2023年中国人工智能行业市场发展现状分析 应用需求引导人工智能行业发展【组图】
当前位置：前瞻产业研究院»经济学人»研究员专栏2021年中国人工智能行业市场发展现状分析应用需求引导人工智能行业发展【组图】UVc分享到：刘帅•2021-07-0518:00:06来源：前瞻产业研究院E16158G12023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告2023-2028年全球人工智能芯片（AI芯片）行业市场调研与发展前景研究报告2023-2028年中国大数据产业发展前景与投资战略规划分析报告2023-2028年中国云计算产业发展前景预测与投资战略规划分析报告2023-2028年中国生物识别技术行业市场调研与投资预测分析报告人工智能是引领未来的战略性技术，也成为了国际竞争的焦点。我国人工智能行业主要分为三层：基础层、技术层和应用层，其中，应用层涵盖企业技术集成与方案、智慧商业和零售、智能机器人、智能硬件等20个领域。2020年，我国应用层人工智能企业占比达到84.05%，占人工智能行业主导地位，引导人工智能行业发展。
人工智能行业主要上市公司：百度(BIDU)、腾讯控股(00700.HK)、阿里巴巴(09988.HK)、科大讯飞(002230)、海康威视(002415)、京东集团(09618.HK)、好未来(TAL)、小米集团(01810.HK)等。
本文核心数据：人工智能技术层次分布、人工智能技术层次分布变化
我国应用层人工智能企业占主导地位
人工智能作为一门前沿交叉学科，其定义一直存有不同的观点：《人工智能——一种现代方法》中将已有的一些人工智能定义分为四类：像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统。维基百科上定义“人工智能就是机器展现出的智能”，即只要是某种机器，具有某种或某些“智能”的特征或表现，都应该算作“人工智能”。
大英百科全书则限定人工智能是数字计算机或者数字计算机控制的机器人在执行智能生物体才有的一些任务上的能力。百度百科定义人工智能是“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学”，将其视为计算机科学的一个分支，指出其研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
中国国电子技术标准化研究院在《人工智能标准化白皮书(2018版)》中，将人工智能定义为：人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
从人工智能产业链的结构来看，人工智能行业主要分为三层：基础层、技术层和应用层。其中，基础层是人工智能产业的基础，技术层是人工智能产业的核心，应用层是人工智能产业的延伸。
根据中国新一代人工智能发展战略研究院发布的数据显示，我国应用层人工智能企业占主导地位。2020年，我国应用层人工智能企业数占比最高，达到84.05%;其次是技术层，企业数占比为13.65%;基础层企业数占比最低，为2.30%。
人工智能产业的发展由应用需求引导
目前，人工智能应用层企业主要应用在20个领域，包括企业技术集成与方案、智慧商业和零售、智能机器人、智能硬件、科技金融、智慧医疗等领域。
从近几年人工智能领域企业的技术层次分布来看，应用层企业始终占主导地位。2018-2019年，应用层企业占据人工智能总企业数的七成，2020年在样本企业大幅扩增的情况下，应用层相关企业比重上升至八成。目前，中国人工智能产业的发展主要通过应用需求来引导。
注：2020年人工智能企业统计样本有较大改动。
以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院提供产业大数据、产业规划、产业申报、产业园区规划、产业招商引资、IPO募投可研、招股说明书撰写等解决方案。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告本报告前瞻性、适时性地对人工智能行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来人工智能行业发展轨迹及实践经验，对人工智能行业未来...
