美国人工智能行业研究报告论文

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。以下是我精心整理的人工智能的利与弊论文的相关资料，希望对你有帮助!

摘要：自1956年人工智能诞生起，几十年的发展让其有了许多的进步，并广泛用于机器视觉，专家系统,智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学等各大领域，并且与人类生活联系越来越紧密。在安全性没有得到确切认证的情况下广泛发展人工智能是否是可行的做法，人工智能是否会战胜人类智能，现在还存在广泛的争论。本文从人工智能的概况，应用领域与人类生活的联系等方面讨论，联系有关理论，认为人工智能的发展需要在人类智能可控的范围内进行。

关键字：人工智能 超越 人类智能 退化

一.人工智能的概况

(一)人工智能的概念

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

(二)人工智能的兴起

1956年,被认为是人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论。他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会"。从那时起,这个领域被命名为 "人工智能"。1976年Newell 和Simon提出了物理符号系统假设，认为物理符号系统是表现智能行为必要和充分的条件。 Minsky从心理学的研究出发，提出了框架知识表示方法。到80年代，Minsky认为人的智能，根本不存在统一的理论。以McCarthy和Nilsson等为代表，主张用逻辑来研究人工智能，即用形式化的方法描述客观世界。逻辑学派在人工智能研究中，强调的是概念化知识表示、模型论语义、演绎推理等。 McCarthy主张任何事物都可以用统一的逻辑框架来表示，在常识推理中以非单调逻辑为中心。传统的人工智能研究思路是“自上而下”式的，它的目标是让机器模仿人，认为人脑的思维活动可以通过一些公式和规则

来定义，因此希望通过把人类的思维方式翻译成程序语言输入机器，来使机器有朝一日产生像人类一样的思维能力。这一理论指导了早期人工智能的研究。

(三)人工智能的发展状况

1956年，Samuel研制了跳棋程序，它在1959年击败了Samuel本人

1959年美籍华人学者、洛克菲勒大学教授王浩 自动定理证明

1976年 “四色定理”的证明

1977年，曾是赫伯特·西蒙的研究生、斯坦福大学青年学者费根鲍姆

()，在第五届国际人工智能大会上提出了”知识工程”的概念 1976年美国斯坦福大学肖特列夫开发医学专家系统MYCIN

80年代，AI 被引入了市场,并显示出实用价值

1997年 “深蓝”

2011年9月，在印度古瓦哈蒂举行的电脑科技展上，一个“聪明机器(Cleverbot)”成功过近800名观众，使他们难以分辨对话出自真人还是电脑软件。当日参加聊天试验的30名志愿者被安排进行4分钟在线文字聊天，聊天的对象可能是“聪明机器人”，也可能是一个真人。他们的对话内容展示在一个

大屏幕上，1334名普通观众观看对话内容后进行投票。结果，超过的观众 把人与“聪明机器人”的对话误认成人与人之间的对话“聪明机器人”的发明 者、英国人罗洛·卡彭特很高兴地告诉记者：“过一半以上观众，你可以说聪明机器人算是通过了"图灵测试"

二.人们对人工智能的依靠

(一)人工智能主要应用领域

目前人工智能主要的应用领域在机器视觉(指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别)，专家系统,智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。

(二)人们生活与人工智能的密切关系

从智能手机、自动驾驶汽车到医疗机器人，人工智能革命已经到来。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通

中推荐最畅通的线路;帮助识别信用卡„„虽然很多时候我们甚至没有意识到它的存在，但我们的生活却因它悄悄改变。

在美国硅谷，尼古拉斯·亚宁早上起来准备去上班，到公司需要40分钟车程。这位在Google工作的技术员走向他的Lexus汽车。汽车即将驶上加州拥挤的高速路，此时他的“司机”———汽车开始掌控大局。亚宁的这辆车是Google正在实验的自动驾驶汽车，安装有复杂的人工智能技术，使得他可以放松地坐在驾驶座上充当乘客。

