人工智能安防蕴含万亿市场，这四大视觉AI独角兽受青睐

文／杨剑勇

以NB-IoT和LoRa为核心的低功耗广域网无线技术发展增速迅猛，特别在5G开启冲刺时期，大连接将掀起新一轮的信息 科技 变革，特别各界如火如荼建设NB-IoT网络和5G之际，全球物联网受益于无线通信技术得到迅猛发展，并广泛部署在智慧城市、智慧交通和智能工厂等垂直行业，特别在大连接结合AI技术，引发各行业重大变革。

新一代通信技术将激发智慧城市无限潜力，而智能安防在智慧城市热潮下促使高速增长，人工智能+安防迎来前所未有机遇。此前有数据显示，2022年我国安防市场规模将高达万亿，尤为突出的视频识别应用于各城市及公共场所等安防领域带来前所未有的大机遇。

深耕大安防领域的海康威视，扎根安防产业多年，凭借在行业龙头地位积累了大量资源，IHS报告显示，海康威视连续6年蝉联视频监控行业全球第一，占据全球214%的市场份额。另外，海康威视人工智能应用在安防布局中抢占先机，营收也呈现稳健怎长态势，2018年前9个月同比增长219%至338亿，利润同比增长20%至7396亿，今年利润有望突破百亿。

在物联网时代，结合AI技术扎根于垂直行业应用的创新企业也迎来爆发式发展，仅国内就有视觉AI四大独角兽，分别是商汤、云从、旷视和依图，在今年得到迅猛发展，特别是融资和估值一家比一家高，也让他们在聚光灯下吸晴无数。

根据公开资料显示，商汤 科技 估值45亿美元，云从 科技 为33亿美元，旷视也高达25亿美元，依图估值也有21亿美元，在AI风口下，围绕计算机视觉和人工智能安防的创新企业得到资本青睐，频繁融资，助推估值直线飙涨。而这背后在于大安防机遇。

AI技术商业落地是业界共同话题，物联网资深专家杨剑勇指出，智能家居、无人驾驶和金融 科技 等在AI技术的加持下，得到了良好的发展，同时，安防也是AI商业落地最具潜力应用市场，人脸识别和视频等与安防场景的融合，为安防落地实践带来全新机遇。

（一）

旷视 科技 作为最早一批进入安防领域的AI公司，通过AI赋能云端、终端和芯片所布局的智能安防生态产业链，及基于生态所打造的端到端智能安防产品与解决方案。在近日，传出旷视 科技 将启动新一轮融资，融资额高达5亿美元，其中有指出阿巴巴将参与此轮融。

作为全球炙手可热的AI独角兽，在中美和欧洲等国家和地区提交人工智能相关专利申请近1000余件，人工智能行业内拥有自主知识产权最多的企业之一，让旷视是机器视觉明星企业，受益于深度学习技术的发展，从技术服务起家的旷视 科技 ，有望分得更多行业红利。

（二）

而成立于2015年的云从 科技 ，运用计算机视觉、大数据等技术打造人与行业交互入口的人工智能公司，已成为人工智能国家队，多个国家基金进入，进一步巩固多行业龙头地位，并基于国家人工智能基础资源公共服务平台最新部署，与此同时，其AI技术已应用银行、安防、民航等领域，2018年客户和业务量较之前实现了数十倍增长。

云从 科技 炬眼AI摄像头，能够支持50万人脸识别、特征提取，直接在相机上进行人脸识别，同时可以后台管理，准确率可以达到99%以上。炬眼智能识别相机是云从 科技 和英特尔合力打造，超大、复杂的神经网络能够在低功耗芯片上快速执行，解决了网络带宽不足和服务器算力要求过高两大瓶颈，实现了高达998%的人脸检测率，已经应用在金融行业，安防、社区、零售业等。

（三）

被视为计算机视觉独角兽之首的商汤 科技 ，今年五月一轮融资使得估值高达45亿美元，同时还承担了智能视觉国家新一代人工智能开放创新平台建设。商汤 科技 包括人脸识别和图像识别各类智能视觉技术已广泛应用于城市、金融、 汽车 、零售和机器人等诸多行业，构建的人工智能产业集群和生态圈，引领着智能视觉人工智能时代发展大潮。

商汤联合创始人杨帆早些时候表示，安防业务落地方面，商汤的安防业务已经覆盖了全国30多个省，参与了总计超过10万路大规模的城市级视频分析系统的建设。杨帆进一步指出，人工智能落地安防刚刚走了第一步，需要行业共同构建百花齐放的生态，每个厂家去做自己最擅长的事情，让整个行业取得一个更大的价值。

得益于以深度学习和机器学习等AI技术迅猛发展，图像识别、人脸识别和视频识别等视觉处理技术也广泛应用在各个行业领域，而国内四大机器视觉独角兽的商汤、云从、旷视和依图，核心在于AI技术突破并得到广泛应用落地，四大AI独角兽估值合计为124亿美元。

