2019-2020先进制造业人工智能发展分析报告.docx

2019-2020先进制造业人工智能 发展分析报告 2019年 10月 8日i 目 录 序言 . 1 1 概述 . 2 1.1 研究背景及意义 . 2 1.2 研究思路与方法 . 6 1.3 城市人工智能发展预期指数说明 . 7 2 中国内地 36 个直辖市、计划单列市、省会城市人工智能发展预期指数 . 8 2.1 人工智能发展预期指数 . 8 2.2 人工智能产业竞争力指数 . 9 2.3 人工智能应用创新力指数 . 13 2.4 人工智能环境驱动力指数 . 18 3 中国城市人工智能发展典型模式 . 23 3.1 深圳模式：企业主导创新，产业加速落地 . 23 3.2 广州模式：政府大力支持，重视技术应用 . 24 3.3 重庆模式：顶层规划引领，强化政府推动 . 26 3.4 贵阳模式：数据平台支撑，示范应用带动 . 28 4 中国城市人工智能未来发展建议 . 29 4.1 加快关键环节布局，推动人工智能产业生态化发展 . 30 4.2 支持智能新兴产业，形成人工智能产业集群化优势 . 30 4.3 加快完善基础环境，确 保人工智能产业融合化发展 . 31 ii 图表目录 图表 1 全球人工智能发展历程 . 2 图表 2 城市人工智能发展预期指数 . 7 图表 3 中国内地 36 个直辖市、计划单列市、省会城市人工智能发展预期指数排 行榜 . 8 图表 4 中国内地 36 个直辖市、计划单列市、省会城市人工智能产业竞争力排行 榜 . 9 图表 5 城市人工智能企业实力 TOP10 . 10 图表 6 城市人工智能企业数量 TOP15 . 10 图表 7 城市人工智能科研实力 TOP10 . 11 图表 8 城市人工智能相关研究机构数 TOP15 . 11 图表 9 城市人工智能园区实力 TOP10 . 12 图表 10 城市人工智能相关园区数 TOP15 . 12 图表 11 中国内地 36 个直辖市、计划单列市、省会城市人工智能应用创新力排 行榜 . 13 图表 12 城市人工智能应用特色 TOP10 . 14 图表 13 城市人工智能应用水平 TOP10 . 15 图表 14 城市人工智能工业领域应用 TOP15 . 15 图表 15 城市人工智能应用条件 TOP10 . 16 图表 16 城市人工智能认知程度 TOP15 . 17 图表 17 城市技术吸纳市场规模 TOP15 . 17 图表 18 中国内地 36 个直辖市、计划单列市、省会城市人工智能环境驱动力排 行榜 . 18 图表 19 城市人工智能人才驱动力 TOP10 . 19 图表 20 城市高等院校毕业生数 TOP15 . 19 图表 21 城市人工智能资本驱动力 TOP10 . 20 图表 22 城市人工智能融资次数 TOP15 . 20 图表 23 城市人工智能政策驱动力 TOP10 . 21 图表 24 城市 R&D 经费支出 TOP15 . 22 图表 25 深圳人工智能发展雷达图 . 24 图表 26 广州人工智能发展雷达图 . 26 图表 27 重庆人工智能发展雷达图 . 27 图表 28 贵阳人工智能发展雷达图 . 29 1 序 言 当前，新一轮科技革命和工业革命正在全球孕育和兴起，技术加 速创新与渗透融合推动制造业向数字化、网络化、智能化方向延伸拓 展，新产品、新模式、新业态层出不穷，以自动化、机器人和数字产 品为代表的先进制造业迅猛发展。 在日益错综复杂的国内外形势下，中国深入推进 “ 中国制造 2025” 战略，加快推动工业高质量发展，增强工业特别是制造业的国际竞争 力。2019 年全国两会政府工作报告中提出： “ 打造工业互联网平台， 拓展 智能 + ，为制造业转型升级赋能。 ” 随着 “ 智能 +” 时代的到来， 可以预见，以人工智能、区块链、云计算、大数据等为代表的新一代 信息技术与产业快速发展的同时，将逐渐与制造业融合，加速经济结构优化升级，对人们的生产和生活方式产生深远的影响。 