当前，一场以新一代人工智能为代表的科技和产业革命正在酝酿。信息基础设施数字化、网络化、智能化建设加快推进。以信息通信、生命科学、材料科学交叉融合为特征的集成创新和跨领域创新正逐渐成为主流。围绕“智能+”构建的产业新应用，新业态新模式不断涌现，人工智能的“领头雁”效应得以充分发挥。预计到2021年，人??工智能将加速成为建设现代数字经济体系、推动经济社会高质量发展的重要驱动力。融合形成新一代信息基础设施的核心能力，为数字经济发展提供底层支撑。2021年形势基本判断（一）新兴技术不断孕育，以人工智能为核心的融合技术创新将加速2020年以来，我国单点人工智能技术应用更加成熟，但规模人工智能与相关技术协同产业化和产业化应用尚处于早期阶段，经济高质量发展的赋能效率有待提升。我们判断，未来人工智能单一技术如果独立发挥作用，将面临天花板。预计2021年虚拟现实、超高清视频、新兴汽车电子等新技术新产品将不断涌现，并将加速与人工智能的交叉融合，推动经济形态向智能化变革在生产、生活方式和社会治理方面；同时，人工智能与5G、云计算、大数据、工业互联网、物联网、混合现实（MR）、量子计算、区块链、边缘计算等新一代信息技术相互支撑。通过智能技术产业化和传统产业智能化，人工智能将为智能经济发展和产业数字化转型提供底层支撑，推动人工智能和5G与云计算、大数据、物联网等深度融合。物联网等领域形成新一代信息基础设施的核心能力。在具体方向上，以交叉融合为特征的集成创新逐渐成为主流，多种新兴技术交叉融合的价值将使人工智能发挥更大的社会和经济价值。预计2021年，人??工智能将加速与汽车电子等领域融合，实现感知、决策、控制等特殊功能模块，推动自动驾驶、辅助驾驶、人——车机交互、服务和娱乐应用系统，进一步创新传统汽车产业链。加快汽车智能化、网络化；人工智能与虚拟现实技术的结合，有望为制造、家居装饰等提供工具，为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供丰富的场景，互动和及时的平台环境。（二）智能经济初具规模，泛在智能快速发展。新冠肺炎疫情将成为未来全球发展的“新常态”。国内外都处于经济社会创新发展和转型升级时期，迫切需要人工智能的应用。我们判断，随着算法的创新、算力的增强、数据资源的积累，智能基础设施建设与传统基础设施将实现智能化升级，人工智能技术有望推动全要素智能化创新。经济发展。展望2021年，人??工智能将进一步推动数字经济进入智能经济新阶段。智能经济新经济形态初具规模。人工智能将加速与实体经济融合，成为新常态下产业转型升级的重要赋能，不仅推动智能制造、智慧物流、智慧农业、智慧旅游、智慧医疗等模式和业态创新照护、智慧城市，也带动了智能运营、智能软件、智能硬件、智能机器人等新产品的发展。全球化智能经济发展格局初具规模。人工智能将为信息物理系统（CPS）赋予新的内涵，使其成为更具普适性的人机协作系统。未来，万物互联必然带来网络、数据和应用需求的无处不在。人工智能的应用场景将向更多行业、更多领域、更多环节、更多层次拓展。任何人任何单位随时随地都能使用的泛在智能将加速实现，这将进一步推动人工智能技术与实体经济各领域的深度融合。在具体方向上，预计2021年，制造业将是人工智能应用场景最丰富、潜力最大的领域。人工智能的深度融合将在制造业更多环节和层面得到推动和深化。需求导向和痛点聚焦将成为人工智能与制造融合的关键之一。人工智能产品和服务将归入特定的工业智能产品或针对特定行业的系统解决方案。此外，由于大部分产业链企业尚未大规模从人工智能应用中获得价值，安全性和投入产出比将成为制造企业应用人工智能的重要决策依据。其附加值提升的重点将从设备价值挖掘转向逐瓶挖掘用户价值。（三）场景赋能成为主旋律，典型场景将成为融资重点随着我国人工智能技术的逐步成熟，应用模式和商业模式的形成，人工智能市场和产业的发展将持续改善。截至2020年6月末，我国人工智能核心产业规模已达770亿元，人工智能企业超过2600家。已成为全球独角兽企业的主要集中地之一。“场景决定应用，应用决定市场，市场决定企业发展前景”。融资逻辑进一步得到各界认可。预计2021年，人??工智能领域细分化、专业化程度将进一步提升，人工智能广泛应用的商业化阶段将到来。专注于。具体来看，预计2021年，地方政府对人工智能产业发展的积极性将持续，地方扶持政策措施将更加务实可操作。更多城市（群）将围绕智能芯片、智能无人机、智能网联汽车、智能机器人等优势产业，积极构建符合地方优势和发展特点的人工智能深度应用场景。预计未来一年，新零售、无人驾驶、医疗和教育等易于落地的人工智能应用场景将受到资本更多关注。同时，由于中国在人工智能底层技术方面仍落后于美国，随着中国人工智能的进一步发展，底层技术的投资热情将持续高涨。