近年來全球人工智能領(lǐng)域飛速發(fā)展。1998—2018 年，經(jīng)過同行評審的AI 論文（期刊論文和會議論文）增長了三倍以上。中國每年發(fā)表的AI 論文數(shù)量與歐洲持平，并于2006 年超過了美國。2014—2018 年，全球60％以上的AI 專利引用來自北美地區(qū)。2019 年，全球私人AI 投資超過700 億美元，AI 相關(guān)創(chuàng)業(yè)投資超過370 億美元，并購規(guī)模340 億美元，IPO 規(guī)模50 億美元。2010—2018 年，針對AI 初創(chuàng)公司的私人投資以超過48％的年均增長率穩(wěn)步增長。當前，人工智能已成為北美計算機科學博士生最受歡迎的專業(yè)。2018 年，超過21％的計算機科學的博士畢業(yè)生專注于人工智能/ 機器學習的研究方向，超過60％的AI 博士畢業(yè)生進入了產(chǎn)業(yè)界。與此同時，人工智能相關(guān)的社會倫理問題逐漸引起人們關(guān)注，全球新聞報道涉及的主題主要有人工智能使用的倫理框架和準則、數(shù)據(jù)隱私、面部識別的使用、算法偏見等。報告認為，人工智能對聯(lián)合國所有17 個可持續(xù)發(fā)展目標均具有適用性，但只能幫助解決169 個細分目標中約一半的目標，因此需要克服一些瓶頸以便更好地發(fā)揮AI 的作用。

1. 期刊出版物：Elsevier
據(jù)報告顯示，1998—2018 年，AI 出版物在同行評審出版物中的占比不斷提升，AI 論文[1]占全球論文總數(shù)的比例從不足1%增長到3% 左右（在期刊出版物和會議論文中的占比已分別達到3% 和9%，圖1）。歐洲在AI 論文發(fā)表數(shù)量上曾長期領(lǐng)先（2018年占全球份額達27%），而中國的AI 論文數(shù)量增長迅速，已于2006 年超過美國，目前與歐洲持平，在全球的占比從2000 年的10％增長到了2018 年的28％（圖2）。但美國在AI 文獻引用影響方面處于領(lǐng)先地位，歐洲接近全球平均水平，中國則進步較快。此外，企業(yè)與學術(shù)界合作開展AI 研究越來越普遍。

2. arXiv 上的論文[2]
報告指出，2010—2019 年，arXiv 上AI 論文發(fā)表量增加了20 倍以上，“計算與語言”（Computation and language）子類的論文提交量增長了近60 倍。自2014 年以來，“ 計算機視覺和模式識別”（Computer Vision and Pattern Recognition）一直是最大的子類，2019 年“機器學習”（Machine Learning）則取而代之（圖3）。以深度學習為例，北美發(fā)布的論文最多，其次是歐洲、亞太地區(qū)；按國別則是美國和中國排在前兩位，其次是英國、德國、澳大利亞、加拿大；按人均論文發(fā)表量則是新加坡、瑞士、澳大利亞、以色列、荷蘭和盧森堡相對較高。

3. 微軟學術(shù)圖譜（Microsoft Academic Graph，MAG）
據(jù)微軟學術(shù)圖譜數(shù)據(jù)顯示，1990—2008 年，東亞及太平洋地區(qū)的AI 學術(shù)論文所占份額逐年上升，并于2003 年超過北美地區(qū)和歐洲及中亞地區(qū)。2018 年已發(fā)表的期刊論文中有37％來自東亞及太平洋地區(qū)，有24％來自歐洲及中亞地區(qū)，而22％來自北美地區(qū)（圖4）。2015—2018 年，中國的AI 論文總發(fā)表量最多，其次是美國、印度、英國和德國。2014—2018 年，東亞及太平洋地區(qū)的AI 期刊論文引用量最多，占全球引用量的32.1％，其次是歐洲及中亞地區(qū)和北美地區(qū)，分別占31.4％和27.1％（圖5）。

