2020年是不平凡的一年，新冠疫情打亂了很多經(jīng)濟(jì)生活的節(jié)奏，人工智能站上了抗擊疫情的浪尖。防疫態(tài)勢與指揮平臺、AI測溫、無感通行、疫情問詢機(jī)器人、AI輔助診療，以及在人們居家生活中帶來快樂的趣味視頻特效、閑聊機(jī)器人，都幫助人工智能走進(jìn)生產(chǎn)生活，使AI 成為2020年的高頻詞匯。
這些日?？梢姷膱鼍爸皇侨斯ぶ悄艿囊粋€小小縮影?；貧w到產(chǎn)業(yè)思維，上一年，我們談到，人工智能已經(jīng)從講技術(shù)教育市場的階段，過渡到思考如何將技術(shù)與商業(yè)相結(jié)合進(jìn)行落地的階段，時代進(jìn)入了人工智能與傳統(tǒng)產(chǎn)業(yè)廣泛、深度融合的前夜。2020年，我們觀察到，人工智能已經(jīng)廣泛出現(xiàn)在決定企業(yè)產(chǎn)生經(jīng)濟(jì)效益的各個環(huán)節(jié)，以人機(jī)協(xié)同模式為主導(dǎo)，推動傳統(tǒng)行業(yè)啟動效率變革、動能轉(zhuǎn)換之路。人工智能作為創(chuàng)業(yè)企業(yè)標(biāo)簽的屬性在變?nèi)?，而越來越成為千行百業(yè)的經(jīng)營主體都在積極嘗試和運用的生產(chǎn)要素。人工智能被納入新基建范疇，實際上是水到渠成的事情。

[[360948]]

智能經(jīng)濟(jì)

人工智能對產(chǎn)業(yè)經(jīng)濟(jì)形成價值閉環(huán)（1/2）

企業(yè)和政府對人工智能的應(yīng)用逐漸升溫。在決定企業(yè)產(chǎn)生經(jīng)濟(jì)效益的各個環(huán)節(jié)，都已能夠看到人工智能的身影：AI 核身幫助人們安全生活、遠(yuǎn)程交易、便捷通行；深度學(xué)習(xí)和知識圖譜幫助企業(yè)在生產(chǎn)過程中分析預(yù)測、科學(xué)決策；人機(jī)對話提升了拜訪登記、服務(wù)響應(yīng)中的用戶體驗。人工智能將催生新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)、新業(yè)態(tài)、新模式，實現(xiàn)社會生產(chǎn)力的整體躍升，推動社會進(jìn)入智能經(jīng)濟(jì)時代。我們估算，目前中國大型企業(yè)基本都已在持續(xù)規(guī)劃投入實施人工智能項目，而全部規(guī)上企業(yè)中約有超過10%的企業(yè)已將人工智能與其主營業(yè)務(wù)結(jié)合，實現(xiàn)產(chǎn)業(yè)地位提高或經(jīng)營效益優(yōu)化。

人工智能對產(chǎn)業(yè)經(jīng)濟(jì)形成價值閉環(huán)（2/2）
當(dāng)然，AI 在經(jīng)濟(jì)生產(chǎn)活動中的落地升溫，并非意味企業(yè)已經(jīng)能夠完全依賴AI 解決主流業(yè)務(wù)問題。

中國企業(yè)的數(shù)字化轉(zhuǎn)型整體處于早期階段，即使是洞見超前的先行者，也需要統(tǒng)籌數(shù)字化和信息化、上云、數(shù)據(jù)治理與AI以及管理思維轉(zhuǎn)型等四大方向，合力探索。業(yè)務(wù)信息系統(tǒng)支撐企業(yè)前/中/后臺的交易、信息和流程、業(yè)務(wù)分析等需求，提供相對標(biāo)準(zhǔn)規(guī)范的功能；向云端遷移降低IT建設(shè)成本、促進(jìn)運營互聯(lián)化、數(shù)據(jù)化、智能化、精細(xì)化；數(shù)據(jù)治理與AI 解決業(yè)務(wù)場景中高度復(fù)雜的計算問題（往往需要處理海量、異構(gòu)數(shù)據(jù)），以及多因素的、動態(tài)的、可擴(kuò)展的推理問題，通過計算機(jī)運算幫助人們完成觀察、認(rèn)知與決策的過程；而管理戰(zhàn)略與思維主導(dǎo)企業(yè)科學(xué)布局、有效組織人才，面對機(jī)遇或困境尋求完整的解決方法、探索出路。因此，在產(chǎn)業(yè)經(jīng)濟(jì)中，人機(jī)協(xié)同模式將長期穩(wěn)定存在，推動效率變革、動能轉(zhuǎn)換。

