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)
3.5.4多民族语言农业智能信息处理系统机器翻译结果 .. 63
3.6 农业空间信息决策支持系统 (66)
第4 章典型农业机器人 (71)
4.1 茄果类嫁接机器人 (74)
4.1.1 研究背景意义 (74)
4.1.2 国内外研究现状 (74)
4.1.3 关键技术与研究热点 (76)
4.1.4 案例分析 (77)
4.1.5 存在问题与发展策略 (78)
4.2 果蔬采摘机器人 (79)
4.2.1 研究背景意义 (79)
4.2.2 国内外研究现状 (79)
4.2.3 关键技术与研究热点 (80)
4.2.4 案例分析 (81)
4.2.5 存在问题与发展策略 (82)
4.3 大田除草机器人 (83)
4.3.1 研究背景意义 (83)
4.3.2 国内外研究现状 (84)
4.3.3 关键技术与研究热点 (84)
4.3.5 存在问题与发展策略 (86)
4.4 农产品分拣机器人 (87)
4.4.1 农产品分拣机器人发展现状 (88)
4.4.2 农产品分拣机器人的应用特点和支撑技术 (90)
4.4.3 主要问题和建议 (92)
第5 章农业精准作业技术 (94)
5.1 拖拉机自动导航 (94)
5.2 农机作业智能测控 (97)
5.3 果树对靶施药 (101)
5.3.1 我国果园施药作业现状 (101)
5.3.2 基于靶标探测的智能施药 (102)
5.3.3 靶标探测技术 (102)
5.3.4 对靶施药的经济性与环保性 (106)
5.4 设施蔬菜水肥一体化 (106)
5.4.1 水肥一体化在设施蔬菜中的应用 (107)
5.4.2 智能灌溉施肥设备 (108)
5.4.3 设施蔬菜水肥一体化发展趋势 (110)
5.5 设施环境智能调控 (112)
5.5.1 温室环境与作物信息采集 (112)
5.5.2 温室作物生长发育模型和小气候预测模型 (115)
5.5.3 温室智能环境控制理论 (116)
5.5.4 测控装备及平台构建方面 (117)
5.6 农用无人机自主作业 (117)
5.6.1 农用无人机自主作业需求背景 (117)
5.6.2 农业无人机自主作业技术特点 (118)
5.6.3 农业无人机自主作业发展现状 (119)
5.6.4 抓住机遇迎接挑战人工智能技术的挑战 (122)
第6 章智慧农业展望 (123)
6.1 当前农业发展需求分析 (123)
6.2 发展重点与建议 (123)
第 1 章智慧农业发展背景
中国农业经历了原始农业、传统农业、现代农业、智慧农业的
逐渐过渡。智慧农业充分应用现代信息技术成果，集成应用计算机
与网络技术、物联网技术、音视频技术、3S 技术、无线通信技术及
专家智慧与知识，实现农业可视化远程诊断、远程控制、灾害预警
等职能管理。本章从人工智能在农业领域的应用历程与智慧农业发
展趋势两方面阐述了智慧农业作为一种高新技术与农业生产相结合
的产业，是农业可持续发展的重要途径，通过高科技投入和管理，
获取资源的最大节约和农业产出的最佳效益，实现农业的科学化、
标准化、定量化、高效化。
1.1人工智能在农业领域中的应用历程
人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、
延伸和扩展人的智能理论、方法、技术及应用系统的一门学科。人工
智能是计算机科学的一个分支，它试图了解智能的实质，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，该领域研究包括
机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能
从诞生以来，理论和技术日益成熟，应用领域也不断扩大，农业是其重
要的应用领域之一。
现代农业的发展已离不开以人工智能为代表的信息技术的支持，人工智能技术贯穿于农业生产产前、产中、产后，以其独特的技术优势提升农业生产技术水平，实现智能化的动态管理，减轻农业劳动强度，展示出巨大的应用潜力[1]。将人工智能技术应用于农业生产中，已经取得了良好的应用成效。比如农业专家系统[2]，农民可利用它及时查询在生产中所遇到的问题；农业机器人[3]，可代替农民从事繁重的农业劳动，在恶劣的环境中持续劳动，大大提高农业生产效率，节省劳动力；计算机视觉识别技术能用于检验农产品的外观品质，检验效率高，可替
[4-6]
人工智能在农业领域中的应用历程可以分为以下几个阶段：
第一阶段：萌芽期（20 世纪70 年代末至80 年代末）
20 世纪70 年代末，美国为代表的欧美国家率先开始了农业信息化的应用研究，以专家系统为代表的人工智能应用开始在农业领域萌芽。专家系统之父Edward A. Feigenbaum 提出：农业专家系统AES （Agriculture Expert System ）也称为以知识库为基础的系统（Knowledge Based System,KBS），是一个（或一组）智能计算机程序，运用人工智能并集成了地理信息系统、信息网络、智能计算、机器学习、知识发现、优化模拟等多方面高新技术，汇集农业领域知识、模型和专家经验等，采用适宜的知识表示技术和推理策略，运用多媒体技术并能以信息网络为载体，向农业生产管理提供咨询服务，指导科学种田，在一定程度上代替农业专家，对于提高作物产量，改善品质，提高农业管理的智能化决策水平具有重要意义。这一阶段的发展研究，以欧、美及日本等发达国家为主，开发系统主要是面向农作物的病虫害诊断。最早是美国伊利诺斯大学的植物病理学家和计算机学家于1978 年共同开发的大豆病害诊断专家系统LPANT/ds。20 世纪
80 年代中期至80 年代末，农业专家系统从单一的病虫害诊断转向生产管理、经济分析决策、生态环境、农产品市场销售管理等。如COMAX/GOSSYM 是美国最为成功的一个农业专家系统，用于向棉花种植者推荐棉田管理措施。日本对人工智能在农业上的作用给予了高度重视，如东京大学西红柿栽培管理专家咨询系统、培养液管理专家系统、温室黄瓜栽培管理专家系统等。
这一阶段开始，农业机器人和计算机视觉技术等人工智能技术也开始应用于农业领域，并取得了一定的成果。在农作物种子质量检测取得较大进展。1985 年，Zayas 等通过采集的种子图像，利用种子表面光的特性，基于统计图像的处理分析与识别技术来区分小麦品种。1986 年，Gunasekaran 等在对玉米籽粒裂纹的研究中发现，运用计算
