2018年1月中国国家标准化管理委员会颁布的《人工智能标准化白皮书2018》中定义，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能按照功能分类：弱人工智能，强人工智能，超人工智能。弱人工智能擅长于单一方面的人工智能，主要处于计算和感知的智能水平；强人工智能能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作，在各方面都能和人类比肩的人工智能；超人工智能知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑还聪明很多，包括科学创新、通识和社交技能”。

人工智能覆盖的产业相对较广，主要包括基础层、技术层和应用层三个核心环节。基础层主要包括大数据、云计算和智能芯片等行业。技术层主要包括自然语言处理、人机交互、计算机视觉、生物特征识别等。应用层主要包括智能制造、智慧城市、智能医疗、智能物流、智能家居、智能金融、智能交通、机器人等行业。2000年后，数据量上涨、运算力的提升和深度学习算法的出现极大的促进了人工智能行业的发展。

随着深度学习技术的突破，我国人工智能行业飞速发展，相关专利申请数量和专利权人数量呈现井喷增长态势，厂商对人工智能技术的市场价值已经有了一定认识，目前行业整体处在成长期早期。整个行业高速发展，具有明显的“风口”特征，大量资本涌入，几乎每季度都有非常多的初创公司诞生，众多传统企业也纷纷布局这一领域。人工智能技术影响深远，波及范围大，几乎所有的产业均有涉及，只是程度深浅不同。人工智能的兴起将使整个人类迈入下一次工业革命的浪潮中，这一点已经成为各国共识。

本文将从人工智能产业链、行业现状、发展问题和投资建议四个方面来解析我国2018年人工智能行业的发展态势。

一、人工智能产业链发展态势

在人工智能基础层领域，参与公司一般为互联网和科技巨头，它们在数据、技术和资本方面具有优势。一般来说，芯片、大数据、云计算等基础层面的研究需要巨大的资金、密集的技术和较多人才支撑，研发周期通常较长。这也就决定了这一领域往往是政府投资，或者参与者大多是大企业。其中，具有巨大数据优势的互联网公司重点布局大数据和云计算方面，如谷歌、阿里等，它们有着巨大的用户数据可以利用。芯片的参与者一般为传统芯片巨头，如英特尔、NVIDIA等。微软、IBM则积极搭建人工智能研究平台。当然，巨头之间常常伴随着业务交叉，不断延伸各自擅长的领域。

基础层通常具有较高的行业壁垒，后发创业公司大多处于被并购或者竞争失败的处境。当然，这并不能说中小创在这一领域就完全没有机会，全球海量的创业投资基金将是中小创崛起的有力帮手。毕竟，今天的巨头也是从很小的企业成长起来的。

技术层通常包括语音识别、计算机视觉、生物特征识别、人机交互等。技术层的企业众多，除了上面提到的巨头积极介入外，还有众多创业公司，它们往往深耕某一细分领域，如科大讯飞在语音识别领域。技术层也是创业投资基金进入较多的领域。现有的市场环境下，如果无法在某一细分领域开发出有特色或者领先技术的企业将逐步被淘汰。技术层企业普遍面临的问题是技术整合与产品落地。目前缺乏标准的应用平台，这也是各大企业激烈争夺的产业关键点。

应用层面在将来几乎涉及所有的产业，目前已经落地的有智能工厂、机器人、智能医疗、智能家居、智能金融等。现在的问题是各应用系统之间的连接性较差，缺乏统一的行业应用标准和平台。以智能家居为例，几大巨头都在推广自己的运用平台，互联网巨头也在积极布局这一领域。由于诸多行业是寡头竞争的格局，现在这些巨头均已认识到平台的重要性，所以几乎难有大型厂商会主动让出这一领域去接通他人的平台系统。互联网企业的终极幻想是在人工智能时代自己的AI操作系统可以成为PC时代的微软，智能手机时代的安卓或者IOS。另一个问题是上游的技术有待加强，算力、算法都还不足以应对一些复杂的应用场景，如正在发展中的无人驾驶。最后，应用层面的技术开发也有待加强，面向市场的技术开发还是不足。

二、人工智能行业发展现状

深度学习的突破将人工智能带进全新阶段。2006-2015年是人工智能崛起的黄金十年。2006年Hinton提出“深度学习”神经网络（深度臵信网络DBN）使得人工智能的性能获得了突破性进展，2006年成为人工智能发展史上一个重要的分界点。近年来，随着深度学习算法的逐步成熟，AI相关的应用也在近年加速落地。谷歌的“AlphaGo”的围棋算法是其中一个典型成功的应用。目前图像和语音识别研究也取得了很大突破，并逐步进行探索性的应用。

中国AI市场规模增速高于全球增速：2017年国内人工智能市场为300亿元（不含智能家居、可穿戴设备、无人驾驶）。预计全球人工智能总体市场规模2021年将达到3190亿元，复合增长率约为19.7%；预测国内人工智能市场规模2021年将达到1200亿，年复合增长率约41.42%。

2017-2021年我国人工智能市场规模

按照技术分类，2017年国内人工智能市场领域计算机视觉占据37%的比例，占比最高，这与我国巨大的安防市场和人脸识别市场高速发展有着密切相关。尽管智能芯片市场占比不高，2017年国内市场只有33亿元的规模，但是随着人工智能的逐步普及和CPU的逐步淘汰，智能芯片将快速增长，规模占比有望在2021年达到15%左右。

