業界の競争が激化する中、人工知能が経済のデジタル化をどう推進するかを見てみましょう。

新しいインフラストラクチャの配置が加速するにつれて、5G、モノのインターネット、クラウドコンピューティング、人工知能、ビッグデータなどのテクノロジーはますます成熟し、業界のアプリケーションシナリオが広く実装されています。その中で、人工知能はスマート経済の発展と産業のデジタル変革を根本的にサポートし、伝統的なインフラに新たな活力を注入します。「新インフラ」の一部である人工知能インフラは、人工知能のアプリケーションとサービスにコンピューティング、ストレージ、通信機能を提供し、新世代の情報技術と関連産業のイノベーションのためのコンピューティング能力とアルゴリズムの基本条件を提供するインテリジェントな頭脳です。

この記事では、政策の方向性、産業構造、応用シナリオ、技術動向の観点から人工知能の発展の展望を分析します。

政策の方向性：技術革新と産業統合を開発目標とし、同時に安全保障措置を改善する

2017年以前は、AI関連の政策は主にAI技術の研究開発に重点を置いていました。 2017年7月、国務院は「新世代人工知能発展計画」を発表し、「人工知能の徹底的な応用を加速する」必要性を明確に指摘した。それ以来、政策の焦点は人工知能技術からテクノロジーと産業の深い融合へと徐々に移っていった。

2021年3月、「中華人民共和国国民経済と社会発展第14次5カ年計画要綱及び2035年までの長期目標」（以下、「要綱」という）の全文が発表された。その中で、「新世代人工知能」が重要なテーマとして挙げられ、人工知能の発展は3つの側面を中心に計画されている。

方向性1：コア技術のブレークスルー

人工知能関連技術は徐々に「国家の安全保障と全体的な発展に関わる基本的な中核分野」となってきている。我が国のコア人工知能技術の欠陥と欠点の解決をさらに推進するため、「要綱」では、「第14次5カ年計画」期間中に、いくつかの前向きで戦略的な国家の主要科学技術プロジェクトを立ち上げ、業界が徐々に最先端の基礎理論とアルゴリズムを突破し、専用チップを開発し、ディープラーニングフレームワークなどのオープンソースアルゴリズムプラットフォームを構築するよう促すことを提案している。また、学習、推論と意思決定、画像とグラフィックス、音声とビデオ、自然言語の認識と処理におけるアプリケーションの革新と反復も行う。

方向性2: 産業統合アプリケーション

人工知能の発展は、産業の統合応用と産業のデジタル変革に重点を置き、データ駆動型、人間と機械の協働型、国境を越えた統合型、共同創造・共有型のインテリジェント経済形態を徐々に形成すべきである。同大綱は、デジタルトランスフォーメーションを総合的に活用し、生産方式、ライフスタイル、ガバナンス方式の変革を推進し、わが国のデータと応用シナリオの優位性を十分に発揮し、「クラウドコンピューティング、データ利用、インテリジェンス」活動を実施し、デジタル技術と実体経済の深い融合を推進すべきであると提言している。重点産業向けの人工知能データセットの構築、アルゴリズム推論トレーニングシナリオの開発、インテリジェント医療機器、インテリジェント輸送車両、インテリジェント識別システムなどのインテリジェント製品の製造の促進、汎用および業界固有の人工知能開発プラットフォームの構築の推進により、インテリジェント輸送、スマートエネルギー、スマート製造、スマート農業と水利、スマート教育、スマート医療、スマート文化と観光、スマートコミュニティ、スマートホーム、スマート政務の分野で一連のデジタルおよびインテリジェントアプリケーションシナリオが形成されます。

方向性3: 規制とイノベーションの両方を重視

学術界や産業界は、人工知能の健全な発展、AI技術の乱用、古い顧客をターゲットにしたアルゴリズムの使用に関連する倫理的および法的リスクを非常に懸念しています。同綱要は、デジタル経済の発展に適合した政策・規制システムを構築し、産業政策環境を最適化することを提案している。例えば、無人運転の分野では、関連する規制枠組み、法律、法規、倫理審査ルールを確立・改善し、民間企業による基礎研究や技術革新の実施を支援し、重要な中核技術や国家の重大な科学技術プロジェクトの研究開発に参加し、民間の人工知能技術企業の革新活力をさらに刺激する必要がある。

産業構造：市場規模は急速に拡大しており、国内市場競争はますます激しくなっている

中国のAI市場は着実に発展しており、デジタルと人工知能が経済社会と全面的に融合することで新たな発展パターンの形成が加速しており、総要素生産性が継続的に向上し、住民の所得水準が上昇し、国の科学技術革新能力が強化されることになる。

市場規模に関して、IDCは、2021年に世界のAI市場支出額が850億米ドルに達し、そのうち中国市場が82億米ドルを占めると予測しています。2025年には世界のAI市場規模は2,000億米ドルに増加し、5年間の複合成長率（CAGR）は約24.5％となり、そのうちAI関連支出の約8％は中国市場からもたらされ、市場規模は世界9地域の中で第3位になると予測しています。

