人工智能的技能运用开始全面覆盖日常生活、 科学研究、社会管理、商业创新和国家安全等经济社会的关键领域， 以空前的广度和深度推动社会发展。
然而，由于人工智能技能成熟周期相对较长，家当发展速率不及成本市场预期， 成本热度开始减退。
人工智能家当彷佛显现出“陷入困境”与“高速发展”的抵牾征象。

本期的智能内参，我们推举中国信通院的报告《人工智能核心技能家当白皮书》， 磋商以深度学习技能为紧张驱动力的人工智能发展状况、 技能创新重点与家当发展趋势，总结十三五期间我国发展情形， 提出十四五期间的发展方向与机遇。

本期内参来源：中国信通院

原标题：

《人工智能核心技能家当白皮书》

作者：李论 lilun@caict.ac.cn

一、 人工智能核心技能家当发展总体态势1、 深度学习技能进入升级优化阶段

人工智能技能体系与家当体系错位发展，深度学习理论打破速率逐步放缓，家当开始步入高速发展阶段。
目前，本轮深度学习理论打破速率开始放缓，技能红利的持续开释驱动图像分类、机器翻译等多类感知任务准确率大幅增长，步入升级优化期。
人工智能本轮爆发初期紧张在磋商算法理论的可能性，聚焦探索强化学习、迁移学习等新的学习办法以及 AlexNet、 VGG、 GoogLeNet 等构造多样的算法模型；算法理论的不愿定性和技能的不成熟耗费家当界大量精力和韶光，阻碍人工智能大规模运用进程。

目前， 家当开始步入高速发展期间， 2020年技能标志性生产工具 TensorFlow 框架***量爆发式增长， 仅一个月1超 1000 万次，占发布四年半***总量（ 1 个亿+） 的十分之一；同时，技能本钱快速低落，同等算法水平所需打算量每八个月降落一倍，本钱降落百倍， 业内呈现出研发平台、技能做事平台等多样化的平台形态， 工程技能正在引领家当快速发展。

2、 寒冬并非低谷，家当生态已现加速构建态势

成本寒冬已经涌现。
个中，预期过高是紧张缘故原由。
人工智能企业增速明显放缓， 2019、 2020 年环球每年新增人工智能企业数量已不敷 100 家， 且投融资的轮次后移趋势不断扩大。
2020 年 B 轮及以上融资笔数占总笔数的 62.3%，较上一年增长 40%以上。
同时，曾获大笔融资的有名创新企业由于预期过高、虚假宣扬等缘故原由退落发当舞台。
曾对标英特尔的芯片企业 Wave Computing，是人工智能打算领域最受关注的独角兽之一， 2020 年 4 月由于数据流处理器性能不达预期而发布破产；智能司帐工具 ScaleFactor 流传宣传利用人工智能技能自动化天生财务报表， 但实际却部分采取人工外包办法处理， 在融资1 亿美元后于 2020 年 3 月发布倒闭。

此外， 成本早期对人工智能家当回报周期过于乐不雅观是成本寒冬的另一缘故原由。
移动互联网在倾向工程属性的条件下，成本预期取得成效的韶光为二到四年；与之相较，人工智能与传统行业核心业务深度领悟，需更高的技能准确率和更深刻的行业理解力。
因此，人工智能家当孕育韶光更长，成本市场的期望和现实涌现较大偏差。

环球融资轮次数量分布

从技能根本理论打破到工程化落地运用，既有技能红利已为家当发展奠定坚实根本。
当前，虽然成本市场的泡沫逐步分裂，但优质企业的估值仍在持续增长，独角兽企业不断涌现， 家当呈现良性发展态势。
深度学习技能局限性彷佛导致人工智能家当发展将遇天花板，然而事实并非如此。
虽然，可阐明性、理解推理等局限性确已显现，但这是下一期间理论技能打破重点， 不能因此否定图像识别、语音合成、机器翻译等感知类任务上的运用技能造诣和家当运用前景。
目前，基 于深度学习理论的优化技能层出不穷， RegNet、 GPT-3 等模型不断提升视觉处理、阅读理解等根本智能任务水平，虚拟助手、多语种翻译等智能运用已开始进入规模化运用阶段,大量的行业运用处景加速深度领悟，技能能力和优化速率可见 5 到 8 年的红利。

业各环节逐步明晰，规模化运用打破已现曙光。
人工智能技能在消费互联网领域发展速率较快，智能推举、视觉识别、语音助手等智能技能能力已深度运用至电商、社交、资讯等消费互联网平台以及手机、无人机等消费终端中，并加速与核心业务进行整合。
当前，智能技能正在向更多的行业领域渗透，领悟渗透仍需时日孕育。
相较于消费互联网领域，传统行业的知识获取和积累须要较永劫光，运用处景碎片化的特点导致低本钱、易用、泛化能力较强的能力平台构建需较长周期。

总体来看，人工智能家当正处于 S 曲线中快速发展的临界位置（如下图），现阶段智能技能落地本钱较为昂贵，导致智能产品绝对量增加时，其单位本钱并未明显低落。
目前，人工智能头部企业加速布局， 不断完善技能生产工具（开源开拓框架、数据处理、验证剖析、支配监测等完备研发工具链）， 加速建立全栈智能打算技能体系（形成根本打算理论、 芯片、 软硬协同、 系统协同全栈技能支撑能力）， 探索孕育根本和垂直行业技能平台； 家当规模化发展的进程正在不断加速，规模经济有望形成。

人工智能规模经济 S 曲线

3、 人工智能以空前广度与深度推动社会发展，加速家当构造升级进程

工智能已全面覆盖社会运行的基本要素，内生化提升全局运转效率。
从社会运行角度，人工智能加速影响日常生活、科学研究、商业创新和国家安全等社会运行的基本要素。
一是人工智能与科学研究的结合已开始改变基于传统学术履历的科学研究办法,实现从大量已知论文、实验数据中挖掘未知理论，加速提升化学、材料、物理、药物研发等领域文献获取速率与实验创造效率， 成为下一期间科技竞争的主要动力。

二是人工智能成为商业创新与竞争的下一个主沙场， 传统行业巨子加速布局智能供应链、质量检测、商业决策等细分运用，有望显著提升生产流程、质量掌握、商业营运等环节效率，改进事情条件；

三是娱乐、消费电子、医疗等生活领域的智能运用不断贴近、细化场景需求， 室内安防无人机、人性化虚拟助手等智能消费产品不断呈现，问诊机器人及智能影像逐步推广利用，医疗资源紧缺、分布不均等一些行业痛点开始缓解； 四是疫情加速教诲培训向在线智能化发展，试题 OCR 识别、赞助批改等运用已从试点向规模化发展，推动传授教化管理向精准管理转变，助力个性化学习体系的建立； 五是环球领先国家已充分意识到人工智能技能与国防安全领悟的主要程度， 投入针对性资金推动预测掩护、自动驾驶、情报剖析、智能飞控等国防智 能运用的发展。

人工智能渗透率的提升有望显著加快百口当链构造的优化速率，牵引家当向高附加值的产品与做事转变。
一方面， 人工智能作为浩瀚技能产品创新核心，是下一期间最为关键的高附加值家当。
据预测，到 2030 年约 70%的行业企业将利用人工智能技能，估量为环球增加13 万亿美元的附加值。
另一方面， 人工智能加速提升传统行业高附加值产品的比重， 进一步优化家当构造。
人工智能技能与核心业务、专家履历深度领悟，行业主营产品和运行办法的智能化程度正在不断提升，衍生新产品与新做事。
《麻省理工科技评论》环球 50 家聪明企业（ TR50）榜单中已显现传统行业企业的身影，如布局医药研发赋能平台的传统药物研发厂商药明康德，利用智能技能提升物流收派效率的顺丰科技等。

二、 人工智能技能创新重点1、 深度学习试图从多角度领悟创新，开启认知时期仍在探索

深度学习仍旧是人工智能技能发展的主导路线。
当前，基于大量标注数据进行演习是深度学习技能实际运用的紧张路线，从 1400 余万幅图片的ImageNet数据集至2020年脸书和卡内基梅隆大学构建的超过 130 万种化合物分子间浸染数据集 Open Catalyst，模型演习所需标注数据普遍达十万以上。
然而，这种路线在取得良好成效的同时，面临着严重依赖标注数据的问题，带来在更多细分场景中运用落地的局限性。

