2024年中国AI发展面临的挑战与应对之道.pdf
《2024年中国AI发展面临的挑战与应对之道.pdf》由会员分享,可在线阅读,更多相关《2024年中国AI发展面临的挑战与应对之道.pdf(27页珍藏版)》请在咨信网上搜索。
1、 请仔细阅读在本报告尾部的重要法律声明 1 第二章 中国 AI 发展面临的挑战与应对之道 本章摘要本章摘要 中中美欧共同引领上一轮美欧共同引领上一轮 AI 创新创新。得益于政策支持、国内大市场以及大规模IT 教育投入所带来的人才红利,中美欧在上一轮 AI 浪潮中一同引领全球。在大模型在大模型 AI 时代,中美差距短期有所拉大。时代,中美差距短期有所拉大。在全新的大模型 AI 时代,美国占据优势。从支撑人工智能产业的四大要素来看,模型方面,美国在数量和质量上均领先中国;人才方面,中美人才数量居前,但美国高级人才队伍更为领先;算力方面,中国算力芯片及生态系统均落后于美国,智能算力差距在中美摩擦下进
2、一步扩大;数据方面,虽然我国数据规模全球第二,但数据质量仍落后于美国。上述要素的差距导致中美发展 AI 走向了不同道路,中国积极拓展应用落地而美国更专注于探索 AI 大模型的能力边界。思考与启示:新时代,中国如何应对?思考与启示:新时代,中国如何应对?在算力领域,通过持续的工程优化,海外龙头算力芯片企业与主流开源大模型的适配效果较优,这坚定了我国发展国产算力芯片的信心。此外,传统架构下芯片的持续升级遇到瓶颈,新型计算架构芯片有望帮助我国算力硬件对美国形成加速追赶。在模型层面,当前大模型遵循规模定律(Scaling Law),但无论极限是否存在,我国都应积极研发自主大模型,这不仅是技术自主和产业
3、升级的体现,也是保障国家 AI领域安全和推动科技经济持续稳健发展的关键。基于大模型的 AI 应用,当前尚处商用化早期阶段,国内市场面向个人和企业的应用“百花齐放”,移动互联网时代积累的应用产品经验和我国大而全的工业规模优势有望助力我国引领 AI 创新。在 AI 终端领域,中国具有全球领先的制造能力与品牌影响力,有望助力我国消费电子产业在新的 AI 时代实现追赶与领先。大规模市场、政策支持以及互联网时代积累的规模人才红利等是我国发展 AI 的优势,有望助力我国在算力层、模型层和应用层的全面追赶甚至超越。1 其他作者包括:成乔升 分析员,SAC 执证编号:S0080521060004,;王之昊 分
4、析员,SAC 执证编号:S0080522050001,SFC CE Ref:BSS168,;温晗静 分析员,SAC 执证编号:S0080521070003,SFC CE Ref:BSJ666,;魏鹳霏 分析员,SAC 执证编号:S0080523060019,SFC CE Ref:BSX734,;李诗雯 分析员,SAC 执证编号:S0080521070008,SFC CE Ref:BRG963,;韩蕊 分析员,SAC 执证编号:S0080523070010,;黄天擎 分析员,SAC 执证编号:S0080523060005,SFC CE Ref:BTL932,;游航 分析员,SAC 执证编号:S0
5、080523010001,SFC CE Ref:BTI822,;孔杨 联系人,SAC 执证编号:S0080122110018,;王倩蕾 联系人,SAC 执证编号:S0080122090111,;何欣怡 联系人,SAC 执证编号:S0080123070095, 彭虎彭虎 分析员分析员 SAC 执证编号:S0080521020001 SFC CE Ref:BRE806 赵丽萍赵丽萍 分析员分析员 SAC 执证编号:S0080516060004 SFC CE Ref:BEH709 于钟海于钟海 分析员分析员 SAC 执证编号:S0080518070011 SFC CE Ref:BOP246 陈昊陈昊
6、 分析员分析员 SAC 执证编号:S0080520120009 SFC CE Ref:BQS925 更多作者信息请见脚注1。证券研究报告 2024.06.27 本中金公司研报由 Y i l i n.M a c i c c.c o m.c n 下载 请仔细阅读在本报告尾部的重要法律声明 2 一、中美欧引领上一轮 AI 创新 在此前的在此前的 AI 浪潮浪潮中中,中美,中美欧在全球占据明显的欧在全球占据明显的领先领先优势优势。根据中金研究院统计,2010-2023 年中国在全球引用量前 10%的 AI 顶尖文献中的发文数量占比呈现攀升态势,至 2023 年达到 33%;根据斯坦福大学AI指数报告,
