IDC人工智能咨询：利用人工智能技术提升运营，创造新的价值 (人工智能ic)

文章编号：18367 / 分类：互联网资讯 / 更新时间：2024-06-14 04:28:15 / 浏览：次

IDC人工智能咨询

随着人工智能（AI）技术的发展，企业都在寻求利用其潜力来提高运营效率和创造新的价值。IDC人工智能咨询可以帮助企业理解和实施AI解决方案，以实现其业务目标。

AI如何提升运营

自动化任务： AI可以自动化繁琐且重复性强的任务，如数据处理、客户服务和订单处理，从而释放员工专注于更有价值的活动。
优化流程： AI可以分析数据并识别流程中的瓶颈，从而帮助企业优化流程并提高效率。
提高决策质量： AI可以提供数据驱动的见解，帮助企业做出更明智的决策，从而提高运营绩效。
预测和预防问题： AI可以分析历史数据并识别模式，从而帮助企业预测和预防潜在问题，从而减少停机时间和降低成本。

AI如何创造新的价值

新的产品和服务： AI可以创造新的产品和服务，例如个性化推荐、虚拟助手和自动驾驶汽车。
增强客户体验： AI可以提供24/7客户服务、个性化购物体验和实时支持，从而增强客户体验。
新的收入来源： AI可以创建新的收入来源，例如通过AI驱动的服务或产品许可证。
竞争优势： AI可以为企业提供竞争优势，例如通过提高效率、降低成本或提供新的产品和服务。

IDC人工智能咨询服务

IDC人工智能咨询提供各种服务，以帮助企业利用人工智能技术提升运营并创造新的价值，包括：

AI战略咨询：

人工智能未来的发展前景怎么样？

新一代人工智能是基于新一代信息技术的发展和人类智能活动规律的研究，用于模拟、延伸和扩展人类智能，其呈现出深度学习、跨界融合、人机协同、群智开放和自主智能的新特点。

“十三五”以来，我国新一代人工智能产业的科研活跃度高、国际影响力增强、也涌现了具有国际影响力的AI企业。“十四五”时期我国新一代人工智能产业将如何发展，本文将从发展重点、发展目标两大方面进行分析。

1、“十三五”发展回顾

——科研活跃度高、国际影响力增强

新一代人工智能是基于新一代信息技术的发展和人类智能活动规律的研究，用于模拟、延伸和扩展人类智能，其呈现出深度学习、跨界融合、人机协同、群智开放和自主智能的新特点。

回顾“十三五”，我国在人工智能领域各顶级国际会议上的活跃度和影响力不断提升。数据显示，2018-2019年，我国人工智能领域论文发表量、专利申请量均有所增长;同时，2015-2020年，在全球前100篇人工智能论文高被引论文中，中国产出占21篇，居第二位。

我国也在自动机器学习、神经网络可解释性方法、异构融合类脑计算等领域中都涌现了一批具有国际影响力的创新性成果：

——涌现了具有国际影响力的AI企业

“十三五”以来，我国人工智能企业的国际竞争力也日益凸显。截至2019年末，我国约有797家人工智能企业，占全球人工智能企业总数的14.8%，数量仅次于美国：

同时，据中国科学院大数据挖掘与知识管理重点实验室公布的“2019年全球人工智能企业TOP20榜单”中，中国有7家企业上榜，且中国有5家企业排名榜单前十。

2、“十四五”发展重点解读

——开源算法平台构建、重点领域创新

根据《“十四五”规划纲要和2035年远景目标纲要》，“十四五”期间，我国新一代人工智能产业将着重构建开源算法平台、并在学习推理与决策、图像图形等重点领域进行创新。

此外，在2021年全国“两会”期间，全国人大代表们围绕人工智能的发展与应用建言献策：

——六项重点任务

同时，根据国务院于2017年7月印发的《新一代人工智能发展规划》，其中提出了面向2030年我国新一代人工智能发展的六项重点任务：

3、“十四五”发展目标解读

——2025年：核心产业规模将达4000亿元

根据《新一代人工智能发展规划》，到2025年，我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展，人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元;到2030年，我国人工智能理论、技术与应用总体达到世界领先水平。

