2019中国人工智能发展报告

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。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。好像数据行业迎来了历史上最好的时刻——数据

爆发的时刻。

但是，这已不是一个单纯的积累数据量的时代，这个新的时代，对计算提出了更高的

挑战。

第一，这些数据并不是所有的都被存储和收集。除了摄像头和话筒，一个手机携带的

传感器数量多达16个。这大量的隐形数据的采集、运算、存储、传输等等领域依然存在

着巨大的障碍。

第二，如何从大量的数据里面解读人的动作，识别人的场景是更加重要的一个问题。

现在的很多数据都是非结构化的情境数据，例如图像、声音、姿态、动作等等，需要人工

智能的帮忙从中间提炼有价值的信息。所有的世界上顶尖的技术公司都在做一件事情，就

是尝试用算法用机器学习去还原人在现实生活中的动作，不管视觉、听觉、姿态、感知还

是做一些基础的工作，现在语音识别的技术，图象识别的技术都在大规模的发展。但是为

什么当数十2

亿大脑神经元彼此传递信号时，就会出现喜爱、恐惧或者愤怒的主观感受呢？对此，

我们依然一无所知。人工智能对世界的认知还停留在早期阶段。

2019年，谷歌旗下的Deepmind 公司研发的人工智能围棋程序AlphaGo 以4:1的比分战胜了世界冠军李世石，震惊了世界。围棋因为其复杂性被认为是机器最难战胜人类的领域，但AlphaGo 通过深度学习和神经网络技术赋予了机器“直觉”以及自我学习能力，最终征服了围棋，成为了人工智能史上的又一里程碑，也让我们对人工智能的未来中充满了

信心。

人工智能作为一门交叉学科和科学前沿，至今尚无统一的定义，但不同科学背景的学

者对人工智能做了不同的解释：符号主义学派认为人工智能源于数理逻辑，通过计算机的

符号操作来模拟人类的认知过程，从而建立起基于知识的人工智能系统，其主要代表成果

是风靡一时的专家系统；联结主义学派认为人工智能源于仿生学，特别是人脑模型的研究，通过神经网络的联结机制和学习算法，建立起基于人脑的人工智能系统，其主要的代表成

果是风头正劲的深度学习；行为主义学派认为智能取决于感知和行动，通过智能体与外界

环境的交互和适应，建立基于“感知-行为”的人工智能系统，其主要代表成果是独树一

帜的强化学习。其实这三个学派分别从思维过程、脑结构、身体三个方面对人工智能做了

一个阐述，目标都是创造出一个可以像人类一样具有智慧，能够自适应环境的智能体。

数据促进了人工智能的发展。AI 技术的过去与现在的最大区别并不是算法上的区别，而是相适应的计算能力、原始数据和处理速度现在都有了，因此AI 技术现在能大放异彩。目前人工智能在识别，包括在认知，产生很大进展的原因首先是数据量带来的。本报告主

