中国人工智能发展白皮书2020

2019年人工智能发展白皮书

风起云涌：人工智能关键技术不断取得突破

相得益彰：人工智能赋能产业与应用场景

百川归海：人工智能开放创新平台逐步建立

各领风骚：全球人工智能公司一览

目 录

01

02

03

04

前言

人工智能是一个很宽泛的概念，概括而言是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测，到2030年人工智能的出现将为全球GDP带来额外14%的提升，相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据，世界人工智能市场将在2020年达到6800亿元人民币，复合增长率达26.2%，而中国人工智能市场也将在2020年达到710亿元人民币，复合增长率达44.5%。

我国发展人工智能具有多个方面的优势，比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等，但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术（计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等）、人工智能典型应用产业与场景（安防、金融、零售、交通、教育、医疗、制造、健康等）做出了梳理，而且同时强调人工智能开放平台的重要性，并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后，列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动，我国整个人工智能行业的生态圈也会逐步完善，从而为智慧社会的建设贡献巨大力量。

/01

风起云涌：人工智能关键技术不断取得突破

八大人工智能关键技术

选取标准：

?技术相对取得较大突破；

?应用场景相对明确；

?在产业界、学术界、投资界引起较大的关注。

计算机视觉技术自然语言处理技术跨媒体分析推理技术智适应学习技术

群体智能技术自主无人系统技术智能芯片技术脑机接口技术

计算机视觉(Computer Vision)是一门研究如何使机器“看”的科学，更进一步地说，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量的科学。近几年计算机视觉技术实现了快速发展，其主要学术原因是2015年基于深度学习的计算机视觉算法在ImageNet数据库上的识别准确率首次超过人类，同年Google也开源了自己的深度学习算法。计算机视觉系统的主要功能有图像获取、预处理、特征提取、检测/分割

和高级处理。

图像获取预处理特征提取检测/分割高级处理

提取二维图像、三维图组、图像序列或相关的物理数据，如声波、电磁波或核磁共振的深度、吸收度或反射度对图像做一

种或一些预

处理，使图

像满足后继

处理的要

求，如：二

次取样保证

图像坐标的

正确，平滑

去噪等

从图像中提

取各种复杂

度的特征，

如：线，边

缘提取和脊

侦测，边角

检测、斑点

检测等局部

化的特征点

检测

对图像进行

分割，提取

有价值的内

容，用于后

继处理，

如：筛选特

征点，分割

含有特定目

标的部分

验证得到的

数据是否匹

配前提要

求，估测特

定系数，对

目标进行分

类

国际计算机视觉大会

（ICCV 2019）

欧洲计算机视觉会议

（ECCV 2018）

ImageNet大规模视觉识别

挑战赛（ILSVRC）

国际计算机视觉与模式识

别会议（CVPR 2019）

其他

近年来，计算机视觉在产业界和学术界不断取得突破。

国际计算机视觉大会（IEEE International Conference on

Computer Vision，简称ICCV）是全球计算机视觉领域三大顶

级会议之一，2019年该大会共收到4328篇论文投稿，相比上

一届 ICCV 2017，数量翻了一倍不止。其中，中科院和清华大

学的投稿数量在所有机构中遥遥领先。

欧洲计算机视觉会议（Europeon Conference on Computer

Vision，简称ECCV）是全球计算机视觉领域三大顶级会议之

一，2018年该大会共收到论文投稿2439篇，涵盖对抗性机器

学习，对人、物体和环境的超快三维感知、重建与理解，面部

追踪及其应用，行人重识别的表征学习，视觉定位等主题。

国际计算机视觉与模式识别会议（Computer Vision and

Pattern Recognition，简称CVPR）是全球计算机视觉领域三

大顶级会议之一，2019年该大会共录取来自全球的论文1299

篇，其中腾讯公司的腾讯优图和腾讯AI Lab有超过58篇论文被

接收，相比过去两年成绩大幅提升。

ImageNet大规模视觉识别挑战赛（ILSVRC）从2010年开始举

办，一年一度，至2017年终结，有力推动了计算机视觉的发

展。截至2016年，ImageNet中含有超过1500万由人手工注释

的图片网址，标签超过2.2万个类别，图像识别错误率已经达到

2.9%，远远超越人类（5.1%）。

清华大学研究团队提出了一种全新的卷积神经网络架构

DenseNet，显著地提升了模型在图片识别任务上的准确率；

北京大学和微软亚洲研究院研究团队提出了一种新的硬感知深

度级联嵌入方法来考虑硬水平的样本；……

传统翻译采用人工查词的方式，不但耗时长，而且错误率高。图像识别技术(OCR)的出现大大提升了翻译的效率和准确度，用户通过简单的拍照、截图或划线就能得到准确的翻译结

翻译

计算机视觉还有助于比赛和策略分析、球员表现和评级，以及跟踪体育

节目中品牌赞助的可见性。

体育赛事

半自动联合收割机可以利用人工智能和计算机视觉来分析粮食品质，并找出农业机械穿过作物的最佳路径。另外也可用来识别杂草和作物，有效减

少除草剂的使用量。

农业

计算机视觉也可以帮助制造商更安全、更智能、更有效地运行，比如预测性维护设备故障，对包装和产品质量进行监控，并通过计算机视觉减少

不合格产品。

制造业

自动驾驶汽车需要计算机视觉。特斯拉(Tesla)、宝马(BMW)、沃尔沃(Volvo)和奥迪(Audi)等汽车制造商Y已经通过摄像头、激光雷达、雷达和超声波传感器从环境中获取图像，研发自动驾驶汽车来探测目标、车道标

志和交通信号，从而安全驾驶。

交通

中国在使用人脸识别技术方面无疑处于领先地位，这项技术被广泛应用于警察工作、支付识别、机场安检，甚至在北京天坛公园分发厕纸、防止厕纸被盗，以及其他许多应用。

安防

由于90％的医疗数据都是基于图像的，因此医学中的计算机视觉有很多用途。比如启用新的医疗诊断方法，分析X射线，乳房X光检查，监

测患者等。

医疗

计算机视觉技术的典型应用案例

自然语言处理（Natural Language Processing）是一门通过建立形式化的计算模型来分析、理解和处理自然语言的学科，也是一门横跨语言学、计算机科学、数学等领域的交叉学科。自然语言处理，是指用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、分析、理解、生成等的操作和加工。自然语言处理的具体表现形式包括机器翻译、文本摘要、文本分类、文本校对、信息抽取、语音合成、语音识别等。可以说，自然语言处理就是要计算机理解自然语言，自然语言处理机制涉及两个流程，包括自然语言理解和自然语言生成，自然语言理解是让计算机把输入的语言变成有意思的符号和关系，然后根据目的再处理；自然语言生成则是把计算机数据转化为自然语言。实现人机间的信息交流，是人工智能界、计算机科学和语言学界所共同关注的重要问题。从2008年到现在，在图像识别和语音识别领域的成果激励下，人们也逐渐开始引入深度学习来做自然语言处理研究，由最初的词向量到2013年word2vec，将深度学习与自然语言处理的结合推向了高潮，并在机器翻译、问答系统、阅读理解等领域取得了一定成功。深度学习是一个多层的神经网络，从输入层开始经过逐层非线性的变化得到输出。从输入到输出做端到端的训练。把输入到输出对的数据准备好，设计并训练一个神经网络，即可执行预想的任务。RNN已经是自然语言护理最常用的方法之一，GRU、LSTM 等模型相继引发了一轮又一轮的热潮。

自然语言处理技术的技术层次

自然语言处理技术的发展历程

语音分析词法分析句法分析语用分析

语义分析

20世纪70年代

?理性主义方法

?基于统计的方法

20世纪50年代

?图灵测试

?经验主义方法

?基于规则的方法

2008

?深度学习

未来

自然语言处理的研究可以分为基础性研究和应用性研究两部分，语音和文本是两类研究的重点。基础性研究主要涉及语言学、数学、计算机学科等领域，相对应的技术有消除歧义、语法形式化等。应用性研究则主要集中在一些应用自然语言处理的领域，例如信息检索、文本分类、机器翻译等。由于我国基础理论即机器翻译的研究起步较早，且基础理论研究是任何应用的理论基础，所以语法、句法、语义分析等基础性研究历来是研究的重点，而且随着互联网网络技术的发展，智能检索类研究近年来也逐渐升温。近年来，计算机视觉在产业界和学术界不断取得突破，取得代表性成果的组织有谷歌、阿里、百度、搜狗、科大讯飞等公司，清华大学、Allen人工智能研究所等高校/研究所以及其他多种类型的组织或个人。

谷歌

科大 讯飞

2018年谷歌AI团队发布BERT模型，该模型是2018年最火的自然语言处理模型，在模型开源后的短短几个月时间里，已经有学者表示BERT为人工智能的发展带来了里程碑式的意义。2019年6月，CMU与谷歌大脑提出新的NLP训练模型XLNet，该模型在SQuAD、GLUE、RACE等20个任务上全面超越了BERT。

科大讯飞早在2016年就推出了全新的深度全序列卷积神经网络(DFCNN)语音识别框架，该框架的表现比学术界和工业界最好的双向RNN语音识别系统识别率提升了15%以上。2019年，讯飞输入法的语音识别准确率已达到了98%，并采用记忆增强的全端到端语音识别模型，开启语音输入“免切换”时代，即中英、粤语和普通话以及离线与在线语音之间不切换直接输入。

