随着科技进步和产业变革的加速演进，人工智能技术已成为各国必争的科技创新高地。放眼全球，在机构、产业、政府等各个层面，人工智能都受到高度重视，被认为是新基建的重要支撑，可以带来“新基遇”。得益于此，其在学术研究、产业技术创新等方面都呈现出全新的发展态势。
近日，上海数字大脑研究院首次发布《2022 上半年度人工智能行业报告》，从学术、产业发展、资本市场、政策及趋势预测五个方面深度展示与分析人工智能行业发展现状、企业竞争格局与发展前景。
学术历来走在技术创新前沿，根据 2022 年度机器学习领域顶级会议 ICLR、IJCAl、AAAl、ICML，自然语言处理领域顶级会议 ACL，计算机视觉领域顶级会议 CVPR 上论文发表情况，发现强化学习领域发文量持续高涨；在论文中，词频对抗训练、元学习、多任务学习论文量占比较高；神经辐射场方法开始受到广泛关注。
人工智能领域关注的问题主要为跨领域研究助力可解释 Al 发展（Are the inmates still running the asylum? Explainable Al is dead, long live Explainable Al!）；可信 AI 中的健壮性、隐私性、泛化性及其之间的联系（Trustworthy Machine Learning: Robustness, Privacy, Generalization, and their Interconnections）以及决策算法中的因果公平（Causal Conceptions of Fairness and their Consequences）。
人工智能学术论文发表量逐年上升，细分研究领域可发现，机器学习仍是投稿量最大的主题，其次是计算机视觉领域（根据 arxiv 平台上 2022 年 1 月至 6 月论文发表情况统计），标志着这两大传统人工智能领域风头正劲。
此外，随着人工智能研究范围的不断拓展，以及其他人工智能领域与其他领域的交叉融合，计算机视觉与机器学习领域之外的人工智能论文近年来发表量增速与往年相比有明显提高，标志着人工智能仍是一个年轻的领域，不断有新的研究方向涌现。
从论文发表以及业内信息来看，人工智能最新进展主要集中于人工智能新技术、人工智能新框架与人工智能新应用三个方面。在人工智能新技术领域，大模型与多模态学习取得重要突破，标志着通用人工智能的实现又进一步；在人工智能新框架领域，Google 与 NVIDIA 纷纷布局人工智能架构，从软件框架和硬件设计等多角度加速人工智能计算，进而解放算力；在人工智能新应用领域，深度学习与强化学习分别在生命科学领域与能源开发领域大放异彩，助力探索遗传密码，实现人造太阳。
不难看出，决策大模型已经成为研究热点与前沿领域，DeepMind、上海数字大脑研究院、北京大学、上海交通大学及伦敦大学学院的研究人员将大模型应用于决策领域：DeepMind 研发通用 AI 智能体 Gato、上海数字大脑研究院等研究使用序列模型求解 MARL，希望可以基于这项技术研发出类人的通用决策智能体。
决策大模型的热度同样体现在社交媒体上，讨论热度最高的话题为：大模型是否已形成意识？人工智能是否越来越接近人类？尽管大多数关于 Al 意识的讨论基于主观判断，并且缺乏具体证据支撑，但是这也体现出目前人工智能的表现越来越接近人类，终极人工智能与我们的距离越来越小。
大模型如火如荼，决策大模型成为趋势，AI for science 成为挑战目标
人工智能一直在学术与产业的双轮驱动下向前发展，在学术界理论支撑下，2022 年上半年，全球范围内的市场产业化快速推进，中国市场产业化规模及增速位居前列。
具体数据为：2021 年，全球人工智能市场收支规模（含硬件、软件及服务）达 850 亿美元；IDC 预测，2022 年该市场规模将同比增长约 20% 至 1017 亿美元，并将于 2025 年突破 2000 亿美元大关，CAGR 达 24.5%，显示出强劲的产业化增长势头。
2021 年，中国人工智能市场收支规模达到 82 亿美元，占全球市场规模的 9.6%，在全球人工智能产业化地区中仅次于美国及欧盟，位居全球第三；IDC 预测，2022 年该市场规模将同比增长约 24% 至 102 亿美元，并将于 2025 年突破 160 亿美元。
大数据分析需求的增长、云服务普及率的不断提高以及市场对智能决策助手不断增长的需求，是推动 AI 行业发展的关键因素。
传媒、医疗、金融等领域已拥有较为成熟的解决方案
。受益于信息流广告及内容推荐算法在互联网行业的快速崛起，广告及传媒领域应用占市场规模的 219%，是目前 A 市场化应用规模最大的行业；金融保险（17%）、医疗（13%）、零售（11%）也是人工智能应用较为成熟的行业。同时，伴随着自动驾驶及智慧制造解决方案的快速发展，汽车（10%）及工业制造（9%）也成为发展最快的 AI 应用领域。
同时，医疗、影音娱乐、学术研究、元宇宙等领域的应用落地加速。Al 行业应用落地加速技术侧算法与硬件的提升为 A 开发所带来的降本增效极大地加快了 Al 行业与传统行业的融合以及在新兴行业的应用，如元宇宙、自动驾驶、机器人、VRAR、虚拟人等，新的 Al 使用场景在全球范围内不断落地。