——2023年：布局建设20个左右试验区

此外，为加快落实《国务院关于印发新一代人工智能发展规划的通知》，科技部于2019年8月印发《国家新一代人工智能创新发展试验区建设工作指引》，旨在有序推动国家新一代人工智能创新发展试验区建设。截至2021年3月末，我国已有14个市+1个县获批建设试验区;至2023年，试验区数量预计将达20个左右。

——各省市发展目标汇总

此外，全国各省市也围绕新一代信息技术产业的产业规模、龙头企业数量等内容，提出了“十四五”时期的发展目标：

—— 更多行业相关数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》

人工智能未来的发展前景怎么样？

1、核心产业和带动产业双双高速增长

相比于互联网产业，我国人工智能发展期与成熟期迎来的较晚，但是在资本和社会期望的驱动下，我国人工智能发展的速度也是非常快的。初步估计2020年我国的人工智能核心产业规模达到1512.5亿元，增长率为38.94%。

除了核心产业的增长外，人工智能带动产业而规模也呈现出快速增长区趋势。2019年我国人工智能带动产业从而规模为.5亿元，初步估计2020年达到5725.7亿元，同比增长高达49.83%。

2、人工智能发展快速主要由于应用产业广泛

人工智能发展快速主要由于应用产业广泛。从产业链的结构来看，在人工智能应用层设计的行业非常的多。软件方面的涉及主要有客服、金融、教育;硬件类主要包含无人机，仓储物流、智能机器人等;还有软硬件均为核心技术的无人驾驶和医疗健康产业。

从客户来看，中国人工智能市场主要客户来自政府城市治理和运营(公安、交警、司法、城市运营、政务、交运管理、国土资源、监所、环保等)，应用占比达到49%，互联网与金融行业紧随其后，占比分别为18%和12%。

企业和政府对人工智能的应用逐渐升温。在决定企业产生经济效益的各个环节，都已能够看到人工智能的身影：AI 核身帮助人们安全生活、远程交易、便捷通行;深度学习和知识图谱帮助企业在生产过程中分析预测、科学决策;人机对话提升了拜访登记、服务响应中的用户体验。人工智能将催生新技术、新产品、新产业、新业态、新模式，实现社会生产力的整体跃升，推动社会进入智能经济时代。

前瞻估算，目前中国大型企业基本都已在持续规划投入实施人工智能项目，而全部规上企业中约有超过10%的企业已将人工智能与其主营业务结合，实现产业地位提高或经营效益优化。

