I 总报告
General Reports

B.1 2020年全球人工智能应用落地持续深化

明书聪 梁冬晗 王淼 黄金成[1]

摘　要：全球人工智能进入战略布局加快、产业应用加速发展落地阶段。2020年，人工智能技术取得了一系列重大进展，如机器学习算法取得突破，自然语言处理的语言能力显著提高等。新冠肺炎疫情防控加速了人工智能技术落地应用，机器学习、深度学习等技术因其自我学习和智能化特性在抗击疫情和经济恢复中发挥了巨大作用。中国新型基础设施建设为人工智能带来新机遇，在疫情防控驱动下人工智能融合应用落地速度显著加快。美国为了巩固其竞争优势，大力支持人工智能研发，推动人工智能安全和创新发展。欧盟走“监管与发展并重”的道路，力争通过制定行业标准、监管规则等引领全球人工智能发展方向。

关键词：人工智能技术；人工智能安全；新基建；可信人工智能；人工智能监管

Abstract: Global artificial intelligence has entered the stage of accelerating the strategic layout and accelerating the development of industrial applications. In 2020, artificial intelligence (AI) technology has made significant progress in many fields, such as machine learning algorithms and natural language processing language capabilities. The prevention and controlling efforts against COVID-19 accelerate the application of AI technologies which, represented by machine learning and deep learning, have played an important role in fighting the pandemic and recovering social economydue to their self-learning and intelligent characteristics. Aiming at sustaining its competitive edges, the United States spared no effort to support the AI technology industry and to promote the innovative and safety development of AI. The EU equally valued the regulation and the development of AI technologies, and strived to leading the development of AI through formulating industry standards and regulatory rules.

Keywords: Artificial Intelligence Technology; Artificial Intelligence Security; New Infrastructure; Credible Artificial Intelligence; Artificial Intelligence Supervision

一、全球人工智能技术与应用稳步推进，安全风险管理逐步成为关注重点

过去十年是人工智能快速发展的十年，2020年，虽然新冠肺炎疫情给全球经济社会发展带来了一定的冲击，但人工智能依然取得了重大进展，对世界的影响和重要性进一步凸显。在复杂国际形势和疫情冲击的双重影响下，全球围绕人工智能领域的布局和抢位日趋激烈，已有30多个国家和地区发布了国家人工智能战略文件，美国、欧盟等主要国家和地区“动作”不断。随着产业发展的不断深化，人工智能技术应用的安全伦理和风险防控成为各界关注的重点。

（一）人工智能技术多向发展，论文数量增长显著

近年来，人工智能技术发展多在计算机视觉相关领域产生显著突破，但随着芯片等硬件性能的提升和算法模型的优化改进，自然语言处理、因果推理、智能生成等更加深层的领域也出现了明显的进步，在应用需求的推动下，人工智能技术逐渐实现了“多点开花”。

（1）人工智能基础技术持续突破。在机器学习（ML）算法领域，2020年，谷歌与脸书团队分别提出SimCLR与MoCo两个无监督表征学习算法，均能够在无标注数据上学习图像数据表征，表明无监督学习模型可以接近甚至达到有监督模型的效果。自然语言处理的语言能力显著提高，多数模型开始超过目前已有的测试基准，在SuperGLUE[2]测试中，微软的DeBERTa模型以90.3的得分超越“人工基准”的平均得分89.8分，而在斯坦福问答数据集SQuAD测试中，最先进的SQuAD 1.1和SQuAD 2.0模型分别达到95.38分和93.01分，远超人类的水平（分别为91.2分和89.5分）。计算机视觉推理实现新的进展，视觉问答（VQA）挑战2020年最高准确率达到76.4%，相比2019年提高了1.1%，比2015年首次提出以来准确率提高了近40%。

（2）在实际应用的推动和机器学习的发展下，人工智能技术产业化发展、赋能实体经济趋势进一步凸显。计算机视觉医疗保健和生物行业的研究发生了实质性的变化。DeepMind研发的AlphaFold算法模型，采用深度学习技术高效预测蛋白质三维结构，为突破长达数十年的蛋白质折叠生物学挑战贡献了重要力量。来自北京的“深度势能”团队采用“基于深度学习的分子动力学模拟通过机器学习和大规模并行计算”的研究方法，将原来可能需要60年才能完成的分子动力模拟工作（一个具有1亿个原子的体系）缩短到了1天，将来有望在材料、力学、化学、生物乃至工程领域发挥作用，能够解决如大分子药物开发等实际问题。来自美国麻省理工学院、维也纳工业大学、奥地利科技学院的团队仅用19个类脑神经元就实现了控制自动驾驶汽车，而常规的深度神经网络则需要数百万神经元。

