《《2022全球人工智能创新指数报告》发布》

  • 来源专题:新一代信息技术
  • 编译者: 张卓然
  • 发布时间:2023-11-28
  • 在7月6日举办的2023世界人工智能大会人工智能产业发展全体会议上,由中国科学技术信息研究所联合北京大学编写的《2022全球人工智能创新指数报告》(以下简称《报告》)正式发布。

    据中国科学技术信息研究所党委书记、所长,科技部新一代人工智能发展研究中心主任赵志耘介绍,全球人工智能创新指数研究已连续开展四年,旨在通过构建科学合理的指标体系,客观评估全球主要国家的人工智能创新发展情况,明晰中国人工智能发展的位势和方向。2022年报告在前三年的基础上进一步完善,新增一级指标“人工智能国际化”和三级指标“开放数据指数”,并通过对比近几年的评价结果,深入分析当前全球人工智能发展的主要趋势。

    《报告》显示,中美两国引领、呈梯次分布的全球人工智能发展总格局保持不变。中国人工智能发展成效显著,人工智能创新指数近三年一直保持全球第二水平,在人才、教育、专利产出等方面均有所进步,但基础资源建设水平仍有待提高。

    一、中美两国引领、呈梯次分布的全球人工智能发展总格局保持不变

    按照2022年人工智能创新指数得分排名,可将46个参评国家分为四大梯队。第一梯队国家得分为50分以上,只有美国和中国进入。第二梯队国家得分为35~50分,包含英国、德国、新加坡等11个国家。第三梯队国家得分为20~35分,包括丹麦、芬兰等12个国家。第四梯队国家得分为20分以下,包括捷克、巴西等21个国家。

    美国的人工智能创新指数已连续四年位居全球第一,中国连续三年保持全球第二水平。但值得注意的是,2022年,由于国际化指标的加入,中国与美国的分差有所拉大。其他梯队中有一些国家进步明显,比如瑞典、荷兰首次进入第二梯队,印度、波兰等首次进入第三梯队。从近三年的总排名变化情况看,在排名靠前的国家中,除了中美保持领先之外,其他国家之间呈现出你追我赶的态势。

    参评国家人工智能创新指数得分与排名(2022年)

    近三年人工智能创新指数TOP15国家

    二、中国人工智能发展成效显著,基础资源建设水平有待提高

    相比2021年,中国有10个三级指标2022年名次有所上升,主要集中在人才、教育、专利产出、创新制度等方面,优势指标数量也不断增长,从2021年的15个增加到2022年的18个。但中国人工智能整体发展水平与美国相比还存在一定差距。5个一级指标中,美国均位居第一,中国却未有排名第一的指标;11个二级指标中,中国有9个指标落后美国;33个三级指标中,中国有24个指标表现不如美国。此外,相较于自身快速增长的创新产出而言,其创新投入规模和质量还有很大提升空间。比如,公共数据的质量和开放度不高,相关指标排名靠后,信息化基础还有较大提升空间,在移动蜂窝电话订阅率、互联网使用率、固定宽带订阅率等指标上均排在参评国家中等位置。

    中美二级指标得分情况对比

    三、全球人工智能处于加速发展期

    通过对比近几年的人工智能创新指数评价结果,可以看到,人工智能已然成为全球科技创新的焦点之一,支撑人工智能研发应用的政策环境和基础条件不断完善,全球人工智能处于加速发展期。

    一是战略部署和人工智能治理日益得到重视。在人工智能创新制度方面,《报告》重点考察了各国人工智能政策规划的完备性以及对人工智能治理的重视程度两个方面。相比2021年,无论是人工智能创新制度一级指标,还是政策规划和治理两个二级指标,2022年几乎所有参评国家的分数都有所增加。其中,英国、新加坡、美国、中国、澳大利亚五个国家的政策规划得分提高最多,英国、新加坡、法国、澳大利亚、日本五个国家的治理得分提高最多。

    二是数据和算力基础设施建设持续推进。从数据中心数量看,近三年参评国家托管型数据中心总量持续增长,其中有三分之一的国家相比2020年增长了10%以上。从超算数量看,随着越来越多的国家加大算力基础设施建设力度,全球超算500强排行榜争夺激烈,中国在超算上的优势有所减弱。2020—2022年,中国进入全球500强的超算数量逐年减少,占全球比重从2020年的45%下降到2022年的35%。美国、英国、德国等国家进入全球500强的超算数量持续增加。

    三是人工智能产业化进程加快。2022年,参评国家的人工智能企业总数和人工智能从业人口总数继续增长,且增幅均有所扩大。人工智能企业总数同比增长25%,高于2021年的18%;人工智能从业人口总数同比增长53%,显著高于2021年的10%。

    四是人工智能加速赋能科学研究。人工智能论文的学科主题分布较为广泛,除电子、通信、计算机科学等信息技术主题外,也涉及环境科学、地理科学、材料科学等基础学科主题。2020—2022年,涉及环境科学、地理科学、材料科学等基础学科主题的人工智能论文数量不断增长,占人工智能论文总量的比重从2020年的5%上升到2022年的10%。

