人工智能產(chǎn)業(yè)發(fā)展深度報告：格局、潛力與展望

　　人工智能（ArtificialIntelligence，AI）是利用機器學(xué)習和數(shù)據(jù)分析方法賦予機器模擬、延申和拓展類人的智能的能力，本質(zhì)上是對人類思維過程的模擬。AI概念最早始于1956年的達特茅斯會議，受限于算法和算力的不成熟，未能實現(xiàn)大規(guī)模的應(yīng)用和推廣。近年來，在大數(shù)據(jù)、算法和計算機能力三大要素的共同驅(qū)動下，人工智能進入高速發(fā)展階段。據(jù)中國電子學(xué)會預(yù)測，2022全球人工智能市場將達到1630億元，2018-2022年CAGR達31%。

　　人工智能賦能實體經(jīng)濟，為生產(chǎn)和生活帶來革命性的轉(zhuǎn)變。人工智能作為新一輪產(chǎn)業(yè)變革的核心力量，將重塑生產(chǎn)、分配、交換和消費等經(jīng)濟活動各環(huán)節(jié)，催生新業(yè)務(wù)、新模式和新產(chǎn)品。從衣食住行到醫(yī)療教育，人工智能技術(shù)在社會經(jīng)濟各個領(lǐng)域深度融合和落地應(yīng)用。同時，人工智能具有強大的經(jīng)濟輻射效益，為經(jīng)濟發(fā)展提供強勁的引擎。據(jù)埃森哲預(yù)測，2035年，人工智能將推動中國勞動生產(chǎn)率提高27%，經(jīng)濟總增加值提升7.1萬億美元。

　　多角度人工智能產(chǎn)業(yè)比較

　　目前，全球人工智能產(chǎn)業(yè)的生態(tài)系統(tǒng)正逐步成型。依據(jù)產(chǎn)業(yè)鏈上下游關(guān)系，可以將人工智能劃分為基礎(chǔ)支持層、中間技術(shù)層和下游應(yīng)用層。基礎(chǔ)層是人工智能產(chǎn)業(yè)的基礎(chǔ)，主要提供硬件（芯片和傳感器）及軟件（算法模型）等基礎(chǔ)能力；技術(shù)層是人工智能產(chǎn)業(yè)的核心，以模擬人的智能相關(guān)特征為出發(fā)點，將基礎(chǔ)能力轉(zhuǎn)化成人工智能技術(shù)，如計算機視覺、智能語音、自然語言處理等應(yīng)用算法研發(fā)。其中，技術(shù)層能力可以廣泛應(yīng)用到多個不同的應(yīng)用領(lǐng)域；應(yīng)用層是人工智能產(chǎn)業(yè)的延伸，將技術(shù)應(yīng)用到具體行業(yè)，涵蓋制造、交通、金融、醫(yī)療等18個領(lǐng)域，其中醫(yī)療、交通、制造等領(lǐng)域的人工智能應(yīng)用開發(fā)受到廣泛關(guān)注。

       戰(zhàn)略部署：大國角逐，布局各有側(cè)重

　　全球范圍內(nèi)，中美“雙雄并立”構(gòu)成人工智能第一梯隊，日本、英國、以色列和法國等發(fā)達國家乘勝追擊，構(gòu)成第二梯隊。同時，在頂層設(shè)計上，多數(shù)國家強化人工智能戰(zhàn)略布局，并將人工智能上升至國家戰(zhàn)略，從政策、資本、需求三大方面為人工智能落地保駕護。后起之秀的中國，局部領(lǐng)域有所突破。中國人工智能起步較晚，發(fā)展之路幾經(jīng)沉福自2015年以來，政府密集出臺系列扶植政策，人工智能發(fā)展勢頭迅猛。由于初期我國政策側(cè)重互聯(lián)網(wǎng)領(lǐng)域，資金投向偏向終端市場。因此，相比美國產(chǎn)業(yè)布局，中國技術(shù)層（計算機視覺和語音識別）和應(yīng)用層走在世界前端，但基礎(chǔ)層核心領(lǐng)域（算法和硬件算力）比較薄弱，呈“頭重腳輕”的態(tài)勢。當前我國人工智能在國家戰(zhàn)略層面上強調(diào)系統(tǒng)、綜合布局。

　　美國引領(lǐng)人工智能前沿研究，布局慢熱而強勢。美國政府稍顯遲緩，2019年人工智能國家級戰(zhàn)略（《美國人工智能倡議》）才姍姍來遲。但由于美國具有天時（5G時代）地利（硅谷）人和（人才）的天然優(yōu)勢，其在人工智能的競爭中已處于全方位領(lǐng)先狀態(tài)?？傮w來看，美國重點領(lǐng)域布局前沿而全面，尤其是在算法和芯片腦科學(xué)等領(lǐng)域布局超前。此外，美國聚焦人工智能對國家安全和社會穩(wěn)定的影響和變革，并對數(shù)據(jù)、網(wǎng)絡(luò)和系統(tǒng)安全十分重視。

　　倫理價值觀引領(lǐng)，歐洲國家搶占規(guī)范制定的制高點。2018年，歐洲28個成員國(含英國)簽署了《人工智能合作宣言》，在人工智能領(lǐng)域形成合力。從國家層面來看，受限于文化和語言差異阻礙大數(shù)據(jù)集合的形成，歐洲各國在人工智能產(chǎn)業(yè)上不具備先發(fā)優(yōu)勢，但歐洲國家在全球AI倫理體系建設(shè)和規(guī)范的制定上搶占了“先機”。歐盟注重探討人工智能的社會倫理和標準，在技術(shù)監(jiān)管方面占據(jù)全球領(lǐng)先地位。

