中国人工智能发展简史

□文/张洪国 陆平 邵立国 念沛豪

中国人工智能发展简史

□文/张洪国 陆平 邵立国 念沛豪

人工智能是研究应用计算机系统来模拟人类智能活动的理论、方法和技术。自1956年诞生以来，人工智能发展经历了几番起落，目前已由专家系统阶段快速进入至深度学习阶段。作为一种通用目的技术，人工智能是当前科技创新和推动产业升级转型的焦点，成为掀起颠覆性创新浪潮的新引擎。

萌芽阶段：系统内部知识重构（1978-2000年）

演绎推理、专家系统

作为人工智能技术分支，该阶段人工智能的实用化最为成功的应用是专家咨询系统，其主要基于演绎推理技术，拥有特定领域专家的推理能力，被广泛应用于农业、工业、电力及勘探等领域。该阶段已出现了一些商业化的专家系统开放工具。

技术概况：自动推理技术取得突破

自1978年“智能模拟”纳入我国国家研究计划以来，我国不断地增大对人工智能相关领域的研发项目支持，并先后成立了中国自动化学会模式识别与机器智能专业委员会（1979年）、中国人工智能学会（1981年）、中国计算机学会人工智能和模式识别专业委员会（1986年）等学术团体。该阶段的研究主要集中于定理证明、自然语言理解、机器人和专家系统等方面。

1984年，吴文俊凭借几何定理的机器证明成果，成为世界自动推理界的领军人物，他所开创的数学机械化被誉为“吴氏方法”。

应用领域：专家系统发展高潮迭起

作为人工智能技术分支，专家系统存储某专业领域中的经过事先总结并按某种格式表示的专家知识，拥有类似于专家解决问题的推理机制。

专家系统经历了80年代的高速发展，在上世纪90年代进入了商业化阶段，当时全球约有2000个不同类别的专家系统，美国约占3/4，日本和欧州各占1/10。我国也开展了一些工业领域的专家系统研究和设计。1986年，华中理工大学研制了链传动设计专家系统软件，以及初步完成的汽轮机总体方案设计专家系统，该系统有9个推理器，具有正向、反向和混合等推理策略。上海交通大学研制了船舶设计领域的专家系统软件，可实现从正向推理确定初始目标和修改目标，从反向推理验证所得目标是否符合设计规范，并研制了开发工具DEST。

商业模式：开发工具

进入20世纪80年代，专家系统的研发趋于商品化。90年代已出现市面上销售的专家系统开发工具，如“天马”专家系统开发环境、CLIPS等，利用这些开发工具可以敏捷开发出特定领域的专家系统。“天马”开发环境由中科院数学所、浙江大学、武汉大学、机电部15所、湖南师范大学、化工部兰州自动化所合作研发，具有常规、规划、近似等多种推理机，具备机器学习、图形添加、自然语言接口界面及演绎数据库等。

张洪国 赛迪智库规划研究所副所长

陆平

赛迪智库规划研究所新兴产业研究室副主任

邵立国

赛迪智库规划研究所制造业发展研究室副主任

念沛豪

赛迪智库规划研究所制造业发展研究室副主任

起步阶段：互联网浪潮助推行业发展（2000-2012年）

关键词：互联网、机器学习

随着互联网和信息技术的蓬勃发展，信息和资源呈现爆炸式增长，海量的信息带给人们更多元化选择的同时，也增加了人们在搜索信息方面的难度和成本。该阶段我国诞生了百度、搜狗等搜索引擎，技术趋势是由人工目录分类检索向“机器爬虫+排序算法”方向发展，机器学习技术在信息搜索、个性化推荐等方面起到了关键作用。

技术概况：机器学习技术取得突破

前一阶段的人工智能系统（专家系统）大多都是基于演绎推理技术，通常不具备归纳推理的能力，不能自动地获取和生成知识。

随着机器学习理论和技术发展迅速，基于统计学习理论的支持向量机、随机森林、Boosting、概率图、基于正则化理论的稀疏学习模型等方法相继被提出。搜索引擎由人工目录分类检索快速向“网络爬虫+排序算法”演进，并且变得越来越能够理解自然语言和处理关键词含义，能够根据人们的兴趣定制网页重要性权重。该时期推荐系统发展如火如荼，如网上购物推送广告信息、购买意向预测等，能够根据人们的购物或浏览历史行为，对人们的潜在兴趣点进行预测。

