四、制造业+AI重点挑战1、芯片核心技术有待攻克，专用芯片开发技术门槛参差不齐芯片产业高度依赖知识产权，是典型的技术驱动和资本 驱动型产业。中国芯片产业过去几年虽发展迅速，但在 软件、设备、材料、设计、制造等领域和环节仍需攻克 核心技术。芯片设备领域，2019年全球前五名芯片设备生产商占全球销售额的78%，其中三家来自美国。
芯片材料领域，全球五大硅晶圆的供应商占据了高达92.8% 的产能，美国、日本、韩国的公司具有垄断地位。芯片设计环节，国际三巨头美国Synopsys、Cadence和德国西门子的Mentor Graphic占据中国95%的EDA软件市 场。在芯片制造环节，尽管80%的产能在亚洲，但2019 年台积电市场占有率高达52%，三星为18%左右，中芯国际和华虹半导体只占4.4%和1.5%。
国外芯片巨头占据了绝大部分市场份额，具有绝对领先 优势。中国制造业亟需国产自主可控的高性能芯片来保 证供应链安全以及核心数据和知识产权安全。目前，中国对芯片的研发投入强度落后于欧美。据统计，2019年 美国半导体产业的研发支出占销售额的比重为16.4%，欧洲为15.4%，中国半导体产业的研发支出占销售额的 比重为8.3%。
国内企业布局主要集中在人工智能专用芯片（如ASIC）, 以初创企业和互联网企业为主。
一方面，专用芯片根据特定工业场景开发，可以更好的解决工业业务痛点。
另 一方面，通用芯片技术壁垒高、回报周期长，而初创企业以生存为首要目标，因此很多企业更倾向于结合自己的产品算法和应用特点开发各自独特的体系，从而可以 较快的将算法和软硬件结合为完整的解决方案，进而向市场推出。例如依图科技在招股书中明确，未计划单独销售芯片，而是基于芯片开发智慧服务器及智慧边缘计算设备并对外销售。但是由于人工智能芯片开发的技术门槛参差不齐，国内企业尚未形成“芯片一平台一应 用”的生态，不具备与传统芯片巨头抗衡的实力。
2、工业数据资源的掌握与应用能力不匹配，数据价值尚待挖掘当前基于数据驱动的人工智能技术路线，对问题还原的 准确度离不开数据训练。采集数据的方法，数据的质 量、多样性以及规模直接决定了人工智能作用发挥的程 度。相较于商业数据，工业数据的来源和制式更加复 杂，而且对数据的可解释性、可靠性和准确性要求更 高。目前工业数据应用面临以下挑战：
数据采集汇聚：企业信息化基础薄弱、设备不互联、 通信协议不兼容造成数据采集困难，数据失真、缺乏 统一的数据标准等导致工业数据难以集成；
数据开发应用：数据的管理和建模技术有待提高，海 量实时异构数据的挖掘能力不足；
数据流通共享：工业企业对于跨企业、跨行业数据共 享合作的需求正在快速增加，但数据权属界定不清、 规则不明、难以定价等基础性问题没有得到解决；
数据治理安全：网络安全、系统安全、数据安全等 挑战。
中国信息通信研究院和工业互联网产业联盟调研显示， 中国工业企业只有不到1/3的企业开展了数据治理，51% 的企业仍在使用文档或更原始的方式进行数据管理。 尽管已经有越来越多的工业企业意识到数据资产管理和应用的重要性，但相比信息化程度较高的金融、电信、互联网等行业，工业数据的应用还处在探索阶段。
3、技术能力和算法特质无法满足实际应用需求，工业场景落地难现有的通用计算架构与芯片尚无法满足工业实时性所带 来的计算要求，特定工业场景对端侧推理需求迫切。以图片高精度高速检测和实时工业场景识别为例，传统芯 片处理1080P图片需要耗时1秒，而以上场景的图像实时识别需要达到人眼识别帧率，即1/24秒。以设备实时控 制为例，中低端设备的控制周期是微秒级，高端设备甚 至要求200-500纳秒级，当前人工智能技术无法实现。

• 36氪首发｜烹饪机器人公司「智谷天厨」获数千万元天使轮融资，羲融善道独家投资
• 喜马拉雅山出现的“雪人”是何生物？目击者：智商高、攻击性强
• 华为|重磅级新品官宣：华为全屋智能2.0将于7月4日发布 前代39999元起
• gtx|一款充满设计感的智能手机，体验LG V60，摄像头和屏幕都是亮点
• 无人驾驶|189元Ticwatch GTK智能手表上手评测：颜值、运动、电量集一身，香
• 阿维塔|dido E40s Pro智能手表：气泵式血压测量，中老年健康伴侣
• 189元Ticwatch GTK智能手表上手评测：颜值、运动、电量集一身，香
• 创业|赢了！全球智能手表出货量：华为苹果NO.1三星垫底华为销量猛增
• 剧透：戚薇马天宇《你好，安怡》聚焦2035年人工智能，你期待吗？
• 据上海证券报消息|舒适度超埃尔法 华为、小康打造的问界M7智能豪车7月4日发布