　　日本尋求人工智能解決社會問題。日本以人工智能構(gòu)建“超智能社會”為引領(lǐng)，將 2017年確定為人工智能元年。由于日本的數(shù)據(jù)、技術(shù)和商業(yè)需求較為分散，難以系統(tǒng)地發(fā)展人工智能技術(shù)和產(chǎn)業(yè)。因此，日本政府在機器人、醫(yī)療健康和自動駕駛?cè)缶哂邢鄬?yōu)勢的領(lǐng)域重點布局，并著力解決本國在養(yǎng)老、教育和商業(yè)領(lǐng)域的國家難題。

　　基礎(chǔ)層面：技術(shù)薄弱，芯片之路任重道遠

　　基礎(chǔ)層由于創(chuàng)新難度大、技術(shù)和資金壁壘高等特點，底層基礎(chǔ)技術(shù)和高端產(chǎn)品市場主要被歐美日韓等少數(shù)國際巨頭壟斷。受限于技術(shù)積累與研發(fā)投入的不足，國內(nèi)在基礎(chǔ)層領(lǐng)域相對薄弱。具體而言，在AI芯片領(lǐng)域，國際科技巨頭芯片已基本構(gòu)建產(chǎn)業(yè)生態(tài)，而中國尚未掌握核心技術(shù)，芯片布局難以與巨頭抗衡；在云計算領(lǐng)域，服務(wù)器虛擬化、網(wǎng)絡(luò)技術(shù)（SDN）、開發(fā)語音等核心技術(shù)被掌握在亞馬遜、微軟等少數(shù)國外科技巨頭手中。雖國內(nèi)阿里、華為等科技公司也開始大力投入研發(fā)，但核心技術(shù)積累尚不足以主導(dǎo)產(chǎn)業(yè)鏈發(fā)展；在智能傳感器領(lǐng)域，歐洲（BOSCH，ABB）、美國（霍尼韋爾）等國家或地區(qū)全面布局傳感器多種產(chǎn)品類型，而在中國也涌現(xiàn)了諸如匯頂科技的指紋傳感器等產(chǎn)品，但整體產(chǎn)業(yè)布局單一，呈現(xiàn)出明顯的短板。在數(shù)據(jù)領(lǐng)域，中國具有的得天獨厚的數(shù)據(jù)體量優(yōu)勢，海量數(shù)據(jù)助推算法算力升級和產(chǎn)業(yè)落地，但我們也應(yīng)當意識到，中國在數(shù)據(jù)公開力度、國際數(shù)據(jù)交換、統(tǒng)一標準的數(shù)據(jù)生態(tài)系統(tǒng)構(gòu)建等方面還有很長的路要走。

　　“無芯片不 AI”，以AI芯片為載體的計算力是人工智能發(fā)展水平的重要衡量標準，我們將對AI芯片作詳細剖析，以期對中國在人工智能基礎(chǔ)層的競爭力更細致、準確的把握。

　　依據(jù)部署位置，AI芯片可劃分為云端（如數(shù)據(jù)中心等服務(wù)器端）和終端（應(yīng)用場景涵蓋手機、汽車、安防攝像頭等電子終端產(chǎn)品）芯片；依據(jù)承擔的功能，AI芯片可劃分為訓(xùn)練和推斷芯片。訓(xùn)練端參數(shù)的形成涉及到海量數(shù)據(jù)和大規(guī)模計算，對算法、精度、處理能力要求非常高，僅適合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成為AI芯片行業(yè)的主流技術(shù)路線。不同類型芯片各具優(yōu)勢，在不同領(lǐng)域呈現(xiàn)多技術(shù)路徑并行發(fā)展態(tài)勢。我們將從三種技術(shù)路線分別剖析中國AI芯片在全球的競爭力。

　　GPU（GraphicsProcessingUnit）的設(shè)計和生產(chǎn)均已成熟，占領(lǐng)AI芯片的主要市場份額。GPU擅長大規(guī)模并行運算，可平行處理海量信息，仍是AI芯片的首選。據(jù)IDC預(yù)測，2019年GPU在云端訓(xùn)練市場占比高達75%。在全球范圍內(nèi)，英偉達和AMD形成雙寡頭壟斷，尤其是英偉達占GPU市場份額的70%-80%。英偉達在云端訓(xùn)練和云端推理市場推出的GPUTeslaV100和TeslaT4產(chǎn)品具有極高性能和強大競爭力，其壟斷地位也在不斷強化。目前中國尚未“入局”云端訓(xùn)練市場。由于國外GPU巨頭具有豐富的芯片設(shè)計經(jīng)驗和技術(shù)沉淀，同時又具有強大的資金實力，中國短期內(nèi)無法撼動GPU芯片的市場格局。

　  FPGA（FieldProgrammableGateArray）芯片具有可硬件編程、配置高靈活性和低能耗等優(yōu)點。FPGA技術(shù)壁壘高，市場呈雙寡頭壟斷：賽靈思（Xilinx）和英特爾（Intel）合計占市場份額近90%，其中賽靈思的市場份額超過50%，始終保持著全球FPGA霸主地位。國內(nèi)百度、阿里、京微齊力也在部署FPGA領(lǐng)域，但尚處于起步階段，技術(shù)差距較大。