商业模式：推荐系统

机器学习在推荐系统中有着广泛的应用，主要有基于商品的推荐算法、基于用户的推荐算法及混合推荐算法等。

比如，淘宝、京东等在推荐系统上进行了大量投入，帮助用户能够更快地找到意向商品。再比如，2009年4月百度正式推出搜索推广专业版（“凤巢”推广系统），通过机器学习技术提升广告点击率准确度。

应用领域：

智能机器人、人机博弈、手写体识别

该阶段我国将人工智能相关技术成功应用于智能工业机器人、博弈、手写体识别等领域。

在智能工业机器人方面，我国成功研发出一系列智能工业机器人。例如，放射源操作机器人、移动印刷机器人、切割机器人、激光焊接机器人、锁螺丝机器人、码垛机器人、涂胶机器人等。2001年由中科院沈阳自动化研究所研制的自动导引运输装配系统通过验证，并成功应用于我国汽车产业。

在人机博弈方面，2006年8月举行的“浪潮杯”首届中国象棋人机大赛上，浪潮天梭以11比9的成绩打败柳大华、徐天红、卜风波、张强、汪洋五位象棋大师。

在手写体识别方面，2010年我国自主研发出能够识别中文地址的新一代信函分拣机，在地址库驱动下，实现了信封上汉字地址的高效识别，其识别技术主要是机器学习算法。

成长阶段：计算能力提升打下坚实基础（2012年-2015年）

关键词：深度学习

随着云计算技术和芯片（GPU、FPGA及TPU）处理能力的迅速发展，深度学习为代表的人工智能核心技术突破，使得图像识别、语音识别、自然语言处理等前沿技术的能力和应用效果得到了较大幅度的提升。

该阶段，人工智能相关领域增长迅猛，国内的互联网巨头企业纷纷加大了人工智能领域布局，构建了一系列人工智能开放平台。

技术发展：

计算能力、大数据、深度学习

GPU（图形处理器）、FPGA（现场可编程门阵列）及TPU（张量处理器）等芯片的快速发展，使得基础计算能力大幅提高。

当前应用较为广泛的是“CPU+GPU”模式，相比于单纯使用CPU，GPU拥有更快的处理速度、更少的服务器投入和更低的功耗。比如，AlphaGo与李世石的围棋比赛中，AlphaGo的配置是280颗GPU和1920颗 CPU。

FPGA作为一种半定制的集成电路，优点是根据应用特征来定制计算和存储结构，具有较高的性能功耗比，重构功能也方便了算法调优。百度大脑的专用AI芯片主要基于FPGA。

TPU是谷歌专门为人工智能打造的一款芯片，二代TPU的每秒浮点运算量据称可达180tera FLOPS，比GPU Tesla V100的 120tera FLOPS高 出 50%，TPU当前主要应用于谷歌内部。

应用领域：图像识别、语音识别

百度在2012年底将深度学习技术成功应用于自然图像OCR识别和人脸识别等，并推出相应的桌面和移动搜索产品。深度学习模型被成功应用于图像的识别和理解，错误率降低了30%，人脸验证的准确率则超过98%。深度学习正在取代传统的“人工特征+机器学习”的方法而逐渐成为主流图像识别方法。同年，百度上线了基于深度神经网络技术的语音搜索系统，采用深度学习技术进行商业语音服务。

企业分析：积极布局人工智能

百度、腾讯、阿里巴巴、华为等国内企业积极布局人工智能领域。

深度学习为代表的人工智能核心技术突破，使得图像识别、语音识别、自然语言处理等前沿技术的能力和应用效果得到了较大幅度的提升。互联网巨头纷纷加大布局，构建了一系列人工智能开放平台。

百度正在从互联网公司过渡到人工智能公司，2014年在硅谷成立人工智能研究中心，发布整合大数据、百度地图的智慧商业平台，并与宝马签署共同研发自动化驾驶技术的合作协议，成立自动驾驶汽车事业部。

腾讯在2015年成立智能计算与搜索研究室，推出撰稿机器人dreamwriter。阿里巴巴致力于底层平台搭建，推出人工智能平台DTPAI，并联合富士康向机器人公司SBRH进行战略注资。

