酷应用

一文看懂中美AI产业布局，美国领衔芯片、算法、NLP领域

百家作者：创业财经汇 2017-11-26 15:59:00

作者：Dudu

来源：雷锋网

原文链接：http://suo.nz/X9HVQ

雷锋网按：人工智能是当前人类所面对的最为重要的技术社会变革。从各国政府到资本、业界都热情拥抱人工智能。在此大背景下，我们有必要知道技术的壁垒在哪里，了解商业化的边界在哪里，才能更好地理解人工智能。近日，腾讯研究院出台《中美两国人工智能产业发展报告》。雷锋网对此进行摘取和解读。

从全球范围来看，人工智能领先的国家主要有美国、中国。因此了解和熟悉产业当中有哪些成熟和短板非常重要。本报告非常扎实、数据来源权威，从上下游梳理了中美人工智能产业的异同，差距，引用了大量的案例进行剖析解读，一文尽知，中美布局。

以下为报告内容：

从全球范围来看，人工智能领先的国家主要有美国、中国及其他发达国家。截止到2017年6 月，全球人工智能企业总数达到2542家，其中美国拥有 1078家，占据42%；中国其次，拥有592 家，占据23%。中美两国相差486家。其余872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。

从现有统计上看，美国人工智能企业从1991年开始创建，从1991年--1997年历经萌芽时期，1998年--2004年阶段经历发展期，2005年--2013年阶段历经高速成长期，2013年至今进入平稳阶段。

和美国相比，中国的AI产业进步略晚，1996年开始起步，2003年进入发展时期，2008年--2015年期间进入高速成长时期，到2015年期间，人工智能有关的企业达到166家。

中美AI创投融资对比

技术如果得到资本的加持，将会推动技术的落地和进步。

美国的AI产业布局非常完善，基础层、技术层和应用层都有涉及，尤其是在算法、芯片和数据等产业核心领域，积累了强大的技术创新优势，各层级企业数量全面领先中国。相比较而言，中国在基础元器件、基础工艺等方面差距较大。

从基础层的芯片企业数量来看，中国拥有14家，美国33家，中国仅为美国的42%。而技术层，中国拥有273家，美国拥有586家，中国为美国的46%。在应用层，中国拥有304家公司，美国拥有488家，中国是美国62.3%。

总体来看，美国在企业数量上全面领先中国，基础层和技术层的企业数量约为中国的2倍，但是在应用层上，中国和美国的差距略小。

中国投资者在应用层关注的更多。中国人工智能企业中，融资占比排名前三的领域为计算机视觉与图像，融资143亿元，占比23%；自然语音处理，融资122亿元，占比19%；以及自动驾驶/辅助驾驶融资107亿元，占比18%。值得一提的是：中国的自动驾驶/辅助驾驶企业虽然只有31家，但融资额是第三，表明中国的投资者非常看好这一领域。

美国投资者对于基础层更为看重。在美国人工智能企业中，融资占比排名前三的领域为芯片/处理器融资315亿占比31%，机器学习应用融资207亿占比21%，自然语言处理融资134亿占比13%。芯片企业的数量排名第八，33家，但融资量却是第一，美国的芯片实力和资金吸引力，可见一斑。

中国的弱点在芯片，近年来，中国的创业者和投资者逐渐开始关注对芯片，截止至2017年6月，中国处理器/芯片投资事件比重排名第四，占比7.55%，但可能由于基础层公司少，投资门槛高，导致事件数量仍和美国有较大差距。

美国的大笔投资热点在机器学习应用，这一领域同时也是仅次于芯片的吸金领域。美国的AI已经在各行各业都产生了连带效应。而中国只在自动驾驶/辅助驾驶、计算机视觉与图像等领域应用较多，相对而言还是比较狭窄的。

未来趋势预判：

泡沫即将出现，主要的信号有两个：

一、资金多而项目少

综合过往数据和2017年前半年的情况，今年美国新增企业数量将跌到谷底，预计在2017结束之前，美国新增企业数量范围将在25-30家之间徘徊。同时，美国的累计融资量持续快速增长，最后将稳定在1380-1500亿元的区间。 18年后，中美两国AI企业数量增长都将有所恢复，但依然平缓。

二、周期长而营收难

通俗地说，现在的人工智能被高估了。深度学习起源于上世纪八九十年代的神经网络研究。在很多情况下，前沿研究是由对已有方法的微小改动和改进组成，而这些方法在几十年就已经被设计出来了。

