2021年中国人工智能产业发展趋势

具体方向上，以交叉融合为特征的集成化创新渐成主流，多种新兴技术交叉集成的价值将使人工智能发挥更大社会经济价值。预计2021年，人工智能将与汽车电子等领域加速融合，实现感知、决策、控制等专用功能模块，推动形成自动驾驶、驾驶辅助、人车交互、服务娱乐应用系统，进一步革新传统汽车产业链，使汽车加速智能化、网联化;人工智能有望与虚拟现实技术的相结合，为生产制造、家装等提供工具，并为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供场景丰富、互动及时的平台环境。

（二）智能经济初现雏形，泛在智能发展迅猛

新冠疫情成为未来一段时期全球发展的“新常态”，国内外均处于经济社会创新发展和转型升级期，对人工智能的运用需求迫切，我们判断，随着算法的创新、算力的增强、数据资源的累积，智能化基础设施的建设和传统基础设施将实现智能化升级，人工智能技术有望推动经济发展全要素的智能化革新。

展望2021年，人工智能进一步推动数字经济进入到智能经济的新阶段，智能经济这一新型经济形态已初现雏形，人工智能将与实体经济加速融合，成为新常态下产业转型升级的重要赋能源头之一，不仅推进智能制造、智能物流、智能农业、智慧旅游以及智能医疗、智慧城市等模式和业态的创新，还带动智能运营、智能软件、智能硬件、智能机器人等新产品发展，泛在化的智能经济发展将初见雏形。

人工智能将赋予信息物理系统(cPS>新的内涵，使之成为更具普遍性的人机协同系统。未来，万物互联必然带来网络的泛在、数据的泛在和应用需求的泛在，人工智能的应用场景将从拓展到更多行业和更多领域、更多环节、更多层面，任何人、任何单位在任何时间、任何地点都能使用的泛在智能将加速实现，这也将进一步推动人工智能技术与实体经济各领域的深度融合。

具体方向上最具潜力的领域，预计2021年制造业将是人工智能应用场景最为丰富、其应用需求贯穿制造业全生命周期，将成为未来人工智能融合应用的关键领域，人工智能与制造业的深度融合将在制造业更多环节、更多层面得到推广和深化，需求导向、痛点聚焦将成为人工智能与制造业融合的关键之一，人工智能产品和服务将落在具体的工业智能产品或具体行业领域的系统解决方案上，此外，由于大多数产业链企业还未从人工智能应用中大规模获取价值，因此安全性与投入产出比将成为制造企业应用人工能的重要决策依据，其附加值提升关键点将逐瓶由设备价值挖掘转向用户价值挖掘。

（四）“新基建”赋能各行各业，人工智能产业底层支撑持续提升

中央经济工作会议于2018年首次提出“新基建”这一概念，指出要发挥投资关键作用，加大制造业技术改造和设备更新，加快5G商用步伐，加强人工智能、工业互联网、物联网等新型基础设施建设，此后已有7次中央级会议或文件明确表示加强“新基建”。2020年3月4日，中共中央政治局常务委员会召开会议，提出加快5G网络、数据中心等新型基础设施建设进度，引发更大关注。“新基建”具有新时代的丰富内涵，既符合未来经济社会发展趋势，又适应中国当前社会经济发展阶段和转型需求，在补短板的同时将成为社会经济发展的新引擎，人工智能“新基建”对人工智能产业发展具有重大意义。预计2021年，围绕算法、数据和计算力等人工智能新基建的“三驾马车”，人工智能产业链建设力度将继续增大。

二、需要关注的几个问题

本轮人工智能产业发展以深度学习技术为主要引擎，开源开放的深度学习底层环境为技术的进化和创新提供了基础性保障，我国亚需通过开源开放的方式扩大技术影响力、推动技术创新、聚焦产业生态发展，并为人工智能技术的产品溯源和系统可信评估提供新的解决途径。但我国开源生态建设起步相对较晚，对人工智能开源核心平台和框架参与不足，全球主流人工智能算法框架与平台的主导者是谷歌、脸书、亚马逊、微软等美国企业，百度、第四范式以及旷视科技、商汤科技、依图科技等国内企业的算法框架和平台尚未得到业界的广泛认可和应用，我国在深度学习框架核心技术领域支撑不足，主要体现在:核心技术和相关技术创新能力有限，对神经网络模型的训练性能和跨平台支持能力不足；对深度学习框架的超前设计和开发能力不足，对模块化开发、跨平台支持的研究滞后，不利于我国形成完整的人工智能产业生态，且对我国信息基础设施安全、产业安全、数据安全存潜在负面影响。芯片已经让不少中国企业和开发者有了覆舟之戒，深度学习框架却刚刚引起关注，缺少核心技术将会直接影响到未来人工智能产业相关联的芯片、系统以及软硬件平台等产业发展。

