原创 | 文 BFT机器人
在科技日新月异的今天，人工智能已成为最具革命性的技术之一，有望对人类社会生活产生显著的影响。过去几年，人工智能相关理论研究技术创新、软硬件升级等整体推进，极大地促进了人工智能行业的发展。
进入2022年，以 chatGPT为代表的人工智能大模型火爆全球，AIGC也掀起新的热潮，公众对人工智能的关注日益加深，人工智能已然成为全球科技和产业发展的重要力量。随着人工智能商业化进程驶入快车道，一个蓬勃发展的人工智能时代正在到来。
从行业环境来看，由于人工智能范畴较大，细分领域众多，因此目前中国人工智能行业同时处于形成期和成长期。此外，国内人工智能行业潜在进入者的威胁较大，现有企业间的竞争不够激烈，替代品的威胁较大。供应者的谈判能力较强，购买者的谈判能力较弱。
从发展概况来看，美国在人工智能领域处于全球领先地位，英国人工智能研究与创新居欧洲第一，日本人工智能发展与第一梯队拉开差距，印度人工智能发展潜力较大。
中国人工智能在数据、算力、算法和应用场景等方面取得了重要进展，行业竞争力进入全球第一方阵，泛人工智能企业数量突破八千家，计算机视觉人才需求快速增长。
从区域布局来看，我国人工智能市场主体主要集聚在京津冀、长三角.珠三角三大地区，这些地区在生产要素、市场需求、相关支撑产业以及政府政策等方面具有明显优势，使其人工智能行业在国内具有较强竞争力。
从面临挑战来看，中国人工智能行业起步比较晚，市场对人才的需求激增，但人才的供应还没有跟上。技术迭代快、研发投入大、定制比例高等因素导致人工智能企业盈利较难，人工智能相关法规法规建设落后；在智能芯片、开源框架等方面还未形成繁荣的自主生态。
从发展趋势来看，数据的清洗和挖掘将成为优化人工智能技术应用的关键，量子机器学习将会助力机器学习领域突破研究瓶颈，低代码技术和人工智能的结合将使人工智能技术逐渐平民化。同时，也需要着重审视人工智能引发的担忧。人工智能的发展不仅需要重视科技伦理，也需要对其带来的负面环境影响提出相应的解决方案。
01
人工智能产业链分析
产业链是各个产业部门之间基于一定的技术经济关联，并依据特定的逻辑关系和时空布局关系客观形成的链条式关联关系形态。
人工智能产业链分为基础层、技术层以及应用层，目前我国已形成完整的人工智能产业链。基础层主要涉及数据的收集与运算，是人工智能发展的基础;技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，应用层则是建立在基础层与技术层基础上，将人工智能技术进行商业化应用实现技术在不同场景的应用。
(一) 产业链全景图
我国已形成完整的人工智能产业链。就产业链而言，人工智能产业链分为基础层、技术层和应用层。随着人工智能技术的不断发展和应用场景的深入拓展，目前我国已形成完整的人工智能产业链。
（二）产业链各环节
应用层泛人工智能企业数量占比最大。从人工智能产业链各环节来看，我国泛人工智能企业主要分布在应用层。
其中，应用层泛人工智能企业数量占比达到 54.7%。其次，26.1%的泛人工智能企业布局在基础层19.2%的泛人工智能企业处于技术层。
总体而言，我国人工智能产业链应用层企业数量最多，场景丰富，我国人工智能主要以应用需求为牵引行业发展。
1. 基础层
基础层主要涉及数据的收集与运算，是人工智能发展的基础。具体来看，基础层主要包括物联网、大数据、云计算、智能芯片、智能传感器等其中，智能传感器及大数据主要负责数据的收集，智能芯片和云计算负责运算。
目前，我国人工智能产业链基础层大数据领域发展较为成熟，人工智能企业分布数量最多，行业竞争激烈。基础层代表企业主要有阿里巴巴华为、腾讯、云测数据等。
2. 技术层
技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，这是人工智能行业发展的核心。技术层主要包括计算机视觉、自然语言处理、机器学习、类脑智能计算、智能语音、生物特征识别等人工智能核心技术。