本项研究选择人工智能这一 “ 智能 +” 典型代表领域和先进制造业重要驱动力，面向中国内地 36 个直辖市、计划单列市、省会城市， 采用指数评估的方式，通过综合发展预期、产业竞争力、应用创新力、 环境驱动力等层面的评价，力图为各地政府了解自身发展程度、借鉴 先进发展模式及确定未来发展重点提供些许参考。 鉴于时间、精力、能力有限，虽经反复论证推敲，本项研究尚有 不足之处，请业界同仁不吝赐教。 2 1950 1980 2000 未来 第三次浪潮 2006 Hinton提出深度学习算法模型 专家系统广泛应用神经网络初步发展 第二次浪潮 信息系统早期专家系统 第一次浪潮 跨媒体智能 群体智能 自主智能系统混合型智能 2013 深度学习算法在语音和视觉识别上取得重大突破 1986 Rumelhar、 Hinton等提出反向传播 BP算法 1956 达特茅斯会议标志 AI诞生 里程碑 90年代 DARPA人工智能 计算机研究失败， SVM算法诞生 1982 霍普菲尔德神经网络模型 1957 心理学家罗森布拉特 发明神经网络感知器 深度学习时期 机器学习时期 人工智能起步期 1 概述 1.1 研究背景及意义 人工智能是研究使计算机来模拟人的某些思维过程和智能行为 （ 如学习、推理、思考、规划等 ） 的学科，主要包括研究计算机实现 智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层 次的应用。人工智能产业生态通常可以分为基础层、技术层、应用层 三大板块。其中，基础层包括大数据、云计算、开源框架、芯片、传 感器、操作系统等基础技术；技术层包括人工智能的核心技术，如机 器学习、语音识别、语义理解、计算机视觉等；应用层即人工智能与 垂直细分领域的融合发展，包括智能医疗、智能安防、智能教育、智 能家居等。 人工智能自 20 世纪 50 年代诞生至今，大致经历了三次浪潮。 图表 1 全球人工智能发展历程 3 如今，人工智能正经历着从硬件、软件到系统、应用的全方位演 进历程。 一是从原有的 CPU 架构转变为 GPU 并行运算架构。 以 X86、 ARM 为代表的传统 CPU 架构不适合程序指令少但数据运算量大的深度学习的要求， GPU（ 图形处理器 ） 应运而生。 GPU 可以快速处理图像上的每一个像素点，其海量数据并行运算的能力非常适合深度学 习的需求。谷歌大脑的研究结果表明， 12 颗英伟达 （ Nvidia） 公司的 GPU 可以提供相当于 2000 颗 CPU 的深度学习性能。 二是从单一算法驱动转变为数据、运算力、算法复合驱动。 在数 据方面，信息技术的快速推广使各类数据资源不断积累，为人工智能 的训练学习过程奠定了良好的基础；在运算力方面，云计算、并行计 算、网格计算等新型计算方式的出现拓展了现代计算机的性能；在算 法方面，深度学习运算模型日益优化，智能算法不断更新，模型辨识 解析的准确度持续提升。 三是从封闭的单机系统转变为快捷灵活的开源框架。 随着人工智 能系统开发工具的日益成熟，通用性较强且各具特色的开源框架不断 涌现，如谷歌的 TensorFlow、 Facebook 的 Torchnet、百度的 PaddlePaddle 等。这些开源框架能在 GPU 上更好地继承 Hadoop 和 Spark 架构，广 泛支持 Python、 Java、 Scala、 R 等流行开发语言，能提供各种应用场景下的人工智能系统与解决方案。 4 四是从学术研究探索导向转变为快速迭代的实践应用导向。 当前 快速发展的互联网 +各领域行业应用所产生的海量数据驱使人工智能在算法模型、图像识别、自然语言处理等方面涌现出迭代式的技术突 破，出现了 “ 数据 -技术 -产品 -用户 ”的往复正循环，实现了由学术驱 动向应用驱动的转变。 随着产业的持续积累、应用的市场发展和政策的不断助力，对于 我国的城市来说，推进本地人工智能产业和应用的战略机遇期已经到 来。 