IDC发布对话式人工智能白皮书(附下载pdf)

2018 年 3 月 19 日 专知
IDC发布对话式人工智能白皮书(附下载pdf)

近日,全球著名的信息技术、电信行业和消费科技咨询公司IDC(国际数据公司, International Data Corporation)发布了《对话式人工智能白皮书》(下文简称《白皮书》)。《白皮书》认为,全球人工智能技术支出到2020年达到2,758亿人民币,未来5年复合增长率达到50%。到2020年,中国人工智能技术支出将达到325亿,占全球整体支出的12%。


下载白皮书请关注专知公众号,后台回复“对话AI”,获取下载链接


  随着对话式AI生态系统的不断丰富,新产品、新应用也为金融、零售、医疗、制造、政府、教育等六大传统行业带来了效率和价值的提升。据IDC预测,到2020年,对话式人工智能在智能家居、随身设备、智能车载三个关键领域的渗透率分别达到27%,68%,51%。与此同时,以百度DuerOS为代表的对话式AI平台正在赋能开发者面向不同场景开发应用。
 

  人机交互进不断迭代 中国企业优势更为凸显
  《白皮书》认为,在经历了键鼠交互和触屏交互后,语音交互将成未来人机交互的主流。目前,人工智能应用相对成熟的领域有语音识别、语义理解、机器视觉等,而涵盖了语音识别、语义理解等技术的对话式人工智能,正成为最先落地和有望大规模应用的人工智能领域。随着对话式人工智能众多应用的不断落地以及用户使用门槛的不断降低,对话式人工智能在未来将大有可为。
 

  
  在《白皮书》中,IDC为对话式人工智能平台作了定义:机器要实现与人的自然交互,需要能够被唤醒、可以识别和理解人的对话并且给出让人满意、感觉非常自然的反馈。具备这些核心技术能力的平台即为对话式人工智能平台。

  
  根据IDC的预测,全球人工智能技术支出到2020年将达到2,758亿人民币,未来5年复合增长率可达到50%。在中国,政府和资本市场对人工智能的高度重视和持续投资,将促使中国人工智能飞速发展,到2020年,中国人工智能技术支出将达到325亿,占全球整体支出的12%;2030年,中国政府目标是成为世界人工智能创新中心。

  因此,对中国市场来说,现阶段是行业参与者的重要机遇,且中国的对话式人工智能平台优势更为凸显。根据IDC的阐述,中文表达与外国语言在分词、句法的逻辑等方面有明显不同,并且中国有丰富的、独具特色的方言,语言上的差异性是的中国企业在中文处理方面独具优势。

  89%用户有意向使用语音交互 未来5年六大行业将受益
  据IDC研究,预计在未来5年内,对话式人工智能在金融、零售、制造、医疗、政府和教育等六大行业至少会带来30%-64%的价值提升。

  在细分领域内,对话式人工智能已在智能家居、随身设备和智能车载三大领域落地。其中,对话式人工智能在智能家居的带动下,有望发生革命性的变化。从全球发展状况来看,目前美国在对话式人工智能市场处于领先地位,中国随着各大科技巨头的入局以及DuerOS等开放平台的推动,也在奋起直追。预计中国2020年对话式人工智能智能家居的渗透率将达到27%,这一数字虽然低于美国的38%,但却遥遥领先全球平均水平(14%)。

  
  从用户的新产品的采用态度、采用原因等方面给出的反馈来看,用户体检的不断提升正在促进对话式人工智能向前高速发展。在《白皮书》中,IDC公布了他们的调研数据:未来12-24个月,有意向使用对话式人工智能的终端用户将达到89%。因此,IDC认为,在未来,终端用户将大规模的使用对话式人工智能。
 

  
  《白皮书》研究团队表示,在人工智能时代,对话式人工智能将成为人机交互的必然趋势。未来的人机交互更将融入视觉、触觉、嗅觉等多模态的交互方式。
 
  构建生态至关重要 DuerOS可提供全面的解决方案
 
  《白皮书》中,IDC指出生态的构建在对话式人工智能的发展中至关重要。在全产业链中,对话式人工智能平台将扮演赋能者的角色。IDC以中国百度DuerOS开放平台为例进行了详细解读。

  据IDC的调研发现,开发者提及硬件集成环节、获取云端AI能力比较困难等是使用对话式人工智能开发平台的关键痛点,而百度则为合作伙伴提供了全面的解决方案。百度DuerOS开放平台已经发布2.0版本,提供的技能、内容服务覆盖10大领域、搭载超过100个原生技能与100多个第三方技能,吸引了超过130家合作伙伴。DuerOS平台建立在百度语音识别、图像识别、自然语言处理、用户画像等技术之上,打造细分场景下的技能,提供多种设备和场景从软件到硬件的一体化方案,最终为用户提供“听清、听懂、满足”的对话式人工智能服务。

