​

伴隨全球數字化進程加快，人工智能技術與產業(yè)融合程度逐漸加深，“能思考，會判斷”的認知智能技術逐步應用于智能客服、智能推薦、智能營銷、智能分析等諸多場景，不斷釋放產業(yè)應用價值。

近期，華院計算技術（上海）股份有限公司（下稱“華院計算”）與中國信息通信研究院聯合發(fā)布國內首份《認知智能技術和應用研究報告》（下稱“報告”）指出，人工智能數據、算法和算力的快速發(fā)展，推動著認知智能的創(chuàng)新發(fā)展與應用落地。

華院計算創(chuàng)始人、董事長宣曉華表示，近幾年華院計算一直大力持續(xù)投入認知智能研發(fā)，尤其在認知智能的自主算法創(chuàng)新、場景應用等方面，致力于將研究成果轉化為現實生產力。而近期ChatGPT的熱潮也推動了認知智能的研究。華院積極嘗試將大數據驅動的通用大模型和以知識驅動的面向垂直行業(yè)的小數據模型進行融合，以更好地解決實際應用問題。

人工智能邁入“認知智能”新階段

就人工智能而言，業(yè)界一般將其分為三個階段：計算智能、感知智能和認知智能。認知智能是目前的最高階段，要求機器在面對思考、推薦、決策、聯想等復雜“認知”問題時，機器或系統(tǒng)能理解會思考，這是人工智能領域正在努力的目標。

因此，面對應用場景中理解、推薦、預測、交互等各類認知需求，以知識和數據共同驅動的認知能力尤為重要。這涉及到一系列核心技術，如多模態(tài)學習（Multimodal Learning）通過從數據中提取信息，提高機器的理解能力；知識數據融合、知識表示與理解、認知規(guī)劃和決策是認知推理的核心技術鏈；情感計算、生成式人工智能等核心技術可提升機器對多維度信息的理解能力，進一步優(yōu)化人機交互體驗，提升機器想象力與創(chuàng)造力。

報告指出，業(yè)界在認知智能核心技術上不斷取得突破。越來越多的研究機構、學者、企業(yè)開始關注認知智能理論研究和技術落地，認知智能產業(yè)應用前景廣闊。

以多模態(tài)學習為例，利用多模態(tài)數據之間的互補性，可學習到更好的特征表示，進一步提高機器對復雜場景的認知能力。該技術目前主要用于自然語言處理、計算機視覺、語音識別等任務，以及視頻片段檢索、圖像描述生成、情感分析等場景。

還有，近期迅猛發(fā)展的生成式人工智能（AIGC），因其具有強大的創(chuàng)造力和推理能力，對進一步提高認知智能應用價值具有巨大的潛力。AIGC通過學習數據集中的規(guī)律和模式，能夠創(chuàng)造、發(fā)現和實現規(guī)律，從而實現對復雜問題的快速理解和創(chuàng)造性解決方案的生成。

認知智能加速工業(yè)制造智能轉型

近年來，技術的發(fā)展推動著數字化轉型不斷演進，智能制造、智能決策、智能營銷等應用在制造、教育、金融等行業(yè)進一步落地。認知智能成為智能化的重要推動力。

報告認為，在制造業(yè)，認知智能已滲透到產品設計、生產規(guī)劃、生產實施、生產交付等環(huán)節(jié)，為制造業(yè)數字化轉型提供了更為廣闊的空間。

在產品設計環(huán)節(jié)，認知智能可實現基于知識的快速方案設計。工業(yè)設計由于具有一定的技術門檻，要求設計師具備專業(yè)知識和豐富的經驗。認知智能可通過學習和掌握設計規(guī)律和趨勢，從而生成更合理的設計方案，同時，智能化設計更有利于方案的快速迭代。

在生產規(guī)劃環(huán)節(jié)，認知智能可將專家經驗與投產數據融合分析，優(yōu)化生產資源分配，促進綠色生產。在煤焦鋼產業(yè)，配煤制定一方面需要綜合考慮生產安全及成本控制，另一方面高度依賴配煤師經驗。認知智能可融合專家經驗，結合分析資源與生產數據，實現生產資源優(yōu)化。

此外，在生產實施環(huán)節(jié)，認知智能可在設備維護、質量檢測中起到重要的預警及監(jiān)督作用。如質量檢測中，利用視覺計算及認知分析，在精密產品上以遠超人類的視覺能力發(fā)現微小缺陷，并通過認知模型做出風險預測提示和可修復評估建議。

在生產交付環(huán)節(jié)，認知智能可在物流倉儲、營銷推薦、售前售后等場景，通過數據打通和流轉，提供整體交付方案。

華院計算：以“1+X”模式聚焦產業(yè)應用

華院計算成立于2002年，從計算智能、感知智能到認知智能，專注于智能引擎技術研究和開發(fā)，以“1+X”模式，即核心算法引擎和基于該引擎的PaaS/SaaS服務模式聚焦于社會治理、智能制造、零售金融和數字文旅等領域的產業(yè)應用。

在智能制造，基于對工業(yè)生產場景的深度理解，華院計算以自研算法為基礎，與鋼鐵冶煉、軋制、配煤煉焦等生產工藝相結合，開發(fā)了一系列安全生產監(jiān)控、智能配煤、風險管理等深度應用與標準化解決方案，幫助企業(yè)降本增效提質。

某鋼廠的一個主要產品是熱軋帶鋼，厚度僅幾毫米，但長度達上千米，其表檢設備的準確率只有70%。經分析，目前所用的缺陷檢測的算法、機器學習方法等，沒有考慮到整卷帶鋼的加工過程、長度的缺陷分布等情況——這是一種“知識”的缺失�；�于華院計算的認知智能引擎，以及包括工藝參數、化學成份、工人經驗等知識，構建了區(qū)域檢測的模型，使檢出率達到90%。

針對配煤煉焦，華院計算“智能化配煤系統(tǒng)”以偏態(tài)學習算法結合煉焦煤資源數據，推薦配煤方案，在保持焦炭質量穩(wěn)定及生產能效基礎上，不斷優(yōu)化焦煤配比，同時，將焦炭質量預測的誤差控制在焦化廠可接受的小波動率內，防止因誤差變化頻率較大而造成的生產風險。

數據顯示，2022年全球認知智能市場規(guī)模達到326億美元，未來10年將保持22%的年復合增長率，預計2032年市場總規(guī)模將達到2381億美元。根據愛分析的數據，2023年在國內認知智能市場規(guī)模為418.4億元，同比增長48.5%，預計未來兩年的增長率將超50%。

認知智能步入發(fā)展快車道。一方面，國內外企業(yè)不斷布局認知智能產品服務和解決方案，探索落地路徑，在服務方式和應用場景方面尋求突破；另一方面，大模型應用熱潮又為其注入一股新能量，進一步擴張認知智能應用潛力和價值邊界——一個新的智能化時期已經來臨。（馬永和）