人工智能產業發展深度報告：格局、潛力與展望

 

人工智能（Artificial Intelligence，AI）是利用機器學習和數據分析方法賦予機器模擬、延伸和拓展類人的智能的能力，本質上是對人類思維過程的模擬。AI 概念最早始于 1956 年 的達特茅斯會議，受限于算法和算力的不成熟，未能實現大規模的應用和推廣。

　　近年來， 在大數據、算法和計算機能力三大要素的共同驅動下，人工智能進入高速發展階段。

　　據中國電子學會預測，2022全球人工智能市場將達到1630億元，2018-2022年CAGR達31%。

　　人工智能市場格局

　　人工智能賦能實體經濟，為生產和生活帶來革命性的轉變。人工智能作為新一輪產業變革 的核心力量，將重塑生產、分配、交換和消費等經濟活動各環節，催生新業務、新模式和 新產品。從衣食住行到醫療教育，人工智能技術在社會經濟各個領域深度融合和落地應用。同時，人工智能具有強大的經濟輻射效益，為經濟發展提供強勁的引擎。據埃森哲預測， 2035 年，人工智能將推動中國勞動生產率提高 27%，經濟總增加值提升 7.1 萬億美元。

多角度人工智能產業比較

　　目前，全球人工智能產業的生態系統正逐步成型。依據產業鏈上下游關系，可以將人工智能劃分為基礎支持層、中間技術層和下游應用層?；A層是人工智能產業的基礎，主要提 供硬件（芯片和傳感器）及軟件（算法模型）等基礎能力；技術層是人工智能產業的核心， 以模擬人的智能相關特征為出發點，將基礎能力轉化成人工智能技術，如計算機視覺、智 能語音、自然語言處理等應用算法研發。其中，技術層能力可以廣泛應用到多個不同的應 用領域；應用層是人工智能產業的延伸，將技術應用到具體行業，涵蓋制造、交通、金融、 醫療等 18 個領域，其中醫療、交通、制造等領域的人工智能應用開發受到廣泛關注。

戰略部署：大國角逐，布局各有側重

　　全球范圍內，中美“雙雄并立”構成人工智能第一梯隊，日本、英國、以色列和法國等發 達國家乘勝追擊，構成第二梯隊。同時，在頂層設計上，多數國家強化人工智能戰略布局， 并將人工智能上升至國家戰略，從政策、資本、需求三大方面為人工智能落地保駕護。后起之秀的中國，局部領域有所突破。中國人工智能起步較晚，發展之路幾經沉浮。自 2015 年以來，政府密集出臺系列扶植政策，人工智能發展勢頭迅猛。由于初期我國政策 側重互聯網領域，資金投向偏向終端市場。因此，相比美國產業布局，中國技術層（計算 機視覺和語音識別）和應用層走在世界前端，但基礎層核心領域（算法和硬件算力）比較 薄弱，呈“頭重腳輕”的態勢。當前我國人工智能在國家戰略層面上強調系統、綜合布局。

　　美國引領人工智能前沿研究，布局慢熱而強勢。美國政府稍顯遲緩，2019 年人工智能國 家級戰略（《美國人工智能倡議》）才姍姍來遲。但由于美國具有天時（5G 時代）地利（硅 谷）人和（人才）的天然優勢，其在人工智能的競爭中已處于全方位領先狀態?？傮w來看， 美國重點領域布局前沿而全面，尤其是在算法和芯片腦科學等領域布局超前。此外，美國聚焦人工智能對國家安全和社會穩定的影響和變革，并對數據、網絡和系統安全十分重視。

　　倫理價值觀引領，歐洲國家搶占規范制定的制高點。2018 年，歐洲 28 個成員國(含英國) 簽署了《人工智能合作宣言》，在人工智能領域形成合力。從國家層面來看，受限于文化和語言差異阻礙大數據集合的形成，歐洲各國在人工智能產業上不具備先發優勢，但歐洲 國家在全球 AI 倫理體系建設和規范的制定上搶占了“先機”。歐盟注重探討人工智能的社 會倫理和標準，在技術監管方面占據全球領先地位。

