當(dāng)下，人工智能技術(shù)正從計(jì)算智能和感知智能階段，向更高層次的認(rèn)知智能階段演進(jìn)。在這一新階段，人工智能系統(tǒng)不僅能完成運(yùn)算和感知任務(wù)，更將具備深層次理解、推理、規(guī)劃和決策的能力，有望在復(fù)雜多變的真實(shí)環(huán)境中發(fā)揮更加出色的認(rèn)知表現(xiàn)。
隨著多模態(tài)學(xué)習(xí)、知識(shí)融合、認(rèn)知規(guī)劃等前沿技術(shù)的不斷創(chuàng)新，認(rèn)知智能正在為人工智能系統(tǒng)賦能全新的認(rèn)知能力。它們將不再被束縛于結(jié)構(gòu)化數(shù)據(jù)范疇，而是能夠靈活處理真實(shí)世界中存在的數(shù)據(jù)稀缺、分布不均、多樣性及不確定性等挑戰(zhàn)。憑借對(duì)環(huán)境和信息的深入理解，認(rèn)知智能將使人工智能真正步入面向真實(shí)場(chǎng)景服務(wù)的新時(shí)代。
近日，由賽迪顧問發(fā)布的《中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)研究報(bào)告》深入分析了中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)的現(xiàn)狀和發(fā)展趨勢(shì)。在2023年，這一新興市場(chǎng)規(guī)模已經(jīng)超過53億元，同比激增109%。認(rèn)知智能正在多個(gè)行業(yè)領(lǐng)域加速落地，推動(dòng)人工智能技術(shù)從虛擬走向現(xiàn)實(shí)，為提升生產(chǎn)效率、優(yōu)化決策和改善人機(jī)交互體驗(yàn)貢獻(xiàn)重要力量。
報(bào)告全文如下：
一、定義
認(rèn)知智能是一種模擬人類認(rèn)知機(jī)制的人工智能技術(shù)，旨在賦予機(jī)器與人類相似的思維邏輯和認(rèn)知能力。通過精心設(shè)計(jì)的算法來模仿人腦處理信息的方式，認(rèn)知智能使得機(jī)器能夠獨(dú)立地執(zhí)行感知、理解、推理、規(guī)劃、決策等復(fù)雜任務(wù)。在現(xiàn)實(shí)世界中，數(shù)據(jù)通常受限于資源、分布的不均勻性、多樣性及不確定性等挑戰(zhàn)。認(rèn)知智能通過多模態(tài)學(xué)習(xí)、知識(shí)數(shù)據(jù)融合、認(rèn)知規(guī)劃和情感計(jì)算等方法，能夠有效地處理這些挑戰(zhàn)，展現(xiàn)出對(duì)真實(shí)世界數(shù)據(jù)的深層次理解和智能反應(yīng)。這種智能不僅僅是數(shù)據(jù)處理的能力，更是一種對(duì)復(fù)雜環(huán)境下不斷變化的信息進(jìn)行有效解讀和應(yīng)用的能力。
本報(bào)告研究范圍為認(rèn)知智能產(chǎn)品及服務(wù)，主要指基于認(rèn)知智能算法，可面向行業(yè)實(shí)際應(yīng)用場(chǎng)景交付的人工智能軟件或相關(guān)技術(shù)應(yīng)用服務(wù)。從產(chǎn)業(yè)結(jié)構(gòu)來看，認(rèn)知智能產(chǎn)品及服務(wù)涉及范圍主要包括算法與技術(shù)層面以及行業(yè)應(yīng)用層面。
二、發(fā)展背景
從人工智能的階段演化來看，人工智能目前已由計(jì)算智能、感知智能進(jìn)入認(rèn)知智能階段。在計(jì)算智能階段，通過算力和存儲(chǔ)的加持，機(jī)器能模擬人類的計(jì)算和記憶能力，完成人類難以完成的復(fù)雜運(yùn)算，并在速度和準(zhǔn)確率方面超越人類;在感知智能階段，算力、算法和數(shù)據(jù)發(fā)展更加成熟，人工智能算法開始與各類傳感器深度融合，催生出計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理等應(yīng)用。