机视觉检测技术中的高速滤波法可将裂纹与其他部位进行识别区分，其检测精度高达90%。在农产品分级与加工方向，早在1984年，Thylor等运用模拟摄像机和线扫描进行苹果自动损伤判定试验，证明了将计算机视觉技术应用于自动分级的可行性。在随后几年中，Thylor 等不断开展此方面的相应研究，但其分级效率仍较低。1985 年，Sarkar 等首次将数字图像分析与模式识别技术运用于西红柿的品质分级，并取得了较好的精确度，但其速度较慢。1989 年，Miller 等在桃的分级研究中，运用图像亮度校正和区域分割的方法，采用近红外方式对没有明显边缘损伤的图像进行识别，其自动分级效果达到了当时美国农业部的相关标准，并得到推广应用。20 世纪80 年代，我国农业专家系统开始起步，虽起步较晚，但发展很快，涉及作物栽培、品种选择、育种、病虫害防治、生产管理、节水灌溉、农产品评价等方面。在
20 世纪80 年代初，浙江大学进行过蚕育种专家系统的研究，1985 年由中国科学院人工智能所开发的“砂姜黑土小麦施肥专家咨询系统” 在安徽省淮北平原得到很好的推广应用。其后，各地高校、研究所和农科院相继开发了许多农业专家系统。
第二阶段：快速发展期（20 世纪90 年代）
20 世纪90 年代，伴随着人工智能技术的蓬勃发展，人工智能在农业中的应用也进入快速发展期。在专家系统领域，陆续出现了美国哥伦比亚大学梯田专家系统，日本的温室控制专家系统，英国ESPRIT 支持下的水果保鲜系统，德国的草地管理专家系统，埃及农垦部支持的黄瓜栽培与柑橘栽培生产管理专家系统，希腊的六种温室作物病虫害和缺素诊断的多语种专家系统等。为加快农业专家系统开发效率，一些辅助农业专家系统开发平台应运而生，如CALEX SELECT、
PALMS 、MICCSFARMSCAPE 、PCYield 、GLA & NUTBAL 、WHEATMAN 等，大大缩短了专家系统开发的周期，成为农业专家系统研究的重要方向。
这一阶段计算机视觉技术在农业中取得了较大进展，如在农产品分级方向，1992 年，Liao 等在玉米籽粒的分类中引入了神经网络方法来提高其分类的准确率。1994 年，Liao 等对玉米粒的颜色及表面缺陷进行实时分级研究，其分级速度仍较慢。1997 年，Ni 等通过图像处理技术获取三维信息的方法对玉米籽粒进行分级，但该系统的检测精度及用时离实际应用仍有较大距离。1998 年，Choi 等将彩色图像处理技术运用于番茄品质的分级，其分级效率高于人工检测。1999 年，Chtioui 等以粗糙集理论作为模式分类工具，通过计算机视觉技术检测评价蚕豆品质，其分类结果具有较好的一致度。在农产品的加工应用中，Ling 等于1991 年开始研究鲜虾图像的形态学特征和频谱特征，发现根据频谱特征确定下刀位置较为有效，为鲜虾去头加工的自动化提供了可靠依据。1995 年，Moconnell 等利用计算机视觉技术对颜色的识别来控制烘烤食品的质量，并取得了较好效果。Seida 等对机器视觉技术运用于饮料容器质量检测的可行性进行了研究。Jia 等提出将图像处理算法应用于鳍类鱼的加工。1998 年，Tao 等运用计算机视觉技术进行鸡肉中骨头碎片及污染物的无损快速检测，并研制出相关设备。在植物生长监测方向，1995 年，Shinizu 等利用机器视觉和近红外光连续采集植株图像，成功分析得出其白昼的生长率。1996 年，Casady 等利用数字图像处理技术获得了水稻植株的高度等形态特征信息，使利用计算机视觉获得植株高度成为可能。在农作物病虫害检测方向，1995 年，Woebbecke 等研究发现叶片的形态学特征可用于识别双子叶与单子叶植物，准确率在60%~ 80%；此外还研究发现，彩色图像的R-G-B 特征能很好地区分非植物与植物的背景，从而将其运用于田间杂草的探测控制。Zhang 等提出同时使用形状和颜色分析识别小麦田间杂草的方法。1997 年，Giles 等研制出一种装有机器视觉导向系统的喷雾装置，能对成行作物实施精量喷雾，该系统不仅节约农药，提高施药效率，还可大大减少对环境的污染。基于
机器视觉的杂草识别技术在国外已经进入实用阶段。1999 年，Lee 等研制出由计算机视觉系统、精准喷施系统等构成的智能杂草控制系统，该系统可根据植物形状特征的差异识别作物和杂草，并确定杂草的位置以进行精准喷施。Burks 等利用彩色共生矩阵法和神经网络技术对土壤和 5 种杂草进行识别研究，分类准确率达93%。在机器人领域，融合了计算机视觉技术，果蔬采摘机器人成为人工智能的新兴领域。1991 年，日本Kubota 公司成功研制出用于橘子采摘机器人的机械手。1995 年，周云山等将计算机视觉技术应用于蘑菇识别，使蘑菇生产从苗床管理到收获分类的全过程基本实现自动化，但离实际推广应用仍有一定距离。1996 年，近藤等研制出采用双目视觉方法定位果实的番茄采摘机器人，能准确识别果实与树叶，而当可采摘番茄被茎叶遮挡时，机械手难以避开茎叶等障碍物完成采摘。1997 年，德田胜等研制出一套运用机器视觉技术检测西瓜成熟度的机器视觉系统，用于控制采摘机器人适时自动采摘西瓜。中国农业大学为国内农业机器人技术早期研发单位之一，研制出的自动嫁接机器人已成功进行了试验性嫁接生产，解决了蔬菜幼苗的柔嫩性、易损性和生长不一致性等难题，可用于黄瓜、西瓜、甜瓜等幼苗的嫁接，形成了具有自主知识产权的自动化嫁接技术。
我国1996-2005 年期间，在国家863 计划的持续支持下，系统开展了以农业专家系统为核心的智能化农业信息技术应用示范工程，该项目以智能信息技术直接服务“三农”为目标，按照智能系统开发平台、共性关键技术、应用示范区和研发基地建设四个层次进行组织实施。全国共研发出5 个农业智能系统开发平台，70 多个应用框架，200 多个本地化农业专家系统，涉及粮食、果树、蔬菜、畜牧、水产等不同农业领域，建立了23 个省级应用示范区，取得了重大的社会经济效益，形成了我国特有的“电脑农业”，全面推动了我国农业智能信息技术的应用发展。2003年12月，“中国863电脑农业
（Agricultural Expert System in China）”在日内瓦举办的世界信息首脑峰会上获峰会大奖（World Summit Award），标志着我国利用智能化农业信息技术改造传统农业做出的巨大贡献得到了世界的承认。
第三阶段：规模应用期（2000 至今）
进入21 世纪，农业劳动力不断向其他产业转移，农业劳动力结构性短缺和日趋老龄化渐已成为全球性问题，通过人工智能技术，提高生产力，成为农业领域的研究与应用热点，人工智能在许多农业领域出现了规模应用。
设施农业、精确农业和高新技术的快速发展，特别是人工作业成本的不断攀升，为农业机器人的进一步发展提供了新的动力和可能。如果蔬采摘不仅季节性强、劳动量大，而且作业费用高，人工收获的费用通常占全程生产费用的50%左右，因此采摘机器人在日本、美国、荷兰等国家已有初步使用。例如，2000 年，荷兰农业环境工程研究所研制出移动式黄瓜采摘机器人样机，在实验室和温室中的采摘试验效果良好。VanHenten 等对温室黄瓜收获机器人机械手的运动结构进行优化设计，并提供了一种评价和优化该运动机构的客观方法、优化结果发现，4 臂4 自由度PPRR 机器手最适合于温室黄瓜的收获。计算机视觉的应用进一步成熟。到2011 年，Zapotoczny 采用神经网络的方法对春、冬季不同质量等级的11 个小麦品种进行试验，使用图像处理分析技术进行分类鉴别的准确率高达100%。近十几年来，我国科研人员对计算机视觉技术在农作物种子质量检测的应用方面作了大量研究。2004 年，周红等运用计算机视觉技术提取玉米种子的外形轮廓，为玉米种子的进一步分级识别提供依据。2008 年，万鹏等提出利用计算机视觉系统代替人眼识别整粒及碎大米粒形的方法，并设计了一套基于计算机视觉技术的大米粒形识别装置，该装置对完整米粒、碎米的识别准确率分别为98.67%、92.09%。在农产品分级方面，计算机视觉水果分级自动化系统得到了广泛应用，国外已将部