AI 技術(shù)專利可以衡量AI 在行業(yè)中的活動及其對產(chǎn)品的潛在影響。圖6 顯示了1990—2018 年全球MAG 在MAG 中的AI 專利份額。超過51％的已發(fā)布AI 專利歸于北美，歐洲及中亞地區(qū)的份額下降到23％，與東亞及太平洋地區(qū)所占份額接近。2015—2018 年，AI 專利發(fā)布數(shù)量最多的是美國，其次是日本、法國、加拿大和德國；超過94％的AI 專利授權(quán)來自高收入國家，4% 來自中高收入國家。2014—2018 年，全球AI 專利引用量的60.4％來自北美地區(qū)，其次是東亞及太平洋地區(qū)和歐洲及中亞地區(qū)，分別為22.1% 和14.9%（圖7）。

4. AI 研發(fā)中的女性研究人員
報告指出，AI 研究人員的性別多樣性存在國際差異，地理位置和研究領(lǐng)域都會對此產(chǎn)生影響。2000—2018 年，擁有女性作者的AI 論文比例發(fā)生了變化，歐洲有所增長，而美國略有下降。許多西歐國家及阿根廷、加拿大和伊朗在AI 研究中都表現(xiàn)出了相對較高的女性比例。在荷蘭和丹麥，至少有一位女性合著者的AI 論文比例分別在41％和39％以上，葡萄牙、西班牙、法國、比利時、意大利、愛爾蘭、匈牙利、阿根廷、加拿大、伊朗等國家也有30% 以上，而日本和新加坡則只有10％和16％的AI 論文中有女性作者。
二、AI 會議

1. 參與度

報告顯示，AI 會議的規(guī)模和聲望都在提升，參會人數(shù)顯著增加。神經(jīng)信息處理系統(tǒng)大會（Conference and Workshop on Neural Information Processing Systems，NeurIPS）、計算機視覺與模式識別大會（Conference on Computer Vision and Pattern Recognition，CVPR）、國際機器學習大會（International Conference on Machine Learning，ICML）是與會人數(shù)最多的三個大型AI 會議，2019 年的參會人數(shù)分別達到了13500 人、9227 人和6400 人，NeurIPS 和ICML 的規(guī)模增長最快，均比2012年增長了8倍多，CVPR 也增長了5倍多。小型AI 會議如國際學習表征會議（International Conference on Learning Representations，ICLR），2019年的參會人數(shù)已是2014年的15倍以上。
2. 美國人工智能協(xié)會論文統(tǒng)計
美國人工智能協(xié)會（Association for the Advancement of Artificial Intelligence，AAAI）年會是運行時間較長的AI 會議之一。統(tǒng)計結(jié)果顯示，AAAI 的會議論文中，中國提交和接受的論文最多，其次是美國；接受率最高的是以色列（24％），其次是德國（23％）、加拿大（22％）、美國（20％）和新加坡（20％）。從論文提交和接受的情況來看，機器學習、自然語言處理和計算機視覺仍是排名前三的主題領(lǐng)域。
3. 多元化組織
機器學習女性協(xié)會（Women in Machine Learning，WiML）作為一個支持女性參與機器學習研究和發(fā)展的組織，其2018 年研討會的注冊人數(shù)已是2014 年的8 倍多。致力于將科技工作者與學生進行對接的AI4ALL（AI for ALL）項目，其參與人數(shù)已是2015 年的20 倍。類似組織的發(fā)展反映了女性和學生等新的AI 參與群體也在增長。
4. 倫理問題
報告指出，在人工智能、機器學習、機器人相關(guān)的會議和期刊論文中，含有“倫理”相關(guān)關(guān)鍵詞的論文占比雖小，但增長迅速。RightsCon 作為數(shù)字時代全球大型的人權(quán)年度峰會之一，自2017 年以來，已就人權(quán)與AI 問題的探討有了初步進展，AI 倫理議題的焦點也從算法責任和基于人權(quán)的AI 方法擴展到算法偏見和歧視、隱私和數(shù)據(jù)權(quán)以及AI 在治理、選舉、審查、貿(mào)易、就業(yè)等方面的作用。
三、技術(shù)性能

