《2019人工智能发展报告》重磅发布！
11月30日下午，2019中国人工智能产业年会重磅发布《2019人工智能发展报告》（ReportofArtificialIntelligenceDevelopment2019）。
报告下载
报告繁体版下载
清华大学计算机系副主任、唐杰教授主持了报告发布仪式，九三中央科技委副主任、中国传感器与物联网产业联盟副理事长郭源生教授，日本工程院院士、中国人工智能学会名誉副理事长、日本德岛大学任副继教授及与会嘉宾共同为报告揭幕。
唐杰教授代表报告编写相关单位就《2019人工智能发展报告》主要内容进行了介绍。现场PPT原文
唐杰教授发言
该报告由清华大学-中国工程院知识智能联合研究中心、中国人工智能学会吴文俊人工智能科学技术奖评选基地联合发布，北京智谱华章科技有限公司提供技术支持。报告力图综合展现中国乃至全球人工智能重点领域发展现状与趋势，助力产业健康发展，服务国家战略决策。
报告依托于AMiner平台数据资源及技术挖掘成果生成相关数据报告及图表，邀请清华大学、同济大学等高校专家解读核心技术及提出观点建议，在一定程度上保证了报告的科学性和权威性。
报告涉及AI13个子领域
报告内容涵盖了人工智能13个子领域，包括：机器学习、知识工程、计算机视觉、自然语言处理、语音识别、计算机图形学、多媒体技术、人机交互、机器人、数据库技术、可视化、数据挖掘、信息检索与推荐。
报告呈现两大亮点
唐杰教授介绍，“该报告对人工智能每一个子领域进行了详细的分析，包括基本概念、发展历史、人才概况、代表性论文解读和前沿技术进展。相比于2018年的人工智能发展报告，具有两方面亮点，一方面体现在‘AI技术的近期发展’，另一方面体现在‘人才脉络一网打尽’。”
唐杰教授发言
针对亮点一“AI技术的近期发展”，唐杰教授以“深度学习”为例做了详细阐述。深度学习是近10年机器学习领域发展最快的一个分支，由于其重要性，GeoffreyHinton、YannLecun、YoshuaBengio三位教授因此同获2018年图灵奖。
深度学习模型的发展可以追溯到1958年的感知机（Perceptron）。1943年神经网络就已经出现雏形（源自NeuroScience），1958年研究认知的心理学家Frank发明了感知机，当时掀起一股热潮。后来MarvinMinsky（人工智能大师）和SeymourPapert发现感知机的缺陷：不能处理异或回路等非线性问题，以及当时存在计算能力不足以处理大型神经网络的问题，于是整个神经网络的研究进入停滞期。
最近30年来深度学习取得了快速发展。《2019人工智能发展报告》罗列了深度学习的四个主要脉络，最上层是卷积网络，中间层是无监督学习脉络，再下面一层是序列深度模型发展脉络，最底层是增强学习发展脉络。这四条脉络全面展示了“深度学习技术”的发展近况。（以下内容摘自报告第二章节）
深度学习模型最近若干年的重要进展
第一个发展脉络（上图浅紫色区域）以计算机视觉和卷积网络为主。这个脉络的进展可以追溯到1979年，Fukushima提出的Neocognitron。该研究给出了卷积和池化的思想。1986年Hinton提出的反向传播训练MLP（之前也有几个类似的研究），该研究解决了感知机不能处理非线性学习的问题。1998年，以YannLeCun为首的研究人员实现了一个七层的卷积神经网络LeNet-5以识别手写数字。现在普遍把YannLeCun的这个研究作为卷积网络的源头，但其实在当时由于SVM的迅速崛起，这些神经网络的方法还没有引起广泛关注。真正使得卷积神经网络登上大雅之堂的事件是2012年Hinton组的AlexNet（一个设计精巧的CNN）在ImageNet上以巨大优势夺冠，这引发了深度学习的热潮。AlexNet在传统CNN的基础上加上了ReLU、Dropout等技巧，并且网络规模更大。这些技巧后来被证明非常有用，成为卷积神经网络的标配，被广泛发展，于是后来出现了VGG、GoogLenet等新模型。2016年，青年计算机视觉科学家何恺明在层次之间加入跳跃连接，提出残差网络ResNet。ResNet极大增加了网络深度，效果有很大提升。一个将这个思路继续发展下去的是近年的CVPRBestPaper中黄高提出的DenseNet。在计算机视觉领域的特定任务出现了各种各样的模型（Mask-RCNN等）。2017年，Hinton认为反向传播和传统神经网络还存在一定缺陷，因此提出CapsuleNet，该模型增强了可解释性，但目前在CIFAR等数据集上效果一般，这个思路还需要继续验证和发展。
第二个发展脉络（上图浅绿色区域）以生成模型为主。传统的生成模型是要预测联合概率分布P（x，y）。机器学习方法中生成模型一直占据着一个非常重要的地位，但基于神经网络的生成模型一直没有引起广泛关注。Hinton在2006年的时候基于受限玻尔兹曼机（RBM，一个19世纪80年代左右提出的基于无向图模型的能量物理模型）设计了一个机器学习的生成模型，并且将其堆叠成为DeepBeliefNetwork，使用逐层贪婪或者wake-sleep的方法训练，当时模型的效果其实并没有那么好。但值得关注的是，正是基于RBM模型Hinton等人开始设计深度框架，因此这也可以看做深度学习的一个开端。Auto-Encoder也是上个世纪80年代Hinton就提出的模型，后来随着计算能力的进步也重新登上舞台。Bengio等人又提出了DenoiseAuto-Encoder，主要针对数据中可能存在的噪音问题。MaxWelling（这也是变分和概率图模型的高手）等人后来使用神经网络训练一个有一层隐变量的图模型，由于使用了变分推断，并且最后长得跟Auto-Encoder有点像，被称为VariationalAuto-Encoder。此模型中可以通过隐变量的分布采样，经过后面的Decoder网络直接生成样本。生成对抗模型GAN（GenerativeAdversarialNetwork）是2014年提出的非常火的模型，它是一个通过判别器和生成器进行对抗训练的生成模型，这个思路很有特色，模型直接使用神经网络G隐式建模样本整体的概率分布，每次运行相当于从分布中采样。后来引起大量跟随的研究，包括：DCGAN是一个相当好的卷积神经网络实现，WGAN是通过维尔斯特拉斯距离替换原来的JS散度来度量分布之间的相似性的工作，使得训练稳定。PGGAN逐层增大网络，生成逼真的人脸。
