艾瑞咨詢(xún)：2021年中國人工智能產(chǎn)業(yè)研究報告

研究報告核心摘要：近年來(lái)，在數字經(jīng)濟高速發(fā)展的背景下，人工智能技術(shù)及產(chǎn)品在企業(yè)設計、生產(chǎn)、營(yíng)銷(xiāo)等多個(gè)環(huán)節中均有滲透且成熟度不斷提升，AI應用從消費、互聯(lián)網(wǎng)等泛C端領(lǐng)域，向制造、電力等傳統行業(yè)輻射。據艾瑞預測，2021年人工智能核心產(chǎn)業(yè)規模預計達到1998億元，2026年將超過(guò)6000億元，2021-2026年CAGR=24.8%。計算機視覺(jué)仍是AI技術(shù)賽道中貢獻最大的市場(chǎng)，AI芯片則作為底層的算力支撐獲得高速發(fā)展，其在預測時(shí)間內年的復合增長(cháng)率維持在40%以上。在A(yíng)I商業(yè)化的探索之路上，我們從需求側觀(guān)察到各行各業(yè)以高頻高價(jià)值場(chǎng)景為落點(diǎn)做持續的AI泛化，愈多業(yè)務(wù)場(chǎng)景的泛化升級將帶來(lái)企業(yè)AI應用的數據連通與業(yè)務(wù)協(xié)同等加成效應，反哺加速企業(yè)的智能化轉型進(jìn)程。而從供給側看，AI企業(yè)在過(guò)去一年中紛紛加快上市動(dòng)作，多家企業(yè)已在2021年成功實(shí)現上市。趨勢演變上，可信AI在監管合規與商業(yè)內驅的合力下成為人工智能產(chǎn)業(yè)的發(fā)展趨勢與研究重點(diǎn)，而大小模型云-邊-端協(xié)同發(fā)展模式有望改善大模型在訓練推理以及后續的落地中面臨的卡點(diǎn)。同時(shí)，AI工程化有望打通AI全鏈路管理能力，助力AI企業(yè)實(shí)現落地賦能與商業(yè)變現的雙贏(yíng)。

人工智能產(chǎn)業(yè)化發(fā)展進(jìn)程技術(shù)能力創(chuàng )新、應用規模突破、產(chǎn)業(yè)地位跨越隨著(zhù)2016年AlphaGo戰勝人類(lèi)棋手，開(kāi)啟了新一波人工智能浪潮，人工智能技術(shù)及產(chǎn)業(yè)進(jìn)入加速發(fā)展期；2021年DeepMind團隊開(kāi)源AlphaFold2數據集，其利用人工智能技術(shù)解決蛋白質(zhì)結構預測問(wèn)題，供全世界科研人員使用。AI技術(shù)應用于生物領(lǐng)域取得的前瞻性進(jìn)展有力推動(dòng)了生命科學(xué)發(fā)展，也代表隨著(zhù)AI算力提升及算法的不斷突破創(chuàng )新，AI技術(shù)在各行業(yè)領(lǐng)域的增量式技術(shù)改進(jìn)、系統性前瞻性研發(fā)等重要產(chǎn)業(yè)改造環(huán)節提供價(jià)值。人工智能產(chǎn)業(yè)化進(jìn)程發(fā)展至今，已逐步從AI技術(shù)與各行業(yè)典型應用場(chǎng)景融合賦能階段向效率化、工業(yè)化生產(chǎn)的成熟階段演進(jìn)。數字經(jīng)濟的華章企業(yè)云端遷移進(jìn)程加速，數字經(jīng)濟高速發(fā)展數字經(jīng)濟是以數據為關(guān)鍵生產(chǎn)要素、以現代信息網(wǎng)絡(luò )為重要載體、以數字技術(shù)應用為主要特征的經(jīng)濟形態(tài)。發(fā)展數字經(jīng)濟，將打通供應鏈上下游、產(chǎn)業(yè)鏈的不同環(huán)節與服務(wù)鏈的各個(gè)節點(diǎn)，通過(guò)產(chǎn)業(yè)的數字化升級，實(shí)現效率變革、動(dòng)力變革、質(zhì)量變革，助力新發(fā)展格局的形成與發(fā)展。