產業需求及催化

　　需求：一是政策強導向，2025年大型煤礦智能化，2035各類煤礦智能化；二是礦山危險大、招工難，無人化是訴求

　　催化：一是華為、運營商等ICT商涌入催熱市場；二是大模型推動礦山AI開發從“作坊式”到“工廠式”升級

　　趨勢：一是AI應用深入采掘、運輸、洗選等縱深環節；二是“機器換人”迫切性高，安控和掘進類機器人提速

　　投資邏輯及空間

　　煤炭的能源消費主體地位+能源安全“兜底保障”；②煤炭保供穩價，誘發行業進入新一輪擴產能周期

　　高盈利周期下，智能化投資意愿加強，智能礦山建設明顯提速；④5G、AI、自動控制等新技術為礦山智能化轉型提供關鍵引擎

　　礦山智能化滲透率低，單礦井投資上億，市場空間數千億；⑥礦區無人駕駛+煤礦機器人，具備高速增長潛力

　　價值拆解及競爭格局

　　終端側：復雜環境帶電終端需隔爆、本安特殊處理；②網絡側：生產、通信、物聯、定位等一張融合專網

　　平臺側：統一融合的綜合管控平臺是智能化礦山的核心大腦；④應用側：安全監測、生產控制、經營管控是礦山智能化的關鍵環節

　　競爭格局：終端、應用層壁壘較高，ICT廠商競相涌入網絡、平臺層市場 　

一、 產業端看好人形機器人商業化， 投資端看好核心零部件 　　隨著特斯拉人型機器人產業化推進、 ChatGPT等AI技術加速， 人工交互及人工智能成為一大趨勢， 人形機器人作為“ 具身智能” 最理想載體， 站在多重產業共振的交匯點， 有望引領未來產業變革。特斯拉作為目前人形機器人技術領先廠商， 基于FSD自動駕駛技術可遷移性、 具備工廠應用場景的特點， 解決了此前人型機器人產業化的兩大痛點， 產業端看好Tesla Bot突出重圍。為了實現人形機器人2萬美金/臺的平價目標， 產業化過程中離不開國產硬件供應鏈的支持， 沿著產業鏈降本主線脈絡， 投資端我們看好核心零部件。從市場規模看， 按照短中長期分場景滲透率， 即初期特斯拉超級工廠人數5%、 中期工業及服務業人數5%-8%、 長期家庭戶數15%-35%測算，未來人形機器人市場規模有望達到萬億+級別， 其中人形機器人零部件價值量占比61%， 拉動機器人零部件萬億藍海賽道啟航。 　 　　二、 人形機器人產業鏈縱析， 尋找供應鏈“ 隱形冠軍” 　 　　按照一臺人型機器人成本2萬美金， 我們預計核心零部件價值量占比排序如下：①FSD系統占比39%， 即自動駕駛系統系統+D1超算芯片， 組成核心控制系統， 相當于機器人“ 大腦” ， 為特斯拉核心能力體現， 自研為主；②電機占比19%， 包含28個應用于大關節的無框電機， 12個應用于手指的空心杯電機， 價值量占比分別為15%、4%， 主要廠商包括三花智控、 鳴志電器、 鼎智科技、 拓普集團等。③減速器占比14%， 應用于16個旋轉關節， 其中包括12個諧波減速器+4個行星減速器， 主要廠商為綠的諧波、 雙環傳動、 中大力德等；④行星滾柱絲桿占比9%， 應用于12個線性關節， 主要廠商為拓普集團、 秦川機床等；⑤傳感器占比3%左右， 包括視覺傳感及力傳感器， 主要廠商包括奧比中光、 舜宇光學及柯力傳感等。 　

虛擬人產業受技術與需求驅動，擬人化是重要發展方向：虛擬人可分為功能型與身份型虛擬人，功能型虛擬人主要以替代日常工作為主要目的；身份型虛擬人以IP形象為特征，是認知與需求的投射，市場空間更廣闊。虛擬人已進入快速成長期，AI大背景下虛擬人產業從基礎層、平臺層、應用層到交互層均迎來較大變革，傳統虛擬人已過渡至AI虛擬人時期，根據艾媒咨詢數據，到2025年虛擬人核心市場規模有望達到480.6億元。

