人工智能產業“冷靜期”的行業轉型機理、路徑與配套政策

胡豫隴

(國務院發展研究中心 信息中心， 北京 100010)

一、人工智能產業發展進入“冷靜期”

2015年AlphaGo打敗人類棋手，引發了全社會對人工智能的高度關注。以此為契機，人工智能產業迎來了創新創業熱潮。據中國信息通信研究院統計，2018年上半年，人工智能領域的全球融資規模達到435億美元，中國的規模達到317億美元，占比72.8%，遠超全球其他國家；截至2018年9月，全球人工智能企業達5 159家，中國以1 122家(不含港澳臺)的數量位居全球第二(1)數據來源：《全球人工智能產業數據報告2018》。。同時，人工智能相關企業經營領域幾乎覆蓋當前全球所有主要產業，包括商務、金融、交通、醫療、農業、教育、安防、娛樂等。2018年前后，全球與我國的人工智能產業熱度均達到高點。

但在大幅投入之后，人工智能產業卻并未取得預期效果。交通領域無人駕駛屢出事故；商業應用遲遲無法落地；農業領域缺少實用化場景；安防領域應用較多，但缺乏商業化變現模式；游戲領域應用僅具技術驗證作用，缺少商用價值。隨后全球人工智能企業增速不斷降低，投融資規模也逐步萎縮。尤其是2020年以來，在經濟下行和新冠肺炎疫情的影響下，上半年全球融資規模僅為178.4億美元，美國占72億美元，我國占60.3億美元；全球融資筆數僅為435筆，美國占152筆，我國占126筆(2)數據來源：《2020年全球人工智能產業地圖》。。就同期的投資金額和投資筆數下降比例來看，我國均比美國下降得多。更為嚴峻的是，2020年上半年融資金額中，94.7%份額集中在B輪及以后的成熟階段，資本對種子輪企業的投入達到“冰點”①。

總體而言，無論是全球還是我國，人工智能產業的投融資和創新趨勢下跌嚴重，我國下降趨勢更為明顯。從產業發展層面來看，這種下降趨勢主要來自于兩方面因素：一是全球信息化產業的發展程度還未達到全面應用人工智能的階段。人工智能的應用需要基于高度信息化的系統和場景，同時還要有大量的數據作為支撐，但反觀目前，無論是全球還是我國，能滿足這樣需求的產業是十分有限的，金融、互聯網等領域由于信息化發展快速且深入，能夠滿足人工智能應用對信息化水平和數據的需求，因此在這些領域人工智能應用出現的數量很多，并且富有成效。但一旦到了制造業、農業、能源等領域，由于這些產業本身信息化程度還不夠發達，很難在其中找到多樣的人工智能場景。二是目前的人工智能技術也并非在所有場景都行之有效。目前的人工智能技術更多的還是依賴對大量數據的學習來實現智能分析，而對于只有少量數據的場景，應用成效往往不盡如人意。因此，一方面由于產業信息化程度的不足，另一方面人工智能技術對小數據學習能力不足，二者之間互相無法適配，導致人工智能產業難以繼續增長。

當前，全球以及我國的人工智能產業實際上已進入“冷靜期”，僅靠概念或缺少商業價值的創新項目，已經無法獲取投資青睞。更為關鍵的是，對于仍在發展的人工智能企業，人工智能所能拓展的應用空間和商業價值也變得極為有限，全球對人工智能的追捧熱情已明顯下降。從2020年Gartner發布的人工智能技術成熟度曲線中也可看到(如圖1)，時下最受關注的深度神經網絡、自然語言處理、機器學習、計算機視覺和自動駕駛都正在滑向低谷區，特別是計算機視覺技術幾乎已進入低谷階段。

