人工智能行業(yè)發(fā)展之全球產(chǎn)業(yè)趨勢分析人工智能市場格局人工智能概覽人工智能（ArtificialIntelligence，AI）是利用機器學習和數(shù)據(jù)分析方法賦予機器模擬、延

申和拓展類人的智能的能力，本質(zhì)上是對人類思維過程的模擬。AI概念最早始于

1956

年

的達特茅斯會議，受限于算法和算力的不成熟，未能實現(xiàn)大規(guī)模的應用和推廣。近年來，

在大數(shù)據(jù)、算法和計算機能力三大要素的共同驅(qū)動下，人工智能進入高速發(fā)展階段。據(jù)中

國電子學會預測，2022全球人工智能市場將達到1630億元，2018-2022年CAGR達31%。人工智能賦能實體經(jīng)濟，為生產(chǎn)和生活帶來革命性的轉(zhuǎn)變。人工智能作為新一輪產(chǎn)業(yè)變革

的核心力量，將重塑生產(chǎn)、分配、交換和消費等經(jīng)濟活動各環(huán)節(jié)，催生新業(yè)務、新模式和

新產(chǎn)品。從衣食住行到醫(yī)療教育，人工智能技術在社會經(jīng)濟各個領域深度融合和落地應用。

同時，人工智能具有強大的經(jīng)濟輻射效益，為經(jīng)濟發(fā)展提供強勁的引擎。據(jù)埃森哲預測，

2035

年，人工智能將推動中國勞動生產(chǎn)率提高

27%，經(jīng)濟總增加值提升

7.1

萬億美元。多角度人工智能產(chǎn)業(yè)比較目前，全球人工智能產(chǎn)業(yè)的生態(tài)系統(tǒng)正逐步成型。依據(jù)產(chǎn)業(yè)鏈上下游關系，可以將人工智

能劃分為基礎支持層、中間技術層和下游應用層?；A層是人工智能產(chǎn)業(yè)的基礎，主要提

供硬件（芯片和傳感器）及軟件（算法模型）等基礎能力；技術層是人工智能產(chǎn)業(yè)的核心，

以模擬人的智能相關特征為出發(fā)點，將基礎能力轉(zhuǎn)化成人工智能技術，如計算機視覺、智

能語音、自然語言處理等應用算法研發(fā)。其中，技術層能力可以廣泛應用到多個不同的應

用領域；應用層是人工智能產(chǎn)業(yè)的延伸，將技術應用到具體行業(yè)，涵蓋制造、交通、金融、

醫(yī)療等

18

個領域，其中醫(yī)療、交通、制造等領域的人工智能應用開發(fā)受到廣泛關注。戰(zhàn)略部署：大國角逐，布局各有側(cè)重全球范圍內(nèi)，中美“雙雄并立”構(gòu)成人工智能第一梯隊，日本、英國、以色列和法國等發(fā)

達國家乘勝追擊，構(gòu)成第二梯隊。同時，在頂層設計上，多數(shù)國家強化人工智能戰(zhàn)略布局，

并將人工智能上升至國家戰(zhàn)略，從政策、資本、需求三大方面為人工智能落地保駕護。

后起之秀的中國，局部領域有所突破。中國人工智能起步較晚，發(fā)展之路幾經(jīng)沉浮。自

2015

年以來，政府密集出臺系列扶植政策，人工智能發(fā)展勢頭迅猛。由于初期我國政策

側(cè)重互聯(lián)網(wǎng)領域，資金投向偏向終端市場。因此，相比美國產(chǎn)業(yè)布局，中國技術層（計算

機視覺和語音識別）和應用層走在世界前端，但基礎層核心領域（算法和硬件算力）比較

薄弱，呈“頭重腳輕”的態(tài)勢。當前我國人工智能在國家戰(zhàn)略層面上強調(diào)系統(tǒng)、綜合布局。美國引領人工智能，布局慢熱而強勢。美國政府稍顯遲緩，2019

年人工智能國

家級戰(zhàn)略（《美國人工智能倡議》）才姍姍來遲。但由于美國具有天時（5G時代）地利（硅

谷）人和（人才）的天然優(yōu)勢，其在人工智能的競爭中已處于全方位領先狀態(tài)?？傮w來看，

美國重點領域布局前沿而全面，尤其是在算法和芯片腦科學等領域布局超前。此外，美國

聚焦人工智能對國家安全和社會穩(wěn)定的影響和變革，并對數(shù)據(jù)、網(wǎng)絡和系統(tǒng)安全十分重視。倫理價值觀引領，歐洲國家搶占規(guī)范制定的制高點。2018

年，歐洲

28

個成員國(含英國)

