近日，中国人工智能产业发展联盟组建成立。据介绍，联盟将快速推动人工智能技术在生产制造、健康医疗、生活服务、城市治理等场景的应用，提升产业发展能力与水平。同时，将整合全产业链资源，促进人工智能科技成果和资源的积累与转化。

业内比较一致的看法是，人工智能产业链可分为基础层、技术层和应用层。对此，全球巨头立足自身核心技术进行扩散，积极进行布局。与此同时，中国人工智能产业链也已“显山露水”，20余家A股公司正在“抢滩”产业链。

基础层：中国芯片尝试“弯道超车”

基础层主要包括计算芯片、大数据、存储。微软的最新研究报告称，在人工智能领域，传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求，这就需要新的底层硬件来更好地储备数据、加速计算过程。基础层主要以硬件为核心，其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件，这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力，目前多以传统的国际IT巨头为主。

目前，在GPU领域，英伟达主打工业级超大规模深度网络加速，并推出了基于Volta、首款速度超越100TFlops的处理器Tesla；英特尔主要围绕FPGA构建产业，推出了模仿人脑的人工智能芯片。谷歌也推出了第二代TPU芯片，为自己的开源TensorFlow框架提供芯片支撑。此外，在这一领域还有众多的初创公司，如中星微、寒武纪以及西井科技等，但在产业布局能力和研发实力方面，还不能与上述巨头匹敌。

《经济参考报》记者注意到，中国在类人脑芯片上的探索起步并不晚。2015年，由浙江大学计算机学院牵头，浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料（CMOS）的支持脉冲神经网络（SNN）的类脑芯片——“达尔文”芯片。该课题组认为，“达尔文”虽是国内首款支持脉冲神经网络的类脑芯片，但与国际先进水平的IBM TrueNorth芯片比较，还有一定距离。

中国在类人脑计算上的探索目前比较受关注的是中国科学院计算技术研究所陈云霁、陈天石主导的“寒武纪”课题组。计算所的有关专家告诉记者，寒武纪深度学习处理器的能效比主流CPU和GPU有两个数量级的提升，具有较强的市场竞争优势。从2017年起，“寒武纪”课题组获得了中科院为期18个月共计1000万元的专项资金支持，用于项目研发及产业化。据中国科学院计算技术研究所智能处理器研究中心介绍，这1000万元专项资金一方面用于人工智能芯片的基础性研究，探索下一代人工智能芯片的架构、算法以及在一些新型场景（如AR/VR）中的应用开发方法。这将为我国参与智能时代国际芯片市场角逐打下科学和技术基础。专项资金另一方面用于寒武纪芯片在各种智能云服务器、智能终端和智能机器人市场中的推广，力争在18个月内初步奠定寒武纪芯片在智能芯片市场上的地位。

中科院计算所有关负责人表示，“‘龙芯’是一条路，寒武纪是一条路，而与IBM、英特尔、AMD合作是另一条路。‘龙芯’走的是‘人有我有’之路，寒武纪走的是‘弯道超车’之路。”

技术层：国产语音识别算法取得突破

技术层包括算法平台、图像识别、自然语言识别处理和智能机器人。当前，国内的人工智能技术平台主要聚焦于计算机视觉、语音识别和语言技术处理领域，国内技术层公司发展势头也随之迅猛，其中有代表性的企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、地平线、SenseTime、永洪科技、旷视科技、云知声等。

麦肯锡的一份研究报告对中国人工智能发展状态进行了全面而细致的梳理。麦肯锡认为，中国在算法开发方面与其他国家相当。中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。

中国科技战略研究院有关专家对记者表示，“人工智能产业的发展离不开海量数据的支撑，数据训练量的大小影响着算法实现的成熟度。”阿里云iDST总监初敏表示，算法、数据、计算平台、用户、商业模式，用互联网的思维把这五个因素串起来，人工智能迭代才能非常快。以更快的速度使用反馈数据来更新模型，形成这样的正循环周期后，效果就会越来越好。哪怕就是算法不变，只要能不断地反馈数据并不断优化，过一两个月之后，它的能力也会好很多。

