2022年全球人工智能产业研究报告-120正式版.pdf
20222022年全球人工智能产业研究报告年全球人工智能产业研究报告2022 Global Artificial Intelligence Industry Research Report尚普研究院尚普研究院SHANGPU InstituteCAAICAAI中国人工智能学会会员单位中国人工智能学会会员单位前言：伴随全球数字化进程的加快，人工智能成为引领未来世界发展的关键技术。近年来，各国政府、科研教育机构、科技企业及专家学者纷纷加入到推动人工智能产业发展的过程中，人工智能技术与产业融合程度不断加深。2022年，尚普研究院从全球视角出发，对于人工智能的发展历程、产业链、核心技术、应用领域及发展趋势等方面进行全面梳理，为政府部门、从业人员、教育工作者、社会公众更好了解人工智能的过去、现状及未来提供参考。报告还有许多不足之处，希望读者与尚普研究院分析师团队多沟通交流，以便为今后的报告撰写提供宝贵建议。尚普咨询集团尚普咨询集团 尚普研究院尚普研究院20222022年年5 5月月42022.5 SHANGPU GROUP www.shangpu-尚普研究院：尚普研究院：20222022年全球人工智能产业研究报告框架年全球人工智能产业研究报告框架人工智能产业概况人工智能底层基础人工智能核心技术基本概念基本概念发展历程发展历程技术发展路线技术发展路线报报告告框框架架产业发展驱动因素产业发展驱动因素数据数据算法算法算力算力政策政策人才人才机构机构在各类机器载体上模拟并拥有类似生物/超越生物的智能。人工智能历经三次发展浪潮，在技术和应用等方面实现快速发展。人工智能核心技术历经萌芽期、稳定爬升期和成熟期三个发展阶段。数据、算法、算力以及政策、顶尖人才/机构共同推动产业发展。全球人工智能产业链全球人工智能产业链全球人工智能产业链由底层基础、核心技术及应用领域三大部分构成。全球人工智能产业图谱全球人工智能产业图谱图谱中企业LOGO排列顺序并不代表相关企业综合竞争力强弱，仅供参考。AIAI芯片芯片AI芯片类型主要涵盖GPU、FPGA及各类ASIC，主要应用在云端、边缘端和终端等各类场景。评价AI芯片性能需重点关注TOPS/W、时延、功耗等相关指标。开源框架开源框架深度学习开源框架是AI算法开发的必备工具。数据服务数据服务云计算服务云计算服务数据库设计、数据采集、数据清洗、数据标注与数据质检。提供智能服务器等算力设施以及人工智能功能模块等产品。AI核心技术主要涉及机器学习、计算机视觉、自然语言处理、语音处理、知识图谱等，机器学习作为人工智能的核心，与计算机视觉、自然语言处理、语音处理和知识图谱密切关联。AIAI核心技术总览核心技术总览机器学习总览机器学习总览机器学习主要包括有监督学习、无监督学习和强化学习三类。机器学习专门研究计算机如何模拟/实现生物体的学习行为，获取新的知识技能，利用经验来改善特定算法的性能。人工智能核心技术框架人工智能核心技术框架机器学习机器学习知识图谱知识图谱计算机视觉计算机视觉语音处理语音处理自然语言处理自然语言处理 逻辑回归 支持向量机 决策树 随机森林 朴素贝叶斯 无监督学习 强化学习 神经网络 卷积神经网络CNN 循环神经网络RNN 图神经网络GNN 长短期记忆神经网络LSTM 自编码器AE 生成对抗网络GAN 语音识别 语音合成 Word2Vec Seq2Seq U-Net R-CNN Yolo 52022.5 SHANGPU GROUP www.shangpu-报报告告框框架架人工智能应用领域人工智能趋势展望尚普研究院：尚普研究院：20222022年全球人工智能产业研究报告框架年全球人工智能产业研究报告框架人工智能核心技术支持向量机支持向量机以间隔最大化为基准，学习得到尽可能远离数据的决策边界算法，支持向量是确定决策边界的重要数据。机器学习典型算法（节选）机器学习典型算法（节选）随机森林随机森林深度学习典型算法（节选）深度学习典型算法（节选）利用多棵决策树对样本进行训练并预测的一种分类器。从每个决策树收集输出，通过多数表决得到最终的分类结果。卷积神经网络卷积神经网络由数千甚至数百万个紧密互连的简单处理节点组成，包括输入层、卷积层、池化层、全连接层和输出层。长短期记忆神经网络长短期记忆神经网络由状态单元、输入门、遗忘门、输出门组成，以此令长期记忆与短期记忆相结合，达到序列学习的目的。