2020年AI新基建发展白皮书.pdf

前 言 当前， “十四五 ”进入开局之年，全球疫情持续影响、宏 观环境复杂多变，我国正处于经济结构调整、产业转型升级 的关键时期。 以 AI 新基建为代表的新型基础设施 能够对冲 疫情影响、拉动经济发展、 助力 满足人民日益增长的美好生 活需要 ，是打通国内国际 “双循环 ”的重要着力点 。 在 各级政府、 行业企业、 资本市场、科研机构的 合力推 动下 ， 我国 AI 新基建 呈现蓬勃发展态势 。 一方面 ， 通过智 算中心 、公共数据集 、开源框架、开放平台等基础 设施发挥 平台支撑作用，有力 支撑 人工智能 发展 ； 另 一方面 ， 通过 人 工智能的技术赋能性， 推动制造、医疗、交通、能源、金融 等传统行业转型升级 ， 有力支撑智能经济发展 。 与此同时，我国 AI 新基建在 技术 、数据、融合、 安全 等方面仍面临着一定挑战 ， 应 加大力度 筑牢基础、激发活力， 加快核心技术攻关 、 推动应用深化落地 、 构建公共服务平台、 加强安全风险管理 ， 进一步发挥 AI 新基建 的 技术赋能 作用 和公共基础 作用 ，驱动产业转型升级、助力经济高质量发展。 I 目 录 一、 AI新基建的内涵及作用 . 1 （一） AI新基建的内涵 . 1 （二） AI新基建的作用 . 2 1.内生动力： AI算 力、 数据 、算法支撑人 工智能持 续创新发展 . 2 2.外部赋能： AI应用解决方案推动传统行业转型升 级 . 6 二、 AI新基建发展现状 . 13 （一） 总体态 势 . 13 1.我国高度重视 AI新基建发展 . 13 2.地方政府积极布局 AI新基建 . 15 3.AI新基建投资市场不断升温 . 16 4.AI新基建成为重点科研方向 . 18 5.各类企业主体发力 AI新基建 . 19 （二）细分领域 . 21 1.AI 算力成为重点发力方向，市场规模不断增长 . 21 2.AI数据逐步迈向 开放化、专业化，高质量数据集 成为重点 . 23 3.AI算法持续深化赋能，开源生态初步显现 . 24 4.“AI+制造 ”热度不断攀升，各类主体同发力 . 28 5.“AI+医疗 ”发 展环境逐步成熟，应用进程不断加速 . 29 II 6.“AI+交通 ”加速落地，呈现 “三足鼎立 ”的市场 竞争 格局 . 31 7.“AI+能源 ”市场需求旺盛，行业巨头纷纷入局 . 33 8.“AI+金融 ”正式步入落地阶段，应用不断纵深发展 . 35 三、 AI新基建发 展面临的挑战 . 37 （一） AI算力、算法对外依存度较高， 基础技术仍有不 足 . 37 （二） AI数据采集、流通和使用仍有壁垒，数据价值释 放不足 . 37 （三） AI赋能路径、规则和人才存 在制 约 ， 融合发展仍 待深化 . 38 （四） AI“双刃剑 ”问题进一步叠加放大，风险管理亟需 增强 . 38 四、 AI新基建发展对策建议 . 38 （一）加强高端芯 片、 核 心 算法等基 础技术攻关 . 39 （二）进一步发挥 AI应用解决方案赋能作用 . 39 （三）加大力度构建人工智能基础资源公共服务平台 . 39 （四）加强 人工 智 能 安 全风险管理体系建设 . 40 参考文献 . 41 AI新基建发展白皮书 1 当前， “十四五 ”进入开局之年，全球疫情持续影响、宏 观环境复杂多变，我国正处于经济结构调整、产业转型升级 的关键时期。 “新基建 ”是打通国内国际 “双循环 ”的重要着力 点，能够对冲疫情影响、拉动经济发展、助力满足人民日益 增长 的美好生活需要，是强基础、利长远的战略性、先导性、 全局性工 程， 在 稳 增长、稳投资、稳就业 方面发挥了重要作 用。人工智能作为引领新一轮科技革命和产业变革的战略性 技术，具有溢出带动性很强的 “头雁 ”效应， 正加快与经济社 会各领域融合，成为推动产业转型升级、助力经济高质量发 展的核心驱动力量。 一、 AI新基建 的 内涵及 作用 （一） AI新基建的内涵 AI新基建是以算力、数据、算法等资源为基础支撑，以 智算中心、 公共数据集 、 开源框架、开放平台等为主要载体， 赋能制造、医疗、交通、能源、金融等行业的基础设施体系。 AI 新基建 具有双重 属性 ，一 方 面 具有 “新基建 ”的 公共基础 性 ，能够通过智算中心 、公共数据 集 、开源框架、开放平台 等基础设施发挥平台支撑作用，有力支撑人工智能发展 ；另 一方面 具有人工智能的 技术 赋能 性， 能够 与 实体经济各领域 渗透、融合 ，助力传统行业信息化、数字化、智能化转型， 催生新业态新模式 ，有力支撑智能经济发展 。 