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
2019年版人工智能行业市场调研分析报告（部分内容） China's Industrial Market Research and Prospect Forecast Analysis Report(2019-2025) （专业、精准、高效，助力企业决策）
2015-2017年机器人产业发展综况 一、全球机器人行业规模分析 当前，全球机器人市场规模持续扩大，工业、特种机器人市场增速稳定，服务机器人增速突出。技术创新围绕仿生结构、人工智能和人机协作不断深入，产品在教育陪护、医疗康复、危险环境等领域的应用持续拓展，企业前瞻布局和投资并购异常活跃，全球机器人产业正迎来新一轮增长。 全球市场规模 根据调研的数据，2017年，全球机器人市场规模达到232亿美元，2012-2017年的平均增长率接近17%。其中，工业机器人147亿美元，服务机器人29亿美元，特种机器人56亿美元。 图1：2017年全球机器人规模占比 （一）工业机器人：销量稳步增长，亚洲市场依然最具潜力 目前，工业机器人在汽车、金属制品、电子、橡胶及塑料等行业已经得到了广泛的应用。随着性能的不断提升，以及各种应用场景的不断明晰，2012年以来，工业机器人的市场正以年均15.2%的速度快速增长。据IFR统计显示，2016年全球工业机器人销售额首次突破132亿美元，其中亚洲销售额76亿美元，欧洲销售额26.4亿美元，北美地区销售额达到17.9亿美元。中国、韩国、日本、美国和德国等主要国家销售额总计占到了全球销量的3/4，这些国家对工业自动化改造的需求激
活了工业机器人市场，也使全球工业机器人使用密度大幅提升，目前在全球制造业领域，工业机器人使用密度已经超过了70台/万人。2017年，工业机器人将进一步普及，销售额有望突破147亿美元，其中亚洲仍将是最大的销售市场。 图2：2012-2020年全球工业机器人销售额及增长率 （二）服务机器人：人工智能兴起，行业迎来高速发展新机遇 随着信息技术快速发展和互联网快速普及，以2006年深度学习模型的提出为标志，人工智能迎来第三次高速发展。与此同时，依托人工智能技术，智能公共服务机器人应用场景和服务模式正不断拓展，带动服务机器人市场规模高速增长。2017年，全球服务机器人市场达29亿美元。2020年将快速增长至69亿美元，2016-2020年的平均增速高达27.9%。2017年，全球医疗服务机器人、家用服务机器人和专用服务机器人市场规模分别为16.2亿美元、7.8亿美元和5亿美元，其中医疗服务机器人市场规模占比最高达55.9%，高于家用服务机器人29个百分点，其中智能服务机器人的比例快速提升。
2017年人工智能发展史及算法分析报告 2017年10月
目录 一、人工智能概念 (4) 二、人工智能发展历史 (5) 1、形成阶段（1956-1961） (5) 2、黄金时代（1961-1973） (6) 3、第一次发展低谷及复苏（1973-1987） (8) 4、第二次发展低谷（1987-1993） (10) 5、现代人工智能（1993-至今） (11) 三、人工智能算法 (14) 1、感知器 (15) 2、聚类算法 (17) 3、决策树 (18) 4、支持向量机 (18) 5、卷积神经网络 (20) 四、在金融领域的应用 (22) 1、大数据基金 (22) 2、运用人工智能进行预测 (23) 3、智能投顾 (23)
本文围绕人工智能的发展历史，人工智能主要算法以及人工智能在金融领域的应用展开综合论述，力求先为投资者勾勒出一幅人工智能全景图。 人工智能发展历史波折起伏：人工智能自1956 年正式确立以来，一直曲折发展，从产生到成为研究热点一直饱受质疑，期间经历两次发展低谷，而学科自身所迸发的生命力不断推动其走出低谷，成为引领技术革命的热点。从诞生伊始，人工智能就有理性学派和感性学派之争，理性学派从符号计算出发，将人脑看成信息处理器，认为任何能够以一定的逻辑规则描述的问题都可以通过人工智能程序来计算解决。感性学派简单说就是通过对脑神经的模拟来获得人工智能，随着深度学习等技术的成功，人工智能的研究热点越来越集中到感性学派。 人工智能算法发展方向不断变化：学术界早期研究重点集中在符号计算，神经网络在人工智能发展早期被完全否定，而后逐渐被认可，再成为今天引领人工智能发展潮流的一大类算法，持续显现出生命活力。本文着重介绍人工智能领域比较著名的4 个算法，他们分别是感知器、决策树，支持向量机和卷积神经网络。通过这4 个具有代表性的算法，理清机器学习的基本思想。 人工智能在金融领域应用：7 月20 日国务院正式印发了《新一代人工智能发展规划》，明确指出到2030 年之前我国AI 核心产业规模或超1 万亿元。这是人工智能首次上升到国家战略高度，我们认为国内人工智能在金融里的应用还处于探索阶段，未来具有很大的发