　　ASIC（ApplicationSpecificIntegratedCircuits）是面向特定用戶需求設(shè)計的定制芯片，可滿足多種終端運用。盡管ASIC需要大量的物理設(shè)計、時間、資金及驗證，但在量產(chǎn)后，其性能、能耗、成本和可靠性都優(yōu)于GPU和FPGA。與GPU與FPGA形成確定產(chǎn)品不同，ASIC僅是一種技術(shù)路線或方案，著力解決各應(yīng)用領(lǐng)域突出問題及管理需求。目前，ASIC芯片市場競爭格局穩(wěn)定且分散。我國的ASIC技術(shù)與世界領(lǐng)先水平差距較小，部分領(lǐng)域處于世界前列。在海外，谷歌TPU是主導(dǎo)者；國內(nèi)初創(chuàng)芯片企業(yè)（如寒武紀、比特大陸和地平線），互聯(lián)網(wǎng)巨頭（如百度、華為和阿里）在細分領(lǐng)域也有所建樹。

　　總體來看，歐美日韓基本壟斷中高端云端芯片，國內(nèi)布局主要集中在終端 ASIC芯片，部分領(lǐng)域處于世界前列，但多以初創(chuàng)企業(yè)為主，且尚未形成有影響力的“芯片?平臺?應(yīng)用”的生態(tài)，不具備與傳統(tǒng)芯片巨頭（如英偉達、賽靈思）抗衡的實力；而在GPU和FPGA領(lǐng)域，中國尚處于追趕狀態(tài)，高端芯片依賴海外進口。

　　技術(shù)層面：乘勝追擊，國內(nèi)頭部企業(yè)各領(lǐng)風騷

　　技術(shù)層是基于基礎(chǔ)理論和數(shù)據(jù)之上，面向細分應(yīng)用開發(fā)的技術(shù)。中游技術(shù)類企業(yè)具有技術(shù)生態(tài)圈、資金和人才三重壁壘，是人工智能產(chǎn)業(yè)的核心。相比較絕大多數(shù)上游和下游企業(yè)聚焦某一細分領(lǐng)域、技術(shù)層向產(chǎn)業(yè)鏈上下游擴展較為容易。該層面包括算法理論（機器學(xué)習）、開發(fā)平臺（開源框架）和應(yīng)用技術(shù)（計算機視覺、智能語音、生物特征識別、自然語言處理）。眾多國際科技巨頭和獨角獸均在該層級開展廣泛布局。近年來，我國技術(shù)層圍繞垂直領(lǐng)域重點研發(fā)，在計算機視覺、語音識別等領(lǐng)域技術(shù)成熟，國內(nèi)頭部企業(yè)脫穎而出，競爭優(yōu)勢明顯。但算法理論和開發(fā)平臺的核心技術(shù)仍有所欠缺。

　  具體來看，在算法理論和開發(fā)平臺領(lǐng)域，國內(nèi)尚缺乏經(jīng)驗，發(fā)展較為緩慢。機器學(xué)習算法是人工智能的熱點，開源框架成為國際科技巨頭和獨角獸布局的重點。開源深度學(xué)習平臺是允許公眾使用、復(fù)制和修改的源代碼，是人工智能應(yīng)用技術(shù)發(fā)展的核心推動力。目前，國際上廣泛使用的開源框架包括谷歌的TensorFlow、臉書的Torchnet和微軟的DMTK等，美國仍是該領(lǐng)域發(fā)展水平最高的國家。我國基礎(chǔ)理論體系尚不成熟，百度的PaddlePaddle、騰訊的Angle等國內(nèi)企業(yè)的算法框架尚無法與國際主流產(chǎn)品競爭。

　　在應(yīng)用技術(shù)的部分領(lǐng)域，中國實力與歐美比肩。計算機視覺、智能語音、自然語言處理是三大主要技術(shù)方向，也是中國市場規(guī)模最大的三大商業(yè)化技術(shù)領(lǐng)域。受益于互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)達，積累大量用戶數(shù)據(jù)，國內(nèi)計算機視覺、語音識別領(lǐng)先全球。自然語言處理當前市場競爭尚未成型，但國內(nèi)技術(shù)積累與國外相比存在一定差距。

　　作為落地最為成熟的技術(shù)之一，計算機視覺應(yīng)用場景廣泛。計算機視覺是利用計算機模擬人眼的識別、跟蹤和測量功能。其應(yīng)用場景廣泛，涵蓋了安防（人臉識別）、醫(yī)療（影像診斷）、移動互聯(lián)網(wǎng)（視頻監(jiān)管）等。計算機視覺是中國人工智能市場最大的組成部分。據(jù)艾瑞咨詢數(shù)據(jù)顯示，2017年，計算機視覺行業(yè)市場規(guī)模分別為80億元，占國內(nèi)AI市場的37%。由于政府市場干預(yù)、算法模型成熟度、數(shù)據(jù)可獲得性等因素的影響，計算機視覺技術(shù)落地情況產(chǎn)生分化。我國計算機視覺技術(shù)輸出主要在安防、金融和移動互聯(lián)網(wǎng)領(lǐng)域。而美國計算機視覺下游主要集中在消費、機器人和智能駕駛領(lǐng)域。

　　計算機視覺技術(shù)競爭格局穩(wěn)定，國內(nèi)頭部企業(yè)脫穎而出。隨著終端市場工業(yè)檢測與測量逐漸趨于飽和，新的應(yīng)用場景尚在探索，當前全球技術(shù)層市場進入平穩(wěn)的增長期，市場競爭格局逐步穩(wěn)定，頭部企業(yè)技術(shù)差距逐漸縮校中國在該領(lǐng)域技術(shù)積累豐富，技術(shù)應(yīng)用和產(chǎn)品的結(jié)合走在國際前列。2018年，在全球最權(quán)威的人臉識別算法測試（FRVT）中，國內(nèi)企業(yè)和研究院包攬前五名，中國技術(shù)世界領(lǐng)先。國內(nèi)計算機視覺行業(yè)集中度高，頭部企業(yè)脫穎而出。據(jù)IDC統(tǒng)計，2017年，商湯科技、依圖科技、曠視科技、云從科技四家企業(yè)占國內(nèi)市場份額的69.4%，其中商湯市場份額20.6%排名第一。

