导读
人工智能正全方位商业化，在各个行业引发深刻变革。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。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。
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。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。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。
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。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。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。
以无人驾驶技术为主导的汽车行业将迎来产业链的革新。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。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。
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。
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。
§ 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。
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
融合应用型
创新引领型
……
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。
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。
• 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。
• 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。
• 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。
• 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。
• 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”。
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。
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。
• 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。
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。
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。
• 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。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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
