人工智能产业发展深度报告：格局、潜力与预测

我国人工智能人才供需严重失衡，杰出人才缺口大。据 BOSS 直聘测算，2017 年国内人工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰出人才（977 人）比例仍明显偏低，不足欧美的 1/5。

 

人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看，国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 43.9%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。

 

 

 

从学术生态的角度

 

技术创新能力：科研产出表现强劲，产学融合尚待加强

 

科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 69.64%。近些年，中国积极开展前瞻性科技布局， AI发展势头强劲，从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%， CAGR17.94%。2018 年，中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从侧面体现在人工智能发展潜力较大。

 

我国论文影响力仍待提高，但与欧美差距逐年缩小。FWCI（Field-Weighted Citation Impact，加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高于全球平均水平的 36.78%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文影响力增幅明显，2018 年，中国 FWCI 为 0.80，较 2010 年增长 44.23%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。

 

从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成果转化的短板。而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 7.36 倍，欧盟的 1.92 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%，与以色列（10.06%）、美国（9.53%）、日本（6.47%）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。

 

中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文产出的核心载体。据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中，美国（168 所）独占鳌头，占据全球的 45.7%。中国拥有 20 所高校与英国并列第三，数量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的 AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上升 1 个和 3 个名次。

 

从创新环境的角度

 

研发投入：中美研发投入差距收窄

 

中国研发高投入高强度，在全球研发表现中占据重要地位。从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投入总和占全球总量的比例已达 60.77%。其中，美国凭借其强大的研发实力连续多年位居全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小，2000 年至 2019 年，CAGR 高达 14.43%，同期美国 CAGR 仅 2.99%。由于经济疲软等诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测，中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存在差距。2018 年中国研发强度 1.97%，低于日本和美国 1.53、0.87 个百分点。

 

资本投入：资金多而项目缺，资本投向侧重终端市场

 

中美是全球人工智能“融资高地”。人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总融资额的 50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第二大融资体，融资总额占全球 35.5%。考虑到已有格局和近期变化，其他国家和地区难以从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行业泡沫即将出现的预警。

 

 

 

相比较美国，中国资本投向侧重易落地的终端市场。从融资层面来看，中国各领域发展较为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示，芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。

 

基于信息熵的 TOPSIS 法：综合指标评估（略）

 

数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来，若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。

 

展望：乘风破浪，探寻弯道超车之路

 

国内人工智能追赶速度迅猛，但基础薄弱问题突出。在强有力的战略引领和政策支持下、依托庞大的数据体量、丰富的应用场景和高度的互联网普及率，中国人工智能产业持续保持蓬勃发展态势，并跻身全球人工智能第一梯队。技术上，我国人工智能论文和专利申请量长期雄踞世界首位，在国际技术竞赛中多次拔得头筹；产业上，以阿里巴巴、腾讯为代表的科技巨头全面布局人工智能生态，以寒武纪、科大讯飞、商汤科技为代表的初创企业深耕垂直领域，打造技术护城河。我国人工智能产业规模、资本投入、企业数量呈现爆发式增长，智能技术与实体融合持续加强，落地场景不断丰富。但我们也应当意识到，与美国、欧洲相比，我国在产业链分布上更加集中于应用落地端口。长期市场化导向导致国内行业发展出现结构性失衡，基础理论缺乏、原创算法薄弱、高端芯片依赖进口等问题凸显，这也反映出中国人工智能发展不牢的风险点。因此，站在科技创新的“巨型风口”，我们更需要审慎后续技术路线和产业发展路径，加大科研攻关力度，补齐技术短板。

 

从中短期看，技术优化、落地场景的开拓和渗透是是最主要的增长点；从长期看，智能生态体系建设才是弯道超车的必由之路。人工智能产业的核心竞争力在于生态体系的建设，包括大数据、算法理论、底层技术、应用生态、人才储备等层面。而我国人工智能产业生态和基础设施建设正处于探索期，如何实现核心技术的突破和拓宽人工智能技术与社会经济融合场景着力点在于人才储备和持续的研发投入。从人才的角度，收窄技术差距的根本在于优化人的知识结构和能力。当前政策应侧重建立人才培养体系，为人工智能打造人才资源池，尤其是在基础学科领域突破人才瓶颈。同时，打破“唯数量论”的科研评价和考核体系，改变人才激励机制势在必行。我国人工智能专利申请和科研产出数量全球领先，但质量堪忧。唯有从源头改变评价机制，才能扭转“量多而质优”的问题。从研发的角度，企业技术优化和创新能力是解决产业痛点的关键。基础研究的投入周期长、不确定性大、和风险高特点决定了其难以短期内获得投资回报，但基础领域的突破将为经济带来长期和广泛的溢出效应，因此，国内更应关注底层技术的研发投入，扭转传统技术路径，颠覆核心技术受制于人的被动局面。此外，人工智能在赋能机器模拟人类进行决策的同时产生的伦理道德、隐私保护和社会安全问题值得关注。由于法律法规存在滞后性，尚无法对人工智能技术进行有效监管。我国应加快人工智能伦理研究，及早识别人工智能治理风险。 

（编辑：萍乡站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!