人工智能产业发展深度报告:格局、潜力与展望

人工智能市场格局

人工智能(Artificial Intelligence,AI)是利用机器学习数据分析方法赋予机器模拟、延申和拓展类人的智能的能力,本质上是对人类思维过程的模拟。AI概念最早始于 1956 年 的达特茅斯会议,受限于算法和算力的不成熟,未能实现大规模的应用和推广。近年来,在大数据、算法和计算机能力三大要素的共同驱动下,人工智能进入高速发展阶段。据中国电子学会预测,2022全球人工智能市场将达到1630亿元,2018-2022年CAGR达31%。

人工智能赋能实体经济,为生产和生活带来革命性的转变。人工智能作为新一轮产业变革的核心力量,将重塑生产、分配、交换和消费等经济活动各环节,催生新业务、新模式和新产品。从衣食住行到医疗教育,人工智能技术在社会经济各个领域深度融合和落地应用。同时,人工智能具有强大的经济辐射效益,为经济发展提供强劲的引擎。据埃森哲预测,2035 年,人工智能将推动中国劳动生产率提高 27%,经济总增加值提升7.1 万亿美元。


多角度人工智能产业比较

目前,全球人工智能产业的生态系统正逐步成型。依据产业链上下游关系,可以将人工智能划分为基础支持层、中间技术层和下游应用层。基础层是人工智能产业的基础,主要提供硬件(芯片和传感器)及软件(算法模型)等基础能力;技术层是人工智能产业的核心, 以模拟人的智能相关特征为出发点,将基础能力转化成人工智能技术,如计算机视觉、智能语音、自然语言处理等应用算法研发。其中,技术层能力可以广泛应用到多个不同的应用领域;应用层是人工智能产业的延伸,将技术应用到具体行业,涵盖制造、交通、金融、医疗等 18 个领域,其中医疗、交通、制造等领域的人工智能应用开发受到广泛关注。

战略部署:大国角逐,布局各有侧重

全球范围内,中美“双雄并立”构成人工智能第一梯队,日本、英国、以色列和法国等发达国家乘胜追击,构成第二梯队。同时,在顶层设计上,多数国家强化人工智能战略布局,并将人工智能上升至国家战略,从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国,局部领域有所突破。中国人工智能起步较晚,发展之路几经沉浮。自2015年以来,政府密集出台系列扶植政策,人工智能发展势头迅猛。由于初期我国政策侧重互联网领域,资金投向偏向终端市场。因此,相比美国产业布局,中国技术层(计算机视觉语音识别)和应用层走在世界前端,但基础层核心领域(算法和硬件算力)比较薄弱,呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。

美国引领人工智能前沿研究,布局慢热而强势。美国政府稍显迟缓,2019 年人工智能国家级战略(《美国人工智能倡议》)才姗姗来迟。但由于美国具有天时(5G 时代)地利(硅谷)人和(人才)的天然优势,其在人工智能的竞争中已处于全方位领先状态。总体来看, 美国重点领域布局前沿而全面,尤其是在算法和芯片脑科学等领域布局超前。此外,美国聚焦人工智能对国家安全和社会稳定的影响和变革,并对数据、网络和系统安全十分重视。

伦理价值观引领,欧洲国家抢占规范制定的制高点。2018 年,欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》,在人工智能领域形成合力。从国家层面来看,受限于文化和语言差异阻碍大数据集合的形成,欧洲各国在人工智能产业上不具备先发优势,但欧洲国家在全球 AI伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社会伦理和标准,在技术监管方面占据全球领先地位。

日本寻求人工智能解决社会问题。日本以人工智能构建“超智能社会”为引领,将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散,难以系统地发展人工智能技术和产业。因此,日本政府在机器人、医疗健康和自动驾驶三大具有相对优势的领域重点布局,并着力解决本国在养老、教育和商业领域的国家难题。


基础层面:技术薄弱,芯片之路任重道远

基础层由于创新难度大、技术和资金壁垒高等特点,底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。受限于技术积累与研发投入的不足,国内在基础层领域相对薄弱。具体而言,在 AI 芯片领域,国际科技巨头芯片已基本构建产业生态,而中国尚未掌握核心技术,芯片布局难以与巨头抗衡;在云计算领域,服务器虚拟化、网络技术(SDN)、 开发语音等核心技术被掌握在亚马逊微软等少数国外科技巨头手中。虽国内阿里、华为等科技公司也开始大力投入研发,但核心技术积累尚不足以主导产业链发展;在智能传感器领域,欧洲(BOSCH,ABB)、美国(霍尼韦尔)等国家或地区全面布局传感器多种产品类型,而在中国也涌现了诸如汇顶科技的指纹传感器等产品,但整体产业布局单一,呈现出明显的短板。在数据领域,中国具有的得天独厚的数据体量优势,海量数据助推算法算力升级和产业落地,但我们也应当意识到,中国在数据公开力度、国际数据交换、统一标准的数据生态系统构建等方面还有很长的路要走。