（三）产业数据标准化和互联互通水平严重不足

数据是人工智能迭代创新的核心要素，大数据、云、物联网、5G通信等新一代信息技术的发展产生了前所未有的海量数据，且数据的增长速度越来越快。我国人工智能技术虽然已在制造、交通、电子商务、金融、医疗等领域实现试点应用，但行业内上下游企业对产业数据的应用呈现各自为阵、重复用功、规模零星、标准不一、场景各异的特点，单一行业或企业的成功经验很难迁移，在事实上迟滞了广大中小企业利用人工智能技术提高生产力、实现高质量发展的步伐。不同行业之间数据来源更为繁杂，数据质量参差不齐，标注水平不一，缺少数据标准和整合共享渠道，导致各行业之间、单一行业内部的数据均尚未实现有效互联互通和有机整合，极大降低了数据的可用性和可迁移性。

（四）尚未形成嵌入行业场景的定制化人工智能基础设施建设评估框架

典型应用场景作为技术重要“试验场”和“加速器”，其评估、选择和打造将决定各行各业能否有效利用人工智能基础设施提升智能化水平、实现智能化转型。目前，我国尚未有效发掘丰富数据和多样化场景的发展潜力，对嵌入行业场景的人工智能“新基建”需求提炼和特点把握不到位；虽然拥有庞大的数据规模以及更丰富的应用场景，尤其在金融、医疗、教育、制造、零售以及智慧城市、政府服务等领域有巨大的基础数据积累和新一代基础设施需求，但是普遍缺乏对人工智能算力需求的充分评估，缺少结合自身行业对深度学习算法的把握理解和应用能力，对行业数据缺少汇集、统筹、整理及清洗的意识。事实上，2020年在防控新冠肺炎疫情的过程中，人工智能作为“新基建”的效能已经充分显现，在好解各个行业出现人流、物流、信息流、资金流瓶颈方面发挥了重要作用，对重大公共安全风险防范和治理、推动制造业企业复工复产、维持高校和中小学授课教育起到不可或缺的作用，及时总结2020年成功经验、梳理嵌入行业场景的定制化人工智能基础设施建设评估框架在2021年已势在必行。

（五）细分应用领域的专业人才缺口较大

我国推进人工智能进一步发展仍面临深度学习人才荒的挑战。根据美国保森基金会旗下智库的统计显示，中国是美国顶级AI研究人员的最大来源，截至2019年底，全球顶尖AI人才中的近GO%定居美国，其中在中国接受本科教育的顶尖AI人才占比最高，达到29%(其后为美国本土的20%、欧洲的18%和印度的8%)，中国是美国顶尖人工智能人才的第一大来源地，在美国人工智能创新发展过程中起到关键作用;另据领英大数据显示，全球AI人才整体供给在340万人左右，其中深度学习人才仅9.5万人，且流动性较大，进一步加大了缺口，这其中中国的AI人才总数仅为5万人。2020年，国内人工智能人才缺口达500多万，供需比例严重失衡;少儿编程教育在美国的渗透率达到44.8%，在中国仅为0.9G%;中国的顶级人工智能人才仅排第六名，前五位分别是美国、英国、德国、法国、意大利。2021年，不断加强我国人工智能人才培养、补齐人才引育短板，已是当务之急。

（二）构建智能生态圈打造软硬件协同能力

推动实现软件与定制AI芯片的高度祸合，以达到性能最优。构建行业协同能力，推动人工智能企业与垂直行业平台及通用平台做好高效对接，保证调用所需平台功能的实时性。推动AI专用计算设施与行业已有业务系统实现有效对接，以算力支撑为依托，打造智能化应用生态环境。支持行业企业提供智能算力基础设施及通用软件服务，汇聚孵化人工智能企业，促进人工智能产业发展，打造“科技研发、产业孵化、创投资本、教育培训、配套政策环境”的智能生态圈系统。

来源：人工智能学家