中國人工智能學會、國家工信安全中心、華夏幸福產(chǎn)業(yè)研究院等四大權(quán)威機構(gòu)、歷時半年完成該本重磅報告，從全新的角度闡述了中國 AI 產(chǎn)業(yè)和學術(shù)的創(chuàng)新現(xiàn)狀。

《2018人工智能產(chǎn)業(yè)創(chuàng)新評估白皮書》由中國人工智能學會、國家工信安全中心、華夏幸福產(chǎn)業(yè)研究院、思保環(huán)球聯(lián)合發(fā)布。

白皮書聚焦人工智能的使能技術(shù)與應用場景兩個層面，基于論文、專利、人才、行業(yè)壁壘等多個維度，創(chuàng)新性地構(gòu)建了人工智能產(chǎn)業(yè)創(chuàng)新評估體系，客觀評價了當前人工智能產(chǎn)業(yè)的創(chuàng)新發(fā)展水平，為政府、企業(yè)、投資機構(gòu)布局人工智能提供了借鑒和參考。

研究范圍和評價體系

隨著人工智能迎來第三次發(fā)展浪潮，在全球主要國家的積極推動下，社會各界對人工智能的投入與期許空前高漲。構(gòu)建科學客觀的創(chuàng)新評估體系，準確評估當前人工智能產(chǎn)業(yè)的創(chuàng)新發(fā)展水平，對人工智能產(chǎn)業(yè)健康有序發(fā)展具有重要的現(xiàn)實意義。報告結(jié)合人工智能細分技術(shù)的發(fā)展和應用水平，聚焦語音交互、文本處理、計算機視覺和深度學習四項使能技術(shù)，以及交通、醫(yī)療、制造、安防、零售等八大重點應用場景，對人工智能產(chǎn)業(yè)創(chuàng)新水平進行了客觀的評價。

圖 1 人工智能產(chǎn)業(yè)創(chuàng)新評估范圍

為客觀分析四項核心使能技術(shù)和八個重點應用場景當前所處的發(fā)展階段，報告基于現(xiàn)有學界產(chǎn)業(yè)創(chuàng)新評估的研究成果，結(jié)合人工智能產(chǎn)業(yè)的行業(yè)屬性，采用定量和定性分析相結(jié)合，構(gòu)建了科學客觀的人工智能產(chǎn)業(yè)創(chuàng)新評估體系。體系下設使能技術(shù)就緒度指數(shù)和應用場景融合度指數(shù)兩個一級評估指標，并在使能技術(shù)就緒度下設立了理論、應用、性能驅(qū)動力三個二級指標，在應用場景融合度下設立了資源、技術(shù)、數(shù)據(jù)、場景、環(huán)境驅(qū)動力五個二級指標。

圖 2 人工智能產(chǎn)業(yè)創(chuàng)新評估體系

人工智能使能技術(shù)就緒度

深度學習技術(shù)的發(fā)展，推動以語音交互、文本處理、計算機視覺為代表的人工智能快速發(fā)展，并在多個場景迅速落地。為客觀評價以深度學習為代表的四項使能技術(shù)的發(fā)展水平，報告從理論研究、應用研究和技術(shù)性能三個維度進行了評估，分別計算出四項使能技術(shù)的就緒度指數(shù)。

圖 3 人工智能使能技術(shù)就緒度評估維度

從使能技術(shù)就緒度指數(shù)來看，深度學習就緒度最高。作為人工智能的主流算法，深度學習就緒度最高(8.3)，經(jīng)處于技術(shù)成熟期;計算機視覺(7.7)和語音交互(6.2)次之，處于技術(shù)應用的探索期，主要體現(xiàn)在以語音助手和醫(yī)療影像診斷為代表的產(chǎn)品已經(jīng)逐漸進入實用階段;文本處理則仍處于技術(shù)爬坡期，技術(shù)進展緩慢使其離真正實用仍存在較大距離。

圖 4 人工智能使能技術(shù)就緒度指數(shù)

