盘点边缘侧人工智能市场规模增长

人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力量，已经成为国际竞争的新焦点和经济发展的新引擎，在支撑供给侧结构性改革、打造高质量的现代经济体系、促进社会进步等方面发挥着越来越重要的作用。2018年，中国人工智能技术创新日益活跃、产业规模逐步壮大、应用领域不断拓展，取得了阶段性成效。展望2019年，人工智能产业集聚效应将更具规模，智能经济雏形初现，国际产业博弈将更加激烈。与此同时，我国人工智能产业仍面临问题与挑战，基础层短板弱项始终存在，技术创新的商业应用模式不明朗，产业生态协同体系尚未形成，产业安全风险加剧，必须给予积极应对。

形势判断

（一）核心基础技术持续突破，边缘智能加速应用布局

核心基础技术的带动溢出效益增强。在算法层面，深度学习算法在利用各类型深度神经网络处理海量数据方面具有优势，将通过在计算机视觉和图像识别、语音识别、搜索引擎、广告推荐计算等领域的持续应用，不断革新传统的计算机算法框架。在算力层面，CPU特征尺寸已不断逼近物理极限，采用FPGA、FPU、ASIC等CPU+X的异构计算模式可基本满足对处理器更快速、更高效、更方便的使用要求，寒武纪、地平线机器人、中星微、华为等国内企业均在上述领域展开核心基础技术研发。

在数据层面，全球物联网设备数量将于2020年达到204亿规模，超大规模数据中心数量将达485个，随着分布式网络传输架构应用将更广泛，第五代移动通信（5G）技术商用进程加速，可穿戴设备、智能网联汽车等的快速发展，大规模结构性数据的感知、获取、传输、分析、存储能力均取得飞跃。预计到2019年，人工智能产业发展的算法、算力、数据基础更趋成熟，我国计算机视觉、智能语音语义处理、智能机器人、智能驾驶、消费级无人机处于国际先进行列，智能网联汽车、智能服务机器人、智能无人机爆发应用商机。

边缘智能成为人工智能应用布局的创新方向。“边缘智能”专指靠近智能终端以及数据源头的网络边缘侧，融合了网络、计算、存储、应用的开放计算平台。随着人工智能应用的不断扩展，定位于数据中心等云端的人工智能应用普遍存在着功耗高、实时性低、带宽不足、数据传输安全性较低等问题，人工智能将逐渐从云端向边缘侧的嵌入端迁移。边缘智能对算法的要求相对成熟，边缘智能的人工智能计算将成为重点产业创新重点领域，例如，在对实时性有严格要求的工业环境下，边缘智能将成为工业物联网得以实施的重要条件，目前已有越来越多的硬件厂商开始提供边缘服务器、智能网关等边缘处理的强化产品。

根据HIS数据测算，边缘侧人工智能市场需求在2018年开始爆发，将从2017年的4亿美元增长至2018年的19亿，预计2019年的增长率将超过400%，更多人工智能应用和产品将部署于网络“边缘侧”，实现更低延迟性、更低能耗、更小体积和更低成本的人工智能技术应用路径。

（二）产业链条正在形成，集聚效应初具规模

人工智能产业链条逐步形成。在基础领域，涌现出寒武纪科技、地平线机器人、深鉴科技、耐能、西井科技等一批创新技术企业。在技术创新方面，格林深瞳、旷视科技等深耕计算机视觉，百度、搜狗、科大讯飞等在自然语言处理领域技术较为领先，腾讯、阿里巴巴、华为等在机器学习和云计算等领域具有行业优势。在行业应用方面，我国在智能机器人、智能金融、智能医疗、智能安防、自动驾驶、智能教育、智能家居等重点领域涌现出一批具有代表性的相关企业。预计到2019年，我国人工智能产业链条关联性、协同性将显著增强，人工智能产业协同能力将进一步提升。

地方性、特色性产业集聚初见规模。2018年以来，我国人工智能产业在长三角、珠三角、京津冀三大城市群呈爆发式增长，北京、上海、天津、广东、安徽、浙江等地初步形成特色人工智能产业集群。

（三）融合应用水平大幅拓展，智能经济形态雏形初现

场景化、融合化将成为人工智能产业发展新特点。在制造领域，联想集团将“制造＋服务”作为人工智能时代生产效能最高的商业模式，基于人工智能技术，布局能够自我思考、自我成长“有机制造”，使工厂逐步进化为前端连接用户，后端融合供应链的“有机工厂”，不仅实现供给侧结构性改革，也为客户创造更优体验；海尔利用人工智能技术赋能传统产业，实现了从传统家电供应商向“硬件+软件+服务”平台型企业的转型，利用传感器和智能算法提升制造设备的工作效率和使用寿命，基于语音、图像、大数据、自动识别人工智能技术提升了用户端的交互体验，实现了生产、制造、销售、服务全流程生产体系打通和大规模个性化定制。

