《全球人工智能发展白皮书》

《《全球人工智能发展白皮书》》由会员分享，可在线阅读，更多相关《《全球人工智能发展白皮书》（194页珍藏版）》请在金锄头文库上搜索。

1、全球人工智能 发展白皮书全球人工智能发展白皮书 | 四、人工智能重塑各行业一、AI创新融合新趋势1.1 人工智能正全方位商业化1.2 AI全面进入机器学习时代1.3 市场对投资回归理性1.4 城市逐渐成为A I创新融合应用主战场1.5 AI支持体系不断发力1.6 顶层政策倾斜力度持续增加1.7 全球 AI市场超6万亿美元1.8 京津冀、长三角、珠三角AI企业云集二、人工智能技术发展腾飞2.1 人工智能关键技术日趋成熟2.2 人工智能开放平台建设稳步推进2.3 “人机大战”谁更能更胜一筹？三、中国在全球 A I地位3.1 中国拥有更为庞大的数据规模以及更丰富数据使用环境3.2 中国是全球芯片需求

2、量最大的市场，但高端芯片依赖进口3.3 中国机器人企业快速成长核心零部件技术国产化加速3.4 美国人工智能底层技术实力更为雄 厚，中国则在语音识别技术上更优 3.5 中国在AI应用上呈现追击态势四、人工智能重塑各行业4.1 金融：人工智能提升金融企业商业效能并变革企业内部经营4.2 教育：人工智能技术应用覆盖教学全流程4.3 数字政务：政策利好加速政 府智能化变革4.4 医疗：人工智能应用日趋成熟4.5 无人驾驶：主导汽车产业革新4.6 零售：人工智能驱动行业走向聚合4.7 制造业：智能制造应用潜力巨大4.8 智慧城市：人工智能塑造城市基础设施创新系统德勤中国联系人02445813212329

3、314040424552535454555558606570717579828689全球人工智能发展白皮书 | 主要发现主要发现：123456人工智能正全方位商业化，在各个行业引发深刻变革。目前AI技术已在金融、医疗、安防等多个领域实现技术落地，且应用场景也愈来愈丰富。人工智能的商业化在加 速企业数字化、改善产业链结构、提高信息利用效率等方面起到了积极作用。AI全面进入机器学习时代，未来人工智能的发展将是关键技术与产业的结合。每一次人工智能的发展都伴随着研究方法的突破，深度学习是近年机器学习技术突破的重要代表之一。随着人 工人工智能研究和应用领域的不断延伸，未来人工智能将迎来更多种技术的结合应

4、用。人工智能投资趋于理性，底层技术和易落地领域更受人工智能领先机构青睐。随着投资界和企业界对人工智能的了解逐步加深，人工智能投融资市场更加理性。人工智能投融资频次有所下 降，但投资金额继续增加。特别是经过行业的一轮优胜劣汰后，底层技术创业公司以及落地性强的领域如医 疗、教育、无人驾驶等创业项目继续受到人工智能领先机构的青睐。城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。不同城市在人工智能的顶层设计、算法突破、要素质量、融合质量、应用质量上有着不同的表现，形成多样化 与个性化的AI发展模式。政策与资本推动京津冀、长三角、珠三角成为人工智能企业分布最多的地

5、区，北京、上海领跑全国。比如上海通过提供税收优惠、资金补贴、人才引入、优化政务流程等措施优化营商环境，吸引大量投融资资 金、人工智能企业以及人才，科研实力突出。促进人工智能产业链上下游企业形成规模效应，提升城市人工智 能产业实力。以上海和北京为代表的一线城市在人才数量、企业数量、资本环境以及科研能力长期处于第一梯队。上海、北京城市的人工智能企业数量已超过600家，其中上海已经与科技巨头腾讯、微软以及人工智能独角兽商 汤、松鼠AI建立了企业实验室。1全球人工智能发展白皮书 | 主要发现78910111213人工智能推动金融行业构建更大范围能的高性能生态系统，提升金融企业商业效能并变革企业内部经营

6、全过程。 传统金融机构与科技公司合力推进人工智能在金融行业的深度渗透，重构服务架构，提升服务效率，向长尾客 户提供个性化服务的同时降低金融风险。人工智能在教育行业的应用逐步深入，应用场景向覆盖教学全流程方向变革。在人工智能技术在教育领域的应用类型中，人工智能自适应学习在学习各环节应用最为广泛，此外，由于中国 人口基数大，教育资源紧缺，对教育的重视程度等有利因素智适应学习系统有望后来者居上。数字政务的建设主要依靠自上而下推动，构建政务数字化目标加速政府智能化变革。各地数字政务建设的需求不同，因而为企业提供的是定制化解决方案。公共安全领域进入门槛提高，强者恒强 趋势明显，行业集中度进一步增强。以无

