中国人工智能（AI）发展历程、AI产业重点发展区域、重点发展城市及中国AI产业地区发展总结及展望
1、AI的发展历程
人工智能（ArtificialIntelligence）指由人类制造出来的机器所展现出来的智能，试图通过计算机来模拟人的思维过程和行为。目前这一领域主要包括计算机视觉、自然语言处理、跨媒体分析推理、智适应学习、群体智能、自主无人系统、智能芯片和脑机接口等关键技术，将为人类的生产生活带来革命性的转变。自1956年达特茅斯会议第一次提出人工智能的概念以来，人工智能的发展经历了三次浪潮：第一次浪潮（1956-1974）：算法雏形初现第一次浪潮的主要成就是算法、方法论及早期人工智能系统。其中最为杰出的代表就是贝尔曼公式（增强学习的雏形）和感知机（深度学习的雏形）。早期人工智能系统主要是用机器证明的办法去证明和推理一些知识，第一次浪潮中实现效果最好的就是定理证明。这一时期出了很多人工智能系统，如STUDENT（1964年）、ELIZA（1966年），前者能够实现应用题的证明，后者可以实现简单的人机对话。但随着计算能力的不足、社会资本的退出、政府资助的下降，人工智能迎来第一次寒冬。第二次浪潮（1974-2006）：专业化发展较第一次浪潮而言，第二次浪潮朝着更为专业化的方向发展，侧重于借用领域专家的知识来武装自己。这一时期的主要成就是人工智能计算机、多层神经网络和BP反向传播等方算法的突破及语音识别和语言翻译等领域。第二次浪潮更专注于解决实际问题，不再专注于理论知识的证明。由于人工智能应用的范畴依旧有限，人工智能的浪潮在90年代开始逐渐消退。第三次浪潮（2006-至今）：基于互联网大数据的深度学习与前两次浪潮不同，第三次浪潮依靠的是计算机性能的提升和海量数据的不断积累，其核心是深度学习的突破。2016年的AlphaG和2017年的AlphaGMaster这两个智能程序的胜出，促使着人工智能逐渐成为当下炙手可热的研究领域。依靠算法、大数据、计算力的作用，人工智能迎来第三次浪潮。此外，深度学习在语音识别、图像识别、自然语言理解等领域均取得了突破性进展，再加上海量数据提供测试样本和强大计算能力的支持，人工智能开始向前高速发展。人工智能发展历史
2、AI是中国弯道超车的好机会智研咨询发布的《2020-2026年中国AI芯片产业运营现状及发展前景分析报告》数据显示：众所周知，国内科技企业往往都是先从低端产品做起来，再逐步往上游延伸。比如先从EM做到系统集成，然后再做上游关键零部件，最后积累实力才涉及更基础的研发。AI的浪潮中，最核心的就是算法，大家都在算法上角逐，使得基础研究到技术开发到系统集成扁平化，研究比一般的企业更加贴近市场，这会带来全新的变化：企业创始人和核心管理团队都必须是技术大牛，企业的文化更加高效，从而极大降低管理成本。在基础研究领域中，国、内AI的水平在迅速提升，中美是最有可能引领该潮流的两个国家，AI是中国弯道超车的好机会。过去二十年间，全球众多国家和地区广泛地参与到人工智能领域的基础性研究中，其中中国和美国的论文产出位于全球的第一、二位，且是位于第三位的英国产出量的倍以上。英国、日本、德国、印度、法国、加拿大、意大利、西班牙、韩国、台湾、澳大利亚构成了该领域论文产出的第二梯队。数据来源：公开资料整理
虽然论文多，但是国际人工智能杰出人才集中投入于美、英、德、法等少数发达国家，排名前十的国家AI人才投入占据总量的63.6%。美国在人工智能杰出人才投入量上依旧遥遥领先，占据世界总体的25%，。中国排名第六，杰出人才占比过低。此外高强度人才投入的企业集中在美国，中国仅有华为一家企业进入前20。国际人工智能人才投入主要以计算机软硬件开发企业为主体，美国相关行业发轫于19世纪末，IBM、微软、谷歌等公司皆为行业巨头，在世界范围内拥有广泛的影响能力，成为集聚人工智能领域人才的企业前三甲，英特尔、通用电气、惠普、霍尼韦尔、思科、高通、苹果等美国知名企业也榜上有名。德国的西门子、SAP、软件、博世三家企业入驻前20，主要以大型制造企业为主。3、中国AI产业整体分布特征中国AI企业集中分布在京津、长三角、珠角及中西部几个重点省份。数据来源：公开资料整理
