我國人工智能產業發展及應用研究

紀漢霖 黃嘉冬

摘 要：人工智能技術近幾年得到了飛速發展，根據Gartner最新發布的預測報告，2018年全球人工智能市場規模將達到1.2萬億美元，較2017年增長70%，到2022年市場規模將高達3.9萬億美元。我國近年來針對人工智能產業發展的研究主要從國家或企業層面出發，而較少以時間序列形式研究我國人工智能產業發展情況。從產業、企業兩個維度，結合國內外人工智能行業發展情況與相關成果，進一步剖析我國人工智能產業分類及其在各領域的實際應用情況。

關鍵詞：人工智能;產業發展;行業應用

DOI：10. 11907/rjdk. 182443

中圖分類號：TP3-0文獻標識碼：A文章編號：1672-7800（2019）003-0034-05

0 引言

Atlas是谷歌旗下波士頓動力公司研發的人形機器人。2016年2月24日，波士頓動力公司最新升級版人形機器人的發布，對科技界產生了極大沖擊。新版Atlas高1.75m，重82kg，可通過身體內部及腿部傳感器采集的位姿數據保持身體平衡，其頭上的激光雷達定位器與立體攝像機可幫助Atlas規避障礙物、探測地面狀況以及完成巡航任務等，并且其在摔倒后能夠自主站立起來，性能十分強大[1-3]。Atlas產品的發布，只是全球人工智能產業快速發展的一個縮影，它讓人工智能這個名詞開始進入大眾視野[4]。

國外早在1956年即首次提出人工智能概念，并開始進行相關研究。麥卡錫首先引用人工智能一詞，并舉辦達特茅斯會議，開創了人工智能發展的理論先河;1965年，歐陸派哲學家德雷弗斯發表《煉金術與人工智能》一文，正式提出“人工智能”概念;1985年，Haugeland認為人工智能應當模仿人類思考與行動，其目的在于創造出能與人類一樣思考的機器;1995年，Bresnahan&Trajtenberg[5]提出人工智能是一種“通用目的技術”，可以被應用于各個領域;2006年，Varian Hinton[6]提出深度學習概念，從此人工智能進入快速發展階段;2014年，Varian[7]提出大數據技術與人工智能產業有著密切聯系;2017年，Taddy[8]針對人工智能的一個主要分支學科——機器學習，提出機器學習讓計算機在未經過明確編程的情況下擁有學習的能力，并通過對大量數據的學習找出完成任務的方法;2018年，以Judea Pearl[9]為代表的一些人工智能專家認為，如今強人工智能技術無法取得突破的原因在于現有機器學習理論未考慮因果性。

我國人工智能產業比國外起步晚，但是近年來進行了大量研究。如2015年，王曉陽[10]對人工智能進行了批判性分析;2016年，喻家駿[11]提出將人工智能與金融領域應用相結合;2016年，杜嚴勇[12]認為只有采取切實有效的措施保證人工智能的安全性，才能使其為人類帶來福祉而不是危害;2017年，劉偉[13]指出人工智能融合系統是未來智能科學的主要發展趨勢;2018年，李晟[16]認為隨著人工智能的廣泛運用，人工智能將重構公眾的法律認知模式，進而重構法律的價值導向等。

本文將對我國人工智能產業進行梳理，并與國外人工智能產業發展情況進行對比分析，以明晰我國人工智能產業發展的方向與短板，提出合理建議。

1 人工智能產業發展現狀

1.1 國內人工智能產業發展政策

我國一直十分重視人工智能產業的發展，早在1989年即召開了中國人工智能聯合會議。國家自然科學基金、“863”計劃、“973”計劃等多個重大項目也對人工智能與智能系統的發展予以支持，國家出臺的多項重大規劃都涉及人工智能發展。2015年，我國政府部門發布《中國制造2025》，包含的9項重要戰略任務都離不開人工智能的參與;2016年4月，工信部、國家發改委、財政部印發《機器人產業發展規劃（2016-2020年）》;2016年5月，國家發改委、科學技術部、工信部、中共中央網絡安全和信息化領導小組辦公室聯合制定了《“互聯網+”人工智能三年行動實施方案》;2016年，《“十三五”國家戰略性新興產業發展規劃》提出促進人工智能在經濟社會重點領域的推廣應用;2017年7月，國務院發布《新一代人工智能發展規劃》，標志著我國將人工智能發展上升到國家戰略層面;2017年12月，工信部發布《促進新一代人工智能產業發展三年行動計劃（2018-2020年）》，旨在促進人工智能產業發展，提升制造業智能化水平，推動人工智能與實體經濟深度融合。由此可見，自2016年以來，中國的人工智能政策密集出臺，在全球競爭的大背景下，人工智能已上升為國家意志，未來人工智能技術的產業化將是大勢所趨。2018年1月，人工智能標準化論壇發布《人工智能標準化白皮書（2018版）》，國家標準化管理委員會宣布成立國家人工智能標準化總體組與專家咨詢組，負責全面統籌規劃與協調管理我國人工智能標準化工作。

