人工智能产业发展深度报告:格局、潜力与展望
时间:2020-07-31 08:41

  已广泛地渗透和应用于诸多垂直领域,产品形式也趋向多样化。近年来,关注度较高的应用场景主要包括安防、金融、教育、医疗、交通、广告营销等。从融合深度上,由于场景复杂度、技术成熟度和数 据公开水平的不同,而导致各场景应用成熟度不同。例如,政策导向和海量数据助推下, AI+安防、金融和客服领域有较为深入的应用,医疗和教育领域是产品或服务单点式切入,尚未形成完整的解决方案。而由于基础设施复杂和数据获取难度大,AI+制造业处于边缘 化。此外,AI+农业国内尚未产生成熟产品。

  应用场景市场空间广阔,全球市场格局未定。受益于全球开源社区,应用层进入门槛相对较低。目前,应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计,2019 年,全球应用层产业规模将达到360.5 亿元,约是技术层的1.67 倍,基础层的2.53 倍。 在全球范围内,人工智能仍处在产业化和市场化的探索阶段,落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前,国际上尚未出现拥有绝对主导权的垄断企 业,在很多细分领域的市场竞争格局尚未定型。

  中国侧重应用层产业布局,市场发展潜力大。欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早,以谷歌、亚马逊等企业为首的科技巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态,市场整体发展相对成熟;而应用层是我国 人工智能市场最为活跃的领域,其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计,2019 年,国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础,中国市场发展潜力较大,且在产业化应用上已有部分企业居于 世界前列。例如,中国 AI+安防技术、产品和解决方案引领全球产业发展,海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。

  整体来看,国内人工智能完整产业链已初步形成,但仍存在结构性问题。从产业生态来看, 我国偏重于技术层和应用层,尤其是终端产品落地应用丰富,技术商业化程度比肩欧美。 但与美国等发达国家相比,我国在基础层缺乏突破性、标志性的研究,底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域,行业发展追求速度,资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”,导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题,不利于我国人工智能生态的布局和产业的长期发展。短期来看,应用终 端领域投资产出明显,但其难以成为引导未来经济变革的核心驱动力。中长期来看,人工智能发展根源于基础层(算法、芯片等)研究有所突破。

  基于人工智能产业发展现状,我们将从智能产业基础、学术生态和创新三个维度,对 中国、美国和欧洲 28 国人工智能发展潜力进行评估,并使用熵值法确定各指标相应权重 后,利用理想值法(TOPSIS 法)构建了一个代表人工智能发展潜力整体情况的综合指标。

  中国人工智能尚在产业化初期,但市场发展潜力较大。产业化程度是判断人工智能发展活 力的综合指标,从市场规模角度,据 IDC 数据,2019 年,美国、西欧和中国的人工智能 市场规模分别是 213、71.25 和 45 亿美元,占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异,但近年来国内 AI 技术的快速发展带动市场规模高速增长,2019 年增速高达 64%,远高于美国(26%)和西欧(41%)。从企业数量角度, 据大学科技政策研究中心,截至 2018 年 6 月,中国(1011 家)和美国(2028 家) 人工智能企业数全球遥遥领先,第三位英国(392 家)不及中国企业数的 40%。从企业布局角度,据腾讯研究院,中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看,美国在基础层和技术层企业数量领先中国,尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面(智能机器人、智能无人机),中美差距略小。展 望未来,在政策扶持、资本热捧和数据规模先天优势下,中国人工智能产业将保持强劲的 增长态势,发展潜力较大。

  专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内,人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间,中美日三国 AI 专利申 请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚,但自 2010 年起,专利产出 量首超美国,并长期雄踞申请量首位。

  从专利申请领域来看,深度学习、语音识别、人脸识别和机器人等热门领域均成为重 点布局领域。其中,美国几乎全领域领跑,而中国在语音识别(中文语音识别正确率世界 第一)、文本挖掘、云计算领域优势明显。具体来看,多数国内专利于 AI 科技热潮兴起后 申请,并集中在应用端(如智能搜索、智能推荐),而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢,存在表面繁 荣的结构性不均衡问题。

  从专利权人分布来看,中国高校和科研机构创新占据主导地位,或导致理论、技术和产业 割断的市场格局。欧美日人工智能申请人集中在企业,IBM、微软、三星等巨头企业已构 建了相对成熟的研发体系和策略,成为专利申请量最多的专利人之一。其中,IBM 拥有专 利数量全球遥遥领先,截至 2018 年 12 月 31 日,共拥有 4079 件 AI 专利。而中国是全球 唯一的大学和研究机构 AI 专利申请高于企业的国家。由于高校与企业定位与利益追求本 质上存在差异,国内技术创新与市场需求是否有效结合的问题值得关注。