在IoT＋AI融合下，以新经济、新技术为核心的创新企业受到各界关注，特别在大力发展新经济和培育独角兽大背景下，开创了新经济浪潮，涌现出云从 科技 、旷视 科技 等众多AI独角兽企业，并呈现高速发展态势。不过依然需要警惕高估值隐现泡沫。

作者系物联网资深专家杨剑勇，网易最佳签约作者，致力于深度解读IoT和AI等前沿 科技 ，基于对未来物联网洞察和对趋势判断，其观点被众多权威媒体和知名企业引用。

自上世纪90年代互联网技术诞生以来，移动互联网、云计算、大数据、人工智能等新一代信息技术的不断发展和逐步成熟，并日益深入的渗透到经济社会的各个领域，2020年全球范围内爆发的新冠疫情又进一步加速了这一趋势，数字经济已经成为世界经济发展的新阶段，即世界经济发展已经进入数字经济时代。
党中央、国务院和各级政府高度重视数字经济的发展。从2015年《中国制造2025》、《促进大数据发展行动纲要》等政策出台以来，中央和各级地方陆续以推出系列数字经济发展的措施，并支持雄安新区、浙江、福建等六个地区建设国家数字经济创新发展试验区，支持北京、上海、深圳、西安等地建设国家新一代人工智能创新发展试验区。2020年国家进一步提出加强新型基础设施建设，并明确将数据作为一种新型生产要素写入政策文件，这些将为数字经济的发展奠定更加坚实的基础。
农业经济时代，土地、水源和工具是关键资源。工业经济时代，能源、原材料、机器设备和生产工艺等是关键资源。那数字经济时代的关键资源是什么呢？数字经济时代的关键资源是数据、算力和算法。数据是数字经济时代的原材料，各种经济活动中都在源源不断的产生的数据，越来越多的组织也将数据当作一种资产，在政策层面数据已经成为一种新型生产要素。算力相当于数字经济时代的机器设备和生产力，面向各种场景的数据产品或应用都离不开算力的加工和计算，而且对算力的需求和要求也越来越高。算法是数字经济时代的生产工艺，面向图像、语音、自然语言处理等不同的应用场景和领域的算法也层出不穷，算法的提升和改进可以提高算力的效率和更多的挖掘数据价值。
本文重点分析算力方面内容，介绍算力市场总体情况，当前算力发展的特点和趋势，以及重点算力供应方式等。
一、算力需求快速增长，算力投资具有多重经济价值
算力即计算能力，核心是CPU、GPU、NPU、MCU等各类芯片，具体由计算机、服务器、高性能计算集群和各类智能终端等承载。数字经济时代，数据的爆炸式增长，算法的复杂程度不断提高，对算力需求越来越高。算力是数字经济发展的基础设施和核心生产力，对经济发展具有重要作用，根据IDC与浪潮联合发布的《2020全球计算力指数评估报告》，计算力指数平均每提高1点，数字经济和GDP将分别增长33‰和18‰。
随着数字经济的不断发展，人工智能、物联网、区块链、AR/VR 等数字经济的关键领域对算力的需求也将呈爆炸式增长。根据华为发布的《泛在算力：智能社会的基石》报告，预计到2030年人工智能、物联网、区块链、AR/VR 等总共对算力的需求将达到339万EFLOPS，并且将共同对算力形成随时、随地、随需、随形 (Anytime、Anywhere、AnyCapacity、Any Object) 的能力要求，其中人工智能算力将超过16万EFLOPS，接近整体算力需求的一半。OpenAI开发的GPT-3模型涉及1750亿个参数，对算力的需求达到3640PFLOPS，目前国内也有研究团队在跟进中文GPT-3模型的研究。
算力投资具有多重经济价值，不仅直接带动服务器行业及上游芯片、电子等行业的发展，而且算力价值的发挥将带动各行业转型升级和效率提升等，带来更大的间接经济价值。根据《泛在算力：智能社会的基石》报告，每投入1美元算力即可以带动芯片、服务器、数据中心、智能终端、高速网络等领域约47美元的直接产业产值增长；在传统工厂改造为智能化工厂的场景下，每1美元的算力投入，可以带动10美元的相关产值提升。
二、算力发展的特点及趋势
随着数据规模的增加和算法复杂度的提升，以及应用多样性的不断丰富，对算力提出的要求也越来越高，当前算力发展呈现出三方面的特点，一是多种架构百花齐放的状态，二是中心化的算力与边缘终端算力快速发展，三是专用算力日渐成势。
近年来多种算力架构并存并快速发展。曾经x86架构的算力占绝对优势，英特尔和AMD基本垄断了X86算力架构市场，海光信息通过跟AMD合作获得x86架构的授权；如今基于ARM架构的算力份额不断扩大，特别是在移动端ARM架构算力成为主流，华为海思等主要产品是基于ARM架构，另外天津飞腾的产品也是基于ARM架构。随着人工智能等算力需求的不断增加，GPU算力的需求不断增加，英伟达在GPU算力市场占有绝对优势，AMD也分了一杯羹，叠加比特币挖矿算力需求，导致市场上GPU卡供不应求。近几年国内也出现几个GPU方面的创业团队，如寒武纪、登临科技、燧原科技等。此外，Risc-V、存算一体化架构、类脑架构等算力也不断涌现，不过这些算力刚刚起步，在应用生态等方面还需要一定较长的培育过程。
