從全球范圍來看，人工智能領先的國家主要有美國、中國及其他發達國家。

　　人工智能是當前人類所面對的最為重要的技術社會變革。從各國政府到資本、業界都熱情擁抱人工智能。在此大背景下，我們有必要知道技術的壁壘在哪里，了解商業化的邊界在哪里，才能更好地理解人工智能。近日，騰訊研究院出臺《中美兩國人工智能產業發展報告》。記者 對此進行摘取和解讀。

　　從全球范圍來看，人工智能領先的國家主要有美國、中國。因此了解和熟悉產業當中有哪些成熟和短板非常重要。本報告非常扎實、數據來源權威，從上下游梳理了中美人工智能產業的異同，差距，引用了大量的案例進行剖析解讀，一文盡知，中美布局。

　　以下為報告內容：

　　從全球范圍來看，人工智能領先的國家主要有美國、中國及其他發達國家。截止到2017年6 月，全球人工智能企業總數達到2542家，其中美國擁有 1078家，占據42%;中國其次，擁有592 家，占據23%。中美兩國相差486家。其余872家企業分布在瑞典、新加坡、日本、英國、澳大利亞、以色列、印度等國家。

　　從現有統計上看，美國人工智能企業從1991年開始創建，從1991年--1997年歷經萌芽時期，1998年--2004年階段經歷發展期，2005年--2013年階段歷經高速成長期，2013年至今進入平穩階段。

　　和美國相比，中國的AI產業進步略晚，1996年開始起步，2003年進入發展時期，2008年--2015年期間進入高速成長時期，到2015年期間，人工智能有關的企業達到166家。

　　中美AI創投融資對比

　　技術如果得到資本的加持，將會推動技術的落地和進步。

　　美國的AI產業布局非常完善，基礎層、技術層和應用層都有涉及，尤其是在算法、芯片和數據等產業核心領域，積累了強大的技術創新優勢，各層級企業數量全面領先中國。相比較而言，中國在基礎元器件、基礎工藝等方面差距較大。

　　從基礎層的芯片企業數量來看，中國擁有14家，美國33家，中國僅為美國的42%。 而技術層，中國擁有273家，美國擁有586家，中國為美國的46%。 在應用層，中國擁有304家公司，美國擁有488家，中國是美國62.3%。

　　總體來看，美國在企業數量上全面領先中國，基礎層和技術層的企業數量約為中國的2倍，但是在應用層上，中國和美國的差距略小。

　　中國投資者在應用層關注的更多。中國人工智能企業中，融資占比排名前三的領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 助駕駛融資107億元，占比18%。值得一提的是：中國的自動駕駛/輔助駕駛企業雖然只有31家，但融資額是第三，表明中國的投資者非常看好這一領域。

　　美國投資者對于基礎層更為看重。在美國人工智能企業中，融資占比排名前三的領域為芯片/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%。芯片企業的數量排名第八，33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。

　　中國的弱點在芯片，近年來，中國的創業者和投資者逐漸開始關注對芯片，截止至2017年6月，中國處理器/芯片投資事件比重排名第四，占比7.55%，但可能由于基礎層公司少，投資門檻高，導致事件數量仍和美國有較大差距。

　　美國的大筆投資熱點在機器學習應用，這一領域同時也是僅次于芯片的吸金領域。美國的AI已 經在各行各業都產生了連帶效應。而中國只在自動駕駛/輔助駕駛、計算機視覺與圖像等領域應用較多，相對而言還是比較狹窄的。

　　未來趨勢預判：

　　泡沫即將出現，主要的信號有兩個：

　　一、資金多而項目少

　　綜合過往數據和2017年前半年的情況，今年美國新增企業數量將跌到谷底，預計在2017結束之前，美國新增企業數量范圍將在25-30家之間徘徊。 同時，美國的累計融資量持續快速增長，最 后將穩定在1380-1500億元的區間。 18年后，中美兩國AI企業數量增長都將有所恢復，但依然平緩。

