ibm商业价值报告:认知计算与人工智能-人工智能丨研究报告：道阻且长，行则将至

人工智能丨研究报告

导语：

艾瑞连续第五年发布《中国人工智能产业研究报告(V)》，聚焦于2022年，这一历史上极为重要一年中我国AI产业参与者的特征表现；探讨AI产业在我国经济发展中的价值与地位；分析预训练大模型、ChatGPT、AI芯片、决策智能、虚拟数字人等产业进阶突破点；洞察AI各细分赛道市场现状及参与者的发展路径。希望通过本报告，为读者呈现人工智能产业全貌，提供辨析和判断人工智能行业未来发展的方法启发。

“道阻且长，行则将至。行而不辍，未来可期。”纵览人工智能产业近年发展，产品及服务提供商围绕技术深耕、场景创新、商业价值创造、精细化服务不断努力；需求侧企业也在从单点试验、数据积累到战略改革的发展路线上与AI技术逐渐深度绑定。AI成为企业数字化、智能化改革的重要抓手，也是各行业领军企业打造营收护城河的重要方向。落地AI应用对企业业务运营的商业价值与战略意义越来越明确。供需向好趋势下，艾瑞预计2022年我国人工智能产业规模达到1958亿元。

人工智能参与社会建设的千行百业

价值性、通用性、效率化为产业发展战略方向

基于软件服务、云服务、硬件基础设施等产品形式，结合消费、制造业、互联网、金融、元宇宙与数字孪生等各类应用场景，人工智能赋能产业发展已成为主流趋势。艾瑞预计，2022年我国人工智能产业规模达到1958亿元，人工智能的产品形态和应用边界不断拓宽；2022年，人工智能产学研界在通用大模型、行业大模型等促进技术通用性和效率化生产的方向上取得了一定突破。商业价值塑造、通用性提升和效率化应用是AI技术助力产业发展、社会进步和自身造血的要义。

城市算脑建设推动区域发展与产业升级

各地加速布局区域智算中心，夯实AI算力基础设施

基于对支撑AI应用及研发的智能算力需求扩大、以及全国算力枢纽一体化和“东数西算”的工程建设方向，近两年来各地对人工智能计算/超算中心（简称智算中心）的关注度和投资增多。我国目前有超过30个城市建设或提出建设智算中心，其中已有近10个城市的智算中心投入运营，为当地各行业领域提供算力支撑。通过智算中心建设，对区域经济发展和产业升级有明显推动作用，同时可提高城市治理智能化水平和城市竞争力。从政府投资角度看，智算中心产业发展尚处于初期阶段，建设、运营、应用推广与生态建设、节能环保要求等投入较大，需结合地方财政能力合理评估ibm商业价值报告:认知计算与人工智能，根据实际需求适度超前部署机柜。

人工智能产业投资热度仍在

融资向中后期过渡，视觉赛道上市浪潮涌动

统计时间内，Pre-B～B轮+及以后轮次的人工智能产业创投数量逐渐成长，资本流向稳定发展企业，融资逐渐向中后期过渡。继2021年底商汤科技上市后，格灵深瞳、云从科技、创新奇智等在2022年也实现了上市目标，部分计算机视觉赛道企业已完成交表动作。虽然，相较2021年，2022年我国人工智能产业资本市场投资金额整体缩水，但投资标的更加丰富，孵化出AIGC、元宇宙、虚拟数字人等新投资赛道，认知与决策智能类企业也吸引更多关注，智能机器人、自动驾驶两类无人系统是融资的热门赛道。

人工智能产业市场规模

2022年市场平稳向好，市场规模近2000亿元

艾瑞定义我国人工智能产业规模涵盖AI应用软件、硬件及服务：主要包括AI芯片、智能机器人（商用）、AI基础数据服务、面向AI的数据治理、计算机视觉、智能语音与人机交互、机器学习、知识图谱和自然语言处理等核心产业。据测算，2022年中国人工智能产业规模达1958亿元，年增长率7.8%，整体平稳向好。2022年的业务增长主要依靠智算中心建设以及大模型训练等应用需求拉动的AI芯片市场、无接触服务需求拉动的智能机器人及对话式AI市场，除此之外的增长动力将在第三章详细阐述。目前中国大型企业基本都已在持续规划投入实施人工智能项目，未来随着中小型企业的普遍尝试和大型企业的稳健部署，在AI成为数字经济时代核心生产力的背景下，AI芯片、自动驾驶及车联网视觉解决方案、智能机器人、智能制造、决策智能应用等细分领域增长强劲。2027年人工智能产业整体规模可达6122亿元，2022-2027年的相关CAGR=25.6%。

