<cite id="d3zh7"><em id="d3zh7"></em></cite><b id="d3zh7"></b>

    <cite id="d3zh7"></cite>

    
    
    <mark id="d3zh7"><track id="d3zh7"><font id="d3zh7"></font></track></mark><mark id="d3zh7"><track id="d3zh7"></track></mark>
      <mark id="d3zh7"></mark>

          <cite id="d3zh7"><track id="d3zh7"><font id="d3zh7"></font></track></cite>
          <var id="d3zh7"><track id="d3zh7"><font id="d3zh7"></font></track></var>
          行業報告
          2021搜狐科技5G&AI峰會隆重開啟,AI年度報告正式首發
          搜狐科技 | 來源:搜狐科技 瀏覽次數:1744 發布時間:2021年5月17日
          摘要:

          5月17日,世界電信日,2021搜狐科技5G&AI峰會隆重開啟。搜狐科技聯合中國信通院泰爾系統實驗室,首次發布《2021中國5G&AI年度報告》。這份報告是過去一年,我們對5G和AI技術和產業發展的觀察與思考以及總結。

          5月17日,世界電信日,2021搜狐科技5G&AI峰會隆重開啟。搜狐科技聯合中國信通院泰爾系統實驗室,首次發布《2021中國5G&AI年度報告》。這份報告是過去一年,我們對5G和AI技術和產業發展的觀察與思考以及總結。

          這也是搜狐科技今年全新推出的《中國AI創新公司100》項目的最新成果,報告為期三月綜合調研,并結合專業視角和媒體視角,從技術、應用、趨勢等角度地解析了5G和AI近一年以來的發展現狀,以及未來的發展前景。以下為《2021中國AI年度報告》全文。

          前言

          人工智能是指用機器模擬、實現或延伸人類的感知、思考、行動等智力與行為能力的科學與技術。作為引領未來的戰略性技術,人工智能在2020年入選“新基建”,成為驅動我國新一輪科技革命和產業變革的重要力量,也是國際競爭的新焦點、經濟發展的新引擎,已經成為全球最為活躍的創新領域。

          自移動互聯網時代以來,人工智能第三波發展浪潮加速推進,以深度學習為主導的人工智能技術推動技術紅利加快釋放。肆虐全球的新冠疫情成為AI的試金石,AI企業不再是以往的旁觀者,而是在疫情防控、復工復產中出演關鍵角色,并引領人工智能走向全方位商業化,引發行業深刻變革,以空前的廣度和深度影響經濟社會發展。

          但與此同時,人們對人工智能的發展顯得過于樂觀,產業發展速度不及資本市場預期,資本熱度開始退卻,產業似乎顯現出“陷入困境”與“高速發展”的矛盾現象。但只要驅動力仍然存在,技術的發展就不會停滯。當下,人工智能正處于發展的關鍵期。

          一方面,以深度學習為主導的人工智能技術進入升級優化階段,開始試圖從多角度融合發展,人工智能需要更多的技術創新,不少技術也處于關鍵階段。但更為重要的是,人工智能雖然已在金融、安防、醫療、教育、交通等多個領域實現技術落地,但產業發展重心已有所轉變,如何加速和產業深度融合,打造更為豐富的場景化、平臺化生態將是人工智能未來發展的主要挑戰。人工智能規;瘧靡堰M入深水區,同樣亟待突破。

          為更好地認識人工智能發展現狀,以及未來趨勢,搜狐科技和中國信通院泰爾系統實驗室聯合發布本報告。報告梳理了人工智能發展脈絡、核心技術成熟度,并從論文、專利、人才等技術實力角度,從企業數量、市場規模等方面,分析了中國在全球人工智能的地位。同時還結合五大領域探討了人工智能具體的應用情況以及未來發展趨勢,并總結了人工智能發展面臨的主要挑戰。

          一、人工智能處于發展關鍵期

          (一)人工智能發展脈絡

          1、第三波浪潮步入高速發展期

          在1956年夏季的達特茅斯會議上,約翰·麥卡錫、馬文·閔斯基、內森·羅切斯特和克勞德·香農等年輕科學家匯聚一堂,首次提出了人工智能的概念。至今發展已經歷經60余年,期間歷經三次浪潮,目前全球人工智能處于始于20世紀90年代、2011年加速發展的第三波浪潮之中。

          人工智能發展歷程 資料來源:清華大學

          具體來看,20世紀60年代,人工智能出現第一波高潮,發展出了自然語言處理和人機對話技術。當時對人工智能的發展過于樂觀,甚至神話人工智能,但現實中卻是接二連三的失敗,最后人工智能自70年代進入低谷,直到80年代有關機器人系統等實現突破,人工智能迎來第二波浪潮。但顯然各界還是高估了它的難度,隨著人工智能計算機DARPA的失敗,實用性預期落空,資本和政府支持再次撤出,人工智能迎來第二次“寒冬”。

          關鍵的轉折點在于互聯網的發展,人工智能也自20世紀90年代進入第三次發展浪潮,互聯網的發展和高性能計算機推動人工智能創新研究加速,技術進一步實用化,1997年IBM深藍戰勝了國際象棋世界冠軍 Garry Kasparov是一個里程碑意義的事件。自2011年后,隨著移動互聯網、大數據、云計算等技術發展推動,算法、算力和數據能力不斷提升,人工智能技術快速發展,推動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,人工智能逐漸步入高速發展期。

          2013年,深度學習被《麻省理工學院技術評論》評為十大突破性技術之首;2016年和2017年AlphaGo先后戰勝世界圍棋頂級選手李世石和柯潔,更是讓各界都認識到人工智能蘊藏的巨大潛能,人工智能應用不斷豐富,政府政策和資本也開始加速涌入。隨后智能應用也成為人工智能下一個階段周期的核心,開始掀起新一輪的產業革命。

          放眼全球,世界主要科技強國都高度重視人工智能的技術進步與產業發展,先后出臺人工智能發展規劃。截至目前,包括中國、美國、日本、歐盟等在內的多國和地區都頒布了國家層面的人工智能發展政策。

          自2017年開始,人工智能多次被寫入我國政府工作報告;國務院還在2017年發布《新一代人工智能發展規劃》,將人工智能發展上升到國家戰略層面,提出了人工智能發展三步走的戰略。2020年人工智能被納入“新基建”,作為新技術基礎設施,人工智能將成為支撐國內產業加快轉型升級的重要賦能工具。