　　應(yīng)用層面：群雄逐鹿，格局未定

　　應(yīng)用層以底層技術(shù)能力為主導(dǎo)，切入不同場景和應(yīng)用，提供產(chǎn)品和解決方案。受益于計算機視覺、圖像識別、自然語言處理等技術(shù)的快速發(fā)展，人工智能已廣泛地滲透和應(yīng)用于諸多垂直領(lǐng)域，產(chǎn)品形式也趨向多樣化。近年來，關(guān)注度較高的應(yīng)用場景主要包括安防、金融、教育、醫(yī)療、交通、廣告營銷等。從融合深度上，由于場景復(fù)雜度、技術(shù)成熟度和數(shù)據(jù)公開水平的不同，而導(dǎo)致各場景應(yīng)用成熟度不同。例如，政策導(dǎo)向和海量數(shù)據(jù)助推下，AI+安防、金融和客服領(lǐng)域有較為深入的應(yīng)用，醫(yī)療和教育領(lǐng)域是產(chǎn)品或服務(wù)單點式切入，尚未形成完整的解決方案。而由于基礎(chǔ)設(shè)施復(fù)雜和數(shù)據(jù)獲取難度大，AI+制造業(yè)處于邊緣化。此外，AI+農(nóng)業(yè)國內(nèi)尚未產(chǎn)生成熟產(chǎn)品。

　　應(yīng)用場景市場空間廣闊，全球市場格局未定。受益于全球開源社區(qū)，應(yīng)用層進入門檻相對較低。目前，應(yīng)用層是人工智能產(chǎn)業(yè)鏈中市場規(guī)模最大的層級。據(jù)中國電子學(xué)會統(tǒng)計，2019年，全球應(yīng)用層產(chǎn)業(yè)規(guī)模將達到360.5億元，約是技術(shù)層的1.67倍，基礎(chǔ)層的2.53倍。在全球范圍內(nèi)，人工智能仍處在產(chǎn)業(yè)化和市場化的探索階段，落地場景的豐富度、用戶需求和解決方案的市場滲透率均有待提高。目前，國際上尚未出現(xiàn)擁有絕對主導(dǎo)權(quán)的壟斷企業(yè)，在很多細分領(lǐng)域的市場競爭格局尚未定型。

　　中國側(cè)重應(yīng)用層產(chǎn)業(yè)布局，市場發(fā)展?jié)摿Υ?。歐洲、美國等發(fā)達國家和地區(qū)的人工智能產(chǎn)業(yè)商業(yè)落地期較早，以谷歌、亞馬遜等企業(yè)為首的科技巨頭注重打造于從芯片、操作系統(tǒng)到應(yīng)用技術(shù)研發(fā)再到細分場景運用的垂直生態(tài)，市場整體發(fā)展相對成熟；而應(yīng)用層是我國人工智能市場最為活躍的領(lǐng)域，其市場規(guī)模和企業(yè)數(shù)量也在國內(nèi) AI分布層級占比最大。據(jù)艾瑞咨詢統(tǒng)計，2019年，國內(nèi)77%的人工智能企業(yè)分布在應(yīng)用層。得益于廣闊市場空間以及大規(guī)模的用戶基礎(chǔ)，中國市場發(fā)展?jié)摿^大，且在產(chǎn)業(yè)化應(yīng)用上已有部分企業(yè)居于世界前列。例如，中國AI+安防技術(shù)、產(chǎn)品和解決方案引領(lǐng)全球產(chǎn)業(yè)發(fā)展，?？低暫痛笕A股份分別占據(jù)全球智能安防企業(yè)的第一名和第四名。

　　7

整體來看，國內(nèi)人工智能完整產(chǎn)業(yè)鏈已初步形成，但仍存在結(jié)構(gòu)性問題。從產(chǎn)業(yè)生態(tài)來看，我國偏重于技術(shù)層和應(yīng)用層，尤其是終端產(chǎn)品落地應(yīng)用豐富，技術(shù)商業(yè)化程度比肩歐美。但與美國等發(fā)達國家相比，我國在基礎(chǔ)層缺乏突破性、標志性的研究成果，底層技術(shù)和基礎(chǔ)理論方面尚顯薄弱。初期國內(nèi)政策偏重互聯(lián)網(wǎng)領(lǐng)域，行業(yè)發(fā)展追求速度，資金投向追捧易于變現(xiàn)的終端應(yīng)用。人工智能產(chǎn)業(yè)發(fā)展較為“浮躁”，導(dǎo)致研發(fā)周期長、資金投入大、見效慢的基礎(chǔ)層創(chuàng)新被市場忽略?！邦^重腳輕”的發(fā)展態(tài)勢導(dǎo)致我國依賴國外開發(fā)工具、基礎(chǔ)器件等問題，不利于我國人工智能生態(tài)的布局和產(chǎn)業(yè)的長期發(fā)展。短期來看，應(yīng)用終端領(lǐng)域投資產(chǎn)出明顯，但其難以成為引導(dǎo)未來經(jīng)濟變革的核心驅(qū)動力。中長期來看，人工智能發(fā)展根源于基礎(chǔ)層（算法、芯片等）研究有所突破。