人工智能产业图谱

本节内容选取预训练大模型、AI芯片、决策智能和虚拟数字人作为2022年度AI产业发展具有代表性的模型架构、硬件产品、解决方案和软件产品进行分析，阐述四者对未来AI产业发展的重要意义。

预训练大模型范式加速落地

提速AI工业化生产进程，规模化商用仍需突破

AI的认知与应用是没有边界的，仅靠极少量的AI科学家和AI技术企业无法推动整个物理世界和数字世界的智能化。因此，如何为AI开发效率加杠杆，倍数释放AI生产力，成为了AI产学研界关注的核心问题之一。近年来，依托智能算力基建化、海量数据积累与治理、深度学习算法突破等，作为一种新兴的AI计算范式，超大规模智能模型（又称预训练大模型）的泛化性和通用性提升，可应用到更广阔的下游任务及场景中解决AI应用的长尾问题；并且能够实现AI模型研发-部署-应用的流程标准化提升，提升AI研发效率。2022年，语言大模型与产业应用的衔接也日渐紧密，行业领军企业积极推出适合具体业务场景的行业大模型。通过提供算力、核心算子库和软件平台一体服务，帮助企业将基础模型能力与生产流程融合，与头部客户合作推广落地案例。但纵观整个AI产业，大模型的规模化商用仍需突破算力基建的承载能力、业务场景目标明确及适配、投入产出比、模型开源及交互等问题。

ChatGPT热潮

ChatGPT产品价值与落地挑战

2022年AIGC创业浪潮席卷国内外，但国外一批早期成立的AI绘画产品公司已因为用户付费无法覆盖成本，于年底宣布关闭平台。迈入2023年，OpenAI的ChatGPT产品所带来的搜索与问答功能提升和类人的交互体验，使AIGC技术的商业落地开启了新的征程；国内厂商也紧随其后公布了类ChatGPT的产品研发或者上线计划。但无论AI技术革新引发的关注与讨论多热烈，最终仍需回到技术产品化的主线上：生成速度、调用成本、内容质量的安全可控及版权归属等问题仍是AIGC面临的关键挑战。对于我国企业来说还需解决：大模型技术迭代和AIGC产品训练都会受到智能算力制约，芯片“卡脖子”问题摆在面前；国内厂商的预训练大模型技术水平仍落后于海外头部企业，应用侧基于国外厂商的API调用进行模型训练也面临限制。但对于国内AI芯片公司、手握海量数据资源的互联网巨头、具备“数据飞轮”的解决方案商、瞄准AIGC赛道的创业企业，是挑战也是机会，ChatGPT的热潮也带来了资本市场和消费者对AI产业热情的再次迸发。

中国AI芯片产业的逆风而行

互联网与创业厂商积极入局，基于切入点选择不同芯片架构

面对国外厂商的垄断压力，国内互联网厂商与AI芯片创业厂商积极入局，选择ASIC-DSA或GPGPU等细分产品架构切入中国AI芯片市场。从产品进展来看，互联网厂商依托于持续研发投入、雄厚技术实力与内部应用场景进展领跑，以华为海思与百度昆仑为代表的云端AI芯片产品现已达到数万片量级的落地规模，在实现自身应用的同时完成部分对外的销售落地。中国ASIC初创厂商多已完成产品迭代，与互联网短视频，泛安防厂商或车企达成联盟协作，有序进入产品验证、小规模销售或规模化应用阶段；中国GPGPU厂商产品也在今年陆续完成点亮发布。综合来看，中国AI芯片厂商已脱离早期的愿景情怀阶段，产品实现切实落地，未来将更强调系统集群与软件生态的建设，自主可控基底不断加厚。

