2020年中国人工智能产业投融资报告.pdf

1 leadleo 2020年 中国人工智能产业投融资报告 概览标签 ：人工智能，计算机科学，股权投资，AI芯 片，教育 报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系 头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。 未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造 、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行 为发生，头豹研究院保留采取法律措施，追究相关人员责任的权利。头 豹研究院开展的所有商业活动均使用“头豹研究院”或“头豹”的商号、商标 ，头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其 他任何第三方代表头豹研究院开展商业活动。 报告作者：李哲 2020/012 2020 LeadLeo leadleo 头豹研究院简介 头豹研究院是中国大陆地区首家B2B模式人工智能技术的互联网商业咨询平台，已形成集行业研究、政企咨询、产业规划、会展会 议行业服务等业务为一体的一站式行业服务体系，整合多方资源，致力于为用户提供最专业、最完整、最省时的行业和企业数据库服务，帮助 用户实现知识共建，产权共享 公司致力于以优质商业资源共享为基础，利用大数据、区块链和人工智能等技术，围绕产业焦点、热点问题，基于丰富案例和海量数据， 通过开放合作的研究平台，汇集各界智慧，推动产业健康、有序、可持续发展 300+ 50万+ 行业专家库 1万+ 注册机构用户 公司目标客户群体覆盖 率高，PE/VC、投行覆 盖率达80% 资深分析师和 研究员 2,500+ 细分行业进行 深入研究 25万+ 数据元素 企业服务 为企业提供定制化报告服务、管理 咨询、战略调整等服务 提供行业分析师外派驻场服务，平台数据库、 报告库及内部研究团队提供技术支持服务 地方产业规划，园区企业孵化服务 行业峰会策划、奖项评选、行业 白皮书等服务 云研究院服务 行业排名、展会宣传 园区规划、产业规划 四大核心服务：3 2020 LeadLeo leadleo 报告阅读渠道 头豹科技创新网 leadleo PC端阅读全行业、千本研报 头豹小程序 微信小程序搜索“头豹”、手机扫右侧二维码阅读研报 图说 表说 专家说 数说 详情请咨询4 2020 LeadLeo leadleo 人工智能通过计算机模拟及延展人类智能行为与人类头脑思维，是结合计算机科学、数学与统计学等学科构建的完整理论、方法、 技术及应用系统。中国人工智能起步较晚，但受益于国家政策支持与丰富应用场景，中国人工智能行业市场规模在2019年达到 726.9亿元人民币。从投融资角度看，人工智能从2014年起成为中国创投热点，并于2018年在科技部新一代人工智能发展规划 的推动下热度达到顶峰，2018年人工智能相关融资金额达1,492.6元人民币，然而却在2019年出现7年来首次下降，至1,003.4亿元。 本文将分析热度下降原因，从投融资角度洞悉行业投资热点与趋势。 中国人工智能产业投资金额与笔数自2014年开始高速增长，在2018年达到峰值，均在2019年出现首次下降，投资金额下降39.3%， 投资笔数下降32.2% 2019年中国人工智能产业投资规模经历首次下降，与2018年相比，投资金额与次数分别下降39.3%与32.2%，而整体股权投资市场2019年 投资金额与次数分别下降46%与42%，而2019年AI投资次数占比（AI相关投资次数/市场股权投资总次数）由7.8%升至9.1%，说明人工智能 仍是市场投资焦点，其投资规模下降主要原因是受整体股权投资市场大环境影响。 