下载掌阅APP，畅读海量书库
立即打开
1956年，达特茅斯会议明确了“人工智能”的命名，标志着人工智能作为一个研究领域正式诞生，这也被后人视为现代人工智能的起点。人工智能是工业革命以来不断推进的自动化进程的深化，甚至被推崇为推动第四次工业革命的核心技术。工业革命先后利用蒸汽和电力使许多生产过程实现了自动化，继电器、晶体管和半导体则承接了这一趋势。人工智能是这个前进过程的下一阶段，它是逐渐的技术进步，而非突然的爆发，从自动巡航、计算机控制等，走向自动驾驶汽车。
总的来看，人工智能技术使机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。工业革命推动农业社会向工业社会转型，催生了工厂系统和大规模生产，不仅改变了劳动和生产的性质，还引发了向城市中心的大规模人口迁移，进而促成了城市化。而人工智能使机器能够承担起包括认知任务在内的工作，正在改变人类的生产生活方式，对社会的影响甚至可能超过工业革命。
人工智能的发展经历了3个阶段，如图1-3所示。第一个阶段，20世纪60年代，由于人工神经网络理论的突破，人工智能发展迎来第一次热潮。1965年，世界上第一个交互式计算机程序ELIZA（俗称“聊天机器人”）诞生。第二个阶段，20世纪70年代中后期，专家系统、知识工程等引发人工智能的第二次热潮。20世纪80年代，多层感知机、反向传播算法、神经网络的出现提升了计算机的计算及逻辑推理能力，为深度学习和强化学习奠定了重要基础，同时专家系统的出现赋予了人工智能知识属性。第三个阶段，20世纪90年代开始，移动互联网和云计算兴起，深度学习算法取得突破，人工智能迎来第三次热潮。1997年，计算机深蓝完胜象棋大师卡斯帕罗夫，加速推进了机器学习和人工神经网络的研发工作。2016年，AlphaGo战胜世界顶级围棋选手李世石，将深度学习推向了新的高峰。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。谷歌在2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。2022年，以ChatGPT为代表的大语言模型的出现，进一步掀起人工智能发展热潮。
图1-3 人工智能发展阶段（图片来源：鲜枣课堂）
关于“智能经济”的理念，欧盟在2011年3月3日公布的《欧洲2020战略》（ Europe 2020 Strategy ）中提出，以知识和创新作为未来经济增长的驱动力，建设智能型增长（Smart Growth）的社会 [7] 。2017年7月，我国印发《新一代人工智能发展规划》，提出培育具有重大引领带动作用的人工智能产业，促进了人工智能与各产业领域深度融合，形成数据驱动、人机协同、跨界融合、共创分享的智能经济形态，并提出到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定了重要基础。“智能经济”概念自问世以来，国内外众多学者和专家进行了广泛且深入的探讨，对其定义目前尚未达成共识。综合多种观点，智能经济可以从以下几个维度进行理解。
智能经济是数字经济的重要组成部分。 在我国国家统计局发布的《数字经济及其核心产业统计分类（2021）》中，提到了数字产业化和人工智能大模型产业。“数字化效率提升业”包括智能制造，即利用人工智能、数字孪生、5G、区块链、VR/AR（Virtual Reality/Augmented Reality，虚拟现实增强现实）、边缘计算、实验验证、仿真技术等新一代信息技术，与先进制造技术深度融合，进一步提高制造业质量和核心竞争力。
