腾讯研究院解读《中美两国人工智能产业发展全面解读》
9478
2017-08-14 10:39    文章来源:安卓网
文章摘要:腾讯研究院认为,中美在人工智能领域仍具有差距,尤其是在于人才教育与储备方面。

导读

腾讯研究院发布《中美两国人工智能产业发展全面解读》,从政策、企业、项目、投资、巨头,应用,人才等多个维度对中美AI进行了最完整的对比和分析,力图展现出中美各个角度的差异并以此来分析中国未来人工智能企业的走向和趋势。

“artificial intelligence”的图片搜索结果

前言 :AI泡沫前,我们怎么办?

一个新的世界即将到来。人工智能是当前人类所面对的最为重要的技术社会变革,是互联网诞生以来的第二次技术社会形态在全球的萌芽。

所谓AI技术,是人类在利用和改造“机器”的过程中所掌握的物质手段、方法和知识等各种活动方式的总和。AI技术赋予了机器一定的视听感知和思考能力,不仅会促进生产力的极大发展,而且也会对经济与社会的运行方式产生积极作用。

AI技术的创新可以促进经济增长,提升社会治理水平;反过来,高水平的社会治理,也会促进技术创新的活跃,推动经济增长。因而,无论是研究经济,还是社会发展,我们都必须关注技术本身,关注AI技术发展的社会机制,关注AI技术的社会功能。

1.顶层设计。

中美政府都把人工智能当作未来主导性战略,出台发展战略规划,从国家战略层面进行整体推进。美国和中国都在国家层面建立了相对完整的研发促进机制,协同推进人工智能发展。美国一直处在人工智能基础研究的前沿,保持全球领先地位。中国在基础算法和理论研究方面,还有相当的差距。

2.企业数量。

从全球范围来看,人工智能领先的国家主要有美国、中国及其他发达国家。截止到2017年6月,全球人工智能企业总数达到2542家,其中美国拥有 1078家,占据42%;中国其次,拥有592家,占据23%。中美两国相差486家。其余872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。

从历史统计来看,美国人工智能企业的发展早于中国5年。美国最早从1991年萌芽,1998进入发展期,2005后开始高速成长期,2013后发展趋稳。中国AI企业诞生于1996年,2003年产业进入发展期。在2015年达到峰值后进入平稳期。

3.产业布局。

美国AI产业布局全面领先,在基础层、技术层和应用层,尤其是在算法、芯片和数据等产业核心领域,积累了强大的技术创新优势,各层级企业数量全面领先中国。相比较而言,中国在基础元器件、基础工艺等方面差距较大。

从基础层的芯片企业数量来看,中国拥有14家,美国33家,中国仅为美国的42%。

而技术层,中国拥有273家,美国拥有586家,中国为美国的46%。

在应用层,中国拥有304家公司,美国拥有488家,中国是美国62.3%。

4.人才队伍。

AI产业的竞争,说到底是人才和知识储备的竞争。只有投入更多的科研人员,不断加强基础研究,才会获得更多的智能技术。

在研究领域,近年来中国在人工智能领域的论文和专利数量保持高速增长。但中国缺少重大原创科研成果,人工智能顶尖人才远远不能满足需求。相较而言,中国在人工智能需要在研发费用和研发人员规模上的持续投入,加大基础学科的人才培养,尤其是算法和算力领域。

5.热点领域。

深度学习引领了本轮AI发展热潮。究其原因,在于算力和数据在近十年来获得了重大的突破。当下,人工智能产业出现了九大发展热点领域,分别是芯片、自然语言处理、语音识别、机器学习应用、计算机视觉与图像、技术平台、智能无人机、智能机器人、自动驾驶。

在美国AI创业公司中排名前三的领域为:自然语言处理252家,机器学习应用(Machine Learning Application)242家,以及计算机视觉与图像190家。