近年來(lái)，我國數字經(jīng)濟發(fā)展迅速，2020年我國數字經(jīng)濟規模為39.2萬(wàn)億元，占GDP比重達到38.6%。在我國“十四五規劃”中，國家也首次明確提出要將數字經(jīng)濟核心產(chǎn)業(yè)增加值占GDP比重由2020年的7.8%提高到10%。未來(lái)，隨著(zhù)網(wǎng)絡(luò )傳輸速度，海量數據積累，云計算、人工智能、物聯(lián)網(wǎng)等代表性技術(shù)的成熟，數字經(jīng)濟將在各行業(yè)開(kāi)啟更大的想象空間。數字經(jīng)濟下的人工智能產(chǎn)業(yè)升級AI成為數字經(jīng)濟時(shí)代的核心生產(chǎn)力，驅動(dòng)數字經(jīng)濟縱深發(fā)展2021年3月我國十四五規劃綱要出臺，提出“打造數字經(jīng)濟新優(yōu)勢”的建設方針并強調了人工智能等新興數字產(chǎn)業(yè)在提高國家競爭力上的重要價(jià)值。規劃綱要指出要充分發(fā)揮海量數據和豐富應用場(chǎng)景優(yōu)勢，促進(jìn)數字技術(shù)與實(shí)體經(jīng)濟深度融合，賦能傳統產(chǎn)業(yè)轉型升級，以數據驅動(dòng)生產(chǎn)過(guò)程優(yōu)化，催生新產(chǎn)業(yè)、新業(yè)態(tài)、新模式。數字經(jīng)濟的高速發(fā)展為人工智能發(fā)展創(chuàng )造了良好的經(jīng)濟與技術(shù)環(huán)境，且人工智能作為關(guān)鍵性的新型信息基礎設施，也被視為拉動(dòng)我國數字經(jīng)濟發(fā)展的新動(dòng)能。隨著(zhù)新基礎設施計劃的實(shí)施、消費互聯(lián)網(wǎng)的升級和產(chǎn)業(yè)互聯(lián)網(wǎng)的發(fā)展，人工智能科技產(chǎn)業(yè)開(kāi)始步入全面融合發(fā)展的新階段。人工智能助力產(chǎn)業(yè)經(jīng)濟價(jià)值實(shí)現人工智能于各環(huán)節提升經(jīng)濟生產(chǎn)活動(dòng)效能近年來(lái)，人工智能技術(shù)及產(chǎn)品在企業(yè)設計、生產(chǎn)、管理、營(yíng)銷(xiāo)、銷(xiāo)售多個(gè)環(huán)節中均有滲透且成熟度不斷提升。同時(shí)，隨著(zhù)新技術(shù)模型出現、各行業(yè)應用場(chǎng)景價(jià)值打磨與海量數據積累下的產(chǎn)品效果提升，人工智能應用已從消費、互聯(lián)網(wǎng)等泛C端領(lǐng)域，向制造、能源、電力等傳統行業(yè)輻射。以計算機視覺(jué)技術(shù)主導的人臉識別、光學(xué)字符識別（OCR）、商品識別、醫學(xué)影像識別和以對話(huà)式AI技術(shù)主導的對話(huà)機器人、智能外呼等產(chǎn)品的商業(yè)價(jià)值已得到市場(chǎng)充分認可；除感知智能技術(shù)外，機器學(xué)習、知識圖譜、自然語(yǔ)言處理等技術(shù)主導的決策智能類(lèi)產(chǎn)品也在客戶(hù)觸達、決策支持等企業(yè)業(yè)務(wù)核心環(huán)節體現價(jià)值。人工智能產(chǎn)業(yè)發(fā)展將打開(kāi)新一輪城市與區域競爭變局人工智能產(chǎn)業(yè)發(fā)展也打開(kāi)了新一輪的城市與區域競爭變局。