人工智能（Artificial Intelligence）的概念最早在20世紀50年代提出，英文縮寫為AI，它是研究與開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能是自然科學(xué)、社會科學(xué)和技術(shù)科學(xué)三向交叉學(xué)科，試圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，期間經(jīng)歷了三次發(fā)展浪潮，當(dāng)前處于第三次大發(fā)展期。

人工智能根據(jù)從底層到應(yīng)用的技術(shù)邏輯可以分為基礎(chǔ)層、技術(shù)層和應(yīng)用層，其中基礎(chǔ)層從硬件和理論層面，為人工智能的實現(xiàn)提供根本保障；技術(shù)層基于基礎(chǔ)層的支撐，設(shè)計出解決某一類過去需要人腦解決問題的通用方法；應(yīng)用層基于技術(shù)層的能力，解決具體現(xiàn)實生活中的問題。

勞動人口減少，AI填補缺口

一方面，根據(jù)國家統(tǒng)計局公布的數(shù)據(jù)顯示，我國15-59歲勞動年齡人口數(shù)量在2011年達到峰值9.25億人后連續(xù)7年下降，減少總量達到2600萬人，與此同時勞動年齡人口占全國總?cè)丝诘谋戎匾惨宦方档椭?4.28%。勞動年齡人口的下降是中國經(jīng)濟發(fā)展過程中不得不面對的現(xiàn)實，據(jù)人社部預(yù)測到2030年后我國勞動年齡人口將會出現(xiàn)年均760萬人的持續(xù)減少，到2050年勞動年齡人口將會降至7億左右。

另一方面，人工智能作為新一輪科技革命、產(chǎn)業(yè)變革的核心力量，將重構(gòu)生產(chǎn)、分配、交換、消費等經(jīng)濟活動各個環(huán)節(jié)，能替代一部分傳統(tǒng)崗位，減少經(jīng)濟體對勞動力數(shù)量的總需求，從而弱化、甚至補償人口老齡化和勞動年齡人口減少對經(jīng)濟增長造成的負面影響。

人工智能賦能，推動產(chǎn)業(yè)升級

人工智能技術(shù)在過去5-10年快速發(fā)展，隨著時間推移逐漸為大眾所知，其商業(yè)化應(yīng)用成為社會關(guān)注焦點，在各個行業(yè)領(lǐng)域中有廣泛應(yīng)用。雖然不同行業(yè)面臨的問題不同，但是人工智能技術(shù)可通過數(shù)據(jù)的收集、處理與分析有效解決多種問題，改變各行業(yè)生態(tài)，從而推動產(chǎn)業(yè)升級。

通過以行業(yè)滲透率、市場規(guī)模兩個維度進行評判，可以將人工智能滲透的各行業(yè)劃分為四種類型。

一是過渡期，人工智能具有較高應(yīng)用程度，但目前市場機會有限、有望進一步拓展，如數(shù)字政府；二是萌芽期，人工智能發(fā)揮部分功能，但處于起步階段、尚未成熟，如公共事業(yè)、醫(yī)療、智能城市、能源行業(yè)；三是成長期，行業(yè)的人工智能應(yīng)用度不足，但擁有較高的市場機會，如無人駕駛、自然資源與材料；四是發(fā)展期，人工智能技術(shù)的行業(yè)應(yīng)用度高、市場機會好，產(chǎn)生了較為深刻的影響，如零售、教育、金融、制造業(yè)、通信傳媒與服務(wù)等。

各國政策頻出，國家角力激烈

越來越多的政府和企業(yè)組織逐漸認識到人工智能在經(jīng)濟、戰(zhàn)略上的重要性，競相采取更為積極的產(chǎn)業(yè)政策?！度蛉斯ぶ悄馨l(fā)展白皮書》預(yù)測全球人工智能市場將在未來幾年經(jīng)歷現(xiàn)象級增長，2025年世界人工智能市場規(guī)模預(yù)期將超過6萬億美元。

隨著人工智能技術(shù)的快速發(fā)展，近年來全球展開了AI競賽，各主要發(fā)達國家均出臺了不少支持和引導(dǎo)AI行業(yè)發(fā)展的政策。

美國連續(xù)發(fā)力人工智能，2016年成立“人工智能和機器學(xué)習(xí)委員會”探討制定相關(guān)政策、法律，發(fā)布《國家人工智能研究和發(fā)展戰(zhàn)略規(guī)劃》報告，將人工智能上升國家戰(zhàn)略層面。

