宏观观察2022年第41期（总第438期）：我国人工智能产业竞争力评估：国内格局和全球比较

Ω 研究院 中银研究产品系列 ●《经济金融展望季报》 ●《中银调研》 ●《宏观观察》 ●《银行业观察》 ●《国际金融评论》 ●《国别/地区观察》 作者：刘晨中国银行研究院 电话：010–66594264 2022年9月19日2022年第41期（总第438期） 我国人工智能产业竞争力评估：国内格局和全球比较 人工智能经历了漫长的技术演变和应用，与实体经济深度融合，目前已成为驱动新一轮科技革命的关键通用目的技术。伴随人工智能对经济增长和经济结构变迁产生广泛影响，近年来各国政府高度重视人工智能产业发展。当前，我国已经形成较为完整的人工智能产业链条，全球竞争力持续提升。本文基于我国人工智能基础层、技术层和应用层产业发展格局和全球比较，分析我国人工智能产业整体情况，在此基础上为我国深化人工智能产业战略部署、推动人工智能产业高质量发展提出建议。 梁婧 签发人：陈卫东 审稿：周景彤联系人：刘佩忠 电话：010– 66596623 ＊对外公开 ＊＊全辖传阅 ＊＊＊内参材料 我国人工智能产业竞争力评估：国内格局和全球比较 人工智能经历了漫长的技术演变和应用，与实体经济深度融合，目前已成为驱动新一轮科技革命的关键通用目的技术。伴随人工智能对经济增长和经济结构变迁产生广泛影响，近年来各国政府高度重视人工智能产业发展。当前，我国已经形成较为完整的人工智能产业链条，全球竞争力持续提升。本文基于我国人工智能基础层、技术层和应用层产业发展格局和全球比较，分析我国人工智能产业整体情况，在此基础上为我国深化人工智能产业战略部署、推动人工智能产业高质量发展提出建议。 一、人工智能行业发展整体概况 人工智能（ArtificialIntelligence，AI）的概念最早诞生于1956年的达特矛斯会议上，特指让机器的行为与人所表现出的智能行为一样。目前对于人工智能的定义并没有形成统一的标准，根据信通院的定义，人工智能是利用人为制造来实现智能机器或者机器上的智能系统，模拟、延伸和扩展人类智能，感知环境，获取知识并使用知识获得最佳结果的理论、方法和技术发展历程1。 人工智能发展经历了漫长的技术演变和应用，目前已成为驱动新一轮科技革命的关键通用目的技术。人工智能的发展大致经历了三个阶段（图1），第一个阶段为1956-1980年，随着“人工智能”概念被提出，一系列围绕如何让计算机具备逻辑推理能力的程序、软件相继研发面世，但是受限于硬件的内存容量和处理速度，早期的人工智能主要通过固定指令执行问题，缺乏真正的学习能力。第二个阶段为1980- 2006年，“专家系统”商业化兴起正式揭开了人工智能发展的第二波浪潮。“专家系统”AI程序通过总结知识并“教授”给计算机，一定程度上解决了特定领域的相应问题，AI应用领域不断拓宽。第三个阶段为2006年至今，以Hinton提出“深度学习”神经网络为标志，机器学习、深度学习、类脑计算相继提出，解决了人工智能的基础理论问题。同时，以互联网、云计算、5G通信、大数据等为代表的新一代信息技术不断崛起，核心算法的突破、计算能力的提高和海量数据的支撑，人工智能领域的发展 1中国信息通信研究院，《人工智能安全白皮书（2018）》，2018年6月。 正式进入应用爆发期。如今，作为通用目的技术，人工智能不断融入各行业领域、提供个性化产品和服务、深度融合实体经济各个环节，推动各部门生产率大幅提升。 