本文梳理了AI的最热爆点：智能家居、金融服务、云服务（IOT物联网）、智能制造、自动驾驶、线下大数据（智能零售）、成像技术（三维感知）。

AI为各大行业带来了哪些不可思议的变化，又在哪里率先落地实现商业化？为此，我们采访了16位业内顶级科学家/VC投资人/企业CEO。

一．清华大学邓志东、中科创星米磊谈AI的前景和趋势

从1963年深蓝与国际象棋大师兼教练大卫·布龙斯坦的首次人机对抗，到1997年5月11日首次击败国际象棋大师加里·卡斯帕罗夫，再到2017年5月27日阿尔法狗击败围棋界第一高手柯洁，人工智能的表现越来越让人惊艳。

清华大学 计算机科学与技术系教授 邓志东

在AI的发展历程中，有哪些关键技术备受关注？

在对AI发展历程的总结里，清华大学计算机科学与技术系教授邓志东博士认为，在一个甲子的时间长河中，其可谓是“三起两落”。里程碑式的进展主要包括：

1）IBM的超级电脑程序“深蓝”（1997）与自动问答系统（2011），分别击败了国际象棋大师卡斯帕罗夫和美国著名智力竞答电视节目《危险边缘》中的人类冠军，标志着以规则作为知识进行逻辑推理的人工智能所能达到的历史高度。

2）大数据与大计算支撑的深度卷积神经网络（2012-），在多项国际著名的评测比赛中，如视觉物体识别、人脸识别与交通标志识别，达到甚至超过人类的识别能力；在视觉物体检测、场景语义分割、唇语视读、画作风格抽取、语音输入、速记、真实感语音合成、语音助手、语音聊天、文本分类、神经机器翻译等诸多方面，已大幅度接近于人类水平。

3）基于深度卷积神经网络的深度强化学习（2015-），在属于认知智能范畴的特定垂直领域的博弈类决策问题上，达到并超过人类职业玩家的水平。游戏学习程序DQN在49种Atari像素游戏中，29种达到乃至超过人类职业选手的水平；AlphaGo横扫人类职业冠军，成为“围棋上帝”；同时在无限注德州扑克赛中战胜人类职业高手。

4）IBM的沃森认知计算平台（2014-），结合深度卷积神经网络后获得了更强的大数据分析能力，在某些细分疾病领域已能提供顶级医生的诊断水平，这是知识驱动与数据驱动融合的成功范例。

总之，在计算机视觉、语音识别、自然语言处理、自动驾驶、博弈类决策和大数据分析等方面，以深度卷积神经网络和深度强化学习为代表的弱人工智能取得了革命性进展，已成为目前备受关注的、真正能够达到人类水平的核心关键技术。

人工智能如何改变社会生活的方方面面？

人工智能刚刚开始，之前都是集中于技术界，现在它即将开始走入产业界，且正在改变着很多领域。

在中科院西安光机所中科创星创始合伙人米磊博士看来，人工智能其实属于“使能技术”的范畴，它的出现对世界的方方面带来改变。从之前的蒸汽机时代、电气化时代、信息化时代，到现在的智能化时代，未来将是万物皆智能的局面，所有的东西都将实现智能化，这种对社会生活的改变是方方面面的、非常大的。

技术有它自己的创新S型曲线，不必过度解读

任何一种技术，人们往往短期内会高估它的能力，长期又会低估它的能力。具体表现在从短期内看，大家都对其抱有很高的期望值，认为这个技术是万能的。但是大家又往往在热情过后忽视了这个技术。而将来等真正的技术革命到来之后，很多人就被无情的淘汰了。