          《新一代人工智能發展規劃》目標(萬億元)資料來源:國務院

          2、加快邁向第三代人工智能

          人工智能發展也持續演進,從簡單易理解易感知的低階人工智能向更為復雜的高階人工智能推進。中國科學院張鈸院士、中國工程院李德毅院士和王恩東院士等業界人士認為,人工智能從技術階段上主要分為運算智能、感知智能和認知智能三個層次。運算智能,即快速計算和記憶存儲能力;感知智能,即視覺、聽覺、觸覺等感知能力;認知智能就是具有推理、可解釋性的能力,即人工智能的高級階段。

          在作為第一作者于去年發表的《邁向第三代人工智能》研究論文中,張鈸院士提到,符號主義為第一代人工智能,通過知識驅動,利用知識、算法和算力3個要素構造人工智能;連接主義為第二代人工智能,通過數據驅動,利用數據、算法與算力3個要素構造人工智能;將要發展的人工智能為第三代人工智能,其核心思想是建立可解釋、魯棒性的人工智能理論和方法,發展安全、可靠、可信及可擴展的人工智能技術,并推動人工智能創新應用。

          張鈸院士認為,第三代人工智能的發展思路是把第一代的知識驅動和第二代的數據驅動結合起來,通過同時利用知識、數據、算法和算力等4個要素,構造更強大的人工智能,而這其中關鍵的問題在于算法。目前,人工智能領域應用最廣泛的算法是機器學習和深度學習,未來人工智能的突破性發展還有賴于更為先進的算法。

          阿里巴巴達摩院在發布的“2020十大科技趨勢”報告中提到,人工智能已經在“聽、說、看”等感知智能領域達到或超越了人類水準,但在需要外部知識、邏輯推理或者領域遷移的認知智能領域還處于初級階段。這也意味著,我們需要加快發展第三代人工智能,推動人工智能邁向認知智能。

          人工智能理論的發展也在持續演進。圖靈獎獲得者ManuelBlum夫婦在2020世界人工智能大會上在計算智能、感知智能和認知智能的基礎上,提出意識智能的思想,核心理念是構造一個新型的可用數學建模、可計算的機器認知/意識模型,這是一個既經典又全新的概念和思路。

          (二)人工智能技術發展騰飛

          1、多項技術趨于成熟

          人工智能包括自然語言處理、芯片技術、機器學習、信息檢索與推薦、人機交互、知識工程、語音識別、計算機視覺、機器人、數據挖掘、經典人工智能、數據庫、計算機圖形、多媒體、可視化、安全與隱私、計算機網絡、計算機系統、計算理論和物聯網等20個子領域。其中機器學習、自然語言處理、計算機視覺、語音識別、機器人、知識工程、信息檢索與推薦是人工智能七大核心關鍵技術。

          Gartner每年發布的技術成熟度曲線已成為是科技產業界技術預測的風向標。在Gartner技術成熟度曲線中,技術預計成熟時間分為不到2年、2至5年、5至10年、10年以后和此前已被淘汰,技術所處發展狀態包括萌芽期、期望膨脹期、幻滅期、復蘇期和生產成熟期五個階段。

          人工智能主要技術預期成熟時間(年) 資料來源:Gartner

          根據近些年Gartner發布的技術成熟度曲線,可以發現以下規律:

          ——語音識別是最為成熟的AI技術,自2015年以來一直處于生產成熟期,預計實現時間“小于2年”,這也是人工智能最先得到大規模應用的技術,成為巨頭必爭之地。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。

          ——機器學習、深度學習、計算機視覺即將進入生產成熟期,其中機器學習在2020年由期望膨脹期變為幻滅期,且預期成熟時間自2015年以來一直都是2-5年;深度學習在2015年萌芽期后一直處于期望膨脹期,預期成熟時間也從5-10縮短至2-5年;計算機視覺在2016年首次進入期望膨脹期,預計成熟時間為5-10年,到2018年變為幻滅期,預計成熟時間縮短至2-5年,這也是國內應用最為廣泛的AI技術,百度、騰訊、?低曇约耙陨虦萍、曠視科技為代表的獨角獸扎堆聚集;決策智能從2019年的萌芽期變為2020年的期望膨脹期,預期成熟時間也從5-10年縮短至2-5年。

          ——強化學習、自然語言處理、知識圖譜、智能機器人、數字倫理等還在研究發展中,距離生產成熟至少均還需5-10年;其中強化學習最新狀態是萌芽期;自然語言處理發展狀態變化迅速,2015年處于萌芽期,2016年起進入期望膨脹期,2019年后已進入幻滅期,其典型應用包括自動寫新聞、聊天機器人、數據解讀和報告生成,但目前仍處于初步采用階段;谷歌提出的知識圖譜概念在2018年首次進入Gartner人工智能技術成熟度曲線,2020年進入期望膨脹期,發展迅速;智能機器人則來回搖擺,2015年萌芽期,隨后進入期望膨脹期,但在2019年又被打回至萌芽期;數字倫理最近三年都是期望膨脹期,但預計成熟還需時日。

          ——量子計算、無人駕駛、通用人工智能距離成熟最為遙遠,其中無人駕駛自2018年以來便處于幻滅期,且此前預計成熟時間過于可觀,從2015年的5-10年調整至連續10年以上,無人駕駛真正落地還需較長時間等待,百度、華為等科技巨頭以及新老造車勢力都在積極布局自動駕駛,但全場景的L4級自動駕駛尚無實現量產落地,僅在自動泊車等場景實現;通用人工智能也被稱為強人工智能,自2017年以來一直處于萌芽期,未來10年內都不太可能出現;

          ——自然語言生成、自然語言問答、通用機器智能、增強現實等因未有明顯突破而消失在成熟度曲線中,認知計算被認為在技術成熟之前便被淘汰。

          2、平臺建設穩步推進

          隨著人工智能的發展,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。在政府和技術領先的人工智能企業的推動下,人工智能平臺建設持續推進,開放開源趨勢愈發明顯,生態建設穩步推進。

          2017-2018年,科技部等多部門經充分調研和論證,確定了五大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、商湯科技,建設自動駕駛、城市大腦、醫療影像、智能語音、智能視覺人工智能開放創新平臺。此外,華為、京東、小米、搜狗等也推出了人工智能開放平臺。

          同時,我國也正在快速進行開源開發框架的系統化布局。目前,全球開源框架由谷歌TensorFlow、臉書PyTorch等主導,框架格局已從百花齊放轉向幾家分爭。國產框架也在加速升級,包括百度推出的國內首個自主研發的深度學習框架飛漿,阿里巴巴深度學習框架X-DeepLearning,華為開源自研AI框架MindSpore,曠視深度學習框架天元(MegEngine),以及清華大學的Jittor等。

