我国人工智能产业发展及应用研究

纪汉霖 黄嘉冬

摘 要：人工智能技术近几年得到了飞速发展，根据Gartner最新发布的预测报告，2018年全球人工智能市场规模将达到1.2万亿美元，较2017年增长70%，到2022年市场规模将高达3.9万亿美元。我国近年来针对人工智能产业发展的研究主要从国家或企业层面出发，而较少以时间序列形式研究我国人工智能产业发展情况。从产業、企业两个维度，结合国内外人工智能行业发展情况与相关成果，进一步剖析我国人工智能产业分类及其在各领域的实际应用情况。

关键词：人工智能;产业发展;行业应用

DOI：10. 11907/rjdk. 182443

中图分类号：TP3-0文献标识码：A文章编号：1672-7800（2019）003-0034-05

0 引言

Atlas是谷歌旗下波士顿动力公司研发的人形机器人。2016年2月24日，波士顿动力公司最新升级版人形机器人的发布，对科技界产生了极大冲击。新版Atlas高1.75m，重82kg，可通过身体内部及腿部传感器采集的位姿数据保持身体平衡，其头上的激光雷达定位器与立体摄像机可帮助Atlas规避障碍物、探测地面状况以及完成巡航任务等，并且其在摔倒后能够自主站立起来，性能十分强大[1-3]。Atlas产品的发布，只是全球人工智能产业快速发展的一个缩影，它让人工智能这个名词开始进入大众视野[4]。

国外早在1956年即首次提出人工智能概念，并开始进行相关研究。麦卡锡首先引用人工智能一词，并举办达特茅斯会议，开创了人工智能发展的理论先河;1965年，欧陆派哲学家德雷弗斯发表《炼金术与人工智能》一文，正式提出“人工智能”概念;1985年，Haugeland认为人工智能应当模仿人类思考与行动，其目的在于创造出能与人类一样思考的机器;1995年，Bresnahan&Trajtenberg[5]提出人工智能是一种“通用目的技术”，可以被应用于各个领域;2006年，Varian Hinton[6]提出深度学习概念，从此人工智能进入快速发展阶段;2014年，Varian[7]提出大数据技术与人工智能产业有着密切联系;2017年，Taddy[8]针对人工智能的一个主要分支学科——机器学习，提出机器学习让计算机在未经过明确编程的情况下拥有学习的能力，并通过对大量数据的学习找出完成任务的方法;2018年，以Judea Pearl[9]为代表的一些人工智能专家认为，如今强人工智能技术无法取得突破的原因在于现有机器学习理论未考虑因果性。

我国人工智能产业比国外起步晚，但是近年来进行了大量研究。如2015年，王晓阳[10]对人工智能进行了批判性分析;2016年，喻家骏[11]提出将人工智能与金融领域应用相结合;2016年，杜严勇[12]认为只有采取切实有效的措施保证人工智能的安全性，才能使其为人类带来福祉而不是危害;2017年，刘伟[13]指出人工智能融合系统是未来智能科学的主要发展趋势;2018年，李晟[16]认为随着人工智能的广泛运用，人工智能将重构公众的法律认知模式，进而重构法律的价值导向等。

本文将对我国人工智能产业进行梳理，并与国外人工智能产业发展情况进行对比分析，以明晰我国人工智能产业发展的方向与短板，提出合理建议。

1 人工智能产业发展现状

1.1 国内人工智能产业发展政策

我国一直十分重视人工智能产业的发展，早在1989年即召开了中国人工智能联合会议。国家自然科学基金、“863”计划、“973”计划等多个重大项目也对人工智能与智能系统的发展予以支持，国家出台的多项重大规划都涉及人工智能发展。2015年，我国政府部门发布《中国制造2025》，包含的9项重要战略任务都离不开人工智能的参与;2016年4月，工信部、国家发改委、财政部印发《机器人产业发展规划（2016-2020年）》;2016年5月，国家发改委、科学技术部、工信部、中共中央网络安全和信息化领导小组办公室联合制定了《“互联网+”人工智能三年行动实施方案》;2016年，《“十三五”国家战略性新兴产业发展规划》提出促进人工智能在经济社会重点领域的推广应用;2017年7月，国务院发布《新一代人工智能发展规划》，标志着我国将人工智能发展上升到国家战略层面;2017年12月，工信部发布《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，旨在促进人工智能产业发展，提升制造业智能化水平，推动人工智能与实体经济深度融合。由此可见，自2016年以来，中国的人工智能政策密集出台，在全球竞争的大背景下，人工智能已上升为国家意志，未来人工智能技术的产业化将是大势所趋。2018年1月，人工智能标准化论坛发布《人工智能标准化白皮书（2018版）》，国家标准化管理委员会宣布成立国家人工智能标准化总体组与专家咨询组，负责全面统筹规划与协调管理我国人工智能标准化工作。