“无芯片不 AI”,以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准,我们将对AI芯片作详细剖析,以期对中国在人工智能基础层的竞争力更细致、准确的把握。

依据部署位置,AI 芯片可划分为云端(如数据中心等服务器端)和终端(应用场景涵盖手机、汽车、安防摄像头等电子终端产品)芯片;依据承担的功能,AI 芯片可划分为训练和推断芯片。训练端参数的形成涉及到海量数据和大规模计算,对算法、精度、处理能力要求非常高,仅适合在云端部署。目前,GPU(通用型)、FPGA(半定制化)、ASIC(全 定制化)成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势,在不同领域呈现多技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

GPU(Graphics Processing Unit)的设计和生产均已成熟,占领 AI 芯片的主要市场份额。GPU 擅长大规模并行运算,可平行处理海量信息,仍是 AI 芯片的首选。据 IDC 预测, 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内,英伟达和 AMD 形成双寡头垄断,尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力,其垄断地位也在不断强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经验和技术沉淀,同时又具有强大的资金实力,中国短期内无法撼动 GPU 芯片的市场格局。

FPGA(Field Programmable Gate Array)芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高,市场呈双寡头垄断:赛灵思(Xilinx)和英特尔(Intel)合计占市场份额近 90%,其中赛灵思的市场份额超过 50%,始终保持着全球 FPGA 霸主地位。国内百度、阿里、京微齐力也在部署 FPGA 领域,但尚处于起步阶段,技术差距较大。

ASIC(Application Specific Integrated Circuits)是面向特定用户需求设计的定制芯片,可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证,但在量产后,其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同,ASIC 仅是一种技术路线或方案,着力解决各应用领域突出问题及管理需求。目前,ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小,部分领域处于世界前列。在海外,谷歌 TPU 是主导者;国内初创芯片企业(如寒武纪、比特大陆和地平线),互联网巨头(如百度华为和阿里)在细分领域也有所建树。

总体来看,欧美日韩基本垄断中高端云端芯片,国内布局主要集中在终端 ASIC 芯片,部分领域处于世界前列,但多以初创企业为主,且尚未形成有影响力的“芯片−平台−应用”的生态,不具备与传统芯片巨头(如英伟达、赛灵思)抗衡的实力;而在 GPU 和 FPGA 领域,中国尚处于追赶状态,高端芯片依赖海外进口。


技术层面:乘胜追击,国内头部企业各领风骚

技术层是基于基础理论和数据之上,面向细分应用开发的技术。中游技术类企业具有技术生态圈、资金和人才三重壁垒,是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论(机器学习)、开发平台(开源框架)和应用技术(计算机视觉、智能语音、生物特征识别、自然语言处理)。众多国际科技巨头和独角兽均在该层级开展广泛布局。近年来,我国技术层围绕垂直领域重点研发,在计算机视觉语音识别等领域技术成熟,国内头部企业脱颖而出,竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。

具体来看,在算法理论和开发平台领域,国内尚缺乏经验,发展较为缓慢。机器学习算法是人工智能的热点,开源框架成为国际科技巨头和独角兽布局的重点。开源深度学习平台是允许公众使用、复制和修改的源代码,是人工智能应用技术发展的核心推动力。目前,国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的DMTK等, 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟,百度的PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。

在应用技术的部分领域,中国实力与欧美比肩。计算机视觉、智能语音、自然语言处理是三大主要技术方向,也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发达,积累大量用户数据,国内计算机视觉语音识别领先全球。自然语言处理当前市场竞争尚未成型,但国内技术积累与国外相比存在一定差距。

作为落地最为成熟的技术之一,计算机视觉应用场景广泛。计算机视觉是利用计算机模拟人眼的识别、跟踪和测量功能。其应用场景广泛,涵盖了安防(人脸识别)、医疗(影像诊断)、移动互联网(视频监管)等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示,2017 年,计算机视觉行业市场规模分别为 80 亿元,占国内 AI 市场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响,计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。


计算机视觉技术竞争格局稳定,国内头部企业脱颖而出。随着终端市场工业检测与测量逐渐趋于饱和,新的应用场景尚在探索,当前全球技术层市场进入平稳的增长期,市场竞争格局逐步稳定,头部企业技术差距逐渐缩小。中国在该领域技术积累丰富,技术应用和产品的结合走在国际前列。2018 年,在全球最权威的人脸识别算法测试(FRVT)中,国内企业和研究院包揽前五名,中国技术世界领先。国内计算机视觉行业集中度高,头部企业脱颖而出。据 IDC 统计,2017 年,商汤科技依图科技旷视科技、云从科技四家企业占国内市场份额的 69.4%,其中商汤市场份额 20.6%排名第一。


