德勤发布全球人工智能八大创新趋势：主战场转向城市应用，投资热降温

文/超脑智能

今天继续为大家分享世界四大会计事务所之一的德勤公司，在2019年发布《全球人工智能发展白皮书》，在上一篇中，我们重点分享了“中国在全球AI市场的地位”，具体回看我前边发布的内容：德勤：中国在全球AI地位 数据应用有优势 人才芯片基础研究差距大。

今天机器智能继续为大家选取“AI创新融合新趋势”的章节，该章节主要介绍了人工智能未来的八大新趋势，包括人工智能的商业化、AI进入机器学习时代、市场对投资回归理性、城市逐渐成为AI创新应用主战场等。

AI创新融合新趋势有八个方面，具体如下。

当前人工智能技术已步入全方位商业化阶段， 并对传统行业各参与方产生不同程度的影响， 改变了各行业的生态。这种变革主要体现在三个层次。

第一层是企业变革：人工智能技术参与企业管理流程与生产流程， 企业数字化趋势日益明显， 部分企业已实现了较为成熟的智慧化应用。这类企业已能够通过各类技术手段对多维度用户信息进行收集与利用， 并向消费者提供具有针对性的产品与服务， 同时通过对数据进行优化洞察发展趋势， 满足消费者潜在需求。

第二层是行业变革： 人工智能技术带来的变革造成传统产业链上下游关系的根本性改变。人工智能的参与导致上游产品提供者类型增加， 同时用户也会可能因为产品属性的变化而发生改变， 由个人消费者转变为企业消费者， 或者二者兼而有之。

第三层是人力变革。 人工智能等新技术的应用将提升信息利用效率， 减少企业员工数量。 此外， 机器人的广泛应用将取代从事流程化工作的劳动力，导致技术与管理人员占比上升， 企业人力结构发生变化。

人工智能技术带来的全方位变革

随着技术的进步和发展， 人类学习知识的途径逐渐从进化、 经验和传承演化为了借助计算机和互联网进行传播和储存。由于计算机的出现， 人类获取知识的途径开始变得更加高效和便捷。在不久的将来， 绝大多数的知识将被机器提取和储存。强大的计算机算法将逐渐获得类人的能力， 包括视觉、 说话的能力和方向感等。

在人工智能众多的分支领域中，“机器学习”（Machine Learning） 是人工智能的核心研究领域之一。包括89%的人工智能专利申请和40%人工智能范围内的相关专利均为机器学习范畴。最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能。机器在现有的知识找到空缺， 接着机器效仿人脑并模拟进化， 系统化地减少不确定性，识别新旧知识的相同点， 并完成学习。

人工智能各层级图示

人工智能核心是算法 。

作为人工智能的底层逻辑， 算法是产生人工智能的直接工具。 从历史的进程来看， 人工智能自1956年提出以来， 经历了三个阶段， 这三个阶段同时也是算法和研究方法更迭的过程：

第一个阶段是20世纪60~70年代， 人工智能迎来了黄金时期， 以逻辑学为主导的研究方法成为主流。 人工智能通过计算机来实现机器化的逻辑推理证明， 但最终难以实现。

第二个阶段是20世纪70~90年代，其中， 1974到1980年间， 人工智能技术的不成熟和过誉的声望使其进入“人工智能寒冬”， 人工智能研究和投资大量减少。

1980年到1987年， 专家系统研究方法成为人工智能研究热门， 资本和研究热情再次燃起； 1987年到1993年， 计算机能力比之前几十年已有了长足的进步， 这时试图通过建立基于计算机的专家系统来解决问题， 但是由于数据较少并且太局限于经验知识和规则， 难以构筑有效的系统， 资本和政府支持再次撤出， 人工智能迎来第二次“寒冬”。

第三个阶段是20世纪90年代以后， 1993年到2011年， 随着计算力和数据量的大幅度提升， 人工智能技术获得进一步优化； 至今， 数据量、 计算力的大幅度提升， 帮助人工智能在机器学习， 特别是神经网络主导的深度学习领域得到了极大的突破。 基于深度神经网络技术的发展， 才逐渐步入快速发展期。

人工智能技术发展历史

此外， 数据是人工智能底层逻辑中不可或缺的支撑要素， 没有数据针对人工智能的数据处理将无法进行。有了数据挖掘对数据的清晰、 集成、 归约等预处理手段， 人工智能才能拥有足够的数据进行学习。随着人工智能技术的迭代更新， 从数据生产、 采集、 储存、 计算、 传播到应用都将被机器所替代。

