2023年人工智能行业深度研究报告

2023年人工智能行业 深度研究报告 发现报告 目录 前言2 人工智能行业3 行业定义3 发展历程5 模型分类7 相关技术9 人工智能产业链10 产业链全景图10 产业链上游：基础层，数据&硬件零部件11 产业链中游：技术层，算法&技术12 产业链下游：应用层，产品13 人工智能行业环境14 行业生命周期14 行业竞争结构15 人工智能发展概况16 国外行业发展现状16 人工智能产业前景17 国内发展现状19 人工智能产业集群20 人工智能应用场景及代表公司21 成熟场景：办公、金融、医疗、营销等21 人工智能挑战及趋势39 行业发展所面临的挑战39 行业发展趋势43 1 前言 人工智能是什么？有望飞跃式提升生产力的变革力量。 人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。可以说人工智能正在推动人类社会的第四次飞跃发展，有望成为继蒸汽，电力，信息技术之后，再一次飞跃式提升生产力的技术变革力量，这一变革有望在二十年内实现。 在生产效率方面，人工智能将推动当前世界的技术和创新，使生产效率大幅提升，加速经济的增长。 在就业上，一方面对现有就业结构将产生破坏和解构，人工智能技术会对一些岗位形成颠覆，造成失业；另一方面，在破坏的同时也在重构，新技术带来新生产方式，和新服务模式，从而必将催生出大量的新业务、新需求、新职业。 人工智能正从感知理解走向认知智能，带动数字世界和物理世界无缝融合，从生活到生产、从个人到行业、从C端到B端，正日益广泛和深刻地影响人类社会，驱动产业转型升级。 据预测，2030年全球人工智能市场规模将超过20万亿美元，2030年中国人工智能核心产业规模将超过4万亿美元，目前仍有较大的发展潜力和空间。人工智能无所不及，帮助人类获得超越自我的能力，成为科学家的显微镜与望远镜，让我们的认知跨越微小的夸克到广袤的宇宙，千行万业从数字化走向智能化。 让我们拥抱AI新时代，拥抱行业智能化转型，拥抱美好新未来！ 2 人工智能行业 行业定义 人工智能是研究、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。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。 1956年夏季，美国达特茅斯学院举办的人类第一次人工智能研讨会。一批年轻科学家在聚会中共同研究和探讨用机器模拟智能的一系列有关问题，其中约翰·麦卡锡等人提出了“人工智能”这一术语，这是人工智能概念的起源，也标志着“人工智能”这门新兴学科的正式诞生。 约翰·麦卡锡认为：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性。 强人工智能观点认为“有可能”制造出“真正”能推理和解决问题的智能机器，并且，这样的机器将被认为是具有知觉、有自我意识的。 弱人工智能观点认为“不可能”制造出能“真正”地推理和解决问题的智能机器，这些机器只不过“看起来”像是智能的，但是并不真正拥有智能，也不会有自主意识。 总体来讲，当前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动（或决策）”。 3 因此，人工智能基本的应用可分为四大部分： 感知能力（Perception) 指的是人类透过感官所收到环境的刺激，察觉消息的能力，简单的说就是人类五官的看、听、说、读、写等能力，学习人类的感知能力是AI当前主要的焦点之一。 认知能力（Cognition） 指的是人类透过学习、判断、分析等等心理活动来了解消息、获取知识的过程与能力，对人类认知的模仿与学习也是当前AI第二个焦点领域。 创造力（Creativity） 指的是人类产生新思想，新发现，新方法，新理论，新设计，创造新事物的能力，它是结合知识、智力、能力、个性及潜意识等各种因素优化而成，这个领域当前人类仍遥遥领先AI，但AI也试着急起直追，主要领域包括：AI作曲、AI作诗、AI小说、AI绘画、AI设计等。 