          人工智能平臺和框架是提供構建人工智能應用的工具,有助于降低企業的技術門檻,讓所有創業者都享受到人工智能技術進步所帶來的紅利,同時有助于連接行業內的產學研機構,打造從源頭技術創新到產業技術創新的人工智能產業鏈,構筑完整的產業生態。

          科大訊飛在國內率先推出人工智能開放平臺,截止去年底已對外開放396項AI能力及方案,聚集超過175.6萬開發者團隊;百度Apollo生態合作伙伴接近200家,百度大腦對外開放了270多項AI能力,日調用量超過1萬億次,百度飛槳凝聚265萬開發者、服務10萬家企業。通過平臺開放和框架開源加深,人工智能產業將加速發展。

          (三)行業應用加速滲透

          隨著第三波人工智能浪潮加速推進,AI也從云端落地,加速向各行各業滲透。在席卷全球的新冠疫情當中,人工智能也在疫情監測、醫療救治、疫苗研發、人物管控、復工復產等方面發揮出巨大的作用,比如疫情追蹤溯源、輔助診斷、自動測溫+識別、智能機器人配送等。

          當前人工智能技術已步入全方位商業階段,與一、二、三產業融合成效初顯,正在從部分先導領域如醫療、交通、教育等服務領域向制造業、農業等產業領域拓展,對多個行業產生不程度的影響,改變了各行業的生態。

          由于不同場景復雜度的不同、技術發展水平的不同,導致行業應用成熟度也有所不同。具體到行業來看,智能安防、智慧金融、智能醫療、智能交通等領域已經成為企業加速人工智能技術產業化落地的熱點應用場景,智能化新產品、新業態、新模式不斷涌現,應用成熟度相對靠前,而制造、通信、旅游、文娛等行業成熟度還有待提高。

          (四)行業投資趨于理性

          第三波浪潮加速發展以及國家對人工智能的重視,也吸引了資本的瘋狂涌入。據艾媒咨詢數據顯示,自2014年以來中國人工智能產業融資規模不斷擴大,并于2018年達到1423億元的高峰。隨后的2019年資本寒冬來襲,人工智能融資規模出現首次下降,資本從瘋狂期轉變為冷靜期,行業發展也更多趨于理性。

          中國人工智能產業融資規模情況(億元) 資料來源:艾媒咨詢

          寒冬出現,預期過高是主要原因。資本早期對人工智能產業回報周期過于樂觀,不同于移動互聯網兩到四年的成效預期,人工智能技術成熟周期相對較長,其與傳統行業核心業務深度融合,需更高的技術準確率和更深刻的行業理解力。因此,人工智能產業孕育時間更長,資本市場的期望和現實出現較大偏差。

          不過,去年資本市場對人工智能熱度有所升溫,全球AI投融資金額基本止跌。國內人工智能投融資金額轉降為升,達到1402億元。但據中國信通院數據顯示,全球人工智能企業增速明顯放緩,2019、2020年全球每年新增人工智能企業數量已不足100家,且投融資的輪次后移趨勢不斷擴大。2020年B 輪及以上融資筆數占總筆數的62%,較上一年增長達40%,而更早期的融資筆數則處于持續下降趨勢,資本重心向中后期項目轉移。

          隨著人工智能應用進入深水區,頭部企業開始上市步伐,人工智能熱度保持回升。據企查查數據數據顯示,人工智能、企業服務、醫療健康等今年一季度投資市場的首選,其中人工智能行業共發生融資事件329起,披露融資金額超過510億元,接近2019年的一半,人工智能投融資市場呈現持續回暖態勢。

          二、中國在全球人工智能地位

          (一)技術實力分析

          1、三大領域實力突出,基礎研究有待加強

          從技術層面整體來看,我國在計算機視覺、語音識別、自然語言處理方面具有全球領先優勢。據清華大學數據顯示,計算機視覺、語音識別、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35%、25%和21%,應用最為廣泛也反映出技術的成熟度相對較高。

          從高水平論文數和專利申請量來看,我國在計算機視覺、語音識別、自然語言處理這三個領域都有著領先于美國的明顯優勢。最近十年,我國在前述三個領域的高水平論文量分別為1103篇、1237篇和413篇,其中在語音識別上是美國的近兩倍;專利申請量也均超過美國,尤其計算機視覺優勢顯著,累計超過8.4萬個,是美國的3.8倍,語音識別專利申請量也是美國的2.4倍。

          最近十年中美兩國在三個技術領域的高水平論文和專利申請情況 資料來源:清華大學

          此外,在自動駕駛等技術領域,我國也在積極追趕。在自動駕駛涉及的傳感器技術及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,但中國也依靠科技巨頭與科研院校加速追趕。在互聯技術及無人駕駛測試兩個方面,中國水平已經與美國相接近。

          根據Guidehouse Insights最新的排行榜報告,在全球15家開發自動駕駛系統的公司中,谷歌母公司旗下的Waymo處于領導者地位,以85.6分居首;英偉達、福特支持的自動駕駛初創公司Argo AI,以及百度緊隨Waymo之后,成為該領域的領導者,百度是領導者行列唯一上榜的中國企業。

          總體來看,目前我國相對領先的人工智能企業多是應用型企業,在深度學習、機器學習等基礎算法研究方面,還存在一定差距。有著“計算機界的諾貝爾獎”之譽的圖靈獎,在過去十年有5位人工智能領域學者獲得,在共計16名獲獎者中有13位來自美國、2位來自英國、1位來自加拿大。

          相較而言,美國在底層技術實力更為優厚,在AI細分技術上的發展較為均衡,且在芯片技術、機器學習、信息檢索與挖掘、人機交互、無人駕駛等10多個子領域居于全球領先地位,反映出美國在人工智能領域的頂級實力,我國還需要在基礎研究和前沿領域加大投入力度。

          2、高水平論文發表量靠前,中美合作廣泛

          人工智能的發展離不開前期的持續研究。據中國信通院統計,2010年到2019年的10年間,全球人工智能領域發布論文總量超過73萬篇,中國是論文產出最高的國家,總量超過18萬篇,而且占比還在逐年增高,2019年達到32%。

          按照清華大學統計的全球人工智能領域高水平論文來看,過去十年累計發表超過13萬篇;其中累計發表量位居前十的國家依次是美國、中國、德國、英國、日本、加拿大、法國、韓國、意大利和澳大利亞。

