全球人工智能发展白皮书.pdf

全球人工智能发展白皮书 02全球人工智能发展白皮书 | 四、人工智能重塑各行业一、AI创新融合新趋势 41.1 人工智能正全方位商业化 41.2 AI全面进入机器学习时代 51.3 市场对投资回归理性 81.4 城市逐渐成为 AI创新融合应用主战场 131.5 AI支持体系不断发力 211.6 顶层政策倾斜力度持续增加 231.7 全球 AI市场超 6万亿美元 291.8 京津冀、长三角、珠三角 AI企业云集 31二、人工智能技术发展腾飞 402.1 人工智能关键技术日趋成熟 402.2 人工智能开放平台建设稳步推进 422.3 “人机大战”谁更能更胜一筹？ 45三、中国在全球 AI地位 523.1 中国拥有更为庞大的数据规模以及更丰富数据使用环境 533.2 中国是全球芯片需求量最大的市场，但高端芯片依赖进口 543.3 中国机器人企业快速成长核心零部件技术国产化加速 543.4 美国人工智能底层技术实力更为雄厚，中国则在语音识别技术上更优 553.5 中国在 AI应用上呈现追击态势 55四、人工智能重塑各行业 584.1 金融：人工智能提升金融企业商业效能并变革企业内部经营 604.2 教育：人工智能技术应用覆盖教学全流程 654.3 数字政务：政策利好加速政府智能化变革 704.4 医疗：人工智能应用日趋成熟 714.5 无人驾驶：主导汽车产业革新 754.6 零售：人工智能驱动行业走向聚合 94.7 制造业：智能制造应用潜力巨大 824.8 智慧城市：人工智能塑造城市基础设施创新系统 86德勤中国联系人 89全球人工智能发展白皮书 | 主要发现1主要发现：人工智能正全方位商业化，在各个行业引发深刻变革。目前AI技术已在金融、医疗、安防等多个领域实现技术落地，且应用场景也愈来愈丰富。人工智能的商业化在加速企业数字化、改善产业链结构、提高信息利用效率等方面起到了积极作用。1人工智能投资趋于理性，底层技术和易落地领域更受人工智能领先机构青睐。随着投资界和企业界对人工智能的了解逐步加深，人工智能投融资市场更加理性。人工智能投融资频次有所下降，但投资金额继续增加。特别是经过行业的一轮优胜劣汰后，底层技术创业公司以及落地性强的领域如医疗、教育、无人驾驶等创业项目继续受到人工智能领先机构的青睐。3AI全面进入机器学习时代，未来人工智能的发展将是关键技术与产业的结合。每一次人工智能的发展都伴随着研究方法的突破，深度学习是近年机器学习技术突破的重要代表之一。随着人工人工智能研究和应用领域的不断延伸，未来人工智能将迎来更多种技术的结合应用。2城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。不同城市在人工智能的顶层设计、算法突破、要素质量、融合质量、应用质量上有着不同的表现，形成多样化与个性化的AI发展模式。4以上海和北京为代表的一线城市在人才数量、企业数量、资本环境以及科研能力长期处于第一梯队。上海、北京城市的人工智能企业数量已超过600 家，其中上海已经与科技巨头腾讯、微软以及人工智能独角兽商汤、松鼠AI建立了企业实验室。6政策与资本推动京津冀、长三角、珠三角成为人工智能企业分布最多的地区，北京、上海领跑全国。比如上海通过提供税收优惠、资金补贴、人才引入、优化政务流程等措施优化营商环境，吸引大量投融资资金、人工智能企业以及人才，科研实力突出。促进人工智能产业链上下游企业形成规模效应，提升城市人工智能产业实力。5全球人工智能发展白皮书 | 主要发现2数字政务的建设主要依靠自上而下推动，构建政务数字化目标加速政府智能化变革。各地数字政务建设的需求不同，因而为企业提供的是定制化解决方案。公共安全领域进入门槛提高，强者恒强趋势明显，行业集中度进一步增强。9人工智能在教育行业的应用逐步深入，应用场景向覆盖教学全流程方向变革。