德勤中國成長型AI企業(yè)研究報告：邁向巔峰之路

德勤中國成長型AI企業(yè)研究報告：邁向巔峰之路一、中國成長型

AI企業(yè)概況1.1

數(shù)量龐大我們正在經(jīng)歷人工智能發(fā)展的第三次浪潮，人工智能技術(shù)正在深刻的變革人們生活和社會活動的方方面面，而人工智能相關(guān)企業(yè)是人工智能技術(shù)發(fā)展和創(chuàng)新的主要推動群體之一，更是將人工智能技術(shù)落地，賦能千行百業(yè)的主體。當(dāng)前中國人工智能相關(guān)企業(yè)可分為四大類：互聯(lián)網(wǎng)巨頭、傳統(tǒng)軟硬件廠商（包括集成商（SI）、獨(dú)立軟件開發(fā)商（ISV）和設(shè)備制造商（OEM）以及各垂直行業(yè)的領(lǐng)軍企業(yè)等）、人工智能企業(yè)又分為獨(dú)角獸企業(yè)和成長型企業(yè)。其中，人工智能成長型企業(yè)（以下簡稱成長型

AI企業(yè)）數(shù)量龐大，全國共約

4484

家，占人工智能相關(guān)企業(yè)的

89%。這些企業(yè)深耕垂直領(lǐng)域，在人工智能技術(shù)和千行百業(yè)融合的過程中，起到重要的推動作用。過去幾年，經(jīng)過巨量資本的加持，以及海量的市場需求，都使數(shù)量龐大的成長型

AI企業(yè)獲得了快速發(fā)展，尤其在疫情后，對無人化，智能化的解決方案需求非常旺盛。然而，人工智能技術(shù)工程化落地有一定復(fù)雜性，盡管人工智能技術(shù)取得了一定程度的階段性發(fā)展，但投入實(shí)際的應(yīng)用仍存在很多局限性。因此，英特爾

AI百佳創(chuàng)新激勵計(jì)劃團(tuán)隊(duì)和德勤認(rèn)為：未來

5

年，人工智能產(chǎn)業(yè)不會出現(xiàn)贏家通吃，寡頭鼎立的局面。通過對幾千家成長型

AI

企業(yè)的分析研究，數(shù)百家成長型

AI企業(yè)的走訪和近百家企業(yè)的深度合作，英特爾

AI百佳團(tuán)隊(duì)和德勤堅(jiān)信，未來

5

年成長型

AI

企業(yè)會呈現(xiàn)百花齊放的競合局面，是人工智能產(chǎn)業(yè)的重要一極，具有廣闊的發(fā)展空間。綜合以上原因，對成長型

AI

企業(yè)這個群體的深入研究，對理解中國人工智能產(chǎn)業(yè)的發(fā)展現(xiàn)狀和發(fā)展趨勢有著極為重要的意義。1.2

小而靈活在本報告研究的

4484

家成長型

AI企業(yè)中，人員規(guī)模

250

人以下的企業(yè)共

4200

家，占比

92%；其中，員工數(shù)在

11-50

人企業(yè)數(shù)量最多，占比達(dá)

45%；員工人數(shù)在

51-100

人和

101-250

人企業(yè)數(shù)占比分別為

14%

和

17%；企業(yè)人員規(guī)模

250~500

人以上的企業(yè)共

284

家，占比

6%。而人數(shù)在

500

人以上的大型企業(yè)僅占

2%。成長型

AI企業(yè)雖然在發(fā)展初期規(guī)模較小，但憑借著自身的獨(dú)特優(yōu)勢可以快速地將技術(shù)與應(yīng)用場景相融合，在細(xì)分垂直領(lǐng)域成為行業(yè)的“特種部隊(duì)”。1.3

邁上大舞臺成長型

AI企業(yè)的快速發(fā)展可從四個方面來探討：1.4

成長型

AI企業(yè)發(fā)展挑戰(zhàn)通過以上分析我們發(fā)現(xiàn)中國人工智能行業(yè)整體市場環(huán)境向好，企業(yè)百花齊放蓬勃發(fā)展，但這其中的成長型

AI企業(yè)也存在著一些挑戰(zhàn)：營收規(guī)模和虧損的雙重挑戰(zhàn)。根據(jù)數(shù)據(jù)研究和數(shù)百家企業(yè)的走訪以及專訪發(fā)現(xiàn)，和獲得了大量資本加持的獨(dú)角獸

AI企業(yè)不同，成長型

AI

企業(yè)的團(tuán)隊(duì)規(guī)模和業(yè)務(wù)規(guī)模的匹配更加合理，對資本投入都比較謹(jǐn)慎，一般有項(xiàng)目才會增加人員，并且對財(cái)務(wù)數(shù)據(jù)把控嚴(yán)格，不盲目擴(kuò)張。但由于技術(shù)通用性和解決方案的擴(kuò)展性的局限，特殊的商業(yè)環(huán)境，以及較弱的市場開拓能力，都使得成長型

AI

企業(yè)難以在短期內(nèi)大幅度的增加營收，甚至實(shí)現(xiàn)盈利。隨著產(chǎn)業(yè)智能化轉(zhuǎn)型的深入，如何讓企業(yè)進(jìn)入良性的發(fā)展軌道，實(shí)現(xiàn)自我造血能力，以應(yīng)對未來扶持政策和資本支持的變化，是所有成長型

AI企業(yè)要認(rèn)真應(yīng)對的一個課題。初級發(fā)展企業(yè)可能面臨淘汰出局。根據(jù)投融資數(shù)據(jù)我們發(fā)現(xiàn)，資本市場資源正不斷向

B輪以后企業(yè)聚攏，至今尚沒有融資的企業(yè)，很有可能面臨淘汰出局。根據(jù)

IT橘子的數(shù)據(jù)，截至

2020

年，30%

的成長型

AI

企業(yè)尚未或投，這些未或投企業(yè)很多沒有找到細(xì)分的價值板塊，產(chǎn)品差異化競爭優(yōu)勢不明顯，存在顯著的同質(zhì)化競爭現(xiàn)象。如果遇到較大公司的進(jìn)駐或碾壓后，容易被投資方半途放棄，創(chuàng)業(yè)風(fēng)險急劇增大。另外有

45%

的已或投企業(yè)輪次融資輪次在

A

輪之前，這些企業(yè)盡管產(chǎn)品研發(fā)已經(jīng)基本完成，但市場仍處于開拓階段，尚未能實(shí)現(xiàn)收入大幅增長。此外，缺乏高質(zhì)量數(shù)據(jù)、應(yīng)用場景不明確、產(chǎn)品打磨不完善等都是這些企業(yè)技術(shù)場景化落地的難點(diǎn)。成長型

AI企業(yè)缺乏人才聚集效應(yīng)。隨著人工智能越來越熱，人工智能人才成本也水漲船高。大企業(yè)有資金、平臺和品牌的優(yōu)勢，人才容易聚集，人力成本也比較好控制，而中小企業(yè)往往需要付出更高的成本才能在市場上獲得優(yōu)質(zhì)人才。在很多新技術(shù)、新領(lǐng)域，比如無人駕駛的大方向，成長型

AI

企業(yè)都處于無現(xiàn)成的可用的人才狀態(tài)，這些企業(yè)在很多情況下需要通過產(chǎn)學(xué)研合作，內(nèi)部培養(yǎng)，學(xué)習(xí)公開課的方式進(jìn)行內(nèi)部培養(yǎng)人才。然而，人才一旦培養(yǎng)成形，在市場人才搶奪的大環(huán)境下，如何留住人才，減少流失也是成長型

