2016年智能数据管理TDM行业分析报告
2016年4月
目录
一、中国软件行业监管体制和相关政策 (4)
1、行业监管体制 (4)
2、行业主要法律法规及产业政策 (5)
二、行业上下游的关系 (7)
三、影响行业发展的因素 (8)
1、有利因素 (8)
（1）国家产业政策扶持助推行业发展 (8)
（2）巨大市场需求 (9)
（3）技术推动 (10)
（4）行业壁垒高 (11)
2、不利因素 (12)
（1）人才缺乏 (12)
（2）技术替代快、技术升级成本较高 (12)
（3）缺少自主的行业标准 (13)
四、行业竞争状况 (13)
1、北京神州普惠科技有限公司 (13)
2、北京瑞风协同科技股份有限公司 (14)
3、北京海基科技发展有限责任公司 (14)
4、上海奥蓝托软件技术有限公司 (14)
TDM指试验数据管理、智能数据管理。TDM平台的适用范围为生产制造行业的数据采集及统计分析，是智能制造中的重要组成部分，目前主要应用于高端装备制造业产品研发阶段。
装备产品的研发工作具有较高的复杂性。其中高端装备研发在装备产品的研发领域最具代表性。典型的高端装备产品如飞机、火箭、卫星、大型船舶等都具有很高的功能和性能指标要求（如速度、高度、载重、生产率、安全性、稳定性、经济性等指标）；它们都是由数以万记的部件或基础单元组成，结构非常复杂；它们一般都是机械、电子、信息技术的组合体，涉及专业面很广。这些因素使得高端装备产品的研发工作具有较长的研发周期、众多的专业领域、大量的研发部门及人力交叉、复杂的研发流程、海量的研发信息等特点。研发中产生的各种设计仿真、试验验证、综合保障信息数据动辄是GB（千兆字节）的规模并且不断增长。
装备产品研发的复杂性决定了其研发过程需要完备的装备研发
信息化体系。信息化技术手段由于具有计算处理高速度和高精度、海量的信息存储和访问能力、大量用户交互应用的显示和操作方式等优势，成为了解决制造业复杂技术问题的主要手段之一。对装备产品研发领域来说，装备研发信息化手段已经必不可少。
根据国家统计局发布的《2013年工业企业科技活动统计资料》显示，我国制造业2013年投入8318亿元用于新产品的研究开发，其中我国装备制造业2013年投资额达到4123亿元。装备制造企业产品升级改造的需要及研究开发费用的巨额投入将带动研发信息化的快
速发展。2010年全球产品研发信息化市场规模为1502亿元，预计年投资增长幅度为12％。中国产品研发信息化市场占全球市场的5.21％，达到80亿元，年均复合增长率为18.5％，其中，中国装备制造业产品研发信息化市场规模为52亿元，年均复合增长率为20.5％，预计2015年中国产品研发信息化市场将达到186亿规模，其中装备制造业产品研发信息化市场规模所占比例将提高到71%，达到132亿元。
一、中国软件行业监管体制和相关政策
1、行业监管体制
行业主管部门是工信部。工信部主要负责拟定产业发展战略、方针政策、总体规划和法规，并组织实施工业、通信业、信息化的发展规划，推进产业结构战略性调整和优化升级，推进信息化和工业化融合；指导行业技术创新和技术进步，以先进适用技术改造提升传统产
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。
人工智能论文 班级：计算机0901 姓名：李佳林 学号：3070602044
人工智能 摘要：人工智能(Artificial Intelligence) ，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一个分支，它企图了解智能的实质，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，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是当前科学技发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。它是在计算机科学，控制论，信息论，神经心理学，哲学，语言学等多种学科研究的基础发展起来的，因此又可把它看作是一门综合性的边缘学科。它的出现及所取得的成就引起了人们的高度重视,并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三大科学技术成就。 归纳逻辑是人工智能的逻辑基础。伴随人工智能研究的逐步深入，科学哲学、人工智能和归纳逻辑研究相互影响，出现了新的研究方向。以归纳逻辑为基础，多学科相互合作，可以建立新的机器学习系统或归纳学习系统。 关键词：人工智能发展；机器学习；专家系统 一：人工智能的定义 人工智能是计算机科学的一个分支，是一门研究运用计算机模拟和延伸人脑功能的综合性学科。其精确的定义是：一个电脑系统具有人类的知识和行为，并具有学习、推理判断来解决问题、记忆知识和了解人类自然语言的能力。人工智能的产生过程则是：对于人类因问题和事物所引起的刺激和反应，以及因此所引发的推理、解问题、学习、判断及思考决策等过程，将这些过程分解成一些基本步骤，再透过程序设计，将这些人类解问题的过程模组化或公式化，使得电脑能够有一个结构的方法来设计或应付更复杂的问题。这套能够应付问题的软体系统，即称之为人工智能系统。人工智能是一种技术，而不是一项产品它的目的是让电脑更能了解一般化的事物。
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
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