圖片來源：Gartner.com

從技術層面再來看，人工智能產業進入低谷，是技術發展必然經歷的一個階段。總結其原因：主要可歸為以下三個方面：一是對產業中廣泛存在的復雜場景適應性不足。目前的人工智能技術只能滿足簡單重復的任務，在復雜場景中的應用雖然也有大量嘗試，但實際效果不盡人意。如前所述，產業信息化不足與人工智能技術無法學習小數據，兩個原因至少要解決一個。但目前來看，無論是從技術層面還是產業層面，推進的難度都很大。二是企業嘗試意愿不足。一方面，由于缺乏具有說服力的投入產出成效，產業界諸多企業仍處于觀望狀態，不愿貿然嘗試用人工智能替代現有的技術和方案。另一方面，隨著企業對人工智能技術內涵的不斷深入了解，企業也意識到，人工智能技術在很多領域，確實還達不到替代傳統方案的水平。三是在一些重點領域的政策制度對人工智能應用的審批監管仍較為嚴格，一定程度上制約了人工智能頭部應用的突破。例如醫療領域人工智能應用的審批十分嚴格，這使得人工智能應用研發出來后，難以在實際環境中進行數據積累和自我迭代。這樣的監管模式雖然保護了醫療產業安全，但也在一定程度上制約了技術的創新探索。

二、我國人工智能產業的發展經驗

新一輪人工智能的“高開低走”，造成了大量資源投入的損失，但正是由于近年來各領域的廣泛探索，才幫助產業和政府厘清了人工智能發展面臨的問題。相比于早期的盲目式創新和投入，當下從政府到產業都對人工智能產業建立起了更為客觀科學的認識，相應的發展環境也正日趨成熟。總結近年來人工智能應用的發展經驗，人工智能產業的進一步發展應避免互聯網時代形成的唯技術、唯產品的發展思路，而應從場景需求、產業既有軟硬件基礎和產業轉型規律等方面綜合考慮，循序漸進，逐步拓展應用范圍和深度[1]。

1.人工智能技術的應用領域

人工智能技術并不能全面替代傳統技術和產品，而只是在一些特定領域能夠對數據進行更為深入和高效的處理。例如在計算機視覺領域，深度學習技術的出現使得機器對圖像識別的準確率由以往的70%(可能更低)提升到了95%以上，遠超人類能力。這樣的成果確實讓人工智能技術在醫療影像分析、人臉識別等領域創造了巨大價值。但在機器翻譯、文本理解等更為專業或復雜的領域，即使依靠現在最為先進的人工智能算法，應用效果也遠未達到實用標準。

2.人工智能應用場景的實現方式

人工智能應用的實現，關鍵不在于人工智能技術本身，而在于選擇具備技術效益的應用場景，并設計可行的解決方案。人工智能應用的落地，既取決于場景的專業化分析，也取決于算法對場景的適應程度，只有將技術與需求有效結合，才能達成具有實用價值的應用。當下諸多人工智能應用在尚未分析清楚場景需求和行業知識的情況下，盲目使用人工智能技術對行業數據進行分析并提出改進建議，其效果不僅不及人工解決等辦法，還造成了大量資源和人力的浪費。例如阿里巴巴通過數據智能分析幫助中策橡膠把整個橡膠混煉膠的合格率提升了5%，但這樣的案例只是通過“黑盒”式的深度學習技術對數據進行分析，缺乏可解釋性和實踐理論，并不具備對整體制造業的參考價值。而對于更多需要應用人工智能的行業場景，更是要避免這種“黑盒”化的改進模式，正視產業發展所需解決的專業知識和邏輯化解決方案，清晰定義任務，制定符合行業知識和產業規律的解決方案。

3.復雜人工智能應用的落地機制

人工智能應用的落地，還需要信息系統、基礎設施等配套條件。在具體場景中，人工智能算法只能對數據進行深度分析，而整體應用中還需要打通數據獲取、信息聯動以及控制執行等環節。在這些環節中，既需要信息系統來實現數據的獲取、存儲、處理等，也需要5G通信設備來實現信息高速傳輸，還需要傳感器等多種輔助條件來實現完整的應用流程。例如在當前的智能網聯汽車領域，汽車的自動行駛不再像以往一樣只依靠單車智能來感知周圍環境并做出行駛決策，而是通過高精度地圖來為汽車實現路徑規劃，通過路邊傳感器、地圖、激光雷達、交通基礎設施等方式來感知周圍綜合的路況和環境信息，進而通過對信息的邊緣計算分析和信息高速傳輸來實現車與車、車與周圍環境和設施的信息互通，最后才能幫助汽車做出行駛過程中的動態決策。這一復雜過程的實現，就已不再是單獨依靠人工智能的算法分析能力，而是整合了多元化的基礎設施和支撐條件，才達到了整體的智能化行駛方案[2]。

