正略咨询：透视人工智能的产业格局与发展机遇

AI1年前 (2023)发布 aixure

73 0 0

导读：导读： 2010年之后，移动互联应用深度渗透，大数据时代到来，云计算技术日渐成熟，物联网应用崭露头角。这些都表明，人工智能迎来了跨越式发展的新曙光。据Gartner预测，2022年，人工智能驱动的商业价值将高达3.9万亿美元。中国智能经济时代的全新产业版图已…

导读：

2010年之后，移动互联应用深度渗透，大数据时代到来，云计算技术日渐成熟，物联网应用崭露头角。这些都表明，人工智能迎来了跨越式发展的新曙光。据Gartner预测，2022年，人工智能驱动的商业价值将高达3.9万亿美元。中国智能经济时代的全新产业版图已经初步显现，人工智能技术正在赋能实体经济发展，“商业落地”已成为人工智能发展的主旋律。人工智能是全国各地实现高质量发展的竞争高地，各地均对人工智能的发展投注巨大的资源加以支持。目前已经在科创板上市的两家人工智能企业天准科技、虹软科技，均来自于计算机视觉领域，而且两家企业都聚焦于该领域的中游。一定程度上反映了科创板优先支持人工智能产业中有一定技术难度的重点领域。

一、人工智能的往事与未来

01、人工智能极简史

人工智能是一门计算机模拟、延伸、扩展人类智能行为的新技术科学，主要研究人类智能活动的规律，应用计算机的软硬件模拟人类某些思维过程和智能行为，包括学习、推理、思考、规划等。

“人工智能”作为一个全新概念，最早是在1956年美国汉诺斯小镇的达特茅斯学院中由一群科学家在会议上提出的。此后的半个多世纪，人工智能的发展几经起落，人类仍然矢志不渝地在人工智能领域曲线前行。

人工智能的研究范式从早期的大脑模拟、符号处理，到20世纪80年代的子符号法、90年代的统计学法，再到后来的集成方法、智能模拟等，至今仍未形成指导人工智能研究的统一原理或范式。

人类对于重点发展强人工智能还是弱人工智能一直争论不休。弱人工智能对于技术的未来发展比较保守谨慎，认为人类不可能制造出真正具有推理和解决问题能力的智能机器，这些机器看起来是智能的，但是并不真正拥有智能，也没有自主意识。强人工智能对技术的预期更为乐观，认为人类有可能制造出真正具有推理和解决问题能力的智能机器，这样的机器有知觉、有自我意识。有的学者对技术的设想更为大胆前卫，认为机器可能在几乎所有领域完胜人类，甚至包括创新、通识、社交技能这样的方面。在目前的技术水平下，弱人工智能的发展取得了一定进展，暂时占据上风，强人工智能在短期内难有重大突破。

人工智能本质上是对人脑思维的模拟，该模拟可以从两条路径展开：一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，从人脑的功能过程进行模拟。计算机的产生大大推动了对人脑思维功能、信息处理过程的模拟，人工智能的基础技术日臻成熟，这使机器已经在算数、益智问答、象棋、围棋等领域超越人类能力所及。而人机大战则赤裸裸地将人类与计算机推上擂台直接进行较量。可以说，这种较量是在全世界镁光灯的聚焦之下生动直观地彰显了人工智能最前沿的能力水平。

尽管学界关于人工智能的基本研究理念、研究模式及发展路径仍然各成一派、难以统一，但是人工智能研究的广泛化已经是公认的事实。人工智能已经从计算机科学的一个分支演化为跨越自然科学、社会科学、技术科学三大科学门类的跨界科学，其中涵盖了计算机、认知学、语言学、心理学、神经生理学、仿生学、生物学、医学、数学、信息学、控制学、哲学、社会学等具体学科领域。

受科学界广泛瞩目与不断探索的助推，人工智能成为20世纪末（即70年代以后）的世界三大尖端技术（空间技术、能源技术、人工智能）之一以及21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。

