原載：微信公眾號 智東西

目前AI已在金融、醫療、安防等多個領域實現技術落地，且應用場景也愈來愈豐富，正在實現全方位的商業化，引發了各個行業的深刻變革，這對加速企業數字化、改善產業鏈結構、提高信息利用效率等方面都起到了積極作用。與此同時，AI也已全面進入機器學習時代，未來AI的發展將是關鍵技術與產業的結合。然而隨著投資界和企業界對AI的了解逐步加深，AI投融資市場更加理性，投資金額雖然繼續增加，但投融資頻次有所下降。特別是經過行業的一輪優勝劣汰后，底層技術創業公司以及落地性強的領域如醫療、教育、無人駕駛等創業項目繼續受到人工智能領先機構的青睞。

本期的智能內參，我們推薦德勤的研究報告《全球人工智能發展白皮書》，從AI創新融合的新趨勢、AI技術的發展和騰飛、中國在全球AI的地位以及AI如何重塑各行業四大方面，深入闡述了全球AI發展現狀及未來。

AI創新融合新趨勢

1、 人工智能正全方位商業化

當前人工智能技術已步入全方位商業化階段， 并對傳統行業各參與方產生不同程度的影響， 改變了各行業的生態。這種變革主要體現在三個層次。第一層是企業變革：人工智能技術參與企業管理流程與生產流程， 企業數字化趨勢日益明顯， 部分企業已實現了較為成熟的智慧化應用。這類企業已能夠通過各類技術手段對多維度用戶信息進行收集與利用， 并向消費者提供具有針對性的產品與服務， 同時通過對數據進行優化洞察發展趨勢， 滿足消費者潛在需求。 第二層是行業變革： 人工智能技術帶來的變革造成傳統產業鏈上下游關系的根本性改變。 人工智能的參與導致上游產品提供者類型增加， 同時用戶也會可能因為產品屬性的變化而發生改變， 由個人消費者轉變為企業消費者， 或者二者兼而有之。 第三層是人力變革。 人工智能等新技術的應用將提升信息利用效率， 減少企業員工數量。 此外， 機器人的廣泛應用將取代從事流程化工作的勞動力，導致技術與管理人員占比上升， 企業人力結構發生變化。

▲人工智能技術帶來的全方位變革

2、 AI全面進入機器學習時代

隨著技術的進步和發展， 人類學習知識的途徑逐漸從進化、 經驗和傳承演化為了借助計算機和互聯網進行傳播和儲存。由于計算機的出現， 人類獲取知識的途徑開始變得更加高效和便捷。在不久的將來， 絕大多數的知識將被機器提取和儲存。強大的計算機算法將逐漸獲得類人的能力， 包括視覺、 說話的能力和方向感等。

在人工智能眾多的分支領域中，“機器學習”（Machine Learning） 是人工智能的核心研究領域之一。包括89%的人工智能專利申請和40%人工智能范圍內的相關專利均為機器學習范疇。最初的研究動機是為了讓計算機系統具有人的學習能力以便實現人工智能。機器在現有的知識找到空缺， 接著機器效仿人腦并模擬進化， 系統化地減少不確定性，識別新舊知識的相同點， 并完成學習。

▲人工智能各層級圖示

人工智能核心是算法 。作為人工智能的底層邏輯， 算法是產生人工智能的直接工具。 從歷史的進程來看， 人工智能自1956年提出以來， 經歷了三個階段， 這三個階段同時也是算法和研究方法更迭的過程： 第一個階段是20世紀60~70年代， 人工智能迎來了黃金時期， 以邏輯學為主導的研究方法成為主流。 人工智能通過計算機來實現機器化的邏輯推理證明， 但最終難以實現。 第二個階段是20世紀70~90年代，其中， 1974到1980年間， 人工智能技術的不成熟和過譽的聲望使其進入“人工智能寒冬”， 人工智能研究和投資大量減少。

1980年到1987年， 專家系統研究方法成為人工智能研究熱門， 資本和研究熱情再次燃起； 1987年到1993年， 計算機能力比之前幾十年已有了長足的進步， 這時試圖通過建立基于計算機的專家系統來解決問題， 但是由于數據較少并且太局限于經驗知識和規則， 難以構筑有效的系統， 資本和政府支持再次撤出， 人工智能迎來第二次“寒冬”。

第三個階段是20世紀90年代以后， 1993年到2011年， 隨著計算力和數據量的大幅度提升， 人工智能技術獲得進一步優化； 至今， 數據量、 計算力的大幅度提升， 幫助人工智能在機器學習， 特別是神經網絡主導的深度學習領域得到了極大的突破。 基于深度神經網絡技術的發展， 才逐漸步入快速發展期。

▲人工智能技術發展歷史

此外， 數據是人工智能底層邏輯中不可或缺的支撐要素， 沒有數據針對人工智能的數據處理將無法進行。有了數據挖掘對數據的清晰、 集成、 歸約等預處理手段， 人工智能才能擁有足夠的數據進行學習。隨著人工智能技術的迭代更新， 從數據生產、 采集、 儲存、 計算、 傳播到應用都將被機器所替代。

▲數據處理的發展階段

3、 市場對投資回歸理性

從科研和學術的范疇到技術創業， 人工智能僅用了幾年的時間。這樣的轉變不僅得益于人們希望新技術解放生產力的要求和政策的扶持， 還離不開資本市場對人工智能的助推。隨著資本市場對人工智能認知的不斷深入， 投資市場對人工智能的投資也日趨成熟和理性。在過去5年間， 中國人工智能領域投資出現快速增長。人工智能的元年2015年， 投資總額達到了450億元， 并在2016年和2017年持續增加頻次。2019年上半年中國人工智能領域共獲融資超過478億元， 獲得了不俗的成績。

▲中國人工智能投融資變化情況

分析人工智能的投資趨勢， 主要分為以下幾點：

易落地人工智能應用場景受投資人追捧。近年投融數據顯示， 企業服務、機器人、 醫療健康、 行業解決方案、基礎組件、 金融領域在投資頻次和融資金額上均高于其他行業。從公司層面來看， 全球頂級團隊、 資金實力和科技基因更易受到二級市場投資者的青睞。從行業方面來看， 容易落地的新零售， 無人駕駛， 醫療和智適應教育預示著更多的機會， 因此以上領域的公司擁有更多獲得投資的機會。

▲中國人工智能各行業投融資頻次分布

投資市場開始青睞底層技術創業公司。有別于前期對應用型人工智能公司的投資偏好， 投資市場開始逐漸關注人工智能底層技術的創業公司。做底層技術更易受追捧， 由于天花板高， 這類公司在市場上更加具有競爭力。由于人工智能底層技術在中國的發展仍落后于美國的， 而底層技術是人工智能發展的重要支持， 隨著人工智能在中國的進一步發展， 底層技術的投資的熱度將持續增長。

獲投A及B輪公司占比仍然最高， 戰略投資開始逐漸增多。目前全國有超過1,300家人工智能企業獲得風險投資投資。其中A輪以前的獲投頻次占比開始逐漸縮小， 投資人對A輪仍然保持著較高的熱情， 目前是獲得投資頻次最高的輪次。戰略投資在2017年開始爆發。隨著人工智能市場板塊的逐漸成熟， 以互聯網巨頭為主的領軍企業將目光投向了尋求長期合作發展的戰略投資。這也預示著人工智能行業與產業在資本層面的戰略合作開始增多。

▲2013-2019年上半年人工智能投資輪次

巨頭投資人工智能布局在業務關聯產業上下游。在人工智能發展的熱潮中， 嗅覺敏銳的互聯網巨頭也開始了自己的戰略布局。以科技部、 中科院國科控股、 地方財政局和經信委等機構扶持的科技投資基金以及阿里巴巴、 騰訊、 百度、 京東為首的互聯網巨頭已經將投資滲透到人工智能的各個板塊。從領域來看， 各投資機構選擇投資的項目均處于其未來產業戰略布局的上下游， 而這些獲投項目也推動著國家人工智能發展戰略的落地。例如阿里巴巴投資重點主要在安防和基礎組件， 獲投的代表性公司包括商湯、 曠視和寒武紀科技等。騰訊投資的重點主要集中在智慧健康、 教育、智慧汽車等領域， 代表性的公司包括蔚來汽車、 碳云智慧等企業。百度投資的重點主要在汽車、 零售和智慧家居等領域。京東投資重點聚集在汽車、 金融和智慧家居等領域。而依托中科院體系的國科系則在與芯片、 醫療、 教育等人工智能技術和應用領域均有涉足。隨著數字化在各行業中的轉型和融合， 人工智能在無人駕駛、醫療健康、 教育、 金融、 智能制造等多個領域都將成為巨頭的必爭之地。

▲AI領先企業主要投資領域

作為未來的新型行業， 人工智能企業呈現出高增長的特征。我們根據不完全的公開信息， 以及德勤高科技高成長500強榜單內的人工智能企業進行增長率梳理， 篩選出了50家高增長企業。

4、 城市逐漸成為AI創新融合應用主戰場

城市是承載AI技術創新融合應用的綜合性載體， 也是人類與AI技術產生全面感知的集中體驗地。過去幾年， 全球各地的主要城市都在AI技術的發展中發揮了差異化作用， 構建了各自的生態體系，并在賦能產業應用、 助力區域經濟發展方面實現初步效果， 掀起了人類對新一輪產業革命的思考、 認知和行動。隨著AI應用紛紛落地于城市層面， 城市逐漸成為AI創新融合應用的主戰場。

