时间：2023-06-30 09:27:44
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇人工智能的投资逻辑范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
二、人工智能控制器的好处
对于不一样的人工智能控制，必须采用不一样的措施来分析。然而部分人工智能控制器，比如：遗传算法、神经、模糊与模糊神经全部为一类不是线性的函数近似器。使用以上区分的方法有益做整体的分析，而且能够有利于为控制方案做整体性的研究。上面提到的人工智能函数近似器拥有普通的函数近似器而没有的好处。第一，大部分情形下，准确地知道控制物体的动态方程是相当繁杂的，所以控制器规划现实控制物体的模板的时候，常常能够出现许多无法预料的原因，比如参数改变和非线性时等，这些往往不能够掌控。但是人工智能控制器规划时能够无需控制物体的模板。按照降下的时间与回复的时间不一样，人工智能控制器经过一定的调节能够加强本身的功能。比如从降下的时间角度分析，模糊逻辑控制器优于PID控制器的四倍；从升起的时间角度分析，模糊逻辑控制器优于PID控制器的两倍。和传统的控制器比较，人工智能控制器拥有容易调整的特点。虽然没有专业人员的实时引导，人工智能控制器也可以采用回复数据以实施规划。还能够经过使用语言和有关信息等形式实施规划。人工智能控制拥有非常大的同一性，键入以前没有见过的数据便可以出现非常高的数值，能够减少驱动器给其造成的不良反应。针对一些控制物体，即使现在未使用人工智能控制器也能够有非常好的影响，然而针对别的控制物体，并不确定是否有类似的非常好的影响，所以对于规划需要根据实际问题制定具体的解决方案。对于模糊化与反模糊化，假如使用适应模糊神经控制器与隶属函数，可以准确地实施定期核实。对于完成此成果的多种方案里面，唯有经过体系工艺的应用才可以获得固定的数值，加上简便的拓扑组构，可以达到非常快的自学程度。
三、人工智能于电气自动化里的应用
人工智能探究的重要目的是让机器可以完成部分一般要人类智能胜任的繁杂任务，电气自动化为分析和电气工程相关的体系运作。人工智能的组成部分包含逻辑推导、定理证明、机器人学、专家体系、自然语言理解，人工智能的使用表现在问题解答、自动程序规划、行为功能、思维功能与感知功能等。但是以上方面全部表现了自动化的特点，传达了同一个主旨内容，那就是加强机械人们意识功能，提高控制自动化。所以人工智能对于电气自动化行业将会起到非常重要的作用，电气自动化控制同时也需要人工智能的加入。由于人工智能技术进步地越来越快，许多科研工作者开展了对于人工智能在电气工程自动化控制中的探讨，比如：怎样把人工智能体系使用到问题的判断及预料、电气产品规划及爱护或控制等。从如何更好地规划产品角度讲，规划电气装置是相当复杂的任务。需应用电器、电路、电机和磁场等多课程的专业知识，还需应用传统规划里的经验。
“人工智能”（Artificial Intelligence）一词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机，人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。
2.人工智能的研究历史
人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几个阶段： 孕育阶段：古希腊的亚里士多德，给出了形式逻辑的基本规律。英国的哲学家、自然科学家培根，系统地给出了归纳法。“知识就是力量”德国数学家、哲学家布莱尼兹。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运 算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家布尔实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统——布尔代数。
第一阶段： 50 年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题求解程序LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段： 60 年代末到70 年代，专家系统出现，使人工智能研究出现新DENDRAL 化学质谱分析系统、MYCIN 疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II 语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969 年成立了国际人工智能联合会议。
第三阶段： 80 年代，随着第五代计算机的研制，人工智能得到了很大发展日本1982 年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统K I P S”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段： 80 年代末，神经网络飞速发展1987 年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。 第五阶段： 90 年代，人工智能出现新的研究由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。
3. 人工智能的发展方向
3.1人工智能的研究新课题。人工智能的长远目标是要创造人类智能的机器，用机器模拟人类的智能。这是一个十分漫长的过程，人工智能研究者将通过多种途径、从不同的研究课题入手进行探索。 在近期，有几方面的研究课题可供选择：更完善更新的人工智能理论框架；自动或半自动的知识获取工具；能实现海量高速存储并具有学习功能的联想知识库；新型推理机制和推理机；分布式人工智能与协同式专家系统；智能控制与智能管理；智能机器人；人工智能机；新一代的电脑模型。因为人工智能的研究领域十分广阔，它总的来说是面向应用的，主要研究领域有专家系统，有人在工作，它就可以用在什么地方，因为人工智能的最根本目的还是要模拟人类的思维。其发展可以归纳为：人机融合、机器智能、智能机器。
3.2人机融合。人工智能的近期研究目标在于建造智能计算机，用以代替人类从事脑力劳动，即使现有的计算机更聪明更有用。正是根据这一近期研究目标，我们才把人工智能理解为计算机科学的一个分支。人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机（automata）模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理。
机器超越人已不再遥远
从识别、感知、认知，到做决策、反馈，人工智能在过去五年有非常大的进步。博弈的例子有AlphaGO，感知的例子有微软小冰，决策的例子有Google Gmail的自动回复。
我在30多年前就做人工智能，可惜，无论对弈、语音识别、自然语言理解都没有生逢其时。因为当时机器不够快，数据不够多，算法不够先进。但是今天，它们够先进了。
