当前，以新一代人工智能为代表的科技和产业革命正在孕育兴起。数字化、网络化、智能化的信息基础设施加速构建，以信息通信、生命、材料科学等交叉融合为特征的集成化创新、跨领域创新渐成主流，围绕“智能+”打造的产业新应用、新业态、新模式不断涌现，人工智能的“头雁”效应得以充分发挥。预计2021年，人工智能将加速成为构建现代化的数字经济体系、推动经济社会高质量发展的重要驱动力量，作为“新型基础设施”的一部分与5G、云计算、大数据、工业互联网等新技术深度融合，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。
对2021年形势的基本判断
（一）新兴技术持续孕育，以人工智能为核心的集成化技术创新将加速
2020年以来，我国人工智能单点技术应用更加成熟，但人工智能与相关技术的协同规模化和产业化应用尚在早期，对经济高质量发展的赋能效率有待提升。我们判断，未来人工智能单项技术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、新产品将不断孕育涌现，并与人工智能加速交叉集成，推动生产生活方式和社会治理方式智能化变革的经济形态；与此同时，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互为支撑。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的发展和产业数字化转型提供底层支撑，推动人工智能与5G与云计算、大数据、物联网等领域深度融合，形成新一代信息基础设施的核心能力。
具体方向上，以交叉融合为特征的集成化创新渐成主流，多种新兴技术交叉集成的价值将使人工智能发挥更大社会经济价值。预计2021年，人工智能将与汽车电子等领域加速融合，实现感知、决策、控制等专用功能模块，推动形成自动驾驶、驾驶辅助、人车交互、服务娱乐应用系统，进一步革新传统汽车产业链，使汽车加速智能化、网联化；人工智能有望与虚拟现实技术的相结合，为生产制造、家装等提供工具，并为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供场景丰富、互动及时的平台环境。
（二）智能经济初现雏形，泛在智能发展迅猛
新冠肺炎疫情成为未来一段时期全球发展的“新常态”，国内外均处于经济社会创新发展和转型升级期，对人工智能的运用需求迫切，我们判断，随着算法的创新、算力的增强、数据资源的累积，智能化基础设施的建设和传统基础设施将实现智能化升级，人工智能技术有望推动经济发展全要素的智能化革新。
展望2021年，人工智能进一步推动数字经济进入到智能经济的新阶段，智能经济这一新型经济形态已初现雏形，人工智能将与实体经济加速融合，成为新常态下产业转型升级的重要赋能源头之一，不仅推进智能制造、智能物流、智能农业、智慧旅游、智能医疗、智慧城市等模式和业态的创新，还带动智能运营、智能软件、智能硬件、智能机器人等新产品发展，泛在化的智能经济发展将初见雏形。人工智能将赋予信息物理系统（CPS）新的内涵，使之成为更具普遍性的人机协同系统。未来，万物互联必然带来网络的泛在、数据的泛在和应用需求的泛在，人工智能的应用场景将从拓展到更多行业、更多领域、更多环节、更多层面，任何人、任何单位在任何时间、任何地点都能使用的泛在智能将加速实现，这也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。
具体方向上，预计2021年制造业将是人工智能应用场景最为丰富、最具潜力的领域，其应用需求贯穿制造业全生命周期，将成为未来人工智能融合应用的关键领域，人工智能与制造业的深度融合将在制造业更多环节、更多层面得到推广和深化，需求导向、痛点聚焦将成为人工智能与制造业融合的关键之一，人工智能产品和服务将落在具体的工业智能产品或具体行业领域的系统解决方案上，此外，由于大多数产业链企业还未从人工智能应用中大规模获取价值，因此安全性与投入产出比将成为制造企业应用人工能的重要决策依据，其附加值提升关键点将逐瓶由设备价值挖掘转向用户价值挖掘。
（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渐成熟，应用模式与商业模式的成形，人工智能市场和产业发展将持续向好，截至2020年6月底，我国人工智能核心产业规模达770亿元，人工智能企业超过2600家，已成为全球独角兽企业主要集中地之一，“场景决定应用、应用决定市场、市场决定企业发展前景”的人工智能投融资逻辑进一步获得各界认可。预计2021年，人工智能领域细分化和专业化程度将进一步提升，人工智能应用广泛的商业化落地阶段来临，政府和市场对于与具体应用场景特别是与实体经济应用需求紧密结合的应用将更加关注。