中国人工智能投资方向相对固定，其中硬件与企业服务是主流，市场投资方向近年开始趋于保守，AI教育逐渐成为投资热点方向 数据显示机器人、黑科技及前沿技术、自动/无人驾驶的投资占比呈逐年下降趋势，其中黑科技及前沿技术下降4.4%。另一方面行业信息 化及解决方案增长5.7%。在整体大环境下行压力驱使下，投资机构趋于保守，偏向于选择现金流较为稳定、商业化进程较快、风险较低 的项目，而行业信息化、智能化解决方式是目前AI赋能的典型应用场景，商业模式较为清晰。由于政策推动与芯片国产化进程加快，教 育与芯片已逐渐成为人工智能领域的投资热点。 中国人工智能早期投资正在减少，中后期投资成为主流，原因为股权投资大环境下行导致投资趋于理性与人工智能产业竞争格局加 剧，初创企业数量逐步减少 2017至2019年间，中国人工智能产业投资中A轮以前占比呈逐年下降趋势，而A-C轮包括C轮以后占比显著增加，显示人工智能相关投资 出现整体轮次后移趋势，造成该现象的主要原因可总结为：（1）股权投资大环境下行导致投资机构趋于理性；（2）竞争格局加剧，初 创公司生存空间收缩。 企业推荐：松鼠AI，燧原科技，云天励飞 概览摘要5 2020 LeadLeo leadleo 名词解释 - 07 中国人工智能产业概述 - 11 定义、分类及实现路径 - 11 发展历程 - 12 发展现状宏观概况 - 13 发展现状技术概况 - 14 政策环境 - 15 产业链 - 16 竞争格局 - 17 典型产品与服务 - 18 市场规模 - 19 中国人工智能产业投融资分析 - 20 投资规模概况 - 20 投资方向趋势分析 - 21 应用层热点投资方向解读 - 22 投资轮次 - 23 地区分布 - 24 主要投资者 - 25 报告相关企业推荐 - 26 投资观点总结与企业推荐逻辑 - 26 目录6 2020 LeadLeo leadleo 投资企业推荐松鼠AI - 27 投资企业推荐燧原科技 - 29 投资企业推荐云天励飞 - 31 中国人工智能产业投资风险分析 - 33 方法论 - 34 法律声明 - 35 目录7 2020 LeadLeo leadleo 人工智能（Artificial Intelligence）：是通过计算机模拟及延展人类智慧行为与人类头脑思维的科学技术，是结合计算机科学、数学与统计学等学科构建的完整基础理论、 方法、技术及应用系统。 ANI：专用人工智能（Artificial Narrow Intelligence），又称狭义人工智能，是通过对特定问题的研究学习与训练，解决某一特定问题的人工智能，例如AlphaGo，仅能运 用于围棋领域，可迁移性较低。 AGI：通用人工智能（Artificial General Intelligence），又称广义人工智能，是一种具有知识迁移能力的人工智能系统，可通过已掌握的技能与知识，快速发散学习，形 成知识体系解决新问题，甚至达到人类智慧。 达特茅斯会议：是1956年8月在美国汉诺丁镇达特茅斯学院举行的科学家会议，会议主题为用机器来模仿人类学习以及其他方面的智能，并起名为人工智能，该会议被广 泛认为是全球人工智能研究的开始，1956年被认为是人工智能元年。 机器学习：是一门涉及计算机科学、概率论、统计学、逼近论、凸分析等学科与理论多领域交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或 技能，重新组织已有的知识结构使之不断改善自身的性能。 深度学习：是机器学习的研究方向之一，是通过学习样本数据的特征规律与层次关系使机器具分析、归类、预测等人类智能行为的一项技术。深度学习的主流实现方法 有三种：（1）基于卷积运算的神经网络系统，即卷积神经网络（CNN）；（2）基于多层神经元的自编码神经网络，包括自编码以及近年来受到广泛关注的稀疏编码两 类（SC）；（3）以多层自编码神经网络的方式进行预训练，进而结合鉴别信息优化神经网络权值的深度置信网络（DBN）。 