02、人工智能的未来畅想

图1-1 20182023年中国人工智能产业的市场规模及增长率预测

图片来源：《中国人工智能发展报告2018》

华为公司2019年8月发布《全球产业展望GIV@2025报告》，提出了智能世界的十大趋势：

1、形态丰富的机器人带来新的生活方式；

2、机器学习等新技术使能的超级视野；

3、人工智能及物联网技术将简化搜索；

4、智能交通“懂”我道路；

5、机器人从事三高工作；

6、人工智能与云计算技术融合推动人机协同创新；

7、人工智能与大数据技术使沟通更精准、无摩擦；

8、数字技术与智能能力以平台模式共创智能共生经济；

9、大带宽、低时延、广联接的5G加速商用；

10、智能世界展开全球数字治理。

以5G技术闻名全球的华为公司，正式公开将人工智能的战略地位置于5G之上，人工智能的重要程度由此可见一斑。如今，人工智能的超级产业风口已经酝酿而成。在新一代信息技术驱动下，智能化革命的大幕已经拉开，未来的人工智能更趋于泛在化、专业化、精细化，人工智能比人类做得更快、更准、更好的高光时刻将会越来越多。

二、人工智能产业格局解析

01、人工智能的三大支柱

人工智能的崛起，有赖于数据、算力、算法三大基础条件的共同推动。数据的积累、算力的提升、算法的改良，三者相辅相成、相互依赖与促进（见图1-2）。

图1-2 人工智能基础支撑

提炼制图：正略咨询

三者所包含的具体内容及其作用可以表述如下：

第一，数据是人工智能的“生产资料”。随着互联网的普及、在线社交的兴起、电子商务的发展、传感器的泛在，人类社会所处的信息环境发生了巨变，数据交织渗透到人类社会的物理空间和信息空间的每一个角落，且呈现出来源广、数量大、类型多、实时态等特征，数据变得随处可得，其数量级迅速以指数级增长，异常丰富的数据近乎支撑起一个新的虚拟世界。大数据时代的到来，奠定了人工智能的前提基础，为人工智能的算法训练积攒了源源不断的粮草，深度学习算法通过挖掘海量数据，快速积累经验、总结规律、归纳关联。

第二，算力是人工智能的“生产工具”。人工智能需要极大的计算能力支持大规模的并行计算，工欲善其事，必先利其器。在摩尔定律“催促”下，算力不断升级再升级。云计算技术和芯片处理能力迅速发展，目前已可以整合成千上万台计算机展开并行计算，使低成本的大规模并行计算变成现实。GPU、NPU、FPGA以及各种各样的AI-PU人工智能专用芯片的发展，更是奠定了人工智能的快速海量数据计算能力，推动类似人类深层神经网络的算法模型得以实施。

第三，算法是人工智能的“生产模式”。加拿大多伦多大学的GeoffreyHinton教授2006年发表论文，开启了深度学习在学术界和工业界的浪潮。深度学习、强化学习的不断迭代提高了机器自学习的能力，促进人工智能的学习模式从有监督式学习演化为半监督式、无监督式学习。以多层神经网络为主流的深度学习算法为面向海量数据、复杂场景的算法训练和落地应用提供了强大的算力支持，深度学习被广泛应用于自然语言处理、语音处理、计算机视觉、生物识别等领域，成为人工智能应用落地的核心引擎，促成人工智能与商业场景的深度结合。

数据、算力、算法作为人工智能的三大支柱，将在人工智能的广泛应用中获得反哺，势必产生“滚雪球”效应，进一步积聚更大量级的数据、更高速度的算力、更优方式的算法。如此，人工智能的底层支柱与上层应用构建起彼此支撑、互促发展的良性循环。

02、人工智能产业的三层结构

经过多年的演进，人工智能在竞合中逐渐发展完备，产业结构逐渐清晰，呈现出基础层、技术层、应用层三大层次（见图1-3）。

图1-3 人工智能产业结构图

信息来源：公开网络；提炼制图：正略咨询

1、产业基础层

人工智能产业基础层，包括云平台、开源框架、开发工具等技术平台，智能芯片、智能传感器、激光雷达、服务器、通信设备等基础硬件，大数据及其管理技术，5G技术平台与通信设备等（见图1-4）。

