中国信通院_2018-09-19_2018世界人工智能产业发展蓝皮书.pdf

2018 世界人工智能产业 发展蓝皮书 2 2018 世界人工智能产业发展蓝皮书由中国信息通信研究院发布。 由中国信息通信研究院提供的编辑内容与 Gartner 的分析结果相互独立。 Gartner 的所有调研报告的版权均为 Gartner, Inc. 所有。 2018 Gartner, Inc. 保留所有权利。 所有 Gartner 资料在本出版物中的使用均已获得授权。 使用或者发布 Gartner 调研报告并不表示 Gartner 认可中国信息通信研究院的产品和/或战略。 未经 Gartner 事先书面许 可， 不得以任何形式复制或分发本出版物。 本出版物中包含的信息均取自公认的可靠来源。 Gartner 不对此类信息的准确性、 完整性或适当性做出任何保证， 并且不对此类信息中的错误、 遗漏或不适当承担 任何责任， 也不对此类信息的任何解读承担任何责任。 此处表明的观点随时可能更改， 恕不另行通知。 虽然 Gartner 调研报告可能会讨论相关的法律问题， 但 Gartner 并不提供法律建议或法律服务， 不应将 其调研报告解释为或用作法律建议或法律服务。 Gartner 是一家上市公司， 其股东拥有的公司或基金可能与 Gartner 调研报告中涉及的实体有财务利益关系。 Gartner 的董事会成员可能包括这些公司或基金 的高级管理人员。 Gartner 调研报告是由其调研组织独立完成的， 并没有受到这些公司、 基金或其管理人员的介入或影响。 有关 Gartner 调研报告的独立性和完整性的详细信息， 请参阅其网站上的 “Guiding Principles on Independence and Objectivity”（独立性和目标的指导原则） 。 前言 人工智能已经成为新一轮科技革命和产业变 革的核心驱动力， 正在对世界经济、 社会进步 和人类生活产生极其深刻的影响。 为了进一 步顺应发展规律、 把握未来趋势， 加快发展 新一代人工智能， 经国务院批准， 国家发展和 改革委员会、 科学技术部、 工业和信息化部、 国家互联网信息办公室、 中国科学院、 中国工 程院和上海市人民政府于 2018 年 9 月 17 日 至 19 日在上海共同举办 2018 世界人工智能 大会。 举办本次世界人工智能大会， 是共同谋 划人工智能技术和产业发展的动员大会， 也 是推动互联网、 大数据、 人工智能和实体经 济深度融合发展的重要举措。 本次大会以 “人工智能赋能新时代” 为主题， 以 “国际化、 高端化、 专业化、 市场化” 为特 色， 集聚全球人工智能领域最具影响力的科 学家、 企业家和投资家， 以及相关政府领导 者和城市管理者， 围绕人工智能领域的技术 前沿、 产业趋势和热点问题发表演讲和进行 高端对话， 打造世界顶尖的人工智能合作交 流平台。 大会集中汇聚最权威的观点和共识， 集中展示最前沿的新技术、 新产品、 新应用、 新理念， 为应对人类发展面临的共同难题、 创造人类美好生活汇聚 “中国方案” 和 “世 界智慧” 。 2018 世界人工智能产业发展蓝皮书 上海以中国改革开放排头兵、 创新发展先行 者的责任担当， 与国家各相关部委办和机构 紧密携手， 共同举办 2018 世界人工智能大 会。 这是上海加快建设 “五个中心” 、 全面打 响 “四大品牌” ， 以及深入推进改革开放、 优 化整体营商环境的重要抓手和切实举措。 以 此次大会为契机， 上海将加快推进人工智能 产业创新和深度应用， 着力打造国家人工智能 发展高地， 争取建设成为人工智能创新策源 地、 应用示范地、 产业和人才集聚地。 本蓝皮书作为大会的重要报告成果， 是由中 国信息通信研究院联合国际权威信息技术研 究和分析咨询机构 Gartner Group， 借助本次 大会举办的契机， 打开中国人工智能领域与 世界对话的窗口， 对全球人工智能的产业发展 情况及技术路线趋势进行全面深度分析。 希 望本书对人工智能领域的从业者、 研究者， 以 及感兴趣的读者们， 带来有益的思考与借鉴， 发挥必要的启示作用。 