人工智能产业核心技术的国际竞争
论文全文摘编如下
仅供学术交流与参考
引言
技术推动产业变革，新一代人工智能的发展关系到我国能否抓住新一轮科技革命和产业变革的重要机遇。新产业技术研发与应用对创新驱动具有一定的引领和支撑作用，因此，我国明确提出建设人工智能关键共性技术体系，以增强关键环节和重点领域的创新能力[1]，要确保人工智能产业核心技术掌握在自己手中。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》，根据标准共筛选出八大人工智能核心技术：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[2]。2020年3月科技部等五部委印发了《加强“从0到1”基础研究工作方案》，支持人工智能等领域实现核心技术突破，以抢占前沿科学研究的制高点。因此，瞄准人工智能产业核心技术，攻克技术困境成为重中之重。
人工智能产业核心技术的研发已成为世界各国关注的焦点。面对世界范围的国际竞争，我国在核心技术的突破和应用方面仍存在自身的短板。基于此，为全面了解我国人工智能产业核心技术的国际竞争态势，进一步厘清其研发现状和所处地位，本文选取了2015-2019年间各国政府颁布的政策和战略规划，1999-2019年间WebofScience收录的文献，1999-2019年间德温特专利数据库收录的专利信息，采用CiteSpace、Ucinet和专利地图等可视化分析工具，通过政策态势分析不同政府的规划方向和重点支持领域；通过文献发文量、国家及研究机构合作网络剖析全球人工智能产业核心技术发展现状，通过关键词聚类分析不同国家关于人工智能产业核心技术的研究热点，通过专利数据分析全球人工智能产业核心技术研发现状，进而对我国人工智能产业核心技术在全球所处竞争态势进行研判，为探索建设新一代人工智能创新发展试验区以及“十四五”时期人工智能产业发展提供相关决策参考。
1全球人工智能发展政策概述
1.1数据来源
本文采用文本挖掘的方法对中国、美国、日本、韩国、英国和德国的人工智能国家政策和战略规划（2015-2019）进行搜集整理；并将国内外知名研究机构发布的相关报告作为二手资料，进一步完善和梳理，将其绘制成表，如表1所示。
表1全球人工智能政策一览
1.2研究分析
如表1所示，中国、美国和日本高度关注人工智能的发展，三国政府均已出台大量的扶持政策，在世界舞台上角逐人工智能发展的领先地位。其中，中国出台的人工智能政策数量最多，美国和日本紧随其后，均已将“人工智能”上升为“国家战略”。韩国和德国于近两年加入人工智能快速发展行列，也逐步重视起人工智能的发展。纵览以上六个国家近5年来出台的相关政策，其战略目标任务和具体规划各具特色，为此，将其划分为三类[18]：
一是技术和人才优势明显的国家，如美国，目前处于人工智能发展前沿，其战略目标是保持人工智能的全球领先地位，确保自身竞争优势。美国不仅专注于人工智能的发展，积极制定相关法律保障人工智能的发展，并参与技术标准的制定，以期在全球竞争中占据主导地位。
二是具有产业发展基础的国家，如德国、英国，通过战略部署、商业应用、伦理约束、法律监督引领人工智能发展，两国均在“第二次工业革命”和“信息革命”中积累大量的发展经验，拥有坚实的产业发展基础。英国和德国凭借自身发展基础形成了独特的优势，以确保全球竞争力。再如，日本和韩国所制定的相关政策针对性地倾向半导体和集成电路等产业，两国在机器人、自动驾驶、汽车、半导体等领域具有明显的产业优势，凭借自身相对优势参与全球的新一轮竞争。
三是异军突起，积极抓住发展机遇的国家，如中国，重视推动人工智能的综合健康发展及全面布局，通过宏观规划和重点部署构筑我国人工智能发展的先发优势，从而加快人工智能产业核心技术攻克和创新型国家建设。
2基于文献计量的产业核心技术国际竞争态势分析
2.1数据来源
本文将《2019年人工智能发展白皮书》所筛选的人工智能产业核心技术作为检索条件，文献来源WebofScience数据库下的WebofScience核心合集：引文索引，检索条件设置如下：以“TI=computervision”OR“TI=naturallanguageprocessing”OR“TI=brain-computerinterface”OR“TI=intelligentchip”OR“TI=autonomousunmannedsystem”OR“TI=collectiveintelligence”OR“TI=intelligentadaptivelearning”OR“TI=cross-mediaanalyticreasoning”，文献年限为1990-2019年，文献类型选择Article，最后共得到3681篇。
2.2发文量分析
进一步分析关于人工智能产业核心技术研究的3681篇论文，本文以时间序列的形式统计出每年的论文数量，通过Excel绘制了WebofScience收录的关于人工智能产业核心技术研究的文献数量统计图（如图1所示）。二十年间，全球对人工智能产业核心技术的研究越来越重视，发文量整体呈上升趋势。20世纪末，全球的发文量较低，这受到当时全球人工智能技术的基础研究、理论模型及数据样本等影响和限制。发文量激增阶段：2010-2019年，这与人工智能爆发阶段的时间相吻合，也与算法、算力的提升及数据的激增等现状密切相关。
图1WebofScience收录关于人工智能产业核心技术研究的文献数量
2.3国家合作分析
对所检索的3681篇文献进行整理，绘制了全球人工智能产业核心技术研究的发文量（Top10）示意图（如图2所示）。美国发文量居世界第一，中国紧随其后，中国和美国发文量约占全球48%，是全球研究人工智能产业核心技术的主力。在前10位国家中，亚洲仅有三个国家：中国、韩国和日本；北美洲有两个国家，分别是美国和加拿大；其余均为欧洲发达国家，说明欧洲仍是技术研究和创新的重要地区。
图2人工智能产业核心技术研究文献发文量Top10国家
随着经济全球化进程加快，知识全球化和跨国合作发展越来越迅速。为突破研究水平与资源约束的限制，各个国家之间开始展开合作研究，有助于提高各国的科学研究水平和创新能力[19]。为此，本文进一步分析了所检索的3681篇论文，导出参考文献，将下载的数据合并后导入excel，提取“国家”字段，导入至BICOMB软件，生成国家共现矩阵，再将共现矩阵导入Ucinet软件，使用Netdraw进行可视化分析，生成国家合作网络图谱，如图3所示。人工智能产业核心技术国家合作研究网络的程度中心度如表2所示。
图3人工智能产业核心技术国家合作研究网络图
表2全球人工智能产业核心技术主要国家合作研究网络的程度中心度
如图3所示，带有颜色的节点方块表示国家。节点的大小、各节点之间连线、连线的疏密程度以及连线的粗细分别表该国与其他所有国家合作共现的总次数，两个国家间的合作关系，与该国家合作过的其他国家的数量以及连线两端的国家合作次数[19]。由图3可以看出，节点最大的是“美国”，其次是“德国”、“意大利”、“中国”和“英国”，表明美国与其他国家合作次数最多，德国、意大利、中国和英国紧随其后，合作次数分别是365、179、156和156；由国与国之间的连线可以看出，中国与美国、日本、英国合作比较紧密，中国在国际合作中发挥着重要作用。
2.4研究机构分析