分成果应用于实际生产中。2002 年，Yun 等成功研制出一种谷粒快速分级系统，每分钟检测200 颗谷粒，其分级准确率达98.9%。2011年，Mathanker 等发现使用机器学习分类器AdaBoost 和支持向量机(Support Vector Machine,SVM) 的方法可提高核桃分级检测的精度。我国将计算机视觉技术应用于水果等的检测分级相对较晚，但由于借鉴了其他国家的研究成果，发展速度比较快。研究大田作物病虫草害的自动识别与测定技术，建成自动化控制系统以防治田间杂草与病虫害，也是计算机视觉技术在作物生产中较为重要的应用研究领域。农业航空是现代农业人工智能应用的重要组成部分，农业无人机在美国、日本等发达国家早已使用，应用在农田植被数据监测、农田土壤分析及规划、农田喷洒方面的研究等多个方面。我国自2008 年无锡汉和第一架植保无人机面试以来，无人机行业如雨后春笋般的发展。主要应用在土壤湿度监测、农田喷洒、植被覆盖度的监测等方向[7]。在这一时期，特别
是2009 年“感知中国”的目标提出后，作为人工智能集成应用的农业物联网和无人机开始迅速发展。物联网、移动互联、大数据、云计算、空间信息技术、智能装备技术开始进行深入融合，人工智能成为核心技术承担优化、决策的任务。2010 年国家发改委启动了物联网产业化规划，规划未来我国十年到二十年的物联网发展重大专项，其中将精细农牧业列为规划专项的一个很重要的内容。随后国家发改委、农业部、财政部决定在黑龙江农垦开展大田种植物联网应用示范、北京市开展设施农业物联网应用示范、江苏省无锡市开展养殖业物联网应用示范，并将这 3 个项目作为国家物联网应用示范工程智慧农业项目，农业部在天津、上海、安徽三省市组织实施了农业物联网的区域试验工程，这些国家和部委项目的实施引领与促进了人工智能技术在农业领域中的规模化应用发展，提高了我国农业现代化水平。
人工智能技术在我国农业领域广泛应用，把农业带入数字化、信息化和智能化的崭新时代。但人工智能在农业领域应用研究任重道远，离我们追求的目标还有很大距离，核心技术有待重大突破，应用成本需要大幅度降低。以人工智能技术为核心的现代信息技术及智能装备技术在农业领域的应用，逐渐形成了现代农业发展的新业态—智慧农业，这是农业未来的一场深刻变革。
1.2智慧农业发展趋势
智慧农业按照工业发展理念，充分应用现代信息技术成果，以信息和知识为生产要素，通过互联网、物联网、云计算、大数据、智能装备等现代信息技术与农业深度跨界融合，实现农业生产全过程的信息感知、定量决策、智能控制、精准投入和工厂化生产的全新农业生产方式与农业可视化远程诊断、远程控制、灾害预警等职能管理，是农业信息化发展从数字化到网络化再到智能化的高级阶段，是继传统农业（1.0）、机械化农业（2.0）、生物农业（3.0）之后，中国农业4.0的核心内容[8]。
1.2.1智慧农业在中国的研究进展
智能化农业信息技术研究始于80 年代初，包括施肥专家咨询系统、栽培管理专家系统等。其中，施肥专家咨询系统是根据实测的土壤理化参数或土壤肥力、地力参数以及地理分布，评估肥力水平，利用施肥量与各种农作物产量的关系，土壤区划、土壤类型以及不同生态条件下肥料运筹、施肥时期与施肥方法，化肥投入与产出比的肥效，非正常情况下的补救措施等。栽培管理专家系统是根据各个农作物的不同生育期、生理特点、不同的生态条件、作物品种、播种期、密度、灌水等进行科学的农事安排，包括品种选择、种子筛选准备、整地、播种、田间管理与收获等栽培部分，优化肥料与产量关系的施肥部分，合理灌排、优化水分与产量关系的灌溉部分，病虫害发生发展规律和
消长关系的植保部分，农业气候的发生规律、气候与农作物生长期的产量关系的气象服务部分等，指导农民进行科学生产和管理。
我国农业正向知识高度密集型的现代农业发展，相继出现了“有机农业”、“生态农业”、“持续农业”、“智慧农业”等替代型现代农业，智慧农业的出现为现代农业的发展指明了方向[9-11]。我国“智慧农业” 技术的应用较发达国家要落后20 年以上，甚至有些地方还是一片空白。近年来，信息技术飞速发展，其在农业上的应用也得以重视。目前，我国北京、上海等地已开展了智慧农业的研究应用，例如，在京郊小汤山智慧农业基地，由北京师范大学遥感与地理信息系统研究中心、中国科学院地理科学与资源研究所热红外遥感实验室以及北京市农林科学院联合实施的大型定量遥感联合试验和北京农业信息技术研究中心，根据国家973 项目与智慧农业示范项目的总体要求，在小麦病害的高光谱遥感检测和预测预报试验等方面，都取得了大量试验数据。但目前我国关于智慧农业的研究应用还处于起步阶段。
1.2.2智慧农业存在的问题
智慧农业已成为合理利用农业资源、提高农作物产量和品质、降低生产成本、改善生态环境及农业可持续发展的前沿性农业科学研究热点之一[12-14]。目前，我国农业仍处于由传统农业向现代农业转变的过程中，与国外智慧农业条件比较,还存在诸多不利因素。例如地形复杂,机械化和集约化水平不高，信息技术及其装备薄弱，农民素质不高等；此外，实施智慧农业，前期的仪器、设备、装置等的成本投入相对过高，也影响了智慧农业在我国的发展。
1.我国智慧农业科技含量、发展水平较低
我国智慧农业相关领域的研究起步比较晚，投入低，较农业发达国家而言仍具有不小的差距。同时，智慧农业的产业链仍比较单薄，相关设备的生产、安装、实施、维护一整套环节都比较薄弱，整体农
业机械化水平与发达国家相比仍有不小的差距，科技含量低，导致农业自动化程度、集约化水平偏低。
2.农业生产方式、效率较落后
我国智慧农业起点较低，效率仍处于一个较低水平，如生产效率、劳动产比率、资源利用率等一些农业生产核心数据都可以反映出这个问题的严重性。另一方面，我国资源短缺与资源利用率低的矛盾日益加剧，这就要求我国走一条集约化的、可持续发展的现代化农业道路。
3.农业抵御自然灾害能力较弱
我国是一个农业自然灾害频发的国家，由于设备陈旧，防灾设施缺乏，农业抵御自然灾害的能力较低，看天吃饭的尴尬处境仍未得到有效改变，一旦发生大规模的自然灾害，将会造成重大损失，粮食产量大幅下降，甚至绝收等。
4.农业科研投入、相关领域人才储备缺乏