在人工智能技术在教育领域的应用类型中，人工智能自适应学习在学习各环节应用最为广泛，此外，由于中国人口基数大，教育资源紧缺，对教育的重视程度等有利因素智适应学习系统有望后来者居上。8以无人驾驶技术为主导的汽车行业将迎来产业链的革新。传统车企的生产、渠道和销售模式将被新兴的商业模式所替代。新兴的无人驾驶解决方案技术公司和传统车企的行业边界将被打破。随着共享汽车概念的兴起。无人驾驶技术下的共享出行将替代传统的私家车的概念。随着无人驾驶行业规范和标准的制定，将衍生出更加安全和快捷的无人货运和物流等新兴的行业。10零售领域应用场景从个别走向聚合，传统零售企业与创业企业结成伙伴关系，围绕人、货、场、链搭建应用场景。人工智能在各个零售环节多点开花，应用场景碎片化并进入大规模实验期。传统零售企业开始布局人工智能，将 与科技巨头在大数据应用和人工智能领域同台竞技，意味着零售商将更加积极与创业公司建立伙伴关系。12人工智能在制造业领域的应用潜力被低估，优质数据资源未被充分利用。制造业专业性强，解决方案的复杂性和定制化要求高，所以人工智能目前主要应用在产品质检分拣和预测性维护等易于复制和推广的领域。然而，生产设备产生的大量可靠、稳定、持续更新的数据尚未被充分利用，这些数据可以为人工智能公司提供优质的机器学习样本，解决制造过程中的实际问题。11医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康，医疗又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产品商业化过程中如何制定医疗和数据监管标准。13人工智能推动金融行业构建更大范围能的高性能生态系统，提升金融企业商业效能并变革企业内部经营全过程。传统金融机构与科技公司合力推进人工智能在金融行业的深度渗透，重构服务架构，提升服务效率，向长尾客 户提供个性化服务的同时降低金融风险。7全球人工智能发展白皮书 | 主要发现3全球人工智能发展白皮书 | 一、AI创新融合新趋势4一、AI创新融合新趋势1.1 人工智能正全方位商业化当前人工智能技术已步入全方位商业化阶段，并对传统行业各参与方产生不同程度的影响，改变了各行业的生态。这种变革主要体现在三个层次。第一层是企业变革：人工智能技术参与企业管理流程与生产流程，企业数字化趋势日益明显，部分企业已实现了较为成熟的智慧化应用。这类企业已能够通过各类技术手段对多维度用户信息进行收集与利用，并向消费者提供具有针对性的产品与服务，同时通过对数据进行优化洞察发展趋势，满足消费者潜在需求。第二层是行业变革：人工智能技术带来的变革造成传统产业链上下游关系的根本性改变。人工智能的参与导致上游产品提供者类型增加，同时用户也会可能因为产品属性的变化而发生改变，由个人消费者转变为企业消费者，或者二者兼而有之。第三层是人力变革。人工智能等新技术的应用将提升信息利用效率，减少企业员工数量。此外，机器人的广泛应用将取代从事流程化工作的劳动力，导致技术与管理人员占比上升，企业人力结构发生变化。图表1-1：人工智能技术带来的全方位变革数据来源：公开资料，德勤研究1. 企业变革销售安防反欺诈人力资源管理市场营销个人助理智能工具3. 人力变革增强现实手势识别机器人情绪识别2. 行业变革金融医疗教育无人驾驶零售制造数字政府媒体法律农业物流石油天然气全球人工智能发展白皮书 | 一、AI创新融合新趋势51.2 AI全面进入机器学习时代随着技术的进步和发展，人类学习知识的途径逐渐从进化、经验和传承演化为了借助计算机和互联网进行传播和储存。由于计算机的出现，人类获取知识的途径开始变得更加高效和便捷。在不久的将来，绝大多数的知识将被机器提取和储存。强大的计算机算法将逐渐获得类人的能力，包括视觉、说话的能力和方向感等。在人工智能众多的分支领域中，“机器学习”（Machine Learning）是人工智能的核心研究领域之一。包括89%的人工智能专利申请和40%人工智能范围内的相关专利均为机器学习范畴。