人工智能是当前人类所面对的最为重要的技术社会变革。从各国政府到资本、业界都热情拥抱人工智能。中美两国更是争先抢夺阵地。据推算，世界人工智能市场将在 2020 年达到 6800 亿元人民币，复合增长率达 26.2% 。
近日，沙利文公司发布了《 2019 中美人工智能产业及厂商评估 》，以中美 AI 产业为中心，从技术储备、布局、生态及 AI 应用四大维度入手，重点分析了 Google、Microsoft 、百度、阿里巴巴等两国大型人工智能厂商，并展望人工智能产业最新发展趋势。此外，报告还深度分析了中美人工智能产业技术、人才、政策等方面的近期动态，归纳出人工智能产业的最新发展趋势。
如果您想获得本报告的全文pdf，请在雷锋网微信（leiphone-sz）回复关键词“416报告”提取。
文档来源：沙利文
总的来说，中美 AI 产业的差距主要表现在以下四方面：
◆ 中国在部分 AI 核心技术领域已与美国比肩，但整体实力仍有差距 。
◆ 中国正在 AI 基础层加快追赶，欲见成效仍需时日 。
◆ 美国在技术储备与技术布局上优势明显 。
◆ 美国政策注重保持其 AI 核心技术优势 。
人工智能产业发展 60 余年，技术日趋成熟，产业布局和生态建设逐步完善，当前已进入深化产业赋能阶段。
中方：中国起步晚，但应用环境较好，人工智能正深度驱动中国经济智能化转型；美国在技术储备与布局领先，通过政策驱动保持全球领先地位。中国拥有丰富的 AI 应用场景， 加之近年来利好政策频出， 在 AI商业化方面优势突出。
美方：美国是人工智能的诞生地， 诸多高校以及企业为 AI 发展贡献了深厚的理论与算法基 础。美国 AI 技术储备与布局基础深厚，处于全球领头羊地位，同时，美国已正式出台 AI 国家战略， 决心从技术生态与 AI 应用等方面发力，以保持其 AI 领先地位。
中方：国家政策从人工智能产业规划、创新平台建设及技术应用等方面引导产业健康、 有序发展，推动中国人工智能应用环境及产业发展持续向好。
地方政策侧重于引导现代优势产业集群与人工智能技术能力的融合，形成多元 AI 生态，营造有利的人工智能创新及发展环境。
美方：美国政府引导各界开展人工智能技术研究，但其隐私政策对数据使用带来限制， 例如美国科技厂商多次因为数据安全与隐私问题受到国会与民众的大范围关注，甚至被起诉或召开听证会，尤其脸书、谷歌等大型互联网厂商。美国隐私相关法律在一定程度上制约了人工智能企业获取及使用数据。
中方：中国人工智能企业以 AI“国家队”和创业独角兽为主，其中“国家队”多综合布局技术与应用领域，创业独角兽多深耕垂直技术与应用市场。
中国AI产业基础层整体实力较弱，厂商正加快布局追赶 。
➢ 中国 AI 产业在基础层的芯片及传感器等硬件方面实力较弱，少有全球领先的芯片公司。百度、阿里、腾讯及华为等厂商在基础层软硬件加快布局 。
中国 AI 产业技术层发展势头良好 。
➢ 百度、阿里、腾讯和华为等综合型厂商在计算机视觉、自然语言处理、语音识别等核心技术领域均有布局，同时创业独角兽在垂直领域迅速发展。在中国丰富的应用场景支撑之下，AI 技术商业化潜力巨大， 中国 AI 产业应用层繁荣，众多厂商在安防、金融、出行、教育等领域发力，推动 AI 落地。
美方：美国人工智能厂商较多，软硬实力兼具，大型厂商多综合布局 AI 产业，创业公司遍布基础层、技术层和应用层。
美国 AI 产业基础层多老牌重量级厂商
➢ 美国 AI 产业基础层芯片与传感器实力较强，主要得益于英伟达、高通等技术实力强的业内头部厂商的参与。
➢ IBM、微软、谷歌、脸书、亚马逊等科技厂商在基础层实力较强，在算法、算力、数据等技术方面的布局全面，例如谷歌的 TensorFlow 深度学习框架在业界广受欢迎 。
美国 AI 产业技术层全面发展
