艾瑞連續第五年發布《中國人工智能產業研究報告(V)》，聚焦于2022年，這一歷史上極為重要一年中我國AI產業參與者的特征表現；探討AI產業在我國經濟發展中的價值與地位；分析預訓練大模型、ChatGPT、AI芯片、決策智能、虛擬數字人等產業進階突破點；洞察AI各細分賽道市場現狀及參與者的發展路徑。希望通過本報告，為讀者呈現人工智能產業全貌，提供辨析和判斷人工智能行業未來發展的方法啟發。

“道阻且長，行則將至。行而不輟，未來可期。”縱覽人工智能產業近年發展，產品及服務提供商圍繞技術深耕、場景創新、商業價值創造、精細化服務不斷努力；需求側企業也在從單點試驗、數據積累到戰略改革的發展路線上與AI技術逐漸深度綁定。AI成為企業數字化、智能化改革的重要抓手，也是各行業領軍企業打造營收護城河的重要方向。落地AI應用對企業業務運營的商業價值與戰略意義越來越明確。供需向好趨勢下，艾瑞預計2022年我國人工智能產業規模達到1958億元。

人工智能參與社會建設的千行百業

價值性、通用性、效率化為產業發展戰略方向

基于軟件服務、云服務、硬件基礎設施等產品形式，結合消費、制造業、互聯網、金融、元宇宙與數字孿生等各類應用場景，人工智能賦能產業發展已成為主流趨勢。艾瑞預計，2022年我國人工智能產業規模達到1958億元，人工智能的產品形態和應用邊界不斷拓寬；2022年，人工智能產學研界在通用大模型、行業大模型等促進技術通用性和效率化生產的方向上取得了一定突破。商業價值塑造、通用性提升和效率化應用是AI技術助力產業發展、社會進步和自身造血的要義。

城市算腦建設推動區域發展與產業升級

各地加速布局區域智算中心，夯實AI算力基礎設施

基于對支撐AI應用及研發的智能算力需求擴大、以及全國算力樞紐一體化和“東數西算”的工程建設方向，近兩年來各地對人工智能計算/超算中心（簡稱智算中心）的關注度和投資增多。我國目前有超過30個城市建設或提出建設智算中心，其中已有近10個城市的智算中心投入運營，為當地各行業領域提供算力支撐。通過智算中心建設，對區域經濟發展和產業升級有明顯推動作用，同時可提高城市治理智能化水平和城市競爭力。從政府投資角度看，智算中心產業發展尚處于初期階段，建設、運營、應用推廣與生態建設、節能環保要求等投入較大，需結合地方財政能力合理評估，根據實際需求適度超前部署機柜。

人工智能產業投資熱度仍在

融資向中后期過渡，視覺賽道上市浪潮涌動

統計時間內，Pre-B～B輪+及以后輪次的人工智能產業創投數量逐漸成長，資本流向穩定發展企業，融資逐漸向中后期過渡。繼2021年底商湯科技上市后，格靈深瞳、云從科技、創新奇智等在2022年也實現了上市目標，部分計算機視覺賽道企業已完成交表動作。雖然，相較2021年，2022年我國人工智能產業資本市場投資金額整體縮水，但投資標的更加豐富，孵化出AIGC、元宇宙、虛擬數字人等新投資賽道，認知與決策智能類企業也吸引更多關注，智能機器人、自動駕駛兩類無人系統是融資的熱門賽道。

人工智能產業市場規模

2022年市場平穩向好，市場規模近2000億元

艾瑞定義我國人工智能產業規模涵蓋AI應用軟件、硬件及服務：主要包括AI芯片、智能機器人（商用）、AI基礎數據服務、面向AI的數據治理、計算機視覺、智能語音與人機交互、機器學習、知識圖譜和自然語言處理等核心產業。據測算，2022年中國人工智能產業規模達1958億元，年增長率7.8%，整體平穩向好。2022年的業務增長主要依靠智算中心建設以及大模型訓練等應用需求拉動的AI芯片市場、無接觸服務需求拉動的智能機器人及對話式AI市場，除此之外的增長動力將在第三章詳細闡述。目前中國大型企業基本都已在持續規劃投入實施人工智能項目，未來隨著中小型企業的普遍嘗試和大型企業的穩健部署，在AI成為數字經濟時代核心生產力的背景下，AI芯片、自動駕駛及車聯網視覺解決方案、智能機器人、智能制造、決策智能應用等細分領域增長強勁。2027年人工智能產業整體規模可達6122億元，2022-2027年的相關CAGR=25.6%。