查看详情
本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。
p31q1我要投稿
UVc分享：标签：人工智能发展现状应用需求技术层次人工智能行业品牌、内容合作请点这里：寻求合作››
产业规划
园区规划
产业招商
可行性研究
碳中和
市场调研
IPO咨询
前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT2023年中国人工智能芯片行业发展现状分析行业处于萌芽期【组图】
深度分析！一文详细了解2022年中国风机行业产业链现状及发展前景不同应用领域需求增长点各异
2022年中国集成电路封装行业通信设备领域应用市场现状及发展趋势分析通信设备需求增加带动集成电路封装产业发展【组图】
【建议收藏】重磅！2022年杭州市人工智能产业链全景图谱(附产业政策、产业链现状图谱、产业资源空间布局、产业链发展规划)
2023年中国人工智能芯片行业市场现状及发展前景分析AI芯驱动引领未来【组图】
聚焦中国产业：2021年深圳市特色产业之人工智能产业全景分析(附产业空间布局、发展现状及目标、竞争力分析)
即将过去的2023年，人工智能发展成啥样了｜有数
2022年，人工智能技术突飞猛进，更深入地介入人类生活。人类创造了AI，却并不那么了解它，欣喜又畏惧。AI是谁？经历了怎样的发展？对人类影响几何？澎湃·美数课与湃客·有数联合推出《AI来的那一夜》，去记录AI当下的发展、探寻人们对AI好奇的问题。
本文为系列第二篇。
【专题】AI来的那一夜
AI极简史：文字如何生出万物？
本文为“有数”栏目独家稿件，由照路明x有数联合出品，转载请注明作者名、“照路明”以及“发自澎湃新闻湃客频道”。
2022年终于要结束了。这一年发生了许多事。人工智能（AI）技术的突飞猛进是其中一件。
或者说，这一年，人工智能的发展更被人们所熟知了。你应该已经听闻，人工智能正在帮我们做很多事。例如，陪我们聊天，帮我们画画，写一些陈词滥调的稿件，或者悄悄融入数字生活，让各项算法成为社会运转的基础设施。这篇文章想带你了解，人工智能的科学研究走到了哪一步，我们将如何审视它。
|今年，哪些人工智能进展让人印象深刻？
2022年出现了不少令人兴奋的人工智能研究成果。2月，谷歌（Google）旗下的DeepMind公司推出了AlphaCode，这是一款大规模生成编程代码的系统。在编程竞赛平台Codeforces上，研究人员让AlphaCode完成了10项代码编程挑战。结果显示，它的总体排名位于前54%。也就是说，它的编程工作击败了46%的人类“码农”。
用AI替代开发AI的劳动，这是研究者一直想做的事，尽管效果总是有待商榷。5月，DeepMind公司又推出了“通用人工智能模型”Gato，声称它可以完成人机聊天、玩游戏、机器人操纵、分析蛋白质序列等多场景的任务，而不限于单一工作。
通用人工智能模型是人工智能开发的重点方向，是指能够在不同任务或领域中通用的人工智能模型。这种模型可以被训练来执行多种任务，而不是专门为某一种任务而设计。
换句话说，人们希望它具有解决现实世界复杂问题的综合能力。完成这一挑战自然不容易，Gato的出现也未能平息质疑的声音。不过，在某一特定技能的表现上，今年的一些人工智能模型已经取得了令人惊讶的成效。
例如，今年大火的AI绘画领域，由StableDiffusion和同期出现的DALL-E2、Midjourney等深度学习模型带火。
你或许已经体验过输入几句文字描述就可以生成一幅对应图像的神奇效果。重点在于，生成的图像看起来还不错。例如，下方这些如同摄影作品的人物肖像画，就是由StableDiffusion生成的。这些生成式AI将人们对于人工智能只能完成一些重复性劳动的印象，转向了艺术创作领域。
