隨著越來越多的自動化機器學習（AutoML）實施，企業云市場升溫，這使客戶可以將AI應用于營銷，客戶服務和風險管理等用例。國外的Google，Microsoft和Amazon以及國內的百度，華為，騰訊和阿里，它們是云計算領域的最大參與者。

據IDC數據顯示，截止今年11月，百度智能云憑借著在AI技術、市場和商業上的優異表現，在能力和戰略兩個維度都處于領先地位，位居領導者象限最上方，在中國排名第一名，在其后有阿里云、AWS、騰訊云和華為云等云廠商。

這其中有部分企業在年度技術展示中重點介紹了AI工具和自動化。譬如，微軟在Ignite 2019上總結了其Azure認知搜索的口號：“使用AI解決業務問題。”

在4月的Google Cloud Next會議上，Google宣布了新的AutoML類，預制的零售和聯絡中心AI服務，以及協作式模型制作工具AI Platform。而亞馬遜在re：Invent 2019大會上發布了五項新的基于機器學習的人工智能 (AI)服務。

Google Cloud Next更引人入勝的工具之一是AutoML Natural Language（自動語言），該語言于12月廣泛發布，它可以分析多種文檔和格式類型的文本，以提供情感分析，法律文檔解析和出版物管理。

亞馬遜在四月份推出了類似的AWS工具Textract。同時，Microsoft在其以業務為中心的Power Platform上提供了主題虛擬代理，情感分析和業務流程自動化。

華為9月重磅發布了全球最快AI訓練集群Atlas 900，加速科學研究與商業創新的智能化進程。并還發布了新一輪沃土計劃，宣布將投入15億美元資金扶持開發者，擴大開發者社區至500萬開發者規模。

而針對邊緣端的AI，它與在云中處理的AI相比，具有更大的控制力和更好的隱私保護。今年六月，蘋果公司推出酷睿ML 3，允許iOS設備來首次進行機器學習。谷歌于2017年將聯邦學習納入其TensorFlow開發環境中，并且取得了豐碩的成果：10月，谷歌在Pixel 4智能手機上推廣了許多AI觸摸功能，從語音識別到大大改善的攝像頭功能。

硬件也變得更加高效，移動芯片支持“真正的AI”。英特爾推動Keem Bay，一個視覺處理單元帶來推理任務邊緣設備。谷歌提供的Coral AI，一系列板和套件神經網絡的機器學習的邊緣工作。NVIDIA發布了Xavier NX人工智能無人駕駛飛機，汽車和其他移動邊緣設備。

此外，對功率效率的新關注可以幫助減少運行所有這些AI系統的環境影響。Google創建了一個控制器，該控制器可以在僅使用2毫瓦功率的情況下，使其實驗量子處理器保持足夠冷的狀態，以正常運行。

在消費者方面，Facebook宣布了DeepFovea，這是一種AI技術，可改善VR頭顯的功耗。甚至在離家更近的地方，Sense還發布了一系列AI設備來監視和減少家庭能源使用，而Evolve Energy的AI幫助太陽能和風能客戶找到最佳價格并節省能源。

2019年在自動駕駛汽車和物聯網（IoT）等領域也取得了巨大進步。來自Uber，Lyft，Alphabet的Waymo，Tesla和Argo之類的自動駕駛汽車是AI駕駛控制的漂亮面孔。

人工智能2020年十大預測

沿著這些2019年已經深埋在科技土壤中的種子，我們可以提前展望一下2020。今天，百度研究院發布2020十大科技趨勢預測。

未來之路上，科技正香醇。

AI技術本身以及各類商業解決方案已日漸成熟，正在快速進入“工業化”階段。

伴隨著國內外科技巨頭對AI技術的持續投入，2020年在全球范圍內將出現多家AI模型工廠、AI數據工廠，將AI技術和商業解決方案大規模生產出來，運用在各行各業幫助產業升級。

