摘要：《2018人工智能產業創新評估白皮書》由中國人工智能學會、國家工信安全中心、華夏幸福產業研究院、思保環球聯合發布。白皮書聚焦人工智能的使能技術與應用場景兩個層面，基于論文、專利、人才、行業壁壘等多個維度，創新性地構建了人工智能產業創新評估體系，客觀評價了當前人工智能產業的創新發展水平，為政府、企業、投資機構布局人工智能提供了借鑒和參考。

研究范圍和評價體系

隨著人工智能迎來第三次發展浪潮，在全球主要國家的積極推動下，社會各界對人工智能的投入與期許空前高漲。構建科學客觀的創新評估體系，準確評估當前人工智能產業的創新發展水平，對人工智能產業健康有序發展具有重要的現實意義。報告結合人工智能細分技術的發展和應用水平，聚焦語音交互、文本處理、計算機視覺和深度學習四項使能技術，以及交通、醫療、制造、安防、零售等八大重點應用場景，對人工智能產業創新水平進行了客觀的評價。

圖 1 人工智能產業創新評估范圍

為客觀分析四項核心使能技術和八個重點應用場景當前所處的發展階段，報告基于現有學界產業創新評估的研究成果，結合人工智能產業的行業屬性，采用定量和定性分析相結合，構建了科學客觀的人工智能產業創新評估體系。體系下設使能技術就緒度指數和應用場景融合度指數兩個一級評估指標，并在使能技術就緒度下設立了理論、應用、性能驅動力三個二級指標，在應用場景融合度下設立了資源、技術、數據、場景、環境驅動力五個二級指標。

圖 2 人工智能產業創新評估體系

人工智能使能技術就緒度

深度學習技術的發展，推動以語音交互、文本處理、計算機視覺為代表的人工智能快速發展，并在多個場景迅速落地。為客觀評價以深度學習為代表的四項使能技術的發展水平，報告從理論研究、應用研究和技術性能三個維度進行了評估，分別計算出四項使能技術的就緒度指數。

圖 3 人工智能使能技術就緒度評估維度

從使能技術就緒度指數來看，深度學習就緒度最高。作為人工智能的主流算法，深度學習就緒度最高（8.3），經處于技術成熟期；計算機視覺（7.7）和語音交互（6.2）次之，處于技術應用的探索期，主要體現在以語音助手和醫療影像診斷為代表的產品已經逐漸進入實用階段；文本處理則仍處于技術爬坡期，技術進展緩慢使其離真正實用仍存在較大距離。

圖 4 人工智能使能技術就緒度指數

從使能技術實際發展情況來看，深度學習和計算機視覺是布局重點。在理論研究（論文產出）方面，四項使能技術從2013年開始逐漸成為研究熱點，其中深度學習是學界關注重點，其次是計算機視覺。語音交互和文本處理的論文產出增速較為平穩，但文本處理論文產出量和引用頻次均為最低。在應用研究（專利申請）方面，計算機視覺和深度學習專利申請占比較高，但平均專利強度較低，專利布局仍處于起步階段；語音交互專利申請比例低但平均強度較高，表明語音交互關注度呈現逐漸下降趨勢。

圖 5 人工智能使能技術實際發展情況

從中美兩國使能技術發展水平來看，美國四項使能技術的理論研究和應用研究均大幅領先于中國。在理論研究方面，中美文本處理領域的差距最小，深度學習領域差距最大；在應用研究方面，深度學習領域的差距最小，語音交互領域的差距最大。具體來看，美國四項使能技術的論文影響力和平均專利強度要遠高于中國，中國論文和專利“多而不強”的局面依然存在。同時我們還發現，中國四項使能技術專利申請量均居首位，特別是相關研發機構近三年活躍度較高，超過54%的專利均在近三年申請。

