人

工智能（Artificial Intelligence，AI）是利用機器學習和數(shù)據(jù)分析方法賦予機器模擬、延伸

和拓展類人的智能的能力，本質上是對人類思維過程的模擬。AI 概念最早始于 1956 年 的達特茅斯會議，受限于算法和算力的不成熟，未能實現(xiàn)大規(guī)模的應用和推廣。

近年來， 在大數(shù)據(jù)、算法和計算機能力三大要素的共同驅動下，人工智能進入高速發(fā)展階段。

據(jù)中國電子學會預測，2022全球人工智能市場將達到1630億元，2018-2022年CAGR達31%。

人工智能市場格局

人工智能賦能實體經濟，為生產和生活帶來革命性的轉變。人工智能作為新一輪產業(yè)變革 的核心力量，將重塑生產、分配、交換和消費等經濟活動各環(huán)節(jié)，催生新業(yè)務、新模式和 新產品。從衣食住行到醫(yī)療教育，人工智能技術在社會經濟各個領域深度融合和落地應用。同時，人工智能具有強大的經濟輻射效益，為經濟發(fā)展提供強勁的引擎。據(jù)埃森哲預測， 2035 年，人工智能將推動中國勞動生產率提高 27%，經濟總增加值提升 7.1 萬億美元。

多角度人工智能產業(yè)比較

目前，全球人工智能產業(yè)的生態(tài)系統(tǒng)正逐步成型。依據(jù)產業(yè)鏈上下游關系，可以將人工智能劃分為基礎支持層、中間技術層和下游應用層?；A層是人工智能產業(yè)的基礎，主要提 供硬件（芯片和傳感器）及軟件（算法模型）等基礎能力；技術層是人工智能產業(yè)的核心， 以模擬人的智能相關特征為出發(fā)點，將基礎能力轉化成人工智能技術，如計算機視覺、智 能語音、自然語言處理等應用算法研發(fā)。其中，技術層能力可以廣泛應用到多個不同的應 用領域；應用層是人工智能產業(yè)的延伸，將技術應用到具體行業(yè)，涵蓋制造、交通、金融、 醫(yī)療等 18 個領域，其中醫(yī)療、交通、制造等領域的人工智能應用開發(fā)受到廣泛關注。

戰(zhàn)略部署：大國角逐，布局各有側重

全球范圍內，中美“雙雄并立”構成人工智能第一梯隊，日本、英國、以色列和法國等發(fā) 達國家乘勝追擊，構成第二梯隊。同時，在頂層設計上，多數(shù)國家強化人工智能戰(zhàn)略布局， 并將人工智能上升至國家戰(zhàn)略，從政策、資本、需求三大方面為人工智能落地保駕護。后起之秀的中國，局部領域有所突破。中國人工智能起步較晚，發(fā)展之路幾經沉浮。自 2015 年以來，政府密集出臺系列扶植政策，人工智能發(fā)展勢頭迅猛。由于初期我國政策 側重互聯(lián)網領域，資金投向偏向終端市場。因此，相比美國產業(yè)布局，中國技術層（計算 機視覺和語音識別）和應用層走在世界前端，但基礎層核心領域（算法和硬件算力）比較 薄弱，呈“頭重腳輕”的態(tài)勢。當前我國人工智能在國家戰(zhàn)略層面上強調系統(tǒng)、綜合布局。

美國引領人工智能前沿研究，布局慢熱而強勢。美國政府稍顯遲緩，2019 年人工智能國 家級戰(zhàn)略（《美國人工智能倡議》）才姍姍來遲。但由于美國具有天時（5G 時代）地利（硅 谷）人和（人才）的天然優(yōu)勢，其在人工智能的競爭中已處于全方位領先狀態(tài)?？傮w來看， 美國重點領域布局前沿而全面，尤其是在算法和芯片腦科學等領域布局超前。此外，美國聚焦人工智能對國家安全和社會穩(wěn)定的影響和變革，并對數(shù)據(jù)、網絡和系統(tǒng)安全十分重視。

倫理價值觀引領，歐洲國家搶占規(guī)范制定的制高點。2018 年，歐洲 28 個成員國(含英國) 簽署了《人工智能合作宣言》，在人工智能領域形成合力。從國家層面來看，受限于文化和語言差異阻礙大數(shù)據(jù)集合的形成，歐洲各國在人工智能產業(yè)上不具備先發(fā)優(yōu)勢，但歐洲 國家在全球 AI 倫理體系建設和規(guī)范的制定上搶占了“先機”。歐盟注重探討人工智能的社 會倫理和標準，在技術監(jiān)管方面占據(jù)全球領先地位。

