近年来，人工智能与大数据已成为国家重要战略，也是国家供给侧改革的创新引擎。十九大报告中提出，要"加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合"，人工智能发展上升至国家战略层面。
为抢抓人工智能发展的重大战略机遇期，国务院印发《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务与保障措施，加快推进建设创新型国家和世界 科技 强国。
在国家政策的大力支持下，2020年国内人工智能产业规模突破1500亿元，带动相关产业规模超过1万亿元。
而作为人工智能重要基础的数据服务行业，在本轮人工智能热潮中也得到长足的发展。无论是国家、政府政策层面，还是 社会 经济发展层面，人工智能基础数据服务行业的重要性均获得了越来越广泛的认可，越来越多的国家与地方政策开始向行业内倾斜。
本文将总结归纳近年来国家以及地方政府出台的关于人工智能基础数据服务行业的重要相关政策内容。
国家发改委、 科技 部等《国家新一代人工智能标准体系建设指南》
建设内容中，提出支撑技术与产品标准，涵盖大数据标准，核心内容为规范AI研发与应用等过程涉及到的数据存储、处理等相关技术要素，包括数据治理、数据共享开放等。
《中华人民共和国数据安全法》
“国家实施大数据战略，推进数据基础设施建设，鼓励和支持数据在各行业、各领域的创新应用。省级以上人民政府应当将数字经济发展纳入本级国民经济和 社会 发展规划，并根据需要制定数字经济发展规划。”
“国家支持开发利用数据提升公共服务的智能化水平。”
“国家支持教育、科研机构和企业等开展数据开发利用技术和数据安全相关教育和培训，采取多种方式培养数据开发利用技术和数据安全专业人才，促进人才交流。”
十九大报告
十九大报告中提出，要"加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合"，人工智能发展上升至国家战略层面。
北京市人民政府《2021年市政府工作报告重点任务清单》
任务指出要大力发展数字经济，构筑高质量发展新优势。数据基础设施建设中提到，要强化数据安全管理和个人隐私保护， 探索 建立数据分类分级保护体系。
《2019年政府工作报告》
促进新兴产业加快发展。深化大数据、人工智能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源 汽车 、新材料等新兴产业集群，壮大数字经济。加快在各行业各领域推进“互联网+”。
人力资源 社会 保障部与市场监管总局、国家统计局联合向 社会 发布16个新职业
2020年2月，数据标注员被正式定义为“人工智能训练师”并纳入国家职业分类目录。人工智能训练师新职业隶属于软件和信息技术服务人员小类，主要工作任务包括：标注和加工原始数据、分析提炼专业领域特征，训练和评测人工智能产品相关的算法、功能和性能，设计交互流程和应用解决方案，监控分析管理产品应用数据、调整优化参数配置等。
《山西省加快数据标注产业发展的实施意见》
要加强政策扶持，设立省级人工智能基础数据产业发展引导专项资金，优化产业扶持政策要加强产教融合，推动省内高等院校、职业学校等与数据服务领域企业加强对接交流，促进教育与产业深度融合要加强合作交流，积极融入京津冀数字经济核心经济圈，搭建产业合作平台，鼓励组建产业发展联盟，推动我省数据标注产业稳步快速发展。
人工智能包含哪些技术？
人
工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸
近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。
人工智能市场格局
人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 7.1 万亿美元。
多角度人工智能产业比较
战略部署：大国角逐，布局各有侧重
全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。
美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。
伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。
日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。
基础层面：技术薄弱，芯片之路任重道远
基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。 受限于技术积累与研发投入的不足，国内在基础层领域相 对薄弱。具体而言，在 AI 芯片领域，国际 科技 巨头芯片已基本构建产业生态，而中国尚 未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术 （SDN）、 开发语音等核心技术被掌握在亚马逊、微软等少数国外 科技 巨头手中。虽国内 阿里、华为等 科技 公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传 感器多种产品类型，而在中国也涌现了诸如汇顶 科技 的指纹传感器等产品，但整体产业布 局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数 据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。
“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。
