中國的人工智能，還要往哪發展

本文來自微信公眾號：人人都是產品經理（ID：woshipm），作者：又又要乖

現今，中國是世界上人工智能領域發展最快，前景最好的國家，部分指標已居于世界領先地位；但是，目前中國的人工智能還有一些垂直細分領域亟需去開發。

一、調研目的

本文以人工智能這一領域作為主要研究對象，通過行業背景分析（宏觀經濟、競爭態勢、行業技術預測）、市場現狀分析（市場階段、市場規模）以及微觀分析（應用場景、SWOT、競爭策略）深入調查行業的宏微觀背景。

本文的目的是：深入分析人工智能市場的盈利前景，為尋找細分領域可能存在的發展機會提供支持。

二、行業背景分析

1.政治因素

1.1 國家政策分析

人工智能行業的發展，離不開國家有關部門的政策及國家戰略支持；2015年以來，人工智能頂層設計逐漸完善，相關政策密集出 臺。

圖1.人工智能政策階段（德清經略新創，2019）

2015年5月，《中國制造2025》中首次提及智能制造，提出加快推動新一代信息技術與制造技術融合發展，把智能制造作為兩化深度融合的主攻方向，著力發展智能裝備和智能產品，推動生產過程智能化。

2015年7月，國 務院印發《關于積極推進“互聯網+”行動的指導意見》。該《指導意見》中將人工智能作為其主要的十一項行動之一，明確提出：依托互聯網平臺提供人工智能公共創新服務，加快人工智能核心技術突破，促進人工智能在智能家居、智能終端、智能汽車、機器人等領域的推廣應用；要進一步推進計算機視覺、智能語音處理、生物特征識別、自然語言理解、智能決策控制以及新型人機交互等關鍵技術的研發和產業化。

2016年1月，國 務院發布《“十三五”國家科技創新規劃》，將智能制造和機器人列為“科技創新 2030 項目”重大工程之一。

2016年3月，國 務院《國民經濟和社會發展第十三個五年規劃綱要（草案）》，人工智能概念進入“十三五”重大工程。

2016年5月，國家發展改革委、科技部、工業和信息化部、中央網信辦發布《“互聯網＋”人 工智能三年行動實施方案》。明確提出：到 2018 年國內要形成千億元級的人工智能市場應用規模。

規劃確定了：在六個具體方面支持人工智能的發展，包括資金、系統標準化、知識產權保護、人力資源發展、國際合作和實施安排。

規劃確立了：在 2018 年前建立基礎設施、創新平臺、工業系統、創新服務系統和 AI 基礎工業標準化這一目標。

2016年7月，國 務院在《“十三五”國家科技創新規劃》中提出：要大力發展泛在融合、綠色寬帶、安全智能的新一代信息技術，研發新一代互聯網技術，保障網絡空間安全，促進信息技術向各行業廣泛滲透與深度融合。

同時，研發新一代互聯網技術以及發展自然人機交互技術成首要目標。

2016年9月，國家發改委在《國家發展改革 委辦公廳關于請組織申報“互聯網 ＋”領域創新能力建設專項的通知》中，提到了人工智能的發展應用問題——為構 建“互聯網＋”領域創新網絡，促進人工智能技術的發展，應將人工智能技術納入專項建設內容。

2017年3月，在十二屆全國人大五次會議的政府工作報告中，“人工智能”首次被寫入政府工作報告， 2017輕量級應用極有可能落地。

李克強總理在政府工作報告中提到：要加快培育壯大新興產業。全面實施戰略性新興產業發展規劃，加快人工智能等技術研發和轉化，做大做強產業集群。

2017年7月，國 務院發布《新一代人工智能發展規劃》， 明確指出：新一代人工智能發展分三步走的戰略目標——到2030年使中國人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心。

2017年10月，人工智能進入十九大報告，將推動互聯網、大數據、人工智能和實體經濟深度融合。

2017年12月，《促進新一代人工智能產業發展三年行動計劃(2018~2020年)》的發布，它作為對7月發布的《新一代人工智能發展規劃》的補充，詳細規劃了人工智能在未來三年的重點發展方向和目標，每個方向的目標都做了非常細致的量化。