人工智能研究报告 产生背景 人工智能的出现不是偶然的，它是人们长期以来探索和研制能进行计算、推理和思维的智能机器的必然结果。自古以来，人们一直在试图用各种机器来代替人的部分脑力劳动，以提高人类征服自然和改造自然的能力。古希腊的哲学家亚里士多德就提出了形式逻辑问题。12世纪末至13世纪初，西班牙逻辑学家卢乐提出了制造可以解决各种问题的通用逻辑机。17世纪，法国的物理学家和数学家帕斯卡制造出世界上第一台机械式加法器，并得到广泛应用。随后德国哲学家和数学家莱布尼茨在帕斯卡加法器的基础上进一步制成了可进行四则运算的计算器。莱布尼茨还提出了“符号语言”和“思维演算”的重要设想，他认为：必须将人的思维代数几何化，即像代数那样按照公式来思考，像几何那样直观的通过图画来思维。这一思想导致了后来的数理逻辑的诞生，成为了现代机器思维设计思想的萌芽。 19世纪，英国数学家布尔在《思维法则》一书中，第一次用符号语言描述了思维活动中推理的基本法则，创立了布尔代数。英国数学家和发明家巴贝奇发明了差分机和分析机，其中分析机的设计思想与现代电子计算机十分相似。虽然巴贝奇的发明在当时没有得到实现和收到应有的重视，但是他的科学思想为研制“思维机器”做出了巨大的贡献。 20世纪30年代，英国数学家图灵开始了寻求智力机的研究工作。1937年，图灵发表了“理想自动机”的论文，该文给可计算性这一概念下了严格的数学定义，并论证了任何需要精确的加以确定的计算过程，都能由“图灵机”完成，为人们清晰地描绘出理想自动机的蓝图，同时也为电子计算机的诞生奠定了基础。(1937年，伦敦权威的数学杂志又收到图灵一篇论文《论可计算数及其在判定问题中的应用》，作为阐明现代电脑原理的开山之作，被永远载入了计算机的发展史册。这篇论文原本是为了解决一个基础性的数学问题：是否只要给人以足够的时间演算，数学函数都能够通过有限次机械步骤求得解答？传统数学家当然只会想到用公式推导证明它是否成立，可是图林独辟蹊径地想出了一台冥冥之中的机器。图林想象的机器说起来很简单：该计算机使用一条无限长度的纸带，纸带被划分成许多方格，有的方格被画上斜线，代表“1”；有的没有画任何线条，代表“0”。该计算机有一个读写头部件，可以从带子上读出信息，也可以往空方格里写下信息。该计算机仅有的功能是：把纸带向右移动一格，然后把“1”变成“0”，或者相反把“0”变成“1”。图林设计的“理想计算机”被后人称为“图林机”，实际上是一种不考虑硬件状态的计算机逻辑结构。图林还提出可以设计出另一种“万能图林机”，用来模拟其它任何一台“图林机”工作，从而首创了通用计算机的原始模型。图林甚至还想到把程序和数据都储存在纸带上，比冯·诺依曼更早提出了“储存程序”的概念。1945年，匈牙利数学家冯诺依曼提出了存储程序的思想，在计算机领域建立了不朽的功勋。目前的计算机体系结构仍然是冯诺依曼型的。1946年，美国数学家、电子计算机先驱莫克利和他的研究生埃克特合作，成功研制了世界上第一台电子数字计算机ENIAC，为机器智能的研究和实现提供了物质基础。
人工智能市场调研分析报告
目录 第一节人工智能与深度学习 (3) 一、人工智能：让机器像人一样思考 (3) 二、机器学习：使人工智能真实发生 (4) 三、人工神经网络：赋予机器学习以深度 (4) 四、深度学习：剔除神经网络之误差 (5) 第二节深度学习的实现 (5) 一、突破局限的学习算法 (6) 二、骤然爆发的数据洪流 (6) 三、难以满足的硬件需求 (7) 第三节现有市场——通用芯片GPU (8) 一、GPU是什么？ (8) 二、GPU和CPU的设计区别 (8) 三、GPU和CPU的性能差异 (9) 四、GPU行业的佼佼者：Nvidia (10) 五、Nvidia的市场定位：人工智能计算公司 (11) 六、Nvidia的核心产品：Pascal家族 (12) 七、Nvidia的应用布局：自动驾驶 (13) 八、Nvidia的产业优势：完善的生态系统 (14) 第四节未来市场：半定制芯片FPGA (14) 一、FPGA是什么？ (14) 二、FPGA和GPU的性能差异 (15) 三、FPGA市场前景 (16) 四、FPGA现有市场 (17) 五、FPGA行业的开拓者：Intel (17) 六、Intel的产品布局 (17) 七、Intel的痛点：生态不完善 (18) 八、Intel的优势 (19) 第五节投资前景 (20)