在這一階段，機(jī)器可以通過訓(xùn)練的方式從海量數(shù)據(jù)中歸納出蘊(yùn)藏的規(guī)律，進(jìn)而模擬人類的感知能力;而認(rèn)知智能則側(cè)重于面對(duì)真實(shí)世界情形下數(shù)據(jù)資源有限、數(shù)據(jù)分布偏態(tài)、數(shù)據(jù)模態(tài)多樣及信息不確定性等特點(diǎn)，基于多模態(tài)學(xué)習(xí)、知識(shí)數(shù)據(jù)融合、認(rèn)知規(guī)劃、情感計(jì)算等方法，實(shí)現(xiàn)理解、推理、規(guī)劃、決策和創(chuàng)造等認(rèn)知能力?？梢钥闯?，認(rèn)知智能與前兩個(gè)階段最主要的差別在于其更強(qiáng)調(diào)對(duì)真實(shí)世界數(shù)據(jù)的理解和推理能力。在計(jì)算智能和感知智能階段，機(jī)器主要通過模擬人類的計(jì)算和感知能力來完成任務(wù)，但在認(rèn)知智能階段，機(jī)器需要更深入地理解和處理真實(shí)世界中存在的各種復(fù)雜情況。
從認(rèn)知智能的技術(shù)實(shí)現(xiàn)來看，為了使機(jī)器具備認(rèn)知能力，需要綜合發(fā)展多模態(tài)學(xué)習(xí)、知識(shí)數(shù)據(jù)融合、認(rèn)知規(guī)劃、情感計(jì)算等技術(shù)：(1)多模態(tài)學(xué)習(xí)是一種旨在處理和理解多種模態(tài)的數(shù)據(jù)的人工智能方法，通過挖掘來自文本、圖像、視頻、音頻等多種不同模態(tài)數(shù)據(jù)種的信息，并且實(shí)現(xiàn)各個(gè)模態(tài)的信息的交流和轉(zhuǎn)換，進(jìn)而提高機(jī)器對(duì)復(fù)雜場(chǎng)景的認(rèn)知能力，可應(yīng)用于多種視頻片段檢索、圖像描述生成、情感分析等多種任務(wù)。通過多模態(tài)學(xué)習(xí)可有效提高信息認(rèn)知維度。(2)知識(shí)是認(rèn)知的基礎(chǔ)，數(shù)據(jù)是人工智能的重要“原料”，加強(qiáng)知識(shí)與數(shù)據(jù)融合運(yùn)用可提升機(jī)器的基本認(rèn)知能力。一方面，知識(shí)蘊(yùn)含領(lǐng)域背景與專業(yè)技能，可以提供邏輯結(jié)構(gòu)和規(guī)則方法，將其以特定方式表示，可為后續(xù)推理提供依據(jù)，知識(shí)可以是顯式的，如專家知識(shí)庫(kù)、本體論等，也可以是隱式的，如模型中的參數(shù)和權(quán)重等。另一方面，通過對(duì)大量數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，來提取規(guī)律和模式，從而實(shí)現(xiàn)智能化的任務(wù)處理。知識(shí)表示與推理是認(rèn)知智能的基本手段，合理的表示方式與推理邏輯可優(yōu)化認(rèn)知能力。認(rèn)知智能中知識(shí)數(shù)據(jù)融合、知識(shí)表示和知識(shí)推理，可以解決知識(shí)建模、跨領(lǐng)域模型遷移和模型可解釋性等方面問題。(3)認(rèn)知規(guī)劃和智能決策是認(rèn)知智能的核心環(huán)節(jié)之一，它可以幫助機(jī)器更好地理解和分解復(fù)雜認(rèn)知問題，確定最優(yōu)化的行動(dòng)計(jì)劃以達(dá)到預(yù)期的成果，從而做出更準(zhǔn)確的決策。認(rèn)知規(guī)劃與決策對(duì)處理復(fù)雜問題至關(guān)重要。復(fù)雜的問題通常包括多個(gè)相關(guān)的目標(biāo)、多個(gè)決策因素和多個(gè)變量之間的相互作用。規(guī)劃可以幫助機(jī)器分析和理解這些關(guān)系，并確定如何最優(yōu)地解決問題。通過規(guī)劃與決策，機(jī)器可以逐步分解復(fù)雜問題為更小的、可管理的問題，并為每個(gè)子問題制定具體的步驟和策略。規(guī)劃與決策也可以幫助管理復(fù)雜問題中的不確定性。在處理復(fù)雜問題時(shí)，機(jī)器常常需要面對(duì)許多不確定的因素，規(guī)劃可以協(xié)助評(píng)估這些因素，并逐步調(diào)整行動(dòng)計(jì)劃，以應(yīng)對(duì)各種不確定性。