近年來，在算法、算力和大數據三大要素驅動下，人工智能的產業成熟度正不斷提升，同時，越來越多的人工智能企業正叩響科創板的大門。

依據產業鏈上下游的關系，人工智能被劃分為基礎層、中間技術層和下游應用層。其中國內人工智能產業側重于技術層和應用層，與之相比，基礎層則是整個人工智能產業鏈的技術薄弱環節。比如對于AI芯片的研發，雖然寒武紀、地平線、華為等中國公司布局了AI芯片，但與英偉達、AMD、Intel、Xilinx 等美國的公司相比，中國的人工智能芯片行業正處在萌芽期。

整體來看，華泰證券在2020年5月發布的深度報告中指出，從產業生態來看，我國偏重于技術層和應用層，短期來看，應用終端領域投資產出明顯，但其難以成為引導未來經濟變革的核心驅動力。中長期來看，人工智能發展根源于基礎層（算法、芯片等）研究有所突破。

三大技術方向

在人工智能產業鏈中，中游技術類企業具有技術生態圈、資金和人才三重壁壘，是人工智能產業的核心。華泰證券報告指出，相比較絕大多數上游和下游企業聚焦某一細分領域，技術層向產業鏈上下游擴展較為容易。

進一步來看，技術層主要包括算法理論（機器學習）、開發平臺（開源框架）和應用技術，其中我國在算法理論和開發平臺的核心技術仍有所欠缺，但在應用技術的部分領域已具備長足的優勢。

記者了解到，計算機視覺、智能語音、自然語言處理是三大主要技術方向，也是中國市場規模最大的三大商業化技術領域。

在計算機視覺領域，根據沙利文咨詢的統計預測，2019年中國計算機視覺行業市場規模約為219.64億元人民幣，預計2024年將達到1613.03億元人民幣。目前該行業市占率前四名的企業分別為：商湯科技，曠視科技，依圖科技和云從科技。

而對于智能語音和自然語言處理，根據沙利文咨詢的統計預測，2019 年中國智能語音行業市場規模約為 218.4 億元人民幣，預計2024 年將達到489.8 億元人民幣。

受益于計算機視覺、智能語音、圖像識別、自然語言處理等技術的快速發展，人工智能已廣泛地滲透和應用于諸多垂直領域，產品形式也趨向多樣化。

記者了解到，當前運用相對成熟的是 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。

破局場景碎片化

值得注意的是，盡管AI可以賦能多個產業，但AI技術的落地仍受限于場景的碎片化。而為特定垂直行業提供定制化服務，成為一種較為普遍的解決方案。

比如在云從科技發展早期，其根據客戶需求提供定制化技術開發服務占比較大；在AI智能語音公司云知聲的盈利模式中，也存在為客戶提供具有一定定制成分的場景智能化解決方案，以此獲得相應的收入；另外騰訊旗下AI實驗室——騰訊優圖，也會針對很多的行業會做一些專業的解決方案的定制，包括為工業、廣電傳媒等行業定制特定的解決方案。

總體來看，雖然計算機視覺、智能語音等特定領域實現了單點突破，但單一模塊化解決方案難以滿足日益復雜的細分場景需求。騰訊優圖實驗室副總經理黃飛躍此前向包括記者在內的媒體表示，即使這些（定制化）解決方案也不夠解決太多的長尾客戶的需求。

記者獲悉，騰訊優圖研發了一些自動化的AI平臺，通過前述平臺來滿足客戶更多的長尾的定制化的需求。

騰訊優圖實驗室總監吳永堅向包括記者在內的媒體解釋，當前遇到比較大的一些問題應該是場景的碎片化和垂直性較強，因此優圖希望把當前的工程和研究能力往AI平臺化方向發展，平臺把整個AI流程標準化，從數據的準確，到算法模型的選擇和訓練，再到整個模型的部署和實施，“即通過平臺模式去解決將來會看得到AI垂直化和散落化的一些問題”。

除騰訊優圖外，云從科技也提出一種相似的理念，即人機協同操作系統。其招股書顯示，人機協同操作系統主要為標準化的產品，其可根據不同應用場景客戶需求提供的多種人機協同應用產品和整體操作系統。

有觀點認為，人工智能產業將逐步向工業化邁進。既擁有行業知識又擁有智能技術的企業通過提供標準化、模塊化的產品和服務，將為橫向多行業全場景賦能。

芯片！芯片？

與人工智能的技術層和應用層相比，基礎層有著更高的壁壘。

華泰證券報告指出，基礎層由于創新難度大、技術和資金壁壘高等特點，底層基礎技術和高端產品市場主要被歐美日韓等少數國際巨頭壟斷。

以基礎層中的AI芯片為例，目前GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）是AI 芯片行業的主流技術路線。其中GPU擅長大規模并行運算，可平行處理海量信息，是AI 芯片的首選，目前英偉達和AMD占據GPU芯片市場的主要份額，其中英偉達占GPU市場份額的 70%-80%。

FPGA同樣是AI芯片市場的重要細分市場，從經濟成本看，FPGA重復成本高于同類ASIC芯片，規模化量產下，ASIC芯片單位IC成本隨產量增加持續走低，總成本顯著低于FPGA。但從時間成本看，FPGA無需等待芯片流片周期，編程后可直接使用，相比于ASIC可助于企業節約產品上市時間。

在FPGA領域，國內百度、阿里、上海復旦、紫光同創等在布局，但與賽靈思、Intel等巨頭相比，在市占率、技術等方面尚存差距；而在ASIC領域，國內初創芯片企業有寒武紀、比特大陸和地平線等，互聯網巨頭有百度、華為和阿里等。

華泰證券在研報中認為，國內布局主要集中在終端 ASIC 芯片，部分領域處于世界前列，但多以初創企業為主，且尚未形成有影響力的“芯片?平臺?應用”的生態；而在GPU 和 FPGA領域，中國尚處于追趕狀態，高端芯片依賴海外進口。

不過，記者注意到，近年來，越來越多的AI公司選擇走向“造芯”之路，比如云知聲早在2014年就表態必須研發面向物聯網的芯片，目前公司已量產了兩款AI專用芯片；依圖科技也在2019年推出了首款定制芯片：求索。

創道咨詢執行董事步日欣向記者表示，專注于應用領域的人工智能企業，大概率都會開發自有芯片，能夠結合自己產品算法、應用特點，提高產品性能，開發更有競爭力的產品。

人工智能行業內人士向記者指出，簡單來說，研發AI芯片，就是找一家代工廠商，將自身的算法定制到芯片中，關鍵的問題是，是否有必要去做AI芯片，是面向資本市場做、還是服務于自身的業務。

“市場對于AI芯片的選擇很多，客戶對于AI芯片的選擇可以是寒武紀、可以是華為海思，也可以是地平線等” ，上述業內人士進一步補充道，“AI芯片需要很高的投資，能否覆蓋成本也是要考慮的”。

記者了解到，AI公司中，云從科技目前未選擇自研芯片，而是聚焦于操作系統，其AI芯片選擇合作研發的方式，公司當前承擔著工信部“基于自研 SoC 芯片的高準確度人臉識別產業化應用”。

云從科技聯合創始人姚志強曾表示， 在“造芯”過程中，由于芯片是一個系統工程，云從會基于自身優勢自研其中的核心組件，而非全部。

除云從科技外， AI公司第四范式同樣側重自研操作系統。
責任編輯:tzh