2019年，百度、搜狗的语音识别的准确率已达到了97%。搜狗更是在2017年底就推出了“黑科技”唇语识别技术，当时针对日常用语的识别就可以达到50%~60%的准确率，针对命令词的识别可达到85%~90%，较早地做了唇语识别的技术储备。

阿里

阿里巴巴人工智能实验室推出的天猫精灵是目前全球唯一通过语音识别技术实现声纹购物功能的人工智能产品。2019年前三季度，天猫精灵AI智能音箱销量超1047万台，销量排名在国内第1、世界第3，是全球最大的中文人工智能音箱。

百度、搜狗

Allen 研究所

清华大学

清华大学自然语言处理小组开发出THUMT神经机器翻译开源工具包。THUMT 在 Theano 上层实现了标准的基于注意的编码器-解码器框架，并且支持三种训练标准：最大似然估计、最小风险训练和半监督训练。它的特点是有一个可视化工具，演示神经网络和语境单词隐藏态间的关联，从而帮助分析 NMT 的内部工作机制。在中英数据集上的实验显示 THUMT 使用最小风险训练极大的超越了 GroundHog 的表现，它也是 NMT 的一个顶尖工具包。

Allen人工智能研究所于2018年年初提出了ELMo （Embeddings from Language Models）模型，提供了从深度双向语言模型(biLM)中学习的单词嵌入思路。该模型主要在大型文本语料库上进行预训练，从而使迁移学习和这些嵌入能够在跨越不同的NLP任务。

2018年12月，Facebook开源了自己的NLP建模框架PyText，每天处理超10亿个NLP任务。

Facebook

更多……

3.跨媒体分析推理技术

以往的媒体信息处理模型往往只针对某种单一形式的媒体数据进行推理分析，比如图像识别、语音识别、文本识别等，而越来越多的任务需要像人一样能够协同综合处理多种形式（文本、音频、视频、图像等）的信息，这就是跨媒体分析与推理。跨媒体是一个比较广义的概念，既表现为包括网络文本、图像、音频、视频等复杂媒体对象混合并存，又表现为各类媒体对象形成复杂的关联关系和组织结构，还表现在具有不同模态的媒体对象跨越媒介或平台高度交互融合。通过“跨媒体”能从各自的侧面表达相同的语义信息，能比单一的媒体对象及其特定的模态更加全面地反映特定的内容信息。相同的内容信息跨越各类媒体对象交叉传播与整合，只有对这些多模态媒体进行融合分析，才能尽可能全面、正确地理解这种跨媒体综合体所蕴涵的内容信息。

跨媒体分析推理技术主要包括跨媒体检索、跨媒体推理、跨媒体存储几个研究范畴，可应用于网络内容监管、舆情分析、信息检索、智慧医疗、自动驾驶、智能穿戴设备等场景。

近年来，跨媒体分析推理技术在产业界和学术界也不断取得突破。

IBM的智能问答系统

谷歌利用搜索模式来

预测流感的传播情况百度的知识图谱

Netflix

字节跳动

百度知识图谱依托海量的日志

数据、互联网数据和垂类数

据，综合运用语义理解、知识

挖掘、知识整合与补全等技

术，提炼出高精度知识，并组

织成图谱，进而基于知识图谱

进行理解、推理和计算等，帮

助人工智能更好地理解和建模

客观世界。

字节跳动成立于2012年，公司的主要产

品“今日头条”“抖音”“tiktok”都

是基于数据挖掘技术做个性化推荐引擎

的产品，致力于帮助用户在移动互联网

上方便快捷地获取最有价值的信息，它

会根据用户的兴趣为其推荐内容，这是

对传统信息分发方式的一次巨大颠覆。

Netflix提供互联网随选

流媒体播放，定制

DVD、蓝光光碟在线出

租业务。Netflix解构了

几乎所有的电影，用精

细、准确的微标签和评

级推荐系统去给电影重

新分类，形成个性化推

荐。

作为教育领域最具突破性的技术，智适应学习技术(I n t e l l i g e n t A d a p t i v e Learning) 模拟了老师对学生一对一教学的过程，赋予了学习系统个性化教学的能力。和传统千人一面的教学方式相比，智适应学习系统带给了学生个性化的学习体验，提升了学生的学习投入度和学习效率。采用了智适应学习技术的学习系统能够针对学生的具体学习情况提供个性化学习解决方案，包括定位学生的知识漏洞、持续性地评估学生的学习能力水平和知识状态、实时动态提供个性化学习内容。智适应学习技术让教育领域一直困扰的质量、成本、可获取性三大矛盾因素变成了历史。智适应学习技术体系包括知识状态诊断、能力水平评测和学习内容推荐等。知识状态诊断技术是指通过少量试题，在较短时间精准诊断出学生的知识漏洞，这一技术较常用的算法是知识空间理论。能力水平评测技术是指评测出学生的知识掌握情况，分析出学生得到提升的学习能力、学习思维和学习方法，这一技术较常用的算法是项目反应理论、贝叶斯知识追踪。学习内容推荐技术是指依据学生学习情况，推荐合适的学习内容，这一技术较常用的算法是机器学习算法，该算法以学生的所有信息为输入，输出是学生接下来需要学习的内容，达到最大化学习效率的目的。

在2010年之后，智适应学习技术得到了快速发展，这背后的推动力有强大的计算力和海量的数据，更重要的还有贝叶斯网络算法的应用。学生知识状态的建立是一件高成本的事，传统模式下判断学生的知识状态需要针对每一个知识点出题考察，有了强大的计算力后，就能够快速模拟出学生的知识状态空间，并且定位到学生的知识状态；海量的数据有助于机器学习算法发挥更大的价值。采用了贝叶斯算法之后，智适应学习系统能够实时持续性地评估学生当前的能力水平、并且及时动态调整学习内容，这在之前是没有实现的。

目前在全球已有一亿多学生在使用智适应学习系统，覆盖了各个年龄段，从小学、初中、高中，到高等教育、职业教育和成人教育，已应用到文、理、工、医等不同学科领域。

大量学生的使用数据显示，智适应学习系统的教学效果好于传统教学模式。

其他学术成果：2018年上半年最新国际学术研究成果，再一次有效验证了智适应学习系统的学习效果优于传统授课。其中，发表在国际知名学术会议International Conference on Learning Analytics & Knowledge上的论文“Studying Adaptive Learning Efficacy using Propensity Score Matching”的研究发现使用智适应系统ALEKS数学课程的学生的课程通过率比未使用ALEKS学生高出15个百分点。人机大战：几年前，美国进行了一系列关于智适应教育的人机大战。在这场人机大战中，智适应教育表现出了三个亮点：采用智适应教育的学生平均分高于接受人工教学的学生成绩，提升效果显著；及格率普遍提升，对基础较差的学生效果尤为明显；学生能够提前完成学习任务，学习效率显著提高。

大学：亚利桑那州立大学引进Knewton推出的数学智适应辅助课程后，学生通过率提高了17%， 课程退学率降低56%，且45%的学生提前四周完成课程。在东北伊利诺伊大学，运用过Knewton制定的学习计划的学生比没有使用的同学取得了更好的考试成绩。美国雷丁区社区学院中使用Pearson MyMathLab的智适应学习产品的学生，比未使用的学生数学分数高出12.5%。

中国：自2014年，以松鼠AI 1对1为智适应领域领军企业、新东方、好未来等公司开始投入智适应领域。其中，松鼠AI 1对1自主研发的智适应学习系统能够模拟教师给孩子一对一量身定做教育方案，并且一对一实施教育过程，比传统教育效率提升5-10倍。松鼠AI 1对1成立实验室，与斯坦福国际研究院（SRI）进行联合技术开发，并且与卡内基梅隆大学（CMU）、中科院自动化所成立了AI智适应教育联合实验室，机器学习教父、CMU前任计算机院长Tom Mitchell教授任其首席AI科学家，CMU计算机及心理学系教授、Cognitive Tutor创办者Ken Koedinger任首席学习科学家。

小学：佛罗里达州的Wynnebrook学校的小学生每天用Waggle复习准备佛罗里达州统一测试，该校三年级到五年级学生在这次测试中比同地区其他学生表现更优异。迈阿密一所小学的小学生每天用智适应学习系统Waggle复习准备佛罗里达州统一测试，在2015年一次全新的并且难度更大的测试中，该校三年级到五年级学生比同地区其他学生表现更优异，英语和数学学科平均高出10%。

中学：City Springs初级中学，是一所非常贫困的公立学校，然而在使用Knewton的Waggle后在学业成绩上有了很大提高。在阅读学科，在NEWA MAP评估测试中，达到预计进步的三年级到八年级学生比例比没有开始Waggle学习的2014年高出25个百分点。在数学学科，除了七年级学生分数预计提高13%，其他年级同学分数均提高超过20%。

5.群体智能技术

阿里巴巴研究团队提出了一个多智能体双向协调网络BiCNet，智能体可以通过该网络进行交流以达到协同工作的目的，研究中使用暴雪娱乐公司的一款知名战略游戏,模拟游戏中各种单位之间的协同合作。

群体智能(collective intelligence)也称集体智能、群智。群体智能是一种共享的智能，是集结众人的意见进而转化为决策的一种过程，用来对单一个体做出随机性决策的风险。对群体智能的研究，实际上可以被认为是一个属于社会学、商业、计算机科学、大众传媒和大众行为的分支学科，研究从夸克层次到细菌、植物、动物以及人类社会层次的群体行为的一个领域。