根據中國新一代人工智能發(fā)展戰略研究院2018-2021年針對區域人工智能科技產(chǎn)業(yè)競爭力評價(jià)指數的追蹤研究表明，2021年長(cháng)三角總評分首次超過(guò)京津冀位列第一。人工智能和實(shí)體經(jīng)濟融合發(fā)展進(jìn)程的加速和北方人工智能科技產(chǎn)業(yè)創(chuàng )新資源的“南移”是改變區域競爭力發(fā)展格局的重要因素。因此，各區域應加速補全人工智能及面向各行業(yè)的產(chǎn)業(yè)鏈、積極建設示范性智慧應用場(chǎng)景、前瞻布局人工智能相關(guān)標準及管理體系、推動(dòng)公共研發(fā)等資源共享、強化科研與人才培育建設等以把握人工智能產(chǎn)業(yè)發(fā)展的重大歷史機遇。人工智能產(chǎn)業(yè)規模視覺(jué)市場(chǎng)筑起主要版圖，AI芯片是增速的重要拉力人工智能產(chǎn)業(yè)正從發(fā)展期向成熟期過(guò)渡，除AI芯片外的細分技術(shù)賽道產(chǎn)業(yè)已跨過(guò)高速增長(cháng)期，步入了穩步增長(cháng)階段。2021年，人工智能預計達到1998億元規模，2026年將超6000億元。計算機視覺(jué)仍是貢獻最大的市場(chǎng)，但隨著(zhù)下游各方數字化發(fā)展的意識不斷加強，其對數據這一AI模型生產(chǎn)要素的要求在不斷變高，采購含有機器學(xué)習技術(shù)的數據類(lèi)產(chǎn)品的需求暴露與凸顯，在一定程度上帶動(dòng)了機器學(xué)習市場(chǎng)；此外，AI芯片作為人工智能產(chǎn)業(yè)的關(guān)鍵硬件，其2021-2026年的CAGR在40%以上，是拉動(dòng)整體產(chǎn)業(yè)核心規模增速與帶動(dòng)規模增速的重要拉力。人工智能產(chǎn)業(yè)圖譜機器學(xué)習：廠(chǎng)商的數據與應用業(yè)務(wù)補全數據治理與ML應用開(kāi)發(fā)將逐漸走向一體化2021年，中國機器學(xué)習核心產(chǎn)品的市場(chǎng)規模為275億元，帶動(dòng)規模為1089億元，核心規模2021-2026年CAGR=20.6%。ML應用廠(chǎng)商補全數據治理業(yè)務(wù)、數據治理廠(chǎng)商補全ML應用開(kāi)發(fā)業(yè)務(wù)成為了一大發(fā)展趨勢。機器學(xué)習應用廠(chǎng)商在進(jìn)行決策智能應用開(kāi)發(fā)時(shí)，往往面臨模型與數據無(wú)法拉齊的問(wèn)題，所以需要溯源到前置環(huán)節，從一開(kāi)始就把數據治理的工作做好，構建模型特有的數據資產(chǎn)。數據治理廠(chǎng)商完成數據治理后，本就對客戶(hù)的業(yè)務(wù)數據有了深入了解，能夠較為順利地進(jìn)入到下一輪的模型開(kāi)發(fā)業(yè)務(wù)中，且模型應用開(kāi)發(fā)可增加新的業(yè)務(wù)收入，故不少數據治理廠(chǎng)商投身于ML應用部署的業(yè)務(wù)中。知識圖譜：行業(yè)落地情況剖析深耕業(yè)務(wù)，持續迭代，注重可落地性，克服雙重卡點(diǎn)2021年，中國知識圖譜核心產(chǎn)品的市場(chǎng)規模為107億元，帶動(dòng)規模為412億元，核心規模2021-2026年CAGR=22.5%。在行業(yè)知識圖譜的推進(jìn)過(guò)程中，供應商會(huì )面臨業(yè)務(wù)與技術(shù)上的卡點(diǎn)。業(yè)務(wù)方面，供應商團隊常面臨行業(yè)理解不到位、產(chǎn)品化封裝難、客戶(hù)期望過(guò)高等問(wèn)題；而在技術(shù)方面，客戶(hù)的底層運算基礎設施欠缺、部分數據敏感度高的行業(yè)數據集缺失、知識圖譜這類(lèi)二維鏈接的圖數據存在存儲困難是普遍問(wèn)題。