2018年1月18日下午，2018人工智能標準化論壇發布了《人工智能標準化白皮書（2018版）》。

國家標準化管理委員會宣布成立國家人工智能標準化總體組、專家咨詢組，負責全面統籌規劃和協調管理我國人工智能標準化工作，并對《促進新一代人工智能產業發展三年行動計劃(2018~2020年)》及《人工智能標準化助力產業發展》進行解讀，全面推進人工智能標準化工作。

2018年3月5日，在第十三屆全國人民代表大會第一次會議上，國 務院總理李克強在2018《政府工作報告》中提出：“發展壯大新動能。做大做強新興產業集群，實施大數據發展行動，加強新一代人工智能研發應用，在醫療、養老、教育、文化、體育等多領域推進‘互聯網+’。發展智能產業，拓展智能生活。運用新技術、新業態、新模式，大力改造提升傳統產業。”

1.2 地方政策分析

地方政府已成為推動我國人工智能產業發展的主力軍。

在省（直轄市）發布這一級別中，共有26個政策，分布于16個省份，其中北京、上海、天津、浙江、安徽、吉林、貴州、遼寧這八個省份均發布了2個政策。

“強人工智能政策”是指：政策題目中涉及“人工智能”字樣或者文件中人工智能具體內容超過80%

“弱人工智能政策”是指：政策中只涉及到少量人工智能產業內容。

綜合以上分析，從政策強度、預期產業規模、政策投資、人才支持、企業扶持五個能夠量化的維度，來綜合分析未來人工智能發展與投資的熱點區域。

從政策角度看：江蘇、上海、廣東、北京、浙江是未來人工智能發展與投資的熱點區域。

從城市來看：江蘇的蘇州、上海、廣州、北京、杭州是人工智能發展與投資的熱點城市。

圖2.各省市人工智能政策評分（德清經略新創，2019）

1.3 法律分析

國內目前尚未有人工智能相關的立法。盡管人工智能對法律的變革還有很長的路要走，但這種已經開啟的變革，得到了學界和業界的重視。

1月6日，全國首屆“人工智慧與未來法治”學術研討會在西北政法大學舉行。與會專家認為，在可以預見的未來，人工智能還不能夠做到拋開人類來提供法律服務，更多的是會協助人們完成一部分輔助工作。

展眼未來，人工智能法律建設將涉及人格權、知識產權、財產權、侵權責任認定、法律主體地位等方面。

2.經濟因素

根據IDC的《全球人工智能白皮書》預計：到2020年，全球人工智能支出將達到2758億元人民幣。

中國政府、資本市場對人工智能的高度重視和持續投資，將促使中國人工智能飛速發展。到2020年，中國人工智能技術支出將達到325億，五年復合增長率32.8%，占全球整體支出的約12%。

根據清華大學的《中國人工智能發展報告2018》：中國已成全球人工智能投融資規模最大國家。從2013到2018年Q1，投融資占到全球的70%，成為全球最“吸金”的國家。

