5月17日，世界电信日，2021搜狐科技5G&AI峰会隆重开启。搜狐科技联合中国信通院泰尔系统实验室，首次发布《2021中国5G&AI年度报告》。这份报告是过去一年，我们对5G和AI技术和产业发展的观察与思考以及总结。

这也是搜狐科技今年全新推出的《中国AI创新公司100》项目的最新成果，报告为期三月综合调研，并结合专业视角和媒体视角，从技术、应用、趋势等角度地解析了5G和AI近一年以来的发展现状，以及未来的发展前景。以下为《2021中国AI年度报告》全文。

前言

人工智能是指用机器模拟、实现或延伸人类的感知、思考、行动等智力与行为能力的科学与技术。作为引领未来的战略性技术，人工智能在2020年入选“新基建”，成为驱动我国新一轮科技革命和产业变革的重要力量，也是国际竞争的新焦点、经济发展的新引擎，已经成为全球最为活跃的创新领域。

自移动互联网时代以来，人工智能第三波发展浪潮加速推进，以深度学习为主导的人工智能技术推动技术红利加快释放。肆虐全球的新冠疫情成为AI的试金石，AI企业不再是以往的旁观者，而是在疫情防控、复工复产中出演关键角色，并引领人工智能走向全方位商业化，引发行业深刻变革，以空前的广度和深度影响经济社会发展。

但与此同时，人们对人工智能的发展显得过于乐观，产业发展速度不及资本市场预期，资本热度开始退却，产业似乎显现出“陷入困境”与“高速发展”的矛盾现象。但只要驱动力仍然存在，技术的发展就不会停滞。当下，人工智能正处于发展的关键期。

一方面，以深度学习为主导的人工智能技术进入升级优化阶段，开始试图从多角度融合发展，人工智能需要更多的技术创新，不少技术也处于关键阶段。但更为重要的是，人工智能虽然已在金融、安防、医疗、教育、交通等多个领域实现技术落地，但产业发展重心已有所转变，如何加速和产业深度融合，打造更为丰富的场景化、平台化生态将是人工智能未来发展的主要挑战。人工智能规模化应用已进入深水区，同样亟待突破。

为更好地认识人工智能发展现状，以及未来趋势，搜狐科技和中国信通院泰尔系统实验室联合发布本报告。报告梳理了人工智能发展脉络、核心技术成熟度，并从论文、专利、人才等技术实力角度，从企业数量、市场规模等方面，分析了中国在全球人工智能的地位。同时还结合五大领域探讨了人工智能具体的应用情况以及未来发展趋势，并总结了人工智能发展面临的主要挑战。

一、人工智能处于发展关键期

（一）人工智能发展脉络

1、第三波浪潮步入高速发展期

在1956年夏季的达特茅斯会议上，约翰·麦卡锡、马文·闵斯基、内森·罗切斯特和克劳德·香农等年轻科学家汇聚一堂，首次提出了人工智能的概念。至今发展已经历经60余年，期间历经三次浪潮，目前全球人工智能处于始于20世纪90年代、2011年加速发展的第三波浪潮之中。

人工智能发展历程 资料来源：清华大学

具体来看，20世纪60年代，人工智能出现第一波高潮，发展出了自然语言处理和人机对话技术。当时对人工智能的发展过于乐观，甚至神话人工智能，但现实中却是接二连三的失败，最后人工智能自70年代进入低谷，直到80年代有关机器人系统等实现突破，人工智能迎来第二波浪潮。但显然各界还是高估了它的难度，随着人工智能计算机DARPA的失败，实用性预期落空，资本和政府支持再次撤出，人工智能迎来第二次“寒冬”。

关键的转折点在于互联网的发展，人工智能也自20世纪90年代进入第三次发展浪潮，互联网的发展和高性能计算机推动人工智能创新研究加速，技术进一步实用化，1997年IBM深蓝战胜了国际象棋世界冠军 Garry Kasparov是一个里程碑意义的事件。自2011年后，随着移动互联网、大数据、云计算等技术发展推动，算法、算力和数据能力不断提升，人工智能技术快速发展，推动人工智能在机器学习，特别是神经网络主导的深度学习领域得到了极大的突破，人工智能逐渐步入高速发展期。

2013年，深度学习被《麻省理工学院技术评论》评为十大突破性技术之首；2016年和2017年AlphaGo先后战胜世界围棋顶级选手李世石和柯洁，更是让各界都认识到人工智能蕴藏的巨大潜能，人工智能应用不断丰富，政府政策和资本也开始加速涌入。随后智能应用也成为人工智能下一个阶段周期的核心，开始掀起新一轮的产业革命。

放眼全球，世界主要科技强国都高度重视人工智能的技术进步与产业发展，先后出台人工智能发展规划。截至目前，包括中国、美国、日本、欧盟等在内的多国和地区都颁布了国家层面的人工智能发展政策。

自2017年开始，人工智能多次被写入我国政府工作报告；国务院还在2017年发布《新一代人工智能发展规划》，将人工智能发展上升到国家战略层面，提出了人工智能发展三步走的战略。2020年人工智能被纳入“新基建”，作为新技术基础设施，人工智能将成为支撑国内产业加快转型升级的重要赋能工具。

《新一代人工智能发展规划》目标（万亿元）资料来源：国务院

2、加快迈向第三代人工智能

人工智能发展也持续演进，从简单易理解易感知的低阶人工智能向更为复杂的高阶人工智能推进。中国科学院张钹院士、中国工程院李德毅院士和王恩东院士等业界人士认为，人工智能从技术阶段上主要分为运算智能、感知智能和认知智能三个层次。运算智能，即快速计算和记忆存储能力；感知智能，即视觉、听觉、触觉等感知能力；认知智能就是具有推理、可解释性的能力，即人工智能的高级阶段。

在作为第一作者于去年发表的《迈向第三代人工智能》研究论文中，张钹院士提到，符号主义为第一代人工智能，通过知识驱动，利用知识、算法和算力3个要素构造人工智能；连接主义为第二代人工智能，通过数据驱动，利用数据、算法与算力3个要素构造人工智能；将要发展的人工智能为第三代人工智能，其核心思想是建立可解释、鲁棒性的人工智能理论和方法，发展安全、可靠、可信及可扩展的人工智能技术，并推动人工智能创新应用。

