人工智能产业发展深度报告:格局、潜力与前景
人工智能(AI)就是利用机器学习和数据分析的方法，给予机器模拟和扩展。
近年来，在大数据、算法和计算机能力的驱动下，人工智能进入快速发展阶段。
人工智能市场结构
人工智能赋能实体经济，给生产生活带来革命性变化。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、消费等经济活动的方方面面，催生新业务、新模式、新产品。从衣食住行到医学教育，人工智能技术在社会经济各个领域深度融合应用。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引擎。根据埃森哲的预测，2035年，人工智能将推动中国劳动生产率提高27%，经济增加值总量将增加7.1万亿美元。
多角度人工智能产业比较
战略部署:大国竞争，布局各有侧重。
在全球范围内，中美“并肩”构成人工智能第一梯队，日、英、以、法等发达国家乘胜追击，形成第二梯队。同时，在顶层设计上，大多数国家加强人工智能的战略布局，将人工智能上升为国家战略，从政策、资金、需求三个方面保护人工智能。中国，一颗冉冉升起的新星，在某些领域取得了突破。中国的人工智能起步较晚，发展经历了风风雨雨。2015以来，政府密集出台一系列扶持政策，人工智能发展迅速。早期中国的政策侧重于互联网领域，资金投入偏向于终端市场。因此，相比美国的产业布局，中国的技术层(计算机视觉和语音识别)和应用层处于世界前列，但基础层的核心领域(算法和硬件算力)相对薄弱，呈现“头重脚轻”的趋势。目前中国人工智能强调在国家战略层面进行系统全面的布局。
美国引领人工智能前沿研究，布局慢而强。美国政府有点慢，2019人工智能国家战略(“美国人工智能倡议”)来得晚。但由于美国拥有地理位置(硅谷)和人力资源(人才)的天然优势，在人工智能的竞争中一直处于全方位领先地位。总体来看，美国在关键领域的布局是前沿的、全面的，尤其是在算法、芯片脑科学等领域。此外，美国注重人工智能对国家安全和社会稳定的影响和改变，高度重视数据、网络和系统安全。
在伦理价值观的指引下，欧洲国家抢占了规范制定的制高点。2018年，28个欧洲成员国(包括英国)签署了《人工智能合作宣言》，形成了人工智能领域的合力。从国家层面来看，由于阻碍大数据集形成的文化和语言差异，欧洲国家在人工智能产业上并不具备先发优势，但欧洲国家在全球AI伦理体系建设和规范制定上抢占了“先机”。欧盟重视人工智能的社会伦理和标准，在技术监管方面占据世界领先地位。
日本寻求人工智能解决社会问题。以人工智能建设“超智能社会”为导向，日本将2017年确定为人工智能元年。由于日本的数据、技术和业务需求比较分散，很难系统性地发展人工智能技术和产业。因此，日本政府聚焦机器人、医疗健康、自动驾驶三个具有比较优势的领域，重点解决养老、教育、商业等领域的国民问题。
基础水平:技术薄弱，芯片之路任重道远。
因为基础层面创新难度大，技术和资金壁垒高，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。受缺乏技术积累和R&D投资的限制，中国在基础层领域相对薄弱。具体来说，在AI芯片领域，国际科技巨头芯片基本构建了产业生态，而中国并未掌握核心技术，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)、语音开发等核心技术掌握在亚马逊、微软等少数国外科技巨头手中。虽然阿里、华为等国内科技公司也开始大举投资R&D，但核心技术的积累不足以引领产业链发展；在智能传感器领域，欧洲(BOSCH、ABB)、美国(Honeywell)等国家或地区已经全面布局了多种传感器产品，而在国内，丁晖科技的指纹传感器等产品已经出现，但整体产业布局单一，呈现出明显的短板。在数据领域，中国拥有得天独厚的数据量优势，有助于算法计算能力的升级和产业落地。但也要认识到，在数据公开、国际数据交换、构建统一的数据生态系统等方面，中国还有很长的路要走。
“无芯片不是AI”，基于AI芯片的计算能力是人工智能发展水平的重要衡量标准。我们将对AI芯片进行详细的分析，以便更细致准确地把握中国在人工智能基础层的竞争力。
根据部署位置，AI芯片可分为云芯片(如数据中心等服务器终端)和终端芯片(应用场景涵盖手机、汽车、安防摄像头等电子终端产品)；根据承担的功能，AI芯片可以分为训练芯片和推理芯片。训练参数的形成涉及海量数据和大规模计算，对算法、精度和处理能力要求非常高，只适合在云端部署。目前，GPU(通用)、FPGA(半定制)、ASIC(全定制)已经成为AI芯片行业的主流技术路线。不同类型的芯片各有优势，呈现出不同领域多技术路径并行发展的趋势。我们将从三条技术路线来分析中国AI芯片的全球竞争力。