2022年10月7日，美国对中国半导体产业的禁令管制再一步升级，海外英伟达、AMD等大算力AI训练芯片产品受到管制禁售，同样，国内在阈值范围内的AI芯片厂商将受到代工厂的供货限制，这为中国AI芯片厂商带来挑战与机遇。面对代工产能限制，中国AI芯片厂商将积极推动上下游创新，完善中国半导体产业链工艺，或通过调整产品参数的方式绕过代工限制。而海外产品禁售后的参数调整期也给中国AI芯片厂商带来窗口机遇期，在产品切实落地并得到客户验证许可的商业化基础上，我国厂商将持续进行下游应用拓展，同时加重对AI芯片的软硬件建设，通过场景需求理解与软件生态培育加速实现AI芯片的国产化应用。

决策智能驱动数据与知识价值释放

深度学习、运筹优化、NLP、知识图谱等技术的高度产品化整合

决策智能一词由谷歌于2019年成立同名部门后逐渐为人熟知，这并非是一个底层技术层面的确切定义，而是从商业价值的视角，强调AI需要在辅助和替代人进行各类决策方面发挥实际效果。当前市场对决策智能的理解范围和侧重各不相同，狭义的决策智能最贴近“决策”一词的原始含义，仅指在多种可能的方案和路径中做最佳选择的优化类问题。这类问题在现实中渗透极广。但落地应用技术难度高，大多以运筹学为根基、融合AI能力、在解决大规模复杂问题时需使用求解器，商业应用尚处于起步阶段。广义的决策智能泛指能够指导人更科学和准确地做出判断及决策的AI产品，基于规则、诊断、预测的结果，叠加对环境动态的把握形成最终决策，主要使用机器学习、NLP、知识图谱技术，辅以计算机视觉、智能语音等技术形成高度场景化的解决方案。在实际应用中，静态决策如何进一步提升行业场景渗透，复杂动态决策如何脱离仿真环境，仍需产学研各界长期探索和努力。

虚拟数字人产业供需分析

以服务产业与泛娱乐场景为核心应用，产业链协同仍需优化

从落地产业来看，虚拟数字人的应用场景可分为服务产业与泛娱乐产业。从落地效果与应用效益的甲方角度出发，虚拟数字人率先在非交互场景开展规模化落地。而虚拟数字人产业链仍存在割裂现象，人物制作、驱动表达、内容生产、运营服务等产业链环节分散在各个主体之间，生产制作难以达到高效协同，极大限制虚拟数字人产业在成本、效率、交付的迭代调优。具备全栈集成能力的大型互联网厂商正尝试通过生态开放、平台建设集成各环节资源，为客户提供覆盖全流程、低成本、短周期的虚拟数字人平台，降低虚拟数字人产业的应用门槛。

虚拟数字人商业化路径探讨

打造虚拟世界基础设施，深层变现渠道仍在探索

本节内容选取计算机视觉、智能语音和人机交互、机器学习、知识图谱、自然语言处理、AI基础数据服务、面向AI的数据治理和智能机器人细分赛道，进行投融资、市场规模、典型产品及细分应用领域、产业链玩家、技术趋势等分析。判断各个细分赛道业务增长动力以及为厂商发展路径提供思考。

计算机视觉依然是AI产业规模的主战场

软硬一体产品和AI公有云趋势助推近千亿级大赛道

赛道参与厂商众多，包括AI视觉软件算法厂商、传统安防厂商、云服务厂商、视觉模组等硬件厂商和承担项目实施的集成商。各家以应用场景、产品类型（软硬一体、纯软标准化平台/定制化软件解决方案、硬件）、渠道经验等为市场切入点，选择一个或多个垂直业务领域。据艾瑞测算，2022年我国AI视觉产品的市场规模占整个人工智能行业的42.4%，达到830亿元。2027年相应规模可达到1644亿元，2022-2027年的相关CAGR=14.6%。聚焦2022年分行业情况，泛安防市场基于软硬一体的产品形态与丰富的长尾需求场景，市场规模占比最高，达到56.5%；AI公有云趋势也助推API形式的CV技术应用增多，互联网领域营收占比位居第二，达到11.0%；占比较高的行业领域还有金融、工业、医疗等，工业领域占比有逐年走高趋势。