—— 以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》

人工智能如何重塑IDC？

毫无疑问，人工智能（AI）如今正渗透到各种技术的各个方面，从癌症的早期发现到理解各国的人类语言，以及在实时高分辨率视频中分辨人脸。大量的消费者应用，为主流需求、社会认可和人工智能的日益普及提供了动力和资金。现在，人工智能思维系统正在快速进入企业IT领域。很多组织的IT团队已经看到人工智能成为许多任务的主流，其中包括网络安全、IT运营、监控、数据分析、业务流程自动化和基础设施配置等等，以响应缓慢增长的技术劳动力和快速增长的IT工作负载之间日益扩大的差距。然而，对数据中心来说，这里只涉及两种选择：用于数据中心的人工智能和用于人工智能的数据中心。用于数据中心的人工智能如今，通过筛选大量繁杂的操作遥测数据、发现异常、关联事件和确定根本原因，智能产品已经可以用来增强IT运营和分析。最大的影响可能是将人工智能与数据中心信息管理（DCIM）系统结合起来，支持数据中心的智能运营。 2014年，通过使用DeepMind对其数据中心的风扇、通风和冷却设备进行控制调整，谷歌公司将电力成本降低了40％。但现在才刚开始。通过虚拟地重新定位发热的计算负载，这些智能产品可以实现最佳的温度控制。其他DCIM供应商也在研究人工智能算法，并根据不断变化的硬件容差、功耗/成本趋势、瞬态工作负载来改变IDC环境温度。除了监控冷却设备之外，人工智能还可以管理配电系统，其节省IDC电力成本的潜力同样引人注目。而如果人工智能在全球所有数据中心上扩展应用的话，其影响可能是巨大的。展望未来，新兴的智能DCIM系统可以将IDC物联网传感器数据（比如热量、气流、功耗、水和烟雾检测等）AI平台整合。不仅可以检测异常的IDC行为，还能确定问题根源和原因。这样，智能DCIM系统不仅能说明失败的时间、地点和原因，还会在出错之提醒操作人员，在某些情况下，还会自动禁止。用于人工智能的数据中心由于人工智能几乎改变了每个数据中心的应用程序，它也在重塑软件开发生命周期（SDLC）。传统应用程序通过程序化更改演变为其底层代码库，然后使用严格测试进行验证，并以受控、可管理、可重复方式部署到生产过程中。但是，基于AI的应用程序不依赖代码更改或单向部署。相反，许多人在开发环境中发展更智能的模型并将其部署到生产中。无论嵌入传统第三方应用程序还是内部开发的人工智能算法，对尽可能真实且相关的大量数据进行训练时效果最佳。因此，在许多情况下，实时生产数据最适合训练。人工智能训练需要大量的计算和大量的数据，数据越多越好。为了满足这种对计算能力的巨大需求，人工智能训练越来越多地发生在以CPU为中心的非CPU服务器上，这些服务器基于GPU、FPGA、定制ASIC或专用的深度学习单元，可提供数量级的性能提升。不过，这些计算系统耗电量大，功率密度高达30-50kW/机架，而且预测下一代计算系统的功率密度将达到惊人的100kW/机架。拥有并运营40多个数据中心的运营商Flexential公司云计算主管Jason Carolan表示，“如果没有液冷之类的解决方案，现有的大多数IDC在规模上根本无法支持这一点。 ” 对于运营、自动化、监控、合规、安全、开发和云集成来说，即将到来的基于人工智能的产品和服务将成为分水岭，而这些都将促进IDC的基础性改变。通过采用基于AI的应用程序，那些具有远见卓识的IDC运营商，可以应对即将到来的市场变革。

人工智能未来的发展前景怎么样？

人工智能医疗行业主要公司：目前国内人工智能医疗行业代表性公司主要有：乐普医疗()、鹰瞳科技()、心玮医疗()、美因基因(IPO中)、推想医疗科技(IPO中)等

本文核心数据：人工智能的发展路径、市场规模，人工智能医疗相关政策、人工智能医疗投融资数据

1、人工智能发展路径及市场规模

——发展路径

人工智能(AI)是计算机科学的一个分支，通过智能系统模拟人类智能，达到机器展示人类智能的目的，如图像分析、语音识别等。自20世纪50年代以来，人工智能技术日趋成熟，应用场景也愈加广泛，相对于制造业、通信传媒、零售、教育等人工智能应用场景，AI医疗具有广阔的市场以及多元化的需求。

——市场规模

麦肯锡咨询的数据表明，人工智能每年能创造3.5万亿至5.8万亿美元的商业价值。根据IDC数据，预计到2025年全球人工智能应用市场总值将达1270亿美元，其中全球AI医疗处于高速成长期，占人工智能市场五分之一。我国人工智能产业发展快速，自2018年AI应用于基因测序以来，AI医疗的商业化模型逐步形成，2019年后，AI医疗以40%～60%的增速快速发展，如今中国AI医疗核心软件市场规模接近30亿元，加上带有重资产性质的AI医疗机器人，总体规模接近60亿元。

2、人工智能医疗底层基础逐渐完善

——产业进入商业模式构建阶段

国务院于2017年发布的《新一代人工智能发展规划》提到需要推广应用人工智能能治疗新模式、新手段，建立快速精准的智能医疗体系。2018年政府要求人工智能向基层领域自上而下渗透，进一步明确了在医疗影像、智能服务机器人等细分行业发展的目标与大方向。

