人工智能诞生于20世纪50年代中期，1956年被确立为一门学科，至今经历过经费枯竭的两个寒冬（1974-1980年、1987-1993年），也经历过两个大发展的春天（1956-1974年、1993-2005年）。从2006年开始，人工智能进入了加速发展的新阶段，并行计算能力、大数据和先进算法，使当前人工智能加速发展；同时，近年来人工智能的研究越来越受到产业界的重视，产业界对AI的投资和收购如火如荼。
近年来人工智能迅速融入到经济、社会、生活等各行各业，在全世界燃起了燎原之势。2019年人工智能（AI）申请榜上，50强里中国企业从过去的8家增长到19家。中国近年来在AI领域的发展成果也成为全世界关注的焦点。未来的人工智能将更多的进入到生活的方方面面。传媒领域2019年中国两会圆满落幕之后，一位声音动听的AI女主播参与到两会的播报中，迅速走红网络。这位AI女主播不仅具有高的颜值，而且精通汉语、英语、日语、韩语等多种语言。科大讯飞股份有限公司作为中国首批新一代人工智能开放创新平台之一，此次通过语音合成技术所研发的“AI女主播”具有形象逼真、口音自然、口型精准等优点。未来人工智能在传媒领域将发挥更大的作用。交通领域搜狗作为中国最早布局人工智能的公司之一，一直以来都十分关注人工智能技术。搜狗创始人李彦宏在出席2018年世界人工智能大会上海开幕式时，以“人脸识别”和“自动驾驶”技术为例，讲述了人工智能将让社会更加美好。如今，在搜狗园区内“阿波龙”无人车、无人扫地车、无人售货车正处于工作状态中。教育领域2019年3月13日，人工智能基础基础教育学术论坛计《K12人工智能教育》系列丛书发布会在成都市武侯区举行。该系列丛书是四川省首套中小学人工智能教育用书，分为小学、初中、高中三个版本。其中初中版以培养编程思维、机器人智能化教育为主，高中版以进一步培养和提升人工智能设计思维为主。近年来，我国在人工智能教育领域一直保持着积极探索的步伐。医疗领域随着技术的成熟，人工智能越来越被应用到医疗领域。能够“读图”识别影像，还能“认字”读懂病历，甚至出具诊断报告，给出治疗建议。这些曾经在想象中的画面，逐渐变成现实。对解决医疗资源供需失衡及地域分配不均等问题意义重大。相关机构预测，中国医疗人工智能的市场需求已达数百亿元。
你好！在科技日新月异的今天，人工智能正在快速融入人们的生产生活，极大提高工作效率，降低生产、管理等成本，为经济社会发展不断注入新动能。随着互联网的发展，大数据、云计算和物联网等相关技术会陆续普及应用，在这种趋势下，智能化的发展是必然的。互联网行业开始应用人工智能相关技术，然后陆续普及到其他行业。从大的发展前景来看，人工智能相关领域的发展前景非常广阔。在未来，当人工智能的发展进入全新的领域时，很多人会暂时休息。对全世界的经济和社会来说，影响很大。
我国人工智能产业技术基础已经具备，各应用场景的技术研发及落地也进展顺利，人工智能的产业化应用趋势日趋明朗。2017年我国人工智能市场规模达到216.9亿元，同比2016年增长52.8%。产业政策规划指出，到2020年中国人工智能核心产业规模超过1500亿元、人工智能是典型的高增速、大增量的蓝海市场，未来行业发展前景广阔。人工智能技术门槛较高，目前大多数的领域的发展还依赖于国家技术战略的推动以及资本的推动。人工智能的市场分割性主要存在于技术应用场景方面，巨头大而全的布局难以深度介入，这也正是初创企业以及正在转型的非巨头上市公司机会所在。
体现出我们国家的实力，说明我们国家论文还是很优秀的，人们发表的东西非常多，有很多的人才，科研水平有了进步。
2013年我国SCI论文数量位居世界第2位，发明专利授权量位居世界第3位。
SCI论文是被SCI（Scientific Citation Index，《科学引文索引》）收录的期刊所刊登的论文，目前我国科技界对SCI论文概念模式，小部分研究者误认为SCI是一本期刊，由南京大学引用并成为各大高校和科研机构学术评价和奖惩的一类刊物。
SCI论文本身来说，我国科研工作者大多面临英语能力匮乏的缺陷，尤其对于年龄大和专业性强的科技工作者来说，内容不是问题，英语往往成为了制约的瓶颈。
SCI论文对我国大部分科技工作者来说依然是神秘的，难于发表的，正基于此，大部分科研机构、高校等单位引入作为评价标准，这也是有失公正，虽然缺少人为干预的评价标准，但科研工作者在工作的同时，不得不将精力浪费在于SCI论文的写作与发表。
虽然使得我国科研可与国际接轨，培养我国科技工作者运用SCI官网进行现有论文和科技成果的查询与搜索的习惯，但制约了我国的科技水准，使科研人员不得不分出一部分精力用在外语上，使大量优秀研究成果流入英文期刊，破坏了中文期刊的发展，降低了中文在科技领域的“币值”。
如是指国知局的话，在申请人递交的技术专利当中，并不是每个申请都能授权的。尤其是发明专利。审查特别严格。如果您的技术存在一些问题，国知局就不会给于这个技术授权专利的。如是可以授权专利技术，那国知局就会先给申请人发一份授权通知书。拿到了授权通知书就相当于这个技术已经成为专利了。就等着下专利证书就可以了
SCI创立背景
SCI（Scientific Citation Index）是美国科学信息研究所（ISI）编辑出版的引文索引类刊物，创刊于1964年。分印刷版、光盘版和联机版等载体。印刷版、光盘版从全球数万种期刊中选出3300种科技期刊，涉及基础科学的100余个领域。每年报道60余万篇最新文献，涉及引文900万条。进入SCI这一刊物的论文即为SCI论文。
影响因子
SCI选录刊物的依据是文献分析法，即美国情报学家加费尔德提出的科学引文分析法。该分析法以期刊论文被引用的频次作为评价指标，被引频次越高，则该期刊影响越大。
在一定时期（通常是前两年）内，某一刊物发表的论文，被已经进入SCI刊物的论文所引用的总次数，除以该刊物这一时期内的论文总数，即为该刊物的影响因子。一般来说每一年的6月份公布影响因子，影响因子并不是该年度，而是上一年度的影响因子！
参考资料来源：
中国经济网-《国家创新指数报告2013》发布:我国创新能力稳步上升
百度百科-SCI论文
百度百科-专利授权
我国国际论文的真实影响力分析MedPeer国内先进的医学科研服务人工智能平台科学研究的目的在于创造新的知识以解决未知的问题，科研论文作为传播科研成果最重要的载体之一，承载着记录科研成果和提供学术交流的任务。论文在国际发表，可以让更多的国外同行了解我国最新的科研成果,获得更高的国际影响力，所以在近20年里以SCI为代表的国际期刊论文成为我国科研考核的一个重要指标。在这样的科研管理政策下，我国学者往往将最新的科研成果发表到国际期刊上，使得我国国际论文数量在过去20多年里出现“井喷”式增长。根据《中国科技统计年鉴》，我国的国际论文由1995年的13134篇增加到2017年的361220篇，翻了近28倍，我国已经超越美国成为世界上发表国际论文最多的国家。虽然我国的国际论文在数量上取得了突破，但其质量及国际影响力却一直遭到质疑——我国国际论文的被引用次数虽然已经名列世界第二，但研究显示大量引用是来自我国同行的“自引”，而这种来自本国同行的引用不能完全代表文章的国际影响力。本研究对过去30年我国国际论文的被引用情况进行系统、深入的分析，以了解我国国际论文的被引及自引情况，获得真实的国际影响力。1. 研究综述1.1 引用与科研影响力科研评价的理论基础源于美国著名社会学家Merton的规范主义科学社会学理论——科学是一个有着规范、价值和奖励的社会制度，科学的本质在于创造知识、传播知识以获得同行的认可。基于这一理论，论文和著作成为科研成果的主要呈现方式，其数量也成为国外科研评价体系的主要指标。与此同时，科学社会学理论认为，引用是施引文章对被引文章的一种标记，里面承载着引用者对于被引文章的评价和认识，是一种对于科研成果表示感谢的认可，所以引文也成为评价科研成果质量的重要标准之一。虽然Merton的规范主义理论得，了大多数人的认可，并奠定了科研评价的主要理论基础，但以瑞士著名心理学家Piaget为首的建构主义者却对科学知识的构建与价值提出了不同观点。建构主义理论认为，科学知识是在政治经济发展中形成的一种社会建构，知识的产生来源于人类对社会环境的体验而与自然环境无关。建构主义者强烈质疑“引用等同认可”的观点，认为引用是一种说服的工具——为了让读者接受自己的观点，作者往往在自己文章中引用许多著名学者的文章，以显示其权威性。两种不同理论的存在引发了大量关于引文本质的实证研究，而两种理论都在某些实证研究的结果中得到了证实或部分证实，所以很难说规范主义理论和建构主义理论哪个更好，哪个能更准确地解读引文的本质。虽然目前没有统一的关于引文本质的理论，但规范主义理论仍然被广泛应用于科研评价实践中——论文被引用次数的多少被认为代表其学术影响力。随着互联网的普及以及网络传播的广泛应用，许多学者意识到传统的科研评价仅局限于对发表文章数量和引用次数的计算，已经无法全面地反映科研成果及其影响力。