时光荏苒，一晃又是五年，适逢这个百年未有之大变局的历史发展机遇下，各行各业都在谋定着下一个五年的发展纲要与规划。值此岁末收官之际，回首“十三五”，展望“十四五”，是每一个人工智能行业从业人员的复盘总结。笔者想从“十三五”期间的几个角度来复盘人工智能市场格局的演变，并由此与读者共缄共鸣，展望即将到来的“十四五”。

　　人工智能在我国的发展离不开政策导向、激发资源等要素的创新，从2016年上半年开始，发改委联合多部门发布了《“互联网+”人工智能三年行动实施方案》，明确要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平，并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。12月份国务院先后印发的《“十三五”国家战略性新兴产业发展规划》、《“十三五”国家信息化规划》中均将“人工智能”的发展列在重要位置。值得注意的是，“人工智能”首次写入了全国政府工作报告。2017年，轻量级的人工智能应用开始落地，AI成为创业热点。

　　在“十三五规划纲要”中，提到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。同时，在与《“十三五”国家战略性新兴产业发展规划》配套编制的《战略性新兴产业重点产品和服务指导目录》2016版中，明确了5大领域8个产业，进一步细化到40个重点方向下174个子方向，近4000项细分的产品和服务。其中人工智能产业首次进入了指导目录名单。2019年，全球人工智能产业进入了落地应用的高峰期，商业化成为行业焦点。我国市场再迎政策红利，于2019年3月19日中央深化改革委员会审议通过了《关于促进人工智能和实体经济深度融合的指导意见》，从政策上部署，推动人工智能规模化落地。

　　截至目前，全国多个省市已陆续出台政策，其中，北京、上海、深圳、杭州等东部城市人工智能产业密集，在政策反应速度上也明显高于中西部城市，全国人工智能产业发展将在头部城市引领下形成百花齐放的场景。

　　人工智能上升国家战略地位，政策支持力度逐步加大，市场迅速作出了反应，市场规模逐年扩大，人工智能市场前景十分广阔。随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展。

　　1.市场规模不断扩大。从市场规模来看，自2015年开始，我国人工智能市场规模逐年攀升。随着人工智能技术的逐渐成熟，科技、制造业等业界巨头不断深入布局。数据显示，2018年我国人工智能市场规模约为339亿元，增长率达到56.2%，到2019年我国在人工智能的市场规模达到500亿元。

　　2.技术市场不断创新。“十三五”期间，我国人工智能技术不断创新，专利申请数量突破30000项。2010年，我国移动互联网开始发展，技术和数据积累给人工智能研究带来了较大的增长动能。进入2015年，在国内外人工智能研究和应用场景不断进步的基础上，我国人工智能相关研究开始进入高速发展阶段。统计数据显示，我国人工智能相关专利申请数从2010年开始出现持续增长，并于2015年开始大幅增长，达到28022项。我国人工智能相关专利申请数在近20年内持续增长，2016年我国人工智能相关专利年申请数突破30000项。目前，我国人工智能研究水平正在处于不断提高的阶段，已取得一定阶段性成果，有望持续发展。相关数据显示，2018年，我国共计申请人工智能公开专利达3万项。

　　3.产业布局加快完善。随着我国人工智能市场快速发展，各地积极进行产业布局。整体来看，我国人工智能产业形成以京津冀地区、长三角地区、珠三角地区协同发展的格局，尤其东部沿海地区为重点部署区域。其中，北京布局相对成熟，具有较为完善的产业链，尤其中关村科学城等机构为北京的人工智能产业发展提供利好的政策、技术、人才等支持。目前，北京拥有人工智能企业数量位于全国前列，约为400家。上海拥有的人工智能企业数量相较北京少，但也领先其他省市。上海规划建设人工智能高地，打造一流的人工智能创新生态，目前已布局“人型”空间结构，分布在8个区域、11个行业。除了上海以外，江苏、浙江等地也积极布局，人工智能企业较为集中。广东科技创新能力同样处于领先地位，尤其粤港澳大湾区的规划发展重视人工智能的布局。截至目前，广东省已成功认定两批共8个园区作为“广东省人工智能产业园”。此外，广东依托国家特色小镇、千企千镇工程、珠三角国家自主创新示范区和广深科技创新走廊建设的重要契机，鼓励各地市结合本地基础和优势，加快人工智能产业应用布局，打造一批人工智能小镇。