中心化算力和边缘终端算力快速发展。随着7nm制程日渐成熟，基于7nm制程的CPU、GPU等算力性能得到极大提升，目前7nm制程算力主要是中心化算力，移动端智能手机的处理器算力部分也已经采用7nm制程。台积电的7nm制程已经实现规模化，并开始攻关3nm工艺制程；中芯国际7nm工艺制程仍在技术攻关当中。随着5G及物联网应用的不断增加，边缘终端算力的需求日益增加，特别是自动驾驶、智慧安防、智慧城市等领域算力需求。地平线自动驾驶芯片已经量产，英伟达jetson产品在嵌入式终端产品应用广泛，其他针对特定领域专用边缘终端芯片创业公司层出不穷。
针对图像、语音等特定领域的专用算力日渐成势。一方面是芯片工艺制程越来越逼近摩尔定律的极限，另一方面是物联网智能终端对功耗的要求等，针对特定领域的专用芯片层出不穷，并且越来越多的巨头参与其中。谷歌的TPU专为机器学习定制的算力，阿里平头哥的含光NPU专为神经网络定制的算力，赛灵思的FPGA算力，百度研发针对语音领域的鸿鹄芯片以及云知声、思必驰、探境科技等也推出智能语音相关的芯片，北京君正、云天励飞、依图科技和芯原微电子等推出针对视觉和视频处理相关的专用芯片。
三、算力供应以公有云和自建算力为主，多种方式相补充
当前的算力供给主要包括公有云、超算中心、自建算力、地方算力中心等方式。其中，公有云和自建算力中心是算力的主要来源方式，超算中心及地方算力中心等多种方式相互补充。
规模化的算力供应通常通过数据中来承载，新建数据中心的不断增加，将带动未来算力资源的供应不断扩大。据中国电子信息产业发展研究院统计数据，2019年中国数据中心数量大约为74万个，大约能占全球数据中心总量的23%，其中大型数据中心占比127%；在用数据中心机架规模达到2658万架，同比增长287%；在建数据中心机架规模约185万架，同比增加约43万架。2020年国家大力支持“新基建”建设以来，数据中心作为“新基建”的重要内容，京津冀、长三角和珠三角等算力需求地区，以及中西部能源资源集中的区域，如内蒙、山西等，均在推进新的大中型数据中心的建设。
公有云以其稳定和易用等特点，成为许多企业特别是中小企业的算力首选方式。据不完全统计，阿里云服务器总数接近200万台，腾讯云服务器总数超过110万台，华为云、百度云、京东云、AWS等云厂商服务器总数未找到确切数据，保守估计各类云厂商服务器总数之和也超过500万台。而且在国家宣布大力支持“新基建”建设之后，腾讯宣布未来五年将投资5000亿元用于云计算、数据中心等新基建项目的进一步布局，阿里云宣布未来三年阿里将投2000亿元用于面向未来的数据中心建设及重大核心技术研发攻坚，百度宣布预计到2030年百度智能云服务器台数将超过500万台。各大云厂商仍在继续加大算力投入，公有云算力供应将会更加充裕。
自建算力以其安全性和自主性等特点，成为政府、大企业及其他关注安全的组织的算力首选方式。政府、银行及高校和央企等，通常通过自建或租赁数据中心的方式自建算力，满足自身各项业务的算力需求。许多互联网公司在刚开始时选择使用公有云服务，但规模发展到一定程度时通常都会开始自建或租赁数据中心的方式自建算力。其他有部分各种类型的企业，出于安全、商业机密和隐私等方面的考虑，不意愿把数据和业务等放到阿里云等公有云上，往往选择托管服务器的方式自建算力，规模更小企业直接就在本地使用。2020年6月快手宣布投资100亿元自建数据中心，计划部署30万台服务器，字节跳动等大型互联网公司都在不断加大数据中心的建设。
超算中心和地方算力中心作为算力供应有效的补充方式，适合于大规模计算需求的应用领域。截至2020年，科技部批准建立的国家超级计算中心共有八所，分别是国家超级计算天津中心、广州中心、深圳中心、长沙中心、济南中心、无锡中心、郑州中心和昆山中心。超算中心主要的算力资源以CPU为主，新建的超算中心及更新升级过程中超算中心逐步增加了异构GPU算力资源。超算中心较好的满足和弥补了高校科研中算力资源的需求，特别是在工业仿真、生物信息、新材料、气象、海洋等科学计算领域。国内主要省市地区基本都投资建设了当地算力中心，重点服务本地科研和产业发展的需求，如太原、苏州、福建等地，目前通常地方算力中心的规模并不大，计算节点数在200-500之间居多，主要服务于当地气象、工业仿真和生物信息等领域计算需求。此外，2020年以来，武汉、南京、珠海、许昌等地区正在建设人工智能计算中心，将在一定程度上弥补当前规模化AI算力不足的情况。
结语
算力作为数字经济的基础设施，也是数字经济时代的生产力和引擎，越来越成为数字经济时代国家竞争力的体现。根据IDC与浪潮联合发布的《2020全球计算力指数评估报告》，中国和美国的算力建设在全球处于领先地位，美国的算力无论在规模、效率、应用水平等方面都领先于中国。此外，从算力芯片供应角度看，美国的英特尔、AMD、英伟达等企业几乎占了全球的绝大部分的市场份额。可见，中国在算力建设和发展仍然需要加大投入和加强研发等，发挥优势的同时弥补不足，从而为数字经济长期发展奠定更加坚实的基础。

