数字城市场景AI解决方案产业发展实施计划

数字城市场景AI解决方案产业发展实施计划

加快互联网与交通运输领域的深度融合，通过基础设施、运输工具、运行信息等互联网化，推进基于互联网平台的便捷化交通运输服务发展，显著提高交通运输资源利用效率和管理精细化水平，全面提升交通运输行业服务品质和科学治理能力。支持企业利用互联网采集并对接用户个性化需求，推进设计研发、生产制造和供应链管理等关键环节的柔性化改造，开展基于个性化产品的服务模式和商业模式创新。鼓励互联网企业整合市场信息，挖掘细分市场需求与发展趋势，为制造企业开展个性化定制提供决策支撑。发挥互联网信息集聚优势，聚合各类物流信息资源，鼓励骨干物流企业和第三方机构搭建面向社会的物流信息服务平台，整合仓储、运输和配送信息，开展物流全程监测、预警，提高物流安全、环保和诚信水平，统筹优化社会物流资源配置。构建互通省际、下达市县、兼顾乡村的物流信息互联网络，建立各类可开放数据的对接机制，加快完善物流信息交换开放标准体系，在更广范围促进物流信息充分共享与互联互通。加强资源环境动态监测针对能源，矿产资源，水、大气、森林、草原、湿地、海洋等各类生态要素，充分利用多维地理信息系统、智慧地图等技术，结合互联网大数据分析，优化监测站点布局，扩大动态监控范围，构建资源环境承载能力立体监控系统。依托现有互联网、云计算平台，逐步实现各级资源环境动态监测信息互联共享。加强重点用能单位能耗在线监测和大数据分析。（一）大力发展智慧环保利用智能监测设备和移动互联网，完善污染物排放在线监测系统，增加监测污染物种类，扩大监测范围，形成全天候、多层次的智能多源感知体系。建立环境信息数据共享机制，统一数据交换标准，推进区域污染物排放、空气环境质量、水环境质量等信息公开，通过互联网实现面向公众的在线查询和定制推送。加强对企业环保信用数据的采集整理，将企业环保信用记录纳入全国统一的信用信息共享交换平台。完善环境预警和风险监测信息网络，提升重金属、危险废物、危险化学品等重点风险防范水平和应急处理能力。（二）完善废旧资源回收利用体系利用物联网、大数据开展信息采集、数据分析、流向监测，优化逆向物流网点布局。支持利用电子标签、二维码等物联网技术跟踪电子废物流向，鼓励互联网企业参与搭建城市废弃物回收平台，创新再生资源回收模式。加快推进汽车保险信息系统、以旧换再管理系统和报废车管理系统的标准化、规范化和互联互通，加强废旧汽车及零部件的回收利用信息管理，为互联网企业开展业务创新和便民服务提供数据支撑。（三）建立废弃物在线交易系统鼓励互联网企业积极参与各类产业园区废弃物信息平台建设，推动现有骨干再生资源交易市场向线上线下结合转型升级，逐步形成行业性、区域性、全国性的产业废弃物和再生资源在线交易系统，完善线上信用评价和供应链融资体系，开展在线竞价，发布价格交易指数，提高稳定供给能力，增强主要再生资源品种的定价权。人工智能行业面临的机遇与挑战（一）以新基建为代表的扶持政策助力人工智能行业发展在国内大力发展新基建的背景下，数据中心和海量网络的建设承载着数据的指数型增长。如今的智慧城市仍强调基建和信息传输效率，但与过往不同的是，其技术特征演化为万物互联与基于软件定义的城市服务。随着万物互联的需求日趋多样和复杂，集成电路与数据中心将迎来下一轮的需求增长的爆发。各终端不仅需要具备数据处理能力，还需要能与云端产生实时而灵活的互动，并衍生出更多针对算法和基建的投入，从而持续刺激5G、集成电路、人工智能等领域的发展。随着国际间科技实力的竞争逐渐激化，各国政府都先后出台了针对人工智能发展的支持性政策，并将其上升至国家战略层面。