图1-4 人工智能产业基础层主要企业分布

信息来源：iMediaResearch、公开网络；提炼制图：正略咨询

该层次历来是欧美国家的强势领域，不过，中国企业在技术壁垒相对较低的大数据和云计算领域基本能够与美国企业并跑，尽管美国在芯片领域依然具有绝对优势，但是华为海思、寒武纪、地平线、中星微电子等领先的中国企业在芯片领域逐步打开了局面（见图1-5）。

图1-5 人工智能产业基础层对标（中国与发达国家对比）

提炼制图：正略咨询

在大数据领域，基于可靠的网络基础设施、7.51亿全球最庞大规模的网民群体、较高程度的信息化，中国已经具有一定的相对优势。据IDC预测，全球数据总量在2020年将达到44ZB，中国的数据总量将达到8060EB，占全球数据总量的18%。中国的数据体量大，具有多样性，其获取及使用更为开放，这些为人工智能算法训练提供了良好的基矗

2、产业技术层

人工智能产业技术层包含算法理论、应用技术、开发平台等领域。随着各类开源、开放平台的建立，人工智能技术的使用门槛逐渐降低。中国已经拥有一批全球领先的企业，例如，商汤科技、旷视科技、科大讯飞等就是在人工智能技术层的中国企业的翘楚（见图1-6）。

图1-6 人工智能产业技术层主要企业分布

信息来源：iMediaResearch、公开信息；提炼制图：正略咨询

中美两国在该层次平分秋色，形成“双雄”格局。美国依托于雄厚的教育资源，在人工智能技术层的算法理论领域拥有明显的领先优势。中国在特定领域发力，开发形成丰富完备的人工智能产品（见图1-7）。

图1-7 人工智能产业技术层对标（中国与发达国家对比）

提炼制图：正略咨询

中国企业在技术层的分布显示，我国在计算机视觉、自然语言处理、机器学习三大领域的发展比较强势，现阶段各类成熟的人工智能应用多以此三项技术为基矗人机交互、生物识别、VR/AR等细分领域均在持续探索，技术层发展将更加多元化，也必将涌现出更多新的增长点（见图1-8）。

图1-8 中国人工智能技术企业分布

数据来源：鲸准洞见、36氪研究院《人工智能商业化研究报告（2019）》；

整理制图：正略咨询

3、产业应用层

人工智能有两种落地模式：一是人工智能企业提供“AI+”解决方案或平台服务，二是传统企业主动“+AI”引进人工智能技术。其中，人工智能技术企业呈现出“T”字形成长模式，在深耕某一项人工智能技术之后，将技术服务于多个行业应用与商业场景，逐步丰富自身的应用生态，构筑技术型平台的竞争壁垒。

在人工智能产业的应用层，目前形成了群雄逐鹿的局面，领先企业集中于中美德日等国家，中国在各细分领域均有优秀的企业，如全球最大的独角兽企业蚂蚁金服、全球最大的智慧出行企业滴滴出行、全球语音识别技术翘楚科大讯飞等（见图1-9）。

图1-9 人工智能产业应用层主要企业分布

信息来源：iMediaResearch、公开信息；提炼制图：正略咨询

国外领先企业发力于自身的人工智能技术优势，在应用层加以强化延伸，围绕内生增长潜力开发应用。中国企业从市场需求出发，人工智能技术已经在2C领域全面落地，目前2B端的人工智能应用正在启动（见图1-10）。

图1-10 人工智能产业应用层对标（中国与发达国家对比）

提炼制图：正略咨询

人工智能已完成了一定的技术与数据的积累，现正在数据丰富的行业、场景成熟的领域逐步打开商用空间，这表明，人工智能已进入商业应用的转化阶段。企业更要依赖商业场景洞察，将人工智能技术与行业实际需求结合，进行实践应用，让其产生经济价值。

03、中美人工智能产业体系对标

人工智能对经济增长与转型的推动作用不言而喻，全球各主要经济体对此颇有“默契”，纷纷出台指导政策与具体举措，从国家层面鼎力支持人工智能的发展，争相卡位新赛道，人工智能已然成为各国抢占的战略高地（见图1-11）。