　　透析人工智能發(fā)展?jié)摿?/strong>

　　基于人工智能產(chǎn)業(yè)發(fā)展現(xiàn)狀，我們將從智能產(chǎn)業(yè)基礎(chǔ)、學(xué)術(shù)生態(tài)和創(chuàng)新環(huán)境三個維度，對中國、美國和歐洲28國人工智能發(fā)展?jié)摿M行評估，并使用熵值法確定各指標相應(yīng)權(quán)重后，利用理想值法（TOPSIS法）構(gòu)建了一個代表人工智能發(fā)展?jié)摿φw情況的綜合指標。

　　從智能產(chǎn)業(yè)基礎(chǔ)的角度：

　　產(chǎn)業(yè)化程度：增長強勁，產(chǎn)業(yè)規(guī)模僅次美國

　　中國人工智能尚在產(chǎn)業(yè)化初期，但市場發(fā)展?jié)摿^大。產(chǎn)業(yè)化程度是判斷人工智能發(fā)展活力的綜合指標，從市場規(guī)模角度，據(jù) IDC數(shù)據(jù)，2019年，美國、西歐和中國的人工智能市場規(guī)模分別是213、71.25和45億美元，占全球市場份額依次為57%、19%和12%。中國與美國的市場規(guī)模存在較大差異，但近年來國內(nèi)AI技術(shù)的快速發(fā)展帶動市場規(guī)模高速增長，2019年增速高達64%，遠高于美國（26%）和西歐（41%）。從企業(yè)數(shù)量角度，據(jù)清華大學(xué)科技政策研究中心，截至2018年6月，中國（1011家）和美國（2028家）人工智能企業(yè)數(shù)全球遙遙領(lǐng)先，第三位英國（392家）不及中國企業(yè)數(shù)的40%。從企業(yè)布局角度，據(jù)騰訊研究院，中國46%和22%的人工智能企業(yè)分布在語音識別和計算機視覺領(lǐng)域。橫向來看，美國在基礎(chǔ)層和技術(shù)層企業(yè)數(shù)量領(lǐng)先中國，尤其是在自然語言處理、機器學(xué)習和技術(shù)平臺領(lǐng)域。而在應(yīng)用層面（智能機器人、智能無人機），中美差距略小。展望未來，在政策扶持、資本熱捧和數(shù)據(jù)規(guī)模先天優(yōu)勢下，中國人工智能產(chǎn)業(yè)將保持強勁的增長態(tài)勢，發(fā)展?jié)摿^大。

       技術(shù)創(chuàng)新能力：專利多而不優(yōu)，海外布局仍有欠缺

　　專利申請量是衡量人工智能技術(shù)創(chuàng)新能力和發(fā)展?jié)撡|(zhì)的核心要素。在全球范圍內(nèi)，人工智 能專利申請主要來源于中國、美國和日本。2000年至2018年間，中美日三國AI專利申請量占全球總申請量的73.95%。中國雖在AI領(lǐng)域起步較晚，但自2010年起，專利產(chǎn)出量首超美國，并長期雄踞申請量首位。

　　從專利申請領(lǐng)域來看，深度學(xué)習、語音識別、人臉識別和機器人等熱門領(lǐng)域均成為各國重點布局領(lǐng)域。其中，美國幾乎全領(lǐng)域領(lǐng)跑，而中國在語音識別（中文語音識別正確率世界 第一）、文本挖掘、云計算領(lǐng)域優(yōu)勢明顯。具體來看，多數(shù)國內(nèi)專利于AI科技熱潮興起后申請，并集中在應(yīng)用端（如智能搜索、智能推薦），而AI芯片、基礎(chǔ)算法等關(guān)鍵領(lǐng)域和前沿領(lǐng)域?qū)＠夹g(shù)主要仍被美國掌握。由此反映出中國AI發(fā)展存在基礎(chǔ)不牢，存在表面繁榮的結(jié)構(gòu)性不均衡問題。

　　從專利權(quán)人分布來看，中國高校和科研機構(gòu)創(chuàng)新占據(jù)主導(dǎo)地位，或?qū)е吕碚?、技術(shù)和產(chǎn)業(yè)割斷的市場格局。歐美日人工智能申請人集中在企業(yè)，IBM、微軟、三星等巨頭企業(yè)已構(gòu)建了相對成熟的研發(fā)體系和策略，成為專利申請量最多的專利人之一。其中，IBM擁有專利數(shù)量全球遙遙領(lǐng)先，截至2018年12月31日，共擁有4079件AI專利。而中國是全球唯一的大學(xué)和研究機構(gòu)AI專利申請高于企業(yè)的國家。由于高校與企業(yè)定位與利益追求本質(zhì)上存在差異，國內(nèi)技術(shù)創(chuàng)新與市場需求是否有效結(jié)合的問題值得關(guān)注。

　　中國 AI專利質(zhì)量參差不齊，海外市場布局仍有欠缺。盡管中國專利申請量遠超美國，但技術(shù)“多而不強，專而不優(yōu)”問題亟待調(diào)整。其一，中國AI專利國內(nèi)為主，高質(zhì)量PCT數(shù)量較少。PCT（PatentCooperationTreaty）是由WIPO進行管理，在全球范圍內(nèi)保護專利發(fā)明者的條約。PCT通常被為是具有較高的技術(shù)價值。據(jù)中國專利保護協(xié)會統(tǒng)計，美國PCT申請量占全球的41%，國際應(yīng)用廣泛。而中國PCT數(shù)量（2568件）相對較少，僅為美國PCT申請量的1/4。目前，我國AI技術(shù)尚未形成規(guī)模性技術(shù)輸出，國際市場布局欠缺；其二，中國實用新型專利占比高，專利廢棄比例大。我國專利類別包括發(fā)明、實用新型專利和外觀設(shè)計三類，技術(shù)難度依次降低。中國擁有AI專利中較多為門檻低的實用新型專利，如2017年，發(fā)明專利僅占申請總量的23%。此外，據(jù)劍橋大學(xué)報告顯示，受高昂專利維護費用影響，我國61%的AI實用新型和95%的外觀設(shè)計將于5年后失效，而美國85.6%的專利仍能得到有效保留。

