2017年人工智能全场景应用市场分析和调研报告

2017年人工智能行业百度AI分析报告2017年10月目录一、百度AI平台将逐步开放，助力构建百度AI生态圈 (4)1、“云+大脑”打磨升级构成百度AI平台 (4)2、多领域在人工智能方向进行战略构建 (5)（1）机构设立方面 (5)（2）人才储备方面 (6)（3）技术落地方面 (6)（4）资本投入方面 (7)二、AI平台开放、百度生态建设延伸至端 (9)1、DuerOS：开放的对话式人工智能系统 (10)2、Apollo：自动驾驶开放平台 (13)（1）能力一：障碍物感知 (15)（2）能力二：决策规划 (16)（3）能力三：高精度地图 (17)（4）能力四：云端仿真 (17)（5）能力五：端到端 (18)3、PaddlePaddle：深度学习开放平台 (24)三、百度“能听会看”作为触手、带动技术领域的商业化落地 (26)1、从“能听”走向“能听懂”的学习之路 (26)（1）百度以语音识别为切入点，构建人工智能生态圈 (26)（2）自然语言处理技术赋予机器认知能力 (28)2、全方位视频理解技术使机器不仅“会看”，还会理解 (31)百度AI平台将逐步开放，助力构建百度AI生态圈。

今年的百度AI开发者大会（Baidu Create 2017）上，百度AI平台架构图首次完整亮相，全新开放了视频、语音、AR/VR、机器人视觉、自然语音处理等五大类目共14项全新能力。

此次开放的技术能力总共有60个，是目前最全面的AI技术开放平台，包括百度智能云及百度大脑。

此外，百度在AI方面的布局已经相对完善，无论是从AI部门的设置、集团战略定位，还是从开放的各类技术平台均能够帮助百度更快地构建生态圈，以此带来更多场景应用的落地。

AI平台开放、百度生态建设延伸至端。

百度AI平台以百度智能云为基础、百度大脑为核心，目前开放DuerOS 和Apollo 两大平台向终端下沉，与云端一起初步构建起AI生态圈。

百度以DuerOS 作为其人工智能的切入点，打造智能语音生态链；以Apollo 自动驾驶开放平台作为其人工智能的核心突破口。

目录CONTENTS1人工智能行业产业链结构2人工智能行业整体市场发展3人工智能行业投资现状4人工智能行业发展前景人工智能行业产业链结构l人工智能产业链结构l人工智能基础技术提供平台l人工智能技术平台l人工智能应用领域PART 01人工智能产业链结构人工智能产业链的主要包含三个核心环节——基础技术、人工智能技术和人工智能应用。

其中，基础技术主要包括数据平台、数据存储以及数据挖掘等，人工智能技术包括语音识别、自然语言处理、图像识别和生物识别等，人用智能应用有工业4.0、无人驾驶汽车、智能家居、智能金融、智慧医疗、智能营销、智能教育以及智能农业等。

基础技术支撑数据平台数据存储数据挖掘计算智能语音识别自然语音处理图像识别生物识别感知智能机器学习预测类API 人工智能平台认知智能工业4.0无人驾驶汽车智能家居智能金融智慧医疗智能营销智能教育智能农业基础技术支撑人工智能技术人工智能应用人工智能产业链结构IaaS代表企业：阿里云、电信天翼云、联通沃云、Ucloud 、青云、万国数据、首都在线等。

基础设施即服务，它是把ICT 基础设施作为一种服务提供的商业模式。

用户通过Internet 可以从服务提供商那里得到完善的计算机基础设施服务。

这些服务包括服务器或虚拟服务器的计算资源、处理能力及基础网络。

PaaS代表企业：科大讯飞、环信、容联、亲加、云知声、思必驰等。

PaaS 的功能主要体现在将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力，通过IaaS 提供的API 调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过API 开放给SaaS 用户。