AI新基建发展白皮书 2 （ 二 ） AI新基建的作用 AI新基建 主要由 AI算力、 AI数据、 AI算法及 AI应用 解决方案 四部分 构成 ， 具有两方面作用 ， 一 是 为人工智能发 展 提供 内生动 力 ，通过 AI算力、 AI数据、 AI算法 等基础设 施发挥平台支撑作用，支撑人工智 能自身持续创新 发展； 二 是 依 托 人工智能 实现 外部 赋能 ，通过提供 AI 应用解决方案 赋 能 实 体经济各领 域，推动传统行业信息化、数字化、智能 化转型升级。 图 1 AI新基建的作用 资料来源：国家工业信息安全发展研究中心整理 1.内生动力 ： AI算力、数据、算法支撑 人工智能 持续 创 新发展 （ 1） AI算力 是支撑人工智能高速发展的关键要素 AI算力包括 AI芯片、智算中心、 AI云中心等，为人工 智能技术和产业发展提供了强有力的算力支撑 。当前，以深 度学习 为代表的人工智能技 术需对海量数据进行处理和训 AI新基建发展白皮书 3 练，对算力提出了较高的要求。 传 统算力因其底层技术架构 限制，处理 人工智能计算任务时效率低、能耗大，以 AI 芯 片为基础的 AI 算力中心针对人工智能的各类算法和应用进 行了专门优 化，使其能够在终端、 边缘端、云端等不同应用 领域发挥重要作用。 AI芯片是实现人工智能的关键基础。 AI芯片是加速人 工智能算法的物理载体，按照应用场景可分为云端芯片和终 端芯片。其中，云端用于处理海量数据和大规模计算以及支 持语音、图片、视频等非结构化应用的计算和传输，对算力 需求极大，一般情况下需要多个处理器 并行完成相关任务， 以 GPU（图形处理器）为主，部分采用 FPGA（现场可编 程 门阵列）、 ASIC（专 用集成电路 ）；终端包括智能手机、边 缘服务器、工控设备、安防摄像 头 、 智能汽车等，需要在芯 片算力、功耗、体积间实现平衡 ，以 ASIC（专用集成电路） 为主。 智算中心、 AI 云服务 器 为人工智能发展提供集约高效 的计算支撑。 AI算力中心主要以智算中心、 AI云服务器为 代表，通过集成大量智能芯片来提供充裕的智能计算能力， 从而实现高性能与低能耗。与传统算力中心相比， AI算力中 心更强调通过构建面向人工智能运算场景的算力来承载 AI 算力需 求，加速智能生态建设，带动智能产业聚合。相较于 传统云服务器， AI云服务器 针 对人工智能算法特点进行 专门 AI新基建发展白皮书 4 优化， 提升运算效率，降低储存成本。 （ 2） AI数据是 推动 人 工 智能落地发展的 核心 基础 数据是人工智能技术应用和发展的基石。人工智能的大 规模应用需要利用海量数据对模型进行训练，可以说，没有 高质量的数据集就没有人工智 能的大规模应用。因此，以开 放数据集、数据交易平台等数据平台为基础的 AI 数据基础 设施成为 AI新基建的重要支撑。 AI 数据量的爆发式增长为人工智能技术创新发展奠定 坚实基础。 随着移动互联网、智能硬件和物联网的 快速普及， 全球数据总量呈现指数级增 长态势，根据 IDC报告 估算 ， 2020年 全 球数据总量达到 44ZB，年均复合 增长率达到 36%。 通过对海量数据进行分析、提取、开发 、 利 用，极大地延伸、 拓展了人工智能的 应用场景，为人工智能的爆发式发展奠定 了坚实基础。 AI数据开放共享支撑 AI算法更好落地应用。 开放数据 集 是指向社会公众免费开放共享的数据集合 ，是实现数据开 放共享的重要载体， 为最大化海量数据的价值提供 了 可能。 一方面，开放数据集 能够吸引开发者、合作伙伴加入， 形成 生态效应 ，有助于推动行业标准、技术规范形成，促进人工 智能技术进 步 。 另 一方面，开放数据集 能够 进一步 降低 AI 算法开发 门槛 ，提升 AI产品体验 ， 加速 AI应用 落地，有助 提升各行业 智能化水平 。 AI新基建发展白皮书 5 高 质量数据驱动 AI算法更加智能。 人工智 能 算 法 的演 进升级需要高质量数据作为支撑，可以说，数据集的质量越 高训练的模型就越精准，模型的使用效果也就越好。例如经 过清洗标注、去掉噪声数据的高质量数据集比未经过处理的 数据集更适合人工智能算法进行训练。