计算机视觉领域数字大脑研究院首次发布《2022上半年度人工智能行业报告》

随着技术进步和行业改革的加快发展，人工智能科技已作为日本必争的技术变革高地。放眼世界，在机构、产业、政府等各个层面，人工智能都得到高度加强，被觉得是新基建的重要支撑，可以带来“新基遇”。得益于此，其在学术探究、产业科技变革等方面都展现出全新的发展趋势。

据悉，上海数字大脑研究院首次公布《2022上半年度人工智能市场报告》，从学术、产业发展、资本行业、政策及趋势分析五个方面深度展示与预测人工智能产业发展状况、企业竞争局面与发展前途。

01学术前沿进展

学术历来走在科技变革前沿，根据2022年度机器学习领域顶尖会议ICLR、IJCAl、AAAl、ICML，自然语言处理领域顶尖会议ACL，计算机视觉领域顶尖会议CVPR上论文发表状况，发现提高学习领域发文量大幅攀升；在论文中，词频对抗训练、元学习、多任务学习论文量占相当高；神经辐射场方式开始得到广泛关注。

人工智能领域关注的难题主要为跨领域研究推动可解释Al发展（Aretheinmatesstillrunningtheasylum?ExplainableAlisdead,longliveExplainableAl!）；可靠AI中的健壮性、隐私性、泛化性以及之间的联系（TrustworthyMachineLearning:Robustness,Privacy,Generalization,andtheirInterconnections）或者决策算法中的因果公平（CausalConceptionsofFairnessandtheirConsequences）。

论文题目词云图

人工智能学术论文发表量逐年攀升，细分研究领域可看到，机器学习仍是投稿量最大的主题，其次是计算机视觉领域（按照arxiv平台上2022年1月至6月论文发表状况统计），标志着这两大特色人工智能领域风头正劲。

另外，随着人工智能研究范围的不断拓宽，以及其他人工智能领域与其它领域的交叉融合，计算机视觉与机器学习领域此外的人工智能论文近年来发表量增长与以往相比有显著提升，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。

从论文发表或者业内信息来看，人工智能最新进展主要集中于人工智能新科技、人工智能新框架与人工智能新应用三个方面。在人工智能新科技领域，大模型与多模态学习获得重要突破，标志着通用人工智能的推动又进一步；在人工智能新框架领域，Google与NVIDIA纷纷布局人工智能架构，从工具框架和软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，深度学习与提升学习分别在生命科学领域与能源研发领域大放异彩，助力探索遗传密码，实现人造太阳。

不难看出，决策大模型尚未作为研究热点与前沿领域，DeepMind、上海数字大脑研究院、北京高校、上海交通学校及英国中学分校的研究人员将大模型应用于决策领域：DeepMind开发通用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，希望可以基于这项科技开发出类人的通用决策智能体。

决策大模型的热度同样表现在社交媒体上，讨论热度最高的话题为：大模型是否已产生意识？人工智能是否越来越接近人类？虽然大多数关于Al意识的探讨基于主观判定，并且缺少详细证据支撑，但是这也表现出至今人工智能的体现越来越接近人类，终极人工智能与我们的距离越来越小。

大模型如火如荼，决策大模型作为趋势，AIforscience成为挑战目标

02产业发展

人工智能仍然在学术与行业的双轮驱动下向前演进，在学术界理论支撑下，2022年上半年，全球范围内的行业产业化迅速加强，中国行业产业化规模及增长位居前列。

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850亿港元；IDC预测，2022年该行业规模将年均增速约20%至1017亿港元，并将于2025年突破2000亿港元大关，CAGR达24.5%，显示出超强的行业化增长势头。

2021年，中国人工智能市场收支规模超过82亿港元，占国内行业规模的9.6%，在中国人工智能产业化地区中仅次于日本及美国，位居全球第三；IDC预测，2022年该行业规模将年均增速约24%至102亿港元计算机视觉领域，并将于2025年突破160亿港元。

大数据预测需求的下降、云服务普及率的不断增加或者行业对智能决策助手不断下降的意愿，是促进AI产业发展的关键原因。

传媒、医疗、金融等领域已拥有较为成熟的缓解方案。受益于信息流广告及内容推荐算法在互联网市场的迅速崛起，广告及传媒领域应用占行业规模的219%，是现在A市场化应用规模最大的市场；金融保险（17%）、医疗（13%）、零售（11%）也有人工智能应用较为成熟的市场。同时，伴随着自动驾驶及智慧制造解决方案的迅速发展，汽车（10%）及工业生产（9%）也作为发展最快的AI应用领域。

同时，医疗、影音娱乐、学术探究、元宇宙等领域的应用落地加速。Al行业应用落地加速科技侧算法与软件的提高为A研发所带给的降本增效极大地推动了Al行业与特色产业的整合并且在新兴市场的应用，如元宇宙、自动驾驶、机器人、VRAR、虚拟人等，新的Al使用画面在中国范围内不断落地。