人工智能布局落子將影響十年格局

人工智能產(chǎn)業(yè)與企業(yè)生長

上市企業(yè)數(shù)量與表現(xiàn)是衡量一個行業(yè)發(fā)展情況的風(fēng)向標(biāo)。截至2020年12月上旬，科創(chuàng)板已注冊生效的80家信息科技類公司中，2家為人工智能公司，42家（53%）披露具有人工智能核心技術(shù)或相關(guān)業(yè)務(wù)，這些公司主要來自地理信息技術(shù)、IT軟件/運維/信息化、網(wǎng)絡(luò)及內(nèi)容安全、云服務(wù)、半導(dǎo)體設(shè)計、物聯(lián)網(wǎng)及智能硬件、金融科技等賽道。已上市的人工智能公司在市值方面都取得了令人矚目的表現(xiàn)。

[[360949]]

來自資本的期望

近三年人工智能在一級市場吸收超千億元資金

根據(jù)清科研究中心《2020中國科創(chuàng)企業(yè)展望報告》，超過68%的投資機(jī)構(gòu)在2020-2021年將AI作為重點投資領(lǐng)域。艾瑞統(tǒng)計發(fā)現(xiàn)，2018年，資本市場對AI創(chuàng)企抱有極高的熱情，雖2019年有所回落，但截至2020年Q3的33個月內(nèi)AI依然吸收一級市場超千億元資金。B+輪之后的項目融資額占比逐年回落，側(cè)面也反映出近一兩年市場上還未出現(xiàn)新一批獨角獸。

人工智能對社會經(jīng)濟(jì)的回報

回饋社會經(jīng)濟(jì)，實現(xiàn)良性循環(huán)

高估值、高吸金，以及過早從萌芽期催熟至起步期，都加重了人們對人工智能的期望值，當(dāng)社會注入期望與資金超過人工智能解決經(jīng)濟(jì)生產(chǎn)中問題的速度時，焦慮就開始產(chǎn)生。相比于互聯(lián)網(wǎng)產(chǎn)業(yè)，人工智能發(fā)展期與成熟期的到來預(yù)計較晚（第六頁觀點，我們認(rèn)為人工智能產(chǎn)業(yè)從15年萌芽到起步用時4年，2019年進(jìn)入起步期，顯著快于電子信息與互聯(lián)網(wǎng)產(chǎn)業(yè)，而從起步期到發(fā)展期則需要6年，長于互聯(lián)網(wǎng)產(chǎn)業(yè)4年的用時），從社會期望、資本回報預(yù)期方面可能加重企業(yè)承受的壓力。但盡管如此，人工智能產(chǎn)值成長速度也令人矚目。基于AI的“賦能”特性，會展現(xiàn)出把單向的產(chǎn)品供應(yīng)做成各產(chǎn)業(yè)深度參與的雙向共建特征，回饋社會經(jīng)濟(jì)，實現(xiàn)良性循環(huán)，推動AI自身真正走入產(chǎn)業(yè)鴻圖。2020年，人工智能預(yù)計達(dá)到超過1500億元規(guī)模，疫情環(huán)境下，2020年的業(yè)務(wù)高速增長主要由AI開放平臺API貢獻(xiàn)，除此之外的增長動力將在第四章詳細(xì)闡述；到2025年，產(chǎn)業(yè)規(guī)模預(yù)計超過4500億元。我們判斷大約30%-45%的市場是人工智能創(chuàng)業(yè)企業(yè)所占據(jù)，外圍賽道切換而來的互聯(lián)網(wǎng)公司、云服務(wù)公司、大數(shù)據(jù)公司、信息技術(shù)服務(wù)公司、通信設(shè)備公司以及個別科研院所切分其余市場。

[[360950]]

人工智能產(chǎn)業(yè)圖譜

人工智能商業(yè)模式

摸索與豐富階段，未來會分化為兩條路徑

作為新生朝陽產(chǎn)業(yè)，人工智能的商業(yè)模式還在不斷摸索與豐富，尚未形成定局。當(dāng)前階段，To B/G企業(yè)服務(wù)的色彩相當(dāng)濃重。未來我們認(rèn)為會分化出兩條路徑：一是沿著企業(yè)服務(wù)的道路，成為專業(yè)級工具的提供者、智能轉(zhuǎn)型困境的處理者；二是直接切入最終用戶（End Customer），走核心圈輻射生態(tài)圈的道路，成長為智能經(jīng)濟(jì)時代的主流企業(yè)。