世界人工智能大会组委会 2 2018 世界人工智能产业发展深 度分析报告 概述与说明 产业发展环境 技术环境 全球人工智能企业 全球投融资 产业发展 40 人工智能技术成熟度曲 线，2018 年 3 3 2018 世界人工智能产业发展深度分析报告 1 概述与说明 1.1 报告概述 本蓝皮书将分享人工智能领域的研究成果和 实践经验， 对全球各主要人工智能强国产业 发展及技术路线现状与趋势进行全面掌握， 详细阐述人工智能领域的技术研究、 产业投 入、 服务应用， 从而为促进人工智能技术和产 业发展提供一定的基础资料与指导。 本蓝皮 书的编制， 是在对世界人工智能产业发展的 深入、 广泛调研基础上， 结合调研数据和权威 部门相关资料， 通过梳理人工智能技术、 产业 和应用发展情况， 分析人工智能的技术热点、 企业情况、 产业应用和未来趋势， 由编制团队 共同完成。 本报告以全球人工智能产业地图为中心展开 论述， 该地图由中国信息通信研究院信息化 与工业化融合研究所和数据研究中心联合绘 制。 地图通过对全球人工智能产业从底层技 术到垂直应用， 从产业结构到产业分布， 从研 究机构到政府政策等多角度进行了系统分析 与绘制， 盘点了 人工智能的发展态势， 为推动 人工智能产业发展提供重要决策参考。 同时， 中国信息通信研究院华东分院针对产业地图 的内容进行了充分的阐述和延伸， 设计了本报 告的总体框架结构， 详细阐述了产业发展环 境、 技术环境、 全球人工智能企业发展情况以 及人工智能产业化应用领域情况等， 更加清 晰的反应人工智能产业发展现状。 1.2 撰写说明 全球人工智能产业地图主要包括以下几个部 分： (1) 产业链地图 (2) 产业分布地图 (3) 产业 研究机构与配套政策。 1) 产业链地图版块 本版块人工智能产业链结构划分为基础支撑 层、 软件算法层与行业应用层。 基础层产业地图主要从 计算硬件 （云端训 练、 云端推算、 设备端推理、 智能芯片、 智能传 感器） 、 计算系统技术 （云计算、 大数据、 5G 通信与物联网） 和数据 （数据采集、 标注和分 析） 三个维度对全球主要从事基础层产业的 典型企业进行绘制。 软件算法层产业地图主要从算法理论 （机器 学习算法、 类脑算法、 知识图谱） 、 开发平台 （基础开源框架、 技术开放平台） 和应用技术 （计算机视觉、 自然语言处理和人机交互） 三 个维度对全球主要从事软件算法层产业的典 型企业进行绘制。 应用层面产业地图主要从行业解决方案 （ “AI+” 行业垂直应用） 和典型产品 （视觉产 品、 语音终端、 机器人、 智能汽车、 无人机） 两 个维度对全球主要从事应用层产业的典型企 业进行绘制。 2) 产业分布地图版块 本版块主要盘点与绘制了中国各省市以及国 际上人工智能产业领先的国家典型 AI 企业分 布、 规模及企业名目。 3) 产业研究机构与政策版块 本版块主要盘点与绘制了中国与国际上的人 工智能主流行业研究机构、 联盟与产业政策 文件。 本报告的结构分为五部分：1) 产业发展环 境 2) 技术环境 3) 全球人工智能企业的情况 4) 全球投融资的情况 5) 产业发展情况 1) 产业发展环境 本部分从人工智能发展进程、 全球各国人工 智能相关政策以及人工智能发展条件进行 阐述， 全面论述了 人工智能产业发展的基础 与环境。 2) 技术环境 此部分从全球专利、 论文、 科研环境和技术 竞赛方面总结出人工智能领域的当前技术 环境。 3) 全球 AI 企业的情况 此部分从结构、 规模和区域分布方面论述了 全球人工智能企业的情况。 中国信息通信研究院的研究报告 4 4) 全球投融资的情况 此部分阐述了 人工智能领域全球投融资的分 布、 规模和轮次， 从投融资和产业规模方面分 析了 人工智能产业的发展。 5) 产业发展情况 本部分阐述了全球人工智能产业技术与应用 的发展现状， 发展趋势情况， 以及一些典型人 工智能企业应用例举。 报告具体研究范围和数据来源说明如下： 1) 人工智能企业 本报告所述人工智能企业来源于中国信息通 信研究院数据研究中心监测平台， 界定范围总 体上指提供人工智能产品、 服务和相关解决 方案的企业。 企业具体可以分为技术维度和 产品/解决方案两个维度。 技术维度包含算法 平台、 基础硬件、 语音视觉等通用技术的提供 方和制造方， 产品/解决方案维度包含各类人 工智能产品的生产商和解决方案提供商， 以 及各垂直行业的解决方案提供商。 