　　二、周期長而營收難

　　通俗地說，現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網絡研究。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被設計出來了。

　　盡管如此，市場熱炒的人工智能技術和產品的成熟度仍然有限。許多項目和技術，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，創業項目不得不舍棄大眾消費市場而致力于解決企業級問題，創新公司的商業模式回歸到類似傳統IT廠商的角色，進一步加大了營收難度。

　　預計在2020年之前，美國累計AI公司數量將會超過1200家，累計融資將達到2000億人民幣;根據歷史數據推斷，中國在2017年年末達到745億融資總額。

　　中美AI巨頭卡位戰

　　引領AI產業發展的技術競賽，主要是巨頭之間的角力。目前，蘋果、谷歌、微軟、亞馬遜、Facebook五大巨頭都在人工智能領域部署更多的資源;不僅國外巨頭如此，國內的BAT都卯足馬力，積極布局人工智能。

　　美國的巨頭通過收購拼搶人才，強化技術儲備;同時爭相開源，構建生態，人工智能的平臺化、云端化將成為全球發展的潮流。而中國的巨頭憑借場景和數據優勢，在計算機視覺、語音識別等領域，具備了和美國巨頭一較高下的實力。

　　中美巨頭的產業布局

　　美國巨頭呈現出全產業布局的特征，包括基礎層、技術層、應用層，均有布局;而中國巨頭主要集中在應用側，只在技術層局部有所突破。

　　技術層：爭搶人才，構建生態

　　巨頭們通過招募高端人才、組建實驗室等方式加快對關鍵技術的研發，Facebook在2013年開始就成立了Facebook人工智能研究實驗室，研究圖像識別、語義識別等人工智能技術;同年，國內的巨頭百度亦成立深度學習實驗室，研究方向包括深度學習、計算機視覺、機器人等領域。

　　下圖整理了各大巨頭的AI實驗室的名稱、成立年份、簡介：

　　除了成立實驗室以外，巨頭們一會通過投資和并購儲備人工智能研發人才和技術。其中，Google于2014年以4億美元收購了深度學習算法公司 Deepmind，該公司開發的AlphaGo為Google的人工智能添上了濃墨重彩的一筆。

　　CB Insights 的研究報告整理了2011年—2016年人工智能主要收購事件，谷歌自2012年以來共收購了11家人工智能創業公 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、語義識別等領域。

　　建立開源生態，占領產業核心

　　大公司紛紛擁抱開源有兩方面原因： 第一，通過開源來構建生態和護城河。無論是谷歌、亞馬遜還是BAT都已經擁有云計算基礎設施，Google、微軟一直在講的開源、AWS推出的AI功能，本質上并無差別，都是為了賦予自家云端客戶更強的數據處理能力。在現有的云服務市場中，科技巨頭占據多數，構建基于人工智能的云服務將成為巨頭的下一個主戰場。AI是信息基礎設施的一個升級，是今后產業發展的巨大引擎。巨頭都想把握升級過程中涌現的大量機會，賦能全行業。第二， 開源是一種開放式創新。通過開源深度學習平臺，不僅可以吸引大量開發者，還可以為機器學習提 供大量的數據支持，以及大量的現實場景。

　　人工智能的常見開發框架包括谷歌的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 軟件開發框架共同的策略。

　　2015年，谷歌將內部采用深度學習的技術整理到一起，發布第二代人工智能系統TensorFlow，并宣布將其開源。 TensorFlow包括很多常用深度學習技術、功能和例子的框架。

　　2013年卷積神經網絡發明者Yann LeCun加入Facebook，帶領公司的圖像識別技術和自然語言處理技術大幅提升。Facebook的深度學習框架是基于之前的Torch基礎上實現的，于2015年12 月開源。此外，Facebook還開源了人工智能硬件平臺Big Sur等十余個項目。