　　AI推動虛擬人降本增效，交互能力提升，技術、應用、商業化良性循環：AI與虛擬人產業結合度持續提升，AI逐步實現虛擬人制作全流程覆蓋，虛擬人制作降本增效，AI建模、驅動替代傳統的CG建模與中之人驅動；虛擬人接入大模型大幅提升虛擬人多模態交互能力，應用場景持續拓展。AI帶來降本增效，打開虛擬人行業商業化空間，應用場景拓展進一步豐富虛擬人產業的商業模式，AI虛擬人產業有望實現商業化、技術進步、應用拓展良性循環。

　　AI驅動虛擬人應用場景加速拓展，細分賽道有望受益于AI賦能：隨著AI等技術進步對虛擬人形象與交互能力的提升，AI能夠在更多場景替代人力。廣告營銷領域，虛擬人通過第三方合作與品牌自有的形式提升營銷效果；直播電商領域，AI數字人替代真人直播，直播時長大幅提升；陪伴場景下，虛擬人交互能力提升，能夠滿足人的情感需求；泛娛樂場景下，數字人擬人化程度提升，能夠參與泛娛樂活動，實現與真人交互。 　

　AI技術發展，機器視覺正從傳統標準化場景過渡到非標準化應用場景。機器視覺行業經過多年發展，目前已被廣泛應用在各行各業，發揮著識別、測量、定位及檢測功能，但其使用場景主要聚焦在標準化檢測領域，整體呈現出自動化、標準化程度高等特點，但伴隨AI技術發展，機器視覺有望從過去標準化應用場景逐步過渡到非標準化應用場景，市場規模有望進一步打開。

　　在AI賦能下，行業有望迎來空前發展機會。（1）深度學習算法不斷迭代，人工智能生成內容百花齊放。根據GGII數據，國內機器視覺市場規模有望從21年138億元增長至25年349億元。（2）AI背景下，SAM模型應用不斷拓展。近日Meta發布SAM模型是機器視覺領域的底層突破性技術，極大降低了圖像處理門檻，有望更好推動機器視覺在下游各場景領域的應用。 　 　　國產機器視覺廠商正逐步崛起，成為國內市場中堅力量。雖然國內機器視覺行業起步較晚，但經過多年發展，目前也已陸續涌現出優秀的機器視覺廠商，逐步實現進口替代。如以光源為代表的核心零部件已逐步實現國產替代，且正往高端化趨勢發展；3D視覺傳感器正不斷探索潛在的細分領域應用，尋找潛在的增長爆點；而軟件算法亦伴隨AI技術發展不斷升級更新。我們認為：伴隨以SAM模型為代表的AI技術發展，軟件算法門檻有望極大降低，因此更應該關注具備核心技術能力 　

海外發展：現階段海外大模型發展領先，GPT4已呈現出色的內容生成與交互能力，Google、Meta等也已發布相關產品，預計將帶來可觀的增量市場與效率提升，已給相關應用（微軟、彭博等）帶來巨大變化，預計相似的變革也將在國內發生。

　　國內大模型：國內成熟大模型落地具備較好的條件：業內已有相對成熟的方法路徑（Transformer等）、大模型（GPT2、Meta-LLaMA等）及相關數據基礎，而芯片短期看并未成為發展限制，百度、阿里、字節、華為、騰訊等巨頭均加速布局，百度、阿里、商湯發布大模型且迭代進展迅速，預計國內GPT3級模型或在不久的將來出現，對國內產業鏈形成巨大影響。 　 　　應用場景展望：考慮現階段國內大模型未完全成熟，因此更多是借鑒海外路徑演繹國內發展。目前看海外應用端已經百花齊放，辦公、搜索、教育、對話社交、游戲、金融、電商、圖片視頻等領域已出現大量產品創新，GPTplugin插件推出后相關產品和場景有望進一步擴展。 　 　　投資策略： 　　1）大模型環節：具備哪些稟賦的企業更可能在大模型競爭中脫穎而出？我們認為，大模型整體來說還是大廠的生意，綜合算力資源、算法人才、數據積累及產品先發四個核心要素，目前百度領先，關注字節、阿里、華為、騰訊等企業進展。 　 　　2）應用場景環節：具備哪些稟賦的企業能夠在技術變革下守住基本盤并更上一層樓，而哪些企業可能面臨被替代的風險？我們認為，有以下稟賦的企業：①原有產品場景壁壘高，且受益于AIGC出色的信息獲取、內容生成能力；②有獨特垂直的高質量數據；③有用戶粘性與深度；④本身有較強的AI技術研發與落地能力；加持自有大模型或外部模型API有望上臺階，關注騰訊、阿里、百度，以及游戲、金融、教育、辦公等垂直領域有高質量數據與場景的優質企業。反之，如無上述稟賦，或面臨被大模型降維競爭風險。 　