同時(shí)，它也可以減少認(rèn)知負(fù)荷，將復(fù)雜問題分解成為更小的問題，并根據(jù)具體任務(wù)所需的資源及限制，得出最優(yōu)決策。(4)情感計(jì)算優(yōu)化智能交互體驗(yàn)。情緒是一系列主觀認(rèn)知經(jīng)驗(yàn)的高度概括，由多種感覺、思想和行為等產(chǎn)生的生理心理狀態(tài)。從認(rèn)知神經(jīng)科學(xué)角度來看，情緒也屬于經(jīng)典認(rèn)知的一種。情感計(jì)算可賦予機(jī)器像人一樣的觀察理解和生成情感特征的能力，有了情感，機(jī)器可以像人類一樣表達(dá)各種感受，或者對(duì)內(nèi)部和外部刺激做出相應(yīng)的反應(yīng)，最終使得機(jī)器像人一樣進(jìn)行自然親近和生動(dòng)交互。
從最新的AI發(fā)展情況來看，近年來，大模型通過在大規(guī)模數(shù)據(jù)集上進(jìn)行掩碼預(yù)訓(xùn)練，完成對(duì)復(fù)雜數(shù)據(jù)模式和語言結(jié)構(gòu)的捕捉，從而具備較好的語言理解和組織能力，也具備了一定程度的認(rèn)知理解能力。同時(shí)，隨著計(jì)算能力的提升和數(shù)據(jù)量的增加，大模型的規(guī)模和性能也在不斷提高。雖然大模型在通用任務(wù)上取得了一定的進(jìn)展，但是在直接切入垂直行業(yè)服務(wù)企業(yè)客戶時(shí)會(huì)遇到如下的問題：
其一，方法論：在方法論上，大模型主要采用語言學(xué)預(yù)訓(xùn)練方式，對(duì)數(shù)據(jù)進(jìn)行遮罩使得模型學(xué)會(huì)補(bǔ)全能力，進(jìn)而對(duì)數(shù)據(jù)進(jìn)行表征。但這種方式對(duì)垂直行業(yè)的數(shù)據(jù)缺乏深層次“理解”。以智能制造場(chǎng)景為例，大模型缺乏對(duì)于工藝流程、工業(yè)參數(shù)、工業(yè)機(jī)理等行業(yè)知識(shí)的深刻理解，進(jìn)而導(dǎo)致輸出結(jié)果更側(cè)重統(tǒng)計(jì)規(guī)律，缺乏專業(yè)性、精準(zhǔn)度和可解釋性;
其二，數(shù)據(jù)依賴：大模型的訓(xùn)練依賴于大量領(lǐng)域訓(xùn)練數(shù)據(jù)，但在實(shí)際應(yīng)用中，垂直行業(yè)領(lǐng)域的企業(yè)客戶可能僅有少量領(lǐng)域數(shù)據(jù)或者領(lǐng)域數(shù)據(jù)不開放，此時(shí)大模型無法通過預(yù)訓(xùn)練的方式將領(lǐng)域樣本有效編碼進(jìn)模型。以智能制造表面缺陷檢測(cè)場(chǎng)景為例，該領(lǐng)域有缺陷的樣本數(shù)據(jù)往往比較稀少，如果依然采用大模型的方式對(duì)缺陷樣本訓(xùn)練，則會(huì)因樣本稀少而得不到充分訓(xùn)練，進(jìn)而無法對(duì)其有效識(shí)別;
其三，“幻覺”問題：大模型的輸出結(jié)果存在一定隨機(jī)性，這種隨機(jī)性集中表現(xiàn)在大模型的“幻覺”問題上，即模型在生成文本時(shí)產(chǎn)生不準(zhǔn)確、不相關(guān)或完全虛構(gòu)的信息。 這種現(xiàn)象在大語言模型中尤為常見。此時(shí)，盡管生成內(nèi)容不符合邏輯，但是生成的文本是連貫和流暢的，極易導(dǎo)致垂直行業(yè)企業(yè)客戶“真假難辨”，無法直接使用。仍以智能制造場(chǎng)景為例，當(dāng)輸入一張鋼鐵表面有劃痕的圖片時(shí)，大模型可能會(huì)輸出“這張圖片表面有些灰塵，但是沒有明顯缺陷”等誤導(dǎo)性結(jié)果。同時(shí)，大模型本身缺乏對(duì)其輸出結(jié)果置信度的評(píng)估。這對(duì)于需要確定性輸出的行業(yè)(例如制造業(yè)等)無法直接使用。