华为在2012年成立诺亚方舟实验室从事人工智能研究，主要在数据挖掘领域，并研发出神经应答机，发布了基于深度学习的单轮对话生成模型。

商业模式：

以开放平台方式构筑产业生态

该阶段的主流商业模式是开放平台，以“云+端”的形式向用户提供智能服务接口。

例如，科大讯飞于2010年发布其开放云平台，该平台免费向开发者提供科大讯飞的语音合成、语音识别、语音唤醒、语义理解等智能服务，已与腾讯、滴滴、高德、优必选、美的等企业建立合作关系。2014年，图谱科技搭建了基于深度学习技术的图像识别开放云平台，为企业和开发者提供包括图像内容审查、人脸识别、文字识别、自然场景识别、图像风格化、图像搜索等接口。

投资热点：快速上升

随着人工智能应用范围的扩大，我国人工智能行业的投融资快速升温，2015年我国人工智能领域的相关投资额已经达到2012年的23倍。人工智能领域的获投率为67.65%，获投率整体数值高于其他行业2-3倍。从分布来看，应用类占比71%，技术类占26%，数据资源类占3%。在技术类中，计算机视觉、数据平台类企业获投率较高。

快速发展阶段：政策与资本的强力助推（2015年至今）

关键词：政策助推、资本进入

2015年至今，受政策和资本的强力助推，我国人工智能技术和产业呈爆发式增长态势。目前，我国三大互联网公司纷纷推出了自己类人脑研发计划以及人工智能平台，并已经在客服、金融等领域取得了一定程度应用。

技术发展：爆发期

我国人工智能研究正处于爆发期，中国人工智能专利申请数累计达到15745项，位列全球第二。

我国在计算机视觉、语音识别技术方面已处于国际领先水平，技术成熟，相关革命性应用产品有望持续推出：

图1 2011-2017年中国语音市场行业规模

在语音识别技术方面，百度、Google、Sound Hound等国际巨头的语音识别准确率在 2015年便均已超过90%。以2016第四届CHiMEChallenge结果来看，大部分参赛团队在六麦克风条件下识别错误率已低于7%，国内龙头科大讯飞甚至已降至2.24%，准确率正在向接近99%的人际交互质变阈值。

在计算机视觉方面，以2016年ImageNet图像识别赛为例，我国学术界和工业界团队包揽了多项冠军。比如，商汤科技和港中文获得目标检测第一，公安部三所获得目标定位第一，海康威视获得场景分类第一。ImageNet的冠军团队识别错误率已经下降至2.99%，低于人类正常水平，这表明计算机视觉技术已是日趋成熟。

政策概况：多项支持政策落地实施

自2015年以来，我国出台了多个人工智能相关的政策。2015年7月，国务院印发《关于积极推进“互联网+”行动的指导意见》，将“互联网+人工智能”列为11项重点行动之一。《中国制造2025》重点领域技术路线图中也构建了中国机器人产业发展蓝图。2016年3月，两会授权发布《中华人民共和国国民经济和社会发展第十三个五年规划纲要》，提出“重点突破大数据和云计算关键技术、自主可控操作系统、高端工业和大型管理软件、新兴领域人工智能技术”。2016 年5 月，国家发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018 年国内要形成千亿元级的人工智能市场应用规模。2016年12月，国务院印发的《“十三五”国家战略性新兴产业发展规划》要求，加快基于人工智能的计算机视听觉、生物特征识别、新型人机交互、智能决策控制等应用技术研发和产业化，支持人工智能领域的基础软硬件开发。

市场规模：发掘潜力

我国人工智能研究正处于爆发期，在计算机视觉、语音识别技术方面已处于国际领先水平；与此同时，国家政策大力支持，市场规模不断扩大，产业链趋于完善，投资日渐升温，行业发展未来可期。

随着人工智能技术的不断突破，交通、医疗、教育、制造业等场景应用模式快速发展。

随着人工智能在我国移动互联网、智能家居等领域的发展，我国人工智能产业将保持持续高速成长。根据麦肯锡预计，中国人工智能应用市场将以50%的增速逐年增长，远远超过全球市场20%的复合年增长率。根据前瞻研究院预计，到2022年中国人工智能行业的市场规模将达到680亿元。

产业链格局：趋于完善

人工智能产业链根据技术层级从上到下，分为基础层、技术层和应用层。

在芯片方面，我国从两方面进行推进。一是龙芯系列，龙芯中科公司发布了龙芯二代，包括主频达1.5GHz的3A3000/3B3000处理器，其产品性能已经超过英特尔凌动系列和高端ARM系列。二是类人脑芯片，2015年由浙江大学计算机学院牵头，浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料（CMOS）的支持脉冲神经网络的“达尔文”类脑芯片。2017年“寒武纪”课题组着力于研究下一代人工智能芯片的架构、算法以及在虚拟现实/增强现实等场景的应用。在服务器方面，浪潮与百度联合发布了面向更大规模数据集和深层神经网络的超大规模AI计算平台—SR-AI整机柜服务器。该方案最大支持64块GPU，峰值处理能力为512TFlop。