2) 投融资 本报告中的投融资数据来源于 CB insights、 IT 桔子、 新芽等投融资网站， 是基于人工智能企 业名录进行匹配后整理统计的结果。 3) 专利数据 本报告中的专利数据来源于中国信息通信研 究院知识产权中心的研究成果， 知识产权中 心根据智慧芽等专业数据库对全球范围内的 AI 专利进行检索统计。 4) 论文数据 本报告中的论文数据来源于 Web of Science 核心合集， 是基于数据研究中心的人工智能 关键词词表进行检索统计的结果。 5) 产业应用数据 本报告中的产业应用数据来源于上海合合信 息科技发展有限公司的启信宝产品， 以及 CA ICT、 PwC、 MarketsandMarkets、 Grand View Research、 IFR、 罗兰贝格、 中商产业研究院、 前瞻产业研究院等各大市场研究机构报告或 网站相关预测。 6) 数据单位说明 本报告中各项市场数据所采用币种， 在未有具 体说明时， 默认币种为人民币。 本蓝皮书不求面面俱到， 仅对目前人工智能领 域涵盖的产业与技术发展环境、 全球企业情 况和产业化应用等方面进行分析阐述。 文中 不过多地给出人工智能领域观点性的陈述， 力求以较为浅显易懂的语言和方式进行陈 述。 对于文中的主要内容， 欢迎社会各界专家 学者提出建议， 我们将积极听取各方专家的 意见， 继续改进完善。 2 产业发展环境 2.1 人工智能发展大事件 人工智能大致可分为三个阶段： 第一阶段 (1956-1980) 人工智能诞生； 第二阶段 (1980- 2000) 人工智能步入产业化； 第三阶段 （2000- 至今） 人工智能迎来爆发。 第一阶段 (1956-1980) 人工智能诞生 时间 标志性事件 1956美国达特茅斯会议聚集了最早 的一批研究者， 确定了 人工智能 的名称与任务， 被称为 AI 诞生 的标志。 1957康奈尔大学的实验心理学家弗 兰克罗森布拉特模拟实现了神 经网络 “感知机” 。 1969国际人工智能联合会成立， 并 在美国华盛顿州西雅图召开了 第一届会议。 5 5 时间 单位 发布政策 1998美国网络和信息技术研发小组委员会 下一代互联网研究法案 (P.L. 105-305) 2013美国白宫 国家机器人计划： 机器人技术路线图： 从互联网到机器人 （2013 版） 2013.4美国白宫 推动创新神经技术脑研究计划 2015.10美国国家经济委员会和科技政策办公室 新版 美国国家创新战略 2015.11美国战略与国际研究中心 国防 2045 2016.10美国国家科技委员会与美国网络和信息技术研发小组 委员会 国家人工智能研究和发展战略计划 2016.10美国国家科技委为未来人工智能做好准备 2017.9美国国会 自动驾驶法案 (SELF DRIVE ACT) 自动驾驶法案 (AV START ACT) 2017.10美国信息产业理事会 人工智能政策原则 时间 标志性事件 1980卡耐基梅隆大学为 DEC 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 4,000 万 美元。 1982日本计划投入 8.5 亿美元开发人工智能计算机 （第五代计算机） ， 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。 1986多层神经网络和 BP 反向传播算法出现， 提高了自动识别的精确度。 1988德国人工智能研究中心成立， 也是目前世界上最大的非营利人工智能研究机构。 1997深蓝计算机战胜国际象棋冠军， 成为 AI 历史上的里程碑事件； 受到摩尔定律的影响， 计算性能开始大幅提升。 第二阶段 (1980-2000) 人工智能步入产业化 第三阶段（2000-至今）人工智能迎来爆发 时间 标志性事件 2006Geoffrey Hinton 在 Science 上提出基于深度信念网络可使用非监督学习的训练算法， 使得深度学习在学术界持续升温。 2011IBM Waston 系统参加美国 “危险边缘” (Jeopardy!) 节目， 打败人类选手。 2012深度学习算法通过 ImageNet 比赛名声大噪， 进而被广泛采用。 2016DeepMind 开发的 AlphaGo 击败前世界围棋冠军李世石。 