群体智能最早源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究，自1991年意大利学者Dorigo提出蚁群优化（Ant Colony Optimization, ACO）理论开始，群体智能作为一个理论被正式提出，并逐渐吸引了大批学者的关注，从而掀起了研究高潮。1995年，Kennedy 等学者提出粒子群优化算法（Particle Swarm Optimization, PSO），此后群体智能研究迅速展开。目前群体智能的研究主要包括智能蚁群算法和粒子群算法，智能蚁群算法主要包括蚁群优化算法、蚁群聚类算法和多机器人协同合作系统。其中，蚁群优化算法和粒子群优化算法在求解实际问题时应用最为广泛。

随着群体智能算法在诸如机器学习、过程控制、经济预测、工程预测等领域取得了前所未有的成功，它已经引起了包括数学、物理学、计算机科学、社会科学、经济学及工程应用等领域的科学家们的极大兴趣。目前关于群体智能计算的国际会议在全世界各地定期召开，各种关于信息技术或计算机技术的国际会议也都将智能进化技术作为主要研讨课题之一。

群体智能的四项原则开放

对等共享

全体行动

群体智能技术的应用案例

华为

京东

阿里

华为公司以智能路由器为核心打造了HiLink智能家居生态，与多家顶级家居硬件厂商合作，致力于构建一个协调各种家居智能行为的平台。

京东宣布完成全球第一个无人配送而且可以自提的物流站点，该站点能实现全程无人配送中转，无人机将货物送到无人智慧配送站顶部，并自动卸下货物后离开，从入库、包装到分拣、装车，配送，全程由机器人进行操作。

6.自主无人系统技术

自主无人系统是能够通过先进的技术进行操作或管理而不需要人工干预的系统，是由机械、控制、计算机、通信、材料等多种技术融合而成的复杂系统。自主无人系统可应用到无人驾驶车辆、无人机、服务型机器人、空间机器人、海洋机器人、无人车间、智能工厂等场景中，并实现降本增效的作用。

自主性和智能性是自主无人系统最重要的两个特征。人工智能无疑是发展智能无人自主系统的关键技术之一。利用人工智能的各种技术，如图像识别、人机交互、智能决策、推理和学习，是实现和不断提高系统这两个特征的最有效的方法。

2018年9月，阿里人工智能实验室团队开发了业界领先的单车智能系统，包括全天候、全场景的厘米级定位，也包括了大规模的仿真平台，每天能够运营上万公里的测试和模拟。2019年12月，百度Apollo自

动驾驶开放平台升级到

Apollo5.5版本，开放“点到

点城市自动驾驶”能力，另外

Apollo还全新发布了车路协

同、智能车联两大开放平台。

国家自然科学基金委员会举办

“2019中国智能车未来挑战

赛”，比赛相比于前几年，包

括无人驾驶智能车真实综合道

路环境测试、复杂环境认知水

平能力离线测试两部分，以赛

促研。

2018年7月，沈阳新松发布了蛇形臂机器人,蛇形臂机器人拥有12个关节24个自由度，可以平稳、灵活地避开障碍物，并支持远程遥控,适合核检修、航空航天装配以及狭小领域勘察应用。2019年9月，大疆创新发布了

多项产品更新，尤其加强了无

人机技术在全球农业市场的应

用，包括：精灵4多光谱版无

人机、T16 植保无人飞机等。

2018年7月，哈工大机器人集

团自主研发的爬壁机器人和管

道检测机器人亮相第五届中国

俄罗斯博览会，该校是我国第

一台电焊机器人、弧焊机器

人、爬壁机器人、空间机器

人、月球车的诞生地。

7.智能芯片技术

目前，关于智能芯片的定义并没有一个严格和公认的标准。一般来说，运用了人工智能技术的芯片都可以称为智能芯片，但是狭义上的智能芯片特指针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。智能芯片可按技术架构、功能和应用场景等维度分成多种类别。

近年来我国学术界和产业界都加大了对芯片技术的研发力度，国内智能计算芯片技术不断取得新的成果。一些基于传统计算架构的芯片和各种软硬件加速方案相结合，在一些人工智能应用场景下都取得了巨大成功，但由于市场需求的多样性，很难有任何单一的设计和方法能够很好地适用于各类情况。因此，学术界和产业界涌现出多种专门针对人工智能应用的新颖设计和方法，覆盖了从半导体材料、器件、电路到体系结构的各个层次。

按技术架构分类

按功能分类

按应用场景分类

?GPU（图形处理单元） ?半定制化的FPGA ?全定制化ASIC ?

神经拟态芯片

?训练 ?推断

?服务器端（云端） ?移动端（终端）

智能芯片的分类

智能芯片技术的进展

?

浙江大学和杭州电子科技大学合作研制出了国内首款基于硅材料的支持脉冲神经网络的类脑芯片。

?

清华大学微电子系团队依靠长期积累的可重构计算芯片技术，研发了Thinker芯片，这种芯片基于采用可重构架构和电路技术，突破了神经网络计算和访存的瓶颈，实现了高能效多模态混合神经网络计算。Thinker芯片具有高能效的突出优点，其能量效率相比目前在深度学习中广泛使用的GPU提升了三个数量级。

?

西井科技推出了自主研发的深度学习类脑神经元芯片深井(deepwell)和可模拟5000万级别的“神经元”的类脑神经元芯片深南(deepsouth)产品。

?

中国科学院计算技术研究所的寒武纪公司推出了寒武纪1A处理器(Cambricon-1A)，成为全球首款商用深度学习专用处理器，在运行主流智能算法时性能功耗效率大幅超越CPU和GPU，被世界互联网大会评为全球十五项“世界互联网领先科技成果”之一；此后，寒武纪相继发布了面向视觉领域的寒武纪1H8、性能更强的寒武纪1H16，面向智能驾驶领域的寒武纪1M，首款云端智能芯片MLU100。

?

华为发布AI芯片麒麟970，麒麟970选择了高能效的异构计算架构来大幅提升AI算力，特别设计了HiAI移动计算架构。

8.脑机接口技术

教 育

医 疗健康娱乐帮助ICU病人、脑卒中和肌萎缩侧索硬化症等患者与看护者和外界沟通，

通过脑控鼠标移动、脑控键盘输入来实现；帮助（高位）截瘫患者恢复

取拿物品、喝水等一般自理能力。2014年巴西世界杯上，29岁的截瘫青

年Juliano通过脑控外骨骼“机械战甲”成功开球。

为传统休闲娱乐产品提供附加值和新卖点、为消费者接触新兴脑科技提

供触点，主要通过脑控音乐播放、脑控电子绘画、脑控点灯等实现。

脑机接口技术可以通过其对大脑的连接，对大脑施加刺激或根据信号分

析对其进行反馈训练，从而达到恢复其功能的目的。比如帮助残疾人通

过安装可控的智能化义肢恢复常态生活，帮助自闭症、抑郁症等疾病患

者实现行为症状背后脑功能的改善。BrainCo自闭症研究组康谱睿启利用

该技术，对自闭症儿童社交动机的改善有效率超过85% (初步试验结

果)。

能够实现认知负荷、注意力水平、情绪状态等高级思维活动的实时测

量，为学习者或教师根据测量结果调整学习策略或教学策略支持。可通

过帮助开展学习过程中的脑信号控制，帮助学习者调控自身的情绪、注

意力状态，提升学习效果。浙江强脑科技运用神经反馈训练学生认知功

能，已积累超过30000名案例，有效改善率达到75%以上。

2013年

美国“脑计划”

2013年4月，美国奥巴马政府宣布启动美国脑计划，欧

盟几乎同时宣布“人脑工程”作为其未来10年的“新兴

旗舰技术项目”。

2016年

中国“脑计划”

在“十三五”国家科技创新规划中，脑科学与类脑研究

被列为“科技创新2030—重大项目”。自2018年以

来，国家先后批准北京、上海、深圳等地成立国家级脑

科学研究基地

2017年

Facebook“脑打字”

Facebook秘密研究团队Building 8首次公布研究成

果，希望在2年内实现通过大脑-计算机交互界面、每分

钟输出100个单词。

2018年

浙江强脑“人工智能义

肢”

浙江强脑科技推出人工智能义肢，通过识别残疾人的运

动意图，控制假肢与钢琴演奏家郎朗四手合奏。拥有6

个自由度，可帮助残疾人恢复日常生活80%的运动需

要。

2019年

马斯克“大脑缝纫机“

Neuralink创始人马斯克发布脑机接口系统，可通过一

台神经手术机器人向大脑内快速植入大量4-6微米粗细

的线，通过 USB-C接口直接读取大脑信号，并可以用

iPhone 控制。

脑机接口（Brain-Computer Interface，BCI）是在人或动物脑（或者脑细胞的培养物）与外部设备间建立的直接连接通路。通过单向脑机接口技术，计算机可以接受脑传来的命令，或者发送信号到脑，但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。2013年，自美国首次宣布启动“脑计划”以来，欧洲、日本、韩国等陆续参与“脑科技”竞赛项目，据已公开数据表明，全球在脑机接口相关领域的研发支持已经超过200亿美元。

