人工智能產(chǎn)業(yè)發(fā)展深度報告：格局、潛力與展望

基于人工智能產(chǎn)業(yè)發(fā)展現(xiàn)狀，我們將從智能產(chǎn)業(yè)基礎、學術生態(tài)和創(chuàng)新環(huán)境三個維度，對中國、美國和歐洲28國人工智能發(fā)展?jié)摿M行評估，并使用熵值法確定各指標相應權重后，利用理想值法(TOPSIS法)構建了一個代表人工智能發(fā)展?jié)摿φw情況的綜合指標。

從智能產(chǎn)業(yè)基礎的角度：

產(chǎn)業(yè)化程度：增長強勁，產(chǎn)業(yè)規(guī)模僅次美國

中國人工智能尚在產(chǎn)業(yè)化初期，但市場發(fā)展?jié)摿^大。產(chǎn)業(yè)化程度是判斷人工智能發(fā)展活力的綜合指標，從市場規(guī)模角度，據(jù) IDC數(shù)據(jù)，2019年，美國、西歐和中國的人工智能市場規(guī)模分別是213、71.25和45億美元，占全球市場份額依次為57%、19%和12%。中國與美國的市場規(guī)模存在較大差異，但近年來國內AI技術的快速發(fā)展帶動市場規(guī)模高速增長，2019年增速高達64%，遠高于美國(26%)和西歐(41%)。從企業(yè)數(shù)量角度，據(jù)清華大學科技政策研究中心，截至2018年6月，中國(1011家)和美國(2028家)人工智能企業(yè)數(shù)全球遙遙領先，第三位英國(392家)不及中國企業(yè)數(shù)的40%。從企業(yè)布局角度，據(jù)騰訊研究院，中國46%和22%的人工智能企業(yè)分布在語音識別和計算機視覺領域。橫向來看，美國在基礎層和技術層企業(yè)數(shù)量領先中國，尤其是在自然語言處理、機器學習和技術平臺領域。而在應用層面(智能機器人、智能無人機)，中美差距略小。展望未來，在政策扶持、資本熱捧和數(shù)據(jù)規(guī)模先天優(yōu)勢下，中國人工智能產(chǎn)業(yè)將保持強勁的增長態(tài)勢，發(fā)展?jié)摿^大。

技術創(chuàng)新能力：專利多而不優(yōu)，海外布局仍有欠缺

專利申請量是衡量人工智能技術創(chuàng)新能力和發(fā)展?jié)撡|的核心要素。在全球范圍內，人工智 能專利申請主要來源于中國、美國和日本。2000年至2018年間，中美日三國AI專利申請量占全球總申請量的73.95%。中國雖在AI領域起步較晚，但自2010年起，專利產(chǎn)出量首超美國，并長期雄踞申請量首位。

從專利申請領域來看，深度學習、語音識別、人臉識別和機器人等熱門領域均成為各國重點布局領域。其中，美國幾乎全領域領跑，而中國在語音識別(中文語音識別正確率世界 第一)、文本挖掘、云計算領域優(yōu)勢明顯。具體來看，多數(shù)國內專利于AI科技熱潮興起后申請，并集中在應用端(如智能搜索、智能推薦)，而AI芯片、基礎算法等關鍵領域和前沿領域專利技術主要仍被美國掌握。由此反映出中國AI發(fā)展存在基礎不牢，存在表面繁榮的結構性不均衡問題。

從專利權人分布來看，中國高校和科研機構創(chuàng)新占據(jù)主導地位，或導致理論、技術和產(chǎn)業(yè)割斷的市場格局。歐美日人工智能申請人集中在企業(yè)，IBM、微軟、三星等巨頭企業(yè)已構建了相對成熟的研發(fā)體系和策略，成為專利申請量最多的專利人之一。其中，IBM擁有專利數(shù)量全球遙遙領先，截至2018年12月31日，共擁有4079件AI專利。而中國是全球唯一的大學和研究機構AI專利申請高于企業(yè)的國家。由于高校與企業(yè)定位與利益追求本質上存在差異，國內技術創(chuàng)新與市場需求是否有效結合的問題值得關注。

中國 AI專利質量參差不齊，海外市場布局仍有欠缺。盡管中國專利申請量遠超美國，但技術“多而不強，專而不優(yōu)”問題亟待調整。其一，中國AI專利國內為主，高質量PCT數(shù)量較少。PCT(PatentCooperationTreaty)是由WIPO進行管理，在全球范圍內保護專利發(fā)明者的條約。PCT通常被為是具有較高的技術價值。據(jù)中國專利保護協(xié)會統(tǒng)計，美國PCT申請量占全球的41%，國際應用廣泛。而中國PCT數(shù)量(2568件)相對較少，僅為美國PCT申請量的1/4。目前，我國AI技術尚未形成規(guī)模性技術輸出，國際市場布局欠缺;其二，中國實用新型專利占比高，專利廢棄比例大。我國專利類別包括發(fā)明、實用新型專利和外觀設計三類，技術難度依次降低。中國擁有AI專利中較多為門檻低的實用新型專利，如2017年，發(fā)明專利僅占申請總量的23%。此外，據(jù)劍橋大學報告顯示，受高昂專利維護費用影響，我國61%的AI實用新型和95%的外觀設計將于5年后失效，而美國85.6%的專利仍能得到有效保留。