具体而言，预计2021年地方政府对人工智能产业发展的热度将持续，地方扶持政策、举措等也将变得更加务实和具备可操作性，应用将成为政府关注和紧抓的重要内容，国内更多城市（群）将聚焦智能芯片、智能无人机、智能网联汽车、智能机器人等优势产业，面向医疗健康、金融、供应链交通、制造、家居、轨道交通等重点应用领域，积极构建符合本地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、医疗和教育等易落地的人工智能应用场景将更加受到资本关注。同时，由于中国在人工智能底层技术方面仍落后于美国，随着人工智能在中国的进一步发展，底层技术的投资的热度将持续增长，那些拥有顶级科学家团队、雄厚科技基因的底层技术创业公司将获得资本市场的持续资金注入，资本市场的转变将推动人工智能更加强调理性，各大企业将扎根场景深挖落地应用，使得人工智能产品真正“有用”。
（四）“新基建”赋能各行各业，人工智能产业底层支撑持续提升
中央经济工作会议于2018年首次提出“新基建”这一概念，指出要发挥投资关键作用，加大制造业技术改造和设备更新，加快5G商用步伐，加强人工智能、工业互联网、物联网等新型基础设施建设，此后已有7次中央级会议或文件明确表示加强“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进度，引发更大关注。“新基建”具有新时代的丰富内涵，既符合未来经济社会发展趋势，又适应中国当前社会经济发展阶段和转型需求，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具有重大意义。预计2021年，围绕算法、数据和计算力等人工智能新基建的“三驾马车”，人工智能产业链建设力度将继续增大。
具体而言，在算力方面，2021年我国5G通信网络部署加速，接入物联网的设备将增加至500亿台，数据的增长速度越来越快，人工智能训练所需的计算量将进一步呈现指数增长，相关行业对算力的需求将更为庞大，领先互联网公司大数据量将达到上千PB，传统行业龙头型企业数据量将达到PB级，个人产生数据达到TB级，GPU、ASIC､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，围绕三驾马车开展的产业链建设力度将持续加强。在算法方面，Cafe框架､CNTK框架等分别针对不同新兴人工智能算法模型进行收集整合，可以大幅度提高算法开发的场景适用性，人工智能算法从RNN、LSTM到CNN过渡到GAN和BERT还有GPT-3等，不断涌现的新兴学习算法将在主流机器学习算法模型库中得到更高效的实现。
需要关注的几个问题
（一）人工智能规模化基础算力支撑能力有限
多样化的人工智能产业应用数据和更复杂的深度学习算法，需要强大计算能力作为实现支撑，预计2021年数据量仍将保持爆炸性增长，人工智能算法模型将更趋复杂，需要更高水平的计算能力，但能提供规模化人工智能算力支持的国内企业还很有限，我国整体在人工智能算力基础设施方面准备不足。据专业机构预计，人工智能、5G通信等新一代信息技术的普及，将使得全球新创建的数据量将从2018年的33ZB快速增长到2025年的175ZB，这要求计算机的运算能力不断升级；2010年以来，随着GPU芯片的普及，FPGA和ASIC芯片加速发展并被应用于人工智能领域，2020年超级计算机的计算能力将达到每秒百亿亿次的水平。然而，伴随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大量仍大量依赖高通、英伟达、AMD、赛灵思、美满电子、EMC、安华高、联发科等国际巨头提供符合要求的芯片产品，国内企业产业链龙头企业的发展与巨头相比尚在探索期；在商用服务器领域，IBM、HPE、戴尔等国际巨头稳居全球服务器市场前三位，浪潮、联想、新华三、华为等国内企业市场份额有限。
（二）开源开放的人工智能算法平台及框架缺失
本轮人工智能产业发展以深度学习技术为主要引擎，开源开放的深度学习底层环境为技术的进化和创新提供了基础性保障，我国亟需通过开源开放的方式扩大技术影响力、推动技术创新、聚焦产业生态发展，并为人工智能技术的产品溯源和系统可信评估提供新的解决途径。但我国开源生态建设起步相对较晚，对人工智能开源核心平台和框架参与不足，全球主流人工智能算法框架与平台的主导者是谷歌、脸书、亚马逊、微软等美国企业，百度、第四范式、旷视科技、商汤科技、依图科技等国内企业的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支撑不足，主要体现在：核心技术和相关技术创新能力有限，对神经网络模型的训练性能和跨平台支持能力不足；对深度学习框架的超前设计和开发能力不足，对模块化开发、跨平台支持的研究滞后，不利于我国形成完整的人工智能产业生态，且对我国信息基础设施安全、产业安全、数据安全存潜在负面影响。芯片已经让不少中国企业和开发者有了覆舟之戒，深度学习框架却刚刚引起关注，缺少核心技术将会直接影响到未来人工智能产业相关联的芯片、系统以及软硬件平台等产业发展。
（三）产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，且数据的增长速度越来越快。我国人工智能技术虽然已在制造、交通、电子商务、金融、医疗等领域实现试点应用，但行业内上下游企业对产业数据的应用呈现各自为阵、重复用功、规模零星、标准不一、场景各异的特点，单一行业或企业的成功经验很难迁移，在事实上迟滞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。不同行业之间数据来源更为繁杂，数据质量参差不齐，标注水平不一，缺少数据标准和整合共享渠道，导致各行业之间、单一行业内部的数据均尚未实现有效互联互通和有机整合，极大降低了数据的可用性和可迁移性。