尽管如此，市场热炒的人工智能技术和产品的成熟度仍然有限。许多项目和技术，并不能直接获得消费者欢迎，还需要相当长的时间才能走向成熟。

这种前提下，创业项目不得不舍弃大众消费市场而致力于解决企业级问题，创新公司的商业模式回归到类似传统IT厂商的角色，进一步加大了营收难度。

预计在2020年之前，美国累计AI公司数量将会超过1200家，累计融资将达到2000亿人民币；根据历史数据推断，中国在2017年年末达到745亿融资总额。

中美AI巨头卡位战

引领AI产业发展的技术竞赛，主要是巨头之间的角力。目前，苹果、谷歌、微软、亚马逊、Facebook五大巨头都在人工智能领域部署更多的资源；不仅国外巨头如此，国内的BAT都卯足马力，积极布局人工智能。

美国的巨头通过收购拼抢人才，强化技术储备；同时争相开源，构建生态，人工智能的平台化、云端化将成为全球发展的潮流。而中国的巨头凭借场景和数据优势，在计算机视觉、语音识别等领域，具备了和美国巨头一较高下的实力。

中美巨头的产业布局

美国巨头呈现出全产业布局的特征，包括基础层、技术层、应用层，均有布局;而中国巨头主要集中在应用侧，只在技术层局部有所突破。

技术层：争抢人才，构建生态

巨头们通过招募高端人才、组建实验室等方式加快对关键技术的研发，Facebook在2013年开始就成立了Facebook人工智能研究实验室，研究图像识别、语义识别等人工智能技术；同年，国内的巨头百度亦成立深度学习实验室，研究方向包括深度学习、计算机视觉、机器人等领域。

下图整理了各大巨头的AI实验室的名称、成立年份、简介：

除了成立实验室以外，巨头们一会通过投资和并购储备人工智能研发人才和技术。其中，Google于2014年以4亿美元收购了深度学习算法公司 Deepmind，该公司开发的AlphaGo为Google的人工智能添上了浓墨重彩的一笔。

CB Insights 的研究报告整理了2011年—2016年人工智能主要收购事件，谷歌自2012年以来共收购了11家人工智能创业公司，是所有科技巨头中最多的，苹果、Facebook和英特尔分别排名第二、第三和第四。标的集中于计算机视觉、图像识别、语义识别等领域。

建立开源生态，占领产业核心

大公司纷纷拥抱开源有两方面原因: 第一，通过开源来构建生态和护城河。无论是谷歌、亚马逊还是BAT都已经拥有云计算基础设施，Google、微软一直在讲的开源、AWS推出的AI功能，本质上并无差别，都是为了赋予自家云端客户更强的数据处理能力。在现有的云服务市场中，科技巨头占据多数，构建基于人工智能的云服务将成为巨头的下一个主战场。AI是信息基础设施的一个升级，是今后产业发展的巨大引擎。巨头都想把握升级过程中涌现的大量机会，赋能全行业。第二，开源是一种开放式创新。通过开源深度学习平台，不仅可以吸引大量开发者，还可以为机器学习提供大量的数据支持，以及大量的现实场景。

人工智能的常见开发框架包括谷歌的TensorFlow、Facebook的Torch、Microsoft的CNTK 以及IBM的SystemML。这些框架的地位类似于人工智能时代的iOS/Android。开源也成为了这些软件开发框架共同的策略。

2015年，谷歌将内部采用深度学习的技术整理到一起，发布第二代人工智能系统TensorFlow，并宣布将其开源。 TensorFlow包括很多常用深度学习技术、功能和例子的框架。

2013年卷积神经网络发明者Yann LeCun加入Facebook，带领公司的图像识别技术和自然语言处理技术大幅提升。Facebook的深度学习框架是基于之前的Torch基础上实现的，于2015年12 月开源。此外，Facebook还开源了人工智能硬件平台Big Sur等十余个项目。

国内的巨头也是走开源的路线：2016年，百度开放了其深度学习平台Paddle-Paddle，覆盖了搜索、图像、语音识别、语义处理、用户画像等领域的技术。腾讯不同事业部都在不同领域展开AI研究。AI Lab注重将技术与腾讯业务场景相结合，即游戏、社交、内容生态。

应用层：抢夺语音交互入口，征战云站务

近日，APP分析公司Vetro Analytics公布了一份“基于AI的个人助理如何重塑用户习惯”的报告。该报告显示，凭借苹果设备广泛的用户群体，最早面世的Siri仍然是老大，但一年内流失15%的用户。与之相对的是Amazon Alexa的崛起。Alexa伴随着Amazon Echo智能音箱诞生，用户数量在一年内增长325%。谷歌、微软、苹果、Facebook都在争夺这块市场。微软也推出了内嵌 Cortana的Invoke音箱，并且将“Conversation as Platform”(对话即平台)作为战略。

国内企业中，京东在两年前与科大讯飞合作布局了智能音箱，致力于成为家庭控制中心。数月前，阿里推出了围绕着购物场景的智能音箱天猫精灵X1。激烈的音箱之争背后是下一代服务入口之争。

