接上期：http://m.ptau.cn/article/202007/416225.htm

應用層面：群雄逐鹿，格局未定

應用層以底層技術能力為主導，切入不同場景和應用，提供產品和解決方案。受益于計算機視覺、圖像識別、自然語言處理等技術的快速發(fā)展，人工智能已廣泛地滲透和應用于諸多垂直領域，產品形式也趨向多樣化。近年來，關注度較高的應用場景主要包括安防、金融、教育、醫(yī)療、交通、廣告營銷等。從融合深度上，由于場景復雜度、技術成熟度和數 據公開水平的不同，而導致各場景應用成熟度不同。例如，政策導向和海量數據助推下， AI+安防、金融和客服領域有較為深入的應用，醫(yī)療和教育領域是產品或服務單點式切入，尚未形成完整的解決方案。而由于基礎設施復雜和數據獲取難度大，AI+制造業(yè)處于邊緣 化。此外，AI+農業(yè)國內尚未產生成熟產品。

應用場景市場空間廣闊，全球市場格局未定。受益于全球開源社區(qū)，應用層進入門檻相對較低。目前，應用層是人工智能產業(yè)鏈中市場規(guī)模最大的層級。據中國電子學會統(tǒng)計，2019 年，全球應用層產業(yè)規(guī)模將達到360.5 億元，約是技術層的1.67 倍，基礎層的2.53 倍。 在全球范圍內，人工智能仍處在產業(yè)化和市場化的探索階段，落地場景的豐富度、用戶需 求和解決方案的市場滲透率均有待提高。目前，國際上尚未出現擁有絕對主導權的壟斷企 業(yè)，在很多細分領域的市場競爭格局尚未定型。

中國側重應用層產業(yè)布局，市場發(fā)展?jié)摿Υ蟆?/strong>歐洲、美國等發(fā)達國家和地區(qū)的人工智能產 業(yè)商業(yè)落地期較早，以谷歌、亞馬遜等企業(yè)為首的科技巨頭注重打造于從芯片、操作系統(tǒng) 到應用技術研發(fā)再到細分場景運用的垂直生態(tài)，市場整體發(fā)展相對成熟；而應用層是我國 人工智能市場最為活躍的領域，其市場規(guī)模和企業(yè)數量也在國內 AI 分布層級占比最大。據艾瑞咨詢統(tǒng)計，2019 年，國內77%的人工智能企業(yè)分布在應用層。得益于廣闊市場空間以及大規(guī)模的用戶基礎，中國市場發(fā)展?jié)摿^大，且在產業(yè)化應用上已有部分企業(yè)居于 世界前列。例如，中國 AI+安防技術、產品和解決方案引領全球產業(yè)發(fā)展，海康威視和大 華股份分別占據全球智能安防企業(yè)的第一名和第四名。

整體來看，國內人工智能完整產業(yè)鏈已初步形成，但仍存在結構性問題。從產業(yè)生態(tài)來看， 我國偏重于技術層和應用層，尤其是終端產品落地應用豐富，技術商業(yè)化程度比肩歐美。 但與美國等發(fā)達國家相比，我國在基礎層缺乏突破性、標志性的研究成果，底層技術和基 礎理論方面尚顯薄弱。初期國內政策偏重互聯(lián)網領域，行業(yè)發(fā)展追求速度，資金投向追捧 易于變現的終端應用。人工智能產業(yè)發(fā)展較為“浮躁”，導致研發(fā)周期長、資金投入大、 見效慢的基礎層創(chuàng)新被市場忽略?！邦^重腳輕”的發(fā)展態(tài)勢導致我國依賴國外開發(fā)工具、 基礎器件等問題，不利于我國人工智能生態(tài)的布局和產業(yè)的長期發(fā)展。短期來看，應用終 端領域投資產出明顯，但其難以成為引導未來經濟變革的核心驅動力。中長期來看，人工智能發(fā)展根源于基礎層（算法、芯片等）研究有所突破。

透析人工智能發(fā)展?jié)摿?/strong>

基于人工智能產業(yè)發(fā)展現狀，我們將從智能產業(yè)基礎、學術生態(tài)和創(chuàng)新環(huán)境三個維度，對 中國、美國和歐洲 28 國人工智能發(fā)展?jié)摿M行評估，并使用熵值法確定各指標相應權重 后，利用理想值法（TOPSIS 法）構建了一個代表人工智能發(fā)展?jié)摿φw情況的綜合指標。

