人工智能的發展于社會、經濟、生活都有著重大意義，我國人工智能發展至今已經形成了完整的產業鏈，通過研究發現，目前我國人工智能基礎層發展比較薄弱;技術層發展最為迅猛，語音識別、機器視覺等部分技術已經處于世界領先地位，但整體上依然處于初始階段;應用層以結合行業實際需求實現商業落地為主。

當前學術界對人工智能尚無形成統一定義，但是在人工智能基本內容上達成的共識是：通過研究人類智能活動的規律，從而讓機器來模擬，使其擁有學習能力，甚至能夠像人類一樣去思考、工作。人工智能的發展是多門學科交叉應用的成果，不同的學科承載著不同的功能，于是根據人工智能各組成要素實現功能的不同，如圖1所示，將人工智能產業鏈分為基礎層、技術層、應用層。

基礎層發展薄弱，核心技術有待突破

基礎層主要功能是實現數據的采集與計算，包括AI芯片、傳感器、云計算與大數據。其中大數據與傳感器負責數據的采集，AI芯片與云計算負責數據的運算。從整體來看，目前我國人工智能基礎層發展還比較薄弱，存在產學研不夠緊密的問題。

我國傳感器與大數據行業發展比較完善，芯片與云計算方面與國外差距較大。傳感器方面，我們國家已經在研發、設計、代工生產、封裝測試等環節形成了完整的產業鏈，形成了比較完善的生態系統。大數據方面，百度、阿里、騰訊基于自身的資金優勢、人才優勢以及數據優勢占據主導地位，目前全世界范圍內大數據產業由中國和美國領先。AI芯片方面，我國處于剛起步階段，芯片行業的技術壁壘較高，分為設計、制造與封測三個環節，我國主要是在芯片制造方面與國外企業存在較大差距，目前大陸僅支持28nm的芯片制程，而***的臺積電、韓國的三星國際、日本的TDK已經能夠實現7nm的制程，制備工藝的落后導致我國高端的芯片都依賴進口。云計算方面，我國尚未形成統一的技術架構和體系，云計算一般可以分為 IaaS、 PaaS 和 SaaS 三類，在服務深入度與技術難度上依次遞增，國外企業主要集中在PaaS與SaaS層，而我國云計算企業則主要集中在IaaS層，與國外存在明顯差距。

技術層發展迅猛，部分技術已經處于世界領先水平

技術層是人工智能的核心環節，包括語音識別、機器視覺、機器學習與自然語言處理，模仿人類對外界信息的感知能力與認知能力，然后通過對計算機進行大量的信息訓練，不斷優化算法模型，最終實現計算機的類人腦功能。

我國在人工智能技術層發展迅猛，部分技術處于世界領先水平，但整體依然處于初始階段。機器視覺識別主要分為動態圖像識別與靜態圖像識別，由于動態圖像識別技術門檻較高，所以當前我國的技術研發主要集中在靜態圖像識別領域，靜態圖像識別的關鍵點在于計算機對真實圖像的仿真程度以及識別算法模型的優化。目前我國關于機器視覺的部分技術已經處于世界領先地位，如依圖科技搭建了全球首個十億級人像對比系統，并在2017年美國國家標準與技術研究院組織的人臉識別技術測試中獲得世界冠軍。在語音識別領域，以科大訊飛、百度、搜狗為代表的龍頭企業不斷推出突破性的研究成果，使得語音識別準確率穩定在了95%以上，處于國際領先水平。在機器學習領域，盡管我國在核心算法方面與外國差距不大，但是在適用于深度學習的高端芯片上嚴重依賴進口。深度學習對芯片的算力具有較高要求，普通芯片算力難以達到要求，只能依賴于GPU、NPU等算力較高的進口芯片。

應用層已實現商業化落地，賦能實體經濟

人工智能應用層是基于基礎層與技術層發展起來的，將人工智能相關技術與行業具體需求相結合，實現商業化落地，從而達到賦能實體經濟以及服務于人類社會的目的，這是發展人工智能的主要意義。

人工智能相關企業主要集中在應用層，不同領域發展情況迥異。截至2018年底，我國人工智能相關公司總數達到2167家，其中應用層占比77.7%，基礎層與技術層只占比22.3%，充分體現了我國人工智能產業大而不精的特點。目前人工智能主要應用在農業、制造、零售、交通、教育、客服、醫療、安防、廣告營銷、金融等領域。如圖2所示，我國人工智能在安防、金融以及廣告營銷等領域發展的成熟度較高，市場規模合計占比整個應用層的81.2%;智慧農業市占比僅有0.8%，主要是由于我國農業歷來信息化程度較低，產業的智能化發展缺乏數據支撐;智慧醫療的市占比最低為0.4%，源于智慧醫療對高精尖機器視覺、算法等核心技術要求較高，疊加我國AI醫療器械審批時間長，并且在精度、疾病判斷方面有待提升，總體來看智慧醫療行業發展比較緩慢。

結語

我國人工智能領域的論文總量以及專利創新總量均位居全球第一，但是卻存在產學研不夠緊密的問題，導致高價值的科研成果無法轉化為有價值的生產力，并且我國人工智能產業結構不合理，分布在基礎層及技術層的企業較少，不利于為人工智能產業奠定深厚的發展基礎，亟待國家政策引導，解決我國人工智能產業發展窘境。