第一节 美国信息技术和创新基金会
2021年1月25日，美国科技创新智库“信息技术和创新基金会”（ITIF）发布题为《谁将赢得这场人工智能竞赛？中国、欧盟还是美国？》（Who Is Winning the AI Race:China， the EU， or the UnitedStates？）的2021年版报告。该系列报告的首份于2019年发布。报告指出，在人工智能（AI）的开发和应用方面占据领先地位的国家将能够塑造这一技术的未来、显著提高自身的经济竞争力，而落后的国家则可能失去关键行业的竞争力。
一、中国正在挑战美国在AI领域的领先地位
美国已成为人工智能领域的领跑者。中国与美国的差距并没有显著缩小，但其持续进步的势头可能逐步消磨美国的领先地位。相较于欧盟和美国，中国的部分人工智能能力有所提高。在人工智能相关出版物方面，中国已超过欧盟，成为全球领导者。人工智能的研究质量总体呈逐年上升趋势。中国的软件和计算机服务企业的研发投入不断增大。中国目前拥有的TOP500的超级计算机数目几乎是美国的2倍。在产生的数据量方面，中国仍可能保持领先地位。
二、欧盟在人工智能领域的进展喜忧参半
欧盟与美国的私募基金与风险投资之比有所增加。在人工智能领域学术论文的质量而言，欧盟的FWCI指标有所提升。但在融资交易数量、人工智能企业收购情况，以及融资至少100万美元的人工智能企业数量等方面，欧盟已远远落后于美国。在研发支出方面，欧盟的软件和计算机服务企业未能缩小其与美国企业的差距。英国脱欧将从绝对数量和人均水平上进一步削弱欧盟的人工智能能力。
三、对美国与欧盟加强AI竞争力提出建议
报告指出，中国政府已将人工智能列为优先发展事项，美国和欧盟能够也应当采取措施予以回应。报告就美国和欧盟应如何进一步促进人工智能能力的发展提出了建议。对欧盟来说，一是着力应对欧盟及其成员国面临的最大挑战—对人工智能的质疑；二是欧盟成员国应增加研发税收优惠；三是成员国应扩大其公共研究机构（PRIs）。对美国来说，一是更积极地支持人工智能研究和部署；二是促进人工智能的应用，以推动创新；三是联合民主同盟国家，采取多种方式开展合作。
第二节 CB Insights
CB Insights于2021年4月发布最新一期的全球人工智能初创百强企业榜单（简称“AI 100”榜单）。AI100榜单是全球公认的人工智能领域最具权威性的榜单之一。从2017年CB Insights首次发布，如今已经进行到第5届，该榜单已成为人工智能领域的风向标。
最新的2021 AI 100榜单由CB Insights研究团队从6000余家创业企业（成立不超过10年的非上市公司）池中挑选而出，分别来自全球12个国家，包括中国、美国、英国、日本等。其业务涉及范围广泛，从药物研发到医院营收管理，从制造业到城市垃圾分类，入选率仅为1.6%左右。其中地平线、嬴彻科技、初速度、明晰智能、一流、循环智能等6家中国企业上榜。
一、中国公司在AI领域的崛起趋势稳定
从这5年的入选结果来看，中国公司在AI领域的崛起趋势保持稳定。在2017年AI 100名单上，来自中国的公司仅有4家（碳云智能、出门问问、Rokid、优必选），这一数字在2018年增加到了7家（今日头条、商汤、旷视、英语流利说、出门问问、寒武纪、优必选），2019年有6家中国公司上榜（商汤、依图、旷视、第四范式、Momenta、地平线）。2020年也有6家中国公司上榜（创新奇智、禾多科技、追一科技、第四范式、松鼠AI、蓝胖子机器人）。最新的2021年AI 100，中国公司上榜数量与上年持平，同时也出现了新面孔，上榜公司分别是：地平线、嬴彻科技、初速度、明晰智能、一流、循环智能。
二、AI初创企业融资增长稳定，各行业应用不断深化