人才儲備：供需失衡，頂尖人才缺口大

人才的數(shù)量與質量直接決定了人工智能的發(fā)展水平和潛力。目前，全球人工智能人才分布不均且短缺。據(jù)清華大學統(tǒng)計，截至2017年，人才儲備排名前10的國家占全球總量的61.8%。歐洲28國擁有43064名人工智能人才，位居全球第一，占全球總量的21.1%。美國和中國分別以28536、18232列席第二、第三位。其中，中國基礎人才儲備尤顯薄弱。根據(jù)騰訊研究院，美國AI技術層人才是中國2.26倍，基礎層人才數(shù)是中國的13.8倍。

我國人工智能人才供需嚴重失衡，杰出人才缺口大。據(jù) BOSS直聘測算，2017年國內人工智能人才僅能滿足企業(yè)60%的需求，保守估計人才缺口已超過100萬。而在部分核心領域(語音識別、圖像識別等)，AI人才供給甚至不足市場需求的40%，且這種趨勢隨AI企業(yè)的增加而愈發(fā)嚴重。在人工智能技術和應用的摸索階段，杰出人才對產(chǎn)業(yè)發(fā)展起著至關重要的作用，甚至影響技術路線的發(fā)展。美國(5158人)、歐盟(5787人)依托雄厚的科研創(chuàng)新能力和發(fā)展機會聚集了大量精英，其杰出人才數(shù)在全球遙遙領先，而中國杰出人才(977人)比例仍明顯偏低，不足歐美的1/5。

人才流入率和流出率可以衡量一國生態(tài)體系對外來人才吸引和留住本國人才的能力。根據(jù) ElementAI企業(yè)的劃分標準，中國、美國等國家屬于AI人才流入與流出率均較低的錨定國(AnchoredCountries)，尤其是美國的人工智能人才總量保持相對穩(wěn)定。具體來看，國內人工智能培育仍以本土為主，海外人才回流中國的AI人才數(shù)量僅占國內人才總量的9%，其中，美國是國內AI人才回流的第一大來源大國，占所有回流中國人才比重的43.9%。可見國內政策、技術、環(huán)境的發(fā)展對海外人才的吸引力仍有待加強。

科研能力是人工智能產(chǎn)業(yè)發(fā)展的驅動力。從論文產(chǎn)出數(shù)量來看，1998-2018年，歐盟、中國、美國位列前三，合計發(fā)文量全球占比69.64%。近些年，中國積極開展前瞻性科技布局，AI發(fā)展勢頭強勁，從1998年占全球人工智能論文比例的8.9%增長至2018年的28.2%，CAGR17.94%。2018年，中國以24929篇AI論文居世界首位。中國研究活動的活躍從側面體現(xiàn)在人工智能發(fā)展?jié)摿^大。

我國論文影響力仍待提高，但與歐美差距逐年縮校FWCI(Field-WeightedCitationImpact，加權引用影響力)指標是目前國際公認的定量評價科研論文質量的最優(yōu)方法，我們利用FWCI表征標準化1后的論文影響力。當FWCI≥1時，代表被考論文質量達到或超過了世界平均水平。近20年，美國的AI論文加權引用影響力“獨領風騷”，2018年，F(xiàn)WCI高于全球平均水平的36.78%;歐洲保持相對平穩(wěn)，與全球平均水平相當;中國AI領域論文影響力增幅明顯，2018年，中國FWCI為0.80，較2010年增長44.23%，但論文影響力仍低于世界平均水平的20%。從高被引前1%論文數(shù)量來看，美國和中國高質量論文產(chǎn)出為于全球第一、第二位，超出第三位英國論文產(chǎn)出量近4倍。綜合來看，中國頂尖高質量論文產(chǎn)出與美國不分伯仲，但整體來看，AI論文影響力與美國、歐美仍有差距。