在中国，政府正通过多种形式支持人工智能的发展：中国已经形成了科技部、国家发改委、工信部、中国工程院等多个部门参与的人工智能联合推进机制，从2015年开始先后发布多则支持人工智能发展的政策，为人工智能技术发展和落地提供大量的项目发展基金，并且对人工智能人才的引入和企业创新提供支持。这些政策给行业发展提供坚实政策导向的同时，也给资本市场和行业利益相关者发出积极信号。在推动市场应用方面，中国政府在推动人工智能技术与实体产业深度融合的同时，也在智慧城市的转型中与人工智能产业进行密切合作。作为技术应用的重要采购方，中国政府在落地智慧安防同时，也成为了推动人工智能产业发展的主导力量之一。（二）5G等技术创新推动人工智能的技术变革与应用渗透随着算法、芯片技术的日益成熟，人工智能技术具备了大规模投放市场的基础条件。而随着近年来新基建的集中投入，5G等底层技术发展进入全面加速状态。5G技术因其大带宽、低时延、广覆盖的特征，成为新基建其他产业的根基技术。底层技术的突破让人工智能技术在更多终端上的大规模应用成为了可能，这也使得人工智能化的物联网终端可以广泛地在各个行业得到大规模的应用，从而使得人工智能技术在更多的行业场景落地。而因为更多的场景能够使用人工智能进行设备处理和数据传输，更多的边缘终端将持续采集海量数据，进而驱动人工智能技术得到进一步的发展、创新基础设施赋能各产业的数字化转型。同时，智能终端在物联网时代的普及将为人工智能芯片提供重要市场机遇。智能终端在不同应用场景下对算力、功耗、时延的多元化需求，使得人工智能芯片在端侧可以拥有更多元化的应用场景，而智能终端在各场景的广泛运用也离不开人工智能芯片的低成本化并兼具高度可适配性。未来5G和物联网引领的智能终端需求爆发将为人工智能芯片的研发、生产和应用带来更多可能，而人工智能芯片将作为AI的底层基础，真正实现智联万物，让AI无处不在。（三）用户需求提升和技术扩散带来人工智能行业应用场景拓展随着人工智能技术的日渐成熟和扩散，通用化、模块化的算法框架降低了人工智能技术的使用门槛，更多行业和企业能够基于人工智能技术对现有的产业和业务进行边际优化与改善，人工智能技术和传统产业的融合程度日益加深；另一方面，用户新需求的不断涌现激活了各个领域的人工智能企业发展潜能。在金融、交通、教育、公共安全、商业服务、能源、零售、医疗等行业，人工智能技术的应用均在持续挖掘和拓展。美国在人工智能基础层领域，尤其在AI芯片设计研发领域，有显著的产业优势和技术壁垒，美国芯片厂商是国内很多AI技术层、应用层企业最重要的供应商之一。随着全球科技产业链不断受国际局势影响，我国相对薄弱的基础层可能难以支撑产业链中下游的发展，这无疑会对国内该行业的生产供货和研发革新带来风险。长期而言，底层技术的自主可控是国内建立人工智能完整产业生态链和参与全球科技竞争的基础，也是国内各人工智能企业最重要的核心竞争力之一。因此，在新基建的背景下，我国政府对人工智能的政策方针转向系统性全面发展，持续增大针对基础技术领域的投资，进一步完善国内人工智能的产业链、创新链、人才链，同时业内也在积极探索将自主可控列入新基建的产品测评，与质量、安全等因素并重。互联网+现代农业利用互联网提升农业生产、经营、管理和服务水平，培育一批网络化、智能化、精细化的现代种养加生态农业新模式，形成示范带动效应，加快完善新型农业生产经营体系，培育多样化农业互联网管理服务模式，逐步建立农副产品、农资质量安全追溯体系，促进农业现代化水平明显提升。（一）构建新型农业生产经营体系鼓励互联网企业建立农业服务平台，支撑专业大户、家庭农场、农民合作社、农业产业化龙头企业等新型农业生产经营主体，加强产销衔接，实现农业生产由生产导向向消费导向转变。