當前，以新一代人工智能為代表的科技和產業革命正在孕育興起。數字化、網絡化、智能化的信息基礎設施加速構建，以信息通信、生命、材料科學等交叉融合為特征的集成化創新、跨領域創新漸成主流，圍繞“智能+”打造的產業新應用、新業態、新模式不斷涌現，人工智能的“頭雁”效應得以充分發揮。預計2021年，人工智能將加速成為構建現代化的數字經濟體系、推動經濟社會高質量發展的重要驅動力量，作為“新型基礎設施”的一部分與5G、云計算、大數據、工業互聯網等新技術深度融合，形成新一代信息基礎設施的核心能力，為數字經濟發展提供底層支撐。

對2021年形勢的基本判斷

（一）新興技術持續孕育，以人工智能為核心的集成化技術創新將加速

2020年以來，我國人工智能單點技術應用更加成熟，但人工智能與相關技術的協同規模化和產業化應用尚在早期，對經濟高質量發展的賦能效率有待提升。我們判斷，未來人工智能單項技術獨立發揮作用將面臨天花板。預計2021年，虛擬現實、超高清視頻、新興汽車電子等新技術、新產品將不斷孕育涌現，并與人工智能加速交叉集成，推動生產生活方式和社會治理方式智能化變革的經濟形態；與此同時，人工智能與5G、云計算、大數據、工業互聯網、物聯網、混合現實（MR）、量子計算、區塊鏈、邊緣計算等新一代信息技術互為支撐。通過智能技術產業化和傳統產業智能化，人工智能將為智能經濟的發展和產業數字化轉型提供底層支撐，推動人工智能與5G與云計算、大數據、物聯網等領域深度融合，形成新一代信息基礎設施的核心能力。

具體方向上，以交叉融合為特征的集成化創新漸成主流，多種新興技術交叉集成的價值將使人工智能發揮更大社會經濟價值。預計2021年，人工智能將與汽車電子等領域加速融合，實現感知、決策、控制等專用功能模塊，推動形成自動駕駛、駕駛輔助、人車交互、服務娛樂應用系統，進一步革新傳統汽車產業鏈，使汽車加速智能化、網聯化；人工智能有望與虛擬現實技術的相結合，為生產制造、家裝等提供工具，并為虛擬制造、智能駕駛、模擬醫療、教育培訓、影視娛樂等提供場景豐富、互動及時的平臺環境。

（二）智能經濟初現雛形，泛在智能發展迅猛

新冠肺炎疫情成為未來一段時期全球發展的“新常態”，國內外均處于經濟社會創新發展和轉型升級期，對人工智能的運用需求迫切，我們判斷，隨著算法的創新、算力的增強、數據資源的累積，智能化基礎設施的建設和傳統基礎設施將實現智能化升級，人工智能技術有望推動經濟發展全要素的智能化革新。

展望2021年，人工智能進一步推動數字經濟進入到智能經濟的新階段，智能經濟這一新型經濟形態已初現雛形，人工智能將與實體經濟加速融合，成為新常態下產業轉型升級的重要賦能源頭之一，不僅推進智能制造、智能物流、智能農業、智慧旅游、智能醫療、智慧城市等模式和業態的創新，還帶動智能運營、智能軟件、智能硬件、智能機器人等新產品發展，泛在化的智能經濟發展將初見雛形。人工智能將賦予信息物理系統（CPS）新的內涵，使之成為更具普遍性的人機協同系統。未來，萬物互聯必然帶來網絡的泛在、數據的泛在和應用需求的泛在，人工智能的應用場景將從拓展到更多行業、更多領域、更多環節、更多層面，任何人、任何單位在任何時間、任何地點都能使用的泛在智能將加速實現，這也將進一步推動人工智能技術與實體經濟各領域的深度融合。

具體方向上，預計2021年制造業將是人工智能應用場景最為豐富、最具潛力的領域，其應用需求貫穿制造業全生命周期，將成為未來人工智能融合應用的關鍵領域，人工智能與制造業的深度融合將在制造業更多環節、更多層面得到推廣和深化，需求導向、痛點聚焦將成為人工智能與制造業融合的關鍵之一，人工智能產品和服務將落在具體的工業智能產品或具體行業領域的系統解決方案上，此外，由于大多數產業鏈企業還未從人工智能應用中大規模獲取價值，因此安全性與投入產出比將成為制造企業應用人工能的重要決策依據，其附加值提升關鍵點將逐瓶由設備價值挖掘轉向用戶價值挖掘。