對此，供應商需持續深入業(yè)務(wù)，形成知識圖譜模型持續迭代的生產(chǎn)閉環(huán)，并注重產(chǎn)品化與工程化的可落地性，避免一味地投入高額成本卻生產(chǎn)出智能化高、業(yè)務(wù)吻合度低的低效模型。自然語(yǔ)言處理：金融NLP商業(yè)生態(tài)圈探討銀行對NLP公司具有依賴(lài)性，雙方互惠共存2021年，中國NLP核心產(chǎn)品的市場(chǎng)規模為171億元，帶動(dòng)規模為450億元，核心規模2021-2026年CAGR=24.8%。以銀行為主體的金融機構在外采NLP相關(guān)產(chǎn)品時(shí)，一般都會(huì )帶著(zhù)自研的目的。其采購NLP公司的產(chǎn)品或解決方案，對項目中的技術(shù)、經(jīng)驗等進(jìn)行學(xué)習與吸納，從而服務(wù)自身。這就會(huì )讓部分NLP公司陷入疑問(wèn)：銀行若是學(xué)會(huì )了技術(shù)，自給自足，自己要如何保證市場(chǎng)份額與增量空間。事實(shí)上，銀行是離不開(kāi)NLP公司的。由于體制與文化的局限性，銀行難以直接將身份過(guò)渡為NLP產(chǎn)品的供應商，其往往會(huì )成立一個(gè)需要持續對外學(xué)習新技術(shù)的第三方公司，或者投資、成立一些NLP公司，以保證經(jīng)濟安全、便捷有效的NLP產(chǎn)品更新替代，以及在眾多銀行中的業(yè)務(wù)競爭力。因此，垂直領(lǐng)域的NLP公司不必過(guò)于焦慮，其應繼續深耕領(lǐng)域內的技術(shù)與業(yè)務(wù)實(shí)力，保證自己的能力領(lǐng)先，才能夠持續對銀行輸出，保有自己的“蛋糕”。智能語(yǔ)音與對話(huà)式AI：產(chǎn)品價(jià)值持續延伸對話(huà)式AI的價(jià)值邊界不斷拓寬，以交互為入口深化AI賦能2021年，中國對話(huà)式AI產(chǎn)品的核心產(chǎn)品市場(chǎng)規模達到80億元，帶動(dòng)規模為728億元，核心規模2021-2026年CAGR=27.0%。對話(huà)式AI最早依托于智能語(yǔ)音技術(shù)和簡(jiǎn)單的自然語(yǔ)言理解能力，實(shí)現機器與人類(lèi)簡(jiǎn)單的問(wèn)答交互，而后逐步承載知識庫和知識圖譜等知識工程，并融合情感計算模型，讓機器同時(shí)具備一定知識背景支撐和情緒感知能力。此時(shí)對話(huà)式AI產(chǎn)品智能性已然凸顯，可應用在營(yíng)銷(xiāo)客服等領(lǐng)域幫助或替代人類(lèi)完成大量重復性工作。未來(lái)對話(huà)式AI的產(chǎn)品邊界將進(jìn)一步擴大，以對話(huà)式AI為入口，以NLP和知識圖譜等認知能力為底座，泛化賦能營(yíng)銷(xiāo)洞察、輿情監督等更多應用場(chǎng)景。計算機視覺(jué)：Transformer與CNN模型的跨界融合大規模預訓練與Transformer模型“跨界”融合推動(dòng)計算機視覺(jué)技術(shù)進(jìn)一步革新2021年，中國計算機視覺(jué)核心產(chǎn)品的市場(chǎng)規模為990億元，帶動(dòng)規模為3079億元，核心規模2021-2026年CAGR=17.4%。計算機視覺(jué)作為商業(yè)化程度最高、應用場(chǎng)景最廣的人工智能賽道，從技術(shù)層面來(lái)看，在分類(lèi)、定位、檢測、分割等基本語(yǔ)義感知研究任務(wù)上已經(jīng)取得很好的表現，在真實(shí)場(chǎng)景中也能夠較好應對實(shí)戰考驗。