人工智能市場(chǎng)格局

人工智能（Artificial Intelligence，AI）是利用機器學(xué)習和數據分析方法賦予機器模擬、延申和拓展類(lèi)人的智能的能力，本質(zhì)上是對人類(lèi)思維過(guò)程的模擬。AI概念最早始于 1956 年 的達特茅斯會(huì )議，受限于算法和算力的不成熟，未能實(shí)現大規模的應用和推廣。近年來(lái)，在大數據、算法和計算機能力三大要素的共同驅動(dòng)下，人工智能進(jìn)入高速發(fā)展階段。據中國電子學(xué)會(huì )預測，2022全球人工智能市場(chǎng)將達到1630億元，2018-2022年CAGR達31%。

人工智能賦能實(shí)體經(jīng)濟，為生產(chǎn)和生活帶來(lái)革命性的轉變。人工智能作為新一輪產(chǎn)業(yè)變革的核心力量，將重塑生產(chǎn)、分配、交換和消費等經(jīng)濟活動(dòng)各環(huán)節，催生新業(yè)務(wù)、新模式和新產(chǎn)品。從衣食住行到醫療教育，人工智能技術(shù)在社會(huì )經(jīng)濟各個(gè)領(lǐng)域深度融合和落地應用。同時(shí)，人工智能具有強大的經(jīng)濟輻射效益，為經(jīng)濟發(fā)展提供強勁的引擎。據埃森哲預測，2035 年，人工智能將推動(dòng)中國勞動(dòng)生產(chǎn)率提高 27%，經(jīng)濟總增加值提升7.1 萬(wàn)億美元。

多角度人工智能產(chǎn)業(yè)比較

目前，全球人工智能產(chǎn)業(yè)的生態(tài)系統正逐步成型。依據產(chǎn)業(yè)鏈上下游關(guān)系，可以將人工智能劃分為基礎支持層、中間技術(shù)層和下游應用層?；A層是人工智能產(chǎn)業(yè)的基礎，主要提供硬件（芯片和傳感器）及軟件（算法模型）等基礎能力；技術(shù)層是人工智能產(chǎn)業(yè)的核心， 以模擬人的智能相關(guān)特征為出發(fā)點(diǎn)，將基礎能力轉化成人工智能技術(shù)，如計算機視覺(jué)、智能語(yǔ)音、自然語(yǔ)言處理等應用算法研發(fā)。其中，技術(shù)層能力可以廣泛應用到多個(gè)不同的應用領(lǐng)域；應用層是人工智能產(chǎn)業(yè)的延伸，將技術(shù)應用到具體行業(yè)，涵蓋制造、交通、金融、醫療等 18 個(gè)領(lǐng)域，其中醫療、交通、制造等領(lǐng)域的人工智能應用開(kāi)發(fā)受到廣泛關(guān)注。

戰略部署：大國角逐，布局各有側重

全球范圍內，中美“雙雄并立”構成人工智能第一梯隊，日本、英國、以色列和法國等發(fā)達國家乘勝追擊，構成第二梯隊。同時(shí)，在頂層設計上，多數國家強化人工智能戰略布局，并將人工智能上升至國家戰略，從政策、資本、需求三大方面為人工智能落地保駕護。后起之秀的中國，局部領(lǐng)域有所突破。中國人工智能起步較晚，發(fā)展之路幾經(jīng)沉浮。自2015年以來(lái)，政府密集出臺系列扶植政策，人工智能發(fā)展勢頭迅猛。由于初期我國政策側重互聯(lián)網(wǎng)領(lǐng)域，資金投向偏向終端市場(chǎng)。因此，相比美國產(chǎn)業(yè)布局，中國技術(shù)層（計算機視覺(jué)和語(yǔ)音識別）和應用層走在世界前端，但基礎層核心領(lǐng)域（算法和硬件算力）比較薄弱，呈“頭重腳輕”的態(tài)勢。當前我國人工智能在國家戰略層面上強調系統、綜合布局。

美國引領(lǐng)人工智能前沿研究，布局慢熱而強勢。美國政府稍顯遲緩，2019 年人工智能?chē)壹墤鹇裕ā睹绹斯ぶ悄艹h》）才姍姍來(lái)遲。但由于美國具有天時(shí)（5G 時(shí)代）地利（硅谷）人和（人才）的天然優(yōu)勢，其在人工智能的競爭中已處于全方位領(lǐng)先狀態(tài)?？傮w來(lái)看， 美國重點(diǎn)領(lǐng)域布局前沿而全面，尤其是在算法和芯片腦科學(xué)等領(lǐng)域布局超前。此外，美國聚焦人工智能對國家安全和社會(huì )穩定的影響和變革，并對數據、網(wǎng)絡(luò )和系統安全十分重視。

倫理價(jià)值觀(guān)引領(lǐng)，歐洲國家搶占規范制定的制高點(diǎn)。2018 年，歐洲 28 個(gè)成員國(含英國) 簽署了《人工智能合作宣言》，在人工智能領(lǐng)域形成合力。從國家層面來(lái)看，受限于文化和語(yǔ)言差異阻礙大數據集合的形成，歐洲各國在人工智能產(chǎn)業(yè)上不具備先發(fā)優(yōu)勢，但歐洲國家在全球 AI倫理體系建設和規范的制定上搶占了“先機”。歐盟注重探討人工智能的社會(huì )倫理和標準，在技術(shù)監管方面占據全球領(lǐng)先地位。

