【文章內(nèi)容簡介】 83。 44 （二 ）中國人工智能創(chuàng)業(yè)與投融資概 覽 46 （三 ）新智元 100 分析報 告 47 （四 ）新智元 100 最具競爭力榜單 Top 10 51 附錄 ： 新智元 100 評選榜 單 55 1 一、產(chǎn)業(yè)篇 人工智能經(jīng) 過 60 年的發(fā) 展 ，已逐漸從技術(shù)走向應 用 。近幾 年 ，在深度學習的推動 下 ，人工智 能取得了飛速發(fā) 展 。世界各國紛紛將人工智能作為國家戰(zhàn) 略 ，積極推動產(chǎn)業(yè)發(fā) 展 ，企業(yè)將人工智能 作為未來的發(fā)展方向積極布 局 ，圍繞人工智能的創(chuàng)新創(chuàng)業(yè)也在不斷涌 現(xiàn) 。未 來 ，人工智能將深刻改 變?nèi)祟惖纳a(chǎn)、生活方式。 （一 ）人工智能 60 年 1． 人工智能 ： 感知 + 理解 + 決策 自 1956 年達特茅斯會議提 出 “人工智 能 ”這個詞以 來 ，業(yè)界 對 “人工智 能 ”的認知也在不 斷 發(fā)生變化。 參考 Stuart Russell and Peter Norvig 的定義，對人工智能的認知可以按思考還是行動、像 人還是理性兩個維度分為四種，即像人一樣行動、像人一樣思考、合理地思考以及合理地行動。 圖表 1 對人工智能的不同認知及其特點 資料來源 ： 《 Arti?cial Intelligence: A Modern Approach 》 3rd Edition 2 中國人工智能產(chǎn)業(yè)發(fā)展報 告 前三種認知方式下的人工智能由于技術(shù)受限和其它一些原因，尚未實現(xiàn)大規(guī)模產(chǎn)業(yè)化應用。像 人一樣行動以阿 蘭 ? 圖靈 在 1950 年提出的圖靈測試為代 表 ，強調(diào)人工智能應該像人一樣行 動 。 近 年 來 ，又有人提出全面圖靈測 試 ，增加了視覺信號和物理操縱需 求 ，從而使圖靈測試覆蓋了自然語 言處 理 、知識表 示 、自動推 理 、機器學 習 、計算機視覺和機器人六大學 科 。因 此 60 年 后 ，圖靈測 試對于驗證一個系統(tǒng)是否具備智 能 ，仍然有 效 。像人一樣思考基于認知建 模 ，更加強調(diào)像人一樣思 考 。人的大腦一直是一個未解之 謎 ，目前美國和歐盟均在開展人腦研 究 ，一旦破解了大腦思考方式 這個世界難 題 ，類人的智能研究將取得重大突 破 。現(xiàn)階段的人腦研究尚不足以支撐人工智能建立像 人一樣思考的系 統(tǒng) 。合理地思考則是邏輯主義流派提倡的通過制定規(guī)則使智能系統(tǒng)合理地思 考 。這 種基于規(guī)則的認知方式開發(fā)出的人工智能系統(tǒng)精準度較 高 。但對非形式的知識制定規(guī)則并不容 易， 因此僅適用于規(guī)則清晰的專業(yè)領域，在通用領域中難以得到大規(guī)模應用。 以合理地行動為代表的人工智能帶動了新一輪的人工智能浪潮。合理地行動現(xiàn)階段以基于深度 學習的人工 智能為代表，強調(diào)通過感知 + 理解 + 決策來實現(xiàn)，是建立在大量先驗知識的基礎上做出 的相對合理的判斷和決 策 。盡管基于深度學習的人工智能需要基于大量先驗知識做出判 斷 ，無法實 現(xiàn)完美合理性，但在海量數(shù)據(jù)的支撐下 ， “感知 + 理解 + 決策 ”的人工智能有望不斷接近完美合理， 使得人工智能技術(shù)在產(chǎn)業(yè)上得到大規(guī)模應用。 2． 人工智能三 “ 起 ” 三 “ 落 ” 后迎來爆發(fā) 人工智能研究始 于 20 世 紀 40 年 代 ，從人工智能概念的誕生至今已 有 60 年 。根據(jù)人工智能技 術(shù)及產(chǎn)業(yè)發(fā)展的整體形勢，我們將其分為三個階段。 第一階 段 （ 20 世 紀 50 年代中期 到 80 年代初 期 ） ： 深耕細 作 ， 30 年技術(shù)發(fā)展為人工智能產(chǎn) 業(yè)化奠定基 礎 。 在 1956 年之 前 ，人工智能就已經(jīng)開始孕 育 。神經(jīng)元模 型 、圖靈測試的提出以及 SNARC 神經(jīng)網(wǎng)絡計算機的發(fā) 明 ，為人工智能的誕生奠定了基 礎 。 