智慧城市网

　　【安防展览网 市场分析】人工智能的发展于社会、经济、生活都有着重大意义，我国人工智能发展至今已经形成了完整的产业链，通过研究发现，目前我国人工智能基础层发展比较薄弱;技术层发展为迅猛，语音识别、机器视觉等部分技术已经处于世界地位，但整体上依然处于初始阶段；应用层以结合行业实际需求实现商业落地为主。
 

　　当前学术界对人工智能尚无形成统一定义，但是在人工智能基本内容上达成的共识是：通过研究人类智能活动的规律，从而让机器来模拟，使其拥有学习能力，甚至能够像人类一样去思考、工作。
 

　　人工智能的发展是多门学科交叉应用的成果，不同的学科承载着不同的功能，于是根据人工智能各组成要素实现功能的不同，将人工智能产业链分为基础层、技术层、应用层。
 

人工智能产业链全景图

(资料来源：金智创新行业研究中心)
 

　　基础层发展薄弱 核心技术有待突破
 

　　基础层主要功能是实现数据的采集与计算，包括AI芯片、传感器、云计算与大数据。其中大数据与传感器负责数据的采集，AI芯片与云计算负责数据的运算。从整体来看，目前我国人工智能基础层发展还比较薄弱，存在产学研不够紧密的问题。我国传感器与大数据行业发展比较完善，芯片与云计算方面与国外差距较大。
 

　　1.传感器方面
 

　　我们国家已经在研发、设计、代工生产、封装测试等环节形成了完整的产业链，形成了比较完善的生态系统。大数据方面，百度、阿里、腾讯基于自身的资金优势、人才优势以及数据优势占据主导地位，目前*范围内大数据产业由中国和美国。
 

　　2.AI芯片方面
 

　　我国处于刚起步阶段，芯片行业的技术壁垒较高，分为设计、制造与封测三个环节，我国主要是在芯片制造方面与国外企业存在较大差距，目前大陆仅支持28nm的芯片制程，而中国台湾的台积电、韩国的三星、日本的TDK已经能够实现7nm的制程，制备工艺的落后导致我国的芯片都依赖进口。
 

　　3.云计算方面
 

　　我国尚未形成统一的技术架构和体系，云计算一般可以分为 IaaS、 PaaS 和 SaaS 三类，在服务深入度与技术难度上依次递增，国外企业主要集中在PaaS与SaaS层，而我国云计算企业则主要集中在IaaS层，与国外存在明显差距。
 

　　技术层发展迅猛 部分技术已经处于世界水平
 

　　技术层是人工智能的核心环节，包括语音识别、机器视觉、机器学习与自然语言处理，模仿人类对外界信息的感知能力与认知能力，然后通过对计算机进行大量的信息训练，不断优化算法模型，终实现计算机的类人脑功能。
 

　　我国在人工智能技术层发展迅猛，部分技术处于世界水平，但整体依然处于初始阶段。
 

　　1.机器视觉领域
 

　　机器视觉识别主要分为动态图像识别与静态图像识别，由于动态图像识别技术门槛较高，所以当前我国的技术研发主要集中在静态图像识别领域，静态图像识别的关键点在于计算机对真实图像的仿真程度以及识别算法模型的优化。
 

　　目前我国关于机器视觉的部分技术已经处于世界地位，如依图科技搭建了十亿级人像对比系统，并在2017年美国国家标准与技术研究院组织的人脸识别技术测试中获得世界。
 

　　2.语音识别领域
 

　　以科大讯飞、百度、搜狗为代表的不断推出突破性的研究成果，使得语音识别准确率稳定在了95%以上，处于水平。
 

　　在机器学习领域，尽管我国在核心算法方面与外国差距不大，但是在适用于深度学习的芯片上严重依赖进口。深度学习对芯片的算力具有较高要求，普通芯片算力难以达到要求，只能依赖于GPU、NPU等算力较高的进口芯片。
 

　　3.应用层已实现商业化落地，赋能实体经济
 

　　人工智能应用层是基于基础层与技术层发展起来的，将人工智能相关技术与行业具体需求相结合，实现商业化落地，从而达到赋能实体经济以及服务于人类社会的目的，这是发展人工智能的主要意义。
 

　　人工智能相关企业主要集中在应用层，不同领域发展情况迥异。截至2018年底，我国人工智能相关公司总数达到2167家，其中应用层占比77.7%，基础层与技术层只占比22.3%，充分体现了我国人工智能产业大而不精的特点。
 

　　目前人工智能主要应用在农业、制造、零售、交通、教育、客服、医疗、安防、广告营销、金融等领域。我国人工智能在安防、金融以及广告营销等领域发展的成熟度较高，市场规模合计占比整个应用层的81.2%;智慧农业市占比仅有0.8%，主要是由于我国农业历来信息化程度较低，产业的智能化发展缺乏数据支撑。
 

2018年中国人工智能赋能实体经济各产业份额 

(资料来源：公开资料整理)
 

　　智慧医疗的市占比低为0.4%，源于智慧医疗对高精尖机器视觉、算法等核心技术要求较高，叠加我国AI医疗器械审批时间长，并且在精度、疾病判断方面有待提升，总体来看智慧医疗行业发展比较缓慢。
 

　　结语
 

　　我国人工智能领域的论文总量以及创新总量均位居，但是却存在产学研不够紧密的问题，导致高价值的科研成果无法转化为有价值的生产力。并且我国人工智能产业结构不合理，分布在基础层及技术层的企业较少，不利于为人工智能产业奠定深厚的发展基础，亟待国家政策引导，解决我国人工智能产业发展窘境。(原标题：我国部分人工智能技术处于世界水平，核心技术仍有待突破！)