人工智能数据分析(人工智能报告)

前言 人工智能在2017年里迅速进入爆发期，成为推动技术革新、产业升级、社会进步的巨大力量。主客观条件成熟，智能时代到来。回顾人工智能的发展史，现在的爆发具有其必然性。首先，互联网带来更大量、更多维也更完备的数据，是数据驱动决策的基础。其次，随着并行计算的成熟以及芯片等硬件成本的大幅下降，以及深度学习算法的突破，数据处理工具已经成熟，金矿能够挖掘。再者，最重要的是，互联网经过近三十年的蓬勃发展，业态与格局已经稳定，提升的空间和边际效应逐步减弱。在这样的背景下，无论是行业巨头还是新进入的创业者，都需要寻找一个新的尚待挖掘的具有巨大前景和空间的领域，人工智能无疑具备这样的特征。于是创业公司叠起，巨头大力布局，智能时代到来。 回顾过去这一年，人工智能产业风起云涌：在百度All in AI并成功做到股价V字反弹的同时，谷歌已经进入了AI First核心战略的第二年；AlphaGo战胜了世界围棋第一人柯洁，下一步还要去打星际争霸；苹果iPhone X和华为年度旗舰机Mate 10里都用上了AI专用手机芯片；专注GPU加速机器学习计算的英伟达股价又翻了一倍；波士顿动力机器人在网上又红了一把，不过今年它已经卖给了软银。 从产业升级来看，各类医疗影像、安防监控、无人零售、智能客服、金融教育等市场更是热火朝天，创业公司如雨后春笋般扎堆涌现、融资，资本豪掷数百亿元捧出一众独角兽，语音交互与视觉识别两大AI落地方向异彩纷呈，智能音箱市场大爆发，全球销量突破3000万台。 此外，世界主要科技强国纷纷出台人工智能相关发展战略，中国更是在2017年7月与12月陆续发布《新一代人工智能发展规划》与《促进新一代人工智能产业发展三年行动计划》，将人工智能上升为国家战略。

一、人工智能成为2017年信息通信业焦点

人工智能（ArtificialIntelligence）是全球2017年信息通信领域的最大热点，远高于物联网、5G、安全与隐私、区块链等。

图1 2017年全球信息通信热点领域新闻热度及专利申请数

二、阶段走势：行业处于爆发增长初期阶段，投资热情持续高涨

长期来看，人工智能行业总体处于爆发增长阶段，公司和产品数量众多，并在垂直行业中开始渗透。此前积累的技术潜力迅速释放，新技术发展迅猛，算法和算力的突破为技术创新奠定了良好的基础。

图2人工智能行业发展总体所处阶段

技术方面，全球历年人工智能领域专利数量变化趋势表明，人工智能技术在经历了较长时间积累后，在2010年后进入快速增长阶段。从行业发展的长周期来看，技术成熟度的变化趋势会呈现“S”型，而从短期来看，专利数量在2002年和2008年前后都曾出现增长瓶颈，技术的发展在波动中不断进步。

图3全球人工智能专利数量变化趋势（注：以1987年为基准值）

产业投资方面，国内人工智能领域投融资在2011年初见规模，除2013年出现一定波动外，该领域投资热情持续高涨，2017年投融资总规模达到1800亿人民币，平均每笔金额接近6亿人民币。

图4中国人工智能领域投融资规模和笔数

其中，人工智能领域投融资主要集中在种子天使轮、A轮和B轮，其中种子天使轮比重逐年下降，投资人更为谨慎，投资阶段有后移趋势。

图5中国人工智能领域投融资轮次分布

企业方面，国内人工智能企业数量在2004年以后稳定增长。2016年和2017年新增企业数量分别为128家和28家，尽管近两年新增企业数量下滑，但该现象属于投资热潮下的短期波动，不影响长期趋势。

图6中国人工智能领域新增企业数量

三、热点领域：国内关注计算机视觉、智能驾驶等应用领域

图7 人工智能产业是一个结构性的体系

图8 人工智能产业链以关键技术为核心

人工智能市场横跨十三个垂直技术领域。VentureScanner通过追踪分析855家领域内创业公司，绘制出一张人工智能市场全景图。从技术和商业模式的角度入手，划分出十三大领域，总估值超过87亿美金。由于综合考虑了技术和商业模式两个维度，因此会存在一些技术相同但商业模式不同的分类，以机器学习、计算机视觉为例，有些公司以机器学习技术、计算机视觉技术的研发为主攻方向(通用型：技术为主)，而有些公司则将相应技术整合到一些产品或应用里(应用型：应用为主)。