在马萨诸塞州贝德福特的iRobot公司，一名参观者看着5英尺高的机器人爱娃小心翼翼地行走在大厅里，躲避着周围的障碍物———包括人类。今年年底它将开始自己的第一份真正工作———远程医疗助手，让数千英里之外的专家通过安装在它“头”上的视频屏幕给医院的病人看病。当医生准备看望下一位病人时，他只需点击电脑地图上的新位置。爱娃根据地图找到并赶往下一个病房，它还会自己乘坐电梯。

在华盛顿普尔曼，华盛顿州立大学的研究者们正在给“智能”房间安装上感应器，使之能够根据需要自动调节房间的光线，监控住户的一切活动，包括他们每天睡眠多少小时，锻炼多少分钟。听上去有点像是被监禁，但事实上，倡导者们认为这样的技术就像一个富有爱心的保姆：智能房屋可以帮助老年人，尤其是有身体或智力障碍的老人过上独立的生活。

从今年夏天在火星登陆的好奇号太空探测器，到仪表盘能够与人对话的汽车，再到智能手机，人工智能正在改变我们的生活———有时候以一种显而易见的方式，更多的时候，我们甚至没有意识到它的存在。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通中推荐最畅通的线路;帮助识别信用卡;告诉驾驶员什么时候越过了道路中央的分道线。

甚至连烤面包机也即将加入人工智能革命。你可以将一个面包放进去，用智能手机拍张照片，手机将把所有需要的信息传送给烤面包机，指导它如何将面包烤得恰到好处。

从某个方便说，人工智能几乎无处不在，从控制数码相机的光圈和快门速度的智能感应器，到干衣机中的温度和湿度探测器，再到汽车中的自动泊车功能。更复杂的应用还在源源不断地走出实验室。

三.人工智能的弊端

(一)关于人工智能超越人类智能的假说

人工智能只可以作为人类智能的补充，但是人工智能的发展速度远远超过人类智能的发展速度，即根据进化论来说人工智能的进化速度比人类智能进化得快许多。由于人工智能起步较低，故现在和人类智能有一定差距，但其表现出了在局部超越了人类智能的现状，让人有理由相信人工智能超越人类智能只是时间上的问题。

人工智能超越人类智能论据有：一是达尔文进化论;二是类比人类的创造性即由于人类智能的不断探索欲会把自己独有创造赋予人工智能，这会导致人工智能战胜人类智能;三是“量变质变定律”人工智能不断的在某些领域超越人类智能，最终将在质上战胜人类智能。

其代表人物有四川大学社科系教授王黔玲从世界观角度提出的“人工智能将超越人类智能”的论断。华东师范大学哲学系教授郦全民认为在好奇心的驱使下，在不前进就会落后的“象棋皇后”效应的作用下，人类不会停止对比自己先进的更高的智能系统的探索。而进化法则又不可违背，将使得进化之链朝着超越人类的方向发展。因此地球上出现超越人类的高智能物种是进化的必然。代维也大胆预测“人工智能将在不远的将来战胜人类智能，但会有自己的存在方式，不会对人类构成威胁”。约翰·麦卡锡——人工智能之父认为“没有理由相信我们不能写出一个能使电脑像人一样思考的公式。”斯蒂芬·霍金 说过“在我看来，如果非常复杂的化学分子可以在人体内活动并使人类产生智慧的话，那么太阳复杂的电子电路也可以使计算机以智能化的方式采取行动。”德国班贝克大学心理学教授德尔纳认为“有灵魂的机器是存在的。”

(二)人类退化的假说

从智能手机、自动驾驶汽车到医疗机器人，人工智能革命已经到来。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通中

第5 / 6页

推荐最畅通的线路;帮助识别信用卡等。虽然很多时候我们甚至没有意识到它的存在，但我们的生活却因它悄悄改变。人们总是趋向于安逸的生活，人工智能的出现满足了人们许多的需求，这会导致人们满足于享受当前的生活而忘记许多自己的本能。根据达尔文的进化学说，那些我们不在经常使用的本能会在生物的繁衍中逐渐的退化消失。人工智能化的发展，我们的衣食住行都可以有简单的解决方法，并且也越来越为人们所依赖。就像过去几千年我们没有电话手机，一样可以有自己的通讯方式，可是现在手机发展不过几十年，就没有几个人能离得开手机了。试想一下日益进入我们生活中的人工智能，等你习惯后还能离得开吗。如果有了人工智能，你什么都不用自己动手，那经过生物衍变，人类的未来还能剩下什么呢。经过退化衍变的人类还有什么能力呢。

