余玉方

【摘 要】近年来，随着计算机科学与技术，尤其是大数据处理与通信技术以及语言学、神经科学等各领域不断涌现的科研突破，人工智能这一领域获得了新的发展机遇。世界各国对于人工智能发展都给予了高度重视。得益于国家政策的支持，中国拥有丰富的数据资源和庞大的市场需求，人工智能正处于快速发展时期。从发展规模、基础资源、创新模式、应用场景等方面来看，中国的人工智能都小有成就。此外，本文还从空间分布的視角分析了中国人工智能的发展现状，并从技术研发和产业化、技术标准规范、专业人才培养、应用影响研究等角度，对中国人工智能的发展提出了相关建议。

【关键词】人工智能；中国；现状；空间发展规律

一、引言

人工智能发展60多年来，2013年起，迎来了第3次高潮（蔡自兴等，2019）。全球各主要国家纷纷将人工智能视为提升国家综合竞争力、打造科技核心能力的战略手段，美国、英国和德国等主要发达国家纷纷进行制度安排与政策设计，全力开展人工智能研究与产业创新布局。美国国家科学委员会下属的机器学习与人工智能分委员会在2016年制定了《国家人工智能研发战略规划》，其目的在于向整个国家提供一个跨部门的、可操作性的人工智能战略导向。英国政府在次年出台《产业战略：建设适应未来英国》，规划明确指出人工智能将成为影响英国未来的主要挑战，同时在数据获取、培育人才、成果转化等产业领域中提出了对策建议。2017年，德国政府出台《智能服务世界》，明确强调人工智能应与行业领域的发展相结合。

在此轮人工智能热潮中，中国方面也表现出极高的热情和极强的行动力。2015年5月，在《中国制造2025》中，我们首次提出大力发展人工智能新产业。同年7月，国务院发布《关于积极推进“互联网+”行动的指导意见》，将人工智能作为重点发展领域。2016年《“十三五”国家科技创新规划》提出研发支持人工智能产业。2017年国务院印发《新一代人工智能发展规划的通知》，将人工智能提高到国家战略的高度，提出“2030年抢占人工智能全球制高点”。之后各相关部委陆续公布《促进新一代人工智能产业发展三年行动计划（2018-2020年）》等关键性政策报告。中国共产党第十九次全国代表大会更是明确指出，要推动“互联网、大数据、人工智能和实体经济深度融合”。2018年、2019年政府工作报告继续强调“加强新一代人工智能研发应用”“深化大数据、人工智能等研发应用”。

人工智能发展如火如荼，如何认识中国人工智能的发展现状和发展趋势，已是国内国际业内人士和社会公众普遍关注的热点。本文结合相关文献资料，对上述问题进行分析。

二、人工智能概述

1955年，在美国西部计算机联合大会中的在一场名为“学习机器讨论会”的讨论会上，著名的科学家奥利弗·塞弗里奇和艾伦·纽厄尔分别提出了对于计算机模式识别与下棋的研究，人工智能的雏形初现。1956年，在美国达特茅斯大学的一场学术会议上，人工智能的概念首次被提出并获得肯定，标志着人工智能科学诞生。

人工智能研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术，涉及知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面的研究内容（张凌云等，2012）。

