AI人工智能发展概况

　　一、AI人工智能行业简介

　　1 AI人工智能落地产业应用，产业链条基本形成

　　人工智能（AI）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

　　2006 年以来，随着以深度学习为代表的机器学习算法在机器视觉和语音识别等领域取得极大成功，识别准确性大幅提升，人工智能技术快速走向成熟，落地产业应用、赋能实体经济变成现实，由基础支撑、核心技术和行业应用组成的产业链条逐步形成。

　　人工智能产业链可以分为基础层、技术层和应用层：

　　基础层可以进一步细分为算法、算力和数据，主要为计算机视觉、智能语音等人工智能基础技术提供计算能力支持，是人工智能的基础设施；根据算法用途，技术层可以分为计算机视觉、智能语音、自然语言处理等；应用层是人工智能通用技术与各行业应用深度融合的领域，是人工智能真正赋能行业的方式。

　　资料来源：艾瑞咨询2 有监督的深度学习算法是实现 AI 技术的主要路径

　　在 AI 产业链中，算法、算力和数据共同构成 AI 技术发展的三大核心要素，而机器学习，特别是有监督的深度学习是现阶段实现 AI 技术的主要路径。

　　机器学习方法通常是从已知数据中学习规律或者判断规则，建立预测模型。按照训练方式，机器学习可分为使用人工标注分类标签训练的监督学习、无分类标签且自动聚类推断的无监督学习、使用少量人工标注+自动聚类的半监督学习和根据现实情况自动“试错+调整”的强化学习四类。

　　而最著名的深度学习同样是机器学习的分支，但因模型结构的不同而与上述训练方式不在一个区分范畴，深度学习在训练方式上均可与四种方式发生重叠。

　　现阶段，有监督的深度学习是实现 AI 技术的主要路径，

　　一方面，深度学习可以通过对低层特征的组合，形成更加抽象的高层属性类别，自动从信息中学习有效的特征并进行分类，而无需人为选取特征。凭借自动提取特征、神经网络结构、端到端学习等优势，深度学习在图像和语音领域学习效果最佳；另一方面，监督学习需要大量训练数据对学习结果进行反馈，能够有效降低算法的错误率。因此，兼具学习效果优异及错误率较低两大优势的有监督深度学习已成为主流的算法架构。

　　资料来源：艾瑞咨询3 大量训练数据是有监督的深度学习算法实现的重要基础

　　在当前人工智能行业发展进程中，有监督的深度学习算法是推动人工智能技术取得突破性发展的关键技术理论，而大量训练数据的支撑则是有监督的深度学习算法实现的基础，训练数据已成为 AI 算法模型发展和演进的“燃料”。

　　AI 算法模型从技术理论到应用实践的落地过程依赖于大量的训练数据，2012-2016 年期间，人工智能行业不断优化算法增加深度神经网络层级，利用大量的数据集训练提高算法精准性，ImageNet 数据集的超过 1,400 万张训练图片和1,000 余种分类便在其中起到重要作用。

　　然而，从自然数据源简单收集取得的原料数据并不能直接用于有监督的深度学习算法训练，必须经过专业化的采集、加工，形成相应的工程化训练数据集后才能供深度学习算法等训练使用。

　　目前，应用有监督学习的 AI 算法对于训练数据的需求远大于现有的标注效率和投入预算，人工智能基础数据服务将持续释放其对于 AI 算法模型的基础支撑价值。

　　二、全球 AI 产业市场规模

　　经过多年的发展，人工智能技术已在金融、医疗、安防等多个领域实现技术落地，且应用场景愈来愈丰富，AI 产业已进入全方位商业化的发展阶段。作为推动人工智能技术进步的“三驾马车”，算法、算力和数据在过去的 5-10 年间不断优化、创新，AI 产业已全面进入机器学习时代，未来人工智能的发展路径将围绕着关键技术与实体经济的深度融合，全球人工智能的市场规模有望进一步扩大。