圖3.全球投融資金額/筆數（全球人工智能白皮書，2019）

圖4.中國人工智能投融資地域分布

3.社會因素

人工智能在近幾年得到了社會的廣泛關注，該行業的迅猛發展已經滲透到國民生活的方方面面。

如今，從國家頂層設計到行業應用的快速落地，人工智能正逐步成為引領工業4.0顛覆變革的新引擎。

根據百度人工智能搜索指數：自2016年以來搜索量中樞逐漸上升，顯示網民對人工智能的關注度持續上升。

圖5.百度人工智能搜索指數（百度，2019）

根據清華大學的《中國人工智能發展報告2018》中對3088人的調查顯示：超過半數國民對人工智能的發展持支持態度，表示反對態度的僅占2.4%。

數據顯示了我國國民心態的包容性——人工智能在我國的發展很大程度上源自于較少的反對聲音和阻力。

國民對人工智能應用領域的關注前四如下：金融、交通、教育、醫療。

圖6.國民對人工智能的未來展望（清華大學，2018）

圖7.人工智能關注領域排名（清華大學，2018）

在搜索關注人工智能的人群中，百度指數顯示絕大部分來源于廣東、北京、上海、江蘇、浙江等發達東部沿海地區省市。

該數據與目前人工智能落地項目的地域分布基本吻合，顯示了：人工智能在經濟規模較大的城市中具有較好的應用和規模效應。

圖8.百度人工智能搜索地域分布（百度，2019）

在近一年，關注人工智能的人群出現明顯分化：

30~39歲人群關注度最高，其次是40~49歲的人群。在性別方面，男性關注度顯著高于女性的關注度。

圖9.百度人工智能搜索用戶畫像（百度，2019）

4.技術因素

我國人工智能技術水平處于世界第一梯隊。總體而言，中國技術水平略低于美國但追趕速度較快。

我國處于世界領先地位的技術有語音識別、視覺識別、機器翻譯、中文信息處理等技術方面。

圖10.中國人工智能技術應用比例（億歐智庫，2018）

基礎學科方面，中國近二十年來在人工智能論文方面獲得高速增長：發表論文數由1997年的1000余篇上升到2017年的37000多篇，在人工智能領域的論文數量占比也不斷上升。

圖11.中國AI論文發展趨勢（清華大學，2018）

過去二十年間，中國人工智能論文總量和高被引論文總量位居世界第一。

中國自2006年在論文發表數超越美國后，在人工智能領域論文的全球占比從1997年4.26%增長至2017年的27.68%，遙遙領先其他國家，并且領先優勢有逐漸擴大的趨勢。

