1.4中國AI發(fā)展態(tài)勢

　　中國人口基數(shù)大，移動互聯(lián)網(wǎng)發(fā)展迅速，有龐大的數(shù)據(jù)資源優(yōu)勢。另外商業(yè)化應用場景豐富，在人工智能應用領(lǐng)域?qū)⒊霈F(xiàn)更多突破。同時，中國在人工智能研究領(lǐng)域的技術(shù)和人才儲備也正在快速崛起。

　　在中國，傳統(tǒng)科技巨頭百度、阿里巴巴和騰訊目前在人工智能領(lǐng)域處于領(lǐng)先地位。在它們之后，國內(nèi)還有上百家創(chuàng)業(yè)公司正在人工智能的各個方向探索新技術(shù)。目前，語音識別和計算機視覺與圖像是國內(nèi)人工智能市場最熱門的兩個領(lǐng)域。另一方面，傳統(tǒng)行業(yè)的公司也在積極引入人工智能，以降低自己的運營成本。在人工智能的影響下，新的細分領(lǐng)域?qū)霈F(xiàn)（如無人機和智能機器人），傳統(tǒng)行業(yè)（如家電、汽車和玩具）也將發(fā)生深刻的變革。作為全球最大的汽車市場、最大的家電生產(chǎn)國和最大的無人機生產(chǎn)國，中國正在形成全球最具吸引力的人工智能生態(tài)環(huán)境。

　　經(jīng)過多年的持續(xù)積累，中國在人工智能領(lǐng)域取得重要進展，國際科技論文發(fā)表量和發(fā)明專利授權(quán)量已居世界第二，部分領(lǐng)域核心關(guān)鍵技術(shù)實現(xiàn)重要突破。語音識別、視覺識別技術(shù)世界領(lǐng)先，自適應自主學習、直覺感知、綜合推理、混合智能和群體智能等初步具備跨越發(fā)展的能力，中文信息處理、智能監(jiān)控、生物特征識別、工業(yè)機器人、服務機器人、無人駕駛逐步進入實際應用，人工智能創(chuàng)新創(chuàng)業(yè)日益活躍，一批龍頭骨干企業(yè)加速成長，在國際上獲得廣泛關(guān)注和認可。加速積累的技術(shù)能力與海量的數(shù)據(jù)資源、巨大的應用需求、開放的市場環(huán)境有機結(jié)合，形成了中國人工智能發(fā)展的獨特優(yōu)勢。

第二章
中美人工智能產(chǎn)業(yè)布局觀察

2.1.美國企業(yè)總量遠超中國

2.1.1 總體數(shù)量：美國約為中國兩倍

　　截止到2017年6月，全球人工智能企業(yè)總數(shù)達到2542家，其中美國擁有 1078家，占據(jù)42%；中國其次，擁有592家，占據(jù)23%。中美兩國相差486家。其余872家企業(yè)分布在瑞典、新加坡、日本、英國、澳大利亞、以色列、印度等國家。

2.1.2 中國企業(yè)起步落后美國5年

　　從現(xiàn)有統(tǒng)計來看，美國人工智能企業(yè)從1991年開始創(chuàng)建，中國1996年晚于美國5年開始發(fā)展。

　　美國方面一共分為四個階段，1991年到1997年，萌芽期；1998-2004，發(fā)展期；2005-2013 高速成長期；2013-至今，平穩(wěn)期。

　　中國AI產(chǎn)業(yè)在1996年進入萌芽期，2003年進入發(fā)展期。企業(yè)數(shù)量從2004年的29家增長到2007年的57家。在2008年短暫回落后進入高速成長期，增速歷經(jīng)5年一路上揚到48.11%，在2015年達到峰值166家后進入平穩(wěn)期。2015年的峰值，相當于1999到2012新增企業(yè)數(shù)量的總和。

