人工智能是新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，并創造新的強大引擎，重構生產、分配、交換、消費等經濟活動各環節，形成從宏觀到微觀各領域的智能化新需求，催生新技術、新產品、新產業、新業態、新模式。人工智能正在與各行各業快速融合，助力傳統行業轉型升級、提質增效，在全球范圍內引發全新的產業浪潮。

[[431314]]

人工智能作為國家戰略規劃發展迅猛

我國政府高度重視人工智能的技術進步與產業發展，人工智能已上升國家戰略。《新一代人工智能發展規劃》提出：到 2030 年人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心;《新一代AI產業發展三年行動計劃》表明：重點扶持神經網絡芯片，實現人工智能芯片在國內實現規模化應用;《國家新一代人工智能標準體系建設指南》明確：到2023年，初步建立人工智能標準體系，重點研制數據、算法、系統等重點急需標準，并率先在制造、交通等重點行業和領域進行推進。

現階段，各行業企業在改善價值鏈、降本增效的內在需求驅動和人工智能被列入“新基建”的外在因素影響下，產生了多樣化的智能化轉型升級需求，對人工智能產業快速發展提供動力。據統計，2020年中國人工智能行業核心產業市場規模為1513億元，同比上漲38.93%，帶動相關產業市場規模為5726億元，同比上漲49.82%。在新產業、新業態、新商業模式經濟建設的大背景下，企業對AI的需求逐漸升溫，人工智能產值的成長速度令人矚目，預計到2025年人工智能核心產業市場規模將達到4533億元，帶動相關產業市場規模約為16648億元。

人工智能應用落地3個層級

人工智能的基礎理論雖由來已久，但現階段推動新一代人工智能快速發展并逐步落地產業應用的關鍵要素可歸結為計算能力的提升、數據爆發式增長、機器學習算法的進步以及投資力度的加大四個方面。

人工智能產業鏈包括3個部分：基礎層、技術層和應用層。基礎層主要為人工智能基礎技術提供計算能力支持，包括AI芯片、AI平臺以及AI框架，典型的大型互聯網公司和行業領頭公司主要有谷歌、亞馬遜、英特爾、IBM、百度、華為等。

技術層主要是基于基礎層設施進行開發后的通用性人工智能技術，是以認知與感知計算技術為代表的通用技術。其中，感知部分包括計算機視覺、語音識別和自然語言處理等，認知部分以知識圖譜為主要代表。

應用層以垂直行業的AI應用型公司為主，結合各行業應用，將人工智能通用技術封裝成為落地的產品，包含具體應用場景的端到端式解決方案以及軟硬一體化的產品。近年來，隨著通用技術越來越成熟，大量技術層級的企業逐步轉向應用層級，行業應用價值愈加凸顯。

人工智能產業痛點及應對

在產業落地過程中，人工智能技術與企業需求之間的鴻溝不容忽視。企業用戶的核心目標是利用人工智能技術實現業務增長，而人工智能技術本身無法直接解決業務需求，需要根據具體的業務場景和目標，形成可規模化落地的產品和服務。在這個過程中，人工智能在數據、算法、業務場景理解、服務方式、投入產出比等方面都面臨一系列挑戰。

數據稀缺。AI領域，數據是基礎要素，目前現有的AI模型都需要大量的數據標記，因為模型大多數是監督學習模型。大量的數據標記，不僅僅會要求更多的人力資源，同時人的參與難免會為數據帶來一定程度的誤差。除了對數據量的需求極大，對數據的維度也要求盡可能的全面。總之就是，能有最好都給我，越全面越好。但是實際情況就是，結構性的全面的數據在現實生活中很難獲得，而且也很難獲得比較準確的數據。

黑盒子效應。從傳統模型到新型算法，AI的復雜性逐步遞增，促使人工智能算法的決策機制越發難以被人類理解與描述。很多人將大部分基于深度學習的算法想象成是一個“黑盒子”，也就是說認為模型不具備可解釋性。相比較“黑盒子”而言，可解釋性的AI對于深度神經網絡的透明性有所增加，有助于向用戶提供判斷依據等信息，增強用戶對人工智能的信任與安全感，同時也為事后監管、責任歸屬等環節提供有力依據。