圖12.全球人工智能論文產出（清華大學，2018）

中國已經成為全球人工智能專利授權最多的國家，數量略微領先于美國和日本，而中美日三國占全球總體專利公開數量的74%。

全球專利申請主要集中在：語音識別、圖像識別、機器人以及機器學習等細分方向。

圖13.全球人工智能專利授權（清華大學，2018）

中國人工智能人才總量居世界第二，但是杰出人才占比偏低。

截至2017年，中國的人工智能人才擁有量達到18232人，占世界總量的8.9%，僅次于美國(13.9%) 。

圖14.全球人工智能人才分布（清華大學，2018）

截至2017年6月，全球人工智能初創企業共計2617家。美國占據1078家居首，中國以592家企業排名第二，其后分別是英國，以色列，加拿大等國家。

其中，美國1078家人工智能初創企業約有78700名員工，中國592家公司中約有39200位員工，只有美國的50%。

美國人工智能初創企業主要以1~10人和10~50人的團隊為主，這種小型團隊共759個，占據全美的70.41%，是美國AI初創公司的主力軍。

中國人工智能初創企業主要是10~50人的團隊，總量384個，占據全國的64.86%。

可以說，美國的小型創業團隊規模比中國小。在需要同等技術的情況下，美國團隊的平均能力和可創造價值高于中國團隊。

圖15.全球AI企業分布（騰訊研究院，2017）

5.競爭態勢分析

5.1 購買者

人工智能行業從產業鏈可分為：基礎層，技術層，和應用層。

這里的“購買者”主要指：人工智能在應用層的購買者。

目前應用廣泛的領域有：金融、醫療、教育、安防等。

我們可以從行業解決方案（“AI+”）和典型產品（機器人、智能音箱、智能汽車、無人機等）兩個角度來看。

AI+的購買者主要是企業用戶，傳統的購買者主要是大型的企業。

以金融行業為例：國有大型銀行成了人工智能領域應用的先行者。他們具有廣大的客戶群體，因此，人工智能的解決方案顯著降低了運營成本。

由于應用層的供應端競爭逐漸同質化，目前購買者的議價能力有所上升。

在智能硬件設備上，人工智能企業的購買者是廣大自然人消費者。目前市場已經出現了一些細分龍頭企業產品，比如：大疆的無人機與小米的小愛音箱。

在這些具有特色的生態鏈中，購買者的議價能力較弱，而在競爭激烈尚未形成壟斷格局的行業，比如：智能汽車，購買者的議價能力較強。

圖16.國內AI產業鏈（易觀，2018）

5.2 競爭者

在人工智能產業鏈中，由于先發優勢，基礎層主要掌握在少數巨頭手中。

技術層領域競爭逐漸加劇，這是由于人工智能行業迭代快，難以累積比較優勢，各廠商算法差異較小導致的。

應用層目前尚處于起步階段，參與企業眾多，但競爭仍集中在少數細分領域。

圖17.中國77家人工智能企業圖譜（億歐智庫，2019）

5.3 替代品

人工智能的發展逐步顯現基礎設施化的趨勢，與信息、數據一道，成為未來經濟的基礎設施之一。

作為一項類基礎設施的底層技術，人工智能包含了多種不同的信息科技，將難以被取代。

圖18.中國各行業人工智能分布情況（億歐智庫，2019）

5.4 潛在進入者

中國AI企業成立時間主要集中在2014~2016年。2018年以后競爭格局逐步確定，新進者技術優勢小，商業模式單一，因此成立企業數大大減少。

圖19.中國人工智能企業成立時間及行業分布（億歐智庫，2019）

6.行業技術預測

6.1 基礎層

領先企業加快了人工智能芯片的布局研發。

現階段人工智能芯片類型主要涵蓋包含：GPU、FPGA、ASIC、類腦芯片等。

隨著深度神經網絡（DNN）的發展和應用，其多層級特點的計算需求已不能通過傳統的 CPU 來滿足；而 GPU 具有適合深度學習所需的并行計算能力，關注度日益提高。

除此之外，TPU 以及 FPGA 芯片也成為目前發展較快的人工智能芯片。在芯片上布局的廠商以英偉達、英特爾、高通、ARM、蘋果、華為等廠商為主。

另外，廠商積極布局基礎開發框架——基礎開發框架在人工智能產業鏈中占據承上啟下的核心地位。

在移動互聯網時代，Android 系統通過 GMS 與下游云服務松耦合，通過版本控制與上游芯片、整機廠商緊耦合，實現以 Android 操作系統 為核心的移動互聯網閉環生態。

在人工智能時代，開發框架也具備媲 美 Android 操作系統的核心地位，具有統領產業進步節奏、帶動硬件配置、終端場景與云端服務協同發展的核心作用，占據承上啟下的關鍵地位。

以 Google 深度學習開發框架 TensorFlow 為例：

TensorFlow 向上與谷歌云緊密綁定，以云平臺模式提供云機器學習服務，向下與芯片和硬件廠商緊密耦合做定制優化，谷歌TPU專用于TensorFlow。

6.2 技術層

圖20.AI技術層發展趨勢(gwgwymx,2018)

平臺崛起，技術、硬件、內容多方面資源進一步整合。

人工智能覆蓋的行業及場景巨大，單一企業無法涉及到人工智能產業的方方面面。

廠商基于自身優勢切入產業鏈條，并與其他廠商進行合作，技術、硬件、內容多方面資源進行整合，共同推動人工智能技術落地。在技術、內容及硬件的發展下，平臺進一步崛起，生態化布局日益重要。

人工智能技術繼續向垂直行業下沉。

通用型人工智能技術已不能滿足各行業的需求，不同行業在應用側重點上有所不同，數據資源也同樣不同，需要市場從業者針對行業特點，設計不同的行業解決方案。

人工智能技術將繼續從場景出發實現技術落地，在垂直行業中，醫療、金融、安防、教育、家居等行業已初具規模，未來發展前景巨大。

6.3 應用層

人工智能賦能醫療各環節能效初顯。

近年來，隨著醫療數據數字化深入，深度神經網絡學習算法突破以及芯片計算能力提升，人工智能在醫療領域應用掀起第二次浪潮——已滲透到疾病風險預測、醫療影像、輔助診療、虛擬助手、健康管理、醫藥研發、醫院管理、醫保控費等各個環節，并取得初步成效。