从“文字生成图片”到“文字生成视频”（Text-to-Video，T2V），Meta公司（原Facebook）9月推出的人工智能工具Make-A-Video也引发过热议。同样是输入描述文本，Make-A-Video直接生成了一个短视频，这意味着拍摄、建模、剪辑等工作流程可以全部跳过。例如，“手握遥控器的猫”，这是他们提供的生成结果：
你会发现两个特点：首先，视频的清晰度不算高。其次，持续长度较短。将连续生成的原创图像串联为动态画面，这是今年的人工智能工具尝试在视觉领域完成的事，但成长空间还很大。
与此同时，在传统的文本领域，突出的技术进展已经出现。
此前，聊天机器人给你的体验总是驴唇不对马嘴，或者只能理解一些简单的文本描述。而今年11月底，OpenAI公司提供的ChatGPT，能力就要高上许多。它“学识渊博”，面对人类提出的各种刁难问题，可以从容不迫地给出回答。
人们还惊讶地发现，吸收了大量人类社会知识的ChatGPT，可以在修改代码、写文章等方面发挥作用——这些自动生成的文本，不乏陈词滥调的观点，但组织得颇有条理，难辨真假。比如，你很难察觉，前文关于“通用人工智能模型”定义的那段话，就是ChatGPT自己写的。
|近五年，人工智能研究实现高速发展
人工智能，来势汹汹。无论哪种模型，一个共同的目标是让它们的工作结果接近人类，直到超越人类的准确性、创造性与效率。
人工智能的科研工作在半个世纪里存在，但在最近五年实现了高速发展。2017年，人工智能研究在当年所有科研文献占据了3.06%的比重。截至2022年9月，这一数据来到了当年的5.69%，这成为AI应用成果涌现的根本动力。
中国保持着人工智能科研成果数量的优势。2021年，中国以31%的全球人工智能科研文献占比，领先于美国、欧盟与英国。
与此同时，从2010年到2021年，美国和中国在人工智能研究上的跨国合作数量最多，自2010年以来增加了5倍。2021年的中美合作出版物数量，是中英合作产出的2.7倍。
除了人工智能学科本身的科研文献激增，AIforScience（面向所有科学的人工智能）的呼吁正在被各学科接纳。根据澳大利亚联邦科学与工业研究组织（CSIRO）的报告，如今的人工智能在98%的研究领域得到采用。计算机科学以外，数学、决策学、工程、神经科学等领域基于人工智能的研究成果颇多。
所以你会注意到，“计算+学科”成为学科范式转型的普遍方向之一：利用DeepMind团队提供的人工智能模型，纯数学理论学家正在证明或提出新的数学定理；2020年，DeepMind推出的AlphaFold2工具，实现了对人类大部分蛋白质结构的精准预测，其团队被推举为诺贝尔化学奖的有力竞争人选。
科研发现的速度加速，有机器学习（MachineLearning）方向的助推。过去十年，机器学习的科研文献数量激增，并成为一个中心技术概念，作用到计算机视觉、算法、数据挖掘等关系紧密的方向研究中。
机器学习的目标是让计算机从训练数据中学习特征，并在未知数据中执行分析与预测任务，比如识别图像中的物体或者预测未来股票价格。
深度学习（DeepLearning）是机器学习中的一种方法，它使用了大量的神经元（或称为节点）构成的多层网络来学习特征表示和预测结果。这种方法通常用于解决较为复杂的问题，比如自然语言处理、计算机视觉和语音识别等。
前文提到的人工智能进展，几乎都需要深度学习方法的引入。例如，对话能力惊人的ChatGTP，是由OpenAI公司的GPT-3模型变体而成。而初代的GPT-3模型，有3000亿单词的语料训练和1750亿参数。StableDiffusion训练所使用的LAION-5B数据库，包括了58.5亿张图片素材。这些指数级增长的训练数据，让它们的能力有了质的飞跃。
相应地，训练的时间与财务成本在下降。根据斯坦福大学的《2022年AI指数报告》（2022AIIndexReport），2018年以来，图像分类系统的训练时间缩短了94.4%。2021年，训练一个高性能的图像分类系统成本只需要4.6美元，同比2017年预计的1112.6美元，下降至1/223。