/02

相得益彰：人工智能赋能产业与应用场景

在人工智能技术向各行各业渗透的过程中，不同产品由于使用场景复杂度的不同、技术发展水平的不同，而导致其成熟度也不同。比如，教育和音响行业的核心环节已有成熟产品，技术成熟度和用户心理接受度都较高；个人助理和医疗行业在核心环节已出现试验性的初步成熟产品，但由于场景复杂，涉及个人隐私和生命健康问题，当前用户心理接受度较低；自动驾驶和咨询行业在核心环节则尚未出现成熟产品，无论是技术方面还是用户心理接受度方面都还没有达到足够成熟的程度。

　教育音响个人助理医疗交通咨询

环节拆分核心环节教师教学人机深度互动人机深度互动医生诊疗车辆驾驶复杂事项决策辅助环节练测、教务等人机简单互动人机简单互动购药、支付等车载、维修等信息搜集和整理

核心环节成熟产品应具备的功

能点

规划学习路

径，推送学习

内容，侦测能

力缺陷，预测

学习速度

聊天陪伴，家

居控制，生活

O2O服务，消

费支付

聊天陪伴，预

约安排，工作

处理

判断病因，制

定治疗方案

判断路况，做出

驾驶决策

判断问题原因和

现状，制定解决

方案，预测未来

走向

成熟产品需要的AI技

术

人工智能自适

应技术

语音语义识别

技术

语音语义识

别、深度学习

图像识别、自

然语言处理、

深度学习

生物识别、语音

语义识别、深度

学习等

自然语言处理、

深度学习等

技术成熟度高高中中低低

当前有无成熟产品已有成熟产

品，如AI老师

已有成熟产

品，如智能音

箱

已有初步成熟

产品，如个人

虚拟助理

已有初步成熟

产品，如AI医

生

无成熟产品，如

全自动驾驶

无成熟产品，如

智能顾问

当前用户心理接受度高高

中，原因：担

心信息安全

低，原因：担

心误诊误疗

低，原因：担心

交通事故

低，原因：无法

产生认同

在人工智能技术向各行各业渗透的过程中，安防和金融行业的人工智能使用率最高，零售、交通、教育、医疗、制造、健康行业次之。安防行业一直围绕着视频监控在不断改革升级，在政府的大力支持下，我国已建成集数据传输和控制与一体的自动化监控平台，随着计算机视觉技术出现突破，安防行业便迅速向智能化前进。金融行业拥有良好的数据积累，在自动化的工作流与相关技术的运用上有不错的成效，组织机构的战略与文化也较为先进，因此人工智能技术也得到了良好的应用。零售行业在数据积累、人工智能应用基础、组织结构方面均有一定基础。交通行业则在组织基础与人工智能应用基础上优势明显，并已经开始布局自动驾驶技术。教育行业的数据积累虽然薄弱，但行业整体对人工智能持重点关注的态度，同时也开始在实际业务中结合人工智能技术，因此未来发展可期。医疗与健康行业拥有多年的医疗数据积累与流程化的数据使用过程，因此在数据与技术基础上有着很强的优势。制造行业虽然在组织机构上的基础相对薄弱，但拥有大量高质量的数据积累以及自动化的工作流，为人工智能技术的介入提供了良好的技术铺垫。

组织机构战略与文化数据与技术基础人工智能应用基础可获取的数据量数据积累程度数据储存流程成熟完善数据整洁度

数据有良好的记录与说明文档工作流自动化程度对人工智能友好的IT系统应用场景清晰程度AI运用准备的成熟程度部署AI应用的历史经验解决方案供应商情况总分

金融

零售

安防

医疗

交通

制造

教育

地产

通信

旅游

文娱

能源

高/强

低/弱

健康

1.安防：安保、警务、治安、人车流监控等场景全面应用

人工智能在安防领域的应用场景

文卫

站点

金融

站点交通

站点

公

安园区

楼宇

公务

站点

?重大事件安保

?警务

?社会治安

?机场

?火车站

?路面

?……

?银行网点

?……

?学校

?医院

?剧场

?……

?政府大楼

?检察院

?法院

?海关

?……

?工地

?社区

?商场

?停车场

?……

生

物

特

征

识

别

大

数

据

研

判

智能监控设备

智能摄像头 智能闸机

智能门控机 智能可穿戴设备

……

人工智能系列白皮书-智慧农业

中国人工智能系列白皮书 -- 智慧农业

目录 第1 章智慧农业发展背景 (1) 1.1 人工智能在农业领域中的应用历程 (1) 1.2 智慧农业及其发展趋势 (8) 第2 章农业智能分析 (12) 2.1 农业数据挖掘 (12) 2.1.1 农业数据挖掘特点 (12) 2.1.2 农业网络数据挖掘 (13) 2.1.3 农业数据挖掘应用 (16) 2.2 农业数据语义分析 (18) 2.2.1 农业数据语义模型 (18) 2.2.2 农业数据存储模型 (19) 2.2.3 农业数据知识发现 (20) 2.2.4 农业数据语义检索 (21) 2.2.5 分布式农业知识协同构建 (21) 2.3 农业病虫害图像识别 (22) 2.3.1 基于机器视觉的农业病虫害自动监测识别系统框架 23 2.3.2 农业病虫害图像采集方法 (24) 2.3.3 农业病虫害图像预处理 (26) 2.3.4 农业病虫害特征提取与识别模型构建 (27) 2.3.5 农业病虫害模式识别 (28) 2.4 动物行为分析 (29) 2.5 农产品无损检测 (34) 2.5.1 农产品的无损检测 (35) 2.5.2 农产品无损检测主要方法与基本原理 (36) 2.5.3 无损检测在农产品质量检测中的应用 (38)

2.5.4 问题与展望 (38) 第3 章典型农业专家系统与决策支持 (40) 3.1 作物生产决策系统 (40) 3.1.1 作物生产决策支持系统的概念与功能 (40) 3.1.2 作物决策支持系统的发展 (41) 3.1.3 我国作物决策支持系统发展状况 (41) 3.1.4 作物生产决策支持系统的发展趋势 (42) 3.1.5 作物生产决策支持系统的存在问题 (43) 3.1.6 作物生产决策支持系统的发展措施建议错误!未定义书签。 3.2 作物病害诊断专家系统 (45) 3.2.1 病害诊断知识表达 (45) 3.2.2 作物病害描述模糊处理 (47) 3.2.3 病害诊断知识推理 (47) 3.2.4 基于图像识别的作物病害诊断 (48) 3.3 水产养殖管理专家系统 (49) 3.3.1 问题与挑战 (49) 3.3.2 主要进展 (51) 3.3.3 发展趋势 ........ .... ..... .. (52) 3.4 动物健康养殖管理专家系统 (54) 3.4.1 妊娠母猪电子饲喂站 (54) 3.4.2 哺乳母猪精准饲喂系统 (56) 3.4.3 个体奶牛精准饲喂系统 (57) 3.4.4 畜禽养殖环境监测系统 (58) 3.5 多民族语言农业生产管理专家系统 (59) 3.5.1多民族语言智慧农业即时翻译系统结构 (59) 3.5.2多民族语言农业智能信息处理系统机器翻译流程 .. 60 3.5.3多民族语言农业信息平台中的翻译关键技术 (62)

人工智能行业研究分析报告

概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。

与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。

2018年中国人工智能产业白皮书

２０１８年中国人工智能产业白皮书

册子 / 报告标题|章节标题 目录 主要发现 1第一章人工智能行业综述篇 3 1.1 全球及中国发展概况 4 1.1.1 全球市场 4 1.1.2 发展驱动力 6 1.1.3 面临挑战 11 1.2 人工智能产业链 12 1.2.1 基础层 13 1.2.2 技术层 14 1.2.3 应用层 16 1.3 中国人工智能领域投资 17 1.3.1 投资热点及趋势 17 1.3.2 进击的巨头 19第二章人工智能商业化应用篇 21 2.1 数字政府：政策利好加速政府智能化变革 23 2.2 金融：人工智能变革金融经营全过程 26 2.3 汽车：人工智能正在重塑汽车产业生态 30 2.4 医疗：人工智能加速医疗技术革新 34 2.5 零售：人工智能应用从个别走向聚合 38 2.6 制造业：人工智能应用潜力被低估 44第三章中国主要人工智能产业发展区域及定位 47 3.1 中国人工智能企业分布重点城市 48 3.2 人工智能产业园 57 3.3 杭州未来科技城人工智能发展建议 59 02

册子 / 报告标题|章节标题主要发现 1. 中国人工智能产业发展迅速，但整体实力仍落后于美国。中国已成为人工 智能发展最迅速的国家之一，2018年中国人工智能市场规模有望超过300亿 元人民币。人工智能企业数量超过1000家，位列全球第二。本次人工智能浪 潮以从实验室走向商业化为特征，其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。与此同 时，中国处于人工智能发展初期，基础研究、芯片、人才方面的多项关键指标 与美国差距较大。 2. 中国企业价值链布局侧重技术层和应用层，对需要长周期的基础层关注 度较小。人工智能产业链分为基础层（芯片、算法框架）、技术层（计算机视 觉、自然语义理解、语音识别、机器学习）和应用层（垂直行业/精确场景）。中 国企业布局比较偏好技术相对成熟、应用场景清晰的领域，对基础层关注度 较小。瞄准AI专用芯片或将为中国企业另辟蹊径。 3. 科技巨头生态链博弈正在展开，创业企业则积极发力垂直行业解决方案， 深耕巨头的数据洼地，打造护城河。科技巨头构建生态链，已经占据基础设 施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡，更多的创业企业 将发力深耕巨头的数据洼地（金融、政府事务、医疗、交通、制造业等），切入 行业痛点，提供解决方案，探索商业模式。 4. 政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道， 早期进入的企业逐步建立行业壁垒，未来需要解决数据割裂问题以获得长 足发展。各地政府的工作内容及目标有所差异，因而企业提供的解决方案并 非是完全标准化的，需要根据实际情况进行定制化服务。由于政府一般对于 合作企业要求较高，行业进入门槛提高，强者恒强趋势明显。 5. 人工智能在金融领域的应用最为深入，应用场景逐步由以交易安全为主 向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工 智能在金融行业的应用，改变了金融服务行业的规则，提升金融机构商业效 能，在向长尾客户提供定制化产品的同时降低金融风险。 6. 医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市 场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决 医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康，医疗 又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产 品商业化过程中如何制定医疗和数据监管标准。 03