（三）場景賦能成為主旋律，典型場景將成為融資重點

隨著我國人工智能技術的逐漸成熟，應用模式與商業模式的成形，人工智能市場和產業發展將持續向好，截至2020年6月底，我國人工智能核心產業規模達770億元，人工智能企業超過2600家，已成為全球獨角獸企業主要集中地之一，“場景決定應用、應用決定市場、市場決定企業發展前景”的人工智能投融資邏輯進一步獲得各界認可。預計2021年，人工智能領域細分化和專業化程度將進一步提升，人工智能應用廣泛的商業化落地階段來臨，政府和市場對于與具體應用場景特別是與實體經濟應用需求緊密結合的應用將更加關注。

具體而言，預計2021年地方政府對人工智能產業發展的熱度將持續，地方扶持政策、舉措等也將變得更加務實和具備可操作性，應用將成為政府關注和緊抓的重要內容，國內更多城市（群）將聚焦智能芯片、智能無人機、智能網聯汽車、智能機器人等優勢產業，面向醫療健康、金融、供應鏈交通、制造、家居、軌道交通等重點應用領域，積極構建符合本地優勢和發展特點的人工智能深度應用場景，預計未來一年新零售、無人駕駛、醫療和教育等易落地的人工智能應用場景將更加受到資本關注。同時，由于中國在人工智能底層技術方面仍落后于美國，隨著人工智能在中國的進一步發展，底層技術的投資的熱度將持續增長，那些擁有頂級科學家團隊、雄厚科技基因的底層技術創業公司將獲得資本市場的持續資金注入，資本市場的轉變將推動人工智能更加強調理性，各大企業將扎根場景深挖落地應用，使得人工智能產品真正“有用”。

（四）“新基建”賦能各行各業，人工智能產業底層支撐持續提升

中央經濟工作會議于2018年首次提出“新基建”這一概念，指出要發揮投資關鍵作用，加大制造業技術改造和設備更新，加快5G商用步伐，加強人工智能、工業互聯網、物聯網等新型基礎設施建設，此后已有7次中央級會議或文件明確表示加強“新基建”。2020年3月4日，中共中央政治局常務委員會召開會議，提出加快5G網絡、數據中心等新型基礎設施建設進度，引發更大關注。“新基建”具有新時代的豐富內涵，既符合未來經濟社會發展趨勢，又適應中國當前社會經濟發展階段和轉型需求，在補短板的同時將成為社會經濟發展的新引擎，人工智能“新基建”對人工智能產業發展具有重大意義。預計2021年，圍繞算法、數據和計算力等人工智能新基建的“三駕馬車”，人工智能產業鏈建設力度將繼續增大。

具體而言，在算力方面，2021年我國5G通信網絡部署加速，接入物聯網的設備將增加至500億臺，數據的增長速度越來越快，人工智能訓練所需的計算量將進一步呈現指數增長，相關行業對算力的需求將更為龐大，領先互聯網公司大數據量將達到上千PB，傳統行業龍頭型企業數據量將達到PB級，個人產生數據達到TB級，GPU、ASIC?FPGA等計算單元將成為支撐我國人工智能技術發展的底層硬件能力，圍繞三駕馬車開展的產業鏈建設力度將持續加強。在算法方面，Cafe框架?CNTK框架等分別針對不同新興人工智能算法模型進行收集整合，可以大幅度提高算法開發的場景適用性，人工智能算法從RNN、LSTM到CNN過渡到GAN和BERT還有GPT-3等，不斷涌現的新興學習算法將在主流機器學習算法模型庫中得到更高效的實現。

