自年以来，各发达国家都将人工智能列为本国高科技发展战略重点，一场人工智能全球竞赛已拉开帷幕。在这场全球人工智能竞赛中扮演重要角色的德国，其发展战略如何？目前取得了哪些进展？带着这些问题，让我们从《德国人工智能产业与空间布局浅析》一文中略窥一斑。

从上世纪的工业机器人，到如今的工业4.0，德国的人工智能发展起步较早，并且特点是注重生产端，提升生产效率。与美国以创新生活方式的消费端为主的人工智能研发有很大不同。事实上，德国也在不断地向美国与以色列学习，将自己深厚的人工智能研发优势与基础兑换为更大的商业价值。首先介绍一下德国的人工智能权威机构与分布。

德国人工智能研究中心

布点全国的AI领域核心大脑

1．世界最大的人工智能研究机构之一

德国人工智能研究中心（DFKI）是德国顶级的人工智能研究机构，也是目前世界上最大的非营利人工智能研究机构，年成立，在萨尔布吕肯、凯泽斯劳滕、不莱梅设有研究机构，同时在柏林设有一个项目办公室。研究方向覆盖人工智能的主要产业方向，包括大数据分析、知识管理、画面处理和理解以及自然语言处理、人机交互、机器人。由于非常注重对从研究到实际应用的转化，将近30年来形成了大量的产业成果。孵化设立了84家分拆公司，创造了个工作岗位。

目前活跃的50家拆分公司

德国人工智能研究中心的CEO——沃夫冈?瓦尔斯特尔（WolfgangWahlster）教授是德国总理默克尔的科技顾问，也是“工业4.0”构想三人发起者之一。目前，研究中心拥有位资深研究工作者以及来自60多个国家的位高校毕业生在这里进行个项目的研发。其研究室主任都是德国大学的教授及全世界很多的精英研究机构管理领导委员会成员，有来自包括德国国家科学院、欧洲科学院、瑞士皇家科学院、德国自然与文学科学院、德国自然与工程科学院、柏林勃兰登堡自然与人类学科学院等知名科学院的院士。

研究资金除了来自包括Google、Intel、微软、宝马、SAP、Airbus在内的全球顶级科技企业，也来源于政府机构，例如：欧盟、德国联邦教育和研究部、德国联邦经济事务与能源部、德国联邦政府以及德国研究基金。研究中心每两年会接受项目的审计与进程评估，德国联邦教育和研究部也会定期对研究中心进行评估。企业能够入股研究中心，成为未来技术研发领域的决策人。

2．人工智能优势领域：从基础到分析到应用类技术全领域研究

德国人工智能研究中心的优势领域与竞争力在这22个方面：

3．空间载体：五个城市分别拥有研究、转化与测试功能分支

研发项目由18个研究部门（研究组）、10个能力中心以及7个生活实验室进行开发。研究部门大部分是与当地大学一起合作，进行应用技术导向型的研究；能力中心是知识、技能与技术结合的载体；生活实验室则是将最领先技术进行展示、测试、评估的空间。

参考资料：

德国人工智能研究中心官方网站

弗劳恩霍夫

垂直细分领域的点状研究机构

除了DFKI这种组织架构明确、层级多元的AI研究大脑，德国还有很多研究垂直细分领域的人工智能研究机构。他们大多数是德国学会旗下的分支机构，例如弗劳恩霍夫协会（Fraunhofer）。他们虽然在某些人工智能领域会进行共同研究，但在空间联系上很少，可以被看做是点状的研究机构。

比如：年由弗劳恩霍夫协会发起的面向工业大数据的旗舰项目：工业数据空间，即是由十二个协会旗下研究所共同来承担研发任务，目的在于凝聚各方的研发力量解决工业4.0的数据共享的重大难题，比如位于慕尼黑的弗劳恩霍夫应用集成信息安全研究所（AISEC）负责提供工业4.0跨领域数据可信任共享和信息安全、北莱因圣奥古斯汀的智能分析和信息系统研究所（IAIS）则负责智能大数据分析的课题研究等。

