目前中国在人工智能领域跟国际顶尖水平差距不大，无论是学术水平还是应用能力，均名列前茅。在科技巨头积极布局人工智能的同时，中国技术革新也在乘势而起，抢占产业制高点。人工智能产业目前仍处于发展前期，主要应用方向集中在语音、图像识别等领域，而我国目前已实现巨大的技术突破，处于国际领先水平，例如百度、科大讯飞等公司语音识别率已突破95%；汤晓欧带领的创业团队在LFW测试中视觉识别率超过99%。而我国人工智能技术，尤其在中文语音和语义识别技术方面存在自身独有的竞争优势。目前国内拥有健全的互联网基础设施，包括计算能力和海量数据，未来需要更加注重培育人工智能领军企业，这一次中国有望引导世界人工智能产业发展。
 

 
　　国内BAT三大巨头抢滩人工智能。在全球市场火爆的背景下，国内市场也充满了巨头的博弈与布局。过去两年，国内BAT在人工智能领域动作频频。百度将人工智能作为企业未来发展的重中之重，2015年研发投入超过100亿元，涉足深度学习、图像识别、无人驾驶、语音识别、机器人、智能医疗等多个领域并于2016年启动“百度大脑”计划；阿里巴巴在2015年推出国内首个人工智能平台DTPAI，并计划打造“智能物联”生态圈；腾讯则从图像识别到语义分析，从机器人到物联网都有布局，未来还将通过“TOS+”战略整合QQ物联与微信，实现两者在智能硬件领域的并行发展。
 
　　中国人工智能的探路者远不只有BAT。面对人工智能这块将要做出来的大蛋糕，无论是“提前卡位”还是“深度挖掘”亦或是“独辟蹊径”的企业都面临着不同的机遇和挑战，虽然产业在部分细分领域已处于寡头垄断局面，但尚有未被涉足的地方，整个市场的分类、容量、分配规则都等待赋予。目前国内无论是技术平台还是行业应用方面都涌现出不少优秀企业，在大公司加速布局的同时，新兴力量也在积极抢位。
 

 
　　智能语音领域的翘楚——科大讯飞。以语音识别切入产业布局，科大讯飞目前已成为中国乃至全球智能语音产业的领导者。在口语翻译、语音识别和语义理解、机器测评等方向都获得巨大成就。2014年，科大讯飞提出“讯飞超脑”计划，叫板“谷歌大脑”和“百度大脑”；2015年推出人机交互平台—AIUI，实现从智能语音到人工智能的完美升级，并且还涉足教育、医疗领域，积极打造“人工智能+”生态圈。
 
　　新兴力量积极抢位，4家独角兽浮出水面。除了互联网巨头公司，创业公司也是推动我国人工智能行业发展的主力军，其中已有公司在新三板挂牌。截至2016年初，中国人工智能领域有近百家创业公司，约65家获得投资，共计29.1亿人民币。获得投资的企业中应用类占比71%，绝大部分为软件服务；技术类占比26%，其中计算机视觉占比超过一半。与国外创业公司相似，大部分国内初创公司一般拥有部分领域的领先技术，会选择对某一细分领域的技术算法进行改进、深挖，或基于成熟技术进行针对性的商业应用设计来获取市场份额，根据艾瑞咨询的人工智能企业榜，旷视科技、SenseTime、云知声和优必选4家企业被列入独角兽行列。
 

 
　　人工智能在工业领域的应用
 
　　工业数据具备更强的专业性及关联性。工业大数据与互联网大数据之间存在明显区别。互联网大数据主要来自互联网中产生及传播的社会媒体数据，相对分散，且来自不同媒体与设备，而工业大数据来自不同环节不同设备的不同阶段，专业性及关联性都比较强。
 
　　工业场景下的人工智能应用对准确性要求远高于互联网。基于互联网大数据训练的人工智能算法模型，其对数据的容错性以及对结果的准确性与工业领域的应用相比要低，更多还是基于相关性，不会过于追究其中的逻辑和因果关系。而工业大数据分散在不同的环节、不同的设备以及设备的不同位置，数据的缺漏及异步等问题时有发生，但是对模型表现结果的准确性要求却又很高，很小的失误都可能造成难以想象的损失。所以当我们将人工智能应用于工业领域时，需要考虑数据特征，结合不同的细分场景，根据不同的任务目标作进一步的细化。
 