可以说，质量不断提 升的数据集已经成为人工智能技术发展的重要推动力，高质 量 AI数据正驱动人工智能算法更加智能化。 （ 3） AI算法 是驱动人工智能创新发展的重要 引擎 作为人工智能的核心逻辑，算法是产生人工智能的直接 工具 ，可以说， AI算 法的突破是推动人工智能 发展的核心 要 素 。一方面， AI算法的发展推动计算机视觉、智能语音 、 自 然语言处理等技术突破商用门槛，实现大规模应用 ；另一方 面，以开源框架为核心的技术研发生态和以开放平台为核心 的行业应用生态已经成为人工智能发展与应用的重要基础， 并逐渐成为 AI新基建的重要发力方向。 深度学习推动计算机视觉、智能语音等应用技术实现快 速落地发展。 得益于深度学习技术的多领域通用性、 “端到 端 ”的训练特性及数据驱动性，深度学习能够直接应用于语 音、 文字、搜索词、视频等多个通用基础模块并且可以快速 迁移到各个垂直领域，推动 计 算机视觉、智能语音、自 然语 言处理 等技术 取得突破性进展，呈现爆发式增长。例如，深 度学习 技 术 引领智能语音技术不断取得新突破，在语音识 AI新基建发展白皮书 6 别 、语音唤醒、语音分离、语音合成等领域实现跨越式发展， 不断孵化出新的产品与应用。 深度学习开源框架是人工智能技术研发的助推器。 由于 深度学习的开发和部署涉及编程语言、接口、操作系统、 CPU、 GPU等纷繁复杂的软硬件平台，因此需要框架提供高层的操 作接口，从而让使用者更聚焦于算法运行而无需关注底层细 节。早期的深度学 习框架多为学术机构提供，后来随着人工 智能竞争激烈化，各大科技巨头力推自家 开 源框架，建立自 家深度学 习生态体系 。 AI开放平台是促进人工智能应用扩散的重要基础设施 。 AI开放平台是将 AI算法按一定标准进行编写，并将程序以 便捷的操作界面封装起来的软件平台。开放共享的灵魂内核 与互联网类似，相对于传统闭源软件平台， AI开放平台汇聚 更广泛的集体智慧，具有更新速度快、拓展性强等特点，能 够大幅降低企业及科研工作者的开发成本和购买成本。同 时， AI开放平台的大规模应用也产生了大量数据，进一步促 进人工智能不断发展。 2.外部 赋能 ： AI应用解决方案推动传统行业转型升级 （ 1） AI+制造： 赋能生产过程、管 理 活动、产品制造 ， 推动降 本提质 增效 “AI+制造 ”是人工智能技术在制造业中的应用，主要 体 现 为人工智能在制造业各领域、环节、产品中的渗透融 合。 AI新基建发展白皮书 7 制造业是实体经济的主体，迫切需要转型升级、实现高质量 发展，成为人工智能技术落地应用的重要领域。 当前，专家 系统、机器学习等传统人工智能技术的应用不断深化，深度 学习和工业机理、运筹优化和工艺过程相结合，制造业智能 化程度不断提升。 “AI+产品 研发 ”催生大量新兴智能产品。 与互联网、云 计算、大数据、物联网等 技术侧重网络信息服务不同，人工 智能 技术可借助产品这一载体与制造业深度融合 ， 实 现产品 注智 。 人工智能 与产品的 融合是装备、消费品以及机器人制 造企业探索 “AI+制造 ”的 首 要选择，主要包括智能装备和智 能产品 。其中，智能装备主要包括智能机器人、智能网联汽 车、大型无人机等；智能产品包括智能家电、家居 、可穿戴 等消费类产品， 主要应用的技术包括计算机视觉 、语音识别、 自然语言理解等。 “AI+生产制造 ”提高设备产线感知认知能力。 不同于互 联网与制造业融合先切入研发、销售后介入生产制造的演进 路径，人工智能技术可直接 应用于生产制造 领域。制造企业 可通过改造升级生产线， 将深度学习、计算机视觉等人工智 能技术 嵌 入生产装备中 ，提高生产过 程感知认知水 平，实现 物品精确识别、加工、质量检测、实时监控。例 如 ， 带机器 学习算法的视觉系统能够显著提升产品质量检测准确率和 效率；无序分拣机器人依托深度学习、 3D 视觉及智能路径 AI新基建发展白皮书 8 规划等技术，可实现混杂分拣、上下料及拆垛 。 “AI+管理活动 ”实现管理系统精准预决策 。将人工智能 技术应用于设备运维、供应链、安全生产和销售售后等管理 活动中，在工业软件、工业互联网、工业大数据等基础上实 现数据挖掘、关系构建、算法 训练和学习推理 ，可提高设备 运 维的预测准确性和管理决 策的有效性。主要应用的技术包 括机器学 习 、深度神经网 络、知识图谱 、专家系统等 ，学习 方式以监督学习为主。 （ 2） AI+医疗 ：助力 辅 助 诊 断、健康监测、药物研发 ， 促进精准医疗普及化 “AI+医疗 ”是指在诊断、治疗、康复、药品研发、基因 检测、卫生管理等各个医疗环节，利用人工智能、云计算、 大数据等技术，实现医疗智能化，从而提高诊断效率、准确 率，增强患者、医务人员、医疗机构、医疗设备之间的互动， 提升医疗服务质量。 “AI+医疗 ”助力提升辅助诊断效率和准确率 。 一方面， 基于深度学习的影像分析极大地提升了辅助诊断效率。通过 深度学习可对海量影像数据信息进行图像分 割、特征提取与 模型建立，实 现影像智能 分析与诊断。另一方面，智能影像 分析可 识 别部分肉眼无法 辨 别 的图像特征 ，可显著提 升部分 疾病的发现和准确诊断率。 “AI+医疗 ”助力实现 个体健康状况精准化管控和预测。 AI新基建发展白皮书 9 “AI+健康管理 ”通过分析计算智能穿戴设备、健康管理 App 等终端收集的体征和生活数据，构建专业、完整的知识图谱， 可应用于公共卫生事件监控、个人健康虚拟顾问、慢性病管 理及愈后产后护理等诸多领域。近期，人工智能健康管理应 用越来越多地为传统医疗提供院前、院后支持，为公众提供 常态化、精细化、全方位、全周期的综合性健康服务。 “AI+医疗 ”有效降低 药 物 研发 成本 和周 期。 传统药物研 发具有风险高、投资 大 、周期长等特点 ， 而 人工智能技 术 通 过大量数据和智能算法可快速发现规律，有 效缩短研发周 期、降低成本、提高成功率。 2020年，北京英飞智药科技有 限公司将人工智能技术与资深药物研发专家的经验融合，开 发出药物设计 AI研发平台 “智药大脑 ”，提升医药开发效率。 （ 3） AI+交通 ： 改善交通管理、出行服务、人车交互 ， 提升 城市 交通 便利 水平 “AI+交通 ”是指在交通系统管理、出行导航、车内交互 等多个交通环节，利用人工智能、物联网、云计算、大数据 和 5G等技术 ，实现 交通智能化，从而提升 城市交通便 利水 平、提高道路通行速度、优化人车交 互 体验 。 “AI+交通管理 ”助力交通系统从 “被动应对 ”到 “主 动管 理 ”。 传统交管系统预置控制数据，自动化程度高，智能化 程度低。依托深度学习、计算机视觉等人工智能技术和 5G、 云计算等信息技术，智能交管系统可实现动态管理、预测管 AI新基建发展白皮书 10 理、主动管理。以治理道路拥堵为例， “AI+交通管理 ”可以 自动识别异常情况，预判拥堵趋势，采取调整红绿灯配时、 优化警务调度等预防性措施，提升路网整体通行速度。 “AI+出行服务 ”显著提升出行效率。 智能导航系统拥有 海 量数据 库，沉 淀用户出行线路、时 长 、易堵车地 点和历史 堵车时长等信息。借助深度学习 等 人工 智能技术， 智 能 导航 系 统 能够 综合考虑拥堵 情况 、道路等级和用户偏好等因素， 推算不同线路的通行时长，提供出行建议。通过提前规避拥 堵路段、减少红绿灯等待时间和选择高等级道路等方式， “AI+出行服务 ”能降低道路通行时间，提高出行效率。 “AI+智能汽车 ”开创人车智能交互新体验。 传统汽车系 统需要 “人适应车 ”，驾驶员需学习众多指令才能使用车内功 能。 “AI+智能汽车 ”力争 实现 “车适应人 ”， 通过 人工智能算法 学习 驾驶员和乘车人习惯，打造优质人车 交互体 验。利 用摄 像头、麦克风阵 列 、芯片平台 与 CAN总线等功能模块 结合 工智能算法 ， 智能汽车 可 打造 多 模 人车交互，实现智能座椅 记忆、唇语表情控制、驾驶疲劳检测、紧急情况制动等多种 功能，将驾驶员从车内交互中解放出来，专注于驾驶本身。 （ 4） AI+能源 ：助力能源开发、能源分配、节能减排 ， 提高 能源系统运行效率 “AI+能源 ”是指充分应用人工智能、大数据等技术对各 类能源的开采、生产、使用、调度、输配、储存、销售与使 AI新基建发展白皮书 11 用等业务数据、性能数据和运维数据进行实时监测、分析和 计算，并在此基础上进行实时预测、多参数寻优处理和闭环 控制，促进 能源和信息深度融合，满足 能 源供给侧、 能源需 求侧和能源管理者的广泛参与，使 能 源系统运行达到 最 佳 状 态。 “AI+能源 ”助力能源开发。 在能源产业链上游，人工智 能可赋能石油炼化、能源生产、核能发电等领域。在石油炼 化领域，人工智能可通过分析石油炼化中化学原料的最佳比 例，自动按最佳比例添加以实现效率最大化。