          過去十年人工智能領域高水平論文發表量前十國家 資料來源:清華大學

          美國和中國的人工智能高水平論文發表量明顯高于其他國家,中國累計發表近2.3萬篇,占比約為17%,僅次于美國的3.3萬篇(對應占比25%)。中美也是過去十年在人工智能領域高水平論文開展跨國科研合作較多的國家,彼此之間也是重要的科研合作伙伴。數據顯示,美國在其30多個合作國家之中,與中國合作的AI高水平論文數量最多,占比近19%;中國在其20多個合作國家之中,與美國合作的論文數量也最多,占比27%。

          此外,美國的AI領域高水平論文平均引用率為45,中國的AI領域高水平論文平均引用率近32,中美合作論文的平均引用率達51,其影響力明顯高于中國和美國各自論文的平均引用水平,顯示跨國合作論文影響力更為顯著。

          3、專利申請數量居全球第一,過去十年是美國8倍

          專利是創新成果的應用表現形式,也是國家或企業技術實力的反映。截至2019年底,我國人工智能技術專利申請總量首次超過美國,成為全球申請數量最多的國家。據國家工業信息安全發展研究中心、工信部電子知識產權中心發布的《2020人工智能中國專利技術分析報告》(以下簡稱《專利報告》),截止去年10月,我國人工智能專利申請超過69萬件,同比增長56%;其中在疫情防控相關人工智能技術方面申請專利達3036件,分布于疫情監測、防控救治、資源調配等領域。

          從過去十年(即人工智能第三波浪潮以來)來看,全球范圍內人工智能領域的專利申請量超過52萬,主要集中在中國、美國、日本、韓國等;其中中國專利申請量近39萬,位居世界第一,占全球總量的75%,是排名第二的美國的8倍多,美國累計專利申請量不到5萬。

          最近十年全球AI專利申請主要國家或機構 資料來源:清華大學

          互聯網科技企業和高校是人工智能技術發展的主力軍。百度、騰訊、阿里巴巴、華為等企業專利申請量和授權量都名列前茅。百度分別以9364件專利申請和2682件專利授權處于領先地位,并在深度學習技術、智能語音、自然語言處理、自動駕駛、知識圖譜、智能推薦、交通大數據等多個領域位居專利申請量和授權量首位。

          騰訊在專利申請總量和授權總量中分列第二、第三位,華為則分列第三、第二位;國家電網也擁有比較突出的技術實力,專利申請總量和授權總量分列第五、第四。清華大學、浙江大學等高等院校也是人工智能領域的重要創新主體;微軟和三星等外企在國內也均有超過4400個專利申請和超過1200個專利授權。

          從細分領域來看,云計算作為人工智能的基礎支撐技術,專利占比最多,達到18%;計算機視覺緊隨其后,占比近18%;深度學習、自動駕駛及智能機器人分別占比15%、12%和10%。交通大數據占比約8%、智能推薦和自然語言處理占比約6%、智能語音占比約5%、知識圖譜占比約3%。

          4、人才數量僅次美國,高層次人才差距明顯

          據清華大學數據顯示,全球人工智能領域學者數量超過15.54萬位,覆蓋120多個國家,主要集中在北美洲、歐洲、東亞地區;其中中國AI學者數量僅次于美國,超過1.7萬人,占比約為11%。美國AI學者數量超過4.9萬人,占比近32%。

          在由清華大學AMiner聯合北京智源研究院、清華-中國工程院知識智能聯合研究中心共同發布的AI2000 榜單入選的1833位AI高層次學者中,中國同樣位于美國之后,有196人,占比近10%。美國AI高層次學者的數量最多,有1244人,占比高達62%,是中國的6倍多。德國位列第三,是歐洲學者數量最多的國家;其余國家的學者數量均在100人以下。

          人工智能領域高層次學者數量TOP10國家 資料來源:清華大學

          從機構來看,美國谷歌公司擁有全球最多的AI高層次學者,達到185人,也是唯一一家高層次學者數過百的機構;清華大學是唯一入選 TOP10 的中國機構,有27人入選。其余機構均來自美國,顯示我國在AI高層次學者培養方面還有待加強。

          從國內來看,我國AI人才主要集中在京津冀、長三角和珠三角地區,其中北京擁有數量最多的AI高層次學者,有79位,占比45%,接近于國內 AI 高層次人才的一半。

          國內人工智能領域高層次學者主要集中在高校,其中清華大學不僅擁有AI領域最多的學者,且高層次人才數量也居于國內首位,為27人。香港中文大學、浙江大學和中國科學院在人工智能領域的高層次學者數量分別為16、14和11位,其他機構均不足十位;京東、阿里、華為是TOP10中僅有的三家企業,均為6人,與美國科技巨頭差距較大。

          我國也在不斷加強人工智能人才培養,目前國內有超過210所高校成立人工智能本科專業,其中有60所為雙一流大學(占比28%)。截止2019 年年底,我國已有66所高校成功建設人工智能學院、研究院、研究中心或研究所。面對國內AI人才尤其是高層次人才的差距,加強人才培養已經成為我國發展人工智能的關鍵。

          (二)市場規模和產業發展分析

          1、企業數量居全球第二

          據中國信通院報告數據,截至2020年11月,全球人工智能企業共計5896家,其中美國2257家,中國1454家,英國430家,加拿大307家分列前四。中國人工智能企業占全球總數的25%,僅次于美國的38%,排名第三的英國數量“斷崖式下跌”,中美兩國占據絕對優勢。

          從企業結構看,全球專注于人工智能產品的企業中,智能機器人企業占比最高,達到39%,智能駕駛、傳感器、芯片企業占比分別達到15%、11%和9%,無人機企業占比最低,僅為5%。從地區分布看,全球人工智能企業分布相對集中,北美、亞洲、歐洲的人工智能企業占全球98%以上。北京是中國人工智能“高地”,以37%的企業數量占比高居榜首,上海緊隨其后,296家AI企業在全國的占比為20%,之后是廣東和浙江,AI企業數量均過百。

          根據胡潤研究院去年8月發布的《2020胡潤全球獨角獸榜》,在全球586家獨角獸企業中,人工智能獨角獸共有63家,其中中國有21家,占比約三分之一。

          2、海量豐富數據和完備產業鏈

          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。據工信部數據,中國網民規模居全球第一,2020年底整體網民規模已經達到9.89億,互聯網普及率超過70%,其中手機網民9.86億,滲透率99.7%。近十億網民構成了全球最大的數字社會,意味著中國企業擁有的數據數量將是更加海量、復雜、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。