第三个发展脉络（上图橙黄色区域）是序列模型。序列模型不是因为深度学习才有的，而是很早以前就有相关研究，例如有向图模型中的隐马尔科夫HMM以及无向图模型中的条件随机场模型CRF都是非常成功的序列模型。即使在神经网络模型中，1982年就提出了HopfieldNetwork，即在神经网络中加入了递归网络的思想。1997年JürgenSchmidhuber发明了长短期记忆模型LSTM（Long-ShortTermMemory），这是一个里程碑式的工作。当然，真正让序列神经网络模型得到广泛关注的还是2013年Hinton组使用RNN做语音识别的工作，比传统方法高出一大截。在文本分析方面，另一个图灵奖获得者YoshuaBengio在SVM很火的时期提出了一种基于神经网络的语言模型（当然当时机器学习还是SVM和CRF的天下），后来Google提出的word2vec（2013）也有一些反向传播的思想，最重要的是给出了一个非常高效的实现，从而引发这方面研究的热潮。后来，在机器翻译等任务上逐渐出现了以RNN为基础的seq2seq模型，通过一个Encoder把一句话的语义信息压成向量再通过Decoder转换输出得到这句话的翻译结果，后来该方法被扩展到和注意力机制（Attention）相结合，也大大扩展了模型的表示能力和实际效果。再后来，大家发现使用以字符为单位的CNN模型在很多语言任务也有不俗的表现，而且时空消耗更少。Self-attention实际上就是采取一种结构去同时考虑同一序列局部和全局的信息，Google有一篇很有名的文章“attentionisallyouneed”把基于Attention的序列神经模型推向高潮。当然2019年ACL上同样有另一篇文章给这一研究也稍微降了降温。
第四个发展脉络（上图粉色区域）是增强学习。这个领域最出名的当属DeepMind，图中标出的DavidSilver博士是一直研究RL的高管。Q-learning是很有名的传统RL算法，DeepQ-learning将原来的Q值表用神经网络代替，做了一个打砖块的任务。后来又应用在许多游戏场景中，并将其成果发表在Nature上。DoubleDueling对这个思路进行了一些扩展，主要是Q-Learning的权重更新时序上。DeepMind的其他工作如DDPG、A3C也非常有名，它们是基于PolicyGradient和神经网络结合的变种。大家都熟知的AlphaGo，里面其实既用了RL的方法也有传统的蒙特卡洛搜索技巧。DeepMind后来提出了一个使用AlphaGo的框架，但通过主学习来玩不同（棋类）游戏的新算法AlphaZero。唐杰教授表示：“报告还展示了近一两年深度学习的发展热点，比如去年谷歌Bert一经发布，就引起了整个产业界和学术界的轰动，或将影响深度学习乃至整个机器学习的未来。报告对Bert的相关研究进行了详细梳理，无论是最新还是最经典的研究都进行了整理，可以让读者从相关研究中窥见未来。”
通过AMiner可生成趋势分析
亮点一还体现在详细的知识图谱中。唐杰教授指出，“每一个领域都有丰富的知识图谱架构，从知识图谱可以一览整个领域的发展脉络。同时，通过这样的知识图谱还可以进一步开展包含主题分析、热点话题分析等多层次的趋势分析、趋势洞察等。”
针对亮点二“人才脉络一网打尽”，唐杰教授做了简单分析。报告通过对人工智能顶级期刊/会议近10年论文及相关学者数据的深度挖掘分析，研究了各领域学者在世界及我国的分布规律。同时，报告进一步统计分析了各领域学者性别比例、h-index分布以及中国在各领域的合作情况，通过统计中外合作论文中作者的单位信息，将作者映射到各个国家中，进而统计出中国与各国之间合作论文的情况。
唐杰教授介绍说，“我们还开发了人才精准画像和超大规模知识图谱，通过数据挖掘，首先找到作者，对每一个作者进行深度的人才画像，不仅能看到每一个学者的联系方式、职位、单位信息，还有职位变迁、兴趣变化等等。另一方面，通过对学者的精准画像，针对每一个领域的专家全球分布图和国内分布图可以进行国内外对比分析，甚至可以开展人才流失分析，比如分析一个国家人才引进和人才流出的情况是盈利还是亏损等。”
最后，唐杰教授对报告撰写的数据支持平台AMiner进行了介绍。AMiner系统自2006年上线以来已经运行了十多年，它是一个知识驱动科技情报挖掘平台，包含超过三亿篇论文和一亿多科研人员数据，能够提供包括专家发现、智能推荐、机构评估、人才地图和科技趋势分析等多种服务。AMiner平台诸多功能已在科技部、教育部、北京市科委、自然基金委等多家单位应用，希望AMiner平台未来能有更多方面的应用前景。
为智能产业发展助力献策
当前，我国进入科技高速发展期，人工智能作为科技领域冉冉升起的新星，受到国家的高度重视。在多层次战略规划的指导下，无论是学术界还是产业界，我国在人工智能国际同行中均有不错的表现。我国人工智能的发展已驶入快车道。
在这个阶段下，能够推动技术突破和创造性应用的高端人才对人工智能的发展起着至关重要的作用。此次发布的《2019人工智能发展报告》，通过深入探讨研究方法，对近年来的热点及前沿技术进行了深度解读，展现最新研究成果，内容在聚焦当下人工智能发展现状的同时，并作出技术性分析，更对相关领域的未来发展方向进行了展望，为读者了解近期人工智能相关领域的发展动向、基础及应用研究的代表性成果提供信息窗口。
该报告是集严谨性、综合性、技术性、前瞻性为一体的专业领域报告，具有极高的学术价值和参考价值。不仅有利于推进我国人工智能的研究探索，同时还对国家洞悉人工智能发展态势、实施人工智能发展策略起到重要参考借鉴。
END
Tips：如需纸质版，请扫描以下小程序码，纯公益，只收取打印成本。
往期阅读：
张钹院士获吴文俊人工智能最高成就奖，史上第二位获此殊荣科学家！
人工智能之情感计算（2019年第6期）
[关于转载]：本文为“AMiner”官网文章。转载本文请联系原作者获取授权，转载仅限全文转载并保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“AMiner”官网。谢谢您的合作。
《2019年人工智能发展白皮书》发布
人工智能正在全球范围内引领新一轮科技革命和产业变革升级。自2006年深度学习算法被提出、2012年开始大数据爆发式增长以来，人工智能领域的各项技术分支也在不断发展，人工智能相关的产业化落地方案和商业化模式逐渐清晰，人工智能的细分领域技术分支的代表性企业及其竞争格局也逐渐形成。
2020年1月10日，中国科学院大数据挖掘与知识管理重点实验室发布了《2019年人工智能发展白皮书》，白皮书重点分析了人工智能各个细分领域的关键技术和产业应用，白皮书指出计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术等八大技术是目前人工智能领域的关键技术，安防、金融、零售、交通、教育等产业中蕴含着人工智能的典型应用场景，肯定了人工智能开放创新平台对于全行业的重要推动价值，并推出全球人工智能企业TOP20榜单，供业内人士借鉴。
