人工智能产业“冷静期”的行业转型机理、路径与配套政策

胡豫陇

(国务院发展研究中心 信息中心， 北京 100010)

一、人工智能产业发展进入“冷静期”

2015年AlphaGo打败人类棋手，引发了全社会对人工智能的高度关注。以此为契机，人工智能产业迎来了创新创业热潮。据中国信息通信研究院统计，2018年上半年，人工智能领域的全球融资规模达到435亿美元，中国的规模达到317亿美元，占比72.8%，远超全球其他国家；截至2018年9月，全球人工智能企业达5 159家，中国以1 122家(不含港澳台)的数量位居全球第二(1)数据来源：《全球人工智能产业数据报告2018》。。同时，人工智能相关企业经营领域几乎覆盖当前全球所有主要产业，包括商务、金融、交通、医疗、农业、教育、安防、娱乐等。2018年前后，全球与我国的人工智能产业热度均达到高点。

但在大幅投入之后，人工智能产业却并未取得预期效果。交通领域无人驾驶屡出事故；商业应用迟迟无法落地；农业领域缺少实用化场景；安防领域应用较多，但缺乏商业化变现模式；游戏领域应用仅具技术验证作用，缺少商用价值。随后全球人工智能企业增速不断降低，投融资规模也逐步萎缩。尤其是2020年以来，在经济下行和新冠肺炎疫情的影响下，上半年全球融资规模仅为178.4亿美元，美国占72亿美元，我国占60.3亿美元；全球融资笔数仅为435笔，美国占152笔，我国占126笔(2)数据来源：《2020年全球人工智能产业地图》。。就同期的投资金额和投资笔数下降比例来看，我国均比美国下降得多。更为严峻的是，2020年上半年融资金额中，94.7%份额集中在B轮及以后的成熟阶段，资本对种子轮企业的投入达到“冰点”①。

总体而言，无论是全球还是我国，人工智能产业的投融资和创新趋势下跌严重，我国下降趋势更为明显。从产业发展层面来看，这种下降趋势主要来自于两方面因素：一是全球信息化产业的发展程度还未达到全面应用人工智能的阶段。人工智能的应用需要基于高度信息化的系统和场景，同时还要有大量的数据作为支撑，但反观目前，无论是全球还是我国，能满足这样需求的产业是十分有限的，金融、互联网等领域由于信息化发展快速且深入，能够满足人工智能应用对信息化水平和数据的需求，因此在这些领域人工智能应用出现的数量很多，并且富有成效。但一旦到了制造业、农业、能源等领域，由于这些产业本身信息化程度还不够发达，很难在其中找到多样的人工智能场景。二是目前的人工智能技术也并非在所有场景都行之有效。目前的人工智能技术更多的还是依赖对大量数据的学习来实现智能分析，而对于只有少量数据的场景，应用成效往往不尽如人意。因此，一方面由于产业信息化程度的不足，另一方面人工智能技术对小数据学习能力不足，二者之间互相无法适配，导致人工智能产业难以继续增长。

当前，全球以及我国的人工智能产业实际上已进入“冷静期”，仅靠概念或缺少商业价值的创新项目，已经无法获取投资青睐。更为关键的是，对于仍在发展的人工智能企业，人工智能所能拓展的应用空间和商业价值也变得极为有限，全球对人工智能的追捧热情已明显下降。从2020年Gartner发布的人工智能技术成熟度曲线中也可看到(如图1)，时下最受关注的深度神经网络、自然语言处理、机器学习、计算机视觉和自动驾驶都正在滑向低谷区，特别是计算机视觉技术几乎已进入低谷阶段。