1. 計算機視覺

報告指出，依托特定數(shù)據(jù)集的建立和一些挑戰(zhàn)賽的舉辦，AI 在圖像分類、圖像生成、語義分割、視頻動態(tài)識別、多種數(shù)據(jù)類型的聯(lián)合推理等方面取得了顯著進展。例如，基于大型圖像數(shù)據(jù)庫ImageNet 的大規(guī)模視覺識別挑戰(zhàn)賽的進展表明，基于云架構(gòu)訓練大型圖像分類系統(tǒng)所需的時間從2017 年10 月的約3 個小時減少到了2019 年7 月的約88 秒（準確度達到93% 以上），圖像分類的訓練成本也大大下降。
2. 語言
報告指出，能夠理解和分析自然語言是至關(guān)重要的多用途AI 技術(shù)問題。近年來，面向語言的AI 系統(tǒng)研究取得了巨大進步。在通用語言理解評估（General Language Understanding Evaluation，GLUE）測試和超級GLUE（SuperGLUE）測試中，Google、Facebook 發(fā)布的模型在通用語言理解上已接近人類基準。斯坦福問答數(shù)據(jù)集（Stanford Question Answering Dataset，SQuAD2.0）測試結(jié)果表明，AI 在自然語言處理方面的進展迅速。此外，艾倫人工智能研究所（Allen Institute for Artificial Intelligence，AI2） 的推理挑戰(zhàn)賽（AI2 Reasoning Challenge，ARC） 和商用機器翻譯（Commercial Machine Translation，CMT）系統(tǒng)的發(fā)展表明，AI 在推理、翻譯等方面也有一定進展。
3. 計算能力
2012 年之前，人工智能的發(fā)展遵循摩爾定律，計算量每兩年翻一番；2012 年之后，計算量每3.4 個月翻一番（已增長30萬倍）。
4. 人類級表現(xiàn)里程碑
繼2017 年首份AI 指數(shù)報告列出“人類級表現(xiàn)里程碑”（Human-Level Performance Milestones）清單之后，2019 年的報告對這一清單作了更新[3]，概述了人工智能在人類或超人類級別執(zhí)行的游戲成就、醫(yī)療診斷和其他復雜任務的代表性事件新增了“DeepMind 打造的Alphastar 在《星際爭霸2》中擊敗頂級人類專業(yè)玩家”“以專家級的準確性檢測糖尿病視網(wǎng)膜病變（Diabetic Retinopathy，DR）”兩項。
四、經(jīng)濟