2016年全球及中国人工智能产业发展分析报告

2016年2月出版

正文目录 1、人工智能是利用人工计算实现人类智能 (4) 1.1、本质：人工智能的本质是对人类智能的模拟甚至超越 (4) 1.2、原理：利用一系列算法驱动电脉冲模拟人脑神经元的运作过程 (5) 2、全球人工智能千亿市场爆发在即，AI+引领未来商业模式新风向 (6) 2.1、人工智能起源于上世纪50 年代，2006 年起进入加速发展的新阶段 (6) 2.2、发达国家火热布局，2040 年或有可能实现广义人工智能 (7) 2.2.1、欧盟：人脑工程项目（HBP） (8) 2.2.2、美国：大脑研究计划（BRAIN） (8) 2.2.3、日本：大脑研究计划（Brain/MINDS） (9) 2.3、下游应用需求迫切+上游技术基础成型，人工智能全球市场规模超千亿 (10) 2.3.1、下游应用需求倒逼、上游技术成型推动，人工智能技术加速发展 (10) 2.3.2、人工智能逐渐受到机构重视，2020 年全球市场规模超千亿 (11) 2.4、人工智能推动传统产业变革，AI+将成为未来普遍的商业模式 (13) 3、人工智能领域风云迭起，科技巨头雄霸天下 (14) 3.1、北美及西欧地区公司数量激增，科技巨头和初创企业是主要玩家 (14) 3.2、感知层技术领域竞争白热化，机器学习等空白蓝海已成大势所趋 (15) 3.3、投资+收购+顶级人才招聘、科技巨头动作频频上演实力争夺 (17) 4、2020年我国人工智能市场规模近百亿，有望实现弯道超车 (19) 4.1、受益四大利好因素，人工智能发展势头良好有望实现弯道超车 (19) 4.2、投资机构青睐有加，2020 年中国人工智能市场规模近百亿 (20) 4.3、感知智能试点阶段，预计我国将在5~10 年内实现感知智能全面普及 (22) 5、行业火爆：企业数量激增发展迅猛，机器人等是典型应用场景 (24) 5.1、巨头基础层切入引发技术革新，创业公司应用层进入带来产业升级 (24) 5.2、机器人、虚拟服务等是目前的典型应用场景，未来将进入各行各业 (26) 5.3、产业投资偏爱应用类企业，软件服务和机器视觉是热门细分领域 (29) 6、海外人工智能企业一览 (29) 6.1、人工智能基础平台领域：IBMWatson (29) 6.2、机器学习领域：Wise.io 实现高效大数据分析 (31) 6.3、语音识别和自然语言处理领域：Facebook、Apple、Microsoft (32) 6.4、图像识别领域：Clarifai 超越传统图像识别界限 (35) 6.5、预测分析领域：Google 云计算能力打造顶级预测API (35) 6.6、先发优势、技术实力、下游爆发潜力是人工智能企业的核心竞争力 (37) 7、我国人工智能投资机遇 (38) 7.1、投资逻辑：短期看好应用开发领域，长期技术研究是投资大势 (38) 7.2、主要公司分析 (39) 7.2.1、科大讯飞 (39) 7.2.2、东方网力 (40) 7.2.3、佳都科技 (41) 7.2.4、新松机器人 (42) 图表目录

2020年人工智能产业发展深度研究报告

2020年人工智能产业发展深度研究报告 一、人工智能市场格局 人工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延申和拓展类人的智能的能力，本质上是对人类思维过程的模拟。AI 概念最早始于1956 年的达特茅斯会议，受限于算法和算力的不成熟，未能实现大规模的应用和推广。近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。据中国电子学会预测，2022全球人工智能市场将达到1630亿元，2018-2022年CAGR达31%。 人工智能赋能实体经济，为生产和生活带来革命性的转变。人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和新产品。从衣食住行到医疗教育，人工智能技术在社会经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测，2035 年，人工智能将推动中国劳动生产率提高27%，经济总增加值提升7.1 万亿美元。 二、多角度人工智能产业比较 目前，全球人工智能产业的生态系统正逐步成型。依据产业链上下游关系，可以将人工智能划分为基础支持层、中间技术层和下游应用层。基础层是人工智能产业的基础，主要提供硬件（芯片和传感器）及软件（算法模型）等基础能力；技术层是人工智能产业的核心，以模拟人的

智能相关特征为出发点，将基础能力转化成人工智能技术，如计算机视觉、智能语音、自然语言处理等应用算法研发。其中，技术层能力可以广泛应用到多个不同的应用领域；应用层是人工智能产业的延伸，将技术应用到具体行业，涵盖制造、交通、金融、医疗等18 个领域，其中医疗、交通、制造等领域的人工智能应用开发受到广泛关注。 （一)战略部署：大国角逐，布局各有侧重 全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局，并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。 1、美国引领人工智能前沿研究，布局慢热而强势。美国政府稍显迟缓，2019 年人工智能国家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看，美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超

2018年中国人工智能创新应用白皮书

２０１８年中国人工智能创新应用白皮书

报告背景介绍 在全球人工智能发展的浪潮下，市场对人工智能的投入与期望空前巨大，正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离，成为了各行业企业的重要任务之一。此份独立报告为各行业企业在人工智能方向上的布局与行动举措提供了参考信息与建议，同时也为人工智能企业在具体行业发展方向的选择上提供了参考。 我们的讨论将由四个部分组成，第一部分为人工智能发展背景介绍，对人工智能的概念、发展历史、人工智能企业目前发展状况、人工智能未来的技术与应用走向进行讨论；第二部分为人工智能的商业应用情况，将讨论人工智能能够为各行业带来的具体价值，评估各个行业目前应用条件的成熟程度；第三部分梳理总结了人工智能在20个行业的80个具体应用场景，并详细介绍典型的行业应用场景与案例；第四部分将为企业当下如何借力人工智能给出行动举措方面的建议。 此份独立报告整合了中国人工智能学会与罗兰贝格在数字化领域积累的项目经验与素材，以及对人工智能领域初创企业管理人、各行业内企业经理人、人工智能研发人员的访谈等多方信息数据源，旨在提供具有落地意义的参考与建议，推动人工智能的应用与发展。

执行总结 今年7月，国家发布了新一代人工智能发展规划，将中国人工智能产业的发展推向了新高度。人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术，在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下，本次人工智能的发展已突破了商业领域对其应用效果的预测，受到风险投资基金的热烈追捧，人工智能技术的应用场景也在各个行业逐渐明朗，开始带来降本增益的实际商业价值。 在巨大的产业需求规模与强有力的金融投资支持下，中国在全球新一代人工智能中发展态势良好，北京、深圳和上海在人工智能企业与人才积累上名列全球城市前茅，中国人工智能产业的发展进入了技术逐渐渗透到各行业产生实际价值的阶段。 根据大量行业研究，我们发现，除了互联网行业以外，汽车、消费品与零售、金融以及医疗行业等数据基础比较完善、数据资源比较丰富的行业具有最为成熟的发展基础与最大的市场应用潜力。根据我们的估算，在中国至2030年，在金融行业，预计人工智能将带来约6000亿元人民币的降本增益效益。在汽车行业，人工智能在自动驾驶等技术上的突破将带来约5000亿元人民币的价值增益。在医疗行业，预计人工智能可以带来约4000亿元人民币的降本价值。在零售行业，预计人工智能技术将带来约4200亿人民币的降本与增益价值。我们在价值链的研发、制造、营销、服务以及物流等环节上梳理并描述了这些典型行业内人工智能的主要应用场景。 就中国企业应如何把握机遇，抓住战略机会，我们提出了一系列的行动建议。企业在制定人工智能发展计划时，首先应当明确在当前业务场景下的应用机会点，这些机会点应当能够带来足够的商业价值，并且企业自身也具备应用这些机会点的条件。企业需要通过研究外部市场发展情况，了解目前行业中其他企业在此技术方向上的布局，评估人工智能技在价值链各环节上的商业应用案例。其次，企业需要评估在组织、数据与技术、运用与执行能力上具备的核心竞争力，认识到在哪些方面存在不足，并针对不足为相关部门提供包括组织、流程、KPI等各方面的支持与引导。最后，结合对企业内部核心竞争力打造计划与应用实施计划，企业需要制定明确的发展方向与发展程度期望，设置具有时间节点的发展蓝图，并打造相关的配套能力支持计划执行。 新一代人工智能技术的应用将给各行业带来众多新的可能性，甚至有可能颠覆现有的行业格局并可能重塑行业，我们期待看到中国的企业在新一次人工智能浪潮中抢占先机。