SaaS代表企业：百度云、用友云、浪潮、 Ucloud、 Oracle、Infor、Microsoft 等。

SaaS 是一种通过Internet 提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。

人工智能应用情况调研报告一、引言随着信息技术的飞速发展，人工智能作为新一轮产业革命的核心驱动力，正在深刻改变着人们的生产生活方式。

它在各个领域的广泛应用，不仅为经济社会发展带来了新的机遇，也给人们的生活带来了巨大的便利。

本报告旨在对人工智能在多个领域的应用情况进行深入调研，分析其现状、特点、挑战及未来发展趋势，以期为相关行业和决策者提供有益的参考。

二、人工智能应用领域1.医疗保健疾病诊断与预测：人工智能通过对大量医疗数据的分析，可以辅助医生进行疾病的诊断和预测。

例如，IBM Watson for Oncology系统可以帮助医生更好地识别和诊断癌症。

药物研发：利用人工智能技术可以加速药物研发的过程，提高药物的疗效和安全性。

例如，深度学习模型可以预测药物的副作用和潜在的药物相互作用。

医疗影像分析：AI算法可以对医学影像进行自动分析和识别，帮助医生更快速准确地诊断疾病。

例如，斯坦福大学的研究人员利用深度学习算法识别X光图像中的肺炎迹象。

2.金融领域风险评估与信用评级：通过大数据和机器学习技术，人工智能可以对客户的信用风险进行评估，为金融机构提供决策支持。

市场预测与投资建议：AI可以分析市场数据，预测股票价格走势，为投资者提供投资建议。

例如，一些智能投顾平台利用机器学习算法进行投资组合管理。

反欺诈与合规监测：人工智能可以识别金融交易中的欺诈行为，监测合规风险，保障金融市场的稳定运行。

3.教育领域智能教学系统：根据学生的学习情况和特点，为其提供个性化的学习内容和方案。

例如，自适应学习系统可以根据学生的学习进度和能力调整教学内容。

教学辅助工具：如智能辅导机器人、自动化评分系统等，可以减轻教师的工作负担，提高教学效率。

虚拟现实与教育互动：利用虚拟现实技术创建沉浸式学习环境，提升学生的学习体验和参与度。

4.制造业智能制造：包括智能生产线、工业机器人等，可以提高生产效率和产品质量，实现制造业的智能化转型。

设备预测维护：基于传感器数据和机器学习算法，对设备的运行状态进行监测和预测，提前发现潜在问题，降低维修成本。

2017年人工智能行业市场调研分析报告目录第一节大资管，人工智能的下一站 (6)一、人工智能已悄然来临 (6)二、正本清源，从产业链出发理清研究脉络 (8)第二节资产管理：人工智能颠覆式利器出鞘 (9)一、人工智能辅助之“量化交易” (9)二、人工智能辅助之“证券研究” (13)第三节财富管理：智能投顾的春天 (16)一、从“投资顾问”的智能化说起 (16)二、智能投顾的主要优势 (18)三、发力智能投顾的核心要素 (20)四、国内第三方智能投顾比较分析 (21)第四节全球先行者的启示 (24)一、以智能投顾为例，美国起步早、发展快 (24)二、传统公司后来居上成为行业领导者 (28)三、海外代表性公司分析 (30)第五节本土化思考：挑战与机遇共存 (36)一、投资理念仍未成熟，刚性兑付尚未打破 (36)二、牌照等监管问题制约，主要用途为销售辅助工具 (37)三、牌照等监管问题制约，主要用途为销售辅助工具 (38)四、资本市场条件尚不成熟，行业发展需因地制宜 (39)五、传统及初创企业齐发力，多方落地后市场万亿空间可期 (40)六、中国智能投顾领域的杰出代表 (41)第六节重点公司分析 (47)一、同花顺：“人工智能+金融”时代的领跑者 (47)三、赢时胜：致力打造国内领先的财富管理企业 (48)三、浙大网新：剑指人工智能2.0 时代领军企业，前瞻布局智能投顾 (49)四、恒生电子：科技为本，打造“百万亿”财富管理生态圈 (49)五、东方财富：“流量＋数据”助力智能投顾业务抢占市场先机 (50)图表目录图表1：Kensho 用机器取代初级分析师 (6)图表2：“大资管”，人工智能破局之深水区 (7)图表3：“大资管”产业链结构图 (8)图表4：从全球最佳实践观察到的四大典型资管模式 (9)图表5：人工智能系统模型 (10)图表6：“人工智能+证券投资”模型 (11)图表7：典型的人工智能证券投资系统一天的流程 (12)图表8：人工智能辅助量化交易的比对效果 (12)图表9：自然语义搜索关联知识图谱 (14)图表10：知识图谱构建下的潜在信息关联性 (15)图表11：投资顾问，连接金融产品与客户的重要桥梁 (16)图表12：智能投顾服务模式示意 (17)图表13：本质上是技术替代人工，效率提升服务长尾 (17)图表14：智能投顾的四大主要优势 (18)图表15：智能投顾服务长尾用户 (19)图表16：智能投顾前后两端盈利模式 (19)图表17：发力智能投顾的核心要素 (21)图表18：璇玑智投2016 组合风险与收益 (21)图表19：蓝海智投2016 组合风险与收益 (22)图表20：璇玑智投和蓝海智投组合风险与收益汇总 (22)图表21：海外智能投顾发展迅速 (25)图表22：美国ETF 净资产占可投资资产份额变化 (25)图表23：美国单年新设智能投顾公司数 (26)图表24：美国智能投顾融资情况 (27)图表25：传统机构加入推动美国智能投顾高速增长 (27)图表26：投顾服务演变情况 (28)图表27：美国各智能投顾公司份额 (29)图表28：嘉信的发展历程 (31)图表29：FutureAdvisor 投资组合结构与平均结构对比 (32)图表30：Wealthfront 风险测评 (34)图表31：Wealthfront 自动生成资产配置 (34)图表32：Betterment 独特的收费模式 (35)图表33：2004.1.31 至2016.6.30 累计收益 (35)图表34：中国自然人及机构投资者比例 (37)图表35：中国投资者按可投资金融资产金额分类 (37)图表36：中国金融行业分业管制条件下智能投顾行业情况 (38)图表37：中美ETF 基金数量及资产规模对比 (39)图表38；中国可投资资产规模及高净值人群可投资资产规模对比 (40)图表39：保险子页面下的智能投顾推荐组合 (42)图表40：一账通APP 月活数 (42)图表41：璇玑公司根据不同投资组合配置底层资产 (43)图表42：“斗牛二八轮动”历史业绩 (44)图表43：招商银行“摩羯智投”核心功能界面 (45)图表44：京东智投建议理财组合与同期银行存款对比 (46)图表45；弥财为代表的智能投顾公司低成本、高收益优势 (47)表格目录表格1：璇玑智投与蓝海智投2016 年度基本情况 (21)表格2：璇玑智投与蓝海智投资产类别及组合资产配置 (23)表格3：璇玑智投基金产品备选池 (23)表格4：蓝海智投基金产品备选池 (24)表格5：顶级PE 加码智能投顾 (27)表格6：美国传统金融机构布局智能投顾概览 (28)表格7：美国成熟型公司概览 (29)表格8：美国创新公司概览 (30)表格9：Betterment 融资情况 (36)表格10：中国各类智能投顾公司代表 (40)第一节大资管，人工智能的下一站一、人工智能已悄然来临继长尾信贷后，“大资管”将成为人工智能渗透的又一领域。

2017年我国人工智能行业市场综合发展态势图文深度分析报告
（2017.5.19）
人工智能首次进入“十三五”规划，2018年目标形成千亿级规模市场。

自2016年起，人工智能领域建设已上升至国家战略层面，相关政策进入全面爆发期。

2016年5月，发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018年国内要形成千亿元级的人工智能市场应用规模。

