2018世界人工智能产业发展蓝皮书.pdf

1、2018 世界人工智能产业发展蓝皮书2 2018 世界人工智能产业发展蓝皮书由中国信息通信研究院发布。由中国信息通信研究院提供的编辑内容与 Gartner 的分析结果相互独立。Gartner 的所有调研报告的版权均为 Gartner,Inc.所有。2018 Gartner,Inc.保留所有权利。所有 Gartner 资料在本出版物中的使用均已获得授权。使用或者发布 Gartner 调研报告并不表示 Gartner 认可中国信息通信研究院的产品和/或战略。未经 Gartner 事先书面许可，不得以任何形式复制或分发本出版物。本出版物中包含的信息均取自公认的可靠来源。Gartner 不对此类信息的

2、准确性、完整性或适当性做出任何保证，并且不对此类信息中的错误、遗漏或不适当承担任何责任，也不对此类信息的任何解读承担任何责任。此处表明的观点随时可能更改，恕不另行通知。虽然 Gartner 调研报告可能会讨论相关的法律问题，但 Gartner 并不提供法律建议或法律服务，不应将其调研报告解释为或用作法律建议或法律服务。Gartner 是一家上市公司，其股东拥有的公司或基金可能与 Gartner 调研报告中涉及的实体有财务利益关系。Gartner 的董事会成员可能包括这些公司或基金的高级管理人员。Gartner 调研报告是由其调研组织独立完成的，并没有受到这些公司、基金或其管理人员的介入或影响。

3、有关 Gartner 调研报告的独立性和完整性的详细信息，请参阅其网站上的“Guiding Principles on Independence and Objectivity”（独立性和目标的指导原则）。前言人工智能已经成为新一轮科技革命和产业变革的核心驱动力，正在对世界经济、社会进步和人类生活产生极其深刻的影响。为了进一步顺应发展规律、把握未来趋势，加快发展新一代人工智能，经国务院批准，国家发展和改革委员会、科学技术部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院和上海市人民政府于 2018 年 9 月 17 日至 19 日在上海共同举办 2018 世界人工智能大会。举办本

4、次世界人工智能大会，是共同谋划人工智能技术和产业发展的动员大会，也是推动互联网、大数据、人工智能和实体经济深度融合发展的重要举措。本次大会以“人工智能赋能新时代”为主题，以“国际化、高端化、专业化、市场化”为特色，集聚全球人工智能领域最具影响力的科学家、企业家和投资家，以及相关政府领导者和城市管理者，围绕人工智能领域的技术前沿、产业趋势和热点问题发表演讲和进行高端对话，打造世界顶尖的人工智能合作交流平台。大会集中汇聚最权威的观点和共识，集中展示最前沿的新技术、新产品、新应用、新理念，为应对人类发展面临的共同难题、创造人类美好生活汇聚“中国方案”和“世界智慧”。2018 世界人工智能产业发展蓝皮

5、书上海以中国改革开放排头兵、创新发展先行者的责任担当，与国家各相关部委办和机构紧密携手，共同举办 2018 世界人工智能大会。这是上海加快建设“五个中心”、全面打响“四大品牌”，以及深入推进改革开放、优化整体营商环境的重要抓手和切实举措。以此次大会为契机，上海将加快推进人工智能产业创新和深度应用，着力打造国家人工智能发展高地，争取建设成为人工智能创新策源地、应用示范地、产业和人才集聚地。本蓝皮书作为大会的重要报告成果，是由中国信息通信研究院联合国际权威信息技术研究和分析咨询机构 Gartner Group，借助本次大会举办的契机，打开中国人工智能领域与世界对话的窗口，对全球人工智能的产业发展情

6、况及技术路线趋势进行全面深度分析。希望本书对人工智能领域的从业者、研究者，以及感兴趣的读者们，带来有益的思考与借鉴，发挥必要的启示作用。世界人工智能大会组委会22018 世界人工智能产业发展深度分析报告 概述与说明 产业发展环境 技术环境 全球人工智能企业 全球投融资 产业发展40人工智能技术成熟度曲线，2018 年33 2018 世界人工智能产业发展深度分析报告1 概述与说明 1.1 报告概述 本蓝皮书将分享人工智能领域的研究成果和实践经验，对全球各主要人工智能强国产业发展及技术路线现状与趋势进行全面掌握，详细阐述人工智能领域的技术研究、产业投入、服务应用，从而为促进人工智能技术和产业发展提