人工智能，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。目前，国内比较著名的人工智能公司有华为、百度、腾讯、深兰科技、科大讯飞、大疆创新、图灵机器人、科沃斯机器人等，科技在发展，中国优秀的人工智能公司也是越来越多。
人工智能股票有：视源股份、浪潮信息、富瀚微等等。
温馨提示：以上解释仅供参考，不作任何建议。
应答时间：2022-01-25，最新业务变化请以平安银行官网公布为准。

目前国内人工智能行业的上市公司主要有：百度百度(BAIDU)、腾讯(TCTZF)、阿里巴巴(BABA)、科大讯飞(002230)等。

本文核心数据：人工智能企业核心技术分布情况、中国人工智能市场规模、中国人工智能行业投融资情况、中国人工智能行业投融资轮次分布、人工智能各技术方向岗位人才供需、人工智能本科新专业高校名单、人工智能科技产业区域竞争力、人工智能行业代表性企业区域分布、中国人工智能行业竞争派系、人工智能发展趋势、中国人工智能产业规模预测

行业概况

1、人工智能定义

人工智能作为一门前沿交叉学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，将其视为计算机科学的一个分支，指出其研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能行业属于战略新兴产业，根据国家发展改革委发布的《战略性新兴产业重点产品和服务指导目录(2016)》来看，我国人工智能可分为三个下属行业，分别为人工智能软件开发、人工智能消费相关设备制造和人工智能系统服务。

2、产业链剖析：产业链涵盖行业庞大

人工智能产业链包括三层：基础层、技术层和应用层。其中，基础层是人工智能产业的基础，主要是包括AI芯片等硬件设施及云计算等服务平台的基础设施、数据资源，为人工智能提供数据服务和算力支撑;技术层是人工智能产业的核心，以模拟人的智能相关特征为出发点，构建技术路径;应用层是人工智能产业的延伸，集成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成软硬件产品或解决方案。

行业发展历程：行业处在突飞猛进阶段

人工智能概念的提出始于1956年的美国达特茅斯会议。人工智能至今已经有60多年的发展历史，从诞生至今经历了三次发展浪潮。分别是1956-1970年、1980-1990年和2000年至今。

1959年Arthur
Samuel提出了机器学习，推动人工智能进入第一个发展高潮期。此后70年代末期出现了专家系统，标志着人工智能从理论研究走向实际应用。

80年代到90年代随着美国和日本立项支持人工智能研究，人工智能进入第二个发展高潮期，期间人工智能相关的数学模型取得了一系列重大突破，如著名的多层神经网络、BP反向传播算法等，算法模型准确度和专家系统进一步提升。期间，研究者专门设计了LISP语言与LISP计算机，最终由于成本高、难维护导致失败。1997年，IBM深蓝战胜了国际象棋世界冠军Garry
Kasparov，是一个里程碑意义的事件。

当前人工智能处于第三个发展高潮期，得益于算法、数据和算力三方面共同的进展。2006年加拿大Hinton教授提出了深度学习的概念，极大地发展了人工神经网络算法，提高了机器自学习的能力，随后以深度学习、强化学习为代表的算法研究的突破，算法模型持续优化，极大地提升了人工智能应用的准确性，如语音识别和图像识别等。随着互联网和移动互联的普及，全球网络数据量急剧增加，海量数据为人工智能大发展提供了良好的土壤。大数据、云计算等信息技术的快速发展，GPU、NPU、FPGA等各种人工智能专用计算芯片的应用，极大地提升了机器处理海量视频、图像等的计算能力。在算法、算力和数据能力不断提升的情况下，人工智能技术快速发展。

行业政策背景：行业发展从技术过渡到产业融合

人工智能是国家战略的重要组成部分，是未来国际竞争的焦点和经济发展的新引擎。近年来，中国人工智能行业受到各级政府的高度重视和国家产业政策的重点支持，国家陆续出台了多项政策，鼓励人工智能行业发展与创新，《关于支持建设新一代人工智能示范应用场景的通知》《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》《新型数据中心发展三年行动计划(2021-2023年)》等产业政策为我国人工智能产业发展提供了长期保障。

