“有意识的机器终将会出现的。”牛津大学计算机系主任 Michael Wooldridge 教授说，“我正在做的研究，是让机器作为智能体通过自然语言更理解人类，从而让机器和机器之间可以智能化的沟通协作。这可能会比让机器与人之间相互理解沟通更具有实际意义。”这也正契合了他在远景科技集团以“机器社交”为核心的创新日上的演讲主题“多智能体系统迈向机器社交网络时代”。

　　在人工智能、物联网、云服务，以及边缘计算等多种新兴技术相融合的背景下，“迈向机器社交网络时代”已经成为工业发展道路上一种不可抗拒的趋势。人们已经看到了人工智能等技术正在不断地改变从能源、工业到城市的各个场景：被谷歌收购的人工智能明星公司 DeepMind 早在2016年就曾通过深层神经网络预测谷歌数据中心潜在行为对未来的能源消耗的影响，可以减少数据中心冷却耗能的40%；同样是利用机器反馈的数据应用于机器效率提高，今年 奔跑在不同赛道上的人工智能技术和传统产业，正在以前所未有的速度加速融合，迸发出新的活力。2019中国怀仁二次元经济与人工智能峰会向与会者展示了人工智能的技术变革，以及创新如何刷新着人们对世界的认知和体验。

　　一个共识是，人工智能的迅速发展正深刻改变着人类社会，并逐渐成为经济发展的新引擎。医疗、安防、制造、交通、城市管理等各个传统行业都因AI而不同，AI为传统产业带来了全新的发展机遇与挑战。

　　AI让生活更舒适、便捷、高效

　　人工智能在各行各业的应用正加速铺开。看喜剧，不笑不付费，这种有趣的付费模式因为人工智能技术而成为可能。西班牙一家喜剧俱乐部已经试水这种人工智能系统，他们在座位后面安装上人脸识别装置，用大数据来记录并计算。观众笑一次记一次费，不笑不付钱，如果从头笑到尾，最高的票价是24欧元。

　　北京大学访问教授、未来地图人工智能商业化实验室联合创始人吴霁虹在开场白中，展开了一个特别的人工智能应用场景。看似简单的场景背后，至少有7种商业模式的变革，包括订票方式、入场验票流程、商家定价策略、客户支付方式、剧目创作方式、政府税收以及消费者的消费品质等。

　　吴霁虹用这样生动的例子说明，人工智能技术能给生活带来的好处，归根到底在于人工智能能不能解决真实的问题、有没有效果，她认为，人工智能的应用就是要让人们的生活变得更高效。

　　清华大学教授、中国人工智能学会副理事长马少平，在梳理了人工智能的发展历程后表示，人工智能仍处于起步阶段。他用飞机的发展进程来做比喻“人工智能还处于莱特兄弟时代，虽然能飞了，但离喷气式飞机还很远”。从莱特兄弟的飞机到喷气式飞机，一个重要的里程碑就是空气动力学的出现，“现在，我们人工智能理论的发展还缺少‘空气动力学’，还需要大家共同探讨。”

　　很多人已经在人工智能技术快速发展的进程中，进行着技术改变生活的各种探索。中国科学院自动化研究所副所长、研究员刘成林谈到，模式识别是人工智能领域非常重要的方向，也是迄今为止应用最为成功的方向。模式识别在视频监控、身份识别、行为监控、交通监控、航空遥感图像、医学图像等领域都有非常广泛的应用。

　　尽管现在人工智能还不能实现完全自动识别，但刘成林相信，未来其性能和精度会越来越高，在可解释性、理解能力、可泛化性、自适应性等方面都会越来越强，“到那时，人和机器的交互会更加自然、更加平稳。”刘成林说。

　　阿里巴巴人工智能实验室生态合作部总经理贾伟以“指尖购物”为例，来介绍AI应用带来的神奇变化。手机的背后是一个一个不同的人，他们关注的、收藏的信息各不相同，通过AI识别，每个人会获得完全不同的推荐产品。他谈到去年“双11”2000多亿元成交额的背后，其实并不是商业本身的变化，而是计算能力和数据化能力的巨大提升，“一秒钟同时有3000万笔订单成交，如果没有AI，所有的订单、开票、支付、物流都无法实现。”他相信，AI能产生更大的产业价值。

　　未来人类将成为AI合伙人

　　人工智能正在推动各行各业的进步，从技术能力到全领域解决方案落地，AI赋能产业，为更多企业创造新的发展机遇。中小企业融资难的发展痛点，正在被技术破解。“以往，中小企业若申请银行贷款，哪怕是5万元到10万元的小额贷款，也需要提交很多材料来证明其信用。”贾伟说，如今阿里为一个小卖家提供一笔担保、一笔贷款，大概平均要多长时间呢？3秒！其实这背后就是通过AI的计算能力来做的行业应用。

　　同样的，在传统的农业领域，人工智能正在彻底改变着千百年来靠天吃饭的农耕模式，通过传感器传递出的各种信息数据，生产者可以坐在办公室监控农业生产状况，AI可以在合适的时间给农作物提供合适的光照、水分等。