人工智能產業圖譜

本節內容選取預訓練大模型、AI芯片、決策智能和虛擬數字人作為2022年度AI產業發展具有代表性的模型架構、硬件產品、解決方案和軟件產品進行分析，闡述四者對未來AI產業發展的重要意義。

預訓練大模型范式加速落地

提速AI工業化生產進程，規模化商用仍需突破

AI的認知與應用是沒有邊界的，僅靠極少量的AI科學家和AI技術企業無法推動整個物理世界和數字世界的智能化。因此，如何為AI開發效率加杠桿，倍數釋放AI生產力，成為了AI產學研界關注的核心問題之一。近年來，依托智能算力基建化、海量數據積累與治理、深度學習算法突破等，作為一種新興的AI計算范式，超大規模智能模型（又稱預訓練大模型）的泛化性和通用性提升，可應用到更廣闊的下游任務及場景中解決AI應用的長尾問題；并且能夠實現AI模型研發-部署-應用的流程標準化提升，提升AI研發效率。2022年，語言大模型與產業應用的銜接也日漸緊密，行業領軍企業積極推出適合具體業務場景的行業大模型。通過提供算力、核心算子庫和軟件平臺一體服務，幫助企業將基礎模型能力與生產流程融合，與頭部客戶合作推廣落地案例。但縱觀整個AI產業，大模型的規模化商用仍需突破算力基建的承載能力、業務場景目標明確及適配、投入產出比、模型開源及交互等問題。

ChatGPT熱潮

ChatGPT產品價值與落地挑戰

2022年AIGC創業浪潮席卷國內外，但國外一批早期成立的AI繪畫產品公司已因為用戶付費無法覆蓋成本，于年底宣布關閉平臺。邁入2023年，OpenAI的ChatGPT產品所帶來的搜索與問答功能提升和類人的交互體驗，使AIGC技術的商業落地開啟了新的征程；國內廠商也緊隨其后公布了類ChatGPT的產品研發或者上線計劃。但無論AI技術革新引發的關注與討論多熱烈，最終仍需回到技術產品化的主線上：生成速度、調用成本、內容質量的安全可控及版權歸屬等問題仍是AIGC面臨的關鍵挑戰。對于我國企業來說還需解決：大模型技術迭代和AIGC產品訓練都會受到智能算力制約，芯片“卡脖子”問題擺在面前；國內廠商的預訓練大模型技術水平仍落后于海外頭部企業，應用側基于國外廠商的API調用進行模型訓練也面臨限制。但對于國內AI芯片公司、手握海量數據資源的互聯網巨頭、具備“數據飛輪”的解決方案商、瞄準AIGC賽道的創業企業，是挑戰也是機會，ChatGPT的熱潮也帶來了資本市場和消費者對AI產業熱情的再次迸發。

中國AI芯片產業的逆風而行

互聯網與創業廠商積極入局，基于切入點選擇不同芯片架構

面對國外廠商的壟斷壓力，國內互聯網廠商與AI芯片創業廠商積極入局，選擇ASIC-DSA或GPGPU等細分產品架構切入中國AI芯片市場。從產品進展來看，互聯網廠商依托于持續研發投入、雄厚技術實力與內部應用場景進展領跑，以華為海思與百度昆侖為代表的云端AI芯片產品現已達到數萬片量級的落地規模，在實現自身應用的同時完成部分對外的銷售落地。中國ASIC初創廠商多已完成產品迭代，與互聯網短視頻，泛安防廠商或車企達成聯盟協作，有序進入產品驗證、小規模銷售或規模化應用階段；中國GPGPU廠商產品也在今年陸續完成點亮發布。綜合來看，中國AI芯片廠商已脫離早期的愿景情懷階段，產品實現切實落地，未來將更強調系統集群與軟件生態的建設，自主可控基底不斷加厚。

2022年10月7日，美國對中國半導體產業的禁令管制再一步升級，海外英偉達、AMD等大算力AI訓練芯片產品受到管制禁售，同樣，國內在閾值范圍內的AI芯片廠商將受到代工廠的供貨限制，這為中國AI芯片廠商帶來挑戰與機遇。面對代工產能限制，中國AI芯片廠商將積極推動上下游創新，完善中國半導體產業鏈工藝，或通過調整產品參數的方式繞過代工限制。而海外產品禁售后的參數調整期也給中國AI芯片廠商帶來窗口機遇期，在產品切實落地并得到客戶驗證許可的商業化基礎上，我國廠商將持續進行下游應用拓展，同時加重對AI芯片的軟硬件建設，通過場景需求理解與軟件生態培育加速實現AI芯片的國產化應用。