雖然全球各地AI技術的關鍵成功要素各有差異， 但總體而言都構建了有利于技術與城市融合的生態發展體系。我們對超過50個AI技術細分應用行業、 100多個AI技術相關的大學及研究機構、 200多家頭部企業、 500多個投資機構、 7,000家AI企業、 10萬名AI領域核心人才的持續跟蹤觀察， 總結了以城市為主體的AI技術及產業生態體系的特點、 框架及發展路徑。經過綜合考慮， 我們認為一個城市AI技術創新融合應用程度可主要通過考察以下五大方面：

頂層設計：即AI產業扶持政策、 特殊立法、 數據開放政策及開放程度等 ；

算法突破：即AI芯片等人工智能核心軟硬件的研發核心環節等 ；

要素質量：即AI領軍人物、 資本支持力度、 科學家薪酬水平、 行業會議影響力等 ；

融合質量：即前沿學科連結性（AI:+Cloud、 +Blockchain、 +IoT、 +5G、+Quantum Computing等前沿技術）、創新主體多元性（頭部企業、 學術機構等）、 文化多樣性等 ；

應用質量：即金融、 教育、 醫療、 數字政務、 醫療、 無人駕駛、 零售、 制造、 綜合載體發展等 。

根據全球城市在上述五項指標中的評估表現， 德勤評選出最具代表性的三大類共計20個全球AI創新融合應用城市：

▲2019年20個全球AI創新融合應用城市

5、 AI支持體系不斷發力

作為推動人工智能技術進步的“三駕馬車”， 算法、 數據和計算力在過去的5-10年間不斷創新。在算法方面， 人類在機器學習的算法上實現了突破， 特別是在視覺和語音技術方面的成就尤為突出。在數據方面， 移動互聯網時代的到來使數據量迎來了爆炸式增長。

人工智能算法模型經過長期發展， 目前已覆蓋多個研究子領域。以機器學習為例， 其核心算法包括最小二乘法、 K近鄰算法、 K均值算法、 PCA分析法核心 模型包括線性回歸、 邏輯回歸、 判定樹、 聚類、 支持向量機等。主流算法模型庫使得常見算法模型得到了高效實現：Caffe框架、 CNTK框架等分別針對不同算法模型進行收集整合， 在算法的開發利用中有很高的實用性。隨著大數據技術的不斷提升， 人工智能賴以學習的標記數據獲得成本下降， 同時對數據的處理速度大幅提升。寬帶的效率提升。物聯網和電信技術的持續迭代為人工智能技術的發展提供了基礎設施。2020年， 接入物聯網的設備將增加至500億臺。代表電信發展里程的5G的發展將為人工智能的發展提供最快1Gbps的信息傳輸速度。

在計算力上， 得益于芯片處理能力提升、 硬件價格下降的并行使得計算力大幅提升。截至目前， 全球人工智能的計算力主要是以GPU芯片為主。但隨著技術的不斷迭代， 如ASIC、 FPGA在內的計算單元類別將成為支撐人工智能技術發展的底層技術。

▲中國人工智能芯片市場規模與增速預測（2016-2020）

6、 頂層政策傾斜力度持續增加

人工智能對社會和經濟影響的日益凸顯， 各國政府也先后出臺了對人工智能發展的政策， 并將其上升到國家戰略的高度。截至目前， 包括美國、 中國和歐盟在內的多國和地區頒布了國家層面的人工智能發展政策。

▲各國針對人工智能出臺的政策

時至2019年， 中國政府繼續通過多種形式支持人工智能的發展。此前， 中國形成了科學技術部、 國家發改委、 中央網信辦、 工信部、 中國工程院等多個部門參與的人工智能聯合推進機制。從2015年開始先后發布多則支持人工智能發展的政策， 為人工智能技術發展s和落地提供大量的項目發展基金， 并且對人工智 能人才的引入和企業創新提供支持。這些政策給行業發展提供堅實的政策導向的同時， 也向資本市場和行業利益相關者發出了積極信號。在推動市場應用方面， 中國政府身體力行， 直接采購國內人工智能技術應用的相關產品， 先后落地多個智慧城市、 智慧政務等項目。

從戰略層面來看，《新一代人工智能發展規劃》 是中國在人工智能領域進行的第一個系統部署文件， 具體對2030年中國新人工智能發展的總體思路、 戰略目標和任務、 保障措施進行系統的規劃和部署。規劃根據中國人工智能市場目前的發展現狀分別對基礎層、 技術層和應用層的發展提出了要求， 并且確立中國人工智能在2020、 2025以及2030年的“三步走” 發展目標。

7、 全球AI市場超6萬億美元

人工智能將提升社會勞動生產率， 特別是在有效降低勞動成本、 優化產品和服務、 創造新市場和就業等方面為人類的生產和生活帶來革命性的轉變。全球范圍內越來越多的政府和企業組織逐漸認識到人工智能在經濟和戰略上的重要性， 并從國家戰略和商業活動上涉足人工智能。全球人工智能市場將在未來幾年經歷現象級的增長。我們預測未來2025年世界人工智能市場將超過6萬億美元， 2017-2025年復合增長率達30%。

▲全球人工智能市場規模

從行業來看， 傳統市場規模較大的領域將繼續領跑， 2030年制造業， 通信、傳媒及服務， 自然資源與材料將分別以16%， 16%， 14%占據前三名。其中，龐大的制造業企業已經開始加速數字化轉型， 推動智能管理、 智能工廠、 智能物流等全方位智能化， 因而制造業也是其中增速最快的領域。同時， 在新領域 中， 教育領域人工智能技術的應用也開始向學習全過程滲透， 增長速度也是不容忽視。

▲人工智能市場規模（按行業分類）

我國的人工智能核心產業規模目前已超過1,000億元， 預計到2020年將增長至1,600億元， 帶動相關產業規模超一萬億元。 其中北京、 上海、 浙江、 江蘇、 廣東的人工智能相關產業規模位于所有省份和直轄市前列， 預計2020年分別可達到1,400億、 1,300億、 2,700億、 1,000億和2,800億。

以上海為例， 上海自推出《關于本市推動新一代人工智能發展的實施意見》 以來， 人工智能產業發展加速， 2019年相關產業規?？蛇_到1200億元。依托長三角的區位優勢， 上海人工智能企業在人才、 資本方面都能獲取到充足且優質的資源， 企業集群帶來的效益提升顯著，有利于公司和行業規模的持續擴大。

8、京津冀、 長三角、 珠三角AI企業云集

人工智能技術進入商業應用階段后， 已經逐步在眾多行業得到應用， 其發展前景受到政府、 企業等社會各方的普遍認可， 毫無疑問已經成為影響經濟發展的重要力量。

各地政府為推動產業升級， 實現經濟新舊動能轉換， 紛紛頒布與人工智能產業相關的產業規劃指導意見， 提供稅收優惠、 資金補貼、 人才引入、 優化政務流程等措施優化營商環境， 吸引有實力的企業入駐，同時培育本地人工智能企業。

▲中國人工智能企業分布情況

在政策與資本雙重力量的推動下， 人工智能企業數量快速上升， 據不完全統計， 中國各地人工智能企業超過4,000家， 京津冀、 珠三角、 長三角是人工智能企業最為密集的地區。同時， 由于有大量的傳統制造業需要利用人工智能技術進行智能化升級， 再加上政府政策的支持， 西部川渝地區也成為人工智能企業的聚集區域。

從城市層面來看， 北京、 上海、 深圳、 杭州市是聚集人工智能企業數量最多的城市， 均超過了600家， 處于第一梯隊。

投融資金額：北京、 上海人工智能初創企業融資金額最多?；钴S的資本環境將對支持人工智能初創企業提升技術、 獲取用戶、 拓展市場有積極影響， 促進人工智能產業鏈上下游企業形成規模效應， 從而提升城市人工智能產業實力。

▲各城市人工智能初創企業融資金額（2015年-2019年上半年）

初創企業在新技術的研發與商用方面承擔開拓者的作用， 初創企業獲得的融資金額在一定程度上代表了該地區在新技術的發展前景。人工智能技術已經步入商用階段， 其應用范圍已經拓展至金融、 交通、醫療、 生產制造等多方面， 初創企業獲得更多的融資金額意味著更多的資金將推動人工智能滲透更多行業。

在初創企業獲得的融資金額方面， 自2015年以來， 北京、 上海人工智能初創企業融資金額均超過500億元， 分別為1,599億元與582億元。這是因為北京、上海聚集中國大部分的人工智能初創企業， 企業技術實力雄厚， 同時客戶對新技術的接受度更高， 因而擁有更為廣闊的應用市場。

科研院校與機構實力差異明顯：北京實力雄厚， 上海依靠高校， 深圳依靠企業， 杭州相對單一?？蒲性盒Ｅc機構是人工智能技術研發的重要場所。中國人工智能論文數量自2014年超過美國， 并且遠超其他國家，這與人工智能科研院校與機構的快速發展密不可分， 同時， 科研院校與機構也是人工智能專利申請的主要力量。因而， 分析各城市人工智能科研院校與機構能夠幫助了解該城市的技術力量。

▲各城市人工智能科研院校與機構特點

人工智能人才：集聚經濟發達地區 。人工智能競爭歸根結底是人才的競爭。 中國人工智能人才分布不均， 主要集中于京津冀、 長三角以及珠三角地區， 此外中西部也已經形成一定的人才聚集， 主要分布在長江沿岸。 從各城市人工智能人才占比來看， 北京最具優勢， 占比近28%， 是第二名上海（12.1%） 的兩倍。 深圳、 杭州占比均低于10%， 位居第二梯隊。

▲各城市人工智能人才數量占比

▲各高校發表人工智能國際論文數占比

城市智能化管理：受政策影響較大， 深圳、 上海、 杭州先行 。智慧城市框架下實現城市管理效率的提升主要通過利用信息技術實現政務系統的信息化， 進而推動各領域數據交匯，從而為智能城市管理提供數據支持。 深圳、 上海和杭州的智能城市管理得分更高。 這些城市政府信息化起步較早， 數字鴻溝大大縮小， 普遍實現部門資源共享、 協同辦公和網上審批。 北京由于特殊地位， 政府在實施智能城市管理時需要有更多的考量， 因而排名較為靠后。

