今天分享的AI系列深度研究報告：《AI專題報告：2022年中國人工智能產業研究報告》。

（報告出品方：艾瑞咨詢）

報告共計：112頁

人工智能參與社會建設的千行百業

價值性、通用性、效率化為產業發展戰略方向

基于軟件服務、云服務、硬件基礎設施等產品形式，結合消費、制造業、互聯網、金融、元宇宙與數字孿生等各類應用場 景，人工智能賦能產業發展已成為主流趨勢。艾瑞預計，2022年我國人工智能產業規模達到1958億元，人工智能的產品 形態和應用邊界不斷拓寬；2022年，人工智能產學研界在通用大模型、行業大模型等促進技術通用性和效率化生產的方 向上取得了一定突破。商業價值塑造、通用性提升和效率化應用是AI技術助力產業發展、社會進步和自身造血的要義。

企業積極部署AI戰略以實現業務增長

對AI應用的比率及數量持續走高；AI提升營收能力進步

縱觀近五年來的AI技術商業落地發展脈絡，產品及服務提供商圍繞技術深耕、場景創新、商業價值創造、精細化服務不斷 努力；需求側企業也在從單點試驗、數據積累到戰略改革的發展路線上，與AI技術逐漸深度綁定。AI成為企業數字化、智 能化改革的重要抓手，也是各行業領軍企業打造營收護城河的重要方向。麥肯錫2022年對企業應用AI技術的調研表明： 相較于2017年的20%，2022年企業至少在一個業務領域采用AI技術的比率增加了一倍多，達到50%；應用的AI產品數量 也從2018年的平均1.9個增加到2022年的3.8個。除了應用數量上的提升，AI產生的商業價值也不斷增長，企業部署AI的 動力顯著。

科技倫理治理持續引導AI“向善”

全球AI倫理治理邁入法治時代，我國積極倡導框架規范

隨著AI與社會產業的融合應用，其帶來安全、法律和倫理方面的風險不容忽視。2022年，科技倫理治理的約束力和影響 力持續提升。從全球看，主要發達國家和地區的AI倫理治理從政策建議正式進入法律范疇，相關立法逐步完善，國際組織 也在凝聚共識的基礎上，啟動大規模深入研討。從中國來看，在吸取發達國家治理經驗和思路的基礎上，2022年我國首 次將AI倫理治理上升到國家政策層面，提出科技倫理治理的原則和行動方案，具體治理舉措將會不斷細化和完善；同時， 我國也在科技倫理問題上通過國際組織積極表態，增強國際影響力和話語權，防止在科技倫理問題上陷入被動。

人工智能產業投資熱度仍在

融資向中后期過渡，視覺賽道上市浪潮涌動

統計時間內，Pre-A～A+輪人工智能產業創投輪次為數量最多的輪次；整體而言，Pre-B～B輪+及以后輪次的人工智能 產業創投數量逐漸成長，資本流向穩定發展企業，融資逐漸向中后期過渡。繼2021年底商湯科技上市后，格靈深瞳、云 從科技、創新奇智等在2022年也實現了上市目標，部分計算機視覺賽道企業已完成交表動作。雖然，相較2021年，2022 年我國人工智能產業資本市場投資金額整體縮水，但投資標的更加豐富，孵化出AIGC、元宇宙、虛擬數字人等新投資賽 道，認知與決策智能類企業也吸引更多關注，智能機器人、自動駕駛兩類無人系統是融資的熱門賽道。

區域與獨角獸企業融資分布特點

北上廣與江浙地帶融資密度高；獨角獸企業聚集于自動駕駛、 醫療、工業、芯片賽道

從區域分布看，統計時間內融資事件集中分布于北上廣、江浙地帶，北京的融資事件密度最高，融資事件數量占全國的 31.1%。除北上廣、江浙地帶以外區域融資密度較低且分散，相應融資事件數量占全國不超10%。人工智能人才密集、具 備產業園區進行產學研成果轉化、風投機構密布等因素為北上廣、江浙地帶孵化創投項目提供了有利條件。從獨角獸企業 融資情況看，統計時間內獨角獸企業占比6.7%，但對應的融資金額比例高達32.3%。獨角獸融資事件集中分布于自動駕 駛、醫療、工業、芯片行業賽道，分別孵化出L3及以上智能駕駛解決方案、AIDD藥物研發服務、工業機器人、云端大規 模訓練或端側推理芯片等產品或服務。隨著市場資金向獨角獸企業持續流入，AI產業未來或將逐步出現一批明星上市企業。