数据处理的发展阶段

从科研和学术的范畴到技术创业， 人工智能仅用了几年的时间。这样的转变不仅得益于人们希望新技术解放生产力的要求和政策的扶持， 还离不开资本市场对人工智能的助推。随着资本市场对人工智能认知的不断深入， 投资市场对人工智能的投资也日趋成熟和理性。在过去5年间， 中国人工智能领域投资出现快速增长。人工智能的元年2015年， 投资总额达到了450亿元， 并在2016年和2017年持续增加频次。2019年上半年中国人工智能领域共获融资超过478亿元， 获得了不俗的成绩。

中国人工智能投融资变化情况

分析人工智能的投资趋势， 主要分为以下几点：

易落地人工智能应用场景受投资人追捧。近年投融数据显示， 企业服务、机器人、 医疗健康、 行业解决方案、基础组件、 金融领域在投资频次和融资金额上均高于其他行业。从公司层面来看， 全球顶级团队、 资金实力和科技基因更易受到二级市场投资者的青睐。从行业方面来看， 容易落地的新零售， 无人驾驶， 医疗和智适应教育预示着更多的机会， 因此以上领域的公司拥有更多获得投资的机会。

中国人工智能各行业投融资频次分布

投资市场开始青睐底层技术创业公司。有别于前期对应用型人工智能公司的投资偏好， 投资市场开始逐渐关注人工智能底层技术的创业公司。做底层技术更易受追捧， 由于天花板高， 这类公司在市场上更加具有竞争力。由于人工智能底层技术在中国的发展仍落后于美国的， 而底层技术是人工智能发展的重要支持， 随着人工智能在中国的进一步发展， 底层技术的投资的热度将持续增长。

获投A及B轮公司占比仍然最高， 战略投资开始逐渐增多。目前全国有超过1,300家人工智能企业获得风险投资投资。其中A轮以前的获投频次占比开始逐渐缩小， 投资人对A轮仍然保持着较高的热情， 目前是获得投资频次最高的轮次。战略投资在2017年开始爆发。随着人工智能市场板块的逐渐成熟， 以互联网巨头为主的领军企业将目光投向了寻求长期合作发展的战略投资。这也预示着人工智能行业与产业在资本层面的战略合作开始增多。

2013-2019年上半年人工智能投资轮次

巨头投资人工智能布局在业务关联产业上下游。在人工智能发展的热潮中， 嗅觉敏锐的互联网巨头也开始了自己的战略布局。以科技部、 中科院国科控股、 地方财政局和经信委等机构扶持的科技投资基金以及阿里巴巴、 腾讯、 百度、 京东为首的互联网巨头已经将投资渗透到人工智能的各个板块。

从领域来看， 各投资机构选择投资的项目均处于其未来产业战略布局的上下游， 而这些获投项目也推动着国家人工智能发展战略的落地。

例如阿里巴巴投资重点主要在安防和基础组件， 获投的代表性公司包括商汤、 旷视和寒武纪科技等。腾讯投资的重点主要集中在智慧健康、 教育、智慧汽车等领域， 代表性的公司包括蔚来汽车、 碳云智慧等企业。

百度投资的重点主要在汽车、 零售和智慧家居等领域。

京东投资重点聚集在汽车、 金融和智慧家居等领域。而依托中科院体系的国科系则在与芯片、 医疗、 教育等人工智能技术和应用领域均有涉足。随着数字化在各行业中的转型和融合， 人工智能在无人驾驶、医疗健康、 教育、 金融、 智能制造等多个领域都将成为巨头的必争之地。

AI领先企业主要投资领域

作为未来的新型行业， 人工智能企业呈现出高增长的特征。我们根据不完全的公开信息， 以及德勤高科技高成长500强榜单内的人工智能企业进行增长率梳理， 筛选出了50家高增长企业。

全球人工智能高增长企业1~20

全球人工智能高增长企业21~50

城市是承载AI技术创新融合应用的综合性载体， 也是人类与AI技术产生全面感知的集中体验地。过去几年， 全球各地的主要城市都在AI技术的发展中发挥了差异化作用， 构建了各自的生态体系，并在赋能产业应用、 助力区域经济发展方面实现初步效果， 掀起了人类对新一轮产业革命的思考、 认知和行动。随着AI应用纷纷落地于城市层面， 城市逐渐成为AI创新融合应用的主战场。

虽然全球各地AI技术的关键成功要素各有差异， 但总体而言都构建了有利于技术与城市融合的生态发展体系。

我们对超过50个AI技术细分应用行业、 100多个AI技术相关的大学及研究机构、 200多家头部企业、 500多个投资机构、 7,000家AI企业、 10万名AI领域核心人才的持续跟踪观察， 总结了以城市为主体的AI技术及产业生态体系的特点、 框架及发展路径。