GPU(图形处理单元)的设计和生产已经成熟，占据了AI芯片的主要市场份额。GPU擅长大规模并行运算，可以并行处理海量信息，所以仍然是AI芯片的首选。据IDC预测，2019年，GPU将占据云培训市场75%的份额。在全球范围内，英伟达和AMD形成双头垄断，尤其是英伟达占据了70%-80%的GPU市场份额。NVIDIA在云训练和云推理市场推广的GPU Tesla V100和Tesla T4产品具有极高的性能和强大的竞争力，垄断地位不断加强。目前中国还没有进入云培训市场。由于国外GPU巨头拥有丰富的芯片设计经验和技术沉淀，同时资金实力雄厚，中国短时间内无法撼动GPU芯片的市场格局。
FPGA(现场可编程门阵列)芯片具有硬件编程、配置灵活性高、功耗低等优点。FPGA技术壁垒高，市场双寡头:Xilinx和Intel合计占据近90%的市场份额，其中Xilinx的市场份额超过50%，一直保持着全球FPGA的霸主地位。国内的百度、阿里、经纬黎齐也在布局FPGA领域，但还处于起步阶段，技术差距较大。
ASIC(专用集成电路)是为特定用户需求设计的定制芯片，可以满足各种终端应用。虽然ASIC需要大量的物理设计、时间、金钱和验证，但量产后，其性能、能耗、成本和可靠性都优于GPU和FPGA。与GPU和FPGA不同，ASIC只是一种技术路线或方案，侧重于解决各种应用领域的突出问题和管理需求。目前，ASIC芯片市场的竞争格局是稳定而分散的。我国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；国内初创芯片公司(如寒武纪、比特大陆、地平线)和互联网巨头(如百度、华为、阿里)在细分领域也有建树。
一般来说，欧美日韩基本垄断高端云芯片。国内布局主要集中在终端ASIC芯片，部分领域处于世界前列，但大多是初创企业，尚未形成有影响力的“芯片？站台？“应用”的生态不具备与传统芯片巨头(如英伟达、赛灵思)竞争的实力；在GPU和FPGA领域，中国还在追赶，高端芯片依赖海外进口。
技术层面:乘胜追击，国内头部企业领先。
技术层以基础理论和数据为基础，面向细分应用的开发。中游科技企业拥有技术生态、资本、人才三重壁垒，是人工智能产业的核心。与绝大多数上下游企业相比，更容易专注于某个细分领域，将技术层拓展到产业链的上下游。这个层次包括算法理论(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、生物识别、自然语言处理)。很多国际科技巨头和独角兽都在这个层面进行了广泛的布局。近年来，我国技术层侧重垂直研发，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。然而，算法理论和开发平台的核心技术仍然缺乏。
具体来说，在算法理论和开发平台领域，中国还缺乏经验，发展缓慢。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关注的焦点。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驱动力。目前国际上广泛使用的开源框架有Google的TensorFlow、脸书的Torchnet和微软的DMTK等。美国仍然是该领域发展水平最高的国家。我国基础理论体系尚未成熟，百度的PaddlePaddle、腾讯的Angle等国内企业的算法框架无法与国际主流产品抗衡。
在一些应用技术领域，中国的实力与欧美不相上下。计算机视觉、智能语音和自然语言处理是三个主要的技术方向，也是中国市场最大的三个商业技术领域。受益于互联网行业的发展，积累了大量的用户数据，国内的计算机视觉和语音识别在全球处于领先地位。自然语言处理目前的市场竞争还没有形成，但是国内的技术积累和国外的技术积累有一定差距。
计算机视觉作为最成熟的技术之一，有着广泛的应用。计算机视觉就是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，涵盖安防(人脸识别)、医疗(图像诊断)、移动互联网(视频监控)等。计算机视觉是中国人工智能市场的最大组成部分。根据艾瑞咨询的数据，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、数据可用性等因素，计算机视觉技术的落地情况出现分化。中国的计算机视觉技术主要输出在安防、金融、移动互联网领域。美国的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，国内头部企业一枝独秀。随着终端市场的工业检测逐渐饱和，新的应用场景仍在探索中。目前，全球技术市场进入稳定增长期，市场竞争格局逐渐稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用与产品的结合处于世界前列。2018年，在全球最权威的人脸识别算法测试(FRVT)中，国内企业和科研院所包揽前五，中国在技术上处于世界领先地位。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、易图科技、旷视科技、从云科技占据了国内69.4%的市场份额，其中商汤以20.6%的市场份额排名第一。