机器学习最重要的一个突破是深度学习。深度学习，就是用非常大的神经元，用巨量的数据充进去训练。它可以在识别、分类或者预测方面，远远超过任何过去的算法。这个学习的算法特别适合巨大的数据量。
什么情况才能用人工智能？人工智能不是万能的，但满足以下条件，人工智能绝对可以做出特别有价值的产品：千万级别的海量数据；顶尖的科学家；非常清晰领域的边界；非常好的标注；非常多的计算量。
很多人说人工智能好遥远。其实不是，百度、淘宝、滴滴的背后都是一个人工智能引擎。一些过去认为比较遥远的，如图像识别、语音识别的比赛，机器已经超越人了。
人工智能的应用领域
一个创业公司的用户达到了千万级别的时候，肯定需要人工智能引擎。因为系统需要做一些判断和推荐：推荐什么商品给用户，该放什么样的广告。所以，做人工智能创业的，最好是已经有互联网数据的公司。
当然，还有很多公司是没有互联网数据的，这些公司也能创造价值。
哪些领域会最先呢？一定是数据最大、最快能产生价值的领域。如金融领域：银行、保险、券商、智能投库、AI量化基金，是最快能产生价值的。
哪些是对人类最有意义的？一定是医疗领域。癌症的检测、切片，基因个性化的治疗。
最大的一个领域应该是无人驾驶。当电动车、共享经济、无人驾驶三件事情同时发生的时候，人类经济会产生最大的提升和改变。以后我们出去打车，应该是随叫随到，人都不需要买车了，停车场也不需要了，路上的车也变少了，空气也变好了，这些都是一些会发生的很好的“副作用”。
最厉害的AI公司将是Google。当Google搜索里面的引擎被提炼出来成为一个Google大脑的时候，用在互联网领域就变成了Gmail的自动回复，变成了Google的搜索和广告；用在汽车领域就是GoogleCar；用在人的健康领域就成了GoogleHealth；用在围棋上就是AlphaGO。
百度大脑也是一个类似的项目。每个伟大的互联网公司都应该考虑：拥有大数据是不是也应该像Google一样，用更多的深度学习创造商业价值？
中国有特殊机会
当你要做人工智能的时候，我有几个建议：要有特别大的数据，最好是闭环的，只有你有，别人没有；要买很多机器，尤其考虑GPU；要有经验丰富的深度学习专家；最后要把年轻人训练起来。
为什么特别提到训练年轻人呢？因为一个优秀的数学和计算机专业毕业生，培训6个月就可以做人工智能工程师了。
因此，最领先的人工智能国家，当然是技术最领先的、论文最领先的、应用最领先的，而且也是年轻人最上进、最努力、最勤奋的国家。
中国有一些很特殊的机会。中国教育特别重视优秀的理工、数学底子，世界上的人工智能论文43%都是中国人写的。中国传统企业比美国落后，但这表示人工智能注入进去就会产生很大价值。在座每一个潜在的独角兽公司和快到独角兽的公司，如美图、知乎、BRPK，都在快速的招人工智能专家，帮他们提升价值。美国领先的公司，无论是Google、坦斯福罗，还是微软、CNTK、Facebook，在中国都很难本土化，这都是中国公司的机会。
人工智能时代的投资蓝图
创新工场在人工智能时代的投资蓝图包括以下几个方面。
大数据公司。谁有大数据，我们就可以做人工智能。
R别。语音、手势、人脸等识别会有很大的突破，但是自然语言的理解，即语义方面的突破，可能还需要5-10年。
传感器。传感器现在很贵， Google做辆车要几十万美元，但我深信三年以后价格就会降下来。所以，我们更愿意投资那些现在看起来很贵，但一旦量产价格就会降下来的公司。
家庭机器人。家庭机器人长的像人的，恐怕还需要近十年的时间。但是，一些智能音箱、工业商业的应用，可以快速发展起来。
无人驾驶。无人驾驶一定是先开始辅助人驾驶，然后人来辅助机器，最后才能达到全天候的驾驶。
我们投资的人工智能项目，比较著名的是FACE++，还有地平线机器人、小鱼在家、金融界的人工智能第四范式，以及玉石科技的无人车，它已经开始在园区里面上路测试了，连驾驶盘都没有，所以完全是无人驾驶的工作。
我们深信，十年以后回顾人类历史，人工智能不只是一个创业的机会，也绝不仅是一个移动互联网之后最好的创业机会，而会被认为是人类有史以来最好的创业、创新机会，对人类有潜在的巨大改变，对人类生活有最大提升的一种技术。（本文摘自李开复12月6日在WISE-2016独角兽大会上的演讲，有删改，标题为编者所加，未经本人确认。）
一周视点
李开新
360手机执行副总裁2017年不折腾
作为初创企业和新品牌，稳和好要比高和快更重要。天道酬勤，只要不折腾，有正确的方向和明确的定位，企业总归会成功的。
12月5日，360手机新掌门李开新接受媒体采访时表示，2017年的思路是稳健运营，不折腾，不去做一夜暴富的梦，认认真真专心做手机。
古永锵
优酷创始人、阿里文娱战略投资主席融合、链接是未来关键
用两个词来形容我看到的未来：融合和链接。抢用户、圈地这种逻辑在新的十年越来越难，但如何使融合和链接产生增值是企业需要考虑的关键。
12月6日，古永锵在WISE-2016独角兽大会演讲中说，未来是融合的时代，也是全球互联网的时代。文化娱乐将是一个重要风口，产生很多创业机会。
唐沐
2013年，依图科技拿到了真格基金百万美元的天使投资。2015年和2016年，依图科技先后完成A轮、B轮融资，估值数千万美元，成为业界最被看好的计算机视觉创业公司之一。
创业四年，甘苦尝尽。朱珑的技术优势显而易见，要面对的难题也不少：没有商科背景，是否会让他在管理上左支右绌？在人工智能这样的前沿领域，没有现成的商业模式可供借鉴，他该如何取舍公司的业务方向？
8月，趁朱珑在北京出差之际，《时间线》对他进行了专访，听朱珑讲述行走在中国科技产业浪潮之巅的故事。
《时间线》：2012年你创业的时候，国内人工智能市场是怎样的？
朱珑：当时大家对人工智能的未来不像今天这样有信心，资本对这个圈子的热度也远不如今天。并不是说你来自MIT就很容易拿到投资。我认为2012年是技术类创业的标杆性的一年，此后，创投圈开始从“资金密集型”和“资源密集型”转向“智慧密集型”。
《时间线》：如你所说，当时资本圈对AI并不像今天这样抱有信心，依图拿到真格基金百万美元的天使投资，经历了怎样的过程？
朱珑：在红杉资本中国基金副总裁吴莹的介绍下，我和我的合伙人林晨曦与真格基金的创始人徐小平先生在他的家中见面，交流了十几个小时。当时，徐老师对人工智能技术并不十分了解，但非常看好我们的团队和AI的未来，提出给依图两百万美元的投资，这笔资金动用了当时真格基金总额的7%，我认为徐小平老师是个非常有魄力的投资人。
《时间线》：你们的很多项目都是与政府部门合作的，一家创业公司是如何取得政府的信任的？
朱珑：我回国之后动用了自己在国内所有的人际关系，最终获得了在某个公安系统会议的茶歇时间与一名负责人交流3分钟的机会。经过一番争取，他愿意让我尝试计算机车辆识别系统，当时计算机的车辆自动识别准确率不到30%，对方希望提升到70%。接到任务两个月后，我们做出了一套车辆识别系统，识别准确率达到了90%，获得公司成立后的第一单业务。
由此开始，我们与公安系统开始了长期紧密合作，将人脸识别技术应用于追逃、刑侦、监控等方 面。
《时间线》：人脸识别技术具体可以如何应用到公安系统的工作中？
朱珑：我们曾协助苏州公安完成一起追逃任务，公安用全国在逃库的26万人与常住及暂住人口库中的1300万人进行比对，通过人脸识别的捕捉，系统共预警25人。经过人工甄别，最终确定了17人为嫌疑人，其中9人已撤销，最后现场捕获了3人。这是过去单靠警力无法做到的事情，现在人工智能技术可以帮助我们实现。此外，人脸识别技术还可以应用到金融等其他行业。