7、供一定的基础资料与指导。本蓝皮书的编制，是在对世界人工智能产业发展的深入、广泛调研基础上，结合调研数据和权威部门相关资料，通过梳理人工智能技术、产业和应用发展情况，分析人工智能的技术热点、企业情况、产业应用和未来趋势，由编制团队共同完成。本报告以全球人工智能产业地图为中心展开论述，该地图由中国信息通信研究院信息化与工业化融合研究所和数据研究中心联合绘制。地图通过对全球人工智能产业从底层技术到垂直应用，从产业结构到产业分布，从研究机构到政府政策等多角度进行了系统分析与绘制，盘点了 人工智能的发展态势，为推动人工智能产业发展提供重要决策参考。同时，中国信息通信研究院华东分院针对产业地图的内容进行了

8、充分的阐述和延伸，设计了本报告的总体框架结构，详细阐述了产业发展环境、技术环境、全球人工智能企业发展情况以及人工智能产业化应用领域情况等，更加清晰的反应人工智能产业发展现状。1.2 撰写说明全球人工智能产业地图主要包括以下几个部分：(1)产业链地图(2)产业分布地图(3)产业研究机构与配套政策。1)产业链地图版块 本版块人工智能产业链结构划分为基础支撑层、软件算法层与行业应用层。基础层产业地图主要从 计算硬件（云端训练、云端推算、设备端推理、智能芯片、智能传感器）、计算系统技术（云计算、大数据、5G 通信与物联网）和数据（数据采集、标注和分析）三个维度对全球主要从事基础层产业的典型企业进行绘制

9、。软件算法层产业地图主要从算法理论（机器学习算法、类脑算法、知识图谱）、开发平台（基础开源框架、技术开放平台）和应用技术（计算机视觉、自然语言处理和人机交互）三个维度对全球主要从事软件算法层产业的典型企业进行绘制。应用层面产业地图主要从行业解决方案（“AI+”行业垂直应用）和典型产品（视觉产品、语音终端、机器人、智能汽车、无人机）两个维度对全球主要从事应用层产业的典型企业进行绘制。2)产业分布地图版块 本版块主要盘点与绘制了中国各省市以及国际上人工智能产业领先的国家典型 AI 企业分布、规模及企业名目。3)产业研究机构与政策版块 本版块主要盘点与绘制了中国与国际上的人工智能主流行业研究机构、联

10、盟与产业政策文件。本报告的结构分为五部分：1)产业发展环境 2)技术环境 3)全球人工智能企业的情况 4)全球投融资的情况 5)产业发展情况1)产业发展环境 本部分从人工智能发展进程、全球各国人工智能相关政策以及人工智能发展条件进行阐述，全面论述了 人工智能产业发展的基础与环境。2)技术环境 此部分从全球专利、论文、科研环境和技术竞赛方面总结出人工智能领域的当前技术环境。3)全球 AI 企业的情况 此部分从结构、规模和区域分布方面论述了全球人工智能企业的情况。中国信息通信研究院的研究报告4 4)全球投融资的情况 此部分阐述了 人工智能领域全球投融资的分布、规模和轮次，从投融资和产业规模方面分析

11、了 人工智能产业的发展。5)产业发展情况 本部分阐述了全球人工智能产业技术与应用的发展现状，发展趋势情况，以及一些典型人工智能企业应用例举。报告具体研究范围和数据来源说明如下：1)人工智能企业 本报告所述人工智能企业来源于中国信息通信研究院数据研究中心监测平台，界定范围总体上指提供人工智能产品、服务和相关解决方案的企业。企业具体可以分为技术维度和产品/解决方案两个维度。技术维度包含算法平台、基础硬件、语音视觉等通用技术的提供方和制造方，产品/解决方案维度包含各类人工智能产品的生产商和解决方案提供商，以及各垂直行业的解决方案提供商。2)投融资 本报告中的投融资数据来源于 CB insights、

12、IT 桔子、新芽等投融资网站，是基于人工智能企业名录进行匹配后整理统计的结果。3)专利数据 本报告中的专利数据来源于中国信息通信研究院知识产权中心的研究成果，知识产权中心根据智慧芽等专业数据库对全球范围内的 AI 专利进行检索统计。4)论文数据 本报告中的论文数据来源于 Web of Science 核心合集，是基于数据研究中心的人工智能关键词词表进行检索统计的结果。5)产业应用数据 本报告中的产业应用数据来源于上海合合信息科技发展有限公司的启信宝产品，以及 CAICT、PwC、MarketsandMarkets、Grand View Research、IFR、罗兰贝格、中商产业研究院、前瞻产