美国 2.2 各国 AI 相关政策 人工智能的迅速发展将深刻改变人类社会和世界的面貌， 为了抓住 AI 发展的战略机遇， 越来越多的国家和组织已争相开始制定国家层面的发展 规划。 6 时间 单位 发布政策 2015.7国务院 国务院关于积极推进 “互联网+” 行动的指导意见 2016.3国务院 国民经济与社会发展第十三个五年规划纲要 2016.4工信部、 国家发改委、 财政部机器人产业发展规划 (2016-2020 年) 2016.5中共中央、 国务院 国家创新驱动发展战略纲要 2016.5国家发改委、 科技部、 工信部、 中央网信办 “互联网+” 人工智能三年行动实施方案 2016.7国务院 “十三五” 国家科技创新规划 2017.3国务院 政府工作报告 2017.7国务院 新一代人工智能发展规划 2017.12工业和信息化部促进新一代人工智能产业发展三年行动计划 (2018- 2020 年) 2018.4教育部高等学校人工智能创新行动计划 时间 单位 发布政策 2013.6日本内阁 日本再兴战略 2015.1日本经济产业省 新机器人战略 2016.5日本内阁 科学技术创新综合战略 2016 2016.6日本经济再生本部日本再兴战略 2016 2017日本政府 下一代人工智能推进战略 2017.5日本经济产业省 新产业构造蓝图 2017.6日本内阁 科学、 技术和创新综合战略 2017 2018.6日本内阁 综合创新战略 2018.6日本内阁 未来投资战略 2018 2013韩国电子通信研究院 Exobrain 计划 其他国家及国际组织 中国 7 7 时间单位发布政策 2014.7韩国贸易工业和能源部 第二个智能机器人总体规划 (2014-2018) 2016.8韩国政府 九大国家战略项目 2017.7韩国国会 机器人基本法案 2018.5第四次工业革命委员会 （韩国）人工智能研究与发展 （R&D） 战略 2013英国政府 八项伟大的科技计划 2016.12英国政府科学办公室 人工智能： 未来决策制定的机遇与影响 2017.1英国政府 现代工业战略 2017.10 英国政府 在英国发展人工智能产业 2010.7德国政府 思想创新增长德国高技术战略 2020 2011.11德国政府 将 “工业 4.0” 作为战略重心 2013.4德国联邦教育与研究部 “工业 4.0 工作组” 保障德国制造业的未来： 德国工业 4.0 战略实施建议 2017.6德国交通部伦理委员会自动和联网驾驶 报告 2013法国政府 法国机器人发展计划 2017.3法国经济部与教研部人工智能战略 2018.5法国政府 法国与欧洲人工智能战略研究报告 2017.5新加坡国家研究基金会 “AI.SG” 国家人工智能计划 2013.1欧盟 “人脑项目” (Human Brain Project) 2013.12欧盟委员会与欧洲机器人协会 SPARC 计划 2015.12欧盟 SPARC 机器人技术多年路线图 2016.6欧盟委员会 提出了 人工智能立法动议 2016.10欧盟议会法律事务委员会 (JURI) 欧盟机器人民事法律规则 2017.10欧盟 “地平线 2020” 2016.8联合国世界科学知识与技术伦理委员会 机器人伦理初步报告草案 2016.12电气和电子工程师协会 (IEEE) 合伦理设计： 利用人工智能和自主系统最大化人类福祉 的愿景 （第一版） 2017.12电气和电子工程师协会 (IEEE) 人工智能设计的伦理准则 （第二版） 8 2.3 发展条件 2.3.1 算法的演进 人工智能算法发展至今不断创新， 学习层级 不断增加。 学术界早期研究重点集中在符号 计算， 人工神经网络在人工智能发展早期被 完全否定， 而后逐渐被认可， 再成为今天引领 人工智能发展潮流的一大类算法， 显现出强 大的生命力。 目前流行的机器学习以及深度 学习算法实际上是符号学派、 控制学派以及 连接学派理论的进一步拓展。 