2021年7月，国家药监局发布《人工智能医用软件产品分类界定指导原则》，明确人工智能医用软件产品的类别界定:用于辅助决策，按照第三类医疗器械管理目前已有四十余款AI类产品获批上市。

——人工智能医疗底层技术成熟

2012-2020年在医学文献中使用到的热门机器学习算法和深度学习算法包括:支持向量机(38%)，主要应用于识别成像生物标志物和医疗影像分析;神经网络(34%)，主要应用于生化分析、图像分析和药物开发;逻辑回归(4%)，主要用于疾病风险评估和CDSS。AI医疗整体底层技术较为成熟，应用端准备充分

3、人工智能医疗投融资市场活跃

底层技术、顶层政策设计的双向增强了资本进入人工智能医疗行业的信心。2016-2020年人工智能医疗投融资规模呈现波动上升趋势，2020年中国人工智能医疗总融资金额达到39.8亿元，B轮之前的投资额占70.6%。AI医疗的未来发展应注重数据和科研的落地，如何切入到诊疗路径中解决切实的临床需求并有恰当的付费模式是商业化落地的关键。

综合以上分析，中国人工智能医疗顶层设计、商业模式、技术模式日趋成熟，投融资市场活跃，未来中国人工智能医疗行业将得到进一步发展。

人工智能未来的发展前景怎么样？

未来人工智能的就业和发展前景都是非常值得期待的，原因有以下几点：一是智能化是未来的重要趋势之一。 1、随着互联网的发展，大数据、云计算和物联网等相关技术会陆续普及应用，在这个大背景下，智能化必然是发展趋势之一。 2、人工智能相关技术将首先在互联网行业开始应用，然后陆续普及到其他行业。所以，从大的发展前景来看，人工智能相关领域的发展前景还是非常广阔的。二是产业互联网的发展必然会带动人工智能的发展。 1、互联网当前正在从消费互联网向产业互联网发展，产业互联网将综合应用物联网、大数据和人工智能等相关技术来赋能广大传统行业。 2、人工智能作为重要的技术之一，必然会在产业互联网发展的过程中释放出大量的就业岗位。三是人工智能技术将成为职场人的必备技能之一。 1、随着智能体逐渐走进生产环境，未来职场人在工作过程中将会频繁的与大量的智能体进行交流和合作，这对于职场人提出了新的要求。 2、未来需要掌握人工智能的相关技术。从这个角度来看，未来掌握人工智能技术将成为一个必然的趋势，相关技能的教育市场也会迎来巨大的发展机会。四是人工智能取代人力，对全球的经济产生影响1、说到人工智能，大多数人都是比较期待的，当然也有少数人会怀着担忧的心态看到它，因为人工智能的发展，让我们看到了人工智能的高效和服从。 2、在未来，当人工智能的发展进入到一个全新的领域阶段，它是不是就能够取代现在一些行业所需要的人工劳动呢？如果是的话，那么将会有大面积的失业问题出现。 3、人工智能的发展，能够在短时间内对其进行量产，这样就会有很多人下岗，对全球的经济和社会来说，影响都是巨大的。在人工智能研究的过程中，机器学习是行业研究的核心，也是人工智能目标实现的最根本途径，是当前人工智能发展的主要瓶颈。有关于机器学习问题的研究是行业研究的重点，无论是融资金额，还是公司的数量都明显超过其他研究内容。人工智能属于全世界科研发展的前沿技术，发展过程中与信息技术、计算机技术、精密制造技术、互联网技术密切相关，对各行业、各领域的发展都有一定的影响，在人工智能发展过程中要认真、深刻地研究其未来的发展方向。

