在過去一年中，人工智能的新算法不斷涌現(xiàn)，深度學(xué)習(xí)仍是這一時期發(fā)展主線，嘗試解決更為復(fù)雜的應(yīng)用任務(wù)。 人工智能的產(chǎn)業(yè)格局與生態(tài)體系更為明晰，開源開發(fā)框架格局逐步確立，以科技巨頭引領(lǐng)的生態(tài)系統(tǒng)垂直整合速度不斷加快；同時，產(chǎn)業(yè)發(fā)展重心開始轉(zhuǎn)變，企業(yè)比拼重點(diǎn)從單項(xiàng)技術(shù)的“理論”準(zhǔn)確率轉(zhuǎn)向應(yīng)用場景白熱化的“跑馬圈地”。

人工智能的技術(shù)應(yīng)用開始全面覆蓋日常生活、 科學(xué)研究、社會治理、商業(yè)創(chuàng)新和國家安全等經(jīng)濟(jì)社會的關(guān)鍵領(lǐng)域， 以空前的廣度和深度推動社會發(fā)展。然而，由于人工智能技術(shù)成熟周期相對較長，產(chǎn)業(yè)發(fā)展速度不及資本市場預(yù)期， 資本熱度開始減退。 人工智能產(chǎn)業(yè)似乎顯現(xiàn)出“陷入困境”與“高速發(fā)展”的矛盾現(xiàn)象。

本期的智能內(nèi)參，我們推薦中國信通院的報(bào)告《人工智能核心技術(shù)產(chǎn)業(yè)白皮書》， 探討以深度學(xué)習(xí)技術(shù)為主要驅(qū)動力的人工智能發(fā)展?fàn)顩r、 技術(shù)創(chuàng)新重點(diǎn)與產(chǎn)業(yè)發(fā)展趨勢，總結(jié)十三五期間我國發(fā)展情況， 提出十四五期間的發(fā)展方向與機(jī)遇。

本期內(nèi)參來源：中國信通院

原標(biāo)題：

《人工智能核心技術(shù)產(chǎn)業(yè)白皮書》

作者：李論 lilun@caict.ac.cn

一、 人工智能核心技術(shù)產(chǎn)業(yè)發(fā)展總體態(tài)勢

1、 深度學(xué)習(xí)技術(shù)進(jìn)入升級優(yōu)化階段

人工智能技術(shù)體系與產(chǎn)業(yè)體系錯位發(fā)展，深度學(xué)習(xí)理論突破速度逐步放緩，產(chǎn)業(yè)開始步入高速發(fā)展階段。 目前，本輪深度學(xué)習(xí)理論突破速度開始放緩，技術(shù)紅利的持續(xù)釋放驅(qū)動圖像分類、機(jī)器翻譯等多類感知任務(wù)準(zhǔn)確率大幅增長，步入升級優(yōu)化期。 人工智能本輪爆發(fā)初期主要在探討算法理論的可能性，聚焦探索強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)等新的學(xué)習(xí)方式以及 AlexNet、 VGG、 GoogLeNet 等結(jié)構(gòu)多樣的算法模型；算法理論的不確定性和技術(shù)的不成熟耗費(fèi)產(chǎn)業(yè)界大量精力和時間，阻礙人工智能大規(guī)模應(yīng)用進(jìn)程。

目前， 產(chǎn)業(yè)開始步入高速發(fā)展時期， 2020年技術(shù)標(biāo)志性生產(chǎn)工具 TensorFlow 框架下載量爆發(fā)式增長， 僅一個月1超 1000 萬次，占發(fā)布四年半下載總量（ 1 個億+） 的十分之一；同時，技術(shù)成本快速下降，同等算法水平所需計(jì)算量每八個月降低一倍，成本降低百倍， 業(yè)內(nèi)涌現(xiàn)出研發(fā)平臺、技術(shù)服務(wù)平臺等多樣化的平臺形態(tài)， 工程技術(shù)正在引領(lǐng)產(chǎn)業(yè)快速發(fā)展。

2、 寒冬并非低谷，產(chǎn)業(yè)生態(tài)已現(xiàn)加速構(gòu)建態(tài)勢

資本寒冬已經(jīng)出現(xiàn)。 其中，預(yù)期過高是主要原因。 人工智能企業(yè)增速明顯放緩， 2019、 2020 年全球每年新增人工智能企業(yè)數(shù)量已不足 100 家， 且投融資的輪次后移趨勢不斷擴(kuò)大。 2020 年 B 輪及以上融資筆數(shù)占總筆數(shù)的 62.3%，較上一年增長 40%以上。同時，曾獲大筆融資的知名創(chuàng)新企業(yè)由于預(yù)期過高、虛假宣傳等原因退出產(chǎn)業(yè)舞臺。曾對標(biāo)英特爾的芯片企業(yè) Wave Computing，是人工智能計(jì)算領(lǐng)域最受關(guān)注的獨(dú)角獸之一， 2020 年 4 月由于數(shù)據(jù)流處理器性能不達(dá)預(yù)期而宣告破產(chǎn)；智能會計(jì)工具 ScaleFactor 宣稱利用人工智能技術(shù)自動化生成財(cái)務(wù)報(bào)表， 但實(shí)際卻部分采用人工外包方式處理， 在融資1 億美元后于 2020 年 3 月宣告倒閉。

此外， 資本早期對人工智能產(chǎn)業(yè)回報(bào)周期過于樂觀是資本寒冬的另一原因。 移動互聯(lián)網(wǎng)在偏向工程屬性的前提下，資本預(yù)期取得成效的時間為二到四年；與之相較，人工智能與傳統(tǒng)行業(yè)核心業(yè)務(wù)深度融合，需更高的技術(shù)準(zhǔn)確率和更深刻的行業(yè)理解力。因此，人工智能產(chǎn)業(yè)孕育時間更長，資本市場的期望和現(xiàn)實(shí)出現(xiàn)較大偏差。

▲全球融資輪次數(shù)量分布

從技術(shù)基礎(chǔ)理論突破到工程化落地應(yīng)用，既有技術(shù)紅利已為產(chǎn)業(yè)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。 當(dāng)前，雖然資本市場的泡沫逐步破裂，但優(yōu)質(zhì)企業(yè)的估值仍在持續(xù)增長，獨(dú)角獸企業(yè)不斷出現(xiàn)， 產(chǎn)業(yè)呈現(xiàn)良性發(fā)展態(tài)勢。深度學(xué)習(xí)技術(shù)局限性似乎導(dǎo)致人工智能產(chǎn)業(yè)發(fā)展將遇天花板，然而事實(shí)并非如此。雖然，可解釋性、理解推理等局限性確已顯現(xiàn)，但這是下一時期理論技術(shù)突破重點(diǎn)， 不能因此否定圖像識別、語音合成、機(jī)器翻譯等感知類任務(wù)上的應(yīng)用技術(shù)成就和產(chǎn)業(yè)應(yīng)用前景。 目前，基 于深度學(xué)習(xí)理論的優(yōu)化技術(shù)層出不窮， RegNet、 GPT-3 等模型不斷提升視覺處理、閱讀理解等基礎(chǔ)智能任務(wù)水平，虛擬助手、多語種翻譯等智能應(yīng)用已開始進(jìn)入規(guī)模化應(yīng)用階段,大量的行業(yè)應(yīng)用場景加速深度融合，技術(shù)能力和優(yōu)化速度可見 5 到 8 年的紅利。

業(yè)各環(huán)節(jié)逐步明晰，規(guī)模化應(yīng)用突破已現(xiàn)曙光。 人工智能技術(shù)在消費(fèi)互聯(lián)網(wǎng)領(lǐng)域發(fā)展速度較快，智能推薦、視覺識別、語音助手等智能技術(shù)能力已深度應(yīng)用至電商、社交、資訊等消費(fèi)互聯(lián)網(wǎng)平臺以及手機(jī)、無人機(jī)等消費(fèi)終端中，并加速與核心業(yè)務(wù)進(jìn)行整合。當(dāng)前，智能技術(shù)正在向更多的行業(yè)領(lǐng)域滲透，融合滲透仍需時日孕育。 相較于消費(fèi)互聯(lián)網(wǎng)領(lǐng)域，傳統(tǒng)行業(yè)的知識獲取和積累需要較長時間，應(yīng)用場景碎片化的特點(diǎn)導(dǎo)致低成本、易用、泛化能力較強(qiáng)的能力平臺構(gòu)建需較長周期。

總體來看，人工智能產(chǎn)業(yè)正處于 S 曲線中快速發(fā)展的臨界位置（如下圖），現(xiàn)階段智能技術(shù)落地成本較為昂貴，導(dǎo)致智能產(chǎn)品絕對量增加時，其單位成本并未明顯下降。目前，人工智能頭部企業(yè)加速布局， 不斷完善技術(shù)生產(chǎn)工具（開源開發(fā)框架、數(shù)據(jù)處理、驗(yàn)證分析、部署監(jiān)測等完備研發(fā)工具鏈）， 加速建立全棧智能計(jì)算技術(shù)體系（形成基礎(chǔ)計(jì)算理論、 芯片、 軟硬協(xié)同、 系統(tǒng)協(xié)同全棧技術(shù)支撐能力）， 探索孕育基礎(chǔ)和垂直行業(yè)技術(shù)平臺； 產(chǎn)業(yè)規(guī)?；l(fā)展的進(jìn)程正在不斷加速，規(guī)模經(jīng)濟(jì)有望形成。

▲人工智能規(guī)模經(jīng)濟(jì) S 曲線

3、 人工智能以空前廣度與深度推動社會發(fā)展，加速產(chǎn)業(yè)結(jié)構(gòu)升級進(jìn)程

工智能已全面覆蓋社會運(yùn)行的基本要素，內(nèi)生化提升全局運(yùn)轉(zhuǎn)效率。從社會運(yùn)行角度，人工智能加速影響日常生活、科學(xué)研究、商業(yè)創(chuàng)新和國家安全等社會運(yùn)行的基本要素。一是人工智能與科學(xué)研究的結(jié)合已開始改變基于傳統(tǒng)學(xué)術(shù)經(jīng)驗(yàn)的科學(xué)研究方式,實(shí)現(xiàn)從大量已知論文、實(shí)驗(yàn)數(shù)據(jù)中挖掘未知理論，加速提升化學(xué)、材料、物理、藥物研發(fā)等領(lǐng)域文獻(xiàn)獲取速度與實(shí)驗(yàn)發(fā)現(xiàn)效率， 成為下一時期科技競爭的重要動力。

二是人工智能成為商業(yè)創(chuàng)新與競爭的下一個主戰(zhàn)場， 傳統(tǒng)行業(yè)巨頭加速布局智能供應(yīng)鏈、質(zhì)量檢測、商業(yè)決策等細(xì)分應(yīng)用，有望顯著提升生產(chǎn)流程、質(zhì)量控制、商業(yè)營運(yùn)等環(huán)節(jié)效率，改善工作條件；

三是娛樂、消費(fèi)電子、醫(yī)療等生活領(lǐng)域的智能應(yīng)用不斷貼近、細(xì)化場景需求， 室內(nèi)安防無人機(jī)、人性化虛擬助手等智能消費(fèi)產(chǎn)品不斷涌現(xiàn)，問診機(jī)器人及智能影像逐步推廣使用，醫(yī)療資源緊缺、分布不均等一些行業(yè)痛點(diǎn)開始緩解； 四是疫情加速教育培訓(xùn)向在線智能化發(fā)展，試題 OCR 識別、輔助批改等應(yīng)用已從試點(diǎn)向規(guī)?；l(fā)展，推動教學(xué)管理向精準(zhǔn)管理轉(zhuǎn)變，助力個性化學(xué)習(xí)體系的建立； 五是全球領(lǐng)先國家已充分意識到人工智能技術(shù)與國防安全融合的重要程度， 投入針對性資金推動預(yù)測維護(hù)、自動駕駛、情報(bào)分析、智能飛控等國防智
能應(yīng)用的發(fā)展。

人工智能滲透率的提升有望顯著加快全產(chǎn)業(yè)鏈結(jié)構(gòu)的優(yōu)化速度，牽引產(chǎn)業(yè)向高附加值的產(chǎn)品與服務(wù)轉(zhuǎn)變。一方面， 人工智能作為眾多技術(shù)產(chǎn)品創(chuàng)新核心，是下一時期最為關(guān)鍵的高附加值產(chǎn)業(yè)。據(jù)預(yù)測，到 2030 年約 70%的行業(yè)企業(yè)將使用人工智能技術(shù)，預(yù)計(jì)為全球增加13 萬億美元的附加值。 另一方面， 人工智能加速提升傳統(tǒng)行業(yè)高附加值產(chǎn)品的比重， 進(jìn)一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。人工智能技術(shù)與核心業(yè)務(wù)、專家經(jīng)驗(yàn)深度融合，行業(yè)主營產(chǎn)品和運(yùn)行方式的智能化程度正在不斷提升，衍生新產(chǎn)品與新服務(wù)?！堵槭±砉た萍荚u論》全球 50 家聰明企業(yè)（ TR50）榜單中已顯現(xiàn)傳統(tǒng)行業(yè)企業(yè)的身影，如布局醫(yī)藥研發(fā)賦能平臺的傳統(tǒng)藥物研發(fā)廠商藥明康德，利用智能技術(shù)提升物流收派效率的順豐科技等。