在中国AI创业公司中排名前三的领域为:计算机视觉与图像146家,智能机器人125家以及自然语言处理92家。

6.投资趋势。

自1999年美国第一笔人工智能风险投资出现以后,全球AI加速发展,在18年内,投资到人工智能领域风险资金累计1914亿元。

截止至目前,美国达到978亿元,在融资金额上领先中国54.01%,占据全球总融资50.10%;中国仅次于美国,635亿,占据全球33.18%;其他国家合计占15.73%。

中国AI企业增势不明朗。根据行业发展周期来计算,中国人工智能产业将会在2018年回暖,新增公司数量会上扬到30以上,预期融资累计量将会达到900-1000亿人民币,仍和美国有较大差距。

7.巨头角力。

由于AI产业核心技术掌握在巨头企业手里,巨头企业在产业中的资源和布局,都是创业公司所无法比拟的。因而引领AI产业发展的技术竞赛,主要是巨头之间的角力。

当前,苹果、谷歌、微软、亚马逊、脸书,这五大科技巨头无一例外投入越来越多资源抢占人工智能市场,甚至整体转型为人工智能驱动的公司。

国内互联网领军者“BAT”也将人工智能作为重点战略,凭借自身优势,积极布局人工智能领域。就中国而言,有行业影响的人工智能开发平台和产业生态尚未形成,也没有产生世界知名的人工智能重大产品,缺乏支持行业发展的试验平台、数据集。

巨头通过招募AI高端人才、组建实验室等方式加快关键技术研发。同时,通过持续收购新兴AI创业公司,争夺人才与技术,并通过开源技术平台,构建生态体系。

8.中国未来。

中国政府高度重视AI产业发展战略,中国正在快速形成商业应用开发能力,行业创投领域正在紧追美国,并在应用层的一些领域显现出竞争实力,部分指标达到了与美国相近的水平。

与互联网相似,中国将会成为AI应用的最大市场,拥有丰富的应用场景,拥有全球最多的用户和活跃的数据生产主体。我们需要进一步加大基础学科建设和人才培养,以便让中国AI有机会走得更远。

第一章 中美人工智能的顶层设计

一种乐观观点认为,人工智能的发展将在30年内深刻改变人类社会生活、改变世界,因此,中美两国均在为这一时代的到来积极准备,在顶层设计方面有许多堪可玩味的地方。

第一,美国和中国政府都把人工智能当作未来战略的主导,出台发展战略规划,从国家战略层面进行整体推进。美国人工智能报告体现了美国政府对新时代维持自身领先优势的战略导向。作为最大的发展中国家,中国也在战略引导和项目实施上做了整体规划和部署。

第二,美国和中国都在国家层面建立了相对完整的研发促进机制,协同推进人工智能发展。

第三,美国一直处在人工智能基础研究的前沿,保持全球领先地位。中国在全球跻身第一梯队,但在基础算法和理论研究方面,与美国还有相当大的差距。

1.1中美高度重视AI战略

美国一直注重人工智能研发,最近几年步伐加快。早在2013年财政年度,美国政府便将22亿美元的国家预算投入到先进制造业,国家机器人计划是投入重点之一。同年4月美国政府启动创新神经技术脑研究计划,计划10年投入45亿美元。

2015 年,美国政府对人工智能相关技术的未分类研发投资约为 11 亿美元,预测显示 2016 年相关投入将增长到 12 亿美元(摘自《美国国家人工智能研究与发展战略规划》)。

近年来,中国政府对人工智能的重视程度不断提高,持续从各方面支持和促进人工智能发展。从政策层面来看,主要事件有:

2015年7月,“人工智能”被写入《国务院关于积极推进“互联网+”行动的指导意见》,将其列为了互联网+战略的一部分。

2016年3月,“人工智能”一词被写入国家“十三五”规划纲要。

2016年5月23日,国家印发了《“互联网+”人工智能三年行动实施方案》。从科技研发、应用推广和产业发展等方面提出了一系列措施。提出将支持人工智能领域的芯片、传感器、操作系统、存储系统、高端服务器、关键网络设备、网络安全技术设备、中间件等基础软硬件技术开发,支持开源软硬件平台及生态建设。

