中国的AI，还要往哪发展？

现今，中国是世界上人工智能领域发展最快，前景最好的国家，部分指标已居于世界领先地位；但是，目前中国的人工智能还有一些垂直细分领域亟需去开发。

一、调研目的

本文以人工智能这一领域作为主要研究对象，通过行业背景分析（宏观经济、竞争态势、行业技术预测）、市场现状分析（市场阶段、市场规模）以及微观分析（应用场景、SWOT、竞争策略）深入调查行业的宏微观背景。

本文的目的是：深入分析人工智能市场的盈利前景，为寻找细分领域可能存在的发展机会提供支持。

二、行业背景分析

1. 政治因素

1.1 国家政策分析

人工智能行业的发展，离不开国家有关部门的政策及国家战略支持；2015年以来，人工智能顶层设计逐渐完善，相关政策密集出台。

图1.人工智能政策阶段（德清经略新创，2019）

2015年5月，《中国制造2025》中首次提及智能制造，提出加快推动新一代信息技术与制造技术融合发展，把智能制造作为两化深度融合的主攻方向，着力发展智能装备和智能产品，推动生产过程智能化。

2015年7月，国务院印发《关于积极推进“互联网+”行动的指导意见》。该《指导意见》中将人工智能作为其主要的十一项行动之一，明确提出：依托互联网平台提供人工智能公共创新服务，加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用；要进一步推进计算机视觉、智能语音处理、生物特征识别、自然语言理解、智能决策控制以及新型人机交互等关键技术的研发和产业化。

2016年1月，国务院发布《“十三五”国家科技创新规划》，将智能制造和机器人列为“科技创新 2030 项目”重大工程之一。

2016年3月，国务院《国民经济和社会发展第十三个五年规划纲要（草案）》，人工智能概念进入“十三五”重大工程。

2016年5月，国家发展改革委、科技部、工业和信息化部、中央网信办发布《“互联网＋”人 工智能三年行动实施方案》。明确提出：到 2018 年国内要形成千亿元级的人工智能市场应用规模。

规划确定了：在六个具体方面支持人工智能的发展，包括资金、系统标准化、知识产权保护、人力资源发展、国际合作和实施安排。

规划确立了：在 2018 年前建立基础设施、创新平台、工业系统、创新服务系统和 AI 基础工业标准化这一目标。

2016年7月，国务院在《“十三五”国家科技创新规划》中提出：要大力发展泛在融合、绿色宽带、安全智能的新一代信息技术，研发新一代互联网技术，保障网络空间安全，促进信息技术向各行业广泛渗透与深度融合。

同时，研发新一代互联网技术以及发展自然人机交互技术成首要目标。

2016年9月，国家发改委在《国家发展改革 委办公厅关于请组织申报“互联网 ＋”领域创新能力建设专项的通知》中，提到了人工智能的发展应用问题——为构 建“互联网＋”领域创新网络，促进人工智能技术的发展，应将人工智能技术纳入专项建设内容。

2017年3月，在十二届全国人大五次会议的政府工作报告中，“人工智能”首次被写入政府工作报告， 2017轻量级应用极有可能落地。

李克强总理在政府工作报告中提到：要加快培育壮大新兴产业。全面实施战略性新兴产业发展规划，加快人工智能等技术研发和转化，做大做强产业集群。

2017年7月，国务院发布《新一代人工智能发展规划》， 明确指出：新一代人工智能发展分三步走的战略目标——到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。

2017年10月，人工智能进入十九大报告，将推动互联网、大数据、人工智能和实体经济深度融合。

2017年12月，《促进新一代人工智能产业发展三年行动计划(2018~2020年)》的发布，它作为对7月发布的《新一代人工智能发展规划》的补充，详细规划了人工智能在未来三年的重点发展方向和目标，每个方向的目标都做了非常细致的量化。

2018年1月18日下午，2018人工智能标准化论坛发布了《人工智能标准化白皮书（2018版）》。

国家标准化管理委员会宣布成立国家人工智能标准化总体组、专家咨询组，负责全面统筹规划和协调管理我国人工智能标准化工作，并对《促进新一代人工智能产业发展三年行动计划(2018~2020年)》及《人工智能标准化助力产业发展》进行解读，全面推进人工智能标准化工作。

