人工智能(AI)就是利用機器學習和數據分析的方法，給予機器模擬和擴展。
近年來，在大數據、算法和計算機能力的驅動下，人工智能進入快速發展階段。
人工智能市場結構
人工智能賦能實體經濟，給生產生活帶來革命性變化。人工智能作為新壹輪產業變革的核心力量，將重塑生產、分配、交換、消費等經濟活動的方方面面，催生新業務、新模式、新產品。從衣食住行到醫學教育，人工智能技術在社會經濟各個領域深度融合應用。同時，人工智能具有強大的經濟輻射效益，為經濟發展提供強勁引擎。根據埃森哲的預測，2035年，人工智能將推動中國勞動生產率提高27%，經濟增加值總量將增加7.1萬億美元。
多角度人工智能產業比較
戰略部署:大國競爭，布局各有側重。
在全球範圍內，中美“並肩”構成人工智能第壹梯隊，日、英、以、法等發達國家乘勝追擊，形成第二梯隊。同時，在頂層設計上，大多數國家加強人工智能的戰略布局，將人工智能上升為國家戰略，從政策、資金、需求三個方面保護人工智能。中國，壹顆冉冉升起的新星，在某些領域取得了突破。中國的人工智能起步較晚，發展經歷了風風雨雨。2015以來，政府密集出臺壹系列扶持政策，人工智能發展迅速。早期中國的政策側重於互聯網領域，資金投入偏向於終端市場。因此，相比美國的產業布局，中國的技術層(計算機視覺和語音識別)和應用層處於世界前列，但基礎層的核心領域(算法和硬件算力)相對薄弱，呈現“頭重腳輕”的趨勢。目前中國人工智能強調在國家戰略層面進行系統全面的布局。
美國引領人工智能前沿研究，布局慢而強。美國政府有點慢，2019人工智能國家戰略(“美國人工智能倡議”)來得晚。但由於美國擁有地理位置(矽谷)和人力資源(人才)的天然優勢，在人工智能的競爭中壹直處於全方位領先地位。總體來看，美國在關鍵領域的布局是前沿的、全面的，尤其是在算法、芯片腦科學等領域。此外，美國註重人工智能對國家安全和社會穩定的影響和改變，高度重視數據、網絡和系統安全。
在倫理價值觀的指引下，歐洲國家搶占了規範制定的制高點。2018年，28個歐洲成員國(包括英國)簽署了《人工智能合作宣言》，形成了人工智能領域的合力。從國家層面來看，由於阻礙大數據集形成的文化和語言差異，歐洲國家在人工智能產業上並不具備先發優勢，但歐洲國家在全球AI倫理體系建設和規範制定上搶占了“先機”。歐盟重視人工智能的社會倫理和標準，在技術監管方面占據世界領先地位。
日本尋求人工智能解決社會問題。以人工智能建設“超智能社會”為導向，日本將2017年確定為人工智能元年。由於日本的數據、技術和業務需求比較分散，很難系統性地發展人工智能技術和產業。因此，日本政府聚焦機器人、醫療健康、自動駕駛三個具有比較優勢的領域，重點解決養老、教育、商業等領域的國民問題。
基礎水平:技術薄弱，芯片之路任重道遠。
因為基礎層面創新難度大，技術和資金壁壘高，底層基礎技術和高端產品市場主要被歐美日韓等少數國際巨頭壟斷。受缺乏技術積累和R&D投資的限制，中國在基礎層領域相對薄弱。具體來說，在AI芯片領域，國際科技巨頭芯片基本構建了產業生態，而中國並未掌握核心技術，芯片布局難以與巨頭抗衡；在雲計算領域，服務器虛擬化、網絡技術(SDN)、語音開發等核心技術掌握在亞馬遜、微軟等少數國外科技巨頭手中。雖然阿裏、華為等國內科技公司也開始大舉投資R&D，但核心技術的積累不足以引領產業鏈發展；在智能傳感器領域，歐洲(BOSCH、ABB)、美國(Honeywell)等國家或地區已經全面布局了多種傳感器產品，而在國內，丁暉科技的指紋傳感器等產品已經出現，但整體產業布局單壹，呈現出明顯的短板。在數據領域，中國擁有得天獨厚的數據量優勢，有助於算法計算能力的升級和產業落地。但也要認識到，在數據公開、國際數據交換、構建統壹的數據生態系統等方面，中國還有很長的路要走。