在能源生产领 域，人工智能可通过分析设备的工况实现趋势预警，避免生 产事故发生。在核能发电领域，人工智能 技术贯穿核电机组 全生命周期，从核燃料组件接收进入核电站，到作为乏燃料 运出核电站，人工智能技术能够对核燃料组件的位置 移动、 装料卸料等每个细节 提 供准确、科 学的指导。 “AI+能源 ”助力能源分 配 。 人工智能可以 通 过 预测分析 能源分配情况提高能源分配效率、降低运营成本。在智能电 网领域，利用人工智能算法对维护电网所需的工作量和客户 消费行为进行预测，根据预测结果进行资源的调度，可以实 现供需的最佳平衡。在管道运输领域，智能调控系统可以帮 助提高石油、天然气等能源的调度效率。在能源并网领域， 人工智能可用于预测风能、太阳能等清洁能 源的发电情况， 结合下游的电量消耗量智能调节传统能源发电的输出量，实 AI新基建发展白皮书 12 现不同能源的高效并网。 “AI+能源 ”助力节能减 排。 利用人工智能算法可以 让 能 源消耗进 行自适应调节，最大限度降低能耗。 在数 据 中心等 耗电量高 的 场 景， 人工智能能够预估单位负载，优化冷却系 统，实现高效设备管理。在日常生活以及办公场所中，依靠 人工智能算法构建的智能系统能够自行进行灯光调整、暖气 调整、空调调整，降低能源开销，既避免了能源浪费又提高 了工作者的舒适度。 （ 5） AI+金融 ： 赋能 金融服务、数据处理、系统风控 ， 优化金融体系运作方式 “AI+金融 ”是指将人工智能、大数据等技术应用到金融 领域，优化升级传统金融业务的运作方式和流程，并衍生出 新的产品和服务，从而全方 面提升金融生态的供给能力 、 风 控能力和 运营效率。 “AI+金融 ”推动金融 服 务智能化。 随着 机 器 学习、知识 图谱、自然语言处理、计算机视觉等技术在金融行业深入应 用，金融服务走向智能化、个性化。自然语言处理通过对词、 句子以及篇章进行分析，帮助客服、投研 等领域有效提升回 复和分析效率；计算机视觉技术广泛应用于身份验证和移动 支付等环节；机器学习通过高效分析客户信息及财务状况， 为客户智能推荐个性化的金融服务， 节省金融机构和用户的 成本，极大地提升了客户的满意度，使投资、保险、信贷等 AI新基建发展白皮书 13 服务业务更主动、更个性化、更智能。 “AI+金融 ”提升金融数据处理能 力 。 日常金融 交易产生 的海量数据存储形式多样，且非 结 构化数据所占比 例 较 高， 人为分 析 处理耗时耗力。人工智能可通过深度学习技术把非 结构化数据转化为结构化数据进行分层存储，有效地加以分 析利用，提高金融大数据的服务质量。同花顺推出 的 人工智 能平台，汇集 了 来自政府、媒体门户网站、交易所、科研院 所跨行业的数据，使用人工智能技术进行分析和挖掘， 可 进 行自主学习、科学分析和智能决策。 “AI+金融 ”提升金融系统安全性。 长期以来，金融业面 临着各种风险和攻击，人工智能系统可以自主学习和调整优 化，丰富和完善知识 体系，持续优化风险防控模 型 ，有效提 高 金融风险防控能力，从而保证金融体系的 安 全。例如，在 授 信 环 节，人工智 能系统能够 全面收集客户信息，降低人为 因素的影响，提升授信效 率和准确性。 二、 AI新基建发展现状 （一） 总体态势 1.我国高度重视 AI新基建发展 基础设施建设迎来新机遇，发展 “新基建 ”重要性凸显。 2018年 12月 ， 新型基础设施 建设 在中央经济工作会议中首 次被提出 ，此后 “新基建 ”受到持续关注。 2019年 3月，政 府工作报告提出要 “加强新一代信息基础设施建设 ”。 2019 AI新基建发展白皮书 14 年 12月中央经济工作会议重申要 “加强战略性、网络型 基础 设施建设 ”。 2020 年 2 月，中央 全面深化改革委员会第十二 次会议提出要 “统筹存量和增量 ， 传 统和新型基 础设施发展 ”。 2020年 4 月，国家发展和改革委指出 “新型基础设施是以新 发展理念为引领，以技术创新为驱动，以信息网络为基础， 面向高 质量 发展需要，提供数字转型、智能升级、融合创新 等服务的基础设施体系 ”。 2020年 10月，党的十九届五中全 会审议通过中共中央关于制定国民经济和社会发展第十四 个五年规划和二 三五年远景目标的建议，提出 “系统布局 新型基础设施，加快第五代移动通信、工业互联网、大数据 中心等建设。 ”2020 年 12月，中央经 济工 作会 议提出 “要 大 力发展数字经济，加大新型基础设施投 资 力度 ”。 