2017-2018 中国人工智能产业路线图

内容简介

十多年前，所有的公司都在进行互联网化，现在 CSDN 作为一个20岁的互联网公司，从创立至今一直都是全球中文 IT 社区，一路走来，见证了技术从 PC 到互联网，从互联网到移动互联网，从云计算到大数据的振奋人心的全过程。

如今，技术大潮再次汹涌澎湃，在大数据、计算力和深度学习算法的共同推动下，已经有60年历史的人工智能迎来了发展的最好时期。

此次 CSDN 发布了人工智能技术路线图，同时还联合易观对多家企业进行了采访，并邀请到多名业内的专家为我们提出了宝贵的指导意见，描绘出 AI 产业进阶路线图，希望成为中国企业和产业实现 AI 转型升级的有益参考。我们希望把这样的一份报告做成活的路线图，时时维护，随时更新，动态开放。

本书内容

开篇语

十多年前，所有的公司都在进行互联网化，现在 CSDN 作为一个20岁的互联网公司，从创立至今一直都是全球最大的中文 IT 社区，一路走来，见证了技术从 PC 到互联网，从互联网到移动互联网，从云计算到大数据的振奋人心的全过程。

如今，技术大潮再次汹涌澎湃，在大数据、计算力和深度学习算法的共同推动下，已经有60年历史的人工智能迎来了发展的最好时期。此时所有的互联网公司又都在寻求智能化的变革：2016年，Google 的战略从 Mobile First 转向 AI First，Facebook、微软、亚马逊等也重金入局，而国内的百度喊出了“All in AI”，腾讯要“AI in All”，阿里则创立“达摩院”，纷纷重注 AI。

当然，看好人工智能的不只是科技巨头，有远见的传统企业和创业者也积极投身其中。但是，人工智能技术投入巨大，到底哪些技术能够落地，哪些还不成熟，要怎样实现从技术到商业的转换，成为所有玩家都在积极探索的问题，这些探索者里也包括一年前的 CSDN。

在这个历史使命的感召下，经过几年科技投资的淬炼后，我在2017年底重新回归 CSDN。从开发者社区的视角审视这场 AI 浪潮，我的脑海里涌现出两个字：赋能。帮助开发者成为 AI 时代的开发者，帮助企业成为 AI 时代的企业，构建一个新形态的社区，把技术的创造者及使用者连接到一起。

针对这个新使命，CSDN 发布了人工智能技术路线图，同时还联合易观对多家企业进行了采访，并邀请到多名业内的专家为我们提出了宝贵的指导意见，描绘出 AI 产业进阶路线图，希望成为中国企业和产业实现 AI 转型升级的有益参考。我们希望把这样的一份报告做成活的路线图，时时维护，随时更新，动态开放。

所有的企业都将互联网化，所有互联网企业都将 AI 化，未来十年，物联网将构建更先进的基础设施，AI 将构建更先进的生产力，区块链将构建更先进的生产关系。CSDN 会驾乘一轮轮的技术发展浪潮，与社区伙伴共同成长。

蒋涛

2018年1月16日

重要发现

我们在本次调研过程中主要有以下几大发现：

1 CSDN 首次推出 AIMM——企业智能化成熟度模型

按照 AIMM——企业智能化成熟度模型，可以将企业按照智能化的程度划分为0~5级6个发展阶段：

0级企业无信息化
1级数字化：企业核心流程标准化和数字化
2级商业智能：在业务中运用数据挖掘和数据分析，实现描述性分析
3级算法模型：企业运用机器学习算法建立模型，预测和优化决策
4级 AI 采用：在业务中使用 AI 为基础的解决方案，实现创新和效率的提升
5级 AI 驱动：以 AI 为核心的全新企业形态和商业模式

2 AI 投资热潮来临，然而超过五分之一的企业还未实现信息化

2012年，我国的 AI 投资事件共26起，投资总额6亿元人民币。2017年，AI 投资事件384起，投资总额622亿元人民币，相比2012年翻了上百倍。
2017年，22%的企业还未进行信息化改造，51%的企业刚刚在核心业务中实现了核心流程标准化和数字化。