业内不断拓展深度学习办理问题的边界， 推动人工智能进入感知增强时期。
人工智能纯粹利用有监督学习办法演习深度学习模型的时期基本结束，受限于对大量标注数据依赖与理解能力缺少，这种路径难以办理更多运用问题。
当前， 感知增强时期拉开序幕，这一期间的新算法聚焦提升数据的质量和规模， 通过迁移其他领域演习成果、自主天生或增强数据、依托知识图谱知识关系、利用多源数据等办法侧面填补深度学习的局限性。
深度强化学习、多模态学习等多元化的学习办法受抵家当热捧，深度学习技能与知识工程、传统机器学习平分支的结合成为学界探索的热点新方向。

深度学习加速探索与多元学习办法、多种技能分支的结合， 少量数据演习、弱化人为干预以及多模态学习成为下一期间的发展关键。

一是减少数据量依赖的少样本学习。
少样本学习通过复用其他领域知识构造，利用少量数据对新领域进行演习， 已进入初步运用阶段，如英伟达提出基于少样本学习的***转化（ Few-shot vid2vid）框架，仅借助少量目标示例图像即可合成未涌现过的目标或场景***。

二是弱化人为干预的自监督学习、强化学习。
业内主流的有监督学习办法数据标注本钱高昂，以机器翻译任务为例，市场人工翻译每单词均匀价格约 7.5 美分， 假设单个句子均匀长度为 30 个单词， 1000 万个句子人工翻译标注的本钱约为 2200 万美元；若需支持上百种措辞的互译，人工标注演习集的本钱将达上千亿美元。
这种高昂的数据本钱匆匆使学产两界加速对深度强化学习、自监督学习等范式的探索。
图灵奖得到者杨立昆（ Yann LeCun）加速自监督学习的研究进程，通过从未标记的数据集中学习监督信息， 提升数据无标注下的学习能力；DeepMind、 OpenAI 等机构不断演进深度强化学习算法，试图显著提升智能体的自主决策和多智协同能力。

三是提高运用处景繁芜度的多模态学习。
运用处景正从单一视觉、语音的感知向多模态理解侧重，繁芜度不断提升， 从多模态信息源中学习模态间关系成为焦点，如菜肴制作***与菜谱文本步骤对齐、唇动视觉描述与语音旗子暗记领悟预测单词等。
深度学习技能正在不断寻衅更为繁芜的任务，扩展能够办理问题的边界。

直面推理理解问题的算法路径尚无定论，间隔认知时期到来仍需数年。
从理论体系角度来看，深度学习的领军专家开始探索深度学习理论体系的新形态，反向传播、经典神经网络模型等已有根本理论受到质疑。
目前，杰弗里·辛顿（ Geoffrey Hinton）提出替代深度神经网络（ DNN）架构的胶囊网络，试图办理小样本问题。
然而，胶囊网络虽连续三年推陈出新，但研究进程并非叠加式的演进，而是完备不同路径的替代。

从学习办法角度来看， 近一年来，强化学习实现通用智能的技能路径不再是业内共识，不依赖大量人工标注数据的自监督学习成为学习办法的新焦点，并在 2020 年 ICML、 ICLR 等环球人工智能学术会议上高频涌现，已成为浩瀚专家所关注的关键路径。
然而，无论是深度学习体系的颠覆式创新，还是多种学习办法的不断考试测验，具备理解能力的算法模型目前未有显现迹象， 真正的认知时期到来仍未可知。

人工智能技能发展阶段

2、 任务场景愈加繁芜，倒逼学习办法多元化发展

有监督学习建立在严苛条件之上，已不能完备知足模型学习需求，面对更为繁芜的任务场景，业内加速探索强化学习、自监督学习等多元学习办法，试图缩小与通用智能的间隔。

深度强化学习不断演进，加速提升自主决策能力。
深度强化学习加速拓展任务边界, 打破性办理多人棋牌、即时计策游戏等多智能体非完备信息博弈任务。
目前， OpenAI、谷歌、微软等企业相继占领即时计策、 德州扑克、麻将等繁芜游戏， 并加速向无人机群体翱翔等更为实际的运用处景拓展。
另一方面， 深度强化学习不断提升处理繁芜任务的能力， 逐步拓展芯片设计、音乐编曲等对知识技能哀求更高的专业领域，如 2020 年谷歌研究职员利用深度强化学习优化设计芯片布局，达到 PPA（功率、性能、面积）的最佳平衡，显著缩短设计韶光；清华大学提出用于在线伴奏天生的深度强化学习算法，能够根据输入音乐实时天生伴奏。

自监督学习成为最为生动的学习办法。
谷歌、脸书等多家企业先后发布利用自监督学习的算法模型，通过挖掘无标注数据的监督信息，显著减少人为干预，在自然措辞理解（ NLP）领域取得显著成效，如谷歌 BERT、 脸书 RoBERTa、 OpenAI GPT-3 等。
目前，学产两界正在加速自监督学习在打算机视觉（ CV）领域的打破创新，已在风雅图像处理方面初步取得进展，如华盛顿大学利用自监督学习办法实现图像背景的前后景分离，精度达像素级别，可实现头发丝的精确分离。
然而，只管在自然措辞理解、视觉处理等方面取得初步进展，现阶段自监督学习实质上仍依赖规范化、标签化的数据，紧张借助预演习模型布局并学习数据特色,而非基于对数据内容和任务工具的深层次认知；真正理解数据内容的自监督学习尚未涌现。

3、 深度神经网络理论体系考试测验颠覆性创新，多分支领悟趋势渐显

深度学习局限性日益凸显，理论体系探索改造。
当前，以杰弗里·辛顿（ Geoffrey Hinton）为代表的业内巨子持续推动理论体系的创新，个中，胶囊网络作为改造热点，试图办理数据依赖与不可阐明问题；然而，历史上胶囊网络的三个版本更新大相径庭， 尚未形成稳定的新形态架构， 仍处于探索阶段。
此外，以胶囊网络为核心的运用也在不断探索， 2020 年Hinton 团队提出一种用于机器学习安全领域的网络检测机制，显著提升攻击检出率；中佛罗里达大学学者提出胶囊路由方法，可通过输入句子查询***中符合条件的人物及特定动作，但上述成果仍勾留在研究阶段。

深度神经网络与其他技能分支加速领悟发展。
人工智能头部企业、高校等开始摸索深度神经网络与知识图谱、传统机器学习平分支的领悟创新。

一方面， 知识图谱试图在不颠覆深度学习理论的根本之下，填补小样本演习与理解推理能力不敷的技能天花板。
目前，面向垂直领域的专业知识图谱加速发展，已在金融、医疗、法律多个行业初步运用， 显著提升垂直行业运用中知识自动关联、 自动获取的智能化水平。
如金融消费领域，蚂蚁金融知识图谱平台已经广泛运用在蚂蚁内部以及互助伙伴的微贷、保险智能理赔和智能理财等业务领域中；药物研发领域，亚马逊开拓药物重定位知识图谱（ DRKG）预测药物与疾病靶点结合的可能性，缩短药物研发周期并降落本钱，已用于新冠病毒药物研发。

另一方面， 深度学习与传统机器学习领悟已显现新的算法形态； 贝叶斯深度学习成为热点方向之一，有效利用先验知识办理过拟合、小样本数据等问题，模型性能超越传统深度学习方法，如 DeepMind 提出贝叶斯 RNN 模型，图注释天生任务表现显著优于传统 RNN 模型；纽约大学和三星研究职员提出基于贝叶斯思想的深度学习不愿定性表示方法 SWAG， 大幅提高模型泛化能力， 在非常点检测、校准等打算机视觉任务上表现良好。