无论是从科研经费，还是其他的奖励政策来说，国家历来对农业与工业的重视度不在同一水平线上，客观上导致了我国农业长期处于落后的现状。我国智慧农业起步比较晚，并且受传统观念影响，只有极小部分科研人员愿意投入到这一领域，导致相关领域的技术人员储备不足，影响了智慧农业事业的迅速崛起。
1.2.3智慧农业的发展前景
智慧农业已成为合理利用农业资源、提高农作物产量和品质、降低生产成本、改善生态环境及农业可持续发展的前沿性农业科学研究热点之一。目前，我国农业仍处于由传统农业向现代农业转变的过程中，与国外智慧农业条件比较，还存在诸多不利因素。例如地形复杂，机械化和集约化水平不高，信息技术及其装备薄弱，农民素质不高等；此外，实施智慧农业，前期的仪器、设备、装置等的成本投入相对过高，也影响了智慧农业在我国的发展。
针对上述问题，我国发展智慧农业必须分步推行，从应用较为成熟、投资较小的阶段性成果开始，逐步配套提高精准程度[15]。在技术上，首先发展3S 集成技术，开发应用软件，再研制智能控制的装备
和农机具；在技术实施过程中，先进行人工采集信息，常规机械操作，
逐步过渡到半自动化、自动化作业；在推广上，先在受自然条件影响
小、时空差异不大和工业化程度较高的设施农业生产中应用，在大规模的农场和农业高新技术综合开发试验区实践，然后才向有条件的农村和
农户渗透。这样，既可使我国的智慧农业与国际接轨，又符合我国的国情，逐步形成自身特点。
在农业生产环节，智慧农业技术对农业生产各种要素实行数字化设计、智能化控制、精准化运行、科学化管理，促进生产要素的优化配置，提高农业生产力，推动农业生产向集约化、规模化、精准化转变；在农业经营环节，智慧农业通过“互联网+”电子商务等模式，发展农业新业态，促进农业一二三产业融合发展，促进农民收入持续较快增长；在农村信息服务方面，智慧农业技术可以实现农业农村信息服务的个性化、精准化，提高服务效能。随着我国土地流转、农业模化化发展、新型农业经营主体壮大，智慧农业技术必将成为我国发展现代农业、改变传统农业生产方式、提高效率和效益、推进农业三产融合发展的重大选择。
在智慧农业装备方面，主要集中在农业专用传感器与仪器仪表、农业大数据与云计算、智能化植物生产工厂、农业机器人、农业精准作业与智能装备、农业物联网等智能化农机装备构建技术研究，逐步从粗放式过渡到智能化、自动化为标志的集约化发展与制造业转型的阶段[16,17]。按照智能制造试点示范所包含的智能工厂、数字化车间、智能装备、智能新业态、智能化管理、智能化服务等六个维度的要求来构建智能化农机装备制造体系，是未来智能装备发展的方向，为智能化农机发展提供支撑与保障。
第 2 章农业智能分析
物联网、互联网等技术与农业生产、加工、流通等各环节紧密结合，产生了大量多源异构的农业数据，并且这些数据仍在呈指数方式增长。如何采用数据挖掘与智能分析技术与手段发现或提取其中的有效信息与潜在价值，实现农业生产经营过程的整体信息化管控，在一定程度上加速转变农业生产方式，提高生产水平与效率，对于发展与实现现代农业具有重要意义。本章在分析综合分析农业数据挖掘的现状和需求基础上，从农业数据语义分析、农业病虫害图像识别、动物行为分析以及农产品无损检测等方面介绍讨论了农业典型数据挖掘的知识模型、处理方法与分析技术，并对未来的发展方向进行展望。
2.1农业数据挖掘
现代农业发展过程中数据呈爆炸式增长，尤其是随着移动互联网和物联网技术的发展，在农业生产、流通与交易过程中，农业资源、环境、多样化的生产经营方式不断产生全量超大规模、多源异构、实时变化的农业数据，产生的大量数据既包含价值密度低的数据块，也包含价值密度高的数据块，需要从这些数据中寻求科学规律、有用知识，快速抽取出模式、关联、变化、异常特征与分布结构，利用自然语言处理、信息检索、机器学习等技术挖掘抽取知识，把数据转化为智慧的方法学，指导农业生产经营是农业数据挖掘的价值所在。
2.1.1农业数据挖掘特点
农业数据挖掘可称为数据库中的知识发现，是指从农业数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程。原始农业数据可以是结构化的，如关系数据库中的数据；也可以是半结构化的，如文本、图形和图像数据；甚至是分布在网络上的异构型农业数据，如农业技术、农产品市场价格、农业视频等。
通过数据挖掘发现的知识可以被用于：精准农业生产，提高农业
生产过程中的科学化管理、精准化监控和智能化决策；农业水资源、
农业生物资源、土地资源以及生产资料资源的优化配置、合理开发以实
现高效高产的可持续绿色发展；农业生态环境管理，实现土壤、水质、
污染、大气、气象、灾害等智能监测；农产品和食品安全管理与服务，
包括市场流通领域、物流、产业链管理、储藏加工、产地环境、供应链与溯源等精准定位与智能服务；设施监控和农业装备智能调度、远程
诊断、设备运行和实施工况监控等。
2.1.2农业网络数据挖掘
农业网络数据挖掘就是以WEB 信息资源为对象，以信息检索的方式为用户提供所需信息，它包括信息收集、信息过滤、信息存取、信息索引、信息检索等环节。互联网上存有海量的农业信息资源，据不完全统计，在国内农业领域现有各种网站3 万余个，内容涉及实用技术、供求信息、价格信息、农业资讯、农业视频等多个主题。这些农业资源网站信息集中，专业性强，服务有针对性。另外，一些综合类和商务类网站，如阿里巴巴、淘宝、阿拉丁等提供了大量的农产品供求、农资市场、农业设备等特定的农业数据，对网络中海量存在的数据进行挖掘入库，后期进行智能分析对于现代农业发展具有现实意义。
农业网络数据挖掘工具的典型代表有美国农业网络信息中心（AGNIC）与美国普林斯顿建立的Agriscape Search，法国的Hyltel Multimedia，中国科学院合肥智能机械研究所研发的“农搜”、华南农
业大学的“华农在线”、中国农业科学院“农搜”、国家农业信息化工程
技术研究中心的“Agsoso”等。最早网络数据抓取采用基于Html 网页库
的关键词匹配方法，由于网页里包含了很多广告、与当前页面无关的
链接等垃圾信息，导致查准率较低。因此，在抓取网页的同时进行Web 信息抽取（Web Information Extraction）使“Agsoso”等工具信息的
查准率大幅提高。
Web 信息抽取技术能够从Web 页面所包含的非结构或半结构的信息中识别用户感兴趣的数据，并将其转化为更为结构化、语义更为清晰的格式。常用的信息抽取模型有基于隐马尔可夫模型Hidden Markov Model（HMM）的抽取方法，该方法要求大量的训练实例，处理速度较慢；基于本体的抽取方法是利用本体这个比较成熟的刻画领域的技术手段，对抽取页面的类型进行描述及设计匹配规则，该方法与抽取的Web 页面格式无关，但本体库的构建工作量非常大；基于规则的文本信息抽取模型也需要先构造抽取规则，从手工标记的训练例中推导出一个抽取规则集。