ANN：人工神经网络（Artificial Neural Network），是从信息处理角度对人脑神经元网络进行抽象模拟的技术，其通过建立某种简单模型，按不同的连接方式组成不同的 网络。 CNN：卷积神经网络（Convolutional Neural Network）是一类包含卷积计算（一种抽象化，符号化的运算方式）且具有深度结构的前馈神经网络，是深度学习的代表算 法之一。 FNN：前馈神经网络（Feedforward Neural Networks）是一种结构简单的神经网络，各神经元分层排列，每个神经元只与前一层的神经元相连，只接收前一层输出信息， 并输出给下一层，各层之间没有反馈。前馈神经网络是目前应用最广泛、发展最迅速的人工神经网络之一。 自编码器：是一类在半监督学习和非监督学习中使用的人工神经网络（ANNs），其功能是通过将输入信息作为学习目标，对输入信息进行表征学习。 名词解释（1/4）8 2020 LeadLeo leadleo 稀疏编码：是一种无监督学习方法，它用来寻找一组“超完备”基向量（指线性代数中基的元素）来更高效地表示样本数据。稀疏编码算法的目的就是找到一组基向量，使 得开发者能将输入向量表示为这些基向量的线性组合。 深度置信网络（DBN） ：深度置信网络（Deep Belief Network）是一个概率生成模型，与传统的判别模型的神经网络相对，深度置信网络生成的模型是建立一个观察数 据和标签之间的联合分布，对样本发生概率进行判断。 弱人工智能：是人工智能的一个发展阶段，弱人工智能低于人类智慧，仅能解决单一问题，无知识体系与自我、创新意识。世界人工智能发展水平现处于该阶段。 强人工智能：是人工智能的一个发展阶段，强人工智能与人类智慧相当，具有知识体系、创新与自我意识，能快速学习新知识解决新问题。由于强人工智能其自我意识 的存在，强人工智能的研究存在较大的社会争议。 超人工智能：是人工智能的一个发展阶段，超人工智能在一定层面超越人类智慧，学习能力突破人类极限，形成全面知识系统，能够寻索解决复杂问题。 PCT：专利合作条约（Patent Cooperation Treaty），是有关专利的国际条约。根据PCT的规定，专利申请人可以通过PCT途径递交国际专利申请，向多个国家申请专利。 计算机视觉：是通过机器学习模拟人类视觉功能人工智能技术，实现对图像或视频的识别、标记、分类与处理，是人工智能技术的重要研究方向之一。 语音识别：是通过机器学习模拟人类听觉功能的人工智能技术，实现对音频的识别、标记、分类与处理，是人工智能技术的重要研究方向之一。 自然语言处理：是一门融语言学、计算机科学、数学于一体的科学，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，是人工智能技术的重要研 究方向之一。 ImageNet：是计算机视觉领域的重要大型数据集项目，拥有包含2万多个类别的超过1,400万的手动注释图像，自2010年以来，ImageNet项目每年举办一次软件比赛，即 ImageNet大规模视觉识别挑战赛（ILSVRC），软件程序竞相正确分类检测物体和场景，ImageNet也成为计算机视觉领域最受关注赛事。 SQuAD：是斯坦福大学于2016年推出的文章数据集，是测试自然语言处理算法的阅读理解数据集，以榜单的形式在官网实时更新算法排名，是自然语言处理领域的权威 技术榜单。 TFlops：TFlops/s，可以简单写为T/s， 是数据流量的计数单位，意思是”1万亿次浮点指令每秒”，它是衡量一个电脑计算能力的标准。1TFlops=1,024GFlops，即 1T=1024G。 FP：浮点数量（Floating-point），是浮点（在计算机中用以近似表示任意某个实数）单位，一个fp16数据占据两个字节，其中1位符号位，5位指数位，10位有效精度。 