人工智能产业化应用加速
新技术不断涌现，产业规模持续增长，应用广度和深度加快扩展
人工智能产业化应用加速
数据来源：中国信息通信研究院、国际数据公司（IDC）制图：沈亦伶
核心阅读
近年来，随着数字化基础设施建设不断完善，商业化应用加速落地，人工智能产业发展驶入“快车道”。
工业质检、零件计数、自动驾驶、语音交互……人工智能在产品研发、服务升级、商业模式创新等方面为企业带来切实成效，各式各样的人工智能应用进入生产生活、服务千家万户。
新一代人工智能是推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。当前，我国人工智能领域呈现出技术创新和产业化应用双轮驱动、双向促进的发展特征。
在供需两侧的共同推动下，技术创新成果开始大规模地从实验室研究走向产业实践，人工智能产业化进程加快。根据中国信通院发布的最新数据测算，2022年我国人工智能核心产业规模达到5080亿元，同比增长18%。
应用广度和深度加快扩展，场景创新成为新路径
兔毫、油滴、曜变、鹧鸪斑……在1300摄氏度以上的高温中，建盏展现出绚丽的釉色，每盏皆唯一。古人常以“入窑一色，出窑万彩”来形容其釉色千变万化。近年来，国内建盏产业迅速发展，但也产生了假冒仿制、以次充好等乱象，通过传统防伪手段，很难解决问题。
后来，位于福建省南平市建阳区的一家建盏生产企业找到了北京旷视科技有限公司，希望借助人工智能技术来为每一只建盏打造专属的“电子身份证”。
这并非易事。一方面，分辨不同建盏之间的区别难度极高，建盏釉面还会产生很强的反光，这些都会给人工智能带来挑战；另一方面，这类项目往往需要花费大量时间做实验设计。
面对这些问题，旷视团队提出“算法量产”理念，打造了人工智能建盏溯源系统，实现了盏纹识别。团队还研发了内置可控制光源的硬件设备，以克服釉面材质反光的难题。
“我们由此实现了一盏一图、一盏一码、图码结合，既有效打击了仿造伪造行为，又推动产业的规范化发展和数智化升级。”旷视研究院算法量产负责人周而进说。
像建盏一样，人工智能应用向纵深演进，越来越多的行业实现了智能化升级。工业质检、零件计数、自动驾驶、语音交互，甚至是高空抛物检测、普洱茶茶饼识别、破皮速冻水饺检测……人工智能为企业在研发速度和流程、产品服务、商业模式创新等方面带来切实的成效，“五花八门”的人工智能应用伴随着数字化、智能化热潮，进入生产生活、服务千家万户。
“人工智能技术正沿着追求更高精度、挑战更复杂任务、拓展能力边界等方向持续演进。场景创新成为人工智能技术升级、产业增长的新路径。”科技部新一代人工智能发展研究中心主任，中国科学技术信息研究所党委书记、所长赵志耘认为，人工智能应用广度和深度不断扩大，正向更多行业和更核心的业务领域渗透，推动制造、物流、医疗等各方面的智能化程度不断提高，智能场景对经济社会发展的重要性也逐渐凸显。
新技术不断涌现，产业化路径逐渐清晰
随着新技术不断涌现，人工智能产业化的路径也逐渐清晰。近几年，国内外厂商纷纷加码巨量模型的投入与研发，让人工智能产业落地找到了新的方向。
新药研发就受益于此。华为云盘古药物分子大模型，是由华为云联合中国科学院上海药物研究所共同训练而成的大模型，可以实现针对小分子药物全流程的人工智能辅助药物设计。
西安交通大学第一附属医院刘冰教授团队利用该大模型成功研发出一种新的“超级抗菌药”，它有望成为全球近40年来首个新靶点、新类别的抗生素。借助大模型，先导药的研发周期从数年缩短至1个月，研发成本降低70%。
联想集团首席技术官芮勇认为，大模型的特点可以概括为“一大三多”：“‘一大’是指参数规模大，是千亿参数级别的超大型人工智能模型；‘三多’是指利用多来源、多模态、多任务的互联网海量数据进行训练。”
“在云服务的基础上，大模型的落地也越来越普遍。过去，我们经常强调的是针对某一类应用的小模型，比如人脸识别、语音识别等。现在随着大模型的出现，用户可以在预训练模型上进行简单的处理，就能满足自身的需要。这实际上能够帮助用户更好地应用人工智能技术。”国际数据公司（IDC）中国副总裁周震刚说。
浪潮信息基于大模型打造的智能客服机器人“源晓服”就是大模型的一个典型应用。“我们的目的是让大模型与契合场景需求的行业模型进行结合。”浪潮信息服务总监陈彬说。
凭借强大的学习能力，“源晓服”能够对知识库进行自主化学习。目前，已能覆盖终端用户92%的咨询问题。对于一些常见技术问题，如系统安装、部件异常等，解决率达80%。
“大模型并不是炫技，它更多源于人工智能产业发展的现实需求。”浪潮信息副总裁刘军指出，人工智能应用场景已经从碎片化过渡到深度融合的一体化，在算法模型方面，巨量模型将会成为人工智能算法规模化创新的基础。
核心产业规模快速增长，形成良好产业发展基础
人工智能是引领新一轮科技革命和产业变革的战略性技术。近年来，我国陆续出台多项政策，鼓励人工智能行业发展与创新。《新一代人工智能发展规划》《关于支持建设新一代人工智能示范应用场景的通知》《新型数据中心发展三年行动计划（2021—2023年）》等产业政策，为人工智能产业发展提供了保障；我国还依托领军企业建设了10余家国家新一代人工智能开放创新平台；依托地方建设国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区；以发布智能产品推广目录等方式推动人工智能技术在医疗养老、城市建设等重点领域的规模化应用……
近年来，我国形成了良好的人工智能产业发展基础。除人工智能核心产业规模快速增长外，我国人工智能企业数量超过4200家，智能芯片、开源框架等关键核心技术取得重要突破，智能传感器、智能网联汽车等标志性产品创新能力持续提升；在智能化信息基础设施布局建设方面，2022年，全国在用数据中心机架总规模超过650万标准机架，目前有超过30个城市正在建设或提出建设智算中心。
专家表示，进一步推动人工智能产业发展，将创新要素转化为物质或知识资源，形成规模效应和范围效应，关键在于协同创新平台的搭建。构建人工智能协同创新平台，要聚焦当前落地应用需求，更快实现人工智能生态伙伴的业务聚合、资源聚合和战略聚合，平台内的各方主体通过加强人工智能算力输出、服务能力优化及人才培养等层面的要素供给，形成产业链上下游通力合作的产业生态。（记者谷业凯）
【纠错】【责任编辑:刘阳】人工智能促进经济高质量发展：机理、问题与对策
摘要：人工智能技术具有渗透性、协同性、替代性、创造性等技术—经济特征，人工智能促进经济高质量发展的机理可概括为对三类产业的扩张效应、赋能效应和活化效应。其中，核心产业扩张效应与融合产业赋能效应交互构建了促进高质量发展的动态循环过程，潜在关联产业活化效应则通过提供非匹配、非集约、非规整、非公平问题解决方案促进经济社会高质量发展。当前，中国在世界人工智能领域第一梯队的地位愈发巩固，技术创新处于关键突破期，在地域空间上则形成了三大城市群为重要引擎、沿海地区快速增长、内陆地区稳定增长的发展格局。我国人工智能促进经济高质量发展还存在核心产业低质扩张、融合产业低效赋能、潜在关联产业低迷活化、相关社会伦理道德规范缺失、相关人才短缺且结构不合理等问题。为此，我国要推进基础理论研究和关键共性技术开发，提高科技自立自强能力；优化行业发展环境，促进产业生态良性发展；完善相关法律法规和伦理规范制度，促进人工智能“科技向善”；构建高素质人才培养体系和人才流动机制，促进包容性均衡发展；加快人工智能创新应用先导区和创新发展试验区建设，推进改革试点和应用示范。
关键词：人工智能；高质量发展；技术创新；核心产业；融合产业；潜在关联产业
基金项目：国家社会科学基金重点项目“新技术革命背景下全球创新链的调整及其影响研究”（19AJY013）
人工智能（AI）是指研究、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技术科学。作为新一代信息技术革命的代表技术之一，人工智能利用计算设备模拟人类思维决策过程，广泛应用了计算机、数学、物理学、生物学、逻辑学等学科的理论与方法。自1955年达特茅斯会议首次提出“人工智能”概念以来，人工智能经历了60余年的曲折发展，研究重点从早期（1956—1974年）基于符号主义的逻辑推理、启发式搜索，到中期（1974—2006年）符号主义与连接主义融合催生的神经元网络方法、专家系统，发展到近期（2006年至今）基于行为主义纲领的深度学习方法突破所带来的多领域广泛应用[1]。1974年以来的人工智能发展都可归类为连接主义，但2006年之前的连接主义主要对人类大脑活动进行模仿，并没有合理借鉴大脑产生智能的机制。2006年，深度学习方法在卷积神经网络等模型和参数训练技巧等方面取得突破，同时信息设备、算法算力、使用数据也迎来了革新、进步与增长，人工智能实现了跨越式的发展。目前，人工智能研究领域主要分为六大类：计算机视觉、自然语言处理、机器学习、认知及推理、机器人、博弈及伦理。人工智能已经成为世界各国竞争角逐的焦点，其发展水平是国家核心竞争力的重要体现，将对经济发展、社会进步、国际政治经济格局产生深远影响。
党的十九大报告明确提出，推动互联网、大数据、人工智能和实体经济深度融合，作为我国深化供给侧结构性改革、建设制造强国、促进经济高质量发展的重要举措。党的十九届五中全会通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》强调，要推动互联网、大数据、人工智能等同各产业深度融合，这是建设制造强国、质量强国、网络强国、数字中国重要内容，是提高经济质量效益和核心竞争力的关键。本文对人工智能如何促进经济高质量发展的机理进行探讨，分析人工智能促进经济高质量发展存在的问题，提出相应的对策建议。
一、人工智能促进经济高质量发展的机理分析
习近平总书记在十九届中央政治局第九次集体学习时强调，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。人工智能具有溢出带动性很强的“头雁”效应，在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，正在对经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影响。我国经济已由高速增长阶段转向高质量发展阶段，迫切需要新一代人工智能等重大创新添薪续力，要推进人工智能和产业发展融合，为高质量发展提供新动能[2]。
（一）人工智能的技术—经济特征
人工智能技术既具有一般通用型信息通信技术所具有的渗透性与替代性特征，同时还具备与各经济要素协同配合提升经济效率的协同性特征，以及替代人类脑力工作的创造性特征。
1.渗透性。作为一种兼具通用性、基础性和使能性的数字技术，人工智能具备与经济社会各行业、生产生活各环节相互融合的潜能，这种广泛应用于经济社会各领域的特征被定义为通用型技术的渗透性。在发展初级阶段，人工智能只能应用于简单场景，解决一些抽象概念性的游戏问题，但随着人工智能技术发展，人工智能被越来越多地应用于多元场景、复杂场景，问题解决边界也向实际应用拓展。这种应用复杂化的趋势即是对人工智能技术渗透作用的印证。渗透作用是通用型技术最基本的技术—经济特征，也是计算技术领域重大创新能够引发技术革命，带来技术—经济范式转换的技术基础。渗透性特征决定人工智能具有对经济增长产生广泛性、全局性影响的潜力。在可预见的未来，人工智能技术将更加全面地融入日常生产生活活动之中，成为经济社会不可替代的一部分。