ChatGPT與工業的結合將以何種技術路徑呈現？

　　宏觀而言，ChatGPT的推出標志著人工智能進入加速發展階段。在數字經濟的發展背景下，工業數據潛在價值凸顯，ChatGPT助力人工智能技術與工業深度融合，進而將推動工業4.0加速落地。 　　具體而言，有望沿著三個方向進行技術演化：①挖掘數據價值并生成工業模型；②憑借優異的代碼開發能力降低工業軟件編程門檻；③憑借NLP（自然語言處理）優勢提升人機交互能力。 　　我國工業發展階段：工業3.0已趨成熟，工業4.0由萌芽期即將步入高速成長期。 　　2013-2015年是我國工業3.0大發展時期。2012年對應我國勞動力人口的“劉易斯拐點”，人口紅利消失直接催生了工業機器人行業的爆發式增長。 　　工業機器人是衡量工業自動化/信息化水平的重要指標。2021年我國工業機器人密度為322臺/萬人，達全球第五，保有量全球占比34.91%；2013年以來，與之配套的自動化生產、檢測、物流、倉儲均得到了極大發展。 　　2015年中國工業4.0開始萌芽。繼2012年美國提出先進制造業戰略、2013年德國提出工業4.0后，2015年5月我國國務院提出“中國制造2025”，標志著我國工業4.0的萌芽。 　　工業軟件作為工業4.0時代的核心產品，是衡量工業智能化/數字化水平的重要指標。2020年我國工業增加值占全球比例為24.97%，工業軟件市場規模占全球比例為15.00%，工業軟件發展與整體工業規模尚不匹配。 　　復盤2013-2015年“十倍股”機器人（300024）的市場表現，對當下投資的啟示。 　　新松機器人市值增長了約10倍，其中21%來自于業績增長的貢獻，79%來自于估值的提升（37X——253X）。 　　為何是新松？①新松是工業3.0時代硬件技術的典型代表，進而承載了彼時對工業4.0朦朧認知的審美；②占據產業高點，龍頭屬性突出；③歷史業績成長性良好，2009-2015H1均延續了業績正增長。 　　結論：建議從技術屬性、龍頭地位、業績成長三方面選擇賽道和個股。 　　技術屬性：ChatGPT與工業結合的三大技術演化方向，就是可選賽道的技術特征點，這決定了β屬性。 　　競爭格局：龍頭公司優秀的競爭格局和頭部效應，是α邏輯兌現的保障。 　　業績成長性：業績成長確定性將提供安全邊際。 　　受益標的：景嘉微、中控技術、川儀股份、億嘉和、景業智能、邁赫股份、埃斯頓等。 　　工業軟件：工業軟件能力成為衡量工業4.0時代企業核心競爭力的重要指標，未來高端工業軟件的研發和突破是我國邁向工業4.0的必經之路。 　　服務機器人：2022年服務機器人占比首超工業機器人，GPT等人工智能技術將為服務機器人的交互帶來質變，服務機器人行業將迎拐點。 　　特種機器人：GPT類技術將使特種機器人擁有更高的自主性和適應性，以及更優秀的協作能力，行業有望持續高增。 　　工業機器人：近年我國政府及相關部門出臺了一系列政策，鼓勵工業機器人產業發展，5G、云計算、AI等技術變革將助推工業機器人加速實現國產化、智能化、高端化。 　　基于機器人平臺的工業旅游項目：我國工業旅游具有廣闊發展空間，ChatGPT助力實現自然的人機交互，增強工業旅游體驗，引領行業新未來。 　　GPU：GPU是人工智能發展過程中的算力底座，在ChatGPT等NLP語言模型升級過程中，GPU行業也將迎來歷史性的上升通道。 　　傳感器：工業4.0轉型過程中，傳感器是感知層核心設備，進口替代需求迫切，GPT類技術為高端工業傳感器帶來新機遇。

