展望2018年，人工智能软硬件技术创新将持续推进，认知智能渐行渐近；产业进入稳步增长阶段，行业内资源整合将加速推进；与实体经济融合不断加速，市场应用空间大步拓展；产业配套环境日益完善，政策、资本支持力度持续加大。与此同时，人工智能产业将持续面临底层技术积累不足、商业化应用路径不明朗、产业发展略显浮躁，以及专业人才不足等问题与挑战。为此，我国人工智能产业未来应持续推动基础领域技术创新突破，加速实现人工智能与实体经济深度融合，不断完善产业创新生态体系建设，培育形成产业开放发展氛围，大力强化人才培养培训工作。

　　当前，人工智能发展迅猛，日益成为引领科技进步、推动产业升级的新引擎，将深刻改变人类社会的生产生活方式，并成为新一轮国际竞争的焦点。2017年，我国人工智能产业保持快速增长，部分技术接近或达到国际领先水平，产业规模、投融资规模和企业数量位居世界前列。

　　对2018年形势的基本判断

　　认知性应用将成为亮点

　　AI芯片、计算机视觉、语音识别等技术的持续创新成为产业发展引擎。人工智能芯片以图形处理器（GPU）、现场可编程门阵列（FPGA）、特定用途集成电路（ASIC）为发展方向，寒武纪、中星微、深鉴科技、地平线机器人等初创企业通过产研结合的发展思路，积蓄了一定的研发实力。在计算机视觉技术中，以静态物体识别技术发展最为成熟，动态图像和场景识别技术尚且存在较大上升空间，在企业方面，百度、旷视科技、商汤科技、格林深瞳等企业的技术实力较为领先。语音识别技术近年来发展迅速，目前行业识别准确率已达到95%，科大讯飞、百度、搜狗、出门问问等企业有较大技术优势。预计2018年，芯片和算法的优化将进一步提升计算机视觉和语音识别的应用成熟度。人脸识别将成为计算机视觉技术的竞争热点，格灵深瞳等创新企业有望在动态视觉检测中取得关键突破。科大讯飞等国内语音识别技术商将利用数据优势，推动语音识别技术平台化，进一步提升多场景下的语言识别准确率。

　　感知智能与认知智能进一步融合，认知性应用将成为亮点。深度学习算法得到广泛应用以来，计算机视觉和语音识别等感知智能已较为成熟，其中静态图像识别准确率已达99%，语音识别准确率已达95%，感知智能相关技术在“量”上的积累已较为充分，人脸识别、声纹识别等浅层次（是否逻辑判断型）感知性应用得到较为充分的发展。预计2018年，人工智能技术可能迎来新的质变契机，浅层次感知应用将与更高水平的认知智能融合发展，能够在逻辑判断基础上实现认知推理、情感互动、辅助性决策的认知性应用将成为业界亮点。

　　行业资源整合将持续推进

　　人工智能产业进入平稳发展期。近年来，中国人工智能产业规模保持稳步增长，投融资更为理性，新增企业数量趋缓。产业规模方面，2015年我国人工智能产业规模达70.2亿元，2016年达100.6亿元，预计2017年将达152亿元，保持平稳快速增长。投融资增长方面，2015年全年累计投融资增长率为143%，2016年投融资增长率为93%，2017年投融资增长率预计为51%，国内人工智能产业投资更趋于理性。企业年新增数量方面，自2015年达到166家后逐步趋缓，2016年新增企业为77家，2017年全年预计新增企业数量不超过50家。截至2017年6月，我国人工智能企业数量为592家，其中基础层、技术层和应用层企业比例约为1：20：22。预计2018年，国内人工智能产业将延续稳步增长态势，产业规模预计将超过230亿元，投融资事件数量将相对减少，但单笔金额增大，基础层企业将通过技术创新扩大规模，技术层和应用层企业数量将保持稳步增长。