四.结语

现阶段人工智能在专家系统,智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学等方面都有许多的应用，并且范围越来越广，虽然看似都是促进科学发展的，但是我们得注意其使用的度，就像克隆的应用一样，具有双面性的东西在发展时都应该慎重考虑。人工智能智能作为一种工具被人类智能限定在一定的范围里发展，才能在保证其安全的条件下最大程度的为人类发挥作用。 参考文献：

【1】史忠植. 高级人工智能(第二版). 科学出版社, 2006.

【2】玛格丽特·博登，人工智能哲学，上海译文出版社2001-11-01

【3】 Russell S., Peter Norvig，人工智能——一种现代方法(第二版)北京：人民邮电出版社, 2004 【4】史忠植. 智能主体及其应用.科学出版社,2000.

【5】 叶世伟, 史忠植 译. 神经网络原理(Simon Haykin: Neural Networks) . 机械工业出版社,2004.

【6】蔡自兴，徐光佑，人工智能及其应用(第三版). 北京：清华大学出版社，2003年

【7】卢格尔，人工智能，机械工业出版社，2009-03-01

【8】CarolynAbate，人工智能改变生活，南方都市报，2012-09-30

【9】门泽尔，机器人的未来，上海辞书出版社，2002年

【10】钱学森，关于思维科学，上海人民出版社，1986

【11】钱铁云，人工智能是否可以超越人类智能?，科学社会与辩证法，2004

【12】代维，人工智能VS人类智能。20年后谁称雄，青年探索，2002

【13】姜长阳，人类正在退化，自然辨证法研究，2000年11期

只要谈及科技对人类的意义，有一个词语出语率颇高――“双刃剑”。即科技在给人们带来便捷、舒适和高质量生活的同时，也不可避免地会带来诸多弊端。在这种种弊端中，有看得见的，如环境污染;而更多的则是看不见的，如科技对文化的冲击。

有关科技的利与弊，近年来舆论界一直争论不休，莫衷一是。这一现象也直接反映在了高考语文试题中――连续几年的高考作文都涉及到这一话题，且有逐年增多的趋势。

据统计，在近几年高考作文中讨论最多的话题是“科技对文化(尤其是传统文化)的冲击”――即科技会不会对文化构成冲击?又会构成什么样的冲击?如2012年高考湖北卷作文题就提供了这样一则材料：

语文课堂上，老师在讲到杜甫《春望》“烽火连三月，家书抵万金”时，不无感慨地说：“可惜啊，我们现在已经很难见到家书了，书信这种形式恐怕要消失了。”学生甲：“没有啊，我上大学的表哥就经常给我写信，我觉得这种交流方式是不可替代的。”学生乙：“信息技术这么发达，打电话、发短信、写邮件更便捷，谁还用笔写信啊?”学生丙：“即使不用笔写信，也不能说明书信消失了，只不过是书信的形式变了。”学生丁：“要是这样说的话，改变的又何止是书信?社会发展了，科技进步了，很多东西都在悄然改变。”……

诚然，电话、短信、邮件在带给我们方便、快捷的同时，也消减了我们生活中的诗意。可是我们不妨思量一下，“云中谁寄锦书来”或许能带给我们诗意和遐想，可在“烽火连三月”的情况下，恐怕还是一条快捷的短信更让人放心。因此，我们要充分考虑到两者的得失，对如何处理好科技与文化的关系作出深刻的反思：是为了保存传统的美好而抱残守缺，还是为了方便快捷就抛弃传统?是在传统的树干上嫁接上时尚的枝条，还是在崭新的文化中打上旧补丁?笔者想：应该思考这类问题的绝不仅仅是我们的中学生，更有我们的决策者、我们的专家，甚至我们每一个普普通通的公民。反思永远强于抱怨，只有总结反思，才能使我们的下一步走得更好，走得更稳健，从而一步步接近我们理想中的伊甸园。

