前言

人工智能的下一步是什么？虽然人工智能正在各个行业蔓延，经常成为头条新闻，但从各类型炒作中挑选出真正重要新闻仍旧很难。金准产业研究团队的通过分析将25种发展趋势进一步总结为五大领域发展趋势，希望对大家有所帮助。

一、AI趋势概览

2019年AI的25个趋势总体可以分为基础框架、体系架构和应用三类。其中应用又分为智能预测、自然语言处理与合成和计算机视觉三类。

图：AI价值链的25个趋势

对于这25个重要的AI趋势，金准产业研究团队采用NExTT框架，使用行业采用率和市场优势两个维度进行分析，分为实验阶段、过度阶段，必要、的和紧迫性四个象限。每个象限的评判标准为：

实验阶段：除了早期创业公司之外，没有被广泛采用；

过度阶段：公司合作意愿，市场机会的不确定度；

必要性：广泛的行业基础，客户采用度和投资；市场接纳度；

紧迫性：大型可行的市场预测；值得注意的投资活动；不稳定/不确定的应用。

NExTT框架两个维度

NExTT框架中的25个趋势

二、底层技术更新

越来越多的公司将使用包括caffe2、 Py Torch以及Tensor Flow在内的开源框架降低人工智能行业进入门槛，而胶囊网络（capsule networks）会对卷积神经网络(CNN)发起挑战。“生成式对抗网络”（GAN）将更加流行，用于内容制作。联合学习（Federated Learning）方法将用于更多人工智能设备上，旨在使用这个丰富的数据集的同时保护敏感数据。关于强化学习（Reinforcement Learning）的研究申请会越来越多。

2.1开源框架

由于开源软件的出现，人工智能的门槛比以往任何时候都要低。谷歌在2015年开放其Tensor Flow机器学习库时引领了这一潮流，主要技术人员纷纷效仿。现在有许多开源工具可供开发人员选择，包括Keras，Micro soft Cognitive Toolkit和Apache MXNet。

2.2边缘AI

对实时决策的需求正在推动AI更接近“边缘”，使设备能够在本地处理信息并更快地做出响应。NVIDIA、苹果和许多新兴创业公司都专注于专门为人工智能工作负载构建芯片。2019年最值得关注的人工智能趋势之一将是应用程序中边缘AI的增长。

边缘AI的提及率在2018年第三季度达到顶峰

AI正在推动实时决策

2.3胶囊网络

深度学习推动了当今大多数人工智能应用，但胶囊网络很快就会取而代之。与当前的卷积神经网络（CNN）相比，胶囊网络具有许多优点。对胶囊网络的研究还处于起步阶段，但可能会挑战当前最先进的图像识别方法。

在可见的未来，人工智能的普及化程度会越来越高。尽管之前有很人相关人士曾预言AI寒冬的到来，但是从层出不穷的开源框架可以看出，各大公司对于人工智能的进一步普及和简化应用，仍抱有极大的信心。而新的胶囊网络和日渐流行的强化学习方法，让图像和物体的识别变得更加精确，拥有更多的视角的同时，突破数据限制。

简而言之，在未来的一年，人工智能的进入门槛会越来越低，而且人工智能的识别性能也会更强、更精确，他们的自我学习能力会显著提高。智能设备生产的数据利用度也会大大提升，人工智能在今年会朝着更聪明更有效率的方向发展，同时隐私及敏感数据会被更好的保护。

2.4生成式对抗网络GANs

GAN采用“AI对抗AI”的概念，包括生成器和鉴别器。生成器创建伪图像，而鉴别器将其与真实世界图像进行比较，并向生成器提供反馈。最终结果是一个恒定的反馈回路，产生越来越复杂的图像。随着研究的扩大，它将改变新闻，媒体，艺术乃至网络安全的未来。2019年最重要的AI趋势之一将是GAN的进一步发展和其他应用的溢出效应。

2.5联合学习

使用独特的本地数据集训练AI可以极大地提高其性能，但用户数据也是隐私的。Google的联合学习方法旨在使用这些丰富的数据集，同时保护敏感数据。今年将见证在药物发现和其他用例中寻找更多联合学习的应用。