上榜的百家企业在2020年共计筹资超过117亿美元，涉及370余起融资事件和700多家投资方；上榜的6家中国企业融资总额超过26.7亿美元，范围包括AI基础设施、自动驾驶、计算机视觉及自然语言处理等。其中融资额最高的企业，主要分布在自动驾驶领域（比如Aurora以及中国企业Momenta）、药物研发领域（比如Insitro）、AI处理器领域（比如Graphcore和中国企业地平线）。入选的企业中，有37家处于种子轮/天使轮及A轮，包括关注无线信号处理的DeepSig、深度学习加速器Deci，以及关注漏水监测的未融资企业WINT。100家企业中，有12家独角兽企业，其应用领域覆盖数据标注、网络安全、营销及CRM平台、企业搜索等。
第三节 Open AI
2020年4月，Open AI联合30个组织发布了名为《提高人工智能开发中的可验证性》的报告。报告提出了提高对人工智能系统索赔可核查性的机制和工具，开发人员可以使用这些工具提供AI系统安全、可靠、公平和能够保护隐私的证据，用户、决策者和民间组织则可以使用这些工具评估人工智能开发流程是否合理。
一、解决的问题
虽然很多组织都申明人工智能发展的过程遵循道德原则，但难以被验证，有可能增加社会风险和危害。报告阐述的机制，可以帮助利益相关者处理如下情况：
（1）用户可以验证有关新AI系统所保证的隐私保护级别的索赔吗？
（2）监管者可以追踪导致自动驾驶汽车事故的步骤吗？自主汽车公司的安全索赔应该与什么标准进行比较？
（3）当缺乏工业计算资源时，学者对与大型人工智能系统相关的风险进行公正的研究吗？
（4）AI开发人员可以验证在AI开发特定领域的竞争对手遵循最佳实践，而不是为了获得优势而削减开支吗？
二、体制机制和建议
（1）第三方审计。利益攸关方联盟应设立一个特别工作组，研究对人工智能系统进行第三方审计并为其提供资金的备选方案。
（2）红色团队练习。开发AI的组织应开展红色团队练习，以探索与系统相关的风险，并应共享最佳实践和工具。
（3）偏见和安全赏金。AI开发人员应为AI系统试行偏见和安全赏金，以建立对人工智能系统开展审查的激励措施和流程。
（4）AI信息的共享。AI开发人员应共享有关AI事件的更多信息，包括协作渠道、软件机制和建议。
（5）审计跟踪。标准制定机构应与学术界和行业合作，制定人工智能系统安全关键应用的审计跟踪要求。
（6）可解释性。发展人工智能投资机构的组织应支持对人工智能系统可解释性的研究，重点是支持风险评估和审计。
（7）隐私保护机器学习。AI开发人员应开发、共享和使用成套工具进行隐私保护机器学习，包括针对通用标准的性能衡量标准。
三、硬件机制和建议
（1）为机器学习提供安全硬件。工业界和学术界应共同努力，为人工智能开发硬件安全功能，或以其他方式建立在机器学习环境中使用安全硬件的最佳实践。
（2）高精度计算测量。一个或多个人工智能实验室应详细估计单个项目所涉及的计算能力，并提供有关可能更广泛地采用此类方法的经验。
（3）计算对学术界的支持。政府资助机构应大幅度增加对学术界研究人员计算能力资源的资助，从而提高这些研究人员核实行业索赔的能力。
第四节 Gartner
2020年9月，Gartner发布了《2020人工智能技术成熟度曲线报告》，展现2020年全球人工智能技术发展的现状与挑战，2020人工智能技术成熟度曲线如图23-1所示。“Gartner新兴技术成熟度曲线”展示新兴技术发展经历的五个关键阶段，将其划分为触发期、期望膨胀期、谷底期、启蒙爬升和平台期。Gartner公司每年选取人工智能技术领域最热门的30多项技术，绘制成成熟度曲线，揭示相关技术的成熟度及发展趋势，是全球人工智能技术发展的风向标。
相较2019年，2020年的人工智能技术成熟度曲线出现了5个新技术类别：客户端技术、复合型AI、小数据、负责任的AI和生成型AI。同时，删除和重新分类了13个技术，例如删除持VPA的无线扬声器，删除机器人流程自动化软件，将AI开发人员工具包重新划分到AI开发人员和教学工具包类别，将AI PaaS划分到AI云服务类型，将C＆SI服务、AutoML和可解释AI等划分到负责任的AI类型等。