张钹院士认为，第三代人工智能的发展思路是把第一代的知识驱动和第二代的数据驱动结合起来，通过同时利用知识、数据、算法和算力等4个要素，构造更强大的人工智能，而这其中关键的问题在于算法。目前，人工智能领域应用最广泛的算法是机器学习和深度学习，未来人工智能的突破性发展还有赖于更为先进的算法。

阿里巴巴达摩院在发布的“2020十大科技趋势”报告中提到，人工智能已经在“听、说、看”等感知智能领域达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。这也意味着，我们需要加快发展第三代人工智能，推动人工智能迈向认知智能。

人工智能理论的发展也在持续演进。图灵奖获得者ManuelBlum夫妇在2020世界人工智能大会上在计算智能、感知智能和认知智能的基础上，提出意识智能的思想，核心理念是构造一个新型的可用数学建模、可计算的机器认知/意识模型，这是一个既经典又全新的概念和思路。

（二）人工智能技术发展腾飞

1、多项技术趋于成熟

人工智能包括自然语言处理、芯片技术、机器学习、信息检索与推荐、人机交互、知识工程、语音识别、计算机视觉、机器人、数据挖掘、经典人工智能、数据库、计算机图形、多媒体、可视化、安全与隐私、计算机网络、计算机系统、计算理论和物联网等20个子领域。其中机器学习、自然语言处理、计算机视觉、语音识别、机器人、知识工程、信息检索与推荐是人工智能七大核心关键技术。

Gartner每年发布的技术成熟度曲线已成为是科技产业界技术预测的风向标。在Gartner技术成熟度曲线中，技术预计成熟时间分为不到2年、2至5年、5至10年、10年以后和此前已被淘汰，技术所处发展状态包括萌芽期、期望膨胀期、幻灭期、复苏期和生产成熟期五个阶段。

人工智能主要技术预期成熟时间（年） 资料来源：Gartner

根据近些年Gartner发布的技术成熟度曲线，可以发现以下规律：

——语音识别是最为成熟的AI技术，自2015年以来一直处于生产成熟期，预计实现时间“小于2年”，这也是人工智能最先得到大规模应用的技术，成为巨头必争之地。在语音识别技术方面，百度、科大讯飞、搜狗等主流平台识别准确率均在97%以上。

——机器学习、深度学习、计算机视觉即将进入生产成熟期，其中机器学习在2020年由期望膨胀期变为幻灭期，且预期成熟时间自2015年以来一直都是2-5年；深度学习在2015年萌芽期后一直处于期望膨胀期，预期成熟时间也从5-10缩短至2-5年；计算机视觉在2016年首次进入期望膨胀期，预计成熟时间为5-10年，到2018年变为幻灭期，预计成熟时间缩短至2-5年，这也是国内应用最为广泛的AI技术，百度、腾讯、海康威视以及以商汤科技、旷视科技为代表的独角兽扎堆聚集；决策智能从2019年的萌芽期变为2020年的期望膨胀期，预期成熟时间也从5-10年缩短至2-5年。

——强化学习、自然语言处理、知识图谱、智能机器人、数字伦理等还在研究发展中，距离生产成熟至少均还需5-10年；其中强化学习最新状态是萌芽期；自然语言处理发展状态变化迅速，2015年处于萌芽期，2016年起进入期望膨胀期，2019年后已进入幻灭期，其典型应用包括自动写新闻、聊天机器人、数据解读和报告生成，但目前仍处于初步采用阶段；谷歌提出的知识图谱概念在2018年首次进入Gartner人工智能技术成熟度曲线，2020年进入期望膨胀期，发展迅速；智能机器人则来回摇摆，2015年萌芽期，随后进入期望膨胀期，但在2019年又被打回至萌芽期；数字伦理最近三年都是期望膨胀期，但预计成熟还需时日。

——量子计算、无人驾驶、通用人工智能距离成熟最为遥远，其中无人驾驶自2018年以来便处于幻灭期，且此前预计成熟时间过于可观，从2015年的5-10年调整至连续10年以上，无人驾驶真正落地还需较长时间等待，百度、华为等科技巨头以及新老造车势力都在积极布局自动驾驶，但全场景的L4级自动驾驶尚无实现量产落地，仅在自动泊车等场景实现；通用人工智能也被称为强人工智能，自2017年以来一直处于萌芽期，未来10年内都不太可能出现；

——自然语言生成、自然语言问答、通用机器智能、增强现实等因未有明显突破而消失在成熟度曲线中，认知计算被认为在技术成熟之前便被淘汰。

2、平台建设稳步推进

随着人工智能的发展，科技巨头和新兴人工智能创业公司形成了自己的技术优势。在政府和技术领先的人工智能企业的推动下，人工智能平台建设持续推进，开放开源趋势愈发明显，生态建设稳步推进。

2017-2018年，科技部等多部门经充分调研和论证，确定了五大国家新一代人工智能开放创新平台：分别依托百度、阿里云、腾讯、科大讯飞公司、商汤科技，建设自动驾驶、城市大脑、医疗影像、智能语音、智能视觉人工智能开放创新平台。此外，华为、京东、小米、搜狗等也推出了人工智能开放平台。

同时，我国也正在快速进行开源开发框架的系统化布局。目前，全球开源框架由谷歌TensorFlow、脸书PyTorch等主导，框架格局已从百花齐放转向几家分争。国产框架也在加速升级，包括百度推出的国内首个自主研发的深度学习框架飞浆，阿里巴巴深度学习框架X-DeepLearning，华为开源自研AI框架MindSpore，旷视深度学习框架天元（MegEngine），以及清华大学的Jittor等。

人工智能平台和框架是提供构建人工智能应用的工具，有助于降低企业的技术门槛，让所有创业者都享受到人工智能技术进步所带来的红利，同时有助于连接行业内的产学研机构，打造从源头技术创新到产业技术创新的人工智能产业链，构筑完整的产业生态。