米磊博士说：“我们一定要了解技术的规律。技术的发展初期，都被大家赋予了太多的想象空间，但其肯定达不到人们想象中的牛逼程度。就像人工智能，要想在短期内达到像人一样的智能，具有人的感情，肯定是做不到的。至于长期能不能做到，也不好说。因为技术的发展会有它的创新S型曲线，当它上升遇到瓶颈了，它就可能停滞了，永远上不去了，并不是我们想象的线性曲线，一直会往上增长的。就像摩尔定律一样，它现在就算是达到瓶颈了，它就不可能每18个月增长一倍了。”

下一个甲子，人工智能将走向何方？

邓志东博士认为，今后，在大数据驱动下的弱人工智能产业将出现爆发性增长，深刻地改变人类的生产生活方式，重塑社会形态。

同时在深度学习的基础之上，通过对多尺度“隐式规则”的半监督、强化和无监督学习而非人工设计或构造，在新的起点上进行“举一反三”认知智能的前沿探索，使人工智能有潜力获得记忆、意图、注意力、推理、规划、决策、知识学习与思考能力，甚至具有动机和自我意识，从而发展出更宽垂直领域的通用人工智能和具有全方位人类能力的强人工智能。

为了制约人工智能发展对社会生活的消极影响，我们还必须积极探讨人工智能可能涉及的法律与伦理问题，通过构建与人类未来的良性互动关系，使人工智能真正走向造福于人类之路。

二．AI最热应用场景分析/企业CEO观点

1、智能家居

在AI的应用场景中，智能家居算是距离我们最近，却发展最为波折的。从产品上看，比较代表性的既有国外的苹果Homekit、亚马孙Alexa、谷歌Google Home，也有诸如国内的长虹CHiQ-Life、海尔U+等。不过，受限于各种因素（如国内外文化和生活习惯差异、三方通信协议达成困难、业内无统一标准等），目前各大智能家居企业或产品，基本还处在单打独斗、各自为政的局面。

因此，我们只能从代表性企业入手来对行业做出判断。本文仅选取了国内两家企业：长虹和BroadLink。

传统家电企业如何借助人工智能实现破局，智能家居系统的人性化设计要求

其实不仅仅是智能家居，整个AI领域的很多技术和理念都在深刻的影响和改变着这家老牌家电企业。在6月7日亚洲CES的“长虹CHiQ-Life体验会”上，我们跟长虹副总工程师阳丹有过一次深入交谈。

阳丹说：“在长虹的整个转型过程中，我们会首先做好布局，搭好平台，基本实现运营模式的互联网化；再持续提升终端产品，构建围绕长虹智能终端和平台的产业生态，最终各个智能终端设备将通过网络协同构成一个整体，在大数据云端的支撑下为家庭成员提供全方位的服务。

“与同类产品不同的是，长虹的智能家居体系是完全开放的、包容的，我们欢迎所有企业加入到这个系统中来。另外，我们也一直努力推进国内智能家居行业标准的拟定。”

2013年，长虹提出“智能化、网络化和协同化”三坐标的职能发展战略，同时推出IPP（Integrated Personal Portal 集成式个人门户）架构，通过IPP联接、交互、安全框架，形成跨终端设备的智慧家庭软件平台体系架构，实现不同设备在IPP系统下的“以人为中心”的协同；

2016年，基于智能战略下的软件服务能力、大数据运营能力、千万级智能终端、海量用户行为数据等的积累，以及智慧家庭、智慧社区等新业务的探索，长虹发布了首个开放的物联运营支撑平台UP。通过UP平台，实现物到“物＋联”，实现由产品运营向“产品＋服务”的用户运营转型，以物联网产业转型模式与第三方、友商、合作伙伴等共建物联数据运营生态体系，进而衍生出“物联智化生活”的智能服务新业态。

长虹CHiQ-Life创新服务设计经理朱红云表示，“CHiQlife轻松自在”生活方式，体现了长虹对技术与人关系的思考。技术其本质是为了服务于人而不是制约人，过去很多的智能化都是伪命题，在增加用户价格成本的同时还因为不会使用、频繁人为操作等因素增加了时间成本，并没有真正为用户带来便利。而长虹正在深入研究现代人的生活方式，构建未来理想的生活场景，思考人工智能如何为用户服务，未来将努力做到让技术隐形，让用户能尽享轻松生活。”