3 AI 人才需求迅速增长，薪酬比 IT 工程师高出一个等级

2017年，AI 类工程师在全部 IT 技术招聘岗位中的占比为9.86%，是2014年的8.8倍。
10年以上工作经验的 AI 工程师，最高年薪可达140万，而10年以上工作经验的普通 IT 工程师的最高年薪还不到55万。

4 中美互有胜负：美国垄断 AI 芯片，中国在 AI 应用领域蓬勃发展

中国在 AI 芯片领域实力薄弱，玩家多为创业公司。而美国在这一领域既有英伟达、英特尔等重量级玩家，创业公司也层出不穷。
中国在 AI 领域除了 BAT 之外，还诞生了包括商汤、旷视、云知声等在内新兴独角兽，融资额度甚至超过美国同行，支撑 AI 应用蓬勃发展。

5 金融、文娱、安防等领域向 AI 转型的条件最成熟，农业、制造业等还有待观察

AI 对各行业赋能需具备数据、计算力、算法、应用场景这四个要素，其中计算力属于通用基础设施。
金融、文娱、安防等行业条件最成熟，农业、制造业等还在积累阶段。

6 实现 AI 转型，明确应用场景是关键

思考哪些业务可以成为 AI 应用的场景，定义要清晰明确；
根据确定的场景收集关键数据，同时注意数据结构化；
根据企业自身情况，引入相关 AI 专家或者第三方技术公司。

第1章：AI 发展报告综述

1.1 发展历程：风雨60年，历经两起两落，如今再次繁荣
- Pre-AI 时代
- AI 诞生
- 黄金时代：1956-1974
- 第一次 AI 低谷：1974-1980
- 第二次繁荣：1980-1987
- 第三次 AI 浪潮：1993至今
1.2 国家政策：AI 进入政府工作报告，上升到国家战略层面
1.3 产业图谱：产业分层已经明晰，“AI+”蔚然成风
1.4 投融资现状：融资额逐年攀升，智慧金融领域最受资本青睐
1.5 人才分析：AI 人才缺口进一步扩大，新手年薪最低16.2万起

1.1 发展历程：风雨60年，历经两起两落，如今再次繁荣

人工智能（Artificial Intelligence，简称 AI）是一门前沿交叉学科，目前还没有统一的定义。

根据中国人工智能学会与罗兰贝格联合发布的最新报告，人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。

但是，人工智能并不是一个新的概念，它实际上诞生于20世纪50年代。在这60年间，人工智能的发展并不是一帆风顺，而是起起落落，先后经历了 Pre-AI 时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷，我们目前正处于第三次浪潮之中。

Pre-AI 时代

最初的人工智能研究其实是30年代末到50年代初的一系列科学进展交汇的产物。

1943年，沃伦 · 麦卡洛克（Warren McCulloch）和瓦尔特 · 皮茨（Walter Pitts）首次提出“神经网络”的概念。

1950年，阿兰 · 图灵（Alan Turing）提出了著名的“图灵测试”：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器则具有智能。直到如今，图灵测试仍然是人工智能的重要测试手段之一。

1951年，马文 · 明斯基（Marvin Minsky）与他的同学一起建造了第一台神经网络机，并将其命名为 SNARC（Stochastic Neural Analog Reinforcement Calculator）。

不过，这些都只是前奏，一直到1956年的达特茅斯会议，“Artiﬁcial Intelligence”（人工智能）这个词才被真正确定下来，并一直沿用至今。

AI 诞生

1956年的达特茅斯会议被广泛地认为是 AI 诞生的标志性事件，其最重要的贡献是正式确立了人工智能的概念。

此外，该会议还讨论了自动计算机、编程语言、神经网络、计算规模理论、自我改造（即机器学习）、抽象、随机性与创造性等诸多议题，掀开了人工智能各个研究方向波澜壮阔的历史画卷。

达特茅斯会议参会者50年后再聚首，左起：Trenchard More、John McCarthy、Marvin Minsky、Oliver Selfridge和Ray Solomonoff（摄于2006年）