　　綜合來看，美國AI初創(chuàng)企業(yè)的起步期早于中國5年（美1991，中1996），發(fā)展期早于中國6年（美1997，中2003），但爆發(fā)期和平緩期都只早中國2年。美國創(chuàng)業(yè)新增企業(yè)數(shù)量的峰值年份早于中國2年，美國為2013年，中國為2015年。因此，從企業(yè)數(shù)量發(fā)展的情況來看，中國已經(jīng)追平了美國3-4年的時間差距。

2.2.中美AI創(chuàng)投累計融資對比

2.2.1 累計融資額美國第一，中國第二

　　自1999年美國第一筆人工智能投資出現(xiàn)以后，全球AI加速發(fā)展，在短短的18年內(nèi)，全球涌現(xiàn)1914億元投資到人工智能領(lǐng)域。

　　截止至目前，美國AI融資金額為978億元，占據(jù)全球總?cè)谫Y50.10%；中國635億，占據(jù)全球33.18%；其他國家合計占15.73%。

2.2.2 中國融資起步時間落后美國6年

　　美國的第一筆風險投資出現(xiàn)在1999年，2005年進入發(fā)展期，2012年為爆發(fā)期拐點。

　　在2005年，中國出現(xiàn)第一筆AI風險投資（晚于美國6年），2013年進入爆發(fā)期。

　　2016年，中國總?cè)谫Y額短暫接近美國，達到492.98億，距離美國約30億。但中國在2017年增勢放緩，相反的，美國融資則出現(xiàn)井噴，累計融資大幅度超越中國。

2.3 中美人工智能九大熱點領(lǐng)域?qū)Ρ?/P>

2.3.1 中美產(chǎn)業(yè)側(cè)重點不同
　
　　在美國AI創(chuàng)業(yè)公司中排名前三的領(lǐng)域為：自然語言處理252家，機器學習應用（Machine Learning Application）242家，以及計算機視覺與圖像190家。

　　在中國AI創(chuàng)業(yè)公司中排名前三的領(lǐng)域為：計算機視覺與圖像146家，智能機器人125家以及自然語言處理92家。

　　中美人工智能企業(yè)的共同熱點均為計算機視覺與圖像及自然語言處理，這兩大領(lǐng)域也是AI產(chǎn)業(yè)的領(lǐng)頭羊。

　　中美的差別存在于智能機器人和機器學習應用兩方面。前者屬于專業(yè)領(lǐng)域的機器人應用，應用于醫(yī)療、作業(yè)類和家居類等領(lǐng)域較多；服務于后者屬于企業(yè)或個人輔助工具，各個行業(yè)均有涉及，覆蓋范圍更廣。

　　基礎(chǔ)層（包含處理器/芯片）的企業(yè)數(shù)量，中國擁有14家，美國33家，中國僅為美國的42%。

　　技術(shù)層（自然語言處理/計算機視覺與圖像/技術(shù)平臺）的企業(yè)數(shù)量，中國擁有273家，美國擁有586家，中國為美國的46%

　　應用層（機器學習應用/智能無人機/智能機器人/自動駕駛輔助駕駛/語音識別）的企業(yè)數(shù)量，中國擁有304家，美國擁有488家，中國是美國的62.3%。

　　總體來看，美國在企業(yè)數(shù)量上全面領(lǐng)先中國，基礎(chǔ)層和技術(shù)層的企業(yè)數(shù)量約為中國的2倍，但是在應用層上，中國和美國的差距略小。

2.3.2 中國應用層VS美國基礎(chǔ)層

　　中國投資者在應用層關(guān)注的更多。中國人工智能企業(yè)中，融資占比排名前三的領(lǐng)域為計算機視覺與圖像，融資143億元，占比23%；自然語音處理，融資122億元，占比19%；以及自動駕駛/輔助駕駛?cè)谫Y107億元，占比18%。而中國的自動駕駛/輔助駕駛企業(yè)雖然數(shù)量不多，只有31家，但融資額是第三，表明中國的投資者非?？春眠@一領(lǐng)域。