本白皮书内相关数据根据调研数据分析而成，我们不做商业评判，仅做学术探讨和参考。
中科院2019全球人工智能发展白皮书！八大关键技术中国崛起中
智东西内参智东西
看点：八个AI关键技术、八大国内AI平台2019年进展。
人工智能是一个很宽泛的概念，概括而言是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测，到2030年人工智能的出现将为全球GDP带来额外14%的提升，相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据，世界人工智能市场将在2020年达到6800亿元人民币，复合增长率达26.2%，而中国人工智能市场也将在2020年达到710亿元人民币，复合增长率达44.5%。
近日，中国科学院大数据挖掘与知识管理重点实验室发布了《2019年人工智能发展白皮书》，对人工智能关键技术（计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等）、人工智能典型应用产业与场景（安防、金融、零售、交通、教育、医疗、制造、健康等）做出了梳理，而且同时强调人工智能开放平台的重要性，并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。
本期的智能内参，我们推荐中国科学院大数据挖掘与知识管理重点实验室的研究报告《2019年人工智能发展白皮书》，总结2019年人工智能关键技术的发展，梳理人工智能典型应用产业与场景的进程，并列举了国内几大重要人工智能开放平台的新进展。如果想收藏本文的报告（2019年人工智能发展白皮书），可以在智东西（公众号：zhidxcom）回复关键词“nc431”获取。
本期内参来源：中国科学院大数据挖掘与知识管理重点实验室
原标题：
《2019年人工智能发展白皮书》
作者：未注明
人工智能关键技术不断取得突破1、计算机视觉技术
计算机视觉(ComputerVision)是一门研究如何使机器“看”的科学，更进一步地说，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量的科学。近几年计算机视觉技术实现了快速发展，其主要学术原因是2015年基于深度学习的计算机视觉算法在ImageNet数据库上的识别准确率首次超过人类，同年Google也开源了自己的深度学习算法。计算机视觉系统的主要功能有图像获取、预处理、特征提取、检测/分割和高级处理。
▲计算机视觉近年来，计算机视觉在产业界和学术界不断取得突破：
▲计算机视觉技术新突破计算机视觉技术的典型应用案例：
交通：自动驾驶汽车需要计算机视觉。特斯拉(Tesla)、宝马(BMW)、沃尔沃(Volvo)和奥迪(Audi)等汽车制造商Y已经通过摄像头、激光雷达、雷达和超声波传感器从环境中获取图像，研发自动驾驶汽车来探测目标、车道标志和交通信号，从而安全驾驶。
安防：中国在使用人脸识别技术方面无疑处于领先地位，这项技术被广泛应用于警察工作、支付识别、机场安检，甚至在北京天坛公园分发厕纸、防止厕纸被盗，以及其他许多应用。
医疗：由于90％的医疗数据都是基于图像的，因此医学中的计算机视觉有很多用途。比如启用新的医疗诊断方法，分析X射线，乳房X光检查，监测患者等。
翻译：传统翻译采用人工查词的方式，不但耗时长，而且错误率高。图像识别技术(OCR)的出现大大提升了翻译的效率和准确度，用户通过简单的拍照、截图或划线就能得到准确的翻译结果。
体育赛事：计算机视觉还有助于比赛和策略分析、球员表现和评级，以及跟踪体育节目中品牌赞助的可见性。
农业：半自动联合收割机可以利用人工智能和计算机视觉来分析粮食品质，并找出农业机械穿过作物的最佳路径。另外也可用来识别杂草和作物，有效减少除草剂的使用量。
制造业：计算机视觉也可以帮助制造商更安全、更智能、更有效地运行，比如预测性维护设备故障，对包装和产品质量进行监控，并通过计算机视觉减少不合格产品。
2、自然语言处理技术
自然语言处理（NaturalLanguageProcessing）是一门通过建立形式化的计算模型来分析、理解和处理自然语言的学科，也是一门横跨语言学、计算机科学、数学等领域的交叉学科。自然语言处理，是指用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、分析、理解、生成等的操作和加工。自然语言处理的具体表现形式包括机器翻译、文本摘要、文本分类、文本校对、信息抽取、语音合成、语音识别等。可以说，自然语言处理就是要计算机理解自然语言，自然语言处理机制涉及两个流程，包括自然语言理解和自然语言生成，自然语言理解是让计算机把输入的语言变成有意思的符号和关系，然后根据目的再处理；自然语言生成则是把计算机数据转化为自然语言。实现人机间的信息交流，是人工智能界、计算机科学和语言学界所共同关注的重要问题。
▲自然语言处理技术的技术层次从2008年到现在，在图像识别和语音识别领域的成果激励下，人们也逐渐开始引入深度学习来做自然语言处理研究，由最初的词向量到2013年word2vec，将深度学习与自然语言处理的结合推向了高潮，并在机器翻译、问答系统、阅读理解等领域取得了一定成功。深度学习是一个多层的神经网络，从输入层开始经过逐层非线性的变化得到输出。从输入到输出做端到端的训练。把输入到输出对的数据准备好，设计并训练一个神经网络，即可执行预想的任务。RNN已经是自然语言护理最常用的方法之一，GRU、LSTM等模型相继引发了一轮又一轮的热潮。
▲自然语言处理技术的发展历程自然语言处理的研究可以分为基础性研究和应用性研究两部分，语音和文本是两类研究的重点。基础性研究主要涉及语言学、数学、计算机学科等领域，相对应的技术有消除歧义、语法形式化等。应用性研究则主要集中在一些应用自然语言处理的领域，例如信息检索、文本分类、机器翻译等。由于我国基础理论即机器翻译的研究起步较早，且基础理论研究是任何应用的理论基础，所以语法、句法、语义分析等基础性研究历来是研究的重点，而且随着互联网网络技术的发展，智能检索类研究近年来也逐渐升温。近年来，计算机视觉在产业界和学术界不断取得突破，取得代表性成果的组织有谷歌、阿里、百度、搜狗、科大讯飞等公司，清华大学、Allen人工智能研究所等高校/研究所以及其他多种类型的组织或个人。
3、跨媒体分析推理技术