产业技术基础逐步提升，产业生态链日益丰富完善 。国内科研机 构已在泛逻辑理论、拓扑学、模式识别等基础研究领域取得了一批国 际领先的创造性成果，相关企业在生物识别、自动驾驶、人工智能重 点技术领域也有了一定的积累，除了华为、百度、阿里、腾讯等科技 企业巨头重视人工智能投入外，大量的中小型初创企业深耕人工智能细分领域，出现了科大讯飞、旷视科技、第四范式等行业领军企业。 产业应用需求持续增加，各类场景创新不断探索落地 。政府客户 方面，基于人工智能的城市管理应用展现出了丰富的使用场景和良好 的应用效果，依托大数据分析和仿真模拟的城市交通管理应用成为智 慧城市建设的热点。企业客户方面，人工智能在生产制造、仓储物流、 要素管理等企业运行全流程都展现出巨大的应用价值。个人用户方面， 智能家居、智能交通的各类应用已逐渐走入普通百姓的家庭。 5 政策支持力度不断加强，人工智能发展环境持续优化 。人工智能 相关政策自 2016 年起进入爆发期， 2016 年 5 月，国家发布 “互联网 ”人工智能三年行动实施方案，明确提出到 2018 年要形成千亿级 的人工智能市场应用规模。 2017 年 7 月，国务院发布新一代人工智 能发展规划，明确指出到 2030 年使中国人工智能理论、技术与应用总体达到世界领先水平。 2017 年 12 月，促进新一代人工智能产业发展三年行动计划 (2018-2020 年 )的发布，详细规划了人工智能在未来三年的重点发展方向和目标。 我国人工智能的发展与应用主要集中在经济相对发达的地区，随 着国家人工智能相关政策的陆续出台，各地对于人工智能的关注度持 续提升，因此本报告选取中国内地 36 个直辖市、计划单列市、省会 城市作为研究对象，目的在于 帮助各区域城市了解人工智能自身发展 的程度和在全国所处的 位置，为我国人工智能产业发展与应用提供方 向性的参考，同时为企业和投资者未来布局提供参考 。 本报告创新研究之处在于，既关注人工智能产业发展，又关注人 工智能融合应用；既关注人工智能发展所需的自然禀赋，又关注人工 智能背后的政府支撑；既关注人工智能发展的现状，又关注人工智能 发展的未来。 6 1.2 研究思路与方法 用发展的观点去观察特定区域人工智能的发展，可以发现一个城 市的人工智能水平体现在其产业竞争力和应用创新力之中，而环境驱 动力对产业和应用的发展同时起到催化助推作用。 产业竞争力 + 应用创新力 环境驱动力 人工智能发展预期 对于人工智能产业竞争力来说，参考波特的产业竞争力模型，人 工智能产业及相关支持性产业的发展现状，反映了人工智能产业竞争 力情况，而人工智能的发展潜力主要由相关科研机构的研究实力所决 定。对于人工智能应用创新力来说，参考熊彼得创新理论，人工智能 已有的各类应用水平，其应用的广度、深度、效率、效果等，反映了 人工智能应用创新力情况，而其发展潜力主要由其需求水平决定。对 于人工智能环境驱动力来说，分析人工智能产业和发展所需的各类要 素，政策环境、资金保障、公众认知、人才基础等方面共同决定了人 工智能产业和应用发展的环境驱动力水平。 本次研究针对被评价的城市在产业竞争力、应用创新力和环境驱 动力等三方面的排名情况，对参评对象进行具体分析，总结特色城市 的人工智能发展模式，并根据特征现状 及人工智能发展的需求，提出 中国城市人工智能未来发展的重点方向建议。 7 1.3 城市人工智能发展预期指数说明 综合我国城市人工智能发展的情况，众诚智库人工智能发展预期指数共包括产业竞争力、应用创新力、环境驱动力三个层面，覆盖政府、企业、科研机构三类主体，采用的数据来源包括中国统计年鉴、中国知网、 ScienceDirect、工业和信息化部、科技部、国家市场监督管理总局、国家知识产权局、及各级地方政府发布的公开数据，数据 统计截至 2018 年底。在可获得的数据中，众诚智库尽可能优化代表 性数据的选择。未来，我们还将不断扩大数据获取范围，提升研究精准性。 图表 2 城市人工智能发展预期指数