當下，人工智能技術(shù)正從計算智能和感知智能階段，向更高層次的認知智能階段演進。在這一新階段，人工智能系統(tǒng)不僅能完成運算和感知任務(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)雜多變的真實環(huán)境中發(fā)揮更加出色的認知表現(xiàn)。
隨著多模態(tài)學(xué)習、知識融合、認知規(guī)劃等前沿技術(shù)的不斷創(chuàng)新，認知智能正在為人工智能系統(tǒng)賦能全新的認知能力。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)。憑借對環(huán)境和信息的深入理解，認知智能將使人工智能真正步入面向真實場景服務(wù)的新時代。
近日，由賽迪顧問發(fā)布的《中國認知智能產(chǎn)品及服務(wù)市場研究報告》深入分析了中國認知智能產(chǎn)品及服務(wù)市場的現(xiàn)狀和發(fā)展趨勢。在2023年，這一新興市場規(guī)模已經(jīng)超過53億元，同比激增109%。認知智能正在多個行業(yè)領(lǐng)域加速落地，推動人工智能技術(shù)從虛擬走向現(xiàn)實，為提升生產(chǎn)效率、優(yōu)化決策和改善人機交互體驗貢獻重要力量。
報告全文如下：
一、定義
認知智能是一種模擬人類認知機制的人工智能技術(shù)，旨在賦予機器與人類相似的思維邏輯和認知能力。通過精心設(shè)計的算法來模仿人腦處理信息的方式，認知智能使得機器能夠獨立地執(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)。認知智能通過多模態(tài)學(xué)習、知識數(shù)據(jù)融合、認知規(guī)劃和情感計算等方法，能夠有效地處理這些挑戰(zhàn)，展現(xiàn)出對真實世界數(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，更是一種對復(fù)雜環(huán)境下不斷變化的信息進行有效解讀和應(yīng)用的能力。
本報告研究范圍為認知智能產(chǎn)品及服務(wù)，主要指基于認知智能算法，可面向行業(yè)實際應(yīng)用場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算智能、感知智能進入認知智能階段。在計算智能階段，通過算力和存儲的加持，機器能模擬人類的計算和記憶能力，完成人類難以完成的復(fù)雜運算，并在速度和準確率方面超越人類;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，催生出計算機視覺、語音識別、自然語言處理等應(yīng)用。在這一階段，機器可以通過訓(xùn)練的方式從海量數(shù)據(jù)中歸納出蘊藏的規(guī)律，進而模擬人類的感知能力;而認知智能則側(cè)重于面對真實世界情形下數(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，基于多模態(tài)學(xué)習、知識數(shù)據(jù)融合、認知規(guī)劃、情感計算等方法，實現(xiàn)理解、推理、規(guī)劃、決策和創(chuàng)造等認知能力。可以看出，認知智能與前兩個階段最主要的差別在于其更強調(diào)對真實世界數(shù)據(jù)的理解和推理能力。在計算智能和感知智能階段，機器主要通過模擬人類的計算和感知能力來完成任務(wù)，但在認知智能階段，機器需要更深入地理解和處理真實世界中存在的各種復(fù)雜情況。
從認知智能的技術(shù)實現(xiàn)來看，為了使機器具備認知能力，需要綜合發(fā)展多模態(tài)學(xué)習、知識數(shù)據(jù)融合、認知規(guī)劃、情感計算等技術(shù)：(1)多模態(tài)學(xué)習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，并且實現(xiàn)各個模態(tài)的信息的交流和轉(zhuǎn)換，進而提高機器對復(fù)雜場景的認知能力，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)習可有效提高信息認知維度。(2)知識是認知的基礎(chǔ)，數(shù)據(jù)是人工智能的重要“原料”，加強知識與數(shù)據(jù)融合運用可提升機器的基本認知能力。一方面，知識蘊含領(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)，知識可以是顯式的，如專家知識庫、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，通過對大量數(shù)據(jù)的學(xué)習和訓(xùn)練，來提取規(guī)律和模式，從而實現(xiàn)智能化的任務(wù)處理。