“無芯片不是AI”，基於AI芯片的計算能力是人工智能發展水平的重要衡量標準。我們將對AI芯片進行詳細的分析，以便更細致準確地把握中國在人工智能基礎層的競爭力。
根據部署位置，AI芯片可分為雲芯片(如數據中心等服務器終端)和終端芯片(應用場景涵蓋手機、汽車、安防攝像頭等電子終端產品)；根據承擔的功能，AI芯片可以分為訓練芯片和推理芯片。訓練參數的形成涉及海量數據和大規模計算，對算法、精度和處理能力要求非常高，只適合在雲端部署。目前，GPU(通用)、FPGA(半定制)、ASIC(全定制)已經成為AI芯片行業的主流技術路線。不同類型的芯片各有優勢，呈現出不同領域多技術路徑並行發展的趨勢。我們將從三條技術路線來分析中國AI芯片的全球競爭力。
GPU(圖形處理單元)的設計和生產已經成熟，占據了AI芯片的主要市場份額。GPU擅長大規模並行運算，可以並行處理海量信息，所以仍然是AI芯片的首選。據IDC預測，2019年，GPU將占據雲培訓市場75%的份額。在全球範圍內，英偉達和AMD形成雙頭壟斷，尤其是英偉達占據了70%-80%的GPU市場份額。NVIDIA在雲訓練和雲推理市場推廣的GPU Tesla V100和Tesla T4產品具有極高的性能和強大的競爭力，壟斷地位不斷加強。目前中國還沒有進入雲培訓市場。由於國外GPU巨頭擁有豐富的芯片設計經驗和技術沈澱，同時資金實力雄厚，中國短時間內無法撼動GPU芯片的市場格局。
FPGA(現場可編程門陣列)芯片具有硬件編程、配置靈活性高、功耗低等優點。FPGA技術壁壘高，市場雙寡頭:Xilinx和Intel合計占據近90%的市場份額，其中Xilinx的市場份額超過50%，壹直保持著全球FPGA的霸主地位。國內的百度、阿裏、經緯黎齊也在布局FPGA領域，但還處於起步階段，技術差距較大。
ASIC(專用集成電路)是為特定用戶需求設計的定制芯片，可以滿足各種終端應用。雖然ASIC需要大量的物理設計、時間、金錢和驗證，但量產後，其性能、能耗、成本和可靠性都優於GPU和FPGA。與GPU和FPGA不同，ASIC只是壹種技術路線或方案，側重於解決各種應用領域的突出問題和管理需求。目前，ASIC芯片市場的競爭格局是穩定而分散的。我國ASIC技術與世界領先水平差距較小，部分領域處於世界前列。在海外，谷歌TPU是主導者；國內初創芯片公司(如寒武紀、比特大陸、地平線)和互聯網巨頭(如百度、華為、阿裏)在細分領域也有建樹。
壹般來說，歐美日韓基本壟斷高端雲芯片。國內布局主要集中在終端ASIC芯片，部分領域處於世界前列，但大多是初創企業，尚未形成有影響力的“芯片？站臺？“應用”的生態不具備與傳統芯片巨頭(如英偉達、賽靈思)競爭的實力；在GPU和FPGA領域，中國還在追趕，高端芯片依賴海外進口。
技術層面:乘勝追擊，國內頭部企業領先。
技術層以基礎理論和數據為基礎，面向細分應用的開發。中遊科技企業擁有技術生態、資本、人才三重壁壘，是人工智能產業的核心。與絕大多數上下遊企業相比，更容易專註於某個細分領域，將技術層拓展到產業鏈的上下遊。這個層次包括算法理論(機器學習)、開發平臺(開源框架)和應用技術(計算機視覺、智能語音、生物識別、自然語言處理)。很多國際科技巨頭和獨角獸都在這個層面進行了廣泛的布局。近年來，我國技術層側重垂直研發，在計算機視覺、語音識別等領域技術成熟，國內頭部企業脫穎而出，競爭優勢明顯。然而，算法理論和開發平臺的核心技術仍然缺乏。
具體來說，在算法理論和開發平臺領域，中國還缺乏經驗，發展緩慢。機器學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關註的焦點。開源深度學習平臺是允許公眾使用、復制和修改的源代碼，是人工智能應用技術發展的核心驅動力。目前國際上廣泛使用的開源框架有Google的TensorFlow、臉書的Torchnet和微軟的DMTK等。美國仍然是該領域發展水平最高的國家。我國基礎理論體系尚未成熟，百度的PaddlePaddle、騰訊的Angle等國內企業的算法框架無法與國際主流產品抗衡。