图1：人工智能发展历程 萌芽期 应用发展期 技术诞生期1980年：卡耐基·梅隆大学研发 XCON专家系统 应用爆发期 1950年：图灵测试理论 1954年：第一台可编程机器人诞生1956：达特茅斯会议：人工智能提出 1957年：神经网络感知器 1966年-1972年：首台人工智能机器人Shakey诞生1969年：国际人工智能联合会成立 70年代：软件和硬件设备难以适配人工智能要解决的问题 1986年：多层神经网络和BP反向 传播算法 1988年：德国人工智能中心成立 1997年：深蓝计算机战胜国际象 棋冠军 80年代：解决特定领域问题的 专家系统加快应用领域不 断拓宽，但是系统通用性较差 2006年：Hinton提出深度学习神经网络 2012年：深度学习算法在图像、 语音识别上取得重大突破 2014年：4G网络商用，万物互联 2016年：AlphGo战胜顶级围棋选手 2019年：5G网络商用 1956 数据来源：作者自制 1980 2006至今 人工智能加快与各部门深度融合，已经形成覆盖范围广泛的产业链条。人工智能产业链包括三层：基础层、技术层和应用层（图2）。其中，基础层是人工智能产业的基础，主要包括AI芯片等硬件设施及大数据、云计算等计算系统技术的数据资源和基础设施，为人工智能提供数据和算力支撑。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构建技术路径，主要包括算法理论、开发平台和应用技术。应用层是人工智能产业与传统产业部门深度融合的延伸，通过集成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成软硬件产品或解决方案。 图2：人工智能行业产业链结构 应用层 机器学习 算法理论 类脑算法 基础开源框架 开发平台 技术开放平台计算机视觉 自然语言处理 应用技术 智能语音识别 其他 技术层 智能家居 智慧文娱 智慧城市 智慧医疗 智慧农业 智能制造 智慧零售 智慧教育 智慧金融 智能安防 大数据 云计算 传感器 AI 芯片 计算系统技术 计算硬件 基础层 数据来源：作者自制 伴随人工智能对经济增长和经济结构变迁产生广泛影响，各国政府高度重视人工智能产业发展。人工智能已成为引领第四次科技革命与产业变革的重要核心，不仅使既有产业发生深刻变化，而且不断创新形成新业态和新产品。当前，各国人工智能产业发展水平决定了未来产业竞争格局。为了获取新一代科技革命带来的新机遇，各国加快出台国家层面的人工智能发展战略。目前，全球已有超过30个国家和地区将发展人工智能上升到国家战略层面（图3）。具体来看，各国AI发展战略主要分为加大资金投入、推动基础研发、强化AI应用三类（表1）。我国政府近年来也高度重视人工智能产业发展，先后出台一系列支持鼓励政策。2017年7月，国务院印发《新一代人工智能发展规划》，将人工智能上升到国家战略层面，并提出三个阶段目标。2017至2019年，政府工作报告连续三年提及加快人工智能产业发展。 图3：全球AI战略地图 资料来源：经济合作与发展组织 表1：各国支持人工智能发展战略梳理 主要类型 资金投入 基础研发 AI应用 具体内容 美国：2021年，美国国防高级研究计划局（DARPA）设定AI研发投入预算 4.59亿美元，美国国防部联合AI中心拟议预算2.9亿美元 澳大利亚：2018年到2019年的政府预算中，宣布在四年内投资2990万澳元支持AI的发展 德国：到2025年AI投资额达到30亿欧元 中国：到2025年AI基础理论实现重大突破，部分技术与应用达到世界领先水平；到2030年AI理论、技术与应用总体达到世界领先水平，成为世界主要AI创新中心 加拿大：“泛加拿大AI战略”中提出增加科学家和毕业生的数量、确定三个优秀科学家群体、支持国家AI研究群体 法国：发挥法国AI研发的潜在优势，在选定的大学和研究机构建立跨学科的AI组织，分配适当的研究资源（包括与制造商合作、为AI应用专门设计的超级计算机）；提高研究人员工资，加强产学研交流 法国：AI发展的四大战略重点领域为健康、交通、环境、国防和安全，针对重点问题，每个战略领域分别制定政策，为特定区域的平台奠定基础 德国：实施集成的“数字化中心”以支持每年1000家中小企业的数字化日本：AI产业化进程聚焦三个优先领域，包括生产力、医疗健康和服务 资料来源：根据公开资料整理 全球人工智能产业规模快速增长，我国发展机遇与挑战并存。各国大力支持人工智能产业发展，推动人工智能产业规模快速增长。