人工智慧：新基建，迎接智慧新時代

　　 人工智慧是新一輪産業變革的核心驅動力量，將推動數萬億數字經濟産業轉型升級。三次工業革命歷史表明，不論機械技術、電力技術和信息技術，都可以極大地促進生産標準化、自動化、模塊化，具有很強的通用性，人工智慧技術同樣具有類似的特徵，應用潛力巨大。國務院《新一代人工智慧發展規劃》指出，到2025年中國人工智慧核心産業規模超過4000億元，帶動相關産業規模超過5萬億元。

　　 人工智慧是新一輪科技競賽的制高點，對經濟增長和國家安全均至關重要。在這一場全球競爭中，中國的優勢在於百度、華為、阿裏等平臺型公司積累了紮實的技術基礎、豐富的應用場景和海量數據，在新基建大戰略下，將為國家發展打造競爭新優勢、注入增長新動能，有望成為人工智慧新基建的領軍力量。當然，在基礎科研、基礎算法、核心芯片、高端人才等方面我國仍存短板。大國科技實力是國家實力的核心，能否抓住智慧時代的變革機遇，是中國建設現代化強國的關鍵。

　　 迎接智慧新時代1.1 人工智慧是數字經濟時代的“新電能”

　　 人工智慧是第四次工業革命的重要組成部分，將推動數字經濟産業轉型升級。自18世紀以來，人類社會共發生過三次大型的技術革命，分別是蒸汽機革命、電力革命和信息互聯網革命。人工智慧將是第四次技術革命中的重要技術，自1956年達特茅斯會議上首次提出人工智慧（Artificial Intelligence）以來，人工智慧已經發展60多年。一般認為，計算機需要通過不斷地自我學習、擴充知識庫，進而掌握人類擁有的“畫畫、唱歌、讀書、設計”等眾多技能，便是“智慧”的表現。中國信通院在《人工智慧發展白皮書（2018）》中提到，人工智慧可以理解為用機器不斷感知、模擬人類的思維過程，使機器達到甚至超越人類的智慧，即人工智慧需具備類人的感知、思考和決策能力。人工智慧基礎層、技術層和應用層快速發展，諸多應用已經深入日常生活。基礎層包括硬體、算法和海量數據三部分，其中硬體的核心是具備高運算能力的芯片，例如CPU、GPU、ASIC、FPGA等，算法的核心是機器學習，包括深度學習、淺層學習和強化學習等。技術層包括計算機視覺、語音、自然語言處理等技術。應用層則是人工智慧産品、服務和解決方案，適用於家電、金融、機器人、汽車、醫療等領域。近10年來人工智慧快速發展，面對日益增長的需求，一些例如百度、華為、阿裏等具備長期研發經驗的企業也陸續推出人工智慧開發平臺或人工智慧系統，有望成為人工智慧新基建的領軍力量。儘管與科幻小説和電影裏對人工智慧的構想有較大差距，人工智慧産品和服務已經普遍存在我們現實生活當中，小到多語言翻譯軟體、智慧音箱，大到自動駕駛系統、城市安防系統、城市大腦等，人工智慧的發展已經遠遠超出早期構想，政府、企業、非營利機構都開始積極擁抱這項技術。

　　 從“+人工智慧”走向“人工智慧+”

　　 人工智慧已經在眾多垂直領域實現應用，目前較為成熟的領域包括家居、金融、交通、醫療等。通過與諸多垂直領域相結合，人工智慧技術可以通過兩方面進行産業賦能：一方面提高生産效率、降本增效，即“+人工智慧”；二是創造新的需求和增長點，即“人工智慧+”。