科大讯飞在国内率先推出人工智能开放平台，截止去年底已对外开放396项AI能力及方案，聚集超过175.6万开发者团队；百度Apollo生态合作伙伴接近200家，百度大脑对外开放了270多项AI能力，日调用量超过1万亿次，百度飞桨凝聚265万开发者、服务10万家企业。通过平台开放和框架开源加深，人工智能产业将加速发展。

（三）行业应用加速渗透

随着第三波人工智能浪潮加速推进，AI也从云端落地，加速向各行各业渗透。在席卷全球的新冠疫情当中，人工智能也在疫情监测、医疗救治、疫苗研发、人物管控、复工复产等方面发挥出巨大的作用，比如疫情追踪溯源、辅助诊断、自动测温+识别、智能机器人配送等。

当前人工智能技术已步入全方位商业阶段，与一、二、三产业融合成效初显，正在从部分先导领域如医疗、交通、教育等服务领域向制造业、农业等产业领域拓展，对多个行业产生不程度的影响，改变了各行业的生态。

由于不同场景复杂度的不同、技术发展水平的不同，导致行业应用成熟度也有所不同。具体到行业来看，智能安防、智慧金融、智能医疗、智能交通等领域已经成为企业加速人工智能技术产业化落地的热点应用场景，智能化新产品、新业态、新模式不断涌现，应用成熟度相对靠前，而制造、通信、旅游、文娱等行业成熟度还有待提高。

（四）行业投资趋于理性

第三波浪潮加速发展以及国家对人工智能的重视，也吸引了资本的疯狂涌入。据艾媒咨询数据显示，自2014年以来中国人工智能产业融资规模不断扩大，并于2018年达到1423亿元的高峰。随后的2019年资本寒冬来袭，人工智能融资规模出现首次下降，资本从疯狂期转变为冷静期，行业发展也更多趋于理性。

中国人工智能产业融资规模情况（亿元） 资料来源：艾媒咨询

寒冬出现，预期过高是主要原因。资本早期对人工智能产业回报周期过于乐观，不同于移动互联网两到四年的成效预期，人工智能技术成熟周期相对较长，其与传统行业核心业务深度融合，需更高的技术准确率和更深刻的行业理解力。因此，人工智能产业孕育时间更长，资本市场的期望和现实出现较大偏差。

不过，去年资本市场对人工智能热度有所升温，全球AI投融资金额基本止跌。国内人工智能投融资金额转降为升，达到1402亿元。但据中国信通院数据显示，全球人工智能企业增速明显放缓，2019、2020年全球每年新增人工智能企业数量已不足100家，且投融资的轮次后移趋势不断扩大。2020年B 轮及以上融资笔数占总笔数的62%，较上一年增长达40%，而更早期的融资笔数则处于持续下降趋势，资本重心向中后期项目转移。

随着人工智能应用进入深水区，头部企业开始上市步伐，人工智能热度保持回升。据企查查数据数据显示，人工智能、企业服务、医疗健康等今年一季度投资市场的首选，其中人工智能行业共发生融资事件329起，披露融资金额超过510亿元，接近2019年的一半，人工智能投融资市场呈现持续回暖态势。

二、中国在全球人工智能地位

（一）技术实力分析

1、三大领域实力突出，基础研究有待加强

从技术层面整体来看，我国在计算机视觉、语音识别、自然语言处理方面具有全球领先优势。据清华大学数据显示，计算机视觉、语音识别、自然语言处理是中国市场规模最大的三个应用方向，分别占比35%、25%和21%，应用最为广泛也反映出技术的成熟度相对较高。

从高水平论文数和专利申请量来看，我国在计算机视觉、语音识别、自然语言处理这三个领域都有着领先于美国的明显优势。最近十年，我国在前述三个领域的高水平论文量分别为1103篇、1237篇和413篇，其中在语音识别上是美国的近两倍；专利申请量也均超过美国，尤其计算机视觉优势显著，累计超过8.4万个，是美国的3.8倍，语音识别专利申请量也是美国的2.4倍。

最近十年中美两国在三个技术领域的高水平论文和专利申请情况 资料来源：清华大学

此外，在自动驾驶等技术领域，我国也在积极追赶。在自动驾驶涉及的传感器技术及AI软硬件方面， 美国借助政府力量以及长久以来的技术沉淀拉开了与中国的技术差距，但中国也依靠科技巨头与科研院校加速追赶。在互联技术及无人驾驶测试两个方面，中国水平已经与美国相接近。

根据Guidehouse Insights最新的排行榜报告，在全球15家开发自动驾驶系统的公司中，谷歌母公司旗下的Waymo处于领导者地位，以85.6分居首；英伟达、福特支持的自动驾驶初创公司Argo AI，以及百度紧随Waymo之后，成为该领域的领导者，百度是领导者行列唯一上榜的中国企业。

总体来看，目前我国相对领先的人工智能企业多是应用型企业，在深度学习、机器学习等基础算法研究方面，还存在一定差距。有着“计算机界的诺贝尔奖”之誉的图灵奖，在过去十年有5位人工智能领域学者获得，在共计16名获奖者中有13位来自美国、2位来自英国、1位来自加拿大。

相较而言，美国在底层技术实力更为优厚，在AI细分技术上的发展较为均衡，且在芯片技术、机器学习、信息检索与挖掘、人机交互、无人驾驶等10多个子领域居于全球领先地位，反映出美国在人工智能领域的顶级实力，我国还需要在基础研究和前沿领域加大投入力度。

2、高水平论文发表量靠前，中美合作广泛

人工智能的发展离不开前期的持续研究。据中国信通院统计，2010年到2019年的10年间，全球人工智能领域发布论文总量超过73万篇，中国是论文产出最高的国家，总量超过18万篇，而且占比还在逐年增高，2019年达到32%。

按照清华大学统计的全球人工智能领域高水平论文来看，过去十年累计发表超过13万篇；其中累计发表量位居前十的国家依次是美国、中国、德国、英国、日本、加拿大、法国、韩国、意大利和澳大利亚。