  中国 AI 专利质量参差不齐,海外市场布局仍有欠缺。尽管中国专利申请量远超美国,但技术“多而不强,专而不优”问题亟待调整。其一,中国 AI 专利国内为主,高质量 PCT 数量较少。PCT(Patent Cooperation Treaty)是由 WIPO 进行管理,在全球范围内 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利协会统计,美国 PCT 申请量占全球的 41%,国际应用广泛。而中国 PCT 数量(2568 件)相对较少, 仅为美国 PCT 申请量的 1/4。目前,我国 AI 技术尚未形成规模性技术输出,国际市场布 局欠缺;其二,中国实用新型专利占比高,专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类,技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利,如 2017 年,发明专利仅占申请总量的 23%。此外,据剑桥大学报告显示, 受高昂专利费用影响,我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效, 而美国 85.6%的专利仍能得到有效保留。

  人才的数量与质量直接决定了人工智能的发展水平和潜力。目前,全球人工智能人才分布 不均且短缺。据大学统计,截至 2017 年,人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有 43064 名人工智能人才,位居全球第一,占全球总量的 21.1%。美国和中国分别以 28536、18232 列席第二、第三位。其中,中国基础人才储备尤显薄弱。根据腾讯研究院,美国 AI 技术层人才是中国 2.26 倍,基础层人才数是中国的 13.8 倍。

  我国人工智能人才供需严重失衡,杰出人才缺口大。据 BOSS 直聘测算,2017 年国内人 工智能人才仅能满足企业 60%的需求,保守估计人才缺口已超过 100 万。而在部分核心领域(语音识别、图像识别等), AI 人才供给甚至不足市场需求的 40%,且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段,杰出人才对产业发展起着 至关重要的作用,甚至影响技术线 人)依托雄 厚的科研创新能力和发展机会聚集了大量精英,其杰出人才数在全球遥遥领先,而中国杰 出人才(977 人)比例仍明显偏低,不足欧美的 1/5。

  人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。根据 Element AI 企业的划分标准,中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国(Anchored Countries),尤其是美国的人工智能人才总量保持相对稳定。具体来看, 国内人工智能培育仍以本土为主,海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%,其中,美国是国内 AI人才回流的第一大来源大国,占所有回流中国人才比重的 43.9%。 可见国内政策、技术、的发展对海外人才的吸引力仍有待加强。

  科研能力是人工智能产业发展的驱动力。从论文产出数量来看,1998-2018 年,欧盟、中国、美国位列前三,合计发文量全球占比 69.64%。近些年,中国积极开展前瞻性科技布 局, AI发展势头强劲,从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%, CAGR17.94%。2018 年,中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。

  我国论文影响力仍待提高,但与欧美差距逐年缩小。FWCI(Field-Weighted Citation Impact, 加权引用影响力)指标是目前国际的定量评价科研论文质量的最优方法,我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时,代表被考论文质量达到或超过了世 界平均水平。近 20 年,美国的 AI 论文加权引用影响力“独领”,2018 年,FWCI 高 于全球平均水平的 36.78%;欧洲保持相对平稳,与全球平均水平相当;中国 AI 领域论文 影响力增幅明显,2018 年,中国 FWCI 为 0.80,较 2010 年增长 44.23%,但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看,美国和中国高质量论文产出 为于全球第一、第二位,超出第三位英国论文产出量近 4 倍。综合来看,中国顶尖高质量 论文产出与美国不分伯仲,但整体来看,AI 论文影响力与美国、欧美仍有差距。

  从发文主体来看,科研机构和高校是目前中国人工智能知识生产的绝对力量,反映出科研成 果的短板。而美国、欧盟和日本则呈现企业、机构和高校联合参与的态势。据Scopus 数据显示,2018 年,美国企业署名 AI 论文比例是中国的 7.36 倍,欧盟的 1.92 倍。2012 年 至 2018 年,美国企业署名 AI 论文比例增长 43pct,同期中国企业署名 AI 论文仅增长 18pct。 此外,人工智能与市场应用关联密切,校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%,与以色列(10.06%)、美国(9.53%)、日本(6.47%)差别较大。从产学结合的角度, 中国人工智能研究以学术界为驱动,企业在科研中参与程度较低,或难以实现以市场为导向。

  中国人工智能高校数量实位于第二梯队,实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。据腾讯研究院统计,全球共 367 所高校设置人工智能相关学科,其中, 美国(168 所)独占鳌头,占据全球的 45.7%。中国拥有 20 所高校与英国并列第三,数 量上稍显逊色。此外,中国高校实力普遍上升,表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中,中国大学、大学包揽前两名,较 2018 年分别上 升 1 个和 3 个名次。

  中国研发高投入高强度,在全球研发表现中占据重要地位。从研发投入的角度,美国、中国、日本和始终是全球研发投入的主力军。据 IDC 统计显示,2018 年四国的研发投 入总和占全球总量的比例已达 60.77%。其中,美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来,中国研发投入呈现一猛增的强进势头,据 Statista 统计, 国内 2019 年研发投入额为 5192 亿美元,仅次于美国。且趋势上与美国差距不断缩小, 2000 年至 2019 年,CAGR 高达 14.43%,同期美国 CAGR 仅 2.99%。由于经济疲软等 诸多原因,欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测, 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度,中国研发强度总体 上呈逐步攀升的趋势,且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 1.97%,低于日本和美国 1.53、0.87 个百分点。

