德勤全球人工智能行业发展白皮书2019

该《白皮书》主要发现:

人工智能正全方位商业化，在各个行业引发深刻变革。

目前AI技术已在金融、医疗、安防等多个领域实现技术落地，且应用场景也愈来愈丰富。人工智能的商业化在加 速企业数字化、改善产业链结构、提高信息利用效率等方面起到了积极作用。

AI全面进入机器学习时代，未来人工智能的发展将是关键技术与产业的结合。

每一次人工智能的发展都伴随着研究方法的突破，深度学习是近年机器学习技术突破的重要代表之一。随着人 工人工智能研究和应用领域的不断延伸，未来人工智能将迎来更多种技术的结合应用。

人工智能投资趋于理性，底层技术和易落地领域更受人工智能领先机构青睐。

随着投资界和企业界对人工智能的了解逐步加深，人工智能投融资市场更加理性。人工智能投融资频次有所下 降，但投资金额继续增加。特别是经过行业的一轮优胜劣汰后，底层技术创业公司以及落地性强的领域如医 疗、教育、无人驾驶等创业项目继续受到人工智能领先机构的青睐。

城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。

不同城市在人工智能的顶层设计、算法突破、要素质量、融合质量、应用质量上有着不同的表现，形成多样化 与个性化的AI发展模式。

政策与资本推动京津冀、长三角、珠三角成为人工智能企业分布最多的地区，北京、上海领跑全国。

比如上海通过提供税收优惠、资金补贴、人才引入、优化政务流程等措施优化营商环境，吸引大量投融资资 金、人工智能企业以及人才，科研实力突出。促进人工智能产业链上下游企业形成规模效应，提升城市人工智 能产业实力。

以上海和北京为代表的一线城市在人才数量、企业数量、资本环境以及科研能力长期处于第一梯队。

上海、北京城市的人工智能企业数量已超过600家，其中上海已经与科技巨头腾讯、微软以及人工智能独角兽商 汤、松鼠AI建立了企业实验室。

人工智能推动金融行业构建更大范围能的高性能生态系统，提升金融企业商业效能并变革企业内部经营全过程。

传统金融机构与科技公司合力推进人工智能在金融行业的深度渗透，重构服务架构，提升服务效率，向长尾客 户提供个性化服务的同时降低金融风险。

人工智能在教育行业的应用逐步深入，应用场景向覆盖教学全流程方向变革。

在人工智能技术在教育领域的应用类型中，人工智能自适应学习在学习各环节应用最为广泛，此外，由于中国 人口基数大，教育资源紧缺，对教育的重视程度等有利因素智适应学习系统有望后来者居上。

数字政务的建设主要依靠自上而下推动，构建政务数字化目标加速政府智能化变革。

各地数字政务建设的需求不同，因而为企业提供的是定制化解决方案。公共安全领域进入门槛提高，强者恒强 趋势明显，行业集中度进一步增强。

以无人驾驶技术为主导的汽车行业将迎来产业链的革新。

传统车企的生产、渠道和销售模式将被新兴的商业模式所替代。新兴的无人驾驶解决方案技术公司和传统车企 的行业边界将被打破。随着共享汽车概念的兴起。无人驾驶技术下的共享出行将替代传统的私家车的概念。随 着无人驾驶行业规范和标准的制定，将衍生出更加安全和快捷的无人货运和物流等新兴的行业。

人工智能在制造业领域的应用潜力被低估，优质数据资源未被充分利用。

制造业专业性强，解决方案的复杂性和定制化要求高，所以人工智能目前主要应用在产品质检分拣和预测性维 护等易于复制和推广的领域。然而，生产设备产生的大量可靠、稳定、持续更新的数据尚未被充分利用，这些 数据可以为人工智能公司提供优质的机器学习样本，解决制造过程中的实际问题。

零售领域应用场景从个别走向聚合，传统零售企业与创业企业结成伙伴关系，围绕人、货、场、链搭建应用场景。

人工智能在各个零售环节多点开花，应用场景碎片化并进入大规模实验期。传统零售企业开始布局人工智能，将 与科技巨头在大数据应用和人工智能领域同台竞技，意味着零售商将更加积极与创业公司建立伙伴关系。

医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市场准入机制并加强医疗数据库的建设。

人工智能的出现将帮助医疗行业解决医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康， 医疗又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产品商业化过程中如何制定医疗 和数据监管标准。

一、AI创新融合新趋势

1.1 人工智能正全方位商业化

当前人工智能技术已步入全方位商业化 阶段，并对传统行业各参与方产生不同 程度的影响，改变了各行业的生态。这 种变革主要体现在三个层次。第一层是 企业变革：人工智能技术参与企业管理 流程与生产流程，企业数字化趋势日益 明显，部分企业已实现了较为成熟的智 慧化应用。这类企业已能够通过各类技术手段对多维度用户信息进行收集与利 用，并向消费者提供具有针对性的产品 与服务，同时通过对数据进行优化洞察 发展趋势，满足消费者潜在需求。第二 层是行业变革：人工智能技术带来的变 革造成传统产业链上下游关系的根本性 改变。人工智能的参与导致上游产品提 供者类型增加，同时用户也会可能因为 产品属性的变化而发生改变，由个人消费者转变为企业消费者，或者二者兼而 有之。第三层是人力变革。人工智能等 新技术的应用将提升信息利用效率，减 少企业员工数量。此外，机器人的广泛 应用将取代从事流程化工作的劳动力， 导致技术与管理人员占比上升，企业人 力结构发生变化。

1.2 AI全面进入机器学习时代

随着技术的进步和发展，人类学习知识 的途径逐渐从进化、经验和传承演化为 了借助计算机和互联网进行传播和储 存。由于计算机的出现，人类获取知识 的途径开始变得更加高效和便捷。在不 久的将来，绝大多数的知识将被机器提取和储存。强大的计算机算法将逐渐获 得类人的能力，包括视觉、说话的能力 和方向感等。

在人工智能众多的分支领域中，“机器 学习”（Machine Learning）是人工智 能的核心研究领域之一。包括89%的人工智能专利申请和40%人工智能范围内 的相关专利均为机器学习范畴。最初的 研究动机是为了让计算机系统具有人的 学习能力以便实现人工智能。机器在现 有的知识找到空缺，接着机器效仿人脑 并模拟进化，系统化地减少不确定性， 识别新旧知识的相同点，并完成学习。

人工智能核心是算法

作为人工智能的底层逻辑，算法是产生 人工智能的直接工具。从历史的进程来 看，人工智能自1956年提出以来，经 历了三个阶段，这三个阶段同时也是算 法和研究方法更迭的过程：第一个阶段 是20世纪60~70年代，人工智能迎来了 黄金时期，以逻辑学为主导的研究方法 成为主流。人工智能通过计算机来实现 机器化的逻辑推理证明，但最终难以实 现。第二个阶段是20世纪70~90年代， 其中，1974到1980年间，人工智能技 术的不成熟和过誉的声望使其进入“人 工智能寒冬”，人工智能研究和投资大 量减少。

1980年到1987年，专家系统研究方法 成为人工智能研究热门，资本和研究热 情再次燃起；1987年到1993年，计算 机能力比之前几十年已有了长足的进 步，这时试图通过建立基于计算机的专 家系统来解决问题，但是由于数据较少 并且太局限于经验知识和规则，难以构 筑有效的系统，资本和政府支持再次撤 出，人工智能迎来第二次“寒冬”。

第三个阶段是20世纪90年代以后，1993 年到2011年，随着计算力和数据量的大 幅度提升，人工智能技术获得进一步优 化；至今，数据量、计算力的大幅度提 升，帮助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。基于深度神经网络技术的发 展，才逐渐步入快速发展期。

此外，数据是人工智能底层逻辑中不可或缺的支撑要素，没有数据针对人工智能的数据处理将无法进行。有了数据挖掘对数据 的清晰、集成、归约等预处理手段，人工智能才能拥有足够的数据进行学习。随着人工智能技术的迭代更新，从数据生产、采 集、储存、计算、传播到应用都将被机器所替代。

1.3 市场对投资回归理性

从科研和学术的范畴到技术创业，人工 智能仅用了几年的时间。这样的转变不 仅得益于人们希望新技术解放生产力的 要求和政策的扶持，还离不开资本市场对人工智能的助推。随着资本市场对人 工智能认知的不断深入，投资市场对人 工智能的投资也日趋成熟和理性。在过 去5年间，中国人工智能领域投资出现 快速增长。人工智能的元年2015年，投资总额达到了450亿元，并在2016年和 2017年持续增加频次。2019年上半年 中国人工智能领域共获融资超过478亿 元，获得了不俗的成绩。

分析人工智能的投资趋势，主要分为以 下几点：

• 易落地人工智能应用场景受投资人追 捧。近年投融数据显示，企业服务、机器人、医疗健康、行业解决方案、 基础组件、金融领域在投资频次和融 资金额上均高于其他行业。从公司层 面来看，全球顶级团队、资金实力和 科技基因更易受到二级市场投资者的青睐。从行业方面来看，容易落地的 新零售，无人驾驶，医疗和智适应教 育预示着更多的机会，因此以上领域 的公司拥有更多获得投资的机会。

• 投资市场开始青睐底层技术创业公 司。有别于前期对应用型人工智能公 司的投资偏好，投资市场开始逐渐关 注人工智能底层技术的创业公司。做 底层技术更易受追捧，由于天花板 高，这类公司在市场上更加具有竞争 力。由于人工智能底层技术在中国的 发展仍落后于美国的，而底层技术是人工智能发展的重要支持，随着人工 智能在中国的进一步发展，底层技术 的投资的热度将持续增长。

• 获投A及B轮公司占比仍然最高，战略 投资开始逐渐增多。目前全国有超过 1,300家人工智能企业获得风险投资投 资。其中A轮以前的获投频次占比开 始逐渐缩小，投资人对A轮仍然保持着较高的热情，目前是获得投资频次最 高的轮次。战略投资在2017年开始爆 发。随着人工智能市场板块的逐渐成 熟，以互联网巨头为主的领军企业将 目光投向了寻求长期合作发展的战略 投资。这也预示着人工智能行业与产 业在资本层面的战略合作开始增多。