在交通出行领域，2018年是人工智能在智能驾驶和智慧城市领域的产品化元年，预计到2019年搭载阿波罗L4自动驾驶能力的汽车将达到一万台。在消费电子领域，华为全新发布的荣耀Magic系列手机采用了人工智能处理器麒麟980芯片，可实现计算机语言识别、自学习、自推荐，未来将进一步改写智能手机发展格局。在网络零售领域，京东将人工智能技术运用于零售消费的全系统、全流程、全场景，在供应端，京东发布人工智能平台，实现了智能算法的跨场景复用，每天的调用量突破12亿次。预计到2019年，人工智能与制造、交通出行、消费电子、网络零售、金融服务、医疗诊断等领域的渗透影响不断加深，发展融合化、应用场景化将成为人工智能产业发展的重要特点。

人工智能产业发展塑造智能经济雏形。智能经济是以大数据、互联网、物联网、云计算等新一代信息技术为基础，以人工智能技术为支撑，以智能产业化和产业智能化为核心，以经济和产业各领域为应用对象的新型经济发展形态。普华永道预测，到2030年人工智能将为全球GDP带来14%的增长空间，即15.7万亿美元的市场规模，其中中国的GDP增长规模为26%，北美的GDP增长规模为14%，为全球受到人工智能带动效应最大的地区。

预计到2019年，人工智能将通过与云计算、医疗、物流仓储、政务国防、隐私数据保护、卫星数据处理、网络安全、体力蓝领、农业、自动驾驶、金融服务、企业管理、材料科学等各种行业领域的深度融合，加速塑造新的社会经济形态，例如，在云计算领域，百度、阿里巴巴、腾讯、京东等巨头公司以及科大讯飞等独角兽公司，意图扩大在云计算领域优势AI应用生态。

二、需要关注的几个问题

我国人工智能产业领域目前存在以下问题：技术发展能力不均衡，基础层存在短板弱项；技术产品创新快于应用创新，技术创新的商业应用模式不明朗；产业生态体系尚不完善，协同发展势头尚未形成；环境建设尚不健全，产业安全风险加剧。

三、应采取的对策建议

（一）推动核心技术攻关，加大资金支持

推动人工智能核心技术攻关。一是加强人工智能芯片、传感器、算法、平台等核心技术研发，推动CPU、GPU、FPGA等高端通用芯片现有成果向人工智能领域拓展，围绕图像和语音识别、自动驾驶等场景加大算法改进、芯片结构优化研发力度。二是以关键技术为基础，以支撑解决方案打造和深化应用为目标，瞄准人工智能算法、智能芯片、智能传感器等基础领域和情绪感知、认知智能等前沿领域，制定技术创新路线图，系统推进关键核心领域攻关。三是顺应产业平台化、开源化发展趋势，总结借鉴谷歌TensorFlow、百度PaddlePaddle等平台的经验做法，引导和集中行业资源，打造自主架构的深度学习平台以及面向智能网联汽车等领域的人工智能开发平台/开发系统，并尽快开源。

建立针对重点技术产品的资金支持体系。一是设立人工智能产业发展与应用专项资金或专项基金，重点支持人工智能基础理论及关键核心技术研发与产业化，支持重点行业典型应用示范及解决方案研发，提高全产业链发展水平和竞争能力，发挥政府引导基金布局引领作用，带动引领地方产业投资基金及社会资本的投资布局。二是针对人工智能产品研发和应用推广，部署研究制定减税降费方案。三是加强对深度学习开源平台和项目政策资金支持力度，研究制定我国人工智能深度学习开源平台发展指导意见，确定发展方向和重点任务，培育能够跻身国际主流的深度学习开源平台和项目。

（二）发展深化与实体经济融合，加强场景化应用和辐射引导

开展示范应用揭榜评选和案例推广工作。一是支持人工智能企业、系统集成解决方案提供商和行业重点用户联合打造面向特定场景的解决方案。二是组织梳理总结制造、教育、旅游、交通、商贸、健康医疗等领域的典型应用场景，支持龙头企业与用户单位结合，开展人工智能应用示范。