获得资本市场的持续注资，资本市场的转型将推动人工智能更加注重理性，各大企业将扎根场景深入应用，让人工智能产品真正“有用”。（四）“新基建”赋能各行各业，人工智能产业底层支撑不断完善。2018年中央经济工作会议首次提出“新基建”概念，指出要发挥投资关键作用，加大制造业技术改造和装备更新力度，加快5G商用步伐，加强建设人工智能、工业互联网、物联网等新型基础设施建设。此后，7次中央级会议或文件明确提出加强“新基建”。2020年3月4日，中共中央政治局常务委员会召开会议，提出加快5G网络、数据中心等新型基础设施建设，引发更大关注。“新基建”具有丰富的新时代内涵。既顺应未来经济社会发展趋势，又适应我国当前社会经济发展阶段和转型需要。在补短板的同时，将成为社会经济发展的新引擎。人工智能“新基建”对人工智能产业发展意义重大，预计2021年，围绕算法、数据、算力等人工智能新基建“三驾马车”，建设人工智能产业链将持续加长，具体在算力方面，2021年我国5G通信网络部署将加速，物联网连接设备数量将增加至500亿台，实现增长数据速率越来越快，人工智能训练所需的计算量将进一步增加，呈指数级增长，相关行业对计??算能力的需求将更大，领先的互联网公司的大数据量将达到数千PB，传统行业龙头企业数据量将达到PB级vel，个人产生的数据将达到TB级别。、FPGA等计算单元将成为支撑我国人工智能技术发展的底层硬件能力，围绕三驾马车的产业链建设将不断加强。在算法方面，Cafe框架和CNTK框架收集整合了不同的新兴人工智能算法模型，可以大大提高算法开发场景的适用性。人工智能算法从RNN、LSTM到CNN再到GAN、BERT和GPT-3等，新兴的新兴学习算法将在主流的机器学习算法模型库中得到更高效的实现。需要注意的几个问题（1）人工智能规模的基础算力支撑能力有限。多样化的人工智能行业应用数据和更加复杂的深度学习算法需要强大的计算能力作为支撑。预计2021年数据量仍将保持爆发式增长，人工智能算法模型将变得更加复杂，对算力的要求也更高，但国内能够提供大规模人工智能算力支持的公司仍然非常多有限，我国对人工智能算力的整体基础设施准备不足。据专业机构预测，人工智能、5G通信等新一代信息技术的普及将使全球新增数据量从2018年的33ZB迅速增加到2025年的175ZB，这需要计算机计算能力的不断升级;2010这几年，随着GPU芯片的普及，FPGA和ASIC芯片加速发展，并在人工智能领域得到应用。到2020年，超级计算机的计算能力将达到每秒100亿次运算的水平。但随着人工智能发展对算力需求的不断迭代升级，国内人工智能芯片企业仍严重依赖高通、英伟达、AMD、赛灵思、美满电子、EMC、安华高科技、联发科等国际巨头提供产品符合要求的。与巨头相比，国内企业产业链龙头企业的发展还处于探索期；在商用服务器领域，IBM、HPE、戴尔等国际巨头位居全球服务器市场前三，浪潮、联想、新华三、华为等国内企业市场份额有限。（2）缺乏开源开放的人工智能算法平台和框架。本轮人工智能产业发展是由深度学习技术驱动的。开源开放的深度学习底层环境为技术演进和创新提供了基础保障。我国迫切需要通过开源开放的方式扩大技术影响力，推动技术创新，聚焦产业生态建设，为人工智能技术的产品追溯和系统可信度评价提供新的解决方案。但我国开源生态建设起步较晚，人工智能开源核心平台和框架参与度不足。全球主流的人工智能算法框架和平台由谷歌、Facebook、亚马逊、微软等美国公司主导。百度、旷视科技、商汤科技、依图科技等国内企业的4Paradigm算法框架和平台尚未得到业界的广泛认可和应用。我国在深度学习框架核心技术领域缺乏支撑，主要体现在：核心技术及相关技术创新能力有限，神经网络模型的训练性能和跨平台支撑能力不足；深度学习框架的先进设计和开发能力不足，模块化开发和跨平台支持研究滞后，不利于中国生态形成完整的人工智能产业，对中国信息基础设施有潜在的负面影响安全、工业安全和数据安全。芯片给了很多中国企业和开发者一个警示，但深度学习框架才刚刚引起关注。核心技术的缺失将直接影响未来人工智能产业相关芯片、系统、软硬件平台的发展。.（三）工业数据标准化和互联互通水平严重不足。数据是人工智能迭代创新的核心要素。大数据、云、物联网、5G通信等新一代信息技术的发展，产生了前所未有的海量数据，数据的增长速度越来越快。尽管我国人工智能技术在制造、交通、电子商务、金融、医疗等领域实现了试点应用，但行业上下游企业对工业数据的应用呈现碎片化、重复学习、零星规模，不同的标准和场景。各有特点，单一行业或企业的成功经验难以借鉴。事实上，它延缓了广大中小企业利用人工智能技术提高生产力、实现高质量发展的步伐。