（3）科研成果产出不断推进，人工智能论文数显著上升。斯坦福大学最新发布的《2021 AI指数年度报告》数据显示，2020年，人工智能领域期刊文章数量相比2019年增长了34.5%，远高于2019年的增长率（19.6%）。发表在预印本论文发表平台arXiv上的人工智能论文数量相比2015年增长了5倍以上，从2015年的5478篇增加到2020年的34736篇。从国家和地区来看，中国在论文总数上超过了美国、欧盟，并首次实现影响力占据首位，中国人工智能期刊论文被引占比达到20.7%，高于美国的19.8%。

（二）新冠肺炎疫情防控加速人工智能应用，从医疗到生活“多点开花”

2020年，新冠肺炎疫情给全球发展带来了巨大的挑战，也对生产生活方式、商业模式等造成了重大影响。在疫情肆虐之际，机器学习、深度学习等技术因其自我学习和智能化特性在抗击疫情、经济恢复中发挥了巨大作用，同时，疫情防控的需求也加速了人工智能相关技术的落地应用。

人工智能在医疗等关键领域的应用发展获得重大进展。在智能诊疗方面，计算机视觉技术赋能智能影像辅助医护人员诊断新冠肺炎，国内外众多企业推出新冠肺炎智能影像辅助决策系统，将诊疗时间降至秒级；在医学研究方面，据科学统计网站Dimensions数据库统计，2020年全球关于新冠肺炎疫情的论文数量达到20万篇，依托自然语言处理技术的专用搜索引擎可以帮助科研人员快速在庞大资料集中找到有用的信息。从资金流向看，斯坦福大学数据显示，2020年，癌症、分子、药物发现项目获得138亿美元的投资，成为获得人工智能投资最多的领域。在管理领域，全球多个国家通过人工智能和大数据技术开展疫情趋势研判、人群追踪、流行病调查等工作，大幅提升了工作效率。在生活领域，智能机器人、智能教育、智能出行、智能识别等产品和技术，都为全球的“隔离”生活带来便利。生命科学成为人工智能的应用热点，百度推出的全球首个mRNA疫苗基因序列设计算法LinearDesign，能在16分钟内大大提升疫苗设计的稳定性和蛋白质表达水平，从而有效解决了mRNA疫苗研发中最重要的稳定性问题，加速了疫苗研发速度。

（三）人工智能安全、伦理等风险不断暴露，人脸识别、深度伪造等问题引公众担忧

新技术的演进速度往往领先于监管、法规的进步，人工智能也不例外。人工智能在提高工作效率和生产率的同时，也为社会带来了巨大的挑战，引起诸多关注。据斯坦福大学研究团队分析，人工智能道德伦理成为2020年最受关注的人工智能发展主题，各类人工智能会议论文中关于安全伦理的关键词相比2015年增长了近3倍，人脸识别、深度伪造等“热门”话题尤为突出。

作为发展最为成熟的人工智能技术，人脸识别技术在实际应用中普及程度也最高，大到交通、安防，小到移动通信，人脸识别技术随处可见，根据《2020年人脸识别行业研究报告》数据，到2024年人脸识别市场规模将突破100亿元，2018年这一数据还只有25.1亿元。快速拓展的应用范围和应用深度已逐步触碰到人们的敏感神经，人脸识别在安全、隐私等方面的风险逐渐暴露，引起各国的高度关注。一方面，由于人工智能技术本身的黑箱性质，人脸识别技术也无法避免算法歧视、识别失误等情况。另一方面，数据采集和使用涉及个人隐私保护，容易引起使用者的怀疑。各国针对人脸识别技术带来的风险，采取了不同的应对措施，美国旧金山、萨默维尔市、奥克兰市早在2019年便禁止全市相关部门使用人脸识别技术，2020年，波特兰市、纽约州等美国城市相继宣布禁止政策，微软、IBM等互联网巨头也纷纷宣布退出人脸识别业务。英国、瑞典、比利时等国对人脸识别应用都做出了一定限制。