　　“十三五”期间，人工智能市场发展也存在诸多问题，启迪着“十四五”的发展规划方向。

　　在过去的五年里，AI算法本质上干了三件事：充当了分类器、钥匙、加速器。无论是目标识别、数据聚类、模型推理都是在计算机视觉图形图像识别领域解决分层分类的快速、准确命中率的问题。使用AI算法进行聚类因子的数据递归计算，实现快速推理加速统计分析，从而加速计算加速分析加速应用，直观的改观了用户体验，使得摄像头看得见、看得清、还看得懂了。但正是因为人工智能发展与实体经济的结合正在进行时，解锁的场景赋能的千行百业还一直在路上，因此暴露出价值行业依赖性约束条件敏感等问题，导致局部应用而不能全域、特定有效而不能全部、通用样本而不能细分。算力方面的问题也随着“十三五”末升级的中美贸易战和美国实体清单等因素愈发凸显。

　　算力的问题表现在两个方面：一是算力本身带来的环保问题，无论是为了实现AI化而引进的高能耗GPU/CPU计算，还是由于利益导向产生的AI算力挖矿潮，导致的环保节能得不偿失，这都是算力这五年产生的问题。二是算力依据的算力单元生产设计制造还严重依赖“卡脖子”技术产品，短期无法自主化，AI算力芯片的各环节均无法达到先进工艺，设计架构、生产制造、行业应用离不开Nvidia、ARM的技术，离不开TensorFlow、ONNX、Kaldi、MXNet、Caffe这样的受制于人的算力支撑框架。国产芯片任重道远，生态没有形成规模，市场格局还无法撼动上述头部企业的主流区间。

　　此外，人工智能无论在计算机视觉、还是语音识别、图像识别等领域发展迅猛，但带来的隐私问题已经逐步引起国家重视。全世界最安全的地方就是中国，依赖这五年建设的平安城市、天网工程、雪亮工程的依次递进升级，摄像头的极致AI应用已经成为了维护公共安全的重要力量。但人脸数据、隐私数据也被不法分子加以收集利用，毕竟人的指纹、人脸、语音一生只有一次不可修改，这就造就了社会上以隐私主动换取便利、以隐私被动完成交易司空见惯。随着《中华人民共和国网络安全法》和《中华人民共和国网络隐私保护法》的修订和出台，相应的问题暴露出来亟需在行业和产业中得到纠偏和解决，令人担忧的是野蛮生长的这五年里全国十四亿人的大部分隐私数据都已经被各大互联网市场寡头挖了个底朝天，“杀熟”、“美颜”、“推送”这样的手法已经见怪不怪了，这不是AI应该给社会带来的样子。

　　二、“十三五”期间，人工智能对整个安防市场的影响与变革

　　“十三五”期间，AI的种子在中国特别是安防市场生根发芽、快速生长。人工智能在安防行业“兵分两路”，快速落地。安防是人工智能最早开始落地的场景，目前已经在公安系统和各类智慧空间广泛应用，具体有：城市安防（智慧城市）、社区安防（智慧社区）、校园安防（ 智慧校园）、园区安防、厂区安防等。此外，还有针对诸如演唱会等大型活动现场以及机场、火车站等公共交通枢纽的安防等。安防场景下所涉及到的人工智能技术主要是计算机视觉和生物识别，产品包括智能摄像头、刷脸闸机、智能门锁等硬件，以及配套的视频结构化数据处理方案和软件系统等。

　　目前参与到智慧安防领域的企业可大致分为两类：传统安防企业和人工智能技术公司。其中，传统安防企业（如：海康威视）因在行业有较长时间的积淀，客户端市场资源较好；人工智能技术公司则相对具有较强的技术基础，在产品创新上，不受固有模式的限制，更加灵活，故相对而言创新能力更强。一方面是人工智能技术公司在安防领域探寻落地场景，另一方面是传统的安防企业积极引入新技术进行智能化转型，这两方参与者的争夺将国内安防带入了智能化发展的重要阶段。可以看到早期专注于计算机视觉研发的人工智能企业或多或少的选择安防作为技术落地的主要场景，我们分析主要有以下几个方面的原因：

　　一是安防需求量大。随着经济的发展，人们对各个空间环境下的安全性要求越来越高，安防成为一种刚性需求从城市核心区域向各个独立空间、园区、景区甚至乡村蔓延，从而导致安防需求逐年上涨。

　　二是技术驱动。人工智能技术的逐渐成熟带来安防行业的智能化转型，新技术激活新的需求，同时也带来新的机遇。尤其是在解决传统安防行业痛点问题上，人工智能技术提供了新的方法，这无论是对于传统安防行业及时跟进趋势，还是人工智能技术公司创造新的行业增长点都具有一定的推动作用。