国内的曙光公司联合众多企业成立了航天星图、中科三清、曙光易通，锁定数据。航天星图专注于地理空间大数据处理、可视化应用，中科三清由曙光与中科院物理所合资，专注于大气、水以及土壤污染的预报、预警，治理评估和应急提供可行性的解决方案。除了传统IT企业在抢数据资源之外，事实上，中国也涌现了很多运营和经营数据的公司，比如数据堂、星图数据、百分点等，并涌现了更多公共数据开放平台。

数据显示，2016年中国数据总量占全球数据总量的14%。据预测，到2020年，中国的数据总量将占全球数据总量的20%，届时中国将成为世界第一数据资源大国和全球的数据中心。

创新工场人工智能战略白皮书显示，数据隐私、数据安全对人工智能技术建立跨行业、跨领域的大数据模型提出了政策、法规与监管方面的要求。各垂直领域的从业者从商业利益出发，也为数据的共享和流转限定了基本的规则和边界。此外，许多传统行业的数据积累在规范程度和流转效率上还远未达到可充分发挥人工智能技术潜能的程度。

麦肯锡表示，中国的大技术公司通过它们专有的平台收集数据，但中国在创建数据友好的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。从世界有关国家看，开放政府数据有助于私营部门的创新，但中国公共部门开放的数据相对较少。

应用层：驾驶、医疗等成热点领域

应用层包括无人驾驶、智能安防和智慧医疗等。从全球看，IBM最早布局人工智能应用，“万能Watson”推动多行业变革。百度推出“百度大脑”计划，重点布局无人驾驶汽车。而谷歌的人工智能业务则较为繁杂，多领域遍地开花，包括AlphaGo、无人驾驶汽车、智能手术机器人等。微软则在语言语义识别、计算机视觉等领域保持领先。

科大讯飞董事长刘庆峰表示，2017年是中国人工智能应用的落地年，成为人工智能产业发展的分水岭。他认为，应用才是人工智能发展的硬道理，只有技术不断地应用在各个领域，才能得到发展。

腾讯集团董事长马化腾表示，没有场景支持的人工智能研究是空中楼阁。这些年，人工智能技术的快速发展，让人工智能在个人助理、汽车领域、医疗健康、安防、电商零售、金融、教育等方面的应用覆盖了生活的各个方面。

百度公司总裁张亚勤表示，百度要做人工智能时代的操作系统，需要建立一个生态，没有场景的人工智能是没有用的。百度未来10至20年的战略都押注在人工智能领域，公司所有的资源和技术都向其倾斜。

人工智能在汽车领域的应用前景十分广阔，其中自动驾驶最受人关注。在自动驾驶领域，很多厂商已经深耕数年，这让2016年成为自动驾驶充分竞争的一年。今年百度智能汽车正式亮相，向全球展示了百度在高精地图生产制造、自动驾驶环境感知等领域的领先技术，并发布自动驾驶开放平台。通过应用人工智能技术，能够提高公共交通系统的安全性和效率，自动驾驶车辆也可以减少交通事故、缓解交通压力，为实现指挥交通发挥重要作用。

阿里巴巴与杭州市政府合作，通过整合人工智能技术的交通信号灯，使城市交通更加智能化，减少了拥堵，在特定区域提升了11%的交通流量。吉利汽车搭建新一代核心业务系统整体上云，实现了传统业务的在线化和数据化运营，助力吉利汽车引领汽车行业的“互联网+”潮流。

最近，国防科技大学相关团队研发的医疗机器人对外公布。该机器人通过运用超级计算机的大数据运算以及人工智能技术，可以提供挂号、诊疗、体检等一体化智能医疗服务，包括智能挂号、智能诊疗、智能健康体检三大功能系统。百度在医疗O2O智能分诊、人工智能参与的智能问诊、基因分析和精准医疗、基于大数据的新药研发等四方面进行研发，期望把几十万台服务器的运算能力和最先进的算法，运用到医疗和健康领域。

近两年来，长虹、美的、格力、格兰仕等家电公司都在向智能制造转型，在机器人生产及应用领域进行布局。同时，几乎所有的家电厂商都立足“Smart Home”，将人工智能和智慧家庭更紧密地结合在一起。

不过，接受采访的专家表示，大多数传统行业的业务需求与人工智能的前沿科技成果之间尚存在不小距离。面向普通消费者的移动互联网应用与人工智能技术之间的结合尚处在探索阶段。