深度伪造技术已逐步呈现泛化特点。2019年，基于深度学习技术生成的“深度伪造”（Deepfake）假视频开始泛滥，这些逼真的假视频引发人们对技术滥用的担忧，据安全分析公司Sensity公司统计，截至2020年12月，深度伪造视频已达85047个，比2019年同期增长了251%。同时，随着网络视频的迅速普及，带动了人工智能技术、人脸识别甚至是深度伪造技术网络开源，这些技术使用门槛大大降低，其适用范围更广泛，已经体现出泛化的特点。2020年，“蚂蚁呀嘿”娱乐视频播放达到27.3亿次，相关特效被741万人使用，而其使用的正是“换脸”技术，继2019年ZAO软件后，又一次把换脸技术带来的风险推上风口浪尖，“蚂蚁呀嘿”从“爆红”到“下架”仅用了7天。

（四）人工智能领域新基建扩容趋势明显，支撑人工智能进入高速发展阶段

人工智能新基建包含智能芯片、5G、感知网络、数据中心等支持人工智能发展的生产性设施建设。2020年，全球人工智能领域新基建业务持续扩容，各国政府部门、跨国企业积极参与到人工智能新基建的建设中，将成为“后疫情时代”经济复苏的新动力。随着人工智能终端设备数量的增长及边缘计算需求的逐步提升，全球人工智能芯片需求量快速增长，市场规模不断扩大。5G与人工智能技术融合发展，加速了全球人工智能应用突破与落地。全球数据中心建设加快，有力地推动了人工智能的发展，Cisco统计数据显示，2020年全球超大型数据中心达到485个。未来，在大数据、算法和算力三大要素的共同驱动下，人工智能即将进入高速发展阶段。

二、中国：新基建带来人工智能新机遇，疫情防控驱动融合应用加速落地

2020年，中国提出加快包括大数据中心、人工智能等在内的新型基础设施建设，推动产业信息化、数字化、智能化转型发展。面对新冠肺炎疫情的冲击，中国更是充分发挥人工智能技术和产品在疫情研判、精准防控、辅助诊断、精准测温与目标识别等方面的作用。同时，中国也在积极推进人工智能治理等关键问题的研究深度。可以说，2020年是中国人工智能产业技术和应用持续深化发展的一年，也是其向着安全发展、防风险发展转变的重要一年。

（一）政府支持力度进一步提升，产业实力迅速扩张

2020年，中国各级政府进一步加大对人工智能产业的支持力度，中国人工智能产业在各方的共同推动下进入爆发式增长阶段，市场发展潜力巨大。在政策支持方面，中央明确提出加快人工智能等新型基础设施建设，中央层面全年出台60余项专项及相关政策，地方层面出台上百项涉及人工智能发展的政策文件，以政策支持、项目申报、释放资金等为抓手，推动数据要素、基础研究、融合应用、人才培养和职业、安全治理、标准制定等多个领域加速发展。税收优惠等政策手段成为标配，例如，财政部等四部委联合发布《关于促进集成电路产业和软件产业高质量发展企业所得税政策的公告》专项政策，促进集成电路和软件产业高质量发展，数十万级、百万级的项目补贴也比较普遍，起到突出支撑和带动作用的项目补贴可达千万元。表1-1给出了中央及各部委人工智能相关政策文件（部分）。

（二）人工智能技术自主创新加速，基础和应用技术突破显著

2020年，中国高校、科研院所、企业等创新主体加快自主创新的步伐，在开源框架、芯片、自然语言处理等人工智能基础软硬件领域取得巨大突破。

从基础支撑领域来看，2020年中国开源框架实现了爆发式的增长。继百度飞桨后，百度进一步发布国内首个量子机器学习开发工具“量桨”，清华大学开源AI框架计图（Jittor）、深度强化学习算法平台“天授”，旷视开源训练推理一体化深度学习框架“天元”（MegEngine），华为开源全场景AI计算框架MindSpore。大量开源框架的发布，给人工智能技术人员提供了更多选项，这些开源框架兼容并包、灵活高效等特点也显著降低了模型开发门槛。智能芯片新架构、高性能等特点显著，清华大学研发全球首款基于忆阻器的卷积神经网络（CNN）存算一体芯片，在处理CNN时能效比高性能的GPU高两个数量级，这一芯片的设计思路或可促进针对深度神经网络和边缘计算提供基于忆阻器的非冯·诺伊曼硬件解决方案，大幅提升计算设备的算力，成功实现以更小的功耗和更低的硬件成本完成复杂的计算。阿里发布的含光800，算力相当于10颗GPU，比目前业界最好的AI芯片性能高4倍；地平线发布最强AIoT芯片“旭日3”。浙江大学联合之江实验室成功研制了完全基于自主知识产权的国际神经元规模最大的类脑芯片的类脑计算机。这一系列突破都离不开中国技术人员的自主创新，也离不开近几年国家的大力支持和多年的技术积淀。