Gartne指出，聊天机器人是如今人工智能的一大典型应用，聊天机器人在保护顾客和员工信息安全和提供非接触式交互方面做出了巨大贡献。预计在2到5年的时间中，聊天机器人将成为企业使用人工智能的最主要形式，使用率将达到100%。同时，2021年，Gartner将机器人渗透率预期从5%～20%提高到20%～50%。
Gartner认为，知识图谱是2020年技术进步最快、场景价值得到广泛验证的人工智能技术。已经在数字化工作场所、自动化、支持机器学习、数据分析、数字商务、数据管理等很多领域得到成功应用。Gartner建议，公司的领导者可以把知识图谱作为数据库，尤其在数据有很多不同的来源和形式时。负责数据和分析的IT行业领导人有必要把知识图谱作为数据分析、治理和管理的工具，并建立多种知识图谱的互操作方式，这样可以有效防止数据孤岛扩散。
第五节 麦肯锡
2020年，麦肯锡发布了名为《2020年人工智能状况》的人工智能行业调查报告。《2020年人工智能状况》对2395名受访者，用随机抽样的方式开展线上调查。样本涵盖全球各个地区、不同行业、不同公司规模和各个管理层。在2395名受访者中，1115名所在的企业使用了人工智能技术，很多受访者所在企业的多个部门都使用了人工智能技术。从行业上看，高新技术和电信产业是人工智能技术的主要应用者，汽车、装备等行业对人工智能技术的使用则相对落后。
《2020年人工智能状况》表明，虽然全球企业普遍受到新冠肺炎大流行的冲击，但是79%受访者所在的企业因为采用了人工智能技术，销售额和总收入都实现了增长；72%的供应链管理团队也因为采用了人工智能技术，今年也实现了收入同比增长。就人工智能推动企业发展的作用，报告提出以下观点。
（1）人工智能在销售、企业发展战略、融资和供应链管理等方面表现出的提高企业收益的作用显著。报告以企业部门为基本单位，研究了运用人工智能技术推动部门收入增长情况，发现在改进库存、定价、促销、客户服务、销售与需求预测等对客户关系影响最大的领域运用人工智能技术，对促进收入增长的作用最大。一些善于利用人工智能来提高库存周转率、加强定价准确性、提高促销效率、增加客户满意度和预测准确性的企业，收益甚至能够提升20%。此外，人工智能技术通过提升仓库管理自动化水平、优化人才管理方案、提高联络中心的自动化程度等方式能显著降低企业的发展成本。
（2）在新冠肺炎大流行期间，收益提升快的企业，在人工智能方面的投资远超其他企业。报告发现，效益增长较快的普遍在其主要职能部门增加了人工智能技术的投资。这种表现在汽车、装备、医药行业最为典型。
（3）企业的负责人普遍认为网络安全是企业使用人工智能技术存在的唯一风险。报告发现，多数企业担心网络安全问题，此外，国家安全问题也是他们的关注点。而且，效益越好的企业负责人，越容易识别和避免多数风险发生。
第六节 德勤
德勤（Deloitte）是全球知名专业服务机构，为客户提供审计和鉴证、管理咨询、财务咨询、风险咨询、税务及相关服务。德勤透过遍及全球逾150个国家与地区的成员网络及关联机构（统称为“德勤组织”）为财富全球500强企业中约80%的企业提供专业服务。德勤咨询公司是德勤集团主管咨询业务的子公司，由德勤集团咨询部门发展而来，2002年德勤国际会计师事务所正式对外宣布，德勤咨询脱离德勤集团而成为完全独立的咨询公司。德勤咨询分支机构遍布世界，涉及的行业领域包括消费品行业、制造业、通信媒体业、金融服务业、医药业、教育保健以及公共事业等。德勤咨询对2020—2021年中国及全球的人工智能产业发展主要有如下阐述和判断。
人工智能正全方位商业化，在各个行业引发深刻变革。目前AI技术已在金融、医疗、安防等多个领域实现技术落地，且应用场景也越来越丰富。人工智能的商业化在加速企业数字化、改善产业链结构、提高信息利用效率等方面起到了积极作用。
AI全面进入机器学习时代，未来人工智能的发展将是关键技术与产业的结合。每一次人工智能的发展都伴随着研究方法的突破，深度学习是近年机器学习技术突破的重要代表之一。随着人工人工智能研究和应用领域的不断延伸，未来人工智能将迎来更多技术的结合应用。
