《华夏幸福产业研究院&中国人工智能学会:2018人工智能产业创新评估白皮书(48页).pdf》由会员分享,可在线阅读,更多相关《华夏幸福产业研究院&中国人工智能学会:2018人工智能产业创新评估白皮书(48页).pdf(48页珍藏版)》请在三个皮匠报告上搜索。
1、人工智能产业创新评估 白皮书 目录Contents 人工智能产业创新评估体系 1人工智能产业综述 前言 主要发现 2使能技术就绪度指数 3应用场景融合度指数 4总结与展望 附录:研究方法与数据说明 前言 1 随着高性能计算、大数据和深度学习技术的快速发展,人工智能迎来第三次发展浪 潮。在全球主要国家的积极推动下,人工智能与众多领域的融合不断深入,涌现出 一系列的新技术、新业态、新模式。在市场对人工智能的投入与期许空前高涨的背 景下,构建科学的创新评估体系,客观准确评价人工智能产业的创新发展水平,具 有重要的现实意义。 本白皮书重点聚焦人工智能的使能技术层与应用场景层两个层面,基于论文、专利、
2、人才和商业数据,以及人工智能领域研发人员、行业专家访谈等多方数据源,创新 性的构建了人工智能产业创新评估体系,旨在通过多维度的评估,客观评价人工智 能产业的发展水平,推动人工智能产业健康有序发展。 前言主要发现评估体系 本白皮书主要包括四个部分及一个附录。第一部分对人工智能的基本概念、发展历 程、重大意义等进行了简单概括;第二、三部分别从使能技术就绪度指数和应用场 景融合度指数,对计算机视觉等四项核心使能技术,以及智能家居等八个应用场景 发展水平进行了评估,并对使能技术和应用场景的发展现状、瓶颈和未来方向进行 了解读;第四部分对评估结果进行了总结,并对人工智能未来整体发展进行了展望。 2 人工
3、智能使能技术就绪度 从使能技术就绪度指数来看 深度学习就绪度最高,已经成为人工智能的主流算法,处于技术成熟期; 计算机视觉和语音交互次之,处于技术应用的探索期,如语音助手和医疗影像诊断; 文本处理则仍处于技术爬坡期,技术瓶颈的存在使其离真正实用仍存在较大距离,如机器翻译离专业水平仍有较大差距。 主要发现 前言主要发现评估体系 从使能技术发展水平来看 从理论研究来看,使能技术从2013年开始成为研究热点,其中深度学习是关注重点,语音交互和文本处理的论文产出稳 步增长,但文本处理论文产出量和引用频次均为最低。 从应用研究来看,计算机视觉和深度学习专利申请占比较高,但平均专利强度较低,专利布局仍处于
4、起步阶段。语音交互 专利申请比例低但平均强度较高,表明语音交互关注度近期开始下降。 从各国使能技术发展水平来看 美国四项使能技术的理论研究和应用研究均大幅领先于中国。从理论研究来看,中美文本处理领域的差距最小,深度学习 领域差距最大;从应用研究来看,深度学习领域的差距最小,语音交互领域的差距最大。 从应用研究来看,中国四项使能技术专利申请量均居首位,其中超过54%的专利在近三年申请,相关研发机构近三年活跃 度高。美国四项使能技术的平均专利强度要远高于中国,中国专利“多而不强”的局面依然存在。 3 人工智能应用场景融合度 主要发现 前言主要发现评估体系 从应用场景融合度指数来看 人工智能与各行业
5、依然处在人工智能融合的早期。根据应用场景融合度指数显示,汽车(3.9)、医疗(3.8)和家居(3.7) 是人工智能融合度相对较高的三个场景;零售(3.5)、机器人(3.3)和安防(3.2)次之;制造(3.0)和教育(2.8)融 合度指数较低。 从全球应用场景融合水平来看 在各个应用领域中,美国人工智能研发人员数量优势明显,占据一半左右,而中国各领域人工智能研发人员普遍偏少。 从专利申请规模来看,除医疗领域外,中国的专利申请规模均超过美国,特别是在机器人和制造两个领域专利优势明显。 从专利申请强度来看,美国大幅度领先中国,中国专利质量仍有待提升。 从应用场景来看,美国医疗领域人工智能专利规模和强
6、度优势显著,中国机器人和制造领域人工智能专利优势明显。 4 人工智能应用场景融合度 主要发现 前言主要发现评估体系 从应用场景融合的主要瓶颈来看 高质量数据缺乏、复合型专业人才不足、行业壁垒高、人工智能技术成熟度不高、应用场景不清晰是当前人工智能与行 业深度融合的主要瓶颈。 从行业资源来看,汽车和医疗两个领域的人工智能重点研发机构和人才数量最多,从事零售和教育人工智能研发的机构、 人才数量最少。 从技术投入来看,汽车和医疗领域人工智能专利申请数量增长明显,而教育和零售领域增长相对缓慢。企业专利布局重 点集中在汽车、医疗、家居和安防领域,近年来布局重点是机器人领域。 从数据积累程度来看,汽车、医