Cronin说，早在2005年就提出需要将博客、网上点评、文章下载量和致谢都包括在科研评价中；Sugimoto等人认为，导师对学生的指导也是一种学术影响力的表现；Desrochers等人认为，社交媒体的曝光度与著作权、引用和致谢一样都代表学术影响力；Priem等人于2010年提出Altmetrics这一概念，认为社交媒体和网络平台中的收藏、分享、提及等行为所反映的影响都应该算是科研成果的另外一种影响力——社会影响力。1.2 科学国际化法国著名生物学家Pasteur在19世纪就提出了“科学无国界”的概念，也算是科学国际化的最早倡导者,他的这一观点被后来的学者普遍接受,并深深植入西方的科研评价理论之中——科学研究不分国界而是为全人类服务的。然而，这一理论从西方发达国家的视角出发，建立在国际学术出版资源被西方发达国家垄断、英语成为国际期刊垄断语言的背景下，并不能普遍适用于英语为非母语的发展中国家。英语为非母语的发展中国家学者为了获得所谓的国际影响力，不得不将自己最新的科研成果发表在发达国家的英语期刊上。在发表过程中，他们除了遇到潜在的语言或意识形态上的歧视，还要无偿甚至付费(开放获取期刊的版面费)将知识产权转让于人；而他们的国内同行为了了解这些最新的科研成果还不得不向发达国家的学术出版商支付昂贵的订阅费用。科学研究为发达国家创造和传播了知识，但很多时候是以发展中国家科研成果的流失为代价的。在二战结束后，随着其他传统学术交流语言(比如法语、德语) 的文章越来越少，英语逐渐占据国际学术交流语言中的垄断地位，在Web of Science收录论文中英语论文的比例由二战前的60%增加到目前的95%。英语对于学术交流语言的垄断导致对其他语种论文的歧视,非英语期刊很难被Web of Science收录，而非英语文章较少被国际同行引用。英语对学术交流的垄断也表现在选题上，许多研究某一国家、地区的本土化选题很难在英语国际期刊上发表。在追求科研国际化的趋势下，许多学者为了发表英语文章，不得不选择一些迎合国际化的题目，这使得许多本土化的研究受到挤压，这一点在人文社会科学领域表现得尤为明显。这一现象在我国的科研活动中也普遍存在，在我国国际论文数量翻了28倍的这25年里，国内论文数量仅仅增加了不到5倍，并且在2011年后出现下滑。为了满足科研考核的要求，我国学者更愿意选择国际化的选题以投稿Webof Sci-ence收录的国际期刊，而不选择只能在国内发表的本土化的选题。即使是既适合国际又适合国内发表的选题，大部分人更愿意发表到国外，从而造成国内大量的优质稿源外流，进而影响国内学者获取同行的最新研究成果。1.3 科研论文的国际影响力在传统的科研评价理论中，引文代表着引用者对于被引文章的认可与致谢，所以文章的被引数量往往被用来评价其代表的科研成果的质量。我国国际论文被引次数的增长也被认为是目前科研评价体系所取得的成就之一。然而，这一统计并没有排除我国同行的“自引”——文章被本国同行引用在科研评价上并不能代表其国际影响力。以往的研究发现，因为语言和研究内容接近，在引用文献时学者们更愿意引用本国同行的文章，这也导致部分国家国际论文的本国自引率较高。这种自引现象在我国学者中尤其明显。唐莉等人在2015年的研究中发现，我国学者的本国自引率高于其他国家学者，而这一结果也被后来的研究一一证实。早在1999年，Bookstein和Yitzhaki发现，本国自引率会影响对不同国家科研评价的结果；Ladle等人则提出，需要在科研成果国际影响力的评价中排除自引；Bakare和Lewison更是提出，一个新的指标"Country Over Citation Ratio"(国家引用率) 来描述不同国家的自引率。也有相关研究探讨我国国际论文的本国自引率问题。Shu和Lariviere发现，我国有些国际论文被国内同行大量引用，从而形成一种国际影响力巨大的错觉；Shehatta和Al-Rubaish也发现，中国国际论文的本国自引率大大高于世界平均水平,需要在衡量中国论文国际影响力时据此予以调整。然而，在我国的各项科技统计中还没有对本国自引和他引进行区分，所以我们尚不知道在排除本国自引之后我国国际论文的真实影响力，这也是本研究需要解决的主要问题。2. 研究问题本研究的目的是用科学计量学的方法分析我国国际论文的真实影响力——在排除我国同行自引的情况下，我国国际论文的被引用情况及其所代表的国际影响力。为此我们将探讨以下三个问题：在过去30年里，我国国际论文的自引率是如何变化的?如果排除自引的影响，我国国际论文的真实国际影响力究竟如何?我国国际论文的真实国际影响力是否因学科而异?需要说明的是：虽然科研成果的传播不局限于期刊论文的形式，诸如图书馆借阅次数、网络浏览和下载次数等都可以反映科研成果的影响力，但在传统的科学计量学研究中仍然倾向于使用引文和引用次数来分别代表科研成果的传播及其产生的影响——因每一次引用都可以视作引用人对被引文献的一种认可和致谢。3. 研究方法为了回答以上三个问题，我们提取1990至2015年Web of Science收录的论文及其引文数据，以了解不同国家、不同学科在国家层次的自引情况，最终计算出我国国际论文的真实国际影响力，并在不同国家、不同学科之间进行比较。首先从Web of Science核心库中提取1990至2015年发表的所有研究论文(文件类型=ar- ticle)，总数为23382313篇；同时提取这些论文从发表当年到发表后3年的所有引文数据(比如2015年发表的文章在2015至2018年间的 用数据) ，因为相对较长的调查期(3年)可以更准确地反映出论文的引用情况。所有提取的文章(包括引文)根据第一作者的国家确定文章的来源国家，无论文章有多少个合作者，合作者来自多少个国家，一篇文章只 有一个来源国家，以避免国际合作文章的来源国被重复计算。如果引用文章和被引文章的来源国相同，即可认定是国家层次的自引。与此同时，使用“美国国家科学基金会学科分类系统”(National Science Foundation Classification)将所有Web of Science论文分入14个一级学科(见表1)，以分析不同学科自引率的变化。这里需要说明的是，与“ Web of Science学科分类”(Web of Science Categories) 允许将同一期刊分到多个学科不同的是，在美国国家科学基金会学科分类系统中，一个期刊只能被分到一个学科中，这样也避免了同一篇文章在不同学科中被重复计算的可能。为回答前文的三个问题,我们利用收集的数据计算出相应的指标。首先，通过论文的引用文章来源中本国文章的比例计算出历年各国(包括中国)在国家层次上的文章自引率,以回答第一个问题。 然后，在排除自引的数据后，重新计算历年各国(包括中国)的文章国际引用率(国际引用次数/ 发表文章总数)和国际引用比(被国际引用文章数/发表文章总数)，以回答第二个问题。最后，深入分析2015年发表文章的数据，按学科分别计算出各国(包括中国)在各个学科的引用率并加以比较分析，从而回答第三个问题。4. 研究结果自20世纪90年代以来 ，我国的国际论文数量和被引用次数都成倍增长，被Webof Science收录的研究论文(article)数量由1990年的6044篇增长到2015年的288856 篇；而论文在发表后3年(含发表当年)被引用次数也相应地从7809次增加到2329399次，两个数据都仅次于美国，位列世界第二。与此同时，我国国际论文的自引率也由1990年的44.2%增加到2015年的65.1%，而在同期内全球包括西方七个主要工业国家(同时也是世界前十的论文发表大国)的自引率均有下降——全球自引率由1990年的50.0%下降到2015年的38.4%，原来自引率最高的美国在同期由63.3%下降至44.4%，而其他几个西方主要国家的自引率均已下降到40%以下。目前我国是论文自引的第一大国，自引率远远高于其他国家，而且自引率增长的趋势还在继续(见图1)。如图2所示 ，在不排除自引的情况下，我国国际论文的引用率在2013年超过全球论文的平均引用率，由1990年的1.292增加到2015年的9.056，不仅超过了全球平均水平(8.296)，而且仅次于美、英、德三国，排名世界第四。如图3所示，在被引用文章比例上，我国国际论文也由1990年的44.1%增长至2015年的87.9%，不仅超过了世界平均水平(86.0%)，而且与西方主要国家相差无几。但是，这些国际影响力的数据在排除了自引之后大幅下降，我国论文的国际引用率虽然在过去30年里不断增长，但在2015年仍然只有3.161，不仅低于国际平均水平(5.114)，而且在全球只能排在第128 位。而在论文国际引用比上，我国在2015年的论文国际引用比只有66.7%，低于国际平均水平(73.8%)，在全球只能排在第136位。如果我们深入分析，2015年发表的文章及其在随后3年里的被引情况，可以得到各个学科内全球和我国的自引率及其对科学计量学指标的影响。如表2所示，在根据美国国家科学基金会学科分类系统划定的14个一级学科中,我国国际论文的自引率在其中12个学科中高于全球平均水平。只在临床医学 (45.4%) 和物理(41.1%)两个学科中自引率略低于全球平均水平(45.7%和43.7%)。