人工智能與傳統產業的深度融合發展

史占中

【摘要】人工智能時代的來臨，將顛覆傳統產業結構并重塑全球產業競爭格局。面對人工智能技術進步帶來的挑戰，傳統產業與人工智能深度融合發展是建設現代化經濟體系的需要，也是推動農業現代化、制造業轉型升級以及服務業智能化的需要。作為新一輪產業變革的核心驅動力，人工智能技術是重塑產業發展的新優勢、提升國家競爭力的強戰略。中國政府應打造“基礎研究、技術研究和應用研究”三位一體的技術鏈;重視人工智能高端人才的引進和培育;完善數據體系建設、制定數據開放管理政策;深挖場景應用，拓寬“智能+”在傳統行業的應用。

【關鍵詞】人工智能? 傳統產業? 智能? 平安科技

【中圖分類號】 F49? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.18.003

引言

大數據和機器智能將會徹底改變未來的商業模式，很多傳統的行業都將采用智能技術實現升級換代。[1]隨著人工智能技術的發展，人類的生產方式、出行方式乃至生活方式均面臨著智能化變革，從智能手機、智能家居、到智能機器人無一不顯示著智能時代已經來臨。作為新一輪產業變革的核心驅動力，人工智能技術是重塑產業發展的新優勢、提升國家競爭力的強戰略。

對此，發達國家紛紛出臺相關政策文件，旨在加速人工智能快速發展。早在2013年，美國政府便開始布局國家機器人計劃并作為重點資助對象，人工智能隨后于2016年被上升到美國國家戰略高度。為進一步提高美國在人工智能領域的領導力，白宮于2019年2月發布了《美國人工智能倡議》和《加速美國在人工智能領域的領導地位》等文件，引導并推動美國人工智能技術的發展;德國“工業4.0”計劃和《聯邦政府人工智能戰略要點》均提出通過人工智能技術與制造業相結合，促進德國產業向智能制造發展;日、韓等國也出臺了《日本機器人戰略：愿景、戰略、行動計劃》和《第二次智能機器人行動計劃》等政策文件，旨在推動傳統行業與人工智能和機器人技術的深度融合。由此可見，人工智能技術已引起了新一輪的工業革命。

改革開放以來，中國逐漸從世界第一制造大國步入工業化后期時代（黃群慧，2018）[2]，為保證產業持續成長和工業化進程持續深化，中國政府頒布了《新一代人工智能發展規劃》等政策文件，旨在通過加速發展人工智能技術，進一步釋放歷次科技革命和產業變革積蓄的巨大能量，并創造新的強大引擎，重構生產、分配、交換、消費等經濟活動各環節，形成從宏觀到微觀各領域的智能化新需求，催生新技術、新產品、新產業、新業態、新模式，引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。[3]2019年，李克強總理在《政府工作報告》中也指出要推動傳統產業改造提升，特別是要打造工業互聯網平臺，拓展“智能+”，為制造業轉型升級賦能。[4]因此，闡釋智能時代下傳統產業如何重塑，是當前產業經濟學探討的重要議題。

人工智能產業化發展背景和進程

智能時代的來臨，將顛覆傳統產業結構，重塑全球產業競爭格局。回溯過去200多年世界經濟發展歷史，我們曾先后經歷三次工業革命，每一次工業革命均伴隨著傳統產業的重塑。目前，以克勞斯·施瓦布為代表的學者認為：以人工智能為主要標志的第四次工業革命已經悄然到來，并以更快的速度、更廣的范圍整合和重構全球價值鏈條。[5]微軟、谷歌、Facebook和百度等科技巨頭企業積極布局人工智能產業，且已在機器人、金融、醫療、安防等產業領域取得革命性突破。