未来几年内，人工智能产业有望持续获得国家大力支持，预计更多细化政策将陆续出台，加速人工智能需求落地。

人工智能上升国家战略地位，政策支持力度逐步加大
从布局方向上看，巨头底层发力革新技术，创企顶层切入拓宽应用。

以BAT为代表的互联网巨头由于资金实力和整合能力较强，因此对于人工智能领域偏向于从底层基础技术层进行布局，研究算法、研发芯片等以此为触角向AI其他环节延伸。

同时还有上市公司中如科大讯飞、远方光电和川大智胜等实力较强的公司则通过语音和图像技术开放平台和应用切入人工智能等。

对于初创企业来说，则倾向于从应用层入手，直接开发相关人工智能应用产品或者服务，如智能家居、车载智能、安防中身份识别和验证、语音翻译等，呈现出一片百花齐放的局面。

资本市场敏锐地捕捉到人工智能的商业化前景，我国人工智能领域投融资热度快速升温。

自2012-2015年开始，我国人工智能行业的投融资金额、次数及参与机构数量等均迅速增长，年增长率均超过。

2017年中国人工智能行业市场调研分析报告目录前言 (4)第一节人工智能的新时代到来：情境驱动时代 (5)一、人工智能发展历史 (5)二、人工智能市场预测 (9)三、数据视角下当前AI的技术布局 (11)四、AI解决的痛点与存在的不足 (13)五、AI对人类社会的影响 (14)第二节无数据不AI (15)一、数据与AI的关系 (15)二、新的商业竞争范式 (16)第三节行业全景与企业玩家分类 (18)一、数据视角下的中国人工智能行业全景 (18)二、中国企业玩家分类及各自的速赢策略 (21)第四节未来人工智能的发展趋势以及对策 (23)一、中国人工智能行业发展趋势 (23)二、中国人工智能行业玩家的应对策略 (25)三、对中国监管者的启示 (25)图表目录图表1：数据思维下当前AI技术产业结构图 (13)图表2：AI的三阶段发展与数据的关系 (16)图表3：智能数据时代人工智能、大数据与人的智慧的关系 (17)图表4：数据视角下人工智能行业布局示意图 (19)图表5：各个行业不同情境下的代表企业 (20)图表6：人工智能行业价值微笑曲线 (24)表格目录表格1：各家研究机构对于全球人工智能市场规模的预测 (9)表格2：各家研究机构对于中国人工智能市场规模的预测 (10)前言今年以来又出现了很多热词，不止大数据，人工智能（AI）、深度学习（deep learning）、机器学习（machine learning）、AR、VR……形色的创业团队鲸吞了市场上相当一大部分的投资。

所有这一切好像跟我们相关，但好像离商业价值又那么远，他们之间到底跟数据有什么关系，有没有可能给其他行业创造价值？移动设备已经成为人类身体的延伸。

我们每天手机使用时长将近四个小时，好像历史上第一次有这么一件东西跟着人在一起，它甚至已经变成人体的一部分，它默默在后台记录着我们，不管上网，还是在现实生活中，在家中，在上班，在吃饭，在旅游，在消费，我们所有的足迹都在被默默地记录下来。

中国人工智能市场发展及市场供需专项研究报告一、中国人工智能市场发展概述自2015年我国政策开始加大对人工智能领域的投入，中国人工智能市场逐渐迎来快速发展的新时代。

据统计，2017年中国人工智能市场规模已经超过250亿美元，而预计到2022年将达到1,1万亿美元。

可以看出，中国人工智能市场前景广阔，发展空间巨大。

当前我国人工智能市场的主要应用领域包括：智能制造、智慧城市、智能医疗、智能金融、智能物流等。

其中，智慧城市和智能制造是目前最受市场青睐的两个领域，已经成为中国人工智能市场的重要支柱。

二、中国人工智能市场供需情况1、市场需求方面当前，我国人工智能市场需求分为政府需求、企业需求、个人需求三个方面。

（1）政府需求：我国政府在人工智能领域的发展上投入甚多，政府需求在市场中占比较大的一部分。

目前，政府需求主要包括智慧城市建设、大数据分析、智能监管等领域。

如上海、北京、深圳等城市的智慧城市建设已取得初步成效，成为人工智能市场的新亮点。

（2）企业需求：企业对于人工智能的需求主要包括机器学习、深度学习、自然语言处理、图像识别等领域方面。

如阿里巴巴、腾讯等公司均在人工智能技术上做出了突破，成为人工智能市场的领头羊。

（3）个人需求：虽然个人需求在整个市场中占比较小，但随着智能家居的发展以及个人消费习惯的改变，人工智能在个人领域的发展潜力不可忽略。

2、市场供给方面（1）供给主体：当前我国人工智能产业链已初步形成，供给主体主要包括大企业、初创公司、国家级人工智能研究院等。

（2）供给产品：供给产品主要包括软硬件、算法、数据等方面。

目前市面上已有很多人工智能产品，如：阿里云ET、IBM SYSTEM、百度飞桨等。

三、中国人工智能市场未来发展趋势分析1、政策引导：随着我国人工智能市场的不断壮大，政府将逐渐开始加大对人工智能领域的政策引导力度，加快人工智能的普及和发展。

2、技术变革：随着技术的不断进步，人工智能技术会越来越成熟、普及，具有更广泛的应用场景。

人工智能行业市场调研报告AI技术应用和市场前景分析人工智能行业市场调研报告AI技术应用和市场前景分析1. 前言人工智能（Artificial Intelligence，简称AI）作为当前科技领域的热门话题，已经逐渐渗透到各个行业中。