如何以正确的姿势打开智能家居消费级市场？

对于智能家居市场，目前最大的痛点是“智能”不智能。在早期，智能家居备受资本热捧，资本推动整个行业快速发展，但是从15年下半年开始，就像是遭遇了滑铁卢，整个行业又迅速地进入寒冬，“关门潮”、“泡沫”这些字眼在行业内开始频现。究其原因，无非就是现在智能家居产品对用户而言更像是玩具，对生活没有太多的影响，无法成为一个刚需产品。

BroadLink CEO刘宗儒认为，要打开市场，势必要解决智能的问题，人工智能技术的发展就是智能家居市场接下来的曙光。

就像在炎热的夏天，按照以往经验用户回家后肯定是：找到遥控器，打开空调，调到制冷模式到23℃，再去关闭门窗。但实际上按照人的思考习惯，用户进屋后会先想到“家里怎么这么热？”，然后才会去想怎么解决这一需求。

智能家居既然要智能，就应该在用户有需求的时候主动开始服务，而不是按部就班地执行用户的指示。当用户提出“我热了”、“怎么这么热”这样的需求后，AI会关联家里的设备，进行综合判断。可能外面空气很好，只要开窗就能满足需求了；可能今天外面PM2.5很高，那应该开空调降温，再开空气净化器优化室内的空气质量。

在语音系统加入后，智能家居的控制变得更加便捷，但这显然还是不够的。智能家居不仅要懂人类的语言，更要懂人类的行为，这样的智能家居，才是用户所期望的。

2、金融服务

大数据对金融/保险行业的改变和推进

近年来，国际社会逐渐认识到普惠金融对于增强金融包容性、支持经济增长、促进就业、消除贫困并最终实现社会公平的重要意义。但在发展普惠金融方面，依然存在着服务不均衡、成本高、效率低、商业可持续性不足等一系列的全球共性难题。随着数字化时代的到来，普惠金融与数字技术加速融合创新，为解决上述难题提供了一条可行的路径。

经济发展和转型有一个重要手段是扩大内需、促进消费，而银行业转型升级的一个重要方向就是提升与消费紧密相关的零售信贷能力。零售信贷具有典型的小额分散的特点，这些特点决定了信贷流程管理必须要依赖于电脑强大的计算和分析能力，而在背后支撑这一工作的核心元素就是大数据与智能算法。

随着AI在金融服务上的应用越来越多，诸如人脸识别、生物特征识别、客户优选、风险控制等，已经成为各大金融科技公司争夺的焦点。同样的，传统的银行/保险行业也正在对基于AI的各种技术显示出越来越大的兴趣和热情。

百融金服CEO 张韶峰认为，随着中产阶级的崛起以及消费结构升级，银行和保险业会迎来巨大的发展机遇。尤其是保险，其本身就是一个基于大数法则的行业，天生需要数据来进行产品设计、精准营销以及风险控制。由此推断，大数据与人工智能必将在保险行业产生革命性的影响。

张韶峰判断，随着消费金融、互联网金融的快速发展，取得先发优势的公司将会有更大竞争力，“马太效应”本身就是护城河。在大数据金融服务行业，金融机构运营都会极其重视谨慎性原则，如果仅有数据而没有模型，很难真正在金融业务中体现服务价值。所以，一家公司能够掌握一种经过长期验证的模型，并且能够将数据嵌入到模型中就显得至关重要。

3、云服务/IOT物联网

云服务（云平台）在物联网领域中的核心作用

纵观工业革命的历史，可以简单概括为机械化、电气化、自动化、数字化的逐步进化，每一个阶段都是由新的革命性技术与工业发生碰撞而产生。云服务的出现，正如马化腾在2017年“云＋峰会”主论坛上所讲，云是新产业革新的源动力，在新的云时代，整个社会经济操作系统和运作模式都在发生数字化的迭代，就好比插上电之后，带来电气化革命。