2.协同性。人工智能的协同性在一定程度是其渗透效应的具体实现。人工智能技术作为通用型技术渗透进入经济社会各个方面，在生产领域，人工智能技术的应用可以提升资本、劳动、技术等要素之间的匹配度，加强上游技术研发、中游工程实现、下游应用反馈各个生产环节之间的协同，从而提高运行效率。在消费领域，人工智能技术可以实现对用户消费习惯与消费需求的自动画像，完成需求与供给的智能匹配，进一步释放消费潜力的同时，实现经济的高质量增长。总的来说，人工智能的协同性特征体现在对经济运行效率的提升。蔡跃洲等核算了中国在过去三十年中ICT资本对增长的贡献率，并使用格兰杰因果检验印证了ICT资本与全要素生产率TEP增长具有因果关系，ICT资本通过与各个经济要素的协同促进了经济效率提升，最终推动了GDP的增长[3]。
3.替代性。随着设备设施与技术研发的持续发展，信息通信技术（ICT）产品相对价格持续下降，从而出现ICT产品对其他投资的大规模替代。如芯片领域的摩尔定律预言集成电路晶体管数目约18个月便会增加一倍，这使得芯片在能够解决更多问题的同时成本持续下降，实现对非ICT资本的不断替代。人工智能除了对非ICT资本的替代效应外，更能实现对劳动要素的直接替代，蔡跃洲等将人工智能对就业的影响分解为负面的替代效应与正面的抑制效应，并得出结论认为就业总量基本稳定的趋势还将延续一段时间，人工智能完全替代人类劳动的极端情形中短期不会出现[4]。人工智能技术持续发挥替代效应，在作为独立要素不断积累的同时，对其他资本要素、劳动要素进行替代，其对经济发展的支撑作用由此不断强化。
4.创造性。生产自动化能够实现对一些高强度、高难度的持续劳动进行替代，而人工智能之所以引起人们对就业前景强烈担忧的原因更在于其能够实现对人类脑力工作、创造性活动的替代。当下人工智能技术已经被广泛应用于药物发现及筛选、材料识别及模拟等科研活动，更是在金融、数字建模、应急救援、音乐绘画等领域被广泛赋予分析决策甚至是创造创新的权力，展现出人类历史上从未有过的来自人类头脑之外的创造力量。人工智能的创造性可以生产出额外的知识，增加人类整体智慧总量，从而促进技术进步，提高经济效率。针对人工智能将完全取代人类工作的担忧，Holford对人工智能的创造性进行了分析，认为人工智能技术主要通过符号解释、形式化和意义捕捉的方式获取知识，对于人类整体知识和隐性知识的复杂性、创造性较难模仿。在不出现颠覆性技术突破的情况下，人工智能技术无法实现对人类创造的完全替代[5]。
（二）人工智能促进经济高质量发展的机理与效应
人工智能代表了未来经济发展的无限可能性，现有观点普遍认为人工智能可以通过提高生产率促进经济增长。在微观个体活动方面，人工智能发展传统自动化为“智能自动化”，持续释放个体创造力，极大提升劳动生产率。在中观行业生产方面，人工智能不断提升生产能力与资本效率，对行业进行分析并作出控制决策，解决某些行业生产准确率低、工作量大、设备闲置、安全性差等一系列问题。在宏观经济发展方面，人工智能促进管理效率、资源配置效率和社会交易效率的提升，推动创新并提高全要素生产率，深化分工形式，大大拓展产品创新的空间，从提升分工专业化效率转向提升分工多样化效率，从多样性角度拓展生产可能性边界[6-7]。师博从生产、分配、交换、消费四个方面探讨了人工智能充分契合创新、协调、绿色、开放、共享的新发展理念，在生产环节发挥创新效应与技术外溢效应实现创新发展；在分配环节优化分配结构同时提升分配效率深化共享发展；在交换环节，通过平台经济、国际共建等方式实现协调、开放发展；在消费环节改进消费质量，加速绿色消费，贯彻绿色发展理念。人工智能在贯彻新发展理念的同时，与经济社会充分融合，实现经济的高质量发展[8]。任保平等聚焦人工智能与实体经济的融合增长效应，从培育高端要素、优化要素禀赋结构的供给侧到普及智能产品与服务、多元化需求渠道的需求侧，双向探讨人工智能对实体经济的融合促进作用，并结合我国当前发展阶段，分析人工智能对传统产业、新兴产业、新商业模式以及供需协同的带动作用，提出构建融合支持体系、加强新基建、培育产业环境、优化投融资支持、深化对外开放等建议[9]。罗以洪基于数字产业化、产业数字化、数字化治理的模型框架，结合宏观理论中四部门经济的各个部门与要素特征，提出政府、消费者、生产者、国外消费者、国外生产者以及金融机构四部门数字经济模型，细化资源型、技术型、融合型、服务型四种数字经济类型，提出具有针对性的数字经济高质量发展路径与对策建议[10]。
已有研究对人工智能如何促进经济高质量发展的机理分析主要集中在以下几个角度：一是基于微观、中观、宏观三重视角进行分析，其具有坚实的经济逻辑支撑，易于进行理论分析，并提出相关政策建议；二是从生产、分配、交换、消费等经济环节进行分析，其更加全面地聚焦经济社会整体的高质量发展，并与新发展理念有着高契合度；三是以中国信息通信研究院提出的数字经济分析框架（数字产业化—产业数字化—数据价值化—数字化治理）为基础进行分析，这一角度具备国际通用性，同时在实证分析方面具有广泛的研究基础，有较多的研究基于相同框架对国内外不同主体进行数字经济测算。与此同时，上述角度都存在一定缺陷：微观、中观、宏观三重视角难以聚焦人工智能产业如何实现发展的高质量，经济环节视角则难以提出有针对性的促进建议，并且在量化发展质量、实证分析路径效应方面二者都有着较大的局限性。数字经济框架则是为数字经济所设计，套用于人工智能产业需要进一步探讨其适配性。
本文基于人工智能的技术—经济特征，对经济社会产业进行划分，并根据划分结构针对性分析人工智能对经济高质量发展的促进机理。经济社会产业可以分解为三种类型，即核心产业、融合产业、潜在关联产业（见图1）。首先，作为一项系统性较强的数字技术，人工智能催生了一系列配套核心产业，其产品服务涵盖了上游研发到下游应用的产业链各环节。其次，人工智能通过发挥渗透性、替代性、协同性、创造性四大技术—经济特征，对一些已有产业进行技术赋能，进而创造出智慧农业、智能制造、智慧建筑、智慧医疗等一大批产业融合新生态。最后，针对目前经济社会中市场化程度不高，尚与人工智能关联较弱的经济社会领域，在不久的未来，人工智能可能通过对其资产与产业环节的“激活”，实现意料之外的爆发式增长。
图1三类产业：按照与人工智能联系程度来
1.核心产业的扩张效应。人工智能作为一项系统性较强的数字技术，其应用的实现离不开技术研发、软硬件开发、算法模型训练、具体场景应用等一系列环节，从而催生了一系列支撑配套的核心产业，有着完备的产业链条，其产品服务涵盖了上游研发到下游应用的各环节。在软件层面，人工智能技术包括算法软件、图谱模型、处理流程等内容的开发，而在硬件层面，人工智能技术涵盖专用芯片、存储器、处理器等硬件设施的生产，除此之外，还包含对数据的搜集与处理，对样本进行学习，对模型进行训练等一系列配套工作。人工智能技术是一项涵盖诸多技术产品的复杂系统，从上游的技术研发到中游的工程实现，再到下游的应用反馈，系统中各个环节都对应着相匹配的产品及服务，随着行业的发展人工智能行业逐渐形成了一套相对独立的核心产业体系。
人工智能促进经济高质量发展的路径之一，即是人工智能核心产业的扩张增长效应。人工智能产业体系根植于高新信息技术产业，但不同于其他信息技术产业，人工智能具有与生产生活应用更高的融合度，可以快速响应具体问题，根据不同的场景生态提供对应的应用方案。不断增长的应用需求使得人工智能产业保持较高速度的增长，同时也促进了基础信息技术产业的壮大，人工智能核心产业的扩张增长符合产业结构优化升级方向，其对经济的支撑作用不断强化，促使经济实现高质量发展。
2.融合产业的赋能效应。人工智能技术发挥渗透性、替代性、协同性、创造性的技术—经济特征，输出智能化设施、智能化方案，对已有产业进行智能化改造，实现数字经济与实体经济的融合发展，通过提质增效促进经济高质量发展。
在农业领域，人工智能融入农业生产、物流、出售等环节中，实现农业生产的无人数控、基于数据分析的生产决策、智能农业机器人的精准执行等转变。中国工程院院士赵春江认为，数字技术将实现农业的产业结构升级、产业组织优化和产业创新方式变革，进一步实现农业从自然资源依赖向知识资源依赖的转变[11]。在工业领域，人工智能基于不同工业行业的产业特征提供生产服务的精准升级，一方面在生产端实现冗余资产的发现切除、错配资产的优化调整、闲置资产的重新激活，促进生产效率的提升；另一方面在消费端实现用户需求的快速响应、精确匹配、个性定制，充分释放消费端潜力。人工智能目前已经实现了客户识别、定向展示、工业数据分析等诸多应用。在服务业领域，人工智能早已应用于金融、旅游、物流、文化体育等各个领域，其中在金融领域进行赋能的研究与实践最丰富，人工智能的分析与决策潜力被认为是打造数字金融体系，实现包容性增长的重要路径之一[12]。如今人工智能技术正越来越多地被应用于供应链、交通物流、工业互联等领域，在工业、农业、金融、公共安全等行业逐步构建多样化行业技术服务及解决方案平台，将智能技术与行业数据、专业知识、业务流程深度融合，形成细分领域垂直行业平台，提供相对通用的行业应用服务。人工智能核心产业与融合产业促进经济高质量发展的动态作用机理见图2。
图2人工智能核心产业与融合产业促进经济高质量发展的动态作用机理
核心产业与融合产业之间并非独立增长的割裂状态，相反，人工智能对融合产业的增长赋能离不开人工智能核心产业高质量智能化设施与智能化方案的支撑，而核心产业的持续迭代更新也无法脱离融合产业提供的技术升级需求与场景数据反馈，一些阶跃性的模型优化与算法创新在高质量的场景数据支持下可以在短时间内达到极佳的训练效果并迅速投入推广使用，节省大量训练成本。核心产业与融合产业对经济高质量发展的促进作用是一个具有循环化、动态化特征的交互促进过程，在这个交互过程中，核心产业的底层架构创新能力与迭代速度持续提升，数据更加自主可控、安全高效，而融合产业的赋能边界不断拓展，逐步覆盖国民经济全产业链各环节。两类产业对经济高质量发展的促进路径具有内生自我反馈机制，在循环往复、不断深化的持续性过程中，实现更加全面、深化、自主、包容的经济高质量发展。
3.潜在关联产业的活化效应。除核心产业的扩张效应与融合产业的赋能效应外，作为一项颠覆性技术，人工智能还将对经济体系中的潜在关联产业产生重要驱动作用，即产生“活化效应”，带来创造性地增长。很多原本与数字技术毫无关联的产业，在人工智能行业产品输出、服务输出、技术输出、范式输出、商业模式创新等助力下得到活化，迎来了新一轮高质量发展行情。比如，在十余年前，外卖还只是人们拨打商家电话进行点餐配送行为的别称，而如今，外卖在人工智能技术的加持下，通过算法推荐、匹配骑手、产业链优化等方式，已经成长为一个万亿规模的巨型市场。在日常出行领域，人工智能技术为高效安全出行提供支持，在房地产行业，人工智能技术为交易主体实现智能匹配，降低交易时间成本，提升社会福利。我们正处于一个剧烈变革的时代，在可预见的未来，这种活化效应将越来越多地刺激经济社会的各个潜在关联产业，实现高效集约、创新绿色的高质量增长。
活化效应与融合产业的赋能效应有所区别：一是活化效应面对未来，活化对象更多指目前还未与人工智能技术产生交集的潜在行业；二是赋能效应的对象是融合产业，赋能过程中人工智能与融合产业的交互作用、动态发展，需要融合产业不断提供产品服务信息，而活化效应更多通过人工智能核心产业单向输出实现。
此外，对于部分潜在关联产业，特别是非正规部门（可称为市场外潜在关联产业），人工智能通过将其进行资本化来实现活化效应。索托在《资本的秘密》一书曾讨论这类广泛存在于发展中国家，严重阻碍社会部门运转以及经济产业发展的产业，包括城乡接合部非正式市场系统、非法作坊、非法建筑等。这些正式体系之外的经济部门在一定程度上弥补了正式经济领域的空白，但当其比重过大时便会形成对经济社会发展的强大阻力[13]。邱泽奇等将这类资产获得市场进入机会定义为资产的资本化过程，认为促进有效资本增长的途径有两条：其一，提高资本化程度；其二，增加资产数量[14]。在市场外潜在产业的资本化方面，数字技术展现了前所未有的催化效率，而人工智能技术更是综合大数据、识别匹配、智能决策等流程于一体，在社会各个方面实现冗余资产的发现切除、错配资产的优化调整、闲置资产的重新激活，促进了资产的高速、高效资本化。