本篇调研报告将就AI技术的应用情况以及未来市场前景进行分析，以期为读者提供全面准确的情报。

2. AI技术的应用情况2.1 自然语言处理（Natural Language Processing，简称NLP）在自然语言处理领域，AI技术已经取得了重大进展。

通过处理语言文字，AI可以实现语音识别、机器翻译、文本分类等功能。

今天，我们可以看到在智能助理、语音识别产品等方面，AI技术正在广泛应用。

2.2 机器视觉（Computer Vision）机器视觉是AI的另一个重要应用领域。

通过利用图像和视频数据，AI技术可以实现图像识别、目标检测、人脸识别等功能。

目前，机器视觉技术已经广泛应用于安防监控、智能交通、医疗影像等领域。

2.3 无人驾驶无人驾驶是人工智能技术在交通领域的一项重要应用。

通过深度学习算法和传感器技术，汽车可以自主感知、决策和控制，实现无人驾驶的目标。

近年来，无人驾驶技术已经引起了车企和科技巨头的广泛关注，其市场潜力不容忽视。

3. AI市场前景分析3.1 市场规模据市场调研机构预测，全球AI市场在未来几年内将保持快速增长的趋势。

据统计，2019年全球AI市场规模已经超过1000亿美元，预计到2025年将达到3000亿美元以上。

人工智能技术的广泛应用将推动市场的进一步扩大。

3.2 行业应用AI技术在各个行业的应用前景广阔。

在医疗健康领域，AI可以帮助医生进行病症诊断、药物研发等工作；在金融行业，AI可以帮助银行进行风险评估、反欺诈等任务；在零售业，AI可以通过推荐系统、智能购物助手等方式提升消费者体验。

可以预见，AI技术的广泛应用将为各行各业带来改变。

3.3 挑战与机遇在AI市场的发展过程中，也面临着一些挑战。

2017年人工智能场景分析报告2017年8月目录一、算法和计算力瓶颈已突破，数据为关键 (4)1、场景化数据的获得，是当下人工智能发展之关键 (4)2、经历二次低谷，算法和计算力的瓶颈已突破 (5)二、人工智能下一阶段驱动力，超大场景化数据集 (6)1、算法非门槛：模型性能随训练数据呈线性增长 (7)2、场景为王：场景化数据是人工智能产品商业化的根本 (9)三、天然具备场景化数据源的子行业猜想 (11)1、安防场景：视频监控前端龙头，掌握数据入口优势 (11)（1）视频监控类公司拥有的场景化数据节点丰富 (12)（2）海康威视和大华股份等前端龙头企业，占据数据入口优势 (13)（3）商汤等算法公司，与企业合作以获取数据支撑 (13)2、医疗场景：医学图像数据及医疗数据为基点 (14)（1）IBM Watson通过并购获取数据源 (15)（2）思创医惠：医疗信息化提供商，以数据为源升级智能化平台 (16)3、无人驾驶场景：对多维数据获取能力要求高 (17)（1）四维图新：入股HERE，高精地图数据实力再巩固 (18)（2）东软集团：产品+解决方案双管齐下，智能驾驶业务稳健前行 (18)4、金融场景：数据获取门槛较高 (19)（1）恒生电子：从证券交易信息化切入智能投顾 (20)（2）同花顺：从互联网金融信息服务向人工智能延伸 (21)算法和计算力瓶颈已突破，数据为关键。

随着CNN、RNN 等算法成熟和GPU对计算能力的提高，现今人工智能所需要面临的是如何使应用深化，从而对产业发起变革。

因此，在算法、计算力、数据三个要素中，大量的数据，特别是场景化、标签化的数据获得成为重中之重。

能否获得场景化的数据，不仅可决定人工智能在行业中的效用力，同样也是将人工智能切实落地，证实其并非资本市场泡沫的根本。

人工智能下一阶段驱动力，超大场景化数据集。

人工智能发展进入了数据推动人工智能更新迭代的阶段。

一方面，强人工智能和通用智能在目前还未成熟，特定场景下的垂直型人工智能深化应用成为方向；另一方面，随着人工智能进入移动互联网时代，由于各类型的终端设备的使用，各个行业数据都呈现指数级的增长，从图像、声音、视频到位臵、轨迹、动作等，多维度场景化的数据分布使垂直化人工智能开发成为可能。