-
邀請演講總體來看，人工智能行業可分為基礎支撐層、技術層和應用層。
基礎層主要提供計算力。主要包含人工智能芯片、智能傳感器、基礎理論和算法等領域。其中芯片具有極高的技術門檻，且生態搭建已基本成型，目前該層級的主要貢獻者是Nvidia、Mobileye和英特爾在內的國際科技巨頭。智能傳感器領域主要被博世、歐姆龍、ST、羅姆、NXP、ADI、英飛凌、樓氏電子、索尼、三星等巨頭企業壟斷。跨國公司占據了87%的市場份額，本土企業競爭力較弱。在核心算法和基礎理論領域，美國是目前人工智能基礎理論和算法發展水平最高的國家，Facebook、谷歌，IBM和微軟等科技巨頭均重點布局人工智能算法及算法框架等高門檻技術。中國在基礎層的實力還相對薄弱。
技術層解決具體類別問題。這一層級主要依托運算平臺和數據資源進行海量識別訓練和機器學習建模，開發面向不同領域的應用技術，包括語音識別、自然語言處理、計算機視覺和機器學習技術。科技巨頭谷歌、IBM、亞馬遜、蘋果、阿里、百度都在該層級深度布局。中國人工智能技術層在近年發展迅速，發展重點聚焦于計算機視覺、語音識別和語言技術處理領域，除BAT等平臺型科技企業之外，還出現了如商湯、曠視、科大訊飛等諸多獨角獸公司，處于發展上升期。
應用層解決實踐問題，是人工智能技術針對行業提供產品、服務和解決方案，其核心是商業化。得益于人工智能的全球開源社區，人工智能應用層進入門檻相對較低。預計未來場景數據完整、信息化程度較高、追求效率動力比較強的場景將率先實現人工智能的大規模商業化。我國應用層企業將人工智能技術集成到自己的產品和服務，從金融、安防、交通、醫療、制造、機器人等特定行業或場景切入。目前，應用層的企業規模和數量在中國人工智能產業鏈分布中占比最大，具有較大優勢。
我國人工智能各細分領域典型企業
基礎層：AI芯片領域，目前全球人工智能的計算力主要是以GPU芯片為主。隨著定制化芯片和類腦芯片的不斷發展，GPU能夠提供的算力增速將放緩。中國企業在GPU領域很難與巨頭抗衡，但百度、深鑒科技、寒武紀、中星微、華為等企業在AI專用芯片領域有望為中國企業提供新的可能。
智能傳感器領域，我國起步相對較晚，在高端傳感器方面的發展落后于歐美日韓等發達國家，海康威視、大華、歌爾、航天電子等企業在傳感器領域有一定積累。
核心算法和基礎理論領域，我國目前僅少數幾家科技巨頭或明星獨角獸擁有針對算法的開放平臺。其中，百度的Paddle-paddle平臺是典型的深度學習算法的開源平臺，初創企業商湯開發了深度學習訓練框架Parrots。
技術層：我國在數據量方面優勢較大，據市場調研機構IDC估算，全球數據總量預計2020年將達到44ZB，中國的數據量將占全球數據總量的18%（約等于7.9ZB），這為人工智能技術開發及輸出打下了較好根基。我國科技企業通過互聯網發展期的積累，獲得了海量的數據，隨著數據的價值在人工智能時代的日益凸顯，這些數據正逐漸演變成企業的重要資產和競爭力。計算機視覺、語音識別、自然語言處理是中國市場規模最大的三個應用方向，市場占有率分別占比34.9%、24.8%和21%，涌現出了商湯、依圖、曠視、科大訊飛等獨角獸和上市公司。
應用層：得益于廣闊市場環境、大量搜索數據、豐富產品線以及國內外科技巨頭對開源科技的推動，我國在人工智能應用環節具有較大優勢。從行業來看，人工智能已經在醫療健康、金融、教育、客服等多個垂直領域得到應用，涌現出一批具有優勢的國內企業。
掃一掃
下載《前瞻經濟學人APP》進行提問
與資深行業研究員/經濟學家互動交流讓您成為更懂行業的人