智能经济以人工智能为核心驱动力。 有学者认为，所谓智能经济，是指构建在智能基础上的经济，是由人工智能技术推动和创造的经济。区别于传统模式中依赖劳动力和体力创造的劳动密集型、简单且重复度高的经济运行模式，智能经济是以云计算、大数据、物联网、移动互联网等新一代信息技术为基础，以人工智能、虚拟现实、5G、区块链等智能技术为支撑，以智能感知的信息与数字化的知识为关键生产要素，以智能产业化和产业智能化为主要形式，以智慧工厂、智慧旅游、智慧生活、智慧城市等为应用领域，推动人类社会生产方式、生活方式和社会治理方式智能化变革的经济形态。简言之，智能经济就是在信息经济、数字经济充分发展的基础上，由智能技术推动形成和发展的新型经济形态。何玉长和宗素娟 [8] 认为：智能经济是以人工智能技术开发和应用为依托的经济结构和经济形态，人工智能技术及其应用带动了智能经济的兴起和发展。此外，他们认为智能经济是智能产业、智能企业和智能劳动的有机统一，智能经济融合了人脑智慧、计算机网络和物理设备，基于智能产业和企业的支撑，以智能劳动为基础，以人工智能为发展智能产业和实现产业转型升级的引擎，将人工智能技术贯穿社会生产、分配、交换和消费的全过程，并在宏观经济管理与决策中应用人工智能技术。孙守迁认为：智能经济是以智能感知的信息与数字化的知识为关键生产要素，以新一代智能技术为重要推动力，以有限资源和生产要素的最优化利用为手段，以自主适应、人机协同、共创分享、多元融合为主要特征，以高效、有序、可持续发展为目标的经济活动和经济形态 [9] 。
智能经济以人工智能技术的发展和应用为核心驱动力，包括算力搭建、算法模型开发等智能产业化部分和智能制造、智慧交通等产业智能化部分。智能经济产业地图如图1-4所示，可分为A芯片及关键部件、B架构及支撑系统、C整机及基础设施、D应用及解决方案4个模块。
图1-4 智能经济产业地图（图片来源：赛迪研究院）
基础硬件——智能经济的发展基础，支撑复杂计算和确保可靠运行。 基础硬件模块是以算力能力支撑智能经济深度发展的底座，主要包括算力芯片、配套芯片、网络设备、服务器、数据中心等。开发更高性能的 AI大模型需要更强的算力平台，算力底座技术门槛将提高（见图1-5），未来的训练核心需要比拼集群系统能力。复杂的模型和海量的训练需要大规模的高算力支持，这不仅需要消耗大量的计算资源，而且对算力的速度、精度、性能也提出了更高要求。因此，市场对更高性能的智能算力需求将显著提升。智能算力的增长速度约为通用算力的两倍。根据IDC和浪潮信息的计算，2022年我国通用算力规模达54.5EFLOPS，预计到2027年通用算力规模将达到117.3 EFLOPS。2022年我国智能算力规模达259.9EFLOPS，预计到2027年将达到 1 117.4EFLOPS。2022—2027年，我国智能算力规模年复合增长率达33.9%，超过同期通用算力规模的年复合增长率（16.6%）。
图1-5 算力底座技术门槛将提高（图片来源：中航证券）
算力芯片的性能和效率对人工智能、大数据分析、密码学和区块链等智能技术领域的发展具有重要影响。 AI芯片根据其技术架构，可分为图形处理单元（Graphics Processing Unit，GPU）、现场可编程门阵列（Field Programmable Gate Array，FPGA）、专用集成电路（Application Specific Integrated Circuit，ASIC）及类脑芯片，中央处理器（Central Processing Unit，CPU）支持通用AI计算。相较于传统的CPU，GPU具有高效能和高并发等优势，因此在人工智能、机器学习、数据挖掘等领域得到了广泛应用。在AI服务器方面，算力需求的提升带动算力市场规模进一步提升。IDC和浪潮信息联合发布的《2023—2024年中国人工智能计算力发展评估报告》显示，全球人工智能硬件市场（服务器）规模将从2022年的195亿美元增长到2026年的347亿美元，5年年复合增长率达17.3%。预计2023年中国人工智能服务器市场规模将达91亿美元，同比增长82.5%，2027年将达134亿美元，5年年复合增长率达21.8%。配套芯片方面，对AI算力的需求同时带动存储器需求的增长。据TrendForce，AI服务器需要配置更多的动态随机存取存储器（Dynamic Random Access Memary，DRAM）、固态盘（Solid State Disk，SSD）和高带宽存储器（High Bandwidth Memory，HBM）等大容量存储器，以应对日益复杂的大模型所带来的海量数据。