• 巨头投资人工智能布局在业务关联产 业上下游。在人工智能发展的热潮 中，嗅觉敏锐的互联网巨头也开始 了自己的战略布局。以科技部、中科 院国科控股、地方财政局和经信委等 机构扶持的科技投资基金以及阿里巴 巴、腾讯、百度、京东为首的互联网 巨头已经将投资渗透到人工智能的各 个板块。从领域来看，各投资机构选择投资的项目均处于其未来产业战略 布局的上下游，而这些获投项目也推 动着国家人工智能发展战略的落地。

例如阿里巴巴投资重点主要在安防和 基础组件，获投的代表性公司包括商 汤、旷视和寒武纪科技等。腾讯投资 的重点主要集中在智慧健康、教育、 智慧汽车等领域，代表性的公司包括 蔚来汽车、碳云智慧等企业。百度投资的重点主要在汽车、零售和智慧家 居等领域。京东投资重点聚集在汽 车、金融和智慧家居等领域。而依托 中科院体系的国科系则在与芯片、医 疗、教育等人工智能技术和应用领域 均有涉足。随着数字化在各行业中的 转型和融合，人工智能在无人驾驶、 医疗健康、教育、金融、智能制造等 多个领域都将成为巨头的必争之地。

作为未来的新型行业，人工智能企业呈现出高增长的特征。我们根据不完全的公开信息，以及德勤高科技高成长500强榜单内 的人工智能企业进行增长率梳理，筛选出了50家高增长企业。

1.4 城市逐渐成为AI创新融合应用主战场

城市是承载AI技术创新融合应用的综合 性载体，也是人类与AI技术产生全面感 知的集中体验地。过去几年，全球各地 的主要城市都在AI技术的发展中发挥了 差异化作用，构建了各自的生态体系， 并在赋能产业应用、助力区域经济发展 方面实现初步效果，掀起了人类对新一 轮产业革命的思考、认知和行动。随着 AI应用纷纷落地于城市层面，城市逐渐 成为AI创新融合应用的主战场。

虽然全球各地AI技术的关键成功要素各 有差异，但总体而言都构建了有利于技 术与城市融合的生态发展体系。我们对 超过50个AI技术细分应用行业、100多

个AI技术相关的大学及研究机构、200多 家头部企业、500多个投资机构、7,000 家AI企业、10万名AI领域核心人才的持 续跟踪观察，总结了以城市为主体的AI 技术及产业生态体系的特点、框架及发 展路径。经过综合考虑，我们认为一个 城市AI技术创新融合应用程度可主要通 过考察以下五大方面：

• 顶层设计：即AI产业扶持政策、特殊 立法、数据开放政策及开放程度等

• 算法突破：即AI芯片等人工智能核心 软硬件的研发核心环节等

• 要素质量：即AI领军人物、资本支持 力度、科学家薪酬水平、行业会议影 响力等

• 融合质量：即前沿学科连结性（AI: +Cloud、+Blockchain、+IoT、+5G、 +Quantum Computing等前沿技术）、 创新主体多元性（头部企业、学术机 构等）、文化多样性等

• 应用质量：即金融、教育、医疗、数 字政务、医疗、无人驾驶、零售、制 造、综合载体发展等

根据全球城市在上述五项指标中的评估 表现，德勤评选出最具代表性的三大类 共计20个全球AI创新融合应用城市：

综合枢纽型

旧金山湾区

旧金山湾区作为全球知名的AI创新地，在 AI创新融合应用城市评选的5个方面均表 现亮眼。其中，在要素质量方面，旧金 山湾区是全球AI资本的集聚地，数据显 示，2000-2016年吸引了全球38%的AI投 资，美国超过1/3的人工智能企业诞生于 此 。此外，旧金山大湾区还积极承办具有全球影响力的人工智能论坛—2018 年AAAI Conference，进一步提高城市 在人工智能产业发展的影响力。在融合 质量方面，旧金山湾区汇集了美国斯坦 福、伯克利、圣地亚哥等全球顶尖研究 型高校，为Facebook、LinkedIn、Ama zon、Apple、Google等科技巨头输送了 大量AI人才。值得注意的是，上述企业为机器学习科学家提供的平均年收入 高达293,000美元，对AI人才集聚具有极 强的吸引力。在应用质量方面，硅谷作 为湾区人工智能产业的核心载体，包括 IBM、Google、NVIDIA、Intel在内的头部 科技企业目前在智能家居、智慧交通、 智慧医疗、智慧零售、智慧能源和智慧 水资源等不同应用领域中积极布局。

伦敦

伦敦作为欧洲创新密度最高的AI枢纽， 一直走在AI产业创新的前沿。在应用 质量方面，总部位于伦敦的AI明星企 业—DeepMind公司制造的AlphaGo围 棋机器人击败了排名世界第一的世界围 棋冠军柯洁，成为人工智能发展史上的 里程碑事件。目前DeepMind已与英国医 疗机构和电力能源部门达成合作，寻求 将人工智能运用在医疗、电力等领域的 方案，以此提高疾病防治和能源适用效 率。在融合质量方面，伦敦是欧洲AI投 融资的火车头，数据显示，2000-2006 年英国累计AI融资规模占欧洲的49%， 其中超过60%的资金集中在伦敦。数 据显示，英国人工智能企业融资规模达 12.51亿美元，融资145次，平均每笔融 资862.76万美元。在人才方面，来自剑 桥、牛津和国王学院等英国顶级学府的 大量AI人才推动了伦敦在云计算和AI硬件 方面的发展，例如知名半导体公司ARM 就是剑桥大学剥离而来。

波士顿

波士顿是人工智能的诞生地，在学术 界及业界拥有着极强的影响力。在要 素质量方面，除了定期举办的世界级 人工智能会议AI World Conference & Expo之外，波士顿学术界更是诞 生了“人工智能之父”约翰 • 麦卡锡 （John McCarthy）与马文 • 李 • 闵斯基 （Marvin Lee Minsky）。两人在达特矛 斯会议上首次提出“人工智能”概念， 并因在人工智能领域的突出贡献而获颁 图灵奖。在融合质量方面，波士顿拥有 众多世界一流学府，包括哈佛大学、波 士顿大学、麻省大学、麻省理工在内的 35座大学为波士顿地区人工智能产业 持续提供高端人才。此外，根据麻省理 工大学指出，波士顿还拥有顶尖的人工 智能研究机构，包括全球最大的校园实 验室—麻省理工学院计算机科学和人 工智能实验室（CSAIL）以及IBM在波 士顿地区投资2.4亿美元设立的MIT-IBM Watson人工智能研究所。在应用质量 方面，受益于在机器人和生物科学领域 积累的研究经验，波士顿在这两个领域 的人工智能应用较为领先。根据Emerj 人工智能研究院显示，超过90%的美国 军方所使用的陆地移动机器人研发于波 士顿。

东京

东京是日本人工智能产业的首府。在顶 层设计方面，政府为了推进东京人工智 能产业的发展，专门成立了一个“人工 智能战略委员会”，为鼓励企业发展人 工智能产业制定各项政策。在应用质量 方面，东京偏向于无人驾驶及机器人的 发展。本田近年已在东京设立人工智能 研究基地，着重加强本田在无人驾驶汽 车上的竞争力。而在机器人领域最具有 代表性的，则是安川电机公司生产的工 业机器人，目前已经广泛用于汽车、机 械等领域的组装与焊接。在要素质量 方面，东京积极承办国际人工智能展览 会AI EXPO，展览会聚集了包括阿里巴 巴，Salesforce、FujiSoft在内的行业领 军者。在融合质量方面，不但政府设立 多处人工智能研究机构，包括人工智能 研究中心（AIRC）、高级智能项目中 心（Center for Advanced Intelligence Project），东京大学、大阪大学、早稻 田大学在内的20多所大学也均已设立人 工智能专业，为人工智能产业的发展奠 定了坚实的基础。

融合应用型

纽约

纽约是美国的金融和科技中心，在人工 智能的融合质量和应用质量方面的表现 尤为出色。在融合质量方面，纽约良 好的投资环境和畅通的融资管道为AI初 创企业的发展提供必要的支持。据纽 约州公布的报告显示，2016年纽约市 一共拥有7,600家科技公司，相比2010 年增了23%，除了来自硅谷的科技 巨头外还包括众多市值超过十亿美元的科技产业“独角兽”公司，如Warby Parker、Blue Apron、Buzzfeed、Fa nDuel、OscarHealth、ZocDoc等，企 业创新氛围浓厚。在应用质量方面， 纽约是美国智慧城市发展的领头羊。纽 约市政府与Cisco IBSG合作推行Smart Screen City 24/7计划，将传统的电话 亭改装成具有触摸和影音功能的智能屏 幕（Smart Screen），为市民提供信息 查询服务的同时作为WiFi热点构建全美最大的城市WiFi网络。此外，纽约还在 曼哈顿西部建设商住区并大安装电子 探测仪，利用数码技术实时侦测区内交 通、能源和空气质素等资料。同时，纽 约作为世界金融之都，在金融科技的发 展上也独树一帜。众多全球知名金融机 构如花旗银行、摩根大通、摩根史坦利 等近年来已在智慧投顾、智慧信贷等金 融场景下推出金融服务产品。