计算机视觉落地行业赛道特征及竞争策略探讨

营收增长和业务持续是核心生命力

（1）针对泛安防（公安交通、社区楼宇）、金融等主管部门释放了明确利好信号或大额持续投资的成熟赛道，主要机遇在于将产品打磨到足够精准、鲁棒性足够强，以便进入高门槛的准入供应池，同时通过解决高难度识别需求的硬实力卡位；（2）针对医疗、能源和工业等具有战略意义、发展空间极大，但或陷入长审批周期、或限于审慎性难以快速释放市场需求的行业，主要机遇在于抢先进入行业生态圈，谋划通过政府、核心集团企业等途径，积极参与公共服务平台建设，建立从上向下拓展的先发优势，获得大量训练数据与场景理解，形成产品提升的护城河；（3）针对零售、农业等长尾需求频发或数字化水平较低且对价格敏感的行业，主要机遇在于优化产品成本、降低部署及运维难度、打通渠道以占领市场份额；（4）针对机器人（AGV/AMR/机械臂）和自动驾驶等技术融合应用领域，除算法开发的硬实力外，视觉识别技术提供商也需具备联合开发的软能力。

人机交互领域-市场规模

2022年规模超百亿，关注元宇宙/多模态AI驱动的C端应用

据艾瑞测算中国人机交互产业规模核心包括消费级硬件、对话式AI两类产品。其中，消费级硬件产品即为加载智能对话系统的消费级智能硬件，以语音助手、智能穿戴、智能音箱、智能家居、智能车载、服务机器人（实体）等为典型产品代表，规模口径为硬件产品中的AI语音软件应用。对话式AI产品即为将智能对话系统加载在服务场景的对话机器人，以文本机器人、语音机器人、多模态数字人等为典型产品代表，广泛应用于客服、营销、内部问答、泛娱乐等对话交互场景。2022年，中国人机交互领域的消费级硬件产品规模与对话式AI产品规模分别为43亿元与65亿元，总规模达到109亿元。未来，受元宇宙、物联网、5G、多模态AI等融合技术驱力推动，预计2027年中国人机交互领域的消费级硬件产品规模与对话式AI产品规模分别达到177亿元与107亿元，总规模达到285亿元，2022-2027总规模CAGR=21.2%。

人机交互领域-技术创新

期待开放域与封闭域的有机结合，让人机交互无边界

2022年末，ChatGPT模型爆火出圈，以流畅的语言组织能力，超拟人化的文本水平与超强的逻辑能力惊艳亮相，迅速获得全球关注。相较于其他语言模型，虽然ChatGPT做到了“多轮交互”、“分辨不正确前提”、“承认错误”等智能化表现，但还会出现回答内容有误等情况，因此未来像ChatGPT一样的大模型在开放域对话的商业化落地场景与内容确定边界还需进一步讨论。或可先作为辅助性工具，在一些对内容精确度及所有权归属要求较低的场景率先尝试应用。另外，人机交互的应用突破还可期待于开放域与封闭域的有机结合。因封闭域对话存在知识边界，在知识库内出现难以回答、答非所问的情形时，客户会觉得未获取到自己想要的回答而降低对AI的认可度。而开放域的发展突破可拓宽封闭域的对话边界，两者可各司其事，在封闭域内满足内容专业度，在开放域满足交互需求，助力人机交互更多应用到营销对话等半标场景。

机器学习产品核心指标表现与建设现状

业务知识储备普遍欠缺，项目帮带为业务建设核心环节

综合供需两侧，艾瑞将机器学习开发平台拆解出：IT基础支持与架构设计、产品功能设计、业务知识储备三个核心一级评价指标，一级指标各对应相应的二级指标。在硬件资源支持、平台模块封装等二级指标的表现上，供给侧技术强项指标都超过了需求侧侧重的技术指标，这意味着供应商比较难以凭借这些同质化、未击中客户关键业务痛点的指标形成产品差异化优势。而在行业知识积累、数据治理等二级指标的表现上，供给侧技术的表现较弱，这恰好反映了当前供应商在开发层面的短板，补足这些短板是打造产品核心竞争力的关键。此外，机器学习产品当前在架构建设上仍以大数据中下层建设为主，上层应用开发主要局限在金融行业；在业务建设上以供应商对客户进行帮带学习为核心环节，旨在培养客户的自主开发与学习使用能力，逐步摆脱传统业务模式与过度依赖乙方的窘境。

