主要發現

1中國人工智能產業發展迅速，但整體實力仍落后于美國。

中國已成為人工 智能發展最迅速的國家之一，2018年中國人工智能市場規模有望超過300億 元人民幣。人工智能企業數量超過1000家，位列全球第二。本次人工智能浪 潮以從實驗室走向商業化為特征，其發展驅動力主要來自計算力的顯著提升、 多方位的政策支持、大規模多頻次的投資以及逐漸清晰的用戶需求。與此同 時，中國處于人工智能發展初期，基礎研究、芯片、人才方面的多項關鍵指標 與美國差距較大。

2中國企業價值鏈布局側重技術層和應用層，對需要長周期的基礎層關注 度較小。

人工智能產業鏈分為基礎層（芯片、算法框架）、技術層（計算機視 覺、自然語義理解、語音識別、機器學習）和應用層（垂直行業/精確場景）。中 國企業布局比較偏好技術相對成熟、應用場景清晰的領域，對基礎層關注度 較小。瞄準AI專用芯片或將為中國企業另辟蹊徑。

3科技巨頭生態鏈博弈正在展開，創業企業則積極發力垂直行業解決方案， 深耕巨頭的數據洼地，打造護城河。

科技巨頭構建生態鏈，已經占據基礎設 施和技術優勢。創業企業僅靠技術輸出將很難與巨頭抗衡，更多的創業企業 將發力深耕巨頭的數據洼地（金融、政府事務、醫療、交通、制造業等），切入 行業痛點，提供解決方案，探索商業模式。

4政府端是目前人工智能切入智慧政務和公共安全應用場景的主要渠道。

早期進入的企業逐步建立行業壁壘，未來需要解決數據割裂問題以獲得長 足發展。各地政府的工作內容及目標有所差異，因而企業提供的解決方案并 非是完全標準化的，需要根據實際情況進行定制化服務。由于政府一般對于 合作企業要求較高，行業進入門檻提高，強者恒強趨勢明顯。

5人工智能在金融領域的應用最為深入，應用場景逐步由以交易安全為主 向變革金融經營全過程擴展。

傳統金融機構與科技企業進行合作推進人工 智能在金融行業的應用，改變了金融服務行業的規則，提升金融機構商業效 能，在向長尾客戶提供定制化產品的同時降低金融風險。

6醫療行業人工智能應用發展快速，但急需建立標準化的人工智能產品市 場準入機制并加強醫療數據庫的建設。

人工智能的出現將幫助醫療行業解決 醫療資源的短缺和分配不均的眾多民生問題。但由于關乎人的生命健康，醫療 又是一個受管制較嚴的行業。人工智能能否如預期廣泛應用，還將取決于產 品商業化過程中如何制定醫療和數據監管標準。

7以無人駕駛技術為主導的汽車行業將迎來產業鏈的革新。傳統車企的 生產、渠道和銷售模式將被新興的商業模式所替代。

新興的無人駕駛解決 方案技術公司和傳統車企的行業邊界將被打破。隨著共享汽車概念的興 起。無人駕駛技術下的共享出行將替代傳統的私家車的概念。隨著無人駕 駛行業規范和標準的制定，將衍生出更加安全和快捷的無人貨運和物流等 新興的行業。

8人工智能在制造業領域的應用潛力被低估，優質數據資源未被充分利 用。

制造業專業性強，解決方案的復雜性和定制化要求高，所以人工智能 目前主要應用在產品質檢分揀和預測性維護等易于復制和推廣的領域。然 而，生產設備產生的大量可靠、穩定、持續更新的數據尚未被充分利用，這 些數據可以為人工智能公司提供優質的機器學習樣本，解決制造過程中的 實際問題。

9零售領域應用場景從個別走向聚合，傳統零售企業與創業企業結成伙 伴關系，圍繞人、貨、場、鏈搭建應用場景。

人工智能在各個零售環節多點 開花，應用場景碎片化并進入大規模實驗期。傳統零售企業開始布局人工 智，將與科技巨頭在應用大數據和人工智能領域同臺競技，意味零售商將 更加積極與創業公司建立伙伴關系。

10政策與資本雙重驅動推動人工智能產業區域間競賽，京滬深領跑全 國，杭州發展逐步加速。京津冀、珠三角、長三角以及西部川渝地區成為人 工智能企業聚集地區。

北京、上海、深圳牢牢占據人工智能城市實力第一梯 隊的位置，廣州的大型企業與初創企業數量較少，杭州主要依靠阿里巴巴， 因而屬于第二梯隊，重慶則受到技術與人才基礎限制處于第三梯隊。

11各地政府以建設產業園的方式發揮人工智能產業在推動新舊動能轉換 中的作用。

人工智能產業園呈現多點開花、依托原有高科技產業園以及與 原有園區企業產生聯動效應的特點。但由于建設速度過快，園區也出現了 空心化與人才缺口的問題。

在中國，政府正通過多種形式支持人工智能的發展。中國形成了科學技術部、國家發改委、中央網信辦、工信 部、中國工程院等多個部門參與的人工智能聯合推進機制。從2015年開始先后發布多則支持人工智能發展的政 策，為人工智能技術發展和落地提供大量的項目發展基金，并且對人工智能人才的引入和企業創新提供支持。 這些政策給行業發展提供堅實的政策導向的同時，也給資本市場和行業利益相關者發出來積極信號。在推動市 場應用方面，中國政府身體力行，直接采購國內人工智能技術應用的相關產品，先后落地多個智慧城市、智慧 政務等項目。

