1.3　人工智能发展现状

1.3.1　人工智能行业发展现状

全球人工智能产业正在经历一个快速发展的阶段，市场规模和投资都在显著增长。技术的进步，尤其是机器学习和深度学习等先进算法的应用，正在推动人工智能技术的发展，并渗透到机器人、图像识别、自然语言处理等多个领域。人工智能产业链结构也日益成熟，上游包括硬件设备和数据服务，中游集中了人工智能的技术核心，下游则是人工智能的具体应用层面，涉及医疗、金融、零售等多个行业。

根据国外风投数据分析公司PitchBook的数据，全球人工智能领域在2023年上半年共计发生融资1387件，筹集融资金额达到255亿美元，平均融资金额为2605万美元。据不完全统计，2023年全球AIGC产业融资超过了1900亿元，每个月都有该赛道的公司获得融资。这些信息表明人工智能领域继续受到投资者的高度关注和青睐，融资事件频发，资金规模庞大，为行业的进一步发展提供了强有力的资金支持。根据IDC发布的2023年V2版《全球人工智能支出指南》，2022年全球人工智能IT总投资规模为1288亿美元，2027年预计增至4236亿美元，五年复合增长率约为26.9%。这些数据表明，全球人工智能市场正在持续增长，并且在未来几年继续保持强劲的增长势头。

我国和美国是全球人工智能技术领先的国家，形成了第一梯队。美国在人工智能融资和通用大模型方面全球领先，而我国在人工智能行业应用方面领跑全球。根据前瞻产业研究院发布的《中国人工智能行业发展前景预测与投资战略规划分析报告》，全球人工智能市场规模到2030年预计达到1591.03亿美元，2022—2030年的复合年增长率为38.1%。

政府的支持和政策推动是全球人工智能产业发展的重要驱动力。各地政府都在积极推动人工智能产业的发展，通过加强智能制造标准体系建设、鼓励各领域应用人工智能技术等措施来促进技术创新和产业发展。根据斯坦福大学“以人为本”人工智能研究所HAI发布的《2024年人工智能指数报告》，2023年产业界产生了51个著名的机器学习模型，而学术界只贡献了15个；对AIGC的投资较2022年增长了近8倍，达到252亿美元，可以看出资本市场对这一领域的高度认可和期待。

1.3.2　人工智能技术水平现状

1.智能硬件

智能硬件的核心组件包括智能传感器和智能芯片。智能传感器，可类比为神经末梢的神经元，通过集成传统传感器、微处理器及相关电路，形成具备初级感知处理能力的独立智能单元。智能芯片则相当于人工智能的“中枢大脑”，具备高性能的并行计算能力和对主流人工神经网络算法的支持能力。当前，智能传感器有触觉、视觉、超声波、温度、距离等多种类型，智能芯片根据不同的应用场景和需求，可分为图形处理单元（Graphics Processing Unit，GPU）、现场可编程门阵列（Field Programmable Gate Array，FPGA）、专用集成电路（Application Specific IC，ASIC）、神经网络处理器（Neural Processing Unit，NPU）。

在智能硬件市场中，霍尼韦尔、博世集团（BOSCH）、ABB等国际巨头企业在智能传感器领域布局广泛；我国则有如汇顶科技公司的指纹传感器、北京昆仑海岸科技股份有限公司的力传感器等产品，但整体布局相对集中。在智能芯片领域，国外的英伟达（NVIDIA）、谷歌、英特尔、IBM、高通等公司的产品如GPU、张量处理单元（Tensor Processing Unit，TPU）、神经网络处理单元（Neural Network Processor，NNP）、视觉处理单元（Vision Processing Unit，VPU）、骁龙系列、Power VR等广受认可；我国则有海思技术有限公司的麒麟系列、寒武纪公司的NPU、地平线公司的分支处理单元（Branch Processing Unit，BPU），以及云知声公司的UniOne等产品。

2.计算机视觉技术

计算机视觉技术已初步具备类似人类对图像特征进行分级识别的视觉感知与认知机制，具有速度快、精度高、准确性高等诸多优势。这种技术能满足产业中对图像或视频内物体/场景的识别、分类、定位、检测、分割等功能需求，因此广泛应用于视频监控、自动驾驶、车辆/人脸识别、医疗影像分析、机器人自主导航、工业自动化系统、航空及遥感测量等多个领域。

