过去十年里，人工智能从实验室走向产业化生产，为全球经济做出了巨大贡献。当前全球人工智能浪潮汹涌，各国专家、学者正努力实现人工智能从感知领域到认知领域的跨越，关于人工智能发展现状及前景的论文、文章、PPT介绍也层出不穷，那么人工智能的发展现状及前景如何呢？
2011-2020年全球人工智能发展报告
近日，清华大学人工智能研究院、清华 - 中国工程院知识智能联合研究中心联合发布了《人工智能发展报告 2020》。
该报告基于清华大学唐杰教授团队自主研发的 “科技情报大数据挖掘与服务平台”（简称 AMiner）平台，根据 2011-2020 年期间人工智能领域的顶级期刊和会议（共计 44 个）所收录的全部论文和专利数据，全面展现了人工智能发展至今所获得的重大科研进展、成果产出以及科研热点。该报告从人才现状、技术趋势和技术影响力等方面展示了过去十年人工智能的最新进展，还分析了全球主要国家人工智能战略支持政策，以及各国人才储备和专利申请情况。该报告匠心独具，将知识图谱与自然语言处理、可视化、文献计量学等技术手段相结合，分析得到人工智能及其子领域的技术研究热点和发展趋势方向，高层次人才特征。此外，基于 Gartner 技术成熟度曲线，该报告还深入探讨了人工智能的未来发展蓝图，提出理论、技术和应用方面的重大变化与挑战，以及如何赋能其他产业发展等重要议题。
AMiner 评选出过去十年十大人工智能研究热点
根据人工智能领域在国际顶级期刊和会议过去 10 年所发表论文，通过 AI 算法计算出不同技术研究方向的 AMiner 影响力指数，以此获得人工智能领域研究热点总榜单，评选出过去十年 “十大人工智能研究热点”，分别为：深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。
各项研究热点的 AMiner 指数如下：
表 1 AMiner 评选出的近十年十大 AI 研究热点
过去十年有 5 位人工智能领域学者获得图灵奖
通过 AMiner 智能引擎，可以自动收集历年来图灵奖获得者及其论文发表与学者画像等信息。过去十年的图灵奖有三次正式授予给人工智能领域。
2010年，Leslie Valiant 因对计算理论的贡献（PAC、枚举复杂性、代数计算和并行分布式计算）获得图灵奖，该成果是人工智能领域快速发展的数学基础之一。
2011 年，因 Judea Pearl 通过概率和因果推理对人工智能做出贡献而颁奖。
2018 年，深度学习领域三位大神 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 因为在概念和工程上的重大突破推动了深度神经网络成为计算机领域关键技术而荣获图灵奖。
Hinton 的反向传播（BP）算法、LeCun 对卷积神经网络（CNN）的推动以及 Bengio 对循环神经网络（RNN）的贡献是目前图像识别、语音识别、自然语言处理等获得跳跃式发展的基础。
AI 高层次人才较多聚集在美国
全球人工智能领域高层次人才共计 155408 位，中国人工智能领域高层次人才数量共计 17368 位。
从 AI 高层次学者国家分布看，美国 AI 高层次学者的数量最多，有 1244 人次，占比 62.2%，中国排在美国之后，位列第二，有 196 人次，占比 9.8%。中国 AI 高层次学者主要分布在京津冀、长三角和珠三角地区，北京仍是拥有 AI 高层次学者数量最多的国内城市，有 79 位。
在全球人工智能领域高层次学者量 前10 机构之中，美国机构高层次学者总体人数遥遥领先。位居首位的是美国的谷歌公司，拥有 185 人，清华大学是唯一入选 前10 的中国机构，其余均为美国机构。
从子领域论文量来看，美国的大学和科技机构在 AI 各个细分方向上的发展较为均衡，且在自然语言处理、芯片技术、机器学习、信息检索与挖掘、人机交互等 10 多个子领域的发展居于全球领先席位。中国的 AI 机构在语音识别、经典 AI、计算机网络、多媒体、可视化和物联网等领域实力较强，均进入全球领先行列。
中国 AI 专利申请量全球领先
过去十年，中国人工智能领域的专利申请量 389571，位居世界第一，占全球总量的 74.7%，是排名第二的美国的 8.2 倍。总体上，国内的人工智能相关专利申请量呈逐年上升趋势，并且在 2015 年后增长速度明显加快。