　　随着人工智能对社会和经济的影响日益凸显，美国、中国、英国、德国、日本等国家先后出台人工智能相关支持政策及国家战略规划，为整个产业的发展创造良好的政策环境。

　　同时，旧金山、东京、伦敦、北京、上海等主要城市为 AI 产业创设良好的投资环境和畅通的融资渠道，致力于发展 AI+教育、AI+医疗、AI+安防、AI+工业等应用场景，充分发挥 AI 产业在提升城市精细化管理能力和公共安全水平方面的作用。

　　而谷歌、微软、阿里巴巴、百度、腾讯、IBM、Facebook 等国际知名企业则加速布局人工智能领域相关产业，积极抢占人工智能行业发展高地。政策支持、城市应用和巨头布局将持续推动人工智能产业的蓬勃发展。

　　截至 2019 年年末，全球共有 5,386 家活跃 AI 企业，27,400 名高级研究人员，20 座重点发展城市。

　　2019 年，全球人工智能行业共产生约 374 亿美元融资，其中，自动驾驶、药物医疗、人脸识别、视频内容和金融反欺诈是获得融资最多的领域。

　　根据国际数据公司（IDC）的数据，2019 年，全球人工智能产业规模达到 375 亿美元，预计 2023 年全球人工智能市场规模将达到 979 亿美元，年复合增长率为 27.11%。

　　数据来源：国际数据公司（IDC）人工智能的商业价值体现在三个维度，分别是提升客户体验、增加产品和服务的销售额，以及降低产品和服务的生产和交付成本。

　　根据高德纳咨询（Gartner） 2018年的预测数据，2019 年，全球人工智能产业的商业价值将达到 19,010 亿美元，预计 2022 年全球人工智能产业带来的商业价值将达到 39,230 亿美元，年复合增长率为 27.31%。

　　数据来源：高德纳咨询（Gartner）三、中国 AI 产业市场规模

　　当前我国人工智能产业加速发展，从基础支撑、核心技术到行业应用的产业链条基本形成，一批创新活跃、特色鲜明的创新企业加速成长，新模式、新业态不断涌现，整体呈现蓬勃发展态势。但与此同时，产业发展也面临核心基础技术薄弱、与实体经济融合不够深入等问题。而在政府、投资机构、科技巨头企业等各方努力下，中国 AI 产业的结构不断完善，正处于从局部向整体发展的上升期，行业前景良好。

　　在政策支持方面，政府加强对人工智能各细分领域的政策支持，采用揭榜行动等方式引导企业专注于核心技术攻关，旨在引导中国 AI 产业突破核心技术瓶颈。在投资引导方面，有别于前期对应用型人工智能公司的投资偏好，投资机构亦更加关注 AI 芯片、机器学习算法、数据处理等产业链上游企业的发展，为其提供更多的资金支持和增值服务。在巨头布局方面，科技巨头企业纷纷提前进行 AI 生态布局，抢先建立贯穿全产业链的产业联盟。政策支持、投资引导和巨头布局将推动中国 AI 产业的结构调整，进一步扩大中国 AI 产业的市场规模。

　　数据来源：艾瑞咨询截至 2019 年年末，中国（不含港澳台）活跃 AI 企业达到 1,189 家，占全球 AI活跃企业总数的 22.08%，位居全球第二；中国高级研究人员共有 533 名，AI 人才储备方面综合排名全球第七，仍有较大的发展空间。

　　2019 年期间，中国人工智能领域论文的发布数量占该领域全球论文发布总量的28%，位列全球第一； 2008-2019 年人工智能领域的专利申请共发生 448,684 项，中国拥有 66,508 项，位列全球第二，中国的 AI 技术水平处于全球前列。

　　2019 年，中国人工智能行业的融资总额约为 166 亿美元，占全球人工智能行业融资总额的 44.39%，位居全球首位。

　　根据国际数据公司（IDC）的数据，2019 年，中国人工智能产业规模将达到 44.80亿美元，预计 2023 年中国人工智能市场规模将达 174.68 亿美元，年复合增长率达到 40.52%。

　　数据来源：国际数据公司（IDC）举报/反馈