人工智能经历的三次发展高潮分别是上世纪五十年代到七十年代，上世纪八十年代到九十年代年代和进入二十一世纪以来至今。1959年，“机器学习之父”阿瑟·塞缪尔提出了机器学习的概念，推动人工智能进入第一个发展高潮期。此后七十年代末期出现了专家系统，标志着人工智能从理论研究走向实际应用。八十年代到九十年代随着美国和日本立项支持人工智能研究，人工智能进入第二个发展高潮期，期间人工智能相关的数学模型取得了一系列重大突破，如著名的BP反向传播算法等，算法模型准确度进一步提升。期间，研究者专门设计了LISP语言与LISP计算机，最终由于成本高、维护难宣告失败。当前人工智能处于第三个发展高潮期，得益于算法、数据和算力三方面共同的进展。2006年，“深度学习之父”杰弗里·辛顿教授提出了深度学习的概念，极大地发展了人工神经网络算法，提高了机器自学习的能力，随后以深度学习、强化学习为代表的算法研究的突破，算法模型持续优化，极大地提升了人工智能应用的准确性，如语音、图像识别等。随着互联网和移动互联的普及，全球网络数据量急剧增加，海量数据为人工智能大发展提供了良好的土壤。大数据、云计算等信息技术的快速发展，GPU等各种人工智能专用计算芯片的应用，更是提升了机器处理海量视频、图像等的能力。由于算法、数据和算力的不断提升，人工智能技术快速发展。

三、中国人工智能的发展现状

人工智能站在了互联网发展的下一个风口上。当前人工智能理论和技术日益成熟，应用范围不断扩大，产业正在逐步形成、不断丰富，相应的发展模式也在持续演进和多元化。人工智能在中国的发展着实方兴未艾。

（一）发展规模方面

近年来，中国人工智能企业数量快速增长。据乌镇智库发布的《全球人工智能发展报告（2018）》，2009至2018年间，中国累计新增人工智能企业3362家，占亚洲累计新增人工智能企业总数的75.20%，占全球新增总数的23.78%。美国拥有3701家人工智能企业，占全球26.18%，比第二名中国多339家。

虽然美国在人工智能方面全球遥遥领先，但从人工智能企业数量、融资规模、专利数3个角度考量，中国的人工智能发展规模和实力已不容小觑。

截至2018年，全球人工智能企业共计15916家，其中美国4567，中国3341，英国868，分列前三。

截至2018年，全球人工智能企业共计融资784.8亿美元，其中美国373.6亿美元，中国276.3亿美元，英国35.6亿美元，分列前三。

截至2018年，美国和中国位于第一梯队并且占据绝对领先优势，分别有68467件和30200件。韩国位于第二梯队，有6983件。加拿大和英国分别以1095件和797件列第四和第五。

表1 美中英人工智能发展规模比较

从人工智能企业数量来看，中国的人工智能企业3341家，与美国的4567家存在差距，但远远超过英国；从融资规模来看，中国融资达到276.3亿美元，英国的35.6亿美元望尘莫及；从专利数来看，中国有68467件，是美国的2.27倍。虽然中国的人工智能专利累计数量大幅领先于美英，但人均专利数稍稍落后于美国。不过，中国每百万人拥有的专利数量正在急速增长，年均复合增长率达34%，远高于美国的16%和英国的12%。同时，2017年中国人均人工智能专利数量已经逼近美国，若继续以相同的势头上涨，则有望在近年实现超越。可以看出，在人工智能技术实力方面，中国强出世界第三不少。

仅从2018年全年来看，中国人工智能企业融资规模达157.54亿美元，占亚洲人工智能企业融资93.09%，全球人工智能企业融资数额的46.94%。中国人工智能企业融资262次，平均每笔融资6013.08万美元。美国人工智能融资规模达135.93亿美元，占全球人工智能企业融资数额的38%；融资740次，平均每笔融资1836.89万美元。

值得注意的是，得益于海量的数据资源、巨大的应用需求以及开放的市场环境，中国在技术能力方面加速积累，增长速度高于现在的美国，处于追赶地位。

此外，中国于2014年开始迎来人工智能产业创业热潮；5年来人工智能产业基础空前增强，人工智能产业规模逐年扩大。据统计，产业规模2015年达到70.2亿元，2016年达到100.6亿元，2017年达到152亿元，2018年预计将超过230亿元，保持平稳快速增长。另据《中国新一代人工智能发展报告2019》公布的数据，2018年中国人工智能市场规模为17.6亿美元。各种类型的人工智能企业都有明显增长，基础层企业通过技术创新扩大规模，而技术层和应用层企业数量也将保持稳步增长。