1. 就業(yè)
報告指出，人工智能領(lǐng)域的崗位需求無論在發(fā)達經(jīng)濟體還是新興經(jīng)濟體中都在迅速增長。領(lǐng)英（LinkedIn）的數(shù)據(jù)顯示，全球AI 招聘呈現(xiàn)快速增長趨勢。2015—2019 年，新加坡、巴西、澳大利亞、加拿大和印度的AI 招聘數(shù)量增長最快。美國的AI 崗位需求比例從2012 年的0.3％增長到了2019 年的0.8％，其AI 崗位需求主要集中在機器學習、人工智能、神經(jīng)網(wǎng)絡(luò)、自然語言處理、機器人技術(shù)和視覺圖像識別等集群，主要分布于信息技術(shù)服務、專業(yè)及科技服務、金融和保險、制造業(yè)、企業(yè)管理等領(lǐng)域。在AI 技能滲透方面，印度、美國、法國、中國和以色列是滲透率最高的五個國家，而軟件和IT 服務、硬件和網(wǎng)絡(luò)、教育、金融和制造業(yè)是滲透率最高的五個行業(yè)。報告還詳細分析了美國各州、大都市區(qū)和城市的AI 崗位需求及技能滲透情況。
2. 投資
報告顯示，2019 年，全球私人AI 投資超過700 億美元，與AI 相關(guān)的創(chuàng)業(yè)投資超過370 億美元，并購規(guī)模34 億美元，首次公開發(fā)行（IPO）規(guī)模50 億美元。美國、歐洲和中國在私人AI 投資方面所占份額排名靠前，美國一直是AI 資助的領(lǐng)先者和AI 初創(chuàng)企業(yè)投資的主導者，以色列、新加坡和冰島的人均投資較為可觀。2018—2019 年，AI 私人投資最多的是自動駕駛汽車，為77 億美元（占比9.9%）；增長最快的是機器人自動化（超過10 億美元）。針對AI 初創(chuàng)企業(yè)的投資穩(wěn)步增長，從2010 年的13 億美元增長到了2018 年的404 億美元，年均增長超過48％。獲得投資的4403 家AI 初創(chuàng)企業(yè)分別來自36 個不同的重點領(lǐng)域，主要包括數(shù)據(jù)工具、時尚和零售技術(shù)、工業(yè)自動化、石油和天然氣、金融科技和文本分析。其中，美國有1749 家初創(chuàng)企業(yè)共獲得198 億美元投資，中國有486 家初創(chuàng)企業(yè)獲得總計166 億美元投資，歐洲有993 家初創(chuàng)企業(yè)共獲得46 億美元投資，印度有139 家初創(chuàng)企業(yè)獲得36 億美元投資。人工智能似乎正在轉(zhuǎn)變?yōu)橥ㄓ眉夹g(shù)。
在企業(yè)投資方面，2019 年由風險資本驅(qū)動的私人投資約占AI 總投資的一半，其余為并購和公開募股。但就交易數(shù)量而言，私人投資占92％，并購僅占4％，少數(shù)股權(quán)和首次公開發(fā)行共占3％。在公共投資方面，美國聯(lián)邦政府2020 財年預計在AI研發(fā)上投資49.8 億美元。其中，美國國防部（DoD）預算約40億美元，較大的AI 資助實體是國防部長辦公室（13 億美元）、國防部高級研究計劃局（DARPA，5.06 億美元）；聯(lián)邦民用機構(gòu)（非國防部）預計將在AI 上投資9.73 億美元，美國國家科學基金會（NSF）為4.88 億美元。
3. 企業(yè)活動
報告指出，企業(yè)的AI 應用正在增加，但因行業(yè)而異。麥肯錫2019 年的一項研究表明，58％的受訪企業(yè)表示至少有一個職能或業(yè)務部門利用了AI，30％的受訪者表示AI 已嵌入其多個業(yè)務領(lǐng)域，企業(yè)最有可能出于提升其行業(yè)核心價值的目的而利用AI，在各行業(yè)中應用最多的是機器人流程自動化、計算機視覺和機器學習，且相當一部分受訪企業(yè)已針對合規(guī)性、網(wǎng)絡(luò)安全、個人隱私等風險采取措施。
報告顯示，2018 年，全球機器人安裝量增長6％，達到422271 臺，價值165 億美元；現(xiàn)有運作的機器人存量約243.95萬臺，增長了15%。需求最大的仍是汽車行業(yè)（占安裝總數(shù)的30％），其次是電氣/ 電子（25％）、金屬和機械（10％）、塑料和化學產(chǎn)品（5％）、食品和飲料（3％）。中國、日本、美國、韓國和德國的工業(yè)機器人安裝量占全球總安裝量的74%。自2013 年以來，中國一直是全球最大的工業(yè)機器人市場，2018 年安裝量為154032 臺，占全球總安裝量的36％。
五、教育