日本尋求人工智能解決社會(huì )問(wèn)題。日本以人工智能構建“超智能社會(huì )”為引領(lǐng)，將 2017 年確定為人工智能元年。由于日本的數據、技術(shù)和商業(yè)需求較為分散，難以系統地發(fā)展人工智能技術(shù)和產(chǎn)業(yè)。因此，日本政府在機器人、醫療健康和自動(dòng)駕駛三大具有相對優(yōu)勢的領(lǐng)域重點(diǎn)布局，并著(zhù)力解決本國在養老、教育和商業(yè)領(lǐng)域的國家難題。

基礎層面：技術(shù)薄弱，芯片之路任重道遠

基礎層由于創(chuàng )新難度大、技術(shù)和資金壁壘高等特點(diǎn)，底層基礎技術(shù)和高端產(chǎn)品市場(chǎng)主要被歐美日韓等少數國際巨頭壟斷。受限于技術(shù)積累與研發(fā)投入的不足，國內在基礎層領(lǐng)域相對薄弱。具體而言，在 AI 芯片領(lǐng)域，國際科技巨頭芯片已基本構建產(chǎn)業(yè)生態(tài)，而中國尚未掌握核心技術(shù)，芯片布局難以與巨頭抗衡；在云計算領(lǐng)域，服務(wù)器虛擬化、網(wǎng)絡(luò )技術(shù)（SDN）、 開(kāi)發(fā)語(yǔ)音等核心技術(shù)被掌握在亞馬遜、微軟等少數國外科技巨頭手中。雖國內阿里、華為等科技公司也開(kāi)始大力投入研發(fā)，但核心技術(shù)積累尚不足以主導產(chǎn)業(yè)鏈發(fā)展；在智能傳感器領(lǐng)域，歐洲（BOSCH，ABB）、美國（霍尼韋爾）等國家或地區全面布局傳感器多種產(chǎn)品類(lèi)型，而在中國也涌現了諸如匯頂科技的指紋傳感器等產(chǎn)品，但整體產(chǎn)業(yè)布局單一，呈現出明顯的短板。在數據領(lǐng)域，中國具有的得天獨厚的數據體量?jì)?yōu)勢，海量數據助推算法算力升級和產(chǎn)業(yè)落地，但我們也應當意識到，中國在數據公開(kāi)力度、國際數據交換、統一標準的數據生態(tài)系統構建等方面還有很長(cháng)的路要走。

“無(wú)芯片不 AI”，以 AI 芯片為載體的計算力是人工智能發(fā)展水平的重要衡量標準，我們將對AI芯片作詳細剖析，以期對中國在人工智能基礎層的競爭力更細致、準確的把握。

依據部署位置，AI 芯片可劃分為云端（如數據中心等服務(wù)器端）和終端（應用場(chǎng)景涵蓋手機、汽車(chē)、安防攝像頭等電子終端產(chǎn)品）芯片；依據承擔的功能，AI 芯片可劃分為訓練和推斷芯片。訓練端參數的形成涉及到海量數據和大規模計算，對算法、精度、處理能力要求非常高，僅適合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全 定制化）成為 AI 芯片行業(yè)的主流技術(shù)路線(xiàn)。不同類(lèi)型芯片各具優(yōu)勢，在不同領(lǐng)域呈現多技術(shù)路徑并行發(fā)展態(tài)勢。我們將從三種技術(shù)路線(xiàn)分別剖析中國 AI 芯片在全球的競爭力。

GPU（Graphics Processing Unit）的設計和生產(chǎn)均已成熟，占領(lǐng) AI 芯片的主要市場(chǎng)份額。GPU 擅長(cháng)大規模并行運算，可平行處理海量信息，仍是 AI 芯片的首選。據 IDC 預測， 2019 年 GPU 在云端訓練市場(chǎng)占比高達 75%。在全球范圍內，英偉達和 AMD 形成雙寡頭壟斷，尤其是英偉達占 GPU 市場(chǎng)份額的 70%-80%。英偉達在云端訓練和云端推理市場(chǎng)推出的 GPU Tesla V100 和 Tesla T4 產(chǎn)品具有極高性能和強大競爭力，其壟斷地位也在不斷強化。目前中國尚未“入局”云端訓練市場(chǎng)。由于國外 GPU 巨頭具有豐富的芯片設計經(jīng)驗和技術(shù)沉淀，同時(shí)又具有強大的資金實(shí)力，中國短期內無(wú)法撼動(dòng) GPU 芯片的市場(chǎng)格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件編程、配置高靈活性和低能耗等優(yōu)點(diǎn)。FPGA 技術(shù)壁壘高，市場(chǎng)呈雙寡頭壟斷：賽靈思（Xilinx）和英特爾（Intel）合計占市場(chǎng)份額近 90%，其中賽靈思的市場(chǎng)份額超過(guò) 50%，始終保持著(zhù)全球 FPGA 霸主地位。國內百度、阿里、京微齊力也在部署 FPGA 領(lǐng)域，但尚處于起步階段，技術(shù)差距較大。

ASIC（Application Specific Integrated Circuits）是面向特定用戶(hù)需求設計的定制芯片，可滿(mǎn)足多種終端運用。盡管 ASIC 需要大量的物理設計、時(shí)間、資金及驗證，但在量產(chǎn)后，其性能、能耗、成本和可靠性都優(yōu)于 GPU 和 FPGA。與 GPU 與 FPGA 形成確定產(chǎn)品不 同，ASIC 僅是一種技術(shù)路線(xiàn)或方案，著(zhù)力解決各應用領(lǐng)域突出問(wèn)題及管理需求。目前，ASIC 芯片市場(chǎng)競爭格局穩定且分散。我國的 ASIC 技術(shù)與世界領(lǐng)先水平差距較小，部分領(lǐng)域處于世界前列。在海外，谷歌 TPU 是主導者；國內初創(chuàng )芯片企業(yè)（如寒武紀、比特大陸和地平線(xiàn)），互聯(lián)網(wǎng)巨頭（如百度、華為和阿里）在細分領(lǐng)域也有所建樹(shù)。