根据所检索的文献，对研究机构的发文量与合作情况进行整理，从机构发文量来看，其中德国图宾根大学发文量最多，高达84篇，说明其在人工智能产业核心技术研究领域具有一定的影响力；其次，发文量较多的是德国维尔茨堡大学（56篇）、中国清华大学（52篇）和美国纽约州卫生部（46篇），这些机构在人工智能产业核心技术研究中作为重要的力量，推动着产业核心技术不断实现技术突破与发展。从全球分布来看，如表3所示，发文量排名前10位的研究机构主要分布在美国、中国和德国。
表3全球人工智能产业核心技术研究机构地区分布汇总表
为了进一步分析各研究机构的合作情况，本文采用Ucinet分析软件生成全球人工智能产业核心技术研究机构合作网络图（如图4所示）。图中每一个小方块代表一个研究机构，方块越大说明该研究机构与其他研究机构合作越多。其中，德国图宾根大学、维尔茨堡大学和格拉茨技术大学与其他研究机构合作较为频繁。我国两所研究机构：中国科学院大学和清华大学已开展大量的基础研究工作，并与加利福尼亚大学圣地亚哥分校和哈佛大学进行了密切的合作研究。从总体上看，我国研究机构之间合作密度较低，研究领域较为分散。无论从发文数量还是从机构合作网络图来看，德国图宾根大学、维尔茨堡大学和纽约州卫生部是全球人工智能产业核心技术研究的主要力量。
图4全球人工智能产业核心技术研究机构合作网络图
2.5热点分析
热点通常可以表示为某一研究领域中具有发展潜势的主题，同时，能够展现该领域所属学科未来的发展方向[20]。通过使用关键词来表达该文章的主题和中心内容，若某一关键词多次在某一领域文献内出现，则该词可间接反映该领域内的研究热点与研究动向[21]。本文借助科学知识图谱工具中的关键词聚类视图对各国人工智能产业核心技术的研究热点进行分析。基于中国、美国、日本、韩国、英国和德国的文献数据进行整理，将其导入CiteSpace5.5.R2运行关键词聚类功能，主题词类型选择“NounPhrases”，节点类型选择“Keyword”，时间范围1999-2019，剪裁方式采取Pathfinder，选择Log-LikelihoodRatio作为提取方法[20]，提取关键词聚类信息将其汇总成表，如表4所示。
表4人工智能产业核心技术研究关键词聚类表
中国在人工智能产业核心技术研究中主要将重心放在基础理论研究与技术突破中。在八大核心技术中，主要聚焦在#0计算机视觉技术、#4群体智能技术、#7自然语言处理技术和自主无人系统技术。作为推动人工智能技术进步的“三驾马车”，算法、数据和计算力在过去的5-10年间不断创新[2]。在算法方面，我国在#0计算机视觉技术中的图像识别和特征提取以及#7自然语言处理技术中的语音技术方面的成就显著。在基础理论研究方面，计算机视觉和自然语言处理技术的发展同时也需要#3模式识别等技术的支撑；#1共空间模式是一种对两分类任务下的空域滤波特征提取算法，能够从多通道的脑机接口数据里面提取出每一类的空间分布成分[22]；在技术应用领域，自主无人系统中的#8协调控制对于自动驾驶汽车和智能无人驾驶系统至关重要，在未来对汽车制造商和运输行业将产生重大影响。
美国人工智能产业核心技术研究中共有8大关键词聚类。其中主要关注#0脑机接口技术和#2计算机视觉技术。从技术应用来看，人工智能产业核心技术主要应用于医疗领域，#1电子健康档案有助于提升医护水平；#7事件相关诱发电位作为一种电生理学的研究手段，为研究大脑认知活动过程提供了新的指导和途径；研究人员利用#8脑波开发了新技术—脑机接口技术（BCI），为身体严重残疾的患者提供了新的治疗手段。
对文献数据进行聚类分析，无论从底层技术研究看，还是基于技术应用层面，日本主要关注#0脑机接口技术。对脑机接口技术的研究，日本将焦点转移至#2听觉BCI脑机接口技术。#3共空间模式作为提取的一种方式，是脑机接口技术重要的算法。脑机接口技术主要应用于医疗健康领域，主要分为“强化”和“恢复”两个方向，“恢复”方向主要是指针对#1中风等疾病提供对应的恢复训练，主要采取神经反馈训练。目前，已有一些日本创业公司对相关可穿戴设备投入研发资金，将脑机接口技术应用到终端设备。
韩国重点关注#1和#2脑机接口技术和自主无人系统技术，自主无人系统中的机器人和无人驾驶等技术已成为韩国政府重点支持对象。在应用中，脑机接口以#4近红外光谱成像技术（NIRS）为主，主要用于操控家电设备。脑机接口技术的发展与发达的半导体行业发展相适应，并为半导体产业的发展提供重要的支撑力。
#0脑机接口技术、#1群体智能技术和#7计算机视觉技术是英国重点关注对象。脑机接口技术作为产业核心技术在硬件、算法、范式方面都有新的突破和进展。英国诺丁汉大学的研究团队基于脑机接口技术，开发了一种脑磁图（MEG）系统，配以头戴式设备，在扫描过程中允许被扫描者自由、自然地运动。
在人工智能产业核心技术研究中，德国主要研究#5脑机接口技术和自然语言处理技术，而作为基础技术研究#1脑电图、#2共空间模式、#6神经反馈技术都为脑机接口技术的发展提供了支撑和辅助作用。在基础理论研究领域，#3非监督学习作为机器学习的一种方法，是人工智能网络的一种重要算法；自然语言处理所涉及的各种任务，可以用#4多任务学习框架处理。从技术应用领域来看，#0辅助科技用于特殊教育行业；机器学习为#7ERP系统注入新能量，云ERP平台提供了极大的便利。
3.基于专利挖掘的产业核心技术国际竞争态势分析
3.1数据来源
以德温特专利数据库为来源数据库，利用“TI=computervision”OR“TI=naturallanguageprocessing”OR“TI=brain-computerinterface”OR“TI=intelligentchip”OR“TI=autonomousunmannedsystem”OR“TI=collectiveintelligence”OR“TI=intelligentadaptivelearning”OR“TI=cross-mediaanalyticreasoning”进行检索，检索时间范围设置为1990-2019年，最后共检索到23940件专利。
3.2人工智能产业核心技术专利地图分析
随着技术的发展，基于专利分析的“预见—识别”成为研究热点。文献[23]通过专利分析法对比分析不同国家的人工智能技术专利，研判全球人工智能发展态势；文献[24]提出基于专利分析替代性技术选择，为企业的管理者制定技术选择战略提供参考建议。
为进一步掌握全球人工智能产业核心技术领域专利发展趋势和分布情况以及专利权人分布情况，本文对德温特专利数据库中已检索到的23940件专利进行统计分析，分别提取中国、美国、日本、韩国、英国和德国的专利，对全球人工智能产业核心技术的专利数量和专利国家分布及专利权人分布情况进行分析，结果如图5～图6所示。
图5人工智能产业核心技术专利数量和专利国家分布示意图
从图5可以看出，基于全球不同国别分析，在人工智能产业核心技术专利中，中国拥有智能芯片技术专利的数量最多，说明中国芯片企业愈发重视专利保护，其保护意识与能力也逐渐增强；美国拥有自然语言处理技术专利最多；日本在自然语言处理技术方面，专利数量占比最多；韩国拥有计机视觉技术的专利数量最多；英国和德国的人工智能产业核心技术专利数量均不多，总体来看，二者均在计算机视觉技术方面专利数量最多，分别占比61%和37%。从人工智能产业核心技术视角看，自主无人系统技术主要分布在美国和中国，其中美国拥有数量最多；中国在脑机接口技术、群体智能技术、计算机视觉技术、智适应学习技术和智能芯片技术的申请量遥遥领先；自然语言处理技术则主要分布在美国。然而关于跨媒体分析推理技术的专利申请目前全球没有相关的统计。