如果不考虑自引的影响，我国国际论文的引用率在一半学科中高于全球平均水平，而在剩下一半学科中略低于全球平均水平，但如果将本国的引用排除在外，我国国际论文的国际引用率在除临床医学(2.810比2.803)和物理(0.480比0.415)外的其他12个学科均低于全球平均水平。在不排除自引的情况下，我国有9个学科的论文引用比高于全球平均水平，但在自引被排除后，只有艺术(20.3%比19.5%)、临床医学(70.1%比67.3%)、物理 (21.4%比20.5%)、健康卫生(72.3%比 66.7%)和社会科学(62.2%比61.1%)五个学科的论文引用比略高于全球平均水平。最后，我们对2015年的所有论文进行引用来源追踪(见图4)，发现最喜欢引用本国文献的不是我国学者而是美国学者。在所有对2015年论文的引用论文中，美国论文的参考文献中有57.5%是本国同行的文章,而中国学者引用本国文献的比例为 50.7%,其他西方主要国家均低于40%。不同的是：因为有大量其他国家的引用，2015年美国论文的自引率只有44.4%；相比之下我国2015年国际论文被其他国家引用较少，自引率高达65.1%，这在一定程度上说明我国国际论文的真实国际影响力仍然较弱。5.研究探讨以往对我国论文自引率的研究发现，我国学者喜欢自引是因为对国内同行的研究成果更了解、更容易获取，而外国学者的文献由于高额的期刊订阅费用而难以获取，这使得我国学者更多地引用本国文献。也有研究认为，随着我国国际论文数量的增长，我国国际论文自引率随着可引用文章数量的增加而增长属于自然现象。但是，本研究对我国国际论文高自引率的原因却给出了不同的解释。5.1 国际论文占有率在20世纪，美国一直是全球自引率最高的国家——这与其所发表的国际论文数量不无关系，美国长期以来一直是全球发表国际论文最多的国家，某些学科甚至一半以上的论文都是来自美国，考虑到美国学者的研究在大多数学科中都处于领先水平，所以美国学者许多时候“不得不”引用本国同行的文章。如图5所示 ，美国的论文自引率与其论文数量在全球的占有比例具有高度相关性，相关系数高达0.9924——美国论文的自引率基本上就是随着其论文数量在全球所占比率的下降而下降。我们也在英国和我国的国际论文中发现了这种相关性——英国自引率也是随着其国际论文占有率的下降而下降，两者的相关系数为0.8670；我国国际论文的自引率则是随着我国国际论文数量在全球所占比率的增加而增加，其相关系数为0.8341。然而，一个国家的国际论文自引率和占有率的相关性并不能完全解释我国国际论文的高自引率。通过比较可以从数据中看到差异：当美国的论文自引率为60%时，其论文数量在全球占比大概为36%；而当其论文自引率为50%时，其论文数量的全球占比大概为24%；我国国际论文数量在全球占比只有1.6%时，其自引率就已经超过50%了；而论文数量在全球占比刚过12%时，自引率就已经达到60%。当然，从这一角度来讲,自引率和国际论文占有率的相关性只能解释我国在过去30年间自引率的增长，但无法解释在同样占有率的情况下为什么我国国际论文的自引率远高于其他国家。5.2 文献的可获取度在科学文献数量呈指数增长的时代，无人可以阅读与自己研究相关的所有文献,而文献的接近性和可获取性将直接影响施引者的引用行为。我国学者更倾向于引用本国同行的文章与获取国外文献的难度相关——这里的难度既包括由于高额版权费用而放弃订阅，也包括由于语言原因放弃阅读。二战之后，通过购买和兼并，商业出版社不断增加其在学术期刊市场的份额,国际学术出版市场由一个竞争的时代进入寡头垄断时代。垄断的结果就是国际期刊订阅费用水涨船高，许多高校和科研机构不得不取消部分期刊订阅，许多国内学者经常为了免费下载一篇同行的论文而在网上寻求帮助。虽然现在获取国际文献已比二三十年前容易许多，但还是无法像获取国内文献那样便捷，这也导致国内学者较少引用国外文献，转而更多引用国内同行的文章。然而，从施引文章来看我国学者对国外文献的引用其实并不少。在2015年所发表的文章中,我国国际论文的参考文献中只有50.7%是本国文献，相比之下美国学者的论文中有57.5%的参考文献来自美国文献。我国国际论文高自引率并不是因为我国学者只引用本国文献，而是因为我国国际论文较少被其他国家的学者引用。5.3 目标置换效应与学科差异科学研究是为了创造并传播知识，但在科研政策的强大导向作用下这一目的出现了“目标置换效应”(GoalDisplacement Effect)。许多国际论文是为了发表而发表，这样的文章无法获得其他国家学者的认可与致谢。这一点从论文引用比上反映得十分明显，在排除自引以后，美国仍然有3/4以上的论文被引用，而我国国际论文只有2/3获得来自国外同行的引用。我国论文自引率高的主要原因是来自国外学者的引用太少，换句话说，我国国际论文的国际影响力确实不足。另外，科研国际化的政策往往没有考虑到不同学科的差异。在研究主题国际化程度非常高的医学、物理等学科领域，无论是中国学者还是其他国家学者，所研究的都是类似或相关的主题，在这些学科领域我国国际论文收到的国际引用也较多；而在研究主题非常本土化的人文社科领域，本土化的研究论文很难被国际期刊录用，即使录用后也只有有着相同背景和研究方向的本国同行会去引用，这就是为什么我国人文社科领域国际论文的自引率超过70%，而临床医学、物理的自引率低于国际平均水平。6. 研究总结通过分析过去30年我国国际论文的被引情况，发现我国国际论文的国际影响力因为国内同行的自引而被高估，其真实国际影响力也低于国际平均水平，具体的研究发现包括如下三个方面：我国国际论文的自引率在过去 30 年里不断增长,目前远远高于国际平均水平。在排除自引的影响后，我国国际论文的国际影响力远低于国际平均水平。我国国际论文的国际影响力因学科而异，在排除自引后我国国际论文仅在临床医学和物理两个学科领域高于国际平均水平。本研究的发现对于我国科研管理有着重要的启示作用。 科研评价导向鼓励甚至要求科研成果在国外发表却没有考虑学科差异,在评估论文的国际影响力时没有考虑自引的影响。研究结果显示，虽然我国发表国际论文的数量已经是世界第一，但国际影响力仍然有限，尤其是人文社科领域的国际论文由于研究主题的原因很难获得国际同行的引用。这种学科差异应该在制定科研评价政策时予以考虑，同时从科研管理的角度出发，人文社科领域研究不需要强调国际化，而应该立足中国大地，研究中国问题，更多地满足国内的需求。
这个可以去贴吧问问吧 那里人了解的比较多吧 应该
人工智能60年的历史中，一共经历了两代的发展。第一代人工智能，有时候称它作符号主义。他们提出了基于知识和经验的推理模型，用这个模型来模拟人类的理性智能行为，像推理、规划、决策等等。根据这个原理，需要在机器里面建立知识库和推理机制，利用这两者对人类的推理和思考行为进行模拟。图1 张钹院士在2020世界人工智能大会上演讲下面举一个例子，1971年左右，美国斯坦福大学根据这个原理建造的一个专家系统，叫做MYCIN系统，主要用来诊断血液传染病和开抗菌素处方。它把传染病专家的知识放在计算机里头，并且把医生诊断的过程（如何从症状推到疾病，然后进行处方）作为推理机制，也放在计算机里头。这样，计算机就可以帮助内科医生进行辅助诊断。因为内科医生一般不是传染病专家，因此利用这样的计算机辅助治疗系统可以帮助内科医生做出更好的、更准确的诊断和处方。利用这种原理做的人工智能系统，一个最有代表性的成果就是国际象棋程序IBM的深蓝。这个国际象棋程序，在1997年5月打败了世界冠军卡斯帕罗夫。图2 IBM深蓝与世界冠军卡斯帕罗夫下棋我们看一下，计算机的深蓝程序为什么可以打败人类的象棋大师呢？主要是三个要素，第一个要素是知识和经验，也就是说他利用了人类大师下过的70万盘棋局，还有全部的5-6只的残局。分析这些棋局，总结成为下棋的规则，并放进计算机。然后又通过大师和机器之间的对弈，调试评价函数中的参数，把大师的经验也放在程序里头。图3 IBM深蓝成功的原因第二个靠的是算法，使用阿尔法-贝塔剪枝算法，这个算法的速度很快。第三个是算力，IBM当时用的RS/6000SP2机器，每秒能够分析2亿步，平均每秒钟能够往前预测8-12步。一个有经验的象棋大师，一般只能往前看3-5步，机器的速度远超过人类，因此可以超过人类的下棋水平。图4 第一代人工智能的优势第一代人工智能的优势，在于它能够模仿人类的推理、思考的过程，因此是可解释的，跟人类的思考问题过程很一致。利用这个办法进行机器学习，就能够举一反三，所以这是第一代人工智能的优势。图5 第一代人工智能的局限但是第一代人工智能也存在着非常严重的缺陷，例如：这些知识都来自于专家。大家都知道专家的知识十分稀缺，也非常昂贵。而且通常要通过人工编程把它输进计算机，非常费时费力。同时有很多知识是很难表达的，比如说那些不确定的知识
你好：
《自然》(Nature)期刊发表的一篇文章，从论文影响力、核心应用、硬件、人才等方面，详细地对中国当前的AI发展现状进行了分析。
