智能物联网（AIoT）是2018年兴起的概念，指系统通过各种信息传感器实时采集各类信息（一般是在监控、互动、连接情境下的），在终端设备、边缘域或云中心通过机器学习对数据进行智能化分析，包括定位、比对、预测、调度等。

人工智能的研究自1956年之后，引发第一次浪潮，主要研究逻辑推进为主的“基于规则的专家系统”，但是经过长时间的研究，专家系统进入瓶颈期，随之Al的资金投入和人员投入大量缩减，Al研究方向也悄然发生变化，以研究计算机视频、语音和计算机自然语言进行新的研究方向，“机器学习”算法的不断优化使得人工智能在多个领域实现了惊人的突破。2011年Google 大脑通过非监督学习识别出猫脸，2015年斯坦福人工智能实验室的计算机图像识别技术的图像识别正确率在ImageNet图像识别比赛首次超过人眼，2016年微软语音识别技术可以将英语错词率降至5.9%。

人工智能自诞生以来， 经历了从早期的专家系统、 机器学习， 到当前持续火热的深度学习等多次技术变革与规模化应用的浪潮 。 随着硬件计算能力、 软件算法、 解决方案的快速进步与不断成熟， 工业生产逐渐成为了人工智能的重点探索方向，工业智能应运而生。

机器学习已经成为了当今的热门话题，但是从机器学习这个概念的诞生到机器学习技术的普遍应用经过了漫长的过程。在机器学习发展的历史长河中，众多优秀的学者为推动机器学习的发展做出了巨大的贡献。

人工智能自诞生以来，经历了从早期的专家系统、机器学习，到当前持续火热的深度学习等多次技术变革与规模化应用 的浪潮

数据科学是一个跨学科领域，旨在研究相关流程和系统，以从结构化和非结构化等各种数据中提取知识或洞察。

Goldman Sachs does and seeks to do business with companies covered in its research reports. As a result, investors should be aware that the firm may have a conflict of interest that could affect the objectivity of this report. Investors should consider this report as only a single factor in making their investment decision. For Reg AC certification and other important disclosures, see the Disclosure Appendix, or go to www.gs.com/research/hedge.html. Analysts employed by non-US affiliates are not registered/qualified as research analysts with FINRA in the U.S. The

​2016年以来，以机器学习（machine learming），尤其是深度学习（deep learning）为代表的新一代人工智能技术不断朝着更加先进、复杂、自主的方向发展，这给经济和社会发展带来了新的变革性机遇。Al应用迎来“物种大爆发”，日益渗透到各行各业和人类生活的方方面面，有望塑造新型的经济和社会形态。与此同时，科技伦理也日益成为了当前Al技术发展与产业应用中的“必选项”，各界纷纷探索Al伦理原则、框架、治理机制等。科技伦理的一个核心议题就是人工智能的透明度与可解释性（transparency and explainability）。2021年11月，联合国UNESCO通过的首个全球性的Al伦理协议《人工智能伦理建议书》（Recommendation on the ethics of artificial intelligence），提出的十大Al原则就包括“透明性与可解释性”，即算法的工作方式和算法训练数据应具有透明度和可理解性。

受益于消费者数据的指数级增长，人工智能算法准确度和算力资源提升，以及大数据、智能硬件、AloT、虚拟现实、5G等新兴技术发展，人工智能在零售行业的应用已逐步渗透到价值链多个环节。其中，机器学习和计算机视觉成为支撑“Al+零售”的两大技术，机器学习主要应用于数据分析与建模，以实现数据智能和产业链优化；计算机视觉技术则应用于对消费者及商品的识别与分析，目前相关应用已实现落地。

人工智能（Artificial Intelligence,AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等），使计算机能实现更高层次的应用。其研究范围主要包括自然语言处理、知识表现、智能搜索、推理、规划、机器学习、知识获取、组合调度问题、感知问题、模式识别、逻辑程序设计软计算、不精确和不确定的管理、人工生命、神经网络、复杂系统、遗传算法等领域，并实际应用于机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等领域。