1956 年的達特茅斯會議代表人工 智能正式誕生和興起。此后人工智能快速發(fā)展，深度學習模型以及 AlphaGo 增強學習的雛形 ——感 知器均在這個階段得以發(fā) 明 。隨后由于早期的系統(tǒng)適用于更寬的問題選擇和更難的問題時效果均不 理想，因此美國、英國相繼縮減經(jīng)費支持，人工智能進入低谷。 第二階段 （ 20 世紀 80 年代初期至 21 世紀初 期 ） ： 急功近利 ， 人工智能成功商用但跨越式發(fā)展 失 敗 。 80 年代初 期 ，人工智能逐漸成為產(chǎn) 業(yè) ，第一個成功的商用專家系 統(tǒng) R1 為 DEC 公司每年節(jié) 約 4000 萬美元左右的費 用 。截止 到 20 世 紀 80 年代 末 ，幾乎一半 的 “財 富 500 強 ”都在開發(fā)或使 用 “專家系 統(tǒng) ”。受此鼓 勵 ，日 本 、美國等國家投入巨資開發(fā) 第 5 代計算機 ——人工智能計算 機。 在 90 年代 初， IBM、蘋果推出的臺式機進入普通百姓家庭 中 ，奠定了計算機工業(yè)的發(fā)展方 向 。第 5 代計算機由于技術(shù)路線明顯背離計算機工業(yè)的發(fā)展方 向 ，項目宣告失 敗 ，人工智能再一次進入低 谷。盡管如此，淺層學習如支持向量機、 Boosting 和最大熵方法等在 90 年代得到了廣泛應用。 第三階 段 （ 21 世紀初期至 今 ） ： 量變產(chǎn)生質(zhì) 變 ， 人工智能有望實現(xiàn)規(guī)?；瘧?用 。 摩爾定律和云 計算帶來的計算能力的提 升 ，以及互聯(lián)網(wǎng)和大數(shù)據(jù)廣泛應用帶來的海量數(shù)據(jù)量的積 累 ，使得深度學 習算法在各行業(yè)得到快速應 用 ，并推動語音識 別 、圖像識別等技術(shù)快速發(fā)展并迅速產(chǎn)業(yè) 化 。 2020 3 一、產(chǎn)業(yè) 篇 年， Geoffrey Hinton 和他的學生 在《 Science 》上提出基于深度信念網(wǎng) 絡（ Deep Belief Networks, DBN）可使用非監(jiān)督學習的訓練算 法 ，使得深度學習在學術(shù)界持續(xù)升 溫 。 2020 年， DNN 技術(shù)在圖 像識別領域的應用使 得 Hinton 的學生 在 ImageNet 評測中取得了非常好的成 績 。深度學習算法的應 用使得語音識 別 、圖像識別技術(shù)取得了突破性進 展 ，圍繞語 音 、圖 像 、機器 人 、自動駕駛等人工智 能技術(shù)的創(chuàng)新創(chuàng)業(yè)大量涌現(xiàn)，人工智能迅速進入發(fā)展熱潮。 未 來 ，人工智能的熱度將可能會有所回 落 ，但人工智能技術(shù)的發(fā)展將深入到金 融 、交 通 、醫(yī) 療、工業(yè)等各個領域，逐漸改變?nèi)祟惖纳a(chǎn)生活方式。 圖表 2 人工智能發(fā)展歷程 （二 ）全球人工智能產(chǎn)業(yè)發(fā)展態(tài)勢 經(jīng) 過 60 年的發(fā) 展 ，人工智能在深度學 習 、海量數(shù)據(jù)和高性能計算的支撐 下 ，現(xiàn)已進入產(chǎn)業(yè)化 應用初 期 。 2020 年 ，基于深度學習的智能語 音 、圖像識 別 、智能駕駛等技術(shù)開始向各個應用領域 滲 透 ，全球人工智能產(chǎn)業(yè)規(guī)模快速增 長 。為搶占人工智能高 地 ，谷 歌 、微 軟 、 IBM、 Facebook 等企 業(yè)在人工智能領域的戰(zhàn)略布局進一步突 出 ，圍繞人工智能的創(chuàng)新創(chuàng)業(yè)進一步繁 榮 。美 國 、日本等國 家也先后出臺人工智能相關政策及國家計劃，為產(chǎn)業(yè)發(fā)展創(chuàng)造良好的生態(tài)環(huán)境。 1． 全球人工智能產(chǎn)業(yè)將進入快速增長期 在深度學習技術(shù)和開源平臺的推動下，人工智能技術(shù)門檻逐漸降低，受到全球下游應用需求的 迫切倒逼，人工智能贏得了加速發(fā)展的黃金期，圍繞人工智能的應用和創(chuàng)新不斷涌現(xiàn) 。 2020 年，全 球人工智能產(chǎn)業(yè)規(guī)模達 到 億美 元 ，預 計 2020 年將突 破 100 億美 元 。 