机器学习参与者在产业链核心环节表现

AI企业具备模型开发优势，将强化决策智能布局；数据平台服务商、互联网大厂具备数据能力优势，将深入应用开发

AI基础数据服务厂商及产品发展趋势

科技巨头自建标注团队趋势萌芽；合成数据将迎来发展

（1）AI基础数据服务商主要有众包平台服务商和自建外包一体化服务商两大类，两者之间也存在交叉。随着科技巨头对高精度训练数据集需求的增强，自建团队的趋势也愈发明显，以保证标注人员对数据集产品的理解和训练数据质量把控。现阶段自建多为初步尝试ibm商业价值报告:认知计算与人工智能，致力于垂直细分场景的数据集合、敏感数据集开发、以AI技术反哺提高标注智能化水平等。但基于成本及规模化效益考虑，自建巨头仍会外采基础数据服务产品；

（2）现象级应用ChatGPT的出现以及席卷全球的对话大模型开发浪潮为AI基础数据服务产业发展带来助力——对于互联网公开数据需要运用文本分类标注、对话语料构建等标注类型帮助模型调优，避免恶意和偏见内容等AI伦理问题。目前服务商普遍AI视觉和智能语音数据集产品的占比较高，NLP相关业务占比较低。此轮产业机会需要服务商加深对NLP数据集和相关标注平台的开发优化；

（3）现阶段高质量、易监督数据存量见底，基于AIGC技术的合成数据或逐步成为AI训练的数据来源之一，解决AI模型训练中所需数据的“量、质与成本”限制。当然目前合成数据技术也在技术精度、人才匹配等上有自身局限，未来将与真实数据集产品合力成为AI产业的数据基石。

智能机器人行业融资热度及轮次分布

无人化趋势引爆智能机器人融资，资本逐渐青睐头部厂商

工业生产、公共服务等领域自动化和无人化全速推进，引发了一轮智能机器人赛道的投资热潮。2021-2022年，智能机器人赛道融资事件共83起，2022年融资笔数相比2021年增加一倍，融资金额多为亿级，总体呈爆发增长态势。从融资轮次看， 2022年B轮及以前的融资数量占比保持在60%左右，反映出这一赛道新势力仍在不断涌现，市场格局尚未形成；C轮及后续轮次占比明显增加，资本已经初步显现出向头部集中的趋势。值得关注的是，2022年战略投资显著增长，这主要源于智能机器人下游应用企业开始踊跃进行战略布局，如富士康投资工业机器人，首旅集团投资配送机器人等。

智能机器人厂商表现

槛内做深场景，槛外加强合作，产业生态日趋丰富完善

不同行业应用场景的高度差异化导致各场景使用的AI解决方案都需要单独开发，这也决定了智能机器人领域创业企业普遍采用深耕垂直场景的发展战略。从规模最大的工业和自主移动机器人两大市场来看，工业智能机器人产业成熟度略逊一筹，少数具备AI算法能力、专注垂直场景的软件算法公司正在成为核心力量，解决方案的进一步产品化也帮助算法公司和集成商各自归位，产业链分工进一步清晰和细化。自主移动机器人产业相对成熟，集中度较高，头部机器人厂商自己掌握AI算法能力，并以此作为护城河，独立算法厂商生存空间尚小，这也构成了移动机器人与非移动机器人产业链的主要差异。此外，由于结合机械臂和移动底盘的复合机器人市场需求越来越大，多关节机器人厂商和自主移动机器人厂商纷纷开始通过外采或合作方式开发复合机器人，产业合作进一步深化，长期来看利好整个机器人市场的高质量发展。

AI产业链各环节发展概况

AI进入良性循环带动期，产业链逐步成熟

随着人工智能在数据、算力、算法、工具、模型等方面的技术推进，AI已实现由实验室到产业应用的层级跃升，更广范围、更深层次地影响着中国的经济发展与生产生活方式变革。

AI产业趋势洞察

技术革新的原生驱力下致力产品化与规模化

作为可承担发展引擎功能的新兴技术，AI已成为国际科技竞争的焦点。顺应生成式AI、预训练大模型、国产AI芯片商业化落地、虚拟数字人等技术热潮，中国将持续加强人工智能布局，发挥政府及市场的积极性，共同推动普惠AI高质量发展。如何在AI新一轮发展热潮中抢抓机遇，是AI产业链各环节企业关注的核心议题。从业务持续的角度考虑，把握技术变革与产品应用的融合界限，致力解决质量、ROI、安全可信等核心瓶颈；根据企业产业链角色和应用场景特点，定位各类型厂商的差异化路径深耕实践，或是AI企业的制胜之路。