作为结果，人工智能的语言和图像识别能力迅速提高。近两年，人工智能在阅读、声音、图像等基准上的表现已接近或超过人类水平。所以你很容易体验到，在短视频拍摄中使用搞怪的脸部特效、将开会录音迅速转化为文字记录。而在10年前，还没有机器能够在人类水平基准上提供可靠的语言与图像识别。
|与人工智能相处：成为敌人还是朋友？
科学幻想中的人工智能应用，应该有不少将步入现实。正如电影《她》（Her）当中，男主人公爱上了一位叫做“萨曼莎”的姑娘——一项人工智能系统中的虚拟人物。我们终究要与人工智能相处，而这些人工智能系统在各项社会线索上都愈发趋近于人类。人们可能会爱上它，讨厌它，抵制它，百感交集。
在今年10月，我采访了1500位中国大学生，来看看他们的看法。
具体来说，大学生们被鼓励用隐喻的形式提供对于人工智能的第一感受，然后用一段话来解释为什么会想到这种隐喻。隐喻的价值在于可以窥探人们与人工智能相处时的情感与权力关系：在人们眼中，人工智能是敌是友？是关系疏远还是亲密无间？
调研的结果是乐观的。绝大多数人表达了对人工智能的正面态度，最常被使用的隐喻是“助手”，即认可人工智能对生活的辅助作用。也有一些人认为它是地位平等的“朋友”，或者视它的地位高于人类，是“超人”“孙悟空”“哆啦A梦”，或者是维持生命必不可少的“水”和“空气”。
当然，有部分受访者表达了对人工智能持有矛盾或负面态度。例如，反对者认为人工智能不过是“傀儡”“木偶”与“定时炸弹”——利好之处是假象，大的危机酝酿其中。也有一部分人保持中立。接纳人工智能的同时，指出它当前的缺陷与不良的社会效应，比如不够聪明，以及内容造假、隐私侵犯、偏见等伦理问题，并相信需要改善使用它的方式，来促进社会福祉。
在很长一段时间内，对伦理的考量都将影响人工智能的发展。例如，在ChatGPT发布之前，谷歌研发的对话式人工智能系统LaMDA却一直未向公众发布。今年3月，谷歌研究人员Lemoine认为LaMDA已具有“自主情感”。他通过一段内部的对话实录表明LaMDA如何向人类表明它的主观感受。至少，它说服了Lemoine。
谷歌研究人员Lemoine提供的报告《LaMDA具有情感吗？》（IsLaMDasentient?）中的对话节选。编译：知乎用户@方觉闲
Lemoine的主张遭到了谷歌当局与多数学者的批评，他们相信LaMDA依然建立在大规模参数的神经语言模型下，是人类训练指导出的对话结果，而非LaMDA具有自主意识的证据。
但这一案例向我们表明，无论人工智能是否真的有意识，它的对话能力已足够说服人类，从而可能回答计算机学家图灵提出的“机器能思考吗？”（Canmachinesthink？）这一关键问题，并进一步带来担忧的声音。
轻舟已过万重山。如何让人工智能促进社会福祉，将是一个收益伴随风险的长久问题。投资者希望用人工智能讲出新故事，普通人的需求是这些人工智能是否有用于我们的生活，而不会反过来摧毁一切。回到最朴实无华的展望上，人们想知道，人工智能叙事下的世界，会变得更好吗？这是一切新年愿望的母题。
让我们看看ChatGPT的回答。
“嗨，ChatGPT，未来的世界会更好吗？”
ChatGPT是这么说的：
“这个问题很难回答。我们都希望世界会变得更好，但是未来会如何发展是不确定的。目前，世界正面临着许多挑战，比如病毒和冲突。希望人类能够克服这些挑战，使世界变得更美好。”
参考资料：
[1]Li,Y.,Choi,D.,Chung,J.,Kushman,N.,Schrittwieser,J.,Leblond,R.,...&Vinyals,O.(2022).Competition-levelcodegenerationwithalphacode.Science,378(6624),1092-1097.
[2]Reed,S.,Zolna,K.,Parisotto,E.,Colmenarejo,S.G.,Novikov,A.,Barth-Maron,G.,...&deFreitas,N.(2022).Ageneralistagent.arXivpreprintarXiv:2205.06175.