智能（Wisdom） 指的是人类深刻了解人、事、物的真相，能探求真实真理、明辨是非，指导人类可以过着有意义生活的一种能力，这个领域牵涉人类自我意识、自我认知与价值观，是ˋ当前AI尚未触及的一部分，也是人类最难以模仿的一个领域。 随着人工智能的发展，其理论和技术逐渐成熟，应用领域也不断扩大。人工智能旨在利用计算机模拟和执行各领域的智能任务，包括但不限于机器学习、自然语言处理、计算机视觉、知识推理等技术。它可以通过让计算机自动学习和提取规律，实现数据分类、预测和决策等功能。其中， 4 深度学习作为一种特殊的机器学习方法，利用多层神经网络对数据进行建模和分析，实现复杂任务的处理，如图像识别、语音识别、自然语言处理等。 人工智能的应用前景广阔，可以在各个行业中实现大规模的落地应用。例如，在制造、交通、金融、医疗等领域，人工智能可以实现工业智能机器人的自动化生产、物体检测和目标识别等任务，提升生产效率和产品质量。此外，人工智能还可以在供应链优化、能源管理等方面发挥作用，提供实时数据可视化、预测和响应潜在需求和风险的能力，实现资源的优化配置。 为了推动人工智能的创新应用和产业发展，各国政府都积极制定相关政策和计划。例如，美国、中国、英国、日本等国家都将人工智能发展纳入国家战略和规划，推动人工智能技术在各个行业中的广泛应用。此外，人才储备和生态建设也是人工智能发展的重要支撑，需要加强人才培养和技术创新，构建安全可信的人工智能环境。 发展历程 初期起步期 1956年，美国达特茅斯学院，人工智能概念被首次提出。 1966年，麻省理工学院的魏泽鲍姆发布世界首个聊天机器人ELIZA，能通过脚本理解简单的自然语言，产生类似人类的互动。 1966~1972年，斯坦福国际研究所研制首台人工智能移动机器人Shakey。 5 低速积累期 1973年，日本早稻田大学造出第一个人形机器人WABOT-1，它由肢体控制系统、视觉系统和对话系统组成。1980年的了WABOT-2第二代能够与人沟通，阅读乐谱并演奏电子琴。 1981年，日本经济产业省拨款8.5亿美元用以研发第五代计算机项目，在当时被叫做人工智能计算机。 997年5月11日，IBM公司的电脑“深蓝”战胜国际象棋世界冠军卡斯帕罗夫，成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。 2006年，神经网络专家Hinton提出神经网络深度学习算法，使神经网络的能力大大提高，向支持向量机发出挑战，同时开启了深度学习在学术界和工业界的浪潮。 2006年-2009年，ImageNET数据库建立，帮助AI认出了猫。 蓬勃发展期 2011年，IBM公司开发的人工智能程序Watson（沃森）在美国智力问答节目中打败两位人类冠军。 2012年，AlexNet在ImageNet竞赛中取得胜利；加拿大神经学家团队创造了一个具备简单认知能力，有250万个模拟“神经元”的虚拟大脑，命名为“Spaun”，并通过了最基本的智商测试。 2013年，Facebook人工智能实验室成立，探索深度学习领域。 2016年，Google人工智能AlphaGo战胜围棋世界冠军李世石。 2018年-2019年，IBM的AI辩论机器人“IBMProjectDebater”对战人类辩论冠军。 6 2018年，DeepMind的Alphafold破解了出现五十年之久的蛋白质分子折叠问题。谷歌推出BERT模型，自然语言处理技术发展新时代。 2022年11月30日，OpenAI研发的聊天机器人程序ChatGPT发布。推出2个月内用户破亿，是史上用户增长速度最快的消费应用程序。 2023年3月15日，OpenAI正式推出ChatGPT4.0。 