　　國內的巨頭也是走開源的路線：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、用戶畫像等領域的技術。騰訊不同事業部都在不同領域展開AI研究。AI Lab注重將技術與騰訊業務場景相結合，即游戲、社交、內容生態。

　　應用層：搶奪語音交互入口，征戰云站務

　　近日，APP分析公司Vetro Analytics公布了一份“基于AI的個人助理如何重塑用戶習慣”的報告。 該報告顯示，憑借蘋果設備廣泛的用戶群體，最早面世的Siri仍然是老大，但一年內流失15%的用戶。 與之相對的是Amazon Alexa的崛起。Alexa伴隨著Amazon Echo智能音箱誕生，用戶數 量在一年內增長325%。 谷歌、微軟、蘋果、Facebook都在爭奪這塊市場。微軟也推出了內嵌 Cortana的Invoke音箱，并且將“Conversation as Platform”（對話即平臺）作為戰略。

　　國內企業中，京東在兩年前與科大訊飛合作布局了智能音箱，致力于成為家庭控制中心。數月前，阿里推出了圍繞著購物場景的智能音箱天貓精靈X1。激烈的音箱之爭背后是下一代服務入口之爭。

　　行業解決方案

　　人工智能必然走向云化，機器學習對于云來說是一項關鍵的技術，它能訓練大規模的AI網絡，不斷自我學習和提升。 在這一點上，Amazon、Google這些擁有較好云端設施的公司將很有優勢。 亞馬遜不僅基于AI 構建和優化了大量自身業務，也利用 AWS云為其他廠商提供了高效的AI解決方案。 “云+AI”成為新的趨勢，Google寄希望于借AI趕超AWS。 2015年，微軟發布了“微軟認知服務”，這是一個基于微軟云平臺Azure的智能API（應用程序編程接口），涵蓋了五大方向的人工 智能技術，包括了計算機視覺、語音、語言、知識、搜索五大類API。

　　國內的BAT三巨頭在云服務領域也紛紛引入人工智能。

　　百度從兩三年前就開始用GPU代替CPU進行計算，提升數據處理能力。2016年，阿里云發布 面向深度學習、3D圖像渲染的新一代HPC平臺。騰訊云在搭建DI-X深度學習與機器學習平臺的基 礎上，開放圖像處理、語音處理和自然語言處理能力為自動駕駛、安防、智慧法庭、智能家居、智 能營銷等多個場景提供解決方案，致力于“讓小企業也能用到AI能力”。

　　基礎層：美國巨頭深入產業核心布局芯片

　　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，它們各自發揮 優勢，呈現出百花齊放的狀態。

　　Google的TPU，是專門為其深度學習算法Tensor Flow設計的，TPU也用在了AlphaGo系統中。今年發布的第二代Cloud TPU理論算力達到了180T Flops，能夠對機器學習模型的訓練和運行帶來顯著的加速效果。

　　而英偉達是GPU的行業領袖，GPU是目前深度學習領域的主流芯片，擁有強大的并行計算力。而另一個老牌芯片巨頭，英特爾則是通過大舉收購進入FPGA人工智能芯片。類腦芯片是一種基于神經形態工程，借鑒人腦信息處理方式，具有學習能力的超低功耗芯片。 IBM從2008年開始模擬人類大腦的芯片項目 。

　　蘋果正在研發一款名為“蘋果神經引擎”（Apple Neural Engine）的專用芯片。該芯片定位于本地設備AI任務處理，把面部識別、語音識別等AI相關任務集中到AI模塊上，提升AI算法效率， 未來可能嵌入蘋果的終端設備中。

