艾瑞咨詢：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，在數(shù)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(shè)計、生產(chǎn)、營銷等多個環(huán)節(jié)中均有滲透且成熟度不斷提升，AI應(yīng)用從消費、互聯(lián)網(wǎng)等泛C端領(lǐng)域，向制造、電力等傳統(tǒng)行業(yè)輻射。據(jù)艾瑞預(yù)測，2021年人工智能核心產(chǎn)業(yè)規(guī)模預(yù)計達(dá)到1998億元，2026年將超過6000億元，2021-2026年CAGR=24.8%。計算機視覺仍是AI技術(shù)賽道中貢獻(xiàn)最大的市場，AI芯片則作為底層的算力支撐獲得高速發(fā)展，其在預(yù)測時間內(nèi)年的復(fù)合增長率維持在40%以上。在AI商業(yè)化的探索之路上，我們從需求側(cè)觀察到各行各業(yè)以高頻高價值場景為落點做持續(xù)的AI泛化，愈多業(yè)務(wù)場景的泛化升級將帶來企業(yè)AI應(yīng)用的數(shù)據(jù)連通與業(yè)務(wù)協(xié)同等加成效應(yīng)，反哺加速企業(yè)的智能化轉(zhuǎn)型進(jìn)程。而從供給側(cè)看，AI企業(yè)在過去一年中紛紛加快上市動作，多家企業(yè)已在2021年成功實現(xiàn)上市。趨勢演變上，可信AI在監(jiān)管合規(guī)與商業(yè)內(nèi)驅(qū)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，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(xùn)練推理以及后續(xù)的落地中面臨的卡點。同時，AI工程化有望打通AI全鏈路管理能力，助力AI企業(yè)實現(xiàn)落地賦能與商業(yè)變現(xiàn)的雙贏。

人工智能產(chǎn)業(yè)化發(fā)展進(jìn)程技術(shù)能力創(chuàng)新、應(yīng)用規(guī)模突破、產(chǎn)業(yè)地位跨越隨著2016年AlphaGo戰(zhàn)勝人類棋手，開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團隊開源AlphaFold2數(shù)據(jù)集，其利用人工智能技術(shù)解決蛋白質(zhì)結(jié)構(gòu)預(yù)測問題，供全世界科研人員使用。AI技術(shù)應(yīng)用于生物領(lǐng)域取得的前瞻性進(jìn)展有力推動了生命科學(xué)發(fā)展，也代表隨著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(tǒng)性前瞻性研發(fā)等重要產(chǎn)業(yè)改造環(huán)節(jié)提供價值。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(yīng)用場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(shù)字經(jīng)濟的華章企業(yè)云端遷移進(jìn)程加速，數(shù)字經(jīng)濟高速發(fā)展數(shù)字經(jīng)濟是以數(shù)據(jù)為關(guān)鍵生產(chǎn)要素、以現(xiàn)代信息網(wǎng)絡(luò)為重要載體、以數(shù)字技術(shù)應(yīng)用為主要特征的經(jīng)濟形態(tài)。發(fā)展數(shù)字經(jīng)濟，將打通供應(yīng)鏈上下游、產(chǎn)業(yè)鏈的不同環(huán)節(jié)與服務(wù)鏈的各個節(jié)點，通過產(chǎn)業(yè)的數(shù)字化升級，實現(xiàn)效率變革、動力變革、質(zhì)量變革，助力新發(fā)展格局的形成與發(fā)展。近年來，我國數(shù)字經(jīng)濟發(fā)展迅速，2020年我國數(shù)字經(jīng)濟規(guī)模為39.2萬億元，占GDP比重達(dá)到38.6%。在我國“十四五規(guī)劃”中，國家也首次明確提出要將數(shù)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，隨著網(wǎng)絡(luò)傳輸速度，海量數(shù)據(jù)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(shù)字經(jīng)濟將在各行業(yè)開啟更大的想象空間。