要将?工智能视为通过合成智能以研究智能特性的计算机科学的一个分支，并着重从人工

智能和数据的关系角度出发，分析了人工智能行业的发展现状与趋势，并给出建议。 3

一、人工智能的新时代到来：情境驱动时代

1、人工智能发展历史

A. 世界发展综述：三个阶段

纵观人工智能的发展历史，大致可以分为三个阶段。第一个阶段叫技术驱动阶段，第

二个阶段叫数据驱动阶段，第三个阶段叫情境驱动阶段。

人工智能1.0：技术驱动

人工智能行业研究分析报告

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。

2018年中国人工智能产业白皮书

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

人工智能研究报告-副本

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。

2016年全球及中国人工智能产业发展分析报告

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

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。

2020年人工智能产业发展深度研究报告

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

人工智能行业调研分析报告

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

人工智能发展报告

人工智能发展报告 一、简介 人工智能（Artificial Intelligence，AI）是指用计算机模拟或实现的智能。从学科角度讲，人工智能研究的是如何使机器（计算机）具有智能的科学和技术，特别是人类智能如何在计算机上实现或再现的科学和技术，它的研究涉及计算机科学、脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学、数学以及信息论、控制论和系统论等众多学科领域，是一门综合性的交叉学科和边缘学科。2016年3月，谷歌收购的人工智能初创企业DeepMind 所研发的AlphaGo程序以4∶1击败韩国围棋冠军李世石，成为近年来人工智能领域少有的里程碑事件；2016年底，新版AlphaGo又化名网络棋手Master对战包括10多位中韩世界冠军在内的棋手，豪取60连胜；2017年初，卡内基梅隆大学人工智能系统Libratus打败4名世界顶级德州扑克玩家，这些事件再次引发了大众对人工智能的兴趣。 二、发展现状 目前，人工智能已形成包含工业机器人、服务机器人、智能硬件、芯片、传感器等硬件产品，智能客服、商业智能、数据资源、计算平台等软件产品与服务在内的产业链条。全球人工智能企业集中分布在美国、中国、英国等少数国家。我国人工智能企业主要集中于北京、广东及长三角（上海、江苏、浙江）一带，占我国人工智能企业总数

的比例超过8成。互联网巨头百度、阿里巴巴和腾讯正在领导中国的人工智能市场，同时，数以百计的初创公司也正渗透到这一产业中。 全球人工智能申请专利主要集中在机器人、语音识别、神经网络、图像识别、机器学习、模糊逻辑、计算机视觉、自然语言处理等领域。我国人工智能申请专利占比前五位的领域分别为机器人、神经网络、图像识别、语音识别、计算机视觉。其中，自然语言处理、语音识别的技术成熟度最高，其次是图像识别、计算机视觉，而机器学习、神经网络等领域技术成熟度最低，还未形成大规模行业应用。同时，国内外人工智能企业研发的产品在诸多领域的商业化已如火如荼地展开，涉及安防、交通、医疗、电商、金融、家庭和教育等领域。 人工智能主要应用领域及相关企业 三、产业化瓶颈 现阶段，人工智能产业的发展主要受到人才、数据、计算平台和服务模式四方面的制约。首先，人工智能领域的人才稀缺。通过开放

【完整版】2020-2025年中国人工智能行业市场突围策略研究报告

（二零一二年十二月） 2020-2025年中国人工智能行业市场突围战略研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……

报告目录 第一章企业市场突围战略概述 (6) 第一节研究报告简介 (6) 第二节研究原则与方法 (6) 一、研究原则 (6) 二、研究方法 (7) 第三节研究企业市场突围战略的意义 (9) 第二章市场调研：2019-2020年中国人工智能行业市场深度调研 (10) 第一节人工智能走向产业应用 (10) 一、人工智能行业图谱 (10) 二、人工智能的商业模式 (12) 第二节人工智能助力企业数字化转型 (13) 一、人工智能价值创造的三个层次 (13) 二、人工智能助力企业业务智能化 (14) 第三节2019-2020年人工智能行业发展情况分析 (15) 一、美国规定10项AI监管原则 (16) 二、发展人工智能各国争先 (16) 三、人工智能以人为本 (18) 四、2019年人工智能发展的热点透视 (18) 五、人工智能将在回归理性中走向新的飞跃 (23) 第四节2020年人工智能行业发展展望 (25) 一、2020年形势的基本判断 (26) （一）从产业链建设看 (26) （二）从政策推动来看 (26) （三）从投融资情况看 (26) （四）从外部形势看 (27) 二、2020年新一代人工智能将围绕五大方向持续攻关 (27) 三、需要关注的几个问题 (28) （一）我国人工智能领域的基础创新投入严重不足 (28) （二）我国人工智能产业的算力算法核心基础相对薄弱 (28) （三）以算法战、深度伪造为代表的人工智能技术滥用给经济社会带来严重负面影响 (29) 四、应采取的对策建议 (29) （一）以算力为核心加强人工智能基础能力建设 (29) （二）体系化梳理我国人工智能产业供应链现状 (29) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力 (29) （四）在国际社会上提出发展“负责任的人工智能” (29) 第五节全球主要经济体人工智能发展战略 (30) 一、美国：政府高度重视，旨在继续“全面领先” (30) 二、欧盟：伦理价值观引领，协同合作推进战略 (32) 三、英国：积极推动产业创新发展 (33) 四、德国：借势工业4.0打造国家品牌 (34) 五、日本：以人工智能构建“超智能社会” (35)

