1956年“人工智能”概念在達特茅斯會議上被次提出，為人工智能產業的發展拉開序幕；2006年，深度學習理論提出，互聯網、云計算、大數據、芯片等新興技術為人工智能產業發展提供充足的數據支持和算力支撐；2020年人工智能已在各大行業被廣泛應用。

 

從技術的研發周期判斷，人工智能行業正處于第三波浪潮爆發期，而這波浪潮大的特點就是與業務緊密結合的AI應用場景逐漸落地，比如智能汽車、智慧安防、智慧醫療、工業視覺、車載領域的ADAS和DMS產品等。

　　隨著核心算法的突破、并行計算能力的迅速提升以及海量數據的支撐，在深度學習等新理論的驅動下，近十年來迎來質的飛躍，產業結構也日趨成熟。

　　在需求爆發和政策鼓勵下，產業化落地加速，當前人工智能產業有望進入規模商用的紅利兌現階段。

　　IDC預測在2020-2024年人工智能整體市場規模將保持30.4%的年復合增長率，預計到2024年將達到172.2億美元的市場規模。

　　在人工智能市場的占比將從2020年的12.5%上升到2024年的15.6%，成為市場增長的重要驅動力。

　　從宏觀視角來看，人工智能產業鏈分為上中下游，其中上游提供的是基礎能力、中游將基礎能力轉化成具體的AI技術、下游則將AI技術具體運用到各行各業，形成生產力。

　　按照底層到應用的技術邏輯稱為基礎層、技術層和應用層。基礎層為AI提供數據以及算力的支撐、技術層提供了各類AI算法、架構以及應用平臺、應用層主要挖掘在各個行業和產品的AI+應用價值。

　　而算力、算法和數據是人工智能發展的三駕馬車，三大四素的變革催化人工智能迎來新一輪的發展熱潮。

　　基礎層：人工智能產業的基礎圖片

　　基礎層是人工智能產業的基礎，為人工智能提供數據以及算力的支撐，分為計算硬件、計算系統技術和數據三部分。基礎層從硬件和理論層面，為人工智能的實現提供了根本保障，包括了算力、數據以及傳感系統。

　　計算硬件的創新集中在AI芯片和傳感器。AI芯片通常指針對人工智能算法做了特殊加速設計的芯片，是人工智能產業的核心硬件。

　　相比于美國的英偉達、AMD、Intel、Xilinx等公司，的人工智能芯片行業正處在萌芽期，國內的寒武紀、地平線、華為等布局了AIASIC，知存科技的投入主要集中在存算一體芯片。

　　人工智能芯片逐漸取代傳統芯片的某些應用場景。隨著云計算和邊緣計算需求的高速增長，傳統芯片廠商將持續發展新的合作模式，以應對新客戶的需求。

　　美國在基礎層優勢巨大，以開源算法平臺為例，Google、Facebook、Microsoft都推出了自己的深度學習算法的開源平臺，而有百度的paddle。

　　技術層是人工智能產業的核心，巨頭環伺，專業壁壘高。技術層提供了各類人工智能算法、架構以及應用平臺，構建人工智能的核心能力，需要組建高水平的研發團隊，適合中長期布局。

　　技術層是基于基礎層的支撐，設計出的解決某一類過去需要人腦解決問題的通用方法，以模擬人的智能相關特征為出發點，將基礎能力轉化成人工智能技術，如計算機視覺、智能語音、自然語言處理等應用算法研發。

　　從技術視角來看，語音和圖像領域由于條件概率計算的復雜度相對較低，深度神經網絡率先在這些領域取得突破。其中在安靜環境下的語音識別準確率已經超過95%；ImageNet比賽2017年冠軍的圖像識別準確率也已經超過了97%，均達到了商業應用的門檻，推動商業應用逐漸落地。

　　在技術層的云平臺中，美國作為云計算的初始玩家，占據市場主導地位。的阿里、華為、騰訊等互聯網巨頭也推出了的云服務平臺。

　　在技術層的競爭中，無論還是美國，企業巨頭的策略都是三管齊下。

　　1.通過招募高端人才來組建相應的實驗室研究團隊，從而加快關鍵技術的研發，建立相應的技術壁壘。

　　2.通過收購一些細分領域的優秀初創公司，降低巨頭進入該領域的成本，同時完善公司的整體戰略布局。

　　3.開放平臺層包含基礎開源框架和技術開放平臺，科技龍頭企業構建基礎開源框架，部署機器學習、深度學習底層平臺。通過開源技術平臺，吸引開發者一起構建相應的生態體系。

　　美國典型的公司有Google、Microsoft、IBM、Facebook；國內布局AI實驗室的代表企業有百度、阿里巴巴、騰訊、字節跳動、快手。

　　應用層：人工智能產業的延伸圖片

　　應用層是基于技術層的能力，主要是與產業和產品融合，去解決具體現實生活中的問題。

　　該層面直擊行業痛點，變現能力強，較短期限內即可得到回報，也呈現出百花齊放的態勢。

　　目前產業鏈中位于該環節的相關人工智能公司多。運用相對成熟的是AI+賦能產業，包含：安防、智能汽車、新零售、醫療、教育等和AI+產品，包含智能音箱、翻譯筆、機器人、智能家居等。

　　相較而言，碎片化應用雖然已經逐漸被各行業用戶所采用，但整體的應用成熟度仍相對較低，也是未來增長潛力較高的應用場景。

　　在應用層，中美互聯網巨頭都有屬于自己的垂直應用平臺。以語音平臺為例，Google Assistant、Cortana、科大訊飛語音開放平臺、百度大腦都是業內知名平臺。

　　根據《人工智能產業數據報告》顯示，在人工智能領域論文發表量超過9萬篇，占人工智能論文發表總量的22.7%。

　　在人工智能發表論文數量排名前15的機構中，科學院系統排名，加州大學系統和法國科學研究中心分列二，三位。除了科學院系統，包括清華大學，上海交通大學，哈爾濱工業大學和北京航空航天大學共5家研究機構上榜，美國同期有7家上榜。

　　隨著技術不斷迭代，市場認知不斷完善，相關技術與傳統行業經營模式和業務流程開始產生實質性融合，應用領域也逐漸向實體經濟領域和公共服務領域拓展，全面賦能生產生活各個方面，人工智能的基礎設施屬性正在逐步顯現。

　　根據埃森哲的數據，2035年人工智能將推動我國勞動生產率提高27%，經濟總增加值提升7.1萬億美元。未來隨著以深度學習為代表的技術的成熟，人工智能將更加注重應用落地，深入到數字經濟的各個組成部分，促進產業內價值創造方式的智能化變革。