从应用技术发展来看，中国企业在自然语言处理领域国际竞赛中收获颇丰。京东AI研究院EL-QA模型获得QuAC机器阅读理解竞赛冠军；字节跳动发布性能优越的预训练语言模型AMBERT，性能优于现有最佳性能模型；阿里达摩院提出的优化模型StructBERT获得全球自然语言处理领域顶级赛事GLUE Benchmark第一名，刷新了自然语言理解技术世界纪录。计算机视觉领域积极走在全球前列，百度飞桨宣布开源业界首个口罩人脸检测及分类模型；商汤科技升级OpenMMLab体系为迄今最完备的计算机视觉算法体系和框架——人工智能算法开放体系。

（三）人工智能与实体经济融合不断拓展，疫情防控需求加速技术应用落地

2020年，在国际形势日益复杂、经济增长放缓、新冠肺炎疫情冲击等多重因素的影响下，以及新型基础设施建设加速的背景下，中国企业加速了数字化、智能化转型进度，为人工智能的融合应用提供了强大的动力和沃土。德勤数据显示，2020年，63%的被调查中国企业已经处于人工智能应用的成熟阶段[3]，18%的企业已经进入精通阶段[4]，相比全球47%的企业进入成熟阶段、28%的企业进入精通阶段，中国人工智能技术的应用普及性已经远超全球水平。从具体融合应用来看，中国在医疗领域有较大突破，2020年，数坤科技、深睿医疗、Airdoc等9家企业的10个人工智能产品获得医疗器械三类证，涵盖冠脉、骨科、眼科、肺结节等多个部位和科室，实现了智能医疗产品医疗器械三类证的巨大零突破。

在疫情防控工作中，人工智能、大数据、5G等技术在抗击新冠肺炎疫情中发挥了不可替代的作用。国家工业信息安全发展研究中心数据显示，2020年中国人工智能疫情防控相关专利申请超过3000件。在疫情防控领域，百度、国家电网等企业推出疫情地图、疫情溯源、密接查询等信息服务系统，有效保障了人群出行及疫情源头的追踪溯源。在疾病筛查方面，阿里云向全球公共科研机构免费开放一切AI算力，加速了新型肺炎新药和疫苗研发，辅助研究人员从海量样本中筛选出几十至几百个具备潜力的候选药物分子。在资源调配方面，疫情期间自动驾驶技术得到了良好应用，百度Apollo宣布对服务疫情的企业免费开放低速微型车套件及自动驾驶云服务，助力自动驾驶的消毒车、配送车快速研发。智能机器人利用自主识别读取地图，自主识别读取工作环境，建立信息库，自主规划路径，完成物资的点对点配送，减少医护人员进入隔离区的频次，加强隔离保护，为疫情防控提供了强有力的后勤保障服务。中国企业积极“走出去”，为更多国家和地区提供人工智能产品，阿里巴巴、百度、腾讯、华为、推想科技等13个龙头企业向海外提供了人工智能算力、医学影像辅助诊断、智能机器人等17项疫情防控技术和产品。

（四）高度关注安全治理，加快推动标准制定和管理体系建设

近年来，随着人工智能技术的快速发展，全球对人工智能安全发展的关注度更加提升，疫情防控中人工智能深度应用也暴露出了数据隐私安全等隐患，2020年中国进一步加强了对人工智能治理、标准体系的建设。在法律规范方面，2020年2月，中央网信办发布《关于做好个人信息保护利用大数据支撑联防联控工作的通知》；2020年7月，全国人大对《数据安全法（草案）》公开征求意见，而在最新的《民法典》中明确要求，个人信息受法律保护。在标准体系建设方面，多家机构主导或牵头制定国际标准，其中，科大讯飞主导的全双工语音交互国际标准获批ISO/IEC立项；支付宝在IEEE成立“移动设备生物特征识别”标准工作组；微众银行发起制定国际上首个针对人工智能协同技术框架订立的标准——联邦学习国际标准（IEEE P3652.1），经IEEE标准委员会正式通过。在治理组织方面，2020年，上海世界人工智能大会成立上海国家新一代人工智能创新发展试验区专家咨询委员会治理工作组，发布“协同落实人工智能治理原则的行动建议”；清华大学成立智能社会治理研究院，围绕人工智能技术与应用对社会产生的影响等问题开展研究；科大讯飞等企业开展人工智能发展自治。