图片来源：Gartner.com

从技术层面再来看，人工智能产业进入低谷，是技术发展必然经历的一个阶段。总结其原因：主要可归为以下三个方面：一是对产业中广泛存在的复杂场景适应性不足。目前的人工智能技术只能满足简单重复的任务，在复杂场景中的应用虽然也有大量尝试，但实际效果不尽人意。如前所述，产业信息化不足与人工智能技术无法学习小数据，两个原因至少要解决一个。但目前来看，无论是从技术层面还是产业层面，推进的难度都很大。二是企业尝试意愿不足。一方面，由于缺乏具有说服力的投入产出成效，产业界诸多企业仍处于观望状态，不愿贸然尝试用人工智能替代现有的技术和方案。另一方面，随着企业对人工智能技术内涵的不断深入了解，企业也意识到，人工智能技术在很多领域，确实还达不到替代传统方案的水平。三是在一些重点领域的政策制度对人工智能应用的审批监管仍较为严格，一定程度上制约了人工智能头部应用的突破。例如医疗领域人工智能应用的审批十分严格，这使得人工智能应用研发出来后，难以在实际环境中进行数据积累和自我迭代。这样的监管模式虽然保护了医疗产业安全，但也在一定程度上制约了技术的创新探索。

二、我国人工智能产业的发展经验

新一轮人工智能的“高开低走”，造成了大量资源投入的损失，但正是由于近年来各领域的广泛探索，才帮助产业和政府厘清了人工智能发展面临的问题。相比于早期的盲目式创新和投入，当下从政府到产业都对人工智能产业建立起了更为客观科学的认识，相应的发展环境也正日趋成熟。总结近年来人工智能应用的发展经验，人工智能产业的进一步发展应避免互联网时代形成的唯技术、唯产品的发展思路，而应从场景需求、产业既有软硬件基础和产业转型规律等方面综合考虑，循序渐进，逐步拓展应用范围和深度[1]。

1.人工智能技术的应用领域

人工智能技术并不能全面替代传统技术和产品，而只是在一些特定领域能够对数据进行更为深入和高效的处理。例如在计算机视觉领域，深度学习技术的出现使得机器对图像识别的准确率由以往的70%(可能更低)提升到了95%以上，远超人类能力。这样的成果确实让人工智能技术在医疗影像分析、人脸识别等领域创造了巨大价值。但在机器翻译、文本理解等更为专业或复杂的领域，即使依靠现在最为先进的人工智能算法，应用效果也远未达到实用标准。

2.人工智能应用场景的实现方式

人工智能应用的实现，关键不在于人工智能技术本身，而在于选择具备技术效益的应用场景，并设计可行的解决方案。人工智能应用的落地，既取决于场景的专业化分析，也取决于算法对场景的适应程度，只有将技术与需求有效结合，才能达成具有实用价值的应用。当下诸多人工智能应用在尚未分析清楚场景需求和行业知识的情况下，盲目使用人工智能技术对行业数据进行分析并提出改进建议，其效果不仅不及人工解决等办法，还造成了大量资源和人力的浪费。例如阿里巴巴通过数据智能分析帮助中策橡胶把整个橡胶混炼胶的合格率提升了5%，但这样的案例只是通过“黑盒”式的深度学习技术对数据进行分析，缺乏可解释性和实践理论，并不具备对整体制造业的参考价值。而对于更多需要应用人工智能的行业场景，更是要避免这种“黑盒”化的改进模式，正视产业发展所需解决的专业知识和逻辑化解决方案，清晰定义任务，制定符合行业知识和产业规律的解决方案。

3.复杂人工智能应用的落地机制

人工智能应用的落地，还需要信息系统、基础设施等配套条件。在具体场景中，人工智能算法只能对数据进行深度分析，而整体应用中还需要打通数据获取、信息联动以及控制执行等环节。在这些环节中，既需要信息系统来实现数据的获取、存储、处理等，也需要5G通信设备来实现信息高速传输，还需要传感器等多种辅助条件来实现完整的应用流程。例如在当前的智能网联汽车领域，汽车的自动行驶不再像以往一样只依靠单车智能来感知周围环境并做出行驶决策，而是通过高精度地图来为汽车实现路径规划，通过路边传感器、地图、激光雷达、交通基础设施等方式来感知周围综合的路况和环境信息，进而通过对信息的边缘计算分析和信息高速传输来实现车与车、车与周围环境和设施的信息互通，最后才能帮助汽车做出行驶过程中的动态决策。这一复杂过程的实现，就已不再是单独依靠人工智能的算法分析能力，而是整合了多元化的基础设施和支撑条件，才达到了整体的智能化行驶方案[2]。

