艾媒报告+-2019上半年中国人工智能产业研究报告

２０１９年中国人工智能产业发展形势展望报告目录一、对２０１９年形势的基本判断（一）核心基础技术持续突破，边缘智能加速应用布局（二）产业链条正在形成，集聚效应初具规模（三）融合应用水平大幅拓展，智能经济形态雏形初现二、需要关注的几个问题（一）技术发展能力不均衡，基础层存在短板弱项（二）技术产品创新快于应用创新，技术创新的商业应用模式不明朗（三）产业生态体系尚不完善，协同发展势头尚未形成（四）环境建设尚不健全，产业安全风险加剧三、应采取的对策建议【内容提要】 展望2019年，我国人工智能领域核心基础技术持续突破，边缘智能加速应用布局；产业链条正在形成，集聚效应初具规模；融合应用水平大幅拓展，智能经济形态雏形初现；国内产业政策加速落地，国际产业博弈更加激烈。

与此同时，我国面临人工智能技术发展能力不均衡，基础层存在短板弱项；技术产品创新快于应用创新，技术创新的商业应用模式不明朗；产业生态体系尚不完善，协同发展势头尚未形成；环境建设尚不健全，产业安全风险加剧等问题与挑战。

为此，我国人工智能产业未来应以推动核心技术攻关为目标，加大对重点技术产品研发的资金支持；以深化与实体经济融合发展为目标，加强场景化应用推广和辐射引导；以构建有机协同的产业生态为目标，提升服务支撑能力；以营造发展环境为目标，培育多元化发展格局。

人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力量，已经成为国际竞争的新焦点和经济发展的新引擎，在支撑供给侧结构性改革、打造高质量的现代经济体系、促进社会进步等方面发挥着越来越重要的作用。

2018年，中国人工智能技术创新日益活跃、产业规模逐步壮大、应用领域不断拓展，取得了阶段性成效。

展望2019年，人工智能产业集聚效应将更具规模，智能经济雏形初现，国际产业博弈将更加激烈。

与此同时，我国人工智能产业仍面临问题与挑战，基础层短板弱项始终存在，技术创新的商业应用模式不明朗，产业生态协同体系尚未形成，产业安全风险加剧，必须给予积极应对。

2019中国人工智能发展报告2019 中国人工智能发展报告目录前言 . ......................................................................... .............................................................................. .........2 一、1、2、3、4、5、人工智能的新时代到来：情境驱动时代 (4)人工智能发展历史 . ......................................................................... ....................................4 人工智能市场预测 . ......................................................................... ....................................9 数据视角下当前AI 的技术布局 . ......................................................................... ........ 11 AI 解决的痛点与存在的不足 ........................................................................... ............ 14 AI 对人类社会的影响 ........................................................................... .. (16)二、无数据不AI ........................................................................... .......................................................... 17 1、2、数据与AI 的关系 ........................................................................... .................................. 17 新的商业竞争范式 . ......................................................................... (19)三、行业全景与企业玩家分类 . ......................................................................... ................................. 21 1、2、数据视角下的中国人工智能行业全景 (21)中国企业玩家分类及各自的速赢策略 (24)四、未来人工智能的发展趋势以及对策............................................................................ ............. 27 1、2、3、中国人工智能行业发展趋势 ........................................................................... ............. 27 中国人工智能行业玩家的应对策略 . ..........................................................................30 对中国监管者的启示 ........................................................................... ........................... 31 1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。

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）2019年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。

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。

AI应用于移动互联网下半场当前我们正处于两轮科技红利的交替期。

【2019年人工智能行业】---分析报告2019年3月目录一、AI 主导下一轮科技创新红利 (2)1、AI 孕育万亿级别市场 (2)2、AI 应用于移动互联网下半场 (4)3、AI 应用于更广泛的领域 (6)二、AI 产业链：算力驱动，场景为王 (7)1、基础层：AI 芯片、深度学习等 (8)2、技术层 (11)3、应用层：场景+AI (15)三、从“数据产业链”到“人工智能” (29)1、数据是AI 的核心 (29)2、数据采集：从互联网到IoT (31)3、数据传输：从4G 到5G (32)4、数据存储：IDC 需求迅速增长 (34)四、AI：科技巨头在做什么 (35)五、风险因素 (37)六、投资建议 (37)一、AI 主导下一轮科技创新红利1、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。