7、疗和机器人三个领域具备显著的数据优势,而家居和制造两个领域数据积累明显不足。 从数据开放程度来看,汽车、教育和机器人三个领域数据开放程度较高,而医疗和制造两个领域数据开放程度较低。 5 从使能技术就绪度和应用场景融合度两方面构建产业创新评估体系 本报告基于现有学界产业创新评估的研究成果,结合对人工智能产业创新的理解,构建了技术层的使能技术就绪度指数和应用层的 应用场景融合度指数两个一级评估指标,每个一级评估指标由与产业创新直接相关的八个二级驱动力指标组成,最终形成人工智能 产业创新评估体系。 使能技术就绪度 指数 理论驱动力 应用驱动力 性能驱动力 应用场景融合度 指数 资源驱动力 技术驱动力
8、 数据驱动力 场景驱动力 环境驱动力 人 工 智 能 产 业 创 新 评 估 体 系 前言主要发现评估体系 使能技术的基础研究热度、规模与实力 使能技术的应用研究热度、规模与实力 使能技术在人工智能相关检测任务上的性能表现 支持应用场景发展所需的社会资源 支持应用场景发展所需的应用技术规模与实力 支持应用场景发展所需的数据积累和开发共享程度 应用场景与人工智能技术对接、扩展或整合的能力 应用场景的政策导向和新闻媒体的倾向性 6 人工智能产业综述 基本概念 发展意义 发展历程 发展环境 研究范围 7 人工智能推动智能化时代加速到来 人工智能是指通过计算机、生命科学等技术手段使机器具备感知、分析、
9、推理和决策等人类智能的产品和相关服务的总称。 人工智能 利用信息科学、神经科学等技术 使机器具备自主感知、学习、分 析、推理、决策和执行人类智能 自主感知自主学习 自主分析 自主推理 自主决策 自主执行 数 字 智 能 数据采集数据处理 数据分析 数据挖掘预测 数字化 智 能 化 互 联 网 连接通信 存储 传输共享 网络化 基本概念发展历程发展意义发展环境研究范围 8 人工智能借第三次浪潮进入规模化商用初期 基本概念发展历程发展意义发展环境 人工智能自1956年提出以来,经历了两次寒冬期。深度学习算法、计算能力提升、大数据等为代表的技术创新是人工智能第三次浪 潮的主要驱动力。 强人工智能弱人
10、工智能 第一阶段 图灵测试 理论诞生 第二阶段 专家系统 实验室攻关 第三阶段 深度学习 规模化商用初期 时间 热度 20601956 19762006 20402020 政策驱动 技术驱动 应用驱动 资本驱动 芯片 云计算 算法 大数据 互联网 研究范围 9 人工智能是产业转型升级的关键驱动力 基本概念发展历程发展意义发展环境 应 用 层 AI+终端AI+行业 智能家居 教育制造 无人驾驶 零售 安防医疗 教育交通 金融 无人机智能手机 可穿戴设备AR/VR农业 智能机器人 智能装备 智能移动终端 基础 设施 数据 处理 基 础 层 云计算数据采集数据标注数据清洗 技 术 层 AI芯片 AI
11、应用软件 AI操作系统 AI基础软硬件 机器学习 AI底层技术 类脑计算 计算机视觉 光学字符识别 生物特征识别 视频识别 物体与场景识别 智能传感器 互联网 转型升级降本增效 语音交互 语音合成 说话人识别 语音识别 文本处理 机器翻译 信息检索 句法分析 研究范围 10 基本概念发展历程发展意义发展环境 世界各国积极布局抢占全球人工智能战略制高点 2013 2014 2015 2016 2017 2018 推进物联网有序健康 发展的指导意见 中国制造2015 积极推进互联网+的行 动指导意见 促进大数据发展 行动纲要 国民经济和社会发展第 十三个五年规划纲要 互联网 + 人工智能三 年行动
12、实施方案 新一代人工智能 发展规划 促进新一代人工智能产 业发展三年行动计划 世界各国人工智能布局情况 日本复兴战略2016 日本下一代人工智能促 进战略 人工智能产业化路线图 HBP人脑研究 计划 欧洲机器人技术战略研究 计划 地平线2020战略-机器人 技术路线 欧盟机器人民事法律规划 委员会建议 欧盟委员会欧盟人工智能报告 衡量欧洲研究与创新的未来 国家人工智能研究与发展战略规 划 为人工智能的未来做准 备 人工智能,自动化和 经济 人工智能 白皮书 数据分析,感知理论, 广义人工智能,类人神 经元,人机协作技术 国土安全,国防军事, 医疗健康,智能交通, 农业 人工智能政策关注的重点技