總體來(lái)看，歐美日韓基本壟斷中高端云端芯片，國內布局主要集中在終端 ASIC 芯片，部分領(lǐng)域處于世界前列，但多以初創(chuàng )企業(yè)為主，且尚未形成有影響力的“芯片?平臺?應用”的生態(tài)，不具備與傳統芯片巨頭（如英偉達、賽靈思）抗衡的實(shí)力；而在 GPU 和 FPGA 領(lǐng)域，中國尚處于追趕狀態(tài)，高端芯片依賴(lài)海外進(jìn)口。

技術(shù)層面：乘勝追擊，國內頭部企業(yè)各領(lǐng)風(fēng)騷

技術(shù)層是基于基礎理論和數據之上，面向細分應用開(kāi)發(fā)的技術(shù)。中游技術(shù)類(lèi)企業(yè)具有技術(shù)生態(tài)圈、資金和人才三重壁壘，是人工智能產(chǎn)業(yè)的核心。相比較絕大多數上游和下游企業(yè)聚焦某一細分領(lǐng)域、技術(shù)層向產(chǎn)業(yè)鏈上下游擴展較為容易。該層面包括算法理論（機器學(xué)習）、開(kāi)發(fā)平臺（開(kāi)源框架）和應用技術(shù)（計算機視覺(jué)、智能語(yǔ)音、生物特征識別、自然語(yǔ)言處理）。眾多國際科技巨頭和獨角獸均在該層級開(kāi)展廣泛布局。近年來(lái)，我國技術(shù)層圍繞垂直領(lǐng)域重點(diǎn)研發(fā)，在計算機視覺(jué)、語(yǔ)音識別等領(lǐng)域技術(shù)成熟，國內頭部企業(yè)脫穎而出，競爭優(yōu)勢明顯。但算法理論和開(kāi)發(fā)平臺的核心技術(shù)仍有所欠缺。

具體來(lái)看，在算法理論和開(kāi)發(fā)平臺領(lǐng)域，國內尚缺乏經(jīng)驗，發(fā)展較為緩慢。機器學(xué)習算法是人工智能的熱點(diǎn)，開(kāi)源框架成為國際科技巨頭和獨角獸布局的重點(diǎn)。開(kāi)源深度學(xué)習平臺是允許公眾使用、復制和修改的源代碼，是人工智能應用技術(shù)發(fā)展的核心推動(dòng)力。目前，國際上廣泛使用的開(kāi)源框架包括谷歌的 TensorFlow、臉書(shū)的 Torchnet 和微軟的DMTK等， 美國仍是該領(lǐng)域發(fā)展水平最高的國家。我國基礎理論體系尚不成熟，百度的PaddlePaddle、 騰訊的 Angle 等國內企業(yè)的算法框架尚無(wú)法與國際主流產(chǎn)品競爭。

在應用技術(shù)的部分領(lǐng)域，中國實(shí)力與歐美比肩。計算機視覺(jué)、智能語(yǔ)音、自然語(yǔ)言處理是三大主要技術(shù)方向，也是中國市場(chǎng)規模最大的三大商業(yè)化技術(shù)領(lǐng)域。受益于互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)達，積累大量用戶(hù)數據，國內計算機視覺(jué)、語(yǔ)音識別領(lǐng)先全球。自然語(yǔ)言處理當前市場(chǎng)競爭尚未成型，但國內技術(shù)積累與國外相比存在一定差距。

作為落地最為成熟的技術(shù)之一，計算機視覺(jué)應用場(chǎng)景廣泛。計算機視覺(jué)是利用計算機模擬人眼的識別、跟蹤和測量功能。其應用場(chǎng)景廣泛，涵蓋了安防（人臉識別）、醫療（影像診斷）、移動(dòng)互聯(lián)網(wǎng)（視頻監管）等。計算機視覺(jué)是中國人工智能市場(chǎng)最大的組成部分。據艾瑞咨詢(xún)數據顯示，2017 年，計算機視覺(jué)行業(yè)市場(chǎng)規模分別為 80 億元，占國內 AI 市場(chǎng)的 37%。由于政府市場(chǎng)干預、算法模型成熟度、數據可獲得性等因素的影響，計算機視覺(jué)技術(shù)落地情況產(chǎn)生分化。我國計算機視覺(jué)技術(shù)輸出主要在安防、金融和移動(dòng)互聯(lián)網(wǎng)領(lǐng)域。而美國計算機視覺(jué)下游主要集中在消費、機器人和智能駕駛領(lǐng)域。

計算機視覺(jué)技術(shù)競爭格局穩定，國內頭部企業(yè)脫穎而出。隨著(zhù)終端市場(chǎng)工業(yè)檢測與測量逐漸趨于飽和，新的應用場(chǎng)景尚在探索，當前全球技術(shù)層市場(chǎng)進(jìn)入平穩的增長(cháng)期，市場(chǎng)競爭格局逐步穩定，頭部企業(yè)技術(shù)差距逐漸縮小。中國在該領(lǐng)域技術(shù)積累豐富，技術(shù)應用和產(chǎn)品的結合走在國際前列。2018 年，在全球最權威的人臉識別算法測試（FRVT）中，國內企業(yè)和研究院包攬前五名，中國技術(shù)世界領(lǐng)先。國內計算機視覺(jué)行業(yè)集中度高，頭部企業(yè)脫穎而出。據 IDC 統計，2017 年，商湯科技、依圖科技、曠視科技、云從科技四家企業(yè)占國內市場(chǎng)份額的 69.4%，其中商湯市場(chǎng)份額 20.6%排名第一。

