11月25日，中关村产业研究院与毕马威联合编著的《人工智能全域变革图景展望：跃迁点来临（2023）》在2023中关村论坛系列活动——新产业50人论坛暨京津冀产业高质量发展大会上重磅发布，报告立足全球及中国的人工智能产业现状，结合市场观察，从技术变革、应用创新、安全治理、生态协同四大维度，提出人工智能产业未来发展的十大趋势，并深度剖析各个趋势的发展情况与核心驱动力，以期能为AI产业界带来有益参考，锚定机遇，化解挑战。

以下为中关村产业研究院吕朋悦博士的发布内容：

“大模型重塑工作流”：这是在我们内部的讨论会议上曾经提出来的一个点。具体来说，第一个例子就是我们日常需要非常多的课题和一些研究研讨，我们感受到有大模型之后，它已经加入到我们的讨论流程里面了，我们这个团队最重要的工作变成了迭代我们提问的问题，所以这是第一个点，从很小的例子里面感受到它重塑了我们工作的流程和团队的互动方式，可以不夸张的说大模型能够带来一场交互革命。

第二个例子，我们公司有一位专业负责品牌活动策划的人员，他整理了一套大模型工具集合，从活动的策划到图片、海报的制作等全过程都得到了大模型的帮助。这些工具极大地提高了他的工作效率。这两个例子使我们感受到，大模型正在重塑工作流程并引发生产革命。同时，通用大模型在解决一些公共场景问题时具有更高的适应性。然而，当我们深入到特定产业、组织以及城市化和生活私有化的研究中时，由于场景数据和私有数据的问题尚未得到妥善处理，我们只能使用冰山模型来显示。冰山以下的模型暂时无法做到完美，但仍有巨大的发展潜力。

 

在这样的背景下，我们为何选择“跃迁”这个词作为题目，是因为我们希望用它来形容人工智能与全行业、全生活领域融合时所感受到的巨大变革。这种变革是跨越式的，而非连续性的升级。

关键问题

于是，我们和毕马威中国的研究团队联合来共同回答这三问：

 

• 企业发展之问：目前推动人工智能变革的企业有哪些、在哪里？
• 产业生态之问：支撑这些产业发生变化的生态的要素当前是一个什么样的阶段？
• 未来趋势之问：未来的趋势如何？

核心观点

围绕这三问我们开展了这样的研究。我们通过数据分析，企业调研，专家走访专家研讨等一系列的方式，主要从人工智能产业洞察、人工智能产业十大趋势这两大方面作答。

 

人工智能产业洞察

我们数据梳理出全球有3.6万家人工智能企业，其中中美两国是领军者，并且300余家人工智能独角兽企业集聚在中美两国。

• 从风险投资来看，人工智能领域企业融资占全球风险投资比重逐年提升。但是中国人工智能的风投后移阶段的特征非常明显，在偏后端的投资占比是越来越大的，细分领域的分化走势很明显。
• 一个关键的发现，近三年人工智能企业的增长数量已从爆发式增长转为稳步增长。在全球风投领域，人工智能的比重仍然强劲，中国AI核心企业有5000余家，独角兽企业数量与美国相当。

   

• 从高校支撑科研实力上来看，从中国跟美国的对比上来看，美国人工智能核心层的学科领域的实力比较强，中国我们是在技术层的学科实力具有相对优势。
• 我们将人工智能的学科专业按照基础层、核心层和应用层进行划分，并统计了全球排名靠前的学校中，拥有这些排名靠前专业的学校数量。从图中可以看到，美国在核心层学科的排名靠前的专业学校数量中占据优势，并且这些学科主要分布在核心层和技术层。而中国在技术层的排名比较靠前，例如在CV和NLP等专业中，中国的高校拥有世界排名比较靠前的学科。

   

• 从中国顶尖AI人才来看，顶尖AI的人才是在增长的，产业技术方向的缺口仍然比较大，复合型人工智能人才的缺口是非常大的。2023年，中国入选Aminer“全球2000位最具影响力的人工智能学者榜单”的人数达277人，相较美国仍有较大差距，存在顶尖人才少、复合型人才缺失、人才供给不均衡等问题。

