一、技术方面
1. 人工智能技术体系日趋完善
人工智能技术体系包括基础层、技术层和应用层。基础层是人工智能产业的基础,主要包括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。
据尚普咨询集团数据显示,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、自然语言处理、知识图谱等技术的热度也较高,分别占比8%、8%和7%。
在基础层方面,AI芯片是人工智能技术的重要支撑。AI芯片主要包括CPU、GPU、FPGA、ASIC等类型。其中ASIC又可分为通用AI芯片和专用AI芯片。通用AI芯片主要指可以运行多种AI算法的芯片,如谷歌的TPU、华为的昇腾等;专用AI芯片主要指针对特定AI算法或应用场景进行优化的芯片,如英伟达的Jetson、寒武纪的MLU等。根据IDC的测算数据,2021年中国AI芯片市场规模为85.6亿元,同比增长47.3%。
在技术层方面,深度学习、强化学习、多模态学习等算法研究取得了一系列重大突破。深度学习是目前人工智能领域最为活跃的研究方向,通过构建多层神经网络模型,提高了机器自学习的能力。强化学习是一种基于奖励机制的学习方法,通过不断与环境交互,优化策略,实现长期目标。多模态学习是一种利用多种数据类型(如文本、图像、音频等)进行联合建模和分析的学习方法,可以充分利用数据资源,提高模型的泛化性和通用性。
在应用层方面,人工智能技术已经广泛应用于各个行业和领域,如医疗、教育、金融、制造、安防、交通等。人工智能技术可以帮助提升效率、降低成本、优化体验、创造价值。例如,在医疗领域,人工智能技术可以辅助诊断、药物研发、医疗影像分析等;在教育领域,人工智能技术可以实现个性化教学、智能评测、在线辅导等;在金融领域,人工智能技术可以支持风控管理、智能投顾、反欺诈等;在制造领域,人工智能技术可以实现智能制造、质量检测、预测维护等;在安防领域,人工智能技术可以实现人脸识别、视频分析、异常检测等;在交通领域,人工智能技术可以实现自动驾驶、交通管理、车联网等。
2. 人工智能技术面临的挑战
尽管人工智能技术取得了显著的进步和成果,但仍然面临着一些挑战和问题。主要包括以下几个方面:
(1)数据质量和安全问题。数据是人工智能技术的基础和驱动力,数据的质量和安全直接影响到人工智能技术的效果和可靠性。然而,在实际应用中,数据往往存在着不完整、不准确、不一致、不平衡等问题,需要进行数据清洗、标注、增强等处理。此外,数据的收集、存储、传输和使用过程中也存在着泄露、篡改、窃取等安全风险,需要进行数据加密、脱敏、备份等保护。
(2)算法复杂性和可解释性问题。随着人工智能技术的发展,算法模型越来越复杂和深层次,参数数量越来越多,算法的运行过程和结果越来越难以理解和解释,导致人工智能技术的可信度和可控性降低。例如,在医疗领域,人工智能技术如果不能给出诊断的依据和原因,就难以获得医生和患者的信任和接受。因此,提高算法的可解释性,增加算法的透明度和可追溯性,是人工智能技术发展的重要方向。
(3)算力需求和成本问题。人工智能技术的运行需要大量的计算资源和能源消耗,尤其是深度学习等算法模型,需要使用GPU、TPU等高性能计算芯片来加速训练和推理过程。然而,这些计算资源和能源消耗不仅带来了高昂的成本,也对环境造成了一定的影响。因此,如何提高算力的效率和节约算力的成本,是人工智能技术面临的另一个挑战。
二、市场方面
1. 人工智能市场规模持续增长
人工智能市场规模可以从不同的角度进行划分和测算,如按照技术类型、应用领域、地域分布等。本文主要从技术类型和应用领域两个角度进行分析。
(1)按照技术类型划分
