科技創(chuàng)新是一個國家提高綜合國力的關鍵支撐，是社會生產(chǎn)方式和生活方式變革進步的強大引領，誰牽住了科技創(chuàng)新的牛鼻子，誰走好了科技創(chuàng)新這步先手棋，誰就能占領先機、贏得優(yōu)勢。

7月1日至3日，2019年夏季達沃斯論壇在中國大連舉行，主題是“領導力4.0：第四次工業(yè)革命時代的成功之道”?？萍紕?chuàng)新，是該論壇最為重要的議題之一。引領時代、前瞻未來的科技領域，是觀察世界各國創(chuàng)新能力的重要窗口。目前，在材料及制造工藝、核心算法、芯片技術、航空發(fā)動機、新能源技術、地球探測、軟件系統(tǒng)、生物醫(yī)藥等領域，全球處于領軍位置的科學家及其團隊、大學科研院所、科技企業(yè)及其研究機構等“領跑天團”正爭先恐后、奮力前行。

《環(huán)球》雜志編輯部對這些關鍵科技領域的世界前沿水平進行梳理和介紹，旨在為中國實現(xiàn)科技創(chuàng)新強國夢提供一個可以參考的全球背景。

自2006年人工智能走出實驗室進入到產(chǎn)業(yè)化階段以來，在產(chǎn)業(yè)鏈各環(huán)節(jié)的不懈推動下，人工智能開始以前所未有的速度滲透進各個行業(yè)，并成為深刻改變人類生產(chǎn)生活方式的革命性力量。

2017年5月27日，中國棋手柯潔（左）在與“阿爾法圍棋”的第三場對局中思考自2006年人工智能走出實驗室進入到產(chǎn)業(yè)化階段以來，人工智能界在算法理論、基礎與平臺、應用技術、終端產(chǎn)品、行業(yè)應用以及未來探索領域涌現(xiàn)出了諸多領軍團隊，引領著人工智能的發(fā)展方向。

在此期間，人工智能界在算法理論、基礎與平臺、應用技術、終端產(chǎn)品、行業(yè)應用以及未來探索領域涌現(xiàn)出了諸多領軍團隊，引領著人工智能的發(fā)展方向。

算法理論

當前應用最廣泛的算法當屬于深度學習算法了。美國神經(jīng)網(wǎng)絡之父杰弗里·欣頓（Geoffrey Hinton）在2006年提出的深度學習算法，通過構建多隱層模型和海量訓練數(shù)據(jù)來學習更有用的特征，最終提升了分析和預測的準確性。

也正是深度學習算法與云計算、大數(shù)據(jù)的共同作用，才使得人工智能華麗蛻變，開啟了產(chǎn)業(yè)化的大門，成為了產(chǎn)業(yè)發(fā)展的新引擎。而為深度學習的產(chǎn)生與發(fā)展做出卓越貢獻的深度學習三駕馬車——欣頓、加拿大蒙特利爾大學教授約舒亞·本希奧（Yoshua Bengio）、紐約大學教授揚·萊坎（Yann Lecun）也深受企業(yè)界青睞，目前他們分別受雇于美國的頂級公司谷歌、微軟和臉書，并成為2018年的圖靈獎獲得者。

為進一步提高深度學習的效率和準確率，學術界一直在探索對深度學習算法的深化和改善研究。這一方面取得最大成績的當屬谷歌旗下的Deepmind公司，其AlphaGo由于采用深度強化學習算法而一路戰(zhàn)勝李世石、柯潔等一系列人類圍棋冠軍而聞名天下，后來推出的新版本AlphaZero甚至又戰(zhàn)勝了AlphaGo。

在信息非對稱的博弈中，卡耐基梅隆大學開發(fā)的人工智能Libratus在與4名人類頂尖得州撲克選手之間的“人機大戰(zhàn)”中也取得了壓倒性勝利。此外，比較知名的算法還有谷歌大腦研究科學家Ian Goodfellow提出的對抗式生成網(wǎng)絡、南京大學周志華教授提出的深度森林、新加坡南洋理工大學黃廣斌教授提出的超限學習機等。

