2018年中国人工智能市场规模预测及最新政策分析

　　人工智能，即让机器去实现所有与人类智能有关的功能，做到像人一样看懂、听懂，并且会思考、会行动。现阶段，基于深度学习的人工智能技术路线成为主流，强调通过感知+理解+决策来实现合理地行动，基于大量先验知识做出相对合理的判断和决策。

　　一、中国人工智能行业发展现状分析

　　全球人工智能创业公司2017年的融资额达到了创纪录的152亿美元，其中，中国企业占总数的48％，高于2016年的11.6％，美国排名第二，占38％。同时在人工智能相关知识产权方面，中国也隐有赶超美国之势，例如在深度学习领域，中国专利出版物是美国的6倍。

全球人工智能融资额占比

资料来源：公开资料整理

2014-2017年中国、美国专利出版物数据（Keyword：Deeplearning）

资料来源：公开资料整理

2014-2017年中国、美国专利出版物数据（Artificialintelligence）

资料来源：公开资料整理

2014-2017年中国、美国专利出版物数据（Machinelearning）

资料来源：公开资料整理

　　计划提出，以信息技术与制造技术深度融合为主线，以新一代人工智能技术的产业化和集成应用为重点，推进人工智能和制造业深度融合，加快制造强国和网络强国建设。

　　4、中国电子技术标准化研究院《人工智能标准化白皮书(2018版)》：提出能够适应和引导人工智能产业发展的标准体系

　　2018年1月，在国家人工智能标准化总体组、专家咨询组成立大会上，国家标准化管理委员会宣布成立国家人工智能标准化总体组、专家咨询组，负责全面统筹规划和协调管理我国人工智能标准化工作。会议发布了《人工智能标准化白皮书(2018版)》，从支撑人工智能产业整体发展的角度出发，研究制定了能够适应和引导人工智能产业发展的标准体系，进而提出近期急需研制的基础和关键标准项目。

　　5、国务院2018《政府工作报告》：加强新一代人工智能研发应用

　　2018年3月5日，在第十三届全国人民代表大会第一次会议上，国务院总理李克强在政府工作报告中提出：“发展壮大新动能。做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业，拓展智能生活。运用新技术、新业态、新模式，大力改造提升传统产业。”

　　三、中国人工智能行业存在的问题

　　1、底层技术基础差

　　由于我国人工智能产业重应用技术、轻基础理论，底层技术积累薄弱，存在“头重脚轻”的结构不均衡问题，使我国人工智能产业犹如建立在沙滩上的城堡，根基不稳。基层技术积累薄弱使人工智能核心环节受制于人，阻碍人工智能领域重大科技创新，不利于国内企业参与国际竞争，并使国民经济和国家安全存在远期隐忧。

　　从技术角度而言，国内人工智能的计算机视觉、语音识别、自然语言处理等应用技术已接近甚至达到国际先进水平，但在基础元器件、底层算法和理论研究等方面与国际水平差距较大，缺乏重大原创科技成果。

　　资本角度而言，截至2017年6月，国内人工智能领域投融资主要集中于计算机视觉、自然语言处理和自动驾驶等应用技术领域，人工智能芯片领域的累计融资额仅占人工智能产业总融资额的2.1%。相比之下，美国人工智能产业的这一比例高达31.5%。

　　从企业分布角度而言，截至2017年6月，国内人工智能芯片企业数量为14家，旦均为规模较小的初创企业，难以满足芯片领域技术和资金门槛极高的要求，在数量上仅为美国的42%，而且缺乏像美国芯片领域的谷歌、英特尔、IBM、高通、英伟达等科技巨头。

　　2、应用路径不明朗 我国人工智能产业处于早期发展阶段，商业化应用路径尚不明确，商业落地的痛点突出，这些问题都与当前不断高涨的关注度形成鲜明对比，形成“雷声大雨点小”的现象，致使近期的实际商业价值变现难度较大。

　　从应用对象角度而言，由于人工智能产业与外界缺乏深入、有效的宣传推介、信息交流、资源对接渠道，传统行业和个人消费者对人工智能的认识仍局限于概念层面，对其具体的发展脉络、技术效能和应用模式等缺乏清晰认识。

　　在传统行业，尤其是部分劳动密集型行业对应用人工智能的改造成本、实际效益存在疑虑，甚至对旨在“机器换人”的人工智能存在认知偏差和抵触情绪。

　　从应用环境角度而言，人工智能在推广应用时，面临资质、数据、标准、安全评估等行业准入壁垒。部分行业存在显著的数据壁垒，例如，部分工业制造领域尚未完成数字化，数据获取难度大；金融领域敏感性大，数据分享面临较大的政策和行业阻力。人工智能在数据接口标准、技术评价指标、安全评估管控等方面存在缺失，阻碍其在其他行业及个人消费领域中的推广应用。

　　3、发展氛围显浮躁

　　人工智能概念虽当前火热，但企业和政府对产业发展理解不透、思考不足，普遍高估并急于兑现人工智能的近期商业价值。产业发展氛围略显浮躁，面临同质化、碎片化风险，这些都可能延长人工智能商业价值的兑现周期，并加剧产业未来发展的周期性波动幅度
从企业角度而言，虽然人工智能的企业数量和融资规模迅速攀升，但存在大小企业一拥而上、炒作概念的现象。云计算、大数据企业纷纷改换门庭，导致人工智能产业鱼目混珠，企业技术水平参差不齐。企业急于将人工智能商业价值变现，对技术难度的预估过于乐观，对自身技术产品普遍夸大宣传，瞄准的发力方向存在扎堆现象。同时，企业面临政府、资本、同业及舆论的多重压力，在主营方向、技术研发方面缺乏定力，技术、产品普遍趋同情况显著。

