人工智能(Artificial Intelligence)的概念最早在20世纪50年代提出,英文缩写为AI,它是研究与开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是自然科学、社会科学和技术科学三向交叉学科,试图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,期间经历了三次发展浪潮,当前处于第三次大发展期。
人工智能根据从底层到应用的技术逻辑可以分为基础层、技术层和应用层,其中基础层从硬件和理论层面,为人工智能的实现提供根本保障;技术层基于基础层的支撑,设计出解决某一类过去需要人脑解决问题的通用方法;应用层基于技术层的能力,解决具体现实生活中的问题。
人工智能的基础层、技术层和应用层
数据、图片来源:招商银行研究院,中大咨询研究院整理
劳动人口减少,AI填补缺口
一方面,根据国家统计局公布的数据显示,我国15-59岁劳动年龄人口数量在2011年达到峰值9.25亿人后连续7年下降,减少总量达到2600万人,与此同时劳动年龄人口占全国总人口的比重也一路降低至64.28%。劳动年龄人口的下降是中国经济发展过程中不得不面对的现实,据人社部预测到2030年后我国劳动年龄人口将会出现年均760万人的持续减少,到2050年劳动年龄人口将会降至7亿左右。
另一方面,人工智能作为新一轮科技革命、产业变革的核心力量,将重构生产、分配、交换、消费等经济活动各个环节,能替代一部分传统岗位,减少经济体对劳动力数量的总需求,从而弱化、甚至补偿人口老龄化和劳动年龄人口减少对经济增长造成的负面影响。
数据、图片来源:国家统计局,中大咨询研究院整理
人工智能赋能,推动产业升级
人工智能技术在过去5-10年快速发展,随着时间推移逐渐为大众所知,其商业化应用成为社会关注焦点,在各个行业领域中有广泛应用。虽然不同行业面临的问题不同,但是人工智能技术可通过数据的收集、处理与分析有效解决多种问题,改变各行业生态,从而推动产业升级。
通过以行业渗透率、市场规模两个维度进行评判,可以将人工智能渗透的各行业划分为四种类型。
一是过渡期,人工智能具有较高应用程度,但目前市场机会有限、有望进一步拓展,如数字政府;二是萌芽期,人工智能发挥部分功能,但处于起步阶段、尚未成熟,如公共事业、医疗、智能城市、能源行业;三是成长期,行业的人工智能应用度不足,但拥有较高的市场机会,如无人驾驶、自然资源与材料;四是发展期,人工智能技术的行业应用度高、市场机会好,产生了较为深刻的影响,如零售、教育、金融、制造业、通信传媒与服务等。
人工智能技术推动产业升级
数据、图片来源:《全球人工智能发展白皮书》,中大咨询研究院整理
各国政策频出,国家角力激烈
越来越多的政府和企业组织逐渐认识到人工智能在经济、战略上的重要性,竞相采取更为积极的产业政策。《全球人工智能发展白皮书》预测全球人工智能市场将在未来几年经历现象级增长,2025年世界人工智能市场规模预期将超过6万亿美元。
随着人工智能技术的快速发展,近年来全球展开了AI竞赛,各主要发达国家均出台了不少支持和引导AI行业发展的政策。
美国连续发力人工智能,2016年成立“人工智能和机器学习委员会”探讨制定相关政策、法律,发布《国家人工智能研究和发展战略规划》报告,将人工智能上升国家战略层面。
欧洲也将人工智能确定为优先发展项目,2016年欧盟委员会提出人工智能立法动议和《欧洲人工智能》,2018年发布主题为“人工智能欧洲造”的《人工智能协调计划》。
日本2016年在“社会5.0”战略中将人工智能作为实现超智能社会的核心,设立“人工智能战略会议”进行综合管理。
全球先进经济体人工智能重点政策
资料、图片来源:国家工业信息安全发展研究中心、川财证券研究所,中大咨询研究院整理
三大要素发力,AI建设加速
作为推动人工智能技术进步的“三驾马车”,算法、数据和计算力三大关键因素在不断创新、不断发展。
在算法方面,人类在机器学习的算法上实现了突破,特别是在视觉和语音技术方面的成就尤为突出。
在数据方面,移动互联网时代的到来使得数据量迎来了爆炸式增长,同时对数据的处理速度大幅提升。
在计算力方面,得益于芯片处理能力提升、硬件价格下降的并进使得计算力大幅提升。截至目前,全球人工智能的计算力主要是以GPU芯片为主。但随着技术的不断迭代,如ASIC、FPGA在内的计算单元类别将成为支撑人工智能技术发展的底层技术。