《環(huán)球》雜志第13期“全球科技領跑天團”文章目錄

但是，隨著深度學習應用逐步深入，其不可解釋性與黑箱問題等也在近兩年逐步暴露出來。因此，一些傳統(tǒng)的機器學習算法重新受到重視，如1988年美國計算機科學家猶大·伯爾（Judea Pearl）提出的貝葉斯網(wǎng)絡、2012年谷歌提出的知識圖譜等。另外，還有一些新型算法，包括欣頓提出的膠囊網(wǎng)絡、谷歌大腦與Deepmind提出的圖網(wǎng)絡等。

基礎與平臺領域

在通用芯片設計方面，美國英偉達（NVIDIA）的Tesla等系列GPU、谷歌的TPU以及英特爾（Intel）的NNP等產(chǎn)品都屬于國際領先的云端芯片；三星、蘋果、高通等終端廠商也都有相應的終端芯片產(chǎn)品；中國的寒武紀在深度學習芯片設計方面也已經(jīng)達到國際先進水平。

在專用芯片設計方面，特斯拉2019年4月發(fā)布了自主研發(fā)的自動駕駛專用芯片以及CPU、GPU、ISP等一系列芯片，其完全自動駕駛計算機可以達到144TOPS的算力，但功耗僅為72W，并已搭載在目前新生產(chǎn)的特斯拉旗下車型中?？偛课挥诒本┑牡仄骄€機器人2017年底發(fā)布了面向智能駕駛的Journey 1.0和面向攝像頭的Sunrize1.0處理器。

2019年4月23日，特斯拉推出了自主研發(fā)設計的自動駕駛芯片——Tesla FSD

在半導體加工設備方面，超高精密儀器、數(shù)控機床、***等基本上被美國、日本、荷蘭等壟斷，包括美國的應用材料公司、日本的日立、荷蘭的阿斯麥（ASML）等。

在芯片生產(chǎn)方面，目前來自中國***的臺積電處于世界領先水平，它將于2020年開始5nm制程的量產(chǎn)，而且3nm制程的環(huán)境影響評價已獲通過，2nm制程計劃已經(jīng)制訂。

深度學習模型需要基于大量的數(shù)據(jù)進行訓練才能獲得較好的參數(shù)，因此國際上一些大型科研機構和企業(yè)非常重視數(shù)據(jù)集的建設。數(shù)據(jù)集建設的先驅當屬于美國斯坦福大學的華裔科學家李飛飛，她于2009年成功創(chuàng)建ImageNet數(shù)據(jù)集，并通過舉辦比賽等方式極大地促進了圖像識別算法的進步，使其分類精度達到了95%以上。

目前，比較知名的數(shù)據(jù)集包括美國國家標準研究院的Mugshot、谷歌的SVHN、微軟的MS COCO等圖像基礎數(shù)據(jù)集、斯坦福大學的SQuAD、卡耐基梅隆大學的Q/A Dataset、Salesforce的WikiText等自然語言數(shù)據(jù)集以及2000 HUB5 English、CHiME、TED-LIUM等語音數(shù)據(jù)集。另外，澳大利亞的數(shù)據(jù)集Kaggle橫跨多個領域，具有較強的綜合性，其影響力也正在逐年增強。

由于深度學習對算力有較高的需求，因此相繼出現(xiàn)了一些專門的計算框架和平臺，著名的框架包括谷歌的TensorFlow、加州大學伯克利分校的Caffe、微軟的CNTK、臉書的Torch、亞馬遜的MXNet等。其中，谷歌的TensorFlow能夠支持異構設備的分布式計算，其平臺API能力已經(jīng)覆蓋了CNN、RNN、LSTM等當前最流行的深度神經(jīng)網(wǎng)絡模型。

中國的百度公司也于2016年宣布了開源PaddlePaddle深度學習平臺，并于2019年4月發(fā)布了10余項新特性及服務，覆蓋深度學習開發(fā)、訓練、預測環(huán)節(jié)。