　　芯片由于投資周期長、專業技術壁壘厚、市場相對比較狹小，導致競爭非常激烈且難以進入。

　　卡位之戰，誰能勝出？

　　在人工智能卡位戰中，巨頭們戰術趨同，即建立技術壁壘，軟硬件雙線發展，做好平臺生態。 但戰略上略有不同：Google是全球在人工智能領域投入最大且整體實力最強的 ，Google希望利用開源系統構建AI生態，覆蓋更多用戶使用場景，從互聯網、移動互聯網 等傳統業務延伸到智能家居、自動駕駛、機器人等領域，積累更多數據信息。

　　亞馬遜的特點是B端和C端共同發力。通過智能音箱和語音助手引領人工智能消費 級行業生態。另一方面，用人工智能深化AWS云計算服務，賦能全行業。Facebook在人工智能領 域的布局主要圍繞著其用戶的社交關系和社交信息來展開

　　國內三巨頭中，百度相對激進，宣布了“All in AI”戰略，隨著陸奇的強勢加盟，將全力推動百度轉型成AI平臺型公司。騰訊、阿里基于自身產品功能進行試水。

　　除了正面競爭，巨頭們在人工智能領域的積極合作。2016年9月，Facebook、亞馬遜、谷 歌、IBM、微軟五大巨頭成立了非盈利組織“Partnership on AI”（人工智能合作組織），旨在分 享AI領域的最佳技術實踐，促進公眾對AI的理解，挖掘可以促進社會福祉的AI研究領域以及提供一 個公開參與的平臺。

　　中美AI領域人才隊伍

　　當前，人工智能領域的競爭，主要體現為人才之爭。 只有投入更多的科研人員，不斷加強基礎研究，才會獲得更多的智能技術。

　　美國產業人才總量是中國的兩倍

　　美國1078家人工智能企業約有78700名員工，中國592家公司中約有39200位員工，只有美國的50%。其中，美國基礎層人才數量是中國的13.8倍。

　　在自然語言處理領域，美國員工人數是中國的3倍，美國20200人，中國6600人;

　　處理器/芯片，美國員工人數是中國的13.8倍，美國17900人，中國1300人;

　　機器學習應用，美國員工人數是中國的1.8倍，美國17600人，中國9800人;

　　智能無人機，美國員工人數是中國的1.98倍，美國9220人，中國4660人;

　　計算機視覺與圖像，美國員工人數是中國的2.87倍，美國4335人，中國1510人。

　　中國僅在智能機器人領域人才稍多，6400人，約為美國同領域人數的3倍。

　　數據公司 Quid 表示，去年，包括谷歌、Facebook、微軟在內的科技公司花費了約 85 億美元用于研究、收購及網羅人才，比 2010 年多四倍。數據公司 Paysa 數據顯示，美國的公司平均每年給 1 萬名人工智能方面人才發放的工資約為 6.5 億美元。其 中，亞馬遜花費超2億美元招攬人工智能人才，居各大公司之首。

　　中美人才培養模式尚存在差距。很多高校在很長時間內并沒有人工智能專業，而在人工智能的誕生地美國，基本上大的院校都有人工智能專業和研究方向。以美國卡梅隆大學為例，設有專門的機器人研究所，其中光教授就有100多位，縱向而言，中國布局的時間也比較晚。教育系統之間的差別也將影響人工智能領域的研究重心。

　　目前，中國政府致力于加強AI人才建設。AI人才儲備正在出現新的趨勢。“***”吸引了一批優秀研究者回國，國內的巨頭企業也正在致力于吸引來自世界各地的研究者。 未來，還需繼續建立核心技術人才培養體系，加強人工智能一級學科的建設，加強企業和學術 界的人才流通，打造堅實的人才基礎，推進產業健康發展 。

　　人工智能應用熱點

　　人工智能技術不斷突破，尤其是語音識別、自然語言處理、圖像識別、人臉識別為代表的感知技術取得了重大技術進步，并且圍繞著這些技術涌現出了大量的創業熱潮。相關技術已經開始從實驗室走向了應用市場，特別是在交通、醫療、工業、農業、金融、商業等領域應用加快，帶動了一批新技術、新業態、新模式、新產品的突破式發展，帶來了深刻的產業變革，有望重塑全球產業格局。