在平台方面，百度牵头的“中国深度学习技术及应用国家工程实验室”已正式成立，将推出深度学习平台、生物特征识别平台、听觉感知平台、视觉感知平台、新型人机交互平台、知识产权平台和标准化平台。腾讯AI实验室也正式成立，推出机器人开放平台，将腾讯的计算机视觉等AI核心技术共享给用户。阿里云也正在向人工智能转型，计划打造ET大脑平台，如ET工业大脑将在流程制造控制、工艺改良、故障预测等方面发挥作用，帮助企业实现智能改造升级。

资本市场：投资逐渐升温

我国资本市场对人工智能领域投资逐步升温。

2015-2016年，我国有200多家相关公司受到资本市场青睐，总融资额超90亿元，其中平均单个公司的融资额超过四千万元。

在细分领域中，计算机视觉、机器人、自然语言处理三大领域的投资额分别达到10亿元，智能家居、智能安防、智能驾驶、智能金融等领域的投资额分别达5亿元。

应用领域：

智能客服、速记、金融审核

图2 2017-2022年中国人工智能行业市场规模预测

我国出现了一些人工智能应用，能够胜任规则相对明确、机械性较强的脑力劳动任务。

2016年3月，阿里巴巴推出智能客服机器人“阿里小蜜”，它基于语音识别、语义理解、个性化推荐、深度学习等人工智能技术。在双十一中，阿里小蜜累计接待消费者数超632万，相当于5.2万客服连续工作24小时。

同年9月，浙江省高级人民法院宣布将上线智能语音识别系统，该系统能够快速、准确地完成庭审记录，该系统曾在西湖区人民法院试点，准确率高达96%。

蚂蚁金服采用机器学习技术甄别虚假交易行为，使得虚假交易率降低了十倍。

支付宝的证件审核中采用自动识别技术，证件校核时间从一天缩短至一秒，通过率提升了30%。

中国银行将文本分析、图像识别、机器学习等人工智能技术应用于反洗钱核查之中，对贸易交易过程中的货物单价、交易对象、货运船只真实性等内容进行识别并交叉验证。

中国人工智能行业发展趋势

政策环境逐步完善。相比于火热的技术产品市场，我国在人工智能政策法规制定等方面的步伐相对滞后。人工智能涉及众多技术与产品门类，由于缺少行业规范与技术标准，产品质量难以保障；也有企业打着“人工智能”的旗号，增加吸引力。行业规范与技术标准的制定，既是完善市场环境、提高产品质量的必要手段，也是提高我国产业国际竞争力的重要路径，已成为完善人工智能行业发展环境的重点课题。建议相关企业尽快开展、参与行业标准制定工作，树立行业质量标杆，提高人工智能领域国际话语权。

行业发展加快布局。我国人工智能技术虽然起步晚于欧美等国，但近年来已经走在了世界前列。国内的人工智能领域创业公司已达数百家，国内BAT等互联网巨头、商业资本纷纷从大数据、云服务、机器学习、智能硬件等领域加速布局人工智能相关领域。不过值得注意的是，部分地方与企业存在“跑马圈地”的现象，缺少杀手锏级的产品与应用。未来，随着产品与技术路线逐步成熟，对高端人才、优秀产品的竞争将更为激烈，目前一些缺少创新能力、盲目跟风的企业，将存在被洗牌的风险。

新产品、新应用加速涌现。人工智能在国内金融、医疗、教育等领域出现了很多优秀的尝试，显示了巨大的潜能。我国拥有广阔的消费市场和多样化的需求，随着人工智能与各行业更为深入广泛的融合，将会催生出更多样的产品应用，激发更大市场潜力。不过，人工智能将引发行业发生颠覆性改变，可能短时间内对既有产品进行快速替代，导致既有行业迅速萎缩。为此，企业要树立战略思维，提前布局，适时地提高对人工智能技术的适应与融合能力。

随着技术进一步提升，人工智能将有望成为我国产业升级的重要支撑力量，应用场景不断丰富，应用领域向纵深拓展，人工智能领域将逐步形成人机共融的发展局面。

责任编辑：卫丽红

weilihong@ccidmedia.com