2017年之前，人工智能相关政策主要集中在人工智能技术研发突破方面。从2017年开始，政策的重点已经从人工智能技术转向技术和产业的深度融合，特别是2017年7月国务院印发的《新一代人工智能发展规划》明确指出要“加快人工智能深度应用”。

从2018年两会发言的不完全汇总也可以看出，人工智能+产业的融合将是未来的重点，包括科技部、工信部、民政部等官方部门和百度、腾讯、联想等民间代表，均提出了人工智能+产业、人工智能+医疗等。

2019年，两会更是将“智能+”写入政府工作报告，人工智能技术对于社会的赋能被给予最高层次的期待。在工业经济由数量和规模扩张向质量和效益提升转变的关键期，“智能+”的理念给人工智能等数字技术提供了最广阔的落地空间和回报想象。通过智能化手段把传统工业生产的全链条要素打通，可以更好地推动制造业的数字化、网络化和智能化转型，更能反向助推技术自身的迭代和进步。

2020年，明确人工智能作为“新基建”建设重要一环，“十四五”指出要推动互联网、大数据、人工智能等同各产业深度融合。并且各省市也在大力推动人工智能与产业融合，打造应用场景，示范项目。

行业发展现状

1、大数据和云计算为占比最高的核心技术

从人工智能企业核心技术分布看，计算机视觉技术占比最高，达到34%;其次是数据挖掘与机器学习，占比分别为18%和17%;智能语音技术、自然语音处理、知识图谱等技术的热度也较高，分别占比8%、8%和7%。

2、行业呈现快速增长趋势

注：人工智能产业作为典型的融合交叉产业，对产业统计口径的不同会带来市场规模数据上的出入。下文整理了统计口径不同的三大研究机构关于人工智能产业市场规模的测算数据，以期展现多方视角。其中：中国信通院统计口径>中国人工智能学会统计口径>中国电子学会统计口径，三大研究机构的统计口径在图表下方注明。

2017年7月，国务院印发了《新一代人工智能发展规划》，将人工智能上升到国家战略层面，受益于国家政策的大力支持，以及资本和人才的驱动，我国人工智能行业的发展走在了世界前列。根据中国信通院公布的测算数据显示，2021年中国人工智能产业规模为4041亿元，同比增长333%。

注：中国信通院对人工智能产业市场规模测算口径包括人工智能核心产业市场规模及带动产业市场规模，即包括人工智能硬件、软件及服务市场

人工智能核心产业市场规模方面，根据中国电子学会测算数据显示，2021年中国人工智能核心产业市场规模为1300亿元，同比增长389%。

注：中国电子学会对人工智能核心产业市场规模测算口径包括：计算机视觉、智能语音、对话式AI、机器学习(含自动驾驶)、知识图谱、自然语言处理等核心技术软件、AI芯片等核心硬件

从中国人工智能学会公布的人工智能产业市场规模测算数据来看，2020年中国人工智能行业市场规模约为18582亿元，同比增长354%，总体上看，当前人工智能核心产业(主要包括软硬件)市场规模增速大于整体产业市场规模增速，人工智能应用服务市场发展相对缓慢。

注：①中国人工智能协会关于人工智能产业市场规模统计范围包括：人工智能软件和硬件市场，不包括服务市场规模;②2021年中国人工智能学会尚未发布最新的人工智能市场规模测算数据

3、下游应用主要集中在政府城市治理和运营

2020年，中国人工智能市场主要客户来自政府城市治理和运营(公安、交警、司法、城市运营、政务、交运管理、国土资源、监所、环保等)，应用占比达到49%，互联网与金融行业紧随其后，占比分别为18%和12%。

企业和政府对人工智能的应用逐渐升温。在决定企业产生经济效益的各个环节，都已能够看到人工智能的身影：AI
核身帮助人们安全生活、远程交易、便捷通行;深度学习和知识图谱帮助企业在生产过程中分析预测、科学决策;人机对话提升了拜访登记、服务响应中的用户体验。人工智能将催生新技术、新产品、新产业、新业态、新模式，实现社会生产力的整体跃升，推动社会进入智能经济时代。前瞻估算，目前中国大型企业基本都已在持续规划投入实施人工智能项目，而全部规上企业中约有超过10%的企业已将人工智能与其主营业务结合，实现产业地位提高或经营效益优化。

4、资本更倾向于人工智能企业的早期投资

截止2022年10月9日，中国人工智能行业总计共有6486起投融资事件发生，总计融资金额为9994亿元。其中2014-2018年在融资事件及融资规模均呈现持续增长态势，2018年融资金额达1366亿元，融资事件1049起。2019-2020年，我国人工智能行业市场相较之前冷静不少，融资事件有所下降但是融资规模有所上升。2021年，我国人工智能资本市场再次迎来增长大潮，投融资事件数量及规模均达到历年峰值，分别增长至1066起和3062亿元。截止2022年10月9日，2022年人工智能行业共有投融资事件532起，融资金额达到1008亿元。