市場競争の面では、Inspurのデータによると、2020年上半期、Inspurは世界の人工知能（AI）サーバー市場で16.4％のシェアを獲得し、第1位にランクされました。 Dellは15%弱で2位、HPEは11%近くで3位でした。

企業構成で見ると、2020年10月現在、百度、華為、テンセントが人工知能特許認可件数でトップ3にランクインしており、技術研究開発能力がトップクラスであることを証明しています。また、コア技術の研究開発レベルでは、百度、テンセント、アリババクラウド、ファーウェイなどの大手プラットフォーム企業が、多数の人工知能技術の導入を開始しており、技術応用レベルでは、平安科技、京東、小米などの総合企業や、センスタイム、メグビーテクノロジー、クラウドウォークテクノロジー、一図テクノロジーなどの技術メーカーも比較的活発に活動しており、伝統産業の大手企業との協力を通じて、技術応用市場での競争力を継続的に向上させています。

アプリケーションシナリオ: 業界のアプリケーションは多様化とカスタマイズ化が進み、幅広い発展の見通しが生まれています。

人工知能の業界応用シナリオは徐々に充実し、断片化から深い統合へ、単一ポイントの応用シナリオから多様化およびカスタマイズされた応用シナリオへの移行が加速しています。

IDCは、2025年までに政府、金融、製造、通信の4大産業のAI支出を合わせた額が市場全体の59%以上を占めると予測しており、成長率の面では、通信、運輸、公共事業、医療などの産業におけるAI支出は大きな発展の可能性を示しています。

技術動向：市場規模は急速に拡大しており、国内市場競争はますます激化している

自動機械学習がさらに促進され、企業が独自のソリューションを構築するハードルが下がる

自動機械学習 (AutoML) は、シンプルでユーザーフレンドリーなインターフェースを提供し、企業が AI と機械学習をビジネスに組み込むコストを削減します。今後、AutoML におけるハイパーパラメータの選択、特徴表現と機械学習アルゴリズムの決定、ニューラルネットワーク構造検索の自動化と解釈可能性などが改善されることで、AutoML アーキテクチャはますます完成度が高まり、新世代のユニバーサル AutoML プラットフォームの構築が促進され、プロセス自動化ツールを含むビジネスイノベーション分野でより広く使用されるようになるでしょう。

コンピューティングパワーの要件は増加し続けており、AIチップはシーン実装能力を改良するために磨かれています。

チップはコンピューティングインフラストラクチャの重要な部分であり、人工知能アプリケーションにおける大量のコンピューティングタスクを処理するために使用されます。人工知能アルゴリズムの発展に伴い、ビデオ画像分析や音声認識などのサブセクターにおけるコンピューティング能力の需要が劇的に増加しており、市場ではさまざまな分野やアプリケーションシナリオ向けの専用チップが緊急に必要とされています。将来、市場ではチップのマルチコア並列コンピューティング、オンチップストレージ、帯域幅、低遅延メモリアクセスなどに対する需要が高まります。これらのチップは、スマート端末、スマートセキュリティ、自動運転などの分野に適用され、大規模コンピューティングを加速し、より高いコンピューティングパワーの要件を満たします。

小さな機械学習がIoTアプリケーションを強化

TinyML は、端末およびエッジマイクロプロセッサ向けの機械学習テクノロジです。サイズが小さく、管理と理解が容易という利点があり、組み込みコンピューティングアプリケーションで大規模なアプリケーションを処理できます。今後、スモールデータとTinyMLは、自動車、ウェアラブルデバイス、家電、産業機器、農業機械など、モノのインターネットなどの技術シナリオにさらに適用されるでしょう。

生成AIがオーディオおよびビデオコンテンツ制作を強化

生成 AI とは、既存のコンテンツ (テキスト、オーディオファイル、画像など) を使用して新しい類似コンテンツを生成する人工知能アルゴリズムを指します。将来的には、AI 支援ビデオ制作、インテリジェント字幕生成、インテリジェント翻訳、特殊効果生成など、生成型人工知能は、教育、映画・テレビ、芸術、刑事司法などの分野でさらに活用されるようになるでしょう。

強化学習（RL）はデータトレーニングを強化する

強化学習では、環境に応じてどのように行動すれば期待される利益を最大化できるかを重視します。企業は独自の経験を活用して、データ取得の有効性を向上させることができます。今後、強化学習は自動運転、ゲーム、レコメンデーションシステムにさらに応用されるでしょう。前者 2 つは試行錯誤をシミュレートするために強化学習を使用します (実際の自動運転トレーニングでは、安全担当者が介入してエージェントの誤った動作を迅速に修正する必要があります)。後者は、強化学習を使用してレコメンデーション結果の多様性を向上させ、従来の協調フィルタリングと CTR 予測モデルを補完します。