例如，客服行業的AI解決方案將可以大規模復制運用到金融、電商、教育等行業。

最近幾年，AI芯片已經逐步達到了可用的狀態，2020年將會是AI芯片大規模落地的關鍵年。

端側AI芯片將更加低成本、專業化、解決方案集成化，同時，NPU（神經網絡處理單元）將成為下一代端側通用CPU芯片的基本模塊。

未來，越來越多的端側CPU芯片都會以深度學習為核心進行全新的芯片規劃。

芯片之外，AI還將重新定義計算機體系架構，支持AI的訓練和預測計算成為新的異構設計架構思路。

深度學習是當前人工智能領域最重要，也是被產業界證明最有效的技術。

以深度學習框架為核心的開源深度學習平臺，大大降低了人工智能技術的開發門檻，有效提高了人工智能應用的質量和效率。

2020年，各行各業將會大規模應用深度學習技術實施創新，加快轉型和升級。

AutoML將能夠把傳統機器學習中的迭代過程綜合在一起，構建一個自動化的過程。

研究人員僅需輸入元知識（如卷積的運算過程、問題的描述等），該算法就可以自動選擇合適的數據，自動調優模型結構和配置，自動地訓練模型，并將其適配部署到不同的設備上。

AutoML的快速發展將大大降低機器學習的門檻，擴大AI應用普及率。

多模態深度語義理解以聲音、圖像、文本等不同模態的信息為輸入，綜合感知和認知等AI技術，實現對信息的多維度深層次理解。

隨著視覺、語音、自然語言理解和知識圖譜等技術的快速發展和大規模應用，多模態深度語義理解進一步成熟，應用場景更加廣闊。

結合AI芯片等，它將廣泛應用于互聯網、智能家居、金融、安防、教育、醫療等行業。

隨著大規模語言模型預訓練技術的出現和發展，通用自然語言理解能力有了大幅度提升。

基于海量文本數據的語義表示預訓練技術將與領域知識進行深度融合，持續提升自動問答、情感分析、閱讀理解、語言推斷、信息抽取等自然語言處理任務的效果。

集合超大規模算力、豐富領域數據、預訓練模型和完善研發工具的通用自然語言理解計算平臺將逐漸成熟，并在互聯網、醫療、法律、金融等領域得到廣泛應用。

隨著5G和邊緣計算的發展，算力將突破云計算中心的邊界，向萬物蔓延，將會產生一個泛分布式計算平臺。

同時，時間和空間是這個物理世界最重要的兩個維度，對時間和空間的洞察將成為新一代物聯網平臺的基礎能力。

這也將促進物聯網與能源、電力、工業、物流、醫療、智能城市等更多場景發生融合，創造出更大的價值。

自動駕駛的發展正在趨于理性，市場將對智能駕駛未來數年的發展更加充滿信心。

2020年，更多自動駕駛汽車被應用于物流快遞、公共交通、封閉道路等不同場景。

同時，V2X（vehicle to everything）技術啟動規模化部署和應用，使得車車、車路形成廣泛連接，進一步推動智能車路協同技術的實現，智能交通加速在園區、城市、高速等多樣化場景中落地。

隨著區塊鏈技術與AI、大數據、IOT和邊緣計算的深度結合，數據和資產線下線上的映射問題逐一解決。

圍繞區塊鏈構建的數據確權、數據使用，數據流通和交換等解決方案，將在各行各業發揮巨大的作用。

例如，在電商領域，可保證商品的全流程數據真實性；供應鏈領域，可保證全流程數據的公開和透明，以及企業之間的安全交換；在政務領域，能實現政府數據的打通，實現證件的電子化等等。

隨著“量子霸權”的成功展示，量子計算將在2020年迎來新一輪的爆發。

量子硬件方面，可編程的中等規模有噪量子設備的性能會得到進一步提升并初步具備糾錯能力，最終將可在上面運行具有一定實用價值的量子算法，量子人工智能應用也將得到很大的發展。

量子軟件方面，高質量的量子計算平臺和軟件將會涌現并與AI和云計算技術實現深度融合。

此外，伴隨著量子計算生態產業鏈的初步形成，量子計算必將在更多應用領域獲得重視，越來越多的行業巨頭陸續投入研發資源進行戰略布局，有機會為未來AI和云計算領域帶來全新面貌。

在2019年短短一年時間里，百度AI的核心技術取得諸多突破，開放生態愈加繁榮。

新的一年，百度將繼續強化技術的積累與探索，積極推進各行各業的產業智能化進程，讓AI滲透到社會生活的方方面面和千行萬業！