人工 智 能 作为 “新基建 ”的重要领域之一，受到广泛关 注。 我国高度重视人工智能产业发展，出台多项政策，加大 对人工智能产业发展的支持力度，持续推动人工智能与 实 体 经济 深度融合。 2017年 7月，国务院印发了新一代人工智 能发展规划，对 我国 人工智能发展的总体思路、战略目标 、 主要任务 和 保障措施进行了系统规划和部署。同年 12 月， 工业和信息化部印发促进新一代人工智能产业发展三年行 动计划（ 2018-2020 年），加强人工智能产业发展系统布 局 ，明确了产业发展的 重点 和目 标。 2020年 7月，国家标准 化管理委员会、中央 网 信办、国家发展 改 革 委、科技部 、工 AI新基建发展白皮书 15 业和信 息化部联合发布了国家新一代人工智能标准体系建 设指南， 对 人工智能领域标准化 进行了 顶层设计，促进产 业健康发展。 2.地方政 府积极 布局 AI新基建 北京、广东、上海、江苏、浙江等地 “领头羊 ”优势显著， 具有良好的发展基础，是 AI新基建的引领者。 北京 打出 政 策 “组合 拳 ”。 早在 2017年 北京 就出台了北京市加快科技创 新培育人工智能产业的指导意见 ， 2020年 又出台 北京市 加快新型基础设施建设行动方案（ 2020-2022年）， 指出 “支 持 算力、 算法、算量 基 础设施建设 ”“推进高端 智 能芯片及 产 品的 研 发 与产业化 ”“加强深度学习框架与算法平台的研 发、开源与应用 ”“形成智能高效的数据生产与资源服务中 心 ”，全方位展开 AI新基建布局。广东省市两级 “同发力 ”。 在省级层面，广东省 2018年印发广东省新一代人工智能 发展规划，在市级层面，深圳市 2019年印发深圳市新 一代人工智能发展行动计划（ 2019-2023年） 、 广州市 2020 年印发广州市关于推进新一代人工智能产业发展的行动计 划（ 2020-2022年）。 2020年，广 东省印发的广东省 推 进 新型 基础设施建 设三年实施方案（ 20202022年 ） 明确 提出要 “加 快 广州、深圳 国家新一代 人工智能创新发展试验区 建设 ”。 安徽、山西、贵州、四川、湖北 等省份结合自身优势， AI新基建发展白皮书 16 选择切入点，努 力把握 AI新基建机遇。 安徽省 以智能语音 为特色， 做强 “一核 ”，以中国（合肥）智能语音及人工智能 产业基地（中国声谷）为人工智能产业发展核心区；立足 “两 地 ”，依托芜湖和马鞍山战略性新兴产业集聚发展基地，打造 智能工业机器人和特种机器人产业集聚区；面向 “多点 ”，在 宿州、淮南、蚌埠等地 布局 云计算、人工智能产业 ，不断打 造以智能 语音为核心 的 AI 新 基建空间布 局。 山西以数据标 注为切入点， 2019年 发布山西省加 快 数 据标注产业 发展的 实施意见 ，着力 构建集数据采集、数据清洗、数据标注、 数据交易、数据应用为一体的基础数据服务体系 。 2018年山 西省引入百度（山西）人工智能数据标注产业基地，又陆续 从全国各地引入 30 多家数据标注企业，如今已成为全国范 围内人员和产值规模最大的单体数据标注基地，逐步形成数 据标注产业集聚发展态势，为 AI新基建发展构建数据基础。 3.AI新基建 投资市场 不断 升温 2020 年以来，新冠疫情给各行各业 发展 带来挑战， “新 基建 ”作为稳投 资、 促发 展的 重要战略抓 手，成为资本市场的 新热点，人工智能作 为 “新基建 ”的重 要 领 域之一，对支撑各 行各业实现数字化、智能化转型具有重要意义。 AI 新基建投资活动迈入活跃期，科技巨头纷纷加速布 局。百度 发布 AI新基建版图，预计 将投入超过 500万台 智 能云服务器 。 阿里 宣布未来 3年 围绕 云操作系统、服务器、 AI新基建发展白皮书 17 芯片、网络等领域的研发和建设 投入 2000亿元 。 腾讯 宣布 5000亿元加码 “新基建 ”，重点在区块链、服务器、大型数据 中心、超算中心等领域投入。 投融资市场有所回暖，融资总额再攀新高。 算法、算力、 数据等 AI新基建 领域投资火爆 ， 与去 年相 比， AI新基建 领 域融资 金额有所增加 ，大额融资向头部 企 业集中。根据 IT 桔 子数据， 2020年 AI领域投资事件 644起， 与去年基本持 平 ， 全年 融资金额 1773亿元，同比增长 72.8%。 