微軟、騰訊、阿里巴巴等科技巨頭都紛紛進軍了人工智能領域，但充分激發商業價值的場景并不多，市場格局仍在形成過程中。基于信息數據延展的人工智能，將可以利用永續再生的信息資源，提升信息化和服務能力，這一點，在5G商用和物聯網開始建設后會更加明顯。屆時萬物都將擁有一個“數字身份”，人工智能的數據源將會迎來一次爆炸式的井噴。

 

　　人工智能未來的發展和應用，不僅會推動某一類產品、一個行業或領域發生變化，而且會使各行各業的生產和服務方式、人們的生活和工作方式發生顛覆性的變化。未來十年，人工智能將進入黃金窗口期。

　　以時代視角透視人工智能的前景

 

　　據2017年普華永道會計師事務所報告，“至2030年，人工智能將為世界經濟貢獻15.7萬億美元，這個數字超過中國與印度這兩國目前的經濟總量之和。”

 

　　很多人對于人工智能前景的判斷是“機器代人”，通過新技術讓機器模擬人類來處理各種任務。在這個層面，人工智能與工業革命中蒸汽機的影響似乎頗為相似，通過使用機器提升工業的生產效率，但如果站在一個高度互聯和信息化的時代背景下，人工智能的意義和影響則更為深遠。

 

　　機器是基于機械物理運動，而人工智能更多的是基于信息化。互聯網的發明和商用讓大眾從信息的單向消費者，轉為既是消費者也是數據的生產者，信息的來源和數據量出現了“指數級”的增長。基于數據的人工智能其影響不僅是機器代人，更重要的是通過對于信息數據的成立，實現“機器人化”，讓機器與人能夠高度融合和深入協作。尤其是移動互聯網的普及，信息數據本身具有了更為明顯的人類行為特征，打開了人工智能的發展縱深，讓“機器人化”成為可能。

 

　　有人說喬布斯重新定義了手機，實際上喬布斯的貢獻遠遠大于一個通信產品，是智能手機重新定義了信息數據的邊界，使得傳統固定的場景被高度動態化、人格化，使得數據中所蘊含的信息與人的生活習慣、思維方式等越來越貼合。

 

　　基于信息數據延展的人工智能，其創造價值不再受到土地、鋼鐵、煤炭等自然資源的存量限制，更多的用人類創造性的思維，利用可以永續再生的信息資源，更多的是滿足人們永無止境的精神需求，其應用的領域也自然超越了簡單的機器化和效率的提升，更多的是信息化和服務能力的提升。這一點，在5G商用和物聯網開始建設后會更加明顯。屆時所有的工業品都逐漸變為電子工業品，萬物都將擁有一個“數字身份”，人工智能的數據源將會迎來一次爆炸式的井噴，人類對于世界的認識可能會與機器算法的認識開始逐漸趨同，并且相互影響，人工智能的黃金時代將會隨之開啟，普華永道報告中的十年之后預測可能會成為現實。

 

　　人工智能的滲透路徑取決于產業的數據化程度

 

　　人工智能具有很強的正外部性，體現在與其他產業的滲透、延伸和賦能。比如人工智能與醫療領域的結合，進行智能輔助診療，結合患者的健康信息，減少誤診率；人工智能與安防領域的結合，通過視頻采集和大數據分析，提升監控效率；與知識產業的融合，發展在線教育、知識付費等產業等等。除了效率的提升，“人工智能+”還體現在虛擬與現實結合的場景應用，以及催生出來的新產品形態和新服務模式。

 

　　在沒有外界政策干預的情況下，人工智能的滲透路徑主要取決于產業的數據化程度，即一個產業的數據化程度越高，其與人工智能融合的節奏越快，滲透度越高。假設金融的數據處理業務占80%，知識產業的數據處理業務占40%，制造業的數據處理業務占30%，這就意味著人工智能更可能的滲透路徑則是，從金融行業，延伸到知識產業、再到制造業，而且在同一時期內，數據化程度更高的金融行業，其人工智能的滲透度會高于數據化程度相對較低的知識產業和制造業。

 

　　從實踐來看，證券行業有大量的可量化數據，人工智能幾乎滲透到了證券行業的各個領域，從基于財報數據、行業研究、輿情分析的智能投研，到基于宏觀數據、行業數據、企業數據以及各種算法的智能投顧、再到智能風控、智能交易等等。再比如教育行業，未來隨著教育理念的提升，對于人工智能+教育的接受度也會逐步提升，但從滲透路徑來看，并非教育的各個環節齊頭并進，數據程度較高的教育環節往往會優先導入人工智能。比如在教師教案的撰寫、課后作業的領取和提交等教學的輔助支持領域。而課上教學，更多的需要老師與學生的互動，主觀成分更大，人工智能的導入期也會更長。

 

　　人工智能領域的數據價值是動態的

 