4、 预演习模型加速演进，试图实现措辞处理领域的通用智能

预演习模型参数已至万亿级，演习本钱之高险些成为业内头部玩家的专属技能路径。
2020 年， OpenAI 发布 GPT-3 模型，模型参数多达 1750 亿个，高达 1200 万美元的演习用度为预演习模型的构建构筑壁垒，中小型人工智能企业难以望其项背。
2021 年，谷歌发布 SwitchTransformer 模型，再次将模型参数推至 1.6 万亿新高。
此外，微软宣告与 OpenAI 达成互助协议，得到 GPT-3 措辞模型源码的独家授权，升级巨型模型的寡头格局形势，预示着未来超大规模预演习模型或将节制在少数头部企业手中。

预演习模型已进入可直接用于多种自然措辞处理任务的“通用”智能阶段。
预演习模型再次升级，头部人工智能企业先后发布通用预演习模型，可直接面向多种自然措辞处理任务利用，不再须要针对不同任务进行微调。
目前，谷歌 T5、 OpenAI GPT-3 等通用预演习模型进一步提升文本理解能力，在包含阅读理解、问答等任务的基准测试中靠近人类水平。
另一方面，通用预演习模型加速步入家当运用阶段，OpenAI 公司发布 GPT-3 商用运用程序接口（ API） ,供应问答、翻译、文本天生等做事， 搜索做事供应商 Algolia、社交媒体平台 Reddit等多家企业已开始利用。

5、 模型小型化成为提升模型运行效率的关键

深度学习模型效率提升成为运用落地的关键打破点。
目前，深度学习模型的繁芜度会随着模型精度的提升而提升，步入通过大幅增加打算量而获取高精度的期间。
打算量的增长虽带来性能的提升，但高度繁芜模型在硬件能力受限的设备上支配运行难度越来越大，以AlphaGo 为例， 每场比赛仅电费耗费就高达 3000 美元， 模型运行性能与硬件能力的抵牾成为模型效率的关注重点。

模型小型化成为提升模型运行效率的紧张方向。
目前，知识蒸馏、剪枝、量化等模型小型化的技能手段逐步成熟，主流模型可达几十倍压缩率。
如亚马逊利用知识蒸馏进行预演习，从 BERT 模型中提取压缩模型 Bort，压缩后模型大小仅为 BERT-large 的 6%，推理速率提升七倍 ； 麻省理工学院与上海交大的研究职员提出LiteTransformer，结合量化和剪枝技能将 Transformer 模型压缩 95%，加速在边缘设备上支配自然措辞处理模型的运用进程。
与此同时， 开拓框架中的模型压缩功能创新生动， 模型压缩已成为开拓框架必不可少的关键能力，脸书、腾讯、谷歌等头部人工智能企业以及英伟达、英特尔等芯片大厂加速构建完善模型压缩能力，依托自身算法技能与硬件芯片上风，在其主导的 TensorFlow、 PyTorch、 TensorRT 等开拓框架中供应剪枝、量化等算法压缩工具， 并针对 GPU、 CPU 等硬件芯片进行特定压缩优化。

6、 深度学习运用加速推动智能打算革命

深度学习运用加速推动云端打算范式进入高性能打算时期。
深度学习演习效果高度依赖打算资源和数据质量，追求大规模高速处理能力。
当前， 环球最大规模的演习模型所需算力每年增长幅度高达 10倍。
谷歌曾预测，如所有用户每天利用 3 分钟语音搜索功能，基于传统 CPU 的数据中央算力就必须提升一倍，对算力需求快速增长的预期也匆匆使谷歌加速研发针对人工智能运用更有上风的张量处理器。
随着深度学习模型构造日益繁芜以及演习样本规模持续扩大，算力需求进步神速，对云侧打算性能提出更高哀求。

打算模式走向云边协同，端侧场景化算力成爆发新方向。
在去中央化的打算形态下，自动驾驶、工业智能、聪慧城市等边缘场景产生出大量的算力需求，边缘智能设备须要通过芯片架构、编程模型、专用加速库以及软件框架等多个环节与特定运用深度领悟，实现边缘打算平台全栈能力升级，以知足低功耗、 实时性、可靠性和安全性等繁芜边缘场景需求。
估量未来三年， 面向工业电子、汽车电子和传统消费电子运用等场景化智能打算芯片增长迅速，市场容量年复增长率高达 100%以上，成为推动智能芯片家当紧张驱动力量。

三、 人工智能家当发展趋势1、 从钻营单点技能的“极致”，向场景化综合生态发展

单项技能的“理论”准确率不再是智能企业的比拼重点，家当进入运用处景”跑马圈地”新阶段。
人工智能企业单点技能标签化的特点逐步弱化，企业加速进入本色运用转化阶段，人工智能技能做事企业的变革尤为凸显。
如旷视、商汤、科大讯飞等企业已将重心从视觉、语音等技能转移至社会管理、供应链物流、生活消费等领域的软硬件办理方案，从而催生出旷视天元、商汤 SenseParrots 等开拓框架和根本技能做事平台。

目前，以物流、零售、公共安全等为代表的先导运用领域“跑马圈地”持续白热化。
旷视升级发布机器人仓储物流软件平台“河图 2.0”，并操持投入 20 亿元与互助伙伴搭建完全的机器人行业办理方案；商汤持续推进城市级开放平台方舟（ SenseFoundry）在城市域落地，已覆盖全国 31 个省市、近 100 座城市，总计接入摄像头十万路；云从推出“云从起云聪慧 Mall”运营平台，聚焦新零售领域帮助商业地产拥有者进行决策，实现风雅化运营。

场景化综合生态模式开始清晰，与“类”安卓开拓者生态共同驱动家当发展。

一方面， “类”安卓开拓者生态模式逐步成熟，头部智能企业延续移动互联网范例发展模式，以微做事形式供应视觉、语音等技能做事，凭借第三方开拓者来构建多样化的智能运用， 大幅提升开拓的易用性。

另一方面， 纯粹根本技能输出难以完备知足智能技能与各行业深度领悟和运用落地，紧张有三方面寻衅：一是须要与行业专有知识深度结合；二是场景碎片化特色突出；三是利用标准数据集演习的图像识别、对话系统在实际行业场景中泛化能力不敷，需基于实际场景数据进行二次演习和优化处理，这些均导致开拓周期较长和开拓本钱居高不下。

因此， 头部智能企业认识到智能技能与传统行业的深度领悟运用须要构建新的发展模式。
一是加速打造供应模型选择、演习、支配监测等一体化的研发平台， 奠定智能技能渗透至各行业规模化运用的根本；二是面向工业、农业、金融、公共安全等行业领域构建多样化行业技能做事及办理方案平台， 将行业特有数据、专业知识、业务流程与智能技能进行深度领悟；发展速率较快的公共安全、医疗、智能驾驶等领域已初步形成垂直行业平台，供应相对通用的行业运用做事。
在此根本之上，智能音箱、智能录音笔、安防无人机等垂直行业智能产品不断呈现， 场景化综合生态正在形成。

2、 以科技巨子引领的家当垂直整合速率不断加快

在过去的一年中， 由于人工智能发展所需算力、算法、数据等要素的高位出发点以及硬件、软件框架、平台等核心环节间的紧耦合衔接特点，使得谷歌、微软等科技巨子生态系统的垂直整合引领家当整体发展；家当垂直一体化的趋势不断加强，打算支撑、软件框架、研发平台等核心环节基本被老牌科技巨子所把持。

算力、软件框架、研发平台、技能做事的纵向一体化险些成为环球头部科技企业的共识。
人工智能硬件、算法、 软件平台与行业运用处景的结合紧密度空前，使令不同环节具备点状竞争力的科技巨子争相探索行业实际运用需求。
目前，家当仍为早期发展阶段，任何一个环节的水平化都尚未完备确立，过去以通用根本能力自居的芯片企业、云打算企业，抑或是具有技能独到上风的互联网企业都难以将自身的上风能力直接渗透至繁芜多变的行业运用处景中来。

因此，科技巨子加速从自身上风能力出发，延伸至行业运用的多个中间环节，试图以这种办法准确把握智能时期的需求方向；在持续保持自身已有上风的同时，布局支撑行业运用的多个核心环节，巩固其生态系统在人工智能期间的领导地位。