從發(fā)文主體來看，科研機構和高校是目前中國人工智能知識生產(chǎn)的絕對力量，反映出科研成果轉化的短板。而美國、歐盟和日本則呈現(xiàn)企業(yè)、政府機構和高校聯(lián)合參與的態(tài)勢。據(jù)Scopus數(shù)據(jù)顯示，2018年，美國企業(yè)署名AI論文比例是中國的7.36倍，歐盟的1.92倍。2012年至2018年，美國企業(yè)署名AI論文比例增長43pct，同期中國企業(yè)署名AI論文僅增長18pct。此外，人工智能與市場應用關聯(lián)密切，校企合作論文普遍存在。而我國校-企合作論文比例僅為2.45%，與以色列(10.06%)、美國(9.53%)、日本(6.47%)差別較大。從產(chǎn)學結合的角度，中國人工智能研究以學術界為驅動，企業(yè)在科研中參與程度較低，或難以實現(xiàn)以市場為導向。

中國人工智能高校數(shù)量實位于第二梯隊，實力比肩美國。高校是人工智能人才供給和論文產(chǎn)出的核心載體。據(jù)騰訊研究院統(tǒng)計，全球共 367所高校設置人工智能相關學科，其中，美國(168所)獨占鰲頭，占據(jù)全球的45.7%。中國擁有20所高校與英國并列第三，數(shù)量上稍顯遜色。此外，中國高校實力普遍上升，表現(xiàn)強勁。據(jù)麻省理工學院2019年發(fā)布的AI高校實力Top20榜單中，中國清華大學、北京大學包攬前兩名，較2018年分別上升1個和3個名次。

中國研發(fā)高投入高強度，在全球研發(fā)表現(xiàn)中占據(jù)重要地位。從研發(fā)投入的角度，美國、中國、日本和德國始終是全球研發(fā)投入的主力軍。據(jù) IDC統(tǒng)計顯示，2018年四國的研發(fā)投入總和占全球總量的比例已達60.77%。其中，美國憑借其強大的研發(fā)實力連續(xù)多年位居全球研發(fā)投入的榜首。近年來，中國研發(fā)投入呈現(xiàn)一路猛增的強進勢頭，據(jù)Statista統(tǒng)計，國內2019年研發(fā)投入額為5192億美元，僅次于美國。且趨勢上與美國差距不斷縮小，2000年至2019年，CAGR高達14.43%，同期美國CAGR僅2.99%。由于經(jīng)濟疲軟等諸多原因，歐盟與日本則呈現(xiàn)較為緩慢的上升趨勢。據(jù)研發(fā)投入與強度增長的趨勢推測，中國或在1-2年內取代美國的全球研發(fā)領先地位。從研發(fā)強度的角度，中國研發(fā)強度總體上呈逐步攀升的趨勢，且漲幅較大。但對創(chuàng)新活動投入強度的重視程度仍與美國和日本存在差距。2018年中國研發(fā)強度1.97%，低于日本和美國1.53、0.87個百分點。

資本投入：資金多而項目缺，資本投向側重終端市場

中美是全球人工智能“融資高地”。人工智能開發(fā)成本高，資本投入成為推動技術開發(fā)的主力。在全球范圍內，美國是人工智能新增企投融資領先者，據(jù)CAPIQ數(shù)據(jù)顯示，2010年至2019年10月，美國AI企業(yè)累計融資773億美元，領先中國320億美元，占全球總融資額的50.7%。尤其是特朗普政府以來，人工智能投資力度逐步加碼。中國作為全球第二大融資體，融資總額占全球35.5%?？紤]到已有格局和近期變化，其他國家和地區(qū)難以從規(guī)模上撼動中美兩國。從人工智能新增企業(yè)數(shù)量來看，美國仍處于全球領先地位。2010至2018年，美國累計新增企業(yè)數(shù)量7022家，較約是中國的8倍(870家)。中國每年新增人工智能企業(yè)在2016年達到179家高點后逐漸下降，近兩年分別是179家(2017年)，151家(2018年)，表明中國資本市場對AI投資也日趨成熟和理性。整體來看，中國人工智能新增企業(yè)增勢緩慢，但融資總額漲幅迅猛。這一“資金多而項目缺”的態(tài)勢或是行業(yè)泡沫即將出現(xiàn)的預警。

相比較美國，中國資本投向側重易落地的終端市場。從融資層面來看，中國各領域發(fā)展較為均衡，應用層是突出領域，如自動駕駛、計算機學習與圖像、語音識別和無人機技術領域的新增融資額均超過美國。而美國市場注重底層技術的發(fā)展。據(jù)騰訊研究院數(shù)據(jù)顯示，芯片和處理器是美國融資最多的領域，占總融資額的31%。當前中國對人工智能芯片市場高度重視，但受限于技術壁壘和投資門檻高，國內芯片融資處于弱勢。

基于信息熵的 TOPSIS法：綜合指標評估(略)