根据IDC的测算数据,2021年中国人工智能市场规模按照技术类型划分为以下几个部分:AI软件平台市场规模为28.8亿元,同比增长42.9%;AI应用市场规模为130.5亿元,同比增长40.6%;AI系统服务市场规模为32.9亿元,同比增长38.4%;AI硬件市场规模为85.6亿元,同比增长47.3%。其中,AI应用市场占比最高,达到48.5%,其次是AI硬件市场,占比31.8%。
(2)按照应用领域划分
根据中国电子学会的测算数据,2021年中国人工智能市场规模按照应用领域划分为以下几个部分:安防市场规模为370亿元,同比增长35%;医疗市场规模为160亿元,同比增长40%;教育市场规模为120亿元,同比增长45%;金融市场规模为100亿元,同比增长30%;制造市场规模为80亿元,同比增长25%;交通市场规模为70亿元,同比增长20%;其他市场规模为300亿元,同比增长40%。其中,安防市场占比最高,达到28.5%,其次是医疗市场,占比12.3%。
根据不同研究机构的测算数据,2021年中国人工智能产业规模在1300亿元至4000亿元之间,预计到2023年将达到2000亿元至6000亿元。
2. 人工智能投融资活跃
人工智能行业作为战略新兴产业之一,在资本市场上也受到了广泛关注。2021年中国人工智能行业共发生了1068起投融资事件,涉及金额达到了1529亿元,同比增长了23.6%。其中,天使轮和Pre-A轮占比最高,分别为30.4%和25.2%,说明人工智能行业仍然有大量的创业项目在孵化和成长阶段。A轮和B轮占比分别为18.7%和11.4%,说明人工智能行业已经有一批项目进入了成熟和扩张阶段。C轮及以上占比为14.3%,说明人工智能行业已经有一些领军企业在寻求上市或并购。
从投融资金额来看,C轮及以上的投融资事件占比最高,达到了67.9%,说明资本市场对于人工智能行业的前景有着高度的信心和期待。A轮和B轮的投融资金额占比分别为13.8%和10.5%,说明资本市场对于人工智能行业的中坚力量也有着较高的认可和支持。天使轮和Pre-A轮的投融资金额占比分别为4.1%和3.7%,说明资本市场对于人工智能行业的新生力量也有着一定的关注和投入。
从投融资领域来看,人工智能技术在各个行业和领域都有着广泛的应用,因此投融资事件也涉及了多个领域。根据IT桔子的数据显示,2021年中国人工智能行业的投融资事件主要集中在以下几个领域:企业服务、医疗健康、教育、金融、电商、文娱、物流、汽车等。其中,企业服务领域占比最高,达到了19.8%,其次是医疗健康领域,占比为15.5%。
三、政策方面
1. 国家层面政策支持
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。以下是部分国家层面政策支持的摘要:
- 2017年7月,《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,明确提出了三步走的发展目标:到2020年,人工智能总体技术与应用与世界先进水平同步;到2025年,在部分领域与世界领先水平并跑;到2030年,在更多领域与世界领先水平领跑。同时,提出了八大重点任务:开放创新平台建设、共性关键技术攻关、先进前沿交叉研究、安全可控可信研究、加快产业化应用推广、建设创新型人才队伍、加强伦理道德和法律法规建设、加强国际交流合作。
- 2018年2月,《关于支持北京建设国家科技创新中心的若干意见》:明确提出要支持北京建设全球影响力的人工智能科技创新中心,加快推进人工智能基础理论、核心技术、前沿应用和高端人才培养等方面的创新发展,打造人工智能创新高地。
- 2018年5月,《关于促进新一代人工智能产业发展的三年行动计划(2018-2020年)》:提出了三年行动目标,即到2020年,人工智能核心产业规模超过1500亿元,带动相关产业规模超过1万亿元;在智能制造、智能医疗、智能农业、智能交通等重点领域取得重大突破;在人工智能基础理论、核心算法、高端芯片等关键技术上实现重大进展;在人工智能标准体系、安全评估体系、伦理道德体系等方面形成初步框架。同时,提出了六大重点任务:加强基础研究和开放创新平台建设、加快关键共性技术攻关和突破、推动重点领域和产品应用示范、培育壮大人工智能产业集群、构建多层次人才培养体系、完善政策环境和法律法规。