人工智能賦能行業(yè)

當(dāng)下行業(yè)份額格局比較集中

2020年，中國人工智能市場主要客戶來自政府城市治理和運營（公安、交警、司法、城市運營、政務(wù)、交運管理、國土資源、監(jiān)所、環(huán)保等），互聯(lián)網(wǎng)與金融行業(yè)也位居前列。預(yù)計未來五年，這一行業(yè)格局分布會發(fā)生一定變化，主要動因來自人工智能核心技術(shù)賽道增速有差異、不同行業(yè)對人工智能的應(yīng)用節(jié)奏發(fā)生變化，將在本報告商業(yè)分析版第四章節(jié)呈現(xiàn)。

[[360951]]

第一個拐點——感知賽道的革新

計算機(jī)視覺：千億級大賽道初露端倪

得益于深度學(xué)習(xí)算法的成熟應(yīng)用，側(cè)重于感知智能的圖像分類技術(shù)在工業(yè)界逐步實現(xiàn)商用價值，助力金融、安防、互聯(lián)網(wǎng)、交通、醫(yī)療、工業(yè)、政務(wù)等領(lǐng)域智能升級。通過對下游行業(yè)需求統(tǒng)計測算，2020年我國計算機(jī)視覺產(chǎn)品的市場規(guī)模占整個人工智能行業(yè)的57%，達(dá)到862.1億元，與此同時，和計算機(jī)視覺有關(guān)的計算機(jī)通信設(shè)備銷售、醫(yī)療器械等專用設(shè)備銷售、工程建設(shè)、傳統(tǒng)業(yè)務(wù)效益轉(zhuǎn)化等帶動相關(guān)產(chǎn)業(yè)規(guī)模超過2200億元。

人機(jī)交互與智能語音垂直行業(yè)應(yīng)用核心產(chǎn)品規(guī)模及帶動產(chǎn)值

語音交互技術(shù)正在逐步改變?nèi)藗兊纳a(chǎn)及生活方式。人機(jī)交互產(chǎn)品通過將用戶意圖轉(zhuǎn)化為機(jī)器可以理解的內(nèi)容，可協(xié)助用戶解答問題或幫助用戶完成特定任務(wù)。其中，對話機(jī)器人為客服等服務(wù)性行業(yè)帶來了產(chǎn)品改革及效率優(yōu)化；而基于AI語音助手的對話交互功能則促進(jìn)了一系列消費級智能硬件產(chǎn)品的出現(xiàn)或升級，如智能音箱、智能車載、語音控制家電等。據(jù)艾瑞測算，2020年我國對話式人機(jī)交互產(chǎn)品的市場規(guī)模達(dá)到58.5億元，帶動相關(guān)產(chǎn)業(yè)經(jīng)濟(jì)規(guī)模達(dá)486.9億元。除典型的對話式人機(jī)交互產(chǎn)品外，2020年智能語音技術(shù)在教育、醫(yī)療、司法、公安、互聯(lián)網(wǎng)等垂直行業(yè)應(yīng)用的核心產(chǎn)品規(guī)模達(dá)到57.7億元，帶動相關(guān)產(chǎn)業(yè)經(jīng)濟(jì)規(guī)模達(dá)317.1億元。

第二個拐點——挖掘數(shù)據(jù)的價值

機(jī)器學(xué)習(xí)：市場規(guī)模超200億，帶動相關(guān)產(chǎn)業(yè)規(guī)模超千億

作為人工智能極為關(guān)鍵的通用技術(shù)之一，機(jī)器學(xué)習(xí)時常被外界認(rèn)為是AI應(yīng)用中使用的公式或定理般的抽象基礎(chǔ)。機(jī)器學(xué)習(xí)的本質(zhì)的確是函數(shù)，但它依然能夠以單純的算法能力直接落地于金融、工業(yè)、醫(yī)藥、互聯(lián)網(wǎng)等數(shù)字化基礎(chǔ)較好的領(lǐng)域，為企業(yè)提供智能風(fēng)控、預(yù)測性維護(hù)、藥物發(fā)現(xiàn)、個性化推薦等多種服務(wù)。2020年，預(yù)計我國機(jī)器學(xué)習(xí)產(chǎn)品服務(wù)的市場規(guī)模將達(dá)到206.9億元，并以20%以上的年均增速發(fā)展，2025年有望突破500億元。此外，機(jī)器學(xué)習(xí)產(chǎn)品服務(wù)還將以節(jié)約成本、降低風(fēng)險與損失、減少研發(fā)時間、提升效益等形式帶動應(yīng)用方創(chuàng)收超千億元。