二、 人工智能技術(shù)創(chuàng)新重點(diǎn)

1、 深度學(xué)習(xí)試圖從多角度融合創(chuàng)新，開啟認(rèn)知時代仍在探索

深度學(xué)習(xí)仍然是人工智能技術(shù)發(fā)展的主導(dǎo)路線。 當(dāng)前，基于大量標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練是深度學(xué)習(xí)技術(shù)實(shí)際應(yīng)用的主要路線，從 1400 余萬幅圖片的ImageNet數(shù)據(jù)集至2020年臉書和卡內(nèi)基梅隆大學(xué)構(gòu)建的超過 130 萬種化合物分子間作用數(shù)據(jù)集 Open Catalyst，模型訓(xùn)練所需標(biāo)注數(shù)據(jù)普遍達(dá)十萬以上。然而，這種路線在取得良好成效的同時，面臨著嚴(yán)重依賴標(biāo)注數(shù)據(jù)的問題，帶來在更多細(xì)分場景中應(yīng)用落地的局限性。

業(yè)內(nèi)不斷拓展深度學(xué)習(xí)解決問題的邊界， 推動人工智能進(jìn)入感知增強(qiáng)時代。 人工智能純粹使用有監(jiān)督學(xué)習(xí)方式訓(xùn)練深度學(xué)習(xí)模型的時代基本結(jié)束，受限于對大量標(biāo)注數(shù)據(jù)依賴與理解能力缺乏，這種路徑難以解決更多應(yīng)用問題。當(dāng)前， 感知增強(qiáng)時代拉開序幕，這一時期的新算法聚焦提升數(shù)據(jù)的質(zhì)量和規(guī)模， 通過遷移其他領(lǐng)域訓(xùn)練成果、自主生成或增強(qiáng)數(shù)據(jù)、依托知識圖譜常識關(guān)系、利用多源數(shù)據(jù)等方式側(cè)面彌補(bǔ)深度學(xué)習(xí)的局限性。 深度強(qiáng)化學(xué)習(xí)、多模態(tài)學(xué)習(xí)等多元化的學(xué)習(xí)方式受到產(chǎn)業(yè)熱捧，深度學(xué)習(xí)技術(shù)與知識工程、傳統(tǒng)機(jī)器學(xué)習(xí)等分支的結(jié)合成為學(xué)界探索的熱點(diǎn)新方向。

深度學(xué)習(xí)加速探索與多元學(xué)習(xí)方式、多種技術(shù)分支的結(jié)合， 少量數(shù)據(jù)訓(xùn)練、弱化人為干預(yù)以及多模態(tài)學(xué)習(xí)成為下一時期的發(fā)展關(guān)鍵。

一是減少數(shù)據(jù)量依賴的少樣本學(xué)習(xí)。 少樣本學(xué)習(xí)通過復(fù)用其他領(lǐng)域知識結(jié)構(gòu)，使用少量數(shù)據(jù)對新領(lǐng)域進(jìn)行訓(xùn)練， 已進(jìn)入初步應(yīng)用階段，如英偉達(dá)提出基于少樣本學(xué)習(xí)的視頻轉(zhuǎn)化（ Few-shot vid2vid）框架，僅借助少量目標(biāo)示例圖像即可合成未出現(xiàn)過的目標(biāo)或場景視頻。

二是弱化人為干預(yù)的自監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)。 業(yè)內(nèi)主流的有監(jiān)督學(xué)習(xí)方式數(shù)據(jù)標(biāo)注成本高昂，以機(jī)器翻譯任務(wù)為例，市場人工翻譯每單詞平均價(jià)格約 7.5 美分， 假設(shè)單個句子平均長度為 30 個單詞， 1000 萬個句子人工翻譯標(biāo)注的成本約為 2200 萬美元；若需支持上百種語言的互譯，人工標(biāo)注訓(xùn)練集的成本將達(dá)上千億美元。這種高昂的數(shù)據(jù)成本促使學(xué)產(chǎn)兩界加速對深度強(qiáng)化學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等范式的探索。 圖靈獎獲得者楊立昆（ Yann LeCun）加速自監(jiān)督學(xué)習(xí)的研究進(jìn)程，通過從未標(biāo)記的數(shù)據(jù)集中學(xué)習(xí)監(jiān)督信息， 提升數(shù)據(jù)無標(biāo)注下的學(xué)習(xí)能力；DeepMind、 OpenAI 等機(jī)構(gòu)不斷演進(jìn)深度強(qiáng)化學(xué)習(xí)算法，試圖顯著提升智能體的自主決策和多智協(xié)同能力。

三是提高應(yīng)用場景復(fù)雜度的多模態(tài)學(xué)習(xí)。 應(yīng)用場景正從單一視覺、語音的感知向多模態(tài)理解側(cè)重，復(fù)雜度不斷提升， 從多模態(tài)信息源中學(xué)習(xí)模態(tài)間關(guān)系成為焦點(diǎn)，如菜肴制作視頻與菜譜文本步驟對齊、唇動視覺描述與語音信號融合預(yù)測單詞等。深度學(xué)習(xí)技術(shù)正在不斷挑戰(zhàn)更為復(fù)雜的任務(wù)，擴(kuò)展能夠解決問題的邊界。

直面推理理解問題的算法路徑尚無定論，距離認(rèn)知時代到來仍需數(shù)年。從理論體系角度來看，深度學(xué)習(xí)的領(lǐng)軍專家開始探索深度學(xué)習(xí)理論體系的新形態(tài)，反向傳播、經(jīng)典神經(jīng)網(wǎng)絡(luò)模型等已有基礎(chǔ)理論受到質(zhì)疑。目前，杰弗里·辛頓（ Geoffrey Hinton）提出替代深度神經(jīng)網(wǎng)絡(luò)（ DNN）架構(gòu)的膠囊網(wǎng)絡(luò)，試圖解決小樣本問題。 然而，膠囊網(wǎng)絡(luò)雖連續(xù)三年推陳出新，但研究進(jìn)程并非疊加式的演進(jìn)，而是完全不同路徑的替代。

從學(xué)習(xí)方式角度來看， 近一年來，強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)通用智能的技術(shù)路徑不再是業(yè)內(nèi)共識，不依賴大量人工標(biāo)注數(shù)據(jù)的自監(jiān)督學(xué)習(xí)成為學(xué)習(xí)方式的新焦點(diǎn)，并在 2020 年 ICML、 ICLR 等全球人工智能學(xué)術(shù)會議上高頻出現(xiàn)，已成為眾多專家所關(guān)注的關(guān)鍵路徑。然而，無論是深度學(xué)習(xí)體系的顛覆式創(chuàng)新，還是多種學(xué)習(xí)方式的不斷嘗試，具備理解能力的算法模型目前未有顯現(xiàn)跡象， 真正的認(rèn)知時代到來仍未可知。

▲人工智能技術(shù)發(fā)展階段

2、 任務(wù)場景愈加復(fù)雜，倒逼學(xué)習(xí)方式多元化發(fā)展

有監(jiān)督學(xué)習(xí)建立在嚴(yán)苛條件之上，已不能完全滿足模型學(xué)習(xí)需求，面對更為復(fù)雜的任務(wù)場景，業(yè)內(nèi)加速探索強(qiáng)化學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等多元學(xué)習(xí)方式，試圖縮小與通用智能的距離。

深度強(qiáng)化學(xué)習(xí)不斷演進(jìn)，加速提升自主決策能力。 深度強(qiáng)化學(xué)習(xí)加速拓展任務(wù)邊界, 突破性解決多人棋牌、即時戰(zhàn)略游戲等多智能體非完全信息博弈任務(wù)。目前， OpenAI、谷歌、微軟等企業(yè)相繼攻克即時戰(zhàn)略、 德州撲克、麻將等復(fù)雜游戲， 并加速向無人機(jī)群體飛行等更為實(shí)際的應(yīng)用場景拓展。另一方面， 深度強(qiáng)化學(xué)習(xí)不斷提升處理復(fù)雜任務(wù)的能力， 逐步拓展芯片設(shè)計(jì)、音樂編曲等對知識技能要求更高的專業(yè)領(lǐng)域，如 2020 年谷歌研究人員利用深度強(qiáng)化學(xué)習(xí)優(yōu)化設(shè)計(jì)芯片布局，達(dá)到 PPA（功率、性能、面積）的最佳平衡，顯著縮短設(shè)計(jì)時間；清華大學(xué)提出用于在線伴奏生成的深度強(qiáng)化學(xué)習(xí)算法，能夠根據(jù)輸入音樂實(shí)時生成伴奏。

自監(jiān)督學(xué)習(xí)成為最為活躍的學(xué)習(xí)方式。 谷歌、臉書等多家企業(yè)先后發(fā)布使用自監(jiān)督學(xué)習(xí)的算法模型，通過挖掘無標(biāo)注數(shù)據(jù)的監(jiān)督信息，顯著減少人為干預(yù)，在自然語言理解（ NLP）領(lǐng)域取得顯著成效，如谷歌 BERT、 臉書 RoBERTa、 OpenAI GPT-3 等。目前，學(xué)產(chǎn)兩界正在加速自監(jiān)督學(xué)習(xí)在計(jì)算機(jī)視覺（ CV）領(lǐng)域的突破創(chuàng)新，已在精細(xì)圖像處理方面初步取得進(jìn)展，如華盛頓大學(xué)利用自監(jiān)督學(xué)習(xí)方式實(shí)現(xiàn)圖像背景的前后景分離，精度達(dá)像素級別，可實(shí)現(xiàn)頭發(fā)絲的精確分離。然而，盡管在自然語言理解、視覺處理等方面取得初步進(jìn)展，現(xiàn)階段自監(jiān)督學(xué)習(xí)本質(zhì)上仍依賴規(guī)范化、標(biāo)簽化的數(shù)據(jù)，主要借助預(yù)訓(xùn)練模型構(gòu)造并學(xué)習(xí)數(shù)據(jù)特征,而非基于對數(shù)據(jù)內(nèi)容和任務(wù)對象的深層次認(rèn)知；真正理解數(shù)據(jù)內(nèi)容的自監(jiān)督學(xué)習(xí)尚未出現(xiàn)。

3、 深度神經(jīng)網(wǎng)絡(luò)理論體系嘗試顛覆性創(chuàng)新，多分支融合趨勢漸顯

深度學(xué)習(xí)局限性日益凸顯，理論體系探索革新。 當(dāng)前，以杰弗里·辛頓（ Geoffrey Hinton）為代表的業(yè)內(nèi)巨頭持續(xù)推動理論體系的創(chuàng)新，其中，膠囊網(wǎng)絡(luò)作為革新熱點(diǎn)，試圖解決數(shù)據(jù)依賴與不可解釋問題；然而，歷史上膠囊網(wǎng)絡(luò)的三個版本更新大相徑庭， 尚未形成穩(wěn)定的新形態(tài)架構(gòu)， 仍處于探索階段。 此外，以膠囊網(wǎng)絡(luò)為核心的應(yīng)用也在不斷探索， 2020 年Hinton 團(tuán)隊(duì)提出一種用于機(jī)器學(xué)習(xí)安全領(lǐng)域的網(wǎng)絡(luò)檢測機(jī)制，顯著提升攻擊檢出率；中佛羅里達(dá)大學(xué)學(xué)者提出膠囊路由方法，可通過輸入句子查詢視頻中符合條件的人物及特定動作，但上述成果仍停留在研究階段。

深度神經(jīng)網(wǎng)絡(luò)與其他技術(shù)分支加速融合發(fā)展。 人工智能頭部企業(yè)、高校等開始摸索深度神經(jīng)網(wǎng)絡(luò)與知識圖譜、傳統(tǒng)機(jī)器學(xué)習(xí)等分支的融合創(chuàng)新。

一方面， 知識圖譜試圖在不顛覆深度學(xué)習(xí)理論的基礎(chǔ)之下，彌補(bǔ)小樣本訓(xùn)練與理解推理能力不足的技術(shù)天花板。目前，面向垂直領(lǐng)域的專業(yè)知識圖譜加速發(fā)展，已在金融、醫(yī)療、司法多個行業(yè)初步應(yīng)用， 顯著提升垂直行業(yè)應(yīng)用中知識自動關(guān)聯(lián)、 自動獲取的智能化水平。如金融消費(fèi)領(lǐng)域，螞蟻金融知識圖譜平臺已經(jīng)廣泛應(yīng)用在螞蟻內(nèi)部以及合作伙伴的微貸、保險(xiǎn)智能理賠和智能理財(cái)?shù)葮I(yè)務(wù)領(lǐng)域中；藥物研發(fā)領(lǐng)域，亞馬遜開發(fā)藥物重定位知識圖譜（ DRKG）預(yù)測藥物與疾病靶點(diǎn)結(jié)合的可能性，縮短藥物研發(fā)周期并降低成本，已用于新冠病毒藥物研發(fā)。