人工智能的发展前景如何？

人工智能行业主要上市公司：海康威视()、科大讯飞()、赛为智能()、东杰智能()、闻泰科技()、中兴通讯()、恒生电子()等

本文核心数据：全球人工智能发展历程市场规模投融资数量、金额及轮次企业增长情况人才分布情况竞争格局等

发展历程：当前全球人工智能处于第三个发展高潮期

人工智能至今已经有60多年的发展历史，其概念的提出始于1956年的美国达特茅斯会议，从诞生至今经历了三次发展浪潮。当前人工智能处于第三个发展高潮期，得益于算法、数据和算力三方面共同的进展。

市场规模：中国人工智能市场规模增速超过全球

——全球市场规模：2020年疫情影响下全球人工智能市场规模增速放缓

基于人工智能技术的各种产品在各个领域代替人类从事简单重复的体力或脑力劳动，大大提升了生产效率和生活质量，也促进了各个行业的发展和变革。全球人工智能产业规模持续增长，2020年受疫情影响增速有所放缓。

根据IDC公布的数据显示，2020年全球人工智能市场的规模比2019年增长12.3%，达到1565亿美元。IDC表示虽然全球AI市场受到了疫情影响，但是对人工智能市场的投资将会快速恢复。

注：IDC统计的市场规模包括智能硬件、软件与服务市场。

——中国市场规模：中国人工智能市场增速高于全球占比有所提升

近年来，中国人工智能产业在政策与技术双重驱动下呈现高速增长态势。根据中国信通院数研中心测算，2020年中国人工智能产业规模为3031亿元人民币，同比增长15.1%。中国人工智能产业规模增速超过全球。2020年，中国人工智能市场规模占全球比例接近30%，且较上一年有所提升，说明中国人工智能市场较蕴藏着较大的增长空间。

注：中国信通院的市场规模根据IDC数据测算，统计口径与IDC一致，即包括软件、硬件与服务市场。汇率按6.7计算。

行业投融资情况：资本助力行业高速成长中国人工智能投资市场遥遥领先

——投融资数量及金额：近两年全球人工智能投资金额高速增长

从全球市场来看，人工智能的火热，离不开背后资本的助力。2014-2018年全球人工智能融资金额和融资次数逐年增长，2018年全球人工智能行业投融资事件共计1016起，投资总金额达1598.02亿元。2019-2020年人工智能投融资事件有所减少，2020年相关投融资事件仅有791起，但投资金额却逐年增加，2021年仅1-11月份，全球人工智能投融资金额已高达3227.60亿元。

注：数据截止2021年11月底。

——投融资区域竞争情况：中国人工智能投资额远远领先行业成长性较高

从投资区域来看，全球主要地区的投融资金额均保持波动上升的走势。其中，中国人工智能投资额远远领先，2021年达到2293.19亿元，接近美国人工智能市场的3倍。

注：数据截止2021年11月底。

企业数量情况：全球人工智能独角兽企业数量高速增长主要分布在中美市场

——2020年全球人工智能独角兽企业数量增长超过50%

近年来，人工智能成为全球关注的焦点之一。各国均大力发展人工智能，人工智能相关企业飞速增长。根据《2020胡润全球独角兽榜》显示，2020年，全球人工智能行业有63家独角兽企业上榜，相比2019年的40家增长了57.5%。

——中国和美国为全球人工智能企业数量领先者

从区域竞争情况来看，以英国、德国为代表的欧洲发展区和以中国、日本、新加坡、印度为代表的亚洲发展区整体实力相近。欧洲在人才储备上多于亚洲地区，但是亚洲地区人工智能活跃度远高于欧洲，亚洲对创新业务发展友好。其中，中国是全球人工智能发展速度最快的国家，且发展速度领先于全球。在新增专利数量和人工智能独角兽企业数量上均超过美国。根据胡润研究院发布的“2020胡润全球独角兽榜”，美国以34家人工智能独角兽企业排名第一，其次是中国21家和英国3家。

企业与人才竞争情况：中美市场聚集众多龙头企业与高技术人才

——企业竞争情况：全球人工智能龙头企业多聚集在中国和美国

目前，全球人工智能企业最多和最具有竞争力的的国家是美国。根据中科院发布的“2020年全球人工智能企业TOP20榜单”中，美国企业入榜数量最多，有9家企业上榜;其次是中国，上榜企业有7家;日本有2家;英国和瑞士各1家。