從智能產業(yè)基礎的角度

產業(yè)化程度：增長強勁，產業(yè)規(guī)模僅次美國

中國人工智能尚在產業(yè)化初期，但市場發(fā)展?jié)摿^大。產業(yè)化程度是判斷人工智能發(fā)展活 力的綜合指標，從市場規(guī)模角度，據 IDC 數據，2019 年，美國、西歐和中國的人工智能 市場規(guī)模分別是 213、71.25 和 45 億美元，占全球市場份額依次為 57%、19%和 12%。中國與美國的市場規(guī)模存在較大差異，但近年來國內 AI 技術的快速發(fā)展帶動市場規(guī)模高速增長，2019 年增速高達 64%，遠高于美國（26%）和西歐（41%）。從企業(yè)數量角度， 據清華大學科技政策研究中心，截至 2018 年 6 月，中國（1011 家）和美國（2028 家） 人工智能企業(yè)數全球遙遙領先，第三位英國（392 家）不及中國企業(yè)數的 40%。從企業(yè)布局角度，據騰訊研究院，中國 46%和 22%的人工智能企業(yè)分布在語音識別和計算機視覺 領域。橫向來看，美國在基礎層和技術層企業(yè)數量領先中國，尤其是在自然語言處理、機器學習和技術平臺領域。而在應用層面（智能機器人、智能無人機），中美差距略小。展 望未來，在政策扶持、資本熱捧和數據規(guī)模先天優(yōu)勢下，中國人工智能產業(yè)將保持強勁的 增長態(tài)勢，發(fā)展?jié)摿^大。

技術創(chuàng)新能力：專利多而不優(yōu)，海外布局仍有欠缺

專利申請量是衡量人工智能技術創(chuàng)新能力和發(fā)展?jié)撡|的核心要素。在全球范圍內，人工智 能專利申請主要來源于中國、美國和日本。2000 年至 2018 年間，中美日三國 AI 專利申 請量占全球總申請量的 73.95%。中國雖在 AI 領域起步較晚，但自 2010 年起，專利產出 量首超美國，并長期雄踞申請量首位。

從專利申請領域來看，深度學習、語音識別、人臉識別和機器人等熱門領域均成為各國重 點布局領域。其中，美國幾乎全領域領跑，而中國在語音識別（中文語音識別正確率世界 第一）、文本挖掘、云計算領域優(yōu)勢明顯。具體來看，多數國內專利于 AI 科技熱潮興起后 申請，并集中在應用端（如智能搜索、智能推薦），而 AI 芯片、基礎算法等關鍵領域和前 沿領域專利技術主要仍被美國掌握。由此反映出中國 AI 發(fā)展存在基礎不牢，存在表面繁 榮的結構性不均衡問題。

從專利權人分布來看，中國高校和科研機構創(chuàng)新占據主導地位，或導致理論、技術和產業(yè) 割斷的市場格局。歐美日人工智能申請人集中在企業(yè)，IBM、微軟、三星等巨頭企業(yè)已構 建了相對成熟的研發(fā)體系和策略，成為專利申請量最多的專利人之一。其中，IBM 擁有專 利數量全球遙遙領先，截至 2018 年 12 月 31 日，共擁有 4079 件 AI 專利。而中國是全球 唯一的大學和研究機構 AI 專利申請高于企業(yè)的國家。由于高校與企業(yè)定位與利益追求本 質上存在差異，國內技術創(chuàng)新與市場需求是否有效結合的問題值得關注。

中國 AI 專利質量參差不齊，海外市場布局仍有欠缺。盡管中國專利申請量遠超美國，但技術“多而不強，專而不優(yōu)”問題亟待調整。其一，中國 AI 專利國內為主，高質量 PCT 數量較少。PCT（Patent Cooperation Treaty）是由 WIPO 進行管理，在全球范圍內保護 專利發(fā)明者的條約。PCT 通常被為是具有較高的技術價值。據中國專利保護協(xié)會統(tǒng)計，美國 PCT 申請量占全球的 41%，國際應用廣泛。而中國 PCT 數量（2568 件）相對較少， 僅為美國 PCT 申請量的 1/4。目前，我國 AI 技術尚未形成規(guī)模性技術輸出，國際市場布 局欠缺；其二，中國實用新型專利占比高，專利廢棄比例大。我國專利類別包括發(fā)明、實 用新型專利和外觀設計三類，技術難度依次降低。中國擁有 AI 專利中較多為門檻低的實 用新型專利，如 2017 年，發(fā)明專利僅占申請總量的 23%。此外，據劍橋大學報告顯示， 受高昂專利維護費用影響，我國 61%的 AI 實用新型和 95%的外觀設計將于 5 年后失效， 而美國 85.6%的專利仍能得到有效保留。