AI企業(yè)面臨的不小挑戰(zhàn)。創(chuàng)業(yè)團(tuán)隊(duì)的人才結(jié)構(gòu)不完善。一些創(chuàng)業(yè)團(tuán)隊(duì)只注重在技術(shù)上的突破，尤其技術(shù)型的科學(xué)家團(tuán)隊(duì)，沒有與行業(yè)專家進(jìn)行準(zhǔn)確融和，沒有與商務(wù)市場團(tuán)隊(duì)有效對接，使得技術(shù)與市場出現(xiàn)比較嚴(yán)重的脫節(jié)，對商業(yè)化落地造成了致命打擊。這些企業(yè)對潛在客戶場景需求的理解相對模糊，不斷在研發(fā)投入上燒錢，沒有對商業(yè)營銷進(jìn)行有創(chuàng)意的設(shè)計(jì)與推進(jìn)，在產(chǎn)品銷量出現(xiàn)低迷時，未及時意識到根本原因并作出有效調(diào)整，處于不斷虧損的尷尬境地。因此，人工智能是綜合性極強(qiáng)的學(xué)科，創(chuàng)業(yè)團(tuán)隊(duì)如何跨界、融合技術(shù)與商業(yè)模型，并有效地設(shè)計(jì)與推進(jìn)市場營銷，對團(tuán)隊(duì)人才結(jié)構(gòu)的完善要求非常高。二、成長型

AI企業(yè)地域分析人工智能技術(shù)進(jìn)入商業(yè)應(yīng)用階段后，已經(jīng)逐步在眾多行業(yè)得到應(yīng)用，成為影響經(jīng)濟(jì)發(fā)展的重要力量。各地政府為推動產(chǎn)業(yè)升級，實(shí)現(xiàn)經(jīng)濟(jì)新舊動能轉(zhuǎn)換，紛紛頒布與人工智能產(chǎn)業(yè)相關(guān)的產(chǎn)業(yè)規(guī)劃指導(dǎo)意見，提供稅收優(yōu)惠、資金補(bǔ)貼、人才引入、優(yōu)化政務(wù)流程等措施優(yōu)化營商環(huán)境，吸引有實(shí)力的企業(yè)入駐，同時培育本地人工智能企業(yè)。在政策與資本等多重力量的推動下，長三角、珠三角、京津冀等地區(qū)成為了人工智能企業(yè)最為密集的發(fā)展區(qū)域。1.

長三角優(yōu)勢突出：在政策方面，長三角地區(qū)為人工智能企業(yè)發(fā)展?fàn)I造的環(huán)境相對更優(yōu)。上海作為長三角的中心城市，被選為我國人工智能政策的先行示范區(qū)，產(chǎn)業(yè)發(fā)展環(huán)境理想。杭州、蘇州、南京近年來也陸續(xù)出臺多項(xiàng)政策扶持人工智能產(chǎn)業(yè)的孵化。長三角各城市對人工智能企業(yè)的資金支持力度也較大，有利于成長型企業(yè)的創(chuàng)新與發(fā)展。目前上海的核心成長型人工智能企業(yè)數(shù)量上為全國第二，僅次于北京；產(chǎn)業(yè)布局較為完善。同時上海也擁有豐富的科研和人才資源，在資金支持方面力度大。此外，長三角地區(qū)的杭州、南京、蘇州等地成長型企業(yè)的發(fā)展也在全國處于領(lǐng)先地位，在應(yīng)用層的機(jī)器人、軟件及信息服務(wù)領(lǐng)域布局優(yōu)勢突出。其中，杭州核心成長型企業(yè)數(shù)量在全國排名第四，成長型企業(yè)依托阿里系企業(yè)和浙江大學(xué)的優(yōu)勢呈聚集性發(fā)展。南京市成長型企業(yè)在區(qū)域上分布相對均勻，依托產(chǎn)業(yè)園的優(yōu)勢形成了全市人工智能產(chǎn)業(yè)協(xié)調(diào)發(fā)展的生態(tài)。而蘇州成長型企業(yè)依托政策扶持及產(chǎn)業(yè)資源快速發(fā)展。2.

珠三角產(chǎn)全面方展：廣東省政府正大力推動新一代人工智能發(fā)展，借著粵港澳大灣區(qū)的重大發(fā)展機(jī)遇，推進(jìn)經(jīng)濟(jì)社會的“賦智賦能”，為珠三角成長型人工智能企業(yè)的發(fā)展提供了良好的環(huán)境。深圳核心成長型

AI

企業(yè)數(shù)量位列全國前三，已形成完善的產(chǎn)業(yè)鏈，高新技術(shù)制造業(yè)發(fā)達(dá)。同時，深圳擁有多個人工智能開放創(chuàng)新平臺和人工智能實(shí)驗(yàn)室，創(chuàng)新能力全國領(lǐng)跑。廣州第三產(chǎn)業(yè)發(fā)達(dá)，擁有良好的經(jīng)濟(jì)實(shí)力。作為科技部設(shè)立的國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)，廣州在政策方面優(yōu)勢明顯。目前廣州正大力推進(jìn)人工智能和數(shù)字經(jīng)濟(jì)試驗(yàn)區(qū)的建設(shè)，并將在未來兩年內(nèi)新增多個人工智能應(yīng)用場景。3.

京津冀科技資源集中：作為京津翼地區(qū)的中心城市，北京以技術(shù)和產(chǎn)業(yè)的領(lǐng)先為發(fā)展人工智能產(chǎn)業(yè)的首要目標(biāo)。北京科研實(shí)力最為雄厚，擁有超過全國

50%

以上的科研院校，以及超過

10

家國家級實(shí)驗(yàn)室，同時，百度、京東、美團(tuán)等互聯(lián)網(wǎng)巨頭建設(shè)企業(yè)實(shí)驗(yàn)室，向人工智能技術(shù)研發(fā)投入大量社會資本，引領(lǐng)京津翼地區(qū)科技資源的聚集，為該地區(qū)成長型企業(yè)的發(fā)展提供了豐富資源。就核心成長型

AI企業(yè)而言，北京的成長型企業(yè)為全國最多，共

1074

家，占總數(shù)的

24%。北京成長型企業(yè)在基礎(chǔ)層、技術(shù)層、應(yīng)用層的分布相對較均衡，產(chǎn)業(yè)布局領(lǐng)域較廣。北京成長型企業(yè)在應(yīng)用層的研發(fā)方面領(lǐng)跑全國，軟件平臺、無人駕駛等多個領(lǐng)域研究具有明顯優(yōu)勢。為推動京津翼地區(qū)人工智能產(chǎn)業(yè)的協(xié)同發(fā)展，北京經(jīng)濟(jì)開發(fā)區(qū)一直以來都積極組織資源，對京津翼三地實(shí)施全產(chǎn)業(yè)鏈布局，現(xiàn)已探索出“亦莊技術(shù)研發(fā)

+

產(chǎn)品創(chuàng)新、津冀產(chǎn)業(yè)化應(yīng)用

+

工業(yè)化量產(chǎn)”的創(chuàng)新產(chǎn)業(yè)模式。在城市層面，北京、上海和深圳作為京津冀、長三角、珠三角、地區(qū)的中心城市，有著良好的經(jīng)濟(jì)基礎(chǔ)和豐富的政策紅利，分別帶動了三個地區(qū)的人工智能產(chǎn)業(yè)集群發(fā)展；杭州、南京、廣州作為高速發(fā)展的核心人工智能城市，近年來在技術(shù)應(yīng)用廣度、科技發(fā)展等方面迅速成長，是我國人工智能城市發(fā)展的中堅(jiān)力量；在人工智能新興城市中，蘇州、重慶和成都發(fā)展尤為顯著，分別在產(chǎn)業(yè)園建設(shè)、應(yīng)用場景擴(kuò)大和引入科教資源方面發(fā)展較快。2.1

