国内人工智能行业全梳理

深度报告

关于人工智能，

你应该关注什么

帮助创新者更有效率的探索

Spark the Next Change Maker

在东西方神话中，上古「智人」通过各种方法制造「人类」这一物种并赋予其智能；而到了中世纪的欧洲，古典哲学家们尝试着用机械符号处理的观点解释人类大脑的活动；直到 20 世纪 40 年代，来自数学，心理学，工程学，经济学和哲学等领域的一批科学家们基于抽象数学推理的可编程数字计算机的发明使得智能大脑出现的可能性被广泛探讨。

1950 年，Marvin Minsky 和 Dean Edmonds 建造了世界上第一台神经网络计算 SNARC （Stochastic Neural Analog Reinforcement Calculator），它通过使用 3000 个

真空管和 B-24 轰炸机上的自动

指示装置模拟了 40 个神经元而

组成神经网络。

同期，被誉为「计算机科学之父」

的 Alan Turing 在 Mind 上发表论

文，第一次提出机器智能设想。虽

然未提到具体的研究方法，但论

文中提到的「图灵测试」、「机器学

习」、「遗传算法」和「强化学习」等

理论，也在日后成为了人工智能

领域重要的分支。

图灵的计算理论认为任何形式的

计算均可被数字信号描述，这也

为人工智能的后续实践提供了理论

基础。

随后的 1956 年，在 Marvin Minsky

连同 Claude Shannon 和 Nathan

Rochester 一起组织的 Dartmouth

会议上，「人工智能」这个概念首次

被提出并开启了西方「人工智能」科

学长达半个多世纪的高速发展。

在中国，关于「人工智能」的研究和探

讨在 70 年代末被解禁后又不适时地

与「特异功能」联系在一起而停滞不

前，直到 80 年代初期随着技术和思

想的不断进步才取得实质性进步。

那么，

关于人工智能，你究竟了解多少？在下一个产业浪潮到来之前，

我们到底应该关注什么？

而今，全球共有近千家人工智能公司遍及 62 个国家的十余个产业，国

内涉及人工智能领域的公司也早已破百。

除了「机器学习」、「模式识别」和「神

经网络」这些晦涩的词汇和各种层出不穷的借势营销，这个看似离我们越来越近的市场却在「互联网玄学」的外衣下显得愈发迷雾重重。

一、

国内人工智能产业链解构

「基础技术」、「人工智能技术」和「人工智能应用」构成了人工智能产业链的三个核心环节，

我们将主要从这三个方面对国内人工智能产

业进行梳理，并对其中的「人工智能应用」进

行重点解构。

人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同，这些平台主要集中于三个服务层面，即「基础设施即服务（IaaS）」、「平台即服务（PaaS）」和「软件即服务（SaaS）」。

基础技术提供平台为人工智能技术的实现和人工智能应用的落

地提供基础的后台保障，也是一

切人工智能技术和应用实现的

前提。

对于许多中小型企业来说，SaaS

是采用先进技术的最好途径，它

消除了企业购买、构建和维护基

础设施和应用程序的需要；而

IaaS 通过三种不同形态服务的

提供（公有云、私有云和混合云）

可以更快地开发应用程序和服

务，缩短开发和测试周期；作为

SaaS 和 IaaS 中间服务的 PaaS 则

为二者的实现提供了云环境中的应

用基础设施服务。

1.基础技术提供平台

提供给客户的服务是运营商运行在云计算基础设施上的应用程序，用户可以在各种设备上通过

客户端界面访问，如浏览器。

代表企业：百度云、金蝶、用友、浪潮云、Ucloud 等。分为公有云、私有云和混合云三种形态，提供给消费者的服务是对所有设施的利用，包括处理器、存储、网络和其它基本的计算资源，用户能够部署和运行任意软件，包括操作系统和应用程序。代表企业：腾讯云、将软件研发的平台作为一种服务，以 SaaS 的模式提交给用户。

SaaS

PaaS

IaaS

与基础技术提供平台不同，人工智能技术平台主要专注于「机器学习」、「模式识别」和「人机交互」三项与人工智能应用密切相关的技术，所涉及的领域包括机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学、语言和图像理解和遗传编程等。

机器学习：通俗的说就是让机器自己去学习，然后通过学习到的知识来指导进一步的判断。我们用大

量的待遇标签的样本数据来让计

算机进行运算并设计惩罚函数，

通过不断的迭代，机器就学会了

怎样进行分类，使得惩罚最小。这

些学到的分类规则可以进行预测

等活动，具体应用覆盖了从通用

人工智能应用到专用人工智能应

用的大多数领域，如：计算机视觉

、自然语言处理、生物特征识别、

证券市场分析和 DNA测序等。

模式识别：模式识别就是通过计

算机用数学技术方法来研究模式的

自动处理和判读，它偏重于对信号、

图像、语音、文字、指纹等非直观数

据方面的处理，如语音识别，人脸识

别等，通过提取出相关的特征来实

现一定的目标。文字识别、语音识别

、指纹识别和图像识别等都属于模

式识别的场景应用。

人机交互：人机交互是一门研究系

统与用户之间的交互关系的学问。

系统可以是各种各样的机器，也可

以是计算机化的系统和软件。在应

2. 人工智能技术平台

其中的代表企业包括科大捷通华声（灵云）、地平线、

旷视科技、云知声

（1）计算机视觉

在国内计算机视觉领域，动静态图像识别和人脸识别是主要研究方向：

图像识别，是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

目前，由于动态检测与识别的技术门槛限制，静态图像识别与人脸识别的研究暂时处于领先位置，其中既有腾讯、蚂蚁金服、百度和搜狗这样基于社交、社交、搜索大数据整合的互联网公司，也有三星中国技术研究院、微软亚洲研究院、Intel 中国

3. 人工智能应用

人工智能应用涉及到专用应用和通用应用两个方面，这也是「机器学习」、「模式识别」和「人机交互」这三项人工智能技术的落地实现形式。

其中，专用领域的应用涵盖了目前国内人工智能应用的大多数应用，包括各领域的人脸和语音识别以及服务型机器人等方面；而通用型则侧重于金融、医疗、智能家居等领域的通用解决方案，目前国内人工智能应用正处于由专业应用向通用应用过度的发展阶段。

研究院这类的传统硬件与技术服务商；同时，类似于 Face++ 和 FaceID 这类的新兴技术公司也在各自专业技术和识别准确率上取得了不错的突破。

而在难度最大的动态视觉检测领域，格灵深瞳、东方网力和 Video++ 等企业的着力点主要在企业和家庭安防，在一些常见的应用场景也与人脸识别技术联动使用。

图像识别代表企业：百度、搜狗、三星中国技术研究院、微软亚洲研究院、Intel 中国研究院等。

人脸识别代表企业：旷视科技、腾讯优图、蚂蚁金服、FaceID、汉王科技、

三星中国技术研究院、微软亚洲研

究院、中科奥森、深圳科葩、linkface、SenseTime 等。

动态视觉检测代表企业：格灵深瞳、

东方网力、Video++ 等。

（2）语音/语义识别

语音识别的关键在于基于大量样本

数据的识别处理，因此，国内大多数

语音识别技术商都在平台化的方向

上发力，希望通过不同平台以及软

硬件方面的数据和技术积累不断提

高识别准确率。

在通用识别率上，各企业的成绩基

本维持在 95% 左右，真正的差异化

在于对垂直领域的定制化开发。

类似百度、科大讯飞这样的上市公

司凭借着深厚的技术、数据积累占

据在市场前列的位置，并且通过软

硬件服务的开发不断进化着自身的

服务能力；此外，在科大讯飞之后发

布国内第二家「语音识别公有云」的

云知声在各项通用语音服务技术的

提供上也占据着不小的市场空间。

另外，除了科大讯飞，依托中科院自

动化所的紫冬锐意和纳象立方以及

有着海外背景的苏州思必驰在教育

领域的语音识别上占据着领先的位置。

值得注意的是，不少机器人和通用硬件制造商在语音、语义的识别上也取得了不错的进展，例如智臻智能推出的小 i 机器人的语义识别、图灵机器人的个性化语音助手机器人和服务、被 Google 投资的出门问问的软硬件服务。