此外，大模型在實(shí)際應(yīng)用時(shí)還會(huì)面臨資源消耗大、定制化需求難以滿足等問題。而基于多模態(tài)學(xué)習(xí)、知識(shí)數(shù)據(jù)融合、認(rèn)知規(guī)劃等理論和方法研發(fā)的認(rèn)知智能算法平臺(tái)可以有效提升模型的領(lǐng)域?qū)I(yè)性與可解釋性，保障模型輸出結(jié)果可靠且穩(wěn)定，同時(shí)對(duì)于用戶的數(shù)據(jù)要求低，可根據(jù)用戶的少量偏態(tài)樣本數(shù)據(jù)進(jìn)行相應(yīng)的模型適配與精調(diào)，得到更精準(zhǔn)、更專業(yè)的輸出結(jié)果。
從國(guó)內(nèi)發(fā)展情況來看，我國(guó)人工智能整體發(fā)展水平與發(fā)達(dá)國(guó)家相比仍存在差距，缺少基礎(chǔ)性的重大原創(chuàng)成果，對(duì)人工智能內(nèi)核機(jī)理探索深度不夠，尤其是在基礎(chǔ)理論、核心算法、重大產(chǎn)品與系統(tǒng)、軟件與接口等方面存在較大差距，為此，國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，圍繞增加人工智能創(chuàng)新的源頭供給，強(qiáng)調(diào)建立新一代人工智能基礎(chǔ)理論體系，推動(dòng)人工智能與神經(jīng)科學(xué)、認(rèn)知科學(xué)、量子科學(xué)、心理學(xué)、數(shù)學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)等相關(guān)基礎(chǔ)學(xué)科的交叉融合，加強(qiáng)引領(lǐng)人工智能算法、模型發(fā)展的數(shù)學(xué)基礎(chǔ)理論研究。到2025年，初步建立新一代人工智能理論與技術(shù)體系，突破具有自主學(xué)習(xí)能力的人工智能，在智能制造、智能醫(yī)療、智慧城市、智能農(nóng)業(yè)、國(guó)防建設(shè)等領(lǐng)域得到廣泛應(yīng)用。
從地方支持力度來看，近年來不少省市開始圍繞新階段的人工智能發(fā)展出臺(tái)支持性政策，推進(jìn)人工智能認(rèn)知能力的提升。如北京印發(fā)《北京市加快建設(shè)具有全球影響力的人工智能創(chuàng)新策源地實(shí)施方案(2023-2025年)》，支持?jǐn)?shù)據(jù)與知識(shí)深度聯(lián)合學(xué)習(xí)、高維空間多模態(tài)語義對(duì)其、大規(guī)模認(rèn)知與推理、可控內(nèi)容生成、高效低成本訓(xùn)練與推理等關(guān)鍵算法研發(fā);安徽印發(fā)《安徽省通用人工智能創(chuàng)新發(fā)展三年行動(dòng)計(jì)劃(2023—2025年)》，指出要加快實(shí)施國(guó)家級(jí)和省級(jí)科技攻關(guān)項(xiàng)目，面向多語種、跨領(lǐng)域任務(wù)，持續(xù)研制更大規(guī)模參數(shù)的認(rèn)知智能大模型、通用語音大模型以及基于文本圖像、語音的多模態(tài)大模型;上海印發(fā)《上海人工智能示范應(yīng)用清單(2023)》，提出要在大型區(qū)域場(chǎng)景中，綜合運(yùn)用智能感知、認(rèn)知、決策技術(shù)，提供車路協(xié)同、智慧交管、停車資源管理、指揮調(diào)度等一體化解決方案，提升城市級(jí)交通智慧化運(yùn)行管理。
從行業(yè)需求來看，傳統(tǒng)的人工智能模型的決策推理能力需要以海量的行業(yè)特征數(shù)據(jù)作為支撐，其決策推理能力的實(shí)現(xiàn)來源于從輸入變量到結(jié)果變量之間的統(tǒng)計(jì)相關(guān)性，底層運(yùn)行機(jī)理并不具備類似人類的推理思考能力，嚴(yán)格意義上講，此類能力應(yīng)歸為“偽認(rèn)知”。同時(shí)，現(xiàn)實(shí)中能提供海量訓(xùn)練數(shù)據(jù)的行業(yè)只占少數(shù)，因此基于海量歷史數(shù)據(jù)的認(rèn)知能力訓(xùn)練也不具備跨行業(yè)的普適性。隨著數(shù)字化轉(zhuǎn)型的深入推進(jìn)以及未來“人工智能+”行動(dòng)的逐步落地，預(yù)計(jì)越來越多的行業(yè)將對(duì)機(jī)器的認(rèn)知能力提出更高的要求，基于領(lǐng)域知識(shí)以及小樣本偏態(tài)數(shù)據(jù)的認(rèn)知智能算法及相關(guān)產(chǎn)品將成為其邁進(jìn)認(rèn)知智能階段的主要方式。