三、美国：力争保持竞争优势，推动人工智能安全与创新发展

（一）美国人工智能战略进入推动实施阶段，致力维护其人工智能领域领先优势

美国将人工智能上升至国家战略层面以来，一直致力于维护其在人工智能领域的国际领先地位，目前已制定了较为完整的人工智能顶层战略，并进入推动实施阶段。2020年1月，美国白宫科学技术政策办公室成立人工智能倡议办公室，致力成为国家人工智能研究和政策的中心枢纽，负责协调和监督国家人工智能政策计划，进一步筹划和扩展白宫推出的其他人工智能推动项目。2020年2月28日，美国白宫科技政策办公室（OSTP）发布《美国人工智能倡议首年年度报告》，为美国人工智能计划提供了长期愿景，强调了6个方面的关键做法，包括投资人工智能研发、释放人工智能资源、清除人工智能创新障碍、培育人工智能人才、改善人工智能创新的国际环境、为政府服务和任务提供可信人工智能六个方面。2021年1月，美国人工智能国家安全委员会发布了《人工智能国家安全委员会最终报告（草案）》，就美国政府在未来十年内如何推进人工智能领域进展提出了建议，包括对白宫、联邦机构、国会和其他实体的详尽建议，涉及从劳动力、知识产权到伦理的各个主题。

美国智库机构也发布了保持人工智能领先优势的相关报告。例如，2020年7月，兰德公司发布研究报告《保持人工智能和机器学习的竞争优势》。该报告从组织计划、文化、结构三个方面对中国和美国的人工智能战略进行了比较分析，提出了美国空军维持人工智能优势的若干建议。2020年8月，美国智库新美国安全中心发布《巩固美国人工智能的领导地位：人工智能研究与开发》报告，提出了人工智能研发的六大关键原则，并提出14条建议，以帮助指导美国人工智能国家战略。

（二）各部门着力构建可信人工智能，人脸识别成关注焦点

美国对人工智能安全、伦理、治理的问题关注度日益提升，已从国家层面出台政策规范人工智能发展。2020年1月，美国白宫发布《人工智能应用规范指南》文件，提出公众信任、公众参与、科学完整性与信息质量、风险评估与管理、收益与成本、灵活性、公平和非歧视、公开与透明、安全与保障和机构间协调原则10条人工智能监管原则，强调“鼓励人工智能的创新和发展”和“减少部署和使用人工智能的障碍”。

2020年以来，美国政策制定主体逐渐下沉至国防、交通、医疗等部门和领域。2020年2月，美国国防部正式采纳国防创新委员会建议的5项新人工智能道德原则，包括负责任、公平、可追溯、可靠和可控管理，为国防部设计、开发、部署和使用人工智能奠定了道德基础。2020年2月，美国白宫和交通部共同发布自动驾驶汽车准则4.0，确立了自动驾驶的三大类十大原则：一是保护用户和社区团体，优先考虑安全、强调网络安全、确保隐私和数据安全，并增强移动性和可及性；二是促进高效市场，保持技术中立、保护美国的创新和创造力，并使法规现代化；三是促进协调一致，促进一致的标准和政策，确保一致的联邦方针，提高运输系统水平。2021年1月，美国卫生部发布《人工智能战略》，概述了该部使用和监管人工智能的方法，包括成立美国卫生部人工智能委员会来引领这项工作，希望在整个部门大规模采用“值得信赖的人工智能”，以期利用人工智能“解决以前无法解决的问题”。

由于涉及隐私、歧视等问题，人脸识别近年在美国引起诸多争议，公众社会对人脸识别的态度日渐消极，针对人脸识别的监管日益严格。2020年1月，美国消费者联盟、电子前沿基金会、电子隐私信息中心等40家社会组织联名致信隐私和公民自由监督委员会，呼吁美国政府暂停应用人脸识别技术。目前，已有旧金山、波士顿等多个城市禁止政府部门和执法机构使用人脸识别。2020年3月，美国华盛顿州通过《面部识别法》，旨在规范美国华盛顿州内各地政府机构使用面部识别技术，其要求面部识别技术的使用必须有益于社会，并且不得对个人的自由和隐私造成损害。2020年9月，波特兰市推出最严人脸识别禁令，宣布出于保护公众个人隐私和消除歧视的目的，禁止在公共场所使用人脸识别技术；2020年12月，纽约州宣布禁止在学校中使用人脸识别和其他生物识别技术。IBM、亚马逊、微软等公司也纷纷宣布退出人脸识别业务。2020年6月8日，IBM在写给国会议员的公开信中表示，IBM将退出通用人脸识别业务，并反对将该项技术用于大规模监控和种族画像。2020年6月10日，亚马逊宣布暂停执法部门使用其人脸识别软件一年。2020年6月12日，微软也加入这一行列，宣布不会向美国警方出售人脸识别服务，除非美国未来出台相关法律能够有效管控和约束这项技术。