提高农业生产经营的科技化、组织化和精细化水平，推进农业生产流通销售方式变革和农业发展方式转变，提升农业生产效率和增值空间。规范用好农村土地流转公共服务平台，提升土地流转透明度，保障农民权益。（二）发展精准化生产方式推广成熟可复制的农业物联网应用模式。在基础较好的领域和地区，普及基于环境感知、实时监测、自动控制的网络化农业环境监测系统。在大宗农产品规模生产区域，构建天地一体的农业物联网测控体系，实施智能节水灌溉、测土配方施肥、农机定位耕种等精准化作业。在畜禽标准化规模养殖基地和水产健康养殖示范基地，推动饲料精准投放、疾病自动诊断、废弃物自动回收等智能设备的应用普及和互联互通。（三）提升网络化服务水平深入推进信息进村入户试点，鼓励通过移动互联网为农民提供政策、市场、科技、保险等生产生活信息服务。支持互联网企业与农业生产经营主体合作，综合利用大数据、云计算等技术，建立农业信息监测体系，为灾害预警、耕地质量监测、重大动植物疫情防控、市场波动预测、经营科学决策等提供服务。（四）完善农副产品质量安全追溯体系充分利用现有互联网资源，构建农副产品质量安全追溯公共服务平台，推进制度标准建设，建立产地准出与市场准入衔接机制。支持新型农业生产经营主体利用互联网技术，对生产经营过程进行精细化信息化管理，加快推动移动互联网、物联网、二维码、无线射频识别等信息技术在生产加工和流通销售各环节的推广应用，强化上下游追溯体系对接和信息互通共享，不断扩大追溯体系覆盖面，实现农副产品从农田到餐桌全过程可追溯，保障舌尖上的安全。人工智能芯片行业人工智能芯片指应用在人工智能算法加速，主要实现大规模并行计算的芯片。而在更广泛的概念下，任何应用在人工智能领域的芯片都可被称为人工智能芯片。（一）人工智能芯片以技术路线分类深度学习架构下的人工智能芯片以技术路线进行划分，主要包括GPU、FPGA、ASIC、ASIP等类别。GPU使用SIMD让多个执行单元同时处理不同的数据，其离散化和分布式的特征，以及用矩阵运算替代布尔运算的设计使之适合处理深度学习所需要的非线性离散数据。与同样基于冯•诺依曼架构的CPU不同的是，在传统的冯•诺依曼结构中，CPU每执行一条指令都需要存储读取、指令分析、分支跳转才能进行运算，从而限制了处理器的性能；而GPU大部分的晶体管可以组成各类专用电路、多条流水线，运算单元明显增多，适合大规模的并行计算。GPU拥有更多的ALU用于数据处理，这样的结构适合对密集型数据进行并行处理，获得高于CPU几十倍甚至上千倍的运行速度。在云端，通用GPU，被广泛应用于深度神经网络训练和推理。但是，GPU并非专门针对AI算法，在执行算法中能耗相对较高、效率相对较低，有一定的时延问题。FPGA利用门电路直接运算，而用户可以自由定义这些门电路和存储器之间的布线，改变执行方案。其基本原理是集成大量的基本门电路以及存储器，通过大量的可编程逻辑单元实现针对性的算法设计，即实现以硬件定义软件。FPGA通过可编程逻辑综合，在并行计算上能够获得和GPU接近的并行计算性能，相比CPU，有明显的性能提升，同时在功耗上优势明显在深度学习算法仍处于高速迭代的状态下，FPGA因其可重构特性而具有显著优势。FPGA市场化的阻碍主要在于高昂的硬件和开发成本，编程相对复杂，为实现重构而降低了计算资源占比，整体运算能力受到影响。ASIC则为专用定制芯片的统称，在架构、设计、成本等方面存在更大的多样性，其中VPU是为图像处理和视觉处理设计的定制芯片。ASIC的架构相对简单，性能和功耗与通用型产品相比更低。由于不需要包含FPGA用于实现重构的可配置片上路由与连线，相同工艺的ASIC计算芯片可以拥有FPGA5-10倍的运算速度，实现PPA最优化设计。