　　美國投資者對于基礎(chǔ)層更為看重。在美國人工智能企業(yè)中，融資占比排名前三的領(lǐng)域為芯片/處理器融資315億占比31%，機器學習應用融資207億占比21%，自然語言處理融資134億占比13%。

　　芯片企業(yè)的數(shù)量排名第八，33家，但融資量卻是第一，美國的芯片實力和資金吸引力，可見一斑。

2.3.3 投資事件美國是中國1.96倍

　　美國投資事件數(shù)量1509起，中國767起。兩者相比，美國:中國=1.96:1。

　　事件數(shù)量大意味著熱度更大，關(guān)注更多。

　　在美國，自動駕駛/輔助駕駛和處理器/芯片是投資熱點。應用層和基礎(chǔ)層兼顧，適合長遠發(fā)展。

　　中國各方面發(fā)展較為均衡，突出的領(lǐng)域是智能無人機和計算機視覺與圖像，其高成熟度的技術(shù)吸引了不少投資者。

　　中國處理器/芯片投資事件數(shù)量比重排名第四，占比7.55%，表明中國投資者對于基礎(chǔ)層已經(jīng)具有了一定的重視，但可能由于基礎(chǔ)層公司少，投資門檻高，導致事件數(shù)量仍和美國有較大差距。

2.4. 超過一億美元的投資事件（略）

2.5 未來趨勢判斷：行業(yè)泡沫

AI領(lǐng)域創(chuàng)投行業(yè)泡沫即將出現(xiàn)。主要信號有兩個：

一是資金多而項目缺。

　　綜合過往數(shù)據(jù)和2017年前半年的情況，今年美國新增企業(yè)數(shù)量將跌到谷底，預計在2017結(jié)束之前，美國新增企業(yè)數(shù)量范圍將在25-30家之間徘徊。同時，美國的累計融資量持續(xù)快速增長，最后將穩(wěn)定在1380-1500億元的區(qū)間。2018年后，中美兩國AI企業(yè)數(shù)量增長都將有所恢復，但依然平緩。在這段時期內(nèi)，創(chuàng)投圈將會發(fā)現(xiàn)，找到一個新的有潛力的項目越來越難，由于新增企業(yè)數(shù)量稀少，經(jīng)常只能跟投一些項目。到2020年，美國累計AI公司數(shù)量將會超過1200家，累計融資將達到驚人的2000億人民幣。

二是周期長而營收難。

　　通俗的說，現(xiàn)在的人工智能被高估了。深度學習起源于上世紀八九十年代的神經(jīng)網(wǎng)絡研究。在很多情況下，前沿研究是由對已有方法的微小改動和改進組成，而這些方法在幾十年就已經(jīng)被設(shè)計出來了。

　　盡管如此，市場熱炒的人工智能技術(shù)和產(chǎn)品的成熟度仍然有限。許多項目和技術(shù)，并不能直接獲得消費者歡迎，還需要相當長的時間才能走向成熟。

　　這種前提下，創(chuàng)業(yè)項目不得不舍棄大眾消費場而致力于解決企業(yè)級問題，創(chuàng)新公司的商業(yè)模式回歸到類似傳統(tǒng)IT廠商的角色，進一步加大了營收難度?；蛟S有一天，你會發(fā)現(xiàn)創(chuàng)業(yè)者不夠用了。

　　資金多而項目缺，周期長而營收難，項目卻一天比一天更加昂貴，這是資本泡沫即將出現(xiàn)的信號。但對于創(chuàng)業(yè)公司，它們將過上一段順風順水的好日子。

　　具體到美國未來趨勢而言，美國AI領(lǐng)域的融資可能在2020年前突破2000億。原因在于特朗普上臺后采取了一系列改革措施，促進了美國經(jīng)濟的恢復。美國資本迅速回流，資本市場正在加大對AI企業(yè)的投資。由此推動美國AI產(chǎn)業(yè)融資持續(xù)上升。預計在2020年之前，美國累計AI公司數(shù)量將會超過1200家，累計融資將達到驚人的2000億人民幣。

