隨著新基建的加速布局，5G、物聯網、云計算、人工智能、大數據等技術日益成熟,行業應用場景廣泛落地。其中，人工智能為智能經濟的發展和產業數字化轉型提供底層支撐，為傳統基礎建設注入新活力。作為“新基建”的一部分，人工智能基礎設施是為人工智能應用和服務提供計算、存儲以及通信能力的智能大腦，為新一代信息技術和相關行業產業的創新提供算力、算法基礎條件。

本文將從政策導向、產業格局、應用場景和技術趨勢等維度分析人工智能的發展前景。

政策導向：以技術突破和產業融合為發展目標，保障措施同步完善

2017年之前，人工智能相關政策主要聚焦人工智能技術研發層面。2017年7月，國務院印發《新一代人工智能發展規劃》，明確指出要“加快人工智能深度應用”。此后，政策的重點逐漸從人工智能技術轉向技術和產業的深度融合。

2021年3月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》(以下簡稱“綱要”)全文發布，其中，將“新一代人工智能”作為議題重點提及，并圍繞三個方面布局人工智能發展：

方向一：核心技術突破

人工智能相關技術逐步成為“事關國家安全和發展全局的基礎核心領域”。為進一步推動解決我國人工智能核心技術中的不足和短板，綱要提出，“十四五”期間將通過一批具有前瞻性、戰略性的國家重大科技項目，帶動產業界逐步突破前沿基礎理論和算法，研發專用芯片，構建深度學習框架等開源算法平臺，并在學習推理決策、圖像圖形、語音視頻、自然語言識別處理等領域創新與迭代應用。

方向二：產業融合應用

發展人工智能應以產業的融合應用與產業數字化轉型為核心目標，進而逐漸形成數據驅動、人機協同、跨界融合、共創分享的智能經濟形態。綱要提出，要以數字化轉型整體驅動生產方式、生活方式和治理方式變革，充分發揮我國數據、應用場景的優勢，實施“上云用數賦智”行動，促進數字技術與實體經濟深度融合。通過建設重點行業人工智能數據集，發展算法推理訓練場景，推進智能醫療裝備、智能運載工具、智能識別系統等智能產品制造，推動通用化和行業性人工智能開發平臺建設，在智能交通、智慧能源、智能制造、智慧農業及水利、智慧教育、智慧醫療、智慧文旅、智慧社區、智慧家居、智慧政務等領域形成一系列數字化、智能化應用場景。

方向三：監管創新并重

學術界和產業界對人工智能健康發展相關的倫理與法律風險、AI技術濫用、算法殺熟等問題十分關注。綱要提出，要構建與數字經濟發展相適應的政策法規體系，優化產業政策環境，例如在無人駕駛領域建設完善相關監管框架、法律法規和倫理審查規則;支持民營企業開展基礎研究和科技創新、參與關鍵核心技術研發和國家重大科技項目攻關，進一步激發民營人工智能科技企業的創新活力。

產業格局：市場規模增速快，國內市場競爭日益激烈

中國AI市場穩步發展，數字和人工智能與經濟社會的全面融合正在加速新發展格局的形成，將持續提高全要素生產率，提升居民收入水平，提高國家科技創新能力。

市場規模方面，據IDC預測，2021年，全球AI市場支出規模將達到850億美元，其中中國市場將占據82億美元;2025年，全球AI市場規模增至2000億美元，五年復合增長率(CAGR)約為24.5%，其中約8%的AI相關支出將來自于中國市場，市場規模在全球九個區域中位列第三。

市場競爭方面，據Inspur數據，2020年上半年，浪潮以16.4%的份額在全球人工智能(AI)服務器市場排名第一。戴爾位居第二，僅占不到15%，而HPE則以接近11%的份額位居第三。

企業布局方面，截至2020年10月，百度、華為、騰訊的人工智能專利授權量分別居前三位，證明其技術研發實力名列前茅。此外，核心技術研發層面，百度、騰訊、阿里云、華為等頭部平臺企業已開始布局多項人工智能技術;技術應用層面，平安科技、京東、小米等融合性公司以及商湯科技、曠視科技、云從科技和依圖科技等技術廠商也較為活躍，通過與傳統行業龍頭企業的合作，不斷提升其技術應用市場競爭力。

應用場景：行業應用走向多元化、定制化，發展前景廣闊

人工智能的行業應用場景逐步豐富，加速從碎片化過渡到深度融合的一體化，從單點應用場景轉換為多元化、定制化的應用場景。

IDC預計，到2025年，政府、金融、制造、通訊四大行業的支出規模合計將占市場總量的59%以上;就增速而言，通訊、交通、公用事業、醫療保健等行業的AI支出展現出了較大的發展潛力。

技術趨勢：市場規模增速快，國內市場競爭日益激烈

自動機器學習進一步推廣，降低企業自主建立解決方案的門檻

自動機器學習(AutoML)提供簡單、用戶友好的界面，降低企業將人工智能和機器學習嵌入其業務的成本。未來，通過提高AutoML中的超參數選擇，特征表示與機器學習算法的確定和神經網絡結構搜索的自動化程度及可解釋性，AutoML體系架構日趨完善，將推動新一代普適性AutoML平臺的建設，并將更廣泛地應用于包括流程自動化工具在內的業務創新領域。

算力需求不斷提升，人工智能芯片打磨精細化場景落地能力

芯片是算力基礎設施的重要組成部分，用于處理人工智能應用中的大量計算任務。隨著人工智能算法的發展，視頻圖像分析、語音識別等細分領域的算力需求劇增，市場亟需針對不同領域和應用場景的專用芯片。未來，市場對于芯片的多核并行運算、片上存儲、帶寬、低延時的訪存等提出了較高的需求，將應用于智能終端、智能安防、自動駕駛等領域，加速大規模計算，滿足更高的算力要求。

微型機器學習賦能物聯網應用

微型機器學習(TinyML)是針對終端和邊緣側微處理器的機器學習技術，具備體量小、易管理、易理解等優勢，并能夠處理嵌入式計算應用中的大規模應用。未來，小數據和TinyML將會進一步應用到物聯網等技術場景中，包括汽車、可穿戴式設備、家用電器、工業設備、農業機械等。

生成式人工智能賦能音視頻內容制作

生成式人工智能(Generative AI)是指可使用現有內容(例如文本，音頻文件或圖像)產出全新、相似內容的人工智能算法。未來，生成式人工智能將更多地被運用在教育、影視、藝術和刑事等領域，包括AI輔助視頻制作、智能字幕生成、智能翻譯、特效生成等。

強化學習(RL)賦能數據訓練

強化學習強調如何基于環境而行動，以取得最大化的預期利益，企業可利用自身經驗來提高捕獲數據的有效性。未來，強化學習將更多地被應用到自動駕駛、游戲、推薦系統中，其中前兩者通過強化學習進行模擬試錯(自動駕駛真實訓練時仍需加入安全員進行干預，及時糾正Agent采取的錯誤行為)，后者使用強化學習提高推薦結果的多樣性，和傳統的協同過濾&CTR預估模型等進行互補。

結語

在過去的幾十年里，人工智能的發展主要圍繞著語言、數學和邏輯推理能力的進步。未來，人工智能的將圍繞提升預測準確性和情商能力而發展，為行業數智化轉型帶來層層浪潮。