国内基础不足,硬件依赖进口
在人工智能从实验室走向商业化的过程中,其发展驱动力主要来自于计算力的显着提升、多方位的政策支持、大规模且多频次的投资和逐渐清晰的用户需求。
尽管中国人工智能产业发展迅速,2019年人工智能企业数量超过4,000家,位列全球第二,在数据以及应用层拥有较大的优势,然而在基础研究、芯片、人才方面的多项指标上仍与全球领先地区有一定的差距。
其中,人工智能芯片是人工智能技术链条的核心,而国内从美国进口的集成电路芯片的价值超过2,000亿美元,远超原油进口额;半导体产业的关键零部件仍需大量从西方国家进口,自给率不足20%;机器人的关键零部件在较大程度上仍旧依赖进口,包括精密减速机、控制器、伺服电机等。
中国人工智能技术与全球领先地区对比
资料、图片来源:牛津大学人类未来研究院、腾讯研究院、《全球人工智能发展白皮书》,中大咨询研究院整理
短期GPU芯片主导,长期三大技术并行
对整个AI行业来讲,算法、数据和算力三大基本要素中,数据尤其是海量数据的获取和处理难度在下降,算法也在深度学习模型的基础上不断优化,而负责将数据和深度算法统一协调起来的芯片能否获得质的飞跃,成为市场关注的焦点。
一方面,GPU作为市场上AI计算最成熟、应用最广泛的通用型芯片,凭借其强大的计算能力、较高的通用性,GPU短期将延续AI芯片的领导地位。
另一方面,长期来看,各有性能特点的三大技术路线将并行发展,GPU主要方向是高级复杂算法和通用型人工智能平台,FPGA未来在垂直行业有着较大的空间,ASIC长远来看非常适用于人工智能,尤其是应对未来爆发的面向应用场景的定制化芯片需求。
GPU、FPGA、ASIC性能特点对比
数据、图片来源:CSDN、平安证券,中大咨询研究院整理
基础设施不断升级,应用场景持续拓展
当前人工智能发展的新动力5G正在加快建设,将有利于满足人工智能对终端处理能力、网络传输能力的需求,拓展应用场景。2019年,中国正式进入5G商用元年,新一代通信技术5G具备高带宽、低时延、广连接性的特性,正在成为产业变革、万物互联的新基础设施。
首先,5G可支持大量设备实时在线和海量数据的传输,使企业获得数据的数量、实时性均大幅度提升,为更多人工智能应用提供可能。
其次,5G的部署拓展将带来超高清视频等应用增长,人工智能在其中发展潜力巨大。
此外,边缘计算也是5G时代的重要特征,随着终端进行更多的数据处理与应用,人工智能将广泛落地在边缘侧,边缘智能将崛起。
人机协同模式渐显,产业智能互联渗透
在业务模式上,人机协同趋势渐显。人工智能的目标是让机器在整个从感知到行动的链条上模拟甚至超越人的能力,但在很多复杂场景下,单纯依靠机器完全替代人类去解决问题并不现实。考虑到能力范围、时间效率、成本优势等因素,把人和机器作为整体部署的人机协同模式将成为未来主流。
在产业应用上,产业智能化渗透加深。随着企业数字化转型和产业互联网的不断推进,产业链各环节的数据实现了打通,在此基础上,人工智能的应用将从企业内部智能化延伸至产业智能化,实现采购、制造、流通等环节的智能协同,提升产业整体效率。
虽然人工智能发展迅猛,但在深入产业落地的过程中,人工智能技术与企业需求之间仍然存在鸿沟,人工智能技术本身无法直接解决企业用户业务需求,需要根据具体的业务场景和目标,形成可规模化落地的产品与服务。
在数据方面,由于数据获取的经验不足、质量差、安全合规性不高、归属权引争议、海量数据存储与调用难、数据标注上小场景数据采集难、复杂业务场景数据理解力有限,在应用上需制定更精细化的规则、采用联邦学习等新技术、使用大数据湖等方式,以及提高标注人员行业知识。
在算法模型上,从传统模型到深度学习等新兴算法的人工智能复杂性不断增加,大部分基于深度学习的算法是个“黑盒子”,模型不具备可解释性,然而在落地金融、工业、医疗等行业时,直接应用到业务系统的模型需要具备符合业务逻辑的可解释性。因此在落地过程中需采用深度学习算法与经典统计类规则结合的方式来进行建模,解决模型的可解释性问题。
在业务场景上,随着人工智能深入落地各垂直行业,要解决从通用场景、单点问题向特定场景、业务全流程演进,同时复杂度和进入壁垒变高,对业务场景理解能力的要求也不断提升。企业需借助知识图谱技术,将行业经验沉淀为行业知识图谱,在此基础上让算法更好地理解业务。