日本尋求人工智能解決社會問題。日本以人工智能構建“超智能社會”為引領，將 2017 年確定為人工智能元年。由于日本的數(shù)據(jù)、技術和商業(yè)需求較為分散，難以系統(tǒng)地發(fā)展人 工智能技術和產業(yè)。因此，日本政府在機器人、醫(yī)療健康和自動駕駛三大具有相對優(yōu)勢的 領域重點布局，并著力解決本國在養(yǎng)老、教育和商業(yè)領域的國家難題。

基礎層面：技術薄弱，芯片之路任重道遠

基礎層由于創(chuàng)新難度大、技術和資金壁壘高等特點，底層基礎技術和高端產品市場主要被歐美日韓等少數(shù)國際巨頭壟斷。受限于技術積累與研發(fā)投入的不足，國內在基礎層領域相 對薄弱。具體而言，在 AI 芯片領域，國際科技巨頭芯片已基本構建產業(yè)生態(tài)，而中國尚 未掌握核心技術，芯片布局難以與巨頭抗衡；在云計算領域，服務器虛擬化、網絡技術 （SDN）、 開發(fā)語音等核心技術被掌握在亞馬遜、微軟等少數(shù)國外科技巨頭手中。雖國內 阿里、華為等科技公司也開始大力投入研發(fā)，但核心技術積累尚不足以主導產業(yè)鏈發(fā)展；在智能傳感器領域，歐洲（BOSCH，ABB）、美國（霍尼韋爾）等國家或地區(qū)全面布局傳 感器多種產品類型，而在中國也涌現(xiàn)了諸如匯頂科技的指紋傳感器等產品，但整體產業(yè)布 局單一，呈現(xiàn)出明顯的短板。在數(shù)據(jù)領域，中國具有的得天獨厚的數(shù)據(jù)體量優(yōu)勢，海量數(shù) 據(jù)助推算法算力升級和產業(yè)落地，但我們也應當意識到，中國在數(shù)據(jù)公開力度、國際數(shù)據(jù) 交換、統(tǒng)一標準的數(shù)據(jù)生態(tài)系統(tǒng)構建等方面還有很長的路要走。

“無芯片不 AI”，以 AI 芯片為載體的計算力是人工智能發(fā)展水平的重要衡量標準，我們 將對 AI 芯片作詳細剖析，以期對中國在人工智能基礎層的競爭力更細致、準確的把握。

依據(jù)部署位置，AI 芯片可劃分為云端（如數(shù)據(jù)中心等服務器端）和終端（應用場景涵蓋手 機、汽車、安防攝像頭等電子終端產品）芯片；依據(jù)承擔的功能，AI 芯片可劃分為訓練和 推斷芯片。訓練端參數(shù)的形成涉及到海量數(shù)據(jù)和大規(guī)模計算，對算法、精度、處理能力要 求非常高，僅適合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成為 AI 芯片行業(yè)的主流技術路線。不同類型芯片各具優(yōu)勢，在不同領域呈現(xiàn)多 技術路徑并行發(fā)展態(tài)勢。我們將從三種技術路線分別剖析中國 AI 芯片在全球的競爭力。

GPU（Graphics Processing Unit）的設計和生產均已成熟，占領 AI 芯片的主要市場份 額。GPU 擅長大規(guī)模并行運算，可平行處理海量信息，仍是 AI 芯片的首選。據(jù) IDC 預測， 2019 年 GPU 在云端訓練市場占比高達 75%。在全球范圍內，英偉達和 AMD 形成雙寡頭 壟斷，尤其是英偉達占 GPU 市場份額的 70%-80%。英偉達在云端訓練和云端推理市場推 出的 GPU Tesla V100 和 Tesla T4 產品具有極高性能和強大競爭力，其壟斷地位也在不斷 強化。目前中國尚未“入局”云端訓練市場。由于國外 GPU 巨頭具有豐富的芯片設計經 驗和技術沉淀，同時又具有強大的資金實力，中國短期內無法撼動 GPU 芯片的市場格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件編程、配置高靈活性和低能耗等優(yōu)點。FPGA 技術壁壘高，市場呈雙寡頭壟斷：賽靈思（Xilinx）和英特爾（Intel）合計 占市場份額近 90%，其中賽靈思的市場份額超過 50%，始終保持著全球 FPGA 霸主地位。 國內百度、阿里、京微齊力也在部署 FPGA 領域，但尚處于起步階段，技術差距較大。

ASIC（Application Specific Integrated Circuits）是面向特定用戶需求設計的定制芯片， 可滿足多種終端運用。盡管 ASIC 需要大量的物理設計、時間、資金及驗證，但在量產后， 其性能、能耗、成本和可靠性都優(yōu)于 GPU 和 FPGA。與 GPU 與 FPGA 形成確定產品不 同，ASIC 僅是一種技術路線或方案，著力解決各應用領域突出問題及管理需求。目前， ASIC 芯片市場競爭格局穩(wěn)定且分散。我國的 ASIC 技術與世界領先水平差距較小，部分領域處于世界前列。在海外，谷歌 TPU 是主導者；國內初創(chuàng)芯片企業(yè)（如寒武紀、比特大陸和地平線），互聯(lián)網巨頭（如百度、華為和阿里）在細分領域也有所建樹。