上海

上海作为中国经济发展的领头羊，在AI 技术创新融合应用上持续发力，致力于 打造人工智能“上海高地”。在顶层设 计方面，上海不断完善和细化在人工智 能领域的发展战略和政策，继《推动新 一代人工智能发展的实施意见》之后， 上海于2018年9月的世界人工智能大会 发布了《关于加快推进上海人工智能高 质量发展的实施办法》，办法围绕人工 智能人才队伍的建设、数据资源的共享 和应用、产业的布局和集群、政府资金 的引进与支持等方面提出了22条具体 政策。在融合质量方面，上海作为世界 闻名的金融中心，已成为了推动人工智 能产业投资基金组建运作的核心地区。从投资项目来看，上海拥有聚焦人工智 能创新孵化的空间载体，入驻项目涉及 医疗、教育、大资料等多个热门领域， 具备极佳的投资环境。目前上海不仅拥 有人工智能核心企业近400家，启动了 微软-仪电创新平台、上海脑科学与类脑 研究中心等基础研发平台，还吸引了亚 马逊、BAT、科大讯飞等行业创新中心 和AI实验室落沪。在应用质量方面，上 海作为全国首个人工智能创新应用先导 区，致力于发展无人驾驶、AI+5G、智 能机器人，AI+教育、AI+医疗、AI+工业 等应用场景，如特斯拉在上海建设超级 工厂，将全面应用智能化和自动化生产 技术。此外，上海近期积极建设马桥人 工智能创新试验区，将成为未来上海AI 场景落地的典范载体。

北京

作为中国的政治和经济中心，北京在中 国AI技术创新融合应用中扮演了举足轻 重的角色。在顶层设计方面，自2016 年以来，北京已经发布了包括《关于促 进中关村智能机器人产业创新发展的若 干措施》、《关于加快培育人工智能产 业的指导意见》等多项加快人工智能产 业落地的政策。其规划目标与国家基本 一致，领先于其他城市。在融合质量方 面，不仅清华、北航、北大等顶尖研究 机构为北京AI产业培养了大量的人才， 首都的人才集聚效应还使其汇集了中国 43%的AI初创企业和国内外科技巨头的AI 研究中心，如Google Beijing AI center， 百度深度学习技术国家工程实验室等。在应用质量方面，在2019年6月召开的 北京市应用场景建设工作推进会上，北 京市科委发布了首批10项应用场景清 单，明确未来将投资30亿元用于城市建 设和管理、民生改善等领域，打造基于 人工智能、物联网、大数据等技术的应 用场景，以此提升城市精细化管理能力 和公共安全水平。目前，在无人驾驶应 用场景方面，北京已经向百度颁发无人 驾驶测试牌照并为其提供测试场地。

特拉维夫

人工智能创新植根于以色列特拉维夫的城 市基因中，促使其在要素质量、融合质 量、应用质量等方面处于全球领先地位。在要素质量方面，特拉维夫的人工智能 创业公司维持着高水平的融资额，并且 不断实现增长，根据非营利组织Start-Up Nation Central报告显示，在2018年以色 列人工智能公司共获得了22.5亿美元的 融资。在融合质量方面，以色列已拥有1,150家人工智能初创企业，涵盖机器学 习、深度学习、计算机视觉、自然语言 处理等技术领域。同时，以色列拥有希 伯来大学、以色列理工大学、特拉维夫 大学等人工智能顶尖研究型大学。在应 用质量方面，特拉维夫人工智能企业应 用方向涵盖了众多面向企业、面向消费 者的服务领域，涵盖社交媒体、电商、 农业、石油、天然气、采矿业、制造业 等领域，以在社交媒体领域的应用为 例，Cyabra通过用户画像积累、语料情 感分析等技术为社交媒体公司识别及预 测虚假社交账户。

洛杉矶

洛杉矶是美国另一重要的人工智能之 都，在顶层设计、要素质量、应用质量 等方面具有突出表现。在顶层设计方 面，美国发布《国家人工智能研究和发 展战略计划》，将为人工智能培训创建 公共数据集，并评估人工智能技术。在 要素质量方面，洛杉矶已举办美国人工 智能峰会、洛杉矶大数据和人工智能论 坛、南加州人工智能与数据科学峰会等 众多人工智能领域顶尖大会，如2018 年“南加人工智能与数据科学峰会”吸 引了Salesforce、IBM、Redis Lab、 Microsoft、Uber等人工智能知名机构 在大会上发布行业报告。在应用质量方 面，洛杉矶在智能交通、智能医疗、数 字政务、数字安全等方面已有较为成功 的应用，以人工智能在交通领域的应用 为例，洛杉矶通过建设自动交通监控系 统，包括一系列道路传感器、数百个摄 像头、4,500个已实现系统控制的交通信 号灯，成功将交通流量减少12%、车辆 行驶速度提高16% 。

创新引领型

多伦多

多伦多作为承接加拿大政府泛加拿大人 工智能战略的三个人工智能枢纽之一， 是全球推动人工智能创新的典范城市。在顶层设计方面，相较于美国近年来 趋严的移民政策，多伦多宽松友好的政 治经济环境吸引了大量的AI研究人员和 工程师，极大地促进了本地人工智能的 发展。在要素质量方面，强大的本地投 资者，孵化器，技术专家，如Geoffrey Hinton等多伦多AI产业的领军人物正在 积极推动多伦多人工智能产业的进步和 发展。在融合质量方面，多伦多大学 和滑铁卢大学这两所世界顶尖学术机 构每年都为多伦多不断地培养出工程 师、开发人员、计算机和数据科学家等 核心AI产业人才。此外，位于多伦多的 世界上最大的创新中心之一—Mars Discovery District、多伦多大学的 Vector Institute以及非盈利组织Creative Destruction Lab三个机构正共同致力于 将本地技术和商业人才汇集在一起从而 推动城市的人工智能创新。在应用质量 方面，多伦多以发展人工智能在医疗保 健、金融、生物制药、电子商务等行业 的应用场景并打造人工智能小区为重点 工作。以生物制药为例，多伦多AI企业 Cyclica成功地开发了一种新型生物大数 据和人工智能平台，该平台被制药业用 于研发更好的药物。

深圳

深圳作为中国的科技产业重镇，拥有中 国20%的AI企业，在制造和硬件领域积 累了大量的产业发展经验。在算法突 破方面，过去的几十年中，深圳培育了 世界互联网巨头—腾讯和世界知名移 动设备提供商—华为。此外，旷视科 技、依图、商汤、优必选、碳云智慧等 一大批AI算法及软硬件初创企业均在此 设立了办公室。事实上，深圳作为华南 AI人才的集聚地，吸引了众多来自中山 大学、华南理工大学、暨南大学等一流 高校人才，为本地AI产业链各环节的发 展提供了源源不断的智库储备。在应用 质量方面，作为全国人工智能专利贡献 最多的城市，深圳是名副其实的科技产 业巨头。工业机器人、民用无人机、智 能手机等产品的产量均位居全国前列， 智能制造、智能医疗、智能家居、智慧 农业等一批新产业、新业态不断涌现。

新加坡

新加坡是一座典型的由政府公共部门与 私营单位一起引导人工智能产业发展的 城市。在顶层设计方面，政府积极引领 人工智能产业的发展，在2018年出台 了关于自动驾驶汽车的交通法规，从而 推动该应用场景的投资与发展。同时， 新加坡政府与世界经济论坛合作搭建亚 洲首个人工智能伦理责任管理构架，推 动企业及社会在相关问题上的考。在要 素质量方面，新加坡政府在近年推出 AI.SG计划。根据新加坡国家研究基金 会显示，该项目包含国家研究基金会 （NRF）等公共单位及民间企业，将投 资1.5亿新加坡币发展人工智能产业。在融合质量方面，SAP、Salesforce等龙头企业均在新加坡设立人工智能研究 中心，为当地人工智能行业的发展注入 了丰富的资源。行业的领军人物也较为 出众，包括在顶级行业会议及杂志中发 表超过200篇研究的Steven Hoi教授等 科研人才。在应用质量方面，新加坡着 力发展包括医疗保健、交通、金融和商 业服务、制造业在内的人工智能应用场 景，赋能当地经济发展。

巴黎

巴黎是欧洲最具投资吸引力的人工智能 中心之一，在顶层设计、要素质量和融 合质量等方面具备较强优势。在顶层设 计方面，《法国人工智能战略》的推出 将人工智能上升至法国国家战略高度， 同时，未来还将建立公共机构和私人机 构数据分享平台以提高数据共享程度。在要素质量方面，法国政府将拨款15亿 欧元用以支持科技研发。另外，巴黎大 区政府也通过财政支持了众多人工智能 创业公司。在融合质量方面，IBM、谷 歌、三星、Facebook等头部企业的人工 智能总部已在巴黎建立。另外，巴黎还 拥有众多尖端实验室、上千家人工智能 创业公司以及巴黎第一大学等世界知名 的研究型大学，已形成了繁荣的人工智 能创新基地和生态体系。

达拉斯

达拉斯是美国人工智能代表城市之一， 在要素质量、融合质量和应用质量等方 面较为领先。在要素质量方面，达拉 斯人工智能的领头人物Vibhav Gogate 教授曾获美国国家科学基金会颁发的 CAREER荣誉，并获得美国国防高等研 究计划署180万美元的研究经费。2019年初的Big Data & AI Conference更 是吸引了包含谷歌、亚马逊、甲骨 文、IBM、Verizon在内的人工智能行业 龙头参与。在融合质量方面，得克萨斯 大学达拉斯分校为达拉斯提供了顶尖的 人工智能研究实力，其计算机科学在人 工智能及自然语言处理领域排名世界第 六，发布了一系列出版于国际人工智 联联合会议的研究报告。在应用质量方 面，达拉斯在人工智能零售应用方面的 表现相当出色，领头企业包括人工智能 初创企业Symphony Retail AI，曾获得 全球最大的人工智能评审机构Awards. AI颁发的“最佳零售向人工智能应用” 奖项。

……

1.5 AI支持体系不断发力

作为推动人工智能技术进步的“三驾马 车”，算法、数据和计算力在过去的 5-10年间不断创新。在算法方面，人类 在机器学习的算法上实现了突破，特别 是在视觉和语音技术方面的成就尤为突 出。在数据方面，移动互联网时代的到 来使数据量迎来了爆炸式增长。

人工智能算法模型经过长期发展，目前 已覆盖多个研究子领域。以机器学习为 例，其核心算法包括最小二乘法、K近 邻算法、K均值算法、PCA分析法核心 模型包括线性回归、逻辑回归、判定 树、聚类、支持向量机等。主流算法模 型库使得常见算法模型得到了高效实 现：Caffe框架、CNTK框架等分别针对 不同算法模型进行收集整合，在算法的 开发利用中有很高的实用性。随着大数 据技术的不断提升，人工智能赖以学习 的标记数据获得成本下降，同时对数 据的处理速度大幅提升。宽带的效率 提升。物联网和电信技术的持续迭代 为人工智能技术的发展提供了基础设 施。2020年，接入物联网的设备将增 加至500亿台。代表电信发展里程的5G 的发展将为人工智能的发展提供最快 1Gbps的信息传输速度。

