人工智能：从技术演变到战略布局

随着我国资源环境约束强化和实体产业成本压力加大，创新驱动的倒逼机制正在加速形成，现阶段必须主动加快转变经济发展方式，加快培育和发展知识技术密集的人工智能产业，并在高端制造业、高端服务业、现代农业、城市建设和民生改善等领域大力推广人工智能应用，形成新的经济增长点、提高经济增长质量和效益。人工智能与相关产业的融合，在未来5至10年内将产生十倍乃至百倍的溢出效应，推动各产业发生巨大变革。

人工智能关键技术突破和应用
人工智能产业近期的蓬勃发展得益于关键技术环节的突破和应用。
新型存储架构提升数据存储能力。人工智能对数据的精度和质量要求很高，全闪存系统的出现大大提升了数据存储能力。目前IBM、EMC以及国内华为、浪潮等企业均在开展新型存储体系架构研究。
新型算法模型提升决策水平。机器学习有线性模型、决策树、概率图模型、神经网络、贝叶斯分类器、集成学习、规则学习、强化学习等算法。深度学习属于神经网络算法，随着深度学习算法研究的不断深入，相关技术已经广泛应用在自然语言处理、语音处理以及计算机视觉等领域，极大提高了机器自学习的能力。
智能芯片提升算力水平。目前人工智能芯片主要有GPU（图形处理器）、基于FPGA半定制芯片、针对深度学习算法全定制ASIC芯片。未来类脑芯片将不局限于加速深度学习算法，而是在芯片基本结构甚至器件层面上开发新的类脑计算机体系结构。目前全球70%的GPU处理器市场被Nvidia（英伟达）公司占领。FPGA在人工智能领域应用越来越广泛，美国Xilinx（赛灵思）、Altera（阿尔特拉）两家占领了FPGA处理器90%的市场份额。全定制ASIC芯片代表了人工智能芯片发展的方向。英伟达研发投入超过20亿美元用于深度学习专用芯片开发，谷歌为深度学习定制的TPU（张量处理器）芯片已经应用于自身人工智能云服务系统，我国寒武纪等公司正在开展人工智能专用芯片研制。在政府基金和风险投资支持下，大批人工智能芯片初创公司正在针对具体应用场景发力成长。
智能传感器规模部署和应用是实现人工智能的基本条件。随着传统产业智能化改造的逐步推进，以及5G的部署，相关新型智能应用和解决方案的兴起，智能传感器大规模规模部署和应用正在实现。
图像视频识别技术应用不断普及。图像视频识别利用计算机对图像和视频进行处理、分析和理解，以识别各种不同模式状态下的目标和对象。随着环境感知需求、社会安全监控需求、以及工业制造智能化发展需求日益增长，人脸识别、视频监控、工业视觉应用越来越广泛，图像视频识别产业迎来爆发式增长。国外公司底层技术基础雄厚，注重建立开源代码生态体系推出整体解决方案。国内企业直接对接细分领域，商业化发展道路较为明确。
语音识别已取得大规模应用。在大数据、移动互联网、云计算等技术应用推动下，全球语音识别产业步入快速增长期，未来将在更多实际场景中得以应用。语音识别领域具有较高行业技术壁垒，国内外知名企业均将语音识别技术作为重点研究领域，并推出大量相关产品，许多产品已经得到实际应用，并正在进行快速推广，纷纷建立各自的生态圈。
全球产业格局人工智能的发展对于相关技术先进性和产业支撑基础要求较高，因此全球人工智能产业发展主要集中在现代科技发达、信息化基础完善、研发创新能力强劲的美国、加拿大、欧洲、日本和中国等地区。根据各个国家重点发展技术、领先技术及重点发展领域的差异，目前形成了以美国、中国为第一梯队，加拿大、日本、德国、英国等发达国家为第二梯队的全球人工智能产业格局。
在美国和中国形成的人工智能产业第一梯队中，美国作为人工智能基础理论、核心平台、应用技术、优势企业的主要发源地，在全球人工智能领域处于领导地位。中国人工智能发展迅速，中国人工智能相关论文引用量已经超过美国，位居全球第一，另外应用落地环节中国居世界首位。
人工智能产业发展第二梯队中，欧洲的人工智能发展主要以英国和德国为主要代表，其中德国提出了工业4.0概念，大力发展智能制造。英国人工智能理论及应用技术研究活跃。此外，欧洲国家非常注重人工智能对隐私、法律和道德影响方面的研究，关注新技术的两面性和法律框架的制定。在其他发达国家中，日本发展人工智能产业主要解决人口老龄化带来的老年人陪伴护理人员和社会劳动力缺失等问题，因此，布局主要在生物医学、无人驾驶、无人工厂和自循环工业体系等领域。加拿大人工智能产业专注技术的创新孵化与人工智能人才培养，建立多个生态培训圈，帮助初创企业的商业化落地。