行业解决方案

人工智能必然走向云化，机器学习对于云来说是一项关键的技术，它能训练大规模的AI网络，不断自我学习和提升。 在这一点上，Amazon、Google这些拥有较好云端设施的公司将很有优势。亚马逊不仅基于AI 构建和优化了大量自身业务，也利用 AWS云为其他厂商提供了高效的AI解决方案。 “云+AI”成为新的趋势，Google寄希望于借AI赶超AWS。 2015年，微软发布了“微软认知服务”，这是一个基于微软云平台Azure的智能API(应用程序编程接口)，涵盖了五大方向的人工智能技术，包括了计算机视觉、语音、语言、知识、搜索五大类API。

国内的BAT三巨头在云服务领域也纷纷引入人工智能。

百度从两三年前就开始用GPU代替CPU进行计算，提升数据处理能力。2016年，阿里云发布面向深度学习、3D图像渲染的新一代HPC平台。腾讯云在搭建DI-X深度学习与机器学习平台的基础上，开放图像处理、语音处理和自然语言处理能力为自动驾驶、安防、智慧法庭、智能家居、智能营销等多个场景提供解决方案，致力于“让小企业也能用到AI能力”。

基础层:美国巨头深入产业核心布局芯片

人工智能芯片主要包括GPU、FPGA、ASIC以及类脑芯片。在人工智能时代，它们各自发挥优势，呈现出百花齐放的状态。

Google的TPU，是专门为其深度学习算法Tensor Flow设计的，TPU也用在了AlphaGo系统中。今年发布的第二代Cloud TPU理论算力达到了180T Flops，能够对机器学习模型的训练和运行带来显著的加速效果。

而英伟达是GPU的行业领袖，GPU是目前深度学习领域的主流芯片，拥有强大的并行计算力。而另一个老牌芯片巨头，英特尔则是通过大举收购进入FPGA人工智能芯片。类脑芯片是一种基于神经形态工程，借鉴人脑信息处理方式，具有学习能力的超低功耗芯片。 IBM从2008年开始模拟人类大脑的芯片项目。

苹果正在研发一款名为“苹果神经引擎”(Apple Neural Engine)的专用芯片。该芯片定位于本地设备AI任务处理，把面部识别、语音识别等AI相关任务集中到AI模块上，提升AI算法效率，未来可能嵌入苹果的终端设备中。

芯片由于投资周期长、专业技术壁垒厚、市场相对比较狭小，导致竞争非常激烈且难以进入。

卡位之战，谁能胜出？

在人工智能卡位战中，巨头们战术趋同，即建立技术壁垒，软硬件双线发展，做好平台生态。但战略上略有不同：Google是全球在人工智能领域投入最大且整体实力最强的，Google希望利用开源系统构建AI生态，覆盖更多用户使用场景，从互联网、移动互联网等传统业务延伸到智能家居、自动驾驶、机器人等领域，积累更多数据信息。

亚马逊的特点是B端和C端共同发力。通过智能音箱和语音助手引领人工智能消费级行业生态。另一方面，用人工智能深化AWS云计算服务，赋能全行业。Facebook在人工智能领域的布局主要围绕着其用户的社交关系和社交信息来展开

国内三巨头中，百度相对激进，宣布了“All in AI”战略，随着陆奇的强势加盟，将全力推动百度转型成AI平台型公司。腾讯、阿里基于自身产品功能进行试水。

除了正面竞争，巨头们在人工智能领域的积极合作。2016年9月，Facebook、亚马逊、谷歌、IBM、微软五大巨头成立了非盈利组织“Partnership on AI”(人工智能合作组织)，旨在分享AI领域的最佳技术实践，促进公众对AI的理解，挖掘可以促进社会福祉的AI研究领域以及提供一个公开参与的平台。

中美AI领域人才队伍

当前，人工智能领域的竞争，主要体现为人才之争。只有投入更多的科研人员，不断加强基础研究，才会获得更多的智能技术。

美国产业人才总量是中国的两倍

美国1078家人工智能企业约有78700名员工，中国592家公司中约有39200位员工，只有美国的50%。其中，美国基础层人才数量是中国的13.8倍。

在自然语言处理领域，美国员工人数是中国的3倍，美国20200人，中国6600人;

处理器/芯片，美国员工人数是中国的13.8倍，美国17900人，中国1300人;

机器学习应用，美国员工人数是中国的1.8倍，美国17600人，中国9800人;

智能无人机，美国员工人数是中国的1.98倍，美国9220人，中国4660人;