框架 单位支持语言简介 TensorFlow 谷歌 Python/C+/Go/神经网络开源库 Caffe加州大学伯 克利分校 C+/Python卷积神经网络开源框架 PaddlePaddle百度 Python/C+深度学习开源平台 CNTK微软 C+深度学习计算网络工具包 TorchFacebookLua机器学习算法开源框架 Keras谷歌 Python模块化神经网络库 API Theano蒙特利尔 大学 Python深度学习库 DL4JSkymindJava/Scala分布式深度学习的库 MXNetDMLC 社区 C+/Python/R/深度学习开源库 表 2-1 深度学习框架 图表 2-1 人工智能掀起新一轮技术发展浪潮 资料来源： 中国信息通信研究院 （2018 年） 9 9 机器学习算法和深度学习算法是人工智能中 的两大热点， 开源框架成为科技巨头全面布 局的重点。 开源深度学习平台是推进人工智 能技术发展的重要动力， 开源深度学习平台 允许公众使用、 复制和修改源代码， 具有更 新速度快、 拓展性强等特点， 可以大幅降低企 业开发成本和客户的购买成本。 这些平台被 企业广泛的应用于快速搭建深度学习技术开 发环境， 并促使自身技术的加速迭代与成熟， 最终实现产品的应用落地。 人工智能仍在迅速发展， 而且改变着人们的生 活， 还有更多人工智能算法正等待着计算机科 学家去挖掘。 由于技术投资周期较长， 中国大 多数人工智能企业还缺少原创算法， 仍需要未 雨绸缪， 重视 AI 算法层面的人才储备； 将学术 研究和产业应用场景相结合， 鼓励创新， 积极 挖掘 AI 算法方面的人才， 让具备强大潜力的 人工智能研究者能够真正投入业界。 图表 2-2 人工智能算力发展情况 资料来源： 中国信息通信研究院 （2018 年） 图表 2-3 人工智能高性能计算单元 资料来源： 中国信息通信研究院、 互联网 2.3.2 算力的提升 人工智能算法的实现需要强大的计算能力支 撑， 特别是深度学习算法的大规模使用， 对计 算能力提出了更高的要求。 2015 年起人工智 能迎来了真正的大爆发， 这在很大程度上与 GPU 的广泛应用有关。 在此之前， 硬件算力并 不能满足人工智能计算能力的需求， 当 GPU 与人工智能结合后， 人工智能才迎来了真正的 高速发展， 因此硬件算力的提升是 AI 快速发 展的重要因素之一。 10 近年来， 新型高性能计算架构成为人工智能 技术演进的催化剂， 随着人工智能领域中 深度学习热潮的涌现， 计算芯片的架构逐渐 向深度学习应用优化的趋势发展， 从传统的 CPU 为主 GPU 为辅的英特尔处理器转变为 GPU 为主 CPU 为辅的结构。 2017 年， NVIDIA 推出的新一代图形处理芯片 Tesla V100， 主 要用于研究基于深度学习的人工智能。 针对于 谷歌开源深度学习框架 TensorFlow， 谷歌推 出为机器学习定制的 TPU。 图表 2-4 Tesla V100 训练与推理性能比对 资料来源： NVIDIA 官网 图表 2-5 人工智能芯片产业图谱 资料来源： 中国信息通信研究院 （2018 年） 人工智能发展急需核心硬件升级， 人工智能 芯片创新加速， 计算创新成为布局重点。 现有 芯片产品在基础能力上无法满足密集线性代 数和海量数据高吞吐需求， 亟需解决云端的 高性能和通用性， 终端的高能效和低延时等 问题。 从人工智能芯片所处的发展阶段来 看， CPU、 GPU 和 FPGA 等通用芯片是目 前人工智能领域的主要芯片， 而针对神 经网络算法的专用芯片 ASIC 也正在被 Intel、 Google、 NVIDIA 和众多初创公司陆续 推出， 并有望将在今后数年内取代当前的通用 芯片成为人工智能芯片的主力。 11 11 2.3.3 数据的支撑 从软件时代到互联网， 再到如今的大数据时 代， 数据的量和复杂性都经历了从量到质的 改变， 大数据引领人工智能发展进入重要战 略窗口。 数据是人工智能发展的基石， 人工智能的核 心在于数据支持。 从发展现状来看， 人工智 能技术取得突飞猛进得益于良好的大数据基 础， 海量数据为训练人工智能提供了原材料。 根据 We Are Social 2018 年第三季度全球数 字统计报告显示， 全球互联网用户数已经突 破了 41 亿， 全球独立移动设备用户渗透率达 到了总人口的 67%。 图表 2-6 人工智能芯片之争呈白热化态势 资料来源： 中国信息通信研究院 （2018 年） 大数据是人工智能发展的助推剂， 这是因为 有些人工智能技术使用统计模型来进行数据 的概率推算， 比如图像、 文本或者语音， 通过 把这些模型暴露在数据的海洋中， 使它们得到 不断优化， 或者称之为 “训练” 。 