專知便捷查看

便捷下載，請關注專知公眾號（點擊上方藍色專知關注）

后臺回復或發消息“G362” 就可以獲取《【干貨書】生成式對抗學習:架構與應用，362頁pdf****》專知下載鏈接

專知，專業可信的人工智能知識分發，讓認知協作更快更好！歡迎注冊登錄專知www.zhuanzhi.ai，獲取100000**+AI**(AI與軍事、醫藥、公安等)主題干貨知識資料！ 歡迎微信掃一掃加入專知人工智能知識星球群，獲取最新AI專業干貨知識教程資料和與專家交流咨詢！ 點擊“閱讀原文”，了解使用**專知，查看獲取100000+AI主題知識資料**

行業特征：歷經多場實戰檢驗，無人機深度應用帶來軍事領域劃時代的深刻變革。

　　無人機本質上促進殺傷鏈閉環時間的極限壓縮，已是信息化戰場中不可或缺的作戰裝備。全球軍用無人機市場規模可觀，中國增長潛力尤為突出。TrendForce預測，2025 年全球軍用無人機市場規模將增長至 343 億美元，2022-2025 年復合增長率達 27.6%。MarketsandMarkets 預測，2025 年我國軍用無人機市場規模將達到 98.66 億美元，2018-2025 年復合增長率約為 29.7%。未來軍用無人機行業將朝著低價高效、多極化、智能化、綜合化和空間化方向發展。 　 　　系統與價值拆分：無人機高技術壁壘的核心在于動力技術，光電、雷達等傳感器技術，通信數據鏈以及人工智能等技術，這些領域的發展將帶來顯著的價值拉動效果。對我國大型固定翼無人機成本進行粗略測算，無人機直接原材料中成本占比最高的是機載成品系統（占比約 66%），該系統中成本占比前三的依次是光電吊艙（占比約 25%）、合成孔徑雷達（占比約 24%）、重油發動機（占比約 4%）。 　 　　行業需求：國防預算穩健高增速夯實軍隊“購買力”，無人機需求有望見拐點、增長空間廣闊。1）國內軍隊列裝是無人機內需的重要來源：錯綜復雜的國際形勢以及我國國防和軍隊現代化建設要求激發了我國對軍用無人機質量、數量和創新研發的巨大需求。2）民用領域無人機需求日漸增長：Frost & Sullivan 預計2024 年我國工業級無人機市場規模將增長至約 1508 億元。3）外需旺盛：我國是全球軍用無人機出口第三大國，俄烏沖突背景下對俄式武器產生替代可能。 　 　　行業供給：依托軍工小核心大協作體制、低成本競爭優勢、多樣化產品迭代以及規模優勢推動技術進步四大基石，我國已打通產業鏈正向循環模型，無人機生態日漸繁榮。1）競爭格局方面，我國位列全球軍用無人機第一梯隊，已成為名副其實的無人機強國。2）國防軍工板塊預收賬款和合同負債余額的高增長預示行業整體訂單充足。產業鏈方面，軍用無人機企業訂單飽滿，未來 5-10 年行業供給將呈現更高的結構性增長。下游整機制造企業作為產業鏈“鏈長”，最先接觸訂單，將明確受益于行業景氣度并帶動全價值鏈增長。 　

來源：中國信息通信研究院 　　日前，在“2022可信AI峰會”上，中國信息通信研究院云計算與大數據研究所所長何寶宏正式發布并解讀了“2022 人工智能十大關鍵詞”。 　