從使能技術(shù)實際發(fā)展情況來看，深度學習和計算機視覺是布局重點。在理論研究(論文產(chǎn)出)方面，四項使能技術(shù)從2013年開始逐漸成為研究熱點，其中深度學習是學界關(guān)注重點，其次是計算機視覺。語音交互和文本處理的論文產(chǎn)出增速較為平穩(wěn)，但文本處理論文產(chǎn)出量和引用頻次均為最低。在應用研究(專利申請)方面，計算機視覺和深度學習專利申請占比較高，但平均專利強度較低，專利布局仍處于起步階段;語音交互專利申請比例低但平均強度較高，表明語音交互關(guān)注度呈現(xiàn)逐漸下降趨勢。

圖 5 人工智能使能技術(shù)實際發(fā)展情況

從中美兩國使能技術(shù)發(fā)展水平來看，美國四項使能技術(shù)的理論研究和應用研究均大幅領(lǐng)先于中國。在理論研究方面，中美文本處理領(lǐng)域的差距最小，深度學習領(lǐng)域差距最大;在應用研究方面，深度學習領(lǐng)域的差距最小，語音交互領(lǐng)域的差距最大。具體來看，美國四項使能技術(shù)的論文影響力和平均專利強度要遠高于中國，中國論文和專利“多而不強”的局面依然存在。同時我們還發(fā)現(xiàn)，中國四項使能技術(shù)專利申請量均居首位，特別是相關(guān)研發(fā)機構(gòu)近三年活躍度較高，超過54%的專利均在近三年申請。

圖 6 中美兩國使能技術(shù)發(fā)展水平對比

從使能技術(shù)人才分布來看，美國人工智能領(lǐng)域四項使能技術(shù)相關(guān)的高端人才遙遙領(lǐng)先于其他國家。統(tǒng)計發(fā)現(xiàn)，美國人工智能高端人才超過1.3萬，中國不足0.5萬，與美國相比差距懸殊。從細分技術(shù)領(lǐng)域來看，計算機視覺相關(guān)的高端人才占比最高，達38%，其中美國5432人，中國1892人。從中國人工智能使能技術(shù)研發(fā)人才分布來看，北京、廣東、江蘇、上海和浙江五省市人才優(yōu)勢明顯，其中北京、廣東人工智能研發(fā)人才超過萬人。

圖 7 全球人工智能使能技術(shù)人才分布

人工智能應用場景融合度

隨著以深度學習為代表的使能技術(shù)的發(fā)展，大量科技企業(yè)從特定的行業(yè)或場景出發(fā)，推動人工智能使能技術(shù)與行業(yè)加速融合，提供差異化的新產(chǎn)品、新服務和解決方案，形成了豐富的“AI+”應用場景，成為人工智能產(chǎn)業(yè)快速發(fā)展的重要驅(qū)動力。本報告從資源、技術(shù)、數(shù)據(jù)、場景和環(huán)境五個驅(qū)動力維度對八個“AI+”場景進行了評估，分別計算出了八大應用場景的融合度。

圖 8 人工智能應用場景融合度評估維

從應用場景融合度指數(shù)來看，人工智能與各行業(yè)依然處在人工智能融合的早期。根據(jù)應用場景融合度指數(shù)顯示，汽車(3.9)、醫(yī)療(3.8)和家居(3.7)是人工智能融合度相對較高的三個場景;零售(3.5)、機器人(3.3)和安防(3.2)次之;制造(3.0)和教育(2.8)融合度指數(shù)較低。

圖 9 人工智能應用領(lǐng)域融合度指數(shù)

從應用場景的融合實際情況來看，汽車、醫(yī)療、家居是布局重點。在技術(shù)驅(qū)動力方面，人工智能在各個領(lǐng)域的專利申請自2014年開始爆發(fā)式增長，其中汽車和醫(yī)療領(lǐng)域增長明顯，而教育和零售領(lǐng)域增長相對緩慢。在資源驅(qū)動力方面，人工智能的研發(fā)機構(gòu)和研發(fā)人才主要集中在汽車、醫(yī)療、家居領(lǐng)域，從事零售、教育的人工智能研發(fā)機構(gòu)和人才相對較少。結(jié)合近三年專利申請情況來看，專利布局重點更是主要集中在汽車、醫(yī)療、家居和安防領(lǐng)域，人工智能與機器人的融合則是新的應用熱點。