应用层面:互相竞争，格局不定。
应用场景市场空间广阔，全球市场格局不确定。受益于全球开源社区，应用层的入门门槛相对较低。目前，应用层是人工智能产业链中最大的层级。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，约为技术层的1.67倍，基础层的2.53倍。在全球范围内，人工智能仍处于产业化和市场化的探索阶段，落地场景的丰富性、用户需求和解决方案的市场渗透率有待提高。目前世界上还没有一家垄断企业具有绝对的统治地位，很多细分行业的市场竞争格局还没有定型。
中国注重应用层的产业布局，市场发展潜力巨大。欧美等发达国家和地区的人工智能产业落地较早，以谷歌、亚马逊等公司为首的科技巨头着力构建从芯片、操作系统到应用技术研发再到细分场景的垂直生态。市场整体发展比较成熟；应用层是中国人工智能市场最活跃的领域，其市场规模和企业数量也在国内AI分发层面占比最大。据艾瑞咨询统计，2019年，国内人工智能企业77%分布在应用层。得益于广阔的市场空间和大规模的用户群，中国市场发展潜力巨大，部分企业在工业应用上已经走在世界前列。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、大华股份分别占据全球智能安防企业第一、第四位。
整体来看，国内人工智能完整产业链已经成型，但仍存在结构性问题。从产业生态来看，中国侧重于技术层和应用层，尤其是终端产品应用丰富，技术商业化程度堪比欧美。但与美国等发达国家相比，我国在基础层面缺乏突破性、标志性的研究成果，底层技术和基础理论仍然薄弱。早期国内政策聚焦互联网领域，行业追求速度，资金投向容易变现的终端应用。人工智能行业发展相对浮躁，导致研发周期长、资金投入大、见效慢的基础创新被市场忽视。“头重脚轻”的发展趋势导致我国对国外开发工具和基础器件的依赖，不利于我国人工智能生态的布局和产业的长远发展。短期来看，应用终端领域的投入和产出明显，但难以成为引导未来经济变革的核心驱动力。从中长期来看，人工智能的发展根植于基础层(算法、芯片等)的突破。)研究。
人工智能发展潜力透析
我们将基于人工智能产业发展现状，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个国家的人工智能发展潜力进行评估，并采用熵值法确定各指标对应的权重，进而采用TOPSIS法构建代表人工智能发展潜力总体情况的综合指数。
从智能产业基础来看
工业化程度:增长强劲，工业规模仅次于美国。
中国的人工智能还处于产业化初期，但市场发展潜力很大。产业化程度是判断人工智能发展活力的综合指标。从市场规模来看，根据IDC数据，2019年，美国、西欧和中国的人工智能市场规模分别为213、71.25和45亿美元，占比分别为57%、19%和65438。中国和美国的市场规模差异较大，但近年来国内AI技术的快速发展带动了市场规模的快速增长，2019年增长率为64%，远高于美国(26%)和西欧(41%)。从企业数量来看，据清华大学科技政策研究中心统计，截至201011年6月，中国和美国(2028年)的人工智能企业数量在全球遥遥领先，第三名英国(392家)不到中国企业数量的40%。从企业布局来看，根据腾讯研究院的数据，中国46%和22%的人工智能企业位于语音识别和计算机视觉领域。横向来看，美国在基础和技术层面的企业数量上领先中国，尤其是在自然语言处理、机器学习和技术平台领域。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，在政策的支持、资本的热情和数据规模的先天优势下，中国人工智能产业将保持强劲增长态势，发展潜力巨大。
技术创新能力:很多专利并不优秀，海外布局仍有欠缺。
专利申请数量是衡量人工智能技术创新能力和发展潜力的核心因素。在全球范围内，人工智能的专利申请主要来自中国、美国和日本。2000年至2018年，中国、美国、日本的AI专利申请量占全球申请总量的73.95%。我国虽然在AI领域起步较晚，但自2010以来，专利产出首次超过美国，并长期位居申请数量第一。