　　關鍵詞一：大模型

　　大模型技術創新和工程落地齊頭并進，掀起行業大模型落地熱潮。大模型的更新迭代速度不斷加快，開始從“可用”的基礎大模型轉向為“好用”的行業大模型。 　　在技術創新方面，大模型的網絡構建、模型訓練、算法調優等技術趨于成熟，持續提升其通用性和泛化性，已初步具備通用智能雛形。例如，近期開源的NLLB可支持200種語言的相互翻譯。 　　在工程落地方面，已初步形成大模型As a Service的應用模式，加速向互聯網、ICT、金融、政務等垂直行業滲透。為支撐應用方更便捷地開發和部署大模型，多家頭部企業發布了行業大模型及開發工具。 　　 　關鍵詞二：生成式AI

　　生成式AI開辟AI創作能力，加速AI與數據要素深度融合。近幾年生成式AI的技術能力越來越成熟，可生成逼真且富有創意的多模態數據，形成自動寫作、代碼生成、數字人等典型的應用形態，已連續兩年入選《人工智能技術成熟度曲線報告》。 　　在技術方面，生成式AI借助生成對抗學習等技術，能夠生成更加真實、更有創意、更有趣味的內容。例如，2017至2022年，在圖片生成權威榜單上，真實度和趣味度綜合評分提升了近5倍。 　　在應用方面，生成式AI既是生產要素，也是生產工具。除了圖像生成以外，在寫作和編程等方面也取得進展。 　 　關鍵詞三：AI4S（AI for Science）

　　AI for Science在多個傳統科學領域取得重大突破。隨著人工智能技術的快速發展和大規模應用，AI在逐漸成為科學研究新的生產工具，AI4S將進一步釋放科學研究的生產力，促進人工智能的工程落地。 　　一方面，AI與傳統科學領域的深度融合，極大拓展該領域解決問題的能力，目前AI在生物、數學、材料、物理、基因、化學等基礎科學領域都取得了諸多成果和突破，并對科學研究范式產生了深刻的影響，例如，目前人工智能已經能夠預測幾乎所有的生物蛋白質的可能結構，被譽為人類在21世紀取得的最重要的科學突破之一，可能開啟“數字生物學”的新時代。 　　另一方面，傳統科學領域的進步和對AI技術的需求加速了AI本身的發展。當前產學研共同發力人工智能與科學的融合，產業界聚焦工具創新，開源工具和基于開源工具產生的創新成果呈爆發趨勢，AI4S的研究范圍也擴展到了更多基礎問題領域。高校和研究院聚焦算法和應用，用AI算法更好地將科學計算和物理模型相連接，進而指導科學與產業創新。 　 　關鍵詞四：知識驅動AI

　　知識驅動助力人工智能認知能力的提升，滿足人工智能深入各個行業不同應用場景的需求。隨著深度學習與知識圖譜等多重技術的深度融合，綜合利用大量知識數據中的因果和邏輯關系，可以助力人工智能認知能力的提升，來解決人工智能深入各個行業時場景復雜、可解釋性較低等問題。 　　在技術方面，知識和數據雙輪驅動的人工智能技術路線展現了強勁的發展潛力，知識的融合應用有效地提升了智能問答、智能推薦、大規模預訓練模型等人工智能技術中的效果。文心大模型、孟子大模型等均嘗試利用知識增強技術路線提升效果。 　　在應用方面，知識與人工智能的融合拓展了人工智能的應用范圍，促進形成知識凝練、知識流轉、知識賦能閉環，推動數字化發展下行業與企業各類知識的沉淀、流轉，顯著提升實際場景的智能應用水平。 　　 　關鍵詞五：超級自動化

　　超級自動化已經成為企業即開即用、敏捷配置的數字化轉型工具箱。經過一年多的發展，超級自動化有了很多新的價值。在概念深化方面，中國信息通信研究院在今年發布的《超級自動化技術與應用研究報告（2022）》中首次對其主要概念進行了深入剖析和理解，認為“超級自動化是多種技術能力與軟件工具組合，覆蓋了自動化從需求發現到應用實踐的全流程”；在技術發展方面，機器人流程自動化、智能流程管理、低代碼應用平臺、流程挖掘等工具和平臺，銜接起了企業級各類復雜業務場景，其綜合應用、交互使能是超級自動化發揮效能的重要手段。 　　人工智能、大數據、云計算等技術作為底座，為超級自動化發展注入了源源不斷的強大動力；在應用拓展方面，政府和企業使用超級自動化技術開始呈現出全面爆發的狀態。例如，日本全面引入RPA實現政務的數字化轉型，據統計各級政府的引入率已經超過90%。同時，產業創新層面，領先的RPA企業都不再局限于RPA或流程挖掘等單點能力的輸出，而是圍繞信通院提出的超級自動化技術與工具體系，開始由點及面的建立起立體服務架構。 　 　關鍵詞六：人工智能中臺