数据来源：公开资料整理
4、中国AI企业主要集中在应用层中国AI企业主要集中在应用层(AI应用终端及AI应用行业解决方案)，占比接近80%;技术层的企业主要集中在计算机视觉领域，占比近70%;应用层企业中，机器人、无人机、AI+医疗、AI+教育、AI+金融、AI+制造等领域占比较大。数据来源：公开资料整理
中国AI企业发展尚处于早期，主要集中在A轮和天使轮按地域划分来看，北京、广东、上海、浙江、江苏、安徽等地发展较快，已经聚集一批发展到中后期甚至上市的企业，山东因为AI领域的企业主要是由传统制造业转型成工业机器人或者AI+制造企业，中后期企业占比相对较高。数据来源：公开资料整理
5、中国AI产业重点发展区域环渤海地区北京优势明显并将赋能周边,地区发展空间巨大环渤海地区依托北京的发展优势，未来会有较大的发展空间。北京AI产业链发展相对成熟、全国领先，在各细分领域已经发展出一批优秀企业，而山东、天津等地传统产业发展成熟，制造业基础雄厚，未来北京的龙头企业都可以赋能环渤海地区的传统产业升级，进而带动环渤海地区整个AI产业的发展。数据来源：公开资料整理
数据来源：公开资料整理
G60科创走廊，长三角一体化给长三角地区AI产业的发展带来很大的集聚效应，并且在些AI细分领域已经形成龙头优势，计算机视觉、智能语音、芯片、AI+安防、机器人、AI+医疗等产业都已经全国领先，其中不乏科创板及主板、创业板A股上市公司。数据来源：公开资料整理
长三角地区AI企业细分领域及区域分布热力图
数据来源：公开资料整理
珠三角地区龙头企业带动产业整体发展智能终端优势明显珠三角地区的AI产业主要集中在深圳，得益于华为、中兴、大疆等龙头企业的带动作用，带动了周边相关产业的发展，同时深圳的先进AI技术又能赋能东莞、中山、佛山等地传统制造业的智能化改造和升级进一步推动周边整个地区的AI产业发展，随着南沙自贸区的成立和国家战略地位的作用凸显，广州AI产业快速崛起，进一步与整个珠三角地区协同。数据来源：公开资料整理
数据来源：公开资料整理
中西部地区主要聚集在高校和人才优势明显的核心城市中西部地区AI产业发展较好的省份主要有:陕西、四川、湖北、重庆、湖南等地，这些省份的AI企业主要聚集在省会城市，主要依托当地高等学校的优质的人才资源、科研技术资源及当地传统产业基础。数据来源：公开资料整理
数据来源：公开资料整理
6、中国AI产业重点发展城市重点城市的AI企业数量占到了全国AI企业总数的89.5%我国AI企业主要集中在北京、上海、深圳等主要城市，人才、科研实力、产业环境、资本环境、政府的行动是影响的主要因素。数据来源：公开资料整理
数据来源：公开资料整理
7、中国AI产业地区发展总结及展望第-梯队:北京、上海、深圳、杭州总结:经济、政策、人才、科研实力、产业环境、资本环境的全面优势使得四个城市的创新创业高度、速度均远超其他城市,进而AI产业发展的规模及成熟度远高于其他城市;展望:资本环境是影响第一梯队城市AI产业发展壮大的重要因素,AI作为典型的2B型企业，发展速度较慢，客户靠结寨扎营式的逐步积累，因此发展到盈利一般需要较长的时间，需要资本的持续扶持。数据来源：公开资料整理