簽署了《人工智能合作宣言》，在人工智能領域形成合力。從國家層面來看，受限于文化

和語言差異阻礙大數(shù)據(jù)集合的形成，歐洲各國在人工智能產(chǎn)業(yè)上不具備先發(fā)優(yōu)勢，但歐洲

國家在全球

AI倫理體系建設和規(guī)范的制定上搶占了“先機”。歐盟注重探討人工智能的社

會倫理和標準，在技術監(jiān)管方面占據(jù)全球領先地位。日本尋求人工智能解決社會問題。日本以人工智能構(gòu)建“超智能社會”為引領，將

2017

年確定為人工智能元年。由于日本的數(shù)據(jù)、技術和商業(yè)需求較為分散，難以系統(tǒng)地發(fā)展人

工智能技術和產(chǎn)業(yè)。因此，日本政府在機器人、醫(yī)療健康和自動駕駛?cè)缶哂邢鄬?yōu)勢的

領域重點布局，并著力解決本國在養(yǎng)老、教育和商業(yè)領域的國家難題。基礎層面：技術薄弱，芯片之路任重道遠基礎層由于創(chuàng)新難度大、技術和資金壁壘高等特點，底層基礎技術和高端產(chǎn)品市場主要被

歐美日韓等少數(shù)國際巨頭壟斷。受限于技術積累與研發(fā)投入的不足，國內(nèi)在基礎層領域相

對薄弱。具體而言，在

AI芯片領域，國際科技巨頭芯片已基本構(gòu)建產(chǎn)業(yè)生態(tài)，而中國尚

未掌握核心技術，芯片布局難以與巨頭抗衡；在云計算領域，服務器虛擬化、網(wǎng)絡技術

（SDN）、

開發(fā)語音等核心技術被掌握在、等少數(shù)國外科技巨頭手中。雖國內(nèi)

阿里、華為等科技公司也開始大力投入研發(fā)，但核心技術積累尚不足以主導產(chǎn)業(yè)鏈發(fā)展；

在智能傳感器領域，歐洲（BOSCH，ABB）、美國（）等國家或地區(qū)全面布局傳

感器多種產(chǎn)品類型，而在中國也涌現(xiàn)了諸如的指紋傳感器等產(chǎn)品，但整體產(chǎn)業(yè)布

局單一，呈現(xiàn)出明顯的短板。在數(shù)據(jù)領域，中國具有的得天獨厚的數(shù)據(jù)體量優(yōu)勢，海量數(shù)

據(jù)助推算法算力升級和產(chǎn)業(yè)落地，但我們也應當意識到，中國在數(shù)據(jù)公開力度、國際數(shù)據(jù)

交換、統(tǒng)一標準的數(shù)據(jù)生態(tài)系統(tǒng)構(gòu)建等方面還有很長的路要走?！盁o芯片不

AI”，以

AI芯片為載體的計算力是人工智能發(fā)展水平的重要衡量標準，我們

將對

AI芯片作詳細剖析，以期對中國在人工智能基礎層的競爭力更細致、準確的把握。依據(jù)部署位置，AI芯片可劃分為云端（如數(shù)據(jù)中心等服務器端）和終端（應用場景涵蓋手

機、汽車、安防攝像頭等電子終端產(chǎn)品）芯片；依據(jù)承擔的功能，AI芯片可劃分為訓練和

推斷芯片。訓練端參數(shù)的形成涉及到海量數(shù)據(jù)和大規(guī)模計算，對算法、精度、處理能力要

求非常高，僅適合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全

定制化）成為

AI芯片行業(yè)的主流技術路線。不同類型芯片各具優(yōu)勢，在不同領域呈現(xiàn)多

技術路徑并行發(fā)展態(tài)勢。我們將從三種技術路線分別剖析中國

AI芯片在全球的競爭力。GPU（GraphicsProcessingUnit）的設計和生產(chǎn)均已成熟，占領

AI芯片的主要市場份

額。GPU擅長大規(guī)模并行運算，可平行處理海量信息，仍是

AI芯片的首選。據(jù)

IDC預測，

2019

年

GPU在云端訓練市場占比高達

75%。在全球范圍內(nèi)，和

AMD形成雙寡頭

壟斷，尤其是英偉達占

GPU市場份額的

70%-80%。英偉達在云端訓練和云端推理市場推

出的

GPUTeslaV100

和

TeslaT4

產(chǎn)品具有極高性能和強大競爭力，其壟斷地位也在不斷

強化。目前中國尚未“入局”云端訓練市場。由于國外

GPU巨頭具有豐富的芯片設計經(jīng)

