2020年智能制造行业分析报告
2020年4月
目录
1. 智能制造推动新旧动能转换 (5)
1.1. 行业机遇带来良好的发展趋势 (5)
1.2. 智能制造行业下游拉动需求增长 (6)
1.3. 机器人市场快速增长，科技促进行业智能化突破 (7)
2. 智能制造发力行业应用 (9)
2.1. 中国汽车市场为智能制造带来增长空间 (9)
2.2. 汽车行业电子化程度提升，带动智能制造渗透率提升 (10)
2.3. 科技突破将带动汽车电子在核心应用领域整体提升 (12)
2.4. 医疗健康市场发展迅速，未来智能化改造具备一定空间 (13)
2.5. 新能源电池产能扩张，技术升级带动智能化改造需求 (14)
3. 智能制造的核心竞争力在于技术 (16)
3.1. 核心技术研发筑就行业壁垒 (16)
3.2. 行业公司研发投入较大，技术储备充足 (16)
3.3. 行业公司专注汽车领域 (19)
3.4. 海外公司具备技术和先发优势 (20)
3.5. 国内公司纷纷走向国际化 (22)
3.6. 国内公司与头部客户深度绑定 (23)
1. 智能制造推动新旧动能转换
1.1. 行业机遇带来良好的发展趋势
人口红利消退助推经济结构转型升级，智能制造成为新旧动能转换的必由之路。自
改革开放以来，我国制造业凭借人口红利而高速发展，但与人口红利相伴随的是劳
动密集、资源消耗大、自主创新能力低、信息化智能化水平不高等特征。近年来，
我国人口老龄化速度明显加快，人口红利逐步消退，劳动力成本持续上涨。根据国
家统计局数据，中国65 岁以上老年人口已经从1990 年的6300 万迅速增长到2018
年的1.67 亿，占总人口比例的11.94%。我国劳动力单位成本也不断上升，我国制
造业职工平均工资从2008 年的24404 元增长到2018 年的72088 元。在人口红利
消退、劳动力成本快速上升的情形下，通过发展智能制造装备行业，实现机器换人
能有效节约劳动力成本，提升生产效率，是经济结构转型、新旧动能转换的必由之
路。
图1：1990-2018 年中国65 岁及以上人口数及比重图2：2008-2018 年中国制造业职工平均工资65岁及以上人口数（万人）65岁及以上人口比重（%）制造业职工平均工资（元）增幅（%）
18,000 16,000 14,000 12,000 10,000 8,000 12% 80,000
70,000
60,000
50,000
40,000
30,000
20,000
10,000
22%
20%
18%
16%
14%
12%
10%
8% 11%
10%
9%
8%
7%
6,000 6%
4,000 5% 6%
数据来源：国家统计局，市场部数据来源：国家统计局，市场部
近年来国家产业政策的不断出台，有力支持智能制造装备行业发展。为了实现制造
强国的战略目标，智能制造工程作为五大工程之一，成为国家全力打造制造强国的
重要抓手。2015 年5 月，国务院发布的《中国制造2025》在主要目标中明确提出：
“十三五”期间通过数字化制造的普及，智能化制造的试点示范，推动传统制造业
重点领域基本实现数字化制造，有条件、有基础的重点产业全面启动并逐步实现智
能转型；“十四五”期间加大智能制造实施力度，关键技术装备、智能制造标准/工
业互联网/信息安全、核心软件支撑能力显著增强，构建新型制造体系，重点产业逐
步实现智能转型。
表 1: 智能制造装备行业主要产业政策
颁布时间 颁布部门 政策名称 相关内容
提出紧密围绕重点制造领域关键环节，开展新一代信息技术与制造装备融合的集成创新
和工程应用。依托优势企业，紧扣关键工序智能化、关键岗位机器人替代、生产过程智
能优化控制、供应链优化，建设重点领域智能工厂/数字化车间。
2015 年 5 月 国务院 《中国制造 2025》 实施高端装备创新发展工程，明显提升自主设计水平和系统集成能力。实施智能制造工 程，加快发展智能制造关键技术装备，强化智能制造标准、工业电子设备、核心支撑软
件等基础。培育推广新型智能制造模式，推动生产方式向柔性、智能、精细化转变。
强化制造核心基础件和智能制造关键基础技术，在增材制造、激光制造、智能机器人、
智能成套装备、新型电子制造装备等领域掌握一批具有自主知识产权的核心关键技术与
装备产品实现制造业由大变强的跨越。
《国民经济和社会发展第
十三个五年规划纲要》 2016 年 3 月 2017 年 4 月 全国人大 科技部 《“十三五”先进制造技木 领域科技创新专项规划》 《关于深化“互联网+先进 制造业”发展工业互联网 指导意见》 提出加快建设和发展工业互联网，推动互联网、大数据、人工智能和实体经济深度融合，
发展先进制造业，支持传统产业优化升级。
2017 年 11 月 2018 年 3 月 国务院 国务院 《2018 年国务院政府工 作报告》 提出实施“中国制造 2025”，推进工业强基、智能制造、绿色制造等重大工程，先进
制造业加快发展。
《工业互联网发展行动计 划（2018-2020 年 ）》、《 工 业互联网专项工作组
2018 年工作计划》
提升大型企业工业互联网创新和应用水平，实施底层网络化、智能化改造，支持构建跨
工厂内外的工业互联网平台和工业 APP ，打造互联工厂和全透明数字车间，形成智能
化生产、网络化协同、个性化定制和服务化延伸等应用模式。 工业和信息 化部 2018 年 6 月 2018 年 7 月 工业和信息
化部、国家标
准化管理委
员会 《国家智能制造标准体系 针对智能制造标准跨行业、跨领域、跨专业的特点，立足国内需求，兼顾国际体系，建 立涵盖基础共性、关键技术和行业应用等三类标准的国家智能制造标准体系。
建设指南（2018 年版）》 数据来源：中国政府网，市场部
物联网、边缘计算、人工智能等尖端技术将与智能制造深入融合。近年来，物联网、 边缘计算、云计算、大数据、人工智能等新技术已经开始逐渐商业化，与智能制造 行业深入融合。新技术的不断推出，将使智能制造在柔性化、智能化、高度集成化、 缩短产品研制周期、降低资源能源消耗、降低运营成本、提高生产效率等方面的优 势不断放大，为行业发展带来良好的机遇。
中国智能制造解决方案市场潜力巨大，2020 年市场空间有望超过 3 万亿元。中国 是世界第一大制造大国，从需求侧的角度看，企业对于智能制造装备的需求将会逐 年提升，智能制造解决方案市场呈现巨大潜力，智能制造装备供应商迎来了良好的 发展机遇。根据《“十二五”智能制造装备产业发展规划》，到 2020 年，智能制造 装备业将成为具有国际竞争力的先导产业，逐步形成完善的智能装备产业体系，产 业销售收入超过 3 万亿元。