2018年3月5日，在第十三届全国人民代表大会第一次会议上，国务院总理李克强在2018《政府工作报告》中提出：“发展壮大新动能。做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业，拓展智能生活。运用新技术、新业态、新模式，大力改造提升传统产业。”

1.2 地方政策分析

地方政府已成为推动我国人工智能产业发展的主力军。

在省（直辖市）发布这一级别中，共有26个政策，分布于16个省份，其中北京、上海、天津、浙江、安徽、吉林、贵州、辽宁这八个省份均发布了2个政策。

• “强人工智能政策”是指：政策题目中涉及“人工智能”字样或者文件中人工智能具体内容超过80%

  
  

• “弱人工智能政策”是指：政策中只涉及到少量人工智能产业内容。

综合以上分析，从政策强度、预期产业规模、政策投资、人才支持、企业扶持五个能够量化的维度，来综合分析未来人工智能发展与投资的热点区域。

• 从政策角度看：江苏、上海、广东、北京、浙江是未来人工智能发展与投资的热点区域。

  
  

• 从城市来看：江苏的苏州、上海、广州、北京、杭州是人工智能发展与投资的热点城市。

图2.各省市人工智能政策评分（德清经略新创，2019）

1.3 法律分析

国内目前尚未有人工智能相关的立法。尽管人工智能对法律的变革还有很长的路要走，但这种已经开启的变革，得到了学界和业界的重视。

1月6日，全国首届“人工智慧与未来法治”学术研讨会在西北政法大学举行。与会专家认为，在可以预见的未来，人工智能还不能够做到抛开人类来提供法律服务，更多的是会协助人们完成一部分辅助工作。

展眼未来，人工智能法律建设将涉及人格权、知识产权、财产权、侵权责任认定、法律主体地位等方面。

2.经济因素

根据IDC的《全球人工智能白皮书》预计：到2020年，全球人工智能支出将达到2758亿元人民币。

中国政府、资本市场对人工智能的高度重视和持续投资，将促使中国人工智能飞速发展。到2020年，中国人工智能技术支出将达到325亿，五年复合增长率32.8%，占全球整体支出的约12%。

根据清华大学的《中国人工智能发展报告2018》：中国已成全球人工智能投融资规模最大国家。从2013到2018年Q1，投融资占到全球的70%，成为全球最“吸金”的国家。

图3.全球投融资金额/笔数（全球人工智能白皮书，2019）

图4.中国人工智能投融资地域分布

3.社会因素

人工智能在近几年得到了社会的广泛关注，该行业的迅猛发展已经渗透到国民生活的方方面面。

如今，从国家顶层设计到行业应用的快速落地，人工智能正逐步成为引领工业4.0颠覆变革的新引擎。

根据百度人工智能搜索指数：自2016年以来搜索量中枢逐渐上升，显示网民对人工智能的关注度持续上升。

图5.百度人工智能搜索指数（百度，2019）

根据清华大学的《中国人工智能发展报告2018》中对3088人的调查显示：超过半数国民对人工智能的发展持支持态度，表示反对态度的仅占2.4%。

数据显示了我国国民心态的包容性——人工智能在我国的发展很大程度上源自于较少的反对声音和阻力。

国民对人工智能应用领域的关注前四如下：金融、交通、教育、医疗。

图6.国民对人工智能的未来展望（清华大学，2018）

图7.人工智能关注领域排名（清华大学，2018）

在搜索关注人工智能的人群中，百度指数显示绝大部分来源于广东、北京、上海、江苏、浙江等发达东部沿海地区省市。

该数据与目前人工智能落地项目的地域分布基本吻合，显示了：人工智能在经济规模较大的城市中具有较好的应用和规模效应。

图8.百度人工智能搜索地域分布（百度，2019）

在近一年，关注人工智能的人群出现明显分化：

30~39岁人群关注度最高，其次是40~49岁的人群。在性别方面，男性关注度显著高于女性的关注度。

图9.百度人工智能搜索用户画像（百度，2019）

4.技术因素

我国人工智能技术水平处于世界第一梯队。总体而言，中国技术水平略低于美国但追赶速度较快。

我国处于世界领先地位的技术有语音识别、视觉识别、机器翻译、中文信息处理等技术方面。

图10.中国人工智能技术应用比例（亿欧智库，2018）

基础学科方面，中国近二十年来在人工智能论文方面获得高速增长：发表论文数由1997年的1000余篇上升到2017年的37000多篇，在人工智能领域的论文数量占比也不断上升。