在壹些應用技術領域，中國的實力與歐美不相上下。計算機視覺、智能語音和自然語言處理是三個主要的技術方向，也是中國市場最大的三個商業技術領域。受益於互聯網行業的發展，積累了大量的用戶數據，國內的計算機視覺和語音識別在全球處於領先地位。自然語言處理目前的市場競爭還沒有形成，但是國內的技術積累和國外的技術積累有壹定差距。
計算機視覺作為最成熟的技術之壹，有著廣泛的應用。計算機視覺就是用計算機模擬人眼的識別、跟蹤和測量功能。其應用場景廣泛，涵蓋安防(人臉識別)、醫療(圖像診斷)、移動互聯網(視頻監控)等。計算機視覺是中國人工智能市場的最大組成部分。根據艾瑞咨詢的數據，2017年，計算機視覺行業市場規模分別為80億元，占國內AI市場的37%。由於政府市場幹預、算法模型成熟度、數據可用性等因素，計算機視覺技術的落地情況出現分化。中國的計算機視覺技術主要輸出在安防、金融、移動互聯網領域。美國的計算機視覺下遊主要集中在消費、機器人和智能駕駛領域。
計算機視覺技術競爭格局穩定，國內頭部企業壹枝獨秀。隨著終端市場的工業檢測逐漸飽和，新的應用場景仍在探索中。目前，全球技術市場進入穩定增長期，市場競爭格局逐漸穩定，頭部企業技術差距逐漸縮小。中國在該領域技術積累豐富，技術應用與產品的結合處於世界前列。2018年，在全球最權威的人臉識別算法測試(FRVT)中，國內企業和科研院所包攬前五，中國在技術上處於世界領先地位。國內計算機視覺行業集中度高，頭部企業脫穎而出。據IDC統計，2017年，商湯科技、易圖科技、曠視科技、從雲科技占據了國內69.4%的市場份額，其中商湯以20.6%的市場份額排名第壹。
應用層面:互相競爭，格局不定。
應用場景市場空間廣闊，全球市場格局不確定。受益於全球開源社區，應用層的入門門檻相對較低。目前，應用層是人工智能產業鏈中最大的層級。據中國電子學會統計，2019年，全球應用層產業規模將達到360.5億元，約為技術層的1.67倍，基礎層的2.53倍。在全球範圍內，人工智能仍處於產業化和市場化的探索階段，落地場景的豐富性、用戶需求和解決方案的市場滲透率有待提高。目前世界上還沒有壹家壟斷企業具有絕對的統治地位，很多細分行業的市場競爭格局還沒有定型。
中國註重應用層的產業布局，市場發展潛力巨大。歐美等發達國家和地區的人工智能產業落地較早，以谷歌、亞馬遜等公司為首的科技巨頭著力構建從芯片、操作系統到應用技術研發再到細分場景的垂直生態。市場整體發展比較成熟；應用層是中國人工智能市場最活躍的領域，其市場規模和企業數量也在國內AI分發層面占比最大。據艾瑞咨詢統計，2019年，國內人工智能企業77%分布在應用層。得益於廣闊的市場空間和大規模的用戶群，中國市場發展潛力巨大，部分企業在工業應用上已經走在世界前列。如中國AI+安防技術、產品和解決方案引領全球產業發展，海康威視、大華股份分別占據全球智能安防企業第壹、第四位。
整體來看，國內人工智能完整產業鏈已經成型，但仍存在結構性問題。從產業生態來看，中國側重於技術層和應用層，尤其是終端產品應用豐富，技術商業化程度堪比歐美。但與美國等發達國家相比，我國在基礎層面缺乏突破性、標誌性的研究成果，底層技術和基礎理論仍然薄弱。早期國內政策聚焦互聯網領域，行業追求速度，資金投向容易變現的終端應用。人工智能行業發展相對浮躁，導致研發周期長、資金投入大、見效慢的基礎創新被市場忽視。“頭重腳輕”的發展趨勢導致我國對國外開發工具和基礎器件的依賴，不利於我國人工智能生態的布局和產業的長遠發展。短期來看，應用終端領域的投入和產出明顯，但難以成為引導未來經濟變革的核心驅動力。從中長期來看，人工智能的發展根植於基礎層(算法、芯片等)的突破。)研究。