图1：人工智能发展历程表1：AI 主要使用决策类型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。

2019年5G+AI行业分析报告2019年7月目录一、5G+AI引领新一轮三浪叠加大时代 (5)1、网络、终端、应用创新浪潮叠加启动了前两轮新经济浪潮 (5)2、从3G/4G历史性看A股网络、终端、应用投资时钟 (6)二、网络侧：5G三大百倍性能提升激活众多创新应用 (8)1、5G延时大幅降低将带来自动驾驶汽车、实时视频应用的机会 (9)2、5G吞吐速率大幅提升，将会带动网络流量井喷以及流量成本的急剧降低 (9)3、5G单位面积连接数大幅提升，将会带动以泛在电力物联网为代表的IOT市场蓬勃发展 (10)三、终端侧：AIOT时代的“寒武纪”革命 (11)1、终端市场从手机独霸到“一超多强” (11)2、巨头战略重心纷纷转向AIoT (13)3、新一轮终端革命的核心驱动力：AI解决交互，5G解决连通 (19)4、AIOT时代的三个重要变化 (23)（1）区别于PC和移动互联网时代，以往电脑、手机等统一标准化的终端平台逐步走向多元化、碎片化 (23)（2）单一终端应用无法垄断数据流量，人工智能巨头需要云端芯全方位布局 (24)（3）普适性第三方AI云平台战略地位突出 (25)5、终端革命带来的机遇 (25)6、步入边云协同时代 (30)7、云巨头自建芯片生态 (36)四、5G+AI带来信息化、互联网化、智能化三化合一 (40)1、未来10年最重要的终端变革：智能汽车 (43)（1）汽车产业升级换代，自动驾驶独领风骚 (43)（2）自动驾驶时代，汽车被重新定义 (44)（3）自动驾驶时代，车厂角色将重新定义 (45)（4）L3将是自动驾驶技术的飞跃 (46)（5）以2020、2021年为界，国内自动驾驶产业链即将开启黄金10年发展期 (47)（6）国内自动驾驶前装套件的市场规模2030年有望突破1400亿美金 (48)2、未来10年最核心应用场景：智能家居 (49)（1）智能家居的核心在于设备间的交互，5G海量连接能力将促使智能家居走向成熟 (50)（2）电视或将成为智能音箱之后的巨头必争终端入口 (50)（3）人工智能电视成为彩电行业重要增长极 (51)（4）对比各家AI电视主要功能，核心都在于替代智能音箱“智控中枢”的地位 (53)3、未来10年智能终端将占据工厂 (54)（1）5G是工业互联网重要技术支撑 (54)（2）AI是工业互联网落地的核心驱动力，工业互联网的发展前景可观 (55)（3）中国制造业领域的数字化水平有待提高 (57)（4）泛在电力物联网有望成为工业互联网率先落地的领域 (57)4、安防前端市场智能化浪潮 (59)5、AR：5G+AI应用的完美结合 (60)五、行业相关企业 (63)1、科大讯飞：人工智能领军者 (63)2、四维图新：前瞻布局车载边缘计算平台，高精度地图商业化变现大幕已启 (64)3、中科创达：智能汽车商业模式转型已见成效 (65)4、海康威视：安防龙头引领AI cloud发展 (66)5、大华股份：打造城市智慧物联网服务商 (67)6、千方科技：大安防与大交通两翼齐飞 (69)7、浪潮信息：边缘计算基础设施的主要受益者 (69)8、宝信软件：数据爆发，IDC产业步入新时代 (71)9、梦网集团：打造5G“杀手级”应用富信 (72)10、中新赛克：网络可视化随流量起舞，前后端协同布局 (73)5G+AI引领新一轮三浪叠加大时代。