　　三是政策加码。2016年12月，我国安全防范产品行业协会制定和发布了《我国安防行业“十三五”（ 2016-2020）发展规划》，提出到2020年，我国安防企业总收入达8000亿左右，年增长达10%以上，实现行业增加为2500亿元的产业发展目标。同时，从安防产品、技术、服务、企业发展和从业人员等多个角度制定相关规划。随后，各地方政府及时响应，推动我国安防产业的智能化转型，这为人工智能技术在安防行业落地带来显著的政策红利。

　　四是安防数据价值。安防数据是连通用户线下活动与线上行为的一种重要路径。从这个角度考虑，布局安防场景无论是对于人工智能技术公司完善商业生态，还是互联网企业布局线下数据和流量入口都具有战略性意义。此外，安防场景的需求明确，产品的标准化程度更高，也使得人工智能技术和产品的落地相对更加迅速。整体来看，国内的安防行业发展环境较好，随着新兴人工智能技术公司的入局，市场竞争愈发激烈。

　　1.我国在数据上占据相对优势，加速了商业化的进程。

　　随着全球数字经济和信息化水平的提升，世界互联网产业快速进入大数据时代。我国市场尤其如此，网民基数大、信息化程度高使得我国市场上的数据量逐年攀升。据IDC预测，全球数据总量预计2020年达到44个ZB，我国数据量将达到8060个EB，占全球数据总量的18%。大量的数据为人工智能算法的训练和应用提供了基础材料，也同时带来数据处理的压力，从而推动市场引进新的技术和方法来进一步挖掘数据的潜在价值。人工智能正是这样一种与数据相互依赖，相互促进的新技术。

　　我国在数据层面具有明显的比较优势，主要表现为数据量大、数据的多样性丰富、数据的获取和使用更加开放。这一方面是因为我国市场人口基数大，信息化程度逐年上升，大量的网民在互联网上的活动留存了多元的数据，这些数据提供了人工智能产业生存和发展的土壤；另一方面，我国网民对待网络的态度相较于国外更加开放，对个人隐私保护意识没有到苛刻的程度，愿意在社交、消费等场景下提供更多的信息来获取个性化的服务。此外，我国市场的互联网产品丰富，各种产品从不同的维度沉淀了多样化数据，利用这些数据训练出来的算法，更加符合我国用户的习惯，更具有普适性和稳定性。这些数据上的优势直接导致了我国的人工智能技术在近年来快速突破，并进入商业化的发展阶段。

　　2.资本趋于理性，早期项目融资难度增加。

　　随着产业的调整，人工智能投资趋于理性，融资事件数量和融资金额都有所下降。2018年是重要的转折点，根据鲸准洞见数据，人工智能领域的季度融资事件从2018年Q1开始下降，到2018年Q4至2019年上半年基本延续了这种下降的趋势。其中，2019年Q2季度融资事件数量和金额均不及峰值的1/3。从融资轮次上看，自2018年起，种子轮融资事件数量和在全年融资事件总量中所占的比例双双减少。这意味着，人工智能早期项目获得资本的难度可能在增加。B轮及以后项目融资数量占比增加，资本市场“冰火两重天”，据不完全统计，在佳都科技市场部分析统计的2717个人工智能项目，其中2018-2019上半年共658个项目成功融资，总额约为886亿人民币。从融资轮次上看，2018-2019上半年B轮及以后融资事件数量占人工智能总融资事件数量的24%左右，与2017年的15%相比显著增加。从分布领域看，大额融资集中分布于计算机视觉、机器人、芯片、自动驾驶等核心技术厂商，各细分领域头部独角兽融资热度不减。