　　大公司将在行业资源整合中扮演更重要角色。2017年以来，国内互联网巨头加大力度进行战略合作与投资并购，百度先后与北汽集团、博世、大陆、哈曼、联想之星等企业达成战略合作协议，投资语音识别公司涂鸦科技和感知视觉公司xPerception。阿里巴巴投资混合智能汽车导航企业WayRay，菜鸟物流与北汽集团和东风汽车成为战略合作伙伴。腾讯注资特斯拉和AR初创企业Innovega，并依托腾讯AIlab发布“AIinall”战略。预计2018年，国内平台层面资源将加速整合，大企业将通过投资并购迅速获得相应细分领域中的前沿核心技术，降低研发失败的风险，在行业资源整合中发挥越来越重要的作用。百度将以自动驾驶作为核心，着力打造技术驱动的应用型平台生态；阿里将以云服务为生态基础，注重消费级人工智能产品研发，将人工智能赋能于商业生态；腾讯将围绕用户体系组建软硬件融合的人工智能服务生态；科大讯飞将继续深耕语音识别领域，基于语音系统建立通用解决方案，打造智能语音开放平台。

　　与实体经济融合加速

　　人工智能与实体经济加速融合。党的十九大报告中明确指出，要推动互联网、大数据、人工智能和实体经济深度融合。人工智能是具有巨大社会和经济效益的尖端领域和创新前沿。据保守估计，2018年中国人工智能将为实体经济带来超过1000亿元的增长。预计2018年，新一代人工智能技术将与实体经济持续渗透融合，为零售、交通、医疗、制造业、金融等产业带来提效降费、转型升级的实际效能。无人商店、无人送货车、病例细胞筛查、数字孪生、智慧工厂、3D打印、智能投顾等新产品、新服务将大量涌现，从而加速培育产业新动能，开拓实体经济新增长点，有力推动我国经济结构优化升级。

　　市场应用空间将大步拓展。我国人工智能市场潜力巨大，应用空间广阔。近年来，我国在数据规模和产品创新能力等方面已进入世界第一梯队。数据规模方面，中国庞大的人口和发达的互联网提供了任何国家都难以企及的数据规模和标注成本优势。产品创新能力方面，中国企业在经历移动互联网时代的优胜略汰后，已能够在国外创新技巧的基础上，依据国内市场特点开发本土创新模式。预计2018年，上述优势将与实体经济的转型发展充分结合，情感识别、手势识别、语音助手、混合现实等个人智能化市场空间将进一步拓展，市场营销、网络安全认证、人力资源、办公智能等企业智能化重构将逐步推进，智能制造、智慧医疗、智慧能源、智能零售等产业化智能重构市场将逐步打开，人工智能的市场应用空间将大步拓展。

　　资本支持将趋向集中

　　顶层设计助推产业发展，各地方将积极布局规划。近年来，我国在国家层面密集出台一系列政策措施助推人工智能产业发展。在2017年，人工智能先后出现在政府工作报告和党的十九大报告中，“人工智能2.0”纳入“科技创新2030—重大项目”，《新一代人工智能发展规划》确立“三步走”的发展目标，新一代人工智能发展规划推进办公室及新一代人工智能战略咨询委员会宣告成立，未来将有力推动人工智能重大项目落地。预计2018年，全国各地方将结合自身区位条件和产业基础，积极布局适合本地区特点的人工智能发展规划，实现从中央到地方的联动机制，进一步带动人工智能发挥经济和社会效益。

　　资本总量稳步增长，投融资层次将更为丰富。目前，中国人工智能投融资额占全球总量的近35%，达到635亿元。其中，计算机视觉与图像、自然语言处理和自动驾驶三大领域投融资额占国内人工智能投融资总量的60%以上，成为资本热捧的焦点。此外，北京、广东、上海、浙江、江苏和四川等省市的投融资基础相对较好，是资本最为聚集的地区。2017年上半年，国内投融资总额为143亿元，预计全年投融资规模较上年增长51%，增速较2016年下降40%。预计2018年，国内人工智能领域的投融资总量稳中有增，资本将更多聚集在应用层细分领域的龙头企业，投资事件数量将减少，单笔投融资数目将增大，马太效应将日益凸显。投资焦点将从应用层逐步下移，AI芯片等基础层和深度学习算法应用等技术层将获得资本市场的更大关注，投融资层次将更为丰富。