安防制造金融政务医疗零售交通农业教育人工智能下游应用成熟度模型前沿技术（节选）前沿技术（节选）该模型主要由编码器和解码器构成，模型本身并行度较高，在精度和性能上均要优于传统的循环神经网络（RNN）和卷积神经网络（CNN）。TransformerTransformer模型模型前沿技术前沿技术 Transformer模型 BERT模型 ViT模型 自监督学习 类脑计算 AI大模型 产业融合产业融合 元宇宙 生命科学 新冠疫情 半导体 碳中和 冬奥会 趋势展望趋势展望产业融合（节选）产业融合（节选）元宇宙（元宇宙（MetaverseMetaverse）热点问题热点问题 学术与商业化 伦理与安全 就业 国家间技术限制 元宇宙本质上是对现实世界的虚拟化、数字化过程，其主要包括基础设施、人机交互等七层架构。62022.5 SHANGPU GROUP www.shangpu-0100,000200,000300,000400,000500,000600,000700,000800,000900,0001,000,000开篇：全球四次工业革命发展历程开篇：全球四次工业革命发展历程资料来源：World Bank世界银行，The World Economy:Historical Statistics,OECD,Paris，北京大学出版社全球通史从史前到21世纪2020年1月第1版，中信出版集团第四次工业革命2016年6月第1版，部分图片来自百度百科等，尚普研究院结合公开资料整理绘制18世纪以来，在全球政治格局变化背景下，工业革命带来的科技革命推动经济发展和社会进步报报告告开开篇篇第一次工业革命第一次工业革命第二次工业革命第二次工业革命第三次工业革命第三次工业革命第四次工业革命第四次工业革命世界GDP走势单位：亿美元蒸汽时代蒸汽时代（17601760-18401840）电气时代电气时代（18601860-19501950）信息时代信息时代（19501950-2010S2010S）智能时代智能时代（2010S2010S至今）至今）蒸汽机1,000,000900,000 800,000700,000600,000500,000400,000300,000200,000100,0000蒸汽机车纺纱机内燃机电话电子计算机空间技术生物工程人工智能元宇宙汽车技技术术政政治治经经济济量子计算1684-1799大清：康乾盛世1776美利坚合众国成立1840-1842第一次鸦片战争1856-1860第二次鸦片战争1914-1918第一次世界大战1939-1945第二次世界大战1978中国改革开放2007-2011美国次贷危机全球金融危机1949中华人民共和国成立1991欧盟成立目录：1.1.人工智能产业概况人工智能产业概况2.2.人工智能底层基础人工智能底层基础3.3.人工智能核心技术人工智能核心技术4.4.人工智能应用领域人工智能应用领域5.5.人工智能趋势展望人工智能趋势展望人工智能产业概况人工智能产业概况1Artificial Intelligence Industry Overview92022.5 SHANGPU GROUP www.shangpu-人工智能概念人工智能概念在各类机器载体模拟并拥有类似生物或超越生物的智能人工智能人工智能(Artificial(Artificial Intelligence)Intelligence):主要是指在各类机器载体（手机、电脑、交通工具、机器人、机械设备等）上模拟并拥有类似生物/超越生物的智能（感知、学习、推理、交流等）。人工智能初期属于计算机科学的分支，研究领域涉及计算机视觉、自然语言处理、机器学习、语音处理等，同时又与多个学科紧密相关，包括自动控制、电子技术、数学、心理学、语言学、哲学等。资料来源：尚普研究院结合公开资料及专家访谈整理绘制人人工工智智能能产产业业概概况况人工智能概念人工智能概念(Artificial Intelligence)(Artificial Intelligence)学习学习交流交流推理推理搬运搬运感知感知自动控制自动控制电子技术电子技术数学数学心理学心理学语言学语言学计算机系统结构计算机系统结构 并行/分布处理 高性能计算机系统 高性能存储系统 计算机应用计算机应用 人工智能人工智能 计算机网络技术 信息安全技术 计算机计算机软件软件 计算机图形学 系统软件（操作系统、编辑系统、实时系统）软件工程 人工智能人工智能计算机科学分支计算机科学分支102022.5 SHANGPU GROUP www.shangpu-人工智能三大学派人工智能三大学派从学术角度来看，人工智能主要包括符号主义、联结主义和行为主义三大学派。