三、我国人工智能产业的基础要素优势

得益于各领域长期的数据积累，以及近年来人工智能产业大量的创新创业投入，我国在数据、算法、算力这三个人工智能产业基础要素上实现了扎实的资源和技术积累，在国际上形成了明显的优势，为人工智能产业的深化发展打下了坚实基础。这些基础能够保障我国在接下来的全球竞争中，具备充足且扎实的能力储备，从而在各个产业竞争过程中，有能力保持全球领先的发展速度。

1.我国人工智能产业的数据优势

在数据方面，我国在各领域都积累了海量数据，这为各行业发展人工智能提供了先天优势，并且这种依靠超大产业规模所积累的数据优势是全球其他各国所不具备的。同时，面对来源各异、处理难度大的各类数据，我国也有大量的第三方大数据服务企业，能够帮助各行业有效解决数据获取和处理的需求。我国不仅有技术积累雄厚的互联网企业作为数据分析和服务企业的领头羊以及产业带动者，如阿里巴巴、华为、浪潮、腾讯、百度等，还有大量新兴的专业数据服务企业，能够为企业提供个性化数据服务。

2.我国人工智能产业的算法积累情况

在算法方面，我国的专业技术研究实力和商业化算法服务能力均处于世界领先水平，能够快速有效支持各类产业应用。对于常规应用，国际通用的开源算法资源和开源框架基本能够满足产业发展的必要需求。并且，即使出现美国对开源资源封锁的情况，我国也有百度PaddlePaddle、华为ModelArts等多种自主算法框架和平台能够满足产业发展需求。对于复杂应用，我国的人工智能学术研究与专利也都处于世界领先位置，相关的研究成果也能持续满足创新和应用需求。

3.我国人工智能产业的算力发展情况

在算力方面，核心在于人工智能芯片。近年来，以华为海思、寒武纪、地平线、阿里平头哥等为代表的芯片企业已成功实现商用人工智能芯片并获得市场认可，华为海思的麒麟系列芯片是全球领先的人工智能计算芯片并在华为手机中应用。阿里巴巴也推出了 “含光800”云端推理芯片。同时，寒武纪、地平线等厂商也陆续推出自研的商用芯片。综合来看，我国的人工智能产业发展基础要素已实现成熟的自主供应能力，能够为各类人工智能应用提供坚实的基础支撑。

在当前“冷静期”，加之全球新冠肺炎疫情的冲击，全球人工智能产业都普遍面临投资减少、创新缺失的困境，但也正是在这一低谷时期，谁能抢先推动人工智能产业进入稳步爬升期，谁就能优先占领市场，获得领先优势。当前，我国在人工智能产业发展的经验和基础条件上都已形成显著的优势[3]。而其他国家，要么是类似于美国，有强大的基础能力，但还没有渡过新冠肺炎疫情冲击，起步晚于我国；要么是基础能力不足，且还处在新冠肺炎疫情冲击之中。因此，我国可以说是具备了充足的先发能力和机遇，应及时把握当前难得的发展窗口期，加快推动应用和产业发展，拉开与其他国家的距离，抢占产业领先地位。

四、我国人工智能产业关键领域的发展路径

对数据、算法、算力的投入和积累解决了人工智能产业发展的底层支撑问题，下一步发展的关键问题就是如何设计出具有前景和实用价值的行业发展路径。我国近年来高度重视人工智能与实体经济的深度融合，以促进经济增长新动能。本文聚焦国内目前最具发展前景的制造业、医疗、交通三个重点实体经济领域，对其中的行业发展路径进行剖析。