（三）各大龙头企业推出开源产品，推动人工智能创新发展

随着人工智能领域竞争激烈化，美国各大科技巨头纷纷推出开源产品，帮助开发者实现更高效的开发，培育打造各自开源生态，推动深度学习、计算机视觉、量子计算等领域创新发展。2020年1月11日，亚马逊正式推出了用于深度学习的开源库AutoGluon，能够识别包括图像和文本分类、目标检测和表格预测等任务的模型，帮助开发者编写代码。2020年3月9日，谷歌与滑铁卢大学等机构合作发布用于快速建立量子机器学习模型的开源库TensorFlow Quantum，希望该框架为量子计算和机器学习研究界探索自然和人工量子系统的模型提供必要的工具。2020年4月21日，英伟达联合伦敦国王学院推出基于PyTorch的开源框架MONAI，该框架面向医疗研究，根据医疗数据的需求进行相应优化，可以处理不同格式、分辨率和特定元信息的医疗图像。2020年5月21日，谷歌开源计算机视觉预训练新范式BiT（BigTransfer），该方法使用图像数据集对实际特征进行有效的预训练，在用大量通用数据进行预训练的情况下，简单的迁移策略就能让计算机视觉模型在下游任务上获得良好的性能。

（四）美国芯片企业掀起并购热潮，行业或将进入整合期

芯片行业目前处于并购热潮之中，正通过大额并购进行整合。AMD、英伟达和英特尔三大芯片巨头均希望扩大自身在高性能计算领域的版图，并通过收购获取CPU、GPU和FPGA等，实现云端、PC和移动的芯片组合，以完善其在数据中心、人工智能、5G和物联网等产品线的布局。早在2016年，英特尔就花167亿美元收购了FPGA市场份额第二名的Altera，将自家的CPU与FPGA融合得非常成功。2020年12月，英特尔宣布以20亿美元收购以色列云端AI芯片初创企业Habana Labs。2020年4月，英伟达完成对以色列芯片厂商Mellanox 70亿美元的收购，这也是英伟达史上最大数额的收购。2020年9月，英伟达宣布将斥资400亿美元收购ARM，形成芯片行业史上的最大收购。此项交易尚须获得中国、美国、欧盟和英国的批准，预计监管审批可能长达一年半。ARM在手机微处理器方面占据主导地位，如果英伟达的收购获批，并将自身技术纳入ARM的知识产权授权产品组合中，不仅可以弥补其在移动芯片产业链的不足，甚至还会形成垄断局面，而ARM长期处于中立状态的生态系统也将会被打破。2020年10月，AMD就收购FPGA龙头厂商赛灵思进行高级谈判，交易价值可能超过300亿美元。赛灵思的FPGA产品广泛应用于5G基础设施、云服务器、人工智能等领域，而AMD在上述领域几乎没有过布局机会。在人工智能领域，AMD虽然也有GPU技术，但是其开发生态与英伟达相比相差太远，基本没有人工智能模型会部署在AMD的GPU上，收购赛灵思将可以帮助AMD进入上述前沿领域市场。英特尔收购Altera，英伟达意欲收购Arm，AMD向赛灵思出手，若收购都能成行，未来半导体市场将是英特尔+Altera、英伟达+Arm及AMD+赛灵思三分天下。

四、欧盟：奋起直追，促发展、严监管双管齐下

2020年，欧盟发布一系列高级别政策文件，进一步夯实以人工智能为代表的数字产业在欧盟经济发展中的重要位置，首次提出促发展政策论调，指出欧盟将走“监管与发展并重”的道路，通过建立自主生态系统、谋求规则主导权、设立数字贸易壁垒，将欧洲建设成为全球人工智能研究和创新的“灯塔中心”。

