本报记者 曲忠芳 李正豪 苏州报道
国内人工智能领域有多“火”？中国人工智能领域的学术研究与产业发展与欧美国家相比处于什么样的阶段？芯片、系统等环节的“卡脖子”问题是否有攻克的希望？哪几个行业将是AI技术率先实现商业化落地的“风口”？……
《中国经营报》记者在4月11至12日举行的“2020中国人工智能产业年会”上采访了多位学术专家、企业负责人以及投资人士，观察到目前国内人工智能领域呈现三个主要的特征，一是发展势头迅猛，在国家战略及政策支持下，中国在十多个AI子领域的科研产出水平紧随美国之后，在产业应用层面，市场增长速度非常快；二是AI技术与行业应用的融合深度增强，AI赋能千行百业，尤其是金融、交通、医疗、家居、安防等热门的细分赛道上吸引了众多厂商及创业团队的加入，行业渗透率不断提升；三是AI领域的投融资热情明显，创业型企业因前期投入大往往需要借助资本的力量扩大市场占有率，而投资机构往往对AI领域的好项目也是趋之若鹜。
整体发展势头迅猛，与美国互有领先
众所周知，《“十四五”规划和2035年远景目标纲要》中，将“新一代人工智能”列为科技前沿攻关的七大领域之一。
中国人工智能学会名誉理事长、中国工程院院士李德毅在接受包括本报记者在内的多家媒体采访时指出，“我们国家对人工智能的重视程度，在国际上是走在前列的，我们的优势在于有市尝有场景，要扬长避短。另外，不要再整天说‘云计算、大数据、人工智能’，新一代人工智能应当从传统人工智能中脱颖而出，传统人工智能是计算机智能，新一代应该是开放型人工智能，会感知、认知，会学习、会交互、自成长。”
事实上，人工智能的范畴非常广，按照业界的普遍认知，人工智能的七大核心关键技术主要包括机器学习、自然语言处理、知识工程、信息检索与推荐、计算机视觉、语音识别和机器人等，而在关键技术之外又有十多个人工智能外延技术。除此之外，按照距离终端消费者的远近，人工智能产业又分为基础层、技术层以及应用层。值得注意的是，国内的科技企业无论是从业务模式还是市场营销中，从几年前主打“互联网+”到近年来普遍向“AI+”转型或升级。
清华大学人工智能研究院在年会上发布了《人工智能发展报告2011-2020》，该报告显示，中国在自然语言处理、芯片技术、机器学习、信息检索与挖掘等十多个AI子领域的科研产出水平居于世界前列；在外媒体与物联网领域的论文产出量已超过美国，居于全球第一；不过，在人机交互、知识工程、机器人、计算机图形、计算理论领域，中国还需要努力追赶。
从专利数量来看，在2011至2020这10年里，全球人工智能专利申请量达到521264件，中国专利申请量位居世界第一位，达389571件，占总量的74.7%，是排名第二的美国专利申请量的8.2倍。
在全球范围内，美国AI高层次学者数量的占比高达62.2%，位居世界第一，是排名第二的中国高层次学者数量的6倍以上。就国内来看，人工智能领域高层次人才主要分布在京津冀、长三角和珠三角地区。尤其值得一提的是，国内四成以上的AI高层次人才集聚在北京。
中国人工智能学会副理事长、清华大学教授孙富春认为，中国是世界第二大经济体，过去中国制造处于“微笑曲线”的最底端，人工智能技术是中国由“制造大国”迈向“制造强国”非常重要的因素。
芯片“热”，攻坚“卡脖子”问题
孙富春认为，当下AI技术在产业融合中面临的挑战，一是既懂算法理论又懂行业需求，且能够深度融合的人才非常匮乏；二是AI“硬核”技术，如AI芯片、传感器技术等，是AI技术应用的前提条件，需要集国家和社会力量重点攻关，解决“卡脖子”问题；三是政策法规、行业标准、资本与政府等各方面的有效合作，人工智能与产业的融合创新发展。
