近期对AI发展进程的调查、研究、预测以及其他量化评估发现：

70%的美国民众不信任无人驾驶汽车，但72%的中国消费者支持无人驾驶汽车；

只有4%的美国高管计划在2020年内立足企业整体部署AI技术，低于去年的20%；

只有26%的美国高管表示，他们已经采取措施以应对潜在的AI偏见问题；

过去四年以来，美国“人工智能专家”岗位的招聘数量每年增长74%；

2019年，全球AI民间投资超过700亿美元。

70%的美国民众表示不信任无人驾驶汽车，但72%的中国民众表示信任。即使未来的汽车能够自主驾驶，仍有88%的美国消费者希望拥有自己的私家车，而非使用“无人驾驶”工具（持同样观点的德国消费者占比为82%，法国为76%）。

在“我希望成为最早体验无人驾驶汽车的人”这一项中，中国支持率为28%，法国为15%，英国为9%，德国为11%，美国为13%。而在“我不太可能使用无人驾驶汽车”一项中，美国支持率占比40%，德国44%，英国33%，法国29%，中国仅为4%。（来自OC&C对五个国家10029名消费者的调查。）

仅有4%的美国高管计划在2020年立足企业整体部署AI方案，远低于上一年的20%；42%的受访者表示正在调查AI技术使用情况，23%表示将在某些特定区域之内进行试点，18%的受访者已在多个区域内实际实施，13%的受访者计划在多个区域内全面部署。另外，超过90%的受访高管认为，AI技术带来的机遇可能高于风险，且有近半数受访者预计AI技术将给地区市场或所在运营部门（或者二者兼有）带来冲击。（普华永道对1062位美国企业主管的调查结果。）

58%的受访大型企业表示，2019年他们已经至少在一个功能或者业务部门之内采用AI技术，比例高于2018年的47%；在接受调查的大公司当中，只有19%表示他们正在采取措施以应对与算法可解释性相关的风险，只有13%的企业着手应对包括算法偏见与歧视在内的公平性与公正性风险。（2019年AI指数报告。）

60%的企业主管认为，他们的组织还没有在AI技术的开发与使用方式层面实现全面统一；超过70%的企业高管表示，他们的公司在过去三年中已经开始采用AI技术；只有26%的受访者表示他们已经采取措施以应对潜在的AI偏见问题；只有25%的受访者表示他们会披露AI如何收集以及处理数据信息；只有16%的受访者表示所在组织内部设有专门的AI技术应用监督委员会；只有13%的受访者表示他们将智能代理或者聊天机器人确定为非人类实体。（GLG面向160位来自金融服务、医疗保健以及咨询行业的企业高管进行调查。）

22%的业务决策者表示，他们所在企业已经在过去一年中将机器学习技术引入生产；50%的受访者曾投入8到90天部署单一机器学习模型；目前的应用痛点包括规模（33%）、版本控制与模型可复用性（32%）以及难以获得高管认可（26%）。（Algorithmia面向750名业务决策者的调查。）

54%的英国高层决策者表示，他们所在企业目前正在利用AI技术支持客户服务部门（包括聊天机器人、虚拟助手、自然语言处理以及人脸识别）；荷兰为97%，法国为86%，德国为81%；在调查涵盖的全部国家/地区当中，聊天机器人（37%）、自然语言处理（34%）以及机器人流程自动化（31%）是目前最受欢迎的企业级客户服务改善类技术。（Freshworks面向超过800名客户服务部门高层决策者进行的调查。）

22%的美国医疗保健组织正在利用包含AI功能的软件平台，这一比例较2017年上升了8%；31%受访者表示他们计划在未来三年之内引入AI功能。（HealthLeaders Media。）

AI（39%）与大数据（23%）预计将在未来两年内改变并彻底颠覆整个制药行业，这些技术将在接下来一段时间继续保持旺盛的投资吸引力。（Global Data面向制药企业高管的全球性调查。）

过去四年以来，“人工智能专家”在美国的招聘总人数年均增长74%；排名第二的是“机器人工程师”，增长为40%；排名第三的是“数据科学家”，增幅为37%。（LinkedIn第三轮美国年度新兴职业调查报告。）

在美国，AI相关职位的占比由2012年的0.3%增长至2019年的0.8%；从2015年到2019年，新加坡、巴西、澳大利亚、加拿大以及印度的AI招聘人数增长最快。2018年，超过80%的AI博士毕业生进入相关行业，高于2004年的20%；2018年，投身AI行业的美国AI博士毕业生人数达到继续学术研究部分的两倍以上；与此同时，亦有众多研究人员离开学术圈，转向技术商业领域——2018年超过40名研究人员离校，高于2012年的15人以及2004年的0人。（2019年AI指数报告。）

2015年，“未受重视”劳动力（包括经验丰富、任职时间长以及年龄达到或超过50岁的员工）估计为美国贡献高达7.6万亿美元经济收益，这一比例到2032年将跃升至超过13.5万亿美元。然而，这部分员工目前面临着自身岗位被机器所取代的严峻威胁；根据核算，目前美国年长工人从事的全部岗位中，高达52%可被自动化方案取代。但是，人口的快速老龄化以及出生率的持续下降，意味着这谁能对这批劳动力进行有效再培训、谁就能在未来市场上占据优势。（Mercer、Oliver Wyman、Marsh & McLeannan Advantage。）