2019年5月18日一、研究方法和样本数据库(一) 研究方法中国人工智能科技产业的发展是一个快速涌现的过程，涉及多元创新主体的结网和互动。

复杂适应系统理论(CAS)和价值网络分析。

(二) 样本数据库价值网络关键节点的6类创新主体。

属性数据和关系数据。

图表1 中国智能经济样本库的样本构成创新主体2017年2018年人工智能企业上市公司124149独角兽14694其他138502企业样本合计408745投资者8341780大学和非大学科研机构大学7394非大学科研机构5675链接者会议138823产业联盟83117政府政策42301产业园区107163总计17414098二、中国的人工智能企业图表2 745家人工智能企业的成立时间分布0.1%0.1%0.3%0.4%0.1%0.1%0.4%0.4%0.9%0.7%1.1%1.5%1.9%0.9%1.7%1.7%0.9%2.3%1.6%1.9%2.4%1.5%3.0%4.6%4.4%6.7%7.7%15.0%16.8%12.2%5.1%1.5%0.0%2.0%4.0%6.0%8.0%10.0%12.0%14.0%16.0%18.0%1980年1984年1987年1989年1990年1992年1993年1994年1995年1996年1997年1998年1999年2000年2001年2002年2003年2004年2005年2006年2007年2008年2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年0.0%0.0%0.9% 1.9% 5.7%1.9% 3.8%7.5%0.9% 1.9%0.9% 1.9%0.9%0.9%0.0%0.9% 5.7% 4.7% 1.9% 4.7%9.4%15.1%17.0%8.5% 2.8%0.0%0.0%2.0%4.0%6.0%8.0%10.0%12.0%14.0%16.0%18.0%2006年2007年2008年2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年IT/ICT类企业传统产业上市公司图表3 非初始人工智能上市公司进入人工智能领域的时间分布截至2019年2月28日，本报告共发现745家中国人工智能企业，大约占世界人工智能企业总数3438家的21.67%，仅次于排名第一的美国（1446家,占比42.06%）。

2019中国人工智能发展报告2019 中国人工智能发展报告目录前言 . ......................................................................... .............................................................................. .........2 一、1、2、3、4、5、人工智能的新时代到来：情境驱动时代 (4)人工智能发展历史 . ......................................................................... ....................................4 人工智能市场预测 . ......................................................................... ....................................9 数据视角下当前AI 的技术布局 . ......................................................................... ........ 11 AI 解决的痛点与存在的不足 ........................................................................... ............ 14 AI 对人类社会的影响 ........................................................................... .. (16)二、无数据不AI ........................................................................... .......................................................... 17 1、2、数据与AI 的关系 ........................................................................... .................................. 17 新的商业竞争范式 . ......................................................................... (19)三、行业全景与企业玩家分类 . ......................................................................... ................................. 21 1、2、数据视角下的中国人工智能行业全景 (21)中国企业玩家分类及各自的速赢策略 (24)四、未来人工智能的发展趋势以及对策............................................................................ ............. 27 1、2、3、中国人工智能行业发展趋势 ........................................................................... ............. 27 中国人工智能行业玩家的应对策略 . ..........................................................................30 对中国监管者的启示 ........................................................................... ........................... 31 1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。