这类的点状机构中，比较有名的就是弗劳恩霍夫智能分析和信息系统研究院（IAIS）。

1．数据为本，专攻数据处理50年

弗劳恩霍夫智能分析与信息系统研究所位于波恩市边上的小城圣奥古斯汀（SanktAugustin）。该研究所的前身是年成立的数学与数据处理协会（GMD,-）。当时联邦德国认为核能研究领域应向计算机数据处理领域转变而设置了大科学研究院，由波恩大学数学系的应用数学研究所扩张而来。在年，数学与数据处理协会（GMD）开设了自动智能系统研究所，也就是现在的弗劳恩霍夫IAIS。

藏在波恩边小城圣奥古斯丁古老城堡里的IAIS

因为其50年的数据处理科学研究传统，弗劳恩霍夫IAIS在大数据应用研究领域：数据科学、样本识别、系统建模以及分析等方面位于欧洲领先地位。目前有位科学家在此机构工作。

2．人工智能优势研究领域：数据分析为核心的智能领域

弗劳恩霍夫智能分析和信息系统研究所下设五个研究部门，分别是：自适应反应团队、网络媒体部门、媒体工程部门、知识挖掘部门、企业信息系统部门。主要的研究领域为：数据科学、多媒体模式识别、深度学习、认知机器人、人工智能、语义技术与关联数据。

而在其将与数据相关的人工智能技术应用转化的未来实验室里主要研发以下几种技术：

信用卡诈骗识别技术、数字化辅助及实时推荐技术、文档自动识别技术、语言识别技术、自动驾驶技术、机器人编程学习、数据科学家深度学习培训、企业知识图像、智能广告、自适应内容等。

其中，最引人注目的一项研究就是旨在用摄像头替换传感器的自动驾驶技术：

年12月启动的AutoConstruct研究项目，德国政府负担部分资金。该项目旨在设计一系列待用、成本优化的摄像头，可替代自动驾驶用传感器。该研究机构还担负着开发相关图像处理软件的职能。对自动驾驶车辆而言，在高速上建立建站挑战性较高：道路较窄，车道更窄，容易引起拥堵。倍感压力的驾驶员们通常会采用不太安全的方式予以应对，容易引发交通事故。传感器系统和自动驾驶系统的算法无法应对复杂的交通情况，如：车道标记重叠、指向标数量有限、传感器难以识别锥形交通路标（trafficcones）。路标还含有允许车速等信息。

特斯拉引以为傲的系统，再怎么智能都无法真正辨别路上所有范围内的所有标识，即便它足够的高清、计算速度足够的快。除了天气外，例如车道标记重叠、指向标数量有限、传感器难以识别锥形交通路标（trafficcones）。路标还含有允许车速等信息往往是造成车辆无法识别的主因。就此问题，位于德国圣奥古斯丁（St.Augustin）的弗劳恩霍夫智能分析与信息系统研究所的研究人员正采用人工智能攻克技术难关。StefanEickeler负责目标识别，他表示：“我们的新技术使系统能够读取并理解路标的意思，精确度极高。获取数据后将从语义层级进行数据处理，确保系统能够完整地了解所表达的含义，以便车辆处理该数据。通过深度学习功能，我们能让软件学会如何更为快速、高效地识别路标表达的内容。”采用该方法后，未来导航系统和驾驶辅助系统能够共同协作，正确地区分高速公路上的出口标识，更为精确地调整车辆间的行驶间距并及时调整车速。

该设备尚在研发阶段，将基于当前采用的车用摄像头技术，每秒帧数为20-25。该系统能否分析运行中的图像，识别信息标识、交通车道标线（trafficlanemarking）和LED交通信息等的相关信息。未来愿景：摄像头将成为自动导航系统的主接口，使各类传感器变得多余，可有可无。

3．不仅