人工智能（Artificial Intelligence）的概念最早在20世紀50年代提出，英文縮寫為AI，它是研究與開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

人工智能是自然科學、社會科學和技術科學三向交叉學科，試圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，期間經歷了三次發展浪潮，當前處于第三次大發展期。

人工智能根據從底層到應用的技術邏輯可以分為基礎層、技術層和應用層，其中基礎層從硬件和理論層面，為人工智能的實現提供根本保障；技術層基于基礎層的支撐，設計出解決某一類過去需要人腦解決問題的通用方法；應用層基于技術層的能力，解決具體現實生活中的問題。

勞動人口減少，AI填補缺口

一方面，根據國家統計局公布的數據顯示，我國15-59歲勞動年齡人口數量在2011年達到峰值9.25億人后連續7年下降，減少總量達到2600萬人，與此同時勞動年齡人口占全國總人口的比重也一路降低至64.28%。勞動年齡人口的下降是中國經濟發展過程中不得不面對的現實，據人社部預測到2030年后我國勞動年齡人口將會出現年均760萬人的持續減少，到2050年勞動年齡人口將會降至7億左右。

另一方面，人工智能作為新一輪科技革命、產業變革的核心力量，將重構生產、分配、交換、消費等經濟活動各個環節，能替代一部分傳統崗位，減少經濟體對勞動力數量的總需求，從而弱化、甚至補償人口老齡化和勞動年齡人口減少對經濟增長造成的負面影響。

人工智能賦能，推動產業升級

人工智能技術在過去5-10年快速發展，隨著時間推移逐漸為大眾所知，其商業化應用成為社會關注焦點，在各個行業領域中有廣泛應用。雖然不同行業面臨的問題不同，但是人工智能技術可通過數據的收集、處理與分析有效解決多種問題，改變各行業生態，從而推動產業升級。

通過以行業滲透率、市場規模兩個維度進行評判，可以將人工智能滲透的各行業劃分為四種類型。

一是過渡期，人工智能具有較高應用程度，但目前市場機會有限、有望進一步拓展，如數字政府；二是萌芽期，人工智能發揮部分功能，但處于起步階段、尚未成熟，如公共事業、醫療、智能城市、能源行業；三是成長期，行業的人工智能應用度不足，但擁有較高的市場機會，如無人駕駛、自然資源與材料；四是發展期，人工智能技術的行業應用度高、市場機會好，產生了較為深刻的影響，如零售、教育、金融、制造業、通信傳媒與服務等。

各國政策頻出，國家角力激烈

越來越多的政府和企業組織逐漸認識到人工智能在經濟、戰略上的重要性，競相采取更為積極的產業政策。《全球人工智能發展白皮書》預測全球人工智能市場將在未來幾年經歷現象級增長，2025年世界人工智能市場規模預期將超過6萬億美元。

隨著人工智能技術的快速發展，近年來全球展開了AI競賽，各主要發達國家均出臺了不少支持和引導AI行業發展的政策。

美國連續發力人工智能，2016年成立“人工智能和機器學習委員會”探討制定相關政策、法律，發布《國家人工智能研究和發展戰略規劃》報告，將人工智能上升國家戰略層面。

歐洲也將人工智能確定為優先發展項目，2016年歐盟委員會提出人工智能立法動議和《歐洲人工智能》，2018年發布主題為“人工智能歐洲造”的《人工智能協調計劃》。

日本2016年在“社會5.0”戰略中將人工智能作為實現超智能社會的核心，設立“人工智能戰略會議”進行綜合管理。

三大要素發力，AI建設加速

作為推動人工智能技術進步的“三駕馬車”，算法、數據和計算力三大關鍵因素在不斷創新、不斷發展。

在算法方面，人類在機器學習的算法上實現了突破，特別是在視覺和語音技術方面的成就尤為突出。

在數據方面，移動互聯網時代的到來使得數據量迎來了爆炸式增長，同時對數據的處理速度大幅提升。

在計算力方面，得益于芯片處理能力提升、硬件價格下降的并進使得計算力大幅提升。截至目前，全球人工智能的計算力主要是以GPU芯片為主。但隨著技術的不斷迭代，如ASIC、FPGA在內的計算單元類別將成為支撐人工智能技術發展的底層技術。

國內基礎不足，硬件依賴進口

在人工智能從實驗室走向商業化的過程中，其發展驅動力主要來自于計算力的顯著提升、多方位的政策支持、大規模且多頻次的投資和逐漸清晰的用戶需求。

盡管中國人工智能產業發展迅速，2019年人工智能企業數量超過4,000家，位列全球第二，在數據以及應用層擁有較大的優勢，然而在基礎研究、芯片、人才方面的多項指標上仍與全球領先地區有一定的差距。