名词解释（2/4）9 2020 LeadLeo leadleo 基础层：指支撑人工智能领域的底层技术，如芯片、数据中心、传感器、通信设施与操作系统等。 技术层：指人工智能领域的算法与框架技术，算法如计算机视觉、机器学习、语音识别等，框架指深度学习框架等。 应用层：指人工智能领域技术的实际应用，可分为通用应用与特定行业应用，通用应用指计算机视觉应用与语音识别应用等，特定行业应用指人工智能在某一特定行业 的针对性应用方案，如智慧安防解决方案。 ResNet-50：ResNet代表残差网络，而ResNet-50代表50层的残差神经网络。 Switchboard：是一个电话通话录音语料库，作为语音识别系统的基准，其已被使用超过 20 年，人类记录在Switchboard中的成绩为5.9%的词错率。 智适应教育：指通过人工智能实现对学生学习计划的智能更新与实时监控管理。 K12：学前教育至高中教育（kindergarten through twelfth grade）是指从幼儿园到12年级（高三）的教育。 云端AI训练芯片：指部署在云端（指远程主机通过网络集中提供的服务）的用于构建神经网络模型的训练芯片。 云端AI推理芯片：指部署在云端（指远程主机通过网络集中提供的服务）的利用神经网络模型进行推理预测的推理芯片。 终端AI推理芯片：指部署在终端（指实际信息采集时所用的网络设备）的利用神经网络模型进行推理预测的推理芯片。 OAM：操作维护管理（Operation Administration and Maintenance）的缩写，是加速器模组的规范，已形成行业内的标准。 GPU：图像处理单元（Graphics Processing Unit）是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的 微处理器，也可用于为人工智能模型训练提供算力。 MCM：学习思想、学习能力与学习方法的拆分（Mode of Thinking, Capacity and Methodology）是松鼠AI全球独创的一套教育系统，将思想能力方法梳理和拆分，达到 可定义、可测量、可传授。系统分析出每个孩子思维模式、学习能力和学习方法，通过人工智能来塑造和补足，发扬优势，补足短板。 智适应教育：是通过人工智能算法提供可规模化的、数据驱动的个性化教育。 流片：是指通过工厂，像流水线一样通过一系列工艺步骤生产芯片。 异构并行架构：指能将不同计算任务分发给不同硬件计算单元，且能保证同时运行的芯片架构。 多核神经网络处理器：指集成了多个神经网络计算单元的处理器。 名词解释（3/4）10 2020 LeadLeo leadleo FD-SOI：全耗尽型绝缘体上硅（UTBB-FD-SOI），简称FD-SOI，是一种芯片制造中的平面工艺技术，是一种基于两大创新来实现平面晶体管结构的工艺技术：一是在体 硅中引入了超薄的埋氧层作为绝缘层；二是用超薄的顶硅层制造出全耗尽的晶体管沟道。 FD-SOI在成本和性能方面具有优势，在IoT、5G、AI和ADAS/自动驾驶等等领 域得到广泛应用。 MegaFace：是华盛顿大学人脸图像资料集，包含一百万张图片，代表690,000个独特的人像，是第一个在一百万规模级别的面部识别算法测试基准，是计算机视觉领域 算法的权威测试。 SaaS：软件即服务（Software-as-a-Service）指通过网络等基础设施提供的软件服务，用户可在各种设备上通过客户端界面访问，如浏览器。消费者不需要管理或控制 基础设施，包括网络、服务器、操作系统、存储等等。 IaaS：基础设施即服务（Infrastructure-as-a-Service）提供消费者计算基础设施的使用权限，包括处理CPU、内存、存储、网络和其它基本的计算资源，用户能够部署和 运行任意软件，包括操作系统和应用程序。 