13、术与应用领域 数据保护,网络安全, 人机交互,计算机识别, 超级计算机,高性能计 算,人工智能伦理 智能交通,医疗护理, 金融经济,数字社会, 生态经济,农业,能源 机器人,脑信息通讯, 语音识别,语言翻译, 社会知识解析,大数据 分析 制造,物联网,医疗护 理,自动驾驶,无人配 送 聚焦人工智能基础理论 和关键技术,同时支持 对人工智能交叉学科研 究的探索 制造,农业,物流,金 融,商务,家居,教育, 医疗,城市管理,环境 保护 技术领域应用领域 研究范围 11 人工智能的四项核心使能技术和八大重点应用场景 基本概念发展历程发展意义发展环境 结合人工智能细分技术的发展和应用水平,语音交互、文
14、本处理、计算机视觉和深度学习最为核心。随着使能技术的发展,大量的科 技企业积极探索人工智能技术与行业融合,提供差异化的新产品、新服务和解决方案,形成丰富的“AI+”应用场景。 研究范围 1 2 3 4 包括语音识别、语音合成、说话人识别等关键 技术 语音交互 自然语言处理的重要组成部分,包括分词、关 键词提取、文本挖掘等 文本处理 包括静动态图像识别与处理等,对目标进行识 别、测量及计算,有广泛的应用场景 计算机视觉 机器学习的主要方法,源于人工神经网络,通 过组合低层特征形成更加抽象的高层表示属性 类别或特征,以发现数据的分布式特征表示 深度学习 智能制造 智慧交通智能医疗 智能零售 智慧教
15、育智能家居 智能安防 智能机器人 使能技术层应用场景层 12 使能技术就绪度指数 语音交互 计算机视觉 文本处理 深度学习 13 从理论研究、应用研究和技术性能三个维度评估使能技术就绪度 本报告从理论研究、应用研究和技术性能三个维度对语音交互、文本识别、计算机视 觉和深度学习这四项使能技术进行了评估,并计算得出使能技术就绪度指数。 理论研究维度 1会议论文数量 2会议论文篇均被引频次 3期刊论文数量 4期刊论文篇均被引频次 5高被引论文数量 6研究机构数量 技术性能维度 1技术性能表现 应用研究维度 1专利数量 2平均专利强度 3PCT国际申请比例 4机构数量 5人才数量 6科技企业与研究机构
16、比例 A C B 整体评价理论研究应用研究人才分布 2018年度人工智能使能技术就绪度指数 深度学习已处于技术成熟期,文本处理仍处于技术爬坡期 14 理论研究、应用研究与技术性能分数(气泡大小代表技术性能分数) 综合理论研究、应用研究和技术性能三个维度,计算得出四项使能技术的就绪度指数。 基于理论研究和应用研究的评估得分可以看出,深度学习是理论研究的重点方向,而计算机视觉是应用研究的重点方向。 从整体上来看,深度学习发展最为迅速,技术就绪度最高(8.3),处于技术成熟期;文本处理的就绪度最低(5.1),仍处 于技术爬坡期;语音交互和计算机视觉处在技术应用初期。 语音交互 文本处理 计算机视觉
17、深度学习 技术就绪度指数:起步期(0-3),爬坡期(3-6),应用期(6-8),成熟期(8-10) 应用期 爬坡期 成熟期 应用期 数据来源:华夏幸福产业研究院分析 0 10 20 30 40 2025303540 理论研究分数 应用研究分数 语音交互 文本处理 深度学习 计算机视觉 整体评价理论研究应用研究人才分布 中美两国使能技术理论研究与应用研究对比 语音交互 文本处理 计算机视觉 深度学习 中国与美国使能技术发展仍存在较大差距 15 从中美两国对比来看,美国四项使能技术的理论研究和应用研究均大幅领先于中国。理论研究方面,中美两国在文本处理领域 的差距最小,在深度学习领域差距最大;应用研
18、究方面,中美两国在深度学习领域的差距最小,在语音交互领域的差距最大。 语音交互 文本处理 计算机视觉 深度学习 理论研究应用研究 数据来源:华夏幸福产业研究院分析 整体评价理论研究应用研究人才分布 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 2010 2011 2012 2013 2014 2015 2016 2017 2018 发文数量(篇) 语音交互 文本处理 深度学习 计算机视觉 16 深度学习和计算机视觉是理论研究的重点方向 期刊论文产出趋势 8.40 5.67 10.29 10.60 13104 11623 41840 26116 0
19、 10000 20000 30000 40000 50000 0 5 10 15 20 25 30 发文数量(篇) 篇均被引频次 语音交互 文本处理 深度学习 计算机视觉 期刊论文总量及篇均被引频次对比 数据来源:Web of Science (检索时间截至2018年10月) 0 1500 3000 4500 6000 7500 2010 2011 2012 2013 2014 2015 2016 2017 2018 发文数量(篇) 语音交互 文本处理 深度学习 计算机视觉 会议论文产出趋势 1.91 1.44 2.55 2.54 14786 8831 27035 24394 0 5000 1