三、市場(chǎng)發(fā)展現(xiàn)狀
(一)市場(chǎng)規(guī)模
當(dāng)前，認(rèn)知智能正處于基礎(chǔ)研究與推廣應(yīng)用的交疊發(fā)展階段，市場(chǎng)參與者正積極探索和驗(yàn)證認(rèn)知智能產(chǎn)品或服務(wù)的落地模式，推動(dòng)中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)的快速發(fā)展。2023年，中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)規(guī)模達(dá)53.6億元，同比增長(zhǎng)109.4%。
(二)市場(chǎng)結(jié)構(gòu)
從市場(chǎng)結(jié)構(gòu)來看，中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)可分為認(rèn)知智能平臺(tái)和認(rèn)知智能技術(shù)服務(wù)兩個(gè)方面。其中，認(rèn)知智能平臺(tái)集成了認(rèn)知智能相關(guān)算法和技術(shù)模塊，可通過本地部署、API接入等方式支撐用戶為實(shí)現(xiàn)認(rèn)知智能所需的底層計(jì)算與處理需求;認(rèn)知智能技術(shù)服務(wù)主要為面向用戶提供的通用型認(rèn)知智能應(yīng)用服務(wù)或定制化的行業(yè)認(rèn)知智能解決方案?，F(xiàn)階段，大多數(shù)廠商正通過技術(shù)服務(wù)的形式實(shí)現(xiàn)認(rèn)知智能技術(shù)的落地，部分廠商也會(huì)通過平臺(tái)為用戶提供支撐。2023年，中國(guó)認(rèn)知智能平臺(tái)市場(chǎng)規(guī)模達(dá)10.9億元，認(rèn)知智能技術(shù)服務(wù)市場(chǎng)規(guī)模達(dá)42.7億元。
四、市場(chǎng)競(jìng)爭(zhēng)格局分析
(一)整體競(jìng)爭(zhēng)格局
目前，中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)入局者主要分為兩類：一類是“巨頭”型廠商，如百度、科大訊飛、阿里巴巴等，此類廠商在此前的感知智能領(lǐng)域探索較為深入，目前正通過大模型切入認(rèn)知智能領(lǐng)域。另一類是創(chuàng)新型廠商，此類廠商專注于認(rèn)知智能算法研發(fā)和技術(shù)創(chuàng)新，或針對(duì)某些特定行業(yè)提供解決方案，技術(shù)實(shí)力不容小覷。2023年，在中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)中，百度、科大訊飛等巨頭型廠商憑借自身研發(fā)實(shí)力和豐富的市場(chǎng)渠道，占據(jù)市場(chǎng)領(lǐng)先位置。華院計(jì)算、暗物智能等廠商專注于認(rèn)知智能算法研究，聚焦于通過小樣本量數(shù)據(jù)和行業(yè)知識(shí)體系來實(shí)現(xiàn)模型的高魯棒性，也呈現(xiàn)出不俗的市場(chǎng)表現(xiàn)。
(二)細(xì)分市場(chǎng)競(jìng)爭(zhēng)格局
1、認(rèn)知智能平臺(tái)
從認(rèn)知智能平臺(tái)市場(chǎng)來看，華院計(jì)算以認(rèn)知計(jì)算算法研發(fā)為核心發(fā)展路線，推出認(rèn)知智能引擎平臺(tái)為用戶賦能，目前處于細(xì)分市場(chǎng)的領(lǐng)導(dǎo)者地位。中科聞歌由中科院自動(dòng)化所孵化而來，打造了認(rèn)知與決策智能基礎(chǔ)平臺(tái)DIOS，目前位居細(xì)分市場(chǎng)第二。