其中，基础 层的数据平台、算力资源、传感系统领域融资事件分别 49、 43、 54起，算法层的通用算法应用、技术平台融资事件分别 为 37和 8 起，消费级终端和行业解决方案融资事件分别为 24和 107起。 图 2 2020年中国 AI领域融资事件数统计图 资料来源： IT桔子，国家工业信息安全发展研究中心整理 智能驾驶、智能机器人 等领域大额融资云集 。 据 不 完 全 统计 ， 2020年智能驾驶 领域 获得融资的企业超 过 22家，单 笔融 资 过 亿元的企业超过 10 家，智能驾驶成为平均单笔融 AI新基建发展白皮书 18 资最高的板块，其中，小鹏汽车、小马智行和威马汽车分别 获得 5亿美元、 4.62亿美元和 10亿人民币的融资，位列 2020 年国内智能驾驶领域单笔融资前三甲。在机器人领域，轻型 工业机器人研发商珞石机器人获 1亿人民币 C轮融资。自动 商用扫地机和服务式机器人开发商高仙机器人获 1亿元人民 币战略投资。智能送餐机器人系统服务商普渡科技连续获得 亿元以上 B轮和 B+轮融资。智能骨科手术机器人研发商键 嘉 机器人获亿元以上 B轮投 资。 4.AI新基建成为重点科研方 向 2020年， 在 “新基建 ”政策 引 领 下，我国高等院校、科研 院所和企业等主体高度重视 人工智能领域 科研攻关， 相关 专 利申请和授权量均持续攀升。 人工智能 专利申请及授权数量保持上升趋势。 据国家工 业信息安全发展研究中心统计，截至 2020年 10月，人工智 能专利申请共计达到 69.4万件，同比增长 56.3%。互联网企 业和高等院校是人工智能专利技术发展的主力军。百度、腾 讯、阿里巴巴等互联网企业在专利申请量和授权量中名列前 茅，华为、浪潮等信息技术制造业企业体现出了雄厚的研 发 实力。百度分别以 9364件专利申请 和 2682件专利授权均居 于首位，华为 在 专利申请总量和 授 权 总量中分列 第三、第二 位。清华大学、浙江大学、北京航空航天大学等高等院校成 为人工智能领域的重要创新主体。 AI新基建发展白皮书 19 图 3 人工智能申请人专利申请数量排名 资料来源：国家工业信息安全发展研究中心 图 4 人工智能申请人专利授权数量排名 资料来源：国家工业信息安全发展研究中心 5.各类企业主体发力 AI新基建 为把握 AI 新基建发展机遇，各类企业主体纷纷发力， 结合自身优势布局 AI 新基建不同环节，抢占人工智能发展 先机。 AI新基建发展白皮书 20 图 5 AI新基建生态 图谱 资料 来源 ：国家工 业 信息安全发展研究中 心 互联网巨头企业 发 展基础雄厚，推 进 全产业链布局。 互 联网巨头企业在人工智能领域技术积累深厚， 凭借强大的资 源整合能力，建立通用型人工智能开放平台，实现全产业链 布局，既是 AI 新基建的建设者，也是人工智能技术及应用 的引领者。例如，百度正在依托全栈、领先的人工智能技术 打造 AI新型基础设施，其 “百度大脑 ”集成了 飞桨深度学习平 台、百度昆仑芯片以及语音、视觉、知识图谱、自然语言处 理等人工智能核心技术和平台，持续赋能 智慧城市、智能交 通、智慧金融、智能制造、智慧能源、智慧 医疗等应用场景， 发 挥 “头雁 ”效应，赋 能传统行业。 人工智能初创企业快速成 长 ，面向特定领域 深 耕 细作 。 初创企业虽然起步相对较晚，但创业团队多为技术型人才， 研发实力较强，在部分细分领域已经具备了一定的技术优 势，迅速成长为独角兽企业。如商汤科技专注计算机视觉和 深度学 习技术，建设了 “智能视觉国家新一代人工智能开放创 AI新基建发展白皮书 21 新平台 ”。 传统行业企业依托渠道优势，发力智能化转型升级。 制 造业、医疗、能源等传统行业企业发挥其多年积累的品牌、 渠道、市场占有率等优势，开发特定行业的人工智能解决方 案，推动人工智能与企业生产运营各环节融合。 如海尔推出 智慧家庭 U+人工 智能解决方 案，实现了 “人工智能 +智慧家 庭 ”的规 模 化推广和应用。 （二） 细分领域 1.AI算力 成为重点发力方向， 市场 规模不断增长 AI芯片成为我国 AI企业的重点发力方向 。 百度、华为、 阿里巴巴、寒武纪、依图科技等企业纷纷开启 AI芯片布局， 依托自身业务优势发布了相关芯片。 