2020年中国人工智能产业发展分析报告

2020年中国人工智能产业发展分析报告

目录 一、对2020年形势的基本判断 (4) （一）从产业链建设看，人工智能数据、算法、算力生态条件日益成熟。 4 （二）从政策推动来看，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区。 (6) （三）从投融资情况看，我国人工智能产业投资市场将关注易落地的底层技术公司。 (7) 二、需要关注的几个问题 (9) （一）我国人工智能领域的基础创新投入严重不足。 (9) （二）我国人工智能产业的算力算法核心基础相对薄弱。 (10) 三、应采取的对策建议 (13) （一）以算力为核心加强人工智能基础能力建设。 (13) （二）体系化梳理我国人工智能产业供应链现状。 (13) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力。 (14) （四）在国际社会上提出发展“负责任的人工智能”。 (14)

【内容提要】 2019年以来，中国人工智能产业发展迅猛，在产业链建设、政策推动、投融资发展上取得新进展，但也面临各种内外部压力和挑战。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注落地前景好的底层技术公司，但产业整体面临的外部形势将更为严峻。需关注的问题有我国人工智能领域的基础创新投入严重不足，国内人工智能产业的算力算法基础相对薄弱，以算法战、深度伪造为代表的人工智能技术滥用给我国经济社会带来潜在负面影响等。基于上述分析，赛迪智库电子信息研究所提出，以算力为核心加强人工智能基础能力建设、体系化梳理我国人工智能产业供应链现状、加快开拓国内外应用市场并提升出海抗风险能力、发展“负责任的人工智能”等措施建议。 2019年人工智能数据、算法、算力生态条件日益成熟，我国人工智能产业发展将迎来新一轮战略机遇，智能芯片、智能无人机、智能网联汽车、智能机器人等细分产业，以及医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域发展势头良好。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注易落地的底层技术公司，但同时产业发展的外部形势将更为严峻，美国对我国人工智能产业的压制可能从上游元器件转向下游行业应用。

2017年人工智能行业百度AI分析报告

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。Apollo 自今年7 月发布以来，已开放14 项核心能力，生态合作伙伴超50家，成为全球最强大的自动驾驶生态。此外，PaddlePaddle深度学习平台已经被应用于百度的30多个主要产品。 百度“能听会看”作为触手、带动技术领域的商业化落地。百度目前正使机器从“能听”走向“能听懂”：以语音识别作为切入点构建人工智能生态圈；通过自然语言处理技术赋予机器认知能力；以全方位视频理解技术使机器不仅“会看”，还会理解。

中国城市人工智能发展报告

2020年中国城市人工智能发展指数报告 人工智能应用场景较为广泛且多元化，在金融、安防、教育、医疗、零售、机器人等领域都有相对广泛的应用。 5大维度、20个三级指标，全面剖析中国36个城市人工智能发展情况 2020年是全面建成小康社会与“十三五”规划收官之年，为了实现全面建设小康社会的发展目标、增强经济发展韧性，我国各级政府重视培育壮大新动能，将新型基础设施建设（以下简称“新基建”）作为重要的逆周期调节手段，来实现惠民生、稳增长、补短板、调结构和促创新的目的。 人工智能作为新型基础设施建设的七大建设领域之一，能够实现人类智慧与机器的结合。通过推动人工智能发展，并与云计算、大数据等技术不断融合，可以实现推动产业升级，促进经济发展的作用。 从产业链各环节着手，洞察人工智能发展情况 通过对人工智能产业链进行梳理，将产业链划分为基础层、技术层和应用层。基础层主要包括芯片、传感器、计算平台等；技术层则由计算机视觉技术、语音识别、机器学习、自然语言处理等构成；在应用层中，人工智能应用场景较为广泛且多元化，在金融、安防、教育、医疗、零售、机器人等领域都有相对广泛的应用。