符号主义主张通过人工赋予机器智能，联结主义依托机器自行习得智能，行为主义则在与环境的作用和反馈中获得智能。人工智能三大学派的发展与算法、算力和数据三要素密切相关，未来三大学派将呈现逐步融合的趋势，发挥其各自特点持续推动人工智能产业发展。资料来源：尚普研究院结合公开资料整理绘制人人工工智智能能产产业业概概况况数理逻辑仿生学控制论将智能形式化为符号、知识、规则和算法，并用计算机实现符号、知识、规则和算法的表征和计算，从而实现用计算机来模拟人的智能行为。生物智能是由神经网络产生的，通过人工方式构造神经网络，再训练人工神经网络产生智能。智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互作用，从而发展出越来越强的智能，人工智能也可以沿这个途径发展。符号操作系统假设、有限合理性原理神经网络及神经网络间的连接机制与学习算法控制论及感知-动作型控制系统启发式程序逻辑理论家（LT）、专家系统、知识工程理论技术等脑模型（MP）、感知机、多层网络中的反向传播算法（BP）和人工神经网络（ANN）等布鲁克斯六足行走机器人维纳(Wiener)麦克洛克(McCulloch)布鲁克斯(Brooks)霍普菲尔德(Hopfield)鲁梅尔哈特(Rumelhart)罗森布拉特(Rosenblatt)纽厄尔(Newell)西蒙(Simon)尼尔逊(Nilsson)学派分类学派分类思想起源思想起源基本思想基本思想主要原理主要原理代表成果代表成果常用算法常用算法代表人物代表人物规则和决策树神经网络反馈控制、遗传算法、强化学习等符号主义（符号主义（SymbolicismSymbolicism）联结主义（联结主义（ConnectionismConnectionism）行为主义（行为主义（ActionismActionism）人工智能三大学派：符号主义、联结主义、行为主义112022.5 SHANGPU GROUP www.shangpu-人工智能与大脑的关联性人工智能与大脑的关联性大脑新皮质负责人类语言、推理等高级功能，赫布理论奠定人工神经网络基础端脑表面所覆盖的灰质称为大脑皮质，即新皮质新皮质（neocortexneocortex）。新皮质是进化程度较高级的皮质，是哺乳动物大脑皮质的大部分，在脑半球顶层，其主要分为六层（分子层；外颗粒层；外锥体细胞层；内颗粒层；内锥体细胞层；多形细胞层），与一些高等功能如知觉、运动指令的产生、空间推理、意识及人类语言有关系。神经元作为新皮质学习的基本单元，学习是由单元之间联系的突触力量所决定的。神经科学为思维的模式识别理论提供依据，加拿大心理学家Donald O.Hebb于1949年首次尝试解释学习的神经原理，即“HebbianHebbian theorytheory赫布理论赫布理论”：突触前神经元向突触后神经元持续重复的刺激可以导致突触传递效能的增加，人工神经网络的建立就是基于赫布神经学习模型。资料来源：浙江人民出版社人工智能的未来揭示人类思维的奥秘2016年3月第1版，尚普研究院结合公开资料整理绘制人人工工智智能能产产业业概概况况大脑皮层（新皮质）大脑皮层（新皮质）丘脑丘脑下丘脑下丘脑垂体垂体脊髓脊髓大脑大脑胼胝体胼胝体前前脑脑脑脑干干端脑端脑间脑间脑中脑中脑后脑后脑脑桥脑桥延脑延脑小脑小脑树突树突细胞核细胞核轴突轴突细胞体细胞体细胞结细胞结施旺细胞施旺细胞突触突触髓鞘髓鞘接受刺激并将冲动传入细胞体，属于神经元的输入。将神经冲动由胞体传至其他神经元，是神经元的输出。大脑与神经元结构示意图大脑与神经元结构示意图122022.5 SHANGPU GROUP www.shangpu-人工智能与大脑的关联性人工智能与大脑的关联性人工智能相关算法源自大脑新皮质模式识别机制雷库兹韦尔(Ray Kurzweil)与杰夫霍金斯(Jeff Hawkins)、迪利普乔治(Dileep George)共同提出“大脑新皮质模型”。大脑新皮质模式识别主要由三部分组成：输入（低层级模式）；模式名称；较高层级模式集合。每个模式都具有输入信息、识别模式的处理程序以及一次输出过程。在输入环节，模式（图形、字母、词语等）需按照模式识别器的连续顺序出现，才可以被识别；当模式识别器识别到相关模式时，该模式识别器的轴突也会被激活。