亚马逊、微软等云做事企业不断强化其智能做事能力， 紧抓面向根本技能做事、研发演习与推理等智能打算需求，通过布局研发平台、开源开拓框架等技能生产工具，以及更为底层的专用硬件及芯片，提升其智能打算做事的竞争力；谷歌、百度等 AI技能上风显著的互联网头部企业基于前辈算法和技能上风布局开源框架，并以此为核心高下延伸，构建智能做事生态体系。
以英伟达为代表的 AI 芯片巨子加速提升面向智能任务的芯片性能，积极丰富性能库、编译器、编程框架等软件配套，通过多样化办法壮大开拓者社区及家当互助伙伴规模，力争构建软硬协同的家当生态体系。

垂直一体化布局

3、 开拓框架格局逐步清晰，已从百花齐放向几家分争转变

以谷歌 TensorFlow、脸书 PyTorch 等为代表的开源框架格局初显清晰，框架格局已从百花齐放转向几家分争。
目前，业界开源开拓框架主导权基本被 TensorFlow(谷歌)、 PyTorch(脸书)等节制；微软CNTK、日本初创企业首选网络（ preferred networks） Chainer、 加拿大蒙特利尔大学主导的 Theano 等早期热点框架已通过与主流框架合并或直接停滞更新的办法退出历史舞台。

TensorFlow 依托工业界的支配上风持续位于第一，市场关注度达 15 万，超过第二名3 倍以上，脸书的 PyTorch（合并 Caffe2）凭借其易用性迅速突起，在各大顶级学术会议论文中占比超过 50%，有赶超势头。
同时，我国正在快速进行开源开拓框架的系统化布局，百度飞桨、旷视 MegEngine、华为MindSpore、清华大学 Jittor 等国产框架加速升级，个中，百度飞桨作为最早推出的开放框架之一，已初步运用于工业、农业、做事业等业务场景，做事 230 余万开拓者，整体运用广度和深度正在不断成熟和完善。

开源框架发展进程

紧张开源框架生动情形

端侧推理框架遇碎片化寻衅。
随着各行业终端智能化需求加速增加，算法模型的终端推理性能引起业内重视。
目前，推理框架面临碎片化寻衅，一方面，打算终端所利用的芯片类型多样， CPU、 GPU 虽为主流架构，但 NPU、 DSP、 FPGA 等多样的人工智能芯片也在不断呈现，终端推理框架对底层硬件的适配难以统一；另一方面， 算法架构尚不稳定， 算子（卷积、激活函数-ReLU 等） 及组合办法的多样化和持续蜕变使得单一的推理框架短韶光内难以覆盖所有的可能性， 推理框架显现出各为其主的发展格局。

端侧推理框架处于多元化发展阶段。
谷歌、脸书主导的头部开源开拓框架加大演习、推理一体化的布局力度，但推理部分在终端侧市场占比不高。
目前，业内呈现了一批各具特色的终端推理框架，如阿里提出 MNN 框架，集成在手淘、优酷、飞猪等 20 余终端运用中，实现互动营销、实人认证、试妆等功能；小米构建 Mace 框架，在小米手机中的相机场景识别、人像模式、人脸解锁等诸多场景中进行运用。
但由于硬件芯片、软件算法仍在快速发展， 推理框架估量将在很长一段韶光难以统一，或始终处于多元发展的格局。

开源开拓框架竞争焦点从模型库转移至易用性和硬件适配优化。
高等措辞接口与硬件适配优化成为开源框架构筑壁垒的关键， 一方面，高等措辞接口封装后端框架中关键的模型构建、演习等功能，降落研发门槛。
目前， 三大主流框架加速绑定或构建高等措辞接口，已涌现互助圈地征象。
TensorFlow 与 keras 形成排他性互助，提升框架易用竞争力，与近期以易用性为上风快速提升地位的 PyTorch 反抗； MXNet 与 Gluon 联合，由亚马逊与微软共同掩护； PyTorch(脸书)以 Torch 和 Caffe2 作为后端框架， 内部先天构筑高等措辞接口。

另一方面， 硬件适配优化试图办理多样硬件编译工具导致的适配繁芜和性能参差不齐问题，统一编译工具与编译措辞成为主流开源开拓框架的布局重点。
目前， 谷歌、脸书加速构建统一的编译措辞（ IR）， 试图勾引硬件厂商主动适配，获取框架适配的话语权。

4、 以研发和技能做事为核心，家当开始打造平台化发展模式

平台化发展速率不断加快。
当前，人工智能平台发展步伐加快，2020 年上半年我国人工智能研发平台市场规模达 1.4 亿美元，复合增长率超 30%12； 头部智能技能做事平台的单日调用次数已过万亿次，如阿里云 AI 做事的日调用规模超 1 万亿次,日处理图像 10 亿张，百度大脑已对外开放了 270 多项 AI 能力,日调用量打破 1 万亿次。
与此同时，人工智能的平台生态规模不断扩大，如讯飞开放平台聚拢超过175.6 万开拓者团队，累计支持超过 28.9 亿终端;腾讯 AI 开放平台已做事环球用户数超 12 亿，客户数超 200 万。

云做事厂商积极主导人工智能研发平台发展。
云做事厂商主导人工智能研发平台的发展，亚马逊、微软、谷歌等拥有云打算业务的企业加速布局人工智能研发平台，个中，亚马逊 SageMaker 平台最为成熟，份额高于后两者近两倍，霸占环球 TensorFlow 负载八成以上；H2O.ai、 DataRobot 等研发平台创新企业不断涌现，成为成本市场的追捧工具，人工智能研发平台的发展空前繁荣。

技能工具链成为研发平台的竞争核心。
目前，研发平台整体呈现三类发展特点： 一是工具体系化， 打造全面的技能工具链成为了这一期间研发平台的竞争核心，技能工具链供应数据处理、模型构建、支配、监测剖析等全生命周期的工具做事，如 SageMaker Autopilot、谷歌 AutoML、微软 MLOps 等； 二是开放框架开放化， 研发平台基本均同时支持TensorFlow、 PyTorch、 MXNet 等多个主流框架； 三是分布式打算不断优化， 研发平台环绕人工智能技能的特点和开拓框架对自身的云打算架构进行深度优化，如 SageMaker 在256 个 GPU 下的TensorFlow 扩展效率可达 90%，并同时支持多种类型人工智能芯片。

根本技能做事平台走向成熟，已形成涵盖多种根本技能的综合性平台。
包含视觉、语音、自然措辞处理等智能技能做事能力的根本技能平台是人工智能家当形成最早的平台形态，家当主体紧张包括谷歌、微软、亚马逊等拥有云打算业务的厂商和科大讯飞、旷视科技等人工智能技能做事厂商，前者构建的根本技能做事平台在布局初期即向涵盖多种技能能力的综合性平台发展，后者早期紧张依托自身某一类技能上风开展平台培植，如科大讯飞侧重语音文本，旷视则侧重视觉处理。

目前，业内的根本技能做事平台形态基本成熟，领先平台基本同时包含多类技能能力。
究其缘故原由，一方面是由于根本技能能力的构建不再神秘，一家技能厂商同时拥有视觉、文本等能力的难度大幅降落；另一方面则是行业运用处景常常需视觉、语音等多种技能共同支撑，单一类型的技能做事平台不再适宜目前的运用需求。

垂直行业技能做事平台发展处于早期阶段， 尚未形成规模发展。
除研发平台显著降落技能与垂直行业领悟本钱外，垂直行业技能做事平台成为另一种主要平台形态；平台把垂直行业中的关键场景、相对通用的运用技能总结提炼，进而复制推广。
目前，业内主流的垂直行业技能平台存在技能做事直接输出和供应关键运用处景办理方案两种做事形态，但均未形成规模。

一方面， 技能做事直接输出的形态（运用程序接口）一样平常面向具有成熟运用软件环节的垂直行业，由平台技能做事直接支撑下贱软件集成商；此类垂直行业的运用软件环节常日进入门槛较高，或者市场空间有限，因此，人工智能技能企业缺少与原有家当链软件集成商打劫市场的动力。