第二梯队:苏州、广州、南京、天津、合肥、成都、武汉总结:人才是制约这些地区AI产业发展的重要因素，基础层和技术领域需要的高端技术人才、产业智能化改造的应用型人才受限于当地的人才培育环境、人才引进力度、当地的生活环境、薪资水平等诸多因素的影响;其中，广州天津、南京、成都、武汉等城市缺乏大型科技企业的支持，初创企业数量和规模不明显，进而较难通过大型企业赋能周边企业的发展，难以形成产业集聚的效应。展望:政府是推动当地AI产业发展的最重要力量;力度更大的国内外AI人才引进计划辅以本地化的人才培养是这些城市解决人才短缺问题可以采取的手段;通过与领先企业联合成立实验室、成立合资公司、邀请领头企业参与本地项目是这些城市提升本地科研技术水平、赋能当地产业、形成产业集聚的必要手段;当地与AI可应用产业吻合度高的产业基础更雄厚，本地化的数字化基础设施水平更高的地区更容易实现迅速发展，形成自己的优势产业。数据来源：公开资料整理
其他:胺、庆、长沙、郑州总结:这些地区的AI产业大多处于萌芽或者刚起步的阶段，人才短缺、技术实力不足、资本环境较差、政策支持力度不足是导致这些地区AI产业发展落后的主要因素;部分地区也依赖本地化的优势资源，形成了一些当地的较为特色的细分产业，如西安的无人机产业、长沙的智能制造设备、郑州的智能终端等。展望:政府是推动当地AI产业发展的最重要力量，政府需要结合本地的产业特色做好战略规划，可以不用追求AI产业的全面发展，重力发展具有本地优势的可以与AI产业结合的产业更有优势，也更有利于推动本地AI产业的整体发展水平;结合本地的实际情况，出台专门的引进本地亟需的AI人才的手段;根据实际情况，引进龙头的AI企业，赋能当地相关产业的智能化的改造升级，赋能当地企业的发展，同时推动相关产业整体水平的提升,形成产业集聚。数据来源：公开资料整理
人工智能发展历史概述
人工智能发展道路上的大事记----------------详细版
从20世纪50年代开始，许多科学家，程序员，逻辑学家和理论家帮助和巩固了当代人对人工智能思想的整体理解。随着每一个新的十年，创新和发现改变了人们对人工智能领域的基本知识，以及不断的历史进步推动着人工智能从一个无法实现的幻想到当代和后代切实可以实现的现实。
人工智能在20世纪50年代
1950年：AlanTuring发表了“计算机器和智能”，提出了模仿游戏的想法-一个考虑机器是否可以思考的问题。这一建议后来成为的图灵测试，其测量机（人工）智能。图灵的发展测试了机器的思考能力。图灵测试成为人工智能哲学的重要组成部分，人工智能在机器中讨论智能，意识和能力。
1952年：计算机科学家亚瑟·塞缪尔（ArthurSamuel）开发了一种跳棋计算机程序-第一个独立学习如何玩游戏的人。
1955年：约翰麦卡锡和一群人创建了一个关于“人工智能”研讨会的提案。1956年，当研讨会举行时，这个词的正式诞生归功于麦卡锡。
1955年：AllenNewell（研究员），HerbertSimon（经济学家）和CliffShaw（程序员）共同撰写了第一个人工智能计算机程序逻辑理论家。
1958年：McCarthy开发了Lisp，这是人工智能研究中最受欢迎且最受青睐的编程语言。
1959年：塞缪尔在谈到编程计算机以比编写程序的人更好地进行国际象棋游戏时创造了“机器学习”一词。
人工智能在20世纪60年代人工智能领域的创新在20世纪60年代迅速发展。新的编程语言，机器人和自动机，研究以及描绘人工智能生物的电影的出现越来越受欢迎。这极大地突出了人工智能在20世纪下半叶的重要性。
1961年：乔治·德沃尔（GeorgeDevol）在20世纪50年代发明的工业机器人Unimate成为第一个在新泽西州通用汽车装配线上工作的机器人。它的职责包括从装配线运输压铸件并将零件焊接到汽车上-这一任务对人类来说是危险的。
1961年：计算机科学家兼教授JamesSlagle开发了SAINT（符号自动INTegrator），这是一个启发式问题解决方案，其重点是新生微积分中的符号整合。
