一、世界主要經濟體科技與創新投入
1.1 全球科研投入持續大幅增長
美國國家科學基金會(National Science Foundation, 簡稱NSF) 是美國科學界最高學術機構之一，通過資助基礎研究、改進科學教育和增進國際合作等途徑促進美國科技發展。從1993年開始，NSF每兩年發佈一期科學與工程指標報告(Science and Engineering Indicators)，把美國科學、技術和工程發展水平與其他國家進行綜合比較。該報告已發佈2018年版，統計數據截至2015年。
最新NSF報告顯示，全球範圍內科研投入（即實際支出）持續大幅增加，各國政府愈發重視科研活動對經濟增長的推動作用。2000至2015年的15年間，全球科研經費支出累計增長超過一倍。以當前購買力平價計算，2015年全球研發總投入由2000年和2010年的7,220億美元和1.415萬億美元增長至1.918萬億美元。按地域劃分，研發活動主要集中在北美、歐洲、東亞和東南亞以及南亞地區。按國家劃分，美國科研投入最高，中國緊隨其後，日本位列第三；美國、中國和日本研發總支出合計約1.9萬億美元，佔全球研發支出一半以上。
1.2 美國研發投入全球領先，世界研發投入高度集中
就具體經濟體而言，研發投入地理分佈高度集中的情況較為明顯。排名前15的國家和地區研發投入佔全球的85%，其中美國仍然是研發投入最多的國家，其國內研發支出總額為4,970億美元，佔全球總量的26%，在美國GDP中的佔比為2.7%。中國位列第二，研發支出4090億美元，佔全球21%的份額，佔本國GDP的2.1%。排名第三和第四的分別是日本和德國：日本投入1700億美元，佔全球份額9%，佔本國GDP比例為3.3%；德國投入1150億美元，佔全球份額的6%，佔比本國GDP2.9%。前15名中其他11個國家或經濟體分別是韓國、法國、印度、英國、巴西、俄羅斯、臺灣、意大利、加拿大、澳大利亞和西班牙，其研發支出範圍在200億美元到610億美元之間。
1.3 知識和技術密集型行業(KTI)具有顯著競爭力
2015年，知識和技術密集型行業(Knowledge-and Technology-intensive, KTI)在全球經濟總量中的貢獻率達到了近三分之一（31%），知識技術密集型行業不僅研發投入巨大，其產品和服務也在指引著知識和技術進步的方向。相關領域包括製造業中的飛機和宇宙飛船、計算機設備、通信和半導體、化學品藥品、測試測量和控制儀器、機動車和零件、鐵路及其他運輸設備等細分領域；也包括服務行業中的教育、健康、商業、金融和信息服務等細分領域。
知識和技術密集型(KTI)行業是全球經濟的重要組成部分。KTI行業由5個知識密集型服務業、5個高科技製造業和5箇中高技術產業組成，在2016年佔世界國內生產總值(GDP)的近三分之一。其中，知識密集型商業服務（商業、金融和信息）佔GDP的比例最高（15%）。知識密集型公共服務（教育和醫療保健）佔9%的份額。中高科技製造業（汽車及零部件、電機、機械設備、化學品，鐵路和其它運輸設備）是第三大產業（佔GDP總量的4%）。高科技製造業 （航空航天、通信和半導體、電腦、藥品和測試、測量和控制工具）佔全世界GDP總量的2%。
發達國家KTI行業在國民經濟中的比重高於發展中國家，一個重要因素是發達國家KTI服務行業的比重較高。即便是發達國家之間，知識技術密集行業的發展水平也存在差異。全球範圍內，美國在知識技術密集行業在GDP中佔比最高(38%)，處於領先地位，主要因其KTI服務行業的貢獻率高，超過發達國家平均水平。英國和日本並列位居第二(36%)，其中英國同樣受益於KTI服務行業，而日本主要得益於發達的中高端製造行業。德國排名第三（35%），和日本的情況相似，德國也擁有較高的中高端製造能力。值得注意的是，中國在所有發展中經濟體中的KTI份額最大(35%)，其KTI份額與發達國家/經濟體水平相當，明顯超過其它發展中經濟體的KTI水平。
1.4 中國研發投入增長強勁，發達國家增速放緩
中國的研發投入增長速度引人注目，過去15年來一直處於高位，2000-2010年平均增長率為20.5%，2010-2015年平均增長率為13.9%。韓國研發增長率也比較高，2000-2010年平均每年增長10.9%，2010-2015年增長率7.3%。日本相應的研發支出增長速度一直較慢，分別為3.6%和3.9%。東亞、東南亞和南亞（包括中國、日本、韓國、印度和臺灣等國家/地區）在2000年佔全球研發總額的25%，2015年增長到約40%，成為全球研發投入增長的主要驅動力量和研發活動最密集的地區。
儘管美國和歐盟仍舊是全球研發投入最多的國家/經濟體，但其全球佔比和年均增速持續顯著下滑。美國的研發投入年平均增長率從2000-2010年間的4.3%，降至2010-2015年間的4.0%，美國研發投入佔全球研發總投入的比例已由2000年的37%降至2015年的26%。歐盟國家在2000年佔全球研發總量的25%，但在2015年下降到20%。增長速度上來看，2000-2010年，歐盟國家的研發總量年平均增長率為5.4%，2010 - 2015年為4.6%；與此對應，德國為5.0%和5.7%，法國為4.4%和3.6%，英國為4.1%和4.2%。
二、主要發達經濟體科技發展趨勢
2.1 美國：聯邦政府戰略保障，完善創新生態系統