应用层面:群雄逐鹿,格局未定

应用层以底层技术能力为主导,切入不同场景和应用,提供产品和解决方案。受益于计算机视觉、图像识别、自然语言处理等技术的快速发展,人工智能已广泛地渗透和应用于诸多垂直领域,产品形式也趋向多样化。近年来,关注度较高的应用场景主要包括安防、金融、教育、医疗、交通、广告营销等。从融合深度上,由于场景复杂度、技术成熟度和数据公开水平的不同,而导致各场景应用成熟度不同。例如,政策导向和海量数据助推下,AI+安防、金融和客服领域有较为深入的应用,医疗和教育领域是产品或服务单点式切入,尚未形成完整的解决方案。而由于基础设施复杂和数据获取难度大,AI+制造业处于边缘化。此外,AI+农业国内尚未产生成熟产品。

应用场景市场空间广阔,全球市场格局未定。受益于全球开源社区,应用层进入门槛相对较低。目前,应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计,2019 年,全球应用层产业规模将达到 360.5 亿元,约是技术层的 1.67 倍,基础层的 2.53 倍。在全球范围内,人工智能仍处在产业化和市场化的探索阶段,落地场景的丰富度、用户需求和解决方案的市场渗透率均有待提高。目前,国际上尚未出现拥有绝对主导权的垄断企业,在很多细分领域的市场竞争格局尚未定型。

中国侧重应用层产业布局,市场发展潜力大。欧洲、美国等发达国家和地区的人工智能产业商业落地期较早,以谷歌、亚马逊等企业为首的科技巨头注重打造于从芯片、操作系统到应用技术研发再到细分场景运用的垂直生态,市场整体发展相对成熟;而应用层是我国人工智能市场最为活跃的领域,其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计,2019 年,国内 77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础,中国市场发展潜力较大,且在产业化应用上已有部分企业居于世界前列。例如,中国 AI+安防技术、产品和解决方案引领全球产业发展,海康威视和大华股份分别占据全球智能安防企业的第一名和第四名。

整体来看,国内人工智能完整产业链已初步形成,但仍存在结构性问题。从产业生态来看, 我国偏重于技术层和应用层,尤其是终端产品落地应用丰富,技术商业化程度比肩欧美。 但与美国等发达国家相比,我国在基础层缺乏突破性、标志性的研究成果,底层技术和基础理论方面尚显薄弱。初期国内政策偏重互联网领域,行业发展追求速度,资金投向追捧易于变现的终端应用。人工智能产业发展较为“浮躁”,导致研发周期长、资金投入大、见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、基础器件等问题,不利于我国人工智能生态的布局和产业的长期发展。短期来看,应用终端领域投资产出明显,但其难以成为引导未来经济变革的核心驱动力。中长期来看,人工智能发展根源于基础层(算法、芯片等)研究有所突破。


透析人工智能发展潜力

基于人工智能产业发展现状,我们将从智能产业基础、学术生态和创新环境三个维度,对中国、美国和欧洲 28 国人工智能发展潜力进行评估,并使用熵值法确定各指标相应权重后,利用理想值法(TOPSIS 法)构建了一个代表人工智能发展潜力整体情况的综合指标。


从智能产业基础的角度

产业化程度:增长强劲,产业规模仅次美国

中国人工智能尚在产业化初期,但市场发展潜力较大。产业化程度是判断人工智能发展活力的综合指标,从市场规模角度,据 IDC 数据,2019 年,美国、西欧和中国的人工智能市场规模分别是 213、71.25 和 45 亿美元,占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异,但近年来国内 AI 技术的快速发展带动市场规模高速增长,2019 年增速高达 64%,远高于美国(26%)和西欧(41%)。从企业数量角度,据清华大学科技政策研究中心,截至 2018 年 6 月,中国(1011 家)和美国(2028 家) 人工智能企业数全球遥遥领先,第三位英国(392 家)不及中国企业数的 40%。从企业布局角度,据腾讯研究院,中国 46%和 22%的人工智能企业分布在语音识别计算机视觉领域。横向来看,美国在基础层和技术层企业数量领先中国,尤其是在自然语言处理机器学习和技术平台领域。而在应用层面(智能机器人、智能无人机),中美差距略小。展望未来,在政策扶持、资本热捧和数据规模先天优势下,中国人工智能产业将保持强劲的增长态势,发展潜力较大。