《时间线》：从创业到现在，人工智能市场经历了怎样的变化？
朱珑：今年的前三、四个月，比过去一年的变化还大。很多投资人的逻辑是“我就要投资人工智能，一定要进来参与这个领域。”
《时间线》：在人工智能大热的今天，可能会有一些投机主义的公司涌现，这是否会成为你的困扰？
朱珑：肯定有，这很正常。有一些公司不见得会涉及智能的那些部分，只是包装一个概念，但时间会自动筛选出真伪，有实力的公司很稀缺，团队会更加值钱。
为杭州打造“城市数据大脑”
今年9月，全球瞩目的G20峰会将在杭州召开，杭州市委市政府联合众多公司，在阿里云的牵头下开展了一个名为“城市数据大脑”的城市交通规划项目，借此盛会展现大数据在城市管理中的作用，依图公司参与其中，提供车辆识别及大数据相关技术。首次涉通领域，对于依图来说是一个新的挑战。
《时间线》：“城市数据大脑”项目中，依图进行了哪些方面的技术支持？
朱珑：我们对城市中车辆的行驶路径等数据进行收集、分析，对车、道路、红绿灯的信息进行建模。在建模的基础上对政府的交通管理者给予建议和优化方法，比如红绿灯的改进措施，道路的修缮方案。我们希望通过解决城市交通这类世界级难题，让人工智能使我们的生活更加轻松便捷。
《时间线》：这个项目的难点在哪里？
朱珑：从技术层面来讲，交通管理是一个非常新的领域，世界上顶级机构对这一领域的研究也处于原始阶段，现有的学术界的模型、数据体量无法满足模型精度的需求。要完成这个项目，我们还要做很多新的研究。从操作层面来讲，我们的工作要跨越政府的不同部门，把这些数据整合到一起。
《时间线》：大数据对人工智能技术有重要作用，你们如何建立自己的数据库？
朱珑：最朴素的办法就是一点一滴积累，比如车辆数据，我们自己去路上拍了很多，慢慢地数据就积累起来了。在和客户合作的过程中，客户也会提供一些数据。
《时间线》：现阶段在中国进行技术创业，难点在哪里？
朱珑：从创业环境来看，我们没有完善的反垄断机制，也就是说大公司还是可以跟你竞争的；但在美国，这不一定行得通。而且中国的知识版权的保护尚为薄弱，小公司抄袭的情况比较多。
此外，探索出好的商业模式是非常困难的。依图成立四年，经历了很多探索，我们一直在扎实地做垂直领域，包括公安、金融等领域。我始终在问自己：人工智能的卖点是什么？
AI最大的考验是商业模式的创新
2016年初，一场人机大战成为全民热点。人工智能的概念从科技圈走向大众，做了一次生动的市场教育。影响迅速蔓延到二级市场，人工智能概念股迅速飙升，中国兴起一波人工智能创业热潮。创业四年，朱珑目睹了人工智能产业的变迁，他有着怎样的体会？作为一个创业者，他如何看待这个产业的未来
《时间线》：现在依图在技术研发和商业方面的比率大概是什么样的？
朱珑：超过50%都是技术团队，我们的核心优势是对技术的理解能力。有了技术作为基础，扩张的成本会变得很低。
《时间线》：作为学者型创业者，商业背景的匮乏会不会成为你的瓶颈？
朱珑：创业四年，这个部分的知识我补充了很多。商业知识是不断学习的过程，今天学到的商业经验不一定能解决明天的问题。换句话说，有商科背景不一定比我更有能力解决未来将面对的问题。创业本身就是个不确定的探索过程。
《时间线》：如何看待技术与商业化的平衡？
消息公布之后，伊隆・马斯克在Twitter上评论腾讯投资特斯拉的举动，称“非常高兴腾讯成为特斯拉的投资人和顾问”。不过，腾讯此次获得的5%的股份为被动股权。按照美国证监会的规定，被动股权的持有者不能参与公司的具体运营决策，只能通过买卖股票获得投资收益。
此前，在2月底，因为担忧特斯拉Model 3车型今年生产时间可能推迟，以及预计该公司将出售股权募集17亿美元资金，高盛分析师David Tamberrino将特斯拉股票评级从“中性”下调至“卖出”。
那么，腾讯为什么会选择大手笔投资特斯拉呢？
财务投资 即使仅仅将其视作财务投资行为，腾讯这次买入特斯拉的股票也已经赚翻了。以美国证监会披露的交易数据计算，腾讯购入特斯拉股票的平均价格为217.69美元。截至4月3日收盘，特斯拉的股价涨到了298.52美元，也就是说这笔投资的市值已经上涨了37%。此前已有的多个交易案例也表明，腾讯绝对是个精明的投资者。
汽车业务 虽然目前仅限于持有被动股权，但特斯拉显然与腾讯在新能源汽车上的战略是一致的。此前腾讯一直积极投入新能源汽车，包括与富士康及和谐汽车共同成立了和谐富腾（2017年2月拆分为两个项目，豪华电动汽车Future Mobility Corp和新能源汽车企业爱驰亿维），以及以早期投资者的身份入股了蔚来汽车。腾讯拥有互联网汽车最重要的两部分软资产，地图和应用。对于特斯拉来说，中国市场的拓展也可以借助腾讯的这些相关资源。
人工智能 人工智能已经成了所有大公司难以回避的战略方向，此前落后于竞争对手的腾讯最近明显加大了这方面的投入和布局。就在宣布入股特斯拉之前的几天，腾讯宣布人工智能领域科学家张潼成为腾讯AI Lab（腾讯人工智能实验室）主任。自动驾驶可能是人工智能最接近现实的应用之一，而特斯拉在这方面有着最庞大的用户群和最深厚的技术积累。这些都有助于腾讯增强自身在人工智能领域的实际经验。
作为国内市值最高的互联网公司，目前腾讯的市值超过2700亿美元。同时其业绩还在不断增长，2016年的财报显示，公司全年营收1519.38亿元，同比增L48%，净利润414.47亿元，同比增长42%。
1.1机械电子工程的发展史
20世纪是科学发展最辉煌的时期，各类学科相互渗透、相辅相成，机械电子工程学科也在这一时期应运而生，它是由机械工程与电子工程、信息工程、智能技术、管理技术相结合而成的新的理论体系和发展领域。随着科学技术的不断发展，机械电子工程也变的日益复杂。
机械电子工程的发展可以分为3个阶段：第一阶段是以手工加工为主要生产力的萌芽阶段，这一时期生产力低下，人力资源的匮乏严重制约了生产力的发展，科学家们不得不穷极思变，引导了机械工业的发展。第二阶段则是以流水线生产为标志的标准件生产阶段，这种生产模式极大程度上提高了生产力，大批量的生产开始涌现，但是由于对标准件的要求较高，导致生产缺乏灵活性，不能适应不断变化的社会需求。第三阶段就是现在我们常见的现代机械电子产业阶段，现代社会生活节奏快，亟需灵活性强、适应性强、转产周期短、产品质量高的高科技生产方式，而以机械电子工程为核心的柔性制造系统正是这一阶段的产物。柔性制造系统由加工、物流、信息流三大系统组合而成，可以在加工自动化的基础之上实现物料流和信息流的自动化。
1.2机械电子工程的特点
机械电子工程是机械工程与电子技术的有效结合，两者之间不仅有物理上的动力连结，还有功能上的信息连结，并且还包含了能够智能化的处理所有机械电子信息的计算机系统。机械电子工程与传统的机械工程相比具有其独特的特点：
1)设计上的不同。机械电子工程并非是一门独立学科，而是一种包含有各类学科精华的综合性学科。在设计时，以机械工程、电子工程和计算机技术为核心的机械电子工程会依据系统配置和目标的不同结合其他技术，如：管理技术、生产加工技术、制造技术等。工程师在设计时将利用自顶向下的策略使得各模块紧密结合，以完成设计；2)产品特征不同。机械电子产品的结构相对简单，没有过多的运动部件或元件。它的内部结构极为复杂，但却缩小了物理体积，抛弃了传统的笨重型机械面貌，但却提高了产品性能。