　　人才儲備：供需失衡，頂尖人才缺口大

　　人才的數(shù)量與質(zhì)量直接決定了人工智能的發(fā)展水平和潛力。目前，全球人工智能人才分布不均且短缺。據(jù)清華大學(xué)統(tǒng)計，截至2017年，人才儲備排名前10的國家占全球總量的61.8%。歐洲28國擁有43064名人工智能人才，位居全球第一，占全球總量的21.1%。美國和中國分別以28536、18232列席第二、第三位。其中，中國基礎(chǔ)人才儲備尤顯薄弱。根據(jù)騰訊研究院，美國AI技術(shù)層人才是中國2.26倍，基礎(chǔ)層人才數(shù)是中國的13.8倍。

　　我國人工智能人才供需嚴重失衡，杰出人才缺口大。據(jù) BOSS直聘測算，2017年國內(nèi)人工智能人才僅能滿足企業(yè)60%的需求，保守估計人才缺口已超過100萬。而在部分核心領(lǐng)域（語音識別、圖像識別等），AI人才供給甚至不足市場需求的40%，且這種趨勢隨AI企業(yè)的增加而愈發(fā)嚴重。在人工智能技術(shù)和應(yīng)用的摸索階段，杰出人才對產(chǎn)業(yè)發(fā)展起著至關(guān)重要的作用，甚至影響技術(shù)路線的發(fā)展。美國（5158人）、歐盟（5787人）依托雄厚的科研創(chuàng)新能力和發(fā)展機會聚集了大量精英，其杰出人才數(shù)在全球遙遙領(lǐng)先，而中國杰出人才（977人）比例仍明顯偏低，不足歐美的1/5。

　　人才流入率和流出率可以衡量一國生態(tài)體系對外來人才吸引和留住本國人才的能力。根據(jù) ElementAI企業(yè)的劃分標準，中國、美國等國家屬于AI人才流入與流出率均較低的錨定國（AnchoredCountries），尤其是美國的人工智能人才總量保持相對穩(wěn)定。具體來看，國內(nèi)人工智能培育仍以本土為主，海外人才回流中國的AI人才數(shù)量僅占國內(nèi)人才總量的9%，其中，美國是國內(nèi)AI人才回流的第一大來源大國，占所有回流中國人才比重的43.9%?？梢妵鴥?nèi)政策、技術(shù)、環(huán)境的發(fā)展對海外人才的吸引力仍有待加強。

　從學(xué)術(shù)生態(tài)的角度：

　　技術(shù)創(chuàng)新能力：科研產(chǎn)出表現(xiàn)強勁，產(chǎn)學(xué)融合尚待加強

　　科研能力是人工智能產(chǎn)業(yè)發(fā)展的驅(qū)動力。從論文產(chǎn)出數(shù)量來看，1998-2018年，歐盟、中國、美國位列前三，合計發(fā)文量全球占比69.64%。近些年，中國積極開展前瞻性科技布局，AI發(fā)展勢頭強勁，從1998年占全球人工智能論文比例的8.9%增長至2018年的28.2%，CAGR17.94%。2018年，中國以24929篇AI論文居世界首位。中國研究活動的活躍從側(cè)面體現(xiàn)在人工智能發(fā)展?jié)摿^大。

　　我國論文影響力仍待提高，但與歐美差距逐年縮校FWCI（Field-WeightedCitationImpact，加權(quán)引用影響力）指標是目前國際公認的定量評價科研論文質(zhì)量的最優(yōu)方法，我們利用FWCI表征標準化1后的論文影響力。當FWCI≥1時，代表被考論文質(zhì)量達到或超過了世界平均水平。近20年，美國的AI論文加權(quán)引用影響力“獨領(lǐng)風騷”，2018年，F(xiàn)WCI高于全球平均水平的36.78%；歐洲保持相對平穩(wěn)，與全球平均水平相當；中國AI領(lǐng)域論文影響力增幅明顯，2018年，中國FWCI為0.80，較2010年增長44.23%，但論文影響力仍低于世界平均水平的20%。從高被引前1%論文數(shù)量來看，美國和中國高質(zhì)量論文產(chǎn)出為于全球第一、第二位，超出第三位英國論文產(chǎn)出量近4倍。綜合來看，中國頂尖高質(zhì)量論文產(chǎn)出與美國不分伯仲，但整體來看，AI論文影響力與美國、歐美仍有差距。

　　從發(fā)文主體來看，科研機構(gòu)和高校是目前中國人工智能知識生產(chǎn)的絕對力量，反映出科研成果轉(zhuǎn)化的短板。而美國、歐盟和日本則呈現(xiàn)企業(yè)、政府機構(gòu)和高校聯(lián)合參與的態(tài)勢。據(jù)Scopus數(shù)據(jù)顯示，2018年，美國企業(yè)署名AI論文比例是中國的7.36倍，歐盟的1.92倍。2012年至2018年，美國企業(yè)署名AI論文比例增長43pct，同期中國企業(yè)署名AI論文僅增長18pct。此外，人工智能與市場應(yīng)用關(guān)聯(lián)密切，校企合作論文普遍存在。而我國校-企合作論文比例僅為2.45%，與以色列（10.06%）、美國（9.53%）、日本（6.47%）差別較大。從產(chǎn)學(xué)結(jié)合的角度，中國人工智能研究以學(xué)術(shù)界為驅(qū)動，企業(yè)在科研中參與程度較低，或難以實現(xiàn)以市場為導(dǎo)向。