相关报告
  • 《日本发布《人工智能战略2022》》

    • 来源专题:人工智能
    • 编译者:高楠
    • 发布时间:2023-05-05
    •      2022年4月,日本政府在第11届综合创新战略推进会上正式发布《人工智能战略2022》,其战略目标包括:构建符合时代需求的人才培养体系,培养人工智能时代各类人才;运用人工智能技术强化产业竞争力,使日本成为全球产业的领跑者;确立一体化的人工智能技术体系,实现多样性、可持续发展的社会;发挥引领作用,构建国际化的人工智能研究教育、社会基础网络。除此之外,还要运用人工智能技术应对新冠疫情等大规模灾害,确保国民的生命和财产安全。      为了实现上述战略目标,日本政府提出了一系列促进措施包括:建立“具有国家复原力的人工智能”,应对国家层面的危机;在“人工智能促进全球复原力”方面建立领导地位;在“强大而负责任的人工智能”方面建立领导地位;促进人工智能社会应用。未来,日本政府还将进一步深化其在教育及研发体制方面的改革,继续推进数据合作与标准化,构建数据存储的基础设施,加强数字化管理。此外,还将促进中小企业对人工智能技术的应用,参与制定与推广人工智能伦理规则。
  • 《《北京市人工智能行业大模型创新应用白皮书(2023年)》发布》

    • 来源专题:数智化图书情报
    • 编译者:杨小芳
    • 发布时间:2023-12-01
    •          11月29日,北京市科学技术委员会、中关村科技园区管理委员会在AICC 2023人工智能计算大会上发布了《北京市人工智能行业大模型创新应用白皮书(2023年)》(以下简称《白皮书》)。    《白皮书》从大模型全球发展态势、国内外行业应用概述、北京应用情况和发展建议等方面进行了系统分析和阐述,旨在进一步推动大模型应用落地,展示北京市大模型应用成果,促进大模型价值传播和供需对接。    《白皮书》认为,大模型技术迅速迭代,打破了原有AI技术发展的上限,呈现出数据巨量化、模型通用化、应用模式中心化等特点,以“无限生产”的能力重塑企业生产引擎,推动生产效率颠覆式提升。从全球范围看,世界各地均在积极推动大模型研发和应用,其中美国和中国发布的通用大模型总数占全球发布量的80%,成为大模型技术领域的引领者;欧盟、英国、加拿大、新加坡等国家和地区尚处于前期尝试阶段,仅个别头部企业开始应用。从全国范围看,国家和地方层面高度重视通用大模型产业发展。2023年7月,国家网信办、国家发展和改革委员会、教育部、科学技术部、工业和信息化部、公安部、国家广播电视总局等7部委联合公布《生成式人工智能服务管理暂行办法》,鼓励和规范生成式人工智能创新发展;北京、上海、广东等多省市也陆续出台大模型产业发展措施,加速大模型应用落地。从北京市大模型产业发展来看,北京是当前国内人工智能领域创新基础最好、人才资源最集中、研发创新能力最强、产品迭代最活跃的地区,现已拥有大模型创新团队122家,数量居全国首位,约占全国的一半。    《白皮书》详细梳理了现阶段北京市大模型应用的典型特点。从模型演进看,通用大模型趋于收敛,垂直行业应用成为大模型产业落地的关键赛道;当前,大模型发展呈现出从技术到产品、再到商业化应用的发展路径,并不断深入垂直行业领域。从应用领域来看,大模型应用案例百花齐放,已经在传统产业赋能、金融、政务、文化旅游、医疗、智慧城市等各个领域得到初步应用,其中,传统产业赋能和金融领域发展较快,如传统产业赋能领域有产业知识问答、图文生成等,金融领域有智能投研助理、智能客服等。从应用类型来看,大模型主要有内容生成、智能问答、IT支持、数据分析、智能识别和智能硬件等六个方面,其中内容生成和智能问答最为成熟。从商业模式来看,目前大模型商业模式初具雏形,形成了以通用大模型AI服务为主的基础层、以垂直行业领域AI服务为主的行业层和以大模型应用服务为主的应用层,三层服务相互促进,协同优化,共同支撑产业转化和发展。    《白皮书》对北京市大模型应用案例进行了梳理,从政务、金融、医疗、传统产业赋能、文化旅游、智慧城市等六个行业领域切入,围绕创新性、示范性、经济与社会效益性、可推广性等四个维度,选取衔远科技、360、瑞莱智慧、旷视、百度等18个典型案例,详细分析了各领域用户需求、解决方案、项目成果。如衔远科技围绕北京一轻科技集团在市场需求跟踪、新型产品研发等方面需求,打造品商大模型示范应用,形成商品智能反向定制、预测性生产、智能调度、智能营销等服务功能,加速消费制造领域全链路数智化升级;360围绕银行在数字化转型方面需求,打造金融领域大模型,实现员工平均办公文档处理时间减少40%等。基于案例分析,《白皮书》进一步提出了目前大模型应用落地面临的挑战。一是算力资源供不应求,成为大模型企业创新研发的重要挑战。二是高质量数据成为严重掣肘大模型行业应用的关键。三是大模型幻觉问题有所改善,但离规模落地尚有差距。四是大模型应用存在“蹭热度”和同质化情况。 附件:北京市人工智能行业大模型创新应用白皮书(2023年)