人工智能通过对市场内潜在关联产业的活化效应，解决产业内存在的问题：其一，供求双方信息流通受阻，市场信息不对称的非匹配问题；其二，产业规模增长而质效降低的粗放增长非集约问题。对于市场外潜在关联产业，人工智能的资本化效应则解决了两方面的问题：其一，非正式产业尾大不掉的非规整问题；其二，数字设备能力差异化、市场进入机会不平等、地域发展不均衡等非公平问题。人工智能充分发挥对潜在关联产业的活化效应，作用范围逐步覆盖国民经济全产业链各环节，提供经济发展过程中非匹配、非集约、非规整、非公平问题的解决方案，实现经济的高质量发展。
二、我国人工智能发展现状
长久以来，中国在世界科技发展历史中扮演着追赶者的角色，而人工智能是我国在新一轮技术革命中率先取得领先优势地位的少数领域之一。2020年中国人工智能核心产业规模达到3251亿元，年度行业投融资金额突破800亿元[15]，人工智能正加速与实体经济融合发展，助力产业转型升级、提质增效。
（一）基于行业发展视角，中国处于人工智能领域的第一梯队地位
目前我国在人工智能领域的论文发文量、专利申请量方面都居于世界前列，并且增长速度正进一步提高。总体而言，中国人工智能处于全球第一梯队位置，成为仅次于美国的第二大贡献国。
根据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发布的《中国新一代人工智能发展报告2020》数据显示，2019年中国共发表人工智能论文2.87万篇，比上年增长12.4%，单年论文规模达到美国的1.5倍，相比2013—2018年共产出7.4万篇有了大幅提升。在全球近五年前100篇人工智能论文高被引论文中，中国产出占21篇，相比2018年增加5篇。中国在人工智能领域各顶级国际会议上的活跃度和影响力不断提升，在自动机器学习、神经网络可解释性方法、异构融合类脑计算等领域中都涌现了一批具有国际影响力的创新性成果。中国人工智能专利申请量2019年超过3万件，比上年增长52.4%[16-17]。另据深圳市人工智能协会发布的《2021人工智能发展白皮书》，截至2020年底，中国人工智能相关企业数量达到6425家，同比增长25.37%，企业数量位居全球第二[18]。另外，中国始终以积极的姿态推动人工智能领域的国际合作，在国际人工智能开源社区的贡献度已成为仅次于美国的第二大贡献国。
（二）基于技术研发视角，中国正处于人工智能发展的关键突破期
人工智能对经济社会高质量发展的促进力量根植于自身的通用性技术特征，而作为一项引领新一轮产业变革的数字技术，其对产业的变革动力来源于底层的一系列技术创新。中国信息通信研究院对人工智能技术创新程度和突破难度进行分类，从高到低分为颠覆、阶跃、创新优化和工程实现四个发展层级[17]。目前，我国在创新优化和工程实现技术方面处于全球领先位置，但在颠覆性和阶跃性技术方面相对缺乏，缺乏全球引领能力。
据中国信息通信研究院测算，现阶段我国在视觉、语音等基础智能任务的工程实现水平，处于世界领先位置，算法模型的二次创新优化能力同样居于世界前列，但在基础理论、原创模型等颠覆性、阶跃性技术领域仍不具备领导能力[19]。具体而言，中国有一大批人工智能研发机构致力于吸收改造领域内的人工智能算法技术并对其进行场景应用方面的训练，在完成工程实现的同时，基于丰富的场景、用户数据对技术模型进行较小的创新优化。如中国科学院大学人工智能学院近年来开发了基于大数据的互联网机器翻译核心技术及产业化（2017）、大规模知识图谱构建关键技术与应用（2020）等项目。在企业方面，旷视科技融合算法、算力和数据，打造新一代AI生产力平台旷视Brain++，开源深度学习框架“天元”，其ShuffleNet模型具备轻量级CNN模型结构，在同等计算复杂度下可编码更多信息。极智嘉科技基于丰富运营经验和场景积累，建立了国内机器人数量最多、出货能力最大的机器人拣选仓库产品和解决方案系统，覆盖订单拣选、自动搬运、包裹分解等不同物流应用场景，提供环境地图构建、动态环境适应、混合场景多传感器融合、自适应运动等一系列技术服务。依图科技与上海交通大学、芯片公司ThinkForce合作建立“视觉计算与应用”联合实验室，搭建全球最大的人像系统，覆盖超15亿人像，为全国20余省的安防、海关总署、中国边检等合作伙伴提供人像比对服务，并广泛应用在招商银行、浦发银行等多个互联网金融业务场景中。
尽管中国在视觉、语音、自然语言处理等基础应用任务的算法开发上技术完成度高、处理能力强、迭代速度快，多所企业与高校在全球权威比赛中成绩优异①，但是，在颠覆层级的基础理论开发，以及阶跃层级的模型原创或技术优化方面，中国缺失与产业体量相匹配的领导力。一方面，知识工程、深度学习、神经网络等人工智能基础理论开发需要相关统计学、认知学、神经学等底层学科作为理论基础，而中国长久以来一直在现代基础学科理论创新方面落后于欧美发达国家，缺乏基础性创造性贡献。另一方面，中国还没能掌握人工智能热点发展方向的决定权，技术标准、数据标准体系长期对标国际，国内研发重心长期跟随国际，缺失人工智能领域技术研发话语权，短期难以突破领域内寡头垄断格局。
①商汤、旷视、依图、腾讯等企业在细粒度图像识别、自动驾驶场景定位及追踪、行人重识别（ReID）、人体视频解析等复杂任务各类比赛中成绩优异；哈工大讯飞联合实验室（JointLaboratoryofHITandiFLYTEKResearch，HFL）在推理阅读理解评测任务（HotpotQA）全维基赛道中获得第一。
（三）基于地域空间视角，中国形成了三大城市群为重要引擎，沿海地区快速增长，内陆地区稳定增长的发展格局
自2017年国务院发布《新一代人工智能发展规划》以来，全国各地加快推进具有地方特色、符合地方定位的人工智能战略规划布局，央地共治共同推动人工智能发展成效显著，相关细化政策不断完善落地。当前中国形成了以京津冀、长三角、大湾区三大城市群为重要引擎，沿海地区快速增长，内陆地区稳定增长的人工智能地域发展格局。其中，京津冀城市群形成以北京为绝对核心的单核加速发展态势，长三角城市群构建以上海、杭州为正副核心的双核引领发展态势，大湾区城市群形成以深圳、香港、广州为核心的三极协同发展态势。三大城市群以外，主要有成都、武汉、长沙、合肥等城市支撑起了内陆地区人工智能领域的发展。
截至2020年底，中国人工智能企业数量达到6425家，京津冀、长三角、大湾区三大区域占据了企业总数量的80%以上。广东、北京、上海、浙江在企业专利申请数量方面领先全国，广东、江苏、北京、浙江是人工智能专利转移最活跃的地区，这些地区通过科技成果供给激发了区域经济发展新动能。2019年人工智能论文发表活跃度排名依次为北京、江苏、广东、湖北等地。2020年人工智能领域从业人员超过60万人，而北京、上海、深圳、杭州聚集了80%以上的人工智能人才①。三大城市群的人工智能快速发展离不开一大批人工智能研发机构的底层支撑，笔者根据机构资料与中国信息通信研究院对人工智能技术层级划分标准，对地处三大城市群的人工智能研发机构进行了简要划分。在北京，有清华大学神经网络结构研究中心、北京大学智能科学系、微软亚洲研究院、百度深度学习研究院支撑起颠覆与阶跃层级的技术开发，中科大模式识别实验室、北理工仿生机器人与系统国际合作联合实验室、旷视科技计算机视觉研究院等则聚焦创新优化与工程实现级的技术研发。上海与杭州在颠覆与阶跃层级的基础理论开发有上海交通大学人工智能数学基础、机器认知计算研究中心、复旦大学类脑智能教育部重点实验室、深兰科学院等校企机构，创新优化与工程实现级则有浙江大学计算智能与信号处理研究所、多源感知与机器智能研究所、之江实验室、上海智能机器人工程技术研究中心等研发机构提供支撑。大湾区地区有着广泛的人才吸引力与技术流动性，建有华为云计算异构系统关键技术工程实验室、中山大学大数据与计算智能研究所、无人系统研究所、深圳人工智能与大数据研究院、香港中文大学智能系统实验室；云从科技—中国民航共建智慧民航研究中心（广州）、大疆智能无人系统开放创新平台等一大批校企研发机构。
①数据来源：深圳市人工智能行业协会。其中，企业专利申请数量：广东28.32万件，北京10.28万件，上海6.13万件，浙江3.67万件
三、我国人工智能促进经济高质量发展存在的主要问题
（一）关键核心技术缺乏与产业话语权缺失导致核心产业低质扩张
在当前世界局势中，人工智能被视为经济社会发展重要的新增长点，各国都十分重视人工智能技术的发展，国内人工智能企业与高校科研院所在国际市场中极易被打上“中国”的标签，并遭遇一些来自非市场力量的压迫。中国目前在创新优化级、工程实现级的人工智能技术研发工作取得了巨大成就，但在颠覆性理论突破与阶跃性模型创新方面还有所不足，中国还未能掌握人工智能热点方向的决定权，技术标准、数据标准体系不得不长期对标国际，研发重点跟随国际脚步，缺失人工智能领域技术研发话语权。同时，在关键技术、芯片制造、架构设计、底层平台方面中国还面临着发达国家“卡脖子”的局面。人工智能促进经济高质量发展的路径之一是通过其核心产业的扩张增长，在核心技术话语权缺失的情况下，中国将难以发挥核心产业的扩张效应，甚至长期陷入“大而不强”的被动局面。
（二）产学研合作存在“梗阻”与要素流通不畅导致融合产业低效赋能
人工智能对融合产业的赋能过程涉及特定产业专业与人工智能专业的交叉复合知识，更需要研发端长期布局，熟悉特定产业的运行架构与关键症结。然而，目前中国不同人工智能主体的研发重心存在偏差，高校科研院所相对重视人工智能理论开发与模型训练问题，而人工智能企业更重视场景应用与技术服务，产业端与研发端之间的界限依旧牢固，市场激励基础理论研发与基础研发促进产业升级的双向路径不通畅，技术、人才、制度、数据等要素难以自由流动，核心产业与融合产业之间的产品服务流与信息数据流渠道受阻，原本的动态融合逻辑被打破，人工智能对融合产业赋能成本高、效率低、效果差，无法充分发挥对经济高质量发展的交互促进效应。
（三）平台垄断问题与溢出效应不足导致潜在关联产业低迷活化
在人工智能时代，学习算法不断优化，模型算力持续进步，数据的经济价值将得到前所未有的深度挖掘和充分释放,为海量用户数据提供了完美的商业可能。同时，人工智能技术依赖数据进行正反馈循环发展，行业自然倾向于垄断，当人工智能头部平台公司形成一定的市场势力，市场机制将很难阻止其利用“技术+市场势力”的循环进一步深化垄断格局。人工智能产业主体通过数据垄断而限制、排除竞争的行为，将成为反垄断法面临的新时代课题[20]。当前，我国数字经济平台垄断问题已经有所凸显，以滴滴为代表的一批数字平台被国家互联网信息办公室核实存在严重违法违规收集使用个人信息问题，要求下架整改[21-22]。人工智能行业存在的垄断问题对行业发挥溢出效应有着严重的阻碍，行业活力被抑制，导致人工智能对于潜在关联产业的活化效应严重释放不足。
（四）相关社会伦理道德规范缺失，隐私保护和安全性问题突出
与发达国家相比，我国还缺乏与人工智能相关的社会伦理和法律规范系统研究和整体规划，对于人工智能使用和赋能造成的潜在风险、隐私保护，缺乏事前预见性和事后应急处置方案，特别是在社会治理领域的应用，容易诱发隐私侵犯、侵入式检测事件，甚至诱发危及社会稳定和政权安全的严重群体性社会问题。人工智能法律法规有待完善，行业发展尚需伦理准则规范，法律地位不明确、算法不透明、危险决策不可解释等一系列风险亟须解决。
此外，我国还存在开源软件使用不当导致的知识产权侵权风险、强制开源导致企业核心技术泄露风险（如使用GPL等许可协议，要求引用/修改/衍生代码的开源/免费使用，不允许修改/衍生的代码作为闭源商业软件发布和销售）、不遵守许可协议造成合同违约风险，以及多个开源许可证不兼容风险等一系列问题。在开源软件使用不当方面，我国人工智能领域在国际上声誉受损和被经济制裁的案例时有发生。