2017年，我国制定了《新一代人工智能发展规划》，描绘了未来十几年我国人工智能发展的宏伟蓝图，确立了 “三步走” 目标：
人工智能专业发展前景怎么样？哪些高校适合报考？
文/陈根
人工智能，已经成为中美两国竞争的着力点 。
作为一种变革性技术，人工智能是现代工业发展的产物，具有推动产业革新、提升经济效益和促进 社会 发展的巨大潜力。正是由于具备主导技术发展和推动 社会 形态转变的基本潜质， 因此，人工智能不仅被视为未来创新范式的“技术基底”，更是被世界各国视为推动新一轮 科技 革命和产业变革的关键力量 。
纵观 历史 ，每一次 科技 革命、产业革命及军事变革的耦合与互动，都深刻影响乃至重塑了全球竞争格局。在人工智能的全球博弈中，中美两国作为领先大国，成为人工智能发展最为瞩目的两个国家。而中美两国对于人工智能高地的抢占，更关系着未来国际格局的重塑和全球人工智能的治理。
美国领先，中国跟进
2019年，美信息技术与创新基金会（ITIF）的数据创新中心曾发布百页研究报告《谁将在人工智能角逐中胜出：中国、欧盟或美国？》。报告对中、美、欧人工智能发展现状进行比较测算—— 美国以44.2分领先，中国以32.3分位居第二，欧盟则以23.5分位居第三 。美国的人工智能领先地位彰显无疑，而中国则以追赶之势跟进。
事实上，美国之所以能够占据人工智能全球领先地位，与人工智能在美国的发展密切相关。 1956年，人工智能正式在美国诞生。卡内基梅隆天学、麻省理工学院、IBM公司成为美国最初的3个核心人工智能研究机构。
60年代至90年代初，美国人工智能相关程序设计语言、专家系统等已取得重大进展，产品化方面取得重要成就。 比如，1983年，世界第一家批量生产统一规格电脑的公司诞生。并且，美国开始尝试应用Al研究成果，比如，利用矿藏勘探专家系统PROSPECTOR在华盛顿发现一处矿藏。
而同期的中国，人工智能才刚进入萌芽阶段 。1978年，中国科学大会在北京召开。科学事业思想解放，为中国人工智能产业发展提供基础。同年，“智能模拟”被纳入国家研究计划，中国人工智能产业在国家层面的推动下正式发展。
从研究成果来看，美国在人工智能方面的研究成果在全球处于领先地位 。根据全球最大的引文数据库Scopus的检索结果，2018年美国共发表了16233篇与人工智能有关的同行评审论文。论文数量的快速增长主要发生在2013年之后，5年内增长了2.7倍。
尽管同期中国和欧盟的人工智能论文数量也有类似的快速增长，并且每年发表论文的数量明显超过美国。 但是，就论文质量而言，美国人工智能论文的质量一直大幅度领先于其他地区。 2018年，美国平均每篇论文被引用的次数为2.23次，而中国为1.36 次。美国每个作者被引用的次数也比全球平均水平高出 40%。
尤其是在深度学习领域，美国的发表论文数量远超过其他国家。2015至2018 年，美国共在预印本文库网站arXiv发表了3078篇相关论文，是中国同期的两倍。 近几年，美国每年取得的人工智能专利数量更是占到全球总量的一半左右，专利引证数量占到全球的 60% 。
在关键技术上，美国的研究成果依旧居于世界领先地位 。比如，在计算机视觉领域，谷歌公司和卡内基梅隆大学开发的 Noisy Student方法对图片进行分类的Top-1准确率达到 88.4%，比6年前提高了35个百分点；在云基础设施上训练大型图像分类系统所需的时间，已经从2017年的3个小时减少到 2019年的88 秒，训练费用也从 1112美元下降到12.6美元。
从产业发展来看，根据中国信息通信研究院数据研究中心的《全球人工智能产业数据报告（2019Q1）》研究报告， 截至2019年3月底，全球活跃人工智能企业注达5386家。仅美国就多达2169家，数量远超过其他国家 。中国大陆达1189家，排名第三的英国则为404家。
而从企业 历史 统计来看，美国人工智能企业的发展也早于中国5年。美国人工智能企业最早从1991年萌芽，1998进入发展期，2005后开始高速成长期，2013后发展趋稳。而中国人工智能企业则诞生于1996年，2003年产业进入发展期，在2015年达到峰值后进入平稳期。
美国公司在专利和主导性人工智能收购方面表现更为强劲 。比如，在15个机器学习子类别中，微软和IBM在8个子类别中申请了比其他任何实体公司都更多的专利，包括监督学习和强化学习类。美国公司在20个领域中的12个领域的专利申请处于领先地位，包括农业（迪尔公司）、安全（IBM公司）以及个人设备、计算机和人机互动（微软公司）。
人才储备是美国在人工智能得以领先的又一关键原因。人工智能产业的竞争，可以说，就是人才和知识储备的竞争。 只有投入更多的科研人员，不断加强基础研究，才会获得更多的智能技术 。
根据 MacroPolo 智库的研究，在报告所圈定的顶级人工智能研究人才中，59% 在美国工作，中国占了 11%，与美国有四五倍的差距。剩下的人工智能人才则分布在欧洲、加拿大和英国，人才差异显而易见。
中美角逐，追赶和超越
尽管美国在研究成果和人才储备上具有先发优势，但中国作为后起之秀，在政策的引导和宽松的环境下，正以追赶之势加快跟进美国人工智能产业的发展。
经过多年的积累，中国已在人工智能领域取得了一系列重要成果，形成了自身独特的发展优势。 不论是顶层的设计还是研发资源的投入，亦或是产业的发展，都呈加快追赶的态势，甚至在部分人工智能核心技术领域已可与美国比肩。尽管欲见成效仍需时日，但中美两国对于人工智能高地的抢占，已经开始。
从顶层设计来看，中美有近乎相仿的重视程度。 美国和中国政府都已经把人工智能的发展上升至国家战略，出台发展战略规划，从国家战略层面进行整体推进 。
早在2016 年 10 月，奥巴马政府就发布了两份与人工智能发展相关的重要文件，即《国家人工智能研发战略规划》和《为未来人工智能做准备》。中国政府也在2017年3月，将“人工智能”首次写入全国政府工作报告，并于同年7月发布《新一代人工智能发展规划》，人工智能全面上升为国家战略。
美国人工智能报告体现了美国政府对新时代维持自身领先优势的战略导向。作为最大的发展中国家，中国也在战略引导和项目实施上做了整体规划和部署。并且，美国和中国都在国家层面建立了相对完整的研发促进机制，整体推进人工智能发展。
从研发资源的投入来看，美国政府对研发的资金投入相对不足。 纵向来看，在过去的几十年中，联邦政府用于研发的支出占国内生产总值（GDP）的百分比从1964年的1.86%下降到2018年的0.7%。
目前，美国联邦政府的年度财政赤字已超过1万亿美元，累积的政府债务相当于 GDP的107%。 这些因素都会限制美国政府对人工智能及其相关基础研究的长期资金投入。
横向上看，美国政府对研发的投入正在被中国和欧盟追赶 。美国在全球研发投入中所占的份额从1960年的69%下降到2016年的28%。2000-2015年，美国只占全球研发投入增长的 19%，而中国占到了31%。
2019年8月 31日，上海宣布设立人工智能产业投资基金，仅首期就投入了100亿元人民币，最终规模将达到千亿元人民币，美国联邦政府的投资则是相形见绌。
从产业发展来看，尽管中国AI产业基础层整体实力较弱，少有全球领先的芯片公司，但各大厂商正加快布局追赶，包括百度、阿里、腾讯及华为等厂商在基础层软硬件的加快布局 。
对于技术层来说，中国企业则发展势头良好。 百度、阿里、腾讯和华为等综合型厂商在计算机视觉、自然语言处理、语音识别等核心技术领域均有布局，同时创业独角兽在垂直领域迅速发展。
应用层上，人工智能应用场景多样，中国人工智能企业已在教育、医疗、新零售等领域实现广泛布局，而金融、医疗、零售、安防、教育、机器人等行业亦有为数较多的人工智能企业参与竞争。
着眼未来，我国在人工智能发展方面仍然具有一定优势， 包括对基础理论研究的重视、丰富的技术应用场景、完善的创新生态链、企业数量的规模优势，以及我国在发展人工智能方面的人才优势。
此外，大数据优势是中国发展人工智能的重要优势，人工智能技术发展需要有大量的数据积累进行训练。中国较为完备的工业体系和庞大的人口基数，也使得中国人工智能发展在数据积累方面优势明显。
人工智能的未来难以预测，但可以看到的是，世界的竞争格局将因人工智能而改变。在巨变的环境里，只有通过创新发展以人工智能为代表的新一轮战略前沿技术，成为新竞赛规则的重要制定者、新竞赛领域的重要主导者、新竞赛范式的重要引领者，才能制胜未来而不是尾随未来。
人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展
经过多年的持续积累，我国在人工智能领域取得重要进展，国际科技论文发表量和发明专利授权量已居世界第二，部分领域核心关键技术实现重要突破。
语音识别、视觉识别技术世界领先，自适应自主学习、直觉感知、综合推理、混合智能和群体智能等初步具备跨越发展的能力，中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶逐步进入实际应用，人工智能创新创业日益活跃，一批龙头骨干企业加速成长，在国际上获得广泛关注和认可。