　　 “+人工智慧”可以快速高效處理數據，同時兼顧普通和長尾用戶，提高生産效率，實現降本增效。以金融行業為例，目前人工智慧主要用於風控、支付、理賠、投顧等方面，其中智慧投顧應用最為成熟。人工智慧通過海量數據學習、精準算法分析，結合用戶提供的風險承受水平、收益目標、市場的動態，進行個性化定制服務。對比人工服務，智慧投顧投資門檻最低至500美元、管理費率約0.02%-1%。目前，例如招商銀行、工商銀行等國內主流金融機構也推出智慧投顧産品，其他機構也加強研發具備類似功能的産品和服務。

　　 在此次新冠肺炎疫情防控中人工智慧也發揮了巨大作用，主要覆蓋疫情監控、體溫檢測、病毒檢測、復工復産等方面。春節時期新冠疫情爆發，對病毒檢測、追蹤、隔離防控等工作帶來巨大挑戰，人工智慧的應用，以數據為支撐，主要幫助時態追蹤和疫情研判“人工智慧+”是創造新需求、新商業模式、新的經濟增長點。以汽車為例，其中智慧網聯是人工智慧在汽車行業應用最受關注的領域。智慧網聯一方面可以提升汽車的智慧化，包括自動駕駛、智慧語音、智慧座艙等；另一方面與5G相結合，提高汽車信息溝通能力，實現網聯化，包括人員和車輛安全管理、城市道路交通規劃等。

　　 人工智慧技術制高點之爭

　　 人工智慧産業競爭是各國政策、基礎研究、技術、資本等各方面綜合實力的競爭。目前各國政府高度重視，在基礎設施搭建、基礎科研、人才培養、資助研發、合作交流等方面給予支持鼓勵。資本和企業也積極尋求商業落地場景，協助技術轉化。技術落地于垂直領域，繼而産生新的數據，促進算法更新迭代，又可以進一步服務於垂直領域，如此循環往復、不斷發展。這場全球競賽中，中國的優勢在於擁有海量數據和實踐經驗，但在基礎科研、基礎技術、前沿拓展方面仍存在薄弱環節。

　　 政策：全球主要國家和地區均高度重視

　　 以AlphaGo事件為分水嶺，人工智慧獲得空前關注，主要國家和地區紛紛加入這場事關未來大國科技實力的競爭當中。因為基礎設施尚未普及、技術超前、理論分支眾多等原因，人工智慧的發展經歷過三次潮起潮落，直到2016年DeepMind公司研發的AlphaGo挑戰世界圍棋頂尖棋手李世石，並獲得最終勝利，才讓全球又重新感受到人工智慧所帶來的魅力。

　　 從發佈的政策規劃來看，各國和地區認同人工智慧對未來的人才、産業升級、社會福祉、全球影響力的重要性，並作為國家級戰略進行推進。根據各國科研實力、人才匯集程度、基礎設施完備度、國情等因素，各國和地區的側重點有所不同。

　　 美國致力於維持全球科技霸主地位，人工智慧位於其科技版圖的核心。歐盟重點關注工業、製造業、醫療、能源等領域，強調發揮創新創造力，應用人工智慧使製造業及相關領域智慧升級。日本由於面臨嚴峻的少子化老齡化問題，著重研究人工智慧在機器人、醫療、汽車交通等領域的應用。

　　 中國人工智慧呈三階段逐步推進，重視與製造業和服務業的融合。自2015年起，我國人工智慧相關政策從智慧製造時期，“互聯網+”時期（以《“互聯網+”人工智慧三年行動實施方案》為代表），到“智慧+”國家戰略時期演變（以《新一代人工智慧發展規劃》為代表）。政策重心也從核心技術攻克到實際場景應用，從特定行業到跨界融合，從單項技術到人機協同。與美國和歐盟類似，我國也強調建立相關試點項目，包括技術示範試點、政策試驗、社會實驗。