20、0000 15000 20000 25000 30000 0 1 2 3 4 5 6 发文数量(篇) 篇均被引频次 语音交互 文本处理深度学习 计算机视觉 会议论文总量及篇均被引频次对比 从论文产出规模来看,人工智能的基 础研究主要集中在深度学习和计算机 视觉,而文本处理方向的论文产出最 少,份额仅为12%。 从论文的影响力来看,计算机视觉和 深度学习论文引用频次领先,而文本 处理技术的论文引用频次较低。 从论文产出趋势来看,从2013年开始 呈现快速增长趋势,其中深度学习技 术的论文产出增速最高,而语音交互 和文本处理的产出基本保持平稳。 整体评价理论研究应用研究人才分布 17 中、美引领人
21、工智能基础研究,但中美学术影响力仍存在一定差距 数据来源:Web of Science (检索时间截至2018年10月) 中美两国期刊论文总量比例 中美两国会议论文总量比例 从论文整体情况来看,中美两国产出数量处于全球前列,且远 超过其他国家。中国在文本处理、深度学习和计算机视觉三个 方向领先于美国,在语音交互方向上差距亦不大。 从期刊论文来看,美国在语音交互、文本处理和深度学习三个 方向均领先于中国; 从高被引论文的影响力来看,中国在深度学习技术方面的学术 影响力仍与美国存在较大差距。 中美两国高被引论文总量比例及篇均被引频次 整体评价理论研究应用研究人才分布 18 中国科学院、清华大学引领
22、中国人工智能理论研究 0100200300 北京理工大学 哈尔滨工业大学 重庆邮电大学 天津大学 北京邮电大学 苏州大学 北京大学 上海交通大学 清华大学 中国科学院 050100150200 北京理工大学 上海交通大学 浙江大学 中国科学院大学 哈尔滨工业大学 北京航空航天大学 北京大学 北京邮电大学 清华大学 中国科学院 0200400600800 国防科技大学 哈尔滨工业大学 北京大学 北京邮电大学 北京航空航天大学 中国科学院大学 中国科学技术大学 上海交通大学 清华大学 中国科学院 0200400600 西北工业大学 国防科技大学 中国科学技术大学 北京邮电大学 中国科学院大学 北京
23、航空航天大学 哈尔滨工业大学 上海交通大学 清华大学 中国科学院 0100200300 复旦大学 浙江大学 中山大学 北京师范大学 东南大学 北京大学 上海交通大学 中国科学技术大学 清华大学 中国科学院 050100150200 华中科技大学 中国科学院大学 北京航空航天大学 浙江大学 大连理工大学 武汉大学 上海交通大学 清华大学 哈尔滨工业大学 中国科学院 050010001500 西北工业大学 武汉大学 哈尔滨工业大学 中山大学 上海交通大学 浙江大学 华中科技大学 中国科学院大学 清华大学 中国科学院 050010001500 华中科技大学 上海交通大学 北京航空航天大学 哈尔滨工业
24、大学 清华大学 西安电子科技大学 浙江大学 中国科学院大学 武汉大学 中国科学院 会议论文产出规模前十位中国机构 期刊论文产出规模前十位中国机构 文本处理语音交互计算机视觉深度学习 文本处理语音交互计算机视觉深度学习 数据来源:Web of Science (检索时间截至2018年10月) 整体评价理论研究应用研究人才分布 19 深度学习和计算机视觉专利申请数量多但强度低 0 2000 4000 6000 8000 10000 2010 2011 2012 2013 2014 2015 2016 2017 2018 专利数量(件) 语音交互文本处理深度学习计算机视觉 专利产出趋势 数据来源:I
25、NNOGRAPHY(检索时间截至2018年10月) 使能技术专利授权比例 从专利申请趋势来看,深度学习和计算机视觉的专利申请从2015年开始 快速增长,语音交互的专利申请自2016年开始保持稳定。 综合近三年专利申请比例和平均强度来看,语音交互专利申请比例低但 平均强度较高,表明语音交互已不再是近期关注重点,计算机视觉和深 度学习专利申请占比较高,但平均专利强度较低,专利布局仍处于起步 阶段。 从专利授权比例来看,语音交互技术的授权率最高(45%),深度学习 技术的授权率最低(27%),主要是因为深度学习的大量专利申请仍在 审查期,导致授权比例偏低。 专利总量、强度及近三年申请比例对比 语音交
