人工智能是研究人类智能行为规律（如学习、计算、推理、思考、规划等），构造具有一定智慧能力的人工系统，以完成往常需要人的智慧才能胜任的工作。从其历史发展看，人工智能经历了三次发展浪潮；从技术脉络看，其经历了数据、算法、算力及应用场景；从理论发展看，人工智能经历了计算、感知和认知三个阶段。

过去 60 年，人工智能经历了几次从爆发到低谷再重新焕发生机的过程，进入 21 世纪以来，随着数据的爆发式增长，计算能力的大幅度提升和深度学习的发展和成熟，人工智能迎来了第三次发展浪潮，成为全球最为活跃的创新领域，人工智能技术走向了全面应用，在全球范围内掀起了一场新的产业革命。

全球人工智能产业概况

从国际看。自2013年欧盟委员会发布《2014-2020年欧洲机器人技术战略研究计划》开始，德国、英国、法国、日本、美国等发达国家相继出台了有关人工智能的国家政策，依据自身已有基础形成了各具特色的人工智能比较优势。总体来说，欧盟比较关注人工智能对数据隐私、安全规制、伦理道德与政策法规等人类社会生活的影响；英国依托其世界名校聚集的优势，注重高科技人才的吸引与培养，致力于打造全球人工智能和数字经济创新中心；法国则对超级计算机研发更加看重，特别是算法支持下的人工智能应用；德国将人工智能与工业4.0计划相结合，注重与法国、美国、以色列等国家的人工智能研发合作，进一步提升其制造强国的地位；日本在人工智能基础技术领域积淀深厚，提出建设“超智能社会5.0”计划，旨在解决国内日益严重的人口老龄化和劳动力短缺问题；美国作为全球科技引领性强国，占据了人工智能先发优势，特别是在算法与芯片等方面处于世界领先水平。2016年10月，美国国家科学技术委员会（NSTC）发布《国家人工智能研发战略计划》，全面布局并确定长期投资发展人工智能。与此同时，美国总统办公室发布报告《为未来人工智能做好准备》，以应对人工智能带来的潜在风险。2016年12月，美国总统办公室发布《人工智能、自动化与经济报告》，强调人工智能驱动的自动化对经济发展的影响。2019年美国总统特朗普签署《维护美国人工智能领域领导力的行政命令》，标志着人工智能上升为美国的国家战略，该文件认为人工智能是中国几十年来最重要的技术研究，并且直接挑战了美国在人工智能领域的霸主地位。随后2019年6月，美国国家科学技术委员会（NSTC）发布新版《国家人工智能研发战略计划》，在2016版的基础上更新原七大战略，评估调整人工智能优先事项，并新增第八大“扩大公私合作伙伴关系”战略。值得注意的是，美国一直将人工智能技术作为提升国力维护国家安全的重大战略，从国家战略层面强化人工智能技术布局，发布《国防部人工智能战略》、《空军人工智能战略》，表明其在军队、军种两个层面的“智能化战略”全面启动。2021年美国民事机构人工智能研发拨款预算为15亿美元，而2021年美国用于人工智能研发的综合军事预算高达50亿美元。

从国内看。当前，我国经济发展进入新阶段，既面临产业转型升级与重塑国际经济格局的机遇，也面对传统要素红利衰减、经济增速换挡、经济结构失衡的挑战。传统的以规模扩张为特征的数量型增长动力难以支撑新阶段高质量发展的要求亟需培育经济增长新动能，实现效率提升型的质量型增长。人工智能是引领这一轮科技革命和产业变革的战略性技术，正在对经济发展、社会进步、国际竞争格局等方面产生重大而深远的影响，加快发展人工智能是赢得全球科技竞争主动权的重要战略抓手，是推动科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。党中央、国务院高度重视人工智能发展。习近平总书记指出：“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应”。“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手”。国务院发布实施了《新一代人工智能发展规划》等文件，将人工智能发展上升为国家战略，以新一代人工智能技术的产业化和集成应用为重点，以加快人工智能与实体经济融合为主线，着力推动人工智能技术、产业全面健康发展。在政产学研用各方共同努力下，我国人工智能产业发展的成果显著。一是创新能力不断增强，图像识别、智能语音等技术达到全球领先水平，人工智能论文和专利数量居全球前列。二是产业规模持续增长，京津冀、长三角、珠三角等地形成了完备的人工智能产业链。三是融合应用不断深入，智能制造、智慧交通、智慧医疗等新业态、新模式不断涌现，对行业发展的赋能作用进一步凸显。