7、2010-2021 年中国在全球 AI 顶会论文被引占比同样不断增长,至 2021 年达到 22%。综合来看,美国、中国和欧洲在全球占据明显的领先地位。中国的领先,既得益于政策支持,同时也得益于国内大规模市场以及多年在信息工程领域的教育大规模投入所带来的人才红利。图表图表 2.1:全球引用量前全球引用量前 10%AI 文献的发文数量文献的发文数量占比情况占比情况和全球和全球 AI 顶会论文被引占比情况顶会论文被引占比情况 注:左图中,若一篇文献包含不同国家的作者,则按照作者数量均分到各国,数据截至 2024 年 4 月。资料来源:Openalex,斯坦福大学AI 指数报告(2023 年),中金
8、研究院 (一)(一)政政策策支持:支持:从传统安防到智能物联,从传统安防到智能物联,奠基早期奠基早期 AI 企业发展企业发展 城市安防及城市安防及数字化数字化治理治理需求需求下智慧城市下智慧城市项目项目稳健稳健增长增长,为早期,为早期 AI 企业发展奠基企业发展奠基。根据 IDC 数据,2022 年我国智慧城市支出规模超过 300 亿美元。在政策支持下,国内大量的优质 AI 企业得以实现快速成长,产品能够持续迭代创新,丰富的数据也帮助了 AI 模型不断进步。截至当前,智慧城市类项目仍是国内 AI 企业重要的收入来源。(二)(二)大规模市场大规模市场:工业品类丰富,工业品类丰富,产值和效率不断提
9、升产值和效率不断提升 中国中国工业规模大、体系全,为工业规模大、体系全,为 AI 应用奠定了应用奠定了良好良好的需求基础的需求基础。世界银行数据显示,2022 年,中国工业附加值为 7.2 万亿美元,占全球工业附加值比重达 26%。我国也是目前全球唯一拥有联合国全部工业门类的国家1。齐全的工业体系带来丰富的应用场景,庞大的工业规模带来广阔的应用需求,激烈的竞争环境驱动人工智能在工业场景的落地。政策支持、激烈的竞争环境和追求进取的企业家精神共同推动中国制造业智慧化转型。政策支持、激烈的竞争环境和追求进取的企业家精神共同推动中国制造业智慧化转型。过往中国制造业追求的是规模和速度,生产能力强、但品控
10、意识弱。不过随着我国工业产品份额在全球市场大幅提升,过往的发展模式无法持续,同时伴随着生活水平的提升,人们对质量和品牌的意识不断加强。因此在激烈的竞争环境下,企业家们必须持续且快速地转型。这推动了更多信息技术和工业生产的结合,当前国内消费电子、汽 1 https:/ 0%10%20%30%40%2010-2023年引用量前10%的AI文献数量占比中国美国欧盟+英国0%10%20%30%40%2010-2021年全球AI顶会论文被引数量占比中国美国欧洲本中金公司研报由 Y i l i n.M a c i c c.c o m.c n 下载 请仔细阅读在本报告尾部的重要法律声明 3 车、光伏等产业已
11、在定位组装、形状测量、缺陷检测等环节积极落地机器视觉系统。据高工机器人测算1,2023 年中国机器视觉市场规模达 185 亿元,并有望于 2024 年、2028 年分别超过 200 亿元、395 亿元。此外,中国制造业面临用工成本上升、劳动力供给下降等问题,推动无人化、自动化的渗透率不断提升。大规模市场下会有更多需求,也带来了更廉价的解决方案。大规模市场下会有更多需求,也带来了更廉价的解决方案。对工业化水平不断提升的追求推动了我国产业AI 过往几年的快速发展,诸如机器视觉、移动机器人等产业 AI 的规模落地又推动了质优价廉的大规模生产能力,从而奠定了我国在工业生产领域和行业 AI 应用的全球竞
12、争力。中国中国 AI 市场已具备可观规模,伴随着社会智能化转型的加速正迎来更加广阔的发展空间。市场已具备可观规模,伴随着社会智能化转型的加速正迎来更加广阔的发展空间。根据 CIC 报告2,中国 AI 行业的市场规模在 2022 年已达 2,250 亿元,已具备广阔土壤并预期持续保持高增长,2022 至 2027年决策型 AI、视觉 AI、语音和语义 AI、AI 机器人分别预计年复合增长率为 31.7%、21.9%、25.2%和 22.3%。在规模基础之上,伴随多元垂域的智能化转型需求,中国 AI 软件侧发展具备有力支撑。垂类应用侧,中国在深度学习时代已具备竞争优势。垂类应用侧,中国在深度学习时
13、代已具备竞争优势。在计算机视觉领域,国内商汤、旷视等公司在 2012 年深度学习浪潮中陆续成立,以高精度视觉算法赋能城市管理和商业管理。据中研网3,截至 2021 年,放眼全球视频监控市场,中国市占率约 47%,且国内 AI摄像头整体渗透率约 15-20%,远超海外市场(低于 2%)。此外,国内决策 AI 算法多项分支已超过海外,赋能传统行业数字化转型。据 Gartner 2021 年报告4,国内AutoML 算法在认知类问题的平均效果优于 98%数据科学家,超越谷歌 52 个百分点;其中银行个人信用评分中,国内 AutoML 可实现优于 99%数据科学家的准确度,超越谷歌 16 个百分点。据