智能教育加速推進教育教學創新當前人工智能、大數據等技術迅猛發展，教育智能化成為教育領域發展的方向。

智能教育正改變現有教學方式，解放教師資源，對教育理念與教育生態引發深刻變革。當前全球主要發達國家均加速推進教育教學創新，積極探索教育新模式，開發教育新產品。

智能交通提升城市管理水平。

隨著全球經濟高速發展，城市化進程不斷加快，機動車保有數量增長，道路交通運輸量不斷增加，各種交通問題凸顯。發展智能交通可完善政府管理，改善用戶體驗，促進城市發展。

人工智能提升公共安全保障能力。

人工智能已應用在：社會治安、反暴反恐、災害預警、災后搜救、食品安全等公共服務領域。

通過人工智能可準確地感知，和預測社會安全運行的重大態勢，提高公共服務精準化水平，保障人民生命財產安全。

從應用的深度和廣度來看，全球人工智能在公共服務領域還處在探索期。

三、市場現狀分析

1. 市場階段

市場階段分為：導入期、發展期、成熟期和衰落期。

根據Gartner公司的出版的2018新興科技周期顯示：人工智能有關的科技，仍處于炒作的上升期；也就是發展期的前至中部階段，絕大部分AI新興科技將在2年內落地應用。

圖21. Gartner2018技術周期（Garter,2018）

2. 市場規模

2018年全球AI市場規模預計為1.2萬億美元，到2022年有望達到3.9萬億美元。

而中國人工智能產業亦處在快速發展階段——2017年中國AI市場規模為216.9億元，同比2016年增長52.8%，預計2018年將延續這一增速，到2020年有望超過700億元。

更甚者，根據17年7月國務 院印發的《新一代人工智能發展規劃》三步走戰略目標——2020年中國人工智能核心產業規模將超過1500億元，帶動相關產業規模超過1萬億元；2025年核心產業規模超過4000億元，帶動相關產業規模超過5萬億元；2030年核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元，可謂空間巨大。

其中以生物識別，圖像識別等技術為核心的計算器視覺市場規模巨大，占比34.9%。

圖22. 中國AI市場規模（中國產業信息網,2018）

圖23.中國人工智能市場結構（清華大學，2018）

四、微觀分析

1. 應用場景

人工智能給各行各業帶來了變革與重構。

一方面，將新技術應用到現有的產品中，創新產品，發展新的應用場景。

一方面，技術的發展也對傳統行業造成顛覆，人工智能對人工的替代成為不可逆轉的發展趨勢，尤其在工業、金融、農業等簡單重復可程序化強的環節中。而在國防、醫療、駕駛等行業中，人工智能提供能夠適應復雜環境、更為精準、高效的專業化服務，從而取代或者強化傳統的人工服務，服務形式在未來將趨于個性化和系統化。

對于人工智能的應用來說：技術平臺、產業應用環境、市場、用戶等因素都對人工智能的產業化應用市場有很大的影響。

目前人工智能技術的主要應用場景包括但不限于：安防、制造業、服務業、金融、教育、傳媒、法律、醫療、家居、農業、汽車等。

“如何實現人工智能產業自身的創新？”，以及“如何將其應用到具體場景中？”，將會是各行業發展的關鍵點。

2. 競爭策略

在人工智能平臺化的趨勢下，未來人工智能將呈現：若干主導平臺加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式。

模式一：生態構建者——全產業鏈生態+場景應用作為突破口。

以互聯網公司為主，長期投資基礎設施和技術，同時以場景應用作為流量入口，積累應用，成為主導的應用平臺，將成為人工智能生態構建者（如Google、Amazon、Facebook、阿里云等）。

