的廣泛關注。它為實體機器人，采用語音識別和人臉識別技術，可以人機進行語音交流，還可以識別熟悉客戶，在網點進行客戶指引、介紹銀行的各類業務等。在語言交流過程中，它能回答客戶的各種問題，緩解等待辦理業務的銀行客戶潛在情緒，分擔大堂經理的工作，分流客戶，節省客戶辦理時間。
3.百度教育信貸實現“秒批”?！叭斯ぶ悄軐τ诮鹑谝矔a生變革性影響，可以真正做到讓征信升級”。6月8日，在2016百度聯盟峰會上，百度董事長兼首席執行官李彥宏特別提到人工智能正在重構包括金融在內的傳統產業。他特別強調，“現在百度的教育貸款，基本上是以‘秒’的時間可以決定是不是給一個人貸款。”李彥宏講到的百度教育信貸的“秒批”，其具體的操作程序非常簡單，用戶想要獲取百度消費信貸服務，只需在百度錢包APP“教育貸款”板塊上傳身份證，系統就能自動比對、確認用戶身份信息，并根據信用記錄判定用戶所需的服務類型或額度，不僅能實現遠程審批，審批時間更可縮短至“秒批”級別。秒批依靠的是百度以大數據和人工智能為基礎的嚴謹風控體系。借助“大數據+人工智能”技術，百度風控部門為有信貸需求的群體繪制用戶畫像，建立信用體系，加上圖像識別等人工智能技術的實際應用，構成了秒批的技術基礎。
21CBR：智能視頻目前是“人工智能+安防”的行業熱點，你在去年也提過類似觀點，這塊的市場存量有多大？
徐立：安防一直是國家大力發展的領域，也是十三五規劃的重點行業。從政府投入來看，今年也要投入2000-3000億。傳統安防領域的最大廠商，去年營業額在300多億。所以，這塊目前有足夠的市場空間。
今年的視頻業務和去年的人臉識別有些類似。去年，業內都在嘗試和落地人臉識別的具體應用，到今年進入相對成熟期，業務增長很快。今年，智能視頻業務也在各地展開試點，整體發展正處在一個大的行業機會點上。
視頻業務何時落地，核心問題在于明確產品的商用標準。工業界的一個標準紅線是評估產品是否超過所謂人眼的準確率，這也是人臉識別逐漸商用化的原因。但是視頻內容的分析和人相比效果上還有差距。目前全球每天有2.5億只安防攝像頭在記錄，視頻數據輸入達到一定規模，但在智能處理上還很欠缺，而核心算法的突破將成為最關鍵的落地因素之一。
21CBR：商湯切入安防領域有哪些布局，如何構建自己的智能視頻生態鏈？
徐立：商湯在安防領域的產品體系分為兩類：一類是成熟的業務系統，需要基于客戶方的具體業務邏輯進行設計，比如怎樣做多視頻協調，如何做人像處理等，代表產品是SenseFace人臉布控系統和SenseVideo視頻結構化系統，另一類是業務系統中的核心算法模塊，包括動靜態比對服務器、人群分析服務器和結構化服務器等，儆諳嘍員曜薊的產品。
舉例來說，我們在視頻結構化系統上做了很大突破。以往的視頻結構化系統只能通過身高、性別等屬性來查詢視頻信息，SenseVideo實現了自然語言的信息查詢。我們做了1.3萬人的案例測試，總共生成了9000多個自然語言構成的關鍵詞。對于辦案人員來說，通過自然語言來描述罪犯、完成案件信息的視頻檢索是更常見的業務邏輯，也比根據屬性搜索來得更加精準，未來將是一個新的業務形態。
目前商湯在安防市場相較領先，前十大安防廠商一半以上是我們客戶，商湯為其提供標準化模塊和業務子系統。同時，我們也在國內重點城市建立本地化業務。去年，商湯的智能視頻業務（Intelligent Video Analytics）已占公司整體業務的40%，今年這一勢頭依舊良好。
21CBR：比起發展客戶，商湯似乎更擅長行業聯盟，商湯的市場開拓邏輯怎樣的？
徐立：首先，無論賣什么產品，最后都要接觸到甲方。但是，我一直認為，B2B企業如果要起量、要規?；?，產品一定是相對標準化的。如果每次銷售的方案都是定制化服務，企業的ROI（投資回報率）就會比較低。相反，集成商則可以將商湯與電信方、施工方等等連接起來，在各地做出標桿性的項目，再用標準化的形式去鋪開。