1.1.3 面臨挑戰

人工智能技術在中國實現了快速的發展， 雖然中國在部分技術和快速應用上具備了 一定的競爭力，但是基礎層技術的薄弱仍 然是牽制中國人工智能發展的關鍵制約因 素，同時還面臨標準落地難、法律法規不 完善以及人才缺乏的挑戰。 技術缺口 作為全球發展最快的人工智能市場，中 國在芯片制造和人工智能技術以及基礎 理論研究方面均落后于國際先進水平。

長期以來，中國的芯片大部份依賴進 口，計算力方面的技術基礎薄弱。根據 中國海關總署數據顯示，2015—2017 年中國進口芯片總量分別為3140億 塊、3425億塊、3770億塊，進口額分 別為2299千億美元、2270千億美元和 2601千億美元。這也使芯片進口額連續 三年超過了原油。而在算法研究方面， 中國仍然應用的是Facebook、谷歌等公 司提出的算法框架，在算法研究上仍待 突破。

標準落地

目前，中國人工智能行業在標準落地上 存在較大缺口。標準作為經濟和社會活 動的主要技術依據，已成為衡量國家或 地區技術發展水平的重要標志、產品進 入市場的基本準則、企業市場競爭力的 具體體現。截至目前，美國、歐盟、日 本等發達國家高度重視人工智能標準化 工作。美國發布的《國家人工智能研究 與發展策略規劃》，歐盟發布的“人腦 計劃”，日本實施的“人工智能/大數 據/物聯網/網絡安全綜合項目”，均提 出圍繞核心技術、頂尖人才、標準規范 等強化部署，力圖搶占新一輪科技主導 權。在中國，雖然已經有政府和機構在 牽頭，但中國現階段各人工智能應用領 域的標準存在巨大的差異，頂層設計與 復雜現狀一時仍然難以匹配。

法律法規

正如每一次科技和技術進步，圍繞這項 技術所出現的法理問題也應運而生。人 工智能發展過程中的法律法規制定問題 也是行業面臨的挑戰。以無人汽車為 例，自動駕駛涉及法律法規，而法規不 明確將會制約自動駕駛商業化落地。 中國在人工智能發展政策上主要強調促 進技術進步和產業應用，而對道德倫理 安全規則等問題還存在政策的缺失。截 至目前，美國等世界多國已經開展了就正 義和公平、安全與認證、隱私與權力、稅 收制度和失業、自主武器等方面人工智能 的社會學研究。反觀目前中國人工智能研 究主要聚集在專利技術等維度，關于人工 智能道德和法律方面的研究非常有限。 隨著人工智能發展的深入，政府應該與國 際研究接軌，鼓勵和推動人工智能相關 的社會科學研究。

人才缺乏

據牛津大學2018年對中美兩國對算法研 究的人才與全球先進國家的對比顯示， 中國目前在算法研究方面的人才僅占全 球人工智能底層技術研究的13.1%，而美 國算法人才的占比為26.2%。從開設人 工智能專業院校的數量來看，中國僅有 不到30所大學的研究實驗室專注于人工 智能，該數字遠遠無法滿足人工智能企 業的用人需求。從人工智能從業經驗來 看，美國半數以上的數據科學家擁有十 年以上的工作經驗，而在中國超過40% 的數據科學家工作經驗上不足五年。

總體來看，人工智能行業可分為基礎支 撐層、技術層和應用層。 基礎層提供計算力，主要包含人工智能芯 片、傳感器、大數據及云計算。其中芯 片具有極高的技術門檻，且生態搭建已 基本成型。目前該層級的主要貢獻者是 Nvidia、Mobileye和英特爾在內的國際科 技巨頭。中國在基礎層的實力相對薄弱。 技術層解決具體類別問題。這一層級主 要依托運算平臺和數據資源進行海量識 別訓練和機器學習建模，開發面向不同 領域的應用技術，包括語音識別、自然 語言處理、計算機視覺和機器學習技 術。科技巨頭谷歌、IBM、亞馬遜、蘋 果、阿里、百度都在該層級深度布局。 中國人工智能技術層在近年發展迅速， 目前發展主要聚焦于計算機視覺、語音 識別和語言技術處理領域。除了BAT在 內的科技企業之外，出現了如商湯、曠 視、科大訊飛等諸多獨角獸公司。 應用層解決實踐問題，是人工智能技術 針對行業提供產品、服務和解決方案， 其核心是商業化。應用層企業將人工智 能技術集成到自己的產品和服務，從 特定行業或場景切入（金融、安防、交 通、醫療、制造、機器人等）。未來， 場景數據完整（信息化程度原本比較高 的行業或者數據洼地行業），反哺機制 清晰，追求效率動力比較強的場景或將 率先實現人工智能的大規模商業化5 。從 全球來看，Facebook、蘋果將重心集中 在了應用層，先后在語音識別、圖像識 別、智能助理等領域進行了布局。得益 于人工智能的全球開源社區，這個層級 的門檻相對較低。目前，應用層的企業 規模和數量在中國人工智能層級分布中 占比最大。