黄金时代：1956-1974

达特茅斯会议之后的十数年里，人工智能迎来了第一个繁荣的发展时期。在这段黄金时代，很多在当时看来非常神奇的程序被渐次开发了出来，自此计算机具备了以下能力：

解代数应用题
证明几何定理
学习和使用英语

1957年，罗森布拉特（Frank Rosenblatt）提出“感知器（Perceptron）”，这是第一个用算法来精确定义的神经网络，也是日后许多新的神经网络模型的始祖。

第一次 AI 低谷：1974-1980

1969年，马文 · 明斯基和西蒙 · 派珀特（Seymour Papert）共同出版了《感知器：计算几何简介》一书，书中论证了感知器模型的两个关键问题：

第一，单层的神经网络无法解决不可线性分割的问题，典型例子就是异或门。
第二，当时计算机的能力不足，无法满足计算量的需求。

当然，除了这两个原因之外，传感数据不足也成为限制感知器进一步发展的重要因素。

由于这些问题在当时无法得到解决，感知器的发展几乎停滞，以神经网络为基础的人工智能研究开始进入低潮，相关项目长期无法得到政府经费支持，这段时间被称为业界的“核冬天”。

第二次繁荣：1980-1987

20世纪80年代，“专家系统”开始由理论研究走向实际应用，人工智能迎来了又一波发展浪潮。

专家系统一般采用人工智能中的知识表示和知识推理的技术来模拟通常由领域专家才能解决的复杂问题。

1980年卡内基梅隆大学为 DEC（Digital Equipment Corporation，数字设备公司）设计了一个名为 XCON 的专家系统，取得了巨大的成功，在那个时期，它每年可为该公司节省四千万美元。

同时，日本政府也在积极地投资第五代计算机项目，旨在造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。

第三次 AI 浪潮：1993至今

1994年，美国科学家 Jonathan Schaeffer 的人工智能程序 Chinook 第一次战胜西洋跳棋世界冠军。

1997年5月11日，IBM 公司的“深蓝”超级电脑战胜国际象棋世界冠军加里 · 卡斯帕罗夫（Garry Kasparov）。

2006年，杰弗里 · 辛顿（Geoffrey Hinton）提出“深度学习”。自此，人工智能进入了快速发展的阶段。

2011年，IBM 沃森参加“Jeopardy!”节目，打败人类选手。

2016年3月，AlphaGo 击败韩国九段围棋选手李世石，AI 彻底走入大众的视野。

与前两次不同，第三次人工智能的热潮迎来了全面商业化的爆发。互联网兴起产生的海量数据、以及摩尔定律带来的计算力的突飞猛进，推动了深度学习技术在人工智能领域的普及，并促进语音识别、图像识别等技术快速发展并且迅速产业化。

1.2 国家政策：AI 进入政府工作报告，上升到国家战略层面

中国的这一波人工智能热潮除了技术和商业的驱动之外，更离不开政府的推波助澜。

2015年5月，国务院印发《中国制造2025》，其中“智能制造”被定位为中国制造的主攻方向，而这里智能的概念，其实可以看做人工智能在制造业的具象体现。

2015年7月，国务院印发《国务院关于积极推进“互联网+”行动的指导意见》，其中人工智能是重点布局的11个领域之一。

2016年3月，《国民经济和社会发展第十三个五年规划纲要（草案）》发布，国务院提出，要重点突破新兴领域的人工智能技术。

2016年5月，发改委、科技部、工信部和网信办联合印发《“互联网+”人工智能三年行动实施方案》，提出到2018年“形成千亿级的人工智能市场应用规模”。

2016年7月，国务院印发《“十三五”国家科技创新规划》。《规划》指出，要重点发展大数据驱动的类人智能技术方法；突破以人为中心的人机物融合理论方法和关键技术，研制相关设备、工具和平台；在基于大数据分析的类人智能方向取得重要突破，实现类人视觉、类人听觉、类人语言和类人思维，支撑智能产业的发展。