SMLTA：是由百度提出的流式截断的多层注意力建模，是国际上首次实现局部注意力建模超越整句的注意力模型，在大幅提升识别速度的同时，也可用于提高识别准确 率。 名词解释（4/4）11 2020 LeadLeo leadleo 人工智能定义与分类 来源：中国人工智能学会，信通院，头豹研究院编辑整理 中国人工智能产业概述定义、分类及实现路径 人工智能通过计算机模拟及延展人类智能行为，可分为通用人工智能与专用人工智能， 现中国人工智能产业处于弱人工智能阶段，主要通过机器学习实现 人工智能是通过计算机模拟及延展人类智慧行为与人类头脑思维的科学技术，是结合计算机科学、数学 与统计学等学科构建的完整基础理论、方法、技术及应用系统，人工智能可依据其应用广度和发展高度 进行分类： 按应用广度：人工智能可分为通用人工智能与专用人工智能。受数据规模、算力水平与底层技术制 约，世界及中国人工智能仍局限于专用人工智能，但通用人工智能已成为目前人工智能主要研究方 向之一，如微软向OpenAI投资十亿美金开发通用人工智能。 按智能化高度：人工智能可通过与人类智慧相比时的强弱程度分为弱人工智能、强人工智能与超人 工智能。中国及世界人工智能现处于弱人工智能阶段，目前人工智能尚未构成知识体系，未具有自 我与创新意识，且由于强人工智能可能存在自我意识，社会对强人工智能的开发仍存在较大的争议， 需要构建完善的法律法规与道德伦理体系。 按应用广度 按发展高度 通用人工智能（AGI）或广义人工智能，具有知 识迁移能力，可通过已掌握的技能与知识，快速 发散学习，形成知识体系解决新问题，甚至达到 人类智慧 专用人工智能（ANI）或狭义人工智能，是通过 对特定问题的研究学习与训练，解决某一特定问 题的人工智能，例如AlphaGo，仅能运用于围棋 领域，可迁移性较低 弱人工智能：低于人类智慧，仅能解决单一问题， 无知识体系与自我、创新意识。现处于该阶段 强人工智能：与人类智慧相当，具有知识体系、创 新与自我意识，能快速学习新知识解决新问题 超人工智能：超越人类智慧，学习能力突破人类极 限，形成全面知识系统，复杂问题能够寻索解决 人工智能分类（按应用广度与发展高度） 人工智能主流实现路径是通过深度学习实现机器学习，从而实现 人工智能技术。深度学习是机器学习的一个重要研究方向，同时 是机器学习的主要实现路径，而机器学习是人工智能的重要研究 方向，同时是人工智能的主要实现路径，三者存在包含关系。 目前人工智能的理论框架以统计学与计算机科学为理论基础， 使计算机自动解析数据，从中学习数据规律，从而对现实问 题进行识别、分类、决策与预测，而机器学习是实现计算机 自动解析数据与学习数据规律的主流方法。 深度学习利用“深层次”神经网络实现更深度的机器学习，使机 器学习具有类似人脑的信息处理方式，深度学习在2006年被 称为深度学习之父的Geofrey Hinton提出后被广泛应用，成为 机器学习的主流实现路径。 人工智能主流实现路径 深度学习 机器学习 人工智能 人工智能主要实现路径与技术之间关系12 2020 LeadLeo leadleo 来源：头豹研究院编辑整理 中国人工智能产业概述发展历程 中国人工智能产业发展起步较晚，经历了停滞期、稳步发展期与高速增长期，正在政策 推动下，深度驱动中国经济智能化转型 停滞期 （20世纪50年代-70年代末） 此时全球人工智能研究经历第一次高速发展与第 一次低谷。