其中，人工智能芯片是人工智能技術鏈條的核心，而國內從美國進口的集成電路芯片的價值超過2,000億美元，遠超原油進口額；半導體產業的關鍵零部件仍需大量從西方國家進口，自給率不足20%；機器人的關鍵零部件在較大程度上仍舊依賴進口，包括精密減速機、控制器、伺服電機等。

中國人工智能技術與全球領先地區對比

資料、圖片來源：牛津大學人類未來研究院、騰訊研究院、《全球人工智能發展白皮書》，博爾森咨詢研究院整理

短期GPU芯片主導，長期三大技術并行

對整個AI行業來講，算法、數據和算力三大基本要素中，數據尤其是海量數據的獲取和處理難度在下降，算法也在深度學習模型的基礎上不斷優化，而負責將數據和深度算法統一協調起來的芯片能否獲得質的飛躍，成為市場關注的焦點。

一方面，GPU作為市場上AI計算最成熟、應用最廣泛的通用型芯片，憑借其強大的計算能力、較高的通用性，GPU短期將延續AI芯片的領導地位。

另一方面，長期來看，各有性能特點的三大技術路線將并行發展，GPU主要方向是高級復雜算法和通用型人工智能平臺，FPGA未來在垂直行業有著較大的空間，ASIC長遠來看非常適用于人工智能，尤其是應對未來爆發的面向應用場景的定制化芯片需求。

基礎設施不斷升級，應用場景持續拓展

當前人工智能發展的新動力5G正在加快建設，將有利于滿足人工智能對終端處理能力、網絡傳輸能力的需求，拓展應用場景。2019年，中國正式進入5G商用元年，新一代通信技術5G具備高帶寬、低時延、廣連接性的特性，正在成為產業變革、萬物互聯的新基礎設施。

首先，5G可支持大量設備實時在線和海量數據的傳輸，使企業獲得數據的數量、實時性均大幅度提升，為更多人工智能應用提供可能。

其次，5G的部署拓展將帶來超高清視頻等應用增長，人工智能在其中發展潛力巨大。

此外，邊緣計算也是5G時代的重要特征，隨著終端進行更多的數據處理與應用，人工智能將廣泛落地在邊緣側，邊緣智能將崛起。

人機協同模式漸顯，產業智能互聯滲透

在業務模式上，人機協同趨勢漸顯。人工智能的目標是讓機器在整個從感知到行動的鏈條上模擬甚至超越人的能力，但在很多復雜場景下，單純依靠機器完全替代人類去解決問題并不現實。考慮到能力范圍、時間效率、成本優勢等因素，把人和機器作為整體部署的人機協同模式將成為未來主流。

在產業應用上，產業智能化滲透加深。隨著企業數字化轉型和產業互聯網的不斷推進，產業鏈各環節的數據實現了打通，在此基礎上，人工智能的應用將從企業內部智能化延伸至產業智能化，實現采購、制造、流通等環節的智能協同，提升產業整體效率。

雖然人工智能發展迅猛，但在深入產業落地的過程中，人工智能技術與企業需求之間仍然存在鴻溝，人工智能技術本身無法直接解決企業用戶業務需求，需要根據具體的業務場景和目標，形成可規模化落地的產品與服務。

在數據方面，由于數據獲取的經驗不足、質量差、安全合規性不高、歸屬權引爭議、海量數據存儲與調用難、數據標注上小場景數據采集難、復雜業務場景數據理解力有限，在應用上需制定更精細化的規則、采用聯邦學習等新技術、使用大數據湖等方式，以及提高標注人員行業知識。

在算法模型上，從傳統模型到深度學習等新興算法的人工智能復雜性不斷增加，大部分基于深度學習的算法是個“黑盒子”，模型不具備可解釋性，然而在落地金融、工業、醫療等行業時，直接應用到業務系統的模型需要具備符合業務邏輯的可解釋性。因此在落地過程中需采用深度學習算法與經典統計類規則結合的方式來進行建模，解決模型的可解釋性問題。

在業務場景上，隨著人工智能深入落地各垂直行業，要解決從通用場景、單點問題向特定場景、業務全流程演進，同時復雜度和進入壁壘變高，對業務場景理解能力的要求也不斷提升。企業需借助知識圖譜技術，將行業經驗沉淀為行業知識圖譜，在此基礎上讓算法更好地理解業務。