以36个人工智能重点城市为对象，多维度构建指标体系

筛选出36个人工智能重点城市参与人工智能发展指数研究，并构建由5个一级指标，12个二级指标和20个三级指标组成的综合指数评价体系。五类一级指标分别为城市发展环境、资金支持力度、研发能力、基础支持情况和发展成效，从5个角度全面、综合分析城市人工智能发展情况。 城市人工智能发展总指数从城市发展环境、资金支持力度、研发能力、基础支持情况和发展成效角度出发，考察各城市人工智能发展情况。

未来人工智能行业分析调研报告

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)

2019-2020年人工智能产业发展深度报告

2019-2020年人工智能产业发展深度报告 导语 据CAPIQ 数据显示，2010 年至2019 年10 月，美国AI 企业累计融资773 亿美元，领先中国320 亿美元，占全球总融资额的50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。 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。

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。

人工智能行业研究报告

人工智能行业研究报告 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运算机，到运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庞大的阻碍。尽管现在此刻可能是下一个AI 冬季（图8）到来之前的「给予承诺又让人败兴」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（更快更强的运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。尽管深度学习使运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 的图像识别，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形下，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，图像识别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，通过开创新的数据集，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

中国人工智能产业发展分析及对策研究

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，

2019中国人工智能发展报告

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)

我国人工智能的发展战略是()

我国人工智能的发展战略是() 战略重点之一：建立完善的数据生态系统 海量数据是训练人工智能系统、吸引人才、加速创新的核心要素之一。中国可以通过建立并落实数据规范、向私营领域开放公共数据、鼓励跨国数据交流来构建一个更为完善的数据生态系统。 首先，建立数据标准是进行广泛数据分享和实现系统间交互操作的重要前提条件，有助于提升物联网及人工智能技术的价值。潜在的庞大数据体量是中国的天然优势，使中国有机会在国际上更好地发挥领头羊的作用。而且，在与中文语言相关的数据规范制定方面，中国也应起到主导作用。 对于特定行业数据，政府可要求现有的监管机构制定必要规则。比如美国证券交易委员会在2009年出台规定，要求所有上市公司使用XBRL(可扩展商业 报告语言)格式发布财报，确保所有公开数据的机器可读性。 其次，为了提升数据的多样性，政府应提高公共数据的开放程度，并带头建设行业数据库。这些举措同时能够提升公共服务质量、提供政策制定洞见，从而带来额外益处。比如纽约市政府就建立了公开数据门户网站，为市民提供经济发展、医疗、休闲、公共服务等领域的数据。 2012年纽约市还颁布了《开放数据法案》，要求政府部门使用机器可读取的数据并建立API(应用程序编程接口)，方便软件研发人员直接连接政府系统并获取数据。 最后，中国政府还需考虑国际数据流的价值。麦肯锡全球研究院的调查表明，2014年，跨境数据流为全球经济创造了2.8万亿美元的价值，对经济增长的贡献已经超过实体贸易。此外，研究还指出，由于经济体需要接触全球的思想、研究、科技、人才和最佳实践案例，数据流入和流出都能十分重要。 数据是未来的货币。例如在医学研究中，如果没有全球海量临床数据的支持，人工智能的潜力就无法得到充分挖掘。过多的桎梏将会束缚中国的人工智能企业，导致其丧失开发具有全球竞争力产品的能力。 战略重点之二：拓宽人工智能在传统行业的应用 只有当人工智能技术在中国真正普遍的应用于传统行业，而不仅仅属于科技巨头时，其经济潜力才会充分彰显。提升各行各业的生产力水平将创造巨大的价值，但中国首先需要克服重重障碍。