驗和技術沉淀，同時又具有強大的資金實力，中國短期內(nèi)無法撼動

GPU芯片的市場格局。FPGA（FieldProgrammableGateArray）芯片具有可硬件編程、配置高靈活性和低能耗

等優(yōu)點。FPGA技術壁壘高，市場呈雙寡頭壟斷：（Xilinx）和（Intel）合計

占市場份額近

90%，其中賽靈思的市場份額超過

50%，始終保持著全球

FPGA霸主地位。

國內(nèi)百度、阿里、京微齊力也在部署

FPGA領域，但尚處于起步階段，技術差距較大。ASIC（ApplicationSpecificIntegratedCircuits）是面向特定用戶需求設計的定制芯片，

可滿足多種終端運用。盡管

ASIC需要大量的物理設計、時間、資金及驗證，但在量產(chǎn)后，

其性能、能耗、成本和可靠性都優(yōu)于

GPU和

FPGA。與

GPU與

FPGA形成確定產(chǎn)品不

同，ASIC僅是一種技術路線或方案，著力解決各應用領域突出問題及管理需求。目前，

ASIC芯片市場競爭格局穩(wěn)定且分散。我國的

ASIC技術與世界領先水平差距較小，部分

領域處于世界前列。在海外，谷歌

TPU是主導者；國內(nèi)初創(chuàng)芯片企業(yè)（如、比特

大陸和地平線），互聯(lián)網(wǎng)巨頭（如百度、華為和阿里）在細分領域也有所建樹?？傮w來看，歐美日韓基本壟斷中高端云端芯片，國內(nèi)布局主要集中在終端

ASIC芯片，部

分領域處于世界前列，但多以初創(chuàng)企業(yè)為主，且尚未形成有影響力的“芯片?平臺?應用”

的生態(tài)，不具備與傳統(tǒng)芯片巨頭（如、）抗衡的實力；而在

GPU和

FPGA領域，中國尚處于追趕狀態(tài)，高端芯片依賴海外進口。技術層面：乘勝追擊，國內(nèi)頭部企業(yè)各領風騷技術層是基于基礎理論和數(shù)據(jù)之上，面向細分應用開發(fā)的技術。中游技術類企業(yè)具有技術

生態(tài)圈、資金和人才三重壁壘，是人工智能產(chǎn)業(yè)的核心。相比較絕大多數(shù)上游和下游企業(yè)

聚焦某一細分領域、技術層向產(chǎn)業(yè)鏈上下游擴展較為容易。該層面包括算法理論（機器學

習）、開發(fā)平臺（開源框架）和應用技術（計算機視覺、智能語音、生物特征識別、自然

語言處理）。眾多國際科技巨頭和獨角獸均在該層級開展廣泛布局。近年來，我國技術層

圍繞垂直領域重點研發(fā)，在計算機視覺、語音識別等領域技術成熟，國內(nèi)頭部企業(yè)脫穎而

出，競爭優(yōu)勢明顯。但算法理論和開發(fā)平臺的核心技術仍有所欠缺。具體來看，在算法理論和開發(fā)平臺領域，國內(nèi)尚缺乏經(jīng)驗，發(fā)展較為緩慢。機器學習算法

是人工智能的熱點，開源框架成為國際科技巨頭和獨角獸布局的重點。開源深度學習平臺

是允許公眾使用、復制和修改的源代碼，是人工智能應用技術發(fā)展的核心推動力。目前，

國際上廣泛使用的開源框架包括谷歌的

TensorFlow、的

Torchnet和的

DMTK等，

美國仍是該領域發(fā)展水平最高的國家。我國基礎理論體系尚不成熟，百度的

PaddlePaddle、

騰訊的

Angle等國內(nèi)企業(yè)的算法框架尚無法與國際主流產(chǎn)品競爭。在應用技術的部分領域，中國實力與歐美比肩。計算機視覺、智能語音、自然語言處理是

三大主要技術方向，也是中國市場規(guī)模最大的三大商業(yè)化技術領域。受益于互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)

達，積累大量用戶數(shù)據(jù)，國內(nèi)計算機視覺、語音識別領先全球。自然語言處理當前市場競

爭尚未成型，但國內(nèi)技術積累與國外相比存在一定差距。作為落地最為成熟的技術之一，計算機視覺應用場景廣泛。計算機視覺是利用計算機模擬

人眼的識別、跟蹤和測量功能。其應用場景廣泛，涵蓋了安防（人臉識別）、醫(yī)療（影像

診斷）、移動互聯(lián)網(wǎng)（視頻監(jiān)管）等。計算機視覺是中國人工智能市場最大的組成部分。

據(jù)艾瑞咨詢數(shù)據(jù)顯示，2017

年，計算機視覺行業(yè)市場規(guī)模分別為

80

億元，占國內(nèi)