　　中國人工智能高校數(shù)量實位于第二梯隊，實力比肩美國。高校是人工智能人才供給和論文產(chǎn)出的核心載體。據(jù)騰訊研究院統(tǒng)計，全球共 367所高校設(shè)置人工智能相關(guān)學(xué)科，其中，美國（168所）獨占鰲頭，占據(jù)全球的45.7%。中國擁有20所高校與英國并列第三，數(shù)量上稍顯遜色。此外，中國高校實力普遍上升，表現(xiàn)強勁。據(jù)麻省理工學(xué)院2019年發(fā)布的AI高校實力Top20榜單中，中國清華大學(xué)、北京大學(xué)包攬前兩名，較2018年分別上升1個和3個名次。

　　從創(chuàng)新環(huán)境的角度：

　　研發(fā)投入：中美研發(fā)投入差距收窄

　　中國研發(fā)高投入高強度，在全球研發(fā)表現(xiàn)中占據(jù)重要地位。從研發(fā)投入的角度，美國、中國、日本和德國始終是全球研發(fā)投入的主力軍。據(jù) IDC統(tǒng)計顯示，2018年四國的研發(fā)投入總和占全球總量的比例已達60.77%。其中，美國憑借其強大的研發(fā)實力連續(xù)多年位居全球研發(fā)投入的榜首。近年來，中國研發(fā)投入呈現(xiàn)一路猛增的強進勢頭，據(jù)Statista統(tǒng)計，國內(nèi)2019年研發(fā)投入額為5192億美元，僅次于美國。且趨勢上與美國差距不斷縮小，2000年至2019年，CAGR高達14.43%，同期美國CAGR僅2.99%。由于經(jīng)濟疲軟等諸多原因，歐盟與日本則呈現(xiàn)較為緩慢的上升趨勢。據(jù)研發(fā)投入與強度增長的趨勢推測，中國或在1-2年內(nèi)取代美國的全球研發(fā)領(lǐng)先地位。從研發(fā)強度的角度，中國研發(fā)強度總體上呈逐步攀升的趨勢，且漲幅較大。但對創(chuàng)新活動投入強度的重視程度仍與美國和日本存在差距。2018年中國研發(fā)強度1.97%，低于日本和美國1.53、0.87個百分點。

　　資本投入：資金多而項目缺，資本投向側(cè)重終端市場

　　中美是全球人工智能“融資高地”。人工智能開發(fā)成本高，資本投入成為推動技術(shù)開發(fā)的主力。在全球范圍內(nèi)，美國是人工智能新增企投融資領(lǐng)先者，據(jù)CAPIQ數(shù)據(jù)顯示，2010年至2019年10月，美國AI企業(yè)累計融資773億美元，領(lǐng)先中國320億美元，占全球總?cè)谫Y額的50.7%。尤其是特朗普政府以來，人工智能投資力度逐步加碼。中國作為全球第二大融資體，融資總額占全球35.5%?？紤]到已有格局和近期變化，其他國家和地區(qū)難以從規(guī)模上撼動中美兩國。從人工智能新增企業(yè)數(shù)量來看，美國仍處于全球領(lǐng)先地位。2010至2018年，美國累計新增企業(yè)數(shù)量7022家，較約是中國的8倍（870家）。中國每年新增人工智能企業(yè)在2016年達到179家高點后逐漸下降，近兩年分別是179家（2017年），151家（2018年），表明中國資本市場對AI投資也日趨成熟和理性。整體來看，中國人工智能新增企業(yè)增勢緩慢，但融資總額漲幅迅猛。這一“資金多而項目缺”的態(tài)勢或是行業(yè)泡沫即將出現(xiàn)的預(yù)警。

　相比較美國，中國資本投向側(cè)重易落地的終端市場。從融資層面來看，中國各領(lǐng)域發(fā)展較為均衡，應(yīng)用層是突出領(lǐng)域，如自動駕駛、計算機學(xué)習與圖像、語音識別和無人機技術(shù)領(lǐng)域的新增融資額均超過美國。而美國市場注重底層技術(shù)的發(fā)展。據(jù)騰訊研究院數(shù)據(jù)顯示，芯片和處理器是美國融資最多的領(lǐng)域，占總?cè)谫Y額的31%。當前中國對人工智能芯片市場高度重視，但受限于技術(shù)壁壘和投資門檻高，國內(nèi)芯片融資處于弱勢。

　　基于信息熵的 TOPSIS法：綜合指標評估（略）

　　數(shù)據(jù)結(jié)果顯示，美國綜合指標及三大項目指標評分絕對領(lǐng)先，中國第二，歐洲 28國暫且落后。具體來看，美國在人工智能人才儲備、創(chuàng)新產(chǎn)出、融資規(guī)模方面優(yōu)勢明顯。中國作為后起之秀，盡管有所趕超，但總體水平與美國相比仍有差距，尤其是杰出人才資源、高質(zhì)量專利申請上存在明顯的缺陷和短板。但在論文數(shù)量和影響力、研發(fā)投入等指標上，中國正快速發(fā)展，與美國差距收窄。從各指標具體分析來看，我國人工智能研究主要分布在高校和科研機構(gòu)，企業(yè)參與度較低，產(chǎn)出成果較多呈現(xiàn)條塊化、碎片化現(xiàn)象，缺乏與市場的系統(tǒng)性融合，這將不利于中國人工智能技術(shù)的發(fā)展和產(chǎn)業(yè)優(yōu)勢的發(fā)揮。此外，我國科研產(chǎn)出、企業(yè)數(shù)量和融資領(lǐng)域集中于產(chǎn)業(yè)鏈中下游，上游核心技術(shù)仍受制于國外企業(yè)。未來，若國內(nèi)底層技術(shù)領(lǐng)域仍未能實現(xiàn)突破，勢必導(dǎo)致人工智能產(chǎn)業(yè)發(fā)展面臨瓶頸。