1.2. 智能制造行业下游拉动需求增长
智能制造原材料主要包括各类气动件、传动件、传感器、仪器仪表及机械部件等， 上游行业主要为电子元件、工业机器人和机械加工行业等。其中电子元件与机械加 工行业为高度成熟的行业，市场化程度高，供货充足，行业竞争充分，原材料价格
保持相对稳定。工业机器人行业虽然具有较高的技术壁垒，但是近年来涌现出一批国内工业机器人制造企业，其技术也逐步取得业内认可，有助于降低行业整体生产成本。鉴于智能制造行业的公司采购工业机器人数量及金额相对较小，且行业公司研制的模块可对工业机器人的部分功能替代。因此，智能制造上游行业对行业公司发展影响较小。
智能制造下游行业主要为汽车、电子、新能源及医疗健康等行业。随着汽车工业电动化、智能化、网联化的发展，汽车电子在整车中的成本占比近年来快速上升，汽车电子市场增长速度已远远超过了整车市场，极大地拉动了智能制造装备的市场需求。而电子、新能源电池领域和医疗健康行业市场前景广阔，下游行业的需求旺盛，更新换代周期快，将为智能制造装备行业提供良好的发展机遇。
1.3. 机器人市场快速增长，科技促进行业智能化突破
机器人主要分为工业机器人和服务机器人两大类。按照国际机器人联盟（International Federation of Robotics, IFR）的定义，机器人主要分为工业机器人和服务机器人两大类，服务机器人又分为特种机器人、医疗机器人等多个分类。我国工业机器人市场规模持续增长，成为全球第一大工业机器人应用市场；服务机器人需求潜力巨大，特种机器人应用场景范围显著扩展。特种机器人是指由具有专业知识人士操控的、面向国家、特种任务的服务机器人，可分为农业机器人、军事机器人、救援救灾机器人、消防机器人、水下机器人等。
特种服务机器人的应用范围广，特异化程度较高。作为一种特殊的服务机器人，特种机器人的架构和设计理念与工业机器人有本质区别。工业机器人强调在规划好的环境完成既定任务，同时要求高耐久、高精度、高力矩输出；而服务机器人强调在开放非预设环境下完成轻型、非高精度作业，且尽可能低成本之下的可接受寿命，而且由于服务机器人直接与人接触，故而对于安全性，可靠性要求很高。
图3：机器人主要分为工业机器人和服务机器人
数据来源：IFR，市场部
全球整体市场仍在快速增长，中国增速跑赢全球平均水平。《中国机器人产业发展报告2019》显示，2019 年全球机器人市场规模将达294.1 亿美元，2014-2019 年的平均增长率约为12.3%。而我国2019 年机器人市场规模预计达到86.8 亿美元，
2014 年至2019 年的平均增长率达到20.9%，增速将明显跑赢全球机器人平均增长水平。近年来，全球机器人整机性能持续提升，不断催生新兴市场，引起各国政府高度关注。根据IFR 报告，从机器人市场结构来看，2019 年我国工业机器人的市场规模预计为57.3 亿美元，占比66%，得益于智能制造加速升级带来的需求，我国工业机器人市场规模持续增长，当前已占全球工业机器人市场份额约三分之一，是全球第一大工业机器人应用市场，我国的国产工业机器人正逐步获得市场认可。
服务机器人增速明显，特种机器人蓄势待发。根据IFR 报告，服务机器人方面，2019 年我国服务机器人的市场规模预计为22 亿美元，同比增长33.1%，其中的家用服务机器人和公共服务机器人市场增速相对领先，家用市场正引领行业快速发展，我国服务机器人的智能相关技术可比肩欧美，创新产品大量涌现。特种机器人方面，我国市场保持较快发展，应用场景范围不断扩展，尤其是在应对地震、洪涝灾害和极端天气，以及矿难、火灾、安防等公共安全事件中，对特种机器人有突出的需求。根据IFR 报告，2019 年我国特种机器人市场规模预计将达7.5 亿美元，进入蓄势待发的重要时期。我国的特种机器人部分关键核心技术取得突破，无人机、水下机器人等领域形成了规模化产品。长三角地区在我国机器人产业发展中基础相对最为雄厚，京津冀地区产业创新能力大幅提升，如北京把握以人工智能为代表的新一代信息技术大规模商用开发与产业落地浪潮，重点推动智能机器人产品研发与创意设计。
一方面，传感器相关技术已相对成熟，在视觉、语音识别、语义理解上技术正在不断地提升。未来将有一批视觉模块（物体、动作、文字、人脸识别）、听觉模块（音纹识别、音源定位、语音合成等）、语言理解模块（语义、语法、句法）、环境感应模块（温度、湿度、定位、触摸等）的专业部件供应商龙头有望出现，这几大模块也是特种机器人主要的提升方向和突破方向。模块化的发展和接口技术标准化进程是相辅相成的，未来或出现产业联盟或协会以制定通用技术和接口标准，这将有利于未来的国内服务机器人产业的健康发展。
另一方面，人工智能技术和以互联网、大数据、云计算等为代表的新一代信息技术的融合发展，也推动机器人向智能化方向快速突破。特别是随着机器学习、模式识别、智能交互等技术的应用，机器人不但继续在制造业扩展应用，也正在加速向服务领域拓展，从农业到军事，从科学考察到救援救灾，特种机器人正在向生活中的各个特殊领域渗透。人工智能算法对低层硬件的执行速度、功耗、学习能力要求不断提高，专用芯片应运而生。比较有代表性的国产处理器有支持语音识别、人脸识别、场景识别等多个人工智能场景的处理器——华为麒麟980。麒麟980 与原先10nm 工艺相比，7nm 工艺在性能上提升了20%，能效提升了40%，而整体能效提升达到58%，GPU Mali-G76 的能效提升则达到了惊人的178%。在双核NPU 的加持下，能快速应用于人脸识别、物体识别、物体检测、图像分割、智能翻译等AI 场景，实现每分钟图像识别4500 张。
概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。
人工智能项目 投资建设可行性研究报告规划设计/投资分析/产业运营