根據美國國家科學基金會報告，美國目前的研發重心主要集中在以下五個領域：化學制造業（包括製藥業）; 計算機和電子產品製造業; 運輸設備製造業（包括汽車和航空航天工業）; 信息產業（其中包括軟件出版業）; 以及專業、科學和技術服務（其中包括計算機系統設計和科學研發服務行業）。 雖然每個行業的研發績效總量受總體經濟規模和研發需求強度的影響（通常以R&D績效除以產品總銷售額來衡量），這五個行業在國民經濟中研發投入的密集程度明顯高於其他行業。
美國政府2015年《創新戰略》強調聯邦政府投資要為創新過程提供基本保障，加強美國創新生態系統的四大基礎——基礎研究、高質量的STEM教育（科學、技術、工程和數學）、21世紀先進的基礎設施和下一代數字基礎設施的投資力度。2016年2月，美國政府公佈2017財年聯邦研發預算為1523億美元，比2016財年的1461億美元增加了4.2%。其中，基礎研究和應用研究預算共728億美元，佔48%，較之2016財年增加了39億美元，增幅5.7%。預算案提出繼續增加國家科學基金會、能源部科學辦公室和商務部國家標準技術研究院三大基礎研究資助機構的預算。另外，開發研究預算為767億美元，佔總研發預算的50%，增長22億美元，增幅3%；研發設施設備預算為28億美元，約佔總研發預算的2%，較上年增長2.2%；針對提高STEM教育預算為30億美元，與2016年基本持平。
2017年3月公佈的2018財年政府預算案中，在特朗普政府總預算受限而增加國防相關預算的情況下，對主要聯邦科研機構的經費進行了較大幅度的削減。但5月獲得國會通過的2017財年聯邦研發預算案不僅維持大部分科研機構的研發預算不變，甚至大幅增加了部分機構的研發預算。
2.2 德國：可持續數字經濟建設，智能導向增加產值就業
德國政府重點扶持可持續能源、數字經濟社會、創新就業環境、智能交通、健康生活和公民安全等關乎社會發展、未來經濟增長的核心領域。2016年德國政府出臺了《數字化戰略2025》，旨在以計算機、網絡、大數據等信息技術為基礎，建設智能交通、智能工廠、智慧城市和智能家居等數字化系統，全面提高德國競爭力，推動社會創新發展。根據新戰略，德國計劃投入千億歐元，在2025年前建成覆蓋全國的千兆光纖網絡。德國企業如能持續應用數字技術，未來五年可增加820億歐元產值。
《聯邦研究與創新報告2016》顯示德國研發投入近年來持續增長。2013年德國全社會研發總投入達797億歐元，佔GDP的2.85%，2014年增至839億歐元，接近GDP的3%，其中企業研發投入佔研發總投入的2/3。德國政府對研發的支持力度不斷增強，2016年聯邦政府的研發預算達到158億歐元，2017年聯邦政府研發預算約176億歐元，佔整個政府預算的5.4%。大量研發投入確保了德國創新能力的持續增長。歐洲最具創新能力的10家企業中德國有5家，2004到2015年德國勞動力市場產生了12.6萬個與科研有關的新崗位。
2.3 法國：創新驅動工業轉型升級，引領未來生活方式變革
隨著法國工業增加值和就業率持續下降，法國政府意識到創新的重要性，在2013年9月推出了《新工業法國》戰略，旨在通過創新驅動法國工業轉型，使法國重返全球工業第一梯隊。《新工業法國》戰略是一項為期10年的中長期規劃，主要為解決三大問題：能源、數字革命和經濟生活。戰略包含34項具體計劃，包括可再生能源、環保汽車、無人駕駛汽車、新一代飛機、新一代衛星、新式鐵船舶、建築物節能改造、智能電網水網、綠色化工、生物醫藥技術、大數據、雲計算、網絡教育、物聯網、超級計算機、機器人、未來工廠等等。
法國政府在2016年對《新工業法國》做了階段性總結，總體佈局調整為“一個核心、九大工業解決方案”。一個核心即“未來工業”，旨在實現工業生產向數字製造、智能製造轉型，以生產工具的升級帶動商業模式變革。九大解決方案包括大數據經濟、環保汽車、新資源開發、現代化物流、新型醫藥、可持續發展城市、物聯網、寬帶網絡與信息安全、智能電網等，一方面為“未來工業”提供支撐，另一方面提升人們日常生活質量。法國政府將在“未來工業”計劃框架內為2015年4月至2017年4月實施的工業投資提供為期6年、共50億歐元的稅收優惠，幫助1500餘家中小企業改進經營模式。
根據法國政府2017年預算草案，法國政府將增加高等教育和研究預算，其增幅是15年來最多的一次。2017年，法國政府總體預算增加2%，而高等教育與科研預算計劃增加3.7%，達238.5億歐元，其中研究預算計劃增至79億歐元。2017年法國國家科研署預算較2016年的實際支出額增加9%，達到6.09億歐元，其項目資助申請成功率從2015年的9%提升至2017年的20%。
2.4 英國：優先研發基礎設施建設，稅收減免利好創新企業
儘管面臨消減財政赤字的壓力，英國始終大力支持科研活動，鞏固其世界一流的研究地位。根據英國政府2016年發佈的預算，2016至2020年，英國科學經費預算將由每年47億英鎊逐步增至51億英鎊，其中包括新增設的總額15億英鎊的“全球挑戰研究基金”（GCRF）和4.35億英鎊的“牛頓基金”（Newton Fun）。此外，英國政府劃撥30億英鎊建設“世界一流實驗室”（WCL）和29億英鎊“大挑戰基金”(GCC)用於戰略優先領域基礎設施建設。
未來五年，英國政府科研投入將達263億英鎊，在財政開支非常緊張的情況下實現2011-2020年穩定的研發投入。為實現經濟可持續增長，英國政府還實行研發稅收減免政策。自2015年4月1日起，英國大企業研發稅收減免的比率由10% 提高到了11%，中小企業的研發稅前加計扣除比率由225%提高到了230%，而大企業的研發稅前加計扣除比率高達130%。