　　需要关注的几个问题

　　底层技术基础差

　　由于我国人工智能产业重应用技术、轻基础理论，底层技术积累薄弱，存在“头重脚轻”的结构不均衡问题，使我国人工智能产业犹如建立在沙滩上的城堡，根基不稳。基层技术积累薄弱使人工智能核心环节受制于人，阻碍人工智能领域重大科技创新，不利于国内企业参与国际竞争，并使国民经济和国家安全存在远期隐忧。

　　从技术角度而言，国内人工智能的计算机视觉、语音识别、自然语言处理等应用技术已接近甚至达到国际先进水平，但在基础元器件、底层算法和理论研究等方面与国际水平差距较大，缺乏重大原创科技成果。

　　从资本角度而言，截至2017年6月，国内人工智能领域投融资主要集中于计算机视觉、自然语言处理和自动驾驶等应用技术领域，人工智能芯片领域的累计融资额仅占人工智能产业总融资额的2.1%。相比之下，美国人工智能产业的这一比例高达31.5%。

　　从企业分布角度而言，截至2017年6月，国内人工智能芯片企业数量为14家，且均为规模较小的初创企业，难以满足芯片领域技术和资金门槛极高的要求，在数量上仅为美国的42%，而且缺乏像美国芯片领域的谷歌、英特尔、IBM、高通、英伟达等科技巨头。

　　应用路径不明朗

　　我国人工智能产业处于早期发展阶段，商业化应用路径尚不明确，商业落地的痛点突出，这些问题都与当前不断高涨的关注度形成鲜明对比，形成“雷声大雨点小”的现象，致使近期的实际商业价值变现难度较大。

　　从应用对象角度而言，由于人工智能产业与外界缺乏深入、有效的宣传推介、信息交流、资源对接渠道，传统行业和个人消费者对人工智能的认识仍局限于概念层面，对其具体的发展脉络、技术效能和应用模式等缺乏清晰认识。在传统行业，尤其是部分劳动密集型行业对应用人工智能的改造成本、实际效益存在疑虑，甚至对旨在“机器换人”的人工智能存在认知偏差和抵触情绪。

　　从应用环境角度而言，人工智能在推广应用时，面临资质、数据、标准、安全评估等行业准入壁垒。部分行业存在显著的数据壁垒，例如，部分工业制造领域尚未完成数字化，数据获取难度大；金融领域敏感性大，数据分享面临较大的政策和行业阻力。人工智能在数据接口标准、技术评价指标、安全评估管控等方面存在缺失，阻碍其在其他行业及个人消费领域中的推广应用。

　　发展氛围显浮躁

　　人工智能概念虽当前火热，但企业和政府对产业发展理解不透、思考不足，普遍高估并急于兑现人工智能的近期商业价值。产业发展氛围略显浮躁，面临同质化、碎片化风险，这些都可能延长人工智能商业价值的兑现周期，并加剧产业未来发展的周期性波动幅度。

　　从企业角度而言，虽然人工智能的企业数量和融资规模迅速攀升，但存在大小企业一拥而上、炒作概念的现象。云计算、大数据企业纷纷改换门庭，导致人工智能产业鱼目混珠，企业技术水平参差不齐。企业急于将人工智能商业价值变现，对技术难度的预估过于乐观，对自身技术产品普遍夸大宣传，瞄准的发力方向存在扎堆现象。同时，企业面临政府、资本、同业及舆论的多重压力，在主营方向、技术研发方面缺乏定力，技术、产品普遍趋同情况显著。