从产业看。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。一是企业变革：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。二是行业变革：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。三是人力变革：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。

人工智能产业竞争格局

当前全球正处于一场前所未有的人工智能“竞赛”中。从大多数国际权威机构的视角来看，中国人工智能发展的综合实力位居全球第二，仅次于美国。美国有丰厚的理论基础和人才，而中国有相对宽松的实践应用环境，双方各有优势。
海外专业调研机构Tortoise Intelligence发布了一个AI指数，对54个国家或地区的过去12个月表现进行了排名，衡量包括研究、编程平台、投资和政府支出在内的150个指标的表现。数据显示，人工智能综合排名前十位依次是美国、中国、英国、加拿大、德国、法国、新加坡、韩国、日本和爱尔兰。

图：Tortoise Intelligence AI指数排名

2021年1月25日，美国信息技术与创新基金会发布 《谁在赢得人工智能竞赛：中国、欧盟还是美国？》报告，从投资、人才、研究、硬件、应用、数据多个维度，系统对比中、美、欧人工智能发展现状，最终得出结论称，美国当前依然保持着世界人工智能发展总体领先地位，中国在一些重要领域与美国的差距缩小，欧盟在三者中相对落后。本报告从以下四个视角分析中外人工智能发展情况。
      基础理论角度 目前，人工智能相关深度学习理论体系、新型学习方式等颠覆技术主导权几乎被全球几位巨头掌握，卷积神经网络、循环神经网络、生成对抗网络等核心算法技术多数在原始创造团队各分支中产生，延续性较强，人工智能颠覆、阶跃技术的发展几乎是寡头垄断的格局。相关的统计学、认知科学等底层近现代学科及反向传播、人工神经网络等深度学习基础理论和知识工程、计算神经科学等其他分支的基础理论基本由美国、加拿大、英国等少数国家的少数巨头引领。仔细分析全球人工智能前沿技术的发展，Yoshua Bengio、Geoffrey Hinton 等巨头在AAAI、ICLR等全球人工智能会议上的观点常引起全球学者追随，引领新热点方向发展。如：2020年Yann LeCun、Geoffrey Hinton等学者提出自监督学习是走向通用智能的路径之一，引发自监督学习热潮，CPVR 2020、ICLR 2020会议收录的自监督学习论文数量较去年增长近一倍，计算机专业权威论文检索平台dblp 2020年收录的相关论文数量接近历年总和。

虽然我国人工智能研究起步较晚，原创性贡献不多，但是我国已开始加强对人工智能基础理论，甚至更底层基础学科的建设发展，且取得一定成果。目前我国人工智能专利申请的活跃度已位于全球前列，专利申请总量达30.1万件，占全球总量的39%，是美国的两倍以上。我国视觉、语音等智能任务全球比赛的参与度和入榜率极高，多次在对话式问答、阅读理解、人脸识别等全球比赛中刷新智能任务的SOTA13模型准确率。2020年我国在人工智能期刊出版文献中所占份额达到18%，居世界首位，其次是美国（12.3%）和欧盟（8.6%）。从人工智能期刊引用比例的角度看，2020年中国（20.7%）首次超过美国（19.8%），而欧盟的整体份额继续保持下滑趋势。自2000年以来，中国在人工智能会议出版文献中所占的比例大幅增长至15.2%，仅次于美国（19.4%）。近年来，我国在人工智能领域也涌现一批具有全球影响力的学者，在图像识别、机器翻译等领域不断发声，如：北京大学在随机梯度下降法中的噪声作用研究中取得进展，从理论上解释了噪声的正则化原理；南京大学提出不依赖反向传播的深度学习模型深度森林（Deep Forest），探索神经网络之外的深度学习发展路径，但总体来看，我国人工智能基础理论技术与欧美发达国家仍存在较大差距。在反映成果质量的人工智能会议出版文献的引用情况，美国在过去21年中在主要大国中都占据主导地位，2020年，美国以高达40.1%的总引用率位居榜首，其次是中国（11.8%）和欧盟（10.9%）。