2.5 歐盟：跨行業跨地域扶持科技創新，加速工業數字化進程
儘管面臨重重困難，歐盟始終著眼未來，重視研發創新投入。2016年7月歐盟公佈了《地平線2020》計劃，確定歐盟2017年研發創新投入為85億歐元，其中，針對跨部門、跨行業研發創新活動的扶持力度最大。可持續發展方面，歐盟計劃投入3.25億歐元支持“工業2020”計劃；智慧城市方面，計劃投入11.5億歐元，用以實現環境、交通、能源及數字化網絡之間的高效協同運轉；自動駕駛技術方面計劃投入5億多歐元；物聯網研發投入3.7億歐，以擴大數字技術在歐洲的應用。
隨著物聯網、雲計算、機器人、5G通信等信息技術的進步，產品、工藝和商業模式將面臨變革，並隨著全球價值鏈的變化創建新的產業模式。為抓住數字經濟給工業帶來的機遇，歐盟委員會於2016年4月發佈《歐洲工業數字化》，計劃投入500億歐元加速歐洲工業數字化進程，增強歐盟在數字技術領域的競爭力，並確保歐盟不同地域、不同規模的工業都能從數字創新中獲益。
2.6 日本：研發強度投入高速增長，重視科技創新體系改革
為確保日本科技和經濟發展處於全球領先地位，日本政府自2015年以來相繼出臺了《科技創新綜合戰略2015》、《第五期科學技術基本計劃》等一系列重大科技相關戰略、計劃和措施。其2016年1月發佈的《第五期科學技術基本計劃（2016-2020）》提出，未來五年日本政府研發總投入為26萬億日元，將佔日本GDP的1%，併力爭使全社會研發投入達到GDP的4%以上。第五期基本計劃的核心內容是“四大政策支柱”：一是推動未來產業創新發展和社會變革；二是解決經濟社會發展面臨的重大挑戰；三是強化科技創新的基礎能力；四是構建人才、知識和資金的良性循環體系。其中，前兩大支柱強調日本未來科技創新發展的重點，決定了日本未來五年研發投入的基本方向；後兩大支柱著重於日本科技創新體系的改革，奠定了未來日本在人才培養、科技計劃和科研經費管理等方面的改革方向。
根據日本總務省統計局發佈的“2015年科學技術研究調查結果”，2014年日本國內研發總投入為18.97萬億日元，較2013年增長4.6%，實現了連續三年的增長。研發強度達到3.87%，僅次於韓國和以色列，位居世界第三。無論是研發投入總額還是研發強度，都達到日本歷史最高水平。
2.7 美股科技龍頭企業表現強勁，拉動美國及全球股市
如今，科技企業在美股市場中已佔據前排位置。截至2015年5月2日，美股市場總市值約為414,862億美元，其中以科技股為主的信息技術類行業市值約91436.33億美元，佔比為22.04%。而其中最具有價值的企業，當屬FAMGA這五家龍頭科技公司。FAMGA是“臉書(Facebook)、蘋果(Apple)、微軟(Microsoft)、谷歌(Google，母公司Alphabet)以及亞馬遜(Amazon)”這五家美股科技股巨頭的縮寫。截至2018年5月2日，FAMGA總市值約為35,706億美元,佔美股總市值比例約8.61%，超過了德國2017全年的GDP總量(34725.07億美元)，FAMGA在美股市場乃至全球市場的影響力舉足輕重。
受益於iPhoneX、服務和可穿戴設備收入的強勁增長，蘋果公司(AAPL.O)業績今年以來表現亮眼。根據公司5月1日公佈的2018第二財季報告(截至3月31日)，公司當季營業收入為611.37億美元，同比增長16%，為近兩年來最大幅度增長；其中海外銷售額佔財季營業收入的65%。每股攤薄收益為2.73美元，同比增長30%；淨利潤為138.22億美元，增幅達25%，是蘋果有史以來最好的第二財季。另一家科技巨頭亞馬遜(AMZN.O)在4月26日公佈的最新季報同樣展示了不俗的表現，當季營業收入達到510億美元，超過預期的499.6億美元，相比去年同期的357.1億美元增長了43%；淨利潤為16億美元，2017同期淨利潤為7.24億美元，同比增長120%；攤薄後每股收益為3.27美元，而2017年同期為1.48美元。兩項指標均有較大幅度的增長。
標普全球行業指數(S&P Global 1200)顯示，自2018年初以來，信息技術行業已獲得3.83%的投資回報，而同期全部行業整體投資回報下降了1.44%；過去一年，信息技術行業投資回報達到23.95%，同期全部行業為10.54%。值得注意的是，標普全球行業指數前10大權重股中，6家為美國科技龍頭股，分別為Apple, Microsoft, Amazon, Facebook, Alphabet Inc C和Alphabet Inc A。由此可見以信息技術為代表的科技股不僅明顯跑贏了全球市場，其強勁勢頭對全球股票市場整體表現也起到了拉動作用。
2.8 歐洲科技獨角獸成長迅速，盈利能力強估值較低
據專注科技的英國投行GP Bullhound報告，2016年歐洲共誕生了10家估值過10億美元的科技初創獨角獸企業, 歐洲的獨角獸總數達到47家。這47家獨角獸企業的平均估值為28億美元。從國家分佈來看，英國獨角獸數量最多，總共18家，超過1/3的歐洲獨角獸都創始於英國；瑞典排名第二，共有7家獨角獸；德國和法國位列其後，各有6家和3家獨角獸。