這里的標準化不是一蹴而就的，而是來自產品和項目的逐次迭代。比如前面提到的比對服務器，再往上可能是一套帶著攝像頭的子系統，最后則是一整套的訓練部署平臺。通過深入行業、做細項目，商湯不斷把標準化的范圍擴大，并聚合客戶的需求從而形成共有需求，最終完成標準化產品的打磨過程。
因此，商湯一直把自己定位成一個技術公司，而不是集成商公司。商湯能做的是集中力量攻破核心算法和技術。這個技術不是單點的、閉門造車的技術，而是以打通上下游的客戶需求、構建產業鏈條來實現的。就像英特爾不直接向終端用戶銷售芯片，而是通過上下游的合作伙伴，比如主板廠商、主機廠商等實現筆記本電腦的銷售，但用戶仍然了解產品背后有英特爾領先的芯片技術，這也是商湯所追求的：做行業的賦能者。
21CBR：業界普遍在談AI同行業的深度結合，各家公司從技術表現來看也大致相當。對此你怎么看？
徐立：很多人覺得，深度學習已經形成開源生態，技術沒那么重要了，打通行業才是關鍵。這里面有一個重要前提：深度學習是否已經成熟、不會再變化了。然而，學術界目前有關深度學習的文章大部分都是工程實踐型的，新的實驗結果不斷前人做出的理論解釋，指導下一代工業級應用的技術原理有待被歸納總結，人工智能距離成熟的“黑盒”還差得很遠。
5月10日，暴風TV在京召開新品會，推出首款可實現遠場語音交互的人工智能電視X5 ECHO。同時，暴風TV還將與科大訊飛聯合成立人工智能服務實驗室。
值得注意的是，暴風集團公布的一季報顯示，其營業收入為4.5億元，同比增長136%，凈利潤為-1648萬元，同比下降585%。為何在收入快速增長的同時，凈利潤卻也快速下降？與科大訊飛成立的人工智能實驗室，將具體關注人工智能的哪些方面？目前，已有多家上市家電企業都在人工智能電視，暴風TV的智能電視與其有何區別？暴風TV又面臨著怎樣的機遇與挑戰？
帶著這些疑問，《投資者報》記者來到暴風TV新品會現場，并采訪到暴風集團CEO馮鑫，得到較為詳細的答復。
暴風TV尚處發展期
在收入越來越多的同時，凈利潤下滑幅度卻越來越大。這是暴風集團一季度的業績寫照。
根據暴風集團一季度數據顯示，其營業收入為4.5億元，同比增長136%，凈利潤為-1648萬元，同比下降585%。針對凈利潤虧損原因，暴風集團歸結于暴風TV目前的硬件尚處于發展時期，又處于市場擴張期，在此期間的營銷推廣費用增加所致。
具體營銷推廣費用增加了多少，目前尚o詳細數據。不過，該數據歸屬于銷售費用（包含職工薪酬、廣告費和市場開拓費），一季報的銷售費用為7961萬元，同比增長48%。
除了費用增加以外，暴風集團的營業成本也在不斷增加。一季報數據顯示，其營業成本為4.1億元，同比增長297%，其增速遠高于收入的增速。
另外今年一季度，暴風TV電視收入同比增長297%，銷量23.5萬臺，同比增長344%。其中線下銷量達到16萬臺，占總銷量的69%，同比增長323%，銷量增長的同時，第一季度平均獲客成本為321元，較上年平均獲客成本下降20%；ARPU值（每用戶平均收入）比同期增長374%。渠道方面，重點布局了線下渠道，截至一季度末，渠道建設達6000余家，并且在2017年目標擴充到10000家。
2016年投資者策略會上，馮鑫曾提到暴風TV將在2019年實現全面盈利。邏輯是基于獲客成本的下降和ARPU值的上升，2017年也在被定義為入軌階段。那么，目前暴風TV獲客成本和ARPU值情況如何？
馮鑫對此表示，當前ARPU值的變化不是特別大，ARPU值是向用戶收費，未有明確的變化。下一步ARPU值的上升，主要是源于新的廣告、電商、游戲發行等方面。
“針對獲客成本，一季度比去年平均下降了1/3，接近一半，已經下降的非常多?！瘪T鑫說。
談及獲客成本下降的原因，馮鑫稱，獲客成本主要取決于硬件的盈利情況和渠道、市場的費用。2016年上半年，互聯網電視競爭激烈、各企業均未提價，恰逢上游原材料電視面板大幅漲價，導致硬件銷售虧損。目前這一情況隨著行業整體的漲價已經改善。
布局人工智能
