前言：

人工智能二十世紀七十年代以來被稱為世界三大尖端技術之一。人工智能是新一輪科技革命和產業(yè)變革的核心驅動力，在新基建的三大領域中，兩大領域都直接提及人工智能。

作者 ｜ 方文

在信息基礎設施領域，人工智能與云計算、區(qū)塊鏈一起被視為一種新技術基礎設施；而在融合基礎設施領域中，人工智能則被視為支撐傳統基礎設施轉型升級的重要工具。

人工智能新基建的本質不僅僅指向其自身的產業(yè)化發(fā)展，更是在實體經濟中尋找應用場景，賦能生產力升級，即作為重大應用基礎設施，推動各行業(yè)完成智能化轉型，實現新舊動能的轉換。

艾瑞咨詢測算，2019年人工智能賦能實體經濟產生的市場規(guī)模超過570億元。

人工智能的本質是進行生產力升級，因此評判人工智能技術是否有價值，要看其應用是否貼近生產核心。一般認為，人工智能分計算智能、感知智能和認知智能三個層次。

計算智能即快速計算、記憶和儲存的能力；感知智能即對自然界具象事物的識別與判斷能力；認知智能則為理解、分析等能力。

當前，數據標準化已經趨于成熟，以快速計算和存儲為目標的計算智能已基本實現；在機器學習和深度學習技術的推動下，以視聽覺等識別技術為目標的感知智能也突破了工業(yè)化紅線，實現了機器對自然界具象事物的判斷與識別。

知識圖譜是符號主義人工智能的代表，核心在于對多模、多源異構數據和多維復雜關系的高效處理與可視化展示，將社會生活與生產活動中難以用數學模型直接表示的關聯屬性，融合成一張以關系為紐帶的數據網絡。

通過對關系的挖掘與分析，能夠找到隱藏在行為之下的關聯，并進行直觀的展示�；�于知識圖譜的上述優(yōu)勢，適宜解決關系復雜的問題，如深度搜索、規(guī)范業(yè)務流程、規(guī)則和經驗性預測等相關研究課題。

連結主義中的深度學習算法是新一代人工智能的標志性技術，但深度學習有其局限性，側重解決影響因素較少、但計算高度復雜的問題，而不太適宜解決影響因素較多、且摻雜眾多非線性關系的問題。

通過與知識圖譜的配合使用，依托于行業(yè)知識與經驗的深度學習將產生更多貼近產業(yè)核心的認知智能應用，有助于覆蓋場景中大多數問題，形成完整的以“場景需求”為導向的人工智能解決方案，進一步實現生產力升級的終極目標。

知識圖譜逐漸成為人工智能又一熱點產業(yè)，2019年知識圖譜相關的融資金額較2018年增長超過200％，產業(yè)鏈已初具規(guī)模，互聯網公司、人工智能公司及大數據智能公司紛紛入局。2019年知識圖譜核心產品市場規(guī)模約65億元，預計2024年將突破200億元；2019年知識圖譜技術帶動經濟增長規(guī)模約391．8億元，預計2024年將突破1000億元。

以下是部分《2020年面向人工智能新基建的知識圖譜行業(yè)白皮書》內容：