ASIC针对场景的定制化设计使其更适合终端推理场景，而如今它的主要劣势在于初期设计的资金投入和研发周期，且针对性设计限制了芯片的通用性。ASIP是一种新型的定制化指令集的处理器芯片，它为某个或某一类型应用而专门设计，通过权衡速度、功耗、成本、灵活性等多个方面的设计约束，设计者可以定制ASIP以达到最好的平衡点，从而适应嵌入式系统的需要。ASIP集合了FPGA和ASIC各自的优点，不仅可以提供ASIC级别的高性能和低功耗，还能提供处理器级别的指令集灵活性，实现可重新编程，更适用于需求尚未被明确定义、需要芯片具备一定通用性和可编程性的应用场景，从而满足AI算法快速更新迭代的需求，并延长芯片的使用生命周期。相对GPUCPU具备同等的指令集灵活性，执行效率、功耗、能量效率方面相比CPU、GPU有1-2个数量级的优势。相对DSP在视觉人工智能算法上的执行效率上高2-5倍，功耗只有其1/2-1/3。相对ASIC具有后向算法可编程的灵活性，更适合深度学习AI算法的演进和迭代部署。相对FPGA具有高性能、低成本的优势，成本方面有百倍级的成本优势。未来，类脑芯片的神经拟态计算将带来更大的想象空间，其内存、CPU和通信部件将集成为一体，信息处理可以在本地进行。类脑芯片的设计目的也将不局限于加速深度学习算法，而是在芯片结构甚至器件层面上改变设计，开发出全新的类脑计算机体系结构。目前此项技术还尚未得到大规模应用，但很有可能成为行业内长期发展的路径和方向。（二）人工智能芯片行业市场规模与行业构成市场规模方面，AI芯片的需求正在快速扩大，根据艾媒咨询的预测，全球AI芯片市场规模将在未来五年内飙升，预计将从2019年的110亿美元增长至2025年的726亿美元。赛迪顾问则预测中国AI芯片市场规模将从2019年的124．1亿元增长至2021年的305．7亿元，预计未来几年仍将以超过50%的速度快速增长。根据赛迪数据报告，从行业结构分布来看，在2021年安防行业是AI芯片落地应用的最大市场，市场规模达到51．1亿元，占比16．72%。其余用途比较广泛的场景还包括零售、医疗、教育、制造、金融、物流、交通等领域。根据应用场景，AI芯片可分为云端芯片、边缘端芯片和终端芯片，再根据功能可分为训练芯片和推断芯片。近年来，宏观政策的大力支持和人工智能的普遍应用促进了AI芯片市场的高速扩张。赛迪顾问预测，2021年我国AI芯片市场规模将达到305．7亿元，2019至2021年市场规模的年化增长率均超过50%。尤其对于终端推断芯片市场，随着人工智能应用生态的逐步建立，AI应用将被更为广泛地部署在终端设备，其市场规模年化增长率将保持在60%以上。而根据甲子光年的统计，2020年中国云端AI芯片的市场规模可以达到111．7亿元，边缘与终端芯片为39亿元。但人工智能在安防、家居、商业等应用领域的大规模落地为边缘与终端芯片带来了更大的市场契机，该市场2018至2023年复合增长率将达到62．2%。人工智能行业总体发展情况（一）人工智能行业市场规模人工智能利用机器学习和数据分析，对人的意识和思维过程进行模拟、延伸和拓展，赋予机器类人的能力。人工智能将重塑实体经济，提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。人工智能是新一轮科技革命和产业变革的重要驱动力量。经历了从技术到产品、从产品到场景的快速发展过程，人工智能正逐步作为一种变革力量与产业深度融合，并成为目前新型基础设施建设的重要一环，面临广阔的发展空间。据Sage预测，至2030年人工智能的出现将为全球GDP带来额外14%的提升，相当于15．7万亿美元的增长。中国市场丰富的应用场景和庞大的数据量同样刺激人工智能市场的快速扩张，将从2019年的28．