1. 在線學習
報告指出，越來越多的AI 教育超出了實體大學的范圍，在線學習在AI 教育和技能培訓中發(fā)揮著關(guān)鍵作用。全球最大的高等教育在線平臺Coursera 發(fā)布的2019 全球技能指數(shù)（Global Skills Index，GSI）報告，詳細分析了全球60 個國家和地區(qū)10 個行業(yè)的商業(yè)、技術(shù)和數(shù)據(jù)科學方面的技能狀況，包括AI 技能指數(shù)情況[4]。Coursera 的GSI 數(shù)據(jù)表明，東亞和南亞國家在AI 及相關(guān)技能方面的入學率較高，而一個國家的技能等級與其人均GDP 和高等教育投資水平等指標相關(guān)。優(yōu)達學城（Udacity）的在線課程注冊數(shù)據(jù)顯示，深度學習、機器學習、人工智能及計算機系統(tǒng)工程等入門課程都比較熱門。
2. 人才培養(yǎng)
報告顯示，近年來，美國斯坦福大學、伯克利大學、伊利諾伊大學等的人工智能和機器學習等課程注冊學生數(shù)均大幅增長，中國的清華大學和北京大學、加拿大的多倫多大學、澳大利亞的墨爾本大學等知名大學的相應課程也呈現(xiàn)出類似態(tài)勢。歐洲的大學AI 教育大都以碩士水平授課，共有197 所大學提供總計406 個AI 專業(yè)碩士學位授予點。人工智能已迅速成為北美計算機科學博士生最受歡迎的專業(yè)，2018 年，超過21％的計算機科學博士畢業(yè)生專注于人工智能/ 機器學習的研究。美國和加拿大AI 領(lǐng)域的博士畢業(yè)生人數(shù)持續(xù)增長，超過了計劃數(shù)的60％；2018 年，有150 多名AI 博士進入了產(chǎn)業(yè)領(lǐng)域，即將畢業(yè)的AI 博士進入產(chǎn)業(yè)界的比例從2004 年的21％增長到了2018年的62％以上。在美國，離開學術(shù)界去產(chǎn)業(yè)界的AI 教師人數(shù)持續(xù)增長。
3. 師資多元化
報告指出，在美國，按性別劃分的AI 教職員工多元化并未取得顯著進展。計算機科學終身制教師的總數(shù)一直穩(wěn)步增長，但女性教師在其中的占比基本保持不變（21%），新教師的國際化比例也較�。�18%）。2018 年，女性在新教職員工中所占比例不到20％；女性AI 博士學位獲得者的比例自2010 年以來幾乎保持不變，為20％。2010—2018 年，美國的AI 博士學位獲得者中，來自國外的博士數(shù)量從不到40％增長到了60％以上，這些畢業(yè)生只有18% 進入了學術(shù)界。此外，與AI 相關(guān)的大學終身教職或終身教授存在前所未有的人才外流現(xiàn)象。
4. 倫理課程
報告指出，隨著AI 的興起，在計算機科學課程中設(shè)計并講授倫理規(guī)范具有緊迫性。常見的計算機倫理課程設(shè)置有兩種方法：①設(shè)計獨立的倫理課程，即將倫理與計算機及AI 等結(jié)合起來的單獨課程，如“計算機科學和倫理學”“人工智能和倫理”。②將倫理模塊（或內(nèi)容）納入核心計算機科學或人工智能課程的全流程。一些大學正在努力將兩者融合。
六、自動系統(tǒng)

1. 自動駕駛汽車

報告指出，目前全球范圍內(nèi)至少25 個國家或地區(qū)的城市正在測試自動駕駛汽車（Autonomous Vehicles，AV）原型。加利福尼亞州是美國第一個制定自動駕駛汽車測試法規(guī)的州。自2012 年以來，美國至少有41 個州和哥倫比亞特區(qū)考慮了與AV 有關(guān)的立法。2015—2018 年，加利福尼亞州測試自動駕駛汽車的企業(yè)總數(shù)增長了7 倍。2018 年，加利福尼亞州為50 多家企業(yè)和500多個AV 提供了測試許可，這些AV 總計行駛了約321.9 萬千米（200 萬英里）。然而，自動駕駛汽車的安全和可靠性是一個大問題。
2. 自主武器
最近的一項調(diào)查發(fā)現(xiàn)，至少有89 個國家的武器庫中有自動防空系統(tǒng)，63 個國家部署了不止一種防空系統(tǒng)，而自主保護（Active Protection，AP）系統(tǒng)僅由9 個已知的生產(chǎn)國開發(fā)和制造。已知全球范圍部署的自主武器（Autonomous Weapons，AW）系統(tǒng)數(shù)量排名中，美國最多，其次是以色列、俄羅斯、法國、中國、意大利等。
七、公眾認知