　　具體到中國來看，中國AI企業(yè)增勢不明朗，但資金仍在增加。

　　根據(jù)歷史數(shù)據(jù)推斷，中國在2017年成立的新公司將不超過15家，融資增長也較前兩年放緩，預計融資總額將會在2017年年末達到745億，是美國同期預計值的50%。

　　從行業(yè)發(fā)展周期來看，中國人工智能產(chǎn)業(yè)將會在2018年回暖，當年新增公司數(shù)量會上揚到30家以上，預期融資累計量將會達到900-1000億人民幣，整體上仍和美國有較大差距。

第三章
中美AI巨頭的產(chǎn)業(yè)卡位戰(zhàn)

　　引領(lǐng)AI產(chǎn)業(yè)發(fā)展的技術(shù)競賽，主要是巨頭之間的角力。由于AI產(chǎn)業(yè)核心技術(shù)和資源掌握在巨頭企業(yè)手里，而巨頭企業(yè)在產(chǎn)業(yè)中的資源和布局，都是創(chuàng)業(yè)公司所無法比擬的，所以巨頭引領(lǐng)著AI發(fā)展。

　　目前，蘋果、谷歌、微軟、亞馬遜、臉書，這五大巨頭無一例外都投入了越來越多資源，來搶占人工智能市場，甚至將自己整體轉(zhuǎn)型為人工智能驅(qū)動型的公司。國內(nèi)互聯(lián)網(wǎng)領(lǐng)軍者“BAT”也將人工智能作為重點戰(zhàn)略，憑借自身優(yōu)勢，積極布局人工智能領(lǐng)域。

　　隨著政府和產(chǎn)業(yè)界的積極推動，中美兩國技術(shù)競賽格局初步顯現(xiàn)。美國巨頭公司致力于全產(chǎn)業(yè)鏈布局，在技術(shù)層、基礎(chǔ)層和應用層均卡住了戰(zhàn)略要點。中國巨頭則在應用層展示出了強勁的發(fā)展意愿。

　　在技術(shù)層，美國巨頭構(gòu)建核心研究隊伍，通過收購拼搶人才，強化技術(shù)儲備；同時，爭相開源，構(gòu)建生態(tài)，以圖占領(lǐng)產(chǎn)業(yè)應用核心。巨頭企業(yè)致力于建立人工智能的數(shù)據(jù)場景和生態(tài)。人工智能的平臺化、云端化將成為全球發(fā)展的潮流。

　　在應用層，中美各有側(cè)重點。語音交互成為入口，云服務是未來戰(zhàn)場。憑借場景和數(shù)據(jù)優(yōu)勢，中國在計算機視覺、語音識別等領(lǐng)域，具備了與美國一較高下的實力。

　　在基礎(chǔ)層，美國芯片與算法領(lǐng)先。美國巨頭布局芯片，各類AI芯片百花齊放，牢牢把控全球產(chǎn)業(yè)核心。美國巨頭重視算法突破，其優(yōu)勢來源于基礎(chǔ)學科幾十年的積累，完善的基礎(chǔ)學科配置是保障產(chǎn)業(yè)核心能力突破的關(guān)鍵。

　　在研究領(lǐng)域，近年來中國在人工智能領(lǐng)域的論文和專利數(shù)量保持高速增長，已進入第一梯隊。而美國研究者更關(guān)注基礎(chǔ)研究，人工智能人才培養(yǎng)體系扎實，研究型人才優(yōu)勢顯著。未來，兩國將在人工智能領(lǐng)域有更多正面角力。