2019人工智能发展报告2019 Report of Artificial Intelligence Development清华大学-中国工程院知识智能联合研究中心中国人工智能学会吴文俊人工智能科学技术奖评选基地2019年11月编写委员会（按姓氏拼音排序）主编：李涓子唐杰编委：曹楠程健贾珈李国良刘华平宋德雄喻纯余有成朱军责任编辑：景晨刘佳编辑：毕小俊程时伟韩腾侯磊刘德兵刘越骆昱宇麻晓娟仇瑜王若琳徐菁技术支持：北京智谱华章科技有限公司1 编制概要 (1)1.1 编制背景 (1)1.2 编制目标与方法 (3)2 机器学习 (4)2.1 机器学习概念 (4)2.2 机器学习发展历史 (6)2.3 机器学习经典算法 (7)2.4 深度学习 (21)2.4.1 卷积神经网络 (24)2.4.2 AutoEncoder (26)2.4.3 循环神经网络RNN (28)2.4.4 网络表示学习与图神经网络（GNN） (30)2.4.5 增强学习 (32)2.4.6 生成对抗网络 (34)2.4.7 老虎机 (35)2.5 人才概况 (37)2.6 代表性学者简介 (39)2.6.1 国际顶级学者 (40)2.6.2 国内知名学者 (50)2.7 论文解读 (60)2.7.1 ICML历年最佳论文解读 (63)2.7.2 NeurlPS历年最佳论文解读 (71)3 计算机视觉 (85)3.1 计算机视觉概念 (85)3.2 计算机视觉发展历史 (87)3.3 人才概况 (89)3.4 论文解读 (91)3.5 计算机视觉进展 (105)4 知识工程 (107)4.1 知识工程概念 (107)4.2 知识工程发展历史 (108)4.3 人才概况 (111)4.4 论文解读 (113)4.5 知识工程最新进展 (129)5 自然语言处理 (131)5.1 自然语言处理概念 (131)5.2 自然语言的理解发展历史 (132)5.3 人才概况 (133)5.4 论文解读 (136)5.5 自然语言处理最新进展 (153)6 语音识别 (155)6.1 语音识别概念 (155)6.2 语音识别发展历史 (156)6.3 人才概况 (158)16.4 论文解读 (160)6.5 语音识别进展 (173)7 计算机图形学 (175)7.1 计算机图形学概念 (175)7.2 计算机图形学发展历史 (175)7.3 人才概况 (178)7.4 论文解读 (181)7.5 计算机图形学进展 (194)8 多媒体技术 (197)8.1 多媒体概念 (197)8.2 多媒体技术发展历史 (198)8.3 人才概况 (200)8.4 论文解读 (203)8.5 多媒体技术进展 (215)9 人机交互技术 (217)9.1 人机交互概念 (217)9.2 人机交互发展历史 (218)9.2.1 简单人机交互 (218)9.2.2 自然人机交互 (219)9.3 人才概况 (222)9.4 论文解读 (225)9.5 人机交互进展 (239)10 机器人 (241)10.1 机器人概念 (241)10.2 机器人发展历史 (242)10.3 人才概况 (245)10.4 论文解读 (247)10.5 机器人进展 (260)11 数据库技术 (263)11.1 数据库概念 (263)11.2 数据库技术历史 (264)11.3 人才概况 (266)11.4 论文解读 (269)11.5 数据库技术重要进展 (287)12 可视化技术 (289)12.1 可视化技术概念 (289)12.2 可视化技术发展历史 (290)12.3 人才概况 (294)12.4 论文解读 (296)12.5 可视化进展 (313)12.6 可视化应用 (315)12.6.1 社交媒体可视化 (315)12.6.2 体育数据可视化 (316)12.6.3 医疗数据可视化 (318)13 数据挖掘 (321)13.1 数据挖掘概念 (321)13.2 数据挖掘的发展历史 (323)13.3 人才概况 (324)13.4 论文解读 (326)13.5 数据挖掘进展 (337)14 信息检索与推荐 (339)14.1 信息检索与推荐概念 (339)14.2 信息检索和推荐技术发展历史 (341)14.3 人才概况 (345)14.4 论文解读 (348)14.5 信息检索与推荐进展 (362)15 结束语 (365)参考文献 (366)附录 (372)3编制概要1编制概要1.1编制背景21世纪前两个十年，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。

2019年AI芯片产业深度研究报告一、人工智能芯片发展现状及趋势1、深度学习算法对芯片要求更为苛刻，通用 CPU 性价比相对较差经历了60 多年的起起伏伏之后，人工智能终于迎来了第三次爆发。

