百度AI開發者大會引爆熱搜，儘管有網娛化的段子在其中推波助瀾，但其對於人工智能的嚴肅判斷並沒有因此而消解。談到人工智能，人們的印象更多的還停留在阿爾法狗擊敗人類的弈棋之爭上，對於其他方面則不甚瞭解。事實上，AI在現在乃至未來都將重新塑造我們的生活方式。

1945年著名的圖靈測試設想問世，試圖對“智能”進行標準定義，對後續人工智能的發展帶來了深遠的影響；在1956年，達特茅斯會議召開，並且確定了“人工智能”名稱以及任務；在隨後的發展中，AI在面臨低谷和高潮中演進了自然語言、專家系統等不同的方向。彼時，在摩爾定律影響下，計算機性能不斷增強，結合大數據和深度學習，人工智能有了更多可以結合的方向。

AI領域在不斷演進，而百度AI開發者大會也並非第一次開。自17年開始，每年七月份大會都要就AI的應用方向，前端技術進行分享，從AI基礎技術、到智能雲、乃至無人駕駛、計算機視覺等領域都有涉獵。而國內發力AI的也不是百度一家，阿里巴巴、騰訊、華為、科大迅飛也都有著自己的技術分享會。

人工智能火熱，而這項新興技術方向與方向之間、技術和行業之間的融合也為行業發展帶來了新的思路。而中國信通院去年發佈的《人工智能發展白皮書》也對產業進行了梳理，細分以下幾個類別：

自動駕駛

自動駕駛作為新興領域目前尚處於技術火熱階段，入局者雖多，但落地產品商用仍是少數。對於自動駕駛分級，美國NHTSA（高速公路安全管理局）和SAE（國際化自動機工程師學會）持有不同的劃分標準。

由於技術優勢並不相同，傳統車企和互聯網公司選擇了適合各自的起步方向。為了保證技術的自主權，前者利用對供應鏈的整合優勢和製造技術大多從L2向著L3級別演進。例如上汽在16年就已經獲工信部批准成立了國內首個“國家智能網聯汽車（上海）試點示範區”，可以進行無人駕駛、自動駕駛、V2X網聯測試；18年則是與Mobileye達成合作，其自主研發的自主開發的智能駕駛中央控制器將會搭載Mobileye的視覺芯片；及至今年5月上海科技節，上汽推出了達到L3級別智能駕駛車型上汽榮威Marvel X。

相比於傳統車企傾向於量產，互聯網公司打造自動駕駛更多的是從L4級別出發，想要打造出自己的整套自動駕駛方案。在這方面Alphabet拆分出的Waymo相信大家非常熟悉，近日Waymo也已經獲得了加州政府的載人許可，但需要配備相應的駕駛員。在國內，自動駕駛一直是百度的主攻方向，在這次AI大會上，百度也推出了自主泊車方案，可以通過APP實現車輛自動進出庫。並且官方表示已經接到了相應的工廠訂單。

在技術實現方面，自動駕駛並非是單一AI技術的應用，它也需要諸如計算機視覺這樣的技術來進行配合。在硬件上，自動駕駛要求汽車周身擁有各樣的傳感器，測距、識別、中控領域都有所覆蓋。在軟件上，汽車需要通過相應的技術來對這些“感知”進行處理，例如通過多目攝像頭的視差作用來進行初步的測距，通過與深度相機的配合，再傳達到中控進行處理。在經過大量數據計算訓練之後，中控會對路況、行人環境進行判定區別從而採取相應的行駛策略。

從市場角度來看，目前自動駕駛屬於實驗試錯階段，距離真正的商用還有一段距離，而商用量產落地主要聚焦於L3級別。考慮到安全因素，L4級別更多的是從短途需求出發（類似自動泊車）來逐步鋪開商用。去年筆者曾到海淀公園體驗過百度無人車乘坐，在駕駛和避讓方面都表現不錯，但車速由於安全限制較慢，主要目的還是調試和收集數據。

去年10月，Waymo公佈累計總里程數大約為1600萬公里，而在今年北京市交通委、公安交通管理局、經信局正式發佈聯合發佈的《中國首份自動駕駛路測報告》裡，百度在2018年測試里程數將近14萬公里，佔據自動駕駛車企里程數90%以上。可以預見，在正式投產商用之前，自動駕駛還需要更多的里程數，不同路況路段車況來進行經驗積累，最終成為“老司機”。