注：2022年数据截至10月9日，下同，不再赘述。

从我国人工智能行业融资轮次分布情况来看，由于初创型企业融资金额与估值相对较合理，泡沫较小，因此资本更倾向于人工智能企业的早期投资，2014-2019年，人工智能行业天使轮和A轮占比最高。随着人工智能市场板块的逐渐成熟，早期的投资占比逐渐降低，人工智能投资轮次逐渐后移。2021年，人工智能行业A轮融资占比下降至379%，C轮融资占比则上升至1137%。

5、技术方面人才不足，高校开设相关专业

根据工信部发布的相关数据，人工智能不同技术方向岗位的人才供需比均低于04，说明该技术方向的人才供应严重不足。从细分行业来看，智能语音和计算机视觉的岗位人才供需比分别为008、009，相关人才极度稀缺。

注：岗位人才供需比=意向进入岗位的人才数量/岗位数量。

相对国外，我国高校人工智能培育起步较晚，但近年来我国人工智能学科和专业加快推进，多层次人工智能人才培养体系逐渐形成。2018年4月，教育部发布的《高等学校人工智能创新行动计划》提出，到2020年建立50家人工智能学院、研究院或交叉研究中心。

2019年，教育部印发了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，全国共有35所高校获首批建设“人工智能”本科专业资格。

行业竞争格局

1、区域竞争：北京人工智能竞争能力遥遥领先

从1990年至今，我国人工智能产业发展的城市格局几经变化，目前北京、上海、深圳、杭州等城市变现稳定，这些城市都将电子信息产业作为支柱产业之一，在互联网业发展中也排名靠前。这些城市均强化科研与人才优势、加速补充完善人工智能自身及面向行业落地的产业链、建设示范性智能应用场景、前瞻性布局人工智能相关标准体系、推动公共资源共享、提升城市环境与宜居性、支持系统性超前研发布局等措施将成为城市把握人工智能发展重大历史机遇的谋划方向。

在2021年中国新一代人工智能科技产业发展区域竞争力排名中，排名前五的省市分别是北京、广东、上海、浙江和江苏，属于第一梯队;排名第六至第十的省份分别是山东省、四川省、安徽省、辽宁省和湖南省。

在四大都市圈排名中，排名第一的是长三角，排名第二的是京津冀，排名第三和第四的分别是珠三角和川渝地区。

2、企业竞争：参与者众多，主要分为三个派系

从企业的竞争来看，我国人工智能企业主要可以分为三个派系，分别是头部平台代表企业、融合产业活跃企业、技术层面代表企业。

人工智能平台的代表性企业主要有百度、阿里云、腾讯、华为、京东和科大讯飞;而小米、平安科技、苏宁、滴滴是融合产业较活跃的企业;技术层企业代表有商汤科技、旷视科技、云从科技和依图科技作为独角兽公司。

从人工智能独角兽企业来看，根据胡润排行榜，商汤科技以500亿元的价值位列2021年胡润中国人工智能行业独角兽排行榜首位;其次，旷视科技、云从科技、地平线机器人与明略科技也具备较大的市场潜力，价值均超200亿元。

行业发展前景及趋势预测

1、“十四五”建设继续推进，高质量、现代化、智能化发展

近年来，人工智能在经济发展、社会进步、国际政治经济格局等方面已经产生重大而深远的影响。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》对"十四五"及未来十余年我国人工智能的发展目标、核心技术突破、智能化转型与应用，以及保障措施等多个方面都作出了部署。

2、“十四五”期间核心产业规模达到4000亿

根据《新一代人工智能发展规划》，到2025年,我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展，人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元;到2030年，我国人工智能理论、技术与应用总体达到世界领先水平。

此外,为加快落实《国务院关于印发新一代人工智能发展规划的通知》,科技部于2019年8月印发《国家新一代人工智能创新发展试验区建设工作指引》,旨在有序推动国家新一代人工智能创新发展试验区建设。截至2021年3月末,我国已有14个市+1个县获批建设试验区;至2023年,试验区数量预计将达20个左右。

以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

———一周看点———

燧原 科技 发布第二代人工智能推理加速卡“云燧i20”

近日，燧原 科技 发布第二代云端人工智能推理加速卡“云燧i20”，据悉，作为全新一代云端AI推理加速产品，云燧i20拥有迄今为止业内最大的AI加速卡存储带宽，高达819 GB/s，远超行业同类产品水平；单精度FP32峰值算力达到32 TFLOPS，单精度张量TF32峰值算力达到128 TFLOPS，整型INT8峰值算力达到256 TOPS。对比第一代推理产品，云燧i20将浮点算力提升到18倍，整型算力提升到36倍。

微评：云燧i20也是继今年7月发布云端人工智能训练加速卡“云燧T20”之后，燧原 科技 又推出的全新一代针对云端推理场景的AI加速产品。云燧i20的特色在于超大带宽推理加速卡，兼具高吞吐、低延时特性，这在以、视频内容分析为主的人工智能技术应用的场景之下，数据带宽需求也越来越高，兼顾高带宽和低延迟变得至关重要。