技术创新能力:专利多而不优,海外布局仍有欠缺

专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内,人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间,中美日三国 AI 专利申请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚,但自 2010 年起,专利产出量首超美国,并长期雄踞申请量首位。

从专利申请领域来看,深度学习语音识别人脸识别和机器人等热门领域均成为各国重点布局领域。其中,美国几乎全领域领跑,而中国在语音识别(中文语音识别正确率世界 第一)、文本挖掘云计算领域优势明显。具体来看,多数国内专利于 AI 科技热潮兴起后申请,并集中在应用端(如智能搜索、智能推荐),而 AI 芯片、基础算法等关键领域和前沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢,存在表面繁荣的结构性不均衡问题。


从专利权人分布来看,中国高校和科研机构创新占据主导地位,或导致理论、技术和产业割断的市场格局。欧美日人工智能申请人集中在企业,IBM微软三星等巨头企业已构建了相对成熟的研发体系和策略,成为专利申请量最多的专利人之一。其中,IBM 拥有专利数量全球遥遥领先,截至 2018 年 12 月 31 日,共拥有 4079 件 AI 专利。而中国是全球唯一的大学和研究机构 AI 专利申请高于企业的国家。由于高校与企业定位与利益追求本质上存在差异,国内技术创新与市场需求是否有效结合的问题值得关注。

中国 AI 专利质量参差不齐,海外市场布局仍有欠缺。尽管中国专利申请量远超美国,但技术“多而不强,专而不优”问题亟待调整。其一,中国 AI 专利国内为主,高质量 PCT 数量较少。PCT(Patent Cooperation Treaty)是由 WIPO 进行管理,在全球范围内保护专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计,美国 PCT 申请量占全球的 41%,国际应用广泛。而中国 PCT 数量(2568 件)相对较少,仅为美国 PCT 申请量的 1/4。目前,我国 AI 技术尚未形成规模性技术输出,国际市场布局欠缺;其二,中国实用新型专利占比高,专利废弃比例大。我国专利类别包括发明、实用新型专利和外观设计三类,技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实用新型专利,如 2017 年,发明专利仅占申请总量的 23%。此外,据剑桥大学报告显示,受高昂专利维护费用影响,我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效,而美国 85.6%的专利仍能得到有效保留。

人才储备:供需失衡,顶尖人才缺口大

人才的数量与质量直接决定了人工智能的发展水平和潜力。目前,全球人工智能人才分布不均且短缺。据清华大学统计,截至 2017 年,人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有 43064 名人工智能人才,位居全球第一,占全球总量的 21.1%。美国和中国分别以 28536、18232 列席第二、第三位。其中,中国基础人才储备尤显薄弱。根据腾讯研究院,美国 AI 技术层人才是中国 2.26 倍,基础层人才数是中国的 13.8 倍。

我国人工智能人才供需严重失衡,杰出人才缺口大。据 BOSS 直聘测算,2017 年国内人工智能人才仅能满足企业 60%的需求,保守估计人才缺口已超过 100 万。而在部分核心领域(语音识别、图像识别等), AI 人才供给甚至不足市场需求的 40%,且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段,杰出人才对产业发展起着至关重要的作用,甚至影响技术路线的发展。美国(5158 人)、欧盟(5787 人)依托雄厚的科研创新能力和发展机会聚集了大量精英,其杰出人才数在全球遥遥领先,而中国杰出人才(977 人)比例仍明显偏低,不足欧美的 1/5。

人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。根据 Element AI 企业的划分标准,中国、美国等国家属于 AI 人才流入与流出率均较低的锚定国(Anchored Countries),尤其是美国的人工智能人才总量保持相对稳定。具体来看,国内人工智能培育仍以本土为主,海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%,其中,美国是国内 AI人才回流的第一大来源大国,占所有回流中国人才比重的 43.9%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。


从学术生态的角度

技术创新能力:科研产出表现强劲,产学融合尚待加强

科研能力是人工智能产业发展的驱动力。从论文产出数量来看,1998-2018 年,欧盟、中国、美国位列前三,合计发文量全球占比 69.64%。近些年,中国积极开展前瞻性科技布局, AI发展势头强劲,从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%, CAGR17.94%。2018 年,中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从侧面体现在人工智能发展潜力较大。