13、业研究院等各大市场研究机构报告或网站相关预测。6)数据单位说明 本报告中各项市场数据所采用币种，在未有具体说明时，默认币种为人民币。本蓝皮书不求面面俱到，仅对目前人工智能领域涵盖的产业与技术发展环境、全球企业情况和产业化应用等方面进行分析阐述。文中不过多地给出人工智能领域观点性的陈述，力求以较为浅显易懂的语言和方式进行陈述。对于文中的主要内容，欢迎社会各界专家学者提出建议，我们将积极听取各方专家的意见，继续改进完善。2 产业发展环境 2.1 人工智能发展大事件 人工智能大致可分为三个阶段：第一阶段(1956-1980)人工智能诞生；第二阶段(1980-2000)人工智能步入产业化；第三阶段（2

14、000-至今）人工智能迎来爆发。第一阶段(1956-1980)人工智能诞生 时间 标志性事件 1956美国达特茅斯会议聚集了最早的一批研究者，确定了 人工智能的名称与任务，被称为 AI 诞生的标志。1957康奈尔大学的实验心理学家弗兰克罗森布拉特模拟实现了神经网络“感知机”。1969国际人工智能联合会成立，并在美国华盛顿州西雅图召开了第一届会议。55 时间 单位 发布政策 1998美国网络和信息技术研发小组委员会 下一代互联网研究法案(P.L.105-305)2013美国白宫 国家机器人计划：机器人技术路线图：从互联网到机器人（2013 版）2013.4美国白宫 推动创新神经技术脑研究计划 2

15、015.10美国国家经济委员会和科技政策办公室 新版 美国国家创新战略 2015.11美国战略与国际研究中心 国防 2045 2016.10美国国家科技委员会与美国网络和信息技术研发小组委员会国家人工智能研究和发展战略计划 2016.10美国国家科技委为未来人工智能做好准备 2017.9美国国会 自动驾驶法案(SELF DRIVE ACT)自动驾驶法案(AV START ACT)2017.10美国信息产业理事会 人工智能政策原则 时间 标志性事件 1980卡耐基梅隆大学为 DEC 公司设计了 一个名为 XCON 的专家系统，取得了巨大的成功，在那个时期，它每年可为该公司节省 4,000 万美元

16、。1982日本计划投入 8.5 亿美元开发人工智能计算机（第五代计算机），旨在造出能够与人对话、翻译语言、解释图像，并且像人一样推理的机器。1986多层神经网络和 BP 反向传播算法出现，提高了自动识别的精确度。1988德国人工智能研究中心成立，也是目前世界上最大的非营利人工智能研究机构。1997深蓝计算机战胜国际象棋冠军，成为 AI 历史上的里程碑事件；受到摩尔定律的影响，计算性能开始大幅提升。第二阶段(1980-2000)人工智能步入产业化第三阶段（2000-至今）人工智能迎来爆发时间 标志性事件 2006Geoffrey Hinton 在 Science 上提出基于深度信念网络可使用非监

17、督学习的训练算法，使得深度学习在学术界持续升温。2011IBM Waston 系统参加美国“危险边缘”(Jeopardy!)节目，打败人类选手。2012深度学习算法通过 ImageNet 比赛名声大噪，进而被广泛采用。2016DeepMind 开发的 AlphaGo 击败前世界围棋冠军李世石。美国2.2 各国 AI 相关政策人工智能的迅速发展将深刻改变人类社会和世界的面貌，为了抓住 AI 发展的战略机遇，越来越多的国家和组织已争相开始制定国家层面的发展规划。6 时间 单位 发布政策 2015.7国务院 国务院关于积极推进“互联网+”行动的指导意见2016.3国务院 国民经济与社会发展第十三个五

18、年规划纲要 2016.4工信部、国家发改委、财政部机器人产业发展规划(2016-2020 年)2016.5中共中央、国务院 国家创新驱动发展战略纲要 2016.5国家发改委、科技部、工信部、中央网信办“互联网+”人工智能三年行动实施方案2016.7国务院 “十三五”国家科技创新规划2017.3国务院 政府工作报告 2017.7国务院 新一代人工智能发展规划 2017.12工业和信息化部促进新一代人工智能产业发展三年行动计划(2018-2020 年)2018.4教育部高等学校人工智能创新行动计划 时间 单位 发布政策 2013.6日本内阁 日本再兴战略2015.1日本经济产业省 新机器人战略 2