　　“我们面临的一个很大的问题是优质资源稀缺。我们缺好的老师、好的医生、好的律师等。”科大讯飞国际合作部总经理张武旭说，他们正在通过AI手段，让更多普通人分享到AI的红利。在教育领域，技术专家提供了“教、学、考、评、管”全流程的解决方案，通过知识图谱和大数据分析，精确定位每一个学生在每个阶段的知识点分布，能够有效推送他们比较不擅长的题目，进行拓展训练等，快速提高学习效率。

　　“无论你愿不愿意，人工智能发展势不可挡。”吴霁虹说，未来人类必然会成为AI的合伙人，即人机融合。对于一个城市而言，就是要在AI的撬动下建立起一个要素齐全、更加开放协同的生态系统。张武旭也认为，人机耦合代表人工智能的发展方向，“这是我们能够通过自己的认知努力创造的美好未来，没有什么可以阻挡我们用人工智能建设美好世界的愿望。”2月DeepMind 宣布最新产业应用，可通过机器学习分析气象和实地测量数据，提供 36 小时后的风力预测，解决风电发电因风力、风速、地形等因素造成的发电不稳定、不可预测的情况，机器自主学习与反馈的机制，正在深度变革行业的生产方式。

　　10月22日，远景科技集团CEO张雷在其技术创新日上表示：“机器网络会是最大的人工智能体，新机器，意味着机器与机器之间通过机器网络操作系统进行社交，算法的自我演变将超越想象。这样一来，‘机器红利’将得到最大程度的释放。”

　　机器的从旧到新，不仅意味着智能化从个体演变至群体，从固定程序发展至迭代算法；更为深远的，还会推动产业转变为可持续发展的长远模式。

　　“机器进化”的两次飞跃

　　著名控制论学者托马斯瑞德曾在其著作《机器崛起》中提到两次机器进化的飞跃第一次是“基于机器通信的机器自动化”，第二次是“基于人工智能的知识自动化”。

　　从20世纪50年代开始，自动化还是科技进步的通用术语，此后的短短十年，计算机变得更加强大，自动化在工厂中得到逐步推广。

　　随着庞大的自动化系统需要连通性，机器通信至关重要。贝尔实验室研发了调制解调器，这些终端能够实现数字化数据和模拟波的互相转换，这意味着数据可以使用音频宽带的电话线路进行传送。随着贝尔实验室和IBM等行业巨头的不懈努力，数据传输速率和稳定性不断提升，机器通信的雏形逐渐形成。

　　最初，控制论学者们借助大脑思维的方式来理解机器；随后，这一主流方式发生了改变，人们开始希望机器一样可以理解自己本身，期待通过改编机器“内置的成功机制”，来“自动地在正确的方向上引导自己实现既定目标”，这一想法极大促进了“机器进化的第二次飞跃”，即人工智能的研究。1956年，在里程碑式的达特茅斯人工智能研讨会上，控制论学者约翰麦卡锡曾将人工智能解释为AI=Automation of Intelligence（智能的自动化），这也解释了从工程的角度看，人工智能的实质就是知识的自动化，与传统机器控制论思想一脉相承。

　　“新与旧，在文字上更多感觉是在谈时间变化，其实今天要表现出的，是机器在不断进化。”远景能源首席技术官王晓宇博士说。作为最先给远景带来“机器网络”认知的智能风机，经过十几年发展，逐步实现从智能风机到“超感知”风机的进化。

　　从最开始推出的部署多个传感器，“软件定义硬件”的智能风机，到如今基于机器进化系统，实现自身行为洞察与机群协同的“超感知风机”，可以说，远景智能风机的发展，验证了托马斯瑞德关于两次机器进化的理论。

　　风机的进化从传统的“传感”到现在的“超感知”，一方面是得益于边缘计算的出现。边缘可以解决工业互联网中车间现场里的大量异构设备和网络带来的复杂性问题。在一些工业控制的场景下，计算处理的延时要求在10ms以内。如果数据分析和控制逻辑全部在云端实现，则难以满足实时性要求。远景“超感知”智能风机，以机/站等边缘端为健康监测与智能运行中心，让云端成为算法研发与应用开发中心，换言之就是将云端的分析方法“应用软件化”，让每台风机可以迅速知道自己不同子系统之间的健康程度，而不是等故障出现时才通过云端发出警报。

　　另一方面是为风机搭建数学模型。

　　王晓宇介绍说：“远景超感知风机技术是将提供机理信息的数学模型和提供环境状态的传感信息结合，从而达成了风机对自身运行行为的洞察。这种洞察包括状态感知和趋势感知，这是远景超感知智能技术的本质优势。状态感知体现在故障监测的价值，趋势感知则体现在健康预防和主动在线干预；这两种感知在通过网络智能技术与风机、机群智能运行策略结合，就会使风电资产的智能化演进随着信息维度发生持续的进化。”