數(shù)字經(jīng)濟下的人工智能產(chǎn)業(yè)升級AI成為數(shù)字經(jīng)濟時代的核心生產(chǎn)力，驅(qū)動數(shù)字經(jīng)濟縱深發(fā)展2021年3月我國十四五規(guī)劃綱要出臺，提出“打造數(shù)字經(jīng)濟新優(yōu)勢”的建設(shè)方針并強調(diào)了人工智能等新興數(shù)字產(chǎn)業(yè)在提高國家競爭力上的重要價值。規(guī)劃綱要指出要充分發(fā)揮海量數(shù)據(jù)和豐富應(yīng)用場景優(yōu)勢，促進(jìn)數(shù)字技術(shù)與實體經(jīng)濟深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級，以數(shù)據(jù)驅(qū)動生產(chǎn)過程優(yōu)化，催生新產(chǎn)業(yè)、新業(yè)態(tài)、新模式。數(shù)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(chǔ)設(shè)施，也被視為拉動我國數(shù)字經(jīng)濟發(fā)展的新動能。隨著新基礎(chǔ)設(shè)施計劃的實施、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)濟價值實現(xiàn)人工智能于各環(huán)節(jié)提升經(jīng)濟生產(chǎn)活動效能近年來，人工智能技術(shù)及產(chǎn)品在企業(yè)設(shè)計、生產(chǎn)、管理、營銷、銷售多個環(huán)節(jié)中均有滲透且成熟度不斷提升。同時，隨著新技術(shù)模型出現(xiàn)、各行業(yè)應(yīng)用場景價值打磨與海量數(shù)據(jù)積累下的產(chǎn)品效果提升，人工智能應(yīng)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(tǒng)行業(yè)輻射。以計算機視覺技術(shù)主導(dǎo)的人臉識別、光學(xué)字符識別（OCR）、商品識別、醫(yī)學(xué)影像識別和以對話式AI技術(shù)主導(dǎo)的對話機器人、智能外呼等產(chǎn)品的商業(yè)價值已得到市場充分認(rèn)可；除感知智能技術(shù)外，機器學(xué)習(xí)、知識圖譜、自然語言處理等技術(shù)主導(dǎo)的決策智能類產(chǎn)品也在客戶觸達(dá)、決策支持等企業(yè)業(yè)務(wù)核心環(huán)節(jié)體現(xiàn)價值。人工智能產(chǎn)業(yè)發(fā)展將打開新一輪城市與區(qū)域競爭變局人工智能產(chǎn)業(yè)發(fā)展也打開了新一輪的城市與區(qū)域競爭變局。根據(jù)中國新一代人工智能發(fā)展戰(zhàn)略研究院2018-2021年針對區(qū)域人工智能科技產(chǎn)業(yè)競爭力評價指數(shù)的追蹤研究表明，2021年長三角總評分首次超過京津冀位列第一。人工智能和實體經(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(qū)域競爭力發(fā)展格局的重要因素。因此，各區(qū)域應(yīng)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(shè)示范性智慧應(yīng)用場景、前瞻布局人工智能相關(guān)標(biāo)準(zhǔn)及管理體系、推動公共研發(fā)等資源共享、強化科研與人才培育建設(shè)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(guī)模視覺市場筑起主要版圖，AI芯片是增速的重要拉力人工智能產(chǎn)業(yè)正從發(fā)展期向成熟期過渡，除AI芯片外的細(xì)分技術(shù)賽道產(chǎn)業(yè)已跨過高速增長期，步入了穩(wěn)步增長階段。2021年，人工智能預(yù)計達(dá)到1998億元規(guī)模，2026年將超6000億元。計算機視覺仍是貢獻(xiàn)最大的市場，但隨著下游各方數(shù)字化發(fā)展的意識不斷加強，其對數(shù)據(jù)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(xí)技術(shù)的數(shù)據(jù)類產(chǎn)品的需求暴露與凸顯，在一定程度上帶動了機器學(xué)習(xí)市場；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，是拉動整體產(chǎn)業(yè)核心規(guī)模增速與帶動規(guī)模增速的重要拉力。人工智能產(chǎn)業(yè)圖譜機器學(xué)習(xí)：廠商的數(shù)據(jù)與應(yīng)用業(yè)務(wù)補全數(shù)據(jù)治理與ML應(yīng)用開發(fā)將逐漸走向一體化2021年，中國機器學(xué)習(xí)核心產(chǎn)品的市場規(guī)模為275億元，帶動規(guī)模為1089億元，核心規(guī)模2021-2026年CAGR=20.6%。