中国人工智能专利申请量年度趋势（专利申请数据截至2020年10月）
人工智能技术赋能社会民生领域发展
当前，人工智能技术与传统行业深度融合，广泛应用于交通、医疗、教育和工业等多个领域，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。
机器学习、深度学习、自然语言处理、语音识别、计算机视觉、计算机图形、机器人、人机交互、数据库、信息检索与推荐、知识图谱、知识工程、数据挖掘、数据挖掘、安全与隐私、深度神经网络、可视化、物联网等人工智能技术，已经被引入到医疗领域的电子病历、影像诊断、医疗机器人、健康管理、远程诊断、新药研发、基因测序等应用场景中；被引入到金融领域的智能获客、身份识别、智能风控、智能投顾、智能客服、移动支付以及业务流程优化等应用场景；被引入到教育领域的智适应学习、教育机器人、智慧校园、智能课堂、智能题库、语音测评、人机对话、教育辅助等场景，还被引入到制造领域的智能工厂、工程设计、工程工艺设计、生产制造、CIMS、生成调度、故障诊断、智能物流、智能 MES 生产信息化管理系统等，以及被引入到城市管理领域的智能政务、城市指挥中心、城市公共安全、物流及建筑服务系统、能源系统、交通系统、城市环境管理系统、智能家居、医疗系统自动驾驶等多个应用场景。
人工智能未来将更多向强化学习、神经形态硬件、知识图谱、智能机器人、可解释性 AI 等方向发展
目前，全球已有美国、中国、欧盟、英国、日本、德国、加拿大等 10 余个国家和地区纷纷发布了人工智能相关国家发展战略或政策规划，用于支持 AI 未来发展。这些国家几乎都将人工智能视为引领未来、重塑传统行业结构的前沿性、战略性技术，积极推动人工智能发展及应用，注重人工智能人才队伍培养，这是 AI 未来发展的重要历史机遇。
本报告通过对 2020 年人工智能技术成熟度曲线分析，并结合人工智能的发展现状，预测得出人工智能下一台十年重点发展的方向包括：强化学习、神经形态硬件、知识图谱、智能机器人、可解释性 AI、数字伦理、知识指导的自然语言处理等。
2020年全球人工智能发展趋势分析
据Gartner预测，到2020年，人工智能预计将在全球产生约470亿美元收入，成为全球经济、科技创新及社会变革的驱动力。
中美欧日各国布局各有侧重
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。
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人工智能国家级战略（《美国人工智能倡议》）才姗姗来迟。但美国具有人才技术优势，在人工智能的竞争中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。同时，美国十分重视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注重。
欧洲：伦理价值观引领，抢占规范制定的制高点
2018，欧洲28个成员国(含英国)签署了《人工智能合作宣言》，2020年年欧盟有关方面和微软、IBM等科技巨头共同签署了《人工智能伦理罗马宣言》，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”，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，无芯片不AI
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。比如云计算领域，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；智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等巨头；在芯片领域，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，高端芯片依赖海外进口。
技术层面，各有千秋
但算法理论和开发平台的核心技术仍有所欠缺。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，无法与国际主流产品竞争。
应用层面，群雄逐鹿
