前言

2017年是AI之年，人工智能领域多年的努力和积累终于勃发，从政府到民间，从国家战略到坊间热点，从学术圈到资本圈，从主流领导企业到创新独角兽，一时间全社会各个角落关注AI、走向AI、布局AI，AI正在热气腾腾地从学术走向产业。

2018年，是AI赋能行业、展示威力的关键年。企业和公众已经不再质疑“AI能不能”，而是迫切的想知道“AI怎么能”。金准人工智能专家认为AI必须要在生态建设、行业应用、产业赋能等方面取得比以往更大的成就，才能更进一步，形成燎原之势。

《全球人工智能产业地图》对全球人工智能产业进行了系统分析，从产业结构、产业分布、企业分布等多角度进行绘制，为推动我国人工智能产业发展提供重要决策参考。

一、人全球人工智能产业发展综述

人工智能（Artificial Intelligence，简称 AI）是一门前沿交叉学科，目前还没有统一的定义。

根据中国人工智能学会与罗兰贝格联合发布的最新报告，人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。

1.全球爆发人工智能产业浪潮

但是，人工智能并不是一个新的概念，它实际上诞生于20世纪50年代。在这60年间，人工智能的发展并不是一帆风顺，而是起起落落，先后经历了Pre-AI时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷，我们目前正处于第三次浪潮之中。

人工智能（Artificial Intelligence）是全球2017年信息通信领域的最大热点，远高于物联网、5G、安全与隐私、区块链等。

三大因素推动人工智能快速发展。互联网的发展提供了种类丰富的大数据资源，提升算法有效性。计算技术的变革使硬件成本指数下降，运算时间缩短，助力人工智能再度崛起。基础算法和AI 平台的创新减少了传统算法和人类手工总结特征的不完备性，大幅提升算法有效性。

全球产业链基本形成，带动实体经济转型升级。实现纵向融通，人工智能促进产业链各层级深度融通，ICT供给能力产业质的飞跃。实现横向融合，消费到生产，实体经济数字化、网络化、智能化转型升级步伐加快。

产业热度逐步提升，市场规模持续增长。一是创新活跃，科研机构和企业加快人工智能研究和创新，人工智能发展受到普遍看好。二是规模增长，语音、视觉等技术已经步入实用和商用，带动产业规模快速增长。

      创新AI企业快速涌现，我国是人工智能发展高地。企业力量不断壮大，新增企业数量快速增长，尤其是欧洲和亚洲增速逐步提升。我国人工智能企业数量接近1500家，在全球中位居第二，是全球人工智能发展高地之一。

2.产业分层已经明晰，国内AI应用呈现爆发趋势

通常情况下，我们可以将人工智能产业划分为三层，分别是基础层、技术层和应用层。其中基础层是推动人工智能发展的基石，主要包括数据、芯片和算法三个方面，技术层主要是应用技术提供方，应用层大多是技术使用者，这三者形成一个完整的产业链，并相互促进。不过，很多企业（特别是大型科技公司）业务线较长，很多时候既是技术提供方，也是技术的使用者，因而很难有清晰的界定。

基础层方面，中国的实力还比较薄弱，尤其是芯片领域，玩家多为创业公司，而美国在这一领域多为英伟达、英特尔等重量级玩家，同时创业公司也层出不穷；在基础技术框架领域，国外有Google、微软、Facebook、亚马逊等，国内有百度、腾讯、阿里巴巴等；在数据领域，很多互联网公司本身就积累了海量数据，不过这些商业数据一般不会对外共享，而且这些公司也对标注处理后的有效数据存在需求，因此市场上存在第三方数据提供商，国内以海天瑞声为代表，美国则以CrowdFlower为代表。

技术层主要分为三个领域：机器学习、语音识别和自然语言处理、以及计算机视觉。其中除了BAT等大玩家之外，语音识别和自然语言处理领域的代表公司有科大讯飞、云知声、思必驰等，计算机视觉领域的代表公司有商汤科技、旷视科技、依图科技等。它们中有很多已成为新兴的独角兽，融资额度甚至超过美国同行。

在AI应用领域，中国呈现出爆发的趋势，目前主要集中在安防、金融、医疗、教育、零售、机器人以及智能驾驶等领域。其中安防领域的代表公司有海康威视、大华等；金融领域有蚂蚁金服、众安科技等；医疗领域有医渡云、汇医慧影等；教育领域有科大讯飞、乂学教育等；零售领域有阿里、京东、缤果盒子等；机器人领域有大疆创新、优必选等；智能驾驶领域有百度、驭势等。