ML應(yīng)用廠商補全數(shù)據(jù)治理業(yè)務(wù)、數(shù)據(jù)治理廠商補全ML應(yīng)用開發(fā)業(yè)務(wù)成為了一大發(fā)展趨勢。機器學(xué)習(xí)應(yīng)用廠商在進(jìn)行決策智能應(yīng)用開發(fā)時，往往面臨模型與數(shù)據(jù)無法拉齊的問題，所以需要溯源到前置環(huán)節(jié)，從一開始就把數(shù)據(jù)治理的工作做好，構(gòu)建模型特有的數(shù)據(jù)資產(chǎn)。數(shù)據(jù)治理廠商完成數(shù)據(jù)治理后，本就對客戶的業(yè)務(wù)數(shù)據(jù)有了深入了解，能夠較為順利地進(jìn)入到下一輪的模型開發(fā)業(yè)務(wù)中，且模型應(yīng)用開發(fā)可增加新的業(yè)務(wù)收入，故不少數(shù)據(jù)治理廠商投身于ML應(yīng)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(xù)迭代，注重可落地性，克服雙重卡點2021年，中國知識圖譜核心產(chǎn)品的市場規(guī)模為107億元，帶動規(guī)模為412億元，核心規(guī)模2021-2026年CAGR=22.5%。在行業(yè)知識圖譜的推進(jìn)過程中，供應(yīng)商會面臨業(yè)務(wù)與技術(shù)上的卡點。業(yè)務(wù)方面，供應(yīng)商團隊常面臨行業(yè)理解不到位、產(chǎn)品化封裝難、客戶期望過高等問題；而在技術(shù)方面，客戶的底層運算基礎(chǔ)設(shè)施欠缺、部分?jǐn)?shù)據(jù)敏感度高的行業(yè)數(shù)據(jù)集缺失、知識圖譜這類二維鏈接的圖數(shù)據(jù)存在存儲困難是普遍問題。對此，供應(yīng)商需持續(xù)深入業(yè)務(wù)，形成知識圖譜模型持續(xù)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公司具有依賴性，雙方互惠共存2021年，中國NLP核心產(chǎn)品的市場規(guī)模為171億元，帶動規(guī)模為450億元，核心規(guī)模2021-2026年CAGR=24.8%。以銀行為主體的金融機構(gòu)在外采NLP相關(guān)產(chǎn)品時，一般都會帶著自研的目的。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(xí)與吸納，從而服務(wù)自身。這就會讓部分NLP公司陷入疑問：銀行若是學(xué)會了技術(shù)，自給自足，自己要如何保證市場份額與增量空間。事實上，銀行是離不開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渡為NLP產(chǎn)品的供應(yīng)商，其往往會成立一個需要持續(xù)對外學(xué)習(xí)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公司不必過于焦慮，其應(yīng)繼續(xù)深耕領(lǐng)域內(nèi)的技術(shù)與業(yè)務(wù)實力，保證自己的能力領(lǐng)先，才能夠持續(xù)對銀行輸出，保有自己的“蛋糕”。智能語音與對話式AI：產(chǎn)品價值持續(xù)延伸對話式AI的價值邊界不斷拓寬，以交互為入口深化AI賦能2021年，中國對話式AI產(chǎn)品的核心產(chǎn)品市場規(guī)模達(dá)到80億元，帶動規(guī)模為728億元，核心規(guī)模2021-2026年CAGR=27.0%。對話式AI最早依托于智能語音技術(shù)和簡單的自然語言理解能力，實現(xiàn)機器與人類簡單的問答交互，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，讓機器同時具備一定知識背景支撐和情緒感知能力。此時對話式AI產(chǎn)品智能性已然凸顯，可應(yīng)用在營銷客服等領(lǐng)域幫助或替代人類完成大量重復(fù)性工作。未來對話式AI的產(chǎn)品邊界將進(jìn)一步擴大，以對話式AI為入口，以NLP和知識圖譜等認(rèn)知能力為底座，泛化賦能營銷洞察、輿情監(jiān)督等更多應(yīng)用場景。計算機視覺：Transformer與CNN模型的跨界融合大規(guī)模預(yù)訓(xùn)練與Transformer模型“跨界”融合推動計算機視覺技術(shù)進(jìn)一步革新2021年，中國計算機視覺核心產(chǎn)品的市場規(guī)模為990億元，帶動規(guī)模為3079億元，核心規(guī)模2021-2026年CAGR=17.4%。