AI市

場的

37%。由于政府市場干預、算法模型成熟度、數(shù)據(jù)可獲得性等因素的影響，計算機視

覺技術落地情況產(chǎn)生分化。我國計算機視覺技術輸出主要在安防、金融和移動互聯(lián)網(wǎng)領域。

而美國計算機視覺下游主要集中在消費、機器人和智能駕駛領域。計算機視覺技術競爭格局穩(wěn)定，國內(nèi)頭部企業(yè)脫穎而出。隨著終端市場工業(yè)檢測與測量逐

漸趨于飽和，新的應用場景尚在探索，當前全球技術層市場進入平穩(wěn)的增長期，市場競爭

格局逐步穩(wěn)定，頭部企業(yè)技術差距逐漸縮小。中國在該領域技術積累豐富，技術應用和產(chǎn)

品的結(jié)合走在國際前列。2018

年，在全球最權(quán)威的人臉識別算法測試（FRVT）中，國內(nèi)

企業(yè)和研究院包攬前五名，中國技術世界領先。國內(nèi)計算機視覺行業(yè)集中度高，頭部企業(yè)

脫穎而出。據(jù)

IDC統(tǒng)計，2017

年，商湯科技、依圖科技、曠視科技、四家企業(yè)

占國內(nèi)市場份額的

69.4%，其中市場份額

20.6%排名第一。應用層面：群雄逐鹿，格局未定應用層以底層技術能力為主導，切入不同場景和應用，提供產(chǎn)品和解決方案。受益于計算

機視覺、圖像識別、自然語言處理等技術的快速發(fā)展，人工智能已廣泛地滲透和應用于諸

多垂直領域，產(chǎn)品形式也趨向多樣化。近年來，關注度較高的應用場景主要包括安防、金

融、教育、醫(yī)療、交通、廣告營銷等。從融合深度上，由于場景復雜度、技術成熟度和數(shù)

據(jù)公開水平的不同，而導致各場景應用成熟度不同。例如，政策導向和海量數(shù)據(jù)助推下，

AI+安防、金融和客服領域有較為深入的應用，醫(yī)療和教育領域是產(chǎn)品或服務單點式切入，

尚未形成完整的解決方案。而由于基礎設施復雜和數(shù)據(jù)獲取難度大，AI+制造業(yè)處于邊緣

化。此外，AI+農(nóng)業(yè)國內(nèi)尚未產(chǎn)生成熟產(chǎn)品。應用場景市場空間廣闊，全球市場格局未定。受益于全球開源社區(qū)，應用層進入門檻相對

較低。目前，應用層是人工智能產(chǎn)業(yè)鏈中市場規(guī)模最大的層級。據(jù)中國電子學會統(tǒng)計，2019

年，全球應用層產(chǎn)業(yè)規(guī)模將達到

360.5

億元，約是技術層的

1.67

倍，基礎層的

2.53

倍。

在全球范圍內(nèi)，人工智能仍處在產(chǎn)業(yè)化和市場化的探索階段，落地場景的豐富度、用戶需

求和解決方案的市場滲透率均有待提高。目前，國際上尚未出現(xiàn)擁有絕對主導權(quán)的壟斷企

業(yè)，在很多細分領域的市場競爭格局尚未定型。中國側(cè)重應用層產(chǎn)業(yè)布局，市場發(fā)展?jié)摿Υ蟆W洲、美國等發(fā)達國家和地區(qū)的人工智能產(chǎn)

業(yè)商業(yè)落地期較早，以谷歌、等企業(yè)為首的科技巨頭注重打造于從芯片、操作系統(tǒng)

到應用技術研發(fā)再到細分場景運用的垂直生態(tài)，市場整體發(fā)展相對成熟；而應用層是我國

人工智能市場最為活躍的領域，其市場規(guī)模和企業(yè)數(shù)量也在國內(nèi)

AI分布層級占比最大。

據(jù)艾瑞咨詢統(tǒng)計，2019

年，國內(nèi)

77%的人工智能企業(yè)分布在應用層。得益于廣闊市場空

間以及大規(guī)模的用戶基礎，中國市場發(fā)展?jié)摿^大，且在產(chǎn)業(yè)化應用上已有部分企業(yè)居于

世界前列。例如，中國

AI+安防技術、產(chǎn)品和解決方案引領全球產(chǎn)業(yè)發(fā)展，和大

華股份分別占據(jù)全球智能安防企業(yè)的第一名和第四名整體來看，國內(nèi)人工智能完整產(chǎn)業(yè)鏈已初步形成，但仍存在結(jié)構(gòu)性問題。從產(chǎn)業(yè)生態(tài)來看，