歐洲也將人工智能確定為優(yōu)先發(fā)展項目，2016年歐盟委員會提出人工智能立法動議和《歐洲人工智能》，2018年發(fā)布主題為“人工智能歐洲造”的《人工智能協(xié)調(diào)計劃》。

日本2016年在“社會5.0”戰(zhàn)略中將人工智能作為實現(xiàn)超智能社會的核心，設(shè)立“人工智能戰(zhàn)略會議”進行綜合管理。

三大要素發(fā)力，AI建設(shè)加速

作為推動人工智能技術(shù)進步的“三駕馬車”，算法、數(shù)據(jù)和計算力三大關(guān)鍵因素在不斷創(chuàng)新、不斷發(fā)展。

在算法方面，人類在機器學(xué)習(xí)的算法上實現(xiàn)了突破，特別是在視覺和語音技術(shù)方面的成就尤為突出。

在數(shù)據(jù)方面，移動互聯(lián)網(wǎng)時代的到來使得數(shù)據(jù)量迎來了爆炸式增長，同時對數(shù)據(jù)的處理速度大幅提升。

在計算力方面，得益于芯片處理能力提升、硬件價格下降的并進使得計算力大幅提升。截至目前，全球人工智能的計算力主要是以GPU芯片為主。但隨著技術(shù)的不斷迭代，如ASIC、FPGA在內(nèi)的計算單元類別將成為支撐人工智能技術(shù)發(fā)展的底層技術(shù)。

國內(nèi)基礎(chǔ)不足，硬件依賴進口

在人工智能從實驗室走向商業(yè)化的過程中，其發(fā)展驅(qū)動力主要來自于計算力的顯著提升、多方位的政策支持、大規(guī)模且多頻次的投資和逐漸清晰的用戶需求。

盡管中國人工智能產(chǎn)業(yè)發(fā)展迅速，2019年人工智能企業(yè)數(shù)量超過4,000家，位列全球第二，在數(shù)據(jù)以及應(yīng)用層擁有較大的優(yōu)勢，然而在基礎(chǔ)研究、芯片、人才方面的多項指標上仍與全球領(lǐng)先地區(qū)有一定的差距。

其中，人工智能芯片是人工智能技術(shù)鏈條的核心，而國內(nèi)從美國進口的集成電路芯片的價值超過2,000億美元，遠超原油進口額；半導(dǎo)體產(chǎn)業(yè)的關(guān)鍵零部件仍需大量從西方國家進口，自給率不足20%；機器人的關(guān)鍵零部件在較大程度上仍舊依賴進口，包括精密減速機、控制器、伺服電機等。

中國人工智能技術(shù)與全球領(lǐng)先地區(qū)對比

資料、圖片來源：牛津大學(xué)人類未來研究院、騰訊研究院、《全球人工智能發(fā)展白皮書》，博爾森咨詢研究院整理

短期GPU芯片主導(dǎo)，長期三大技術(shù)并行

對整個AI行業(yè)來講，算法、數(shù)據(jù)和算力三大基本要素中，數(shù)據(jù)尤其是海量數(shù)據(jù)的獲取和處理難度在下降，算法也在深度學(xué)習(xí)模型的基礎(chǔ)上不斷優(yōu)化，而負責(zé)將數(shù)據(jù)和深度算法統(tǒng)一協(xié)調(diào)起來的芯片能否獲得質(zhì)的飛躍，成為市場關(guān)注的焦點。

一方面，GPU作為市場上AI計算最成熟、應(yīng)用最廣泛的通用型芯片，憑借其強大的計算能力、較高的通用性，GPU短期將延續(xù)AI芯片的領(lǐng)導(dǎo)地位。

另一方面，長期來看，各有性能特點的三大技術(shù)路線將并行發(fā)展，GPU主要方向是高級復(fù)雜算法和通用型人工智能平臺，F(xiàn)PGA未來在垂直行業(yè)有著較大的空間，ASIC長遠來看非常適用于人工智能，尤其是應(yīng)對未來爆發(fā)的面向應(yīng)用場景的定制化芯片需求。