計算機視覺作為商業(yè)化程度最高、應(yīng)用場景最廣的人工智能賽道，從技術(shù)層面來看，在分類、定位、檢測、分割等基本語義感知研究任務(wù)上已經(jīng)取得很好的表現(xiàn)，在真實場景中也能夠較好應(yīng)對實戰(zhàn)考驗。在訓(xùn)練模型上，人工智能技術(shù)正呈現(xiàn)“大一統(tǒng)”趨勢，在自然語言理解領(lǐng)域大放異彩的Transformer模型框架正在逐步拓展至計算機視覺模態(tài)，未來數(shù)年內(nèi)我們很可能會看到Transformer與CNN相結(jié)合的混合模型架構(gòu)成為視覺任務(wù)的主導(dǎo)模型，用以達(dá)到降低模型結(jié)構(gòu)的復(fù)雜性并提升模型的可擴展性和訓(xùn)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)價值初見端倪2021年，中國AI芯片市場規(guī)模為297億元，預(yù)計2026年超過1900億元，2021-2026年CAGR=45.2%。以GPU、ASIC、FPGA為代表的AI芯片被廣泛應(yīng)用于云計算、AIDC、安防、自動駕駛、移動終端等領(lǐng)域，高效支撐AI技術(shù)落地應(yīng)用，成為了AI算力突破的新增長點。而涵蓋系統(tǒng)級AI芯片、異構(gòu)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模型開發(fā)、訓(xùn)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，從算力底層實現(xiàn)的AI適配為人工智能企業(yè)的商業(yè)化價值拓展帶來了更多可能。AI技術(shù)發(fā)展趨勢：云數(shù)智融合云計算·大數(shù)據(jù)·AI融合變革升級，開啟業(yè)務(wù)轉(zhuǎn)型增長新時代云數(shù)智的超融合發(fā)展，將帶來云資源、數(shù)據(jù)資源和AI能力的極致解耦與彈性協(xié)同。拉通云服務(wù)調(diào)用、數(shù)據(jù)管理、AI模型訓(xùn)練及算法迭代等全鏈路資源后，在底層讓云資源調(diào)配更加靈活彈性，在數(shù)據(jù)層與AI平臺高效融合，在開發(fā)層實現(xiàn)敏捷式開發(fā)的質(zhì)效提升，為企業(yè)提供從開發(fā)到部署、端到端的一站式大數(shù)據(jù)智能服務(wù)，達(dá)到資源節(jié)約、敏捷開發(fā)與高質(zhì)效落地。資本市場總況資本回暖，成熟企業(yè)融資轉(zhuǎn)向二級市場，部分企業(yè)沖刺成功本報告以2018年-2021年11月為融資統(tǒng)計分析區(qū)間。在經(jīng)過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，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)融資實現(xiàn)了跨越，云從科技、曠視科技、格林深瞳、云天勵飛均順利過會，并擬在科創(chuàng)板上市，其人工智能融資即將打開二級市場的通道；2021年底，商湯科技成功完成港股上市，為AI行業(yè)資本市場發(fā)展帶來了新氣象，且同年亦有AI醫(yī)療影像賽道的企業(yè)沖刺成功。人工智能企業(yè)價值實現(xiàn)進(jìn)程行業(yè)內(nèi)IPO進(jìn)程加快，技術(shù)與商業(yè)化的結(jié)合仍將是發(fā)展關(guān)鍵當(dāng)前，大多數(shù)企業(yè)已經(jīng)逐步從早期技術(shù)驅(qū)動階段向商業(yè)驅(qū)動發(fā)展，尤其是基于視覺、語音和文本的AI技術(shù)相對較為成熟，AI在安防、醫(yī)療等領(lǐng)域有較多的落地成果。隨著AI逐步走向成熟，市場的自然規(guī)律會為行業(yè)“去偽存真”，能夠真正用AI技術(shù)解決實際問題并完成良好商業(yè)化落地的企業(yè)才能經(jīng)受住時間的考驗，真正釋放AI的價值。2021年以來，許多企業(yè)加快上市動作，部分企業(yè)已將上市變?yōu)榱爽F(xiàn)實，成功實現(xiàn)了私募市場和二級資本市場的銜接，打通了進(jìn)一步發(fā)展的重要融資渠道。不過，若想持續(xù)贏得投資者的信任，企業(yè)不僅需要可觀的財務(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)以高頻高價值場景為落點做持續(xù)AI泛化企業(yè)AI轉(zhuǎn)型核心為先找到最值得賦能落地的“高頻高價值”場景，再以此為切入點帶動企業(yè)內(nèi)外部更多場景的轉(zhuǎn)型升級。