人工基础智能及其经济 8

AI人工智能产业发展人工智能经济学20xx年0716课程结构2框架模块章节3本讲内容人工智能产业概述系统介绍人工智能产业的概念定义、发展脉络、核心构成以及未来走向01人工智能产业结构梳理人工智能产业多元化的市场参与主体介绍人工智能产业全球化的市场竞争格局02人工智能产业与技术创新系统梳理人工智能产业中技术创新的驱动因素、创新领域、创新模式以及扩散机制03本章学习要点4理解人工智能产业的定义范畴和演进历程01了解人工智能的产业结构与市场竞争格局02了解人工智能产业中的技术创新机制与扩散机制03运用所学知识对人工智能产业发展趋势进行分析判断04人工智能产业概述理解人工智能产业的定义范畴和演进历程57.1一、人工智能产业定义与范畴6产业定义人工智能产业是基于计算机科学、控制论、信息论等多学科理论与技术，通过围绕人工智能的理论研究、技术开发、产品制造与服务应用等一系列活动所形成的综合性产业体系人工智能产业的核心在于使机器能够具备类似人类的感知、认知、决策、学习和执行等智能能力，以处理复杂的信息与任务人工智能产业的特性包括高度的创新性、跨学科性和渗透性人工智能产业影响深远，它不仅推动了自身技术与产品的快速迭代发展，还与传统产业深度融合，引发了各产业的变革与升级，对社会生产力提升、经济结构调整以及人类生活方式改变产生了深远的、全方位的影响在科技蓬勃发展的当下，人工智能产业已成为推动全球经济增长与社会变革的核心力量产业范畴从基础层的硬件与数据支撑，到技术层的核心技术研发，再到应用层的广泛行业渗透，人工智能形成了一个庞大而复杂的产业体系，深刻改变着人类社会，具有巨大发展潜力和广阔应用前景视觉传感器（摄像头）能够捕捉图像和视频数据，为计算机视觉应用提供素材GPU图形处理器在大规模并行计算上表现卓越，适合深度学习中的矩阵运算产业范畴7基础层（1）为整个人工智能体系提供底层的硬件设施、数据资源以及算法框架等基础支撑要素的企业和组织硬件设施硬件设施制造商作为人工智能的产业底座，主要生产芯片和各类传感器FPGA现场可编程门阵列可灵活编程配置，在特定场景下能效较高语音传感器（麦克风）可以采集声音信号，用于语音识别与语音交互ASIC专用集成电路针对特定人工智能任务定制，具有更高的效率和更低的功耗（谷歌为其深度学习框架设计TPU其他各类传感器（温度传感器、压力传感器）可用于工业物联网等人工智能应用场景中收集环境数据传感器是人工智能获取外部信息的关键部件芯片是支持人工智能技术发展的的底层算力基础基础层（2）8算法框架数据资源服务商主要从事数据采集和数据存储与管理的工作数据资源TensorFlow、PyTorch等开源框架被广泛应用这些框架包含丰富的函数库和工具，能够方便地构建神经网络模型，进行模型训练、优化和部署降低了人工智能的开发门槛，促进了技术快速迭代和创新

通过网络爬虫、传感器、人工录入等多种方式从互联网、物联网设备、企业内部系统等渠道收集海量数据包括结构化数据（如数据库中的表格数据）和非结构化数据（文本、图像、音频、视频等）数据采集

涉及分布式存储系统（Hadoop分布式文件系统HDFS）、云存储服务等，用于存储和管理大规模数据运用数据仓库技术对数据进行整合、清洗、分类和索引，以便后续的数据挖掘与分析数据存储与管理大型科技企业和科研机构设计算法框架，为开发人工智能模型提供基础架构和工具集基础层（3）9中国人工智能产业的基础层占比及主要企业有哪些企业也应出现在右图中？资料来源：《人工智能发展白皮书2023》技术层（1）10人工智能产业的技术层聚焦于人工智能的核心技术研发与创新的各类组织，是实现人工智能进步与发展的关键所在机器学习是人工智能的核心技术之一监督学习：线性回归、决策树、支持向量机等无监督学习：聚类分析、主成分分析等半监督学习：结合少量标记数据和大量未标记数据进行学习使机器能够从数据中自动学习规律和特征，从而进行分类、预测、推荐等任务深度学习是基于人工神经网络的机器学习分支通过构建多层神经网络结构（如多层感知机、卷积神经网络），实现对复杂数据的深层次特征提取和模式识别在图像识别、语音识别、自然语言处理等领域取得了突破性的成果，推动了人工智能技术的广泛应用计算机视觉专注于让计算机理解、分析图像和视频数据目标检测图像分类语义分割动作识别广泛应用于安防、交通、工业检测、娱乐等众多行业自然语言处理旨在使计算机能够理解、处理和生成人类语言文本分类情感分析机器翻译问答系统文本生成在信息检索、智能客服、内容创作等领域应用深入语音技术使得人机交互更加便捷自然语音识别语音合成广泛应用于智能移动设备、智能家居、智能车载系统等场景，极大地提升了用户体验和设备的智能化程度技术层（2）11中国人工智能产业的技术层占比及主要企业有哪些企业也应出现在右图中？