语音识别：科大讯飞、百度、出门

问问、智齿客服、思必驰、云知声、

助理来也、京东 JIMI 智能客服、普

强科技、捷通华声、紫冬锐意、纳

象立方等。

语义识别：科大讯飞、百度、腾讯、

智臻智能、智齿客服、助理来也、京

东 JIMI 智能客服等。

（3）智能机器人

由于工业发展和智能化生活的需要

，目前国内智能机器人行业的研发

主要集中于家庭机器人、工业\企业

服务和智能助手三个方面。

根据《中国服务机器人市场现状调

研与发展前景分析报告（2015-2020

年）》中的数据，2014 年，我国服务

机器人销售额 45.56 亿元，同比增长

34%；分布地区主要集中在经济较

在通用识别率上，各企业的成绩基本维持在 95% 左右，真正的差异化在于对垂直领域的定制化开发。

29.6%）、珠三角地区（32.7%），中部地区（8.9%）和西部地区（1.5%）应用较少。

其中，工业及企业服务类的机器人研发企业依托政策背景和市场需要处于较为发达的发展阶段，代表性企业包括依托中科院沈阳自动化研究所的新松机器人、聚焦智能医疗领域的博实股份，以及大疆、优爱宝机器人、Slamtec 这类专注工业生产和企业服务的智能机器人公司。

在以上三个分类中，从事家庭机器多数比例，涉及到的国内企业近

300 家，其中的代表性企业包括：

家庭机器人：优必选、Rokid、公子

小白机器人、北冥星眸GalaxyEye、

A.I.Nemo、极思维智能科技等。

智能助手：百度、小 i 机器人、图灵

机器人、优必选、北冥星眸GalaxyEye、萝卜科技等。

工业\企业服务：新松机器人、博实

股份、优爱宝机器人和 Slamtec 等。

（4）智能家居

与家庭机器人不同，智能家居和物联企业的主要着力点在于智能设备和智能中控两个方面。

在这其中，以海尔和美的为代表的传统家电企业依托自身渠道、技术和配套产品优势建立起了实体化智能家居产品生态。

而以阿里、腾讯、京东、小米和乐视等互联网企业为代表的公司则通过各自平台内的数据和终端资源提供不同的软硬件服务。

值得关注的是，科沃斯、broadlink、感

物联传感和华为等技术解决方案商在通用

硬件和技术、系统级解决方案上已成

为诸多智能家居和物联企业的合作

伙伴。

综合来看，智能家居和物联企业由

于市场分类、技术种类和数据积累

的不同各自提供着差异化的解决方

案。在既定市场中，没有绝对意义上

的排斥竞争，各企业之间的合作融

合度较强。

传统家电企业：海尔U＋、美的

M-Smart 等。

互联网企业：阿里小智、QQ 物联、京

东微联、小米、乐视乐居家等。

技术解决方案商：科沃斯、Broadlink、

感居物联、风向标科技、欧瑞博、物联

传感、华为等。

（5）智能医疗

目前国内智能医疗领域的研究主要

集中于医疗机器人、医疗解决方案和

生命科学领域。

由于起步较晚和技术门槛的限制，目

前国内医用机器人的研发水平和普

及率相较于国际一线水平仍存在一

定的差距，从事企业主要集中与手术

机器人和康复机器人两大领域，以新松机器人、博实股份、妙手机器人、璟和技创等企业为代表。

在医疗解决方案方面，以腾讯、阿里巴巴、百度和科大讯飞为代表的公司通过和政府、医疗机构的合作，为脑科学、疾病防治与医疗信息数据等领域提供智能解决方案。

而在生命科学领域，研究的着眼点在以基因和细胞检测为代表的前沿研究领域，代表企业有华大基因、碳云

智能和贝瑞和康等。

医疗机器人代表企业：新松机器人、

博实股份、妙手机器人、璟和技创等。

医疗解决方案代表企业：腾讯、阿里

巴巴、百度、科大讯飞等。

生命科学代表企业：华大基因、碳云

智能、贝瑞和康、安诺优达、联合基

因、北科生物等。

综合来看，国内人工智能产业链的

基础技术链条已经构建成熟，人工

智能技术和应用则集中在人脸和图

像识别、语音助手、智能生活等专用

领域的场景化解决方案上。就趋势

来看，未来国内人工智能领域的差

异化竞争和突破将主要集中在人工

智能相关技术的突破和应用场景升

级两个层面。

未来国内人工智能领域的差异化竞争和突破将主要集中在人工智能相关技术的突破和应用场景升级两个层面。

二、

国内人工智能行业关键力量

在国内人工智能产业链中，虽然 80% 的企业属于 B 轮或 B 轮以前的初创企业，但值得注意的是，仍有一批关键势力依托自身技术、资金与数据门槛构成了国内人工智能行业的第一梯队。这其中既包括以 BAT 为代表的传统巨头，也有科大讯飞这样的细分领域龙头。从日渐完善产品线到平台构建，这些企业形成了国内人工智能行业的核心力量与关键势力。

百度在人工智能领域的布局更侧重于应用型生态，在 BAT 三家中，百度也是最接近由专用应用向通用应用过度的公司。

目前，百度研究院有三大实验室，分别是北美硅谷人工智能实验室、北京深度学习实验室和北京大数据实验室，目前已在图像识别、图像搜索、语音识别、自然语言处理、智能语义、机器翻译和精准广告等方面取得了显著进展（超过 500 项国际专利，其中包括了超过 270 项的神经语言程序学领域

专利和超过 120 项的深度学习专

利）。

凭借搜索引擎发家的百度拥有强

大的数据获取和挖掘的能力，百度

为外界提供了大数据存储、分析和

挖掘技术，促进其在医疗、交通等

多领域的具体运用，并在若干领域

开放了自己的人工智能生态并发

布了多款应用型产品。

语音识别

在语音识别方面，吴恩达及研究团

队发明了一种新的语音识别方法，

这款基于深度学习的语音识别系统

可以在嘈杂环境下实现将近 81% 的

辨识准确率。该语音识别系统采用

深度学习算法取代了原来的模型，

在递归神经网络或者模拟神经元阵

列中进行训练，让语音识别系统更

加简单。

图像识别

在图像识别方面，百度也一直在利

1.百度： 技术驱动的应用型生态

用深度学习技术来提高图像识别的精度。2014 年 9 月，百度云结合百度深度学习研究院提供的人脸识别及检索技术，推出云端图像识别功能。

11 月，百度发布了基于模拟神经网络的「智能读图」，可以使用类似人脑思维的方式去识别、搜索图片中的物体和其他内容。

深度学习

为满足深度学习在计算和存储上的要求，百度在国内建立了十几座云计算中心并投入使用了4万兆交换机。此外，百度还是全球首家将 GPU 用于人工智能和深度学习领域、并规模化商用 ARM 服务器的公司。整合了这些的百度形成强大的存储计算能力，从而可以进行多样的并行计算，支持生成、配置针对不同应用和场景网络结构，为人工智能提供有力的硬件支持。

其中最具代表性的「百度大脑」通过深度学习来模拟人类大脑的神经元，参数规模达到百亿级别，构建了世界上最大规模的深度神经网络。百度大脑融合了深度学习算法、数据建模、大规模 GPU 并行化平台等技术，实现了实时学习和成长，它拥有 200 亿个参数，构成了一套巨大的深度神经

网络。

相比于以技术为导向的百度人工智能生态，依托高频应用和庞大用户群体的腾讯在人工智能领域的布局主要聚焦于基于用户体系的软硬件服务型生态。

随着技术成熟和应用环境的成熟（移动端设备普及、用户使用习惯和认可度的提升、云服务软件形态的成熟），整个人脸识别和图像识别行业都属于朝阳产业，而有着中国互联网最大用户基础的腾讯也选择了在人脸和图片识别领域的

