吉林ai人工智慧伺服器雲空間

⑴ 人工智慧產業發展深度報告：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

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

人工智慧市場格局

人工智慧賦能實體經濟，為生產和生活帶來革命性的轉變。 人工智慧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，人工智慧技術在 社會 經濟各個領域深度融合和落地應用。同時，人工智慧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，人工智慧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。

多角度人工智慧產業比較

戰略部署：大國角逐，布局各有側重

全球范圍內，中美「雙雄並立」構成人工智慧第一梯隊，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慧戰略布局， 並將人工智慧上升至國家戰略，從政策、資本、需求三大方面為人工智慧落地保駕護。後起之秀的中國，局部領域有所突破。中國人工智慧起步較晚，發展之路幾經沉浮。自 2015 年以來，政府密集出台系列扶植政策，人工智慧發展勢頭迅猛。由於初期我國政策 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（演算法和硬體算力）比較 薄弱，呈「頭重腳輕」的態勢。當前我國人工智慧在國家戰略層面上強調系統、綜合布局。

美國引領人工智慧前沿研究，布局慢熱而強勢。 美國政府稍顯遲緩，2019 年人工智慧國 家級戰略（《美國人工智慧倡議》）才姍姍來遲。但由於美國具有天時（5G 時代）地利（硅 谷）人和（人才）的天然優勢，其在人工智慧的競爭中已處於全方位領先狀態。總體來看， 美國重點領域布局前沿而全面，尤其是在演算法和晶元腦科學等領域布局超前。此外，美國聚焦人工智慧對國家安全和 社會 穩定的影響和變革，並對數據、網路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《人工智慧合作宣言》，在人工智慧領域形成合力。從國家層面來看，受限於文化和語言差異阻礙大數據集合的形成，歐洲各國在人工智慧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佔了「先機」。歐盟注重探討人工智慧的社 會倫理和標准，在技術監管方面占據全球領先地位。

日本尋求人工智慧解決 社會 問題。 日本以人工智慧構建「超智能 社會 」為引領，將 2017 年確定為人工智慧元年。由於日本的數據、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，並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，晶元之路任重道遠

基礎層由於創新難度大、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。 受限於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 晶元領域，國際 科技 巨頭晶元已基本構建產業生態，而中國尚 未掌握核心技術，晶元布局難以與巨頭抗衡；在雲計算領域，伺服器虛擬化、網路技術 （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；在智能感測器領域，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 的指紋感測器等產品，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 據助推演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。

「無晶元不 AI」，以 AI 晶元為載體的計算力是人工智慧發展水平的重要衡量標准，我們 將對 AI 晶元作詳細剖析，以期對中國在人工智慧基礎層的競爭力更細致、准確的把握。

依據部署位置，AI 晶元可劃分為雲端（如數據中心等伺服器端）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）晶元；依據承擔的功能，AI 晶元可劃分為訓練和 推斷晶元。訓練端參數的形成涉及到海量數據和大規模計算，對演算法、精度、處理能力要 求非常高，僅適合在雲端部署。目前，GPU（通用型）、FPGA（半定製化）、ASIC（全定製化）成為 AI 晶元行業的主流技術路線。不同類型晶元各具優勢，在不同領域呈現多 技術路徑並行發展態勢。我們將從三種技術路線分別剖析中國 AI 晶元在全球的競爭力。

GPU（Graphics Processing Unit）的設計和生產均已成熟，佔領 AI 晶元的主要市場份 額。GPU 擅長大規模並行運算，可平行處理海量信息，仍是 AI 晶元的首選。據 IDC 預測， 2019 年 GPU 在雲端訓練市場佔比高達 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%。英偉達在雲端訓練和雲端推理市場推 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」雲端訓練市場。由於國外 GPU 巨頭具有豐富的晶元設計經 驗和技術沉澱，同時又具有強大的資金實力，中國短期內無法撼動 GPU 晶元的市場格局。

FPGA（Field Programmable Gate Array）晶元具有可硬體編程、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。 國內網路、阿里、京微齊力也在部署 FPGA 領域，但尚處於起步階段，技術差距較大。

ASIC（Application Specific Integrated Circuits）是面向特定用戶需求設計的定製晶元， 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，但在量產後， 其性能、能耗、成本和可靠性都優於 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 晶元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，部分領域處於世界前列。在海外，谷歌 TPU 是主導者；國內初創晶元企業（如寒武紀、比特大陸和地平線），互聯網巨頭（如網路、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雲端晶元，國內布局主要集中在終端 ASIC 晶元，部分領域處於世界前列，但多以初創企業為主，且尚未形成有影響力的「晶元−平台−應用」 的生態，不具備與傳統晶元巨頭（如英偉達、賽靈思）抗衡的實力；而在 GPU 和 FPGA 領域，中國尚處於追趕狀態，高端晶元依賴海外進口。