我国人工智能产业发展情况
市场规模方面， 2018年我国人工智能市场规模预计为415亿元，正在快速成长，占世界人工智能市场规模的比例预计将不断增长。
技术方面，2014年，中国在“深度学习”和“深度神经网络”领域的被引用期刊论文数量，已经超越美国，成为世界第一。2016年，我国人工智能专利申请数量超越美国，成为世界第一。
企业方面，清华大学科技政策研究中心相关研究表明，我国人工智能企业数量从2004年的29家增长到2007年的57家，2008年短暂回落后进入高速成长期，2015年达到峰值，新增初创企业数量达到228家，2016年以后创业企业的增速有所减缓，2016年、2017年新增初创企业数量为192和98家。
投资方面，2017年中国人工智能企业融资总额占全球融资总额的70%，融资数量比例达31%。经过近几年爆发式投资及对高估值项目的推崇之后，国内人工智能领域正在逐步回归到正常、健康的投资环境。

我国人工智能核心产业布局
中国人工智能企业主要聚集在经济发达的一二线城市及沿海地区，安徽、川渝和贵州等地近年来也积极布局。北上广深是中国人工智能产业的重要集聚地，预计未来，北京、上海、深圳将在人工智能领域实现领先发展。
北京是人工智能企业集聚最多的城市，拥有人工智能企业数量居全国首位，人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节。北京无论是AI成熟企业数量还是初创企业数量均领先于其他城市。北京大学、清华大学、北京航空航天大学、中科院自动化所等全国过半数人工智能骨干研究单位都聚集在北京，拥有模式识别国家重点实验室、智能技术与系统国家重点实验室、深度学习技术及应用国家工程实验室等10余个国家重点实验室。从类型来看，北京的AI相关企业覆盖了上游硬件制造、软件技术研发、通用平台支持、终端产业应用各个产业链环节，在大规模企业集聚的同时体现了AI创新的多样性。
上海具有数据资源丰富、应用领域广泛、产业门类齐全的优势。上海规划立足国际视野、加强系统布局，全面实施“智能上海”行动，形成应用驱动、科技引领、产业协同、生态培育、人才集聚的新一代人工智能发展体系。上海具有良好的企业培育环境、雄厚的工商业基础、发达的资本市场吸引了一大批创业公司和人才。上海高校云集为人工智能的研究和发展提供了雄厚的学术资源。
深圳在无人机和智能芯片等领域具有良好基础。深圳的大批科技企业都建立了自己的实验室，如腾讯优图实验室、腾讯人工智能实验室、华为诺亚方舟实验室、中兴通讯云计算及IT研究院等，成熟企业的实验室为产业发展提供了良好的基础。同时，由政府主导的深圳智能机器人研究院、深圳人工智能与大数据研究院，也发挥了良好的学科带头作用。深圳的主导产业高新技术产业为AI产业提供了包括计算机视觉、智能语音技术、自然语言处理等在内的技术层支持，及包括云计算服务、传感硬件、计算硬件等在内的基础层支持。另外，深圳金融业、物流业等产业的发达也为AI产业提供了应用层的支持，使AI产业能更好的与优势产业结合并加速落地。