第一节人工智能与深度学习 2016年，AlphaGo与李世石九段的围棋对决无疑掀起了全世界对人工智能领域的新一轮关注。在与李世石对战的5个月之前，AlphaGo因击败欧洲围棋冠军樊麾二段，围棋等级分上升至3168分，而当时排名世界第二的李世石是3532分。按照这个等级分数对弈，AlphaGo每盘的胜算只有约11%，而结果是3个月之后它在与李世石对战中以4比1大胜。AlphaGo的学习能力之快，让人惶恐。 一、人工智能：让机器像人一样思考 自AlphaGo之后，“人工智能”成为2016年的热词，但早在1956年，几个计算机科学家就在达特茅斯会议上首次提出了此概念。他们梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，也就是我们今日所说的“强人工智能”。这个无所不能的机器，它有着我们所有的感知、所有的理性，甚至可以像我们一样思考。 人们在电影里也总是看到这样的机器：友好的，像星球大战中的C-3PO；邪恶的，如终结者。强人工智能目前还只存在于电影和科幻小说中，原因不难理解，我们还没法实现它们，至少目前还不行。 我们目前能实现的，一般被称为“弱人工智能”。弱人工智能是能够与人一样，甚至比人更好地执行特定任务的技术。例如，Pinterest上的图像分类，或者Facebook的
2016年2月出版
正文目录 1、人工智能是利用人工计算实现人类智能 (4) 1.1、本质：人工智能的本质是对人类智能的模拟甚至超越 (4) 1.2、原理：利用一系列算法驱动电脉冲模拟人脑神经元的运作过程 (5) 2、全球人工智能千亿市场爆发在即，AI+引领未来商业模式新风向 (6) 2.1、人工智能起源于上世纪50 年代，2006 年起进入加速发展的新阶段 (6) 2.2、发达国家火热布局，2040 年或有可能实现广义人工智能 (7) 2.2.1、欧盟：人脑工程项目（HBP） (8) 2.2.2、美国：大脑研究计划（BRAIN） (8) 2.2.3、日本：大脑研究计划（Brain/MINDS） (9) 2.3、下游应用需求迫切+上游技术基础成型，人工智能全球市场规模超千亿 (10) 2.3.1、下游应用需求倒逼、上游技术成型推动，人工智能技术加速发展 (10) 2.3.2、人工智能逐渐受到机构重视，2020 年全球市场规模超千亿 (11) 2.4、人工智能推动传统产业变革，AI+将成为未来普遍的商业模式 (13) 3、人工智能领域风云迭起，科技巨头雄霸天下 (14) 3.1、北美及西欧地区公司数量激增，科技巨头和初创企业是主要玩家 (14) 3.2、感知层技术领域竞争白热化，机器学习等空白蓝海已成大势所趋 (15) 3.3、投资+收购+顶级人才招聘、科技巨头动作频频上演实力争夺 (17) 4、2020年我国人工智能市场规模近百亿，有望实现弯道超车 (19) 4.1、受益四大利好因素，人工智能发展势头良好有望实现弯道超车 (19) 4.2、投资机构青睐有加，2020 年中国人工智能市场规模近百亿 (20) 4.3、感知智能试点阶段，预计我国将在5~10 年内实现感知智能全面普及 (22) 5、行业火爆：企业数量激增发展迅猛，机器人等是典型应用场景 (24) 5.1、巨头基础层切入引发技术革新，创业公司应用层进入带来产业升级 (24) 5.2、机器人、虚拟服务等是目前的典型应用场景，未来将进入各行各业 (26) 5.3、产业投资偏爱应用类企业，软件服务和机器视觉是热门细分领域 (29) 6、海外人工智能企业一览 (29) 6.1、人工智能基础平台领域：IBMWatson (29) 6.2、机器学习领域：Wise.io 实现高效大数据分析 (31) 6.3、语音识别和自然语言处理领域：Facebook、Apple、Microsoft (32) 6.4、图像识别领域：Clarifai 超越传统图像识别界限 (35) 6.5、预测分析领域：Google 云计算能力打造顶级预测API (35) 6.6、先发优势、技术实力、下游爆发潜力是人工智能企业的核心竞争力 (37) 7、我国人工智能投资机遇 (38) 7.1、投资逻辑：短期看好应用开发领域，长期技术研究是投资大势 (38) 7.2、主要公司分析 (39) 7.2.1、科大讯飞 (39) 7.2.2、东方网力 (40) 7.2.3、佳都科技 (41) 7.2.4、新松机器人 (42) 图表目录
