2018年中国人工智能基础资源与技术发展研究报告

一、引言

2018年，中国人工智能产业在政策、资本和技术创新的多重驱动下进入快速发展期。基础资源与技术作为人工智能产业的底层支撑，决定了上层应用的高度与广度。本报告聚焦2018年中国人工智能基础资源（数据、算力、算法）与关键技术（机器学习、计算机视觉、语音识别、自然语言处理等）的发展现状、主要进展与面临挑战，为产业参与者提供参考。

二、人工智能基础资源发展现状

2.1 数据资源

数据是人工智能的“燃料”。2018年，中国拥有全球最庞大的互联网用户群体和丰富的应用场景，产生了海量数据。据中国互联网络信息中心（CNNIC）统计，截至2018年6月，中国网民规模达8.02亿，互联网普及率为57.7%。移动互联网、物联网、社交媒体、电子商务等持续产生结构化与非结构化数据，为人工智能模型训练提供了基础。

在数据标注产业方面，中国涌现出大量专业数据标注服务公司，形成了较为完整的产业链。政府和企业积极推动公共数据开放，如国家数据共享交换平台、各地大数据交易所等，但数据孤岛、数据质量参差不齐、隐私保护等问题依然突出。

2.2 计算资源

算力是人工智能发展的核心基础设施。2018年，中国在AI芯片、云计算平台、超算中心等方面取得显著进展。

AI芯片：传统芯片巨头如英伟达、英特尔仍占据主导地位，但国内企业如寒武纪、华为海思、地平线、比特大陆等推出了面向云端和终端的AI芯片。寒武纪发布MLU100云端智能芯片；华为发布昇腾310和910芯片，并推出全栈AI解决方案；地平线发布征程和旭日系列芯片。
云计算平台：阿里云、腾讯云、百度云、华为云等均提供GPU/FPGA加速的AI计算服务，推出机器学习平台和AI开放平台。
超算中心：国家超级计算中心（天津、广州、深圳等）为AI研究提供高性能计算支持。

高端芯片仍严重依赖进口，核心算力受制于人的局面尚未根本改变。

2.3 算法与开源框架

算法是人工智能的灵魂。2018年，深度学习仍是主流算法方向，强化学习、迁移学习、生成对抗网络等取得进展。中国企业和研究机构在算法创新方面表现活跃，但原始创新仍相对不足。

开源框架方面，Google的TensorFlow和Facebook的PyTorch在全球占据主导地位。国内企业积极推出自主开源框架：百度发布PaddlePaddle（飞桨）；华为推出MindSpore（2019年正式开源，但2018年已开始布局）；阿里巴巴推出X-DeepLearning等。开源生态的建设有助于降低AI开发门槛，但国内框架在社区活跃度和生态完整性上与国外仍有差距。

三、关键技术发展分析

3.1 机器学习与深度学习

深度学习在图像识别、语音识别等领域取得超越人类的性能。2018年，中国研究团队在各项国际竞赛中屡获佳绩，如CVPR、ICCV等顶会论文数量快速增长。但基础理论创新（如新型神经网络结构、优化算法）仍以国外为主导。

3.2 计算机视觉

计算机视觉是中国人工智能技术落地最成熟的领域之一。人脸识别、图像分类、目标检测等技术达到国际先进水平。商汤、旷视、依图、云从等“AI四小龙”在人脸识别、安防、金融等领域实现大规模应用。2018年，计算机视觉在工业质检、医疗影像分析等方向开始探索。

3.3 语音识别与合成

语音识别准确率在通用场景下已超过95%，科大讯飞、百度、搜狗等企业在中文语音识别和合成方面具有领先优势。智能语音助手、智能音箱、车载语音等产品快速普及。但远场识别、嘈杂环境下的识别、多语种混合识别等仍是难点。

3.4 自然语言处理

自然语言处理（NLP）是人工智能的“皇冠明珠”。2018年，基于预训练语言模型（如BERT的发布）的技术变革刚刚开始。中国在机器翻译、文本分类、情感分析等方面有较多应用，但在深层语义理解、常识推理、低资源语言处理等方面与全球顶尖水平存在差距。

3.5 其他技术

知识图谱：在搜索、推荐、问答系统等领域应用广泛，但自动化构建和推理能力有限。
强化学习：在游戏、机器人控制等场景有研究突破，但实际落地案例较少。
边缘计算与AI：终端AI芯片和轻量化模型成为趋势，支撑手机、摄像头等设备的智能处理。

四、政策与产业环境

2018年，中国政府持续出台政策支持人工智能基础资源与技术发展。《新一代人工智能发展规划》进入实施阶段，科技部宣布依托百度、阿里云、腾讯、科大讯飞等建设国家新一代人工智能开放创新平台。工信部发布《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，明确提出突破核心基础、加强算力与数据资源建设。

资本层面，2018年人工智能领域融资额保持高位，但早期投资趋于理性，资金更多流向有技术壁垒和落地场景的企业。