在此次新品會上，暴風TV提出要把電視變成能夠主動提供服務的家庭人工智能助手，這一思路的主要特點，是把電視變成“免遙控、遠講語音、隨時觸發和隨時待命”。用戶通過與暴風人工智能助手――暴風大耳朵的語音交互，可以實現無遙控器操控。
馮鑫認為，互聯網正在走向下半場，隨著人口和市場紅利消失，傳統入口飽和，總量高速增長的時代已經過去，挑戰的本質在于效率和創新能力。同互聯網下半場對應的是，人工智能電視正進入上半場。
暴風TVCEO劉耀平在會上表示，智能電視旨在解決用戶三個痛點：隨時觸發、多任務切換、個性化需求。他指出，此次與科大訊飛的合作，是基于暴風TV在產品創新、渠道和服務、開放內容架構等方面的優勢，以及科大訊飛在人工智能、大數據技術方面的優勢。
據了解，暴風TV還與科大訊飛聯合成立“人工智能服務實驗室”。那這個實驗室具體關注人工智能的哪些方面？雙方的合作模式又是怎樣的？
馮鑫告訴記者說：“科大訊飛主要是做基礎技術的，這些基礎技術需要在不同的垂直領域里打磨。他們需要垂直領域的應用環境和應用的基礎數據來源，我們需要它的基礎技術，所以我們在電視垂直領域當中一塊打磨語音識別、自然語音識別、交互這些語音和大數據技術。”
目前，無論是傳統的電視廠商還是互聯網企業都在布局人工智能家電，暴風TV與之有何區別？
人類對于智能機器的探索活動，古已有之。不過，以“人工智能”來命名這一探索并成為一個學科領域，卻發生于1956年夏季在Dartmouth舉行的一次小規模學術研討會上。因此，2016年是人工智能學科問世的60周年，在這個不同尋常的年份，世界各地的人工智能科技工作者都在密切關注人工智能的發展動向。
2016年3月，DeepMind研制的人工智能圍棋系統AlphaGo以4：1的戰績擊敗了韓國的圍棋高手李世石，把世界對人工智能的關注推向了前所未有的。各種各樣的議論噴涌而出。悲觀者大呼：“人工智能對于人類的潛在威脅太嚴重，應當通過立法限制甚至禁止人工智能的研究”；樂觀者高喊：“人工智能是人類的真正福音，只要把自己的思想意愿轉嫁給人工智能機器，人類就可以通過機器來實現長生不老的千年夢想”。在科技界，人們則在激動著、討論著：我們應當在什么樣的熱點技術上發力？是深度學習？是認知技術？還是類腦計算？
回想這些年來，互聯網、云計算、大數據、物聯網、移動互聯、智能制造、智慧城市、人工智能、機器人一波又一波的高新技術登臺亮相，中國科技界、教育界和產業界都在一個個地緊緊追趕。雖然在跟蹤追趕的過程中取得了不菲的進展，但是人們不禁都在思考：對于人工智能來說，當前社會的需求是什么？什么才是有效的創新戰略？怎樣才可以擺脫跟蹤追趕的被動局面，爭取到引領創新的話語權？
發展人工智能不應當是一種孤立性、局部性的行動，而應當是能夠帶動和引領整個科學技術的創新和發展。
1 人工智能是當代重要交叉科學群的創新前沿
為了闡明“人工智能是當代重要交叉科學群的創新前沿”這個論斷，需要逐個澄清相關的基本概念，包括：什么是人工智能？什么是當代的重要交叉科學群？以及什么是當代重要交叉科學群的創新前沿？
1.1 什么是人工智能
人工智能是一門“探索人類智能機理，創制人工智能機器，增強人類智力能力”的科學技術。從這個意義上可以理解，只要人類的智力能力得到了增強和擴展，人們從事各種科學技術以至各種經濟社會活動的智力能力就會得到有效提升，從而能夠有效促進各行各業的創新與發展。
那么，什么是人類智能？人類智能主要表現在人類主體為了不斷改善生存發展的水平而發現問題、定義問題、解決問題的能力。其中，發現問題和定義問題的能力依賴于主體的目的、知識、直覺、理解力、想象力、靈感、頓悟、審美等內在能力，因此被稱為“隱性智能”；解決問題的能力則主要依賴于獲得信息，生成知識，創生策略等外顯能力，因此被稱為“顯性智能”。