人工智能發展潛力透析
我們將基於人工智能產業發展現狀，從智能產業基礎、學術生態和創新環境三個維度對中國、美國和歐洲28個國家的人工智能發展潛力進行評估，並采用熵值法確定各指標對應的權重，進而采用TOPSIS法構建代表人工智能發展潛力總體情況的綜合指數。
從智能產業基礎來看
工業化程度:增長強勁，工業規模僅次於美國。
中國的人工智能還處於產業化初期，但市場發展潛力很大。產業化程度是判斷人工智能發展活力的綜合指標。從市場規模來看，根據IDC數據，2019年，美國、西歐和中國的人工智能市場規模分別為213、71.25和45億美元，占比分別為57%、19%和65438。中國和美國的市場規模差異較大，但近年來國內AI技術的快速發展帶動了市場規模的快速增長，2019年增長率為64%，遠高於美國(26%)和西歐(41%)。從企業數量來看，據清華大學科技政策研究中心統計，截至201011年6月，中國和美國(2028年)的人工智能企業數量在全球遙遙領先，第三名英國(392家)不到中國企業數量的40%。從企業布局來看，根據騰訊研究院的數據，中國46%和22%的人工智能企業位於語音識別和計算機視覺領域。橫向來看，美國在基礎和技術層面的企業數量上領先中國，尤其是在自然語言處理、機器學習和技術平臺領域。在應用層面(智能機器人、智能無人機)，中美差距略小。展望未來，在政策的支持、資本的熱情和數據規模的先天優勢下，中國人工智能產業將保持強勁增長態勢，發展潛力巨大。
技術創新能力:很多專利並不優秀，海外布局仍有欠缺。
專利申請數量是衡量人工智能技術創新能力和發展潛力的核心因素。在全球範圍內，人工智能的專利申請主要來自中國、美國和日本。2000年至2018年，中國、美國、日本的AI專利申請量占全球申請總量的73.95%。我國雖然在AI領域起步較晚，但自2010以來，專利產出首次超過美國，並長期位居申請數量第壹。
從專利申請領域來看，深度學習、語音識別、人臉識別、機器人等熱點領域都成為各國重點布局的領域。其中，美國幾乎在所有領域都領先，而中國在語音識別(中文語音識別正確率全球第壹)、文本挖掘、雲計算方面優勢明顯。具體來看，國內大部分專利是在AI技術熱潮之後申請的，且集中在應用端(如智能搜索、智能推薦)，而AI芯片、基礎算法等關鍵領域和前沿領域仍主要由美國掌握。這反映出我國AI發展基礎薄弱，存在表面繁榮的結構性失衡。
國內AI專利質量參差不齊，海外市場布局尚有欠缺。雖然中國專利申請量遠超美國，但“多而不強，專而不優”的問題亟待調整。第壹，我國AI專利以國內為主，優質pct數量少。PCT(專利合作條約)是由WIPO管理的在全球範圍內保護專利發明人的條約。PCT通常被認為具有很高的技術價值。據中國專利保護協會統計，美國的PCT申請量占全球的465，438+0%，在國際上得到廣泛應用。而中國的pct數量(2568件)相對較少，僅為美國的1/4。目前中國的AI技術尚未形成大規模的技術輸出，國際市場缺乏；其次，我國實用新型專利比例高，專利放棄比例大。我國專利類別包括發明、實用新型專利和外觀設計，技術難度依次遞減。在中國，大部分AI專利都是實用的新專利，門檻很低。比如2017年，發明專利僅占申請總量的23%。此外，根據劍橋大學的報告，由於高昂的專利維護成本，中國665，438+0%的AI實用新型和95%的外觀設計將在5年後失效，而美國85.6%的專利仍能有效保留。
人才儲備:供需不平衡，頂尖人才缺口大。