　　经由强化学习算法的大量数据训练，模拟风机的真实运行场景，并将精确计算出的数字模型赋予风机，从而将风机与风场的Digital Twin（数字孪生）植入到现实运行之中；同时不断获得风机现实运行中的真实数据，并反哺至数字模型中，带来风机DNA的持续优化升级，最终实现了风机的自学习、自进化，全面感知风机健康与性能，以实现各部件间、各机组间动态运行优化。实现风电场全生命期的高质量运行与资产增值。

　　机器网络协同下的落地场景

　　当风机拥有了自学习、自进化的能力时，结合5G、云，以及边缘计算等新兴技术，实现机器数据的开放和统一并建立机器间的沟通机制，将改变工业厂房中“哑巴设备”的现状，并最终让机器从智能进而实现“社交”迈出重要一步。而形成一个有效的“机器网络”离不开一个可靠的操作系统。

　　如同PC时代的 Windows、移动时代的Android，远景智能物联操作系统EnOS也在打造属于物联网时代的操作系统。通过开放的智能物联操作系统，首先需要让不同类型的机器快速接入，并在数字世界交流协作。与此同时，对于各垂直领域来说，该操作系统拥有沉淀业务积累的最佳实践，进而可以根据不同场景来驱动人工智能算法与行业应用。将数据、系统与应用连接到统一的操作系统上，由此可以更灵活、稳定地实现机器协同。目前，通过EnOS构建的 “智能机器的社交网络”，已经可以让100GW的6000万个风电、光伏面板、储能、充电桩、电动汽车等设备及传感器实时智能协同。

　　在业务布局上，远景科技集团在现场还展示了其对“新电池”的发展计划，将能源消费侧纳入其构建的“机器网络”当中。他们认为“作为机器的动态能量载体，电池不再是碎片化能源系统中的挑战者，而是具备各种场景辨识能力，实现能量在不同网络层间协同的赋能者。”

　　远景AESC中国区总裁赵卫军解释：“电池比风机多了一个属性，就是移动性。电池不仅仅跟车互动，还随着车辆移动在不同场景中与其中的机器产生联系，包括不同的楼宇、社区、道路、城市、在不同的气候条件下记录着变化。在发生变化越多的场景下，电池跟这个场景中的机器之间社交越多，得到的感知信息越多，越来越能够做到价值最大化。这是我们理解网络智能带给电池一种崭新的、多元的价值变现。”

　　随着电动汽车数量的增加,无疑会加剧用电负荷、扩大峰谷差,给电网安全带来挑战，而通过电动汽车与楼宇储能、充电桩的相互协同，将能有效解决楼宇因充电带来的负荷挑战。美国太平洋天然气电力公司(PG&E)与宝马公司曾通过选取100辆宝马i3进行为期18个月的“需求响应”实验项目：当PG&E面临较大用电压力、有降低负荷需求时，会通过宝马公司向这100辆选中的宝马i3用户发出停止充电请求，用户可根据意愿选择接受或拒绝。对于选择接受的用户，宝马公司会通过远程终止其充电进程，并给予相应的奖励。此外，该项目还利用宝马电动汽车拆卸下来的电池，作为静态储能装置，在非峰荷时段吸收、贮存可再生电力，并在需求增长的时段向电网提供这部分被事先贮存的电力。这项实验一定程度上证明了电动汽车电池通过“移峰填谷”缓解电网压力的可能性。

　　远景也正在进行这样的探索：他们正在欧洲与几大电网公司、电力传输公司、电动汽车公司以及能源服务公司一起，打造一个实现泛欧洲领域电动汽车与电网群智协同（Crowd Balancing）的实验平台。未来，将有更多个体终端用户加入到这个平台，主动参与到电力系统的平衡中去。

　　张雷表示，远景在能源行业有很深的理解，对以电、交通等有网络‘流’特性的领域有着自身的优势。“物联与机器的进化和社交，是需要场景驱动的，我们在应用场景上有着深厚的经验和理解。”远景也在落地实践不同的“机器网络”场景，从风机、电池等能源系统，到楼宇内的各个智能体系间的“小场景”，扩展至从能源生产端到消费端的宏观网络，甚至到更大的智慧城市的协同。

　　现在，远景智能物联操作系统EnOS正在为新加坡政府机构提供智能物联网平台支持。2018年10月，远景下属远景智能中标新加坡政府科技局(GovTech) 的物联网开发平台(DECADA)项目。新加坡所有政府机构都将基于EnOS智能物联操作系统，开发覆盖交通、政务、能源、通信、人力资源等众多领域的应用，成为新加坡实现“智慧国度2025”战略计划的一部分。

　　对于新加坡项目的进展情况，相关负责人在采访环节表示，目前，相关部门正基于EnOS，实现新加坡组屋、建筑工地、商业楼宇等公共区域的传感器接入、数据处理和软件开发，有效帮助整合各个政府部门的“孤岛”数据库， 通过分析、预测和数据优化，更好面向各类工作场景开发智能物联应用与服务。

　　智能到社交，从技术飞跃到落地各类场景，这也验证了Michael Wooldridge教授对多智能体系在新机器时代中的预想：任何独立的能够思想并可以同环境交互的实体都可以抽象为智能体，多智能体之间的社交互动将充斥在各类场景之中。而这也正是人工智能的未来。