图1-11 主要发达经济体的人工智能产业政策梳理

信息来源：公开网络；整理制图：正略咨询

美国作为全球人工智能引领者，力图通过七大战略（基础研究，人机交互，伦理、法律和社会，安全，数据和环境，标准，人才）巩固其人工智能产业在全球的领导者地位。

为加快建设创新型国家和世界科技强国，我国抓住人工智能发展的重大战略机遇，持续释放人工智能的政策红利，引导聚焦重点领域，提供支撑保障。

中国在产学研合作、标准体系建设、安全监管、科学普及、资金支持、人才培养、财税优惠、知识产权保护、基础设施建设、法律法规等各个层次为人工智能产业给予全方位支撑保障，重点布局基础理论研究、关键技术开发、基础平台建设、产业应用转化，并且取得了一定的先发优势（见图1-12）。

图1-12 中国人工智能产业政策重点聚焦领域

原创制图：正略咨询

2010年前后，中美两国的人工智能进入快速成长阶段。20092018年间，美国累计新增人工智能企业数为3701家，占全球累计新增企业数的16%，中国累计新增3362家，占全球新增企业数的24%，占亚洲累计新增总数的3/4。

截至2018年，全球人工智能企业共计15916家（已剔除倒闭公司）。美国人工智能企业数4567家，占全球人工智能企业的29%，处于遥遥领先的地位。中国以3341家紧随其后，占全球人工智能企业的21%。中美两国已经成为人工智能发展的热土，企业数量合计占据全球半壁江山。

融资方面，截至2018年，全球人工智能企业共计融资784.8亿美元，其中美国融资373.6亿美元，约占全球人工智能企业融资的一半，中国融资276.3亿美元，位居全球第二，融资规模为全球的1/3强。全球人工智能企业融资规模持续走高。2018年，中国人工智能企业融资总体规模、单笔金额均高于美国，不过融资活跃度低于美国。当年，中国人工智能企业融资规模达157.54亿美元，占全球人工智能企业融资额的47%，占亚洲的93%；共融资262次，平均每笔融资6013.08万美元。美国人工智能融资规模达135.93亿美元，占全球的38%，共融资740次，平均每笔融资1836.89万美元（见图1-13）。

图1-13 2018年中美人工智能融资情况对比

数据来源：乌镇智库《全球人工智能发展报告（2018）》；

提炼制表：正略咨询

2019年1月，联合国世界知识产权组织（WIPO）发布的《2019人工智能技术趋势》报告显示，2013年以来，人工智能的专利申请数量与之前半个世纪一样多。这意味着，在过去五年间，人工智能产业的技术发展进入了爆发式发展阶段。在全球人工智能领域的竞争中，中国和美国处于领先地位，中国已经拥有全世界最大的专利局和数量最多的国内专利申请。

同在2019年1月，爱思唯尔集团发布了一份关于人工智能科研转化与应用的报告。报告显示，在全球范围内，过去五年（20132017年）人工智能的研究以每年近13%的速度快速增长，中国、美国、印度成为人工智能领域科研产出最多的国家，2017年，中国在人工智能领域出版的文章数量位列全球第一。

总体来看，虽然人工智能产业的新增企业数量近两年逐渐下滑，但融资金额仍然持续增加。美国的人工智能产业在科研、技术、人才、资本、产业转化上全面引领全球。中国的人工智能产业竞争力位居全球前列，但是基础研究和核心技术比较薄弱，与企业规模相比，资本支持力度偏弱，优势能力更侧重于商业化应用层面。可喜的是，中国的人工智能专利申请及科研成果已经取得一定的领先优势，如果能高效率地转化为研发与技术实力，将助力人工智能产业更上一层楼。

三、人工智能产业机遇透视

01、泛在的智能

人工智能在各行各业的融合、渗透和应用为传统商业场景赋能，大幅提高了其运营效率，降低了其运营成本，这引领人工智能进入大规模商用阶段，使人工智能获得巨大的发展空间与广阔的发展机遇。

在全球范围内，人工智能在各个行业的应用全面开花，涉及范围非常广泛：在金融、医疗、汽车、零售四个行业的人工智能发展基础最为坚实，在制造、通信、教育、旅游四个行业的人工智能应用较为领先。

综合分析人工智能应用成熟度、市场应用潜力，金融、汽车、零售、医疗是人工智能最具发展前景的行业，教育、制造、通信已经具备适合人工智能发展的扎实基础，旅游、能源、文化娱乐则拥有更优的应用潜力（见图1-14）。