[3]Rombach,R.,Blattmann,A.,Lorenz,D.,Esser,P.,&Ommer,B.(2022).High-resolutionimagesynthesiswithlatentdiffusionmodels.InProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition(pp.10684-10695).
[4]Singer,U.,Polyak,A.,Hayes,T.,Yin,X.,An,J.,Zhang,S.,...&Taigman,Y.(2022).Make-a-video:Text-to-videogenerationwithouttext-videodata.arXivpreprintarXiv:2209.14792.
[5]Zhang,Y.,Sun,S.,Galley,M.,Chen,Y.C.,Brockett,C.,Gao,X.,...&Dolan,B.(2019).Dialogpt:Large-scalegenerativepre-trainingforconversationalresponsegeneration.arXivpreprintarXiv:1911.00536.
[6]Clark,J.,&Perrault,R.(2022).AIindexreport2022.Technicalreport,StanfordUniversity.https://aiindex.stanford.edu/wp-content/uploads/2022/06/2022-AI-Index-Report_Chinese-Edition.pdf
[7]Davies,A.,Veličković,P.,Buesing,L.,Blackwell,S.,Zheng,D.,Tomašev,N.,...&Kohli,P.(2021).AdvancingmathematicsbyguidinghumanintuitionwithAI.Nature,600(7887),70-74.
[8]Jumper,J.,Evans,R.,Pritzel,A.,Green,T.,Figurnov,M.,Ronneberger,O.,...&Hassabis,D.(2021).HighlyaccurateproteinstructurepredictionwithAlphaFold.Nature,596(7873),583-589.
[9]Kiela,D.,Bartolo,M.,Nie,Y.,Kaushik,D.,Geiger,A.,Wu,Z.,...&Williams,A.(2021).Dynabench:RethinkingbenchmarkinginNLP.arXivpreprintarXiv:2104.14337.
[10]Stone,P.,Brooks,R.,Brynjolfsson,E.,Calo,R.,Etzioni,O.,Hager,G.,...&Teller,A.(2022).Artificialintelligenceandlifein2030:theonehundredyearstudyonartificialintelligence.arXivpreprintarXiv:2211.06318.
[11]CSIRO.(2022).ArtificialIntelligenceforSciencereport,CommonwealthScientificandIndustrialResearchOrganisation.https://www.csiro.au/en/research/technology-space/ai/artificial-intelligence-for-science-report
[12]AndrewNg.(2022).TopAIStoriesof2022,DeepLearning.AI.https://www.deeplearning.ai/the-batch/issue-176/
[13]Floridi,L.,&Chiriatti,M.(2020).GPT-3:Itsnature,scope,limits,andconsequences.MindsandMachines,30(4),681-694.
[14]Lemoine,B.(2022).IsLaMDASentient?—anInterview.Medium.Fechadepublicación,11-06.
2023年人工智能与自动化的发展趋势
[[430280]]
自动化正在成为许多市场的首要任务，特别是随着远程工作的增长和劳动力短缺改变了传统的工作模式，很多企业转而采用更可持续的自动化解决方案。
根据普华永道公司发布的一份全球人工智能研究报告，人工智能如今成为自动化驱动的主导力量之一，预计到2030年，人工智能将为全球GDP带来15.7万亿美元的增长。
随着人工智能与自动化技术不断推出新产品和工作场所解决方案，人工智能可以接管更多的日常任务，许多人开始担心自己的工作被取代，这是可以理解的。但是，人工智能驱动的自动化确实是在减少工作岗位，还是仅仅改变了人们的工作方式?