          同時,我國也基本建立了比較完備的產業鏈,產業生態基本形成,產業整體實力顯著增強。從人工智能基礎層、技術層、應用層來看,我國在應用層面擁有顯著優勢,擁有一批領先的互聯網科技企業,市場規模龐大;技術層也在部分領域取得全球領先地位,如語音識別,但在基礎研究方面還有待加強。

          在基礎層,中國在數據服務平臺、網絡運營商、云計算等領域具有一定優勢,但在芯片、操作系統等方面還有提升空間。中國是全球芯片需求量最大的市場,2020年我國進口芯片超過3500億美元,仍是進口的最大單一類商品,尤其是高端芯片更是嚴重依賴進口。人工智能芯片最近兩年也是資本追捧熱點,也涌現出一批實力較強的公司,比如寒武紀、地平線等,百度、阿里、字節跳動等巨頭也在布局AI芯片,加強底層基礎設施建設將為發展人工智能提供支撐。

          3、中國有望成為全球最大AI市場

          據IDC數據,2019年全球人工智能市場規模達到375億美元,中國AI市場預計占全球的12%,是全球第二大AI單一市場。中國信通院數據稱,2020年全球人工智能產業規模1565億美元,增長率為12%,我國人工產業規模約為434億美元(約合人民幣2820億元),同比增長近14%,超過全球增速,占到全球規模的比重也達到近28%。

          根據規劃,我國人工智能核心產業規模2020年要超過1500億元,帶動相關產業規模超過1萬億元;2025年人工智能核心產業規模要超過4000億元,帶動相關產業規模超過5萬億元;2030年人工智能核心產業規模要超過1萬億元,帶動相關產業規模超過10萬億元。

          三、人工智能加快行業賦能

          過去十年,人工智能技術與傳統行業深度融合,應用領域逐漸從第三產業向第一、第二產業拓展,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。

          不過,各行業面痛點不同,例如金融行業面臨成本壓力、產品服務單一等,醫療與教育行業均面臨資源分配不均等,而人工智能有可能解決這些問題,但與具體行業的融合應用也會存在差異。德勤依據行業應用度以及市場機會兩個維度,劃分出人工智能應用四個象限。

          人工智能技術在各行業的滲透和市場規模情況 資料來源:德勤

          萌芽期表示行業應用度以及市場機會都尚未成熟,總體處于起步階段,比如醫療、智慧城市等;過渡期表示人工智能在該行業具有較高的應用程度,但目前市場機會有限,未來有望進一步拓展,比如數字城市; 成長期表示雖然該行業人工智能應用度不足, 但擁有較高的市場機會,包括無人駕駛等; 發展期表示人工智能技術已經產生了較為深刻的影響,行業應用度較高,市場機會也較高,比如金融、教育、制造等領域。本節將著重介紹人工智能如何賦能于金融、工業、醫療、教育和城市等領域。

          (一)智慧金融

          智慧金融是人工智能與金融行業深度融合的新業態,人工智能已被廣泛應用到銀行、投資、信貸、保險和監管等多個領域,正逐步成為決定金融業溝通客戶、發現客戶金融需求、輔助金融決策的重要因素。目前,人工智能在金融領域的應用場景以智能風控為主,同時還在向智能投顧、智能獲客、身份識別、智能客服、移動支付、流程優化等細分場景滲透。

          人工智能技術在金融領域的應用

          智能風控主要是利用機器學習、人臉識別、語音識別、數據挖掘等人工智能技術對金融風險進行有效識別、預警和防范。比如對惡意套現、盜刷卡、營銷作弊、虛假交易等行為,可以及時發現異常和干預阻斷,從而保證金融環境安全。通過對貸款用戶進行建模和畫像分析,開展風險評估與跟蹤,從而決定是否放貸,并可對其貸款能力進行實時監控,減少壞賬損失。隨著互聯網金融的快速發展,如螞蟻金服、京東金融等金融機構大力借此發展智能信貸服務,通過大數據便于實施風控,智能風控也是智慧金融中最受資本青睞的領域。

          智能投顧是資本青睞的僅次于智能風控的領域,是指運用人工智能機器學習算法、大數據、以及量化金融模型,根據個人投資者提供的風險偏好、投資收益要求以及投資風格等信息,為用戶提供投資決策信息參考,并實時監測市場動態,對客戶的資產配置組合進行自動跟蹤和再平衡。相較于傳統投顧,智能投顧更具客觀性,在一定程度上可以降低因業績而誤導客戶的風險,還可以規避情緒上的弱點。國內工商銀行、中國銀行等國有銀行以及證券機構等紛紛推出智能投顧服務,花旗銀行預計到2025年智能投顧管理的資產總規模將會高達5億美元。

          中國信通院報告指出,人工智能與傳統金融的融合將會分為三階段。第一階段是科技賦能階段,該階段強調應用場景,將其他領域成熟的人工智能技術平行向金融領域應用遷移,提升某些環節業務效率;第二階段是科技增能階段,該階段強調模型應用,該階段會產生大量第三方專業服務,金融行業會主動在業務環節中應用人工智能,引發業務方式深刻變革及效率極大提升;第三階段是科技產能階段,以價值應用為主要特點,金融核心業務將人工智能化,人工智能成為金融核心價值創造手段,同時伴隨監管效率和監管措施智能化。目前,我國智慧金融正從第一階段向第二階段過渡,縱深發展還有推進。

          (二)智能制造

          智能制造是《中國制造2025》的主攻方向,智能制造是未來制造業發展的重大趨勢和核心內容,也是解決我國制造業由大變強的根本路徑。包含自動化、信息化、互聯網和智能化四個層次的智能制造正在引領制造企業價值最大化,這將貫穿于設計、生產、管理、服務等制造活動的各個環節,助力生產制造優化,減少重復勞動,提高生產效率和質量。

          人工智能與5G、云計算等技術結合,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。人工智能在制造業的應用場景主要分為三類:一是產品智能化研發設計和為產品注智,比如工程設計; 二是在制造和管理流程中運用人工智能提高產品質量和生產效率,比如智能工廠、生成調度、故障診斷;三是供應鏈的智能化,比如智能物流。