从细分领域来看，人工智能涉及范围广阔，除科技巨头全方位深度参与外，其他企业在行业中依赖自身优势参与竞争，构建了纷繁复杂的竞争格局。其中，基础层领域硬件发展日新月异，巨头布局开源平台;技术层面向企业级应用，细分领域竞争较为激烈;应用层想象空间广阔，参与企业众多。

科技巨头是行业内最重要的力量，具备数据、技术、资本等优势，结合自主研发和兼并收购共同发力，将在AI领域进行全方位跨层次布局，引领行业发展。其中，具有综合数据优势的互联网企业如Google、网络等，全面布局人工智能行业。

基于场景的互联网企业如Facebook、苹果、亚马逊、阿里巴巴、腾讯等，将人工智能与自身业务深度结合，不断提升产品功能和用户体验;传统科技巨头企业，如IBM、微软等，面向企业级用户搭建智能平台系统。

——人才竞争情况：美国AI人才数量领先全球中国进步空间巨大

从国家角度看AI高层次学者分布，美国A1高层次学者的数量最多，有1244人次，占比62.2%，超过总人数的一半以上，且是第二位国家数量的6倍以上。中国排在美国之后，位列第二，有196人次，占比9.8%。德国位列第三，是欧洲学者数量最多的国家;其余国家的学者数量均在100人次以下。

竞争力预测：2030年中国人工智能产值占GDP比重将居全球首位

虽然目前中国人工智能技术水平仍与美国有一定的差距，但是国际上更为看好中国人工智能产业的发展。据普华永道预计，未来十年中国将从人工智能中获得最大的收益，2030年人工智能产值将达到GDP比重的26.1%;而北美与西欧则分别占到各国GDP的14.5%和11.5%。

由上述分析来看，中国和美国是全球人工智能市场最为领先的地区。美国人工智能发展较中国起步更早，在技术与人才储备上更胜一筹。但近两年，中国人工智能的市场规模增速超过全球，其在全球的占比也有所提高，加之资本市场火热，逐渐形成大批人工智能龙头企业，不断提升其国际竞争力，未来有望在技术与政策的双重推动下，持续领跑全球市场。

更多行业相关数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

人工智能前景怎么样探究人工智能的未来发展趋势？

1、市场规模：中国人工智能行业呈现高速增长态势

人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，近年来，中国人工智能产业在政策与技术双重驱动下呈现高速增长态势。根据中国信通院数研中心测算，2020年中国人工智能产业规模为3031亿元人民币，同比增长15.1%。中国人工智能产业规模增速超过全球。

注：中国信通院的市场规模根据IDC数据测算，统计口径与IDC一致，即包括软件、硬件与服务市场。

2、竞争格局：中国人工智能企业主要分布在应用层占比超过80%

——中国人工智能企业全产业链布局完善

我国作为全球人工智能领域发展较好的地区，无论是人工智能领域的基础层、技术层、应用层，还是人工智能的硬件产品、软件产品及服务，我国企业都有涉及。在国内，除去讯飞等垂直类企业，真正在人工智能有所长进的巨头依然是网络、阿里、腾讯这三家。

——中国人工智能企业主要分布在应用层，占比超过80%

据中国新一代人工智能发展战略研究院2021年5月发布的《中国新一代人工智能科技产业发展报告(2021)》数据，截至2020年底，中国人工智能企业布局侧重在应用层和技术层。其中，应用层人工智能企业数占比最高，达到84.05%;其次是技术层企业数，占比为13.65%;基础层企业数占比最低，为2.30%。应用层企业占比高说明中国的人工智能科技产业发展主要以应用需求为牵引。