如今，以金融、零售、醫(yī)療和工業(yè)為代表的各行各業(yè)正以AI應(yīng)用率先落地的原始場景為起點，逐步實現(xiàn)了更多場景的賦能延伸。愈多業(yè)務(wù)場景的泛化升級將帶來企業(yè)AI應(yīng)用的數(shù)據(jù)連通與業(yè)務(wù)協(xié)同等加成效應(yīng)，反哺加速企業(yè)的智能化轉(zhuǎn)型進(jìn)程。數(shù)據(jù)為AI應(yīng)用落地核心痛點，面向AI的數(shù)據(jù)治理備受關(guān)注數(shù)據(jù)治理在AI應(yīng)用落地實施中花費90%以上的精力，而面對AI應(yīng)用對數(shù)據(jù)的質(zhì)量、量級、字段豐富度和實時性等維度的高質(zhì)量要求，大多傳統(tǒng)數(shù)據(jù)治理體系難以滿足，因此對應(yīng)數(shù)據(jù)存在反復(fù)治理、二次治理的工作，極大拉低AI應(yīng)用的規(guī)?；涞匦?。若企業(yè)搭建面向人工智能的數(shù)據(jù)治理體系，可將面向AI應(yīng)用的數(shù)據(jù)治理環(huán)節(jié)流程化、標(biāo)準(zhǔn)化和體系化，降低數(shù)據(jù)反復(fù)準(zhǔn)備、特征篩選、模型調(diào)優(yōu)和迭代的成本，縮短AI模型的開發(fā)構(gòu)建周期，最終顯著提升AI應(yīng)用的規(guī)模化落地效率。人工智能企業(yè)商業(yè)化價值路徑產(chǎn)品化和商業(yè)模式的結(jié)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)動關(guān)系，企業(yè)用產(chǎn)品探索市場與客戶，加深對技術(shù)場景的理解，而這種理解可以反推商業(yè)模式，然而AI行業(yè)內(nèi)一直存在著產(chǎn)品和商業(yè)化相互妥協(xié)和制約的現(xiàn)象。因此，AI服務(wù)商在思考如何實現(xiàn)自身商業(yè)化價值增長時，需要將產(chǎn)品化和商業(yè)模式二者緊密結(jié)合起來去探索正確有效的商業(yè)化路徑，切勿孤立地追求優(yōu)先二者滿足其一，目前許多行業(yè)內(nèi)企業(yè)也正積極地走在這條探索之路上。AI平臺的商業(yè)價值具備擺脫AI碎片化落地，實現(xiàn)技術(shù)成果快速商業(yè)化的基礎(chǔ)如何在非標(biāo)的定制化項目服務(wù)中找到相對標(biāo)準(zhǔn)化、效率化供給方式是AI企業(yè)實現(xiàn)規(guī)?；?yīng)的破局點。AI平臺可提供云化算力支持、數(shù)據(jù)治理一體化工具、通用的模型開發(fā)能力，甚至面向部分應(yīng)用場景的標(biāo)準(zhǔn)化AI模型，有效加成AI企業(yè)產(chǎn)品化能力。目前，客戶企業(yè)普遍缺乏智能應(yīng)用研發(fā)與部署的支撐能力，帶來了AI算法模型研發(fā)門檻高、作坊式的部署工具難以在實際生產(chǎn)環(huán)境中落地等問題。AI企業(yè)錨定這一市場痛點，通過扎實的平臺試圖讓AI落地擺脫碎片化落地的狀態(tài)，從而在各個行業(yè)賽道里進(jìn)行廣泛布局，在人員需求更低的同時，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)價值打通AI全鏈路管理能力，實現(xiàn)落地賦能與商業(yè)變現(xiàn)的雙贏人工智能應(yīng)用的場景呈現(xiàn)出多元性日益增長、用戶體驗要求高、迭代迅速等特點，傳統(tǒng)的開發(fā)方式已經(jīng)無法滿足企業(yè)客戶的需求，亟需對數(shù)據(jù)計算分析、模型開發(fā)部署、在線訓(xùn)練推理、應(yīng)用開發(fā)運維等各種環(huán)節(jié)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(diào)整優(yōu)化的過程中凝聚和注入了企業(yè)對行業(yè)的理解和認(rèn)知，模型技術(shù)能力向生產(chǎn)力的實質(zhì)轉(zhuǎn)化效率是AI工程化落地的重要依據(jù)。未來AI應(yīng)用將形成專業(yè)分工更精細(xì)的產(chǎn)業(yè)鏈生態(tài)，需具備開箱即用、自主定制、成本經(jīng)濟的特點，而部分AI企業(yè)已經(jīng)開始打造可創(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(shù)據(jù)、模型到上層應(yīng)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(guī)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(yīng)用滿足可靠、安全、可解釋、隱私保護、責(zé)任明確等條件，是落實AI治理的重要實踐。