切入，这也成为了整个腾讯人工智

能生态的最和谐竞争力。

在这一领域的技术研发和落地应

用中，腾讯均处于国际领先地位。

在 FDDB 人脸检测、LFW人脸识

别、PASVAL VOC2012 图片识别

大赛中，腾讯优图团队都刷新了

国际识别准确率记录。

依托腾讯内部完善的生态，腾讯优

图的人脸识别技术已组建与金融、安

防与身份识别等领域结合在一起。其

中，既包括与腾讯征信、微众银行和

财付通、QQ、广点通等内部业务的合

作，也涉及与相关机构的信用评估和

基于公安部数据的全国公民身份证

号码查询服务。在内外部的合作中，

相关技术也在业务中完整落地形成

闭环，经过业务海量数据的长期实际

考验，并持续反馈来优化算法。

而在成立了腾讯智能计算与搜索实

2.腾讯：基于用户体系的软硬件服务型生态

验室之后，微信也与香港科技大学联合建立了人工智能实验室，主要研究方向包含语音识别、图像识别、语义理解等方面，部分基础研究成果（如语音转文字）已被集成为微信功能。

值得注意的是，在专业应用领域，腾讯也在不同程度上做出了尝试。无论是由腾讯财经研发的自动写作机器人「Dreamwriter」还是在硬件领域推出的智能球型机器人「微宝」都反映了腾讯在未来更多细分领域推出服务型产品的思路。

未来，随着 TencentOS 的应用以及 QQ、微信物联更多的落地实践，腾讯在智能生活层面硬件产品的研发也是非常值得关注的领域。

与腾讯和百度不同的是，阿里巴巴在人工智能领域的布局主要集中在专业领域的通用应用和智能家居两个方面，而这一切都离不开以阿里云为基础的大规模分布式云计算和 GPU 集群。

从 2015 年开始，阿里就开始在人工智能领域发力，其中最具代表性的是首个可视化人工智能平台 DTPAI，它集成了阿里巴巴核心算法库，包括特征工程、大规模机器学习、深度学习等。在此基础上，阿里巴巴推出人工智能客服「小蜜」以及基于神经网络、社会计算、情绪感知等原理工作的智能程序小「Ai」。

3.阿里巴巴：以阿里云为基础的业务蓝图

2015 年 6 月，阿里巴巴向软银旗下的机器人公司 SBRH 战略注资 145 亿日元。相比于机器人制造，阿里巴巴的优势在云计算和大数据领域，这也将成为阿里巴巴在机器制造领域的差异化竞争壁垒。

而通过投资 SBRH，阿里巴巴得以建立起机器人产业的通路，并在机器视觉、语音解析、家庭智能控制、智能网络安全等方面与 SBRH 建立研究合作和沟通机制，帮助其在智能家居方面基础技术的积累和扩展。

在智能物联领域，阿里巴巴整合了集团旗下天猫电器城、阿里智能云、淘宝众筹三个业务部门，在内部调动各类优质资支持智能产品的推进并加速智能硬件孵化速度。而在 2015 年 4 月，阿里巴巴集团宣布成立阿里巴巴智能生活事业部，全面进军智能生活领域。

与 BAT 三家围绕自身技术、用户与基础服务构建着差异化的人工智能竞争生态不同，科大讯飞选择在语音识别这一单点领域进行突破，并围绕于此建立基于语音系统的通用解决方案平台。

依托于中文语音合成、语音识别、口语评测等多项技术研发与突破，科大讯飞以专用领域的技术解决方案为切口，分别在智能家居、行业安全、教育考试解决方案、智能硬件语音识别解决方案等专用领域产品的研发构建了目前国内最全的语音技术平台并实现了语音领域最为广泛的落地解决方案。

4.科大讯飞

2020年人工智能行业问题及趋势分析

2020年人工智能行业市场问题及趋势分析 2020年

目录 1.人工智能行业存在的问题 (5) 1.1适应人工智能特征的政策、标准体系尚不健全 (5) 1.2基础技术积累不足 (5) 1.3资本布局多样性不足 (6) 1.4技术创新的商业应用模式不明朗 (6) 1.5人工智能发展陷入了拿来主义怪圈 (7) 2.人工智能行业概况及现状 (9) 2.1人工智能历史沿革 (9) 2.2扶持政策持续加码出台细分方向有“钱景” (9) 2.3人工智能市场规模将超700亿 (9) 2.4人工智能加速发展 (10) 2.5人工智能应用分类 (12) 2.6交通行业应用现状 (12) 2.7安防行业应用现状 (13) 2.8医疗行业应用现状 (13) 2.9教育行业应用现状 (14) 2.10物流行业应用现状 (14) 3.人工智能行业发展趋势分析 (16) 3.1发展人工智能，芯片先行 (16) 3.2人工智能上升为国家战略 (16) 3.3人工智能芯片“云+端” 高速发展 (18)

4.人工智能行业市场竞争格局 (19) 4.1中科曙光：高性能计算+芯片共造人工智能 (19) 4.2四维图新：地图领军企业切入无人驾驶 (19) 4.3科大讯飞：人工智能领军企业 (20) 4.4华宇软件：人工智能助力司法信息化领导者更进一步 (21) 4.5海康威视：安防领域人工智能龙头 (21) 4.6东华软件：人工智能+行业应用大有可为 (22) 5.人工智能行业政策及环境分析 (22) 5.1国家加强政策支持力度 (22) 5.2地方政府扶持政策不断落地 (24) 6.人工智能行业发展前景 (26) 6.1万物互联的背景下，AI 芯片的应用拥有广阔的想象空间 26 6.2智能硬件抢占C 端入口，数据端入口打通，为算法奠定基 础26 6.3机器人按照应用领域的不同分为工业机器人、服务机器人、 特种机器人 (27) 6.4多层次特征提取提升计算机视觉识别效果 (28) 6.5语音逐渐成为人机交互的新范式，产品及商业模式成为盈 利的关键 (29) 6.6技术进步与市场需求推动语音识别快速发展 (29) 6.7语音识别效果不断提升，国内语音识别与合成研究领先国

人工智能系列白皮书-智慧农业

中国人工智能系列白皮书 -- 智慧农业

目录 第1 章智慧农业发展背景 (1) 1.1 人工智能在农业领域中的应用历程 (1) 1.2 智慧农业及其发展趋势 (8) 第2 章农业智能分析 (12) 2.1 农业数据挖掘 (12) 2.1.1 农业数据挖掘特点 (12) 2.1.2 农业网络数据挖掘 (13) 2.1.3 农业数据挖掘应用 (16) 2.2 农业数据语义分析 (18) 2.2.1 农业数据语义模型 (18) 2.2.2 农业数据存储模型 (19) 2.2.3 农业数据知识发现 (20) 2.2.4 农业数据语义检索 (21) 2.2.5 分布式农业知识协同构建 (21) 2.3 农业病虫害图像识别 (22) 2.3.1 基于机器视觉的农业病虫害自动监测识别系统框架 23 2.3.2 农业病虫害图像采集方法 (24) 2.3.3 农业病虫害图像预处理 (26) 2.3.4 农业病虫害特征提取与识别模型构建 (27) 2.3.5 农业病虫害模式识别 (28) 2.4 动物行为分析 (29) 2.5 农产品无损检测 (34) 2.5.1 农产品的无损检测 (35) 2.5.2 农产品无损检测主要方法与基本原理 (36) 2.5.3 无损检测在农产品质量检测中的应用 (38)