人工智能（學科）是計算機科學中涉及研究、設計和應用的智能機器的一個分支。其近期的主要目標在于研究用機器來模仿和執行人腦的某些智力能力，并開發相關的理論和技術。[6]1956年，人工智能概念在達特茅斯會議上被第一次提出，隨后麻省理工大學、卡內基梅隆大學等高校以及IBM等研究機構建立了人工智能研究中心，并在搜索方法、機器定理證明及LISP表處理器語言等方面取得重大突破，從而迎來了人工智能的第一次發展浪潮。20世紀80年代，人工智能進一步深入發展，以費根鮑姆（Feigenbaum E.A.）為代表的基于規則的專家系統開發與應用獲得成功，人工智能技術開始初步應用于醫療診斷、計算機設計、商業與科學等領域，隨后神經網絡、模式識別等技術的發展帶動了人工智能的第二次發展浪潮。[7]20世紀90年代中期，互聯網的發展使機器學習成為人工智能研究的焦點，人工智能研究主題也從單個智能主題轉向基于網絡環境的分布式主題，人工智能進入了穩步發展階段。1996年，計算機系統“深藍”戰勝國際象棋世界冠軍卡斯帕羅夫事件使智能機器人被人們廣泛認知，隨后智能化工業機器人和服務機器人被廣泛應用于各行各業，引起了人工智能的第三次發展浪潮。21世紀以來，人工智能進入了蓬勃發展階段。互聯網、云計算、物聯網和大數據等技術的發展推動了以深度神經網絡為代表的人工智能技術發展，同時也引起了新一輪的商業革命。德國“工業4.0”戰略、“中國制造2025”戰略以及“美國人工智能研究與發展戰略”等文件的頒布，意味著人工智能技術的發展將重塑全球范圍內的產業分工格局。

前三次工業革命美、英等發達國家的歷史經驗對于智能時代中國傳統產業重塑具有重要的借鑒意義。當今中國應緊緊抓住第四次工業革命帶來的機遇，加速人工智能與傳統產業的深度融合，推動“智能+”產業的快速發展，包括智慧零售、智慧文旅、智慧出行、智慧金融等商業服務和智慧醫療、智慧教育、智慧政府等在內的公共服務，同時涉及智慧制造、精準農業等產業。盡管在人工智能基礎研究方面中國落后于美、英等發達國家，但基于海量數據和場景應用市場等優勢，中國有望把握智能時代的歷史機遇實現“彎道超車”。

人工智能產業化發展現狀和趨勢

近年來，隨人工智能技術的爆發，智能化產品開始融入人們的生活，人、機器、智能機器協作與共存將成為人類社會結構的新常態。[8]世界各國紛紛著手布局人工智能領域，力圖搶占行業制高點，人工智能產業進入了快速增長階段，大量人工智能技術研發和應用企業正在崛起。根據相關文獻和報告數據，本文從以下幾個方面論述人工智能發展現狀。

產業規模持續增長，市場潛力大。目前，人工智能產業發展迅速，逐漸成為拉動全球經濟增長的主要來源之一。截至2017年，全球人工智能產業規模約2307億元。據推算，到2020年，全球人工智能產業規模將達到6800億元人民幣，復合增長率達26.2%。中國人工智能發展起步較晚，自2015年開始，中國人工智能產業規模逐年攀升。截至2017年，中國人工智能產業規模達216.9億元人民幣，同比增長52.8%。據預測，到2020年，中國人工智能產業規模將達到710億元人民幣。2015到2020年間復合年均增長率為44.5%。[9]

從人工智能企業數量來看，由中國信息通信研究院數據研究中心的全球ICT監測平臺實時監測數據知，2014年到2016年全球出現人工智能企業創業潮現象，2016開始新創企業數放緩，截至2018年上半年，全球共監測到人工智能企業4998家，其中前三名分別為美國（2039家，占40.8%）、中國（1040家，占20.8%）和英國（392家，占7.84%）。[10]

資本市場加速涌入，投資漸成熟。從投融資角度看，自2013年以來，資本市場持續投資人工智能產業，中國已成為其中企業服務、醫療、金融、機器人、汽車等領域吸引資本最多。iiMediaResearch（艾媒咨詢）數據顯示，2018年中國人工智能領域共獲融資1311億元，比2017年增長了677億元，增長率為107%。[11]從投融資事件的融資輪次和單筆融資額度看，獲得C輪以上融資的企業占比較大，大額融資事件頻發，說明中國人工智能產業發展開始逐漸步入成熟階段，且資本市場更熱衷于投資優秀的龍頭企業，初創企業的融資難度增加。