与此一脉相承的是2014年高考广东卷的作文题。所不同的是广东卷的材料放弃了书信与手机，取而代之的是黑白胶片与数码技术：

黑白胶片的时代，照片很少，只记录下人生的几个瞬间，在家人一次次的翻看中，它能唤起许多永不褪色的记忆。但照片渐渐泛黄，日益模糊。数码技术的时代，照片很多，记录着日常生活的点点滴滴，可以随时上传到网络与人分享。它从不泛黄，永不模糊，但在快速浏览与频繁更新中，值得珍惜的“点滴”也可能被稀释。

黑白胶片与数码技术就像尺素与短信、马车与高铁、书法与“键谈”、远足与网游、品茗与快餐，品评它们又岂是一个“利”字或“弊”字可以概括的?这当中，掺和有科技的因素，有文化的因素，有传统的因素，有心理习惯的因素……其实，人们最希望拥有的是现代科技的便捷加上传统文化的醇香，而这恰如鱼与熊掌，兼而得之实在不易。

高考作文涉及到的又一方面的话题是“科技对传统审美观念的冲击”。如2014年高考辽宁卷作文题提供了这样一则材料：

夜晚，祖孙二人倚窗远眺。“瞧万家灯火，大街通明，霓虹闪耀，真美!”男孩说，“要是没有电，没有现代科技，没有高楼林立，上哪儿看去?”老人颔首，又沉思摇头：“可惜满天繁星没有了。沧海桑田，转眼之间啊!当年那些祖先，山洞边点燃篝火，看月亮初升，星汉灿烂，他们欣赏的也许才是美景。”

读罢这则材料，笔者觉得：如果“当年那些祖先”能够“穿越”回来，即便他们依然认为篝火、明月、星汉是大自然中最美丽的景观，但他们还乐意栖居在山洞里燃着篝火欣赏那满天繁星吗?现代科技早已潜入到了人们的灵魂深处，纵然我们会偶尔生出几许怀旧的情愫，那不过是我们在内心珍存的原始记忆陨落时的惆怅，纵然我们心向往之，也未必愿意返璞归真。在现代社会中，像陶渊明、梭罗这些真正倾心于自然的隐者已经很难寻觅了。

高考作文所涉及的有关科技的材料，还触及到了近乎于“科幻”的话题。如2014年高考天津卷的作文材料，讲的是一则带有几分科幻色彩的故事，揭示了现代科技给人带来的“荒诞感”：

也许将来有这么一天，我们发明了一种智慧芯片，有了它，任何人都能古今中外无一不知，天文地理无所不晓。比如说，你在心里默念一声“物理”，人类有史以来有关物理的一切公式、定律便纷纷浮现出来，比老师讲的还多，比书本印的还全。你逛秦淮河时，脱口一句“旧时王谢堂前燕”，旁边卖雪糕的老大娘就接茬说“飞入寻常百姓家”，还慈祥地告诉你，这首诗的作者是刘禹锡，这时一个金发碧眼的外国小女孩抢着说，诗名《乌衣巷》，出自《全唐诗》365卷4117页……这将是怎样的情形啊!

不知道是否真的有那么一天，不知道这样的情形是否真的会出现，也不知道这样的情形出现究竟是喜是悲。

平心而论，科技带给我们的永远是利大于弊，否则我们绝不会视之为“第一生产力”，也不会有那么多仁人志士为科技献身，为科技发展不遗余力了。我们现在要探究的是在发展科技的同时怎样将它的负面效应降到最低，乃至使之成为促进文化传承与发展的助力;而不是因噎废食，视科技为文化的宿敌，甚至视若洪水猛兽――而承担这一重任的主力，将会是今天走上考场的一代青年。从这一意义上看，让他们先写这样的文章真的很有价值。想必“科技”这一话题在随后的高考作文中仍会有一定的地位。

智能建筑中的智能化系统是新科技的代表，是顺应时代的产物。智能建筑成为一个整体出现时，智能化系统会有序的、科学的分布在建筑的应用中，发挥它应有的功能和作用。以下是我整理的人工智能的论文的相关 文章 ，欢迎阅读!