以往的媒体信息处理模型往往只针对某种单一形式的媒体数据进行推理分析，比如图像识别、语音识别、文本识别等，而越来越多的任务需要像人一样能够协同综合处理多种形式（文本、音频、视频、图像等）的信息，这就是跨媒体分析与推理。跨媒体是一个比较广义的概念，既表现为包括网络文本、图像、音频、视频等复杂媒体对象混合并存，又表现为各类媒体对象形成复杂的关联关系和组织结构，还表现在具有不同模态的媒体对象跨越媒介或平台高度交互融合。通过“跨媒体”能从各自的侧面表达相同的语义信息，能比单一的媒体对象及其特定的模态更加全面地反映特定的内容信息。相同的内容信息跨越各类媒体对象交叉传播与整合，只有对这些多模态媒体进行融合分析，才能尽可能全面、正确地理解这种跨媒体综合体所蕴涵的内容信息。
跨媒体分析推理技术主要包括跨媒体检索、跨媒体推理、跨媒体存储几个研究范畴，可应用于网络内容监管、舆情分析、信息检索、智慧医疗、自动驾驶、智能穿戴设备等场景。
▲跨媒体分析推理技术的新突破4、智适应学习技术
作为教育领域最具突破性的技术，智适应学习技术(IntelligentAdaptiveLearning)模拟了老师对学生一对一教学的过程，赋予了学习系统个性化教学的能力。和传统千人一面的教学方式相比，智适应学习系统带给了学生个性化的学习体验，提升了学生的学习投入度和学习效率。采用了智适应学习技术的学习系统能够针对学生的具体学习情况提供个性化学习解决方案，包括定位学生的知识漏洞、持续性地评估学生的学习能力水平和知识状态、实时动态提供个性化学习内容。智适应学习技术让教育领域一直困扰的质量、成本、可获取性三大矛盾因素变成了历史。
智适应学习技术体系包括知识状态诊断、能力水平评测和学习内容推荐等。知识状态诊断技术是指通过少量试题，在较短时间精准诊断出学生的知识漏洞，这一技术较常用的算法是知识空间理论。能力水平评测技术是指评测出学生的知识掌握情况，分析出学生得到提升的学习能力、学习思维和学习方法，这一技术较常用的算法是项目反应理论、贝叶斯知识追踪。学习内容推荐技术是指依据学生学习情况，推荐合适的学习内容，这一技术较常用的算法是机器学习算法，该算法以学生的所有信息为输入，输出是学生接下来需要学习的内容，达到最大化学习效率的目的。
在2010年之后，智适应学习技术得到了快速发展，这背后的推动力有强大的计算力和海量的数据，更重要的还有贝叶斯网络算法的应用。学生知识状态的建立是一件高成本的事，传统模式下判断学生的知识状态需要针对每一个知识点出题考察，有了强大的计算力后，就能够快速模拟出学生的知识状态空间，并且定位到学生的知识状态；海量的数据有助于机器学习算法发挥更大的价值。采用了贝叶斯算法之后，智适应学习系统能够实时持续性地评估学生当前的能力水平、并且及时动态调整学习内容，这在之前是没有实现的。
目前在全球已有一亿多学生在使用智适应学习系统，覆盖了各个年龄段，从小学、初中、高中，到高等教育、职业教育和成人教育，已应用到文、理、工、医等不同学科领域。
大量学生的使用数据显示，智适应学习系统的教学效果好于传统教学模式。
▲智适应学习技术5、群体智能技术
群体智能(collectiveintelligence)也称集体智能、群智。群体智能是一种共享的智能，是集结众人的意见进而转化为决策的一种过程，用来对单一个体做出随机性决策的风险。对群体智能的研究，实际上可以被认为是一个属于社会学、商业、计算机科学、大众传媒和大众行为的分支学科，研究从夸克层次到细菌、植物、动物以及人类社会层次的群体行为的一个领域。
群体智能最早源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究，自1991年意大利学者Dorigo提出蚁群优化（AntColonyOptimization,ACO）理论开始，群体智能作为一个理论被正式提出，并逐渐吸引了大批学者的关注，从而掀起了研究高潮。1995年，Kennedy等学者提出粒子群优化算法（ParticleSwarmOptimization,PSO），此后群体智能研究迅速展开。目前群体智能的研究主要包括智能蚁群算法和粒子群算法，智能蚁群算法主要包括蚁群优化算法、蚁群聚类算法和多机器人协同合作系统。其中，蚁群优化算法和粒子群优化算法在求解实际问题时应用最为广泛。
随着群体智能算法在诸如机器学习、过程控制、经济预测、工程预测等领域取得了前所未有的成功，它已经引起了包括数学、物理学、计算机科学、社会科学、经济学及工程应用等领域的科学家们的极大兴趣。目前关于群体智能计算的国际会议在全世界各地定期召开，各种关于信息技术或计算机技术的国际会议也都将智能进化技术作为主要研讨课题之一。
▲群体智能的四项原则▲群体智能技术的应用案例6、自主无人系统技术
自主无人系统是能够通过先进的技术进行操作或管理而不需要人工干预的系统，是由机械、控制、计算机、通信、材料等多种技术融合而成的复杂系统。自主无人系统可应用到无人驾驶车辆、无人机、服务型机器人、空间机器人、海洋机器人、无人车间、智能工厂等场景中，并实现降本增效的作用。
自主性和智能性是自主无人系统最重要的两个特征。人工智能无疑是发展智能无人自主系统的关键技术之一。利用人工智能的各种技术，如图像识别、人机交互、智能决策、推理和学习，是实现和不断提高系统这两个特征的最有效的方法。
▲自主无人系统技术7、智能芯片技术
目前，关于智能芯片的定义并没有一个严格和公认的标准。一般来说，运用了人工智能技术的芯片都可以称为智能芯片，但是狭义上的智能芯片特指针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。智能芯片可按技术架构、功能和应用场景等维度分成多种类别。
近年来我国学术界和产业界都加大了对芯片技术的研发力度，国内智能计算芯片技术不断取得新的成果。一些基于传统计算架构的芯片和各种软硬件加速方案相结合，在一些人工智能应用场景下都取得了巨大成功，但由于市场需求的多样性，很难有任何单一的设计和方法能够很好地适用于各类情况。因此，学术界和产业界涌现出多种专门针对人工智能应用的新颖设计和方法，覆盖了从半导体材料、器件、电路到体系结构的各个层次。
▲智能芯片的分类▲智能芯片技术的进展8、脑机接口技术
脑机接口（Brain-ComputerInterface，BCI）是在人或动物脑（或者脑细胞的培养物）与外部设备间建立的直接连接通路。通过单向脑机接口技术，计算机可以接受脑传来的命令，或者发送信号到脑，但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。2013年，自美国首次宣布启动“脑计划”以来，欧洲、日本、韩国等陆续参与“脑科技”竞赛项目，据已公开数据表明，全球在脑机接口相关领域的研发支持已经超过200亿美元。
