中国人工智能学会、国家工信安全中心、华夏幸福产业研究院等四大权威机构、历史半年完成的重磅报告，给你一个全新的角度了解中国AI产业和学术的创新现状。
《2018人工智能产业创新评估白皮书》由中国人工智能学会、国家工信安全中心、华夏幸福产业研究院、思保环球合作，历时半年完成。
白皮书聚焦人工智能的使能技术与应用场景两个层面，基于论文、专利、人才、行业壁垒等多个维度，构建了人工智能产业创新评估体系，客观评价了当前人工智能的技术就绪度和应用融合度。
具体来说，本报告从技术和应用两大维度，评估了中国的AI产业创新发展现状：
使能技术就绪度指数：从理论研究、应用研究和技术性能三个维度对语音交互、文本识别、计算机视觉和 学习这四项使能技术进行了评估，并计算得出使能技术就绪度指数。
应用场景融合度指数：从资源、技术、数据、场景、环境驱动力这五个维度，对 、医疗、家居、零售、机器人、安防、制造和教育这八个“AI+”场景进行了评估。
学习已处于技术成熟期，文本处理仍处于技术爬坡期
综合理论研究、应用研究和技术性能三个维度，计算得出四项使能技术的就绪度指数。
基于理论研究和应用研究的评估得分可以看出， 学习是理论研究的重点方向，而计算机视觉是应用研究的重点方向。
从整体上来看， 学习发展最为迅速，技术就绪度最高(8.3)，处于技术成熟期;文本处理的就绪度最低(5.1)，仍处于技术爬坡期;语音交互和计算机视觉处在技术应用初期。
中国与美国使能技术发展仍存在较大差距
从中美两国对比来看，美国四项使能技术的理论研究和应用研究均大幅领先于中国。理论研究方面，中美两国在文本处理领域的差距最小，在 学习领域差距最大;应用研究方面，中美两国在 学习领域的差距最小，在语音交互领域的差距最大。
学习技术的论文产出增速最高
从论文产出趋势来看，从2013年开始呈现快速增长趋势，其中 学习技术的论文产出增速最高，而语音交互和文本处理的产出基本保持平稳。
从论文产出规模来看，人工智能的基础研究主要集中在 学习和计算机视觉，而文本处理方向的论文产出最少，份额仅为12%。
从论文的影响力来看，计算机视觉和 学习论文引用频次领先，而文本处理技术的论文引用频次较低。
中、美引领人工智能基础研究，但中美学术影响力仍存在一定差距
从论文整体情况来看，中美两国产出数量处于全球前列，且远超过其他国家。中国在文本处理、 学习和计算机视觉三个方向领先于美国，在语音交互方向上差距亦不大。
从期刊论文来看，美国在语音交互、文本处理和 学习三个方向均领先于中国;
从高被引论文的影响力来看，中国在 学习技术方面的学术影响力仍与美国存在较大差距。
中国科学院、清华大学引领中国人工智能理论研究
以下是会议论文产出规模前10位的中国机构：
以下是期刊论文产出规模前10位的中国机构：
专利申请多而不强，学术机构活跃度高
学习和计算机视觉专利申请数量多但强度低
从专利申请趋势来看， 学习和计算机视觉的专利申请从2015年开始快速增长，语音交互的专利申请自2016年开始保持稳定。
综合近三年专利申请比例和平均强度来看，语音交互专利申请比例低但平均强度较高，表明语音交互已不再是近期关注重点，计算机视觉和 学习专利申请占比较高，但平均专利强度较低，专利布局仍处于起步阶段。
从专利授权比例来看，语音交互技术的授权率最高(45%)， 学习技术的授权率最低(27%)，主要是因为 学习的大量专利申请仍在审查期，导致授权比例偏低。
中美两国专利申请量和强度对比
中美两国的专利申请量均大幅领先于其他国家。其中，中国的四项使能技术专利申请量均居于首位。中国机构近三年活跃度高，超过54%的专利均在近三年申请。
从平均专利强度来看，美国四项使能技术的平均专利强度要远高于中国，中国专利“多而不强”的现象依然存在。
通过对前10位的专利权人进行分析，我们发现美国的专利权人全部为商业化企业，而中国除语音交互技术的专利权人以企业为主外，其他三项技术均存在一定比例的学术研究机构。特别是在计算机视觉领域，主要专利权人均为学术研究机构，成果的商业化将是未来关注重点。
中国技术高端人才储备与美国差距悬殊
美国人工智能领域四项使能技术相关的高级专业人才超过1.3万，遥遥领先于其他国家。中国高级专业人才不足0.5万，与美国相比仍有较大差距。
从细分技术领域来看，计算机视觉技术相关的高级专业人才占比最高，美国为5432人，在四项技术中占比39%，中国为1892人，在四项技术中占比38%。
中国使能技术人才主要分布在北京、广东、江苏、上海和浙江五省市
从中国人工智能四项使能技术人才分布来看，北京、广东、江苏、上海和浙江五省市人才优势明显，其中北京、广东人工智能研发人才超过万人。