人工智能技術發展騰飛

1、 人工智能關鍵技術日趨成熟

人工智能在最近十年的進展迅速， 包括機器學習， 自然語言處理， 計算機視覺、 智適應技術等領域都得到了長足的發展。據清華大學數據顯示， 計算機視覺， 語音， 自然語言處理是中國市場規模最大的三個應用方向， 分別占比34.9%， 24.8%和21%。

▲人工智能應用技術熱點排名

快速成熟的計算機視覺技術：計算機視覺是計算機代替人眼對目標進行識別、跟蹤和測量的機器視覺。計算機視覺的應用場景廣泛， 在智能家居、 語音視覺 交互、 增強現實技術、 虛擬現實技術、電商搜圖購物、 標簽分類檢索、 美顏特效、 智能安防、 直播監管、 視頻平臺營銷、 三維分析等方面都擁有長足的進 步。在該領域科技巨頭和獨角獸聚集，代表性的企業和科研機構包括百度、騰訊、 ?？低?、 清華大學、 中科院等。百度開發了人臉檢測深度學習算法PyramidBox；?？低晥F隊提出了以預測人體中軸線來代替預測人體標注框的方式， 來解決弱小目標在行人檢測中的問題。騰訊優圖和香港中文大學團隊在CVPR2018提出了PANet， 在MaskR-CNN的基礎上進一步聚合底層和高層特征， 對于ROI Align在多個特征層次上采樣候選區域對應的特征網格， 通過智適應特征池化做融合操作便于后續預測。此外， 上海云從科技、 深蘭科技、七牛在內的計算機視覺的創新企業在計算機視覺方面都擁有領先技術。

巨頭必爭的語音識別技術：語音識別通過信號處理和識別技術讓機器自動識別和理解人類的語言， 并轉換成文本和命令。其應用場景涉及智能電視、 智能車載、 電話呼叫中心、 語音助手、 智能移動終端安、 智能家電等。在語音識別技術方面， 百度、 科大訊飛、 搜狗等主流平臺識別準確率均在97%以上。與此同時， 包括上海云知聲在內的新興創業企業在語音識別行業占有一席之地?？拼笥嶏w擁有深度全序列卷積神經網絡語音識別框架， 輸入法的識別準確率達到了98%。搜狗語音識別支持最快400字每秒的聽寫。阿里巴巴人工智能實驗室通過語音識別技術開發了聲紋購物功能的人工智能產品。

自主無人系統技術落地在望：由于AI和機器學習的不斷進步， 無人車， 無人機以及醫療機器人的技術都得到了顯著的發展， 其根本原因歸功于自主無人系統算法的支撐。深度學習已經證明具有出色的能夠處理復雜任務的能力?，F代計算設備， 比如圖形處理單元（GPUs） 和計算框架如Caffe， Theano和Tensor Flow有助于設計者和工程師建立具有創新性的無人自主系統。阿里巴巴人工智能實驗室開發單車智能系統， 實現了全場景、全天候的厘米級定位。百度的無人駕駛技術包含障礙物感知、 決策規劃、 云端仿真、 高精地圖服分、 銷到端的深度學習（End-to-End） 等五大核心能力。地平線推出了針對自動駕駛的深度學習處理器IP及其重點面向自動駕駛領域的平臺。在產業應用方面， 上海西井科技已經在無人貨運方面進行了探索。

人工智能自適應學習技術日趨成熟：作為教育領域最具突破的技術， 人工智能自適應學習（Intelligent AdaptiveLearning） 技術（以下簡稱智適應學習）， 模擬了老師對學生一對一教學的過程， 賦予了學習系統個性化教學的能力。和傳統千人一面的教學方式相比，智適應學習系統帶給了學生個性化學習體驗， 提升了學生學習投入度、 提高了學生學習效率。智適應學習技術在美國和歐洲使用時間超過十年， 各年齡段都有大量用戶使用， 累積用戶超過一億。產品和技術方面都打磨的比較完善。相對來說， 智適應學習技術在國內積累的數據量稍有落后， 處在初步發展階段。優勢在于， 中國人口基數大、 發展速度快， 未來有望后來者居上。在國內，以松鼠AI為代表的智適應教學企業在遺傳算法、 神經網絡技術、 機器學習、 圖論、 概率圖模型、 邏輯斯蒂回歸模型、知識空間理論、 信息論、 貝葉斯理論、知識追蹤理論、 教育數據挖掘、 學習分析技術等都實現了技術積累。

2、 人工智能開放平臺建設穩步推進

廣闊的產業及解決方案市場是中國人工智能發展的一大優勢。以上優勢的形成除了得益于大量的搜索數據、 豐富的產品線以及廣泛的行業提供的市場優勢，還因為各大國內外的科技巨頭對開源科技社區的推動， 幫助人工智能應用層面的創業者突破技術的壁壘， 將人工智能技術直接應用于終端產品層面的研發。從行業來看， 人工智能已經在醫療， 健康， 金融， 教育， 安防等多個垂直領域得到應用。

隨著人工智能技術的商用加快， 包括科技巨頭和新興人工智能創業公司形成了自己的技術優勢。為更大程度的利用技術優勢擴大自身的商業優勢， 以及扶持人工智能行業的發展， 技術領先的人工智能企業開始構建自己的人工智能開放平臺。

人工智能平臺是提供構建人工智能應用的工具。這些工具結合了智能、 決策類算法和數據， 使開發者可通過平臺創建自己的商業解決方案。一些人工智能平臺提供預設的算法和簡易的框架， 人工智能平臺具備“平臺即服務”（PaaS）的功能， 可提供基礎的應用開發；一些則需要開發者自行開發和編程。這些算法可以功能性的支持圖片識別、 自然語言處理、 語音識別、 推薦系統和預測分析等一系列的機器學習的相關技術。

人工智能開放平臺的搭建旨在打造從源頭技術創新到產業技術創新的人工智能產業鏈。開放的平臺連接的產業鏈的兩端。一方面它可以連接了開發者和一些研究機構。另一方面可以連接許多下游的企業， 比如一個以圖像識別為主的人工智能開放平臺， 可以將相關技術能力開放給希望在圖像識別領域開辟業務的創業團隊。

▲國內外技術及應用開放平臺

2017年， 科技部等部門經充分調研和論證， 確定了首批國家新一代人工智能開放創新平臺：分別依托百度、 阿里云、騰訊、 科大訊飛公司， 建設自動駕駛、城市大腦、 醫療影像、 智能語音4家國家新一代人工智能開放創新平臺。2018年9月， 科技部依托商湯建設智能視覺國家新一代人工智能開放創新平臺。從目前的技術成熟度來看， 教育、 零售政務等多個領域已經擁有了以核心技術為驅動的應用開放平臺：

自動駕駛國家開放平臺?！白詣玉{駛國家開放平臺” 主要基于百度Apollo平臺， 是一個以百度技術為依托， 對外提供開放、 完整、 安全的軟硬件和服務平臺， 幫助開發者搭建完整的自動駕駛系統。2019年8月百度Apollo無人車通過長沙測試， 完成了全國首例L3、 L4等級別車型的高速場景自動駕駛車路協同演示。至此， 百度L4級別自動駕駛城市道路測試里程已經正式突破200萬公里，

百度的阿波羅開放平臺合作方超過120余家， 覆蓋產業鏈各個環節， 包括整車廠， 零部件廠商、 出行服務商、 初創企業、 通信企業、 高校和地方政府等。廈門金龍、 寶馬、 戴姆勒均與Apollo平臺進行了合作，“阿波羅” 已在北京雄安、 深圳、 福建平潭、 湖北武漢、 日本京都等地開展商業化運營。

城市大腦開放創新平臺 。依托阿里云建設的城市大腦國家人工智能開放創新平臺， 以城市大腦系統為藍本， 為城市安治理、 城市公共服務及其他各行業的智能應用構建起開放、 多元的生態體系， 為新一代人工智能技術在智能社會各個域中的創新應用提供支撐服務。算法系統平臺可優化大規模視覺計算平臺， 全時全域交通自動巡邏報警系統能夠對城市里面的交通事件、事故進行全方位的實時感知， 識別準確率達到95%以上；車流人流預測系統，通過區域內的歷史和實時視頻數據， 實時準確地預測全區域未的車流、 人流的清空。

開發平臺的應用部署主要在交通方面：城市統一數據融合引擎、 車流人流預測系統、 大規模數據融合控制引擎、 城市整體交通態勢檢測系統等構建。目前， 項目平臺己累計向杭州、衢州、 上海、 嘉興以及澳門、 吉隆坡等政府客戶提供了上千臺專有云服務器的計算資源， 支持對海量多路視頻數據實時分析處理。城市大腦算法團隊向公安、 交通與市政相關客戶提供輸出了圖像檢測、 識別、 分割等多種算法服務。以杭州城市大腦為例， 銀江科技與浙大中控合作， 實時計算視頻、 線圈、 微波、 互聯網的全景數據， 讓交警的交通管控經驗與城市大腦的紅綠燈配時策略優勢疊加， 在杭州市城區、 蕭山區、 余杭區的實踐中效果顯著。

醫療影像開放創新平臺 。騰訊覓影” AI影像已實現了單一病種到多病種的應用擴張， 從早期食管癌篩查拓展至肺癌、 糖尿病視網膜病變、 乳腺癌、 結直腸癌、 宮頸癌等疾病篩查。AI軸診平臺能夠輔助醫生診斷、 預測700多種疾病， 涵蓋了醫院門診90%的高頻診斷。

