德勤：中国人工智能产业链图谱 集成电路进口超过石油为最大软肋！
主要发现
1中国人工智能产业发展迅速，但整体实力仍落后于美国。
中国已成为人工 智能发展最迅速的国家之一，2018年中国人工智能市场规模有望超过300亿 元人民币。人工智能企业数量超过1000家，位列全球第二。本次人工智能浪 潮以从实验室走向商业化为特征，其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。与此同 时，中国处于人工智能发展初期，基础研究、芯片、人才方面的多项关键指标 与美国差距较大。
2中国企业价值链布局侧重技术层和应用层，对需要长周期的基础层关注 度较小。
人工智能产业链分为基础层（芯片、算法框架）、技术层（计算机视 觉、自然语义理解、语音识别、机器学习）和应用层（垂直行业/精确场景）。中 国企业布局比较偏好技术相对成熟、应用场景清晰的领域，对基础层关注度 较小。瞄准AI专用芯片或将为中国企业另辟蹊径。
3科技巨头生态链博弈正在展开，创业企业则积极发力垂直行业解决方案， 深耕巨头的数据洼地，打造护城河。
科技巨头构建生态链，已经占据基础设 施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡，更多的创业企业 将发力深耕巨头的数据洼地（金融、政府事务、医疗、交通、制造业等），切入 行业痛点，提供解决方案，探索商业模式。
4政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道。
早期进入的企业逐步建立行业壁垒，未来需要解决数据割裂问题以获得长 足发展。各地政府的工作内容及目标有所差异，因而企业提供的解决方案并 非是完全标准化的，需要根据实际情况进行定制化服务。由于政府一般对于 合作企业要求较高，行业进入门槛提高，强者恒强趋势明显。
5人工智能在金融领域的应用最为深入，应用场景逐步由以交易安全为主 向变革金融经营全过程扩展。
传统金融机构与科技企业进行合作推进人工 智能在金融行业的应用，改变了金融服务行业的规则，提升金融机构商业效 能，在向长尾客户提供定制化产品的同时降低金融风险。
6医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市 场准入机制并加强医疗数据库的建设。
人工智能的出现将帮助医疗行业解决 医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康，医疗 又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产 品商业化过程中如何制定医疗和数据监管标准。
7以无人驾驶技术为主导的汽车行业将迎来产业链的革新。传统车企的 生产、渠道和销售模式将被新兴的商业模式所替代。
新兴的无人驾驶解决 方案技术公司和传统车企的行业边界将被打破。随着共享汽车概念的兴 起。无人驾驶技术下的共享出行将替代传统的私家车的概念。随着无人驾 驶行业规范和标准的制定，将衍生出更加安全和快捷的无人货运和物流等 新兴的行业。
8人工智能在制造业领域的应用潜力被低估，优质数据资源未被充分利 用。
制造业专业性强，解决方案的复杂性和定制化要求高，所以人工智能 目前主要应用在产品质检分拣和预测性维护等易于复制和推广的领域。然 而，生产设备产生的大量可靠、稳定、持续更新的数据尚未被充分利用，这 些数据可以为人工智能公司提供优质的机器学习样本，解决制造过程中的 实际问题。
9零售领域应用场景从个别走向聚合，传统零售企业与创业企业结成伙 伴关系，围绕人、货、场、链搭建应用场景。
人工智能在各个零售环节多点 开花，应用场景碎片化并进入大规模实验期。传统零售企业开始布局人工 智，将与科技巨头在应用大数据和人工智能领域同台竞技，意味零售商将 更加积极与创业公司建立伙伴关系。
10政策与资本双重驱动推动人工智能产业区域间竞赛，京沪深领跑全 国，杭州发展逐步加速。京津冀、珠三角、长三角以及西部川渝地区成为人 工智能企业聚集地区。
北京、上海、深圳牢牢占据人工智能城市实力第一梯 队的位置，广州的大型企业与初创企业数量较少，杭州主要依靠阿里巴巴， 因而属于第二梯队，重庆则受到技术与人才基础限制处于第三梯队。
11各地政府以建设产业园的方式发挥人工智能产业在推动新旧动能转换 中的作用。
人工智能产业园呈现多点开花、依托原有高科技产业园以及与 原有园区企业产生联动效应的特点。但由于建设速度过快，园区也出现了 空心化与人才缺口的问题。
