人工智能产业发展深度报告：格局、潜力与展望( 三 ) _人工智能

技术层面：乘胜追击，国内头部企业各领风骚
技术层是基于基础理论和数据之上，面向细分应用开发的技术。中游技术类企业具有技术生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然语言处理）。众多国际科技巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。

文章插图

具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。机器学习算法是人工智能的热点，开源框架成为国际科技巨头和独角兽布局的重点。开源深度学习平台是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。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，百度的 PaddlePaddle、腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。
在应用技术的部分领域，中国实力与欧美比肩。计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞争尚未成型，但国内技术积累与国外相比存在一定差距。
作为落地最为成熟的技术之一，计算机视觉应用场景广泛。计算机视觉是利用计算机模拟人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市场的 37% 。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。

文章插图

计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。随着终端市场工业检测与测量逐渐趋于饱和，新的应用场景尚在探索，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业脱颖而出。据 IDC 统计，2017 年，商汤科技、依图科技、旷视科技、云从科技四家企业占国内市场份额的 69.4%，其中商汤市场份额 20.6%排名第一。

文章插图

应用层面：群雄逐鹿，格局未定
应用层以底层技术能力为主导，切入不同场景和应用，提供产品和解决方案。受益于计算机视觉、图像识别、自然语言处理等技术的快速发展，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。从融合深度上，由于场景复杂度、技术成熟度和数据公开水平的不同，而导致各场景应用成熟度不同。例如，政策导向和海量数据助推下， AI+安防、金融和客服领域有较为深入的应用，医疗和教育领域是产品或服务单点式切入，尚未形成完整的解决方案。而由于基础设施复杂和数据获取难度大，AI+制造业处于边缘化。此外，AI+农业国内尚未产生成熟产品。

文章插图

应用场景市场空间广阔，全球市场格局未定。受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到 360.5 亿元，约是技术层的 1.67 倍，基础层的 2.53 倍。在全球范围内，人工智能仍处在产业化和市场化的探索阶段，落地场景的丰富度、用户需求和解决方案的市场渗透率均有待提高。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。