騰訊公司構建了由醫療機構、 科研團體、 器械廠商、 AI創業公司、 信息化廠商、 高等院校、 公益組織等多方參與的醫療影像放創新平臺。平臺連接了創新創業、 全產業鏈合作、 學術科研、 惠普公益四個維度核心參與方， 旨在推動國家人工智能戰略在醫療領域的落地。目前， 基于“騰訊覓影” 的醫療影響開放平臺己與國內一百多家醫院達成合作， 累計為醫院讀片1.06億張， 累計服務95萬患者， 提示高風險病變13萬例， 累計分析門診病歷614萬份。

智能語音開放創新平臺 。國家智能語音人工智能開放創新平臺主要是基于科大訊飛公司的語音平臺技術建立。 新建了人工智能研究中心以及數據中心。 截至2018年10月底，平臺開發者團隊數量已超過86萬家，圍繞平臺入駐企業已超過200家， 已形成了覆蓋技術研發、 基礎平臺、 物聯網、 智能硬件等完整人工智能產業鏈。 目前， 主導和參與6項智能語音相關國家標準獲批正式發布， 構建了智能語音技術與應用領域自主知識產權和標準體系， 形成可持續的產學研系統創新機制。

科大訊飛的智能語音核心技術領域包括： 語音合成技術、 語音識別技術、機器翻譯技術、 語音評測技術、 認知智能技術。 在開源方面， 平臺開放核心技術開發接口和云端在線服務能力， 截至2018年10月底， 平臺開發者團隊數量已超過86萬家。 其產業鏈服務平臺匯聚了方案商、 工業設計資源、 銷售渠道、 生產供應鏈資源等。在開發者服務社區基礎上， 結合地方政府支持， 目前已在合肥、 長春、 洛陽、 西安、 重慶、 天津、 蘇州建設了七個線下專業化眾創孵化空間， 總面積超過十萬平來， 引進落地的智能語音及人工智能領域開發者團隊和公司五百余家。

智能視覺開放創新平臺 。國家智能視覺開放創新平臺主要是基于商湯科技視覺平臺技術上的優勢建立。 商湯科技的智能視覺開放創新平臺主要在智能視覺工具鏈核心基礎研發、 實現智能視覺底層關鍵技術突破、 建立人工智能國際化人才體系，旨在推動國家人工智能在視覺領域的發展。 商湯科技的核心技術包括人臉檢測跟蹤、 人臉關鍵點定位、 人臉身份驗證、 場景識別等。

目前， 商湯的平臺包括： 視頻內容審核平臺、 城市級視覺分析平臺、 駕駛員監控系統以及增強現實平臺等一系列平臺。 在安防、 商業、 金融等多種場景均提供了解決方案。 比如在安防領域， 公安系統通過視圖情報研判系統對于可疑人員的身份進行查詢。 在商業領域， 通過與大型零售商合作，利用人臉識別功能實現無人購物、 支付驗證等方面的應用： 在金融領域，通過使用身份驗證技術可以有效降低金融風險， 提升客戶的使用體驗。

智適應教育開放平臺 。國務院《中國教育現代化2035》 提出“建設智能化校園， 統籌建設一體化智能化教學、 管理與服務平臺。 利用現代技術加快推動人才培養模式改革，實現規?；逃c個性化培養的有機結合”。 目前， 作為人工智能應用領域中技術成熟度較高的教育行業已經在技術、 內容和數據上積累了大量且分散的資源， 為了推動行業的快速發展以及國家人工智能發展的目標， 人工智能教育企業開始探索教育開放平臺。 其中， 以松鼠AI為代表的人工智能教育公司正在成為國內智適應教育平臺的先行者。

如上述五大國家人工智能開放平臺，智適應開放平臺的搭建旨在連接產業鏈的上中下游。 具體到教育行業， 即智適應教育提供的是一套個性化教學解決方案， 可以為平臺提供更多的數據和更加豐富的學生畫像， 有助于平臺智適應能力的迭代與進化。 眾包合作者通過對內容， 教學邏輯， 產品體驗的優化與創新能為平臺提供更堅實的內容基礎與更豐富多樣的個性化能力。 智適應能力的接入合作者可以幫助平臺從智適應算法引擎核心上優化， 提升并擴展為更通用更高效的智適應引擎。

3、 “人機大戰” 誰更能更勝一籌？

人工智能是使用機器代替人類實現認知、 識別、 分析、 決策等功能， 是研究使計算機來模擬人的某些思維過程和智能行為的學科， 主要包括研究計算機實現智能的原理、 制造類似于人腦智能的計算機， 使計算機能實現更高層次的應用。人工智能涉及到計算機科學、 心理學、 哲學和語言學等多門學科。人工智能技術發展的重要評判標準很大程度上評判的是他的能力是否能夠達到或超過人類的能力。

若將人工智能的水平與人類相比， 大致可以分為：弱人類級， 強人類級， 超越人類級。人工智能在不同領域的發展水平各不相同， 而以上因素成為了影響人工智能技術發展狀態的關鍵因素：

規則和評價方法的明確程度：簡單明確可被計算機量化評估的領域， 如棋牌、 游戲等。

特殊情況頻率出現高低：在典型場景下的處理和在包含各種特殊異常情況下處理。如人臉識別和自動駕駛。從“不確定性” 的角度來說， 機器也有優勢。

訓練數據的規模：現實領域里， 很多訓練數據的積累工作才剛剛開始。如， 監督式學習所需要的“標記數據” 往往需要大量的人工參與， 成本很高， 大大制約了人工智能在相關領域里水平的提升。

外部環境因素：另外， 受到政策因素的限制， 例如醫療數據， 或者有些數據被部分行業企業壟斷， 這些都導致數據難以流通， 人工智能的水平提升也就比較緩慢。

▲全球人工智能應用技術專利占比（截至2018年上半年）

階段一：近期， 超越人類的人工智能技術 

從IBM DeepBlue到OpenAI Five， 小到棋牌、 辯論、 電子競技， 大到醫療、 教育領域，“人機大戰” 兼具驗證企業技術實力和推動人工智能科普引發更多受眾關注的雙重任務， 正成為各領域驗證人工智能技術成熟與否的重要形式。在2015年， 微軟和谷歌研發出超過人類技能的圖像識別技術。百度研發出超過人類能力的語音識別技術。據世界知識產權統計， 人工智能應用技術中， 計算機視覺（computer vision） 以49%的占比和24%的增速成為2013年至2016年申請專利注冊中最熱門的技術。依次分別為占比14%的自然語言處理（NLP）和占比13%的語音處理（speechprocessing）。在計算機視覺的細分類別中， 生物識別（biometrics） 和場景理解（scene understanding） 分別以年均31%和28%的增速排名前列。語音處理的細分領域中， 語音識別（speechrecognition） 和聲紋識別（speakerrecognition） 的增速均達到12%。在教育領域， 與人類老師相比， 如今的智適應教育技術在教學效果、 用戶體驗和測試分數等多個方面已經比肩甚至超過人類。目前包括Knewton、 松鼠AI、 Realizeit、 ALEKS在內的國內外智適應教育企業以均通過“人機大戰” 形式對人工智能教育技術與人類教授的 做出了實驗型的對比。

計算機視覺 。計算機視覺是眼和腦的結合， 包含成像、 感知與理解。 計算機視覺的能力現今已經超越了人類。 特別是在人臉識別、 圖像分類等眾多任務中， 計算機視覺能比人類視覺完成的更優秀。 在感知上， 機器已比人眼更加敏銳， 能取得比人眼更多的信息， 如圖像準確的深度信息， 圖像識別率比人類更高； 此外， 機器在理解層面， 某種意義上也能模仿人類作出一些有創造性的活動。 從2016年ILSVRC的圖像識別錯誤率已經達到約2.9%， 遠遠超越人類的5.1%， 其挑戰項目包括物體檢測（識別）、 物體定位、 視頻中目標物體檢測三大部分。 從訓練數據來看， 計算機視覺依托了大量的數據且不受人類限制。 由深度學習驅動的計算機視覺現已超越人類， 主要在于深度學習是由純數據驅動， 不再受限于人類的意志。 機器視覺在某種意義上進行的是基于數據的區別于人的理解活動。

語音識別 。語音識別技術在20世紀50年代誕生于貝爾實驗室。在20世紀80年代末， 卡耐基梅隆大學推出了第一個高性能的非特定人、 大詞匯量連續語音識別系統值得一提的是， 漢語語音識別先英語一步超越人類平均水平。2015年， 百度表示百度漢語語音識別技術詞錯率低于人類平均水平。2018年12月， 依圖短語音聽寫的字錯率（CER） 僅為3.71%，大幅提升了語音識別技術的準確率。隨著時間的推移， 目前語音識別技術的準確率仍在不斷提升。語音識別技術這種“機器感知” 類的技術目前已經相對成熟， 制約語音交互發展的更多原因在語義理解這種“機器認知” 的部分， 這一部分受限于訓練方式、 樣本標記數據量、 計算量等多個方面。

▲語音和視覺技術成熟度

人工智能教育 。與圍棋、 游戲等規則明確、 數據完整的系統相比， 教學系統的復雜程度遠高于他們， 其涉及到的學科包括了教育學、 心理學、 認知學等復雜的過程。 智適應學習（adaptive learning）是一種結合人工智能、 數據挖掘、 認知科學、 教育學、 心理學、 行為科學和計算機科學的技術， 其最終目的是 讓智適應學習系統在一定程度上能夠模擬人類教師的角色， 根據學習者的學習目標、 學習行為、 偏好和學習狀態， 利用特殊的教學策略動態地調整學習內容， 以達到個性化教學的目的。 通過AI技術模擬了優秀特級教師的知識經驗和教學方法， 針對學生的特性給予個性化輔導， 最大化學習效率。 利用機器學習的技術實時動態調整學生接下來的學習內容和路徑， 而非傳統教育需要大綱進度或老師的安排進行統一的學習。