加速积累的技术能力与海量的数据资源、巨大的应用需求、开放的市场环境有机结合，形成了我国人工智能发展的独特优势。
与此同时，我国人工智能整体发展水平与发达国家相比仍存在差距，缺少重大原创成果，在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面差距较大。
科研机构和企业尚未形成具有国际影响力的生态圈和产业链，缺乏系统的超前研发布局；人工智能尖端人才远远不能满足需求；适应人工智能发展的基础设施、政策法规、标准体系亟待完善。
人工智能领域技术能力全面提升为人机协同奠定基础
随着大数据、云计算、互联网、物联网等信息技术的发展，以深度神经网络为代表的人工智能技术飞速发展，人工智能领域科学与应用的鸿沟正在被突破。
图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术能力快速提升，技术的产业化进程得以开启，人工智能迎来爆发式增长的新高潮。机器在人工智能技术的应用下，在“视觉”“听觉”“触觉”等人体感官的感知能力不断增强。
例如计算机视觉领域中深受关注的Image Net图像识别挑战赛获奖结果表明，2015年，计算机对于图像的识别能力已经超过人类水平，这意味着计算机能够在多种场景下一定程度上替代人类视觉的工作，更高效地完成任务。
同时得益于深度学习算法能力的提升，语音识别、自然语言处理等人工智能算法的不断革新助推计算机视觉产业持续向前。
人工智能技术能力的不断成熟使得机器能够实现越来越人性化的操作。人工智能技术能力的全面提升为人机系统的能力实现奠定了坚实的基础。
目前，人工智能是一个快速发展的领域，对人才的需求很大。和其他技术岗位相比，竞争低，工资相对高。所以现在是进入人工智能领域的好时机。研究还表明，三项技能以上的人才对企业更有吸引力，而且趋势越来越明显。所以IT技术人员需要在掌握一门技术的同时掌握更多的技能！人工智能人才目前处于明显短缺状态，这种状况还存在扩大的趋势。当前社会技术环境下，需要兼顾扎实的专业技术和复合型背景的人才。在互联网企业中，人工智能的薪酬排在第三位，其中薪酬最高的是声音识别方向的从业者。
工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，可以产出一种新的可以和人类智能相似的方式做出反应的智能机器，该领域的研究主要有机器人、语言识别、图像识别、自然语言处理和专家系统等。自从人工智能诞生以来，理论和技术越来越成熟，应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。优点：1、在生产方面，效率更高且成本低廉的机器及人工智能实体代替了人的各种能力，人类的劳动力将大大被解放。2、人类环境问题将会得到一定的改善，较少的资源可以满足更大的需求。3、人工智能可以提高人类认识世界、适应世界的能力。缺点：1、人工智能代替了人类做各种各样的事情，人类失业率会明显的增高，人类就会处于无依靠可生存的状态。2、人工智能如果不能合理利用，可能被坏人利用在犯罪上，那么人类将会陷入恐慌。3、如果我们无法很好控制和利用人工智能，我们反而会被人工智能所控制与利用，那么人类将走向灭亡，世界也将变得慌乱。
人
工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸
近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。
人工智能市场格局
人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 7.1 万亿美元。
多角度人工智能产业比较
战略部署：大国角逐，布局各有侧重
全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。
美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。
伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。
日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。
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，但我们也应当意识到，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。
“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。
依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。
GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。
FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。
ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。
总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。
技术层面：乘胜追击，国内头部企业各领风骚
技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。
具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，百度的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。
在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。
作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。
计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 69.4%，其中商汤市场份额 20.6%排名第一。
应用层面：群雄逐鹿，格局未定
应用场景市场空间广阔，全球市场格局未定。 受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到360.5 亿元，约是技术层的1.67 倍，基础层的2.53 倍。 在全球范围内，人工智能仍处在产业化和市场化的 探索 阶段，落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企 业，在很多细分领域的市场竞争格局尚未定型。
中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早，以谷歌、亚马逊等企业为首的 科技 巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国 人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于 世界前列。例如，中国 AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。
整体来看 ，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看， 我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。 但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终 端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。
透析人工智能发展潜力
基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对 中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重 后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。
从智能产业基础的角度
产业化程度：增长强劲，产业规模仅次美国
中国人工智能尚在产业化初期，但市场发展潜力较大。 产业化程度是判断人工智能发展活 力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能 市场规模分别是 213、71.25 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度， 据清华大学 科技 政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家） 人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展 望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的 增长态势，发展潜力较大。