　　 基礎科研：美國最強，中國快速追趕

　　 中國人工智慧領域論文數量增長較快，但論文質量與美國依然存在差距。全球累計共發佈人工智慧論文超70萬篇，中國、美國是論文發表大國，2018年中美兩國分別發佈論文2.5萬篇和1.6萬篇，全球合計佔比46.5%。從增長趨勢來看，美國保持勻速增長，中國自2014年後增長較快，中國論文數量佔全球總量比重從1998年的8.9%上升為2018年的28.2%。從代表論文質量的FWCI指數（平均加權引用影響指數）來看，中國論文質量也在穩步提升，從1998年的0.43提升至2018年的1.39。美國保持全球最高水平，長年保持在2左右，2018年FWCI指數達2.38。

　　 FWCI指數：FWCI標準化為1，當某國或機構的FWCI指數為1時，表明該國或機構的引用影響力在世界平均水平。如果某國或機構的FWCI指數為1.2，表明該國或機構論文被引用次數超出世界平均水平20%。如果某國或機構的FWCI指數為0.8，表明該國或機構論文被引用次數低於世界平均水平20%。

　　 從論文發表機構類型來看，包括中國、美國、歐盟27國等在內的各國和地區均以高校為核心科研力量，2018年三者高校論文産出佔各自總産出的92.1%、84.6%、90.7%。除高校外，中美兩國的主力科研主體有所不同，2018年中國科研機構産出約為中國企業産出的3倍，而同期美國企業産出約為美國科研機構産出的1.6倍。

　　 數據量：人工智慧時代的“原材料”，中國具有規模優勢

　　 電腦和智慧手機的普及、互聯網和移動互聯網所累積的數據爆發，是促進人工智慧技術和應用突破的重要原因之一。人工智慧需要做到“感知、思考、決策”，首先就是需要足夠多、足夠好的原始數據對計算機進行訓練，猶如培育良駒，得喂足新鮮的牧草。“足夠多”代表數據的數量要大，電腦的發明讓運算簡化，並讓信息以電子化形式保存，智慧手機的普及讓全球網民滲透大幅提高，兩者令大量的數據被保存。“足夠好”代表數據的質量要佳，互聯網的誕生極大地縮短信息交流的物理距離、提高傳播速度，各類互聯網類服務應用誕生，其産生的數據類型也更加多樣，包括瀏覽網頁喜好、外賣點單頻率、行程記錄等，多元豐富的數據才能應對各種訓練人工智慧的要求。

　　 數據增長和運用依賴於信息和物理的基礎設施構建，中國將成為全球最大的數據中心。得益於人口數量、互聯網滲透率、智慧手機滲透率、網速等，2018年中國擁有數據量7.6ZB，佔全球數據總量的23.4%。隨著5G、物聯網等發展，通訊設備接入數量和承載能力提高，終端消費者增多，中國的數據量將在2025年達48.6ZB，佔全球數據總量的27.8%，成為全球最大的數據集中地，將極大的促進和豐富人工智慧訓練，相關模型結構和結果也更精準。

　　 技術：深度學習推動本次人工智慧熱潮

　　 足夠多、足夠好的數據支撐人工智慧“感知”階段，而人工智慧算法使計算機擁有思維，從而達到“理解、決策”，深度學習在這過程作出巨大貢獻。深度學習是一類模式分析方法的統稱，計算機通過學習樣本數據來掌握內在邏輯和規律，從而擁有分析能力，這項研究最早可以追溯到1958年弗蘭克·羅森布拉特發明的感知機（Perceptron）。利用感知機，可以進行圖像區分訓練，例如最常見的從水果堆中選出“蘋果”或者“香蕉”。然而當時缺少足量的數據，該項研究陷入瓶頸，並出現過度擬合（Overfitting）問題，例如學生希望通過練習相似的題目來掌握一種題型，但是訓練量不夠大、並沒有理解題型背後的知識點，考試一旦發生些許變化便無法解出答案。後來，科學家通過研究人腦，試圖模倣人腦神經網絡機制來進行圖像、聲音等分類工作，逐漸演化成如今的深度學習。