（五）相关人才短缺且结构不合理，难以支撑实体经济高质量发展
1.高端人才总量偏少。知名AI领域机构ElementAI发布的2020年《全球AI人才流动报告》称，尽管中国在人工智能处于世界前列，论文数量排名也居于全球第二位置，但中国人工智能人才储备表现不佳，在全球AI人才库中，美国拥有188300人，再次位列第一，印度拥有86213人，居次席，中国拥有AI人才数量仅为22191人，排在第四位；并且，据测算，2014—2019年，中国人工智能高端人才呈现越来越严重的净流出状态[23]。
2.人才结构不合理。我国人工智能人才主要集中在应用领域，而美国则主要集中在芯片、机器学习、计算机视觉等重要基础技术领域。我国目前缺乏具备人工智能和实体经济交叉知识体系的复合型人才，但高校专业设置落后于科技发展实际，人工智能专业教学存在缺乏实践、领域宽泛、知识陈旧、碎片化严重等问题。产业界则存在人才使用和激励机制不完善的问题，对如何评价科技人员贡献缺乏有效办法，人工智能技术人员在选拔、任用、培养、使用上缺乏有效激励办法。
四、对策建议
（一）推进基础理论研究和关键共性技术开发，提高科技自立自强能力
针对核心产业低质扩张问题，充分发挥新型举国体制优势，集合产学研多方优势，加大在机器学习、智能计算、核心算法、基础软硬件等人工智能前沿理论和关键核心技术研发应用的投入力度，坚持创新在经济高质量发展中的核心地位，增强科技自主创新能力，尽快在基础理论研究和关键共性技术获得突破，解决一批“卡脖子”技术问题，提高人工智能领域科技自立自强能力。
针对融合产业低效赋能问题，大力推进以企业为主体、“政产学研用”相结合的开放式协同创新，提高创新生态系统开放性、协同性。加强人工智能相关的企业国家重点实验室建设，支持企业与高校、科研院所等共建研发机构和联合实验室，打破产学研壁垒，进一步疏通二者之间技术、人才、制度、数据的流动路径，加强面向人工智能和行业共性问题的应用基础研究，联合开展关键共性技术攻关。鼓励不同产业领域对人工智能技术的创新应用，加快人工智能应用覆盖速度，拓展人工智能应用赋能边界。鼓励实体经济与人工智能的深度融合，推进融合产业动态高质量发展。
（二）优化行业发展环境，促进产业生态良性发展
人工智能与实体经济深度融合需要优化发展环境，包括完善的市场建设、公平的竞争环境、良好的商业秩序、政府规范合理的行为及其激励与保障下企业对于技术创新与产业创新的追求（而非对于寻租及政策套利活动的追求）。
在反垄断方面，贯彻落实《中华人民共和国反垄断法》和《国务院反垄断委员会关于平台经济领域的反垄断指南》，强化对数字经济平台企业反垄断执法，坚决制止平台企业利用算法歧视、算法操纵、数据垄断、侵犯隐私等手段，侵害消费者利益，实施排除、限制竞争的行为。
在政策环境方面，推进普惠性产业政策转型，由当前“政府选择+政策支持”的产业政策，与“产业规划—项目选择—政策支持—效果评估”的政策实施方式，转变为“环境建设+市场选择”的产业政策，与“产业规划—环境建设—体制机制保障—企业行为—市场选择”的政策实施方式[24]。
在市场环境方面，完善全国统一、竞争有序的市场体系建设，加大知识产权保护力度，防范打击人工智能领域知识产权侵权行为。建立完善人工智能知识产权交易制度，促进人工智能技术在产业间的扩散。完善资本市场支撑环境，优化人工智能与实体经济融合的金融市场支持。完善区域间技术、人才、资本流动环境，积极引导中西部地区重视人工智能产业发展，解决地域发展不均衡问题。
（三）完善相关法律法规和伦理规范制度，促进人工智能“科技向善”
新一代人工智能技术是一种数据驱动型技术，存在着技术上鼓励数据的全社会流动共享与安全上要求个人加强隐私信息保护之间的深层矛盾。数据的高质量、大规模、可得性关乎人工智能发展的成败，因此在数据安全性方面，需要政府重视相关法律法规体系建设，行业协会加快制定行业标准规范，企业内部建设并严格执行数据泄露惩罚机制。
贯彻落实《中华人民共和国网络安全法》《中华人民共和国数据安全法》，呼吁尽快出台《中华人民共和国个人信息保护法》。借鉴欧盟《通用数据保护条例》等在数据安全和隐私保护的先进经验，结合实际情况出台相关实施细则和配套政策，在确保数据安全和个人隐私、企业秘密前提下，鼓励数据互联互通。组织社会学家、法律专家、技术专家针对相关问题展开合作，全社会广泛参与讨论，制定完善相关法律法规和伦理规范，规范人工智能信息收集、保存、使用、共享、转让、信息披露等活动，实现信息安全、隐私权与数据可得性之间的平衡，确保人工智能“科技向善”。
（四）构建高素质人才培养体系和人才流动机制，促进包容性均衡发展
人工智能核心产业扩张增长过程的专业性与融合产业赋能增长过程的复合性对相关人才的数量、质量提出了高要求。中国需要在鼓励高校设立人工智能专业的同时，鼓励设立“人工智能+”复合专业，培养融合专业人才。基于多学科构建人工智能人才协同培育体系，加强优势专业校际交流，深化教育科研改革，加大交叉人才培养力度，增加人工智能人才储备。
我国人工智能发展水平高的机构和企业主要集中在东部地区，中西部人工智能研发和应用水平相对较低，区域发展不平衡问题较为突出。中西部地区应以大力发展数字基础设施为契机，完善地区营商环境和知识产权保护制度，构建灵活顺畅的人才流动机制，通过建立人工智能专项发展基金池等办法，吸引东部人才到中西部地区创业发展，提升中西部地区人工智能发展水平。
拓宽国际人才交流和招揽渠道，扶持人工智能、机器学习，以及数字经济所需的数据分析、云端计算等领域的人才引进及培养。鼓励高校、企业相关团队赴国外顶尖大学及研究机构合作交流人工智能及机器学习等最新技术。完善外籍高层次人认定标准，畅通人才申请永久居留的市场化渠道，为外籍高层次数字科技人才在华工作、生活提供更多便利。完善国际化人才培养模式，加强数字科技人才国际交流合作，推进职业资格国际互认。
（五）加快人工智能创新应用先导区和创新发展试验区建设，推进改革试点和应用示范
目前，工信部已经在上海（浦东新区）、深圳、济南—青岛、北京、天津（滨海新区）、杭州、广州、成都设立了8个国家人工智能创新应用先导区，这是部省协同推进人工智能和实体经济深度融合的重要举措。科技部则分别发函支持北京、上海、合肥、杭州、深圳、天津、济南、西安、成都、重庆、广州、武汉、苏州、长沙等城市和浙江省德清县，建设国家新一代人工智能创新发展试验区，国家新一代人工智能创新发展试验区已达14市1县。
要以创建国家人工智能创新应用先导区和国家新一代人工智能创新发展试验区为契机和载体，发挥先导区和试验区在技术原创、产业生态、人才基础、发展环境等多重优势，不断拓展应用场景，促进人工智能与制造业深度融合，促进人工智能与核心产业、融合产业、潜在关联产业更多融合发展。与此同时，探索新一代人工智能发展新路径新机制，形成可复制、可推广的经验，不断挖掘机制改革“深度”，提升创新能力“高度”，加快应用落地“速度”，增进产业集聚“热度”，导出经验、模式、产品及服务，为经济高质量发展提供有力支撑。
参考文献
[1]姜国睿,陈晖,王姝歆.人工智能的发展历程与研究初探[J].计算机时代,2020(9):7-10,16.
[2]习近平主持中共中央政治局第九次集体学习并讲话[EB/OL].(2018-10-31)[2021-07-07].http://www.gov.cn/xinwen/2018-10/31/content_5336251.htm?cid=303.
[3]蔡跃洲,张钧南.信息通信技术对中国经济增长的替代效应与渗透效应[J].经济研究,2015(12):100-114.
[4]蔡跃洲,陈楠.新技术革命下人工智能与高质量增长､高质量就业[J].数量经济技术经济研究,2019(5):3-22.
[5]HolfordWD.Thefutureofhumancreativeknowledgeworkwithinthedigitaleconomy[J].Futures,2019(105):143-154.
[6]曹静,周亚林.人工智能对经济的影响研究进展[J].经济学动态,2018(1):103-115.
[7]郭晗.人工智能培育中国经济发展新动能的理论逻辑与实践路径[J].西北大学学报(哲学社会科学版),2019(5):21-27.
[8]师博.人工智能助推经济高质量发展的机理诠释[J].改革,2020(1):30-38.
[9]任保平,宋文月.新一代人工智能和实体经济深度融合促进高质量发展的效应与路径[J].西北大学学报(哲学社会科学版),2019(5):6-13.
[10]罗以洪.大数据人工智能区块链等ICT促进数字经济高质量发展机理探析[J].贵州社会科学,2019(12):122-132.
[11]赵春江:加快数字技术应用于农业农村[N].农民日报,2020-12-19(03).
[12]张勋,万广华,张佳佳,等.数字经济､普惠金融与包容性增长[J].经济研究,2019(8):71-86.
[13]赫尔南多·德·索托.资本的秘密[M].于海生,译.北京:华夏出版社,2012.
[14]邱泽奇,张樹沁,刘世定,等.从数字鸿沟到红利差异——互联网资本的视角[J].中国社会科学,2016(10):93-115,203-204.
[15][18]深圳市人工智能行业协会发布《2021人工智能发展白皮书》[EB/OL].(2021-05-28)[2021-06-20].https://www.sohu.com/a/469049593_121123919.
[16]《中国新一代人工智能发展报告2019》发布——我国人工智能论文发文量全球领先[EB/OL](.05-26)[2021-06-08].https://baijiahao.baidu.com/s?id=1634542618791206141&wfr=spider&for=pc.2019-
[17]《中国新一代人工智能发展报告2020》发布[EB/OL].(2020-10-22)[2021-06-14].https://baijiahao.baidu.com/s?id=1681229567542644309&wfr=spider&for=pc.
[19]《人工智能核心技术产业白皮书》发布[EB/OL].(2021-04-21)[2021-06-20].https://www.sohu.com/a/462167290_120056153.
[20]吴汉东.人工智能的数据垄断与反垄断法的时代使命[N].光明日报,2018-07-03(11).
[21]关于下架“滴滴出行”App的通报[EB/OL].(2021-07-04)[2021-07-11].http://www.cac.gov.cn/2021-07/04/c_1627016782176163.htm.
[22]关于下架“滴滴企业版”等25款App的通报[EB/OL].(2021-07-09)[2021-07-11].http://www.cac.gov.cn/2021-07/09/c_1627415870012872.htm.
[23]2020全球AI人才报告:全球AI人才突破47万,中国仅有2万[EB/OL].(2021-03-25)[2021-07-09].https://www.sohu.com/a/457292666_120129517.
[24]高煜.我国经济高质量发展中人工智能与制造业深度融合的智能化模式选择[J].西北大学学报(哲学社会科学版),2019(5):28-35.
方澳，中国社会科学院大学硕士研究生，研究方向为数字经济、政府政策。
郭朝先,方澳.人工智能促进经济高质量发展：机理、问题与对策[J/OL].广西社会科学:1-10[2021-07-26].http://kns.cnki.net/kcms/detail/45.1185.C.20210723.1327.002.html.