  开放平台赋能开发者面向不同场景的开发应用,并将方案落实到硬件上,最终通过各类渠道触达消费者。开放平台为开发者提供了全套语音技能开发开发工具和方案,开发者利用可视化界面即可高效完成开发部署,将技能发布在搭载DuerOS的硬件中。不过IDC同时也指出,开发者在使用对话式人工智能开发平台时尚面临着硬件集成、获取云端AI能力困难等痛点。而随着百度DuerOS这类开放平台的入局,未来中国对话时人工智能生态系统将愈加完善,产业链也将不断细化。

  对话式人工智能正对实体经济转型升级和人们日常生活产生重要而深远的影响已是不争的事实。如何构建一个更开放、更灵活的生态系统,解决人们未来生活日新月异的要求,将成为整个对话式人工智能产业的重要趋势,也必将成为厂商构建自己核心竞争力的重要因素。《报告》最后认为,人工智能时代,对话式AI将成为人机交互的必然趋势。未来的人机交互,更将融入视觉、触觉、嗅觉等多模态的交互方式。从对话式人工智能开始,唤醒万物,开创人机交互新纪元。


-END-

专 · 知

人工智能领域主题知识资料查看获取【专知荟萃】人工智能领域26个主题知识资料全集(入门/进阶/论文/综述/视频/专家等)

同时欢迎各位用户进行专知投稿,详情请点击

诚邀】专知诚挚邀请各位专业者加入AI创作者计划了解使用专知!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料

请扫一扫如下二维码关注我们的公众号,获取人工智能的专业知识!

请加专知小助手微信(Rancho_Fang),加入专知主题人工智能群交流!

点击“阅读原文”,使用专知

登录查看更多
8

相关内容

Interaction Design and Children是研究人员、教育工作者和实践者的首次国际会议,旨在分享包容性儿童中心设计、学习和互动领域的最新研究成果、创新方法和新技术。年会包括论文、专题介绍、发言者、讲习班、参与性设计经验以及讨论如何为儿童创造更好的互动经验。官网链接:http://idc.acm.org/2019/

主题: 2019年人工智能的发展

摘要:

人工智能是一个很宽泛的概念,概括而言是对人的意识和思维过程的模拟,利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率,特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测,到2030年人工智能的出现将为全球GDP带来额外14%的提升,相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性,并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据,世界人工智能市场将在2020年达到6800亿元人民币,复合增长率达26.2%,而中国人工智能市场也将在2020年达到710亿元人民币,复合增长率达44.5%。

我国发展人工智能具有多个方面的优势,比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等,但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术(计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等)、人工智能典型应用产业与场景(安防、金融、零售、交通、教育、医疗、制造、健康等)做出了梳理,而且同时强调人工智能开放平台的重要性,并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后,列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动,我国整个人工智能行业的生态圈也会逐步完善,从而为智慧社会的建设贡献巨大力量。

成为VIP会员查看完整内容
2
98

德勤发布中国人工智能产业白皮书,内容关于人工智能行业综述,人工智能商业化应用,以及中国主要人工智能产业发展区域及定位。

主要发现

  1. 中国人工智能产业发展迅速, 但整体实力仍落后于美国。中国人工智能产业发展迅速, 2018年中国人工智能市场规模有望超过300亿元人民币。人工智能企业数量超过1000家,位列全球第二。本次人工智能浪潮以从实验室走向商业化为特征, 其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、 大规模多频次的投资以及逐渐清晰的用户需求。与此同时,中国处于人工智能发展初期, 基础研究、 芯片、 人才方面的多项关键指标与美国差距较大。

  2. 中国企业价值链布局侧重技术层和应用层, 对需要长周期的基础层关注度较小。人工智能产业链分为基础层(芯片、 算法框架)、 技术层(计算机视觉、自然语义理解、 语音识别、 机器学习) 和应用层(垂直行业/精确场景)。中国企业布局比较偏好技术相对成熟、 应用场景清晰的领域, 对基础层关注度较小。瞄准AI专用芯片或将为中国企业另辟蹊径。

3.科技巨头生态链博弈正在展开,创业企业则积极发力垂直行业解决方案,深耕巨头的数据洼地, 打造护城河。科技巨头构建生态链, 已经占据基础设施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡, 更多的创业企业将发力深耕巨头的数据洼地(金融、 政府事务、 医疗、 交通、 制造业等),切入行业痛点, 提供解决方案, 探索商业模式。

  1. 政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道,早期进入的企业逐步建立行业壁垒, 未来需要解决数据割裂问题以获得长足发展。各地政府的工作内容及目标有所差异, 因而企业提供的解决方案并非是完全标准化的,需要根据实际情况进行定制化服务。由于政府一般对于合作企业要求较高,行业进入门槛提高, 强者恒强趋势明显。

  2. 人工智能在金融领域的应用最为深入, 应用场景逐步由以交易安全为主向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工智能在金融行业的应用, 改变了金融服务行业的规则, 提升金融机构商业效能,在向长尾客户提供定制化产品的同时降低金融风险。