机械电子工程的未来属于那些懂得运用各种先进的科学技术优化机械工程与电子技术之间联系的人，在实际应用当中，优化两者之间的联系代表了生产力的革新，人工智能的发展使得这一想法变成可能。
2人工智能
2.1人工智能的定义
人工智能是一门综合了控制论、信息论、计算机科学、神经生理学、心理学、语言学、哲学等多门学科的交叉学科，是21世纪最伟大的三大学科之一。尼尔逊教授将人工智能定义为：人工智能是关于怎样表示知识和怎样获得知识并使用知识的科学。温斯顿教授则认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。至今为止，人工智能仍没有一个统一的定义，笔者认为，人工智能是研究通过计算机延伸、扩展、模拟人的智能的一门科学技术。
2.2人工智能的发展史
2.2.1萌芽阶段
17世纪的法国科学家B.Pascal发明了世界上第一部能进行机械加法的计算器轰动世界，从此之后，世界各国的科学家们开始热衷于完善这一计算器，直到冯诺依曼发明第一台计算机。人工智能在这一时期发展缓慢，但是却积累了丰富的实践经验，为下一阶段的发展奠定了坚实的基础。
2.2.2第一个发展阶段
在1956年举办的“侃谈会”上，美国人第一次使用了“人工智能”这一术语，从而引领了人工智能第一个兴旺发展时期。这一阶段的人工智能主要以翻译、证明、博弈等为主要研究任务，取得了一系列的科技成就，LISP语言就是这一阶段的佼佼者。人工智能在这一阶段的飞速发展使人们相信只要通过科学研究就可以总结人类的逻辑思维方式并创造一个万能的机器进行模仿。
2.2.3挫折阶段
60年代中至70年代初期，当人们深入研究人工智能的工作机理后却发现，用机器模仿人类的思维是一件非常困难的事，许多科学发现并未逃离出简单映射的方法，更无逻辑思维可言。但是，仍有许多科学家前赴后继的进行着科学创新，在自然语言理解、计算机视觉、机器人、专家系统等方面取得了卓尔有效的成就。1972年，法国科学家发现了Prolog语言，成为继LISP语言之后的最主要的人工智能语言。
2.2.4第二个发展阶段
以1977年第五届国际人工智能联合会议为转折点，人工智能进入到以知识为基础的发展阶段，知识工程很快渗透于人工智能的各个领域，并促使人工智能走向实际应用。不久之后，人工智能在商业化道路上取得了卓越的成就，展示出了顽强的生命力与广阔的应用前景，在不确定推理、分布式人工智能、常识性知识表示方式等关键性技术问题和专家系统、计算机视觉、自然语言理解、智能机器人等实际应用问题上取得了长足的发展。
2.2.5平稳发展阶段
由于国际互联网技术的普及，人工智能逐渐由单个主体向分布式主体方向发展，直到今天，人工智能已经演变的复杂而实用，可以面向多个智能主体的多个目标进行求解。
3人工智能在机械电子工程中的应用
物质和信息是人类社会发展的最根源的两大因素，在人类社会初期，由于生产力水平低，人类社会以物质为首要基础，仅靠“结绳记事”的方法传递信息，但随着社会生产力的不断发展，信息的重要性不断被人们发现，文字成为传递信息最理想的途径，最近五十年间，网络的普及给信息传递带来了新的生命，人类进入到了信息社会，而信息社会的发展离不开人工智能技术的发展。不论是模型的建立与控制，还是故障诊断，人工智能在机械电子工程当中都起着处理信息的作用。
由于机械电子系统与生倶来的不稳定性，描述机械电子系统的输入与输出关系就变得困难重重，传统上的描述方法有以下几种：1)推导数学方程的方法；2)建设规则库的方法；3)学习并生成知识的方法。传统的解析数学的方法严密、精确，但是只能适用于相对简单的系统，如线性定常系统，对于那些复杂的系统由于无法给出数学解析式，就只能通过操作来完成。现代社会所需求的系统日益复杂，经常会同时处理几种不同类型的信息，如传感器所传递的数字信息和专家的语言信息。由于人工智能处理信息时的不确定性、复杂性，以知识为基础的人工智能信息处理方式成为解析数学方式的替代手段。
通过人工智能建立的系统一般使用两类方法：神经网络系统和模糊推理系统。神经网络系统可以模拟人脑的结构，分析数字信号并给出参考数值；而模糊推理系统是通过模拟人脑的功能来分析语言信号。两者在处理输入输出的关系上有相同之处也有不同之处，相同之处是：两者都通过网络结构的形式以任意精度逼近一个连续函数；不同之处是：神经网络系统物理意义不明确，而模糊推理系统有明确的物理意义；神经网络系统运用点到点的映射方式，而模糊推理系统运用域到域的映射方式；神经网络系统以分布式的方式储存信息，而模糊推理系统则以规则的方式储存信息；神经网络系统输入时由于每个神经元之间都有固定联系，计算量大，而模糊推理系统由于连接不固定，计算量较小；神经网络系统输入输出时精度较高，呈光滑曲面，而模糊推理系统精度较低，呈台阶状。
随着社会的不断发展，单纯的一种人工智能方法已经不能满足日益增长的社会需要，许多科学家开始研究综合性的人工智能系统。综合性的人工智能系统采用神经网络系统与模糊推理系统相结合的方法，取长补短，以获得更全面的描述方式，模糊神经网络系统便是一成功范例。模糊神经网络系统做到了两者功能的最大融合，使信息在网络各层当中找到一个最适合的完全表达空间。逻辑推理规则能够对增强节点函数，为神经网络系统提供函数连结，使两者的功能达到最大化。
(讯)计算机投资策略不变，持续关注有卡位、有格局的AI龙头及云应用、互金等各细分子板块龙头:上周大盘略微下降，计算机板块大跌5个点。与上周策略观点保持相同，中短期我们仍然看好新兴板块反弹。荐股策略仍建议关注三个方向的逻辑:1.卡位优势明显，具有行业格局的标的;2.前沿科技发展，有望落地的标的;3.与国家政策高度相关，或因国家投资直接受益的标的。因此，我们建议关注AI板块具有良好卡位优势的四维图新(002405);直接受益于第三次国土调查的GIS行业龙头超图软件(300036);转型云平台服务商的建筑信息化--BIM龙头广联达(002410);前期超跌的高成长低估值个股创意信息(300366);CID龙头，布局ADAS的索菱股份(002766)。
上周大盘略微下跌，计算机板块大跌5个点:上周大盘略微下跌，上证综指略降0.35%，沪深300微涨0.15%，申万计算机指数大跌5.14%。板块估值(TTM)为64.8倍。涨幅居前的板块有互联网营销(0.55%)，智能交通(-0.51%)，虚拟现实(-1.02%)，在线旅游(-1.04%)，智慧城市(-1.20%);跌幅较大的板块有，在线教育(-6.26%)，区块链(-5.76%)，移动互联网入口(-5.61%)，网络安全(-5.60%)，小程序(-4.54%)。海联讯，维宏股份等领涨。
智能芯片，人工智能新时代的第一站。如上周的推荐逻辑，我们推荐持续关注AI行业，云服务商以及互金行业标的。AI板块主要包括目前已经落地的语音识别相关领域应用和图像识别的部分领域应用，以及明年或将落地的无人驾驶相关应用。随着高清摄像头的进一步普及和无人驾驶的逐渐落地，我们认为计算任务前移将成为人工智能产业发展的下一阶段，而智能芯片作为计算任务的承载，将具有重大投资机会。所谓智能芯片，即将机器学习算法以硬件的方式实现，从而达到高性能、低功耗、高稳定、低延迟的目的。目前主流的智能芯片主要分为两大阵营:以赛灵思为首的，完全可编程的FPGA以及以google的TPU、寒武纪的NPU为代表的，性能更高、能耗更低的ASIC芯片。麒麟970的，意味着移动端智能芯片时代被开启，人工智能的发展进入了新时代，智能芯片或将在自动驾驶领域以及视频处理领域得到进一步的普及与发展。推荐关注与无人驾驶及芯片相关的计算机标的四维图新。