三、我國人工智能產業的基礎要素優勢

得益于各領域長期的數據積累，以及近年來人工智能產業大量的創新創業投入，我國在數據、算法、算力這三個人工智能產業基礎要素上實現了扎實的資源和技術積累，在國際上形成了明顯的優勢，為人工智能產業的深化發展打下了堅實基礎。這些基礎能夠保障我國在接下來的全球競爭中，具備充足且扎實的能力儲備，從而在各個產業競爭過程中，有能力保持全球領先的發展速度。

1.我國人工智能產業的數據優勢

在數據方面，我國在各領域都積累了海量數據，這為各行業發展人工智能提供了先天優勢，并且這種依靠超大產業規模所積累的數據優勢是全球其他各國所不具備的。同時，面對來源各異、處理難度大的各類數據，我國也有大量的第三方大數據服務企業，能夠幫助各行業有效解決數據獲取和處理的需求。我國不僅有技術積累雄厚的互聯網企業作為數據分析和服務企業的領頭羊以及產業帶動者，如阿里巴巴、華為、浪潮、騰訊、百度等，還有大量新興的專業數據服務企業，能夠為企業提供個性化數據服務。

2.我國人工智能產業的算法積累情況

在算法方面，我國的專業技術研究實力和商業化算法服務能力均處于世界領先水平，能夠快速有效支持各類產業應用。對于常規應用，國際通用的開源算法資源和開源框架基本能夠滿足產業發展的必要需求。并且，即使出現美國對開源資源封鎖的情況，我國也有百度PaddlePaddle、華為ModelArts等多種自主算法框架和平臺能夠滿足產業發展需求。對于復雜應用，我國的人工智能學術研究與專利也都處于世界領先位置，相關的研究成果也能持續滿足創新和應用需求。

3.我國人工智能產業的算力發展情況

在算力方面，核心在于人工智能芯片。近年來，以華為海思、寒武紀、地平線、阿里平頭哥等為代表的芯片企業已成功實現商用人工智能芯片并獲得市場認可，華為海思的麒麟系列芯片是全球領先的人工智能計算芯片并在華為手機中應用。阿里巴巴也推出了 “含光800”云端推理芯片。同時，寒武紀、地平線等廠商也陸續推出自研的商用芯片。綜合來看，我國的人工智能產業發展基礎要素已實現成熟的自主供應能力，能夠為各類人工智能應用提供堅實的基礎支撐。

在當前“冷靜期”，加之全球新冠肺炎疫情的沖擊，全球人工智能產業都普遍面臨投資減少、創新缺失的困境，但也正是在這一低谷時期，誰能搶先推動人工智能產業進入穩步爬升期，誰就能優先占領市場，獲得領先優勢。當前，我國在人工智能產業發展的經驗和基礎條件上都已形成顯著的優勢[3]。而其他國家，要么是類似于美國，有強大的基礎能力，但還沒有渡過新冠肺炎疫情沖擊，起步晚于我國；要么是基礎能力不足，且還處在新冠肺炎疫情沖擊之中。因此，我國可以說是具備了充足的先發能力和機遇，應及時把握當前難得的發展窗口期，加快推動應用和產業發展，拉開與其他國家的距離，搶占產業領先地位。

四、我國人工智能產業關鍵領域的發展路徑

對數據、算法、算力的投入和積累解決了人工智能產業發展的底層支撐問題，下一步發展的關鍵問題就是如何設計出具有前景和實用價值的行業發展路徑。我國近年來高度重視人工智能與實體經濟的深度融合，以促進經濟增長新動能。本文聚焦國內目前最具發展前景的制造業、醫療、交通三個重點實體經濟領域，對其中的行業發展路徑進行剖析。