图11.中国AI论文发展趋势（清华大学，2018）

过去二十年间，中国人工智能论文总量和高被引论文总量位居世界第一。

中国自20006年在论文发表数超越美国后，在人工智能领域论文的全球占比从1997年4.26%增长至2017年的27.68%，遥遥领先其他国家，并且领先优势有逐渐扩大的趋势。

图12.全球人工智能论文产出（清华大学，2018）

中国已经成为全球人工智能专利授权最多的国家，数量略微领先于美国和日本，而中美日三国占全球总体专利公开数量的74%。

全球专利申请主要集中在：语音识别、图像识别、机器人以及机器学习等细分方向。

图13.全球人工智能专利授权（清华大学，2018）

中国人工智能人才总量居世界第二，但是杰出人才占比偏低。

截至2017年，中国的人工智能人才拥有量达到18232人，占世界总量的8.9%，仅次于美国(13.9%) 。

图14.全球人工智能人才分布（清华大学，2018）

截至2017年6月，全球人工智能初创企业共计2617家。美国占据1078家居首，中国以592家企业排名第二，其后分别是英国，以色列，加拿大等国家。

其中，美国1078家人工智能初创企业约有78700名员工，中国592家公司中约有39200位员工，只有美国的50%。

美国人工智能初创企业主要以1~10人和10~50人的团队为主，这种小型团队共759个，占据全美的70.41%，是美国AI初创公司的主力军。

中国人工智能初创企业主要是10~50人的团队，总量384个，占据全国的64.86%。

可以说，美国的小型创业团队规模比中国小。在需要同等技术的情况下，美国团队的平均能力和可创造价值高于中国团队。

图15.全球AI企业分布（腾讯研究院，2017）

5.竞争态势分析

5.1 购买者

人工智能行业从产业链可分为：基础层，技术层，和应用层。

这里的“购买者”主要指：人工智能在应用层的购买者。

目前应用广泛的领域有：金融、医疗、教育、安防等。

我们可以从行业解决方案（“AI+”）和典型产品（机器人、智能音箱、智能汽车、无人机等）两个角度来看。

AI+的购买者主要是企业用户，传统的购买者主要是大型的企业。

以金融行业为例：国有大型银行成了人工智能领域应用的先行者。他们具有广大的客户群体，因此，人工智能的解决方案显著降低了运营成本。

由于应用层的供应端竞争逐渐同质化，目前购买者的议价能力有所上升。

在智能硬件设备上，人工智能企业的购买者是广大自然人消费者。目前市场已经出现了一些细分龙头企业产品，比如：大疆的无人机与小米的小爱音箱。

在这些具有特色的生态链中，购买者的议价能力较弱，而在竞争激烈尚未形成垄断格局的行业，比如：智能汽车，购买者的议价能力较强。

图16.国内AI产业链（易观，2018）

5.2 竞争者

在人工智能产业链中，由于先发优势，基础层主要掌握在少数巨头手中。

技术层领域竞争逐渐加剧，这是由于人工智能行业迭代快，难以累积比较优势，各厂商算法差异较小导致的。

应用层目前尚处于起步阶段，参与企业众多，但竞争仍集中在少数细分领域。

图17.中国77家人工智能企业图谱（亿欧智库，2019）

5.3 替代品

人工智能的发展逐步显现基础设施化的趋势，与信息、数据一道，成为未来经济的基础设施之一。

作为一项类基础设施的底层技术，人工智能包含了多种不同的信息科技，将难以被取代。

图18.中国各行业人工智能分布情况（亿欧智库，2019）

5.4 潜在进入者

中国AI企业成立时间主要集中在2014~2016年。2018年以后竞争格局逐步确定，新进者技术优势小，商业模式单一，因此成立企业数大大减少。

图19.中国人工智能企业成立时间及行业分布（亿欧智库，2019）

6.行业技术预测

6.1 基础层

领先企业加快了人工智能芯片的布局研发。

现阶段人工智能芯片类型主要涵盖包含：GPU、FPGA、ASIC、类脑芯片等。

随着深度神经网络（DNN）的发展和应用，其多层级特点的计算需求已不能通过传统的 CPU 来满足；而 GPU 具有适合深度学习所需的并行计算能力，关注度日益提高。

除此之外，TPU 以及 FPGA 芯片也成为目前发展较快的人工智能芯片。在芯片上布局的厂商以英伟达、英特尔、高通、ARM、苹果、华为等厂商为主。

另外，厂商积极布局基础开发框架——基础开发框架在人工智能产业链中占据承上启下的核心地位。

在移动互联网时代，Android 系统通过 GMS 与下游云服务松耦合，通过版本控制与上游芯片、整机厂商紧耦合，实现以 Android 操作系统 为核心的移动互联网闭环生态。

