2023年中国人工智能行业概览

摘要 中国人工智能行业发展势头强劲，赋能千行百业 人工智能行业现处于核心硬件发展阶段，数据、算力、算法是三大核心发展要素，推动着人工智能的技术迭代和商业化落地。中国人工智能企业处于发展初期，大多数企业对于人工智能的发展主要以框架搭建和应用解决方案为主，在打造高质量产品和降低成本方面持续创新。政策环境的优化，也将助力AI产业高速发展。 乘人工智能行业发展东风—— 近期ChatGPT的出现掀起了又一波人工智 MLOps以数据为中心的技术成为人工智能生产落地的重要推动力 对比以模型为中心的AutoML，以数据为中心的MLOps具有把数据的质量和数量置于主要位置的特点，能提供更有优势的解决方案，使组织规模化、高质量、高效率、可持续地生产机器学习模型，有效缓解AI生产过程的管理问题，提升AI生产的转化效率。目前，MLOps行业应用稳步推进，落地实践成果颇丰。 能发展热潮，中国人工智能行业发展势头强 劲，市场规模持续上升，正逐步进入效率化 生产阶段。MLOps技术作为人工智能生产落 中国人工智能行业市场规模持续上升，与各产业深度融合 近年来，中国人工智能开发平台市场规模持续增长。在应用场景端，传统AI模型痛点突出，亟待人工智能协助转型，中国制造业人工智能解决方案的市场规模呈现快速增长态势。AI与各产业深度融合，精准解决各场景痛点，未来增长潜力巨大，尤其在制造行业和交通行业，AI的渗透率有较大增长空间。 地的重要推动力，重要性愈加凸显。博瀚智 能作为国内私有云AI平台第一梯队服务商， 采用数据闭环驱动+MLOps的技术路线， 国内私有云AI平台第一梯队服务商——博瀚智能 博瀚智能是业内领先的人工智能综合平台和智能化数据处理方案提供商，近几年营收增速较快，研发能力强劲，公司坚持以数据为中心的技术路线，精准解决传统方案痛点。其打造的多维度数据AI管理平台AIstudio是业内领先的轻量级私有化平台，实现用户友好的深度学习和模型快速部署，合作生态十分繁荣。 提供丰富的产品精准解决传统方案痛点，赋 能人工智能行业发展，未来前景相当广阔。 名词解释 人工智能：Artificial Intelligence，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是 计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。 DevOps：一种软件开发和运维的文化、方法和实践，旨在通过自动化、协作和跨职能团队的整合，实现更快、更可靠和更高效的软件开发、测试、部署和运维。 生成式AI：AI-Generated Content，人工智能生成内容，是指基于人工智能技术，通过已有数据寻找规律，并通过适当的泛化能力生成相关内容的技术，可以生成常见 的如图像、文本、音频、视频等内容。 ChatGPT：基于GPT-3.5架构训练的大型语言模型，由OpenAI开发。可以进行对话、回答问题、生成文本等任务。利用自然语言处理和机器学习技术，可以处理广泛 的语言任务，包括文本分类、语义理解、文本生成、对话建模等。 MLOps：通过构建和运行机器学习流水线（Pipeline），统一机器学习（ML）项目研发（Dev）和运营（Ops）过程的一种方法。目的是提高AI模型生产质效。 AutoML：一种机器学习过程，旨在通过一系列算法和启发式方法实现从数据选择到建立模型的自动化。 DataOps：一种数据运营（Data Operations）的方法论，其目的是改进和加速数据管道（Data Pipeline）的开发、测试、部署和运行，以确保数据在组织内部流动的可 靠性、一致性和质量。 自然语言处理：Natural Language Processing（NLP），是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信 的各种理论和方法。主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。 算法：算法是计算机专业中的一种算法，就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。基于内容的信息推荐方法的理论依据主要来自 信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。算法是互联网运作的基础，是大数据、人工 智能、云计算等一切网络活动的内部规则，是电子商务、信息传播、互动交流、游戏活动、未成年人权益保护等网络运营的起点。 中国人工智能行业发展势头强劲，现处于“核心硬件发展阶段”时期，应用前景广阔 概况与特点 1.1行业概况 人工智能技术为千行百业赋能，实现各类应用场景落地，现阶段已发展成为主流趋势，AI技术商业价值不断增长，产品形态和应用边界也在持续拓宽。 人工智能行业定义及特征 人工智能行业落地场景 人工智能定义：人工智能产业是指以人工智能关键技术为核心的、由基础支撑和应用场景组成的、覆盖领域极为广阔的行业群。 人工智能基础层 发展三大要素 AI+交通 AI+互联网 智能计算集群 算力 AI+能源 AI+教育 智能产品是指用人工智能技术赋能的产品。设计过程中需要具备较强的仿真能力和失效模式分析能力。 数据 智能模型敏捷开发工具 算法 AI+泛安防 AI+制造 数据基础服务与治理平台 AI+政务 2018-2022年全球企业应用AI产品的平均数量 AI+医疗 企业应用AI技术比重持续提升，AI技术商业价值不断增长。据调查，2017年企业应用AI技术比重约占20%，2022年企业至少在一个业务领域采用AI技术比率增至50%。2018年应用AI产品平均仅1.9个，2022年增至3.8个。 