另一方面， 深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)融合已顯現(xiàn)新的算法形態(tài)； 貝葉斯深度學(xué)習(xí)成為熱點(diǎn)方向之一，有效利用先驗(yàn)知識解決過擬合、小樣本數(shù)據(jù)等問題，模型性能超越傳統(tǒng)深度學(xué)習(xí)方法，如 DeepMind 提出貝葉斯 RNN 模型，圖注釋生成任務(wù)表現(xiàn)顯著優(yōu)于傳統(tǒng) RNN 模型；紐約大學(xué)和三星研究人員提出基于貝葉斯思想的深度學(xué)習(xí)不確定性表示方法 SWAG， 大幅提高模型泛化能力， 在異常點(diǎn)檢測、校準(zhǔn)等計(jì)算機(jī)視覺任務(wù)上表現(xiàn)良好。

4、 預(yù)訓(xùn)練模型加速演進(jìn)，試圖實(shí)現(xiàn)語言處理領(lǐng)域的通用智能

預(yù)訓(xùn)練模型參數(shù)已至萬億級，訓(xùn)練成本之高幾乎成為業(yè)內(nèi)頭部玩家的專屬技術(shù)路徑。 2020 年， OpenAI 發(fā)布 GPT-3 模型，模型參數(shù)多達(dá) 1750 億個，高達(dá) 1200 萬美元的訓(xùn)練費(fèi)用為預(yù)訓(xùn)練模型的構(gòu)建構(gòu)筑壁壘，中小型人工智能企業(yè)難以望其項(xiàng)背。 2021 年，谷歌發(fā)布 SwitchTransformer 模型，再次將模型參數(shù)推至 1.6 萬億新高。此外，微軟宣布與 OpenAI 達(dá)成合作協(xié)議，獲得 GPT-3 語言模型源碼的獨(dú)家授權(quán)，升級巨型模型的寡頭格局形勢，預(yù)示著未來超大規(guī)模預(yù)訓(xùn)練模型或?qū)⒄莆赵谏贁?shù)頭部企業(yè)手中。

預(yù)訓(xùn)練模型已進(jìn)入可直接用于多種自然語言處理任務(wù)的“通用”智能階段。 預(yù)訓(xùn)練模型再次升級，頭部人工智能企業(yè)先后發(fā)布通用預(yù)訓(xùn)練模型，可直接面向多種自然語言處理任務(wù)使用，不再需要針對不同任務(wù)進(jìn)行微調(diào)。目前，谷歌 T5、 OpenAI GPT-3 等通用預(yù)訓(xùn)練模型進(jìn)一步提升文本理解能力，在包含閱讀理解、問答等任務(wù)的基準(zhǔn)測試中接近人類水平。另一方面，通用預(yù)訓(xùn)練模型加速步入產(chǎn)業(yè)應(yīng)用階段，OpenAI 公司發(fā)布 GPT-3 商用應(yīng)用程序接口（ API） ,提供問答、翻譯、文本生成等服務(wù)， 搜索服務(wù)提供商 Algolia、社交媒體平臺 Reddit等多家企業(yè)已開始使用。

5、 模型小型化成為提升模型運(yùn)行效率的關(guān)鍵

深度學(xué)習(xí)模型效率提升成為應(yīng)用落地的關(guān)鍵突破點(diǎn)。 目前，深度學(xué)習(xí)模型的復(fù)雜度會隨著模型精度的提升而提升，步入通過大幅增加計(jì)算量而獲取高精度的時期。計(jì)算量的增長雖帶來性能的提升，但高度復(fù)雜模型在硬件能力受限的設(shè)備上部署運(yùn)行難度越來越大，以AlphaGo 為例， 每場比賽僅電費(fèi)耗費(fèi)就高達(dá) 3000 美元， 模型運(yùn)行性能與硬件能力的矛盾成為模型效率的關(guān)注重點(diǎn)。

模型小型化成為提升模型運(yùn)行效率的主要方向。 目前，知識蒸餾、剪枝、量化等模型小型化的技術(shù)手段逐步成熟，主流模型可達(dá)幾十倍壓縮率。如亞馬遜利用知識蒸餾進(jìn)行預(yù)訓(xùn)練，從 BERT 模型中提取壓縮模型 Bort，壓縮后模型大小僅為 BERT-large 的 6%，推理速度提升七倍 ； 麻省理工學(xué)院與上海交大的研究人員提出LiteTransformer，結(jié)合量化和剪枝技術(shù)將 Transformer 模型壓縮 95%，加速在邊緣設(shè)備上部署自然語言處理模型的應(yīng)用進(jìn)程。 與此同時， 開發(fā)框架中的模型壓縮功能創(chuàng)新活躍， 模型壓縮已成為開發(fā)框架必不可少的關(guān)鍵能力，臉書、騰訊、谷歌等頭部人工智能企業(yè)以及英偉達(dá)、英特爾等芯片大廠加速構(gòu)建完善模型壓縮能力，依托自身算法技術(shù)與硬件芯片優(yōu)勢，在其主導(dǎo)的 TensorFlow、 PyTorch、 TensorRT 等開發(fā)框架中提供剪枝、量化等算法壓縮工具， 并針對 GPU、 CPU 等硬件芯片進(jìn)行特定壓縮優(yōu)化。

6、 深度學(xué)習(xí)應(yīng)用加速推動智能計(jì)算革命

深度學(xué)習(xí)應(yīng)用加速推動云端計(jì)算范式進(jìn)入高性能計(jì)算時代。 深度學(xué)習(xí)訓(xùn)練效果高度依賴計(jì)算資源和數(shù)據(jù)質(zhì)量，追求大規(guī)模高速處理能力。當(dāng)前， 全球最大規(guī)模的訓(xùn)練模型所需算力每年增長幅度高達(dá) 10倍。谷歌曾預(yù)測，如所有用戶每天使用 3 分鐘語音搜索功能，基于傳統(tǒng) CPU 的數(shù)據(jù)中心算力就必須提升一倍，對算力需求快速增長的預(yù)期也促使谷歌加速研發(fā)針對人工智能應(yīng)用更有優(yōu)勢的張量處理器。 隨著深度學(xué)習(xí)模型結(jié)構(gòu)日益復(fù)雜以及訓(xùn)練樣本規(guī)模持續(xù)擴(kuò)大，算力需求與日俱增，對云側(cè)計(jì)算性能提出更高要求。

計(jì)算模式走向云邊協(xié)同，端側(cè)場景化算力成爆發(fā)新方向。 在去中心化的計(jì)算形態(tài)下，自動駕駛、工業(yè)智能、智慧城市等邊緣場景產(chǎn)生出大量的算力需求，邊緣智能設(shè)備需要通過芯片架構(gòu)、編程模型、專用加速庫以及軟件框架等多個環(huán)節(jié)與特定應(yīng)用深度融合，實(shí)現(xiàn)邊緣計(jì)算平臺全棧能力升級，以滿足低功耗、 實(shí)時性、可靠性和安全性等復(fù)雜邊緣場景需求。 預(yù)計(jì)未來三年， 面向工業(yè)電子、汽車電子和傳統(tǒng)消費(fèi)電子應(yīng)用等場景化智能計(jì)算芯片增長迅速，市場容量年復(fù)增長率高達(dá) 100%以上，成為推動智能芯片產(chǎn)業(yè)主要驅(qū)動力量。

三、 人工智能產(chǎn)業(yè)發(fā)展趨勢

1、 從謀求單點(diǎn)技術(shù)的“極致”，向場景化綜合生態(tài)發(fā)展

單項(xiàng)技術(shù)的“理論”準(zhǔn)確率不再是智能企業(yè)的比拼重點(diǎn)，產(chǎn)業(yè)進(jìn)入應(yīng)用場景”跑馬圈地”新階段。 人工智能企業(yè)單點(diǎn)技術(shù)標(biāo)簽化的特點(diǎn)逐步弱化，企業(yè)加速進(jìn)入實(shí)質(zhì)應(yīng)用轉(zhuǎn)化階段，人工智能技術(shù)服務(wù)企業(yè)的變化尤為凸顯。如曠視、商湯、科大訊飛等企業(yè)已將重心從視覺、語音等技術(shù)轉(zhuǎn)移至社會治理、供應(yīng)鏈物流、生活消費(fèi)等領(lǐng)域的軟硬件解決方案，從而催生出曠視天元、商湯 SenseParrots 等開發(fā)框架和基礎(chǔ)技術(shù)服務(wù)平臺。

目前，以物流、零售、公共安全等為代表的先導(dǎo)應(yīng)用領(lǐng)域“跑馬圈地”持續(xù)白熱化。曠視升級發(fā)布機(jī)器人倉儲物流軟件平臺“河圖 2.0”，并計(jì)劃投入 20 億元與合作伙伴搭建完整的機(jī)器人行業(yè)解決方案；商湯持續(xù)推進(jìn)城市級開放平臺方舟（ SenseFoundry）在城市域落地，已覆蓋全國 31 個省市、近 100 座城市，總計(jì)接入攝像頭十萬路；云從推出“云從起云智慧 Mall”運(yùn)營平臺，聚焦新零售領(lǐng)域幫助商業(yè)地產(chǎn)擁有者進(jìn)行決策，實(shí)現(xiàn)精細(xì)化運(yùn)營。

場景化綜合生態(tài)模式開始清晰，與“類”安卓開發(fā)者生態(tài)共同驅(qū)動產(chǎn)業(yè)發(fā)展。

一方面， “類”安卓開發(fā)者生態(tài)模式逐步成熟，頭部智能企業(yè)延續(xù)移動互聯(lián)網(wǎng)典型發(fā)展模式，以微服務(wù)形式提供視覺、語音等技術(shù)服務(wù)，憑借第三方開發(fā)者來構(gòu)建多樣化的智能應(yīng)用， 大幅提升開發(fā)的易用性。

另一方面， 純粹基礎(chǔ)技術(shù)輸出難以完全滿足智能技術(shù)與各行業(yè)深度融合和應(yīng)用落地，主要有三方面挑戰(zhàn)：一是需要與行業(yè)專有知識深度結(jié)合；二是場景碎片化特征突出；三是使用標(biāo)準(zhǔn)數(shù)據(jù)集訓(xùn)練的圖像識別、對話系統(tǒng)在實(shí)際行業(yè)場景中泛化能力不足，需基于實(shí)際場景數(shù)據(jù)進(jìn)行二次訓(xùn)練和優(yōu)化處理，這些均導(dǎo)致開發(fā)周期較長和開發(fā)成本居高不下。

因此， 頭部智能企業(yè)認(rèn)識到智能技術(shù)與傳統(tǒng)行業(yè)的深度融合應(yīng)用需要構(gòu)建新的發(fā)展模式。 一是加速打造提供模型選擇、訓(xùn)練、部署監(jiān)測等一體化的研發(fā)平臺， 奠定智能技術(shù)滲透至各行業(yè)規(guī)模化應(yīng)用的基礎(chǔ)；二是面向工業(yè)、農(nóng)業(yè)、金融、公共安全等行業(yè)領(lǐng)域構(gòu)建多樣化行業(yè)技術(shù)服務(wù)及解決方案平臺， 將行業(yè)特有數(shù)據(jù)、專業(yè)知識、業(yè)務(wù)流程與智能技術(shù)進(jìn)行深度融合；發(fā)展速度較快的公共安全、醫(yī)療、智能駕駛等領(lǐng)域已初步形成垂直行業(yè)平臺，提供相對通用的行業(yè)應(yīng)用服務(wù)。在此基礎(chǔ)之上，智能音箱、智能錄音筆、安防無人機(jī)等垂直行業(yè)智能產(chǎn)品不斷涌現(xiàn)， 場景化綜合生態(tài)正在形成。

2、 以科技巨頭引領(lǐng)的產(chǎn)業(yè)垂直整合速度不斷加快

在過去的一年中， 由于人工智能發(fā)展所需算力、算法、數(shù)據(jù)等要素的高位起點(diǎn)以及硬件、軟件框架、平臺等核心環(huán)節(jié)間的緊耦合銜接特點(diǎn)，使得谷歌、微軟等科技巨頭生態(tài)系統(tǒng)的垂直整合引領(lǐng)產(chǎn)業(yè)整體發(fā)展；產(chǎn)業(yè)垂直一體化的趨勢不斷加強(qiáng)，計(jì)算支撐、軟件框架、研發(fā)平臺等核心環(huán)節(jié)基本被老牌科技巨頭所把持。

算力、軟件框架、研發(fā)平臺、技術(shù)服務(wù)的縱向一體化幾乎成為全球頭部科技企業(yè)的共識。 人工智能硬件、算法、 軟件平臺與行業(yè)應(yīng)用場景的結(jié)合緊密度空前，驅(qū)使不同環(huán)節(jié)具備點(diǎn)狀競爭力的科技巨頭爭相探索行業(yè)實(shí)際應(yīng)用需求。目前，產(chǎn)業(yè)仍為早期發(fā)展階段，任何一個環(huán)節(jié)的水平化都尚未完全確立，過去以通用基礎(chǔ)能力自居的芯片企業(yè)、云計(jì)算企業(yè)，抑或是具有技術(shù)獨(dú)到優(yōu)勢的互聯(lián)網(wǎng)企業(yè)都難以將自身的優(yōu)勢能力直接滲透至復(fù)雜多變的行業(yè)應(yīng)用場景中來。