图9 人工智能市场横跨 13 个垂直技术领域

表1：十三个垂直领域介绍

从全球人工智能技术关注点来看，新闻热度最高的是人工智能算法及平台、智能驾驶和计算机视觉三大领域，而语音、自然语言处理领域随着智能音箱等产品涌现热度提升很快。

图10 2017年全球人工智能技术新闻热度

Alphabet在人工智能领域频频布局，新闻热度增长最大，其次是苹果、百度和微软。

图11 2017年国内人工智能企业数量分布

从国内投融资来看，近三年内人工智能领域主要集中在智能驾驶、大数据及数据服务和人工智能+领域。

图12 2017年全球企业人工智能新闻热度增长幅度

从国内人工智能企业来看，有高达42%的企业应用计算机视觉相关技术，其次是语音和自然语言处理，两者占比总和43%，与计算机视觉占比相当。在目标市场行业中，人工智能+企业（融合医疗、金融、教育和安防等领域）总计占比40%，位居第一，其次是智能机器人行业、智能驾驶和无人机。与国外相比，国内企业更多关注人工智能应用环节。

从国内投融资来看，近三年内人工智能领域主要集中在智能驾驶、大数据及数据服务和人工智能+领域。

图13 2015-2017年国内人工智能投融资分布

四、巨头布局：BATJ各自发力，纷纷抢滩人工智能

基于新闻热度，国内不同领域的热点人工智能企业整理如下。

图14 2017年国内人工智能热点企业分布

对比百度、腾讯、阿里巴巴和京东这几家巨头，从新闻热度来看，百度在人工智能各领域布局和产业化能力强于腾讯、阿里巴巴和京东，在自然语言处理、计算机视觉、智能驾驶三大领域，百度的产业新闻热度明显高于其他公司。

图15 国内巨头公司在各领域的新闻热度

中国人工智能研究正处于爆发期。根据统计数据，中国人工智能相关专利申请数从2010年开始出现持续增长，于2014年达到19197项，并于2015年开始大幅增长，达到28022项，2016年，中国人工智能相关专利年申请数为29023项。 金准数据认为，2010年移动互联网开始发展，技术和数据积累给人工智能研究带来了较大的增长动能。进入2015年，在国内外人工智能研究和应用场景不断进步的基础上，中国人工智能相关研究开始进入高速发展阶段。这说明，中国人工智能研究水平正在处于不断提高的阶段，目前已取得一定阶段性成果，有望持续发展，预计2018年专利申请数将持续增长。

图16 2007-2016年中国人工智能相关专利申请数统计

2017年，A股人工智能企业专利申请公开量为11828件专利，同比降低4%。中兴通讯的专利申请公开量排在第一位，是5780件，占2017年总量的49%，同比增长22%。四川长虹排在第二位，申请公开量为1351件，同比增长11%。海康威视申请公开量为725件，同比增长85%。综上所述，A股人工智能企业专利申请公开总量下滑，但专利高度集中在个别大企业，如中兴通讯、四川长虹、海康威视，三家企业申请公开量占全部数据的66%以上，同比增长15%。

图17 2016-2017年A股人工智能企业申请公开量情况

2017年，A股人工智能企业有效专利量为7609件，同比增速达到7.6%。其中排名靠前的企业以主板企业一马当先，中小板企业次之。中兴通讯（2550件）以绝对优势领先全行业，这源于中兴多年前已经开始积极布局人工智能。长安汽车（772件）和四川长虹（814件）并驾齐驱，势头强劲。

致力于梦想引领未来的视源股份（890件）近年来大力投入到人工智能领域的研究，有效专利量同比增长550%，潜力无限；缔造出诸如巴啦啦小魔仙、超级飞侠、喜羊羊等小朋友们的明星的奥飞娱乐（555件）也有意将动漫产业与人工智能相结合，有效专利布局效果显著。