根据德勤（Deloitte）预测，全球人工智能产业规模预计从2017年的6900亿美元增长至2025年的64000亿美元，年复合增长率32.10%（图4）。同时，人工智能行业广阔的发展前景引起资本市场的高度关注，全球整体融资规模从2015年的63亿美元激增至2021年的668亿美元（图5）。对于中国而言，一方面，海量数据优势和广阔的应用场景为人工智能落地提供了良好的平台，促进人工智能核心产业加快形成，助力传统产业数字化转型持续推进；另一方面，在包括基础硬件在内的部分领域存在明显短板，关键技术仍受到美国等发达国家制约，牵制了人工智能产业未来动能的持续释放。 图4：全球人工智能产业规模图5：全球人工智能融资规模和数量 70000 60000 50000 40000 30000 20000 10000 0 800 700 600 500 400 300 200 100 0 2015201620172018201920202021 融资规模（亿美元，左轴）融资数量（个，左轴） 3000 2500 2000 1500 1000 500 0 资料来源：德勤，CBINSIGHTS 由于人工智能产业覆盖范围广泛，通过分析我国人工智能产业链各层次发展情况和竞争力，有利于深刻把握我国人工智能产业发展的短板和优势，助力我国加快补足产业短板、保持核心优势，继续抢占人工智能发展的全球高地。 二、基础层：核心技术短板牵制基础层长远发展 基础层是支持各类人工智能技术落地和应用开发的基础平台，由于基础层发展主要依赖于前期基础知识积累，创新难度高，底层基础技术和关键硬件多为美、日、韩等发达国家垄断。因此，我国在基础层的突破相对缓慢。2018年，全球人工智能基础层产业规模达到111亿美元。我国基础层产业规模达到16.6亿美元，预计2022年将 达到35.2亿美元，年均增速普遍低于全球增速（图6）。 图6：全球和中国人工智能基础层产业规模及增速 40040% 30030% 20020% 10010% 00% 20182019E2020E2021E2022E 全球基础层产业规模（亿美元，左轴）我国基础层产业规模（亿美元，左轴）全球基础层增速（右轴）我国基础层增速（右轴） 资料来源：中国电子学会 （一）AI芯片：与国外传统芯片巨头差距明显，布局主要集中在终端ASIC芯片 人工智能芯片为人工智能的各类功能提供支持，从广义上来看只要能够运行人工智能算法的芯片都可以称之为AI芯片。当前AI芯片产业按技术架构分类主要有三种：一是GPU（GraphicsProcessingUnit，图形处理器），应用方向为高级复杂算法和通用性人工智能平台，直接可以投入使用；二是FPGA（FieldProgrammableGateArray，现场可编程逻辑门阵列），主要应用于具体行业；三是ASIC（ApplicationSpecificIntegratedCircuit，专用集成电路），基于人工智能算法进行独立定制，其计算能力和计算效率可根据算法需要进行定制，是固定算法最优化设计的产物。 全球GPU/FPGA芯片市场基本形成寡头垄断格局（图7）。据VerifiedMarketResearch测算，2021年全球GPU市场规模为334.7亿美元。得益于在笔记本电脑及传统PC行业的优势，英特尔在集成GPU市场独占鳌头。JonPeddieResearch数据显示，2022年一季度英特尔在PCGPU显卡市场的份额约60％。而独立GPU市场则主要由英 伟达、AMD占据，其中英伟达独立GPU领域市占率基本维持在80%左右。由于GPU技术壁垒极高，硬件结构精密复杂、图形算法规模庞大、软件生态相对封闭，GPU设计商必须完全自主研发，开发难度较大。近年来虽然我国GPU产业热度持续高涨，但是整体规模有限。2020年中国大陆的独立GPU市场规模约为47.39亿美元。与GPU类似，FPGA市场也具有极高的行业技术壁垒。目前全球FPGA芯片市场主要集中在赛灵思、英特尔两大企业，市场份额分别为52%、35%。国内F