應用層面：群雄逐鹿，格局未定

應用層以底層技術(shù)能力為主導，切入不同場(chǎng)景和應用，提供產(chǎn)品和解決方案。受益于計算機視覺(jué)、圖像識別、自然語(yǔ)言處理等技術(shù)的快速發(fā)展，人工智能已廣泛地滲透和應用于諸多垂直領(lǐng)域，產(chǎn)品形式也趨向多樣化。近年來(lái)，關(guān)注度較高的應用場(chǎng)景主要包括安防、金融、教育、醫療、交通、廣告營(yíng)銷(xiāo)等。從融合深度上，由于場(chǎng)景復雜度、技術(shù)成熟度和數據公開(kāi)水平的不同，而導致各場(chǎng)景應用成熟度不同。例如，政策導向和海量數據助推下，AI+安防、金融和客服領(lǐng)域有較為深入的應用，醫療和教育領(lǐng)域是產(chǎn)品或服務(wù)單點(diǎn)式切入，尚未形成完整的解決方案。而由于基礎設施復雜和數據獲取難度大，AI+制造業(yè)處于邊緣化。此外，AI+農業(yè)國內尚未產(chǎn)生成熟產(chǎn)品。

應用場(chǎng)景市場(chǎng)空間廣闊，全球市場(chǎng)格局未定。受益于全球開(kāi)源社區，應用層進(jìn)入門(mén)檻相對較低。目前，應用層是人工智能產(chǎn)業(yè)鏈中市場(chǎng)規模最大的層級。據中國電子學(xué)會(huì )統計，2019 年，全球應用層產(chǎn)業(yè)規模將達到 360.5 億元，約是技術(shù)層的 1.67 倍，基礎層的 2.53 倍。在全球范圍內，人工智能仍處在產(chǎn)業(yè)化和市場(chǎng)化的探索階段，落地場(chǎng)景的豐富度、用戶(hù)需求和解決方案的市場(chǎng)滲透率均有待提高。目前，國際上尚未出現擁有絕對主導權的壟斷企業(yè)，在很多細分領(lǐng)域的市場(chǎng)競爭格局尚未定型。

中國側重應用層產(chǎn)業(yè)布局，市場(chǎng)發(fā)展潛力大。歐洲、美國等發(fā)達國家和地區的人工智能產(chǎn)業(yè)商業(yè)落地期較早，以谷歌、亞馬遜等企業(yè)為首的科技巨頭注重打造于從芯片、操作系統到應用技術(shù)研發(fā)再到細分場(chǎng)景運用的垂直生態(tài)，市場(chǎng)整體發(fā)展相對成熟；而應用層是我國人工智能市場(chǎng)最為活躍的領(lǐng)域，其市場(chǎng)規模和企業(yè)數量也在國內 AI 分布層級占比最大。據艾瑞咨詢(xún)統計，2019 年，國內 77%的人工智能企業(yè)分布在應用層。得益于廣闊市場(chǎng)空間以及大規模的用戶(hù)基礎，中國市場(chǎng)發(fā)展潛力較大，且在產(chǎn)業(yè)化應用上已有部分企業(yè)居于世界前列。例如，中國 AI+安防技術(shù)、產(chǎn)品和解決方案引領(lǐng)全球產(chǎn)業(yè)發(fā)展，?？低暫痛笕A股份分別占據全球智能安防企業(yè)的第一名和第四名。

整體來(lái)看，國內人工智能完整產(chǎn)業(yè)鏈已初步形成，但仍存在結構性問(wèn)題。從產(chǎn)業(yè)生態(tài)來(lái)看， 我國偏重于技術(shù)層和應用層，尤其是終端產(chǎn)品落地應用豐富，技術(shù)商業(yè)化程度比肩歐美。 但與美國等發(fā)達國家相比，我國在基礎層缺乏突破性、標志性的研究成果，底層技術(shù)和基礎理論方面尚顯薄弱。初期國內政策偏重互聯(lián)網(wǎng)領(lǐng)域，行業(yè)發(fā)展追求速度，資金投向追捧易于變現的終端應用。人工智能產(chǎn)業(yè)發(fā)展較為“浮躁”，導致研發(fā)周期長(cháng)、資金投入大、見(jiàn)效慢的基礎層創(chuàng )新被市場(chǎng)忽略。“頭重腳輕”的發(fā)展態(tài)勢導致我國依賴(lài)國外開(kāi)發(fā)工具、基礎器件等問(wèn)題，不利于我國人工智能生態(tài)的布局和產(chǎn)業(yè)的長(cháng)期發(fā)展。短期來(lái)看，應用終端領(lǐng)域投資產(chǎn)出明顯，但其難以成為引導未來(lái)經(jīng)濟變革的核心驅動(dòng)力。中長(cháng)期來(lái)看，人工智能發(fā)展根源于基礎層（算法、芯片等）研究有所突破。

透析人工智能發(fā)展潛力

基于人工智能產(chǎn)業(yè)發(fā)展現狀，我們將從智能產(chǎn)業(yè)基礎、學(xué)術(shù)生態(tài)和創(chuàng )新環(huán)境三個(gè)維度，對中國、美國和歐洲 28 國人工智能發(fā)展潛力進(jìn)行評估，并使用熵值法確定各指標相應權重后，利用理想值法（TOPSIS 法）構建了一個(gè)代表人工智能發(fā)展潛力整體情況的綜合指標。