19、016.5日本内阁 科学技术创新综合战略 2016 2016.6日本经济再生本部日本再兴战略 20162017日本政府 下一代人工智能推进战略 2017.5日本经济产业省 新产业构造蓝图 2017.6日本内阁 科学、技术和创新综合战略 20172018.6日本内阁 综合创新战略 2018.6日本内阁 未来投资战略 2018 2013韩国电子通信研究院 Exobrain 计划 其他国家及国际组织中国77 时间单位发布政策2014.7韩国贸易工业和能源部 第二个智能机器人总体规划(2014-2018)2016.8韩国政府 九大国家战略项目 2017.7韩国国会 机器人基本法案 2018.5第四次工

20、业革命委员会（韩国）人工智能研究与发展（R&D）战略 2013英国政府 八项伟大的科技计划 2016.12英国政府科学办公室 人工智能：未来决策制定的机遇与影响 2017.1英国政府 现代工业战略 2017.10 英国政府 在英国发展人工智能产业 2010.7德国政府 思想创新增长德国高技术战略 20202011.11德国政府 将“工业 4.0”作为战略重心2013.4德国联邦教育与研究部“工业 4.0 工作组”保障德国制造业的未来：德国工业 4.0 战略实施建议 2017.6德国交通部伦理委员会自动和联网驾驶 报告 2013法国政府 法国机器人发展计划 2017.3法国经济部与教研部人工智能

21、战略 2018.5法国政府 法国与欧洲人工智能战略研究报告 2017.5新加坡国家研究基金会“AI.SG”国家人工智能计划 2013.1欧盟“人脑项目”(Human Brain Project)2013.12欧盟委员会与欧洲机器人协会 SPARC 计划 2015.12欧盟 SPARC 机器人技术多年路线图 2016.6欧盟委员会 提出了 人工智能立法动议 2016.10欧盟议会法律事务委员会(JURI)欧盟机器人民事法律规则 2017.10欧盟“地平线 2020”2016.8联合国世界科学知识与技术伦理委员会 机器人伦理初步报告草案 2016.12电气和电子工程师协会(IEEE)合伦理设计：利

22、用人工智能和自主系统最大化人类福祉的愿景（第一版）2017.12电气和电子工程师协会(IEEE)人工智能设计的伦理准则（第二版）8 2.3 发展条件 2.3.1 算法的演进人工智能算法发展至今不断创新，学习层级不断增加。学术界早期研究重点集中在符号计算，人工神经网络在人工智能发展早期被完全否定，而后逐渐被认可，再成为今天引领人工智能发展潮流的一大类算法，显现出强大的生命力。目前流行的机器学习以及深度学习算法实际上是符号学派、控制学派以及连接学派理论的进一步拓展。框架 单位支持语言简介TensorFlow 谷歌 Python/C+/Go/神经网络开源库 Caffe加州大学伯克利分校 C+/Pyt

23、hon卷积神经网络开源框架 PaddlePaddle百度 Python/C+深度学习开源平台 CNTK微软 C+深度学习计算网络工具包 TorchFacebookLua机器学习算法开源框架 Keras谷歌 Python模块化神经网络库 API Theano蒙特利尔大学 Python深度学习库 DL4JSkymindJava/Scala分布式深度学习的库 MXNetDMLC 社区 C+/Python/R/深度学习开源库 表 2-1 深度学习框架 图表 2-1 人工智能掀起新一轮技术发展浪潮资料来源：中国信息通信研究院（2018 年）99 机器学习算法和深度学习算法是人工智能中的两大热点，开源框架

24、成为科技巨头全面布局的重点。开源深度学习平台是推进人工智能技术发展的重要动力，开源深度学习平台允许公众使用、复制和修改源代码，具有更新速度快、拓展性强等特点，可以大幅降低企业开发成本和客户的购买成本。这些平台被企业广泛的应用于快速搭建深度学习技术开发环境，并促使自身技术的加速迭代与成熟，最终实现产品的应用落地。人工智能仍在迅速发展，而且改变着人们的生活，还有更多人工智能算法正等待着计算机科学家去挖掘。由于技术投资周期较长，中国大多数人工智能企业还缺少原创算法，仍需要未雨绸缪，重视 AI 算法层面的人才储备；将学术研究和产业应用场景相结合，鼓励创新，积极挖掘 AI 算法方面的人才，让具备强大潜力