图18 2016-2017年A股人工智能企业有效专利情况

在专利布局方面，百度在各项领域的专利申请量处于较为领先的地位，腾讯在计算机视觉领域专利申请量突出。

图19 国内巨头公司在各领域专利申请情况

从招聘看，2017年我国人工智能核心技术职位平均公开月薪在1.85万元-3.26万元之间，最高达8万元，显著高于我国互联网行业平均水平。

图20 2017年中国人工智能核心技术职位公开薪酬分布

百度、阿里巴巴、腾讯、京东四巨头都在重点建设和完善算法及平台领域的人才队伍，腾讯算法相关人才的招聘比例更是明显高于其他领域。此外，不同公司也各有侧重领域，百度在智能驾驶领域持续发力，阿里巴巴更为注重人工智能在大数据及数据服务领域的应用，京东则大力招揽智能机器人和无人机领域的人才。

图21 2017年国内领先企业人工智能招聘侧重

从投资方面看，几大巨头除在不同领域各自深耕外，也纷纷投资了多家人工智能企业。在近三年内，百度投资9家，阿里11家，腾讯12家，京东5家，其中大数据及数据服务和智能驾驶是巨头共同关注的领域。此外，百度还注重语音领域的投资，阿里将投资扩展到AI+旅游、保险、安防以及智能家居等领域，腾讯除AI+保险、教育、医疗健康领域外，还关注智能机器人方面，京东则开始布局AI+安防及物流等领域。此外，科大讯飞作为人工智能领域的代表企业，在智能机器人和基础硬件领域有一定投资布局。

图22 互联网巨头分领域投资笔数（2015-2017）

五、区域表现：北京领跑全国，沪粤江浙产业集中

从企业注册地来看，2017年我国人工智能企业主要分布在北上广三地，北京远超其他地区。此外，浙江、江苏两地人工智能企业也较多。金准数据认为，人工智能是高度知识密集型的产业，北京的人才、技术、产业、资本等环境都优于其它地区，是人工智能的创业重镇。有丰富技术、硬件和产业资源的深圳和上海也吸引了相当一部分人工智能创业公司。共有82.8%的人工智能创业公司分布在北上广深，在一定程度说明，人工智能产业将形成以北京为绝对核心，上海、广州、深圳为重点城市的地理布局。

图23 2017年国内人工智能企业注册地分布

从投融资来看，全国获得人工智能领域投融资的省及直辖市共17个，主要分布在华东、华南沿海经济发达地区，京津地区，以及西南地区的四川、重庆和贵州。其中北京优势明显，十年内吸纳了2887.4亿人民币，482笔融资，浙江其次，上海、江苏、广东也比较突出。

图24 2017年国内人工智能领域投融资地区分布

从人才招聘来看，招聘人工智能核心技术职位的公司主要分布在北京、浙江和上海，其中北京占比达到61%，三地所招职位占比合计近九成。

图25 2017年国内人工智能领域招聘地区分布

六、市场预测：计算机视觉是当前重点，未来基础算法和芯片将逐渐提升

2017年我国人工智能市场规模达到216.9亿元，同比2016年增长52.8%。据中国电子学会数据显示，2017年，全球人工智能核心产业规模已超过370亿美元。其中，我国人工智能核心产业规模已达到56亿美元左右。到2020年，全球人工智能核心产业规模超过1300亿美元，年均增速达到60%；其中，我国人工智能核心产业规模将超过220亿美元，年均增速接近65%。技术分类上，计算机视觉、语音相关领域技术发展更为成熟，所占比例分别为37%和22%。人工智能创业企业的涌现集中在2014-2016年时期，在2015年达到顶峰（新增150家），创业热潮与投融资热情在2017年回归理性，同时随着人工智能各项技术的不断成熟以及各类应用场景的落地，预计在2018年时人工智能市场增速达到56.3%，整体规模达到339亿元。2018年，机器学习、深度学习等算法能力的增强将促进计算机视觉、语音等技术不断突破，谷歌、英伟达、华为、寒武纪等发布的AI芯片产品将进入大批量商用上市阶段，人工智能产业将继续增长并与垂直行业加深融合。

图26人工智能市场规模及预测

图27 2017年国内人工智能市场规模结构

七、2018人工智能超级产业链地图

围绕专注智能变革，服务产业升级的愿景，金准数据分析对比了数百家人工智能相关产业公司的发展情况，认为2018工智能超级产业链地图覆盖了人工智能上游技术提供和下 ********* 业应用两条主线上，包括芯片、算法、云服务、传感技术、视觉技术、语音技术等上游领域，以及安防、医疗、机器人、智能音箱、智能客服、家居、金融、教育等下用应用，涉及400多个关键领域。