其中，來自瑞典的音樂流媒體公司Spotify是歐洲最具價值的初創企業之一。自2008年上線以來，Spotify已佔全球流媒體音樂市場份額的42%，成為全球最大的流媒體音樂服務商，是當之無愧的行業領導者。Spotify在全球擁有高達1.59億的月活躍用戶，其中付費用戶達7100萬人，是Apple Music用戶量的兩倍，讓Amazon和Google play等對手難以望其項背。2018年4月3日，Spotify (SPOT.N)在紐約證券交易所直接上市，成為全球第一家直接上市的獨角獸企業。除了瑞典的Spotify，德國電子商城Zalando和生鮮O2O平臺Hello Fresh，芬蘭遊戲巨頭Supercell，英國房地產門戶Rightmove、雲服務Anaplan和增強/虛擬現實(AR/VR)新秀Blippar等企業也因其創新業務模式和快速增長被廣為看好。
歐洲獨角獸公司往往展現出較強的創收能力。根據GP Bullhound報告，雖然美國初創企業通常可以募集到更多的資金，但他們的創收能力卻不如歐洲初創公司。歐洲獨角獸企業平均營業收入為3.15億美元，而美國獨角獸企業的平均營業收入為1.29億美元，前者幾乎是後者的3倍。但是，美國獨角獸的平均估值水平卻遠高於歐洲獨角獸。從營收倍數(EV/Rev)來看，美國獨角獸的平均值是46倍，而歐洲獨角獸為18倍。歐洲獨角獸企業的估值明顯較美國低，一定程度上說明歐洲投資者重視企業高估值背後的支持因素和企業持續盈利能力。2016年約有60%的歐洲獨角獸企業已經實現盈利。除了創收，增長速度也為歐洲獨角獸所重視，2016年歐洲獨角獸企業平均增長率達到99%。
從行業分佈看，歐洲獨角獸企業與科技創新緊密聯繫，其主要集中在電子商務、軟件及平臺三個領域，佔到整個獨角獸企業總數的64%。軟件業佔比從2015年的20%上升到2016年的26%，已成為歐洲的主導產業。增強現實/虛擬現實(AR/VR)作為全新的領域誕生了兩家獨角獸企業。
三、全球科技發展主要領域和未來趨勢展望
3.1人工智能(Artificial intelligence)
3.1.1人工智能：讓機器擁有人類智力
在1956年達特茅斯會議上，人工智能(Artificial intelligence, 簡稱AI)的概念被首次提出。當時科學家對於AI的暢想是建造一臺極其複雜的機器，讓機器展現出人類的智力特徵。這種概念逐漸發展為我們所說的“強人工智能” （General AI）——機器不僅像人類一樣擁有靈敏的感知，還能推理、思考和解決問題，甚至擁有自我意識。科幻電影裡的超能力機器人，基本屬於這個範疇。
與此相對應的是“弱人工智能”概念（Narrow AI），其在當前科技發展階段研究和實踐較為廣泛。弱人工智能可以幫助人類完成具體任務，比如圖像識別、語音識別等，比如Facebook通過AI識別臉部、Pinterest通過AI對圖片分類。弱人工智能擅長解決特定問題，是優秀的信息處理者，比如谷歌的AlphaGo和IBM的Watson。但受技術限制，弱人工智能仍無法達到模擬人腦的水平。
3.1.2 機器學習：通往人工智能之路
機器學習(Machine Learning)是人工智能的核心，是計算機獲得智能的根本途徑。簡單來說，機器通過分析大量數據進行學習，像人類一樣通過重複解決一類問題獲取經驗、尋找模式，並將經驗運用到新的問題解決和預測中。機器學習的數學基礎是信息論、統計學、控制論等。根據給定任務的不同，會用到一種或多種算法，比如樸素貝葉斯、支持向量機、神經網絡、遺傳算法、決策樹等。科學家並不親自編寫指令讓程序完成特定任務，而是通過大量數據和算法訓練機器，讓其學會如何完成任務。
機器學習的過程包含六個步驟：1）數據分組：把數據分成訓練數據、驗證數據和測試數據三組；2）數據建模：使用訓練數據來構建模型；3）驗證模型：把驗證數據接入模型來檢驗模型；4）測試模型：使用測試數據檢查被驗證模型的表現；5）使用模型：使用完全訓練好的模型在新數據上做預測；6）優化模型：使用更多數據、不同的指標或調整過的參數來提升算法的性能。
3.1.3 深度學習：對人類神經網絡的模仿
深度學習(Deep learning)是機器學習的一個分支領域，它試圖建立一種模擬人腦的神經網絡(Neural Network)，效仿人腦機制實現聲音、圖像和文本等數據的分析。人腦中有150多億個神經元，相互連接的節點更是數不勝數；神經元可以連接到特定物理距離內任何其它神經元。人工神經網絡則分為很多不同的層(layer)，有連接(connection)和數據傳播方向(data propagation)。最簡單的神經網絡包括一個輸入層、一個隱藏層和一個輸出層。每一層都由多個神經元組成，每一層的每個神經元都與下一層中的所有神經元相連。
深度學習的目標是讓機器掌握自己學習的能力。2012年，斯坦福大學教授Andrew Ng主導的Google Brain項目用16000個CPU Core的計算平臺訓練一種機器學習模型——深度神經網絡（Deep Neural Networks）。該模型突破之處在於讓神經網絡變得非常大（10億個節點），不斷增加層數和神經元數量；讓系統運行大量數據、不斷訓練。該項目在圖像和聲音識別上獲得了成功，系統通過深度學習可以領悟和準確識別“貓”。
一些經過深度學習的機器甚至比人類擁有更好的識別能力，能夠識別血液中的癌細胞特徵、識別MRI掃描圖片中的腫瘤等；AlphaGo學習圍棋的方式，也是通過與自己不斷下棋的過程來學習和優化策略。
3.1.4 深度學習讓人工智能前景充滿希望