圖 6 中美兩國使能技術發展水平對比

從使能技術人才分布來看，美國人工智能領域四項使能技術相關的高端人才遙遙領先于其他國家。統計發現，美國人工智能高端人才超過1.3萬，中國不足0.5萬，與美國相比差距懸殊。從細分技術領域來看，計算機視覺相關的高端人才占比最高，達38%，其中美國5432人，中國1892人。從中國人工智能使能技術研發人才分布來看，北京、廣東、江蘇、上海和浙江五省市人才優勢明顯，其中北京、廣東人工智能研發人才超過萬人。

圖 7 全球人工智能使能技術人才分布

人工智能應用場景融合度

隨著以深度學習為代表的使能技術的發展，大量科技企業從特定的行業或場景出發，推動人工智能使能技術與行業加速融合，提供差異化的新產品、新服務和解決方案，形成了豐富的“AI+”應用場景，成為人工智能產業快速發展的重要驅動力。本報告從資源、技術、數據、場景和環境五個驅動力維度對八個“AI+”場景進行了評估，分別計算出了八大應用場景的融合度。

圖 8 人工智能應用場景融合度評估維

從應用場景融合度指數來看，人工智能與各行業依然處在人工智能融合的早期。根據應用場景融合度指數顯示，汽車（3.9）、醫療（3.8）和家居（3.7）是人工智能融合度相對較高的三個場景；零售（3.5）、機器人（3.3）和安防（3.2）次之；制造（3.0）和教育（2.8）融合度指數較低。

圖 9 人工智能應用領域融合度指數

從應用場景的融合實際情況來看，汽車、醫療、家居是布局重點。在技術驅動力方面，人工智能在各個領域的專利申請自2014年開始爆發式增長，其中汽車和醫療領域增長明顯，而教育和零售領域增長相對緩慢。在資源驅動力方面，人工智能的研發機構和研發人才主要集中在汽車、醫療、家居領域，從事零售、教育的人工智能研發機構和人才相對較少。結合近三年專利申請情況來看，專利布局重點更是主要集中在汽車、醫療、家居和安防領域，人工智能與機器人的融合則是新的應用熱點。

圖 10 人工智能專利在各應用場景的分布

從全球應用場景融合整體水平來看，美國應用融合優勢明顯。在八大應用領域中，美國人工智能研發人員數量占據一半左右，而中國各領域人工智能研發人員普遍偏少。在專利申請量方面，除醫療領域外，中國的專利申請規模均超過美國，特別是在機器人和制造兩個領域專利優勢明顯。在專利申請強度方面，美國大幅度領先中國，中國專利質量仍有待提升。具體到應用場景來看，美國醫療領域人工智能專利規模和強度優勢顯著，中國機器人和制造領域人工智能專利申請實力具有一定的優勢。

圖 11 中國人工智能應用領域研發實力對比

從應用場景融合的主要瓶頸來看。高質量數據缺乏、行業壁壘高、應用場景不清晰是當前人工智能與行業深度融合的主要瓶頸。從數據積累程度來看，汽車、醫療和機器人三個領域具備一定的數據優勢，而家居和制造兩個領域數據積累明顯不足。從數據開放程度來看，汽車、教育和機器人三個領域數據開放程度較高，而醫療和制造兩個領域數據開放程度相對較低。從場景介入壁壘來看，醫療、制造的行業壁壘較高，人工智能企業較難進入。

圖 12 人工智能各應用場景數據和場景優勢比較

人工智能產業發展水平評價

通過使能技術和應用場景融合情況評價，我們可以發現，人工智能整體發展仍處于初級階段。從使能技術發展來看，深度學習已經成為當前主流的人工智能算法，是目前理論研究的重點方向；深度學習技術已處于成熟期，并越來越多地應用到各種實際場景中，也逐漸顯現出一定的發展瓶頸；計算機視覺和語音交互尚處于技術應用初期，兩項技術均開始在不同的場景中嘗試應用落地；而文本處理仍處于技術爬坡期，技術進展緩慢。從應用融合來看，基于報告對應用場景發展階段的劃分，目前人工智能在汽車、醫療、家居、零售、機器人和安防行業處在融合的培育期，而在制造和教育行業仍處在融合的萌芽期。

