技术层：AI智能的三个层次

在人工智能产业整个体系架构中，技术层建立在基础层之上，主要以基础层的运算平台和数据资源为依托，进行海量识别训练与机器学习建模，开发面向不同领域的应用技术，具体包括三个层次，分别是运算智能、感知智能和认知智能，如图4-3所示。

（1）运算智能

运算智能，指的是快速计算和记忆存储的能力。目前，与人工智能有关的各项技术呈现出发展失衡的特点。现阶段，在计算机领域，运算与存储能力取得了长足发展。以IBM的深蓝计算机战胜国际象棋冠军卡斯帕罗夫为标志，机器的强运算能力就已远超人类。经过几十年的发展，机器的强运算能力早已不是人类可以较量的。

图4-3　AI智能的三个层次

（2）感知智能

感知智能，即视觉、听觉、触觉等感知能力。人和动物都具备感知能力，可以通过感知能力与外界交互。但人的感知是被动进行的，机器却可以主动感知，例如自动驾驶会通过激光雷达等设备主动感知周边环境。所以，相较于人类来说，机器的感知能力更加强大，而且在各种新型感知设备与人工智能算法的辅助下，机器的感知智能越来越接近人类。

（3）认知智能

认知智能，即所谓的“强人工智能”。认知智能可以将人工智能与意识、感性、知识、自觉等人类特征联系在一起，具备理解、思考等能力。机器想要实现认知智能，不仅需要掌握大量常识性知识，而且需要模仿人的思维模式、知识结构进行言语理解与视觉场景分析，做出决策。

目前，国内的人工智能技术主要聚焦三大领域，分别是计算机视觉、自然语言处理和机器学习。计算机视觉领域的研究方向主要是动静态图像识别和人脸识别，受技术条件限制，动态监测与识别发展缓慢，静态图像识别与人脸识别已经开始落地应用，百度、旷视科技、格灵深瞳等企业是典型代表。

在自然语言处理方面，语音识别与语义识别是两个主要方向。其中，语音识别的关键在于积累大量样本数据，以保证识别的准确性。目前，国内很多语音识别技术商都在向平台化的方向发力，以不同的平台为依托，在各种软硬件设备与技术的支持下，不断提高识别的准确率。各企业的通用识别率基本维持在95%左右，区别主要在于对垂直领域的定制化开发方面。该领域的代表企业有科大讯飞、思必驰、云知声等。

在机器学习方面，目前，机器学习主要聚焦于算法，但深度神经网络、卷积神经网络及循环神经网络等主流算法都需要构建庞大的神经元体系，以及投入大量资金，所以主要是互联网巨头在该领域布局。因为各巨头公司所涉及的业务领域以及未来的战略布局有很大区别，所以其在机器学习领域布局的侧重点也表现出了明显的差异。各公司在研发基础算法的同时，也会关注机器学习在特定行业的应用。以京东为例，京东DNN实验室一直致力于神经网络算法的研究，并将研究成果应用于智能客服领域。