我国论文影响力仍待提高,但与欧美差距逐年缩小。FWCI(Field-Weighted Citation Impact,加权引用影响力)指标是目前国际公认的定量评价科研论文质量的最优方法,我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时,代表被考论文质量达到或超过了世界平均水平。近 20 年,美国的 AI 论文加权引用影响力“独领风骚”,2018 年,FWCI 高于全球平均水平的 36.78%;欧洲保持相对平稳,与全球平均水平相当;中国 AI 领域论文影响力增幅明显,2018 年,中国 FWCI 为 0.80,较 2010 年增长 44.23%,但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看,美国和中国高质量论文产出为于全球第一、第二位,超出第三位英国论文产出量近 4 倍。综合来看,中国顶尖高质量论文产出与美国不分伯仲,但整体来看,AI 论文影响力与美国、欧美仍有差距。

从发文主体来看,科研机构和高校是目前中国人工智能知识生产的绝对力量,反映出科研成果转化的短板。而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示,2018 年,美国企业署名 AI 论文比例是中国的 7.36 倍,欧盟的 1.92 倍。2012 年 至 2018 年,美国企业署名 AI 论文比例增长 43pct,同期中国企业署名 AI 论文仅增长 18pct。 此外,人工智能与市场应用关联密切,校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%,与以色列(10.06%)、美国(9.53%)、日本(6.47%)差别较大。从产学结合的角度, 中国人工智能研究以学术界为驱动,企业在科研中参与程度较低,或难以实现以市场为导向。

中国人工智能高校数量实位于第二梯队,实力比肩美国。高校是人工智能人才供给和论文产出的核心载体。腾讯研究院统计,全球共 367 所高校设置人工智能相关学科,其中,美国(168 所)独占鳌头,占据全球的 45.7%。中国拥有 20 所高校与英国并列第三,数量上稍显逊色。此外,中国高校实力普遍上升,表现强劲。据麻省理工学院 2019 年发布的 AI 高校实力 Top20 榜单中,中国清华大学、北京大学包揽前两名,较 2018 年分别上升 1 个和 3 个名次。

从创新环境的角度

研发投入:中美研发投入差距收窄

中国研发高投入高强度,在全球研发表现中占据重要地位。从研发投入的角度,美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示,2018 年四国的研发投入总和占全球总量的比例已达 60.77%。其中,美国凭借其强大的研发实力连续多年位居全球研发投入的榜首。近年来,中国研发投入呈现一路猛增的强进势头,据 Statista 统计, 国内 2019 年研发投入额为 5192 亿美元,仅次于美国。且趋势上与美国差距不断缩小,2000 年至 2019 年,CAGR 高达 14.43%,同期美国 CAGR 仅 2.99%。由于经济疲软等诸多原因,欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测,中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度,中国研发强度总体上呈逐步攀升的趋势,且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存在差距。2018 年中国研发强度 1.97%,低于日本和美国 1.53、0.87 个百分点。


资本投入:资金多而项目缺,资本投向侧重终端市场

中美是全球人工智能“融资高地”。人工智能开发成本高,资本投入成为推动技术开发的主力。在全球范围内,美国是人工智能新增企投融资领先者,据 CAPIQ 数据显示,2010 年至 2019 年 10 月,美国 AI 企业累计融资 773 亿美元,领先中国 320 亿美元,占全球总融资额的 50.7%。尤其是特朗普政府以来,人工智能投资力度逐步加码。中国作为全球第二大融资体,融资总额占全球 35.5%。考虑到已有格局和近期变化,其他国家和地区难以从规模上撼动中美两国。从人工智能新增企业数量来看,美国仍处于全球领先地位。2010 至 2018 年,美国累计新增企业数量 7022 家,较约是中国的 8 倍(870 家)。中国每年新增人工智能企业在 2016 年达到 179 家高点后逐渐下降,近两年分别是 179 家( 2017 年), 151 家(2018 年),表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看,中国人工智能新增企业增势缓慢,但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行业泡沫即将出现的预警。

相比较美国,中国资本投向侧重易落地的终端市场。从融资层面来看,中国各领域发展较为均衡,应用层是突出领域,如自动驾驶、计算机学习与图像、语音识别无人机技术领域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示,芯片和处理器是美国融资最多的领域,占总融资额的 31%。当前中国对人工智能芯片市场高度重视,但受限于技术壁垒和投资门槛高,国内芯片融资处于弱势。


基于信息熵的 TOPSIS 法:综合指标评估(略)

数据结果显示,美国综合指标及三大项目指标评分绝对领先,中国第二,欧洲 28 国暂且落后。具体来看,美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀,尽管有所赶超,但总体水平与美国相比仍有差距,尤其是杰出人才资源、高质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上,中国正快速发展,与美国差距收窄。从各指标具体分析来看,我国人工智能研究主要分布在高校和科研机构,企业参与度较低,产出成果较多呈现条块化、碎片化现象,缺乏与市场的系统性融合,这将不利于中国人工智能技术的发展和产业优势的发挥。此外,我国科研产出、企业数量和融资领域集中于产业链中下游,上游核心技术仍受制于国外企业。未来,若国内底层技术领域仍未能实现突破,势必导致人工智能产业发展面临瓶颈。