技術層面：乘勝追擊，國內頭部企業各領風騷

技術層是基於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，是人工智慧產業的核心。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。該層麵包括演算法理論（機器學 習）、開發平台（開源框架）和應用技術（計算機視覺、智能語音、生物特徵識別、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。但演算法理論和開發平台的核心技術仍有所欠缺。

具體來看，在演算法理論和開發平台領域，國內尚缺乏經驗，發展較為緩慢。 機器學習演算法是人工智慧的熱點，開源框架成為國際 科技 巨頭和獨角獸布局的重點。開源深度學習平台 是允許公眾使用、復制和修改的源代碼，是人工智慧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，網路的 PaddlePaddle、 騰訊的 Angle 等國內企業的演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。受益於互聯網產業發 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慧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%。由於政府市場干預、演算法模型成熟度、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 漸趨於飽和，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演算法測試（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 、雲從 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

應用場景市場空間廣闊，全球市場格局未定。 受益於全球開源社區，應用層進入門檻相對較低。目前，應用層是人工智慧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，人工智慧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慧產 業商業落地期較早，以谷歌、亞馬遜等企業為首的 科技 巨頭注重打造於從晶元、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 人工智慧市場最為活躍的領域，其市場規模和企業數量也在國內 AI 分布層級佔比最大。據艾瑞咨詢統計，2019 年，國內77%的人工智慧企業分布在應用層。得益於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於 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 ，國內人工智慧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， 我國偏重於技術層和應用層，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 易於變現的終端應用。人工智慧產業發展較為「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，不利於我國人工智慧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，人工智慧發展根源於基礎層（演算法、晶元等）研究有所突破。

透析人工智慧發展潛力

基於人工智慧產業發展現狀，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 國人工智慧發展潛力進行評估，並使用熵值法確定各指標相應權重 後，利用理想值法（TOPSIS 法）構建了一個代表人工智慧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

中國人工智慧尚在產業化初期，但市場發展潛力較大。 產業化程度是判斷人工智慧發展活 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慧 市場規模分別是 213、71.25 和 45 億美元，佔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%，遠高於美國（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） 人工智慧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%的人工智慧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、機器學習和技術平台領域。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，中國人工智慧產業將保持強勁的 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慧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於中國、美國和日本。2000 年至 2018 年間，中美日三國 AI 專利申 請量佔全球總申請量的 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，並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、雲計算領域優勢明顯。具體來看，多數國內專利於 AI 科技 熱潮興起後 申請，並集中在應用端（如智能搜索、智能推薦），而 AI 晶元、基礎演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。

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 申請量佔全球的 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，中國實用新型專利佔比高，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%的外觀設計將於 5 年後失效， 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慧的發展水平和潛力。目前，全球人工智慧人才分布 不均且短缺。據清華大學統計，截至 2017 年，人才儲備排名前 10 的國家佔全球總量的 61.8%。歐洲 28 國擁有 43064 名人工智慧人才，位居全球第一，佔全球總量的 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。

我國人工智慧人才供需嚴重失衡，傑出人才缺口大。 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。在人工智慧技術和應用的摸索階段，傑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）依託雄 厚的科研創新能力和發展機會聚集了大量精英，其傑出人才數在全球遙遙領先，而中國傑 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 企業的劃分標准，中國、美國等國家屬於 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慧人才總量保持相對穩定。具體來看， 國內人工智慧培育仍以本土為主，海外人才迴流中國的 AI 人才數量僅占國內人才總量的 9%，其中，美國是國內 AI人才迴流的第一大來源大國，占所有迴流中國人才比重的 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

科研能力是人工智慧產業發展的驅動力。從論文產出數量來看，1998-2018 年，歐盟、中國、美國位列前三，合計發文量全球佔比 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年佔全球人工智慧論文比例的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 側面體現在人工智慧發展潛力較大。

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 表徵標准化1後的論文影響力。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 於全球平均水平的 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%，但論文影響力仍低於世界平均水平的 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 為於全球第一、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慧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，人工智慧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， 中國人工智慧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。

中國人工智慧高校數量實位於第二梯隊，實力比肩美國。高校是人工智慧人才供給和論文 產出的核心載體。 據騰訊研究院統計，全球共 367 所高校設置人工智慧相關學科，其中， 美國（168 所）獨占鰲頭，占據全球的 45.7%。中國擁有 20 所高校與英國並列第三，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 入總和佔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，僅次於美國。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%。由於經濟疲軟等 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%，低於日本和美國 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

中美是全球人工智慧「融資高地」。 人工智慧開發成本高，資本投入成為推動技術開發的主力。在全球范圍內，美國是人工智慧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，佔全球總 融資額的 50.7%。尤其是特朗普政府以來，人工智慧投資力度逐步加碼。中國作為全球第 二大融資體，融資總額佔全球 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。從人工智慧新增企業數量來看，美國仍處於全球領先地位。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 增人工智慧企業在 2016 年達到 179 家高點後逐漸下降，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， 晶元和處理器是美國融資最多的領域，占總融資額的 31%。當前中國對人工智慧晶元市場 高度重視，但受限於技術壁壘和投資門檻高，國內晶元融資處於弱勢。