2、認(rèn)知智能技術(shù)服務(wù)
認(rèn)知智能技術(shù)服務(wù)市場(chǎng)參與者較多，競(jìng)爭(zhēng)更為激烈。一方面，百度、科大訊飛、阿里巴巴等巨頭企業(yè)憑借在技術(shù)、品牌和渠道等方面的優(yōu)勢(shì)，牢牢占據(jù)技術(shù)服務(wù)市場(chǎng)的第一梯隊(duì)。智譜AI、中科聞歌、竹間智能、華院計(jì)算等創(chuàng)新型廠商，則瞄準(zhǔn)若干典型的垂直行業(yè)，圍繞特定的行業(yè)用戶提供認(rèn)知智能服務(wù)和解決方案，并進(jìn)一步向更廣泛的領(lǐng)域推廣，發(fā)展勢(shì)頭強(qiáng)勁。
五、典型案例分析
(一)百度大腦助力某旅行平臺(tái)提升圖像審核質(zhì)效
國(guó)內(nèi)某旅行平臺(tái)業(yè)務(wù)中會(huì)產(chǎn)生大量的用戶評(píng)論信息，一些不法分子通過生產(chǎn)發(fā)布違規(guī)圖片，污染網(wǎng)絡(luò)公共環(huán)境，內(nèi)容安全也是一個(gè)亟待解決的問題。以往的人工審核不僅耗時(shí)費(fèi)力，成本高昂，效率低下，而且判斷標(biāo)準(zhǔn)難以統(tǒng)一。所以高效、便捷、準(zhǔn)確的智能內(nèi)容審核過濾系統(tǒng)，也是該旅游平臺(tái)一直都存在的業(yè)務(wù)訴求。
百度大腦為該旅行平臺(tái)提供圖像審核服務(wù)。從平臺(tái)用戶上傳圖片到最后的平臺(tái)展示，要經(jīng)歷諸多環(huán)節(jié)：所有圖片首先要經(jīng)過百度大腦圖像審核這一關(guān)，所有的涉敏信息以及違規(guī)圖片大都卡在這一環(huán)節(jié)，正常的圖片會(huì)直接跳到展示的關(guān)口，違規(guī)圖片會(huì)直接屏蔽。少數(shù)一些AI判斷為待確認(rèn)的圖片則流入到人工審核的階段，由人工判斷后再做進(jìn)一步的展示或屏蔽。百度大腦圖像審核服務(wù)，將重復(fù)性工作化繁為簡(jiǎn)，為后續(xù)的人工處理鋪平道路，提高工作效率的同時(shí)還能有效規(guī)避掉風(fēng)險(xiǎn)。利用百度大腦圖像審核，及時(shí)落實(shí)相關(guān)政策法規(guī)和量化審核標(biāo)準(zhǔn)的工作也變得簡(jiǎn)單，可以最大化的提升平臺(tái)內(nèi)容管理效率。
(二)華院計(jì)算助力某鋼材集團(tuán)實(shí)現(xiàn)連鑄質(zhì)量預(yù)判及切割優(yōu)化
國(guó)內(nèi)某鋼材集團(tuán)在生產(chǎn)過程中暴露出兩方面問題，一是缺乏有效的質(zhì)量控制系統(tǒng)，難以及時(shí)發(fā)現(xiàn)和解決生產(chǎn)質(zhì)量問題;二是缺乏科學(xué)的切割優(yōu)化模型，難以提高成材率和降低成本。
為此，華院計(jì)算基于認(rèn)知智能引擎為該鋼材集團(tuán)提供連鑄質(zhì)量預(yù)判及切割優(yōu)化平臺(tái)。一方面，華院計(jì)算基于自研認(rèn)知智能引擎以及結(jié)合BOD推理引擎進(jìn)行數(shù)據(jù)+知識(shí)的融合，同時(shí)采用機(jī)理建模、認(rèn)知規(guī)劃、知識(shí)圖搜索以及小樣本異常值檢測(cè)等算法技術(shù)，對(duì)生產(chǎn)過程中出現(xiàn)的異常事件或過程數(shù)據(jù)偏離品質(zhì)管理基準(zhǔn)時(shí)，自動(dòng)判定出現(xiàn)的生產(chǎn)狀況下的質(zhì)量異常，并對(duì)品質(zhì)異常自動(dòng)進(jìn)行記錄，給出可能的處置決定，同時(shí)基于質(zhì)量異常進(jìn)行自動(dòng)分析，找出產(chǎn)生質(zhì)量異常的直接原因和間接原因。另一方面，華院計(jì)算在通過實(shí)時(shí)獲取切割計(jì)劃信息的基礎(chǔ)上，通過建立模型的方式來實(shí)現(xiàn)板坯的優(yōu)化切割功能，求出實(shí)際運(yùn)行下廢坯數(shù)最少、切割報(bào)廢量最小、鑄造的成品率最大的效果。