人才需求加劇，“智能+”多樣化發展。人工智能產業的競爭，歸根到底是人才的競爭，只有投入更多的高端人工智能人才，才能站在人工智能技術的制高點。根據騰訊研究院“2017全球人工智能人才白皮書”的數據可知，截至2017年，全球人工智能領域人才約30萬，遠遠低于百萬量級的市場需求，人才缺失嚴重。[12]為吸引人工智能人才集聚，科技巨頭們一方面推出人工智能人才引進計劃，如百度的“少帥計劃”、阿里巴巴的“青年軍”計劃;另一方面高薪吸引高校研究人才，并建立人工智能實驗室吸引各國人才，如微軟亞洲研究院、IBM兗州研究院等。

相比專業人才需求的加劇，人工智能的產業發展逐漸呈現出多樣化融合發展的特點。類似于“互聯網+”，“智能+”可以與多個行業融合發展，推動技術進步、效率提升和商業模式變革，從而催生了大量新興產業。隨人工智能技術的突破，“智能+”產業得以快速發展，包括智慧零售、智慧文旅、智慧出行、智慧金融等商業服務和智慧醫療、智慧教育、智慧政府等公共服務，以及智慧制造、精準農業等產業。

技術壟斷發展，經濟安全需關注。歷史經驗和現實告訴我們，核心技術代表著產業的核心競爭力，掌握人工智能核心技術的國家，在產業競爭中具有天然的壟斷地位，導致一些在人工智能發展中具有劣勢地位的國家，經濟安全受到前所未有的威脅。例如，與美國等發達國家相比，中國人工智能芯片、高度集成的機器人等許多核心技術落后于人。以硬件環節為例，中國半導體產品國際市場占有率僅為4%，遠落后于美國占比全球50%的能力。芯片產品更是嚴重依賴進口，2017年進口額達到2601億美元，同比增幅高達14.6%。2018年中興通訊公司芯片事件已經表明，國外人工智能核心技術的壟斷，嚴重影響中國的經濟安全。

“智能+”賦能傳統產業重塑

傳統產業轉型升級面臨的問題。改革開放以來，中國迅速從一個落后的農業大國成長為第一工業大國，但在取得驚人成績的背后，產業發展正面臨著“大而不強”、產業發展不平衡以及環境污染和資源約束等瓶頸問題。

從農業看，人多地少是中國的基本國情，中國農戶被認為是“超小的土地經營者”，平均可經營土地規模較小，且呈零散化特征。小規模、分散化的農業經營模式導致中國農業生產成本較高，且難以實現產業化發展，使農業在國際競爭中處于劣勢地位。另外，長期以來，中國政府更偏重于工業和服務業的支持，導致農業科技投入水平低、農產品產業鏈不完整現象嚴重，制約著中國農業轉型升級。蔡昉等學者的實證研究表明，中國農業發展出現了資本報酬遞減現象，且過度依賴政府補貼和保護，缺乏自立性和競爭力。[13]

從制造業看，2010年中國制造業在全球制造業總值中的比例為19.8%，超過美國的19.4%成為世界制造業第一大國，對此歐美國家紛紛提出針對中國的“再工業化”戰略，扼制中國制造業轉型升級。另外，中國制造業“大而不強”的特征導致大多企業集中在產業鏈低端位置，隨“人口紅利”消失，勞動成本上浮和人均增加值的下滑嚴重影響中國制造業的發展。從區域發展的角度來看，中國制造業受各地區要素稟賦和經濟水平的影響，東西部制造業發展差距較大。從制造業產品來看，中國制造業受制于核心技術的瓶頸，產品難以滿足高質量、個性化的市場需求。例如，根據原國家質量監督檢驗檢疫總局公布的數據知，近幾年國內產品抽查合格率約為91%左右，其中2017年合格率為91.5%，遠低于美歐等發達國家99%以上的合格率。

從服務業來看，改革開放以來，中國服務業保持穩定增長趨勢，占全國GDP總量比重由1978年的23.7%上升為2018年的52.16%?；ヂ摼W的快速發展，更推動了中國新興服務業的發展，使中國服務業產值躍居世界第三位。然而，中國服務業主要以傳統服務業為主，而生產性服務業發展緩慢，且呈現出規模小、不均衡、產業融合度低等特點，關于研發設計、節能環保等高新技術服務產業比重較低，難以支撐制造業轉型升級。