從智能產(chǎn)業(yè)基礎的角度

產(chǎn)業(yè)化程度：增長(cháng)強勁，產(chǎn)業(yè)規模僅次美國

中國人工智能尚在產(chǎn)業(yè)化初期，但市場(chǎng)發(fā)展潛力較大。產(chǎn)業(yè)化程度是判斷人工智能發(fā)展活力的綜合指標，從市場(chǎng)規模角度，據 IDC 數據，2019 年，美國、西歐和中國的人工智能市場(chǎng)規模分別是 213、71.25 和 45 億美元，占全球市場(chǎng)份額依次為 57%、19%和 12%。中國與美國的市場(chǎng)規模存在較大差異，但近年來(lái)國內 AI 技術(shù)的快速發(fā)展帶動(dòng)市場(chǎng)規模高速增長(cháng)，2019 年增速高達 64%，遠高于美國（26%）和西歐（41%）。從企業(yè)數量角度，據清華大學(xué)科技政策研究中心，截至 2018 年 6 月，中國（1011 家）和美國（2028 家） 人工智能企業(yè)數全球遙遙領(lǐng)先，第三位英國（392 家）不及中國企業(yè)數的 40%。從企業(yè)布局角度，據騰訊研究院，中國 46%和 22%的人工智能企業(yè)分布在語(yǔ)音識別和計算機視覺(jué)領(lǐng)域。橫向來(lái)看，美國在基礎層和技術(shù)層企業(yè)數量領(lǐng)先中國，尤其是在自然語(yǔ)言處理、機器學(xué)習和技術(shù)平臺領(lǐng)域。而在應用層面（智能機器人、智能無(wú)人機），中美差距略小。展望未來(lái)，在政策扶持、資本熱捧和數據規模先天優(yōu)勢下，中國人工智能產(chǎn)業(yè)將保持強勁的增長(cháng)態(tài)勢，發(fā)展潛力較大。

技術(shù)創(chuàng )新能力：專(zhuān)利多而不優(yōu)，海外布局仍有欠缺

專(zhuān)利申請量是衡量人工智能技術(shù)創(chuàng )新能力和發(fā)展潛質(zhì)的核心要素。在全球范圍內，人工智 能專(zhuān)利申請主要來(lái)源于中國、美國和日本。2000 年至 2018 年間，中美日三國 AI 專(zhuān)利申請量占全球總申請量的 73.95%。中國雖在 AI 領(lǐng)域起步較晚，但自 2010 年起，專(zhuān)利產(chǎn)出量首超美國，并長(cháng)期雄踞申請量首位。

從專(zhuān)利申請領(lǐng)域來(lái)看，深度學(xué)習、語(yǔ)音識別、人臉識別和機器人等熱門(mén)領(lǐng)域均成為各國重點(diǎn)布局領(lǐng)域。其中，美國幾乎全領(lǐng)域領(lǐng)跑，而中國在語(yǔ)音識別（中文語(yǔ)音識別正確率世界 第一）、文本挖掘、云計算領(lǐng)域優(yōu)勢明顯。具體來(lái)看，多數國內專(zhuān)利于 AI 科技熱潮興起后申請，并集中在應用端（如智能搜索、智能推薦），而 AI 芯片、基礎算法等關(guān)鍵領(lǐng)域和前沿領(lǐng)域專(zhuān)利技術(shù)主要仍被美國掌握。由此反映出中國 AI 發(fā)展存在基礎不牢，存在表面繁榮的結構性不均衡問(wèn)題。

從專(zhuān)利權人分布來(lái)看，中國高校和科研機構創(chuàng )新占據主導地位，或導致理論、技術(shù)和產(chǎn)業(yè)割斷的市場(chǎng)格局。歐美日人工智能申請人集中在企業(yè)，IBM、微軟、三星等巨頭企業(yè)已構建了相對成熟的研發(fā)體系和策略，成為專(zhuān)利申請量最多的專(zhuān)利人之一。其中，IBM 擁有專(zhuān)利數量全球遙遙領(lǐng)先，截至 2018 年 12 月 31 日，共擁有 4079 件 AI 專(zhuān)利。而中國是全球唯一的大學(xué)和研究機構 AI 專(zhuān)利申請高于企業(yè)的國家。由于高校與企業(yè)定位與利益追求本質(zhì)上存在差異，國內技術(shù)創(chuàng )新與市場(chǎng)需求是否有效結合的問(wèn)題值得關(guān)注。

中國 AI 專(zhuān)利質(zhì)量參差不齊，海外市場(chǎng)布局仍有欠缺。盡管中國專(zhuān)利申請量遠超美國，但技術(shù)“多而不強，專(zhuān)而不優(yōu)”問(wèn)題亟待調整。其一，中國 AI 專(zhuān)利國內為主，高質(zhì)量 PCT 數量較少。PCT（Patent Cooperation Treaty）是由 WIPO 進(jìn)行管理，在全球范圍內保護專(zhuān)利發(fā)明者的條約。PCT 通常被為是具有較高的技術(shù)價(jià)值。據中國專(zhuān)利保護協(xié)會(huì )統計，美國 PCT 申請量占全球的 41%，國際應用廣泛。而中國 PCT 數量（2568 件）相對較少，僅為美國 PCT 申請量的 1/4。目前，我國 AI 技術(shù)尚未形成規模性技術(shù)輸出，國際市場(chǎng)布局欠缺；其二，中國實(shí)用新型專(zhuān)利占比高，專(zhuān)利廢棄比例大。我國專(zhuān)利類(lèi)別包括發(fā)明、實(shí)用新型專(zhuān)利和外觀(guān)設計三類(lèi)，技術(shù)難度依次降低。中國擁有 AI 專(zhuān)利中較多為門(mén)檻低的實(shí)用新型專(zhuān)利，如 2017 年，發(fā)明專(zhuān)利僅占申請總量的 23%。此外，據劍橋大學(xué)報告顯示，受高昂專(zhuān)利維護費用影響，我國 61%的 AI 實(shí)用新型和 95%的外觀(guān)設計將于 5 年后失效，而美國 85.6%的專(zhuān)利仍能得到有效保留。