另一方面， 人工智能技能与垂直行业运用的领悟对软件、智能技能、底层硬件等多个环节均提出差异化需求，使令面向关键行业的多样化全栈办理方案不断呈现。
垂直行业技能做事平台通过供应整体方案的选型和设计，同时直接供应智能技能、软件等方案中的某几种能力，推动智能技能与垂直行业场景的快速领悟，如自动驾驶领域的 Apollo 平台供应雷达、摄像头等硬件选型，高精度舆图、路线方案等智能软件为一体的办理方案。

5、 智能打算家当形态初显，呈现发达发展态势

智能打算已初步形成智能芯片、软硬协同、多样化算力供给模式的家当形态。
目前，人工智能芯片架构百花齐放，云侧虽仍以 GPU 为主，但端侧呈现出面向不同场景的芯片架构，英伟达、英特尔等芯片厂商面向人工智能运用的软硬件工具生态日益完善，面向深度学习的大规模分布式打算平台不断成熟，云智能做事、公共智能超算中央、自建数据中央等多种打算供给模式逐步形成。

云侧智能芯片市场仍以英伟达为主导，云做事供应商及初创企业正在持续加大布局力度。
传统芯片厂商英伟达加速提升其并行打算能力的上风和多线程并行软件开拓生态的壁垒，2020 年推出 A100 芯片，晶体管数量达540亿， 自然措辞处理模型BERT演习性能较上一代V100提升 6 倍。
谷歌、百度等云做事供应商加速升级基于各自事情负载需求的智能芯片，2020 年，谷歌发布第四代 TPU，均匀性能是上一代的2.7 倍；百度昆仑 1 量产，百度搜索引擎及云打算方面支配 2 万片。

其余， Cerebras， Graphcore 等初创公司布局新架构智能芯片，部分运用的运行性能优于英伟达 GPU，但这类芯片仅能供应有限的软件堆栈，面临一定的市场推广阻碍。

端侧多元化运用催生大量创新探索，传统芯片企业和终端企业相对领先。
汽车电子和嵌入式消费电子是这一期间端侧智能芯片创新热点。
个中， 2020 年英伟达和英特尔在汽车智能芯片方面持续位于领先位置，英伟达环绕自动驾驶 SoC Orin 芯片，与空想汽车、奔驰等多家车厂展开互助；吉利观点车则将搭载英特尔 EyeQ5 芯片；恩智浦、瑞萨和东芝等成熟汽车电子供应商，黑芝麻、地平线机器人等初创企业，以及特斯拉等汽车制造商积极研发自动驾驶汽车芯片，试图与英伟达和英特尔双巨子争夺市场份额。
比较之下，端侧嵌入式消费电子类市场软硬件本钱以及供应链准入门槛较低，大量初创企业以不同的细分赛道加入市场竞争，个中智好手机神经网络加速芯片市场仍以高通等传统移动芯片企业和终端品牌企业为主，浩瀚初创企业紧张集中在视觉和语音处理领域，包括 NovuMind、 Syntiant 等。

环绕智能打算芯片的软件工具开始从根本打算向场景打算转变。
早期， 以英伟达为代表的芯片企业不断构建以 CUDA 编程模型为核心的高性能算子库、通信算法、推理加速引擎等多层次根本软件工具生态。
当前，随着智能技能在传统行业中渗透的不断深入， 头部智能芯片企业开始构建面向差异化场景的软硬一体平台， 实现底层芯片、编程框架、行业算法库、细分场景研发平台等全栈高效整合，试图造就多样化行业场景的打算生态、抢占细分市场。
例如， 2020 年，英伟达环绕机器人和自动驾驶场景，打造 Jarvis 对话系统、 ISAAC 机器人等软硬一体打算平台，宝马公司利用英伟达 ISSAC 机器人平台、Jetson AGX Xavier 芯片平台以及 EGX 边缘打算机，开拓包括导航、 操控等五款机器人，依托深度神经网络实现感知环境、检测物体、自动导航等功能以改进物流事情流程。

多样化算力供给模式开始显现。
目前，云、边、端成为算力供给的紧张形态。
个中，云侧算力紧张以云智能做事、公共智能超算中央和自建数据中央三类供给模式为主，亚马逊、阿里云等云打算企业以云智能做事模式向中小型企业及个人售卖 AI 算力资源和技能做事，是目前最为主流的供给模式；公共智能超算中央逐步兴起，上海、深圳、重庆等多地开始投建公共智能超算中央，这类中央目前紧张以政府主导培植为主，支撑本地企业、科研机构和高校的人工智能技能与运用创新，缓解地方企业及机构算力资源不敷、本钱较高档问题，推动区域人工智能家当的发展；此外，谷歌、脸书等头部企业通过自建专有智能打算集群的形式提升自身业务运行性能，部分企业根据业务特点研发人工智能专用芯片，试图大幅度降落算力本钱。
与此同时，边缘与端侧打算模式成为热点，英特尔、英伟达等硬件芯片企业加大边缘智能专用加速产品的布局力度，面向工业、交通等云边协同场景供应办理方案；寒武纪、地平线、云知声等企业聚焦面向视觉、语音等智能任务的端侧芯片研发，在无人机、可穿着设备、智能摄像头等智能终端中已显现规模化运用态势。

6、 环球数据鸿沟仍在加大，开放共享机制与数据做事能力加速构建

数据鸿沟问题愈加凸显，开放共享仍在探索阶段。
环球数字化加速数据天生和积累， 数据资产对环球经济利益的分配已开始产生影响。
“大规模数据→更准确模型→更好产品→更多用户→更多数据”的循环逻辑将导致数据定向收拢聚拢，人工智能数据资产已开始涌现寡头垄断的态势；互联网产生的数据资产半数集中在仅 100 家旁边的少数头部企业中，影响环球人工智能经济利益的分配。
据统计，人工智能产生的经济代价中约有 70％会累积到中美两个国家， 而若推动数据资产的环球化，大多数国家有望将 GDP 提升 1%至 2.5%。

当前，各国政府、头部企业持续推动数据的开放共享，数据原则、数据互助、数据规范与数据共享平台成为重点。
政府积极推动数据开放共享原则， 看重在保护隐私和公开透明原则下进行数据开放。
欧盟率先出台《通用数据保护条例》对涉及隐私的敏感数据做出严格哀求；英国、法国、瑞典等国纷纭跟学习订或新增；美国以原则倡议为主，政府先行数据开放，通用数据法案仍在制订中。
头部科技企业出于商业利益考量，对数据开放持谨慎态度；目前，微软试图冲破这一局势，发起开放数据运动（ Open Data Campaign），提出开放、可用、授权、安全、隐私五大原则，鼓励数据互联互通，承诺环绕康健、环境和各种社会***项目等问题共享数据，但尚未开放其产生利润专有数据集。

跨领域数据互助也成为这一期间的热点， 个中垂直行业企业最为积极，数据互助已从点状互惠向有组织的开放共享方向发展。
微软、Adobe 和 SAP 联手构建数据共享同盟，通过通用数据模型将数据存储在统一的数据湖中实现共享，吸引安永、 飞思创（ Finastra）等多行业企业共同加入。
同时， 数据规范与开放协议尤为主要， 国家标准化组织密切关注数据隐私问题，企业也在自发建立数据开放协议或规范，如 IEEE P7002 数据隐私处理标准、 ISO 27701 隐私信息管理体系、微软 AI 模型数据利用协议（ DUA-OAI） 等。
此外，谷歌、微软等科技头部企业推出 Dataset search、 Research Open Data 等自动化数据搜索平台，进一步降落数据获取难度，打造更加开拓便捷的数据生态。

数据集培植需求更为专业。
监督学习仍是家当界人工智能算法演习的紧张办法，因此大规模、高质量的人工标注数据集是家当发展刚需。
目前，数据标注从大略、重复的拉框标注向风雅化方向发展，呈现三类发展特点： 一是数据标注流程趋于智能化， 通过预标注技能和半自动化校验的办法赞助人工标注已成为当前发展重点，业内呈现出一批标注工具，可对未标记图像直接天生分割轮廓，并借助人工进行微调； 二是标注数据质量哀求不断提升， 自动驾驶、工业制造等智能任务场景愈之繁芜，高质量、风雅化的标注数据直接影响算法鲁棒性和准确性，标注准确率需求从 90%提升至 99%； 三是医疗、工业等差异化垂直运用驱动数据标注做事进一步贴合个性化、多元化的场景需求， 如数据做事企业 Scale AI 为自动驾驶场景供应标注做事，对车道、烟尘、尾气、雨水等更为个性化的目标物体进行标注。