展望:乘风破浪,探寻弯道超车之路

国内人工智能追赶速度迅猛,但基础薄弱问题突出。在强有力的战略引领和政策支持下、依托庞大的数据体量、丰富的应用场景和高度的互联网普及率,中国人工智能产业持续保持蓬勃发展态势,并跻身全球人工智能第一梯队。技术上,我国人工智能论文和专利申请量长期雄踞世界首位,在国际技术竞赛中多次拔得头筹;产业上,以阿里巴巴腾讯为代表的科技巨头全面布局人工智能生态,以寒武纪科大讯飞商汤科技为代表的初创企业深耕垂直领域,打造技术护城河。我国人工智能产业规模、资本投入、企业数量呈现爆发式增长,智能技术与实体融合持续加强,落地场景不断丰富。但我们也应当意识到,与美国、欧洲相比,我国在产业链分布上更加集中于应用落地端口。长期市场化导向导致国内行业发展出现结构性失衡,基础理论缺乏、原创算法薄弱、高端芯片依赖进口等问题凸显,这也反映出中国人工智能发展不牢的风险点。因此,站在科技创新的“巨型风口”,我们更需要审慎后续技术路线和产业发展路径,加大科研攻关力度,补齐技术短板。

从中短期看,技术优化、落地场景的开拓和渗透是是最主要的增长点;从长期看,智能生态体系建设才是弯道超车的必由之路。人工智能产业的核心竞争力在于生态体系的建设,包括大数据、算法理论、底层技术、应用生态、人才储备等层面。而我国人工智能产业生态和基础设施建设正处于探索期,如何实现核心技术的突破和拓宽人工智能技术与社会经济融合场景着力点在于人才储备和持续的研发投入。从人才的角度,收窄技术差距的根本在于优化人的知识结构和能力。当前政策应侧重建立人才培养体系,为人工智能打造人才资源池,尤其是在基础学科领域突破人才瓶颈。同时,打破“唯数量论”的科研评价和考核体系,改变人才激励机制势在必行。我国人工智能专利申请和科研产出数量全球领先,但质量堪忧。唯有从源头改变评价机制,才能扭转“量多而质优”的问题。从研发的角度,企业技术优化和创新能力是解决产业痛点的关键。基础研究的投入周期长、不确定性大、和风险高特点决定了其难以短期内获得投资回报,但基础领域的突破将为经济带来长期和广泛的溢出效应,因此,国内更应关注底层技术的研发投入,扭转传统技术路径,颠覆核心技术受制于人的被动局面。此外,人工智能在赋能机器模拟人类进行决策的同时产生的伦理道德、隐私保护和社会安全问题值得关注。由于法律法规存在滞后性,尚无法对人工智能技术进行有效监管。我国应加快人工智能伦理研究,及早识别人工智能治理风险。

产业产业研究人工智能应用
相关数据
海康威视机构

海康威视是以视频为核心的智能物联网解决方案和大数据服务提供商。海康威视拥有视音频编解码、视频图像处理、视音频数据存储等核心技术,及云计算、大数据、深度学习等前瞻技术。为PBG(公共服务事业群)、EBG(企事业事业群) 、SMBG(中小企业事业群)三个事业群客户提供专业的细分产品、IVM智能可视化管理解决方案和大数据服务。

http://www1.hikvision.com/cn/index.html?jmode=j1
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
依图科技机构

依图科技是全球极少数拥有全栈AI核心自研技术的创新企业,在计算机视觉、语音识别、语义理解、智能决策、AI芯片等领域达到全球领先水平,是国内唯一具有提供超大规模、复杂环境下亿级规模城市的智能化运营管理技术能力的AI公司。

https://www.yitutech.com/
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

https://www.intel.cn/content/www/cn/zh/homepage.html
相关技术
华为机构

华为创立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商,致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。目前华为有19.4万员工,业务遍及170多个国家和地区,服务30多亿人口。

https://www.huawei.com/cn/
商汤科技机构

作为全球领先的人工智能平台公司,商汤科技SenseTime是中国科技部指定的“智能视觉”国家新一代人工智能开放创新平台。同时,商汤科技也是全球总融资额及估值最高的人工智能创新企业。 商汤科技以“坚持原创,让AI引领人类进步”为愿景。公司自主研发并建立了全球顶级的深度学习平台和超算中心,推出了一系列领先的人工智能技术,包括:人脸识别、图像识别、文本识别、医疗影像识别、视频分析、无人驾驶和遥感等。商汤科技已成为亚洲最大的AI算法提供商。 商汤科技在多个垂直领域的市场占有率位居首位,业务涵盖智能手机、互联网娱乐、汽车、智慧城市、以及教育、医疗、零售、广告、金融、地产等多个行业。目前,商汤科技已与国内外700多家世界知名的企业和机构建立合作,包括本田、SNOW、阿里巴巴、苏宁、中国移动、OPPO、vivo、小米、微博、万科、融创等。