1.2 各國企業紛紛布局人工智能產業

很多美國科技企業巨頭，如谷歌、微軟、亞馬遜、臉書等，都不斷深入探索人工智能產業，并取得了一系列成果[17]。國內人工智能企業則由百度、阿里巴巴以及騰訊三大巨頭領銜，分別進軍人工智能產業不同領域，以期跟上世界人工智能產業發展步伐[18]。2017年11月，國家科技部召開新一代人工智能發展規劃暨重大科技項目啟動會，明確了我國人工智能產業布局，并宣布了首批國家新一代人工智能開放創新平臺名單，分別為：百度、阿里云、騰訊以及科大訊飛。國內企業通過建立實驗室、布局生態鏈等形式紛紛進入人工智能領域。

根據中國信息通信研究院數據研究中心的數據匯總（截至2018.4），得出各國人工智能企業分布情況如圖1、圖2所示。

由圖2數據不難看出，我國人工智能產業發展十分迅速，目前人工智能企業數量已居全球第二，占比為23%。但相較于居全球首位、企業數量全球占比為45%的美國而言，仍存在不小差距。

當前我國部分企業已開始通過投資，或并購國外人工智能企業的方式，以期更快地對人工智能產業進行布局。截至2016年6月15日，已有超過200家人工智能初創公司總共獲得了近15億美元融資。

2 人工智能產業分類

人工智能產業通常劃分為三層，分別是基礎層、技術層與應用層。其中基礎層是推動人工智能發展的基石，得益于近幾年大數據、物聯網、芯片技術的發展，使人工智能產業發展有了技術支撐，而基礎層相關技術基本都掌握在國外的IBM、英偉達、英特爾、谷歌等巨頭手中;技術層細分領域競爭激烈，頭部廠商技術差別逐漸縮小，技術無優勢的企業逐漸被淘汰;應用層市場空間巨大，參與企業眾多，通過整合各種資源，發展垂直應用，最終達到解決行業痛點、實現場景落地的目的。三者形成一個完整產業鏈，并且相互促進。

2.1 人工智能產業基礎層分析

（1）硬件技術。由于人腦機理尚未被完全揭示，類人腦計算機只能采用現有芯片和軟件技術進行模擬，但其運行機理已完全不同于傳統計算機，芯片正式成為計算的核心，是人工智能的“大腦”。目前人工智能尚不能完全實現人的智能，原因就在于智能芯片的缺位。

機器智能中，芯片是承載計算功能的基礎部件，隨著神經網絡（DNN）的發展與行業應用的逐步深入，其具備多層特點的計算需求已不能通過傳統的CPU加以滿足，而隨之誕生GPU具有深度學習所需的并行計算能力，因此其受關注度日益提高。智能芯片生產廠商主要以英偉達、英特爾、高通、ARM、蘋果、華為等廠商為主。

由表3可知，即使研發費用最少的AMD公司，全年研發投入也達到2.7億美元，而我國芯片創新企業寒武紀在2017年8月，獲得阿里巴巴領投的1億美元A輪融資之后，令寒武紀估值達到10億美元，這也是中國第一家集成電路產業的獨角獸公司。因此，國內在芯片領域的發展仍需要大量資本與人力投入，相比于國外成熟芯片巨頭尚存在較大差距。

國內針對人工智能產業硬件部分的布局起步較晚，但整體發展后勁十足。針對芯片產品的研發，國內主要開發企業有寒武紀、深鑒科技、地平線、云知聲等，如寒武紀的主要產品為2016年發布的寒武紀1A處理器（Cambricon-1A），其是一款可以進行深度學習的神經網絡專用處理器，主要面向智能手機、無人機、安防監控、可穿戴設備以及智能駕駛等各類終端設備，在運行主流智能算法時性能功耗可全面超越傳統處理器。寒武紀的人工智能芯片產品如今已搭載在華為mate10等最新產品上;針對類腦芯片的研究，主要開發企業有CEBSIT、西井科技、深思創芯等，如西井科技已研發了仿生類腦神經元芯片deepsouth、深度學習類腦神經元芯片deepwell，并進行了初步應用。但整體而言，國內相關領域企業，不論是從資金投入、研發成果應用情況，還是政府支持等都與國外企業存在較大差距。我國在前不久的中興芯片事件中損失慘重，因此未來在智能硬件產品研發方面有待進一步加強[19]。