举例来看，信息沿着概念层级向上流动，从基本的字母特征到字母再到词语，之后识别会继续向上流动到短语，最终形成更为复杂的语言结构。资料来源：浙江人民出版社人工智能的未来揭示人类思维的奥秘2016年3月第1版，尚普研究院结合公开资料整理绘制人人工工智智能能产产业业概概况况预期规格（时间、距离等）大脑新皮质模式识别模块大脑新皮质模式识别模块树树突突树树突突树树突突树树突突轴突（输出）轴突（输出）权重（重要性）预期规格变化输入输入存储参数存储参数APPLEPEAR大脑新皮质模式识别示例大脑新皮质模式识别示例字母模式包含一组输入信息、识别模式处理程序以及一次输出，字母模式向“词语”的更高层级模式输出。132022.5 SHANGPU GROUP www.shangpu-1950 1952 1954 1956 1958 1960 1962 1964 1966 1968 1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020 20221966：MIT Joseph Weizenbaum建立第一个自然语言处理程序，聊天机器人ELIZA人工智能第一次浪潮人工智能第一次浪潮人工智能第二次浪潮人工智能第二次浪潮人工智能第三次浪潮人工智能第三次浪潮（19561956-19761976）（19761976-20062006）（20062006至今至今）2015：谷歌大脑团队开发出机器学习开源框架TensorFlow1950年，艾伦图灵（Alan Turing）发表了一篇划时代的论文，文中预言了创造出具有真正智能的机器的可能性。1956年夏，约翰麦卡锡(John McCarthy)、马文明斯基(Marvin Minsky)等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出首次提出“人工智能人工智能（ArtificialArtificial IntelligenceIntelligence，简称简称AIAI）”这一概念这一概念，标志着人工智能学科的诞生标志着人工智能学科的诞生。2006年以来，随着大数据、云计算、物联网等信息技术的发展，泛在感知数据和通用图形处理器推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。以下是全球人工智能发展历程中的代表性事件：人工智能发展历程人工智能发展历程资料来源：人民邮电出版社人工智能通识课 2020年6月第1版，部分图片来自Google和Wikipedia等，尚普研究院结合公开资料整理绘制2020：AI助力疫情防控20世纪50年代以来，人工智能历经三次发展浪潮，在技术和应用等方面实现快速发展2016：Google的Alpha Go战胜围棋冠军李世石1951:MarvinMinsky建立第一个神经网络机器SNARC1956：达特茅斯会议上宣告“人工智能”学科的诞生1957：FrankRosenblatt发明神经网络感知机1966：Leonard Baum发明隐马尔可夫模型1968：斯坦福研究所发明第一台智能机器人1982：John Hopfield发明了新型神经网络（Hopfield网络）1990：SuzannaBecker提出“自动编码器”概念1985：GeoffreyHinton 和 TerrySejnowski 发 明玻尔兹曼机2006：GeofferyHinton等人提出深度学习2022：AI在北京冬奥会广泛应用2016：华盛顿大学Carlos Guestrin等开发LIME算法1965：专家系统诞生1950：AlanTuring提出了图灵测试1997：IBM深蓝战胜国际象棋冠军卡斯帕罗夫1989：卡耐基梅隆大学Alex Waibel开发时延神经网络1986：反向传播算法诞生1996：康奈尔大学David Field和Bruno Olshausen提出稀疏编码1979：福 岛邦 彦 提 出 卷积神经网络2014：蒙特利尔大学IanGoodfellow发明“生成对抗性网络”1998：MNIST数据库中的图像集建立2010：ImageNet第一届大规模视觉识别挑战赛（ILSVRC）人人工工智智能能产产业业概概况况1975：人工智能在化学领域首个科学发现1987：人工智能软件在企业战略领域首次商业化应用2009：谷歌推出自动驾驶汽车142022.5 SHANGPU GROUP www.shangpu-人工智能典型算法成熟度路线图人工智能典型算法成熟度路线图人工智能典型算法历经萌芽期、稳定爬升期和成熟期三个发展阶段尚普研究院依据人工智能典型算法的发展阶段，将近年来出现的GPT-3模型、ViT模型、BERT模型等划分至技术萌芽阶段；将具有一定技术沉淀但仍需持续迭代的卷积神经网络、长短期记忆神经网络、循环神经网络等划分至技术稳定爬升阶段；将拥有较长发展历史的决策树、逻辑回归、朴素贝叶斯等划分至技术成熟阶段，具体如下图所示。