资料来源：《人工智能发展白皮书2023》智能生产规划与调度质量检测与控制供应链管理优化……应用层12人工智能产业的应用层是人工智能技术与各个具体行业领域深度融合并产生实际应用价值的软件应用和企业组织，这一层级非常广泛并仍处于迅速扩张中医疗领域智能诊断辅助系统药物研发医疗影像分析……金融领域风险评估智能投资顾问金融欺诈检测……制造业领域智能家居智能零售智能农业……教育领域个性化学习推荐智能辅导系统教育评价与分析……交通领域智能交通管理系统自动驾驶技术……其他领域应用层（3）13中国人工智能产业的应用层占比及主要企业有哪些企业也应出现在右图中？Deepseek、OpenAI这样的企业应该算在人工智能产业的哪一个层次中？资料来源：《人工智能发展白皮书2023》二、人工智能产业发展历程14自动化与工业机器人阶段（20世纪60年代-21世纪初）德国西门子安贝格智能工厂，数以千计的智能执行器以0.01毫米的定位精度协同工作，良品率高达99%1956年9月26日，联邦德国沃尔夫斯堡，工厂里大众甲壳虫的生产线自动化的发展背景传感器技术进步：能够更精准地感知环境信息，可以采集温度、压力、光线等环境参数，以及生产线上产品的位置、形状、质量等数据控制论进一步发展：为自动化系统提供了科学的控制策略，使得机器能够依据预设规则对所获取的信息进行快速处理并做出合理反应自动化与工业机器人阶段（20世纪60年代-21世纪初）15京东的亚洲一号智能物流园1954年，乔治·德沃尔提出第一台工业机器人Unimate的专利1961年，福特公司首次在美国的装配车间部署Unimate机械臂，用于车身焊接和喷漆作业工业机器人早期工业机器人：简单重复的机械运动，如生产线上进行焊接、喷漆、搬运等智能化工业机器人：强大的运动控制能力+人工智能技术在物流仓储、电子制造等领域，工业机器人应用广泛，能够实现高效的货物分拣和搬运，自动调整电子元件装配参数近年来，工业机器人的应用范围不断拓展到食品加工、医药生产等行业，成为推动工业生产智能化、柔性化发展的关键力量，降低人力成本，提高生产的稳定性和可靠性FANUC的scara机器人电子产品组装系统案例1工业机器人国际市场16各国都致力于将自动化技术应用于制造业领域，逐步改变着传统的生产模式美国：工业机器人技术的领导者之一，20世纪60年代就开始了工业机器人的研发工作，在将人工智能等前沿技术应用于工业机器人领域方面取得了重大突破日本：拥有发那科、安川电机、川崎重工等知名企业，在工业机器人的关键零部件制造、本体设计、控制系统等方面均拥有成熟的技术中国：2013年，中国首次超越日本成为全球最大的工业机器人消费市场，这一格局至今已持续了11年庞大的制造业基础和不断升级的产业需求，为工业机器人在我国的发展提供了广阔的应用空间，过去十年我国工业机器人市场发展迅猛国产工业机器人厂商的同比增速远高于市场整体增速，逐渐打破了“四大家族”（瑞士ABB、德国库卡，日本发那科和安川电机）的垄断整体来看，以埃斯顿、汇川、优必选等为代表的一批国产机器人厂商发展势头良好，加速了行业洗牌与市场格局重塑专家系统阶段（20世纪70年代-90年代）17起源技术基础：计算机技术有了一定程度的发展，具备了初步处理较为复杂知识体系的能力专家系统：模拟人类专家决策能力的计算机系统，通过知识库（KnowledgeBase）​存储领域专家经验，利用推理引擎（InferenceEngine）​进行逻辑推导，以解决复杂问题DENDRAL：斯坦福大学开发的世界上第一个化学专家系统影响在特定领域应用广泛美国：设计型、规划型、教育型、预测型等多种类型的专家系统，如KBVLSI、MOLGEN、GUIDON英国：用于医学诊断的专家系统INTERNIST，为医疗领域的智能化应用提供了支持20世纪80年代末-90年代初互联网与人工智能技术的出现，使得专家系统逐渐失去吸引力（为什么？）