图1-14 全球各行业人工智能发展基础评估

图表来源：罗兰贝格咨询公司

对几个主要行业人工智能应用简单分析如下：

金融行业：基于标准化的数据产生了可观的数据量，拥有良好的数据积累；应用场景明确清晰，具备天然的数据获取条件；在自动化的工作流与IT技术运用方面也有尚佳表现。

医疗行业：拥有多年的医疗数据积累，数据记录完备性、持续性较好，具备流程化的数据使用过程以及人工智能应用场景。

汽车行业：利用人工智能技术布局自动驾驶、辅助驾驶技术，人工智能的人才与技术储备比较突出，提供解决方案的专业机构资源丰富。

零售行业：人工智能应用的战略方向明确，应用场景清晰；人工智能组织的驱动变革能力强劲；拥有持续性更强的数据基矗

制造行业：作业的流程化、自动化程度突出，具备整洁的数据基矗

通信行业：高频的使用场景，构造了获取海量数据的基矗

教育行业、旅游行业：创新文化凸显，为人工智能的定制化应用提供更多想象空间。

图1-15 全球人工智能的各行业应用潜能矩阵

信息来源：中国人工智能学会、公开资料；提炼制图：正略咨询

02、竞争激烈度与产业空白

在各国政策和全球资本驱动下，人工智能行业发展迅猛，竞争异常激烈。传统企业、新创企业、科技巨头均在人工智能领域入场布局，抢占竞争赛道（见图1-16）。

图1-16 传统企业、新创企业、科技巨头的人工智能竞争态势

信息来源：公开网络；提炼制图：正略咨询

传统企业、新创企业、科技巨头基于各自资源和能力，采取差异化竞争模式，分别在人工智能产业的基础层、技术层、应用层展开角逐。

经过多年发展，各领域已涌现出一批品牌知名度高、竞争能力强的人工智能企业，引领人工智能行业发展。这些企业的竞争模型分化为综合发展（平台型企业）和聚焦发展（专业型企业）两种模式（见图1-17）。

图1-17 聚焦型企业、综合型企业的人工智能分布

信息来源：中国电子学会；提炼制图：正略咨询

尽管一些人工智能领域的竞争已经进入白热化竞争阶段，也发展出一些巨头，但是大多数人工智能领域的格局尚未有定论（见图1-18）。

图1-18 人工智能产业各层次的竞争壁垒、演化路径、价值变现

信息来源：阿里研究院；提炼制图：正略咨询

人工智能上中下游产业链的具体分析如下：

人工智能产业基础层：技术壁垒高耸，高投入、高回报，值得长期布局并坚守阵地。以大数据领域为例，拥有流量入口的公司才能够把持数据资源，持续沉淀数据资产，短期（3～5年）价值兑现快，并且数据价值越积累越呈现几何级增长的趋势，长期（5年以上）价值叠加成长；再如云计算领域，需要选择计算量需求较大的行业切入，垂直可孕育计算服务生态，横向可搭建通用计算平台；芯片领域最具有挑战性，不仅技术攻坚强度大，而且需要承受超长周期的投入与亏损，还需要庞大的技术体系能力，在国内芯片产业链缺失的情况下，诸多技术壁垒需要突破，一旦成功，将形成垄断性竞争优势及市场地位，价值回报极其丰厚。

人工智能产业技术层：进入难度居中，短期有一定的技术变现回报，技术不具有价值叠加效应，长期的价值回报有限。算法与框架方面，可用工具已经存在很多选择，可以选择搭建开发者开放型生态，或者打造算法工具平台；通用技术方面，需要配备一定规模的技术工程团队，或者选择构建通用技术平台，或者结合行业需求提供技术解决方案。

人工智能产业应用层：进入门槛低、价值变现快，相较基础层、技术层竞争强度更高。应用平台方向，企业比拼的是行业内的影响力及资源整合能力，打造用户与产品开发者的社群生态，短期价值有限，长期价值比较丰厚；2B解决方案方向，可以选定某个行业深耕，亦可以进行跨行业的解决方案应用，短期即可实现价值兑现，长期价值也相当可观，因此竞争也异常激烈。