2.5.4 问题与展望 (38) 第3 章典型农业专家系统与决策支持 (40) 3.1 作物生产决策系统 (40) 3.1.1 作物生产决策支持系统的概念与功能 (40) 3.1.2 作物决策支持系统的发展 (41) 3.1.3 我国作物决策支持系统发展状况 (41) 3.1.4 作物生产决策支持系统的发展趋势 (42) 3.1.5 作物生产决策支持系统的存在问题 (43) 3.1.6 作物生产决策支持系统的发展措施建议错误!未定义书签。 3.2 作物病害诊断专家系统 (45) 3.2.1 病害诊断知识表达 (45) 3.2.2 作物病害描述模糊处理 (47) 3.2.3 病害诊断知识推理 (47) 3.2.4 基于图像识别的作物病害诊断 (48) 3.3 水产养殖管理专家系统 (49) 3.3.1 问题与挑战 (49) 3.3.2 主要进展 (51) 3.3.3 发展趋势 ........ .... ..... .. (52) 3.4 动物健康养殖管理专家系统 (54) 3.4.1 妊娠母猪电子饲喂站 (54) 3.4.2 哺乳母猪精准饲喂系统 (56) 3.4.3 个体奶牛精准饲喂系统 (57) 3.4.4 畜禽养殖环境监测系统 (58) 3.5 多民族语言农业生产管理专家系统 (59) 3.5.1多民族语言智慧农业即时翻译系统结构 (59) 3.5.2多民族语言农业智能信息处理系统机器翻译流程 .. 60 3.5.3多民族语言农业信息平台中的翻译关键技术 (62)

未来科技五年人工智能行业产业发展趋势分析最新竟争力资料

未来科技五年人工智能行业产业发展趋势分析最新竟争力

未来科技五年人工智能行业产业发展趋势分析 最新竟争力 人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，国内外的高科技公司以及风险投资机构纷纷布局人工智能产业链。以下对人工智能行业发展趋势分析。 中国和美国目前是全球人工智能产业发展的领导者，仅在2015年，两国在学术期刊上发表的AI相关论文接近1万篇，而英国、印度、德国和日本加起来才大约相当于中美的半数。2017-2022年中国人工智能项目行业市场深度调研及投资战略研究分析报告表明，中国有着全球最多的数据量，拥有巨大应用市场，正在围绕AI构建完善的产业生态链。我们有理由相信，AI将成为企业跨部门业务发展的“颠覆者”，渐趋成熟的AI技术正逐步向“AI+”进行转变。我国将在AI关键技术领域获得重大突破，推动关键场景应用逐步走向成熟。 趋势一政策体系加速完善 一直以来，我国高度重视人工智能技术创新和产业发展，当前随着全球人工智能产业的快速成长，一些主要发达国家纷纷出台人工智能相关战略文件，力争在新的科技浪潮中抢占制高、规避风险。美国、英国等相继出台了《国家人工智能研究和发展战略计划》等报告，不断完善人工智能顶层设计。我国也围绕《中国制造2025》和“互联网+”行动计划出台了一系列支持人工智能技术创新和产业发展的政策文件，如2016年5月由国家发改委、工信部等多部委联合发布的《“互联网+”人工智能三年行动实施方案》等。在国务院发布的《“十三五”国家战略性新兴产业发展规划》中，也提到要培育人工智能产业

生态，促进人工智能在经济社会重点领域推广应用。今年，我国人工智能产业发展的政策支撑力度有望进一步加强。一方面，借鉴美国、英国等的人工智能国家战略，预计我国也将发布聚焦于人工智能的国家战略文件，对未来人工智能技术和产业发展制定顶层设计。另一方面，科技部、国家发改委、工信部等相关部门也将有望发布人工智能相关的政策文件，从技术研发、产业培育等角度做出具体的部署，实施一批大型项目。此外，围绕标准、安全等特定议题，相关的政策研究与制定也将有望取得积极进展。 趋势二产业规模快速增长 自2006年深度学习算法提出以来，语音和视觉识别准确率得到大幅提升，人工智能进入到了第三次高峰期。当前，在技术突破和应用需求的双重驱动下，人工智能技术已走出实验室，加速向产业各个领域渗透，产业化水平大幅提升，人工智能产业发展正处在黄金期。根据初步测算，2016年，全球人工智能市场规模约为1680亿元，我国人工智能市场规模约为98亿元。今年，随着我国软件与互联网技术向各行各业的持续深入以及云计算、大数据、物联网等相关产业的不断进步，人工智能产业市场规模将持续扩大，预计人工智能及其相关产业发展增速将超过40%。从细分行业来看，语音服务相关技术和模型将趋于成熟，围绕智能语音的行业应用将不断加速，市场逐渐打开，成为人工智能产业发展的主要方向。图像处理等计算机视觉技术将随着训练数据的快速累积实现大的突破，而面向各个行业领域的专业化智能服务则将创造出新的市场空间，有望造就新的行业领军者。 趋势三关键技术取得突破

2018年中国人工智能产业白皮书

２０１８年中国人工智能产业白皮书

册子 / 报告标题|章节标题 目录 主要发现 1第一章人工智能行业综述篇 3 1.1 全球及中国发展概况 4 1.1.1 全球市场 4 1.1.2 发展驱动力 6 1.1.3 面临挑战 11 1.2 人工智能产业链 12 1.2.1 基础层 13 1.2.2 技术层 14 1.2.3 应用层 16 1.3 中国人工智能领域投资 17 1.3.1 投资热点及趋势 17 1.3.2 进击的巨头 19第二章人工智能商业化应用篇 21 2.1 数字政府：政策利好加速政府智能化变革 23 2.2 金融：人工智能变革金融经营全过程 26 2.3 汽车：人工智能正在重塑汽车产业生态 30 2.4 医疗：人工智能加速医疗技术革新 34 2.5 零售：人工智能应用从个别走向聚合 38 2.6 制造业：人工智能应用潜力被低估 44第三章中国主要人工智能产业发展区域及定位 47 3.1 中国人工智能企业分布重点城市 48 3.2 人工智能产业园 57 3.3 杭州未来科技城人工智能发展建议 59 02

册子 / 报告标题|章节标题主要发现 1. 中国人工智能产业发展迅速，但整体实力仍落后于美国。中国已成为人工 智能发展最迅速的国家之一，2018年中国人工智能市场规模有望超过300亿 元人民币。人工智能企业数量超过1000家，位列全球第二。本次人工智能浪 潮以从实验室走向商业化为特征，其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。与此同 时，中国处于人工智能发展初期，基础研究、芯片、人才方面的多项关键指标 与美国差距较大。 2. 中国企业价值链布局侧重技术层和应用层，对需要长周期的基础层关注 度较小。人工智能产业链分为基础层（芯片、算法框架）、技术层（计算机视 觉、自然语义理解、语音识别、机器学习）和应用层（垂直行业/精确场景）。中 国企业布局比较偏好技术相对成熟、应用场景清晰的领域，对基础层关注度 较小。瞄准AI专用芯片或将为中国企业另辟蹊径。 3. 科技巨头生态链博弈正在展开，创业企业则积极发力垂直行业解决方案， 深耕巨头的数据洼地，打造护城河。科技巨头构建生态链，已经占据基础设 施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡，更多的创业企业 将发力深耕巨头的数据洼地（金融、政府事务、医疗、交通、制造业等），切入 行业痛点，提供解决方案，探索商业模式。 4. 政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道， 早期进入的企业逐步建立行业壁垒，未来需要解决数据割裂问题以获得长 足发展。各地政府的工作内容及目标有所差异，因而企业提供的解决方案并 非是完全标准化的，需要根据实际情况进行定制化服务。由于政府一般对于 合作企业要求较高，行业进入门槛提高，强者恒强趋势明显。 5. 人工智能在金融领域的应用最为深入，应用场景逐步由以交易安全为主 向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工 智能在金融行业的应用，改变了金融服务行业的规则，提升金融机构商业效 能，在向长尾客户提供定制化产品的同时降低金融风险。 6. 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 医疗资源的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。 03