我国计算机视觉领域的人工智能公司在技术探索和商业应用方面均已达到世界领先水平。例如，商汤科技公司为各大智能手机厂商提供人工智能+拍摄、AR特效与人工智能身份验证等服务；旷视科技公司专注于视觉算法技术，在智慧城市、智慧商业等领域也有广泛应用；云从科技公司在金融、安防领域深耕，目前已成为金融领域第一大人工智能供应商；图普科技公司致力于图像识别的商业应用，主要聚焦在互联网内容审核、商业智能、泛安防这三方面。

3.智能语音技术

智能语音技术是一种能够实现文本或命令与语音信号之间智能转换的技术，主要包括语音识别和语音合成。语音识别类似于机器的听觉系统，通过识别和理解将语音信号转换为相应的文本或命令。语音合成则类似于机器的发音系统，使机器能够阅读相应的文本或命令，并将其转化为个性化的语音信号。由于智能语音技术可以实现人机语音交互、语音控制、声纹识别等功能，因此在智能音箱、语音助手等领域得到了广泛应用。

目前，智能语音技术在用户终端上的应用尤为热门。众多互联网公司纷纷投入大量人力和财力进行研究和应用，旨在通过语音交互的新颖和便捷方式吸引和占领客户群。在美国，苹果公司的Siri、微软公司PC端的Cortana、移动端的微软小冰和谷歌的Google Now等产品备受瞩目。而在我国，科大讯飞、云知声以及互联网巨头BAT（百度、阿里巴巴、腾讯）等公司也在该领域进行了深入布局。

4.自然语言处理

自然语言处理涵盖了多个研究方向，其中包括自然语言理解和自然语言生成。自然语言理解致力于让计算机“理解”自然语言文本的思想和意图，而自然语言生成致力于使计算机能够用自然语言文本“表述”思想和意图。从实际应用的角度看，自然语言处理涵盖了机器翻译、舆情监测、自动摘要、观点提取、字幕生成、文本分类、问题回答、文本语义对比等诸多应用场景。

目前，众多成熟的技术应用产品已经问世。例如，美国的亚马逊、脸书（Facebook），我国的字节跳动等公司利用自然语言处理技术为旗下购物网站、社交平台提供产品评论、社区评论和内容主题分类与情感分析等功能。在翻译方面，谷歌、百度、有道等公司则提供经过深度智能升级的在线翻译服务。我国的科大讯飞、搜狗等公司也推出了随身多语言翻译器等产品。

在基础平台方面，美国有Korea.ai、Lingumatics等，我国有百度云、腾讯文智、语言云等。舆情检测系统方面的应用包括美国Xalted公司的iAcuity、北京朝闻天下公司的Wom-Monitor，以及总部位于上海的创略科技公司的本果舆情等。这些产品和服务的出现，不仅展示了自然语言处理技术的广泛应用，也推动了该技术的不断发展和进步。

1.3.3　我国人工智能发展实践

作为全球最大的互联网用户市场，我国为人工智能技术的研发和应用提供了海量的数据资源。这些丰富的数据不仅加速了人工智能算法的迭代和优化，还为人工智能技术的商业化应用提供了坚实的基石。

我国政府高度重视人工智能技术的发展，从中央到地方均制定了一系列政策和措施，以推动人工智能研究、应用和产业化。例如，《新一代人工智能发展规划》中提出了“到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心”的目标。

我国的如百度、阿里巴巴、腾讯等公司将人工智能技术视为核心竞争力，投入了大量资源进行研发和应用。诸如百度公司的Apollo无人驾驶平台、阿里云ET城市大脑、腾讯公司的人工智能就医助手等，都在各自的领域取得了显著成果。

与此同时，初创公司在人工智能领域也崭露头角。例如，商汤科技公司，在计算机视觉、语音识别、智能安防等领域取得了重要突破。这些初创公司不仅在国内市场表现出色，还积极拓展国际市场，与国际人工智能巨头公司展开竞争。

在教育方面，我国的高等院校也在加强人工智能领域的学术研究和人才培养。清华大学、北京大学、浙江大学等高校纷纷开设人工智能专业，成立人工智能学院或相关研究所，为人工智能产业培养优秀人才。