2017年3月，人工智能首次被写入国务院的《政府工作报告》，正式进入国家战略层面。

2017年7月，国务院印发《新一代人工智能发展规划》，提出了“三步走”的战略目标，宣布举全国之力在2030年抢占人工智能全球制高点，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。

2017年12月，工业和信息化部印发《促进新一代人工智能产业发展三年行动计划（2018-2020年）》。计划提出，以信息技术与制造技术深度融合为主线，以新一代人工智能技术的产业化和集成应用为重点，推进人工智能和制造业深度融合，加快制造强国和网络强国建设。

可以看出，自2016年以来，中国的人工智能政策密集出台，在全球竞争的背景下，人工智能已经上升为国家意志。未来，人工智能技术的产业化将是大势所趋。

1.3 产业图谱：产业分层已经明晰，“AI+”蔚然成风

和以往的几次兴盛不同，在这一波人工智能的浪潮里，产业公司替代大学或者政府的科研机构成为了主要的推动者。产业公司是需要盈利的，而人工智能需要持续地高昂投入，因此如何让技术变现是推动人工智能不断发展的重要支撑。

在2017年3月发布的《新一代人工智能发展规划》里，国务院明确了市场主导的基本原则，强调要遵循市场规律，坚持应用导向，突出企业在技术路线选择和行业产品标准制定中的主体作用，加快人工智能科技成果商业化应用，形成竞争优势。

该《规划》提出了“三步走”的战略目标：

2020年：人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。
2025年：人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。
2030年：人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。

通常情况下，我们可以将人工智能产业划分为三层，分别是基础层、技术层和应用层。其中基础层是推动人工智能发展的基石，主要包括数据、芯片和算法三个方面，技术层主要是应用技术提供方，应用层大多是技术使用者，这三者形成一个完整的产业链，并相互促进。不过，很多企业（特别是大型科技公司）业务线较长，很多时候既是技术提供方，也是技术的使用者，因而很难有清晰的界定。

为了相对全面的展现目前中国与美国的人工智能产业链布局情况，CSDN 联合易观筛选了众多人工智能相关公司，绘制出以下两张图谱。图谱中的企业信息来自 IT 桔子、CB Insights、Crunchbase 及公开报道。

对比下面的两张图谱我们可以得出以下结论：

基础层方面，中国的实力还比较薄弱，尤其是芯片领域，玩家多为创业公司，而美国在这一领域多为英伟达、英特尔等重量级玩家，同时创业公司也层出不穷；在基础技术框架领域，国外有 Google、微软、Facebook、亚马逊等，国内有百度、腾讯、阿里巴巴等；在数据领域，很多互联网公司本身就积累了海量数据，不过这些商业数据一般不会对外共享，而且这些公司也对标注处理后的有效数据存在需求，因此市场上存在第三方数据提供商，国内以海天瑞声为代表，美国则以 CrowdFlower 为代表。

技术层主要分为三个领域：机器学习、语音识别和自然语言处理、以及计算机视觉。其中除了 BAT 等大玩家之外，语音识别和自然语言处理领域的代表公司有科大讯飞、云知声、思必驰等，计算机视觉领域的代表公司有商汤科技、旷视科技、依图科技等。它们中有很多已成为新兴的独角兽，融资额度甚至超过美国同行。

在 AI 应用领域，中国呈现出爆发的趋势，目前主要集中在安防、金融、医疗、教育、零售、机器人以及智能驾驶等领域。其中安防领域的代表公司有海康威视、大华等；金融领域有蚂蚁金服、众安科技等；医疗领域有医渡云、汇医慧影等；教育领域有科大讯飞、乂学教育等；零售领域有阿里、京东、缤果盒子等；机器人领域有大疆创新、优必选等；智能驾驶领域有百度、驭势等。