　　日本尋求人工智能解決社會問題。日本以人工智能構建“超智能社會”為引領，將 2017 年確定為人工智能元年。由于日本的數據、技術和商業需求較為分散，難以系統地發展人 工智能技術和產業。因此，日本政府在機器人、醫療健康和自動駕駛三大具有相對優勢的 領域重點布局，并著力解決本國在養老、教育和商業領域的國家難題。

基礎層面：技術薄弱，芯片之路任重道遠

　　基礎層由于創新難度大、技術和資金壁壘高等特點，底層基礎技術和高端產品市場主要被歐美日韓等少數國際巨頭壟斷。受限于技術積累與研發投入的不足，國內在基礎層領域相 對薄弱。具體而言，在 AI 芯片領域，國際科技巨頭芯片已基本構建產業生態，而中國尚 未掌握核心技術，芯片布局難以與巨頭抗衡；在云計算領域，服務器虛擬化、網絡技術 （SDN）、 開發語音等核心技術被掌握在亞馬遜、微軟等少數國外科技巨頭手中。雖國內 阿里、華為等科技公司也開始大力投入研發，但核心技術積累尚不足以主導產業鏈發展；在智能傳感器領域，歐洲（BOSCH，ABB）、美國（霍尼韋爾）等國家或地區全面布局傳 感器多種產品類型，而在中國也涌現了諸如匯頂科技的指紋傳感器等產品，但整體產業布 局單一，呈現出明顯的短板。在數據領域，中國具有的得天獨厚的數據體量優勢，海量數 據助推算法算力升級和產業落地，但我們也應當意識到，中國在數據公開力度、國際數據 交換、統一標準的數據生態系統構建等方面還有很長的路要走。

　　“無芯片不 AI”，以 AI 芯片為載體的計算力是人工智能發展水平的重要衡量標準，我們 將對 AI 芯片作詳細剖析，以期對中國在人工智能基礎層的競爭力更細致、準確的把握。

　　依據部署位置，AI 芯片可劃分為云端（如數據中心等服務器端）和終端（應用場景涵蓋手 機、汽車、安防攝像頭等電子終端產品）芯片；依據承擔的功能，AI 芯片可劃分為訓練和 推斷芯片。訓練端參數的形成涉及到海量數據和大規模計算，對算法、精度、處理能力要 求非常高，僅適合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成為 AI 芯片行業的主流技術路線。不同類型芯片各具優勢，在不同領域呈現多 技術路徑并行發展態勢。我們將從三種技術路線分別剖析中國 AI 芯片在全球的競爭力。

　　GPU（Graphics Processing Unit）的設計和生產均已成熟，占領 AI 芯片的主要市場份 額。GPU 擅長大規模并行運算，可平行處理海量信息，仍是 AI 芯片的首選。據 IDC 預測， 2019 年 GPU 在云端訓練市場占比高達 75%。在全球范圍內，英偉達和 AMD 形成雙寡頭 壟斷，尤其是英偉達占 GPU 市場份額的 70%-80%。英偉達在云端訓練和云端推理市場推 出的 GPU Tesla V100 和 Tesla T4 產品具有極高性能和強大競爭力，其壟斷地位也在不斷 強化。目前中國尚未“入局”云端訓練市場。由于國外 GPU 巨頭具有豐富的芯片設計經 驗和技術沉淀，同時又具有強大的資金實力，中國短期內無法撼動 GPU 芯片的市場格局。

　　FPGA（Field Programmable Gate Array）芯片具有可硬件編程、配置高靈活性和低能耗等優點。FPGA 技術壁壘高，市場呈雙寡頭壟斷：賽靈思（Xilinx）和英特爾（Intel）合計 占市場份額近 90%，其中賽靈思的市場份額超過 50%，始終保持著全球 FPGA 霸主地位。 國內百度、阿里、京微齊力也在部署 FPGA 領域，但尚處于起步階段，技術差距較大。

　　ASIC（Application Specific Integrated Circuits）是面向特定用戶需求設計的定制芯片， 可滿足多種終端運用。盡管 ASIC 需要大量的物理設計、時間、資金及驗證，但在量產后， 其性能、能耗、成本和可靠性都優于 GPU 和 FPGA。與 GPU 與 FPGA 形成確定產品不 同，ASIC 僅是一種技術路線或方案，著力解決各應用領域突出問題及管理需求。目前， ASIC 芯片市場競爭格局穩定且分散。我國的 ASIC 技術與世界領先水平差距較小，部分領域處于世界前列。在海外，谷歌 TPU 是主導者；國內初創芯片企業（如寒武紀、比特大陸和地平線），互聯網巨頭（如百度、華為和阿里）在細分領域也有所建樹。