總體來看，歐美日韓基本壟斷中高端云端芯片，國內布局主要集中在終端 ASIC 芯片，部分領域處于世界前列，但多以初創(chuàng)企業(yè)為主，且尚未形成有影響力的“芯片?平臺?應用” 的生態(tài)，不具備與傳統(tǒng)芯片巨頭（如英偉達、賽靈思）抗衡的實力；而在 GPU 和 FPGA 領域，中國尚處于追趕狀態(tài)，高端芯片依賴海外進口。

技術層面：乘勝追擊，國內頭部企業(yè)各領風騷

技術層是基于基礎理論和數(shù)據(jù)之上，面向細分應用開發(fā)的技術。中游技術類企業(yè)具有技術 生態(tài)圈、資金和人才三重壁壘，是人工智能產業(yè)的核心。相比較絕大多數(shù)上游和下游企業(yè)聚焦某一細分領域、技術層向產業(yè)鏈上下游擴展較為容易。該層面包括算法理論（機器學 習）、開發(fā)平臺（開源框架）和應用技術（計算機視覺、智能語音、生物特征識別、自然 語言處理）。眾多國際科技巨頭和獨角獸均在該層級開展廣泛布局。近年來，我國技術層 圍繞垂直領域重點研發(fā)，在計算機視覺、語音識別等領域技術成熟，國內頭部企業(yè)脫穎而 出，競爭優(yōu)勢明顯。但算法理論和開發(fā)平臺的核心技術仍有所欠缺。

具體來看，在算法理論和開發(fā)平臺領域，國內尚缺乏經驗，發(fā)展較為緩慢。機器學習算法是人工智能的熱點，開源框架成為國際科技巨頭和獨角獸布局的重點。開源深度學習平臺 是允許公眾使用、復制和修改的源代碼，是人工智能應用技術發(fā)展的核心推動力。目前， 國際上廣泛使用的開源框架包括谷歌的 TensorFlow、臉書的 Torchnet 和微軟的 DMTK等， 美國仍是該領域發(fā)展水平最高的國家。我國基礎理論體系尚不成熟，百度的 PaddlePaddle、 騰訊的 Angle 等國內企業(yè)的算法框架尚無法與國際主流產品競爭。

在應用技術的部分領域，中國實力與歐美比肩。計算機視覺、智能語音、自然語言處理是三大主要技術方向，也是中國市場規(guī)模最大的三大商業(yè)化技術領域。受益于互聯(lián)網產業(yè)發(fā) 達，積累大量用戶數(shù)據(jù)，國內計算機視覺、語音識別領先全球。自然語言處理當前市場競 爭尚未成型，但國內技術積累與國外相比存在一定差距。

作為落地最為成熟的技術之一，計算機視覺應用場景廣泛。計算機視覺是利用計算機模擬 人眼的識別、跟蹤和測量功能。其應用場景廣泛，涵蓋了安防（人臉識別）、醫(yī)療（影像診斷）、移動互聯(lián)網（視頻監(jiān)管）等。計算機視覺是中國人工智能市場最大的組成部分。據(jù)艾瑞咨詢數(shù)據(jù)顯示，2017 年，計算機視覺行業(yè)市場規(guī)模分別為 80 億元，占國內 AI 市 場的 37%。由于政府市場干預、算法模型成熟度、數(shù)據(jù)可獲得性等因素的影響，計算機視覺技術落地情況產生分化。我國計算機視覺技術輸出主要在安防、金融和移動互聯(lián)網領域。而美國計算機視覺下游主要集中在消費、機器人和智能駕駛領域。

計算機視覺技術競爭格局穩(wěn)定，國內頭部企業(yè)脫穎而出。隨著終端市場工業(yè)檢測與測量逐 漸趨于飽和，新的應用場景尚在探索，當前全球技術層市場進入平穩(wěn)的增長期，市場競爭格局逐步穩(wěn)定，頭部企業(yè)技術差距逐漸縮小。中國在該領域技術積累豐富，技術應用和產 品的結合走在國際前列。2018 年，在全球最權威的人臉識別算法測試（FRVT）中，國內 企業(yè)和研究院包攬前五名，中國技術世界領先。國內計算機視覺行業(yè)集中度高，頭部企業(yè) 脫穎而出。據(jù) IDC 統(tǒng)計，2017 年，商湯科技、依圖科技、曠視科技、云從科技四家企業(yè) 占國內市場份額的 69.4%，其中商湯市場份額 20.6%排名第一。

（待續(xù)，http://www.biyoush.com/article/202007/416224.htm）