深度学习阶段（2006年至今）18理论基础深度信念网络（DBN）：2006年由杰弗里·辛顿等提出，是一种生成式神经网络结构，擅长处理高维数据和非线性问题社会意义深度学习在数据处理能力、模型泛化能力和模型的灵活性方面具有显著优势，开启了智能化应用的新纪元重塑人工智能产业的格局科技巨头（如谷歌、微软、亚马逊等）：加大在深度学习领域的研发投入，推出一系列基于深度学习的产品和服务，巩固领先地位初创企业（专注于深度学习在特定领域的应用开发）：遍地开花，形成充满活力的人工智能创新创业生态排序学校国家1哈佛大学美国2斯坦福大学美国3麻省理工学院美国4牛津大学英国5剑桥大学英国6哥伦比亚大学美国7加州大学圣地亚哥分校美国8加州大学伯克利分校美国9清华大学中国10加州大学洛杉矶分校美国全球人工智能研究领域领先的TOP10高校榜单（2024年）三、人工智能产业发展的重要性（一）19基础技术创新：计算机硬件升级换代，算法的性能优化学科交叉融合：人工智能融合多学科知识，打破不同学科之间的界限，催生出全新的研究领域和方法全球科技发展：人工智能引领着全球科技竞争的前沿走向掌握人工智能技术就意味着在众多高科技产业（如量子计算、生物技术等）的交叉创新应用中拥有更大优势科技层面经济层面微观经济：为企业提供创新的商业模式和竞争手段产业经济：催生一系列新兴产业和就业机会，从芯片制造、算法研发到应用开发、系统集成等上下游产业形成了庞大而富有活力的产业生态链宏观经济：带动整体经济增长，推动传统产业向智能化、高端化转型人工智能产业生态链脑机接口需要神经科学与计算机工程深度协作三、人工智能产业发展的重要性（二）20社会资源配置：信息资源：快速筛选、分类与整合海量信息，使社会个体与组织能够更高效地获取与利用信息资源物质资源：优化供应链管理、智能物流调度，减少物质资源的浪费与错配从资源稀缺性理论的角度，人工智能提高了整个社会对有限物质资源的利用效率，提升社会福利水平社会层面敦煌研究院开发的“数字藏经洞”项目，为用户打造身临其境的超拟真体验社会公平与包容发展：资源共享：将优质的教育、医疗等资源以数字化形式更广泛地传播与共享价值实现：在就业与社会参与方面为特殊群体创造了新的可能，有助于构建多元、平等与包容的社会结构社会伦理与治理：社会伦理：人工智能系统的决策过程与结果引发了关于责任归属、公平性、透明度等多方面的思考社会治理：传统法律和监管框架面临前所未有的挑战，需要理论创新与重构人工智能产业结构了解人工智能的产业结构与市场竞争格局217.2一、多元的市场参与主体22科技巨头占据关键地位，发挥引领作用优势：雄厚的资金实力、海量的数据资源、强大的技术研发团队、广泛的市场渠道方向：基础研究与应用拓展细分领域企业是推动创新发展的重要力量人工智能芯片研发（英伟达）计算机视觉技术研发（旷视科技、商汤科技）自然语言处理（科大讯飞）算法研发与应用平台搭建（一些新兴企业如泰凌微、中科琉）人工智能产业技术驱动性强和产业融合度高的特点，塑造了其独特的产业结构谷歌的TensorFlow框架已成为全球广泛应用的深度学习工具字节跳动开发的大语言模型“豆包”月活位列国际前列科研院所和高校是创新源泉与人才培养的摇篮承担大量国家级科研项目，在机器学习基础理论等方面持续深入研究为企业和研究机构输送专业人才，促进知识传播与技术扩散政府与行业组织是政策制定者、资源协调者与行业规范者出台人工智能相关政策与战略规划设立科研基金、建设人工智能产业园区，促进产学研合作与资源整合电气与电子工程师协会（IEEE）、中国人工智能学会等在制定行业标准、组织学术交流、促进企业合作等方面发挥重要作用二、复杂而全球化的市场竞争格局23技术创新竞赛核心焦点：技术创新算法：算法创新能够提升计算机视觉、自然语言处理等任务的准确性和处理速度数据处理技术：高效地存储、管理、清洗和分析海量数据成为关键算力芯片：芯片制造商不断研发“更高、更快、更强”的新型芯片应用场景拓展竞争医疗领域：智能诊断辅助系统、药物研发加速、医疗影像分析优化金融领域：风险评估与管理、智能投资顾问、金融欺诈检测制造业：智能生产规划与调度、质量检测与控制、供应链管理优化交通、教育、家居、零售等其他领域：挖掘不同行业的应用需求，争相开发针对性的人工智能产品和服务，争夺市场份额人工智能产业市场竞争格局呈现多极化、多维度、全方位的特点生态系统构建竞争科技巨头和细分领域企业通过整合上下游资源