AI+农业 价值性、通用性、效率化为产业发展战略方向 人工智能赋能产业发展已成为主流趋势，下游应用场景丰富。基于软件服务、云服务、硬件基础设施等产品形式，结合消费、制造业、互联网、金融、元宇宙与数字孪生等各类应用场景，人工智能赋能各个产业发展。 应用数量提升以外，AI商业价值不断增长，企业部署AI动力显著。 机器人流程自动化（RPA）和计算机视觉是人工智能领域每年最常用的技术，自然语言文本理解已经从2018年的中间位置上升到仅次于计算机视觉的第三位。 人工智能的产品形态和应用边界不断拓宽；2022年，人工智能产学研界在通用大模型、行业大模型等促进技术通用性和效率化生产的方向上取得了一定突破。 商业价值塑造、通用性提升和效率化应用是AI技术助力产业发展、社会进步和自身造血的要义。 2018 2019 2020 2021 2022 1.2行业发展历程 人工智能行业现处于“核心硬件发展阶段，算力、数据、算法全面突破”时期，产业未来发展将基于大规模数据识别、预测、学习和决策，逐步进入效率化生产阶段。 人工智能行业发展历程 核心硬件发展，算法突破算力、数据、算法全面突破 硬件奠基，算法发展 理论发展 AI产生的商业价值不断增长，企业部署AI的动力显著。企业在业务领域扩大采用AI技术，应用的AI产品数量增加。落地AI应用对企业业务运营的商业价值与战略意义越来越明确。 运营营销决策、金融风险评估、医疗诊断等 生成式AI生成各种数据、图像、语音等内容后，决策式AI对生成内容进行分析和决策，实现更加全面和智能的应用 感知式AI 分析式AI 决策式AI 始于1970s，分析之后，进行智能决策；近年来才开始真正兴盛 始于1950s， 始于1960s， 人工智能的产品形态和应 用边界不断拓宽；2022年，人工智能产学研界在通用大模型、行业大模型等促进技术通用性和效率化生产的方向上取得了一定突破。 让计算机感知和理解现实世界，兴盛于计算机硬件发展与大数据出现 利用逻辑推理等方法进行分析和解决；兴盛于机器学习、数字挖掘技术兴起 生成式AI 始于1980s，起源于分析式AI，生成新的内容；2022年迎来突破 2022年11月，ChatGPT发布点燃AI浪潮。2023年3月OpenAI发布GPT-4，直接升级ChatGPT多模态能力。 自然语言生成图像生成音乐生成等 文本识别语音识别图像识别等 1950s~1980s 感知机、专家系统 1980s~21世纪初期 21世纪初期至今多层圣经网络模型 未来发展方向 支持向量机、神经网络、决策树 基于大规模数据识别、预测、学习、决策 深度学习 自主学习 规则导向 机器学习 1.3行业应用场景 人工智能技术架构逻辑上分为基础层、技术层、能力层、应用层、终端层五大板块，其中核心技术层涵盖AI技术群和模型的融合创新，为各行业领域提供相关产品及服务。 中国人工智能技术架构 在人工智能相关政策规划支撑下，技术架构链条逻辑上可分为基础层、技术层、能力层、应用层、终端层五大板块。 终端层应用层 企业级用户金融服务 政府机构用户教育/科研游戏 大众消费者用户医疗政务 企业服务 零售电商 传媒/影视 工业 其他 文字生成 虚拟人/场景生成 音频生成代码生成 图像生成策略生成 视频生成 能力层 基础层：涉及硬件基础设施和数据、算力、算法模型三大核心要素。随着AI大模型规模的不断扩大，对计算资源的需求也在增加。因此，高性能的硬件设备、海量场景数据、强大的算力基础和升级迭代的算法模型成为了支持AI大模型发展的关键。 多模态生成······ 多语言模型开放域对话 语言理解与生成信息抽取与检索 语音语义理解文本语义与图结构 多模态对话代码生成和理解 NLP大模型 图像表征 视频表征 图像生成 视频生成 CV大模型 技术层 图像与物体检测 语义分割 图像分类 因果推断 技术层：主要涉及模型构建。目前，Transformer架构在AI大模型领域占据主导地位，如BERT、GPT系列等。 多模态大模型 视觉-语言 语音-语言 智能文档理解 多模态检测与分割 人工智能 机器学习 计算机视觉 智能语音 知识图谱 自然语言理解 能力层、应用层及终端层：在基础层和技术层的支持下，AI大模型拥有了文字、音频、图像、视频、代码、策略、多模态生成能力等，具体应用于金融、电商、传媒、教育、游戏、医疗、工业、政务等多个领域，为企业级用户、政府机构用户、大众消费者用户提供产品和服务。 AI模型生产工具AI算力基础数据资源硬件设施 深度学习框架/开源模型AI芯片 模型训练/AI开发平台智能服务器数据标注结构化安全资源 预训练大模型 云计算与云服务第三方合规数据储存资源 智能计算平台外部合规数据网络资源 基础层 数据整合算力资源 政策规划 《“十四五”数字经济发展规划》 《数字中国建设整体布局规划》 《生成式人工智能服务管理办法（意见稿）》 1.4市场驱动因素 数据、算力、算法三大核心要素推动人工智能技术迭代和商业化落地，中国人工智能企业处于发展初期，基于技术创新及成本控制等优势，中国人工智能行业将快速发展，前景广阔。 AI技术演化和迭代离不开数据、算力、算法三大核心底层基础 中国人工智能企业加大技术创新和AI布局力度 2022年人工智能整体产业规模 中国AI产业处于发展初期，成长速度较快，发展空间广阔 3,751亿人民币 数据 算力 算法 国内人工智能产业仍处于初步发展阶段，大多数企业对于人工智能的发展主要以框架搭建和应用解决方案为主。行业内领先企业专业技术能力过硬，其AI产品在语音语义、翻译、文字识别等方面有较大优势，能够在智慧城市、智慧交通、智慧安防等细分场景实现商业化落地。 中国人工智能企业数量 2205家 数据是AI的“燃料” 算力是AI的“基建” 算法是AI的“引擎” 797家 2019年 202