在计算力上，得益于芯片处理能力提 升、硬件价格下降的并行使得计算力大 幅提升。截至目前，全球人工智能的计 算力主要是以GPU芯片为主。但随着技 术的不断迭代，如ASIC、FPGA在内的计 算单元类别将成为支撑人工智能技术发 展的底层技术。

1.6 顶层政策倾斜力度持续增加

人工智能对社会和经济影响的日益凸显，各国政府也先后出台了对人工智能发展的政策，并将其上升到国家战略的高度。截至 目前，包括美国、中国和欧盟在内的多国和地区颁布了国家层面的人工智能发展政策。

时至2019年，中国政府继续通过多种形 式支持人工智能的发展。此前，中国形 成了科学技术部、国家发改委、中央网 信办、工信部、中国工程院等多个部门 参与的人工智能联合推进机制。从2015年开始先后发布多则支持人工智能发展 的政策，为人工智能技术发展s和落地提 供大量的项目发展基金，并且对人工智 能人才的引入和企业创新提供支持。这 些政策给行业发展提供坚实的政策导向的同时，也向资本市场和行业利益相关 者发出了积极信号。在推动市场应用方 面，中国政府身体力行，直接采购国内 人工智能技术应用的相关产品，先后落 地多个智慧城市、智慧政务等项目。

从战略层面来看，《新一代人工智能发展规划》是中国在人工智能领域进行的第一个系统部署文件，具体对2030年中国新人工 智能发展的总体思路、战略目标和任务、保障措施进行系统的规划和部署。规划根据中国人工智能市场目前的发展现状分别对 基础层、技术层和应用层的发展提出了要求，并且确立中国人工智能在2020、2025以及2030年的“三步走”发展目标。

从地方政策来看，全国多地根据自身实 际情况制定了人工智能发展规划。全国 31省市中已有19个省市发布了人工智 能规划，其中有16个制定了具体的产 业规模发展目标，产业规模目标排名 前五的省市分别为上海市、北京市、浙江省、广州省和四川省。其中以北上广 深为代表的城市积极地制定了行之有效 的政策，为人工智能产业的落地和发 展产生了较大的推动作用，成为中国人 工智能行业的重要实践者和领头羊。以 北京为例，已经发布了包括《关于促进中关村智能机器人产业创新发展的若干 措施》、《关于加快培育人工智能产业 的指导意见》等多项加快人工智能产业 落地的政策。其规划目标与国家基本一 致，领先于其他城市。

以上海为例，通过不断完善和细化在人 工智能领域的发展战略和政策，上海正 努力建造国家AI发展高地。继《推动新 一代人工智能发展的实施意见》之后， 上海于2018年9月的世界人工智能大会发布了《关于加快推进上海人工智能高 质量发展的实施办法》，办法围绕人工 智能人才队伍的建设、数据资源的共享 和应用、产业的布局和集群、政府资金 的引进与支持等方面提出了22条具体政策。这22条新举措与上海既往的AI行业 政策紧密衔接，充分利用并结合各类资 金、项目、服务资源，为上海的人工智 能产业提供了广阔的发展平台。

2019年6月13日科创板在上海开板后， 投资和产业将进一步融合，为人工智能 的创新提供资金保障。截止至7月5日， 全国科创板注册生效公司共有25家， 注册地为上海的有5所，其中就包括提 供芯片服务的人工智能明星公司澜起科技。从投资机构来看，上海汇集了大量 资金雄厚、影响力巨大的金融公司，从 投资项目来看，上海拥有聚焦人工智能 创新孵化的空间载体，入驻项目涉及医 疗、教育、大资料等多个热门领域，拥 有极佳的投资环境。上海政府还围绕国家战略，扶持了一批人工智能创新发展 专项企业，这些创业项目大部分以其先 进的技术和商业价值实现了落地，甚至 获得千万级融资，成为将来冲击科创板 的热门候选项目。

总的来说，人工智能产业在全国呈现出多地开花的势态。各省市在国家推出人工智能发展规划后积极响应，其中一线城市作为 中国技术、人才和产业发展最具优势的区域成为中国人工智能发展的中心，有效地带动周边区域的发展。

1.7 全球AI市场超6万亿美元

人工智能将提升社会劳动生产率，特别 是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。全球范 围内越来越多的政府和企业组织逐渐认 识到人工智能在经济和战略上的重要 性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来 几年经历现象级的增长。我们预测未来 2025年世界人工智能市场将超过6万亿美 元，2017-2025年复合增长率达30%。

从行业来看，传统市场规模较大的领域 将继续领跑，2030年制造业，通信、 传媒及服务，自然资源与材料将分别以 16%，16%，14%占据前三名。其中，庞大的制造业企业已经开始加速数字化 转型，推动智能管理、智能工厂、智能 物流等全方位智能化，因而制造业也是 其中增速最快的领域。同时，在新领域中，教育领域人工智能技术的应用也开 始向学习全过程渗透，增长速度也是不 容忽视。

我国的人工智能核心产业规模目前已 超过1,000亿元，预计到2020年将增长 至1,600亿元，带动相关产业规模超一 万亿元。其中北京、上海、浙江、江 苏、广东的人工智能相关产业规模位于 所有省份和直辖市前列，预计2020年 分别可达到1,400亿、1,300亿、2,700 亿、1,000亿和2,800亿。

以上海为例，上海自推出《关于本市推 动新一代人工智能发展的实施意见》以来，人工智能产业发展加速，2019年相 关产业规模可达到1200亿元。依托长三 角的区位优势，上海人工智能企业在人 才、资本方面都能获取到充足且优质的 资源，企业集群带来的效益提升显著， 有利于公司和行业规模的持续扩大。

1.8 京津冀、长三角、珠三角AI企业云集

人工智能技术进入商业应用阶段后，已 经逐步在众多行业得到应用，其发展前 景受到政府、企业等社会各方的普遍认可，毫无疑问已经成为影响经济发展的 重要力量。

各地政府为推动产业升级，实现经济新旧 动能转换，纷纷颁布与人工智能产业相关 的产业规划指导意见，提供税收优惠、资 金补贴、人才引入、优化政务流程等措施 优化营商环境，吸引有实力的企业入驻， 同时培育本地人工智能企业。

在政策与资本双重力量的推动下，人工 智能企业数量快速上升，据不完全统 计，中国各地人工智能企业超过4,000 家，京津冀、珠三角、长三角是人工 智能企业最为密集的地区。同时，由于有大量的传统制造业需要利用人工智能 技术进行智能化升级，再加上政府政策 的支持，西部川渝地区也成为人工智能 企业的聚集区域。从城市层面来看，北京、上海、深圳、杭 州市是聚集人工智能企业数量最多的城 市，均超过了600家，处于第一梯队。

投融资金额：北京、上海人工智能初创企业融资金额最多

活跃的资本环境将对支持人工智能初创企业提升技术、获取用户、拓展市场有积极影响，促进人工智能产业链上下游企业形成 规模效应，从而提升城市人工智能产业实力。

初创企业在新技术的研发与商用方面承担 开拓者的作用，初创企业获得的融资金额 在一定程度上代表了该地区在新技术的发 展前景。人工智能技术已经步入商用阶 段，其应用范围已经拓展至金融、交通、 医疗、生产制造等多方面，初创企业获得 更多的融资金额意味着更多的资金将推动 人工智能渗透更多行业。

在初创企业获得的融资金额方面，自 2015年以来，北京、上海人工智能初创 企业融资金额均超过500亿元，分别为 1,599亿元与582亿元。这是因为北京、 上海聚集中国大部分的人工智能初创企 业，企业技术实力雄厚，同时客户对新 技术的接受度更高，因而拥有更为广阔 的应用市场。

科研院校与机构实力差异明显：北京实 力雄厚，上海依靠高校，深圳依靠企 业，杭州相对单一

科研院校与机构是人工智能技术研发的 重要场所。中国人工智能论文数量自 2014年超过美国，并且远超其他国家， 这与人工智能科研院校与机构的快速发 展密不可分，同时，科研院校与机构也 是人工智能专利申请的主要力量。因 而，分析各城市人工智能科研院校与机 构能够帮助了解该城市的技术力量。

上述四个城市在人工智能院校与机构维 度各有特点。北京科研实力最为雄厚， 拥有超过全国50%以上的科研院校，以 及超过10家国家级实验室，同时，百 度、京东、美团等互联网巨头建设企业 实验室，向人工智能技术研发投入大量 社会资本。上海借助包括复旦、同济、 上海交大等优质高校资源，人工智能技 术力量在全国也位居前列。深圳科技企 业众多，借助腾讯、华为、中兴等领头 企业的力量在人工智能技术占据一席之 地。同时，政府也开始发挥其作用，建设了深圳智能机器人研究院与深圳人工 智能与大数据研究院，以进一步提升技 术实力。杭州无论是院校数量，院校实 验室或企业实验室的数量仍然与北上深 有一定差距，主要依靠阿里巴巴这一巨 头开展人工智能研究。

从科研和技术平台的建设来看，上海已 位居全国领先地位。上海人工智能功能 平台建设已包括上海自主智能无人系统 科学中心、复旦脑科学协同创新中心、 类脑芯片与片上智能系统平台、脑与类脑智能国际创新中心和上海交通大学认 知机器与计算健康研究中心等。与此同 时，上海还成为了以“人工智能”为核 心的产学研热门城市。包括阿里巴巴、 腾讯、商汤、旷视、微软和亚马逊在内 的科技巨头纷纷将其人工智能研发基地 落户上海，并与当地科研高校建立了联 合实验室，而这一举措也将加深产业与 科研高校在人工智能领域的联动，为上 海人工智能产业的发展提供坚实的智力 支持。