▲脑机接口技术应用▲脑机接口技术新进展人工智能赋能产业与应用场景在人工智能技术向各行各业渗透的过程中，不同产品由于使用场景复杂度的不同、技术发展水平的不同，而导致其成熟度也不同。比如，教育和音响行业的核心环节已有成熟产品，技术成熟度和用户心理接受度都较高；个人助理和医疗行业在核心环节已出现试验性的初步成熟产品，但由于场景复杂，涉及个人隐私和生命健康问题，当前用户心理接受度较低；自动驾驶和咨询行业在核心环节则尚未出现成熟产品，无论是技术方面还是用户心理接受度方面都还没有达到足够成熟的程度。
▲人工智能产业应用在人工智能技术向各行各业渗透的过程中，安防和金融行业的人工智能使用率最高，零售、交通、教育、医疗、制造、健康行业次之。安防行业一直围绕着视频监控在不断改革升级，在政府的大力支持下，我国已建成集数据传输和控制与一体的自动化监控平台，随着计算机视觉技术出现突破，安防行业便迅速向智能化前进。金融行业拥有良好的数据积累，在自动化的工作流与相关技术的运用上有不错的成效，组织机构的战略与文化也较为先进，因此人工智能技术也得到了良好的应用。
零售行业在数据积累、人工智能应用基础、组织结构方面均有一定基础。交通行业则在组织基础与人工智能应用基础上优势明显，并已经开始布局自动驾驶技术。教育行业的数据积累虽然薄弱，但行业整体对人工智能持重点关注的态度，同时也开始在实际业务中结合人工智能技术，因此未来发展可期。医疗与健康行业拥有多年的医疗数据积累与流程化的数据使用过程，因此在数据与技术基础上有着很强的优势。制造行业虽然在组织机构上的基础相对薄弱，但拥有大量高质量的数据积累以及自动化的工作流，为人工智能技术的介入提供了良好的技术铺垫。
▲各行业人工智能应用程度安防：安保、警务、治安、人车流监控等场景全面应用。
▲人工智能在安防领域的应用场景金融：以智能风控为主，同时渗透支付、理赔、投研投顾等场景。
▲人工智能在金融领域的应用场景零售：人工智能提升零售全流程运行效率，优化消费者体验。
▲人工智能在零售领域的应用场景交通：人工智能应用到拥堵分析、路线优化、车辆调度、驾驶辅助等场景，有效改善交通问题。
▲人工智能在交通领域的应用场景教育：由表及里，人工智能技术逐渐深入学习环节。人工智能已在老师教学与学生学习、评测的各个环节切入教育领域，相关产品服务包括拍照搜题、分层排课、口语测评、组卷卷、作文批改、作业布置等功能，涉及了自适应、语音识别、计算机视觉、知识图谱、自然语言处理、机器翻译、机器学习等多项人工智能技术，正在创造着更加个性化、服务于终身学习的智能高效学习环境。
医疗：从影像分析、辅助诊疗、健康管理等角度做好医患助手。
▲人工智能在医疗领域的应用场景制造：助力生产制造优化，减少重复劳动，实现智能制造
▲人工智能在制造领域的应用场景健康：降低健康管理成本，实现交互革命，增强人类功能
▲人工智能在健康领域的应用场景人工智能开放创新平台逐步建立客观地说，虽然人工智能技术不断向众多行业和商业场景渗透，但目前人工智能的能力仍然不是像云计算一样可以随取随用的通用资源，主要的人工智能技术还掌握在大型科技公司和互联网巨头的手里，若能让人工智能普惠到更多公司和用户，人工智能社会的建设才会明显提速。在政府和大型公司的领跑下，越来越多的人工智能开放平台开始涌现出来。
2017-2018年，科技部等多部门经充分调研和论证，确定了五大国家新一代人工智能开放创新平台：分别依托百度、阿里云、腾讯、科大讯飞公司、商汤集团，建设自动驾驶、城市大脑、医疗影像、智能语音、智能视觉人工智能开放创新平台，并由科技部、发改委、财政部、教育部、工信部、中科院等15个部门构成的新一代人工智能发展规划推进办公室来推进项目、基地、人才的统筹布局。这批“国家队”开放创新平台将在四个方面发挥核心使命，包括建立人工智能国际化人才体系并培养国际化人才，通过人工智能赋能，创造以众创空间、孵化器为代表的大众创业、万众创新的生态环境等。
人工智能开放平台的建立，有助于降低企业的技术门槛，让所有创业者都享受到人工智能技术进步所带来的红利，同时也有助于连接各行业内的产学研机构，实现数据打通，避免重复工作，构筑完整的产业生态，大幅提升整个产业的生产效率。除了国家级人工智能开放创新平台以外，越来越多人工智能领域的其他企业也开始搭建人工智能开放平台，如教育领域的松鼠AI1对1建立了智适应教育开放平台，京东建立了以智能零售为京东人工智能开放平台NeuHub等。如果说早年间的人工智能开放平台由国外巨头如谷歌等领跑，那么随着中国人工智能行业的整体发展，国内人工智能企业也开始尝试营造开放的行业生态。
1、自动驾驶：百度Apollo开放平台，开启自动驾驶量产新时代
自动驾驶国家开放平台主要基于百度Apollo开放平台，是一个以百度技术为依托，面向汽车行业及自动驾驶领域的合作伙伴提供的开放、完整、安全的软硬件和服务平台，帮助开发者快速搭建完整的自动驾驶系统，“开放能力、共享资源、加速创新、持续共赢”是百度Apollo生态的重要原则。这是全球范围内自动驾驶技术的第一次系统级开放。
Apollo开放平台体系包括车辆认证平台、硬件开发平台、开源软件平台、云端服务平台、量产解决方案五大部分。
▲Apollo开放平台体系截止2018年7月底，Apollo已先后开放了10、15、20、25、30五个版本的能力，分别为封闭场地循迹自动驾驶能力、固定车道自动驾驶能力、简单城市路况自动驾驶能力以及限定区域视觉高速自动驾驶能力、量产园区自动驾驶能力。未来将逐步开放限定区域城市、量产限定区域、量产简单城市道路、高速和城市道路等自动驾驶能力。
截止2018年12月，在严格控制数量和质量的情况下，Apollo合作伙伴已超过120余家，成为全球规模最大的自动驾驶生态，覆盖产业链整个环节，包括整车厂、一级供应商(Tier1)、零部件厂商、出行服务商、初创企业、通信企业、高校和地方政府等，目前已发往北京、雄安、深圳、福建平潭、湖北武汉、日本京都等地开展商业化运营。
▲Apollo自动驾驶开放路线图2、城市大脑：阿里云城市大脑，打造新型精细化管理城市
阿里云城市大脑致力于通过互联网和人工智能，打通城市数据管道，发掘数据价值，构建城市新的基础设施。城市大脑总体架构包含四大平台：应用支撑平台（繁荣产业生态，通过数据资源的消耗换来自然资源的节约），智能平台（通过深度学习技术，挖掘数据资源中的金矿，让城市具备思考的能力），数据资源平台（全网数据实时汇聚，让数据真正成为资源，保障数据安全，提升数据质量，通过数据调度，实现数据价值），一体化计算平台（为城市大脑提供足够的计算能力具备极致弹性，支持全量城市数据的实时计算，EB级别的存储能力，日PB级处理能力，百万路级别视频实时分析能力）。