據(jù) BBC 預 計， 2020 年 全 球人工智能市場規(guī)模將 達 183 億美 元 。在未 來 10 年甚至更久的時間 里 ，人工智能將是眾多智能產(chǎn) 業(yè)技術(shù)和應用發(fā)展的突破點。 4 中國人工智能產(chǎn)業(yè)發(fā)展報 告 圖表 3 20202020 年全球人工智能產(chǎn)業(yè)規(guī)模 除產(chǎn)業(yè)規(guī)模快速增長 外 ，圍繞人工智能的創(chuàng)業(yè)企業(yè)數(shù)量也大幅提 升 。根 據(jù) Venture Scanner 對 全 球 71 個國家人工智能公司的統(tǒng) 計 ，截至 到 2020 年第三季 度 ，全球人工智能創(chuàng)業(yè)公司數(shù)量已有 1287 家，其中 585 家獲得投資，投資金額總計達到 77 億美元，其中美國投資金額超過 31 億美元。 圖表 4 2020 年全球人工智能企業(yè)區(qū)域分布 資料來源： Venture Scanner 2． 全球人工智能企業(yè)競爭日趨激烈 谷 歌 、微 軟、 IBM、 Facebook 等企業(yè)憑借自身優(yōu) 勢 ，積極布局整個人工智能領 域 。各大企業(yè)通 過加大研發(fā)投入力 度 、招募高端人 才 、建設實驗室等方式加快關鍵技術(shù)研 發(fā) ；同 時 ，通過收購等方 式吸收人工智能優(yōu)秀中小企業(yè)來提升整體競爭 力 ；此 外 ，各大企業(yè)還積極開 放 、開源技術(shù)平 臺 ，構(gòu) 建圍繞自有體系的生態(tài)環(huán)境。 2020 年 4 月，谷歌 CEO Sundar Pichai 第一次明確提出將 AI 優(yōu)先作為公司大戰(zhàn)略。谷歌以深度 5 一、產(chǎn)業(yè) 篇 學習技術(shù)為依 托 ，涉足人機交 互 、語言理 解 、機器人等人工智能核心技術(shù)應用領 域 ，全方位布局人 工智能產(chǎn) 業(yè) 。技術(shù)方 面 ，谷歌通過加強自身技術(shù)水 平 ，提升谷歌傳統(tǒng)搜 索 、翻譯和社交業(yè) 務 ；推動 集 視 、 聽 、 說 、感知和控制于一體的無人駕駛汽 車 ；并先后開源了第二代機器學習平 臺 TensorFlow 以及自然語言理解軟 件 SyntaxNet 的源代 碼 ，引領互聯(lián)網(wǎng)巨頭在人工智能領域開源的趨勢改為浪 潮 。谷歌通過 對 DeepMind 等人工智能行業(yè)創(chuàng)業(yè)企業(yè)的并購以及與強 生 、福特等傳統(tǒng)產(chǎn)業(yè)巨頭的合 作，實現(xiàn)人工智能領域的全面布局及縱深式發(fā)展。 圖表 5 谷歌的人工智能布局 微軟在人工智能領域動作不 斷 。微軟研究院是最早開始從事人工智能研究 的 ，發(fā)布 了 Cortana 和 Skype Translator 等一系列產(chǎn) 品 。微軟 在 2020 年 5 月初發(fā)布了人工智能領域的牛津計 劃 ，由一系 列基于云端的機器學習相關的 API、 SDK 和相關服務等組成，旨在讓開發(fā)人員們不需要繁復的機器 學習背景也能開發(fā)跨平臺的更智能和更交互的應 用 。當 時 ，牛津計劃率先開源了人臉識 別 、語音處 理和計算機視覺三個部分。 2020 年 1 月 25 日，微軟 在 GitHub 上發(fā)布了其深度學習工具包 ——Computational Network Toolkit（簡 稱 CNTK） 。 CNTK 是一個統(tǒng)一的深度學習工具 包 ，它通過一個有向圖將神經(jīng)網(wǎng)絡描述為一系列計算 步 驟 。 在有向圖 中 ，葉節(jié)點表示輸入值或網(wǎng)絡參 數(shù) ，邊表示輸入之上的矩陣運 算。 CNTK 使得實現(xiàn)和 組合前饋型神經(jīng)網(wǎng) 絡 DNN、卷積神經(jīng)網(wǎng)絡 （ CNN）和循環(huán)神經(jīng)網(wǎng) 絡 (RNN/LSTM) 變得非常容易。 在 2020 年 的 Window Build 開發(fā)者大 會 上 ，微軟開放 了 Microsoft Bot Framework，開發(fā)者可以 6 中國人工智能產(chǎn)業(yè)發(fā)展報 告 直接接 入 Microsoft Bot Framework 來開發(fā)類似微軟小冰這樣的聊天機器 人 。 