众所周知，物联网已经成为今后的一大趋势。而物联网之所以能够实现，作为其中最核心部分的云服务（云平台）起到了决定性的作用。关于云服务在物联网中的核心作用，我们采访了Ayla Networks（艾拉物联）CEO David Friedman，下面是他对此的分析：

David Friedman认为，云服务在物联网领域中首先是基石作用，是实现物联网的核心之所在。在物理世界，每一个物体都有自己的独立属性，如外形、品质、位置、状态、温度、所有权、价格等交互属性，并且这些属性在一定的规则之下发生变化。

运用云计算模式，使物联网中以兆计算的各类物品的实时动态管理和智能分析变得可能。物联网通过将射频识别技术、传感技术、纳米技术等新技术充分运用在各行业之中，将各种物体充分连接，并通过无线网络将采集到的各种实时动态信息送达计算机处理中心进行汇总、分析和处理。

同时，在物联网时代，云服务已经不仅仅是基础设施。在物联网领域中，云服务包括一整套物联网运营支持服务，具备海量设备的连接管理能力，以及大数据处理分析能力。云服务促进物联网和互联网的智能融合，它依靠其擅长的高效的、动态的、可以大规模扩展的技术资源处理能力，使得物联网领域更高层次的整合，以及需要“更透彻的感知，更安全的互联互通，更深入的智能化”成为可能，从而构建智慧地球。

此外，云服务的创新型服务交付模式，简化服务的交付，加强物联网和互联网之间及其内部的互联互通，可以实现新商业模式的快速创新，促进物联网和互联网的智能融合。

物联网对传统大型企业（以京东方为例）商业生态的影响和推进

物联网和人工智能的高速发展将为人类带来一个全新的时代，也会为企业带来全新的商业模式和生态。

据京东方大学AI副院长刘楠介绍说，为了创建未来的全新商业生态，京东方已经提前布局，正在由半导体显示技术、产品与服务提供商向物联网技术、产品与服务提供商转型。核心事业包括显示器件、智慧系统和健康服务三大业务领域。

在2016年底的京东方全球创新伙伴大会上，王东升（京东方董事长）提出了“开放两端，芯屏器和”的物联网生态理念。

显示屏是物联网系统的硬件入口，薄膜传感器是物联网信息采集端的关键器件，基于已有的技术积累，京东方正在开展三大行动：

第一，全面开放应用端，和各类有志于物联网领域的企业和专业人士携手合作，创新新硬件、新软件、新应用，共同创造市场新机会。

第二，全面开放技术端，与各类有志于显示、传感、人工智能、物联网解决方案、健康医疗等各领域的企业、大学、研究机构和专业人士，携手合作，促进技术进步和产品创新。

第三，全面推动半导体芯片、显示器件、软件和内容、功能硬件的和谐组合，与各行各业各方人士携手，创新新应用，开拓市场新机会。

4、智能制造

如果说互联网解决的是信息的问题，那人工智能解决的就是根本上的逻辑问题。

目前国内制造业的共同问题在于内部信息传递严重不畅，所以MES（制造执行系统）一直并未得到大范围普及。但同时，制造业内部各种逻辑却极其相似（如不同企业不同产品的制造逻辑几无差别），这也是人工智能将来会推动制造业快速繁荣的一个潜在原因。

传统意义上的制造，从产品的概念、设计、可行性分析、制造工艺的选择优化，到生产过程中的品质把控、生产问题解决，每个环节都相当倚重经验，这也是为什么很多制造业的工程师需要深耕多年才能出成绩。但，人工智能最擅长的就是快速获得这种“经验”。

