2017-2018 中國人工智慧產業路線圖

內容簡介

十多年前，所有的公司都在進行網際網路化，現在 CSDN 作為一個20歲的網際網路公司，從創立至今一直都是全球中文 IT 社群，一路走來，見證了技術從 PC 到網際網路，從網際網路到移動網際網路，從雲端計算到大資料的振奮人心的全過程。

如今，技術大潮再次洶湧澎湃，在大資料、計算力和深度學習演算法的共同推動下，已經有60年曆史的人工智慧迎來了發展的最好時期。

此次 CSDN 釋出了人工智慧技術路線圖，同時還聯合易觀對多家企業進行了採訪，並邀請到多名業內的專家為我們提出了寶貴的指導意見，描繪出 AI 產業進階路線圖，希望成為中國企業和產業實現 AI 轉型升級的有益參考。我們希望把這樣的一份報告做成活的路線圖，時時維護，隨時更新，動態開放。

本書內容

開篇語

十多年前，所有的公司都在進行網際網路化，現在 CSDN 作為一個20歲的網際網路公司，從創立至今一直都是全球最大的中文 IT 社群，一路走來，見證了技術從 PC 到網際網路，從網際網路到移動網際網路，從雲端計算到大資料的振奮人心的全過程。

如今，技術大潮再次洶湧澎湃，在大資料、計算力和深度學習演算法的共同推動下，已經有60年曆史的人工智慧迎來了發展的最好時期。此時所有的網際網路公司又都在尋求智慧化的變革：2016年，Google 的戰略從 Mobile First 轉向 AI First，Facebook、微軟、亞馬遜等也重金入局，而國內的百度喊出了“All in AI”，騰訊要“AI in All”，阿里則創立“達摩院”，紛紛重注 AI。

當然，看好人工智慧的不只是科技巨頭，有遠見的傳統企業和創業者也積極投身其中。但是，人工智慧技術投入巨大，到底哪些技術能夠落地，哪些還不成熟，要怎樣實現從技術到商業的轉換，成為所有玩家都在積極探索的問題，這些探索者裡也包括一年前的 CSDN。

在這個歷史使命的感召下，經過幾年科技投資的淬鍊後，我在2017年底重新迴歸 CSDN。從開發者社群的視角審視這場 AI 浪潮，我的腦海裡湧現出兩個字：賦能。幫助開發者成為 AI 時代的開發者，幫助企業成為 AI 時代的企業，構建一個新形態的社群，把技術的創造者及使用者連線到一起。

針對這個新使命，CSDN 釋出了人工智慧技術路線圖，同時還聯合易觀對多家企業進行了採訪，並邀請到多名業內的專家為我們提出了寶貴的指導意見，描繪出 AI 產業進階路線圖，希望成為中國企業和產業實現 AI 轉型升級的有益參考。我們希望把這樣的一份報告做成活的路線圖，時時維護，隨時更新，動態開放。

所有的企業都將網際網路化，所有網際網路企業都將 AI 化，未來十年，物聯網將構建更先進的基礎設施，AI 將構建更先進的生產力，區塊鏈將構建更先進的生產關係。CSDN 會駕乘一輪輪的技術發展浪潮，與社群夥伴共同成長。

蔣濤

2018年1月16日

重要發現

我們在本次調研過程中主要有以下幾大發現：

1 CSDN 首次推出 AIMM——企業智慧化成熟度模型

按照 AIMM——企業智慧化成熟度模型，可以將企業按照智慧化的程度劃分為0~5級6個發展階段：

• 0級 企業無資訊化
• 1級 數字化：企業核心流程標準化和數字化
• 2級 商業智慧：在業務中運用資料探勘和資料分析，實現描述性分析
• 3級 演算法模型：企業運用機器學習演算法建立模型，預測和優化決策
• 4級 AI 採用：在業務中使用 AI 為基礎的解決方案，實現創新和效率的提升
• 5級 AI 驅動：以 AI 為核心的全新企業形態和商業模式

2 AI 投資熱潮來臨，然而超過五分之一的企業還未實現資訊化

• 2012年，我國的 AI 投資事件共26起，投資總額6億元人民幣。2017年，AI 投資事件384起，投資總額622億元人民幣，相比2012年翻了上百倍。
• 2017年，22%的企業還未進行資訊化改造，51%的企業剛剛在核心業務中實現了核心流程標準化和數字化。