图6人工智能产业核心技术前5名专利权人
从图6可以看出，全球前5名自主无人系统技术专利申请者主要集中在美国和日本，其中日本占据3席，如IHI株式会社和川崎重工业株式会社。脑机接口技术专利申请者前5名主要集中在中国和韩国，中国主要以高校为主，如清华大学、浙江大学、中国科学院和中国医学科学院基础医学研究所，说明中国高校是脑机接口技术研究的重要力量，拥有较强的研发实力。群体智能技术专利申请者也主要来自中国，前5名中美国公司仅占有1席。其中国家电网申请专利数量最多，尤其近五年国家电网的人工智能产业核心技术发展迅速，中国人工智能专利布局也已覆盖至电力工程领域。群体智能技术推动电网智能化发展，是助力新一代电力系统建设的重要支撑。
全球前5名计算机视觉技术专利申请者主要集中在美国和中国，美国专利申请者主要集中在高通、英特尔和微软公司，中国则主要集中在高校，如清华大学、北京航空航天大学等。中国专利申请者占据全球智适应学习技术专利申请前五位，主要集中在科技型企业和高校，由于中国教育群体基数庞大，加之近年来AI教育行业高速发展，中国关于智适应学习技术的专利申请数量多且主要体现在应用层面。
智能芯片技术专利申请前五位也均来自中国，从体量来看，中国目前已经成为全球最大、增长最快的集成电路市场，国家集成电路产业也受到投资基金和资本推动的支持。在强有力的产业政策扶持下，中国企业迅速成长壮大，逐渐挑战美国芯片的垄断市场。自然语言处理技术专利申请者主要来自美国和日本，美国占据3席（IBM、微软和埃森哲全球解决方案有限公司），日本占据2席（富士施乐公司和日本电报电话公司）。美国和日本在自然语言处理技术方面仍具有一定的研究实力和发展潜力。
4.结语
全球范围内越来越多的政府和企业组织意识到人工智能在经济和战略上的重要性，面对日趋激烈的人工智能竞争市场，我国需要认清全球竞争态势，明确自身在全球中所处地位，明晰具备竞争力的产业核心技术。
通过政策态势、研究态势分析，从政策数量、文献发文量和专利数量三个角度量化了全球人工智能产业核心技术竞争力。从政策数量来看，中国>美国>日本>英国>德国>韩国；从文献数量来看，美国>中国>德国>英国>韩国>日本；从专利数量来看，中国>美国>日本>韩国>德国>英国。综合来看，美国综合实力依旧全球第一，这与美国坚实的产业基础和先进的科学技术分不开。中国异军突起，发展迅猛。
基于文献和专利分析结果，综合来看，我国主要关注方向为计算机视觉技术、自然语言处理技术、智能芯片技术、自主无人系统技术和群体智能技术。具体来看，基于发文量，国内外相关文献研究起步时间相似，中国仅比国外晚两年，增长趋势相同，整体呈现上升趋势，增长最快的阶段均出现在2010年以后。从国家合作来看，美国与其他所有国家合作共现的总次数最多，中国与美国、日本、英国合作比较紧密。从研究机构来看，发文量排名前10位的研究机构主要分布在美国、中国和德国，中国科学院大学和清华大学已与其他机构开展大量的基础研究工作，但是机构合作密度较低。从关注的热点来看，我国聚焦于计算机视觉技术、群体智能技术、自然语言处理技术和自主无人系统技术。从专利分布来看，中国人工智能产业核心技术专利申请量已经超越美国成为AI领域专利申请量最高的国家。其中，中国拥有脑机接口技术、群体智能技术、计算机视觉技术、智适应学习技术和智能芯片技术专利最多；从专利权人分布来看，中国拥有最多的专利权申请人，主要分布在脑机接口技术、群体智能技术、计算机视觉技术、智适应学习技术和智能芯片技术。
人工智能的不断发展对提高国家竞争力、维护国家安全有巨大的帮助，许多国家已将发展人工智能提高至国家战略层面。本文运用科学知识图谱和专利地图分析了全球人工智能产业核心技术的竞争态势，并针对我国建设创新型国家和“十四五”时期人工智能产业发展提出以下几点建议。
（1）加强前沿基础理论研究，扩大技术应用场景优势
基础理论的研究是产业核心技术突破的源泉[15]。通过科学知识图谱工具对比分析国内外人工智能产业核心技术热点研究，我国在人工智能的理论基础层和应用层均涉及广泛。从本文研究来看，我国主要聚焦计算机视觉技术、自然语言处理技术、智能芯片技术、自主无人系统技术和群体智能技术，并在技术应用中具有一定的优势。我国在适应性自主学习、综合推理、群体智能等方面已初步具有跨越式发展的能力，然而我国的核心技术力量在跨媒体推理分析技术和自主无人系统技术方面比较薄弱。因此，“十四五”时期人工智能产业发展不仅要重视基础理论研究，识别人工智能发展方向和理论机理，在方法和体系上努力实现革命性和颠覆性的突破。同时，扩大中国现有技术应用的优势，鼓励和支持人工智能技术的推广和应用，例如城市管理、教育、环境、交通、法律、医疗、网络安全和社会治理等重要领域，确保中国的理论研究处于人工智能这一重要领域的前沿，推动基础技术取得巨大突破，占据产业核心技术制高点，在新一轮国际竞争中占据优势。
（2）聚焦核心技术领域，掌握发展主动权
人工智能作为引领未来的颠覆性、战略性技术，成为国际竞争的新焦点和经济发展的新引擎[25]。经过多年的积累，我国在人工智能领域取得重要进展，但从整体发展水平而言，与发达国家仍存在较大的差距。例如，在关键设备、重要元器件和操作系统等基本被英伟达、AMD、英特尔等国际巨头垄断，形成“锁定效应”。“十四五”时期以及未来更长一段时期应重点关注核心技术，突破被扼制的技术困境。从本文的研究来看，目前，全球对跨媒体分析推理技术的研究不多，关注度较低。跨媒体是一个包括跨媒体检索、跨媒体推理和跨媒体存储等广义的概念，主要应用于如网络内容监管、信息检索、智慧医疗、智能穿戴设备等行业。在国务院关于印发新一代人工智能发展规划的通知中，重点提及“跨界融合”技术体系。因此，在人工智能产业核心技术“十四五”发展前瞻中可以聚焦于跨媒体分析推理技术，通过相关政策指导，抓住新一轮发展机遇，积极攻克核心技术难关，在国际竞争中掌握主动权。
（3）顺应全球合作与开放趋势，构建产业核心技术创新共同体
开放与合作是永恒的主题，紧密的合作与良性的竞争能够促进全球人工智能产业健康发展。由于核心技术具有高密保性，后发企业难以识别先发企业的技术机理及其具体形成过程[16]，因此需要开放的合作与创新。就合作程度而言，我国人工智能的主要研发机构与美国、英国、日本合作紧密，但与美国相比，还欠缺合作的深度和广度，应该借鉴学习发达国家人工智能发展合作的经验。就研究机构而言，我国研究机构在竞争中存在自身的短板，研究机构和企业尚未形成具有国际影响力的协同创新生态圈，特别是人工智能的相关研究机构整体分布较为分散，团队规模较小，缺少高水平的合作，且合作成果较少。因此，“十四五”时期更应结合现实需求，不同的研究机构展开合作，推动理论基础研究实现新的突破，积极构建产业核心技术“创新共同体”。在产业核心技术突破过程中，其中政府、产业、高校、研究机构和用户作为合作主体，以不同的角色参与到系统创新体系中来[26]，通过组织学习、知识流动、交流合作等形式使多元化的创新主体之间形成协同互动的协同网络体系，以此建构具有国际影响力的人工智能创新生态圈。
【参考文献】
[1]新华社.国务院印发《新一代人工智能发展规划》[EB/OL].(2017-07-20)[2020-03-01].http://www.gov.cn/xinwen/2017-07/20/content_5212064.htm.