人工智能技术对制造业的破而后立和重塑效应

云工厂CEO李钦说：“无疑，人工智能将很快对制造业进行重塑，未来每个制造流程都会有一个超级大脑，她周密地组织着整个生产，准确地安排着生产中的人、机、料、法、环在特定的时间特定的地点做特定的动作。制造业如汽车制造这种庞大的体系，本来已经远远超出了人类大脑的处理能力范围，靠体系和大量人员在维系的系统，终将因为效率低下和问题频发而被更擅长做复杂规划和处理庞大系统问题的人工智能所取代。”

同时，李钦还对智能制造的未来做了一个具象化的描述：

“我们可以清晰的看到未来的这幅图景，近似于无人的工厂，物料被自动化传送到生产工位，机械手准确拾取特定物料进行装配，产品的任何异常和突发状况都被各种传感器和视觉系统量化后反馈到系统，系统即时做出反应，解决当前问题；而在产品的设计时，可行性和可量产性分析同步在云端进行，即时给予设计者反馈，产品设计完成后，系统快速完成相应的工艺拆解，模具设计和流水线设计。全程人参与的极少，大部分由系统自动完成。”

智能制造企业如何用好人工智能技术，搭建全新产业生态？

1001号是南京的一家智能制造企业，其CEO李获鼎说：“我们专注于为客户提供最优质的制造服务。AI技术的进步让我们也非常的兴奋，我想这一新的技术在未来至少有两个方面的应用。”

这两个应用主要包括：

首先是通过积累大量的零件加工的方案，AI能够学习针对不同特性的零件来匹配不同的工艺方案，包括设备、配件（材料和刀具）和工序，从而自动生成最优的方案，并且能够持续改进，这个在制造领域叫CAPP（Computer Aided Process Planning），这样可以大大减轻工艺工程师的工作。

其次是订单报价系统，AI能根据历史积累的成千上万个工艺方案和客户需求进行更加深入的对比，并在最短时间内找到最匹配、最接近的工艺方案，让客户能够在最短的时间根据估算来做出决策。我想，还有更多的领域会运用到AI的能力，把从繁重的、重复的体力、脑力劳动中解脱出来，去从事更加有创造性的工作。

制造业的基本生存法则是成本导向。毫无疑问，得益于人工智能的介入，制造业的成本逻辑会就此发生巨大变化，行业也将快速地重新洗牌。更重要的是，人在制造业中参与的部分越来越少，人员工资成为制造成本中可以忽略不计的部分，制造将变身成为一个高度技术导向的过程。这对于我们，是巨大的挑战，也是巨大的机会！

5、自动驾驶

无人驾驶的热度无需赘言，而AI在无人驾驶中的作用更不用多说。大家只要记住：无人驾驶一定是最大的趋势，一切以无人驾驶为核心应用场景的硬件、技术、算法、系统等等也都将是热门！

中科创星创始合作人米磊博士认为，人工智能进入到具体领域的时候，大家比较看好的是交通、医疗、金融、制造、大数据、无人驾驶等几个领域。仅以无人驾驶为例，在全球科技巨头集体扎堆式进入的背景下，它在未来二三十年的估算会达到6、70万亿的市场规模，价值巨大。

自动驾驶将对国内的汽车产业带来哪些影响？

奇点汽车总裁助理高华认为，当汽车普遍拥有了越来越强大的自动驾驶功能，购买汽车的考量因素也就会发生变化。消费者曾经考虑的经济性、豪华性、舒适性、运动性等汽车本身的性能舒适指标，将会变为车辆自动驾驶能力的强弱，以及你的智能网联系统可以提供什么样的数字化娱乐办公新体验。智能互联交互平台因此将会成为汽车产业创造价值的平台，同时基于自动驾驶的共享出行——机器人出租车会快速发展。

根据PWC的预测，预计到2030年，共享出行与新技术以及基于数据的服务会占整个行业的17%，利润则占36%以上，智能互联将成为创造新价值与利润的核心驱动力。仅仅基于汽车互联和自动驾驶新产生的市场价值，在未来5年左右的时间就会成长为1500亿美金的规模。