分析总结应用路径与经验。一是面向典型应用场景，分析其特色应用需求，结合应用示范工作，支持人工智能企业、系统集成企业和重点用户联合打造面向特定场景的解决方案，适时编制形成针对不同行业、不同业务的应用指南。二是加强对人工智能和实体经济深度融合创新项目成功经验的总结提炼，促进人工智能产业加速发展。

重视人工智能在制造业领域的推广应用。一是结合智能制造试点示范，培育智能工业检测系统、智能工业设计软件等关键产品，促进人工智能技术在研发设计、生产制造、物流配送、营销及服务等制造业各环节的深度应用。二是加大重点领域生产线智能化改造力度，培育推广智能制造新模式、新业态，系统提升制造装备、制造过程、细分行业应用的智能化水平。

（三）构建有机协同的产业生态，提升服务支撑能力

提升人工智能产业数据互联互通和开放共享水平。一是面向人工智能产品在制造、交通、电子商务、金融、医疗等领域的创新应用，推动建设并开放多种类型的人工智能海量训练资源库、标准测试数据集和云服务平台等。二是加速建立人工智能标准、测评、知识产权等服务体系，形成面向人工智能主要细分领域的测评能力，消除人工智能推广应用时面临的资质、数据接口、评价标准等行业准入壁垒。

布局面向人工智能的产业基础设施。一是面向人工智能共性技术建设计算平台和应用支撑平台，推进原始创新和技术应用创新。二是搭建自动驾驶汽车试验场、智能家居综合体验场等应用场景基础设施，支持相关产品的商业化尝试。三是加强移动互联网、大数据、云计算、物联网、航空系统、智能交通基础设施、储能设施、新能源汽车充电桩、智能电网等针对人工智能应用落地的基础设施建设。推动智能化信息基础设施建设。提升传统基础设施智能化水平，形成适应智能经济、智能社会需要的基础设施体系。

重视发挥第三方机构在产业发展中的服务引导作用。一是支持一批服务于人工智能产业发展的行业协会、联盟、基金会等非盈利机构，通过论坛、研讨、培训、授课、宣讲等多种渠道，加深企业交流合作深度，提升产业人才培养培训水平，帮助用户企业领导和技术人员拓展视野、提升能力。二是打造技术竞合平台，为人工智能新产品、新服务的快速迭代与共同试错提供规范化的良性竞合机制，确保参与企业与行业最新前沿技术的同步，形成技术创新的良性互动格局。

（四）以营造发展环境为目标，培育多元化发展

统筹区域产业布局。一是强化部省合作，加快打造一批特色突出、辐射带动作用明显的人工智能产业集群，推动各地区差异化发展，打造具有地方特色的“小而美”产业园区。二是培育具有重大引领带动作用的人工智能企业和产业。建立人工智能网络安全保障体系。

强化人才队伍建设。一是重点针对人工智能产业发展所需要的急需紧缺人才和面向制造等重点行业的应用型人才，广泛调动社会资源，以院校、培训机构和重点企业为依托，开展职业技能培训，打造多层次人才队伍。二是加强高端专业化人才储备，加强学科建设，大力推动人工智能相关学科资源集中，形成研发和教学合力，培养人工智能领域内跨学科人才。三是鼓励高校、科研院所加大与人工智能企业及相关机构合作，打造复合化人才培养平台，注重培养兼顾人工智能基础理论、软硬件技术、市场产品及垂直领域应用的纵向跨界人才，以及兼顾人工智能与经济、社会、法律等的横向跨界人才。四是加大对国际顶级科学家和高层次人才的吸引力，充分利用现有各类人才计划，鼓励高校、科研院所和企业采用项目合作、技术咨询、交流访问等多种形式引进人工智能人才，将海外引进人才、民营企业高端人才纳入国家高端智力库，在评价体系、社会荣誉等方面给予政策支持。

提前研判安全风险和前沿问题。一是重视人工智能技术风险管控，加强人工智能同社会治理的结合，加强人工智能发展的潜在风险研判和防范，组织力量开展人工智能产业发展带来的法律、伦理和社会问题研究，推动建立保障人工智能健康发展的法律法规、制度体系、伦理道德。二是围绕群体智能、人机混合等未来发展方向，推动我国智库、学者与全球各国科学家与智库开展合作，推动人工智能技术能沿着服务人类的正确方向升级。

实现开放合作与安全保障之间的均衡发展。一是要统筹国内国际两个大局，提高人工智能产业的国际化发展水平，推动我国人工智能产业发展在更高层次、更宽领域和更高水平上融入全球产业分工体系。二是要建立体系化风险防范机制，始终注重维护国家经济社会安全，积极防范和应对开放带来的各种风险挑战。