  3. 医疗行业人工智能应用发展快速,但急需建立标准化的人工智能产品市场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康, 医疗又是一个受管制较严的行业。人工智能能否如预期广泛应用, 还将取决于产品商业化过程中如何制定医疗和数据监管标准。

  4. 以无人驾驶技术为主导的汽车行业将迎来产业链的革新。传统车企的生产、 渠道和销售模式将被新兴的商业模式所替代。新兴的无人驾驶解决方案技术公司和传统车企的行业边界将被打破。随着共享汽车概念的兴起。无人驾驶技术下的共享出行将替代传统的私家车的概念。随着无人驾驶行业规范和标准的制定, 将衍生出更加安全和快捷的无人货运和物流等新兴的行业。

  5. 人工智能在制造业领域的应用潜力被低估,优质数据资源未被充分利用。制造业专业性强, 解决方案的复杂性和定制化要求高, 所以人工智能目前主要应用在产品质检分拣和预测性维护等易于复制和推广的领域。然而, 生产设备产生的大量可靠、 稳定、 持续更新的数据尚未被充分利用, 这些数据可以为人工智能公司提供优质的机器学习样本, 解决制造过程中的实际问题。

  6. 人工智能加速新零售全渠道的融合,传统零售企业与创业企业结成伙伴关系, 围绕人、 货、 场、 链搭建应用场景。人工智能在各个零售环节多点开花, 应用场景碎片化并进入大规模实验期。传统零售企业开始布局人工智能, 将与科技巨头在应用大数据和人工智能领域同台竞技, 意味零售商将更加积极与创业公司建立伙伴关系。

  7. 政策与资本双重驱动推动人工智能产业区域间竞赛, 京沪深领跑全国, 杭州发展逐步加速。京津冀、 珠三角、长三角以及西部川渝地区成为人工智能企业聚集地区。北京、 上海、 深圳牢牢占据人工智能城市实力第一梯队的位置, 广州的大型企业与初创企业数量较少, 杭州主要依靠阿里巴巴,因而属于第二梯队, 重庆则受到技术与人才基础限制处于第三梯队。

  8. 各地政府以建设产业园的方式发挥人工智能产业在推动新旧动能转换中的作用。人工智能产业园呈现多点开花、 依托原有高科技产业园以及与原有园区企业产生联动效应的特点。但由于建设速度过快, 园区也出现了空心化与人才缺口的问题。

12.杭州未来科技城抓住人工智能产业快速发展的机会并取得显著成绩,未来可以从人才、 技术、 创新三要素入手进一步打造产业竞争力。推出培养、 吸引、 保留人才的具体措施, 建立具有成长性的人才库;通过完善产业链布局, 发现高价值技术企业并了解企业诉求。提高对技术型企业的招商效率;从创新主体、创新资源和创新环境三个层次聚集创新要素, 打造利于企业创新创业的有利条件。

成为VIP会员查看完整内容
1
158

赛迪智库正式发布《量子计算发展白皮书(2019年)》(以下简称《白皮书》)。《白皮书》阐述了量子计算的基本内涵,系统梳理量子计算的技术路线及发展路线图,介绍了国内外发展态势,并提出了我国量子计算发展面临的挑战及相关对策建议。

成为VIP会员查看完整内容
1
56

德勤科技、传媒和电信行业联合推出《全球人工智能发展白皮书》。《全球人工智能发展白皮书》深入研究人工智能技术步入商业化阶段后,在全球各主要城市的创新融合应用概况,以及其将对金融、教育、数字政务、医疗、无人驾驶、零售、制造业、智慧城市等各行业带来的深刻变革。

成为VIP会员查看完整内容
3
135
小贴士
相关资讯
相关论文
Rui Liu,Berrak Sisman,Feilong Bao,Guanglai Gao,Haizhou Li
3+阅读 · 2020年2月2日
Transfer Adaptation Learning: A Decade Survey
Lei Zhang
31+阅读 · 2019年3月12日
PPO-CMA: Proximal Policy Optimization with Covariance Matrix Adaptation
Perttu Hämäläinen,Amin Babadi,Xiaoxiao Ma,Jaakko Lehtinen
3+阅读 · 2018年12月18日
Ke Li,Jitendra Malik
5+阅读 · 2018年11月29日
Ayush Jaiswal,Wael AbdAlmageed,Yue Wu,Premkumar Natarajan
3+阅读 · 2018年9月25日
Oluwatobi Olabiyi,Alan Salimov,Anish Khazane,Erik T. Mueller
4+阅读 · 2018年6月11日
Marc Brittain,Peng Wei
3+阅读 · 2018年5月18日
Bo Wang,Youjiang Xu,Yahong Han,Richang Hong
3+阅读 · 2018年4月25日
Vincent Dumoulin,Francesco Visin
6+阅读 · 2018年1月11日
Anastasia Pentina,Christoph H. Lampert
3+阅读 · 2017年6月8日
Top