风险提示:相关个股季报或低于预期，相关行业政策推行不及预期的风险，小市值成长股交易量或持续收缩的风险等。（来源：西南证券 文/熊莉 常潇雅 编选：中国电子商务研究中心）
一、引言
互联网金融经历了过去几年的高速发展后，带给了人们新的感受。随着2016年4月12日，国务院印发《互联网金融风险专项整治工作实施方案》以来，整个行业正在进行一次“价值回归”，P2P等平台类模式正在减少，靠着拼渠道、流量和高收益的红利时代已经过去，精细化、差异化、技术化的运营和创新将是互联网金融这个阶段的主题，人工智能将在互联网金融领域发挥越来越重要的作用。
一直以来，金融领域个性化的服务都是依赖于“人”的服务。但从2016年开始，机器正在尝试取代人在财富管理服务中的位置，随之而来的是智能投顾服务。举个例子，在美国，券商、资管纷纷开始设立互联网金融平台，以互联网财富管理类的服务为主，目的是捕获更多中小投资者，在现有的证券业务体系之外培育新的增长点。贝莱德收购Future Advisor、Fiidelity与Betterment展开战略合作、Vanguard推出自己的智能投顾服务、嘉维证券与宜信合作进入中国市场开展智能投顾服务。这样的例子还有很多，这背后是传统金融机构对技术所能产生的势能的认可。国内的智能投顾玩家也很多。其中，宜信和品钛这样的在新兴市场上已经相对成熟的公司已经推出了自己的智能投顾服务。此外，还有大量早期创业公司直接以此为方向，比如弥财、钱景财富、蓝海财富等。
二、人工智能在互联网金融领域的应用情况
（一）人工智能在互联网金融领域应用的必然性
2016年以来央行、其他部委以及最高法院都了关于互联网金融的指导意见，分别是《关于促进互联网金融健康发展的指导意见》、《非银行支付机构网络支付业务管理办法》以及《最高人民法院关于审理民间借贷案件适用法律若干问题的规定》。这些政策性文件的出台，预示着这个行业在政策红利和边界较为模糊的情况下实现的业务的快速发展模式已经走到了尽头。随着后期监管文件的逐步下发，门槛的设立，要求的标准化，很多后来者已经丧失了最好的入局机会，而现有的稳健平台，则迎来了最好的发展机遇。对于互联网金融企业而言，要适应政府的监管，获得客户的支持，要取得自身的发展，只能依托于人工智能。长时间以来，人工智能在互联网金融领域的应用及重要性被频繁提及。近日，《中国互联网金融发展报告（2016）》新书在京，该《报告》执行主编、中科金财董事长朱烨东表示，未来互联网金融行业发展将逐渐走向正规、规范，移动支付的不可逆转，大数据、云计算在互联网金融的核心地位进一步加强，金融科技将成为未来互联网金融发展的主要趋势。
（二）人工智能极大提高了互联网金融的效率
作为百业之母的金融行业，与整个社会存在巨大的交织网络，沉淀了大量有用或者无用数据，包括各类金融交易、客户信息、市场分析、风险控制、投资顾问等，数据级别都是海量单位。同时大量数据又是非结构化的形式存在，如客户的身份证扫描件信息，既占据宝贵的储存资源、存在重复存储浪费，又无法转成可分析数据以供分析。金融大数据的处理工作面临极大挑战。通过运用人工智能的深度学习系统，能够有足够多的数据供其进行学习，并不断完善甚至能够超过人类的知识回答能力，尤其在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。
说到人工智能，不得不提的一定是AlphaGO，但是在互联网金融领域，有一个比AlphaGO更加强势的公司，这家公司的名字叫Kensho。这是以前高盛出来的分析师团队，把整个高盛的经验模拟，通过机器取代现在大量的人工，进行相应的投资、分析、决策。而且在信息，在互联网传播非常快的时候，他们去除掉了大量的噪声，回归到这个事情的本质。很快高盛发现了这家公司的发展速度和未来价值，直接把它私有化，直接变成第一大股东，因为发现这中间带来的差别是这个企业的核心竞争力。
Kensho公司的核心技术就是能在两分钟之内做出一份一份简明的概览，随后是13份基于以往类似就业报告对投资情况的预测。而你根本就不需要去检查这些数据分析，因为这些分析是基于来自十个数据库的成千上万条数据。如果没有这些人工智能，分析师们可能要花上几天的功夫收集梳理这些数据，而等他们分析完成后，市场的行情早瞬息万变。
可见，人工智能的引入对于互联网金融领域的效率提高是呈几何式的，你很难想象也不敢相信这么一个事实：未来的投资大师们可能是一堆机器。
（三）人工智能将互联网金融带入智能金融时代
互联网金融发展至今一共经历了两个阶段：第一个阶段是网络金融，把现有的金融产品搬到互联网上，互联网上面现在卖基金、卖理财、卖信托、卖保险。第二个阶段是大数据金融阶段，通过数据重新去定义相应的金融产品和相应的金融服务。第三个阶段正在萌芽，就是人工智能+互联网金融的阶段，网络上有人称之为智能金融时代。
从目前宁波当地的互联网金融企业发展来看，目前还停留在“互联网+金融”的模式：在传统金融服务上进行叠加，将互联网式思维、互联网式管理、互联网式数据融合进传统金融服务，而这正是现在大部分互联网金融服务提供商正在做的事情。“互联网+金融”的模式也正在让金融进入“普惠金融”的阶段，通过互联网金融对传统金融机构进行补充，让更多的人平等的享受到金融服务。但是，“互联网+金融”的模式下，信息安全、投资风控、资产调节等方面问题仍然存在，一定程度上说，互联网增加了信息风险，也正是如此，摸索期的互联网金融行业才会出现P2P跑路的现象，仅2015年，宁波当地的P2P公司跑路就多达9家之多。
人工智能是大趋势，从阿尔法狗的表现以及人工智能在互联网金融领域的运用来看，互联网金融在人工智能的改造下将不再局限于“互联网+金融”，而是逐渐向“互联网+金融+大数据+人工智能”转变。人工智能起到串联起互联网、金融、大数据，实现更加智能的精确计算的作用，实现大脑一般的思考，解决“互+金”模式下的诸多痛点。
从理财顾问、征信助手、智能风控系统、防范性金融系统这四个层面来看，整个互联网金融领域正在朝着越来越“技术范儿”的方向上前进，金融智能化成为大势所趋。智能金融的机器学习功能，让产品背后的逻辑系统可以快速适应场景数据，建立合适的评分规则、决策体系，真正给现在的互联网金融带来颠覆性的变化。无论是消费金融领域还是风控层面上，互联网金融在人工智能的配合下正在呈现出无与伦比的崭新打法。这也正是阿尔法狗打败李世石之后，给金融智能化带来的全新想象。
（四）人工智能将颠覆互联网金融时代的风控体系
汇总整个互联网金融本质，其实存在两个层次风险，一是道德风险，二是经营性风险。面对2016年不断有“跑路”等负面消息萦绕的互联网金融，去伪存真或成为首要任务。一些企业资金并没有进入到实体业务，而是进入庞氏骗局，而去年出台的监管意见征求稿，监管层管理方向还是较为清晰的，希望通过资金的有效监控，将企业资金与个人用户之间的资金进行分离，规避风险。然而人力毕竟有限，不可能时刻紧盯住所有互联网金融机构，这时引入人工智能监管就十分必要。
人工智能已经在无人驾驶、图像处理、语音识别方面取得了突破性的应用，那互联网金融领域呢？李开复老师曾谈及人工智能应用的三个要素：数据、处理数据的能力和商业变现的场景。人工智能解决金融界问题的过程，很好的对应了这三个要素。也许，金融领域是人工智能最合适不过的颠覆场景。