　　 深度學習的發展推動人工智慧基礎應用技術突破，自2010年起，全球包括計算機視覺、語音語義等基礎應用技術的專利申請量急速增長。

　　 計算機視覺技術主要是讓計算機擁有人類的眼睛，學會“看”圖片、文字、視頻等，經常用於圖像識別、人臉識別等，適用於自動駕駛、安防、人臉支付等領域。從計算機視覺和圖像識別相關的技術申請情況來看，截至2018年12月31日，全球共申請14.3萬項同族專利，中國、美國、韓國成為全球申請數量前三國家，分別為5.3萬項、2.4萬項、2.3萬項。從技術授權情況來看，美國技術授權量全球最高、達1.3萬項，日本和中國排為第二、第三，分別為1.04萬項和1萬項。從申請人來看，佳能、東芝、三星為前三申請人，申請數量分別為2900項、2700項、2300項。

　　 語音語義技術主要是讓計算機學會“聽、讀”文字、段落、文章等，經常用於文字識別、語音情感分析、人機對話、聲音定位等，適用於翻譯軟體、車載操作系統、智慧音箱、語音助手等領域。從語音語義技術相關的技術申請情況來看，截至2019年12月20日，全球共申請4.3萬項專利族，中美兩國依然是這個領域的主要申請國，合計佔比超過75%。從申請人來看，語音語義領域的申請人以企業為主，其中IBM、三星、微軟為前三申請人，申請專利量分別為1741項、890項、821項。從專利授權人來看，微軟、IBM、Nuance為前三授權人，授權量分別為672項、468項、440項。從國內企業情況來看，百度成為唯一一家在語音語義技術領域申請量和授權量均列全球前十的企業。

　　 中國人工智慧領域的專利申請量呈逐年上升趨勢，據國家工業信息安全發展研究中心《人工智慧中國專利技術分析報告》數據，2018年國內專利申請量達94539件，為2010年申請量的10倍。截至2019年10月，百度、騰訊、微軟、浪潮、華為分別以5712、4115、3978、3755、3656件專利申請量位列國內人工智慧專利申請量前五。

　　 人工智慧芯片的出現顯著提高數據處理速度，支撐日益複雜的算法處理龐雜數據，是人工智慧發展的重要基礎。隨著處理的數據量增多、從通用場景到各類特定場景，算法模型設計的框架和層數也越來越複雜，這對基礎硬體提出更高的運算要求。從相關專利申請情況來看，中美兩國是申請大國，截至2019年10月，中美兩國人工智慧芯片專利申請量分別為1.6萬項和1.1萬項。從相關申請人來看，傳統芯片和半導體企業更有優勢，其中三星、日立和IBM是該領域的前三專利申請人，從近年申請趨勢來看，三星和英特爾表現更積極。從實際應用産品來看，目前具備代表性包括英特爾EyeQ系列、英偉達Xavier系列、華為昇騰310、寒武紀Cambricon 1M系列、百度崑崙芯片等。

　　 中美兩國是全球人工智慧企業聚集地，中國企業集中于應用層，美國企業集中于技術層。截至2019年2月，全球共有人工智慧企業3438家，美國以1446家位列第一，全球佔比42.1%，中國第二、共745家、全球佔比21.7%。從企業類型來看，中國主要為應用層企業，美國主要為技術層企業。中國應用層人工智慧企業佔比最高，為75.2%；技術層居第二位，佔比為22%；基礎層企業佔比最少僅為2.8%。而美國更重視技術研發，三類企業佔比分別為39.1%、57.7%、3.2%。

　　 資本：全球投資持續上升，中美人工智慧企業最受資本青睞

　　 人工智慧技術突破和政策支持吸引資本持續投入，過去十年平均投資年增速約50%。據斯坦福大學數據，全球對人工智慧初創企業投資金額從2009年的不到10億美元升至2019年的近400億美元，其中2014年開始投資加快，2014-2019年11月，全球人工智慧初創企業共獲得1.6萬筆投資，平均每筆投資金額約860萬美元。