基於信息熵的 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 國暫且落後。 具體來看，美國在人工智慧人才儲備、創新產出、融資規模方面優勢明顯。中國作為後起之秀，盡管有所趕超，但總體水平與美國相比仍有差距，尤其是傑出人才資源、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，我國人工智慧研究主要分布在 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，這將不利於中國人工智慧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於產業鏈中下游，上游核心技術仍受制於國外企業。未來， 若國內底層技術領域仍未能實現突破，勢必導致人工智慧產業發展面臨瓶頸。

展望

轉自丨 信息化協同創新專委會

⑵ 九陽ai人工智慧怎麼樣

九陽AI人工智慧大火了，它是一種利用深度學習和機器學習技術開發出來的AI平台。該平台同時支持機器視覺、機器語音、機器學習和深度學習，能夠幫助企業利用大量數據，快速開發各種AI解決方案，極大地提高生產率。除了以上技術特點之外，九陽AI人工智慧的突出優勢還在於它的可擴展性，依靠它，企業可以根據自身需要，根據需要調整開發AI演算法。此外，九陽AI人工智慧還提供全面的支持服務，因此，它不僅可以保證AI系統的穩定性，還可以滿足企業的其他不同建議，為企業的發展提供了強大的技術支持。

⑶ SCM人工智慧雲平台是什麼

SCM是思騰合力推出的一款支持機器學習與深度學習框架的GPU集群調度系統，基於Hadoop Yarn完成了對TensorFlow、MXNet、PyTorch、Keras、XGBoost等常用框架的集成。SCM經過兩年的快速發展，目前已更新到V4.0版本，可以為用戶提供數據處理、模型訓練、模型部署三大功能，同時提供文件管理、分布式訓練、多用戶管理等多種額外功能，極大地大大提高了GPU伺服器的資源利用率，節約了用戶的時間，而且具有高性能、易用性和穩定性三大特點。

⑷ 現在人工智慧前景如何

人工智慧好就業嗎
人工智慧就業機會很多，發展前景很好。隨著5G時代的到來，智能技術在社會各個領域的應用進一步擴大，人工智慧發展迅速，人工智慧方向的畢業生也能在各領域大展拳腳，就業形勢良好。畢業生可以從事研發工程師、數據挖掘工程師、演算法工程師等崗位，在互聯網行業中都是炙手可熱,並且收入非常可觀的。
人工智慧技術發展，智能機器人、智能化電器、智慧物流、智能化社區等創新性應用逐漸深入到人類的社會生活史.人類生活方式正不斷發生改變。在未來發展中，智能技術的應用將致力於改變醫療、起居、出行駕駛等各個方面，因此該專業的學生就業前景十分廣闊。
人工智慧專業就業方向
⑴)搜索方向:網路、谷歌、微軟、yahoo等(包括智能搜索、語音搜索、圖片搜索、視頻搜索等都是未來的方向)(⑵醫學圖像處理:醫療設備、醫療器械很多都會涉及到圖像處理和成像，大型的公司有西門子、GE、飛利浦等。
(3)計算機視覺和模式識別方向:前面說過的指紋識別、人臉識別、虹膜識別等;還有一個大的方向是車牌識別;目前鑒於視頻監控是一個熱點問題，做跟蹤和識別也不錯;
(4)還有一些圖像處理方面的人才需求的公司，如威盛、松下、索尼、三星等。
另外，Al方向的人才都是高科技型的，在待遇方面自然相對比較豐厚，所以很這個方向很有發展前途。

⑸ 誰家的AI人工智慧GPU伺服器更適合應用在深度學習中

根據不同的深度學習架構，GPU參數的選擇優先順序不同，性價比可能是選擇一款GPU最重要的考慮因素。Nvidia無疑是深度學習硬體領域的領導者。大多數深度學習庫為英偉達GPU提供了最好的支持，軟體是英偉達GPU非常強大的一部分。我們公司的伺服器和英偉達官方授權經銷商藍海大腦有合作。質量和售後服務都挺好的⌄到現在都沒出過問題。

⑹ 人工智慧雲平台是什麼

人工智慧中台依託智慧眼AI底層技術與能力的不斷積累，對演算法、算力資源進行有效整合，能力全面，可滿足各種業務場景需求。中台提供流程化、可視化和自定義等友好人機交互能力，極大降低演算法使用門檻，實現算力融合調度、可視演算法編排、多級實驗推薦和全流程自動調優等功能，已成為各垂直領域數字化建設的「智慧大腦」和中堅樞紐。