第三次爆发的核心引爆点是深度学习算法的出现，但其背后的支撑是数据和算力。

对整个AI 行业来讲，算法、数据和算力三大基本要素中，数据尤其是海量数据的获取和处理难度在下降，算法也在深度学习模型的基础上不断优化，而负责将数据和深度算法统一协调起来的芯片能否获得大的飞跃，成为市场关注的焦点。

深度学习算法对芯片性能需求主要表现在三个方面：一、海量数据在计算和存储单元之间的高速通信需求。

这不但需要芯片具备强大的缓存和片上存储能力，而且还需要计算和存储单元之间有较大的通信带宽。

二、专用计算能力需求高。

深度学习算法中有大量卷积、残差网络、全连接等特殊计算需要处理，还需要提升运算速度，降低功耗。

三、海量数据自身处理同样也对芯片提出了新的要求，尤其是非结构化数据的增多，对传统芯片结构造成了较大的压力。

通用 CPU 在深度学习中可用但效率较低。

比如在图像处理领域，主要用到的是CNN（卷积神经网络），在自然语言识别、语音处理等领域，主要用到的是RNN（循环神经网络），虽然这两种算法模型有着较大的区别，但本质上都是向量和矩阵运算，主要是加法和乘法，辅助一些除法和指数运算。

传统CPU 可用于做上述运算，但是CPU 还有大量的计算逻辑控制单元，这些单元在AI计算中是用不上的，造成了 CPU 在 AI 计算中的性价比较低。

2、GPU、FPGA 以及 ASIC 各有优劣，成为当前 AI 芯片行业的主流正因为 CPU 在 AI 计算上的弱点，给了可以实现海量并行计算且能够对进行计算加速的AI 芯片留下了市场空间。

从广义上讲，面向AI 计算的芯片都可以称为 AI 芯片，包括基于传统架构的 GPU、FPGA以及 ASIC（专用芯片），也包括正在研究但离商用还有较大差距的类脑芯片、可重构 AI 芯片等。

中国新一代人工智能科技产业发展报告(2019)1研究方法和样本数据库(二) 样本数据库(一) 研究方法图表1 中国智能经济样本库的样本构成价值网络关键节点的6类创新主体。

属性数据和关系数据。

中国人工智能科技产业的发展是一个快速涌现的过程，涉及多元创新主体的结网和互动。

复杂适应系统理论(CAS)和价值网络分析。

2中国的人工智能企业截至2019年2月28日，本报告共发现745家中国人工智能企业，大约占世界人工智能企业总数3438家的21.67%，仅次于排名第一的美国（1446家,占比42.06%）。

中国人工智能企业的创建时间集中分布在2010年至2016年之间，占比达到67.3%。

企业创建的峰值出现在2015年，占比为16.8%。

106家非初始人工智能上市公司进入人工智能领域的时间分布。

(一) 人工智能企业的创建和成长图表2 745家人工智能企业的成立时间分布图表3 非初始人工智能上市公司进入人工智能领域的时间分布(二) 地域分布从地域分布看，人工智能企业主要分布在京津冀、长三角和珠三角三大都市圈，占比分别为44.8%、28.7%和16.9%。

在各省市自治区中，人工智能企业主要分布在北京市、广东省、上海市、浙江省、江苏省、四川省、湖北省、天津市、福建省和山东省。

图表4 745家人工智能企业在全国都市圈的分布图表6 745家智能企业在全国主要城市的分布（占比排名前15）图表5 745家人工智能企业在省市自治区的分布图表7 745家智能企业的应用领域分布人工智能企业广泛分布在18个应用领域，其中企业技术集成与方案提供、关键技术研发和应用平台两个应用领域的企业数占比最高，分别达到15.7%和10.5%。

核心产业部门融合产业部门（三）应用领域图表8 577家人工智能样本企业所在应用领域的年度融资额图表9 577家人工智能样本企业平均融资额地域分布情况（单位：亿人民币）2018年，在745家人工智能企业中，能够检索到发生融资事件的企业家数为577家，融资总额为3832.22亿人民币，是2017年的2.04倍，无论融资总额还是融资次数均排名全球第一。