2016年底,《“十三五”国家科技创新规划》和《“十三五”国家战略性新兴产业发展规划》都把发展“人工智能”作为一项重点内容。

2017年3月5日,国务院总理李克强在十二届全国人大五次会议上作政府工作报告时表示,要“全面实施战略性新兴产业发展规划,加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化”,这是“人工智能”首次出现在政府工作报告中。

2017年3月,科技部 “科技创新2030—重大项目”近期新增“人工智能2.0”,人工智能进一步上升为国家战略。

2017年7月,国务院关于印发《新一代人工智能发展规划的通知》,从国家层面对人工智能进行系统布局,部署构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国。提出六个方面重点任务:一是构建开放协同的人工智能科技创新体系,从前沿基础理论、关键共性技术、创新平台、高端人才队伍等方面强化部署。二是培育高端高效的智能经济,发展人工智能新兴产业,推进产业智能化升级,打造人工智能创新高地。三是建设安全便捷的智能社会,发展高效智能服务,提高社会治理智能化水平,利用人工智能提升公共安全保障能力,促进社会交往的共享互信。四是加强人工智能领域军民融合,促进人工智能技术军民双向转化、军民创新资源共建共享。五是构建泛在安全高效的智能化基础设施体系,加强网络、大数据、高效能计算等基础设施的建设升级。六是前瞻布局重大科技项目,针对新一代人工智能特有的重大基础理论和共性关键技术瓶颈,加强整体统筹,形成以新一代人工智能重大科技项目为核心、统筹当前和未来研发任务布局的人工智能项目群。

《新一代人工智能发展规划的通知》确立了“三步走”目标:到2020年人工智能总体技术和应用与世界先进水平同步;到2025年人工智能基础理论实现重大突破、技术与应用部分达到世界领先水平;到2030年人工智能理论、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。

1.2中美设定AI促进机制

2016年5月,美国白宫科技政策办公室(OSTP)直属的美国国家科学与技术委员会(NSTC)下设立了机器学习与人工智能分委会(MLAI),该机构与其他相关机构一道组织编写了《为人工智能的未来做好准备》、《国家人工智能研究和发展战略计划》和《人工智能、自动化与经济报告》。通过实施《国家人工智能研究和发展战略计划》,明确研发优先重点,以解决战略研究目标,将联邦投资重点放在行业不太可能投资的领域,并解决扩大和维持人工智能研发人才渠道的需求。

人工智能涉及的相关部门如下图:

2.jpg


中国也形成了科学技术部、国家发展改革委、中央网信办、工业和信息化部、中国工程院等多个部门的AI联合推进机制。其中,科学技术部牵头制定了由国务院印发的《新一代人工智能发展规划的通知》,并着手规划相关重大项目;国家发展改革委牵头制定了《互联网+人工智能三年行动实施方案》,正在酝酿发起成立人工智能产业发展联盟;中央网信办、工业和信息化部、中国工程院等部门也都从各自角度对人工智能进行了研究和推动。

国务院新出台的《新一代人工智能发展规划的通知》中还明确,要成立人工智能规划推进办公室,办公室设在科技部,具体负责推进规划实施。还要求成立人工智能战略咨询委员会,研究人工智能前瞻性、战略性重大问题,对人工智能重大决策提供咨询评估。并要求推进人工智能智库建设,支持各类智库开展人工智能重大问题研究,为人工智能发展提供强大智力支持。

1.3美国AI战略发展态势

美国充分认识到人工智能的战略意义,从国家战略层面来布局AI领域的技术研发。卓越的技术研发机构,理论学科以及各类实验室为人工智能的发展奠定了雄厚的技术基础,并且也取得了大批令人瞩目的研发成果。表明政府在推动人工智能技术发展的过程中发挥着重要作用。反过来,人工智能技术能给当今以及未来的美国社会带来巨大的效益,不仅会提高美国的经济活力和生产力,而且能改善民众福利。

1.4中国AI发展态势

中国人口基数大,移动互联网发展迅速,有庞大的数据资源优势。另外商业化应用场景丰富,在人工智能应用领域将出现更多突破。同时,中国在人工智能研究领域的技术和人才储备也正在快速崛起。