9 月 ，公司更宣布成立 5000 人的人工智能部門，與 Windows 和 Of?ce、云計算等部門并列。 圖表 6 微軟人工智能布局 Facebook 積極組建人工智能實驗 室 ，并通過開源技術(shù)平臺等方式來獲取更大的成 功 。 Facebook 現(xiàn)有兩大實驗室，其中一個是重點發(fā)展基礎研究的 Facebook AI（ FAIR）項目，由 Yann LeCun 負責， 主要專注于基礎科學和長期研 究。 FAIR 現(xiàn)有三個實驗 室 ，分別位于美國紐 約 、加州門洛帕克以及 法國巴黎，擁有超過 130 位人工智能專家。 AML（ 應用機器學習部 門 ）則專注于人工智能產(chǎn)品應用， 由西班牙裔機器學習專 家 Joaquin Candela 負 責。 AML 正試圖為排 名 、廣 告 、搜 索 、語言翻 譯 、語 音識 別 、自動產(chǎn)生視頻字幕以及自然語言理解等領域開發(fā)更好的算法以提 升 Facebook 的基 礎 。為 了進一步彌補在語音技術(shù)方面的短 板 ， 2020 年 初， Facebook 收購了語音指令創(chuàng)業(yè)公 司 ，之 后建立了語言技術(shù)部 門 。為了進一步提升技術(shù)水 平， Facebook 先后開 源 fbcunn——用于 在 Torch 上 更快速地訓練神經(jīng)網(wǎng)絡的模 塊 、人工智能硬件平 臺 Big Sur 等十余個項 目。 Facebook 將 其 AI 系統(tǒng) 進行開源，有助于整個產(chǎn)業(yè)加速發(fā)展。 7 一、產(chǎn)業(yè) 篇 圖表 7 Facebook 人工智能布局 IBM 在 認 知 計 算 平 臺 Waston 項 目 上 持 續(xù) 投 入 ， 并 成 立 專 門 部 門 推 動 Watson 商 業(yè) 化 ，目 前 Waston 海量內(nèi)容的分析能力已在醫(yī)療和金融領域率先使 用 。 2020 年 9 月， IBM 發(fā)布基于自然語言處 理的數(shù)據(jù)分析服務沃森分析 （ Watson Analytics） ，并向公眾提供免費試用。 Watson Analytics 云服務支持 用戶上傳數(shù)據(jù)并通過英語語句查詢分析結(jié) 果 ，還能根據(jù)不同的分析場景向用戶建議數(shù)據(jù)清洗步 驟 ，以 及最佳的數(shù)據(jù)可視化方 法。 2020 年 5 月， IBM 宣 布 14 家來自美國和加拿大的癌癥治療機構(gòu)將開始 部 署沃森 （ Watston）計算機系統(tǒng)，該套系統(tǒng)將能根據(jù)病人腫瘤的基因指紋選擇出適合的治療方案。 圖表 8 IBM 人工智能布局 8 中國人工智能產(chǎn)業(yè)發(fā)展報 告 人工智能發(fā)展條件的成熟同時催生了大量人工智能創(chuàng)業(yè)企 業(yè) 。 Venture Scanner 將 1139 家人工 智能公司劃分 為 13 個細分行 業(yè) ，包括深度學 習 / 機器學 習 （ 通 用 ） 、深度學 習 / 機器學 習 （ 應 用 ） 、 自然語言處理 （ 通 用 ） 、自然語言處理 （ 語音識 別 ） 、計算機視覺 / 圖像識別 （ 通 用 ） 、計算機視覺 / 圖 像識 別 （ 應 用 ） 、手勢控 制 、虛擬私人助 手 、智能機器 人 、推薦引擎和協(xié)助過濾算 法 、情境感知計 算、語音翻譯、視頻內(nèi)容自動識別 13 個細分行業(yè)。其中機器學習 （ 應 用 ）分類以約 300 家企業(yè)的數(shù) 量遙遙領先，自然語言處理公司數(shù)量位列第二。 圖表 9 2020 年第一季度全球人工智能創(chuàng)業(yè)企業(yè)圖譜 資料來源： Venture Scanner 隨著人工智能的持續(xù)發(fā) 展 ，圍繞人工智能的競爭將日趨激 烈 ?？v觀智能語 音 、智能圖 像 、自然 語言處 理 、智能駕駛等人工智能技術(shù)的廣泛應 用 ，人工智能已成為推動產(chǎn)業(yè)升 級 、創(chuàng)新發(fā)展的關鍵 動 力 。未來將會有