全球范围内，抽象数学推理、经典符 号主义AI、第一代机器人与软件的出现引领行业进 入第一次高速发展，但由于机器翻译等项目失败、 计算任务复杂性不断加大等因素导致社会对人工 智能的发展预期与其现实表现出现巨大差距，社 会对人工智能信心下降，经费减少，使全球人工 智能发展进入第一次低谷 受苏联批判主义与控制论影响，人工智能在中国 长期被认定为伪科学，其研究发展受到社会质疑， 仅停留在讨论阶段 稳步发展期 （20世纪70年代末-21世纪初） 改革开放后，在政府重视下，中国开始派遣留学 生出国研究人工智能、建立人工智能学会 （CAAI），并开始对人工智能展开研究，将部分 人工智能计划纳入国家科研计划 随着对外开放程度的扩大，中国开始不断学习国 际先进计算机理论，并开始成立相关高校专业重 点培养，中国人工智能发展开始进入稳步发展期 高速增长期 （21世纪初至今） 在包括中国制造2025与新一代人工智 能发展规划等多项政策推动下，人工智能技 术快速发展。大数据、算法与算力等技术的升 级推动人工智能行业加速发展 全球 人工智能概念诞生 （1956） 达特茅斯会议第一次 提到人工智能概念 中国首次组织 人工智能研究 （1978-1981） 中国将“智能模拟”纳入国家计划， 并于1981年成立人工智能学会 中国863计划 （1986） 智能计算机系统、智能 机器人和智能信息处理 等重大项目被列入国家 高技术研究发展计划 AI首次引起 中国社会关注 （2006） 东北大学的“棋天大圣”象 棋软件获得机器博弈冠军， 同时“浪潮天梭”超级计算 机以11：9的成绩战胜了 中国象棋大师 中国国家政策 密集出台 （2015-2017） 中国制造2025、机 器人产业发展规划、 “互联网+”人工智能三 年行动实施方案、新 一代人工智能发展规划 等政策相继出台 中国经济 智能化转型 （2017至今） 在政策扶持与引导下， 人工智能技术与制造、 金融、消费等领域深 度融合。人工智能助 力各产业转型，深化 产业赋能，实现智能 化经济 中国人工智能产业发展历程可分为停滞期（上世纪50年代-70年代末）、稳步发展期（上世纪70年代末-21世纪初）与高速发展期（21世纪初至今）。 中国人工智能产业发展历程13 2020 LeadLeo leadleo 来源：信通院，清华大学，科技部新一代人工智能发展研究中心，头豹研究院编辑整理 中国人工智能产业概述宏观概况 宏观数据层面，中国已发展成为人工智能大国，专利储 备、人才储备、论文数量与企业数量处于世 界领先地位，但在专利国际化程度、基础层企业数量与杰出人才比例等方面均有较大提升空间 专利储备 企业数量 人才储备 中国AI国内专利申请数量位居全球第一：中国国内专利申请数量近五年内增长约10倍，超过10,000项，占全球37.1%，在2012年 超过日本，2017年超过美国，且与其他国家有拉开差距之势，约为第二名美国的1.5倍。 中国国际AI专利数量仍有发展空间：在PCT国际专利申请上中国仅以超过2,000项PCT国际专利申请位列世界第三位，仅为美国的 25%，证明中国人工智能专利国际化水平较世界领先国家仍有差距。 近7年中国AI论文数量位居全球第一：2013-2018年以来，中国共发表7.4万篇AI相关论文，位列全球第一，占全球24.3%，较美国 多约40%，反映出近年来在政策引导与社会高度关注下，中国人工智能学术研究热度及水平实现高速增长。 中国AI论文质量领先，但仍落后于美国：从论文被引用频率看，全球前1%高被引AI论文中，中国占28.3%，稍落后于美国的32.5%， 但全球前100高被引AI论文中，中国占16篇，美国占59篇，是中国的3.6倍。中国虽在论文数量上领先全球，但在论文质量，特别 是顶尖论文的质量上仍落后于美国。 中国AI企业数量位居全球第二：截至2019年2月，中国AI相关企业数量为745家，约占全球21.7%，其中67.3%创立于2010-2016年 间，而由于政策推动与深度学习等AI技术实现突破，中国AI产业迎来创业潮，仅2015年创立企业数量占目前总数的16.8%。 中国AI企业应用层偏多，极少基础层企业：从745家AI相关企业的基础层、技术层与应用层分布看，75.2%为应用层企业，22%为 技术层企业，仅2.8%的企业位于基础层。