人工智能人才：集聚经济发达地区

人工智能竞争归根结底是人才的竞争。中国人工智能人才分布不均，主要集中于京津冀、长三角以及珠三角地区，此外中西部 也已经形成一定的人才聚集，主要分布在长江沿岸。从各城市人工智能人才占比来看，北京最具优势，占比近28%，是第二名 上海（12.1%）的两倍。深圳、杭州占比均低于10%，位居第二梯队。

人工智能人才依赖于国内高校以及各科研机构的输出，以上海为代表的一线城市凭借丰富而高质的科研教育平台而在行业发展 中具有明显的优势。目前我国超过75%的人工智能人才由国内高校培养，清华大学、上海交通大学、浙江大学在人工智能领域 拥有较强的科研能力，也是我国人工智能人才的主要输出院校。

城市智能化管理：受政策影响较大，深 圳、上海、杭州先行。

智慧城市框架下实现城市管理效率的提 升主要通过利用信息技术实现政务系统的信息化，进而推动各领域数据交汇， 从而为智能城市管理提供数据支持。深 圳、上海和杭州的智能城市管理得分更 高。这些城市政府信息化起步较早，数字鸿沟大大缩小，普遍实现部门资源共 享、协同办公和网上审批。北京由于特 殊地位，政府在实施智能城市管理时需 要有更多的考量，因而排名较为靠后。

二、人工智能技术发展腾飞

2.1 人工智能关键技术日趋成熟

人工智能在最近十年的进展迅速，包括机器学习，自然语言处理，计算机视觉、智适应技术等领域都得到了长足的发展。据清 华大学数据显示，计算机视觉，语音，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34.9%，24.8%和21%。

快速成熟的计算机视觉技术：计算机视 觉是计算机代替人眼对目标进行识别、 跟踪和测量的机器视觉。计算机视觉的 应用场景广泛，在智能家居、语音视觉 交互、增强现实技术、虚拟现实技术、 电商搜图购物、标签分类检索、美颜特 效、智能安防、直播监管、视频平台营 销、三维分析等方面都拥有长足的进步。在该领域科技巨头和独角兽聚集， 代表性的企业和科研机构包括百度、 腾讯、海康威视、清华大学、中科院 等。百度开发了人脸检测深度学习算法 PyramidBox；海康威视团队提出了以 预测人体中轴线来代替预测人体标注框 的方式，来解决弱小目标在行人检测中 的问题。腾讯优图和香港中文大学团队在CVPR2018提出了PANet，在Mask R-CNN的基础上进一步聚合底层和高层 特征，对于ROI Align在多个特征层次 上采样候选区域对应的特征网格，通过 智适应特征池化做融合操作便于后续预 测。此外，上海云从科技、深兰科技、 七牛在内的计算机视觉的创新企业在计 算机视觉方面都拥有领先技术。

巨头必争的语音识别技术：语音识别通 过信号处理和识别技术让机器自动识别 和理解人类的语言，并转换成文本和命 令。其应用场景涉及智能电视、智能车 载、电话呼叫中心、语音助手、智能移 动终端安、智能家电等。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。与此同 时，包括上海云知声在内的新兴创业企 业在语音识别行业占有一席之地。科大 讯飞拥有深度全序列卷积神经网络语音 识别框架，输入法的识别准确率达到了 98%。搜狗语音识别支持最快400字每 秒的听写。阿里巴巴人工智能实验室通 过语音识别技术开发了声纹购物功能的 人工智能产品。

自主无人系统技术落地在望：由于AI和机 器学习的不断进步，无人车，无人机以 及医疗机器人的技术都得到了显著的发 展，其根本原因归功于自主无人系统算 法的支撑。深度学习已经证明具有出色 的能够处理复杂任务的能力。现代计算 设备，比如图形处理单元（GPUs）和计 算框架如Caffe，Theano和Tensor Flow有 助于设计者和工程师建立具有创新性的 无人自主系统。阿里巴巴人工智能实验 室开发单车智能系统，实现了全场景、 全天候的厘米级定位。百度的无人驾驶 技术包含障碍物感知、决策规划、云端 仿真、高精地图服分、销到端的深度学 习（End-to-End）等五大核心能力。地 平线推出了针对自动驾驶的深度学习处 理器IP及其重点面向自动驾驶领域的平 台。在产业应用方面，上海西井科技已 经在无人货运方面进行了探索。

人工智能自适应学习技术日趋成熟： 作为教育领域最具突破的技术，人工 智能自适应学习（Intelligent Adaptive Learning）技术（以下简称智适应学 习），模拟了老师对学生一对一教学的 过程，赋予了学习系统个性化教学的能 力。和传统千人一面的教学方式相比， 智适应学习系统带给了学生个性化学习 体验，提升了学生学习投入度、提高了 学生学习效率。智适应学习技术在美国 和欧洲使用时间超过十年，各年龄段都 有大量用户使用，累积用户超过一亿。产品和技术方面都打磨的比较完善。相 对来说，智适应学习技术在国内积累的 数据量稍有落后，处在初步发展阶段。优势在于，中国人口基数大、发展速 度快，未来有望后来者居上。在国内， 以松鼠AI为代表的智适应教学企业在遗 传算法、神经网络技术、机器学习、图 论、概率图模型、逻辑斯蒂回归模型、 知识空间理论、信息论、贝叶斯理论、 知识追踪理论、教育数据挖掘、学习分 析技术等都实现了技术积累。

2.2 人工智能开放平台建设稳步推进

广阔的产业及解决方案市场是中国人工 智能发展的一大优势。以上优势的形成 除了得益于大量的搜索数据、丰富的产 品线以及广泛的行业提供的市场优势， 还因为各大国内外的科技巨头对开源科 技社区的推动，帮助人工智能应用层面 的创业者突破技术的壁垒，将人工智能 技术直接应用于终端产品层面的研发。从行业来看，人工智能已经在医疗，健 康，金融，教育，安防等多个垂直领域 得到应用。

随着人工智能技术的商用加快，包括科技 巨头和新兴人工智能创业公司形成了自己 的技术优势。为更大程度的利用技术优势 扩大自身的商业优势，以及扶持人工智能 行业的发展，技术领先的人工智能企业开 始构建自己的人工智能开放平台。

人工智能平台是提供构建人工智能应用 的工具。这些工具结合了智能、决策类 算法和数据，使开发者可通过平台创建 自己的商业解决方案。一些人工智能平 台提供预设的算法和简易的框架，人工 智能平台具备“平台即服务”（PaaS） 的功能，可提供基础的应用开发；一些则需要开发者自行开发和编程。这些算 法可以功能性的支持图片识别、自然语 言处理、语音识别、推荐系统和预测分 析等一系列的机器学习的相关技术。

人工智能开放平台的搭建旨在打造从源 头技术创新到产业技术创新的人工智能 产业链。开放的平台连接的产业链的两 端。一方面它可以连接了开发者和一些 研究机构。另一方面可以连接许多下游 的企业，比如一个以图像识别为主的人 工智能开放平台，可以将相关技术能力 开放给希望在图像识别领域开辟业务的 创业团队。

2017年，科技部等部门经充分调研和论 证，确定了首批国家新一代人工智能开 放创新平台：分依托百度、阿里云、 腾讯、科大讯飞公司，建设自动驾驶、 城市大脑、医疗影像、智能语音4家国 家新一代人工智能开放创新平台。2018 年9月，科技部依托商汤建设智能视觉 国家新一代人工智能开放创新平台。从 目前的技术成熟度来看，教育、零售政 务等多个领域已经拥有了以核心技术为 驱动的应用开放平台：

• 自动驾驶国家开放平台

“自动驾驶国家开放平台”主要基于 百度Apollo平台，是一个以百度技术 为依托，对外提供开放、完整、安全 的软硬件和服务平台，帮助开发者搭 建完整的自动驾驶系统。2019年8月 百度Apollo无人车通过长沙测试，完 成了全国首例L3、L4等级别车型的 高速场景自动驾驶车路协同演示。至 此，百度L4级别自动驾驶城市道路测 试里程已经正式突破200万公里，

百度的阿波罗开放平台合作方超过 120余家，覆盖产业链各个环节，包 括整车厂，零部件厂商、出行服务 商、初创企业、通信企业、高校和 地方政府等。厦门金龙、宝马、戴姆 勒均与Apollo平台进行了合作，“阿 波罗”已在北京雄安、深圳、福建平 潭、湖北武汉、日本京都等地开展商 业化运营。

• 城市大脑开放创新平台

依托阿里云建设的城市大脑国家人工智 能开放创新平台，以城市大脑系统为蓝 本，为城市安治理、城市公共服务及 其他各行业的智能应用构建起开放、多 元的生态体系，为新一代人工智能技术 在智能社会各个域中的创新应用提供 支撑服务。算法系统平台可优化大规模 视觉计算平台，全时全域交通自动巡逻 报警系统能够对城市里面的交通事件、 事故进行全方位的实时感知，识别准确 率达到95%以上；车流人流预测系统， 通过区域内的历史和实时视频数据，实 时准确地预测全区域未的车流、人流 的清空。

开发平台的应用部署主要在交通方 面：城市统一数据融合引擎、车流人 流预测系统、大规模数据融合控制引 擎、城市整体交通态势检测系统等构 建。目前，项目平台己累计向杭州、 衢州、上海、嘉兴以及澳门、吉隆坡 等政府客户提供了上千台专有云服务 器的计算资源，支持对海量多路视频 数据实时分析处理。城市大脑算法团 队向公安、交通与市政相关客户提供 输出了图像检测、识别、分割等多种 算法服务。以杭州城市大脑为例，银 江科技与浙大中控合作，实时计算视 频、线圈、微波、互联网的全景数 据，让交警的交通管控经验与城市大 脑的红绿灯配时策略优势叠加，在杭 州市城区、萧山区、余杭区的实践中 效果显著。

• 医疗影像开放创新平台

腾讯觅影”AI影像已实现了单一病种 到多病种的应用扩张，从早期食管 癌筛查拓展至肺癌、糖尿病视网膜病 变、乳腺癌、结直肠癌、宫颈癌等疾 病筛查。AI轴诊平台能够辅助医生诊 断、预测700多种疾病，涵盖了医院门 诊90%的高频诊断。