有了深度學習，機器學習才有了實際的應用，人工智能的範圍得以不斷擴展。深度學習將任務細化，使各種類型的機器輔助成為可能。當深度學習應用到自動化系統時，可以幫助實現無人駕駛、自動飛行、預防性治療等目標；如果數據收集自傳感(Sensor)，並通過網絡進行傳輸，就是深度學習在物聯網領域(Internet of things，IoT)的應用。另外，自然語言溝通和機器人情感的研究將有助於增強人機互動(Human-Machine Interaction)。在未來，機器人可能會承擔更多日常生活中的具體工作，比如買菜、照顧老人和兒童，收穫糧食、維護公共設施等。
3.1.5 AI芯片為深度學習保駕護航
自2015年以來，AI的迅猛發展很大程度上歸功於AI芯片的發展，讓並行處理變得更快、更強大。我們知道，深度學習分為訓練端(Training)和推理端(Inference)。簡單來說，就像學生需要上課一樣，神經網絡也需要通過海量的數據訓練來學習如何工作，而訓練好的神經網絡，可快速高效地從新數據中“推斷”各種結論。這個過程稱之為“推理”。
深度學習需要通過大量的數據訓練來達到理想效果。以語音識別為例，僅在聲學建模部分，算法就需要十億到千億級別的訓練樣本數據。大數據時代的到來滿足了深度學習對於數據量的要求，但是算法的實現還需要處理器極高的運算速度作為支撐。傳統的CPU架構面對深度學習的海量數據運算變得不堪重負。
3.1.6 AI芯片的技術路線有三種：GPU, FPGA和ASIC
3.1.6.1 GPU芯片
GPU芯片以英偉達(Nvidia)的Tesla系列為代表。GPU最初是用於3D圖形渲染與處理的圖形處理器，因為擁有出色的並行運算能力，被應用於深度學習的訓練和推斷。GPU採用並行架構，超過80%部分為運算單元，具備高性能運算速度。相比較，CPU僅有20%為運算單元，更大部分是邏輯單元，因此CPU擅長邏輯控制與串行運算，而GPU擅長大規模並行運算。通過GPU訓練的神經網絡甚至能比人類更好地檢測模式和物體。
隨著人工智能的技術不斷成熟，深度學習需要融合傳統的高性能串行計算和新興的並行運算，因而異構計算平臺成為產業熱點。Nvidia把握時機，基於異構計算方式推出了專門用於深度學習或人工智能定製的硬件，包括Pascal系列(Tesla P100，Tesla P4，Tesla P40）和Volta系列(Tesla V100）的GPU芯片。
3.1.6.2 FPGA芯片
FPGA是AI芯片的第二條技術路線，以賽靈思（Xilinx）為代表。FPGA全稱是Field Programmable Gate Array（可編程邏輯門陣列）。相對於GPU，它有以下特點：硬件上，其內部集成大量的數字電路基本門電路和存儲器，用戶可以通過燒入配置文件來定義這些連線，從而達到定製電路的目的；邏輯上，它不依賴於馮諾依曼結構，一個計算結果可以被直接饋送到下一個計算，無需在主存儲器臨時保存，帶寬需求比使用GPU 或CPU時低得多，具有流水處理和迅速響應的特點。
FPGA全球市場規模大約為60億美元，主要有Xilinx、Altera、Actel、Lattice、Atmel等幾家公司。其中，Xilinx規模最大實力最強， 在全世界有7500多家客戶及50000多個設計開端，滿足了全球一半以上的需求。Altera於2015年底被Intel收購，用於發展Intel的“CPU FPGA”AI芯片戰略，約佔全球市場份額的36%。
國內FPGA市場規模大約為9.2億美元。具代表性的深鑑科技（DeePhi）由清華大學和斯坦福大學聯合成立，是國內基於FPGA進行深度學習算法開發的公司。DeePhi因其在機器學習領域的開創性研究，和在全球頂級AI會議上發表的論文而聞名。國內基於FPGA的研發還包括地平線機器人的深度神經網絡芯片、雲知聲的AI可定製化芯片UniOne。
3.1.6.3 ASIC芯片
ASIC中文為“專用集成電路”，Google的TPU是ASIC技術路線的典型代表。ASIC與GPU、FPGA不同，後者除了是技術路線，還是實實在在的產品，而ASIC就是一種技術或方案，其最終形態與功能也是多種多樣的。
一般來說，ASIC研發往往針對專門的領域或產品。我們熟知的AlphaGo的背後就是Google研發的TPU。Google在2017年5月的開發者大會上正式公佈了TPU2，又稱Cloud TPU。相比於TPU1，TPU2既可以用於訓練端又可以用於推斷端。Microsoft研發的HPU，即全息處理器，是專為Hololens應用開發的。
可以看出，這三種技術路線各有優勢，適用於不同的場景，未來或將呈現多種技術並存的局面。除了以上三種主流技術路線之外，還有類腦芯片，如IBM的TrueNorth。
3.2 物聯網(Internet of Things)
物聯網(Internet of Things，簡稱IoT)正在受到來自世界各國政府、企業和學術界的高度關注。聯合國將物聯網定義為全球信息社會的基礎設施，通過不斷髮展的可交互信息通信技術連接實際和虛擬事物，以提供先進的服務。簡單來說，物聯網有兩層含義：第一，物聯網的基礎仍然是互聯網；第二，物聯網用戶端延伸和擴展到了物品與物品之間，使萬物相連。通過智能感知、智能識別等技術，物聯網廣泛應用於網絡融合中，被稱為繼計算機、互聯網之後世界信息產業發展的第三次革命。
應用創新是物聯網發展的核心。物聯網不僅可以提高企業生產力、促進消費，還能極大提升生活質量。物聯網已見於一些產品和應用，如Apple Watch可監測用戶的健康指標，如睡眠時間和心率等。通過Apple watch生成的數據通過iPhone上傳電腦，可分析數據瞭解身體情況。在農業生產方面，精密農業設備可測量農作物狀況，通過連接遠程衛星和地面傳感器收集的數據，可調整田間每片區域的種植方式。