  中美是全球人工智能“融资高地”。人工智能开发成本高,资本投入成为推动技术开发的主力。在全球范围内,美国是人工智能新增企投融资领先者,据 CAPIQ 数据显示,2010 年至 2019 年 10 月,美国 AI 企业累计融资 773 亿美元,领先中国 320 亿美元,占全球总 融资额的 50.7%。尤其是特朗普以来,人工智能投资力度逐步加码。中国作为全球第 二大融资体,融资总额占全球 35.5%。考虑到已有格局和近期变化,其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看,美国仍处于全球领先地位。2010 至 2018 年,美国累计新增企业数量 7022 家,较约是中国的 8 倍(870 家)。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降,近两年分别是 179 家( 2017 年), 151 家(2018 年),表明中国资本市场对 AI 投资也日趋成熟和。整体来看,中国人 工智能新增企业增势缓慢,但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。

  相比较美国,中国资本投向侧重易落地的终端市场。从融资层面来看,中国各领域发展较 为均衡,应用层是突出领域,如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示, 芯片和处理器是美国融资最多的领域,占总融资额的 31%。当前中国对人工智能芯片市场 高度重视,但受限于技术壁垒和投资门槛高,国内芯片融资处于弱势。

  数据结果显示,美国综合指标及三大项目指标评分绝对领先,中国第二,欧洲 28 国暂且落后。具体来看,美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀,尽管有所赶超,但总体水平与美国相比仍有差距,尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上,中国正快速发展,与美国差距收窄。从各指标具体分析来看,我国人工智能研究主要分布在 高校和科研机构,企业参与度较低,产出较多呈现条块化、碎片化现象,缺乏与市场 的系统性融合,这将不利于中国人工智能技术的发展和产业优势的发挥。此外,我国科研 产出、企业数量和融资领域集中于产业链中下游,上游核心技术仍受制于国外企业。未来, 若国内底层技术领域仍未能实现突破,势必导致人工智能产业发展面临瓶颈。

  国内人工智能追赶速度迅猛,但基础薄弱问题突出。在强有力的战略引领和政策支持下、 依托庞大的数据体量、丰富的应用场景和高度的互联网普及率,中国人工智能产业持续保 持蓬勃发展态势,并跻身全球人工智能第一梯队。技术上,我国人工智能论文和专利申请 量长期雄踞世界首位,在国际技术竞赛中多次拔得头筹;产业上,以阿里巴巴、腾讯为代表的科技巨头全面布局人工智能生态,以寒武纪、科大讯飞、商汤科技为代表的初创企业 深耕垂直领域,打造技术护城河。我国人工智能产业规模、资本投入、企业数量呈现爆发 式增长,智能技术与实体融合持续加强,落地场景不断丰富。但我们也应当意识到,与美 国、欧洲相比,我国在产业链分布上更加集中于应用落地端口。长期市场化导向导致国内 行业发展出现结构性失衡,基础理论缺乏、原创算法薄弱、高端芯片依赖进口等问题凸显, 这也反映出中国人工智能发展不牢的风险点。因此,站在科技创新的“巨型风口”,我们 更需要审慎后续技术线和产业发展径,加大科研攻关力度,补齐技术短板。

  从中短期看,技术优化、落地场景的开拓和渗透是是最主要的增长点;从长期看,智能生 态体系建设才是弯道超车的必由之。人工智能产业的核心竞争力在于生态体系的建设, 包括大数据、算论、底层技术、应用生态、人才储备等层面。而我国人工智能产业生态和基础设施建设正处于探索期,如何实现核心技术的突破和拓宽人工智能技术与社会经济融合场景着力点在于人才储备和持续的研发投入。从人才的角度,收窄技术差距的根本 在于优化人的知识结构和能力。当前政策应侧重建立人才培养体系,为人工智能打造人才资源池,尤其是在基础学科领域突破人才瓶颈。同时,打破“唯数量论”的科研评价和考 核体系,改变人才激励机制势在必行。我国人工智能专利申请和科研产出数量全球领先,但质量堪忧。唯有从源头改变评价机制,才能扭转“量多而质优”的问题。从研发的角度, 企业技术优化和创新能力是解决产业痛点的关键。基础研究的投入周期长、不确定性大、 和风险高特点决定了其难以短期内获得投资回报,但基础领域的突破将为经济带来长期和 广泛的溢出效应,因此,国内更应关注底层技术的研发投入,扭转传统技术径,核心技术受制于人的被动局面。此外,人工智能在赋能机器模拟人类进行决策的同时产生的 伦理、隐私和社会安全问题值得关注。由于法律法规存在滞后性,尚无法对人工 智能技术进行有效监管。我国应加快人工智能伦理研究,及早识别人工智能治理风险。

      大红鹰娱乐