人才儲備：供需失衡，頂尖人才缺口大

人才的數量與質(zhì)量直接決定了人工智能的發(fā)展水平和潛力。目前，全球人工智能人才分布不均且短缺。據清華大學(xué)統計，截至 2017 年，人才儲備排名前 10 的國家占全球總量的 61.8%。歐洲 28 國擁有 43064 名人工智能人才，位居全球第一，占全球總量的 21.1%。美國和中國分別以 28536、18232 列席第二、第三位。其中，中國基礎人才儲備尤顯薄弱。根據騰訊研究院，美國 AI 技術(shù)層人才是中國 2.26 倍，基礎層人才數是中國的 13.8 倍。

我國人工智能人才供需嚴重失衡，杰出人才缺口大。據 BOSS 直聘測算，2017 年國內人工智能人才僅能滿(mǎn)足企業(yè) 60%的需求，保守估計人才缺口已超過(guò) 100 萬(wàn)。而在部分核心領(lǐng)域（語(yǔ)音識別、圖像識別等）， AI 人才供給甚至不足市場(chǎng)需求的 40%，且這種趨勢隨 AI 企業(yè)的增加而愈發(fā)嚴重。在人工智能技術(shù)和應用的摸索階段，杰出人才對產(chǎn)業(yè)發(fā)展起著(zhù)至關(guān)重要的作用，甚至影響技術(shù)路線(xiàn)的發(fā)展。美國（5158 人）、歐盟（5787 人）依托雄厚的科研創(chuàng )新能力和發(fā)展機會(huì )聚集了大量精英，其杰出人才數在全球遙遙領(lǐng)先，而中國杰出人才（977 人）比例仍明顯偏低，不足歐美的 1/5。

人才流入率和流出率可以衡量一國生態(tài)體系對外來(lái)人才吸引和留住本國人才的能力。根據 Element AI 企業(yè)的劃分標準，中國、美國等國家屬于 AI 人才流入與流出率均較低的錨定國（Anchored Countries），尤其是美國的人工智能人才總量保持相對穩定。具體來(lái)看，國內人工智能培育仍以本土為主，海外人才回流中國的 AI 人才數量?jì)H占國內人才總量的 9%，其中，美國是國內 AI人才回流的第一大來(lái)源大國，占所有回流中國人才比重的 43.9%。 可見(jiàn)國內政策、技術(shù)、環(huán)境的發(fā)展對海外人才的吸引力仍有待加強。

從學(xué)術(shù)生態(tài)的角度

技術(shù)創(chuàng )新能力：科研產(chǎn)出表現強勁，產(chǎn)學(xué)融合尚待加強

科研能力是人工智能產(chǎn)業(yè)發(fā)展的驅動(dòng)力。從論文產(chǎn)出數量來(lái)看，1998-2018 年，歐盟、中國、美國位列前三，合計發(fā)文量全球占比 69.64%。近些年，中國積極開(kāi)展前瞻性科技布局， AI發(fā)展勢頭強勁，從1998年占全球人工智能論文比例的8.9%增長(cháng)至2018年的28.2%， CAGR17.94%。2018 年，中國以 24929 篇 AI 論文居世界首位。中國研究活動(dòng)的活躍從側面體現在人工智能發(fā)展潛力較大。

我國論文影響力仍待提高，但與歐美差距逐年縮小。FWCI（Field-Weighted Citation Impact，加權引用影響力）指標是目前國際公認的定量評價(jià)科研論文質(zhì)量的最優(yōu)方法，我們利用 FWCI 表征標準化1后的論文影響力。當 FWCI≥1 時(shí)，代表被考論文質(zhì)量達到或超過(guò)了世界平均水平。近 20 年，美國的 AI 論文加權引用影響力“獨領(lǐng)風(fēng)騷”，2018 年，FWCI 高于全球平均水平的 36.78%；歐洲保持相對平穩，與全球平均水平相當；中國 AI 領(lǐng)域論文影響力增幅明顯，2018 年，中國 FWCI 為 0.80，較 2010 年增長(cháng) 44.23%，但論文影響力仍低于世界平均水平的 20%。從高被引前 1%論文數量來(lái)看，美國和中國高質(zhì)量論文產(chǎn)出為于全球第一、第二位，超出第三位英國論文產(chǎn)出量近 4 倍。綜合來(lái)看，中國頂尖高質(zhì)量論文產(chǎn)出與美國不分伯仲，但整體來(lái)看，AI 論文影響力與美國、歐美仍有差距。