知識表示與推理是認知智能的基本手段，合理的表示方式與推理邏輯可優(yōu)化認知能力。認知智能中知識數(shù)據(jù)融合、知識表示和知識推理，可以解決知識建模、跨領(lǐng)域模型遷移和模型可解釋性等方面問題。(3)認知規(guī)劃和智能決策是認知智能的核心環(huán)節(jié)之一，它可以幫助機器更好地理解和分解復(fù)雜認知問題，確定最優(yōu)化的行動計劃以達到預(yù)期的成果，從而做出更準確的決策。認知規(guī)劃與決策對處理復(fù)雜問題至關(guān)重要。復(fù)雜的問題通常包括多個相關(guān)的目標、多個決策因素和多個變量之間的相互作用。規(guī)劃可以幫助機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，機器常常需要面對許多不確定的因素，規(guī)劃可以協(xié)助評估這些因素，并逐步調(diào)整行動計劃，以應(yīng)對各種不確定性。同時，它也可以減少認知負荷，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)情感計算優(yōu)化智能交互體驗。情緒是一系列主觀認知經(jīng)驗的高度概括，由多種感覺、思想和行為等產(chǎn)生的生理心理狀態(tài)。從認知神經(jīng)科學(xué)角度來看，情緒也屬于經(jīng)典認知的一種。情感計算可賦予機器像人一樣的觀察理解和生成情感特征的能力，有了情感，機器可以像人類一樣表達各種感受，或者對內(nèi)部和外部刺激做出相應(yīng)的反應(yīng)，最終使得機器像人一樣進行自然親近和生動交互。
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)集上進行掩碼預(yù)訓(xùn)練，完成對復(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知理解能力。同時，隨著計算能力的提升和數(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)上取得了一定的進展，但是在直接切入垂直行業(yè)服務(wù)企業(yè)客戶時會遇到如下的問題：
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，對數(shù)據(jù)進行遮罩使得模型學(xué)會補全能力，進而對數(shù)據(jù)進行表征。但這種方式對垂直行業(yè)的數(shù)據(jù)缺乏深層次“理解”。以智能制造場景為例，大模型缺乏對于工藝流程、工業(yè)參數(shù)、工業(yè)機理等行業(yè)知識的深刻理解，進而導(dǎo)致輸出結(jié)果更側(cè)重統(tǒng)計規(guī)律，缺乏專業(yè)性、精準度和可解釋性;
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)域樣本有效編碼進模型。以智能制造表面缺陷檢測場景為例，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缺陷樣本訓(xùn)練，則會因樣本稀少而得不到充分訓(xùn)練，進而無法對其有效識別;
其三，“幻覺”問題：大模型的輸出結(jié)果存在一定隨機性，這種隨機性集中表現(xiàn)在大模型的“幻覺”問題上，即模型在生成文本時產(chǎn)生不準確、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，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。仍以智能制造場景為例，當輸入一張鋼鐵表面有劃痕的圖片時，大模型可能會輸出“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，大模型本身缺乏對其輸出結(jié)果置信度的評估。這對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，大模型在實際應(yīng)用時還會面臨資源消耗大、定制化需求難以滿足等問題。而基于多模態(tài)學(xué)習、知識數(shù)據(jù)融合、認知規(guī)劃等理論和方法研發(fā)的認知智能算法平臺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，同時對于用戶的數(shù)據(jù)要求低，可根據(jù)用戶的少量偏態(tài)樣本數(shù)據(jù)進行相應(yīng)的模型適配與精調(diào)，得到更精準、更專業(yè)的輸出結(jié)果。