摘要 人工智能在投资研究上的应用。通过人工智能技术拓宽投资信息来源，提高获取信息的及时性，减少基础数据处理的工作量，通过自动化的数据 分析，为投资决策提供参考，从而提高投资研究的效率。人工智能在资本 市场相关领域的应用。从使用者的角度来看，智能投研的受众包括各种类 型的投资者（买方）、券商（卖方）、监管机构、银行和财经媒体等。从 投资的标的来看覆盖一级市场公司、股票、债券、外汇等。而人工智能的 应用场景涉及业务的各种环节，与投研直接相关的就包括研究、投资、交 易和风险管理。 人工智能是新一轮产业变革的核心驱动力，将进一步释放历次科技革 命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、 交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。人工智能正在与各行各 业快速融合，助力传统行业转型升级、提质增效，在全球范围内引发全新 的产业浪潮。国家高度重视人工智能产业的发展。2017年国务院发布《新 一代人工智能发展规划》，对人工智能产业进行战略部署;在2018年3月 和2019年3月的政府工作报告中，均强调指出要加快新兴产业发展，推动 人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。
该人工智能项目计划总投资17992.77万元，其中：固定资产投资13304.66万元，占项目总投资的73.94%；流动资金4688.11万元，占项目总投资的26.06%。 本期项目达产年营业收入43788.00万元，总成本费用33492.60万元，税金及附加350.28万元，利润总额10295.40万元，利税总额12065.74万元，税后净利润7721.55万元，达产年纳税总额4344.19万元；达产年投资利润率57.22%，投资利税率67.06%，投资回报率42.91%，全部投资回收期3.83年，提供就业职位644个。
2011-2015年中国商业智能(BI) 市场调研 及发展前景预测报告 随着企业CRM、ERP、SCM等应用系统的引入，企业不停留在事务处理过程而注重有效利用企业的数据为准确和更快的决策提供支持的需求越来越强烈，由此带动的对商业智能的需求将是巨大的。 中国报告网发布的《2011-2015年中国商业智能(BI) 市场调研及发展前景预测报告》共十一章。首先介绍了中国商业智能(BI) 行业市场发展环境、中国商业智能(BI) 整体运行态势等，接着分析了中国商业智能(BI) 行业市场运行的现状，然后介绍了中国商业智能(BI) 市场竞争格局。随后，报告对中国商业智能(BI) 做了重点企业经营状况分析，最后分析了中国商业智能(BI) 行业发展趋势与投资预测。您若想对商业智能(BI) 产业有个系统的了解或者想投资商业智能(BI) 行业，本报告是您不可或缺的重要工具。 本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。 第一章商业智能（BI）原理及商业价值创造路径分析 第一节商业智能发展阶段 第二节商业智能（BI）内涵、结构及原理 一、商业智能（BI）内涵 二、商业智能（BI）特征功能 三、商业智能（BI）层次结构 四、商业智能（BI）实现原理 第三节商业智能（BI）产业链条解构 一、BI产业链解构模型 二、BI产业链构成现状及特点 三、BI产业链关键环节现状剖析
四、BI产业链发展趋势 第四节商业智能（BI）商业价值创造路径 第二章全球商业智能(BI)产业运行动态分析 第一节全球商业智能(BI)产业运行环境分析 第二节全球商业智能(BI)产业市场透析 一、商业智能引领全球企业信息化 二、商业智能软件厂商 三、制造业是商业智能的重要市场 第三节世界各地区企业对商务智能（BI）应用状况分析 一、欧洲 二、亚太 第四节2011-2015年全球商业智能的五大预测分析 第三章中国商业智能（BI）行业发展背景分析 第一节中国商业智能（BI）行业发展历程 第二节中国商业智能（BI）行业现状特征 第三节中国商业智能（BI）行业发展的全球基调 一、信息技术促使商业模式变革 二、全球经济一体化促进商业理念的传播与变革 三、全球经济一体化促进商务贸易往来 四、全球产业分工与各国产业升级 第四节中国商业智能（BI）行业发展PEST分析 一、改革30年造就数量庞大的企业群体 二、集约化经济转型 三、国内IT技术进步与国外技术引进 四、IT创造价值观念慢慢渗透各行各业 第五节主要发达国家商业智能（BI）发展现状及价值创造启示 一、美国 二、日本
完成总结报告 项目名称：数独游戏设计与实现组员：王郑合 2014204081 栾杰 2014204080 文宽 2014204104 二〇二〇年三月二十四日
1 问题描述 1.1 问题说明 数独游戏起源于瑞士，由十八世纪的瑞士数学家欧拉发明，是一种数字拼图游戏，其游戏规则是： ①在9×9的大九宫格内，已给定若干数字，其他宫位留白，玩家需自己按照逻辑推敲出剩下的空格里是什么数字。 ②必须满足的条件：每一行与每一列都有1到9的数字，每个小九宫格里也有1到9的数字，并且一个数字在每行、每列及每个小九宫格里只能出现一次，既不能重复也不能少。 ③每个数独游戏都可根据给定的数字为线索，推算解答出来。 1.2 数独求解描述 由于数独游戏的推广与普及，在当今世界上有着大量的数独爱好者，本项目的目的就是按照数独的游戏规则，通过对数据结构的分析和人工智能算法的研究，利用计算机程序来实现对已知数独游戏的快速求解。 1.3 数独出题描述 数独游戏挑战者的水平各异，对数独题目的难度要求各不相同，所以本项目致力于设计一种算法，使其在尽可能短的时间内生成不同难度等级的数独题，以满足不同水平游戏者的需求。同时，该算法还要考虑到三个方面要求：可变化的难度、解的唯一性和算法复杂度最小化。
2 功能分析 2.1 数独求解 数独虽然号称是数学问题, 但在求解时几乎用不上数学运算方法，事实上它更像是一种思维方式。数独游戏开始后，要想在空格中填入正确的数字，先要根据数独游戏规则对1-9分别进行逻辑判断，然后选择正确的数字填入空格。另外，由于某个格子填入数据时，有可能还要对原来已填入的数据进行修正，所以可以考虑使用递推和回溯搜索来求解数独问题。 2.2 数独出题 出题时，要能保证算法生成的数独题具有可变化的难度和唯一解,该算法内部应该包含有对数独题的求解和评级功能。本项目使用了一种基于“挖洞”思想的数独题生成算法，将该算法的设计工作分为评级、求解和生成三部分工作。利用随机数出现的概率不同来确定不同的难度，通过避免重填一个被“挖去”的格子，或者回溯到一个曾经无法“挖去”的格子，来降低算法的复杂性。 2.3 题目保存 当用户需要退出却仍没有完成数独题目的解答时，可以选择是否保存当前的求解进度。如果需要，本系统会帮助用户将目前未完成的数独题目的解答进度保存起来，以便用户下次使用本系统时，可以继续解答上次未完成的题目。 2.4 题目读取 用户可以在程序开始运行后，选则读取一道之前保存起来的题目进行解答，被读取的题目将会显示到程序界面上。