不同行业间的数据来源较为复杂，数据质量参差不齐，标注层次不一，缺乏数据标准和整合共享渠道，导致各行业之间和单一行业内的数据存在差异。尚未实现有效的互联互通和有机融合。大大降低了数据的可用性和可移植性。(4)尚未嵌入行业场景的定制化人工智能基础设施建设评估框架有效利用人工智能提高基础设施智能化水平，实现智能化改造。目前，我国还没有有效挖掘丰富数据和多样化场景的发展潜力，没有充分把握人工智能“新基建”嵌入行业场景的要求和特点；虽然其数据规模庞大，应用场景更加丰富，尤其是在金融、医疗、教育、制造、零售、智慧城市、政务服务等领域有着庞大的基础数据积累和新一代基础设施需求，但总体上缺乏对人工智能算力需求的充分评估，缺乏深度学习与自身行业的结合。掌握、理解和应用算法的能力，缺乏收集、协调、整理、清洗行业数据的意识。事实上，在2020年新冠肺炎疫情防控过程中，人工智能作为“新基建”的有效性已经得到充分展现，在缓解人流、物流等瓶颈方面发挥了重要作用。、信息流、资金流在各个行业。在防范治理重大公共安全风险、推动生产企业复工复产、维护高校和中小学教育教学等方面发挥不可或缺的作用。及时总结2020年的成功经验，梳理嵌入行业场景的定制化人工智能基础设施2021年构建评估框架势在必行。（5）细分应用领域专业人才缺口较大。我国在推动人工智能进一步发展方面，仍面临深度学习人才短缺的挑战。据保尔森基金会智库统计，中国是美国顶尖人工智能研究人员的最大来源国。中国的比例最高，为29%（其次是美国20%，欧洲18%，印度8%）。中国是美国顶尖人工智能人才的最大来源国。根据LinkedIn大数据，全球AI人才总体供给量约为340万，其中深度学习人才仅9.5万，流动性较大，进一步拉大了缺口。其中，中国的人工智能人才总数只有5万人。2020年我国人工智能人才缺口超过500万，供需比例严重失衡；美国少儿编程教育普及率已达44.8%，而中国仅为0.96%；中国顶尖人工智能人才仅排名第六。这五个是美国、英国、德国、法国和意大利。2021年，继续加强我国人工智能人才培养，补齐人才引进短板，是当务之急。对策建议（一）推动建立人工智能专用计算设施，夯实计算能力基础推动建立人工智能超级计算中心，承担大规模人工智能算法计算、机器学习、图像处理、科学计算和工程计算任务，并加快人工智能技术在垂直行业的产业落地应用，推动本地人工智能产业发展。推动弹性计算、海量数据存储等技术应用，提高算力资源利用效率。加快人工智能计算基础设施绿色高效发展，建设绿色高效计算中心。加强算力中心前期规划设计，根据应用需求，综合考虑能源、气候、自然冷源、网络设施、能耗指标等要素和条件，合理部署建设算力中心电力基础设施。（2）构建智能生态，构建软硬件协同能力，促进软件与定制化AI芯片的高耦合，实现性能最优。构建行业协同能力，推动人工智能企业与垂直行业平台、通用平台高效对接，保障所需平台功能的实时调用。推动人工智能专用计算设施与行业现有业务系统有效对接，依托算力支撑，打造智能应用生态环境。支持产业企业提供智能算力基础设施和通用软件服务，集聚孵化人工智能企业，推动人工智能产业发展，打造“技术研发、产业孵化、创投、教育和人才”的智能生态系统。培训、配套政策环境”。（三）继续支持人工智能开源开放和公共服务平台建设，打造人工智能技术创新载体，支持龙头企业牵头，共建人工智能重点领域技术创新平台联合上下游企业、高校院所、专业机构等。支持高校和企业申报国家实验室、国家重点实验室、国家技术创新中心、重点工程实验室等国家级科研平台。确定一批区级人工智能技术创新平台，视创新成效给予扶持。引导和支持建设一批人工智能开放平台、开源项目和大型常识数据库，建立一批人工智能技术公共服务平台等平台化人工智能应用测试实体和人工智能重点实验室。多场景训练和测试验证，支持面向云端训练和终端执行的开发框架、算法库、工具集等，面向高校和创新企业开放底层技术接口和数据库调用接口，推动从源头上推进人工智能原始创新和自主创新。（四）构建强大的人工智能政策工具箱，完善人工智能数据标准、评价、知识产权等服务体系，重点打造标准化数据集，建立人工智能系统训练、验证、测试元数据集。术语、参考框架、算法模型、基础理论、关键技术、产品与服务、行业应用、安全与伦理等，为人工智能技术在细分领域的应用提供应用标准、部署指南和实践案例。引入量化的人工智能技术衡量指标，建立标准化的人工智能技术绩效评价方法体系，形成人工智能知识产权和伦理道德风险责任追究体系和审计工具。积极引进海外科研人员，集聚全球人才，推出科研经费、个税、签证、户籍、子女教育等一系列领域引进海外高端人才的一揽子政策，有效解决解决科研人员的后顾之忧，为科研人员提供科研创业空间。更大的支持。作者来自赛迪智库人工智能产业态势分析课题组