人工智能在教育領域的發展可能進一步解決當下關于教育資源分配不均引發的多個的社會問題。另外， 由于人工智能技術在教育行業的應用和落地技術的成熟只是先決條件， 要促成真正的人工智能教育的普及， 還需要企業對于優質教育資源的整合能力和信息庫建立， 算法優勢， 樣本數量， 與政府、 學校和教師的協調使智適應技術獲得市場的認可。

階段二：2到10+年， 有希望突破人類平均水平的技術

人工智能在如語音識別和視覺識別等單獨技術的能力正在急速提升， 并快速應用到多個商用領域。然而隨著人工智能在商業領域的快速發展， 涉及的領域和范圍日漸復雜， 單獨的技術方案無法滿足行業的應用需求。如無人駕駛、 智能醫療等應用技術均涉及到了多個人工智能應用技術的領域。從學術研究、 專利申請再到產業應用，人工智能技術的商業化應用會經歷漫長的過程。其中， 專利應用的初衷是實現產業化應用的技術方案， 而通常專利用會比科學論文的發表滯后余約10年的時間。據世界專利組織統計， 科學文章到專利發表的比例正在下降， 這也預示著行業對人工智能技術的實際應用更感興趣。

從2006到2019年間， 交通出行行業成為人工智能技術應用最迅速的行業。2006年交通行業的人工智能應用僅占專利應用總數的20%， 而截至2019年， 人工智能三分之一應用到了交通出行行業。2019年， 無人駕駛和醫療是當前兩個熱門的人工智能技術， 因其實現將但極大的改善社會資源配置和改變人類的生活方式。由于技術的壁壘， 仍然處在試用和并未完全商用階段的技術。

實現完全無人駕駛仍待時日 。無人駕駛最終的目標是實現真正自主，使得乘坐者除了注意路況外， 還可以做其他活動。需要在硬件和軟件兩方面都 取得進步。在硬件方面， 激光雷達可能花費數萬美元， 這使得大規模部署成本太高；在軟件方面， 工程師需要找到一種方法來使AI具備歸納、 區分不同物體的能力。自動駕駛汽車依靠人工智能、視覺計算、 雷達、 監控裝置和全球定位系統協同合作。

▲無人駕駛技術分布

依據規則和評價方法的明確程度、 特殊情況頻率出現高低以及訓練數據的規模三個評判標準來衡量， 無人駕駛技術尚未像圖像識別和語音處理一樣達到或者超過人類的能力范圍。而無人駕駛技術尚未能夠達到人類的判斷力。

“完全的無人駕駛汽車（L4-L5級） 市場成熟前， 業界首先必須做到以下三點， 第一是汽車必須有360度全方位感知能力， 包括LiDAR、 光學傳感器和毫米波雷達等；第二是汽車必須配備高精度數字地圖， 定位精度必須做到10cm以內；第三是市場必須建立一個車輛、行人都認知并接受的交通規則或避讓準則， 而且， 車輛必須擁有類似人類的感知推理決策能力， 因為人類很可能會不遵守交通規則或表現得猶豫不決、 或進或退?！?與此同時， 無人駕駛的發展并不是單純的技術發展， 它還需要法律法規， 意識甚至是包括保險和政府的基礎設施建設等外圍的整體配套支撐?！?/p>

因此， 無人車替代其他汽車的過程是漫長的循序漸進的， 在這個過程中必須優先考慮無人車與人類司機共存的情況。

人工智能醫療應用欠缺可行的規則和標準 。依據規則和評價方法的明確程度、 特殊情況頻率出現高低以及訓練數據的規模三個評判標準來衡量， 人工智能醫療在仍然處于發展中期， 要實現完全替代醫生的能力， 還需要很長一段路要走。以智能診斷為例， 人工智能幫助進行輔助診斷在醫療責任認定方面也存在問題和挑戰。用戶在使用醫療虛擬助手表達主訴時， 可能會漏掉甚至錯誤地進行描述， 導致虛擬助手提供的建議是不符合用戶原本的疾病情況的。

▲人工智能醫療涉及的技術

從規則和評判方法來衡量， 醫療信息標準的缺失也造成了人工智能在醫療方面應用的難題。人工智能是強數理、 強邏輯的工具， 對于內容的精準度和標準化要求很高。如對于醫療圖像的病灶標注， 即使是同一個科室的醫生也可能有不同的標注方式， 還有就是病歷， 患者的電子病歷數據很難保證完全準確同步，不同的醫生對于各個病種的名稱叫法都會存在地域差異。

由于醫療病癥繁雜且特殊情況的頻率高，且關乎民生一旦出現任何差錯可能危及生命， 因此各國對于新技術的準入機制管控十分嚴格。目前監管部門禁止虛擬助手軟件提供任何疾病的診斷建議， 只允許提供用戶健康輕問診咨詢服務。我國監管部門對于利用人工智能技術提供診斷功能是審核要求非常嚴格。在2017年CFDA發布的新版《醫療器械分類目錄》 中的分類規定， 若診斷軟件通過算法提供診斷建議，僅有輔助診斷功能不直接給出診斷結論，則按照二類醫療器械申報認證；如果對病變部位進行自動識別并提供明確診斷提示， 則必須按照第三類醫療器械進行臨床試驗認證管理。

從訓練數據的規模來衡量， 醫療數據仍然存在諸多問題。雖然中國的醫療數據整體量很大， 但是具體到某一類醫療問題時還存在數據量不夠大的問題。同時 數據的質量也不夠高， 例如醫療影像，必須要有臨床經驗豐富的醫生對數據進行標注后才能拿給機器學習， 這種高質量的、 標注過的數據資源相對有限。目前， 三甲醫院擁有絕大多數影像數據和經驗豐富的醫生， 最有能力幫助人工智能企業做出好的模型。

階段三：2099年， 強人工智能的時代？

強人工智能是指在各方面都能和人類比肩的人工智能， 因此強人工智能不是僅限于某一領域， 而是讓機器人全方位實現類人的能力。強人工智能能夠進行思考、 計劃、 解決問題、 抽象思維、 理解復雜理念、 快速學習和從經驗中學習。目前有一種認為是， 如果能夠模擬出人腦， 并把其中的神經元、 神經突觸等全部同規模地仿制出來， 那么強人工智能就會自然產生。

當前我們正處于弱人工智能階段。弱人工智能的產生減輕了人類智力勞動， 類似于高級仿生學。無論是阿爾法狗， 還是能夠撰寫新聞稿和小說的機器人， 目前仍然還只屬于弱人工智能范圍， 它們的能力僅在某些方面超過了人類。數據和算力在弱人工智能時代不言而喻， 其推動了人工智能的商業化發展， 在強人工智能時代以上兩個因素仍然是最重要的因素。與此同時，以谷歌和IBM為代表的科技巨頭在量子計算上的研究也為人類進入強人工智能時代提供了強大助力。

▲強人工智能代表公司及研究概況

據《智能架構》 書中描述， 當今AI理領域的商業和研究專家， DeepMind首席執行官Demis Hassabis， 谷歌AI首席執行官Jeff Dean和斯坦福人工智能負責人李飛飛等預測的平均值， 強人工智能時代可能需要到2099年實現。

雖然以上的預測只是簡單的猜測， 但從這些預測中的各種偏差中， 我們可以看出強人工智能的實現仍然需時日。然而， 為了實現強人工智能。許多來自大型科技公司和各類小公司的研究團隊正在為構建強人工智能做出貢獻。如谷歌DeepMind和谷歌研究都采取了具體的措施來實現強人工智能， 如PathNet（訓練大型通用神經網絡的方案） 和evolutionary architecture searchAutoML（圖像分類尋找良好神經網絡結構的方法）。

此外， 包括特斯拉創始人埃隆·馬斯克創立、 亞馬遜Web Services部分支柱的OpenAI也在以強人工智能為目標進行大量研究， OpenAI還創建了兩個特殊的任務：“體育館” 和“宇宙”， 以測試正在開發的強人工智能的技能。

中國在全球AI地位

本次人工智能浪潮以從實驗室走向商業化為特征， 其發展驅動力主要來自計算力的顯著提升、 多方位的政策支持、 大規模多頻次的投資以及逐漸清晰的用戶需求。盡管中國人工智能產業發展迅速， 2019年人工智能企業數量超過4,000家， 位列全球第二， 在數據以及應用層擁有較大的優勢， 然而在基礎研究、 芯片、 人才方面的多項指標上仍與全球領先地區有一定的差距。

▲中國人工智能技術與全球領先地區的對比

1、 中國擁有更為龐大的數據規模以及更豐富數據使用環境

人工智能技術的進步以海量數據為基礎， 移動互聯網時代已經全面到來， 移動端數據的重要性已經遠超PC網絡。

在數據量方面， 中國網民規模居全球第一， 2018年底整體網民規模已經達到8.29億， 滲透率達59.6%， 其中手機網民占比為98.6%， 首次超過8億人21 。巨大的網民規模數量意味著中國企業擁有的數據數量將是更加復雜的， 多維度的，這為人工智能技術的算法升級以及應用場景的擴展提供了良好的基礎。

除了數據本身， 政府對隱私數據的規定也將極大影響企業利用數據的可能性。歐洲政府已經出臺了全球最為嚴格的用戶隱私保護政策《通用數據保護條例》（GDPR）， 賦予用戶對個人數據的主張權利， 用戶有權獲取并修改個人數據， 并決定誰可以使用22 。中國也已經出臺了《信息安全技術個人信息安全規范》， 但其嚴格程度低于GDPR， 例如歐盟對“身份” 的界定除了工作單位等還包括生理狀態、 心理狀態、 經濟狀態、 社會狀態等。

