電子發(fā)燒友網(wǎng)報(bào)道（文/吳子鵬）近日，一份研究顯示，中國在AI（人工智能）理論研究方面已經(jīng)全面超越美國，是AI研究論文領(lǐng)域無可爭議的第一名，在AI論文數(shù)量和質(zhì)量上對(duì)美國形成了碾壓的態(tài)勢。

研究指出，2012年是全球AI新一輪爆發(fā)初期，美國在AI論文方面處于全球領(lǐng)先的位置。隨后中國在這方面奮起直追，并很快在AI論文數(shù)量方面超越了美國。不過2012年-2018年期間，美國AI論文的質(zhì)量明顯更高，引用數(shù)量更多，但這種情況在2019年發(fā)生了變化。

中國AI相關(guān)論文數(shù)量領(lǐng)先

研究指出，2021年中國共發(fā)表了4.3萬篇AI相關(guān)的論文，數(shù)量上已經(jīng)是美國的兩倍。正如上面所提到的，自2012年之后不久，中國在AI論文數(shù)量上一直都處于領(lǐng)先的位置。并且，2012年時(shí)，中美之間的AI相關(guān)論文數(shù)量差距也僅有204篇，當(dāng)時(shí)美國以629篇位居全球首位，中國以425篇緊隨其后。目前，中美雙方在AI論文數(shù)量上都已達(dá)到了萬級(jí)。

不過，長久以來，中國AI論文數(shù)量被指質(zhì)疑“注水”，換言之也就是相關(guān)論文的質(zhì)量不高。2019年發(fā)布的《中國新一代人工智能發(fā)展報(bào)告》曾特別指出，2013-2018年，全球人工智能（AI）領(lǐng)域的論文文獻(xiàn)產(chǎn)出共304914篇，其中中國已經(jīng)成為最大的貢獻(xiàn)者，貢獻(xiàn)了74408篇，超過了美國的51766篇。報(bào)告提到，提升論文質(zhì)量是接下來的目標(biāo)之一。

政策指引的效果是明顯的，隨后在2019年中國論文便由量變引起了質(zhì)變，在AI論文引用數(shù)量方面超過了美國。2021年，中國AI相關(guān)論文被引用了7401篇，比美國多出70%左右。

研究指出，中國企事業(yè)單位在中國AI產(chǎn)業(yè)發(fā)展的過程中扮演重要的力量，騰訊、阿里巴巴、華為和國家電網(wǎng)均位列AI研究論文的前十大公司之中。當(dāng)然在頭部企業(yè)方面，美國依然占據(jù)著優(yōu)勢，AI研究論文前十大公司中另外六家公司全部來自美國。不過，情況已經(jīng)相較2012年有了極大的改觀。2012年時(shí)，AI研究論文前十大公司里只有一家中國公司。

在國內(nèi)，企業(yè)的AI發(fā)展受政策影響很大。以騰訊來舉例，騰訊AI Lab成立于2016年，2017年開始宣布加大研發(fā)投入。不過，在2019年騰訊依然被行業(yè)詬病AI布局遲緩。隨后，國家在2019年將AI重要性提高了一檔，發(fā)布了大量的相關(guān)政策，并在國務(wù)院《2019年政府工作報(bào)告》著重提到了人工智能。隨后，馬化騰親自宣布騰訊將加大AI方面的投入。目前，騰訊在國內(nèi)已經(jīng)穩(wěn)穩(wěn)占據(jù)了第一梯隊(duì)的位置。在NeurIPS 2022上，騰訊AI Lab共有13篇論文被本屆會(huì)議接收，其中1篇被選為口頭報(bào)告，以及2篇 Spotlight；在國際權(quán)威研究機(jī)構(gòu)Gartner最新出爐的2022年度《Magic Quadrant for Cloud AI Developer Services》研究報(bào)告上，騰訊在機(jī)器視覺技術(shù)上排名全球第二位。

在政策的引導(dǎo)下，中國已經(jīng)逐漸成為AI強(qiáng)國，美國出臺(tái)各項(xiàng)政策對(duì)中國AI企業(yè)進(jìn)行制裁，也足見其對(duì)中國AI產(chǎn)業(yè)發(fā)展的重視。AI高速發(fā)展同時(shí)也帶動(dòng)了大數(shù)據(jù)、云計(jì)算、互聯(lián)網(wǎng)等與人工智能密切相關(guān)的產(chǎn)業(yè)發(fā)展提速。根據(jù)IDC與浪潮信息聯(lián)合發(fā)布《2022-2023 中國人工智能計(jì)算力發(fā)展評(píng)估報(bào)告》，2022年我國智能算力規(guī)模達(dá)到268百億億次/秒(EFLOPS)，超過通用算力規(guī)模，預(yù)計(jì)未來5年中國智能算力規(guī)模的年復(fù)合增長率將達(dá)52.3%。

中國AI的癥結(jié)所在

實(shí)際上，中國AI不僅論文方面增長迅猛，并且市場規(guī)模的年復(fù)合增長也領(lǐng)先全球平均水平。不過，這些都無法掩蓋國內(nèi)AI這個(gè)產(chǎn)業(yè)存在的問題。

在2019年的《中國新一代人工智能發(fā)展報(bào)告》就已經(jīng)提到，我國的AI產(chǎn)業(yè)存在基礎(chǔ)層發(fā)展薄弱、產(chǎn)學(xué)研合作不夠緊密等短板。實(shí)際上，到了今天有些問題依然沒有得到有效的解決。