- 2019年2月,《数字中国建设发展报告(2018)》:总结了2018年数字中国建设的主要成就,其中包括人工智能领域的重大进展。例如,在基础理论方面,中国科学院计算技术研究所提出了“神经元计算”理论;在核心技术方面,百度推出了全球首款云端AI芯片昆仑;在前沿应用方面,阿里巴巴开发了全球首个AI新闻主播;在标准制定方面,中国电子技术标准化研究院发布了《中国人工智能标准化白皮书(2018)》;在国际合作方面,中国与联合国教科文组织签署了《关于共同推进人工智能发展的谅解备忘录》。
- 2020年4月,《新型数据中心发展三年行动计划(2021-2023年)》:明确提出要加快推进新型数据中心建设,打造数据资源管理和服务的重要载体,支撑数字经济和社会治理的重要基础。其中,新型数据中心包括云数据中心、边缘数据中心和融合数据中心三种类型。其中,融合数据中心是指将云计算、大数据、人工智能等技术深度融合的数据中心,具有高效率、高性能、高可靠性等特点。
- 2020年10月,《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》:明确提出要以场景创新为引领,以人工智能高水平应用为抓手,以产业数字化转型升级为重点,以数据资源开放共享为基础,以安全可控为保障,推动人工智能与经济社会各领域深度融合,促进经济高质量发展。同时,提出了八大重点任务:加强场景创新和应用示范、加快关键技术攻关和突破、培育壮大人工智能产业集群、构建多层次人才培养体系、完善数据资源开放共享机制、加强安全可控能力建设、加强伦理道德和法律法规建设、加强国际交流合作。
- 2021年3月,《关于支持建设新一代人工智能示范应用场景的通知》:明确提出要支持建设一批具有国际领先水平、具有较强示范效应和辐射带动作用的新一代人工智能示范应用场景,推动人工智能技术与经济社会各领域深度融合,促进产业数字化转型升级。同时,提出了六大重点领域:智慧城市、智慧医疗、智慧教育、智慧交通、智慧农业、智慧制造。
2. 地方层面政策支持
除了国家层面的政策支持外,地方层面的政策支持也是推动人工智能行业发展的重要力量。各地根据自身的区域特色和产业基础,制定了一系列的政策措施,包括扶持人工智能企业发展、建设人工智能创新平台和产业园区、培养和引进人工智能人才、加强人工智能标准和安全建设等。以下是部分地方层面政策支持的摘要:
- 北京:2018年6月,《北京市推进新一代人工智能发展三年行动计划(2018-2020年)》:提出了三年行动目标,即到2020年,北京市人工智能核心产业规模达到500亿元以上,带动相关产业规模达到5000亿元以上;在基础理论、核心技术、前沿应用等方面取得重大突破;在人工智能标准体系、安全评估体系、伦理道德体系等方面形成初步框架。同时,提出了六大重点任务:加强基础研究和开放创新平台建设、加快关键共性技术攻关和突破、推动重点领域和产品应用示范、培育壮大人工智能产业集群、构建多层次人才培养体系、完善政策环境和法律法规。
- 上海:2018年9月,《上海市促进新一代人工智能发展实施意见》:提出了三年行动目标,即到2020年,上海市人工智能核心产业规模达到700亿元以上,带动相关产业规模达到7000亿元以上;在基础理论、核心技术、前沿应用等方面取得重大突破;在人工智能标准体系、安全评估体系、伦理道德体系等方面形成初步框架。同时,提出了六大重点任务:加强基础研究和开放创新平台建设、加快关键共性技术攻关和突破、推动重点领域和产品应用示范、培育壮大人工智能产业集群、构建多层次人才培养体系、完善政策环境和法律法规。