(此文档为word格式，可任意修改编辑！）
正文目录 人工智能需要网络安全保护和限制 (5) 人工智能对网络安全需求程度高于互联网 (5) 人工智能需要网络安全限制边界 (6) 网络安全需要人工智能提升防护能力 (7) “人工智能+网络安全”出现频次急剧上升 (7) 防护边界泛网络化 (9) UEBA用于网络安全 (10) EDR用于网络安全 (12) 人工智能网络安全成为创投并购重点 (13) 2017前2月已有5家AI网络安全企业被收购 (13) 防止未知威胁的Invincea被Sophos收购 (13) UEBA技术的被惠普收购 (14) 关键IP用户行为分析的Harvest.ai日被亚马逊收购 (15) 值得关注的人工智能与网络安全公司 (16) 政策驱动网络安全下游需求 (17) 《网络安全法》实施将有法可依扩大市场空间 (17) 《工控安全指南》指明方向 (18) 工控信息安全是新增长点 (18) 三大潜在风险 (19) 工业控制系统潜在的风险 (19) 两化融合"给工控系统带来的风险 (20) 工控系统采用通用软硬件带来的风险 (20) 工控安全漏洞数回升 (20) 服务器系统和工控数据危害集中区 (21) 启明星辰绿盟科技引领工控安全 (22) 网络信息安全龙头启明星辰 (23) 领航网络信息安全 (23) 政府军队等客户的选择证明公司实力雄厚 (24) 外延收购扩大网络安全服务领域 (25) 安全产品是主力，数据安全是亮点 (27) 受益于并表和内生增长 (27)
相关建议 (30) 风险提示 (30) 图目录 图1：级别越高安全保障要求越高 (5) 图2：无人机撞击电线 (6) 图3：《西部世界》剧照 (7) 图4：“网络安全”、“人工智能”和“机器学习”出现频率 (8) 图5：“网络安全”、“人工智能”和“机器学习”出现频率 (8) 图6：传统网络安全原理 (9) 图7：人工智能时代网络安全需求 (9) 图8：数据泄密渠道和方式 (10) 图9：UEBA工作原理 (11) 图10：传统安全产品与AI安全产品比较 (12) 图11：Invincea首页 (14) 图12：niara官网 (15) 图13：Harvest.ai官网 (16) 图14：投资机器学习与人工智能的网络安全公司列表 (17) 图15：《网络安全法》出台有法可依解决三大问题 (18) 图16：工控安全三大风险 (19) 图17：2000-2016 年公开工控漏洞趋势图 (21) 图18：2000-2016 年公开工控漏洞主要类型统计 (21) 图19：国内工控安全厂商比较 (22) 图20：启明星辰产品和服务 (23) 图21：启明星辰收入构成 (24)
一、人工智能的内涵及分类 （一）人工智能的内涵 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能被发达国家视为人类的最后科学尖端，科研领域皇冠上的明珠。 （二）人工智能的分类 人工智能的概念很宽泛，按照人工智能的实力可分为三大类： 1、弱人工智能：在特定领域等同或者超过人类智能或效率的机器智能。 2、强人工智能：各方面都能和人类比肩的人工智能。 3、超人工智能：在包括科学创新、通识和社交技能等各个领域都超越人类的人工智能。 人工智能的革命就是从弱人工智能，通过强人工智能，最终达到超人工智能的过程。目前人类已经掌握弱人工智能，生活中弱人工智能无处不在，比如Siri、垃圾邮件过滤器、谷歌翻译、电商网站上的商品推送、谷歌无人驾驶汽车等等。 人脑与电脑的最大差别在于，一些我们认为困难的事情，如微积分、金融市场策略、翻译等，对于电脑来说都十分容易；但一些人类认为容易的事情，如视觉、动态、移动、直觉，对于电脑来说却是十分困难。