業務場景理解差。隨著人工智能的行業化發展，待解決的業務問題從通用型場景向特定型場景過渡，單點問題向業務整個流程演進，從感知化到認知化的發展，業務場景的壁壘與復雜度越來越高。在這樣的背景下，僅僅依靠算法技術的積累，難以滿足對場景的理解要求。所以，AI算法需要經驗與業務規則的結合。這種情況下，知識圖譜技術成為關鍵所在。通過知識圖譜，可以更好地理解業務。通過建立統一的圖譜來實現知識的融合，進一步加快推進人工智能的落地。

服務方式單一。對于企業業務人員的根本需求，標準化的人工智能技術輸出或者API調用的服務方式是不夠的。廠商需要根據具體場景，在技術基礎上提供定制化的解決方案，并封裝為應用到業務系統中的產品，即“AI+產品”。另外，廠商需要提供持續性的業務運行服務，才可讓AI產品真正發揮價值，以保證達到最終業務效果，即“AI+服務”。

投入產出比失衡。對于企業來說，在業務中落地AI技術應用，至少包括兩個層面的成本：芯片、算法平臺等智能化產品、引進算法工程師等人工智能方面人才。目前，一些數據平臺、機器學習平臺的涌現，提高了人工智能建模的自動化程度，同時也降低了整個業務流程對算法工程師的依賴，AI應用的總成本有待降低。此外，未來算法的進步可降低硬件標準，也可促使成本的節省。

人工智能產業呈現四點趨勢

當前，國家戰略的前瞻性引領、產學研用的協作創新、需求方面的大力牽引、生態系統的高度開放、政府的強力支持共同推動著我國人工智能產業協同創新機制的發展，加快我國智能經濟發展的黃金時期。展望未來，基礎設施的升級、從感知智能到行動智能技術的演進、應用場景產業智能化的發展，是值得關注的幾大方向。

產業規模仍在保持增長，同時國家也在不斷出臺各類人工智能產業扶持政策，資本市場對人工智能行業的投資熱情不減，技術方面不斷突破是產業增長的核心驅動力。產業的發展取決于算法的進步，在算法方面，目前已經有深度學習和神經網絡這樣優秀的模型，但短時間內可能很難有所突破。所以算力就成為了競爭的重點方向。

不同層面分化明顯，在不同的層面上，都開始出現龍頭企業，同時龍頭企業也進一步聚焦自身的領域。底層基礎構建方面，騰訊、阿里巴巴、百度、華為等有自身數據、算法、技術和服務器優勢。科大訊飛、格靈深瞳、融合現實、曠視科技等在計算機視覺和語音識別方向上已有較多的技術積累。而深蘭科技、地平線機器人、華為、小米等應用產品層面上進行深入研發。

工業化是未來方向。人工智能行業多是“賦能”，探索如何把人工智能與傳統行業結合。隨著實踐逐步深入，簡單的人工智能技術疊加將不再能滿足用戶的智能化預期。人工智能產業借助對傳統行業的深入理解將逐步向工業化邁進。標準化的產品、規模化的生產、流水線式的作業將是人工智能實現產業化的發展方向。

綜合應用場景提升。在深度學習技術開啟的人工智能第一發展階段，單點技術的革新在市場中快速形成小型的技術應用閉環，技術為驅動的商業模式快速形成。隨著人工智能技術在場景中應用的不斷深化，單一技術實現的技術閉環難以滿足復雜場景下的智能化需求，綜合應用場景比例提升。

隨著國家數字化改革以及產業數據基礎設施的完善，產業互聯網打通了人工智能產業鏈各環節的數據路線，以此為基礎，人工智能應用將從企業內部智能化延伸到產業智能化，逐步實現從采購到制造到流通等環節的智能合作機制，提升產業整體的效率，實現產業互聯網價值最大化，引導未來更多行業走向產業智能、互聯發展。