25、的人工智能研究者能够真正投入业界。图表 2-2 人工智能算力发展情况资料来源：中国信息通信研究院（2018 年）图表 2-3 人工智能高性能计算单元 资料来源：中国信息通信研究院、互联网2.3.2 算力的提升 人工智能算法的实现需要强大的计算能力支撑，特别是深度学习算法的大规模使用，对计算能力提出了更高的要求。2015 年起人工智能迎来了真正的大爆发，这在很大程度上与 GPU 的广泛应用有关。在此之前，硬件算力并不能满足人工智能计算能力的需求，当 GPU 与人工智能结合后，人工智能才迎来了真正的高速发展，因此硬件算力的提升是 AI 快速发展的重要因素之一。10 近年来，新型高性能计算架构成为人

26、工智能技术演进的催化剂，随着人工智能领域中深度学习热潮的涌现，计算芯片的架构逐渐向深度学习应用优化的趋势发展，从传统的 CPU 为主 GPU 为辅的英特尔处理器转变为 GPU 为主 CPU 为辅的结构。2017 年，NVIDIA 推出的新一代图形处理芯片 Tesla V100，主要用于研究基于深度学习的人工智能。针对于谷歌开源深度学习框架 TensorFlow，谷歌推出为机器学习定制的 TPU。图表 2-4 Tesla V100 训练与推理性能比对资料来源：NVIDIA 官网图表 2-5 人工智能芯片产业图谱资料来源：中国信息通信研究院（2018 年）人工智能发展急需核心硬件升级，人工智能芯片

27、创新加速，计算创新成为布局重点。现有芯片产品在基础能力上无法满足密集线性代数和海量数据高吞吐需求，亟需解决云端的高性能和通用性，终端的高能效和低延时等问题。从人工智能芯片所处的发展阶段来看，CPU、GPU 和 FPGA 等通用芯片是目前人工智能领域的主要芯片，而针对神经网络算法的专用芯片 ASIC 也正在被 Intel、Google、NVIDIA 和众多初创公司陆续推出，并有望将在今后数年内取代当前的通用芯片成为人工智能芯片的主力。1111 2.3.3 数据的支撑 从软件时代到互联网，再到如今的大数据时代，数据的量和复杂性都经历了从量到质的改变，大数据引领人工智能发展进入重要战略窗口。数据是人

28、工智能发展的基石，人工智能的核心在于数据支持。从发展现状来看，人工智能技术取得突飞猛进得益于良好的大数据基础，海量数据为训练人工智能提供了原材料。根据 We Are Social 2018 年第三季度全球数字统计报告显示，全球互联网用户数已经突破了 41 亿，全球独立移动设备用户渗透率达到了总人口的 67%。图表 2-6 人工智能芯片之争呈白热化态势资料来源：中国信息通信研究院（2018 年）大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”。有了大数据的支持，

29、深度学习算法输出结果会随着数据处理量的增大而更加准确。由学术及研究机构承担建设的公共数据集不断丰富，推动初创企业成长。公共数据集一般用作算法测试及能力竞赛，质量较高，为创新创业和行业竞赛提供优质数据，给初创企业带来必不可少的资源。行业数据集是企业的核心竞争力，行业数据集与产业结合紧密，各个公司的自建数据集属于企业的核心竞争力。数据服务产业快速发展，主要包括数据集建设、数据清洗、数据标注等。12 表 2-2 全球部分人工智能公共数据集情况类型 数据集名称 特点 自然语言处理WikiText维基百科语料库 SQuAD斯坦福大学问答数据集 Common CrawlPB 级别的网络爬虫数据 Billi

30、on Words常用的语言建模数据库 语音识别VoxForge带口音的语料库 TIMIT声学-音素连续语音语料库 CHIME包含环境噪音的语音识别数据集 机器视觉SVHN谷歌街景中的图像数据集 ImageNet基于 wordnet 构成，常用的图像数据集 Labeled Faces in the Wild 面部区域图像数据集，用于人脸识别训练3 技术环境 3.1 专利 1999 年至 2017 年，全球人工智能领域中图像识别、生物特征识别、语音识别、语音合成、自然语言理解、机器学习等关键技术分支的发明申请及授权专利数量（合并同族后）超过 10 万项。中国人工智能专利申请和授权量自 2010 年