- 广东:2019年1月,《广东省新一代人工智能发展规划(2018-2030年)》:提出了三个阶段的发展目标,即到2020年,广东省人工智能核心产业规模达到200亿元以上,带动相关产业规模达到2000亿元以上;到2025年,广东省人工智能核心产业规模达到1000亿元以上,带动相关产业规模达到1万亿元以上;到2030年,广东省人工智能核心产业规模达到5000亿元以上,带动相关产业规模达到5万亿元以上。同时,提出了六大重点任务:加强基础研究和开放创新平台建设、加快关键共性技术攻关和突破、推动重点领域和产品应用示范、培育壮大人工智能产业集群、构建多层次人才培养体系、完善政策环境和法律法规。
- 四川:2019年4月,《四川省新一代人工智能发展行动计划(2019-2022年)》:提出了三年行动目标,即到2022年,四川省人工智能核心产业规模达到300亿元以上,带动相关产业规模达到3000亿元以上;在基础理论、核心技术、前沿应用等方面取得重大突破;在人工智能标准体系、安全评估体系、伦理道德体系等方面形成初步框架。同时,提出了六大重点任务:加强基础研究和开放创新平台建设、加快关键共性技术攻关和突破、推动重点领域和产品应用示范、培育壮大人工智能产业集群、构建多层次人才培养体系、完善政策环境和法律法规。
四、安全方面
1. 人工智能安全风险
人工智能技术的发展和应用给社会带来了巨大的便利和价值,但同时也存在着一些安全风险和挑战。主要包括以下几个方面:
(1)数据安全风险。数据是人工智能技术的基础和驱动力,数据的安全直接影响到人工智能技术的效果和可靠性。然而,在实际应用中,数据的收集、存储、传输和使用过程中都存在着泄露、篡改、窃取等安全风险,可能导致个人隐私、商业机密、国家利益等受到侵犯。例如,在2019年,一家名为“天眼查”的企业信息查询平台被曝出存在大量用户数据泄露的问题,涉及用户姓名、手机号、身份证号等敏感信息。
(2)算法安全风险。算法是人工智能技术的核心和灵魂,算法的安全直接影响到人工智能技术的可信度和可控性。然而,在实际应用中,算法可能存在着错误、偏差、欺骗等安全风险,可能导致人工智能技术的结果不准确、不公平、不合理等。例如,在2018年,亚马逊公司因为其人工智能招聘系统存在性别歧视的问题而被迫停用,原因是该系统根据过去的数据学习,偏向于男性候选人。
(3)系统安全风险。系统是人工智能技术的载体和表现形式,系统的安全直接影响到人工智能技术的稳定性和有效性。然而,在实际应用中,系统可能存在着故障、攻击、滥用等安全风险,可能导致人工智能技术的功能失效、性能下降、行为异常等。例如,在2019年,一辆特斯拉汽车在自动驾驶模式下与一辆停在路边的消防车相撞,造成司机受伤,原因是该汽车的自动驾驶系统无法识别停在路边的消防车。
2. 人工智能安全建设
为了应对和防范人工智能技术带来的安全风险和挑战,需要从多个方面加强人工智能安全建设。主要包括以下几个方面:
(1)加强数据安全保护。数据安全保护是人工智能安全建设的基础和前提,需要从数据收集、存储、传输和使用等各个环节进行保护。具体措施包括:制定和完善数据安全相关的法律法规和标准规范;建立和完善数据安全相关的管理制度和监督机制;采用数据加密、脱敏、备份等技术手段提高数据安全性;加强数据安全相关的教育培训和宣传引导;建立和完善数据安全相关的应急响应和处置机制。
(2)提高算法安全可解释性。算法安全可解释性是人工智能安全建设的核心和关键,需要从算法设计、开发、测试等各个环节进行提高。具体措施包括:制定和完善算法安全相关的法律法规和标准规范;建立和完善算法安全相关的管理制度和监督机制;采用可解释性分析、可信度评估、可控性调节等技术手段提高算法安全性;加强算法安全相关的教育培训和宣传引导;建立和完善算法安全相关的应急响应和处置机制。