（一）“严监管”下沉至实操层面，加快落地实践进度

为了使自己在全球人工智能监管方面有更强话语权，欧盟始终致力于依靠其市场和监管力量，通过制定行业标准、监管规则等引领全球人工智能发展方向。欧盟逐步形成了以《可信人工智能伦理指南》为核心的可信人工智能规范政策体系。2020年，欧盟仍然沿袭其严监管原则，但更加注重对实操层面的规范，并希望通过立法的形式加强、细化监管方式，推动人工智能应用的负面影响和潜在损害最小化。2020年2月，欧盟发布《人工智能白皮书——欧洲追求卓越和信任的策略》（以下简称《白皮书》），对人工智能监管做出细化规定。《白皮书》提出全球首个具有可操作性的人工智能监管框架，在人工智能训练数据、数据记录、信息提供与透明度、安全性和准确性、人类监督和干预五个方面提出了较为细致的法律要求。提出实行分类监管模式，重点关注高风险人工智能应用，对可能会产生人身伤害、公共危险等人工智能高风险应用领域开展强制性事前合格评定，非高风险人工智能应用可自愿申请是否被监管。

2020年10月，欧盟进一步通过三份关于如何更好地监管人工智能的立法倡议报告，推动人工智能的立法进程，涵盖人工智能伦理框架、人工智能民事责任、知识产权三个领域。欧盟认为，新的法律框架旨在避免欧洲在人工智能开发、部署和使用方面落后于其他国家及地区，并希望通过制定新的规则助力欧盟在这一领域的领先地位。欧盟议会认为，完善法律条款有助于为人工智能解决方案的开发者和部署者提供法律确定性，从而提高商业可预测性并促进投资，同时，也有利于在全球范围内创建公平的监管竞争环境，促进行业发展。预计2021年将会正式形成关于人工智能立法的提案，在此之前，欧盟议会通过成立专门小组，分析人工智能对欧盟经济的影响，为后期立法工作打好基础。

（二）“促发展”打造创新“灯塔”，构建人工智能卓越生态

2020年2月，欧盟发布《人工智能白皮书——欧洲追求卓越和信任的策略》系列文件，将“促发展”理念列为人工智能发展的又一立场，致力于构建人工智能发展的卓越生态系统。一方面，通过加强成员国之间及与欧盟外部的合作，整合资源和力量，打造集聚研究、创新和专业知识的“灯塔型”人工智能中心。另一方面，增加资金投入支持技术研究和应用，在未来十年中，欧盟将实现每年吸引200亿欧元的投资，支持人工智能基础技术的研究，数字创新中心和人工智能平台建设，促进中小企业应用人工智能技术等。在政府部门促发展的导向之下，欧盟诸多机构加大了对人工智能的支持力度。

欧盟整合协调“数字欧洲计划”“欧洲地平线”及“欧洲结构投资基金”等重大项目、资金支持计划，大力推进人工智能发展。2020年12月，欧洲投资银行集团启动了一项1.5亿欧元的融资计划，侧重支持致力于人工智能突破性技术研发的早期及成长阶段企业，预计在未来四年内支持20～30家中小型公司。欧盟同时还大力支持对人工智能和机器人项目的投资，如SIMBAD（机器人项目）和ConCreTe（开源项目）[5]等。2019年成立的AI4EU（欧洲人工智能联盟）项目也由欧洲地平线2020计划资助，致力于建设人工智能基础平台和生态系统，促进人工智能技术的应用。通过这一系列项目，欧盟将在2021—2027年继续支持人工智能等新兴产业的加快发展。

五、多技术融合发展已成趋势，人工智能应用场景将加速向纵深发展

（一）技术研发与落地应用结合日益紧密，多技术融合创新进一步加速

计算机视觉、智能语音等单项人工智能技术发展趋于成熟，未来，多技术融合、集成化创新将加速发展。在底层硬件技术层面，人工智能芯片不断取得突破，未来发展趋势在于进一步迭代优化算力、芯片设计由通用向专用过渡，同时更加密切地寻求商业应用落地途径，在更多细分场景寻求人工智能芯片的应用切入点。在通用技术层面，通用知识图谱技术和行业知识图谱技术均将在具体的细分行业领域（如公共治理、电商金融等）发挥更大作用。未来，知识图谱将朝着多模态方向深入发展，并与区块链、深度学习技术实现进一步协同发展。技术标准化建设的顶层设计与知识图谱公共服务平台的建设也将加以推进。从开源框架来看，谷歌、脸书等科技巨头仍然主导开源框架格局，国内开源项目市场份额逐年攀升。在应用技术层面，为摆脱落地应用能力弱造成的技术热门而投资遇冷的困境，自然语言处理技术将继续向少样本、多模态的方向发展，进一步提升技术实用性；声纹识别技术这一更适合远程操作的非接触式身份识别认证技术有望逐渐迎来更广泛的应用，标准化建设也将受到更多关注；随着各个在战略层面进一步布局底层技术及新冠肺炎疫情防控应用带来的计算机视觉技术应用持续深化，计算机视觉技术的泛化能力有望得到提升，应用成本也有望降低，在教育教学模式创新、制造业智能化等场景中，将进一步发挥创新赋能作用。