　　人工智能中臺重塑企業智能化轉型的能力底座。隨著企業從重視人工智能的“研發”，到“研發-運營”并重，AI開發平臺也逐漸向AI中臺演進。 　　理念層面，AI中臺更加重視管理和運營，技術層面，AI中臺高度集約了AI能力，具有規模化、標準化、可擴展等特點。其中，規模化是指整合了豐富的人工智能開發、部署、測試、運維等能力，標準化是指將異構的軟硬件環境封裝為標準化的界面，可擴展是指可以不斷適配新的技術和工具，保證AI技術的動態演進。 　　通過與數據中臺、云平臺、業務中臺、運營平臺的打通，AI中臺正在加速融入企業的技術平臺體系中。當前階段，大型的行業企業正在積極構建AI中臺體系，通過高效的組織管理實踐，推動全場景全領域的AI賦能。 　 　關鍵詞七：MLOps

　　MLOps落地開花，AI資產沉淀和治理成為實踐新風向。隨著業界對人工智能研發效率、團隊協作、安全保障等需求進一步提升，整個MLOps產業實踐呈現出“內涵很明確、落地很困難”的現狀。 　　從技術內涵來看， MLOps的核心和要求已明確，即圍繞“一個基礎、兩個關鍵、三個提升”，逐步建設從需求、開發、交付到模型運營的全生命周期運營管理機制。一個基礎是指持續交付，通過搭建工廠流水線式的模型生產方式，提高規模化生產效率。許多頭部企業都已開始實踐模式的持續交付，部分企業模型研發效率提升超過40%。兩個關鍵是指持續訓練和持續監控，通過持續訓練和持續監控搭建高效閉環的運營管理體系，提高機器學習可觀察性，保證模型質量，增加賦能效果。 　　三個提升是指數據管理、特征管理、模型管理能力的提升。對數據、特征和模型等AI資產加以沉淀、安全管控和風險治理，提升企業級AI治理能力，已成為MLOps新風向。 　　從落地現狀來看，持續交付、持續訓練、持續監控和模型治理難度依次提升，產業界當前尚處在提升持續交付和持續監控能力過程中，模型治理等僅有少量探索，未來仍然是AI工程化的重點方向。 　　此外，MLOps的工具市場持續火熱，端到端的MLOps一體化工具和細分場景的專項工具都非常火熱，端到端工具追求大而全的功能集，專項工具在局部或某些場景下功能和性能較好，例如流水線編排、模型監控、特征存儲、可觀測等工具，未來MLOps相關工具可能會成為AI軟件市場的重要賽道。 　 　關鍵詞八：人工智能新基建

　　AI軟件設施加速新基建的賦能效應。自2018年新基建的概念提出以來，政產學研用多方主體發力建設人工智能基礎設施，AI新基建的內涵也在這個過程中逐步明晰。 　　AI新基建主要包括數據基礎設施、算力基礎設施和AI軟件設施。數據和算力基礎設施非常重要，但是如果沒有軟件設施作為連接樞紐，則難以充分發揮人工智能的賦能效應，支撐起豐富的AI應用和服務。 　　因此，AI軟件設施在近兩年成為產業焦點，AI開源框架生態、預訓練大模型體系、AI軟件平臺生態等內容都得到了長足的發展。 　　AI新基建的愿景是讓AI像水、電一樣成為觸手可得的普惠資源：政策層面，國家以及各行業的“十四五”規劃相繼對人工智能新基建提出指導意見，不斷推動新基建的落地應用；產業層面，頭部科技企業聯合地方政府，積極建設運營區域性基礎設施，不斷加速AI生態的培育。