人工智能产业迎来发展新机遇
习近平总书记强调，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，促进其同经济社会发展深度融合，推动我国新一代人工智能健康发展。
近年来，我国人工智能产业在技术创新、产业生态、融合应用等方面取得积极进展，已进入全球第一梯队。中国信通院测算，2022年我国人工智能核心产业规模达5080亿元，同比增长18%。
我国人工智能产业的发展现状与发展趋势如何？面临着哪些机遇？今后产业发展有哪些着力点？最近，记者采访了工业和信息化部相关负责人及业内多家企业。
核心技术取得突破，创新能力显著提升
无保护左转、行人车辆避让、自动变道、自动转向、红绿灯识别、窄路及拥堵路段通行、自动绕障……北京轻舟智航科技有限公司不久前推出的基于地平线征程5芯片的“轻舟乘风高阶辅助驾驶解决方案”，支持城市多场景、高速公路、快速路多种复杂路况的点到点辅助驾驶，让开车变得轻松。
包括18个智能水位站、5个流量站、100套森林火灾地表火探测器在内，200余个前端感知点位，将实时数据输送至云从科技主导搭建的综合枢纽数字孪生平台——“天府大脑”，并在数字孪生世界完美复原成都天府新区的生态现状。水体抬升、水质反演、污染等城市应急事件，在AI（人工智能）赋能下完成高效能治理。
六轴机器人轻柔地抓起几十公斤重的电池模组，精准放置到电池包底座上，在AI视觉和100%扭矩监控下完成自动拧紧，安装精度达到0.2毫米……在上汽通用汽车武汉奥特能超级工厂电池车间模组上线工位，由上汽通用工程制造团队与国内顶尖人工智能企业共同开发的“机器人、3D点云视觉、力控感知”技术融合应用，在业内成功落地。
“智能视觉技术在装配工艺中的应用，有效避免了模组在组装过程中由于磕碰造成的潜在安全风险，确保了装配过程电池零损伤。”据工厂负责人介绍，后续的电池包涂胶、合盖、拧紧工艺，也全部基于数字孪生技术的机器人自动完成。通过采用深度学习算法的视觉技术进行多重质量保证，安装工艺实现测量精度小于0.1毫米，确保电池包满足最高密封等级要求。
不仅如此，在武汉奥特能工厂，数字孪生技术已广泛运用于产线规划、设备制造、安装调试、生产运营监测、设备预维护等领域，节省设备建造、调试时间约50%，项目实际投产比规划提前了5个月。
以上事例，是我国人工智能创新能力显著提升的缩影。总体看，有四个方面主要进展：
——人工智能专利申请量居世界首位。据中国信通院测算，2013年至2022年11月，全球累计人工智能发明专利申请量达72.9万项，我国累计申请量达38.9万项，占53.4%；全球累计人工智能发明专利授权量达24.4万项，我国累计授权量达10.2万项，占41.7%。
——创新载体建设取得新进展。一批新型研发机构在人工智能大模型、人工智能计算芯片等领域取得了技术突破。算力基础设施达到世界领先水平。全国一体化大数据中心体系基本构建，“东数西算”工程加快实施；建成一批国家新一代人工智能公共算力开放创新平台。
——关键核心技术局部突破，部分关键应用技术居世界先进水平。我国企业在应用算法、智能芯片、开源框架等关键核心技术上已取得重要突破，图像识别、语音识别等应用技术进入国际先进行列，智能传感器、智能网联汽车等标志性产品有效落地应用。
——产业生态初步形成。目前，我国已有超过400所学校开办人工智能专业，高端人才居全球第二。截至2022年底，全球人工智能代表企业数量27255家，其中我国企业数量4227家，约占全球企业总数的16%。我国人工智能产业已形成长三角、京津冀、珠三角三大集聚发展区。百度、阿里、华为、腾讯、科大讯飞、云从科技、京东等一批AI开放平台初步具备支撑产业快速发展的能力。
融合应用步伐加快，赋能效果持续显现
“春节后，早高峰等车时间变短了，车上也不那么挤了。”2月23日7时40分，李先生在深圳桃源村东72路公交车站登车。他并不知道，车队根据智能排班，车辆周转率提升10%，乘车舒适度也提高了25%。
深圳巴士集团安托山公交车队调度组长陈晓岚告诉记者，去年车队6条线路、72辆公交车安装智能系统后，借助人工智能算法，车队可以通过精准匹配的动态飞线图，全面了解线路客流信息，如哪个时段、哪个区间客流量大，进而调整线路早晚高峰时段的发车频次，增发72路、M500路区间车，提升了线路运营效率，方便了乘客出行。
据了解，目前，深圳已经有6000辆公交车安装了该系统。构建城市级公交大脑不仅帮助公交公司降本增效，还有效推动城市智慧出行。
“伴随着人工智能在智慧城市领域的应用加速落地，我们对智慧城市的理解越来越深，战略也越来越清晰，那就是做自进化城市智能体。”云天励飞副总裁郑文先说，云天励飞拥有算法、芯片、大数据全栈式AI能力，基于对行业场景需求的深刻理解，通过自定义指令集、处理器架构及工具链的协同设计，实现了算法芯片化，进而打造具备多维敏捷感知、海量数据分析、全局实时洞察、持续迭代进化的城市超级大脑，助力智慧城市建设。目前，一系列示范应用已在北京、上海、深圳、青岛、成都等多个城市实现项目落地。
中国电子信息产业发展研究院副总工程师安晖表示，当前，人工智能与一、二、三产业融合成效初显，正在从医疗、交通、制造等先导产业领域向旅游业、农业等领域拓展；智能金融、智能医疗、智能安防、智能交通等领域已经成为人工智能技术产业化落地的热点应用场景；制造业研发设计、工艺仿真、生产制造、产品检测等重点环节智能化水平全面提升。
推动关键核心技术攻关，培育良好发展生态
“作为国内首款可量产的百TOPS级大算力AI芯片，地平线征程5已经获得比亚迪、上汽、一汽等多家主流车企的量产合作项目，首款量产车型已于今年2月落地。”业内专家表示，实现大算力车规级芯片量产，国内芯片企业仍需突破一些关键技术，如先进封装技术、自主IP技术、高算力芯片系统架构，以及功能安全流程、功能安全产品认证、车规可靠性认证等。
车规级智驾和智舱芯片，只是我国人工智能产业链短板之一。安晖认为，总体看，我国人工智能基础理论、核心关键技术积累不足，核心算法、AI框架、芯片及基础元器件与国外差距较大，重大原创科技成果还需要进一步研发。
“实现人工智能产业高水平自主可控，国内企业要加强产学研用协同创新，推动关键核心技术攻关。”安晖列举道，一是大力推进人工智能基础软硬件开发，加强小样本学习、迁移学习等基础技术研究，提升原始创新能力。二是加快智能芯片、深度学习框架及关键算法等共性技术迭代升级与产业化，发展感存算一体化的智能传感器。三是强化知识计算引擎、跨媒体智能、自然语言处理、自主无人系统等技术攻关与应用，加快人工智能安全技术创新。四是加速语音、图像文字等多媒体技术向跨媒体技术提升，推动感知智能向认知智能演进，发展超大规模预训练模型。五是加快人工智能与5G大数据、云计算、区块链等技术的融合创新，鼓励开发融技术产品并加速商业化落地。六是推动类脑智能等前沿技术，前瞻布局人工智能与量子信息、脑机接口等前沿领域探索。
在云从科技副总裁王仲勋看来，我国人工智能企业和初创公司在获得资金支持方面仍存在一定困难，有时无法承担训练大型语言模型的高昂成本，“此外，一些财力雄厚的大企业，项目投资更多关注短期的投资回报率，对长期规划且产出成果不明确的项目存在一定程度的重视不足。”
工信部有关负责人表示，“十四五”期间，我国将加快壮大人工智能产业，培育良好发展生态，具体举措包括：组织由大中小企业联合、产学研共同参与的创新联合体，推动人工智能关键核心技术突破，提升我国智能芯片、开发框架、典型智能产品等水平；加快人工智能在制造、交通、能源等领域的应用，推动重点领域智能化转型；打造产业集群，培育一批具有国际竞争力的人工智能龙头企业，发展一批专精特新企业，依托先导区打造产业集聚发展高地。
以技术突破和应用拓展为主攻方向，依托我国超大规模市场优势吸引全球资源要素，我国人工智能产业正在与实体经济深度融合，成为经济社会发展新的增长引擎。据预测，到2030年，我国人工智能产业规模将达到1万亿元。（王政）
[责编：姜楠]以人工智能为引擎推动产业智能化发展
作者：王林辉（吉林大学商学与管理学院教授）董直庆（华东师范大学工商管理学院教授）
党的二十大报告强调，“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎”。当前，人工智能日益成为引领新一轮科技革命和产业变革的核心技术，在制造、金融、教育、医疗和交通等领域的应用场景不断落地，极大改变了既有的生产生活方式。统计数据显示，中国2021年机器人出货量达26.8195万台，存量突破100万台，2011年后中国人工智能专利申请量高居世界首位，2020年达到46960项，这表明中国已跻身全球人工智能发展的前列，市场前景广阔。作为世界第二大经济体，我国拥有数以亿计的互联网用户以及海量大数据资源，这种大国经济特征为深化人工智能应用、加快产业智能化发展提供了丰富的数据支持和广阔的应用场景。我国门类齐全、体系完整和规模庞大的产业体系，更是为产业智能化向广度和深度发展奠定了坚实基础。展望未来，人工智能技术引领的新一轮科技革命和产业变革浪潮，将成为未来世界经济和高端制造的主导技术，更会对中国现代化产业体系建设发挥无可替代的作用。
人工智能赋能方向和产业智能化应用场景
人工智能技术可以模拟人的思维过程如归纳、推理、判断等，使机器独立或通过人机协作方式执行生产任务。在机器人参与的生产过程中，生产任务被分解成一系列连续型任务，然后通过系统集成、功能集成和网络集成统一由机器人完成。人工智能技术可嵌入技术研发、产品设计、原材料加工、中间品制造、最终品装配、产品流通与市场销售等产业链条的各个环节，全面赋能各个产业链节点，最终产生更高效的新业态与新经济模式。
基于技术高渗透性及生产任务可智能化的属性，人工智能的应用场景不断拓展。人工智能技术正在全面赋能各类行业，全方位改变传统产业的经营模式和生产业务流程，推动产业的智能化升级。在制造业领域，工业机器人可精准代替人工完成高难度、高负荷的任务，尤其是能够代替人在危险或恶劣环境中工作，目前工业机器人应用最广泛的汽车制造业已基本实现全流程智能化制造。在农业领域，智能机器人在播种、灌溉、除草和收割等农业生产中广泛应用，逐渐展现出一幅智慧农业的美好画卷。在服务业领域，智能客服机器人代替人工进行查询、咨询和业务处理等工作，在极大降低客服成本的同时也提升了服务质量。在医疗卫生行业，机器人可协助医生精准完成外科手术，快速完成数以万计影像的特征识别、标注与分析，从而提高病情诊断的效率与准确率，可以协助护理人员帮助患者恢复肢体功能。在商业方面，以人工智能为核心技术的智能化产能预测和销售系统，可以精准对接供求信息并开展智慧决策，实现以市场需求为导向的资源投入和优化决策。
人工智能技术催生新产业、重塑产业链
根据其技术属性，人工智能产业可细分为基础层、技术层和应用层三个层面。基础层主要包括芯片、传感器、云计算和大数据服务等软硬件设施及数据服务；技术层包括核心的人工智能技术诸如机器学习、计算机视觉、语音图像识别和算法理论等；应用层主要指人工智能的应用领域如智能家居、智能安防和智慧金融等。这三个层面的产业和企业相互促进，对我国的产业链进行全方位赋能。
人工智能技术通常以智能机器设备为载体，通过智能化系统实现传统生产环节的智能化改造，在替代劳动力执行生产任务的同时，也会通过创造新生产任务催生相关的新职业和新产业。具体而言，人工智能技术的应用会促进企业突破既有生产边界，向产业链上游延伸或向下游拓展，推动终端设备、产品及服务的智能化，加快技术成果的产业化和商业化，不断衍生出新的行业或新的产品，诸如无人驾驶、无人零售、智能家居等。新产品新产业的涌现，必然会催生大量新的职业。2020年2月25日，人力资源和社会保障部与国家市场监管总局、国家统计局便联合向社会发布了智能制造工程技术人员、工业互联网工程技术人员、虚拟现实工程技术人员、人工智能训练师等新职业。此外，人工智能技术结合互联网、大数据等数字技术不断催生新行业的同时，也不断淘汰旧行业，引发新旧行业更替，从而重塑现有产业格局。