1.制造業人工智能發展路徑

制造業人工智能發展路徑主要有兩條：一是裝備儀器的智能化升級，二是全流程或全行業環節的柔性生產。兩條路徑對比來看，裝備儀器的智能化改造與人工智能技術結合得更為有效，而柔性生產所依托的完整數據鏈路在諸多領域還未形成，應用成效也不盡明顯。在裝備儀器智能化升級方面，能夠利用人工智能技術在影像識別、模式識別、數據分析等方面的優勢，提升單點裝備的智能化水平，如自動運輸車、智能機械手臂、高速影像分析設備等，這些單點智能裝備已經在一些場景中投入使用，實現了良好的智能升級示范。其中十分優秀的應用是2017年加州大學伯克利分校的研究人員，為機械臂Yumi裝配超強大腦Dex Net 2.0。這個超強大腦系統搭載深度學習網絡，并為機械臂配備豐富的物體記憶庫，使得機械臂遇到新物體時，可以迅速通過深度學習系統，對物體進行識別，探究得出一種最佳的抓取方案，準確地對各種物體進行抓取。這類機械臂不僅在制造業中十分重要，在未來各領域都極具應用潛力。在柔性生產方面，以當前典型的生產與銷售環節聯動為例，生產與銷售環節聯動需要對全環節構建信息化的數據獲取、傳輸和分析平臺，其基礎在于對全環節的信息化改造，其功效在于對數據的智能化分析能夠有效匹配供需，提升企業對市場的響應能力。但打造柔性生產鏈路需要前期投入專門的資金和人力進行整體信息化改造，這對于傳統制造企業來說仍是巨大挑戰。

2.醫療業人工智能發展路徑

目前醫療業人工智能發展路徑以單點應用為基礎，未來需要更多全周期、全流程和全域數據的整合來實現智能醫療服務。得益于我國業務場景的成熟化和數據資源的長期積累，我國在單點智能醫療應用中的數據分析對象和目標都較為明確，因此初步的人工智能應用落地快速，例如基于影像分析技術，在眼部、癌癥等方面的智能分析應用已經投入使用，輔助醫生決策；百度于2018年推出的AI眼底篩查一體機，使患者自動檢查眼底健康得以實現，目前已在廣東肇慶等地落地。同時，在手術輔助等更多復雜醫療場景中，人工智能應用還需要進行更為深入的探索。全域數據的整合能夠將多種(或多個)病例的數據進行對比，形成綜合分析平臺。全周期方面，可通過人工智能技術對病情全周期數據的整合分析，更加準確地判斷疾病治療或模式。全流程方面，可通過記錄和分析患者在不同環節的診療數據，能夠更加全面有效地區分有效數據和無效數據，并進一步優化治療方案。目前，此類應用在中醫領域已有典型案例，中國中醫科學院推出了中醫臨床智能輔助決策系統，采用人工智能技術對豐富的中醫文本數據進行知識圖譜建設、算法分析等研究，創新性地探索人工智能對全域數據價值的挖掘。但在更多場景中，這些更為全面和長周期的數據分析應用主要還是基于醫生的經驗或研究總結，未來借助人工智能應用，將有望實現更加快速、有效的診療服務，提高人民生命健康質量。

3.交通領域人工智能發展路徑

交通領域的人工智能應用以構建智能化交通體系為主要方向，體系內包含多樣化的創新方向。一是智能網聯汽車成為更具前景的無人駕駛解決方案。隨著無人駕駛產業的持續進步，單車智能的解決方案在應用過程中面臨明顯的技術瓶頸，對路況分析的準確性無法達到實用要求。而近年來逐步發展的智能網聯汽車則通過V2X的聯通，實現了與外界環境和車量的信息互通，能夠更好地適應實際駕駛場景。在以智能網聯為基礎的交通體系中，人工智能技術的應用無處不在，如傳感、邊緣計算、地圖導航等。當前，我國在中部和東部地區已設立20余個智能網聯汽車示范區，并在多地頒發路測牌照，智能網聯汽車已成為下一代無人駕駛產業的典型代表方向。二是交通信息的綜合分析和基礎設施的智能調控。如通過對城市交通運行的動態監測，來調控紅綠燈時間，能夠有效調度交通運行，緩解擁堵情況。此外，基于影像的車牌號判斷、基于車流情況的地圖導航等應用也都依托人工智能技術得到了重大提升。例如杭州市通過阿里巴巴城市大腦提供的技術支持，對全市交通紅綠燈進行智能調控，使全城通勤時間平均縮短3分鐘。未來隨著交通智能化基礎設施的不斷完善，將能收集更為全面和多樣的數據來推動智能化交通應用。