26、互 文本处理 深度学习 计算机视觉 30% 40% 50% 60% 70% 80% 90% 5 近三年申请占比 平均专利强度 整体评价理论研究应用研究人才分布 20 中国使能技术专利申请数量多而不强,学术机构活跃度高 专利产出规模及近三年申请比例 平均专利强度与授权率对比 数据来源:INNOGRAPHY(检索时间截至2018年10月) 0 5000 10000 15000 20000 25000 专利数量(件) 语音交互文本处理深度学习计算机视觉 中美两国前10位专利权人数量分布及属性 中美两国的专利申请量均大幅领先于其他国家。其中,中国的四项使能技 术专利申请量均居于首
27、位。中国机构近三年活跃度高,超过54%的专利均 在近三年申请。 从平均专利强度来看,美国四项使能技术的平均专利强度要远高于中国, 中国专利“多而不强”的现象依然存在。 通过对前10位的专利权人进行分析,我们发现美国的专利权人全部为商业 化企业,而中国除语音交互技术的专利权人以企业为主外,其他三项技术 均存在一定比例的学术研究机构。特别是在计算机视觉领域,主要专利权 人均为学术研究机构,成果的商业化将是未来关注重点。 54% 59% 76% 63% 34% 25% 19% 27% 49% 47% 34% 45% -50% -30% -10% 10% 30% 50% 70% 0 10 20 30
28、40 50 60 70 80 90 100 语音交互文本处理深度学习计算机视觉 平均专利强度 整体评价理论研究应用研究人才分布 21 中国使能技术高端人才储备与美国差距悬殊 数据来源:INNOGRAPHY(检索时间截至2018年10月) 004000 法国 印度 加拿大 以色列 德国 英国 日本 韩国 中国 美国 00 法国 荷兰 印度 加拿大 英国 以色列 韩国 日本 中国 美国 004000 印度 荷兰 以色列 加拿大 日本 德国 韩国 英国 中国 美国 0200040006000 印度 荷兰 德国 加拿大 以色列 英国 韩
29、国 日本 中国 美国 文本处理 语音交互 计算机视觉 深度学习 美国人工智能领域四项使能技术相关的高级专业人才超过1.3万,遥遥领先于其他国家。中国高级专业人才不足0.5万,与美国 相比仍有较大差距。 从细分技术领域来看,计算机视觉技术相关的高级专业人才占比最高,美国为5432人,在四项技术中占比39%,中国为1892 人,在四项技术中占比38%。 全球人工智能使能技术高级专业人才分布地图 整体评价理论研究应用研究人才分布 22 中国使能技术人才主要分布在北京、广东、江苏、上海和浙江五省市 数据来源:INNOGRAPHY(检索时间截至2018年10月) 从中国人工智能四项使能技术人才分布来看,
30、北京、广东、江苏、上海和浙江五省市人才优势明显,其中北京、广东人工 智能研发人才超过万人。 四川、陕西、湖北、山东和安徽技术人才数量位于第二梯队,安徽在语音交互为主占优势,陕西在计算机视觉人才优势明 显,湖北具备文本处理人才优势。 北京 17401 广东 11360 江苏 9170 上海 5723 浙江 5420 四川 3837 0 500 1000 1500 2000 2500 3000 安徽 山东 四川湖北 陕西 语音交互文本处理深度学习计算机视觉 国内人工智能使能技术研究人员分布 0 2000 4000 6000 8000 10000 北京 广东 江苏上海 浙江 主要省市人工智能使能技术
31、研究人员对比 整体评价理论研究应用研究人才分布 42 应用场景融合度指数 AI+家居 AI+机器人 AI+制造 AI+医疗 AI+汽车 AI+安防 AI+零售AI+教育 43 应用场景融合度评估维度:资源、技术、数据、场景、环境驱动力 随着使能技术的发展,大量科技企业从特定的行业或场景出发,推动人工智能技术与行业加速融 合,提供差异化的新产品、新服务和解决方案,形成了丰富的“AI+”应用场景,成为人工智能 产业快速发展的重要驱动力。本报告从资源、技术、数据、场景和环境五个驱动力维度对八个 “AI+”场景进行了评估。 技术驱动力 1专利数量 2平均专利强度 3国际申请比例 资源驱动力 1企业数量