人工智能典型算法成熟度路线图可作为本报告核心技术和趋势展望章节概览，供相关读者参考。伴随人工智能技术的不断发展，典型算法成熟度路线图有待不断优化。资料来源：尚普研究院结合公开资料整理绘制人工智能典型算法成熟度路线图人工智能典型算法成熟度路线图ViT模型卷积神经网络CNN朴素贝叶斯循环神经网络RNN联邦学习生成对抗网络GAN自监督学习逻辑回归隐马尔可夫模型HMM神经网络ANN支持向量机自编码器随机森林长短期记忆神经网络LSTM图神经网络GNN决策树迁移学习Transformer模型GPT-3模型BERT模型技术萌芽阶段稳定爬升阶段技术成熟阶段人人工工智智能能产产业业概概况况152022.5 SHANGPU GROUP www.shangpu-Apple A14 Bionic11 TOPS产业发展驱动因素：数据、算力、算法产业发展驱动因素：数据、算力、算法全球数据量及芯片算力持续增长，AI算法不断优化数据层面：数据层面：近年来全球数据规模持续增长，IDC预计到2025年全球数据量将达到175ZB；算力层面：算力层面：1971年芯片算力从0.06MIPS快速增长至15.8TOPS以上；算法层面：算法层面：伴随技术的不断发展，机器学习、计算机视觉、自然语言处理、语音处理、知识图谱等AI核心技术相关算法持续迭代优化。在数据、算力和算法的共同推动下，全球人工智能产业和相关技术实现快速发展，下游应用也不断丰富。资料来源：IDC，尚普研究院人人工工智智能能产产业业概概况况数据（数据（DataData）算法（算法（AlgorithmAlgorithm）机器学习算法机器学习算法WEBINAR 计算机视觉算法计算机视觉算法自然语言处理自然语言处理&语音处理算法语音处理算法知识图谱算法知识图谱算法资料来源：尚普研究院结合公开资料整理绘制32 40 49 62 79 101 132 175 20182019202020212022E2023E2024E2025E20182018-20252025年全球数据量年全球数据量单位：ZB6 64 80 400 1,200 160,000 60,000,000 500,000,000 600,000,000 1,100,000,000 1,580,000,000 1971197419781986198920102017201820192020202119711971年以来算力增长趋势年以来算力增长趋势Intel40040.06 MIPSIntel80800.64 MIPSIntel80860.8 MIPSARM 24 MIPSARM 312 MIPSApple A41600 MIPSApple A11 Bionic0.6 TOPSApple A12 Bionic5 TOPSApple A15 Bionic15.8 TOPSApple A13 Bionic6 TOPS单位：MIPS万次/每秒运算，TOPS万亿次/每秒运算算力（算力（Computing PowerComputing Power）资料来源：尚普研究院结合公开资料整理绘制162022.5 SHANGPU GROUP www.shangpu-资料来源：各国政府机构网站，尚普研究院结合公开资料整理绘制全球主要国家和地区相继出台人工智能政策，推动人工智能产业发展近年来，主要国家和地区相继出台了人工智能相关战略和规划文件，将政策重点聚焦在加强投资和人才培养、促进合作开放以及完善监管和标准建设上，全球人工智能产业发展进入加速落地阶段。具体而言，美国加大人工智能研发方面的投资；欧盟致力于推进新的人工智能立法提案；英国打造世界人工智能创新中心；日本则强化人工智能应用，加快数字化转型；韩国加强人工智能战略引领，助力本国经济复苏；新加坡为人工智能研究追加投资，推进政府的数字化转型；中国则更加注重推动人工智能与传统产业融合。