[2]德勤科技.2019全球人工智能发展白皮书[R].上海:德勤科技,2019.
[3]NILSSONNJ.ArtificialIntelligence:ANewSynthesis[M].Amsterdam：Elsevier,1998.
[4]谭铁牛,孙哲南,张兆翔.人工智能:天使还是魔鬼?[J].中国科学:信息科学,2018,48(9):1257-1263.
[5]方兵.我国高校“人工智能热”:缘起、影响与应对[J].现代教育技术,2019,29(4):33-39.
[6]刘刚.正在改变世界的智能科技产业[J].人民论坛·学术前沿,2019(21):38-45.
[7]蔡自兴,徐光祐.人工智能及其应用[M].北京：清华大学出版社,2004.
[8]LUXTONDD.Artificialintelligenceinpsychologicalpractice:Currentandfutureapplicationsandimplications[J].ProfessionalPsychology:ResearchandPractice,2014,45(5):332.
[9]PARKSH,HANK.Methodologicguideforevaluatingclinicalperformanceandeffectofartificialintelligencetechnologyformedicaldiagnosisandprediction[J].Radiology,2018,286(3):800-809.
[10]吴永和,刘博文,马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志,2017,35(5):27-39.
[11]黄晓斌,吴高.人工智能时代图书馆的发展机遇与变革趋势[J].图书与情报,2017(6):19-29.
[12]仇筠茜,陈昌凤.黑箱:人工智能技术与新闻生产格局嬗变[J].新闻界,2018(1):28-34.
[13]NORMANPM.Protectingknowledgeinstrategicalliances:Resourceandrelationalcharacteristics[J].TheJournalofHighTechnologyManagementResearch,2002,13(2):177-202.
[14]FrishammarJ,EricssonK,PatelPC.Thedarksideofknowledgetransfer:ExploringknowledgeleakageinjointR&Dprojects[J].Technovation,2015,41:75-88.
[15]柳卸林,何郁冰.基础研究是中国创新的源泉[J].中国软科学,2011(4):104-117.
[16]李显君,孟东晖,刘暐.核心技术微观机理与突破路径—以中国汽车AMT技术为例[J].中国软科学,2018(8):88-104.
[17]黄鲁成,薛爽.机器学习技术发展现状与国际竞争分析[J].现代情报,2019,39(10):165-176.
[18]中国信息通信研究院.中国人工智能产业发展联盟.全球人工智能战略与政策观察（2019）[R].北京:中国信息通信研究院，中国人工智能产业发展联盟,2019.
[19]李欣,黄鲁成.基于文献计量和专利分析的战略性新兴产业研发竞争态势研究—以OLED产业为例[J].科技管理研究,2016,36(8):120-126.
[20]李韵婷,郑纪刚,张日新.国内外智库影响力研究的前沿和热点分析—基于CiteSpaceⅤ的可视化计量[J].情报杂志,2018(12):12.
[21]雷婕,盘意文,刘建明.知识图谱视角下智慧旅游的研究进展及热点概述[J].图书馆,2019(8):52-58.
[22]许春燕.基于CSP和ICA的多任务脑机接口分类方法比较研究[D].南昌：南昌大学,2012.
[23]FUJIIH,MANAGIS.Trendsandpriorityshiftsinartificialintelligencetechnologyinvention:Aglobalpatentanalysis[J].EconomicAnalysisandPolicy,2018,58:60-69.
[24]娄岩,张赏,黄鲁成.基于专利分析的替代性技术选择研究[J].科技管理研究,2015,35(20):150-154.
[25]袁野,于敏敏,陶于祥,等.基于文本挖掘的我国人工智能产业政策量化研究[J].中国电子科学研究院学报,2018,13(6):663-668.
[26]吴卫红,陈高翔,张爱美.“政产学研用资”多元主体协同创新三三螺旋模式及机理[J].中国科技论坛,2018(5):1-10.