顯然，隱性智能十分抽象，幾近神秘，不僅研究起來甚為困難，就連理解起來也頗感玄奇，而顯性智能則相對可理解，可研究。因此，人工智能研究遵循的原則是：基于人類主體給定的問題、知識、目標（這就是人類發現問題和定義問題的能力）這些前提，研究如何利用信息、生成知識、創生策略來解決問題，達到目標。也就是說，人工智能的研究遵循人類智能與人工智能相結合的原則：人類智能負責發現和定義問題，人工智能則負責在人類所給定的問題框架下解決問題。這樣，人工智能機器就可以成為人類認識世界和改造世界的聰明助手。
由此可見，沒有生命，沒有目的，沒有靈感，也沒有審美能力的人工智能機器系統，原則上不具有隱性智能的能力，因而不可能獨立地發現問題和定義問題，只能在人類所發現和所定義的問題框架下去解決問題。因此，人工智能超越人類的恐懼缺乏科學根據。
1.2 什么是當代重要的交叉科學群
當今的時代是信息時代，認識信息資源和利用信息資源為人類服務的信息科學是當今時代的標志性科學。具體來說，信息科學是“研究信息的性質及其運動規律的科學”，也就是以信息為研究對象，以信息的性質及其運動規律為研究內容，以信息科學方法論為研究指南，以增強和擴展人類信息功能（全部信息功能的有機整體就是人類的智力功能）為研究目標的科學。換言之，信息科學的研究目標就是擴展人類的智力功能，而研究信息的性質及其運動規律和信息科學方法論都是為了實現擴展人類智力功能這個目標服務的。
由此就可以清楚地理解：人工智能的研究是信息科W的最高目標，也是信息時代科學技術發展的基本目的；而為了使人工智能系統能夠在人類發現和定義的問題框架下成功地解決問題，人工智能的研究必須從人類求解問題的能力中得到啟發。這表明，人工智能的研究需要向認知科學學習，因為認知科學就是研究人類自己是如何面對問題解決問題的。另一方面，認知科學所研究的人類解決問題的機理又建立在腦科學的基礎之上，因此，人工智能的研究必須理解腦科學的工作機理。再者，人類發現問題、定義問題、解決問題的能力并不是永遠固定不變的，而是不斷進化和發展的。因此人工智能的研究還必須學習信息生物學，后者深刻地研究和揭示了人類能力不斷進化的機制?？梢姡X科學、認知科學、信息科學、信息生物學、人工智能是當代最具重要意義的交叉科學群。這個科學群還包含更多的學科，恕不一一闡述。
1.3 什么是當代重要科學群的創新前沿
雖然腦科學、認知科學、信息科學、信息生物學、人工智能各有各的研究內容，但是所有這些學科共同的目標都是智能，如人類的智能（腦科學）、生物的智能（信息生物學）、人類智能的物質基礎（腦科學）、人類智能和生物智能的工作機理（認知科學）、人類智能和生物智能的進化機制（認知科學與信息生物學）、人類智能的信息基礎和研究方法論（信息科學）、人類智能的機器模擬和實現（人工智能）等。
所以，人類智能和人工智能是當代這一重要交叉科學群共同的創新前沿。人們對于腦科學、認知科學、信息科學、信息生物學的理解深化了，就會促進人工智能研究的發展；反之，一旦人工智能的研究取得了突破和創新，也必然能夠帶動腦科學、認知科學、信息科學、信息生物學的突破與創新。
2 中國人工智能發展的現狀：差距與優勢
中國人工智能的發展現狀，大家平日都親身感受得到，應當比較熟悉，似乎無需贅言；但是國情是我們思考問題的基礎，因此不可不察。而且，我們對于中國在人工智能發展方面所存在的差距和優勢的認識，確實還有必要進一步深化。
2.1 差距：顯差距，隱差距
大家都意識到，中國在人工智能的發展方面確實存在不少的差距。普遍J為，由于中國缺失了工業革命這個歷史階段的洗禮，因此在工業基礎和工藝水平方面天然存在明顯的不足。特別是中國微電子工業領域的高性能芯片制造能力有待進一步加強，人工智能硬件系統的水平也有待進一步提高等，這些都是眾所周知的顯差距。
然而，更值得深思的問題是：在人工智能的科學研究方面，長期以來，中國同行普遍習慣于跟蹤學習，缺乏突破創新的民族自信心，更缺乏引領國際的強烈意識。無論是互聯網、物聯網、語義網、云計算、大數據、移動互聯這些大概念，還是深度學習、無人駕駛、類腦計算這些技術思想，都是外國學者率先提出，然后才是中國學者蜂擁而上。加上這些年滋長蔓延起來的急功近利和學術誠信缺失，往往在蜂擁而上之后的一夜之間就會冒出許多“新成果”！這是中國人工智能發展存在的隱差距。
