未來，人工智能將無處不在。美國國防

　　部曾20年未到訪硅谷，而當時的國防部長卡

　　特自 2015 年上任以后以來連續 4 次訪問硅

　　谷，對人工智能表示出極大興趣，直言要將民

　　用AI技術用于改進國防裝備體系，幫助美國

　　培育出新型的“鋼鐵俠”戰士，國防部高等研

　　究計劃局（DARPA）正在布局開發基于人工

　　智能技術研發自動駕駛戰車、反潛無人機械

　　船、智能電子戰系統、“半人馬”人類作戰行動

　　輔助系統等。據悉，谷歌、微軟、蘋果、臉書和

　　英特爾等巨頭也正在不約而同地投入“人工

　　智能優先”戰略。

　　本報告由阿里云研究中心、波士頓咨詢

　　公司和 Alibaba Innovation Ventures 合作推

　　出，通過對人工智能內涵的闡述，分析了未來

　　人工智能行業的競爭格局和企業制勝之道。　　人工智能的主戰場在哪

　　人工智能最適用于解決什么樣的問題？通過分解典型的商業流

　　程，我們發現，人工智能更易于解決符合以下特點的商業問題：

　　行業存在持續痛點；

　　商業流程本身具備數字化的信息輸入，問題可以細分并清晰地

　　界定，商業流程存在重復，且獲得的結果的溝通以書面溝通或單項溝

　　通為主；

　　商業流程較少受整體商業環境的復雜影響。

　　企業客服就是人工智能應用的一個典型例子，作為企業用戶與

　　企業服務的交互入口，客服面對的80%的問題都是簡單的、重復的問

　　題，但是卻需要大量人力和時間的工作。同時，客服提供的服務內容

　　大都來自于企業自有知識體系，受整體商業環境的影響相對較弱。

　　這使得企業客服的智能化應用相對容易，很多基于自定義知識庫的

　　問答型企業智能客服產品蜂涌而出。

　　但是如何真正實現人工智能意義的智能客服？盡可能地模仿真　　大數據是戰略競爭優勢

　　數據是人工智能的基礎，擁有針對特定領域的龐大數

　　據集，能夠成為競爭優勢的重要來源。現階段，制約人工

　　智能領域很多重大突破的關鍵，并非是算法不夠先進，而

　　是缺乏高質量的數據集。

　　海量、精準、高質量的數據為訓練人工智能提供了原

　　材料（見圖1），巨型數據庫、十幾年累積的搜索結果，乃至

　　整個互聯網都讓人工智能變得更聰明。人工智能從龐大

　　的、復雜的、無序的個體數據中發現更為本質、更能解釋

　　世界的規律，并復合多個規律共同作用，以解決問題。

　　人工智能的三種主要技術，都需要專有類型的數據。

　　機器學習——例如計算機視覺、情感分析、自然語言處理

　　等技術，需要大量的標簽樣本數據。模式識別——例如

　　文字、語音、指紋、人臉等識別技術，則偏重于信號、圖像、

　　語音、文字、指紋等非直觀數據。人機交互——如智能機

　　器人技術，則需要積累大量的用戶數據。

　　互聯網催生了大數據，大數據催生了人工智能。互聯

　　網的演進和催生的新業態，進一步吸引了大量用戶的積

　　極參與，實現了數據“產生—使用—新數據產生—再使

　　用”的閉環，這個閉環恰恰是人工智能自主學習和知識管

　　理的基礎。例如：擁有上億注冊用戶和上億商品的阿里

　　巴巴淘寶，后臺積累了286億多個圖片文件，更方便地讓

　　用戶在即時場景（電視觀看、社交圖片分享、逛街等）下所

　　見即所“得”的找到感興趣的商品，是淘寶“拍立淘“應用

　　的主要目的。在“以圖搜圖”模式下，機器學習正確理解

　　后臺幾百億圖片并打上標簽，用戶通過點擊商品列表等

　　參與來判斷機器的理解是否正確。人工智能的應用的實

　　現本質上就是“知識產生—知識應用—知識產生的自我

　　學習和優化”的體系化過程的落地。

　　場景數據的積累，可以促進人工智能技術的應用，從

　　而形成更高效的解決方案。例如，傳統外賣配送采用人

　　工調度，由派單員進行手工派單，所依據的是有限的餐廳