➢ 美国在计算机视觉、语音识别等领域的算法研究早在上世纪六七十年代已开始， 近年来在这些领域的创业公司层出不穷，美国 AI 产业应用落地多集中在医疗、金融、互联网等数据基础较好的领域。
政策是中美 AI 产业发展的重要基础
➢ 中美已将 AI 产业发展提升为国家战略，在政策推动 AI 产业全面 发展的基础上，美国更倾向于通过项目合作等方式促进基础技术的研发，中国更注重通过资金与技术扶持推动区域、产业、 技术创新结合发展。
中美 AI 发展社会环境优，学校、企业及政府积极合作推动 AI 发展
➢ 中美在 AI 企业数量、专利数量等维度位居世界前两位，且教育资源丰富，AI 发展社会环境好 。
中国经济快速增长，AI 落地基础好，AI 应用场景更具潜力
➢ 中国的算力与数据在近十年来取得重大突破，得益于厂商与 AI 独角兽的技术生态发展和应用布局，IoT 持续向 AI 输送大量数据， AI 赋予 IoT 更为智能的反馈，未来 AI 与 IoT 将深入协同发展。
美国技术布局全面，具有先发优势，AI 产业基础好
➢ 美国早期在芯片及传感器、算法等技术层面已有较深理论与实践积累，整体技术实力领先；中国在技术生态与应用方面加紧综合布局，推动 AI 产业发展。
中美人工智能企业数量在全球范围内占据绝对优势
➢ 截至 2018 年中，美国人工智能企业数量 2039 家，位居世界首位，主要源于美国较好的人工智能产业发展基础 。
➢ 中国人工智能产业起步晚于美国，但在社会各界推动下发展迅速，在 2014 年至 2016 年间的人工智能创业潮中新增企业多，截至 2018 年中，人工智能企业数量占全球比例近 40% 。
北京、旧金山的人工智能企业数量位居全球一二位
➢ 中美企业在全球人工智能企业数量 TOP 10 中占比分别为 40%、30%，其中北京以 412 家人工智能企业位列全球首位，旧金山以 289 家位居第二 。
➢ 中美人工智能城市主要集中在经济发达、科技发达、创业环境宽松的区域。 中国以北上广深一线城市为主要聚集区，美国以旧金山湾区、纽约湾区为主要聚集地。
中国较美国在顶尖 AI 人才培养上仍有明显差距，且美国对顶尖 AI 人才的吸引力更大
➢ 中国AI领域科研教育水平不如美国，人才资源较少：全球 77% 的 AI 专家工作于学界，23% 工作于业界，导致高校及科研机构成为人工智能人才竞争的核心要素，中国顶级人工智能人才中 40% 需依靠从美国高校科研机构引进 。
➢ 美国对顶尖 AI人才的吸引力更大：美国高校培养了 44% 的 AI 顶会作者但吸引了 46% 的 AI 顶会作者 在美国就业，证明了美国在顶尖人才吸引力的领先地位，中国整体落后，但头部厂商人才吸引力正在增长，例如百度先后吸引王海峰博士、吴华博士、贾磊博士等一大批人工智能权威科学家，同时由于人才向心力的作用，中国 AI 领域人才储备有望持续提升。
中美 AI 人才在数量与质量上差距较大，中国正在加强 AI 人才培养，提升整体人才储备实力
➢ 数量与质量上仍与美国有一定差距：根据清华大学数据，中国人工智能人才仅为 18232 人，美国较中国多出 56.5% ，而其中中国人工智能领域杰出人才数为 977 人，不足美国的五分之一， 且杰出人才占比仅为 5.4%，与美国的 17.1% 有较大差距，主要原因在于中国人工智能领域科研环境建立较晚，整体人才缺失。
➢ 国家出台政策，加大中国 AI 人才培养投入：自科技部在 2017 年发布《新一代人工智能发展规 划》后，全国已有 30 多个省市发布了人工智能专项政策，人工智能学科和专业建设加快推进， 全国 30 多所高校成立了 AI 学院，75 所高校自主设置了 89 个人工智能相关二级学科或交叉学科， 加大了对人工智能领域的人才投入，增强技术储备。
政策支持与社会投入促进中国人工智能技术储备快速发展
➢ 中国各级政府多次出台有关人工智能发展的规 划与政策，大大激发了社会关注度与人工智能相关科研、就业与创业热情 。