因此，科技巨頭加速從自身優(yōu)勢能力出發(fā)，延伸至行業(yè)應(yīng)用的多個中間環(huán)節(jié)，試圖以這種方式準(zhǔn)確把握智能時代的需求方向；在持續(xù)保持自身已有優(yōu)勢的同時，布局支撐行業(yè)應(yīng)用的多個核心環(huán)節(jié)，鞏固其生態(tài)系統(tǒng)在人工智能時期的領(lǐng)導(dǎo)地位。

亞馬遜、微軟等云服務(wù)企業(yè)不斷強(qiáng)化其智能服務(wù)能力， 緊抓面向基礎(chǔ)技術(shù)服務(wù)、研發(fā)訓(xùn)練與推理等智能計(jì)算需求，通過布局研發(fā)平臺、開源開發(fā)框架等技術(shù)生產(chǎn)工具，以及更為底層的專用硬件及芯片，提升其智能計(jì)算服務(wù)的競爭力；谷歌、百度等 AI技術(shù)優(yōu)勢顯著的互聯(lián)網(wǎng)頭部企業(yè)基于先進(jìn)算法和技術(shù)優(yōu)勢布局開源框架，并以此為核心上下延伸，構(gòu)建智能服務(wù)生態(tài)體系。以英偉達(dá)為代表的 AI 芯片巨頭加速提升面向智能任務(wù)的芯片性能，積極豐富性能庫、編譯器、編程框架等軟件配套，通過多樣化方式壯大開發(fā)者社區(qū)及產(chǎn)業(yè)合作伙伴規(guī)模，力圖構(gòu)建軟硬協(xié)同的產(chǎn)業(yè)生態(tài)體系。

▲垂直一體化布局

3、 開發(fā)框架格局逐步清晰，已從百花齊放向幾家分爭轉(zhuǎn)變

以谷歌 TensorFlow、臉書 PyTorch 等為代表的開源框架格局初顯清晰，框架格局已從百花齊放轉(zhuǎn)向幾家分爭。 目前，業(yè)界開源開發(fā)框架主導(dǎo)權(quán)基本被 TensorFlow(谷歌)、 PyTorch(臉書)等掌握；微軟CNTK、日本初創(chuàng)企業(yè)首選網(wǎng)絡(luò)（ preferred networks） Chainer、 加拿大蒙特利爾大學(xué)主導(dǎo)的 Theano 等早期熱點(diǎn)框架已通過與主流框架合并或直接停止更新的方式退出歷史舞臺。

TensorFlow 依托工業(yè)界的部署優(yōu)勢持續(xù)位于第一，市場關(guān)注度達(dá) 15 萬，超過第二名3 倍以上，臉書的 PyTorch（合并 Caffe2）憑借其易用性迅速突起，在各大頂級學(xué)術(shù)會議論文中占比超過 50%，有趕超勢頭。 同時，我國正在快速進(jìn)行開源開發(fā)框架的系統(tǒng)化布局，百度飛槳、曠視 MegEngine、華為MindSpore、清華大學(xué) Jittor 等國產(chǎn)框架加速升級，其中，百度飛槳作為最早推出的開放框架之一，已初步應(yīng)用于工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)等業(yè)務(wù)場景，服務(wù) 230 余萬開發(fā)者，整體應(yīng)用廣度和深度正在不斷成熟和完善。

▲開源框架發(fā)展歷程

▲主要開源框架活躍情況

端側(cè)推理框架遇碎片化挑戰(zhàn)。 隨著各行業(yè)終端智能化需求加速增加，算法模型的終端推理性能引起業(yè)內(nèi)重視。目前，推理框架面臨碎片化挑戰(zhàn)，一方面，計(jì)算終端所使用的芯片類型多樣， CPU、 GPU 雖為主流架構(gòu)，但 NPU、 DSP、 FPGA 等多樣的人工智能芯片也在不斷涌現(xiàn)，終端推理框架對底層硬件的適配難以統(tǒng)一；另一方面， 算法架構(gòu)尚不穩(wěn)定， 算子（卷積、激活函數(shù)-ReLU 等） 及組合方式的多樣化和持續(xù)演化使得單一的推理框架短時間內(nèi)難以覆蓋所有的可能性， 推理框架顯現(xiàn)出各為其主的發(fā)展格局。

端側(cè)推理框架處于多元化發(fā)展階段。 谷歌、臉書主導(dǎo)的頭部開源開發(fā)框架加大訓(xùn)練、推理一體化的布局力度，但推理部分在終端側(cè)市場占比不高。目前，業(yè)內(nèi)涌現(xiàn)了一批各具特色的終端推理框架，如阿里提出 MNN 框架，集成在手淘、優(yōu)酷、飛豬等 20 余終端應(yīng)用中，實(shí)現(xiàn)互動營銷、實(shí)人認(rèn)證、試妝等功能；小米構(gòu)建 Mace 框架，在小米手機(jī)中的相機(jī)場景識別、人像模式、人臉解鎖等諸多場景中進(jìn)行應(yīng)用。但由于硬件芯片、軟件算法仍在快速發(fā)展， 推理框架預(yù)計(jì)將在很長一段時間難以統(tǒng)一，或始終處于多元發(fā)展的格局。

開源開發(fā)框架競爭焦點(diǎn)從模型庫轉(zhuǎn)移至易用性和硬件適配優(yōu)化。高級語言接口與硬件適配優(yōu)化成為開源框架構(gòu)筑壁壘的關(guān)鍵， 一方面，高級語言接口封裝后端框架中關(guān)鍵的模型構(gòu)建、訓(xùn)練等功能，降低研發(fā)門檻。 目前， 三大主流框架加速綁定或構(gòu)建高級語言接口，已出現(xiàn)合作圈地現(xiàn)象。TensorFlow 與 keras 形成排他性合作，提升框架易用競爭力，與近期以易用性為優(yōu)勢快速提升地位的 PyTorch 抗衡； MXNet 與 Gluon 聯(lián)合，由亞馬遜與微軟共同維護(hù)； PyTorch(臉書)以 Torch 和 Caffe2 作為后端框架， 內(nèi)部先天構(gòu)筑高級語言接口。

另一方面， 硬件適配優(yōu)化試圖解決多樣硬件編譯工具導(dǎo)致的適配復(fù)雜和性能參差不齊問題，統(tǒng)一編譯工具與編譯語言成為主流開源開發(fā)框架的布局重點(diǎn)。目前， 谷歌、臉書加速構(gòu)建統(tǒng)一的編譯語言（ IR）， 試圖引導(dǎo)硬件廠商主動適配，獲取框架適配的話語權(quán)。

4、 以研發(fā)和技術(shù)服務(wù)為核心，產(chǎn)業(yè)開始打造平臺化發(fā)展模式

平臺化發(fā)展速度不斷加快。 當(dāng)前，人工智能平臺發(fā)展步伐加快，2020 年上半年我國人工智能研發(fā)平臺市場規(guī)模達(dá) 1.4 億美元，復(fù)合增長率超 30%12； 頭部智能技術(shù)服務(wù)平臺的單日調(diào)用次數(shù)已過萬億次，如阿里云 AI 服務(wù)的日調(diào)用規(guī)模超 1 萬億次,日處理圖像 10 億張，百度大腦已對外開放了 270 多項(xiàng) AI 能力,日調(diào)用量突破 1 萬億次。與此同時，人工智能的平臺生態(tài)規(guī)模不斷擴(kuò)大，如訊飛開放平臺聚集超過175.6 萬開發(fā)者團(tuán)隊(duì)，累計(jì)支持超過 28.9 億終端;騰訊 AI 開放平臺已服務(wù)全球用戶數(shù)超 12 億，客戶數(shù)超 200 萬。

云服務(wù)廠商積極主導(dǎo)人工智能研發(fā)平臺發(fā)展。 云服務(wù)廠商主導(dǎo)人工智能研發(fā)平臺的發(fā)展，亞馬遜、微軟、谷歌等擁有云計(jì)算業(yè)務(wù)的企業(yè)加速布局人工智能研發(fā)平臺，其中，亞馬遜 SageMaker 平臺最為成熟，份額高于后兩者近兩倍，占據(jù)全球 TensorFlow 負(fù)載八成以上；H2O.ai、 DataRobot 等研發(fā)平臺創(chuàng)新企業(yè)不斷出現(xiàn)，成為資本市場的追捧對象，人工智能研發(fā)平臺的發(fā)展空前繁榮。

技術(shù)工具鏈成為研發(fā)平臺的競爭核心。 目前，研發(fā)平臺整體呈現(xiàn)三類發(fā)展特點(diǎn)： 一是工具體系化， 打造全面的技術(shù)工具鏈成為了這一時期研發(fā)平臺的競爭核心，技術(shù)工具鏈提供數(shù)據(jù)處理、模型構(gòu)建、部署、監(jiān)測分析等全生命周期的工具服務(wù)，如 SageMaker Autopilot、谷歌 AutoML、微軟 MLOps 等； 二是開放框架開放化， 研發(fā)平臺基本均同時支持TensorFlow、 PyTorch、 MXNet 等多個主流框架； 三是分布式計(jì)算不斷優(yōu)化， 研發(fā)平臺圍繞人工智能技術(shù)的特點(diǎn)和開發(fā)框架對自身的云計(jì)算架構(gòu)進(jìn)行深度優(yōu)化，如 SageMaker 在256 個 GPU 下的TensorFlow 擴(kuò)展效率可達(dá) 90%，并同時支持多種類型人工智能芯片。

基礎(chǔ)技術(shù)服務(wù)平臺走向成熟，已形成涵蓋多種基礎(chǔ)技術(shù)的綜合性平臺。 包含視覺、語音、自然語言處理等智能技術(shù)服務(wù)能力的基礎(chǔ)技術(shù)平臺是人工智能產(chǎn)業(yè)形成最早的平臺形態(tài)，產(chǎn)業(yè)主體主要包括谷歌、微軟、亞馬遜等擁有云計(jì)算業(yè)務(wù)的廠商和科大訊飛、曠視科技等人工智能技術(shù)服務(wù)廠商，前者構(gòu)建的基礎(chǔ)技術(shù)服務(wù)平臺在布局初期即向涵蓋多種技術(shù)能力的綜合性平臺發(fā)展，后者早期主要依托自身某一類技術(shù)優(yōu)勢開展平臺建設(shè)，如科大訊飛側(cè)重語音文本，曠視則側(cè)重視覺處理。

目前，業(yè)內(nèi)的基礎(chǔ)技術(shù)服務(wù)平臺形態(tài)基本成熟，領(lǐng)先平臺基本同時包含多類技術(shù)能力。究其原因，一方面是由于基礎(chǔ)技術(shù)能力的構(gòu)建不再神秘，一家技術(shù)廠商同時擁有視覺、文本等能力的難度大幅降低；另一方面則是行業(yè)應(yīng)用場景常常需視覺、語音等多種技術(shù)共同支撐，單一類型的技術(shù)服務(wù)平臺不再適合目前的應(yīng)用需求。

垂直行業(yè)技術(shù)服務(wù)平臺發(fā)展處于早期階段， 尚未形成規(guī)模發(fā)展。除研發(fā)平臺顯著降低技術(shù)與垂直行業(yè)融合成本外，垂直行業(yè)技術(shù)服務(wù)平臺成為另一種重要平臺形態(tài)；平臺把垂直行業(yè)中的關(guān)鍵場景、相對通用的應(yīng)用技術(shù)總結(jié)提煉，進(jìn)而復(fù)制推廣。 目前，業(yè)內(nèi)主流的垂直行業(yè)技術(shù)平臺存在技術(shù)服務(wù)直接輸出和提供關(guān)鍵應(yīng)用場景解決方案兩種服務(wù)形態(tài)，但均未形成規(guī)模。

一方面， 技術(shù)服務(wù)直接輸出的形態(tài)（應(yīng)用程序接口）一般面向具有成熟應(yīng)用軟件環(huán)節(jié)的垂直行業(yè)，由平臺技術(shù)服務(wù)直接支撐下游軟件集成商；此類垂直行業(yè)的應(yīng)用軟件環(huán)節(jié)通常進(jìn)入門檻較高，或者市場空間有限，因此，人工智能技術(shù)企業(yè)缺乏與原有產(chǎn)業(yè)鏈軟件集成商搶奪市場的動力。

另一方面， 人工智能技術(shù)與垂直行業(yè)應(yīng)用的融合對軟件、智能技術(shù)、底層硬件等多個環(huán)節(jié)均提出差異化需求，驅(qū)使面向關(guān)鍵行業(yè)的多樣化全棧解決方案不斷涌現(xiàn)。垂直行業(yè)技術(shù)服務(wù)平臺通過提供整體方案的選型和設(shè)計(jì)，同時直接提供智能技術(shù)、軟件等方案中的某幾種能力，推動智能技術(shù)與垂直行業(yè)場景的快速融合，如自動駕駛領(lǐng)域的 Apollo 平臺提供雷達(dá)、攝像頭等硬件選型，高精度地圖、路線規(guī)劃等智能軟件為一體的解決方案。