1.2 各国企业纷纷布局人工智能产业

很多美国科技企业巨头，如谷歌、微软、亚马逊、脸书等，都不断深入探索人工智能产业，并取得了一系列成果[17]。国内人工智能企业则由百度、阿里巴巴以及腾讯三大巨头领衔，分别进军人工智能产业不同领域，以期跟上世界人工智能产业发展步伐[18]。2017年11月，国家科技部召开新一代人工智能发展规划暨重大科技项目启动会，明确了我国人工智能产业布局，并宣布了首批国家新一代人工智能开放创新平台名单，分别为：百度、阿里云、腾讯以及科大讯飞。国内企业通过建立实验室、布局生态链等形式纷纷进入人工智能领域。

根据中国信息通信研究院数据研究中心的数据汇总（截至2018.4），得出各国人工智能企业分布情况如图1、图2所示。

由图2数据不难看出，我国人工智能产业发展十分迅速，目前人工智能企业数量已居全球第二，占比为23%。但相较于居全球首位、企业数量全球占比为45%的美国而言，仍存在不小差距。

当前我国部分企业已开始通过投资，或并购国外人工智能企业的方式，以期更快地对人工智能产业进行布局。截至2016年6月15日，已有超过200家人工智能初创公司总共获得了近15亿美元融资。

2 人工智能产业分类

人工智能产业通常划分为三层，分别是基础层、技术层与应用层。其中基础层是推动人工智能发展的基石，得益于近幾年大数据、物联网、芯片技术的发展，使人工智能产业发展有了技术支撑，而基础层相关技术基本都掌握在国外的IBM、英伟达、英特尔、谷歌等巨头手中;技术层细分领域竞争激烈，头部厂商技术差别逐渐缩小，技术无优势的企业逐渐被淘汰;应用层市场空间巨大，参与企业众多，通过整合各种资源，发展垂直应用，最终达到解决行业痛点、实现场景落地的目的。三者形成一个完整产业链，并且相互促进。

2.1 人工智能产业基础层分析

（1）硬件技术。由于人脑机理尚未被完全揭示，类人脑计算机只能采用现有芯片和软件技术进行模拟，但其运行机理已完全不同于传统计算机，芯片正式成为计算的核心，是人工智能的“大脑”。目前人工智能尚不能完全实现人的智能，原因就在于智能芯片的缺位。

机器智能中，芯片是承载计算功能的基础部件，随着神经网络（DNN）的发展与行业应用的逐步深入，其具备多层特点的计算需求已不能通过传统的CPU加以满足，而随之诞生GPU具有深度学习所需的并行计算能力，因此其受关注度日益提高。智能芯片生产厂商主要以英伟达、英特尔、高通、ARM、苹果、华为等厂商为主。

由表3可知，即使研发费用最少的AMD公司，全年研发投入也达到2.7亿美元，而我国芯片创新企业寒武纪在2017年8月，获得阿里巴巴领投的1亿美元A轮融资之后，令寒武纪估值达到10亿美元，这也是中国第一家集成电路产业的独角兽公司。因此，国内在芯片领域的发展仍需要大量资本与人力投入，相比于国外成熟芯片巨头尚存在较大差距。

国内针对人工智能产业硬件部分的布局起步较晚，但整体发展后劲十足。针对芯片产品的研发，国内主要开发企业有寒武纪、深鉴科技、地平线、云知声等，如寒武纪的主要产品为2016年发布的寒武纪1A处理器（Cambricon-1A），其是一款可以进行深度学习的神经网络专用处理器，主要面向智能手机、无人机、安防监控、可穿戴设备以及智能驾驶等各类终端设备，在运行主流智能算法时性能功耗可全面超越传统处理器。寒武纪的人工智能芯片产品如今已搭载在华为mate10等最新产品上;针对类脑芯片的研究，主要开发企业有CEBSIT、西井科技、深思创芯等，如西井科技已研发了仿生类脑神经元芯片deepsouth、深度学习类脑神经元芯片deepwell，并进行了初步应用。但整体而言，国内相关领域企业，不论是从资金投入、研发成果应用情况，还是政府支持等都与国外企业存在较大差距。我国在前不久的中兴芯片事件中损失惨重，因此未来在智能硬件产品研发方面有待进一步加强[19]。

