Gartner 发布 2023 年人工智能技术成熟度曲线
编辑|宋慧
供稿|Gartner
全球信息技术研究和顾问公司Gartner2021年人工智能技术成熟度曲线（HypeCycleforArtificialIntelligence,2021）中的四个趋势正在推动近期人工智能创新。这四个趋势是：负责任的人工智能、小而宽数据策略、人工智能平台的操作化，以及数据、模型和计算资源的有效利用。
Gartner高级首席研究分析师ShubhangiVashisth表示：“人工智能的创新速度飞快，技术成熟度曲线中一半以上的技术将在二到五年内成为主流技术。边缘人工智能、计算机视觉、决策智能和机器学习等创新都将在未来几年对市场产生革命性的影响。”
人工智能市场仍处于逐步发展阶段，位于技术萌芽期的人工智能创新占据着很大的比例（见图一）。这表明终端用户正在寻求超出当前人工智能工具功能范围的特定技术功能这一市场趋势。
图：Gartner人工智能技术成熟度曲线（2021年9月）
Gartner认为以下四项趋势正在推动人工智能创新：
负责任的人工智能（ResponsibleAI）
Gartner研究副总裁SvetlanaSicular表示：“提高人工智能技术的可信度、透明性、公平性和可审核性对各类利益相关者的重要性仍在日益增加。负责任的人工智能有助于：实现公平（即便数据中存在偏见也不例外）、获得信任（尽管透明度和可解释性方法正在逐步发展）以及在确保监管合规的同时，努力克服人工智能的概率性质。”
Gartner预测到2023年，所有人工智能开发和培训人员都必须具备负责任的人工智能方面的专业知识。
小而宽数据（SmallandWideData）
数据是成功人工智能计划的基础。小而宽数据策略能够实现更强大的分析和人工智能、减少企业机构对大数据的依赖，并提供更丰富、更完整的情境感知。
根据Gartner的预测，到2025年，70%的企业机构将被迫把重点从大数据转向小而宽数据，这将为分析工具提供更多的上下文并减少人工智能对数据的需求。
Sicular表示：“小数据的关键在于使用只需较少数据就能提供实用洞察的分析技术，而宽数据则能实现各种数据源的分析和协同作用。把这些策略结合在一起就能够实现更强大的分析并有助于获得更加全方位的业务问题视角。”
人工智能平台的操作化（OperationalizationofAIPlatforms）
运用人工智能促进业务转型的紧迫性和关键性正在推动人工智能平台的操作化需求。这意味着将人工智能项目从概念转向生产，从而可以依靠人工智能解决方案来解决企业范围内的问题。
Sicular表示：“根据Gartner的研究，只有一半的人工智能项目能够从试点进入到生产，而这些项目的平均完成时间为9个月。人工智能编排和自动化平台（AIOAPs）和模型操作化（ModelOps）等创新正在实现可重用性、可扩展性和治理，加快人工智能的采用和增长速度。”
资源高效利用（EfficientUseofResources）
鉴于人工智能部署所涉及到的数据、模型和计算资源复杂性与规模，人工智能创新需要最高效地利用这些资源。多重体验（multiexperience）、组合式人工智能（compositeAI）、生成式人工智能（generativeAI）和Transformer因能够以更高效的方式解决各类业务问题而引起了人工智能市场的关注。
你怎么看呢？
往
期
回
顾
资讯
AI被当做炒作工具？
技术
谷歌新深度学习系统促进放射科
资讯
机器学习可以忘记吗？是个好问题
资讯
AI不可以作为专利认证发明人
分享
点在看
中国人工智能创新处于什么发展水平
◎编辑｜数字经济先锋号
◎来源｜北京工业大学学报
◎作者｜王山陈昌兵
人工智能作为新技术创新的代表与引领未来、重塑传统行业结构的前沿性与战略性技术，逐渐成为全球新一轮科技革命和产业变革的重要驱动力量。世界各国在以创新为主的人工智能新技术方面展开了激烈的角逐与残酷的竞争。
目前，我国人工智能技术创新水平如何？技术处于何种发展阶段？我国发展人工智能的优势在哪？未来我国人工智能发展趋势如何？本文即将告诉你答案。
指标体系的构建
