人工智能行业发展驱动因素

　　1、多个行业希望利用AI实现数字化转型
　　当前，数字化浪潮来袭，以人工智能为代表的新一代数字技术日新月异，催生了数字经济这一新的经济发展形态。过去20余年消费互联网的充分发展为我国数字技术的创新、数字企业的成长以及数字产业的蓬勃发展提供了重要机遇。人工智能等新一代信息技术的快速发展和应用，推动着各行各业加速向数字化迈进。伴随着数字技术的融合应用以及我国供给侧结构性改革的不断深化，加快AI等数字技术与产业经济的融合发展成为多个行业的共识。
　　（1）金融行业
　　近年来，金融行业加速推进数字化转型进程，银行、保险、证券等各个细分领域的数字化转型均取得了一定成效。通过人工智能等技术的广泛深入应用，银行业风控体系更加完善、业务流程得到优化、产品供给更能满足个性需求，保险业实现了精准营销、高效核保、智能理赔等，证券业促进了服务精细化、客户体验优化以及风控水平提升。具体来看：
　　1）银行业
　　当前，人工智能技术已应用于获客、风控、营销等多个银行业务的核心环节，银行机构的数字化转型正在系统推进。一是利用人工智能技术完善风控体系，提升风控水平。例如，中国银行运用人工智能技术，对客户、账户和渠道等进行综合分析，从而优化信用风险评价体系、识别潜在违规客户，初步构建了覆盖实时反欺诈、智能反洗钱、信用风险、市场风险和操作风险等领域的智能风控体系。二是应用人工智能技术优化业务流程，提升服务效率。例如，邮储银行利用人工智能技术，实现了在线身份核实、在线贷款审批、线上发放信用卡等，有效促进了金融服务的高效化和便捷化。三是依托人工智能技术提供个性产品，满足长尾需求。例如，浦发银行运用大数据、云计算、人工智能等技术，了解用户既往资产和收益情况，分析用户风险承受能力、资产状况及期限偏好，进而进行个性化的财富产品推荐，精准满足不同客户的资产配置需求。
　　2）保险业
　　保险行业数字化转型热潮正在兴起。近年来，多家保险公司推出数字化发展战略，积极探索利用人工智能等数字技术提升保险业务的风控、精算、服务等水平，不断推进企业数字化转型进程。目前，保险行业的核心业务环节均在大力推进数字化转型。一是基于数字技术开展精准营销。例如，中国太保打造的人工智能保险顾问——“阿尔法保险”，通过深度学习算法，为客户提供个性化的保险建议，不断升级保险产品的按需定制能力。二是利用数字技术实现智能理赔。例如，平安集团首创图像定损技术，将案均定损时效提升至“秒级定损”，实现“智能闪赔”；太保寿险推出了“云调查”产品，采用人脸识别、远程伤残鉴定等技术，解决了理赔责任认定困难、远程取证不便等难题，大幅提升理赔效率和便捷性。
　　3）证券业
　　证券业的数字化转型尚处于探索阶段。在证监会的引导支持下，中信证券、国泰君安证券、华泰证券等多家头部券商正在加大数字化投入，并积极与科技企业开展战略合作，着力深化大数据、云计算、人工智能等技术在不同业务场景的应用，依托数字技术提升企业运营效能和服务水平。一是利用数字技术挖掘客户价值，促进服务精细化。例如，国泰君安与腾讯携手，探索利用腾讯丰富的生态资源和大数据能力，基于精准的目标用户特征进行智慧营销，以提升证券获客效率。二是利用数字技术升级服务功能，优化客户体验。如华泰证券的涨乐财富通APP，综合运用互联网、云计算、量化工具等多项数字技术，推出实时更新收益数据、动态监测资产变化、持仓详情揭示等功能，为投资者提供了更加智能和便捷的投资体验。三是基于数字技术提升风控水平，进一步降低业务风险。已有多家券商与大数据服务机构合作，基于大数据、人工智能等技术，对客户身份、关联关系等进行深度穿透识别，可视化展现客户业务情况及风险状况，进而强化风控体系建设、增强风险管理能力。
　　（2）农业
　　“三农”工作是党和国家关心的重要工作。在《关于新时代推进西部大开发形成新格局的指导意见》中，明确指出要支持先进技术在传统产业的应用与融合，促进产业改造升级，建立完善现代化产业体系。大数据、人工智能、区块链等新一代数字技术在农业的应用与发展，有助于重构产业链、升级价值链，深化农业产业融合，探索创新农业新模式新业态，推动农业向网络化、精准化、智能化发展，对我国加快建设数字乡村、实现乡村振兴战略有重要意义。