而要达到人类级别的智能，电脑必须要理解更高深的东西，比如微小的脸部表情变化，以为为什么喜欢这个而不喜欢那个，要达到这样的水平首先在硬件方便要增加电脑处理速度，其次在软件方面要让电脑变得智能。 美国发明家、未来学家Kurzweil估算出人脑的运算能力是10^16 cps（calculations per second，每秒计算次数，描述运算能力的单位），即1亿亿次计算每秒。现在世界上最快的超级计算机，中国的天河二号，运行能力已达到3.4亿亿次，已经超过人脑，但由于其成本高、规模大、功耗高，使其并不能够被商业及广泛运用。Kurzweil认为考虑电脑发展程度的标杆是看1000美元能买到多少cps，当1000美元能买到人脑级别的1亿亿运算能力的时候，强人工智能就成为生活的一部分。而目前1000美元能买到10万亿cps（人脑的千分之一），根据加速回报定律，科技的进步将呈指数型增长，按照这个速度，到2025年1000美元就可以买到和人脑运算速度抗衡的电脑了。 二、人工智能的产业链分析 从发展路径及阶段上看，实现人工智能需经历三个阶段：计算智能（能存会算）、感知智能（能听会说、能看会认）和认知智能（能理解会思考）。
2017年人工智能在工业领域应用现状及发展前景趋势展望分析报告
目录 一、起步于科学效应，逐渐融入人工智能 (4) 二、人工智能在工业领域不同环节的应用 (5) 2.1 政策与技术助推生产与业务模式转型 (5) 2.2 工业领域的人工智能应用是渐进而持续的过程 (7) 2.3 全生命周期不同环节的智能升级 (9) 三、人工智能在工业领域实现的难点与条件 (10) 3.1 工业数据的有效获取成为前提和基础 (10) 3.2 工业领域人工智能对数据及算法提出新的要求 (11) 四、工业领域的人工智能应用案例 (13) 4.1 典型案例 (13) 4.2 国内互联网巨头的相关尝试 (16) 五、投资建议 (17) 六、风险提示 (18)
图表目录 图1：生产线上忙碌的工业机器人 (4) 图2：电饭煲及其工作原理 (4) 图3：智能系统的特征与分类 (5) 图4：当前人工智能的工业应用更多表现为优化决策过程的辅助作用 (8) 图5：中长期人工智能的工业应用和实现是一个渐进而持续的过程 (8) 图6：全生命周期不同环节的数据闭环与智能升级 (9) 图7：工业领域可利用数据来源多样 (11) 图8：由不同环节、不同设备构建的数据网络是智能化的前提 (11) 图9：人工智能算法及应用助力工业数据的价值实现 (12) 图10：GE 工业互联网平台P r ed i x (13) 图11：通过精准的操控方法为意大利航空节约燃油成本 (13) 图12：DeepM i nd控制设备运行方式提升数据中心能源使用效率 (14) 图13：富士康利用机器代替人降低劳动力成本 (15) 图14：传统制造业红领借助数字化、智能化实现需求的快速响应 (15) 表1：政策迭出，推动工业制造转型升级 (6) 表2：工业制造相关环节的人工智能升级 (9) 表3：互联网大数据与工业大数据之间存在明显差别 (12) 表4：BAT 与制造业合作，输出云计算、大数据以及人工智能等技术 (16)
2017年人工智能在工业领域应用分析 报告
目录 一、起步于科学效应，逐渐融入人工智能 (4) 二、人工智能在工业领域不同环节的应用 (5) 2.1 政策与技术助推生产与业务模式转型 (5) 2.2 工业领域的人工智能应用是渐进而持续的过程 (7) 2.3 全生命周期不同环节的智能升级 (9) 三、人工智能在工业领域实现的难点与条件 (10) 3.1 工业数据的有效获取成为前提和基础 (10) 3.2 工业领域人工智能对数据及算法提出新的要求 (11) 四、工业领域的人工智能应用案例 (13) 4.1 典型案例 (13) 4.2 国内互联网巨头的相关尝试 (16) 五、投资建议 (17) 六、风险提示 (18)