另外，全球知名技术公司专注于将AI科技实用化，例如Metaall-in元宇宙，集中部署元宇宙基础设备建设；微软与OpenAI深度合作，加码虚拟人、智慧硬件、企业服务等关联行业；苹果利用人工智能科技布局自动驾驶，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。初创企业则致力于垂直领域行业解决方案开发。

人工智能训练的时间与成本降低，使其应用非常平民化。新科技带给新的应用场景并惠及更多行业

03资本市场动态

在人工智能多画面落地提速的背景下，资本行业支持高技术演进成效明显。

从中国范围来看，人工智能领域投融资显然保持较高行业热度，国内市场呈现显著波动，融资阶段整体后移，不过最近投资者自信正在逐渐重回。

从投融资总量及总额来看，2022年上半年中国人工智能方向共出现4,282起投融资事件，涉及交易总额近488亿港元。相较于今年同期，投融资事件总数略有增加，整体保持相对稳固的波动趋势。上半年中国人工智能方向共出现近300起投融资事件，涉及交易总额约157万元。受到中国行业情绪或者内部环境制约，整体相较于今年同期呈现显著的下滑态势。

然而，不难看出，相较于每年同期的融资轮次分布，2022年上半年融资轮次发生显著的后移，B轮过后投融资事件显著降低，天使、种子轮投资总量相较于每年有所下降。受到中国监管制度制约，企业战略投融资节奏出现显著的趋缓。

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年上半年中国人工智能细分市场融资事件分布以应用场景为主。其中自动驾驶并且智能医疗成为其中的主要场景遭到资本行业的广泛重视，累计贡献应用场景中近40%的融资事件。芯片半导体等软件为代表的人工智能基础支撑方向获得资本行业的追捧，相关丑闻的占比从每年至今不断增加，截止到2022年第二月份贡献当季27%的投融资事件。

典型投融资项目有Cohere、HuggingFace、超参数技术、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行业，正在催生颠覆性的商业变革及创投资新概念新方向

04政策追踪

人工智能领域得到政府和组织的广泛关注，各组织与国家争取作为国际制度建立者。在教育方面，Al教育的普及问题被一再提出，UNESCO等打造人工智能和法治的在线课程内容。“Al+城市治理”成为每年上半年的热点话题，美国总统文件规定研发使用生物特征信息的科技和预测算法美国对于AI的落地问题公布了调研报告。此外，“Al+国防”备受关注，许多国家已将Al技术列入国防战略的一个别，并切实推进人工智能生态和伙伴关系，Al已变成新的国防国际合作和竞争领域。

目前，各国政府及相关组织大幅提高人工智能战略布局，以人工智能为核心的集成化科技变革成为重点，人工智能相关科技行业化和商业化进程不断加速。

中国已加码技术、伦理、政策等制度建设，重视AI对国家安全的影响；

美国强调了AI科技标准、产业规划、安全和伦理等方面的要求

05趋势分析

基于对市场的洞察，上海数字大脑研究院对后来的态势进行了三方面分析：

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

数研院分析，在2022年上半年“AI+工业”成为AI产业发展重心的状况下，人工智能产业将进一步向工业互联网下沉。上半年，行业内发生了很多聚焦于汽车、医药、IoT、物流等细分领域的AI应用创新，工业互联网已经变成与消费互联网并重的科技与应用发展方向。在将来一段时间内，行业将再次向工业互联网方向下沉计算机视觉领域，创新性的缓解方案将更多出现在推动企业数字化改革的场景中。

泛化能力更强、效果更优的的AI大模型是现阶段AI市场发展的必定趋势

大语言模型已在过去十年内获得长足发展，预计这些趋势仍将在下半年持续。自监督学习+预训练模型调整适配方案随之变成主流，这种态势在2022年上半年受到大幅。大企业的动作或者顶级研究人员的流动，也印证了大模型商业化的潜力与魅力。

对应用安全性的规定逐渐增加，AI正在向安全关键型产业靠拢

技术安全性难题作为AI解决方案提供商和用户最关注的要素之一。许多特色工业公司仍然只认同“绝对安全”、“零风险”的自动化方案，并对历史制造的“可追溯性”，尤其对聚焦于工业互联网的人工智能企业来说，安全性需要作为它们最主要的缓解方案衡量因素之一。

智能决策技术将不断扩展能力边界，全面激活工业数据，成为企业弯道超车的重要驱动力

写在最后

虽然现有人工智能科技尚未获得了一系列令人瞩目的成果，但推动通用人工智能的目标任重道远，在技术层面还必须长期的探索。例如，是否有更好的构架替代基于深度神经网络的架构？能否有更快的方法提高计算性能？大模型如何在实际画面很好地落地？在应用层面，如何将算法与场景结合、技术与行业整合，是各企业需要探讨的难题。

©THEEND