基礎(chǔ)設(shè)施不斷升級，應(yīng)用場景持續(xù)拓展

當(dāng)前人工智能發(fā)展的新動力5G正在加快建設(shè)，將有利于滿足人工智能對終端處理能力、網(wǎng)絡(luò)傳輸能力的需求，拓展應(yīng)用場景。2019年，中國正式進入5G商用元年，新一代通信技術(shù)5G具備高帶寬、低時延、廣連接性的特性，正在成為產(chǎn)業(yè)變革、萬物互聯(lián)的新基礎(chǔ)設(shè)施。

首先，5G可支持大量設(shè)備實時在線和海量數(shù)據(jù)的傳輸，使企業(yè)獲得數(shù)據(jù)的數(shù)量、實時性均大幅度提升，為更多人工智能應(yīng)用提供可能。

其次，5G的部署拓展將帶來超高清視頻等應(yīng)用增長，人工智能在其中發(fā)展?jié)摿薮蟆?/span>

此外，邊緣計算也是5G時代的重要特征，隨著終端進行更多的數(shù)據(jù)處理與應(yīng)用，人工智能將廣泛落地在邊緣側(cè)，邊緣智能將崛起。

人機協(xié)同模式漸顯，產(chǎn)業(yè)智能互聯(lián)滲透

在業(yè)務(wù)模式上，人機協(xié)同趨勢漸顯。人工智能的目標是讓機器在整個從感知到行動的鏈條上模擬甚至超越人的能力，但在很多復(fù)雜場景下，單純依靠機器完全替代人類去解決問題并不現(xiàn)實。考慮到能力范圍、時間效率、成本優(yōu)勢等因素，把人和機器作為整體部署的人機協(xié)同模式將成為未來主流。

在產(chǎn)業(yè)應(yīng)用上，產(chǎn)業(yè)智能化滲透加深。隨著企業(yè)數(shù)字化轉(zhuǎn)型和產(chǎn)業(yè)互聯(lián)網(wǎng)的不斷推進，產(chǎn)業(yè)鏈各環(huán)節(jié)的數(shù)據(jù)實現(xiàn)了打通，在此基礎(chǔ)上，人工智能的應(yīng)用將從企業(yè)內(nèi)部智能化延伸至產(chǎn)業(yè)智能化，實現(xiàn)采購、制造、流通等環(huán)節(jié)的智能協(xié)同，提升產(chǎn)業(yè)整體效率。

雖然人工智能發(fā)展迅猛，但在深入產(chǎn)業(yè)落地的過程中，人工智能技術(shù)與企業(yè)需求之間仍然存在鴻溝，人工智能技術(shù)本身無法直接解決企業(yè)用戶業(yè)務(wù)需求，需要根據(jù)具體的業(yè)務(wù)場景和目標，形成可規(guī)模化落地的產(chǎn)品與服務(wù)。

在數(shù)據(jù)方面，由于數(shù)據(jù)獲取的經(jīng)驗不足、質(zhì)量差、安全合規(guī)性不高、歸屬權(quán)引爭議、海量數(shù)據(jù)存儲與調(diào)用難、數(shù)據(jù)標注上小場景數(shù)據(jù)采集難、復(fù)雜業(yè)務(wù)場景數(shù)據(jù)理解力有限，在應(yīng)用上需制定更精細化的規(guī)則、采用聯(lián)邦學(xué)習(xí)等新技術(shù)、使用大數(shù)據(jù)湖等方式，以及提高標注人員行業(yè)知識。

在算法模型上，從傳統(tǒng)模型到深度學(xué)習(xí)等新興算法的人工智能復(fù)雜性不斷增加，大部分基于深度學(xué)習(xí)的算法是個“黑盒子”，模型不具備可解釋性，然而在落地金融、工業(yè)、醫(yī)療等行業(yè)時，直接應(yīng)用到業(yè)務(wù)系統(tǒng)的模型需要具備符合業(yè)務(wù)邏輯的可解釋性。因此在落地過程中需采用深度學(xué)習(xí)算法與經(jīng)典統(tǒng)計類規(guī)則結(jié)合的方式來進行建模，解決模型的可解釋性問題。

在業(yè)務(wù)場景上，隨著人工智能深入落地各垂直行業(yè)，要解決從通用場景、單點問題向特定場景、業(yè)務(wù)全流程演進，同時復(fù)雜度和進入壁壘變高，對業(yè)務(wù)場景理解能力的要求也不斷提升。企業(yè)需借助知識圖譜技術(shù)，將行業(yè)經(jīng)驗沉淀為行業(yè)知識圖譜，在此基礎(chǔ)上讓算法更好地理解業(yè)務(wù)。