之前我们在多篇评论里都强调，当前人工智能发展正经历着“进化期”。毕竟，在5G等技术加持下，AI在车联网、能源、工业、农业等新产业领域多点开花，加速商业裂变。同时，AI未来的应用生态也一定是基于高度场景化的。所以，人工智能不仅是新一轮产业变革的核心驱动力量，推动数字经济产业转型升级，也是新一轮科技革命的制高点（至少是先机）。那么，在当前整个生态链发展的阶段，人工智能所构筑的全场景应用，是一个值得探讨和细化的内容。
　　感知化AI的具象表现
　　业内普遍强调，当前人工智能的进一步发展，就是要完成AI的感知化表达。而这又必须满足三个条件：真实可见的实际应用案例、能规模化推广的对应产品、可用统计数据证明的应用。实际上，随着5G、云计算、大数据的不断催化，AI的感知化条件已经具备。换句话说，可感知化的AI在以后将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推断、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运行，实现从感知智能到认知智能的关键突破。
　　在此之前，人工智能已经在“听”“说”“看”等感知智能领域达到了或者超越了人类水准。但是在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推断、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运行，实现从感知智能到认知智能的关键突破。那么，可以感知化的AI在语音识别、语音合成、非实时语音翻译等领域都在快速进步。有专家认为，“人工智能感知技术的进阶一定程度上始终在超出业内预期。未来还将维持这一势头持续发展，给用户带来更多惊喜。”
　　在很多具体的产业方向，现在都有具体的应用案例，全球人工智能应用落地加快有望形成颠覆性的力量。比如，人工智能技术逐步渗透到质量检测、预测性维护、生产流程等环节，成为制造业转型升级的新引擎;提升个性化制药效率，预测与诊断精度，打开了智慧医疗的新局面;支持风控投顾相关信息，技术完善，开辟了金融科技的新通道。
　　尤其是金融和医疗领域，到2025年人工智能每年将为金融行业节约和创造至少300亿美元，帮助医疗领域每年减少超过500亿美元的支出。要知道，AI在此次疫情防控中扮演了非常重要的角色，广泛应用到疫情检测分析、病毒溯源、防控救治、资源调配、公共卫生等领域。很多人都意识到，AI在推动医疗健康变革中的价值不可估量，未来在疫情防控、诊断治疗、卫生管理等方面一定要建立一套新模式、新服务、新产业，才会有更大成就。
　　当然，构建自主可控和开放协作的全球价值网络，加速形成新的全球创新循环系统，是提升人工智能科技产业国际竞争力的基础。当前人工智能发展面临的瓶颈问题，我国应加快完善数字基础设施建设，双轮驱动打造自主可控的供应链体系，稳妥的构建新格局，强化顶层设计、统筹解决“卡脖子”技术难题、筑牢数据安全根基。
　　要清楚算法的新趋势
　　从专业的角度来解释，人工智能的發展经历了三个阶段。从符合主义到连接主义再到行为主义。符号主义主要是用公理和逻辑体系搭建一套人工智能系统。连接主义源于仿生学，主张模仿人类的神经元，用神经网络的连接机制连接人工智能。而目前，这三个阶段在日趋融合协同发展，因此人工智能的核心特征之一是“融合关系”。详细来说，这种融合关系又能拆分成连接关系、逻辑关系和因果关系，它们共同作用于人工智能发展新阶段算法的新趋势。
　　其中，向无监督的方向发展是一个最明显的趋势。人工智能主动学习阶段，算法主动提出标注请求，将一些经过筛选的数据提交给专家标注。人工智能（包括大数据采集）深度学习如何进一步设计算法和参数，提高泛化能力，需要模型算法可解释。毕竟，人工智能的自学习和自演化是有意识的。这一趋势对于技术的需求有计算框架支撑、大算力支撑以及辅助设备支撑。
　　另一个趋势，是多种算法、模型的有机结合。单一的算法或模型难以解决实际问题。比如问题分解和多种模型有机组合。人工智能模型的发展希望融入多种技术来解决已有问题。比如，通过贝叶斯技术增强因果关系分析;通过数据生成技术减少标注数据需求。与此同时，人工智能的应用流程也越来越复杂，不同流程设计的设备以及环境多样;需要不同的算法和模型组合。多种算法、模型的有机组合的需求是计算存储等可拓展能力。
　　接下来，人工智能应用需求需要关注全生命周期。全周期不同人物具有不同时间，空间和计算需求。全生命周期都要考虑可解释、公平等需求。大型或者复杂的模型，海量数据需要并行，分布式计算。值得注意的是，这一趋势对安全性、架构、提升效率和效用、健壮性有需求。
　　最后，是深度推理的趋势。从计算到感知再到认知和意识，人工智能模型和算法的发展趋势七是认知理论的进一步突破。这一趋势的需求有效应对多种形式的不确定性。其中概率计算根据不同精度计算需求设计硬件。根据数据和计算的稀疏分布设计。到了这个阶段，人工智能的需求还有类脑、仿脑体系结构以及模拟计算。
　　所以，AI趋势对算力的需求主要是对软件栈的需求。从AI发展趋势的特点来看，关系、概率、近似计算更突出，而目前我们所了解的AI算法仍在基本计算模式阶段。
　　后记
　　近两年我国更加重视人工智能技术的应用落地，先后批复启动国家新一代人工智能创新发展试验区、人工智能创新应用先导区，启动了10家国家新一代人工智能创新平台，充分发挥地方主体作用，鼓励支持先行先试，探索促进人工智能与经济社会发展的深度融合新路径。当然，创新能力不足依然制约着国家的可持续发展，美国对我国高科技企业技术封锁的升级再次让我们清醒地认识到，通过自主创新加快弥补在芯片和基础软件领域短板，是发展人工智能科技产业的当务之急。
　　业界普遍的看法是，AI的确是让5G实现杀手级应用的核心动力，因为AI可以助力5G更加智慧地赋能各个行业。正如前文所说，AI可以帮助5G打开更多场景，但只有AI没有5G也不行。之前我们反复说过，5G可以提供高速的数据传输，AI把这些高速传输而来的数据进行智能处理，去实现相应的应用，例如无人驾驶、远程医疗、在线教育。当然，5G与AI本身都是一个技术，它需要有应用场景，需要有价值才能够真正实现产业化。所以，构筑全场景应用环境，是两者可以真正有机融合的契机，也是AI与5G各自进阶发展的下一步，未来可期。