抖音同款特效向外部企业开放人脸数据隐私问题是否需担忧？(抖音拍别人同款怎么拍)

每经记者：王紫薇每经编辑：刘雪梅

还记得上世纪80年代电视剧《西游记》“石猴出世”的特效吗？当年还是孩子的你看得津津有味，现在看来，那种以抠图为主的特效技术实在是漏洞百出。如今，特效早已迭代，比如《复仇者联盟》中“灭霸”的表情特效就是例证。

到了现在，以前用在**电视里的高大上的特效技术，普通手机用户也玩得得心应手了，你在抖音、轻颜相机等app用的贴纸、表情与妆容，其实就是特效技术的普及化应用。一句话，特效技术“傻瓜化”了。

7月28日，特效技术的玩家头部之一——火山引擎，宣布将向企业用户开放上万抖音同款特效。

《每日经济新闻》记者了解到，此次开放的特效中包括了漫画脸、3D猴哥等抖音用户热门使用道具。火山引擎资源商城同时提供抖音同款的特效拍摄资源、剪辑资源和模板资源，企业可以根据热度、类型等方式选择使用。

同时，对火山引擎处理大体量人脸数据，是否会引发个人隐私数据泄漏担忧，公司回应称，特效并未使用人脸识别技术，而是在用户本地检测面部关键点位，且检测数据不会上传至服务器。

特效技术的应用场景来源：每经记者王紫薇摄

火山引擎表示，其特效工具套件此次也一并向企业用户开放。这意味着，一名设计师仅需5天就可生产出一个3D特效，其工作效率大大提升。

隐私问题是否需担忧？今天火山引擎也首次披露了《抖音特效数据报告》。《报告》显示，2021上半年，抖音平台平均每天上线超过100个新款特效；平均每5个投稿里，就有1个使用特效。

GAN技术，即生成对抗网络技术，网络上流行的“换脸”等视频，便是基于该技术的一项应用。火山引擎处理的大体量的人脸数据，难免引发个人隐私数据泄漏担忧。此外，使用GAN技术之后达到的变脸、变老、妆容人脸特效，也让人质疑是否设计深度伪造。

对此，杨辉表示，特效对人脸的检测并没有使用人脸识别技术，而是在用户本地检测面部关键点位，简而言之，通过点位识别相貌，检测数据不会上传至服务器。此外，使用GAN技术实现的变老、漫画脸等特效，也是对用户本人形象的展示效果，与伪造其他人的深度伪造有本质区别。

“特效不光是一门技术，更是一项工程。”杨辉表示，抖音特效背后有一套完善的工程体系，包括模块化组件、灵活可定制的资源下发能力，以及对不同系统、不同分辨率屏幕的兼容和适配。数据显示，抖音特效的程序接口崩溃率低于十万分之一，稳定性在行业里领先。

服务企业，就会遇到定制化需求。火山引擎特效技术专家杨辉表示，遇到个性化需求不可避免，但定制化并不一定代表ROI很低。

“虽然说在细节上会遇到个性化需求，但一个行业的需求还是具有一定共性的。很多情况下，我们之前做的某个定制化能力，最后会变成大家的共同需求。从行业角度来说，更早接触差异化需求，可以帮助我们内部业务建设更好的基础，也将反向激励我们内部业务的进展。”他表示。

抖音设计中心负责人王运恢表示，对于C端的用户来说，抖音提供特效的初衷是为了降低短视频拍摄门槛，帮助用户更好地表达。据了解，目前抖音自建的特效团队人数已达百人，并还推出了特效开放平台，与外部设计师合作。王运恢同时透露，火山引擎的特效已经向普通用户开放。

字节跳动“能力输出”的生意经作为字节跳动背后的企业级智能技术服务平台，火山引擎不仅支持了抖音、今日头条等公司内部产品，也在向外部企业开放，为客户提供特效创作工具套件、定制算法、工程化部署和对接联调等产品及服务。

这背后，是字节跳动正在把自己的推荐算法、数据分析、人工智能等核心技术，通过火山引擎，开放给企业客户。这是继推出企业协同工具“飞书”后，字节跳动杀入企业服务领域的最新动作。