（四）尚未形成嵌入行业场景的定制化人工智能基础设施建设评估框架
典型应用场景作为技术重要“试验场”和“加速器”，其评估、选择和打造将决定各行各业能否有效利用人工智能基础设施提升智能化水平、实现智能化转型。目前，我国尚未有效发掘丰富数据和多样化场景的发展潜力，对嵌入行业场景的人工智能“新基建”需求提炼和特点把握不到位；虽然拥有庞大的数据规模以及更丰富的应用场景，尤其在金融、医疗、教育、制造、零售、智慧城市、政府服务等领域有巨大的基础数据积累和新一代基础设施需求，但是普遍缺乏对人工智能算力需求的充分评估，缺少结合自身行业对深度学习算法的把握理解和应用能力，对行业数据缺少汇集、统筹、整理、清洗的意识。
事实上，2020年在防控新冠肺炎疫情的过程中，人工智能作为“新基建”的效能已经充分显现，在纾解各个行业出现人流、物流、信息流、资金流瓶颈方面发挥了重要作用，对重大公共安全风险防范和治理、推动制造业企业复工复产、维持高校和中小学授课教育起到不可或缺的作用，及时总结2020年成功经验、梳理嵌入行业场景的定制化人工智能基础设施建设评估框架在2021年已势在必行。
（五）细分应用领域的专业人才缺口较大
我国推进人工智能进一步发展仍面临深度学习人才荒的挑战。根据美国保森基金会旗下智库的统计显示，中国是美国顶级AI研究人员的最大来源，截至2019年底，全球顶尖AI人才中的近60%定居美国，其中在中国接受本科教育的顶尖AI人才占比最高，达到29%（其后为美国本土的20%、欧洲的18%和印度的8%），中国是美国顶尖人工智能人才的第一大来源地，在美国人工智能创新发展过程中起到关键作用；另据领英大数据显示，全球AI人才整体供给在340万人左右，其中深度学习人才仅9.5万人，且流动性较大，进一步加大了缺口，这其中中国的AI人才总数仅为5万人。2020年，国内人工智能人才缺口达500多万，供需比例严重失衡；少儿编程教育在美国的渗透率达到44.8%，在中国仅为0.96%；中国的顶级人工智能人才仅排第六名，前五位分别是美国、英国、德国、法国、意大利。2021年，不断加强我国人工智能人才培养、补齐人才引育短板，已是当务之急。
对策建议
（一）推动建立专用AI计算设施夯实算力基础
推动建立AI超算中心，承担大规模AI算法计算、机器学习、图像处理、科学计算和工程计算任务，加速垂直行业人工智能技术的产业化落地，促进当地人工智能产业发展。推进弹性计算、海量数据存储等技术应用，提高算力资源利用效率。加快推进AI算力基础设施绿色高效发展，建设绿色高效算力中心。加强算力中心前期规划与设计，立足应用需求，兼顾能源、气候、自然冷源、网络设施、能耗指标等要素和条件，合理布局建设算力基础设施。
（二）构建智能生态圈打造软硬件协同能力
推动实现软件与定制AI芯片的高度耦合，以达到性能最优。构建行业协同能力，推动人工智能企业与垂直行业平台及通用平台做好高效对接，保证调用所需平台功能的实时性。推动AI专用计算设施与行业已有业务系统实现有效对接，以算力支撑为依托，打造智能化应用生态环境。支持行业企业提供智能算力基础设施及通用软件服务，汇聚孵化人工智能企业，促进人工智能产业发展，打造“科技研发、产业孵化、创投资本、教育培训、配套政策环境”的智能生态圈系统。
（三）持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，联合产业上下游企业、高校院所、专业机构等，共同建设人工智能重点领域的技术创新平台，支持高校、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。认定若干区级人工智能技术创新平台，并视创新成效给予支持。引导和支持建立一批人工智能开放平台、开源项目及大规模常识性数据库，建立人工智能技术公共服务平台、多场景训练与测试验证重点实验室等一批平台型人工智能应用测试实体，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，并为高校院所、创新型企业开放底层技术接口和数据库调用接口，从源头上推进人工智能原始创新、自主创新。
（四）建设支持有力的人工智能政策工具箱
健全人工智能数据标准、测评、知识产权等服务体系，着力打造标准化格式的数据集，建立人工智能系统训练、验证和测试的元数据集，围绕产业术语、参考框架、算法模型、基础理论、关键技术、产品及服务、行业应用、安全和伦理等，为细分领域人工智能技术应用提供应用标准、部署指南、实践案例。推出量化的人工智能技术衡量指标，建立针对人工智能技术性能的标准化评测方法体系，形成人工智能知识产权和伦理道德风险问责制度和审核工具。积极吸引海外科研人员、聚集全球人才，在研究经费资助、个人税收、签证、户口、子女教育等一系列领域推出引进海外高端人才的一揽子政策，切实解决科研人员后顾之忧，并为其科研、创业提供更大力度的支持。
作者系赛迪智库人工智能产业形势分析课题组