（二）基础资源方面

算法、数据、算力和人才是驱动人工智能应用创新的基础资源。

在算法、算力和人才方面，中国已经积累了一定的实力。据乌镇智库发布的《全球人工智能发展报告（2018）》，中国人工智能人才本科及以上学历者超九成，硕士研究生学历占比34.36%，博士研究生学历占比5.38%。近十年全球人工智能论文中国在数量方面占据绝对榜首，最低的一年的占比也达到了20%。此外，中国在数据资源方面占有绝对优势。中国是全球最大的移动互联网市场，也是最大的移动支付市场。第43次中国互联网络发展状况统计报告显示，截至2018年12月，中国网民人数达8.29亿，是美国的3.3倍。近两年，中国在应用算法和人工智能芯片领域快速发展，涌现出一批优秀的技术产品，典型案例包括百度于2016年开发了Paddle深度学习平台；科大讯飞在感知智能、认知智能以及两者的深度结合领域均达到国际领先水平；寒武纪科技开发出商用深度學习1A处理器等。

（三）创新模式方面

中国在人工智能金融创新模式方面也表现出了自身的特点——主要是大银行与科技巨头合作。中国各大互联网公司携自身技术和流量优势，在中国金融体系还不够完善之时，不约而同跨界金融。百度、阿里巴巴、腾讯和京东（又称“BATJ”）也成为了中国金融科技生态圈的绝对主力。在最初的发展阶段，BATJ和中国各银行展开了竞争，银行被倒逼着奋起直追。但是，发展到现阶段，双方都意识到各自在技术、流量、风控、资金及监管方面的优势无法被取代，彼此更应该是相互补充，以求共同发展，便逐渐走向了融合。

（四）应用场景方面

中国金融方面的应用以生物识别技术应用为主。我国金融科技的热点领域是互联网支付、网络借贷等个人金融服务，其生物识别技术应用广泛，应用场景主要集中在移动支付和智能客服。国内大型金融机构基本开通了智能客服，并积极地将生物特征识别技术应用于各类场景中的支付身份认证。例如，微众银行的刷脸开户、农业银行的刷脸取款、建设银行的刷脸转账等。

人工智能还改写了现代医疗健康领域的概念，为推动快速建立精准的智能医疗体系提供了新模式和新方法。截止2018年12月，中国（包含港澳台）28家人工智能医疗企业覆盖了五大主要应用场景，即：辅助诊疗、云平台、疾病健康管理、医疗机器人和药物研发；其中辅助医疗应用最为广泛，例如联影医疗、商汤科技、春雨医生、依图、平安健康等都是这个行业的领头羊；零氪科技则是在云平台领域深耕；疾病健康管理的代表企业为平安健康，碳云智能。

四、人工智能在中国的空间发展规律

人工智能在中国总体的发展欣欣向荣，但由于各个区域存在禀赋差异，人工智能在中国的发展呈现出一定的空间分布特征。

（一）京津冀地区企业较受资本青睐

中国人工智能企业数量从2014年开始爆发式的增长。2018年，中国人工智能企业新增165家，增速放缓。

截至2018年，受政策支持、资本青睐、人才助力、技术发展、中国现存货人工智能企业高度集中于京津冀（1035家，31%）、江浙沪（892家，27%）、粤港澳（841家，25%）三个经济发达地区。

2018年，中国有融资行为的人工智能企业为577家，融资总额为3832.22亿人民币，在全球排名第一。三个主要区域中，京津冀地区人工智能产业或累计融资金额最大，融资频次最多，为153.99亿美元，472次（披露融资金额的融资活动）。同时，京津冀地区也是平均每笔融资最高的，达3262.54万美元。

（二）北、深、上、杭、广引领中国人工智能产业发展

中国主要城市中，人工智能企业存活数量北京第一（995家），深圳第二（566家），上海第三（468家）。

从趋势看，中国主要城市在2015—2016年经历了人工智能的爆发，之后新增公司数量有所回落。2018年，北京新增人工智能公司42家，数量不足顶峰2016新增（新增245家）的五分之一。