需要關注的幾個問題

（一）人工智能規模化基礎算力支撐能力有限

多樣化的人工智能產業應用數據和更復雜的深度學習算法，需要強大計算能力作為實現支撐，預計2021年數據量仍將保持爆炸性增長，人工智能算法模型將更趨復雜，需要更高水平的計算能力，但能提供規模化人工智能算力支持的國內企業還很有限，我國整體在人工智能算力基礎設施方面準備不足。據專業機構預計，人工智能、5G通信等新一代信息技術的普及，將使得全球新創建的數據量將從2018年的33ZB快速增長到2025年的175ZB，這要求計算機的運算能力不斷升級；2010年以來，隨著GPU芯片的普及，FPGA和ASIC芯片加速發展并被應用于人工智能領域，2020年超級計算機的計算能力將達到每秒百億億次的水平。然而，伴隨人工智能發展對算力需求的不斷迭代升級，國內人工智能芯片企業大量仍大量依賴高通、英偉達、AMD、賽靈思、美滿電子、EMC、安華高、聯發科等國際巨頭提供符合要求的芯片產品，國內企業產業鏈龍頭企業的發展與巨頭相比尚在探索期；在商用服務器領域，IBM、HPE、戴爾等國際巨頭穩居全球服務器市場前三位，浪潮、聯想、新華三、華為等國內企業市場份額有限。

（二）開源開放的人工智能算法平臺及框架缺失

本輪人工智能產業發展以深度學習技術為主要引擎，開源開放的深度學習底層環境為技術的進化和創新提供了基礎性保障，我國亟需通過開源開放的方式擴大技術影響力、推動技術創新、聚焦產業生態發展，并為人工智能技術的產品溯源和系統可信評估提供新的解決途徑。但我國開源生態建設起步相對較晚，對人工智能開源核心平臺和框架參與不足，全球主流人工智能算法框架與平臺的主導者是谷歌、臉書、亞馬遜、微軟等美國企業，百度、第四范式、曠視科技、商湯科技、依圖科技等國內企業的算法框架和平臺尚未得到業界的廣泛認可和應用，我國在深度學習框架核心技術領域支撐不足，主要體現在：核心技術和相關技術創新能力有限，對神經網絡模型的訓練性能和跨平臺支持能力不足；對深度學習框架的超前設計和開發能力不足，對模塊化開發、跨平臺支持的研究滯后，不利于我國形成完整的人工智能產業生態，且對我國信息基礎設施安全、產業安全、數據安全存潛在負面影響。芯片已經讓不少中國企業和開發者有了覆舟之戒，深度學習框架卻剛剛引起關注，缺少核心技術將會直接影響到未來人工智能產業相關聯的芯片、系統以及軟硬件平臺等產業發展。

（三）產業數據標準化和互聯互通水平嚴重不足

數據是人工智能迭代創新的核心要素，大數據、云、物聯網、5G通信等新一代信息技術的發展產生了前所未有的海量數據，且數據的增長速度越來越快。我國人工智能技術雖然已在制造、交通、電子商務、金融、醫療等領域實現試點應用，但行業內上下游企業對產業數據的應用呈現各自為陣、重復用功、規模零星、標準不一、場景各異的特點，單一行業或企業的成功經驗很難遷移，在事實上遲滯了廣大中小企業利用人工智能技術提高生產力、實現高質量發展的步伐。不同行業之間數據來源更為繁雜，數據質量參差不齊，標注水平不一，缺少數據標準和整合共享渠道，導致各行業之間、單一行業內部的數據均尚未實現有效互聯互通和有機整合，極大降低了數據的可用性和可遷移性。

（四）尚未形成嵌入行業場景的定制化人工智能基礎設施建設評估框架

典型應用場景作為技術重要“試驗場”和“加速器”，其評估、選擇和打造將決定各行各業能否有效利用人工智能基礎設施提升智能化水平、實現智能化轉型。目前，我國尚未有效發掘豐富數據和多樣化場景的發展潛力，對嵌入行業場景的人工智能“新基建”需求提煉和特點把握不到位；雖然擁有龐大的數據規模以及更豐富的應用場景，尤其在金融、醫療、教育、制造、零售、智慧城市、政府服務等領域有巨大的基礎數據積累和新一代基礎設施需求，但是普遍缺乏對人工智能算力需求的充分評估，缺少結合自身行業對深度學習算法的把握理解和應用能力，對行業數據缺少匯集、統籌、整理、清洗的意識。

事實上，2020年在防控新冠肺炎疫情的過程中，人工智能作為“新基建”的效能已經充分顯現，在紓解各個行業出現人流、物流、信息流、資金流瓶頸方面發揮了重要作用，對重大公共安全風險防范和治理、推動制造業企業復工復產、維持高校和中小學授課教育起到不可或缺的作用，及時總結2020年成功經驗、梳理嵌入行業場景的定制化人工智能基礎設施建設評估框架在2021年已勢在必行。