过去十年人工智能领域高水平论文发表量前十国家 资料来源：清华大学

美国和中国的人工智能高水平论文发表量明显高于其他国家，中国累计发表近2.3万篇，占比约为17%，仅次于美国的3.3万篇（对应占比25%）。中美也是过去十年在人工智能领域高水平论文开展跨国科研合作较多的国家，彼此之间也是重要的科研合作伙伴。数据显示，美国在其30多个合作国家之中，与中国合作的AI高水平论文数量最多，占比近19%；中国在其20多个合作国家之中，与美国合作的论文数量也最多，占比27%。

此外，美国的AI领域高水平论文平均引用率为45，中国的AI领域高水平论文平均引用率近32，中美合作论文的平均引用率达51，其影响力明显高于中国和美国各自论文的平均引用水平，显示跨国合作论文影响力更为显著。

3、专利申请数量居全球第一，过去十年是美国8倍

专利是创新成果的应用表现形式，也是国家或企业技术实力的反映。截至2019年底，我国人工智能技术专利申请总量首次超过美国，成为全球申请数量最多的国家。据国家工业信息安全发展研究中心、工信部电子知识产权中心发布的《2020人工智能中国专利技术分析报告》（以下简称《专利报告》），截止去年10月，我国人工智能专利申请超过69万件，同比增长56%；其中在疫情防控相关人工智能技术方面申请专利达3036件，分布于疫情监测、防控救治、资源调配等领域。

从过去十年（即人工智能第三波浪潮以来）来看，全球范围内人工智能领域的专利申请量超过52万，主要集中在中国、美国、日本、韩国等；其中中国专利申请量近39万，位居世界第一，占全球总量的75%，是排名第二的美国的8倍多，美国累计专利申请量不到5万。

最近十年全球AI专利申请主要国家或机构 资料来源：清华大学

互联网科技企业和高校是人工智能技术发展的主力军。百度、腾讯、阿里巴巴、华为等企业专利申请量和授权量都名列前茅。百度分别以9364件专利申请和2682件专利授权处于领先地位，并在深度学习技术、智能语音、自然语言处理、自动驾驶、知识图谱、智能推荐、交通大数据等多个领域位居专利申请量和授权量首位。

腾讯在专利申请总量和授权总量中分列第二、第三位，华为则分列第三、第二位；国家电网也拥有比较突出的技术实力，专利申请总量和授权总量分列第五、第四。清华大学、浙江大学等高等院校也是人工智能领域的重要创新主体；微软和三星等外企在国内也均有超过4400个专利申请和超过1200个专利授权。

从细分领域来看，云计算作为人工智能的基础支撑技术，专利占比最多，达到18%；计算机视觉紧随其后，占比近18%；深度学习、自动驾驶及智能机器人分别占比15%、12%和10%。交通大数据占比约8%、智能推荐和自然语言处理占比约6%、智能语音占比约5%、知识图谱占比约3%。

4、人才数量仅次美国，高层次人才差距明显

据清华大学数据显示，全球人工智能领域学者数量超过15.54万位，覆盖120多个国家，主要集中在北美洲、欧洲、东亚地区；其中中国AI学者数量仅次于美国，超过1.7万人，占比约为11%。美国AI学者数量超过4.9万人，占比近32%。

在由清华大学AMiner联合北京智源研究院、清华-中国工程院知识智能联合研究中心共同发布的AI2000 榜单入选的1833位AI高层次学者中，中国同样位于美国之后，有196人，占比近10%。美国AI高层次学者的数量最多，有1244人，占比高达62%，是中国的6倍多。德国位列第三，是欧洲学者数量最多的国家；其余国家的学者数量均在100人以下。

人工智能领域高层次学者数量TOP10国家 资料来源：清华大学

从机构来看，美国谷歌公司拥有全球最多的AI高层次学者，达到185人，也是唯一一家高层次学者数过百的机构；清华大学是唯一入选 TOP10 的中国机构，有27人入选。其余机构均来自美国，显示我国在AI高层次学者培养方面还有待加强。

从国内来看，我国AI人才主要集中在京津冀、长三角和珠三角地区，其中北京拥有数量最多的AI高层次学者，有79位，占比45%，接近于国内 AI 高层次人才的一半。

国内人工智能领域高层次学者主要集中在高校，其中清华大学不仅拥有AI领域最多的学者，且高层次人才数量也居于国内首位，为27人。香港中文大学、浙江大学和中国科学院在人工智能领域的高层次学者数量分别为16、14和11位，其他机构均不足十位；京东、阿里、华为是TOP10中仅有的三家企业，均为6人，与美国科技巨头差距较大。

我国也在不断加强人工智能人才培养，目前国内有超过210所高校成立人工智能本科专业，其中有60所为双一流大学（占比28%）。截止2019 年年底，我国已有66所高校成功建设人工智能学院、研究院、研究中心或研究所。面对国内AI人才尤其是高层次人才的差距，加强人才培养已经成为我国发展人工智能的关键。

（二）市场规模和产业发展分析

1、企业数量居全球第二

据中国信通院报告数据，截至2020年11月，全球人工智能企业共计5896家，其中美国2257家，中国1454家，英国430家，加拿大307家分列前四。中国人工智能企业占全球总数的25%，仅次于美国的38%，排名第三的英国数量“断崖式下跌”，中美两国占据绝对优势。

从企业结构看，全球专注于人工智能产品的企业中，智能机器人企业占比最高，达到39%，智能驾驶、传感器、芯片企业占比分别达到15%、11%和9%，无人机企业占比最低，仅为5%。从地区分布看，全球人工智能企业分布相对集中，北美、亚洲、欧洲的人工智能企业占全球98%以上。北京是中国人工智能“高地”，以37%的企业数量占比高居榜首，上海紧随其后，296家AI企业在全国的占比为20%，之后是广东和浙江，AI企业数量均过百。

根据胡润研究院去年8月发布的《2020胡润全球独角兽榜》，在全球586家独角兽企业中，人工智能独角兽共有63家，其中中国有21家，占比约三分之一。

2、海量丰富数据和完备产业链

人工智能技术的进步以海量数据为基础，移动互联网时代已经全面到来，移动端数据的重要性已经远超PC网络。据工信部数据，中国网民规模居全球第一，2020年底整体网民规模已经达到9.89亿，互联网普及率超过70%，其中手机网民9.86亿，渗透率99.7%。近十亿网民构成了全球最大的数字社会，意味着中国企业拥有的数据数量将是更加海量、复杂、多维度的，这为人工智能技术的算法升级以及应用场景的扩展提供了良好的基础。