6月10日，火山引擎首次亮相时，就完整阐释了自己的业务理念和产品逻辑，并将基于数据驱动理念所沉淀的技术工具和架构开放给企业。

随着移动互联网发展，AR、VR等特效使用不再只限于长短视频，也被广泛应用在电商、社交、文旅、游戏、教育、智能硬件等不同领域。

目前，在视觉AI方面，市面上提供特效技术的玩家不少。如“CV四小龙”商汤科技、旷视科技、依图科技、云从科技。四大玩家在安防、金融、物联网、无人驾驶等场景各有涉猎，且入场更早。此外，四家在团队规模、融资规模上也都领先火山引擎。

强敌环伺，火山引擎与“四小龙”服务有何异同？优势又在哪里？

杨辉对此回复十分坦诚。他表示，火山引擎的特效技术与竞品在服务内容上没有本质区别。“特效是否受欢迎，很容易收到反馈，能推动业务优化算法。此外，我们更丰富的内部业务场景，可以促进我们在算法适应性上不断提升。”杨辉说。

目前火山引擎特效技术已服务于唱吧、懂球帝、海信等众多企业。杨辉认为，5G加速普及会进一步拓展特效的应用空间。

在特效技术的加持下，一名设计师仅需5天就可生产出一个3D特效，远不是工作效率大大提升那么简单，那可能意味着，火山引擎等公司输出的产品包，未来会改变许多眼下看起来有一定壁垒的行业。

每日经济新闻

如果想做C端，那最好去大厂，因为现在C端基本饱和，只有去大厂才能拿到更多的资源，做出来的产品也更容易存活。

此外，去大厂还可以给自己的简历镀镀金，这样不论是将来跳槽去小厂做总监，还是跳槽去其他大厂，都起到很大的加分作用。

而且，大厂的待遇也是很丰厚的，年终奖一般最少也有两个月，高的话甚至有十几个月的年终奖，看的一些中小公司的小伙伴也是很羡慕。

很多人看到这，可能觉得，我今天是要告诉大家如何去大厂的，其实

错了！

我是来告诉大家不同城市都有哪些大厂值得去的，哈哈。（下次再给大家说一下如何去大厂），废话不多说，开讲：

一、北京

我看了一下我公众号的后台数据，发现关注我的用户当中，北京用户的比例最高，看来，北京也确实是互联网界的老大哥！北京三四环与二环内的老人生活完全不在一个节奏上，那些遛鸟、绕弯、下象棋，每天悠悠闲闲过日子的生活，与来北京打拼的年轻人完全不同。

尤其是互联网公司，9、10点钟下班是常态，在大批干电池的奋斗下，也涌现了很多大厂，有些甚至打到国外，接下来就来列举一下北京的知名互联网公司：

上市公司：百度、阿里、腾讯、360、小米、京东、亚马逊、美团点评、当当网、聚美优品、同程艺龙、蘑菇街、新浪、网易、搜狐、爱奇艺、知乎、金山、猎豹移动、汽车之家、联想、搜狗、58同城、陌陌

独角兽/明星创业公司：字节跳动、滴滴出行、印象笔记、易车网、融360、36氪、优米网、友盟、果壳、脉脉、Nice、拉手网、口袋购物、快手、车好多、比特大陆、商汤科技、VIPKID、优客工场、猿辅导、旷视科技、一下科技、自如网、猫眼微影、美菜网、寒武纪科技、车和家、APUS、快看漫画、每日优鲜、新氧、途家、地平线机器人、便利蜂、氪空间、一点资讯、小猪短租、出门问问、春雨医生、得到、老虎证券、瑞幸咖啡、小马智行、米未传媒、作业帮、转转、学霸君、链家、居然之家、马蜂窝

二、上海

上海金融行业比较发达，是全国的金融中心，IT行业没有北京那么发达，前几年还有上海错过互联网的说法。但近几年，上海也是奋起直追，涌现了很多知名的互联网公司，比如拼多多、B站、小红书等，可以说势头非常强劲。