關鍵成功因素：大量計算能力投入，積累海量優質多維度數據，建立算法平臺、通用技術平臺和應用平臺，以場景應用為入口，積累用戶。

模式二：技術算法驅動者——技術層+場景應用作為突破口。

以軟件公司為主，深耕算法平臺和通用技術平臺，同時以場景應用作為流量入口，逐漸建立應用平臺（如Microsoft、IBMWatson等）。

關鍵成功因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶。

模式三：應用聚焦者——場景應用。

以創業公司和傳統行業公司為主，基于場景或行業數據，開發大量細分場景應用。

關鍵成功因素：掌握細分市場數據，選擇合適的場景構建應用，建立大量多維度的場景應用，抓住用戶；同時，與互聯網公司合作，有效結合傳統商業模式和人工智能。

模式四：垂直領域先行者——殺手級應用+逐漸構建垂直領域生態。

以垂直領域先行者為主，在垂直領域依靠殺手級應用（如出行場景應用、面部識別應用等）積累大量用戶和數據，并深耕該領域的通用技術和算法，成為垂直領域的顛覆者（如滴滴出行、曠視科技等）。

關鍵成功因素：在應用較廣泛且有海量數據的場景能率先推出殺手級應用，從而積累用戶，成為該垂直行業的主導者；通過積累海量數據，逐步向應用平臺、通用技術、基礎算法拓展。

模式五：基礎設施提供者——從基礎設施切入，并向產業鏈下游拓展。

以芯片或硬件等基礎設施公司為主，從基礎設施切入，提高技術能力，向數據、算法等產業鏈上游拓展。

關鍵成功因素：開發具有智能計算能力的新型芯片，如：圖像、語音識別芯片等拓展芯片的應用場景，在移動智能設備、大型服務器、無人機（車），機器人等設備、設施上廣泛集成運用，提供更加高效、低成本的運算能力、服務，與相關行業進行深度整合。（波士頓咨詢，2019）

目前，互聯網公司和軟件公司巨頭都在產業鏈的技術層和應用層著手布局。

五、結論

人工智能產業仍處于快速增長期。

中國是世界上人工智能領域發展最快，前景最好的國家，在部分指標上已經領先世界。在未來五年，人工智能產業仍將以高速增長。

目前仍有一些細分垂直領域亟待開發，可以從以下方面著手：

人工智能的基礎層和技術層逐漸被巨頭控制，應用層的落地仍處于萌芽階段。因此初創公司若無較大比較優勢，應集中開發應用層的處女地。

隨著各種新興技術蓬勃發展，公司應充分利用現有的和不斷發展的機器學習、人工智能、語音識別、畫像識別等先進技術，賦能產品。

根據資本偏好，當前領域所屬市場階段，充分利用先行者優勢，提前布局迅速提高產品知名度，提前搶占市場。

根據競爭態勢隨時監控、處理可能的風險。

國內外人工智能法律逐漸完善，應提前布局規避法律風險。

（本材料所有內容來源于網絡公開資料，經整理歸納總結形成本文檔，僅供學習使用。)

參考文獻：

國家政策分析部分引用自郭巍，人工智能產業技術創新聯盟

德清經略新創.（2019）.政策解讀 I 人工智能政策匯總.

（地方政策分析文字部分同樣引用自該鏈接）

本文法律分析部分引用自法制日報.法律該賦予人工智能什么地位？ 實現與人的智能疊拼。

清華大學.(2018).全球人工智能白皮書.2019.

百度.(2019).百度人工智能搜索指數

億歐智庫.（2019）.2018中國人工智能投資市場研究報告.

騰訊研究院.（2017）.2017全球人工智能人才白皮書.

易觀咨詢.(2018).人工智能產業鏈.

gwgwymx .(2018).CSDN.

發展趨勢部分來源中國信息通信研究院和中國人工智能產業發展聯盟.2018.人工智能發展白皮書.

Garter.(2018).Gatner hype cycle.

中國產業信息網.(2018).2018年中國人工智能市場規模預測及最新政策分析.

波士頓咨詢.（2019）.5類人工智能競爭模式將涌現，大數據是戰略性競爭優勢

本文來自微信公眾號：人人都是產品經理（ID：woshipm），作者：又又要乖