经过五六年的高歌猛进，国内人工智能产业在2020年经历了一段低潮期。2021年，随着AI“四小龙” (商汤、旷世、云从、依图)等冲刺IPO的龙头公司纷纷披露财务情况，国内AI企业的发展现状再次成为关注焦点。

在深入行业进行为期一年的调研后，中国信息通信研究院日前发布了《人工智能核心技术产业白皮书》，这份报告以AI的关键核心技术——“深度学习”为关注视角，探讨了AI技术目前在国内的落地现状、发展阻力、未来的突破方向等诸多话题。 《白皮书》指出，目前，本轮AI技术发展周期中的深度学习理论突破的确开始放缓，但现有技术红利仍将驱动图像分类、机器翻译等感知类任务准确率升高，多种应用也将步入规模化运营，AI技术未来仍可见5至8年的红利期

市场“退烧”

产业生态加速构建

《白皮书》指出，2020年以来，国内AI行业遭遇“资本寒冬”，原因非常复杂，但不能否认的是，市场对AI技术落地的预期过高是一个重要因素。报告显示，人工智能企业增速近年来明显放缓，2019、2020两年中，全球每年新增人工智能企业数量已不足100家，且投融资的轮次后移趋势不断扩大。2020年，AI初创企业B轮及以上融资笔数占总笔数的62.3%，较上一年增长40%以上，显示新增企业数量明显萎缩。与此同时，一些曾获大笔融资的知名创新企业，由于市场预期过高、虚假宣传等原因，被迫退出产业舞台。比如，曾对标英特尔的芯片企业Wave Computing，当年曾是人工智能计算领域最受关注的“独角兽”之一，风头一时无两，但去年4月，公司竟然由于数据流处理器性能未达预期而宣告破产。再比如，智能会计工具ScaleFactor，在创立初期曾宣布研发出一项利用人工智能技术自动化生成财务报表的技术，但实际上却是公司部分采用人工外包的方式处理业务，公司在融资1亿美元后“内幕”被媒体曝光，去年3月不得不宣告倒闭。这份报告认为，资本早期对人工智能产业回报周期过于乐观，移动互联网在偏向工程属性的前提下，资本预期取得成效的时间为2到4年;与之相对比，人工智能与传统行业核心业务深度融合，需要更高的技术准确率和更深刻的行业理解力。因此，人工智能产业孕育时间更长，资本市场的期望与现实之间出现了较大偏差。

虽然资本市场的泡沫逐步破灭，但在AI领域，优质企业的估值仍在持续增长， “独角兽”企业不断出现，产业良性发展的总体态势并没有改变。 《白皮书》指出，目前，基于深度学习理论的优化技术层出不穷，各种模型不断提升视觉处理、阅读理解等基础智能任务水平，虚拟助手、多语种翻译等智能应用，已开始进入规模化普及阶段，大量的行业应用场景加速深度融合，技术能力和优化速度可以在未来5到8年内，创造出规模可观的“技术红利”。

AI落地

消费互联网领域快跑

《白皮书》认为，人工智能技术在消费互联网领域发展速度较快，智能推荐、视觉识别、语音助手等智能技术能力已深度应用至电商、社交、资讯等消费互联网平台以及手机、无人机等消费终端中，并加速与核心业务进行整合。

“生活中已经有大量的AI技术在应用，只是普通消费者表面上不太感知得到。”复旦大学计算机科学技术学院教授邱锡鹏指出，就连输入法的快速匹配也受AI支持，大部分AI不是以单一技术的形态出现，而是嵌入在某个产品中。智能手机就是集成多种AI技术的典型场景。手机拍照集成了计算摄影技术，它能提升影像的分辨率，组合多张照片达到最优画质，甚至对照片分割以达到虚化背景、抠图等效果。此外，AI也开始在传统行业落地。以医疗领域为例，目前不少影像科医生正在AI的帮助下识别CT影像中的肺结节。这类病灶面积小，用肉眼寻找十分耗时，AI工具可以识别并标出病灶，虽然它尚不具备判断良恶性的能力，但也极大地提升了医生的工作效率。

在线推荐系统是大众感知最明显的互联网AI应用之一，它的存在为互联网公司带来可观经济效益。有互联网公司推荐系统工程师表示，和随机推荐相比，个性化智能推荐下，点击率通常可提升30%;就算和“最热门”这类简单的推荐规则相比，智能个性化推荐的点击率也往往有约10%的提升。 “如果平台原本的广告收入是一个亿，即便只提升1%，也能带来100万元的增量。”这位人士表示。

寻求与传统行业深度融合

《白皮书》同时指出，当前，智能技术正在向更多行业领域渗透，但融合渗透仍需假以时日，期待技术在短期内诞生“爆款”并不现实。相较于消费互联网领域，传统行业如制造业、物流业等，AI落地的知识获取和积累需要较长时间，而应用场景碎片化的特点，又导致低成本、易用、泛化能力较强的能力平台构建需较长周期。这份报告认为，总体来看，目前人工智能产业正处于S曲线中快速发展的临界位置，现阶段智能技术落地成本较为昂贵，导致智能产品绝对量增加时，其单位成本并未明显下降。 (“S曲线”是指人工智能产业利润能力随规模变化的路径。由于AI具有链条长等特点，早期成本昂贵，利润增长缓慢，但随着技术生产工具、计算体系、平台能力形成，在某一阶段利润水平将显著提升。)目前，人工智能头部企业还在加速布局，不断完善技术生产工具，诸如开源开发框架、数据处理、验证分析、部署监测等完备研发工具链，以期形成基础计算理论、芯片、软硬协同、系统协同全栈技术支撑能力，加速基础和垂直行业技术平台的搭建。未来，人工智能还将显著加快全产业链结构升级，AI将成为最关键的高附加值产业，并提升传统行业中高附加值产品的比重。据咨询机构麦肯锡的数据，到2030年，约70%的行业将启用AI技术，预计为全球增加13万亿美元的附加值。

《白皮书》指出，总体来看，人工智能和移动互联网发展路径不同，虽然深度学习理论突破已经放缓，但行业将长期在工程化技术的引领下前进。所谓工程化技术，是指新技术在产业规模落地所需的支撑性技术。

“现在所在阶段，就是解决很多工程化、场景化的问题。”中国信通院信息化与工业化融合研究所中国人工智能产业发展联盟技术产业组副组长李论认为，一项技术从实验室走向产业化，需要很多支撑要素，包括框架、平台、芯片等，进入企业大规模应用还有可靠性、运维等问题要解决，这是行业当前发展的重心。与此同时，人工智能所进入的传统行业场景本身高度碎片化，现有深度学习模型泛化能力不足，这就需要AI企业基于实际场景，对数据进行二次训练和优化……而这一切，正是包括AI“四小龙”在内的AI厂商开发周期长、成本居高不下的主要原因。

目前，国内在AI落地较为成功的安防、医疗等领域，已经初步形成垂直行业平台，智能场景化的综合生态正在形成。因此，在当下的“谷底”之战中，AI企业需要加速打造集模型选择、训练、部署检测于一体的研发平台，为技术在各行业的高效、规模化应用奠定基础，进而结合垂直行业特有数据、知识、流程与智能技术进行深度融合，构建行业解决方案。

重估增长预期

目前市场对AI行业的增长预期趋于理性。市场调研机构IDC在2020年11月给出的预期是，到2024年，中国人工智能市场规模年复合增长率为23%，届时市场规模将达119亿美元，较其一年前给出的预期明显下降——此前IDC预计复合增长率为38%，市场达127亿美元

标签： 国内AI企业 产业生态 人工智能 规模化运营