2020年金融科技行业 分析报告 2020年9月
目录 一、金融科技概况 (9) 1、金融科技基本内涵及生态体系 (9) 2、中国金融科技行业目前已进入平稳发展期 (10) （1）第一阶段市场启动期（2004-2012年）：金融科技公司萌芽，科技开始渗透进金融核心业务 (11) （2）第二阶段高速发展期（2013-2015年上半年）：各机构开始大规模互联网化布局 (12) （3）第三阶段市场调整期（2015年下半年-2018年）：监管政策密集出台，行业发展趋于缓慢 (13) （4）第四阶段稳步增长期（2019年至今）：监管压力减小，行业健康稳步发展 .. 13 3、金融科技投融资情况 (14) （1）金融科技融资规模：2018年达历史高点，全球融资突破千亿美元 (15) （2）金融科技融资阶段：交易份额转向中后期（B轮以后）融资 (16) （3）金融科技融资领域：支付领域仍为热点，保险科技与区块链表现强劲 (17) 二、金融科技四大技术方向解读：ABCD (18) 1、人工智能AI：智能风控、智能支付、智能投研、智能投顾等 (19) 2、区块链BlockChain：解决安全、信任、效率三大痛点 (20) 3、云计算Cloud：在信息获取、资源配置、IT运营三方面发力 (20) 4、大数据Data：应用于银行、保险、证券等细分领域 (21) 三、金融科技六大细分领域剖析 (22) 1、移动支付 (22) （1）行业格局：行业增速放缓，监管收紧；C端呈双寡头格局，B端具发展潜力 23 ①移动支付交易规模扩大，监管政策收紧，行业增速放缓 (23) ②C端呈双寡头格局，B端具发展潜力 (24)
2018年智能制造行业 分析报告 2018年6月
目录 一、工业互联网是制造业升级的核心 (2) 1、工业互联网平台是工业全要素链接的枢纽 (2) 2、政策春风拂面，市场前景可期 (4) 二、平台体系是工业互联网的关键 (6) 1、不同分类下，国内外工业互联网平台一览 (6) 2、三类平台的比较分析及未来发展趋势 (10) 3、他山之石：GEPredix——全球工业互联网平台的典型 (12) 三、工业软件应用构成工业互联网平台的重要资源 (17) 1、工业软件丰富程度决定工业平台整体竞争力 (17) 2、工业互联网平台助力软件企业打开发展空间 (22) 四、投资标的 (23) 五．风险提示 (28) 一、工业互联网是制造业升级的核心 1、工业互联网平台是工业全要素链接的枢纽 工业互联网是制造业数字化、网络化、智能化的重要载体，也是全球新一轮产业竞争的制高点。工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，通过构建链接机器、物料、人、信息系统的基础网络，实现工业数据的全面感知、动态传输、实时分析、形成科学决策与智能控制，提供制造资源配置效率，正成为领军企业竞争的新赛道、
全球布局的新方向、制造大国竞争的新焦点。 工业互联网平台是工业全要素链接的枢纽，是工业资源配置的核心。工业互联网构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在链接、弹性供给和高效配置。工业互联网平台可以分为4个部分：1>边缘层：通过协议转化和边缘计算形成有效的数据采集体系，从而将物理空间的隐形数据在网络空间显性化。2>IaaS层：将基础的计算网络存储资源虚拟化，实现基础设施资源池化；3>工业PaaS层：工业操作系统，向下对接海量工业装备、仪器、产品，向上支撑工业智能化应用的快速开发和部署；4>工业APP：通过调用和封装工业PaaS平台上的开放工具，形成面向行业和场景的应用。对于工业互联网平台来说，数据采集、工业PaaS、工业APP是核心三大要素。 1>数据采集是基础。工业大数据有三类：生产经营相关业务数据、设备物联数据、外部互联网数据。其中，设备物联数据采集受制于传感器部署不足，装备智能化水平低，数据采集颗粒度不足，无法支持上层应用。随着兼容多种协议的技术产品构建，此类问题将得到改善。同时通过部署边缘计算模块，实现数据在生产现场的轻量级运算和实时分析。可以缓解数据的云端计算压力。 2>工业PaaS是关键。现有的通用PaaS平台尚不能满足工业级应用需要。未来通过对通用PaaS的深度改造，构
商业智能（BI）项目 第一章、商业智能(BI)项目总体介绍 第一节、项目名称 商业智能（BI）项目 第二节、商业智能（BI）概念 商业智能又名商务智能，英文为Business Intelligence，简写为BI。 商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。 可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。 因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
2019人工智能产业投资分析报告 前言： 人工智能(AI)将接棒移动互联网，成为下一轮科技创新红利的主要驱动力。透过丰富的数据采集(互联网和IoT)、更快的数据传输(5G)、更强大的数据运算处理(AI)，科技企业和传统企业将在更广泛的领域深度融合。 AI将广泛助力传统行业转型，渗透互联网竞争下半场，催生无人驾驶、城市大脑、工业互联网、农业大脑、智慧医疗、Fintech、机器人等广义AI 应用，酝酿万亿级市场和投资机会。
▌AI主导下一轮科技创新红利AI孕育万亿级别市场 人工智能(AI)指利用技术学习人、模拟人，乃至超越人类智能的综合学科。人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。 此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。自1956年“人工智能”概念首次被提出，AI技术“三起两落”。 本轮人工智能腾飞受益于持续提升的AI算力对神经网络算法的优化。 AI产业链分为:基础层、技术层、应用层。 基础层主要包括:AI芯片、IoT传感器等，技术层主要包括:图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括:无人驾驶、智慧安防、智慧城市(城市大脑)、金融科技(Fintech)、智慧医疗、智慧物流等领域。 AI市场规模快速成长。 中国是全球第二大AI力量，人工智能企业超过1000家。