          人工智能技術在制造領域的應用

          智能工廠是實現智能制造的重要載體,以信息物理系統和工業互聯網為核心,利用信息技術和智能裝備對生產工藝、組織流程、管理服務及產品全生命周期進行數字化、網絡化、智能化改造,加強設備、制造單元、生產線、車間、工廠的互聯互通,實現人、機、法、料、環高度協同融合,推動企業縱向集成和橫向集成,并基于工業大數據應用和工業云服務,為企業提供工廠級的端到端整體解決方案,實現提質增效和產業轉型升級。

          2020年是AI+物流大規模應用元年。人工智能在物流業的落地應用主要指的是基于人工智能技術(機器學習、深度學習、計算機視覺、自動駕駛等)的軟硬件產品及服務(無人卡車、無人機/無人車、智能調度系統等)在物流活動各環節(運輸、倉儲、配送、客服等)中的實際落地應用,更大限度地降低人工成本、提升經營效率。曠視科技在業內率先推出了AI賦能的智慧物流操作系統“河圖”,并自研了多款機器人和智能物流裝備,向鞋服、制造、汽車、醫藥、快消等行業近100家客戶提供端到端解決方案。據艾瑞咨詢報告,2019年人工智能+物流的市場規模已達15.9億元,預計到2025年市場規模將接近100億元。

          過去幾年,制造業領域人工智能應用潛力被明顯低估,雖然目前人工智能與制造業的融合仍處于初級階段,但未來智能制造將是人工智能的主戰場,制造業將成為人工智能應用藍海。德勤數據稱,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,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%。

          (三)智慧醫療

          近年來,隨著人工智能領域的自然語言處理、語音識別、計算機視覺等技術逐漸成熟,人工智能技術與醫療健康的融合不斷加深,應用場景愈發豐富,包括電子病歷、醫療影像、遠程診斷、醫療機器人、新藥研發、基因測序、醫院管理、醫?刭M、健康預測等環節。

          人工智能技術在醫療領域的應用

          AI賦能成為優化醫療資源、改善醫療技術、提升醫療服務水平的重要因素。目前我國在AI醫療方面基本形成以BAT為代表的基礎設施企業,以科大訊飛、依圖科技等為代表的技術供應商,以及以華大基因、數坤科技、晶泰科技、平安好醫生等為代表應用企業的格局。據德勤數據,目前我國共有超過140家智慧醫療公司,初步形成北京、廣州、長三角的智慧醫療聚集群。

          AI可以幫助提高藥物研發效率。新藥研發是一項漫長、低效率、高成本的工作,周期長達8-12年,所有進入臨床試驗階段的藥物,只有不到 12%的藥品最終能夠上市銷售,研發費用往往會達到上億美元。相對于傳統的方法,人工智能可以更快地發現新的分子化合物或是新興的藥物靶點,加快藥物研發過程,節約研發成本。中科院報告數據稱,在技術成熟后有望在新藥研發領域每年降低280億美元成本。它還可以更加準確地去預測新藥后續的實驗結果,從而盡可能地提高藥物開發流程當中每個階段的成功率。

          去年谷歌旗下的DeepMind推出的新一代AlphaFold人工智能系統精確地基于氨基酸序列完成預測蛋白質結構,人工智能發現藥物分子也被《麻省理工科技評論》評為2020年“全球十大突破性技術”之一。目前,諾華、羅氏、輝瑞、默克等全球前十大制藥企業紛紛涉足人工智能領域,先后開展合作或收購項目,具體包括藥物試驗、藥物發現和病人分析等。

          AI也可以助力醫學影像輔助診斷。通過計算機視覺技術對醫學影像進行數據感知、智能化分析、快速閱片,獲取有效信息,從而輔助醫師解讀醫學影像,為診斷提供依據。此外,通過深度學習海量的影像數據和臨床診斷數據,并加以訓練,可以對醫學影像實現諸如分類、檢測、分割和配準等精準分析,從而幫助醫生進行準確診斷。目前,醫療影像智能診斷主要應用與癌癥、心腦血管等領域。在新冠疫情期間,憑借AI賦能的CT輔助診斷系統、個人自我診斷系統,幫助醫生快速熟悉了新冠的特點,了解和掌握了診斷和篩查標準。

          從全球范圍來看,目前人工智能醫療產業仍處于發展早期階段,商業化程度偏低。但隨著技術成熟和應用落地,市場前景將迎來爆發增長。據Global Market Insights數據,2018年全球人工智能醫療市場規模為13億美元,預計2019年至2025年的復合年增長率近42%,2025年市場規模將達到276億美元。藥物研發目前是最大的細分市場,未來幾年將快速增長;醫學影像預計也將以超40%的復合年均增長率發展,有望成為第二大細分市場。

          (四)智慧教育

          當前人工智能、大數據等技術迅猛發展,教育智能化成為教育領域發展的方向,疫情也加速了教育的智能化和線上化。智慧教育主要圍繞“教、學、練、評、測”五大環節,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、知識生成和表達等功能,可以產生適合每個學生的個性化的解決方案和有效反饋意見,提高學習效率,解放教師資源,改變教育模式,引領教育理念與教育生態深刻變革。

          人工智能在智能教育中的的相關應用主要分為兩大類:一是間接輔助型,即利用AI手段輔助教學,提高學生成績、效率及自主學習能力,如智慧課堂,具體包括拍照搜題、分層排課、口語測評、組卷閱卷、作文批改、作業布置等;二是直接學習型,即將科技項目作為教學內容;三是基礎運營型,利用AI等綜合技術提升學校管理能力、教師教學質量,如智慧校園。

          人工智能在教育領域的應用場景 資料來源:中科院報告

          智慧校園作為智慧教育的基礎,主要包括寬帶校園、平安校園、智聯校園和智慧教室四個層面。目前,寬帶校園普及完成率相對較高,平安校園、智聯校園和智慧教室還處于行業風口之上,其中智慧教室是智慧校園的重要應用場景,主要建設智慧課堂硬件設施配置、標準化考場配置,是實施智慧課堂的基礎?拼笥嶏w是國內智慧教育的領先企業之一,其打造了覆蓋教、學、考、管四大主場景的智慧教育全棧產品體系,語音評測等產品已在中國31個省級行政區廣泛應用,與全國3.8萬余所學校深度合作,服務過億師生;公司區域級因材施教解決方案也在多地常態化使用并形成示范引領。

          目前來看,國內智慧教育行業正處于快速成長期,即將進入成熟期。據中商產業研究院報告數據顯示,2018年我國智慧教育市場規模突破5000億元,2020年預計達到7230億元,2022年將突破萬億元大關,智慧教育行業市場前景十分廣闊。