▲中國手機網民規模及占比

2、 中國是全球芯片需求量最大的市場， 但高端芯片依賴進口

人工智能框架大致可分為三個層面?；A設施層面包括核心的人工智能芯片和大數據， 這是技術層面的傳感和認知計算能力的基礎。應用層面處于最頂層， 提供無人駕駛、 智能機器人、 智慧安防和虛擬助手等服務。人工智能芯片是人工智能技術鏈條的核心， 對人工智能算法處理尤其是深度神經網絡至關重要。目前， 中國從美國進口的集成電路芯片的價值超過2,000億美元， 遠超原油進口額。

在東亞地區， 日本在半導體研發和材料行業一直處于領先地位， 擁有包括東芝、 索尼和瑞薩電子等在內的半導體巨頭。韓國和中國臺灣分別在存儲器和晶圓代工方面具有較強優勢。韓國在動態隨機存取存儲器和NAND閃存方面領先， 擁有三星、 SK海力士等許多頂尖半導體企業， 這很大程度上得益于政府支持。且NAND內存市場核心技術能力積累的要求， 使新市場參與者日益難以參與競爭。中國臺灣已經成為全球領先的半導體晶圓代工產地。該地區半導體晶圓代工行業由臺積電和聯華電子兩大合約制造商主導。半導體晶圓代工是信息技術產業的重要支柱。

中國半導體行業正以兩位數的增長率蓬勃發展。人工智能芯片融資活動一直非?；钴S， 相關并購活動也日益增多。其中一個典型的案例是國際巨頭賽靈思對在機器學習、 深度壓縮、 網絡剪枝和神經網絡系統級優化領域擁有領先技術的初創企業深鑒科技的收購。以阿里巴巴、 百度和華為為首的領先科技公司也逐步進入這一競爭領域。值得注意的是， 華為已經掀起了智能手機領域的人工智能芯片競爭。同時中國大陸正在蠶食臺灣的半導體市場份額。不但如此，日益擴大的中國大陸市場還將成為集成電路設計行業的商業渠道， 中國大陸企業將繼續投資于臺灣的半導體產業。然而， 盡管近年來中國半導體廠商的競爭力得到顯著提升， 但關鍵零部件仍需大量從西方國家進口， 自給率不足20%。中國政府十分關注這一問題， 制定了多項有利政策支持半導體行業的發展。

3、 中國機器人企業快速成長核心零部件技術國產化加速

機器人研發與應用已經成為衡量一國科技發展水平的重要因素， 未來經濟的增長在很大程度上與機器人行業的發展息息相關。機器人作為先進制造業建設的 重要組成部分， 無論是工業領域進行生產活動的工業機器人， 還是參與人類日常生活的服務機器人， 對尋找新的經濟增長點都有重要意義。在資金與政策的大力支持下， 中國機器人產業快速發展， 增速保持全球第一， 2018年市場規模超過87.4億美元 ， 2013-2018年的平均增長率達到29.7%。

機器人的關鍵零部件在較大程度上仍舊依賴進口， 包括精密減速機、 控制器、伺服電機等， 其中全球精密減速器市場大半被日本企業占據。軟件方面， 控制算法、 二次開發等， 中國企業已經掌握了一定的技術， 但在穩定性、 響應速度、 易用性等方面和國外還有差距。此外， 從機器人應用場景來看：工業機器人方面， 沈陽新松、 埃夫特、廣州數控、 哈博實、 新時達、 埃斯頓和巨一等一批本土機器人企業得到快速成長。過去幾年國內機器人行業公司紛紛開展對外并購獲取海外先進技術的同時開拓海外市場， 埃斯頓、 埃夫特、 萬豐科技均并購歐美企業。在機器人三大核心零件中， 控制器和伺服器國產化腳步加速， 但減速器仍需要進口， 國內生產的減速器雖然設計原理一致， 但產品性能和精度仍有巨大差距。

全球服務機器人處于新興階段， 中國雖然起步較晚， 但在技術方面與全球先進水平差距較小， 甚至某些關鍵技術已經處于全球先進行列。BATJ等互聯網巨頭憑借強大的技術支持切入市場， 傳統家電企業例如海爾積極布局家庭服務機器人， 此外以哈工大為代表的科研機構也通過與企業合作的方式轉化研究成果。特種機器人市場處于萌芽狀態， 主要分布于消防等垂直領域， 已經擁有一定的自主性， 在高精度定位導航和避障等核心技術方面已經取得了突破。

4、 美國人工智能底層技術實力更為雄厚， 中國則在語音識別技術上更優

自然語言處理（NLP）：中國仍有差距自然語言處理技術能夠改變人類與機器的互動方式， 在商業數據領域隱藏著許多無法被目前技術手段進行利用的暗數 據， 包括短信息、 文件、 郵件、 視頻、語音、 圖片等非結構化數據， 自然語言處理技術將在商業方面發揮重要作用。中國在自然語言處理方面， 與美國仍有較大的差距。從企業數量來看， 中國擁有92家， 美國則是中國近2.7倍， 達到252家。中國從事NLP工作的員工僅有6,600名， 而美國則達到了20,200名。

語音識別：中國技術更勝一籌語音識別技術能夠被廣泛的應用于電視、 手機、 呼叫中心、 智能家居等場景。在語音識別技術方面， 百度、 科大訊飛、 搜狗等主流平臺識別準確率均在97%以上。阿里巴巴的語音AI技術超越谷歌， 入選MIT2019年全球十大突破性技術， 并且該技術已經滲透入生活的多個場景， 包括快遞、 客服、 火車站購票等。2018年雙十一，“阿里小蜜” 承擔了全平臺98%客服咨詢量， 相當于70萬人工客服一天的工作量。

機器視覺：基礎算法方面差距較大機器視覺一直以來都是人工智能技術領域的熱點之一。公眾的日常生活已經被大樓門禁、 交通攝像頭、 銀行安保攝像頭等包圍， 無處不在的攝像頭連接上人臉識別技術， 原有的安防效果將被迅速放大， 每個人的行為都能被監控。

從應用層面來看， 中美幾乎沒有差距，甚至在人臉識別技術上有望超過美國。但是在基礎算法方面， 中美差距較大。中國目前約有146家企業， 大部分屬于應用領域， 包括?？低暤?， 美國則有約190家。從業人員數量方面， 中國擁有1,510名， 而美國則超過4,000人。

5、 中國在AI應用上呈現追擊態勢

無人駕駛：美國憑借深厚的技術沉淀領先中國 。無人駕駛涉及到的技術包括汽車傳感器技術、 AI軟硬件、 V2X以及無人駕駛測試四個方面。在傳感器技術以及AI軟硬件方面， 美國借助政府力量以及長久以來的技術沉淀拉開了與中國的技術差距。但是中國也依靠科技巨頭與科研院校在上述兩個方面加速追趕。

在互聯技術以及無人駕駛測試兩個方面， 中國的水平已經與美國相接近。華為的5G技術將為互聯技術V2X提供全球一流的通信支持， 此外， 華為已經與國內外車廠進行了合作與測試。在無人駕駛測試方面， 北京、 上海、 深圳、 重慶等城市已經對百度等科技巨頭頒發無人駕駛測試牌照并提供測試場地， 科技巨頭與北汽、 比亞迪等國內車企開展了合作。

▲中國無人駕駛領域技術水平

人工智能教育：國外的發展更為完善，中國雖然處于起步階段， 但發展前景更為廣闊。 人工智能技術在教育行業的應用在國外的發展更早， 早在二十世紀九十年代已經出現了智適應技術。人工智能教育產品在歐美國家的滲透程度更深， 通過近十年的發展， 覆蓋了各年齡段的用戶，涵蓋了早教、 小學、 初中、 高中以及職業教育中的多個學科， 應用的場景也相對更為廣泛， 以To B為主， 包括考試機構、 學校、 企業。代表企業主要可以分為三類， 包括向智適應教育轉型的在線教育平臺， 例如Coursera， KhanAcademy；教育集團智適應事業部，例如培生提供以GMAT為代表的計算機智適應測評考試；此外還包括試圖囊括學習五大環節的智適應教學平臺，已經出現了Knewton、 Aleks等明星公司。

Knewton是一家智適應學習平臺企業， 前期主要客戶是出版商與教育公司， 通過將各類課程進行數字化進而提供智適應學習方案， 在2016年后開始與學校合作提供課程產品。截止2019年， Knewton總融資規模已經超過1.8億美元。各項研究已經驗證了人工智能技術在教育方面對提升學習成績的顯著效果。

人工智能技術在中國的應用則是近幾年剛起步， 以To C為主。雖然仍然處于發展的初期， 然而市場發展節奏極快， 2018年松鼠AI營收超過5億元， 英語流利說超過6億元。由于中國人口基數大， 教育資源緊缺， 對教育的重視程度等有利因素將推動智適應學習系統的快速發展， 各類教育相關企業紛紛布局人工智能技術。這其中主要包括了以新東方、 好未來為代表的教育集團通過投資以及自建的方式入局智適應教育。此外， 還有三大類企業， 一類是以上海教育企業松鼠AI為代表的智適應平臺， 另外兩類是轉型智適應教育的在線教育企業， 以及涉足智適應教育的人工智能企業。智適應學習以其能夠貫穿學習全過程的獨特優勢成為人工智能在學習各環節應用最為廣泛的技術。

▲人工智能教育企業對比

人工智能重塑各行業

人工智能技術在過去5-10年快速發展，隨著時間推移， 技術漸漸為大眾所知，摩爾定律的節奏逐漸放慢， 人工智能商業化應用成為關注焦點?？萍季揞^紛紛 布局垂直行業應用， 創業企業需要找準切入點， 深耕行業解決方案以打造護城河。