　　關鍵詞九：企業智能

　　企業智能化建設手段與方法實現全新變革，逐漸向全場景、全流程、全層級深度融合應用轉變。隨著智能化技術的不斷發展和應用深入，企業智能建設從部分場景、外部維護、單點優化逐漸向系統化、全面化轉變，通過智能基礎設施和智能應用雙驅重塑企業智能化發展勢能。 　　一方面，企業建設完善人工智能中臺、知識中臺、大模型等智能基礎設施，筑牢了企業智能的底座、打造了企業的知識大腦、拓寬了企業的全新賽道，整體上夯實了企業智能化發展的根基。例如國有六大銀行、電力、石油等大型央企都已經建設了各類智能基礎設施，并依托該設施為企業的智能轉型提供支持。 　　另一方面，智能文檔處理、智能會議、知識管理、智能客服等各類企業智能應用不斷發展，全面賦能企業辦公、管理、決策、風控、營銷、服務等各個環節，促進業務的數據化與知識化、工作流程的信息化與智能化。智能基礎設施和智能應用相輔相成，智能基礎設施促進智能應用的敏捷高效，智能應用助推智能基礎設施底座的升級優化，共同推動企業智能化的加速發展。 　 　關鍵詞十：可信落地

　　可信AI由理論研究邁向工程化落地。隨著人工智能技術的快速發展，社會各界對可信AI研究已經從理論探索逐步走向工程化落地實踐。政府與研究機構相關政策和規范從宏觀指導，開始向可操作、可落地的規范演進。在法律監管層面，各政府部門的法規政策愈發重視實施和操作。例如新加坡于5月出臺世界首個AI治理測試框架及工具包；英國6月宣布首個人工智能倫理和監管的重大研究計劃。 　　在行業可信實踐層面，各國研究機構紛紛開展可信AI技術研究及標準制定工作，為業界提供評估準則并聚焦準入落地。如英國BSI與艾倫圖靈實驗室合作開發技術標準改善人工智能治理，美國NIST發布《人工智能偏差識別和管理標準》和《AI風險管理框架（草案）》，為企業和機構的AI風險管理提供了大量可參考的要求和指導。 　　在企業可信實踐層面，產業界從企業戰略管理和技術工具研發創新雙線并進，加速了可信AI在企業的落地實踐。如頭部科技企業先后發布了AI治理戰略和治理體系，成立了相關委員會和工作組，聚焦企業層面的AI治理和風險管理體系。同時可信AI技術和保障工具也在蓬勃發展，各大企業積極研發可信產品應用，也開源了一批聚焦隱私性、魯棒性、安全性、可解釋性、公平性等可信能力的測試工具。

《人工智能白皮書（2022年）》發布

人工智能技術是釋放數字化疊加倍增效應、加快戰略新興產業發展、構筑綜合競爭優勢的必然選擇。縱觀全球，國內外人工智能相關不斷強化，持續推動釋放人工智能紅利；以深度學習為代表的人工智能技術飛速發展，新技術開始探索落地應用；工程化能力不斷增強，在醫療、制造、自動駕駛等領域的應用持續深入；可信人工智能技術引起社會廣泛關注。人工智能治理受到全球高度關注，各國規制進程不斷加速，基于可信人工智能的產業實踐不斷深入。

近日，中國信息通信研究院正式發布《人工智能白皮書（2022年）》，全面回顧了2021年以來全球人工智能在政策、技術、應用和治理等方面的最新動向，重點分析了人工智能所面臨的新發展形勢及其所處的新發展階段，致力于全面梳理當前人工智能發展態勢，為各界提供參考，共同推動人工智能持續健康發展。

**政策層面，**國內外不斷強化人工智能的戰略地位，推動釋放人工智能紅利。**技術及應用層面，以深度學習為代表的人工智能技術飛速發展，新技術開始探索落地應用；工程化能力不斷增強，在醫療、制造、自動駕駛等領域的應用持續深入；可信人工智能技術引起社會廣泛關注。與此同時，治理層面工作也受到全球高度關注，各國規制進程不斷加速，基于可信人工智能的產業實踐不斷深入。 **人工智能開始邁入全新階段

白皮書認為，未來人工智能除了重視技術創新以外，還更加關注工程實踐和可信安全，這也構成了新的“三維”發展坐標，牽引人工智能技術產業邁向新的階段。