14、麦肯锡5报告,中国AI 赋能应用潜力可观,预计到 2030 年,AI 将为中国关键产业带来数千亿美元的经济价值。(三)(三)人才红利人才红利:智能终端:智能终端构筑构筑 AI 应用沃土,互联网生态引领算法迭代应用沃土,互联网生态引领算法迭代 人才的培养推动信息产业,繁荣的信息产业带动人才红利人才的培养推动信息产业,繁荣的信息产业带动人才红利。中国是传统重视 STEM 学科教育6的国家,过往大规模的教育投入培养了大量信息化人才。随着互联网时代的到来,早期充足的人才储备推动了我国信息产业的快速发展。根据经济日报援引自阿里研究院的数据,2023 年我国数字科技人才占全球总量 17%7,领跑全球。而国
15、内巨大的产业机遇又带来了更多人才需求,行业待遇的提高推动了年轻人学习信息科学的意愿,造就了当前我国巨大的信息技术产业人才红利。信息产业已成为我国最为吸引人才的就业方向之一,根据新华网援引自智联招聘的数据8,我国 2024 届求职毕业生期望行业中,IT 互联网行业是应届生最向往的行业,占比达 26%。在互联网领域,我国已依托深度学习算法红利诞生了多家具有全球竞争力的头部企业。在互联网领域,我国已依托深度学习算法红利诞生了多家具有全球竞争力的头部企业。以电商和短视频行业为例,成立于 2015 年的拼多多,创新性的使用了分布式 AI 技术,其算法以流量分配为核心原则,基于用户需求通过推送模型实现“货
16、找人”,为商户获客与销售增长提供了新的渠道。今日头条于 2012 年正式上线,在智能推荐算法的快速迭代下,TikTok 实现更精准的用户内容定制化推送,打造短视频的用户高沉浸度,据 Statista 报告显示,截至 2024 年 4 月,创立时间仅 7 年的海外版“TikTok”全球月度活跃用户数9超过 15.82 亿,已成为全球第五大用户体量的社交 APP。在激烈的竞争中,我国互联网公司早已借助 AI 技术脱颖而出,加速了互联网产业对于 AI 技术的投入。1 https:/ 2 第四范式招股书,2023 年。3 https:/ 4 AutoML 成就指数级增长-感知、认知、决策算法布局提升企
17、业决策水平 ,2021 年。5探索人工智能新前沿:中国经济再迎 6000 亿美元机遇,2022 年。6 STEM 是科学(Science)、技术(Technology)、工程(Engineering)、数学(Mathematics)四门学科英文首字母的缩写。7 http:/ 8 http:/ 9 https:/ Y i l i n.M a c i c c.c o m.c n 下载 请仔细阅读在本报告尾部的重要法律声明 4 在在智能终端硬件智能终端硬件领域。领域。根据 Statista 和 IDC 数据,2022 年中国在智能手机、智能音箱、智能家用摄像头、智能门锁、智能家居五大智能硬件终端品类
18、中,均获得 24%-31%的市占率,在全球市场遥遥领先。与互联网产业一样,人才叠加市场优势推动了智能化的快速发展,智能化又助力中国制造不断攻城略地,进一步推动了国内消费终端企业在智能化的投入水平。二、生成式 AI 时代,中国遇到的挑战 由生成式人工智能引领的科技由生成式人工智能引领的科技变革变革渐入繁荣,渐入繁荣,应用触角广泛延伸。应用触角广泛延伸。2022 年 11 月 OpenAI 发布基于Transformer 的 AI 对话机器人 ChatGPT,后者展现出的准确性和通用性迅速引发全球各行各业的高度关注,并在随后掀起了从基础大模型到终端应用的新一轮革新。本次变革的底层驱动是大模型语料规
19、模大、参数规模大,例如 GPT 至 GPT-3 语料规模扩大约 9000 倍、参数规模扩大约 1500 倍。得益于“大”,用户的直观感受是模型生成效果显著增强,包括更高的输出准确度、更广泛的输出形式(不局限于文字)以及更低的输出成本,从而大大拓展了 AI 模型的应用场景,从早期的个性化推荐、智能客服扩展至艺术创作、办公软件交互、个人助理等,并加速自动驾驶、人形机器人等创新应用的落地。本轮本轮 AI 新新变革,变革,美国迈出了一大步美国迈出了一大步。从支撑人工智能产业的四大要素来看,模型方面,美国在数量和质量上均领先中国;人才方面,中美人才数量居前,美国高级人才队伍建设更为领先;算力方面,中国算
