2019-2020年人工智能产业发展深度报告_人工智能_AI资讯

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。

人工智能市场格局

人工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延申和拓展类人的智能的能力，本质上是对人类思维过程的模拟。AI 概念最早始于 1956 年的达特茅斯会议，受限于算法和算力的不成熟，未能实现大规模的应用和推广。近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。据中国电子学会预测，2022全球人工智能市场将达到1630亿元，2018-2022年CAGR达31%。

人工智能赋能实体经济，为生产和生活带来革命性的转变。人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和新产品。从衣食住行到医疗教育，人工智能技术在社会经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 7.1 万亿美元。

多角度人工智能产业比较

目前，全球人工智能产业的生态系统正逐步成型。依据产业链上下游关系，可以将人工智能划分为基础支持层、中间技术层和下游应用层。基础层是人工智能产业的基础，主要提供硬件（芯片和传感器）及软件（算法模型）等基础能力；技术层是人工智能产业的核心，以模拟人的智能相关特征为出发点，将基础能力转化成人工智能技术，如计算机视觉、智能语音、自然语言处理等应用算法研发。其中，技术层能力可以广泛应用到多个不同的应用领域；应用层是人工智能产业的延伸，将技术应用到具体行业，涵盖制造、交通、金融、医疗等 18 个领域，其中医疗、交通、制造等领域的人工智能应用开发受到广泛关注。

战略部署：大国角逐，布局各有侧重

全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局，并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。

美国引领人工智能前沿研究，布局慢热而强势。美国政府稍显迟缓，2019 年人工智能国家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看，美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和社会稳定的影响和变革，并对数据、网络和系统安全十分重视。

伦理价值观引领，欧洲国家抢占规范制定的制高点。2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社会伦理和标准，在技术监管方面占据全球领先地位。

日本寻求人工智能解决社会问题。日本以人工智能构建“超智能社会”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人工智能技术和产业。因此，日本政府在机器人、医疗健康和自动驾驶三大具有相对优势的领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。

基础层面：技术薄弱，芯片之路任重道远

基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。受限于技术积累与研发投入的不足，国内在基础层领域相对薄弱。具体而言，在 AI 芯片领域，国际科技巨头芯片已基本构建产业生态，而中国尚未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术（SDN）、开发语音等核心技术被掌握在亚马逊、微软等少数国外科技巨头手中。虽国内阿里、华为等科技公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传感器多种产品类型，而在中国也涌现了诸如汇顶科技的指纹传感器等产品，但整体产业布局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据交换、统一标准的数据生态系统构建等方面还有很长的路要走。

“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。

依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手机、汽车、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。

ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片，可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后，其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。