依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。
GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。
FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。
ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。
总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。
技术层面：乘胜追击，国内头部企业各领风骚
技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。
具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，百度的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。
在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。
作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。
计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 69.4%，其中商汤市场份额 20.6%排名第一。
应用层面：群雄逐鹿，格局未定
应用场景市场空间广阔，全球市场格局未定。 受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到360.5 亿元，约是技术层的1.67 倍，基础层的2.53 倍。 在全球范围内，人工智能仍处在产业化和市场化的 探索 阶段，落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企 业，在很多细分领域的市场竞争格局尚未定型。
中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早，以谷歌、亚马逊等企业为首的 科技 巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国 人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于 世界前列。例如，中国 AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。
整体来看 ，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看， 我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。 但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终 端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。
透析人工智能发展潜力
基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对 中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重 后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。
从智能产业基础的角度
产业化程度：增长强劲，产业规模仅次美国
中国人工智能尚在产业化初期，但市场发展潜力较大。 产业化程度是判断人工智能发展活 力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能 市场规模分别是 213、71.25 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度， 据清华大学 科技 政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家） 人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展 望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的 增长态势，发展潜力较大。
技术创新能力：专利多而不优，海外布局仍有欠缺
专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申 请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出 量首超美国，并长期雄踞申请量首位。
从专利申请领域来看， 深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重 点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界 第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI 科技 热潮兴起后 申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁 荣的结构性不均衡问题。