图表目录 图1：生产线上忙碌的工业机器人 (4) 图2：电饭煲及其工作原理 (4) 图3：智能系统的特征与分类 (5) 图4：当前人工智能的工业应用更多表现为优化决策过程的辅助作用 (8) 图5：中长期人工智能的工业应用和实现是一个渐进而持续的过程 (8) 图6：全生命周期不同环节的数据闭环与智能升级 (9) 图7：工业领域可利用数据来源多样 (11) 图8：由不同环节、不同设备构建的数据网络是智能化的前提 (11) 图9：人工智能算法及应用助力工业数据的价值实现 (12) 图10：GE 工业互联网平台P r ed i x (13) 图11：通过精准的操控方法为意大利航空节约燃油成本 (13) 图12：DeepM i nd控制设备运行方式提升数据中心能源使用效率 (14) 图13：富士康利用机器代替人降低劳动力成本 (15) 图14：传统制造业红领借助数字化、智能化实现需求的快速响应 (15) 表1：政策迭出，推动工业制造转型升级 (6) 表2：工业制造相关环节的人工智能升级 (9) 表3：互联网大数据与工业大数据之间存在明显差别 (12) 表4：BAT 与制造业合作，输出云计算、大数据以及人工智能等技术 (16)
2019年中美人工智能产业分析报告 2019年8月
目录 一、走进人工智能新时代 (6) 1、人工智能是什么 (6) 2、中美两国引领全球人工智能发展 (8) 二、多角度对比中美人工智能投资 (11) 1、看规模，中国人工智能投资额已超过美国 (11) 2、看轮次，中国人工智能投融资更偏早期 (12) 3、看投向，中国重应用层而美国重基础层 (13) 三、人工智能带来新机会，中国有望从AI芯片突围 (18) 1、人工智能的发展加速芯片专用化进程 (18) 2、高端人才缺乏是中美AI芯片领域投资差异的最大原因 (21) （1）美国在芯片领域起步早，巨头众多，培养并积累了丰富的人才 (21) （2）美国芯片和互联网巨头众多，为资本退出提供更多选择 (22) （3）美国芯片产业链齐全，产业布局完整 (24) 3、换道超车，中国在AI芯片上可以有所作为 (25) （1）AI芯片处于发展早期，竞争格局未定 (25) （2）边缘AI芯片领域，广阔的应用场景为中国提供巨大机会 (28) （3）芯片自主可控呼声高涨，政策为芯片研发保驾护航 (28) 四、深入落地，计算机视觉仍有广阔的应用场景 (30) 1、计算机视觉是中国人工智能市场的最大组成部分 (30) 2、多重因素促成中美计算机视觉领域投资差异 (33) （1）安防千亿市场成为拉动中国计算机视觉发展的最大需求 (33) （2）我国计算机视觉技术领先，在数据方面占有优势 (35) （3）中国消费者对新技术接受度更高 (36)
3、对比美国，看好中国计算机视觉应用领域进一步拓宽 (37) （1）新零售 (38) （2）医疗影像 (38) （3）保险行业 (39) （4）工业制造 (39) 五、主要风险 (40) 1、人工智能芯片研发不及预期 (40) 2、计算机视觉技术发展不及预期 (40)
2017年人工智能替代劳动力分析报告 2017年4月
目录 一、从科幻到现实，人工智能威胁引发众多担忧 (5) 1、普通人对超级人工智能的担忧更多来自科幻电影 (5) 2、人工智能的发展速度和前景让科技大佬同样感觉到威胁并频发警示 (6) 二、AI替代人类岗位的相关案例梳理及原因分析 (7) 1、从体力替代逐渐向脑力渗透的趋势已现 (7) （1）各大机构纷纷警示人工智能取代人类职位的风险 (7) （2）人工智能对人类岗位替代已经逐渐由体力向脑力渗透 (8) 2、机器对人类岗位替代有所为也有所难为 (8) （1）从需求端来看，企业对成本效率的考量直接驱动岗位替代现象的发生 (8) （2）从供给端来看，人工智能在语音、图像等领域技术指标上已经达到或超过一般人类水平 (10) （3）机器不仅技术指标层面逐渐达到并超过人类水平，B端场景也已率先开始应用 (10) （4）但人工智能可解决的问题有限，对人类的替代只会发生在部分领域 (11) 3、人工智能应用的落地依然存在待解问题 (12) （1）算法及模型自身尚存在待解决的问题 (12) （2）深度学习模型可解释性不强，黑箱问题难以解决 (13) （3）从互联网到人工智能，信息安全问题始终难以忽视 (13) （4）光鲜的表现结果难掩能源消耗问题 (14) （5）责任归属与利益划分等伦理问题难以跨越 (14) 三、未来人工智能以及人机关系的发展方向展望 (15) 1、人工智能存在进一步优化和突破的必要 (15) （1）算法层面存在改进和突破的空间 (15) （2）深度学习专用芯片研发开始兴起，更高的集成度+更低的能耗成为目标方向. 15 2、找准定位成为关键，技术革命阵痛难免 (16) （1）机器不是万能的，也不能取代一切 (16) （2）根据面对的任务不同，人类职位应当找准自身定位 (16)