5、 智能計(jì)算產(chǎn)業(yè)形態(tài)初顯，呈現(xiàn)蓬勃發(fā)展態(tài)勢

智能計(jì)算已初步形成智能芯片、軟硬協(xié)同、多樣化算力供給模式的產(chǎn)業(yè)形態(tài)。 目前，人工智能芯片架構(gòu)百花齊放，云側(cè)雖仍以 GPU 為主，但端側(cè)涌現(xiàn)出面向不同場景的芯片架構(gòu)，英偉達(dá)、英特爾等芯片廠商面向人工智能應(yīng)用的軟硬件工具生態(tài)日益完善，面向深度學(xué)習(xí)的大規(guī)模分布式計(jì)算平臺不斷成熟，云智能服務(wù)、公共智能超算中心、自建數(shù)據(jù)中心等多種計(jì)算供給模式逐步形成。

云側(cè)智能芯片市場仍以英偉達(dá)為主導(dǎo)，云服務(wù)提供商及初創(chuàng)企業(yè)正在持續(xù)加大布局力度。 傳統(tǒng)芯片廠商英偉達(dá)加速提升其并行計(jì)算能力的優(yōu)勢和多線程并行軟件開發(fā)生態(tài)的壁壘，2020 年推出 A100 芯片，晶體管數(shù)量達(dá)540億， 自然語言處理模型BERT訓(xùn)練性能較上一代V100提升 6 倍。谷歌、百度等云服務(wù)提供商加速升級基于各自工作負(fù)載需求的智能芯片，2020 年，谷歌發(fā)布第四代 TPU，平均性能是上一代的2.7 倍；百度昆侖 1 量產(chǎn)，百度搜索引擎及云計(jì)算方面部署 2 萬片。

另外， Cerebras， Graphcore 等初創(chuàng)公司布局新架構(gòu)智能芯片，部分應(yīng)用的運(yùn)行性能優(yōu)于英偉達(dá) GPU，但這類芯片僅能提供有限的軟件堆棧，面臨一定的市場推廣阻礙。

端側(cè)多元化應(yīng)用催生大量創(chuàng)新探索，傳統(tǒng)芯片企業(yè)和終端企業(yè)相對領(lǐng)先。 汽車電子和嵌入式消費(fèi)電子是這一時期端側(cè)智能芯片創(chuàng)新熱點(diǎn)。 其中， 2020 年英偉達(dá)和英特爾在汽車智能芯片方面持續(xù)位于領(lǐng)先位置，英偉達(dá)圍繞自動駕駛 SoC Orin 芯片，與理想汽車、奔馳等多家車廠展開合作；吉利概念車則將搭載英特爾 EyeQ5 芯片；恩智浦、瑞薩和東芝等成熟汽車電子供應(yīng)商，黑芝麻、地平線機(jī)器人等初創(chuàng)企業(yè)，以及特斯拉等汽車制造商積極研發(fā)自動駕駛汽車芯片，試圖與英偉達(dá)和英特爾雙巨頭爭奪市場份額。相比之下，端側(cè)嵌入式消費(fèi)電子類市場軟硬件成本以及供應(yīng)鏈準(zhǔn)入門檻較低，大量初創(chuàng)企業(yè)以不同的細(xì)分賽道加入市場競爭，其中智能手機(jī)神經(jīng)網(wǎng)絡(luò)加速芯片市場仍以高通等傳統(tǒng)移動芯片企業(yè)和終端品牌企業(yè)為主，眾多初創(chuàng)企業(yè)主要集中在視覺和語音處理領(lǐng)域，包括 NovuMind、 Syntiant 等。

圍繞智能計(jì)算芯片的軟件工具開始從基礎(chǔ)計(jì)算向場景計(jì)算轉(zhuǎn)變。早期， 以英偉達(dá)為代表的芯片企業(yè)不斷構(gòu)建以 CUDA 編程模型為核心的高性能算子庫、通信算法、推理加速引擎等多層次基礎(chǔ)軟件工具生態(tài)。 當(dāng)前，隨著智能技術(shù)在傳統(tǒng)行業(yè)中滲透的不斷深入， 頭部智能芯片企業(yè)開始構(gòu)建面向差異化場景的軟硬一體平臺， 實(shí)現(xiàn)底層芯片、編程框架、行業(yè)算法庫、細(xì)分場景研發(fā)平臺等全棧高效整合，試圖培育多樣化行業(yè)場景的計(jì)算生態(tài)、搶占細(xì)分市場。例如， 2020 年，英偉達(dá)圍繞機(jī)器人和自動駕駛場景，打造 Jarvis 對話系統(tǒng)、 ISAAC 機(jī)器人等軟硬一體計(jì)算平臺，寶馬公司使用英偉達(dá) ISSAC 機(jī)器人平臺、Jetson AGX Xavier 芯片平臺以及 EGX 邊緣計(jì)算機(jī)，開發(fā)包括導(dǎo)航、 操控等五款機(jī)器人，依托深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)感知環(huán)境、檢測物體、自動導(dǎo)航等功能以改進(jìn)物流工作流程。

多樣化算力供給模式開始顯現(xiàn)。 目前，云、邊、端成為算力供給的主要形態(tài)。其中，云側(cè)算力主要以云智能服務(wù)、公共智能超算中心和自建數(shù)據(jù)中心三類供給模式為主，亞馬遜、阿里云等云計(jì)算企業(yè)以云智能服務(wù)模式向中小型企業(yè)及個人售賣 AI 算力資源和技術(shù)服務(wù)，是目前最為主流的供給模式；公共智能超算中心逐步興起，上海、深圳、重慶等多地開始投建公共智能超算中心，這類中心目前主要以政府主導(dǎo)建設(shè)為主，支撐本地企業(yè)、科研機(jī)構(gòu)和高校的人工智能技術(shù)與應(yīng)用創(chuàng)新，緩解地方企業(yè)及機(jī)構(gòu)算力資源不足、成本較高等問題，推動區(qū)域人工智能產(chǎn)業(yè)的發(fā)展；此外，谷歌、臉書等頭部企業(yè)通過自建專有智能計(jì)算集群的形式提升自身業(yè)務(wù)運(yùn)行性能，部分企業(yè)根據(jù)業(yè)務(wù)特點(diǎn)研發(fā)人工智能專用芯片，試圖大幅度降低算力成本。與此同時，邊緣與端側(cè)計(jì)算模式成為熱點(diǎn)，英特爾、英偉達(dá)等硬件芯片企業(yè)加大邊緣智能專用加速產(chǎn)品的布局力度，面向工業(yè)、交通等云邊協(xié)同場景提供解決方案；寒武紀(jì)、地平線、云知聲等企業(yè)聚焦面向視覺、語音等智能任務(wù)的端側(cè)芯片研發(fā)，在無人機(jī)、可穿戴設(shè)備、智能攝像頭等智能終端中已顯現(xiàn)規(guī)?；瘧?yīng)用態(tài)勢。

6、 全球數(shù)據(jù)鴻溝仍在加大，開放共享機(jī)制與數(shù)據(jù)服務(wù)能力加速構(gòu)建

數(shù)據(jù)鴻溝問題愈加凸顯，開放共享仍在探索階段。 全球數(shù)字化加速數(shù)據(jù)生成和積累， 數(shù)據(jù)資產(chǎn)對全球經(jīng)濟(jì)利益的分配已開始產(chǎn)生影響。“大規(guī)模數(shù)據(jù)→更準(zhǔn)確模型→更好產(chǎn)品→更多用戶→更多數(shù)據(jù)”的循環(huán)邏輯將導(dǎo)致數(shù)據(jù)定向收攏聚集，人工智能數(shù)據(jù)資產(chǎn)已開始出現(xiàn)寡頭壟斷的態(tài)勢；互聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)資產(chǎn)半數(shù)集中在僅 100 家左右的少數(shù)頭部企業(yè)中，影響全球人工智能經(jīng)濟(jì)利益的分配。據(jù)統(tǒng)計(jì)，人工智能產(chǎn)生的經(jīng)濟(jì)價(jià)值中約有 70％會累積到中美兩個國家， 而若推動數(shù)據(jù)資產(chǎn)的全球化，大多數(shù)國家有望將 GDP 提升 1%至 2.5%。

當(dāng)前，各國政府、頭部企業(yè)持續(xù)推動數(shù)據(jù)的開放共享，數(shù)據(jù)原則、數(shù)據(jù)合作、數(shù)據(jù)規(guī)范與數(shù)據(jù)共享平臺成為重點(diǎn)。 政府積極推動數(shù)據(jù)開放共享原則， 注重在保護(hù)隱私和公開透明原則下進(jìn)行數(shù)據(jù)開放。 歐盟率先出臺《通用數(shù)據(jù)保護(hù)條例》對涉及隱私的敏感數(shù)據(jù)做出嚴(yán)格要求；英國、法國、瑞典等國紛紛跟進(jìn)修訂或新增；美國以原則倡議為主，政府先行數(shù)據(jù)開放，通用數(shù)據(jù)法案仍在制定中。頭部科技企業(yè)出于商業(yè)利益考量，對數(shù)據(jù)開放持謹(jǐn)慎態(tài)度；目前，微軟試圖打破這一局面，發(fā)起開放數(shù)據(jù)運(yùn)動（ Open Data Campaign），提出開放、可用、授權(quán)、安全、隱私五大原則，鼓勵數(shù)據(jù)互聯(lián)互通，承諾圍繞健康、環(huán)境和各種社會公益項(xiàng)目等問題共享數(shù)據(jù)，但尚未開放其產(chǎn)生利潤專有數(shù)據(jù)集。

跨領(lǐng)域數(shù)據(jù)合作也成為這一時期的熱點(diǎn)， 其中垂直行業(yè)企業(yè)最為積極，數(shù)據(jù)合作已從點(diǎn)狀互惠向有組織的開放共享方向發(fā)展。 微軟、Adobe 和 SAP 聯(lián)手構(gòu)建數(shù)據(jù)共享聯(lián)盟，通過通用數(shù)據(jù)模型將數(shù)據(jù)存儲在統(tǒng)一的數(shù)據(jù)湖中實(shí)現(xiàn)共享，吸引安永、 飛思創(chuàng)（ Finastra）等多行業(yè)企業(yè)共同加入。同時， 數(shù)據(jù)規(guī)范與開放協(xié)議尤為重要， 國家標(biāo)準(zhǔn)化組織密切關(guān)注數(shù)據(jù)隱私問題，企業(yè)也在自發(fā)建立數(shù)據(jù)開放協(xié)議或規(guī)范，如 IEEE P7002 數(shù)據(jù)隱私處理標(biāo)準(zhǔn)、 ISO 27701 隱私信息管理體系、微軟 AI 模型數(shù)據(jù)使用協(xié)議（ DUA-OAI） 等。此外，谷歌、微軟等科技頭部企業(yè)推出 Dataset search、 Research Open Data 等自動化數(shù)據(jù)搜索平臺，進(jìn)一步降低數(shù)據(jù)獲取難度，打造更加開發(fā)便捷的數(shù)據(jù)生態(tài)。

數(shù)據(jù)集建設(shè)需求更為專業(yè)。 監(jiān)督學(xué)習(xí)仍是產(chǎn)業(yè)界人工智能算法訓(xùn)練的主要方式，因此大規(guī)模、高質(zhì)量的人工標(biāo)注數(shù)據(jù)集是產(chǎn)業(yè)發(fā)展剛需。目前，數(shù)據(jù)標(biāo)注從簡單、重復(fù)的拉框標(biāo)注向精細(xì)化方向發(fā)展，呈現(xiàn)三類發(fā)展特點(diǎn)： 一是數(shù)據(jù)標(biāo)注流程趨于智能化， 通過預(yù)標(biāo)注技術(shù)和半自動化校驗(yàn)的方式輔助人工標(biāo)注已成為當(dāng)前發(fā)展重點(diǎn)，業(yè)內(nèi)涌現(xiàn)出一批標(biāo)注工具，可對未標(biāo)記圖像直接生成分割輪廓，并借助人工進(jìn)行微調(diào)； 二是標(biāo)注數(shù)據(jù)質(zhì)量要求不斷提升， 自動駕駛、工業(yè)制造等智能任務(wù)場景愈之復(fù)雜，高質(zhì)量、精細(xì)化的標(biāo)注數(shù)據(jù)直接影響算法魯棒性和準(zhǔn)確性，標(biāo)注準(zhǔn)確率需求從 90%提升至 99%； 三是醫(yī)療、工業(yè)等差異化垂直應(yīng)用驅(qū)動數(shù)據(jù)標(biāo)注服務(wù)進(jìn)一步貼合個性化、多元化的場景需求， 如數(shù)據(jù)服務(wù)企業(yè) Scale AI 為自動駕駛場景提供標(biāo)注服務(wù)，對車道、煙塵、尾氣、雨水等更為個性化的目標(biāo)物體進(jìn)行標(biāo)注。