人工智能产业分析

人工智能产业分析 1 月 3 日，中国着名围棋棋手古力在微博上说道：今天又有四位勇士被抬走了... 谁来 守护我们老祖宗留下的文化瑰宝呢。 昨夜，古力再次发博， Master 已经拿下 50 连胜，不禁感慨万千。 击败世界围棋第一人柯洁的 Master 近日一个注册为“ Master”、标注为韩国九段的“网络棋手”，从 2016年12月29日晚 起，接连“踢馆”弈城网和野狐网。 截至 2017年 1 月 3 日夜，期间迫使有“当今围棋第一人”之称的柯洁中盘投子后， master 已经斩获了 50 连胜，击败 1 5位世界冠军。在斩获的选手中，包括了连续 37 个月排名韩 国等级分第一朴廷桓九段（“ XIUZHI”）、中国名人战冠军连笑七段（“剑术”）、新科百灵杯冠军陈耀烨（“龙胆”）、 2016年三冠王芈昱廷九段、新科应氏杯世界冠军唐韦星九段等。 而外界认为，这位master不是人类，而是人工智能。但该 AI （人工智能）是否就是谷歌旗下在2016年3月一战成名的AlphaGo,尚不可知。 柯洁在 1 月 2 日晚上发博文，称人工智能告诉了我们，人类数千年的实战演练进化都是错的。 Master 或为人工智能“新狗” 中国围棋队总教练俞斌对媒体表示，“对中韩顶尖高手取得这么压倒性的战绩，几乎可 以排除是人类棋手。’阿尔法狗’（AlphaGo）是有能力做到的，当然，它也有可能是日本的ZEN虽然前一段时间ZEN输给了赵治勋，但是它有可能在短时间内又有突破。也不能排除Master 是最新研发出来的其他‘狗'。”中国围棋队领队华学明表示：“应该是新‘狗'，可能是韩国研发的‘狗'。” 如果 master 最终被确定为人工智能，那么 1 月 3日晚上就是人类围棋历史上非常重要的 一个时刻。毕竟，柯洁曾经被网友寄予希望“守住人类棋手最后的尊严”，但最终输在了他所说的“终极一战”里。 不可小觑的人工智能 自从2016年初阿尔法狗（AlphaGo）狂虐围棋大师李世石之后，AI这个词儿逐渐被普罗大众所认识，并且很快成了 IT 产业发展和投资的最新宠儿。然而，阿尔法狗这件事儿不能够理解为电脑和人类下棋这么简单。因为在此之前，从很早之前就在中文版的 Windows 中预装的象棋小游戏，到 1997 年超级计算机深蓝大战帕斯卡洛夫，这些都是电脑和人类下棋的时间。然而，阿尔法狗的胜利却意义非凡。

2019-2023年中国人工智能行业预测分析

2019-2023年中国人工智能行业预测分析 2019-2023年中国人工智能行业影响因素分析 一、有利因素 （一）政策支持 2017年3月5日，国务院总理李克强发表2017年政府工作报告，指出要加快培育壮大包括人工智能在内的新兴产业，“人工智能”首次被写入了全国政府工作报告，这意味着人工智能已上升为国家战略。 2017年7月20日，国务院出台《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。《规划》提出坚持科技引领、系统布局、市场主导、开源开放的基本原则和三步走的战略目标，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。 2017年12月13日，工信部印发了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，明确了人工智能2018-2020年在推动战略性新兴产业总体突破、推进供给侧结构性改革、振兴实体经济、建设制造强国和网络强国方面的重大作用和具体目标。 2018年1月，《人工智能标准化白皮书（2018版）》发布，《白皮书》从支撑人工智能产业整体发展的角度出发，研究制定了能够适应和引导人工智能产业发展的标准体系，进而提出近期急需研制的基础和关键标准项目。 2018年3月5日，国务院总理李克强在十三届全国人大一次会议作政府工作报告时表示，要加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进“互联网+”，这是继2017年之后，“人工智能”再次被写入政府工作报告。 （二）科技新基建将带动人工智能基础设施建设 “科技新基建”即信息产业领域的新型基础设施建设，被列入18年底中央经济会议报告中基础设施建设部分，成为扩大内需，发挥投资关键作用的重要内容。 基础设施建设通常是国家发挥投资杠杆作用，拉动内需的主要方式，而2019年是历史上头一次，以5G、人工智能、工业互联网、物联网为代表的新型基础设施建设，也就是我们总结的“科技新基建”首次被定性为基建的重要内容，排列顺序甚至在城际交通、物流、市政基础设施等传统基建类项目之前，充分表明我国未来基建投资的侧重点将更加向科技产业领域倾斜，财政资金配套将更加到位。科技新基建将带动5G、人工智能、工业互联网、物联网等信息基础设施建设。 （三）人工智能是目前全球最受互联网业界和市场关注的新技术及应用 近年来，技术革新已经逐渐替代人口红利成为中国互联网经济发展的最主要推动力之一。人工智能是目前全球最受互联网业界和市场关注的新技术及应用。全球主要互联网企业均在向人工智能方向转型，并大幅增加相关科研、技术和产业应用布局方面的投入。展望未来几年，人工智能将会为互联网行业带来两个重要趋势： 第一，人机交互界面转向语音化。继键盘鼠标、触摸屏之后，语音交互正在成为新的人机交互方式。对于互联网企业来说，掌握了新的接口才更容易掌握新的流量入口，更容易通过此入口向用户推广服务。智能音箱的兴起就与这一发展趋势密切相关。全球主要互联网、硬件及家电企业将继续通过技术升级、应用拓展和市场推广等多重手段努力争夺这个新流量入口的市场份额。 第二，人工智能拓展互联网服务场景。人工智能在后台全面支持互联网业务的发展；我们看到互联网的各个场景都开始受益于人工智能。预计未来几年里，在传统互联网应用场景（例如搜索、新闻和电商等服务）中，人工智能技术将更多地被运用，并有效地提高服务效率和

中国人工智能产业发展分析及对策研究

中国人工智能产业发展分析及对策研究 人工智能的概念始于1956年的达特茅斯会议，并在2016年随着AlphaGo 人机围棋大战引发的强烈关注而再次称为热词。从本质上来说，人工智能是指用于模拟和扩展人类智能的技术应用系统，具备快速处理和自主知识管理能力，能够通过“试验—验证—学习”实现决策的迭代和优化。[1]77其价值始终体现在代替或者辅助人类完成任务，从而解放劳动力，提高劳动效率。当前，人工智能正处于专有型向通用型人工智能转变的发展阶段，应用模式也由执行式服务向交互式服务转变。在一些数据可得性高的行业，例如安防、医疗、教育和商业服务等领域，人工智能已率先爆发出大量场景应用，用以解决行业痛点。自20世纪60年代以来，人工智能的发展经历了三次技术革命浪潮。进入到21世纪的两个十年，在大规模GPU服务器并行计算、大数据、深度学习算法和类脑芯片等技术的推动下，人类社会相继进入互联网时代、大数据时代和人工智能时代。[2]关于互联网和大数据时代下的产业结构和社会状态已有相当多的研究分析，本文则侧重于讨论中国在人工智能时代的战略方向。 从人工智能领域相关文献看，国内学者主要将研究重点集中在基于人工智能算法的特定领域应用和技术伦理问题（哲学角度）两方面。吴永和等依据教育人工智能（EAI）的内涵，尝试从应用形态和技术架构两方面构建“人工智能+教育”的生态系统以及相应的人才培养体系。[3]梁志勇等则聚焦新闻生产领域，认为人工智能技术将给新闻行业的内容生产、议题设置和运作方式带来革命性影响。[4]相对而言，人工智能与工程技术融合的研究更为广泛。李漫江创新性地提出了一种基于神经网络的人工智能故障检测方法，进而实现农用发动机不解体且能快速诊断的效果。[5]秦爱梅等基于人工智能视觉算法，调制出一套具有较高识别效率和精度的特定场景识别系统。[6]尽管如此，蔡自兴仍认为国内存在以哲学研究替代人工智能技术研究的倾向。[7]23孙振杰提出，人类亟需深思围绕人工智能意识与情感的发展将引发“五化”的问题，即人造物的退化、进化、蜕化、异化和黑化。[8]余乃忠则揭示出人工智能类本质的实现与新时代人类的类本质间的矛盾，