综合考虑企业既往基础（传统企业、科技巨头、创新企业等）、擅长的商业能力类型（平台型、专业型）、人工智能产业结构层次（基础层、技术层、应用层）等多方面因素，我们认为，在未来的竞争中，人工智能领域将有五类物种生存发展（见图1-19）。

图1-19 人工智能未来制胜模式

信息来源：阿里云研究中心、波士顿咨询公司、AlibabaInnovationVentures合作推出的《人工智能：未来制胜之道》报告；提炼制表：正略咨询

“生态构建者”脱胎于互联网平台型企业，这些企业在人工智能基础层和技术层长期投入，持续积累，在用户界面拥有大量场景应用，具备完整的人工智能生态结构。代表性企业有谷歌、亚马逊、Facebook、阿里巴巴等。

“技术算法驱动者”具有软件开发基础，在人工智能技术层深入耕耘，打造算法平台、通用技术平台，同时开发场景应用，形成流量，建立应用平台。代表性企业有微软、IBM等。

“应用聚焦者”是创业公司直接切入细分领域，或者传统行业的公司基于其传统业务场景及行业数据自主开发专门针对细分领域的人工智能应用，或者与“生态构建者”“技术算法驱动者”合作，将人工智能技术与传统商业整合。

“垂直领域先行者”在某一个或几个细分领域已经具有相当的积累，率先将人工智能技术运用于所在的垂直领域，通过专门领域的算法和通用技术，成为该领域的颠覆者、新领袖。代表性企业有滴滴出行、旷世科技等。

“基础设施提供者”专注于开发具有智能计算能力的新型芯片、硬件等基础设施，夯实技术实力，向技术层延伸拓展，与应用层深度融合，广泛集成于应用场景的各种设备，提供低成本、高效率的算力服务。

03、投资机遇与产业风险

2013年至今，人工智能热兴起，人工智能领域的股权投资持续升温，投资案例数的年复合增长率达到了69%，投资金额数的年复合增长率更是高达130%（见图1-20）。

图1-20 20132018年中国股权投资市场人工智能领域的投资情况

数据来源：清科研究中心《2019上半年中国股权投资市场

回顾与展望》；整理制图：正略咨询

人工智能产业整体正处在高投入、高研发的烧钱阶段。据统计，2017年，中国人工智能商业落地100强创业公司累计收益不足100亿元，90%以上的人工智能企业处于亏损状态，许多企业年营收不足一亿元。人工智能产业结构各层次的投资活跃度依次递增。应用层的项目因其场景广、数据富、风险低而成为中国资本的投资热点。但是在2019年中美贸易争端、国家支持自主核心技术、资本市场推出科创板等重大事件的合力推动下，人工智能产业的基础层、技术层已经获得更多资本的追捧（见图1-21）。

图1-21 20132017年中国人工智能产业各层次投资额（亿元）

数据来源：清科观察；提炼制图：正略咨询

从人工智能的行业应用角度来看，植入人工智能技术的产业空间不断被打开，但行业总体集中度不高，尚且处于人工智能空白的行业领域仍然不在少数。应用场景成熟、数据资源丰富、规则流程标准的行业引入人工智能对其赋能后，更能获得资本的青睐。

专注于金融（智能风控、智能投顾、市场预测、信用评级等）、医疗（新药研制、辅助诊疗、癌症检测等）、交通（自动驾驶、无人驾驶等）、商业（智能推介、在线导购等）的人工智能企业率先融资受益（见图1-22）。

图1-22 全球各行业人工智能发展基础评估

图表来源：罗兰贝格咨询公司

未来，中国的人工智能产业经过在某些领域的积累，将逐步延伸整合上下游产业资源，在更广泛的行业与领域落地，从多个层次构建围绕人工智能的商业生态，语音识别、智能家居、机器人、智能驾驶、智能医疗、个人助手六大应用领域获得高度关注。

人工智能是全国各地实现高质量发展的竞争高地，各地均对人工智能的发展投注巨大的资源加以支持。北上深杭牢牢占据着国内人工智能实力城市的第一梯队地位，在经济、政策、科技、学术方面所具有的全方位优势支撑着四城市的人工智能创新创业的高度，使其人工智能的发展速度远超其他城市。作为一线城市，由于缺乏大型科技企业，也缺少初创企业支持，广州的人工智能产业发展相对滞后（见图1-23）。