四川、陕西、湖北、山东和安徽技术人才数量位于第二梯队，安徽在语音交互为主占优势，陕西在计算机视觉人才优势明显，湖北具备文本处理人才优势。
五大维度评估AI应用场景融合度
报告从资源、技术、数据、场景和环境五个驱动力维度对八个“AI+”场景进行了评估。
人工智能与行业融合整体水平较低， 、医疗、家居融合度相对较高
根据应用场景融合度指数显示， (3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景;零售(3.5)、机器人(3.3)和安防(3.2)是人工智能融合度指数居中的三个场景;制造和教育是目前人工智能融合度指数较低的两个应用场景。总体而言， 、医疗、家居、零售、机器人和安防处在与人工智能融合的培育期，而制造和教育仍处在萌芽期。
和医疗人工智能研发机构数量优势明显，医疗人工智能高端人才优势显著
和医疗两个领域的人工智能重点研发机构数量最多，是当前研发重点;零售和教育两个领域研发机构数量最少。从机构的性质来看，在家居、安防和机器人领域，企业数量要多于学术性研究机构，在 、零售和教育领域，研发机构以企业为主。而在医疗领域则是学术性研究机构偏多。
从高端人才数量来看，医疗领域的研发人员最多，零售和教育的研发人员最少。在各个领域中，美国的研发人员数量优势明显，占据一半左右，而中国的研发人员普遍偏少，人员相对较多的领域包括 (483人)、家居(464人)、制造(435人)和医疗(427人)。
、医疗、家居是人工智能专利布局重点，机器人是布局热点
从专利申请趋势来看，人工智能在各个领域的专利申请自2014年开始爆发式增长，其中 和医疗领域增长明显，而教育和零售领域增长相对缓慢。
从近三年专利申请情况来看，专利布局重点集中在 、医疗、家居和安防领域。人工智能与机器人领域的融合是新的应用热点。
中国专利量多质低，美国医疗领域人工智能专利优势明显
从专利申请规模来看，除医疗领域外，中国的专利申请规模均超过美国，特别是在机器人和制造两个领域专利优势明显。
从专利申请强度来看，美国大幅度领先中国，中国专利质量仍有待提升。
美国医疗领域人工智能专利无论规模和强度均具有显著优势。
人工智能与 、机器人融合的数据驱动力优势明显
数据是人工智能与应用领域融合的最为关键的要素之一。从数据积累程度来看， 、医疗和机器人三个领域具备显著的数据优势，而家居和制造两个领域数据积累明显不足。从数据开放程度来看， 、教育和机器人三个领域数据开放程度较高，而医疗和制造两个领域数据开放程度较低。
人工智能与机器人、零售融合的场景驱动力优势较强
场景驱动力包括场景的清晰程度、介入能力和介入壁垒三个方面。从场景清晰程度来看，机器人、零售和安防三个领域场景清晰。从场景介入能力来看，机器人、零售和 三个领域介入能力较强。而从场景介入壁垒来看，医疗领域存在明显的行业壁垒，而机器人和零售两个领域的行业壁垒相对较低。
人工智能与机器人、医疗融合的市场需求和媒体倾向相对显著
总结
人工智能使能技术发展迅速， 学习已经成为当前主流的人工智能算法，是目前理论研究的重点方向;计算机视觉是目前应用研究的重点方向。
通过对使能技术就绪度指数评估可以发现， 学习就绪度(8.3)最高，计算机视觉就绪度(7.7)次之，语音交互(6.2)和文本处理(5.1)的就绪度偏低。
目前 学习技术已处于成熟期，并越来越多地应用到各种实际场景中;计算机视觉和语音交互尚处在技术应用初期，两项技术开始在不同的场景中尝试应用落地;文本处理仍处于技术爬坡期，技术进展缓慢。
中美在 学习的理论研究和语音交互的应用研究方面仍存在较大差距，投入和扶持力度需要进一步加强。
人工智能与不同应用场景的融合衍生出了丰富的新产品、新场景、新模式、新实践，人工智能将渗透到社会生活的方方面面，并不断推动众多行业的智能化变革。
通过对应用场景融合度指数评估显示， (3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景，其中以人工智能自动驾驶为代表的智能 是融合度最高的应用场景;零售(3.5)、机器人(3.3)和安防(3.2)是人工智能融合度指数居中的三个场景;制造和教育是目前人工智能融合度指数较低的两个应用场景。
基于报告对应用场景发展阶段的划分，目前人工智能在 、医疗、家居、零售、机器人和安防行业处在融合的培育期，而在制造和教育行业仍处在融合的萌芽期。
研究方法：
使能技术融合度指数：基于检索获取的相关科学文献数据进行定量分析
应用场景融合度指数：基于对人工智能领域研发人员、行业专家访谈和调研问卷结果进行定性分析
【来源：新智元】