2018年中国AI市场规模约330亿元人民币，全球AI市场规模约2700亿美元。我们预计，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。 Statista预计2019、2020年，全球人工智能市场规模将分别增长59%、61%，成长至6800亿美元量级。 我们判断，中国人工智能市场有望在2030年达到万亿量级，传统行业和技术的结合是主要的应用领域，2G(对政府）和2B（对企业）将成为主要的营收来源。
智能家居行业分析研究报告 一、智能家电领域发展分析 目前，智能家电市场处于发展初期，面临标准、成本、产业生态系统建设、商业模式等诸多问题，还需要经历一个较长的市场培育期，规模商用尚需时日。不过，由于人们提高用能效率的意识不断高涨，加上多项政府计划的激励，在接下来的几年里，智能家电的部署进程将有望加速。预计智能家电所带来的商业影响将是全球范围的。 作为电力网的终端用电设备，家用电器的能耗不容小觑，即使是待机功耗也是一项不小的开销。据中国节能认证中心调查，中国城市家庭的平均待机功耗相当于每个家庭每天都亮着一盏25瓦到50瓦的长明灯。据测算，家电待机能耗已占到中国家庭电力消耗的20%以上。美国能源部的报告也显示，超过三分之一的美国发电量被用于家用电器。 智能控制技术、信息技术的快速发展为家电智能化提供了可能，智能家电由于能够实现更高效能而被认为是促进节能降耗的有效途径。这一方面缘于人们生活水平的提高，倾向使用性能更好的家电产品；另一方面，在全球变暖和能源成本不断上升的压力下，市场更加青睐高能效的智能家电。 人们对节能降耗、人机界面和通信功能等方面的需求将是拉动智能家电市场增长的主要力量。现在世界很多国家，包括中国在内都在鼓励家电厂商研制这类智能家电。
二、智能家居领域发展分析 当年比尔盖茨为了实现他的智能豪宅，铺设了84公里电缆、耗资5.3 亿美元。如今智能家居不再是镜花水月，而是未来家庭生活的发展模式，一个无线遥控器就把大小设备浓缩于手指挥若定，通过网络等信息通讯技术手段，使家居控制能按照人们设想运作，而不论距离远近，智能家居的远程控制和自动控制是真正智能化的必然结果。如朝华数码有关人士提出的：领先的无线移动、不依靠PC的独立形态是今后业界发展的趋势。 智能家居控制系统可以简单概括为一个各种家庭设备互连和控制的网络。现代家居系统的服务应用平台从服务特征上来看，一般包括了娱乐、医疗、安防、通信、事务管理等，控制功能几乎渗透到每一个家居子系统。智能家居控制是通讯技术、计算机技术、网络技术、控制技术的综合运用。 国家建设部住宅产业化促进中心提出住宅小区要实现六项智能化要求，其中包括实行安全防范自动化监控管理：对住宅的火灾、有害气体的泄漏实行自动报警；防盗报警系统应安装红外或微波等各种类型报警探测器；系统应能与计算机安全综合管理系统联网;计算机系统能对防盗报警系统进行集中管理和控制。由此可见，家居控制已成为智能家居领域新的业务增长点。
2013年商业智能BI与大数据行业分析报告 2013年8月
目录 一、行业：BI是为客户真正创造价值的大数据核心应用 (4) 1、大数据时代来临，迎接她，拥抱她 (4) （1）数据爆发性增长，潜在价值巨大 (4) （2）IT巨头重金投入大数据，抢位关键环节 (6) 2、BI是贴近客户并且为客户创造价值的大数据核心应用 (7) （1）BI处于大数据分析应用层的核心位置 (7) （2）BI体系架构：辅助决策，帮助客户拓展业务 (7) （3）BI贴近客户并为客户创造价值，最具含金量 (8) 3、BI应用快速推广，未来消费智能百倍增长空间 (9) （1）BI成为全球CIO首选技术，我国BI市场提速发展 (9) （2）从商业智能到消费智能，前景广阔 (10) ①BI发展趋势一：从O/B域向M域延伸 (10) ②BI发展趋势二：企业全员BI (11) ③BI发展趋势三：消费智能 (11) 二、标杆分析：东方国信 (12) 1、BI龙头，有能力发展成全产业链解决方案提供商 (12) （1）国内BI格局 (12) （2）公司深耕BI领域，具备成为全产业链解决方案提供商的能力 (14) 2、战术措施：纵向产业链延伸，横向行业拓展 (17) （1）纵向延伸，向上管理咨询，向下业务运营 (17) （2）横向拓展，重点突破金融、制造、能源等领域 (20) 3、业务：电信领域稳健成长，非电信领域倍增空间 (21) （1）电信领域：从O/B域向M域扩展，从联通向移动电信渗透 (21) ①从O/B域向M域扩展将提升BI业务的体量和效果 (21) ②基于联通的成功，大力拓展移动电信业务 (22) （2）非电信领域：并购进入金融和制造业BI领域，能源空间广阔 (23) ①金融行业是BI的下一个主战场 (23)
研究生课程考试成绩单 任课教师签名： 日期：
浅谈基于人工神经网络的日负荷预测 学号：138071 姓名：万玉建 摘要 本文是作者在学习《人工智能》课程以后，结合作者本人工作的需要，根据《人工智能》课程中人工神经网络知识和在网上搜索到的相关资料，提出关于电力系统日负荷预测，运用基于人工神经网络的算法的组网结构和实现步骤的一些简单的构思和设想。 1引言 本人一直从事电力系统监控软件研发和管理工作，电力系统监控软件监控的对象就是电力负荷情况，而电力负荷预测则是系统的高级应用，它是根据历史的负荷数据，预测未来的负荷情况。由于电力负荷资源不可储存性，即发电机发出多少电，实时就要用多少负荷量，因此，就要求事先需要知道未来的用电负荷。正确地预测电力负荷，既是为了保证人们生活充足的电力的需要，也是电力工业自身健康发展的需要。 日负荷预测是指对未来1日的负荷进行预测，一般每15分钟一个负荷点，1日共96个数据。实际工作中，当天上午负荷预测人员根据昨天和更前的历史负荷数据预测明天的负荷数据，然后按一定格式生成文件上传到相关负荷管理部门。之前公司负荷预测软件中提供了线性回归法、曲线拟合法、平均值外推法、最小二乘法等负荷预测算法，但是这些算法都只是根据历史负荷数据进行一些数学的运算，没有考虑天气、节假日等情况，这些因素是负荷变化的重要的因素，而这些算法无法将这些因素量化并参加计算。 