我國偏重于技術層和應用層，尤其是終端產(chǎn)品落地應用豐富，技術商業(yè)化程度比肩歐美。

但與美國等發(fā)達國家相比，我國在基礎層缺乏突破性、標志性的研究成果，底層技術和基

礎理論方面尚顯薄弱。初期國內(nèi)政策偏重互聯(lián)網(wǎng)領域，行業(yè)發(fā)展追求速度，資金投向追捧

易于變現(xiàn)的終端應用。人工智能產(chǎn)業(yè)發(fā)展較為“浮躁”，導致研發(fā)周期長、資金投入大、

見效慢的基礎層創(chuàng)新被市場忽略。“頭重腳輕”的發(fā)展態(tài)勢導致我國依賴國外開發(fā)工具、

基礎器件等問題，不利于我國人工智能生態(tài)的布局和產(chǎn)業(yè)的長期發(fā)展。短期來看，應用終

端領域投資產(chǎn)出明顯，但其難以成為引導未來經(jīng)濟變革的核心驅(qū)動力。中長期來看，人工

智能發(fā)展根源于基礎層（算法、芯片等）研究有所突破透析人工智能發(fā)展?jié)摿谌斯ぶ悄墚a(chǎn)業(yè)發(fā)展現(xiàn)狀，我們將從智能產(chǎn)業(yè)基礎、學術生態(tài)和創(chuàng)新環(huán)境三個維度，對

中國、美國和歐洲

28

國人工智能發(fā)展?jié)摿M行評估，并使用熵值法確定各指標相應權(quán)重

后，利用理想值法（TOPSIS法）構(gòu)建了一個代表人工智能發(fā)展?jié)摿φw情況的綜合指標。從智能產(chǎn)業(yè)基礎的角度產(chǎn)業(yè)化程度：增長強勁，產(chǎn)業(yè)規(guī)模僅次美國中國人工智能尚在產(chǎn)業(yè)化初期，但市場發(fā)展?jié)摿^大。產(chǎn)業(yè)化程度是判斷人工智能發(fā)展活

力的綜合指標，從市場規(guī)模角度，據(jù)

IDC數(shù)據(jù)，2019

年，美國、西歐和中國的人工智能

市場規(guī)模分別是

213、71.25

和

45

億美元，占全球市場份額依次為

57%、19%和

12%。

中國與美國的市場規(guī)模存在較大差異，但近年來國內(nèi)

AI技術的快速發(fā)展帶動市場規(guī)模高

速增長，2019

年增速高達

64%，遠高于美國（26%）和西歐（41%）。

從企業(yè)數(shù)量角度，

據(jù)清華大學科技政策研究中心，截至

2018

年

6

月，中國（1011

家）和美國（2028

家）

人工智能企業(yè)數(shù)全球遙遙領先，第三位英國（392

家）不及中國企業(yè)數(shù)的

40%。從企業(yè)布

局角度，據(jù)騰訊研究院，中國

46%和

22%的人工智能企業(yè)分布在語音識別和計算機視覺

領域。橫向來看，美國在基礎層和技術層企業(yè)數(shù)量領先中國，尤其是在自然語言處理、機

器學習和技術平臺領域。而在應用層面（智能機器人、智能），中美差距略小。展

望未來，在政策扶持、資本熱捧和數(shù)據(jù)規(guī)模先天優(yōu)勢下，中國人工智能產(chǎn)業(yè)將保持強勁的

增長態(tài)勢，發(fā)展?jié)摿^大。技術創(chuàng)新能力：專利多而不優(yōu)，海外布局仍有欠缺專利申請量是衡量人工智能技術創(chuàng)新能力和發(fā)展?jié)撡|(zhì)的核心要素。在全球范圍內(nèi)，人工智

能專利申請主要來源于中國、美國和日本。2000

年至

2018

年間，中美日三國

AI專利申

請量占全球總申請量的

73.95%。中國雖在

AI領域起步較晚，但自

2010

年起，專利產(chǎn)出

量首超美國，并長期雄踞申請量首位。從專利申請領域來看，深度學習、語音識別、人臉識別和機器人等熱門領域均成為各國重

點布局領域。其中，美國幾乎全領域領跑，而中國在語音識別（中文語音識別正確率世界

第一）、文本挖掘、云計算領域優(yōu)勢明顯。具體來看，多數(shù)國內(nèi)專利于

AI科技熱潮興起后

申請，并集中在應用端（如智能搜索、智能推薦），而

AI芯片、基礎算法等關鍵領域和前

沿領域?qū)＠夹g主要仍被美國掌握。由此反映出中國

AI發(fā)展存在基礎不牢，存在表面繁

榮的結(jié)構(gòu)性不均衡問題。從專利權(quán)人分布來看，中國高校和科研機構(gòu)創(chuàng)新占據(jù)主導地位，或?qū)е吕碚摗⒓夹g和產(chǎn)業(yè)