北上深

—

全面方位引領(lǐng)北京引領(lǐng)技術(shù)北京是全球十大科技創(chuàng)新中心之一，也是我國最先開展人工智能建設(shè)的城市。作為我國新一代人工智能創(chuàng)新試驗(yàn)區(qū)，北京市人工智能企業(yè)的數(shù)量和專利數(shù)均位列全國第一。北京成長型

AI企業(yè)集中分布在海淀區(qū)和朝陽區(qū)，呈現(xiàn)集聚發(fā)展的態(tài)勢。海淀區(qū)引領(lǐng)北京市的

AI

發(fā)展，是全球人工智能企業(yè)最密集的區(qū)域之一。北京智源人工智能研究院、中關(guān)村海華信息技術(shù)研究院等一批前沿的研發(fā)機(jī)構(gòu)都聚集于此，為海淀區(qū)人工智能企業(yè)提供了大量高端人才。此外，海淀區(qū)率先開發(fā)了包括智慧醫(yī)療、智慧社區(qū)在內(nèi)的一批人工智能應(yīng)用場景，并設(shè)立人工智能科學(xué)家創(chuàng)業(yè)基金，構(gòu)建特色創(chuàng)新創(chuàng)業(yè)體系，利于成長型企業(yè)發(fā)展。朝陽區(qū)則以人工智能推動數(shù)字產(chǎn)業(yè)化發(fā)展，運(yùn)用人工智能技術(shù)打造了包括智慧園區(qū)、智慧零售、智慧游覽在內(nèi)的多個高質(zhì)量的應(yīng)用場景。北京在人工智能各方面的發(fā)展都領(lǐng)跑全國，其中，最為突出的優(yōu)勢主要體現(xiàn)在政策支持、科技資源和基礎(chǔ)層技術(shù)三大方面。上海商用排頭兵上海作為創(chuàng)新開放的國際性大都市，是人工智能快速發(fā)展的領(lǐng)先城市。上海的核心成長型

AI

企業(yè)數(shù)量上為全國第二，僅次于北京；產(chǎn)業(yè)布局較為完善，商業(yè)化應(yīng)用場景豐富。上海目前入駐浦東新區(qū)和徐匯區(qū)的人工智能成長型企業(yè)數(shù)量最多。浦東新區(qū)擁有張江人工智能島、浦東軟件園、張江機(jī)器人谷等多個人工智能核心產(chǎn)業(yè)集聚區(qū)，聚集了大量上下游企業(yè)，產(chǎn)業(yè)鏈完整，同時上?？萍即髮W(xué)、中科院張江實(shí)驗(yàn)室等優(yōu)質(zhì)高校資源也聚集于此，為人工智能企業(yè)的發(fā)展提供了良好的科研環(huán)境和大量的高端人才。徐匯區(qū)擁有西岸國際人工智能中心、北楊人工智能小鎮(zhèn)，聚焦智慧醫(yī)療、智慧安防等多個應(yīng)用場景，人工智能產(chǎn)業(yè)發(fā)展迅速，且在政策層面、高級人才培養(yǎng)、人才生活和服務(wù)等全方面，徐匯區(qū)均對入駐企業(yè)給予了支持與幫助，因此吸引了大批成長型企業(yè)。從商業(yè)化應(yīng)用到人才積累再到產(chǎn)業(yè)國際合作方面，上海都具有明顯的人工智能發(fā)展優(yōu)勢。深圳產(chǎn)業(yè)化強(qiáng)市深圳因其粵港澳大灣區(qū)、中國社會主義先行示范區(qū)等特殊戰(zhàn)略地位，在人工智能產(chǎn)業(yè)發(fā)展上具備深厚基礎(chǔ)，走在全國前列。深圳同時擁有大量新興和成熟的人工智能企業(yè)，從區(qū)域分布來看，深圳成長型

AI企業(yè)呈集中分布的態(tài)勢，半數(shù)企業(yè)均聚集在南山區(qū)，寶安區(qū)和福田區(qū)。深圳在人工智能產(chǎn)業(yè)發(fā)展方面的優(yōu)勢主要聚焦在產(chǎn)業(yè)化優(yōu)勢、資本實(shí)力優(yōu)勢等方面。2.2

杭寧穗

—

優(yōu)勢穩(wěn)進(jìn)作為僅次于北上深的人工智能高速發(fā)展城市，杭州、南京和廣州，在政策、資金、人才及科研等方面優(yōu)勢突出，人工智能建設(shè)要素完備程度相對較高，因此它們以穩(wěn)進(jìn)的發(fā)展態(tài)勢推進(jìn)人工智能產(chǎn)業(yè)的發(fā)展。杭州資源匯聚潛力大杭州核心成長型企業(yè)數(shù)量在全國排名第四，僅次于北京、上海和深圳。杭州的人工智能產(chǎn)業(yè)分布區(qū)域集中在余杭區(qū)、濱江區(qū)和西湖區(qū)，圍繞浙江大學(xué)和阿里系企業(yè)的研發(fā)資源呈現(xiàn)聚集性發(fā)展的態(tài)勢。杭州成長型人工智能企業(yè)中

72%

分布于應(yīng)用層。應(yīng)用層企業(yè)涉及醫(yī)療、安防、制造、金融、交通、生活服務(wù)等多個領(lǐng)域；技術(shù)層覆蓋圖像識別、自然語言處理、計(jì)算機(jī)視覺等；基礎(chǔ)層企業(yè)包括了云計(jì)算、大數(shù)據(jù)、AI

芯片等。杭州人工智能發(fā)展的核心競爭力主要體現(xiàn)在科研實(shí)力以及產(chǎn)業(yè)園布局方面。南京“新勢力”南京地處我國長江經(jīng)濟(jì)帶樞紐區(qū)，擁有齊全的工業(yè)門類基礎(chǔ)，共有成長型

AI企業(yè)約

25

家，主要集中在南京市的中部地區(qū)，包括江寧區(qū)、秦淮區(qū)、雨花臺區(qū)等。南京成長型

AI

企業(yè)以應(yīng)用層為主，已初步建成相對完善的人工智能產(chǎn)業(yè)生態(tài)。南京應(yīng)用層的成長型

AI

企業(yè)依托南京的軟件產(chǎn)業(yè)的優(yōu)勢發(fā)展，主要集中在智能軟件、智能應(yīng)用系統(tǒng)、智能機(jī)器人等領(lǐng)域。在人工智能發(fā)展方面，南京優(yōu)勢主要體現(xiàn)于人才培養(yǎng)、科研及產(chǎn)業(yè)布局三大方面。廣州大灣區(qū)研發(fā)“主心骨”廣州是大灣區(qū)區(qū)域發(fā)展的核心，具有良好的人工智能產(chǎn)業(yè)發(fā)展基礎(chǔ)，目前廣州共匯聚成長型人工智能核心企業(yè)40%

集中在天河區(qū)。天河區(qū)是粵港澳大灣區(qū)最大的軟件產(chǎn)業(yè)聚集區(qū)，在包括大數(shù)據(jù)、云計(jì)算等與人工智能有關(guān)的領(lǐng)域具有大量發(fā)展優(yōu)勢，能為成長型