3 AI 人才需求迅速增長，薪酬比 IT 工程師高出一個等級

• 2017年，AI 類工程師在全部 IT 技術招聘崗位中的佔比為9.86%，是2014年的8.8倍。
• 10年以上工作經驗的 AI 工程師，最高年薪可達140萬，而10年以上工作經驗的普通 IT 工程師的最高年薪還不到55萬。

4 中美互有勝負：美國壟斷 AI 晶片，中國在 AI 應用領域蓬勃發展

• 中國在 AI 晶片領域實力薄弱，玩家多為創業公司。而美國在這一領域既有英偉達、英特爾等重量級玩家，創業公司也層出不窮。
• 中國在 AI 領域除了 BAT 之外，還誕生了包括商湯、曠視、雲知聲等在內新興獨角獸，融資額度甚至超過美國同行，支撐 AI 應用蓬勃發展。

5 金融、文娛、安防等領域向 AI 轉型的條件最成熟，農業、製造業等還有待觀察

• AI 對各行業賦能需具備資料、計算力、演算法、應用場景這四個要素，其中計算力屬於通用基礎設施。
• 金融、文娛、安防等行業條件最成熟，農業、製造業等還在積累階段。

6 實現 AI 轉型，明確應用場景是關鍵

• 思考哪些業務可以成為 AI 應用的場景，定義要清晰明確；
• 根據確定的場景收集關鍵資料，同時注意資料結構化；
• 根據企業自身情況，引入相關 AI 專家或者第三方技術公司。

第1章：AI 發展報告綜述

1.1 發展歷程：風雨60年，歷經兩起兩落，如今再次繁榮

人工智慧（Artificial Intelligence，簡稱 AI）是一門前沿交叉學科，目前還沒有統一的定義。

根據中國人工智慧學會與羅蘭貝格聯合釋出的最新報告，人工智慧是一門利用計算機模擬人類智慧行為科學的統稱，它涵蓋了訓練計算機使其能夠完成自主學習、判斷、決策等人類行為的範疇。

但是，人工智慧並不是一個新的概念，它實際上誕生於20世紀50年代。在這60年間，人工智慧的發展並不是一帆風順，而是起起落落，先後經歷了 Pre-AI 時代、黃金時代、第一次低谷、第二次繁榮、第二次低谷，我們目前正處於第三次浪潮之中。

Pre-AI 時代

最初的人工智慧研究其實是30年代末到50年代初的一系列科學進展交匯的產物。

1943年，沃倫 · 麥卡洛克（Warren McCulloch）和瓦爾特 · 皮茨（Walter Pitts）首次提出“神經網路”的概念。

1950年，阿蘭 · 圖靈（Alan Turing）提出了著名的“圖靈測試”：如果一臺機器能夠與人類展開對話（通過電傳裝置）而不能被辨別出其機器身份，那麼稱這臺機器則具有智慧。直到如今，圖靈測試仍然是人工智慧的重要測試手段之一。

1951年，馬文 · 明斯基（Marvin Minsky）與他的同學一起建造了第一臺神經網路機，並將其命名為 SNARC（Stochastic Neural Analog Reinforcement Calculator）。

不過，這些都只是前奏，一直到1956年的達特茅斯會議，“Artificial Intelligence”（人工智慧）這個詞才被真正確定下來，並一直沿用至今。

AI 誕生

1956年的達特茅斯會議被廣泛地認為是 AI 誕生的標誌性事件，其最重要的貢獻是正式確立了人工智慧的概念。

此外，該會議還討論了自動計算機、程式語言、神經網路、計算規模理論、自我改造（即機器學習）、抽象、隨機性與創造性等諸多議題，掀開了人工智慧各個研究方向波瀾壯闊的歷史畫卷。

達特茅斯會議參會者50年後再聚首，左起：Trenchard More、John McCarthy、Marvin Minsky、Oliver Selfridge和Ray Solomonoff（攝於2006年）