通過對(duì)板坯的生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)學(xué)建模，采用運(yùn)籌優(yōu)化的技術(shù)來優(yōu)化板坯切割長(zhǎng)度，達(dá)到板坯最優(yōu)化切割的效果，并根據(jù)現(xiàn)場(chǎng)情況進(jìn)行過程判坯A、B、C、D等級(jí)，用于內(nèi)部排查板坯質(zhì)量問題;同時(shí)，基于神經(jīng)網(wǎng)絡(luò)+專家知識(shí)進(jìn)行缺陷判定、實(shí)現(xiàn)自動(dòng)預(yù)測(cè)鑄坯內(nèi)部和表面缺陷，形成缺陷地圖。最終，華院計(jì)算基于該集團(tuán)的業(yè)務(wù)知識(shí)和小樣本量數(shù)據(jù)，對(duì)連鑄產(chǎn)線完成了數(shù)字化質(zhì)量管控的監(jiān)控部署，可實(shí)現(xiàn)品質(zhì)異常判定功能，判定準(zhǔn)確率超98%，同時(shí)也提高了集團(tuán)的板坯收得率。
(三)暗物智能為某區(qū)紀(jì)委提供談話場(chǎng)所合規(guī)監(jiān)測(cè)系統(tǒng)
當(dāng)前，紀(jì)委監(jiān)委部門在留置場(chǎng)所普遍存在三大痛點(diǎn)問題：一是規(guī)范監(jiān)督難，缺少有效的技術(shù)手段對(duì)談話室異常事件(物品、行為、語言等)進(jìn)行監(jiān)督和預(yù)警;二是異常追溯難，談話過程產(chǎn)生大量錄像文件，關(guān)鍵內(nèi)容難以定位，常規(guī)手段查找費(fèi)時(shí)費(fèi)力;三是談話記錄難，人工記錄很難完整呈現(xiàn)談話全內(nèi)容。
為此，廣東省某區(qū)紀(jì)委委托暗物智能打造了基于小數(shù)據(jù)范式的高準(zhǔn)確率、低成本的談話場(chǎng)所合規(guī)監(jiān)測(cè)系統(tǒng)。系統(tǒng)基于特色認(rèn)知異常檢測(cè)技術(shù)，實(shí)現(xiàn)了談話異常監(jiān)管、智能筆錄制作等核心功能，形成全流程輔助安全談話行為監(jiān)管機(jī)制。該系統(tǒng)技術(shù)亮點(diǎn)在于數(shù)據(jù)需求少、算力要求少、泛化能力強(qiáng)。系統(tǒng)可以實(shí)時(shí)獲取視頻信息及異常告警信息，異常告警類別涵蓋了談話人員監(jiān)管、談話環(huán)境監(jiān)管、違規(guī)物品監(jiān)管、談話行為監(jiān)管、談話時(shí)間監(jiān)管等類。同時(shí)，系統(tǒng)談話筆錄提供了談話模板、語音識(shí)別、角色分離、筆錄編輯等功能，能幫助相關(guān)人員實(shí)現(xiàn)科學(xué)管理。
六、發(fā)展趨勢(shì)
(一)市場(chǎng)規(guī)模預(yù)測(cè)
1、整體市場(chǎng)預(yù)測(cè)
未來三年，隨著認(rèn)知智能技術(shù)的進(jìn)一步發(fā)展和成熟，越來越多的行業(yè)和用戶將著手推進(jìn)認(rèn)知智能能力的部署和強(qiáng)化，預(yù)計(jì)中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)將繼續(xù)保持快速增長(zhǎng)態(tài)勢(shì)，但隨著市場(chǎng)規(guī)模的不斷提升，規(guī)模增速將出現(xiàn)一定回落。到2026年，中國(guó)認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)將達(dá)202.7億元，三年復(fù)合增長(zhǎng)率將達(dá)到55%左右的水平。
2、細(xì)分市場(chǎng)預(yù)測(cè)