AI

企業(yè)的技術(shù)與業(yè)務(wù)發(fā)展提供便利。廣州成長型

AI

企業(yè)中，應(yīng)用層企業(yè)主要集中在軟件、機(jī)器人技術(shù)、智慧金融等領(lǐng)域，廣州包括電子產(chǎn)品、汽車、金融在內(nèi)的多個主導(dǎo)產(chǎn)業(yè)為應(yīng)用層企業(yè)的發(fā)展提供了支撐。技術(shù)層的成長型企業(yè)覆蓋了自然語言處理、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等領(lǐng)域?；A(chǔ)層企業(yè)覆蓋云計(jì)算、大數(shù)據(jù)等，廣州成熟的電子產(chǎn)品制造業(yè)為基礎(chǔ)層成長型企業(yè)的發(fā)展提供了計(jì)算硬件、傳感硬件等多方面的支持。廣州市在研發(fā)能力、產(chǎn)業(yè)集聚以及投融資三方面尤為突出。2.3

蘇渝蓉

—

奮起直追蘇州、重慶和成都是我國人工智能產(chǎn)業(yè)發(fā)展的主要后進(jìn)力量。雖然在人工智能產(chǎn)業(yè)發(fā)展要素方面的建設(shè)尚未全面完善，但是其在基礎(chǔ)設(shè)施建設(shè)、應(yīng)用場景建設(shè)等方面較為重視，并獲得了一定的發(fā)展，為其余人工智能發(fā)展中城市起到了示范帶領(lǐng)作用。蘇州產(chǎn)業(yè)日趨完善蘇州是我國主要的高新技術(shù)產(chǎn)業(yè)和智能制造基地之一，地理位置上毗鄰上海。蘇州作為人工智能發(fā)展的新興城市，在產(chǎn)業(yè)園建設(shè)、經(jīng)濟(jì)基礎(chǔ)以及地理位置的優(yōu)勢下，具有較大的發(fā)展后勁。目前蘇州以大數(shù)據(jù)、云計(jì)算為支撐的人工智能產(chǎn)業(yè)鏈日趨完善，在智能制造與自動駕駛領(lǐng)域已形成較為明顯的集群優(yōu)勢。蘇州共有成長型人工智能核心企業(yè)超過半數(shù)聚集在蘇州工業(yè)園區(qū)內(nèi)，其次是相城區(qū)和昆山市。蘇州核心成長型企業(yè)主要集中在應(yīng)用層，覆蓋了智能制造、軟件、智慧醫(yī)療等場景。產(chǎn)業(yè)園建設(shè)、經(jīng)濟(jì)基礎(chǔ)及地理位置方面是蘇州發(fā)展人工智能產(chǎn)業(yè)的優(yōu)勢。重慶應(yīng)用擴(kuò)大“后發(fā)先至”重慶近年來在人工智能發(fā)展方面增速較快。目前重慶共有成長型人工智能核心企業(yè)集中分布在渝北、渝中和江北區(qū)。重慶應(yīng)用層的成長型企業(yè)覆蓋企業(yè)服務(wù)、信息服務(wù)、智慧醫(yī)療等場景，技術(shù)層企業(yè)涵蓋自然語言處理、圖像識別等領(lǐng)域；基礎(chǔ)層企業(yè)多以大數(shù)據(jù)計(jì)算作為核心技術(shù)。重慶市在新興人工智能城市中的主要發(fā)展優(yōu)勢體現(xiàn)在工業(yè)基礎(chǔ)良好和應(yīng)用場景不斷擴(kuò)大兩大方面。成都“后起新秀”成都作為西部新一線領(lǐng)跑城市，自

2019

年來就積極布局人工智能產(chǎn)業(yè)，重點(diǎn)發(fā)展人工智能在交通、金融、醫(yī)療等領(lǐng)域的應(yīng)用。成都高新區(qū)集中了

75%

的成長型人工智能核心企業(yè)。成都高新區(qū)一直以來發(fā)展處于全國高新區(qū)的前列，市場容量及物流條件良好；高新區(qū)擁有完整的電子信息產(chǎn)業(yè)鏈；聚集了

6

家省級產(chǎn)研院和

1

家市級產(chǎn)研院，在科研方面優(yōu)勢突出，對成長型人工智能企業(yè)有較大的吸引力?？傮w來看，成都在科教資源和場景應(yīng)用方面的優(yōu)勢尤為突出。三、成長型

AI企業(yè)生態(tài)圈與應(yīng)用3.1

企業(yè)生態(tài)圈從生態(tài)圈來看，人工智能生態(tài)圈分三層結(jié)構(gòu)：基礎(chǔ)設(shè)施、技術(shù)平臺、落地場景?；A(chǔ)設(shè)施主要包括云計(jì)算平臺提供商、芯片、IT

軟硬件系統(tǒng)提供商；技術(shù)平臺主要有人工智能算法企業(yè)、機(jī)器學(xué)習(xí)平臺企業(yè)、知識圖譜技術(shù)提供商、智能語音企業(yè)、RPA提供商、AI

軟件框架；落地場景則包括工業(yè)、金融、醫(yī)療、零售、營銷等海量豐富場景。成長型

AI企業(yè)集中在應(yīng)用層。從整體來看，中國成長型

AI企業(yè)主要聚集在應(yīng)用層，依托技術(shù)優(yōu)勢幫助場景落地，尤其在終端產(chǎn)品落地豐富。這些企業(yè)在機(jī)器人終端市場占比最大，達(dá)

52%。其次，隨著市場需求的多樣化和個性化的發(fā)展，智能家居和無人機(jī)成為第二、第三大

AI終端產(chǎn)品市場。成長型

AI

企業(yè)在技術(shù)和產(chǎn)品創(chuàng)新的速度方面很快，創(chuàng)新速度比產(chǎn)業(yè)型大公司的創(chuàng)新速度快，因此能夠快速集中可用資源、聚焦客戶產(chǎn)品需求并迅速創(chuàng)新優(yōu)化產(chǎn)品，在一些意想不到的領(lǐng)域開發(fā)產(chǎn)品，搶先一步得到市場訂單。在

AI行業(yè)解決方案細(xì)分領(lǐng)域，2020

年

AI+

制造、AI+

醫(yī)療分別以

23%

和

21%

成為占比最高的兩大行業(yè)。由于中國市場遼闊，技術(shù)與場景的深入融合仍有很大空間，端到端的產(chǎn)品覆蓋和數(shù)據(jù)觸達(dá)能力需要廣大成長型

AI

企業(yè)進(jìn)一步落實(shí)。傳統(tǒng)行業(yè)應(yīng)用場景與

AI

深度融合的趨勢下，人工智能將不再是單點(diǎn)替代的形式，而是真正融入到傳統(tǒng)產(chǎn)業(yè)各個環(huán)節(jié)之中，推動傳統(tǒng)產(chǎn)業(yè)的工藝、流程、流通、服務(wù)等核心業(yè)務(wù)的高效創(chuàng)新。計(jì)算機(jī)視覺技術(shù)應(yīng)用最廣泛。在

