第五章 机遇来临：AI先行的创新与创业（第11/14页）

四、可复用和标准化的技术框架、平台、工具、服务尚未成熟：虽然Tensor Flow、Caffe、MXNet等深度学习框架已被数以万计的研发团队采纳，相关开源项目的数量也在飞速增加，但一个完整人工智能生态所必备的，从芯片、总线、平台、架构到框架、应用模型、测评工具、可视化工具、云服务的模块化与标准化工作，尚需3年或更长时间才能真正成熟。

五、一些领域存在超前发展、盲目投资等问题：目前的人工智能技术只有在限定问题边界、规范使用场景、拥有大数据支持的领域才能发挥最大效能。但创投界存在盲目追捧，不顾领域自身发展程度，或利用人工智能来包装概念等现象。由此产生的盲目创业和投资问题虽非主流，但仍有可能阻碍整个行业的健康发展。

六、创业难度相对较高，早期创业团队需要更多支持：与互联网时代、移动互联网时代的创业相比，人工智能创业团队面临诸多新的挑战。例如，对高级人才较为依赖，科学家创业者自身的商业实践经验较少，高质量大数据较难获得，深度学习计算单元和计算集群的价格十分昂贵，等等。

AI是中国创新、创业的最好机会

如前所述，AI创业既客观存在局部过热的泡沫，也有巨大的潜能尚待挖掘。总体来说，目前的人工智能大格局中，机遇是主旋律，泡沫和危机是必须克服的局部挑战。这一格局在全球如此，在中国亦如此。

而且，若专就中国AI创业环境来说，人工智能更是助力中国科技腾飞的最好机会之一。互联网和移动互联网时代，中国科技精英已经用淘宝、微信、摩拜单车等“中国创新”让世界看到了我们的创造力和执行力。人工智能时代，中国的人才优势、市场优势、资金优势、坚持多年创新的商业模式优势等，都是人工智能最好的生长土壤。如果措施得当，行动高效，中国甚至有可能借人工智能技术全面占据信息科技的制高点，在创新、创业领域真正成为引领者而不是跟随者。

AI领域，中国人/华人已是科研中坚

2016年，美国白宫发布的《国家人工智能研究与发展策略规划》报告从Web of Science核心数据库里查询提到“深度学习”或“深度神经网络”的文章，统计其数量变化趋势。报告说，从2013年到2015年，SCI收录的论文里，提到“深度学习”的文章增长了约6倍，同时强调：“按文章数计算，美国已不再是世界第一了。”

美国不是世界第一？谁是世界第一呢？报告指出，中国发表的相关论文数量在2013年及以前还落后于美国，而在2014年和2015年，中国的相关论文数量就跃居世界第一。如果只统计论文数量，中国在AI研究领域，已经是不折不扣的领跑者了。

白宫《国家人工智能研究与发展策略规划》中的数字统计，其实还是存在一些技术上的问题，比如，直接搜索关键字“深度学习”“深度神经网络”，是否真的能涵盖这些年人工智能领域的所有科学研究进展？统计论文数量时，是否要考虑论文所发表期刊的影响因子，以便衡量论文的重要程度？

创新工场使用更严格的条件，只统计Web of Science核心数据库中SCI影响因子较高的人工智能期刊中的论文，并在主题上涵盖人工智能相关的所有科研领域，做了一次独立的数据分析。

根据创新工场的统计，在2006年到2016年的时间段里，近两万篇顶级的人工智能文章中，由华人贡献的文章数和被引用数，分别占全部数字的29.2%和31.8%。近10年，华人用五分之一左右的作者人数，平均贡献了三成的顶级AI研究文章和被引用数。从统计角度来看，这已经是超出平均水平的科研贡献了。

图59　华人在人工智能研究领域的贡献占比

从变化趋势看，2006年到2015年，华人作者参与的顶级AI论文，占全部顶级AI论文数量的比例，从23.2%逐年递增到42.8%。而华人作者参与的顶级AI论文被引用次数，占全部顶级AI论文被引用次数的比例从25.5%逐年递增到55.8%。

图60　华人在人工智能研究领域贡献的变化趋势

举例来说，《IEEE模式分析与机器智能汇刊》（IEEE Transactions on Pattern Analysis and Machine Intelligence，简称PAMI）在2006年到2016年，引用数很多的前500篇顶级的人工智能论文中，作者一共1220人，其中华人科学家、研究者316人，占25.9%。所有作者单独累加计算的被引用数总和是231361次，其中，华人科学家、研究者被引用数总和是63846次，占27.6%。如果单看2014年（当年华人的文章数、引用数均较高）的数据，华人科学家、研究者被引用数占51.8%，超过了半数。