在金融业务的前端，已经有不少传统银行将人工智能用于为客户定制服务，开发理财产品的应用。例如巴克莱银行和花旗银行等。国内银行中走在科技前列的招商银行，也开始试用全新的人工智能业务模式。未来人工智能和机器学习技术在金融业前端会有更多的便捷精准服务提供给客户。
那么金融应用领域的后端呢？信息安全、投资风控、资产管理等方面的问题成了新问题，对于躲在触屏手机背后的客户，缺失了央行数据的客户，银行没有办法通过一双双眼睛去看到用户是谦谦君子还是骗子流氓。这个时候，金融后端，传统金融风控手段覆盖不到和难以触及的，那么“互联网+金融”业务就要结合更广泛的互联网数据和人工智能手段，来处理更广泛的金融客户问题。
（五）人工智能技术在金融领域应用案例
Google、IBM等国际巨头公司已经将人工智能技术渗透在各种产品的方方面面，总体上看，国内金融行业也逐步开始应用人工智能技术，随着国内双创政策的推动和对人工智能产业的投资拉动，预计广泛应用节点即将到来。
1.阿里巴巴旗下的蚂蚁金服下设一个特殊的科学家团队，专门从事机器学习与深度学习等人工智能领域的前沿研究，并在蚂蚁金服的业务场景下进行一系列的创新和应用，包括互联网小贷、保险、征信、智能投顾、客户服务等多个领域。根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核系统开发的基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30%的通过率。以智能客服为例，2016年“双11”期间，蚂蚁金服95%的远程客户服务已经由大数据智能机器人完成，同时实现了100%的自动语音识别。当用户通过支付宝客户端进入“我的客服”后，人工智能开始发挥作用，“我的客服”会自动“猜”出用户可能会有疑问的几个点供选择，这里一部分是所有用户常见的问题，更精准的是基于用户使用的服务、时长、行为等变量抽取出的个性化疑问点；在交流中，则通过深度学习和语义分析等方式给出自动回答。问题识别模型的点击准确率在过去的时间里大幅提升，在花呗等业务上，机器人问答准确率从67%提升到超过80%。
2.2015年，交通银行推出智能网点机器人，并引发了金融银行界的广泛关注。它为实体机器人，采用语音识别和人脸识别技术，可以人机进行语音交流，还可以识别熟悉客户，在网点进行客户指引、介绍银行的各类业务等。在语言交流过程中，它能回答客户的各种问题，缓解等待办理业务的银行客户潜在情绪，分担大堂经理的工作，分流客户，节省客户办理时间。
3.百度教育信贷实现“秒批”。“人工智能对于金融也会产生变革性影响，可以真正做到让征信升级”。6月8日，在2016百度联盟峰会上，百度董事长兼首席执行官李彦宏特别提到人工智能正在重构包括金融在内的传统产业。他特别强调，“现在百度的教育贷款，基本上是以‘秒’的时间可以决定是不是给一个人贷款。”李彦宏讲到的百度教育信贷的“秒批”，其具体的操作程序非常简单，用户想要获取百度消费信贷服务，只需在百度钱包APP“教育贷款”板块上传身份证，系统就能自动比对、确认用户身份信息，并根据信用记录判定用户所需的服务类型或额度，不仅能实现远程审批，审批时间更可缩短至“秒批”级别。秒批依靠的是百度以大数据和人工智能为基础的严谨风控体系。借助“大数据+人工智能”技术，百度风控部门为有信贷需求的群体绘制用户画像，建立信用体系，加上图像识别等人工智能技术的实际应用，构成了秒批的技术基础。
21CBR：智能视频目前是“人工智能+安防”的行业热点，你在去年也提过类似观点，这块的市场存量有多大？
徐立：安防一直是国家大力发展的领域，也是十三五规划的重点行业。从政府投入来看，今年也要投入2000-3000亿。传统安防领域的最大厂商，去年营业额在300多亿。所以，这块目前有足够的市场空间。
今年的视频业务和去年的人脸识别有些类似。去年，业内都在尝试和落地人脸识别的具体应用，到今年进入相对成熟期，业务增长很快。今年，智能视频业务也在各地展开试点，整体发展正处在一个大的行业机会点上。
视频业务何时落地，核心问题在于明确产品的商用标准。工业界的一个标准红线是评估产品是否超过所谓人眼的准确率，这也是人脸识别逐渐商用化的原因。但是视频内容的分析和人相比效果上还有差距。目前全球每天有2.5亿只安防摄像头在记录，视频数据输入达到一定规模，但在智能处理上还很欠缺，而核心算法的突破将成为最关键的落地因素之一。
21CBR：商汤切入安防领域有哪些布局，如何构建自己的智能视频生态链？
徐立：商汤在安防领域的产品体系分为两类：一类是成熟的业务系统，需要基于客户方的具体业务逻辑进行设计，比如怎样做多视频协调，如何做人像处理等，代表产品是SenseFace人脸布控系统和SenseVideo视频结构化系统，另一类是业务系统中的核心算法模块，包括动静态比对服务器、人群分析服务器和结构化服务器等，儆谙喽员曜蓟的产品。
举例来说，我们在视频结构化系统上做了很大突破。以往的视频结构化系统只能通过身高、性别等属性来查询视频信息，SenseVideo实现了自然语言的信息查询。我们做了1.3万人的案例测试，总共生成了9000多个自然语言构成的关键词。对于办案人员来说，通过自然语言来描述罪犯、完成案件信息的视频检索是更常见的业务逻辑，也比根据属性搜索来得更加精准，未来将是一个新的业务形态。
目前商汤在安防市场相较领先，前十大安防厂商一半以上是我们客户，商汤为其提供标准化模块和业务子系统。同时，我们也在国内重点城市建立本地化业务。去年，商汤的智能视频业务（Intelligent Video Analytics）已占公司整体业务的40%，今年这一势头依旧良好。
21CBR：比起发展客户，商汤似乎更擅长行业联盟，商汤的市场开拓逻辑怎样的？
徐立：首先，无论卖什么产品，最后都要接触到甲方。但是，我一直认为，B2B企业如果要起量、要规模化，产品一定是相对标准化的。如果每次销售的方案都是定制化服务，企业的ROI（投资回报率）就会比较低。相反，集成商则可以将商汤与电信方、施工方等等连接起来，在各地做出标杆性的项目，再用标准化的形式去铺开。
这里的标准化不是一蹴而就的，而是来自产品和项目的逐次迭代。比如前面提到的比对服务器，再往上可能是一套带着摄像头的子系统，最后则是一整套的训练部署平台。通过深入行业、做细项目，商汤不断把标准化的范围扩大，并聚合客户的需求从而形成共有需求，最终完成标准化产品的打磨过程。
因此，商汤一直把自己定位成一个技术公司，而不是集成商公司。商汤能做的是集中力量攻破核心算法和技术。这个技术不是单点的、闭门造车的技术，而是以打通上下游的客户需求、构建产业链条来实现的。就像英特尔不直接向终端用户销售芯片，而是通过上下游的合作伙伴，比如主板厂商、主机厂商等实现笔记本电脑的销售，但用户仍然了解产品背后有英特尔领先的芯片技术，这也是商汤所追求的：做行业的赋能者。
21CBR：业界普遍在谈AI同行业的深度结合，各家公司从技术表现来看也大致相当。对此你怎么看？
徐立：很多人觉得，深度学习已经形成开源生态，技术没那么重要了，打通行业才是关键。这里面有一个重要前提：深度学习是否已经成熟、不会再变化了。然而，学术界目前有关深度学习的文章大部分都是工程实践型的，新的实验结果不断前人做出的理论解释，指导下一代工业级应用的技术原理有待被归纳总结，人工智能距离成熟的“黑盒”还差得很远。