決策智能驅動數據與知識價值釋放

深度學習、運籌優化、NLP、知識圖譜等技術的高度產品化整合

決策智能一詞由谷歌于2019年成立同名部門后逐漸為人熟知，這并非是一個底層技術層面的確切定義，而是從商業價值的視角，強調AI需要在輔助和替代人進行各類決策方面發揮實際效果。當前市場對決策智能的理解范圍和側重各不相同，狹義的決策智能最貼近“決策”一詞的原始含義，僅指在多種可能的方案和路徑中做最佳選擇的優化類問題。這類問題在現實中滲透極廣。但落地應用技術難度高，大多以運籌學為根基、融合AI能力、在解決大規模復雜問題時需使用求解器，商業應用尚處于起步階段。廣義的決策智能泛指能夠指導人更科學和準確地做出判斷及決策的AI產品，基于規則、診斷、預測的結果，疊加對環境動態的把握形成最終決策，主要使用機器學習、NLP、知識圖譜技術，輔以計算機視覺、智能語音等技術形成高度場景化的解決方案。在實際應用中，靜態決策如何進一步提升行業場景滲透，復雜動態決策如何脫離仿真環境，仍需產學研各界長期探索和努力。

虛擬數字人產業供需分析

以服務產業與泛娛樂場景為核心應用，產業鏈協同仍需優化

從落地產業來看，虛擬數字人的應用場景可分為服務產業與泛娛樂產業。從落地效果與應用效益的甲方角度出發，虛擬數字人率先在非交互場景開展規模化落地。而虛擬數字人產業鏈仍存在割裂現象，人物制作、驅動表達、內容生產、運營服務等產業鏈環節分散在各個主體之間，生產制作難以達到高效協同，極大限制虛擬數字人產業在成本、效率、交付的迭代調優。具備全棧集成能力的大型互聯網廠商正嘗試通過生態開放、平臺建設集成各環節資源，為客戶提供覆蓋全流程、低成本、短周期的虛擬數字人平臺，降低虛擬數字人產業的應用門檻。

虛擬數字人商業化路徑探討

打造虛擬世界基礎設施，深層變現渠道仍在探索

本節內容選取計算機視覺、智能語音和人機交互、機器學習、知識圖譜、自然語言處理、AI基礎數據服務、面向AI的數據治理和智能機器人細分賽道，進行投融資、市場規模、典型產品及細分應用領域、產業鏈玩家、技術趨勢等分析。判斷各個細分賽道業務增長動力以及為廠商發展路徑提供思考。

計算機視覺依然是AI產業規模的主戰場

軟硬一體產品和AI公有云趨勢助推近千億級大賽道

賽道參與廠商眾多，包括AI視覺軟件算法廠商、傳統安防廠商、云服務廠商、視覺模組等硬件廠商和承擔項目實施的集成商。各家以應用場景、產品類型（軟硬一體、純軟標準化平臺/定制化軟件解決方案、硬件）、渠道經驗等為市場切入點，選擇一個或多個垂直業務領域。據艾瑞測算，2022年我國AI視覺產品的市場規模占整個人工智能行業的42.4%，達到830億元。2027年相應規模可達到1644億元，2022-2027年的相關CAGR=14.6%。聚焦2022年分行業情況，泛安防市場基于軟硬一體的產品形態與豐富的長尾需求場景，市場規模占比最高，達到56.5%；AI公有云趨勢也助推API形式的CV技術應用增多，互聯網領域營收占比位居第二，達到11.0%；占比較高的行業領域還有金融、工業、醫療等，工業領域占比有逐年走高趨勢。

