2018年，国内人工智能、大数据产业持续飞速发展，随着国家规划的出台，各地人工智能相关建设将逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，增长率达到26.2%。
党的十八大以来，把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能重要性，为人工智能如何赋能新时代指明方向。
一、 人工智能与实体经济深度融合
1、 制造业
作为中国未来十年制造强国战略行动纲领，《中国制造2025》已经为中国智能制造政策制定奠定基础。2016年年底，工信部、财政部发布《智能制造发展规划(2016-2020年)》，提出智能制造发展“两步走”战略：到2020年，智能制造发展基础和支撑能力明显增强，传统制造业重点领域基本实现数字化制造;到2025年，智能制造支撑体系基本建立，重点产业初步实现智能转型。
当前，我国正在大力发展工业4.0，推动制造业的数字化升级。大规模的制造业基础，为推进工业4.0、发展数字经济提供了独一无二的试验、推广环境。其中，以红领、海尔、三一重工、宝钢、长安汽车为代表的一批创新性工业企业，在探索数字化转型方面取得了显着成效。例如三一重工通过腾讯云把分布在全球各地的30万台设备连接起来，能够实时采集近1万个运行参数。基于云计算和大数据，三一重工能够远程管理设备群的运行状况，不仅实现了故障维修2小时内到现场、24小时内完成，还大大减轻了库存压力。
在今年于南京举行的2018世界智能制造大会上，工业和信息化部党组成员、副部长辛国斌指出了近年来中国智能制造发展取得的积极成效：
一是推进体系初步形成，央地联动，确立了中国制造业数字化、网络化、智能化并行推进的发展路径;
二是关键领域实现突破，一批技术装备、工业软件填补空白，初步建立起智能制造标准、工业互联网体系架构;
三是试点示范成效明显，国家层面实施了305个试点示范项目，生产效率平均提高近30%，同时形成了一批新模式推广到相关行业;
四是开放合作不断拓展，在标准体系架构、标准路线图制定、标准互认、产业园区和培训基地建设等方面开展了务实合作。
2、 农业
2018年9月，农业农村部印发《乡村振兴科技支撑行动实施方案》，其实施重点之一就是加强基础前沿技术研究：围绕农作物高效育种、有害生物长效绿色防控、农业资源高效利用、农产品质量安全控制、主要畜禽全基因组选择育种技术、农业合成生物技术、农业大数据整合技术、农业纳米技术、农业人工智能技术、智能装备研制等创新能力带动作用强，研究基础和人才储备较好的战略性、前瞻性重大科学和前沿技术问题，强化以原始创新和系统布局为特点的大科学研究组织模式，部署基础研究重点方向，实现重大科学突破，抢占世界科学发展制高点。
目前，AI技术在农业领域已有多个方面的应用，比如可以利用人工神经网络技术分析土壤性质特征，并将其与宜栽作物品种间建立关联模型，从而精准地判断出相应的土壤适合宜栽的农作物，提高农作物的生产效率和经济效益。A I技术还可以帮助农民选择合适的水源、合适的肥料对农作物进行灌溉，施肥，保证农作物的用水量、施肥量，大大减轻灌溉问题对农作物产量造成的不良影响。此外，AI机器人能够代替人工采摘搬运工作。这种机器人手爪已实现快速、准确地搬运各种形状的农产品、且不损坏任何一个产品的功能，有效避免了传统手工摘取方法导致的时间问题和意外抓伤、损坏的风险。
同时，AI赋能养殖业，能够最大规模进行养殖，提供最精准的数据，做到最高效，最精准计算，最省时省力。今年2月，特驱集团与阿里云达成合作，签署AI农业战略合作协议，双方将对ET大脑进行针对性训练与研发，最终实现AI养猪。AI养猪可以通过智能传感器和数据分析技术，帮助养殖集团监控每一只猪的活动，实时记录它们的健康状况。在智能养猪场，每头猪从出生之日起就有自己的档案，视频图像分析技术可以记录猪的体重，进食情况、运动强度、频率和轨迹。人工智能还可以通过红外线测温技术和语音识别技术，监测猪的体温和咳嗽的声音，一旦有异常，可及时作出疫病预警。
