三大特征决定中国AI领先优势

2.1、技术边界：AI无通用技术，需行业knowhow与大量数据相结合

AI无通用技术，融合knowhow能力和机器能力的“纵向深耕”将是人工智能行业赋能关键。目前，人工智能已在金融、医疗、教育、零售、工业、交通、娱乐等诸多领域进行智能化的渗透。在智能变革的趋势下，传统行业纷纷开始探索如何与人工智能结合应用。随着传统产业的智能化实践逐步深入，行业中深层次的知识和经验尤为重要。简单的人工智能技术叠加将不再能满足用户的智能化预期。例如在金融领域，虚假申请、伪冒交易、内容违规给传统金融信贷造成巨大风险，传统的用户信用评估使得企业和个人信贷申请流程较为繁琐，金融机构的风险把控力不足。人机协同则通过融合专家能力与机器能力，将风控专家的知识技能模型化、结构化，再运用深度学习、自然语言处理、计算机视觉、知识图谱等技术手段自动学习贷款者的行为消费细节，实现用户画像的精准定位，从而提高风险识别能力，对全局的风险做到有效控制。

2.2、产业基础优势：中国互联网、数字化等产业都处于全球优势

三个因素奠定中国数据“蓄水池”的基础，给未来智能化发展积累深厚的训练基础：因素一：中国市场体量庞大，拥有数量可观的网民。互联网的兴起奠定了数据的基础，成为了数据的“蓄水池”。而数据量的大小，则取决于其用户规模。截至2020年12月，我国国民规模为9.89亿，已占全球网民的五分之一，超过欧盟和美国的网民之和。较2020年3月新增网民8540万，互联网普及率达70.4%，较2020年3月提升5.9个百分点。

因素二，中国的互联网巨头建立的丰富数字化生态圈在产业不断拓展延伸。庞大的客户规模与使用强度让中国成为孕育前沿数字技术的实验场。凭借各自的主打产品与服务崛起，例如阿里巴巴的电子商务，百度的互联网搜索，腾讯的社交媒体——如今已开始向多个行业的产品及服务拓展。

因素三，中国政府对数字化和智能化的态度更偏向鼓励，给技术的应用落地提供了野蛮生长的土壤。政策制定者过去对数字化和智能化更加偏向鼓励，使得技术的开拓者得以大胆试水并扩大规模。例如支付宝于2005年推出了线上转账功能，但在11年后的2016年，政府监管机构才开始限制转账额度上限。

以上因素共同推动下，中国的数字化发展不断取得新进展。中国现已成为全球数据流动的主要参与国，中国的数据生态系统已经能够对全球服务、金融和数据流动产生明显影响。

2.3、三大因素支撑：供应基础数据、提供资本支持、政府直接采购

1）供应基础数据

数据资源的积累是人工智能发展的基本前提。人工智能技术得以商业化主要得益于计算能力的提升与数据资源的累积。虽然人工智能经历了几十年的发展，安防、机器人、自动驾驶、智慧医疗、无人机、增强现实等领域都出现了各种形态的人工智能应用，但是距离完全人工智能依然存在差距。这是因为存在缺乏标签数据、大规模训练数据获取成本高、部分应用场景出于保密考虑存在数据隔离限制等问题，导致数据不能共享也无法形成闭环，数据成为了限制人工智能发展的重要因素。伴随着云计算、大数据、物联网等技术产业的快速发展，数据流量增长速率正在不断加快，人工智能可以获得体量庞大的学习素材，根据英特尔估算，中国产生的数据量大概占据全球总数据量的五分之一，具有最为丰富的数据资源优势。

2）提供资本支持

资本支持，人工智能企业加快融资和上市步伐。2020年，受益于线上化的工作方式和生活方式的普及，AI+办公、AI+教育、AI+金融、AI+医疗等多个场景加速落地。人工智能应用加速爆发，多家人工智能企业都加快了上市步伐，2021年有望成为人工智能的IPO大年。2020年，云知声、依图科技、云从科技、云天励飞等多家公司披露了招股说明书。2021年初，医疗AI公司医渡科技也完成港股上市。而旷视科技也于2020年9月签署科创板上市辅导协议。

3）政府直接采购

国内政企和AI厂商合作，共同推动AI技术在政企端的落地。AI技术落地早前最广为人知的场景是安防，最近今年快速向金融、教育、医疗、工业检测等场景渗透，但都是以G端和B端应用为主，纯C端的应用还停留在互联网的搜索引擎、电商产品推荐等场景中，并没有形成有革命性的产品。近年来，随着国内政企的人工智能扶持政策持续密集跟进，以海康威视、科大讯飞为代表的人工智能龙头纷纷与政企单位签约，率先实现AI技术的落地和商业变现。例如海康威视就通过和各人民政府、交警总队支队、公安局等单位落地自己的人工智能技术；科大讯飞和各政府、法院、检察院、教育机构在教育、政法、医疗都建立了密切的合作关系。