2017—2018年，以北京为代表的主要城市人工智能融资金额激增，在新增人工智能企业变少的背景下，资本的增加代表着单家公司获得融资金额的攀升，资源开始向头部企业集中，人工智能行业的门槛将会抬高。

（三）中国人工智能专利数北、广、苏、上、浙、川领先

2009—2018年，中国人工智能专利数量累计达68467件。

从各省/直辖市的发展状况来看，北京和广东领跑于全国，江苏、上海紧随其后，浙江、四川分列全国第五和第六位，6个省市的专利数量占全国的比例超过60%，约为GDP占比的2倍，体现出集中分布的特点。

从城市的层面上看，排在全国前五的城市中，北京占比接近半数，形成了人工智能产业上的高地；深圳作为珠三角的代表城市，占到五分之一；长三角的城市中则有上海和南京上榜；中西部地区的成都位于第五，与南京的情况相去无几。

（四）人工智能医疗企业的分布与人工智能企业近似

作为人工智能应用场景之一，人工智能医疗也值得关注。据《全球人工智能发展报告（2018）》相关数据，从268家人工智能医疗企业的地域分布来看，主力军集中在北京（87家，占比33%），上海（39家，占比15%），深圳（38家，14%）。剩余104家分散在杭州、苏州、成都、合肥、广州等地。

由于受到政策、资金、人才、技术的福利支持，北上深集合了全国半数以上（61.2%）的人工智能医疗企业。可以看到，人工智能企业分布和人工智能企业分布基本一致。

（五）中国人工智能金融企业分布北京上海集聚效应明显

人工智能资本市场热度较高，从人工智能金融企业处也可窺见。据《全球人工智能发展报告（2018）》相关数据，从261家人工智能金融企业的地域分布来看，主要集中在，北京（104家，占比40%），上海（50家，占比19%），深圳（29家，占比11%）。剩余78家分布于杭州、香港、广州等地。

我们可以再次看到人工智能企业的聚集效应，即，主要集中在北上深，这些城市无论从人才到政策，还是从资金到技术都给人工智能企业的落地和发展提供了肥沃的土壤，借助人工智能的东风，扬帆起航，夯实了城市未来发展的基础。

五、我国发展人工智能的启示

中国的人工智能发展势头正好，强在技术应用，在产品创新方面优势明显。中国具有人口及市场优势也为人工智能提供庞大的数据源及使用场景。不过，中国当前的人工智能发展呈现出不均衡发展的态势，与英美等国相比还有不小发展进步的空间。

（一）我国人工智能发展中的不足之处

首先，人工智能创新企业数量和规模存在差距。科研机构和企业的协同合作机制尚未健全，人工智能企业之间缺乏技术间的协同、产品间的联通以及前后端的协调。

其次，是在基础理论、核心算法以及关键智能硬件设备等方面缺少重大原创成果，特别是智能芯片等方面与英美国家相比还有较大差距。

再次，研发投入和人才储备不足，目前国内企业的人工智能应用多是生物识别，专业人才数量和培养方式跟不上产业发展，导致缺少具有国际影响力的企业及产业生态圈。

最后，应用创新能力不足，例如金融科技创新中存在与实体经济无关的伪创新，只将创新的重点放在能够带来最终收益的前台产品上，忽视了中后台的风控、合规、社会责任等的创新。

（二）对我国人工智能发展的建议

针对以上不足之处，我国人工智能在发展过程中，应充分发挥既有条件和优势，补足短板，全面提升人工智能产业化水平，助推经济社会的可持续发展。

第一，加强人工智能核心技术研发和产业化。充分认识到我国与英美等发达国家在人工智能基础理论、技术和硬件方面的差距，加大对人工智能相关软硬件的研发投入，提高核心技术的自主程度。建设并完善有利于人工智能发展的创新生态系统，加强科研机构与企业的深度合作，推动科研成果产业化。坚持开放式创新，广泛开展国际合作，充分利用国内外的科技资源和优势。利用好中国市场规模大、增长快的优势，在此基础上不断攀升产业链。