人工智能產業市場規模

2022年市場平穩向好，市場規模近2000億元

艾瑞定義我國人工智能產業規模涵蓋AI應用軟件、硬件及服務：主要包括AI芯片、智能機器人（商用）、AI基礎數據服務、 面向AI的數據治理、計算機視覺、智能語音與人機交互、機器學習、知識圖譜和自然語言處理等核心產業。據測算， 2022年中國人工智能產業規模達1958億元，年增長率7.8%，整體平穩向好。2022年的業務增長主要依靠智算中心建設 以及大模型訓練等應用需求拉動的AI芯片市場、無接觸服務需求拉動的智能機器人及對話式AI市場，除此之外的增長動力 將在第三章詳細闡述。目前中國大型企業基本都已在持續規劃投入實施人工智能項目，未來隨著中小型企業的普遍嘗試和 大型企業的穩健部署，在AI成為數字經濟時代核心生產力的背景下，AI芯片、自動駕駛及車聯網視覺解決方案、智能機器 人、智能制造、決策智能應用等細分領域增長強勁。2027年人工智能產業整體規模可達6122億元，2022-2027年的相關 CAGR=25.6%。

預訓練大模型范式加速落地

提速AI工業化生產進程，規模化商用仍需突破

AI的認知與應用是沒有邊界的，僅靠極少量的AI科學家和AI技術企業無法推動整個物理世界和數字世界的智能化。因此， 如何為AI開發效率加杠桿，倍數釋放AI生產力，成為了AI產學研界關注的核心問題之一。近年來，依托智能算力基建化、 海量數據積累與治理、深度學習算法突破等，作為一種新興的AI計算范式，超大規模智能模型（又稱預訓練大模型） 的 泛化性和通用性提升，可應用到更廣闊的下游任務及場景中解決AI應用的長尾問題；并且能夠實現AI模型研發-部署-應用 的流程標準化提升，提升AI研發效率。2022年，語言大模型與產業應用的銜接也日漸緊密，行業領軍企業積極推出適合 具體業務場景的行業大模型。通過提供算力、核心算子庫和軟件平臺一體服務，幫助企業將基礎模型能力與生產流程融合， 與頭部客戶合作推廣落地案例。但縱觀整個AI產業，大模型的規模化商用仍需突破算力基建的承載能力、業務場景目標明確及適配、投入產出比、模型開源及交互等問題。

基于預訓練大模型的生成式AI技術

AIGC提升數字化內容生產質效，變革人機交互體驗

2022年，大模型技術研發上的突出進展來自于BEiT-3多模態（視覺-語言任務）基礎模型，包括其在視覺問答、圖片描述 生成和跨模態檢索任務上的出色表現。多模態大模型的快速發展為生成式AI （Generative AI，AIGC）技術能力的升級 提供了強力支撐和應用產品的全新可能性。2022年，一幅由Midjourney生成的AI畫作《太空歌劇院》橫空出世，后AI生 成圖片在社交平臺瘋狂傳播；2022年底，AI繪畫熱潮猶在，ChatGPT（Chat Generative Pre-trained Transformer）又 使AIGC這一概念徹底出圈。AIGC是一種全新的內容生產方式，是利用現有文本、音頻文件或圖像創建新內容的技術。其 使用機器學習算法，從數據中學習要素，一般基于跨模態大模型打造，包括基于素材的部分生成和基于指令的完全自主生 成和生成優化。得益于真實數據積累和計算成本下降，可幫助生成數字化內容初稿，產品包括AI繪畫、平面設計、對話系 統、搜索引擎、代碼生成等，提高了數字化內容的豐富度、生產效率與創造性；類人的交互體驗和全民參與度也提升了C 端消費側對于AI的感知，進一步拓寬了市場對AI商業價值的想象空間。

國產AI芯片廠商表現

互聯網與創業廠商積極入局，基于切入點選擇不同芯片架構

面對國外廠商的壟斷壓力，國內互聯網廠商與AI芯片創業廠商積極入局，選擇ASIC-DSA或GPGPU等細分產品架構切入 中國AI芯片市場。從產品進展來看，互聯網廠商依托于持續研發投入、雄厚技術實力與內部應用場景進展領跑，以華為海 思與百度昆侖為代表的云端AI芯片產品現已達到數萬片量級的落地規模，在實現自身應用的同時完成部分對外的銷售落地。 中國ASIC初創廠商多已完成產品迭代，與互聯網短視頻，泛安防廠商或車企達成聯盟協作，有序進入產品驗證、小規模銷售或規模化應用階段；中國GPGPU廠商產品也在今年陸續完成點亮發布。綜合來看，中國AI芯片廠商已脫離早期的愿景情懷階段，產品實現切實落地，未來將更強調系統集群與軟件生態的建設，自主可控基底不斷加厚。

行業投融資熱度分布

工業領域成為計算機視覺一級市場主要標的

2021-2022年統計時間內共有151起投資事件，工業、泛安防、能源為熱門賽道TOP3，工業賽道以53.6%的過半熱度斬 獲中國計算機視覺市場融資熱度首位。工業賽道熱度高，源于廣泛的子行業（離散制造、流程制造）及多樣的場景（裝配、 質檢、運輸），獲投企業業務涵蓋工業視覺軟件/工業視覺算法平臺、工業智能相機/識別模組、工業視覺軟硬一體機的研 發，致力于提升工業領域生產效率、節約人工/材料成本等。作為近兩年來AI產業上市最火爆的細分賽道，涌現了商湯科 技、格靈深瞳、云從科技、奧比中光等IPO企業，表示AI視覺的行業成熟度和認可度已進入新階段。