http://www.sensetime.com
科大讯飞机构

科大讯飞股份有限公司成立于1999年,是亚太地区知名的智能语音和人工智能上市企业。自成立以来,长期从事语音及语言、自然语言理解、机器学习推理及自主学习等核心技术研究并保持了国际前沿技术水平;积极推动人工智能产品研发和行业应用落地,致力让机器“能听会说,能理解会思考”,用人工智能建设美好世界。2008年,公司在深圳证券交易所挂牌上市(股票代码:002230)。

http://www.iflytek.com
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
寒武纪机构

寒武纪科技是全球智能芯片领域的先行者,宗旨是打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。公司创始人、首席执行官陈天石教授,在处理器架构和人工智能领域深耕十余年,是国内外学术界享有盛誉的杰出青年科学家,曾获国家自然科学基金委员会“优青”、CCF-Intel青年学者奖、中国计算机学会优秀博士论文奖等荣誉。 团队骨干成员均毕业于国内顶尖高校,具有丰富的芯片设计开发经验和人工智能研究经验,从事相关领域研发的平均时间达七年以上。 寒武纪科技是全球第一个成功流片并拥有成熟产品的智能芯片公司,拥有终端和服务器两条产品线。2016年推出的寒武纪1A处理器(Cambricon-1A)是世界首款商用深度学习专用处理器,面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备,在运行主流智能算法时性能功耗比全面超越CPU和GPU,与特斯拉增强型自动辅助驾驶、IBM Watson等国内外新兴信息技术的杰出代表同时入选第三届世界互联网大会评选的十五项“世界互联网领先科技成果”。目前公司与智能产业的各大上下游企业建立了良好的合作关系。在人工智能大爆发的前夜,寒武纪科技的光荣使命是引领人类社会从信息时代迈向智能时代,做支撑智能时代的伟大芯片公司。

http://www.cambricon.com
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
地平线机构

地平线作为嵌入式人工智能全球领导者,致力于提供高性能、低功耗、低成本、完整开放的嵌入式人工智能解决方案。面向智能驾驶、智能城市和智能商业等应用场景,为多种终端设备装上人工智能“大脑”,让它们具有从感知、交互、理解到决策的智能,让人们的生活更安全、更便捷、更美好。

http://www.horizon.ai
云从科技机构

云从科技孵化自中国科学院,受托参与人工智能国标、行标制定,并成为第一个同时承担国家发改委人工智能基础平台、应用平台,工信部芯片平台等国家重大项目建设任务的人工智能科技企业。 云从科技致力以人工智能技术与人机协同平台为基础,定义出场景化、行业化、个性化的智能服务。 云从科技业务涵盖金融、安防、交通、商业等领域,通过行业领先的人工智能、认知计算与大数据技术形成的整合解决方案,已服务400余家银行14.7万网点、30个省级行政区公安、80余家机场,实现银行日均比对2.16亿次、公安战果超5万起、机场日均服务旅客200万人次。

https://www.cloudwalk.cn
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

权重技术

线性模型中特征的系数,或深度网络中的边。训练线性模型的目标是确定每个特征的理想权重。如果权重为 0,则相应的特征对模型来说没有任何贡献。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

TensorFlow技术

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

信息熵技术

在信息论中,熵是接收的每条消息中包含的信息的平均量,又被称为信息熵、信源熵、平均自信息量。这里,“消息”代表来自分布或数据流中的事件、样本或特征。熵的单位通常为比特,但也用Sh、nat、Hart计量,取决于定义用到对数的底。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

文本挖掘技术

文本挖掘有时也被称为文字探勘、文本数据挖掘等,大致相当于文字分析,一般指文本处理过程中产生高质量的信息。高质量的信息通常通过分类和预测来产生,如模式识别。文本挖掘通常涉及输入文本的处理过程,产生结构化数据,并最终评价和解释输出。'高品质'的文本挖掘通常是指某种组合的相关性,新颖性和趣味性。

