<kbd id="sapis"><rt id="sapis"><var id="sapis"></var></rt></kbd>
    <tbody id="sapis"><noscript id="sapis"></noscript></tbody>
    1. <button id="sapis"><object id="sapis"></object></button>
      1. <rp id="sapis"></rp>

        0
        • 聊天消息
        • 系統消息
        • 評論與回復
        登錄后你可以
        • 下載海量資料
        • 學習在線課程
        • 觀看技術視頻
        • 寫文章/發帖/加入社區
        創作中心

        完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

        3天內不再提示

        中國AI理論研究全球領先,但應用落地仍有癥結

        Felix分析 ? 來源:電子發燒友網 ? 作者:吳子鵬 ? 2023-01-17 00:07 ? 次閱讀

        電子發燒友網報道(文/吳子鵬)近日,一份研究顯示,中國在AI人工智能)理論研究方面已經全面超越美國,是AI研究論文領域無可爭議的第一名,在AI論文數量和質量上對美國形成了碾壓的態勢。

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

        中國AI相關論文數量領先

        研究指出,2021年中國共發表了4.3萬篇AI相關的論文,數量上已經是美國的兩倍。正如上面所提到的,自2012年之后不久,中國在AI論文數量上一直都處于領先的位置。并且,2012年時,中美之間的AI相關論文數量差距也僅有204篇,當時美國以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論文數量上都已達到了萬級。

        不過,長久以來,中國AI論文數量被指質疑“注水”,換言之也就是相關論文的質量不高。2019年發布的《中國新一代人工智能發展報告》曾特別指出,2013-2018年,全球人工智能(AI)領域的論文文獻產出共304914篇,其中中國已經成為最大的貢獻者,貢獻了74408篇,超過了美國的51766篇。報告提到,提升論文質量是接下來的目標之一。

        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變,在AI論文引用數量方面超過了美國。2021年,中國AI相關論文被引用了7401篇,比美國多出70%左右。

        研究指出,中國企事業單位在中國AI產業發展的過程中扮演重要的力量,騰訊、阿里巴巴、華為和國家電網均位列AI研究論文的前十大公司之中。當然在頭部企業方面,美國依然占據著優勢,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,情況已經相較2012年有了極大的改觀。2012年時,AI研究論文前十大公司里只有一家中國公司。

        在國內,企業的AI發展受政策影響很大。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投入。不過,在2019年騰訊依然被行業詬病AI布局遲緩。隨后,國家在2019年將AI重要性提高了一檔,發布了大量的相關政策,并在國務院《2019年政府工作報告》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,騰訊在國內已經穩穩占據了第一梯隊的位置。在NeurIPS 2022上,騰訊AI Lab共有13篇論文被本屆會議接收,其中1篇被選為口頭報告,以及2篇 Spotlight;在國際權威研究機構Gartner最新出爐的2022年度《Magic Quadrant for Cloud AI Developer Services》研究報告上,騰訊在機器視覺技術上排名全球第二位。

        在政策的引導下,中國已經逐漸成為AI強國,美國出臺各項政策對中國AI企業進行制裁,也足見其對中國AI產業發展的重視。AI高速發展同時也帶動了大數據、云計算、互聯網等與人工智能密切相關的產業發展提速。根據IDC與浪潮信息聯合發布《2022-2023 中國人工智能計算力發展評估報告》,2022年我國智能算力規模達到268百億億次/秒(EFLOPS),超過通用算力規模,預計未來5年中國智能算力規模的年復合增長率將達52.3%。

        中國AI的癥結所在

        實際上,中國AI不僅論文方面增長迅猛,并且市場規模的年復合增長也領先全球平均水平。不過,這些都無法掩蓋國內AI這個產業存在的問題。

        在2019年的《中國新一代人工智能發展報告》就已經提到,我國的AI產業存在基礎層發展薄弱、產學研合作不夠緊密等短板。實際上,到了今天有些問題依然沒有得到有效的解決。