城市大脑目前已在杭州、苏州、上海、衢州、澳门、马来西亚等城市和国家落地，覆盖交通、平安、市政建设、城市规划等领域，是目前全球最大规模的人工智能公共系统之一。
▲城市大脑总体架构城市大脑所涵盖的产品及应用包括天机、天镜、天鹰、天曜和天擎。城市大脑要做的事情是把整个城市的数据汇集，完成对城市事故、事件的认知：知道哪里堵车、哪里有车祸，分析后迅速发出红绿灯控制和关闭路口的指令，以及预估事故、事件对交通接下来产生的影响。在实际运行过程中，城市大脑利用实时全量的城市数据资源全局优化城市公共资源，即时修正城市运行缺陷，实现城市治理模式、服务模式和产业发展的三重突破：城市治理模式突破—提升政府管理能力，解决城市治理突出问题，实现城市治理智能化、集约化、人性化；城市服务模式突破—更精准地随时随地服务企业和个人，城市的公共服务更加高效，公共资源更加节约；城市产业发展突破—开放的城市数据资源是重要的基础资源，对产业发展发挥催生带动作用，促进传统产业转型升级。
▲城市大脑产品及应用3、医疗影像：腾讯觅影AI辅诊开放平台，助推AI+医疗落地
依托腾讯聚集的合作伙伴资源优势及“腾讯觅影”在医疗AI领域取得的技术突破，腾讯公司构建了由医疗机构、科研团体、器械厂商、AI创业公司、信息化厂商、高等院校、公益组织等多方参与的医疗影像幵放创新平台——腾讯觅影AI辅诊开放平台。腾讯觅影是腾讯首个AI医疗产品，同时也是腾讯与国内一百多家顶尖三甲医院的合作成果。目前，其储备了约50万医学术语库，超过20万医学标注数据库、超过100万术语关系规则库、超过1000万健康知识库、超过8000万高质量医疗知识库以及超过1亿的开放医疗百科数据，涵盖了绝大部分对外公开的权威医学知识库。
“AI医学影像“和“AI辅助诊断”是腾讯觅影AI辅诊开放平台的两项核心能力，其通过模拟医生的成长学习来积累医学诊断能力，可辅助医生诊断、预测700多种疾病，涵盖了医院门诊90%的高频诊断，其遵循与人类医生类似的学习过程，主要分为三个阶段：首先，其运用自然语言处理和深度学习等人工智能技术，学习、理解和归纳权威医学书籍文献、诊疗指南和病历等医疗信息，自动构建出一张“医学知识图谱”；然后，基于病历检索推理和知识图谱推理知识，建立诊断模型；最后，在人类医学专家的校验下，优化诊断模型。
基于“腾讯觅影”在AI+医疗探索上取得的突破，国家卫计委和国家工信部联合授予了其互联网医疗健康行业“墨提斯奖”，该奖被誉为医疗健康行业的“图灵奖”，代表着中国智能终端产业的最高荣誉。
▲腾讯觅影AI腾讯觅影已与智业软件、山东顺能、广州海鹚、金蝶医疗、健康160等医疗信息化厂商，以及厦门大学附属第一医院、山东省立医院、安徽省第二人民医院、南方医科大学深圳医院、香港大学深圳医院、宝安中医院集团、深圳市萨米医疗中心、中国科学院大学深圳医院、宝安区妇幼保健院、龙岗区妇幼保健院等医疗机构分别签署了人工智能战略合作协议，共同构建智慧医疗开放生态圈。腾讯觅影平台旨在发挥“连接器”的作用，从创新创业、全产业链合作、学术科研、惠普公益四个维度连接核心参与方，共同推动国家人工智能战略在医疗领域的落地。
▲腾讯觅影产业⽣生态圈4、智能语音：科大讯飞助力我国智能语音应用达到国际领先水平
科大讯飞致力于智能语音及人工智能核心研究和产业化十八年，已发展成为亚太地区最大的智能语音及人工智能上市公司。入选职能语音国家新一代人工智能开放创新平台之后，科大讯飞将通过一个开放创新研究平台+五大开放创新服务平台的建设路径，助力我国的智能语音及人工智能技术及应用达到国际领先水平。
在建设人工智能产学研用开放创新研究平台方面，科大讯飞提出了“以企业为主体、以市场为导向”的产学研合作体系，从源头上聚拢了核心技术研究资源，多项技术取得了全球领先，如：语音合成技术、语音识别技术、机器翻译技术、语音评测技术、认知智能技术。
在建设基础数据资源平台方面，科大讯飞上线了釆用众包模式的基础数据服务平台，覆盖了数据承接、数据分发、项目质量管理和监控等各方面功能，目前已有80条产品任务方向，注册用户数达10万以上，月活人数3000左右。
在建设“云+端”软硬件一体化开发平台方面，科大讯飞已完成平台服务架构搭建、开放平台研发和自然语言语音数据资源制作中心建设，形成了多个一站式软硬件开发方案并持续领跑行业，帮助开发厂商快速接入讯飞AI能力。
在建设人工智能定制优化平台方面，科大讯飞与业内优秀的AI能力提供商汤科技、合合信息、码隆科技等达成“能力星云”合作，促进平台在人脸识別、文字识别、内容审核、自然语言处理等方而的AI技术能力不断丰富，并发布了国内首个人工智能企业产业链综合服务平台“讯飞AI服务市场”。
在建设开发者服务社区方面，科大讯飞结合地方政府支持，目前已在合肥、长春、洛阳、西安、重庆、天津、苏州建设了7个线下专业化众创孵化空间，总面积超过10万平来，引进落地的智能语音及人工智能领域开发者团队和公司500余家。
在建设专业化众创孵化空间方面，平台通过开放核心技术开发接口和云端在线服务能力，让创业者可以几乎零成本地利用智能语音及人工智能技术进行创新创业。截至2018年7月底，平台开发者团队数量超过80万家（同比增长114%）；过去18个月累计使用该平台的独立终端数达19亿个（冋比増长357%），日均交互次数达46亿人次。
▲科大讯飞智能语音开放创新平台体系5、智能视觉：商汤加速计算机视觉技术在各个行业的应用落地
2018年9月，国家科技部宣布，依托商汤集团建设智能视觉国家新一代人工智能开放创新平台。商汤成为第五大国家人工智能开放创新平台。依托20年的人工智能科研技术积淀，商汤打造了集基础研究、产业结合、行业伙伴一体化、开放共享的智能视觉开放创新平台。商汤科技拥有人脸检测跟踪、人脸关键点定位、人脸身份验证、场景识别等核心技术，基于智能视频、身份验证、移动互联网产品在智慧城市、智能终端、互联网娱乐、智慧金融等领域的应用，推出了SenseAR开发者平台、SenseAR增强现实感绘制引擎、SenseMedia智能图片视频审核平台、SenseFace3.0人脸布控实战平台和SenseFoundry方舟城市视觉平台等新产品，打造智能视觉开放创新平台，加速人工智能技术的落地。目前商汤已有400余家战略合作伙伴。
为推动国家人工智能在视觉领域的发展，商汤智能视觉开放创新平台有四大使命：1）通过超算系统、训练系统、智能视觉工具链等核心基础的研发、数据系统的构建，在基础研究和核心技术上与国际保持同步研发水平；2）实现智能视觉底层关键技术和共性支撑技术的突破，促进智能视觉技术与多行业的快速结合、产业赋能；3）建立人工智能国际化人才体系和培养国际化人才；4）通过人工智能赋能，创造以众创空间、孵化器为代表的大众创业、万众创新的生态环境，促进新旧动能转换。