建筑智能化设计的相关探讨

【摘要】智能建筑中的智能化系统是新科技的代表，是顺应时代的产物。智能建筑成为一个整体出现时，智能化系统会有序的、科学的分布在建筑的应用中，发挥它应有的功能和作用。智能化系统在智能建筑中起着重要的作用，在管理过程中，要科学管理、综合考究、有效安排、合理利用。以求达到最佳效果，确保建筑项目安全施工。本文将综合阐述有关智能建筑中智能化系统的设计概念、以及在设计和施工的过程中应该注意的相关问题。

【关键词】智能建筑;智能化系统;设计

一、建筑智能化系统的设计原则

(一)先进性。智能建筑的智能化系统是随着信息电子科学技术的发展而不断发展的，因此，在系统设计时应当分析智能化系统的发展状况，吸收开放的先进设计理念，以完善智能建筑功能的发挥。

(二)可靠性。在智能化系统设计时应当采用模块化设计理念，将智能化系统的各个子系统相互隔离，以确保在部分子系统发生故障的过程中不会影响其他子系统或链路的正常运行，由此提高系统运行的可靠性。

(三)标准化。随着智能化系统的快速发展，相关的系统设计标准也相继制定。在系统设计中应当严格按照系统标准进行设计，以方便系统的施工与维护。

(四)实用性。智能化系统的设计应当能够充分实现接收有线电视、图像、监控设备、多媒体通信、安全防范、语音、数据等功能，确保其在完善用户的信息沟通与娱乐的同时能够提高用户环境的安全性。

(五)经济性。智能化系统内部包含着多个子系统，其子系统又包含多种构件和设备，因此在系统设计过程中应当在考虑质量保证的同时尽量节省投资成本。

(六)扩展性。在电子信息技术的迅速发展状况下，当前的智能化系统设计内容会出现一定程度的约束与局限。所以，在进行智能化系统设计时应当考虑设计内容的可扩展性，确保智能建筑能够在未来的技术发展下得到更新扩展。

二、建筑智能化系统的设计

(一)供电系统设计

智能化系统的子系统通常需要进行单独供电，因此需要重视供电系统的设计。一般计算机网络系统会采用UPS 进行集中供电，在不间断电源机房其供电出线也需要进行集中供电，而供电进线则满足一定的容量要求即可;对于未使用不间断电源供电的的工作站，也应当采用单独回路进行供电，以避免电路混用危害系统运行，如安全防范系统应当使用单独回路进行集中供电，以保证其与消防联动系统在应对紧急情况时能够正常工作。

(二)接地系统设计

智能建筑的接地将直接影响到设备与工作人员安全、系统工作的可靠性与稳定性、信息传输的质量等。在建筑接地系统设计时应当根据建筑的功用与智能化系统工作要求进行设计，保证能够为其在应用部位提供响应接地端。其需要安装的有静电接地系统、辅助等电位铜排、防雷接地系统、安全保护接地系统、工作接地系统、直流接地系统等部分。其包括两种接地方式：

1、联合接地方式，其在应用中需注意：由于计算机等设备的抗雷击性能不高，且其系统包含超大规模的集成电路容易造成抗高频干扰差，很可能会受到其他系统的干扰，所以应当对计算的直流电源采用单独接地的方式;在使用联合接地方式时其接地电阻有可能会大于1Ω，所以对有特殊要求的智能化子系统均要采用单独接地。

2、单独接地方式，在使用统一接地时主要利用自然接地体，若不再使用人工接地体其应当满足以下条件：接地电阻应当在1Ω以下，即小于规定值;建筑基础内部的钢筋应当互相连接形成电气通路及闭合环，且闭合环英应当与地面保持以上的距离;建筑基础表面未设置绝缘防水层。由于单独接地方式具有施工简单方便、接地可靠、节省成本等优点，因此在智能建筑接地系统设计中得到了较广泛的应用。