同时，我国也基本建立了比较完备的产业链，产业生态基本形成，产业整体实力显著增强。从人工智能基础层、技术层、应用层来看，我国在应用层面拥有显著优势，拥有一批领先的互联网科技企业，市场规模庞大；技术层也在部分领域取得全球领先地位，如语音识别，但在基础研究方面还有待加强。

在基础层，中国在数据服务平台、网络运营商、云计算等领域具有一定优势，但在芯片、操作系统等方面还有提升空间。中国是全球芯片需求量最大的市场，2020年我国进口芯片超过3500亿美元，仍是进口的最大单一类商品，尤其是高端芯片更是严重依赖进口。人工智能芯片最近两年也是资本追捧热点，也涌现出一批实力较强的公司，比如寒武纪、地平线等，百度、阿里、字节跳动等巨头也在布局AI芯片，加强底层基础设施建设将为发展人工智能提供支撑。

3、中国有望成为全球最大AI市场

据IDC数据，2019年全球人工智能市场规模达到375亿美元，中国AI市场预计占全球的12%，是全球第二大AI单一市场。中国信通院数据称，2020年全球人工智能产业规模1565亿美元，增长率为12%，我国人工产业规模约为434亿美元（约合人民币2820亿元），同比增长近14%，超过全球增速，占到全球规模的比重也达到近28%。

根据规划，我国人工智能核心产业规模2020年要超过1500亿元，带动相关产业规模超过1万亿元；2025年人工智能核心产业规模要超过4000亿元，带动相关产业规模超过5万亿元；2030年人工智能核心产业规模要超过1万亿元，带动相关产业规模超过10万亿元。

三、人工智能加快行业赋能

过去十年，人工智能技术与传统行业深度融合，应用领域逐渐从第三产业向第一、第二产业拓展，在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。

不过，各行业面痛点不同，例如金融行业面临成本压力、产品服务单一等，医疗与教育行业均面临资源分配不均等，而人工智能有可能解决这些问题，但与具体行业的融合应用也会存在差异。德勤依据行业应用度以及市场机会两个维度，划分出人工智能应用四个象限。

人工智能技术在各行业的渗透和市场规模情况 资料来源：德勤

萌芽期表示行业应用度以及市场机会都尚未成熟，总体处于起步阶段，比如医疗、智慧城市等；过渡期表示人工智能在该行业具有较高的应用程度，但目前市场机会有限，未来有望进一步拓展，比如数字城市； 成长期表示虽然该行业人工智能应用度不足， 但拥有较高的市场机会，包括无人驾驶等； 发展期表示人工智能技术已经产生了较为深刻的影响，行业应用度较高，市场机会也较高，比如金融、教育、制造等领域。本节将着重介绍人工智能如何赋能于金融、工业、医疗、教育和城市等领域。

（一）智慧金融

智慧金融是人工智能与金融行业深度融合的新业态，人工智能已被广泛应用到银行、投资、信贷、保险和监管等多个领域，正逐步成为决定金融业沟通客户、发现客户金融需求、辅助金融决策的重要因素。目前，人工智能在金融领域的应用场景以智能风控为主，同时还在向智能投顾、智能获客、身份识别、智能客服、移动支付、流程优化等细分场景渗透。

人工智能技术在金融领域的应用

智能风控主要是利用机器学习、人脸识别、语音识别、数据挖掘等人工智能技术对金融风险进行有效识别、预警和防范。比如对恶意套现、盗刷卡、营销作弊、虚假交易等行为，可以及时发现异常和干预阻断，从而保证金融环境安全。通过对贷款用户进行建模和画像分析，开展风险评估与跟踪，从而决定是否放贷，并可对其贷款能力进行实时监控，减少坏账损失。随着互联网金融的快速发展，如蚂蚁金服、京东金融等金融机构大力借此发展智能信贷服务，通过大数据便于实施风控，智能风控也是智慧金融中最受资本青睐的领域。

智能投顾是资本青睐的仅次于智能风控的领域，是指运用人工智能机器学习算法、大数据、以及量化金融模型，根据个人投资者提供的风险偏好、投资收益要求以及投资风格等信息，为用户提供投资决策信息参考，并实时监测市场动态，对客户的资产配置组合进行自动跟踪和再平衡。相较于传统投顾，智能投顾更具客观性，在一定程度上可以降低因业绩而误导客户的风险，还可以规避情绪上的弱点。国内工商银行、中国银行等国有银行以及证券机构等纷纷推出智能投顾服务，花旗银行预计到2025年智能投顾管理的资产总规模将会高达5亿美元。

中国信通院报告指出，人工智能与传统金融的融合将会分为三阶段。第一阶段是科技赋能阶段，该阶段强调应用场景，将其他领域成熟的人工智能技术平行向金融领域应用迁移，提升某些环节业务效率；第二阶段是科技增能阶段，该阶段强调模型应用，该阶段会产生大量第三方专业服务，金融行业会主动在业务环节中应用人工智能，引发业务方式深刻变革及效率极大提升；第三阶段是科技产能阶段，以价值应用为主要特点，金融核心业务将人工智能化，人工智能成为金融核心价值创造手段，同时伴随监管效率和监管措施智能化。目前，我国智慧金融正从第一阶段向第二阶段过渡，纵深发展还有推进。

（二）智能制造

智能制造是《中国制造2025》的主攻方向，智能制造是未来制造业发展的重大趋势和核心内容，也是解决我国制造业由大变强的根本路径。包含自动化、信息化、互联网和智能化四个层次的智能制造正在引领制造企业价值最大化，这将贯穿于设计、生产、管理、服务等制造活动的各个环节，助力生产制造优化，减少重复劳动，提高生产效率和质量。

人工智能与5G、云计算等技术结合，可优化制造业各流程环节的效率，通过工业物联网采集各种生产资料，再借助深度学习算法处理后提供建议甚至自主优化。人工智能在制造业的应用场景主要分为三类：一是产品智能化研发设计和为产品注智，比如工程设计； 二是在制造和管理流程中运用人工智能提高产品质量和生产效率，比如智能工厂、生成调度、故障诊断；三是供应链的智能化，比如智能物流。