3、技术分布：中国人工智能企业核心布局的技术主要为大数据和云计算

从人工智能企业核心技术分布看，大数据和云计算占比最高，达到41.13%;其次是硬件、机器学习和推荐、服务机器人，占比分别为7.64%、6.81%、5.64%;紧随其后，物联网、工业机器人、语音识别和自然语言处理、图形图像识别技术的占比依次为5.55%、5.47%、4.76%、4.72%。

4、细分领域：深度神经网络领域为中国AI研究热门

根据清华大学人工智能研究院、与中国工程院知识智能联合研究中心联合发布的《人工智能发展报告2011-2020》，2011-2020年十大AI研究热点分别为深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。

人工智能的发展趋势是怎样的？

1、人工智能将重塑产业结构。在当前产业结构升级的大背景下，人工智能技术将起到非常积极的作用，一方面人工智能技术将逐步替代低附加值岗位，从而推动人力岗位升级，另一方面人工智能也将开辟出大量新的工作岗位，这个过程将逐步重塑产业结构。当前人工智能尚处在行业发展的初期，随着人工智能行业的不断发展，人工智能对于传统行业的影响将逐步得到体现。 2、人工智能将改变传统的供需关系。随着大量的智能体逐渐走进生产和生活环境，整个社会的供需关系也将产生变化，围绕智能体也会产生一个巨大的价值空间，从而培育出一系列新的生态体系。供需关系的变化本身就存在创新和创业的机会，所以对于创业者来说，人工智能时代的发展机会依然非常多。

人工智能产业发展深度报告：格局、潜力与展望

人

工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸

近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。

人工智能市场格局

人工智能赋能实体经济，为生产和生活带来革命性的转变。人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和新产品。从衣食住行到医疗教育，人工智能技术在社会经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 7.1 万亿美元。

多角度人工智能产业比较

战略部署：大国角逐，布局各有侧重

全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局，并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。

美国引领人工智能前沿研究，布局慢热而强势。美国政府稍显迟缓，2019 年人工智能国家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看，美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和社会稳定的影响和变革，并对数据、网络和系统安全十分重视。

伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社会伦理和标准，在技术监管方面占据全球领先地位。

日本寻求人工智能解决社会问题。日本以人工智能构建“超智能社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人工智能技术和产业。因此，日本政府在机器人、医疗健康和自动驾驶三大具有相对优势的领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。

基础层面：技术薄弱，芯片之路任重道远

基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。受限于技术积累与研发投入的不足，国内在基础层领域相对薄弱。具体而言，在 AI 芯片领域，国际科技巨头芯片已基本构建产业生态，而中国尚未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术（SDN）、开发语音等核心技术被掌握在亚马逊、微软等少数国外科技巨头手中。虽国内阿里、华为等科技公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传感器多种产品类型，而在中国也涌现了诸如汇顶科技的指纹传感器等产品，但整体产业布局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据交换、统一标准的数据生态系统构建等方面还有很长的路要走。

“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。

依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手机、汽车、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。国内网络、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。

ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片，可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后，其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如网络、华为和阿里）在细分领域也有所建树。

总体来看，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。

技术层面：乘胜追击，国内头部企业各领风骚

技术层是基于基础理论和数据之上，面向细分应用开发的技术。中游技术类企业具有技术生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然语言处理）。众多国际科技巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。

具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。机器学习算法是人工智能的热点，开源框架成为国际科技巨头和独角兽布局的重点。开源深度学习平台是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前，国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等，美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，网络的 PaddlePaddle、腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。

在应用技术的部分领域，中国实力与欧美比肩。计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞争尚未成型，但国内技术积累与国外相比存在一定差距。

作为落地最为成熟的技术之一，计算机视觉应用场景广泛。计算机视觉是利用计算机模拟人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。

计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。随着终端市场工业检测与测量逐渐趋于饱和，新的应用场景尚在探索，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业脱颖而出。据 IDC 统计，2017 年，商汤科技、依图科技、旷视科技、云从科技四家企业占国内市场份额的 69.4%，其中商汤市场份额 20.6%排名第一。

