電子發燒友網報道（文/吳子鵬）近日，一份研究顯示，中國在AI（人工智能）理論研究方面已經全面超越美國，是AI研究論文領域無可爭議的第一名，在AI論文數量和質量上對美國形成了碾壓的態勢。

研究指出，2012年是全球AI新一輪爆發初期，美國在AI論文方面處于全球領先的位置。隨后中國在這方面奮起直追，并很快在AI論文數量方面超越了美國。不過2012年-2018年期間，美國AI論文的質量明顯更高，引用數量更多，但這種情況在2019年發生了變化。

中國AI相關論文數量領先

研究指出，2021年中國共發表了4.3萬篇AI相關的論文，數量上已經是美國的兩倍。正如上面所提到的，自2012年之后不久，中國在AI論文數量上一直都處于領先的位置。并且，2012年時，中美之間的AI相關論文數量差距也僅有204篇，當時美國以629篇位居全球首位，中國以425篇緊隨其后。目前，中美雙方在AI論文數量上都已達到了萬級。

不過，長久以來，中國AI論文數量被指質疑“注水”，換言之也就是相關論文的質量不高。2019年發布的《中國新一代人工智能發展報告》曾特別指出，2013-2018年，全球人工智能（AI）領域的論文文獻產出共304914篇，其中中國已經成為最大的貢獻者，貢獻了74408篇，超過了美國的51766篇。報告提到，提升論文質量是接下來的目標之一。

政策指引的效果是明顯的，隨后在2019年中國論文便由量變引起了質變，在AI論文引用數量方面超過了美國。2021年，中國AI相關論文被引用了7401篇，比美國多出70%左右。

研究指出，中國企事業單位在中國AI產業發展的過程中扮演重要的力量，騰訊、阿里巴巴、華為和國家電網均位列AI研究論文的前十大公司之中。當然在頭部企業方面，美國依然占據著優勢，AI研究論文前十大公司中另外六家公司全部來自美國。不過，情況已經相較2012年有了極大的改觀。2012年時，AI研究論文前十大公司里只有一家中國公司。

在國內，企業的AI發展受政策影響很大。以騰訊來舉例，騰訊AI Lab成立于2016年，2017年開始宣布加大研發投入。不過，在2019年騰訊依然被行業詬病AI布局遲緩。隨后，國家在2019年將AI重要性提高了一檔，發布了大量的相關政策，并在國務院《2019年政府工作報告》著重提到了人工智能。隨后，馬化騰親自宣布騰訊將加大AI方面的投入。目前，騰訊在國內已經穩穩占據了第一梯隊的位置。在NeurIPS 2022上，騰訊AI Lab共有13篇論文被本屆會議接收，其中1篇被選為口頭報告，以及2篇 Spotlight；在國際權威研究機構Gartner最新出爐的2022年度《Magic Quadrant for Cloud AI Developer Services》研究報告上，騰訊在機器視覺技術上排名全球第二位。

在政策的引導下，中國已經逐漸成為AI強國，美國出臺各項政策對中國AI企業進行制裁，也足見其對中國AI產業發展的重視。AI高速發展同時也帶動了大數據、云計算、互聯網等與人工智能密切相關的產業發展提速。根據IDC與浪潮信息聯合發布《2022-2023 中國人工智能計算力發展評估報告》，2022年我國智能算力規模達到268百億億次/秒(EFLOPS)，超過通用算力規模，預計未來5年中國智能算力規模的年復合增長率將達52.3%。

中國AI的癥結所在

實際上，中國AI不僅論文方面增長迅猛，并且市場規模的年復合增長也領先全球平均水平。不過，這些都無法掩蓋國內AI這個產業存在的問題。

在2019年的《中國新一代人工智能發展報告》就已經提到，我國的AI產業存在基礎層發展薄弱、產學研合作不夠緊密等短板。實際上，到了今天有些問題依然沒有得到有效的解決。