從國內(nèi)發(fā)展情況來看，我國人工智能整體發(fā)展水平與發(fā)達國家相比仍存在差距，缺少基礎(chǔ)性的重大原創(chuàng)成果，對人工智能內(nèi)核機理探索深度不夠，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，強調(diào)建立新一代人工智能基礎(chǔ)理論體系，推動人工智能與神經(jīng)科學(xué)、認知科學(xué)、量子科學(xué)、心理學(xué)、數(shù)學(xué)、經(jīng)濟學(xué)、社會學(xué)等相關(guān)基礎(chǔ)學(xué)科的交叉融合，加強引領(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)展出臺支持性政策，推進人工智能認知能力的提升。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)新策源地實施方案(2023-2025年)》，支持數(shù)據(jù)與知識深度聯(lián)合學(xué)習、高維空間多模態(tài)語義對其、大規(guī)模認知與推理、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)展三年行動計劃(2023—2025年)》，指出要加快實施國家級和省級科技攻關(guān)項目，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)域場景中，綜合運用智能感知、認知、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，提升城市級交通智慧化運行管理。
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現(xiàn)來源于從輸入變量到結(jié)果變量之間的統(tǒng)計相關(guān)性，底層運行機理并不具備類似人類的推理思考能力，嚴格意義上講，此類能力應(yīng)歸為“偽認知”。同時，現(xiàn)實中能提供海量訓(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)型的深入推進以及未來“人工智能+”行動的逐步落地，預(yù)計越來越多的行業(yè)將對機器的認知能力提出更高的要求，基于領(lǐng)域知識以及小樣本偏態(tài)數(shù)據(jù)的認知智能算法及相關(guān)產(chǎn)品將成為其邁進認知智能階段的主要方式。
三、市場發(fā)展現(xiàn)狀
(一)市場規(guī)模
當前，認知智能正處于基礎(chǔ)研究與推廣應(yīng)用的交疊發(fā)展階段，市場參與者正積極探索和驗證認知智能產(chǎn)品或服務(wù)的落地模式，推動中國認知智能產(chǎn)品及服務(wù)市場的快速發(fā)展。2023年，中國認知智能產(chǎn)品及服務(wù)市場規(guī)模達53.6億元，同比增長109.4%。
(二)市場結(jié)構(gòu)
從市場結(jié)構(gòu)來看，中國認知智能產(chǎn)品及服務(wù)市場可分為認知智能平臺和認知智能技術(shù)服務(wù)兩個方面。其中，認知智能平臺集成了認知智能相關(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現(xiàn)認知智能所需的底層計算與處理需求;認知智能技術(shù)服務(wù)主要為面向用戶提供的通用型認知智能應(yīng)用服務(wù)或定制化的行業(yè)認知智能解決方案?，F(xiàn)階段，大多數(shù)廠商正通過技術(shù)服務(wù)的形式實現(xiàn)認知智能技術(shù)的落地，部分廠商也會通過平臺為用戶提供支撐。2023年，中國認知智能平臺市場規(guī)模達10.9億元，認知智能技術(shù)服務(wù)市場規(guī)模達42.7億元。
四、市場競爭格局分析
(一)整體競爭格局
目前，中國認知智能產(chǎn)品及服務(wù)市場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知智能領(lǐng)域。另一類是創(chuàng)新型廠商，此類廠商專注于認知智能算法研發(fā)和技術(shù)創(chuàng)新，或針對某些特定行業(yè)提供解決方案，技術(shù)實力不容小覷。2023年，在中國認知智能產(chǎn)品及服務(wù)市場中，百度、科大訊飛等巨頭型廠商憑借自身研發(fā)實力和豐富的市場渠道，占據(jù)市場領(lǐng)先位置。華院計算、暗物智能等廠商專注于認知智能算法研究，聚焦于通過小樣本量數(shù)據(jù)和行業(yè)知識體系來實現(xiàn)模型的高魯棒性，也呈現(xiàn)出不俗的市場表現(xiàn)。