目前，我国人工智能产业链技术层企业主要布局在计算机视觉、生物特征识别、机器学习、智能语音以及虚拟/增强现实领域。
其中计算机视觉为技术层 AI 企业布局最集中的领域，是人工智能最核心的技术之一。目前，我国计算机视觉技术发展全球领先，专利申请量居世界主要国家前列。
3. 应用层
应用层则是建立在基础层与技术层基础上，将人工智能技术进行商业化应用，实现技术与行业的融合发展以及不同场景的应用，其主要应用领域有智能机器人、智能终端、智慧城市、智能交通、智能制造、智能医疗智能教育等。
目前，我国人工智能产业链应用层代表企业有大疆创新、优必选、科沃斯、大华股份、华大基因等。
(三) 产业链难点痛点
1. 基础层难点痛点
产业链基础层有待夯实。相较于美国等人工智能发达国家而言，我国人工智能产业链基础层底层技术仍然较为薄弱。目前，我国人工智能算力基础设施方面支撑不足，规模化算力支撑能力有限，其主要体现在高端AI 芯片与发达国家还有明显的距离。
国际上芯片目前已经实现 5nm 量产并在抓紧攻克 3nm 制程，而我国芯片还停留在 14 纳米制程，14 纳米以下的芯片还主要依赖于进口。随着数据海量增加，算法模型愈加复杂，人工智能应用场景的不断深入和发展，带来了对算力需求的快速提升，因此作为支撑算力提升的基础芯片成为当前制约我国人工智能发展的重要难点之一。
在数据方面，虽然我国数据体量庞大，海量的数据助推算力算法升级和 A产业落地，但我国数据面临着质量不高、数据标准化和数据互联互通水平不足、大模型数据训练成本高等难题，在数据生态建设等方面还有很长的路要走。
2. 技术层难点痛点
技术层认知技术发展尚未成熟。目前，我国人工智能技术主要集中在感知层面，即用人工智能模拟人类的视觉、听觉等感知能力，比如生物特征识别、计算机视觉、智能语音技术，而运用人工智能技术完成推理。规划、学习、执行等复杂的认知智能化任务还处于初级阶段，还无法准确完成该类复杂的认知智能任务。
虽然我国人工智能技术层在智能语音、计算机视觉、生物特征识别等核心技术发展处于国际领先水平，超 40%的企业布局在计算机视觉领域，我国人工智能在感知技术上比较有优势。
但是，对于认知层而言，人机交互、类脑智能、知识图谱等核心技术发展尚未成熟，技术研发有待加强，相关领域也鲜有企业布局，目前认知技术还掌握在少数企业手上，我国从 “感知智能”到“认知智能”还有很长的一段距离要走。
3. 应用层难点痛点
产业链应用层场景“落地难”。目前，我国人工智能应用场景仍处于商业落地早期，而应用场景“落地难”是制约人工智能发展的又一痛点影响人工智能技术落地的五大要素主要包括:应用场景、资源和设施、算法和模型、智能设备以及数据。
首先，在应用场景方面，由于受用户场景碎片化、个性化的需求，企业提供的产品和解决方案往往也呈现碎片化，定制比例高、部署周期长、场景有限、竞争激烈等因素制约着应用场景“落地难”。
其次，是数据的约束。数据是支撑技术应用落地的关键，在大规模的数据模型训练前提下技术才能够落地应用。因此能得到有意义的高质量的数据，是人工智能技术落地成功的关键。
最后，最重要的是人工智能应用场景落地成本高，包括人力成本、算力成本以及数据成本。例如,在人力成本方面，AI研发门槛高，需要懂各类技术的研发人员，而高技术人员聘用成本高，这进一步阻碍了AI难以落地。
02
人工智能行业环境
行业生命周期主要分为四个阶段：形成期、成长期、成熟期和衰退期。由于人工智能范畴较大，细分领域众多，因此目前中国人工智能行业同时处于形成期和成长期。
从行业竞争结构来看，人工智能行业存在着五种基本竞争力量，即潜在进入者的威胁、行业中现有企业间的竞争、替代品的威胁、购买者的谈判能力和供应者的谈判能力。
