一、人工智能行业发展概况
计算力、算法、数据是人工智能的三大核心。近年来，人工智能算法不断优化，自从2012年深度学习技术相关算法突破后，才正真在给人工智能带来了春天。目前，已有的深度学习算法越来越成熟，算法的精确性、鲁棒性越来越来好。视觉及图像领域是深度学习算法应用最广泛效果最好的场景。
计算力方面，当前人工智能芯片可分为两类：一类是平台，通用型深度学习芯片，比如英伟达最新发布的两款Tesla系列深度学习芯片；另一类是根据特定的应用场景，进行定制开发和优化的处理器、硬件加速器，例如专门运用于安防视频或者无人机驾驶汽车等领域的芯片产品。
数据方面，人工智能对于数据的需求多种多样，主要看应用场景，不同的应用场景对数据集的要求不同。标注的、结构化特定的应用场景下产生的数据是有价值的。数据分训练集和测试集，要求数据分布均匀。数据量并不是唯一追求的指标，在某些不过分要求精度的应用场景下对数据量的要求并不是很高，反而数据集的质量更为关键。
人工智能正在变得无处不在，我们大多数人都在使用，Google搜索、亚马逊的推送和电话服务中心的智能接线员，而苹果Siri在每周处理20亿个自然语言请求，Android手机上的20％的请求是由语音识别的。
现阶段，神经网络芯片、深度学习算法、大数据及云计算，四个催化剂使人工智能开始迅速发展。人工智能产业链主要由应用层、技术架构层、基础资源层构成。
资料来源：公开资料整理
二、人工智能技术和专利情况分析
1999-2017年，全球人工智能领域中图像识别、生物特征识别、语音识别、语音合成、自然语言理解、机器学习等关键技术分支的发明申请及授权专利数量超过10万项。中国人工智能专利申请和授权量自2010年开始逐年增加，自2014年开始实现快速增长。
资料来源：公开资料整理
对比全球人工智能专利数量，中国、美国和日本专利申请数量领先，中国已超过美国成为AI领域专利申请量最高的国家。中、美、日三国专利申请总量占全球AI专利的75%。
资料来源：公开资料整理
截止2018年上半年，在全球范围内共检测到4998家人工智能企业。其中，美国人工智能企业数量为2039家，位列全球第一，其次是中国（不含港澳台地区）1040家，其后依次是英国392家，加拿大287家，印度152家。除此之外，以色列、法国和德国人工智能企业的数量也超过了100家。
资料来源：公开资料整理
三、我国人工智能行业融资情况分析
自2013年以来，全球和中国人工智能行业投融资规模都呈快速上涨趋势。2017年，我国人工智能产业保持快速增长，部分技术接近或达到国际领先水平，产业规模、投融资规模和企业数量位居世界前列。从投融资市场来看，中国人工智能领域的投融资占到全球的60%，成为全球最“吸金”的国家。
2016年是人工智能领域爆发式增长的关键一年，投资案例从2010年的12起激增到2016年379起，达到峰值；投资总额从2010年的2亿上升至2016年的352亿元人民币；2017年，人工智能领域延续了上一年较高的投资热度，2017年的投资额约为582亿元人民币。
资料来源：公开资料整理
四、未来人工智能行业需求前景分析
随着各种智能终端的普及和互联互通，在不远的未来，人们将不仅生活在真实的物理空间，同样生活在一个数字化、虚拟化的网络空间。在这个网络空间中，人和机器之间的界限将被空前淡化，换言之，网络空间中的每个个体既有可能是人，也有可能是一个人工智能。另外，在真实的物理世界中，人工智能又不必具有类人的形态，这使得人工智能将有可能从更多的角度进入到我们生活的方方面面，协助人类完成此前被认为必须由人完成的智能任务。
在生产方面，随着我国城镇化建设的不断推进，未来人工智能有望在传统农业转型中发挥重要作用。例如，通过遥感卫星、无人机等监测我国耕地的宏观和微观情况，由人工智能自动决定（或向管理员推荐）最合适的种植方案，并综合调度各类农用机械、设备完成方案的执行，从而最大限度解放农业生产力。在制造业中，人工智能将可以协助设计人员完成产品的设计，在理想情况下，可以很大程度上弥补中高端设计人员短缺的现状，从而大大提高制造业的产品设计能力。同时，通过挖掘、学习大量的生产和供应链数据，人工智能还可望推动资源的优化配置，提升企业效率。在理想情况下，企业里人工智能将从产品设计、原材料购买方案、原材料分配、生产制造、用户反馈数据采集与分析等方面为企业提供全流程支持，推动我国制造业转型和升级。
在生活服务方面，人工智能同样有望在教育、医疗、金融、出行、物流等领域发挥巨大作用。例如，客服机器人可协助医务人员完成患者病情的初步筛查与分诊；医疗数据智能分析或智能的医疗影像处理技术可帮助医生制定治疗方案，并通过可穿戴式设备等传感器实时了解患者各项身体指征，观察治疗效果。在教育方面，一个教育类人工智能系统可以承担知识性教育的任务，从而使教师能将精力更多地集中于对学生系统思维能力、创新实践能力的培养。对金融而言，人工智能将能协助银行建立更全面的征信和审核制度，从全局角度监测金融系统状态，抑制各类金融欺诈行为，同时为贷款等金融业务提供科学依据，为维护机构与个人的金融安全提供保障。在出行方面，无人驾驶（或自动驾驶）已经取得了相当进展。在物流方面，物流机器人已可以很大程度替代手工分拣，而仓储选址和管理、配送路线规划、用户需求分析等也将（或已经）走向智能化。
本文采编：CY237