具有智能标注能力的数据做事企业受到成本热捧。
以数据标注为代表的根本数据做事市场规模快速增长，成本市场进一步推高专业数据标注企业的估值。
2020 年，专业数据标注企业 Labelbox 完成 2500万美元 B 轮融资；龙猫数据得到 3300 万元 Pre-B 轮融资。
目前， 数据的智能化标注能力成为这一期间数据做事企业的发展重点； 一方面，传统数据众包平台企业向专业数据标注企业发展，快速布局智能标注工具，数据做事企业澳鹏（ APPEN） 花费 3 亿美元收购数据标注公司 Figure Eight， 大幅提升企业数据做事竞争力；另一方面，智能标注工具企业不断呈现，如 Scale AI、 Supervisely、马达智数等。

7、 以开源开拓框架为核心的生态体系雏形渐显， 多种小生态同步形成

当前，环球人工智能家当生态雏形渐显。
从家当链全局角度看，开源开拓框架既是最具技能含金量的环节，同时也是芯片、运用开拓等多个主体集聚的环节，伴随韶光积累，将具有很强的不可替代性和制约性。
目前，谷歌、脸书等人工智能头部企业环绕开源开拓框架构建的核心生态已初步形成。
从家当主体角度看， 人工智能家当既对信息家当自身的产品形态、运行模式产生很大变革，同时影响传统行业生产运营办法和运行效率。
因此，家当的参与主体险些涵盖全信息家当以及传统行业企业，云打算、芯片、 ICT 设备、互联网、智能技能做事、垂直行业 AI 企业和传统行业企业等多主体正在环绕自身上风不断摸索家当生态模式。

人工智能头部企业构建开源开拓框架生态， 试图形成运用接口和硬件适配的双向主导权。

一方面， TensorFlow、 PyTorch 等开拓框架不断完善其高等措辞接口，推动业内大量的算法模型和智能运用基于其高等措辞接口进行研发，形成深度的绑定。
由于转换至其他框架会一定程度上影响模型性能、增加二次研发本钱，长此以往，大量运用将深度依赖原有开拓框架进行演习和推理，形成家当默认的事实接口标准。

另一方面， 框架市场份额领先的人工智能头部企业正在依托框架与智能芯片适配构建标准化硬件接口， 有望进一步增强其对智能芯片的话语权。
如， 谷歌通过构建统一编译中间表示措辞（ IR） ,驱动硬件厂商主动适配其 TensorFlow 框架，从智能芯片主导适配向统一中间表示措辞（ IR） 主导适配转变。
目前，由于智能芯片的技能路线百花齐放，仍在摸索阶段，因此框架适配生态仍在构建初期，尚未形成。

家当主体以自身上风切入，初步形成四种小生态模式。

一是人工智能全面融入云做事体系，云做事厂商积极构建 AI 根本举动步伐生态。
亚马逊、微软、谷歌为代表的厂商布局人工智能专用硬件、开源开拓工具、研发平台、技能做事、 行业使能方案等全栈 AI 技能支撑体系，如， 2020 年微软在研发平台、技能做事等方面持续深耕根本上，向下在硬件根本举动步伐方面联合 Open AI 建立智能超算中央， 向上在垂直行业布局方面推出行业云办理方案 Microsoft Cloud for Healthcare，与聪慧医疗、医疗机构互助，帮助年夜夫和医疗机构利用AI 技能实现精准医疗做事。

二是人工智能技能做事企业、互联网企业以视觉、语音等技能上风切入，加速打造垂直行业技能做事平台和解决方案生态。

当前，该类主体正在加速推动智能技能在各行业中的运用落地，在不断完善开拓框架、根本技能做事平台的同时，聚焦构建面向行业场景的平台生态，呈现出一批如依图 care.ai（医疗）、百度 Apollo 开放平台（ 自动驾驶）等行业平台。

三是传统企业以行业履历切入，强调度决问题的实际运用能力，积极构建环绕根本科研、成果转化、 家当造就多维度的创新生态。
传统行业头部企业针对颠覆性、前沿性技能展开系统布局，巩固行业领先地位和上风；如大众奥迪聚焦自动驾驶场景，建立奥迪 JKU 深度学习中央，成立硅谷研发办公室，加大力度研发前辈驾驶员赞助系统，同时发布自动驾驶数据集推动商用和学术研究， 打造多维度家当生态。

四是硬件厂商以芯片设计、整机集成为切入点，加速构建软硬协同家当生态。
英伟达、英特尔、华为、浪潮等芯片、设备厂商环绕其芯片和打算设备积极丰富性能库、编译器、编程框架、编程工具等配套软件，通过多样化办法壮大开拓者社区及家当互助伙伴规模，力争构建软硬协同的家当生态体系。

四、 我国人工智能发展重点与机遇1、 十三五期间我国总体发展情形

发展人工智能是党中心、***准确把握新一轮科技革命和家当变革发展大势，是为抢抓人工智能发展的重大计策机遇，构筑我国人工智能发展的先发上风，加快培植创新型国家和天下科技强国，所做出的重大计策决策支配。
十三五以来，我国人工智能家当发展迅猛，政策环境持续优化，创新能力不断提升，家当规模进一步壮大，领悟运用逐步深入，特殊是新冠疫情防控期间， 人工智能技能产品形成“智能抗疫军团”，有力支撑了我国疫情防控和复工复产。

1）、人工智能政策环境持续优化。
我国人工智能发展进入快车道，自 2015 年 7 月***出台的《关于积极推进“互联网+”行动的辅导见地》首次将人工智能纳入重点任务之一，至 2017 年 7 月***印发《新一代人工智能发展方案》将其上升至国家计策，人工智能发展政策环境不断完善。
截至 2020年，党中心、***及各部门出台人工智能干系政策 10 余项，连续4 年将人工智能写入政府事情报告，如工信部、教诲部相继出台《促进新一代人工智能家当发展三年行动操持（ 2018-2020 年）》、《高档学校人工智能创新行动操持》等多项政策文件，为我国人工智能发展营造了良好的发展环境，遍地所超过 20 个省市自治区相继出台人工智能专项方案 60 余项。

2）、 人工智能技能创新能力持续提升。
我国企业在运用算法、专用芯片、开源开放平台、智能传感等核心关键技能上已取得局部打破，个中寒武纪、地平线、思必驰等神经网络芯片实现量产并在安防、汽车、语音领域实现规模化运用；百度、阿里、华为、腾讯、旷视、科大讯飞、第四范式、京东等一批AI 开放平台初步具备支撑家当快速发展的能力，个中百度 AI 开放平台已超 260 万开拓者。
部分关键运用技能居天下前辈水平，特殊是***图像识别、语音识别等技能环球相对领先。
人工智能论文总量、高倍引用的论文数量和发明专利授权量，处在第一梯队。

3）、 人工智能家当规模不断发展壮大。
家当生态基本形成，家当整体实力显著增强。
截至 2020 年，我国人工智能家当规模、核心企业数量，包括独角兽企业数量均仅次于美国，位居环球第二位，覆盖技能平台、产品运用等多环节，基本建立了比较完备的家当链。
人工智能芯片、智能语音、打算机视觉等创新产品不断呈现，医疗影像、智能语音、智能翻译、自动驾驶等产品已达国际前辈水平，智能安防、 消费无人机等领域具备环球竞争上风。
人工智能家当初步形成京津冀、长三角、粤港澳、成渝等地区集聚发展、协同推进格局。

4）、 人工智能行业领悟运用不断深入。
我国人工智能家当发展不断深入，与一、二、三家当领悟成效初显，正在从部分先导领域如医疗、交通、教诲等做事领域向制造业、农业等家当领域拓展；智能金融、智能医疗、智能安防、智能交通等领域已经成为企业加速人工智能技能家当化落地的热点运用处景，智能化新产品、新业态、新模式不断呈现。
新冠疫情防控期间，人工智能技能加速在医疗、应急、教诲、制造等领域遍及运用，一批人工智能 CT 影像赞助诊断设备、智能测温+识别系统、智能机器人等抗疫产品，形成“智能抗疫军团”，支撑疫情防控和复工复产成效显著。