人才儲備：供需失衡，頂尖人才缺口大

人才的數量與質量直接決定了人工智能的發(fā)展水平和潛力。目前，全球人工智能人才分布 不均且短缺。據清華大學統(tǒng)計，截至 2017 年，人才儲備排名前 10 的國家占全球總量的 61.8%。歐洲 28 國擁有 43064 名人工智能人才，位居全球第一，占全球總量的 21.1%。美國和中國分別以 28536、18232 列席第二、第三位。其中，中國基礎人才儲備尤顯薄弱。根據騰訊研究院，美國 AI 技術層人才是中國 2.26 倍，基礎層人才數是中國的 13.8 倍。

我國人工智能人才供需嚴重失衡，杰出人才缺口大。據 BOSS 直聘測算，2017 年國內人 工智能人才僅能滿足企業(yè) 60%的需求，保守估計人才缺口已超過 100 萬。而在部分核心領域（語音識別、圖像識別等）， AI 人才供給甚至不足市場需求的 40%，且這種趨勢隨 AI 企業(yè)的增加而愈發(fā)嚴重。在人工智能技術和應用的摸索階段，杰出人才對產業(yè)發(fā)展起著 至關重要的作用，甚至影響技術路線的發(fā)展。美國（5158 人）、歐盟（5787 人）依托雄 厚的科研創(chuàng)新能力和發(fā)展機會聚集了大量精英，其杰出人才數在全球遙遙領先，而中國杰 出人才（977 人）比例仍明顯偏低，不足歐美的 1/5。

人才流入率和流出率可以衡量一國生態(tài)體系對外來人才吸引和留住本國人才的能力。根據 Element AI 企業(yè)的劃分標準，中國、美國等國家屬于 AI 人才流入與流出率均較低的錨定 國（Anchored Countries），尤其是美國的人工智能人才總量保持相對穩(wěn)定。具體來看， 國內人工智能培育仍以本土為主，海外人才回流中國的 AI 人才數量僅占國內人才總量的 9%，其中，美國是國內 AI人才回流的第一大來源大國，占所有回流中國人才比重的 43.9%。 可見國內政策、技術、環(huán)境的發(fā)展對海外人才的吸引力仍有待加強。

從學術生態(tài)的角度

技術創(chuàng)新能力：科研產出表現強勁，產學融合尚待加強

科研能力是人工智能產業(yè)發(fā)展的驅動力。從論文產出數量來看，1998-2018 年，歐盟、中國、美國位列前三，合計發(fā)文量全球占比 69.64%。近些年，中國積極開展前瞻性科技布 局， AI發(fā)展勢頭強勁，從1998年占全球人工智能論文比例的8.9%增長至2018年的28.2%， CAGR17.94%。2018 年，中國以 24929 篇 AI 論文居世界首位。中國研究活動的活躍從 側面體現在人工智能發(fā)展?jié)摿^大。

我國論文影響力仍待提高，但與歐美差距逐年縮小。FWCI（Field-Weighted Citation Impact， 加權引用影響力）指標是目前國際公認的定量評價科研論文質量的最優(yōu)方法，我們利用 FWCI 表征標準化1后的論文影響力。當 FWCI≥1 時，代表被考論文質量達到或超過了世 界平均水平。近 20 年，美國的 AI 論文加權引用影響力“獨領風騷”，2018 年，FWCI 高 于全球平均水平的 36.78%；歐洲保持相對平穩(wěn)，與全球平均水平相當；中國 AI 領域論文 影響力增幅明顯，2018 年，中國 FWCI 為 0.80，較 2010 年增長 44.23%，但論文影響力仍低于世界平均水平的 20%。從高被引前 1%論文數量來看，美國和中國高質量論文產出 為于全球第一、第二位，超出第三位英國論文產出量近 4 倍。綜合來看，中國頂尖高質量 論文產出與美國不分伯仲，但整體來看，AI 論文影響力與美國、歐美仍有差距。