图26 2018年人工智能超级产业链

从图中金准数据发现，随着深度学习技术在行业中的进一步成熟落地，语音交互与视觉识别两大应用领域在2017年里迅速进入爆发期，安防医疗机器人智能音箱智能客服企业数据服务等也成为最受资本市场与创企热捧的行业。

拿安防为例，由于AI能够对迅速对视频进行结构化处理、对人、车、物进行快速识别比对，此类能力与安防需求不谋而合，“AI+安防”成了人工智能企业与安防企业都十分看好的发展方向。

更为值得一提的是，自从2017下半年以来，人工智能的发展重心逐渐从云端向终端转移，相伴而生的是人工智能芯片产业的全面崛起。不仅英特尔、苹果、高通、ARM、华为等科技巨头纷纷布局，AI专属芯片更是呈现一幅百花齐放的创新创业局面。

金准数据对人工智能芯片全产业链上下近百间核心企业跟踪分析，覆盖国内外各大巨头、新兴创企、场景应用、代工生产等，全面深入地对AI芯片产业发展、创新创业持续关注。

八、中国人工智能产业特征总结

1. 大公司产业链布局广，创业公司专业性强

产业链特征方面，中国人工智能产业生态中，基于资源能力，大公司的参与布局较广，在基础层、技术层及应用层皆有所布局。中国不乏优秀的人工智能公司，大部分专业性较强，专注于某一细分领域的技术和应用研究，其中，计算机视觉领域集中了大批的优秀创业公司。但是，各应用场景之间的人工智能技术相关度存在一定的差异。

2. 以B端业务为主

商业模式方面，大部分公司的业务主要以B端解决方案和服务为主。一方面，B端业务注重与行业客户的互动合作，更有利于人工智能技术和产品的落地;另一方面，行业客户对于生产效率的提高有强烈的需求，而C端产品需求仍需挖掘。不过，大公司的C端产品布局依然是相对活跃的。

3. 人才成本较大，存在较大的需求缺口

技术方面，以深度学习为代表的机器学习算法研究是广泛的基础能力，但目前国内在此领域的人才供应相对紧缺，流通性较弱，因此也导致了高端研究人才的超高成本，同时有部分公司选择在美国建立研究院或实验室。这说明，作为知识密集型产业的典型代表，人工智能产业存在较大的需求缺口。

4. 传统行业和技术给予充分的支持

产品方面，目前仍缺乏一定的革命性产品，更多的是利用人工智能技术对传统行业产品的改良。在这个过程中，医疗健康、装备制造、汽车、金融等行业给予了人工智能产业充分的支持，通过合作开发等方式，助力人工智能技术的应用落地和商业化。

九、中国人工智能产业趋势预测

2017年是AI之年，人工智能领域多年的努力和积累终于勃发，从 ********* 到民间，从国家战略到坊间热点，从学术圈到资本圈，从主流领导企业到创新独角兽，一时间全社会各个角落关注AI、走向AI、布局AI，AI正在热气腾腾地从学术走向产业。目前，人工智能技术逐步成熟，产业应用领域不断深入，人工智能相关政策持续出台，人工智能行业的发展已进入爆发式增长阶段。

1. “人工智能+”成为新业态

在移动互联网时代，“互联网+”的出现给经济发展带来了重大影响，金准数据认为，随着专用人工智能的发展，作为一个庞大的高新技术合集，“人工智能+”作为一直新经济业态已经开始萌芽，越来越多的行业开始拥抱人工智能，用“人工智能+”助力技术和产业的进一步发展。

在2017年3月发布的《新一代人工智能发展规划》里，国务院明确了市场主导的基本原则，强调要遵循市场规律，坚持应用导向，突出企业在技术路线选择和行业产品标准制定中的主体作用，加快人工智能科技成果商业化应用，形成竞争优势。该《规划》提出了“三步走”的战略目标：

2020年：人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；2025年，人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元；2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。