➢ 近 5 年来，中国较美国多出 43.1% 的人工智能领域论文产出量，可见中国人工智能领域目前科研关注度较美国更高，发展更快。
从被引用频率看，中美在世界顶尖论文数量上大幅领先，但其中最顶尖论文更多来自于美国
➢ 对比 AI 领域高被引前 1% 的 4130 篇论文国家分布，中美以1166 与1345篇遥遥领先其他各国，合占总数的 60.8%，可见中美两国在理论基础与科研成果上领先全球 。
➢ 高被引前 100 篇论文美国占 59 篇，中国仅占 16 篇，主要原因在于中国整体科研环境及AI人才培养较美国仍有一定差距。
中美人工智能顶会论文数量领衔全球，但美国普遍论文录取率更高
➢ 2019年自然语言处理顶会 ACL 与计算机视觉顶会 ICCV上，中美录取论文数遥遥领先其他国家，如 ACL上第二名的中国论文录取数接近第三名英国的 7 倍 。
➢ 中国在 2019 年 AAAI 峰会提交论文数量接近去年 1,242 篇的两倍，美国较去年仅增长 37%，可见中 国 AI 领域研究成果增速较快，而录取率方面，中国以 15.8% 落后于美国的 20.6%，整体论文质量稍差 于美国，但部分领域质量逐渐赶上美国。
中国 AI 专利数量已大幅超过美国，但在国际专利数量上低于美国
➢ 中国 AI 国内专利申请数量位居全球第一，且与其他国家有拉开差距之势：在 2012 年超过日本，2017年超过美国，中国专利数量五年内增长约 10 倍，大约是美国的 2.5 倍，在国内专利申请数上占优势。
➢ 中国国际专利数量与美国差距较大：在 PCT 国际专利申请上美国以超过一万项 PCT 国际专利申请位列世界第一位，占世界所有人工智能 PCT 国际专利申请的 41%，而中国位列第三位，占 10%，证明中国人工智能专利国际化水平较美国有待提高。
受中国一级市场大环境趋冷与 AI 投资热度下降影响，中国 AI 投资额自 2015 年来首次低于美国
➢ 2013 年至 2018 年，中国 AI 领域投资热度远高于美国，5 年间 投资规模 CAGR 为 96.8%，而美国为52.1%，中国 AI 投资额从 2015 年开始超过美国，至 2018 年达到约 160.5 亿美元，而 2019 年在投资额与投资笔数上均低于美国。
➢ 2019 年中国一级市场投资机构遇到“募资难，退出难”等问题，导致整体投融资大环境趋冷，一级市场整体投融资笔数较 2018 年下降 29.8% 。中国 AI 投资热度伴随政策红利在 2017-2018 年达到顶峰，但由于行业竞争加剧，投资决策难度增加，热度下降，趋于冷静，AI 相关投资开始缩水。
中美投资方向相对一致，部分细分领域差别较大，而中国投资方向整体更广
➢ 中美两国的 AI 投资方向大体一致，但由于中国应用场景广阔，资金流向应用层可更快获利，而基础层资金与技术门槛较高，中国缺乏高端人才与基础理论的积累，切入基础层的难度较大，故中国 AI 投资相对聚焦在应用层 。
➢ 2019 年中国投资了超过 70 个 AI 相关的细分行业，而美国仅 50 余个，侧面说明中国 AI 投融资方向与思路更广
2019 年开始中国对 AI 初创企业的关注度低于美国
➢ 2019 年之前，中国对于 AI 初创企业关注度更高，与美国相比，2018 年中国 AI 企业平均获投率高出18%， 平均 5 个月获得第一笔融资 。
➢ 2019 年开始，中国开始更关注 AI 领域战略投资与并购，随着一级市场大环境收紧，竞争格局进一步显现，初创企业较以往融资困难，中国 AI 领域 A 轮及以 前融资比例下降而战略融资比例较 2018 年增加17%。
整体来看：
◆ 谷歌在全球 AI 厂商中整体实力领先，百度在中国 AI 厂商中综合实力领先 。
◆ 美国 AI 厂商中，谷歌是领导者，微软、亚马逊等企业紧随其后 。