2.6增强学习

研究人员正在通过增强学习推动AI的能力界限，但对大量数据集的需求限制了实际应用。尽管存在挑战者，但主要参与者正在对该技术进行更多投资，对RL应用的研究正在增加。

美国增强学习专利申请

三、技术应用

通过将AI算法加载于终端设备上，会使人工智能终端化变得普及，但依然面临着储存和开发上的困境。人脸识别的应用范围会愈发广泛，但有引发安全问题风险，仍有待改进。基于自然语言处理（NLP）工作的翻译系统拥有极大的市场需求，但低资源语言和少数民族语言的开发和应用依然存在缺口。自动化驾驶的汽车市场潜力巨大，预计2025年其市场利润能达800亿美元，物流等相关行业会成为首批应用全自动驾驶的行业，但实现全自动的未来依然不明朗。AI聊天机器人吸引了包括国外的FAMGA（Facebook，Apple，Microsoft，Google与Amazon）以及国内的BAT等科技巨头的关注。

3.1人脸识别

从解锁手机到登机航班，面部识别正在成为主流。早期的商业应用正在安全、零售和消费电子领域取得进展，面部识别正迅速成为生物识别的主要形式。

人脸识别首先提到了中国并列举了近四年年含有“人脸识别”和“中国”两个关键词的新闻，说明人脸识别技术在中国的重视度日益增高，中国对人脸识别技术的需求也越来越多。

含有“人脸识别”和“中国”两个关键词的新闻数目

2013-2018中国人脸识别技术股权和非股权交易数目

而美国的专利申请数目也显示出了该国对人脸识别技术的兴趣也在增高。

美国近年人脸识别与活体检测专利申请数目

虽然还不太成熟，但大量的早期应用已经落地。例如苹果在IOS10系统中加入的人脸识别。

人脸识别早期应用

3.2翻译

翻译的自然语言处理是一项挑战，也是一个尚未开发的市场机遇。像百度和谷歌这样的大型科技公司开始在这个领域掀起波澜。由于各公司致力于改进翻译框架，因此效率和语言能力将得到提高，各行业的采用率也将会提高。

3.3自动驾驶

尽管自动驾驶汽车具有巨大的市场机会，但完全的自动驾驶时间表仍不明确。一些如物流等行业的应用可以看到早期采用自动驾驶的车辆。即使部署时间表仍不明确，各行各业都在积极投资并采用自主技术。

3.4对话AI

对于许多企业来说，聊天机器人成了人工智能的代名词，但承诺并没有跟上现实。尽管它们被广泛采用，但聊天机器人一直在努力分析衡量情况的紧迫性-在健康和保险等复杂领域。AI可以改善这些领域的聊天机器人功能，但它仍然是算法的一项特别艰巨的任务。

5G的快速发展，以及智能设备的快速普及，使得各大公司更倾向于在智能手机、汽车甚至可穿戴设备等边缘设备上运行AI算法。其实，在之前AI已经通过语音和手势识别技术渗透汽车、家居领域。例如，巨头谷歌和亚马逊在汽车中分别引入了它们知名的语音识别解决方案“ok，google！”和“alexa”。这些技术形成了一整套的技术融合，加速了人工智能的技术应用。在2019年，5G在全球范围类的广泛试用，将会进一步推动车辆自动化甚至是无人驾驶的商用加速。语言处理技术的发展，让对话式AI的发展会更加顺畅，未来的你不管是说着哪一种方言，位于电话那一头的AI接线员都能准确无误地识别出来，并且通过富有感情的声音给你一个答案。

四、医药行业AI应用

“AI即医疗设备”趋势正加速推进，更多的AI成像和诊断公司正在进行商业化探索，智能手机的普及和图像识别技术的进步正在把手机变成强大的家庭诊断工具。使用机器学习解码来自人体传感器的信号，以及更多的新媒介解决方案，将助力下一代假肢领域发展。苹果推出的两个开源框架——Research Kit和Care Kit，将有助于解决临床试验患者招募中的互操作性问题。医疗生物识别技术将被用于被动监控，为新的诊断方法和识别以前未知的危险因素铺平道路。制药公司正在投资AI和药物研发，以发现新的治疗方案，并改变旷日持久的药物研发过程。

4.1医疗成像与诊断

美国食品和药物管理局（FDA）对AI医疗设备开了绿灯。AI软件产品的快速监管审批为AI成像和诊断公司开辟了新的商业途径。在消费者方面，智能手机的渗透和先进的图像识别技术正在将手机变成功能强大的家用诊断工具。最具影响力的AI趋势之一将是AI用于医疗和诊断应用的批准和采用。金准数据显示，诊断应用是健康类AI应用投资交易的主要驱动。

诊断类AI投资交易

谷歌Deep Mind的算法已经可以判断出乳房活检照片中肿瘤存在的可能性。

DeepMind的肿瘤识别算法

4.2新一代假肢

非常早期的研究是将生物学，物理学和机器学习结合起来解决假肢中最棘手的问题之一：灵巧性。研究人员正在使用机器学习来解码来自身体感官的信号，并将其转化为移动假肢装置的命令。今年，该行业将寻求更多发展，包括面向消费者产品的试验。