本学期学习了《人工智能》课程，其中有关于人工神经网络知识，这让本人想起来早在几年前在设计负荷预测软件时，曾经看到有人使用基于人工神经网络，把天气、节假日等因素加进来的进行预测的算法，当时也想增设这样的算法，但因为对算法不是很理解和其他种种原因一直没有实现。而今，恰好在课本学了人工神经网络，就考虑设计一种基于人工神经网络的负荷预测算法。本文描述这种算法的构思和设想。 2影响负荷预测因素的分析 由于电力系统负荷是一个很复杂的非线性系统，有许多直接或间接的因素都会对电力系统的日负荷产生直接的影响。但是在实际的负荷预测中，又不能考虑太多的影响因素。这一方面是收集这些资料困难，另一方面因素太多会造成建模困难，并且会带来大量的计算。因此，在考虑神经网络输入量的问题上，应抓住其中几个最具特征的影响因素。根据对历史负荷的分析，一般可把负荷分为两类：周期性负荷和变动性负荷。周期性负荷，或者说标准负荷，反映的是负荷自身变化的基本规律，呈较强的周期性，尤其受到时间周期的影响。针对短期负荷，时间周期因素包括：周周期、日周期等。它们对于日负荷的曲线模式有着极为重要的影响。 在气象条件中，起主要作用的是温度因素和天气状况。因此为了在负荷预测中考虑这两方面的影响，本文对每天的气温的输入变量可以进行分段处理，将天气状况中最重要的气温因素进行量化处理并作为神经网络的一个输入量。这样就更加能够体现出实际负荷的变化情况。
人工智能企业现状分析报告 目录 第一节人工智能企业现状分析 (2) 一、人工智能企业现状发展阶段 (2) 二、人工智能企业现状发展概况 (2) 三、人工智能企业现状商业模式分析 (3) 第二节人工智能企业发展现状 (4) 一、人工智能企业现状分析 (4) 二、人工智能企业发展分析 (4) 第三节人工智能企业分析报告 (4) 第一节人工智能企业现状分析 一、人工智能企业现状发展阶段 近些年来，我国人工智能领域有取得了飞速发展。英飞拓人工智能企业是一家创新型、信息化、集成化的整体安防制造商，致力于为全球英飞拓人工智能安防提供最高端、最安全、最值得信赖的解决方案。科大讯飞语音识别技术已经处于国际领先地位，其语音识别和理解的准确率均达到了世界第一，自2006年首次参加国际权威的Blizzard Challenge大赛以来，一直保持冠军地位。百度推出了度秘和自动驾驶汽车。腾讯推出了机器人记者Dreamwriter和图像识别产品腾讯优图。阿里巴巴推出了人工智能平台DTPAI和机器人客服平台。清华大学研发成功的人脸识别系统以及智能问答技术都已经获得了应用。中科院自动化所研发成功了“寒武纪”芯片并建成了类脑智能研究平台。华为也推出了MoKA人工智能系统。
人工智能作为一种通用目的技术（GPT），是当前科技创新和推动产业升级转型的焦点。人工智能的发展及其在各个领域的应用，将会显著改变几乎所有行业原来发展的路径，不断催生新的业态和新的商业模式，形成新的发展空间，同时也为我国促进科技创新、提升国家竞争优势甚至赶超发达国家带来了新的机遇。 二、人工智能企业现状发展概况 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，也被认为是21世纪三大尖端技术之一。 近年来，我国人工智能产业获得快速发展。我国市场的工业机器人销量猛增我国智能语音交互、指纹识别、人脸识别、虹膜识别等产业规模迅速扩大。同时，我国已经拥有国家重点实验室等设施齐全的研发机构和优秀的人工智能研发队伍，研发产出数量和质量也有了很大提升。很多企业也积极布局，如百度的百度大脑计划、科大讯飞超脑计划、京东智能聊天机器人等。 目前我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等智能科技成果已进入广泛的实际应用。也正基于此，我国出台了大量支持人工智能发展的政策。2015年7月1日，国务院印发《关于积极推进"互联网+"行动的指导意见》，将"互联网+人工智能"列为11项重点行动之一；而时至11月，《机器人产业"十三五"发展规划》草案已基本制定完成。另外“中国制造2025”重点领域技术路线图构建了中国机器人产业发展蓝图的同时扩大了人工智能的关注度。
面向大数据的人工智能技术综述报告 【摘要】 本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。 【关键词】面向大数据；人工智能；发展趋势 引言 2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？ 对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。 １.研究背景 1.1 大数据和人工智能的概念 什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通
2016年中国智能制造行业发展现状及特点 一、智能制造行业发展阶段 中国智能制造处于初级发展阶段，同样也是大部分处于研发阶段，仅16%的企业进入智能制造应用阶段；从智能制造的经济效益来看，52%的企业其智能制造收入贡献率低于10%，60%的企业其智能制造利润贡献低于10%。而90%的中小企业智能制造实现程度较低的原因在于，智能化升级成本抑制了企业需求，其中缺乏融资渠道影响最大。年收入小于5亿元人民币的企业中，50%的企业在智能化升级过程中采用自有资金，25%为政府补贴，银行贷款和资本市场融资各占11%。而企业收入规模大于50亿元人民币的企业，其智能化升级资金来源中自有资金占67%，银行贷款占比25%。整体而言，中小微型企业的银行贷款比例低于大中型企业，占企业数量绝大多数的中小企业只能依靠自有资金进行智能化改造。 不过，智能制造水平较低，意味着夯实发展基础的必要性，同样也意味着后续发展潜力的巨大。近年来，全国多个地方都在谋划智能制造发展，包括上海、浙江、江苏、天津、安徽、重庆、河南、辽宁、四川、青岛、北京、广东、黑龙江等省市都在摩拳擦掌，或成立机器人、工业4.0或工业互联网等与智能制造相关的联盟，或出台具体产业规划。 二、智能制造行业运行特征 （一）制造强国战略出台并实施，各级地方政府积极推进地区规划政策落实 我国制造业步入新常态下的攻坚阶段，制造强国战略开始推进实施。