人工智能技术可以促进产业链纵向延伸，不断加大产业链长度，进而实现产业链重构；人工智能技术可以促进产业链的横向拓展，拓宽产业链的宽度并形成产业集群；人工智能技术可以结合大数据和互联网等数字技术，不断提升产业链的内部关联性与外部协同性，从而全面优化产业链，形成产业链新格局。智能化系统的应用能促使互补型企业更好地关联起来，通过企业合并、重组或集群化发展实现产业链横向拓展；智能化系统的应用能接通散落于不同空间产业链的断环或孤环，形成新的产业链环，增加产业链的整体附加值和韧性，有效提高产业链抵御外部风险的能力。当然，人工智能技术也会打破产业链空间稳态，使一些企业摆脱地理区位和传统生产要素的约束，并通过进退与转移形成新的产业集群，带动新的上下游产业发展，从而引发相关产业链由线状向网状交织模式的演化，进而重塑产业链空间格局。
加快发展人工智能技术，推动产业智能化发展
人工智能技术正在成为推动我国经济持续增长的重要引擎，如何占据人工智能技术制高点并推动产业智能化发展，是当前加快产业转型升级，推动经济高质量发展的重要内容。
政府应积极搭建智能服务平台，助力企业加快智能化转型。政府充分发挥主导作用，为相关企业、高校及科研院所的产学研合作提供稳定合作的平台，促进科技成果有效转化；积极建设信息服务平台，为企业提供智能化设备采购、使用指导、维修养护、检测诊断、人员培训和市场推广等服务，多举措支持和促进人工智能产业发展。
企业注重培训在岗人员职业技能，使其快速适应人工智能领域的新技术环境。通过定期组织在岗人员技能培训，提升劳动者的职业技能水平和人机匹配效率，更好地适应新技术环境。人力资源和社会保障部门应联合企业及职业培训机构，根据现实市场需求及时开设相关技能培训课程，如计算机网络、数据存储技术、图像设计等，以及人机交互能力等新技能培训，为劳动者提供技能学习的机会，尽可能减少由于技能折旧引发的失业。
加强校企合作，构建相关劳动就业需求的动态跟踪与预测机制，准确把握人工智能应用背景下的职业技能需求，精准定位人才培养方向。高等院校增设人工智能等相关专业，重视人工智能基础算法与基础硬件等核心课程体系建设，改造和优化原有课程体系，为人工智能技术发展提供人才支持。增设相关的创新创业训练项目，并与企业共建实习实训基地，打造专业理论与实践能力协同培育模式，为社会输送应用型专业人才。
《光明日报》（2022年11月29日 11版）
[责编：丁玉冰]中国科学院《人工智能前沿研究与产业发展报告2023》重磅发布！
2021/12/2810:53中国科学院《人工智能前沿研究与产业发展报告2021》重磅发布！C114通信网人工智能是数字经济新时代下的重要生产力，利用人工智能技术打造数字经济新引擎更是当下的发展风口。12月25日，中国科学院人工智能产学研创新联盟年会暨第三期人工智能创新大讲堂在北京举行，人工智能领域技术、产业等各方专家汇聚一堂，共同探讨如何用人工智能技术赋能数字经济新时代。会上重磅发布了中科院联盟人工智能年度报告和年度人工智能亮点成果。
会议现场，中国科学院院士、中科院软件所研究员冯登国，中国工程院院士、北京邮电大学教授张平，中国科学院科技战略咨询研究院院长潘教峰，中科院人工智能产学研创新联盟联合理事长、中国科学院自动化研究所所长徐波，中科院人工智能产学研创新联盟联合理事长、科大讯飞董事长刘庆峰等业界领军人物共话行业动态，会议由科大讯飞高级副总裁、研究院院长胡国平主持。
前沿动态分享新锐观点迭出
“十四五”规划纲要提出，要以数字化转型整体驱动生产方式、生活方式和治理方式变革，充分发挥我国数据、应用场景的优势，促进数字技术与实体经济深度融合。
当前，人工智能已成为新一轮科技革命和产业变革的重要驱动力量，利用人工智能推动产业高质量、现代化、智能化水平提升，是我国人工智能行业知名专家和领军企业家的矢志所在。
“以人工智能为代表的新一代信息技术，正深刻改变着世界发展格局。”作为联盟战略咨询委员会主任，中科院科技战略咨询研究院潘教峰院长在致辞中提出，当下各国争相竞力，谋占技术高地，中国也在不断发力，已形成了从中央到地方、从技术到产业纵横结合的人工智能发展体系。
他表示，从2017年成立至今，中国科学院人工智能产学研创新联盟多次承担国家重大任务，推动产学研合作及技术成果相继孵化落地。“我们期待联盟能够携手社会各界力量，紧密合作，共同推动中国科学院乃至中国人工智能事业的发展。”
中国科学院控股有限公司索继栓董事长在致辞中表示，加快发展新一代人工智能是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。他对联盟提出了三点建议：“一是坚守源头核心技术创新，实现关键技术自主可控；二是着力打造人工智能产业新生态，形成国家需求引导、产业集群引领、协同创新的新模式；三是护航数字经济行稳致远，重塑百花齐放、活力迸发的平台经济健康生态。”
中国科学院冯登国院士在《网络空间安全技术发展态势》主题演讲中将当前网络空间安全技术发展态势概括为以下几点：人工智能技术已成为网络安全技术的创新源泉；量子计算机等新型计算机技术促使高强度安全技术快速发展；5G落地应用与6G快速推进，牵引了网络安全技术高速发展；区块链为网络安全技术创新发展注入新的活力；大数据和云计算技术引领数据安全技术创新发展。
在《AI使能6G演进及应用》主题演讲中，中国工程院张平院士分享对AI+6G未来发展方向的看法。他认为，6G将走向人机物灵充分联结、虚实结合、智慧涌现的泛在智简网络。而泛在智简网络既作为智慧化的服务基础设施和创新生态的数字化材料元素，又因其引入的人灵境协同，将提供先进智能涌现、创新创造赋能的生态环境。同时，灵境协同增强后的个人、组织、城市、国家，将以守仁求和为理念，开展价值共创，共建人类命运共同体。
科大讯飞董事长刘庆峰以《产学研合作推动人工智能生态繁荣》为题发表主题演讲，分享了当前以科大讯飞为代表的企业在语音识别、机器翻译、自然语言理解等人工智能技术方面的进展。他指出，人工智能下一步研究的四个主要方向包括无监督训练、多模态融合、脑科学交叉研究、人机协同进化。
当前，人工智能要切实解决社会重大命题，必须要从单点应用突破到系统性创新。以教育领域为例，科大讯飞正切实用因材施教的系统性创新助力教育“双减”，使得学生无效练习、作业时间、焦虑情绪均取得显著降低，提升学习兴趣。
刘庆峰强调，人工智能是支撑幸福中国和工业强国的必然选择，而生态的繁荣决定了未来人工智能产业全球竞争格局，也是产学研联盟的重要基础，科大讯飞也期待着继续与联盟一同创新开放、合作共赢。
人工智能前沿研究与产业发展报告重磅发布
产业发展未来可期
2021年是“十四五”规划和第二个一百年奋斗目标的开局之年，政策加持之下，人工智能势头猛劲，数字经济方兴未艾，人工智能产业迎来了助推浪潮。年会现场，中科院战略咨询院张凤副院长代表联盟发布年度报告——《人工智能前沿研究与产业发展报告2021》。报告从人工智能国内外战略态势、技术趋势、产业发展与应用以及中科院研究亮点成果等四个方面，回顾并总结了2021年全球人工智能前沿研究与产业发展动态。
报告认为，2021年世界主要国家均已进入全面推进人工智能战略的阶段，人工智能监管已成为各国人工智能发展的重中之重，人才培养是各国AI发展的核心竞争力，AI基础设施的重要性愈发凸显。
针对中国人工智能发展现状，报告总结了五项特点：优化人工智能战略布局，推动产业融合发展；夯实学科建设基础，注重人工智能区域人才；完善人工智能标准体系，制定相关法律规范；加快人工智能政策落地，开展实验区规划建设；开展人工智能发展研究，为产业发展建言献策。
对于产业发展态势，报告分析认为，人工智能产业规模持续扩大，预计到2025年末中国人工智能核心产业规模有望达到4000亿。在智能语音市场，科大讯飞竞争优势明显，市场份额稳居第一。人工智能企业持续蓬勃向上，人工智能产业集群化现象明显。
应用环境向好，人工智能发展如虎添翼，一大批智慧应用也瞄准未来科技和产业发展的制高点成功落地应用，并取得显著成效。
现场，中科院联盟发布年度人工智能亮点成果，13家单位的14项成果入选，分别为：
自动化所--工业外观检测自动化技术方案，微电子所--标算研深度学习平台V1.0，上海微系统所--免开颅微创植入式高通量柔性脑机接口，重庆研究院--人工辅助验证智慧安保系统，深圳先进院--城市安全风险多维立体感知与应急处置协同，合肥研究院--智慧党建数字化平台，科大讯飞—讯飞开放平台，国科投资推荐的--智能配送机器人，科大讯飞—智医助理，中科曙光--新一代人工智能计算平台，寒武纪—思元370芯片，中科信息—人大智能化信息平台，云从科技—人脸识别技术，汉王科技--汉王视频智能分析平台。
现场，中科院自动化所研究员王金桥、中科院上海微系统所副所长陶虎、中科曙光高级副总裁任京暘聚焦各自前沿研究成果带来了技术落地应用进展分享。
拥抱人工智能，赋能数字经济，此次联盟年会和大讲堂不仅让国内外人工智能发展的最新政策、战略和成果得到分享，还为政府、企业、院所和公众搭建了对话平台，促进人工智能合作“生态圈”生生不息。相信在中国科学院人工智能产学研创新联盟的推动下，人工智能技术将成为强劲引擎，跑出经济发展加“数”度。
给作者点赞0VS0写得不太好中国科学院《人工智能前沿研究与产业发展报告2021》重磅发布！
版权说明：凡注明来源为“C114通信网”的文章皆属C114版权所有，除与C114签署内容授权协议的单位外，其他单位未经允许禁止转载、摘编，违者必究。如需使用，请联系021-54451141。其中编译类仅出于传递更多信息之目的，系C114对海外相关站点最新信息的翻译稿，仅供参考，不代表证实其描述或赞同其观点，投资者据此操作，风险自担；翻译质量问题请指正。
人工智能赋能实体经济存在的问题与应对
【摘要】面对人工智能的巨大发展潜力及其对未来社会的颠覆性影响，主要国家纷纷出台人工智能发展战略和政策，以期抢占未来产业制高点。但我们应客观看到，当前人工智能发展过程中，存在重复建设严重、核心技术缺乏、人工智能与实体经济融合困难等关键问题，其深层次的原因在于新兴产业的“潮涌现象”、企业投资行为的短期化以及产业知识薄弱的制约。推动人工智能产业更好更快发展，需要产业共性技术、信息基础设施、企业数字化水平和人才供给等多方面的有力支撑。
【关键词】人工智能；赋能；实体经济；产业化
【基金项目】本文系国家社科基金重点课题“‘互联网+’背景下的中国制造业转型升级研究”（项目编号：16AJY011）的阶段性成果。
2006年加拿大计算机科学家杰弗里·辛顿关于“深度信念网络”论文的发表清除了人工智能产业化道路上最后一道路障，互联网产业发展积累的海量数据、云计算提供的低成本算力，再加上以深度学习为代表的算法的革命，推动了人工智能产业驶入快速发展的轨道。面对人工智能的巨大发展潜力及其在产业、社会、国防等方面的颠覆性影响，主要国家纷纷出台人工智能发展战略和政策，以期抢占未来产业制高点。人工智能的巨大经济价值吸引了大量投资涌入，不但互联网公司纷纷向人工智能公司转型，而且初创公司不断涌现。但是也要看到，人工智能发展和赋能实体经济过程中也出现了一些问题，需要积极加以应对。
人工智能产业发展存在重复建设严重、硬技术创新少、实体经济智能化转型“叫好不叫座”等突出问题
作为产业的人工智能包括人工智能技术的产业化与人工智能技术在其他产业的应用即人工智能赋能两个方面。在高速发展和赋能实体经济的过程中，人工智能产业无论在国内还是在国外都出现了一些亟待解决的问题。