06亿美元增长至2023年的119．25亿美元，复合增长率高达43．58%。政府行业、金融业、互联网行业在经过近年的应用实践后将全面推广AI的应用，而新零售、新制造、医疗领域也将成为AI市场的新增长点。IDC预计未来这六大行业应用AI的3年复合增长率将超过30%。（二）人工智能行业产业链与国内产业链分析从产业链上来看，人工智能行业的基础层主要提供数据和算力支持，其中包括硬件设施、系统平台和数据资源三个维度；技术层为感知和认知能力，包括算法模型、基础框架和通用技术；应用层即场景和产品，主要包括各类型的智能产品和应用平台。同时，智能产品端即众多物联网化的终端和边缘端设备是数据资源的重要来源，形成了对基础层底层数据的持续补充，进而带动技术层的演进和迭代，从而构成完整的闭环。在人工智能应用技术方面，主要可分为计算机视觉、智能语音、自然语言处理三个主要方向。其中，计算机视觉主要研究计算机代替人眼对目标进行识别、跟踪和测量等相关课题，解决机器―看得清、看得懂的问题。智能语音识别技术主要研究人际之间语音信息的处理问题，即实现计算机、智能设备、家用电器等通过对语音的分析、理解和合成，实现―能听会说，具备自然语言交流的能力。自然语言处理技术主要研究计算机处理人类语言，是机器理解并解释人类写作、说话方式的能力，也是人工智能最初发展的切入点和目前的研究焦点。目前，国内的人工智能企业集中于应用层，基础层则较为薄弱。在中国新一代人工智能发展战略研究院2019年的统计中，产业链基础层、技术层和应用层的企业数量分别占总数的2．8%、22%和75．2%。由于对技术和资金的要求较高，基础层的底层技术由少数国际巨头垄断，国内行业结构稍显―头重脚轻，国内企业在算法和硬件算力领域仍然任重道远。近年来，国家就相关领域的政策正在经历由侧重技术应用到全产业链系统发展的方向转变，未来就基础层的发展，可预见更多资本和人才的政策倾斜，基础层也将成为未来人工智能整体市场的核心增长引擎。目前，计算机视觉技术是人工智能市场中的应用最为广泛的技术，在2020年上半年贡献了整体市场中超过48%的收入，其次为语音语义技术和机器学习开发平台技术。随着计算机视觉的应用落地走向成熟，应用场景不断拓展，计算机视觉技术的市场份额将持续保持较高水平。（三）AI解决方案市场容量智慧安防解决方案运用人工智能技术处理安防监控活动中产生的海量数据，并逐渐完成部分自主决策响应任务，实现事前积极预防、事中实时感知和快速响应，以及事后的快速调查，其典型应用包括政府主导建设的、天网工程等。随着我国数字城市、智慧城市建设步伐持续加快，安防需求已全面从政府主导的城市公共安全管理向更为私有化、场景个性化的方向发展，智能安防的市场边界将进一步扩展，智能安防产业规模预计将保持高位增长。沙利文预计至2023年，中国智慧安防人工智能产业市场规模将高达1，301．6亿元，2018年至2023年的年复合增长率将达到47．7%。城市治理解决方案运用人工智能技术，帮助政府统筹推进智慧城市的建设、运营和管理，并基于特定场景制订个性化解决方案，有效提高工作效率和立体化防控水平。以智慧交通枢纽为例，传统交通系统中存在各交通参与模块相互割裂、缺乏协调等问题，城市阻塞问题随之加剧。智慧交通枢纽整合交通资源与流量信息，实现交通元素之间的彼此协调、优化配置和高效使用。随着各地对城市运营精细化管理的需求不断增强，下游应用场景的不断拓展将持续加速城市治理市场的扩张。仅就智慧交通人工智能领域，沙利文预计2023年该领域市场规模将达到345．7亿元。缺乏信息化管理平台的传统园区随着入驻企业和员工访客的不断增加，存在管理效率低下、资源配置不合理等问题。