目前，国内人工智能行业潜在进入者的威胁较大，现有企业间的竞争不够激烈，替代品的威胁较大.供应者的谈判能力较强，购买者的谈判能力较弱。
(一) 行业生命周期分析
行业生命周期主要分为四个阶段:形成期、成长期、成熟期和衰退期由于人工智能范畴较大，细分领域众多，因此目前我国人工智能行业同时处于形成期和成长期。
其中，类脑智能计算、量子智能计算等人工智能领域技术仍在研究和开发中，商业化应用有待突破，处于行业生命周期的形成期。
该时期，资本投入风险大，企业数量较少，竞争压力不大;技术研发费用高;用户对产品缺乏认知，市场需求狭小；业务收入较低，经营普遍亏损。
机器学习、计算机视觉、生物特征识别等人工智能领域技术创新活跃，应用落地加快，处于行业生命周期的成长期。
本阶段，企业数量增加，竞争日趋激烈，不成功的企业开始退出，技术水平提高，产品已较完善;用户对产品已有认知，市场需求扩大；业务收入迅速增长，利润增长。
(二) 行业竞争结构分析
当前，人工智能行业存在着五种基本竞争力量，即潜在进入者的威胁行业中现有企业间的竞争、替代品的威胁、购买者的谈判能力和供应者的谈判能力。这五种力量共同决定着人工智能行业竞争的激烈程度和利润率的高低。
1. 潜在进入者的威胁较大
新企业进入人工智能行业的可能性大小，取决于其主观估计进入所能带来的潜在利益、所需花费的代价与所要承担的风险这三者的相对大小情况。
如果潜在的竞争对手带着新增生产能力进入人工智能市场，必然要求分享市场份额和资源，因而构成对现有人工智能企业的威胁。
这种威胁的大小依进入市场的障碍、市场潜力以及现有企业的反应程度而定。综合来看，中国人工智能行业潜在进入者的威胁较大。
2. 现有企业间的竞争不够激烈
目前，国内人工智能行业的企业主要分为三类: 互联网科技巨头、传统行业领军企业、人工智能创业企业，这些企业往往为了市场占有率而进行竞争，其竞争通常表现在技术能力、价格水平、附加服务等方面。
人工智能行业内现有企业的竞争激烈程度取决于行业市场集中度的大小、行业增长速度的快慢、产品特色、用户的转变费用和退出壁垒等。综合来看目前国内人工智能行业现有企业间的竞争不够激烈。
3. 替代品的威胁较大
目前，国内市场上尚未出现比人工智能更先进的技术，因此不存在新的替代品。
然而，人工智能作为一种新技术，与人类劳动以及其它技术解决方案存在部分替代关系。由于现在人工智能技术还不够强大，再加上应用成本高、部署周期长，因此人工智能的替代品威胁较大。
替代品的威胁并不一定意味着新产品对旧产品的最终取代。在未来很长一段时间内，人工智能将和人类劳动、其它技术解决方案同时存在于市场。
4. 供应者的谈判能力较强
一般而言，人工智能行业的供应者可以通过提价、降低产品或服务的质量来影响人工智能企业。
人工智能行业的供应者为大数据、物联网、云计算、边缘计算、智能传感器、智能芯片、系统软件等领域的企业和单位。
其中，智能芯片、系统软件、开发框架等行业由少数企业控制，购买者甚多，替代品极少，供应者谈判能力较强，大数据、物联网、边缘计算等行业企业数量较多，市场竞争激烈，供应者谈判能力较弱。综合来看，中国人工智能行业供应者的谈判能力较强。
5. 购买者的谈判能力较弱
一般而言，人工智能行业的购买者可以通过压价、要求提供更好的质量和服务，使供应者相互倾轧来极大地影响人工智能企业。
人工智能行业的购买者为制造、农业、交通、医疗、教育、商务、能源、物流等国民经济各行各业的的单位用户、个人用户以及政府用户。
由于行业内人工智能企业数量较少，购买者没有许多可供替代的供应者，大部分购买者都没有自主研发人工智能产品的潜力；再加上人工智能企业所提供的服务较为专业化，购买者转向其他供应者的成本较高。
因此，国内人工智能行业的购买者谈判能力较弱。
报告来源 | 深圳市人工智能协会
排版 | 居居手
审核 | 橙橙
如需转载请与我们联系。若您对该文章内容有任何疑问，请与我们联系，将及时回应。