中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。 尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少， 仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布 局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示， 受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效， 而美国 85.6%的专利仍能得到有效保留。
人才储备：供需失衡，顶尖人才缺口大
人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布 不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有 43064 名人工智能人才，位居全球第一，占全球总量的 21.1%。美国和中国分别以 28536、18232 列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 2.26 倍，基础层人才数是中国的 13.8 倍。
我国人工智能人才供需严重失衡，杰出人才缺口大。 据 BOSS 直聘测算，2017 年国内人 工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着 至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄 厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰 出人才（977 人）比例仍明显偏低，不足欧美的 1/5。
人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。 根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看， 国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 43.9%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。
从学术生态的角度
技术创新能力：科研产出表现强劲，产学融合尚待加强
科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 69.64%。近些年，中国积极开展前瞻性 科技 布 局， AI发展势头强劲，从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%， CAGR17.94%。2018 年，中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。
我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact， 加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世 界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高 于全球平均水平的 36.78%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文 影响力增幅明显，2018 年，中国 FWCI 为 0.80，较 2010 年增长 44.23%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出 为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量 论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。
从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成 果转化的短板。 而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 7.36 倍，欧盟的 1.92 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%，与以色列（10.06%）、美国（9.53%）、日本（6.47%）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。
中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。 据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中， 美国（168 所）独占鳌头，占据全球的 45.7%。中国拥有 20 所高校与英国并列第三，数 量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。
从创新环境的角度
研发投入：中美研发投入差距收窄
中国研发高投入高强度，在全球研发表现中占据重要地位。 从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投 入总和占全球总量的比例已达 60.77%。其中，美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 14.43%，同期美国 CAGR 仅 2.99%。由于经济疲软等 诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测， 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体 上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 1.97%，低于日本和美国 1.53、0.87 个百分点。