◆ 中国 AI 厂商中，百度领衔，阿里、腾讯、华为等积极跟进 。
中国厂商中百度一马当先，位居全球前四，是中国 AI 产业领先者。
中国厂商在利好政策扶持下抓住发展机遇，百度积极在 AI 产业全面布局，部分核心技术领先美国厂商，并承担深度学习工程实验室、自动驾驶平台等国家级项目，在中国 AI 厂商中综合实力排在首位 。
美国 AI 厂商整体实力领先，谷歌稳居全球 AI厂商首位
美国 AI 产业发展早，厂商注重全产业布局，尤其在算法、芯片等核心领域积累深厚，在综合AI 技术水平方面相对更强，其中谷歌通过“AI+硬件+软件”的模式，奠定技术基础、拓宽应用领域，已在智能搜索、智能家居等领域取得较好的商业化成果， 综合技术实力与综合落地能力均保持领先。
美国 AI 厂商代表企业：
谷歌
谷歌拥有世界顶尖科学家团队，重视基础科学研究，使其技术储备优势较大， 同时创新能力出众，使其在技术布局上全球领先。
众多的优秀开源项目与活跃的一级市场投资使谷歌拥有繁荣的 AI 生态；以 “AI+硬件+软件“的形式实现较高的 AI 商业化水平。
微软
卓越的人才储备及专利储备使微软在技术储备名列前茅，也促使其在技术布局 的广度与深度均有领先。
微软以智能云为核心实现 AI 赋能，为企业或组织数字化、智能化转型提供解决方案，同时构建繁荣度较高的 AI 生态。
亚马逊
亚马逊的研发投入居全球首位，为 AI 技术储备奠定较好基础；在 AI 技术布局方 面，AI 芯片技术实力突出，具有较强的竞争优势。
亚马逊在生态建设上以云计算为核心，以 Alexa 为 AI 服务入口，对内外赋能，未来将专注人工智能云，促使 AWS 应用服务更加全面、智能化。
中国 AI 厂商代表：
百度
百度凭借扎实的 AI 技术储备，全面布局 AI 技术，打造软硬一体的人工智能大生 产平台，是中国人工智能技术领域的先行者，综合技术实力排名第一。
百度 AI 生态繁荣度高，AI 开放平台不断完善；AI 应用方面凭借布局深度与广度 实现较高综合商业落地水平，未来持续推动产业变革。
阿里巴巴
阿里巴巴在研发人员占比、研发金额等方面突出，为AI技术储备提供基础；AI 技术布局层面，在语音识别、边缘侧芯片等技术领域具有一定优势。
阿里以云计算为基础，完善 AI 开放平台，并积极对外投资繁荣 AI 生态；在应用 层面以 ET 大脑为核心，拓展至 IoT 各领域，实现“AI+IoT”全面落地。
华为
华为的人才资源、研发实力为其 AI 技术储备提供潜在发展基础；技术层面，华为在机器学习框架方面持续发力，自研 AI 芯片算力强。
华为基于在 ICT 领域与智能硬件领域的积累，拥有丰富的 B 端、C 端与 G 端客户资 源，利于其丰富 AI 生态、实现 AI 全栈全场景落地。
➢ 通过科技厂商所发布的典型芯片对比，ASIC 芯片在运算能力方面相对领先于其他种类芯片，但由于 GPU 发展时间早，应用普遍，软件生态较成熟，目前使用最成熟的 AI 芯片为 GPU 。
➢ ASIC 芯片具有体积更小、能耗更低、保密性更强的优势，且量产后可大幅降低成本。未来伴随数据量的激增，以及各应用场景差异性所带来的专用性需求增加，针对专门任务进行优化的 ASIC 芯片的表现将更为突出 。
➢ 未来，数据处理将从“人工+机器”模式逐渐转变为“数据智能”模式。更多企业、政府将会选择“数据智能”模式实现数据快速处理，统一数据生产、计算、应用等步骤，促进非结构化和半结构化数据转化为完整的数据资产。例如百度与平安、太平洋保险、TCL 等各领域知名企业合作；阿里与浙江省政府携手，实现了政府数据处理高效化，驱动行业数据资源使用效率大幅增加。
机器学习更为自动化将降低技术使用门槛，带动更多使用者加入，AI 技术的使用将实现“平民化”