中國能否在十年內(nèi)全面超越美國？這是個強烈的懸念。

3.1 中美巨頭的產(chǎn)業(yè)布局

　　從產(chǎn)業(yè)圖譜來看，人工智能主要分為技術(shù)層、應用層和基礎(chǔ)層。技術(shù)層包括人工智能通用技術(shù)平臺（例如計算機視覺與圖像、自然語言處理、語音識別）。應用層包括人工智能行業(yè)應用方案、消費類終端或服務等。基礎(chǔ)層包括人工智能芯片、算法和數(shù)據(jù)。

　　美國巨頭呈現(xiàn)出全產(chǎn)業(yè)布局的特征，包括基礎(chǔ)層、技術(shù)層、應用層，均有布局；而中國巨頭主要集中在應用側(cè)，只在技術(shù)層局部有所突破。

3.2 技術(shù)層：爭搶人才，構(gòu)建生態(tài)

　　在技術(shù)層面，巨頭通過招募高端人才、組建實驗室等方式加快關(guān)鍵技術(shù)研發(fā)。同時，通過持續(xù)收購創(chuàng)業(yè)公司，爭奪AI人才，完善自身布局。此外，巨頭還通過開源技術(shù)平臺，構(gòu)建生態(tài)體系，賦能全行業(yè)。

3.2.1建立核心人才隊伍：AI實驗室

3.2.2 持續(xù)收購拼搶人才與技術(shù)

　　初創(chuàng)公司往往會成為巨頭的獵物。打個比方，如果AI全產(chǎn)業(yè)如一部巨大機器，那么新興創(chuàng)業(yè)公司，大多是機器上的某個零部件。這是因為新興創(chuàng)業(yè)公司，僅具有某一項或幾項技術(shù)優(yōu)勢，很難成為主導全局型應用，但有助于完善巨頭布局，因而，最終難逃被巨頭收購。

　　巨頭公司通過投資和并購儲備人工智能研發(fā)人才與技術(shù)的這種趨勢越來越明顯。中美并購事件近兩年密集增加。CB Insights的研究報告顯示，谷歌自2012年以來共收購了11家人工智能創(chuàng)業(yè)公司，是所有科技巨頭中最多的，蘋果、Facebook和英特爾分別排名第二、第三和第四。標的集中于計算機視覺、圖像識別、語義識別等領(lǐng)域。Google于2014年以4億美元收購了深度學習算法公司Deepmind，該公司開發(fā)的AlphaGo為Google的人工智能添上了濃墨重彩的一筆。

2011-2016人工智能主要收購事件 來源：CB Insights

3.2.3 建立開源生態(tài)，占領(lǐng)產(chǎn)業(yè)核心

　　人工智能的常見開發(fā)框架包括谷歌的TensorFlow、Facebook的Torch、Microsoft的CNTK以及IBM的SystemML。這些框架的地位類似于人工智能時代的iOS/Android。開源也成為了這些軟件開發(fā)框架共同的策略。

　　谷歌早在2011年就成立AI部門，在谷歌內(nèi)部，由機器學習驅(qū)動的產(chǎn)品和業(yè)務不計其數(shù)，包括谷歌搜索、Google Now、Gmail等，同時谷歌還向其開源Android手機系統(tǒng)中注入大量機器學習功能。2011 年第一代機器學習系統(tǒng)，從大量的Youtube 圖片中學會了識別貓；2015年，谷歌將內(nèi)部采用深度學習的技術(shù)整理到一起，發(fā)布第二代人工智能系統(tǒng)TensorFlow，并宣布將其開源。這是一套包括很多常用深度學習技術(shù)、功能和例子的框架。得益于龐大的計算和數(shù)據(jù)資源，谷歌大腦在深度學習方面取得了顯著的成果。在幾次人機大戰(zhàn)中大放異彩的DeepMind公司自2014年被Google收購后，陸續(xù)發(fā)表了207篇頂級期刊論文，為Google帶來了大量研究人才。