從發(fā)文主體來(lái)看，科研機構和高校是目前中國人工智能知識生產(chǎn)的絕對力量，反映出科研成果轉化的短板。而美國、歐盟和日本則呈現企業(yè)、政府機構和高校聯(lián)合參與的態(tài)勢。據Scopus 數據顯示，2018 年，美國企業(yè)署名 AI 論文比例是中國的 7.36 倍，歐盟的 1.92 倍。2012 年 至 2018 年，美國企業(yè)署名 AI 論文比例增長(cháng) 43pct，同期中國企業(yè)署名 AI 論文僅增長(cháng) 18pct。 此外，人工智能與市場(chǎng)應用關(guān)聯(lián)密切，校企合作論文普遍存在。而我國校-企合作論文比例僅為 2.45%，與以色列（10.06%）、美國（9.53%）、日本（6.47%）差別較大。從產(chǎn)學(xué)結合的角度， 中國人工智能研究以學(xué)術(shù)界為驅動(dòng)，企業(yè)在科研中參與程度較低，或難以實(shí)現以市場(chǎng)為導向。

中國人工智能高校數量實(shí)位于第二梯隊，實(shí)力比肩美國。高校是人工智能人才供給和論文產(chǎn)出的核心載體。據騰訊研究院統計，全球共 367 所高校設置人工智能相關(guān)學(xué)科，其中，美國（168 所）獨占鰲頭，占據全球的 45.7%。中國擁有 20 所高校與英國并列第三，數量上稍顯遜色。此外，中國高校實(shí)力普遍上升，表現強勁。據麻省理工學(xué)院 2019 年發(fā)布的 AI 高校實(shí)力 Top20 榜單中，中國清華大學(xué)、北京大學(xué)包攬前兩名，較 2018 年分別上升 1 個(gè)和 3 個(gè)名次。

從創(chuàng )新環(huán)境的角度

研發(fā)投入：中美研發(fā)投入差距收窄

中國研發(fā)高投入高強度，在全球研發(fā)表現中占據重要地位。從研發(fā)投入的角度，美國、中國、日本和德國始終是全球研發(fā)投入的主力軍。據 IDC 統計顯示，2018 年四國的研發(fā)投入總和占全球總量的比例已達 60.77%。其中，美國憑借其強大的研發(fā)實(shí)力連續多年位居全球研發(fā)投入的榜首。近年來(lái)，中國研發(fā)投入呈現一路猛增的強進(jìn)勢頭，據 Statista 統計， 國內 2019 年研發(fā)投入額為 5192 億美元，僅次于美國。且趨勢上與美國差距不斷縮小，2000 年至 2019 年，CAGR 高達 14.43%，同期美國 CAGR 僅 2.99%。由于經(jīng)濟疲軟等諸多原因，歐盟與日本則呈現較為緩慢的上升趨勢。據研發(fā)投入與強度增長(cháng)的趨勢推測，中國或在 1-2 年內取代美國的全球研發(fā)領(lǐng)先地位。從研發(fā)強度的角度，中國研發(fā)強度總體上呈逐步攀升的趨勢，且漲幅較大。但對創(chuàng )新活動(dòng)投入強度的重視程度仍與美國和日本存在差距。2018 年中國研發(fā)強度 1.97%，低于日本和美國 1.53、0.87 個(gè)百分點(diǎn)。

資本投入：資金多而項目缺，資本投向側重終端市場(chǎng)

中美是全球人工智能“融資高地”。人工智能開(kāi)發(fā)成本高，資本投入成為推動(dòng)技術(shù)開(kāi)發(fā)的主力。在全球范圍內，美國是人工智能新增企投融資領(lǐng)先者，據 CAPIQ 數據顯示，2010 年至 2019 年 10 月，美國 AI 企業(yè)累計融資 773 億美元，領(lǐng)先中國 320 億美元，占全球總融資額的 50.7%。尤其是特朗普政府以來(lái)，人工智能投資力度逐步加碼。中國作為全球第二大融資體，融資總額占全球 35.5%?？紤]到已有格局和近期變化，其他國家和地區難以從規模上撼動(dòng)中美兩國。從人工智能新增企業(yè)數量來(lái)看，美國仍處于全球領(lǐng)先地位。2010 至 2018 年，美國累計新增企業(yè)數量 7022 家，較約是中國的 8 倍（870 家）。中國每年新增人工智能企業(yè)在 2016 年達到 179 家高點(diǎn)后逐漸下降，近兩年分別是 179 家（ 2017 年）， 151 家（2018 年），表明中國資本市場(chǎng)對 AI 投資也日趨成熟和理性。整體來(lái)看，中國人工智能新增企業(yè)增勢緩慢，但融資總額漲幅迅猛。這一“資金多而項目缺”的態(tài)勢或是行業(yè)泡沫即將出現的預警。

相比較美國，中國資本投向側重易落地的終端市場(chǎng)。從融資層面來(lái)看，中國各領(lǐng)域發(fā)展較為均衡，應用層是突出領(lǐng)域，如自動(dòng)駕駛、計算機學(xué)習與圖像、語(yǔ)音識別和無(wú)人機技術(shù)領(lǐng)域的新增融資額均超過(guò)美國。而美國市場(chǎng)注重底層技術(shù)的發(fā)展。據騰訊研究院數據顯示，芯片和處理器是美國融資最多的領(lǐng)域，占總融資額的 31%。當前中國對人工智能芯片市場(chǎng)高度重視，但受限于技術(shù)壁壘和投資門(mén)檻高，國內芯片融資處于弱勢。