20、力芯片及系统均落后于美国,智能算力差距在美国新政限制下进一步扩大;数据方面,中国数据量全球第一,但优质数据仍落后于美国。此外,支撑 AI 的发展还包括 PE/VC 等金融支持,中国也较美国处于劣势。(一)(一)模型:模型:美国在数量和质量上均美国在数量和质量上均领先领先中国中国 回顾过往,回顾过往,人工智能模型源起人工智能模型源起 20 世纪世纪 50 年代的美国,中国起步较晚。年代的美国,中国起步较晚。根据 Epoch AI 的“知名1机器学习模型”统计数据库,最早的机器学习案例是贝尔实验室在 1950 年发明的“迷宫解谜”机器老鼠 Theseus,其后至 2013 年底,美国、英国、日本、
21、加拿大等十余个国家相继推出了 182 个“知名模型”,任务类型涉及视觉、语言、游戏、语音、算数、推荐等,而中国首个“知名模型”是何明凯等人在 2014 年发布的视觉识别网络结构 SPPNet,主要是对 R-CNN(2013 年)的改进。截至 2017 年 Transformer 模型发布之前,美国已积累了约 200 个2机器学习模型,包括被广泛应用的神经网络架构 CNN(1989 年)、RNN(1990 年)、GAN(2014 年)等,而中国学者发布的模型数量不到美国的 1/10。1 Epoch AI 统计的“知名模型”是指在 AI 或机器学习生态系统中具有影响力的模型。统计数据库来源 htt
22、ps:/epochai.org/data/epochdb/table 2 此处,若模型作者中同时包含美国学者和中国学者,则既算美国的模型、也算中国的模型,因此中美发布的模型数量可能存在交叉。本中金公司研报由 Y i l i n.M a c i c c.c o m.c n 下载 请仔细阅读在本报告尾部的重要法律声明 5 图表图表 2.2:国内外:国内外主要主要大模型参数量对比大模型参数量对比 注:数据截至 2024 年 6 月 5 日;最新的 GPT-4o、Claude 3 系列模型、Gemini 1.5 Pro 等大模型,官方未公布参数规模数据,故未体现在上图中。资料来源:Epoch AI,中
23、金公司研究部 当前当前,美国在前沿探索上更为活跃,且模型,美国在前沿探索上更为活跃,且模型质量质量和认可度和认可度领先领先中国。中国。从数量来看,从数量来看,根据斯坦福 2024 AI 指数报告,2023 年美国、中国分别发布 61 个、15 个“知名模型”,而在 2020 年美国、中国的发布数量分别为51 个、12 个,在 ChatGPT 点燃全球 AI“百模大战”之际,美国在大模型方向上的成果输出愈发活跃,并进一步拉大与中国的差距。对比参数量来看,对比参数量来看,GPT-4 包含 1.8 万亿个参数1,而 PanGu-拥有 1.085 万亿个参数2。对比性能来看,对比性能来看,智谱 AI
24、于 2024 年 1 月推出的基座大模型 GLM-4 整体性能接近美国前沿水平3,GLM-4 在英文基础能力(MMLU、GSM8K、MATH、BBH 等)上达到 GPT-4 91-100%不等的水平,在指令跟随能力(IFEval 的 prompt、instruction 级别)上达到 GPT-4 85-90%的水平,在中文对齐能力和长文本能力上超过 GPT-4。业界认可度方面中美业界认可度方面中美尚有尚有差距,差距,据 Epoch AI 统计,截至 2024 年 5 月 10 日,美国AI 模型相关研究中被引用次数最多的高达 15.7 万次(视觉模型 ResNet152),语言模型 Trans
25、former、BERT则分别被引 8.7 万次、7.1 万次,中国被引最多的约 3.1 万次,且被引次数前五均为视觉模型、而非语言类基座模型;AI 框架的使用也存在类似差距,截至 2024 年 5 月 10 日,GitHub 上 Meta TensorFlow、Google PyTorch 分别被引用 7.39 万次、2.11 万次,百度 PaddlePaddle、华为 MindSpore 分别被引用 5400 次、679 次,即使在国内,TensorFlow 和 PyTorch 的使用比例也更高,达 64%4。(二)(二)人才:人才是基石,中美人才:人才是基石,中美 AI 人才人才队伍大幅领
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2024 年中 AI 发展 面临 挑战 应对
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【宇***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【宇***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。