據保守估計，到2045年將有超過1000億臺設備連接到互聯網，其中包括移動和可穿戴設備、電器、醫療設備、工業傳感器、安全攝像機、汽車、服裝和其他終端等。所有這些設備將產生並分享海量信息，徹底改變我們工作和生活的方式。
物聯網將對全球經濟和社會產生廣泛而深遠的影響，包括提高生產力、節約能源、提供醫療健康服務、實現家務勞動和工業生產自動化、改善公共交通和無人駕駛等。根據OECD數據，2025年物聯網經濟將影響相當於全球的4% -11%生產總值（GDP）。物聯網將複雜生產過程自動化，優化庫存、節約能源，工業企業將成為物聯網應用最大的獲益者。IHS Global Insight預測2017年到2025年全球物聯網設備出貨量將增長兩倍以上，達到194億臺設備。其中，增長最快的是工業部門，從13億臺設備攀升至108億臺設備，其將物聯網設備佔比或從21%提高到56%。
未來，人們將利用物聯網(IoT)生成的信息做出更明智的決策，更深入瞭解自己和周圍的世界。與此同時，物聯網連接的設備還可以自動執行目前尚需人工實現的工作，比如管理、監控和維護等等。物聯網、人工智能和數據分析等領域的跨學科融合可以幫助實現全球智能機器網絡，自動執行任務，為生產生活服務。
3.3 雲計算(Cloud Computing)
3.3.1 什麼是雲計算？
“雲”對我們來說並不陌生，過去幾年裡，越來越多的應用遷移到了“雲”上，比如我們熟悉的“雲盤存儲”等。在不遠的將來，幾乎所有的計算都會在“雲端”完成，通過各式各樣的移動設備為我們提供服務。“雲計算”的內涵很豐富，人們對它的定義也不盡相同。依據雲安全聯盟CSA的定義，雲計算的本質是一種服務提供模型，用戶通過模型可以隨時、隨地、按需獲取共享資源池的資源，這個資源池包括計算資源、網絡資源和存儲資源等。這些資源可以被動態分配和調整，在不同用戶之間靈活的劃分。
3.3.2 雲計算滿足不斷擴展的計算需求
我們知道，傳統的應用的升級帶來需求的提升：需要更強的計算能力、支持更多用戶、對安全穩定的要求越來越高。為了滿足不斷擴展的需求，企業不得不購買更多硬件設備（寬帶、服務器、存儲等）和軟件（數據庫等），聘請專業團隊來負責安裝、測試、運營和維護等工作，工作量和費用巨大，而且會隨著應用規模的擴張持續增加支出。這也是為什麼即使是在那些擁有很出色IT部門的大企業中，用戶仍在不斷抱怨系統難以滿足需求。而對於那些中小規模的企業甚至個人創業者來說，創造軟件產品的運維成本更加難以承受。
3.3.3 雲計算的主要特點與優勢
3.3.3.1 規模龐大、分佈式計算
“雲”規模龐大，一些知名雲供應商如Google雲計算、Amazon、微軟、IBM、阿里等都擁有上百萬級的服務器規模。依靠這些分佈式服務器所構建起來的“雲”能夠為使用者提供前所未有的計算能力。
3.3.3.2 虛擬技術實現去中心化，按量計費性價比高
“雲計算”採用虛擬化技術，用戶無需具體硬件設備，只需通過雲服務提供商註冊賬號、登陸到雲控制檯，便可配置所需服務（雲服務器、雲存儲和CDN等）。這比在企業數據中心去佈置一套應用要簡單方便得多。而且用戶可以隨時隨地通過移動終端來控制資源，就好像雲服務商為每個用戶都提供了一個數據中心IDC (Internet Data Center)一樣。用戶可以根據自己的需要來購買服務，甚至可以按使用量來進行精確計費。這能極大地節省IT成本，而資源的整體利用率也將得到明顯的改善。
3.3.3.3 可用性、擴展性和安全性突出
雲計算供應商一般會採用計算節點同構可互換、數據多副本容錯等措施來保障服務的可靠性。基於雲服務的應用可以24小時提供服務，另外“雲”的規模可以動態伸縮，來滿足應用和用戶規模增長的需要。此外，網絡安全已經成為所有企業或個人必須面對的問題，企業的IT團隊或個人很難應對那些來自網絡的惡意攻擊，而使用雲服務則可有效藉助專業的安全團隊來降低風險。
3.3.4 海內外雲計算市場發展狀況
3.3.4.1 全球雲計算市場發展
1999年互聯網經濟泡沫之後，雲計算的先行者Salesforce.com在美國加州舊金山成立，主要向客戶銷售基於雲的SaaS產品，也就是客戶關係管理系統CRM。2005年，亞馬遜Amazon推出了基於IaaS的AWS服務，將雲計算發展推向高峰，強勁的競爭對手微軟Azure和SoftLayer (2013年被IBM收購)相繼應運而生。2009年，Google開始對外提供基於PaaS的Google App Engine服務，至此雲計算產品版圖徹底補齊，進入高速發展的繁榮時期。2016年，全球“公共雲”服務市場規模約為2086億美元，較2015年增長17%。雲計算市場年增長率已連續4年穩定保持17%左右的較高增長速度。
3.3.4.2 國內雲計算市場現狀
近年來我國雲計算產業發展迅猛，年均增長率超過30%，是全球發展最快的市場之一。新技術、新產品、新應用不斷湧現，雲計算產業鏈條日趨完整，產業生態日益繁榮。IDC數據顯示，2016年中國雲計算整體市場規模將達到523億元，整體增速38.3%。其中，“公有云”市場約為165億元，比2015年增長61%。
