十四五期间，我国人工智能发展方向与机遇

bigdatas

来源：中国信息通信研究院
在过去一年中，人工智能的新算法不断涌现，深度学习仍是这一时期发展主线，尝试解决更为复杂的应用任务。
人工智能的产业格局与生态体系更为明晰，开源开发框架格局逐步确立，以科技巨头引领的生态系统垂直整合速度不断加快;
同时，产业发展重心开始转变，企业比拼重点从单项技术的“理论”准确率转向应用场景白热化的“跑马圈地”;
人工智能的技术应用开始全面覆盖日常生活、科学研究、社会治理、商业创新和国家安全等经济社会的关键领域，以空前的广度和深度推动社会发展。
基于以上人工智能技术产业发展态势判断，白皮书建议“十四五”期间，我国应通过加快AI基础原创技术创新突破、构建协同发展AI基础核心生态、实现区域差异化发展布局、加快垂直行业深度融合、主动融入全球治理框架等措施，实现我国人工智能产业突破发展。
十四五期间我国发展方向与机遇
1、加快AI基础原创技术的创新突破，打造融合创新生态系统
我国人工智能技术创新处于前所未有的活跃期。当前，我国专利申请的活跃度与论文产出规模已位于全球前列，专利申请总量达30.1万件，占全球总量的39%，是美国的两倍以上;近10年论文产出总量超过18万篇，2019年论文规模是美国的近1.5倍。同时，我国视觉、语音等智能任务全球比赛的参与度和入榜率极高，多次在对话式问答、阅读理解、人脸识别等全球比赛中刷新智能任务的SOTA模型准确率。我国发起的全球性比赛规模不断扩大，iFLYTEKA.I.开发者大赛2020年参与团队达9000余支，腾讯广告算法大赛参与人次达万余名。
本白皮书将人工智能技术体系中的基础理论、原创及优化技术和共性应用技术依据创新程度和突破难度从高至低划分为颠覆、阶跃、创新优化和工程实现等四个发展层级。目前，我国在创新优化和工程实现技术方面有一定优势，但颠覆型、阶跃型技术仍非常缺乏引领作用。
技术体系按创新程度和突破难度分级
来源：中国信息通信研究院
我国基础理论、原创模型等颠覆型、阶跃型技术仍缺乏引领能力。反向传播、人工神经网络等深度学习基础理论，以及知识工程、计算神经科学等其他分支的基础理论基本由他国引领，相关的统计学、认知科学等底层近现代学科早期创始人、重大贡献者鲜有我国学者身影。在本次浪潮之中，我国虽已涌现一批具有全球影响力的学者，在图像识别、机器翻译等领域不断发声;但深度学习理论体系、新型学习方式等颠覆技术主导权几乎被全球几位巨头掌握:卷积神经网络循环神经网络、生成对抗网络等阶跃型算法技术多数在原始创造团队各分支中产生延续性较强;人工智能颠覆、阶跃技术的发展几乎是寡头垄断的格局。仔细分析全球人工智能前沿技术的发展，Yoshua Bengio、Geoffrey Hinton等巨头在AAAI、ICLR等全球人工智能会议上的观点常引起全球学者追随，引领新热点方向发展。如，2020年 Yann LeCun、GeoffreyHinton等学者提出自监督学习是走向通用智能的路径之一，引发自监督学习热潮，CPVR2020、ICLR2020会议收录的自监督学习论文数量较去年增长近一倍，计算机专业权威论文检索平台dblp2020年收录的相关论文数量接近历年总和。目前我国已开始加强对人工智能基础理论，其至更底层基础学科的建设发展，且取得一定成果，如，北京大学在随机梯度下降法中的噪声作用研究中取得进展，从理论上解释了噪声的正则化原理;南京大学提出不依赖反向传播的深度学习模型深度森林(DeepForest)，探索神经网络之外的深度学习发展路径;但总体来看，我国距离引领颠覆型、阶跃型技术仍差距较大。
我国视觉、语音等基础智能任务的工程实现水平全球领先，算法模型的二次创新优化能力也非常突出。我国人工智能算法技术的发展着重于对业内主流算法模型的吸收改造与产业化应用，一方面，我国拥有一批追求算法技术极致优化的人工智能企业，如旷视研发的 ShuffleNet模型具有轻量级CNN模型结构，在计算复杂度相同情况下，相比其他模型可编码更多信息，人脸解锁时间小于0.1秒。百度推出的ERNIE模型是基于Bert的预训练思想，支持词汇、语法、语义三个层次的预训练任务，可获得更多的潜在语义信息，在中文任务上已超越原Bert模型水平。另一方面，我国在视觉、语音、自然语言处理等多类基础任务的全球比赛中位列前位已成常态。人工智能领域的比赛加速升级，从粗粒度图像识别，目标检测、段落语义理解等较为简单的任务向人体关键点识别推理理解等复杂任务转变。目前，我国企业在多个全球权威比赛中成绩显著，不断挑战更为复杂的任务。商汤、旷视、依图、腾讯等企业在细粒度图像识别、自动驾驶场景定位及追踪、行人重识别(ReID)、人体视频解析等复杂任务上位列各类比赛榜单首位，哈工大讯飞联合实验室在推理阅读理解评测任务(HotpotQA)全维基赛道中获得第一，百度提出面向端到端问答的检索模型RocketQA刷新微软MSMARCO(微软机器阅读理解)段落排序任务的榜单