人们需要了解人工智能自动化如何颠覆传统工作，以及如何从长远来看确保工作场所和工作的安全。
人工智能对就业市场的潜在影响1.人工智能是一种自动化技术人工智能越来越多地进入家庭，在企业领域更是如此。自动化的洞察力和操作加快了商业领域的流程，减少了出错的机会。
以下是一些通过人工智能实现自动化的最重要的业务重点：
客户服务：通过聊天机器人、虚拟助理和搜索推荐，客户可以自主地指导他们的购买决策。智能工厂和装配线自动化：制造业一直是一个危险且耗时的行业。基于人工智能的自动化技术已进入许多工厂和装配线，使新型机器制造和包装产品以及装配线上的自修复设备成为可能。AIOps和MLOps：许多企业已经利用人工智能和机器学习来实现运营自动化，利用人工智能来加强安全监控和审计等项目。数据挖掘和分析:人工智能正在被编程处理数据输入和基本的数据分析和报告，让员工有更多的时间专注于需要专业技能的任务。2.被人工智能自动化颠覆的工作(1)人工智能取代了人类的工作
越来越多的人担心他们的工作将被机器人取代，尽管在不久的将来这似乎不太可能，但随着人工智能接管他们的一些任务，某些类型的工作岗位将会减少。
根据世界经济论坛发布的一份《未来就业调查报告》，预计到2025年，以下职位的需求将会减少，特别是由于人工智能和其他自动化技术正在取代这些职位的主要任务：
数据输入人员行政人员和执行秘书会计、簿记和出纳会计师和审计师组装工人业务服务和行政管理人员客户信息和客户服务人员总经理和运营经理机械师和机械修理工材料记录和存货管理人员(2)人工智能作为人类工作的补充
值得注意的是，尽管人工智能可以处理一些传统上由秘书和职员完成的基本数据输入和管理任务，但除非经过适当的编程、训练和长期维护，人工智能工具则难以获得成功。
随着人工智能工具继续进入更多的业务用例，管理这些工具并从战略上支持它们的角色将继续增长。根据日前发布的《未来就业调查报告》，以下这些就业岗位将在未来几年迅速增长：
数据科学家和分析师人工智能和机器学习专家大数据专家数字营销和战略专家流程自动化专家业务开发人员数字化转型专家信息安全分析师软件开发人员物联网专家3.为人工智能世界构建技能人工智能自动化有望创造新的就业机会、新的消费产品和更快的经济增长。然而，如果劳动力发展跟不上人工智能革命的步伐，不同角色和背景的员工就有被自动化取代的风险。
虽然发展有竞争力的专业技能最终取决于员工个人，但地方和国家政府、雇主和教育机构应投资于下列解决办法，以保持健康和公平的劳动力队伍：
(1)教育和技能发展
企业应该为有兴趣学习数据科学、编程和其他技术技能的员工提供教育、再教育或技能发展的机会，而就业市场需要这些技能。如果企业不愿意或无法投资，那么一些免费的在线课程和研讨会将教授通用编程语言和其他技术技能。
(2)实践训练
为员工提供部署和管理企业使用的任何人工智能或数据集的实践培训。这种培训为员工和企业提供了相关的经验，可以在未来采用这些工具。
(3)软技能培训
企业提供的最实惠、最有价值的培训之一就是软技能培训。尽管人工智能可以完成人类实施的多项任务，但目前还没有任何人工智能模型能够与人类的软技能相媲美，例如领导力、创业精神、解决冲突和创造性思维等。企业要让员工有机会参加研讨会和会议，设定他们的职业发展目标，并在日常工作之外花费时间提高他们的人文优势。
结论人工智能和自动化很可能会取代或至少改变人们目前在市场上看到的许多工作岗位。但是，大多数工作不会被人工智能技术取代，而是可以获得人工智能的支持，帮助员工优化自己的表现和结果。
人工智能合同管理软件开发商Evisort公司的联合创始人兼首席执行官JerryTing认为，人类工作和人工智能工作的结合将继续为企业带来更高的效率:
Ting说，“人工智能已经真正改变了当今的商业技术，为了帮助企业提高工作效率，人类和技术必须合作，而人工智能使这成为可能。采用人工智能不是为了替代人类，而是作为一种辅助工具，可以帮助人类简化决策过程，并为企业节省时间和资源。”