资本投入：资金多而项目缺，资本投向侧重终端市场
中美是全球人工智能“融资高地”。 人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总 融资额的 50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第 二大融资体，融资总额占全球 35.5%。考虑到已有格局和近期变化，其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人 工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。
相比较美国，中国资本投向侧重易落地的终端市场。 从融资层面来看，中国各领域发展较 为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示， 芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场 高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。
基于信息熵的 TOPSIS 法：综合指标评估
数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。 具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在 高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场 的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研 产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来， 若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。
展望
转自丨 信息化协同创新专委会
2019-04-11 人工智能公司日常业务中会涉及到哪些行业资质？
工智能计算机科支企图解智能实质并产种新能类智能相似式做反应智能机器该领域研究包括机器、语言识别、图像识别、自语言处理专家系统等。
人工智能（Artificial_Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
说起人工智能我们大家都很熟悉，各种人工智能概念，AI概念层不出穷，仔细想来无外乎智能音箱、智能打印机、智能售卖机等等诸如此类似乎没多少“智能”，和我们脑海中的“AI印象”，如：终结者、机器人、阿尔法狗、自动驾驶等技术大相径庭。
目前，普遍认为人工智能的研究始于1956年达特茅斯会议，早期人工智能研究中，如何定义人工智能是个喋喋不休的问题，但基调始终是：像人一样决策、像人一样行动、理性的决策、理性的行动等研究方向。
人工智能时代的六种行业分析维度
人工智能公司参加项目招投标或申请政府资金扶持，有无资质是一项非常重要“加分因素”，属于公司“软实力”的证明。如果在创业公司或中小微企业从事法务工作，日常工作除了要处理法律事务及合规管理事务以外，公司法务需要分配一部分精力和时间为公司申请各项必要的资质。 按照日常项目招投标和政府政策扶持的申报经验，整理如下： 项目招投标：高新技术企业、CMMI、ISO系列、上海双软企业认定、ITSS。 政府政策扶持：高新技术企业、双软企业认定、ISO系列 ISO系列中，与人工智能行业有关的，主要有ISO三标管理体系、ISO20000信息技术服务管理体系认证 以及 ISO27001信息安全管理体系。 申请任何资质都是要“花钱，花时间”的，区别是有些申请难度较简易的资质公司法务可以自行申请，节省一笔代理费。有些资质还得与代理合作，需要公司技术和产品合作，共同完成。如果公司资金实力雄厚，如BAT等互联网tier 1公司，往往是各类证件齐备，而对于创业公司或中小企业，需要根据自身实力和项目需求程度予以考量，按照申请优先级和难易程度，简要梳理如下： 重要程度： 申请难度： 简介：高新技术企业是在国家重点支持的高新技术领域内，持续进行研究开发与技术成果转化，形成企业核心自主知识产权，并以此为基础开展生产经营活动，在中国境内（不包括港、澳、台地区）注册一年以上的居民企业。 申请条件： （一）在中国境内（不含港、澳、台地区）注册的企业，近三年内通过自主研发、受让、受赠、并购等方式，或通过5年以上的独占许可方式，对其主要产品（服务）的核心技术拥有自主知识产权； （具体近三年及申请当年须有授权的发明专利1件以上或实用新型授权6件以上或计算机软件登记6件以上，申请高新技术企业的前提必须拥有专利，企业可通过申请、转让、许可的方便获得专利权，前期签订服务合同，待获得专利证书申请认定）。 （二）产品（服务）属于《国家重点支持的高新技术领域》规定的范围； （三）具有大学专科以上学历的科技人员占企业当年职工总数的30%以上，其中研发人员占企业当年职工总数的10%以上； （四）企业为获得科学技术（不包括人文、社会科学）新知识，创造性运用科学技术新知识，或实质性改进技术、产品（服务）而持续进行了研究开发活动，且近三个会计年度的研究开发费用总额占销售收入总额的比例符合如下要求： 1. 最近一年销售收入小于5,000万元的企业，比例不低于5%； 2. 最近一年销售收入在5,000万元至20,000万元的企业，比例不低于4%； 3. 