在訓練模型上，人工智能技術(shù)正呈現“大一統”趨勢，在自然語(yǔ)言理解領(lǐng)域大放異彩的Transformer模型框架正在逐步拓展至計算機視覺(jué)模態(tài)，未來(lái)數年內我們很可能會(huì )看到Transformer與CNN相結合的混合模型架構成為視覺(jué)任務(wù)的主導模型，用以達到降低模型結構的復雜性并提升模型的可擴展性和訓練效率的目的。AI芯片：“新需求”下的人工智能計算中心提高AI算法和AI技術(shù)落地效率，商業(yè)價(jià)值初見(jiàn)端倪2021年，中國AI芯片市場(chǎng)規模為297億元，預計2026年超過(guò)1900億元，2021-2026年CAGR=45.2%。以GPU、ASIC、FPGA為代表的AI芯片被廣泛應用于云計算、AIDC、安防、自動(dòng)駕駛、移動(dòng)終端等領(lǐng)域，高效支撐AI技術(shù)落地應用，成為了AI算力突破的新增長(cháng)點(diǎn)。而涵蓋系統級AI芯片、異構智能計算服務(wù)器以及人工智能計算中心（AIDC）等的智能計算集群，可高效提供支撐AI模型開(kāi)發(fā)、訓練或推理的算力資源，并降低總擁有成本。AIDC既可以提高AI算法的產(chǎn)能，又可以提升AI技術(shù)落地效率，從算力底層實(shí)現的AI適配為人工智能企業(yè)的商業(yè)化價(jià)值拓展帶來(lái)了更多可能。AI技術(shù)發(fā)展趨勢：云數智融合云計算·大數據·AI融合變革升級，開(kāi)啟業(yè)務(wù)轉型增長(cháng)新時(shí)代云數智的超融合發(fā)展，將帶來(lái)云資源、數據資源和AI能力的極致解耦與彈性協(xié)同。拉通云服務(wù)調用、數據管理、AI模型訓練及算法迭代等全鏈路資源后，在底層讓云資源調配更加靈活彈性，在數據層與AI平臺高效融合，在開(kāi)發(fā)層實(shí)現敏捷式開(kāi)發(fā)的質(zhì)效提升，為企業(yè)提供從開(kāi)發(fā)到部署、端到端的一站式大數據智能服務(wù)，達到資源節約、敏捷開(kāi)發(fā)與高質(zhì)效落地。資本市場(chǎng)總況資本回暖，成熟企業(yè)融資轉向二級市場(chǎng)，部分企業(yè)沖刺成功本報告以2018年-2021年11月為融資統計分析區間。在經(jīng)過(guò)2020年新冠疫情的行業(yè)洗牌后，2021年資本回暖，資金流入更為成熟企業(yè)（C輪及以后）的同時(shí)，也流入了眾多A+輪及以前的初創(chuàng )企業(yè)，投資者重拾對人工智能創(chuàng )業(yè)回報的信心。此外，多家AI企業(yè)集中進(jìn)行IPO使得行業(yè)融資實(shí)現了跨越，云從科技、曠視科技、格林深瞳、云天勵飛均順利過(guò)會(huì )，并擬在科創(chuàng )板上市，其人工智能融資即將打開(kāi)二級市場(chǎng)的通道；2021年底，商湯科技成功完成港股上市，為AI行業(yè)資本市場(chǎng)發(fā)展帶來(lái)了新氣象，且同年亦有AI醫療影像賽道的企業(yè)沖刺成功。人工智能企業(yè)價(jià)值實(shí)現進(jìn)程行業(yè)內IPO進(jìn)程加快，技術(shù)與商業(yè)化的結合仍將是發(fā)展關(guān)鍵當前，大多數企業(yè)已經(jīng)逐步從早期技術(shù)驅動(dòng)階段向商業(yè)驅動(dòng)發(fā)展，尤其是基于視覺(jué)、語(yǔ)音和文本的AI技術(shù)相對較為成熟，AI在安防、醫療等領(lǐng)域有較多的落地成果。