▲商汤智能视觉开放创新平台技术与产品支持6、智能教育：松鼠AI智适应教育开放平台提高教学效率，促进教育公平
当前教育行业存在各机构各自为战，敝帚自珍，重复造轮子的问题，导致行业整体教学效率低下、教学质量有限。“松鼠AI”是由松鼠AI1对1开发的国内第一个拥有完整自主知识产权、以高级算法为核心的自适应学习引擎（可理解为一个智适应教学机器人），可将知识点拆分到纳米级，精准侦测不同学生的知识漏洞，查漏补缺，模拟特级教师给孩子一对一量身定做教育方案并且一对一实施教育过程，比传统教育效率提升5到10倍。目前，松鼠AI1对1打造了松鼠AI智适应教育开放平台，教育机构可将松鼠AI的一体化智适应教学平台整合进入自己的业务解决方案中，直接使用松鼠AI的一体化智适应教学平台解决教学中的部分或者全部问题，利用平台补充自身教学教研能力的短板，在测评、制定学习计划、教学、练习等环节上，全方位提升自身服务能力，提高学生的学习效率和学习效果。
机构将智适应教育平台产品整合进自己的业务解决方案后，其业务中的教学环节可以全部或者部分交给智适应教育平台。教育机构商业模式上主要由市场、运营服务、教学三部分成，教学环节成本一般占机构的40%以上，用智适应教育平台产品解决教学环节，未来最大可以将教学环节成本节省到接近5%，从而优化其商业模式，让机构可以将重心放在市场和运营服务上，整体提高其业务运行水平。
目前该平台已接入2000多家机构，覆盖20多个省，700多个城市，服务于近200万学生，续班率80%以上，同时机构也基本通过平台解决了自身的教学问题。另外，这些机构中有不少服务于三四和五六线城市，松鼠AI智适应教育产品的引入也为三到六线地区的学生带来了目前最先进的智适应学习服务，一定程度上缓解了我国教育资源不公平的问题。
▲松鼠AI智适应教育开放平台节省教育机构教学环节成本松鼠AI智适应教育开放平台的业务架构可分成基础依赖层、平台服务能力层、平台合作方三层。从合作者可见的层面，这一开放平台由智适应教学教研产品，智适应教学教研模块组装与自定义平台、智适应内容协作平台、智适应引擎接入平台组成。具体开放方式上，松鼠AI智适应教育开放平台面向教育机构提供三种层次的开放：1）智适应教学产品和教研产品层面的开放，合作者直接使用产品为其客户服务；2）自定义智适应产品层面的开放，合作者可以根据自己的需求和能力对智适应产品进行改造，并以自己的品牌进行二次输出；3）智适应引擎层面的开放，合作者可以基于智适应引擎，研发打造不同应用不同场景的智适应产品。
▲松鼠AI智适应教育开放平台的业务架构智适应引擎层面的开放需要用到松鼠AI的人工智能引擎API服务，这是整个开放平台中最底层的服务，是提供给具备自产内容能力以及相当程度的技术和产品二次开发能力的合作伙伴来使用的。这个服务的核心是把引擎的功能通过API形式抽象包装给合作伙伴，大幅度降低对合作伙伴的数据建模水平和人工智能实际应用水平的要求，让广大教育机构低成本共享松鼠AI与国际领先的研究机构（如SRI,CMU,IIIA,UCBerkeley等）在人工智能教育领域上取得的技术突破和经验，造福整个中国K12教育产业。在这个底层引擎的基础上，平台研发了智适应DL测评、智适应学习、智适应教学监控等产品。
▲松鼠AI智适应教育开放平台的底层引擎7、智能零售：京东人工智能开放平台NeuHub搭建智能客服解决方案
2018年4月，京东发布京东人工智能开放平台NeuHub，Neuhub主要围绕自然语言处理、语音交互、计算机视觉等方向，建设了京东智能客服解决方案。该平台不仅验证了多项落地性技术，同时助力国家多个战略级产学研合作项目开展，也标志着京东AI研发开始从应用型向核心技术研发和输出方面发力。相关客户包括叮咚、VIVO、三星、达达、华为、长虹等。
这个平台分为AI在线服务和离线训练平台两部分，在线服务包括卡证识别、以图搜图、图片质量检测、词法分析等功能，涉及图像、自然语言理解等领域内容。而离线训练平台则针对不同技术水平用户及使用场景提供个性化综合解决方案，相当于提供了入门级和发烧级两个段位的服务。按照京东的规划，NeuHub平台将作为普惠性开放平台，不同角色均可找到适合自己的场景，例如用简单代码即可实现对图像质量的分析评估，支撑科研人员、算法工程师也可以不断设计新的AI能力以满足用户需求，并深耕电商、供应链、物流、金融、广告等多个领域应用，探索试验医疗、扶贫、政务、养老、教育、文化、体育等多领域应用，聚焦于新技术和行业趋势研究，孵化行业最新落地项目，重构各行业的工作流程和业务模块。
▲NeuHub的AI服务功能▲NeuHub的AI服务工具京东技术布局下的AI战略全景图以“三大主体、七大应用场景和五个人工智能产业化的布局方向”为核心，即以AI开放平台、AI基础研究、AI商业创新三个主体，通过产学研相结合、高端人才培养以及核心人才引进打造科技能力，将人工智能应用于金融科技、智慧物流、智能消费、智能供应、对外赋能，对应的七大应用方向是电商、物流、金融、零售、时尚、公共事务、智能硬件。京东AI技术将从0-1,1-N，N-无穷，三个战略方向发力，通过算法研究院强大的技术研究能力，创造一些以前从来没有过的技术能力；打磨技术到体验，让技术在迭代中提升；积极探索技术落地的可能性，从而赋能无穷场景，将体验转变为价值。对应这三大并行的技术发展方向，京东AI平台与研究部打造了AI研究院、AI平台部及AI创新部三个部门，来更好地助推京东AI的成长。
与BAT的AI平台相比较而言，京东AI平台的布局更加是由内而外的，并且更加聚焦。它的研究导向首先是依托内部的需求，比如电商、物流、金融本身都是京东的核心业务，比如京东电商平台对智能客服存在很大需求，而京东金融对客服也存在很大需求。京东AI平台利用现有的经验能够很快用于京东金融，因为只要有数据，就可以很容易在接近的场景进行扩展。进一步而言，京东AI平台还能够将客服在多个场景的能力形成解决方案，开放给行业。从京东自身应用场景出发，打造AI核心技术，然后在反哺京东自身业务的同时，进一步赋能给行业与开发者，是打造AI开放平台的一条不错的思路。
▲京东AI体系8、智能语音：搜狗人工智能开放平台搭建智能语音和机器视觉生态圈
搜狗公司也推出了自己的人工智能开放平台。这一平台以智能语音和智能视觉技术为核心，面向办公、翻译、同传、话务、图像识别、质检审核、人机交互、安防等场景提供开放服务。搜狗AI人工智能开放平台致力于建设AI商业生态，向合作伙伴提供私有化部署、定制服务，通过自建行业+AI解决方案以及发展更多合作伙伴进行产品共建，积极与各行业SI系统集成商、ISV软件服务商以及AI生态链里的各类合作伙伴，例如云服务商、硬件厂商、物联网、数据服务商、AI/AR／VR／MR等科技公司一起打造垂直领域的解决方案，共同利用AI能力推进产业智能化升级。搜狗AI开放平台积极寻求对外合作，如2018年1月与人工智能新贵Kneron共同推出整合了搜狗语音交互方案、Kneron机器视觉的在离线终端人工智能解决方案，可应用在智能家居、智能安防、车载、机器人，以及各种物联网领域。