基于技术创新大数据，本文创新性地构建多指标测度体系与技术创新综合发展指数；根据综合发展指数模拟各国人工智能技术创新Ｓ演化曲线，描绘动态演变轨迹并定位中美技术创新发展位置。重点结合五维度在不同阶段的权重分布，比较中美新技术创新发展差距，探讨影响我国人工智能新技术创新发展的主要因素。提出提高新技术创新水平的具体措施与发展建议，助力实现我国人工智能关键核心技术突破、摆脱被先发国家控制的劣势地位。
表１人工智能技术创新发展水平多指标测度体系
根据技术创新周期不同发展阶段可能呈现出的特征与各特征之间的内在逻辑关系，同时结合人工智能新技术创新发展影响因素与技术创新发展测度相关参考文献，我们选择了基础研究、技术创新、科技布局、产业规模与技术进步５个维度来测度人工智能技术创新发展水平（如表一所示）。
根据指标熵权计算式得到的人工智能技术创新水平各测度指标的权重值（Ｗj）（如表二所示）。从单个指标权重看，首先体现产业规模的人工智能技术融资规模指标权重最高，然后为人工智能新增企业数指标；其次为体现技术创新程度的人工智能技术优先权年专利申请量指标，研发课题数指标权重最低。从分析维度看，首先产业规模维度权重最大；其次为技术创新维度与科技布局维度，基础研究维度权重值最小。综上可知，产业规模与技术创新维度各参数动态变化对人工智能技术创新所处发展阶段的判断具有显著影响。
表２人工智能技术创新水平测度指标权重值
中美等国的对比与分析
根据分析，目前，我国人工智能技术正处于快速发展的技术成长期后期，技术创新十分活跃，未来将涌入更多的企业和科研机构，竞争也将越来越激烈。而美国人工智能技术萌芽于1990年，于2005年步入技术成长期，2020年开始走向成熟，并预计于2034年进入技术衰退期，目前正处于开展商业应用的技术成熟期，创新动力将持续增强。（拟合优度是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）Ｒ²。Ｒ²最大值为１，越接近１，说明回归直线对观测值的拟合程度越好，表三可见各国人工智能技术创新Ｓ演化曲线拟合优度Ｒ²均在０.９以上，拟合效果较为理想。——数字经济先锋号注）
表３中美等国人工智能技术创新发展阶段判定
日本、英国、法国与德国作为较早启动人工智能新技术研究开发与科研成果推广应用的主要发达国家，同样具有较大的先发优势，其技术创新发展水平早期均位列世界前沿且技术发展历程与演化轨迹比较相似，均在1990年左右进入技术创新萌芽期，后经技术不断地积累､发展与突破，分别于2005年与2019年左右步入技术创新成长期与成熟期，目前技术已经成熟。
图１中美等国人工智能技术创新周期Ｓ曲线
得益于雄厚的科技与经济实力，美国人工智能技术创新累计综合发展指数遥遥领先于其他各国，日英法德４国作为人工智能新技术创新发展早期的追随者与前期领导者，在人工智能技术领域，同样具有较高的发展水平与先发优势，鉴于人工智能技术创新是一个显著的动态累计过程，且发展周期较长，美日等世界主要发达国家并未因前期先发优势而形成技术发展垄断局面，因而为后发国家的技术追赶提供了巨大的机会窗口。
由图１技术创新演变曲线可预测出，在技术经验渐进性积累与自主创新能力不断提升的条件下，我国正逐步缩小与美国在人工智能新技术创新赛道上的发展差距，预计将在人工智能新技术创新发展的成熟期实现技术的追赶与超越。
目前，中国人工智能技术创新累计综合发展指数已超越英法德日４国，但与技术创新水平处于全球领先地位的美国相比仍有较大发展差距。本文从人工智能新技术创新累计综合发展指数增长率探索未来中国是否能反超美国并掌握创新发展的主导权，图２是各国人工智能技术创新累计综合发展指数增长率变化结果。
图２拟合中美等国人工智能技术创新累计综合发展指数增长率
由图２可知，1985-2003年，美国、英国、法国、德国与日本人工智能技术创新累计综合发展指数增长速率基本处于快速上升状态，尤其是美国。而我国的人工智能技术创新起步晚于美国，在基础研究原创性成果的不足或某些前沿领域的投入缺失的情况下错失了先发优势。但在国家大力扶持与自主创新能力不断提升的情况下，我国人工智能技术发展呈现出了非常强劲的增长态势。
因此，可以预见，在当前快速增长态势下，再加上后天技术的积累以及先发的数据优势，我国必将在人工智能新技术这一赛道上领跑全球。
影响因素动态分析