产业一哄而上，产品雷同，重复建设严重，真正有高技术开发能力的产业园较少。近年来我国人工智能产业呈现蓬勃发展态势，初创企业数量、融资数量和融资规模快速增长，产业整体规模居于世界前列，与美国一起形成两强鼎立的世界产业格局。随着技术的不断成熟，互联网大科技公司、人工智能新兴企业也在积极进入传统产业领域，推动人工智能技术对传统产业的赋能。但是另一方面也要看到，高端产业领域往往存在着一种发展困境，即当一项产业被国家确定为未来重点发展方向后，各地就会纷纷加大招商引资力度、上马新项目趋之若鹜，造成较短时间内该高端产业在全国“一哄而上”，同质化问题严重，甚至出现“挂羊头卖狗肉”的情况。人工智能产业同样也存在这类“一哄而上”的问题。许多地方政府将人工智能列入重点打造的产业，大力建设人工智能特色小镇、产业园、孵化器、双创基地。以机器人为例，截至2018年2月，全国共有65个机器人产业园在建或已建成，一些省份更是在多个城市建有机器人产业园，甚至一些县也着手布局机器人产业园建设。但从目前的情况看，真正有技术开发能力的机器人产业园很少，大部分机器人企业集中于技术水平不高的娱乐、服务机器人，工业机器人的核心部件仍然主要依赖进口。在新兴的以深度学习为特征的人工智能领域，由于行业整体性人才供应短缺、本地缺乏发展基础，不少园区处于空置状态。严重的重复建设还可能造成未来“高端产业的低端化”，使我国企业难以完成利润积累，进而严重制约研发投入和技术的升级，在与发达国家在技术前沿的竞争中缺乏后劲。
人工智能产业模式创新多、硬技术创新少。众多的人工智能发明专利中基础硬件和基础算法等硬科技占比少。虽然我国人工智能领域的投资多、企业数量多，但是多集中在模式创新领域。人工智能当前比较成熟的领域包括数据分析、计算机视觉和自然语言处理。我国人工智能企业也主要集中在计算机视觉、语音、自然语言处理领域，2017年市场份额分别为34.9%、24.8%和21.0%，而硬件、算法所占份额分别只有11.3%和8.0%。目前我国人工智能企业多是采取“拿来主义”，将国外经过验证的理论产业化，甚至不少企业直接使用国外的开源代码，利用“拿来”的技术进行商业模式创新，缺乏真正原创的技术、开发工具和开源平台。麦肯锡咨询公司对全球初创企业所处行业特点的分析发现，以中国为主要代表的亚洲国家的初创企业多集中在R&D强度较低的产业（R&D资源指的是从事科研与试验发展活动所必需的投入。R&D强度是衡量一国科技活动规模和科技投入水平的重要指标，也是反映一国自主创新能力和创新型国家建设进程的重要内容），如电子商务、教育和培训服务等领域，而B2B以及分析和执行软件、云计算、健康IT等R&D密集型产业则多由美国、英国和德国的企业所领导。具体到人工智能行业，中国人工智能专利申请量超过美国，居世界第一，1998—2018年，我国的人工智能论文达14.2万篇，略少于美国，但专利、论文质量与美国存在较大差距。2017年，中国人工智能论文质量（以FWCI指数衡量）约为1.3，而美国为2.5；中国人工智能发明专利中，基础硬件和基础算法等硬科技占比少。2017年，我国人工智能发明专利授权量中，基础算法、基础硬件、垂直应用的占比分别为21.0%、4.9%和74.1%。
智能化转型“叫好不叫座”。人工智能作为一个产业本身快速发展的同时，在其他领域的渗透、融合也在不断推进。从全球范围来看，早在2012年，美国通用电气就提出“工业互联网”的概念，并联合美国商业资讯(AT&T)、思科(Cisco)、IBM和英特尔(Intel)5家企业联合宣布成立工业互联网联盟(IndustrialInternetConsortium,IIC)，2015年向所有企业开放其工业互联网操作系统Predix。作为德国工业4.0的主要推动者，西门子在2016年的汉诺威工业博览会上正式发布工业互联网操作系统MindSphere。2011年以来，蓝色巨人IBM加速向“认知商业”和智能服务转型，其代表性人工智能服务是人工智能系统——沃森在医疗诊断领域的应用。但是智能化转型“叫好不叫座”，人工智能系统的企业用户不积极，人工智能服务的开发者业绩因此受到很大影响。例如，2018年6月以来，通用电气（GE）先后经历从道琼斯工业平均指数中被剔除（GE在该指数中已有110年历史）、信用降级、股价暴跌、GEDigital（GE数字创新坊）寻求出售等重大事件，反映出GE所提出的工业互联网的现实发展远非白皮书设想的那样美好；西门子发布的2019财年三季度财报显示，数字化工业（DI）订单和收入双双下跌，利润大跌12%，拖累西门子整体利润下滑5.8%；IBM沃森因达不到预期效果，被德克萨斯大学MD安德森癌症中心终止合作。
探究人工智能赋能实体经济存在诸多问题的三个重要成因
人工智能自身发展和赋能实体经济中的问题有着多重原因，主要包括潮涌现象、企业行为短期化、产业知识薄弱等几个方面。
问题成因之一：“潮涌现象”造成重复建设严重。“潮涌现象”是指当一项新技术进入产业化阶段并呈现出巨大的增长潜力时，众多投资者同时看好这一相同的产业，投资就像浪潮般涌向这个产业。这里所说的投资者不仅包括企业，也包括政府，针对具有巨大发展潜力的战略性新兴产业，中央和地方政府会采取多方面的支持政策促进其发展。潮涌现象意味着在投资之前，政府和企业都看好该产业的前景，从而一哄而上。但是大量的投资可能会造成该产业出现过度投资，项目完成后出现严重的过剩，导致投资回报远远低于预期。与传统产业相比，新科技的发展存在巨大的不确定性，而且会出现曲折反复。美国咨询公司Garnter每年都会发布新兴技术成熟度曲线（HypeCycleforEmergingTechnologies），该曲线把新技术从发展到最终成熟划分为四个阶段：创新萌发期、期望膨胀期、幻灭低谷期、复苏期、成熟期。从该曲线可以看到，人们常常对技术的产业化存在盲目乐观的倾向，形成大量投资涌入实则过热的繁荣假象。数字经济是典型的网络效应产业，具有“赢家通吃”的市场结构。为了争夺用户成为最终的赢家，进一步强化了数字经济的“潮涌现象”，加剧了重复建设。
问题成因之二：行为短期化加剧行业泡沫。虽然新产业会存在大量企业涌入的“潮涌现象”，但是一些企业想的不是怎么把产业做好做实，而是渴望赶上“风口”，尽快扩大用户规模，以便能讲好故事、短期内在资本市场实现变现。为了快速变现，这些企业不是充分考虑应用场景、用户需求，扎实做好产品，而是通过大量烧钱，大量补贴、大打“价格战”等方式争夺用户。这种做法虽然在短期内营造了繁荣假象，但是一旦技术或商业模式进展不顺，就会刺破泡沫。新科技的成熟和新产业的发展往往需要经历一个逐步改进、完善和提高的过程，不可能一蹴而就。例如，在制造业智能化领域，制造过程或最终产品对安全性、稳定性、可靠性、精确度要求很高，不成熟的技术会给企业带来巨大损失，很难获得制造企业的接受和采用。作为追求利润最大化的经济主体，虽然不同企业的战略不同，对经济利润的考量会有短期或中长期的差异，但企业选择采用某项新技术的根本目的是实现经济利润的最大化。企业在决定是否采用人工智能技术时，会进行成本—收益分析。当他们评估发现人工智能技术并不能给他们带来实质性的利润提升时，就不会实施。市场开拓不利就可能使人工智能企业的大量投资形成行业性的泡沫。
问题成因之三：各方面的产业知识积累薄弱限制智能化发展。人工智能技术通过对传统行业数据的深度挖掘利用，可以发现以前未被发现的事物之间的相互联系，并利用数据分析的结果帮助传统产业加快产品创新、提高生产效率、加强产销互动、改善用户服务。但人工智能技术在传统行业领域发挥作用的基础是建立在这个传统行业现有技术条件之上的，它无法代替行业本身的基本原理、科学技术、工程经验。例如，人工智能技术的应用可以通过对生产线各种工艺参数和产出数据的分析，对工艺参数进行优化从而促进提高良品率，但良品率的根本性提升则要依赖行业本身科技水平的发展。但是，当前在我国存在对信息技术（InformationTechnologies）强调多，对产业技术（IndustrialTechnologies）强调少的倾向。
产业知识包括两个方面：一是产业自身科学技术规律的发明发现所形成的知识，即产业知识发展和提取；二是产业中企业生产经营活动中各种数据的积累。中国实体经济企业在这两个方面都存在差距。由于中国是在工业化尚未完成的时候就开始信息化、数字化的，虽然许多产业的规模已经世界领先，但是“知其然而不知其所以然”的问题普遍存在，在产业相关科学、工程技术知识的积累上与发达国家行业领先公司存在较大差距。同时由于中国企业发展水平参差不齐，既存在技术水平领先、数字化程度高的企业，也存在没有研发能力、尚处于机械化阶段的企业，因此人工智能与实体经济特别是制造业的深度融合存在巨大困难。
推动人工智能产业发展不仅需要人工智能技术本身的进步，还需要传统产业基础和新型基础设施的有力支撑
人工智能技术产业化，需要人工智能产业与传统产业的紧密互动，二者的发展都不可或缺。一方面，需要人工智能技术本身的不断进步，另一方面也需要传统产业的产业基础、科技水平、信息化程度的提高作为支撑。
第一，支持两个“IT”共性技术研究。人工智能与实体经济的深度融合既受制于人工智能技术本身，又受制于实体产业本身的知识积累，因此要兼顾信息技术（InformationTechnology）和产业技术（IndustrialTechnology）两个“IT”共性技术的研究。由于人工智能基于大数据的技术路线特点，除加强对大学、科研机构创新活动的支持外，还要鼓励大科技公司加大对人工智能基础理论、算法、芯片以及未来前沿技术等方面研究开发的投入，鼓励大学、科研机构与大科技公司人才的双向、可逆流动。加强对化工、冶金、机械、电子、运输设备、医药等基础产业和高科技行业的基础科学和产业共性技术研发，实现“知其然也知其所以然”，打好产业基础高级化、产业链现代化的攻坚战。
第二，加快信息网络等新型基础设施建设。在信息化时代，新一代信息技术相关基础设施的重要性已经成为传统产业转型升级和新兴产业加快发展的关键。特别是5G高速率、低时延、广连接的特点，使实体产业特别是制造业生产过程和产品的智能化成为可能。例如，制造业的智能化需要实现工厂中生产设备、零部件、供应链、产品之间的实时通信，只有5G低时延、广连接的特点才能够实现。因此，要将包括物联网、5G、数据中心等新一代信息基础设施作为“新基建”的重点，在关系国计民生的农业、交通、公共服务、金融以及重点制造业领域加快覆盖和普及。
第三，支持实体企业加快数字化改造。当前人工智能的主流技术路线是“算法+算力+数据”，因此实体企业的数字化水平决定了人工智能技术的应用范围和深度。加大对主要产业领域数字化转型产业共性技术研究的支持力度，鼓励大学与科研院所、互联网公司、实体企业密切合作，加快破解主要产业数字化转型的技术瓶颈。支持实体企业根据业务发展状况进行数字化改造，实施“机器人换人”、企业上云等，行业龙头企业积极进行物联网、5G的应用和智能制造转型。依托行业协会、科研院所等机构，加强对人工智能应用成功经验的总结、推广、示范。
第四，加强数据保护，推动数据连接。大力推进对数据安全的保护，一方面，支持数据安全相关技术的发展，为数据安全提供可靠的技术保障，另一方面，制定完善保护我国公共、企业和个人数据安全的法律法规和行业规范，加强数据安全的制度保障。设备、软件、系统、产品之间缺乏统一的标准是制约建立数字化连接、发展产业互联网的主要制约。由行业协会、学会牵头，组织各行业骨干企业、装备制造龙头企业以及大型通信、软件、互联网和自动控制企业一起，加快制定促进产业内部与产业之间建立数字化连接的设备标准、通信标准、软件标准和数据标准。推动产业之间、企业之间的数据开放，特别是推动政府掌握的不涉及公共安全、个人隐私的公共数据对企业开放，通过开放、共享让数据发挥更大的价值。
第五，加强人才培养，增加人才供给。互联网企业长于算法但是不具备实体产业的知识，实体企业熟悉本产业的know-how但是缺乏信息技术的人才和能力。因此，产业互联网的发展靠互联网企业与实体企业单打独斗都很难成功，必须通过合作发挥二者各自的优势。但是由于人工智能的突然爆发造成人才严重短缺，薪酬水平大幅度提高，拉高了人工智能应用的成本。而实体经济企业利润率低，养不起高薪的人工智能工程师，在与人工智能企业对接方面缺少合适的人才作为中介。国家需要支持研究型大学和科研机构、职业大学和学院设立人工智能学院和专业，加快人工智能人才的供给，早日解决人工智能人才供需失衡状况。
【参考文献】
①林毅夫：《潮涌现象与发展中国家宏观经济理论的重新构建》，《经济研究》，2007第1期。
②张鑫、王明辉：《中国人工智能发展态势及其促进策略》，《改革》，2019年第9期。.
李晓华.人工智能赋能实体经济存在的问题与应对[J].人民论坛,2020(28):94-97.