产业发展驱动因素：人工智能产业政策产业发展驱动因素：人工智能产业政策20162016：为人工智能的未来做准备国家人工智能研究与发展战略计划为人工智能自动化和经济的未来做准备20182018：2018年美国工业人工智能白宫峰会总结20192019:国家人工智能研发战略规划:2019年更新2016-2019年进展报告:推进人工智能研发20202020：2020-2021人工智能和量子信息科学研发概要利用云计算资源进行联邦资助的人工智能研究和开发的建议20212021：网络与信息技术研发计划和国家人工智能计划办公室总统2022财年预算补编20162016：机器人技术、自动化和人工智能20172017：在英国发展人工智能产业20202020：美利坚合众国和大不列颠及北爱尔兰联合王国关于人工智能研发合作的宣言人工智能在公共部门的应用指南20212021：新的十年计划将使英国成为全球人工智能超级大国国家人工智能战略自动化决策的道德、透明度和问责框架20182018：可信赖AI的道德准则草案、人工智能协调计划20192019：可信赖AI的道德准则20202020：人工智能白皮书-通往卓越与信任的欧洲道路20212021：2030数字指南针：欧洲数字十年之路20192019：国家人工智能战略20212021：国家人工智能战略更新20192019：人工智能国家战略20192019：人工智能战略201920202020：科学技术创新综合战略202020162016：国家创新驱动发展战略纲要20172017：新一代人工智能发展规划20192019：国家新一代人工智能创新发展试验区建设工作指引国家新一代人工智能开放创新平台建设工作指引20212021：中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要人人工工智智能能产产业业概概况况172022.5 SHANGPU GROUP www.shangpu-产业发展驱动因素：人工智能人才规模产业发展驱动因素：人工智能人才规模中、美、印AI人才数量位居世界前三，人才聚集现象凸显尚普研究院根据LinkedIn和猎聘数据统计，全球当前累计AI人才突破100万人。其中，中国AI人才数量超过18万人位居世界首位，占全球AI人才总数的18%。美国和印度AI人才数量分居全球第二、三位，并且均超过15万。中、美、印三国AI人才合计占比接近全球50%。英国、加拿大、德国、法国等国家AI人才数量也超过万人。AI人才数量排名前10的国家占全球总数超过60%，AI人才聚集现象凸显。资料来源：尚普研究院结合LinkedIn和猎聘数据整理绘制注：中国AI人才数量来自猎聘，其他国家AI人才数量来自LinkedIn，相关数据统计截至2022年4月全球主要国家全球主要国家AIAI人才数量人才数量180,000+180,000+160,000+160,000+150,000+150,000+20,000+20,000+40,000+40,000+20,000+20,000+15,000+15,000+3,000+3,000+3,000+3,000+3,000+3,000+人人工工智智能能产产业业概概况况182022.5 SHANGPU GROUP www.shangpu-清华大学AMiner团队推出AI 2000榜单，遴选全球最具影响力的AI顶尖学者清华大学AMiner团队联合北京智源研究院、清华-中国工程院知识智能联合研究中心，连续3年共同发布最具影响力学者人工智能全最具影响力学者人工智能全球球AIAI 20002000榜单榜单，该榜单通过AMiner系统中所收录的学术发表数据及Google Scholar的引用数据用计算机算法自动生成榜单排名，其旨在全球范围内遴选过去十年人工智能学科最有影响力、最具活力的顶级学者。自2020年首届AI 2000榜单发布以来，榜单受到各界的高度认可，已成为AI领域的重要风向标之一。AIAI 20002000遴选方法概述遴选方法概述AMiner系统收集过去10年间出现在AI所有子领域顶级期刊和会议的出版论文，对于每位学者，其在一个特定子领域的评分分别计算了AIAI 20002000指数指数、发表次数发表次数、引用次数引用次数、引用数权重系数引用数权重系数、CSRankingCSRanking等指标。发表次数发表次数：顶级期刊和会议中发表文章的总数量（单个子领域）引用次数引用次数：顶级期刊和会议中发表所有论文的总引用次数（单个子领域）引用数权重系数引用数权重系数：=21 +1其中代表一篇文章中的所有作者数量；代表论文数量中作者的展示顺序，即文章中第个作者；代表引用这篇文章的文献数量。