接下来列举一下上海的知名互联网公司：

上市公司：拼多多、哔哩哔哩、阿里（阿里上海研发中心、本地生活总部/盒马/口碑）、百度、腾讯（游戏、人工智能、云计算）、爱奇艺、美团点评、京东、中国平安、携程、唯品会、滴滴出行、阅文集团、趣头条

独角兽/明星创业公司：字节跳动、小红书、饿了么、蚂蚁金服、沪江、Wifi万能钥匙、七牛云、Teambition、学霸君、洋码头、英语流利说、PPTV、喜马拉雅FM、蜻蜓FM、格瓦拉、安居客、驴妈妈旅行网、虎扑体育、百姓网、依图科技、界面、Ucloud、掌门1对1、轻轻家教、达达、易果生鲜、VIPABC、得物APP、叮咚买菜、微盟、找钢网、宝尊电商、樊登读书、咪咕、同程艺龙、驴妈妈、收钱吧、世纪佳缘、巨人网络、游族网络、三七互娱、陆金所、途虎养车、百姓网、东方财富、众安在线、360数科、趣头条、易居中国

三、深圳

深圳可以说是中国的创新科技中心，互联网基因也很浓厚，算是老牌的互联网基地了，以华为、腾讯、OPPO、VIVO、中国平安、顺丰为代表的互联网公司完全可以代表深圳的互联网能量。

接下来列举一下深圳的知名互联网公司：

上市公司：腾讯、阿里、百度、顺丰、华为（较为特殊）、平安科技、滴滴、美图、甲骨文、微软

独角兽/明星创业公司：大疆科技、优必选科技、随手记、迅雷、土巴兔、微众银行、糗事百科、珍爱网、富途、VIVO、OPPO、一加、魅族、金立、中兴、Zaker、宜搜、脸萌科技、辣妈帮、房多多

四、广州

广州的互联网公司不多，但前前后后总有那么几家最"酷"的诞生在羊城。微信所在的腾讯广研部可以说是超一线，网易、唯品会、YY和UC是二线，还有各种零零散散的游戏、论坛、门户、科媒。另外，如果你看到一家公司名字都是数字，那它多半是在广州。

接下来列举一下广州的知名互联网公司：

上市公司：微信（腾讯）、网易、欢聚时代、金山、唯品会、阿里巴巴移动事业群

独角兽/明星创业公司：爱范儿、ZAKER、荔枝FM、超级课程表、科大讯飞、有米、多益、4399、小鹏汽车

五、杭州

早年上海互联网没起来的时候，可是杭州在撑着长三角的数字门面。因为这里有阿里巴巴，在阿里巴巴的带动下，一众互联网公司在这奋勇拼搏着，带动整个城市的发展，杭州不仅是一座美丽的旅游城市，也是一座数字之城，互联网渗透到生活的各个方面。

接下来列举一下杭州的知名互联网公司：

上市公司：阿里巴巴 、网易、有赞、海康威视、华为（较为特殊）

独角兽/明星创业公司：蚂蚁金服、菜鸟网络、今日头条、微医集团、大搜车、哈啰出行、淘票票、网易云音乐、蘑菇街、个推、丁香园、酷家乐、曹操专车、同花顺、51信用卡、花瓣网、深信服、挂号网、辣妈汇、贝贝网、IN记、涂鸦智能、禾连健康、同盾科技、挖财网

六、成都

成都的互联网行业整体环境成熟度不及北上广深杭，体现在上游的资本进入缓慢，下游的高精尖有经验的人才供给相对一线城市略显不足。

但成都政府支持力度很大，对于好的团队与项目，政府会给予大力扶持。在这一背景下，成都的互联网行业发展迅速，毕业生大量涌入该行业，相信未来也会发展的越来越好。

接下来列举一下成都的知名互联网公司：

上市公司：腾讯、阿里巴巴、京东、新浪、陌陌、携程、完美世界、盛大、科大讯飞、多益网络

独角兽/明星创业公司：百词斩、Camera360、知乎、咕咚运动、梦工厂、tap4fun、货车帮、知道创宇、实验楼、实习僧、聘宝、天象互动、迅游、极米科技、谛听科技、鲁大师、医联

