國際投行研究報告：中國人工智慧產業鏈圖譜

科技 11-17

主要發現

1中國人工智慧產業發展迅速，但整體實力仍落後於美國。

中國已成為人工智能發展最迅速的國家之一，2018年中國人工智慧市場規模有望超過300億元人民幣。人工智慧企業數量超過1000家，位列全球第二。本次人工智慧浪潮以從實驗室走向商業化為特徵，其發展驅動力主要來自計算力的顯著提升、多方位的政策支持、大規模多頻次的投資以及逐漸清晰的用戶需求。與此同時，中國處於人工智慧發展初期，基礎研究、晶元、人才方面的多項關鍵指標與美國差距較大。

2中國企業價值鏈布局側重技術層和應用層，對需要長周期的基礎層關注度較小。

人工智慧產業鏈分為基礎層（晶元、演算法框架）、技術層（計算機視覺、自然語義理解、語音識別、機器學習）和應用層（垂直行業/精確場景）。中國企業布局比較偏好技術相對成熟、應用場景清晰的領域，對基礎層關注度較小。瞄準AI專用晶元或將為中國企業另闢蹊徑。

3科技巨頭生態鏈博弈正在展開，創業企業則積極發力垂直行業解決方案，深耕巨頭的數據窪地，打造護城河。

科技巨頭構建生態鏈，已經佔據基礎設施和技術優勢。創業企業僅靠技術輸出將很難與巨頭抗衡，更多的創業企業將發力深耕巨頭的數據窪地（金融、政府事務、醫療、交通、製造業等），切入行業痛點，提供解決方案，探索商業模式。

4政府端是目前人工智慧切入智慧政務和公共安全應用場景的主要渠道。

早期進入的企業逐步建立行業壁壘，未來需要解決數據割裂問題以獲得長足發展。各地政府的工作內容及目標有所差異，因而企業提供的解決方案並非是完全標準化的，需要根據實際情況進行定製化服務。由於政府一般對於合作企業要求較高，行業進入門檻提高，強者恆強趨勢明顯。

5人工智慧在金融領域的應用最為深入，應用場景逐步由以交易安全為主向變革金融經營全過程擴展。

傳統金融機構與科技企業進行合作推進人工智能在金融行業的應用，改變了金融服務行業的規則，提升金融機構商業效能，在向長尾客戶提供定製化產品的同時降低金融風險。

6醫療行業人工智慧應用發展快速，但急需建立標準化的人工智慧產品市場准入機制並加強醫療資料庫的建設。

人工智慧的出現將幫助醫療行業解決醫療資源的短缺和分配不均的眾多民生問題。但由於關乎人的生命健康，醫療又是一個受管制較嚴的行業。人工智慧能否如預期廣泛應用，還將取決於產品商業化過程中如何制定醫療和數據監管標準。

7以無人駕駛技術為主導的汽車行業將迎來產業鏈的革新。傳統車企的生產、渠道和銷售模式將被新興的商業模式所替代。

新興的無人駕駛解決方案技術公司和傳統車企的行業邊界將被打破。隨著共享汽車概念的興起。無人駕駛技術下的共享出行將替代傳統的私家車的概念。隨著無人駕駛行業規範和標準的制定，將衍生出更加安全和快捷的無人貨運和物流等新興的行業。

8人工智慧在製造業領域的應用潛力被低估，優質數據資源未被充分利用。

製造業專業性強，解決方案的複雜性和定製化要求高，所以人工智慧目前主要應用在產品質檢分揀和預測性維護等易於複製和推廣的領域。然而，生產設備產生的大量可靠、穩定、持續更新的數據尚未被充分利用，這些數據可以為人工智慧公司提供優質的機器學習樣本，解決製造過程中的實際問題。

9零售領域應用場景從個別走向聚合，傳統零售企業與創業企業結成伙伴關係，圍繞人、貨、場、鏈搭建應用場景。

人工智慧在各個零售環節多點開花，應用場景碎片化並進入大規模實驗期。傳統零售企業開始布局人工智，將與科技巨頭在應用大數據和人工智慧領域同台競技，意味零售商將更加積極與創業公司建立夥伴關係。

10政策與資本雙重驅動推動人工智慧產業區域間競賽，京滬深領跑全國，杭州發展逐步加速。京津冀、珠三角、長三角以及西部川渝地區成為人工智能企業聚集地區。

北京、上海、深圳牢牢佔據人工智慧城市實力第一梯隊的位置，廣州的大型企業與初創企業數量較少，杭州主要依靠阿里巴巴，因而屬於第二梯隊，重慶則受到技術與人才基礎限制處於第三梯隊。

11各地政府以建設產業園的方式發揮人工智慧產業在推動新舊動能轉換中的作用。

人工智慧產業園呈現多點開花、依託原有高科技產業園以及與原有園區企業產生聯動效應的特點。但由於建設速度過快，園區也出現了空心化與人才缺口的問題。

在中國，政府正通過多種形式支持人工智慧的發展。中國形成了科學技術部、國家發改委、中央網信辦、工信部、中國工程院等多個部門參與的人工智慧聯合推進機制。從2015年開始先後發布多則支持人工智慧發展的政策，為人工智慧技術發展和落地提供大量的項目發展基金，並且對人工智慧人才的引入和企業創新提供支持。這些政策給行業發展提供堅實的政策導向的同時，也給資本市場和行業利益相關者發出來積極信號。在推動市場應用方面，中國政府身體力行，直接採購國內人工智慧技術應用的相關產品，先後落地多個智慧城市、智慧政務等項目。