图1-23 2017年中国人工智能企业百强区域分布

信息来源：中国科学院、eNet研究院；提炼制图：正略咨询

北京可谓是人工智能创业与投资的首选城市。北京的人工智能综合竞争力遥遥领先，拥有最多的人工智能初创及成熟企业、科研院所，同时具有突出的人才优势，在人工智能产业各个层次分布均衡，产业链最为完备。上海、深圳、杭州也是人工智能创业与投资的重点布局城市，其人工智能综合竞争力领先全国。上海、深圳、杭州更侧重于人工智能产业的应用层，基础层、技术层相对薄弱。同时，深圳（华为公司、腾讯公司）、杭州（阿里巴巴公司）的巨头效应明显，当地的人工智能产业基本上完全由行业巨头带动。人工智能产业在国家政策支持下更加成熟，创业与投资也更趋于理性，行业风险受到越来越多的关注。中国管理科学研究院商业模式研究所将人工智能产业风险概括为四大方面（见图1-24）。

图1-24 人工智能产业的四大风险

信息来源：中国管理科学研究院商业模式研究所数字经济研究中心；提炼制图：正略咨询

人工智能产业的四大风险具体解析如下:

技术创新风险：人工智能的底层理论与基础研究仍然存在较多短期内难以突破的瓶颈，理论与探索路径也存在诸多争议，未知代表着期盼，也集聚着风险。这些不确定因素将导致人工智能技术的周期性与阶段性迷茫，技术开发障碍增大，可能导致研发的方向性失败，这些不确定因素同时会向应用层传导，使产业结构各个层面的推进不协调，进而让市尝资金、管理等多方面对底层研究与技术开发产生疑虑，造成更大的外在压力而导致创新夭折。

产能过剩风险：人工智能目前尚处于发展初期，产能过剩风险主要体现在两个方面：一是企业重复投资过剩，初创企业盲目进入，导致某一领域的企业数量增长较快、形成行业冗余；二是低端产品产能过剩，我国人工智能产业的应用过热，应用终端产品出现产能过剩的概率较高，已经出现产品产能过剩的工业机器人、智能穿戴、智能家居三个领域值得警惕。机器人领域已经陷入高端产业低端化、低端产品严重过剩的困局，全国在建和已建成的机器人工业园区超过40个，与机器人技术相关的企业达800多家。

信息安全风险：人工智能依赖数据，以信息为基础构建应用，不仅涉及每个人的隐私、身份与生物特征，还涉及整个社会乃至国家的安全信息。人工智能产业的基础层、技术层、应用层，都存在数据安全和系统安全问题，三层形成的闭环体系则会将信息安全风险叠加放大。

贸易政策风险及国别风险：我国在基础技术领域对美国的依赖程度较高，2018年中美贸易摩擦以来，在人工智能的产业结构布局上，美国扼守基础层、技术层，我国主要集中于应用层，作为人工智能产业基石的高端智能芯片、处理器、核心算法等都经受着贸易摩擦带来的供给限制，甚至存在完全断供的风险。

四、科创板上市企业（人工智能产业）

01、产业落点

时至今日，有关人工智能的研究，已经涵盖了人类智力行为的方方面面，包括众多新领域、新方向（见图1-25）。

图1-25 人工智能研究领域

信息来源：公开网络；提炼制表：正略咨询

从应用类技术角度看，人工智能可以分为语音类技术、视觉类技术、自然语言处理类技术、基础硬件四类。其中，机器视觉能够实现计算机系统对外界环境的观察、设别以及判断等功能，是机器人自主行动的前提。机器视觉技术是人工智能最重要的前沿分支之一（见图1-26）。

图1-26 中外人工智能应用技术的比重

数据来源：清华大学《中国人工智能发展报告》；

整理制图：正略咨询

在国内外人工智能企业的应用技术中，视觉类技术最受瞩目，占比均超过40%，国内企业相对更加追捧。在中国人工智能市场中，机器视觉占据着最大的市场份额（见图1-27）。