32、 2人才数量 3行业规模 4投融资次数 数据驱动力 1信息化程度 2数据积累程度 3数据开放程度 B A C 场景驱动力 1场景清晰程度 2场景介入程度 3行业壁垒 D 环境驱动力 1国家政策 2媒体倾向 3市场需求 E 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动力 人工智能与行业融合整体水平较低,汽车、医疗、家居融合度相对较高 44 根据应用场景融合度指数显示,汽车(3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景;零售 (3.5)、机器人(3.3)和安防(3.2)是人工智能融合度指数居中的三个场景;制造和教育是目前人工智能融合度指数较低的 两个应用场
33、景。总体而言,汽车、医疗、家居、零售、机器人和安防处在与人工智能融合的培育期,而制造和教育仍处在萌芽 期。 各 驱 动 力 维 度 前 三 应 用 场 景 应用场景融合度指数:萌芽期(0-3),培育期(3-6),发展期(6-8),成熟期(8-10) 萌芽期 培育期 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动力 45 汽车和医疗人工智能研发机构数量优势明显,医疗人工智能高端人才优势显著 各应用领域的研发力量对比(申请专利10件以上的机构)各应用领域的高级研发人员分布(基于PCT专利发明人统计) 0 20 40 60 80 100 120 140 家居制造医疗零售教育汽车安防机器人
34、机构数量(家) 商业企业 研究机构 427 483 464 435 286 323 48 24 0 2,000 4,000 6,000 8,000 10,000 医疗汽车家居制造安防机器人零售教育 研发人员数量(人) 美国 中国 其他 数据来源:INNOGRAPHY(检索时间截至2018年10月) 汽车和医疗两个领域的人工智能重点研发机构数量最多,是当前研发重点;零售和教育两个领域研发机构数量最少。从机构 的性质来看,在家居、安防和机器人领域,企业数量要多于学术性研究机构,在汽车、零售和教育领域,研发机构以企业为 主。而在医疗领域则是学术性研究机构偏多。 从高端人才数量来看,医疗领域的研发人员
35、最多,零售和教育的研发人员最少。在各个领域中,美国的研发人员数量优势明 显,占据一半左右,而中国的研发人员普遍偏少,人员相对较多的领域包括汽车(483人)、家居(464人)、制造(435人) 和医疗(427人)。 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动力 46 汽车、医疗、家居是人工智能专利布局重点,机器人是布局热点 数据来源:INNOGRAPHY(检索时间截至2018年10月) 专利总量、强度及近三年申请比例对比 从专利申请趋势来看,人工智能在各个领域的专利申请自2014年开始爆发式增长,其中汽车和医疗领域增长明显,而教育 和零售领域增长相对缓慢。 从近三年专利申请情况来看
36、,专利布局重点集中在汽车、医疗、家居和安防领域。人工智能与机器人领域的融合是新的应用 热点。 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动力 0 500 1000 1500 2000 2500 3000 3500 20001620172018 专利申请量(件) 家居制造医疗汽车 教育零售安防机器人 专利产出趋势 家居 制造 医疗 零售 教育 汽车 安防 机器人 40% 45% 50% 55% 60% 65% 70% 1520253035 近三年申请比例 平均专利强度 47 中国专利量多质低,美国医疗领域人工智能专利优势明显 数据来源:IN
37、NOGRAPHY(检索时间截至2018年10月) 中美两国各个应用领域的专利规模与强度对比 0 1000 2000 3000 4000 5000 6000 家居 制造 医疗 零售 教育 汽车 安防 机器人 0 5 10 15 20 25 30 35 40 45 家居 制造 医疗 零售 教育 汽车 安防 机器人 从专利申请规模来看,除医疗领域外,中国的专利申请规模均超过美国,特别是在机器人和制造两个领域专利优势明显。 从专利申请强度来看,美国大幅度领先中国,中国专利质量仍有待提升。 美国医疗领域人工智能专利无论规模和强度均具有显著优势。 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动力
