训练数据是人工智能模型学习的重要基础。当前，中国企业在训练数据获取的标注上已形成了一条较为流畅的产业链。数据通过传感器、人工等方式进行采集，传送至基础数据服务商，由以海天瑞声、莫比嗨客等为代表的数据标注企业进行标注。而AI中台则以向基础数据服务商购买，或委托数据处理的方式，获取训练数据进行Al模型的训练。
数据难题：基础数据存在的问题主要有三∶（1）基础训练数据的数量和质量将会决定模型的准确度，中国人工智能发展速度快，但积累不足，导致中国人工智能整体训练数据量不大且训练数据标记质量参差不齐 （如一般情况下人工标记准确率在约75%，少数优质的数据标记准确率在约90%）;
（2）基础训练数据的来源有三种，分别为个人用户、企事业单位和政府机构。从个人用户的角度看，如阿里巴巴、腾讯、百度等企业依靠其庞大的用户量作为支撑，获取大量用户数据。而华为等企业也可以在自由园区内通过安装摄像头等方式获取训练数据，但相对较小的企业获取数据的方式单一且成本高昂，因此难以取得竞争优势。同时，大部分行业的数据存在孤岛现象。比如政府部门、金融行业以及医疗行业，其资料数据普遍分属于不同的机构或部门，很难将这些数据整合成一个完全体。在资源分散、数据不通的情况下，对企业提升人工智能技术，研发优质产品存在较大的阻碍。
（3）人工智能尚未能够覆盖部分行业以及长尾场景，这是由干行业或场景本身并没有较大的样本数据量，在这样的情况下，若人工智能企业不具备小样本数据学习的能力，便打造不出理想的智能产品。即使中国人工智能可通过孪生数据、数据模拟等方式解决人工智能数据瓶颈，但是用起来较为复杂，但尚未找到较优越的解决方案。
基础硬件国产化不足：伴随着中国通讯业和互联网的发展，中国人工智能行业在软件方面，例如云计算、大数据分析等方面取得了一定的进步，但硬件方面依然对进口的依赖程度较大。中国人工智能大部分硬件的国产化程度不高，部分硬件例如仪器仪表变送器、触觉传感器等尚未实现国产化替代。
中国Al芯片制造与国际仍有差距 以Al芯片为例。Al芯片的核心技术和市场均处于被美国厂商垄断的状态，虽然国内一些厂商也在进行Al芯片研制，但无论是技术成熟度还是市场占有率方面，与国际巨头的差距仍然非常明显。
Al芯片主要分为三类，分别为GPU、FPGA和ASIC，其中，GPU及FPGA基本完全依赖进口。GPU方面全球70%的市场都被英伟达占据。FPGA则被美国Xilinx和Intel（收购的Altera）所垄断，全球市场占有率达到90%。
相对而言，ASIC国产化程度相对较好。 随着中国智能手机和消费电子的出货量和销售量的不断攀升，智能产品的逐步普及将为人工智能芯片行业发展带来重大发展机遇。在国际形势严峻和国内需求旺盛的两方因素之下，中国涌现出如华为、寒武纪、商汤科技为代表的一系列"中国芯"制造企业，推动了中国智能芯片的大发展，国产化率达到了16%。但中国人工智能芯片制造业仍处于早期阶段，对进口的依赖程度仍然较大，在未来也将会是中国人工智能行业发展的瓶颈环节。
盈利困难：大多数中国人工智能企业都面临研发成果难以落地，研发费用高昂，难以实现盈利的问题。但如何实现利润0的突破仍是中国人工智能企业 的主要矛盾。
（1）研发费用高昂，人工智能作为技术含量较高的高新技术，投入时间成本和资金均较多，其行业变化节奏较快，硬件成本较高，不少人工智能的研发成本对营收占比甚至超过100%；
（2）人工智能行业现阶段项目主要以G端为主，B端为辅，C端只有利润微薄的消费电子产品。G端和B端项目主要以大型项目为主，从实施到完成短则数月，长则数年，并需要通过相关验收才能请款支付，因此，人工智能的账款回收期较慢，这也导致了中国人工智能企业盈利能力不足的情况。
芯片国产化一直是围绕中国人工智能行业努力突破的关键点之一。华为的人工智能布局由华为芯片研发而层层展开。在华为的整体架构中，芯片是实现人工智能整体架构中的重要一环，助力华为实现其云边端一体的全场景最优能效比。从排名上看，2021年人工智能芯片排名位列第七，也是唯一入围前10的中国企业，其品类较为丰富，型号和尺寸规格较多，能够适应不同场景的芯片应用。