，建立合作伙伴关系，打造以自身为核心的人工智能生态体系多极竞争态势全球范围：美中双强，多极相争区域范围：不同地区围绕自身的特色优势资源和产业基础展开激烈竞争微软以Windows操作系统和Azure云平台为基础，联合软件开发商、企业用户、硬件合作伙伴等构建人工智能生态腾讯以社交平台为依托，联合游戏、金融、内容创作等板块，打造集人工智能技术应用、数据共享、开发者合作于一体的数字生态体系人工智能产业与技术创新了解人工智能产业中的技术创新机制与扩散机制247.3一、人工智能产业中技术创新的驱动因素25技术创新是人工智能产业突破发展瓶颈的关键，有力推动了人工智能产业的生态构建与完善市场需求拉动提升企业效率：企业为了提高生产效率、降低运营成本、增强市场竞争力，对人工智能技术创新有着强烈的需求改善消费者体验：消费者对产品和服务的期望不断提高，市场对改善消费者体验的人工智能创新技术需求强烈科学进步推动计算能力提升：计算机硬件技术的进步，特别是芯片性能的提高，为人工智能技术创新提供了强大的计算支持算法上的突破：从早期的决策树、支持向量机等传统机器学习算法，到深度学习中的卷积神经网络（CNN）和循环神经网络（RNN），再到近期的生成对抗网络（GAN）和强化学习算法，每一次算法的突破都开启了新的应用场景与新的商业机遇产业政策带动引导资源分配：政府在人工智能产业的政策布局（财政补贴、税收优惠政策），为技术创新奠定了坚实基础推动产学研协同合作：搭建产学研合作平台，保障各方权益，加速技术创新成果的转化和应用，形成推动技术创新的长效机制二、创新领域26人工智能产业中技术创新的领域主要包括：硬件创新、数据创新与算法创新硬件创新芯片研发：新型人工智能芯片（GPU、ASIC和FPGA）边缘计算设备：随着人工智能应用场景向边缘端（物联网设备、移动终端等）拓展，边缘计算设备的创新愈发关键，需要在有限的功耗和计算资源下运行人工智能模型数据创新数据采集技术改进：传感器采集设备数据，网络数据采集数据质量提升与管理：数据清洗技术优化、数据标注技术改进、数据存储架构优化、数据安全和隐私保护技术创新数据合成与增强技术：通过生成式对抗网络（GAN）合成新的医学影像，扩充训练数据集；通过数据增强对图像进行旋转、翻转，对文本进行同义词替换、重组，增加数据多样性算法创新深度学习架构优化：Transformer架构能够更好地处理长序列数据，在自然语言处理领域应用广泛学习方式融合：将监督学习、无监督学习和强化学习等不同学习方式进行融合（“预训练-微调”范式）可解释性算法探索：通过特征重要性分析、解释生成技术（如LIME和SHAP方法），使模型决策过程能够被理解，对于医疗、金融等对决策透明度要求较高的领域至关重要（底层创新）（动力创新）（效率创新）三、创新模式27开源创新开源框架：TensorFlow和PyTorch提供了丰富的函数库、工具和示例代码降低人工智能开发门槛，使全球开发者能够方便地进行模型开发和实验，在人工智能技术创新中发挥了巨大的推动作用开源社区：GitHub、GitLab、Bitbucke和SourceForge等开源平台上围绕人工智能项目形成了活跃的社区，开发者们共同改进算法、优化模型、修复漏洞这种协作机制促进了知识共享和技术传播，加快人工智能技术创新的速度产学研合作创新高校和科研机构在人工智能基础理论研究方面具有深厚的积累通过开展前沿课题研究，如新型机器学习算法的探索、人工智能与脑科学的交叉研究等，为产业技术创新提供理论支持科技企业在人工智能创新过程中发挥着应用导向和资源整合的作用将高校和科研机构的研究成果迅速转化为实际产品和服务企业提供资金、数据和应用场景，高校提供科研力量，实现双方优势互补，加速了人工智能技术从实验室到市场的转化过程上海人工智能实验室联合商汤科技发布通用视觉开源平台OpenGVLab微软研究院与MIT建立"AIforGood"联合实验室，聚焦公平性、可解释性等AI伦理研究四、技术扩散机制28技术创新是人工智能产业突破发展瓶颈的关键，有力推动了人工智能产业的生态构建与完善企业合作机制大企业拥有雄厚的技术研发实力和丰富的资源：大型企业通过投资、战略联盟等方式与中小企业合作中小企业专注于特定细分领域：中小企业在特定应用场景下的创新成果会反馈给大企业，促进大企业技术的完善与拓展技术开源与共享机制开源框架：开源框架蕴含的先进