1964年：计算机科学家DanielBobrow创建了STUDENT，一个用Lisp编写的早期AI程序，解决了代数词问题。学生被认为是人工智能自然语言处理的早期里程碑。
1965年：计算机科学家兼教授JosephWeizenbaum开发了ELIZA，这是一个交互式计算机程序，可以用英语在功能上与英语交谈。Weizenbaum的目标是证明人工智能思维与人类思维之间的沟通是“肤浅的”，但发现许多人将拟人化特征归因于伊丽莎。
1966年：由CharlesRosen在其他11人的帮助下开发的机器人Shakey是第一个通用移动机器人，也被称为“第一个电子人”。
1968年：由StanleyKubrick执导的科幻电影2001：ASpaceOdyssey发行。它具有HAL（启发式编程的算法计算机），一个有感知的计算机。HAL控制航天器的系统并与船员交互，与他们交谈，好像HAL是人，直到故障以负面方式改变HAL的相互作用。
1968年：计算机科学教授TerryWinograd创建了早期自然语言计算机程序SHRDLU。
人工智能在20世纪70年代与20世纪60年代一样，20世纪70年代让位于加速发展，尤其是机器人和机器人。然而，20世纪70年代的人工智能面临着诸多挑战，例如政府对人工智能研究的支持减少。
1970年：WABOT-1，第一个拟人机器人，在日本早稻田大学建造。它的功能包括可移动的肢体，能够看到和交谈的能力。
1973年：应用数学家詹姆斯·莱特希尔向英国科学理事会报告了人工智能研究的状况，他说：“迄今为止，该领域的任何一部分都没有发现产生的重大影响，这将导致大幅减少”通过英国政府支持人工智能研究。
1977年：导演乔治卢卡斯的电影“星球大战”发行。这部电影采用了C-3PO，这是一个人形机器人，被设计为协议机器人，“能够流畅地播放超过七百万种通信形式。”作为C-3PO的伴侣，这部电影还采用了R2-D2--一个小型的，astromechdroid，无法进行人类言语（C-3PO的逆转）;相反，R2-D2与电子蜂鸣声通信。其功能包括小型维修和副驾驶星际战斗机。
1979年：斯坦福推车，一个遥控，配备电视的移动机器人，由当时的机械工程研究生詹姆斯·L·亚当斯于1961年创建。1979年，一个“滑块”或机械旋转，将电视摄像机从侧面移开-当时的博士生汉斯莫拉维克补充道。在大约五个小时内，购物车成功地越过了一个没有人为干扰的充满椅子的房间，使其成为最早的自动驾驶汽车的例子之一。
AI在20世纪80年代
人工智能的快速增长一直持续到20世纪80年代。尽管人工智能背后的进步和兴奋，谨慎包围了不可避免的“人工智能冬季”，这是一个资金减少和人工智能兴趣的时期。
1980年：WABOT-2在早稻田大学建成。WABOT的这一开始允许人形机器人与人交流以及阅读乐谱并在电子琴上播放音乐。
1981年：日本国际贸易和工业部为第五代计算机项目拨款8.5亿美元，该项目的目标是开发可以交谈，翻译语言，解释图片和表达人性化推理的计算机。
1984年：由史蒂夫巴伦执导的电影“电影梦”发行。情节围绕着男人，女人和名为“埃德加”的有感知的个人电脑之间的三角恋。
1984年：在人工智能促进协会（AAAI）上，RogerSchank（AI理论家）和MarvinMinsky（认知科学家）警告人工智能冬季，人工智能研究的兴趣和资金将首先减少。他们的警告在三年内实现了。
1986年：梅赛德斯-奔驰在ErnstDickmanns的指导下建造并发布了一辆配备摄像头和传感器的无人驾驶厢式货车。它能够在没有其他障碍物和人类驾驶员的道路上行驶高达55英里/小时。
1988年：计算机科学家和哲学家JudeaPearl发表了“智能系统中的概率推理”.Pearl还发明了贝叶斯网络，这是一种“概率图形模型”，通过有向无环图（DAG）表示变量及其依赖关系。
