"高考分数出来以后，各地都反映，今年计算机专业非常热，人工智能被咨询最多。"在近日举行的"长城工程科技会议"第三次会议上，清华大学党委书记陈旭如是说。　"高考分数出来以后，各地都反映，今年计算机专业非常热，人工智能被咨询最多。"在近日举行的"长城工程科技会议"第三次会议上，清华大学党委书记陈旭如是说。

随着阿尔法狗掀起的热浪席卷民间、业界和政界，人工智能成为兵家必争的高地。

有人预言，人工智能武器将会成为继火药和核武器之后，军事技术领域的第三次革命。在本次会议上，多位院士专家一致认为，军民融合这种新的创新模式将助推我国人工智能发展迈上新台阶。

大势所趋

6月27日，《麻省理工技术评论》杂志发布"全球最聪明的50家公司"榜单，从中可以看出，人工智能是一大热门。如第一名英伟达公司是人工智能代表性企业，中国人工智能代表企业科大讯飞第一次入围就位列第六名。

中国工程院院士潘云鹤指出，同前两轮热潮由学术界引起不同，本轮人工智能升温是由产业界发起，随后各种政府适时跟上，纷纷制定国家战略。

例如，2016年9月，美国五大科技巨头谷歌、脸书、IBM、亚马逊和微软宣布成人工智能产业联盟。2016年10月，美国联邦政府发布国家人工智能研究发展战略规划，并且指出人工智能可能处在第三次浪潮的初始点。

在我国，人工智能也频繁出现在党和国家领导人的讲话中。去年"科技三会"上，国家主席习近平提出吹响建设世界科技强国的号角，在一些关键领域从并跑向领跑努力。

中国工程院院长周济认为，人工智能正是这样一个颠覆性的重要领域。

据潘云鹤透露，从几年前开始，中国工程院在研究智能城市、大数据、智能制造、创新设计等项目时发现，要实现这些项目，最终的技术指向都是人工智能。因此，2015年中国工程院设立"中国人工智能2.0发展战略研究"重大咨询项目，使得人工智能上升为国家级发展战略。

如今，我国有400余城市在建设智慧城市，搜索引擎、图象识别、语音转换等领域都形成了较大市场规模。

行之有效

专家指出，人工智能武器装备不仅会带来未来战争形态的变革，还会引发军事指挥、决策变革。

6月20日，习近平总书记在主持召开中央军民融合发展委员会第一次全体会议上，深刻阐述了我国军民融合发展所处的阶段性特征，明确必须在一些重要新兴领域加快军民融合发展。

国家发展和改革委员会经济与国防协调发展司副司长徐建平表示，人工智能作为一项典型的军民两用前端性技术，在国防武器装备领域具有深入而广泛的应用前景。

周济亦认为，人工智能是今后几十年最重要的军民两用技术。 

陈旭则表示，军用人工智能迎来机遇期。"美俄等军事强国都把军用人工智能视为改变游戏规则的颠覆性技术，美国国防部明确把人工智能和自主化作为两大技术支柱。"

对于如何推动人工智能军民融合发展，徐建平提出三个强化：一是强化协同创新机制和体系建设，借鉴先进模式，推动创新要素合理流动；二是强化龙头工程，精品工程先行先试；三是强化政策环境建设。据悉，我国涉及军民融合发展的相关政策措施有近4000条，但重复性高、可操作性差，很多政策难以落地。徐建平表示，这一现状亟需改变。

对于现在的创新体制，中国工程院院士李德毅指出，这是一种自上而下的科研方法，代表了国家意志，引领了前沿；但科研成果终于示范演示和成果奖励，往往难以进入市场，尤其是难以形成整体战斗力。相对而言，他认为，军民融合始于创新、竞争于市场、服务于社会和国防，是一套行之有效的创新方式。

抓手何在

2017年，国际研究顾问机构Gartner研究总监AngelaMcIntyre预言，各类驾驶员将成为未来要被人工智能替代的工作，其中首先会被取代的就是航天员。她提出的几条标准包括重复、耗时、乏味；在复杂和快速变化环境实时决策和执行；按照手册执行；超出人类物理极限；处理高度复杂的数据或流程。

李德毅认为，海陆空三栖的无人驾驶都符合上述条件，且既事关民生，又体现国防力量，应该成为人工智能领域军民融合发展的抓手。

西北工业大学教授张炜也认为，无人系统应成为突破口。

从军事领域的应用来看，美国非常重视发展无人系统。"张炜说，从2000年至今，美国发布了7个版本的无人系统路线图，并且不断调整发展目标。

在民用方面，无人系统也已经深入到人类生活的方方面面，从无人车到无人机再到民用航天航天，甚至海洋，都有了快速发展。"现在缺的就是系统集成。"张炜指出，无人系统具有天然的军民融合特性。

"很多同志说军民融合没有破题，实际上是定义不清晰。我们建议未来的军民融合要跳出'军转民、民参军'的圈子，以宜军宜民的路径来发展无人系统。"张炜强调

中星微电子有限公司总经理张韵东则指出，前端智能在军民融合领域有着广泛应用。如智能无人设备的视觉系统、海底声纳的信号识别系统、雷达的信号感知系统，单兵与无人控制系统等数据不能传到后端的应用场景中，由于加密或隐私原因，数据亦不能传到云端，所有的智能分析都必须在前端实现，甚至还要在前端实现自主学习，这就对芯片提出了更高的要求。但目前高运算能力的嵌入式神经网络处理器还非常少，随着摩尔定律走到尽头，如何提升芯片运算能力将成为一大挑战。