2024-2026年，隨著認(rèn)知智能優(yōu)勢(shì)的逐步顯現(xiàn)，企業(yè)用戶將對(duì)認(rèn)知智能技術(shù)的接納程度會(huì)更高，將在認(rèn)知智能平臺(tái)本地化部署或能力接入方面加大投入。到2026年，中國(guó)認(rèn)知智能平臺(tái)市場(chǎng)規(guī)模將達(dá)45.9億元，三年復(fù)合增長(zhǎng)率在61%左右，高于市場(chǎng)整體水平。而認(rèn)知智能技術(shù)服務(wù)市場(chǎng)以行業(yè)應(yīng)用場(chǎng)景的升級(jí)和改造為驅(qū)動(dòng)，未來仍將占據(jù)較大份額，預(yù)計(jì)到2026年市場(chǎng)規(guī)?？蛇_(dá)162.8億元。
(二)市場(chǎng)趨勢(shì)判斷
認(rèn)知智能技術(shù)將繼續(xù)優(yōu)化升級(jí)。近年來，隨著ChatGPT的興起，大模型和生成式人工智能技術(shù)走入大眾視野，無疑對(duì)認(rèn)知智能技術(shù)起到了強(qiáng)有力的推動(dòng)作用，讓認(rèn)知智能從理論向現(xiàn)實(shí)邁出了里程碑式的一步。未來，認(rèn)知智能模型將深度融合認(rèn)知科學(xué)、腦科學(xué)、心理學(xué)等多學(xué)科研究成果，從而更好地模擬人類的感知、思考、理解和推理能力，理解數(shù)據(jù)之間的關(guān)系和邏輯，進(jìn)而更加適應(yīng)復(fù)雜多變的環(huán)境。同時(shí)，可解釋性也將是認(rèn)知智能技術(shù)進(jìn)一步優(yōu)化的方向，涵蓋算法透明性和簡(jiǎn)單性、表達(dá)的可解構(gòu)性、模型的可擔(dān)責(zé)性及因果分析和推理，將使得人工智能決策更加透明，也有助于公眾更加理解和接受AI技術(shù)。
認(rèn)知智能技術(shù)的行業(yè)應(yīng)用將更加廣泛深入。與傳統(tǒng)的“機(jī)器學(xué)習(xí)+海量數(shù)據(jù)”的“野蠻”訓(xùn)練方式不同，認(rèn)知智能主張行業(yè)知識(shí)、行業(yè)數(shù)據(jù)與認(rèn)知算法的深度融合，依托三大要素讓機(jī)器實(shí)現(xiàn)自主的識(shí)別、推理和決策能力，強(qiáng)調(diào)輸入變量與輸出變量的邏輯學(xué)關(guān)系而非統(tǒng)計(jì)學(xué)關(guān)系，能實(shí)現(xiàn)更高的精確度和更強(qiáng)的魯棒性。在此前提下，預(yù)計(jì)未來將有越來越多的具備鮮明經(jīng)驗(yàn)屬性、但可訓(xùn)練數(shù)據(jù)量小的行業(yè)投入到認(rèn)知智能懷抱，推進(jìn)工序流程、監(jiān)測(cè)監(jiān)管等環(huán)節(jié)的進(jìn)一步優(yōu)化。屆時(shí)，認(rèn)知智能產(chǎn)品及服務(wù)市場(chǎng)規(guī)模也將釋放出更大的發(fā)展空間。
認(rèn)知智能未來亟需解決若干關(guān)鍵問題。一是數(shù)據(jù)隱私和安全問題，隨著認(rèn)知智能應(yīng)用的增多，不可預(yù)見的數(shù)據(jù)隱私和安全問題有可能顯現(xiàn)，從而限制用戶對(duì)認(rèn)知智能技術(shù)的信任度;二是技術(shù)瓶頸問題，盡管技術(shù)仍在不斷進(jìn)步，但在某些領(lǐng)域仍存在技術(shù)瓶頸，如大模型對(duì)話系統(tǒng)的理解和生成能力、模型的解釋性等問題，此類問題未妥善解決則會(huì)影響到后期的推廣與普及;三是人才短缺問題，認(rèn)知智能更需要跨學(xué)科、跨領(lǐng)域的復(fù)合型人才，如計(jì)算機(jī)科學(xué)家、數(shù)據(jù)科學(xué)家、認(rèn)知科學(xué)家、神經(jīng)科學(xué)家、心理學(xué)家等，一旦人才供應(yīng)不足則極有可能制約行業(yè)的有序發(fā)展;四是倫理和法律問題，人工智能技術(shù)的發(fā)展引發(fā)的倫理和法律問題已經(jīng)開始顯現(xiàn)，如算法歧視、責(zé)任歸屬等，未來需要制定相應(yīng)的政策和法規(guī)來規(guī)范行業(yè)發(fā)展。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