经过多年迅猛发展，我国已稳居世界制造业第一大国，对全球制造业的影响力不断提升。但随着全球经济结构深度调整，我国制造业面临“前后夹击”的双重挑战。从国内来看，经济发展正处于增速换档和结构调整阵痛的关键节点，制造业潜在增长率趋于下降。总体来看，我国经济发展已进入以中高速、优结构、多挑战、新动力为特征的新常态阶段。2015年5月8日，国务院出台制造强国中长期发展战略规划《中国制造2025》，全面部署推进制造强国战略实施，坚持创新驱动、智能转型、强化基础、绿色发展，加快从制造大国转向制造强国。 以《中国制造2025》为总纲，各地方陆续出台智能制造领域的扶持政策。在《中国制造2025》这一国家战略的指导下，各级地方政府因地制宜，陆续出台相关行动计划，全面对接《中国制造2025》。江苏、广东、福建、四川、安徽等省份借助《中国制造2025》战略支点，分别出台了《江苏行动纲要》、《广东省智能制造发展规划（2015-2025）》、《福建省实施行动计划》、《四川行动计划》、《中国制造2025安徽篇》等政策，以抢占未来产业竞争制高点，加快制造强省的建设步伐。佛山、南京等在国家制造强国战略以及省级行动计划的指导下，进一步分析产业特色，陆续制定与《中国制造2025》相衔接的制造业发展计划，找准转型升级基础，引领制造业向中高端迈进。 （二）随着互联网技术及理念加快渗透，制造企业着手推动商业模式、组织方式等多方
重庆人工智能项目投资分析报告 投资分析/实施方案
摘要 人工智能在投资研究上的应用。通过人工智能技术拓宽投资信息来源，提高获取信息的及时性，减少基础数据处理的工作量，通过自动化的数据 分析，为投资决策提供参考，从而提高投资研究的效率。人工智能在资本 市场相关领域的应用。从使用者的角度来看，智能投研的受众包括各种类 型的投资者（买方）、券商（卖方）、监管机构、银行和财经媒体等。从 投资的标的来看覆盖一级市场公司、股票、债券、外汇等。而人工智能的 应用场景涉及业务的各种环节，与投研直接相关的就包括研究、投资、交 易和风险管理。 该人工智能设备项目计划总投资20665.28万元，其中：固定资产投资14660.51万元，占项目总投资的70.94%；流动资金6004.77万元，占项目 总投资的29.06%。 达产年营业收入40197.00万元，总成本费用31296.20万元，税金及 附加370.80万元，利润总额8900.80万元，利税总额10499.30万元，税 后净利润6675.60万元，达产年纳税总额3823.70万元；达产年投资利润 率43.07%，投资利税率50.81%，投资回报率32.30%，全部投资回收期 4.60年，提供就业职位739个。 报告根据项目产品市场分析并结合项目承办单位资金、技术和经济实 力确定项目的生产纲领和建设规模；分析选择项目的技术工艺并配置生产 设备，同时，分析原辅材料消耗及供应情况是否合理。
随着人工智能的迅速发展，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。基于人工智能产业的战略作用，中国政府正通过 多种形式支持人工智能的发展，形成了科学技术部、国家发改委、中央网 信办、工信部、中国工程院等多个部门参与的人工智能联合推进机制。 2017年，人工智能首次写入政府工作报告，同年7月，国务院印发《新一 代人工智能发展规划》，明确人工智能的发展在国家战略中的地位。 报告主要内容：项目概述、背景及必要性、市场前景分析、投资建设 方案、项目选址规划、项目工程设计、工艺技术分析、项目环境影响分析、项目安全管理、项目风险、项目节能方案分析、实施进度计划、项目投资 情况、项目经济评价分析、综合结论等。
2019中国数据智能行业分析报告
?目录 ?. 大数据新篇章——数据智能07?. 数据中台的出现与未来18 三. 业务中台带来模式创新27 四. 场景争夺成为主旋律律35 五. 跨场景要寻找数据洼地38 六. 三大应?用场景相对成熟42
?数据新篇章——数据智能7|爱分析·中国数据智能?行行业报告
1. 大数据新篇章——数据智能 1.1 大数据发展历程 整个大数据?行行业发展分为五个时期，即收集、监测、洞洞察、决策和重塑。五个时期对应着两大 阶段，业务数据化和业务智能化，其中收集、监测和洞洞察是业务数据化阶段，决策和重塑是业 务智能化阶段。 2019年，大数据正式进?入业务智能化阶段，开启数据智能新篇章。 图1：大数据发展历程 数据来源：爱分析 2013年，企业开始认知到数据价值，金融、电信、公安等?行行业开始建设大数据平台并购买大量外部 数据，希望通过外部数据快速挖掘数据价值，因此对外输出数据的数据服务公司获得了了发展 机遇。 2015年，数据大屏等监测业务成为大数据最先成熟的应?用，大数据进?入到业务监测阶段。政府、央企以及大型国企等优质客群对于数据监测展现应?用需求旺盛，BI与可视化公司发展迅速。
2017年，随着大数据平台建设完善以及企业精细化运营的需求不不断提升，单纯的数据展现很难 满?足企业需求，大数据开始与业务场景结合，?行行业进?入到业务洞洞察阶段。 此时，单纯的数理理统计很难满?足企业需求，因此出现了了大量数据挖掘、数据建模的需求，AI建模 平台、数据科学平台开始进?入?人们的视野。明略略数据、百分点、同盾科技、百融金服等公司在 这?一时期成?长为?行行业内的明星公司。 2019年，大数据从业务洞洞察进?入到业务决策阶段，即由机器?形成数据报表或者数据报告，业务 ?人员进?行行决策，变为机器?直接给出决策建议，让机器?具备推理理能?力力。例例如，在外卖、出?行行场景，美团和滴滴的系统直接形成最佳调度?方式，?自动完成决策环节，将任务下发给骑?手和司机。这种消费互联?网相对常?见的场景，将在产业互联?网、企业业务场景中落地。 让机器?具备推理理能?力力，意味着NL P、知识图谱等认知技术的成熟。数据驱动决策、数据驱动业 务发展的企业新需求，必然会带动?一批数据智能公司的兴起。 未来，随着技术更更加成熟，大数据会从业务决策进?入业务重塑阶段。大多数执?行行环节将由机器?来 实现，但仍有众多环节需要?人参与其中，因此，?人机协同会迎来迅猛发展，未来会诞?生?一批 全新的数据智能公司。 1.2 数据智能对企业业务流的改造 当大数据进?入到决策阶段，企业业务由原先的经验、流程驱动逐步转向数据驱动，数据中台和 业务中台在整个业务链条价值度越来越?高。 图 2：传统业务模式：流程驱动 数据来源：爱分析