2017 CSDN 中国开发者大调查的数据显示，AI 技术正在与各个行业的业务发生着融合促进，其中金融、制造业、电商、医疗等行业占比最高。可见，虽然在基础领域，中国与美国还存在一定差距，但是在商业化应用方面，中国已经多点开花，大有赶超之势。

1.4 投融资现状：融资额逐年攀升，智慧金融领域最受资本青睐

IT 桔子统计的数据显示，从2012年至今，我国 AI 领域共有1354家公司，投资事件1353起，投资总额为1448亿人民币。

2012年，我国的 AI 投资事件共26起，投资金额为6亿元人民币。到了刚刚结束的2017年，投资事件已经高达384起，投资总额已经超过622亿元人民币，相比2012年翻了上百倍。不过，相对2016年，2017年的投资事件只增加了一起，但是投资总额大幅上升。

据统计，自然语言处理领域共有185家公司，6年间投资事件223起，总投资额为241亿人民币；今日头条、搜狗、出门问问位列融资额度前三甲。

计算机视觉领域共有139家公司，6年间投资事件182起，总投资额为225亿人民币；美图秀秀、商汤科技、旷视科技位列融资额度前三甲。

按应用领域划分，那么金融、汽车、医疗和文娱领域最受资本青睐，其中智慧金融领域以434亿人民币高居融资额榜首，智能汽车和智慧医疗领域分别以349亿和294亿紧随其后。

从时间维度来看，智慧金融、智慧医疗、智能汽车这几个领域的融资从2014年就开始呈现爆发的趋势，最近两年更是达到了一个高峰，而传统的制造、家居等行业从2015年开始也日益受到资本的青睐，不过农业、法律等行业依然处在蛰伏期，但是我们预计未来这些冷门领域也将迎来自己的机遇。

1.5 人才分析：AI 人才缺口进一步扩大，新手年薪最低16.2万起

AI 产业的迅速发展，引发了一场人才争夺战，根据猎聘的统计，2017年 AI 技术类工程师的招聘量是2014 年的8.8倍。2014年，AI 类工程师和数据类工程师在全部 IT 技术岗位中的占比分别是2.97%和7.86%，这一数字到2017年分别涨到了9.86%和17.59%。

AI 各细分领域的招聘量也逐年攀升，而且薪资比 IT 技术岗位要高上许多。根据猎聘的数据，2016年以来公开发布的招聘岗位中，IT 工程技术类的平均年薪为17.92万，而 AI 领域知识图谱方向的最高年薪可达43.42万，其平均年薪也高达34.06万，接近 IT 工程技术类的两倍。而 AI 细分领域中，除了知识图谱，平均年薪较高的依次是自然语言处理、语音识别、机器学习和计算机视觉。

CSDN 社区统计的数据显示，2015年到2017年间，AI 开发者从5万增长到了18万，可见 AI 之热，然而有经验的 AI 工程师仍然极度缺乏，其年薪也随着从业时间的增长而急剧增加。工作不满一年的新手，最高年薪为28.7万，最低年薪也有16.2万，而有着十年以上工作经验的 AI 工程师，最高年薪可达140 万。相比之下，具有10年以上工作经验的普通 IT 工程师的最高年薪还不到55万。

目前，按行业划分，对 AI 人才需求最大的依然是互联网行业，占比超过73%，其次是电子、汽车、金融等领域。对 AI 人才需求最少的则是政府、农林牧渔这些领域。

按地域划分，AI 人才需求分布非常集中，北京占比42.60%，上海、深圳分列二三位，占比分别为17.02%和11.43%。而阿里巴巴总部所在地——杭州则排在了第四位，占比7.08%。

腾讯研究院发布的人才报告显示，2017年的前10个月，企业对 AI 人才的需求量已经达到2016年的近两倍，2015年的5.3倍，目前 AI 人才缺口至少在100万以上。随着人工智能产业的进一步发展，我国 AI 人才的缺口或进一步扩大，而且由于我国对 AI 的研究起步较晚，企业对 AI 人才学历的要求较高，因此 AI 人才急缺的情况在未来几年将无法改善，AI 人才的薪酬也预计会进一步水涨船高。

第2章：AI 基础资源现状分析

第3章：AI 基础技术现状分析

第4章：AI 技术主要应用领域分析

第5章：行业应用典型案例（上）

第5章：行业应用典型案例（下）

结语

阅读全文: http://gitbook.cn/gitchat/geekbook/5a5dbb7b2f2acb159ef4c97a