第二章 中美人工智能产业布局观察

2.1.美国企业总量远超中国

2.1.1 总体数量:美国约为中国两倍

截止到2017年6月,全球人工智能企业总数达到2542家,其中美国拥有 1078家,占据42%;中国其次,拥有592家,占据23%。中美两国相差486家。其余872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。

3.jpg

2.1.2 中国企业起步落后美国5年

从现有统计来看,美国人工智能企业从1991年开始创建,中国1996年晚于美国5年开始发展。

美国方面一共分为四个阶段,1991年到1997年,萌芽期;1998-2004,发展期;2005-2013 高速成长期;2013-至今,平稳期。

中国AI产业在1996年进入萌芽期,2003年进入发展期。企业数量从2004年的29家增长到2007年的57家。在2008年短暂回落后进入高速成长期,增速历经5年一路上扬到48.11%,在2015年达到峰值166家后进入平稳期。2015年的峰值,相当于1999到2012新增企业数量的总和。

4.jpg

2.2.中美AI创投累计融资对比

2.2.1 累计融资额美国第一,中国第二

自1999年美国第一笔人工智能投资出现以后,全球AI加速发展,在短短的18年内,全球涌现1914亿元投资到人工智能领域。

截止至目前,美国AI融资金额为978亿元,占据全球总融资50.10%;中国635亿,占据全球33.18%;其他国家合计占15.73%。

5.jpg

2.2.2 中国融资起步时间落后美国6年

美国的第一笔风险投资出现在1999年,2005年进入发展期,2012年为爆发期拐点。

在2005年,中国出现第一笔AI风险投资(晚于美国6年),2013年进入爆发期。

6.jpg


2016年,中国总融资额短暂接近美国,达到492.98亿,距离美国约30亿。但中国在2017年增势放缓,相反的,美国融资则出现井喷,累计融资大幅度超越中国。

2.3 中美人工智能九大热点领域对比

2.3.1 中美产业侧重点不同

在美国AI创业公司中排名前三的领域为:自然语言处理252家,机器学习应用(Machine Learning Application)242家,以及计算机视觉与图像190家。

在中国AI创业公司中排名前三的领域为:计算机视觉与图像146家,智能机器人125家以及自然语言处理92家。

中美人工智能企业的共同热点均为计算机视觉与图像及自然语言处理,这两大领域也是AI产业的领头羊。

总体来看,美国在企业数量上全面领先中国,基础层和技术层的企业数量约为中国的2倍,但是在应用层上,中国和美国的差距略小。

7.jpg

2.3.2 中国应用层VS美国基础层

美国投资者对于基础层更为看重。在美国人工智能企业中,融资占比排名前三的领域为芯片/处理器融资315亿占比31%,机器学习应用融资207亿占比21%,自然语言处理融资134亿占比13%。

芯片企业的数量排名第八,33家,但融资量却是第一,美国的芯片实力和资金吸引力,可见一斑。

8.jpg


2.3.3 投资事件美国是中国1.96倍

美国投资事件数量1509起,中国767起。两者相比,美国:中国=1.96:1。

事件数量大意味着热度更大,关注更多。

在美国,自动驾驶/辅助驾驶和处理器/芯片是投资热点。应用层和基础层兼顾,适合长远发展。

中国各方面发展较为均衡,突出的领域是智能无人机和计算机视觉与图像,其高成熟度的技术吸引了不少投资者。

中国处理器/芯片投资事件数量比重排名第四,占比7.55%,表明中国投资者对于基础层已经具有了一定的重视,但可能由于基础层公司少,投资门槛高,导致事件数量仍和美国有较大差距。

9.jpg

2.4. 超过一亿美元的投资事件(略)

2.5 未来趋势判断:行业泡沫

AI领域创投行业泡沫即将出现。主要信号有两个:

一是资金多而项目缺。

综合过往数据和2017年前半年的情况,今年美国新增企业数量将跌到谷底,预计在2017结束之前,美国新增企业数量范围将在25-30家之间徘徊。同时,美国的累计融资量持续快速增长,最后将稳定在1380-1500亿元的区间。2018年后,中美两国AI企业数量增长都将有所恢复,但依然平缓。在这段时期内,创投圈将会发现,找到一个新的有潜力的项目越来越难,由于新增企业数量稀少,经常只能跟投一些项目。到2020年,美国累计AI公司数量将会超过1200家,累计融资将达到惊人的2000亿人民币。

二是周期长而营收难。

通俗的说,现在的人工智能被高估了。深度学习起源于上世纪八九十年代的神经网络研究。在很多情况下,前沿研究是由对已有方法的微小改动和改进组成,而这些方法在几十年就已经被设计出来了。

10.jpg

资金多而项目缺,周期长而营收难,项目却一天比一天更加昂贵,这是资本泡沫即将出现的信号。但对于创业公司,它们将过上一段顺风顺水的好日子。

具体到美国未来趋势而言,美国AI领域的融资可能在2020年前突破2000亿。原因在于特朗普上台后采取了一系列改革措施,促进了美国经济的恢复。美国资本迅速回流,资本市场正在加大对AI企业的投资。由此推动美国AI产业融资持续上升。预计在2020年之前,美国累计AI公司数量将会超过1200家,累计融资将达到惊人的2000亿人民币。

具体到中国来看,中国AI企业增势不明朗,但资金仍在增加。

根据历史数据推断,中国在2017年成立的新公司将不超过15家,融资增长也较前两年放缓,预计融资总额将会在2017年年末达到745亿,是美国同期预计值的50%。

从行业发展周期来看,中国人工智能产业将会在2018年回暖,当年新增公司数量会上扬到30家以上,预期融资累计量将会达到900-1000亿人民币,整体上仍和美国有较大差距。

第三章 中美AI巨头的产业卡位战

引领AI产业发展的技术竞赛,主要是巨头之间的角力。由于AI产业核心技术和资源掌握在巨头企业手里,而巨头企业在产业中的资源和布局,都是创业公司所无法比拟的,所以巨头引领着AI发展。

目前,苹果、谷歌、微软、亚马逊、脸书,这五大巨头无一例外都投入了越来越多资源,来抢占人工智能市场,甚至将自己整体转型为人工智能驱动型的公司。国内互联网领军者“BAT”也将人工智能作为重点战略,凭借自身优势,积极布局人工智能领域。

随着政府和产业界的积极推动,中美两国技术竞赛格局初步显现。美国巨头公司致力于全产业链布局,在技术层、基础层和应用层均卡住了战略要点。中国巨头则在应用层展示出了强劲的发展意愿。

在研究领域,近年来中国在人工智能领域的论文和专利数量保持高速增长,已进入第一梯队。而美国研究者更关注基础研究,人工智能人才培养体系扎实,研究型人才优势显著。未来,两国将在人工智能领域有更多正面角力。

中国能否在十年内全面超越美国?这是个强烈的悬念。

3.1 中美巨头的产业布局

从产业图谱来看,人工智能主要分为技术层、应用层和基础层。技术层包括人工智能通用技术平台(例如计算机视觉与图像、自然语言处理、语音识别)。应用层包括人工智能行业应用方案、消费类终端或服务等。基础层包括人工智能芯片、算法和数据。

美国巨头呈现出全产业布局的特征,包括基础层、技术层、应用层,均有布局;而中国巨头主要集中在应用侧,只在技术层局部有所突破。

12.jpg


13.jpg


3.2 技术层:争抢人才,构建生态

在技术层面,巨头通过招募高端人才、组建实验室等方式加快关键技术研发。同时,通过持续收购创业公司,争夺AI人才,完善自身布局。此外,巨头还通过开源技术平台,构建生态体系,赋能全行业。

3.2.1建立核心人才队伍:AI实验室

14.jpg

15.jpg

3.2.2 持续收购拼抢人才与技术

初创公司往往会成为巨头的猎物。打个比方,如果AI全产业如一部巨大机器,那么新兴创业公司,大多是机器上的某个零部件。这是因为新兴创业公司,仅具有某一项或几项技术优势,很难成为主导全局型应用,但有助于完善巨头布局,因而,最终难逃被巨头收购。