有了大数据的 支持， 深度学习算法输出结果会随着数据处 理量的增大而更加准确。 由学术及研究机构承担建设的公共数据集不 断丰富， 推动初创企业成长。 公共数据集一般 用作算法测试及能力竞赛， 质量较高， 为创新 创业和行业竞赛提供优质数据， 给初创企业 带来必不可少的资源。 行业数据集是企业的核心竞争力， 行业数据 集与产业结合紧密， 各个公司的自建数据集 属于企业的核心竞争力。 数据服务产业快速 发展， 主要包括数据集建设、 数据清洗、 数据 标注等。 12 表 2-2 全球部分人工智能公共数据集情况 类型 数据集名称 特点 自然语言处理 WikiText维基百科语料库 SQuAD斯坦福大学问答数据集 Common CrawlPB 级别的网络爬虫数据 Billion Words常用的语言建模数据库 语音识别 VoxForge带口音的语料库 TIMIT声学-音素连续语音语料库 CHIME包含环境噪音的语音识别数据集 机器视觉 SVHN谷歌街景中的图像数据集 ImageNet基于 wordnet 构成， 常用的图像数据集 Labeled Faces in the Wild 面部区域图像数据集， 用于人脸识别训练 3 技术环境 3.1 专利 1999 年至 2017 年， 全球人工智能领域中图像识别、 生物特征识别、 语音识别、 语音合成、 自然语言理解、 机器学习等关键技术分支的发 明申请及授权专利数量 （合并同族后） 超过 10 万项。 中国人工智能专 利申请和授权量自 2010 年开始逐年增加， 自 2014 年开始实现快速增 长。 图表 2-7 行业数据库分类 资料来源： 中国信息通信研究院 （2018 年） 图表 3-1 全球人工智能相关专利申请趋势 Fig. 3-1 Global AI Related Patent Application Trend 图表 3-1 全球人工智能相关专利申请趋势 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000 中国 其他国家 全球 资料来源： 中国信息通信研究院 （2018 年） 13 对比全球各国人工智能专利数量， 中国、 美国和日本专利申请数量领 先， 中国已超过美国成为 AI 领域专利申请量最高的国家。 中、 美、 日三 国专利申请总量占全球 AI 专利的 75%。 图表 3-2 全球人工智能专利申请地域分布 Fig. 3-2 Geographical Distribution of Global AI Patent Applications 图表 3-2 全球 AI 专利申请地域分布 中国 37.1% 美国 24.8% 日本 13.1% 韩国 8.9% 德国 2.7% 英国 1.3% 法国 1.3% 荷兰 1.1% 加拿大 1.0% 其他 8.7% 资料来源： 中国信息通信研究院 （2018 年） 图表 3-3 中国人工智能专利申请地域分布 Fig. 3-3 Geographical Distribution of AI Patent Applications in China 图表 3-3 中国 AI 专利申请地域分布 0 2000 4000 6000 8000 10000 12000 北京 广东 江苏 上海 浙江 四川 山东 陕西 安徽 湖北 资料来源： 中国信息通信研究院 （2018 年） 图表 3-4 全球人工智能相关专利主要申请人 Fig. 3-4 Main Applicants for Global AI Related Patents 图表 3-4 全球人工智能相关专利主要申请人 010002000300040005000 NEC FUJITSU TOSHIBA 国家电网 百度 AT&T SAMSUNG GOOGLE IBM MICROSOFT 资料来源： 中国信息通信研究院 （2018 年） 中国人工智能专利申请主要来自北京、 广东、 江苏、 上海和浙江 5 个省 市。 其中北京申请和授权的人工智能专利数量超过 10,000 件。 从专利权人的角度分析， 美国、 日本、 韩国科技巨头企业在人工智能领 域专利积累具有领先优势， 微软专利申请量居全球首位、 其次是 IBM 和 Google。 