（2）計算系統技術。目前互聯網上的海量數據主要掌握在互聯網巨頭手中，傳統企業擁有大量原始數據，但其往往不注重數字資產管理，很多數據并未被結構化。大部分AI創業公司的訓練數據來源主要有：①學術研究機構和大公司對外開放的免費數據庫;②購買或定制數據;③自行采集或模擬數據。國內在該領域發展已相當成熟，涌現出一大批創新企業。

根據中國信息通信研究院數據研究中心的數據匯總，得出我國大數據與人工智能產業總體規模及增速情況如圖4、圖5所示。

由圖4、圖5不難發現，我國大數據產業規模龐大，增長率極高，到2020年將達到1萬億元以上規模，而人工智能產業雖然在2016年左右才剛起步，但是發展勢頭較好，產業規模到2020年預期將達到1 500億元，增長率可達到1 391.1%。人工智能產業發展離不開龐大數據量的支撐，因此我國大數據產業的發展對于人工智能產業發展將起到重要的推動作用[20]。

2.2 人工智能產業技術層分析

技術層是在基礎層之上，針對不同細分應用開發的技術，主要包括圖像識別、語音識別、自然語言處理及其它深度學習與應用技術，涉及領域包括機器視覺、指紋識別、人臉識別、視網膜識別、虹膜識別、掌紋識別、專家系統、智能搜索等。

（1）算法理論。由于我國人工智能領域研究人員在數量與經驗方面都存在不足，導致國內人工智能算法理論發展較為緩慢。

（2）開發平臺。在人工智能深度學習系統中，一方面需要利用大量數據對其進行訓練，另一方面系統中存在上萬個參數需要調整，因此需要平臺對現有數據及參數進行整合，并向開發者開放，以實現技術應用價值最大化。在基礎開源框架構造方面，國內主要由百度、阿里巴巴、騰訊及京東幾大互聯網公司，依托其強大的互聯網平臺建立開源平臺;在技術開發平臺方面，眾多小微創新企業則具備強大的競爭力，如商湯科技、曠視科技、云知聲、思必馳等。

（3）應用軟件。由于深度學習的廣泛應用，神經網絡模型也被成功應用于自然語言處理及計算機視覺領域，從而大大提升了人工智能在計算機視覺、語音與圖像處理等領域的應用效果。在計算機視覺領域，主要涉及企業有：海康威視、宇視、曠視科技，以及新創企業如智諾科技、科達、格靈深瞳、依圖、商湯、云從科技等;在自然語言處理領域，主要企業有：科大訊飛、百度、騰訊，另外如三角獸科技、紫冬銳意、ImageQ、玻森數據、云知聲、思必馳、搜狗、智臻智能、威盛電子、中科信利、和而泰等公司也在該領域進行了深入研究;在人機交互領域，主要企業有：百度、阿里巴巴、騰訊暴風、極限元、小i機器人、海天智能、標貝科技等。其中，百度、騰訊、阿里巴巴作為國內頂尖的互聯網公司，在人工智能各領域都進行了相關布局。

2.3 人工智能產業應用層分析

在大數據與云計算等技術升級的推動下，人工智能技術已日趨成熟，其中金融、制造業、電商、健康醫療幾個行業的關鍵要素成熟度最高，事實也表明，圍繞相關領域，已經有若干獨角獸公司異軍突起。農業、制造業以及法律行業在這一波智能化浪潮中處于落后位置，向AI轉型關鍵要素的成熟度較低。

根據2017 CSDN中國開發者調查的數據匯總（截至2018.1），得出國內人工智能產業與各行業結合情況如圖6所示。

在AI應用領域，目前主要集中在安防、金融、醫療、教育、零售、機器人以及智能駕駛等領域。對于各領域的代表公司，其中安防領域有海康威視、商湯科技、曠視科技、宇視科技、依圖、大華等;金融領域有螞蟻金服、通聯數據、京東金融、冰鑒科技、眾安科技等;醫療領域有科大訊飛、醫渡云、匯醫慧影、肽積木、碳云智能等;教育領域有科大訊飛、優必選、新東方、智課教育、乂學教育等;零售領域有阿里、京東、繽果盒子等;機器人領域有大疆創新、零度智控、極飛、優必選等;智能駕駛領域有百度、馭勢、蔚來汽車、智駕科技等;智能家居領域有海爾、格力、美的、安居寶等。隨著人工智能的發展，人工智能機器人也被應用于更多場景中，該領域產品也日趨豐富。針對兒童教育/陪護機器人，有優必選的Jimu、獵豹的豹豹龍、能力風暴的積木系列、金剛蟻的小憶機器人、寒武紀的小武機器人、Gowild狗尾草的公子小白等;針對娛樂機器，有優必選的Alpha、巴巴騰的哆來咪、Gowild狗尾草的琥珀虛顏等;針對家庭服務機器人，有海爾的漫游者掃地機器人等;針對殘障輔助機器人，有達闥科技的METS導盲機器人、傅利葉智能的下肢外骨骼機器人等;針對場地機器人（包括餐飲/酒店運輸機器人、導覽/導購指引機器人），有優必選的Cruzr、獵豹的豹小秘、豹咖啡、豹小販、康力優藍的優友U05、寒武紀的商用機器人等;針對工業機器人，仍然由新松公司領頭，博實、安川電機、富士康等公司也推出了相關產品;針對物流機器人，則以京東、菜鳥網絡、申通等公司的物流機器人為主。其中優必選與新松兩家公司尤其值得重點關注，優必選成立于2012年，是國內為數不多的已將消費級人形機器人推向市場的公司，其旗下的Alpha系列、Jimu系列機器人曾兩度亮相央視春晚;新松公司隸屬于中科院，是傳統機器人廠商中較早致力于人工智能研究的機構，產品線也比較齊全，擁有場地機器人、工業機器人及物流分揀機器人等多種產品。