16.jpg

2011-2016人工智能主要收购事件 来源:CB Insights

3.2.3 建立开源生态,占领产业核心

人工智能的常见开发框架包括谷歌的TensorFlow、Facebook的Torch、Microsoft的CNTK以及IBM的SystemML。这些框架的地位类似于人工智能时代的iOS/Android。开源也成为了这些软件开发框架共同的策略。

17.jpg


谷歌早在2011年就成立AI部门,在谷歌内部,由机器学习驱动的产品和业务不计其数,包括谷歌搜索、Google Now、Gmail等,同时谷歌还向其开源Android手机系统中注入大量机器学习功能。2011 年第一代机器学习系统,从大量的Youtube 图片中学会了识别猫;2015年,谷歌将内部采用深度学习的技术整理到一起,发布第二代人工智能系统TensorFlow,并宣布将其开源。这是一套包括很多常用深度学习技术、功能和例子的框架。得益于庞大的计算和数据资源,谷歌大脑在深度学习方面取得了显著的成果。在几次人机大战中大放异彩的DeepMind公司自2014年被Google收购后,陆续发表了207篇顶级期刊论文,为Google带来了大量研究人才。

2016年,百度开放了其深度学习平台Paddle-Paddle,覆盖了搜索、图像、语音识别、语义处理、用户画像等领域的技术。腾讯不同事业部都在不同领域展开AI研究。AI Lab注重将技术与腾讯业务场景相结合,即游戏、社交、内容生态。

大公司纷纷拥抱开源有两方面原因:第一,通过开源来构建生态和护城河。无论是谷歌、亚马逊还是BAT都已经拥有云计算基础设施,Google、微软一直在讲的开源、AWS推出的AI功能,本质上并无差别,都是为了赋予自家云端客户更强的数据处理能力。在现有的云服务市场中,科技巨头占据多数,构建基于人工智能的云服务将成为巨头的下一个主战场。AI是信息基础设施的一个升级,是今后产业发展的巨大引擎。巨头都想把握升级过程中涌现的大量机会,赋能全行业。第二,开源是一种开放式创新。通过开源深度学习平台,不仅可以吸引大量开发者,还可以为机器学习提供大量的数据支持,以及大量的现实场景。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应用场景的竞争格局。

3.3 应用层:抢夺语音交互入口,征战云服务(略)

3.4 基础层:美国巨头深入产业核心布局芯片

人工智能芯片主要包括GPU、FPGA、ASIC以及类脑芯片。在人工智能时代,它们各自发挥优势,呈现出百花齐放的状态。

3.4.1榜单企业的野望

全球十大AI芯片厂商中,美国6家上榜。这些榜单企业包括Google、英伟达、Intel、IBM、微软,均自行研发了AI芯片。

Google的TPU全名是TensorFlow Processing Unit,专为其深度学习算法Tensor Flow设计。该芯片也用在AlphaGo系统中、StreetView和机器学习系统RankBrain中。今年Google开发者大会上发布的第二代Cloud TPU理论算力达到了180T Flops,能够对机器学习模型的训练和运行带来显著的加速效果。

苹果正在研发一款名为“苹果神经引擎”(Apple Neural Engine)的专用芯片。该芯片定位于本地设备AI任务处理,把面部识别、语音识别等AI相关任务集中到AI模块上,提升AI算法效率,未来可能嵌入苹果的终端设备中。

3.4.2中美差距所在

在过去十多年里,Intel、IBM、摩托罗拉、飞利浦、东芝、三星等60多家公司曾试图进军AI芯片,但纷纷遭致惨败。这其中的主要原因在于进入门槛高,包括以下几点:

首先是专利技术壁垒。FPGA领域用近9000项专利构筑了长长的知识产权壁垒,将进攻者拒于行业之外。即便是强如Intel也望而兴叹,不得以耗资167亿美元收买了Altera得了一张FPGA领域的门票。