(二)細分市場競爭格局
1、認知智能平臺
從認知智能平臺市場來看，華院計算以認知計算算法研發(fā)為核心發(fā)展路線，推出認知智能引擎平臺為用戶賦能，目前處于細分市場的領(lǐng)導(dǎo)者地位。中科聞歌由中科院自動化所孵化而來，打造了認知與決策智能基礎(chǔ)平臺DIOS，目前位居細分市場第二。
2、認知智能技術(shù)服務(wù)
認知智能技術(shù)服務(wù)市場參與者較多，競爭更為激烈。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，牢牢占據(jù)技術(shù)服務(wù)市場的第一梯隊。智譜AI、中科聞歌、竹間智能、華院計算等創(chuàng)新型廠商，則瞄準若干典型的垂直行業(yè)，圍繞特定的行業(yè)用戶提供認知智能服務(wù)和解決方案，并進一步向更廣泛的領(lǐng)域推廣，發(fā)展勢頭強勁。
五、典型案例分析
(一)百度大腦助力某旅行平臺提升圖像審核質(zhì)效
國內(nèi)某旅行平臺業(yè)務(wù)中會產(chǎn)生大量的用戶評論信息，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)容安全也是一個亟待解決的問題。以往的人工審核不僅耗時費力，成本高昂，效率低下，而且判斷標準難以統(tǒng)一。所以高效、便捷、準確的智能內(nèi)容審核過濾系統(tǒng)，也是該旅游平臺一直都存在的業(yè)務(wù)訴求。
百度大腦為該旅行平臺提供圖像審核服務(wù)。從平臺用戶上傳圖片到最后的平臺展示，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)，正常的圖片會直接跳到展示的關(guān)口，違規(guī)圖片會直接屏蔽。少數(shù)一些AI判斷為待確認的圖片則流入到人工審核的階段，由人工判斷后再做進一步的展示或屏蔽。百度大腦圖像審核服務(wù)，將重復(fù)性工作化繁為簡，為后續(xù)的人工處理鋪平道路，提高工作效率的同時還能有效規(guī)避掉風險。利用百度大腦圖像審核，及時落實相關(guān)政策法規(guī)和量化審核標準的工作也變得簡單，可以最大化的提升平臺內(nèi)容管理效率。
(二)華院計算助力某鋼材集團實現(xiàn)連鑄質(zhì)量預(yù)判及切割優(yōu)化
國內(nèi)某鋼材集團在生產(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，華院計算基于認知智能引擎為該鋼材集團提供連鑄質(zhì)量預(yù)判及切割優(yōu)化平臺。一方面，華院計算基于自研認知智能引擎以及結(jié)合BOD推理引擎進行數(shù)據(jù)+知識的融合，同時采用機理建模、認知規(guī)劃、知識圖搜索以及小樣本異常值檢測等算法技術(shù)，對生產(chǎn)過程中出現(xiàn)的異常事件或過程數(shù)據(jù)偏離品質(zhì)管理基準時，自動判定出現(xiàn)的生產(chǎn)狀況下的質(zhì)量異常，并對品質(zhì)異常自動進行記錄，給出可能的處置決定，同時基于質(zhì)量異常進行自動分析，找出產(chǎn)生質(zhì)量異常的直接原因和間接原因。另一方面，華院計算在通過實時獲取切割計劃信息的基礎(chǔ)上，通過建立模型的方式來實現(xiàn)板坯的優(yōu)化切割功能，求出實際運行下廢坯數(shù)最少、切割報廢量最小、鑄造的成品率最大的效果。通過對板坯的生產(chǎn)數(shù)據(jù)進行數(shù)學(xué)建模，采用運籌優(yōu)化的技術(shù)來優(yōu)化板坯切割長度，達到板坯最優(yōu)化切割的效果，并根據(jù)現(xiàn)場情況進行過程判坯A、B、C、D等級，用于內(nèi)部排查板坯質(zhì)量問題;同時，基于神經(jīng)網(wǎng)絡(luò)+專家知識進行缺陷判定、實現(xiàn)自動預(yù)測鑄坯內(nèi)部和表面缺陷，形成缺陷地圖。最終，華院計算基于該集團的業(yè)務(wù)知識和小樣本量數(shù)據(jù)，對連鑄產(chǎn)線完成了數(shù)字化質(zhì)量管控的監(jiān)控部署，可實現(xiàn)品質(zhì)異常判定功能，判定準確率超98%，同時也提高了集團的板坯收得率。
(三)暗物智能為某區(qū)紀委提供談話場所合規(guī)監(jiān)測系統(tǒng)