各行業面臨的痛點有所不同， 例如金融行業面臨成本壓力、 產品服務單一、 交易欺詐等， 醫療與教育行業均面臨資源分配不均等。雖然問題不同， 但通過數據收集、 處理與分析能夠有效解決上述多樣的問題， 而人工智能通過數據驅動能夠改變產業。

▲人工智能技術推動產業升級

在金融領域， 人工智能技術迅速改變了傳統金融行業的各主要領域。圍繞消費者行為和需求的不斷變化， 傳統的金融服務行業參與者正面臨著各領域各環節 的重構。隨著消費者行為和偏好的不斷變化， 以技術驅動的精準營銷和推送使消費者獲得定制化的產品和服務， 通過技術增強客戶粘性， 并使小商戶融入更 大范圍的生態圈；人工智能機器人在一些服務領域逐漸取代人工客服， 為客戶提供咨詢服務。

在醫療領域， 在人口老齡化、 慢性病患者群體增加、 優質醫療資源緊缺、 公共醫療費用攀升的社會環境下， 醫療人工智能的應用為當下的醫療領域帶來了新的發展方向和動力。隨著人工智能技術在醫療領域的持續發展和應用落地， 這個行業將極大簡化當前繁瑣的看病流程， 并在優化醫療資源、 改善醫療技術等多個方面為人類提供更好的解決方案。醫療人工智能技術已基本覆蓋醫療、 醫藥、 醫保、 醫院這四大醫療產業鏈環節。

近幾年， 教育行業持續通過數據重構，呈現出空前的革命性。不同于傳統教育方式， 智能化教育方式以學生學習“教、 學、 練、 評、 測” 五大環節所產生的數據為基礎， 利用智適應學習， 圖像識別， 語音識別， 人機對話， 多模態行為分析， 知識生成和表達， 模擬智能體等功能， 產生適合每個學生的個性化的解決方案和有效反饋意見。大幅度提高學習效率， 改變教育模式。

針對上述行業在行業應用度以及市場機會兩個維度的表現， 可以落入四個象限。過渡期表示人工智能技術在該行業具有較高的應用程度， 但目前來說市場 機會有限， 未來有望進一步拓展市場規模；萌芽期表示行業應用度以及市場機會都尚未成熟， 盡管人工智能技術發揮了一些功能但總體來講尚且處于起步階段；成長期表示雖然行業的應用度不足， 但未來應用廣泛， 擁有較高的市場機會；發展期表示人工智能技術已經在這些領域產生了較為深刻的影響， 行業應用度較高， 同時市場機會也高。

▲人工智能技術在各行業的應用

1、 金融：人工智能提升金融企業商業效能并變革企業內部經營

金融是人工智能重要的應用場景， 人工智能在金融行業的應用改變了金融服務行業的規則。傳統金融機構與科技公司共同參與， 構建起更大范圍的高性能動態生態系統， 參與者需要與外部各方廣泛互動， 獲取各自所需要的資源， 因此在金融科技生態系統中， 金融機構與科技公司之間將形成一種深層次的信任與合作關系， 提升金融公司的商業效能。

這種效能的提升主要表現在三個方面：第一， 傳統金融模式下， 往往存在信息不對稱、 金融風險大、 借貸成本高等問題， 創新技術應用于傳統金融業務， 使整個金融行業的基礎服務架構得到改善， 從而降低業務成本， 提升服務效率；第二， 出現多種形態的創新金融科技公司， 以創新技術為基礎， 根據客戶需求提供定制化產品和服務， 覆蓋更多被傳統金融服務“拒之門外” 的長尾客戶， 使更多個體或者中小企業享受到更加便捷、 高效的金融服務， 覆蓋更多、 更廣泛的客戶。第三， 吸引更廣泛、 更多元化的參與者融入生態圈， 通過收集消費者大量消費、 信貸數據對消費者信用進行評估， 降低壞賬等金融風險。上述三種效能的提升主要體現在智慧投顧、智慧客服以及智慧風控三個領域， 這也是人工智能技術應用較為深入的領域。智能客服提升服務效率智能客服是指能夠與用戶機型簡單問題答復， 通過人機交互解決用戶關于產品或服務的問題。自然語言處理技術成熟度在各類人工智能技術中成熟度較低， 但在客服領域中能夠發揮較高的價值。人工客服存在培訓成本高、 服務效果難以統一以及流動性大的問題。以大數據、 云計算特別是人工智能技術為基礎智能客服加速企業客服智能化， 依靠知識圖譜回答簡答重復性問題， 減少人工客服使用， 提升客服效率及效果?？头C器人已替代40%-50%的人工客服工作， 預計到2020年， 85%的客服工作將依靠人工智能完成。智能客服在金融行業的應用主要在銀行、保險、 互聯網金融等細分領域。銀行、 保險等傳統金融機構更加傾向于向IT服務企業購買本地解決方案， 以確保數據信息安全性， 規避潛在的泄露風險。由于傳統金融機構存在多樣化的需求， 因而IT服務企業提供的定制化的解決方案?；ヂ摼W金融領域的智能客服主要以SaaS模式為主，使用企業以大型互聯網金融公司為主。

目前以人工智能技術為基礎的智能金融應用已經在多地嘗試落地。我國現有139家智慧金融公司， 其中44%的公司獲得B輪及以上的投資。這些獲得投融資的業具體應用領域主要有智能風控、 智能投顧、 智慧客服、 智能投研、 智能營銷等， 其中智能風控和智能投顧領域的企業占比超過一半， 成為最受資本歡迎的方向。

2、 教育：人工智能技術應用覆蓋教學全流程

人工智能技術正在推動教育信息化的快速發展， 人工智能教育是人工智能技術對教育產業的賦能， 通過人工智能技術在教育領域的運用， 來實現其輔助甚至是替代作用。未來人工智能教育應用的發展將由數據驅動、 應用深化、 融合創新優化服務等方式來持續推動。

從行業發展階段來看， 目前人工智能教育行業仍處在發展階段， 尚未成熟。人工智能的概念雖火熱， 但人工智能在教育行業的具體賦能卻并非是一蹴而就的?？v觀人工智能教育行業的應用發展歷程， 起步階段主要集中在對人工智能教育的規劃和初步探索中， 20世紀50年代， 卡耐基梅隆大學教授艾倫 ? 紐厄爾和赫伯特 ? 西蒙作為人工智能的奠基人， 結合數學、 工程和經濟學促進了人工智能的發展。20世紀70年代， JaimeCarbonell創建智能教學系統， 開始利用計算機輔助教學；1993年英國愛丁堡舉行第一屆人工智能教育（AiED） 國際會議。

隨著時間發展， 人工智能教育也開始正式走向發展階段， 21世紀初， 美國Cognitive Tutor、 Knewton、 RealizeIt等智適應教育企業紛紛成立， 人工智能技術開始被逐漸賦能到教育產業中。智適應學習技術是模擬老師對學生一對一教學的過程， 賦予學習系統個性化教學的能力的人工智能教育技術。2010年后，中國智適應教育企業開始興起， 如新東方、 好未來、 乂學教育—松鼠AI等公司。2016年前后， 國內的眾多知名教育機構如好未來、 新東方等以及資本也紛紛投入人工智能教育領域。

▲中國教育行業智慧化趨勢

人工智能將重構教育行業生態。人工智能是基于大數據采集和多維度識別系統， 對海量數據進行智能處理， 并通過互動接口與應用場景與人產生信息交互的一項技術。以該技術為基礎向用戶提供人工智能教育內容、 工具以及相關服務， 通過接受用戶數據， 并進行分析和回饋， 應用于學習過程中的“教、 學、 評、 測、 練” 五大環節， 產生適合學習者的個性化的解決方案和有效回饋意見。

教育智能化趨勢下， 智適應學習以其能夠貫穿學習全過程的獨特優勢成為人工智能在學習各環節應用最為廣泛的技術， 并逐步成為主流。此外， 人工智能技術在教育領域的應用還包括圖像識別產品與語音識別產品。

▲人工智能在學習五大環節中的應用

智適應學習系統 。智適應學習系統能夠針對學生的具體學習情況提供實時個性化學習解決方案， 包括知識狀態診斷、 能力水平評測以及學習內容推薦等。例如在“教” 與“學” 這兩個環節， 個體學習者的學習情況、 學習能力不同， 智適應課程系統利用人工智能技術， 將知識點提煉、 學習方法歸納等教學重難點利用大數據和算法形成一套高效、 標準化的系統課程， 說明不同程度學習者適應不同類別課程。計算力提升、 海量數據以及貝葉斯網絡算法的應用推動智適應學習系統在2010年之后得到快速發展， 并取得顯著成效。Knewton的數學自我調整輔助課程在亞利桑那大學幫助學生大幅提升通過率， 課程退課率降低了56%。智適應學習技術與產品在國內與國外各有發展特點。在美國與歐洲發展更為完善， 主要面向To B端客戶， 擁有以Knewton、 ALEKS、 RealizeIt、 DreamBox等代表性企業。中國目前處于初步發展的階段， 面向To C端用戶， 代表企業包括學教育-松鼠AI， 智適應學習在中國發展更為迅速， 有望后來者居上。

3、 數字政務：政策利好加速政府智能化變革

與眾多領域一樣， 政府也已經意識到人工智能在降本增效方面的突出成果， 加速推進政府智慧化變革。中國在城鎮化戰略的大力推動下， 已經成為全球城市化率增長最高的國家， 2018年我國城市化水平達60%， 城市人口約為7.3億， 預計2050年城市化率將超過80%， 城市人口規模也將進一步擴大。如此大的城市人口數量將產生大量的政府事務， 通過機器人流程自動化（RPA）、 人工智能技術的應用， 能夠將行政人員從固定、重復的工作中解放， 提升政務效率，專 注于提升城市質量、 優化居民生活環境中。人工智能賦能一切背景下， 人臉識別、 自然語言處理等技術應用能夠增強政府服務能級， 提升辦公效率， 為企業、 居民提供便捷、 快速的服務， 為智能決策提供助力。