人工智能技术在制造领域的应用

智能工厂是实现智能制造的重要载体，以信息物理系统和工业互联网为核心，利用信息技术和智能装备对生产工艺、组织流程、管理服务及产品全生命周期进行数字化、网络化、智能化改造，加强设备、制造单元、生产线、车间、工厂的互联互通，实现人、机、法、料、环高度协同融合，推动企业纵向集成和横向集成，并基于工业大数据应用和工业云服务，为企业提供工厂级的端到端整体解决方案，实现提质增效和产业转型升级。

2020年是AI+物流大规模应用元年。人工智能在物流业的落地应用主要指的是基于人工智能技术（机器学习、深度学习、计算机视觉、自动驾驶等）的软硬件产品及服务（无人卡车、无人机/无人车、智能调度系统等）在物流活动各环节（运输、仓储、配送、客服等）中的实际落地应用，更大限度地降低人工成本、提升经营效率。旷视科技在业内率先推出了AI赋能的智慧物流操作系统“河图”，并自研了多款机器人和智能物流装备，向鞋服、制造、汽车、医药、快消等行业近100家客户提供端到端解决方案。据艾瑞咨询报告，2019年人工智能+物流的市场规模已达15.9亿元，预计到2025年市场规模将接近100亿元。

过去几年，制造业领域人工智能应用潜力被明显低估，虽然目前人工智能与制造业的融合仍处于初级阶段，但未来智能制造将是人工智能的主战场，制造业将成为人工智能应用蓝海。德勤数据称，全球人工智能及相关场景在制造业应用市场在2016年约为1.2千亿美元，2025年有望超过7.2千亿美元，复合年均增长率预计可超过25%。

（三）智慧医疗

近年来，随着人工智能领域的自然语言处理、语音识别、计算机视觉等技术逐渐成熟，人工智能技术与医疗健康的融合不断加深，应用场景愈发丰富，包括电子病历、医疗影像、远程诊断、医疗机器人、新药研发、基因测序、医院管理、医保控费、健康预测等环节。

人工智能技术在医疗领域的应用

AI赋能成为优化医疗资源、改善医疗技术、提升医疗服务水平的重要因素。目前我国在AI医疗方面基本形成以BAT为代表的基础设施企业，以科大讯飞、依图科技等为代表的技术供应商，以及以华大基因、数坤科技、晶泰科技、平安好医生等为代表应用企业的格局。据德勤数据，目前我国共有超过140家智慧医疗公司，初步形成北京、广州、长三角的智慧医疗聚集群。

AI可以帮助提高药物研发效率。新药研发是一项漫长、低效率、高成本的工作，周期长达8-12年，所有进入临床试验阶段的药物，只有不到 12%的药品最终能够上市销售，研发费用往往会达到上亿美元。相对于传统的方法，人工智能可以更快地发现新的分子化合物或是新兴的药物靶点，加快药物研发过程，节约研发成本。中科院报告数据称，在技术成熟后有望在新药研发领域每年降低280亿美元成本。它还可以更加准确地去预测新药后续的实验结果，从而尽可能地提高药物开发流程当中每个阶段的成功率。

去年谷歌旗下的DeepMind推出的新一代AlphaFold人工智能系统精确地基于氨基酸序列完成预测蛋白质结构，人工智能发现药物分子也被《麻省理工科技评论》评为2020年“全球十大突破性技术”之一。目前，诺华、罗氏、辉瑞、默克等全球前十大制药企业纷纷涉足人工智能领域，先后开展合作或收购项目，具体包括药物试验、药物发现和病人分析等。

AI也可以助力医学影像辅助诊断。通过计算机视觉技术对医学影像进行数据感知、智能化分析、快速阅片，获取有效信息，从而辅助医师解读医学影像，为诊断提供依据。此外，通过深度学习海量的影像数据和临床诊断数据，并加以训练，可以对医学影像实现诸如分类、检测、分割和配准等精准分析，从而帮助医生进行准确诊断。目前，医疗影像智能诊断主要应用与癌症、心脑血管等领域。在新冠疫情期间，凭借AI赋能的CT辅助诊断系统、个人自我诊断系统，帮助医生快速熟悉了新冠的特点，了解和掌握了诊断和筛查标准。

从全球范围来看，目前人工智能医疗产业仍处于发展早期阶段，商业化程度偏低。但随着技术成熟和应用落地，市场前景将迎来爆发增长。据Global Market Insights数据，2018年全球人工智能医疗市场规模为13亿美元，预计2019年至2025年的复合年增长率近42%，2025年市场规模将达到276亿美元。药物研发目前是最大的细分市场，未来几年将快速增长；医学影像预计也将以超40%的复合年均增长率发展，有望成为第二大细分市场。

（四）智慧教育

当前人工智能、大数据等技术迅猛发展，教育智能化成为教育领域发展的方向，疫情也加速了教育的智能化和线上化。智慧教育主要围绕“教、学、练、评、测”五大环节，利用智适应学习、图像识别、语音识别、人机对话、多模态行为分析、知识生成和表达等功能，可以产生适合每个学生的个性化的解决方案和有效反馈意见，提高学习效率，解放教师资源，改变教育模式，引领教育理念与教育生态深刻变革。

人工智能在智能教育中的的相关应用主要分为两大类：一是间接辅助型，即利用AI手段辅助教学，提高学生成绩、效率及自主学习能力，如智慧课堂，具体包括拍照搜题、分层排课、口语测评、组卷阅卷、作文批改、作业布置等；二是直接学习型，即将科技项目作为教学内容；三是基础运营型，利用AI等综合技术提升学校管理能力、教师教学质量，如智慧校园。

人工智能在教育领域的应用场景 资料来源：中科院报告

智慧校园作为智慧教育的基础，主要包括宽带校园、平安校园、智联校园和智慧教室四个层面。目前，宽带校园普及完成率相对较高，平安校园、智联校园和智慧教室还处于行业风口之上，其中智慧教室是智慧校园的重要应用场景，主要建设智慧课堂硬件设施配置、标准化考场配置，是实施智慧课堂的基础。科大讯飞是国内智慧教育的领先企业之一，其打造了覆盖教、学、考、管四大主场景的智慧教育全栈产品体系，语音评测等产品已在中国31个省级行政区广泛应用，与全国3.8万余所学校深度合作，服务过亿师生；公司区域级因材施教解决方案也在多地常态化使用并形成示范引领。