在上述背景下我国人工智能技术的发展需围绕三个方向进行布局:
一是进一步构建人工智能基础理论与应用技术相结合的学科体系。当前我国多个高校已着手布局人工智能学科建设，多以“人工智能+”为主线，着重应用学科的发展。然而，相较于应用技术，人工智能的基础理论是我国下一时期提升人工智能颠覆性创新话语权的关键，但其学术周期更长，取得成效更缓，难以一蹴而就，需要完备的综合型学科体系作为支撑因此，基础理论与应用并重的学科体系建设成为“颠覆型技术”取得突破的关键。
二是重点布局一批企业级人工智能研究院。全球人工智能技术研究在产、学两界的分界线愈加模糊，由高校和企业合作完成的创新优化型和阶跃型技术突破不断增多，企业级人工智能研究院的重要性正在逐步显现从全球来看，高校教授成为企业和高校间的特殊纽带如，“深度学习之父”Hinton在多伦多大学担任教授，同时受聘为谷歌大脑人工智能团队首席科学家纽约大学终身教授Yann LeCun，同时担任脸书人工智能研究室(FAIR)主任。纵观我国人工智能人才培育的历史，企业级研究院对于我国早期人工智能人才的培育贡献显著微软等头部科技企业的企业级研究院培养一批诸如孙剑、杨帆曹旭东等领军人才，在高开研究院后分别创立或加入我国旷视、商汤、 Momenta等人工智能创新企业，带动我国早期人工智能技术产业的发展。这种具有前瞻性的企业级研究院对中短期能够应用落地的创新优化型、阶跃型技术具有重要引领作用。
三是打造区域人工智能技术融合创新生态系统。建立以政府主导的区域技术融合创新系统，将链状创新链“基础研究-应用研究-试验开发”升级为连通企业、高校、研究院所、政府等创新主体的共同体生态;围绕区域特色优势，在生态之上建立针对不同细分领域的技术专攻实验室，有机整合各类要素、多元主体、异质产业群等，形成区域技术创新生态系统。当前，全球已有部分国家率先开展该类载体建设，荷兰人工智能创新机构(ICAI)，已联合43家合作伙伴建立16家基础研究、行业应用等类型的高校-企业实验室，联合多方进行技术成果的转化落地;美国计划在未来五年内投资7.65亿美元，用于数十个由联邦政府、工业界和学术界联合建立的人工智能(AI)和量子信息科学(QIS)科学中心发展，进一步完善其人工智能技术创新生态系统。
2、协同发展AI基础核心生态，加快构建一批行业智能软件平台
我国已基本形成智能计算、数据服务、开源开发框架、核心平台和关键应用的全产业链布局。目前，我国已形成以少数领军企业为中心，一批科技企业加速跟进，大批创业型企业不断涌现的产业发展格局，人工智能企业数量占全球比接近25%初步形成国内大循环的发展基础。
一方面，我国在数据和关键应用环节具备一定国际竞争力，已形成数据采集、清洗、标注、交易等较为完整的数据支撑体系，计算机视觉、自然语言处理等智能应用技术水平位居全球前列，并在公共安全、零售、交通、医疗等多个行业进行规模或试点应用;
另一方面，在硬件芯片、开源开发框架等基础核心环节，我国已涌现出寒武纪、地平线等新兴智能芯片企业，并拥有百度飞桨(PaddlePaddle)、华为Mindspore、旷视天元等开源开发框架，持续完善硬件芯片与软件框架的基础生态体系。
充分利用我国大市场与产业链完备的发展优势，补强智能计算开发框架的基础生态。从全球来看，开源开发框架的第一次洗牌已到尾声，谷歌、脸书等头部企业的开发框架体系基本确立，市场份额和社区生态已远超其他框架，我国框架以一己之身突围难度很大。同时，受制于我国集成电路较全球起步晚的历史背景，英伟达、英特尔等芯片大厂已在工艺制程、芯片架构、软件生态等方面有数十年积累;智能计算时期，芯片头部企业针对人工智能任务需求加速优化芯片架构、完善软件工具、适配多样的开发框架，构筑庞大的生态体系不断提高行业壁垒，导致其他初创智能芯片企业一时间难以切入市场进行规模应用。目前，我国虽涌现出一批智能芯片企业，同时也在研发框架方面有所布局，但两类基础生态构建所面对的形势仍然非常严峻因此，深度聚焦本土市场的需求持续快速创新，驱动我国智能芯片生态和开发框架生态的协同、融合发展，形成合力占领国内市场份额，成为补强两类基础生态的关键方向。