图1：人工智能发展阶段 资料来源：极客传媒，发现报告整理 模型分类 人工智能模型可以分为“分析式人工智能”（AnalyticalAI）和“生成式人工智能” （GenerativeAI）两种，2022年底，生成式AIChatGPT系列以强大的内容生成能力和接近人类水平的“聪明”程度在人类世界带来巨大震憾。 7 分析式AI 2016-2021年中，全球的人工智能市场规模从600亿美元扩大到近3000亿美元，如此高速的发展背后是分析式AI大规模的成功应用，包括推荐系统、计算机视觉、自然语言处理等技术。 分析式AI的推荐系统驱动了电商、视频等行业的飞速发展，图像识别技术推动了智能驾驶和汽车行业的迭代。 字节跳动、亚马逊、特斯拉等公司，正是因为在分析式AI如推荐系统、计算机视觉、自然语言处理等技术上的领先性，快速发展为全球领先的科技和数字化公司。 生成式AI 生成式AI的核心是“创造”，通过从数据中学习要素，进而生成全新的、原创的内容或产品。不仅能够实现传统AI的分析、判断、决策功能，还能够实现传统AI力所不及的创造性功能。 生成式AI已催生了营销、设计、建筑和内容领域的创造性工作，并开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天进行初步应用，为各个领域带来巨大的生产力提升。 当前生成式AI最常见的应用场景是娱乐媒体中内容的辅助生产。随着生成式AI的能力进一步成熟，部分专业内容生产者将被替代。 8 相关技术 AI的十大基础技术领域包括：深度学习、智能云、计算机视觉、智能语音、自然语言处理、大数据、知识图谱、智能推荐、智能芯片、量子计算。 2016-2021年深度学习专利申请年均复合增长率达到53%，处于高速增长阶段，同时智能语 音、自然语言处理、大数据、知识图谱等领域增长较为迅速，其中2021年自然语言处理的专利申请量仅次于深度学习、智能云和计算机视觉，发展势头强劲；智能芯片和量子计算由于起步相对较晚，相关专利储备较少，仍处于技术加速积累的阶段。 图2：十大创新链专利申请趋势 资料来源：《AI创新链产业融合发展赋能教字经济新时代一一中国人工智整专利技术分析报告(2022)》，发现报告整理 根据Gartner《2022年人工智能技术成熟度曲线》报告，随着越来越多的企业机构认为风险已下 降至可接受程度，AI技术采用开始进入快速增长阶段，包括复合人工智能、决策智能和边缘人工 9 智能，预计在2到5年内将成为主流采用的创新。这些创新的早期采用可以推动显著的竞争优势和商业价值，并缓解与人工智能模型脆弱性相关的问题。 图3：2022年人工智能技术成熟度曲线 资料来源：明略科技&复旦大学&秒针营销科学院，发现报告整理 人工智能产业链 产业链全景图 人工智能的产业结构将包括基础层、技术层、应用层三个部分。基础层是人工智能产业的基础，为人工智能提供数据及算力支撑；技术层是人工智能产业的核心；应用层是人工智能产业的延伸，面向特定应用场景需求而形成软硬件产品或解决方案。 10 图4：人工智能产业链 资料来源：明略科技&复旦大学&秒针营销科学院，发现报告整理 产业链上游：基础层，数据&硬件零部件 基础层主要包括物联网、大数据、云计算、智能芯片、智能传感器等。其中，智能传感器及大数据主要负责数据的收集，智能芯片和云计算负责运算。 目前，我国人工智能产业链基础层大数据领域发展较为成熟，人工智能企业分布数量最多，行业竞争激烈。基础层代表企业主要有阿里巴巴华为、腾讯、云测数据等。 具体来看，数据层上，由于中国互联网与移动互联网发展的特殊进程，高质量的中文互联网数据相较英文在体量上存在一定劣势。在移动互联网领域，我国的数据在体量与质量方面均有较好的储备，但面临着数据公开可获得性的挑战。 整体来看，国内中文训练数据集在规模和质量方面拥有自己的特点，我们认为足够支撑大模型的发展，但目前由于数据公开可得性等挑战与国外存在一定的差距；在底层基础设施层面，国内大型云基础设施厂商均已推出了针对大模型训练的云服务产品，整体呈现出与海外相当的发展势头；底层硬件上英伟达凭借领先的产品