5）、 积极探索人工智能伦理和管理实践。
我国政府高度重视人工智能伦理道德问题，积极构建有利于人工智能康健有序发展的系统编制机制。
为进一步加强人工智能干系法律、伦理、标准和社会问题研究，新一代人工智能发展方案推进办公室成立新一代人工智能管理专业委员会， 2019 年 6 月发布《新一代人工智能管理原则——发展负任务的人工智能》，提出人工智能管理框架和行动指南，强调和谐友好、公正公道、原谅共享等八条原则。

与此同时， 2019 年全国人大常委会已将一些与人工智能密切干系的立法项目列入立法规划， 例如数字安全法、个人信息保护法和修正科学技能进步法等。
在工业和信息化部等干系部委辅导下，中国人工智能家当发展同盟（简称： AIIA）发布了《人工智能行业自律公约》，勾引企业加强人工智能伦理自律探索。
各地地方积极探索人工智能管理实践，在制订人工智能干系政策中，支持人工智能伦理管理、法律法规等干系研究探索，《人工智能北京共识》、 《人工智能创新管理上海宣言》、《天下人工智能法治蓝皮书》等成果相继发布。
当前，家当界和学术界协同推进，腾讯、百度、旷视等企业纷纭践行人工智能伦理原则，设立管理机构；全国多个高校、研究机构等开展人工智能伦理管理、法律法规等方面的研究，如 2020 年 6 月，清华大学成立了人工智能国际管理研究院。

2、 十四五期间我国发展方向与机遇

1）、 加快 AI 根本原创技能的创新打破，打造领悟创新生态系统。
我国人工智能技能创新处于前所未有的生动期。
当前，我国专利申请的生动度与论文产出规模已位于环球前列，专利申请总量达 30.1万件，占环球总量的 39%，是美国的两倍以上； 近 10 年论文产出总量超过 18 万篇， 2019 年论文规模是美国的近 1.5 倍。
同时，我国视觉、语音等智能任务环球比赛的参与度和入榜率极高，多次在对话式问答、阅读理解、 人脸识别等环球比赛中刷新智能任务的 SOTA13模型准确率。
我国发起的环球性比赛规模不断扩大， iFLYTEK A.I.开拓者大赛 2020 年参与团队达 9000 余支，腾讯广告算法大赛参与人次达万余名。

2）、 将人工智能技能体系中的根本理论、 原创及优化技能和共性运用技能， 依据创新程度和打破难度从高至低划分为颠覆、阶跃、创新优化和工程实现等四个发展层级。
目前， 我国在创新优化和工程实现技能方面有一定上风，但颠覆型、阶跃型技能仍非常缺少引领浸染。

技能体系按创新程度和打破难度分级

我国根本理论、原创模型等颠覆型、阶跃型技能仍缺少引领能力。
反向传播、人工神经网络等深度学习根本理论，以及知识工程、打算神经科学等其他分支的根本理论基本由他国引领，干系的统计学、认知科学等底层近当代学科早期创始人、重大贡献者鲜有我国学者身影。
在本次浪潮之中，我国虽已呈现一批具有环球影响力的学者，在图像识别、机器翻译等领域不断发声；但深度学习理论体系、新型学习办法等颠覆技能主导权险些被环球几位巨子节制； 卷积神经网络、循环神经网络、天生对抗网络等阶跃型算法技能多数在原始创造团队 各分支中产生,延续性较强； 人工智能颠覆、阶跃技能的发展险些是寡头垄断的格局。

仔细剖析环球人工智能前沿技能的发展， Yoshua Bengio、 Geoffrey Hinton 等巨子在 AAAI、 ICLR 等环球人工智能会议上的不雅观点常引起环球学者追随，引领新热点方向发展。
如， 2020年 Yann LeCun、 Geoffrey Hinton 等学者提出自监督学习是走向通用智能的路径之一，引发自监督学习热潮， CPVR 2020、 ICLR 2020 会议收录的自监督学习论文数量较去年增长近一倍，打算机专业威信论文检索平台 dblp 2020 年收录的干系论文数量靠近历年总和。

目前，我国已开始加强对人工智能根本理论，乃至更底层根本学科的培植发展，且取得一定成果，如，北京大学在随机梯度低落法中的噪声浸染研究中取得进展，从理论上阐明了噪声的正则化事理；南京大学提出不依赖反向传播的深度学习模型深度森林（ Deep Forest），探索神经网络之外的深度学习发展路径； 但总体来看，我国间隔引领颠覆型、阶跃型技能仍差距较大。

我国视觉、语音等根本智能任务的工程实现水平环球领先，算法模型的二次创新优化能力也非常突出。
我国人工智能算法技能的发展着重于对业内主流算法模型的接管改造与家当化运用，一方面， 我国拥有一批追求算法技能极致优化的人工智能企业，如旷视研发的ShuffleNet 模型具有轻量级 CNN 模型构造， 在打算繁芜度相同情形下，比较其他模型可编码更多信息， 人脸解锁韶光小于 0.1 秒。
百度推出的 ERNIE 模型是基于 Bert 的预演习思想，支持词汇、语法、语义三个层次的预演习任务，可得到更多的潜在语义信息，在中文任务上已超越原 Bert 模型水平。

另一方面， 我国在视觉、语音、自然措辞处理等多类根本任务的环球比赛中位列前位已成常态。
人工智能领域的比赛加速升级，从粗粒度图像识别、目标检测、段落语义理解等较为大略的任务向人体关键点识别、推理理解等繁芜任务转变。

目前，我国企业在多个环球威信比赛中成绩显著，不断寻衅更为繁芜的任务。
商汤、旷视、依图、腾讯等企业在细粒度图像识别、自动驾驶场景定位及追踪、行人重识别（ ReID）、 人体***解析等繁芜任务上位列各种比赛榜单首位，哈工大讯飞联合实验室在推理阅读理解评测任务（ HotpotQA）全维基赛道中得到第一，百度提出面向端到端问答的检索模型 RocketQA 刷新微软 MS MARCO（ 微软机器阅读理解） 段落排序任务的榜单。

在上述背景下，我国人工智能技能的发展亟需环绕三个方向进行布局：

一是进一步构建人工智能根本理论与运用技能相结合的学科体系。
当前我国多个高校已动手布局人工智能学科培植，多以“人工智能+”为主线，着重运用学科的发展。
然而，相较于运用技能，人工智能的根本理论是我国下一期间提升人工智能颠覆性创新话语权的关键，但其学术周期更长，取得成效更缓，难以一挥而就，须要完备的综合型学科体系作为支撑。
因此，根本理论与运用并重的学科体系培植成为“颠覆型技能”取得打破的关键。

二是重点布局一批企业级人工智能研究院。
环球人工智能技能研究在产、 学两界的分边界愈加模糊，由高校和企业互助完成的创新优化型和阶跃型技能打破不断增多，企业级人工智能研究院的主要性正在逐步显现。
从环球来看， 高校教授成为企业和高校间的分外纽带，如， “深度学习之父”Hinton 在多伦多大学担当教授，同时受聘为谷歌大脑人工智能团队首席科学家；纽约大学终生教授 Yann LeCun，同时担当脸书人工智能研究室(FAIR)主任。

纵不雅观我国人工智能人才造就的历史， 企业级研究院对付我国早期人工智能人才的造就贡献显著， 微软等头部科技企业的企业级研究院培养一批诸如孙剑、杨帆、曹旭东等领军人才， 在离开研究院后分别创立或加入我国旷视、商汤、Momenta 等人工智能创新企业，带动我国早期人工智能技能家当的发展。
这种具有前瞻性的企业级研究院对中短期能够运用落地的创新优化型、阶跃型技能具有主要引领浸染。

三是打造区域人工智能技能领悟创新生态系统。
建立以政府主导区域技能领悟创新系统， 将链状创新链“根本研究－运用研究－试验开拓”升级为连通企业、高校、研究院所、政府等创新主体的共同体生态；环绕区域特色上风，在生态之上建立针对不同细分领域的技能专攻实验室，有机整合各种要素、多元主体、异质家当群等，形成区域技能创新生态系统。