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)展實踐中正發(fā)揮著日益積極的作用。除了承擔(dān)社會公益和行業(yè)引領(lǐng)的責(zé)任外，AI企業(yè)在商業(yè)化上面臨越來越多的限制和挑戰(zhàn)也是關(guān)鍵驅(qū)動因素。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(jiān)管機構(gòu)上市問詢時，被重點要求說明其技術(shù)、業(yè)務(wù)及產(chǎn)品中涉及到數(shù)據(jù)應(yīng)用的具體環(huán)節(jié)，相關(guān)數(shù)據(jù)來源與合規(guī)性，以及保證數(shù)據(jù)合規(guī)的具體措施等。這種自上而下的監(jiān)管推動也將與企業(yè)內(nèi)驅(qū)形成合力，共同推動可信人工智能的發(fā)展與實踐。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，各大學(xué)術(shù)機構(gòu)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：1）數(shù)據(jù)方面，開發(fā)者使用的數(shù)據(jù)集可能會重復(fù)，進(jìn)而導(dǎo)致各家的大模型能力相近。2）算法方面，參數(shù)越多、模型越復(fù)雜，模型越難以解釋，復(fù)雜的大模型成為了“黑箱”，讓業(yè)務(wù)使用者甚至是研發(fā)者都無法獲知模型的結(jié)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(xùn)練所需的芯片成本過高、訓(xùn)練時間過長、碳排放量過高，而訓(xùn)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(yīng)用使用方面，客戶更注重模型的實用性，很多中小企業(yè)研發(fā)的小模型即可滿足客戶的業(yè)務(wù)需求，且成本更低，性價比更高。然而，宏觀經(jīng)濟運行與監(jiān)管、航空航天量子計算、醫(yī)藥研發(fā)、細(xì)胞分類等社會與自然科學(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(shù)據(jù)存儲空間，容納大模型的訓(xùn)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(cè)，小模型快速執(zhí)行推理任務(wù)，專注于特定場景的極致化，并向云端大模型反饋數(shù)據(jù)、成效，解決大模型數(shù)據(jù)集單一的問題，最終實現(xiàn)功能獨立的大模型的全社會共享。大模型商業(yè)化探討隨著大模型技術(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(chǔ)設(shè)施建設(shè)設(shè)施，通過一個巨大的模型通用式的解決各個場景的AI解決方案，與弱人工智能時代為單個產(chǎn)品提供單個解決方案模型的運作方式有著本質(zhì)上的區(qū)別，規(guī)?；娜斯ぶ悄苣Ｐ蜕a(chǎn)將形成成本邊際效應(yīng)，極大節(jié)約AI應(yīng)用的開發(fā)成本。盡管現(xiàn)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諸多挑戰(zhàn)，但隨著大模型在技術(shù)上不斷地提升與演進(jìn)，未來的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)也會因大模型而取得更大的進(jìn)步。低/零代碼開發(fā)，AI落地千行百業(yè)未來AI應(yīng)用或?qū)⑦~入“零門檻”開發(fā)時代如今，面對復(fù)雜度較低、業(yè)務(wù)流程相對簡單的開發(fā)需求，AI應(yīng)用已經(jīng)初步實現(xiàn)全流程可視化界面的開發(fā)操作，一只腳成功邁入“零門檻”開發(fā)時代。未來隨著AI技術(shù)能力的突破與廠商在垂類業(yè)務(wù)邏輯的沉淀積累，低/零代碼AI開發(fā)平臺將賦能適用在更多行業(yè)及細(xì)分場景，讓AI應(yīng)用真正邁入“零門檻”開發(fā)時代。而當(dāng)AI應(yīng)用落地開發(fā)實現(xiàn)人人”觸手可及“的時候，AI算法模型的內(nèi)部可解釋性、AI體系的自動化閉環(huán)迭代、AI數(shù)據(jù)的隱私安全等問題需進(jìn)一步的關(guān)注與探討。