目前产业应用方面，人工智能技术的快速发展，推动我国人工智能与电子终端和垂直行业加速融合，涌现出了智能家居、智能汽车、可穿戴设备、智能机器人等一批人工智能产品，并正在全面重塑家电、机器人、医疗、教育、金融、农业等行业。智能家居产业竞相打造开放互联平台，通过云端数据交互，实现现各智能终端之间的互联互动，搭建智能家居生态，如华为的Hilink协议、小米的SmartThings，海尔的U+等；无人驾驶作力智能汽车的代表产品，其市场备受关注，大量的汽车厂商、科技巨头和创业企业积极布医疗也是人工智能重要的应用领域之一，随着人工智能、传感技术、大数据等高科技的融入，各项医疗服务逐渐走向智能化，并推动智慧医疗行业驶入快车道。安防领域的代表公司有海康威视、大华等；金融领域有蚂蚁金服、众安科技等，教育领域有科大讯飞等；零售领域有阿里、京东、缤果盒子；机器人领域有大疆创新、优必选等。目前，人工智能相关技术已经在辅助诊断、基因检测和个性化治疗、病患及老年智能看护、智能化药物研发等领域逐渐开展探索或应用。

图27 人工智能的垂直行业应用行业

在未来，人工智能领域的投资将以“AI+行业”的方式展开，预计人工智能应用场景较为成熟且需求强烈的领域，如安防、语音识别、医疗、智慧城市、金融等领域，带来升级转换，提高行业智能化水平，改善企业的盈利能力，预计随着诸如无人驾驶汽车等认知智能技术的加速突破与应用，人工智能市场将加速爆发。

随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展，预计2018年中国人工智能市场规模有望突破200亿元大关，达到238.2亿元，增长率达到56.6%。

2. 人工智能产业将成为独角兽集中地

在大公司和传统大型企业之外，人工智能产业集中着非常多的优秀创业公司。优秀的人工智能创业公司有着成熟的团队配置、先进的技术能力、健康的现金流等，同时受资本方的认可度较高。从2012年至今，我国人工智能领域共有1354家公司，投资事件1354起，投资总额为1448亿元。刚刚过去的2017年，AI投资总额超过622亿元，相比2012年的6亿元翻了上百倍。智慧金融最受资本青睐。

但目前中国在AI芯片领域实力薄弱，多为创业公司。而美国在这一领域既有英伟达、英特尔等重量级企业，创业公司也层出不穷。中国在AI领域除了BAT之外，还诞生了包括商汤、旷视、云知声在内的新兴独角兽，融资额度甚至超过美国同行，支撑AI应用蓬勃发展。金准数据认为，人工智能作为最具前景的产业，将成为新的独角兽集中地。

3. 人才储备将成为制约中国人工智能发展的重要因素

从目前来看，虽然相关机构的研究表明华人的人工智能学术成果占全球一半以上，但中国人工智能技术和产业在大部分领域仍落后于全球一流水平。虽然中国在数据积累和传统产业基础上有一定的优势，部分细分领域有领先成果，相关研究投入不断加大，但整体上的人才储备落后于美国，在基础研究、产业链等方面存在较大挑战，将成为制约人工智能发展的重要因素。

2017年AI技术类工程师的招聘量是2014年的8.8倍。2017年，AI类工程师和数据类工程师在全部IT技术岗位中的占比分别是9.86%和17.59%。

图28 2014-2017AI工程师招聘需求占比变化

人工智能人才市场需求剧增，技术岗位占比3年猛增3倍，未来人才缺口将持续增大。2017年，AI类工程师在全部IT技术招聘岗位中的占比为9.86%，是2014年的8.8倍,2016年的2倍，目前AI人才缺口至少在100万以上。A

AI产业的迅速发展，引发了一场人才争夺战，让薪酬方面的数字很亮眼。各细分领域的招聘量也逐年攀升，而且薪资比IT工程师高出一个等级。2016年以来公开发布的招聘岗位中，IT工程技术类的平均年薪为17.92万，而AI领域知识图谱方向的最高年薪可达43.42万，其平均年薪也高达34.06万。在AI细分领域中，计算机视觉类人员平均年薪27.81万元，其他方向薪资均在30万元以上。具有10年以上经验的AI工程师年薪则高达140万元。在人工智能相关岗位中，机器学习和深度学习算法工程师最为紧缺。随着人工智能产业的进一步发展，我国AI人才的缺口或进一步扩大，而且由于我国对AI的研究起步较晚，企业对AI人才学历的要求较高，因此AI 人才急缺的情况在未来几年将无法改善，AI人才的薪酬也预计会进一步水涨船高。