黃金時代：1956-1974

達特茅斯會議之後的十數年裡，人工智慧迎來了第一個繁榮的發展時期。在這段黃金時代，很多在當時看來非常神奇的程式被漸次開發了出來，自此計算機具備了以下能力：

• 解代數應用題
• 證明幾何定理
• 學習和使用英語

1957年，羅森布拉特（Frank Rosenblatt）提出“感知器（Perceptron）”，這是第一個用演算法來精確定義的神經網路，也是日後許多新的神經網路模型的始祖。

第一次 AI 低谷：1974-1980

1969年，馬文 · 明斯基和西蒙 · 派珀特（Seymour Papert）共同出版了《感知器：計算幾何簡介》一書， 書中論證了感知器模型的兩個關鍵問題：

• 第一，單層的神經網路無法解決不可線性分割的問題，典型例子就是異或門。
• 第二，當時計算機的能力不足，無法滿足計算量的需求。

當然，除了這兩個原因之外，感測資料不足也成為限制感知器進一步發展的重要因素。

由於這些問題在當時無法得到解決，感知器的發展幾乎停滯，以神經網路為基礎的人工智慧研究開始進入低潮，相關專案長期無法得到政府經費支援，這段時間被稱為業界的“核冬天”。

第二次繁榮：1980-1987

20世紀80年代，“專家系統”開始由理論研究走向實際應用，人工智慧迎來了又一波發展浪潮。

專家系統一般採用人工智慧中的知識表示和知識推理的技術來模擬通常由領域專家才能解決的複雜問題。

1980年卡內基梅隆大學為 DEC（Digital Equipment Corporation，數字裝置公司）設計了一個名為 XCON 的專家系統，取得了巨大的成功，在那個時期，它每年可為該公司節省四千萬美元。

同時，日本政府也在積極地投資第五代計算機專案，旨在造出能夠與人對話，翻譯語言，解釋影象， 並且像人一樣推理的機器。

第三次 AI 浪潮：1993至今

1994年，美國科學家 Jonathan Schaeffer 的人工智慧程式 Chinook 第一次戰勝西洋跳棋世界冠軍。

1997年5月11日，IBM 公司的“深藍”超級電腦戰勝國際象棋世界冠軍加里 · 卡斯帕羅夫（Garry Kasparov）。

2006年，傑弗裡 · 辛頓（Geoffrey Hinton）提出“深度學習”。自此，人工智慧進入了快速發展的階段。

2011年，IBM 沃森參加“Jeopardy!”節目，打敗人類選手。

2016年3月，AlphaGo 擊敗韓國九段圍棋選手李世石，AI 徹底走入大眾的視野。

與前兩次不同，第三次人工智慧的熱潮迎來了全面商業化的爆發。網際網路興起產生的海量資料、以及摩爾定律帶來的計算力的突飛猛進，推動了深度學習技術在人工智慧領域的普及，並促進語音識別、影象識別等技術快速發展並且迅速產業化。

1.2 國家政策：AI 進入政府工作報告，上升到國家戰略層面

中國的這一波人工智慧熱潮除了技術和商業的驅動之外，更離不開政府的推波助瀾。

2015年5月，國務院印發《中國製造2025》，其中“智慧製造”被定位為中國製造的主攻方向，而這裡智慧的概念，其實可以看做人工智慧在製造業的具象體現。

2015年7月，國務院印發《國務院關於積極推進“網際網路+”行動的指導意見》，其中人工智慧是重點佈局的11個領域之一。

2016年3月，《國民經濟和社會發展第十三個五年規劃綱要（草案）》釋出，國務院提出，要重點突破新興領域的人工智慧技術。

2016年5月，發改委、科技部、工信部和網信辦聯合印發《“網際網路+”人工智慧三年行動實施方案》，提出到2018年“形成千億級的人工智慧市場應用規模”。

2016年7月，國務院印發《“十三五”國家科技創新規劃》。《規劃》指出，要重點發展大資料驅動的類人智慧技術方法；突破以人為中心的人機物融合理論方法和關鍵技術，研製相關裝置、工具和平臺；在基於大資料分析的類人智慧方向取得重要突破，實現類人視覺、類人聽覺、類人語言和類人思維，支撐智慧產業的發展。

2017年3月，人工智慧首次被寫入國務院的《政府工作報告》，正式進入國家戰略層面。

2017年7月，國務院印發《新一代人工智慧發展規劃》，提出了“三步走”的戰略目標，宣佈舉全國之力在2030年搶佔人工智慧全球制高點，人工智慧核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元。