聯(lián)邦學(xué)習(xí)：打破數(shù)據(jù)孤島+保護(hù)數(shù)據(jù)隱私的AI“新爆款”

如上文所述，機(jī)器學(xué)習(xí)的根基和動力來源于數(shù)據(jù)，在獲取數(shù)據(jù)的過程中，我們通常會面臨一個兩難問題，很多情況下算法模型所需的訓(xùn)練數(shù)據(jù)以孤島形式散落在不同的企業(yè)與用戶之中，我們一方面需要盡可能全面的獲取數(shù)據(jù)以擴(kuò)充訓(xùn)練樣本規(guī)模，另一方面出于隱私與安全的相關(guān)要求又不能隨意收集、融合和使用數(shù)據(jù)進(jìn)行AI處理。為解決以上難題，聯(lián)邦學(xué)習(xí)應(yīng)運而生。聯(lián)邦學(xué)習(xí)的主要思想是基于分布在多個設(shè)備上的數(shù)據(jù)集構(gòu)建機(jī)器學(xué)習(xí)模型，同時防止數(shù)據(jù)泄漏，通過安全多方計算、差別隱私、同態(tài)加密等技術(shù)為模型提供隱私保證。作為一種創(chuàng)新的建模機(jī)制，聯(lián)邦學(xué)習(xí)的核心價值在于它并不改變機(jī)器學(xué)習(xí)和數(shù)據(jù)存儲的基本實現(xiàn)方式，而是改變了不同AI模型之間的協(xié)作模式，可以針對來自多方的數(shù)據(jù)訓(xùn)練統(tǒng)一模型而又不損害這些數(shù)據(jù)的隱私和安全性，因此聯(lián)邦學(xué)習(xí)在金融、醫(yī)療、銷售、城市管理以及許多其他領(lǐng)域中都很有前景。

知識圖譜與NLP：從數(shù)據(jù)和信息中萃取智慧

自然語言處理本質(zhì)是一個文本處理+機(jī)器學(xué)習(xí)的過程，它讓計算機(jī)完成以自然語言為載體的各類非結(jié)構(gòu)化信息的處理任務(wù)；知識圖譜建立從數(shù)據(jù)到知識庫中實體、屬性、關(guān)系的映射，使得機(jī)器理解與解釋真實自然世界成為可能。在實際應(yīng)用中，知識圖譜和NLP往往有著相同的目的、緊密耦合，比如通過搜索引擎做信息檢索時，既需要對自然語言進(jìn)行抽取，又需要通過實體之間的聯(lián)系進(jìn)行推理返回結(jié)果，以使提供的信息準(zhǔn)確、豐富、有層次、可延伸閱讀。從數(shù)字世界的發(fā)展階段而言，已經(jīng)到了感知層面的信息爆炸期，注意、記憶、推理、問題求解、決策以及語言生成等認(rèn)知層面能力整體而言開始被撬動，感知層面的變化將給知識圖譜與NLP帶來新的機(jī)遇。垂直行業(yè)的知識圖譜與NLP產(chǎn)品先一步發(fā)展起來，在2020年將實現(xiàn)超過百億元的銷售規(guī)模，預(yù)計到2025年，下游客戶滲透擴(kuò)散，圖譜構(gòu)建工具和“工藝”進(jìn)一步成熟、情感分析任務(wù)與多模態(tài)識別碰撞出新的產(chǎn)品形態(tài)，刺激市場達(dá)到近500億元規(guī)模。