AI的技術(shù)層，計(jì)算機(jī)視覺以

45%

的占比成為成長型

AI企業(yè)應(yīng)用最多的技術(shù)，而人機(jī)交互由于剛剛興起，2020

年在技術(shù)層市場占比相對較小，僅有

14%。未來，人機(jī)交互將會極大提高場景的融通性和體驗(yàn)性，發(fā)展空間巨大，建議成長型

AI

企業(yè)可在該賽道開拓落地商機(jī)。大型企業(yè)主要分布在基礎(chǔ)層搭建基礎(chǔ)設(shè)施和技術(shù)平臺。目前我國人工智能基礎(chǔ)層核心技術(shù)有待突破，存在產(chǎn)學(xué)研不夠緊密的問題，成長型

AI企業(yè)數(shù)量相對較少。而巨頭企業(yè)目前主要著力在基礎(chǔ)層的設(shè)施搭建和技術(shù)平臺設(shè)施的完善上，其中云計(jì)算和芯片仍有核心技術(shù)有待攻克，市場占比

17.3%

和

11.6%；而在大數(shù)據(jù)和傳感器領(lǐng)域，已發(fā)展的較為成熟完善，市場占比分別為

51.1%

和

20%。3.2

成長型

AI企業(yè)應(yīng)用場景人工智能技術(shù)在過去數(shù)年持續(xù)快速發(fā)展，商業(yè)化應(yīng)用成為關(guān)注焦點(diǎn)。從市場規(guī)模以及行業(yè)滲透率的視角來看，人工智能的行業(yè)應(yīng)用可以落入四個象限：?

萌芽期：人工智能技術(shù)的行業(yè)滲透以及市場機(jī)會都尚未成熟。雖然處于起步階段，但是這些行業(yè)在未來往往有著巨大的發(fā)展?jié)摿?、蘊(yùn)藏巨大市場機(jī)遇，例如醫(yī)療行業(yè)、無人駕駛；?

過渡期：人工智能技術(shù)在該行業(yè)具有較高的滲透程度，但現(xiàn)階段市場規(guī)模較低。未來，這些行業(yè)有可能因?yàn)檎唑?qū)動等因素，帶來新的行業(yè)增長點(diǎn)，如數(shù)字政務(wù)；?

成長期：表示雖然行業(yè)的滲透度不足，但市場規(guī)模巨大，在現(xiàn)階段就擁有較高的市場增長潛力，例如智能制造；?

發(fā)展期：表示人工智能技術(shù)已經(jīng)在這些領(lǐng)域產(chǎn)生了較為深刻的影響，行業(yè)應(yīng)用度較高，同時市場機(jī)會也高，例如金融行業(yè)。3.2.1

智能制造將逐步釋放巨大市場潛力人工智能與相關(guān)技術(shù)結(jié)合，可優(yōu)化制造業(yè)各流程環(huán)節(jié)的效率，通過工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)資料，再借助深度學(xué)習(xí)算法處理后提供建議甚至自主優(yōu)化。然而，相較于金融、商業(yè)、醫(yī)療行業(yè)，人工智能在制造業(yè)領(lǐng)域應(yīng)用潛力被明顯低估。我國制造業(yè)正加速智能化進(jìn)程，未來巨大的市場潛力將逐步被釋放。預(yù)計(jì)到

2025

年，中國制造業(yè)人工智能市場規(guī)模將達(dá)到

133

億元，預(yù)測期（2018-2025

年）復(fù)合年增長率為

49.4%。制造業(yè)大數(shù)據(jù)技術(shù)的迅猛發(fā)展、自動化水平的不斷提高以及人工智能應(yīng)用的不斷加強(qiáng)是推動中國制造業(yè)人工智能發(fā)展的主要因素。智能工廠代表了傳統(tǒng)自動化向“全互聯(lián)”和“柔性化”的飛躍。智能工廠不是簡單的自動化，而是一個柔性系統(tǒng)，能夠自行優(yōu)化整個網(wǎng)絡(luò)的表現(xiàn)，自行適應(yīng)并實(shí)時或近實(shí)時學(xué)習(xí)新的環(huán)境條件，并自動運(yùn)行整個生產(chǎn)流程。智能工廠能夠在工廠車間內(nèi)自動運(yùn)作，同時與具有類似生產(chǎn)系統(tǒng)的全球網(wǎng)絡(luò)甚至整個數(shù)字化供應(yīng)網(wǎng)絡(luò)互聯(lián)。智能工廠不是單一設(shè)備的智能化改造，而是要對人員、設(shè)備、物料、工藝、環(huán)境進(jìn)行統(tǒng)一的數(shù)理化建模，建立以顧客需求為中心的柔性生產(chǎn)制造模式，利用

AI以及大數(shù)據(jù)技術(shù)對生產(chǎn)、物流、銷售及內(nèi)部管理等各環(huán)節(jié)進(jìn)行工業(yè)

4.0

的全面升級。在人工智能和

5G

工業(yè)互聯(lián)網(wǎng)為代表的新技術(shù)推動下，制造不再以人為核心，而是利用“網(wǎng)絡(luò)

+

數(shù)據(jù)

+

算法

+

算力”構(gòu)建以科技為核心的制造體系，實(shí)現(xiàn)智能化生產(chǎn)。智能工廠具有互聯(lián)、優(yōu)化、透明、前瞻與敏捷的特點(diǎn)?；ヂ?lián)或許是智能工廠最重要的特征，智能工廠須確?；玖鞒膛c物料的互聯(lián)互通，以生成實(shí)時決策所需的各項(xiàng)數(shù)據(jù)。在真正意義的智能工廠中，傳感器遍布各項(xiàng)資產(chǎn)，因此系統(tǒng)可不斷從新興與傳統(tǒng)渠道抓取數(shù)據(jù)、確保數(shù)據(jù)持續(xù)更新。通過整合來自運(yùn)營系統(tǒng)、業(yè)務(wù)系統(tǒng)、以及供應(yīng)商和客戶的數(shù)據(jù)，可全面掌控供應(yīng)鏈上下游流程，從而提高供應(yīng)網(wǎng)絡(luò)的整體效率；經(jīng)過優(yōu)化的智能工廠可實(shí)現(xiàn)高度可靠的運(yùn)轉(zhuǎn)，最大程度上降低人工干預(yù)。智能工廠具備自動化工作流程，可同步了解資產(chǎn)狀況，同時優(yōu)化了追蹤系統(tǒng)與進(jìn)度計(jì)劃，能源消耗亦更加合理，可有效提高產(chǎn)量、運(yùn)行時間以及質(zhì)量，并降低成本、避免浪費(fèi)；智能工廠獲取數(shù)據(jù)公開透明，通過實(shí)時數(shù)據(jù)可視化，將從流程與成品或半成品獲取的數(shù)據(jù)進(jìn)行處理，并轉(zhuǎn)變?yōu)榍袑?shí)可行的洞見，從而協(xié)助人工及自動化決策流程。在一個前瞻型體系中，員工與系統(tǒng)可預(yù)見即將出現(xiàn)的問題或挑戰(zhàn)，并提前予以應(yīng)對。這一特征包括識別異常情況，儲備并補(bǔ)充庫存，發(fā)現(xiàn)并提前解決質(zhì)量問題，以及監(jiān)控安全與維修問題。智能工廠能夠基于歷史與實(shí)時數(shù)據(jù)，預(yù)測未來成果，從而提高正常運(yùn)行時間、產(chǎn)量與質(zhì)量，同時預(yù)防安全問題。智能工廠還具備敏捷的靈活性，可快速適應(yīng)進(jìn)度以及產(chǎn)品變更，自動配置設(shè)備與物料流程，進(jìn)而實(shí)時掌握這些變更所造成的影響，并最大程度上降低調(diào)整幅度，從而提高運(yùn)行時間與產(chǎn)量，并確保靈活的進(jìn)度安排。3.2.2