七、南京

南京321的战略引来了很多公司，同时区位优势明显，高校资源丰富，这两年，互联网也有了起色。

接下来列举一下南京的知名互联网公司：

上市公司：苏宁云商（A股上市）、途牛旅游网（纳斯达克上市）、焦点科技（A股上市）、育儿网（港交所创业板）、三六五网（A股上市）、金智教育（新三板）

独角兽/明星创业公司：小视科技、诚迈科技、西祠胡同、汉恩互联、YOHO！有货、汇通达、付融宝、孩子王、运满满、康众汽配、房司令、8天在线、零号线、51订货、淘车无忧、原力动画、100kuai兼职、紫米电子、鹏云网络、车300、易直供、千米网、包拼车、车险无忧、中国云签、V直播、安元科技、巴哥驾到、贝客公寓、同学帮帮、扇贝网

八、武汉

武汉是靠工业起家，以东风，武钢为首的工业为武安提供了它的经济，就业，其工业仍强于绝大多数城市，为了经济和就业，武汉的政策主要集中于做强工商业，尤其是工业，一方面保障就业，另一方面武汉在工业的管理上更有经验，也有规模化优势。

同时武汉位于京广线与长江的交汇处，其运输发达，于是武汉也利用自己的区位特点做好商业和物流。

在科技产业上，武汉众多高校与科研院所的研究方向都是偏重制造业的，因此武汉在新兴产业上更多的将资源投入到了智能制造，生物制药等方向，在资源投入到这些之后，必然无暇顾及互联网产业，但武汉的互联网也不算很弱，也有斗鱼这样的独角兽企业，当然氛围比成都可能会差一些，主要在于投入给互联网的资源相对不够。

接下来列举一下杭州的武汉互联网公司：

上市公司：跟谁学、小米、360、斗鱼、盛天网络

独角兽/明星创业公司：Acfun、车来了、有道金融、恋爱记、海豚浏览器、马克飞象、石墨、Deepin、木仓科技、航班管家、卷皮、悦然心动、斑马快跑、桌游助手

九、厦门

厦门的互联网了解不多，但随着一些大公司分部开在那边，以及兴起一些知名的互联网公司，感觉互联网氛围好像也在变好。

接下来列举一下厦门的知名互联网公司：

上市公司：4399（老牌游戏平台）、美图秀秀（厦门本土的老牌互联网公司，不过最近情况有点差）、趣店（2018年总部搬到厦门）、美团（厦门研发中心）、4399（老牌游戏平台）、吉比特（游戏）、飞鱼科技（游戏）、吉比特（厦门目前收益最好的游戏公司，靠《问道》发家致富）、网宿科技（做厦门本土cdn的公司）、点触科技、宝宝树（2018年搬过去的）

独角兽/明星创业公司：今日头条（2018年组建的厦门研发中心，宇宙条的西瓜视频研发搬到厦门）、美柚（女性生理和生命周期大数据）、十点读书、稿定科技（在线编辑素材）、他趣（情趣商城）、指纹科技（电商）、三五互联、高德地图（阿里高德厦门研发部，负责机车版，车载地图等相关产品的开发）、神州优车（总部从北京搬到厦门的互联网公司）、快快网络（厦门本土做服务器租赁、云计算、云安全的公司，是阿里云华为云腾讯云合作伙伴）

当然，肯定还有一些公司是我没列举到的，我也没办法列全，如果大家有觉得不错的，可以在评论区补充，有想吐槽的公司也可以在评论区吐槽。

此外，对于那些在一线留不下的小伙伴来说，趁早选择适合自己奋斗的二线城市，也不失为一种明智的选择。

来源 | 产品刘（ID：chanpinliu880）

作者 | 刘大大a；编辑 | 鱼丸yuzu

内容仅代表作者独立观点，不代表早读课立场

人

工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸

近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。

人工智能市场格局

人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 71 万亿美元。

多角度人工智能产业比较

战略部署：大国角逐，布局各有侧重

全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。

美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。

伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。

日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。

基础层面：技术薄弱，芯片之路任重道远

基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。 受限于技术积累与研发投入的不足，国内在基础层领域相 对薄弱。具体而言，在 AI 芯片领域，国际 科技 巨头芯片已基本构建产业生态，而中国尚 未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术 （SDN）、 开发语音等核心技术被掌握在亚马逊、微软等少数国外 科技 巨头手中。虽国内 阿里、华为等 科技 公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传 感器多种产品类型，而在中国也涌现了诸如汇顶 科技 的指纹传感器等产品，但整体产业布 局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数 据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。