人工智能投资趋于理性，底层技术和易落地领域更受人工智能领先机构青睐。随着投资界和企业界对人工智能的了解逐步加深，人工智能投融资市场更加理性。人工智能投融资频次有所下降，但投资金额继续增加。特别是经过行业的一轮优胜劣汰后，底层技术创业公司以及落地性强的领域如医疗、教育、无人驾驶等创业项目继续受到人工智能领先机构的青睐。
城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。不同城市在人工智能的顶层设计、算法突破、要素质量、融合质量、应用质量上有着不同的表现，形成多样化与个性化的AI发展模式。
政策与资本推动京津冀、长三角、珠三角成为人工智能企业分布最多的地区，北京、上海领跑全国。比如上海通过提供税收优惠、资金补贴、人才引入、优化政务流程等措施优化营商环境，吸引大量投融资资金、人工智能企业以及人才，科研实力突出。促进人工智能产业链上下游企业形成规模效应，提升城市人工智能产业实力。以上海和北京为代表的一线城市在人才数量、企业数量、资本环境以及科研能力长期处于第一梯队。上海、北京的人工智能企业数量已超过600家，其中上海已经与科技巨头腾讯、微软以及人工智能独角兽商汤、松鼠AI建立了企业实验室。
（1）人工智能推动金融行业构建更大范围的高性能生态系统，提升金融企业商业效能并变革企业内部经营全过程。传统金融机构与科技公司合力推进人工智能在金融行业的深度渗透，重构服务架构，提升服务效率，向长尾客户提供个性化服务的同时降低金融风险。
（2）人工智能在教育行业的应用逐步深入，应用场景向覆盖教学全流程方向变革。在人工智能技术在教育领域的应用类型中，人工智能自适应学习在学习各环节应用最为广泛，此外，由于中国人口基数大，教育资源紧缺，对教育的重视程度等有利因素使自适应学习系统有望后来者居上。
（3）数字政务的建设主要依靠自上而下推动，构建政务数字化目标加速政府智能化变革。各地数字政务建设的需求不同，因而为企业提供的是定制化解决方案。公共安全领域进入门槛提高，强者恒强趋势明显，行业集中度进一步增强。
（4）以无人驾驶技术为主导的汽车行业将迎来产业链的革新。传统车企的生产、渠道和销售模式将被新兴的商业模式所替代。新兴的无人驾驶解决方案技术公司和传统车企的行业边界将被打破。随着共享汽车概念的兴起。无人驾驶技术下的共享出行将替代传统私家车的概念。随着无人驾驶行业规范和标准的制定，将衍生出更加安全和快捷的无人货运和物流等新兴行业。
（5）人工智能在制造业领域的应用潜力被低估，优质数据资源未被充分利用。制造业专业性强，解决方案的复杂性和定制化要求高，所以人工智能目前主要应用在产品质检分拣和预测性维护等易于复制和推广的领域。然而，生产设备产生的大量可靠、稳定、持续更新的数据尚未被充分利用，这些数据可以为人工智能公司提供优质的机器学习样本，以解决制造过程中的实际问题。
（6）零售领域应用场景从个别走向聚合，传统零售企业与创业企业结成伙伴关系，围绕人、货、场、链搭建应用场景。人工智能在各个零售环节多点开花，应用场景碎片化并进入大规模实验期。传统零售企业开始布局人工智能，将与科技巨头在大数据应用和人工智能领域同台竞技，意味着零售商将更加积极与创业公司建立伙伴关系。
（7）医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决医疗资源短缺和分配不均的众多民生问题。但由于关乎人的生命健康，医疗又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产品商业化过程中如何制定医疗和数据监管标准。
第七节 国际数据公司