其次是市场相对偏小。2016年全球FPGA市场总额仅为50亿美元,且有九成落入赛灵思和Altera两家公司。其他GPU、ASIC均类似。这么小的市场规模很难养活太多的大公司,必然导致竞争异常激烈。

最后是投资周期长。专利壁垒或许可以跨越,市场狭小,或许可以忍受。比如FPGA产品,从投入研发到产品真正规模化生产差不多要七年。这期间几乎没有任何商业回报。正常的风投是等不了这么长时间的。

AI芯片作为产业核心,也是技术要求和附加值最高的环节,产业价值和战略地位远远大于应用层创新,因此我们需要高度重视。

中美还有相当差距。芯片产业链上中下游依次是IC设计、晶圆代工和专业封测,技术难度和附加值也依此顺序由高到低。美国企业因掌握核心技术优势主要处于产业链上游,中国企业目前在晶圆代工和封测阶段等技术要求不高的环节有一定空间。

从不完全统计来看,美国有33家芯片厂商,中国有12家。美国既有谷歌、英特尔、IBM这样的科技巨头,也有高通、英伟达、AMD、赛灵思这样在各自领域中有绝对优势的大公司,以及一些发展良好的中等规模公司和活跃的初创企业。但中国则主要以中小公司为主,没有巨头!

从芯片类别来看,美国厂商遍布人工智能芯片的四大流派,IC设计环节的产业结构非常均衡,并且,在GPU和FPGA两个领域,美国企业是完全垄断的,中国企业只在FPGA编译、ASIC和类脑芯片方面略有作为。

AI芯片领域的创新不是件一蹴而就的事情。它涉及到人工智能算法、编程语言、计算机体系结构、集成电路技术、半导体工艺的方方面面。在巨大的国际竞争压力下,单靠企业研发投入,远远不够。

第四章 中美AI领域人才队伍

当前,人工智能领域的竞争,主要体现为人才之争。

只有投入更多的科研人员,不断加强基础研究,才会获得更多的智能技术。中国企业的人工智能转型,不光需要依靠研发费用和研发人员规模上的持续投入,还应该加大基础学科的人才培养,尤其是算法和算力领域。一些企业可以通过学习美国先进的产品和技术来获得市场份额的突破。例如:研发成本优势、行业风险把握优势等。这些优势更容易在中国市场上体现出来。

4.1 美国产业人才总量是中国的两倍

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

中国的人才储量低于美国,目前也没有大量专业人员可以跟进,这种情况可能会对中国未来AI产业的发展产生牵制作用。

18.jpg

4.2美国基础层人才数量是中国的13.8倍

美国团队人数在处理器/芯片、机器学习应用、自然语言处理、智能无人机4大热点领域全面压制中国。

自然语言处理,美国员工人数是中国的3倍,美国20200人,中国6600人;

处理器/芯片,美国员工人数是中国的13.8倍,美国17900人,中国1300人;

机器学习应用,美国员工人数是中国的1.8倍,美国17600人,中国9800人;

智能无人机,美国员工人数是中国的1.98倍,美国9220人,中国4660人;

计算机视觉与图像,美国员工人数是中国的2.87倍,美国4335人,中国1510人。

中国仅在智能机器人领域人才稍多,6400人,约为美国同领域人数的3倍。

基础层上,美国团队人数17900人占据美国总人数的22%,中国在该领域人数1300,仅为全国的3.3%;美国人数是中国的13.98倍,比率是中国的6.7倍;技术层上,美国29400人,占据全美37.3%,中国12000人,占据全国33%,美国人数是中国的2.26倍,但比率相差不大;应用层,美国31400,占比全美39.89%,中国24300,占比61.8%,美人数是中国的1.29倍,但占比小中国21.91%,应用层中国基本上可以和美国持平。