          (五)智慧城市

          智慧城市又稱為數字城市,最早由IBM公司于2010年提出。隨著人工智能等前沿技術的融入,城市基礎設施得到創新升級,全方位助力城市向智慧化方向發展,包括智能安防智能交通、智能政務、能源系統、城市管理等領域。近年來,中國政府陸續開展和推廣智慧城市試點工作,智慧城市相關的政策紅利不斷釋放,同時吸引了大量社會資本加速投入。

          人工智能技術在智慧城市領域的應用

          根據IDC 2020年2月發布的《全球智慧城市支出指南》,2020年中國智慧城市市場支出規模將達到266億美元,是全球支出第二大的國家,僅次于美國。隨著我國城鎮化水平不斷提高,人工智能、5G、物聯網等技術快速發展,未來我國智慧城市市場規模將進一步擴大。據中國智慧城市工作委員會數據,預測到2022年,我國智慧城市市場規模將達到25萬億元。本節重點探討智能安防、智能交通的發展和前景。

          1、智能安防

          人工智能在城市安全中所起的作用日益突出。相較于以往的數字安防,人工智能安防系統呈現出實時性、智能化兩大特點,提升了公共安全管理力度。智能安防的應用覆蓋范圍廣闊,從園區樓宇、公共交通,到政府機關、醫院學校等,防幾乎已經無處不在。

          人工智能安防企業可以分為兩大類:產品或服務供貨商與安防系統解決方案提供商。產品供貨商主要指的是提供整個安防系統某一部分產品或服務的企業。如商湯科技、曠視科技等在公共場所部署的人臉識別系統,可以幫助公安機關提高嫌疑人抓捕效率,準確識別正在策劃尚未實施的犯罪行為和風險隱患,將事后偵破轉變為主動預測預警預防。

          安防系統解決方案提供商是指提供安防系統整體產品與服務的企業,提供從前期咨詢到后期運維等全方位服務,以?低、大華股份、華為為代表。其中?低暸c大華是從智能硬件供貨商轉變為整體解決方案提供商,華為則是平臺型企業的代表,利用在云端的技術經驗構建安防生態系統。

          目前,人工智能安防市場仍處于上升時期,強者恒強趨勢明顯,行業集中度將進一步提升。?低、大華股份,以及華為等科技巨頭處于智能安防領域第一梯隊;第二梯隊以宇視、天地偉業、蘇州科達等為代表;第三梯隊為大多數中小初創企業,面臨著頭部企業激烈競爭。

          經過多年的高速發展,安防已經發展成為一個龐大的產業。在經歷了數字化、網絡化發展后,安防行業未來將向智能化深度發展,且隨著智慧城市在中國的建設逐步走向高潮,智能安防市場規模也將持續增長。據前瞻產業院預測,到2025年我國智能安防市場規模將超過2000億元,2019年到2025年的年均復合增長率將達到28%。

          2、智慧交通

          人工智能時代,交通系統和汽車相關的智能出行正在被重新定義,人、車、路的關系更加密切,出行生態將發生巨大的改變。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,以自動駕駛為核心的智能交通產業鏈正在逐步形成。

          智慧交通系統科涵蓋公路、航空等多場景,借助人工智能,將核心交通元素聯通,可以實現信息互通與共享以及各交通元素的彼此協調、優化配置和高效使用,形成人、車和交通的一個高效協同環境,建立安全、高效、便捷和低碳的交通。例如交通信號燈智能適配、出行路徑優化、交通工具調度決策等應用場景。京東數科研發的智能城市操作系統可以在數據不出庫的情況下,實現知識共享,支持三方快速開發行業應用,利用六個時空數據模型收納城市萬千數據,擴展性強,并應用到大興機場智能停車系統、雄安新區塊數據平臺等場景。

          在自動駕駛方面,通過載傳感器,實現信息共享、環境感知、智能決策、自主控制等功能,輔助汽車電子控制單元或直接輔助駕駛員做出決策,從而讓汽車行駛更加智能化,提升汽車駕駛的安全性和舒適性,例如駕駛輔助、自動駕駛、智能導航等應用場景。智能汽車也被視為下一個十年的革命性風口,吸引百度、小米、滴滴等企業也紛紛下場造車。

          根據智能化水平的不同,自動駕駛由低到高細分為輔助駕駛(L1)、部分自動化(L 2)、有條件自動化(L3)、高度自動化(L 4)和完全自動化(L5)5個級別。從路徑來看,國內自動駕駛主要分為兩派:一派是漸進式,由低向高逐步做起;一派是激進式,直接從L4做起。但也有些新的變化,比如原來走激進式的公司開始轉向漸進式,比如百度最初是專注做L4,但通過和吉利聯合造車實際上也開始布局L2,形成更多級別自動駕駛的布局。目前,L4僅在部分場景,如自主泊車等實現量產上市,按照Gartner預測,完全成熟還需10年以上;L2和L3(包括L2)將會是未來幾年內主要的市場爆發點。

          按照參與者的背景不同,自動駕駛賽道主要包括四大類別:第一類是從互聯網跨界玩家,代表企業是百度、滴滴;第二類是手機企業轉做自動駕駛,如華為、蘋果、小米等;第三類是智能駕駛產業鏈參與者,比如四維圖新、德賽西威;第四類是做整車制造的汽車品牌廠商,包括特斯拉、蔚來、小鵬等新勢力,以及寶馬、大眾、比亞迪等傳統車企。

          據麥肯錫最新研究預測,中國在未來十年有望成為全球最大的自動駕駛市場;到2030年,中國將有800萬輛的自動駕駛汽車上路,自動駕駛相關的新車銷售及出行服務創收將超過5000億美元。

          四、人工智能發展趨勢和挑戰

          (一)人工智能發展趨勢

          1、深度學習技術進入升級優化階段

          深度學習仍將是未來一段時期內人工智能技術發展的主導路線。本輪深度學習理論突破速度開始放緩,技術紅利的持續釋放驅動圖像分類、機器翻譯等多類感知任務準確率大幅增長,步入升級優化期,基于深度學習理論的優化技術層出不窮,RegNet、GPT-3 等模型不斷提升視覺處理、閱讀理解等基礎智能任務水平,虛擬助手、多語種翻譯等智能應用已開始進入規;瘧秒A段,大量的行業應用場景加速深度融合,技術能力和優化速度可見5到8年的紅利。具體來看,自然語言處理、強化學習、知識圖譜、智能機器人、可解釋性AI、數字倫理等處于期望膨脹期,達到成熟期預計需要5-10年,是AI未來十年重點發展的技術方向。