38、 人工智能与汽车、机器人融合的数据驱动力优势明显 48 数据来源:华夏幸福产业研究院调研问卷统计 数据是人工智能与应用领域融合的最为关键的要素之一。从数据积累程度来看,汽车、医疗和机器人三个领域具备显著的数 据优势,而家居和制造两个领域数据积累明显不足。从数据开放程度来看,汽车、教育和机器人三个领域数据开放程度较高, 而医疗和制造两个领域数据开放程度较低。 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动力 数据积累程度数据开放程度 数据驱动力 人工智能与机器人、零售融合的场景驱动力优势较强 49 数据来源:华夏幸福产业研究院调研问卷统计 场景驱动力包括场景的清晰程度、介入能力和介入壁
39、垒三个方面。从场景清晰程度来看,机器人、零售和安防三个领域场景 清晰。从场景介入能力来看,机器人、零售和汽车三个领域介入能力较强。而从场景介入壁垒来看,医疗领域存在明显的行 业壁垒,而机器人和零售两个领域的行业壁垒相对较低。 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动力 场景清晰程度场景介入能力场景介入壁垒 人工智能与机器人、医疗融合的市场需求和媒体倾向相对显著 50 数据来源:华夏幸福产业研究院调研问卷统计 市场需求媒体倾向 市场需求侧重在人工智能与机器人、零售、医疗的融合媒体倾向聚焦在人工智能与医疗、机器人、汽车的融合 整体评价资源驱动力技术驱动力数据驱动力场景驱动力环境驱动
40、力 87 总结 总结 前景展望 88 总结前景展望 人工智能产业发展水平 总结 人工智能使能技术发展曲线 1 2 3 4 人工智能使能技术发展迅速,深度学习已经成为当前主流 的人工智能算法,是目前理论研究的重点方向;计算机视 觉是目前应用研究的重点方向。 通过对使能技术就绪度指数评估可以发现,深度学习就绪 度(8.3)最高,计算机视觉就绪度(7.7)次之,语音交 互(6.2)和文本处理(5.1)的就绪度偏低。 目前深度学习技术已处于成熟期,并越来越多地应用到各 种实际场景中;计算机视觉和语音交互尚处在技术应用初 期,两项技术开始在不同的场景中尝试应用落地;文本处 理仍处于技术爬坡期,技术进展缓
41、慢。 中美在深度学习的理论研究和语音交互的应用研究方面仍 存在较大差距,投入和扶持力度需要进一步加强。 89 人工智能产业发展水平 总结 总结前景展望 计算机视觉 计算机视觉的瓶颈在于复 杂程度高、鲁棒性低、数 据匮乏和算力成本过高, 计算机视觉的发展重点在 于利用非监督学习和迁移 学习方法降低数据依赖, 提升算法试用领域,并实 现与文字、语音技术的深 度融合。 技术应用期 语音交互 语音交互目前存在对大规 模数据依赖性强,远场识 别准确率低,复杂场景识 别效果欠佳等技术瓶颈, 语音的语义理解技术尚未 真正突破,更有效的序列 到序列直接转换模型,建 造持续预测与适应的模型, 以及前端与后端联合
42、优化 将是未来的发展重点。 技术应用期 文本处理 场景、学习和数据获取是 文本处理技术面临的主要 困难,增强学习、视觉语 言融合、联合学习将是未 来文本技术突破方向。发 展中的文本处理技术将率 先渗透数字化程度高、政 策和社会性障碍低、个性 化元素强的行业。 技术爬坡期 深度学习Deep Learning 深度学习依赖于多层神经 网络下的梯度下降和随之 而来的大量参数不断优化, 但是多层梯度下降后的结 果是非线性的和非凹的, 深度学习方法的有效性难 以得到理论证明。未来的 发展方向包括对深度学习 机制的理解和实际模型的 借鉴性研究。 技术成熟期 90 总结前景展望 人工智能产业发展水平 总结
43、人工智能应用场景融合曲线 5 6 人工智能与不同应用场景的融合衍生出了丰富的新产品、 新场景、新模式、新实践,人工智能将渗透到社会生活的 方方面面,并不断推动众多行业的智能化变革。 通过对应用场景融合度指数评估显示,汽车(3.9)、医 疗(3.8)和家居(3.7)是人工智能融合度相对较高的三 个场景,其中以人工智能自动驾驶为代表的智能汽车是融 合度最高的应用场景;零售(3.5)、机器人(3.3)和安 防(3.2)是人工智能融合度指数居中的三个场景;制造 和教育是目前人工智能融合度指数较低的两个应用场景。 7基于报告对应用场景发展阶段的划分,目前人工智能在汽 车、医疗、家居、零售、机器人和安防行