在基礎(chǔ)層方面，近幾年國內(nèi)值得肯定的是在人工智能算法框架方面的突破，尤其是百度的飛槳以及華為的MindSpore，打破了人工智能核心算法框架均來自美國的局面。發(fā)展至今，百度飛槳已經(jīng)非常成熟，成為繼TensorFlow、PyTorch之后，全球第三大人工智能算法框架，擊敗了Amazon主導(dǎo)的MXNet和微軟背書的CNTK等強(qiáng)勁對(duì)手。截止到2022年5月20日，飛槳已經(jīng)凝聚了477萬開發(fā)者、服務(wù)了18萬家企業(yè)并創(chuàng)建了56萬個(gè)模型。

這是好的一面，不好的一面是，目前國內(nèi)在高端算力芯片方面完全受制于人。大家肯定還對(duì)去年上演的英偉達(dá)A100和H100芯片禁令“連續(xù)劇”印象深刻，當(dāng)時(shí)產(chǎn)業(yè)大為恐慌，各種相關(guān)內(nèi)容更是占據(jù)頭版頭條。隨后，英偉達(dá)宣布向中國市場特供A800芯片，實(shí)際上只是在A100的基礎(chǔ)上，將NVLink高速互連總線的帶寬從600GB/s降低到400GB/s，不過這種降速是沒有辦法通過軟件來提升的。一根“大棒”，一顆“糖丸”，很多業(yè)者對(duì)此忿忿不平，揚(yáng)言要是實(shí)現(xiàn)高端算力芯片的自主化，實(shí)際上在GPGPU方面，***不僅硬件性能還和英偉達(dá)有很大差距，軟件生態(tài)同樣有一道鴻溝，同時(shí)我們還要時(shí)刻擔(dān)心后續(xù)芯片的量產(chǎn)會(huì)不會(huì)被制裁。從產(chǎn)業(yè)現(xiàn)狀來看，以高算力芯片為主的基礎(chǔ)層仍將長期困擾中國人工智能產(chǎn)業(yè)的發(fā)展，這也是為什么部分美國分析師認(rèn)為，美國不應(yīng)該推動(dòng)中美脫鉤，而是通過芯片等關(guān)鍵技術(shù)長期牽制中國人工智能等產(chǎn)業(yè)的發(fā)展。

在產(chǎn)學(xué)研結(jié)合方面，近兩年國內(nèi)取得了積極的進(jìn)展。隨著各大高效紛紛開設(shè)人工智能專業(yè)，設(shè)立人工智能研究院或者是校企合作研究單位，再加上高端人才在高校和企業(yè)方面的流動(dòng)，目前國內(nèi)AI產(chǎn)學(xué)研協(xié)同發(fā)展很見成效。

不過，隨著AI產(chǎn)業(yè)向前發(fā)展，我們也能夠發(fā)現(xiàn)，目前AI的發(fā)展已經(jīng)不僅僅是停留在產(chǎn)學(xué)研共同研究的層面，又多出來一個(gè)用的層面，因此現(xiàn)在叫產(chǎn)學(xué)研用。

目前，國內(nèi)AI在應(yīng)用落地方面明顯遇到了新的瓶頸，因此產(chǎn)業(yè)從投資和技術(shù)落地有一種要進(jìn)入寒冬的態(tài)勢。在政策的引導(dǎo)下，雖然目前很多行業(yè)都在嘗試使用AI技術(shù)，但這些應(yīng)用實(shí)際上很單一，主要面向圖像識(shí)別、機(jī)器智能場景，解決安防以及制造場景中的質(zhì)檢等重復(fù)性工作。正如創(chuàng)客總部合伙人、北大校友創(chuàng)業(yè)聯(lián)合會(huì)副會(huì)長陳榮根所言，AI在落地過程中遇到了技術(shù)鴻溝、產(chǎn)品鴻溝和規(guī)模鴻溝。這些鴻溝的存在導(dǎo)致AI企業(yè)長期不能解決高成本的難題，目前大部分AI項(xiàng)目是定制性的，企業(yè)花費(fèi)高額的成本研發(fā)出來，卻無法迭代。到了2022年，國內(nèi)“AI四小龍”商湯科技、曠視科技、依圖科技、云從科技依然逃脫不掉持續(xù)虧損的魔咒。

落地難的背后是當(dāng)前AI技術(shù)依然缺乏圖靈獎(jiǎng)獲得者、中科院院士、美國科學(xué)院外籍院士、清華大學(xué)交叉信息研究院院長姚期智教授在2020年提到的“魯棒性”，導(dǎo)致現(xiàn)階段AI的適應(yīng)性和迭代性都非常差，很難跨越產(chǎn)業(yè)化的鴻溝。而AI在魯棒性和普適性上的缺失則因?yàn)閲鴥?nèi)缺乏交叉學(xué)科的培養(yǎng)體系，雖然部分院校已經(jīng)啟動(dòng)了相關(guān)工作，不過人才的評(píng)估體系依然是“老一套”，導(dǎo)致徒有形式，難有成果。

寫在最后

所謂十年磨一劍，這一輪AI發(fā)展大潮里，國內(nèi)AI經(jīng)過了十年的發(fā)展確實(shí)取得了很多積極的進(jìn)展，在相關(guān)論文和產(chǎn)業(yè)規(guī)模方面取得了舉世矚目的成績。不過，時(shí)至今日，國內(nèi)的AI依然還是一個(gè)“不健全”的產(chǎn)業(yè)，與我們暢想的“AI+”愿景還有距離。在產(chǎn)業(yè)宣傳時(shí)，我們當(dāng)然可以揚(yáng)長避短，但是真正技術(shù)落地、產(chǎn)業(yè)發(fā)展時(shí)，這些短板是掩蓋不住的。