割斷的市場格局。歐美日人工智能申請人集中在企業(yè)，IBM、、三星等巨頭企業(yè)已構(gòu)

建了相對成熟的研發(fā)體系和策略，成為專利申請量最多的專利人之一。其中，IBM擁有專

利數(shù)量全球遙遙領先，截至

2018

年

12

月

31

日，共擁有

4079

件

AI專利。而中國是全球

唯一的大學和研究機構(gòu)

AI專利申請高于企業(yè)的國家。由于高校與企業(yè)定位與利益追求本

質(zhì)上存在差異，國內(nèi)技術創(chuàng)新與市場需求是否有效結(jié)合的問題值得關注。中國

AI專利質(zhì)量參差不齊，海外市場布局仍有欠缺。盡管中國專利申請量遠超美國，但

技術“多而不強，專而不優(yōu)”問題亟待調(diào)整。其一，中國

AI專利國內(nèi)為主，高質(zhì)量

PCT數(shù)量較少。PCT（PatentCooperationTreaty）是由

WIPO進行管理，在全球范圍內(nèi)保護

專利發(fā)明者的條約。PCT通常被為是具有較高的技術價值。據(jù)中國專利保護協(xié)會統(tǒng)計，美

國

PCT申請量占全球的

41%，國際應用廣泛。而中國

PCT數(shù)量（2568

件）相對較少，

僅為美國

PCT申請量的

1/4。目前，我國

AI技術尚未形成規(guī)模性技術輸出，國際市場布

局欠缺；其二，中國實用新型專利占比高，專利廢棄比例大。我國專利類別包括發(fā)明、實

用新型專利和外觀設計三類，技術難度依次降低。中國擁有

AI專利中較多為門檻低的實

用新型專利，如

2017

年，發(fā)明專利僅占申請總量的

23%。此外，據(jù)劍橋大學報告顯示，

受高昂專利維護費用影響，我國

61%的

AI實用新型和

95%的外觀設計將于

5

年后失效，

而美國

85.6%的專利仍能得到有效保留。人才儲備：供需失衡，頂尖人才缺口大人才的數(shù)量與質(zhì)量直接決定了人工智能的發(fā)展水平和潛力。目前，全球人工智能人才分布

不均且短缺。據(jù)清華大學統(tǒng)計，截至

2017

年，人才儲備排名前

10

的國家占全球總量的

61.8%。歐洲

28

國擁有

43064

名人工智能人才，位居全球第一，占全球總量的

21.1%。

美國和中國分別以

28536、18232

列席第二、第三位。其中，中國基礎人才儲備尤顯薄弱。

根據(jù)騰訊研究院，美國

AI技術層人才是中國

2.26

倍，基礎層人才數(shù)是中國的

13.8

倍。我國人工智能人才供需嚴重失衡，杰出人才缺口大。據(jù)

BOSS直聘測算，2017

年國內(nèi)人

工智能人才僅能滿足企業(yè)

60%的需求，保守估計人才缺口已超過

100

萬。而在部分核心

領域（語音識別、圖像識別等），

AI人才供給甚至不足市場需求的

40%，且這種趨勢隨

AI企業(yè)的增加而愈發(fā)嚴重。在人工智能技術和應用的摸索階段，杰出人才對產(chǎn)業(yè)發(fā)展起著

至關重要的作用，甚至影響技術路線的發(fā)展。美國（5158

人）、歐盟（5787

人）依托雄

厚的科研創(chuàng)新能力和發(fā)展機會聚集了大量精英，其杰出人才數(shù)在全球遙遙領先，而中國杰

出人才（977

人）比例仍明顯偏低，不足歐美的

1/5。人才流入率和流出率可以衡量一國生態(tài)體系對外來人才吸引和留住本國人才的能力。根據(jù)

ElementAI企業(yè)的劃分標準，中國、美國等國家屬于

AI人才流入與流出率均較低的錨定

國（AnchoredCountries），尤其是美國的人工智能人才總量保持相對穩(wěn)定。具體來看，

國內(nèi)人工智能培育仍以本土為主，海外人才回流中國的

AI人才數(shù)量僅占國內(nèi)人才總量的

9%，其中，美國是國內(nèi)