算法应用角度

一方面，我国人工智能算法技术的发展着重于对业内主流算法模型的吸收改造与产业化应用，当前我国视觉、语音等基础智能任务的工程实现水平全球领先，算法模型的二次创新优化能力也非常突出。涌现出一批追求算法技术极致优化的人工智能企业，如旷视研发的Shuffle Net 模型具有轻量级CNN 模型结构，在计算复杂度相同情况下，相比其他模型可编码更多信息，人脸解锁时间小于0.1 秒。百度推出的ERNIE 模型是基于Bert 的预训练思想，支持词汇、语法、语义三个层次的预训练任务，可获得更多的潜在语义信息，在中文任务上已超越原Bert 模型水平。同时，我国在视觉、语音、自然语言处理等多类基础任务的全球比赛中位列前位已成常态，商汤、旷视、依图、腾讯等企业在细粒度图像识别、自动驾驶场景定位及追踪、行人重识别（ReID）、人体视频解析等复杂任务上位列各类比赛榜单首位，哈工大讯飞联合实验室在推理阅读理解评测任务（HotpotQA）全维基赛道中获得第一，百度提出面向端到端问答的检索模型RocketQA刷新微软MS MARCO（微软机器阅读理解）段落排序任务的榜单。
另一方面，中国人工智能开源平台相较美国而言发展滞后，美国企业已建立产业事实标准。美国谷歌、亚马逊、微软、IBM 等互联网巨头和高校早在2015年就开始推动人工智能平台开源，贡献了如TensorFlow、Caffe、PyTorch、MXNet等大量人工智能学习框架、工具和数据集。而国内企业从 2016 年下半年才开始逐步发布开源平台战略，如百度异构分布式深度学习系统 PaddlePaddle、腾讯面向机器学习的分布式计算框架Angel、阿里云人工智能平台DTPAI等。由于投入规模、技术积累等多方面限制，这些平台还难以与美国互联网巨头主导的主流开源平台相抗衡，目前国内多数人工智能企业需要依托美国的开源平台从事研发工作。

产业发展角度

在企业数量上，根据中国信通院数据，2020年，美国人工智能企业占据全球总数38.3%，中国紧随其后，占24.66%。中美两国人工智能企业数量占据全球半数以上。根据信息技术和创新基金会（ITIF）数据，美国拥有2130家获得100万美元以上融资的人工智能企业，而中国仅有398家；在企业类型上，中国人工智能企业以人工智能“国家队”和创业独角兽为主，其中“国家队”多综合布局技术与应用领域，创业独角兽多深耕垂直技术与应用市场。美国人工智能厂商较多，软硬实力兼具，大型厂商多综合布局人工智能产业，创业公司在各领域分布较为均衡；在企业结构上，我国人工智能企业75.2%为应用层企业，22%为技术层企业，仅有2.8%为基础层企业。受限于创新难度大、技术和资金壁垒高的特点，我国芯片、传感器、云计算等人工智能基础层的发展时间较短，在底层技术和基础理论领域积累不足，尚缺乏标志性研究成果，长期以来受制于欧美日韩等国际巨头。由于信息时代诞生的巨无霸企业的持续投入，导致美国人工智能产业基础层实力较强；当前我国技术层开源算法框架等技术和生态链尚不成熟，但在计算机视觉和语音识别等应用技术领域已达到全球领先水平；综合来看，中美技术层的差距不如基础层明显。