1.制造业人工智能发展路径

制造业人工智能发展路径主要有两条：一是装备仪器的智能化升级，二是全流程或全行业环节的柔性生产。两条路径对比来看，装备仪器的智能化改造与人工智能技术结合得更为有效，而柔性生产所依托的完整数据链路在诸多领域还未形成，应用成效也不尽明显。在装备仪器智能化升级方面，能够利用人工智能技术在影像识别、模式识别、数据分析等方面的优势，提升单点装备的智能化水平，如自动运输车、智能机械手臂、高速影像分析设备等，这些单点智能装备已经在一些场景中投入使用，实现了良好的智能升级示范。其中十分优秀的应用是2017年加州大学伯克利分校的研究人员，为机械臂Yumi装配超强大脑Dex Net 2.0。这个超强大脑系统搭载深度学习网络，并为机械臂配备丰富的物体记忆库，使得机械臂遇到新物体时，可以迅速通过深度学习系统，对物体进行识别，探究得出一种最佳的抓取方案，准确地对各种物体进行抓取。这类机械臂不仅在制造业中十分重要，在未来各领域都极具应用潜力。在柔性生产方面，以当前典型的生产与销售环节联动为例，生产与销售环节联动需要对全环节构建信息化的数据获取、传输和分析平台，其基础在于对全环节的信息化改造，其功效在于对数据的智能化分析能够有效匹配供需，提升企业对市场的响应能力。但打造柔性生产链路需要前期投入专门的资金和人力进行整体信息化改造，这对于传统制造企业来说仍是巨大挑战。

2.医疗业人工智能发展路径

目前医疗业人工智能发展路径以单点应用为基础，未来需要更多全周期、全流程和全域数据的整合来实现智能医疗服务。得益于我国业务场景的成熟化和数据资源的长期积累，我国在单点智能医疗应用中的数据分析对象和目标都较为明确，因此初步的人工智能应用落地快速，例如基于影像分析技术，在眼部、癌症等方面的智能分析应用已经投入使用，辅助医生决策；百度于2018年推出的AI眼底筛查一体机，使患者自动检查眼底健康得以实现，目前已在广东肇庆等地落地。同时，在手术辅助等更多复杂医疗场景中，人工智能应用还需要进行更为深入的探索。全域数据的整合能够将多种(或多个)病例的数据进行对比，形成综合分析平台。全周期方面，可通过人工智能技术对病情全周期数据的整合分析，更加准确地判断疾病治疗或模式。全流程方面，可通过记录和分析患者在不同环节的诊疗数据，能够更加全面有效地区分有效数据和无效数据，并进一步优化治疗方案。目前，此类应用在中医领域已有典型案例，中国中医科学院推出了中医临床智能辅助决策系统，采用人工智能技术对丰富的中医文本数据进行知识图谱建设、算法分析等研究，创新性地探索人工智能对全域数据价值的挖掘。但在更多场景中，这些更为全面和长周期的数据分析应用主要还是基于医生的经验或研究总结，未来借助人工智能应用，将有望实现更加快速、有效的诊疗服务，提高人民生命健康质量。

3.交通领域人工智能发展路径

交通领域的人工智能应用以构建智能化交通体系为主要方向，体系内包含多样化的创新方向。一是智能网联汽车成为更具前景的无人驾驶解决方案。随着无人驾驶产业的持续进步，单车智能的解决方案在应用过程中面临明显的技术瓶颈，对路况分析的准确性无法达到实用要求。而近年来逐步发展的智能网联汽车则通过V2X的联通，实现了与外界环境和车量的信息互通，能够更好地适应实际驾驶场景。在以智能网联为基础的交通体系中，人工智能技术的应用无处不在，如传感、边缘计算、地图导航等。当前，我国在中部和东部地区已设立20余个智能网联汽车示范区，并在多地颁发路测牌照，智能网联汽车已成为下一代无人驾驶产业的典型代表方向。二是交通信息的综合分析和基础设施的智能调控。如通过对城市交通运行的动态监测，来调控红绿灯时间，能够有效调度交通运行，缓解拥堵情况。此外，基于影像的车牌号判断、基于车流情况的地图导航等应用也都依托人工智能技术得到了重大提升。例如杭州市通过阿里巴巴城市大脑提供的技术支持，对全市交通红绿灯进行智能调控，使全城通勤时间平均缩短3分钟。未来随着交通智能化基础设施的不断完善，将能收集更为全面和多样的数据来推动智能化交通应用。