（二）人工智能从理论比拼向实践检验迈进，传统行业应用场景将向纵深发展

人工智能技术日臻完善，在试验场景的准确率已经接近极值，进入从理论比拼向实践检验的角逐期，商业落地能力成为资本考核人工智能技术的重要因素，人工智能领军企业纷纷进入应用场景“跑马圈地”阶段，即将进入大规模产业化应用阶段。根据美国研究公司Tractica的报告，预计到2030年，全球人工智能市场规模将扩大到3671亿美元。人工智能与传统行业融合加速，不断推进制造、物流、交通、金融等领域模式创新和业态创新，推动数字经济进入智能经济新阶段。德国、日本等传统工业大国，致力于发展人工智能与制造业融合应用，未来几年内，人工智能在制造业将得到更多环节、更深层次的推广应用。此外，集成人工智能算法、芯片、系统和软硬件平台的完整解决方案，也将率先在自动驾驶和智能家居领域快速渗透。

（三）人工智能发展与监管逐渐取得平衡，全球人才争夺愈演愈烈

全球主要国家和地区人工智能监管措施相继出台，尽管各方监管的目的和初衷存在显著差异，但这也为未来人工智能的发展树立了标准，将对产业发展带来持续性影响，人工智能发展和监管终将找到互相支撑的平衡点。在推进监管措施的同时，美、欧、日、韩等发达经济体持续加强在人工智能领域的科研投入，下一轮人工智能技术主权的竞争日趋加剧，但人工智能技术的竞争说到底还是人才的竞争，未来人工智能人才的争夺成为制胜的关键，人工智能人才培养从高校培养向全民素质培养推广普及。在基础理论、学科建设、领军人才、创业者等方面，美国将继续领跑全球。此外，美国通过加大对人工智能等领域的投资和出口管制力度，避免技术和人才流失；英国、法国等国家也对在人工智能等领域的投资加强了政府干预。未来，科技巨头通过收购等方式快速获得技术和人才的便捷通道将逐步收窄。

参考资料

1. 疫情防控凸显人工智能优势.http://news.sciencenet.cn/htmlnews/2020/6/441740.shtm。

2. “疫”中育机——人工智能领域全球新基建扩容趋势明显.https://baijiahao.baidu.com/s?id=1671996873846054044&wfr=spider&for=pc。

3. 深度报告：2020全球5G和新基建产业展望.https://www.sohu.com/a/409859876_99950678。

4. 2020年AI应用又有大动作：人工智能搭上“新基建”快车.https://baijiahao.baidu.com/s?id=1686837094621621860&wfr=spider&for=pc。

5. WHITE PAPER On Artificial Intelligence-A European approach to excellence and trust (2020-2-19), 2020.

6. 2020年十大人工智能发展趋势大起底.http://www.78soft.com/article/39163.html。

7. 关于2021年及未来，人工智能的五大趋势预测.http://www.iheima.com/article-312107.html。

8. 智归科创中心.2021年中国人工智能产业发展趋势.https://www.163.com/dy/article/G9IDKOAD0538GH66.html。

9. 未来的人工智能发展趋势？融合平台、智能大脑、情感计算.https://baijiahao.baidu.com/s?id=1667378868446099365&wfr=spider&for=pc。

---

[1] 明书聪，国家工业信息安全发展研究中心助理工程师，硕士，主要从事国内外新一代信息技术、人工智能等领域研究工作；梁冬晗，国家工业信息安全发展研究中心工程师，数量经济学硕士，主要从事人工智能、物联网等新一代信息技术产业研究；王淼，国家工业信息安全发展研究中心工程师，管理学博士，主要从事人工智能相关领域战略、政策、产业发展研究；黄金成，北京大学电子信息硕士，主要从事国内外人工智能、新一代信息技术、大数据等领域政策与产业研究。

[2] 自然语言处理评测基准。

[3]普遍已经启动了多个人工智能生产系统，在人工智能实施项目的数量或人工智能的专业能力上有所落后，抑或者两者兼有。

[4]树立人工智能应用成熟度的标杆，已开展大量的人工智能生产部署，在人工智能技术和供应商选择、用例识别、解决方案构建和管理、信息技术环境和业务流程的人工智能整合，以及技术人员雇佣与管理等方面发展形成了全方位的专业能力。

[5] 欧盟未来新兴技术（FET）旗舰计划资助项目，FET是欧洲地平线2020计划的一部分。