五、推動人工智能應用落地的政策建議

在產業下行和新冠肺炎疫情的雙重影響下，當前全球人工智能產業發展進入低速階段。但基于有效的疫情防控和在人工智能領域積累的基礎要素優勢，我國卻迎來了難得的先行發展優勢，要積極把握這一趕超“窗口期”，加速拉開與其他國家的距離，塑造全球競爭優勢。為加快推動行業創新，促進產業升級，提出有針對性的4條政策建議。

1.完善行業準入制度，以實踐帶動產品優化

人工智能算法的應用效果需要依靠訓練數據進行不斷優化，最佳的數據則是來源于實際應用。當前在醫療、交通等領域嚴格的準入制度限制了人工智能應用進入實踐。同時，在過長的審批周期中，行業數據和業務規則的變化將導致在審產品上市后失去競爭力，造成企業的前期投入失去價值。可通過分級和設定應用范圍的方式，為人工智能應用開通綠色審批通道，為企業提供充分驗證和更新產品的渠道。

2.分行業制定數據標準，提高數據資源利用效率

當前，各領域雖然有海量數據積累，但受信息化發展不平衡和數據收集方式差異的影響，各行業、各企業都以個性化方式開展人工智能應用，對數據利用效率不足，也難以形成規模效應。另外，由于許多領域的數據目前仍處于非標準化收集和使用階段，這將產生大量的數據分析成本，同時造成數據收集效率的低下。而統一的數據標準能夠加快數據利用效率，提高數據的收集速度和質量，進而有效發揮數據價值。基于統一規則操作和獲取的數據分析成果，能夠同步普及到各個必要環節，降低全產業、全社會的研發和應用成本。各領域智庫與研究機構要加快推進行業人工智能應用數據標準規范制定，引導行業數據收集和使用向標準化、規模化方向發展。同時，相關主管部門要加快制定行業數據監管細則，做好數據分級分類，在數據確權、數據共享、隱私保護等方面設定規則，引導產業健康有序發展。

3.全面推進新型基礎設施建設，完善人工智能應用支撐條件

人工智能應用發展既需要通信、數據中心、云服務、開源框架等通用基礎設施，也需要各領域根據應用需求完善必要的信息化建設和數據資源平臺。在當前人工智能產業進入“冷靜期”階段，現有開發資源和基礎設施是難以為整個產業提供有力支撐的。因此，要進一步加強全方位的基礎條件構建，有效降低人工智能應用創新成本和門檻，吸引更多企業參與人工智能應用研發。同時，更為完善的基礎設施也將助力產業深度設計和挖掘智能場景，推動人工智能技術向更多場景輻射賦能。而在監管方面，要同步完善基礎設施的建設與管理機制，鼓勵多方資金和主體參與。對于建設過程中面臨的行政審批等問題，要開設綠色通道，保障基礎設施建設穩步推進。對具有高端技術需求的項目，要鼓勵具有技術優勢的民營企業參與建設，并給予相應的投入回報。

4.推廣創新示范試點，推動人工智能應用和理念傳播

當前的試點示范主要面向行業用戶，也只在一些專用場地開展。但人工智能作為全域賦能技術，其創新的理念和邊界需要更廣泛的參與者來拓展。參考國際消費類電子產品展覽會(International Consumer Electronics Show，簡稱“CES”)，此類展會經過長期的推廣和示范，在全球范圍內有力推廣了消費電子理念和市場，使得電子消費類產品能夠不斷得到市場的支持和反饋，從而進入產業的良性循環。未來人工智能也需要在更大范圍內，展示更加多元化的創新應用，充分擴大我國人工智能產業對內和對外的影響力，強化企業間國際交流和合作，從而推動人工智能產業在更大范圍內得到市場認可，持續吸引創新和投資，形成產業良性循環。政府部門要加快形成和完善產業試點的推廣機制，使政府推動與商業推廣形成共振[4]。在產業發達地區設立示范區，引導企業參與創新，在更多領域探索發展空間。同時，鼓勵第三方和行業組織開展長期的行業交流和示范應用推廣工作，形成全社會關注、全社會創新的發展新局面。