最近一年销售收入在20,000万元以上的企业，比例不低于3%。 其中，企业在中国境内发生的研究开发费用总额占全部研究开发费用总额的比例不低于60%。企业注册成立时间不足三年的，按实际经营年限计算； （五）高新技术产品（服务）收入占企业当年总收入的60%以上； （六）企业研究开发组织管理水平、科技成果转化能力、自主知识产权数量、销售与总资产成长性等指标符合《高新技术企业认定管理工作指引》（另行制定）的要求。 重要程度： 申请难度：（分级） 简介：CMMI，全称是Capability Maturity Model Integration，即能力成熟度模型集成（也有称为：软件能力成熟度集成模型）。CMMI分五个台阶（五个等级），难度最低的是CMMI一级，完成级。 而难度最高CMMI五级，优化级。每一个台阶都是上面一阶台阶的基石。要上高层台阶必须首先踏上较低一层台阶。企业在实施CMMI的时候，一般而言，都是先从CMMI二级或CMMI三级入手。在管理上下功夫，争取最终实现CMMI的第五级。 申请条件： 1. 人力资源实施中会涉及到EPG过程改进小组、QA、试点项目团队等人力资源： 1)专职人员：1-2名即在CMMI实施推广期内，基本上100%的时间投入。 2)质量人员：1-更多名组建质量管理部门，实施体系执行的监控，投入时间视项目多少。 3)过程改进小组：需要3-11名兼职成员，在实施周期中投入30%以上的工作量。企业最好是提前规划和准备哪些人员参加CMMI认证实施，提前安排分配好工作。 2. 项目资源项目是帮助CMMI体系实施的证据来源，通常分试点项目和参评项目： 1)试点项目：2或4个以上项目目的是执行CMMI模型要求下的过程体系，验证其有效性。 2)参评项目：4个以上项目满足CMMI过程体系执行的要求，验证其成熟与制度化。 3)项目周期：没有要求，可长可短，但对整个实施周期有影响。 4)项目规模：没有要求，大小选择，对整个实施难易有影响。如企业项目非常少，但是一个已经运营的公司，有人有正在实施的项目也可。 3. 体系和平台 1)管理体系：没有要求如已建立工作的管理制度或实施了ISO9001等标准，有一定基础。 2)平台工具：没有要求如已构建了项目管理，变更管理，配置管理等工具，有较好支持。 4. 企业规模理论上CMMI认证是导入实施没有要求组织内人数，但经验数据是18人以上企业。 重要程度： 申请难度： 简介：ISO20000 是世界上第一部针对信息技术服务管理（IT Service Management）领域的国际标准，ISO20000信息技术服务管理体系标准代表了被广泛认可的评估IT服务管理流程的原则的基础。该标准定义了一套全面的、紧密相关的服务管理流程。 申请条件： 1、中国企业持有工商行政管理部门颁发的《企业法人营业执照》、《生产许可证》或等效文件；外国企业持有关机构的登记注册证明。 2、申请方的IT服务管理体系已按ISO/IEC 20000-1:2005标准的要求建立，并实施运行3个月以上。 3、至少完成一次内部审核，并进行了管理评审。 4、信息技术服务管理体系运行期间及建立体系前的一年内未受到主管部门行政处罚。 重要程度： 申请难度： 简介:ISO27001是信息安全领域的管理体系标准，类似于质量管理体系认证的 ISO9000标准。当您的组织通过了ISO27001认证,就相当于通过ISO9000的质量认证一般，表示您的组织信息安全管理已建立了一套科学有效的管理体系作为保障。ISO27001认证——信息安全管理体系(ISO27001 Information security management system)这是在世界上公认解决信息安全的有效方法之一。由1998年英国发起的信息安全管理体系制定信息安全管理方针和策略，采用风险管理的方法进行信息安全管理计划、实施、评审检查、改进的信息安全管理执行的工作体系。 申请条件： 1. 中国企业持有工商行政管理部门颁发的《企业法人营业执照》、《生产许可证》或等效文件；外国企业持有关机构的登记注册证明。 2. 申请方的信息安全管理体系已按ISO/IEC27001:2005标准的要求建立，并实施运行3个月以上。 3. 至少完成一次内部审核，并进行了管理评审。 4. 信息安全管理体系运行期间及建立体系前的一年内未受到主管部门行政处罚。 重要程度： 申请难度： 简介：三标管理标准，又称三标体系认证或三标一体，包括ISO9001质量管理体系、ISO14001环境管理体系、OHSAS18001职业安全健康管理体系。简单地说就是将质量(QMS)、环境(EMS)、职业健康安全(OHSAS)三个管理体系一体整合认证。因为《ISO9001:2008质量管理体系要求》、《ISO14001:2004环境管理体系规范及使用指南》、《GB/T28001-2001职业健康安全管理体系规范》三个管理体系的管理原则、体系结构、总体要求都是一致的，并且是相容的，所以三个管理体系具有整合性。企业可根据自身的具体情况，依据三个管理体系的要求，建立适合自己的一套管理体系。。 申请条件： 1.具备独立的法人资格或经独立的法人授权的组织； 2.按照所申请体系标准的要求建立文件化的管理体系； 3.已经按照文件化的体系运行三个月以上，并在进行认证审核前按照文件的要求进行了至少一次管理评审和内部质量体系审核。 重要程度： 申请难度： 简介：ITSS（信息技术服务标准）是一套成体系和综合配套的信息技术服务标准库，该认证全面规范了IT服务产品及其组成要素，用于指导实施标准化和可信赖的IT服务。ITSS能力成熟度模型（四大等级）从低到高分别是ITSS四级、三级、二级、一级。ITSS一级也是目前最高级的ITSS等级，不仅要求全面的量化管理，还要对技术创新和业务变革产生一定的推动力。这个级别可不是简简单单就能达到的。软件企业一般都是从ITSS三级开始起步申请。 