目前来看，国内智慧教育行业正处于快速成长期，即将进入成熟期。据中商产业研究院报告数据显示，2018年我国智慧教育市场规模突破5000亿元，2020年预计达到7230亿元，2022年将突破万亿元大关，智慧教育行业市场前景十分广阔。

（五）智慧城市

智慧城市又称为数字城市，最早由IBM公司于2010年提出。随着人工智能等前沿技术的融入，城市基础设施得到创新升级，全方位助力城市向智慧化方向发展，包括智能安防智能交通、智能政务、能源系统、城市管理等领域。近年来，中国政府陆续开展和推广智慧城市试点工作，智慧城市相关的政策红利不断释放，同时吸引了大量社会资本加速投入。

人工智能技术在智慧城市领域的应用

根据IDC 2020年2月发布的《全球智慧城市支出指南》，2020年中国智慧城市市场支出规模将达到266亿美元，是全球支出第二大的国家，仅次于美国。随着我国城镇化水平不断提高，人工智能、5G、物联网等技术快速发展，未来我国智慧城市市场规模将进一步扩大。据中国智慧城市工作委员会数据，预测到2022年，我国智慧城市市场规模将达到25万亿元。本节重点探讨智能安防、智能交通的发展和前景。

1、智能安防

人工智能在城市安全中所起的作用日益突出。相较于以往的数字安防，人工智能安防系统呈现出实时性、智能化两大特点，提升了公共安全管理力度。智能安防的应用覆盖范围广阔，从园区楼宇、公共交通，到政府机关、医院学校等，防几乎已经无处不在。

人工智能安防企业可以分为两大类：产品或服务供货商与安防系统解决方案提供商。产品供货商主要指的是提供整个安防系统某一部分产品或服务的企业。如商汤科技、旷视科技等在公共场所部署的人脸识别系统，可以帮助公安机关提高嫌疑人抓捕效率，准确识别正在策划尚未实施的犯罪行为和风险隐患，将事后侦破转变为主动预测预警预防。

安防系统解决方案提供商是指提供安防系统整体产品与服务的企业，提供从前期咨询到后期运维等全方位服务，以海康威视、大华股份、华为为代表。其中海康威视与大华是从智能硬件供货商转变为整体解决方案提供商，华为则是平台型企业的代表，利用在云端的技术经验构建安防生态系统。

目前，人工智能安防市场仍处于上升时期，强者恒强趋势明显，行业集中度将进一步提升。海康威视、大华股份，以及华为等科技巨头处于智能安防领域第一梯队；第二梯队以宇视、天地伟业、苏州科达等为代表；第三梯队为大多数中小初创企业，面临着头部企业激烈竞争。

经过多年的高速发展，安防已经发展成为一个庞大的产业。在经历了数字化、网络化发展后，安防行业未来将向智能化深度发展，且随着智慧城市在中国的建设逐步走向高潮，智能安防市场规模也将持续增长。据前瞻产业院预测，到2025年我国智能安防市场规模将超过2000亿元，2019年到2025年的年均复合增长率将达到28%。

2、智慧交通

人工智能时代，交通系统和汽车相关的智能出行正在被重新定义，人、车、路的关系更加密切，出行生态将发生巨大的改变。随着人工智能技术在交通领域的应用朝着智能化、电动化和共享化的方向发展，以自动驾驶为核心的智能交通产业链正在逐步形成。

智慧交通系统科涵盖公路、航空等多场景，借助人工智能，将核心交通元素联通，可以实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用，形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通。例如交通信号灯智能适配、出行路径优化、交通工具调度决策等应用场景。京东数科研发的智能城市操作系统可以在数据不出库的情况下，实现知识共享，支持三方快速开发行业应用，利用六个时空数据模型收纳城市万千数据，扩展性强，并应用到大兴机场智能停车系统、雄安新区块数据平台等场景。

在自动驾驶方面，通过载传感器，实现信息共享、环境感知、智能决策、自主控制等功能，辅助汽车电子控制单元或直接辅助驾驶员做出决策，从而让汽车行驶更加智能化，提升汽车驾驶的安全性和舒适性，例如驾驶辅助、自动驾驶、智能导航等应用场景。智能汽车也被视为下一个十年的革命性风口，吸引百度、小米、滴滴等企业也纷纷下场造车。

根据智能化水平的不同，自动驾驶由低到高细分为辅助驾驶（L1）、部分自动化（L 2）、有条件自动化（L3）、高度自动化（L 4）和完全自动化（L5）5个级别。从路径来看，国内自动驾驶主要分为两派：一派是渐进式，由低向高逐步做起；一派是激进式，直接从L4做起。但也有些新的变化，比如原来走激进式的公司开始转向渐进式，比如百度最初是专注做L4，但通过和吉利联合造车实际上也开始布局L2，形成更多级别自动驾驶的布局。目前，L4仅在部分场景，如自主泊车等实现量产上市，按照Gartner预测，完全成熟还需10年以上；L2和L3（包括L2）将会是未来几年内主要的市场爆发点。

按照参与者的背景不同，自动驾驶赛道主要包括四大类别：第一类是从互联网跨界玩家，代表企业是百度、滴滴；第二类是手机企业转做自动驾驶，如华为、苹果、小米等；第三类是智能驾驶产业链参与者，比如四维图新、德赛西威；第四类是做整车制造的汽车品牌厂商，包括特斯拉、蔚来、小鹏等新势力，以及宝马、大众、比亚迪等传统车企。

据麦肯锡最新研究预测，中国在未来十年有望成为全球最大的自动驾驶市场；到2030年，中国将有800万辆的自动驾驶汽车上路，自动驾驶相关的新车销售及出行服务创收将超过5000亿美元。