在人工智能时代，开发框架也具备媲 美 Android 操作系统的核心地位，具有统领产业进步节奏、带动硬件配置、终端场景与云端服务协同发展的核心作用，占据承上启下的关键地位。

以 Google 深度学习开发框架 TensorFlow 为例：

TensorFlow 向上与谷歌云紧密绑定，以云平台模式提供云机器学习服务，向下与芯片和硬件厂商紧密耦合做定制优化，谷歌TPU专用于TensorFlow。

6.2 技术层

图20.AI技术层发展趋势(gwgwymx,2018)

平台崛起，技术、硬件、内容多方面资源进一步整合。

人工智能覆盖的行业及场景巨大，单一企业无法涉及到人工智能产业的方方面面。

厂商基于自身优势切入产业链条，并与其他厂商进行合作，技术、硬件、内容多方面资源进行整合，共同推动人工智能技术落地。在技术、内容及硬件的发展下，平台进一步崛起，生态化布局日益重要。

人工智能技术继续向垂直行业下沉。

通用型人工智能技术已不能满足各行业的需求，不同行业在应用侧重点上有所不同，数据资源也同样不同，需要市场从业者针对行业特点，设计不同的行业解决方案。

人工智能技术将继续从场景出发实现技术落地，在垂直行业中，医疗、金融、安防、教育、家居等行业已初具规模，未来发展前景巨大。

6.3 应用层

人工智能赋能医疗各环节能效初显。

近年来，随着医疗数据数字化深入，深度神经网络学习算法突破以及芯片计算能力提升，人工智能在医疗领域应用掀起第二次浪潮——已渗透到疾病风险预测、医疗影像、辅助诊疗、虚拟助手、健康管理、医药研发、医院管理、医保控费等各个环节，并取得初步成效。

智能教育加速推进教育教学创新当前人工智能、大数据等技术迅猛发展，教育智能化成为教育领域发展的方向。

智能教育正改变现有教学方式，解放教师资源，对教育理念与教育生态引发深刻变革。当前全球主要发达国家均加速推进教育教学创新，积极探索教育新模式，开发教育新产品。

智能交通提升城市管理水平。

随着全球经济高速发展，城市化进程不断加快，机动车保有数量增长，道路交通运输量不断增加，各种交通问题凸显。发展智能交通可完善政府管理，改善用户体验，促进城市发展。

人工智能提升公共安全保障能力。

人工智能已应用在：社会治安、反暴反恐、灾害预警、灾后搜救、食品安全等公共服务领域。

通过人工智能可准确地感知，和预测社会安全运行的重大态势，提高公共服务精准化水平，保障人民生命财产安全。

从应用的深度和广度来看，全球人工智能在公共服务领域还处在探索期。

三、市场现状分析

1. 市场阶段

市场阶段分为：导入期、发展期、成熟期和衰落期。

根据Gartner公司的出版的2018新兴科技周期显示：人工智能有关的科技，仍处于炒作的上升期；也就是发展期的前至中部阶段，绝大部分AI新兴科技将在2年内落地应用。

图21. Gartner2018技术周期（Garter,2018）

2. 市场规模

2018年全球AI市场规模预计为1.2万亿美元，到2022年有望达到3.9万亿美元。

而中国人工智能产业亦处在快速发展阶段——2017年中国AI市场规模为216.9亿元，同比2016年增长52.8%，预计2018年将延续这一增速，到2020年有望超过700亿元。

更甚者，根据17年7月国务院印发的《新一代人工智能发展规划》三步走战略目标——2020年中国人工智能核心产业规模将超过1500亿元，带动相关产业规模超过1万亿元；2025年核心产业规模超过4000亿元，带动相关产业规模超过5万亿元；2030年核心产业规模超过1万亿元，带动相关产业规模超过10万亿元，可谓空间巨大。