獲投產品與融資輪次分布

工業視覺軟件產品為賽道投資焦點；早期輪次企業占比高

從典型產品融資熱度分布來看，工業領域產品（工業視覺軟件和工業智能相機）關注度最高，其中工業視覺軟件產品為整 體AI視覺賽道投資焦點，賽道擁擠，熱度占比達到38.4%。其次視覺算法平臺企業熱度占比為24.5%，主要提供多行業應 用領域的算法服務，如人臉人體識別、文字識別OCR等；而應用于泛安防、零售等場景的視覺軟硬一體機產品占比也達 到19.2%。從融資事件輪次分布來看，C輪以前的融資事件占比達到66.9%，多集中在早期，產業仍處于快速發展階段。

行業融資熱度分布

AIDD成為醫療機器學習一級市場主要標的

統計時間內共有155起投資事件，醫療、工業、零售、金融為熱門賽道TOP4，醫療賽道以46.5%的熱度斬獲中國機器學習行業融資熱度首位。醫療賽道中，AIDD子賽道的融資事件數量與金額分布均占主要份額，AIDD融資事件數占醫療機器學習事件數比例超60%，融資金額占醫療機器學習融資金額比例超65%。資金除了注入晶泰科技、英硒智能這樣的獨角獸企業外，也分散流入一些融資輪次靠前的初創型企業。盡管目前AIDD尚未成功助推一款新藥研發上市，但AIDD已經跨越概念階段并步入發展期，生物制藥企業逐漸將嵌入機器學習技術與算法能力的藥物研發平臺作為一項高效的藥物研發工具。此外，工業賽道的大型制造集團、電力集團、能源集團對數字化轉型所需的平臺型工具有強烈需求，工具中往往加入了機器學習開發平臺協助場景模型研發。

獲投產品與融資輪次分布

藥物研發平臺與服務融資熱度高，多數企業產品基本成型

統計時間內，AIDD賽道的藥物研發平臺與服務為獲投熱度最高的典型機器學習產品，多數獲投事件所涉及藥物研發環節 集中在靶點發現與化合物合成階段，靶點發現與化合物合成融資頻次占藥物研發平臺與服務總頻次比例為77.7%。決策智 能解決方案與數據平臺熱度次之，此外還涉及工業互聯網平臺、醫學數據智能平臺等產品。融資輪次方面，Pre-A~A+輪 融資事件輪次最多，這意味著多數機器學習創業企業產品基本成型并上線，有少量企業已沖刺到C輪及以上輪次。

產品形態及功能

以平臺為核心產品形態，聚焦診斷、預測、決策功能開發

一般而言，機器學習產品以機器學習開發平臺形式嵌入數據平臺/中臺，或作為乙方內部的開發工具，或獨立封裝成為機器學習開發平臺的形態而存在。機器學習開發平臺作為一類高階知識工具，對缺乏IT與人工智能領域專業知識的廣大客戶并不友好，對客戶造成較高使用門檻，導致客戶對純平臺工具形式的產品認可度與接受度低，所以在2015~2020年間的機器學習產品產業化早期階段，供給側玩家傾向于將機器學習開發平臺嵌入數據平臺/中臺、行業解決方案中，并與咨詢、開發、培訓等人力服務捆綁在一起打包對外出售。2020年后，部分客戶在內部組建培育出更多的專業技術團隊，并出于業務開發自主性、前沿學科研究等方面的考慮，觸發了購買獨立封裝形態的專業版機器學習開發平臺的需求。三類形態的機器學習產品用以實現描述、診斷、預測、決策四類功能。描述與診斷屬于事前分析，預測與決策屬于事后分析，目前產品開發更聚焦于診斷、預測、決策三類功能。其中，決策功能引入運籌優化知識，結合求解器尋找業務最優解，演變出決策優化類產品（決策智能產品的一類典型應用）。

產品核心指標表現與建設現狀

業務知識儲備普遍欠缺，項目幫帶為業務建設核心環節

綜合供需兩側，艾瑞將機器學習開發平臺拆解出:IT基礎支持與架構設計、產品功能設計、業務知識儲備三個核心一級評價指標，一級指標各對應相應的二級指標。在硬件資源支持、平臺模塊封裝等二級指標的表現上，供給側技術強項指標都超過了需求側側重的技術指標，這意味著供應商比較難以憑借這些同質化、未擊中客戶關鍵業務痛點的指標形成產品差異化優勢。而在行業知識積累、數據治理等二級指標的表現上，供給側技術的表現較弱，這恰好反映了當前供應商在開發層面的短板，補足這些短板是打造產品核心競爭力的關鍵。此外，機器學習產品當前在架構建設上仍以大數據中下層建設為主，上層應用開發主要局限在金融行業，在業務建設上以供應商對客戶進行幫帶學習為核心環節，旨在培養客戶的自主開發與學習使用能力，逐步擺脫傳統業務模式與過度依賴乙方的窘境。