AI人才回流的第一大來源大國，占所有回流中國人才比重的

43.9%。

可見國內(nèi)政策、技術、環(huán)境的發(fā)展對海外人才的吸引力仍有待加強。從學術生態(tài)的角度技術創(chuàng)新能力：科研產(chǎn)出表現(xiàn)強勁，產(chǎn)學融合尚待加強科研能力是人工智能產(chǎn)業(yè)發(fā)展的驅(qū)動力。從論文產(chǎn)出數(shù)量來看，1998-2018

年，歐盟、中

國、美國位列前三，合計發(fā)文量全球占比

69.64%。近些年，中國積極開展前瞻性科技布

局，

AI發(fā)展勢頭強勁，從1998年占全球人工智能論文比例的8.9%增長至2018年的28.2%，

CAGR17.94%。2018

年，中國以

24929

篇

AI論文居世界首位。中國研究活動的活躍從

側(cè)面體現(xiàn)在人工智能發(fā)展?jié)摿^大。我國論文影響力仍待提高，但與歐美差距逐年縮小。FWCI（Field-WeightedCitationImpact，

加權(quán)引用影響力）指標是目前國際公認的定量評價科研論文質(zhì)量的最優(yōu)方法，我們利用

FWCI表征標準化1后的論文影響力。當

FWCI≥1

時，代表被考論文質(zhì)量達到或超過了世

界平均水平。近

20

年，美國的

AI論文加權(quán)引用影響力“獨領風騷”，2018

年，F(xiàn)WCI高

于全球平均水平的

36.78%；歐洲保持相對平穩(wěn)，與全球平均水平相當；中國

AI領域論文

影響力增幅明顯，2018

年，中國

FWCI為

0.80，較

2010

年增長

44.23%，但論文影響力

仍低于世界平均水平的

20%。從高被引前

1%論文數(shù)量來看，美國和中國高質(zhì)量論文產(chǎn)出

為于全球第一、第二位，超出第三位英國論文產(chǎn)出量近

4

倍。綜合來看，中國頂尖高質(zhì)量

論文產(chǎn)出與美國不分伯仲，但整體來看，AI論文影響力與美國、歐美仍有差距。從發(fā)文主體來看，科研機構(gòu)和高校是目前中國人工智能知識生產(chǎn)的絕對力量，反映出科研成

果轉(zhuǎn)化的短板。而美國、歐盟和日本則呈現(xiàn)企業(yè)、政府機構(gòu)和高校聯(lián)合參與的態(tài)勢。據(jù)Scopus數(shù)據(jù)顯示，2018

年，美國企業(yè)署名

AI論文比例是中國的

7.36

倍，歐盟的

1.92

倍。2012

年

至

2018

年，美國企業(yè)署名

AI論文比例增長

43pct，同期中國企業(yè)署名

AI論文僅增長

18pct。

此外，人工智能與市場應用關聯(lián)密切，校企合作論文普遍存在。而我國校-企合作論文比例僅為

2.45%，與以色列（10.06%）、美國（9.53%）、日本（6.47%）差別較大。從產(chǎn)學結(jié)合的角度，

中國人工智能研究以學術界為驅(qū)動，企業(yè)在科研中參與程度較低，或難以實現(xiàn)以市場為導向。中國人工智能高校數(shù)量實位于第二梯隊，實力比肩美國。高校是人工智能人才供給和論文

產(chǎn)出的核心載體。據(jù)騰訊研究院統(tǒng)計，全球共

367

所高校設置人工智能相關學科，其中，

美國（168

所）獨占鰲頭，占據(jù)全球的

45.7%。中國擁有

20

所高校與英國并列第三，數(shù)

量上稍顯遜色。此外，中國高校實力普遍上升，表現(xiàn)強勁。據(jù)麻省理工學院

2019

年發(fā)布

的

AI高校實力

Top20

榜單中，中國清華大學、北京大學包攬前兩名，較

2018

年分別上

升

1

個和

3

個名次。從創(chuàng)新環(huán)境的角度研發(fā)投入：中美研發(fā)投入差距收窄中國研發(fā)高投入高強度，在全球研發(fā)表現(xiàn)中占據(jù)重要地位。從研發(fā)投入的角度，美國、中

國、日本和德國始終是全球研發(fā)投入的主力軍。據(jù)

IDC統(tǒng)計顯示，2018

年四國的研發(fā)投

入總和占全球總量的比例已達

60.77%。其中，美國憑借其強大的研發(fā)實力連續(xù)多年位居

全球研發(fā)投入的榜首。近年來，中國研發(fā)投入呈現(xiàn)一路猛增的強進勢頭，據(jù)

Statista統(tǒng)計，

國內(nèi)