人工智能與傳統產業深度融合。面對人工智能技術進步帶來的全球競爭格局，中國新常態經濟發展亟需開發新的經濟增長點，人工智能與傳統產業深度融合是建設現代化經濟體系的需要，也是推動農業現代化、制造業轉型升級以及服務業智能化的需要。[14]

“智能+農業”主要是指物聯網、大數據、云計算等技術實現農業生產的精準投入和智能化管理。據Markets and Markets報告顯示，2017年全球智慧農業市場規模已達67億美元，預計2023年將達到135億美元。早在1984年，日本就頒布了《人工智能與農業——精農技術與尖端技術的融合》，旨在利用人工智能技術提高農業生產力;美國作為全球第一農業強國，一直引領智能農業的發展，高盛研究報告《精確農場：用數字農業欺騙馬爾薩斯》認為，美國通過智能農業能夠實現到2050年將玉米產量提高70%。中國近幾年經過不斷探索，在農產品生產加工和水產、畜牧業養殖等方面不斷實現智能化、精準化控制，從而提高農業經濟效益，加速農業現代化發展。例如，京東的“京東農場”和阿里云的ET農業大腦均是國內農業現代化發展的代表。

“智能+制造”是以新一代信息技術為基礎，配合新能源、新材料、新工藝，貫穿設計、生產、管理、服務等制造活動各個環節，具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統與模式的總稱，[15]是“中國制造”能否轉型升級為“中國智造”的關鍵路徑，也將在很大程度上影響到中國能否從如今的“經濟大國”走向世界“經濟強國”?！吨袊圃?025》戰略實施以來，智能制造產業得以快速發展，據前瞻產業研究院報告顯示，2017年中國智能制造產業規模約達15000億元，預計2023年將達到2.81萬億元，產業增長潛力巨大。當前中國智能制造產業可分為基礎、平臺和應用三個層面，其中基礎層包括工業機器人、制造業物聯網，平臺層包括制造云、制造業大數據及商業分析、制造業人工智能（算法），應用層包括智能工廠應用/解決方案。

“智能+服務”是智能時代發展的必然趨勢，將改變人們的生活和工作方式。一方面，人工智能技術能夠改變傳統服務業現有業態，有效連接企業與客戶需求，解決行業痛點問題，從而提高企業服務質量和服務效率，促進傳統服務業轉型升級。例如，政務利用計算機視覺、機器學習等技術提高自助服務能力，減少了政府服務巨大的工作量;金融行業用語音識別等技術打造智能客服，并且用大數據開發智能投顧提供更多的個性化服務，解決了運營成本和個性化服務問題;零售行業利用機器學習、計算機視覺等技術精準分析顧客需求，提高顧客消費體驗。另一方面，人工智能技術直接應用于服務業，如醫療機器人、醫療影像輔助診斷技術可以快速進行病癥篩選、診斷，同時健康管理通過移動端設備連接健康醫療，改變人們的健康習慣。在教育、娛樂、家政等領域，智能服務機器人也被廣泛的應用，智能服務極大地提高了人們的生活質量，逐漸成為人們生活中必不可少的一部分。

“智能+”典型案例：平安科技

平安科技成立于2008年，是平安集團的高科技內核和科技企業孵化器，致力于打造“平臺+AI+生態”模式，賦能智慧城市、金融、醫療、房產、汽車五大領域。十年來，平安科技發展迅速，多項核心科技研發成果已處于國際領先水平，例如，平安科技的“人臉識別”經美國FLW評測獲全球第一，其準確率高達99.8%;“智能讀片”經LUNA評測為全球第一，肺結節檢測準確率達95.1%，假陽性篩查準確率達96.8%;“智能音樂”獲瑞士“AI作曲”全球第一，其中綜合得分與受歡迎度均位列第一。

在場景應用方面，科技解決方案已經應用在超400個場景中。平安科技通過“云+端”的模式構建人工智能平臺，并且建立起支撐場景落地的產品體系：云產品通過智能認證平臺輸出人臉識別、聲紋識別、圖像識別等AI技術，其中人臉識別準確度被公安三所認證為99.84%，并且已經用于深圳機場、小區等公共設施中;端產品主要圍繞智慧樓宇、智慧教育、智慧零售等領域研發輸出包括硬件、芯片、集成方案等產品。

