AIoT技术分析：人工智能( 二 ) 天津|人工智能|博士后|创新创

【 AIoT技术分析：人工智能】模式识别
在人工智能技术的发展及应用分析中，模式识别就是通过人工智能来代替人的感知和识别，所以模式识别是一个很重要的技术领域，而且还是一项较高的科技领域。在人工智能技术发展及应用分析中，模式识别可以很好地帮助计算机系统来识别外界的一种感知能力，所以模式识别在计算机运行系统中属于人工智能技术发展中重要的结构。在人工智能技术发展中，模式识别也随着社会的进步在不断的发展和壮大，量子计算机技术已经逐渐运用到人工智能模式识别系统中去。我们知道，在早期的模式识别系统中，模式识别只是针对于一些文字和二维图像，随着科技不断地发展和进步，模式识别系统也在逐渐得到发展，从最开始的文字和二维图像到对三维景物的识别，到现在模式识别系统已经可以对活体物体进行识别和分析。所以，模式识别在随着科技的发展而发展，模式识别系统也在人工智能领域逐渐发展和强大起来，对人工智能起到了关键性的作用。
人工智能发展面临问题
基础创新投入产量问题
我国人工智能领域的基础创新投入严重不足。从企业研发创新看，中国人工智能企业的创新研发支出仍远远落后于美国、欧洲和日本。据统计，美国人工智能领域企业投入的科技研发费用占据了全球科技支出的 61%，我国人工智能领域企业研发支出虽然快速增加，增速达到34%，但实际占据的全球科技支出份额明显小于美国。从人工智能知识产权保有量看，我国各类实体拥有的工智能专利总量超过3万件，位居世界第一，但中国相关企业拥有的人工智能相关专利多为门槛较低的实用新型专利，发明专利仅占专利申请总量的23%。
同时，根据世界知识产权组织的数据，我国企业拥有的95％的人工智能设计专利和61％的人工智能实用新型专利将会在5年后失效，相比之下，美国85.6％的人工智能专利技术在5年后仍在支付维护费用。2021年，我国需要在人工智能基础研究与创新，打造核心关键技术长板、加强知识产权保护方面加大投入力度。我国人工智能产业的算力算法核心基础相对薄弱。我国人工智能发展在数据规模和算法集成应用上都走在世界前列，但在人工智能基础算力方面，能提供国产化算力支持的企业还不多。
在人工智能的算力支持方面，ibm、hpe、戴尔等国际巨头稳居全球服务器市场前三位，浪潮、联想、新华三、华为等国内企业市场份额有限；国内人工智能芯片厂商需要大量依靠高通、英伟达、amd、赛灵思、美满电子、emc、安华高、联发科等国际巨头供货，中科寒武纪等国内企业发展刚刚起步。
在人工智能算法方面，主流框架与数据集领域国内外企业龙头企业包括谷歌、脸书、亚马逊、微软等，深度学习主流框架tensorflow、caffe 等均为美国企业或机构掌握，百度、第四范式旷视科技等国内企业的算法框架和数据集尚未得到业界的广泛认可和应用。2021年，我国需要进一步部署加强人工智能基础设施建设，并重视国内人工智能算法框架的创新推广。
产业脱节问题
其次是“高端”的AI技术与“中低端”的产业之间存在脱节现象。相对于庞大的经济体量，目前我国人工智能推广应用有限，仍有不小提升空间。人工智能技术与企业业务需求存在鸿沟，尤其是传统企业的整体智能化程度偏低。以制造业为例，业务信息化水平不足造成的场景数据获取困难，研发投入大和交付周期长，成为一部分企业利用AI进行转型升级的制约因素。
研发与成果转化率问题