第二，加快制定关键技术标准规范。开展人工智能综合标准化体系研究，建立并完善基础共性、互联互通、行业应用、安全服务、隐私保护等技术标准，确保人工智能系统的安全性。围绕产业应用热点，加强智能金融、智能医疗等热点领域的标准化工作，鼓励人工智能领域的国内标准化组织、行业组织、企业参与国际标准化工作，推进自主人工智能相关标准国际化。

第三，完善人工智能专业人才培养机制。发挥高校人才培养优势，重视人工智能与计算机科学、生物学等学科的交叉融合。创新“产学研”人才联合的培养模式，加强对人工智能基础研究、应用研究、运行维护等方面专业技术人才的培养。加大高端人才引进力度，培育具有国际水平的人才和团队，形成人工智能发展高地。

第四，深入开展人工智能应用影响研究。针对社会关注的技术性失业、机器人伦理、隐私权保护等问题，加强自然科学和社会科学的联合研究。在消费者中普及人工智能相关知识，使人们了解人工智能技术的原理和应用的特点，凝聚广泛的社会共识，营造良好的社会环境。

【参考文献】

[1]张凌云，黎巎，刘敏.智慧旅游的基本概念与理论体系[J].旅游学刊，2012，27（05）：66-73.

[2]潘敬萍.我国人工智能发展现状与应对策略研究[J].现代商业，2018（21）：25-28.

[3]刘红波，林彬.中国人工智能发展的价值取向、议题建构与路径选择——基于政策文本的量化研究[J].电子政务，2018（11）：47-58.

[4]蔡自兴.人工智能产业化的历史、现状与发展趋势[J].冶金自动化，2019，43（02）：1-5.

[5]庄光耀.美中欧人工智能发展现状及启示[J].金融科技时代，2018（12）：29-32.

[6]宁兆硕.中国人工智能产业发展分析及对策研究[J].山东行政学院学报，2018（01）：69-75.

[7]中国人工智能行业综述[J].科技中国，2019（01）：63-77.

[8]汤志伟，雷鸿竹，郭雨晖.政策工具-创新价值链视角下的我国地方政府人工智能产业政策研究[J].情报杂志，2019，38（05）：49-56.

[9]刘涛雄，刘骏.人工智能、机器人与经济发展研究进展综述[J].经济社会体制比较，2018（06）：172-178.

[10]吕文晶，徐丽，刘进，陈劲.中国人工智能研究的十年回顾——基于2008—2017年间文献计量和知识图谱分析[J].技术经济，2018，37（10）：73-78+116.

[11]杜传忠，胡俊，陈维宣.我国新一代人工智能产业发展模式与对策[J].经济纵横，2018（04）：41-47+2.

[12]曹静，周亚林.人工智能对经济的影响研究进展[J].经济学动态，2018（01）：103-115.

[13]肖翔，赵辉，韩涛.主要国家人工智能战略研究与启示[J].高技术通讯，2017，27（08）：755-762.

[14]邓志东.关于发展我国人工智能技术与产业的建议[J].科技导报，2016，34（07）：12-13.

[15]林永青.人工智能起源处的“群星”[J].金融博览，2017（05）：46-47.

[16]李红霞.人工智能的发展综述[J].甘肃科技纵横，2007（05）：17-18.

[17]朱祝武.人工智能发展综述[J].中国西部科技，2011，10（17）：8-10.

[18] 2018全球人工智能發展报告

http：//www.elecfans.com/d/932581.html

[19]清华大学中国科技政策研究中心—中国人工智能发展报告2018

https：//download.csdn.net/download/sinat_29046147/10551677

[20]人工智能发展白皮书—产业应用篇（2018年）

http：//www.qianjia.com/html/2018-12/28_317996.html