本文来源：学术plus
C2返回搜狐，查看更多
核心算法缺位，人工智能发展面临“卡脖子”窘境
图集“徐匡迪之问”引发业界共鸣——
核心算法缺位，人工智能发展面临“卡脖子”窘境
“中国有多少数学家投入到人工智能的基础算法研究中？”日前，在上海召开的院士沙龙活动中，中国工程院院士徐匡迪等多位院士的发问引发业界共鸣，被称为“徐匡迪之问”。
“我国人工智能领域真正搞算法的科学家凤毛麟角。”在4月28日召开的“超声大数据与人工智能应用与推广大会”上，东南大学生物科学与医学工程学院教授万遂人表示，“徐匡迪之问”直击我国人工智能发展的核心关键问题，“如果这种情况不改变，我国人工智能应用很难走向深入、也很难获得重大成果”。
我国人工智能领域发展的现状如何？依靠开源代码和算法是否足够支撑人工智能产业发展？为什么要有自己的底层框架和核心算法？
缺少核心算法，会被“卡脖子”
“如果缺少核心算法，当碰到关键性问题时，还是会被人‘卡脖子’。”浙江大学应用数学研究所所长孔德兴教授对科技日报记者表示，我国人工智能产业的创新能力并没有传说中的那样强，事实是，产业发展过度依赖开源代码和现有数学模型，真正属于中国自己的东西并不多。
4个月零基础学会人工智能、16讲入门人工智能、算法线下大课……类似培训在网络上非常火爆，通过对于现有算法、模型的学习和训练，成长为人工智能工程师的“短平快”可见一斑。
既然代码是开源的，拿来用就好，为什么还有可能被“卡脖子”？
孔德兴解释，开源代码是可以拿过来使用，但专业性、针对性不够，效果往往不能满足具体任务的实际要求。以图像识别为例，用开源代码开发出的AI即使可以准确识别人脸，但在对医学影像的识别上却难以达到临床要求。“例如对肝脏病灶的识别，由于边界模糊、对比度低、器官黏连甚至重叠等困难，用开源代码很难做到精准识别。在三维重构、可视化等方面难以做到精准反应真实的解剖信息，甚至会出现误导等问题，这在医学应用上是‘致命’的。”
“碰到专业性高的研究任务，一旦被‘卡脖子’将会是非常被动的，所以一定要有自己的算法。”孔德兴说。换句话说，是否掌握核心代码将决定未来的AI“智力大比拼”中是否拥有胜算。用开源代码“调教”出的AI顶多是个“常人”，而要帮助AI成长为“细分领域专家”，需以数学为基础的原始核心模型、代码和框架创新。
有算法之“根”才能撑起产业“繁茂”
所谓“树大根深”，人工智能的发展也是同样道理，越在底层深深扎下根基，越能够发展出强大的产业。
那么，借助开源代码，“半路出家”的AI产业为什么会难以为继？
孔德兴解释说，在获得同样数据的前提下，以开源代码运行，AI深度学习之后或许能输出结果，但由于训练框架固定、算法限制，当用户进行具体的实际应用时，将很难达到所期望的结果，而且难以修改、完善、优化算法。
“如果从底层算法做起，那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’，不仅可以协同优化，而且可以根据需求随时修改，从而真正解决实际问题。”孔德兴说，基础算法往往是指研究共性问题的算法，它涉及到基础数学理论、高性能数值计算等学科，可以应用到多种实际问题中；而针对性强的应用算法往往会应用到具体问题所涉及的“具体知识、先验信息”，从而更好地解决实际应用问题。
“基础算法和应用算法都很重要，拥有基础算法将更有助于应用算法的丰富与深入。”孔德兴说，AI要应对的现实生活是复杂、多变的，当能够“应对自如”时，才能够促成产业的“繁茂”。
呼吁三方协力，让数学不再置身事外
“一方面是政策引导，其实国家已经在加大这方面的扶持，例如科研基金上的设置等。”针对如何解决“徐匡迪之问”反映出来的问题，孔德兴认为，第二方面是行业企业在进行科技创新时，应有意识将数学学者纳入进来。
“如果通过算法的开发，最终产品落地了，企业应该将算法开发时的数学学者纳入到成果分享中来。”孔德兴说，社会目前对于数学科学等“软实力”的认可程度不足，行业或法规层面应该做好数学研究成果的产权保护工作。
“第三方面，数学家本身应该积极参与到人工智能发展的浪潮里。”孔德兴呼吁，AI的未来发展需要数学家深度参与。由于目前仍处于“弱人工智能”时代（可以说是数据智能时代），AI的实现主要是依赖计算机的巨大算力和巨大的存储能力，底层算法的问题或许并不突出，但在未来的发展，AI将可能融入逻辑、思维等智慧的内容，这些都需要数学科学的原始创新，有大量的基础问题亟待数学家攻克。
算法的进阶一定是来源于“原创者”，而不是“跟随者”。孔德兴说：“实际上深度学习的应用已遇到了天花板，我们需要新的数学技术（如部分依赖逻辑、部分依赖数据的‘聪明算法’），让计算机变得聪明起来。这些工作都需要数学家的参与。”（本报记者张佳星）
+1【纠错】责任编辑：郝多人工智能发展之路还很长 核心关键技术薄弱
原标题：应用领域不断拓展，但核心关键技术薄弱
人工智能发展之路还很长
在2019中国人工智能产业年会上，与会专家热议我国人工智能核心算法应用的机遇与挑战。记者佘惠敏摄
云迹科技公司的服务机器人“润”（Runner）正在等电梯，这款机器人可以用于酒店客服。记者佘惠敏摄
人工智能是新一轮科技革命和产业变革的重要驱动力量，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。我国人工智能发展起步较晚，要努力在理论、方法、工具、系统等方面取得变革性突破，主攻关键核心技术，强化应用开发，推动形成科技创新和产业应用互相促进。
当新一轮产业变革席卷全球，人工智能（AI）成为产业变革的核心方向。人工智能真如人们所想的那么神奇而无所不能吗？中国的人工智能发展需要突破哪些壁垒？
近日，在中国人工智能学会发起主办的2019中国人工智能产业年会上，与会专家学者们对这些话题展开了热烈讨论。
并非无所不能
人工智能近些年处于发展热潮之中，阿尔法狗击败围棋世界冠军等标志性事件，让大众对人工智能产生了热切的期待。而深度学习和大数据的发展，带来了人工智能产业的大跨越，应用人工智能技术的智能安保、智能语音输入、智能导航、智能客服等，已经走入寻常百姓生活。
人工智能的未来会不会“无所不能”？参加2019中国人工智能产业年会的专家们对此普遍持审慎态度，在他们看来，人工智能还有太多瓶颈需要突破。
算力、算法和大数据是人工智能的三大核心要素。中国信息化百人会学术委员会主席、工业和信息化部原副部长杨学山表示，当前我们在人工智能领域取得的很多进展，主要是依靠算力的进步取得的。
“以深度学习为代表的人工智能技术已经接近天花板。”清华大学人工智能研究院院长、中国科学院院士张钹在本次大会上荣获2019年度吴文俊人工智能最高成就奖，他认为，人工智能技术实际上经历过两代，第一代是符号推理，第二代是目前的深度学习。