5月10日，暴风TV在京召开新品会，推出首款可实现远场语音交互的人工智能电视X5 ECHO。同时，暴风TV还将与科大讯飞联合成立人工智能服务实验室。
值得注意的是，暴风集团公布的一季报显示，其营业收入为4.5亿元，同比增长136%，净利润为-1648万元，同比下降585%。为何在收入快速增长的同时，净利润却也快速下降？与科大讯飞成立的人工智能实验室，将具体关注人工智能的哪些方面？目前，已有多家上市家电企业都在人工智能电视，暴风TV的智能电视与其有何区别？暴风TV又面临着怎样的机遇与挑战？
带着这些疑问，《投资者报》记者来到暴风TV新品会现场，并采访到暴风集团CEO冯鑫，得到较为详细的答复。
暴风TV尚处发展期
在收入越来越多的同时，净利润下滑幅度却越来越大。这是暴风集团一季度的业绩写照。
根据暴风集团一季度数据显示，其营业收入为4.5亿元，同比增长136%，净利润为-1648万元，同比下降585%。针对净利润亏损原因，暴风集团归结于暴风TV目前的硬件尚处于发展时期，又处于市场扩张期，在此期间的营销推广费用增加所致。
具体营销推广费用增加了多少，目前尚o详细数据。不过，该数据归属于销售费用（包含职工薪酬、广告费和市场开拓费），一季报的销售费用为7961万元，同比增长48%。
除了费用增加以外，暴风集团的营业成本也在不断增加。一季报数据显示，其营业成本为4.1亿元，同比增长297%，其增速远高于收入的增速。
另外今年一季度，暴风TV电视收入同比增长297%，销量23.5万台，同比增长344%。其中线下销量达到16万台，占总销量的69%，同比增长323%，销量增长的同时，第一季度平均获客成本为321元，较上年平均获客成本下降20%；ARPU值（每用户平均收入）比同期增长374%。渠道方面，重点布局了线下渠道，截至一季度末，渠道建设达6000余家，并且在2017年目标扩充到10000家。
2016年投资者策略会上，冯鑫曾提到暴风TV将在2019年实现全面盈利。逻辑是基于获客成本的下降和ARPU值的上升，2017年也在被定义为入轨阶段。那么，目前暴风TV获客成本和ARPU值情况如何？
冯鑫对此表示，当前ARPU值的变化不是特别大，ARPU值是向用户收费，未有明确的变化。下一步ARPU值的上升，主要是源于新的广告、电商、游戏发行等方面。
“针对获客成本，一季度比去年平均下降了1/3，接近一半，已经下降的非常多。”冯鑫说。
谈及获客成本下降的原因，冯鑫称，获客成本主要取决于硬件的盈利情况和渠道、市场的费用。2016年上半年，互联网电视竞争激烈、各企业均未提价，恰逢上游原材料电视面板大幅涨价，导致硬件销售亏损。目前这一情况随着行业整体的涨价已经改善。
布局人工智能
在此次新品会上，暴风TV提出要把电视变成能够主动提供服务的家庭人工智能助手，这一思路的主要特点，是把电视变成“免遥控、远讲语音、随时触发和随时待命”。用户通过与暴风人工智能助手――暴风大耳朵的语音交互，可以实现无遥控器操控。
冯鑫认为，互联网正在走向下半场，随着人口和市场红利消失，传统入口饱和，总量高速增长的时代已经过去，挑战的本质在于效率和创新能力。同互联网下半场对应的是，人工智能电视正进入上半场。
暴风TVCEO刘耀平在会上表示，智能电视旨在解决用户三个痛点：随时触发、多任务切换、个性化需求。他指出，此次与科大讯飞的合作，是基于暴风TV在产品创新、渠道和服务、开放内容架构等方面的优势，以及科大讯飞在人工智能、大数据技术方面的优势。
据了解，暴风TV还与科大讯飞联合成立“人工智能服务实验室”。那这个实验室具体关注人工智能的哪些方面？双方的合作模式又是怎样的？
冯鑫告诉记者说：“科大讯飞主要是做基础技术的，这些基础技术需要在不同的垂直领域里打磨。他们需要垂直领域的应用环境和应用的基础数据来源，我们需要它的基础技术，所以我们在电视垂直领域当中一块打磨语音识别、自然语音识别、交互这些语音和大数据技术。”
目前，无论是传统的电视厂商还是互联网企业都在布局人工智能家电，暴风TV与之有何区别？
人类对于智能机器的探索活动，古已有之。不过，以“人工智能”来命名这一探索并成为一个学科领域，却发生于1956年夏季在Dartmouth举行的一次小规模学术研讨会上。因此，2016年是人工智能学科问世的60周年，在这个不同寻常的年份，世界各地的人工智能科技工作者都在密切关注人工智能的发展动向。
2016年3月，DeepMind研制的人工智能围棋系统AlphaGo以4：1的战绩击败了韩国的围棋高手李世石，把世界对人工智能的关注推向了前所未有的。各种各样的议论喷涌而出。悲观者大呼：“人工智能对于人类的潜在威胁太严重，应当通过立法限制甚至禁止人工智能的研究”；乐观者高喊：“人工智能是人类的真正福音，只要把自己的思想意愿转嫁给人工智能机器，人类就可以通过机器来实现长生不老的千年梦想”。在科技界，人们则在激动着、讨论着：我们应当在什么样的热点技术上发力？是深度学习？是认知技术？还是类脑计算？
回想这些年来，互联网、云计算、大数据、物联网、移动互联、智能制造、智慧城市、人工智能、机器人一波又一波的高新技术登台亮相，中国科技界、教育界和产业界都在一个个地紧紧追赶。虽然在跟踪追赶的过程中取得了不菲的进展，但是人们不禁都在思考：对于人工智能来说，当前社会的需求是什么？什么才是有效的创新战略？怎样才可以摆脱跟踪追赶的被动局面，争取到引领创新的话语权？
发展人工智能不应当是一种孤立性、局部性的行动，而应当是能够带动和引领整个科学技术的创新和发展。
1 人工智能是当代重要交叉科学群的创新前沿
为了阐明“人工智能是当代重要交叉科学群的创新前沿”这个论断，需要逐个澄清相关的基本概念，包括：什么是人工智能？什么是当代的重要交叉科学群？以及什么是当代重要交叉科学群的创新前沿？
1.1 什么是人工智能
人工智能是一门“探索人类智能机理，创制人工智能机器，增强人类智力能力”的科学技术。从这个意义上可以理解，只要人类的智力能力得到了增强和扩展，人们从事各种科学技术以至各种经济社会活动的智力能力就会得到有效提升，从而能够有效促进各行各业的创新与发展。
那么，什么是人类智能？人类智能主要表现在人类主体为了不断改善生存发展的水平而发现问题、定义问题、解决问题的能力。其中，发现问题和定义问题的能力依赖于主体的目的、知识、直觉、理解力、想象力、灵感、顿悟、审美等内在能力，因此被称为“隐性智能”；解决问题的能力则主要依赖于获得信息，生成知识，创生策略等外显能力，因此被称为“显性智能”。
显然，隐性智能十分抽象，几近神秘，不仅研究起来甚为困难，就连理解起来也颇感玄奇，而显性智能则相对可理解，可研究。因此，人工智能研究遵循的原则是：基于人类主体给定的问题、知识、目标（这就是人类发现问题和定义问题的能力）这些前提，研究如何利用信息、生成知识、创生策略来解决问题，达到目标。也就是说，人工智能的研究遵循人类智能与人工智能相结合的原则：人类智能负责发现和定义问题，人工智能则负责在人类所给定的问题框架下解决问题。这样，人工智能机器就可以成为人类认识世界和改造世界的聪明助手。
由此可见，没有生命，没有目的，没有灵感，也没有审美能力的人工智能机器系统，原则上不具有隐性智能的能力，因而不可能独立地发现问题和定义问题，只能在人类所发现和所定义的问题框架下去解决问题。因此，人工智能超越人类的恐惧缺乏科学根据。