44、业处在融合的培 育期,而在制造和教育行业仍处在融合的萌芽期。 91 总结 AI + 汽车 以无人驾驶为主导的智能汽车是人 工智融合度较高的应用场景,传统 的汽车行业将被新的技术和商业模 式所革新。但智能汽车的发展依然 面临着车辆软硬件技术、人工智能 算法、以及政策和商业化不成熟等 多重挑战。 AI + 医疗AI + 家居 快速发展的智能医疗领域已经出现 虚拟助手、辅助诊疗、智能影像、 药物研发、精准医疗等多种新实践。 底层医疗数据的数量质量、复合人 才体系的缺乏、医疗行业应用场景 的磨合、行业壁垒高等方面都制约 着人工智能技术的深度应用。 人工智能与家居的融合是当前业界 探索的重点。人工智能在
45、交互、决 策和服务三个层面优化、提升家居 产品性能。产品价格高、用户隐私 保障难、语音识别率低、互联互通 难等是智能家居发展的主要挑战。 总结前景展望 人工智能产业发展水平 92 总结 AI + 零售 人工智能助力零售行业线上线下深 度融合,并带来消费场景的进一步 延伸,全面提升用户消费体验。当 前,基于应用场景的技术提升和可 靠性存在挑战。另外,如何打通C 端和B端口是智能零售行业亟需解决 的难题。 AI + 机器人AI + 安防 人工智能推动机器人从机械化迈向 智能化。智能机器人在工业和服务 领域逐渐成为人类重要助手,如协 助机器人、物流机器人及公共服务 机器人等。但受制于人机交互、环 境
46、感知和机器学习等技术水平限制, 目前机器人智能化程度依然较低。 人工智能技术在安防行业处于探索 应用阶段。智能安防以算法、算力、 数据作为发展的三大要素,在产品 落地上主要体现在视频结构化、生 物识别、物体特征识别三个方面。 人工智能推动安防行业逐渐向城市 化、综合化和主动安防方向发展。 总结前景展望 人工智能产业发展水平 93 总结 AI + 制造 人工智能从研发创新、质量控制、 故障诊断、运营管理等多个方面, 推动制造业转型升级,是实现智能 制造的核心驱动力。然后制造业与 人工智能的融合仍处于培育期。缺 乏高质量数据、企业计算能力不足、 通讯标准无法协调是实现深度融合 的主要障碍。 AI
47、+ 教育 人工智能技术应用于教育领域,可 有效改善教、学、练、作业、测评、 管理等多个环节,实现合理配置教 育教学内容,科学实施因材施教。 高质量的学习轨迹数据缺乏和技术 本身尚未成熟,造成人工智能和教 育领域的融合程度远落后于其他行 业。 总结前景展望 人工智能产业发展水平 95 总结前景展望 AI+ 终端 智能家居智能汽车智能机器人可穿戴设备 VR/AR智能手机智能装备无人机 AI+ 产业 智能制造智能出行智能医疗智能零售 智慧教育智慧农业智能安防智慧金融 智能融合型经济 传统行业新势力传统行业新变革 AI+AI 互联网企业 AI企业 传统企业 人工智能产业发展前景深度融合的智能经济 97
48、 研究方法与数据说明 研究方法 评估体系 数据来源 附录 研究方法 产业创新产业创新 水平水平 技术技术 就绪度就绪度 场景场景 融合度融合度 使能技术 应用场景 技术瓶颈 应用障碍 发展方向 本研究采用定量和定性的方法分析了人工智能产业的创新发展现状,基于评估 所得的使能就绪度指数和应用场景融合度指数,分析目前四项核心使能技术和 八个重点应用场景所处的发展阶段。 基于检索获取的相关科学文献数据进行定量分析 使能技术融合度指数使能技术融合度指数 应用场景融合度指数应用场景融合度指数 产业创新发展阶段产业创新发展阶段 基于对人工智能领域研发人员、行业专家访谈和 调研问卷结果进行定性分析 基于使能
49、技术就绪度指数划分使能技术发展阶段 基于应用场景融合度指数划分场景融合发展阶段 研究方法评估体系数据来源 98 产业创新评估体系 使能技术就绪度 指数 理论驱动力 应用驱动力 性能驱动力 应用场景融合度 指数 资源驱动力 技术驱动力 数据驱动力 场景驱动力 环境驱动力 人 工 智 能 产 业 创 新 评 估 体 系 会议论文、期刊论文、高被引论文、研究机构等共6个三级指标 专利、研究机构、人才等共6个三级指标 检测任务性能表现共1个三级指标 企业、人才、规模、投资共4个三级指标 专利等共3个三级指标 信息化、数据积累、数据开放共3个三级指标 清晰程度、介入程度、行业壁垒共3个三级指标 国家政策、媒体倾向、市场需求共3个三级指标 定 量 分 析 定 性 分 析 本报告所构建的人工智能产业创新评估体系,包括2个一级指数指标,8个二级驱动力指标,29个三级指标。 99 研究方法评估体系数据来源 100 数据来源 科睿唯安 Web of Science 科学引文数据库 会议及期刊论文数据会议及期刊论文数据 鲸准洞见、企名片,以及其他研究 机构发布的相关报告和数据 商业