技术创新能力：专利多而不优，海外布局仍有欠缺
专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申 请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出 量首超美国，并长期雄踞申请量首位。
从专利申请领域来看， 深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重 点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界 第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI 科技 热潮兴起后 申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁 荣的结构性不均衡问题。
中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。 尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少， 仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布 局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示， 受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效， 而美国 85.6%的专利仍能得到有效保留。
人才储备：供需失衡，顶尖人才缺口大
人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布 不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有 43064 名人工智能人才，位居全球第一，占全球总量的 21.1%。美国和中国分别以 28536、18232 列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 2.26 倍，基础层人才数是中国的 13.8 倍。
我国人工智能人才供需严重失衡，杰出人才缺口大。 据 BOSS 直聘测算，2017 年国内人 工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着 至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄 厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰 出人才（977 人）比例仍明显偏低，不足欧美的 1/5。
人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。 根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看， 国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 43.9%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。
从学术生态的角度
技术创新能力：科研产出表现强劲，产学融合尚待加强
科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 69.64%。近些年，中国积极开展前瞻性 科技 布 局， AI发展势头强劲，从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%， CAGR17.94%。2018 年，中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。
我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact， 加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世 界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高 于全球平均水平的 36.78%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文 影响力增幅明显，2018 年，中国 FWCI 为 0.80，较 2010 年增长 44.23%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出 为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量 论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。
从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成 果转化的短板。 而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 7.36 倍，欧盟的 1.92 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%，与以色列（10.06%）、美国（9.53%）、日本（6.47%）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。
中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。 据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中， 美国（168 所）独占鳌头，占据全球的 45.7%。中国拥有 20 所高校与英国并列第三，数 量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。
从创新环境的角度
研发投入：中美研发投入差距收窄
中国研发高投入高强度，在全球研发表现中占据重要地位。 从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投 入总和占全球总量的比例已达 60.77%。其中，美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 14.43%，同期美国 CAGR 仅 2.99%。由于经济疲软等 诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测， 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体 上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 1.97%，低于日本和美国 1.53、0.87 个百分点。
资本投入：资金多而项目缺，资本投向侧重终端市场
中美是全球人工智能“融资高地”。 人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总 融资额的 50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第 二大融资体，融资总额占全球 35.5%。考虑到已有格局和近期变化，其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人 工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。
相比较美国，中国资本投向侧重易落地的终端市场。 从融资层面来看，中国各领域发展较 为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示， 芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场 高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。
基于信息熵的 TOPSIS 法：综合指标评估