分布不均现象体现AI应用广度的同时，也印证了资金流向应用层可更快获利，而基础层 资金与技术门槛较高，缺乏高端人才与基础理论的积累，切入基础层的难度较大。 论文 中国AI人才数量位居全球第二：截至2018年7月，中国AI人才总数达18,232名，位列全球第二，占全球8.9%，较美国的28,536名仍 有差距，人才储备的优势使中美两国领先全球人工智能产业发展。 中国杰出AI人才比例偏低，为全球第六：中国杰出AI人才数为977名，占中国总AI人才数的5.4%，较位列首位的美国（18.1%）有 较大差距，仅为其杰出AI人才占比的20%。数据体现中国在AI人才数量上已达到世界领先水平，而整体AI人才质量仍有较大提升 空间。 中国国内AI专利申请量全球占比， 位列全球第一，2018年 近年中国AI论文量全球占比， 位列全球第一，2013-2018年 中国AI企业数量全球占比， 位列全球第二，截至2019年2月 中国AI人才数量全球占比， 位列全球第二，截至2018年7月 中国人工智能专利、论文、企 业与人才数量占比，2018年14 2020 LeadLeo leadleo 来源：IDC，头豹研究院编辑整理 中国人工智能产业概述技术概况 虽机器学习与AI芯片领域仍对海外技术依赖度较高，但中国人工智能产业已在各技术领 域整体处于世界领先地位 计算机视觉 中国计算机视觉领域发展 迅速，已诞生包括商汤科 技、旷视科技与云从科技 在内的多个独角兽，取得 ImageNet与ICCV多个冠军。 中国计算机视觉应用方向 以安防、金融与交通三大 领域为主。 语音识别 中国语音识别技术已达到 世界领先水平。科大讯飞 在 Blizard Challenge 上 获 得14连冠，百度、科大讯 飞与搜狗等创新性推出 SMLTA与FSMN等模型将 识别率提高至97%，刷新 世界记录。 自然语言处理 中国自然语言处理技术发展 较晚，但已处于世界领先地 位。截至2020年1月28日， 中国交通大学以F1值92.58刷 新SQuAD 2.0榜单，前十名 中九位来自中国企业或机构， 体现中国在自然语言处理技 术上的全球领先地位。 机器学习 中国机器学习与深度学习领域仍 依赖海外平台与算法，同时行业 集中度较高，2019年下半年谷歌、 脸书与百度合计占有中国深度学 习平台市场超过80%的份额。随 着第四范式、商汤、科大讯飞等 更多行业参与者的进入，中国机 器学习技术发展有望实现突破。 AI芯片 中国AI芯片领域在近年来发展较 快，各大综合性AI厂商与芯片创 业公司合力研发加快中国AI芯片 的国产化进程。华为推出的昇腾 910采用7nm制程，其FP16算力 达到256Tops，INT8算力甚至达 到512Tops，使其成为目前世界 一流的AI芯片。 中国人工智能产业技术广度与深度均已整体处于领先水平，部分高精尖技术已完成自主化进程，其中中国在计算机视觉、语音识别与自然语言处理三项技术算法上均囊获多 项世界冠军并刷新世界纪录，证明其在算法上的领先。但在算力基础设施技术与平台上，中国仍对海外技术进口依赖度较高，随着国产化进程的加快，中国机器学习平台与 AI芯片等基础设施技术正在快速发展。 中国人工智能核心技术概况 中国人工智能核心技术概况15 2020 LeadLeo leadleo 中国重视引导人工智能健康发展，提供较为全面的政策支持和鼓励 财政支持 政府通过产业目标规划和法规监管引导人工智能产业发展， 通过市场化手段为人工智能企业或机构提供金融财政支持， 如在2018年，安排国拨经费概算8.7亿元，启动16个人工智能 研究任务，营造人工智能创新及发展的有利环境，为人工智 能产业快速发展奠定政策基础。 鼓励科学研究 政府鼓励人工智能领域科学技术研究，公布首批新一代人工 智能开放创新平台，分别依托百度自动驾驶平台、阿里云城 市大脑平台、腾讯医疗影像平台、科大讯飞智能语音平台进 行建设，后续还发布商汤智能视觉平台等创新平台。 