软件平台——驱动智能系统灵活开发和高效测试。 软件平台模块主要涉及数据的收集以及运算，包括算法模型、AI开发平台、AI框架、数据资源等。算法模型是释放数据要素价值、实现人工智能技术在各行业各领域落地应用的最短路径。其中，大模型具有规模可扩展性、多任务适应性、复杂推理能力、知识吸收与整合能力，代表了人工智能发展的新范式。AI开发平台为开发人员提供人工智能应用开发所需的各种资源和工具，包括机器学习、深度学习和自然语言处理等算法，以及计算能力和开发工具等。AI框架提供了一个基础架构，包括算法、数据集、工具、应用程序接口（Application Program Interface，API）和其他核心组件，使得机器学习和深度学习的应用程序开发更加高效和协调。AI框架的重要性体现在提高开发效率、降低成本、提高模型精度以及支持分布式计算等方面。在数据资源方面，更高质量、更丰富的数据是驱动以GPT为代表的生成式人工智能大模型成功的关键。从第1 代到第4 代，GPT 模型架构均较为相似，而用于训练的数据的质量和规模却大有不同。GPT-1由未过滤的原始数据训练，数据量达4.8GB；GPT-2由经人类过滤后的数据训练，数据量达40GB；GPT-3由从原始数据中过滤的数据训练，数据量达570GB；ChatGPT/GPT-4在GPT-3的基础上增加了高质量的人类标注。
关键核心技术——基于人工智能技术实现人类思维模拟。 关键核心技术模块包括自然语言处理、机器学习、语音识别、知识图谱、计算机视觉等人工智能相关技术。机器学习通过让计算机模拟或实现人类的学习行为来获取新的技能知识，通过重新组织知识结构来加速自身性能的改善。通过利用大数据和计算资源，计算机能够自动从数据中学习，并在没有明确编程指令的情况下改进其性能。Statista预测 [10] ，全球机器学习市场规模预计在2030年达到 5 034 亿美元。计算机视觉相当于使计算机有了眼睛，使计算机可以处理和理解视觉信息。Future Market Insights预测 [11] ，到2033年底，全球计算机视觉市场可能达到261.1亿美元，高于2023年的129.1亿美元，复合年增长率为7.3%。自然语音处理的核心是使计算机能够理解和生成人类语言，主要应用于机器翻译、问题回答、舆情监测、语音识别、文本语义对比、中文OCR（Optical Character Reader，光学字符阅读器）等方面。Lucintel发布的《全球人工智能市场中的自然语言处理（NLP）技术：趋势、机遇和竞争分析（2023—2028）》显示 [12] ，到2028年，全球人工智能市场上的自然语言处理技术市场规模预计将达到73亿美元，2023年至2028年的复合年增长率为15.9%。
行业应用解决方案——提升生产运营效率，赋能经济社会发展。 行业应用解决方案模块指智能机器人、智能家居等智能化产品以及人工智能在各类场景中的应用，包括智慧交通、智慧能源、智慧金融等应用领域。同时，随着人工智能与其他行业的深度融合，其应用领域将持续扩展。例如，在交通领域，智能技术的应用极大地提升了交通流量预测和规划的效率，进而显著提高了交通管理水平。例如，深圳市通过实施智能交通灯控制系统，实现了对交通流量的实时监测和数据分析。该系统能够根据不同时间段和路段的交通流量变化，自动调整信号灯的时长，从而优化交通流的分配。这一举措使得交通拥堵指数下降了30%，平均行驶时间缩短了20% [13] ，不仅有效缓解了交通拥堵状况，提高了道路通行能力，还减少了能源消耗和环境污染，提升了城市的可持续发展能力。人工智能在自动驾驶领域的应用推动了相关汽车技术的创新。通过使用感知、决策和控制算法，自动驾驶车辆可以实时感知周围环境，做出决策并自主驾驶。这项技术在改变交通运输和出行方式上具有潜力，能进一步确保交通安全和提高通行效率。谷歌母公司Alphabet旗下的自动驾驶公司Waymo、通用汽车旗下的自动驾驶公司Cruise以及特斯拉均大力布局自动驾驶领域。我国百度公司推出的萝卜快跑已在北京、重庆、武汉、深圳、上海等地开展无人自动驾驶出行测试。