基于信息熵的 TOPSIS 法：綜合指標評估（略）

數據結果顯示，美國綜合指標及三大項目指標評分絕對領(lǐng)先，中國第二，歐洲 28 國暫且落后。具體來(lái)看，美國在人工智能人才儲備、創(chuàng )新產(chǎn)出、融資規模方面優(yōu)勢明顯。中國作為后起之秀，盡管有所趕超，但總體水平與美國相比仍有差距，尤其是杰出人才資源、高質(zhì)量專(zhuān)利申請上存在明顯的缺陷和短板。但在論文數量和影響力、研發(fā)投入等指標上，中國正快速發(fā)展，與美國差距收窄。從各指標具體分析來(lái)看，我國人工智能研究主要分布在高校和科研機構，企業(yè)參與度較低，產(chǎn)出成果較多呈現條塊化、碎片化現象，缺乏與市場(chǎng)的系統性融合，這將不利于中國人工智能技術(shù)的發(fā)展和產(chǎn)業(yè)優(yōu)勢的發(fā)揮。此外，我國科研產(chǎn)出、企業(yè)數量和融資領(lǐng)域集中于產(chǎn)業(yè)鏈中下游，上游核心技術(shù)仍受制于國外企業(yè)。未來(lái)，若國內底層技術(shù)領(lǐng)域仍未能實(shí)現突破，勢必導致人工智能產(chǎn)業(yè)發(fā)展面臨瓶頸。

展望：乘風(fēng)破浪，探尋彎道超車(chē)之路

國內人工智能追趕速度迅猛，但基礎薄弱問(wèn)題突出。在強有力的戰略引領(lǐng)和政策支持下、依托龐大的數據體量、豐富的應用場(chǎng)景和高度的互聯(lián)網(wǎng)普及率，中國人工智能產(chǎn)業(yè)持續保持蓬勃發(fā)展態(tài)勢，并躋身全球人工智能第一梯隊。技術(shù)上，我國人工智能論文和專(zhuān)利申請量長(cháng)期雄踞世界首位，在國際技術(shù)競賽中多次拔得頭籌；產(chǎn)業(yè)上，以阿里巴巴、騰訊為代表的科技巨頭全面布局人工智能生態(tài)，以寒武紀、科大訊飛、商湯科技為代表的初創(chuàng )企業(yè)深耕垂直領(lǐng)域，打造技術(shù)護城河。我國人工智能產(chǎn)業(yè)規模、資本投入、企業(yè)數量呈現爆發(fā)式增長(cháng)，智能技術(shù)與實(shí)體融合持續加強，落地場(chǎng)景不斷豐富。但我們也應當意識到，與美國、歐洲相比，我國在產(chǎn)業(yè)鏈分布上更加集中于應用落地端口。長(cháng)期市場(chǎng)化導向導致國內行業(yè)發(fā)展出現結構性失衡，基礎理論缺乏、原創(chuàng )算法薄弱、高端芯片依賴(lài)進(jìn)口等問(wèn)題凸顯，這也反映出中國人工智能發(fā)展不牢的風(fēng)險點(diǎn)。因此，站在科技創(chuàng )新的“巨型風(fēng)口”，我們更需要審慎后續技術(shù)路線(xiàn)和產(chǎn)業(yè)發(fā)展路徑，加大科研攻關(guān)力度，補齊技術(shù)短板。

從中短期看，技術(shù)優(yōu)化、落地場(chǎng)景的開(kāi)拓和滲透是是最主要的增長(cháng)點(diǎn)；從長(cháng)期看，智能生態(tài)體系建設才是彎道超車(chē)的必由之路。人工智能產(chǎn)業(yè)的核心競爭力在于生態(tài)體系的建設，包括大數據、算法理論、底層技術(shù)、應用生態(tài)、人才儲備等層面。而我國人工智能產(chǎn)業(yè)生態(tài)和基礎設施建設正處于探索期，如何實(shí)現核心技術(shù)的突破和拓寬人工智能技術(shù)與社會(huì )經(jīng)濟融合場(chǎng)景著(zhù)力點(diǎn)在于人才儲備和持續的研發(fā)投入。從人才的角度，收窄技術(shù)差距的根本在于優(yōu)化人的知識結構和能力。當前政策應側重建立人才培養體系，為人工智能打造人才資源池，尤其是在基礎學(xué)科領(lǐng)域突破人才瓶頸。同時(shí)，打破“唯數量論”的科研評價(jià)和考核體系，改變人才激勵機制勢在必行。我國人工智能專(zhuān)利申請和科研產(chǎn)出數量全球領(lǐng)先，但質(zhì)量堪憂(yōu)。唯有從源頭改變評價(jià)機制，才能扭轉“量多而質(zhì)優(yōu)”的問(wèn)題。從研發(fā)的角度，企業(yè)技術(shù)優(yōu)化和創(chuàng )新能力是解決產(chǎn)業(yè)痛點(diǎn)的關(guān)鍵?；A研究的投入周期長(cháng)、不確定性大、和風(fēng)險高特點(diǎn)決定了其難以短期內獲得投資回報，但基礎領(lǐng)域的突破將為經(jīng)濟帶來(lái)長(cháng)期和廣泛的溢出效應，因此，國內更應關(guān)注底層技術(shù)的研發(fā)投入，扭轉傳統技術(shù)路徑，顛覆核心技術(shù)受制于人的被動(dòng)局面。此外，人工智能在賦能機器模擬人類(lèi)進(jìn)行決策的同時(shí)產(chǎn)生的倫理道德、隱私保護和社會(huì )安全問(wèn)題值得關(guān)注。由于法律法規存在滯后性，尚無(wú)法對人工智能技術(shù)進(jìn)行有效監管。我國應加快人工智能倫理研究，及早識別人工智能治理風(fēng)險。