3.主要国家加快快布局人工智能，我国不断加强政策支持力度。

2015年5月，国务院印发《中国制造2025》，其中“智能制造”被定位为中国制造的主攻方向，而这里智能的概念，其实可以看做人工智能在制造业的具象体现。

2015年7月，国务院印发《国务院关于积极推进“互联网+”行动的指导意见》，其中人工智能是重点布局的11个领域之一。

2016年3月，《国民经济和社会发展第十三个五年规划纲要（草案）》发布，国务院提出，要重点突破新兴领域的人工智能技术。

2016年5月，发改委、科技部、工信部和网信办联合印发《“互联网+”人工智能三年行动实施方案》，提出到2018年“形成千亿级的人工智能市场应用规模”。

2016年7月，国务院印发《“十三五”国家科技创新规划》。《规划》指出，要重点发展大数据驱动的类人智能技术方法；突破以人为中心的人机物融合理论方法和关键技术，研制相关设备、工具和平台；在基于大数据分析的类人智能方向取得重要突破，实现类人视觉、类人听觉、类人语言和类人思维，支撑智能产业的发展。

2017年3月，人工智能首次被写入国务院的《政府工作报告》，正式进入国家战略层面。

2017年7月，国务院印发《新一代人工智能发展规划》，提出了“三步走”的战略目标，宣布举全国之力在2030年抢占人工智能全球制高点，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。

2017年12月，工业和信息化部印发《促进新一代人工智能产业发展三年行动计划（2018-2020年）》。计划提出，以信息技术与制造技术深度融合为主线，以新一代人工智能技术的产业化和集成应用为重点，推进人工智能和制造业深度融合，加快制造强国和网络强国建设。

可以看出，自2016年以来，中国的人工智能政策密集出台，在全球竞争的背景下，人工智能已经上升为国家意志。金准人工智能专家认为未来，人工智能技术的产业化将是大势所趋。

二、产业链整体发展情况

1. 核心器件多元化创新，带动AI 计算产业发展

GPU、DSP、FPGA、ASIC以及类脑等人工智能芯片创新频繁，支撑云测、端测AI计算需求。AI计算产业快速发展，尤其是云端深度学习计算平台的需求正在快速释放。我国寒武纪、深鉴科技等企业也在跟进和推动各类AI芯片的研究和创新。

CPU：众所周知，传统的数据计算是依靠CPU处理器，然而近年来，随着集成电路越来越复杂，半导体技术的改进几近达到物理极限。而互联网的快速发展，导致数据规模急剧扩张，此时的矛盾集中表现为处理器性能无法满足计算需求。

GPU：GPU又叫图形处理器，它的特点是有大量的核和大量的高速内存，主要擅长做类似图像处理的并行计算。后来人们渐渐发现，这个特点同样适用于深度学习的训练，而且相比于CPU，GPU可以提供更快的处理速度、更少的服务器投入以及更低的功耗。2009年，斯坦福大学的一篇论文发现，在训练深度神经网络时，使用GPU会比CPU快70倍。自此在深度学习的训练领域，CPU开始被冷落，GPU也已经不再是通常意义上的图形处理器，逐渐已成为AI训练专用处理器的事实标准。这也让GPU技术的领跑者英伟达赚的盆满钵满，在过去的5年间，英伟达的股价上升了约18倍。

FPGA（Field－Programmable Gate Array，现场可编程门阵列）：作为人工智能深度学习方面的计算工具，除了GPU以外，FPGA也为很多开发者所推崇。FPGA的中文名为“现场可编程门阵列”，它具有可编程专用性、高性能、低功耗等特点。目前整个FPGA市场主要由赛灵思和Altera主导，两者共同占有85%的市场份额，2015年，Altera被英特尔收购。

ASIC（Application Specific Integrated Circuits，专用集成电路）：是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。与通用集成电路相比，具有以下几个方面的优越性：体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低。但深度定制也意味着需要大量的研发投入，如果不能保证出货量，其单颗成本难以下降，而且芯片的功能一旦流片后则无更改余地，若深度学习方向一旦改变，ASIC前期投入将无法回收，意味着ASIC具有较大的市场风险。Google自主研发的专用于人工智能深度学习计算的TPU，其实也是一款ASIC。

1. 移动互联网造就海量数据，结构化数据依然缺乏

公共数据集不断丰富，推动初创企业成长。数据是训练人工智能的必备燃料，在现阶段人工智能的发展水平下，数据的规模和质量直接决定了模型的训练效果。

全球数据流量仍在快速增长，为深度学习所需要的海量数据提供良好基础。商业化数据产业发展迅速，能够为企业提供十万张图片、数千小时语音以上的资源和相关服务。公共数据集为创新创业和行业竞赛提供优质数据，给初创企业带来必不可少的资源。