　　随着技术沿着农业产业链由销售端向生产端持续渗透，人工智能、物联网、传感器等数字技术在养殖业、设施农业等领域被探索和应用，持续推动了农业生产的精准化发展。其中，AI养猪就是一个典型例子。
　　AI养猪是指利用人工智能、物联网、大数据等技术建立猪生长全过程的信息化集成解决方案，围绕环境、饲喂、疫病、行为、育种、废物处理等环节，促进数据之间的互联互通，实现科学养殖。具体来说，通过高清度摄像头和人工智能算法，记录猪的体重情况和日常行为，为每只猪形成单独的“档案”。养殖巡检机器人可以扫描圈舍情况，精准捕捉每一头猪的相关数据，比如为猪测量体温、观察猪的进食量变化。当巡检机器人发现猪出现不愿活动、不愿进食等情况时，可将信息及时反馈给饲养员，养猪场也可以决定是否隔离出问题的猪，以防止可能的疫情蔓延。通过传感器搜集的猪场温度、湿度、氨气含量等信息，工作人员可根据数据情况指导各养猪场工作，开展更为多元的数据分析。据估算，按照每年20万头山黑猪的产量，应用AI养猪系统的企业每年可节省1200万元生产费用。
　　（3）教育行业
　　人工智能正赋能我国教育的各个场景，智慧课堂、个性化学习、智慧平台等新形式接连涌现，教育资源更加便捷化，教学过程更加智能化，课堂形式更加民主化，学习方式更加多元化，数据处理更加智能化，智慧教学环境正在形成，教育形态发生深刻转变。
　　智慧教育产品助力学校数字化变革，教育教学效能喷涌。人工智能与教育大数据的融合正赋能教育的教、学、评、管、考等各个环节，智慧课堂、精准教学、智慧校园、智慧考试和综合素质评价接连涌现，个性化学习、因材施教、精准评价得以实现。技术加速亦助力打造教育超脑，借助运算智能、感知智能和认知智能等手段建立的智慧教学环境，正逐步破解盲目且低效的学习困境，促进学生深度理解学习内容，多维度认知自我，增强学生自信心。
　　学生学习的时空限制被突破，泛在学习形态初步形成。人工智能使量身定制的“菜单式”教育成为现实，教育的个性化特征日趋明显。例如，某公司搭建了以互动形式教授中小学课程的国际在线自适应学习平台，根据学生的任务、特点和兴趣等参数，为学生自动选择一定数量的学习任务，并给出实时的反馈，学生可以个性化地开展学习。
　　（4）建筑业
　　随着数字经济迅速崛起，全球正加速迈向以万物互联、数据平台为支撑的数字经济时代。党的十九大报告提出了发展数字经济、建设数字中国的新要求。近几年，习近平总书记多次强调要加快数字经济发展，李克强总理也多次指出要加快传统产业向数字化转型。AI等技术领域大规模研发与创新应用落地，数字经济正不断成长为经济发展的新引擎，促进了产业转型升级和产业链现代化。作为国民经济支柱产业之一的建筑业，由于其产业体量大、多关系方等特征，当前仍面临着双重问题，资源能源消耗大，质量和品质不高，是一种高环境负荷下的低质量供给。为此，建筑行业亟需借助数字化转型对全产业链进行更新、改造和升级。建筑行业数字化转型包括工程项目的数字化、企业层的运营管理转型以及公司层生态协同的搭建。
　　2、大量人工智能高端人才
　　随着“十四五”规划对各行各业的数字化转型提出新要求，利用新兴技术赋能企业数字化转型迫在眉睫。然而，在数字化转型的过程中，企业面临增长迅猛的数据压力，如何从海量数据中挖掘有价值的信息成为企业当前亟需解决的难题。
　　作为人工智能的重要组成部分，知识图谱提供了一种从海量非结构化数据中抽取结构化知识，并利用图分析进行关联关系挖掘的重要技术手段。知识图谱将不同知识之间进行关联形成网状知识结构，本质是在构建行业或领域内的知识，将知识赋予给机器，在实际的业务环节中运用，从而产生更大的价值。在政策部署、技术研发、标准研制、产业化推广、前沿应用场景试点等多方面因素的共同驱动下，知识图谱正在实现电信、交通、能源、智能制造等领域的落地应用和深度融合，打造全产业链数字化转型新引擎。
　　科技部《科技创新2030——“新一代人工智能”重大项目2020年度项目申报指南的通知》共启动22个研究任务，拟安排国拨经费概算5.6亿元，部分方向项目社会资源配套经费与国拨经费不低于2：1，实施周期为3~5年。22个任务中，与知识图谱和NLP相关的10项，占比45%，相较于2018年19%（3项/16项）的占比出现翻倍。