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。
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。
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。
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。
(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)
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。
2020年人工智能产业发展深度研究报告 一、人工智能市场格局 人工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延申和拓展类人的智能的能力，本质上是对人类思维过程的模拟。AI 概念最早始于1956 年的达特茅斯会议，受限于算法和算力的不成熟，未能实现大规模的应用和推广。近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。据中国电子学会预测，2022全球人工智能市场将达到1630亿元，2018-2022年CAGR达31%。 人工智能赋能实体经济，为生产和生活带来革命性的转变。人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和新产品。从衣食住行到医疗教育，人工智能技术在社会经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测，2035 年，人工智能将推动中国劳动生产率提高27%，经济总增加值提升7.1 万亿美元。 二、多角度人工智能产业比较 目前，全球人工智能产业的生态系统正逐步成型。依据产业链上下游关系，可以将人工智能划分为基础支持层、中间技术层和下游应用层。基础层是人工智能产业的基础，主要提供硬件（芯片和传感器）及软件（算法模型）等基础能力；技术层是人工智能产业的核心，以模拟人的
智能相关特征为出发点，将基础能力转化成人工智能技术，如计算机视觉、智能语音、自然语言处理等应用算法研发。其中，技术层能力可以广泛应用到多个不同的应用领域；应用层是人工智能产业的延伸，将技术应用到具体行业，涵盖制造、交通、金融、医疗等18 个领域，其中医疗、交通、制造等领域的人工智能应用开发受到广泛关注。 （一)战略部署：大国角逐，布局各有侧重 全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局，并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。 1、美国引领人工智能前沿研究，布局慢热而强势。美国政府稍显迟缓，2019 年人工智能国家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看，美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超
江苏大学 《人工智能》报告 设计题目人工智能报告 学生姓名叶澔鹏 指导老师赵跃华 学院计算机科学与通信工程学院专业班级信息安全1202班 学号 3120604053 完成时间2015年10月25日
摘要：知识处理是人工智能这一科学领域的关键问题。本文对知识处理的核心问题之——识的表示进行了全面的综述,目前流行的知识表达方式不下十种，在此只介绍一阶谓词逻辑、产生式、语义网络、框架、混合等目前最常用的知识表示方法。并对其进行了优缺点分析及简单对比。最后对知识表示的发展趋向作出了展望。 关键词：知识人工智能（AI）知识表达式一阶谓词逻辑产生式语义网络框架 一．知识的概念 知识（Knowledge）是人们在改造客观世界的实践中形成的对客观事物（包括自然的和人造的）及其规律的认识，包括对事物的现象、本质、状态、关系、联系和运动等的认识。 经过人的思维整理过的信息、数据、形象、意象、价值标准以及社会的其他符号产物，不仅包括科学技术知识----知识中最重要的部分，还包括人文社会科学的知识、商业活动、日常生活和工作中的经验和知识，人们获取、运用和创造知识的知识，以及面临问题做出判断和提出解决方法的知识。 知识是把有关的信息关联在一起，形成的关于客观世界某种规律性认识的动态信息结构。 知识=事实+规则+概念 事实就是指人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间关系的描述。 规则是指能表达在前提和结论之间的因果关系的一种形式； 概念主要指事实的含义、规则、语义、说明等。 (1) 知识只有相对正确的特性。 常言道：实践出真理。只是源于人们生活、学习与工作的实践，知识是人们在信息社会中各种实践经验的汇集、智慧的概括与积累。 只是爱源于人们对客观世界运动规律的正确认识，是从感知认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，只是无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就接受检验，必
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