在中国，政府正通过多种形式支持人工智能的发展。中国形成了科学技术部、国家发改委、中央网信办、工信 部、中国工程院等多个部门参与的人工智能联合推进机制。从2015年开始先后发布多则支持人工智能发展的政 策，为人工智能技术发展和落地提供大量的项目发展基金，并且对人工智能人才的引入和企业创新提供支持。 这些政策给行业发展提供坚实的政策导向的同时，也给资本市场和行业利益相关者发出来积极信号。在推动市 场应用方面，中国政府身体力行，直接采购国内人工智能技术应用的相关产品，先后落地多个智慧城市、智慧 政务等项目。
人工智能技术在中国实现了快速的发展， 虽然中国在部分技术和快速应用上具备了 一定的竞争力，但是基础层技术的薄弱仍 然是牵制中国人工智能发展的关键制约因 素，同时还面临标准落地难、法律法规不 完善以及人才缺乏的挑战。 技术缺口 作为全球发展最快的人工智能市场，中 国在芯片制造和人工智能技术以及基础 理论研究方面均落后于国际先进水平。
长期以来，中国的芯片大部份依赖进 口，计算力方面的技术基础薄弱。根据 中国海关总署数据显示，2015—2017 年中国进口芯片总量分别为3140亿 块、3425亿块、3770亿块，进口额分 别为2299千亿美元、2270千亿美元和 2601千亿美元。这也使芯片进口额连续 三年超过了原油。而在算法研究方面， 中国仍然应用的是Facebook、谷歌等公 司提出的算法框架，在算法研究上仍待 突破。
标准落地
目前，中国人工智能行业在标准落地上 存在较大缺口。标准作为经济和社会活 动的主要技术依据，已成为衡量国家或 地区技术发展水平的重要标志、产品进 入市场的基本准则、企业市场竞争力的 具体体现。截至目前，美国、欧盟、日 本等发达国家高度重视人工智能标准化 工作。美国发布的《国家人工智能研究 与发展策略规划》，欧盟发布的“人脑 计划”，日本实施的“人工智能/大数 据/物联网/网络安全综合项目”，均提 出围绕核心技术、顶尖人才、标准规范 等强化部署，力图抢占新一轮科技主导 权。在中国，虽然已经有政府和机构在 牵头，但中国现阶段各人工智能应用领 域的标准存在巨大的差异，顶层设计与 复杂现状一时仍然难以匹配。
法律法规
正如每一次科技和技术进步，围绕这项 技术所出现的法理问题也应运而生。人 工智能发展过程中的法律法规制定问题 也是行业面临的挑战。以无人汽车为 例，自动驾驶涉及法律法规，而法规不 明确将会制约自动驾驶商业化落地。 中国在人工智能发展政策上主要强调促 进技术进步和产业应用，而对道德伦理 安全规则等问题还存在政策的缺失。截 至目前，美国等世界多国已经开展了就正 义和公平、安全与认证、隐私与权力、税 收制度和失业、自主武器等方面人工智能 的社会学研究。反观目前中国人工智能研 究主要聚集在专利技术等维度，关于人工 智能道德和法律方面的研究非常有限。 随着人工智能发展的深入，政府应该与国 际研究接轨，鼓励和推动人工智能相关 的社会科学研究。
人才缺乏
据牛津大学2018年对中美两国对算法研 究的人才与全球先进国家的对比显示， 中国目前在算法研究方面的人才仅占全 球人工智能底层技术研究的13.1%，而美 国算法人才的占比为26.2%。从开设人 工智能专业院校的数量来看，中国仅有 不到30所大学的研究实验室专注于人工 智能，该数字远远无法满足人工智能企 业的用人需求。从人工智能从业经验来 看，美国半数以上的数据科学家拥有十 年以上的工作经验，而在中国超过40% 的数据科学家工作经验上不足五年。
总体来看，人工智能行业可分为基础支 撑层、技术层和应用层。 基础层提供计算力，主要包含人工智能芯 片、传感器、大数据及云计算。其中芯 片具有极高的技术门槛，且生态搭建已 基本成型。目前该层级的主要贡献者是 Nvidia、Mobileye和英特尔在内的国际科 技巨头。中国在基础层的实力相对薄弱。 技术层解决具体类别问题。这一层级主 要依托运算平台和数据资源进行海量识 别训练和机器学习建模，开发面向不同 领域的应用技术，包括语音识别、自然 语言处理、计算机视觉和机器学习技 术。科技巨头谷歌、IBM、亚马逊、苹 果、阿里、百度都在该层级深度布局。 中国人工智能技术层在近年发展迅速， 目前发展主要聚焦于计算机视觉、语音 识别和语言技术处理领域。除了BAT在 内的科技企业之外，出现了如商汤、旷 视、科大讯飞等诸多独角兽公司。 应用层解决实践问题，是人工智能技术 针对行业提供产品、服务和解决方案， 其核心是商业化。应用层企业将人工智 能技术集成到自己的产品和服务，从 特定行业或场景切入（金融、安防、交 通、医疗、制造、机器人等）。未来， 场景数据完整（信息化程度原本比较高 的行业或者数据洼地行业），反哺机制 清晰，追求效率动力比较强的场景或将 率先实现人工智能的大规模商业化5 。从 全球来看，Facebook、苹果将重心集中 在了应用层，先后在语音识别、图像识 别、智能助理等领域进行了布局。得益 于人工智能的全球开源社区，这个层级 的门槛相对较低。目前，应用层的企业 规模和数量在中国人工智能层级分布中 占比最大。