在金融科技產業方面，平安科技利用自有的8大數據中心、深度學習的集群云平臺以及每秒百萬級并發數據處理量構成了一個高效的“智能+金融”服務平臺，并孵化了一批獨角獸，包括陸金所、金融壹賬通、平安醫?？萍?、平安好醫生等，引領全球產業發展與變革。

平安科技依托集團資源助力企業智能化轉型，在人才及技術、研發資金、數據儲備、應用場景等方面均有天然的優勢。人才及技術方面，平安吸納了眾多來自頂尖科技公司人才，并以10億美元基金收購海外先進技術，目前平安共擁有22000多名技術人員以及500多位大數據科學家，全球專利2000多個，人臉識別、聲紋識別和OCR等技術均處于全球領先位置;研發資金投入方面，平安將年收入的1%投入創新科技中去，預計未來10年將累計投入1000億元;數據儲備方面，平安發展金融以及醫療方面的數據已沉淀超過30年，大體量的數據為平安科技提供堅實的基礎;應用場景方面，平安定位了人工智能應用的五大場景，分別是金融生態、智慧城市、醫療生態、房產生態以及汽車生態，不僅與平安本身業務聯系緊密，也與大眾日常生活有著極大的相關性。

人工智能與傳統產業深度融合發展的建議

智能時代帶給了中國傳統產業轉型升級的歷史機遇，同時也將面臨著一系列問題。一是中國人工智能技術研發起步較晚，在芯片等核心技術的基礎研究方面與美、英等國具有較大差距，政府急需推動國內人工智能領域的芯片、云端、算法等核心技術的突破，完善人工智能產業鏈;二是人工智能高端人才稀缺，國內高校學科發展較慢，當前急需引進人工智能高端人才，并建立培養人工智能專業技術和人工智能應用方面人才的體系;三是數據共享難以實現，場景應用優勢尚待挖掘，當前急需破除數據共享體制障礙，健全相關法律法規，并積極發揮場景應用優勢，促進人工智能與傳統產業融合發展。因此，本文基于相關數據和案例深入分析人工智能與傳統產業融合發展的現狀及模式，并提出如下幾點建議：

打造“基礎、技術和應用”三位一體的技術鏈。中國人工智能技術在應用領域發展迅速，但在基礎層和技術層相對薄弱，因此，基礎層政府應優先支持智能軟件與智能芯片等產業發展。為促進人工智能產業軟硬件協調發展，應大力支持人工智能的軟件創新升級，加快軟件計算平臺建設，著力建設智能終端操作系統。引領發展人工智能產業的核心芯片，推進高端處理器芯片自主研發，重點面向無人系統、智能影像、醫療養老等商用的芯片技術。技術層應加強共性技術的攻克。例如，上海市在共性技術的突破上，已經形成集中提升智能感知技術，包括視覺、聽覺、觸覺等的準確性，開發不同生命體的特征識別系統，優化數據挖掘、深度學習、多模數據理解等核心算法，強化多領域計算處理技術，重點推進面向自主無人系統的智能技術研發。應用研究不斷強化優勢，推動中國在人工智能領域的芯片、云端、算法等核心技術的重大突破，在人工智能理論研究、技術應用和產業發展方面躋身于世界城市前列，打造“基礎研究、技術研究和應用研究”三位一體的技術鏈和產業鏈。

重視人工智能產業高端人才的引進和培育。一方面，提升公眾人工智能方面的意識，著重在教育普及與學科建設方面培育新生力量。在人工智能教育方面，應在學校設置不同層次的計算機編程教學，學習用編程解決實際問題，培養計算思維、創新思維等信息時代的基本素養。在人工智能學科建設方面，應積極探索實踐“新工科”，將學生的興趣和社會需求結合起來，將人才培養模式與國家重大發展需求結合起來。通過人工智能與教育的深度融合、大力推進交叉學科發展，進一步提升人工智能技術的科創能力和人才培養模式轉換。另一方面，緊密校企聯系，支持本地高校、科研機構與企業聯合培養人工智能人才，合作開設人工智能專業課程、設立人工智能研究院、建立和豐富中國各地區人工智能人才庫。加快完善人工智能人才引進政策，對于符合條件的人才和核心團隊給予高標準獎勵措施，配置合理的工作體制和社會保障，集聚人工智能領域各類優秀人才。