4. 人工智能全面发展需要更多的积累

AI的火热吸引了大量企业涌入，国内相关的生态链也逐步形成。一方面以BAT为代表的互联网巨头纷纷投身AI，全面拉开了人工智能产业链的布局，覆盖语音/图像等交互技术、大数据、内容资源等方面。另一方面，国内专业技术企业则在各个垂直领域深入布局。一个产业的形成，除了核心技术，还需要上下游的配合，芯片和麦克风厂商、行业应用的厂商、终端产品的生产厂商等等。

而当前真正的人工智能缺乏基础，人工智能技术更多的是依靠机器学习和计算能力促进生产力的发展。理性地看，“机器统治人类”的奇点恐惧缺乏一定的基础，真正未来人工智能发展的核心画面，应该是人和智能机器人，或者人工智能系统并存，并且和谐的生态，让整个生产效益得到最大化提高。虽然人工智能已经在机器学习等关键领域得到了一定的突破，但更多的是属于专用人工智能，往通用人工智能等更高层次的发展仍需积累。

5. 深度学习面临挑战

深度学习模型一般需要大量的数据进行训练，词汇量随着数据规模的增加而增加，这通常会存在训练数据无法覆盖的情况，如何处理长尾问题是一个普遍存在的挑战；各类智能终端计算能力有限，而深度学习模型往往需要强大的计算资源，这需要尽可能压缩模型的大小以及提高硬件的计算能力；截至目前，深度学习模型并没有良好的理论基础，模型的可解释性差，阻碍了自然语言处理技术在医疗、金融等一些关键领域的大规模应用。

从研究角度，将基于符号的规则方法与深度学习方法相结合是解决该问题的有效策略。基于符号的规则方法可以直接利用自然语言处理中基于符号形式的知识，符号表征易于解释和操作，需要的训练数据少，而神经网络中的向量表征对歧义、噪声具有一定的鲁棒性，泛化性较好，能够一定程度上衡量结果的不确定性。如果能把符号数据和向量数据结合起来，可以实现优势互补，提升目前深度学习方法的可解释性，减少对大数据的依赖。

深度学习中的监督学习方法与强化学习、无监督学习相结合是另一趋势。过去几年深度学习需要依赖大量有标注的数据，但数据标注费时费力，而获取大量的无标注数据却比较容易。如何利用大量的无监督数据提升系统性能将是一个重要的趋势。此外，相比无监督学习，强化学习可以利用较弱的反馈信号，同时能够直接优化学习的目标，因此将传统自然语言处理任务转化为适用于强化学习的序列决策任务也将是一个重要的方向。

6.交互式智能服务的风口即将到来

人工智能驱动企业运营模式变革，从PC互联到移动互联网再到物联网，企业跟客户的触点越来越丰富和多样化。未来企业的竞争力在于服务能力，“服务智能化”成为必然趋势，知识驱动的交互式智能服务是未来几年的进化方向。

要做到交互式智能服务，首先，要进行以语音为主的交互方式的接入，并推进对话能力的大规模定制。其次，要构建企业专有知识体系，企业拥有自身专有知识，将知识结构化，并最终使它能够自动交互，就能够极大节省生产力，提高工作效率。对企业而言，其在产品知识、售后方案、人事政策、财务政策等方面都拥有相应的知识，这是一个结构复杂的知识体系。过去的知识服务是为搜索引擎而优化的，未来，知识服务必然要考虑到交互式的查询和需求。

自然语音处理的应用需要知识来驱动，企业最终会拥有自己的专用数据和知识，并最终会生成相应的自然语言理解模型、对话管理的模型等，帮助企业将自身的知识转化成可交互式的。未来将是知识驱动的交互智能，不同企业/行业专用知识资源的开放合作没能够加快建立有机生态。

综上，虽然近年来深度学习促进了自然语言处理技术的发展，但是未来仍然面临着巨大挑战，这既要求基础研究上深度学习方法与其它方法相结合，同时也需要产业上通过场景化的应用逐步拓展应用边界。

2018年，是AI赋能行业、展 ********* 力的关键年。企业和公众已经不再质疑“AI能不能”，而是迫切的想知道“AI怎么能”。AI必须要在生态建设、行业应用、产业赋能等方面取得比以往更大的成就，才能更进一步，形成燎原之势。