人工智能产业生态图：人工智能产业发展现状及趋势
人工智能作为新一轮产业变革的核心驱动力，将催生新的技术、产品、产业、业态、模式，从而引发经济结构的重大变革，实现社会生产力的整体提升。
麦肯锡预计：到2025年全球人工智能应用市场规模总值将达到1270亿美元，人工智能将是众多智能产业发展的突破点。
通过对人工智能产业分布进行梳理，提出了人工智能产业生态图，主要分为：核心业态、关联业态、衍生业态三个层次。
人工智能产业生态图
下面将重点对核心业态包含的智能基础设施建设、智能信息及数据、智能技术服务、智能产品四个方面展开介绍，并总结人工智能行业应用及产业发展趋势。
智能基础设施智能基础设施为人工智能产业提供计算能力支撑，其范围包括智能传感器、智能芯片、分布式计算框架等，是人工智能产业发展的重要保障。
1.智能芯片智能芯片从应用角度可以分为训练和推理两种类型。从部署场景来看，可以分为云端和设备端两步大类。
训练过程由于涉及海量的训练数据和复杂的深度神经网络结构，需要庞大的计算规模，主要使用智能芯片集群来完成。与训练的计算量相比，推理的计算量较少，但仍然涉及大量的矩阵运算。目前，训练和推理通常都在云端实现，只有对实时性要求很高的设备会交由设备端进行处理。
按技术架构来看，智能芯片可以分为通用类芯片（CPU、GPU、FPGA）、基于FPGA的半定制化芯片、全定制化ASIC芯片、类脑计算芯片（IBMTrueNorth）。另外，主要的人工智能处理器还有DPU、BPU、NPU、EPU等适用于不同场景和功能的人工智能芯片。
随着互联网用户量和数据规模的急剧膨胀，人工智能发展对计算性能的要求迫切增长，对CPU计算性能提升的需求超过了摩尔定律的增长速度。同时，受限于技术原因，传统处理器性能也无法按照摩尔定律继续增长，发展下一代智能芯片势在必行。
未来的智能芯片主要是在两个方向发展：
一是模仿人类大脑结构的芯片；二是量子芯片。智能芯片是人工智能时代的战略制高点，预计到2020年人工智能芯片全球市场规模将突破百亿美元。
2.智能传感器智能传感器是具有信息处理功能的传感器，智能传感器带有微处理机，具备采集、处理、交换信息等功能，是传感器集成化与微处理机相结合的产物。
智能传感器属于人工智能的神经末梢，用于全面感知外界环境。各类传感器的大规模部署和应用为实现人工智能创造了不可或缺的条件。不同应用场景，如：智能安防、智能家居、智能医疗等对传感器应用提出了不同的要求。
未来，随着人工智能应用领域的不断拓展，市场对传感器的需求将不断增多，2020年市场规模有望突破4600亿美元。未来，高敏度、高精度、高可靠性、微型化、集成化将成为智能传感器发展的重要趋势。
3.分布式计算框架面对海量的数据处理、复杂的知识推理，常规的单机计算模式已经不能支撑。所以，计算模式必须将巨大的计算任务分成小的单机可以承受的计算任务，即云计算、边缘计算、大数据技术提供了基础的计算框架。
目前流行的分布式计算框架，如：OpenStack、Hadoop、Storm、Spark、Samza、Bigflow等。各种开源深度学习框架也层出不穷，其中包括TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon等等。
智能信息及数据信息数据是人工智能创造价值的关键要素之一，我国庞大的人口和产业基数带来了数据方面的天生优势。随着算法、算力技术水平的提升，围绕数据的采集、分析、处理产生了众多的企业。
目前，在人工智能数据采集、分析、处理方面的企业主要有两种：
一种是数据集提供商，以提供数据为自身主要业务，为需求方提供机器学习等技术所需要的不同领域的数据集；另一种是数据采集、分析、处理综合性厂商，自身拥有获取数据的途径，并对采集到的数据进行分析处理，最终将处理后的结果提供给需求方进行使用。对于一些大型企业，企业本身也是数据分析处理结果的需求方。智能技术服务智能技术服务主要关注如何构建人工智能的技术平台，并对外提供人工智能相关的服务。此类厂商在人工智能产业链中处于关键位置，依托基础设施和大量的数据，为各类人工智能的应用提供关键性的技术平台、解决方案和服务。
目前，从提供服务的类型来看，提供技术服务厂商包括以下几类：
（1）提供人工智能的技术平台和算法模型
此类厂商主要针对用户或者行业需求，提供人工智能技术平台以及算法模型。用户可以在人工智能平台之上，通过一系列的算法模型来进行人工智能的应用开发。此类厂商主要关注人工智能的通用计算框架、算法模型、通用技术等关键领域。
（2）提供人工智能的整体解决方案
此类厂商主要针对用户或者行业需求，设计和提供包括软、硬件一体的行业人工智能解决方案，整体方案中集成多种人工智能算法模型以及软、硬件环境，帮助用户或行业解决特定的问题。此类厂商重点关注人工智能在特定领域或者特定行业的应用。
（3）提供人工智能在线服务
此类厂商一般为传统的云服务提供厂商，主要依托其已有的云计算和大数据应用的用户资源，聚集用户的需求和行业属性，为客户提供多类型的人工智能服务。
从各类模型算法和计算框架的API等特定应用平台到特定行业的整体解决方案等，进一步吸引大量的用户使用，从而进一步完善其提供的人工智能服务。
此类厂商主要提供相对通用的人工智能服务，同时也会关注一些重点行业和领域。
需要指出的是：上述三类角色并不是严格区分开的，很多情况下会出现重叠，随着技术的发展成熟，在人工智能产业链中已有大量的厂商同时具备上述两类或者三类角色的特征。
智能产品智能产品是指将人工智能领域的技术成果集成化、产品化，具体的分类如下表所示：
人工智能产品
随着制造强国、网络强国、数字中国建设进程的加快，在制造、家居、金融、教育、交通、安防、医疗、物流等领域对人工智能技术和产品的需求将进一步释放，相关智能产品的种类和形态也将越来越丰富。
人工智能行业应用人工智能与行业领域的深度融合将改变甚至重新塑造传统行业，本节重点介绍人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用，由于篇幅有限，其它很多重要的行业应用在这里不展开论述。
1. 智能制造智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。
智能制造对人工智能的需求，主要表现在以下三个方面：
一是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备，涉及到跨媒体分析推理、自然语言处理、虚拟现实智能建模及自主无人系统等关键技术。二是智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容，涉及到跨媒体分析推理、大数据智能、机器学习等关键技术。三是智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式，涉及到跨媒体分析推理、自然语言处理、大数据智能、高级机器学习等关键技术。例如：现有涉及智能装备故障问题的纸质化文件，可通过自然语言处理，形成数字化资料，再通过非结构化数据向结构化数据的转换，形成深度学习所需的训练数据，从而构建设备故障分析的神经网络，为下一步故障诊断、优化参数设置提供决策依据。
2.智能家居参照工业和信息化部印发的《智慧家庭综合标准化体系建设指南》，智能家居是智慧家庭八大应用场景之一。受产业环境、价格、消费者认可度等因素影响，我国智能家居行业经历了漫长的探索期。
至2010年，随着物联网技术的发展以及智慧城市概念的出现，智能家居概念逐步有了清晰的定义并随之涌现出各类产品，软件系统也经历了若干轮升级。
智能家居以住宅为平台，基于物联网技术，由硬件（智能家电、智能硬件、安防控制设备、家具等）、软件系统、云计算平台构成的家居生态圈，实现人远程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活安全、节能、便捷等。
例如：借助智能语音技术，用户应用自然语言实现对家居系统各设备的操控，如开关窗帘（窗户）、操控家用电器和照明系统、打扫卫生等操作。借助机器学习技术，智能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的节目推荐给用户。
通过应用声纹识别、脸部识别、指纹识别等技术进行开锁等。通过大数据技术可以使智能家电，实现对自身状态及环境的自我感知，具有故障诊断能力。通过收集产品运行数据，发现产品异常，主动提供服务，降低故障率。还可以通过大数据分析、远程监控和诊断，快速发现问题、解决问题及提高效率。
3.智能金融人工智能的飞速发展，将对身处服务价值链高端的金融业带来深刻影响，人工智能逐步成为决定金融业沟通客户、发现客户金融需求的重要因素。
人工智能技术在金融业中可以用于服务客户，支持授信、各类金融交易和金融分析中的决策，并用于风险防控和监督，将大幅改变金融现有格局，金融服务将会更加地个性化与智能化。
智能金融对于金融机构的业务部门来说，可以帮助获客，精准服务客户，提高效率；对于金融机构的风控部门来说，可以提高风险控制，增加安全性；对于用户来说，可以实现资产优化配置，体验到金融机构更加完美地服务。人工智能在金融领域的应用主要包括：智能获客、依托大数据、对金融用户进行画像，通过需求响应模型，极大地提升获客效率。身份识别，以人工智能为内核，通过人脸识别、声纹识别、指静脉识别等生物识别手段，再加上各类票据、身份证、银行卡等证件票据的OCR识别等技术手段，对用户身份进行验证，大幅降低核验成本，有助于提高安全性。
大数据风控，通过大数据、算力、算法的结合，搭建反欺诈、信用风险等模型，多维度控制金融机构的信用风险和操作风险，同时避免资产损失。
智能投顾，基于大数据和算法能力，对用户与资产信息进行标签化，精准匹配用户与资产。
智能客服，基于自然语言处理能力和语音识别能力，拓展客服领域的深度和广度，大幅降低服务成本，提升服务体验。
金融云，依托云计算能力的金融科技，为金融机构提供更安全高效的全套金融解决方案。
4.智能交通智能交通系统（IntelligentTrafficSystem，ITS）是通信、信息和控制技术在交通系统中集成应用的产物。ITS借助现代科技手段和设备，将各核心交通元素联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通。
例如：通过交通信息采集系统采集道路中的车辆流量、行车速度等信息，信息分析处理系统处理后形成实时路况，决策系统据此调整道路红绿灯时长，调整可变车道或潮汐车道的通行方向等，通过信息发布系统将路况推送到导航软件和广播中，让人们合理规划行驶路线。
通过不停车收费系统（ETC），实现对通过ETC入口站的车辆身份及信息自动采集、处理、收费和放行，有效提高通行能力、简化收费管理、降低环境污染。
ITS应用最广泛的地区是日本，其次是美国、欧洲等地区。中国的智能交通系统近几年也发展迅速，在北京、上海、广州、杭州等大城市已经建设了先进的智能交通系统。
其中，北京建立了道路交通控制、公共交通指挥与调度、高速公路管理和紧急事件管理等四大ITS系统。广州建立了交通信息共用主平台、物流信息平台和静态交通管理系统等三大ITS系统。
5.智能安防智能安防技术是一种利用人工智能对视频、图像进行存储和分析，从中识别安全隐患并对其进行处理的技术。智能安防与传统安防的最大区别在于智能化，传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智能判断，从而尽可能实现实时地安全防范和处理。
当前，高清视频、智能分析等技术的发展，使得安防从传统的被动防御向主动判断和预警发展，行业也从单一的安全领域向多行业应用发展，进而提升生产效率并提高生活智能化程度，为更多的行业和人群提供可视化及智能化方案。
用户面对海量的视频数据，已无法简单利用人海战术进行检索和分析，需要采用人工智能技术作专家系统或辅助手段，实时分析视频内容，探测异常信息，进行风险预测。
从技术方面来讲，目前国内智能安防分析技术主要集中在两大类：
一类是采用画面分割前景提取等方法，对视频画面中的目标进行提取检测，通过不同的规则来区分不同的事件，从而实现不同的判断并产生相应的报警联动等。例如：区域入侵分析、打架检测、人员聚集分析、交通事件检测等。另一类是利用模式识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到对视频画面中的特定物体进行识别，如车辆检测、人脸检测、人头检测（人流统计）等应用。智能安防目前涵盖众多的领域，如街道社区、道路、楼宇建筑、机动车辆的监控，移动物体监测等。今后智能安防还要解决海量视频数据分析、存储控制及传输问题，将智能视频分析技术、云计算及云存储技术结合起来，构建智慧城市下的安防体系。
6.智能医疗人工智能的快速发展，为医疗健康领域向更高的智能化方向发展，提供了非常有利的技术条件。近几年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥重要作用。
在辅助诊疗方面，通过人工智能技术可以有效提高医护人员工作效率，提升一线全科医生的诊断治疗水平。如利用智能语音技术可以实现电子病历的智能语音录入;利用智能影像识别技术，可以实现医学图像自动读片;利用智能技术和大数据平台，构建辅助诊疗系统。
在疾病预测方面，人工智能借助大数据技术可以进行疫情监测，及时有效地预测并防止疫情的进一步扩散和发展。
以流感为例：很多国家都有规定，当医生发现新型流感病例时需告知疾病控制与预防中心。但由于人们可能患病不及时就医，同时信息传达回疾控中心也需要时间。因此，通告新流感病例时往往会有一定的延迟，人工智能通过疫情监测能够有效缩短响应时间。
在医疗影像辅助诊断方面，影像判读系统的发展是人工智能技术的产物。早期的影像判读系统主要靠人手工编写判定规则，存在耗时长、临床应用难度大等问题，从而未能得到广泛推广。
影像组学是通过医学影像对特征进行提取和分析，为患者预前和预后的诊断和治疗提供评估方法和精准诊疗决策。这在很大程度上简化了人工智能技术的应用流程，节约了人力成本。
7.智能物流传统物流企业在利用条形码、射频识别技术、传感器、全球定位系统等方面优化改善运输、仓储、配送装卸等物流业基本活动。同时也在尝试使用智能搜索、推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作和高效率优化管理，提高物流效率。
例如：在仓储环节，利用大数据智能通过分析大量历史库存数据，建立相关预测模型，实现物流库存商品的动态调整。大数据智能也可以支撑商品配送规划，进而实现物流供给与需求匹配、物流资源优化与配置等。
在货物搬运环节，加载计算机视觉、动态路径规划等技术的智能搬运机器人（如搬运机器人、货架穿梭车、分拣机器人等）得到广泛应用，大大减少了订单出库时间，使物流仓库的存储密度、搬运的速度、拣选的精度均有大幅度提升。
人工智能产业发展趋势从人工智能产业进程来看，技术突破是推动产业升级的核心驱动力。数据资源、运算能力、核心算法共同发展，掀起人工智能第三次新浪潮。人
工智能产业正处于从感知智能向认知智能的进阶阶段，前者涉及的智能语音、计算机视觉及自然语言处理等技术，已具有大规模应用基础。但后者要求的“机器要像人一样去思考及主动行动”仍尚待突破，诸如：无人驾驶、全自动智能机器人等仍处于开发中，与大规模应用仍有一定距离。
1.智能服务呈现线下和线上的无缝结合分布式计算平台的广泛部署和应用，增大了线上服务的应用范围。同时人工智能技术的发展和产品不断涌现，如智能家居、智能机器人、自动驾驶汽车等，为智能服务带来新的渠道或新的传播模式，使得线上服务与线下服务的融合进程加快，促进多产业升级。
2.智能化应用场景从单一向多元发展目前人工智能的应用领域还多处于专用阶段，如人脸识别、视频监控、语音识别等都主要用于完成具体任务，覆盖范围有限，产业化程度有待提高。随着智能家居、智慧物流等产品的推出，人工智能的应用终将进入面向复杂场景，处理复杂问题，提高社会生产效率和生活质量的新阶段。
3.人工智能和实体经济深度融合进程将进一步加快党的十九大报告提出：“推动互联网、大数据、人工智能和实体经济深度融合”。
一方面，随着制造强国建设的加快，将促进人工智能等新一代信息技术产品发展和应用，助推传统产业转型升级，推动战略性新兴产业实现整体性突破。
另一方面，随着人工智能底层技术的开源化，传统行业将有望加快掌握人工智能基础技术并依托其积累的行业数据资源实现人工智能与实体经济的融合创新。
#专栏作家#拼搏的80后，人人都是产品经理专栏作家。10年互联网从业经历，具有各类型B端、C端产品的设计经验，关注区块链及人工智能的技术发展及应用场景探索。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议