金融

AI負(fù)載的邊緣化與服務(wù)的個性化、精細(xì)化和普惠化從金融服務(wù)來看，在

AI技術(shù)應(yīng)用的驅(qū)動下，我國金融行業(yè)呈現(xiàn)出產(chǎn)品個性化、管理精細(xì)化和服務(wù)普惠化三大發(fā)展態(tài)勢。3.2.3

智慧醫(yī)療進(jìn)入價值驗(yàn)證期在

AI醫(yī)療領(lǐng)域，技術(shù)的成熟度決定了場景落地的時機(jī)。當(dāng)前，在視覺和語音領(lǐng)域的發(fā)展已經(jīng)完全可以商業(yè)化的時候，AI

在單病的醫(yī)療影像診斷領(lǐng)域已經(jīng)非常成熟，但在多模態(tài)影像與臨床的融合場景中，AI

技術(shù)提高整個醫(yī)院的信息化水平方面還處于早期階段。隨著交互式人工智能的發(fā)展，AI

醫(yī)療在虛擬醫(yī)生助手和輔助臨床診斷將會有進(jìn)一步發(fā)展；未來，聯(lián)邦學(xué)的發(fā)展將可以廣泛應(yīng)用于藥物研發(fā)和基因測序。因此，企業(yè)對技術(shù)發(fā)展節(jié)奏的把握非常關(guān)鍵，只有找準(zhǔn)時機(jī)點(diǎn)及其關(guān)鍵點(diǎn)，才能將技術(shù)落實(shí)于應(yīng)用場景，實(shí)現(xiàn)商業(yè)化。中國醫(yī)療器械行業(yè)市場規(guī)模較大且持續(xù)快速增長。2020

年，中國醫(yī)療器械市場規(guī)模預(yù)估為

8,000

億元人民幣，目前占據(jù)了全球醫(yī)療器械市場近

20%

的份額，較

2015

年的

3,080

億元人民幣翻了一番多。國內(nèi)醫(yī)療器械企業(yè)以成長型

AI

企業(yè)為主，主要集中于低價值醫(yī)用耗材等低附加值器械領(lǐng)域。這些小型國內(nèi)企業(yè)主導(dǎo)著中低端市場。就高端器械而言，行業(yè)仍高度依賴于進(jìn)口，這一細(xì)分市場由少數(shù)外資品牌主導(dǎo)。不過，在過去的

10

年里，國內(nèi)品牌在高值醫(yī)用耗材細(xì)分市場的份額已從約

20%

增長至約

30%，未來，成長型

AI

企業(yè)在醫(yī)療領(lǐng)域?qū)⒊蔀楦叨酸t(yī)療器械國產(chǎn)替代的主力軍。AI提高臨床操作的效率，降低醫(yī)療風(fēng)險。基于人工智能的解決方案可以通過使用跨機(jī)構(gòu)的大量結(jié)構(gòu)化和非結(jié)構(gòu)化醫(yī)療數(shù)據(jù)，有效簡化診斷和治療流程。這可以幫助醫(yī)院和衛(wèi)生系統(tǒng)的醫(yī)生進(jìn)行臨床決策，為他們提供實(shí)時的、以數(shù)據(jù)為導(dǎo)向的見解。AI在醫(yī)院管理領(lǐng)域幫助節(jié)省人力并優(yōu)化患者體驗(yàn)。AI快速檢查大量信息的能力可以幫助醫(yī)院管理者優(yōu)化績效，提高生產(chǎn)力，改善資源利用率，從而提高效率和節(jié)省成本。此外，物流機(jī)器人可以大量替代人力完成高危作業(yè)，提升醫(yī)院運(yùn)營效率。最后，AI還可以通過虛擬助手促進(jìn)與患者的對話，提供個性化體驗(yàn)。機(jī)器學(xué)習(xí)可將錯誤用藥的安全風(fēng)險降至最低。AI

還可以識別出傳統(tǒng)臨床決策系統(tǒng)無法檢測到的用藥錯誤，最大限度地降低患者風(fēng)險，同時還可以減少醫(yī)生疲勞導(dǎo)致的誤診和假陽性。第三方平臺可以標(biāo)記出與患者、醫(yī)生或醫(yī)療機(jī)構(gòu)的檔案相沖突的藥物，應(yīng)用先進(jìn)的機(jī)器學(xué)習(xí)算法和異常值檢測機(jī)制來識別和預(yù)防與用藥相關(guān)的錯誤和風(fēng)險。以“用藥管家”為例，在機(jī)器學(xué)習(xí)過程中，它“閱讀”了

6

萬+

份藥品說明書、10

萬+

份臨床指南、5000

萬+

篇醫(yī)療科普文章、2000

萬+

份醫(yī)學(xué)論文以及人民衛(wèi)生教育出版社出版的專業(yè)醫(yī)學(xué)書籍，形成了專業(yè)的醫(yī)療知識圖譜。此外，再結(jié)合醫(yī)生的處方，為患者提供用藥指導(dǎo)、用藥問答、用藥管理、用藥信息采集等藥事服務(wù)。目前，“用藥管家”已經(jīng)簽約及上線的三甲醫(yī)院約

70

家，除了這款應(yīng)用，左手醫(yī)生還通過智能自診、智能導(dǎo)診、智能預(yù)問診、智能問藥、智能問答、醫(yī)學(xué)文本數(shù)據(jù)結(jié)構(gòu)化引擎等搭建了一條完整的醫(yī)療鏈條。AI提高藥物研發(fā)的效率、降低研發(fā)投入與風(fēng)險。通過深度學(xué)習(xí)模型和經(jīng)典的計(jì)算機(jī)輔助藥物設(shè)計(jì)方法，可以為定制醫(yī)藥化合物提供準(zhǔn)確、高效的計(jì)算模型支持。利用機(jī)器學(xué)習(xí)建模平臺，可以大大提高對于數(shù)據(jù)的特征提取能力，在同等數(shù)據(jù)規(guī)模情況下，提供更加精確的模型，同時降低機(jī)器學(xué)習(xí)使用時對于數(shù)據(jù)規(guī)模的要求。AI

藥物研發(fā)公司晶泰科技利用機(jī)器學(xué)習(xí)模型，可以快速對化合物性質(zhì)進(jìn)行評價，高效構(gòu)建定制化模型，有效提高模型在特定化合物、特定靶點(diǎn)上的表現(xiàn)能力。在制藥過程中，結(jié)合數(shù)據(jù)分析、可視化模塊、分子庫分析模塊和數(shù)據(jù)解釋模塊，可以幫助藥物設(shè)計(jì)者快速獲取關(guān)于分子庫特征、化合物構(gòu)效關(guān)系等設(shè)計(jì)決策中的關(guān)鍵信息，提高制藥決策的信息性和成功率。四、成長型

AI企業(yè)技術(shù)發(fā)展現(xiàn)狀技術(shù)的進(jìn)步涵蓋了算法、數(shù)據(jù)、框架和算力四個方面，它們是

AI

技術(shù)發(fā)展的重要環(huán)節(jié)。在算法方面，人類取得了前所未有的突破，特別是視覺和語音技術(shù)方面的成就尤為突出。在數(shù)據(jù)方面，移動互聯(lián)網(wǎng)時代的到來使數(shù)據(jù)量迎來了爆炸式增長。在框架方面，國內(nèi)外各大

IT企業(yè)不斷推陳出新，TensorFlow、PyTorch、PaddlePaddle等已經(jīng)占領(lǐng)大量市場。在算力方面，GPU、CPU和