当前，环球已有部分国家率先开展该类载体培植， 荷兰人工智能创新机构（ ICAI）， 已联合 43 家互助伙伴建立16 家根本研究、行业运用等类型的高校–企业实验室，联合多方进行技能成果的转化落地；美国操持在未来五年内投资 7.65 亿美元，用于数十个由联邦政府、 工业界和学术界联合建立的人工智能（ AI）和量子信息科学（ QIS）科学中央发展，进一步完善其人工智能技能创新生态系统。

2）、 协同发展 AI 根本核心生态，加快构建一批行业智能软件平台。
我国已基本形成智能打算、数据做事、开源开拓框架、核心平台和关键运用的百口当链布局。
目前，我国已形成以少数领军企业为中央，一批科技企业加速跟进，大批创业型企业不断呈现的家当发展格局，人工智能企业数量占环球比靠近 25%，初步形成海内大循环的发展根本。

一方面，我国在数据和关键运用环节具备一定国际竞争力，已形成数据采集、洗濯、标注、交易等较为完全的数据支撑体系， 打算机视觉、自然措辞处理等智能运用技能水平位居环球前列，并在公共安全、零售、交通、医疗等多个行业进行规模或试点运用；另一方面，在硬件芯片、开源开拓框架等根本核心环节，我国已呈现出寒武纪、地平线等新兴智能芯片企业，并拥有百度飞桨（ PaddlePaddle）、华为 Mindspore、旷视天元等开源开拓框架，持续完善硬件芯片与软件框架的根本生态体系。

充分利用我国大市场与家当链完备的发展上风，补强智能打算、 开拓框架的根本生态。

从环球来看，开源开拓框架的第一次洗牌已到尾声，谷歌、脸书等头部企业的开拓框架体系基本确立，市场份额和社区生态已远超其他框架，我国框架以一己之身突围难度很大。
同时，受制于我国集成电路较环球起步晚的历史背景，英伟达、英特尔等芯片大厂已在工艺制程、芯片架构、软件生态等方面有数十年积累；智能打算期间，芯片头部企业针对人工智能任务需求加速优化芯片架构、完善软件工具、适配多样的开拓框架，构筑弘大的生态体系不断提高行业壁垒，导致其他初创智能芯片企业一韶光难以切入市场进行规模运用。

目前，我国虽呈现出一批智能芯片企业，同时也在研发框架方面有所布局，但两类根本生态构建所面对的形势仍旧非常严厉。
因此， 深度聚焦本土市场的需求持续、 快速创新，驱动我国智能芯片生态和开拓框架生态的协同、领悟发展，形成协力盘踞海内市场份额，成为补强两类根本生态的关键方向。

凭借海内智能运用先行落地的韶光上风，沉淀一批行业智能核心软件平台，同时提升我国在传统行业家当链中的地位。
运用创新生动是我国自互联网时期至今的长期发展上风，目前我国已在多个领域形玉成球智能运用的引领浸染，并持续推进人工智能运用先导区的培植，不断挖掘新的运用处景，沉淀行业数据和算法模型；如，百度自动驾驶开放平台 Apollo 与包括宝马、戴姆勒、一汽等在内的环球上百家车企达成互助；依图科技 care.ai 智能医疗办理方案已在全国200 余家机构落地，并在欧洲、南美、中东、东南亚等外洋区域推广运用。

在先行试点、运用创新、行业数据、行业算法模型均有一定上风的背景下，我国的发展方向应是深度渗透到关键行业的家当链中，沉淀一批面向行业的根本核心智能软件平台，以行业软件平台为核心构筑运用生态，替代或增强原有家当链条中的软件环节，乃至提升在传统家当链中的影响浸染，转变过去仅在运用模式上创新的痛点，驱动我国关键行业家当构造向高附加值方向转变。

3）、 家当轴心从前沿技能向行业运用转变带来区域化发展机遇。
当前，人工智能已从聚焦智能技能发展向各行业运用落地的阶段转变，这将代表着人工智能家当不再仅是北京、上海、深圳等顶尖人才集聚区域的聚焦重点，也为具有特色传统家当上风的区域带来发展机会，我国人工智能家当有望形成各具家当运用特色的区域化发展格局。
究其缘故原由， 一是家当发展阶段所使令的， 人工智能家当虽是技能密集型家当，但由于其强赋能特点，与行业场景的深度结合是家当发展非常关键的一步。

当前，人工智能家当重心已从智能技能向行业领悟运用转变，使得具有传统行业运用处景、行业知识的更多区域具备发展人工智能的条件和机会。
这些区域拥有人工智能技能落地的试验田，从而吸引智能运用企业集聚发展； 二是企业发展周期所使令， 本轮人工智能家当的泡沫逐步分裂，企业面临从早期靠愿景融资到靠运用变现融资的发展阶段，运用落地成为人工智能企业这一期间的聚焦重点，因此也使令企业探求更得当的区域进行落地发展。
可以估量，未来我国更多的区域将会迎来人工智能家当发展的窗口期， 逐步形成各具家当特色的区域化发展格局。

打造分领域分区域的人工智能家当创新中央。
当前，科技部和工信部均支配了家当创新的试点，截止至 2021 年 3 月尾，科技部颁布15 个新一代人工智能创新发展试验区，工信部设立 8 个人工智能运用先导示范区，推动人工智能家当区域化、特色化发展步伐不断加快。
在此背景下，我国应打造一批分领域、分区域的人工智能家当创新中央，构建纵向垂直一体化的、家当链与创新链合一的家当发展平台， 助力我国人工智能关键核心家当从技能路线、适配标准、生态构建、运用推广等方面的协同创新发展，加速形成金融、制造、能源、医疗、磨难应急、农业、生态环保等领域的运用创新体系，助力区域人工智能家当特色化、深入化、规模化发展。

4）、 加快人工智能和各家当深度领悟，打造人工智能家当集群。
结合各地区家当根本和资源禀赋，勾引各地先行先试，不断汇聚力量、理念、方向，捉住几个亮点，在全国范围内形成标杆和规模效应。
造就更多人工智能领军企业，勾引干系行业的龙头企业加速智能化改造步伐。
推动开展一批重点领域领悟创新工程，造就一批标志性人工智能技能产品，提升重点领域人工智能产品智能化水平。
加快推动人工智能与工业、交通、医疗、农业、能源、应急安全等领域深度领悟，推动人工智能在智能制造、智能医疗、聪慧城市、智能农业等领域得到广泛运用。
发展一批人工智能家当园，按运用领域分门别类进行干系家当布局，造就培植人工智能家当创新集群。

5）、 深化国际互助，主动融入环球人工智能管理框架。
加强人工智能伦理管理研究力量， 促进形成更多更加开放、有国内外影响力的互换互助平台组织，推动海内伦理管理规则共识、中国方案的形成，把勾引和规范人工智能发展不断推向深入。
强化人工智能标准体系培植， 推动形成“国家标准顶层架构勾引，行业和团体标准辅导，国际标准协同推进”的良好局势。
坚持环球化道路，坚持国际视野和环球思维， 以开放心态应对环球竞争，搭建环球化做事平台，促进国际互换，吸引环球创新要素资源参与我国人工智能技能及家当发展，同时鼓励中国人工智能企业加大“走出去”力度；充分利用“一带一起”倡议、 G20 等双/多边互助机制，主动融入环球人工智能管理体系，积极推动企业、同盟、行业组织等机构的更多专家参与环球人工智能规则制订，强化在国际标准组织中的协作，为环球人工智能发展贡献中国聪慧。

智东西认为，近两年，人工智能的技能运用开始全面覆盖日常生活、 科学研究、社会管理、商业创新和国家安全等经济社会的关键领域， 以空前的广度和深度推动社会发展。
但同时，干系成本的减速也是最近的一个很明显的征象。
但是，这种降速不一定是一件坏事，这是一个挤掉泡沫，让行业回归理性的过程，在十四五期间，经历筛选后生存下来的企业必将是有自己的核心竞争力，能够走出国门的精良AI玩家。