人工智能行业调研分析报告 摘要—— 该人工智能行业调研报告仅针对xx区域分析，时间2016-2017年度。 目前，区域内拥有各类人工智能企业663家，从业人员33150人。截至2017年底，区域内人工智能产值145901.24万元，较2016年122771.15万元增长18.84%。产值前十位企业合计收入64158.01万元，较去年54514.41万元同比增长17.69%。 ...... 主要通过增量带动，大力发展新兴产业，即紧紧依靠招商引资，招大商、引大资、引大智，培育和发展高端制造业，增添台州经济发展新动力。具体方向在哪里？《中国制造2025浙江纲要》明晰了我省11大产业发展重点领域，各地要坚持“工业立市”不动摇，瞄准高端和前沿产业，扩大开放，超前布局，积极参与长三角的合作与开发，积极融入全球制造业体系，主动参与国际竞争与合作，在每个领域努力寻求新的突破，打造一批国际竞争力领先的企业和产业集群。要顺应改革大势继续深化体制机制改革，加快建立有利于引导各类投资主体发展先进制造业的经济调控机制，并充分发挥市场在资源配置
中的决定性作用，撬动和激活充裕的民间资本，引导民间资本与实体经济结合，使得好项目获得资本的“青睐”和“浇灌”，激发有潜力企业的创新能力和创业激情，为制造业提供不竭动力和支撑。
第一章宏观环境分析 一、宏观经济分析 1、新常态下新旧力量将长期并存，原有优势和新优势双轮驱动。中国经济之所以在过去取得了令世人瞩目的成绩，一定是中国经济大方向选对了，一些因素一定会继续发挥重要作用。中国经济进入新常态，出现了很多新的特征和趋势，但并不意味着未来经济发展将完全不同以往。经济发展是连续的过程，不会因为开启了一扇窗，就会关掉一道门。新常态需要新思路和新方式，但不否定那些仍继续有效的做法。新常态下我国增长动力结构，将既不同于原 2、9月末，规模以上工业企业资产负债率为56.7%，同比降低0.4个百分点。其中，国有控股企业资产负债率为59%，同比降低1.6个百分点，国有企业降杠杆成效更为显著。何平指出，从9月份当月情况看，主要受工业产销增速放缓、价格涨幅回落、上年利润基数偏高等因素影响，工业利润增速比8月份减缓。值得一提的是，在工业企业利润新增中，主要来源属于钢铁、建材、石油、化工等传统中上游行业。数据显示，前三季度，钢铁行业利润增长71.1%，建材行业增长44.9%，石油开采行业增长4倍，石油加工行业增长30.8%，化工行业增长24.5%。5个行业合计对规模以上工业企业利润增长的贡
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，
人工智能研究报告 成员： E01214 祝激文 E01214 张荡荡 E01214116 潘学峰 E01214 贾鹏飞
基本信息 概念 各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种挥发性分泌物pheromone (称为信息素,该物质随着时间的推移会逐渐挥发消失，信息素浓度的大小表征路径的远近)来实现的，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物。有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果另开辟的道路比原来的其他道路更短，那么，渐渐地，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。 原理 设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼地编程，因为程序的错误也许会让你前功尽弃。这是多么不可思议的程序！太复杂了，恐怕没人能够完成这样繁琐冗余的程序。 然而，事实并没有你想得那么复杂，上面这个程序每个蚂蚁的核心程序编码不过100多行！为什么这么简单的程序会让蚂蚁干这样复杂的事情？答案是：简单规则的涌现。事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律！那么，这些简单规则是什么呢？ 问题 蚂蚁究竟是怎么找到食物的呢？在没有蚂蚁找到食物的时候，环境没有有用的信息素，那么蚂蚁为什么会相对有效的找到食物呢？这要归功于蚂蚁的移动规则，尤其是在没有信息素时候的移动规则。首先，它要能尽量保持某种惯性，这样使得蚂蚁尽量向前方移动（开始，这个前方是随机固定的一个方向），而不是原地无谓的打转或者震动；其次，蚂蚁要有一定的随机性，虽然有了固定的方向，但它也不能像粒子一样直线运动下去，而是有一个随机的干扰。这样就使得蚂蚁运动起来具有了一定的目的性，尽量保持原来的方向，但又有新的试探，尤其当碰到障碍物的时候它会立即改变方向，这可以看成一种选择的过程，也就是环境的障碍物让蚂蚁的某个方向正确，而其他方向则不对。这就解释了为什么单个蚂蚁在复杂的诸如迷宫的地图中仍然能找到隐蔽得很好的食物。 当然，在有一只蚂蚁找到了食物的时候，大部分蚂蚁会沿着信息素很快找到食物的。但不排除会出现这样的情况：在最初的时候，一部分蚂蚁通过随机选择了同一条路径，随着这条路径上蚂蚁释放的信息素越来越多，更多的蚂蚁也选择这条路径，但这条路径并不是最优（即最短）的，所以，导致了迭代次数完成后，蚂蚁找到的不是最优解，而是次优解，这种情况下的结果可能对实际应用的意义就不大了。 蚂蚁如何找到最短路径的？这一是要归功于信息素，另外要归功于环境，具体说是计算机时钟。信息素多的地方显然经过这里的蚂蚁会多，因而会有更多的蚂蚁聚集过来。假设有两条
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)