经过综合考虑， 我们认为一个城市AI技术创新融合应用程度可主要通过考察以下五大方面：

顶层设计：即AI产业扶持政策、 特殊立法、 数据开放政策及开放程度等 ；

算法突破：即AI芯片等人工智能核心软硬件的研发核心环节等 ；

要素质量：即AI领军人物、 资本支持力度、 科学家薪酬水平、 行业会议影响力等 ；

融合质量：即前沿学科连结性（AI:+Cloud、 +Blockchain、 +IoT、 +5G、+Quantum Computing等前沿技术）、创新主体多元性（头部企业、 学术机构等）、 文化多样性等 ；

应用质量：即金融、 教育、 医疗、 数字政务、 医疗、 无人驾驶、 零售、 制造、 综合载体发展等 。

根据全球城市在上述五项指标中的评估表现， 德勤评选出最具代表性的三大类共计20个全球AI创新融合应用城市：

2019年20个全球AI创新融合应用城市

综合枢纽型AI城市

伦敦，波士顿，东京都是综合枢纽型AI城市

融合应用型AI城市图示 包括纽约

上海，北京，特拉维夫，洛杉矶是融合应用型AI城市

深圳，新加坡，悉尼，柏林等成为创新引领性AI城市

作为推动人工智能技术进步的“三驾马车”， 算法、 数据和计算力在过去的5-10年间不断创新。在算法方面， 人类在机器学习的算法上实现了突破， 特别是在视觉和语音技术方面的成就尤为突出。在数据方面， 移动互联网时代的到来使数据量迎来了爆炸式增长。

人工智能算法模型经过长期发展， 目前已覆盖多个研究子领域。以机器学习为例， 其核心算法包括最小二乘法、 K近邻算法、 K均值算法、 PCA分析法核心模型包括线性回归、 逻辑回归、 判定树、 聚类、 支持向量机等。

主流算法模型库使得常见算法模型得到了高效实现：Caffe框架、 CNTK框架等分别针对不同算法模型进行收集整合， 在算法的开发利用中有很高的实用性。随着大数据技术的不断提升， 人工智能赖以学习的标记数据获得成本下降， 同时对数据的处理速度大幅提升。宽带的效率提升。

物联网和电信技术的持续迭代为人工智能技术的发展提供了基础设施。2020年， 接入物联网的设备将增加至500亿台。代表电信发展里程的5G的发展将为人工智能的发展提供最快1Gbps的信息传输速度。

在计算力上， 得益于芯片处理能力提升、 硬件价格下降的并行使得计算力大幅提升。截至目前， 全球人工智能的计算力主要是以GPU芯片为主。但随着技术的不断迭代， 如ASIC、 FPGA在内的计算单元类别将成为支撑人工智能技术发展的底层技术。

中国人工智能芯片市场规模与增速预测（2016-2020）

人工智能芯片分类：GPU、ASIC、FPGA

人工智能对社会和经济影响的日益凸显， 各国政府也先后出台了对人工智能发展的政策， 并将其上升到国家战略的高度。截至目前， 包括美国、 中国和欧盟在内的多国和地区颁布了国家层面的人工智能发展政策。

各国针对人工智能出台的政策

时至2019年， 中国政府继续通过多种形式支持人工智能的发展。此前， 中国形成了科学技术部、 国家发改委、 中央网信办、 工信部、 中国工程院等多个部门参与的人工智能联合推进机制。从2015年开始先后发布多则支持人工智能发展的政策， 为人工智能技术发展s和落地提供大量的项目发展基金， 并且对人工智能人才的引入和企业创新提供支持。

国家层面人工智能发展政策

国家规划人工智能“三步走”

各省市人工智能发展政策

这些政策给行业发展提供坚实的政策导向的同时， 也向资本市场和行业利益相关者发出了积极信号。在推动市场应用方面， 中国政府身体力行， 直接采购国内人工智能技术应用的相关产品， 先后落地多个智慧城市、 智慧政务等项目。

从战略层面来看，《新一代人工智能发展规划》 是中国在人工智能领域进行的第一个系统部署文件， 具体对2030年中国新人工智能发展的总体思路、 战略目标和任务、 保障措施进行系统的规划和部署。规划根据中国人工智能市场目前的发展现状分别对基础层、 技术层和应用层的发展提出了要求， 并且确立中国人工智能在2020、 2025以及2030年的“三步走” 发展目标。

人工智能将提升社会劳动生产率， 特别是在有效降低劳动成本、 优化产品和服务、 创造新市场和就业等方面为人类的生产和生活带来革命性的转变。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性， 并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。

我们预测未来2025年世界人工智能市场将超过6万亿美元， 2017-2025年复合增长率达30%。

全球人工智能市场规模

从行业来看， 传统市场规模较大的领域将继续领跑， 2030年制造业， 通信、传媒及服务， 自然资源与材料将分别以16%， 16%， 14%占据前三名。其中，庞大的制造业企业已经开始加速数字化转型， 推动智能管理、 智能工厂、 智能物流等全方位智能化， 因而制造业也是其中增速最快的领域。同时， 在新领域中， 教育领域人工智能技术的应用也开始向学习全过程渗透， 增长速度也是不容忽视。

