1.1.1 2024-2028年中国人工智能行业影响因素分析

一、有利因素

（一）政策利好

2023年7月10日，中华人民共和国国家发展和改革委员会、中华人民共和国科学技术部、中华人民共和国工业和信息化部等七部门印发《生成式人工智能服务管理暂行办法》。《办法》指出，我国要推动生成式人工智能基础设施和公共训练数据资源平台建设。促进算力资源协同共享，提升算力资源利用效能。推动公共数据分类分级有序开放，扩展高质量的公共训练数据资源。鼓励采用安全可信的芯片、软件、工具、算力和数据资源。

（二）人工智能与新技术融合发展

1、人工智能与云计算的深度融合

云计算是指通过互联网提供各种计算资源和服务的技术，它可以让用户随时随地地访问和使用数据和应用。云计算为人工智能提供了强大的基础设施，使得人工智能可以处理海量的数据，运行复杂的算法，实现高效的分布式计算。随着云计算技术的不断发展和优化，人工智能将更加依赖于云计算平台，实现更高的性能、更低的成本、更好的可扩展性和更强的安全性。同时，人工智能也将为云计算带来新的价值和机遇，例如通过自动化、优化和智能化提升云计算服务的质量和效率，或者通过创造新的云计算应用场景和模式拓展云计算市场。

2、人工智能与物联网的广泛结合

物联网（IoT）是指通过网络将各种物理设备、传感器、终端等连接起来，实现信息交换和通信的技术。物联网可以让我们感知和控制周围的环境，提高生活和工作的便利性和效率。物联网产生了大量的数据，而人工智能则可以对这些数据进行分析和处理，从而实现对物联网设备和系统的智能化管理和优化。例如，通过人工智能可以实现对家庭、办公室、城市等场景中的温度、湿度、光照、空气质量等参数的自动调节，或者对交通、物流、制造等领域中的车辆、货物、设备等状态的实时监测和预测。同时，人工智能也可以为物联网提供新的功能和体验，例如通过语音、图像、手势等方式与物联网设备进行自然交互，或者通过个性化、推荐、学习等方式提升物联网服务的质量和满意度。

3、人工智能与区块链的有机结合

区块链（Blockchain）是指一种分布式数据库技术，它可以通过加密算法和共识机制保证数据的安全性、完整性和不可篡改性。区块链可以为人工智能提供一种可信赖的数据共享和交换平台，使得人工智能可以在不同的组织和领域之间实现数据的协作和价值的流通。例如，通过区块链可以实现对人工智能模型和算法的版权保护和激励机制，或者对人工智能产生的数据和结果的溯源和验证。同时，人工智能也可以为区块链带来新的可能性和优势，例如通过机器学习和深度学习提升区块链的性能和效率，或者通过自然语言处理和计算机视觉提高区块链的可用性和易用性。

（三）AI开源开放平台服务能力持续增强

不完全统计，我国开源开放平台超过40个，语音、视觉、自然语言处理、知识图谱、计算等AI开放服务能力进一步增强，初步具备了加速我国人工智能产业创新发展的能力。基础技术服务平台方面，如百度、阿里、滴滴、腾讯、网易、京东等综合性AI能力开放平台，云从、旷视、美图、萤石、虹软等视觉图像识别AI能力开放平台，科大讯飞、依图、小米小爱、搜狗、学而思、有道等语音识别AI能力开放平台，其中百度AI开放平台已提供超过1400项开放能力。开放计算服务平台方面，如阿里云、华为云、百度云、京东云、金山云、腾讯云等AI云计算服务开放能力平台。垂直领域开源开放平台方面，Apollo自动驾驶开放平台、阿里城市大脑开放平台、腾讯智能医疗开放平台等，其中如百度Apollo平台已经汇聚了全球210家生态合作伙伴，全球有135个国家超过80,000名开发者使用Apollo开源代码，开源代码数量超过70万，Apollo自动驾驶平台已成为全球最强大、最开放、最活跃的自动驾驶平台。

（四）人工智能开始逐步融合商业化场景发展

1、人脸识别

人脸识别门禁闸机、人脸识别登录支付、公安系统通过摄像头人脸识别从而进行追逃布控、人证合一验证、交通车辆监控、OCR文字识别、照片自动美颜功能、基于图片的商品搜索（如拍立淘）等等。