图：我国基础层发展现状

在具体的产业应用方面，中国在以人脸识别为代表的计算机视觉、语音识别与自然语言处理（特别是中文）上有着较美国领先的优势。在人脸识别领域，中国专利数量远高于美国，目前的领先企业以商汤科技、旷视科技、依图科技和海康威视为代表，其应用场景多为安全监控系统，中国人工智能+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。相比而言，由于隐私政策，欧美的人脸识别技术难以发展实行，例如 2020 年 8 月 12 日英国法院裁决警察部门使用自动面部识别（AFR）违反了数据保护法，侵犯了隐私权；在语音识别领域，中国企业表现较优秀，特别是在中文识别和处理上。科大讯飞iFlytek、依图科技YITU、百度、腾讯、阿里巴巴等企业依靠中国庞大的中文用户，能获得远超美国能获得的中文语音数据库，这使得其语音识别人工智能有更好的语音识别学习条件；在自然语言处理领域，百度的能力被认为超过微软和谷歌。受Google的BERT启发，百度的自然语言处理模型ERNIE最初是为理解汉语而开发的，但是它也能够更好地理解英语。Google 的模型在学习时会在每个序列中隐藏15％的单词，然后尝试根据上下文进行预测。基于类似的方法，百度团队通过让其人工智能模型预测文章中一串被隐藏的汉字，来学习文字组合的联系。不同于被微软和谷歌使用的英文，中文的特性要求ERNIE模型必须能够理解汉字组合后的出现的内在含义。结果显示，其在GLUE得分为第一名90.1，超过微软和谷歌的模型得分。

人才共给角度

一是学术人才。根据入选AI2000榜单的2000位人才分析得出，美国人工智能高层次学者的数量最多，有1146人次，占比 57.3%，超过总人数的一半以上，且是第二位国家数量的5倍左右。中国排在美国之后，位列第二，有232人次，占比11.6%。英国位列第三，有 115 人次，占比 5.75%。德国位列第四，人次未超过 100，但依旧是欧盟学者数量最多的国家，整个欧洲学者数量表现较上年有所流失。从研究子领域来看，美国在人工智能各个细分方向上的发展较为均衡，且在机器学习、计算机视觉、自然语言处理、芯片技术、计算机系统等 19个子领域的发展居于全球领先席位。这反映出美国在人工智能领域的雄厚实力。中国在多媒体领域位居全球领先，在经典AI、物联网等领域实力较强，进入全球先进行列。
二是产业人才。根据工信部人才交流中心发布的《人工智能产业人才发展报告（2019-2020年版）》数据，当前我国人工智能人才总量仅为美国人才总量的50%左右，人工智能产业有效人才缺口达30万，其中智能语音和计算机视觉的岗位人才极度稀缺。根据国务院发展研究中心张鑫、王明辉《中国人工智能发展态势及其促进策略》数据，美国基础层从业人员是中国的14.0 倍， 技术层是中国的 2.3 倍，应用层是中国的1.3倍。中国应用层人才占总量的比例为61.8% ，而美国仅为39.89%。

三是人才培养。一方面，我国人工智能人才供给不足。我国人工智能研究始于20世纪80年代，但由于基础不稳、参与研究的科研机构和高校数量有限，因此无法实现规模化培养和输出人才，导致我国人工智能产业人才资源先天不足。2017年后，以人工智能学院、人工智能专业为代表的人工智能专项人才培养在全国快速展开。但现阶段高校内人工智能相关的师资、课程依然不够完善，处于人才培养方式的初期探索阶段，人工智能产业人才的培养速度依然较慢，而行业内部自发的人才培养还没有成体系发展，导致现阶段我国院校端和产业端高质量人才供给水平仍然很低。另一方面，我国人工智能高端人才流失严重。根据知名人工智能领域机构Element AI数据，美国AI博士中有38％的人在国外获得了本科学历，而48％的人是在美国以外出生的。而中国是美国顶级研究人员的最大海外来源，其中29％的顶级人工智能研究人员在中国获得了本科学位。但是这些中国研究人员中的大多数（56％）继续在美国学习，工作和生活。麦克罗波洛智库在分析2019年12月世界顶级人工智能会议NeurIPS所接受的论文作者来源后指出，中美在顶尖人工智能人才工作归属地和来源上均居世界前二。从工作归属地上来看，美国以59%的份额位居第一，而中国以11%的份额位居第二。从人才来源上，约有29%的人才在中国取得本科学位，而美国仅占比20%。根据斯坦福大学《2021年人工智能指数报告》数据显示，美国新毕业的人工智能专业博士中的留学生比例继续上升，达到了64.3%，有81.8%的留学生毕业选择留美就业，而8.6%选择到美国以外的国家或地区工作。