具有智能標(biāo)注能力的數(shù)據(jù)服務(wù)企業(yè)受到資本熱捧。 以數(shù)據(jù)標(biāo)注為代表的基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)?？焖僭鲩L，資本市場進(jìn)一步推高專業(yè)數(shù)據(jù)標(biāo)注企業(yè)的估值。 2020 年，專業(yè)數(shù)據(jù)標(biāo)注企業(yè) Labelbox 完成 2500萬美元 B 輪融資；龍貓數(shù)據(jù)獲得 3300 萬元 Pre-B 輪融資。目前， 數(shù)據(jù)的智能化標(biāo)注能力成為這一時期數(shù)據(jù)服務(wù)企業(yè)的發(fā)展重點(diǎn)； 一方面，傳統(tǒng)數(shù)據(jù)眾包平臺企業(yè)向?qū)I(yè)數(shù)據(jù)標(biāo)注企業(yè)發(fā)展，快速布局智能標(biāo)注工具，數(shù)據(jù)服務(wù)企業(yè)澳鵬（ APPEN） 花費(fèi) 3 億美元收購數(shù)據(jù)標(biāo)注公司 Figure Eight， 大幅提升企業(yè)數(shù)據(jù)服務(wù)競爭力；另一方面，智能標(biāo)注工具企業(yè)不斷涌現(xiàn)，如 Scale AI、 Supervisely、馬達(dá)智數(shù)等。

7、 以開源開發(fā)框架為核心的生態(tài)體系雛形漸顯， 多種小生態(tài)同步形成

當(dāng)前，全球人工智能產(chǎn)業(yè)生態(tài)雛形漸顯。 從產(chǎn)業(yè)鏈全局角度看，開源開發(fā)框架既是最具技術(shù)含金量的環(huán)節(jié)，同時也是芯片、應(yīng)用開發(fā)等多個主體集聚的環(huán)節(jié)，伴隨時間積累，將具有很強(qiáng)的不可替代性和制約性。目前，谷歌、臉書等人工智能頭部企業(yè)圍繞開源開發(fā)框架構(gòu)建的核心生態(tài)已初步形成。從產(chǎn)業(yè)主體角度看， 人工智能產(chǎn)業(yè)既對信息產(chǎn)業(yè)自身的產(chǎn)品形態(tài)、運(yùn)行模式產(chǎn)生很大變革，同時影響傳統(tǒng)行業(yè)生產(chǎn)運(yùn)營方式和運(yùn)行效率。因此，產(chǎn)業(yè)的參與主體幾乎涵蓋全信息產(chǎn)業(yè)以及傳統(tǒng)行業(yè)企業(yè)，云計(jì)算、芯片、 ICT 設(shè)備、互聯(lián)網(wǎng)、智能技術(shù)服務(wù)、垂直行業(yè) AI 企業(yè)和傳統(tǒng)行業(yè)企業(yè)等多主體正在圍繞自身優(yōu)勢不斷摸索產(chǎn)業(yè)生態(tài)模式。

人工智能頭部企業(yè)構(gòu)建開源開發(fā)框架生態(tài)， 試圖形成應(yīng)用接口和硬件適配的雙向主導(dǎo)權(quán)。

一方面， TensorFlow、 PyTorch 等開發(fā)框架不斷完善其高級語言接口，推動業(yè)內(nèi)大量的算法模型和智能應(yīng)用基于其高級語言接口進(jìn)行研發(fā)，形成深度的綁定。由于轉(zhuǎn)換至其他框架會一定程度上影響模型性能、增加二次研發(fā)成本，長此以往，大量應(yīng)用將深度依賴原有開發(fā)框架進(jìn)行訓(xùn)練和推理，形成產(chǎn)業(yè)默認(rèn)的事實(shí)接口標(biāo)準(zhǔn)。

另一方面， 框架市場份額領(lǐng)先的人工智能頭部企業(yè)正在依托框架與智能芯片適配構(gòu)建標(biāo)準(zhǔn)化硬件接口， 有望進(jìn)一步增強(qiáng)其對智能芯片的話語權(quán)。如， 谷歌通過構(gòu)建統(tǒng)一編譯中間表示語言（ IR） ,驅(qū)動硬件廠商主動適配其 TensorFlow 框架，從智能芯片主導(dǎo)適配向統(tǒng)一中間表示語言（ IR） 主導(dǎo)適配轉(zhuǎn)變。目前，由于智能芯片的技術(shù)路線百花齊放，仍在摸索階段，因此框架適配生態(tài)仍在構(gòu)建初期，尚未形成。

產(chǎn)業(yè)主體以自身優(yōu)勢切入，初步形成四種小生態(tài)模式。

一是人工智能全面融入云服務(wù)體系，云服務(wù)廠商積極構(gòu)建 AI 基礎(chǔ)設(shè)施生態(tài)。亞馬遜、微軟、谷歌為代表的廠商布局人工智能專用硬件、開源開發(fā)工具、研發(fā)平臺、技術(shù)服務(wù)、 行業(yè)使能方案等全棧 AI 技術(shù)支撐體系，如， 2020 年微軟在研發(fā)平臺、技術(shù)服務(wù)等方面持續(xù)深耕基礎(chǔ)上，向下在硬件基礎(chǔ)設(shè)施方面聯(lián)合 Open AI 建立智能超算中心， 向上在垂直行業(yè)布局方面推出行業(yè)云解決方案 Microsoft Cloud for Healthcare，與智慧醫(yī)療、醫(yī)療機(jī)構(gòu)合作，幫助醫(yī)生和醫(yī)療機(jī)構(gòu)使用AI 技術(shù)實(shí)現(xiàn)精準(zhǔn)醫(yī)療服務(wù)。

二是人工智能技術(shù)服務(wù)企業(yè)、互聯(lián)網(wǎng)企業(yè)以視覺、語音等技術(shù)優(yōu)勢切入，加速打造垂直行業(yè)技術(shù)服務(wù)平臺和解決方案生態(tài)。

當(dāng)前，該類主體正在加速推動智能技術(shù)在各行業(yè)中的應(yīng)用落地，在不斷完善開發(fā)框架、基礎(chǔ)技術(shù)服務(wù)平臺的同時，聚焦構(gòu)建面向行業(yè)場景的平臺生態(tài)，涌現(xiàn)出一批如依圖 care.ai（醫(yī)療）、百度 Apollo 開放平臺（ 自動駕駛）等行業(yè)平臺。

三是傳統(tǒng)企業(yè)以行業(yè)經(jīng)驗(yàn)切入，強(qiáng)調(diào)解決問題的實(shí)際應(yīng)用能力，積極構(gòu)建圍繞基礎(chǔ)科研、成果轉(zhuǎn)化、 產(chǎn)業(yè)培育多維度的創(chuàng)新生態(tài)。 傳統(tǒng)行業(yè)頭部企業(yè)針對顛覆性、前沿性技術(shù)展開系統(tǒng)布局，鞏固行業(yè)領(lǐng)先地位和優(yōu)勢；如大眾奧迪聚焦自動駕駛場景，建立奧迪 JKU 深度學(xué)習(xí)中心，成立硅谷研發(fā)辦公室，加大力度研發(fā)先進(jìn)駕駛員輔助系統(tǒng)，同時發(fā)布自動駕駛數(shù)據(jù)集推動商用和學(xué)術(shù)研究， 打造多維度產(chǎn)業(yè)生態(tài)。

四是硬件廠商以芯片設(shè)計(jì)、整機(jī)集成為切入點(diǎn)，加速構(gòu)建軟硬協(xié)同產(chǎn)業(yè)生態(tài)。 英偉達(dá)、英特爾、華為、浪潮等芯片、設(shè)備廠商圍繞其芯片和計(jì)算設(shè)備積極豐富性能庫、編譯器、編程框架、編程工具等配套軟件，通過多樣化方式壯大開發(fā)者社區(qū)及產(chǎn)業(yè)合作伙伴規(guī)模，力圖構(gòu)建軟硬協(xié)同的產(chǎn)業(yè)生態(tài)體系。

四、 我國人工智能發(fā)展重點(diǎn)與機(jī)遇

1、 十三五期間我國總體發(fā)展情況

發(fā)展人工智能是黨中央、國務(wù)院準(zhǔn)確把握新一輪科技革命和產(chǎn)業(yè)變革發(fā)展大勢，是為搶抓人工智能發(fā)展的重大戰(zhàn)略機(jī)遇，構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢，加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)國，所做出的重大戰(zhàn)略決策部署。十三五以來，我國人工智能產(chǎn)業(yè)發(fā)展迅猛，政策環(huán)境持續(xù)優(yōu)化，創(chuàng)新能力不斷提升，產(chǎn)業(yè)規(guī)模進(jìn)一步壯大，融合應(yīng)用逐步深入，特別是新冠疫情防控期間， 人工智能技術(shù)產(chǎn)品形成“智能抗疫軍團(tuán)”，有力支撐了我國疫情防控和復(fù)工復(fù)產(chǎn)。

1）、人工智能政策環(huán)境持續(xù)優(yōu)化。 我國人工智能發(fā)展進(jìn)入快車道，自 2015 年 7 月國務(wù)院出臺的《關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動的指導(dǎo)意見》首次將人工智能納入重點(diǎn)任務(wù)之一，至 2017 年 7 月國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》將其上升至國家戰(zhàn)略，人工智能發(fā)展政策環(huán)境不斷完善。截至 2020年，黨中央、國務(wù)院及各部門出臺人工智能相關(guān)政策 10 余項(xiàng)，連續(xù)4 年將人工智能寫入政府工作報(bào)告，如工信部、教育部相繼出臺《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計(jì)劃（ 2018-2020 年）》、《高等學(xué)校人工智能創(chuàng)新行動計(jì)劃》等多項(xiàng)政策文件，為我國人工智能發(fā)展?fàn)I造了良好的發(fā)展環(huán)境，各地方超過 20 個省市自治區(qū)相繼出臺人工智能專項(xiàng)規(guī)劃 60 余項(xiàng)。

2）、 人工智能技術(shù)創(chuàng)新能力持續(xù)提升。 我國企業(yè)在應(yīng)用算法、專用芯片、開源開放平臺、智能傳感等核心關(guān)鍵技術(shù)上已取得局部突破，其中寒武紀(jì)、地平線、思必馳等神經(jīng)網(wǎng)絡(luò)芯片實(shí)現(xiàn)量產(chǎn)并在安防、汽車、語音領(lǐng)域?qū)崿F(xiàn)規(guī)?；瘧?yīng)用；百度、阿里、華為、騰訊、曠視、科大訊飛、第四范式、京東等一批AI 開放平臺初步具備支撐產(chǎn)業(yè)快速發(fā)展的能力，其中百度 AI 開放平臺已超 260 萬開發(fā)者。部分關(guān)鍵應(yīng)用技術(shù)居世界先進(jìn)水平，特別是視頻圖像識別、語音識別等技術(shù)全球相對領(lǐng)先。人工智能論文總量、高倍引用的論文數(shù)量和發(fā)明專利授權(quán)量，處在第一梯隊(duì)。

3）、 人工智能產(chǎn)業(yè)規(guī)模不斷發(fā)展壯大。 產(chǎn)業(yè)生態(tài)基本形成，產(chǎn)業(yè)整體實(shí)力顯著增強(qiáng)。截至 2020 年，我國人工智能產(chǎn)業(yè)規(guī)模、核心企業(yè)數(shù)量，包括獨(dú)角獸企業(yè)數(shù)量均僅次于美國，位居全球第二位，覆蓋技術(shù)平臺、產(chǎn)品應(yīng)用等多環(huán)節(jié)，基本建立了比較完備的產(chǎn)業(yè)鏈。人工智能芯片、智能語音、計(jì)算機(jī)視覺等創(chuàng)新產(chǎn)品不斷涌現(xiàn)，醫(yī)療影像、智能語音、智能翻譯、自動駕駛等產(chǎn)品已達(dá)國際先進(jìn)水平，智能安防、 消費(fèi)無人機(jī)等領(lǐng)域具備全球競爭優(yōu)勢。人工智能產(chǎn)業(yè)初步形成京津冀、長三角、粵港澳、成渝等地區(qū)集聚發(fā)展、協(xié)同推進(jìn)格局。

4）、 人工智能行業(yè)融合應(yīng)用不斷深入。 我國人工智能產(chǎn)業(yè)發(fā)展不斷深入，與一、二、三產(chǎn)業(yè)融合成效初顯，正在從部分先導(dǎo)領(lǐng)域如醫(yī)療、交通、教育等服務(wù)領(lǐng)域向制造業(yè)、農(nóng)業(yè)等產(chǎn)業(yè)領(lǐng)域拓展；智能金融、智能醫(yī)療、智能安防、智能交通等領(lǐng)域已經(jīng)成為企業(yè)加速人工智能技術(shù)產(chǎn)業(yè)化落地的熱點(diǎn)應(yīng)用場景，智能化新產(chǎn)品、新業(yè)態(tài)、新模式不斷涌現(xiàn)。新冠疫情防控期間，人工智能技術(shù)加速在醫(yī)療、應(yīng)急、教育、制造等領(lǐng)域普及應(yīng)用，一批人工智能 CT 影像輔助診斷設(shè)備、智能測溫+識別系統(tǒng)、智能機(jī)器人等抗疫產(chǎn)品，形成“智能抗疫軍團(tuán)”，支撐疫情防控和復(fù)工復(fù)產(chǎn)成效顯著。