完善數據體系建設，制定數據開放管理政策。中國擁有大量全產業覆蓋的互聯網企業，用戶行為數據的體量放到全球而言都有巨大優勢。當前，人工智能企業已經借助大體量數據取得一定的成功，但是數據作為一種生產要素、一種戰略資源，目前數據的質量、數據保護程度、數據可供使用的前提和可能性還需要政府培育，需要政策法規和立法層面的保護。比如，針對互聯網數據的霸權主義實施更加嚴格的懲罰措施，政府對于部分數據采取定向披露的原則、通過龍頭企業公開部分難于獲得的行業及企業數據、出臺法規做好群眾的個人隱私保護問題等，打通跨場景數據流，完善數據體系等基礎設施的建設，營造最適合人工智能產業發展的環境。

深挖場景應用，拓寬“智能+”在傳統行業的應用。人工智能平臺化發展是目前的主流趨勢，未來人工智能將呈現若干主導平臺加廣泛場景應用的競爭格局，構建人工智能生態將成為促進產業發展的重要模式。[16]因此，政府應依托科技巨頭企業的研究力量，加快布局人工智能創新應用示范中心，打造人工智能科技成果轉化引領區。并通過政府牽頭舉辦、企業協辦國際級人工智能大會、創新大賽等活動，組建人工智能企業創新聯盟，提高影響力，打造具有國際競爭力的產業生態體系，吸引全球科研機構和創新企業的集聚。

（本文系國家社科基金重點項目“世界產業發展新趨勢與我國培育發展戰略性新興產業的跟蹤研究”和深圳市哲學社會科學2019年度課題“人工智能服務實體經濟發展研究及深圳路徑探索”的階段性成果，項目編號分別為：12AZD046、SZ2019B010）

注釋

[1]吳軍：《智能時代》，北京：中信出版社，2016年。

[2]黃群慧：《改革開放40年中國的產業發展與工業化進程》，《中國工業經濟》，2018年第9期。

[3]《國務院關于印發新一代人工智能發展規劃的通知》，中國政府網，2017年7月20日，http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm。

[4]《2019政府工作報告》，中國政府網，http：//www.gov.cn/zhuanti/2019qglh/2019lhzfgzbg/index.htm。

[5][徳]克勞斯·施瓦布：《第四次工業革命：轉型的力量》，李菁譯，北京：中信出版社，2016年。

[6]蔡自興等：《人工智能及其應用》（第5版），北京：清華大學出版社，2016年。

[7]Feigenbaum E A， "The Art of Artificial Intelligence： I.Themes and Case Studies of Knowledge Engineering"， Proceedings of the 5th international joint conference on Artificial intelligence -Volume 2， Morgan Kaufmann Publishers Inc， 1977.

[8]蔡自興：《中國人工智能40年》，《科技導報》，2016年第15期。

[9]德勤咨詢：《中國人工智能產業發展白皮書》，http：//www.360doc.com/content/18/1121/20/29551465_796380127.shtml。

[10]中國信息通信研究院：《2018世界人工智能產業發展藍皮書》，http：//www.databanker.cn/policy/233743.html。

[11]艾媒咨詢：《2018中國人工智能產業研究報告——商業應用篇》，http：//www.ebrun.com/20190208/318914.shtml。

[12]騰訊研究院：《2017全球人工智能人才白皮書》，http：//www.199it.com/archives/660117.html。

[13]蔡昉、王美艷：《從窮人經濟到規模經濟——發展階段變化對中國農業提出的挑戰》，《經濟研究》，2016年第5期。

[14]何玉長、方坤：《人工智能與實體經濟融合的理論闡釋》，《學術月刊》，2018年第5期。

[15]呂鐵、韓娜：《智能制造：全球趨勢與中國戰略》，《人民論壇·學術前沿》，2015年第11期。

[16]田豐、任海霞、Philipp Gerbert、李舒：《人工智能：未來制勝之道》，《機器人產業》，2017年第1期。

責 編∕張 曉