(三)智能化管理间与智能化竖井

通常计算机网络系统对于数据通信线路有必要的长度与性能要求，在智能建筑智能化系统设计中，一般使用铜质双绞线作为计算机系统的水平线路，而铜质双绞线会影响到网络传输的带宽，所以根据布线标准与规范，应当保证网络交换机与计算机之间使用的铜质双绞线长度在100m的范围以内;根据管路的弯度与竖直条件，智能化管理间到建筑物的边缘距离应当在60m的范围内;在网络管理间应当安置相应的网络机柜，其周围要留设合理的安装与维护空间，其平面面积应当在5～10m2之间。

(四)综合布线系统设计

在综合布线系统设计中，一般的语音电缆或水平子系统数据电缆应当采用支持带宽100M的D级别系统和5e类的UTP电缆，以满足大量用户的扩展要求;其水平线缆的总长度应当在100m范围以内，其中水平布线电缆的最佳长度为90m，电信间配线架上的跳线与接线软线长度应当不小于5m，对于情况不明确的公共空间其电缆应当按照以下公式进行计算：

C=(102-H)/ W=C-5

其中H表示水平电缆的长度;C表示设备电缆、工作区电缆与电信间跳线的长度总和;W表示工作区电缆的最大长度，其值应当在22m以下;D表示设备电缆与电信间跳线的总长度。

三、目前智能建筑存在的问题

(一)国产化系统集成产品

现在占据国内智能建筑市场的产品仍然属于国外的几家公司，如美国的江森自控、IBM、朗讯科技和Honeywell等。国产系统集成产品没有主动权，这就很难使智能建筑完全真正地适应中国国情。

(二)技术障碍

在整个智能建筑领域仍然存在着一些技术上的缺陷，比如网络频宽的限制：数据传输量迅速增加和多媒体的使用，要求有宽阔的通讯空间;使用天线局域网络也要重新分配宝贵的音波频律。在新网络科技如ATM、Frame-relay等问世后，通讯空间的问题可获部分解决，但缺乏全面而完整的数据模型，各个建筑物自动化和应用系统之间仍然无法有效地交换数据。另外数据安全性和无缝话音与数据通讯之间还存在着矛盾，很多机构非常关注其内部资讯系统的安全性，以及保护其电脑和话音系统免被非法接达的问题，但如果把某建筑物隔离起来提供保护的话，就会导致无法使用更先进的通讯工具。

(三)人才缺乏

从事智能建筑的人才包括设计专门管理人才、安防产品技术支持工程师、布线、安防产品开发高级工程师、销售工程师(负责安防、综合布线产品的区域市场销售工作)、防盗报警、监控产品、大屏幕开发高级工程师、软件开发工程师(主要负责楼宇自控系统软件开发)，而最为紧缺的是智能建筑系统设计管理人才。它需要懂得电子、通讯和建筑三方面专业知识的复合型人才。就智能建筑项目来说，工程的设计和施工是两个方面。而既懂工程设计，又懂施工方案的人，却是少而又少。设计与施工如何衔接和连贯好，关系到工程的进度与质量。

智能建筑是高科技的产物，智能建筑学科是多学科的交叉和融汇，人才培养应该是多层次、多方位的，只有强调理论与实践紧密结合，设计与技术紧密结合，施工与产品紧密结合，才能培养出新一代的智能建筑人才。

四、结束语

智能建筑设计中的智能化系统是一项科技水平高施工难度大的高科技建筑，无论是对智能化系统的规划还是对其进行管理，都要进行优化控制，以达到智能建筑的最优化设计。智能化系统施工设计质量好坏将直接关系着智能建筑整体质量和使用寿命。因此，相关研究和设计人员应当加强智能化系统的综合分析与管理， 总结 智能化系统施工中的 经验 与问题，以不断提高智能化系统施工设计水平和质量。

参考文献：

[1] 翟伟盛，浅谈智能化系统管理及维护，消费导刊，2009年10期

[2] 金红峰，浅谈智能化系统管理及维护的一点心得，艺术科技，2007年03期

[3] 邵胜华，智能化建筑智能化安装工程管理探究[J] 理论研究，2010(7)