　　从政府角度而言，地方政府虽然对发展人工智能产业抱有极大热情，但对人工智能等新兴产业的产业特征、发展规律和培育模式缺乏深刻理解，仍惯于采用传统的招商引资模式，重引进、轻培育，试图通过形成政策、资金和资源洼地来争夺国内稀缺的人工智能产业资源。政府在产业生态培育、配套资源对接、业务市场开拓、公共平台建设等方面缺乏经验和耐心，部分省市已发布的人工智能发展规划缺乏实质内容和可操作性，规划的实际效果和扶持政策的可持续性存疑。

　　专业人才不充足

　　人工智能是新兴产业，虽然技术和产业发展迅猛，但专业技术人才，以及兼顾人工智能与传统产业的跨界人才不充足，限制了产业发展以及与实体经济的深度融合发展。

　　从人才数量和质量角度而言，我国人工智能领域专业技术人才数量不充足、经验不丰富。截至2017年6月，中国共有592家人工智能公司，拥有员工约39200名。相比之下，美国共有1078家人工智能公司，共有约78700名员工，数量达到我国的2倍。据LinkedIn数据，我国从业经验10年以上的人工智能人才比例不足40%，而美国的这一比例则超过70%。

　　从人才分布角度而言，我国人工智能领域人才分布不均匀，主要集中于应用层。据统计，我国人工智能基础层、技术层和应用层的人才数量占比分别为3.3%、34.9%和61.8%，基础层人才比例严重偏低，不利于底层基础理论研究及重大科技创新。相比之下，美国人工智能领域三个环节的人才数量占比分别为22.7%、37.4%和39.9%，人才分布更加合理均衡，有利于产业的持续发展。

　　从人才培养角度而言，我国高校人工智能领域的学科建设、人才培养相对滞后。人工智能涉及领域宽泛，相关领域学科资源分散，未能形成合力，培养人才的数量、质量有待提升。目前，国内开设人工智能专业的高校数量较少、时间较短，学科实力不强。美国国家科技委员会发布的2017年人工智能全球大学排名中前50名均位于欧美地区，我国大学无一上榜。此外，国内缺乏人工智能与传统行业的跨界人才，不利于人工智能在各垂直行业的应用推广。

　　应采取的对策建议

　　推动技术创新突破

　　重点突破基础领域。针对人工智能底层技术，加强对以深度学习为代表的底层算法模型的深入研究，并积极布局影响人工智能未来发展的前沿基础理论研究。强化在基础材料、元器件、芯片、传感器等领域的研究，加快突破图形处理器、现场可编程门阵列、专用集成电路等基础硬件核心技术。强化相关各个基础领域研究。

　　推动人工智能技术融合发展。依托底层的基础理论、算法模型和核心硬件基础，开发人工智能算法开发工具、数据库、中间件等关键软件，推动人工智能开源软硬件平台及生态建设，促进基于人工智能的计算机视觉、生物特征识别、自然语言处理等应用技术的研发和产业化。加强前沿技术布局，构造未来融合创新技术基础。

　　强化基础支撑建设。建设满足深度学习等智能计算需求的新型计算集群共享平台、人工智能开源算法及软件基础平台、多种生物特征识别的基础身份认证平台、人工智能云服务平台等基础资源及产业公共服务平台。构建基础支撑平台建设。

　　加速融合实体经济

　　推动重点领域示范应用。精准选取应用场景，推动人工智能与实体经济的深度融合。促进人工智能在工业领域设计、制造、运维环节的应用，提升质量效率、降低成本。推动鼓励人工智能在教育、交通、医疗、安防等服务和民生领域的推广，提升产品、服务的智能化水平，促进无人零售等新兴商业模式的创新发展。通过人工智能在重点领域的示范应用，推动强化人工智能技术水平的提升和商业化路径的筛选，实现人工智能与实体经济的深度融合，促进人工智能的规模化应用和传统行业的转型升级。