国际数据公司（IDC）是全球知名信息技术、电信行业和消费科技咨询、顾问和活动服务专业提供商，成立于1964年，在全球拥有超过1100名分析师，为110多个国家的技术和行业发展提供全球化、区域化和本地化的专业视角及服务，主要目标是帮助IT专业人士、业务主管和投资机构制定基于事实的技术决策，以实现关键业务目标。IDC于1986年正式在中国设立分支机构，是最早进入中国市场的全球著名的科技市场研究机构。IDC对2020—2021年中国及全球的人工智能产业发展主要有如下阐述和判断。
（1）2020—2021 年新冠肺炎疫情对全球经济造成巨大影响，数字化转型的必要性已经凸显，新基建成中国数字经济化转型的主要驱动力。新基建多个领域与ICT密切相关，2020年新基建整体投资规模预计将达到2757.1亿美元，人工智能作为新基建的重要领域之一，将迎来快速增长。IDC预计，2020年中国人工智能市场规模将达到62.7亿美元，2019—2024年的年复合增长率为30.4%。
（2）在人工智能三要素中，算力成为驱动AI产业化和产业AI化发展的关键要素。人工智能应用对算力最大的挑战依然来自核心数据中心的模型训练，近年来，算法模型的复杂度呈现指数级增长趋势，正在不断逼近算力的上限。
（3）人工智能芯片产业仍处在成长期。预计2020年，中国的GPU服务器依然占据95%左右的市场份额，是数据中心人工智能加速方案的首选。未来几年，随着推理工作负载在各个行业应用中不断增加，FPGA和ASIC等其他类型的加速芯片将在各个领域采用。预计到2024年，其他类型加速芯片的市场份额将快速发展，人工智能芯片市场呈现多元化发展趋势。
（4）服务器是人工智能基础设施的核心。到2020年，中国人工智能基础设施市场规模将达到39.3亿美元，其中服务器支出占比高达87%。人工智能服务器技术不断创新，包含多种互联方式和拓扑架构，以满足不同的应用场景需求。与此同时，人工智能基础设施正在向开放架构发展，以满足高效、灵活、可扩展的下一代人工智能数据中心的需求。
（5）日益增长的业务实时性需求使边缘和端侧的计算能力变得越来越重要。IDC预测，到2023年，接近20%的用于处理人工智能工作负载的服务器将部署在边缘。2020年是边缘计算广泛落地的元年，人工智能算力也会逐渐向边缘渗透，无论是更接近于端侧数据产生的轻边缘还是更接近核心数据中心的重边缘，都将迎来很大的发展契机。
（6）中国在算力基础设施领域已跻身全球领先行列。IDC发布的《全球人工智能市场半年度追踪报告》显示，2020—2021年上半年，全球人工智能服务器市场规模达55.9亿美元，其中，浪潮以16.4%的市占率位居全球第一，戴尔市占率14.7%位居第二，HPE市占率10.7%位居全球第三，华为（6%）和联想（5.7%）位列第四和第五。人工智能服务器通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、语音交互等人工智能应用场景提供强大的算力支持。 据IDC统计，全球人工智能服务器占人工智能基础设施市场的84.2%以上，是AI算力基础设施的主要角色。未来，人工智能服务器将保持高速增长，预计在2024年全球市场规模将达到251亿美元。IDC数据显示，中国厂商AI服务器全球占比达到28.1%。《2020全球计算力指数评估报告》显示，当前我国在TOP500超级计算机中占比接近一半，同时，我国也是AI算力支出占总算力支出最高的国家之一，AI算力支出占总算力支出的比例达到14.1%。
（7）产业AI化已经从早期的试点逐渐成为企业发展和生存的刚需。过去一年，人工智能在行业的应用获得快速发展，通用型应用场景已经具有相当的成熟度，在业务需求的推动下，具有高行业属性的碎片化应用开始被广泛使用，并辐射到媒体娱乐、现代农业、智能家居、智慧电力等多个不同领域。与2019年相比，疫情推动下的智慧医疗以及疫情常态下园区、办公楼宇、社区的生物识别类应用比预计发展得更快；5G、物联网和边缘计算在未来也将加速多个行业应用，尤其是制造和能源企业对于人工智能的采用。