2、语音/语义识别

语音识别与合成（如智能音箱）、聊天机器人（如微软小冰）、智能助手（Siri、小度等）、机器翻译、智能客服机器人等等。其中语音识别与合成的技术成熟度相对较高，涉及到语义理解的应用目前还相对初期。

3、大数据智能计算

金融领域的风控、广告精准投放、产品个性化推荐、基于行为模型的反欺诈、搜索引擎的优化、商品的智能排序等等。这类应用目前相对比较成熟，能进行大规模的普及，像国家反诈骗中心app就是运用大数据智能计算，分析诈骗行为从而提醒用户免受诈骗损失。

4、智能无人驾驶

其中最典型的就是无人车驾驶，尤其是L4-L5级别的无人车驾驶。这个级别的无人车驾驶会基于周围的环境、高精度地图等信息，综合决策出下一步的驾驶行为。同样的道理，相同“无人化”级别的无人船、无人飞机、移动机器人等也属于这一类的应用。这类AI应用研发难度较大，目前还处于初级的阶段，较多运用于物流搬货以及配送货物的机器人。

二、不利因素

（一）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。

（二）专业人才不足

人工智能是新兴产业，虽然技术和产业发展迅猛，但专业技术人才，以及兼顾人工智能与传统产业的跨界人才不充足，限制了产业发展以及与实体经济的深度融合发展。

从人才培养角度而言，我国高校人工智能领域的学科建设、人才培养相对滞后。人工智能涉及领域宽泛，相关领域学科资源分散，未能形成合力，培养人才的数量、质量有待提升。目前，国内开设人工智能专业的高校数量较少、时间较短，学科实力不强。

目前，我国对于AI人才的渴求已经超过了人工智能大国美国，相比世界其他国家空缺的AI职位最多，共计超过1.2万个相关职位虚位以待，且中国最缺乏的职位是AI研究人员和智能专家。此外，国内还十分缺乏人工智能与传统行业的跨界人才，不利于人工智能在各垂直行业的应用推广。

（三）基础理论、原创模型等颠覆型、阶跃型技术缺乏引领能力

反向传播、人工神经网络等深度学习基础理论，以及知识工程、计算神经科学等其他分支的基础理论基本由他国引领，相关的统计学、认知科学等底层近现代学科早期创始人、重大贡献者鲜有我国学者身影。在产业发展浪潮之中，我国虽已涌现一批具有全球影响力的学者，在图像识别、机器翻译等领域不断发声，但深度学习理论体系、新型学习方式等颠覆技术主导权几乎被全球几位巨头掌握；卷积神经网络、循环神经网络、生成对抗网络等阶跃型算法技术多数在原始创造团队各分支中产生，延续性较强。

（四）国内两类基础生态构建面临严峻形势

从全球来看，开源开发框架的第一次洗牌已到尾声，谷歌、脸书等头部企业的开发框架体系基本确立，市场份额和社区生态已远超其他框架，我国框架以一己之身突围难度很大。同时，受制于我国集成电路较全球起步晚的历史背景，英伟达、英特尔等芯片大厂已在工艺制程、芯片架构、软件生态等方面有数十年积累；智能计算时期，芯片头部企业针对人工智能任务需求加速优化芯片架构、完善软件工具、适配多样的开发框架，构筑庞大的生态体系不断提高行业壁垒，导致其他初创智能芯片企业一时间难以切入市场进行规模应用。目前，我国虽涌现出一批智能芯片企业，同时也在研发框架方面有所布局，但两类基础生态构建所面对的形势仍然非常严峻。

1.1.2 2024-2028年中国人工智能产业规模预测

2022年，我国人工智能产业规模达到5,080亿元；2023年，我国人工智能产业规模约达到5,452亿元。

我们预计，2024年我国人工智能产业规模将达到5,874亿元，未来五年（2024-2028）年均复合增长率约为6.30%，2028年将达到7,500亿元。

图表　中投顾问对2024-2028年中国人工智能产业规模预测

数据来源：中投产业研究院