          2、從單點技術突破走向場景化綜合生態

          人工智能產業從謀求單點技術的“極致”,向場景化綜合生態發展。人工智能企業單點技術標簽化的特點逐步弱化,企業加速進入實質應用轉化階段,人工智能技術服務企業的變化尤為凸顯,如商湯科技、曠視科技、科大訊飛等企業已將重心從視覺、語音等技術轉移至社會治理、供應鏈物流、生活消費等領域的軟硬件解決方案。同時,頭部智能企業認識到智能技術與傳統行業的深度融合應用需要構建新的發展模式,一方面要加速打造提供模型選擇、訓練、部署監測等一體化的研發平臺,還要構建多樣化行業技術服務及解決方案平臺,場景化綜合生態正在形成。

          3、行業規;瘧猛黄埔熏F曙光

          人工智能正在向更多的行業領域滲透,大規模融合應用發展進入深水區。雖然應用場景碎片化的特點導致低成本、易用、泛化能力較強的能力平臺構建需較長周期,但目前人工智能的發展已處于高速爆發的臨界點。人工智能頭部企業加速布局,不斷完善技術生產工具(開源開發框架、數據處理、驗證分析、部署監測等完備研發工具鏈),加速建立全棧智能計算技術體系(形成基礎計算理論、芯片、軟硬協同、系統協同全棧技術支撐能力),探索孕育基礎和垂直行業技術平臺,尤其是以科技巨頭引領的產業垂直整合速度不斷加快;產業規;l展的進程正在不斷加速,規模經濟有望形成。人工智能將以空前廣度與深度推動社會發展,加速產業結構升級進程。

          4、開放開源的產業生態加速構建

          以研發和技術服務為核心,產業開始打造平臺化發展模式。包含視覺、語音、自然語言處理等基礎技術服務平臺走向成熟,已形成涵蓋多種基礎技術的綜合性平臺,產業主體主要包括谷歌、微軟、亞馬遜等擁有云計算業務的廠商和科大訊飛、曠視科技等人工智能技術服務廠商,這些對外開放的平臺也聚集了一大批開發者。同時,以開源開發框架為核心的生態體系雛形漸顯,人工智能頭部企業構建開源開發框架生態,試圖形成應用接口和硬件適配的雙向主導權。未來云服務廠商、人工智能技術服務企業和互聯網企業、傳統企業、硬件廠商將持續打造符合自身發展的體系,產業生態將進一步繁榮。

          (二)人工智能發展諸多挑戰

          1、安全和倫理挑戰

          人工智能技術的發展已經進入了某些科技領域的“無人區”,人工智能除技術本身可能發生問題之外,諸多應用在使用過程中也存在負效應,引發系列安全和倫理問題。安全挑戰主要包括三個方面:一是人工智能可以替代體力勞動和腦力勞動,影響人類就業安全,加劇財富分化,人工智能安全事故也頻發;二是人工智能發展依托于大數據支撐,數據隱私安全風險日益凸顯,如侵害消費者隱私、進行網絡詐騙等;三是人工智能強大的數據收集、分析以及信息生成能力,可以生成和仿造很多東西,可能帶來虛假、欺詐信息,危害經濟和社會安全。

          人工智能發展面臨的倫理挑戰主要來自:一是人們對智能化的過度依賴,嚴重擠壓個人生活工作實踐,“信息繭房”效應越發明顯,成為數據和算法的奴隸;二是智能算法潛在的歧視和偏見,數據、算法以及人為因素會導致計算結果的偏見和非中立性,比如性別歧視、種族歧視以及“有色眼鏡”效應;三是情感計算技術和類腦智能技術的創新融合發展,可能擾亂人們對于身份和能動性的認知。四是人工智能對人類造成的威脅和傷害,比如智能武器在戰爭中的使用,在發展人工智能的同時如何規避不傷害人類也是需要繼續研究的課題。

          因此,人工智能治理也會是人工智能技術和應用發展到一定階段的必然結果,也會是人工智能發展會面臨的挑戰。人工智能治理是一項復雜的系統工程,需要明確治理原則及目標、厘清治理主體,又需要提出切實有效的治理措施。這需要政府、行業組織、企業以及公眾等多元主體共同參與、協同合作,通過制定倫理原則、設計技術標準、完善法律法規等多種舉措,實現科技向善、造福人類的總體目標愿景,推動人工智能健康有序發展。

          2、高端人才嚴重匱乏

          全球都面臨著高端人工智能人才短缺這一結構性難題,高端人才數量少且分布極度不平衡,美國聚集了全球最多的人工智能人才。我國存在較大的技術人才缺口,尤其是算法工程師和有經驗的數據科學家。根據我國教育部門測算,我國人工智能人才目前缺口超過500萬,國內的供求比例為1:10,供需比例嚴重失衡。許多人工智能項目無疾而終,缺乏人工智能人才尤其是高端人才成為了企業面臨的最大難題,未來還需加大人工智能人才培養力度。目前,我國上百家高校開設了人工智能專業,這將為未來的人工智能人才培養打下基礎,學界和業界也應加強協同合作。

          3、國際交流合作受限

          雖然科技無國界,但是科技公司有國界。當前世界各國對人工智能技術發展都不遺余力地投入和支持,同時還使用不同方法來保護自己的科技成果,封鎖前沿技術和“卡脖子”技術外流路徑,這將在一定程度上限制人工智能技術創新要素的自由流動。在目前嚴峻的國際大環境下,未來人工智能技術自由交流發展將無疑受到影響,對外技術支持與技術服務出口或將受到限制。隨著人工智能發展進入技術攻堅區和更為深入和廣泛的應用階段,加強交流合作應該成為國際共識。

          特別聲明:
          轉載上述內容請注明出處并加鏈接。上述內容僅代表作者或發布者的觀點,與中國電子商會官網的立場無關。如有任何疑問或了解更多,請與我們聯系。電話:4008 900 668 郵箱:service@cecc.org.cn

          中國電子商會 China Electronics Chamber of Commerce
          京ICP備13044805號
          電話:010-68256762  E-mail:service@cecc.org.cn
          Copyright CECC.org.cn All rights reserved
          地址:北京市海淀區翠微中里15號樓

          依依社区网 百度 好搜 搜狗

          警告:本站禁止未滿18周歲訪客瀏覽,如果當地法律禁止請自覺離開本站!收藏本站:請使用Ctrl+D進行收藏