应用层面：群雄逐鹿，格局未定

应用场景市场空间广阔，全球市场格局未定。受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到360.5 亿元，约是技术层的1.67 倍，基础层的2.53 倍。在全球范围内，人工智能仍处在产业化和市场化的探索阶段，落地场景的丰富度、用户需求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企业，在很多细分领域的市场竞争格局尚未定型。

中国侧重应用层产业布局，市场发展潜力大。欧洲、美国等发达国家和地区的人工智能产业商业落地期较早，以谷歌、亚马逊等企业为首的科技巨头注重打造于从芯片、操作系统到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于世界前列。例如，中国 AI+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。

整体来看，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看，我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。

透析人工智能发展潜力

基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。

从智能产业基础的角度

产业化程度：增长强劲，产业规模仅次美国

中国人工智能尚在产业化初期，但市场发展潜力较大。产业化程度是判断人工智能发展活力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能市场规模分别是 213、71.25 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度，据清华大学科技政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家）人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的增长态势，发展潜力较大。

技术创新能力：专利多而不优，海外布局仍有欠缺

专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出量首超美国，并长期雄踞申请量首位。

从专利申请领域来看，深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI科技热潮兴起后申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁荣的结构性不均衡问题。

中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少，仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示，受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效，而美国 85.6%的专利仍能得到有效保留。

人才储备：供需失衡，顶尖人才缺口大

人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有名人工智能人才，位居全球第一，占全球总量的 21.1%。美国和中国分别以、列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 2.26 倍，基础层人才数是中国的 13.8 倍。

我国人工智能人才供需严重失衡，杰出人才缺口大。据 BOSS 直聘测算，2017 年国内人工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰出人才（977 人）比例仍明显偏低，不足欧美的 1/5。

人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看，国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 43.9%。可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。

从学术生态的角度

技术创新能力：科研产出表现强劲，产学融合尚待加强

科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 69.64%。近些年，中国积极开展前瞻性科技布局， AI发展势头强劲，从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%， CAGR17.94%。2018 年，中国以篇 AI 论文居世界首位。中国研究活动的活跃从侧面体现在人工智能发展潜力较大。

我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact，加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高于全球平均水平的 36.78%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文影响力增幅明显，2018 年，中国 FWCI 为 0.80，较 2010 年增长 44.23%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。

从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成果转化的短板。而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 7.36 倍，欧盟的 1.92 倍。2012 年至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%，与以色列（10.06%）、美国（9.53%）、日本（6.47%）差别较大。从产学结合的角度，中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。

中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文产出的核心载体。据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中，美国（168 所）独占鳌头，占据全球的 45.7%。中国拥有 20 所高校与英国并列第三，数量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上升 1 个和 3 个名次。

从创新环境的角度

研发投入：中美研发投入差距收窄

中国研发高投入高强度，在全球研发表现中占据重要地位。从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投入总和占全球总量的比例已达 60.77%。其中，美国凭借其强大的研发实力连续多年位居全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计，国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 14.43%，同期美国 CAGR 仅 2.99%。由于经济疲软等诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测，中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存在差距。2018 年中国研发强度 1.97%，低于日本和美国 1.53、0.87 个百分点。

资本投入：资金多而项目缺，资本投向侧重终端市场

中美是全球人工智能“融资高地”。人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总融资额的 50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第二大融资体，融资总额占全球 35.5%。考虑到已有格局和近期变化，其他国家和地区难以从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行业泡沫即将出现的预警。

相比较美国，中国资本投向侧重易落地的终端市场。从融资层面来看，中国各领域发展较为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示，芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。

基于信息熵的 TOPSIS 法：综合指标评估

数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来，若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。

展望

转自丨信息化协同创新专委会

相关标签：利用人工智能技术提升运营、创造新的价值、 IDC人工智能咨询、人工智能ic、

本文地址：http://www.hyyidc.com/article/18367.html

上一篇：IDC客户体验管理咨询提升客户满意度，建立忠...
下一篇：IDC数字转型咨询制定数字化战略，提升客户体...