中国人工智能行业发展存在的问题及对策分析

一、中国人工智能行业发展概况及特点

1、产业链布局广，专业性强

产业链特征方面，中国人工智能产业生态中，基于资源能力，大公司的参与布局较广，在基础层、技术层及应用层皆有所布局。中国不乏优秀的人工智能公司，大部分专业性较强，专注于某一细分领域的技术和应用研究，其中，计算机视觉领域集中了大批的优秀创业公司。但是，各应用场景之间的人工智能技术相关度存在一定的差异。

2、以B端业务为主

商业模式方面，大部分公司的业务主要以B端解决方案和服务为主。一方面，B端业务注重与行业客户的互动合作，更有利于人工智能技术和产品的落地;另一方面，行业客户对于生产效率的提高有强烈的需求，而C端产品需求仍需挖掘。不过，大公司的C端产品布局依然是相对活跃的。

3、人才成本较大，需求缺口大

技术方面，以深度学习为代表的机器学习算法研究是广泛的基础能力，但目前国内在此领域的人才供应相对紧缺，流通性较弱，因此也导致了高端研究人才的超高成本，同时有部分公司选择在美国建立研究院或实验室。这说明，作为知识密集型产业的典型代表，人工智能产业存在较大的需求缺口。

4、传统行业和技术给予充分的支持

产品方面，目前仍缺乏一定的革命性产品，更多的是利用人工智能技术对传统行业产品的改良。在这个过程中，医疗健康、装备制造、汽车、金融等行业给予了人工智能产业充分的支持，通过合作开发等方式，助力人工智能技术的应用落地和商业化。

二、中国人工智能行业发展存在的问题及对策

1、存在问题分析

从商界角度看，虽然当下一些人工智能企业已将部分相对成熟的技术应用到社会生活中，但相应的商业化程度仍需增强。如早前将人工智能作为未来业务新航向的百度，虽在人工智能业务变现方面取得了一些突破，但由人工智能直接带来的业绩增长潜力尚未全面释放。百度人工智能引擎“百度大脑”，目前正为各大业务线提供支撑作用。不过，作为百度人工智能核心的无人车研发方面，目前仅获得了美国加州发布的无人驾驶测试牌照。

过去人工智能发展缓慢的因素除了计算能力差外，数据量也是一个短板。基本上人们今天进行的每项活动，只要愿意，都能被记录下来，这都是数据。如何把这些数据利用起来，让其帮助人工智能更快、更好地演进更加重要。因此，人工智能商业化难的第一个瓶颈来自于数据。

而第二个瓶颈则在于更多应用场景的挖掘与构建。一些人工智能应用确实起到了代替人类工作的作用，有些甚至已高于人类的工作效率。比如，类似AlphaGo这样的机器人，已经在围棋对弈方面拥有了可与人媲美的能力。但现有的人工智能应用场景并不能满足社会生活的需求，在更多的专业领域，比如地质勘探、医疗诊断等领域，仍需要人类的经验参与评估判断。

人工智能概念近几年开始面向大众普及，但是距离全面的应用仍较远。围绕人的行为轨迹，如可穿戴、车载、家居等应用场景，打造面向大众的，有自主品牌的软硬结合的AI产品，并形成一定的规模，将是目前人工智能从技术到产品，并实现商业化的靠谱之路。

此外，第三个瓶颈主要是技术研发水平。人工智能技术研发水平能满足部分商业化发展的需求，但存在极大的拓展深化和发展空间。

在人工智能的商业化应用上，尤其在移动市场上的应用，目前的普遍现实是：对于硬件开发，需要性价比更高的芯片及系统设计架构;对于软件开发，需要对更多领域的算法训练做探索以挖掘需求，同时在具体的算法实现上需要软硬件及应用协同结合的人才。

2、对策分析

应以深度卷积神经网络为核心，全面开展计算机视觉、语音识别和自然语言等人工智能产品的开发与大规模产业化应用。这需要大数据、计算平台/计算引擎、人工智能算法、应用场景等飞速发展，另外还需要资源、资金、人才。在方法上，选定垂直细分领域最重要。

面向若干细分垂直领域，建立大数据中心。实现大数据采集、清洗、标签、存储、管理与交易，建立大数据源公共基础设施与垂直领域知识库。专有大数据是人工智能产业制胜的关键和法宝。中国企业必须开始特别关注大数据的采集与利用。其重要性如同原油一样，跨国企业视之为战略资源!

强力开展人工智能芯片与硬件平台的研发。包括基于FPGA的深度学习芯片;类脑芯片与忆阻器件;建立国家级人工智能超算中心。

布局通用人工智能与认知智能前沿技术探索。加强与脑科学、认知科学、心理学等的多学科交叉融合创新，推动原创性基础研究，为中国人工智能的应用与产业发展提供支撑。

创新体制机制，抢占人工智能战略制高点。加强国家科技创新体系建设，改革学术与科研投入产出评估体系。面向国家重大战略需求与经济社会发展急需，通过体系的创新来保障技术与产业创新的实现，打通“政、产、学、研、用”各个环节。例如建立国家DARPA(美国国防高级研究计划局)和中国的阿拉莫国家实验室。