人工智能市場格局

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 申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。基礎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。總體來看， 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。

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+制造業處于邊緣 化。此外，AI+農業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，應用層進入門檻相對 較低。目前，應用層是人工智能產業鏈中市場規模最大的層級。據中國電子學會統計，2019 年，全球應用層產業規模將達到 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，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布局，市場發展潛力大。歐洲、美國等發達國家和地區的人工智能產 業商業落地期較早，以谷歌、亞馬遜等企業為首的科技巨頭注重打造于從芯片、操作系統 到應用技術研發再到細分場景運用的垂直生態，市場整體發展相對成熟；而應用層是我國 人工智能市場最為活躍的領域，其市場規模和企業數量也在國內 AI 分布層級占比最大。 據艾瑞咨詢統計，2019 年，國內 77%的人工智能企業分布在應用層。得益于廣闊市場空 間以及大規模的用戶基礎，中國市場發展潛力較大，且在產業化應用上已有部分企業居于 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發展，海康威視和大 華股份分別占據全球智能安防企業的第一名和第四名。

整體來看，國內人工智能完整產業鏈已初步形成，但仍存在結構性問題。從產業生態來看， 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，技術商業化程度比肩歐美。 但與美國等發達國家相比，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網領域，行業發展追求速度，資金投向追捧 易于變現的終端應用。人工智能產業發展較為“浮躁”，導致研發周期長、資金投入大、 見效慢的基礎層創新被市場忽略。“頭重腳輕”的發展態勢導致我國依賴國外開發工具、 基礎器件等問題，不利于我國人工智能生態的布局和產業的長期發展。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。

?透析人工智能發展潛力

基于人工智能產業發展現狀，我們將從智能產業基礎、學術生態和創新環境三個維度，對 中國、美國和歐洲 28 國人工智能發展潛力進行評估，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展潛力整體情況的綜合指標。

從智能產業基礎的角度

產業化程度：增長強勁，產業規模僅次美國

中國人工智能尚在產業化初期，但市場發展潛力較大。產業化程度是判斷人工智能發展活 力的綜合指標，從市場規模角度，據 IDC 數據，2019 年，美國、西歐和中國的人工智能 市場規模分別是 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模存在較大差異，但近年來國內 AI 技術的快速發展帶動市場規模高 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） 人工智能企業數全球遙遙領先，第三位英國（392 家）不及中國企業數的 40%。從企業布 局角度，據騰訊研究院，中國 46%和 22%的人工智能企業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、資本熱捧和數據規模先天優勢下，中國人工智能產業將保持強勁的 增長態勢，發展潛力較大。

技術創新能力：專利多而不優，海外布局仍有欠缺

專利申請量是衡量人工智能技術創新能力和發展潛質的核心要素。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新占據主導地位，或導致理論、技術和產業 割斷的市場格局。歐美日人工智能申請人集中在企業，IBM、微軟、三星等巨頭企業已構 建了相對成熟的研發體系和策略，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 專利申請高于企業的國家。由于高校與企業定位與利益追求本 質上存在差異，國內技術創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”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。據中國專利保護協會統計，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 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 企業的增加而愈發嚴重。在人工智能技術和應用的摸索階段，杰出人才對產業發展起著 至關重要的作用，甚至影響技術路線的發展。美國（5158 人）、歐盟（5787 人）依托雄 厚的科研創新能力和發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、環境的發展對海外人才的吸引力仍有待加強。

從學術生態的角度

技術創新能力：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發展的驅動力。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展潛力較大。

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，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、政府機構和高校聯合參與的態勢。據Scopus 數據顯示，2018 年，美國企業署名 AI 論文比例是中國的 7.36 倍，歐盟的 1.92 倍。2012 年 至 2018 年，美國企業署名 AI 論文比例增長 43pct，同期中國企業署名 AI 論文僅增長 18pct。 此外，人工智能與市場應用關聯密切，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。

從創新環境的角度

研發投入：中美研發投入差距收窄

中國研發高投入高強度，在全球研發表現中占據重要地位。從研發投入的角度，美國、中 國、日本和德國始終是全球研發投入的主力軍。據 IDC 統計顯示，2018 年四國的研發投 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實力連續多年位居 全球研發投入的榜首。近年來，中國研發投入呈現一路猛增的強進勢頭，據 Statista 統計， 國內 2019 年研發投入額為 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領先地位。從研發強度的角度，中國研發強度總體 上呈逐步攀升的趨勢，且漲幅較大。但對創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”。人工智能開發成本高，資本投入成為推動技術開發的 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，其他國家和地區難以 從規模上撼動中美兩國。從人工智能新增企業數量來看，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 工智能新增企業增勢緩慢，但融資總額漲幅迅猛。這一“資金多而項目缺”的態勢或是行 業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（略）

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、創新產出、融資規模方面優勢明顯。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、研發投入等指標上，中 國正快速發展，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 的系統性融合，這將不利于中國人工智能技術的發展和產業優勢的發揮。此外，我國科研 產出、企業數量和融資領域集中于產業鏈中下游，上游核心技術仍受制于國外企業。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發展面臨瓶頸。

展望：乘風破浪，探尋彎道超車之路

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網普及率，中國人工智能產業持續保 持蓬勃發展態勢，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，以寒武紀、科大訊飛、商湯科技為代表的初創企業 深耕垂直領域，打造技術護城河。我國人工智能產業規模、資本投入、企業數量呈現爆發 式增長，智能技術與實體融合持續加強，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 行業發展出現結構性失衡，基礎理論缺乏、原創算法薄弱、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展不牢的風險點。因此，站在科技創新的“巨型風口”，我們 更需要審慎后續技術路線和產業發展路徑，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 態體系建設才是彎道超車的必由之路。人工智能產業的核心競爭力在于生態體系的建設， 包括大數據、算法理論、底層技術、應用生態、人才儲備等層面。而我國人工智能產業生 態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的研發投入。從人才的角度，收窄技術差距的根本 在于優化人的知識結構和能力。當前政策應側重建立人才培養體系，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”的問題。從研發的角度， 企業技術優化和創新能力是解決產業痛點的關鍵。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投入，扭轉傳統技術路徑，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。由于法律法規存在滯后性，尚無法對人工 智能技術進行有效監管。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。