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.doczj.com/doc/0b10949095.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
2020年中国城市人工智能发展指数报告 人工智能应用场景较为广泛且多元化，在金融、安防、教育、医疗、零售、机器人等领域都有相对广泛的应用。 5大维度、20个三级指标，全面剖析中国36个城市人工智能发展情况 2020年是全面建成小康社会与“十三五”规划收官之年，为了实现全面建设小康社会的发展目标、增强经济发展韧性，我国各级政府重视培育壮大新动能，将新型基础设施建设（以下简称“新基建”）作为重要的逆周期调节手段，来实现惠民生、稳增长、补短板、调结构和促创新的目的。 人工智能作为新型基础设施建设的七大建设领域之一，能够实现人类智慧与机器的结合。通过推动人工智能发展，并与云计算、大数据等技术不断融合，可以实现推动产业升级，促进经济发展的作用。 从产业链各环节着手，洞察人工智能发展情况 通过对人工智能产业链进行梳理，将产业链划分为基础层、技术层和应用层。基础层主要包括芯片、传感器、计算平台等；技术层则由计算机视觉技术、语音识别、机器学习、自然语言处理等构成；在应用层中，人工智能应用场景较为广泛且多元化，在金融、安防、教育、医疗、零售、机器人等领域都有相对广泛的应用。
以36个人工智能重点城市为对象，多维度构建指标体系
筛选出36个人工智能重点城市参与人工智能发展指数研究，并构建由5个一级指标，12个二级指标和20个三级指标组成的综合指数评价体系。五类一级指标分别为城市发展环境、资金支持力度、研发能力、基础支持情况和发展成效，从5个角度全面、综合分析城市人工智能发展情况。 城市人工智能发展总指数从城市发展环境、资金支持力度、研发能力、基础支持情况和发展成效角度出发，考察各城市人工智能发展情况。
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
人工智能发展报告 一、简介 人工智能（Artificial Intelligence，AI）是指用计算机模拟或实现的智能。从学科角度讲，人工智能研究的是如何使机器（计算机）具有智能的科学和技术，特别是人类智能如何在计算机上实现或再现的科学和技术，它的研究涉及计算机科学、脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学、数学以及信息论、控制论和系统论等众多学科领域，是一门综合性的交叉学科和边缘学科。2016年3月，谷歌收购的人工智能初创企业DeepMind 所研发的AlphaGo程序以4∶1击败韩国围棋冠军李世石，成为近年来人工智能领域少有的里程碑事件；2016年底，新版AlphaGo又化名网络棋手Master对战包括10多位中韩世界冠军在内的棋手，豪取60连胜；2017年初，卡内基梅隆大学人工智能系统Libratus打败4名世界顶级德州扑克玩家，这些事件再次引发了大众对人工智能的兴趣。 二、发展现状 目前，人工智能已形成包含工业机器人、服务机器人、智能硬件、芯片、传感器等硬件产品，智能客服、商业智能、数据资源、计算平台等软件产品与服务在内的产业链条。全球人工智能企业集中分布在美国、中国、英国等少数国家。我国人工智能企业主要集中于北京、广东及长三角（上海、江苏、浙江）一带，占我国人工智能企业总数
的比例超过8成。互联网巨头百度、阿里巴巴和腾讯正在领导中国的人工智能市场，同时，数以百计的初创公司也正渗透到这一产业中。 全球人工智能申请专利主要集中在机器人、语音识别、神经网络、图像识别、机器学习、模糊逻辑、计算机视觉、自然语言处理等领域。我国人工智能申请专利占比前五位的领域分别为机器人、神经网络、图像识别、语音识别、计算机视觉。其中，自然语言处理、语音识别的技术成熟度最高，其次是图像识别、计算机视觉，而机器学习、神经网络等领域技术成熟度最低，还未形成大规模行业应用。同时，国内外人工智能企业研发的产品在诸多领域的商业化已如火如荼地展开，涉及安防、交通、医疗、电商、金融、家庭和教育等领域。 人工智能主要应用领域及相关企业 三、产业化瓶颈 现阶段，人工智能产业的发展主要受到人才、数据、计算平台和服务模式四方面的制约。首先，人工智能领域的人才稀缺。通过开放
我国人工智能市场营销趋势及策略分析