该公式针对某一个领域的一篇文章，针对该学者在该领域所有出版文章的的总和即为该学者的引用数权重系数引用数权重系数。CSRankingCSRanking：是一种调整计数方法，表示每一篇文章的功劳平均分配给每一位作者。此处将作者进行排名时，将其所有文章的功劳平均计算后累计叠加得到作者的文章整体贡献度。AIAI 20002000指数指数：AI 2000指数表示所有作者对该篇文章的贡献度不同，在最新的排名计算中，默认发表的论文中，排名靠前的作者贡献度更高，因此该指数计算的逻辑为，作者的排名顺序与其贡献度成正比。公式定义为：=11其中代表一篇文章中的所有作者数量；代表论文数量中作者的展示顺序，即文章中第个作者；代表引用这篇文章的文献数量。求和代表所有作者排名次序倒数的求和，从而展示出单个作者排名顺序与贡献度比例关系。该公式针对某一个领域的一篇文章，针对该学者在该领域所有出版文章的的总和即为该学者的AIAI 20002000指数指数。产业发展驱动因素：人工智能顶尖人才产业发展驱动因素：人工智能顶尖人才上文提到的AIAI 20002000学者榜单学者榜单是根据AIAI 20002000指数指数进行排名所得到。AI 2000指数：=11假设一篇文章由2名学者共同合作完成，该文章被引用15次，那么第一作者的AI 2000指数即：1=11+1 2 15=10第二作者的AI 2000指数即：2=1 21+1 2 15=5由此可见两位作者对文章引用率的贡献度不同，排名次序靠前，贡献度越大。AIAI 20002000指数实例解析指数实例解析遴选方法中的其他计算指标也是衡量学者们学术水平的标准，AMiner系统中根据不同的指标对学者进行不同的排名，同样具有重要的参考意义和价值。资料来源：AMiner官网，智谱研究，尚普研究院人人工工智智能能产产业业概概况况192022.5 SHANGPU GROUP www.shangpu-资料来源：AMiner团队发布的AI 2000学者榜单，智谱研究，尚普研究院AI 2000上榜学者遍布全球40余个国家，美国AI学者数量位居榜首根据AMiner的历年统计数据，美国学者入选AI 2000榜单的数量最多，年均超过1,000人次，远高于其他国家，表明美国在AI人才方面具有全球领军地位。此外，中国人才数量位居第二，但与美国差距仍然较大，英国与中国入选AI 2000榜单的学者数量呈逐年递增趋势。产业发展驱动因素：人工智能顶尖人才产业发展驱动因素：人工智能顶尖人才2020202120221,244 1,163 1,146 202020212022687456加拿大入选加拿大入选AIAI 20002000学者数学者数量量202020212022313138瑞士入选瑞士入选AIAI 20002000学者数学者数量量2020202120221139890德国入选德国入选AIAI 20002000学者数学者数量量202020212022196223232中国入选中国入选AIAI 20002000学者数学者数量量202020212022244030新加坡入选新加坡入选AIAI 20002000学者数学者数量量美国入选美国入选AIAI 20002000学者数学者数量量2020202120228084115英国入选英国入选AIAI 20002000学者数学者数量量202020212022242524法国入选法国入选AIAI 20002000学者数学者数量量注：以上图表单位均为人次人人工工智智能能产产业业概概况况202022.5 SHANGPU GROUP www.shangpu-名次名次机构名称机构名称入选人次入选人次1谷歌（美）1812Meta（美）873微软（美）654麻省理工学院（美）475卡内基梅隆大学（美）446斯坦福大学（美）417DeepMind（英）328苹果（美）319华盛顿大学（美）2810亚马逊（美）28Google成为入选AI 2000学者最多机构，清华大学和阿里巴巴跻身前20强根据AMiner发布的2022年AI 2000榜单，Google以181人次的入选数量名列全球入选学者最多机构，Meta、Microsoft入选人次分别为87和65位列第二、三位。从全球AI 2000前20强机构来看，美国机构数量达到15家。