目前“Agsoso”已经整合了农业科技、特色农产品、农业生产资料、农业社会经济、农业自然资源、农业产品、农产品市场、农民专业合作社、农业企业、农业视频等14 个分类，59个主题信息库，6.8TB 数据资源，实现了农产品数据集市挖掘、基于规则的包装器专题信息抽取模型、农业信息专题词库更新算法、无序数据的大样本学习机制等技术的应用，为农业知识来源的最大频繁项目集和信息熵集合提供了数据仓库基础。
2.1.3农业感知数据挖掘
除了农业网络数据之外，在农业产业链前端以及农业生产过程中，农业生产活动也产生了大量的农业过程数据，该部分的数据主要通过各类物联网感知设备、自动控制设备、智能农机具包括人工操作记录等方式进行采集与收集，这里统称为农业感知数据。不同于农业网络数据，农业感知数据的来源繁多，数据结构与类型复杂多样，多维特征间关联十分紧密，这些都对农业感知数据挖掘提出了很高的要求。
农业生产过程的主体是生物，存在多样性、变异性和不确定性，因此农业感知数据存在季节性、地域性、时效性、综合性、多层次性等特点；而在具体应用场景上也涉及不同专业的多个领域，如气象、
动植物育种、土地管理、产量分析图、畜禽饲养、土壤水肥、植物保护等。随着物联网数据的不断积累，挖掘分析方法对大数据的处理方法与传统小样本的分析方法有着本质的不同，而且对挖掘深度、数据可视化与实时性等方面都有了更高的要求。
美国的农场主通过安装Climate Corporation 公司的气象数据软件，可以获得农场范围内的实时天气信息，如温度、湿度、风力、雨水等，同时结合天气模拟、植物构造和土质分析得出优化决策，帮助农场主从生产规划、种植前准备、种植期管理、采收等各环节做出优化决策。来自美国硅谷的Solum 公司致力于提供精细化农业服务，其开发的软硬件系统能够实现高效、精准的土壤抽样分析，以帮助种植者在正确的时间、正确的地点进行精确施肥，帮助农民提高生产效益。美国FarmLogs 公司帮助农民通过移动终端，如Pad 就可以实现上传农场数据，并获取分析结果，使农场管理更加便捷，同时正在开发基于大数据分析，具备智能预测功能的农作物轮作优化的产品。由国家信息化工程技术研究中心等研发组建的“金种子育种云平台”，面向科研单位和育种企业需求，在采集试验状态、谱系等相关数据的上，提供包括种质资源管理、试验规划、性状采集、品种选育、系谱管理、数据分析等育种过程数据分析与服务，并在隆平高科、山东圣丰种业等成功应用。
目前农业感知大数据挖掘主要还是针对不同领域利用数据挖掘技术解决生产中的问题。其基本架构包括三部分：农业数据挖掘模型、农业数据挖掘工具集和农业数据挖掘服务。其中，农业数据挖掘模型主要用于数据的特征提取与模型构建；农业数据挖掘工具集提供了大量的数据预处理算法和数据挖掘算法; 农业数据挖掘服务则以服务的形式提供了针对不同领域、不同用户的个性化数据挖掘与推荐方法。
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)
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
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。
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
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/0f3181508.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
新一代人工智能发展白皮书
内容摘要 随着信息时代的来临，人类生产生活的数据基础和信息环境有了大幅提升，人工智能正从学术驱动转变为应用驱动，从专用智能迈向通用智能，比历史上任何一个时期都要更加接近于人类智能水平，进入了新的发展阶段。全球各国均围绕新一代人工智能技术及产业发展进行前瞻布局，我国也已将其提升到了国家战略层面。基于此，本白皮书重点围绕新一代人工智能面临的新形势、驱动的新因素、呈现的新特征，对架构、算法、系统等技术演进方向作出研判，详细梳理了包括云计算、大数据两大基础平台和机器学习、模式识别、人机交互三大通用技术的技术体系，深入论证了新一代人工智能产业边界和范围，划分了基础层、技术层、应用层三大产业化领域，研究了智能传感器、智能芯片、算法模型、语音识别、图像视频识别、文本识别、智能机器人、智能制造系统、智能安防、智能驾驶等具体产业化方向的产业规模、核心技术、主要产品、典型企业，归纳了近年来全球和我国在人工智能领域的投融资特征趋势，并对国内外人工智能的技术及产业发展状况进行了系统对比和趋势展望，最后提出了发展理念、治理体系、创新能力、发展基础、资本环境、行业组织、全球统筹共七项措施建议，进一步推动我国人工智能相关的前沿新兴产业持续健康快速发展，有力支撑信息化与工业化深度融合迈上新台阶。
目录 一、编制概要 (1) （一）编制背景 (1) （二）编制目标 (2) （三）编制方法 (2) （四）特别声明 (3) 1、研究主题充分考虑了与国家规划的互动和呼应 (3) 2、研究范围聚焦技术和产业发展 (4) 3、研究内容仍有待进一步丰富完善 (4) 二、新一代人工智能研究综述 (5) （一）人工智能简要发展历程 (5) 1、第一次浪潮：人工智能诞生并快速发展，但技术瓶颈难以突破..6 2、第二次浪潮：模型突破带动初步产业化，但推广应用存在成本障碍 (7) 3、第三次浪潮：信息时代催生新一代人工智能，但未来发展存在诸多 隐忧 (8) （二）新一代人工智能的主要驱动因素 (9) 1、人机物互联互通成趋势，数据量呈现爆炸性增长 (10) 2、数据处理技术加速演进，运算能力实现大幅提升 (10) 3、深度学习研究成果卓著，带动算法模型持续优化 (11) 4、资本与技术深度耦合，助推行业应用快速兴起 (11) （三）新一代人工智能主要发展特征 (12) 1、大数据成为人工智能持续快速发展的基石 (13) 2、文本、图像、语音等信息实现跨媒体交互 (13) 3、基于网络的群体智能技术开始萌芽 (14) 4、自主智能系统成为新兴发展方向 (14) 5、人机协同正在催生新型混合智能形态 (15) 三、新一代人工智能技术框架 (15) （一）新一代人工智能的技术演进 (16) 1、从原有的CPU 架构，转变为GPU 并行运算架构 (16) 2、从单一算法驱动，转变为数据、运算力、算法复合驱动 (17) 3、从封闭的单机系统，转变为快捷灵活的开源框架 (18) 4、从学术研究探索导向，转变为快速迭代的实践应用导向 (18)
人工智能数据安全 白皮书 中国信息通信研究院 安全研究所 2019年8月
版权声明 本白皮书版权属于中国信息通信研究院安全研究所，并受法律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明“来源：中国信息通信研究院安全研究所”。违反上述声明者，本单位将追究其相关法律责任。