我国人工智能市场营销趋势及策略分析 (3) 第一节人工智能市场销售渠道分析 (3) 一、营销分析与营销模式推荐 (3) 1、渠道构成 (3) 2、销售贡献比率 (4) 3、覆盖率 (4) 4、销售渠道效果 (4) 5、渠道建设方向 (5) 二、销售渠道存在的主要问题 (5) 三、营销渠道发展趋势与策略 (6) 第二节人工智能市场营销策略分析 (9) 一、中国人工智能营销概况 (9) 二、人工智能营销策略探讨 (13) 1、中国人工智能产品营销策略浅析 (13) 1、营销策略的目标的制定 (13) 2、选择合适的市场营销途径 (13) 3、产品组合策略 (14) 4、价格组合策略 (14) 5、促销组合策略 (14) 2、人工智能新产品的市场推广策略 (15) 2、户外广告 (15) 3、报纸书刊 (15) 4、网络信息推广 (15) 3、人工智能细分产品营销策略分析 (15) 1、品牌营销策略 (16) 2、销售渠道营销策略 (16) 3、价格营销策略 (16) 1
第三节人工智能营销的发展趋势 (17) 一、未来人工智能市场营销的出路 (17) 二、中国人工智能营销的趋势预测 (17) 2
我国人工智能市场营销趋势及策略分析 第一节人工智能市场销售渠道分析 一、营销分析与营销模式推荐 1、渠道构成 人工智能行业产品主要体现在终端应用上，我国人工智能产品销售渠道主要由线上、线下渠道构成。 1）线上渠道 由于互联网的威力越来越大，网络营销因其独有的优势和特点逐渐成为人工智能行业营销新宠。尤其针对人工智能产品的自身特点来说，网络营销在打造品牌的知名度和美誉度等方面有着得天独厚的优势。 2）线下渠道 1、传统销售渠道。这种模式是由一群独立的制造商、批发商和零售商组成的分销组织形态，各渠道成员之间是一种松散的合作关系，每个成员都是一个独立的利益主体，他们各自追求自身利益的最大户，渠道中没有一个成员对其他成员有足够的控制力，最终使整个分销渠道效率低下。所以也被称为松散型分销模式。该模式的优点是成员独立性强，进退自由；能够促使企业不断创新；适用于中小企业，在进入市场时可以借助这种关系迅速成长。缺点则是各自谋求自身利益的最大化，整体效率下降；成员之间缺少信任感和忠诚度；临时性的交易关系，安全系数低；各种渠道资源无法有效共享；成员缺少渠道建设的积极性。 2、垂直销售渠道。该模式是由制造商、批发商、零售商所组成的一种统一的联合体，每个成员把自己视为分销系统的一份子，关注整个垂直系统的成功。该模式的优点是合理管理库存，削减分销成本；便于把握需求动向；抑郁安排生产与销售；渠道控制力强；有利于组织竞争者加入；商品质量有保障，服务水品高。缺点则较为明显，系统维系成本高，经销商缺乏独立创造性。 3、水平销售渠道。该模式是指由两个或两个以上的公司联合开发新的营销 3
2018年中国人工智能市场分析及预测
随着中国人工智能技术的快速发展以及和商业应用的快速推广，人工智能才插上了腾飞的翅膀，已成为各国之间的竞争新赛道。2017年7月，国务院印发了《新一代人工智能发展规划》，从国家层面制定了未来10多年人工智能的战略部署。 随着人工智能的快速发展，国家相继出台一系列政策支持中国人工智能的发展，推动中国人工智能步入新阶段。2017年7月20日，国务院印发了《新一代人工智能发展规划》。规划中提到分三步走，第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列和实现全面建成小康社会的奋斗目标。第二步，到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展。第三步，到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。2017年12月，《促进新一代人工智能产业发展三年行动计划（2018-2020年）》的发布，它作为对7月发布的《新一代人工智能发展规划》的补充，详细规划了人工智能在未来三年的重点发展方向和目标，每个方向的目标都做了非常细致的量化，足以看出国家对人工智能产业化的重视。 具体政策如下：
资料来源：中商产业研究院整理 行业投融资情况 据统计数据显示，2017年中国人工智能投资事件数达到353次，与2016年的379次，下降了%。 数据来源：中商产业研究院整理 在投资金额方面，2017年投资金额为582亿元，与2016年相比增长%。