　　从政府角度而言，地方政府虽然对发展人工智能产业抱有极大热情，但对人工智能等新兴产业的产业特征、发展规律和培育模式缺乏深刻理解，仍惯于采用传统的招商引资模式，重引进、轻培育，试图通过形成政策、资金和资源洼地来争夺国内稀缺的人工智能产业资源。政府在产业生态培育、配套资源对接、业务市场开拓、公共平台建设等方面缺乏经验和耐心，部分省市已发布的人工智能发展规划缺乏实质内容和可操作性，规划的实际效果和扶持政策的可持续性存疑。

　　4、专业人才不充足

　　人工智能是新兴产业，虽然技术和产业发展迅猛，但专业技术人才，以及兼顾人工智能与传统产业的跨界人才不充足，限制了产业发展以及与实体经济的深度融合发展。

　　从人才数量和质量角度而言，我国人工智能领域专业技术人才数量不充足、经验不丰富。截至2017年6月，中国共有592家人工智能公司，拥有员工约39200名。相比之下，美国共有1078家人工智能公司，共有约78000名员工，数量达到我国的2倍。我国从业经验10年以上的人工智能人才比例不足40%，而美国的这一比例则超过70%。

　　从人才培养角度而言，我国高校人工智能领域的学科建设、人才培养相对滞后。人工智能涉及领域宽泛，相关领域学科资源分散，未能形成合力，培养人才的数量、质量有待提升。目前，国内开设人工智能专业的高校数量较少、时间较短，学科实力不强。美国国家科技委员会发布的2017年人工智能全球大学排名中前50名均位于欧美地区，我国大学无一上榜。此外，国内缺乏人工智能与传统行业的跨界人才，不利于人工智能在各垂直行业的应用推广。

　　四、人工智能行业发展的对策分析

　　1、重点突破基础领域。针对人工智能底层技术，加强对以深度学习为代表的底层算法模型的深入研究，并积极布局影响人工智能未来发展的前沿基础理论研究。强化在基础材料、元器件、芯片、传感器等领域的研究，加快突破图形处理器、现场可编程门阵列、专用集成电路等基础硬件核心技术。强化相关各个基础领域研究。

　　2、推动人工智能技术融合发展。依托底层的基础理论、算法模型和核心硬件基础，开发人工智能算法开发工具、数据库、中间件等关键软件，推动人工智能开源软硬件平台及生态建设，促进基于人工智能的计算机视觉、生物特征识别、自然语言处理等应用技术的研发和产业化。加强前沿技术布局，构造未来融合创新技术基础。

　　3、强化基础支撑建设。建设满足深度学习等智能计算需求的新型计算集群共享平台、人工智能开源算法及软件基础平台、多种生物特征识别的基础身份认证平台、人工智能云服务平台等基础资源及产业公共服务平台。构建基础支撑平台建设。

　　4、推动重点领域示范应用。精准选取应用场景，推动人工智能与实体经济的深度融合。促进人工智能在工业领域设计、制造、运维环节的应用，提升质量效率、降低成本。推动鼓励人工智能在教育、交通、医疗、安防等服务和民生领域的推广，提升产品、服务的智能化水平，促进无人零售等新兴商业模式的创新发展。通过人工智能在重点领域的示范应用，推动强化人工智能技术水平的提升和商业化路径的筛选，实现人工智能与实体经济的深度融合，促进人工智能的规模化应用和传统行业的转型升级。

　　5、消除行业准入壁垒。重点建设面向人工智能的公共数据库、测试标准、服务平台等，促进各类通用软件和技术平台的开源开放，形成良性发展的产业生态。加速完善人工智能面向行业应用的各项检验评测、标准、安全评价体系，消除人工智能向各行业推广应用时面临的资质、数据接口、评价标准等行业准入壁垒，加强宣传引导和政策规范，避免产生新壁金。

　　6、以领军企业为龙头打造产业创新平台。鼓励各细分领域企业通过产业创新平台提振创新动能，构建以大企业为引领的创新网络。面向市场应用需求，突出培育一批具有示范作用的创新企业集群，并由此形成分领域的投资目标。

　　7、促进开放创新体系建设。依托中国人工智能产业创新联盟等第三方专业机构，举办中国人工智能产业创新大赛等竞技比赛鼓励创新。聚焦重点热点问题，促进推进人工智能企业和团队创新水平的提高。依托中国人工智能产业创新基地等产业载体，为人工智能企业发展提供最优环境和优秀学习范例。

　　推动国内外交流合作。利用中国人工智能产业创新联盟等第三方专业机构的资源优势，推动国内行业交流和国内外技术发展交流。以研讨会、交流论坛、学术年会等形式，促进我国同行之间、我国与国外知名专家、企业家和智库开展合作交流。确保现阶段我国人工智能总体技术和应用与世界先进水平保持同步。

　　8、加强相关学科建设。依托现有的人工智能相关学科，大力推动学科间合作和资源优化集中，形成研发和教学合力，培养人工智能领域内跨学科人才。加快人工智能相关学科布局，在有基础的院校强化人工智能相关学科的师资力量，扩大高学历人才的培养规模。鼓励高校、科研院所加大与人工智能企业、国外高校及相关机构的合作力度，打造多种形式的人才培养平台。

　　加大人才引进力度。针对人工智能芯片、基础算法模型等重点领域，充分利用现有各类人才计划，并设立专门通道和定向优惠政策，加大对国际顶级科学家和高层次人才的吸引力，加快人才引进效率，扩大人才引进规模。鼓励高校、科研院所和企业采用项目合作、技术咨询、交流访问等多种形式引进人工智能人才，加大技术合作力度。