　　高端人才对于一个行业的影响毋庸置疑，甚至可以说，一个国家在人工智能领域的实力主要取决于少数精英研究人员的质量。目前世界范围内，美国仍然是拥有最多拔尖研究人员的国家，这就是为什么美国在人工智能发明的年代能够取得领先地位，并且进入应用的时代时，他们比自己的同行有优势。近年来，我国企业对于机器学习、知识图谱等领域关注度逐年增加，尤其在金融、教育、医疗领域，并由此吸引了越来越多的人才从事相关领域的学习。在研究热度、就业前景、政策红利等多方面因素叠加下，未来我国有望培养大量该领域的高端人才。
　　3、移动互联网的推动
　　随着人工智能进入应用时代，数据的应用量得到了大幅提升。当今人工智能应用的核心，就是通过深度学习在海量数据中概括出人类难以发觉的细微联系的能力。数据可以被视为支撑人工智能运行的原材料。我国拥有大量的移动互联网用户基础，为我国人工智能行业提供数据支撑。截至2021年上半年，我国手机网民规模为10.07亿，较2020年12月新增手机网民2092万，网民中使用手机上网的比例为99.6%。 　　在发明的时代，由于无法将当前的技术水平商业化，人工智能领域将重点放在学术出版上，而学术出版往往需要新的算法设计才能通过同行评审。仅仅通过向现有算法提供大数据以获得更好的性能是不足以发表学术论文的。但这种方式足以在市场上生产一种更优秀的产品，数据已经成为人工智能公司最宝贵的资源之一。这使得竞争优势从拥有最顶尖研究人才的公司，转向拥有最大用户数据储备的公司。总的来说，一个由合格的普通研究人员设计的、以大量训练数据为基础的算法，将胜过一个由最优秀的人工智能科学家设计的但用较少数据进行训练的算法。
　　另外，移动互联网还为人工智能技术提供了丰富的应用场景，在交通，医疗，教育，电商零售，生活娱乐等垂直领域强化人工智能的应用，移动互联网与人工智能相互促进，不断融合。2021年上半年我国个人互联网应用呈持续稳定增长态势。其中，网上外卖、在线医疗和在线办公的用户规模增长最为显著，增长率均在10%以上。各类移动互联网应用市场和用户规模的增长，为人工智能行业的发展提供了良好的应用环境。 　　4、边缘、分布式计算技术
　　（1）边缘计算技术
　　人工智能在很大程度上依赖于复杂机器学习算法的数据传输和计算。边缘计算建立了一个新时代的计算模式，将人工智能和机器学习转移到数据生成和计算实际发生的地方：网络边缘。通过将边缘技术应用于人工智能，可以提供更快的计算和洞察力、更好的数据安全性以及对持续运营的有效控制。因此，它可以提高支持人工智能的应用程序的性能，并降低运营成本。
　　边缘计算正在见证人们对新用例的极大兴趣，尤其是在引入5G之后。虽然大多数企业将这些技术投资作为其数字化转型之旅的一部分，但具有前瞻性的企业和云计算提供商通过融合边缘计算和人工智能，看到了新的机遇。许多企业已经从边缘人工智能中获益。从改进装配线的生产监控到驾驶自动驾驶汽车，边缘人工智能可以使各个行业受益。此外，最近在许多国家和地区推出5G技术为边缘人工智能提供了额外的推动，因为该技术的更多工业应用不断涌现。
　　根据Linux基金会发布的《2021年边缘计算状态》报告的预测，到2028年，全球边缘计算基础设施的市场价值将超过8000亿美元。
　　（2）分布式计算技术
　　随着目前使用人工智能技术进行计算的范围和数量不断扩大，基于人工智能算法数据处理模型的计算量也在不断增加。通常在进行人工智能相关运算时，会进行大量的反馈和迭代计算，这会对服务器产生较大的负荷。而当需要处理的数据量进一步增加时，数据量的负荷会拖慢服务器的性能，也会影响结果输出的时效性。因此，目前广泛采用分布式计算来配合人工智能数据处理。分布式计算可以将计算任务分派给多个分布式服务器进行下发，计算完成后再将结果通过不同的分布式服务器进行汇总，通过中央控制器合成展现。分布式计算架构与人工智能计算相辅相成，共同完成大数据处理和计算任务。
　　5、政府政策支持
　　政府政策在驱动中国人工智能发展方面的作用是显著的但常常被人误解。政府常常挑选优势企业进行补贴，或者发布命令规定应当发展的技术。如果人工智能对经济的影响远小于当前预期，那么投入人工智能的资源可能是一种浪费。另外，由于许多人工智能技术都已经成熟，选择哪些进行支持对公共部门来说是一个问题。政府的参与绝不是技术领先的先决条件，但随着人工智能更深入地渗透到现实系统中，政府参与可能会加速技术产生经济影响。