4.3 AI临床试验

临床试验中最大的瓶颈之一就是招募合适的患者。理想情况下，AI可以从医疗记录中提取信息，与正在进行的研究进行比较，并向医生和患者提出相关研究建议。

很少有创业公司直接在临床试验领域与客户合作，但像苹果这样的科技巨头正在大踏步前进。自2015年以来，Apple推出了两个开源框架，以帮助临床试验招募患者并远程监控他们的健康状况。

AI临床试验

4.4高级医疗保健生物学

利用神经网络，研究人员开始研究和测量以前难以量化的非典型风险因素。从视网膜扫描到分析皮肤颜色变化，AI正在从无数来源解锁新的医学见解。AI将继续解锁新的诊断方法并识别以前未知的风险因素。

4.5网络安全识别

对网络攻击做出反应已经不够了。计算能力和算法的进步正在将以前的理论攻击变成真正的安全问题。作为回应，使用机器学习主动“搜寻”威胁正在网络安全中获得动力。2019年最重要的人工智能趋势之一将是跨越不同业务类型的威胁猎手的新兴需求。

4.6药物研发

随着AI生物技术创业公司的兴起，传统制药公司正在寻求人工智能创业公司减少长期药物发现周期。虽然这些创业公司中的许多仍处于资助的早期阶段，但他们已经拥有一批制药客户。2019年人工智能的最大趋势之一将是领先的制药企业增加对该领域的投资。

医疗物联网（IoMT）、AI全科医生机器人、远程医疗、医疗中的可穿戴设备、云计算，随着人工智能在医疗行业的长足发展，它们可能正在成为成为现实。现在，即使是简单的智能手机具有医疗应用程序也可以执行血液检查，心电图监测等。医疗中的这种自动化也使得可以向患者发送关于正常检查的预期时间的自动提示。VR以及5G技术的发展，使得之前较为昂贵稀奇的远程医疗变得触手可及。从患者招募到药物开发，AI如今都在全程参与，新型药物的研发应用时间将会比之前更短，而且价格也会更低。对于残障人士而言，下一代假肢技术也在进步，这将有助于他们更加容易地恢复到常人生活状态。

五、设备维护与网络优化

随着工业传感器成本的降低、机器学习算法的进步，以及对边缘计算的推动，AI-IIoT用于设备或单个部件的预测性维护会更加广泛。人工智能正在推动管理工作走向自动化，但面临数据的不同性质和格式的挑战。AI可以通过混合现实世界和模拟数据进行训练建立的合成数据集，来训练人工智能算法。通过将基于AI的解决方案集成到5G网络中，可以进一步优化电信网络。使用机器学习主动“搜寻”威胁正在网络安全中获得动力，但仍面临动态环境变化以及误报的挑战。

5.1预测性维护

从制造商到设备保险公司，AI物联网可以为现有企业节省数百万美元的意外故障。预测性维护算法使用持续数据收集来预测设备故障。由于降低了传感器成本，人工智能的进步以及对边缘计算的推动，预测性维护已经变得更加广泛。我们将见证2019年及以后该行业的投资的增加。

5.2后台办公自动化

AI正在自动化管理工作，但数据的不同性质和格式使其成为一项具有挑战性的任务。尽管每个行业和应用都有其独特的挑战，但不同的行业正在逐步采用基于机器学习的工作流程解决方案。

在其他领域，数字化需要在预测分析之前进行。2019年最重要的人工智能趋势之一将是增加机器人过程自动化的创新和探索。

5.3综合训练数据

访问大型标记数据集是训练AI算法的必要条件。但对于某些应用程序，访问足够的真实数据却有可能不可行。现实的假数据或合成数据集可以解决瓶颈问题。现实世界数据还可以通过混合AI生成的模拟数据来增强，以创建更大，更多样化的数据集。

5.4网络优化

从促进频谱共享到监控资产以及为天线提供最佳设计，AI正在改变电信业。对于通信服务提供商而言，优化意味着更好的客户体验。电信运营商也在准备将基于AI的解决方案集成到5G无线技术中。2019年及以后的人工智能关键趋势之一将是其更多地融入全球电信网络。