（五）細分應用領域的專業人才缺口較大

我國推進人工智能進一步發展仍面臨深度學習人才荒的挑戰。根據美國保森基金會旗下智庫的統計顯示，中國是美國頂級AI研究人員的最大來源，截至2019年底，全球頂尖AI人才中的近60%定居美國，其中在中國接受本科教育的頂尖AI人才占比最高，達到29%（其后為美國本土的20%、歐洲的18%和印度的8%），中國是美國頂尖人工智能人才的第一大來源地，在美國人工智能創新發展過程中起到關鍵作用；另據領英大數據顯示，全球AI人才整體供給在340萬人左右，其中深度學習人才僅9.5萬人，且流動性較大，進一步加大了缺口，這其中中國的AI人才總數僅為5萬人。2020年，國內人工智能人才缺口達500多萬，供需比例嚴重失衡；少兒編程教育在美國的滲透率達到44.8%，在中國僅為0.96%；中國的頂級人工智能人才僅排第六名，前五位分別是美國、英國、德國、法國、意大利。2021年，不斷加強我國人工智能人才培養、補齊人才引育短板，已是當務之急。

對策建議

（一）推動建立專用AI計算設施夯實算力基礎

推動建立AI超算中心，承擔大規模AI算法計算、機器學習、圖像處理、科學計算和工程計算任務，加速垂直行業人工智能技術的產業化落地，促進當地人工智能產業發展。推進彈性計算、海量數據存儲等技術應用，提高算力資源利用效率。加快推進AI算力基礎設施綠色高效發展，建設綠色高效算力中心。加強算力中心前期規劃與設計，立足應用需求，兼顧能源、氣候、自然冷源、網絡設施、能耗指標等要素和條件，合理布局建設算力基礎設施。

（二）構建智能生態圈打造軟硬件協同能力

推動實現軟件與定制AI芯片的高度耦合，以達到性能最優。構建行業協同能力，推動人工智能企業與垂直行業平臺及通用平臺做好高效對接，保證調用所需平臺功能的實時性。推動AI專用計算設施與行業已有業務系統實現有效對接，以算力支撐為依托，打造智能化應用生態環境。支持行業企業提供智能算力基礎設施及通用軟件服務，匯聚孵化人工智能企業，促進人工智能產業發展，打造“科技研發、產業孵化、創投資本、教育培訓、配套政策環境”的智能生態圈系統。

（三）持續支持人工智能開源開放和公共服務平臺建設

打造人工智能技術創新載體，支持龍頭企業牽頭，聯合產業上下游企業、高校院所、專業機構等，共同建設人工智能重點領域的技術創新平臺，支持高校、企業申報國家實驗室、國家重點實驗室、國家技術創新中心、重點工程實驗室等國家級科研平臺。認定若干區級人工智能技術創新平臺，并視創新成效給予支持。引導和支持建立一批人工智能開放平臺、開源項目及大規模常識性數據庫，建立人工智能技術公共服務平臺、多場景訓練與測試驗證重點實驗室等一批平臺型人工智能應用測試實體，支持面向云端訓練和終端執行的開發框架、算法庫、工具集等，并為高校院所、創新型企業開放底層技術接口和數據庫調用接口，從源頭上推進人工智能原始創新、自主創新。

（四）建設支持有力的人工智能政策工具箱

健全人工智能數據標準、測評、知識產權等服務體系，著力打造標準化格式的數據集，建立人工智能系統訓練、驗證和測試的元數據集，圍繞產業術語、參考框架、算法模型、基礎理論、關鍵技術、產品及服務、行業應用、安全和倫理等，為細分領域人工智能技術應用提供應用標準、部署指南、實踐案例。推出量化的人工智能技術衡量指標，建立針對人工智能技術性能的標準化評測方法體系，形成人工智能知識產權和倫理道德風險問責制度和審核工具。積極吸引海外科研人員、聚集全球人才，在研究經費資助、個人稅收、簽證、戶口、子女教育等一系列領域推出引進海外高端人才的一攬子政策，切實解決科研人員后顧之憂，并為其科研、創業提供更大力度的支持。
? ? ? 責任編輯:tzh