此外，全球顶尖科技公司致力于将 AI 技术实用化，例如 Meta all-in 元宇宙，集中推进元宇宙基础设施建设；微软与 OpenAI 深度合作，加码虚拟人、智慧硬件、企业服务等关联产业；苹果利用人工智能技术加码自动驾驶，收购人工智能音乐公司；字节跳动围绕旗下核心业务 Tiktok，聚焦文娱业务的数字化与智能化。初创企业则专注于垂直领域产业解决方案研发。
人工智能训练的时间与成本减少，使其应用更加平民化。新技术带来新的应用场景并惠及更多产业
在人工智能多场景落地提速的背景下，资本市场支持高科技发展成效显著。
从全球范围来看，人工智能领域投融资仍然保持较高市场热度，国内市场呈现明显波动，融资阶段整体后移，不过近期投资者信心正在逐步回归。
从投融资数量及金额来看
，2022 年上半年全球人工智能方向共发生 4,282 起投融资事件，涉及交易金额近 488 亿美元。相较于去年同期，投融资事件数量略有下降，整体保持相对稳定的波动趋势。上半年国内人工智能方向共发生近 300 起投融资事件，涉及交易金额约 157 亿元。受到国内市场情绪以及外部环境影响，整体相较于去年同期呈现明显的下降趋势。
但是，不难看出，相较于去年同期的融资轮次分布，2022 年上半年融资轮次发生明显的后移，B 轮以后投融资事件明显增加，天使、种子轮投资数量相较于去年有所减少。受到国内监管政策影响，企业战略投融资节奏发生明显的放缓。
从投融资方向上来看
，人工智能应用场景落地项目为投融资热门方向。2022 年上半年国内人工智能细分行业融资事件分布以应用场景为主。其中自动驾驶以及智能医疗作为其中的主要场景受到资本市场的广泛重视，累计贡献应用场景中近 40% 的融资事件。芯片半导体等硬件为代表的人工智能基础支撑方向获得资本市场的青睐，相关事件的占比从去年至今不断提高，截止到 2022 年第二季度贡献当季 27% 的投融资事件。
典型投融资项目有 Cohere、Hugging Face、超参数科技、创新奇智、智齿科技等项目，覆盖自然语言处理、自动驾驶、预训练大模型等多个方向。
完整的应用场景与强大的消费市场，正在催生颠覆性的商业创新及投融资新概念新方向
人工智能领域受到政府和组织的广泛关注，各组织与国家力争成为国际政策制定者
。在教育方面，Al 教育的普及问题被一再强调，UNESCO 等推出人工智能和法治的在线课程内容。“Al + 城市治理”成为今年上半年的热点话题，美国总统文件要求开发使用生物特征信息的技术和预测算法英国针对 AI 的落地问题发布了调研报告。此外，“Al + 国防”备受关注，许多国家已将 Al 技术纳入国防战略的一部分，并积极构建人工智能生态和伙伴关系，Al 已成为新的国防国际合作和竞争领域。
如今，各国政府及相关组织持续加强人工智能战略布局，以人工智能为核心的集成化技术创新成为重点，人工智能相关技术产业化和商业化进程不断提速。
美国已布局技术、伦理、政策等体系建设，重视 AI 对国家安全的影响；
中国提出了 AI 技术标准、产业规划、安全和伦理等方面的要求
基于对行业的洞察，上海数字大脑研究院对之后的趋势进行了三方面预测：
人工智能正在经历从消费互联网到工业互联网的重心下沉趋势
数研院预测，在 2022 年上半年 “AI + 工业” 成为 AI 行业发展重心的情况下，人工智能产业将进一步向工业互联网下沉。上半年，行业内出现了众多聚焦于汽车、医药、IoT、物流等细分领域的 AI 应用创新，工业互联网已经成为与消费互联网并重的技术与应用发展方向。在未来一段时间内，行业将继续向工业互联网方向下沉，创新性的解决方案将更多出现在助力企业数字化转型的场景中。
泛化能力更强、效果更优的的 AI 大模型是现阶段 AI 市场发展的必然趋势
大语言模型已在过去两年内取得长足发展，预计这种趋势仍将在下半年持续。自监督学习 + 预训练模型微调适配方案逐渐成为主流，这种趋势在 2022 年上半年得到持续。大企业的动作以及顶级研究人员的流动，也印证了大模型商业化的潜力与活力。
对应用安全性的要求日益提高，AI 正在向安全关键型产业靠拢
技术安全性问题成为 AI 解决方案提供商和客户最关注的要素之一。许多传统工业公司依然只信任 “绝对安全”、“零风险” 的自动化方案，并对历史生产的“可追溯性”，尤其对聚焦于工业互联网的人工智能企业来说，安全性应该成为他们最主要的解决方案考量因素之一。
智能决策技术将不断扩充能力边界，全面激活工业数据，成为企业弯道超车的重要驱动力
尽管现有人工智能技术已经取得了一系列令人瞩目的成果，但实现通用人工智能的目标任重道远，在技术层面还需要大量的探索。例如，是否有更好的架构替代基于深度神经网络的架构？是否有更快的方式提升计算性能？大模型如何在实际场景很好地落地？在应用层面，如何将算法与场景结合、技术与产业融合，是各企业必须思考的问题。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com
微信扫码咨询专知VIP会员