2018年中国人工智能创新应用白皮书

２０１８年中国人工智能创新应用白皮书

报告背景介绍 在全球人工智能发展的浪潮下，市场对人工智能的投入与期望空前巨大，正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离，成为了各行业企业的重要任务之一。此份独立报告为各行业企业在人工智能方向上的布局与行动举措提供了参考信息与建议，同时也为人工智能企业在具体行业发展方向的选择上提供了参考。 我们的讨论将由四个部分组成，第一部分为人工智能发展背景介绍，对人工智能的概念、发展历史、人工智能企业目前发展状况、人工智能未来的技术与应用走向进行讨论；第二部分为人工智能的商业应用情况，将讨论人工智能能够为各行业带来的具体价值，评估各个行业目前应用条件的成熟程度；第三部分梳理总结了人工智能在20个行业的80个具体应用场景，并详细介绍典型的行业应用场景与案例；第四部分将为企业当下如何借力人工智能给出行动举措方面的建议。 此份独立报告整合了中国人工智能学会与罗兰贝格在数字化领域积累的项目经验与素材，以及对人工智能领域初创企业管理人、各行业内企业经理人、人工智能研发人员的访谈等多方信息数据源，旨在提供具有落地意义的参考与建议，推动人工智能的应用与发展。

执行总结 今年7月，国家发布了新一代人工智能发展规划，将中国人工智能产业的发展推向了新高度。人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术，在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下，本次人工智能的发展已突破了商业领域对其应用效果的预测，受到风险投资基金的热烈追捧，人工智能技术的应用场景也在各个行业逐渐明朗，开始带来降本增益的实际商业价值。 在巨大的产业需求规模与强有力的金融投资支持下，中国在全球新一代人工智能中发展态势良好，北京、深圳和上海在人工智能企业与人才积累上名列全球城市前茅，中国人工智能产业的发展进入了技术逐渐渗透到各行业产生实际价值的阶段。 根据大量行业研究，我们发现，除了互联网行业以外，汽车、消费品与零售、金融以及医疗行业等数据基础比较完善、数据资源比较丰富的行业具有最为成熟的发展基础与最大的市场应用潜力。根据我们的估算，在中国至2030年，在金融行业，预计人工智能将带来约6000亿元人民币的降本增益效益。在汽车行业，人工智能在自动驾驶等技术上的突破将带来约5000亿元人民币的价值增益。在医疗行业，预计人工智能可以带来约4000亿元人民币的降本价值。在零售行业，预计人工智能技术将带来约4200亿人民币的降本与增益价值。我们在价值链的研发、制造、营销、服务以及物流等环节上梳理并描述了这些典型行业内人工智能的主要应用场景。 就中国企业应如何把握机遇，抓住战略机会，我们提出了一系列的行动建议。企业在制定人工智能发展计划时，首先应当明确在当前业务场景下的应用机会点，这些机会点应当能够带来足够的商业价值，并且企业自身也具备应用这些机会点的条件。企业需要通过研究外部市场发展情况，了解目前行业中其他企业在此技术方向上的布局，评估人工智能技在价值链各环节上的商业应用案例。其次，企业需要评估在组织、数据与技术、运用与执行能力上具备的核心竞争力，认识到在哪些方面存在不足，并针对不足为相关部门提供包括组织、流程、KPI等各方面的支持与引导。最后，结合对企业内部核心竞争力打造计划与应用实施计划，企业需要制定明确的发展方向与发展程度期望，设置具有时间节点的发展蓝图，并打造相关的配套能力支持计划执行。 新一代人工智能技术的应用将给各行业带来众多新的可能性，甚至有可能颠覆现有的行业格局并可能重塑行业，我们期待看到中国的企业在新一次人工智能浪潮中抢占先机。

人工智能在金融行业的应用与风险分析

人工智能在金融行业的应用及风险分析 随着计算机技术和互联网行业的发展，越来越多的新兴技术如指纹识别、大数据、云计算、人工智能等逐渐开始影响人们的生活。这些技术在一定程度上提高了人们生活的便捷度，同时也给各个行业带来了巨大的变革。在这个过程中，金融行业也遭到了前所未有的冲击，这些技术已经开始被应用在银行、保险、证券和投资理财等领域。 2017年5月，围棋等级分排名世界第一的中国棋手柯洁在三番棋中不敌谷歌的AlphaGo，再一次将人们的注意力集中到人工智能这一技术上。本文将介绍人工智能这一技术及其对金融行业的影响。 一、人工智能概述 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。这一概念最早在1956年达特茅斯会议上被提出，并在随后几十年中不断得到补充和发展。 人工智能的研究范围非常广泛，包括有效的老式人工智能、联结主义、遗传算法、神经网络等多个领域。当下

最热门的机器学习是人工智能的一个分支。简单来说，机器学习利用算法分析数据、学习数据，通过基于大量数据的“自我训练”，实现对真实世界情况进行判断和预测的能力。因此，程序实际上是在用大量数据和算法进行“自我训练”，从而学会如何完成一项任务，这与预先编写好、只能按照人类指定的逻辑去执行指令的程序不同。实际上，任何通过数据训练的学习算法都属于机器学习，这其中包括很多我们非常熟悉的技术，比如线性回归、K均值、决策树、主成分分析法、支持向量机以及人工神经网络等。 AlphaGo的核心算法是深度学习的人工神经网络。人工神经网络出现得非常早，但受技术限制一直进展缓慢，直到云计算的出现和后来GPU开始大规模部署之后，这种技术才得以快速发展应用。运算能力的发展使神经网络计算变得速度更快、成本更低、性能更强大，而存储设备的容量增加，读取速度加快，进一步降低了运用该技术的门槛。 二、人工智能在金融行业的应用 （一）智能客服 人工智能技术的发展使得语音识别技术逐渐成熟，一些金融机构开始尝试使用该技术来优化现有的远程客户服务、业务咨询和业务办理等，这使得用户能够更加及时地得到满意的答复，提升用户的满意度，同时还可以减轻人

人工智能行业分析

人工智能行业分析 人工智能行业可谓是现在科技的前端，高科技的行业，那么关于人工智能行业的分析有哪些知识呢?下面是为你整理的人工智能行业分析，供大家阅览! 人工智能行业简要分析 一、机遇 在2017政府工作报告中提到：“2017年将加快培育壮大新兴产业。全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化，做大做强产业集群。”这是“人工智能”首次被列入政府工作报告。 3月11日，科技部部长万钢在“全国人大会议新闻中心记者会”上表示，正在起草促进中国人工智能(AI)创新发展的规划，并估计两会后将很快出台。 二、行业简介 人工智能英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的重要分支，它的研究目标是了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括智能语音技术、图像识别技术、自然语言理解、专家系统和机器人等。

人工智能可分为基础层、技术层和应用层。基础层为算力支撑(AI 芯片、云计算)，技术层为算法平台，应用层是AI向各传统行业的渗透应用。 AI 产业链中，芯片产业率先引来爆发。PC GPU 巨头NVIDIA 已经将业务重点转向AI 领域，应用在人工智能领域的可进行通用计算的GPU市场基本被NVIDIA垄断。但是芯片巨头英特尔明显对人工智能市场虎视眈眈，至强处理器Xeon+FPGA也将在2017年下半年量产，预计英特尔有很大的机会在2017年四季度迎来人工智能的第一波红利。 云计算方面，亚马逊、微软云计算业务爆发，其中亚马逊的AWS 云服务平台表现尤为靓丽。(先前我写的文章《网宿科技为什么大跌?》也有所涉及)。 技术层方面，Google、IBM 专注于人工智能(AI)技术层，研发更高级AI 算法，积累AI 底层技术。国内百度在这方面也有相当的投入并取得较大的进展。 应用层方面各显神通，Facebook、苹果在AI 应用层的布局集中在语音识别、图像识别、智能助理等领域;IBM 加速向医疗领域渗透，盈利前景已开始显现。 国内的话，目前主要还是在应用层耕耘较多，基础层和技术层方面与外国的差距较大。 三、部分上市公司 科大讯飞作为中国智能语音及人工智能产业的领导者，以“从能

