来源：本站　　时间：2023.08.16

人工智能是引领未来的新兴战略技术，是驱动新一轮科技革命和产业变革的核心因素。在目前我国经济转型的关键时期和错综复杂的国际环境下，人工智能也正在成为提升国际竞争力的新动能和经济发展的新引擎。习近平总书记多次就人工智能做出重要批示，指出人工智能技术的发展将深刻改变人类社会生活、改变世界，要求抓住机遇，在这一高技术领域抢占先机。近年来，随着人工智能相关技术持续迭代演进，其与实体经济的深度融合已经取得积极进展。同时，以ChatGPT为典型代表产品的人工智能大模型正在悄然引领着一场深刻的变革，将对产业进步和人类经济生活产生颠覆性的影响，成为未来全面迈向数字文明新时代不可或缺的支撑力量。

一、人工智能迎来历史性发展机遇

人工智能（AI）是指利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统。人工智能可分为弱人工智能与强人工智能，弱人工智能只能完成单一、特定的任务，而强人工智能可以在各方面与人类的技能相类似。

人工智能发展已经历三次“浪潮”起伏，而随着以ChatGPT为代表的生成式AI于2022年爆发，人工智能正由辅助工具逐步演化为生产工具，人工智能的产业发展浪潮正逐步加速。

展望未来，人工智能的快速发展有望推动第四次工业革命逐步落地，在世界百年未有之大变局与新一轮工业革命的历史性拐点，无论是国家、地方还是企业都会不遗余力布局投入，这也意味着人工智能在我国迎来历史性的发展机遇。

图1　人工智能推动第四次工业革命

（数据来源：世界银行，联合国教科文组织，科学的历程，中信建投，策源资本）

二、人工智能产业链概况

人工智能产业链主要分别是基础层、技术层和应用层。其中基础层为人工智能提供数据、算力等基础支撑；技术层包括人工智能软件栈、机器学习通用算法及关键领域技术如计算机视觉和自然语言处理等；应用层则为面向特定应用场景，涉及各行各业。

图2　人工智能产业链概况图

（数据来源：中国信通院，中金公司，德勤，中信建投证券，策源资本）

近年来人工智能的快速发展得益于数据、算力、算法的共同进步，预训练大模型加速人工智能发展，整体市场呈现高速增长趋势。IDC预测，2022年全球市场人工智能市场收入规模（含软件、硬件及服务）将同比增长约20%至1017亿美元，并将于2025年突破2000亿美元大关。其中，中国人工智能市场规模由2017年的709亿元增长至2025年的5460亿元，年均复合增长率为29%。

图3　全球（左图）及国内（右图）人工智能市场规模

（数据来源：IDC，上海数字大脑研究院，德勤，中信建投证券，策源资本）

（一）基础层-算力基础

AI芯片（广义）处于人工智能产业的上游，是人工智能产业发展的基础和先决条件。AI芯片按技术架构分类可分为CPU（中央处理器）、GPU（图形处理单元）、GPGPU（通用计算GPU）、FPGA（现场可编程门阵列）、ASIC（专用集成电路，包括TPU、NPU等）以及类脑仿生芯片等几大类。目前，国外芯片巨头占据AI芯片大部分市场份额，我国人工智能芯片行业起步晚，技术上与世界先进水平也还存在较大的差距，特别是AI芯片相关软件生态。总体而言AI芯片的发展将从异构计算模式发展至AI通用芯片，技术发展趋势将呈现由云端计算走向边缘计算、由训练走向推理、由传统技术架构往类脑方向发展。

（二）基础层-数据基础

数据是人工智能重要的生产要素，人工智能算法模型的迭代离不开数据的支持，数据的质量将直接影响到模型的质量与精度。其中，数据的感知与收集是一切智能化的基础和最重要抓手，数据感知与收集主要包括各类传感器、计量设备等；由于传感器技术壁垒较高、国内传感器起步较晚，目前中高端传感器仍然需要大量进口。而数据的质量离不开数据的标注、清洗与处理，这些数据服务也是作为数据基础产业链重要的一部分；当前数据服务参与方主要包括拥有资源整合及研发能力的科技巨头、以众包或人力外包模式起步的专业型服务商，以及基于自动标注工具切入市场的科创公司，预计未来数据服务将向着复杂化、标注自动化、全栈式服务化以及数据合规化的趋势演进，市场也将持续向以科技巨头为典型的龙头企业集中。

（三）技术层-软件栈

软件栈是共同工作以保证软件的正常运行的独立组件的集合在芯片之上，人工智能深度学习或基础大模型算法之下，主要囊括芯片软件生态、AI训练框架、推理部署框架、模型生产平台等内容。其中，芯片软件生态是芯片是否易用的重要影响因素之一，英伟达CUDA历经十余年发展，已构建起短时间内难以企及的生态壁垒，持续巩固英伟达AI算力的近乎垄断的低位。AI训练框架是AI算法模型设计、训练和验证的一套标准接口、特性库和工具包，全球AI框架逐步形成了以Google-TensorFlow和Meta-PyTorch为代表的双寡头格局，国内AI框架也逐步涌现，2022年华为昇腾MindSpore、百度飞桨PaddlePaddle的国内抽样调查使用率均已达11%。