人工智能发展报告

人工智能发展报告 一、简介 人工智能（Artificial Intelligence，AI）是指用计算机模拟或实现的智能。从学科角度讲，人工智能研究的是如何使机器（计算机）具有智能的科学和技术，特别是人类智能如何在计算机上实现或再现的科学和技术，它的研究涉及计算机科学、脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学、数学以及信息论、控制论和系统论等众多学科领域，是一门综合性的交叉学科和边缘学科。2016年3月，谷歌收购的人工智能初创企业DeepMind 所研发的AlphaGo程序以4∶1击败韩国围棋冠军李世石，成为近年来人工智能领域少有的里程碑事件；2016年底，新版AlphaGo又化名网络棋手Master对战包括10多位中韩世界冠军在内的棋手，豪取60连胜；2017年初，卡内基梅隆大学人工智能系统Libratus打败4名世界顶级德州扑克玩家，这些事件再次引发了大众对人工智能的兴趣。 二、发展现状 目前，人工智能已形成包含工业机器人、服务机器人、智能硬件、芯片、传感器等硬件产品，智能客服、商业智能、数据资源、计算平台等软件产品与服务在内的产业链条。全球人工智能企业集中分布在美国、中国、英国等少数国家。我国人工智能企业主要集中于北京、广东及长三角（上海、江苏、浙江）一带，占我国人工智能企业总数

的比例超过8成。互联网巨头百度、阿里巴巴和腾讯正在领导中国的人工智能市场，同时，数以百计的初创公司也正渗透到这一产业中。 全球人工智能申请专利主要集中在机器人、语音识别、神经网络、图像识别、机器学习、模糊逻辑、计算机视觉、自然语言处理等领域。我国人工智能申请专利占比前五位的领域分别为机器人、神经网络、图像识别、语音识别、计算机视觉。其中，自然语言处理、语音识别的技术成熟度最高，其次是图像识别、计算机视觉，而机器学习、神经网络等领域技术成熟度最低，还未形成大规模行业应用。同时，国内外人工智能企业研发的产品在诸多领域的商业化已如火如荼地展开，涉及安防、交通、医疗、电商、金融、家庭和教育等领域。 人工智能主要应用领域及相关企业 三、产业化瓶颈 现阶段，人工智能产业的发展主要受到人才、数据、计算平台和服务模式四方面的制约。首先，人工智能领域的人才稀缺。通过开放

2020年中国人工智能产业发展分析报告

2020年中国人工智能产业发展分析报告

目录 一、对2020年形势的基本判断 (4) （一）从产业链建设看，人工智能数据、算法、算力生态条件日益成熟。 4 （二）从政策推动来看，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区。 (6) （三）从投融资情况看，我国人工智能产业投资市场将关注易落地的底层技术公司。 (7) 二、需要关注的几个问题 (9) （一）我国人工智能领域的基础创新投入严重不足。 (9) （二）我国人工智能产业的算力算法核心基础相对薄弱。 (10) 三、应采取的对策建议 (13) （一）以算力为核心加强人工智能基础能力建设。 (13) （二）体系化梳理我国人工智能产业供应链现状。 (13) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力。 (14) （四）在国际社会上提出发展“负责任的人工智能”。 (14)

【内容提要】 2019年以来，中国人工智能产业发展迅猛，在产业链建设、政策推动、投融资发展上取得新进展，但也面临各种内外部压力和挑战。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注落地前景好的底层技术公司，但产业整体面临的外部形势将更为严峻。需关注的问题有我国人工智能领域的基础创新投入严重不足，国内人工智能产业的算力算法基础相对薄弱，以算法战、深度伪造为代表的人工智能技术滥用给我国经济社会带来潜在负面影响等。基于上述分析，赛迪智库电子信息研究所提出，以算力为核心加强人工智能基础能力建设、体系化梳理我国人工智能产业供应链现状、加快开拓国内外应用市场并提升出海抗风险能力、发展“负责任的人工智能”等措施建议。 2019年人工智能数据、算法、算力生态条件日益成熟，我国人工智能产业发展将迎来新一轮战略机遇，智能芯片、智能无人机、智能网联汽车、智能机器人等细分产业，以及医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域发展势头良好。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注易落地的底层技术公司，但同时产业发展的外部形势将更为严峻，美国对我国人工智能产业的压制可能从上游元器件转向下游行业应用。

【完整版】2020-2025年中国人工智能行业市场突围策略研究报告

（二零一二年十二月） 2020-2025年中国人工智能行业市场突围战略研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……

报告目录 第一章企业市场突围战略概述 (6) 第一节研究报告简介 (6) 第二节研究原则与方法 (6) 一、研究原则 (6) 二、研究方法 (7) 第三节研究企业市场突围战略的意义 (9) 第二章市场调研：2019-2020年中国人工智能行业市场深度调研 (10) 第一节人工智能走向产业应用 (10) 一、人工智能行业图谱 (10) 二、人工智能的商业模式 (12) 第二节人工智能助力企业数字化转型 (13) 一、人工智能价值创造的三个层次 (13) 二、人工智能助力企业业务智能化 (14) 第三节2019-2020年人工智能行业发展情况分析 (15) 一、美国规定10项AI监管原则 (16) 二、发展人工智能各国争先 (16) 三、人工智能以人为本 (18) 四、2019年人工智能发展的热点透视 (18) 五、人工智能将在回归理性中走向新的飞跃 (23) 第四节2020年人工智能行业发展展望 (25) 一、2020年形势的基本判断 (26) （一）从产业链建设看 (26) （二）从政策推动来看 (26) （三）从投融资情况看 (26) （四）从外部形势看 (27) 二、2020年新一代人工智能将围绕五大方向持续攻关 (27) 三、需要关注的几个问题 (28) （一）我国人工智能领域的基础创新投入严重不足 (28) （二）我国人工智能产业的算力算法核心基础相对薄弱 (28) （三）以算法战、深度伪造为代表的人工智能技术滥用给经济社会带来严重负面影响 (29) 四、应采取的对策建议 (29) （一）以算力为核心加强人工智能基础能力建设 (29) （二）体系化梳理我国人工智能产业供应链现状 (29) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力 (29) （四）在国际社会上提出发展“负责任的人工智能” (29) 第五节全球主要经济体人工智能发展战略 (30) 一、美国：政府高度重视，旨在继续“全面领先” (30) 二、欧盟：伦理价值观引领，协同合作推进战略 (32) 三、英国：积极推动产业创新发展 (33) 四、德国：借势工业4.0打造国家品牌 (34) 五、日本：以人工智能构建“超智能社会” (35)

2019全球人工智能发展白皮书

全球人工智能发展白皮书 （2019年度）

全球人工智能发展白皮书 | 四、人工智能重塑各行业 一、AI创新融合新趋势4 1.1人工智能正全方位商业化4 1.2AI全面进入机器学习时代5 1.3市场对投资回归理性8 1.4城市逐渐成为AI创新融合应用主战场13 1.5AI支持体系不断发力21 1.6顶层政策倾斜力度持续增加23 1.7全球AI市场超6万亿美元29 1.8京津冀、长三角、珠三角AI企业云集31 二、人工智能技术发展腾飞40 2.1人工智能关键技术日趋成熟40 2.2人工智能开放平台建设稳步推进42 2.3“人机大战”谁更能更胜一筹？45 三、中国在全球AI地位52 3.1中国拥有更为庞大的数据规模以及更丰富数据使用环境53 3.2中国是全球芯片需求量最大的市场，但高端芯片依赖进口54 3.3中国机器人企业快速成长核心零部件技术国产化加速54 3.4美国人工智能底层技术实力更为雄厚，中国则在语音识别技术上更优55 3.5中国在AI应用上呈现追击态势55 四、人工智能重塑各行业58 4.1金融：人工智能提升金融企业商业效能并变革企业内部经营60 4.2教育：人工智能技术应用覆盖教学全流程65 4.3数字政务：政策利好加速政府智能化变革70 4.4医疗：人工智能应用日趋成熟71 4.5无人驾驶：主导汽车产业革新75 4.6零售：人工智能驱动行业走向聚合79 4.7制造业：智能制造应用潜力巨大82 4.8智慧城市：人工智能塑造城市基础设施创新系统86

全球人工智能发展白皮书 | 主要发现主要发现： 1

全球人工智能发展白皮书 | 主要发现 2

报告发布中国电子学会发布新一代人工智能发展白皮书(2017)

报告发布中国电子学会发布新一代人工智能发展白皮书 (2017) 指导单位、专家顾问及编写人员 顾问潘云鹤中国工程院院士 指导单位工业和信息化部信息化和软件服务业司 指导委员会谢少锋工信部信软司司长李冠宇工信部信软司副司长徐晓兰中国电子学会副理事长兼秘书长张宏图中国电子学会总部党委书记兼副秘书长商超工信部信软司软件处处长 傅永宝工信部信软司软件处调研员 专家委员会（排名不分先后，按姓氏笔画排序）王士进科大讯飞研究院副院长韦青微软中国公司首席技术官宋波国安瑞（北京）科技有限公司总经理刘志坚京东金融总法律顾问吴甘沙 驭势科技联合创始人兼CEO 季向阳清华大学自动化系教授陈丽娟阿里巴巴人工智能实验室负责人梁家恩云知声信息技术有限公司董事长兼CTO 崔岩中德人工智能研究院院长蔡雄山腾讯研究院法律研究中心副主任 编写单位中国电子学会 编写人员李颋周岷峰马良