5）、 積極探索人工智能倫理和治理實(shí)踐。 我國政府高度重視人工智能倫理道德問題，積極構(gòu)建有利于人工智能健康有序發(fā)展的體制機(jī)制。為進(jìn)一步加強(qiáng)人工智能相關(guān)法律、倫理、標(biāo)準(zhǔn)和社會問題研究，新一代人工智能發(fā)展規(guī)劃推進(jìn)辦公室成立新一代人工智能治理專業(yè)委員會， 2019 年 6 月發(fā)布《新一代人工智能治理原則——發(fā)展負(fù)責(zé)任的人工智能》，提出人工智能治理框架和行動指南，強(qiáng)調(diào)和諧友好、公平公正、包容共享等八條原則。

與此同時， 2019 年全國人大常委會已將一些與人工智能密切相關(guān)的立法項(xiàng)目列入立法規(guī)劃， 例如數(shù)字安全法、個人信息保護(hù)法和修改科學(xué)技術(shù)進(jìn)步法等。在工業(yè)和信息化部等相關(guān)部委指導(dǎo)下，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（簡稱： AIIA）發(fā)布了《人工智能行業(yè)自律公約》，引導(dǎo)企業(yè)加強(qiáng)人工智能倫理自律探索。 各地地方積極探索人工智能治理實(shí)踐，在制定人工智能相關(guān)政策中，支持人工智能倫理治理、法律法規(guī)等相關(guān)研究探索，《人工智能北京共識》、 《人工智能創(chuàng)新治理上海宣言》、《世界人工智能法治藍(lán)皮書》等成果相繼發(fā)布。當(dāng)前，產(chǎn)業(yè)界和學(xué)術(shù)界協(xié)同推進(jìn)，騰訊、百度、曠視等企業(yè)紛紛踐行人工智能倫理原則，設(shè)立管理機(jī)構(gòu)；全國多個高校、研究機(jī)構(gòu)等開展人工智能倫理治理、法律法規(guī)等方面的研究，如 2020 年 6 月，清華大學(xué)成立了人工智能國際治理研究院。

2、 十四五期間我國發(fā)展方向與機(jī)遇

1）、 加快 AI 基礎(chǔ)原創(chuàng)技術(shù)的創(chuàng)新突破，打造融合創(chuàng)新生態(tài)系統(tǒng)。 我國人工智能技術(shù)創(chuàng)新處于前所未有的活躍期。 當(dāng)前，我國專利申請的活躍度與論文產(chǎn)出規(guī)模已位于全球前列，專利申請總量達(dá) 30.1萬件，占全球總量的 39%，是美國的兩倍以上； 近 10 年論文產(chǎn)出總量超過 18 萬篇， 2019 年論文規(guī)模是美國的近 1.5 倍。同時，我國視覺、語音等智能任務(wù)全球比賽的參與度和入榜率極高，多次在對話式問答、閱讀理解、 人臉識別等全球比賽中刷新智能任務(wù)的 SOTA13模型準(zhǔn)確率。 我國發(fā)起的全球性比賽規(guī)模不斷擴(kuò)大， iFLYTEK A.I.開發(fā)者大賽 2020 年參與團(tuán)隊(duì)達(dá) 9000 余支，騰訊廣告算法大賽參與人次達(dá)萬余名。

2）、 將人工智能技術(shù)體系中的基礎(chǔ)理論、 原創(chuàng)及優(yōu)化技術(shù)和共性應(yīng)用技術(shù)， 依據(jù)創(chuàng)新程度和突破難度從高至低劃分為顛覆、階躍、創(chuàng)新優(yōu)化和工程實(shí)現(xiàn)等四個發(fā)展層級。目前， 我國在創(chuàng)新優(yōu)化和工程實(shí)現(xiàn)技術(shù)方面有一定優(yōu)勢，但顛覆型、階躍型技術(shù)仍非常缺乏引領(lǐng)作用。

▲技術(shù)體系按創(chuàng)新程度和突破難度分級

我國基礎(chǔ)理論、原創(chuàng)模型等顛覆型、階躍型技術(shù)仍缺乏引領(lǐng)能力。反向傳播、人工神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)基礎(chǔ)理論，以及知識工程、計(jì)算神經(jīng)科學(xué)等其他分支的基礎(chǔ)理論基本由他國引領(lǐng)，相關(guān)的統(tǒng)計(jì)學(xué)、認(rèn)知科學(xué)等底層近現(xiàn)代學(xué)科早期創(chuàng)始人、重大貢獻(xiàn)者鮮有我國學(xué)者身影。在本次浪潮之中，我國雖已涌現(xiàn)一批具有全球影響力的學(xué)者，在圖像識別、機(jī)器翻譯等領(lǐng)域不斷發(fā)聲；但深度學(xué)習(xí)理論體系、新型學(xué)習(xí)方式等顛覆技術(shù)主導(dǎo)權(quán)幾乎被全球幾位巨頭掌握； 卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)等階躍型算法技術(shù)多數(shù)在原始創(chuàng)造團(tuán)隊(duì)
各分支中產(chǎn)生,延續(xù)性較強(qiáng)； 人工智能顛覆、階躍技術(shù)的發(fā)展幾乎是寡頭壟斷的格局。

仔細(xì)分析全球人工智能前沿技術(shù)的發(fā)展， Yoshua Bengio、 Geoffrey Hinton 等巨頭在 AAAI、 ICLR 等全球人工智能會議上的觀點(diǎn)常引起全球?qū)W者追隨，引領(lǐng)新熱點(diǎn)方向發(fā)展。如， 2020年 Yann LeCun、 Geoffrey Hinton 等學(xué)者提出自監(jiān)督學(xué)習(xí)是走向通用智能的路徑之一，引發(fā)自監(jiān)督學(xué)習(xí)熱潮， CPVR 2020、 ICLR 2020 會議收錄的自監(jiān)督學(xué)習(xí)論文數(shù)量較去年增長近一倍，計(jì)算機(jī)專業(yè)權(quán)威論文檢索平臺 dblp 2020 年收錄的相關(guān)論文數(shù)量接近歷年總和。

目前，我國已開始加強(qiáng)對人工智能基礎(chǔ)理論，甚至更底層基礎(chǔ)學(xué)科的建設(shè)發(fā)展，且取得一定成果，如，北京大學(xué)在隨機(jī)梯度下降法中的噪聲作用研究中取得進(jìn)展，從理論上解釋了噪聲的正則化原理；南京大學(xué)提出不依賴反向傳播的深度學(xué)習(xí)模型深度森林（ Deep Forest），探索神經(jīng)網(wǎng)絡(luò)之外的深度學(xué)習(xí)發(fā)展路徑； 但總體來看，我國距離引領(lǐng)顛覆型、階躍型技術(shù)仍差距較大。

我國視覺、語音等基礎(chǔ)智能任務(wù)的工程實(shí)現(xiàn)水平全球領(lǐng)先，算法模型的二次創(chuàng)新優(yōu)化能力也非常突出。 我國人工智能算法技術(shù)的發(fā)展著重于對業(yè)內(nèi)主流算法模型的吸收改造與產(chǎn)業(yè)化應(yīng)用，一方面， 我國擁有一批追求算法技術(shù)極致優(yōu)化的人工智能企業(yè)，如曠視研發(fā)的ShuffleNet 模型具有輕量級 CNN 模型結(jié)構(gòu)， 在計(jì)算復(fù)雜度相同情況下，相比其他模型可編碼更多信息， 人臉解鎖時間小于 0.1 秒。 百度推出的 ERNIE 模型是基于 Bert 的預(yù)訓(xùn)練思想，支持詞匯、語法、語義三個層次的預(yù)訓(xùn)練任務(wù)，可獲得更多的潛在語義信息，在中文任務(wù)上已超越原 Bert 模型水平。

另一方面， 我國在視覺、語音、自然語言處理等多類基礎(chǔ)任務(wù)的全球比賽中位列前位已成常態(tài)。 人工智能領(lǐng)域的比賽加速升級，從粗粒度圖像識別、目標(biāo)檢測、段落語義理解等較為簡單的任務(wù)向人體關(guān)鍵點(diǎn)識別、推理理解等復(fù)雜任務(wù)轉(zhuǎn)變。

目前，我國企業(yè)在多個全球權(quán)威比賽中成績顯著，不斷挑戰(zhàn)更為復(fù)雜的任務(wù)。商湯、曠視、依圖、騰訊等企業(yè)在細(xì)粒度圖像識別、自動駕駛場景定位及追蹤、行人重識別（ ReID）、 人體視頻解析等復(fù)雜任務(wù)上位列各類比賽榜單首位，哈工大訊飛聯(lián)合實(shí)驗(yàn)室在推理閱讀理解評測任務(wù)（ HotpotQA）全維基賽道中獲得第一，百度提出面向端到端問答的檢索模型 RocketQA 刷新微軟 MS MARCO（ 微軟機(jī)器閱讀理解） 段落排序任務(wù)的榜單。

在上述背景下，我國人工智能技術(shù)的發(fā)展亟需圍繞三個方向進(jìn)行布局：

一是進(jìn)一步構(gòu)建人工智能基礎(chǔ)理論與應(yīng)用技術(shù)相結(jié)合的學(xué)科體系。 當(dāng)前我國多個高校已著手布局人工智能學(xué)科建設(shè)，多以“人工智能+”為主線，著重應(yīng)用學(xué)科的發(fā)展。然而，相較于應(yīng)用技術(shù)，人工智能的基礎(chǔ)理論是我國下一時期提升人工智能顛覆性創(chuàng)新話語權(quán)的關(guān)鍵，但其學(xué)術(shù)周期更長，取得成效更緩，難以一蹴而就，需要完備的綜合型學(xué)科體系作為支撐。因此，基礎(chǔ)理論與應(yīng)用并重的學(xué)科體系建設(shè)成為“顛覆型技術(shù)”取得突破的關(guān)鍵。

二是重點(diǎn)布局一批企業(yè)級人工智能研究院。 全球人工智能技術(shù)研究在產(chǎn)、 學(xué)兩界的分界線愈加模糊，由高校和企業(yè)合作完成的創(chuàng)新優(yōu)化型和階躍型技術(shù)突破不斷增多，企業(yè)級人工智能研究院的重要性正在逐步顯現(xiàn)。從全球來看， 高校教授成為企業(yè)和高校間的特殊紐帶，如， “深度學(xué)習(xí)之父”Hinton 在多倫多大學(xué)擔(dān)任教授，同時受聘為谷歌大腦人工智能團(tuán)隊(duì)首席科學(xué)家；紐約大學(xué)終身教授 Yann LeCun，同時擔(dān)任臉書人工智能研究室(FAIR)主任。

縱觀我國人工智能人才培育的歷史， 企業(yè)級研究院對于我國早期人工智能人才的培育貢獻(xiàn)顯著， 微軟等頭部科技企業(yè)的企業(yè)級研究院培養(yǎng)一批諸如孫劍、楊帆、曹旭東等領(lǐng)軍人才， 在離開研究院后分別創(chuàng)立或加入我國曠視、商湯、Momenta 等人工智能創(chuàng)新企業(yè)，帶動我國早期人工智能技術(shù)產(chǎn)業(yè)的發(fā)展。 這種具有前瞻性的企業(yè)級研究院對中短期能夠應(yīng)用落地的創(chuàng)新優(yōu)化型、階躍型技術(shù)具有重要引領(lǐng)作用。

三是打造區(qū)域人工智能技術(shù)融合創(chuàng)新生態(tài)系統(tǒng)。 建立以政府主導(dǎo)區(qū)域技術(shù)融合創(chuàng)新系統(tǒng)， 將鏈狀創(chuàng)新鏈“基礎(chǔ)研究－應(yīng)用研究－試驗(yàn)開發(fā)”升級為連通企業(yè)、高校、研究院所、政府等創(chuàng)新主體的共同體生態(tài)；圍繞區(qū)域特色優(yōu)勢，在生態(tài)之上建立針對不同細(xì)分領(lǐng)域的技術(shù)專攻實(shí)驗(yàn)室，有機(jī)整合各類要素、多元主體、異質(zhì)產(chǎn)業(yè)群等，形成區(qū)域技術(shù)創(chuàng)新生態(tài)系統(tǒng)。

當(dāng)前，全球已有部分國家率先開展該類載體建設(shè)， 荷蘭人工智能創(chuàng)新機(jī)構(gòu)（ ICAI）， 已聯(lián)合 43 家合作伙伴建立16 家基礎(chǔ)研究、行業(yè)應(yīng)用等類型的高校–企業(yè)實(shí)驗(yàn)室，聯(lián)合多方進(jìn)行技術(shù)成果的轉(zhuǎn)化落地；美國計(jì)劃在未來五年內(nèi)投資 7.65 億美元，用于數(shù)十個由聯(lián)邦政府、 工業(yè)界和學(xué)術(shù)界聯(lián)合建立的人工智能（ AI）和量子信息科學(xué)（ QIS）科學(xué)中心發(fā)展，進(jìn)一步完善其人工智能技術(shù)創(chuàng)新生態(tài)系統(tǒng)。