1.1.3 面臨挑戰

人工智慧技術在中國實現了快速的發展，雖然中國在部分技術和快速應用上具備了一定的競爭力，但是基礎層技術的薄弱仍然是牽制中國人工智慧發展的關鍵制約因素，同時還面臨標準落地難、法律法規不完善以及人才缺乏的挑戰。技術缺口作為全球發展最快的人工智慧市場，中國在晶元製造和人工智慧技術以及基礎理論研究方面均落後於國際先進水平。

長期以來，中國的晶元大部份依賴進口，計算力方面的技術基礎薄弱。根據中國海關總署數據顯示，2015—2017 年中國進口晶元總量分別為3140億塊、3425億塊、3770億塊，進口額分別為2299千億美元、2270千億美元和 2601千億美元。這也使晶元進口額連續三年超過了原油。而在演算法研究方面，中國仍然應用的是Facebook、谷歌等公司提出的演算法框架，在演算法研究上仍待突破。

標準落地

目前，中國人工智慧行業在標準落地上存在較大缺口。標準作為經濟和社會活動的主要技術依據，已成為衡量國家或地區技術發展水平的重要標誌、產品進入市場的基本準則、企業市場競爭力的具體體現。截至目前，美國、歐盟、日本等發達國家高度重視人工智慧標準化工作。美國發布的《國家人工智慧研究與發展策略規劃》，歐盟發布的「人腦計劃」，日本實施的「人工智慧/大數據/物聯網/網路安全綜合項目」，均提出圍繞核心技術、頂尖人才、標準規範等強化部署，力圖搶佔新一輪科技主導權。在中國，雖然已經有政府和機構在牽頭，但中國現階段各人工智慧應用領域的標準存在巨大的差異，頂層設計與複雜現狀一時仍然難以匹配。

法律法規

正如每一次科技和技術進步，圍繞這項技術所出現的法理問題也應運而生。人工智能發展過程中的法律法規制定問題也是行業面臨的挑戰。以無人汽車為例，自動駕駛涉及法律法規，而法規不明確將會制約自動駕駛商業化落地。中國在人工智慧發展政策上主要強調促進技術進步和產業應用，而對道德倫理安全規則等問題還存在政策的缺失。截至目前，美國等世界多國已經開展了就正義和公平、安全與認證、隱私與權力、稅收制度和失業、自主武器等方面人工智慧的社會學研究。反觀目前中國人工智慧研究主要聚集在專利技術等維度，關於人工智能道德和法律方面的研究非常有限。隨著人工智慧發展的深入，政府應該與國際研究接軌，鼓勵和推動人工智慧相關的社會科學研究。

人才缺乏

據牛津大學2018年對中美兩國對演算法研究的人才與全球先進國家的對比顯示，中國目前在演算法研究方面的人才僅佔全球人工智慧底層技術研究的13.1%，而美國演算法人才的佔比為26.2%。從開設人工智能專業院校的數量來看，中國僅有不到30所大學的研究實驗室專註於人工智能，該數字遠遠無法滿足人工智慧企業的用人需求。從人工智慧從業經驗來看，美國半數以上的數據科學家擁有十年以上的工作經驗，而在中國超過40% 的數據科學家工作經驗上不足五年。

總體來看，人工智慧行業可分為基礎支撐層、技術層和應用層。基礎層提供計算力，主要包含人工智慧芯片、感測器、大數據及雲計算。其中芯片具有極高的技術門檻，且生態搭建已基本成型。目前該層級的主要貢獻者是 Nvidia、Mobileye和英特爾在內的國際科技巨頭。中國在基礎層的實力相對薄弱。技術層解決具體類別問題。這一層級主要依託運算平台和數據資源進行海量識別訓練和機器學習建模，開發面向不同領域的應用技術，包括語音識別、自然語言處理、計算機視覺和機器學習技術。科技巨頭谷歌、IBM、亞馬遜、蘋果、阿里、百度都在該層級深度布局。中國人工智慧技術層在近年發展迅速，目前發展主要聚焦於計算機視覺、語音識別和語言技術處理領域。除了BAT在內的科技企業之外，出現了如商湯、曠視、科大訊飛等諸多獨角獸公司。應用層解決實踐問題，是人工智慧技術針對行業提供產品、服務和解決方案，其核心是商業化。應用層企業將人工智能技術集成到自己的產品和服務，從特定行業或場景切入（金融、安防、交通、醫療、製造、機器人等）。未來，場景數據完整（信息化程度原本比較高的行業或者數據窪地行業），反哺機制清晰，追求效率動力比較強的場景或將率先實現人工智慧的大規模商業化5 。從全球來看，Facebook、蘋果將重心集中在了應用層，先後在語音識別、圖像識別、智能助理等領域進行了布局。得益於人工智慧的全球開源社區，這個層級的門檻相對較低。目前，應用層的企業規模和數量在中國人工智慧層級分布中佔比最大。