人工智能已广泛地渗透和应用于诸多垂直领域，产品形式也趋向多样化。近年来，关注度较高的应用场景主要包括安防、金融、教育、医疗、交通、广告营销等。且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。
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。
综合指标评估
基于信息熵的TOPSIS法，综合专利、人才储备、技术、科研等14项指标。得出数据结果显示，美国综合指标及人才储备、创新产出、融资规模三大项目指标评分绝对领先，中国第二，欧洲28国暂且落后。
中国在人工智能方面与其它国家比较
目前，中国正快速发展，人工智能产业规模、资本投入、企业数量呈现爆发式增长，智能技术与实体融合持续加强，落地场景不断丰富，与美国差距收窄。据市场调研机构预测，到2022年，中国人工智能市场规模将达到98.4亿美元；到2025年，全球人工智能市场规模或将超过6万亿美元，发展潜力巨大。
我国AI位列第二，潜力巨大。
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，国内77%的人工智能企业分布在应用层，已有部分企业居于世界前列。
我国人工智能发展现状及分析
作为新一轮产业变革的核心驱动力和引领未来发展的战略技术，国家高度重视人工智能产业的发展。2017年国务院发布《新一代人工智能发展规划》，对人工智能产业进行战略部署；在20183月和20193月的政府工作报告中，均强调指出要加快新兴产业发展，推动人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。
自2006年深度学习算法被提出，人工智能技术应用取得突破性发展。2012年以来，数据的爆发式增长为人工智能提供了充分的“养料”，深度学习算法在语音和视觉识别上实现突破，令人工智能产业落地和商业化发展成为可能。
在人工智能产业技术与应用取得突破的同时，人工智能领域获得资本青睐，成为风口产业，在资本和技术协同支持下进入了高速进步期。2018中国人工智能领域融资额高达1311亿元，增长677亿元，增长率为107%。
中国人工智能相关专利申请数从2010年开始持续增长，于2014年达到19197项，并于2015年开始大幅增长，达到28022项，2017年，中国人工智能相关专利年申请数为46284项。
未来中国人工智能市场规模将不断攀升。根据《新一代人工智能发展规划》，2020年中国人工智能的技术与应用水平将发展至世界先进水平，同时核心产业规模超过1500亿。2030年中国人工智能核心产业规模超过1万亿元。
人工智能的水平建立在机器学习的基础上，除了先进的算法和硬件运算能力，大数据是机器学习的关键。大数据可以帮助训练机器，提高机器的智能水平。数据越丰富完整，机器辨识精准度越高，因此大数据将是各企业竞争的真正资本。艾媒咨询分析师认为，大数据是人工智能进步的养料，是人工智能大厦构建的重要基础。通过对大量数据的学习，机器判断处理能力不断上升，智能水平也会不断提高。
2018，中国人工智能领域融资额高达1311亿元。艾媒咨询分析师认为，当技术的噱头高于其实现的可能时，投资可能出现泡沫。经历互联网、O2O、共享经济泡沫后，投资者较为理性。虽然人工智能投资较为火热，但是投资者对于人工智能发展的期望并未超出人工智能可达到的高度，未来在多领域具有广阔应用前景的人工智能行业仍将在资本市场有良好表现，投资热度将继续维持。
我国人工智能未来发展方向和趋势
2020全球人工智能产品应用博览会在苏州开幕。会上，中国经济信息社江苏中心联合新一代人工智能产业技术创新战略联盟共同发布了《新一代人工智能发展年度报告(2019-2020)》。
针对我国人工智能产业发展瓶颈，《年报》建议从五方面着手解决：
一是完善数字基础设施，推动传统产业智能化转型。
二是坚持“双轮驱动”，打造自主可控供应链体系。
三是完善人才引育模式，构建“引才、留才、用才”新格局。
四是建立顶层统筹机制，畅通官产学研合作。
五是筑牢数据安全根基，发展负责任的人工智能。
过去十年，中国人工智能领域的专利总量居世界第一，AI位于世界第二，应用层是我国人工智能市场最为活跃的领域，每年国家成倍增加资金投入，使人工智能应用在我国有了更广阔的前景。 |