　　3.算力的提升，为人工智能商业化提供了条件。

　　数据的扩张对算法和算力提出了新的挑战，同时算法、算力上的提升也是人工智能技术商业化的重要助推力。算法方面，现在主流应用的基于多层神经网络的深度学习算法，不断加强机器从海量数据库中自行归纳物体特征的能力，以及对新事物多层特征提取、描述和还原的能力。最终使得基于深度学习的机器视觉、语音语义、生物识别等多种人工智能技术的识别准确率不断提升，从而可以在更广泛的场景下解决实际的问题。这是推动人工智能商业化进程的最直接条件。算力上，GPU、FPGA、ASIC等AI芯片的不断创新，使得计算能力整体有了提升。人工智能在面对海量数据、复杂场景时的算法训练和落地应用有了更强大的算力支持，从而能够更快、更精准地获得结果，这无论从技术实现还是用户体验上来说，都是人工智能商业化应用的重要助推力。商业环境、政策、数据、算法、算力是现阶段人工智能商业化应用的主要驱动力。此外，与历史上的每一次技术革命相同，人工智能带来生产力的提升，在解放人类劳动力、提高生产效率上的应用价值也是市场关注的重点。表现在具体的场景上，人工智能为企业的降本增效提供了新的解决方法，为满足新时代的消费和生活需求提供了新的产品，这其中潜藏的商业机会也是人工智能落地应用的重要推动力。

　　我国人工智能产业起步相对较晚，但产业布局、技术研究等基础设施正处于进步期，随着科技、制造等业界巨头公司的布局深入，人工智能产业的规模将进一步扩大。而随着众多垂直领域的创业公司的诞生和成长，人工智能将出现更多的产业级和消费级应用产品。预计到2025年，我国人工智能产业市场规模接近1500亿元，市场空间潜力巨大。当前，我国人工智能产业发展的基础条件已经具备，未来十年内都将是人工智能技术加速普及的爆发期。人工智能专用芯片有望成为下一个爆发点，智能语音产业链逐渐成形，产业规模大幅提升。同时，人工智能具有显著的溢出效应，将带动其他相关技术的持续进步，助推传统产业转型升级和战略性新兴产业整体性突破。

　　未来，人工智能将呈现四个主要发展趋势：一是人工智能技术进入大规模商用阶段，人工智能产品全面进入消费级市场。二是基于深度学习的人工智能的认知能力将达到人类专家顾问级别。三是人工智能实用主义倾向显著，未来将成为一种可购买的智慧服务。四是人工智能技术将严重冲击劳动密集型产业，改变全球经济生态。

　　从技术和商业应用两个角度看人工智能的发展趋势：1.强人工智能（通用人工智能）甚至超人工智能是必然。通用人工智能虽然在技术上存在极大的挑战，在风险和社会伦理等方面也颇具争议。但目前，学界和业界还是积极地投入到相关领域的研究。2.仿生化。一个较受关注的方向是从生物神经系统结构的角度考虑，模拟出大脑神经元与神经通路的工作模式，即从结构上“仿真大脑”，而后训练出可以解决具体问题的人工智能算法或应用。仿生是当前人工智能研究的前沿方向之一，距离应用可能还需要较长的时间，但2020年“脑机接口”计算机已经问世。

　　从商业趋势来看：1.技术的使用门槛降低。随着各类开源、开放平台的建立，人工智能技术的使用门槛将逐渐降低。这使得更多的企业能够利用人工智能技术来为场景和行业赋能。2.精细化、专业化。在具体场景层面探索技术边界的过程中，人工智能技术所能解决的问题更加精细，所需的产品和技术也更加专业化。3.生态化。无论是从技术层深入到场景还是场景层主动引入技术，人工智能企业将更加专注于某一细分领域的商业场景，并以此为基础，整合上下游产业，从数据、算法和算力多个层面健全各自的商业生态，这将是人工智能企业核心的竞争壁垒之一。

　　从人工智能产业来看，人工智能与实体产业结合的商业化时代已经到来，未来潜力巨大，各类人工智能技术都在力所能及地范围内寻找落地场景。从落地速度和效果上看，安防、金融、教育、医疗、交通、零售、广告营销、农业、机器人、商务服务等行业的多个场景下均有较为成熟的产品和应用。且随着需求的不断挖掘，对应领域的产品和服务呈现精细化发展的趋势，企业更加专注整体生态建设和产品服务体验的升级。从技术角度看，计算机视觉、自然语言、生物识别、语音识别等技术成熟度更高的技术，在商业落地上也走得更快。其中，计算机视觉领域已经涌现出独角兽企业，语音、语义领域不同企业的差距也逐渐显现。但整体来说，不同类型的技术公司各自专注的领域有所差别，所服务的B端市场个性化需求会为不同的服务商提供发展机会，人工智能行业未来将面临一个更加多元化发展的市场。整体上，受政策和市场环境的驱动，人工智能商业化的进程加快。在未来几年，继续探索技术边界，将其应用更多场景，发挥更大价值是行业关注的重点。此外，人工智能落地实体产业，将带来产业结构的重新调整，在带动行业创造新的增长点上潜力巨大。