　　消除行业准入壁垒。重点建设面向人工智能的公共数据库、测试标准、服务平台等，促进各类通用软件和技术平台的开源开放，形成良性发展的产业生态。加速完善人工智能面向行业应用的各项检验评测、标准、安全评价体系，消除人工智能向各行业推广应用时面临的资质、数据接口、评价标准等行业准入壁垒，加强宣传引导和政策规范，避免产生新壁垒。

　　完善创新生态体系

　　以领军企业为龙头打造产业创新平台。鼓励各细分领域企业通过产业创新平台提振创新动能，构建以大企业为引领的创新网络。面向市场应用需求，突出培育一批具有示范作用的创新企业集群，并由此形成分领域的投资目标。

　　以地方优势为亮点打造区域创新平台。结合地方区位特点和产业比较优势，构建以共生发展为特征的区域创新平台。立足区域发展，建立产业创新协作机制，孵化一批核心产业基地。提升招商引资能力，提振区域产业创新水平，形成有利于协同创新的共生环境。

　　以产业发展为导向打造开源开放平台。在产业层面构建以集群联动为特点的开源平台，促进不同企业间的产业关联转化为能够引发创新行为实质互动。通过开放开源，催生技术创新的集群效应，促进产业集群间建立起多层次的有机联接，形成点、线、群、网相结合的开源开放创新平台体系。

　　以行业联盟为依托打造技术竞合平台。利用行业联盟的社会资源和社会影响力，打造技术竞合平台，推动各类型企业从不同维度参与人工智能技术研发和应用推广。为行业层面新产品、新服务的快速迭代与共同试错提供规范化的良性竞合机制，确保参与企业与行业最新前沿技术的同步，形成技术创新的良性互动格局。

　　形成开放发展氛围

　　促进开放创新体系建设。依托中国人工智能产业创新联盟等第三方专业机构，举办中国人工智能产业创新大赛等竞技比赛鼓励创新。聚焦重点热点问题，促进推进人工智能企业和团队创新水平的提高。依托中国人工智能产业创新基地等产业载体，为人工智能企业发展提供最优环境和优秀学习范例。

　　推动国内外交流合作。利用中国人工智能产业创新联盟等第三方专业机构的资源优势，推动国内行业交流和国内外技术发展交流。以研讨会、交流论坛、学术年会等形式，促进我国同行之间、我国与国外知名专家、企业家和智库开展合作交流。确保现阶段我国人工智能总体技术和应用与世界先进水平保持同步。

　　打造联盟标准和规范。加快打造人工智能行业联盟的规范和标准，在提升专业机构资质和水平的同时，以联盟标准帮助相关企业激发创新活力、提升开放水平、加深合作意识。

　　强化人才培养培训

　　加强相关学科建设。依托现有的人工智能相关学科，大力推动学科间合作和资源优化集中，形成研发和教学合力，培养人工智能领域内跨学科人才。加快人工智能相关学科布局，在有基础的院校强化人工智能相关学科的师资力量，扩大高学历人才的培养规模。鼓励高校、科研院所加大与人工智能企业、国外高校及相关机构的合作力度，打造多种形式的人才培养平台。

　　加大人才引进力度。针对人工智能芯片、基础算法模型等重点领域，充分利用现有各类人才计划，并设立专门通道和定向优惠政策，加大对国际顶级科学家和高层次人才的吸引力，加快人才引进效率，扩大人才引进规模。鼓励高校、科研院所和企业采用项目合作、技术咨询、交流访问等多种形式引进人工智能人才，加大技术合作力度。

　　注重培养跨界人才。重视培养贯通人工智能基础理论、软硬件技术、市场产品及垂直领域应用的纵向跨界人才，以及兼顾人工智能与经济、社会、法律等的横向跨界人才。引导有基础的高校在原有相关学科基础上拓展教学内容，推动人工智能与其他学科的交叉融合及相关人才培养。

　　作者单位：工业和信息化部赛迪研究院