3 結語

本文通過統計匯總我國人工智能領域的主要企業及相關產品，探討國內人工智能產業發展最新進展情況。總體而言，我國在人工智能領域起步較晚，在人工智能產業基礎層研究方面較為薄弱，與國外存在較大差距;在人工智能產業技術層，國內部分企業如科大訊飛、商湯科技、曠視科技等已成為新興的獨角獸企業，融資額度甚至超過了美國同行;在人工智能產業應用層，國內企業數量則呈爆發式增長，目前主要集中在安防、金融、醫療、教育、零售、機器人以及智能駕駛等領域。

隨著后續國家政策對人工智能產業的大力扶持，以及資金、人才的不斷輸入，國內人工智能產業將得到進一步發展，但在人工智能基礎技術層面，如芯片、大數據等領域，需要進一步提升我國的自主研發實力。

參考文獻：

[1] 詹姆斯·巴拉特. 我們最后的發明：人工智能與人類時代的終結[M]. 北京： 電子工業出版社，2016.

[2] 凱文·凱利. 失控[M]. 北京： 電子工業出版社，2016.

[3] 雷·庫茲韋爾. 奇點臨近[M]. 北京： 機械工業出版社，2011.

[4] 尤瓦爾·赫拉里. 人類簡史[M]. 北京： 中信出版社，2014.

[5] BRESNAHAN T，TRAJTENBERG M. General purpose technologies "engines of growth"[J]. Journal of Econometrics，1995，65（1）：83-108.

[6] VARIAN HINTON. Big data and competition policy[M]. Oxford University Press，2004.

[7] VARIAN H R. Big data： new tricks for econometrics[J]. Journal of Economic Perspectives， 2014， 28（2）：3-27.

[8] TADDY M. The technological elements of artificial intelligence[C]. NBER Working Papers， 2018：1-22.

[9] PEARL J. Theoretical impediments to machine learning with seven sparks from the causal revolution[C]. Working Paper，2018：1-8.

[10] 王曉陽. 人工智能能否超越人類智能[J]. 自然辯證法研究， 2015（7）：104-110.

[11] 喻家駿. 人工智能技術的倫理問題及其對策研究[D]. 武漢：武漢理工大學，2013.

[12] 杜嚴勇. 人工智能安全問題及其解決進路[J]. 哲學動態， 2016（9）：99-104.

[13] 劉偉. 人工智能在金融領域的應用[J]. 電子技術與軟件工程， 2017（24）：158.

[14] 高奇琦，呂俊延. 智能醫療： 人工智能時代對公共衛生的機遇與挑戰[J]. 電子政務，2017（11）：11-19.

[15] 劉一然，駱力明. 基于知識圖譜的學科單選題考點提取研究[J/OL]. 計算機應用研究，2019（6）.[2018-3-16].http：//kns.cnki.net/kcms/detail/51.1196.TP.20180408.1052.120.html.

[16] 李晟. 略論人工智能語境下的法律轉型[J]. 法學評論，2018，36（1）：98-107.

[17] 李修全，蔣鴻玲. 美日歐政府發展人工智能的新舉措及對我國的啟示[J]. 全球科技經濟瞭望，2016，31（10）：73-76.

[18] 孫曄，吳飛揚. 人工智能的研究現狀及發展趨勢[J]. 價值工程， 2013（28）：5-7.

[19] 韋淋元. 人工智能發展的困境和出路[D]. 南寧： 廣西師范大學，2009.

[20] 徐勇. 關于人工智能發展方向的思考[J]. 科技創新與應用， 2016（2）：4.

（責任編輯：黃 健）