　　這一輪的人工智能技術的應用中，自動駕駛、智能醫療、智能安防、服務型機器人、智能交 通、智能制造、智能娛樂等應用成為了全球人工智能市場的熱點。

　　目前，人工智能的產業應用能夠落地，得以三大支撐平臺，基礎層的開源算法平臺、技術層云平臺、應用層的應用平臺。目前Google、Facebook、微軟都已經推出了深度學習算法開源平臺，目前國內只有百度開放平臺paddle paddle。

　　得益于近年中國移動互聯網的快速發展，為中國積累了巨大的C端用戶基數，但在B端的制造、 交通、金融、醫療等傳統行業仍然發展相對落后，相比之下，美國傳統行業基礎設施水平高于中國。

　　因此，中國的傳統行業借助人工智能實現轉型升級的需求更為迫切，市場增長的后勁很足。

　　國內人工智能玩家有以百度、阿里巴巴和騰訊為代表的互聯網巨頭，也有如科大訊飛這樣的AI技術領域龍頭，這些企業作為國內人工智能的核心力量與關鍵勢力，構成了國內人工智能的第一梯隊。

　　美國巨頭的人工智能應用主要圍繞大數據挖掘， 如Facebook建造能夠理解海量數據的人 工智能機器，谷歌在人工智能的側重點比較多，包括自動駕駛、智能機器人等等。在行業應用中更為廣泛。

　　自動駕駛

　　自動駕駛將推動汽車領域重大技術革命，因此世界各國對智能車輛的研發競爭日趨激烈。目前，行業正處于輔助駕駛向半自動駕駛推進的階段。谷歌、意大利帕爾瑪大學和百度的智能汽車原型系統，綜合看來，國內外研發無人駕駛汽車的公司都 把無人駕駛商用的時間線劃在了2020年前后。因此，接下來的3到4年將會是這一技術商業化落地的沖刺時期。

　　智能機器人

　　大部分智能機器人目前還處于產業發展初期，尤其是智能服務機器人仍處于產業化起步階段， 但隨著全球人工智能正在步入第三次高潮期，智能化成為當前機器人重要的發展方向，人工智能與機器人跨界融合創新進一步提升機器人智能化程度。中美在智能機器人領域的差別主要在于，前者 關注專業領域機器人的應用，如醫療、機械作業和家居類等領域較多;而后者則側重在企業或個人 的智能輔助工具，因此，涉及的行業更多，覆蓋范圍更廣。

　　從全球范圍來看，日本ASMO Actroid-F仿人機器人、Pepper智能機器人，美國BigDog仿生機器人等一大批智能機器人快速涌現，巨頭企業也紛紛通過收購機器人企業，將智能機器人作為人工智能重要的載體，推動人工智能發展，例如谷歌相繼收購Schaft、Redwood Robotics等9家機器人公司，積極在類人型機器人制造、機器人協同等方面布局。從國內市場來看，2015年，國內包括商用機器人在內的服務機器人市 場規模大約在82億元左右，2016年將增長至140億元左右，而2017年市場規模將突破200億元。 隨著智能機器人市場規模越來越大，且智能機器人切入點種類繁多，創業公司和巨頭紛紛從不同的 領域、方向和切入點加入智能機器人領域的市場爭奪。

　　此外，人工智能在智慧城市、智能家居、智能金融、智能制造、智慧醫療等領域亦大有可為，能夠解放大量的勞動力、促進生產效率的提升。

　　結語：

　　AI時代群雄逐鹿，中美兩國充分認識到人工智能的重要意義，從人才到政策全面扶植人工智能企業。國家實力的提升來源于科技企業創新。美國以絕對實力處于領先地位，一批中國初創企業也在蓄勢待發，中國企業也將有機會成為AI時代的弄潮兒。