圖 10 人工智能專利在各應用場景的分布

從全球應用場景融合整體水平來看，美國應用融合優(yōu)勢明顯。在八大應用領(lǐng)域中，美國人工智能研發(fā)人員數(shù)量占據(jù)一半左右，而中國各領(lǐng)域人工智能研發(fā)人員普遍偏少。在專利申請量方面，除醫(yī)療領(lǐng)域外，中國的專利申請規(guī)模均超過美國，特別是在機器人和制造兩個領(lǐng)域?qū)＠麅?yōu)勢明顯。在專利申請強度方面，美國大幅度領(lǐng)先中國，中國專利質(zhì)量仍有待提升。具體到應用場景來看，美國醫(yī)療領(lǐng)域人工智能專利規(guī)模和強度優(yōu)勢顯著，中國機器人和制造領(lǐng)域人工智能專利申請實力具有一定的優(yōu)勢。

圖 11 中國人工智能應用領(lǐng)域研發(fā)實力對比

從應用場景融合的主要瓶頸來看。高質(zhì)量數(shù)據(jù)缺乏、行業(yè)壁壘高、應用場景不清晰是當前人工智能與行業(yè)深度融合的主要瓶頸。從數(shù)據(jù)積累程度來看，汽車、醫(yī)療和機器人三個領(lǐng)域具備一定的數(shù)據(jù)優(yōu)勢，而家居和制造兩個領(lǐng)域數(shù)據(jù)積累明顯不足。從數(shù)據(jù)開放程度來看，汽車、教育和機器人三個領(lǐng)域數(shù)據(jù)開放程度較高，而醫(yī)療和制造兩個領(lǐng)域數(shù)據(jù)開放程度相對較低。從場景介入壁壘來看，醫(yī)療、制造的行業(yè)壁壘較高，人工智能企業(yè)較難進入。

人工智能產(chǎn)業(yè)發(fā)展水平評價

通過使能技術(shù)和應用場景融合情況評價，我們可以發(fā)現(xiàn)，人工智能整體發(fā)展仍處于初級階段。從使能技術(shù)發(fā)展來看，深度學習已經(jīng)成為當前主流的人工智能算法，是目前理論研究的重點方向;深度學習技術(shù)已處于成熟期，并越來越多地應用到各種實際場景中，也逐漸顯現(xiàn)出一定的發(fā)展瓶頸;計算機視覺和語音交互尚處于技術(shù)應用初期，兩項技術(shù)均開始在不同的場景中嘗試應用落地;而文本處理仍處于技術(shù)爬坡期，技術(shù)進展緩慢。從應用融合來看，基于報告對應用場景發(fā)展階段的劃分，目前人工智能在汽車、醫(yī)療、家居、零售、機器人和安防行業(yè)處在融合的培育期，而在制造和教育行業(yè)仍處在融合的萌芽期。

人工智能產(chǎn)業(yè)發(fā)展研判與展望

01

使能技術(shù)

語音交互。語音交互技術(shù)存在對大規(guī)模數(shù)據(jù)依賴性強，遠場識別準確率低、復雜場景識別效果欠佳等技術(shù)瓶頸，特別是語義理解技術(shù)尚未真正突破嚴重制約著語音交互技術(shù)的規(guī)?；逃谩ＵZ音交互下一步將重點提升在遠場識別尤其是復雜環(huán)境下的識別率，而智能家居無疑仍然是語音交互技術(shù)應用探索的最佳場景。

文本處理。場景、學習和數(shù)據(jù)獲取是文本處理技術(shù)面臨的主要困難，增強學習、視覺語言融合、聯(lián)合學習將是未來文本技術(shù)的主要突破方向。發(fā)展中的文本處理技術(shù)將率先滲透到數(shù)字化程度高、政策和社會性障礙低、個性化元素強的行業(yè)。