腾讯公司构建了由医疗机构、科研团 体、器械厂商、AI创业公司、信息化 厂商、高等院校、公益组织等多方参 与的医疗影像放创新平台。平台 连接了创新创业、全产业链合作、学 术科研、惠普公益四个维度核心参与 方，旨在推动国家人工智能战略在医 疗领域的落地。目前，基于“腾讯觅 影”的医疗影响开放平台己与国内一 百多家医院达成合作，累计为医院读 片1.06亿张，累计服务95万患者，提 示高风险病变13万例，累计分析门诊 病历614万份。

• 智能语音开放创新平台

国家智能语音人工智能开放创新平台 主要是基于科大讯飞公司的语音平台 技术建立。新建了人工智能研究中心 以及数据中心。截至2018年10月底， 平台开发者团队数量已超过86万家， 围绕平台入驻企业已超过200家，已 形成了覆盖技术研发、基础平台、物 联网、智能硬件等完整人工智能产业 链。目前，主导和参与6项智能语音相 关国家标准获批正式发布，构建了智 能语音技术与应用领域自主知识产权 和标准体系，形成可持续的产学研系 统创新机制。

科大讯飞的智能语音核心技术领域包 括：语音合成技术、语音识别技术、 机器翻译技术、语音评测技术、认知 智能技术。在开源方面，平台开放 核心技术开发接口和云端在线服务能 力，截至2018年10月底，平台开发 者团队数量已超过86万家。其产业链 服务平台汇聚了方案商、工业设计资 源、销售渠道、生产供应链资源等。在开发者服务社区基础上，结合地方 政府支持，目前已在合肥、长春、洛 阳、西安、重庆、天津、苏州建设了 七个线下专业化众创孵化空间，总面 积超过十万平来，引进落地的智能语 音及人工智能领域开发者团队和公司 五百余家。

• 智能视觉开放创新平台

国家智能视觉开放创新平台主要是基 于商汤科技视觉平台技术上的优势建 立。商汤科技的智能视觉开放创新平 台主要在智能视觉工具链核心基础研 发、实现智能视觉底层关键技术突 破、建立人工智能国际化人才体系， 旨在推动国家人工智能在视觉领域的 发展。商汤科技的核心技术包括人脸 检测跟踪、人脸关键点定位、人脸身 份验证、场景识别等。

目前，商汤的平台包括：视频内容审 核平台、城市级视觉分析平台、驾驶 员监控系统以及增强现实平台等一系 列平台。在安防、商业、金融等多种 场景均提供了解决方案。比如在安防 领域，公安系统通过视图情报研判系 统对于可疑人员的身份进行查询。在 商业领域，通过与大型零售商合作， 利用人脸识别功能实现无人购物、支 付验证等方面的应用：在金融领域， 通过使用身份验证技术可以有效降低 金融风险，提升客户的使用体验。

• 智适应教育开放平台

国务院《中国教育现代化2035》提 出“建设智能化校园，统筹建设一体 化智能化教学、管理与服务平台。利用 现代技术加快推动人才培养模式改革， 实现规模化教育与个性化培养的有机 结合”。目前，作为人工智能应用领 域中技术成熟度较高的教育行业已经 在技术、内容和数据上积累了大量且 分散的资源，为了推动行业的快速发 展以及国家人工智能发展的目标，人 工智能教育企业开始探索教育开放平 台。其中，以松鼠AI为代表的人工智 能教育公司正在成为国内智适应教育 平台的先行者。

如上述五大国家人工智能开放平台， 智适应开放平台的搭建旨在连接产业 链的上中下游。具体到教育行业，即 智适应教育提供的是一套个性化教学 解决方案，可以为平台提供更多的数 据和更加丰富的学生画像，有助于平 台智适应能力的迭代与进化。众包合 作者通过对内容，教学逻辑，产品体 验的优化与创新能为平台提供更坚实 的内容基础与更丰富多样的个性化能 力。智适应能力的接入合作者可以帮 助平台从智适应算法引擎核心上优 化，提升并扩展为更通用更高效的智 适应引擎。

2.3 “人机大战”谁更能更胜一筹？

人工智能是使用机器代替人类实现认 知、识别、分析、决策等功能，是研究 使计算机来模拟人的某些思维过程和智 能行为的学科，主要包括研究计算机实 现智能的原理、制造类似于人脑智能的 计算机，使计算机能实现更高层次的应 用。人工智能涉及到计算机科学、心理 学、哲学和语言学等多门学科。人工智 能技术发展的重要评判标准很大程度上 评判的是他的能力是否能够达到或超过 人类的能力。

若将人工智能的水平与人类相比，大致 可以分为：弱人类级，强人类级，超越 人类级。人工智能在不同领域的发展水 平各不相同，而以上因素成为了影响人 工智能技术发展状态的关键因素：

• 规则和评价方法的明确程度：简单明 确可被计算机量化评估的领域，如棋 牌、游戏等。

• 特殊情况频率出现高低：在典型场景 下的处理和在包含各种特殊异常情

况下处理。如人脸识别和自动驾驶。从“不确定性”的角度来说，机器也 有优势。

• 训练数据的规模：现实领域里，很多 训练数据的积累工作才刚刚开始。如，监督式学习所需要的“标记数 据”往往需要大量的人工参与，成本 很高，大大制约了人工智能在相关领 域里水平的提升。

• 外部环境因素：另外，受到政策因素 的限制，例如医疗数据，或者有些数 据被部分行业企业垄断，这些都导致 数据难以流通，人工智能的水平提升 也就比较缓慢。

阶段一：近期，超越人类的人工智能技术

从IBM DeepBlue到OpenAI Five，小到 棋牌、辩论、电子竞技，大到医疗、教 育领域，“人机大战”兼具验证企业技 术实力和推动人工智能科普引发更多受 众关注的双重任务，正成为各领域验证 人工智能技术成熟与否的重要形式。

在2015年，微软和谷歌研发出超过人类 技能的图像识别技术。百度研发出超过 人类能力的语音识别技术。据世界知识 产权统计，人工智能应用技术中，计算 机视觉（computer vision）以49%的占 比和24%的增速成为2013年至2016年 申请专利注册中最热门的技术。依次分 别为占比14%的自然语言处理（NLP） 和占比13%的语音处理（speech processing）。在计算机视觉的细分类 别中，生物识别（biometrics）和场景 理解（scene understanding）分别以 年均31%和28%的增速排名前列。语音 处理的细分领域中，语音识别（speech recognition）和声纹识别（speaker recognition）的增速均达到12%。在 教育领域，与人类老师相比，如今的 智适应教育技术在教学效果、用户体 验和测试分数等多个方面已经比肩甚 至超过人类。目前包括Knewton、松鼠 AI、Realizeit、ALEKS在内的国内外智适 应教育企业以均通过“人机大战”形式 对人工智能教育技术与人类教授的效果 做出了实验型的对比。

• 计算机视觉

计算机视觉是眼和脑的结合，包含成 像、感知与理解。计算机视觉的能力 现今已经超越了人类。特别是在人脸识 别、图像分类等众多任务中，计算机视 觉能比人类视觉完成的更优秀。在感知 上，机器已比人眼更加敏锐，能取得比 人眼更多的信息，如图像准确的深度信 息，图像识别率比人类更高；此外，机 器在理解层面，某种意义上也能模仿人 类作出一些有创造性的活动。从2016 年ILSVRC的图像识别错误率已经达到 约2.9%，远远超越人类的5.1%，其挑 战项目包括物体检测（识别）、物体定位、视频中目标物体检测三大部分。从 训练数据来看，计算机视觉依托了大 量的数据且不受人类限制。由深度学 习驱动的计算机视觉现已超越人类，主 要在于深度学习是由纯数据驱动，不再 受限于人类的意志。机器视觉在某种意 义上进行的是基于数据的区别于人的理 解活动。

• 语音识别

语音识别技术在20世纪50年代诞生于 贝尔实验室。在20世纪80年代末，卡 耐基梅隆大学推出了第一个高性能的非 特定人、大词汇量连续语音识别系统值得一提的是，汉语语音识别先英语一步 超越人类平均水平。2015年，百度表 示百度汉语语音识别技术词错率低于人 类平均水平。2018年12月，依图短语 音听写的字错率（CER）仅为3.71%， 大幅提升了语音识别技术的准确率。随 着时间的推移，目前语音识别技术的准 确率仍在不断提升。语音识别技术这 种“机器感知”类的技术目前已经相对 成熟，制约语音交互发展的更多原因在 语义理解这种“机器认知”的部分，这 一部分受限于训练方式、样本标记数据 量、计算量等多个方面。

• 人工智能教育

与围棋、游戏等规则明确、数据完整 的系统相比，教学系统的复杂程度 远高于他们，其涉及到的学科包括了 教育学、心理学、认知学等复杂的过 程。智适应学习（adaptive learning） 是一种结合人工智能、数据挖掘、认 知科学、教育学、心理学、行为科学 和计算机科学的技术，其最终目的是 让智适应学习系统在一定程度上能够 模拟人类教师的角色，根据学习者 的学习目标、学习行为、偏好和学习 状态，利用特殊的教学策略动态地调 整学习内容，以达到个性化教学的目 的。通过AI技术模拟了优秀特级教师 的知识经验和教学方法，针对学生的 特性给予个性化辅导，最大化学习效 率。利用机器学习的技术实时动态调 整学生接下来的学习内容和路径，而 非传统教育需要大纲进度或老师的安 排进行统一的学习。

人工智能在教育领域的发展可能进一 步解决当下关于教育资源分配不均引 发的多个的社会问题。另外，由于人 工智能技术在教育行业的应用和落地 技术的成熟只是先决条件，要促成真 正的人工智能教育的普及，还需要企 业对于优质教育资源的整合能力和信 息库建立，算法优势，样本数量，与 政府、学校和教师的协调使智适应技 术获得市场的认可。