1988年：两位聊天机器人Jabberwacky和Cleverbot（20世纪90年代发布）的程序员和发明者RolloCarpenter开发了Jabberwacky，以“以有趣，有趣和幽默的方式模拟自然人类聊天”。这是通过聊天机器人与人沟通的AI示例。
AI在20世纪90年代千禧年即将结束，但这种预期只会助长人工智能在其持续的增长阶段。
1995年：计算机科学家理查德华莱士开发了聊天机器人ALICE（人工语言互联网计算机实体），灵感来自Weizenbaum的ELIZA。ALICE与ELIZA的区别在于增加了自然语言样本数据收集。
1997年：计算机科学家SeppHochreiter和JürgenSchmidhuber开发了长短期记忆（LSTM），这是一种用于手写和语音识别的递归神经网络（RNN）架构。
1997年：由IBM开发的国际象棋电脑DeepBlue成为第一个赢得国际象棋比赛并与卫冕世界冠军相匹敌的系统。
1998年：DaveHampton和CalebChung发明了Furby，这是第一款儿童玩具机器人。
1999年：与Furby一致，索尼推出了AIBO（人工智能RoBOt），这是一种价值2000美元的机器人宠物狗，通过与环境，所有者和其他AIBO的互动来“学习”。其功能包括能够理解和响应100多个语音命令并与其人类所有者进行通信。
人工智能从2000年到2010年新的千禧年正在进行中-在Y2K的恐惧消亡之后-大赦继续向上发展。正如预期的那样，创造了更多的人工智能生物以及关于人工智能概念的创意媒体（特别是电影）以及它可能会走向何方。
2000：Y2K问题，也称为2000年问题，是一类与2000年1月1日开始的电子日历数据的格式化和存储相关的计算机错误。鉴于所有的互联网软件和程序都是在20世纪初创建的，一些系统很难适应2000年（及以后）的新年格式。以前，这些自动化系统只需要改变一年中的最后两位数字;现在，所有四位数字都必须切换-对技术和使用它的人来说是一个挑战。
2000年：CynthiaBreazeal教授开发了Kismet，一种能够识别和模拟情绪的机器人。它的结构像人脸，眼睛，嘴唇，眼睑和眉毛。
2000年：本田发布了ASIMO，一种人工智能的人形机器人。
2001年：由史蒂文斯皮尔伯格执导的科幻电影AI人工智能发布。这部电影是在一个充满未来主义的反乌托邦社会中进行的，并追随大卫，这是一个先进的人形儿童，具有拟人化的感受，包括爱的能力。
2002年：i-Robot发布了Roomba，一种自动机器人真空吸尘器，可在避开障碍物的同时进行清洁。
2004年：NASA的机器人探索漫游者精神和机遇在没有人为干预的情况下导航火星的表面。
2004年：由AlexProyas执导的科幻电影I，Robot发行。设置在2035年，人形机器人为人类服务，而一个人则是强烈反机器人，因为个人悲剧的结果（由机器人决定）。
2006年：OrenEtzioni（计算机科学教授），MicheleBanko和MichaelCafarella（计算机科学家）创造了“机器阅读”这一术语，将其定义为对文本的无监督自主理解。
2007年：计算机科学教授FeiFeiLi及其同事组建了ImageNet，这是一个注释图像数据库，其目的是帮助进行物体识别软件研究。
2009年：谷歌秘密开发了一款无人驾驶汽车。到2014年，它通过了内华达州的自驾车测试。
AI2010至今目前的十年对人工智能创新非常重要。从2010年开始，人工智能已经融入我们的日常生活中。我们使用具有语音助理的智能手机和具有“智能”功能的计算机，我们大多数人都认为这是理所当然的。人工智能不再是一个白日梦，并且已经有一段时间了。
2010年：ImageNet推出了他们年度AI对象识别竞赛的ImageNet大规模视觉识别挑战赛（ILSVRC）。