7、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。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

8、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。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能，将 与科技巨头在大数据应用和人工智能领域同台竞技，意味着零售商将更加积极与创业公司建立伙伴关系。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

9、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。2全球人工智能发展白皮书 | 主要发现3全球人工智能发展白皮书 | 一、AI创新融合新趋势一、AI创新融合新趋势1.1 人工智能正全方位商业化当前人工智能技术已步入全方位商业化 阶段，并对传统行业各参与方产生不同 程度的影响，改变了各行业的生态。这 种变革主要体现在三个层次。第一层是 企业变革：人工智能技术参与企业管理 流程与生产流程，企业数字化趋势日益 明显，部分企业已实现了较为成熟的智 慧化应用。这类企业已能够通过各类技图表1-1：人工智能技术带来的全方位变革 1. 企业变革术手段对多维度用户信息进行收集与利 用，并向消费者提供

10、具有针对性的产品 与服务，同时通过对数据进行优化洞察 发展趋势，满足消费者潜在需求。第二 层是行业变革：人工智能技术带来的变 革造成传统产业链上下游关系的根本性 改变。人工智能的参与导致上游产品提 供者类型增加，同时用户也会可能因为 产品属性的变化而发生改变，由个人消费者转变为企业消费者，或者二者兼而 有之。第三层是人力变革。人工智能等 新技术的应用将提升信息利用效率，减 少企业员工数量。此外，机器人的广泛 应用将取代从事流程化工作的劳动力， 导致技术与管理人员占比上升，企业人 力结构发生变化。销售安防反欺诈人力资源管理市场营销个人助理智能工具2. 行业变革金融数字政府医疗媒体教育法律无人驾驶

11、农业零售物流制造石油天然气3. 人力变革增强现实手势识别机器人情绪识别数据来源：公开资料，德勤研究4全球人工智能发展白皮书 | 一、AI创新融合新趋势1.2 AI全面进入机器学习时代随着技术的进步和发展，人类学习知识 的途径逐渐从进化、经验和传承演化为 了借助计算机和互联网进行传播和储 存。由于计算机的出现，人类获取知识 的途径开始变得更加高效和便捷。在不 久的将来，绝大多数的知识将被机器提图表1-2：人工智能各层级图示 技术支持取和储存。强大的计算机算法将逐渐获 得类人的能力，包括视觉、说话的能力 和方向感等。在人工智能众多的分支领域中，“机器 学习”（Machine Learning）是人

12、工智 能的核心研究领域之一。包括89%的人AI应用领域智慧医疗智慧教育AI技术领域智慧金融计算机视觉工智能专利申请和40%人工智能范围内 的相关专利均为机器学习范畴。最初的 研究动机是为了让计算机系统具有人的 学习能力以便实现人工智能。机器在现 有的知识找到空缺，接着机器效仿人脑 并模拟进化，系统化地减少不确定性， 识别新旧知识的相同点，并完成学习。智慧城市数字政府传感器智能制造知识撷取智适应学习无人驾驶芯片数据专家系统机器人贝叶斯派研究方法（学派） 联结主义（如.深度学习）反向传播算法规划和优化 符号主义NLP软件框架进化主义概率推理线性算法逆演绎算法决策树类推学派基因编程逻辑回归核机器云服

13、务随机森林支持向量机算法资料来源：德勤研究5智适应突破AN经典符号主义AI简单神经网络多层级文字分析深度学习突破图片分析突破自然语言处理突破神 G经形态技术人类意识系统开发全球人工智能发展白皮书 | 一、AI创新融合新趋势 人工智能核心是算法作为人工智能的底层逻辑，算法是产生 人工智能的直接工具。从历史的进程来 看，人工智能自1956年提出以来，经 历了三个阶段，这三个阶段同时也是算 法和研究方法更迭的过程：第一个阶段 是20世纪6070年代，人工智能迎来了 黄金时期，以逻辑学为主导的研究方法 成为主流。人工智能通过计算机来实现 机器化的逻辑推理证明，但最终难以实 现。第二个阶段是20世纪7090年代， 其中，1974到1980年间，人工智能技 术的不成熟和过誉的声望使其进入“人 工智能寒冬”，人工智能研究和投资大 量减少。图表1-3：人工智能技术发展历史1980年到1987年，专家系统研