2017年国内人工智能市场规模结构（按技术分布）

从投融资来看，全国获得人工智能领域投融资的省及直辖市共17个，主要分布在华东、华南沿海经济发达地区，京津地区，以及西南地区的四川、重庆和贵州。其中北京优势明显，十年内吸纳了2887.4亿人民币，482笔融资，浙江其次，上海、江苏、广东也比较突出。

2017年国内人工智能领域投融资地区分布

资料来源：中国产业信息网

国内人工智能企业数量在2004年以后稳定增长。2016年和2017年新增企业数量分别为128家和28家，尽管近两年新增企业数量下滑，但该现象属于投资热潮下的短期波动，不影响长期趋势。

中国人工智能领域新增企业数量

资料来源：中国产业信息网

三、行业发展的主要问题

尽管中国在一些人工智能关键技术尤其是核心算法方面与发达国家水平相当，但中国人工智能整体发展水平与发达国家相比仍有较大差距，比如在基础理论研究、高精尖零部件、技术工业、工业设计、大型智能系统、大规模应用系统以及基础平台等方面。

中国人工智能技术发展面临着体制机制、创新人才、基础层面尤其是芯片等方面的挑战。另外虽然中国在人工智能的论文数量方面超过美国，但优质论文数量方面相差较远。这背后的一个重要原因就是人才短缺。根据相关数据显示，中国592家公司中约有39200位员工，而中国对于AI人才的需求数量已经突破百万，但人才供应量却很少，人才严重短缺。在2017年全球大学人工智能影响力排行榜中，前20名排行榜中竟没有一所亚洲高校。而且，由于合格AI人才培养所需时间远高于一般IT人才，人才缺口很难在短期内得到有效填补。人工智能竞争以顶级人才为根本，中国在人工智能人才储备及培养方面任重而道远。但也无需悲观，虽然顶尖的人工智能专家还是以美国为主，但是中国年轻工程师的崛起速度远远高于欧美，这主要依赖中国的数学理工基础教育。其次，无论是在政策方面还是企业福利待遇方面，可以看到最近几年吸引国际高端人才及高端归国人才方面都有明显收获，另外政府在基础教育与高校课程方面都出台了相关的人工智能人才培养计划，以及校企联合培养及培训AI人才方面在BAT的推动下也正在积极推进中。

四、投资建议

近年来，人工智能在新闻热度及投资规模方面呈逐年上升趋势，然而人工智能现在只是局部技术进入了提供解决方案阶段，核心技术如何落地、产品怎样实现量产等问题还有待解决。现阶段人工智能投资热潮存在泡沫，2018年行业内开始逐步优胜劣汰，红利持续和市场洗牌的局面共存。

根据人工智能发展现状，提出以下几点投资建议：

1.聚焦能力圈，切勿贪大求全。总体上可以确定人工智能会引起巨大的社会变革，但是变革的具体内涵则难以预测。各投资机构应该根据自身特点将注意力聚焦在能力圈内，不要贪大求全。对于中小投资机构来说，多关注细分应用行业，比如智能安防、智能家电等，这些行业的细分领域往往是巨头AI企业所不够重视的领域，技术研发难度不是特别大，后来者有着一定的市场机会；对于大型机构来说，可以多关注人工智能基础层面的市场，比如云计算和AI芯片，这些领域需要长期的资金投入，每次融资额度均不小，但是一旦成功产生的收益会很大。

2.长期跟踪研究才有可能抓住适合自身的投资标的。人工智能的技术变化非常快，市场竞争也很激烈，比如算法正在从单一模型向多模型应用转变，谷歌、微软等正在积极研究这一领域。因此对所投领域的长期关注和深度研究是非常有必要的。研判阶段必须心思缜密，做到全面而具体，有条件的可以请专业机构做尽职调查，投资后积极进行后续跟踪，对项目及其所在行业要密切留意其最新动态。

3.多借助行业内的专家。在投资技术型企业的时候，相关企业的管理层和技术人员可能对技术发展走势认识更加清晰。对于非专业人士来说，有机会借助这些力量是非常有益的。典型的例子是软银和红杉资本投资了百度前首席科学家吴恩达建立的人工智能基金，用以专门从事AI领域的投资。这一事件进一步体现了专业技术人员在AI领域投资的重要性。人工智能的技术涉及到脑神经、计算机、人工智能哲学等多学科，其技术演变是非常复杂的，投资机构请教相关专业人士是非常必要的。

4.视野放宽，可以多关注国际动态。人工智能技术的国际流动性非常高，这是因为人工智能的核心研究人才往往具有国际化视野和跨国公司从业经历，他们的跨国流动将带来技术的国际扩散。因此，国际视野不仅仅是针对市场而言，更重要的是考量其核心技术人员的动态与资历。

5.不可操之过急，很多项目停留在PPT层面，或者只是概念。人工智能应用层面现在呈现出投资过热的局面，投资者可以多关注核心技术层领域。人工智能的每一项落地应用，都是众多技术的整合，随着其上下游发展逐步清晰后，会有更多的投资机会出现。比如无人驾驶领域，业界普遍认为真正的无人驾驶汽车最少还需要十年时间来实现，目前的技术水平依然有待进步。人工智能现阶段更多是面向2B层面的业务，需要给予其更多的时间去成长。

健和投资竭诚为您服务，长按以下二维码关注和咨询。