隨著(zhù)AI逐步走向成熟，市場(chǎng)的自然規律會(huì )為行業(yè)“去偽存真”，能夠真正用AI技術(shù)解決實(shí)際問(wèn)題并完成良好商業(yè)化落地的企業(yè)才能經(jīng)受住時(shí)間的考驗，真正釋放AI的價(jià)值。2021年以來(lái)，許多企業(yè)加快上市動(dòng)作，部分企業(yè)已將上市變?yōu)榱爽F實(shí)，成功實(shí)現了私募市場(chǎng)和二級資本市場(chǎng)的銜接，打通了進(jìn)一步發(fā)展的重要融資渠道。不過(guò)，若想持續贏(yíng)得投資者的信任，企業(yè)不僅需要可觀(guān)的財務(wù)報表，更需要建立技術(shù)的商業(yè)化落地能力，以此將企業(yè)發(fā)展帶上一個(gè)良性循環(huán)的軌道。智能化改革踐行者的人工智能思維各行各業(yè)以高頻高價(jià)值場(chǎng)景為落點(diǎn)做持續AI泛化企業(yè)AI轉型核心為先找到最值得賦能落地的“高頻高價(jià)值”場(chǎng)景，再以此為切入點(diǎn)帶動(dòng)企業(yè)內外部更多場(chǎng)景的轉型升級。如今，以金融、零售、醫療和工業(yè)為代表的各行各業(yè)正以AI應用率先落地的原始場(chǎng)景為起點(diǎn)，逐步實(shí)現了更多場(chǎng)景的賦能延伸。愈多業(yè)務(wù)場(chǎng)景的泛化升級將帶來(lái)企業(yè)AI應用的數據連通與業(yè)務(wù)協(xié)同等加成效應，反哺加速企業(yè)的智能化轉型進(jìn)程。數據為AI應用落地核心痛點(diǎn)，面向AI的數據治理備受關(guān)注數據治理在A(yíng)I應用落地實(shí)施中花費90%以上的精力，而面對AI應用對數據的質(zhì)量、量級、字段豐富度和實(shí)時(shí)性等維度的高質(zhì)量要求，大多傳統數據治理體系難以滿(mǎn)足，因此對應數據存在反復治理、二次治理的工作，極大拉低AI應用的規?；涞匦?。若企業(yè)搭建面向人工智能的數據治理體系，可將面向AI應用的數據治理環(huán)節流程化、標準化和體系化，降低數據反復準備、特征篩選、模型調優(yōu)和迭代的成本，縮短AI模型的開(kāi)發(fā)構建周期，最終顯著(zhù)提升AI應用的規?；涞匦?。人工智能企業(yè)商業(yè)化價(jià)值路徑產(chǎn)品化和商業(yè)模式的結合探索是AI成功商業(yè)化的正確路徑產(chǎn)品與商業(yè)模式之間本身具有強烈的聯(lián)動(dòng)關(guān)系，企業(yè)用產(chǎn)品探索市場(chǎng)與客戶(hù)，加深對技術(shù)場(chǎng)景的理解，而這種理解可以反推商業(yè)模式，然而AI行業(yè)內一直存在著(zhù)產(chǎn)品和商業(yè)化相互妥協(xié)和制約的現象。因此，AI服務(wù)商在思考如何實(shí)現自身商業(yè)化價(jià)值增長(cháng)時(shí)，需要將產(chǎn)品化和商業(yè)模式二者緊密結合起來(lái)去探索正確有效的商業(yè)化路徑，切勿孤立地追求優(yōu)先二者滿(mǎn)足其一，目前許多行業(yè)內企業(yè)也正積極地走在這條探索之路上。AI平臺的商業(yè)價(jià)值具備擺脫AI碎片化落地，實(shí)現技術(shù)成果快速商業(yè)化的基礎如何在非標的定制化項目服務(wù)中找到相對標準化、效率化供給方式是AI企業(yè)實(shí)現規?；钠凭贮c(diǎn)。