安防类精密线缆连接组件龙头凯旺 科技 拟登陆创业板

12月3日深交所披露，中国证券监督管理委员会批复同意凯旺 科技 首次公开发行股票注册。凯旺 科技 主营业务为电子精密线缆连接组件的研发、生产和销售，目前公司产品主要应用于安防设备和通讯设备等领域，其中，安防类精密线缆连接组件产品，占到公司销售份额的9367%。

微评：根据相关市场调研数据显示，凯旺 科技 安防类精密线缆连接组件占国内安防设备电子精密线缆连接组件834%市场份额。无论是在安防工程，还是在安防产品中，安防连接器及精密组件都扮演着重要角色，在数据、图像以及其他信息的传输中都发挥着重要作用。凯旺 科技 的即将上市，也有望无疑将受益于安防行业未来整体市场空间增量。

端到端AI平台企业依瞳 科技 完成PreA+轮融资

端到端人工智能平台供应商依瞳 科技 宣布完成千万级人民币 PreA+ 轮融资，依瞳 科技 成立于 2019年年底，主要基于自研人工智能(AI)端到端平台，为工业制造、自动驾驶、电力能源、超算中心等行业提供机器学习和深度学习一站式 AI 服务，此轮资金将主要用于新产品的研发和市场拓展，进一步支持依瞳人工智能平台的 1+N 平台战略。

微评：和依图 科技 一字之隔，也同属AI企业，不过依瞳 科技 的主打的是AI平台业务，主要提供包括数据源管理、数据标注、数据集存储、数据预处理、模型训练优化、推理部署的AI算法训练及算力资源服务。其面向的业务领域也主要集中在工业制造、超算中心、自动驾驶、电力能源等B端行业。伴随着AI的日趋普及应用，AI平台将成为助推AI普惠应用的核心桥梁，在整个AI产业生态中扮演着重要角色。

殷创 科技 完成超亿元A轮融资 专注机器视觉传感产品

殷创 科技 11月30日发布消息表示，公司已于近日完成了超过1亿元A轮融资。本轮融资由盈科投资和元创资本领投、安信证券战略投资，融资资金将用于加强殷创 科技 在视觉传感领域已有的的各类产品线，增强欧美市场技术支持与商务推广，进一步完善车载产品各项生产体系与能力。

微评：自动驾驶、智能 汽车 等概念的火爆，也带动智能驾驶整条产业链备受关注。据悉，这家专注于辅助安全与无人驾驶机器视觉传感产品研发及制造的 科技 企业是英伟达指定图像传感设备供应商，在风口之上，加之有核心技术能力加持，殷创 科技 这家企业的发展潜力充满想象。

鹏博士与旷视 科技 合作共建鹏云AIoT平台

12月7日，鹏博士与旷视 科技 签署战略合作协议。双方将以物联网作为人工智能落地载体，合作共建鹏云AIoT平台，并在推动AI数字化生态、Brain++开源生态建设、社区和楼宇空间的AIoT智能化、拓展算法+软件+终端的整合解决方案等方面展开深入合作。

微评：AI产业进入“深水期”，各界对人工智能未来的发展路径抱有更多疑问和期待。产学研用企业之间的合作，对AI在行业领域的工程化落地和技术商业化都有着很大的促进作用，企业之间也可最终实现规模经济效益。

—— 微语录集锦 ——

CMOS 图像传感器的第一大发展方向是像素点数量不断增加，像素尺寸不断缩小，分辨率以及清晰度持续提升，第二大方向则是在提升分辨率的前提下，整合优化 CMOS 图像传感器在不同场景下的整体成像的系统性能力将变得至关重要;与此同时，堆栈式 CMOS 技术应用将逐步铺开，无论是安防、机器视觉或 汽车 电子领域，伴随着AI视频融合应用的趋势，尝试将AI技术能力和CIS工艺技术结合也成为一种趋势。

——思特威副总经理欧阳坚

随着超高清数字视频技术的发展，其在4K、8K、VR、流媒体视频等领域的应用越来越广泛，从技术的角度看，对传统策略的改进已经无法满足编码性能需求，基于人工智能神经网络算法、自适应全局优化策略、将编码与传输结合实现大跨度编码效率提升备受关注。

——中国信息通信研究院知识产权中心工程师徐丹

—— 本周热点原创文章一览——

AI定义ISP 开拓不同寻常的AI芯片创新之路

在端侧AI需求增加的同时，如何在成本和功耗完全可控的条件下，将AI能力达到极致，成为智能芯片行业共同的课题。AI定义ISP 开拓不同寻常的AI芯片创新之路 - 安防知识网 - a&s传媒