AI

加速芯片在市面上被廣泛使用，其中推理部分

CPU占比較大，訓(xùn)練部分

GPU占據(jù)主導(dǎo)。通過平臺化的整合，AI

技術(shù)的進(jìn)步推動了政務(wù)、金融、醫(yī)療、制造等各領(lǐng)域的發(fā)展。在上述業(yè)務(wù)的發(fā)展過程中，除了大型頭部互聯(lián)網(wǎng)企業(yè)以外，也出現(xiàn)了成長型

AI

企業(yè)的身影。由于成長型

AI

企業(yè)體量相對較小、資金儲備不如大型企業(yè)，因此其自研技術(shù)所占的比例有限，會更傾向于選用時下熱門的技術(shù)。對于行業(yè)內(nèi)技術(shù)的觀察和追蹤，成長型

AI

企業(yè)有很大的參考價值。近些年，成長型

AI企業(yè)更加青睞Attention、CTC、Resnet和

BERT等熱門算法，以及

TensorFlow和

Pytorch等熱門深度學(xué)習(xí)框架，而在產(chǎn)品的部署方式上則更傾向于選擇大型通用平臺。4.1

算法

—

CV、NLP等領(lǐng)域需求大、投入多計(jì)算機(jī)視覺、自然語言處理和語音識別是

AI技術(shù)落地需求最大、速度最快的三個方向，近些年來學(xué)界和業(yè)界在目標(biāo)識別、對話交互等領(lǐng)域都有大量的投入和產(chǎn)出。在成長型

AI

企業(yè)中，有三成多的企業(yè)也涉足了這三個領(lǐng)域，采用算法模型時它們更偏向于

Attention、CTC和

Resnet等熱門模型。4.1.1

計(jì)算機(jī)視覺和自然語言處理分別聚焦目標(biāo)識別和機(jī)器學(xué)習(xí)計(jì)算機(jī)視覺關(guān)注目標(biāo)檢測與分類、遷移與小樣本學(xué)習(xí)和人體識別。CVPR會議是計(jì)算機(jī)視覺領(lǐng)域的頂級年度峰會，在

2020

年的會議上公布的數(shù)據(jù)顯示：2020

年所有提交的論文中，目標(biāo)檢測與識別相關(guān)的論文數(shù)量多于其他領(lǐng)域，此外遷移與小樣本學(xué)習(xí)以及人臉/手勢/姿態(tài)識別相關(guān)的論文數(shù)量也相對較多。自然語言處理聚焦機(jī)器學(xué)習(xí)、對話交互系統(tǒng)和機(jī)器翻譯。ACL是計(jì)算語言學(xué)學(xué)會一年一度的年會，也是該領(lǐng)域最重要的學(xué)術(shù)會議。2020

年組織方公布的數(shù)據(jù)顯示：論文數(shù)量最多的

3

個領(lǐng)域分別是機(jī)器學(xué)習(xí)、對話交互和機(jī)器翻譯，分別占總論文比重

6%

至

9%，盡管這些領(lǐng)域的論文數(shù)量排名靠前，但并未與其他領(lǐng)域拉開差距。4.1.2

新冠疫情推動了

AI算法在生物醫(yī)學(xué)的應(yīng)用截至

2021

年

2

月，在論文數(shù)據(jù)庫

中，與

AI算法相關(guān)的研究論文已經(jīng)超過

34000

篇。自

2016

年起，每年發(fā)表與

AI相關(guān)論文的數(shù)量持續(xù)增長。2020

年疫情的爆發(fā)并沒有減緩這種趨勢，論文發(fā)表數(shù)增長幅度甚至遠(yuǎn)超往年。與此同時，以醫(yī)療保健為重點(diǎn)的研究項(xiàng)目，除了

2019

年

Q4

至

2020

年

Q1

這段時期，整體也呈現(xiàn)上升趨勢。4.1.3

成長型

AI企業(yè)多采用計(jì)算機(jī)視覺算法及各種熱門模型在成長型

AI企業(yè)的自研算法中，計(jì)算機(jī)視覺方向的算法數(shù)量居多。截至

2021

年

2

月，中國境內(nèi)成長型

AI企業(yè)采用的算法中偏向計(jì)算機(jī)視覺方向的占

24%，偏向自然語言處理方向的占

10%，其余為偏向其他領(lǐng)域或方向不明。由于計(jì)算機(jī)視覺領(lǐng)域數(shù)據(jù)豐富，模型效果更好，所以成長型

AI企業(yè)會更傾向采用計(jì)算機(jī)視覺算法。成長型

AI企業(yè)更愿意采用

Resnet、CTC、Attention等模型。通過對

520

家成長型

AI企業(yè)的統(tǒng)計(jì)和調(diào)研可以看到，成長型

AI企業(yè)使用各類模型的數(shù)量和比例比較平均。計(jì)算機(jī)視覺領(lǐng)域，Resnet

框架、FastR-CNN和

Yolov3

分別有接近

30%

的使用率；語音識別領(lǐng)域，CTC、HMM和

GMM

模型得到更多的使用，同時其他馬爾可夫模型也飽受歡迎；自然語言處理領(lǐng)域內(nèi)，Attention、LSTM、RNN

模型使用率較高。上述這些模型經(jīng)過過去幾年多方的驗(yàn)證，被認(rèn)為是成熟的模型，且大多是由早期模型改進(jìn)而來，優(yōu)勢明顯。網(wǎng)絡(luò)平臺有諸多對于這些熱門模型的數(shù)學(xué)背景介紹和使用方法指導(dǎo)，加速了他們的推廣。4.2

框架

—

TensorFlow和

PyTorch成為熱門4.2.1

TensorFlow與

Pytorch：工業(yè)界與學(xué)術(shù)界主流TensorFlow是時下工業(yè)界的主流框架。作為工業(yè)界常用的項(xiàng)目托管平臺，每個

GitHub倉庫的關(guān)注、編輯和復(fù)制數(shù)是衡量框架流在工業(yè)界流行度的一個重要指標(biāo)。截止到

2021

年

1

月，在

GitHub

活動的各項(xiàng)指標(biāo)中（star數(shù)，fork數(shù)，watcher數(shù)和

contributor數(shù)），TensorFlow和

Pytorch

均位于前兩位，與

MXNet和

PaddlePaddle相比，二者優(yōu)勢明顯。學(xué)術(shù)界

PyTorch比

TensorFlow受歡迎。根據(jù)

2017

年以來各大

AI技術(shù)論壇提供的數(shù)據(jù)，Pytorch與

TensorFlow的論文數(shù)量比逐年提升，2020

年的

ICLR

論壇上

Pytorch與

TensorFlow的論文數(shù)量比甚至達(dá)到了

7:1。Pytorch簡單的

API、直觀的結(jié)果輸出、較短的復(fù)現(xiàn)模型時間、可以對底層進(jìn)行微調(diào)等優(yōu)點(diǎn)對科研人員有很大的吸引力。4.2.2

成長型

AI企業(yè)更多使用

TensorFlow，其他熱門框架也被大量使用成長型

AI企業(yè)使用多種熱門框架。成長型

AI企業(yè)集中使用四種框架，按照規(guī)模的排序依次是：TensorFlow、Pytorch、PaddlePaddle、Caffe。這其中

Caffe

的使用量在過去的兩年內(nèi)呈現(xiàn)了下降的趨勢，其余三個框架呈現(xiàn)上升趨勢。同時，各家企業(yè)把未來使用框架的目光放在了更多選擇上。除了之前提到的最大的四個框架以外，MXNet、CNTK、Caffe2、Keras