从专利申请领域来看，深度学习、语音识别、人脸识别、机器人等热点领域都成为各国重点布局的领域。其中，美国几乎在所有领域都领先，而中国在语音识别(中文语音识别正确率全球第一)、文本挖掘、云计算方面优势明显。具体来看，国内大部分专利是在AI技术热潮之后申请的，且集中在应用端(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仍主要由美国掌握。这反映出我国AI发展基础薄弱，存在表面繁荣的结构性失衡。
国内AI专利质量参差不齐，海外市场布局尚有欠缺。虽然中国专利申请量远超美国，但“多而不强，专而不优”的问题亟待调整。第一，我国AI专利以国内为主，优质pct数量少。PCT(专利合作条约)是由WIPO管理的在全球范围内保护专利发明人的条约。PCT通常被认为具有很高的技术价值。据中国专利保护协会统计，美国的PCT申请量占全球的465，438+0%，在国际上得到广泛应用。而中国的pct数量(2568件)相对较少，仅为美国的1/4。目前中国的AI技术尚未形成大规模的技术输出，国际市场缺乏；其次，我国实用新型专利比例高，专利放弃比例大。我国专利类别包括发明、实用新型专利和外观设计，技术难度依次递减。在中国，大部分AI专利都是实用的新专利，门槛很低。比如2017年，发明专利仅占申请总量的23%。此外，根据剑桥大学的报告，由于高昂的专利维护成本，中国665，438+0%的AI实用新型和95%的外观设计将在5年后失效，而美国85.6%的专利仍能有效保留。
人才储备:供需不平衡，顶尖人才缺口大。
人才的数量和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，供不应求。据清华大学统计，截至2017年，10人才库排名前几位的国家占全球总数的61.8%。欧洲28个国家有43064名人工智能人才，居世界首位，占全球总数的21.1%。美国和中国分别以28536人、65438人和08232人位列第二和第三。其中，中国的基础人才储备尤为薄弱。腾讯研究院数据显示，美国AI技术人才数量是中国的2.26倍，基础人才数量是中国的13.8倍。
我国人工智能人才供需严重失衡，优秀人才缺口大。根据BOSS直聘测算，2017年国内人工智能人才只能满足企业60%的需求，保守估计人才缺口已经超过1万。在一些核心领域(语音识别、图像识别等。)，AI人才的供给甚至不到市场需求的40%，而且这种趋势随着AI企业的增多越来越严重。在人工智能技术与应用的探索阶段，优秀的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)和欧盟(5787人)依托其科研创新能力和发展机遇聚集了大量精英，优秀人才数量在全球遥遥领先，而中国(977人)的优秀人才比例仍然明显偏低，不到欧美的1/5。
人才的流入率和流出率可以衡量一个国家的生态系统吸引和留住外来人才的能力。按照元素AI企业的分类标准，中国、美国等国都是AI人才流入流出率较低的锚定国，尤其是美国的人工智能人才总量保持相对稳定。具体来说，我国人工智能的培养仍以本土为主，海外人才回国数量仅占国内人才总量的9%。其中，美国是国内AI人才回流的最大来源，占所有回国人才的43.9%。可见，国内政策、技术、环境对海外人才的吸引力仍有待加强。
从学术生态的角度看
科技创新能力:科研产出强劲，产学融合有待加强。
科研能力是人工智能产业发展的动力。从发表的论文数量来看，从1998-2018，欧盟、中国和美国位列前三，占全球发表论文总量的69.64%。近年来，我国积极进行前瞻性科技部署，AI发展势头强劲，从1998占全球人工智能论文的8.9%上升到2018的28.2%，CAGR17.94%。2018年，中国以24929篇AI论文排名世界第一。中国活跃的研究活动体现在人工智能巨大的发展潜力上。
中国论文的影响力仍有待提高，但与欧美的差距在逐年缩小。FWCI指数是目前定量评价科研论文质量的最佳方法。我们用FWCI来表示1标准化后的论文影响力。当FWCI≥1时，说明所测试的论文质量已经达到或超过世界平均水平。过去20年，美国AI论文的加权引用影响力一直“占优”。2018年，FWCI高于全球平均水平36.78%。欧洲保持相对稳定，与全球平均水平相当；AI论文在中国的影响力显著提升，2018年中国FWCI为0.80，比2010年提升44.23%，但论文影响力仍低于世界平均水平20%。从高引用前的1%论文数量来看，美国和中国的高质量论文产量分列全球第一和第二，比第三名英国高出近4倍。从整体上看，国内顶级高质量论文的产出与美国相当，但从整体上看，AI论文的影响力仍落后于美国和欧美。