百度昆仑已实现量产和 应用部署，量产约 2万片，性能相比 T4 GPU提升 1.5-3倍 ， 华为 昇 腾 910成为全球单芯片计算密度较大的 AI芯片之一， 阿里巴巴含光 800效能表现出色，寒武纪思元 270采 用 自主 研发的 MLUv02指令集，依图 求 索最大功耗仅 20W， 同 等功 耗下的性能 表现突 出 。 AI芯片市场规模不断增长。 随着下游 需 求 的不 断涌现， 各行各业对 AI芯片的需求正快速上升，带动 AI芯片市场持 续增长。艾媒咨询数据显示， 2019年中国 AI芯片市场规模 约为 115.5亿元，预计 2023年市场规模将突破千亿元，增长 幅度远超传统芯片市场。 AI新基建发展白皮书 22 云计算和智算中心成为“新基建”的重要风口。 以云计 算和智算中心为主的算力基础设施成为了“新基建”的重要 风口，大量龙头企业纷纷布局。 百度阳泉云计算中心规划建 筑面积超过 20万平米，服务器装机能力超过 28万台，在数 据存储规模、计算能力和环保节能三方 面都 处于亚洲领先水 平。 2018年华为宣布 “无边界计算 ”战略，致力于提供 全栈 AI计算平台，打造无边界智能计算世界，从而满足企业在计 算、数字化转型以及智能化的应用场景。 2020上半年，浪潮 发布 AI训练服务器 NF5488A5、 单机性能高达 4亿亿次每秒 的超强 AI服务器 NF5888M6、 AI开放加速计算系统 MX1 和智算中心调度系统 AIStation。 代 表 案 例 2018年，百度正式发布自研的 云端 AI通用 芯片 “昆仑 ”， 加强人工智能基 础建设。 百度昆仑 1已实现量产和应 用部署，量产约 2万片，性能相比 T4 GPU 提 升 1.5-3倍；百度昆仑 2预计在 2021年上半年实现量 产，与百度昆仑 1相比 性能将提升 3倍。 2019年，华为发布人工智能平台 Atlas900，提升多领域计算效率。 Atlas900 平台由 1024块华为 昇 腾 910芯片组成，总算 力相当于 50万台个人电脑的计算 能力，可明显提升天文探索、气象预测、自动驾驶、石油勘探等领域的计算效 率。 2020年，阿里巴巴发布高性能 AI训练集群 EFlops，缩短业务模型迭代周 期。 EFlops训练 集群 已应用于阿里巴巴计算平台的人工智能训练平台。 该系统 服务于阿 里巴巴人工智能业务的模型 训练， 大幅缩短业务模型迭代周期，达到 了预期性能和成本收益。 2020年，浪潮人工智能资源平台 AIStation赋能深圳大学，解决 AI算力 AI新基建发展白皮书 23 资源调配和管理难题。 AIStation将 GPU资源利用 率提升至 60%以上，整体开 发工作效率提 升 75%，促进深圳大学 AI科研 和教学工作驶入快车道。 2.AI数据逐步迈向开放化、专业化，高质量数据集成为 重点 构建开放数据集成为主流发展方向。 为降低人工智能的 开发成本，各级政府、龙头企业把目光投向了数据集的开放 工作。 2018年 1 月，济南市政府 成立了数据开放 平台， 53 个部门的 1010个数 据集正式对外开放，有力的促进了济南 人工智能创新应用先导 区的发展； 2020年 12月，湘江智能 成立了智能网联汽车数据服务平台，面向生态企业开放数据 资源，对湖南（长沙）国家级车联网先导区发展 起到促进作 用。 数据交易平台助力数据资 源流通共享。 国务院促进大 数据 发展行动纲要提出 “鼓励产业链各环节市场主体进行数 据交换和交易，促进数据资源流通，建立健全数据资源交易 机制和定价机制 ，规范交易行为 ”。在国家政策的积极推动、 地方政府的大力支持和产业界的不懈努力下，数据交易平台 得到了极 大发展。以贵阳 大数据交易所为例， 2018年 3月， 该所拥有的会员数目已经突破 2000家，并接入 225家优质 数据源，可交易的数据总量超 150PB，涵盖 30多个领域。 数据标注产业快速发展，专业化水平逐步提高。 据中国 产业信息网数据显示 ， 2019年我国数据标注市场规模达到 84亿元，且保持着 60%的高增长 率。 随着人工智能在工业、 AI新基建发展白皮书 24 农 业、医疗、金融等行业属性较强的垂直领域加速落地，数 据标注的需求正逐渐转向个性化、场景化和准确化，数据服 务供应商的技术实力、精细化管理能力、流程把控能力不断 提升，数据标注行业走向专业化、精细化 、定制化。 代 表 案 例 2014年，贵 州省政府、贵阳市政府支持成立贵阳大数据交易所，搭建 数据 交易平台。该交易所为中国乃至全球第一家大数据交易所， 贵阳大数 据