人工智能市场规模（按行业分类）

我国的人工智能核心产业规模目前已超过1,000亿元， 预计到2020年将增长至1,600亿元， 带动相关产业规模超一万亿元。 其中北京、 上海、 浙江、 江苏、 广东的人工智能相关产业规模位于所有省份和直辖市前列， 预计2020年分别可达到1,400亿、 1,300亿、 2,700亿、 1,000亿和2,800亿。

以上海为例， 上海自推出《关于本市推动新一代人工智能发展的实施意见》 以来， 人工智能产业发展加速， 2019年相关产业规模可达到1200亿元。依托长三角的区位优势， 上海人工智能企业在人才、 资本方面都能获取到充足且优质的资源， 企业集群带来的效益提升显著，有利于公司和行业规模的持续扩大。

人工智能技术进入商业应用阶段后， 已经逐步在众多行业得到应用， 其发展前景受到政府、 企业等社会各方的普遍认可， 毫无疑问已经成为影响经济发展的重要力量。

各地政府为推动产业升级， 实现经济新旧动能转换， 纷纷颁布与人工智能产业相关的产业规划指导意见， 提供税收优惠、 资金补贴、 人才引入、 优化政务流程等措施优化营商环境， 吸引有实力的企业入驻，同时培育本地人工智能企业。

▲中国人工智能企业分布情况

在政策与资本双重力量的推动下， 人工智能企业数量快速上升， 据不完全统计， 中国各地人工智能企业超过4,000家， 京津冀、 珠三角、 长三角是人工智能企业最为密集的地区。同时， 由于有大量的传统制造业需要利用人工智能技术进行智能化升级， 再加上政府政策的支持， 西部川渝地区也成为人工智能企业的聚集区域。

从城市层面来看， 北京、 上海、 深圳、 杭州市是聚集人工智能企业数量最多的城市， 均超过了600家， 处于第一梯队。

投融资金额：北京、 上海人工智能初创企业融资金额最多。活跃的资本环境将对支持人工智能初创企业提升技术、 获取用户、 拓展市场有积极影响， 促进人工智能产业链上下游企业形成规模效应， 从而提升城市人工智能产业实力。

各城市人工智能初创企业融资金额（2015年-2019年上半年）

初创企业在新技术的研发与商用方面承担开拓者的作用， 初创企业获得的融资金额在一定程度上代表了该地区在新技术的发展前景。人工智能技术已经步入商用阶段， 其应用范围已经拓展至金融、 交通、医疗、 生产制造等多方面， 初创企业获得更多的融资金额意味着更多的资金将推动人工智能渗透更多行业。

在初创企业获得的融资金额方面， 自2015年以来， 北京、 上海人工智能初创企业融资金额均超过500亿元， 分别为1,599亿元与582亿元。这是因为北京、上海聚集中国大部分的人工智能初创企业， 企业技术实力雄厚， 同时客户对新技术的接受度更高， 因而拥有更为广阔的应用市场。

科研院校与机构实力差异明显：北京实力雄厚， 上海依靠高校， 深圳依靠企业， 杭州相对单一。科研院校与机构是人工智能技术研发的重要场所。中国人工智能论文数量自2014年超过美国， 并且远超其他国家，这与人工智能科研院校与机构的快速发展密不可分， 同时， 科研院校与机构也是人工智能专利申请的主要力量。因而， 分析各城市人工智能科研院校与机构能够帮助了解该城市的技术力量。

各城市人工智能科研院校与机构特点

人工智能人才：集聚经济发达地区。人工智能竞争归根结底是人才的竞争。 中国人工智能人才分布不均， 主要集中于京津冀、 长三角以及珠三角地区， 此外中西部也已经形成一定的人才聚集， 主要分布在长江沿岸。 从各城市人工智能人才占比来看， 北京最具优势， 占比近28%， 是第二名上海（12.1%） 的两倍。 深圳、 杭州占比均低于10%， 位居第二梯队。

各城市人工智能人才数量占比

各高校发表人工智能国际论文数占比

各城市智慧城市管理排名

城市智能化管理：受政策影响较大， 深圳、 上海、 杭州先行 。智慧城市框架下实现城市管理效率的提升主要通过利用信息技术实现政务系统的信息化， 进而推动各领域数据交汇，从而为智能城市管理提供数据支持。 深圳、 上海和杭州的智能城市管理得分更高。 这些城市政府信息化起步较早， 数字鸿沟大大缩小， 普遍实现部门资源共享、 协同办公和网上审批。 北京由于特殊地位， 政府在实施智能城市管理时需要有更多的考量， 因而排名较为靠后。