需要指出的是，顯差距正因為“顯”，已經得到各有關方的高度重視，并且正在不斷地被縮??；但是，隱差距則因為“隱”，不容易被察覺，至今還沒有引起各方面必要的重視，因此仍然是實現突破創新和引領戰略的隱患。
2.2 優勢：現優勢，潛優勢
那么中國在人工智能研究中是否也存在什么優勢呢？表面看來，似乎中國在人工智能研究領域一直處于跟蹤學習狀態，談不上存在什么優勢；但是仔細考察發現其實不然，中國在人工智能研究中的確存在不可忽視的優勢。
中國目前雖然在整體上還處于相對落后狀態，但在某些技術研究上卻處于國際領先地位。例如：語音識別技術，中國已經在近期多次國際評測大賽中奪得世界冠軍；在汽車自動駕駛方面，中國的研發水平也與國際上旗鼓相當；特別是在理論研究方面，中國在人工智能通用理論研究方面的機制主義人工智能理論、人工智能邏輯理論研究方面的泛邏輯學、人工智能數學方面的因素空間理論都是國際領先的成果。這些都是已經涌現出來的現優勢。
更加重要的是，像人工智能這樣既十分復雜又極其深刻的科學研究，勢必自覺或不自覺地受到科學方法論的影響。幾十年來，國際人工智能的研究形成三大學派，就是受了以分而治之為特征的機械還原方法論的影響，把復雜的人工智能研究分為結構模擬的人工神經網絡學派、功能模擬的物理符號系統學派、行為模擬的感知動作系統學派，而且長久以來互不認可，不能形成人工智能研究的合力?？茖W論證充分表明，適于人工智能研究的科學方法論不是“機械還原論”的方法論，而應當是“信息生態論”的方法論。后者與中國歷來的“整體論”和“辨證論”思維傳統息息相通。因此，在人工智能的研究領域，中國握有方法論的潛在優勢（潛優勢），只要自覺地加以運用，這種潛在優勢完全可以轉化為強大的現實優勢（現優勢）。
3 人工智能的社會需求和發展中國人工智能的戰略建議
3.1 人工智能的社會需求
中國的信息化建設全面啟動于20世紀90年代，得益于現代信息技術的支持，取得了舉世矚目的輝煌成就，進入了迎接復雜問題的新時期，面臨著巨大挑戰。從整個經濟社會發展和全面改革的大局判斷，在多次講話中也明確指出，中國的改革開放進入了攻堅克難的深水區。眾所周知，人工智能技術是信息技術的高端前沿；因此，為了迎接復雜問題的挑戰，為了成功走出深水區到達勝利的彼岸，中國亟需人工智能科學技術的全面支持。
另一方面，縱觀當今的國際環境不難發現，一些發達國家在中國黃海、臺海、東海、南海不斷制造緊張局勢，企圖以武力遏制中國的和平崛起。他們聲稱要長期投資人工智能，要用人工智能武器戰勝中國，對此不能不高度警惕，并采取果斷措施。
3.2 加快發展中國人工智能的建議
為加快發展中國人工智能，從戰略性、系統性、可操作的角度出發提出5項建議。
（1）頂層規劃。
火車跑得快，全靠車頭帶。建議設立國家級智能科學技術發展規劃與協調專家委員會，負責研究和提出中國智能科學技術發展的中長期規劃，制訂智能科學技術產學研發展的實施政策，協調和促進中國智能科學技術的快速有序健康發展。
（2）人才培養。
萬事都緊要，人才是根本。建議國務院學位委員會把中國現有的“智能科學與技術”二級學科提升為一級學科，以形成系統完整的智能科學技術人才培養體系；同時建議教育部在中小學開設智能科學與技術基礎知識課程，開展課外興趣培育活動。
（3）創新研究。
跟蹤不可廢，創新更關鍵。在國家自然科學基金設置“智能科學技術基礎理論”專門領域，大力推進智能科學基礎理論的突破創新；同時在國家“十三五”規劃設立智能制造、智能農業、智能服務業、智能交通、智能網絡空間安全、智能教育等應用專項。
（4）產業標準。
創新是尖兵，產業是后盾。大力促進中國智能化產業的發展，并在國家標準委員會建立智能產品標準工作委員會，鼓勵有條件的單位和學術團體開展各類智能技術產品的測試、評價和檢驗標準的研究，引導智能化產業和產品市場有序健康發展。
