摘要：我国人工智能技术和产业已经取得了长足的发展，相信“十五五”期间，人工智能技术创新将进一步加快，产业规模持续扩大，并涌现出一批发展潜力大的优质企业和产业集群，成为引领经济高质量发展的重要引擎。
前言
我国人工智能技术和产业已经取得了长足的发展，相信“十五五”期间，人工智能技术创新将进一步加快，产业规模持续扩大，并涌现出一批发展潜力大的优质企业和产业集群，成为引领经济高质量发展的重要引擎。
一、人工智能市场发展规模逐步上升
受益于国家政策的支持，以及资本和人才的驱动，我国人工智能产业蓬勃发展，已步入世界前列。根据中国信通院发布的数据，我国人工智能产业规模从2019年开始快速增长，初步统计，2023年规模达到5784亿元，增速放缓至13.9%。
中投产业研究院发布的《“十五五”中国未来产业之人工智能行业趋势预测及投资机会研究报告》指出，我国初步构建了较为全面的人工智能产业体系，2024年，相关企业超过4500家，核心产业规模接近6000亿元，产业链覆盖芯片、算法、数据、平台等上下游关键环节。截至2024年6月，我国已有2.3亿人使用过生成式人工智能产品，占整体人口的16.4%。
单位：亿元
注：中国信通院对人工智能产业市场规模测算口径包括人工智能核心产业市场规模及带动产业市场规模，即包括人工智能硬件、软件及服务市场。
数据来源：中国信通院、中投产业研究院整理
二、人工智能应用领域分布
人工智能应用领域包括企业智能管理、智慧城市、智能制造、智能网联汽车、智能硬件、智能营销与新零售、智能金融、智能医疗、新媒体和数字内容、智能交通、智能教育、网络空间安全、智能能源、智慧政务、智能物流、智能家居、智慧文旅、智能安防、智能农业、AI for Science在内的20个细分场景。其中，在AI for Science领域的应用已成为新增的尤为关键的应用赛道之一。
从技术合作密度的应用领域分布看，排名第一的是企业智能管理，占比11.83%；排名第二的是智慧城市，占比11.01%；排名第三的是智能制造，占比10.75%；排名第四和第五的分别是智能网联汽车和智能硬件，占比分别为8.65%和7.69%。
数据来源：《中国新一代人工智能产业发展2024年》，中投产业研究院整理
三、国内人工智能总体投融资规模
中投产业研究院发布的《“十五五”中国未来产业之人工智能行业趋势预测及投资机会研究报告》指出，尽管融资事件数量有所下降，但资本对AI的热情不减。IT桔子的数据显示，2024年，AI领域的融资金额同比增长78%，达到4839.64亿人民币。这一现象表明，投资者对于AI的长期增长和变革潜力持续看好，愿意为那些展现出成熟商业模式和市场竞争力的企业投入更多资金。
单位：起
注：2025年数据截至1月3日。
数据来源：IT桔子，中投产业研究院整理
单位：亿元
注：2025年数据截至1月3日。
数据来源：IT桔子，中投产业研究院整理
四、人工智能投资机会分析
从投资机会分析看，四个领域投资被追捧。中投顾问从市场进入空间、价值爆发时间点、技术成熟度、产业投资回报率等四个方面进行评价。通过综合比较分析，认为深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个领域。
从产业投资回报率分析，机器视觉值得投资。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇，在软件图像识别领域，尤其以face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。
从技术成熟度分析，深度学习值得投资。前瞻性的对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习已经为人工智能产业刮起了强劲飓风，深度学习正处在面临爆发的临界点。
中投产业研究院发布的《“十五五”中国未来产业之人工智能行业趋势预测及投资机会研究报告》指出，从应用和技术自主度分析，服务机器人和智能无人设备值得投资。对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。
五、人工智能总体发展趋势
OpenAI前首席科学家Ilya Sutskever对现代AGI的发展有着深刻的思考，他认为深度学习或者神经网络是Digital Brains，自监督学习能够通向AGI。随着算力的提升和数据的进一步扩展，AGI发展趋势越来越快。进一步考虑AGI的研究与开发，特别是关于如何以负责任的方式推进AGI的发展，仍然有大量的研究问题亟待解决，虽然这些问题可能目前没有明确的答案，但持续探索如何克服现有的假设的限制，有助于我们更接近实现AGI的目标。
（一）自回归生成与AGI的关系
自回归生成，特别是基于next-token预测的方法，已成为许多成功大型基础模型的核心。这种自监督学习形式通过预测文本中的下一个单词，能够完成从语法到常识推理的一系列任务。然而，关键问题在于，这种方法是否能够捕捉到知识的全部谱系，包括直觉、情感等隐性知识，并学习所有因果关系。这是一个持续争论的话题。
（二）扩展定律的极限
扩展定律表明，随着模型规模的增加，回报递减，需要更多的资源来实现改进。某些能力，如创造性思维和伦理推理，可能无法仅通过规模扩展获得，因为它们需要更复杂的机制。这强调了开发可扩展模型架构和获取高质量数据的重要性。
（三）合成数据的优势与风险
AGI的成功依赖于访问大型、多样化和高质量的数据集。合成数据提供了一种大规模生成人工数据的方法，但同时也带来了挑战，如传播偏见或误导性信息。未来的研究应专注于提高合成数据的质量，增强其多样性，并探索其适用的比例法则。
（四）计算优越性与智力优越性
在棋类游戏等领域，基于搜索的计算已经具有超越人类的表现。然而，这种计算优势是否等同于真正的智能仍然是一个争论点。大语言模型系统虽然不具备通用计算搜索能力，但许多人认为它与其他人工智能系统具有同等智能水平。
（五）走向完全自治的道路
随着向AGI迈进，对AI系统自主学习新技能和创新工具的期望增加。这需要复杂的自我评估能力，应重视自律、安全和风险预防措施的重要性。
（六）将人类价值观融入AGI
AGI的发展为将道德原则编码到智能形式中提供了机会。有道德的AGI系统将能够应对复杂的道德景观，并做出反映全球文化多样性价值的决策。
（七）平衡风险与收益
随着AI技术的进步，需要更加重视安全和道德约束。虽然有呼声要求停止可能导致AI失控的研究，但也需要确保AI的有益潜力得到挖掘。我们提倡负责任地推进AI的发展，确保所有强大的系统都以负责任的方式构建和部署。
来源：中投顾问一点号