需求侧提供支持 政府以企业需求为导向，构建产业相关配套服务与措施，鼓 励AI企业探索新的商业模式和科技成果产业化路径，加速重 大科技成果转化应用，为中国人工智能关键核心技术的突破 和多领域的规模化应用提供有利的支撑。例如国家发改委批 准鼓励百度牵头成立深度学习技术及应用国家工程实验室。 加快人才培养 自科技部在2017年发布新一代人工智能发展规划后，全 国已有30多个省市发布了人工智能专项政策，人工智能学科 和专业建设加快推进，全国30多所高校成立了AI学院，75所 高校自主设置了89个人工智能相关二级学科或交叉学科，加 大了对人工智能领域的人才投入，增强技术储备。 中国人工智能产业概述政策环境 国家政策从人工智能产业规划、创新平台建设及技术应用等方面引导产业健康、有序 发展，推动中国人工智能应用环境及产业发展持续向好 政策名称 颁布日期 颁布主体 主要内容及影响 国家新一代人工智能创新 发展试验区建设工作指导 2019-08 科技部 到2023年，布局建设20个左右试验区，对京津翼、粤港 澳大湾区等重大区域发展战略进行布局 2019年政府工作报告 2019-03 国务院 深化大数据、人工智能等研发应用 新一代人工智能产业创新 重点任务揭榜工作方案 2018-11 工信部 确定了神经网络芯片、开源开放平台等17个方向 科技创新2030-“新一代人 工智能”重大项目2018年度项 目申请报告 2018-10 科技部 基于新一代人工智能的基础理论、重大需求的关键共性技 术、新型感知与智能芯片等3个技术方向启动16个研究任 务，安排国拨经费概算8.7亿元 高等学校人工智能创新行 动计划 2018-04 教育部 构建人工智能领域多层次教育体系，到2020年建立50家 人工智能学院、研究院或交叉研究中心 促进新一代人工智能产业 发展三年行动规划（2018- 2020年） 2017-12 工信部 以三年为期限明确多项任务的具体指标，对产业链关键环 节的产品和应用领域做了细致的量化 新一代人工智能发展规划 2017-07 国务院 以2020年、2025年和2030年为时间节点对人工智能提出 三步走战略 2017年政府工作报告 2017-03 国务院 “人工智能”首次被写入全国政府工作报告，国家层面促进 AI产业发展 中国人工智能相关政策及影响，2017-2019年 来源：头豹研究院编辑整理16 2020 LeadLeo leadleo 中国人工智能产业概述产业链 人工智能产业链可分为基础层、技术层与应用层。中国在技术层与应用层已处于国际 领先地位，而基础层随着对国际技术进口的依赖程度下降，将拥有广阔的增长前景 来源：头豹研究院编辑整理 中国人工智能产业图谱，2018年 人工智能产业链可分为基础层、技术层与应 用层。 应用层：中国人工智能应用层以“AI+”的形式 为主，赋能安防、金融、医疗、交通、教育、 制造等领域，为经济智能化转型提供行业解 决方案。由于基础层与技术层的进入门槛与 应用层相比较大，应用层成为中国人工智能 创业潮中的主要创业方向，中国人工智能企 业中75.2%为应用层企业。2018年应用层约占 中国人工智能市场规模的51%。 技术层：中国人工智能技术层已达到世界领 先水平，中国企业与机构已多次在计算机视 觉、语音识别与自然语言处理等领域的世界 大赛中获得冠军。例如在2016年计算机视觉 领域大赛ImageNet中，商汤，公安三部与港 中文包揽所有三项冠军。自然语言处理领域 平安刷新SQuAD 2.0记录。语音识别领域百度 SMLTA模型准确率97%，位居全球第一。中国 技术层厂商技术水平领先，使其对上下游议 价能力较强。2018年技术层约占中国人工智 能市场规模的29%。 基础层：人工智能基础层主要由算力、数据 与传感器等基础设施构成。作为算力核心的 芯片，由于市场对进口依赖程度高，国产芯 片厂商缺少市场，而随着市场进口依赖度的