今天硅谷已经变成北美汽车业的焦点，自动驾驶技术是典型的人工智能，并且是人工智能体量最大、最佳的应用场景之一。自动驾驶与智能网联紧密相关，革命性地提升驾乘者的出行体验，汽车产业因此也面临着前所未有的变革的挑战和机遇，以人工智能为核心的创新科技与软件将会扮演越来越重要的角色，产业的价值链将会逐步重构。

激光雷达在无人驾驶中的核心作用

在无人驾驶/自动驾驶的进程中，激光雷达和计算机视觉，是其中两项最为核心的部分。

谈到激光雷达，放在几年前可能都没有人知道这是干什么用的；时至今日，作为无人车上最精准的“眼睛”，这个传感器受到了各主流互联网公司和整车车厂的大力追捧。很难想象，一个传感器的价格曾经可以高达50万人民币，几乎占据了一辆无人车1/5的成本。

激光雷达系统主要能实现两个核心作用：其一是对周围的环境进行实时的三维建模，其二是可以进行同步建图（SLAM），通过与高精度地图中的特征物进行比对，加强定位。

禾赛科技CEO李一帆认为，从市场而言，激光雷达正处于一个即将爆发的时间节点。

“这个市场可以分为两部分，一部分是无人驾驶的测试市场，另一部分是具有ADAS功能的量产车市场。无人驾驶的测试市场从2015年逐渐开始热了起来，各大互联网公司，如Google、百度、Uber等都投入了巨资，进行无人车的研发。国内的互联网造车企业和主机厂也都有无人车研发团队。这带动了无人驾驶测试市场激光雷达的需求，每年可达数亿美金，目前这一市场被美国的Velodyne所垄断。”李一帆说。

“在乘用车市场上，欧美各国纷纷立法，确定在2018年将AEB测试列为汽车是否可以获得五星碰撞安全的标准。可以预见，ADAS市场将在2018年开始实现井喷，而目前毫米波雷达在行人判断上经常会失效，摄像头又不能100%确保识别行人（特别是在光照变化剧烈的背景下），在汽车安全领域，一个99.9%有效的解决方案意味着每天都会有成千上万的车祸会由于其0.1%的失效导致。激光雷达对障碍物的探测比较直观，有就是有，没有就是没有，且不受环境光照影响。其在ADAS系统中对于‘毫米波雷达+摄像头’解决方案的补充，几乎可以杜绝AEB失效的情况，由此也大大提升了ADAS系统的实用性，从而保障了车内人员和行人的安全。”

计算机视觉在自动驾驶中的推进作用

事实上，除激光雷达外，计算机视觉技术也在无人驾驶中发挥了重要的作用，“雷达+摄像头”的双王组合更是保证了无人驾驶系统的快速和高效。

在无人驾驶中，计算机视觉技术主要被运用于环境感知方面。

随着近几年计算机视觉，尤其是深度学习的发展，现阶段通过合理的多算法交叉验证以及传感器融合，我们完全有能力通过摄像头替代人眼实现自动驾车。这一方面解决了激光雷达成本迟迟难以降低的商业化难题，另一方面，我们可以通过视觉直接取得语义信息，从而对周围世界进行更好的表示。

图森未来CEO 陈默说：“在环境感知中，高级别自动驾驶不同于辅助驾驶，它要求对周围环境进行完整感知。要达成这样的目标，我们不仅仅需要完成像车道线检测，目标检测与追踪这类传统视觉感知任务对路面感兴趣的物体进行分析，还额外需要场景分割、双目深度估计、光流估计等任务交叉验证上述任务输出的结果。”