阿里巴巴机构

阿里巴巴网络技术有限公司(简称:阿里巴巴集团)是以曾担任英语教师的马云为首的18人于1999年在浙江杭州创立的公司。 阿里巴巴集团经营多项业务,另外也从关联公司的业务和服务中取得经营商业生态系统上的支援。业务和关联公司的业务包括:淘宝网、天猫、聚划算、全球速卖通、阿里巴巴国际交易市场、1688、阿里妈妈、阿里云、蚂蚁金服、菜鸟网络等。 2014年9月19日,阿里巴巴集团在纽约证券交易所正式挂牌上市,股票代码“BABA”,创始人和董事局主席为马云。 2018年7月19日,全球同步《财富》世界500强排行榜发布,阿里巴巴集团排名300位。2018年12月,阿里巴巴入围2018世界品牌500强。

https://www.alibabagroup.com/
相关技术
百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
Samsung Group机构

三星集团是韩国最大的跨国企业集团,同时也是上市企业全球500强,三星集团包括众多的国际下属企业,旗下子公司有:三星电子、三星物产、三星航空、三星人寿保险、雷诺三星汽车等,业务涉及电子、金融、机械、化学等众多领域。 三星集团成立于1938年,由李秉喆创办。三星集团是家族企业,李氏家族世袭,旗下各个三星产业均为家族产业,并由家族中的其他成员管理,集团领导人已传至 李氏第三代,李健熙为现任集团会长,其子李在镕任三星电子副会长。

旷视科技机构

北京旷视科技有限公司是一家行业领先的人工智能公司,在深度学习方面拥有核心竞争力。旷视向客户提供包括先进算法、平台软件、应用软件及内嵌人工智能功能的物联网设备的全栈式解决方案,并在多个行业取得领先地位。2017年和2019年,旷视跻身《麻省理工科技评论》发布的两项「50大最聪明公司」榜单中。 旷视是全球为数不多的拥有自主研发深度学习框架的公司之一,旷视自研的深度学习框架MegEngine作为旷视人工智能算法平台Brain++的核心组件,为算法训练、部署及模型改进过程提供重要支持。 旷视总部位于北京,拥有 2,000 多名员工,并在北京、上海、南京、成都等地都设有研发中心。旷视的典型客户包括金融科技公司、银行、智能手机公司、第三方系统集成商、物业管理者、学校、物流公司及制造商等。

https://www.megvii.com/
腾讯机构

腾讯科技股份有限公司(港交所:700)是中国规模最大的互联网公司,1998年11月由马化腾、张志东、陈一丹、许晨晔、曾李青5位创始人共同创立,总部位于深圳南山区腾讯大厦。腾讯由即时通讯软件起家,业务拓展至社交、娱乐、金融、资讯、工具和平台等不同领域。目前,腾讯拥有中国国内使用人数最多的社交软件腾讯QQ和微信,以及中国国内最大的网络游戏社区腾讯游戏。在电子书领域 ,旗下有阅文集团,运营有QQ读书和微信读书。

http://www.tencent.com/
Xilinx机构

赛灵思作为FPGA、可编程SoC的发明者,一直坐稳全球最大的FPGA芯片供应商头把交椅。赛灵思的产品线覆盖45/28/20/16nm四个系列的FPGA以及Zynq SoC,旗下拥有着超过4400项技术专利、60多项行业第一的技术产品,服务着全球超过60000的客户。赛灵思耗时4年,超过1500名工程师的研发参与,超过10亿美元的研发投资,推出高度集成的多核异构自适应计算加速平台——ACAP!10月赛灵思发布了统一软件平台Vitis,成功“打破软硬件壁垒”。

https://china.xilinx.com/
相关技术
5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

Honeywell机构

霍尼韦尔(Honeywell)为全球客户提供专业的行业解决方案,涵盖航空和汽车产品及服务,楼宇、住宅和工业控制技术,以及特性材料。从飞机、汽车、住宅、楼宇、制造工厂、供应链到工人,我们的技术致力于万物互联,创造一个更智能、更安全和更可持续发展的世界。

http://www.honeywell.com
北京大学机构

北京大学创办于1898年,初名京师大学堂,是中国第一所国立综合性大学,也是当时中国最高教育行政机关。辛亥革命后,于1912年改为现名。2000年4月3日,北京大学与原北京医科大学合并,组建了新的北京大学。原北京医科大学的前身是国立北京医学专门学校,创建于1912年10月26日。20世纪三、四十年代,学校一度名为北平大学医学院,并于1946年7月并入北京大学。1952年在全国高校院系调整中,北京大学医学院脱离北京大学,独立为北京医学院。1985年更名为北京医科大学,1996年成为国家首批“211工程”重点支持的医科大学。两校合并进一步拓宽了北京大学的学科结构,为促进医学与人文社会科学及理科的结合,改革医学教育奠定了基础。

官网,http://www.pku.edu.cn/
暂无评论
暂无评论~