（四）技术层-机器学习及大模型

算法是人工智能“发动机”，近年AI应用的繁荣来源于AI算法持续突破创新，深度学习典型算法包括卷积神经网络（CNN）、递归神经网络（RNN）、前馈神经网络（FNN）、生成对抗网络（GAN）等。2017年谷歌提出Transformer算法，此后Transformer广泛应用于自然语言处理（NLP），并逐步扩展至计算机视觉等多领域应用。自ChatGPT引爆基础大模型话题以来，国内大型互联网或人工智能公司、科研院校、初创团队等已合计发布超70个规模在10亿以上的大模型，若考虑大模型能力，国内大模型仍然以大厂及清华系为首，目前处于领先地位的主要包括百度、科大讯飞、腾讯、华为、阿里巴巴、智谱、MiniMax、智源、字节跳动、商汤科技。而对比海外，国内仍有1-3年的差距需要追赶。

（五）应用层-概述

2022年，人工智能在各个行业的渗透度均有提升，应用渗透度排名前五的行业依次为：互联网、金融、政府、电信和制造。总体来看，人工智能在各个行业的应用程度都呈现不断加深的趋势，应用场景也越来越广泛，正逐步由金融、互联网、政府领域，进一步向制造、能源、电力等传统行业辐射。各行业中，人工智能已经成为企业寻求新的业务增长点、提升用户体验、保持核心竞争力的重要能力。

图4　中国人工智能行业渗透率

（数据来源：IDC，策源资本）

其中，典型的人工智能应用场景包括智能制造、智能驾驶、AI+医疗、AI+金融等。

1.智能制造

制造业是国民经济的基础产业，是决定国家发展水平的最基本因素之一。当前，人工智能与整个制造业融合应用已具备一定的基础，智能制造已出现趋势，主要集中在研发设计、生产制造、管理活动三个方向。

其中研发设计领域，工业设计软件巨头已开始利用AI提升软件应用能力，如西门子在2023年与微软合作，利用AIGC技术改进工业设计、工程、制造和运营在内的整个工作流程。但当前AI+工业研发设计仍然面临通用性低、样本不足，经济性低，复制推广难，以及知识产权等挑战。

生产制造领域，AI深入渗透质量检测与工业机器人。当前AI质检在电子元件、汽车零部件外观检测等领域已经得到深入应用，老牌龙头基恩士、康耐、国内互联网大厂阿里、百度、腾讯、华为等均在此发力。此外，生成式AI有望依托工业机器人和自动化工厂，通过预训练语言模型强化人与机器的自然语言交互，帮助机器更好完成更加模糊、复杂的任务，真正促进制造环节向智能化和数字化转型。目前，西门子用于自动化生产SIMATICIT软件已经引入生成式AI；百度联合TCL搭建文心电子制造行业模型，已推动产线检测均值平均精度指标平均提升10%以上。

管理活动领域，基于AI模型与技术，企业可依托AI开展生产预测、设备的预测性维护、生产计划与调度等重点环节。

2.智能驾驶

智能驾驶一直是交通领域最前沿的发展方向。而在智能驾驶中，AI技术一直是最关键的技术之一，主要体现在环境感知、路径规划与车辆运动状态估计三方面。而以BEV+Transformer为底座的主流算法，预计推动智能驾驶公司逐步向行业大模型靠拢。Research and Markets数据显示，2021年我国智能驾驶市场规模为15.3亿美元，2030年将达到989亿美元。当前汽车的系统架构和智能驾驶能力正向L3+演进，高速领航、城区领航为当前趋势，但由于L3在法规层面的权责不够明晰，L4尚未受到各国各地方的广泛认可，目前L3+智能驾驶并未取得广泛的市场空间。因此更多的厂商采用更务实的方法，即与整车厂进行合作，优先关注交付L2级别的自动驾驶解决方案并以此业务产生现金流。

2.AI+医疗

人工智能对医疗领域的改造是颠覆性的，过去五年是人工智能医疗发展的加速期，应用已经非常广泛，主要包括辅助诊疗（含医学影像诊疗）、药物挖掘等方面。其中药物挖掘方面，药物靶点发现、先导化合物研究和化合物筛选、蛋白质结构预测是AI+药物研发最热门的领域，而AI药物研发市场主体以互联网巨头、AI药物研发企业和大型药企自建团队三类为主；辅助诊疗方面，人工智能一是用于对海量医学数据进行分析论证，通过推理、分析、论证等，从大量数据中快速提取关键信息，对患者身体状态和患病情况得出认知结论；二是通过医学影像挖掘和区分病情特征，进行诊断和评估，近年来国内AI医疗影像技术发展水平突飞猛进，国内AI医疗影像企业已占据了国内AI医疗影像市场53%的份额。

4.AI+金融

近年来，人工智能在金融领域的应用创新迅速，新产品、新模式不断出现，已经取得了显著成绩。一方面，人工智能与传统金融业务的结合，能够解决传统业务中信息不对称等业务难题，更加精准有效地解决特别是一些小微企业、民营企业的融资需求，提升金融服务的质量和准确度；另一方面，人工智能在金融领域，还能够实现业务模式的创新，AI在客户服务、投资管理、风险管控等领域的应用，能够扩大金融机构的服务边界、拓展收入来源，同时极大地降低金融机构的服务成本，真正做到“降本增效”。根据Autonomous Next预测，到2030年，使用人工智能技术可以为全球银行带来22%的成本降低。