我国人工智能新技术创新发展速度较快，但关键核心技术水平与美国相比仍有差距。技术创新是一个多阶段过程，不同发展阶段因所需资源、条件不同而影响因素权重不同。本节创新性地引入技术创新不同阶段变量，动态分析不同阶段下人工智能技术创新的多指标测度体系中维度权重变化。进一步深入剖析我国人工智能新技术创新发展的影响因素。
由表四可以看出，中美两国在人工智能技术的发展阶段、技术创新和技术进步等方面存在差异。美国在人工智能新技术基础研究投入、技术创新布局、技术产业链上游的占据等方面具有较为显著的优势，而我国在科技布局、产业规模和融资份额等方面具有一定优势。但是，我国与美国相比，技术进步较为缓慢，尤其是在芯片领域存在较大差距，这将对我国的人工智能产业化形成不利影响。
因此，我们应该着眼于加强人工智能领域的基础研究，不断提升自主创新能力，积极推动技术创新和进步，在技术产业链上游抢占制高点，实现由技术跟随到技术引领的转变。同时，也需要加强与市场的有效结合，促进技术产业化的发展，让科技创新更好地服务于经济社会的发展，实现以科技创新驱动高质量发展的目标。
表４人工智能技术不同发展阶段影响因素权重分布
通过与美国的比较不难看出，我国人工智能新技术创新在基础研究、技术创新与技术进步维度，仍有相当发展空间，由于缺乏占据世界产业制高点的核心技术，存在若干被他国“卡脖子”的领域。
图３中美等国人工智能技术创新逐年发展指数
虽然我国人工智能新技术研发起步较晚，基础研究薄弱，技术创新累计综合发展指数与美国存在较大差距，但由技术创新逐年综合发展指数（图3）可知，我国人工智能新技术创新发展指数自2003年开始逐年上升，正不断缩小与美国人工智能技术创新累计综合发展指数的差距。作为后起之秀，在经历长期以技术跟随为主的技术潜伏期与萌芽期，以及二次创新为主的技术成长期后，依靠后发优势，我国于2017年反超自2003年以来技术创新逐年发展指数呈逐步下降态势的美国，跃居全球首位。
结论及建议
本文基于人工智能技术创新科研大数据，提出了人工智能技术创新水平多指标测度体系与技术创新综合发展指数计算模型，并通过绘制技术创新生命周期Ｓ演化曲线，对我国与世界主要发达国家在人工智能技术创新方面的发展阶段进行了评估与预测，深度剖析了我国与美国等国之间在技术创新、科技布局、产业规模、技术进步等方面的差距。
基于这些结论，本文提出了几点建议。首先，要强化基础研究，加大对基础研究长期稳定的支持力度，同时引导企业增加基础研究投入，提高我国基础研究水平和源头创新能力。
其次，要推动应用研究与基础研究的融合贯通，坚持问题导向、目标导向，设立重大科技计划项目，支持设立联合攻关团队（校企联合或校校联合等），或以企业为主导并协调高校和有关科研院所的资源，对有关人工智能的应用技术进行研究开发（委托研究、联合研究等形式）。
此外，还建议要产业化市场化发展，中国目前以高校为主、各自为战的人工智能研发体系不利于中国人工智能产业对前沿技术的把握和整体技术创新水平的进一步提升，也不利于技术的快速转化应用。建议培育一批技术先进、世界领先的企业，并带动产业上下游协同发展，形成持续创新能力、技术全球领先的产业集群。
最后，要完善技术创新机制，应鼓励企业培育和引进掌握关键核心技术的科技领军人才和团队，为产业发展提供智力支持；建立综合的关键核心技术突破与创新机制，将短期与中长期科技积累相结合，建立国家基础研究、产业科技等方面的公私结合的综合创新体系，将产业发展创新需求、国家战略创新需求、科研好奇创新需求等三大方面的创新动力综合起来，并重结合，实现“远水”和“近渴”的融合。
综上所述，通过实施这些建议，我国在人工智能技术创新方面可以进一步提升自身的科技水平和创新能力，缩小与美国等发达国家的差距，加速我国在人工智能领域的发展进程。
原文来源：王山，陈昌兵．中美人工智能技术创新的动态比较——基于人工智能技术创新大数据的多Ｓ曲线模型分析［Ｊ／ＯＬ］．北京工业大学学报（社会科学版）。（因篇幅原因，本文有部分删减）
关于我们
「数字经济先锋号」是成都数联产服科技有限公司旗下数字经济研究交流平台。围绕数字产业、数字基建、数字治理、数字生态等数字应用领域，揭示与记录数字经济发展点滴与脉络。
数联产服是一家数字经济行业智库、产业大数据服务商，具备全流程大数据治理-分析-决策支撑服务能力，面向各级政府和产业运营机构提供基于大数据的产业经济发展解决方案和综合服务。