凌霞李岩张雅妮许华磊 张婵张力陈濛萌樊江洋 朱毅李俊平阎德利谢中业 陈岩 报告链接:https://https://www.sodocs.net/doc/682405876.html,/s/1oAn8flo 密码:3gme编制概要 （一）编制背景 自1956年概念得以确立以来，人工智能发展至今已逾60年，随着所处信息环境和数据基础的深刻变革，开始迈进新一轮发展阶段，呈现出大数据、跨媒体、群体性、自主化、人机融合的发展新特征，从学术牵引式发展迅速转变为需求牵引式发展，相比历史上的任何时刻，都要更加接近于人类智能，既能为进一步掌握城市发展、生态保护、经济管理、金融风险等宏观系统提供指导，也能为设计制造、健康医疗、交通管理、能源节约等微观领域提供解决方案。我国正值工业化、城镇化、信息化、农业现代化的攻坚阶段，迫切需要加快推动人工智能在国民经济社会各行业、各领域的创新应用，促进产业提质增效，改善人民生活水平，切实解决经济运行的重大结构性失衡。针对于此，有必要研究编制新一代人工智能发展白皮书，明确人工智能在新时期、新形势下的技术框架、关键环节、应用前景，为推动人工智能关键技术进步和产业化应用推广提供措施建议，进一步推动我国智能相关的

我国人工智能的发展战略是()

我国人工智能的发展战略是() 战略重点之一：建立完善的数据生态系统 海量数据是训练人工智能系统、吸引人才、加速创新的核心要素之一。中国可以通过建立并落实数据规范、向私营领域开放公共数据、鼓励跨国数据交流来构建一个更为完善的数据生态系统。 首先，建立数据标准是进行广泛数据分享和实现系统间交互操作的重要前提条件，有助于提升物联网及人工智能技术的价值。潜在的庞大数据体量是中国的天然优势，使中国有机会在国际上更好地发挥领头羊的作用。而且，在与中文语言相关的数据规范制定方面，中国也应起到主导作用。 对于特定行业数据，政府可要求现有的监管机构制定必要规则。比如美国证券交易委员会在2009年出台规定，要求所有上市公司使用XBRL(可扩展商业 报告语言)格式发布财报，确保所有公开数据的机器可读性。 其次，为了提升数据的多样性，政府应提高公共数据的开放程度，并带头建设行业数据库。这些举措同时能够提升公共服务质量、提供政策制定洞见，从而带来额外益处。比如纽约市政府就建立了公开数据门户网站，为市民提供经济发展、医疗、休闲、公共服务等领域的数据。 2012年纽约市还颁布了《开放数据法案》，要求政府部门使用机器可读取的数据并建立API(应用程序编程接口)，方便软件研发人员直接连接政府系统并获取数据。 最后，中国政府还需考虑国际数据流的价值。麦肯锡全球研究院的调查表明，2014年，跨境数据流为全球经济创造了2.8万亿美元的价值，对经济增长的贡献已经超过实体贸易。此外，研究还指出，由于经济体需要接触全球的思想、研究、科技、人才和最佳实践案例，数据流入和流出都能十分重要。 数据是未来的货币。例如在医学研究中，如果没有全球海量临床数据的支持，人工智能的潜力就无法得到充分挖掘。过多的桎梏将会束缚中国的人工智能企业，导致其丧失开发具有全球竞争力产品的能力。 战略重点之二：拓宽人工智能在传统行业的应用 只有当人工智能技术在中国真正普遍的应用于传统行业，而不仅仅属于科技巨头时，其经济潜力才会充分彰显。提升各行各业的生产力水平将创造巨大的价值，但中国首先需要克服重重障碍。

新一代人工智能发展白皮书

新一代人工智能发展白皮书

内容摘要 随着信息时代的来临，人类生产生活的数据基础和信息环境有了大幅提升，人工智能正从学术驱动转变为应用驱动，从专用智能迈向通用智能，比历史上任何一个时期都要更加接近于人类智能水平，进入了新的发展阶段。全球各国均围绕新一代人工智能技术及产业发展进行前瞻布局，我国也已将其提升到了国家战略层面。基于此，本白皮书重点围绕新一代人工智能面临的新形势、驱动的新因素、呈现的新特征，对架构、算法、系统等技术演进方向作出研判，详细梳理了包括云计算、大数据两大基础平台和机器学习、模式识别、人机交互三大通用技术的技术体系，深入论证了新一代人工智能产业边界和范围，划分了基础层、技术层、应用层三大产业化领域，研究了智能传感器、智能芯片、算法模型、语音识别、图像视频识别、文本识别、智能机器人、智能制造系统、智能安防、智能驾驶等具体产业化方向的产业规模、核心技术、主要产品、典型企业，归纳了近年来全球和我国在人工智能领域的投融资特征趋势，并对国内外人工智能的技术及产业发展状况进行了系统对比和趋势展望，最后提出了发展理念、治理体系、创新能力、发展基础、资本环境、行业组织、全球统筹共七项措施建议，进一步推动我国人工智能相关的前沿新兴产业持续健康快速发展，有力支撑信息化与工业化深度融合迈上新台阶。

目录 一、编制概要 (1) （一）编制背景 (1) （二）编制目标 (2) （三）编制方法 (2) （四）特别声明 (3) 1、研究主题充分考虑了与国家规划的互动和呼应 (3) 2、研究范围聚焦技术和产业发展 (4) 3、研究内容仍有待进一步丰富完善 (4) 二、新一代人工智能研究综述 (5) （一）人工智能简要发展历程 (5) 1、第一次浪潮：人工智能诞生并快速发展，但技术瓶颈难以突破..6 2、第二次浪潮：模型突破带动初步产业化，但推广应用存在成本障碍 (7) 3、第三次浪潮：信息时代催生新一代人工智能，但未来发展存在诸多 隐忧 (8) （二）新一代人工智能的主要驱动因素 (9) 1、人机物互联互通成趋势，数据量呈现爆炸性增长 (10) 2、数据处理技术加速演进，运算能力实现大幅提升 (10) 3、深度学习研究成果卓著，带动算法模型持续优化 (11) 4、资本与技术深度耦合，助推行业应用快速兴起 (11) （三）新一代人工智能主要发展特征 (12) 1、大数据成为人工智能持续快速发展的基石 (13) 2、文本、图像、语音等信息实现跨媒体交互 (13) 3、基于网络的群体智能技术开始萌芽 (14) 4、自主智能系统成为新兴发展方向 (14) 5、人机协同正在催生新型混合智能形态 (15) 三、新一代人工智能技术框架 (15) （一）新一代人工智能的技术演进 (16) 1、从原有的CPU 架构，转变为GPU 并行运算架构 (16) 2、从单一算法驱动，转变为数据、运算力、算法复合驱动 (17) 3、从封闭的单机系统，转变为快捷灵活的开源框架 (18) 4、从学术研究探索导向，转变为快速迭代的实践应用导向 (18)

中国人工智能发展白皮书2020

2019年人工智能发展白皮书

风起云涌：人工智能关键技术不断取得突破 相得益彰：人工智能赋能产业与应用场景 百川归海：人工智能开放创新平台逐步建立 各领风骚：全球人工智能公司一览 目 录 01 02 03 04

前言 人工智能是一个很宽泛的概念，概括而言是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测，到2030年人工智能的出现将为全球GDP带来额外14%的提升，相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据，世界人工智能市场将在2020年达到6800亿元人民币，复合增长率达26.2%，而中国人工智能市场也将在2020年达到710亿元人民币，复合增长率达44.5%。 我国发展人工智能具有多个方面的优势，比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等，但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术（计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等）、人工智能典型应用产业与场景（安防、金融、零售、交通、教育、医疗、制造、健康等）做出了梳理，而且同时强调人工智能开放平台的重要性，并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后，列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动，我国整个人工智能行业的生态圈也会逐步完善，从而为智慧社会的建设贡献巨大力量。

《数字政府白皮书——AI时代的数字政府发展指引》(PPT全文详解)

《数字政府白皮书——AI时代的数字政府发展指引》（PPT 全文详解） 数据观获悉，近日，在“2017互联网+智慧中国年会”——数字政府与互联网+政务服务论坛上，国脉研究院副院长金婧发表了在数字政府领域的研究成果《数字政府白皮书——AI时代的数字政府发展指引》报告，以下为详情（实录系根据现场速记和录音整理，未经本人审核）。金婧：今天我的主题是《AI时代的数字政府发展指引》。最近大家一直在谈论数字政府，那么数字化概念对大家来说已经不陌生了。从1998年美国前副总统艾伯特·戈尔提出“数字地球”的概念之后，数字国家、数字城市、数字社区等概念都出来了，世界各国将数字治理提升为国家治理，乃至全球治理的战略层面。通过这样一组数据，我们也可以看到近几年在人工智能、共享经济、公益方面出现了很多值得关注的变化。生产关系和社会关系实际上也在经历着数字化洗礼、网络化重塑和分权化再造，这种情况下我们政府治理模式也进入了新的历史阶段。国脉对于数字政府相关研究主要是从基本内涵与表现特征、发展模式与实践案例、评价体系和未来展望这三方面展开的。今天时间有限我就其中观点和要点与大家分享。 一、基本内涵与表现特征