2019

年研發(fā)投入額為

5192

億美元，僅次于美國。且趨勢上與美國差距不斷縮小，

2000

年至

2019

年，CAGR高達

14.43%，同期美國

CAGR僅

2.99%。由于經(jīng)濟疲軟等

諸多原因，歐盟與日本則呈現(xiàn)較為緩慢的上升趨勢。據(jù)研發(fā)投入與強度增長的趨勢推測，

中國或在

1-2

年內(nèi)取代美國的全球研發(fā)領先地位。從研發(fā)強度的角度，中國研發(fā)強度總體

上呈逐步攀升的趨勢，且漲幅較大。但對創(chuàng)新活動投入強度的重視程度仍與美國和日本存

在差距。2018

年中國研發(fā)強度

1.97%，低于日本和美國

1.53、0.87

個百分點。資本投入：資金多而項目缺，資本投向側(cè)重終端市場中美是全球人工智能“融資高地”。人工智能開發(fā)成本高，資本投入成為推動技術開發(fā)的

主力。在全球范圍內(nèi)，美國是人工智能新增企投融資領先者，據(jù)

CAPIQ數(shù)據(jù)顯示，2010

年至

2019

年

10

月，美國

AI企業(yè)累計融資

773

億美元，領先中國

320

億美元，占全球總

融資額的

50.7%。尤其是特朗普政府以來，人工智能投資力度逐步加碼。中國作為全球第

二大融資體，融資總額占全球

35.5%?？紤]到已有格局和近期變化，其他國家和地區(qū)難以

從規(guī)模上撼動中美兩國。從人工智能新增企業(yè)數(shù)量來看，美國仍處于全球領先地位。2010

至

2018

年，美國累計新增企業(yè)數(shù)量

7022

家，較約是中國的

8

倍（870

家）。中國每年新

增人工智能企業(yè)在

2016

年達到

179

家高點后逐漸下降，近兩年分別是

179

家（

2017

年），

151

家（2018

年），表明中國資本市場對

AI投資也日趨成熟和理性。整體來看，中國人

工智能新增企業(yè)增勢緩慢，但融資總額漲幅迅猛。這一“資金多而項目缺”的態(tài)勢或是行

業(yè)泡沫即將出現(xiàn)的預警。相比較美國，中國資本投向側(cè)重易落地的終端市場。從融資層面來看，中國各領域發(fā)展較

為均衡，應用層是突出領域，如自動駕駛、計算機學習與圖像、語音識別和技術領

域的新增融資額均超過美國。而美國市場注重底層技術的發(fā)展。據(jù)騰訊研究院數(shù)據(jù)顯示，

芯片和處理器是美國融資最多的領域，占總?cè)谫Y額的

31%。當前中國對人工智能芯片市場

高度重視，但受限于技術壁壘和投資門檻高，國內(nèi)芯片融資處于弱勢?；谛畔㈧氐?/p>

TOPSIS法：綜合指標評估我們利用

TOPSIS方法將上述

14

項指標生成一個能夠有效、準確描述人工智能發(fā)展?jié)摿?/p>

的綜合指標。鑒于數(shù)據(jù)的可獲取性，三大項目層主要涵蓋中國、美國、歐洲

28

國的

2018

年數(shù)據(jù)，部分指標利用

2017

年數(shù)據(jù)（R&D、R&D/GDP、AI人才、AI杰出人才）和區(qū)間

數(shù)據(jù)（PCT申請量、企業(yè)數(shù)量）補充。各指標值通過線性加權(quán)形成對人工智能產(chǎn)業(yè)潛力有

效評估的綜合指標，即：AI發(fā)展?jié)摿=

1

?

智能產(chǎn)業(yè)基礎

+2

?

學術生態(tài)

++3

?創(chuàng)新環(huán)境為調(diào)整數(shù)據(jù)單位與變異范圍的差異，我們首先采用最大-最小歸一化法將所有指標數(shù)標準化，

即：其次，采用信息熵法確定指標的權(quán)重，以弱化主觀賦權(quán)法的影響，客觀地反映數(shù)據(jù)本身信

息的有序性。在此基礎上，我們分別計算了中國、美國和歐洲

28

國

14

個加權(quán)指標值對應

的正、負理想值的距離，進而確定各國排序指標值，即為綜合指標。其中，綜合指標的值

越大表明人工智能的發(fā)展?jié)摿υ礁?，反之亦然。?shù)據(jù)結(jié)果顯示，美國綜合指標及三大項目指標評分絕對領先，中國第二，歐洲

28

國暫且

落后。具體來看，美國在人工智能人才儲備、創(chuàng)新產(chǎn)出、融資規(guī)模方面優(yōu)勢明顯。中國作

為后起之秀，盡管有所趕超，但總體水平與美國相比仍有差距，尤其是杰出人才資源、高

質(zhì)量專利申請上存在明顯的缺陷和短板。但在論文數(shù)