除此之外，陈默还补充道：“通过这些，我们可以对当前时刻进行准确感知。除此之外，人在开车的时候还有很多预判行为，这些预判和估计对于安全同样是至关重要的。在这些预判中，有一部分是完全可以通过视觉特征得到，例如车辆的转向灯刹车灯有没有亮，车辆之间先后遮挡关系等等；另一部分，我们需要融合大量场景的先验知识，例如，我们知道车辆不会飞，车辆就算被遮挡出现的位置也应该是连续的。所以在这些基础感知任务以上，我们还需要定义一些高级感知来处理前述问题，并使用合理的方式，将场景先验知识融入到对整个环境的理解和推理中去。”

6、成像技术（三维感知）

从三维感知的角度来看，AI人工智能主要分为感知和认知两个层面。

针对感知层而言，有一个里程碑事件是深度传感器的普及。2009年，微软Kinect 诞生是当时的一个大事件，是人工智能感知传感器中的革命性的里程碑，从此以后大家终于可以很方便和低成本地获取3D信息了；另外，计算机视觉长期存在两大难题：图像理解和三维重建。

一直以来，求解3D都是人们的梦想，最初它需要拍两张或多张照片，费很大的劲儿来重建。但今天有了sensor，人们直接可以测量3D，它一下就开启了今天和未来的很多应用。

但是，Kinect V2是基于连续波间相法的ToF（Time-of-Flight）深度相机，它存在不能抗阳光，不能远距离工作的缺陷。而另一种获取三维数据的方式是通过机械扫描式激光雷达，但它同样存在无法解决的缺陷：产能受限成本高、数据稀疏空间分辨率低，限制了它们的应用范围。

三维感知技术对于AI的革命性推动及应用

目前全球范围内感知深度的ToF传感器有很多种，其中以光珀智能科技的ToF传感器最具代表性。

杭州光珀智能科技有限公司（以下简称“光珀”）主要专注于全球新一代ToF传感器技术的研发。光珀在基于PCT的专利保护下提出原理创新，使得他们的ToF传感器和传统的ToF深度相机（基于连续波间相法）相比，其远距离及抗阳光的特性更类似传统意义上的激光雷达。同时也解决了机械扫描式激光雷达产能受限成本高、数据稀疏空间分辨率低的两大缺陷。

光珀智能CEO白云峰介绍说：“目前，我们已经推出了‘光珀第一代ToF传感器芯片’，并由此构建了三个固态面阵激光雷达技术平台，分别满足不同距离下（近、中、远）、强阳光下（100Klux）、大场景（70⁰）、高精度（<1%）、高空间分辨率（0.06⁰H）等三维感知需求。这三个技术平台可以服务于智能安防、机器人的导航与避障、无人驾驶的环境感知。特别是在无人驾驶领域，光珀的传感器满足了量产无人车对激光雷达低成本、高空间分辨率的两大需要。

“光珀正和科研院校联手创建大场景下的稠密三维数据集。而我们相信，这样的数据集会对未来人工智能的发展有着革命性的推动作用。”

7、线下大数据（新零售）

作为AI重要组成部分的大数据，其线上大数据的应用场景已经被支付宝们几近瓜分完毕，而剩下的线下大数据却几乎还是一片处女地。不过近年来，线下大数据已经开始进入“疯狂生长”阶段，它的首个目标场景就是“新零售（或智能零售）”。

从千人一面到千人千面，智能商业打开了“以人为本”的营销模式。当“人”成为中心，精准地找到人就成为关键。互联网已经进入下半场，当线上红利逐渐消失，线下成为了新的价值洼地。线下大数据指向的，基于“人”的精细化运营将成为智能商业的必然趋势。

线下大数据对新零售有哪些深刻影响和助推作用？

ZMT众盟在线下大数据已经深耕四年，其CEO广宇昊认为，新零售的核心是“用户为王，数据驱动”。它强调的是以体验为中心，以服务为载体，从传统的卖商品到卖服务，让零售行业真正进入消费者主权时代。如果说以前线下大数据影响的是重决策、长决策的，诸如医疗、教育、房产等行业，那么在未来，线下大数据将围绕“人”的生活圈来发挥作用，并且会越来越重。