目前海量的有效数据主要掌握在互联网巨头手中，在已经到来的人工智能时代，由于马太效应的存在，凭借这些宝贵资产，他们可以和用户形成良性的数据闭环，从而强者恒强。

另一方面，更多的从业者其实面临着数据短缺的尴尬境地。这些从业者主要分为两类：传统企业和AI创业公司。

传统企业由于在其所在的行业深耕多年，拥有大量的原始数据。但它们往往并不注重数字资产治理，这些宝贵的数据往往像待开采的矿石一般被低效地利用，并未被结构化。对于此类企业，我们建议其与平台或技术社区合作，将已有的数据充分利用起来。例如，作为中国最大的图片提供商，视觉中国拥有海量的已标注数据资源，这些数据在过去很长一段时间都是人工标注的。如今，视觉中国已经与CSDN的一站式AI服务平台——TinyMind（www.tinymind.com）展开合作，以寻求更加快速的解决方案。

比起传统企业，AI创业公司对数据的渴求更加强烈，对于此类公司，目前较为常见的训练数据来源主要有三种：

学术界和大公司对外开放的免费数据库。以计算机视觉为例，其中最为知名的是斯坦福大学李飞飞副教授创立的ImageNet。经过多年的积累，ImageNet通过众包的方式积累了2万多种类别的1400多万张图片，是目前世界上最大的图片数据库。另外，Google作为开源大户，于2016年相继对外开放了自然语言数据库、视频数据库、图片数据库。

通过第三方数据供应商或众包平台购买或定制数据。对数据的需求促进产业生态进一步完善，催生了专业的第三方服务供应商，国内较为知名的有海天瑞声、数据堂等。另外，需求者还可以通过众包平台发布任务，聚集平台上的闲散廉价人力为己所用，如Crowd Flower、亚马逊的AMT（Amazon Mechanical Turk）、百度众包平台等。

自行采集实际数据或模拟数据。对于某些特殊场景，现有的数据积累不足或无法满足需求，则需要厂商自行采集数据。典型场景，如自动驾驶。

3.关键平台逐步形成，加快推进应用生态

优势企业如谷歌、亚马逊、脸书加快部署机器学习、深度学习底层平台，建立产业事实标准。目前业内有近40个各类AI学习框架，生态竞争异常激烈。典型企业如科大讯飞、商汤科技利用技术优势建设开放技术平台，为开发者提供AI开发环境，建设上层应用生态。

部分应用技术快速成熟，进入实用阶段

以语音识别、机器视觉为代表的人工智能技术快速成熟，达到实用化水平。机器视觉、智能语音成为产业化水平最高的人工智能领域，企业数量和橱窗企业快速增长。

行业应用及产品：“AI+传统产业”加快融合创新，推动社会转型升级

人工智能从个人消费到安防、医疗、交通、家居等众多领域渐次渗透，当前处于行业应用大规模起量阶段。

产业分布：全球化趋势明显，我国人工智能发展日益向好

美国仍是人工智能核心发源地之一，其他国家人工智能发展正在快速跟进。国内北京人工智能发展领跑全国，沪粤江浙发展逐步加速。

AI技术正在与各个行业的业务发生着融合促进，其中金融、制造业、电商、医疗等行业占比最高。可见，虽然在基础领域，中国与美国还存在一定差距，但是在商业化应用方面，中国已经多点开花，大有赶超之势。

三、市场预测：计算机视觉是当前重点，未来基础算法和芯片将逐渐提升

2017年我国人工智能市场规模达到216.9亿元，同比2016年增长52.8%。技术分类上，计算机视觉、语音相关领域技术发展更为成熟，所占比例分别为37%和22%。人工智能创业企业的涌现集中在2014-2016年时期，在2015年达到顶峰（新增150家），创业热潮与投融资热情在2017年回归理性，同时随着人工智能各项技术的不断成熟以及各类应用场景的落地，金准人工智能专家预计在2018年时人工智能市场增速达到56.3%，整体规模达到339亿元。2018年，机器学习、深度学习等算法能力的增强将促进计算机视觉、语音等技术不断突破，谷歌、英伟达、华为、寒武纪等发布的AI芯片产品将进入大批量商用上市阶段，人工智能产业将继续增长并与垂直行业加深融合。

人工智能市场规模及预测

加快关键环节布局，推动我国人工高振产业生态化发展。

      加快完善基础环境，确保产业快速健康发展。

总结

人工智能已经推动了IT行业的巨大变革，如今这一趋势正逐渐蔓延至传统行业。金准人工智能专家认为不仅要用人工智能来赋能IT行业，更是时候需要用人工智能来赋能整个社会。为了让全社会都能体验到人工智能的好处，我希望将人工智能推广到其他行业。”

从人工智能诞生至今，已经有很多企业和用户切身体验到了这项技术带来的好处，因此许多公司都在探索如何应用人工智能来帮助自己进一步发展，但是很多公司并不能很清楚地定义自己的需求，而且许多AI技术仍然很复杂，很少有团队能够完全理解并且有效地运用这些技术，因此AI转型之路并不容易。