前言 人工智能作为引领新一轮科技革命和产业变革的战略性技术，已成为世界主要国家谋求新一轮国家科技竞争主导权的关键领域。随着政府人工智能战略布局的落地实施，全球人工智能发展正进入技术创新迭代持续加速和融合应用拓展深化的新阶段，深刻改变着国家政治、经济、社会、国防等领域的运行模式，对人类生产生活带来翻天覆地的变化。 数据作为驱动本轮人工智能浪潮全面兴起的三大基础要素之一，数据安全风险已成为影响人工智能安全发展的关键因素。与此同时，人工智能应用也给数据安全带来严峻挑战,如何应对人工智能场景下的数据安全风险日渐成为国际人工智能治理的重要议题。部分国家已率先探索人工智能数据安全风险的前瞻研究和主动预防，并积极推动人工智能在数据安全领域应用，力求实现人工智能与数据安全的良性互动发展。 本白皮书从人工智能数据安全的内涵出发，首次提出人工智能数据安全的体系架构，在系统梳理人工智能数据安全风险和安全应用情况的基础上，总结了国内外人工智能数据安全治理现状，研究提出了我国人工智能数据安全治理建议。
目录 一、人工智能数据安全概述 (1) （一）人工智能安全 (1) （二）人工智能数据安全内涵 (2) （三）人工智能数据安全体系架构 (3) 二、人工智能数据安全风险 (5) （一）人工智能自身面临的数据安全风险 (5) （二）人工智能应用导致的数据安全风险 (7) （三）人工智能应用加剧的数据治理挑战 (11) 三、人工智能数据安全应用 (13) （一）人工智能与数据安全治理 (13) （二）人工智能在数据安全治理中的应用 (15) 四、国内外人工智能数据安全治理动态 (23) （一）国内外人工智能数据安全战略规划情况 (24) （二）国内外人工智能数据安全伦理规范情况 (28) （三）国内外人工智能数据安全法律制定情况 (30) （四）国内外人工智能数据安全技术发展情况 (32) （五）国内外人工智能数据安全标准规范情况 (34) 五、人工智能数据安全治理建议 (36) （一）明晰发展与安全并举的治理思路 (36) （二）引导社会遵循人工智能伦理规范 (37) （三）建立人工智能数据安全法律法规 (37) （四）完善人工智能数据安全监管措施 (38) （五）健全人工智能数据安全标准体系 (39) （六）创新人工智能数据安全技术手段 (39) （七）培养复合人工智能数据安全人才 (40)
《数字政府白皮书——AI时代的数字政府发展指引》（PPT 全文详解） 数据观获悉，近日，在“2017互联网+智慧中国年会”——数字政府与互联网+政务服务论坛上，国脉研究院副院长金婧发表了在数字政府领域的研究成果《数字政府白皮书——AI时代的数字政府发展指引》报告，以下为详情（实录系根据现场速记和录音整理，未经本人审核）。金婧：今天我的主题是《AI时代的数字政府发展指引》。最近大家一直在谈论数字政府，那么数字化概念对大家来说已经不陌生了。从1998年美国前副总统艾伯特·戈尔提出“数字地球”的概念之后，数字国家、数字城市、数字社区等概念都出来了，世界各国将数字治理提升为国家治理，乃至全球治理的战略层面。通过这样一组数据，我们也可以看到近几年在人工智能、共享经济、公益方面出现了很多值得关注的变化。生产关系和社会关系实际上也在经历着数字化洗礼、网络化重塑和分权化再造，这种情况下我们政府治理模式也进入了新的历史阶段。国脉对于数字政府相关研究主要是从基本内涵与表现特征、发展模式与实践案例、评价体系和未来展望这三方面展开的。今天时间有限我就其中观点和要点与大家分享。 一、基本内涵与表现特征
▊信息社会具有一体化、社会联动性高、复杂不确定性的特征，这种背景下需要从三个维度来理解数字政府：○数字政府是一种不断演进的政府形态 在不同的技术条件、需求阶段、社会响应趋势下，其所表现出来的特色、价值和影响等均不一样，本质上，数字政府是在web2.0技术、移动互联网和人工智能不同技术的作用下，不同服务模式的驱动与用户需求的倒逼下，逐渐生成的政府新形态。 ○数字政府是一种数据驱动的组织范式 本质是数据驱动，无论是治理精细化、服务个性化，其背后是对数据价值的挖掘与运营，作为数据驱动的组织，数据作为一种资产、能源和组织灵魂与依归，电子政府、网络政府、智能政府等都是不同的数据价值爆发阶段对数字政府的再 定义。 ○数字政府是一种社会创新的开源平台 数字政府的终极模式是公民社会的成熟与自组织，主动参与政府事务并分担责任贡献力量解决问题，类似于Appstore的应用市场模式将出现，政府以开源平台模式呈现自身能力与资源，为社会创新力量提供二次创新与开发的基础资源。通过数字政府演进路线图可以直观看到以2013年大数据为基点，所有应用、设备、需求都出现爆发式增长和转变，数字化形态也从信息数字化到业务数字化再到组织数字化转变，
2019年人工智能发展白皮书
风起云涌：人工智能关键技术不断取得突破 相得益彰：人工智能赋能产业与应用场景 百川归海：人工智能开放创新平台逐步建立 各领风骚：全球人工智能公司一览 目 录 01 02 03 04
前言 人工智能是一个很宽泛的概念，概括而言是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测，到2030年人工智能的出现将为全球GDP带来额外14%的提升，相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据，世界人工智能市场将在2020年达到6800亿元人民币，复合增长率达26.2%，而中国人工智能市场也将在2020年达到710亿元人民币，复合增长率达44.5%。 我国发展人工智能具有多个方面的优势，比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等，但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术（计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等）、人工智能典型应用产业与场景（安防、金融、零售、交通、教育、医疗、制造、健康等）做出了梳理，而且同时强调人工智能开放平台的重要性，并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后，列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动，我国整个人工智能行业的生态圈也会逐步完善，从而为智慧社会的建设贡献巨大力量。
工业智能白皮书 2019年
目录 前言 (1) 一、工业智能的内涵 (2) （一）工业智能发展背景 (2) （二）工业智能的主要类型 (4) 二、工业智能的典型应用 (10) （一）高计算复杂度、少影响因素问题 (11) （二）低计算复杂度、多影响因素问题 (16) （三）高计算复杂度、多影响因素问题 (17) 三、工业智能的关键技术 (18) （一）深度学习基础技术的工业化适配是未来发展方向 (20) （二）知识图谱通用技术的规范化适配成为主要推进方向 (28) 四、工业智能的产业发展 (30) （一）工业智能形成两横两纵产业视图 (31) （二）工业智能通用技术产业发展趋势各异 (34) （三）工业化与智能化双向渗透成为两类核心路径 (36)