不过，虽然AI在引领农业的发展中有着重要的作用，但AI应用于农业技术还处于基础阶段。对于AI在农作物的发展，还需要去不断的技术指导和相关知识的普及。
3、 医疗
早在2016年，国务院印发的《关于促进和规范健康医疗大数据应用发展的指导意见》就指出健康医疗大数据是国家重要的基础性战略资源，健康医疗大数据应用发展将带来健康医疗模式的深刻变化。为落实国家战略部署，在原卫计委的牵头下，国有资本主导的三大健康医疗大数据集团，即中国健康医疗大数据产业发展有限公司、中国健康医疗大数据科技发展集团公司、中国健康医疗大数据股份有限公司先后成立，“1+7+X”的健康医疗大数据规划，即1个国家数据中心、7个区域数据中心、X个应用发展中心正在逐步成型。
人工智能在医疗诊断领域的应用主要有两个方向，一是基于计算机视觉通过医学影像诊断疾病;二是基于自然语言处理，“听懂”患者对症状的描述，然后根据疾病数据库里的内容进行对比和深度学习诊断疾病。一些公司已经开始尝试基于海量数据和机器学习为病患量身定制诊疗方案。人工智能将加速医疗保健向医疗预防转变。充分理解AI如何应用到各个医疗场景将对未来的人类健康福祉有重要的意义。目前，中国健康医疗大数据产业发展迅猛，产业细分应用涵盖行业治理、临床科研、公共卫生、惠民服务、产业发展等领域。
学界业界也有大量医疗方向的合作，以促进智慧医疗的发展。如清华大学长期以来不断探索建立跨领域协作创新平台，多渠道并举促进学科融合发展，同时引领性地提出了“医工结合”的理念，强调坚持推进项目建设，集中部署创立重要交叉平台。在此背景下，2017年由董家鸿院士领衔，清华大学临床医学院、软件学院、数据科学研究院、交叉信息研究院以及北京清华长庚医院等多家校内机构共同建设了“医工科研数据平台”，从医生科研问题和需求出发，充分发挥并融合理工科优势，形成医工联合、互助创新的新型科研平台，可服务于散落在医生和老师之间的需求及合作，可引领一批具有新思路、新技术、新模式的课题乃至成果产生。旨在全力推动医疗大数据与人工智能技术深度融合的科研创新，服务校内各院系健康医疗大数据的科研需求。
为了支持该平台的健康发展，“医工结合科研创新支持计划”也于此次会议中同期发布，该计划致力于对于清华大学工程技术的老师和北京清华长庚医院的医生结队合作的课题，给予前期资助支持。
除了制造业、农业、医疗，近年来我国人工智能已赋能交通、教育、服务、零售、金融等多个场景，并取得相当成果。比如在金融领域，2016年商业银行全面部署大数据基础设施，五大国有银行、股份制、城商行和农商行已经逐步开始了从传统数据仓库架构向大数据平台架构的转型改造过程，基于大数据风控的“秒贷”业务越来越普及，不仅提升了贷款效率，还扩大的普惠金融的覆盖面。
在电信领域，中国电信的大数据平台已经扩展到31个省，汇聚了全国的基础数据形成了“天翼大数据”服务能力;中国联通也实现了数据整合，大数据产品体系已经推出征信、指数、营销等六大产品种类。
而不久前重庆市经信委发布的“2018年重庆市人工智能与实体经济深度融合十大成果”，其项目涉及医疗、自动驾驶、药品交易、居家养老服务、燃气安全监控和社区安全防控等领域，涵盖智能产品、行业应用和支撑体系3大方向，包括长安汽车自动驾驶关键技术研究及产业化应用、云从科技集成生物识别系统等都榜上有名。目前，这些案例均已在重庆验证成功，具备可复制的商业或运营模式，有较强的推广价值。
二、 人工智能助力社会治理
2018年10月31日，中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。学习会议强调：要加强人工智能同社会治理的结合，开发适用于政府服务和决策的人工智能系统，加强政务信息资源整合和公共需求精准预测，推进智慧城市建设。促进人工智能在公共安全领域的深度应用，加强生态领域人工智能运用，运用人工智能提高公共服务和社会治理水平。
在国内，人工智能在社会治理方面的应用主要分为三个阶段：
技术导向的1.0阶段，即政府同相关企业合作，借助于人工智能手段，向公众提供基本公共服务，公众则通过人工智能平台向政府反馈服务情况，由此实现服务的无缝隙和规范化。