31、开始逐年增加，自 2014 年开始实现快速增长。图表 2-7 行业数据库分类资料来源：中国信息通信研究院（2018 年）图表 3-1 全球人工智能相关专利申请趋势 Fig.3-1 Global AI Related Patent Application Trend 图表 3-1 全球人工智能相关专利申请趋势 02000400060008000100001200014000160001800020000中国 其他国家 全球 资料来源：中国信息通信研究院（2018 年）13 对比全球各国人工智能专利数量，中国、美国和日本专利申请数量领先，中国已超过美国成为 AI 领域专利申请量最高的国家。中、美、

32、日三国专利申请总量占全球 AI 专利的 75%。图表 3-2 全球人工智能专利申请地域分布 Fig.3-2 Geographical Distribution of Global AI Patent Applications 图表 3-2 全球 AI 专利申请地域分布 中国 37.1%美国 24.8%日本 13.1%韩国 8.9%德国 2.7%英国 1.3%法国 1.3%荷兰 1.1%加拿大 1.0%其他 8.7%资料来源：中国信息通信研究院（2018 年）图表 3-3 中国人工智能专利申请地域分布 Fig.3-3 Geographical Distribution of AI Patent

33、Applications in China 图表 3-3 中国 AI 专利申请地域分布 020004000600080001000012000北京 广东 江苏 上海 浙江 四川 山东 陕西 安徽 湖北 资料来源：中国信息通信研究院（2018 年）图表 3-4 全球人工智能相关专利主要申请人 Fig.3-4 Main Applicants for Global AI Related Patents 图表 3-4 全球人工智能相关专利主要申请人 010002000300040005000NECFUJITSUTOSHIBA国家电网 百度 AT&TSAMSUNGGOOGLEIBMMICROSOFT资料

34、来源：中国信息通信研究院（2018 年）中国人工智能专利申请主要来自北京、广东、江苏、上海和浙江 5 个省市。其中北京申请和授权的人工智能专利数量超过 10,000 件。从专利权人的角度分析，美国、日本、韩国科技巨头企业在人工智能领域专利积累具有领先优势，微软专利申请量居全球首位、其次是 IBM 和 Google。3.2 论文 1998 至 2018 年间，全球人工智能领域论文、期刊数量大幅增长，总数量突破 63 万篇，年复合增长率达到 11.59%。2017 年 Web of Science 核心集合收录的全球人工智能论文、期刊等学术发表物达到 6.51 万份。其中，中国（含港澳台地区）人工

35、智能论文、期刊等学术发表物达到 1.73 万份，年复合增长率达到 24.32%。中国 AI 论文全球占比由 1998 年的 5.52%提升到 2017 年的 26.63%，说明中国在人工智能科研领域实力大幅增长。从全球增长趋势来看，1998-2017 年大体保持持续增长的态势，其中在 2001-2007 年和 2012-2016 年两个阶段中，年均增长率超过 10%；2008-2011 年增速有所下降，并在 2010 年度数量有所下降。14 1998-2018 年，全球人工智能领域论文产出量最多的是美国 14.91 万篇，中国以 14.18 万篇位居次席，英国、德国、印度分列三至五位。图表 3

36、-5 全球/中国人工智能论文申请趋势 Fig.3-5 Global/China AI Paper Publication Trend 图表 3-5 全球/中国 AI 论文申请趋势 0%5%10%15%20%25%30%01000020000300004000050000600007000019981999200020012002200320042005200620072008200920102011201220132014201520162017全球 中国 中国占比 资料来源：中国信息通信研究院（2018 年）图表 3-6 全球人工智能论文产出量 TOP10 国家 Fig.3-6 TOP 10

37、 Countries for AI Paper Output 图表 3-6 全球 AI 论文产出量 TOP10 国家 149096 141840 41229 34786 29132 28959 26956 23632 23391 22513 020000400006000080000100000120000140000160000美国 中国 英国 德国 印度 日本 加拿大 法国 西班牙 意大利 资料来源：中国信息通信研究院（2018 年）世界人工智能研究主要国家中，美国一直处于领先态势，学术研究数量高于其他国家。但中国 AI 学术发表物数量快速增长，在 2009 年及 2014 年后，中国超过