我国人工智能产业发展的优势

庞大的数据规模

一方面，我国基础数据规模大。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，2021年6月，我国整体网民规模已经达到10.11亿，规模居全球第一，渗透率达71.6%，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。据 IDC、希捷统计数据显示，2018年中国数据总量占全球23.4％，为7.6ZB，预计到2025年将增至48.6ZB，届时将占全球数据总量的27.8％。

另一方面，我国政策环境相对宽松。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。欧美等发达国家更加强调数据安全和隐私保护，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，例如欧盟对“身份”的界定除了工作单位等还包括生理状态、心理状态、经济状态、社会状态等。

丰富的应用场景 一方面，我国从农业社会到工业社会发展的时间较短，相关基础设施仍在规划部署中，相关产业现代化的程度不是特别高，给人工智能的应用提供了丰富的场景。另一方面，我国产业规模大、门类完善，能够提供更多的应用场景，容纳更多的人工智能企业。强大的政策支持 当前欧美众多国家均把人工智能作为作为国家战略大力发展，但因社会制度、文化理念、管理模式的不同，各国在思想统一和资源调配的能力上存在差别。近年来，我国通过新型举国体制实现了多项关键技术突破，充分证明了中国特色社会主义制度的优越性。自2015年人工智能在国内快速发展以来，国家就陆续出台了相关扶持政策助力人工智能技术与产业的深度融合和落地应用。在政府工作报告中，多次谈及人工智能重要性，为人工智能如何赋能新时代指明方向。从2017年的“加快人工智能等技术研发和转化”，到2018年“加强新一代人工智能应用”，到2019年“深化大数据、人工智能等研发应用”一系列关键词的出现，可以看出我国人工智能产业从初步发展步入了快速发展的阶段。目前，我国已建立起较为完备的人工智能相关领域政策体系，形成了从基础层的《推进物联网有序健康发展的指导意见》、《国家集成电路产业发展推进纲要》、《促进大数据发展行动纲要》等到应用层的《数字乡村发展战略纲要》、《关于构建更加完善的要素市场化配置体制机制的意见》等相关政策规划文件。各地纷纷加大对人工智能产业的投入，头豹研究院数据显示，我国人工智能市场以政府端为主，占比高达85%。

完善的产业链条

长期以来，虽然我国在人工智能各层级均有布局，但是存在产业结构不科学、产品附加值不高的问题。在全球不确定性明显增加的情况下，我国政府和企业加大了对自主技术的研发攻关，推动我国在人工智能的硬件支撑、框架、算法和应用等方面呈现全产业链突围的形势，集成电路、传感器等领域逐渐迈向全球价值链中高端，产业链的稳定性和安全性明显增强。

工程师红利

中国社科院数据显示，我国大学毛入学率接近50%，人口红利正逐渐转化为工程师红利。在扩大人才培养规模方面，人工智能已被纳入“国家关键领域急需高层次人才培养专项招生计划”支持范围，精准扩大人工智能相关学科高层次人才培养规模。2018年以来，教育部启动了多项促进人工智能教育的举措，提升人工智能领域青年人才培养水平，将为我国抢占世界科技前沿，实现引领性原创成果的重大突破，提供更加充分的人才支撑。斯坦福大学数据显示。2019年，美国超过28000名本科生获得人工智能相关学位，当前，我国每年高校毕业生超900万左右，根据教育部公布的《关于公布2019年度普通高等学校本科专业备案和审批结果的通知》数据显示，新增最多的前两位专业均为人工智能相关，分别为人工智能（180）、数据科学与大数据技术（138），未来几年我国人工智能相关人才供给仍有较大的提升空间。

文章来源于物联网标识号 ，作者ZYY