从作者的角度来看，科研机构和高校是目前我国人工智能知识生产的绝对力量，反映了科研成果转化中的短板。而美国、欧盟、日本则呈现出企业、政府机构、高校共同参与的趋势。Scopus数据显示，2018年，美国企业AI论文签约比例是中国的7.36倍，是欧盟的1.92倍。从2012到2018，美国企业签署的AI论文比例增加了43pct，而中国企业签署的AI论文比例仅增加了18pct。此外，人工智能与市场应用密切相关，校企合作论文广泛存在。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%)相比差距较大。从产学结合的角度来看，我国人工智能的研究是由学术界推动的，企业的科研参与度较低，或者说很难实现市场导向。
中国的人工智能大学数量其实处于第二梯队，实力与美国相当。高校是人工智能人才供给和论文输出的核心载体。据腾讯研究院统计，全球有367所大学开设人工智能相关学科，其中美国(168)独占鳌头，占全球的45.7%。中国有20所高校与数量略逊一筹的英国并列第三。此外，我国高校实力普遍增强，表现强劲。根据麻省理工学院公布的2019年度AI大学Top20榜单，中国清华大学和北京大学包揽前两位，分别比2018上升1和3位。
从创新环境的角度看
R&D投资:中美之间的差距已经缩小。
中国拥有较高的R&D投资和强度，在全球R&D表现中占据重要地位。从R&D投资来看，美、中、日、德一直是全球R&D投资的主力军。据IDC统计，2018年，四国R&D投资总额占全球总额的60.77%。其中，美国凭借强大的R&D实力，连续多年位居全球R&D投资第一。近年来，中国对R&D投资呈现强劲势头。据Statista统计，2019年国内R&D投资为519.2亿美元，仅次于美国。与美国的差距正在缩小。2000年至2019年，CAGR高达14.43%，而美国CAGR仅为2.99%。由于经济疲软等诸多原因，欧盟和日本呈现相对缓慢的上升趋势。根据R&D投资和强度的增长趋势，中国可能在1-2年内取代美国成为全球R&D的领导者。从R&D强度来看，我国R&D强度在逐渐增加，且增加幅度较大。但对创新活动投入强度的重视程度与美国、日本相比仍有差距。2018年中国R&D强度为1.97%，低于日本和美国1.53和0.87个百分点。
资金投入:资金多项目少，资金投入重点在终端市场。
中国和美国是全球人工智能“融资高地”。人工智能的开发成本高，资金投入成为推动技术发展的主要力量。在全球范围内，美国是新型人工智能企业投融资的领头羊。CAPIQ数据显示，2010年至2019年，美国AI企业累计融资773亿美元，领先中国320亿美元，占全球融资总额的50.7%。尤其是特朗普政府以来，对人工智能的投入逐渐加大。中国作为全球第二大融资国，融资总额占全球的35.5%。考虑到现有的格局和近期的变化，其他国家和地区很难在规模上撼动中美。从人工智能新增企业数量来看，美国在全球仍处于领先地位。2010至2018，美国累计新增企业7022家，约为中国(870家)的8倍。中国新增人工智能企业数量在2065，438+06年达到65，438+079家的高点后逐渐下降。近两年分别有179(2065，438+07)和1565，438+0 (2065，438+08)，说明中国资本市场对AI有投资。整体来看，中国人工智能新企业增长缓慢，但融资总额增长迅速。这种“资金多，项目少”的情况，是行业即将出现泡沫的预警。
与美国相比，中国的资金投入侧重于易落地的终端市场。从融资来看，中国各领域发展相对均衡，应用层是突出领域，如自动驾驶、计算机学习与成像、语音识别、无人机技术等，都超过了美国。美国市场注重底层技术的发展。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，占总融资的31%。目前我国非常重视人工智能芯片市场，但由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方法:综合指数评价
数据显示，美国在综合指标和三大项目指标上绝对领先，中国第二，28个欧洲国家暂时落后。具体来看，美国在人工智能人才储备、创新产出和融资规模上优势明显。中国作为后起之秀，虽然赶上了美国，但总体水平仍然落后，尤其是在优秀的人才资源和高质量的专利申请方面。然而，就论文数量和影响力、R&D投资等指标而言，中国发展迅速，与美国的差距正在缩小。从各项指标的具体分析来看，我国人工智能的研究主要分布在高校和科研机构，企业参与度低，产出碎片化，缺乏与市场的系统整合，这将不利于我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在产业链中下游，上游核心技术仍受制于国外企业。未来，如果国内底层技术领域仍未能实现突破，必然导致人工智能产业发展的瓶颈。
前景
转自信息化协同创新专委会