1.2 什么是当代重要的交叉科学群
当今的时代是信息时代，认识信息资源和利用信息资源为人类服务的信息科学是当今时代的标志性科学。具体来说，信息科学是“研究信息的性质及其运动规律的科学”，也就是以信息为研究对象，以信息的性质及其运动规律为研究内容，以信息科学方法论为研究指南，以增强和扩展人类信息功能（全部信息功能的有机整体就是人类的智力功能）为研究目标的科学。换言之，信息科学的研究目标就是扩展人类的智力功能，而研究信息的性质及其运动规律和信息科学方法论都是为了实现扩展人类智力功能这个目标服务的。
由此就可以清楚地理解：人工智能的研究是信息科W的最高目标，也是信息时代科学技术发展的基本目的；而为了使人工智能系统能够在人类发现和定义的问题框架下成功地解决问题，人工智能的研究必须从人类求解问题的能力中得到启发。这表明，人工智能的研究需要向认知科学学习，因为认知科学就是研究人类自己是如何面对问题解决问题的。另一方面，认知科学所研究的人类解决问题的机理又建立在脑科学的基础之上，因此，人工智能的研究必须理解脑科学的工作机理。再者，人类发现问题、定义问题、解决问题的能力并不是永远固定不变的，而是不断进化和发展的。因此人工智能的研究还必须学习信息生物学，后者深刻地研究和揭示了人类能力不断进化的机制。可见，脑科学、认知科学、信息科学、信息生物学、人工智能是当代最具重要意义的交叉科学群。这个科学群还包含更多的学科，恕不一一阐述。
1.3 什么是当代重要科学群的创新前沿
虽然脑科学、认知科学、信息科学、信息生物学、人工智能各有各的研究内容，但是所有这些学科共同的目标都是智能，如人类的智能（脑科学）、生物的智能（信息生物学）、人类智能的物质基础（脑科学）、人类智能和生物智能的工作机理（认知科学）、人类智能和生物智能的进化机制（认知科学与信息生物学）、人类智能的信息基础和研究方法论（信息科学）、人类智能的机器模拟和实现（人工智能）等。
所以，人类智能和人工智能是当代这一重要交叉科学群共同的创新前沿。人们对于脑科学、认知科学、信息科学、信息生物学的理解深化了，就会促进人工智能研究的发展；反之，一旦人工智能的研究取得了突破和创新，也必然能够带动脑科学、认知科学、信息科学、信息生物学的突破与创新。
2 中国人工智能发展的现状：差距与优势
中国人工智能的发展现状，大家平日都亲身感受得到，应当比较熟悉，似乎无需赘言；但是国情是我们思考问题的基础，因此不可不察。而且，我们对于中国在人工智能发展方面所存在的差距和优势的认识，确实还有必要进一步深化。
2.1 差距：显差距，隐差距
大家都意识到，中国在人工智能的发展方面确实存在不少的差距。普遍J为，由于中国缺失了工业革命这个历史阶段的洗礼，因此在工业基础和工艺水平方面天然存在明显的不足。特别是中国微电子工业领域的高性能芯片制造能力有待进一步加强，人工智能硬件系统的水平也有待进一步提高等，这些都是众所周知的显差距。
然而，更值得深思的问题是：在人工智能的科学研究方面，长期以来，中国同行普遍习惯于跟踪学习，缺乏突破创新的民族自信心，更缺乏引领国际的强烈意识。无论是互联网、物联网、语义网、云计算、大数据、移动互联这些大概念，还是深度学习、无人驾驶、类脑计算这些技术思想，都是外国学者率先提出，然后才是中国学者蜂拥而上。加上这些年滋长蔓延起来的急功近利和学术诚信缺失，往往在蜂拥而上之后的一夜之间就会冒出许多“新成果”！这是中国人工智能发展存在的隐差距。
需要指出的是，显差距正因为“显”，已经得到各有关方的高度重视，并且正在不断地被缩小；但是，隐差距则因为“隐”，不容易被察觉，至今还没有引起各方面必要的重视，因此仍然是实现突破创新和引领战略的隐患。
2.2 优势：现优势，潜优势
那么中国在人工智能研究中是否也存在什么优势呢？表面看来，似乎中国在人工智能研究领域一直处于跟踪学习状态，谈不上存在什么优势；但是仔细考察发现其实不然，中国在人工智能研究中的确存在不可忽视的优势。
中国目前虽然在整体上还处于相对落后状态，但在某些技术研究上却处于国际领先地位。例如：语音识别技术，中国已经在近期多次国际评测大赛中夺得世界冠军；在汽车自动驾驶方面，中国的研发水平也与国际上旗鼓相当；特别是在理论研究方面，中国在人工智能通用理论研究方面的机制主义人工智能理论、人工智能逻辑理论研究方面的泛逻辑学、人工智能数学方面的因素空间理论都是国际领先的成果。这些都是已经涌现出来的现优势。
更加重要的是，像人工智能这样既十分复杂又极其深刻的科学研究，势必自觉或不自觉地受到科学方法论的影响。几十年来，国际人工智能的研究形成三大学派，就是受了以分而治之为特征的机械还原方法论的影响，把复杂的人工智能研究分为结构模拟的人工神经网络学派、功能模拟的物理符号系统学派、行为模拟的感知动作系统学派，而且长久以来互不认可，不能形成人工智能研究的合力。科学论证充分表明，适于人工智能研究的科学方法论不是“机械还原论”的方法论，而应当是“信息生态论”的方法论。后者与中国历来的“整体论”和“辨证论”思维传统息息相通。因此，在人工智能的研究领域，中国握有方法论的潜在优势（潜优势），只要自觉地加以运用，这种潜在优势完全可以转化为强大的现实优势（现优势）。
3 人工智能的社会需求和发展中国人工智能的战略建议
3.1 人工智能的社会需求
中国的信息化建设全面启动于20世纪90年代，得益于现代信息技术的支持，取得了举世瞩目的辉煌成就，进入了迎接复杂问题的新时期，面临着巨大挑战。从整个经济社会发展和全面改革的大局判断，在多次讲话中也明确指出，中国的改革开放进入了攻坚克难的深水区。众所周知，人工智能技术是信息技术的高端前沿；因此，为了迎接复杂问题的挑战，为了成功走出深水区到达胜利的彼岸，中国亟需人工智能科学技术的全面支持。
另一方面，纵观当今的国际环境不难发现，一些发达国家在中国黄海、台海、东海、南海不断制造紧张局势，企图以武力遏制中国的和平崛起。他们声称要长期投资人工智能，要用人工智能武器战胜中国，对此不能不高度警惕，并采取果断措施。
3.2 加快发展中国人工智能的建议
为加快发展中国人工智能，从战略性、系统性、可操作的角度出发提出5项建议。
（1）顶层规划。
火车跑得快，全靠车头带。建议设立国家级智能科学技术发展规划与协调专家委员会，负责研究和提出中国智能科学技术发展的中长期规划，制订智能科学技术产学研发展的实施政策，协调和促进中国智能科学技术的快速有序健康发展。
（2）人才培养。
万事都紧要，人才是根本。建议国务院学位委员会把中国现有的“智能科学与技术”二级学科提升为一级学科，以形成系统完整的智能科学技术人才培养体系；同时建议教育部在中小学开设智能科学与技术基础知识课程，开展课外兴趣培育活动。
（3）创新研究。
跟踪不可废，创新更关键。在国家自然科学基金设置“智能科学技术基础理论”专门领域，大力推进智能科学基础理论的突破创新；同时在国家“十三五”规划设立智能制造、智能农业、智能服务业、智能交通、智能网络空间安全、智能教育等应用专项。
（4）产业标准。
创新是尖兵，产业是后盾。大力促进中国智能化产业的发展，并在国家标准委员会建立智能产品标准工作委员会，鼓励有条件的单位和学术团体开展各类智能技术产品的测试、评价和检验标准的研究，引导智能化产业和产品市场有序健康发展。