Gartner公司发布《2019人工智能技术成熟度曲线》
2019年7月25日，信息技术咨询及分析机构Gartner公司发布题为《2019人工智能技术成熟度曲线》的研究报告[1]。
报告指出，人工智能（AI）的部署还存在着众多障碍。据调查显示，2018年，部署AI的企业仅占4%，2019年这一比例已上升至14%。这一数据表明AI已初见成效。而在2018年的调查中有21%的受访者表示将在短期内部署AI。尽管2019年实际部署的企业已增长10%，但仍旧低于预期的21%。未来主义者对AI将如何比人类更聪明持积极观望的态度，而社会活动家则担忧AI有可能危害社会。目前，有影响力的、有关AI应用的商业想法十分稀缺。
2019的技术成熟度曲线中（图1），萌芽期的曲线明显变长，这反映了AI领域源源不断地涌现了多样化的新想法。在过热期，曲线上各技术条目分布十分密集。相比之下，复苏期的曲线则空空荡荡，成熟期的技术也十分稀少。这并不代表AI是无用的，而表示AI会发生变化。2019年AI技术将呈现以下趋势：
图1 2019年人工智能技术炒作周期
（1）自动机器学习和智能应用程序发展势头最好，其他技术也很受欢迎，比如AI平台即服务（PaaS）、AI云服务、AI市场。与AI相关的咨询和系统集成（C＆SI）服务数目不断增长。
（2）AI伦理和对其的管理被提上日程，可信赖的AI实践是消除应用障碍的有效方法。软件供应商、行业组织和政府发布了一些指导方针，但最佳实践尚未出现。用户对AI解决方案的认可是其接受这一技术的关键。在建立信任方面，增强型智能比自动化技术更见成效。可解释AI也可以通过进行预测、提供建议来服务用户。
（3）由于亚马逊Alexa、谷歌助理语音助手等产品在全球的成功，基于对话的人工智能仍然是企业的首选技术。在开发聊天机器人和语音启用策略时，实施者应注意到会话用户界面、虚拟助手、自然语言处理和语音识别以及其他技术到达成熟期所需的时间。
图2 2019年人工智能技术成熟度与收益值矩阵图
（4）计算基础设施推动了AI的进步，并且由于其可为AI提供定制化服务，因而将促进AI技术进一步发展。GPU加速器、现场可编程门阵列加速器、深度神经网络专用集成电路、量子计算和神经形态硬件展现了不同的计算思路。
（5）AI即将迎来大量的应用程序开发人员和软件工程师，其中大多数人将在2~5年内成为AI的主要部署者。虽然现在还处于早期阶段，但应鼓励开发人员尝试使用AI开发者工具包、AI云服务、AIPaaS以及新的强化学习产品，妥善规划开发人员的技能培养。
（6）新技术不断涌现。自2018年以来，以下8类技术在AI领域广受关注：AI云服务、自动机器学习、增强智能、可解释AI、边缘AI、强化学习、量子计算、AI市场。 （徐婧）
[1]HypeCycleforArtificialIntelligence,2019.https://www.gartner.com/document/3953603?ref=exploremq
透过Gartner 2023年人工智能技术成熟度曲线看新的变化
根据Gartner最近的一项调查显示，自疫情爆发以来，有47％的企业组织在人工智能（AI）方面的投资维持不变，有30％的企业组织计划增加AI投资。30％的CEO表示，所在的企业组织已经有AI项目，并定期重新定义资源、报告结构和系统，以确保项目取得成功。尽管存在更大的经济和社会不确定性，但医疗、生物科学、制造、金融服务、供应链等领域的AI项目仍将继续加速发展。今年Gartner的AI技术成熟度曲线包含了5个新技术类别：小数据、生成型AI、复合型AI、负责任的AI、客户端技术。这些洞察都来自于Gartner近期发布的2020人工智能技术成熟度曲线，并发布在Gartner近期题为“2020年GartnerAI技术成熟度曲线中两大主导趋势”的报告中。这两大趋势，均来自于今年曲线中融合的30种多样化AI技术。首先，是AI在企业组织中的普及和广泛采用。AI的普及程度越高，开发人员和DevOps创建企业级应用的重要性就越高。其次，是AI平台的产业化。AI的可重用性、可伸缩性、安全性和负责任的使用、以及AI治理都是这个趋势的催化剂。2020年GartnerAI技术成熟度曲线如下：