统合主义的2.0阶段，即政府与企业合作运作的人工智能平台在积累了一定的知识库之后，可以主动向社会公众提供个性化的公共服务，而政府作为公共服务的责任主体，则通过与技术公司合作的方式，将技术与社会公众需求统合起来，实现治理的统合效应。例如2016年10月，杭州市政府联合阿里云建设杭州城市数据大脑。城市大脑的核心是阿里云ET人工智能技术，它可以对整个城市进行全局实时分析，自动调配公共资源，修正城市运行中的问题。在阿里云ET城市大脑的帮助下，杭州可以说已经被打造为智慧城市样本，并随着大脑升级到2.0版本，杭州变得更加智能。
价值引导的3.0阶段，即人工智能发挥到超强水平之后，政府已经探索出一条治理和技术有效结合的新路径，政府可以通过开放式治理，发挥治理的价值引导和问责监督作用，让人工智能在社会治理和公共服务中选择“自主创业”，实现高度自治式治理。
2010年以来，智慧城市迅速成为我国各城市的建设热潮。至今，智慧城市建设开始步入落地阶段，一些发展理念已经开始逐步实现。党的十九大上第一次明确提出“智慧社会”的概念，其基础是利用互联网和大数据，加快开放共享，推动资源整合，提升治理能力，推动人们的衣食住行等生活方式向智慧互联演变，是对智慧城市建设的升级要求。“智慧社会”概念的提出，标志着中国智慧城市的建设工作进入新时代，体现了人民群众对美好生活的具体要求。
三、加强人才培养力度，支持基础理论研究
在当前国内人工智能行业人才紧缺、缺少重大原创科研成果、人工智能顶尖人才远远不能满足需求的情况下，我国开始在研发费用和研发人员规模上的持续投入，加大基础学科的人才培养，尤其是算法和算力领域。
2018年4月，教育部印发《高等学校人工智能创新行动计划》，提出支持高校在计算机科学与技术学科设置人工智能学科方向，完善人工智能的学科体系，推动人工智能领域一级学科建设;形成“人工智能+X”复合专业培养新模式，到2020年建设100个“人工智能+X”复合特色专业，建立50家人工智能学院、研究院或交叉研究中心。
教育部科学技术司司长雷朝滋介绍布局《行动计划》的情况：在2018年认定的首批612个“新工科”研究与实践项目中，布局建设了57个人工智能类项目;截至2017年12月，全国共有71所高校围绕人工智能领域设置了86个二级学科或交叉学科。
为进一步推进“人工智能”学科建设，教育部成立人工智能科技创新咨询专家组，为高校人工智能发展提供咨询和建议;深入论证人工智能学科内涵，推进人工智能领域一级学科建设，并尽快提出增加人工智能领域研究生招生指标的方案，科学合理、稳步有序地扩大人才培养规模。
在高校学科专业设置方面，鼓励有条件的高校在充分论证的基础上建立人工智能学院、人工智能研究院或人工智能交叉研究中心，多种方式开展高层次人才培养;鼓励高校对照国家和区域产业需求布点人工智能相关专业、设立相关二级学科或交叉学科，积极推动科教结合、产教融合协同育人的模式创新。
清华大学作为全国第一批成立大数据研究机构的高等学府，成立了数据科学研究院，近年来数据科学研究院与研究生院共同设计组织实施了以大数据能力提升项目为主的大数据人才培养体系，重点培养具有大数据思维和应用创新的“π”型人才。该项目配备了高水平的校内外导师队伍，其中包括40余位来自清华校内不同院系的大数据技术与应用领域的院士、教授及专家学者，为学生提供权威的学术和技术指导。同时，还包括20余位自国内外大数据领域知名企业和政府部门的行业专家，他们为大数据人才培养提供丰富的行业和实践经验指导。
不同于传统的教学模式，该项目中穿插实践课程，让学生接触真实的数据，解决实际需求。学生结合自己学科背景和兴趣点，交叉混合组队，实践项目涉及经济金融、交通、工业、法律、医疗、营销、公共管理等多个行业。有扎实的学术基础，兼具真实数据历练，这样的数据人才自然成为了企业的优先选择。
同时，教育部支持高校在“双一流”建设中加大对人工智能领域相关学科的投入;支持高校通过中央高校基本科研业务费，加强对从事基础性研究、公益性研究的拔尖人才和优秀创新团队的稳定支持。
在全球一体化的今天，我们应该摒弃冷战思维和强权政治，共同推动全球数字化发展，构建可持续的数字世界，才能让互联网发展成果更好造福世界各国人民。