　　 從國家和地區來看，美國公司和中國公司是全球投資重點。由於美國的技術領先性，美國無論是被投資金額還是被投資企業數量均保持世界第一。儘管中國被投企業數量不及美國，由於每筆投資金額較高，例如曠視科技2018年3月C輪融資4.6億美元、商湯科技2018年4月C輪融資6.2億美元，中國初創企業被投資金額僅次美國、約250億美元。此外，英國、以色列、加拿大、法國、日本、新加坡、德國和印度是被關注較為頻繁的國家和地區。

　　 挑戰與建議

　　 在數字經濟浪潮下，5G就如同“信息高速公路”，為龐大數據量和信息量的傳遞提供了高速傳輸信道，補齊了制約人工智慧、大數據、工業互聯網等在信息傳輸、連接規模、通信質量上的短板；人工智慧如同雲端大腦，依靠“高速公路”傳來的信息學習和演化，完成機器智慧化進程；工業互聯網如同“橋梁”，依靠“高速公路”連接人、機、物，推動製造走向智造。人工智慧具有明顯的溢出效應，將與5G、數據中心等一起推動數字經濟時代的産業轉型升級，是當前及未來各國科技競賽的制高點。大國科技實力是國家實力的核心，能否抓住智慧時代的變革機遇，是中國建設現代化強國的關鍵。總體而言，我國人工智慧産業仍處於發展初期，面臨基礎研發欠缺、技術和場景尚未融合、傳統基礎設施跟不上技術發展等問題。建議：

　　 為人工智慧發展做好“軟性”支撐，做好人才培養、前沿技術研究和聯絡合作。加強國內高校開展相關課程、培育本土人才。積極吸引海外科研人員、聚集全球人才。對照美國對科研人才的吸引措施，中國應該抓住這一機遇，在研究經費資助、個人稅收、簽證、戶口、子女教育等一系列領域推出引進海外高端人才的一攬子政策，切實解決科研人員後顧之憂，併為其科研、創業提供更大力度的支持。加快科教體制改革，建立市場化、多層次的産學研協作體系。由國家主導加大基礎研究投入，由企業主導加大試驗開發投入，多類主體形成合理的科研分工。

　　 為人工智慧發展做好“硬性”保障，加快信息化基礎設施建設，並對傳統物理基礎設施進行智慧化升級。與鐵路、公路、機場三者構成工業時代的基礎設施不同，雲計算、大數據、人工智慧、5G、區塊鏈等將是未來重點，所覆蓋的新基建包括兩方面，一類是以數字中心、基站等為代表的信息化設備，另一類是公路、鐵路等傳統基建設備。為應對未來的數字挑戰，需要從這兩方面入手，一方面加快寬帶網絡、5G網絡等建設，另一方面加強對傳統鐵路、機場等公共場景例如傳感器、控制平臺、雲平臺等智慧化配備。為後續技術發展做好數據收集、傳輸、溝通、分析的硬體基礎。

　　 重視人工智慧技術所帶來的人倫道德問題，從立法和監管兩個角度跟上技術革新。人工智慧的發展離不開數據，由於大部分的數據是公開透明、自由流通的虛擬産物，就會引發由數據的所屬而産生的權責問題，這也涉及到數據的安全、知識産權保護和隱私問題。例如，企業可以通過消費者的上網瀏覽信息來分析傾向喜好，進行精準推送，企業降低營銷費用的同時消費者可以更好的獲得信息或者産品，然而這一行為是否徵得消費者同意、是否涉及侵犯個人隱私也值得考慮。由於數據的生産和使用涉及消費者、平臺、運營商、服務商等多個環節，數據在每個環節被加工整合，難以使用傳統的商品産品標準去統一管理，這也對相關立法和監管造成阻礙。因此，需要關注人工智慧人倫道德、技術標準、人工智慧與人類社會關係等問題，以人為本，重視數據安全。（作者：恒大研究院 任澤平 連一席 謝嘉琪 ）