        在基礎層方面,近幾年國內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。發展至今,百度飛槳已經非常成熟,成為繼TensorFlow、PyTorch之后,全球第三大人工智能算法框架,擊敗了Amazon主導的MXNet和微軟背書的CNTK等強勁對手。截止到2022年5月20日,飛槳已經凝聚了477萬開發者、服務了18萬家企業并創建了56萬個模型。

        這是好的一面,不好的一面是,目前國內在高端算力芯片方面完全受制于人。大家肯定還對去年上演的英偉達A100和H100芯片禁令“連續劇”印象深刻,當時產業大為恐慌,各種相關內容更是占據頭版頭條。隨后,英偉達宣布向中國市場特供A800芯片,實際上只是在A100的基礎上,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”,很多業者對此忿忿不平,揚言要是實現高端算力芯片的自主化,實際上在GPGPU方面,國產芯片不僅硬件性能還和英偉達有很大差距,軟件生態同樣有一道鴻溝,同時我們還要時刻擔心后續芯片的量產會不會被制裁。從產業現狀來看,以高算力芯片為主的基礎層仍將長期困擾中國人工智能產業的發展,這也是為什么部分美國分析師認為,美國不應該推動中美脫鉤,而是通過芯片等關鍵技術長期牽制中國人工智能等產業的發展。

        在產學研結合方面,近兩年國內取得了積極的進展。隨著各大高效紛紛開設人工智能專業,設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方面的流動,目前國內AI產學研協同發展很見成效。

        不過,隨著AI產業向前發展,我們也能夠發現,目前AI的發展已經不僅僅是停留在產學研共同研究的層面,又多出來一個用的層面,因此現在叫產學研用。

        目前,國內AI在應用落地方面明顯遇到了新的瓶頸,因此產業從投資和技術落地有一種要進入寒冬的態勢。在政策的引導下,雖然目前很多行業都在嘗試使用AI技術,但這些應用實際上很單一,主要面向圖像識別、機器智能場景,解決安防以及制造場景中的質檢等重復性工作。正如創客總部合伙人、北大校友創業聯合會副會長陳榮根所言,AI在落地過程中遇到了技術鴻溝、產品鴻溝和規模鴻溝。這些鴻溝的存在導致AI企業長期不能解決高成本的難題,目前大部分AI項目是定制性的,企業花費高額的成本研發出來,卻無法迭代。到了2022年,國內“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虧損的魔咒。

        落地難的背后是當前AI技術依然缺乏圖靈獎獲得者、中科院院士、美國科學院外籍院士、清華大學交叉信息研究院院長姚期智教授在2020年提到的“魯棒性”,導致現階段AI的適應性和迭代性都非常差,很難跨越產業化的鴻溝。而AI在魯棒性和普適性上的缺失則因為國內缺乏交叉學科的培養體系,雖然部分院校已經啟動了相關工作,不過人才的評估體系依然是“老一套”,導致徒有形式,難有成果。

        寫在最后

        所謂十年磨一劍,這一輪AI發展大潮里,國內AI經過了十年的發展確實取得了很多積極的進展,在相關論文和產業規模方面取得了舉世矚目的成績。不過,時至今日,國內的AI依然還是一個“不健全”的產業,與我們暢想的“AI+”愿景還有距離。在產業宣傳時,我們當然可以揚長避短,但是真正技術落地、產業發展時,這些短板是掩蓋不住的。


        聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
        • AI
          AI
          +關注

          關注

          87

          文章

          24198

          瀏覽量

          261630
        收藏 人收藏

          評論

          相關推薦

          推拉式氣墊運載平臺的行走理論研究

          理論研究國內外研究表明,氣墊技術與行走機構相結合可以明顯地減小車輛下陷,降低地面行駛阻力,是解決沼澤、濕地、海涂等軟濕地域運輸問題的有效途徑。本文在氣墊技術應用方面取得一定
          發表于 12-02 12:51