國際巨頭爭相登陸國內雲計算市場，2016年亞馬遜、甲骨文、IBM等國際巨頭紛紛通過與國內企業合作的方式登陸中國市場。亞馬遜AWS同光環新網合作正式落地中國，IBM同世紀互聯合作將Bluemix PaaS平臺落地中國，甲骨文Oracle與騰訊合作雲服務。中國雲計算企業也加速推進海外市場。2016年，阿里雲、騰訊雲等國內巨頭推出了雲計算海外服務節點；其他雲計算企業通過與當地企業合作、設立分公司等方式，積極佈局海外市場。
隨著雲計算市場競爭日趨激烈，通過合作、併購補齊自己短板，被各企業視為加強競爭優勢的手段。2016年，雲計算領域的合作和併購風起雲湧。隨著眾多企業和商家進入雲服務領域，雲計算市場競爭日趨激烈，因而持續降價促進雲計算更為普及依然是有效的競爭手段。
3.3.5 雲計算未來應用前景展望
當今時代，“雲計算”和移動設備正在悄悄地改變著人們與數據交互的方式。目前美國3%的網頁瀏覽和40%的社交媒體使用都是在移動設備上完成的。到2030年，全球75%的人口將擁有移動連接，60%擁有寬帶接入。移動設備的功能越來越強大，功能越來越豐富，各種嵌入式傳感器可以測量天氣、位置、環境、光線和聲音以及生物識別等。“雲計算”與移動數據協同工作，提供近乎無限的計算能力。這樣，無需增加IT基礎設施投資即可輕鬆擴展。在未來30年中，基於雲計算的移動計算有可能改變從醫療保健到教育的一切。手機將監測生命體徵，並直接與診斷應用相連接。人們將使用移動在線教育學習新技能，應用程序將允許農民連接到實時天氣數據和工具，以優化農業耕種。
3.4 生物科技與生命科學(Bioscience)
3.4.1生物醫藥：精準醫療和再生醫學引領飛躍
隨著生命科學的發展，醫學將通過重要技術突破而發生質的飛躍。比如通過基因組學研究(Genomics)的深入開展，科學家有望研發出針對患者個體基因的藥物。這種醫療模式被稱為精準醫療，又稱為個性化醫療(Personalized medicine)，是指以個人基因組信息為基礎，結合蛋白質組、代謝組等相關內環境信息，為病人量身設計出最佳治療方案，以期達到治療效果最大化和副作用最小化的一門定製醫療模式。個性化醫療將被廣泛用於癌症、心血管疾病、阿茨海默症等目前難以治癒疾病的治療。
再生醫療(regenerative medicine)也是未來醫學進步的核心領域。比如，目前的器官移植手術存在諸多限制因素，一方面，找到配型合適的器官往往需要一段時間，這可能導致錯過最佳手術時機延誤病情；另一方面，移植來的器官可能會與自體發生排異反應，不僅手術無法達到預期效果，還可能造成生命危險。未來生物醫學技術或通過患者DNA樣本的培養，獲得移植手術所需的器官，降低因為等待配型和排斥反應帶來的風險。除此之外，生物假肢技術會取代沒有神經知覺的普通假肢，直接與人體的神經系統相連，從而獲得與真實器官極其相似的觸感。急救機器人和控制性降溫等相關技術會大幅度延長救援的黃金時間。科學家還致力於從基因層面發現衰老的原因，延長人類壽命，使人類保持健康、旺盛和活躍的身體機能。
3.4.2 人類增強：突破生物能力的極限
未來，科技創新將帶領人類突破生物能力的界限。例如，由物聯網連接的可穿戴設備將會把與實時有關的信息直接注入我們的感官中；外骨骼和與大腦連接的假肢將會使我們變得更加強大，幫助老弱病殘人士恢復行動能力。還比如，裝有探測器和嵌入式計算機的隱形眼鏡、植入體內的特殊裝備將給我們帶來可以穿牆的聽力、天然夜視、以及獲得虛擬和增強現實系統的能力。益智藥物也許能幫助我們提升思維能力和記憶能力，改變工作和學習的方式，提高思維質量和效率。相關的技術研究領域包括可穿戴計算設備、機械外骨骼、藥物增強、自我量化等等。
3.4.3 合成生物科技
早在孟德爾發現遺傳的基礎規律，以及埃弗裡.麥克勞德.麥卡蒂實驗證明DNA是遺傳物質之前，人類已經進行了幾千年的通過選擇性育種以及雜交來操縱植物和動物的遺傳基因。隨著對遺傳學認知的加深，我們已經可以通過搭建新的DNA來實現“無中生有”，創造新的生物。基因改造農作物則是此項科技的先鋒。但在此同時，我們正站在一場生物革命的突破口。當我們跨入生物科技的新時代時，生命將會成為信息，如同電腦程序的代碼一樣，可以被改寫的信息。
科學家正在開發一種可以分泌生物柴油的海藻，這種海藻的DNA中則被編寫了數千GB的數據。在未來的30年裡，合成生物科技將製造出可以探測到毒素，從工業廢料中製造生物柴油，以及通過共棲來給人類寄主提供藥物的生物。合成生物也可能會帶來生物武器和難以控制的入侵物種等風險。合成生物科技相關的代表性技術包括建模與仿真、標準化DNA、DNA合成與測序等，可以實際應用於編輯胚胎細胞、遺傳編程、工業級合成生物學等。
3.5 航天科技(Aerospace Industry)
3.5.1 全球航天產業蓬勃發展
航天產業，又稱為航天經濟，狹義的航天產業即航天硬件製造商（主要為運載火箭和衛星）；廣義的航天產業是“參與開發或提供航天產品和服務的所有政府和企業參與者”。從研究開發者、到空間硬件製造商、到航天產品供應商，到最終為用戶提供太空支持產品和服務，航天產業包含一個很長的增值鏈。
2018年是全球商業航天的元年，整個航天產業風生水起，無論是商業發射、太空旅遊、還是天地一體化，都蘊涵著巨大的商機。世界上很多國家都開始發力，2月6日美國商業航天代表企業SpaceX以63.8噸的獵鷹重型火箭(Falcon Heavy)吸引了全世界的目光，刷新了火箭運載力與發射成本的記錄。1月19日，中國長征11號的“一箭六星”首次實現了全部商業發射。
