「高度」《人工智能标准化白皮书（2018）》发布（完整版）(8)

虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与 建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与 评价体系五个方面。获取与建模技术研究如何把物理世界或者人类的创意进行数 字化和模型化，难点是三维物理世界的数字化和模型化技术；分析与利用技术重 点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语 义表示和分析；交换与分发技术主要强调各种网络环境下大规模的数字化内容流 通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换 和版权管理技术；展示与交换技术重点研究符合人类习惯数字内容的各种显示技 术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的 人机交互环境；标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编 目、信源编码等的规范标准以及相应的评估技术。

目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由 交互和感知融合四个方面。在硬件平台与装置、核心芯片与器件、软件平台与工 具、相关标准与规范等方面存在一系列科学技术问题。总体来说虚拟现实/增强 现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适 化的发展趋势。

3.1.8 人工智能技术发展趋势

综上所述，人工智能技术在以下方面的发展有显著的特点，是进一步研究人 工智能趋势的重点。

（1）技术平台开源化 开源的学习框架在人工智能领域的研发成绩斐然，对深度学习领域影响巨大。 开源的深度学习框架使得开发者可以直接使用已经研发成功的深度学习工具，减 少二次开发，提高效率，促进业界紧密合作和交流。国内外产业巨头也纷纷意识 到通过开源技术建立产业生态，是抢占产业制高点的重要手段。通过技术平台的 开源化，可以扩大技术规模，整合技术和应用，有效布局人工智能全产业链。谷 歌、百度等国内外龙头企业纷纷布局开源人工智能生态，未来将有更多的软硬件 企业参与开源生态。

（2）专用智能向通用智能发展 目前的人工智能发展主要集中在专用智能方面，具有领域局限性。随着科技 的发展，各领域之间相互融合、相互影响，需要一种范围广、集成度高、适应能 力强的通用智能，提供从辅助性决策工具到专业性解决方案的升级。通用人工智 能具备执行一般智慧行为的能力，可以将人工智能与感知、知识、意识和直觉等 人类的特征互相连接，减少对领域知识的依赖性、提高处理任务的普适性，这将 是人工智能未来的发展方向。未来的人工智能将广泛的涵盖各个领域，消除各领 域之间的应用壁垒。

（3）智能感知向智能认知方向迈进 人工智能的主要发展阶段包括：运算智能、感知智能、认知智能，这一观点 得到业界的广泛认可。早期阶段的人工智能是运算智能，机器具有快速计算和记 忆存储能力。当前大数据时代的人工智能是感知智能，机器具有视觉、听觉、触 觉等感知能力。随着类脑科技的发展，人工智能必然向认知智能时代迈进，即让 机器能理解会思考。

• 3.2 人工智能产业现状及趋势

人工智能作为新一轮产业变革的核心驱动力，将催生新的技术、产品、产业、 业态、模式，从而引发经济结构的重大变革，实现社会生产力的整体提升。麦肯 锡预计，到 2025 年全球人工智能应用市场规模总值将达到 1270 亿美元，人工智 能将是众多智能产业发展的突破点。

通过对人工智能产业分布进行梳理，提出了人工智能产业生态图，主要分为 核心业态、关联业态、衍生业态三个层次，如图 3 所示。

下面将重点对核心业态包含的智能基础设施建设、智能信息及数据、智能技 术服务、智能产品四个方面展开介绍，并总结人工智能行业应用及产业发展趋势。

3.2.1 智能基础设施

智能基础设施为人工智能产业提供计算能力支撑，其范围包括智能传感器、 智能芯片、分布式计算框架等，是人工智能产业发展的重要保障。

（1）智能芯片

智能芯片从应用角度可以分为训练和推理两种类型。从部署场景来看，可以 分为云端和设备端两步大类。训练过程由于涉及海量的训练数据和复杂的深度神 经网络结构，需要庞大的计算规模，主要使用智能芯片集群来完成。与训练的计 算量相比，推理的计算量较少，但仍然涉及大量的矩阵运算。目前，训练和推理 通常都在云端实现，只有对实时性要求很高的设备会交由设备端进行处理。

按技术架构来看，智能芯片可以分为通用类芯片（CPU、GPU、FPGA）、基于 FPGA 的半定制化芯片、全定制化 ASIC 芯片、类脑计算芯片（IBM TrueNorth）。 另外，主要的人工智能处理器还有 DPU、BPU、NPU、EPU 等适用于不同场景 和功能的人工智能芯片。

随着互联网用户量和数据规模的急剧膨胀，人工智能发展对计算性能的要求 迫切增长，对 CPU 计算性能提升的需求超过了摩尔定律的增长速度。同时，受 限于技术原因，传统处理器性能也无法按照摩尔定律继续增长，发展下一代智能 芯片势在必行。未来的智能芯片主要是在两个方向发展：一是模仿人类大脑结构 的芯片，二是量子芯片。智能芯片是人工智能时代的战略制高点，预计到 2020 年人工智能芯片全球市场规模将突破百亿美元。

（2）智能传感器

智能传感器是具有信息处理功能的传感器。智能传感器带有微处理机，具备 采集、处理、交换信息等功能，是传感器集成化与微处理机相结合的产物。智能 传感器属于人工智能的神经末梢，用于全面感知外界环境。各类传感器的大规模 部署和应用为实现人工智能创造了不可或缺的条件。不同应用场景，如智能安防、 智能家居、智能医疗等对传感器应用提出了不同的要求。未来，随着人工智能应 用领域的不断拓展，市场对传感器的需求将不断增多，2020 年市场规模有望突 破 4600 亿美元。未来，高敏度、高精度、高可靠性、微型化、集成化将成为智 能传感器发展的重要趋势。

（3）分布式计算框架

面对海量的数据处理、复杂的知识推理，常规的单机计算模式已经不能支撑。 所以，计算模式必须将巨大的计算任务分成小的单机可以承受的计算任务，即云 计算、边缘计算、大数据技术提供了基础的计算框架。目前流行的分布式计算框 架如 OpenStack、Hadoop、Storm、Spark、Samza、Bigflow 等。各种开源深度学 习框架也层出不穷，其中包括 TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、 Leaf、Theano、DeepLearning4、Lasagne、Neon 等等。

3.2.2 智能信息及数据

（编辑：ASP站长网）