2019年中国人工智能行业市场现状及发展前景分析 未来智能制造将成为行业主战场

2019年中国人工智能行业市场现状及发展前景分析未来智 能制造将成为行业主战场 未来智能制造将是人工智能的主战场 国家工业信息安全发展研究中心认为，目前我国人工智能和制造业融合有着广泛的基础，智能制造是“中国制造2025”的主攻方向，而人工智能是引领新一轮科技革命和产业变革的战略性技术。但新一代人工智能技术在制造业重点领域的应用刚刚起步，人工智能与制造业的融合尚处于初级阶段，未来智能制造将是人工智能的主战场。 1、人工智能+制造业创造新业态 目前中国人工人工智能迈向了2.0阶段，以通过互联网联系在一起的一套巨大的智能系统为标志。从智能制造业角度出发，人工智能技术正在深入改造制造行业。新一代人工智能技术与制造业实体经济的深度融合，成为应用市场一大亮点，催生了智能装备、智能工厂、智能服务等应用场景，创造出自动化的一些新需求、新产业、新业态。

2、政策春风利好工智能发展 2017年，人工智能被首次写入到政府工作报告中，2018年政府工作报告中提出：“发展壮大新动能，做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业，拓展智能生活。”，2019年的政府工作报告中，对人工智能的描述也由“加快人工智能等技术研发和转化”、“加强新一代人工智能研发应用”变为“深化大数据、人工智能等研发应用”，可见在国家层面上，对人工智能产业的重视程度日益加深。 3、2018年中国人工智能产业规模超400亿 在政策和技术的推动下，中国人工智能产业发展迅速。跟据中国信通院数据，2015年到2018年中国人工智能产业规模复合平均增长率为54.6%，高于全球平均水平(约36%)。2018年，中国人工智能产业市场规模已达到415.5亿元。其中，企业技术集成与方案提供、关键技术研发和应用平台两个应用领域据发展火热。

2020年中国人工智能产业发展分析报告

2020年中国人工智能产业发展分析报告

目录 一、对2020年形势的基本判断 (4) （一）从产业链建设看，人工智能数据、算法、算力生态条件日益成熟。 4 （二）从政策推动来看，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区。 (6) （三）从投融资情况看，我国人工智能产业投资市场将关注易落地的底层技术公司。 (7) 二、需要关注的几个问题 (9) （一）我国人工智能领域的基础创新投入严重不足。 (9) （二）我国人工智能产业的算力算法核心基础相对薄弱。 (10) 三、应采取的对策建议 (13) （一）以算力为核心加强人工智能基础能力建设。 (13) （二）体系化梳理我国人工智能产业供应链现状。 (13) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力。 (14) （四）在国际社会上提出发展“负责任的人工智能”。 (14)

【内容提要】 2019年以来，中国人工智能产业发展迅猛，在产业链建设、政策推动、投融资发展上取得新进展，但也面临各种内外部压力和挑战。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注落地前景好的底层技术公司，但产业整体面临的外部形势将更为严峻。需关注的问题有我国人工智能领域的基础创新投入严重不足，国内人工智能产业的算力算法基础相对薄弱，以算法战、深度伪造为代表的人工智能技术滥用给我国经济社会带来潜在负面影响等。基于上述分析，赛迪智库电子信息研究所提出，以算力为核心加强人工智能基础能力建设、体系化梳理我国人工智能产业供应链现状、加快开拓国内外应用市场并提升出海抗风险能力、发展“负责任的人工智能”等措施建议。 2019年人工智能数据、算法、算力生态条件日益成熟，我国人工智能产业发展将迎来新一轮战略机遇，智能芯片、智能无人机、智能网联汽车、智能机器人等细分产业，以及医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域发展势头良好。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注易落地的底层技术公司，但同时产业发展的外部形势将更为严峻，美国对我国人工智能产业的压制可能从上游元器件转向下游行业应用。

全球人工智能产业分析

全球人工智能产业分析 作为新一轮科技革命和产业变革的核心驱动力,人工智能正在对全球经济、社会进步和人类生活产生深刻的影响。在中国,人工智能是目前最火热的投资领域,也是中国政府最具价值的战略布局之一。 现在,人工智能产业技术到达了什么样的水平呢?中国信息通信研究院此前发布的《2018世界人工智能产业发展深度分析报告》,从智能硬件、计算机视觉技术、智能语音技术以及自然语言理解这四大核心方面去一一解析。 1、智能硬件 智能硬件的重要组成部分包括智能传感器与智能芯片。打个比方,假若我们把人工智能的中枢大脑理解成智能芯片,那么分布着神经末梢的神经元就是智能传感器。 智能传感器是将传统传感器、微处理器及相关电路一体化,形成的具有初级感知处理能力的相对独立的智能处理单元。智能芯片具备高性能的并行计算能力,且同时支持主流人工神经网络算法。目前,智能传感器主要包括有触觉、视觉、超声波、温度、距离传感器等;智能芯片主要包括有GPU、FPGA、ASIC以及类脑芯片等。

ResearchAndMarkets报告显示:2017年智能传感器全球市场价值为269.06亿美元,预计到2023年总市场规模达到706.17亿美元。《新一代人工智能发展规划》预计,到2020年,中国智能计算芯片市场规模将达到100亿元。 纵观全球智能硬件市场,诸如霍尼韦尔、BOSCH、ABB等国际巨头在全面布局智能传感器的多种产品类型;在中国,也涌现了汇顶科技的指纹传感器,昆仑海岸的力传感器,但产品布局相对单一。智能芯片方面,在全球市场有NVIDIA的GPU、谷歌的TPU、英特尔的NNP和VPU、IBM的True North、ARM的DynamIQ、高通的骁龙系列、Imagination的GPU Power VR等主流企业产品。在中国,有华为海思的麒麟系列、寒武纪的NPU、地平线的BPU、西井科技额deepsouth(深南)和deepwell(深井)、云知声的UniOne、阿里达摩院在研的Ali-NPU等。 2、计算机视觉技术 计算机视觉技术初步具备了类似人类对图像特征分级识别的视觉感知与认知机理,拥有速度快、精度高、准确性高等一系列优点。计算机视觉技术主要实现产业应用中对图像或视频内物体/场景识别、分类、定位、检测、图像分割等功能的需求,因此被广泛应用于实现视频监控、自动驾驶、车辆/人脸识别、医疗影响分析、机器人自主导航、工业自动化系统、航空及遥感测量等领域。MarketsAndMarkets报告显示:2017年基于人工智能的计算机视觉全球市场规模为23.7亿美元,预计2023年会达到253.2亿美元。预测期(2018-2023)内复合年增长率47.54%。

2019全球人工智能发展白皮书

全球人工智能发展白皮书 （2019年度）

全球人工智能发展白皮书 | 四、人工智能重塑各行业 一、AI创新融合新趋势4 1.1人工智能正全方位商业化4 1.2AI全面进入机器学习时代5 1.3市场对投资回归理性8 1.4城市逐渐成为AI创新融合应用主战场13 1.5AI支持体系不断发力21 1.6顶层政策倾斜力度持续增加23 1.7全球AI市场超6万亿美元29 1.8京津冀、长三角、珠三角AI企业云集31 二、人工智能技术发展腾飞40 2.1人工智能关键技术日趋成熟40 2.2人工智能开放平台建设稳步推进42 2.3“人机大战”谁更能更胜一筹？45 三、中国在全球AI地位52 3.1中国拥有更为庞大的数据规模以及更丰富数据使用环境53 3.2中国是全球芯片需求量最大的市场，但高端芯片依赖进口54 3.3中国机器人企业快速成长核心零部件技术国产化加速54 3.4美国人工智能底层技术实力更为雄厚，中国则在语音识别技术上更优55 3.5中国在AI应用上呈现追击态势55 四、人工智能重塑各行业58 4.1金融：人工智能提升金融企业商业效能并变革企业内部经营60 4.2教育：人工智能技术应用覆盖教学全流程65 4.3数字政务：政策利好加速政府智能化变革70 4.4医疗：人工智能应用日趋成熟71 4.5无人驾驶：主导汽车产业革新75 4.6零售：人工智能驱动行业走向聚合79 4.7制造业：智能制造应用潜力巨大82 4.8智慧城市：人工智能塑造城市基础设施创新系统86