2）、 協(xié)同發(fā)展 AI 基礎(chǔ)核心生態(tài)，加快構(gòu)建一批行業(yè)智能軟件平臺。 我國已基本形成智能計(jì)算、數(shù)據(jù)服務(wù)、開源開發(fā)框架、核心平臺和關(guān)鍵應(yīng)用的全產(chǎn)業(yè)鏈布局。目前，我國已形成以少數(shù)領(lǐng)軍企業(yè)為中心，一批科技企業(yè)加速跟進(jìn)，大批創(chuàng)業(yè)型企業(yè)不斷涌現(xiàn)的產(chǎn)業(yè)發(fā)展格局，人工智能企業(yè)數(shù)量占全球比接近 25%，初步形成國內(nèi)大循環(huán)的發(fā)展基礎(chǔ)。

一方面，我國在數(shù)據(jù)和關(guān)鍵應(yīng)用環(huán)節(jié)具備一定國際競爭力，已形成數(shù)據(jù)采集、清洗、標(biāo)注、交易等較為完整的數(shù)據(jù)支撐體系， 計(jì)算機(jī)視覺、自然語言處理等智能應(yīng)用技術(shù)水平位居全球前列，并在公共安全、零售、交通、醫(yī)療等多個行業(yè)進(jìn)行規(guī)?；蛟圏c(diǎn)應(yīng)用；另一方面，在硬件芯片、開源開發(fā)框架等基礎(chǔ)核心環(huán)節(jié)，我國已涌現(xiàn)出寒武紀(jì)、地平線等新興智能芯片企業(yè)，并擁有百度飛槳（ PaddlePaddle）、華為 Mindspore、曠視天元等開源開發(fā)框架，持續(xù)完善硬件芯片與軟件框架的基礎(chǔ)生態(tài)體系。

充分利用我國大市場與產(chǎn)業(yè)鏈完備的發(fā)展優(yōu)勢，補(bǔ)強(qiáng)智能計(jì)算、 開發(fā)框架的基礎(chǔ)生態(tài)。

從全球來看，開源開發(fā)框架的第一次洗牌已到尾聲，谷歌、臉書等頭部企業(yè)的開發(fā)框架體系基本確立，市場份額和社區(qū)生態(tài)已遠(yuǎn)超其他框架，我國框架以一己之身突圍難度很大。同時，受制于我國集成電路較全球起步晚的歷史背景，英偉達(dá)、英特爾等芯片大廠已在工藝制程、芯片架構(gòu)、軟件生態(tài)等方面有數(shù)十年積累；智能計(jì)算時期，芯片頭部企業(yè)針對人工智能任務(wù)需求加速優(yōu)化芯片架構(gòu)、完善軟件工具、適配多樣的開發(fā)框架，構(gòu)筑龐大的生態(tài)體系不斷提高行業(yè)壁壘，導(dǎo)致其他初創(chuàng)智能芯片企業(yè)一時間難以切入市場進(jìn)行規(guī)模應(yīng)用。

目前，我國雖涌現(xiàn)出一批智能芯片企業(yè)，同時也在研發(fā)框架方面有所布局，但兩類基礎(chǔ)生態(tài)構(gòu)建所面對的形勢仍然非常嚴(yán)峻。因此， 深度聚焦本土市場的需求持續(xù)、 快速創(chuàng)新，驅(qū)動我國智能芯片生態(tài)和開發(fā)框架生態(tài)的協(xié)同、融合發(fā)展，形成合力占領(lǐng)國內(nèi)市場份額，成為補(bǔ)強(qiáng)兩類基礎(chǔ)生態(tài)的關(guān)鍵方向。

憑借國內(nèi)智能應(yīng)用先行落地的時間優(yōu)勢，沉淀一批行業(yè)智能核心軟件平臺，同時提升我國在傳統(tǒng)行業(yè)產(chǎn)業(yè)鏈中的地位。 應(yīng)用創(chuàng)新活躍是我國自互聯(lián)網(wǎng)時代至今的長期發(fā)展優(yōu)勢，目前我國已在多個領(lǐng)域形成全球智能應(yīng)用的引領(lǐng)作用，并持續(xù)推進(jìn)人工智能應(yīng)用先導(dǎo)區(qū)的建設(shè)，不斷挖掘新的應(yīng)用場景，沉淀行業(yè)數(shù)據(jù)和算法模型；如，百度自動駕駛開放平臺 Apollo 與包括寶馬、戴姆勒、一汽等在內(nèi)的全球上百家車企達(dá)成合作；依圖科技 care.ai 智能醫(yī)療解決方案已在全國200 余家機(jī)構(gòu)落地，并在歐洲、南美、中東、東南亞等海外區(qū)域推廣應(yīng)用。

在先行試點(diǎn)、應(yīng)用創(chuàng)新、行業(yè)數(shù)據(jù)、行業(yè)算法模型均有一定優(yōu)勢的背景下，我國的發(fā)展方向應(yīng)是深度滲透到關(guān)鍵行業(yè)的產(chǎn)業(yè)鏈中，沉淀一批面向行業(yè)的基礎(chǔ)核心智能軟件平臺，以行業(yè)軟件平臺為核心構(gòu)筑應(yīng)用生態(tài)，替代或增強(qiáng)原有產(chǎn)業(yè)鏈條中的軟件環(huán)節(jié)，甚至提升在傳統(tǒng)產(chǎn)業(yè)鏈中的影響作用，轉(zhuǎn)變過去僅在應(yīng)用模式上創(chuàng)新的痛點(diǎn)，驅(qū)動我國關(guān)鍵行業(yè)產(chǎn)業(yè)結(jié)構(gòu)向高附加值方向轉(zhuǎn)變。

3）、 產(chǎn)業(yè)軸心從前沿技術(shù)向行業(yè)應(yīng)用轉(zhuǎn)變帶來區(qū)域化發(fā)展機(jī)遇。 當(dāng)前，人工智能已從聚焦智能技術(shù)發(fā)展向各行業(yè)應(yīng)用落地的階段轉(zhuǎn)變，這將代表著人工智能產(chǎn)業(yè)不再僅是北京、上海、深圳等頂尖人才集聚區(qū)域的聚焦重點(diǎn)，也為具有特色傳統(tǒng)產(chǎn)業(yè)優(yōu)勢的區(qū)域帶來發(fā)展機(jī)會，我國人工智能產(chǎn)業(yè)有望形成各具產(chǎn)業(yè)應(yīng)用特色的區(qū)域化發(fā)展格局。究其原因， 一是產(chǎn)業(yè)發(fā)展階段所驅(qū)使的， 人工智能產(chǎn)業(yè)雖是技術(shù)密集型產(chǎn)業(yè)，但由于其強(qiáng)賦能特點(diǎn)，與行業(yè)場景的深度結(jié)合是產(chǎn)業(yè)發(fā)展非常關(guān)鍵的一步。

當(dāng)前，人工智能產(chǎn)業(yè)重心已從智能技術(shù)向行業(yè)融合應(yīng)用轉(zhuǎn)變，使得具有傳統(tǒng)行業(yè)應(yīng)用場景、行業(yè)知識的更多區(qū)域具備發(fā)展人工智能的條件和機(jī)會。這些區(qū)域擁有人工智能技術(shù)落地的試驗(yàn)田，從而吸引智能應(yīng)用企業(yè)集聚發(fā)展； 二是企業(yè)發(fā)展周期所驅(qū)使， 本輪人工智能產(chǎn)業(yè)的泡沫逐步破裂，企業(yè)面臨從早期靠愿景融資到靠應(yīng)用變現(xiàn)融資的發(fā)展階段，應(yīng)用落地成為人工智能企業(yè)這一時期的聚焦重點(diǎn)，因此也驅(qū)使企業(yè)尋找更合適的區(qū)域進(jìn)行落地發(fā)展。 可以預(yù)計(jì)，未來我國更多的區(qū)域?qū)瓉砣斯ぶ悄墚a(chǎn)業(yè)發(fā)展的窗口期， 逐步形成各具產(chǎn)業(yè)特色的區(qū)域化發(fā)展格局。

打造分領(lǐng)域分區(qū)域的人工智能產(chǎn)業(yè)創(chuàng)新中心。 當(dāng)前，科技部和工信部均部署了產(chǎn)業(yè)創(chuàng)新的試點(diǎn)，截止至 2021 年 3 月底，科技部頒布15 個新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)，工信部設(shè)立 8 個人工智能應(yīng)用先導(dǎo)示范區(qū)，推動人工智能產(chǎn)業(yè)區(qū)域化、特色化發(fā)展步伐不斷加快。在此背景下，我國應(yīng)打造一批分領(lǐng)域、分區(qū)域的人工智能產(chǎn)業(yè)創(chuàng)新中心，構(gòu)建縱向垂直一體化的、產(chǎn)業(yè)鏈與創(chuàng)新鏈合一的產(chǎn)業(yè)發(fā)展平臺， 助力我國人工智能關(guān)鍵核心產(chǎn)業(yè)從技術(shù)路線、適配標(biāo)準(zhǔn)、生態(tài)構(gòu)建、應(yīng)用推廣等方面的協(xié)同創(chuàng)新發(fā)展，加速形成金融、制造、能源、醫(yī)療、災(zāi)害應(yīng)急、農(nóng)業(yè)、生態(tài)環(huán)保等領(lǐng)域的應(yīng)用創(chuàng)新體系，助力區(qū)域人工智能產(chǎn)業(yè)特色化、深入化、規(guī)模化發(fā)展。

4）、 加快人工智能和各產(chǎn)業(yè)深度融合，打造人工智能產(chǎn)業(yè)集群。結(jié)合各地區(qū)產(chǎn)業(yè)基礎(chǔ)和資源稟賦，引導(dǎo)各地先行先試，不斷匯聚力量、理念、方向，抓住幾個亮點(diǎn)，在全國范圍內(nèi)形成標(biāo)桿和規(guī)模效應(yīng)。培育更多人工智能領(lǐng)軍企業(yè)，引導(dǎo)相關(guān)行業(yè)的龍頭企業(yè)加速智能化改造步伐。推動開展一批重點(diǎn)領(lǐng)域融合創(chuàng)新工程，培育一批標(biāo)志性人工智能技術(shù)產(chǎn)品，提升重點(diǎn)領(lǐng)域人工智能產(chǎn)品智能化水平。 加快推動人工智能與工業(yè)、交通、醫(yī)療、農(nóng)業(yè)、能源、應(yīng)急安全等領(lǐng)域深度融合，推動人工智能在智能制造、智能醫(yī)療、智慧城市、智能農(nóng)業(yè)等領(lǐng)域得到廣泛應(yīng)用。 發(fā)展一批人工智能產(chǎn)業(yè)園，按應(yīng)用領(lǐng)域分門別類進(jìn)行相關(guān)產(chǎn)業(yè)布局，培育建設(shè)人工智能產(chǎn)業(yè)創(chuàng)新集群。

5）、 深化國際合作，主動融入全球人工智能治理框架。 加強(qiáng)人工智能倫理治理研究力量， 促進(jìn)形成更多更加開放、有國內(nèi)外影響力的交流合作平臺組織，推動國內(nèi)倫理治理規(guī)則共識、中國方案的形成，把引導(dǎo)和規(guī)范人工智能發(fā)展不斷推向深入。 強(qiáng)化人工智能標(biāo)準(zhǔn)體系建設(shè)， 推動形成“國家標(biāo)準(zhǔn)頂層架構(gòu)引導(dǎo)，行業(yè)和團(tuán)體標(biāo)準(zhǔn)指導(dǎo)，國際標(biāo)準(zhǔn)協(xié)同推進(jìn)”的良好局面。 堅(jiān)持全球化道路，堅(jiān)持國際視野和全球思維， 以開放心態(tài)應(yīng)對全球競爭，搭建全球化服務(wù)平臺，促進(jìn)國際交流，吸引全球創(chuàng)新要素資源參與我國人工智能技術(shù)及產(chǎn)業(yè)發(fā)展，同時鼓勵中國人工智能企業(yè)加大“走出去”力度；充分利用“一帶一路”倡議、 G20 等雙/多邊合作機(jī)制，主動融入全球人工智能治理體系，積極推動企業(yè)、聯(lián)盟、行業(yè)組織等機(jī)構(gòu)的更多專家參與全球人工智能規(guī)則制定，強(qiáng)化在國際標(biāo)準(zhǔn)組織中的協(xié)作，為全球人工智能發(fā)展貢獻(xiàn)中國智慧。

智東西認(rèn)為，近兩年，人工智能的技術(shù)應(yīng)用開始全面覆蓋日常生活、 科學(xué)研究、社會治理、商業(yè)創(chuàng)新和國家安全等經(jīng)濟(jì)社會的關(guān)鍵領(lǐng)域， 以空前的廣度和深度推動社會發(fā)展。但同時，相關(guān)資本的減速也是最近的一個很明顯的現(xiàn)象。但是，這種降速不一定是一件壞事，這是一個擠掉泡沫，讓行業(yè)回歸理性的過程，在十四五期間，經(jīng)歷篩選后生存下來的企業(yè)必將是有自己的核心競爭力，能夠走出國門的優(yōu)秀AI玩家。