人工智能產業發展研判與展望

01、使能技術

語音交互。語音交互技術存在對大規模數據依賴性強，遠場識別準確率低、復雜場景識別效果欠佳等技術瓶頸，特別是語義理解技術尚未真正突破嚴重制約著語音交互技術的規模化商用。語音交互下一步將重點提升在遠場識別尤其是復雜環境下的識別率，而智能家居無疑仍然是語音交互技術應用探索的最佳場景。

文本處理。場景、學習和數據獲取是文本處理技術面臨的主要困難，增強學習、視覺語言融合、聯合學習將是未來文本技術的主要突破方向。發展中的文本處理技術將率先滲透到數字化程度高、政策和社會性障礙低、個性化元素強的行業。

計算機視覺。計算機視覺的瓶頸在于復雜程度高、魯棒性低、數據匱乏和算力成本過高。計算機視覺的發展重點在于利用非監督學習和遷移學習方法降低數據依賴，提升算法試用領域，并實現與文字、語音技術的深度融合。

深度學習。深度學習依賴于多層神經網絡下的梯度下降和隨之而來的大量參數不斷優化，但是多層梯度下降后的結果是非線性的和非凹的，深度學習方法的有效性難以得到理論證明。未來深度學習的發展方向主要是對深度學習機制的理解和實際模型的借鑒性研究。

02、應用場景融合

AI+汽車。以無人駕駛為主導的智能汽車是人工智融合度較高的應用場景，傳統的汽車行業將被新的技術和商業模式所革新。但智能汽車的發展依然面臨著車輛軟硬件技術、人工智能算法、以及政策和商業化不成熟等多重挑戰。

AI+醫療?？焖侔l展的智能醫療領域已經出現虛擬助手、輔助診療、智能影像、藥物研發、精準醫療等多種新實踐。底層醫療數據的數量質量參差不齊、復合人才體系缺乏、醫療行業應用場景磨合難度大、行業壁壘高等都制約著人工智能技術的深度應用。

AI+家居。人工智能與家居的融合是當前業界探索的重點。人工智能在交互、決策和服務三個層面優化、提升家居產品性能。產品價格高、用戶隱私保障難、語音識別率低、互聯互通難等是智能家居發展面臨的主要挑戰。

AI+零售。人工智能助力零售行業線上線下深度融合，并帶來消費場景的進一步延伸，全面提升了用戶消費體驗。當前，基于應用場景的技術提升和可靠性存在挑戰。另外，如何有效打通C端和B端是智能零售行業亟需解決的難題。

AI+機器人。人工智能推動機器人從機械化邁向智能化。智能機器人在工業和服務領域逐漸成為人類重要助手，如協助機器人、物流機器人及公共服務機器人等。但受制于人機交互、環境感知和機器學習等技術水平限制，目前機器人智能化程度依然較低。

AI+安防。人工智能在安防行業處于探索應用階段。智能安防以算法、算力、數據作為發展的三大要素，在產品落地上主要體現在視頻結構化、生物識別、物體特征識別三個方面。人工智能將推動安防行業逐漸向城市化、綜合化和主動化方向發展。

AI+制造。人工智能從研發創新、質量控制、故障診斷、運營管理等多個方面，推動制造業轉型升級，是實現智能制造的核心驅動力。然而制造業與人工智能的融合仍處于培育期。缺乏高質量行業數據、企業計算能力不足、通訊標準無法協調是實現人工智能與制造業深度融合的主要障礙。

AI+教育。人工智能技術應用于教育領域，可有效改善教、學、練、作業、測評、管理等多個環節，實現合理配置教育教學內容，科學實施因材施教。高質量的學習軌跡數據缺乏和技術本身尚未成熟，造成人工智能和教育領域的融合程度遠落后于其他行業。