“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。

依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。

ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。

总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。

技术层面：乘胜追击，国内头部企业各领风骚

技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。

具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，百度的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。

在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。

作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。

计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 694%，其中商汤市场份额 206%排名第一。

应用层面：群雄逐鹿，格局未定

应用场景市场空间广阔，全球市场格局未定。 受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到3605 亿元，约是技术层的167 倍，基础层的253 倍。 在全球范围内，人工智能仍处在产业化和市场化的 探索 阶段，落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企 业，在很多细分领域的市场竞争格局尚未定型。

中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早，以谷歌、亚马逊等企业为首的 科技 巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国 人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于 世界前列。例如，中国 AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。

整体来看 ，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看， 我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。 但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终 端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。

透析人工智能发展潜力

基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对 中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重 后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。

从智能产业基础的角度

产业化程度：增长强劲，产业规模仅次美国

中国人工智能尚在产业化初期，但市场发展潜力较大。 产业化程度是判断人工智能发展活 力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能 市场规模分别是 213、7125 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度， 据清华大学 科技 政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家） 人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展 望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的 增长态势，发展潜力较大。

技术创新能力：专利多而不优，海外布局仍有欠缺

专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申 请量占全球总申请量的 7395%。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出 量首超美国，并长期雄踞申请量首位。

从专利申请领域来看， 深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重 点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界 第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI 科技 热潮兴起后 申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁 荣的结构性不均衡问题。

中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。 尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少， 仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布 局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示， 受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效， 而美国 856%的专利仍能得到有效保留。

人才储备：供需失衡，顶尖人才缺口大

人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布 不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 618%。欧洲 28 国拥有 43064 名人工智能人才，位居全球第一，占全球总量的 211%。美国和中国分别以 28536、18232 列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 226 倍，基础层人才数是中国的 138 倍。

我国人工智能人才供需严重失衡，杰出人才缺口大。 据 BOSS 直聘测算，2017 年国内人 工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着 至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄 厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰 出人才（977 人）比例仍明显偏低，不足欧美的 1/5。

人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。 根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看， 国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 439%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。

从学术生态的角度

技术创新能力：科研产出表现强劲，产学融合尚待加强

科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 6964%。近些年，中国积极开展前瞻性 科技 布 局， AI发展势头强劲，从1998年占全球人工智能论文比例的89%增长至2018年的282%， CAGR1794%。2018 年，中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。

我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact， 加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世 界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高 于全球平均水平的 3678%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文 影响力增幅明显，2018 年，中国 FWCI 为 080，较 2010 年增长 4423%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出 为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量 论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。

从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成 果转化的短板。 而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 736 倍，欧盟的 192 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 245%，与以色列（1006%）、美国（953%）、日本（647%）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。

中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。 据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中， 美国（168 所）独占鳌头，占据全球的 457%。中国拥有 20 所高校与英国并列第三，数 量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。

从创新环境的角度

研发投入：中美研发投入差距收窄

中国研发高投入高强度，在全球研发表现中占据重要地位。 从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投 入总和占全球总量的比例已达 6077%。其中，美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 1443%，同期美国 CAGR 仅 299%。由于经济疲软等 诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测， 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体 上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 197%，低于日本和美国 153、087 个百分点。

资本投入：资金多而项目缺，资本投向侧重终端市场

中美是全球人工智能“融资高地”。 人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总 融资额的 507%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第 二大融资体，融资总额占全球 355%。考虑到已有格局和近期变化，其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人 工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。

相比较美国，中国资本投向侧重易落地的终端市场。 从融资层面来看，中国各领域发展较 为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示， 芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场 高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。

基于信息熵的 TOPSIS 法：综合指标评估

数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。 具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在 高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场 的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研 产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来， 若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。

展望

转自丨 信息化协同创新专委会