知識圖譜與NLP：數(shù)據(jù)治理、業(yè)務(wù)目標(biāo)與決策指揮

站在管理者的角度，對業(yè)務(wù)進(jìn)行全局觀察、預(yù)測和決策指揮很有必要，需要實現(xiàn)全方位的數(shù)據(jù)接入、治理，結(jié)合知識圖譜與NLP等工具進(jìn)行分析、決策。數(shù)據(jù)越來越成為企業(yè)的核心資產(chǎn)，但對于數(shù)據(jù)的有效利用存在諸多痛點：手工填報的數(shù)據(jù)標(biāo)準(zhǔn)和質(zhì)量不一，原始數(shù)據(jù)錄入錯漏與不完整，缺少有效的分級分類數(shù)據(jù)標(biāo)簽，數(shù)據(jù)分散在不同的核心系統(tǒng)中而各系統(tǒng)側(cè)重點差異大、導(dǎo)致難以融合或未及時更新，以及不同類別的數(shù)據(jù)本身對于變量的定義和要求不同等等。因此，耗費大量的精力與成本，才能使數(shù)據(jù)治理到適合人工智能研究或應(yīng)用的程度，有的時候，還會面臨上一次數(shù)據(jù)治理缺乏有效的策略，需要重復(fù)工作、使用代價高的問題。因此，無論是教育、醫(yī)療還是工業(yè)、金融、零售中的應(yīng)用，對于數(shù)據(jù)打通、數(shù)據(jù)標(biāo)準(zhǔn)化以及降低數(shù)據(jù)治理的工作量都有著極大的需求，一個行之有效的路徑是，以業(yè)務(wù)的落地目標(biāo)為出發(fā)點，基于業(yè)務(wù)目標(biāo)，回到數(shù)據(jù)源頭進(jìn)行治理，再結(jié)合到具體的數(shù)據(jù)科學(xué)和業(yè)務(wù)建模分析中，反復(fù)調(diào)整、適配與驗證，衍生出豐富的應(yīng)用。

第三個拐點——成為基礎(chǔ)性產(chǎn)品

將算法進(jìn)行芯片級封裝的戰(zhàn)略意義

人工智能產(chǎn)業(yè)正處在一個向強(qiáng)業(yè)務(wù)屬性發(fā)展的過程中，各領(lǐng)域細(xì)分應(yīng)用場景及衍生的多樣性算法需求不斷增加。芯片作為實現(xiàn)AI應(yīng)用的重要算力基礎(chǔ)設(shè)施，NVIDIA等通用性AI芯片對目前應(yīng)用場景的適配性和可優(yōu)化程度有所局限。因此，具備將算法進(jìn)行芯片級封裝的底層技術(shù)能力一定程度上決定了AI企業(yè)的業(yè)務(wù)布局層級是否可自主優(yōu)化；在全球科技競爭的大背景下，自研芯片能力也決定了企業(yè)的業(yè)務(wù)鏈條是否安全可控。近年來，AI算法企業(yè)中的“造芯運動”風(fēng)起云涌，前瞻布局的算法廠商基于對算法技術(shù)及應(yīng)用場景算力需求的理解，致力采用集成架構(gòu)或自定義的處理器架構(gòu)和指令集進(jìn)行算法芯片級封裝嘗試，以提升算法在解決方案中的場景適配性及高性價比，拓寬產(chǎn)業(yè)鏈環(huán)節(jié)、加固技術(shù)壁壘，搶位未來AI產(chǎn)業(yè)競爭的戰(zhàn)略制高點。

[[360952]]

甲方企業(yè)的投入回報

企業(yè)部署數(shù)字化轉(zhuǎn)型AI項目常見的ROI驗證方法

在CTO/CIO調(diào)研中發(fā)現(xiàn)：26.8%的企業(yè)在推進(jìn)AI探索應(yīng)用中面臨“如何制定投入與產(chǎn)出的評價標(biāo)準(zhǔn)”這一阻礙。AI項目作為企業(yè)業(yè)務(wù)流程再造的重要投入，價值體現(xiàn)或難以立竿見影，但對于企業(yè)競爭力塑造具有重要的戰(zhàn)略意義。因此甲方企業(yè)在進(jìn)行AI項目投入的可行性評估時，應(yīng)設(shè)定合理的ROI評價標(biāo)準(zhǔn)，科學(xué)、理性地評價方案的成本要求、效果要求和利潤要求等，避免錯失轉(zhuǎn)型改革機(jī)遇。根據(jù)甲方企業(yè)所在行業(yè)特性、部署項目需求、使用AI技術(shù)和應(yīng)用場景等差異，AI項目ROI的驗證方法也比較多樣。

中國企業(yè)AI應(yīng)用調(diào)研：AI應(yīng)用技術(shù)

計算機(jī)視覺、機(jī)器學(xué)習(xí)等為AI應(yīng)用熱門方向

中國企業(yè)AI應(yīng)用調(diào)研：中臺建設(shè)普及率

超六成企業(yè)已搭建中臺體系，數(shù)據(jù)中臺為第一選擇

63.4%的企業(yè)已搭建中臺體系，在已搭建中臺的企業(yè)中，100%的企業(yè)建立了數(shù)據(jù)中臺；在未建立中臺體系但有相應(yīng)規(guī)劃的調(diào)研企業(yè)中，75%的企業(yè)選擇規(guī)劃數(shù)據(jù)中臺。