(3)保障系统安全稳定性。系统安全稳定性是人工智能安全建设的载体和表现,需要从系统开发、部署、运行等各个环节进行保障。具体措施包括:制定和完善系统安全相关的法律法规和标准规范;建立和完善系统安全相关的管理制度和监督机制;采用故障检测、攻击防御、滥用预防等技术手段保障系统安全性;加强系统安全相关的教育培训和宣传引导;建立和完善系统安全相关的应急响应和处置机制。
五、趋势方面
1. 人工智能技术趋势
人工智能技术是一个不断发展和变化的领域,随着科技进步和社会需求的变化,人工智能技术也会出现一些新的趋势和方向。以下是部分人工智能技术趋势的简要介绍:
(1)联邦学习。联邦学习是一种分布式机器学习方法,通过在多个参与方之间共享模型参数而不共享数据,实现了数据隐私保护和模型效果提升的双重目标。联邦学习可以应用于多个场景,如跨机构、跨设备、跨平台等,解决了数据孤岛、数据不均衡、数据安全等问题。
(2)神经符号学习。神经符号学习是一种结合了神经网络和符号逻辑的学习方法,旨在克服神经网络的黑箱性和符号逻辑的脆弱性,实现了知识表示和推理的有效结合。神经符号学习可以应用于多个领域,如自然语言处理、计算机视觉、知识图谱等,提高了模型的可解释性和通用性。
(3)自监督学习。自监督学习是一种利用无标注数据进行学习的方法,通过从数据本身生成监督信号,实现了数据利用率的最大化和人工成本的最小化。自监督学习可以应用于多个领域,如自然语言处理、计算机视觉、强化学习等,提高了模型的泛化性和鲁棒性。
2. 人工智能市场趋势
人工智能市场是一个不断扩大和深化的领域,随着技术进步和社会需求的变化,人工智能市场也会出现一些新的趋势和方向。以下是部分人工智能市场趋势的简要介绍:
(1)AI+X。AI+X是指将人工智能技术与各个行业和领域相结合,形成新的产品、服务、模式等,实现了产业升级和价值创造。AI+X可以涵盖多个领域,如AI+医疗、AI+教育、AI+金融、AI+制造、AI+安防、AI+交通等。
(2)边缘计算。边缘计算是指将数据的处理和分析从云端转移到离数据源更近的地方,如终端设备、网关设备等,实现了数据的实时性、安全性和效率。边缘计算可以应用于多个场景,如物联网、自动驾驶、智能家居等。
(3)云原生。云原生是指将云计算的理念和技术应用于软件的开发、部署和运行的过程,实现了软件的可移植性、可扩展性和可维护性。云原生可以应用于多个领域,如微服务、容器、服务网格等。
3. 人工智能政策趋势
人工智能政策是一个不断完善和创新的领域,随着技术进步和社会需求的变化,人工智能政策也会出现一些新的趋势和方向。以下是部分人工智能政策趋势的简要介绍:
(1)加强顶层设计。顶层设计是指从国家战略的高度,对人工智能行业的发展目标、重点任务、支撑措施等进行统筹规划和协调安排,实现了人工智能行业发展的全局性和系统性。顶层设计可以涵盖多个方面,如发展规划、法律法规、标准规范等。
(2)促进协同创新。协同创新是指在人工智能行业发展中,各个主体之间进行有效的合作和交流,形成合力和共赢,实现了人工智能行业发展的多元性和活力。协同创新可以涵盖多个主体,如政府、企业、高校、科研机构等。
(3)强化社会责任。社会责任是指在人工智能行业发展中,各个主体要充分考虑人工智能技术对社会的影响和后果,遵守伦理道德和法律法规,保障公共利益和社会安全,实现了人工智能行业发展的可持续性和可信赖性。社会责任可以涵盖多个方面,如数据隐私、算法公平、系统安全等。
六、结语
本文从技术、市场、政策、安全等方面对中国人工智能行业的发展现状进行了评价,并对未来的发展趋势进行了预测。总体来看,中国人工智能行业在近年来取得了显著的进步和成果,但仍然面临着一些挑战和问题。为了推动中国人工智能行业的高质量发展,需要从多个方面加强人工智能安全建设,加快关键技术攻关和突破,推动重点领域应用示范,培育壮大人工智能产业集群,构建多层次人才培养体系,完善政策环境和法律法规等。