　　展望：乘風破浪，探尋彎道超車之路

　　國內(nèi)人工智能追趕速度迅猛，但基礎(chǔ)薄弱問題突出。在強有力的戰(zhàn)略引領(lǐng)和政策支持下、依托龐大的數(shù)據(jù)體量、豐富的應(yīng)用場景和高度的互聯(lián)網(wǎng)普及率，中國人工智能產(chǎn)業(yè)持續(xù)保持蓬勃發(fā)展態(tài)勢，并躋身全球人工智能第一梯隊。技術(shù)上，我國人工智能論文和專利申請量長期雄踞世界首位，在國際技術(shù)競賽中多次拔得頭籌；產(chǎn)業(yè)上，以阿里巴巴、騰訊為代表的科技巨頭全面布局人工智能生態(tài)，以寒武紀、科大訊飛、商湯科技為代表的初創(chuàng)企業(yè)深耕垂直領(lǐng)域，打造技術(shù)護城河。我國人工智能產(chǎn)業(yè)規(guī)模、資本投入、企業(yè)數(shù)量呈現(xiàn)爆發(fā)式增長，智能技術(shù)與實體融合持續(xù)加強，落地場景不斷豐富。但我們也應(yīng)當意識到，與美國、歐洲相比，我國在產(chǎn)業(yè)鏈分布上更加集中于應(yīng)用落地端口。長期市場化導(dǎo)向?qū)е聡鴥?nèi)行業(yè)發(fā)展出現(xiàn)結(jié)構(gòu)性失衡，基礎(chǔ)理論缺乏、原創(chuàng)算法薄弱、高端芯片依賴進口等問題凸顯，這也反映出中國人工智能發(fā)展不牢的風險點。因此，站在科技創(chuàng)新的“巨型風口”，我們更需要審慎后續(xù)技術(shù)路線和產(chǎn)業(yè)發(fā)展路徑，加大科研攻關(guān)力度，補齊技術(shù)短板。

　　從中短期看，技術(shù)優(yōu)化、落地場景的開拓和滲透是是最主要的增長點；從長期看，智能生態(tài)體系建設(shè)才是彎道超車的必由之路。人工智能產(chǎn)業(yè)的核心競爭力在于生態(tài)體系的建設(shè)，包括大數(shù)據(jù)、算法理論、底層技術(shù)、應(yīng)用生態(tài)、人才儲備等層面。而我國人工智能產(chǎn)業(yè)生態(tài)和基礎(chǔ)設(shè)施建設(shè)正處于探索期，如何實現(xiàn)核心技術(shù)的突破和拓寬人工智能技術(shù)與社會經(jīng)濟融合場景著力點在于人才儲備和持續(xù)的研發(fā)投入。從人才的角度，收窄技術(shù)差距的根本在于優(yōu)化人的知識結(jié)構(gòu)和能力。當前政策應(yīng)側(cè)重建立人才培養(yǎng)體系，為人工智能打造人才資源池，尤其是在基礎(chǔ)學(xué)科領(lǐng)域突破人才瓶頸。同時，打破“唯數(shù)量論”的科研評價和考核體系，改變?nèi)瞬偶顧C制勢在必行。我國人工智能專利申請和科研產(chǎn)出數(shù)量全球領(lǐng)先，但質(zhì)量堪憂。唯有從源頭改變評價機制，才能扭轉(zhuǎn)“量多而質(zhì)優(yōu)”的問題。從研發(fā)的角度，企業(yè)技術(shù)優(yōu)化和創(chuàng)新能力是解決產(chǎn)業(yè)痛點的關(guān)鍵。基礎(chǔ)研究的投入周期長、不確定性大、和風險高特點決定了其難以短期內(nèi)獲得投資回報，但基礎(chǔ)領(lǐng)域的突破將為經(jīng)濟帶來長期和廣泛的溢出效應(yīng)，因此，國內(nèi)更應(yīng)關(guān)注底層技術(shù)的研發(fā)投入，扭轉(zhuǎn)傳統(tǒng)技術(shù)路徑，顛覆核心技術(shù)受制于人的被動局面。此外，人工智能在賦能機器模擬人類進行決策的同時產(chǎn)生的倫理道德、隱私保護和社會安全問題值得關(guān)注。由于法律法規(guī)存在滯后性，尚無法對人工智能技術(shù)進行有效監(jiān)管。我國應(yīng)加快人工智能倫理研究，及早識別人工智能治理風險。

　　轉(zhuǎn)自：C114通信網(wǎng)

返回產(chǎn)經(jīng)網(wǎng)首頁 >>

　　【版權(quán)及免責聲明】凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時須獲得授權(quán)并注明來源“中國產(chǎn)業(yè)經(jīng)濟信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責任的權(quán)力。凡轉(zhuǎn)載文章及企業(yè)宣傳資訊，僅代表作者個人觀點，不代表本網(wǎng)觀點和立場。版權(quán)事宜請聯(lián)系：010-65367254。

延伸閱讀