智慧园区则可以通过云计算和人工智能等技术，实现园区的网络设施协同化、运营管理智能化，有效降低园区的运营成本。目前，我国共有超过15，000个产业园区，智能园区改造的渗透率仍然较低，未来有较大的市场增长空间。预计至2023年，中国智慧园区人工智能市场规模将达76．3亿元。计算机视觉技术通过识别分析消费者行为和商品信息，可对门店经营、消费者游逛行为等进行数据量化，对销售额进行多因子分析，是精准营销、智能化运营、门店管理等环节应用的必要基础。在此基础上机器学习技术则应用于数据建各场景的智能化水平。随着人工智能技术向更广泛的商业领域进行渗透，智慧泛商业的市场扩张将伴随着零售、市场营销等行业的转型升级得到进一步的加速。其中，AI+零售市场将保持50%以上的年复合增长率，规模将在2022年达到26．7亿元。互联网+高效物流加快建设跨行业、跨区域的物流信息服务平台，提高物流供需信息对接和使用效率。鼓励大数据、云计算在物流领域的应用，建设智能仓储体系，优化物流运作流程，提升物流仓储的自动化、智能化水平和运转效率，降低物流成本。（一）构建物流信息共享互通体系发挥互联网信息集聚优势，聚合各类物流信息资源，鼓励骨干物流企业和第三方机构搭建面向社会的物流信息服务平台，整合仓储、运输和配送信息，开展物流全程监测、预警，提高物流安全、环保和诚信水平，统筹优化社会物流资源配置。构建互通省际、下达市县、兼顾乡村的物流信息互联网络，建立各类可开放数据的对接机制，加快完善物流信息交换开放标准体系，在更广范围促进物流信息充分共享与互联互通。（二）建设深度感知智能仓储系统在各级仓储单元积极推广应用二维码、无线射频识别等物联网感知技术和大数据技术，实现仓储设施与货物的实时跟踪、网络化管理以及库存信息的高度共享，提高货物调度效率。鼓励应用智能化物流装备提升仓储、运输、分拣、包装等作业效率，提高各类复杂订单的出货处理能力，缓解货物囤积停滞瓶颈制约，提升仓储运管水平和效率。（三）完善智能物流配送调配体系加快推进货运车联网与物流园区、仓储设施、配送网点等信息互联，促进人员、货源、车源等信息高效匹配，有效降低货车空驶率，提高配送效率。鼓励发展社区自提柜、冷链储藏柜、代收服务点等新型社区化配送模式，结合构建物流信息互联网络，加快推进县到村的物流配送网络和村级配送网点建设，解决物流配送最后一公里问题。互联网+人工智能依托互联网平台提供人工智能公共创新服务，加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用，培育若干引领全球人工智能发展的骨干企业和创新团队，形成创新活跃、开放合作、协同发展的产业生态。（一）培育发展人工智能新兴产业建设支撑超大规模深度学习的新型计算集群，构建包括语音、图像、视频、地图等数据的海量训练资源库，加强人工智能基础资源和公共服务等创新平台建设。进一步推进计算机视觉、智能语音处理、生物特征识别、自然语言理解、智能决策控制以及新型人机交互等关键技术的研发和产业化，推动人工智能在智能产品、工业制造等领域规模商用，为产业智能化升级夯实基础。（二）推进重点领域智能产品创新鼓励传统家居企业与互联网企业开展集成创新，不断提升家居产品的智能化水平和服务能力，创造新的消费市场空间。推动汽车企业与互联网企业设立跨界交叉的创新平台，加快智能辅助驾驶、复杂环境感知、车载智能设备等技术产品的研发与应用。支持安防企业与互联网企业开展合作，发展和推广图像精准识别等大数据分析技术，提升安防产品的智能化服务水平。（三）提升终端产品智能化水平着力做大高端移动智能终端产品和服务的市场规模，提高移动智能终端核心技术研发及产业化能力。鼓励企业积极开展差异化细分市场需