3.2 论文 1998 至 2018 年间， 全球人工智能领域论文、 期刊数量大幅增长， 总数 量突破 63 万篇， 年复合增长率达到 11.59%。 2017 年 Web of Science 核心集合收录的全球人工智能论文、 期刊等学术发表物达到 6.51 万 份。 其中， 中国 （含港澳台地区） 人工智能论文、 期刊等学术发表物 达到 1.73 万份， 年复合增长率达到 24.32%。 中国 AI 论文全球占比由 1998 年的 5.52% 提升到 2017 年的 26.63%， 说明中国在人工智能科研 领域实力大幅增长。 从全球增长趋势来看， 1998-2017 年大体保持持续增长的态势， 其中在 2001-2007 年和 2012-2016 年两个阶段中， 年均增长率超过 10%；2008- 2011 年增速有所下降， 并在 2010 年度数量有所下降。 14 1998-2018 年， 全球人工智能领域论文产出量最多的是美国 14.91 万篇， 中国以 14.18 万篇位居次席， 英国、 德国、 印度分列三至五位。 图表 3-5 全球/中国人工智能论文申请趋势 Fig. 3-5 Global/China AI Paper Publication Trend 图表 3-5 全球/中国 AI 论文申请趋势 0% 5% 10% 15% 20% 25% 30% 0 10000 20000 30000 40000 50000 60000 70000 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 全球 中国 中国占比 资料来源： 中国信息通信研究院 （2018 年） 图表 3-6 全球人工智能论文产出量 TOP10 国家 Fig. 3-6 TOP 10 Countries for AI Paper Output 图表 3-6 全球 AI 论文产出量 TOP10 国家 149096 141840 41229 34786 29132 28959 26956 23632 23391 22513 0 20000 40000 60000 80000 100000 120000 140000 160000 美国 中国 英国 德国 印度 日本 加拿大 法国 西班牙 意大利 资料来源： 中国信息通信研究院 （2018 年） 世界人工智能研究主要国家中， 美国一直处于领先态势， 学术研究数 量高于其他国家。 但中国 AI 学术发表物数量快速增长， 在 2009 年及 2014 年后， 中国超过美国取得总量第一的位置。 此外， 印度在人工智能 科研领域于 2013 年起快速发展， 并在 2014 年年发布人工智能论文数 量超越英国， 位居全球第三位。 图表 3-7 各国人工智能论文产出趋势 美国 德国 加拿大 中国 印度 法国 英国 日本 资料来源： 中国信息通信研究院 （2018 年） 中国人工智能论文产出最多的机构是中国科学院， 清华大学、 哈尔滨 工业大学分列二、 三位。 从数量来看， 中国科学院以超过 1 万篇的数量 遥遥领先于排名第二的清华大学 （4,500 余篇） 和其他机构。 图表 3-8 中国人工智能论文产出趋势 资料来源： 中国信息通信研究院 （2018 年） 15 Web of Science 收录的高被引文献中， 中国人工智能相关文献数量和 占比自 2012 年起快速增长， 从 2008 年时不足 15%， 增长到 2017 年时 的 47%， 说明中国人工智能领域的科研水平质量获得较大程度提升。 图表 3-9 中国人工智能高被引论文产出趋势 Fig. 3-9 Trend of Highly Cited AI Paper Output in China 图表 3-9 中国 AI 高被引论文产出趋势 0.0% 10.0% 20.0% 30.0% 40.0% 50.0% 60.0% 0 50 100 150 200 250 300 中国高被引文献数量 中国占比 资料来源： 中国信息通信研究院 （2018 年） 3.3 科研环境 全球的科学、 技术、 工程和数学领域 (STEM) 毕业生每年都在增加， 中 国居世界首位。 根据世界经济论坛报道， 2016 年中国有 470 万毕业生 来自 STEM 领域。 此外， 中国每年总共有 3 万名 STEM 博士毕业生。 