“深度学习这个工具有不可信、不安全、不可靠、推广能力差的弱点。为了区别于深度学习，我们提出要发展第三代人工智能。”张钹表示，人类处理知识的能力更强，计算机处理数据的能力更强，发展第三代人工智能必须实现知识和数据的结合。
“人工智能目前有3个层次，感知智能、计算智能、认知智能，每一个层次都存在很多瓶颈问题。”东南大学仪器科学与工程学院院长宋爱国认为，感知智能这一层，很多元器件工艺有待突破；计算智能和认知智能层面，人工智能仍然在很多方面达不到人的智能水平，这说明数学的基本理论和生物物理的智能认知机理方面，都有许多问题有待突破。
人工智能是一个基础研究与应用紧密结合的领域，基础研究的瓶颈也传导到了实际应用中。
“我们在提供算力的时候发现主要瓶颈在于框架，我希望有更多的人投入研发，指导算法发展，从而推动芯片设计。”华为海思计算芯片产品总监王晓雷说。
“痛点”都在哪里
人工智能处于新一轮科技革命的核心地位，对于我国来说，既是机遇又是挑战。
我国人工智能发展起步较晚，与发达国家相比，还有一定差距。许多专家认为，当前中国人工智能发展的短板在于：产业发展过度依赖开源代码和现有数学模型，真正属于自己的东西并不多，中国制造在从“硬件组装厂”向“软件组装厂”蔓延。
“核心技术‘卡脖子’问题还是比较严重，特别是基础理论、底层框架和核心算法方面差距较大。”国家发改委产业经济与技术研究所副主任盛朝迅说。
商汤集团副总裁、智慧城市事业群首席技术官闫俊杰认为，差距并不可怕，随着将来的发展，中国可以追上来，只是需要一个较长的历程。
与会专家表示，我国在人工智能领域的发展上有独特优势，如稳定的发展环境、充足的人才储备、丰富的应用场景等。
“从人工智能三大要素看，数据方面，国内环境有优势；算法层面，美国领先一些，但从应用角度来看，国内并不落后；算力方面，我们要做好国产芯片，以及建设基于国产芯片的软件生态，这条路还很长。”云知声联合创始人李霄寒表示，人工智能上游很大一部分链条还短缺，是中国需要突破的“卡脖子”关键点。
大会上，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了《2019人工智能发展报告》。报告称，对于我国而言，人才数量在大部分领域领跑第二梯队，与美国相比，中国高影响力学者数量不足，存在较大的赶超空间。
还需深度融合
人工智能的未来应该如何发展？“深度融合”是一个被许多与会专家提到的关键词。
人工智能技术基础研究的发展需要深度融合。张钹院士说起他所在的清华大学人工智能研究院的发展方向时表示：“宗旨是一个核心，两个融合。也就是说以人工智能基础理论研究为核心，加强与数学、神经科学、心理学、脑科学和人文科学的跨学科交叉融合，致力发展第三代人工智能的理论与方法；还要加强技术与工业、学校与企业的深度融合，推动人工智能事业的发展与进步。”
人工智能技术的实际应用也需要深度融合。在大会会场，经济日报记者看到云迹科技公司的服务机器人“润”（Runner）用于酒店客服，会自主规划路线、上下电梯，为住店客人递送拖鞋、矿泉水、外卖等物品。云迹科技创始合伙人应甫臣说，这款产品是公司将自身在室内定位导航、机器人移动、大数据方面的多年技术积累与酒店客人实际需要深度融合的成果，真正解决“最后100米”问题。“我们已经服务了1000多家酒店，覆盖了全国130多个城市和全球10多个国家。”
中国平安保险（集团）股份有限公司首席科学家肖京认为，“人工智能最大的价值在于给实体赋能。人工智能发展需要很多条件，其中一些条件只有企业才有，比如说场景、数据还有领域知识等。所以人工智能需要科研机构跟企业深度合作，才能真正做好”。
与会专家也认为，目前人工智能在很多行业还没有实现真正的融合。
“今天的产业智能化，我个人认为还是雷声大，雨点小。”百度风投CEO刘维说，人工智能新技术能否真正给传统企业带来新能力，能否提高其效率并帮助其迅速打败传统竞争对手，才是检验新技术是不是真有效的硬标准。
人工智能的未来发展不仅需要学科间的合作，学术界与产业界的合作，也需要国家与国家之间的合作。
科技部新一代人工智能发展研究中心研究员李修全说：“现在的人工智能还处于初步发展阶段，没有哪个国家掌握了总体算法，也没有哪个国家具备了实现这个理论突破的全部要素，需要各个国家科学家加强合作、通力协作，协同攻克人工智能领域的这些科学难题。”（记者佘惠敏）
《2023年北京人工智能产业发展白皮书》重磅发布
2月13日，北京市经济和信息化局在北京人工智能产业创新发展大会上，正式发布《2022年北京人工智能产业发展白皮书》（以下简称白皮书）。
人工智能日益融入经济发展各个领域，成为推动科技跨越发展、产业优化升级、生产力整体跃升的重要驱动力量，为新旧动能转换和经济高质量发展提供了有力支撑。北京市以加快建设国家人工智能创新应用先导区为重点，积极探索人工智能产业发展的新模式、新路径，在科技创新、融合应用、生态环境建设、体制机制创新等方面取得了显著进展。
白皮书系统性展示了北京在构筑全球人工智能创新策源地和人工智能领军城市过程中的创新成果和实践经验。
一是北京持续保持人工智能领先优势。
截至2022年10月，北京拥有人工智能核心企业1048家，占我国人工智能核心企业总量的29%，数量位列全国第一。核心区域产业集聚能力全国第一，已经形成了全栈式的人工智能产业链。
二是北京创新“策源地”建设提速。
北京人工智能领域核心技术人才超4万人，占全国的60%。人工智能论文发表量居全国第一。在专利授权数量全球排名前100的机构中，北京总部机构30家。
三是北京在国家人工智能创新体系中占重要地位。
工信部揭榜挂帅优胜项目数量居全国第一，北京共37个项目、32家单位上榜。国家开放创新平台数量领跑全国，我国已有24家企业获批建设国家新一代人工智能开放创新平台，其中10家企业总部在北京。
四是北京人工智能支撑能力不断增强。
人工智能算力发展排名全国第一。北京市政务数据开放走在前列，已无条件开放115个市区级单位，公共服务事项指南、财税金融、城市管理等领域公共数据集15880个。智源“悟道2.0”，成为全球最大智能模型，参数规模达到1.75万亿。百度“文心”大模型参数规模达到2600亿，是目前全球最大中文单体模型。
五是北京国家人工智能先导区建设成果显著。
数字人、智能机器人等技术在冬奥会成功落地，彰显科技冬奥魅力。海淀、朝阳、西城、昌平、通州等区已开始或完成“智慧城市大脑”相关部署，北京已迈向全域场景开放的智慧城市2.0阶段。无人出行服务从示范运营迈入商业化试点新阶段。2022年度北京市智能工厂和数字化车间名单正式发布，36家智能工厂和47家数字化车间名单出炉，人工智能与智能制造融合创新加速落地。
2023年是全面贯彻落实党的二十大精神的开局之年，北京市将继续坚持“五子”联动服务，积极融入新发展格局，形成人工智能产业发展新突破，助力建设国际科创中心和全球数字经济标杆城市。