當前，紀委監(jiān)委部門在留置場所普遍存在三大痛點問題：一是規(guī)范監(jiān)督難，缺少有效的技術(shù)手段對談話室異常事件(物品、行為、語言等)進行監(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)手段查找費時費力;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)紀委委托暗物智能打造了基于小數(shù)據(jù)范式的高準確率、低成本的談話場所合規(guī)監(jiān)測系統(tǒng)。系統(tǒng)基于特色認知異常檢測技術(shù)，實現(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)管機制。該系統(tǒng)技術(shù)亮點在于數(shù)據(jù)需求少、算力要求少、泛化能力強。系統(tǒng)可以實時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、談話時間監(jiān)管等類。同時，系統(tǒng)談話筆錄提供了談話模板、語音識別、角色分離、筆錄編輯等功能，能幫助相關(guān)人員實現(xiàn)科學(xué)管理。
六、發(fā)展趨勢
(一)市場規(guī)模預(yù)測
1、整體市場預(yù)測
未來三年，隨著認知智能技術(shù)的進一步發(fā)展和成熟，越來越多的行業(yè)和用戶將著手推進認知智能能力的部署和強化，預(yù)計中國認知智能產(chǎn)品及服務(wù)市場將繼續(xù)保持快速增長態(tài)勢，但隨著市場規(guī)模的不斷提升，規(guī)模增速將出現(xiàn)一定回落。到2026年，中國認知智能產(chǎn)品及服務(wù)市場將達202.7億元，三年復(fù)合增長率將達到55%左右的水平。
2、細分市場預(yù)測
2024-2026年，隨著認知智能優(yōu)勢的逐步顯現(xiàn)，企業(yè)用戶將對認知智能技術(shù)的接納程度會更高，將在認知智能平臺本地化部署或能力接入方面加大投入。到2026年，中國認知智能平臺市場規(guī)模將達45.9億元，三年復(fù)合增長率在61%左右，高于市場整體水平。而認知智能技術(shù)服務(wù)市場以行業(yè)應(yīng)用場景的升級和改造為驅(qū)動，未來仍將占據(jù)較大份額，預(yù)計到2026年市場規(guī)?？蛇_162.8億元。
(二)市場趨勢判斷
認知智能技術(shù)將繼續(xù)優(yōu)化升級。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，無疑對認知智能技術(shù)起到了強有力的推動作用，讓認知智能從理論向現(xiàn)實邁出了里程碑式的一步。未來，認知智能模型將深度融合認知科學(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，進而更加適應(yīng)復(fù)雜多變的環(huán)境。同時，可解釋性也將是認知智能技術(shù)進一步優(yōu)化的方向，涵蓋算法透明性和簡單性、表達的可解構(gòu)性、模型的可擔責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“機器學(xué)習+海量數(shù)據(jù)”的“野蠻”訓(xùn)練方式不同，認知智能主張行業(yè)知識、行業(yè)數(shù)據(jù)與認知算法的深度融合，依托三大要素讓機器實現(xiàn)自主的識別、推理和決策能力，強調(diào)輸入變量與輸出變量的邏輯學(xué)關(guān)系而非統(tǒng)計學(xué)關(guān)系，能實現(xiàn)更高的精確度和更強的魯棒性。在此前提下，預(yù)計未來將有越來越多的具備鮮明經(jīng)驗屬性、但可訓(xùn)練數(shù)據(jù)量小的行業(yè)投入到認知智能懷抱，推進工序流程、監(jiān)測監(jiān)管等環(huán)節(jié)的進一步優(yōu)化。屆時，認知智能產(chǎn)品及服務(wù)市場規(guī)模也將釋放出更大的發(fā)展空間。
認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)，從而限制用戶對認知智能技術(shù)的信任度;二是技術(shù)瓶頸問題，盡管技術(shù)仍在不斷進步，但在某些領(lǐng)域仍存在技術(shù)瓶頸，如大模型對話系統(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影響到后期的推廣與普及;三是人才短缺問題，認知智能更需要跨學(xué)科、跨領(lǐng)域的復(fù)合型人才，如計算機科學(xué)家、數(shù)據(jù)科學(xué)家、認知科學(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確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