中国智能制造行业市场分析报告
目录 第一节智能制造：中国制造由大转强的核心战略 (6) 一、宏观角度：智能制造是各国战略必争的制高点 (6) 二、微观角度：智能制造是企业增强竞争力的必由之路 (10) 第二节寻找制造业智能化升级中的薄弱环节 (13) 一、中国制造业的自动化水平发展不均衡 (13) 1.1流程工业的自动化水平相对较高 (13) 1.2离散工业自动化水平较低 (16) 二、离散工业：从普及自动化到发展智能化前景广阔 (17) 2.1智能制造通用装备 (20) 2.2自动化部件 (25) 2.3智能化生产线 (27) 三、过程控制：进口替代是核心 (28) 四、制造执行（MES）：实现自动化的难点和痛点 (30) 五、生产管理：自动化水平最高的环节 (32) 第三节寻找智能化改造需求旺盛的细分行业 (35) 一、寻找自动化程度较低的细分行业 (35) 二、3C 制造行业（电子） (37) 三、汽车和汽车零部件行业 (43) 四、包装行业 (47) 五、物流行业 (50)
图表目录 图表1：第四次工业革命 (6) 图表2：全球制造业竞争新时代 (7) 图表3：中国制造全球第一 (8) 图表4：细分产品全球领先 (8) 图表5：中国出口占比较高 (9) 图表6：中国更多的是中低端机械设备领域出口占全球第一 (9) 图表7：中国已经进入国际产能供应饱和区间 (10) 图表8：提升生产效率是重要方向 (10) 图表9：中国制造的成本优势减少，美国仅高于中国5%，中国工作时长较长 .. 11图表10：个性化需求时代的到来 (12) 图表11：流程制造行业的两化融合水平普遍高于离散制造业 (14) 图表12：冶金工业自动化市场 (15) 图表13：电力行业自动化市场 (15) 图表14：石化行业自动化市场 (15) 图表15：化工行业自动化市场 (16) 图表16：离散制造业的生产设备数字化率和联网率、以及关键工序数控化率较低 (17) 图表17：数字化工厂构成 (17) 图表18：离散和流程工业的数字化车间数字化水平 (18) 图表19：离散制造业的固定资产投资及设备工器具购臵及固定资产投资行业占比 (18) 图表20：2014 年中国制造业工业机器人密度仍然低 (19) 图表21：中国机器人密度不断提升，但仍低于全球水平 (20) 图表22：我国数控机床市场规模616 亿 (21) 图表23：我国数控机床进口额约30 亿美元 (21) 图表24：国内高端多关节机器人主要由外资把持 (22) 图表25：我国3D 打印市场规模约78.8 亿元 (23)
2019年人工智能行业分 析调研报告 2019年11月
目录 1.人工智能行业概况及市场分析 (5) 1.1人工智能市场规模分析 (5) 1.2人工智能行业结构分析 (5) 1.3人工智能行业PEST分析 (6) 1.4人工智能行业特征分析 (7) 1.5人工智能行业国内外对比分析 (8) 2.人工智能行业存在的问题分析 (10) 2.1政策体系不健全 (10) 2.2基础工作薄弱 (10) 2.3地方认识不足，激励作用有限 (10) 2.4产业结构调整进展缓慢 (10) 2.5技术相对落后 (11) 2.6隐私安全问题 (11) 2.7与用户的互动需不断增强 (12) 2.8管理效率低 (13) 2.9盈利点单一 (13) 2.10过于依赖政府，缺乏主观能动性 (14) 2.11法律风险 (14) 2.12供给不足，产业化程度较低 (14) 2.13人才问题 (15) 2.14产品质量问题 (15)
3.人工智能行业政策环境 (16) 3.1行业政策体系趋于完善 (16) 3.2一级市场火热，国内专利不断攀升 (16) 3.3“十三五”期间人工智能建设取得显著业绩 (17) 4.人工智能产业发展前景 (18) 4.1中国人工智能行业市场驱动因素分析 (18) 4.2中国人工智能行业市场规模前景预测 (18) 4.3人工智能进入大面积推广应用阶段 (18) 4.4政策将会持续利好行业发展 (19) 4.5细分化产品将会最具优势 (19) 4.6人工智能产业与互联网等产业融合发展机遇 (20) 4.7人工智能人才培养市场大、国际合作前景广阔 (21) 4.8巨头合纵连横，行业集中趋势将更加显著 (22) 4.9建设上升空间较大，需不断注入活力 (22) 4.10行业发展需突破创新瓶颈 (22) 5.人工智能行业发展趋势 (24) 5.1宏观机制升级 (24) 5.2服务模式多元化 (24) 5.3新的价格战将不可避免 (24) 5.4社会化特征增强 (24) 5.5信息化实施力度加大 (25) 5.6生态化建设进一步开放 (25)
2017年智能投研行业Kensho分析报告 2017年6月
目录 一、人工智能+投资悄然来临，知识图谱促智能投研腾飞 (5) 1、人工智能+投资悄然来临 (5) 2、智能投顾蓬勃发展，智能投研初露雏形 (7) （1）智能投顾：未来五年国内规模有望每年翻倍，人机结合是趋势 (7) （2）智能投研：国内基金纷纷试水，人工智能大幅提高传统投研效率 (11) （3）智能投研与投顾两者有望优势互补 (15) 3、知识图谱促智能投研腾飞 (15) 二、KENSHO：智能投研领域的“AlphaGo” (19) 1、联合创始人：因禅结缘，创立Kensho (20) 2、融资情况：累计融资超1亿美元，估值达5亿美元 (21) 3、产品：Warren 试图解决投资分析的“速度、规模、自动化”三大挑战” (23) 4、客户：金融机构和商业媒体双管齐下 (24) 三、核心产品Warren：低门槛获高专业服务 (25) 1、功能：寻找事件与资产的相互关系 (26) 2、特点：快速计算能力、良好人机交互、强大深度学习能力 (27) 3、影响：削弱不对称性，现代金融投机行为性质有望再次改变 (28) 4、缺陷：无法自我形成新因果关系，无法区分因果性/相关性 (29) 5、未来：自动触发事件对资产价格的影响是Warren终极目标 (30) 四、Kensho动了谁的奶酪 (31) 1、彭博、汤森路透领衔国外金融数据提供商，国内万得一家独大 (31) 2、短期Kensho颠覆传统厂商的可能性不大 (32) 3、畅想金融数据服务市场 (34) （1）2B向2C/2B2C拓展 (34) （2）封闭走向共享 (34) （3）竞争走向合作 (35) 五、重点企业简况 (35)