一是持续推动建设具有全球影响力的人工智能创新策源地。
引导企业、高校、科研院所、新型研发机构、开源社区等，围绕人工智能关键核心技术创新协同攻关。
二是全面夯实人工智能产业发展底座。
支持头部企业打造对标ChatGPT的大模型，着力构建开源框架和通用大模型的应用生态。加强人工智能算力基础设施布局。加速人工智能基础数据供给。
三是加快建设国家人工智能创新应用先导区。
支持人工智能优势企业在自动驾驶、智能制造、智慧城市等优势领域开展创新应用，全面构筑人工智能场景创新高地。
四是积极探索人工智能安全、科技伦理治理机制。
研究人工智能融合应用安全、伦理治理范式，构建法律、市场、代码架构和社会规范相结合的多元路径。
五是率先建成高水平人工智能人才高地。
科学谋划高端顶尖人才和人工智能复合型人才引进培育机制。进一步促进海外顶尖人才在京创新创业，激活创新驱动“源头活水”。
艾瑞：2023年中国人工智能行业发展观察
导语：2021年，中国人工智能产业继续大踏步前进，计算机视觉核心产品市场规模接近千亿元，智能语音市场亦保持高速增长。
导语：自2010年人工智能在语音和视觉两个领域产生突破性进展以来，技术突破工业红线就成为社会的共同期待。经过了近年来的高速发展，中国人工智能产品技术已经广泛出现在决定企业产生经济效益的各个环节，推动传统行业启动效率变革、动能转换之路。人工智能作为创业企业标签的属性在变弱，而越来越成为千行百业的经营主体都在积极尝试和运用的生产要素。2021年，中国人工智能产业继续大踏步前进，计算机视觉核心产品市场规模接近千亿元，智能语音市场亦保持高速增长。在未来的发展中，如何像人类一样将多模态信息融合分析、突破依赖数据输入的局限、与知识和常识结合解决高层次问题以及主动感知与适应复杂变化等都将是人工智能技术可期待的下一次拐点。
一、2021年中国人工智能发展概述
1.人工智能将成为数字经济时代的核心生产力
数字经济是以数据为关键生产要素、以现代信息网络为重要载体、以数字技术应用为主要特征的经济形态。发展数字经济，微观上可能重塑传统的企业经营模式和经营理念；宏观上，数据作为生产要素的重要性不断提升，将对现有基于要素比较优势而形成的国际分工格局带来影响。近年来，我国数字经济发展迅速，2020年我国数字经济规模为39.2万亿元，占GDP比重达到38.6%，较2019年提升2.4个百分点，对整体经济产值的影响进一步加大。发展数字经济，将打通供应链上下游、产业链的不同环节与服务链的各个节点，通过产业的数字化升级，实现效率变革、动力变革、质量变革，助力新发展格局的形成与发展。2021年3月我国十四五规划纲要出台，提出“打造数字经济新优势”的建设方针并强调了人工智能等新兴数字产业在提高国家竞争力上的重要价值。人工智能作为关键性的新型信息基础设施，被视为拉动我国数字经济发展的新动能。
2.人工智能于各环节提升经济生产活动效能
人工智能技术及产品在企业设计、生产、管理、营销、销售多个环节中均有渗透且成熟度不断提升。同时，随着新技术模型出现、各行业应用场景价值打磨与海量数据积累下的产品效果提升，人工智能应用已从消费、互联网等泛C端领域，向制造、能源、电力等传统行业辐射。以计算机视觉技术主导的人脸识别、光学字符识别（OCR）、商品识别、医学影像识别和以对话式AI技术主导的对话机器人、智能外呼等产品的商业价值已得到市场充分认可；且除感知智能技术外，机器学习、知识图谱、自然语言处理等技术主导的决策智能类产品也在客户触达、管理调度、决策支持等企业业务核心环节体现价值。
3.资本回暖，过会企业二级市场融资通道即将打开
经过2020年新冠疫情的行业洗牌后，2021年以来，资本回暖，资金流入更为成熟的企业（C轮及以后）的同时，也流入了众多A+轮及以前的初创企业，投资者重拾对人工智能创业回报的信心。此外，多家AI企业集中进行IPO使得行业融资实现了跨越，云从科技、旷视科技、格林深瞳、云天励飞均顺利过会，并拟在科创板上市，其人工智能融资即将打开二级市场的通道。
二、中国计算机视觉赛道发展现状及发展趋势
1.市场规模：市场规模接近千亿元，计算机视觉赛道仍是AI商业化主阵地
自人工智能第三次浪潮兴起以来，计算机视觉一直是商业化落地进程最快的赛道，近年来，在深度学习算法的加持与带动下，计算机视觉技术及软硬件产品在泛安防、金融、互联网、医疗、工业、政务等领域得到广泛应用。通过对下游行业需求统计测算，2021年，中国计算机视觉核心产品的市场规模达到990亿元，已接近千亿元大关。此外，与计算机视觉相关的计算机通信设备销售、工程建设、传统业务效益转化等带动相关产业规模超过3000亿元。
2.投融资市场：随着赛道逐渐趋于成熟，投融资热度出现下滑
2017年至2021年11月，计算机视觉类相关融资事件共计282起，涉及融资总金额达820亿元。2018年是计算机视觉赛道的融资爆发期，融资金额高达273亿元。而2019年以来，受疫情影响以及市场饱和度不断提升，赛道融资热度有所降低，融资轮次与金额再未达到2018年的水平。2021年，计算机视觉赛道融资金额下滑至75亿元，但融资次数较2020年明显提升。计算机视觉头部厂商在部分应用领域深耕多年，市场格局趋于稳定，留给初创企业的机会逐渐减少，因此新进入厂商尝试进入工业、医疗等想象空间大且技术成熟度相对较低的市场，预计新一轮的融资热潮有望在未来2-3年到来。
3.发展特征：工业与医疗成为近年来计算机视觉最受关注领域
2017年至2021年11月，国内共有198家计算机视觉企业获得投资，其业务领域遍布公安、交通、金融、工业、医疗等各行各业。近年来，计算机视觉产品技术在工业与医疗领域的应用受到极大关注，制造业是国民经济的支柱，对计算机视觉的使用包括智慧现场安监、智能辅助运输、工业视觉质检以及智能工业机器人等方向，链条长且场景多样，孕育了一批新兴AI企业；医疗领域，以计算机视觉为核心技术的医学影像辅助诊断产品已经由实验室走进各大医院之中，AI医学影像辅助诊断的普及对于减轻医生负担、提升基层医疗机构诊断水平有着重要意义与价值，也是近期资本市场关注的焦点。
4.发展趋势：多模态信息融合分析以及主动感知将是计算机视觉实现飞跃的下个关口
计算机视觉作为商业化程度最高、应用场景最广的人工智能赛道，从技术层面来看，在分类、定位、检测、分割等基本语义感知研究任务上已经取得很好的表现，在真实场景中也能够较好应对实战考验。在未来的发展中，如何像人类一样将多模态信息融合分析、适应三维世界、突破依赖数据输入的局限、与知识和常识结合解决高层次问题以及主动感知与适应复杂变化等都将是计算机视觉技术可期待的下一次拐点。