　　人工智能在工业领域的应用案例。物联网的普及带来线下生产信息的数字化，企业级应用的渗透带来生产及管理流程的信息化和云端化。基于云平台的数据处理及人工智能应用，将唤醒工业领域的海量线下数据，并转化为价值。
 
　　案例一：Deep Mind依靠人工智能系统将为Google节约数亿美元电费
 
　　Google在2014年收购Deep Mind以后就曾表示会将机器学习技术应用于数据中心，使用神经网络来预测耗电量变化，提升设备分配效率。今年7月份则表示，通过使用DeepMind人工智能系统对其数据中西的部分设备进行控制，操纵服务器和制冷系统等相关设备来降低耗电量，电力使用效率提升了15%，预计未来几年内将节约数亿美元电费。
 
　　案例二：GE的工业互联网：提供计算设施及数据处理技术与算法
 
　　通用电气(GE)Predix平台是全球第一个专为工业数据与分析而开发的操作系统，实现了人、机、数据之间的互联，能快速获取、分析海量高速运行的工业数据，让客户在安全环境下进行数据分析处理，最终优化设备。与此同时，GE还将在工业领域积累的技术优势应用于航空、医疗、照明以及能源等传统线下领域，在效率提升上取得明显的效果。
 
　　2016年7月，GE宣布Predix平台登陆微软Azure云平台，实现工业领域大数据处理云平台与通用领域企业级服务云平台的结合。两者的结合，GE能获取更为丰富的行业数据以及利用微软在数据可视化、自然语言处理等人工智能技术，微软云应用的企业级客户则可以利用GE云平台比较成熟的数据处理技术，从流程上提高效率。
 
　　人工智能在安防领域的应用
 
　　海量数据+特定场景+初创团队：对于安防行业而言，最主要的数据来自公安、商场等遍布的摄像头，存在形式以视频图像为主，而且时刻都在产生并记录着海量的数据。应用场景更是丰富多样，小到车牌识别、门禁系统，大到舆情监控、嫌犯追踪等，几乎每一个场景都存在深挖的机会。初创团队一般会在人脸识别、图像识别、智能视频分析等基础技术领域进行算法的研究，而转型公司则结合自身拥有的数据及场景资源，采取“自主研发+创业团队合作”的方式，将人工智能应用落地。
 
　　目前人工智能技术在安防领域已经有诸多成熟案例，这里主要从以车牌识别、人脸识别为代表的图像识别技术、以大数据分析为代表的智能分析技术以及综合化的安防机器人等三类应用展开。
 
　　1)以车牌识别、人脸识别为代表的图像识别技术。在公安、交管领域，车牌识别是图像识别技术应用相对较早且成熟度相对较高的场景，已广泛应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。
 
　　人脸识别目前在支付、金融行业远程开户等应用场景中应用障碍已经相对较小，但在安防领域，由于图像抓取角度、清晰度等原因的限制，目前应用还相对有限，相对比较成熟的是在门禁系统、ATM监控等简单任务领域，但随着人脸识别技术的进一步发展，在刑事案件侦查、特定人员追踪、嫌疑人报警等诸多领域将大有用武之地。
 
　　其他如人群监测、人流监控、步态识别、行为识别等技术也在不断推陈出新，对于增强安防水平、维护社会稳定、提升刑侦效率等都有重要意义，受到各方关注。
 
　　2)以大数据分析为代表的智能分析技术。人工智能在安防领域另一个典型应用是通过以大数据分析为代表的智能分析技术，实现舆情监控和恶性袭击事件预警。其中最典型的创业公司Palantir，通过分析海量数据来寻找规律，已被众多执法部门用于犯罪调查和发现潜在恐怖主义阴谋，主要客户是CIA和FBI。此外Palantir在医疗、金融等领域也积极拓展，目前估值已经超过200亿美元。国内安防领域的智能分析目前主要集中于舆情监控、垃圾/诈骗短信处理等部分领域。
 
　　3)综合化的安防机器人。安防机器人可以完成包括巡逻、监控、追踪、抓捕、营救等一系列任务，集成图像分析、智能识别、人机交互等多种形态的人工智能技术。目前研发依然处于早期，常见的初级形态主要是功能简单的安保机器人，仅能实现特定情境下的定点巡逻、报警、遥控制暴等功能。