华为人工智能技术能力较强，通过发挥其在通讯业的优势，实现云边端一体化开发，其主要围绕5G、视频云、安防三大重点领域展开，技术性特质较为明显。
需要解决的问题入手，实现硬件终端、算子开发、模型开发到应用开发的全栈结构设计。华为结构的每一层均有较好的亮点技术，比如AI应用开发层的ModelArts是面向开发者的一站式Al开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，具有低门槛、高效、高性能，易运维的特点。与此同时，华为全栈多场景开发又实现了各层次联动，共同维护华为Al生态。
阿里主要优势并不在于硬件的设计与开发，其Al板块业务主要也为围绕后端展开，因此其Al特色业务为智慧大脑、控制平台、智能化平台等。阿里AI业务覆盖消费、娱乐、工业等，但营收占比最大的业务为城市大脑。阿里以城市大脑为核心，发展人工智能智慧化应用。阿里率先提出了城市大脑这一概念，并作为一个整体规划和资源集成设计师对城市大脑项目进行统筹、决策、规划和运维，使城市大脑项目的整体框架合理搭建，使每个部分的内容能够有机合理地整合在一起阿里将各项资源有机组合在一起，将城市大脑这一理念铺设到城市的每一个角落，然而这对于一个解决方案提供商而言，从统筹难度到工作效率上都有着极大的挑战。
计算机视觉四小龙：商汤、旷视、依图、云从被誉为中国计算机视觉领域的四小龙。这四家企业都以计算机视觉起家，在中国计算机视觉领域的市场占比超过50%。由于这四家企业产品同质化较为明显，赛道竞争较为激烈，因此这四家企业业务分别向不同领域延伸。
中国人工智能企业对比分析（一）∶整体架构
整体来看，华为和百度在AI整体架构上保持较为完整的形态，从基础层到认知感知层的主要技术一应俱全，阿里巴巴、腾讯和商汤科技处于第二梯队，但整体表现依然较好。
各大厂商在算法、图像视觉、ARVR、开放平台、生态建设上均有布局，但实力以及细分略有不同，而AI芯片和视频技术主要掌握在几家企业中，成为其特色竞争优势。整体来看，中国Al企业基础框架搭建较为良好，头部企业AI布局框架完整，铺设详细。
中国人工智能企业对比分析（二）∶应用领域
百度和阿里巴巴全面在应用领域的涉足较为广泛，智慧城市、智慧交通、安防以及消费是竞争最为饱和的赛道，而工、农、教、娱则参与者寥寥，供应链更是竞争者较少。
百度和阿里巴巴全面在应用领域的涉足较为广泛，凭借自身技术优势战略性抢占不同细分市场，以取得较为优势的结构性优势，同时为其积累社会资源和用户量，完成其人工智能整体生态的布局和维护。
中国人工智能企业对比分析（三）∶人才储备
人工智能行业在模式识别和机器学习这两种细分中对人才的需求量最大，占到人工智能需求的近60%，百度和腾讯的人才储备较大，BAT对人工智能人才的吸引力较强。
一个企业的专利数量可以有力说明企业的科研成果和研发实力。从专利数量上看，人工智能专利申请最多的企业为百度，其次为华为和腾讯。这说明这三家公司在研发投入上已率先获得一定的成果，研发能力较好，技术先进，有利于推动企业的创新与发展。而人才储备正是推动人工智能企业研发的重要动力。从人工智能人才储备层面看，百度和腾讯的人才储备也较大，百度人工智能人才占整体员工数量的2.5%，腾讯人工智能人才占整体员工数量的2%。这也从侧面证明人工智能人才储备对于人工智能企业的重要意义。
中国人工智能企业对比分析（四）∶竞争力分析
总体来看，中国人工智能行业处于初步阶段，虽小有成就，但与国际先进技术仍有一定距离，发展空间较大，成长力较强，整体市场格局呈现三个梯队。
第一梯队是以BAT和华为为代表的互联网及通讯企业，其企业背景实力较强，架构铺设较为完整，研发实力强，是中国人工智能行业的领先企业;第二梯队是以科大讯飞、海康威视、商汤科技等为代表的人工智能专业细分企业，其在人工智能行业深耕多年，有着较强的专业技术和细分领域的强势竞争地位。第三梯队则是中国众多中小型人工智能企业，他们共同组成了中国人工智能的坚实基础。