2017年12月，工業和資訊化部印發《促進新一代人工智慧產業發展三年行動計劃（2018-2020年）》。計劃提出，以資訊科技與製造技術深度融合為主線，以新一代人工智慧技術的產業化和整合應用為重點，推進人工智慧和製造業深度融合，加快製造強國和網路強國建設。

可以看出，自2016年以來，中國的人工智慧政策密集出臺，在全球競爭的背景下，人工智慧已經上升為國家意志。未來，人工智慧技術的產業化將是大勢所趨。

1.3 產業圖譜：產業分層已經明晰，“AI+”蔚然成風

和以往的幾次興盛不同，在這一波人工智慧的浪潮裡，產業公司替代大學或者政府的科研機構成為了主要的推動者。產業公司是需要盈利的，而人工智慧需要持續地高昂投入，因此如何讓技術變現是推動人工智慧不斷髮展的重要支撐。

在2017年3月釋出的《新一代人工智慧發展規劃》裡，國務院明確了市場主導的基本原則，強調要遵循市場規律，堅持應用導向，突出企業在技術路線選擇和行業產品標準制定中的主體作用，加快人工智慧科技成果商業化應用，形成競爭優勢。

該《規劃》提出了“三步走”的戰略目標：

• 2020年：人工智慧核心產業規模超過1500億元，帶動相關產業規模超過1萬億元。
• 2025年：人工智慧核心產業規模超過4000億元，帶動相關產業規模超過5萬億元。
• 2030年：人工智慧核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元。

通常情況下，我們可以將人工智慧產業劃分為三層，分別是基礎層、技術層和應用層。其中基礎層是推動人工智慧發展的基石，主要包括資料、晶片和演算法三個方面，技術層主要是應用技術提供方，應用層大多是技術使用者，這三者形成一個完整的產業鏈，並相互促進。不過，很多企業（特別是大型科技公司）業務線較長，很多時候既是技術提供方，也是技術的使用者，因而很難有清晰的界定。

為了相對全面的展現目前中國與美國的人工智慧產業鏈佈局情況，CSDN 聯合易觀篩選了眾多人工智慧相關公司，繪製出以下兩張圖譜。圖譜中的企業資訊來自 IT 桔子、CB Insights、Crunchbase 及公開報導。

對比下面的兩張圖譜我們可以得出以下結論：

基礎層方面，中國的實力還比較薄弱，尤其是晶片領域，玩家多為創業公司，而美國在這一領域多為英偉達、英特爾等重量級玩家，同時創業公司也層出不窮；在基礎技術框架領域，國外有 Google、微軟、Facebook、亞馬遜等，國內有百度、騰訊、阿里巴巴等；在資料領域，很多網際網路公司本身就積累了海量資料，不過這些商業資料一般不會對外共享，而且這些公司也對標註處理後的有效資料存在需求，因此市場上存在第三方資料提供商，國內以海天瑞聲為代表，美國則以 CrowdFlower 為代表。

技術層主要分為三個領域：機器學習、語音識別和自然語言處理、以及計算機視覺。其中除了 BAT 等大玩家之外，語音識別和自然語言處理領域的代表公司有科大訊飛、雲知聲、思必馳等，計算機視覺領域的代表公司有商湯科技、曠視科技、依圖科技等。它們中有很多已成為新興的獨角獸，融資額度甚至超過美國同行。

在 AI 應用領域，中國呈現出爆發的趨勢，目前主要集中在安防、金融、醫療、教育、零售、機器人以及智慧駕駛等領域。其中安防領域的代表公司有海康威視、大華等；金融領域有螞蟻金服、眾安科技等；醫療領域有醫渡雲、匯醫慧影等；教育領域有科大訊飛、乂學教育等；零售領域有阿里、京東、繽果盒子等；機器人領域有大疆創新、優必選等；智慧駕駛領域有百度、馭勢等。