38、美国取得总量第一的位置。此外，印度在人工智能科研领域于 2013 年起快速发展，并在 2014 年年发布人工智能论文数量超越英国，位居全球第三位。图表 3-7 各国人工智能论文产出趋势 美国 德国 加拿大 中国 印度 法国 英国 日本 资料来源：中国信息通信研究院（2018 年）中国人工智能论文产出最多的机构是中国科学院，清华大学、哈尔滨工业大学分列二、三位。从数量来看，中国科学院以超过 1 万篇的数量遥遥领先于排名第二的清华大学（4,500 余篇）和其他机构。图表 3-8 中国人工智能论文产出趋势资料来源：中国信息通信研究院（2018 年）15 Web of Science 收录的高被引文献

39、中，中国人工智能相关文献数量和占比自 2012 年起快速增长，从 2008 年时不足 15%，增长到 2017 年时的 47%，说明中国人工智能领域的科研水平质量获得较大程度提升。图表 3-9 中国人工智能高被引论文产出趋势 Fig.3-9 Trend of Highly Cited AI Paper Output in China 图表 3-9 中国 AI 高被引论文产出趋势 0.0%10.0%20.0%30.0%40.0%50.0%60.0%050100150200250300中国高被引文献数量 中国占比 资料来源：中国信息通信研究院（2018 年）3.3 科研环境 全球的科学、技术、工程

40、和数学领域(STEM)毕业生每年都在增加，中国居世界首位。根据世界经济论坛报道，2016 年中国有 470 万毕业生来自 STEM 领域。此外，中国每年总共有 3 万名 STEM 博士毕业生。位于中国之后，排名第二的国家是印度。印度在 2016 年有 260 万 STEM 毕业生，包括本土和海外的留学生毕业生。不仅在 STEM 毕业生总数上，在海外读书的留学生数量上，印度同样仅次于中国位于全球第二，且其中有 26%的留学生在学习计算机科学和数学专业。图表 3-10 各国 STEM 毕业生数量（2016 年）Fig.3-10 Number of STEM Graduates in the Cou

41、ntries(2016)图表 3-10 各国 STEM 毕业生数量（2016 年）195,000 206,000 335,000 561,000 568,000 2,600,000 4,700,000 01,000,0002,000,0003,000,0004,000,0005,000,000日本 印度尼西亚 伊朗 俄国 美国 印度 中国 资料来源：世界经济论坛、中国信息通信研究院以大学为代表的科研机构在人工智能领域具有较强的科研实力，站在人工智能理论技术发展前沿。科研机构具备一定规模的科研团队，拥有较为先进的实验室和研究设施，与企业等其他机构相比，具有独特的比较优势。科研机构也能够持续性地培

42、养人工智能高端人才，为行业的持续发展提供后备力量。德国特里尔大学和 Schloss Dagstuhl Leibniz 信息中心联合维护的数字数目索引与图书馆项目（Digital Bibliography&Library Project，简称 DBLP）收录大量计算机领域的期刊与文献，并基于计算机领域科学文献的元数据提供文献检索服务。近五年，DBLP 每年新收录 30-40 万篇文献，截至目前，DBLP 索引文献超过 420 万篇。可据此统计每年发表过被 DBLP 收录的人工智能领域文献的科研机构和学者，以了解学界对人工智能领域的关注程度。根据 DBLP 索引的文献数据统计 2013-2017

43、年每年在人工智能领域索引文献上发表过论文的科研机构和机构内学者数量，不少国家对人工智能的关注度在 2015 年有明显提升，2016 年有所降温后，2017 年又达到高点。各年度在 DBLP 索引文献上发表过论文的科研机构和学者数量如下图所示。图表 3-11 人工智能在科研领域的关注度 Fig.3-11 Attention to AI Paid by the Scientific Research Community 图表 3-11 人工智能在科研领域的关注度 229 220 246 237 241 1251 1160 1438 1397 1439 02004006008001000120014

44、00160020132014201520162017科研机构（家）学者（人）资料来源：CS Rankings、中国信息通信研究院16 美国人工智能技术水平稳居全球首位，领先优势明显，人工智能研究机构数量和学者数量在全球占比接近半数。中国科研机构数量与英国、印度相当，学者数量与美国存在差距，但明显高于其他国家，且近年来总体呈增加趋势，2017 年比 2013 年增长约 30%。图表 3-12 发文科研机构数量占比 TOP10 国家 Fig.3-12 TOP10 Countries for Number of Scientific Research Institutions with Public