AI平臺可提供云化算力支持、數據治理一體化工具、通用的模型開(kāi)發(fā)能力，甚至面向部分應用場(chǎng)景的標準化AI模型，有效加成AI企業(yè)產(chǎn)品化能力。目前，客戶(hù)企業(yè)普遍缺乏智能應用研發(fā)與部署的支撐能力，帶來(lái)了AI算法模型研發(fā)門(mén)檻高、作坊式的部署工具難以在實(shí)際生產(chǎn)環(huán)境中落地等問(wèn)題。AI企業(yè)錨定這一市場(chǎng)痛點(diǎn)，通過(guò)扎實(shí)的平臺試圖讓AI落地擺脫碎片化落地的狀態(tài)，從而在各個(gè)行業(yè)賽道里進(jìn)行廣泛布局，在人員需求更低的同時(shí)，卻可以獲得更多的創(chuàng )新技術(shù)成果，并且能夠把這些創(chuàng )新性的技術(shù)成果快速進(jìn)行商業(yè)化落地。AI工程化能力的商業(yè)價(jià)值打通AI全鏈路管理能力，實(shí)現落地賦能與商業(yè)變現的雙贏(yíng)人工智能應用的場(chǎng)景呈現出多元性日益增長(cháng)、用戶(hù)體驗要求高、迭代迅速等特點(diǎn)，傳統的開(kāi)發(fā)方式已經(jīng)無(wú)法滿(mǎn)足企業(yè)客戶(hù)的需求，亟需對數據計算分析、模型開(kāi)發(fā)部署、在線(xiàn)訓練推理、應用開(kāi)發(fā)運維等各種環(huán)節進(jìn)行全周期管理，因此“AI工程化”被頻頻提及。與學(xué)術(shù)界AI模型不同，工業(yè)界AI模型在不斷調整優(yōu)化的過(guò)程中凝聚和注入了企業(yè)對行業(yè)的理解和認知，模型技術(shù)能力向生產(chǎn)力的實(shí)質(zhì)轉化效率是AI工程化落地的重要依據。未來(lái)AI應用將形成專(zhuān)業(yè)分工更精細的產(chǎn)業(yè)鏈生態(tài)，需具備開(kāi)箱即用、自主定制、成本經(jīng)濟的特點(diǎn)，而部分AI企業(yè)已經(jīng)開(kāi)始打造可創(chuàng )建和管理生產(chǎn)級人工智能管道工具，形成自身的AI工程化能力，提升從算力、數據、模型到上層應用的普惠性、兼容性、敏捷性、經(jīng)濟性和高效性。可信人工智能的重要性升級可信AI將逐步成為行業(yè)規范化、技術(shù)商業(yè)化的關(guān)鍵助推器可信人工智能的核心原則是讓AI應用滿(mǎn)足可靠、安全、可解釋、隱私保護、責任明確等條件，是落實(shí)AI治理的重要實(shí)踐。AI企業(yè)作為人工智能技術(shù)產(chǎn)品化的主體，在可信人工智能的發(fā)展實(shí)踐中正發(fā)揮著(zhù)日益積極的作用。除了承擔社會(huì )公益和行業(yè)引領(lǐng)的責任外，AI企業(yè)在商業(yè)化上面臨越來(lái)越多的限制和挑戰也是關(guān)鍵驅動(dòng)因素。以可信人工智能所包含的隱私保護為例，部分AI企業(yè)在接受監管機構上市問(wèn)詢(xún)時(shí)，被重點(diǎn)要求說(shuō)明其技術(shù)、業(yè)務(wù)及產(chǎn)品中涉及到數據應用的具體環(huán)節，相關(guān)數據來(lái)源與合規性，以及保證數據合規的具體措施等。這種自上而下的監管推動(dòng)也將與企業(yè)內驅形成合力，共同推動(dòng)可信人工智能的發(fā)展與實(shí)踐。大模型爭論大小模型云-邊-端協(xié)同發(fā)展自2020年6月OpenAI發(fā)布GPT-3以來(lái)，各大學(xué)術(shù)機構與科技企業(yè)爭先參與到大模型競賽中，大模型于2021年迎來(lái)了大爆發(fā)。