數(shù)據(jù)結果顯示，美國綜合指標及三大項目指標評分絕對領先，中國第二，歐洲 28國暫且落后。具體來看，美國在人工智能人才儲備、創(chuàng)新產(chǎn)出、融資規(guī)模方面優(yōu)勢明顯。中國作為后起之秀，盡管有所趕超，但總體水平與美國相比仍有差距，尤其是杰出人才資源、高質量專利申請上存在明顯的缺陷和短板。但在論文數(shù)量和影響力、研發(fā)投入等指標上，中國正快速發(fā)展，與美國差距收窄。從各指標具體分析來看，我國人工智能研究主要分布在高校和科研機構，企業(yè)參與度較低，產(chǎn)出成果較多呈現(xiàn)條塊化、碎片化現(xiàn)象，缺乏與市場的系統(tǒng)性融合，這將不利于中國人工智能技術的發(fā)展和產(chǎn)業(yè)優(yōu)勢的發(fā)揮。此外，我國科研產(chǎn)出、企業(yè)數(shù)量和融資領域集中于產(chǎn)業(yè)鏈中下游，上游核心技術仍受制于國外企業(yè)。未來，若國內底層技術領域仍未能實現(xiàn)突破，勢必導致人工智能產(chǎn)業(yè)發(fā)展面臨瓶頸。

展望：乘風破浪，探尋彎道超車之路

國內人工智能追趕速度迅猛，但基礎薄弱問題突出。在強有力的戰(zhàn)略引領和政策支持下、依托龐大的數(shù)據(jù)體量、豐富的應用場景和高度的互聯(lián)網(wǎng)普及率，中國人工智能產(chǎn)業(yè)持續(xù)保持蓬勃發(fā)展態(tài)勢，并躋身全球人工智能第一梯隊。技術上，我國人工智能論文和專利申請量長期雄踞世界首位，在國際技術競賽中多次拔得頭籌;產(chǎn)業(yè)上，以阿里巴巴、騰訊為代表的科技巨頭全面布局人工智能生態(tài)，以寒武紀、科大訊飛、商湯科技為代表的初創(chuàng)企業(yè)深耕垂直領域，打造技術護城河。我國人工智能產(chǎn)業(yè)規(guī)模、資本投入、企業(yè)數(shù)量呈現(xiàn)爆發(fā)式增長，智能技術與實體融合持續(xù)加強，落地場景不斷豐富。但我們也應當意識到，與美國、歐洲相比，我國在產(chǎn)業(yè)鏈分布上更加集中于應用落地端口。長期市場化導向導致國內行業(yè)發(fā)展出現(xiàn)結構性失衡，基礎理論缺乏、原創(chuàng)算法薄弱、高端芯片依賴進口等問題凸顯，這也反映出中國人工智能發(fā)展不牢的風險點。因此，站在科技創(chuàng)新的“巨型風口”，我們更需要審慎后續(xù)技術路線和產(chǎn)業(yè)發(fā)展路徑，加大科研攻關力度，補齊技術短板。

從中短期看，技術優(yōu)化、落地場景的開拓和滲透是是最主要的增長點;從長期看，智能生態(tài)體系建設才是彎道超車的必由之路。人工智能產(chǎn)業(yè)的核心競爭力在于生態(tài)體系的建設，包括大數(shù)據(jù)、算法理論、底層技術、應用生態(tài)、人才儲備等層面。而我國人工智能產(chǎn)業(yè)生態(tài)和基礎設施建設正處于探索期，如何實現(xiàn)核心技術的突破和拓寬人工智能技術與社會經(jīng)濟融合場景著力點在于人才儲備和持續(xù)的研發(fā)投入。從人才的角度，收窄技術差距的根本在于優(yōu)化人的知識結構和能力。當前政策應側重建立人才培養(yǎng)體系，為人工智能打造人才資源池，尤其是在基礎學科領域突破人才瓶頸。同時，打破“唯數(shù)量論”的科研評價和考核體系，改變人才激勵機制勢在必行。我國人工智能專利申請和科研產(chǎn)出數(shù)量全球領先，但質量堪憂。唯有從源頭改變評價機制，才能扭轉“量多而質優(yōu)”的問題。從研發(fā)的角度，企業(yè)技術優(yōu)化和創(chuàng)新能力是解決產(chǎn)業(yè)痛點的關鍵?；A研究的投入周期長、不確定性大、和風險高特點決定了其難以短期內獲得投資回報，但基礎領域的突破將為經(jīng)濟帶來長期和廣泛的溢出效應，因此，國內更應關注底層技術的研發(fā)投入，扭轉傳統(tǒng)技術路徑，顛覆核心技術受制于人的被動局面。此外，人工智能在賦能機器模擬人類進行決策的同時產(chǎn)生的倫理道德、隱私保護和社會安全問題值得關注。由于法律法規(guī)存在滯后性，尚無法對人工智能技術進行有效監(jiān)管。我國應加快人工智能倫理研究，及早識別人工智能治理風險。