　　2013年卷積神經(jīng)網(wǎng)絡發(fā)明者Yann LeCun加入Facebook，帶領(lǐng)公司的圖像識別技術(shù)和自然語言處理技術(shù)大幅提升。Facebook的深度學習框架是基于之前的Torch基礎(chǔ)上實現(xiàn)的，于2015年12月開源。此外，F(xiàn)acebook還開源了人工智能硬件平臺Big Sur等十余個項目。

　　微軟在2016年整合微軟研究院、Cortana和機器人等團隊建立“微軟人工智能與研究事業(yè)部”，現(xiàn)有7000多名計算機科學家和工程師。同年，微軟發(fā)布了其深度學習工作包CNTK，CNTK使得實現(xiàn)和組合前饋型神經(jīng)網(wǎng)絡DNN、卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡變得非常容易。

　　在Google和微軟分別開源其機器學習平臺后，IBM也開源了其深度學習平臺SystemML。IBM主推的認知計算平臺也向開發(fā)者開放了Watson的認知計算能力，加速人工智能的部署。

　　2016年，百度開放了其深度學習平臺Paddle-Paddle，覆蓋了搜索、圖像、語音識別、語義處理、用戶畫像等領(lǐng)域的技術(shù)。騰訊不同事業(yè)部都在不同領(lǐng)域展開AI研究。AI Lab注重將技術(shù)與騰訊業(yè)務場景相結(jié)合，即游戲、社交、內(nèi)容生態(tài)。

　　大公司紛紛擁抱開源有兩方面原因：第一，通過開源來構(gòu)建生態(tài)和護城河。無論是谷歌、亞馬遜還是BAT都已經(jīng)擁有云計算基礎(chǔ)設(shè)施，Google、微軟一直在講的開源、AWS推出的AI功能，本質(zhì)上并無差別，都是為了賦予自家云端客戶更強的數(shù)據(jù)處理能力。在現(xiàn)有的云服務市場中，科技巨頭占據(jù)多數(shù)，構(gòu)建基于人工智能的云服務將成為巨頭的下一個主戰(zhàn)場。AI是信息基礎(chǔ)設(shè)施的一個升級，是今后產(chǎn)業(yè)發(fā)展的巨大引擎。巨頭都想把握升級過程中涌現(xiàn)的大量機會，賦能全行業(yè)。第二，開源是一種開放式創(chuàng)新。通過開源深度學習平臺，不僅可以吸引大量開發(fā)者，還可以為機器學習提供大量的數(shù)據(jù)支持，以及大量的現(xiàn)實場景。在人工智能平臺化的趨勢下，未來人工智能將呈現(xiàn)若干主導平臺加廣泛應用場景的競爭格局。

3.3 應用層：搶奪語音交互入口，征戰(zhàn)云服務（略）

3.4 基礎(chǔ)層：美國巨頭深入產(chǎn)業(yè)核心布局芯片

　　人工智能芯片主要包括GPU、FPGA、ASIC以及類腦芯片。在人工智能時代，它們各自發(fā)揮優(yōu)勢，呈現(xiàn)出百花齊放的狀態(tài)。

3.4.1榜單企業(yè)的野望

　　全球十大AI芯片廠商中，美國6家上榜。這些榜單企業(yè)包括Google、英偉達、Intel、IBM、微軟，均自行研發(fā)了AI芯片。

　　Google的TPU全名是TensorFlow Processing Unit，專為其深度學習算法Tensor Flow設(shè)計。該芯片也用在AlphaGo系統(tǒng)中、StreetView和機器學習系統(tǒng)RankBrain中。今年Google開發(fā)者大會上發(fā)布的第二代Cloud TPU理論算力達到了180T Flops，能夠?qū)C器學習模型的訓練和運行帶來顯著的加速效果。

　　英偉達是GPU行業(yè)領(lǐng)袖，應用領(lǐng)域涵蓋視頻游戲、電影制作、產(chǎn)品設(shè)計、醫(yī)療診斷等各個門類。GPU即圖形處理器，由于其強大的并行計算能力，GPU是目前深度學習領(lǐng)域主流核心芯片。