1998年至2018年之间，经同行评审的AI论文数量增幅超过300%；2018年，超过21%的计算机科学博士毕业生主要关注人工智能/机器学习方向；在SuperGLUE与SQuAD 2.0基准测试中，部分通用型自然语言处理方案进步神速；但在部分需要推理功能的NLP任务（例如AI2推理挑战赛）或以人类为目标的概念学习任务（例如Omnighlot挑战赛）中，现有AI方案的性能仍然有限。在云基础设施上训练大型图像分类系统的时间周期，已经由2017年10月的约3个小时缩减至2019年7月的约88秒，此类系统的训练成本也随之大幅下降。在2012年之前，AI技术的发展速度紧跟摩尔定律，即每两年计算量翻一番；但在2012年之后，AI计算量每3.4个月即翻一番。（2019年AI指数报告。）

在某项现场实验中，研究人员希望比较人与机器哪一方更善于进行企业与企业之间的铝材产品销售。虽然在大多数情况下，AI系统给出的推荐确实更受欢迎，但在买方具有某些独特或者复杂要求以及报价思路的情况下，人类销售者仍然大幅领先。（Yael Karlinksy-Shichor与Oded Netzer。）

2019年，AI全球民间投资超过700亿美元，与AI相关的初创企业投资超过370亿美元，并购案总金额340亿美元，首轮公开募股50亿美元，少数股权估值约为20亿美元；全球AI初创企业仍在持续稳步发展，融资总量由2010年的13亿美元增长至2018年的404亿美元（截至今年11月4日，2019年融资总额为374亿美元）；融资数额以年均48%以上的速度增长；去年，无人驾驶汽车在全球投资中占比最高，达77亿美元（占总体投资的9.9%），其次为药物、癌症与治疗（47%亿美元，占比6.1%），人脸识别（47亿美元，占比6.0%），视频内容（36亿美元，占比4.5%）以及欺诈检测与财务（31亿美元，占比3.9%）。（2019年AI指数报告。）

AI医疗保健初创企业在2019年第三季度共进行103轮融资，总融资额近16亿美元（包括Babylon Health的5.5亿美元），这也令医疗保健成为目前AI领域投资最为旺盛的细分子集。（CB Insights。）

作为AI发展的命脉，数据安全成为又一大不容忽视的挑战。目前全美网络安全水平最高的城市包括：拉斯维加斯、休斯顿、纽约、迈阿密-劳德代尔堡、哈里斯堡-兰开斯特-莱巴嫩-约克；美国网络安全水平最低的城市包括：盐湖城、圣路易斯、西雅图0塔科马、奥斯汀、阿尔伯克基-圣达菲。（Coronet就过去12个月的9300万次安全事件对全美50个大都市区做出的统计。）

过去两年中，31%的企业曾遭遇数据泄露；27%的企业并未遵守国家或全球性移动设备保护法规，或者不清楚是否遵守；个人数据收集与滥用问题同样严重：美国41%，加拿大69%，英国70%，法国72%，德国78%。（SOTI、IQPC以及Enterprise Mobility Exchange。）

与2018年同期相比，2019年假日购物季以来的在线零售欺诈活动增加了29%；2017年与2019年相比，可疑电子商务欺诈行为更是增长60%。（iovation对过去三年中从感恩节到网络星期一期间在线零售交易的调查。）

2019年第三季度，年化移动数据流量同比增长68%。高增长率主要源自印度智能手机用户数量增加以及中国智能手机月均数据流量提升的推动。总体而言，智能手机用户数量与单用户平均数据流量提升共同推动总体数据流量的上扬，其中的核心驱动因素为视频内容观看量的增加。（爱立信移动调查报告。）

到2023年，中国AI市场总值将达到119亿美元，远高于2020年的425亿美元。（来自IDC与QbitAI）

企业虚拟数字助手软件市场将由2018年的13亿美元增长至2025年的89亿美元。（来自Tractica）

到2024年，AI在农业市场的价值将达到20.157亿美元，远超2019年的5.78亿美元。（来自BIS Research）

“神经网络模型内的参数数量，实际上正以每年10倍的速度增长。这样的增长指数前所未有，速度之快令人难以置信，而且几乎超越一切我曾见到过的技术转化。”——英特尔公司，Naveen Rao

“与市场上的其他导航类应用相比，人类的介入无疑令Waze地图与应用获得了更高的精度。这就是人为因素的重要性，目前的AI技术还无法真正达到同样的水平。”——Waze地图编辑志愿者，Chad Richey

“我们应该记住，可解释性是存在边界的。毕竟，即使是人类做出的决定，有时候同样无法解释。”——吴恩达

“我认为很多专注于实验室工作的研究人员，包括Yann LeCun，都觉得「AGI」这一概念既没什么意思、也没什么意义。当然，有些人认为AGI才能代表真正的人类智能，但我对这种看法并不认同，因为人类智能本身就缺少通用性。另外，也有不少人把奇异性强行代入AGI，即只要拥有了AGI，那么这种智能就会自发学习并不断改进。但目前还不存在这样的模型，包括人类自己，也无法让自己变得更聪明。我认为终有一天，人们会抛弃AGI的概念，转而追求更为明确的发展议程。”——Facebook公司人工智能副总裁，Jerome Pesenti

“……我们无法预测未来，这种不可预测性应该属于常识。但在涉及AI时，很多人总爱丢掉共识。”——普林斯顿大学，Arvind Narayanan

“过去十年当中，我们已经学会构建起几乎能够在一切任务当中带来超人性能的人工神经网络，具体方法包括定义损失函数并收集或创建足够大的训练数据集。尽管这确实带来了一系列极具价值的应用方案，但距离真正的智能仍然相去甚远。”——谷歌公司，Blaise Aguera y Arcas