从未来市场发展来看，通用技术的平台化输出以及公安、金融等具备明确政策支持且产品普及度已经较高的领域目前已基本被互联网巨头、安防头部企业以及AI上市企业或独角兽等玩家占据，市场格局已逐步明朗；而工业、医疗和能源等极具战略意义的新兴领域还拥有极大的发展空间，但对于上述或陷入长审批周期、或限于审慎性难以快速释放需求的行业，计算机视觉企业的主要机遇则在于抢先打通产品进入行业生态圈的渠道和链条，以及谋划通过政府、行业生态圈的核心集团企业等途径，积极参与公共服务平台建设，建立从上向下拓展的先发优势，抢先获得大量训练数据与场景理解，形成产品提升的护城河。
三、中国智能语音赛道发展现状及发展趋势
1.市场规模：垂类语音核心产品规模近60亿，AI语音助手算法产值约24亿
智能语音技术可通过声音信号的前端处理、语音识别（ASR）、自然语言处理（NLP）、语音合成（TTS）等形成完整的人机语音交互。智能语音技术落地分为三类应用场景，分别为以语音识别、语音合成和语音转写为主的垂类应用、消费级智能硬件中加载的语音助手和ChatBot对话机器人产品。2020年，垂类语音核心产品规模约为58亿，AI语音助手算法产值约为24亿。未来随着疫情催化和产业的数智化转型加速，垂类语音应用在教育、公安和医疗等领域加速场景落地，且智能硬件搭载AI语音助手的功能性定位让其随着智能终端的规模扩大具备强需求增长动能。两类智能语音应用未来增长态势趋显，2021年至2026年的五年CAGR将分别达到21.3%和35.4%。
2.投融资市场：资本市场回归平稳，2021年垂类初创企业较为活跃
2018年至2021年11月，智能语音类相关融资事件共计120起，涉及融资总金额达153亿元。从融资热度来看，智能语音赛道在2018年进入快速发展期，2019年进入融资爆发期，而后进入平稳发展阶段。从融资轮次来看，智能语音企业融资阶段多集中在A+轮及以前和PreB到B+轮，两者占比高达72%。2021年，切分垂类场景的智能语音初创企业较为活跃，新进入厂商纷纷瞄准以医疗、招聘、工业等为代表的智能语音市场，期望获取行业经验和细分场景加成下的竞争性优势。
3.发展特征：智能语音与语义理解、知识图谱、行业应用的创新发展
在技术侧，智能语音行业发展仍然面临着声纹识别的不稳定性、语音识别的鲁棒性以及训练场景的长尾性的落地挑战；而在应用侧，智能语音技术已逐步从纯技术形式应用，转向“语音+AI技术+行业“的创新式发展。受供给侧的业务增长突破和需求侧的客户诉求推动，智能语音技术调用不仅是单纯为转写“人说了什么”或者输出“机器要说什么”，而是正逐步与语义理解、知识图谱等AI技术融合，让使用智能语音技术的机器本体更加具备认知性和行业关联性，结合行业Know和甲方需求输出整体性、结果导向性的实用解决方案。
4.发展趋势：智能语音加速产业落地融合，硬件中语音交互入口的功能性定位带来强需求增长动能
目前，智能语音的语音识别、语音合成和语音转写能力已落地应用在互联网、医疗健康、司法、教育和工业等多行业领域。基于智能语音技术实现文本到语音、语音到文本的快速转换，在各产业应用中实现语音文本的信息同步，让资料整理和信息检索都更加方便快捷，让机器与人类的交互更加快速直接。从规模占比来看，互联网、司法和教育仍占据三大头部应用领域。从业务增长性来看，国家颁布教育“双减”政策，课后服务学生的自主阅读学习给智能语音应用产品带来较大市场；另外在医疗信息化背景下，医疗加速智能应用体系建设，以语音应用为入口切入电子语音病历、导诊机器人、辅助诊断治疗等领域，已从三甲医院逐步向下渗透。未来，消费级硬件所搭载的AI语音算法将成为硬件智能化的基础标配门槛，随着物联网和5G的技术发展，智能硬件带来强大增长动能，AI语音助手的算法产值也将不断升高。
四、中国AI企业典型案例解析
1.易道博识：聚焦文字、人脸与图像识别的AI技术研究与应用开发服务商，以一站式机器学习训练平台为底座，打造高效的AI模型应用
易道博识由来自中科院、清华大学、北京大学等的多名顶尖人工智能专家共同组建，是国家级高新技术企业及专精特新企业，拥有发明专利、实用新型专利50余项，计算机软件著作权35项，商标知识产权30余个。公司致力于人工智能领域的技术研究与应用开发，基于自主研发的赛博（CyberBot）机器学习平台，实现文字识别、人脸识别、图像识别三大核心技术功能，为证券、银行、保险、互联网、汽车金融、地产多个行业量身打造AI+智能OCR识别解决方案，现已与600多家知名企业和机构建立合作。
赛博（CyberBot）学习平台是易道博识自主研发的一站式机器学习训练平台，集智能数据管理、数据标注、模型训练和模型部署应用功能于一身，提供计算机视觉、OCR和NLP等领域数据驱动模型应用的高效解决方案。该平台可有效缓解B端、G端逐渐增长的、从感知到认知多类型的AI应用模型开发、训练到部署的完整需求，输出AI技术服务能力，提高AI应用模型在各行业的渗透速率与价值空间。赛博平台可以根据客户需求整体部署到客户的私有化环境里，实现内部循环，一方面保证了数据安全性，一方面大大降低了编程工作量和使用门槛、节约了AI开发时间、减轻了对专业数据科学家与算法工程师的依赖，按需柔性匹配生产。
2.慧算账：以平台为内部开发管理工具，对外提供AI智慧财税服务，助力客户实现数字化转型
慧算账致力于使用AI工具为中小微企业提供AI智慧财税服务，以改善并解决数字经济背景下国内财税服务市场面临的业务痛点即中小企业需记账报税、但外聘会计成本高，部分代理记账公司数字化程度低且记账服务专业性差等问题。慧算账SaaS财税服务平台集成了记账报税、知识库、智能客服与CRM等模块，采用了RPA的自动化技术与OCR、ML、KG、NLP等AI技术，针对财税服务市场的业务痛点做通用与定制化的应用开发，目前已开发出票据识别、智能记账等应用。从服务模式看，慧算账以SaaS财税服务平台为内部开发管理工具，对外输出AI智慧财税服务与工具，助力记账报税的自动化、释放人力，为中小微企业的数字化与智能化转型提供了便捷灵活的创新型财税服务。
以票据识别与记账、智能会计核算、知识图谱问答为例，慧算账提供了便捷高效的AI智慧财税服务。票据识别方面，可实现自动化的格式统一与图像质量矫正，识别出票据类型（发票、回单、交通票、费用票等），并自动导入数据信息。智能会计核算方面，可自动将文字转化为词向量、实现数据归一，并根据输入信息搭建业务模型，输出指定的结果。知识图谱方面，可自动提取问题中的关键词，更新知识存储，基于知识库回答会计问题，提升记账的专业性。从效果上看，慧算账为下游的中小企业提供的智慧财税服务覆盖数百个科目、近千个业务场景，业务自动化能力超95%，助力客户实现数字化转型；同时，慧算账也为其他代理记账公司提供AI工具，提升其记账服务的数字化与智能化水平。
（本文为艾瑞网独家原创稿件转载请注明出处）