数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。 具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在 高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场 的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研 产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来， 若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。
展望
转自丨 信息化协同创新专委会
去年以来，人工智能便成了科技圈的宠儿，其他诸如AR、VR的，似乎都消失不见。而在今年的两会上，人工智能写进了政府工作报告。缔造了“虚拟劳动力”某种意义上，人工智能为这个时代的经济发展，提供了一种新的能量，缔造一种新的“虚拟劳动力”。来自埃森哲与经济学前沿公司最近的一份报告大胆提出，到2035年，基于人工智能的技术的普遍采用，可能会将很多发达国家的经济增速提高一倍。报告估计认为，人工智能有可能将美国、英国和日本的总增加值（与GDP近似）年度增速分别提高到4.6%、3.9%和2.7%。在这一轮人工智能浪潮中，对经济最大的价值在于更大规模地实现自动化、机器化转变。虽然这种自动化经济，或者叫机器人经济，可能将无可避免地引发一系列的工作岗位消失。但与此同时，我们也要看到的是，这样的自动化经济，某种意义上也可以进一步扩大中国的经济优势。或制造出制造业“蓝海”很多人想象不到，虽然人工智能的应用前景十分广泛，包括医疗、教育、公共安全、交通等，都具有巨大的潜力。但从具体实际应用来说，制造业却可能是最快进行自动化、智能化的蓝海领域。原因其实很简单，中国的传统制造业，大而不强，与日本、德国相比较，至少有20年的差距。但这恰恰也为制造业进行转换、升级提供另一种便利，亦即其很容易被人工智能技术击败，改造起来反而更加容易。一是这些企业拥有行业海量的数据，充沛的资金；二是在生产力水平急需提升、人口红利逐渐消失的情况下，这些传统企业也有迫切的意愿来改造升级自己的工厂、业务，提高收益，降低企业成本等需求。因此，制造业既是人工智能可以大有作为的领域，也是中国发展人工智能的优势领域。是中国引领全球巨大机遇除此之外，中国在人工智能领域的人才储备、研究成果等方面，也具备了较强的基础。比如在人才方面，中国科学家已经占据了全球人工智能科研实力的半壁江山。这一点，有个例子可以说明中国的影响力。2017年的美国人工智能促进协会(AAAI)年会，原定于一月底在新奥尔良举行。选址上没问题，但时间恰好撞上了中国的春节。这在过去没有什么，但现在却不同了。鉴于中国人工智能科学家们的重要性，最后会议不得不延后一周，在旧金山举行。而且，在这个会议上提交的论文，中美两国最终被接受的论文几乎一样多。这在过去很难想象。有数据表明，在2015年全球顶尖期刊上发表的人工智能论文里，华人/中国人作者的比例达到了43%。同时，根据乌镇智库去年发布的报告显示，中国人工智能的专利申请数、授权数在2012年就已经超过美国。所以，中国既具备发展人工智能的基础，也有足够的市场进行改造升级的需求；中国既有后发优势，也有先发优势。诚如李开复所言，人工智能是中国引领全球的巨大机遇。
人工智能是未来的发展的大趋势，未来的竞争压力是会有的，它包括:机器翻译、智能控制、专家系统、机器人学、语言和图像理解、遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等，这恰恰体现了人工智能专业的热门，所以学习人工智能方面的专业是很不错的。一、就业方向：1、搜索方向，例如百度识图、作业帮搜题等。视频搜索也是搜索领域进一步研究的方向；2、计算机视觉和模式识别方向，其应用领域包括智能办公、智能交通、智慧城市等等；3、医学图像处理，医疗设备和医疗器械很多都会涉及到图像处理和成像技术。4、无人驾驶领域，是人工智能重点应用领域之一；5、智慧生活和智慧城市等，包括交通、商业、生活的诸多领域将会出现人工智能的影子。二、人工智能发展前景1、智能化是未来发展的重要趋势之一。随着互联网的发展，大数据、云计算和物联网等相关技术会陆续普及应用，在这个大背景下，智能化必然是发展趋势之一。2、产业互联网的发展必然会带动人工智能的发展。
人工智能是未来的大趋势。机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。竞争压力是会有的，这恰恰体现了人工智能专业的热门，所以学习人工智能方面的专业是很不错的。虽然这些不是人人都能干的，但是对于我国乃至世界来讲人才也是非常多的，所以竞争压力肯定会有的。必须的不断学习，探索新知。
拓展补充：
对于中国而言，人工智能的发展是一个历史性的战略机遇，对缓解未来人口老龄化压力、应对可持续发展挑战以及促进经济结构转型升级至关重要。
虽然“人工智能”(AI)已经成为一个几乎人人皆知的概念，但对人工智能的定义还没有达成普遍共识。传统的人工智能发展思路是研究人类如何产生智能，然后让机器学习人的思考方式和行为。现代人工智能概念的提出者约翰·麦卡锡认为，机器不一定需要像人一样思考才能获得智能，重点是让机器能够解决人脑所能解决的问题。
第四次工业革命正在来临，而人工智能已经从科幻逐步走入现实。从1956年人工智能这个概念被首次提出以来，人工智能的发展几经沉浮。随着核心算法的突破、计算能力的迅速提高、以及海量互联网数据的支撑，人工智能终于在21世纪的第二个十年里迎来质的飞跃，成为全球瞩目的科技焦点。自从2016年AIphaGo战胜李世石之后，全球对于人工智能发展的兴奋与担忧交织难分。
即使如此，世界各国已经认识到人工智能是未来国家之间竞争的关键赛场，因而纷纷开始部署人工智能发展战略，以期占领新一轮科技革命的历史高点。对于中国而言，人工智能的发展是一个历史性的战略机遇，对缓解未来人口老龄化压力、应对可持续发展挑战以及促进经济结构转型升级至关重要。
本文从科技产出与人才投入、产业发展和市场应用、发展战略和政策环境等方面描绘中国人工智能的发展面貌。
科技产出与人才投入
1. 论文产出 : 中国人工智能论文总量和高被引论文数量都是世界第一。中国在人工智能领域论文的全球占比从 1997 年 4.26% 增长至2017 年的 27.68%，遥遥领先其他国家。高校是人工智能论文产出的绝对主力，在全球论文产出百强机构中，87家为高校。中国顶尖高校的人工智能论文产出在全球范围内都表现得十分出众。不仅如此，中国的高被引论文呈现出快速增长的趋势，并在 2013 年超过美国成为世界第一。但在全球企业论文产出排行中，中国只有国家电网公司的排名进入全球前 20 位。从学科分布看，计算机科学、工程和自动控制系统是人工智能论文分布最多的学科。国际合作对人工智能论文产出的影响十分明显，高水平论文里中国通过国际合作而发表的占比高达 42.64% 。
2. 专利申请 : 中国专利数量略微领先于美国和日本，国家电网表现突出。中国已经成为全球人工智能专利布局最多的国家，数量略微领先于美国和日本，而中美日三国占全球总体专利公开数量的 74%。全球专利申请主要集中在语音识别、图像识别、机器人以及机器学习等细分方向。中国人工智能专利持有数量前 30 名的机构中，科研院所与大学和企业的表现相当，其技术发明数量占比分别为 52% 和48%。企业中的主要专利权人表现差异巨大，尤其是中国国家电网近五年的人工智能相关技术发展迅速，在国内布局专利技术量远高于其他专利权人，而且在全球企业排名中位列第四。中国的专利技术集中在数据处理系统和数字信息传输等领域，其中图像处理分析的相关专利占总发明件数的 16%。电力工程也已成为中国人工智能专利布局的重要领域。
3. 人才投入 : 中国人工智能人才总量居世界第二，但是杰出人才占比偏低。截至 2017 年，中国的人工智能人才拥有量达到 18232 人，占世界总量的 8.9%，仅次于美国(13.9% ) 。高校和科研机构是人工智能人才的主要载体，清华大学和中国科学院系统成为全球人工智能人才投入量最大的机构。然而，按高 H 因子（又称 H 指数，用于评价科学家的科研绩效）衡量的中国杰出人才只有 977 人，不及美国的五分之一，排名世界第六。企业人才投入量相对较少，高强度人才投入的企业集中在美国，中国仅有华为一家企业进入全球前 20。中国人工智能人才集中在东部和中部，但个别西部城市如西安和成都也表现十分突出。国际人工智能人才集中在机器学习、数据挖掘和模式识别等领域，而中国的人工智能人才研究领域则比较分散。
产业发展和市场应用
1. 企业规模 : 中国人工智能企业数量为全球第二，北京是全球人工智能企业最集中的城市。截至2018 年 6 月，全球共监测到人工智能企业总数达 4925 家，其中美国人工智能企业数 2028 家，位列全球第一。中国( 不含港澳台地区 )人工智能企业总数 1011 家，位列全球第二，其后分别是英国、加拿大和印度（图 1）：
从城市尺度看（图 2），全球人工智能企业数量排名前 20 的城市中，美国占 9 个，中国占 4 个，加拿大占 3 个，英国、德国、法国和以色列各占 1 个。其中，北京成为全球人工智能企业数量最多的城市，其次是旧金山和伦敦。上海、深圳和杭州的人工智能企业数量也进入全球前 20。