计算机视觉与图像，美国员工人数是中国的2.87倍，美国4335人，中国1510人。

中国仅在智能机器人领域人才稍多，6400人，约为美国同领域人数的3倍。

数据公司 Quid 表示，去年，包括谷歌、Facebook、微软在内的科技公司花费了约 85 亿美元用于研究、收购及网罗人才，比 2010 年多四倍。数据公司 Paysa 数据显示，美国的公司平均每年给 1 万名人工智能方面人才发放的工资约为 6.5 亿美元。其中，亚马逊花费超2亿美元招揽人工智能人才，居各大公司之首。

中美人才培养模式尚存在差距。很多高校在很长时间内并没有人工智能专业，而在人工智能的诞生地美国，基本上大的院校都有人工智能专业和研究方向。以美国卡梅隆大学为例，设有专门的机器人研究所，其中光教授就有100多位，纵向而言，中国布局的时间也比较晚。教育系统之间的差别也将影响人工智能领域的研究重心。

目前，中国政府致力于加强AI人才建设。AI人才储备正在出现新的趋势。“千人计划”吸引了一批优秀研究者回国，国内的巨头企业也正在致力于吸引来自世界各地的研究者。未来，还需继续建立核心技术人才培养体系，加强人工智能一级学科的建设，加强企业和学术界的人才流通，打造坚实的人才基础，推进产业健康发展。

人工智能应用热点

人工智能技术不断突破，尤其是语音识别、自然语言处理、图像识别、人脸识别为代表的感知技术取得了重大技术进步，并且围绕着这些技术涌现出了大量的创业热潮。相关技术已经开始从实验室走向了应用市场，特别是在交通、医疗、工业、农业、金融、商业等领域应用加快，带动了一批新技术、新业态、新模式、新产品的突破式发展，带来了深刻的产业变革，有望重塑全球产业格局。

这一轮的人工智能技术的应用中，自动驾驶、智能医疗、智能安防、服务型机器人、智能交通、智能制造、智能娱乐等应用成为了全球人工智能市场的热点。

目前，人工智能的产业应用能够落地，得以三大支撑平台，基础层的开源算法平台、技术层云平台、应用层的应用平台。目前Google、Facebook、微软都已经推出了深度学习算法开源平台，目前国内只有百度开放平台paddle paddle。

得益于近年中国移动互联网的快速发展，为中国积累了巨大的C端用户基数，但在B端的制造、交通、金融、医疗等传统行业仍然发展相对落后，相比之下，美国传统行业基础设施水平高于中国。

因此，中国的传统行业借助人工智能实现转型升级的需求更为迫切，市场增长的后劲很足。

国内人工智能玩家有以百度、阿里巴巴和腾讯为代表的互联网巨头，也有如科大讯飞这样的AI技术领域龙头，这些企业作为国内人工智能的核心力量与关键势力，构成了国内人工智能的第一梯队。

美国巨头的人工智能应用主要围绕大数据挖掘，如Facebook建造能够理解海量数据的人工智能机器，谷歌在人工智能的侧重点比较多，包括自动驾驶、智能机器人等等。在行业应用中更为广泛。

自动驾驶

自动驾驶将推动汽车领域重大技术革命，因此世界各国对智能车辆的研发竞争日趋激烈。目前，行业正处于辅助驾驶向半自动驾驶推进的阶段。谷歌、意大利帕尔玛大学和百度的智能汽车原型系统，综合看来，国内外研发无人驾驶汽车的公司都把无人驾驶商用的时间线划在了2020年前后。因此，接下来的3到4年将会是这一技术商业化落地的冲刺时期。

智能机器人

大部分智能机器人目前还处于产业发展初期，尤其是智能服务机器人仍处于产业化起步阶段，但随着全球人工智能正在步入第三次高潮期，智能化成为当前机器人重要的发展方向，人工智能与机器人跨界融合创新进一步提升机器人智能化程度。中美在智能机器人领域的差别主要在于，前者关注专业领域机器人的应用，如医疗、机械作业和家居类等领域较多;而后者则侧重在企业或个人的智能辅助工具，因此，涉及的行业更多，覆盖范围更广。

从全球范围来看，日本ASMO Actroid-F仿人机器人、Pepper智能机器人，美国BigDog仿生机器人等一大批智能机器人快速涌现，巨头企业也纷纷通过收购机器人企业，将智能机器人作为人工智能重要的载体，推动人工智能发展，例如谷歌相继收购Schaft、Redwood Robotics等9家机器人公司，积极在类人型机器人制造、机器人协同等方面布局。从国内市场来看，2015年，国内包括商用机器人在内的服务机器人市场规模大约在82亿元左右，2016年将增长至140亿元左右，而2017年市场规模将突破200亿元。随着智能机器人市场规模越来越大，且智能机器人切入点种类繁多，创业公司和巨头纷纷从不同的领域、方向和切入点加入智能机器人领域的市场争夺。