          中國企業的崛起!全球AI芯片Top24榜單7家中國公司上榜

          AI作為下一場人工智能革命,全球科技大廠都在其中有布局,在全球前15大AI芯片企業排名表中,華為位列第12,IOP24榜單中中國企業上榜7家。 [img][/img]   近日,市場
          發表于 05-07 09:26

          央行數字貨幣DCEP,中國全球準備的“世界貨幣”

          全球的數字支付方面,北京處于領先地位。如果我們沒有一個好的答案,那么在未來五年,中國將基本上重新連接世界的很大一部分,而數字人民幣將在他們控制的區塊鏈上運行。整個世界將完全不受美國制裁
          發表于 10-19 19:41

          資料下載:SaaS理論及應用研究綜述

          發表于 07-02 08:00

          基于K-L差異的隱密術安全性理論研究

          理論研究一直是被廣泛關注的研究重點和難點。該文通過對K-L 差異的回顧及隱密術安全性的定性分析,指出Cachin 給出的安全性定義缺乏一般性。同時注意到除概率分布
          發表于 02-09 11:48 ?13次下載

          基于光纖光柵F-P腔的一種新穎傳感系統的理論研究

          理論分析的基礎上,提出了一種基于弱反射率、長腔長光纖光柵F2P腔的新穎的傳感系統,分析了兩種適用于該系統的有效解調方法。討論了系統參數對傳感器性能的影響和系統的優化設計原則。理論研究表明,這種新穎的傳感系
          發表于 02-15 11:02 ?22次下載

          智能機器人體系結構可分解性理論研究

          理論研究!資料來源網絡,如有侵權,敬請原諒!
          發表于 12-25 09:52 ?4次下載

          基于頻域譜方法測量油紙絕緣設備狀態的理論研究與試驗分析

          理論研究與試驗分析_王亞舟,感興趣的小伙伴們可以瞧一瞧。
          發表于 11-11 11:55 ?0次下載

          激光測距問題的理論研究

          發表于 01-31 15:22 ?37次下載

          基于MIMO雷達的相干分布式目標參數估計Cramer-Rao下界理論研究pdf

          理論研究pdf
          發表于 02-05 14:23 ?2次下載

          預測控制的理論研究及應用

          理論研究仍落后于.I.業應用實際。下面列舉幾個有待進-步研究解決的問題。
          發表于 01-06 17:11 ?0次下載

          開關電容DC/DC變換器的理論研究

          理論研究 摘要:開關電容變換器由于結構中不含磁性元件,因而體積和重量可以進一步減小,適合
          發表于 07-15 08:49 ?2531次閱讀
          開關電容DC/DC變換器的<b>理論研究</b>

          美國和中國AI專利方面居全球領先位置

          全球人工智能專利數量快速增長,美國和中國AI專利方面居全球領先位置。
          的頭像 發表于 02-13 11:18 ?2383次閱讀

          清華AI研究院院士領銜探索第三代AI,成立基礎理論研究中心

          AI研究院院士領銜探索第三代AI,成立基礎理論研究中心,基礎理論研究中心將會面向青年學者以及學生設立訪問交流機會。最新的研究成果,將會在學術會議以及期刊上發布,并設立網站等信息傳播平臺對外公開。
          發表于 07-02 15:08 ?339次閱讀

          中國已經成為全球AI的引領者了?

          研究角度來講,中國已經成為AI成果發布和專利方面的全球領導者。照這個趨勢,中國也即將在語音和圖像識別應用等AI輔助商業方面走到領先位置。中國AI發展為何如此迅速?未來限制中國AI發展的又有哪些因素?
          的頭像 發表于 03-19 15:35 ?1774次閱讀
          亚洲啪啪啪免费福利视频,美女裸体淫荡自慰三极色,国产无码资源在线,在线看色毛片网址你懂的
          <kbd id="sapis"><rt id="sapis"><var id="sapis"></var></rt></kbd>
            <tbody id="sapis"><noscript id="sapis"></noscript></tbody>
            1. <button id="sapis"><object id="sapis"></object></button>
              1. <rp id="sapis"></rp>