四、人工智能发展趋势和挑战

（一）人工智能发展趋势

1、深度学习技术进入升级优化阶段

深度学习仍将是未来一段时期内人工智能技术发展的主导路线。本轮深度学习理论突破速度开始放缓，技术红利的持续释放驱动图像分类、机器翻译等多类感知任务准确率大幅增长，步入升级优化期，基于深度学习理论的优化技术层出不穷，RegNet、GPT-3 等模型不断提升视觉处理、阅读理解等基础智能任务水平，虚拟助手、多语种翻译等智能应用已开始进入规模化应用阶段，大量的行业应用场景加速深度融合，技术能力和优化速度可见5到8年的红利。具体来看，自然语言处理、强化学习、知识图谱、智能机器人、可解释性AI、数字伦理等处于期望膨胀期，达到成熟期预计需要5-10年，是AI未来十年重点发展的技术方向。

2、从单点技术突破走向场景化综合生态

人工智能产业从谋求单点技术的“极致”，向场景化综合生态发展。人工智能企业单点技术标签化的特点逐步弱化，企业加速进入实质应用转化阶段，人工智能技术服务企业的变化尤为凸显，如商汤科技、旷视科技、科大讯飞等企业已将重心从视觉、语音等技术转移至社会治理、供应链物流、生活消费等领域的软硬件解决方案。同时，头部智能企业认识到智能技术与传统行业的深度融合应用需要构建新的发展模式，一方面要加速打造提供模型选择、训练、部署监测等一体化的研发平台，还要构建多样化行业技术服务及解决方案平台，场景化综合生态正在形成。

3、行业规模化应用突破已现曙光

人工智能正在向更多的行业领域渗透，大规模融合应用发展进入深水区。虽然应用场景碎片化的特点导致低成本、易用、泛化能力较强的能力平台构建需较长周期，但目前人工智能的发展已处于高速爆发的临界点。人工智能头部企业加速布局，不断完善技术生产工具（开源开发框架、数据处理、验证分析、部署监测等完备研发工具链），加速建立全栈智能计算技术体系（形成基础计算理论、芯片、软硬协同、系统协同全栈技术支撑能力），探索孕育基础和垂直行业技术平台，尤其是以科技巨头引领的产业垂直整合速度不断加快；产业规模化发展的进程正在不断加速，规模经济有望形成。人工智能将以空前广度与深度推动社会发展，加速产业结构升级进程。

4、开放开源的产业生态加速构建

以研发和技术服务为核心，产业开始打造平台化发展模式。包含视觉、语音、自然语言处理等基础技术服务平台走向成熟，已形成涵盖多种基础技术的综合性平台，产业主体主要包括谷歌、微软、亚马逊等拥有云计算业务的厂商和科大讯飞、旷视科技等人工智能技术服务厂商，这些对外开放的平台也聚集了一大批开发者。同时，以开源开发框架为核心的生态体系雏形渐显，人工智能头部企业构建开源开发框架生态，试图形成应用接口和硬件适配的双向主导权。未来云服务厂商、人工智能技术服务企业和互联网企业、传统企业、硬件厂商将持续打造符合自身发展的体系，产业生态将进一步繁荣。

（二）人工智能发展诸多挑战

1、安全和伦理挑战

人工智能技术的发展已经进入了某些科技领域的“无人区”，人工智能除技术本身可能发生问题之外，诸多应用在使用过程中也存在负效应，引发系列安全和伦理问题。安全挑战主要包括三个方面：一是人工智能可以替代体力劳动和脑力劳动，影响人类就业安全，加剧财富分化，人工智能安全事故也频发；二是人工智能发展依托于大数据支撑，数据隐私安全风险日益凸显，如侵害消费者隐私、进行网络诈骗等；三是人工智能强大的数据收集、分析以及信息生成能力，可以生成和仿造很多东西，可能带来虚假、欺诈信息，危害经济和社会安全。

人工智能发展面临的伦理挑战主要来自：一是人们对智能化的过度依赖，严重挤压个人生活工作实践，“信息茧房”效应越发明显，成为数据和算法的奴隶；二是智能算法潜在的歧视和偏见，数据、算法以及人为因素会导致计算结果的偏见和非中立性，比如性别歧视、种族歧视以及“有色眼镜”效应；三是情感计算技术和类脑智能技术的创新融合发展，可能扰乱人们对于身份和能动性的认知。四是人工智能对人类造成的威胁和伤害，比如智能武器在战争中的使用，在发展人工智能的同时如何规避不伤害人类也是需要继续研究的课题。

因此，人工智能治理也会是人工智能技术和应用发展到一定阶段的必然结果，也会是人工智能发展会面临的挑战。人工智能治理是一项复杂的系统工程，需要明确治理原则及目标、厘清治理主体，又需要提出切实有效的治理措施。这需要政府、行业组织、企业以及公众等多元主体共同参与、协同合作，通过制定伦理原则、设计技术标准、完善法律法规等多种举措，实现科技向善、造福人类的总体目标愿景，推动人工智能健康有序发展。

2、高端人才严重匮乏

全球都面临着高端人工智能人才短缺这一结构性难题，高端人才数量少且分布极度不平衡，美国聚集了全球最多的人工智能人才。我国存在较大的技术人才缺口，尤其是算法工程师和有经验的数据科学家。根据我国教育部门测算，我国人工智能人才目前缺口超过500万，国内的供求比例为1：10，供需比例严重失衡。许多人工智能项目无疾而终，缺乏人工智能人才尤其是高端人才成为了企业面临的最大难题，未来还需加大人工智能人才培养力度。目前，我国上百家高校开设了人工智能专业，这将为未来的人工智能人才培养打下基础，学界和业界也应加强协同合作。

3、国际交流合作受限

虽然科技无国界，但是科技公司有国界。当前世界各国对人工智能技术发展都不遗余力地投入和支持，同时还使用不同方法来保护自己的科技成果，封锁前沿技术和“卡脖子”技术外流路径，这将在一定程度上限制人工智能技术创新要素的自由流动。在目前严峻的国际大环境下，未来人工智能技术自由交流发展将无疑受到影响，对外技术支持与技术服务出口或将受到限制。随着人工智能发展进入技术攻坚区和更为深入和广泛的应用阶段，加强交流合作应该成为国际共识。