广宇昊说：“线下零售商拥有庞大的线下流量。大数据、物联网的发展，让传统的实体店有机会把零售作为一个数据来应用，建立以用户为王、产品为王、平台为王、服务为王、体验为王、线下线上融合的商务生态圈。作为抢占了终端零售数据的先行者，ZMT众盟构建的是集数据‘采集、合成、应用’于一体的闭环生态体系，实现的是大数据对‘人’的有效识别、需求洞察、多维交互和精准触达。ZMT众盟拥有全国最大的线下数据库，9亿+‘强’‘大’线下场景数据是整个闭环生态体系的基础。目前，ZMT众盟的核心产品有指向精准人群广告投放的众盟值投，以及专注“新零售”时代企业个性化自营销的ZMT众盟本地站长。

数据显示，到2018年，全球人工智能市场规模将达到2697.3亿元，增长率达到17%。而大量社会资本、智力、数据资源的汇集，将强力驱动人工智能技术研究不断向前推进，进一步加速人工智能对传统产业的渗透和结合。

“未来，ZMT众盟将加强对大数据和算法的深度研究，打破大数据在行业应用的边界限制，推动人工智能从计算智能、感知智能到认知智能的迭代升级，为中小企业打造更多普适性产品，促进企业价值迭代，助推商业智能化。”广宇昊补充道。

三．孵化器/VC投资人对AI有一种“执着的狂热”

科技孵化器不只是商业地产，“系统性、闭环性”帮扶才是核心

中科创星是全国最专业、最具影响力的科技企业孵化器之一，其对科创企业的孵化方式在业内具有很高的参考和借鉴意义。而作为中科创星的创始合伙人，米磊博士对如何帮扶科创企业，有自己独到的见解。

“对于我们（中科创星）孵化的企业，我们更多的是从产业链上帮他们去解决问题。通常，中科创星会把AI公司分为三类：基础设施公司（如做芯片的、做传感器的等等，帮助人工智能公司获取数据、建平台的，像我们常说的端网云）、做核心技术算法的（人脸识别、视频识别等）、行业应用公司（利用现有的基础设施、核心技术和算法，找到一个行业应用点）。

我们现在更多的会是在基础设施的领域在投资和布局。我认为，有了基础设施才会有人工智能的应用和爆发，就像之前的互联网时代一样。我们会帮这一领域的公司解决一些上下游、产业链的问题，给他对接市场资源，帮他解决人才招聘（业内普遍存在一个现象：人工智能的人才很难招聘）、人才培训等问题。通过以上做法，建立一个孵化器的服务生态，用这个生态来为企业提供方方面面的服务和资源。”

目前，国内大大小小的孵化器大约有2600家。但相比之下，似乎过于鱼龙混杂，占总数最多的是那种只提供办公场地和简单的水电、卫生等服务的初级平台。而我们真正需要的，其实是专业孵化平台，要真正的帮助企业在技术、市场、资金、人才等的核心需求。

国内人工智能领域的投融资概况，基金对科技领域的投资偏向

在国内AI的投资环境上，中科创星创始合伙人表示了对AI基础设施领域的投资和布局偏好。另外，我们还采访了洪泰基金合伙人、洪泰智造工场CEO乔会君，他似乎对核心技术和算法领域里的企业更感兴趣。

乔会君说：“对于人工智能来说，目前我们正在布局深度学习算法、大数据、语音识别、图像识别这几个核心点。

“作为投资人，我们在布局时会打开每一个方向上的知识图谱，然后从这个图谱中发掘世界上最优秀的科学家与团队，一旦发现，我们就会毫不犹豫地投资。

“我个人是一个非常坚定不移的科技理论推动者，我认为只有基础科学能够推动世界发展。人工智能这个领域一定是基础科学在推动，没有模式，没有讨巧，没有投机。”

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！