从成立时间看（图 3），中国人工智能创业企业的涌现集中在2012-2016 年，在 2015 年达到顶峰，新增初创企业数量达到 228 家。从2016 年开始，创业企业的增速有所放缓。
中国人工智能企业的平均年龄为 5.5 年。其中，北京、上海和天津等地初创企业云集，企业平均年龄相较于全国平均水平更年轻，平均年龄在 5.5 年以下。山东和辽宁等地老牌工业机器人和自动化企业转型较多，企业年龄相对较大。
人工智能的应用技术主要包括语音类技术 ( 包括语音识别、语音合成等 )、视觉类技术 ( 包括生物识别、图像识别、视频识别等 ) 和自然语言处理类技术 ( 包括机器翻译、文本挖掘、情感分析等 )。将基础硬件考虑在内，国内外人工智能企业应用技术分布如图 4 所示。相比国外，中国人工智能企业的应用技术更集中于视觉和语音，而基础硬件占比偏小。
人工智能在行业应用上包括智能机器人、智能驾驶、无人机、AR/VR、大数据及数据服务、各类垂直领域应用(本文中定义为“AI+")等。国内外人工智能企业的行业应用分布如图 5 所示。可以看出，相比于国外，国内企业更看重智能机器人、无人机和智能驾驶等终端产品的市场，而国外企业更注重 AI在各类垂直行业的应用。
2. 风险投资 : 中国已成为全球人工智能投融资规模最大的国家。自 2013 年以来，全球和中国人工智能行业投融资规模都呈上涨趋势（图 6）。2017 年全球人工智能投融资总规模达 395 亿美元，融资事件1208 笔，其中中国的投融资总额达到 277.1 亿美元，融资事件 369 笔。中国 AI 企业融资总额占全球融资总额的 70%，融资笔数达 31%。
根据 2013 年到 2018 年第一季度全球的投融资数据，中国已在人工智能融资规模上超越美国成为全球最“吸金”国家，但是在投融资笔数上，美国仍然在全球处于领先地位。
发展战略和政策环境
1. 国际比较 : 各国人工智能战略与政策各有着重点。 2013年以来，美、德、英、法、日、中等国都纷纷出台了人工智能战略和政策。各国人工智能战略各有侧重，美国重视人工智能对经济发展、科技领先和国家安全的影响 ; 欧盟国家关注人工智能带来的安全、隐私、尊严等方面的伦理风险 ; 日本希望人工智能推进其超智能社会的建设 ; 而中国人工智能政策聚焦于实现人工智能领域的产业化，助力中国的制造强国战略。各国政策在研发重点和重点应用领域也存在着较大差异。
2. 国家政策 : 从物联网，到大数据，再到人工智能。从 2009 至今，中国人工智能政策的演变可以分为五个阶段，其核心主题词也不断变化，体现了各阶段发展重点的不同。
国家层面政策早期关注物联网、信息安全、数据库等基础科研，中期关注大数据和基础设施，而 2017年后人工智能成为最核心的主题，知识产权保护也成为重要主题。综合来看，中国人工智能政策主要关注以下六个方面 : 中国制造、创新驱动、物联网、互联网 +、大数据、科技研发。
3. 地方政策 : 响应国家战略，地方政策主题因地而异。地方政府积极响应国家人工智能发展战略，其中，《中国制造 2025》处于人工智能政策应用网络的核心，在地方人工智能政策制定过程中发挥着纲领性的作用。通过政策发布数量来看，目前中国人工智能发展活跃的区域主要集中在京津冀、长三角和粤港澳地区。各省的政策主题也大有不同，比如江苏省关注基础设施、物联网和云计算等基础研发领域，广东省关注制造和机器人等人工智能应用，而福建省关注物联网、大数据、创新平台和知识产权，各地政策与地方发展条件密切相关。
对社会的综合影响
随着人工智能的充分发展，劳动生产率和生产力水平的提升，人们的生活体验将更加丰富多彩，将更多地将人们从体力劳动乃至常规性的脑力劳动中解放出来，更多地投入到创造性活动当中，使人类自身与社会得到更充分的发展。当前，人工智能技术的突飞猛进正不断改变着零售、农业、物流、教育、医疗、金融、商务等领域的发展模式，重构生产、分配、交换、消费等各环节。根据 IDC 数据显示，在未来5 年内，人工智能技术应用到多个行业，将极大提高这些行业的运转效率，具体提升的效率为教育行业82%、零售业 71%、制造业 64%、金融业 58%。
1. 人工智能对教育和就业的影响。发展人工智能的最终目的不是用来替代人类，而是帮助人类变得更加智慧，而教育将在这个过程中起到关键性作用。人工智能技术提升经济活动中的产能，使得人们逐渐从机械的重复性的或危险的劳动中抽离出来，从而增加了思考、欣赏等闲暇时间，更专注于创新能力、思考能力、审美与想象力的潜能开发与提升。
目前，人工智能在教育领域的应用主要集中在以下几方面 : 自适应 ( 个性化 ) 学习、虚拟导师、教育机器人、基于编程和机器人的科技教育、基于虚拟现实 / 增强现实的场景式教育。用适合自己的方式去学习，不仅效率会提高，而且会保持更长时间的学习兴趣。
在教育领域深度发展人工智能的意义并不是取代教师，而是协助教师使教学变得更加高效和有趣。另外，在人工智能技术所影响的教育体系中，对人才的信息输入与输出能力、自主学习能力等的要求骤然提高，创新能力的培养也成为重要方向。
随着技术的发展逐步替代人类从事大部分繁琐重复的工作或体力劳动，在给人们带来福利的同时也带来前所未有的挑战。今天已经有越来越多的人担忧是否自己的工作会被人工智能技术所取代，或者只能在人工智能所留下的“夹缝”中生存。有专家对中国的就业岗位被人工智能取代的概率进行了估算，结果显示，未来 20 年中，约占总就业人口 76% 的劳动力会受到来自人工智能技术的冲击，若只考虑非农业人口，这一比例为 65 %。但同时，人工智能技术对就业的创造效应也已有所显现。调查显示，中国科技公司目前人工智能团队规模平均扩张 20%，而且这种需求还会增长。另外国家工业和信息化部教育考试中心专家称，在未来几年中国对 AI 领域的人才需求可能增至 500 万。
可以判断，在人工智能重塑产业格局和消费需求的情境下，一部分工作岗位终将被历史淘汰，但是也会伴随着人工智能技术孵化出一系列新的岗位。另一方面，新型的人机关系正在构建，非程序化的认知类工作会变得愈发难以替代，其对人的创新、思考与想象力提出更高的要求。
机械化和智能化塑造着新的就业格局，但也要警惕新格局下有可能发生的衍生问题，比如由于失业率上升而引起的贫富差距和社会稳定问题。人工智能所带来的“冲击”是持续性的，对教育和就业的多重影响也是持续性的，因此也需要不断积极探索与技术革命相匹配、相适应的教育与就业机制。
2. 人工智能对隐私与安全的影响。今天，在许多生活消费场景中，人们对个性化体验的需求不断增加，个性化、场景化服务也逐渐成为人工智能驱动创新的主要方向。服务供应方在信息获取社交化、时间碎片化的情境下，着力建立更灵活便捷的消费场景，给人们带来更加友好的用户体验。与此同时，随着语音识别、人脸识别、机器学习算法的发展和日趋成熟，企业可以通过分析客户画像真正理解客户，精准、差异化的服务使得客户的被重视被满足感进一步增强。但是在蕴藏着巨大商业价值的同时，也对现有法律秩序与公共安全构成了一定的挑战。
网络空间的虚拟性，使得个人数据更易于被收集与分享，极大地便利了身份信息编号、健康状态、信用记录、位置活动踪迹等信息的存储、分析和交易过程，与此同时，人们却很难追踪个人数据隐私的泄露途径与程度。例如，以人工智能技术为支撑的智慧医疗，病人的电子病例、私人数据归属权如何界定，医院获得及使用私人数据的权限界限如何规范。再比如人工智能技术生成作品的著作权问题等。开放的产业生态使得监管机构难以确定监管对象，也令法律的边界变得越来越模糊。
人工智能的普遍使用使得“人机关系”发生了趋势性的改变，人机频繁互动，可以说已形成互为嵌入式的新型关系。时间与空间的界限被打破、虚拟与真实也被随意切换，这种趋势下的不可预测性与不可逆性很有可能会触发一系列潜在风险。与人们容易忽略的“信息泄露”不同，人工智能技术也可能被少数别有用心的人有目的地用于欺诈等犯罪行为。如基于不当手段获取的个人信息形成“数据画像”，并通过社交软件等冒充熟人进行。再比如，使用人工智能技术进行学习与模拟，生成包括图像、视频、音频、生物特征在内的信息，突破安防屏障。去年曾有报道，新款苹果手机“刷脸”开机功能被破解即是这类例子。而从潜在风险来看，无人机、无人车、智能机器人等都存在遭到非法侵入与控制，造成财产损失或被用于犯罪目的的可能。
3.人工智能对社会公平的影响。随着人工智能研发与应用的突飞猛进，一系列价值难题也正逐渐显现在人们面前。目前还有大量不会上网、由于客观条件无法使用互联网及不愿触碰互联网的人群，已经被定义为人工智能时代的“边缘人”，而人工智能对人们的文化水平、信息流的掌握程度又有了更高的要求。人工智能技术越发达，信息鸿沟就越深，进而演变为服务鸿沟、福利鸿沟，而在人工智能时代，“边缘人”将越来越难享受到便捷的智能信息服务，也更不易获得紧缺的服务资源。
本文转自 中国经济报告 2018年第10期，作者：清华大学中国科技政策研究中心