需要指出的是，“2020中国人工智能产业年会”适值“吴文俊人工智能科学技术奖”十周年，今年首次设立了“芯片项目”专项奖，以激励芯片领域创新，解决“卡脖子”关键核心技术难题。据了解，“吴文俊人工智能科学奖”是以首届国家最高科学技术奖获得者吴文俊命名，最早于2011年设立，被业界视为中国智能科学技术最高奖。
“卡脖子”问题在智能驾驶、边缘计算、智能医疗、产学研、可信AI等多场专题讨论中被多次提及和关注。其中，同济大学汽车安全研究所所长朱西产指出，未来智联网新能源汽车核心技术包括动力电池、芯片和软件三项。“动力电池我们并不担心，因为两个国际主流的技术路线都在中国（比亚迪和宁德时代），但是汽车芯片基础薄弱，汽车的工具软件和操作系统目前都依赖欧美。面对汽车产业革命，核心技术被‘卡脖子’是大概率事件。”
上海交通大学Med-X研究院副院长殷卫海也指出，“从0到1的颠覆式成果太少，我们都是跟跑状态，从药物设计到临床试验，美国都跑在第一个，我们跟得很快，但如果永远跟着，就很容易被‘卡脖子’。”
海银资本创始合伙人王煜全在社交媒体上指出，人工智能和云的时代里，芯片的发展有两条路线，一条是通用芯片，中国曾经有机会，但很可惜没把握住；另一条则是专用芯片，即往行业里深挖，借助行业优势来培养自身的芯片优势。在他看来，国产厂商未来是可以把握住机遇的，比如无线通讯、无人驾驶和物联网等领域。
另有业内人士表示，芯片设计的核心竞争力是衡量国家信息科技发展水平的重要指标，如何尽快形成我国芯片核心竞争力，是突破芯片技术“卡脖子”现状的关键问题。目前基于深度学习和神经网络的人工智能领域应用发展迅猛，到2020年底，世界上的物联网设备数量将超过500亿台,传统集中式云计算处理架构将无法大量实时处理计算任务，边缘计算由此诞生。然而，在边缘计算框架下，如何高效率地利用深度学习神经网络来处理数据仍是目前学界及产业界研究的热点难题。目前边缘计算智能市场尚属于新兴市场，未形成较高的技术壁垒，而且仅有少数企业涉足，此时进行这一领域的研究解决“卡脖子”现状正当其时。
落地千行百业，成熟度不尽相同
在政策利好、资本推动的作用下，AI技术在智慧城市、安防、交通、医疗、家居、零售等各个行业中落地，渗透率不断加速，不过，目前各个行业领域中AI的渗透程度以及应用广度并不是处在同一水平。《人工智能发展报告2011-2020》中指出，目前已成熟应用的AI技术主要是语音识别，自2015年以来一直处于“生产成熟期”。智能语音识别与交互目前已广泛地应用于智能手机、智能家居等场景中。下一代即将步入“生产成熟”的AI技术是机器学习、计算机视觉、深度神经网络及期专用芯片、决策智能和增强智能。这些技术的预计成熟时间是2~5年。距离生产成熟还很遥远的技术是通用人工智能、无人驾驶汽车。
从“AI+医疗”领域来看，人工智能技术企业与全国各个医疗机构的合作越来越普遍。浙江大学健康医疗大数据国家研究院副院长吴健表示，AI在医疗领域主要的应用有语音录入病例、医学影像分析、综合性诊断、身体健康管理等，在医疗场景中会有诊断、治疗、医疗辅助，用的技术是图像识别、语音交互、语音转写等。而在AI智慧城市应用来看，智慧政务、公共安全、智慧交通、环境治理等细分领域中应用到自然语言处理、机器学习、图像识别、物联网、视觉识别等AI技术。
企查查数据显示，2020年人工智能相关企业注册量爆增，达到16.9万家，比2019年增长了323%，是过去十年中注册的高峰期。自2011年至2021年3月，国内人工智能领域相关投融资事件达10314起，披露的投融资总额高达24393亿元，其中去年AI相关的投融资事件达1383起。从投资次数来看，红杉资本、真格基金、IDG资本分别参与了132起、129起、96起该领域的投资事件，而紧随其后的经纬中国、线性资本、英诺天使基金、金沙江创投、五源资本、百度、腾讯、高瓴资本、启明创投，“出手”次数也都超过50次。这些数据表明，国内的投资机构、互联网巨头等对AI领域布局紧密，投资热情高涨。