盡管大模型的研發(fā)取得了較大進(jìn)展，其發(fā)展卻面臨諸多卡點(diǎn)：1）數據方面，開(kāi)發(fā)者使用的數據集可能會(huì )重復，進(jìn)而導致各家的大模型能力相近。2）算法方面，參數越多、模型越復雜，模型越難以解釋?zhuān)瑥碗s的大模型成為了“黑箱”，讓業(yè)務(wù)使用者甚至是研發(fā)者都無(wú)法獲知模型的結果與特征之間的關(guān)系。3）投入產(chǎn)出方面，成本與回報難匹配，訓練所需的芯片成本過(guò)高、訓練時(shí)間過(guò)長(cháng)、碳排放量過(guò)高，而訓練出的模型可能局限于某些行業(yè)業(yè)務(wù)、普適性差，讓大模型淪為一次性的模型，浪費大量資源。4）應用使用方面，客戶(hù)更注重模型的實(shí)用性，很多中小企業(yè)研發(fā)的小模型即可滿(mǎn)足客戶(hù)的業(yè)務(wù)需求，且成本更低，性?xún)r(jià)比更高。然而，宏觀(guān)經(jīng)濟運行與監管、航空航天量子計算、醫藥研發(fā)、細胞分類(lèi)等社會(huì )與自然科學(xué)領(lǐng)域的重大分析任務(wù)，以及跨行業(yè)的通用模型研究又恰恰需要大模型這一先進(jìn)工具。對此，大小模型云-邊-端協(xié)同發(fā)展的模式被提出：云端提供充足的算力與數據存儲空間，容納大模型的訓練與演變，云端大模型為邊、端小模型輸送通用知識與能力；而在邊與端側，小模型快速執行推理任務(wù)，專(zhuān)注于特定場(chǎng)景的極致化，并向云端大模型反饋數據、成效，解決大模型數據集單一的問(wèn)題，最終實(shí)現功能獨立的大模型的全社會(huì )共享。大模型商業(yè)化探討隨著(zhù)大模型技術(shù)的演進(jìn)，其商業(yè)化路徑將逐漸清晰大模型意在打造成為變革性產(chǎn)業(yè)基礎設施建設設施，通過(guò)一個(gè)巨大的模型通用式的解決各個(gè)場(chǎng)景的AI解決方案，與弱人工智能時(shí)代為單個(gè)產(chǎn)品提供單個(gè)解決方案模型的運作方式有著(zhù)本質(zhì)上的區別，規?；娜斯ぶ悄苣Ｐ蜕a(chǎn)將形成成本邊際效應，極大節約AI應用的開(kāi)發(fā)成本。盡管現階段大模型處于發(fā)展初期，技術(shù)難度、資源消耗和收益模式均面臨著(zhù)諸多挑戰，但隨著(zhù)大模型在技術(shù)上不斷地提升與演進(jìn)，未來(lái)的AI大模型的商業(yè)化路徑和收益將逐漸清晰，而站在巨人肩膀上的人工智能行業(yè)也會(huì )因大模型而取得更大的進(jìn)步。低/零代碼開(kāi)發(fā)，AI落地千行百業(yè)未來(lái)AI應用或將邁入“零門(mén)檻”開(kāi)發(fā)時(shí)代如今，面對復雜度較低、業(yè)務(wù)流程相對簡(jiǎn)單的開(kāi)發(fā)需求，AI應用已經(jīng)初步實(shí)現全流程可視化界面的開(kāi)發(fā)操作，一只腳成功邁入“零門(mén)檻”開(kāi)發(fā)時(shí)代。未來(lái)隨著(zhù)AI技術(shù)能力的突破與廠(chǎng)商在垂類(lèi)業(yè)務(wù)邏輯的沉淀積累，低/零代碼AI開(kāi)發(fā)平臺將賦能適用在更多行業(yè)及細分場(chǎng)景，讓AI應用真正邁入“零門(mén)檻”開(kāi)發(fā)時(shí)代。而當AI應用落地開(kāi)發(fā)實(shí)現人人”觸手可及“的時(shí)候，AI算法模型的內部可解釋性、AI體系的自動(dòng)化閉環(huán)迭代、AI數據的隱私安全等問(wèn)題需進(jìn)一步的關(guān)注與探討。