当前人工智能的四大时代特征

当前人工智能的四大时代特征

AI对各产业的提升更多体现在技术赋能，与knowhow结合，提升精准度。AI赋能后的传统产品/服务由于优越的智能化性能，将享有价值提升与降本增效。以科大讯飞智能录音笔为例，和传统录音笔相比，具有智能化语音自动转文字功能的科大讯飞录音笔平均价格达到1912元，显著高于其他品牌，哪怕和传统电子巨头索尼相比，其均价也要高出34%。

网络安全领域，AI将通过大数据挖掘和机器学习不断提升对安全威胁的认知，从而提供更好的安全防护。传统网安设备与软件不具备大数据分析与AI能力，对新型网络攻击与安全威胁的反应十分迟缓。而经过了AI加持后，网安体系可以通过大数据共享与挖掘获得最新安全威胁情报，提升系统的免疫能力。例如奇安信旗下的“天眼”新一代威胁感知系统，运用上下文语义分析、人工智能分析、可视化分析等多种技术对未知威胁进行检测和溯源，在实网攻防演习中，使用“天眼”产品的单位防护成绩名列前茅。在威胁情报方面，奇安信拥有国内名列前茅的商用网络安全威胁情报中心，掌有海量数据情报，结合机器学习和安全研究双引擎驱动，使得公司能够快速生产高质量的威胁情报，并实时下发到安全设备中去。这样一来，只要在奇安信任意设备上攻击过一次，该安全威胁就会被记录并全系统共享，从而使得全系统都获得对该类攻击的感知与预警能力。

金融领域，AI可以大幅降低成本，提升效率。人工智能对人工的代替能够带来显著的人工成本降低与工作效率提升，落地在金融领域，则表现为中后台的智能核保/核赔、智能风控、智能投顾等等。例如在保险领域，传统上保险的赔付是一个很漫长的过程，保险公司要通过种种手续核实投保人的真实损失再进行赔付，流程周期之长受到广泛诟病。

然而随着人工智能的介入，运用机器视觉等技术，客户损失的界定时间被大大缩短。2019年，平安产险运用AI图片定损技术和精准客户画像技术，为近90%的出险客户提供端到端在线陪伴的办理赔、查理赔服务，其中近25%的案件可通过智能定损完成；针对安全驾驶行为良好的车主推出“信任赔”服务，开创性实现后台零人工作业模式，全年案均赔付完成时间仅3分钟，大大提升了赔付流程的效率。

1.2、AI进入产业化阶段，应用遍布B/G/C端

随着AI技术的不断成熟，人工智能在各行各业的实际应用领域不断扩展，落地范围遍布C/B/G端。

1）面向C端：满足消费者日常使用需求的AI产品不断涌现，触及日常生活的各个方面。从事语音识别的科大讯飞开发出的录音笔，在传统录音功能以外，还添加了基于智能语音识别的实时语音转文字功能，为各类语音文字整理工作提供了极大便利。由百度开发的小度智能屏则是全能型智能生活助手，覆盖休闲生活、教育学习、儿童益智等各领域，兼具了眼神/手势控制、宠物儿童移动抓拍、智能家居操控等功能，其对话式人工智能交互系统智能度高达80%，有屏音箱听懂率高达92.9%。

3）面向G端：国内各地政府也在通过建设一站式服务平台、城市大脑等方式积极推进政务智能化。深圳公安局将传统的窗口“面对面”排队向网上办理转变，“刷脸”就可以进行户政办理，同时基本建成全市统一的政务信息资源共享体系，汇集29家单位的385类信息资源、38亿多条数据，为政务服务全面智能化提供数据支持。成都高新区智慧城市大脑目前接入数据9亿多条，在将各个部门的数据打通、实现汇聚之后，通过人工智能等新型信息技术，可以在大屏上呈现分析结果，给办事的企业和群众提供精准画像，职能部门可借助数据分析结果判断能否实现之前的承诺，极大提升了成都高新区城市感知、监控预警、应急响应、科学决策能力。

1.3、相关上市公司2020已开始业绩加速

AI相关上市公司Q3已呈明显加速迹象。经历了近三年人工智能行业的“遇冷”时期，AI已经初步显现正常回温现象。根据2017年Gartner曲线，人工智能从触发期开始，会经过期望膨胀期—泡沫幻灭期—复苏期—成熟期。从目前趋势来看，AI行业、经过两年的预期消化，已不再是追逐热点赛道，而更倾向于考虑打造合理的商业模式，帮助人工智能产业化落地。2017-2020年期间，在预期消化的同时，在资本的助力、政策的驱动、技术的投入下，人工智能领域中数据、硬件、算法都发生了巨大飞跃，成为了人工智能拐点的催化剂，推动业务的飞跃发展。

从AI相关的上市公司的财报中可以明显看出，AI产业已经出现明显拐点信号，已进入了短期最后的负面因素兑现期。从三季报看，语音识别和图像理解领域的科大讯飞、图形图像视觉算法领域的虹软科技、AI+视频在安防领域的龙头海康威视在2020Q3的营收均高于Q2，智能操作系统领域的中科创达的营收增长更是持续维持在高位。

1.4、AI天然带来规模优势

AI技术边际成本极低，本身自带规模优势。与所有软件类似的，AI运用的边际成本极低，故而以人工智能替代人力必定具有规模效应，可以显著降本增效。例如平安开发的智能客服机器人，目前已经广泛应用于平安银行，具备语义分析能力与自主学习能力，能够不断扩充知识库，代替人力自动完成了解产品、注册用户、申请服务、提交材料等大量前端常规业务流程。根据官网数据，平安智能客服机器人问题识别率高达95%，可以提升客服效率88%，提升订单转化率35%。截止2019年，平安智能语音机器人已覆盖集团83%的金融销售场景、81%的客服场景，全年累计服务量达8.5亿次，可实现每年坐席成本下降11%。

海量数据是AI必不可少的训练素材与基础条件。随着机器视觉、语音识别等技术的发展，海量的非结构化数据进一步增加。一方面庞大的数据超越人力处理的极限，另一方面海量数据也是训练机器学习算法的基础。对于AI来说，想要进行机器学习，首先必须要有学习的原材料，即海量数据。在缺乏数据的情况下，AI想要发展得好，便有如巧妇难为无米之炊。

拥有更多数据积累与行业Know-how积累的头部厂商能够获得更好的AI 训练结果。1）许多行业具有复杂的碎片化应用场景，不同场景下的行业Know-how实质上构成专业壁垒。头部大厂往往有较为庞大的产品及平台团队，能够针对碎片化的需求，开发出成千上万针对不同场景的产品和系统并不断迭代，适合搭载AI实现细分领域的智能化。2）由于海量数据是AI自我迭代不可或缺的基础，拥有更多数据积累的头部厂商将获得更好的AI训练结果，并从AI赋能中率先获益。例如，中国平安在音频方面拥有大量积累，95511客服以每天服务客户96万次，年接触客户3.5亿次的速度累积了上亿条声音的庞大数据库，作为日后声纹识别训练的样本库，最终助力平安的声纹识别技术实现1秒内高达99.7%的精准度。再譬如全球安防龙头海康威视，具备庞大的设备存量与数据积累，因此可以基于深度学习技术推出了AI智能摄像机等一系列智慧监控产品：它们可以支持人脸识别、人员行为分析、人体属性分析、人脸动态对比等多种智能检测，通过不断的机器学习和自我迭代，具备比人脑更精准的安防大数据归纳能力。