2010年：微软推出了KinectforXbox360，这是第一款使用3D摄像头和红外探测跟踪人体运动的游戏设备。
2011年：Watson，一个回答IBM创建的计算机的自然语言问题，击败了两个前Jeopardy！冠军，肯詹宁斯和布拉德鲁特，在电视游戏中。
2011年：Apple发布了Siri，AppleiOS操作系统的虚拟助手。Siri使用自然语言用户界面来向其人类用户推断，观察，回答和推荐事物。它适应语音命令，并为每个用户投射“个性化体验”。
2012年：JeffDean和AndrewNg（谷歌研究人员）通过向YouTube视频展示1000万张未标记图像，培训了一个拥有16,000个处理器的大型神经网络来识别猫的图像（尽管没有提供背景信息）。
2013年：来自卡内基梅隆大学的研究团队发布了NeverEndingImageLearner（NEIL），这是一种可以比较和分析图像关系的语义机器学习系统。
2014年：微软发布了Cortana，他们的版本是类似于iOS上的Siri的虚拟助手。
2014年：亚马逊创建了亚马逊Alexa，一个家庭助理，发展成智能扬声器，作为个人助理。
2015年：ElonMusk，StephenHawking和SteveWozniak等3,000人签署了一封公开信，禁止开发和使用自主武器（用于战争目的）。
2015-2017：谷歌DeepMind的AlphaGo，一个玩棋盘游戏Go的计算机程序，击败了各种（人类）冠军。
2016年：一个名为Sophia的人形机器人由HansonRobotics创建。她被称为第一个“机器人公民”.Sophia与以前的类人生物的区别在于她与真实的人类相似，能够看到（图像识别），做出面部表情，并通过人工智能进行交流。
2016年：Google发布了GoogleHome，这是一款智能扬声器，使用人工智能充当“个人助理”，帮助用户记住任务，创建约会，并通过语音搜索信息。
2017年：Facebook人工智能研究实验室培训了两个“对话代理”（聊天机器人），以便相互沟通，以学习如何进行谈判。然而，随着聊天机器人的交谈，他们偏离了人类语言（用英语编程）并发明了自己的语言来相互交流-在很大程度上展示了人工智能。
2018年：阿里巴巴（中国科技集团）语言处理AI在斯坦福大学的阅读和理解测试中超越了人类的智慧。阿里巴巴的语言处理在一组10万个问题中得分为“82.44，对82.30”-这是一次狭隘的失败，但仍然是失败。
2018年：谷歌开发了BERT，这是第一个“双向，无监督的语言表示，可以使用转移学习在各种自然语言任务中使用。”
2018年：三星推出虚拟助手Bixby。Bixby的功能包括语音，用户可以在这里与他们交谈并提出问题，建议和建议;视觉，Bixby的“视觉”能力内置于相机应用程序中，可以看到用户看到的内容（即对象识别，搜索，购买，翻译，地标识别）;和Home，Bixby使用基于应用程序的信息来帮助用户使用和交互（例如天气和健身应用程序）。
人工智能在2019年及以后会有什么期待？
人工智能的发展正以前所未有的速度发展。话虽如此，我们可以预期，过去十年的趋势将在未来一年继续上升。2019年我们要关注的一些事项包括：
聊天机器人+虚拟助手：加强聊天机器人和虚拟助手自动化，提高用户体验
自然语言处理（NLP）：增加人工智能应用的NLP能力，包括（尤其是）聊天机器人和虚拟助手
机器学习和自动机器学习：ML将转向AutoML算法，以允许开发人员和程序员在不创建特定模型的情况下解决问题
自动驾驶汽车：尽管围绕各种故障的自动驾驶汽车存在一些不好的压力，但可以安全地假设将自动化将产品从A点驱动到B点到1的过程自动化。节省人力成本，2通过自动驾驶车辆优化购买-运输-到达消费者的过程-实质上-不会在车轮后面疲劳