人才的數量和質量直接決定了人工智能的發展水平和潛力。目前全球人工智能人才分布不均，供不應求。據清華大學統計，截至2017年，10人才庫排名前幾位的國家占全球總數的61.8%。歐洲28個國家有43064名人工智能人才，居世界首位，占全球總數的21.1%。美國和中國分別以28536人、65438人和08232人位列第二和第三。其中，中國的基礎人才儲備尤為薄弱。騰訊研究院數據顯示，美國AI技術人才數量是中國的2.26倍，基礎人才數量是中國的13.8倍。
我國人工智能人才供需嚴重失衡，優秀人才缺口大。根據BOSS直聘測算，2017年國內人工智能人才只能滿足企業60%的需求，保守估計人才缺口已經超過1萬。在壹些核心領域(語音識別、圖像識別等。)，AI人才的供給甚至不到市場需求的40%，而且這種趨勢隨著AI企業的增多越來越嚴重。在人工智能技術與應用的探索階段，優秀的人才對產業發展起著至關重要的作用，甚至影響技術路線的發展。美國(5158人)和歐盟(5787人)依托其科研創新能力和發展機遇聚集了大量精英，優秀人才數量在全球遙遙領先，而中國(977人)的優秀人才比例仍然明顯偏低，不到歐美的1/5。
人才的流入率和流出率可以衡量壹個國家的生態系統吸引和留住外來人才的能力。按照元素AI企業的分類標準，中國、美國等國都是AI人才流入流出率較低的錨定國，尤其是美國的人工智能人才總量保持相對穩定。具體來說，我國人工智能的培養仍以本土為主，海外人才回國數量僅占國內人才總量的9%。其中，美國是國內AI人才回流的最大來源，占所有回國人才的43.9%。可見，國內政策、技術、環境對海外人才的吸引力仍有待加強。
從學術生態的角度看
科技創新能力:科研產出強勁，產學融合有待加強。
科研能力是人工智能產業發展的動力。從發表的論文數量來看，從1998-2018，歐盟、中國和美國位列前三，占全球發表論文總量的69.64%。近年來，我國積極進行前瞻性科技部署，AI發展勢頭強勁，從1998占全球人工智能論文的8.9%上升到2018的28.2%，CAGR17.94%。2018年，中國以24929篇AI論文排名世界第壹。中國活躍的研究活動體現在人工智能巨大的發展潛力上。
中國論文的影響力仍有待提高，但與歐美的差距在逐年縮小。FWCI指數是目前定量評價科研論文質量的最佳方法。我們用FWCI來表示1標準化後的論文影響力。當FWCI≥1時，說明所測試的論文質量已經達到或超過世界平均水平。過去20年，美國AI論文的加權引用影響力壹直“占優”。2018年，FWCI高於全球平均水平36.78%。歐洲保持相對穩定，與全球平均水平相當；AI論文在中國的影響力顯著提升，2018年中國FWCI為0.80，比2010年提升44.23%，但論文影響力仍低於世界平均水平20%。從高引用前的1%論文數量來看，美國和中國的高質量論文產量分列全球第壹和第二，比第三名英國高出近4倍。從整體上看，國內頂級高質量論文的產出與美國相當，但從整體上看，AI論文的影響力仍落後於美國和歐美。
從作者的角度來看，科研機構和高校是目前我國人工智能知識生產的絕對力量，反映了科研成果轉化中的短板。而美國、歐盟、日本則呈現出企業、政府機構、高校共同參與的趨勢。Scopus數據顯示，2018年，美國企業AI論文簽約比例是中國的7.36倍，是歐盟的1.92倍。從2012到2018，美國企業簽署的AI論文比例增加了43pct，而中國企業簽署的AI論文比例僅增加了18pct。此外，人工智能與市場應用密切相關，校企合作論文廣泛存在。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%)相比差距較大。從產學結合的角度來看，我國人工智能的研究是由學術界推動的，企業的科研參與度較低，或者說很難實現市場導向。