從發(fā)文主體來看，科研機構和高校是目前中國人工智能知識生產的絕對力量，反映出科研成 果轉化的短板。而美國、歐盟和日本則呈現企業(yè)、政府機構和高校聯(lián)合參與的態(tài)勢。據Scopus 數據顯示，2018 年，美國企業(yè)署名 AI 論文比例是中國的 7.36 倍，歐盟的 1.92 倍。2012 年 至 2018 年，美國企業(yè)署名 AI 論文比例增長 43pct，同期中國企業(yè)署名 AI 論文僅增長 18pct。 此外，人工智能與市場應用關聯(lián)密切，校企合作論文普遍存在。而我國校-企合作論文比例僅為 2.45%，與以色列（10.06%）、美國（9.53%）、日本（6.47%）差別較大。從產學結合的角度， 中國人工智能研究以學術界為驅動，企業(yè)在科研中參與程度較低，或難以實現以市場為導向。

中國人工智能高校數量實位于第二梯隊，實力比肩美國。高校是人工智能人才供給和論文 產出的核心載體。據騰訊研究院統(tǒng)計，全球共 367 所高校設置人工智能相關學科，其中， 美國（168 所）獨占鰲頭，占據全球的 45.7%。中國擁有 20 所高校與英國并列第三，數 量上稍顯遜色。此外，中國高校實力普遍上升，表現強勁。據麻省理工學院 2019 年發(fā)布的AI 高校實力 Top20 榜單中，中國清華大學、北京大學包攬前兩名，較 2018 年分別上 升 1 個和 3 個名次。

從創(chuàng)新環(huán)境的角度

研發(fā)投入：中美研發(fā)投入差距收窄

中國研發(fā)高投入高強度，在全球研發(fā)表現中占據重要地位。從研發(fā)投入的角度，美國、中國、日本和德國始終是全球研發(fā)投入的主力軍。據 IDC 統(tǒng)計顯示，2018 年四國的研發(fā)投 入總和占全球總量的比例已達 60.77%。其中，美國憑借其強大的研發(fā)實力連續(xù)多年位居 全球研發(fā)投入的榜首。近年來，中國研發(fā)投入呈現一路猛增的強進勢頭，據 Statista 統(tǒng)計， 國內 2019 年研發(fā)投入額為 5192 億美元，僅次于美國。且趨勢上與美國差距不斷縮小， 2000 年至 2019 年，CAGR 高達 14.43%，同期美國 CAGR 僅 2.99%。由于經濟疲軟等 諸多原因，歐盟與日本則呈現較為緩慢的上升趨勢。據研發(fā)投入與強度增長的趨勢推測， 中國或在 1-2 年內取代美國的全球研發(fā)領先地位。從研發(fā)強度的角度，中國研發(fā)強度總體 上呈逐步攀升的趨勢，且漲幅較大。但對創(chuàng)新活動投入強度的重視程度仍與美國和日本存 在差距。2018 年中國研發(fā)強度 1.97%，低于日本和美國 1.53、0.87 個百分點。

資本投入：資金多而項目缺，資本投向側重終端市場

中美是全球人工智能“融資高地”。人工智能開發(fā)成本高，資本投入成為推動技術開發(fā)的主力。在全球范圍內，美國是人工智能新增企投融資領先者，據 CAPIQ 數據顯示，2010 年至 2019 年 10 月，美國 AI 企業(yè)累計融資 773 億美元，領先中國 320 億美元，占全球總 融資額的 50.7%。尤其是特朗普政府以來，人工智能投資力度逐步加碼。中國作為全球第 二大融資體，融資總額占全球 35.5%。考慮到已有格局和近期變化，其他國家和地區(qū)難以 從規(guī)模上撼動中美兩國。從人工智能新增企業(yè)數量來看，美國仍處于全球領先地位。2010 至 2018 年，美國累計新增企業(yè)數量 7022 家，較約是中國的 8 倍（870 家）。中國每年新 增人工智能企業(yè)在 2016 年達到 179 家高點后逐漸下降，近兩年分別是 179 家（ 2017 年）， 151 家（2018 年），表明中國資本市場對 AI 投資也日趨成熟和理性。整體來看，中國人 工智能新增企業(yè)增勢緩慢，但融資總額漲幅迅猛。這一“資金多而項目缺”的態(tài)勢或是行 業(yè)泡沫即將出現的預警。

相比較美國，中國資本投向側重易落地的終端市場。從融資層面來看，中國各領域發(fā)展較 為均衡，應用層是突出領域，如自動駕駛、計算機學習與圖像、語音識別和無人機技術領 域的新增融資額均超過美國。而美國市場注重底層技術的發(fā)展。據騰訊研究院數據顯示， 芯片和處理器是美國融資最多的領域，占總融資額的 31%。當前中國對人工智能芯片市場 高度重視，但受限于技術壁壘和投資門檻高，國內芯片融資處于弱勢。