（2）计算系统技术。目前互联网上的海量数据主要掌握在互联网巨头手中，传统企业拥有大量原始数据，但其往往不注重数字资产管理，很多数据并未被结构化。大部分AI创业公司的训练数据来源主要有：①学术研究机构和大公司对外开放的免费数据库;②购买或定制数据;③自行采集或模拟数据。国内在该领域发展已相当成熟，涌现出一大批创新企业。

根据中国信息通信研究院数据研究中心的数据汇总，得出我国大数据与人工智能产业总体规模及增速情况如图4、图5所示。

由图4、图5不难发现，我国大数据产业规模庞大，增长率极高，到2020年将达到1万亿元以上规模，而人工智能产业虽然在2016年左右才刚起步，但是发展势头较好，产业规模到2020年预期将达到1 500亿元，增长率可达到1 391.1%。人工智能产业发展离不开庞大数据量的支撑，因此我国大数据产业的发展对于人工智能产业发展将起到重要的推动作用[20]。

2.2 人工智能产业技术层分析

技术层是在基础层之上，针对不同细分应用开发的技术，主要包括图像识别、语音识别、自然语言处理及其它深度学习与应用技术，涉及领域包括机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、智能搜索等。

（1）算法理论。由于我国人工智能领域研究人员在数量与经验方面都存在不足，导致国内人工智能算法理论发展较为缓慢。

（2）开发平台。在人工智能深度学习系统中，一方面需要利用大量数据对其进行训练，另一方面系统中存在上万个参数需要调整，因此需要平台对现有数据及参数进行整合，并向开发者开放，以实现技术应用价值最大化。在基础开源框架构造方面，国内主要由百度、阿里巴巴、腾讯及京东几大互联网公司，依托其强大的互联网平台建立开源平台;在技术开发平台方面，众多小微创新企业则具备强大的竞争力，如商汤科技、旷视科技、云知声、思必驰等。

（3）应用软件。由于深度学习的广泛应用，神经网络模型也被成功应用于自然语言处理及计算机视觉领域，从而大大提升了人工智能在计算机视觉、语音与图像处理等领域的应用效果。在计算机视觉领域，主要涉及企业有：海康威视、宇视、旷视科技，以及新创企业如智诺科技、科达、格灵深瞳、依图、商汤、云从科技等;在自然语言处理领域，主要企业有：科大讯飞、百度、腾讯，另外如三角兽科技、紫冬锐意、ImageQ、玻森数据、云知声、思必驰、搜狗、智臻智能、威盛电子、中科信利、和而泰等公司也在该领域进行了深入研究;在人机交互领域，主要企业有：百度、阿里巴巴、腾讯暴风、极限元、小i机器人、海天智能、标贝科技等。其中，百度、腾讯、阿里巴巴作为国内顶尖的互联网公司，在人工智能各领域都进行了相关布局。

2.3 人工智能产业应用层分析

在大数据与云计算等技术升级的推动下，人工智能技术已日趋成熟，其中金融、制造业、电商、健康医疗几个行业的关键要素成熟度最高，事实也表明，围绕相关领域，已经有若干独角兽公司异军突起。农业、制造业以及法律行业在这一波智能化浪潮中处于落后位置，向AI转型关键要素的成熟度较低。