智能化浪潮下，CMOS图像传感器将如何升级迭代

伴随着各大细分行业市场的智能化升级，CMOS图像传感器也迎来了持续性的产品迭代和性能升级，在成像技术、制造工艺、适用场景等方面不断实现新的创新和突破。智能化浪潮下，CMOS图像传感器将如何升级迭代 - 安防知识网 - a&s传媒

现在国内人工智能企业非常多，比较优秀的企业如下（排名不分先后）

百度AI开放平台，提供全球领先的语音、图像、NLP等多项人工智能技术,开放对话式人工智能系统、智能驾驶系统两大行业生态,共享AI领域最新的应用场景和解决方案,帮您提升竞争力,开创未来。

腾讯AI开发平台，依托腾讯AI Lab、腾讯云、优图实验室及合作伙伴强大的AI技术能力，提供领先的语音、图像、nlp等多项人工智能技术。

科大讯飞，是亚太地区知名的智能语音和人工智能上市企业，以智能语音、自然语言理解、计算机视觉等核心技术，积极推动人工智能产品和行业应用落地，致力让机器“能听会说，能理解会思考”，用人工智能建设美好世界。

商汤科技，是一家行业领先的人工智能软件公司，以原创技术体系为根基，SenseCore商汤AI大装置为核心基座，布局多领域、多方向前沿研究，快速打通AI在各个垂直场景中的应用，向行业赋能。

云从科技，提供高效人机协同 *** 作系统和行业解决方案的人工智能企业，以视觉+语音等多模态感知为基础，建立视觉认知，语言认知，环境认知等多模态认知融合，打造智能决策系统，实现人工智能技术闭环。

智慧眼，是一家以计算机视觉、深度学习和大数据为核心的人工智能企业，以人工智能为核心驱动产业智能化发展，聚焦民生医疗健康、数字城市、智慧金融三大场景的应用落地，业务覆盖全国20多个省市自治区，涵盖人社、医保、民政、金融、公安和海关等行业，为超6亿用户提供智能化解决方案和服务。

依图科技，是一家从事人工智能创新型研究的企业，致力于将先进的人工智能技术与行业应用相结合，建设更加安全、健康、便利的世界。具备国际视野的世界一流研发团队，致力于解决机器看、听、理解等根本问题，在计算机视觉、自然语言理解、知识推理、智能硬件、机器人等领域作出突破性贡献。

人

工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸

近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。

人工智能市场格局

人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 71 万亿美元。

多角度人工智能产业比较

战略部署：大国角逐，布局各有侧重

全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。

美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。

伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。

日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。

基础层面：技术薄弱，芯片之路任重道远

基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。 受限于技术积累与研发投入的不足，国内在基础层领域相 对薄弱。具体而言，在 AI 芯片领域，国际 科技 巨头芯片已基本构建产业生态，而中国尚 未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术 （SDN）、 开发语音等核心技术被掌握在亚马逊、微软等少数国外 科技 巨头手中。虽国内 阿里、华为等 科技 公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传 感器多种产品类型，而在中国也涌现了诸如汇顶 科技 的指纹传感器等产品，但整体产业布 局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数 据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。

“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。

依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。

ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。

总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。

技术层面：乘胜追击，国内头部企业各领风骚

技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。

具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，百度的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。

在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。

作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。

计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 694%，其中商汤市场份额 206%排名第一。

应用层面：群雄逐鹿，格局未定

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3605 亿元，约是技术层的167 倍，基础层的253 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、 *** 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、标志性的研究成果，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。

透析人工智能发展潜力

基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，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。

从智能产业基础的角度

产业化程度：增长强劲，产业规模仅次美国

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、7125 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， 据清华大学 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。

技术创新能力：专利多而不优，海外布局仍有欠缺

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 7395%。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各国重 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。

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，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，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， 受高昂专利维护费用影响，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 856%的专利仍能得到有效保留。

人才储备：供需失衡，顶尖人才缺口大

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。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 618%。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 211%。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 226 倍，基础层人才数是中国的 138 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，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 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 439%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。

从学术生态的角度

技术创新能力：科研产出表现强劲，产学融合尚待加强

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 6964%。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89%增长至2018年的282%， CAGR1794%。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）指标是目前国际公认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“独领风骚”，2018 年，FWCI 高 于全球平均水平的 3678%；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 080，较 2010 年增长 4423%，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 果转化的短板。 而美国、欧盟和日本则呈现企业、政府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 736 倍，欧盟的 192 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 245%，与以色列（1006%）、美国（953%）、日本（647%）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 457%。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，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。

从创新环境的角度

研发投入：中美研发投入差距收窄

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、日本和德国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 6077%。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路猛增的强进势头，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 1443%，同期美国 CAGR 仅 299%。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 197%，低于日本和美国 153、087 个百分点。

资本投入：资金多而项目缺，资本投向侧重终端市场

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 507%。尤其是特朗普政府以来，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 355%。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 投资也日趋成熟和理性。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。

基于信息熵的 TOPSIS 法：综合指标评估

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，产出成果较多呈现条块化、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。

展望

转自丨 信息化协同创新专委会

---