在基礎層方面，近幾年國內值得肯定的是在人工智能算法框架方面的突破，尤其是百度的飛槳以及華為的MindSpore，打破了人工智能核心算法框架均來自美國的局面。發展至今，百度飛槳已經非常成熟，成為繼TensorFlow、PyTorch之后，全球第三大人工智能算法框架，擊敗了Amazon主導的MXNet和微軟背書的CNTK等強勁對手。截止到2022年5月20日，飛槳已經凝聚了477萬開發者、服務了18萬家企業并創建了56萬個模型。

這是好的一面，不好的一面是，目前國內在高端算力芯片方面完全受制于人。大家肯定還對去年上演的英偉達A100和H100芯片禁令“連續劇”印象深刻，當時產業大為恐慌，各種相關內容更是占據頭版頭條。隨后，英偉達宣布向中國市場特供A800芯片，實際上只是在A100的基礎上，將NVLink高速互連總線的帶寬從600GB/s降低到400GB/s，不過這種降速是沒有辦法通過軟件來提升的。一根“大棒”，一顆“糖丸”，很多業者對此忿忿不平，揚言要是實現高端算力芯片的自主化，實際上在GPGPU方面，***不僅硬件性能還和英偉達有很大差距，軟件生態同樣有一道鴻溝，同時我們還要時刻擔心后續芯片的量產會不會被制裁。從產業現狀來看，以高算力芯片為主的基礎層仍將長期困擾中國人工智能產業的發展，這也是為什么部分美國分析師認為，美國不應該推動中美脫鉤，而是通過芯片等關鍵技術長期牽制中國人工智能等產業的發展。

在產學研結合方面，近兩年國內取得了積極的進展。隨著各大高效紛紛開設人工智能專業，設立人工智能研究院或者是校企合作研究單位，再加上高端人才在高校和企業方面的流動，目前國內AI產學研協同發展很見成效。

不過，隨著AI產業向前發展，我們也能夠發現，目前AI的發展已經不僅僅是停留在產學研共同研究的層面，又多出來一個用的層面，因此現在叫產學研用。

目前，國內AI在應用落地方面明顯遇到了新的瓶頸，因此產業從投資和技術落地有一種要進入寒冬的態勢。在政策的引導下，雖然目前很多行業都在嘗試使用AI技術，但這些應用實際上很單一，主要面向圖像識別、機器智能場景，解決安防以及制造場景中的質檢等重復性工作。正如創客總部合伙人、北大校友創業聯合會副會長陳榮根所言，AI在落地過程中遇到了技術鴻溝、產品鴻溝和規模鴻溝。這些鴻溝的存在導致AI企業長期不能解決高成本的難題，目前大部分AI項目是定制性的，企業花費高額的成本研發出來，卻無法迭代。到了2022年，國內“AI四小龍”商湯科技、曠視科技、依圖科技、云從科技依然逃脫不掉持續虧損的魔咒。

落地難的背后是當前AI技術依然缺乏圖靈獎獲得者、中科院院士、美國科學院外籍院士、清華大學交叉信息研究院院長姚期智教授在2020年提到的“魯棒性”，導致現階段AI的適應性和迭代性都非常差，很難跨越產業化的鴻溝。而AI在魯棒性和普適性上的缺失則因為國內缺乏交叉學科的培養體系，雖然部分院校已經啟動了相關工作，不過人才的評估體系依然是“老一套”，導致徒有形式，難有成果。

寫在最后

所謂十年磨一劍，這一輪AI發展大潮里，國內AI經過了十年的發展確實取得了很多積極的進展，在相關論文和產業規模方面取得了舉世矚目的成績。不過，時至今日，國內的AI依然還是一個“不健全”的產業，與我們暢想的“AI+”愿景還有距離。在產業宣傳時，我們當然可以揚長避短，但是真正技術落地、產業發展時，這些短板是掩蓋不住的。