近幾年，中國商業航天迅速發展，除了國企在商業領域的拓展，也湧現出不少民營航天企業，在火箭、衛星技術等方面取得進展。然而相對於美國，中國在航天技術、航天政策和產業環境方面，都有明顯的差距，縮短這種差距是中國航天發展的方向。
3.5.2美國航天曆史悠久，航天市場較為成熟
如果說中國的航天產業方興未艾，那麼美國的航天產業市場已相對較為成熟，航天技術長期保持世界領先的地位。美國航天產業的歷史可以追溯到阿波羅登月之後，美國國家航空航天局(NASA)開始研發相對經濟的航天飛機，並在之後要求所有載荷使用航天飛機發射，這使得美國火箭一度停產，航天飛機幾乎壟斷髮射市場。1986年“挑戰者號”航天飛機發生事故，美國政府決定鼓勵火箭商業化，於1989年重新發射運載火箭。在美國政府資助下，波音(Boeing)、洛克希德•馬丁(Lockheed Martin)推出了德爾塔(Delta)、宇宙神(Atlas)等運載火箭系列。
這兩家航天巨頭於2006年成立了聯合發射聯盟(ULA)，開始壟斷美國的發射訂單，導致成本飆升。由此美國政府和NASA開始鼓勵SpaceX、軌道科學(ATK)等私營公司進軍商業市場。2006-2008年，NASA同SpaceX、ATK等公司簽署了一系列激勵協議和商業補給服務合同。2016年，NASA又與SpaceX、ATK、Sierra Nevada簽署了2019-2024年的商業補給服務。2010年，美國政府頒佈《美國國家航天政策》，提出鼓勵和推動商業航天發展的計劃。
基於這些協議，SpaceX在2010-2017年間為NASA空間站運送了13次補給物資；2010-2015年間，SpaceX共執行20次發射，其中10次為NASA服務。值得注意的是，NASA會按照10%-50%的溢價價格購買SpaceX的火箭。2017年，美國的29次火箭發射中，SpaceX的獵鷹9火箭貢獻了18次，成為全世界發射頻率最高的火箭。SpaceX今年發射的獵鷹重型火箭，擁有63.8噸的近地軌道運輸能力，是近30年來世界運載火箭的最高紀錄。此外，獵鷹重型已將單位載荷成本降至1141美元/千克，對比此前數萬美元/千克的價格，堪稱經濟實惠。重型火箭對人類太空探索意義重大，是載人登月、登陸火星等太空探測活動的必要途徑。
3.5.3 中國商業航天方興未艾，機遇挑戰並存
2018年中國航天開門紅。1月，中國航天科技集團（中航科技）在以5次發射將15顆衛星送入軌道，長征系列火箭創下史上最高單月發射頻率；2月2日，長征二號再次將7顆衛星送入軌道。2018年的6次火箭發射，在全球的17次發射中佔比超過1/3。
在長征火箭送往太空的22顆衛星中，有16顆商業、科研衛星，其中包括來自加拿大、丹麥、烏拉圭三個國家的衛星；1月19日長征11號的“一箭六星”更是首次實現了全部商業發射。去年中國18次火箭發射中，商業衛星數量只有8顆，商業小衛星的高密度發射是從2018年開始的。
對中國而言，重型火箭一直是航天科技的瓶頸。2016年之前，最高運載能力的長征七號只有14噸，無法支持空間站建設、探月工程等重型任務。2006年中國開始研製長征五號，10年中攻克了247項核心關鍵技術，在2016年11月實現首飛成功，成為中國運載能力最大的火箭，近地軌道運載能力達25噸。
3.5.4 科技創新引領航天進步，成本和運載力成核心競爭力
太空行業正在進入一個從上個世紀60年代後就從未出現過的發展階段。全球航天產業無論發展路線是否相同，最終競爭不可避免，而商業發射的競爭力主要來自於商業運載力與發射成本。
在未來，持續的科技創新和突破將大大降低把人和物送入太空的成本和價格，而這會開啟太空探險的新機會。技術創新和突破領域包括機器人、先進的推進系統、輕便的材料以及元件小型化等。目前，SpaceX、Blue Origin、Arianespace等太空行業新興力量已經開始探索包括可回收火箭在內的顛覆式創新。在未來的30年，科技研發將會帶領人類重返月球；除此之外更加偉大的太空探險，如人類登錄火星、開採小行星中的礦物等新興太空行業也都有可能應運而生。
航天科技創新需要充足的資金支持。據美國航空管理局(FAA)統計，2016年美國超過100名投資者向43個太空創業項目投資了28億美元，2017年數據尚不完整，但規模預計超過2016年。美國互聯網巨頭Google、Facebook、亞馬遜、軟銀等公司紛紛佈局商業航天領域。如今聚集了大量太空創業者的美國莫哈維(Mojave)被稱為“太空時代的硅谷”，孕育形成了一個融零部件製造、新材料、引擎、衛星到火箭測試、發射場、培訓學校、融資服務於一體的完整太空產業鏈。相比較，國內啟動了航天項目投資的機構只是少數，互聯網巨頭還沒有向商業航天投注精力；即便是航天創業公司聚集的北京亦莊，目前仍尚未形成太空產業鏈。
不同政策和產業環境下，引導出完全不同的產業格局，追求商業發展的美國逐漸形成了在發動機、控制系統、火箭組裝、發射等開放競爭的產業格局。在工業基礎薄弱、缺少技術積累的情況下，中國把資源集中在中航科技以實現突破，除少數私營企業能夠提供部分上游材料之外，大部分火箭材料、發動機、控制系統、製造環節以及整個中下游產業環節乃至航天人才均由中航科技掌控。在中國努力突破技術瓶頸、實現更高運載力的同時，美國航天產業已經開始通過鼓勵競爭降低商業成本。相對於美國，中國在航天技術、航天政策和產業環境方面，都有明顯的差距，而縮短這種差距是未來中國航天產業發展的方向和前景。
風險提示：宏觀政策變化；經濟增長不達預期；全球範圍出現黑天鵝事件。
閱讀更多 陳靂 的文章