開發(fā)語言和工具涉及腳本語言、開發(fā)平臺以及芯片設計工具等。

由荷蘭的吉多·范羅蘇姆（Guido van Rossum）于1990年代初開發(fā)出來的腳本語言Python語言已經(jīng)成為廣受歡迎、用途廣泛的AI開發(fā)語言。微軟在其Build 2019開發(fā)者會議上宣布在Visual Studio 2019中默認包含IntelliCode。谷歌于2018年發(fā)布了AutoML，大大降低了人工智能開發(fā)者的門檻，目前已經(jīng)能夠支持圖像、翻譯、視頻和自然語言處理等多個領域。

2019年4月11日，谷歌云推出端到端的人工智能平臺

谷歌還推出一個名為AI Platform的人工智能訓練平臺，為人工智能研究人員的團隊測試、培訓以及部署模型提供了一個共享型端到端環(huán)境。

在智能化芯片設計工具方面，由于高集成度、高速度、高性能、高功效等要求，電子設計自動化（EDA）已經(jīng)成為必不可少的工具。自1978年Calma公司發(fā)布GDS-II以來，EDA市場經(jīng)過激烈的競爭，目前已經(jīng)形成了Cadence、Synopsys、Mentor Graphics三足鼎立的局面。

應用技術領域

語音識別與自然語言處理領域的先驅當屬于IBM，其ViaVoice早在1970年就已經(jīng)引起了廣泛關注。但語音識別能夠開啟產(chǎn)業(yè)化大門還要歸功于本希奧開創(chuàng)了深度神經(jīng)網(wǎng)絡做語音識別的先河。

此后，IBM Watson在2011年贏得了《Jeopardy！》答題秀，Nuance公司的語音識別技術也成為了蘋果公司Siri產(chǎn)品的核心。谷歌在2018年10月推出的BERT模型，在機器閱讀理解頂級水平測試SQuAD1.1中取得了驚人的成績，全部兩個衡量指標全面超越人類，并且還在11種不同的NLP測試中創(chuàng)出最佳成績。

中國在語音識別與自然語言處理領域也取得了較好的成績，科大訊飛在國際權威大賽中繼續(xù)保持領頭羊位置。

2018年1月，科大訊飛在業(yè)界權威的斯坦福SQuAD評測中第三次獲得世界第一名，其融合式層疊注意力系統(tǒng)也是全球首個模糊準確率超過89%的系統(tǒng)。隨后，在第十二屆國際語義評測比賽（SemEval2018）中，哈工大訊飛聯(lián)合實驗室獲得了機器閱讀理解評測任務第一名。

另外，科大訊飛還獲得了首個美國CES展“2017年度優(yōu)秀人工智能產(chǎn)業(yè)領導者”獎，在第五屆國際多通道語音分離和識別大賽（CHiME-5）中再次包攬了大賽中單麥克風陣列任務、分布式麥克風陣列任務和兩種麥克風陣列對應的兩個端到端的語音識別任務等全部四個項目的冠軍。

此外，搜狗公司在智能語音方面的成長速度也很驚人。在國際口語機器翻譯評測比賽IWSLT2018評測比賽中，搜狗與訊飛分別奪得了baseline模型和端到端模型的冠軍。

近些年來，影響較大的學術領軍人物基本上都是來自于圖像識別領域。欣頓由于其深度學習算法在當屆ImageNet競賽中取得壓倒性勝利，而使得人工智能進入到深度學習時代；萊坎提出的以LeNet為代表的卷積神經(jīng)網(wǎng)絡應用到各種不同的圖像識別任務時都取得了不錯效果；吳恩達供職于谷歌時負責的項目借助模擬神經(jīng)網(wǎng)絡“DistBelief”，在沒有人幫助的情況下使機器自己讀懂了貓的概念。

中國企業(yè)在圖像與視頻識別領域也取得了令人矚目的成績。

何凱明、孫劍等提出的ResNet模型在ImageNet 2015競賽中以96.43%的準確率首次全面超過人眼94.9%的準確率；?？低?/u>在ImageNet 2016競賽中獲得了多項第一名。