2017 CSDN 中國開發者大調查的資料顯示，AI 技術正在與各個行業的業務發生著融合促進，其中金融、製造業、電商、醫療等行業佔比最高。可見，雖然在基礎領域，中國與美國還存在一定差距，但是在商業化應用方面，中國已經多點開花，大有趕超之勢。

1.4 投融資現狀：融資額逐年攀升，智慧金融領域最受資本青睞

IT 桔子統計的資料顯示，從2012年至今，我國 AI 領域共有1354家公司，投資事件1353起，投資總額為1448億人民幣。

2012年，我國的 AI 投資事件共26起，投資金額為6億元人民幣。到了剛剛結束的2017年，投資事件已經高達384起，投資總額已經超過622億元人民幣，相比2012年翻了上百倍。不過，相對2016年，2017年的投資事件只增加了一起，但是投資總額大幅上升。

據統計，自然語言處理領域共有185家公司，6年間投資事件223起，總投資額為241億人民幣；今日頭條、搜狗、出門問問位列融資額度前三甲。

計算機視覺領域共有139家公司，6年間投資事件182起，總投資額為225億人民幣；美圖秀秀、商湯科技、曠視科技位列融資額度前三甲。

按應用領域劃分，那麼金融、汽車、醫療和文娛領域最受資本青睞，其中智慧金融領域以434億人民幣高居融資額榜首，智慧汽車和智慧醫療領域分別以349億和294億緊隨其後。

從時間維度來看，智慧金融、智慧醫療、智慧汽車這幾個領域的融資從2014年就開始呈現爆發的趨勢，最近兩年更是達到了一個高峰，而傳統的製造、家居等行業從2015年開始也日益受到資本的青睞，不過農業、法律等行業依然處在蟄伏期，但是我們預計未來這些冷門領域也將迎來自己的機遇。

1.5 人才分析：AI 人才缺口進一步擴大，新手年薪最低16.2萬起

AI 產業的迅速發展，引發了一場人才爭奪戰，根據獵聘的統計，2017年 AI 技術類工程師的招聘量是2014 年的8.8倍。2014年，AI 類工程師和資料類工程師在全部 IT 技術崗位中的佔比分別是2.97%和7.86%，這一數字到2017年分別漲到了9.86%和17.59%。

AI 各細分領域的招聘量也逐年攀升，而且薪資比 IT 技術崗位要高上許多。根據獵聘的資料，2016年以來公開發布的招聘崗位中，IT 工程技術類的平均年薪為17.92萬，而 AI 領域知識圖譜方向的最高年薪可達43.42萬，其平均年薪也高達34.06萬，接近 IT 工程技術類的兩倍。而 AI 細分領域中，除了知識圖譜，平均年薪較高的依次是自然語言處理、語音識別、機器學習和計算機視覺。

CSDN 社群統計的資料顯示，2015年到2017年間，AI 開發者從5萬增長到了18萬，可見 AI 之熱，然而有經驗的 AI 工程師仍然極度缺乏，其年薪也隨著從業時間的增長而急劇增加。工作不滿一年的新手， 最高年薪為28.7萬，最低年薪也有16.2萬，而有著十年以上工作經驗的 AI 工程師，最高年薪可達140 萬。相比之下，具有10年以上工作經驗的普通 IT 工程師的最高年薪還不到55萬。

目前，按行業劃分，對 AI 人才需求最大的依然是網際網路行業，佔比超過73%，其次是電子、汽車、金融等領域。對 AI 人才需求最少的則是政府、農林牧漁這些領域。

按地域劃分，AI 人才需求分佈非常集中，北京佔比42.60%，上海、深圳分列二三位，佔比分別為17.02%和11.43%。而阿里巴巴總部所在地——杭州則排在了第四位，佔比7.08%。

騰訊研究院釋出的人才報告顯示，2017年的前10個月，企業對 AI 人才的需求量已經達到2016年的近兩倍，2015年的5.3倍，目前 AI 人才缺口至少在100萬以上。隨著人工智慧產業的進一步發展，我國 AI 人才的缺口或進一步擴大，而且由於我國對 AI 的研究起步較晚，企業對 AI 人才學歷的要求較高，因此 AI 人才急缺的情況在未來幾年將無法改善，AI 人才的薪酬也預計會進一步水漲船高。

第2章：AI 基礎資源現狀分析

第3章：AI 基礎技術現狀分析

第4章：AI 技術主要應用領域分析

第5章：行業應用典型案例（上）

第5章：行業應用典型案例（下）

結語

閱讀全文: http://gitbook.cn/gitchat/geekbook/5a5dbb7b2f2acb159ef4c97a