中國的人工智能大學數量其實處於第二梯隊，實力與美國相當。高校是人工智能人才供給和論文輸出的核心載體。據騰訊研究院統計，全球有367所大學開設人工智能相關學科，其中美國(168)獨占鰲頭，占全球的45.7%。中國有20所高校與數量略遜壹籌的英國並列第三。此外，我國高校實力普遍增強，表現強勁。根據麻省理工學院公布的2019年度AI大學Top20榜單，中國清華大學和北京大學包攬前兩位，分別比2018上升1和3位。
從創新環境的角度看
R&D投資:中美之間的差距已經縮小。
中國擁有較高的R&D投資和強度，在全球R&D表現中占據重要地位。從R&D投資來看，美、中、日、德壹直是全球R&D投資的主力軍。據IDC統計，2018年，四國R&D投資總額占全球總額的60.77%。其中，美國憑借強大的R&D實力，連續多年位居全球R&D投資第壹。近年來，中國對R&D投資呈現強勁勢頭。據Statista統計，2019年國內R&D投資為519.2億美元，僅次於美國。與美國的差距正在縮小。2000年至2019年，CAGR高達14.43%，而美國CAGR僅為2.99%。由於經濟疲軟等諸多原因，歐盟和日本呈現相對緩慢的上升趨勢。根據R&D投資和強度的增長趨勢，中國可能在1-2年內取代美國成為全球R&D的領導者。從R&D強度來看，我國R&D強度在逐漸增加，且增加幅度較大。但對創新活動投入強度的重視程度與美國、日本相比仍有差距。2018年中國R&D強度為1.97%，低於日本和美國1.53和0.87個百分點。
資金投入:資金多項目少，資金投入重點在終端市場。
中國和美國是全球人工智能“融資高地”。人工智能的開發成本高，資金投入成為推動技術發展的主要力量。在全球範圍內，美國是新型人工智能企業投融資的領頭羊。CAPIQ數據顯示，2010年至2019年，美國AI企業累計融資773億美元，領先中國320億美元，占全球融資總額的50.7%。尤其是特朗普政府以來，對人工智能的投入逐漸加大。中國作為全球第二大融資國，融資總額占全球的35.5%。考慮到現有的格局和近期的變化，其他國家和地區很難在規模上撼動中美。從人工智能新增企業數量來看，美國在全球仍處於領先地位。2010至2018，美國累計新增企業7022家，約為中國(870家)的8倍。中國新增人工智能企業數量在2065，438+06年達到65，438+079家的高點後逐漸下降。近兩年分別有179(2065，438+07)和1565，438+0 (2065，438+08)，說明中國資本市場對AI有投資。整體來看，中國人工智能新企業增長緩慢，但融資總額增長迅速。這種“資金多，項目少”的情況，是行業即將出現泡沫的預警。
與美國相比，中國的資金投入側重於易落地的終端市場。從融資來看，中國各領域發展相對均衡，應用層是突出領域，如自動駕駛、計算機學習與成像、語音識別、無人機技術等，都超過了美國。美國市場註重底層技術的發展。騰訊研究院數據顯示，芯片和處理器是美國融資最多的領域，占總融資的31%。目前我國非常重視人工智能芯片市場，但由於技術壁壘和投資門檻高，國內芯片融資處於弱勢。
基於信息熵的TOPSIS方法:綜合指數評價
數據顯示，美國在綜合指標和三大項目指標上絕對領先，中國第二，28個歐洲國家暫時落後。具體來看，美國在人工智能人才儲備、創新產出和融資規模上優勢明顯。中國作為後起之秀，雖然趕上了美國，但總體水平仍然落後，尤其是在優秀的人才資源和高質量的專利申請方面。然而，就論文數量和影響力、R&D投資等指標而言，中國發展迅速，與美國的差距正在縮小。從各項指標的具體分析來看，我國人工智能的研究主要分布在高校和科研機構，企業參與度低，產出碎片化，缺乏與市場的系統整合，這將不利於我國人工智能技術的發展和產業優勢的發揮。此外，我國科研產出、企業數量和融資領域集中在產業鏈中下遊，上遊核心技術仍受制於國外企業。未來，如果國內底層技術領域仍未能實現突破，必然導致人工智能產業發展的瓶頸。
前景
轉自信息化協同創新專委會