計算機視覺落地行業賽道特征及競爭策略探討

營收增長和業務持續是核心生命力

（1）針對泛安防（公安交通、社區樓宇）、金融等主管部門釋放了明確利好信號或大額持續投資的成熟賽道，主要機遇在于將產品打磨到足夠精準、魯棒性足夠強，以便進入高門檻的準入供應池，同時通過解決高難度識別需求的硬實力卡位；（2）針對醫療、能源和工業等具有戰略意義、發展空間極大，但或陷入長審批周期、或限于審慎性難以快速釋放市場需求的行業，主要機遇在于搶先進入行業生態圈，謀劃通過政府、核心集團企業等途徑，積極參與公共服務平臺建設，建立從上向下拓展的先發優勢，獲得大量訓練數據與場景理解，形成產品提升的護城河；（3）針對零售、農業等長尾需求頻發或數字化水平較低且對價格敏感的行業，主要機遇在于優化產品成本、降低部署及運維難度、打通渠道以占領市場份額；（4）針對機器人（AGV/AMR/機械臂）和自動駕駛等技術融合應用領域，除算法開發的硬實力外，視覺識別技術提供商也需具備聯合開發的軟能力。

人機交互領域-市場規模

2022年規模超百億，關注元宇宙/多模態AI驅動的C端應用

據艾瑞測算中國人機交互產業規模核心包括消費級硬件、對話式AI兩類產品。其中，消費級硬件產品即為加載智能對話系統的消費級智能硬件，以語音助手、智能穿戴、智能音箱、智能家居、智能車載、服務機器人（實體）等為典型產品代表，規模口徑為硬件產品中的AI語音軟件應用。對話式AI產品即為將智能對話系統加載在服務場景的對話機器人，以文本機器人、語音機器人、多模態數字人等為典型產品代表，廣泛應用于客服、營銷、內部問答、泛娛樂等對話交互場景。2022年，中國人機交互領域的消費級硬件產品規模與對話式AI產品規模分別為43億元與65億元，總規模達到109億元。未來，受元宇宙、物聯網、5G、多模態AI等融合技術驅力推動，預計2027年中國人機交互領域的消費級硬件產品規模與對話式AI產品規模分別達到177億元與107億元，總規模達到285億元，2022-2027總規模CAGR=21.2%。

人機交互領域-技術創新

期待開放域與封閉域的有機結合，讓人機交互無邊界

2022年末，ChatGPT模型爆火出圈，以流暢的語言組織能力，超擬人化的文本水平與超強的邏輯能力驚艷亮相，迅速獲得全球關注。相較于其他語言模型，雖然ChatGPT做到了“多輪交互”、“分辨不正確前提”、“承認錯誤”等智能化表現，但還會出現回答內容有誤等情況，因此未來像ChatGPT一樣的大模型在開放域對話的商業化落地場景與內容確定邊界還需進一步討論。或可先作為輔助性工具，在一些對內容精確度及所有權歸屬要求較低的場景率先嘗試應用。另外，人機交互的應用突破還可期待于開放域與封閉域的有機結合。因封閉域對話存在知識邊界，在知識庫內出現難以回答、答非所問的情形時，客戶會覺得未獲取到自己想要的回答而降低對AI的認可度。而開放域的發展突破可拓寬封閉域的對話邊界，兩者可各司其事，在封閉域內滿足內容專業度，在開放域滿足交互需求，助力人機交互更多應用到營銷對話等半標場景。

機器學習產品核心指標表現與建設現狀

業務知識儲備普遍欠缺，項目幫帶為業務建設核心環節

綜合供需兩側，艾瑞將機器學習開發平臺拆解出：IT基礎支持與架構設計、產品功能設計、業務知識儲備三個核心一級評價指標，一級指標各對應相應的二級指標。在硬件資源支持、平臺模塊封裝等二級指標的表現上，供給側技術強項指標都超過了需求側側重的技術指標，這意味著供應商比較難以憑借這些同質化、未擊中客戶關鍵業務痛點的指標形成產品差異化優勢。而在行業知識積累、數據治理等二級指標的表現上，供給側技術的表現較弱，這恰好反映了當前供應商在開發層面的短板，補足這些短板是打造產品核心競爭力的關鍵。此外，機器學習產品當前在架構建設上仍以大數據中下層建設為主，上層應用開發主要局限在金融行業；在業務建設上以供應商對客戶進行幫帶學習為核心環節，旨在培養客戶的自主開發與學習使用能力，逐步擺脫傳統業務模式與過度依賴乙方的窘境。