 

人工智能十大趋势

人工智能技术的迅速发展令人瞩目，其引领着未来的科技潮流。经过长期深入的研究和细致的观察，我们从技术变革、应用创新、安全治理和生态协同四大方向，总结了人工智能未来十大趋势。这不仅是对技术创新的回顾，更是对未来发展的深刻洞察。这十大趋势涵盖了从算法到应用、从理论到实践的全方位发展，标志着人工智能即将走向新的高峰。

 

01技术变革

数据、算力、算法三者相互交融，共同引领技术变革。优质数据为算法提供充分支持，而强大算力则推动复杂算法实现。三者密切协同，成就了人工智能领域的独特进步，形成了协同促进的创新生态。呈现趋势有三：

• 趋势一：多模态预训练大模型将成为人工智能产业的标配；
• 趋势二：高质量数据愈发稀缺将倒逼数据智能飞跃；
• 趋势三：智能算力无处不在的计算新范式将加速实现。

 

多模态预训练大模型是人工智能产业的标配，未来行业大模型会越来越普遍。越来越多专注于垂类大模型的企业需要成本更优惠，环境更友好的大模型开发环境。所以，做好产业服务生态体系需要基于产业发展规律及趋势的认知，像今天我们成立的“新产业促进服务联合体”，也是为了以产业认知为先导来更好地服务产业，打好创新要素组合拳。

这样的人工智能发展趋势下，为企业提供越来越低成本的模型开发和算力使用环境，提供融合多种应用场景的生态环境可能才是当前的AI产业服务之道。

 

02创新应用

人工智能创新不仅体现在技术层面，更关键的是与各个场景的融会贯通。AIGC、AI4S等为不同领域的专家学者提供了交流与合作的机会，推动AI技术与实际场景的深度结合。在这一方向下，通往通用人工智能性（AGI）成为共同目标，致力于实现更全面、灵活且强大的智能系统。呈现趋势有三：

• 趋势四：人工智能生成内容应用向全场景渗透；
• 趋势五：人工智能驱动科学研究从单点突破加速迈向平台化；
• 趋势六：具身智能、脑机接口等开启通用人工智能应用探索。

 

具身智能（Embodied AI）是指具备自主决策和行动能力的机器智能，它可以像人类一样实时感知和理解环境，通过自主学习和适应性行为来完成任务。脑机接口（Brain Computer Interface）是指在人或动物大脑与外部设备之间创建的直接连接，实现脑与设备的信息交换，结合大脑解码技术等让机器更好地理解人类认知过程。目前，具身智能和脑机接口技术均处在早期技术孵化阶段，存在核心技术不成熟、研发成本较高、场景化应用难度高、监管制度缺位等突出问题，距离实现商业化应用还有较长一段距离。

 

03安全治理

人工智能安全治理是一条创新与治理相互促进的协同之路。在不断涌现的技术创新中，必须加强治理框架，确保人工智能的安全性和可控性。创新推动着新的威胁和挑战，而治理则通过规范和伦理标准来应对。在协同努力下，人工智能不仅能够持续创新，也能在安全、可靠的基础上服务社会，构建可持续发展的智能未来。

呈现趋势有二：

• 趋势七：人工智能安全治理趋严、趋紧、趋难；
• 趋势八：可解释AI、伦理安全、隐私保护等催生技术创新机遇。

 

随着机器学习模型在各个领域的广泛应用，人们对于模型的可信度和可解释性的要求也越来越高，对模型透明性和可解释性的要求推动可解释AI和联邦学习向纵深发展，衍生更多的技术创新机遇。

 

04生态协同

开源生态和模型即服务（MaaS）相辅相成，共同构筑了人工智能领域的协同生态。开源生态提供了丰富的工具和框架，促进了算法的创新；而模型即服务则通过云端部署和高效管理，使得这些创新能够快速应用于实际场景，推动了人工智能技术的迅猛发展。呈现趋势有二：

• 趋势九：开源创新将是AGI生态建设的基石；
• 趋势十：模型即服务（MaaS）将是AGI生态构建的核心。

 

期待我们在跃迁时点，见证全域变革的发生。

报告获取方式