阶段二：2到10+年，有希望突破人类平 均水平的技术

人工智能在如语音识别和视觉识别等单 独技术的能力正在急速提升，并快速应 用到多个商用领域。然而随着人工智能 在商业领域的快速发展，涉及的领域和 范围日渐复杂，单独的技术方案无法满 足行业的应用需求。如无人驾驶、智能 医疗等应用技术均涉及到了多个人工智 能应用技术的领域。

从学术研究、专利申请再到产业应用， 人工智能技术的商业化应用会经历漫长 的过程。其中，专利应用的初衷是实现 产业化应用的技术方案，而通常专利用 会比科学论文的发表滞后余约10年的 时间。据世界专利组织统计，科学文章 到专利发表的比例正在下降，这也预示 着行业对人工智能技术的实际应用更感 兴趣。

从2006到2019年间，交通出行行业 成为人工智能技术应用最迅速的行 业。2006年交通行业的人工智能应用 仅占专利应用总数的20%，而截至2019 年，人工智能三分之一应用到了交通出 行行业。2019年，无人驾驶和医疗是当 前两个热门的人工智能技术，因其实现 将但极大的改善社会资源配置和改变人 类的生活方式。由于技术的壁垒，仍然 处在试用和并未完全商用阶段的技术。无人驾驶和医疗作为降本增效和产业赋 能的热门领域，其技术和商业

• 实现完全无人驾驶仍待时日

无人驾驶最终的目标是实现真正自主， 使得乘坐者除了注意路况外，还可以做 其他活动。需要在硬件和软件两方面都 取得进步。在硬件方面，激光雷达可能 花费数万美元，这使得大规模部署成本 太高；在软件方面，工程师需要找到一 种方法来使AI具备归纳、区分不同物体 的能力。自动驾驶汽车依靠人工智能、 视觉计算、雷达、监控装置和全球定位 系统协同合作。

依据规则和评价方法的明确程度、特殊 情况频率出现高低以及训练数据的规模 三个评判标准来衡量，无人驾驶技术尚 未像图像识别和语音处理一样达到或者 超过人类的能力范围。而无人驾驶技术 尚未能够达到人类的判断力。

“完全的无人驾驶汽车（L4-L5级）市 场成熟前，业界首先必须做到以下三 点，第一是汽车必须有360度全方位感 知能力，包括LiDAR、光学传感器和毫 米波雷达等；第二是汽车必须配备高精 度数字地图，定位精度必须做到10cm以内；第三是市场必须建立一个车辆、 行人都认知并接受的交通规则或避让准 则，而且，车辆必须拥有类似人类的感 知推理决策能力，因为人类很可能会不 遵守交通规则或表现得犹豫不决、或进 或退。”与此同时，无人驾驶的发展并 不是单纯的技术发展，它还需要法律法 规，意识甚至是包括保险和政府的基础 设施建设等外围的整体配套支撑。”

因此，无人车替代其他汽车的过程是漫 长的循序渐进的，在这个过程中必须优 先考虑无人车与人类司机共存的情况。

• 人工智能医疗应用欠缺可行的规则和 标准

依据规则和评价方法的明确程度、特殊 情况频率出现高低以及训练数据的规模 三个评判标准来衡量，人工智能医疗在 仍然处于发展中期，要实现完全替代医 生的能力，还需要很长一段路要走。以 智能诊断为例，人工智能帮助进行辅 助诊断在医疗责任认定方面也存在问题 和挑战。用户在使用医疗虚拟助手表达 主诉时，可能会漏掉甚至错误地进行描 述，导致虚拟助手提供的建议是不符合 用户原本的疾病情况的。

从规则和评判方法来衡量，医疗信息标 准的缺失也造成了人工智能在医疗方面 应用的难题。人工智能是强数理、强逻 辑的工具，对于内容的精准度和标准化 要求很高。如对于医疗图像的病灶标 注，即使是同一个科室的医生也可能有 不同的标注方式，还有就是病历，患者 的电子病历数据很难保证完全准确同 步，不同的医生对于各个病种的名称叫 法都会存在地域差异。

由于医疗病症繁杂且特殊情况的频率高， 且关乎民生一旦出现任何差错可能危及生 命，因此各国对于新技术的准入机制管控 十分严格。目前监管部门禁止虚拟助手软 件提供任何疾病的诊断建议，只允许提供 用户健康轻问诊咨询服务。我国监管部门 对于利用人工智能技术提供诊断功能是审 核要求非常严格。在2017年CFDA发布的 新版《医疗器械分类目录》中的分类规 定，若诊断软件通过算法提供诊断建议， 仅有辅助诊断功能不直接给出诊断结论， 则按照二类医疗器械申报认证；如果对病 变部位进行自动识别并提供明确诊断提 示，则必须按照第三类医疗器械进行临床 试验认证管理。

从训练数据的规模来衡量，医疗数据仍 然存在诸多问题。虽然中国的医疗数据 整体量很大，但是具体到某一类医疗问 题时还存在数据量不够大的问题。同时 数据的质量也不够高，例如医疗影像， 必须要有临床经验丰富的医生对数据进 行标注后才能拿给机器学习，这种高质 量的、标注过的数据资源相对有限。目 前，三甲医院拥有绝大多数影像数据和 经验丰富的医生，最有能力帮助人工智 能企业做出好的模型。

阶段三：2099年，强人工智能的时代？

强人工智能是指在各方面都能和人类比 肩的人工智能，因此强人工智能不是仅 限于某一领域，而是让机器人全方位实 现类人的能力。强人工智能能够进行思 考、计划、解决问题、抽象思维、理解 复杂理念、快速学习和从经验中学习。目前有一种认为是，如果能够模拟出人脑，并把其中的神经元、神经突触等全 部同规模地仿制出来，那么强人工智能 就会自然产生。

当前我们正处于弱人工智能阶段。弱人工 智能的产生减轻了人类智力劳动，类似于 高级仿生学。无论是阿尔法狗，还是能够 撰写新闻稿和小说的机器人，目前仍然还只属于弱人工智能范围，它们的能力仅在 某些方面超过了人类。数据和算力在弱人 工智能时代不言而喻，其推动了人工智能 的商业化发展，在强人工智能时代以上两 个因素仍然是最重要的因素。与此同时， 以谷歌和IBM为代表的科技巨头在量子计 算上的研究也为人类进入强人工智能时代 提供了强大助力。

据《智能架构》书中描述，当今AI理领 域的商业和研究专家，DeepMind首席 执行官Demis Hassabis，谷歌AI首席执 行官Jeff Dean和斯坦福人工智能负责人 李飞飞等预测的平均值，强人工智能时 代可能需要到2099年实现。

虽然以上的预测只是简单的猜测，但 从这些预测中的各种偏差中，我们可 以看出强人工智能的实现仍然需时日。

然而，为了实现强人工智能。许多来 自大型科技公司和各类小公司的研究 团队正在为构建强人工智能做出贡献。如谷歌DeepMind和谷歌研究都采取 了具体的措施来实现强人工智能，如 PathNet（训练大型通用神经网络的方 案）和evolutionary architecture search AutoML（图像分类寻找良好神经网络结 构的方法）。

此外，包括特斯拉创始人埃隆·马斯克 创立、亚马逊Web Services部分支柱的 OpenAI也在以强人工智能为目标进行大 量研究，OpenAI还创建了两个特殊的任 务：“体育馆”和“宇宙”，以测试正 在开发的强人工智能的技能。

三、中国在全球AI地位

本次人工智能浪潮以从实验室走向商业化为特征，其发展驱动力主要来自计算力的显着提升、多方位的政策支持、大规模多 频次的投资以及逐渐清晰的用户需求。尽管中国人工智能产业发展迅速，2019年人工智能企业数量超过4,000家，位列全球第 二，在数据以及应用层拥有较大的优势，然而在基础研究、芯片、人才方面的多项指标上仍与全球领先地区有一定的差距。

3.1 中国拥有更为庞大的数据规模以及 更丰富数据使用环境

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。

在数据量方面，中国网民规模居全球第 一，2018年底整体网民规模已经达到 8.29亿，渗透率达59.6%，其中手机网民占比为98.6%，首次超过8亿人。巨大 的网民规模数量意味着中国企业拥有的 数据数量将是更加复杂的，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。

除了数据本身，政府对隐私数据的规 定也将极大影响企业利用数据的可能 性。欧洲政府已经出台了全球最为严格的用户隐私保护政策《通用数据保护条 例》（GDPR），赋予用户对个人数据 的主张权利，用户有权获取并修改个人 数据，并决定谁可以使用。中国也已 经出台了《信息安全技术个人信息安全 规范》，但其严格程度低于GDPR，例 如欧盟对“身份”的界定除了工作单位 等还包括生理状态、心理状态、经济状 态、社会状态等。

3.2 中国是全球芯片需求量最大的市 场，但高端芯片依赖进口

人工智能框架大致可分为三个层面。基础 设施层面包括核心的人工智能芯片和大数 据，这是技术层面的传感和认知计算能力 的基础。应用层面处于最顶层，提供无人 驾驶、智能机器人、智慧安防和虚拟助手 等服务。人工智能芯片是人工智能技术链 条的核心，对人工智能算法处理尤其是深 度神经网络至关重要。目前，中国从美国 进口的集成电路芯片的价值超过2,000亿 美元，远超原油进口额。

在东亚地区，日本在半导体研发和材料 行业一直处于领先地位，拥有包括东 芝、索尼和瑞萨电子等在内的半导体巨 头。韩国和中国台湾分别在存储器和 晶圆代工方面具有较强优势。韩国在动 态随机存取存储器和NAND闪存方面领 先，拥有三星、SK海力士等许多顶尖半 导体企业，这很大程度上得益于政府支 持。且NAND内存市场核心技术能力积 累的要求，使新市场参与者日益难以参 与竞争。中国台湾已经成为全球领先的 半导体晶圆代工产地。该地区半导体晶 圆代工行业由台积电和联华电子两大合 约制造商主导。半导体晶圆代工是信息 技术产业的重要支柱。