2020年GartnerAI技术成熟度曲线中的新增亮点
预计未来2-5年内，聊天机器人的采用率达到100％，将成为企业采用AI的最主要的形式。Gartner将机器人的渗透率从去年的5％-20％调整为今年的20％-50％。Gartner指出，聊天机器人已经成为当今AI的一大典型，为简化旨在保护客户和员工安全的自动化、非接触式客户交互做出了贡献。值得关注的聊天机器人厂商包括：AWS、Cognigy、Google、IBM、Microsoft、NTTDOCOMO、Oracle、Rasa和Rulai。根据Gartner2020年PriorityMatrixforAI显示，GPU加速器是最接近步入主流的技术，预计将带来高水平的收益。Gartner预测，未来2-5年内GPU加速器的采用率将提高100％，从去年的5％-20％增加到今年的20％-50％。Gartner建议客户称，GPU加速计算可以在HPC、DNN训练和推理中为高度并行的计算密集型工作负载提供出色的性能，此外也可以以云服务的形式采用GPU计算。根据Gartner技术成熟度曲线，GPU加速器适用于那些利用率降低、但是完成紧迫度较高的应用。疫情使得那些基于AI的最小可行产品和加速AI开发周期逐渐取代了试点项目。在疫情发生之前，试点项目的成败很大程度上取决于一个项目的执行发起人，以及这些项目有多大的影响力。Gartner的客户明智地选择了最小可行性产品，加快了AI的开发，从而在疫情期间快速获得成果。Gartner建议，将涉及自然语言处理（NLP）、机器学习、聊天机器人、计算机视觉的项目设置为优先级高于其他AI项目，此外还建议企业组织应该考虑洞察引擎给整个企业创造价值的潜力。如今通用人工智能（AGI）尚缺乏商业可行性，企业组织应该更专注于那些能给企业带来业务成果的AI用例。Gartner警告说，现在围绕AGI的炒作很多，企业组织最好忽略厂商关于通过该技术获得商业级产品或平台的说法。更好的AI部署策略，是考虑成熟度曲线中各种技术的全范围，选择那些能够给企业组织带来经过验证的财务价值的技术。小数据首次成为AI技术成熟度曲线中一个新的类别。Gartner将小数据定义为一系列让企业组织能够管理更具弹性的生产模型、应对疫情或者未来各种突发事件的技术。这些技术非常适用于没有可用大数据集的AI问题。生成型AI是今年首次出现在技术成熟度曲线中的，是一系列机器学习方法，从数据中学习各种人工制品的表示，生成全新的、完全原始的、真实的人工制品，保留与训练数据相似的特征，而不是简单的重复。Gartner认为，复合型AI可以为企业提供帮助，因此将其列入今年技术成熟度曲线的第三个新类别。复合型AI是指各种AI技术的组合应用，用于提高学习效率，提高“常识”水平，最终更有效地解决更广泛的业务问题。最近Gartner很关注AI的道德因素和社会因素，因此也把“负责任的AI”这个概括性术语作为AI成熟度曲线中第四个新类别。负责任的AI这个战略术语，涵盖了企业组织采用AI时做出正确业务和道德选择的方方面面，包括商业价值、社会价值、风险、信任、透明度、公平性、缓解偏见、可解释性、问责制、安全性、隐私和合规性等。精确度、性价比、低功耗、收集AI模型数据的物联网，这些构成了GartnerAI技术成熟度曲线的第五个所谓“设备即客户（ThingsasCustomers）”的新类别。Gartner将设备即客户定义为一种智能设备或者机器，或者付款即获得商品或服务的产品，例如虚拟个人助理、智能设备、联网汽车、支持物联网的工厂设备。与去年相比，Gartner将13种技术删除、重新分类或者转移到其他技术曲线中，例如今年Gartner将支持VPA的无线扬声器从所有曲线中删除；AI开发人员工具包现在被分类到AI开发人员和教学工具包类别下；AIPaaS现在属于AI云服务；与AI相关的C＆SI服务、AutoML、可解释AI（2020年划归到负责任的AI类别下）、图形分析、强化学习移至2020年数据科学和机器学习技术成熟度曲线中；会话式用户界面、语音识别、虚拟助理转至2020年自然语言技术成熟度曲线中；量子计算移至2020年计算基础设施技术成熟度曲线中；机器人流程自动化软件从AI技术成熟度曲线中删除。