数字经济亟须注入新的活力。 诞生于互联网时代的数字经济1.0，强调发挥网络的规模效应，通过持续扩大连接的广度提升网络价值创造能力，但近年来全球网络普及率的增速逐步放缓。据Statista数据，全球互联网用户数量在经历了10年高速增长后，自2020年起增长速度放缓，预计2024年至2029年间增长率将从7.5%降到2%以下。我国网民规模和互联网普及率经历了2019和2020年高峰期后，增速已由2020年的9.15%降到2023年的2.51%。数字经济1.0时代对每个网络连接点的价值挖掘还处于较浅层次，未来仍有较大的拓展空间。此外，IDC 2020年的调研报告显示，有68%的企业数据没有得到利用。《全国数据资源调查报告（2023年）》显示，数据加工能力的不足导致了大量数据存而未用，企业一年未使用的数据占比约四成，海量数据和丰富场景所带来的优势和潜力亟须释放。
人工智能爆发加速智能时代的到来，为挖掘传统数字经济深度价值提供澎湃动力。 近年来，人工智能领域迎来由生成式人工智能大模型引领的爆发式发展，使海量数据的深入分析成为可能，提高互联网时代数字世界中数据的价值，催生更多与互联网时代不同的新模式新业态。Grand View Research发布的分析报告显示，2023年全球人工智能市场规模估计为1 966亿美元，2024年至2030年的复合年增长率预计达到36.6%，如图1-6所示。信通院发布的《中国新一代人工智能科技产业发展报告2024》显示，2023年我国人工智能核心产业规模达5 784亿元，增速为13.9%，如图1-7所示。
图 1-6 全球人工智能市场规模预测（ 2020—2030 ） [14] （图片来源：Grand View Research）
图 1-7 2017—2023 年我国人工智能核心产业规模
智能经济成为各国未来发展战略的重心。 世界各国积极规划蓝图，力求借助智能经济的强劲推力，实现社会经济的全面转型与飞跃。
中国： 2017年7月，国务院印发《新一代人工智能发展规划》，指出要深入实施创新驱动发展战略，以加快人工智能与经济、社会、国防深度融合为主线，以提升新一代人工智能科技创新能力为主攻方向。该规划明确提出应培育高端、高效的智能经济，发展智能社会，维护国家安全，同时提出构筑知识群、技术群、产业群互动融合和人才、制度、文化相互支撑的生态系统，前瞻应对风险挑战。2024年6月，工业和信息化部等部门印发《国家人工智能产业综合标准化体系建设指南（2024版）》，指出人工智能正成为发展新质生产力的重要引擎，我国人工智能产业近年发展迅速且市场规模庞大，以大模型为代表的新技术加速迭代，产业呈现新特点，需完善人工智能产业标准体系。该文件提出到2026年，要持续提升标准与产业科技创新的联动水平，加快形成引领产业高质量发展的标准体系。
美国： 2023年5月，美国发布《国家人工智能研发战略计划》（ The National Artificial Intelligence R&D Strategic Plan ），调整并完善了各战略的具体优先事项，旨在确保美国在开发和使用可信人工智能系统方面继续领先。该计划提出要加强与学术界、工业界等的合作，促进对相关研发的持续投资，并提升先进成果转化的能力，包含将公私合作伙伴关系的协同效应利益最大化等3个优先事项。
欧盟： 2020年2月，欧盟委员会发布《人工智能白皮书通往卓越和信任的欧洲路径》（ WHITE PAPER On Artificial Intelligence-A European approach to excellence and trust ），其关注人工智能对就业和社会经济的影响，计划通过培训和教育来提高劳动力素质以适应新变化，并强调投资人工智能研究和创新的重要性，以提升欧盟在该领域的竞争力。
日本： 2022年4月发布《人工智能战略2022》，旨在推动人工智能克服自身社会问题、提高产业竞争力。该战略提出要构建符合时代需求的人才培养体系、运用人工智能强化产业竞争力、确立一体化人工智能技术体系、发挥引领作用构建国际化研究教育和社会基础网络等战略目标。2023年11月，日本经济产业省宣布发放总计2万亿日元的补贴来推动日本芯片行业发展，加快设计和制造下一代芯片和人工智能模型，以加强日本在全球半导体领域的地位。
韩国： 2019年12月，韩国政府公布《人工智能国家战略》，旨在将韩国从“IT强国”发展为“AI强国”，计划到2029年为新一代存算一体人工智能芯片研发投入约1万亿韩元。据预测，到2030年，韩国有望在人工智能领域创造455万亿韩元（约合2.7万亿元）的经济价值。