五、推动人工智能应用落地的政策建议

在产业下行和新冠肺炎疫情的双重影响下，当前全球人工智能产业发展进入低速阶段。但基于有效的疫情防控和在人工智能领域积累的基础要素优势，我国却迎来了难得的先行发展优势，要积极把握这一赶超“窗口期”，加速拉开与其他国家的距离，塑造全球竞争优势。为加快推动行业创新，促进产业升级，提出有针对性的4条政策建议。

1.完善行业准入制度，以实践带动产品优化

人工智能算法的应用效果需要依靠训练数据进行不断优化，最佳的数据则是来源于实际应用。当前在医疗、交通等领域严格的准入制度限制了人工智能应用进入实践。同时，在过长的审批周期中，行业数据和业务规则的变化将导致在审产品上市后失去竞争力，造成企业的前期投入失去价值。可通过分级和设定应用范围的方式，为人工智能应用开通绿色审批通道，为企业提供充分验证和更新产品的渠道。

2.分行业制定数据标准，提高数据资源利用效率

当前，各领域虽然有海量数据积累，但受信息化发展不平衡和数据收集方式差异的影响，各行业、各企业都以个性化方式开展人工智能应用，对数据利用效率不足，也难以形成规模效应。另外，由于许多领域的数据目前仍处于非标准化收集和使用阶段，这将产生大量的数据分析成本，同时造成数据收集效率的低下。而统一的数据标准能够加快数据利用效率，提高数据的收集速度和质量，进而有效发挥数据价值。基于统一规则操作和获取的数据分析成果，能够同步普及到各个必要环节，降低全产业、全社会的研发和应用成本。各领域智库与研究机构要加快推进行业人工智能应用数据标准规范制定，引导行业数据收集和使用向标准化、规模化方向发展。同时，相关主管部门要加快制定行业数据监管细则，做好数据分级分类，在数据确权、数据共享、隐私保护等方面设定规则，引导产业健康有序发展。

3.全面推进新型基础设施建设，完善人工智能应用支撑条件

人工智能应用发展既需要通信、数据中心、云服务、开源框架等通用基础设施，也需要各领域根据应用需求完善必要的信息化建设和数据资源平台。在当前人工智能产业进入“冷静期”阶段，现有开发资源和基础设施是难以为整个产业提供有力支撑的。因此，要进一步加强全方位的基础条件构建，有效降低人工智能应用创新成本和门槛，吸引更多企业参与人工智能应用研发。同时，更为完善的基础设施也将助力产业深度设计和挖掘智能场景，推动人工智能技术向更多场景辐射赋能。而在监管方面，要同步完善基础设施的建设与管理机制，鼓励多方资金和主体参与。对于建设过程中面临的行政审批等问题，要开设绿色通道，保障基础设施建设稳步推进。对具有高端技术需求的项目，要鼓励具有技术优势的民营企业参与建设，并给予相应的投入回报。

4.推广创新示范试点，推动人工智能应用和理念传播

当前的试点示范主要面向行业用户，也只在一些专用场地开展。但人工智能作为全域赋能技术，其创新的理念和边界需要更广泛的参与者来拓展。参考国际消费类电子产品展览会(International Consumer Electronics Show，简称“CES”)，此类展会经过长期的推广和示范，在全球范围内有力推广了消费电子理念和市场，使得电子消费类产品能够不断得到市场的支持和反馈，从而进入产业的良性循环。未来人工智能也需要在更大范围内，展示更加多元化的创新应用，充分扩大我国人工智能产业对内和对外的影响力，强化企业间国际交流和合作，从而推动人工智能产业在更大范围内得到市场认可，持续吸引创新和投资，形成产业良性循环。政府部门要加快形成和完善产业试点的推广机制，使政府推动与商业推广形成共振[4]。在产业发达地区设立示范区，引导企业参与创新，在更多领域探索发展空间。同时，鼓励第三方和行业组织开展长期的行业交流和示范应用推广工作，形成全社会关注、全社会创新的发展新局面。