赛迪顾问电子信息行业分析师向阳向21世纪经济报道记者指出，“到2018年，中国人工市场规模预计将突破380亿元。不过，目前人工的应用才刚刚开始，面临较的挑战。

 

  尽管AlphaGo与李世石“人机大战”战鼓的敲响，已宣告了人工时代的来临，但直到2017年3月5日之前，这个新兴行业从未获得如此举国关注。

 

  改变就发生于3月5日这天上午，2017政府工作报告中提到，要加快培育壮大新兴产业，多方面实施战略性新兴产业发展规划。包括新材料、人工、集成电路、生物制药、第五代移动通信等在内的技术研发和转化要求提速，并做大做强产业集群。这也是“人工”首次被列入政府工作报告。

 

  3月6日，人工板块以领跑大盘的涨势，作为对本次政府工作报告的回应。截至收盘，沪指报收3233.87，涨0.48%，其中人工板块上涨2.96%，其中科大、赛为涨停。

 

  “当前人工发展高潮有一个特点，就是将学习技术应用在新的领域中，以期实现突破，诸如医疗大数据、金融大数据、制造等均是如此。”近日在提及人工行业时，中国科学院院士、清华大学计算机系教授张钹指出，“由此可见，单一技术并不是的，人工要产生新的突破，就需要在学习的基础上加以发展，结合其他技术产生新的技术，这个过程中就需要强大的研究力量的支持。”

 

  举国关注

  从乏人问津到炙手可热，人工不过经历了短短几年时间。

 

  在很长一段时间内，这个诞生于上世纪50年代的行业，更多停留在大学课堂与好莱坞电影中。然而，自2012年开始，全球产业界开始对人工进行高强度的持续投入，并在2016年产生了一大批诸如AlphaGo、Master、微软小冰之类的人工标志性成果。

 

  根据赛迪顾问发布的《洞见2017：新兴产业投资机会》白皮书显示，2016年中国人工市场开始爆发，市场规模达239亿元。“预计未来三年，人工市场将迎来新兴机遇点，”赛迪顾问电子信息行业分析师向阳向21世纪经济报道记者指出，“到2018年，中国人工市场规模预计将突破380亿元，复合增长率为26.3%。”

 

  “其中，智慧城市的发展将在安防、交通监控、医疗、社区等多个领域多方面刺激人工产业发展，针对边缘计算的设计开发正在成为各大厂商的新焦点，主要发生在软件集成环节和类脑芯片环节的新兴人工点正逐渐凸显，机器视觉、学习等环节也在成为投资热点。”向阳告诉21世纪经济报道记者。

 

  由此，业内人士将2016年定义为“中国人工元年”，但这也不仅仅因为人工产业本身的，更是因为人工概念在整个政策中分量的递增。2016年4月，工信部、发改委、财政部联合印发《机器人产业发展规划（2016-2020年）》，重点开展人工、机器人学习等基础技术研究；5月，国家发改委、科技部、工信部、网信办联合发布了《“互联网+”人工三年行动实施方案》，设定包括家居、汽车、安防等在内的七大工程。

 

  而在2017年年初召开的全国科技工作会议中，科技部部长万钢透露，目前正在编制人工专项规划，同时在研究论证人工重大项目的立项工作。就在此次人工首次作为新兴产业的代表，被写入2017政府工作报告的前夕，国家发改委正式批复了19个国家工程实验室，其中有3个分属人工领域，涉及学习技术及应用、类脑技术及应用及虚拟现实/增强现实技术及应用。

 

  “除去国家层面的政策之外，各地政府也开始密集出台人工产业配套扶持资金政策，努力解决企业发展的实际问题，”向阳指出，“截至2016年底，已有满30个城市将机器人产业作为当地重点发展对象，各地政府建成和在建的机器人产业园达40余家。”

 

  挑战仍在

 

  尽管人工赢得了企业、公众甚至政府层的高度关注，但这个行业仍面临诸多挑战。

 

  本次人工热潮肇始于2006年，在那一年，学习--这一神经网络算法——被重新提出，此后开始在人工行业刮起强劲飓风，备受瞩目的AlphaGo、Master正是得益于此。

 

  “这项技术目前已成为行业内比较有价值且临近爆发期的技术点，各大公司纷纷跑马圈地，距离未来预期多方面部署约7年时间。”向阳向21世纪经济报道记者直言，“就未来而言，云计算和开源化仍将成为主流，也是更能推动技术进步的模式，因此基于云平台的学习的投资价值不言而喻。”

 

  然而，从另一方面而言，当前各方面的情绪也可能过于心切。“不可否认的是，人工行业经历了寒冬，突然迎来了温暖的春天，但行业甚至公众对当前人工技术的发展程度可能仍存在误解。”北京航空航天大学计算机学院副院长王蕴红指出。

 

  事实上，据王蕴红介绍，人工的应用才刚刚开始，也面临较的挑战。“现在学术竞赛中所获得的超高识别率，还很难真正解决实际中的问题。例如，当前实验室里的人脸识别率可99.9%，然而在监控中的人脸识别率依然不佳，”王蕴红直言，“学习的人工在某些领域已经取得了成功，但在其他方面，还需要经历一个发展的过程。”

 

  这个过程不仅包括更大的样本及数据平台，还有许多算法及理论方面的问题需要解决。“关于人工的国家工程实验室的成立，对于推动人工的研究而言是个很好的平台，能够真正实现产学研结合。” 王蕴红指出。

 

  此外，百度学习研究院杰出科学家徐伟近日亦指出，此轮人工浪潮中，学习发挥效果较好的领域体现在人脸识别、语音识别等领域，但对于其他类型的任务而言，很难通过标准数据让机器习得。

 

  “比如，想要机器学习人类说话，通过对话样本是很难学会的，因为相同问题背后可能对应着无数种回答。”徐伟称，“如何让机器不需要过分依赖标准数据去学习，这是当前人工极为重要的方向，由此才可能将学习的应用范围，从现在比较成功的模式识别，拓展到诸如对话、推理这样的更的领域。”

 

  这也意味着，人工行业无论从资金、人才还是资源上，都需要有更多支持以促进技术，而将人工完善至国家战略层面，没有疑问将有助于相关技术的突破。