华夏幸福2018人工智能产业创新评估白皮书-2019.1-48页_2mb
报告摘要
2018人工智能产业创新评估白皮书总结
核心内容
本白皮书由中国人工智能学会、国家工业信息安全发展研究中心、华夏幸福产业研究院及CPA GLOBAL 思保环球联合发布,旨在构建科学的人工智能产业创新评估体系,从使能技术就绪度指数和应用场景融合度指数两个维度对人工智能产业发展进行系统评估。
主要观点
- 人工智能产业进入规模化商用初期,得益于深度学习、大数据等技术的快速发展。
- 深度学习已成为人工智能主流算法,处于技术成熟期;计算机视觉处于技术应用初期;语音交互和文本处理仍处于技术爬坡期。
- 中美人工智能发展水平存在显著差距,美国在理论研究和应用研究方面均领先,尤其在深度学习和语音交互领域,而中国在专利申请数量方面具有优势,但专利质量仍有待提升。
- 应用场景融合度整体较低,汽车、医疗、家居是当前融合度较高的场景,制造、教育则处于萌芽期。
关键信息
使能技术就绪度指数
| 使能技术 | 就绪度指数 | 发展现状 |
|---|---|---|
| 深度学习 | 8.3 | 技术成熟期,理论与应用研究并重 |
| 计算机视觉 | 7.7 | 技术应用初期,应用研究重点 |
| 语音交互 | 6.2 | 技术应用初期,应用研究重点 |
| 文本处理 | 5.1 | 技术爬坡期,进展缓慢 |
应用场景融合度指数
| 应用场景 | 融合度指数 | 发展现状 |
|---|---|---|
| AI+汽车 | 3.9 | 融合度最高,以自动驾驶为主 |
| AI+医疗 | 3.8 | 融合度较高,存在数据和人才瓶颈 |
| AI+家居 | 3.7 | 融合度较高,面临隐私和识别率问题 |
| AI+零售 | 3.5 | 融合度居中,需打通C端与B端 |
| AI+机器人 | 3.3 | 融合度居中,智能化程度较低 |
| AI+安防 | 3.2 | 融合度较低,处于探索应用阶段 |
| AI+制造 | 3.0 | 融合度较低,存在数据和标准问题 |
| AI+教育 | 2.8 | 融合度最低,缺乏数据和技术支持 |
使能技术发展瓶颈
- 深度学习:缺乏理论证明,依赖大量参数优化。
- 计算机视觉:数据匮乏、算力成本高、算法鲁棒性低。
- 语音交互:远场识别准确率低,语义理解未突破。
- 文本处理:依赖高质量数据,进展缓慢。
应用场景发展瓶颈
- 数据缺乏、人才不足、行业壁垒高是人工智能与行业深度融合的主要障碍。
- 汽车和医疗在研发机构和人才方面具有明显优势,但教育和零售发展缓慢。
- 数据积累和开放程度在汽车、医疗和机器人领域较高,而在制造和教育领域不足。
评估体系结构
- 一级指标:使能技术就绪度指数、应用场景融合度指数。
- 二级指标:理论研究、应用研究、技术性能(使能技术);资源、技术、数据、场景、环境(应用场景)。
- 三级指标:共29个指标,涵盖论文、专利、人才、市场等多维度。
数据来源
- 会议及期刊论文数据:来自Web of Science等数据库。
- 专利数据:来自思保环球和INNOGRAPHY数据库。
- 商业数据:来自鲸准洞见、企名片等机构报告。
- 定性数据:来自行业专家访谈和调研问卷。
前景展望
人工智能将在多个领域推动智能化变革,特别是在汽车、医疗、家居等融合度较高的场景中,未来将实现更深层次的商业化和技术突破。随着技术的进一步成熟和应用场景的拓展,人工智能将逐步渗透到社会生活的各个方面,推动智能经济的发展。
附录:研究方法与数据说明
- 研究方法:采用定量和定性分析方法,结合论文、专利、人才和商业数据。
- 数据来源:包括Web of Science、思保环球专利数据库、行业专家访谈、调研问卷等。
- 评估体系:构建了涵盖29个三级指标的评估体系,旨在全面、客观地评估人工智能产业的创新发展水平。
总结
本白皮书对人工智能的使能技术和应用场景进行了深入分析,揭示了当前技术发展和应用融合的现状、瓶颈与未来方向。通过构建创新评估体系,为人工智能产业的健康有序发展提供了科学依据和实践指导。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载