1. 銀行

報告顯示，從各國中央銀行的通訊文件可以看出，世界各地的中央銀行都對AI 表現(xiàn)出了濃厚的興趣。英格蘭銀行圍繞AI 及區(qū)塊鏈和加密貨幣的使用制定了明確的研究議程，美聯(lián)儲和日本央行等國家的中央銀行也開始圍繞AI 構(gòu)建正式的研究議程。
2. 政府
報告指出，政府官員越來越重視人工智能。與往年相比，2017—2018 年，各國國會的有關(guān)報告及立法中涉及AI 及相關(guān)內(nèi)容的頻次增加了10 倍以上。美國國會的相關(guān)筆錄中，2019年是迄今為止AI 提及率最高的一年。近年來，加拿大、英國等國家的國會報告、委員會報告和立法中，與人工智能相關(guān)的內(nèi)容都有顯著增加。
3. 企業(yè)
報告顯示，美國3000 家上市公司財報當中，提及AI 收益的比例大幅增加，已從2010 年的0.01％增至2018 年的0.42％。在各行業(yè)2018—2019 年第一季度的財報中，金融業(yè)提及AI 的數(shù)量最多，其次是電子技術(shù)、生產(chǎn)商制造、醫(yī)療保健技術(shù)和技術(shù)服務部門。
4. 網(wǎng)絡(luò)搜索和新聞報道
報告指出，從美國用戶使用Google 搜索AI 相關(guān)關(guān)鍵詞的熱度和趨勢來看，2008—2013 年最熱的是“云計算”，2013—2016 年最熱的是“大數(shù)據(jù)”，近幾年最熱的是“機器學習”，其次是“數(shù)據(jù)科學”。在全球范圍的相關(guān)新聞報道中，“人工智能”無疑是最熱的贏家，其次是“機器學習”、“深度學習”，以及“AI與工作或就業(yè)”。
八、社會倫理

1. 倫理挑戰(zhàn)

報告指出，人工智能系統(tǒng)引發(fā)了各種道德和倫理挑戰(zhàn)。一些AI 倫理框架文件提到的倫理挑戰(zhàn)主要包括問責制、安全、人類控制、可靠性和安全性、公平性、多元化和包容性、可持續(xù)發(fā)展、透明度、可解釋性、多方參與、法律與合規(guī)、數(shù)據(jù)隱私。其中，公平性、責任制、可解釋性和透明度等是最常被提到的倫理問題。
2. 新聞媒體報道
報告指出，人工智能的全球新聞報道已越來越多地關(guān)注AI使用的倫理問題討論。2018—2019 年確定的3600 多篇有關(guān)倫理與人工智能的全球新聞中，主題主要涉及人工智能使用的倫理框架和準則、數(shù)據(jù)隱私、面部識別的使用、算法偏見以及大技術(shù)角色。2019 年關(guān)于AI 倫理的全球媒體對話主要涉及AI 倫理框架問題。
3. 可持續(xù)發(fā)展
報告指出，目前的人工智能應用案例對聯(lián)合國所有17 個可持續(xù)發(fā)展目標（Sustainable Development Goals，SDGs）均具有適用性，但只能幫助解決169 個細分目標中約一半的目標。為了使AI 發(fā)揮其潛在的作用和影響，需要克服一些特定的瓶頸，如數(shù)據(jù)本身的可用性、質(zhì)量和集成等挑戰(zhàn)，計算能力、AI 人才等方面的限制等。
九、國家戰(zhàn)略和全球AI 活力

1. 國家戰(zhàn)略

報告顯示，過去幾年，各國關(guān)于AI 的戰(zhàn)略性文件的數(shù)量一直在增加，各國紛紛推出并實施新的AI 戰(zhàn)略。在報告搜集的48 份AI 戰(zhàn)略文件中，94％的文件包含“學術(shù)伙伴關(guān)系”，48％包含AI 研發(fā)，超過42％提到AI 治理，而較少有文件提及保護消費者和促進公平。
2. 全球AI 活力
報告總結(jié)和介紹了衡量全球AI 活力（Global AI Vibrancy）的工具、方法及結(jié)果[5]。該工具自2015 年起使用，涵蓋28 個國家或地區(qū)，包括研發(fā)、經(jīng)濟、包容性三個一級指標和34 個具體指標，指標數(shù)值為0—100，以衡量特定國家或地區(qū)在特定指標下的全球分布中的相對位置，并可根據(jù)使用者的權(quán)重偏好進行跨國比較和長期比較。

pdf下載：2019 人工智能指數(shù)報告