根据2017 CSDN中国开发者调查的数据汇总（截至2018.1），得出国内人工智能产业与各行业结合情况如图6所示。

在AI应用领域，目前主要集中在安防、金融、医疗、教育、零售、机器人以及智能驾驶等领域。对于各领域的代表公司，其中安防领域有海康威视、商汤科技、旷视科技、宇视科技、依图、大华等;金融领域有蚂蚁金服、通联数据、京东金融、冰鉴科技、众安科技等;医疗领域有科大讯飞、医渡云、汇医慧影、肽积木、碳云智能等;教育领域有科大讯飞、优必选、新东方、智课教育、乂学教育等;零售领域有阿里、京东、缤果盒子等;机器人领域有大疆创新、零度智控、极飞、优必选等;智能驾驶领域有百度、驭势、蔚来汽车、智驾科技等;智能家居领域有海尔、格力、美的、安居宝等。随着人工智能的发展，人工智能机器人也被应用于更多场景中，该领域产品也日趋丰富。针对儿童教育/陪护机器人，有优必选的Jimu、猎豹的豹豹龙、能力风暴的积木系列、金刚蚁的小忆机器人、寒武纪的小武机器人、Gowild狗尾草的公子小白等;针对娱乐机器，有优必选的Alpha、巴巴腾的哆来咪、Gowild狗尾草的琥珀虚颜等;针对家庭服务机器人，有海尔的漫游者扫地机器人等;针对残障辅助机器人，有达闼科技的METS导盲机器人、傅利叶智能的下肢外骨骼机器人等;针对场地机器人（包括餐饮/酒店运输机器人、导览/导购指引机器人），有优必选的Cruzr、猎豹的豹小秘、豹咖啡、豹小贩、康力优蓝的优友U05、寒武纪的商用机器人等;针对工业机器人，仍然由新松公司领头，博实、安川电机、富士康等公司也推出了相关产品;针对物流机器人，则以京东、菜鸟网络、申通等公司的物流机器人为主。其中优必选与新松两家公司尤其值得重点关注，优必选成立于2012年，是国内为数不多的已将消费级人形机器人推向市场的公司，其旗下的Alpha系列、Jimu系列机器人曾两度亮相央视春晚;新松公司隶属于中科院，是传统机器人厂商中较早致力于人工智能研究的机构，产品线也比较齐全，拥有场地机器人、工业机器人及物流分拣机器人等多种产品。

3 结语

本文通过统计汇总我国人工智能领域的主要企业及相关产品，探讨国内人工智能产业发展最新进展情况。总体而言，我国在人工智能领域起步较晚，在人工智能产业基础层研究方面较为薄弱，与国外存在较大差距;在人工智能产业技术层，国内部分企业如科大讯飞、商汤科技、旷视科技等已成为新兴的独角兽企业，融资额度甚至超过了美国同行;在人工智能产业应用层，国内企业数量则呈爆发式增长，目前主要集中在安防、金融、医疗、教育、零售、机器人以及智能驾驶等领域。

随着后续国家政策对人工智能产业的大力扶持，以及资金、人才的不断输入，国内人工智能产业将得到进一步发展，但在人工智能基础技术层面，如芯片、大數据等领域，需要进一步提升我国的自主研发实力。

参考文献：

[1] 詹姆斯·巴拉特. 我们最后的发明：人工智能与人类时代的终结[M]. 北京： 电子工业出版社，2016.

[2] 凯文·凯利. 失控[M]. 北京： 电子工业出版社，2016.

[3] 雷·库兹韦尔. 奇点临近[M]. 北京： 机械工业出版社，2011.

[4] 尤瓦尔·赫拉里. 人类简史[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] 王晓阳. 人工智能能否超越人类智能[J]. 自然辩证法研究， 2015（7）：104-110.

[11] 喻家骏. 人工智能技术的伦理问题及其对策研究[D]. 武汉：武汉理工大学，2013.

[12] 杜严勇. 人工智能安全问题及其解决进路[J]. 哲学动态， 2016（9）：99-104.

[13] 刘伟. 人工智能在金融领域的应用[J]. 电子技术与软件工程， 2017（24）：158.

[14] 高奇琦，吕俊延. 智能医疗： 人工智能时代对公共卫生的机遇与挑战[J]. 电子政务，2017（11）：11-19.

[15] 刘一然，骆力明. 基于知识图谱的学科单选题考点提取研究[J/OL]. 计算机应用研究，2019（6）.[2018-3-16].http：//kns.cnki.net/kcms/detail/51.1196.TP.20180408.1052.120.html.

[16] 李晟. 略论人工智能语境下的法律转型[J]. 法学评论，2018，36（1）：98-107.

[17] 李修全，蒋鸿玲. 美日欧政府发展人工智能的新举措及对我国的启示[J]. 全球科技经济瞭望，2016，31（10）：73-76.

[18] 孙晔，吴飞扬. 人工智能的研究现状及发展趋势[J]. 价值工程， 2013（28）：5-7.

[19] 韦淋元. 人工智能发展的困境和出路[D]. 南宁： 广西师范大学，2009.

[20] 徐勇. 关于人工智能发展方向的思考[J]. 科技创新与应用， 2016（2）：4.

（责任编辑：黄 健）