前言 人工智能自诞生以来，经历了从早期的专家系统、机器学 习，到当前持续火热的深度学习等多次技术变革与规模化应用的浪潮。随着硬件计算能力、软件算法、解决方案的快速进步与不断成熟，工业生产逐渐成为了人工智能的重点探索方向，工业智能应运而生。 当前，新一轮科技革命和产业变革蓬勃兴起，工业经济数字化、网络化、智能化发展成为第四次工业革命的核心内容。作为助力本轮科技革命和产业变革的战略性技术，以深度学习、知识图谱等为代表的新一轮人工智能技术呈现出爆发趋势，工业智能迎来了发展的新阶段。通过海量数据的全面实时感知、端到端深度集成和智能化建模分析，工业智能将企业的分析决策水平提升到了全新高度。然而，工业智能仍处于发展探索时期，各方对工业智能的概念、类型、应用场景、技术特点及产业发展等尚未形成共识。 在此形势下，工业互联网产业联盟（以下简称“联盟/AII”）联合多家企业共同编写和发布《工业智能白皮书》（2019讨论稿），本白皮书深入解读了工业智能的背景内涵，分析了工业智能主要类型，并从应用、技术和产业等方面研究和分析工业智能的发展脉络和最新状况，并在一定程度上对未来发展变革方向有所预见。希望能与业内同仁等共享成果，共 谋工业智能新发展。 — 1 —
2020腾讯人工智能白皮书 在2020世界人工智能大会腾讯论坛上，腾讯公司副总裁、腾讯研究院院长司晓正式发布了《腾讯人工智能白皮书：泛在智能》（以下简称白皮书）。 作为腾讯第一份全面介绍AI、阐述腾讯人工智能布局和思考的白皮书，该书从宏观环境、技术研究、落地应用、创新经济、制度保障五维度，勾勒出了泛在智能的全景全貌。 司晓在演讲中指出：“未来，智能技术会是一个渗入到生活、无所不在的状态，可以说它很重要，因为万物都会依赖于它；也可以说它不起眼，因为智能技术化为无形，融于万物其中了。腾讯正在向着这样的目标努力。” “泛在智能”，是此次白皮书中腾讯对人工智能当前及未来一段时间发展状态的描述。用更通俗的话来说，即人工智能技术将广泛渗入新型基础设施建设，且获得越来越多元的应用场景和更大规模的受众。 在“泛在智能”背后，是人工智能正在走进产业供需融合的新发展期。为此，白皮书还对AI基础技术的发展进程及趋势，疫情背景下AI的落地应用，AI催生创新经济的表现以及相应制度保障进行了专门的分析。 人工智能进入泛在智能阶段 近十余年来，人工智能迎来了高速发展，最早期的学术探索快速转向应用落地，人工智能已经成为企业数字化、产业智能化的全新主动力。 白皮书认为，在疫情之后的近未来，将是全球经济重建的重要时期，也是社会转型的重要时期。这为人工智能的发展打开了新的窗口期，并将提供丰富的实践场，一个“泛在智能”的世界正在加速成为现实。 这一观点的背景，是当前AI和产业互联网的发展阶段和状态。 白皮书指出，国家层面对人工智能的政策支持正在为产业发展按下快进键。自2015年国家产业政策正式提及人工智能以来，政策从初期的聚焦于体系设计、技术研发以及标准制定，发展至将AI纳入“新基建”范畴。至今，相关政策在5年时间内已经历了4个阶段的发展升级，为我国进一步加快推进“泛在智能”提供了极为有利的条件与机遇。 同时，白皮书提到，泛在智能的加速发展，也依赖于市场需求和供给各方面所具备的资源禀赋。如今，人工智能正在进入供需融合创新的发展期。
6月27日，GSMA全球终端峰会在上海召开，《中国移动2019年智能硬件质量报告（第一期）》正式公布。中国移动紧贴5G和AI两大技术热点，聚焦手机、智能硬件两大类产品，通过不同的通信深度测试，对产品进行了客观评估。作为业界首份5G专业评测报告，此次评测的结果提供了相关项目数据的专业参考，也为消费者选购5G产品提供了更多可靠的依据，具有较高的权威性以及指导性。 值得注意的是，5G专题评测包括5G芯片和5G终端两部分，3款主流5G芯片、6款5G手机、3款5G CPE均参与到评测当中，而巴龙5000以及搭载该芯片的华为Mate20X(5G)在评测中更是表现突出，受到了广泛关注。 5G芯片性能整体评测聚焦5G协议栈成熟度与网络兼容性、MIMO吞吐量性能、典型场景功耗3个关键维度。结果显示，巴龙5000芯片的网络兼容性和吞吐量性能表现良好。巴龙5000支持上行SRS4天线轮发，结合TDD系统上下行信道互易的特点，为下行MIMO吞吐量性能带来额外增益，综合来看，在5G芯片性能测试环节中，巴龙5000表现得十分亮眼。 作为华为首款搭载巴龙5000芯片的量产智能手机产品，刚刚获得中国首张5G终端电信设备进网许可证的华为Mate 20X(5G)，也是全球首款同时支持NSA和SA组网的5G双模手机终端产品。 当前，全球各地5G产业正在快速发展，各个国家和地区的电信运营商依据本地5G发展情况，采用了SA和NSA两种主流组网方式建设本地5G网络。而无论是哪一种组网方式下的5G网络，华为Mate20X(5G)都能够很好的适配，此次中国移动的测试结果也再次印证了华为5G技术的领先性。 事实上，支持SA/NSA的5G双模，以及采用双卡设计，支持“一张卡4G、一张卡5G”的双卡双待，都让华为Mate20X (5G)拥有了更卓越的5G体验。除此之外，华为Mate20X(5G)还拥有AI性能强大的麒麟980芯片，在双NPU加持之下可以提供端侧AI算力，能够让用户借助手机的AI技术更从容地应对5G时代丰富的应用场景。 ■吕惠 2019年6月27日，《中国电信人工智能发展白皮书》（以下简称“白皮书”）在MWC19上发布，这是中国电信首次发布电信行业人工智能战略的白皮书。 在白皮书中，中国电信从运营商自身业务发展、网络演进和用户感知的需求出发，全面系统地阐述了中国电信应用、发展人工智能技术的未来愿景与顶层设计，介绍了中国电信人工智能发展的驱动力、发展目标、演进路线、切入领域与关键举措，向用户展示了中国电信应用人工智能技术提供的智慧服务与智慧运营，为生态合作伙伴介绍了与中国电信在人工智能技术领域的合作方式，服务国家“智能+”发展战略。 中国电信副总经理陈忠岳在致辞时表示，人工智能是时代发展的迫切需求，中国电信有能力也有信心在未来发展人工智能技术，将人工智能技术应用于电信网络，中国电信愿携手合作伙伴，共建AI生态圈，共同推动人工智能产业的发展，共筑美好生活，为社会智能化发展和行业数字化转型注入强大的发展源动力! 中国电信科技委主任韦乐平发表题为《AI助力5G发展》演讲，深入剖析了人工智能技术在5G时代的重要价值。他表方位助力5G发展，中国电信发展人工智能将使未来的5G网络能够更高效、更节能和更智能地运行。 中国电信研究总院副院长吴湘东向与会嘉宾详细解读了白皮书的主要内容。他表示，中国电信基于自身在数据、算法、通用算力和渠道方面的优势，将从面向客户与网络运营两大切入领域发展人工智能，六大关键举措包括建设开放的人工智能通用赋能平台，建立“大数据湖”，建设随愿网络基础设施，建设测试验证平台和评估体系，建设复合型人才队伍以及成立中国电信人工智能发展联盟等。 中国电信人工智能发展将以战略转型3.0为方向，深度嵌入AI技术能力，提供AI通用能力平台、应用和解决方案。面向未来，中国电信将建设具备跨网跨越、统一接口、敏捷可靠、极简运维、提升体验和网络云化六大特点的全面融智的随愿网络，提供以用户为中心的随心业务。如在智慧家庭领域，将可提供随需接入、超低时延和超高安全的网络服务。 中国电信期望人工智能可以助力未来网络发展，打造统一的能力平台，服务各行各业，为“数字中国”注智，为“网络强国”筑力，加快“以信息化带动工业化、以工业化促进信息化”的落 中国电信发布人工智能发展白皮书 15