最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能。机器在现有的知识找到空缺，接着机器效仿人脑并模拟进化，系统化地减少不确定性，识别新旧知识的相同点，并完成学习。图表1-2：人工智能各层级图示资料来源：德勤研究技术支持传感器芯片数据软件框架云服务AI技术领域AI应用领域智慧医疗计算机视觉智慧教育知识撷取智慧城市智适应学习智慧金融机器人数字政府规划和优化智能制造专家系统无人驾驶NLP算法研究方法（学派）联结主义（如.深度学习）反向传播算法贝叶斯派概率推理符号主义逆演绎算法核机器线性算法决策树逻辑回归支持向量机随机森林进化主义基因编程类推学派全球人工智能发展白皮书 | 一、AI创新融合新趋势6人工智能核心是算法作为人工智能的底层逻辑，算法是产生人工智能的直接工具。从历史的进程来看，人工智能自1956 年提出以来，经历了三个阶段，这三个阶段同时也是算法和研究方法更迭的过程：第一个阶段是20世纪6070 年代，人工智能迎来了黄金时期，以逻辑学为主导的研究方法成为主流。人工智能通过计算机来实现机器化的逻辑推理证明，但最终难以实现。第二个阶段是20世纪7090 年代，其中，1974到1980 年间，人工智能技术的不成熟和过誉的声望使其进入“人工智能寒冬”，人工智能研究和投资大量减少。1980年到1987 年，专家系统研究方法成为人工智能研究热门，资本和研究热情再次燃起；1987年到1993 年，计算机能力比之前几十年已有了长足的进步，这时试图通过建立基于计算机的专家系统来解决问题，但是由于数据较少并且太局限于经验知识和规则，难以构筑有效的系统，资本和政府支持再次撤出，人工智能迎来第二次“寒冬”。第三个阶段是20世纪90年代以后，1993年到2011年，随着计算力和数据量的大幅度提升，人工智能技术获得进一步优化；至今，数据量、计算力的大幅度提升，帮助人工智能在机器学习，特别是神经网络主导的深度学习领域得到了极大的突破。基于深度神经网络技术的发展，才逐渐步入快速发展期。图表1-3：人工智能技术发展历史资料来源：公开资料，德勤研究经典符号主义AI简单神经网络多层级文字分析深度学习突破图片分析突破智适应突破自然语言处理突破人类意识系统开发GAN神经形态技术2022 20301956 1984 2000 2008 2012 2014 20172016全球人工智能发展白皮书 | 一、AI创新融合新趋势7此外，数据是人工智能底层逻辑中不可或缺的支撑要素，没有数据针对人工智能的数据处理将无法进行。有了数据挖掘对数据的清晰、集成、归约等预处理手段，人工智能才能拥有足够的数据进行学习。随着人工智能技术的迭代更新，从数据生产、采集、储存、计算、传播到应用都将被机器所替代。图表1-4：数据处理的发展阶段资料来源：公开资料，德勤研究数据生产数据采集数据存储数据计算数据传递数据应用人工智能机器计算机人工机器人工人工机器人工互联网机器人工人工物联网全球人工智能发展白皮书 | 一、AI创新融合新趋势8图表1-5：中国人工智能投融资变化情况资料来源：公开资料整理，德勤研究1.3 市场对投资回归理性从科研和学术的范畴到技术创业，人工智能仅用了几年的时间。这样的转变不仅得益于人们希望新技术解放生产力的要求和政策的扶持，还离不开资本市场对人工智能的助推。随着资本市场对人工智能认知的不断深入，投资市场对人工智能的投资也日趋成熟和理性。在过去5年间，中国人工智能领域投资出现快速增长。人工智能的元年2015 年，投资总额达到了450 亿元，并在2016 年和2017年持续增加频次。2019年上半年中国人工智能领域共获融资超过478 亿元，获得了不俗的成绩。010020030040050060070002004006008001,0001,2001,4002012 2013 2014 2015 2016 2017 2018融资金额（亿元 人民 币）融资事件探索阶段商业化阶段