▊信息社会具有一体化、社会联动性高、复杂不确定性的特征，这种背景下需要从三个维度来理解数字政府：○数字政府是一种不断演进的政府形态 在不同的技术条件、需求阶段、社会响应趋势下，其所表现出来的特色、价值和影响等均不一样，本质上，数字政府是在web2.0技术、移动互联网和人工智能不同技术的作用下，不同服务模式的驱动与用户需求的倒逼下，逐渐生成的政府新形态。 ○数字政府是一种数据驱动的组织范式 本质是数据驱动，无论是治理精细化、服务个性化，其背后是对数据价值的挖掘与运营，作为数据驱动的组织，数据作为一种资产、能源和组织灵魂与依归，电子政府、网络政府、智能政府等都是不同的数据价值爆发阶段对数字政府的再 定义。 ○数字政府是一种社会创新的开源平台 数字政府的终极模式是公民社会的成熟与自组织，主动参与政府事务并分担责任贡献力量解决问题，类似于Appstore的应用市场模式将出现，政府以开源平台模式呈现自身能力与资源，为社会创新力量提供二次创新与开发的基础资源。通过数字政府演进路线图可以直观看到以2013年大数据为基点，所有应用、设备、需求都出现爆发式增长和转变，数字化形态也从信息数字化到业务数字化再到组织数字化转变，

中国城市人工智能发展报告

2020年中国城市人工智能发展指数报告 人工智能应用场景较为广泛且多元化，在金融、安防、教育、医疗、零售、机器人等领域都有相对广泛的应用。 5大维度、20个三级指标，全面剖析中国36个城市人工智能发展情况 2020年是全面建成小康社会与“十三五”规划收官之年，为了实现全面建设小康社会的发展目标、增强经济发展韧性，我国各级政府重视培育壮大新动能，将新型基础设施建设（以下简称“新基建”）作为重要的逆周期调节手段，来实现惠民生、稳增长、补短板、调结构和促创新的目的。 人工智能作为新型基础设施建设的七大建设领域之一，能够实现人类智慧与机器的结合。通过推动人工智能发展，并与云计算、大数据等技术不断融合，可以实现推动产业升级，促进经济发展的作用。 从产业链各环节着手，洞察人工智能发展情况 通过对人工智能产业链进行梳理，将产业链划分为基础层、技术层和应用层。基础层主要包括芯片、传感器、计算平台等；技术层则由计算机视觉技术、语音识别、机器学习、自然语言处理等构成；在应用层中，人工智能应用场景较为广泛且多元化，在金融、安防、教育、医疗、零售、机器人等领域都有相对广泛的应用。

以36个人工智能重点城市为对象，多维度构建指标体系

筛选出36个人工智能重点城市参与人工智能发展指数研究，并构建由5个一级指标，12个二级指标和20个三级指标组成的综合指数评价体系。五类一级指标分别为城市发展环境、资金支持力度、研发能力、基础支持情况和发展成效，从5个角度全面、综合分析城市人工智能发展情况。 城市人工智能发展总指数从城市发展环境、资金支持力度、研发能力、基础支持情况和发展成效角度出发，考察各城市人工智能发展情况。

2019-2020年人工智能产业发展深度报告

2019-2020年人工智能产业发展深度报告 导语 据CAPIQ 数据显示，2010 年至2019 年10 月，美国AI 企业累计融资773 亿美元，领先中国320 亿美元，占全球总融资额的50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。 人工智能市场格局 人工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延申和拓展类人的智能的能力，本质上是对人类思维过程的模拟。AI 概念最早始于1956 年的达特茅斯会议，受限于算法和算力的不成熟，未能实现大规模的应用和推广。近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。据中国电子学会预测，2022全球人工智能市场将达到1630亿元，2018-2022年CAGR达31%。 人工智能赋能实体经济，为生产和生活带来革命性的转变。人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和新产品。从衣食住行到医疗教育，人工智能技术在社会经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测，2035 年，人工智能将推动中国劳动生产率提高27%，经济总增加值提升7.1 万亿美元。

多角度人工智能产业比较 目前，全球人工智能产业的生态系统正逐步成型。依据产业链上下游关系，可以将人工智能划分为基础支持层、中间技术层和下游应用层。基础层是人工智能产业的基础，主要提供硬件（芯片和传感器）及软件（算法模型）等基础能力；技术层是人工智能产业的核心，以模拟人的智能相关特征为出发点，将基础能力转化成人工智能技术，如计算机视觉、智能语音、自然语言处理等应用算法研发。其中，技术层能力可以广泛应用到多个不同的应用领域；应用层是人工智能产业的延伸，将技术应用到具体行业，涵盖制造、交通、金融、医疗等18 个领域，其中医疗、交通、制造等领域的人工智能应用开发受到广泛关注。

中国电信发布人工智能发展白皮书

6月27日，GSMA全球终端峰会在上海召开，《中国移动2019年智能硬件质量报告（第一期）》正式公布。中国移动紧贴5G和AI两大技术热点，聚焦手机、智能硬件两大类产品，通过不同的通信深度测试，对产品进行了客观评估。作为业界首份5G专业评测报告，此次评测的结果提供了相关项目数据的专业参考，也为消费者选购5G产品提供了更多可靠的依据，具有较高的权威性以及指导性。 值得注意的是，5G专题评测包括5G芯片和5G终端两部分，3款主流5G芯片、6款5G手机、3款5G CPE均参与到评测当中，而巴龙5000以及搭载该芯片的华为Mate20X(5G)在评测中更是表现突出，受到了广泛关注。 5G芯片性能整体评测聚焦5G协议栈成熟度与网络兼容性、MIMO吞吐量性能、典型场景功耗3个关键维度。结果显示，巴龙5000芯片的网络兼容性和吞吐量性能表现良好。巴龙5000支持上行SRS4天线轮发，结合TDD系统上下行信道互易的特点，为下行MIMO吞吐量性能带来额外增益，综合来看，在5G芯片性能测试环节中，巴龙5000表现得十分亮眼。 作为华为首款搭载巴龙5000芯片的量产智能手机产品，刚刚获得中国首张5G终端电信设备进网许可证的华为Mate 20X(5G)，也是全球首款同时支持NSA和SA组网的5G双模手机终端产品。 当前，全球各地5G产业正在快速发展，各个国家和地区的电信运营商依据本地5G发展情况，采用了SA和NSA两种主流组网方式建设本地5G网络。而无论是哪一种组网方式下的5G网络，华为Mate20X(5G)都能够很好的适配，此次中国移动的测试结果也再次印证了华为5G技术的领先性。 事实上，支持SA/NSA的5G双模，以及采用双卡设计，支持“一张卡4G、一张卡5G”的双卡双待，都让华为Mate20X (5G)拥有了更卓越的5G体验。除此之外，华为Mate20X(5G)还拥有AI性能强大的麒麟980芯片，在双NPU加持之下可以提供端侧AI算力，能够让用户借助手机的AI技术更从容地应对5G时代丰富的应用场景。 ■吕惠 2019年6月27日，《中国电信人工智能发展白皮书》（以下简称“白皮书”）在MWC19上发布，这是中国电信首次发布电信行业人工智能战略的白皮书。 在白皮书中，中国电信从运营商自身业务发展、网络演进和用户感知的需求出发，全面系统地阐述了中国电信应用、发展人工智能技术的未来愿景与顶层设计，介绍了中国电信人工智能发展的驱动力、发展目标、演进路线、切入领域与关键举措，向用户展示了中国电信应用人工智能技术提供的智慧服务与智慧运营，为生态合作伙伴介绍了与中国电信在人工智能技术领域的合作方式，服务国家“智能+”发展战略。 中国电信副总经理陈忠岳在致辞时表示，人工智能是时代发展的迫切需求，中国电信有能力也有信心在未来发展人工智能技术，将人工智能技术应用于电信网络，中国电信愿携手合作伙伴，共建AI生态圈，共同推动人工智能产业的发展，共筑美好生活，为社会智能化发展和行业数字化转型注入强大的发展源动力! 中国电信科技委主任韦乐平发表题为《AI助力5G发展》演讲，深入剖析了人工智能技术在5G时代的重要价值。他表方位助力5G发展，中国电信发展人工智能将使未来的5G网络能够更高效、更节能和更智能地运行。 中国电信研究总院副院长吴湘东向与会嘉宾详细解读了白皮书的主要内容。他表示，中国电信基于自身在数据、算法、通用算力和渠道方面的优势，将从面向客户与网络运营两大切入领域发展人工智能，六大关键举措包括建设开放的人工智能通用赋能平台，建立“大数据湖”，建设随愿网络基础设施，建设测试验证平台和评估体系，建设复合型人才队伍以及成立中国电信人工智能发展联盟等。 中国电信人工智能发展将以战略转型3.0为方向，深度嵌入AI技术能力，提供AI通用能力平台、应用和解决方案。面向未来，中国电信将建设具备跨网跨越、统一接口、敏捷可靠、极简运维、提升体验和网络云化六大特点的全面融智的随愿网络，提供以用户为中心的随心业务。如在智慧家庭领域，将可提供随需接入、超低时延和超高安全的网络服务。 中国电信期望人工智能可以助力未来网络发展，打造统一的能力平台，服务各行各业，为“数字中国”注智，为“网络强国”筑力，加快“以信息化带动工业化、以工业化促进信息化”的落 中国电信发布人工智能发展白皮书 15