➢ 传统机器学习对 AI 人才需求量大，未来机器学习可完成传统机器学习所需要的大部分人工的操作，AI人才紧缺问题也将得到适当缓解。
➢ 现实中 B 端、C 端、G 端的数据爆发加快，机器学习更为自动化的驱动因素之一是基于更多通用的算法框架，故能帮助专业人 员快速且高效地处理相关问题，提升工作效率 。
➢ AI 厂商持续优化算法模型加快机器学习自动化脚步。微软、谷歌、百度等将继续通过开放深度学习平台，帮助使用者更高效地构建训练模型，并推动商业模式创新，以适应不同商业场景， 进一步促进“普惠 AI ”的实现。
随着物联网的普及，边缘端数据量爆发式增长，加之 5G 所提供的高速传输能力，AI 技术与边缘计算技术将深度融合，AI 边缘应用将成为趋势，并直接带动 AI 边缘处理器出货量的提升。
➢ 随着物联网时代来临，全球物联网终端连接数将大幅增加，许多 AI 处理将在边缘设备完成，避免传统模式下向云端传输数据造成的时延，提升数据处理安全性、提高数据响应的及时性 。
➢ 未来搭载 AI 边缘处理器的设备和系统在进行边缘流数据分析时将更为快速实时，对整个物联网所发生事件的处理能力、感知能力也将大幅上升，大幅提升 AI 边缘处理器出货量，目前寒武纪、地平线、英伟达等企业已在边 缘侧 AI 布局 。
AI 边缘应用决策的优势：
➢ 更灵敏：相较目前的集中式数据中心处理数据模式，边缘设备对数据的处理，反应、调整更加及时 。
➢ 更安全：通过互联网传输数据，存在数据泄露或被篡改的隐患，边缘计算可规避或降低这种风险 。
基于 AI 边缘应用的优势，搭载边缘 AI 处理器的设备将被广泛用于公共安全、视频优化、工业互联、AR/VR 等场景中。
目前AI已在诸多场景中应用，未来会在金融、安防、制造、医疗、交通等数据 量巨大的领域加速渗透，这一趋势在拥有海量数据资源的中国将尤为明显。
金融
结合大数据、AI 技术为金融业子领域如银行业 提供定制化服务，提升营运效率，传统业务模式变革。
➢ 智能银行、智能投顾等 智能化服务及产品出现， 金融业从信息化转向智能化。
➢ 可构建智能化风控系统， 提升风险管控能力。
安防
基于人脸人体半结构化特征与动作识别、步态识别等新的 AI 技术将被广泛应用 。
➢ 细分领域如 AI 在公共安 全应用场景将全面实现罪犯高精度身份识别等。并通过结合边缘计算将 AI 技术注入前端摄像机，使本地设备完成智能图像识别。
制造
结合 AI 技术，企业在研发、 生产、管理、服务等方面变的更加智能化 。
➢ 如利用计算机视觉技术发现生产残次品，AI 机器人替代工人完成部分工作 。
➢ AI 在制造业加速深化，如生产制造、产品物流仓储等各环节，实现“产、供、 销”一体化模式。
医疗
AI 技术渗透医疗子领域， 包括疾病预测、辅助治疗的方向，实现智能医疗体系，智能治疗模式。
➢ 如通过 AI 算法对病变部位进行自动识别，并能提供明确的诊断提示。
➢ 医疗行业诊疗模式升级的同时也会促使医院医疗系统、药物系统等系统间快速融合。
交通
驾驶应用场景继续深化和延伸，如自动泊车、 定点接送、快速公交等 。
➢ 结合语音识别、手势识别，眼球追踪、驾驶员检测等技术的 AI 系统将 成为汽车标配 。
➢ 通过边缘计算与 AI 的融 合，实现数据处理的低延时性、可靠性，保证智能驾驶的安全性。
随着对技术自主可控意识的持续提升，未来中国 AI 厂商将更加注重自主研发， 以实现AI应用领域安全发展，百度等厂商推动作用明显。
整体而言，美国人工智能技术相对布局更为广泛，而中国在计算机视觉和语音处理等顶尖技术领域同样表现出色，拥有更为良好的 AI 投资、创业、研究与合作环境，技术国产化趋势也更为明显。展望未来，AI 底层核心要素算力和数据处理方式将得到提升和优化，AI 技术也将在金融、安防、医疗、交通等应用场景中加快渗透，拥有海量数据优势的中国将尤为明显。
雷锋网雷锋网雷锋网
正在生成分享图...
吴彤