隨著中國人工智能產業進程的快速發展，中國人工智能產業布局已經基本形成。

一、市場規模

中國人工智能產業將迎來新一輪的增長點，新技術的引入讓更多的創新應用成為可能，預計到2021年，中國人工智能產業規模達到2035.6億元，增長率為28.8%。

數據來源：賽迪顧問，中商產業研究院整理

隨著人工智能市場的不斷發展，人工智能操作系統融合核心人工智能技術與計算數據能力，為人工智能產業提供智力、計算和數據資源支撐，在產業中實現終端設備、數據與應用的全面連接，是人工智能的生態大腦和能力輸出的基礎，在人工智能生態體系構建中占據入口的核心價值。人工智能操作系統通過開放AI大規模輸出，大幅提升專家、普通從業者、行業管理者的生產效率與產品品質，具有巨大商業價值和市場空間。

同時，人工智能通過行業智慧解決方案的方式帶動相關的產業保持以較高的市場增速發展，2019年人工智能在各行業領域綜合滲透規模達到7，369.5億元，隨著人工智能技術在各垂直領域加速滲透，越來越多的行業將開啟智慧化升級進程，其他垂直領域占比將以較快的速度增長。預計2021年人工智能帶動行業應用綜合解決方案服務的市場規模將達到12801.46億元。

數據來源：賽迪顧問，中商產業研究院整理

隨著人工智能核心算法、算力等技術快速普及和不斷成熟，人工智能技術在智慧治理領域的應用水平越來越高。從2016年開始，人工智能與安防、公安、司法、檢察機構以及民生服務等的結合不斷增加。2019年中國智慧治理領域的市場規模達到927.23億元。預計2021年市場規模有望突破1338.7億，年增長率為19.7%，未來發展空間巨大。

數據來源：賽迪顧問，中商產業研究院整理

二、行業未來發展趨勢

（1）以技術為核心的“人機協同生態圈”將成為未來智能產業發展新模式

在深度學習技術開啟的人工智能第一發展階段，單點技術的革新在市場中快速形成小型的技術應用閉環，技術為驅動的商業模式快速形成。計算機視覺、自然語言處理、語音處理等人工智能核心技術領域的突破開啟了全球智能時代的新浪潮。以計算機視覺為例，門禁、考勤、人證核驗、刷臉支付等場景問題在活體檢測、ReID、動作識別等計算機視覺技術應用后能夠高效地被解決。然而未來隨著人工智能技術在場景中應用的不斷深化，單一技術實現的技術閉環難以滿足復雜場景下的智能化需求。人們對于智能算法的能力要求持續升高，核心技術能力的研發難度開始加大。

（2）融合專家能力和機器能力的“縱向深耕”將是人工智能行業賦能關鍵

目前，人工智能已在金融、醫療、教育、零售、工業、交通、娛樂等諸多領域進行智能化的滲透。在智能變革的趨勢下，傳統行業紛紛開始探索如何與人工智能結合應用。隨著傳統產業的智能化實踐逐步深入，行業中深層次的知識和經驗尤為重要。簡單的人工智能技術疊加將不再能滿足用戶的智能化預期。例如在金融領域，虛假申請、偽冒交易、內容違規給傳統金融信貸造成巨大風險，傳統的用戶信用評估使得企業和個人信貸申請流程較為繁瑣，金融機構的風險把控力不足。人機協同則通過融合專家能力與機器能力，將風控專家的知識技能模型化、結構化，再運用深度學習、自然語言處理、計算機視覺、知識圖譜等技術手段自動學習貸款者的行為消費細節，實現用戶畫像的精準定位，從而提高風險識別能力，對全局的風險做到有效控制。

（3）以開放平臺為載體的“橫向延展”將是未來人工智能產業化方向

未來，人工智能產業將逐步向工業化邁進。標準化的產品、規模化的生產、流水線式的作業將是人工智能實現產業化的發展方向。企業在行業實踐中的大量人機協同經驗沉淀將通過開放平臺擴散至更多行業。既擁有行業知識又擁有智能技術的企業通過提供標準化、模塊化的產品和服務，為橫向多行業全場景賦能。“開放、共享”將成為下一階段人工智能產業發展的關鍵詞。開放創新平臺的建設可以更好的整合行業技術、數據及用戶需求等方面的資源，以普惠應用的方式細化產業鏈層級，助力人工智能產業生態的構建。中小型人工智能企業能夠依托開放平臺，集中資源和力量，打造自身的核心競爭力。傳統領域的企業能夠借助開放平臺的技術能力，快速實現行業的智能化轉型。“開放、共享”的創新發展模式將提升人工智能技術成果的擴散與轉化能力，促進中國人工智能產業形成以開放平臺為核心的智能生態圈。

三、行業前景預測

（1）人工智能領域技術能力全面提升為人機協同奠定基礎

隨著大數據、云計算、互聯網、物聯網等信息技術的發展，以深度神經網絡為代表的人工智能技術飛速發展，人工智能領域科學與應用的鴻溝正在被突破。圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智能技術能力快速提升，技術的產業化進程得以開啟，人工智能迎來爆發式增長的新高潮。機器在人工智能技術的應用下，“視覺”“聽覺”“觸覺”等感知能力不斷增強。例如計算機視覺領域中深受關注的ImageNet圖像識別挑戰賽獲獎結果表明，2015年，計算機對于圖像的識別能力已經超過人類水平，這意味著計算機能夠在多種場景下一定程度上替代人類視覺的工作，更高效地完成任務。同時得益于深度學習算法能力的提升，語音識別、自然語言處理等人工智能算法的不斷革新助推計算機視覺產業持續向前。

（2）計算能力提升與數據資源累積為人機協同能力發展提供基礎支撐

人工智能技術得以商業化主要得益于計算能力的提升與數據資源的累積。芯片處理器的技術迭代、云服務普及以及硬件價格下降使得人工智能算法的計算總成本大幅下降。傳統的面向通用計算負載的CPU架構無法完全滿足海量數據的并行計算需求，在人工智能使用GPU進行訓練與推理后，由于同時調用數以千計的計算核心，人工智能的計算能夠實現10-100倍吞吐量，大幅加速人機協同產業的發展進程。人工智能算法性能決定著人機協同智能水平，所以計算性能的大幅提升將為人機協同提供重要的基礎支撐。

（3）人工智能戰略地位凸顯，行業政策支持力度大

人工智能是國家戰略的重要組成部分，是未來國際競爭的焦點和經濟發展的新引擎。人工智能的逐步成熟將極大拓展其在生產生活、社會治理、國防建設等各個方面應用的廣度和深度，并形成涵蓋核心技術、關鍵系統、支撐平臺和智能應用的完備產業鏈和高端產業群。目前世界主要國家均把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略，加緊出臺規劃和政策，圍繞核心技術、頂尖人才、標準規范等強化部署，力圖在新一輪國際科技競爭中掌握主導權。
責任編輯：YYX