中国AI产业的主要从业人员集中在应用层,而美国主要集中在基础层和技术层。中国的基础层人才太薄弱,应加大人才培养力度。

19.jpg

20.jpg

4.3 中国团队的人才挑战

美国主要以1-10人和10-50小组和团队为主。总量759个,占据全美的70.41%,是美国AI初创公司的主力军;中国主要是10-50人的团队,总量384,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。

21.jpg

美国拥有5000人以上的大型团队一共5家,而中国还是一片空白。美国市场格局分明,已经产生不少领军企业,而且创业热潮高涨,生机勃勃,技术水平较高。据Linkedin数据,美国AI人才占全球半壁江山。七成美国AI人才从业10年以上,相比之下,中国仅不到四成。而中国小组团队少,入门门槛高,未来仍将面临挑战。

其次,中美人才培养模式尚存在差距。很多高校在很长时间内并没有人工智能专业,而在人工智能的诞生地美国,基本上大的院校都有人工智能专业和研究方向。以美国卡梅隆大学为例,设有专门的机器人研究所,其中光教授就有100多位,纵向而言,中国布局的时间也比较晚。教育系统之间的差别也将影响人工智能领域的研究重心。

22.jpg


23.jpg

4.4 中国团队的后发优势(略)

第五章 人工智能应用热点

随着人工智能术不断突破,尤其是以语音识别、自然语言处理、图像识别及人脸识别为代表的感知智能技术取得显著进步,围绕语音、图像、机器人、自动驾驶等人工智能技术的创新创业大量涌现,人工智能迅速进入发展热潮。相关技术开始从实验室走向应用市场,特别是在交通、医疗、工业、农业、金融、商业等领域应用加快,带动了一批新技术、新业态、新模式和新产品的突破式发展,给传统行业带来深刻的产业变革,进而有望重塑全球产业格局。但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。

5.1中美人工智能产业应用的优劣势

这一轮的人工智能技术的应用中,自动驾驶、智能医疗、智能安防、服务型机器人、智能交通、智能制造、智能娱乐等应用成为了全球人工智能市场的热点。

5.1.1三大支撑平台

第一,基础层的开源算法平台。

美国成为此次引领全球人工智能算法研究的领头羊,谷歌、Facebook、微软都已推出了深度学习算法的开源平台,而国内目前仅有百度推出开放平台paddle paddle。

第二,技术层的云平台。

除了算法以外,大数据、云计算都是实现人工智能技术应用的关键性设施。从目前中美云服务平台发展的情况来看,作为云计算的“先行者”,北美地区仍占据市场主导地位。虽然中国云服务起步晚于美国,但阿里、腾讯、华为等中国互联网及IT企业都推出了领先的云服务平台,Docker 技术在我国云计算领域逐步从实验阶段走向应用阶段,在云服务的基础技术上中美差距已不大,但在IT服务环境、用户认知等方面与美国仍存在差距,但这个差距是很快就能缩小并赶超的。

第三,应用层的应用平台。

在人工智能应用平台领域,中、美两国的互联网企业均推出基于人工智能技术的垂直应用平台。在语音平台上,美国有谷歌的Google assistant、亚马逊的Alexa、IBM的Watson、微软的Cortana、Facebook的Deeptext等领先企业的语音平台,国内百度的百度大脑、科大讯飞语音开放平台等,虽然在开放平台的数量上中国不及美国,但从整体布局来看,基本与美国并驾齐驱。

5.1.2产业应用环境

得益于近年中国移动互联网的快速发展,为中国积累了巨大的C端用户基数,但在B端的制造、交通、金融、医疗等传统行业仍然发展相对落后,“互联网+行动计划”、“智能制造2025”等政策的出台都旨在推动传统行业与互联网的融合以及转型升级,因此,在传统行业借助人工智能实现转型升级的需求更为迫切,市场增长的后劲很足。


版权声明:

凡本网内容请注明来源:T媒体(http://www.cniteyes.com)”的所有原创作品,版权均属于易信视界(北京)信息科技有限公司所有,未经本网书面授权,不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的,应在授权范围内使用,并按双方协议注明作品来源。违反上述声明者,易信视界(北京)信息科技有限公司将追究其相关法律责任。

评论