數字政務的建立依靠自上而下進行推動。在構建服務型政府的目標下， 2015年各地政府開始強調政府電子化， 隨著人工智能、 大數據、 云計算等新技術的商用， 進一步發展為政府數字化、 智慧化。預計2019年， 中國數字政務市場規模將突破3,400億元， 年復合增長率達到15%。

4、 醫療：人工智能應用日趨成熟

在人口老齡化、 慢性病患者群體增加、優質醫療資源緊缺、 公共醫療費用攀升的社會環境下， 醫療人工智能的應用為當下的醫療領域帶來了新的發展方向和 動力。隨著人工智能技術在醫療領域的持續發展和應用落地， 這個行業將極大簡化當前繁瑣的看病流程， 并在優化醫療資源、 改善醫療技術等多個方面為人類提供更好的解決方案。

在國務院印發的《新一代人工智能發展規劃》 中， 中國明確了2020年人工智能核心產業規模超過1500億元的目標。據預測， 醫療人工智能行業將占人工智能 總體市場規模的五分之一。2016年中國醫療人工智能的市場規模達到96.61億元， 增長37.9%， 數據顯示， 2017年中國人工智能醫療市場規模超過130億元人民幣， 增長40.7%。預測2019年可達到310億元人民幣。

從市場需求來看， 由于中國醫療資源的短缺和分配不均， 更加開放和高效的醫療解決方案成為了市場急迫的要求。在技術發展上， 隨著中國在與醫療健康相 關的計算機視覺、 自然語言理解和數據挖掘等方面的長足進步， 醫療人工智能在應用落地上有了更多的技術支持。政策方面， 互聯網、 人工智能下的醫療健康行業發展一直是中國國家政策重點扶持和關注的領域。2018年4月， 在印發的《關于促進“互聯網+醫療健康” 發展的意見》 中， 國務院明確指出支持研發醫療健康相關的人工智能技術。以上均為醫療人工智能行業的發展傳遞了積極的政策信號。

國內醫療人工智能公司雖起步較晚， 但增長迅速。近幾年該領域的新創公司數量持續增長， 且吸引了大量資本的注入。目前我國共有144家智慧醫療公司， 已初步形成北京、 廣州、 長三角的智慧醫療聚集群。這些廣泛分布于疾病篩查和預測、 醫學影像診斷、 病歷與文獻信息分析、 新藥發現等細分領域， 其中2018年獲融資企業最多的領域為疾病篩查和預測。在資金來源方面， 大型國資企業紛紛入股， 百度、 阿里、 騰訊、科大訊飛等互聯網巨頭也根據自身優勢積極布局。

醫療領域的人工智能在快速發展的同時也受到了來自傳統觀念、 技術、 人才、監管方面的挑戰。在傳統觀念方面， 傳統的“望聞問切” 的診療模式已經根深蒂固， 作為人工智能的醫療應用受眾的醫生和病患對于新技術的接受程度是考驗智慧醫療從業者的一個問題。從技術來看， 智能醫療需要海量的數據和復雜的訓練框架， 同時擁有這兩個技術實力的企業并不多， 在對復雜學科的聯合診斷等算法上存在技術瓶頸， 此外智能醫療行業技術和產品同質化明顯。人才的短缺也是醫療人工智能市場的制約因素， 在中國， 既懂醫療， 又懂技術的復合型、 戰略型人才尤其短缺。在監管方面， 由于醫療行業是關乎人類生命安全的領域， 涉及病患的醫療數據應該保證絕對的隱私和安全， 并需要嚴謹的法律法規進行監管和保護。

▲智慧醫療產業鏈

5、 無人駕駛：主導汽車產業革新

人工智能時代， 與汽車相關的智能出行生態的價值正在被重新定義， 出行的三大元素“人”、“車”、“路” 被賦予類人的決策、 行為， 整個出行生態也也會發生巨大的改變。強大的計算力與海量的高價值數據是構成多維度協同出行生態的核心力量。隨著人工智能技術在交通領域的應用朝著智能化、 電動化和共享化的方向發展， 以無人駕駛為核心的智能交通產業鏈將逐步形成。目前無人駕駛仍處于測試階段， 但是在未來將具有巨大市場。由于當前技術和現有法律的限制，無人駕駛汽車還無法實現大面積推廣， 整個行業內通過第一階段封閉路測的車企較多， 包括上汽、蔚來、 滴滴、 百度、 北汽、 寶馬等多家傳統車企和互聯網背景的車企， 而完全通過第二階段開放道路測試的企業并不多。因此短期內無人駕駛汽車市場不會有太大變化。業內預計中國可在2020年左右實現無人駕駛， 屆時國內無人駕駛汽車的銷量可達6萬輛， 并在此后迅猛增長， 于2035年達到400萬輛。由于無人駕駛的發展對工業基礎以及技術支持有較高的要求， 因此國內自動駕駛企業分布較為集中。北京、 廣東、 江浙滬這些地區的自動駕駛企業占據了行業的絕大份額。產業集群效應將隨著自動駕駛的發展愈發顯著， 長三角地區和珠三角地區依舊會是行業的發展中心。除此之外， 地方政策也對無人駕駛的行業分布有重要影響， 目前北京、 上海、福州、 重慶、 長沙、 長春、 杭州、 廣州、 深圳已開發自動駕駛測試道路， 率先成為無人駕駛的試點城市。

▲國內自動駕駛企業地域分布

▲無人駕駛產業鏈

6、 零售：人工智能驅動行業走向聚合

受益于零售行業的數字化轉型， 人工智能已滲透到零售各個價值鏈環節。隨著各大零售企業加入， 電商巨頭和科技企業加緊布局， 人工智能在零售行業的應用從個別走向聚合， 深度學習和計算機視覺成為支撐智慧零售的兩大技術深度學習主要被應用于數據的分析與建模，以實現產業鏈的優化；計算機視覺技術 則可應用于消費行為分析與商品識別，目前計算機視覺輔助下的貨品檢測、 自助結算等已實現商業化。

人工智能零售行業應用落地在全球高速增長。據Gartner預測， 到2020年， 85％的消費者互動將通過人工智能實現自動化管理。Global Market Insights數據顯示， 2018—2024年間全球人工智能在零售領域應用年均復合增長率（CAGR） 超過40%， 應用市場規模在2024年達到80億美元， 其中亞太市場CAGR超過45%， 主要由中國和印度市場帶動。從技術領域來看， 視覺識別/搜索技術相關應用CAGR 45%， 機器學習相關應用CAGR超過42%。

在此背景下， 零售行業拉開利用人工智能轉型的大幕。國內各大線下主流零售商順應科技發展趨勢， 不斷增加在人工智能領域的投入， 2018年各類零售商在人工智能的建設投入約9億元， 占總投入的3.15%， 預計到2022年這個數字可以突破178億， 占總投入的25%。各電商巨頭也借著人工智能的東風， 加速線上與線下業務的整合。

7、 制造業：智能制造應用潛力巨大

人工智能與相關技術結合， 可優化制造業各流程環節的效率， 通過工業物聯網采集各種生產資料， 再借助深度學習算法處理后提供建議甚至自主優化。然而， 相較于金融、 商業、 醫療行業， 人工智能在制造業領域應用潛力被明顯低估。SAP通過對中國2015~2018年最大的300項人工智能投資項目進行分析，結果顯示， 23.4%的投資是在商業及零售領域， 18.3%在自動駕駛， 而制造業相關的人工智能投入不到1%13。而制造業恰恰是人工智能應用場景最具潛力的區域。有研究發現， 人工智能的使用可降低制造商最高20%的加工成本， 而這種減少最高有70%源自于更高的勞動生產率。到2030年， 因人工智能的推動， 全球將新增15.7萬億美元的GDP，中國就占7萬億美元；到2035年人工智能將推動勞動生產力提升27%， 拉動制造業的GDP高達27萬億美元。

在國家政策指引下， 我國制造業正加速智能化進程。2015年國家正式頒布《中國制造2025》， 將智能制造工程作為政府引導的五個工程之一。2017年我國智能制造試點示范專項加速落地， 與此同時國家對于智能制造專項的補助金額也在加速增長。2018年我國新增99個智能制造試點示范項目， 其中18個位于長三角地區， 10個位于京津冀地區。

制造業將成為人工智能應用藍海。全球人工智能及相關場景在制造業應用市場在2016年約為1.2千億美元， 這個數字在2025年有望超過7.2千億美元， 復合年均增長率預計可超過25%。

▲智能制造產業鏈

智東西認為， 目前AI技術已在金融、 醫療、 安防等多個領域實現技術落地， 且應用場景也愈來愈豐富。人工智能的商業化在加速企業數字化、 改善產業鏈結構、 提高信息利用效率等方面起到了積極作用。每一次人工智能的發展都伴隨著研究方法的突破， 深度學習是近年機器學習技術突破的重要代表之一。 隨著人工人工智能研究和應用領域的不斷延伸， 未來人工智能將迎來更多種技術的結合應用。隨著投資界和企業界對人工智能的了解逐步加深， 人工智能投融資市場更加理性。 人工智能投融資頻次有所下降， 但投資金額繼續增加。 特別是經過行業的一輪優勝劣汰后， 底層技術創業公司以及落地性強的領域如醫療、 教育、 無人駕駛等創業項目繼續受到人工智能領先機構的青睞。

    報告全文下載： 德勤：全球人工智能發展白皮書.pdf

責任編輯：王超