其中以生物识别，图像识别等技术为核心的计算器视觉市场规模巨大，占比34.9%。

图22. 中国AI市场规模（中国产业信息网,2018）

图23.中国人工智能市场结构（清华大学，2018）

四、微观分析

1. 应用场景

人工智能给各行各业带来了变革与重构。

一方面，将新技术应用到现有的产品中，创新产品，发展新的应用场景。

一方面，技术的发展也对传统行业造成颠覆，人工智能对人工的替代成为不可逆转的发展趋势，尤其在工业、金融、农业等简单重复可程序化强的环节中。而在国防、医疗、驾驶等行业中，人工智能提供能够适应复杂环境、更为精准、高效的专业化服务，从而取代或者强化传统的人工服务，服务形式在未来将趋于个性化和系统化。

对于人工智能的应用来说：技术平台、产业应用环境、市场、用户等因素都对人工智能的产业化应用市场有很大的影响。

目前人工智能技术的主要应用场景包括但不限于：安防、制造业、服务业、金融、教育、传媒、法律、医疗、家居、农业、汽车等。

“如何实现人工智能产业自身的创新？”，以及“如何将其应用到具体场景中？”，将会是各行业发展的关键点。

2. 竞争策略

在人工智能平台化的趋势下，未来人工智能将呈现：若干主导平台加广泛场景应用的竞争格局，生态构建者将成为其中最重要的一类模式。

模式一：生态构建者——全产业链生态+场景应用作为突破口。

以互联网公司为主，长期投资基础设施和技术，同时以场景应用作为流量入口，积累应用，成为主导的应用平台，将成为人工智能生态构建者（如Google、Amazon、Facebook、阿里云等）。

关键成功因素：大量计算能力投入，积累海量优质多维度数据，建立算法平台、通用技术平台和应用平台，以场景应用为入口，积累用户。

模式二：技术算法驱动者——技术层+场景应用作为突破口。

以软件公司为主，深耕算法平台和通用技术平台，同时以场景应用作为流量入口，逐渐建立应用平台（如Microsoft、IBMWatson等）。

关键成功因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户。

模式三：应用聚焦者——场景应用。

以创业公司和传统行业公司为主，基于场景或行业数据，开发大量细分场景应用。

关键成功因素：掌握细分市场数据，选择合适的场景构建应用，建立大量多维度的场景应用，抓住用户；同时，与互联网公司合作，有效结合传统商业模式和人工智能。

模式四：垂直领域先行者——杀手级应用+逐渐构建垂直领域生态。

以垂直领域先行者为主，在垂直领域依靠杀手级应用（如出行场景应用、面部识别应用等）积累大量用户和数据，并深耕该领域的通用技术和算法，成为垂直领域的颠覆者（如滴滴出行、旷视科技等）。

关键成功因素：在应用较广泛且有海量数据的场景能率先推出杀手级应用，从而积累用户，成为该垂直行业的主导者；通过积累海量数据，逐步向应用平台、通用技术、基础算法拓展。

模式五：基础设施提供者——从基础设施切入，并向产业链下游拓展。

以芯片或硬件等基础设施公司为主，从基础设施切入，提高技术能力，向数据、算法等产业链上游拓展。

关键成功因素：开发具有智能计算能力的新型芯片，如：图像、语音识别芯片等拓展芯片的应用场景，在移动智能设备、大型服务器、无人机（车），机器人等设备、设施上广泛集成运用，提供更加高效、低成本的运算能力、服务，与相关行业进行深度整合。（波士顿咨询，2019）

目前，互联网公司和软件公司巨头都在产业链的技术层和应用层着手布局。

五、结论

人工智能产业仍处于快速增长期。

中国是世界上人工智能领域发展最快，前景最好的国家，在部分指标上已经领先世界。在未来五年，人工智能产业仍将以高速增长。

目前仍有一些细分垂直领域亟待开发，可以从以下方面着手：

• 人工智能的基础层和技术层逐渐被巨头控制，应用层的落地仍处于萌芽阶段。因此初创公司若无较大比较优势，应集中开发应用层的处女地。

  
  

• 随着各种新兴技术蓬勃发展，公司应充分利用现有的和不断发展的机器学习、人工智能、语音识别、画像识别等先进技术，赋能产品。

  
  

• 根据资本偏好，当前领域所属市场阶段，充分利用先行者优势，提前布局迅速提高产品知名度，提前抢占市场。

  
  

• 根据竞争态势随时监控、处理可能的风险。

  
  

• 国内外人工智能法律逐渐完善，应提前布局规避法律风险。