等框架都有不少企業(yè)在關(guān)注他們的發(fā)展。此外，Pytorch的上升幅度非常大，已經(jīng)追上了

TensorFlow得到的關(guān)注度。隨著

Pytorch引入其他編譯器和

C++

模型的支持，“不能很好支持移動端”這個缺點(diǎn)正在慢慢補(bǔ)齊，TensorFlow也引入

eager

mode簡化

API，兩個框架也互相融合優(yōu)點(diǎn)，之間的差距可能在未來會逐漸縮小。4.3

平臺

—

通用與垂直領(lǐng)域雙向發(fā)展4.3.1

云平臺成為

AI產(chǎn)業(yè)發(fā)展的增長點(diǎn)大型云平臺發(fā)展迅速。作為

AI

基礎(chǔ)技術(shù)領(lǐng)域里的集大成者，云平臺可以對算法中龐大的數(shù)據(jù)處理進(jìn)行速度上的優(yōu)化，可以讓框架搭載在其之上實(shí)現(xiàn)互通等平臺之外難以實(shí)現(xiàn)的操作。大型企業(yè)搭建平臺便于自己業(yè)務(wù)的拓展，成長型

AI企業(yè)利用這些平臺省去研發(fā)和硬件上的巨額開銷?？梢哉f，云平臺帶來的收益將會是迅速和高效的。4.3.2

成長型

AI企業(yè)大量使用通用平臺，其余建立垂直領(lǐng)域平臺形成長尾成長型

AI企業(yè)使用通用平臺對平臺方和成長型

AI企業(yè)都有利。利用百度、騰訊、阿里、華為等大型企業(yè)開發(fā)的通用型

AI平臺，成長型

AI企業(yè)可以上傳其開發(fā)的

AI產(chǎn)品至通用型

AI

平臺供其他企業(yè)使用，拓寬自己在垂類領(lǐng)域中的優(yōu)勢，從中獲取相比獨(dú)自開發(fā)平臺更多更快的利潤。大型企業(yè)同時為優(yōu)秀的成長型

AI

企業(yè)注入資金，并通過加速器和培訓(xùn)等方式幫助成長型

AI企業(yè)成長，與成長型

AI

企業(yè)建立合伙人關(guān)系，共建平臺的生態(tài)系統(tǒng)，為所開發(fā)平臺提供活力。2019

年我國已經(jīng)應(yīng)用云計(jì)算的企業(yè)占比達(dá)到

66.1%，較

2018

年上升了7.5%。同時公有云和混合云的使用增長率超過了

10%，私有云的增長率則不如前兩種云平臺模式。公有云市場規(guī)模也相應(yīng)提升，2017

年與

2020

年相比已經(jīng)超出了三倍左右，由此可以看到市場現(xiàn)階段對于公有云的認(rèn)可大于私有云，作為公有云一大客戶的成長型

AI企業(yè)發(fā)揮的作用不言而喻。AI平臺獲得的單筆投資額逐年提升。2016-2022

年中國

AI云平臺投資規(guī)模逐步提升，但是投資筆數(shù)的增長率在下降，說明加入搭建獨(dú)立平臺行列的企業(yè)在減少，而獲得投資的企業(yè)每一筆所獲得的額度每年增長明顯。4.4

趨勢

—

跨學(xué)科、跨場景、跨空間的融合聯(lián)邦學(xué)習(xí)在眾多領(lǐng)域會是一大技術(shù)發(fā)力點(diǎn)未來

AI

需要多家企業(yè)一起創(chuàng)立和維護(hù)同一個模型的情況會變得愈發(fā)頻繁，聯(lián)邦學(xué)習(xí)有利于數(shù)據(jù)之間的互通。例如在金融領(lǐng)域里，以往機(jī)器聯(lián)合建模時會不會有隱私泄露和數(shù)據(jù)保存問題開始變得特別突出。金融機(jī)構(gòu)內(nèi)部的數(shù)據(jù)和銀行客戶的數(shù)據(jù)是不能出行的，這要求模型要在銀行和第三方兩邊分別跑同一個模型分析，在兩邊輸出不同的模型和標(biāo)簽，然后對脫敏的標(biāo)簽進(jìn)行綜合學(xué)習(xí)，得出規(guī)律，聯(lián)邦學(xué)習(xí)成為解決這一問題的最好利器。聯(lián)邦學(xué)習(xí)在醫(yī)療領(lǐng)域也能有所作為，可以解決了醫(yī)療行業(yè)數(shù)據(jù)不出院的痛點(diǎn)。而近期聯(lián)邦學(xué)習(xí)

IEEE國際標(biāo)準(zhǔn)的發(fā)布，是這一技術(shù)發(fā)展的里程碑，將促使聯(lián)邦學(xué)習(xí)的生態(tài)迅速發(fā)展，為人工智能安全合規(guī)的長遠(yuǎn)發(fā)展奠定了良好的基礎(chǔ)。無監(jiān)督學(xué)習(xí)潛力巨大目前的深度學(xué)習(xí)模型依賴大量的標(biāo)注數(shù)據(jù)，以獲得優(yōu)異的性能，但是往往標(biāo)簽需要非常大的工作量，有時會變得非常困難。這時候需要無監(jiān)督學(xué)習(xí)算法的發(fā)展來解決這一問題。無監(jiān)督學(xué)習(xí)的自身特點(diǎn)導(dǎo)致其現(xiàn)在難以得到現(xiàn)有的監(jiān)督學(xué)習(xí)，也即分類學(xué)習(xí)一樣的近乎于完美的結(jié)果。但是其優(yōu)勢在與解決多系統(tǒng)信息的共享，有利于實(shí)現(xiàn)跨系統(tǒng)的復(fù)雜系統(tǒng)的出現(xiàn)。智能邊緣的崛起AI、5G、邊緣計(jì)算的融合能夠在邊緣端提供網(wǎng)絡(luò)、計(jì)算、存儲和應(yīng)用，將

AI工作流的推理部分從云或數(shù)據(jù)中心轉(zhuǎn)移到就近部署的邊緣計(jì)算終端，從而降低延遲，節(jié)約網(wǎng)絡(luò)帶寬，同時滿足隱私性和安全性等方面的要求。SAR

Insight&

Consulting的最新

AI/ML嵌入式芯片數(shù)據(jù)庫顯示，在

2019-2024

年期間，全球擁有邊緣計(jì)算能力的

AI設(shè)備的數(shù)量將以

64.2%

的復(fù)合年增長率增長。德勤也預(yù)測，全球在

2020

年將售出超過

7.5

億個邊緣人工智能芯片，在未來四年內(nèi)，企業(yè)市場的增長速度將超過消費(fèi)者市場，復(fù)合年增長率為50%。AI交互式技術(shù)可以使智能設(shè)備“更加智能”目前，智能設(shè)備已經(jīng)大量搭載了語音助手、聊天機(jī)器人等產(chǎn)品，但是技術(shù)尚未成熟，未達(dá)到用戶的期望值。要讓身邊的智能設(shè)備能夠很好地完成面向場景的任務(wù)執(zhí)行，急需自然語言處理技術(shù)的突破，讓智能設(shè)備變得“更加智能”。交互式技術(shù)可以運(yùn)用到語音助手、智能音箱等產(chǎn)品中。目前語音助手的典型代表是蘋果的

Siri和微軟的

Cortana，以及國內(nèi)各大安卓廠商推出的自家語音助手等，而