計算機視覺

計算機視覺（CV）作為AI應用的另一分支，在當下已經擁有了大量的落地場景。除開對自動駕駛這類新興技術提供感知等領域支持，計算機視覺還廣泛應用在安保、圖像處理、醫療等領域。

在如此多的領域裡，計算機視覺的應用其實就一直存在在我們身邊。相信大家都有過進站乘車的經驗，而現在有些站點只需要你刷身份證，然後衝著攝像頭驗證就可以順利進站，節省了檢票的人力成本；還有辦公室周圍的自動售賣機，不少都提供了“刷臉支付”方式，不用帶手機不同掃碼就可以購物；再來個更近點的例子，手機拍照AI美顏、萌拍功能都可以針對你的臉部細節進行改變。

包括這些，還有諸多應用都是計算機視覺的功勞。在大量數據深度學習下，我們能夠通過計算機視覺來實現機器對圖像的感知識別，從而延申出識別、檢測、修改等不同功能，再依託強大的算力來解決更多人力難以完成的問題。

而計算機的應用一方面是依託於硬件，以手機為例，我們熟悉的iPhone X搭載了3D結構光結構。作為深度相機的一種，它和TOF(Time-of-flight) 3D、雙目相機可以為設備獲得到具有空間信息的深度圖。通過對臉部高低不平的特徵點的識別，iPhone X來進行解鎖，這也是為什麼紙面照片無法解鎖的原因。

在應用這一塊，計算機視覺相當於基礎技術“積木”，通過與不同設備需求的結合，能夠創造出更多定製化的場景。而在這塊市場中，諸如商湯科技、曠視科技、依圖科技等公司都有著不小的份額。據前瞻產業研究院的彙總，2020年過國內計算機視覺市場樂觀估計將突破1000億，市場前景廣闊。今年5月曠視科技D輪總融資7.5億美元，金額最為其最高的一筆單筆融資，估值超過40億美元。

技術融合將是趨勢

正如開篇提出的，自動駕駛和計算機視覺兩者分別是基礎應用以及複合應用，因此前者在未來還會基於場景不同加入更多的IA技術。如果說計算機視覺解決了自動駕駛的“感知”問題，那在物聯網的趨勢下，它還缺少一個入口。以往我們是以屏幕觸控的方式來進行交互，但由於當下場景限制以及交互方式的豐富度，語音要更加合適成為交互入口。

而這一領域就需要自然語言識別處理（NLP）技術支持，而自然語言處理主要包括機器對人類輸入語言的識別、理解以及轉換成自然語言的輸出。作為伴隨AI發展延展到今的分支，各路廠商也都積累了不少技術並且拿出了自己的整體方案。例如小愛同學、天貓精靈、小度都是NLP技術下的產物，再結合應用落地，我們可以將其結合到智能音箱、智能手機、車載系統乃至翻譯筆等硬件上。

除此之外，知識圖譜的基礎技術也廣泛應用在我們的日常生活中。例如天眼查中對於實體之間的屬性標識和關係網整合，或者是搜索引擎中對關鍵詞（特定語義下的實體）之間關係的集合，當用戶檢索某條信息（例如太陽有多重）的時候，搜索引擎會對檢測句子進行語義檢測，提出關鍵詞（太陽和重），如果觸發知識圖譜語義網絡中的對應關係，就可以直接返回結果。

如果沒有就會觸發就會返回正常搜索結果，按照關鍵詞來進行內容檢索，例如上圖。不過知識圖譜也存在一定的挑戰，對於類似“金星”這種多語義的關鍵詞或者檢索語句過於簡單，機器正確識別語義還存在一定困難。而知識圖譜技術也可以與其他技術進行融合，例如語音問答，當你發問的時候，機器也會對內在語義網絡進行關係連接，並且直接給出答案，提高檢索效率。

在移動互聯網成熟，物聯網起步的階段，我們其實已經用上了很多AI技術，只不過它們以硬件結合的方式藏在了我們的身邊。等到5G+AIoT風口到來，諸如邊緣計算、萬物互聯等特性勢必會賦予AI更多的發揮空間。

而對於廠商來說，AI技術發展日新月異，在這場未來物聯網之中儲備好AI技術是一方面，另一方面則需要結合技術面輸出更多的應用場景也十分重要，而在現在，AI就已經在生活中扮演了重要的角色。

未來已來，AI相隨。