申请条件：以ITSS三级为例 1.具有独立法人地位； 2.已按照《运维服务能力成熟度》三级特征和关键指标建立了运维服务能力体系，且已有效运行三个月以上； 3.能够提供运维服务能力管理、人员、资源、技术和过程等有效证据； 4.申请单位从事信息系统运维服务业务满二年以上。 重要程度： 申请难度： 简介：上海市双软企业评估，全称是指”软件产品评估+软件企业评估“，是申请部分上海市政策扶持资金的一项重要参考资质条件。 申请条件：1.软件产品评估1）申请单位具有企业法人资格； 2）申请单位软件产品在我国境内开发，且拥有该软件产品知识产权； 3）软件产品经上海市软件行业协会认可的软件检测机构检测合格；2.软件企业评估1）依法在本市行政区域内成立的企业； 2）企业签订劳动合同关系且具有大学专科以上学历的职工人数占企业当年月平均职工总人数的比例不低于40%，其中研究开发人员占企业当年月平均职工总数的比例不低于20%； 3）企业拥有核心关键技术，并以此为基础开展经营活动，且当年度的研究开发费用总额占企业销售（营业）收入总额的比例不低于6%；其中，企业在中国境内发生的研究开发费用金额占研究开发费用总额的比例不低于60%； 4）企业软件产品开发销售（营业）收入占企业收入总额的比例一般不低于50%（嵌入式软件产品和信息系统集成产品开发销售（营业）收入占企业收入总额的比例不低于40%），其中软件产品自主开发销售（营业）收入占企业收入总额的比例一般不低于40%（嵌入式软件产品和信息系统集成产品开发销售（营业）收入占企业收入总额的比例不低于30%）； 5）企业主营业务拥有自主知识产权，其中软件产品拥有上海市软件行业协会认可的软件检测机构出具的检测证明材料和上海市软件行业协会颁发的《软件产品评估证书》； 6）企业具有保证设计产品质量的手段和能力，并建立符合软件工程要求的质量管理体系并提供有效运行的过程文档记录； 7）企业具有与软件开发相适应的生产经营场所、软硬件设施等开发环境（如EDA工具、合法的开发工具等），以及与所提供服务相关的技术支撑环境。 行业资质申请工作由于涉及到公司的技术，产品，安全，制度合规等各方面，工作量较大且项目范围处理繁杂，在大中型公司，通常是由多个职能部门共同配合或招聘专职的资质体系内审员负责资质申请和日常维护。在人工智能创业公司，公司合规管理及制度编写的负责部门（譬如行政、法务，运维等），往往会承担具体推进和落实这一项工作。在这一过程中，公司法务会增强编写公司规章制度，流程文件的水平，进一步提升法务人员的表达能力、观察能力、分析判断和组织协调等综合性的能力。
之前已经说过，人工智能时代会对现有的行业格局造成不可逆转的影响，同时这样的行业影响对于从业的产品经理来说也有不同的要求。那么在这一篇文章的作者继续。深入去挖掘行业分析这个点整理了六个基于行业分析的维度。除了这六个维度之外，我们都可以根据自身行业的特点，增减分析维度。
指的是行业的历史背景，当下的增长能力与宏观经济周期的关系，固有风险，以及该行业在其他国家的发展规律等等。
产品经理应该主动去了解国内外的行业发展趋势和方向，包括供应商谈判能力，购买者谈判能力，现有同行竞争的局面，龙头企业所面临的主要问题，有哪些成功的管理和技术经验，这些经验是否可以借鉴或者复制新进入者威胁，替代产品和服务威胁等等。
同时产品经理应该关注新技术在其他领域的成功应用，是否会是本领域的创新机会。人工智能的时代。行业洗牌的关键时期，过去的规律在今天不一定奏效，因此能够把握趋势，顺势而为钱，有一定的预见性，是产品经理非常重要的素质。
产品经理需要了解行业内价格，品质质量，分销能力，上游资源成本，产品差异，技术壁垒，管理水平，地理位置等方面的情况，除此以外在人工智能时代的市场竞争中，公司的数据积累，算法积累，计算能力积累三方面无论是从短期还是长期来看都占据较高的权重，这方面需要产品经理格外的重视管理和规划。
了解行业的集中度。，外资进入收购兼并的信息。
另外一个重要的方面就是了解行业的准入门槛，国家法规，价格，税收，进出口等等各国旧有的法律法规和行业标准，显然在迭代速度上已经无法适应人工智能技术的迅猛发展了，国外相继出现了人工智能应用挑战法律法规的案例，例如在2016年美国交通部发布了 联邦自动驾驶机动政策 。为自动驾驶技术的安全检测和应用，提供指导性的监管框架。
同年美国白宫科技政策办公室下属的国家科技技术委员会发布了为人工智能的未来做好准备，探讨了人工智能的发展现状，应用领域以及潜在的公共问题等等。
美国发布的 国家人工智能研究与发展战略计划 ，提出了美国优先发展人工智能七大战略方向及两方面的建议，这些报告中提及了知识产权隐私和数据保护以及数据使用安全等标准建设的问题，可以预见我国也会陆续颁布相关的法案和行业标准，因此产品经理需要密切关注这方面的信息，确保公司的产品可以合理合法的参与市场竞争。
产品经理不仅将是商业模式的落地者，同时也是探索商业模式的先锋，因此产品经理需要关注行业的挣钱手段，产业链逻辑是怎样的，价值量是如何构成的等等。
之前提到的五个行业分析的维度均对商业模式有直接或者间接的影响，因此同时产品经理也需要利用以上的分析结果来树立自己在公司内部外部的行业专家的形象，只有得到内外部的认可，才便于争取更多的公司资源和行业客户的认可。
后续的文章中，作者会有一个实际的行业分析案例，来说明如何快速学习行业知识，并且获取行业趋势洞见。比方说是个人/家庭服务机器人这个行业。
我是光耀，是一个互联网产品经理。
我正在读《人工智能产品经理》，这是我的读书笔记，我会持续保持更新。如果你也喜欢这方面的内容，那么请在评论里留下你的看法。
以上就是关于未来可期丨人工智能基础数据标注行业相关政策汇总全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
