AI无疑是这几年的一个热门的行业，不论是创业项目数量，融资金额，还是融资速度都很突出。扫一下手掌即可轻松通过手脉门禁系统，无人售货柜和兜售机器人使消费者更便捷购物，智能公交可以自动驾驶，人车对话等等，小到穿行于城市之间的日常起居，大到酒店、餐厅、交通、商圈等智能化管理，随着AI技术日益成熟，这样的应用场景正在成为现实。

AI产业投资持续增长

随着人工智能技术、云计算等大数据等技术的成熟发展，历经了半个多世纪的人工智能一直都不温不火，但近几年突然爆发，在人工智能边缘设备技术大规模在各个产业中落地应用落地的同时，将其推上一个更为兴盛的阶段，AI越来越受到各国政府和各大企业的高度重视。

在2019年《斯坦福2019全球AI报告》中显示，全球私有AI投资超过700亿美元，与AI相关的创业投资超过370亿美元，并购交易金额340亿美元，IPO为50亿美元，相当于每天2亿多美元砸向AI领域。

在全球范围内，对人工智能初创企业的投资持续稳步上升。从2010年筹集的13亿美元到2018年超过404亿美元(截止到11月4日，2019年达到了374亿美元)。在2010年到2018年间，资金的平均年增长率超过48%。获得资助的AI公司数量也在增加，2018年超过3000家AI公司获得资助。

2014年至2019年(截至11月4日)，全球人工智能初创企业共获得15798笔投资，平均投资额约为860万美元。注意，这项调查只考虑投资超过40万美元的人工智能公司。在初创公司投融资的数量方面，美国仍然占主导地位。中国在这方面排名第二位。如果按人均水平进行调整，以色列实际上是去年投资最多的国家，其次是新加坡和冰岛。

AI发展关键支柱

目前人工智能在不断的进步，并且随着这种进步势必会改变一大批产业的形态和技术需求。人工智能的发展有三大支柱：算法、算力和数据，这三者相辅相成、相互制约，但其中数据是核心要义，只要有了大量优质精准的数据，再加上算法实现高效的机器运算、算力的推动，人工智能才能越走越远。

数据是人工智能底层逻辑中不可或缺的支撑要素，因为人工智能的本质就像人类要不断的通过训练来获取技能一样，AI的根基就是训练，需要经过大量数据进行训练，神经网络才能总结出规律，进而熟能生巧的应用到新样本上”。其次，要想经算法训练后获得的模型更加智能，仅“数据”远远不够的，这背后更多的是对数据的“高质、精准、安全”的要求。

随着人工智能逐渐从学术走向产品化、落地化、市场化，企业对于场景数据的要求也越来越多维，所以引入更多维度的数据去完善AI产品落地前的模型，也是当下行业发展的趋势。

AI产业改变出行方式

在出行领域，人工智能对未来的发展和赋能可能是划时代的，自动驾驶汽车在过去一年中获得了全球投资的最大份额77 亿美元，占比9．9％，自动驾驶在全球人工智能投资中的占比最高，而这一投资也影响了很多企业的的未来发展。2015—2018年间，加利福尼亚州测试自动驾驶的总行驶里程数和公司总数增长了7倍以上。2018年，加利福尼亚州为50多家公司和500多辆AVs公司颁发了测试许可证，行驶里程超过200万英里。

沃尔沃也发布了为出行巨头Uber设计的全自动版SUV XC90，而宝马和奔驰已结成合作伙伴关系，最早将于2024年生产面向消费者的全自动驾驶的量产车型。捷豹路虎已与谷歌旗下的科技公司Waymo合作，计划生产2万辆全电动版I-Pace无人驾驶汽车。丰田和铃木于2019年8月达成合作协议，大众和福特也将在自动驾驶上携手合作。

特斯拉的Autopilot系统可能是最著名的半自动驾驶技术，目前仍在不断发展。目前，这个系统可以在高速公路上控制汽车的油门、转向和刹车，还具备自动换道功能、自动泊车功能和“召唤”功能，也就是说车辆可以在停车场自动行驶到主人跟前。

英国也是自动驾驶汽车研究的领先国家之一。许多制造商意识到这项技术开发所需的资金投入规模巨大，并开始重整业务。比如，福特就重新调整了对全自动驾驶汽车的预期，并与大众开展合作。

AI产业改变企业需求

人工智能在公司发展上到目前为止，工业已经成为人工智能人才的最大消费群体。有58%的受访大公司表示，2019年至少有一个职能或业务部门采用人工智能，高于2018年的47%。只有19%的受访大公司表示，他们的组织正在采取措施降低与算法可解释性相关的风险，13%的公司正在降低对公平和公正的风险，如算法偏见和歧视。

人工智能工作的比例从 2012 年的 0.3％ 增长到了 2019 年的 0.8％，人工智能的劳动力需求正在增长。与人工智能相关的工作职位发布数量占总量的比例由2010年的0．26％上涨至2019年10月的1．32％，其中机器学习占比最高，为0．51％。超过60%的人工智能博士毕业生进入了工业领域，高于2004年的20%。2018年，从事工业的人工智能博士毕业生人数是从事学术工作的两倍多，与人工智能相关的劳动力需求在高技术服务和制造业领域增长尤其明显。

全球范围内人工智能和相关学科以及在线课程的招生人数都相继快速增长，越来越多的人工智能教育超出了实体大学的范围，在线学习也在教育和发展全球劳动力中发挥着关键作用。也有很多学生在课程选择上，人工智能已经成为北美地区计算机科学博士生中最受欢迎的专业，其学生数量是第二受欢迎专业（安全/信息保证）的两倍多。2018年，全美计算机科学专业博士毕业生中，有21％为AI／ML方向。人工智能产业是人才最大的流动池。2018年，接近60％的人工智能博士毕业生选择进入人工智能产业发展。

AI产业提高技术突破

据报告显示，人工智能技能在特定行业的平均渗透率是全球相同职业平均水平的2.6倍。印度、美国、法国、中国和以色列在所有国家的AI技能渗透率方面经常名列前茅。2012年之前，人工智能的结果紧追摩尔定律，计算每两年翻一番。2012年以后，计算量每3.4个月翻一番。

在近一年半的时间里，云基础架构上训练大型图像分类系统所需的时间大大缩短，从2017年10月的大约3个小时，减少到2019年7月的大约88秒。在同一时期训练这种系统的成本也相对下降了。

在 SuperGLUE 和 SQuAD2.0 基准测试中，一些广泛的自然语言处理（NLP）分类任务的进展非常迅速；在某些需要推理的 NLP 任务（例如 AI2 推理挑战）或人类水平的概念学习任务（例如 Omniglot 挑战）上，性能仍然较低。

结尾：

人工智能的长期价值几乎无人否定，人工智能产业的发展不仅提高了我们衣食住行和生活的品质，也提高了各国经济的发展，促进各国科技的进步，虽然现在很多AI并没有广泛运用，但是在不久的将来这些一定可以实现的。