45、ations 图表 3-12 发文科研机构数量占比 TOP10 国家 美国 43%加拿大 8%印度 6%中国 5%英国 5%巴西 4%德国 3%澳大利亚 3%以色列 2%新西兰 2%其他 19%资料来源：CS Rankings、中国信息通信研究院图表 3-13 发文学者数量占比 TOP10 国家 Fig.3-13 TOP10 Countries for Number of Scholars with Publications 图表 3-13 发文学者数量占比 TOP10 国家 美国 47%中国 11%加拿大 7%英国 6%澳大利亚 5%以色列 3%印度 3%新加坡 2%德国 2%巴西 2%其他

46、 12%资料来源：CS Rankings、中国信息通信研究院3.4 技术竞赛 人工智能的技术发展不仅体现在专利论文等科研著作方面，从全球举办的各类技术挑战赛中也可窥见一斑。根据 Kaggle 上发布的竞赛数据，目前正在进行的竞赛有 19 个，已经结束归档的竞赛达 275 个。竞赛内容涉及图像识别问题、语音识别问题、物体检测问题、分类问题以及多种场景下的预测型问题等。不同竞赛的参赛队伍数量也不尽相同，一些热门竞赛参赛队伍可以达到上万个，奖金池可达上百万美元。ImageNet 每年举办的大规模视觉识别挑战赛(ILSVRC)是计算机视觉领域开始较早和影响力较大的赛事。自 2010 年开始每年举办一次

47、，参赛程序会对物体和场景进行分类和检测。在对物体的分类准确度上，人类的水平是 95%，从 2015 年起，最佳人工智能系统的表现已经超过人类，在 2017 年的 ILSVRC 竞赛上，AI 系统的分类准确度已经达到 97.5%。图表 3-14 ILSVRC 最佳分类准确率资料来源：中国信息通信研究院（2018 年）在自然语言处理领域中比较有影响力的竞赛有基于斯坦福问题答案数据集(SQuAD)的系统问答竞赛。SQuAD 是一个阅读理解数据集，由众包工作者从众多维基百科文章中提出问题构成，每个问题答案都是相应阅读段落中的一段文字或是跨段落内容的结合，或者问题本身无解。自 SQuAD 1.0 发布以

48、来，社区取得了长足的进步，最佳模型已经与人类表现相媲美。以下是在 v1.1 测试集上评估的最佳模型的 ExactMatch(EM)。17 资料来源：中国信息通信研究院（2018 年）图表 3-15 SQuAD 最佳模型演进趋势近年来，中国企业也开始重视并积极举办和参加人工智能挑战赛。在今年召开的 CVPR 大会上，百度 Apollo 和加州大学伯克利分校联合举办了自动驾驶研讨会，并基于 ApolloScape 大规模数据集定义了多项挑战任务，其中视觉领域独角兽企业旷视科技在 WAD 竞赛中战胜 DeepMind 荣获第一。另外，在视频行为识别挑战赛中，中国企业同样表现不俗，包揽了前三名。除了

49、CVPR 挑战赛，在越来越多的国际顶级挑战赛中，来自中国的参赛企业和团队表现地越来越好，屡屡夺冠，预示着中国人工智能技术正在走向世界前列。4 全球人工智能企业4.1 企业结构 从全球范围来看，全球人工智能企业主要集中在 AI+（各个垂直领域）、大数据和数据服务、视觉、智能机器人领域。其中，AI+企业主要集中在商业（主要包含市场营销和客户管理领域）、医疗健康、金融领域。从中国来看，各垂直领域的 AI 企业同样集中。在各类垂直行业中，人工智能渗透较多的包括医疗健康、金融、商业、教育和安防等领域。其中，医疗健康领域占比最大达到 22%，其次金融和智能商业领域占比分别达到 14%和 11%。图表 4-

50、1 全球人工智能企业结构资料来源：中国信息通信研究院（2018 年）49%18 4.2 企业规模 根据中国信通院数据研究中心的全球 ICT 监测平台实时监测的数据，截至 2018 年上半年，在全球范围内共监测到 4,998 家人工智能企业。其中，美国人工智能企业数量 2,039 家位列全球第一，其次是中国（不含港澳台地区）1,040 家，其后依次是英国 392 家、加拿大 287 家、印度 152 家。除此之外，以色列、法国和德国人工智能企业的数量也超过了 100 家。图表 4-2 中国 AI+领域人工智能企业结构商业教育安防资料来源：中国信息通信研究院（2018 年）图表 4-3 全球人工智