全球人工智能发展白皮书 | 主要发现主要发现： 1

全球人工智能发展白皮书 | 主要发现 2

未来科技五年人工智能行业产业发展趋势分析最新竟争力

未来科技五年人工智能行业产业发展趋势分析 最新竟争力 人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，国内外的高科技公司以及风险投资机构纷纷布局人工智能产业链。以下对人工智能行业发展趋势分析。 中国和美国目前是全球人工智能产业发展的领导者，仅在2015年，两国在学术期刊上发表的AI相关论文接近1万篇，而英国、印度、德国和日本加起来才大约相当于中美的半数。2017-2022年中国人工智能项目行业市场深度调研及投资战略研究分析报告表明，中国有着全球最多的数据量，拥有巨大应用市场，正在围绕AI构建完善的产业生态链。我们有理由相信，AI将成为企业跨部门业务发展的“颠覆者”，渐趋成熟的AI技术正逐步向“AI+”进行转变。我国将在AI 关键技术领域获得重大突破，推动关键场景应用逐步走向成熟。 趋势一政策体系加速完善 一直以来，我国高度重视人工智能技术创新和产业发展，当前随着全球人工智能产业的快速成长，一些主要发达国家纷纷出台人工智能相关战略文件，力争在新的科技浪潮中抢占制高、规避风险。美国、英国等相继出台了《国家人工智能研究和发展战略计划》等报告，不断完善人工智能顶层设计。我国也围绕《中国制造2025》和“互联网+”行动计划出台了一系列支持人工智能技术创新和产业发展的政策文件，如2016年5月由国家发改委、工信部等多部委联合发布的《“互联网+”人工智能三年行动实施方案》等。在国务院发布的《“十三五”国家战略性新兴产业发展规划》中，也提到要培育人工智能产业生态，促进人工智

能在经济社会重点领域推广应用。今年，我国人工智能产业发展的政策支撑力度有望进一步加强。一方面，借鉴美国、英国等的人工智能国家战略，预计我国也将发布聚焦于人工智能的国家战略文件，对未来人工智能技术和产业发展制定顶层设计。另一方面，科技部、国家发改委、工信部等相关部门也将有望发布人工智能相关的政策文件，从技术研发、产业培育等角度做出具体的部署，实施一批大型项目。此外，围绕标准、安全等特定议题，相关的政策研究与制定也将有望取得积极进展。 趋势二产业规模快速增长 自2006年深度学习算法提出以来，语音和视觉识别准确率得到大幅提升，人工智能进入到了第三次高峰期。当前，在技术突破和应用需求的双重驱动下，人工智能技术已走出实验室，加速向产业各个领域渗透，产业化水平大幅提升，人工智能产业发展正处在黄金期。根据初步测算，2016年，全球人工智能市场规模约为1680亿元，我国人工智能市场规模约为98亿元。今年，随着我国软件与互联网技术向各行各业的持续深入以及云计算、大数据、物联网等相关产业的不断进步，人工智能产业市场规模将持续扩大，预计人工智能及其相关产业发展增速将超过40%。从细分行业来看，语音服务相关技术和模型将趋于成熟，围绕智能语音的行业应用将不断加速，市场逐渐打开，成为人工智能产业发展的主要方向。图像处理等计算机视觉技术将随着训练数据的快速累积实现大的突破，而面向各个行业领域的专业化智能服务则将创造出新的市场空间，有望造就新的行业领军者。 趋势三关键技术取得突破 当前，人工智能受到的关注度持续提升，大量的社会资本和智力、数据资源的

报告发布中国电子学会发布新一代人工智能发展白皮书(2017)

报告发布中国电子学会发布新一代人工智能发展白皮书 (2017) 指导单位、专家顾问及编写人员 顾问潘云鹤中国工程院院士 指导单位工业和信息化部信息化和软件服务业司 指导委员会谢少锋工信部信软司司长李冠宇工信部信软司副司长徐晓兰中国电子学会副理事长兼秘书长张宏图中国电子学会总部党委书记兼副秘书长商超工信部信软司软件处处长 傅永宝工信部信软司软件处调研员 专家委员会（排名不分先后，按姓氏笔画排序）王士进科大讯飞研究院副院长韦青微软中国公司首席技术官宋波国安瑞（北京）科技有限公司总经理刘志坚京东金融总法律顾问吴甘沙 驭势科技联合创始人兼CEO 季向阳清华大学自动化系教授陈丽娟阿里巴巴人工智能实验室负责人梁家恩云知声信息技术有限公司董事长兼CTO 崔岩中德人工智能研究院院长蔡雄山腾讯研究院法律研究中心副主任 编写单位中国电子学会 编写人员李颋周岷峰马良

凌霞李岩张雅妮许华磊 张婵张力陈濛萌樊江洋 朱毅李俊平阎德利谢中业 陈岩 报告链接:https://https://www.wendangku.net/doc/a59385001.html,/s/1oAn8flo 密码:3gme编制概要 （一）编制背景 自1956年概念得以确立以来，人工智能发展至今已逾60年，随着所处信息环境和数据基础的深刻变革，开始迈进新一轮发展阶段，呈现出大数据、跨媒体、群体性、自主化、人机融合的发展新特征，从学术牵引式发展迅速转变为需求牵引式发展，相比历史上的任何时刻，都要更加接近于人类智能，既能为进一步掌握城市发展、生态保护、经济管理、金融风险等宏观系统提供指导，也能为设计制造、健康医疗、交通管理、能源节约等微观领域提供解决方案。我国正值工业化、城镇化、信息化、农业现代化的攻坚阶段，迫切需要加快推动人工智能在国民经济社会各行业、各领域的创新应用，促进产业提质增效，改善人民生活水平，切实解决经济运行的重大结构性失衡。针对于此，有必要研究编制新一代人工智能发展白皮书，明确人工智能在新时期、新形势下的技术框架、关键环节、应用前景，为推动人工智能关键技术进步和产业化应用推广提供措施建议，进一步推动我国智能相关的

我国人工智能的发展战略是()

我国人工智能的发展战略是() 战略重点之一：建立完善的数据生态系统 海量数据是训练人工智能系统、吸引人才、加速创新的核心要素之一。中国可以通过建立并落实数据规范、向私营领域开放公共数据、鼓励跨国数据交流来构建一个更为完善的数据生态系统。 首先，建立数据标准是进行广泛数据分享和实现系统间交互操作的重要前提条件，有助于提升物联网及人工智能技术的价值。潜在的庞大数据体量是中国的天然优势，使中国有机会在国际上更好地发挥领头羊的作用。而且，在与中文语言相关的数据规范制定方面，中国也应起到主导作用。 对于特定行业数据，政府可要求现有的监管机构制定必要规则。比如美国证券交易委员会在2009年出台规定，要求所有上市公司使用XBRL(可扩展商业 报告语言)格式发布财报，确保所有公开数据的机器可读性。 其次，为了提升数据的多样性，政府应提高公共数据的开放程度，并带头建设行业数据库。这些举措同时能够提升公共服务质量、提供政策制定洞见，从而带来额外益处。比如纽约市政府就建立了公开数据门户网站，为市民提供经济发展、医疗、休闲、公共服务等领域的数据。 2012年纽约市还颁布了《开放数据法案》，要求政府部门使用机器可读取的数据并建立API(应用程序编程接口)，方便软件研发人员直接连接政府系统并获取数据。 最后，中国政府还需考虑国际数据流的价值。麦肯锡全球研究院的调查表明，2014年，跨境数据流为全球经济创造了2.8万亿美元的价值，对经济增长的贡献已经超过实体贸易。此外，研究还指出，由于经济体需要接触全球的思想、研究、科技、人才和最佳实践案例，数据流入和流出都能十分重要。 数据是未来的货币。例如在医学研究中，如果没有全球海量临床数据的支持，人工智能的潜力就无法得到充分挖掘。过多的桎梏将会束缚中国的人工智能企业，导致其丧失开发具有全球竞争力产品的能力。 战略重点之二：拓宽人工智能在传统行业的应用 只有当人工智能技术在中国真正普遍的应用于传统行业，而不仅仅属于科技巨头时，其经济潜力才会充分彰显。提升各行各业的生产力水平将创造巨大的价值，但中国首先需要克服重重障碍。