▲搜狗智能语音智东西认为，从中科院的这份报告可以看出，我国的人工智能发展有着诸多方面的优势，比如说开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等。而且，各类科技巨头对人工智能技术不遗余力的发展也为我国AI总体水平的提高贡献了许多力量。但是，拥有诸多优势的同时，我们也要清晰的看到我国AI技术的短板，例如基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台。
（本账号系网易新闻·网易号“各有态度”签约帐号）
全球AIoT产业创新峰会
阅读原文
原标题：《中科院2019全球人工智能发展白皮书！八大关键技术中国崛起中，国产AI芯片耀眼【附下载】|智东西内参》
阅读原文
解读《中国新一代人工智能发展报告2019》我国人工智能论文量全球第一 但基础层发展薄弱
人民网北京5月28日电（记者夏晓伦魏艳）近日，《中国新一代人工智能发展报告》（以下简称“《报告》”）发布。《报告》由科技部新一代人工智能发展研究中心、中国科学技术发展战略研究院联合国内外10余家机构编写，从全球形势、创新环境、科研突破、经济发展、社会应用、人才支撑、区域格局等视角，对我国新一代人工智能发展的整体情况进行系统性评价。
人民网记者从编写机构处独家获悉，《报告》研究发现了我国人工智能论文质量逐步提升、产业化落地加快推进、多层次AI人才培养体系逐步形成等诸多亮点。但同时，我国的智能产业仍存在基础层发展薄弱、产学研合作不够紧密等短板。
我国人工智能论文质量逐步提升
《报告》显示，我国论文发文量居全球第一，论文总被引次数、企业数量、投融资次数及金额居全球第二。2013-2018年，全球人工智能（AI）领域的论文文献产出共304914篇，其中，我国发文74408篇，美国51766篇。中美两国之间人工智能国际间科研论文合作规模最大，是全球人工智能合作网络的中心，中美两国合作将深刻影响全球人工智能发展。
中国AI论文发表情况。（来源：中国科学技术发展战略研究院科技部新一代人工智能发展研究中心）
根据乌镇智库数据库统计，截止到2018年底，全球共成立人工智能企业15916家，共发生了13331起投融资事件，投融资总额达784.8亿美元，2018年企业融资金额再创新高。其中，我国人工智能企业数量为3341家，位居全球第二。
我国人工智能论文质量近年来进步较快，近十年来论文引用指标呈持续上升趋势。全球居前1%的人工智能高被引论文中，我国也已居全球第二。
智能经济成为我国经济高质量发展的有力支撑
《报告》指出，人工智能技术的成熟及应用催生的智能经济，将为我国经济高质量发展提供有力支撑。智能芯片、人工智能软件、智能硬件、自动驾驶等领域的创新创业大量涌现，一批新产品、新产业取得突破式发展；人工智能与实体经济加速融合，带动了制造、物流、金融、零售一大批传统行业转型升级，形成溢出性很强的“头雁”效应；智能企业加速发展，形成新型营销、个性化定制等新业态模式，不断提高企业生产效率和服务质量。
同时，我国智能产业存在基础层发展薄弱的问题，在共性技术平台、芯片处理器等基础层企业数量较少，发展相对薄弱；我国人工智能产学研协同创新能力仍有差距，校企合作论文比例较低，人工智能学术研究仍以高校为主，与企业的结合程度较弱。
多层次AI人才培养体系逐步形成
《报告》指出，我国加快人才培养步伐，建设覆盖高层次人才、专业技术人才、中小学、行业技能人才等多层次人才培养体系，以更好地适应经济社会发展对AI人才的迫切需求。目前，全国已有31所高校成立了AI学院，24所高校成立了AI研究院，75所高校自主设置了89个人工智能相关二级学科或交叉学科，全国共有35所高校获得人工智能专业首批建设资格。
同时，教育部正式将人工智能、物联网、大数据处理划入高中新课标，商汤与华东师范大学慕课中心共同编写了我国第一本高中教材《人工智能基础（高中版）》，华东师大二附中等全国40所中学成为首批“人工智能教育实验基地校”，开展了种类丰富的体验课程。产学研协同人才培养呈现出多主体参与、多层次交叉、多模式并行的发展态势。
《报告》还指出，人工智能企业通过与高水平研究型大学共建联合实验室、研究院、研究中心等方式加速人工智能高水平人才成长；社会化教育机构与高校通过深度合作，共建专业学院，设立技术认证、专业培训课程等多种形式，产教融合加速AI专业人才的培养；业界AI企业开放数据和技术资源，搭建起一批人才开放培养平台，加快产业人才专业技能升级和人工智能复合型人才培养。
社会服务领域落地场景丰富区域发展格局形成
《报告》认为，建设安全便捷的智能社会也是新一代人工智能发展的主要支撑目标之一，公共服务领域成为当前人工智能技术率先落地的最大应用场景。以提高人民生活水平和质量为目标，大量人工智能产品在政府服务、城市管理、公共安全、医疗保健、教育教学等社会运行的多个领域得到深度应用。得益于人工智能技术和产品的广泛应用，我国社会治理智能化水平大幅提升，社会运行更加安全高效，智能服务更加丰富多样，人们享受高质量服务和便捷生活的智能化环境初步形成。人工智能技术在社会服务领域的加快应用，一方面显著提升人民福祉，也将有利于技术加快落地加速迭代。
各地人工智能发展特色。（来源：中国科学技术发展战略研究院科技部新一代人工智能发展研究中心）
自《新一代人工智能发展规划》发布至2018年底，我国已有19个省（直辖市、自治区）发布了26项人工智能专项扶植政策；6个地级市发布了6个人工智能专项扶持政策；有8个区（县）发布了10个人工智能专项扶持政策；11个产业园区发布了11个人工智能专项扶持政策。各地区对人工智能发展的布局既和国家规划发展方向保持一致的同时，又根据自身资源禀赋各有侧重。
数据显示，截止到2018年底，在全国3341家人工智能企业中，京津冀、江浙沪、粤港澳三大区域占据了全国人工智能企业数量的83%，融资次数的88%，总融资金额的95%，已成为我国发展人工智能的重要引擎。
《报告》指出，京津冀以北京为龙头，重点强化基础理论研究和前沿核心共性技术研发；长三角强强组合，人工智能产业的区域集聚效应开始初步显现；粤港澳优势互补，学科建设与技术创新能力同步提升；东三省和中西部地区因地制宜打造行业优势，初步形成了聚集区牵引又百花齐放的发展格局。