位 于中国之后， 排名第二的国家是印度。 印度在 2016 年有 260 万 STEM 毕业生， 包括本土和海外的留学生毕业生。 不仅在 STEM 毕业生总数 上， 在海外读书的留学生数量上， 印度同样仅次于中国位于全球第二， 且其中有 26% 的留学生在学习计算机科学和数学专业。 图表 3-10 各国 STEM 毕业生数量（2016 年） Fig. 3-10 Number of STEM Graduates in the Countries (2016) 图表 3-10 各国 STEM 毕业生数量（2016 年） 195,000 206,000 335,000 561,000 568,000 2,600,000 4,700,000 01,000,0002,000,0003,000,0004,000,0005,000,000 日本 印度尼西亚 伊朗 俄国 美国 印度 中国 资料来源： 世界经济论坛、 中国信息通信研究院 以大学为代表的科研机构在人工智能领域具有较强的科研实力， 站在 人工智能理论技术发展前沿。 科研机构具备一定规模的科研团队， 拥 有较为先进的实验室和研究设施， 与企业等其他机构相比， 具有独特 的比较优势。 科研机构也能够持续性地培养人工智能高端人才， 为行 业的持续发展提供后备力量。 德国特里尔大学和 Schloss Dagstuhl Leibniz 信息中心联合维护的数 字数目索引与图书馆项目 （Digital Bibliography & Library Project， 简称 DBLP） 收录大量计算机领域的期刊与文献， 并基于计算机领域科学文 献的元数据提供文献检索服务。 近五年， DBLP 每年新收录 30-40 万篇 文献， 截至目前， DBLP 索引文献超过 420 万篇。 可据此统计每年发表 过被 DBLP 收录的人工智能领域文献的科研机构和学者， 以了解学界 对人工智能领域的关注程度。 根据 DBLP 索引的文献数据统计 2013-2017 年每年在人工智能领域索 引文献上发表过论文的科研机构和机构内学者数量， 不少国家对人工 智能的关注度在 2015 年有明显提升， 2016 年有所降温后， 2017 年又 达到高点。 各年度在 DBLP 索引文献上发表过论文的科研机构和学者 数量如下图所示。 图表 3-11 人工智能在科研领域的关注度 Fig. 3-11 Attention to AI Paid by the Scientific Research Community 图表 3-11 人工智能在科研领域的关注度 229 220 246 237 241 1251 1160 1438 1397 1439 0 200 400 600 800 1000 1200 1400 1600 20132014201520162017 科研机构（家） 学者（人） 资料来源： CS Rankings、 中国信息通信研究院 16 美国人工智能技术水平稳居全球首位， 领先优势明显， 人工智能研究 机构数量和学者数量在全球占比接近半数。 中国科研机构数量与英 国、 印度相当， 学者数量与美国存在差距， 但明显高于其他国家， 且近 年来总体呈增加趋势， 2017 年比 2013 年增长约 30%。 图表 3-12 发文科研机构数量占比 TOP10 国家 Fig. 3-12 TOP10 Countries for Number of Scientific Research Institutions with Publications 图表 3-12 发文科研机构数量占比 TOP10 国家 美国 43% 加拿大 8% 印度 6% 中国 5% 英国 5% 巴西 4% 德国 3% 澳大利亚 3% 以色列 2% 新西兰 2% 其他 19% 资料来源： CS Rankings、 中国信息通信研究院 图表 3-13 发文学者数量占比 TOP10 国家 Fig. 3-13 TOP10 Countries for Number of Scholars with Publications 图表 3-13 发文学者数量占比 TOP10 国家 美国 47% 中国 11% 加拿大 7% 英国 6% 澳大利亚 5% 以色列 3% 印度 3% 新加坡 2% 德国 2% 巴西