計算機視覺。計算機視覺的瓶頸在于復雜程度高、魯棒性低、數(shù)據(jù)匱乏和算力成本過高。計算機視覺的發(fā)展重點在于利用非監(jiān)督學習和遷移學習方法降低數(shù)據(jù)依賴，提升算法試用領(lǐng)域，并實現(xiàn)與文字、語音技術(shù)的深度融合。

深度學習。深度學習依賴于多層神經(jīng)網(wǎng)絡下的梯度下降和隨之而來的大量參數(shù)不斷優(yōu)化，但是多層梯度下降后的結(jié)果是非線性的和非凹的，深度學習方法的有效性難以得到理論證明。未來深度學習的發(fā)展方向主要是對深度學習機制的理解和實際模型的借鑒性研究。

02

應用場景融合

AI+汽車。以無人駕駛為主導的智能汽車是人工智融合度較高的應用場景，傳統(tǒng)的汽車行業(yè)將被新的技術(shù)和商業(yè)模式所革新。但智能汽車的發(fā)展依然面臨著車輛軟硬件技術(shù)、人工智能算法、以及政策和商業(yè)化不成熟等多重挑戰(zhàn)。

AI+醫(yī)療。快速發(fā)展的智能醫(yī)療領(lǐng)域已經(jīng)出現(xiàn)虛擬助手、輔助診療、智能影像、藥物研發(fā)、精準醫(yī)療等多種新實踐。底層醫(yī)療數(shù)據(jù)的數(shù)量質(zhì)量參差不齊、復合人才體系缺乏、醫(yī)療行業(yè)應用場景磨合難度大、行業(yè)壁壘高等都制約著人工智能技術(shù)的深度應用。

AI+家居。人工智能與家居的融合是當前業(yè)界探索的重點。人工智能在交互、決策和服務三個層面優(yōu)化、提升家居產(chǎn)品性能。產(chǎn)品價格高、用戶隱私保障難、語音識別率低、互聯(lián)互通難等是智能家居發(fā)展面臨的主要挑戰(zhàn)。

AI+零售。人工智能助力零售行業(yè)線上線下深度融合，并帶來消費場景的進一步延伸，全面提升了用戶消費體驗。當前，基于應用場景的技術(shù)提升和可靠性存在挑戰(zhàn)。另外，如何有效打通C端和B端是智能零售行業(yè)亟需解決的難題。

AI+機器人。人工智能推動機器人從機械化邁向智能化。智能機器人在工業(yè)和服務領(lǐng)域逐漸成為人類重要助手，如協(xié)助機器人、物流機器人及公共服務機器人等。但受制于人機交互、環(huán)境感知和機器學習等技術(shù)水平限制，目前機器人智能化程度依然較低。

AI+安防。人工智能在安防行業(yè)處于探索應用階段。智能安防以算法、算力、數(shù)據(jù)作為發(fā)展的三大要素，在產(chǎn)品落地上主要體現(xiàn)在視頻結(jié)構(gòu)化、生物識別、物體特征識別三個方面。人工智能將推動安防行業(yè)逐漸向城市化、綜合化和主動化方向發(fā)展。

AI+制造。人工智能從研發(fā)創(chuàng)新、質(zhì)量控制、故障診斷、運營管理等多個方面，推動制造業(yè)轉(zhuǎn)型升級，是實現(xiàn)智能制造的核心驅(qū)動力。然而制造業(yè)與人工智能的融合仍處于培育期。缺乏高質(zhì)量行業(yè)數(shù)據(jù)、企業(yè)計算能力不足、通訊標準無法協(xié)調(diào)是實現(xiàn)人工智能與制造業(yè)深度融合的主要障礙。

AI+教育。人工智能技術(shù)應用于教育領(lǐng)域，可有效改善教、學、練、作業(yè)、測評、管理等多個環(huán)節(jié)，實現(xiàn)合理配置教育教學內(nèi)容，科學實施因材施教。高質(zhì)量的學習軌跡數(shù)據(jù)缺乏和技術(shù)本身尚未成熟，造成人工智能和教育領(lǐng)域的融合程度遠落后于其他行業(yè)。