上榜的两家中国机构为清华大学和阿里巴巴，两家机构入选数量分别为20人次和14人次。产业发展驱动因素：人工智能顶尖机构产业发展驱动因素：人工智能顶尖机构资料来源：AMiner团队发布的AI 2000学者榜单，智谱研究，尚普研究院名次名次机构名称机构名称入选人次入选人次11加州大学伯克利分校（美）2712纽约大学（美）2113清华大学（中）2014IBM（美）1815多伦多大学（加）1716密歇根大学（美）1717加州大学圣迭戈分校（美）1618新加坡国立大学（新）1519佐治亚理工学院（美）1520阿里巴巴（中）14在全球AI 2000前20强的机构中，美国机构占15家，中国2家机构上榜，英国、加拿大和新加坡各占1家。由此可见，美国仍具有遥遥领先的AI顶尖人才和AI科研实力。20222022年年AIAI 20002000全球前全球前2020强机构强机构75%10%5%5%5%AI 2000AI 2000机构前机构前2020强国家分布强国家分布美国中国英国加拿大新加坡人人工工智智能能产产业业概概况况212022.5 SHANGPU GROUP www.shangpu-Google AI人才普遍拥有世界顶尖高校教育背景，具有多年科技巨头从业经历尚普研究院结合LinkedIn相关人才数据，对于Google AI人才的教育及从业背景进行梳理。Google AI人才大多拥有Stanford、MIT、CMU、UC Berkeley等世界知名高校教育背景，同时也曾在Apple、Microsoft、Facebook等头部科技巨头从业多年，AI人才优势显著。产业发展驱动因素：人工智能顶尖机构产业发展驱动因素：人工智能顶尖机构资料来源：尚普研究院结合LinkedIn相关人才数据整理绘制GoogleGoogle AIAI人才成长路径人才成长路径人人工工智智能能产产业业概概况况222022.5 SHANGPU GROUP www.shangpu-281 319 353 386 443 514 594 660 692 593 367 20112012201320142015201620172018201920202021全球人工智能专利情况全球人工智能专利情况中国、美国、日本在人工智能专利申请数量方面整体居前尚普研究院结合智谱研究数据，2011-2021年全球人工智能专利申请数量呈现先升后降的趋势。按地区分布看，2011-2021年中国、美国和日本累计申请人工智能专利数量最多，中国位居世界首位，累计持有专利数量191万个；按申请机构来看，人工智能专利申请数量前十大机构集中在韩国、日本、美国和中国。其中，三星电子株式会社持有人工智能专利数量超过10万个。单位：千个资料来源：智谱研究，尚普研究院20112011-20212021年全球人工智能专利申请数量变化年全球人工智能专利申请数量变化20112011-20212021年全球人工智能累计专利申请国家年全球人工智能累计专利申请国家TOP10TOP1020112011-20212021年全球人工智能累计专利申请机构年全球人工智能累计专利申请机构TOP10TOP10单位：千个单位：个资料来源：智谱研究，尚普研究院资料来源：智谱研究，尚普研究院1,910 1,168 977 355 139 64 57 52 41 36 中国美国日本韩国德国法国英国荷兰加拿大瑞士人人工工智智能能产产业业概概况况232022.5 SHANGPU GROUP www.shangpu-衡量指标衡量指标美国人工智能产业发展状况美国人工智能产业发展状况中国人工智能产业发展状况中国人工智能产业发展状况累计企业数量4,100+4,100+个个1,200+1,200+个个累计融资规模1,600+1,600+亿亿470+470+亿亿计算力指数777770702025年数据量30.6ZB30.6ZB48.6ZB48.6ZB企业所在地加州旧金山、加州山景城、加州圣何塞、纽约等地北京、上海、广州、杭州、深圳等地开源框架中美人工智能产业发展状况对比中美人工智能产业发展状况对比美国在企业数量、融资规模、计算力方面领先，中国则在数据量方面具有明显优势资料来源：CB Insights,IDC、浪潮信息、清华全球产业院2021-2022全球计算力指数评估报告，尚普研究院结合公开资料整理绘制结合CB Insights，IDC、浪潮信息与清华全球产业院联合发布2021-2022全球计算力指数评估报告等相关资料，尚普研究院对中美两国在人