基于信息熵的 TOPSIS 法：綜合指標評估

數據結果顯示，美國綜合指標及三大項目指標評分絕對領先，中國第二，歐洲 28 國暫且落后。具體來看，美國在人工智能人才儲備、創(chuàng)新產出、融資規(guī)模方面優(yōu)勢明顯。中國作為后起之秀，盡管有所趕超，但總體水平與美國相比仍有差距，尤其是杰出人才資源、高 質量專利申請上存在明顯的缺陷和短板。但在論文數量和影響力、研發(fā)投入等指標上，中國正快速發(fā)展，與美國差距收窄。從各指標具體分析來看，我國人工智能研究主要分布在 高校和科研機構，企業(yè)參與度較低，產出成果較多呈現條塊化、碎片化現象，缺乏與市場 的系統(tǒng)性融合，這將不利于中國人工智能技術的發(fā)展和產業(yè)優(yōu)勢的發(fā)揮。此外，我國科研 產出、企業(yè)數量和融資領域集中于產業(yè)鏈中下游，上游核心技術仍受制于國外企業(yè)。未來， 若國內底層技術領域仍未能實現突破，勢必導致人工智能產業(yè)發(fā)展面臨瓶頸。

展望

國內人工智能追趕速度迅猛，但基礎薄弱問題突出。在強有力的戰(zhàn)略引領和政策支持下、 依托龐大的數據體量、豐富的應用場景和高度的互聯(lián)網普及率，中國人工智能產業(yè)持續(xù)保 持蓬勃發(fā)展態(tài)勢，并躋身全球人工智能第一梯隊。技術上，我國人工智能論文和專利申請 量長期雄踞世界首位，在國際技術競賽中多次拔得頭籌；產業(yè)上，以阿里巴巴、騰訊為代表的科技巨頭全面布局人工智能生態(tài)，以寒武紀、科大訊飛、商湯科技為代表的初創(chuàng)企業(yè) 深耕垂直領域，打造技術護城河。我國人工智能產業(yè)規(guī)模、資本投入、企業(yè)數量呈現爆發(fā) 式增長，智能技術與實體融合持續(xù)加強，落地場景不斷豐富。但我們也應當意識到，與美 國、歐洲相比，我國在產業(yè)鏈分布上更加集中于應用落地端口。長期市場化導向導致國內 行業(yè)發(fā)展出現結構性失衡，基礎理論缺乏、原創(chuàng)算法薄弱、高端芯片依賴進口等問題凸顯， 這也反映出中國人工智能發(fā)展不牢的風險點。因此，站在科技創(chuàng)新的“巨型風口”，我們 更需要審慎后續(xù)技術路線和產業(yè)發(fā)展路徑，加大科研攻關力度，補齊技術短板。

從中短期看，技術優(yōu)化、落地場景的開拓和滲透是是最主要的增長點；從長期看，智能生 態(tài)體系建設才是彎道超車的必由之路。人工智能產業(yè)的核心競爭力在于生態(tài)體系的建設， 包括大數據、算法理論、底層技術、應用生態(tài)、人才儲備等層面。而我國人工智能產業(yè)生態(tài)和基礎設施建設正處于探索期，如何實現核心技術的突破和拓寬人工智能技術與社會經濟融合場景著力點在于人才儲備和持續(xù)的研發(fā)投入。從人才的角度，收窄技術差距的根本 在于優(yōu)化人的知識結構和能力。當前政策應側重建立人才培養(yǎng)體系，為人工智能打造人才資源池，尤其是在基礎學科領域突破人才瓶頸。同時，打破“唯數量論”的科研評價和考 核體系，改變人才激勵機制勢在必行。我國人工智能專利申請和科研產出數量全球領先，但質量堪憂。唯有從源頭改變評價機制，才能扭轉“量多而質優(yōu)”的問題。從研發(fā)的角度， 企業(yè)技術優(yōu)化和創(chuàng)新能力是解決產業(yè)痛點的關鍵。基礎研究的投入周期長、不確定性大、 和風險高特點決定了其難以短期內獲得投資回報，但基礎領域的突破將為經濟帶來長期和 廣泛的溢出效應，因此，國內更應關注底層技術的研發(fā)投入，扭轉傳統(tǒng)技術路徑，顛覆核心技術受制于人的被動局面。此外，人工智能在賦能機器模擬人類進行決策的同時產生的 倫理道德、隱私保護和社會安全問題值得關注。由于法律法規(guī)存在滯后性，尚無法對人工 智能技術進行有效監(jiān)管。我國應加快人工智能倫理研究，及早識別人工智能治理風險。