　　總體來看，歐美日韓基本壟斷中高端云端芯片，國內布局主要集中在終端 ASIC 芯片，部分領域處于世界前列，但多以初創企業為主，且尚未形成有影響力的“芯片−平臺−應用” 的生態，不具備與傳統芯片巨頭（如英偉達、賽靈思）抗衡的實力；而在 GPU 和 FPGA 領域，中國尚處于追趕狀態，高端芯片依賴海外進口。

　　技術層面：乘勝追擊，國內頭部企業各領風騷

　　技術層是基于基礎理論和數據之上，面向細分應用開發的技術。中游技術類企業具有技術 生態圈、資金和人才三重壁壘，是人工智能產業的核心。相比較絕大多數上游和下游企業聚焦某一細分領域、技術層向產業鏈上下游擴展較為容易。該層面包括算法理論（機器學 習）、開發平臺（開源框架）和應用技術（計算機視覺、智能語音、生物特征識別、自然 語言處理）。眾多國際科技巨頭和獨角獸均在該層級開展廣泛布局。近年來，我國技術層 圍繞垂直領域重點研發，在計算機視覺、語音識別等領域技術成熟，國內頭部企業脫穎而 出，競爭優勢明顯。但算法理論和開發平臺的核心技術仍有所欠缺。

　　具體來看，在算法理論和開發平臺領域，國內尚缺乏經驗，發展較為緩慢。機器學習算法是人工智能的熱點，開源框架成為國際科技巨頭和獨角獸布局的重點。開源深度學習平臺 是允許公眾使用、復制和修改的源代碼，是人工智能應用技術發展的核心推動力。目前， 國際上廣泛使用的開源框架包括谷歌的 TensorFlow、臉書的 Torchnet 和微軟的 DMTK等， 美國仍是該領域發展水平最高的國家。我國基礎理論體系尚不成熟，百度的 PaddlePaddle、 騰訊的 Angle 等國內企業的算法框架尚無法與國際主流產品競爭。

　　在應用技術的部分領域，中國實力與歐美比肩。計算機視覺、智能語音、自然語言處理是三大主要技術方向，也是中國市場規模最大的三大商業化技術領域。受益于互聯網產業發 達，積累大量用戶數據，國內計算機視覺、語音識別領先全球。自然語言處理當前市場競 爭尚未成型，但國內技術積累與國外相比存在一定差距。

　　作為落地最為成熟的技術之一，計算機視覺應用場景廣泛。計算機視覺是利用計算機模擬 人眼的識別、跟蹤和測量功能。其應用場景廣泛，涵蓋了安防（人臉識別）、醫療（影像診斷）、移動互聯網（視頻監管）等。計算機視覺是中國人工智能市場最大的組成部分。據艾瑞咨詢數據顯示，2017 年，計算機視覺行業市場規模分別為 80 億元，占國內 AI 市 場的 37%。由于政府市場干預、算法模型成熟度、數據可獲得性等因素的影響，計算機視覺技術落地情況產生分化。我國計算機視覺技術輸出主要在安防、金融和移動互聯網領域。而美國計算機視覺下游主要集中在消費、機器人和智能駕駛領域。

　　計算機視覺技術競爭格局穩定，國內頭部企業脫穎而出。隨著終端市場工業檢測與測量逐 漸趨于飽和，新的應用場景尚在探索，當前全球技術層市場進入平穩的增長期，市場競爭格局逐步穩定，頭部企業技術差距逐漸縮小。中國在該領域技術積累豐富，技術應用和產 品的結合走在國際前列。2018 年，在全球最權威的人臉識別算法測試（FRVT）中，國內 企業和研究院包攬前五名，中國技術世界領先。國內計算機視覺行業集中度高，頭部企業 脫穎而出。據 IDC 統計，2017 年，商湯科技、依圖科技、曠視科技、云從科技四家企業 占國內市場份額的 69.4%，其中商湯市場份額 20.6%排名第一。