　　農業生產需要把握農時，工業生產需要掌握資源，在信息社會，以數據和算法為重要驅動力的人工智能產業也有應當遵循的規律。人工智能有兩個關鍵要素：數據和技術。數據是人工智能的重要“原料”，技術是對于數據的“加工能力”。數據產生具有隨機性，其數據的價值則受到技術加工能力和應用場景的影響，是動態的、相對性的。

 

　　農民春天播種，秋天就有收獲，工人在生產線的一頭放進去原料，就能在另一頭源源不斷地生產出產品，但當數據與人緊密融合之后，我們無法拿這樣的確定性來要求數據的產生。就如同我們無法規定一個投資者第二天是買股票還是賣股票，也無法預測一個人什么時候會去醫院做診療，不可能像生產汽車、電腦和房屋那樣，讓每一個人都處于規劃和計劃之下。數據的生產不是線性的，但大量的數據卻能呈現出來一定的統計規律，往往有章可循。這也是為什么人工智能先從高度量化的領域，或者一般性、通用性較高的環節開始的重要原因之一。

 

　　實際上，那些看似平穩、有序，源源不斷產生的大數據，經過分析之后，是否能夠得出有用的結果，也具有一定的隨機性。報紙的編輯記者都有這樣的經驗，盡管每天要完成的版面是固定的，但爆炸性新聞不是每天都有，很多時候只能用一些比較平淡的消息來填充版面，并且盡量從中挖掘可吸引眼球的內容來做成標題，好讓今天的報紙看起來不那么乏味。人工智能的數據處理也是如此，即使是通過人工智能技術分析那些無窮無盡的信息，也并不能保證有價值的結果會按時按點地涌現出來，還取決于信息接收者本身的價值判斷，以及是否有了適合的、具有商業價值的應用場景。

 

　　人工智能的四大投資視角

 

　　研究偏向于未來的前景，投資則應更注重落地的節奏。未來人工智能可能會帶來機器與人的深度融合，甚至互相影響，但進行投資決策卻需要更關注可實現的商用價值。

 

　　首先，關注賽道選擇。從長期來看，人工智能會滲透到各個行業、各個領域，但現在還遠遠沒有到“雨露均沾”的程度，誰能選好賽道，占據咽喉之地，誰就具有了先發有優勢。如同處于唐宋絲綢之路上的城市，從京杭運河上的杭州、南京，到連接絲綢之路的北京，都因為占據主要商路的通道而獲得了比其他城市更多的發展機會。人工智能的賽道，比如搭建生態系統或開發平臺的騰訊和阿里巴巴、語音識別的科大訊飛、安防設備的海康威視等，都在各自賽道上占據具有了一定的先發優勢。而在知識產業、文化娛樂產業、高端服務業以及傳統制造業中還有很多細分的藍海領域，正在等待布局。

 

　　其次，關注落地節奏。人工智能不僅自身具有快速迭代的特點，還將會加快被融合產業的發展速度。摩爾定律預測了信息產業的性能提升的速度，大概是兩年翻一倍。這樣的迭代速度，不僅是針對硬件，軟件也隨著硬件發展速度的提升而不斷改進，在功能性、服務體驗、場景開發等各個方面都會同步更新，對應著產品的更新速度也將加快。人工智能的前景不限于機器和效率的提升，但人工智能落地的節奏卻往往會受到效率提升的影響。如果能夠在某一個特定場景、特定功能下能夠基本達到人的水平，比如語音識別、安防監控等，或者減少人類犯錯誤的概率，比如智能記賬和收銀系統等，與產業的融合難度會更小，落地的節奏會更快，企業的利潤會更快實現，其短期基本面的價值也會更高。

 

　　第三，關注政策變化。人工智能是重要的新經濟領域，正處于產業政策的紅利期。政府對人工智能及相關產業的資金和政策扶持，會加速企業的發展，故政策的變化也是投資人工智能的重要考量因素。比如2017年醫療行業的關于互聯網診療的管理辦法，把互聯網診療活動限定于“醫療機構間的遠程醫療服務和基層醫療機構提供的慢性病簽約服務”，這在一定程度上縮小了服務方位，降低了互聯網診療的競爭度，可能會減緩人工智能的應用進度。反之，2018年12月，工信部發布了《關于加快推進虛擬現實產業發展的指導意見》，明確虛擬現實產業2020年、2025年的發展目標，加大了關鍵核心技術、重點行業應用等方面的政策扶持力度，對于人工智能在虛擬現實產業的應用進度則會起到積極地推動作用。

 

　　最后，關注預期差的變化。人工智能目前還處于產業的導入階段，還沒有進入利潤集中釋放的時期，基本面沒有證偽能力的情況下，股價更多會受到投資者預期變化的影響，關于預期差也是人工智能投資的重要方面。        文章轉載自快資訊，版權歸原作者所有，如作者或來源機構不同意本站轉載采用，請通知我們，我們將第一時間刪除內容。