AI中臺的普及率與需求程度排在第二位。已搭建中臺體系的樣本企業(yè)中，53.8%的企業(yè)搭建了AI中臺；未建立但有相應(yīng)規(guī)劃的企業(yè)中，41.7%的企業(yè)規(guī)劃建設(shè)AI中臺。

中國企業(yè)AI應(yīng)用調(diào)研：供應(yīng)商評價指標(biāo)

服務(wù)可用性及穩(wěn)定性、定制化服務(wù)能力是供應(yīng)商關(guān)鍵評價指標(biāo)

技術(shù)或產(chǎn)品的可用性和穩(wěn)定性影響企業(yè)AI項目及相關(guān)業(yè)務(wù)是否能夠高效地運行與開展，因此服務(wù)可用性及穩(wěn)定性（56.1%）是企業(yè)選擇人工智能技術(shù)服務(wù)商或產(chǎn)品供應(yīng)商的首要因素。在實際決策過程中，考慮到企業(yè)的特定業(yè)務(wù)需求，供應(yīng)商定制化服務(wù)能力（48.8%）和技術(shù)產(chǎn)品適配性（43.9%）也是選擇供應(yīng)商的主要評價指標(biāo)。

中國企業(yè)AI應(yīng)用調(diào)研：AI項目實施效果

提升大數(shù)據(jù)分析能力為主要目標(biāo)，輔助決策效果不及預(yù)期

通常企業(yè)為AI項目實施設(shè)定明確的目標(biāo)并以此定期評估實施成果，最常見的實施目標(biāo)主要有提升大數(shù)據(jù)分析能力（41.5%）輔助決策（36.6%）、創(chuàng)新性體驗（34.1%）以及提高營業(yè)收入（31.7%）。實施效果評估層面，以5分為滿分，統(tǒng)計評分結(jié)果，最終提升產(chǎn)品/品牌競爭力、創(chuàng)新性體驗、提高客戶滿意度的完成效果最佳，評分均在3.8以上；輔助決策目標(biāo)的完成度最低，評分僅為2.8。

中國企業(yè)AI應(yīng)用調(diào)研：決策者角色

多數(shù)AI項目屬于“一把手工程”

根據(jù)調(diào)研結(jié)果，國內(nèi)大中型企業(yè)AI項目的最終決策者或是參與最終決策的人員主要包括兩類人群，一種是整個企業(yè)的最高決策者，如企業(yè)創(chuàng)始人/CEO/總經(jīng)理等（68.3%），另外就是企業(yè)技術(shù)及IT業(yè)務(wù)的主要負(fù)責(zé)人，如CTO/CIO等（65.9%）。

中國企業(yè)AI應(yīng)用調(diào)研：AI項目實施阻礙

專業(yè)人才和數(shù)據(jù)質(zhì)量為企業(yè)探索AI應(yīng)用中遇到的主要障礙

企業(yè)認(rèn)為缺乏AI專業(yè)人才（51.2%）和高質(zhì)量的數(shù)據(jù)資源（48.8%）是推進(jìn)人工智能的探索應(yīng)用中遇到的主要障礙，人才緊缺和數(shù)據(jù)質(zhì)量成為企業(yè)推動AI項目實施亟待解決的首要問題。

[[360953]]

人工智能行業(yè)洞察

社會化分工態(tài)勢出現(xiàn)

2020年開始出現(xiàn)人工智能產(chǎn)業(yè)鏈走向成熟與分工的信號：《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》印發(fā)；新一代人工智能開放創(chuàng)新平臺陸續(xù)發(fā)布；AI 應(yīng)用模型效率化生產(chǎn)平臺開始出現(xiàn)；各行業(yè)推動高質(zhì)量的適度規(guī)模的數(shù)據(jù)集建立，減少基礎(chǔ)性重復(fù)投入；人工智能學(xué)科走進(jìn)各級學(xué)校，從K12到職教、高教均有覆蓋。人工智能本身的“基建”層嶄露頭角，從早期樸素的、“小農(nóng)式”的算法開發(fā)，走向效率化、工業(yè)化生產(chǎn)，社會化分工態(tài)勢已經(jīng)明確顯現(xiàn)。