凭借国内智能应用先行落地的时间优势，沉淀一批行业智能核心软件平台，同时提升我国在传统行业产业链中的地位。应用创新活跃是我国自互联网时代至今的长期发展优势，目前我国已在多个领域形成全球智能应用的引领作用，并持续推进人工智能应用先导区的建设，不断挖掘新的应用场景，沉淀行业数据和算法模型;如，百度自动驾驶开放平台Apollo与包括宝马、戴姆勒、一汽等在内的全球上百家车企达成合作:依图科技careai智能医疗解决方案已在全国200余家机构落地，并在欧洲、南美、中东、东南亚等海外区域推广应用。在先行试点、应用创新、行业数据、行业算法模型均有一定优势的背景下，我国的发展方向应是深度渗透到关键行业的产业链中，沉淀一批面向行业的基础核心智能软件平台，以行业软件平台为核心构筑应用生态，替代或增强原有产业链条中的软件环节，甚至提升在传统产业链中的影响作用，转变过去仅在应用模式上创新的痛点，动我国关键行业产业结构向高附加值方向转变。
3、产业轴心从前沿技术向行业应用转变带来区域化发展机遇
当前人工智能已从聚焦智能技术发展向各行业应用落地的阶段转变，这将代表着人工智能产业不再仅是北京、上海、深圳等顶尖人才集聚区域的聚焦重点，也为具有特色传统产业优势的区域带来发展机会，我国人工智能产业有望形成各具产业应用特色的区域化发展格局。究其原因：
一是产业发展阶段所驱使的，人工智能产业虽是技术密集型产业，但由于其强赋能特点，与行业场景的深度结合是产业发展非常关键的一步当前，人工智能产业重心已从智能技术向行业融合应用转变，使得具有传统行业应用场景、行业知识的更多区域具备发展人工智能的条件和机会。这些区域拥有人工智能技术落地的试验田，从而吸引智能应用企业集聚发展;
二是企业发展周期所驱使，本轮人工智能产业的泡沫逐步破裂，企业面临从早期靠愿景融资到靠应用变现融资的发展阶段应用落地成为人工智能企业这一时期的聚焦重点，因此也驱使企业寻找更合适的区域进行落地发展。可以预计，未来我国更多的区域将会迎来人工智能产业发展的窗口期逐步形成各具产业特色的区域化发展格局。
打造分领域分区域的人工智能产业创新中心。当前，科技部和工信部均部署了产业创新的试点，截止至2021年3月底，科技部颁布15个新一代人工智能创新发展试验区，工信部设立8个人工智能应用先导示范区，推动人工智能产业区域化、特色化发展步伐不断加快在此背景下，我国应打造一批分领域分区域的人工智能产业创新中心，构建纵向垂直一体化的、产业链与创新链合一的产业发展平台，助力我国人工智能关键核心产业从技术路线、适配标准、生态构建应用推广等方面的协同创新发展，加速形成金融、制造、能源、医疗、灾害应急、农业、生态环保等领域的应用创新体系，助力区域人工智能产业特色化、深入化、规模化发展。
4、加快人工智能和各产业深度融合，打造人工智能产业集群
结合各地区产业基础和资源禀赋，引导各地先行先试，不断汇聚力量、理念方向，抓住几个亮点，在全国范围内形成标杆和规模效应。培育更多人工智能领军企业，引导相关行业的龙头企业，加速智能化改造步伐，推动开展一批重点领域融合创新工程，培育一批标志性人工智能技术产品，提升重点领域人工智能产品智能化水平。加快推动人工智能与工业、交通、医疗、农业、能源、应急安全等领域深度融合，推动人工智能在智能制造、智能医疗、智慧城市、智能农业等领域，得到广泛应用发展一批人工智能产业园，按应用领域分门别类进行相关产业布局，培育建设人工智能产业创新集群。
5、深化国际合作，主动融入全球人工智能治理框架
加强人工智能伦理治理研究力量，促进形成更多更加开放、有国内外影响力的交流合作平台组织，推动国内伦理治理规则共识、中国方案的形成，把引导和规范人工智能发展不断推向深入。强化人工智能标准体系建设，推动形成“国家标准顶层架构引导，行业和团体标准指导，国际标准协同推进”的良好局面，坚持全球化道路，坚持国际视野和全球思维，以开放心态应对全球竞争搭建全球化服务平台，促进国际交流，吸引全球创新要素资源，参与我国人工智能技术及产业发展，同时鼓励中国人工智能企业加大“走出去”力度：充分利用带一路””倡议、G20等双/多边合作机制，主动融入全球人工智能治理体系，积极推动企业、联盟、行业组织等机构的更多专家参与全球人工智能规则制定，强化在国际标准组织中的协作，为全球人工智能发展贡献中国智慧。