中国人工智能创新应用白皮书 人工智能的商业红利窗口期已经来临？
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。 2
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，评估人工智能技术在自身业务背景下的应用机会，学习、观察、尝试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、K P I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。 3
算?+?态中国??智能迈向产业AI化中国人工智能计算力发展评估报告
3内容?录 核?观点....................................................................?、前?......................................................................1.1??智能的定义及核?技术 1.2国家政策引领中国??智能?速发展 1.3数据、算法、算??益成熟，为??智能发展提供富饶的?壤 ?、中国??智能算?及应?的发展现状..................2.1算?基础架构的发展 2.2算?是推动产业AI化前进的源动? 2.3?态是产业AI化前进的必经之路 三、中国??智能算?发展评估..................................3.1评估体系框架 3.2评估结果分析 四、?动建议...............................................................4.1对?业?户的建议 4.2对??智能解决?案提供商的建议 04 05 08 18 29
4 ? 计算?是承载和推动??智能?向实际应?的基础平台和决定性?量，根据IDC 全球DataSphere的研究，全球新创建的数据量将从2018年的33ZB增?到2025年的175ZB。随着数据持续爆炸性增?及算法的不断演进，未来算?仍有很?的发展空间。?预计2022年，??智能推理市场占?将超过训练市场，GPU依然是数据中?加速的?选，随着边缘、端侧需求的快速增?，??智能芯?市场将迎来多元化发展。?预计2023年，中国??智能基础架构市场将超过80亿美?，未来五年年复合增?率达到33.8%，增速是中国整体基础架构市场的三倍以上。?5G和物联?将推动边缘、端侧??智能基础架构的快速发展，性能、灵活性和能效将成为??未来重点考量因素。?计算?的快速发展极?促进了各?业应?场景的成熟，AI产业化加速向产业AI化迈进。互联?、智慧城市、?融?业产业AI化已经?在了前?。未来五年，制造、零售等?业也有望逐步实现智能化。?互联?依然是??智能算?投资最?的?业，占据中国62.4%的??智能算?投资市场份额；排名前五的?业中，政府和?融?业增?最迅速，2018年同?增?均超过100.0%。???智能与云的融合将进?步加速，未来五年，AIaaS市场规模的年复合增?率为66.0%，将成为推动云计算市场增?的重要细分领域。?软件框架市场TensorFlow和PyTorch凭借性能、灵活性及?态优势依然占据主导地位；百度的深度学习开源平台PaddlePaddle是国内?主开发软件框架的代表。?越来越多的??智能领军企业参与到?业性能评测基准建设中，但总的来说业界?前缺少统?的基准，?多数现有的深度学习性能基准相对单?。随着AI框架不断优化，模型不断迭代以及算法不断更新，各类基准也将持续的完善升级与之适应。?2019年中国??智能城市排?榜，TOP5城市依次为北京、杭州、深圳、上海、?州，排名6-10的城市为合肥、苏州、重庆、南京、西安。跟2018年相?，北京超越杭州位居第?，?州进?第?梯队，苏州、南京、西安?次跻?前?。核?观点
网络人工智能应用白皮书 （Rev. 20190626） 2 0 1 9 年6 月
网络人工智能应用白皮书（Rev. 20190626） 目录 第一章人工智能技术简介与前沿进展 (7) 1.1人工智能发展历史 (7) 1.2人工智能前沿进展 (8) 1.3网络人工智能（Network AI） (8) 第二章标准组织与开源组织进展 (10) 2.1标准组织 (10) 2.1.1 3GPP (10) 2.1.2ETSI (10) 2.1.3ITU-T (11) 2.1.4CCSA (11) 2.1.5O-RAN (11) 2.2开源组织 (12) 2.2.1 Linux 基金会(Linux Foundation)[8] (12) 2.3产业联盟 (14) 2.3.1 中国人工智能产业发展联盟（AIIA） (14) 第三章人工智能在通信网中的主要应用场景 (15) 3.1网络规划 (15) 3.1.1智能化容量评估 (15) 3.1.2自动站址规划及覆盖效果评估 (15) 3.2网络运维 (15) 3.2.1智能故障溯源 (16) 3.2.2智能健康度预测 (17) 3.2.3智能工单管理 (18) 3.2.4智能DevOps (19) 3.3网络优化 (19) 第四章人工智能在运营商业务创新中的应用 (22) 4.1边缘智能 (22) 4.1.1无线感知服务 (22) 4.1.2应用使能服务 (23) 4.2物联网 (24) iii
4.3创新业务 (25) 4.3.1自动驾驶 (25) 4.3.2VR/AR (25) 4.3.3智慧家庭 (26) 第五章面向5G 的人工智能应用 (27) 5.15G 网络编排 (27) 5.25G 网络节能 (27) 5.2.1 基于人工智能的网络节能 (27) 5.35G 基站调优 (28) 第六章网络AI 能力平台 (29) 6.1中国联通AI 人工智能平台系统架构 (29) 6.2基于人工智能网络平台的应用实现流程 (31) 总结 (33) 缩略语 (35) iv