下一页分享更优秀的>>>人工智能的论文

人

工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸

近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。

人工智能市场格局

人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 万亿美元。

多角度人工智能产业比较

战略部署：大国角逐，布局各有侧重

全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。

美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。

伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。

日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。

基础层面：技术薄弱，芯片之路任重道远

基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。 受限于技术积累与研发投入的不足，国内在基础层领域相 对薄弱。具体而言，在 AI 芯片领域，国际 科技 巨头芯片已基本构建产业生态，而中国尚 未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术 （SDN）、 开发语音等核心技术被掌握在亚马逊、微软等少数国外 科技 巨头手中。虽国内 阿里、华为等 科技 公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传 感器多种产品类型，而在中国也涌现了诸如汇顶 科技 的指纹传感器等产品，但整体产业布 局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数 据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。

“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。

依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。

ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。

总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。

技术层面：乘胜追击，国内头部企业各领风骚

技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。

具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，百度的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。

在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。

作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。

计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 ，其中商汤市场份额 排名第一。

应用层面：群雄逐鹿，格局未定

应用场景市场空间广阔，全球市场格局未定。 受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到 亿元，约是技术层的 倍，基础层的 倍。 在全球范围内，人工智能仍处在产业化和市场化的 探索 阶段，落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企 业，在很多细分领域的市场竞争格局尚未定型。

中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早，以谷歌、亚马逊等企业为首的 科技 巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国 人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于 世界前列。例如，中国 AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。

整体来看 ，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看， 我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。 但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终 端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。

透析人工智能发展潜力

基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对 中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重 后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。

从智能产业基础的角度

产业化程度：增长强劲，产业规模仅次美国

中国人工智能尚在产业化初期，但市场发展潜力较大。 产业化程度是判断人工智能发展活 力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能 市场规模分别是 213、 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度， 据清华大学 科技 政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家） 人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展 望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的 增长态势，发展潜力较大。

技术创新能力：专利多而不优，海外布局仍有欠缺

专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申 请量占全球总申请量的 。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出 量首超美国，并长期雄踞申请量首位。

从专利申请领域来看， 深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重 点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界 第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI 科技 热潮兴起后 申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁 荣的结构性不均衡问题。

中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。 尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少， 仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布 局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示， 受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效， 而美国 的专利仍能得到有效保留。

人才储备：供需失衡，顶尖人才缺口大

人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布 不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 。欧洲 28 国拥有 43064 名人工智能人才，位居全球第一，占全球总量的 。美国和中国分别以 28536、18232 列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 倍，基础层人才数是中国的 倍。

我国人工智能人才供需严重失衡，杰出人才缺口大。 据 BOSS 直聘测算，2017 年国内人 工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着 至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄 厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰 出人才（977 人）比例仍明显偏低，不足欧美的 1/5。

人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。 根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看， 国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。

从学术生态的角度

技术创新能力：科研产出表现强劲，产学融合尚待加强

科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 。近些年，中国积极开展前瞻性 科技 布 局， AI发展势头强劲，从1998年占全球人工智能论文比例的增长至2018年的， 。2018 年，中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。

我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact， 加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世 界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高 于全球平均水平的 ；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文 影响力增幅明显，2018 年，中国 FWCI 为 ，较 2010 年增长 ，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出 为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量 论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。

从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成 果转化的短板。 而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 倍，欧盟的 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 ，与以色列（）、美国（）、日本（）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。

中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。 据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中， 美国（168 所）独占鳌头，占据全球的 。中国拥有 20 所高校与英国并列第三，数 量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。

从创新环境的角度

研发投入：中美研发投入差距收窄

中国研发高投入高强度，在全球研发表现中占据重要地位。 从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投 入总和占全球总量的比例已达 。其中，美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 ，同期美国 CAGR 仅 。由于经济疲软等 诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测， 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体 上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 ，低于日本和美国 、 个百分点。

资本投入：资金多而项目缺，资本投向侧重终端市场

中美是全球人工智能“融资高地”。 人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总 融资额的 。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第 二大融资体，融资总额占全球 。考虑到已有格局和近期变化，其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人 工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。

相比较美国，中国资本投向侧重易落地的终端市场。 从融资层面来看，中国各领域发展较 为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示， 芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场 高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。

基于信息熵的 TOPSIS 法：综合指标评估

数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。 具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在 高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场 的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研 产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来， 若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。

展望

转自丨 信息化协同创新专委会