人工智能随着物联网的发展，在工业领域的应用已经较为明晰，更智能的机器学习算法和实时联网的工业传感器，进一步提高了设备本身的智能化，在不久的将来，设备的故障可以通过算法来提前预测，会节省大量的意外成本和设备停转损失。由于人工智能的介入，机器运转的后台维护工作，将会变得更加有效率，会节省更多的人力成本。而且人工智能还可以通过模拟运算，进行多种不同状况下的风险预演，可以更精确的模拟现实场景。在网络上优化，人工智能可以快速和个性化的调整网络资源，从而为客户提供不同的网络带宽，降低网络时延，同时在网络安全上，不再是像之前那样等着漏洞被发现，AI可以主动去解决威胁。

六、其它商用领域

对搜索词的上下文理解正应用于电子商务搜索，但广泛应用仍需时间。使用人工智能来计算车主的“风险得分”，分析事故现场的图像，并监控驾驶员的行为，可以有效解决汽车索赔处理问题。网购的普及，使得通过建立一个假冒伪劣商品的数据库，提取其特征，并训练人工智能算法来分辨真伪，对于奢侈品牌和其他高风险零售商来说变得更加有必要。人工智能可以杜绝真正的盗窃行为，并让免结账手续零售变得更加普遍。添加数据分析，以及使用计算机视觉等技术，包括无人机在内的农业设备将变得更智能，可以广泛应用于农作物监测。

6.1电子商务搜索

对搜索术语的语境理解正在逐渐走出“实验阶段”，但广泛采用仍有很长的路要走。尽管面临技术挑战，早期的SaaS初创公司正在兴起，向第三方零售商销售搜索技术。2019年人工智能的主要趋势之一将是对该行业的更多投资，包括主要零售商。

6.2自动索赔处理

保险公司和初创公司正在使用人工智能来计算车主的“风险评分”，分析事故图像并监控驾驶员行为。人工智能的进步正在改变以前缓慢的，人为主导的过程，并允许更快的索赔结算。

6.3假货识别

假货越来越难以发现，网上购物比以往任何时候都更容易购买假货。为了反击，品牌和典当商开始尝试人工智能技术。在线和实体商务中，AI被用于识别仿冒产品和欺诈性商标侵权。

6.4无人零售

到目前为止，亚马逊Go是唯一成功的无人零售商店，但该公司一直盯着定义“成功”。在其他问题中，防盗取决于运营的规模，以及可用的产品类型。在短期内，还存在着部署成本和潜在的技术故障导致的库存损失成本等问题。

6.5作物监测

初创公司和现有企业正在接受作物监测AI来管理驱虫、发现问题，并预测天气变化如何影响农业。

在未来，应用在电子商务搜索的AI可以帮助顾客更加精准和快速地找到心仪的商品。比如当你不知道它叫什么名字的时候，你可以说出它的形状和颜色，又或者它的别称代号之类，人工智能可以通过对这些产品描述的语言分析来自主学习，提高搜索效率。同时在产品防伪上，人工智能可以进一步对假货和侵权商品进行分析，降低客户买到假货的风险。而在汽车索赔处理上，人工智能可以全面介入驾驶员和车辆的状态监控，一方面可以避免事故的发生，另一方面可以在第一时间内得出事故分析结果。在零售方面，无人商店可能更加普及，人工智能和人脸识别等技术的全面应用，可以帮助商店更好的计算货损，及时补充货物。而收银过程也会变得更加简易，人们今后可能购买任何东西甚至于都不需要带着钱包和手机，所有过程都将是实时记录的。在农作物监测上，无人设备和人工智能会使农业作业更精确，风险管控也会更加细致，绝大部分的农作物危害都会被精准清除，产量预测会更加准确。

结语

金准产业研究团队认为，虽然AI的泡沫曾经破灭了多次，但是近年来，一些重大的发展与突破又一次将该领域带回到了公众面前。虽然大量新闻报道仍有炒作嫌疑，金准产业研究团队分析，AI对各行各业的影响是显而易见的。随着更多开源工具的发布，更多的智力资源的涌入，AI的爆发点也许已经不远。

在2019年，更多的免费框架会让人工智能的入门变得愈加简单，更好的算法可以让人工智能的学习速度大大提高，自我提高的能力也会加强。同时2019年一个明显的趋势可能是对于数据保护的重视，过去一年众多数据泄露事件爆发出来的危机已经足够警醒，人工智能在数据保护上所能做到的工作可能会更多。5G网络的应用，会智能物联网进一步普及，人工智能可以在今年有更大的发挥空间。包括医疗行业、农业生产、工业制造等各个领域，在智能设备的配合下，边缘AI将部署到生活的各个角落。或许在不经意间，人工智能会触达我们生活的方方面面。