機器學習參與者在產業鏈核心環節表現

AI企業具備模型開發優勢，將強化決策智能布局；數據平臺服務商、互聯網大廠具備數據能力優勢，將深入應用開發

AI基礎數據服務廠商及產品發展趨勢

科技巨頭自建標注團隊趨勢萌芽；合成數據將迎來發展

（1）AI基礎數據服務商主要有眾包平臺服務商和自建外包一體化服務商兩大類，兩者之間也存在交叉。隨著科技巨頭對高精度訓練數據集需求的增強，自建團隊的趨勢也愈發明顯，以保證標注人員對數據集產品的理解和訓練數據質量把控。現階段自建多為初步嘗試，致力于垂直細分場景的數據集合、敏感數據集開發、以AI技術反哺提高標注智能化水平等。但基于成本及規模化效益考慮，自建巨頭仍會外采基礎數據服務產品；

（2）現象級應用ChatGPT的出現以及席卷全球的對話大模型開發浪潮為AI基礎數據服務產業發展帶來助力——對于互聯網公開數據需要運用文本分類標注、對話語料構建等標注類型幫助模型調優，避免惡意和偏見內容等AI倫理問題。目前服務商普遍AI視覺和智能語音數據集產品的占比較高，NLP相關業務占比較低。此輪產業機會需要服務商加深對NLP數據集和相關標注平臺的開發優化；

（3）現階段高質量、易監督數據存量見底，基于AIGC技術的合成數據或逐步成為AI訓練的數據來源之一，解決AI模型訓練中所需數據的“量、質與成本”限制。當然目前合成數據技術也在技術精度、人才匹配等上有自身局限，未來將與真實數據集產品合力成為AI產業的數據基石。

智能機器人行業融資熱度及輪次分布

無人化趨勢引爆智能機器人融資，資本逐漸青睞頭部廠商

工業生產、公共服務等領域自動化和無人化全速推進，引發了一輪智能機器人賽道的投資熱潮。2021-2022年，智能機器人賽道融資事件共83起，2022年融資筆數相比2021年增加一倍，融資金額多為億級，總體呈爆發增長態勢。從融資輪次看， 2022年B輪及以前的融資數量占比保持在60%左右，反映出這一賽道新勢力仍在不斷涌現，市場格局尚未形成；C輪及后續輪次占比明顯增加，資本已經初步顯現出向頭部集中的趨勢。值得關注的是，2022年戰略投資顯著增長，這主要源于智能機器人下游應用企業開始踴躍進行戰略布局，如富士康投資工業機器人，首旅集團投資配送機器人等。

智能機器人廠商表現

檻內做深場景，檻外加強合作，產業生態日趨豐富完善

不同行業應用場景的高度差異化導致各場景使用的AI解決方案都需要單獨開發，這也決定了智能機器人領域創業企業普遍采用深耕垂直場景的發展戰略。從規模最大的工業和自主移動機器人兩大市場來看，工業智能機器人產業成熟度略遜一籌，少數具備AI算法能力、專注垂直場景的軟件算法公司正在成為核心力量，解決方案的進一步產品化也幫助算法公司和集成商各自歸位，產業鏈分工進一步清晰和細化。自主移動機器人產業相對成熟，集中度較高，頭部機器人廠商自己掌握AI算法能力，并以此作為護城河，獨立算法廠商生存空間尚小，這也構成了移動機器人與非移動機器人產業鏈的主要差異。此外，由于結合機械臂和移動底盤的復合機器人市場需求越來越大，多關節機器人廠商和自主移動機器人廠商紛紛開始通過外采或合作方式開發復合機器人，產業合作進一步深化，長期來看利好整個機器人市場的高質量發展。

AI產業鏈各環節發展概況

AI進入良性循環帶動期，產業鏈逐步成熟

隨著人工智能在數據、算力、算法、工具、模型等方面的技術推進，AI已實現由實驗室到產業應用的層級躍升，更廣范圍、更深層次地影響著中國的經濟發展與生產生活方式變革。

AI產業趨勢洞察

技術革新的原生驅力下致力產品化與規模化

作為可承擔發展引擎功能的新興技術，AI已成為國際科技競爭的焦點。順應生成式AI、預訓練大模型、國產AI芯片商業化落地、虛擬數字人等技術熱潮，中國將持續加強人工智能布局，發揮政府及市場的積極性，共同推動普惠AI高質量發展。如何在AI新一輪發展熱潮中搶抓機遇，是AI產業鏈各環節企業關注的核心議題。從業務持續的角度考慮，把握技術變革與產品應用的融合界限，致力解決質量、ROI、安全可信等核心瓶頸；根據企業產業鏈角色和應用場景特點，定位各類型廠商的差異化路徑深耕實踐，或是AI企業的制勝之路。

來源：艾瑞咨詢、騰訊網，人工智能 | 研究報告