2018年中国人工智能产业发展形势展望_14页_3mb

2018年中国人工智能产业发展形势总结

核心内容

2018年，中国人工智能产业在技术创新、产业整合、与实体经济融合以及政策资本支持等方面持续发展，但也面临底层技术积累不足、商业化路径不明确、发展氛围浮躁以及专业人才短缺等挑战。未来，产业需通过技术创新、生态建设、人才培养等多方面努力，推动人工智能的可持续发展。

主要观点

技术创新持续进展，认知性应用成为亮点

• 感知智能成熟：计算机视觉和语音识别等感知智能技术已较为成熟，静态图像识别准确率达99%，语音识别准确率达95%。
• 认知智能发展：2018年，感知智能将与认知智能融合，实现逻辑判断、认知推理、情感互动和辅助决策等更高层次的应用。
• 技术突破方向：重点在深度学习算法、基础硬件（如芯片、传感器）和核心软件（如算法开发工具、数据库）等方面推进创新。

产业进入平稳增长阶段，资源整合加快

• 产业规模稳步增长：预计2018年产业规模将超过230亿元，增速趋缓但结构更优。
• 资本趋于理性：投融资事件数量减少，但单笔金额增大，马太效应凸显。
• 大企业主导整合：BAT等大公司通过战略合作和投资并购，加速获取核心技术，推动行业资源整合。

与实体经济融合加速，市场应用空间拓展

• 融合趋势明显：人工智能与实体经济融合加快，预计为实体经济带来超过1000亿元的增长。
• 应用场景广泛：零售、交通、医疗、制造、金融等领域将出现大量新产品和服务，如无人商店、智能投顾、数字孪生等。
• 市场潜力巨大：中国在数据规模和产品创新能力方面已进入世界第一梯队，推动应用层与基础层协同发展。

政策与资本支持加强，顶层设计推动发展

• 政策体系完善：2017年国家层面密集出台人工智能政策，包括“人工智能2.0”重大项目、《新一代人工智能发展规划》等。
• 地方布局跟进：各省市将结合自身优势，制定人工智能发展规划，形成中央与地方联动机制。
• 资本集中趋势：资本更关注应用层和基础层，尤其是芯片、深度学习算法等领域，投融资层次更加丰富。

关键信息

面临的问题与挑战

1. 底层技术基础薄弱

   • 应用技术已接近国际领先，但基础元器件、底层算法和理论研究仍存在较大差距。
   • 芯片领域融资占比仅为2.1%，企业数量少且规模小。

2. 应用路径不明朗，商业价值兑现难

   • 传统行业对人工智能的认知不足，存在改造成本高、效益不明确的疑虑。
   • 行业准入壁垒（如数据、标准、安全评估）限制了人工智能的推广应用。

3. 发展氛围浮躁，同质化风险突出

   • 企业扎堆于热门领域，缺乏核心技术积累，产品趋同。
   • 政府过度依赖招商引资，缺乏对产业生态的耐心培育。

4. 专业人才不足

   • 我国人工智能人才数量仅为美国的50%，且经验丰富的人员比例不足40%。
   • 基础层人才严重缺乏，占比仅约3.3%，不利于核心技术研发。

对策建议

技术创新突破

• 重点突破基础领域：加强深度学习、芯片、传感器等基础技术研究。
• 推动技术融合发展：开发关键软件，构建开源平台，促进多领域应用技术产业化。
• 强化基础支撑建设：建设共享计算平台、身份认证平台、云服务平台等。

加速与实体经济融合

• 推动重点领域示范应用：在工业、教育、医疗等领域深化应用，促进传统行业转型升级。
• 消除行业准入壁垒：建立公共数据库、测试标准、服务平台，完善安全评估体系。

完善创新生态体系

• 打造产业创新平台：以领军企业为核心，构建创新网络和企业集群。
• 建设区域创新平台：结合地方优势，推动区域协同发展。
• 构建开源开放平台：促进产业集群互动，形成点、线、群、网结合的创新体系。
• 打造技术竞合平台：依托行业联盟，推动技术共享与合作，形成良性互动格局。

培育开放发展氛围

• 促进开放创新体系建设：通过产业联盟和比赛，提升企业创新能力。
• 推动国内外交流合作：加强与国际专家、企业及智库的沟通与合作。
• 制定联盟标准和规范：提升专业机构水平，规范行业发展。

强化人才培养培训

• 加强学科建设：推动高校与科研机构合作，优化人工智能学科布局。
• 培养跨学科人才：提升师资力量，扩大高学历人才培养规模。
• 促进产学研结合：通过校企合作，增强人工智能与传统产业的融合能力。