中国半导体行业正以两位数的增长率蓬 勃发展。人工智能芯片融资活动一直非 常活跃，相关并购活动也日益增多。其中一个典型的案例是国际巨头赛灵 思对在机器学习、深度压缩、网络剪枝和神经网络系统级优化领域拥有领先技 术的初创企业深鉴科技的收购。以阿里 巴巴、百度和华为为首的领先科技公司 也逐步进入这一竞争领域。值得注意的 是，华为已经掀起了智能手机领域的人 工智能芯片竞争。同时中国大陆正在蚕 食台湾的半导体市场份额。不但如此， 日益扩大的中国大陆市场还将成为集成 电路设计行业的商业渠道，中国大陆企 业将继续投资于台湾的半导体产业。然 而，尽管近年来中国半导体厂商的竞争 力得到显著提升，但关键零部件仍需大 量从西方国家进口，自给率不足20%。中国政府十分关注这一问题，制定了多 项有利政策支持半导体行业的发展。

3.3 中国机器人企业快速成长核心零部 件技术国产化加速

机器人研发与应用已经成为衡量一国科 技发展水平的重要因素，未来经济的增 长在很大程度上与机器人行业的发展息 息相关。机器人作为先进制造业建设的 重要组成部分，无论是工业领域进行生 产活动的工业机器人，还是参与人类日 常生活的服务机器人，对寻找新的经济 增长点都有重要意义。在资金与政策的 大力支持下，中国机器人产业快速发 展，增速保持全球第一，2018年市场规 模超过87.4亿美元，2013-2018年的 平均增长率达到29.7%。

机器人的关键零部件在较大程度上仍旧 依赖进口，包括精密减速机、控制器、 伺服电机等，其中全球精密减速器市场大半被日本企业占据。软件方面，控 制算法、二次开发等，中国企业已经掌 握了一定的技术，但在稳定性、响应速 度、易用性等方面和国外还有差距。此外，从机器人应用场景来看：

工业机器人方面，沈阳新松、埃夫特、 广州数控、哈博实、新时达、埃斯顿和 巨一等一批本土机器人企业得到快速成 长。过去几年国内机器人行业公司纷纷 开展对外并购获取海外先进技术的同时 开拓海外市场，埃斯顿、埃夫特、万丰 科技均并购欧美企业。在机器人三大核 心零件中，控制器和伺服器国产化脚步 加速，但减速器仍需要进口，国内生产 的减速器虽然设计原理一致，但产品性 能和精度仍有巨大差距。

全球服务机器人处于新兴阶段，中国虽 然起步较晚，但在技术方面与全球先进 水平差距较小，甚至某些关键技术已经 处于全球先进行列。BATJ等互联网巨头 凭借强大的技术支持切入市场，传统家 电企业例如海尔积极布局家庭服务机器 人，此外以哈工大为代表的科研机构也 通过与企业合作的方式转化研究成果。

特种机器人市场处于萌芽状态，主要分 布于消防等垂直领域，已经拥有一定的 自主性，在高精度定位导航和避障等核 心技术方面已经取得了突破。

3.4 美国人工智能底层技术实力更为雄 厚，中国则在语音识别技术上更优

自然语言处理（NLP）：中国仍有差距

自然语言处理技术能够改变人类与机器 的互动方式，在商业数据领域隐藏着许 多无法被目前技术手段进行利用的暗数 据，包括短信息、文件、邮件、视频、 语音、图片等非结构化数据，自然语言 处理技术将在商业方面发挥重要作用。

中国在自然语言处理方面，与美国仍有 较大的差距。从企业数量来看，中国拥 有92家，美国则是中国近2.7倍，达到 252家。中国从事NLP工作的员工仅有 6,600名，而美国则达到了20,200名。

语音识别：中国技术更胜一筹

语音识别技术能够被广泛的应用于电 视、手机、呼叫中心、智能家居等场 景。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。阿里巴巴的语音AI技术超越

谷歌，入选MIT2019年全球十大突破性 技术，并且该技术已经渗透入生活的 多个场景，包括快递、客服、火车站购 票等。2018年双十一，“阿里小蜜”承 担了全平台98%客服咨询量，相当于70 万人工客服一天的工作量。

机器视觉：基础算法方面差距较大

机器视觉一直以来都是人工智能技术领 域的热点之一。公众的日常生活已经被 大楼门禁、交通摄像头、银行安保摄像 头等包围，无处不在的摄像头连接上人 脸识别技术，原有的安防效果将被迅速 放大，每个人的行为都能被监控。

从应用层面来看，中美几乎没有差距， 甚至在人脸识别技术上有望超过美国。但是在基础算法方面，中美差距较大。中国目前约有146家企业，大部分属于 应用领域，包括海康威视等，美国则有 约190家。从业人员数量方面，中国拥 有1,510名，而美国则超过4,000人25 。

3.5 中国在AI应用上呈现追击态势

无人驾驶：美国凭借深厚的技术沉淀领 先中国

无人驾驶涉及到的技术包括汽车传感 器技术、AI软硬件、V2X以及无人驾驶 测试四个方面。在传感器技术以及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。但是中国也依靠科技巨头与科研院 校在上述两个方面加速追赶。

在互联技术以及无人驾驶测试两个方 面，中国的水平已经与美国相接近。华 为的5G技术将为互联技术V2X提供全 球一流的通信支持，此外，华为已经与 国内外车厂进行了合作与测试。在无人 驾驶测试方面，北京、上海、深圳、重 庆等城市已经对百度等科技巨头颁发无 人驾驶测试牌照并提供测试场地，科技 巨头与北汽、比亚迪等国内车企开展了 合作。

人工智能教育：国外的发展更为完善， 中国虽然处于起步阶段，但发展前景更 为广阔。

人工智能技术在教育行业的应用在国外 的发展更早，早在二十世纪九十年代已 经出现了智适应技术。人工智能教育产 品在欧美国家的渗透程度更深，通过近 十年的发展，覆盖了各年龄段的用户， 涵盖了早教、小学、初中、高中以及职 业教育中的多个学科，应用的场景也相 对更为广泛，以To B为主，包括考试机 构、学校、企业。代表企业主要可以 分为三类，包括向智适应教育转型的 在线教育平台，例如Coursera，Khan Academy；教育集团智适应事业部， 例如培生提供以GMAT为代表的计算机智适应测评考试；此外还包括试图囊 括学习五大环节的智适应教学平台， 已经出现了Knewton、Aleks等明星公 司。Knewton是一家智适应学习平台企 业，前期主要客户是出版商与教育公 司，通过将各类课程进行数字化进而提 供智适应学习方案，在2016年后开始 与学校合作提供课程产品。截止2019 年，Knewton总融资规模已经超过1.8 亿美元。各项研究已经验证了人工智能 技术在教育方面对提升学习成绩的显著 效果。

人工智能技术在中国的应用则是近几 年刚起步，以To C为主。虽然仍然处 于发展的初期，然而市场发展节奏极快，2018年松鼠AI营收超过5亿元，英 语流利说超过6亿元。由于中国人口基 数大，教育资源紧缺，对教育的重视程 度等有利因素将推动智适应学习系统的 快速发展，各类教育相关企业纷纷布局 人工智能技术。这其中主要包括了以新 东方、好未来为代表的教育集团通过投 资以及自建的方式入局智适应教育。此 外，还有三大类企业，一类是以上海教 育企业松鼠AI为代表的智适应平台，另 外两类是转型智适应教育的在线教育企 业，以及涉足智适应教育的人工智能企 业。智适应学习以其能够贯穿学习全过 程的独特优势成为人工智能在学习各环 节应用最为广泛的技术。

四、人工智能重塑各行业

人工智能技术在过去5-10年快速发展， 随着时间推移，技术渐渐为大众所知， 摩尔定律的节奏逐渐放慢，人工智能商 业化应用成为关注焦点。科技巨头纷纷 布局垂直行业应用，创业企业需要找准切入点，深耕行业解决方案以打造护 城河。

各行业面临的痛点有所不同，例如金融 行业面临成本压力、产品服务单一、交易欺诈等，医疗与教育行业均面临资源 分配不均等。虽然问题不同，但通过数 据收集、处理与分析能够有效解决上述 多样的问题，而人工智能通过数据驱动 能够改变产业。

在金融领域，人工智能技术迅速改变了 传统金融行业的各主要领域。围绕消费 者行为和需求的不断变化，传统的金融 服务行业参与者正面临着各领域各环节 的重构。随着消费者行为和偏好的不断 变化，以技术驱动的精准营销和推送使 消费者获得定制化的产品和服务，通过 技术增强客户粘性，并使小商户融入更 大范围的生态圈；人工智能机器人在一 些服务领域逐渐取代人工客服，为客户 提供咨询服务。

在医疗领域，在人口老龄化、慢性病患者 群体增加、优质医疗资源紧缺、公共医疗 费用攀升的社会环境下，医疗人工智能的 应用为当下的医疗领域带来了新的发展方向和动力。随着人工智能技术在医疗领域 的持续发展和应用落地，这个行业将极大 简化当前繁琐的看病流程，并在优化医疗 资源、改善医疗技术等多个方面为人类提 供更好的解决方案。医疗人工智能技术已 基本覆盖医疗、医药、医保、医院这四大 医疗产业链环节。

近几年，教育行业持续通过数据重构， 呈现出空前的革命性。不同于传统教育 方式，智能化教育方式以学生学习 “教、学、练、评、测”五大环节所产 生的数据为基础，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，模拟智能 体等功能，产生适合每个学生的个性化的解决方案和有效反馈意见。大幅度提 高学习效率，改变教育模式。

针对上述行业在行业应用度以及市场机 会两个维度的表现，可以落入四个象 限。过渡期表示人工智能技术在该行业 具有较高的应用程度，但目前来说市场 机会有限，未来有望进一步拓展市场规 模；萌芽期表示行业应用度以及市场机 会都尚未成熟，尽管人工智能技术发挥 了一些功能但总体来讲尚且处于起步阶 段；成长期表示虽然行业的应用度不 足，但未来应用广泛，拥有较高的市场 机会；发展期表示人工智能技术已经在 这些领域产生了较为深刻的影响，行业 应用度较高，同时市场机会也高。

来源：未来智库