人工智能核心技术产业白皮书

❑ 导 读

---

虽然资本市场的泡沫逐步破裂，但优质企业的估值仍在持续增长，独角兽企业不断出现，产业呈现良性发展态势。

全文共计2713字，预计阅读时间8分钟

来源 | 中国信息通信研究院与中国人工智能产业发展联盟

编辑 | 蒲蒲

---

“

自2012年以来，以深度学习为代表的人工智能技术与产业浪潮汹涌澎湃，新的算法技术层出不穷，图像识别、机器翻译等智能任务水平逼近人类，技术红利快速释放，已在多个领域初具应用成效。

”

日前，中国信息通信研究院与中国人工智能产业发展联盟联合发布《人工智能核心技术产业白皮书》（以下简称“白皮书”），探讨以深度学习技术为主要驱动力的人工智能发展状况、技术创新重点与产业发展趋势，总结“十三五”期间我国发展情况并提出“十四五”期间的发展方向与机遇，推动我国人工智能的技术创新与产业发展。

报告指出，当前，虽然资本市场的泡沫逐步破裂，但优质企业的估值仍在持续增长，独角兽企业不断出现，产业呈现良性发展态势。深度学习技术局限性似乎导致人工智能产业发展将遇天花板，然而事实并非如此。虽然，可解释性、理解推理等局限性已显现。但这是下一时期理论技术突破重点，不能因此否定图像识别、语音合成、机器翻译等感知类任务上的应用技术成就和产业应用场景。

人工智能技术创新重点

（一）深度学习试图从多角度融合创新，开启认知时代仍在探索

深度学习仍然是人工智能技术发展的主导路线；业界不断探索深度学习解决问题的边界，推动人工智能进入感知增强时代；深度学习加速探索与多元学习方式、多种技术分支的结合，少量数据训练、弱化人为干预以及多模态学习成为下一时期的发展关键；直面推理理解问题的算法路径尚无定论，距离认知时代到来仍需数年。

（二）任务场景愈加复杂，倒逼学习方式多元化发展

深度强化学习不断演进，加速提升自主决策能力。深度强化学习加速拓展任务边界，突破性解决多人棋牌、即时战略游戏等多智能体非完全信息博弈任务。另一方面，深度强化学习不断提升复杂任务的能力，逐步拓展至芯片设计、音乐编曲等对知识技能要求更高的领域。

（三）深度神经网络理论体系尝试颠覆性创新，多分支融合趋势渐显

深度学习局限性日益凸显，理论体系探索革新；深度神经网络与其他技术分支加速融合发展，人工智能头部企业、高校开始摸索深度神经网络与知识图谱、传统及其学习等分支的融合创新。

（四）预训练模型加速演进，试图实现语言处理领域的通用智能

预训练模型参数已至万亿级，训练成本之高几乎成为业内头部玩家的专属技术路径；预训练模型已进入可直接用于多种自然语言处理任务的“通用”智能阶段。

（五）模型小型化成为提升模型运行效率的关键

深度学习模型效率提升成为应用落地的关键突破点；模型小型化成为提升模型运行效率的主要方向，与此同时，开发框架中的模型压缩功能创新活跃，模型压缩已成为开发框架必不可少的关键能力。

（六）深度学习应用加速推动智能计算革命

深度学习应用加速推动云端计算范式进入高性能计算时代；计算模式走向云边协同，端侧场景化算力成爆发新方向，预计未来三年，面向工业电子、汽车电子和传统消费电子应用等场景化智能计算芯片增长迅速，市场容量年复增长率高达100%以上，成为推动智能芯片产业主要驱动力量。

人工智能产业发展趋势

（一）从谋求单点技术的“极致”，向场景化综合生态发展

单项技术的“理论”准确率不再是智能企业的比拼重点，产业进入应用场景“跑马圈地”新阶段。场景化综合生态模式开始清晰，与“类”安卓开发者生态共同驱动产业发展。

（二）以科技巨头引领的产业垂直整合速度不断加快

算力、软件框架、研发平台、技术服务的纵向一体化几乎成为全部头部科技企业的共识。人工智能硬件、算法、软件平台与行业应用场景的结合紧密度空前，驱使不同环节具备点状竞争力的科技巨头争相探索行业实际应用需求。

（三）开发框架格局逐步清晰，已从百花齐放向几家分争转变

目前，业界开源开发框架主导权基本被谷歌TensorFlow、脸书Pytorch等掌握；微软CNTK、日本初创企业首选网络（preferred networks）Chainer、加拿大蒙特利尔大学主导的Theano等早期热点框架已通过与主流框架合并或直接停止更新的方式退出历史舞台。

（四）以研发和技术服务为核心，产业开始打造平台化发展模式

当前，人工智能平台发展步伐加快，2020年上半年我国人工智能研发平台市场规模达1.4亿美元，复合增长率超30%；头部智能技术服务平台的单日调用次数已过万亿次，如阿里AI服务的日调用规模超1万亿次，日处理图像10亿张。

（五）智能计算产业形态初显，呈现蓬勃发展态势

智能计算已初步形成智能芯片、软硬协同、多样化算力供给模式的产业形态。云侧智能芯片市场仍以英伟达为主导，云服务提供商及初创企业正在持续加大布局力度；端侧多元化应用催生大量创新探索，传统芯片企业和终端企业相对领先；围绕智能计算芯片的软件工具开始从基础计算向场景计算转变；多样化算力供给模式开始显现。

（六）全球数据鸿沟仍在加大，开放共享机制与数据服务能力加速构建

当前，各国政府、头部企业持续推动数据的开放共享，数据原则、数据合作、数据规范与数据共享平台成为重点。

（七）以开源开发框架为核心的生态体系雏形渐显，多种小生态同步形成

产业主体以自身优势切入，初步形成四种小生态模式。一是人工智能全面融入云服务体系，云服务厂商积极构建AI基础设施生态；二是人工智能技术服务企业、互联网企业以视觉、语音等技术优势切入，加速打造垂直行业技术服务平台和解决方案生态；三是传统企业以行业经验切入，强调解决问题的实际应用能力，积极构建围绕基础科研、成果转化、产业培育多维度的创新生态；四是硬件厂商以芯片设计、整机集成为切入点，加速构建软硬协同产业生态。

具体内容如下

文琳编辑

今日导读：点击下面链接可查阅

公众号 ：文琳行业研究

文琳行研报告，为各机构提供专业的信息、数据、研究和咨询服务。欢迎关注【文琳行业研究】

文琳资讯，每日提供最新信息。欢迎关注【文琳资讯】

今日导读：点击下面链接可查阅

《文琳阅读》每晚经典，欢迎关注！

文琳编辑

今日导读：点击下面链接可查阅

公众号 ：文琳阅读

公众号 ：就业与创业