（8）企业普遍希望采用具有公共基础设施意义的人工智能算力基础设施。IDC调研发现，超过九成的企业正在使用或计划在三年内使用人工智能，其中74.5%的企业期望在未来可以采用具备公用设施意义的人工智能新型基础设施。企业对于人工智能公共算力基础设施的TOP5需求分别是：用于人工智能训练的数据支撑、人工智能加速计算能力、配套的政策吸引、规模效应下的价格和成本因素，以及丰富的应用场景配置。
（9）2020年中国城市人工智能算力排行榜Top10排名变化不大，具有产业优势的人工智能应用的城市涌现。2020年中国城市人工智能算力排行榜中排名前五的城市依次为北京、深圳、杭州、上海、重庆，排名6～10的城市为广州、合肥、苏州、西安、南京。与2019年相比，深圳超过杭州位居第二，重庆进入第一梯队，西安超过南京位居第九。除TOP10城市之外，在自身产业优势及各种因素推动下，多个城市的人工智能应用取得了较大进展，例如东莞的智能制造、武汉的智慧医疗、合肥的智慧农业等，中国人工智能城市发展正遍地开花，未来将会出现越来越多结合城市特点的人工智能示范区，为产业发展树立标杆。
第八节 福布斯
《福布斯》（Forbes）是美国福布斯公司商业杂志，每两周发行一次，以金融、工业、投资和营销等主题的原创文章著称，还报道技术、通信、科学和法律等领域的内容，其发布的趋势预测和商业排名受到的全球认可度较高。《福布斯》于2021年3月发布了其对2021年人工智能发展的趋势预测，指出机器学习运维、低代码和无代码、预训练语言高级模型、合成内容生成、面向青少年的人工智能在2020年已存上升势头，并将在2021年实现爆发式增长。
（1）机器学习运维。机器学习运维指的是机器在生产环境中的学习实践。但2020年的新冠疫情让人们重新认识到监控和管理机器在生产环境中的学习情况的必要性。操作流程、库存管理、交通模式都发生了巨大的变化，导致很多人工智能出现令人意外的行为。这在机器学习运维的世界中被称为“漂移”，即输入数据与人工智能的受训目标不符时发生的情况。虽然早前在生产环境中设置机器学习模型的公司都知道，机器在生产环境中学习面临“漂移”等诸多挑战，但新冠疫情带来的变化使大家对机器学习运维的必要性有了更全面的认识。
（2）低代码和无代码。自动化机器学习注重算法选择，以及为特定数据集找到机器学习或深度学习的最佳解决方案。2020年，低代码和无代码技术的应用实现全面增长，从普通应用到面向企业的人工智能垂直解决方案无所不包。虽然有了自动化机器学习，无须深入掌握数据知识，就能建立高质量的人工智能模型，但在现在的低代码和无代码平台的帮助下，无须深入学习编程知识，就能建立整套生产级人工智能应用。
（3）预训练语言高级模型。在过去几年里，自然语言处理领域取得了长足的进步，成为产生大量算法创新的人工智能领域。其中最重要的是“变换器和注意力”机制的创新，其常见应用之一是“基于变换器的双向编码器表征”（BERT）。这类模型功能强大，给语言翻译、理解、概括等带来了革命性的变化。不过，训练这些模型费用高，耗时长。预训练模型能够较好地解决上述问题，催生出新一代高效的、极易构建的人工智能服务，通过应用程序编程接口访问的高级模型，已经在GPT-3上获得应用。
（4）合成内容生成。生成式对抗网络同样是人工智能算法创新的重要领域，已经在艺术创造和图像造假方面产生了较多试验性应用。类似于自然语言处理领域的变换器，训练和调试生成式对抗网络的过程也很复杂，因为它们需要大量的训练组合。然而，合成内容生成技术大大减少了创建生成式对抗网络所需的数据规模。
（5）面向青少年的人工智能。随着低代码工具的普及，人工智能系统构建者日益低龄化，一名小学生或中学生也将有可能构建自己的人工智能，用于完成从文字处理到图像分类的各种任务。现在，美国高中已开始教授人工智能课程，初中似乎打算效法。例如，2020年在硅谷的“新思科学博览会”上，31%的获奖软件项目在创新过程中使用了人工智能。更令人印象深刻的是，在这些人工智能中，有27%是由6至8年级学生构建的。比如，其中一名获奖者是8年级学生阿妮卡·帕利亚波图。这名学生构建了一个卷积神经网络，能通过扫描眼部来检测糖尿病性视网膜病变。
