2017 年，人工智能技術領域有哪些新的發展趨勢？主要有以下八個方面。

　　■AI-a-a-S（人工智能即服務）成為趨勢

　　第一個趨勢是，全體 IT 巨頭將重兵布局 AI 云服務，AI-a-a-S，意思是人工智能即服務，

　　將成為未來趨勢。毋庸置疑，AI 是未來。2017 年，新老 IT 巨頭不僅在自身業務中積極運用

　　人工智能，也會積極利用云計算平臺將 AI 服務提供給第三方。對 IT 供給方而言，只要第三

　　方使用自身的平臺，就會把數據留在平臺上，這些數據將是人工智能時代的金礦。對需求方

　　而言，應用企業可以利用大公司提供的 AI 云服務，提升自身競爭力。所以，無論對 AI 服務

　　提供者還是 AI 服務使用者，這都是一種雙贏合作。

　　■新老人工智能企業圍繞智能入口展開爭奪

　　在互聯網時代，幾乎每個入口都會引起爭奪，而每個入口爭奪的成功者都會成為下一個

　　巨頭。人工智能時代也不例外，激烈爭奪之后，必會誕生下一個超級企業。

　　人工智能時代，服務的入口主要是自然語言的語音交互，自然語言處理會是人機交互的

　　主要模式，誰能讓機器更懂人類語言，誰就有取勝的可能。隨著人工智能不斷滲透至我們的

　　生產和生活，人工智能的入口競爭也會更加慘烈，越早參與、獲得越多用戶，勝利幾率就越

　　大。

　　■語音交互將成主流電視應用

　　比爾·蓋茨在 1995 年出版的《未來之路》中未來智能家居場景做了清晰描述，但這樣

　　的描述迄今都未成為事實，核心原因在于缺少用戶需求。

　　目前，電視屏幕尺寸不斷增大、視頻內容爆炸性增長，傳統遙控器越來越難以滿足人們

　　使用電視的需求，語音為主的智能搜索和智能互動迅速崛起，自然語言交互將成為操縱電視

　　機的標準方式。

　　三星等電視廠商、Netflix 和亞馬遜等視頻內容提供商、微軟和谷歌等 IT 企業都已經或

　　將要推出以電視為核心的語音互動產品，智能家居從電視應用切入成為現實。

　　■智能玩具將成 AI 應用領域之一

　　如果利用 AI 診斷病情，或制造自動駕駛汽車，人們往往無法容忍其犯錯。但人們對玩

　　具出錯的容忍度較高，這也使得智能玩具能夠成為讓人工智能獲得初期市場認可的切入點。

　　隨著 2016 年智能玩具機器人 Cozmo 的熱賣，2017 年將有大批智能玩具上市。這為中

　　國玩具制造企業贏得了新的機會，缺乏品牌優勢的中國玩具公司可以嘗試與高科技公司合作，

　　借助自身的制造實力和推廣實力優勢，贏得巨大商機。

　　■商用機器人將在特定商業場景發揮巨大潛力

　　商用機器人往往是針對某個特定場景而制作，如導購、前臺、送貨，應用成效見效快，

　　在小范圍里面更易推廣。

　　目前，一些機器人公司已制造出能適應不同環境，可用于多個商業領域的通用機器人，

　　但這類機器人一般比較昂貴。如軟銀推出的 Pepper 機器人，每臺售價 20 萬元人民幣，還需

　　另外繳納服務費和保險費。相比能力有限的專業機器人，通用機器人具有一定優勢。

　　2017 年，我們會看到很多專業型機器人的身影。但未來熱點會由專業型機器人向通用

　　型機器人轉變，通用型機器人將迅速崛起。

　　■輔助駕駛將成 AI 首個大規模應用

　　一直以來，自動駕駛一直是人工智能領域的熱門應用。但是，此前特斯拉自動駕駛功能

　　造成了致命事故；谷歌放棄自己生產自動駕駛汽車，轉而與成熟的汽車廠商合作，這些事實

　　都說明，完全實現自動駕駛，還有很長一段路要走。

　　同時，各大汽車公司都在自動駕駛方面努力，越來越多的汽車會配置一定自動駕駛能力，

　　即在有司機的情況下，在高速公路或在城市中慢速行駛的情況下，實現自動駕駛。

　　■有大數據支持的應用創業公司將迎來發展機遇

　　雖然人工智能底層技術的競爭異常激烈，但真正的贏家不會產生在技術層、平臺層，而

　　是產生于應用層。如移動互聯網興起，最大的贏家不是通信運營商，而是構建社交網絡帝國

　　的 Facebook。

　　對于創新企業而言，人工智能正是機會。特別是在 IT 巨頭紛紛開源的情況下，創新企

　　業一定要到敵人最薄弱的環節去尋找突破口，而最值得切入的地方就是數據豐富但應用貧瘠

　　的地方。

　　■GPU 將得到更廣泛應用

　　GPU（即圖形處理器）一直是 AI 應用的主導硬件處理器。在圖像語音識別、無人駕駛

　　等人工智能領域，GPU 正迅速擴大市場占比。

　　盡管有不少 IT 巨頭和創新企業在嘗試定制新的硬件架構，力求在性能、成本和功耗上

　　與 GPU 競爭，但是由于英偉達公司投入巨資成功建立了產業生態，可以肯定的是，GPU 仍

　　然會在相當長的一段時間內得到更廣泛的應用。

　　很多人認為 GPU 的主導地位會被非 GPU 方案終結，如 FPGA 或 ASIC，但是非 GPU 方案

　　都將面臨兩大挑戰：一是能否實現量產，二是產業生態鏈是否完整。目前，能夠實現大規模

　　商用、取代 GPU 地位的硬件尚未出現