2019中国人工智能行业现状分析xWord下载.docx
《2019中国人工智能行业现状分析xWord下载.docx》由会员分享，可在线阅读，更多相关《2019中国人工智能行业现状分析xWord下载.docx（43页珍藏版）》请在冰点文库上搜索。
3.1人机博弈发展趋势 18
3.2人工智能上升为国家战略 18
3.3人工智能芯片“云+端”高速发展 19
3.4发展人工智能，芯片先行 20
3.5模式识别发展趋势 21
3.6语音识别发展趋势 21
3.7专家系统发展趋势 22
3.8推动人工智能核心技术攻关 24
3.9建立针对重点技术产品的资金支持体系 24
3.10构建有机协同的产业生态并提升服务支撑能力 24
3.11研判安全风险和前沿问题 25
3.12创新思维模式，促进人工智能产业供需对接 25
3.13完善配套政策，营造人工智能产业发展环境 25
3.14积极引导，避免人工智能产业投资失衡 26
4.人工智能行业政策及环境分析 26
4.1国家加强政策支持力度 26
4.2地方政府扶持政策不断落地 28
4.3人工智能逐步成为国家发展战略 29
4.4“互联网+”推动人工智能 30
4.5人工智能行动实施方案发布 30
5.人工智能行业发展前景 32
5.1人工智能产业链条逐步形成 32
5.2人工智能产业发展塑造智能经济雏形 32
5.3万物互联的背景下，AI芯片的应用拥有广阔的想象空间
33
5.4智能硬件抢占 C 端入口，数据端入口打通，为算法奠定基础 33
5.5机器人按照应用领域的不同分为工业机器人、服务机器人、特种机器人 34
5.6多层次特征提取提升计算机视觉识别效果 35
5.7深度学习研究的初衷主要就是应用于图像识别 36
5.8语音逐渐成为人机交互的新范式，产品及商业模式成为盈利的关键 37
5.9技术进步与市场需求推动语音识别快速发展 37
5.10语音识别效果不断提升，国内语音识别与合成研究领先国际 38
5.11语音识别技术逐步开放，数据及场景成为竞争关键.38
5.12智能制造成为各国转型升级的核心战略 39
6.人工智能行业投资分析 41
6.1投融资规模持续上升 42
6.2投资轮次：
集中在B轮之前 42
6.3投资阶段：
初创期为主 43
6.4投资地区：
集中度较高 43
1.人工智能行业概况及现状
在中国，传统科技巨头百度、阿里巴巴和腾讯目前在人工智能领域处于领先地位。
在它们之后，国内还有上百家创业公司正在人工智能的各个方向探索新技术。
目前，语音识别和计算机视觉与图像是国内人工智能市场最热门的两个领域。
在人工
智能的影响下，新的细分领域将会出现（如无人机和智能机器人），传统行业（如家电、汽车和玩具）也将发生深刻的变革。
作为全球最大的汽车市场、最大的家电生产国和最大的无人机生产国，
中国正在形成全球最具吸引力的人工智能生态环境。
1.1国内人工智能企业现状
通过对国内的人工智能企业的研究发现，中国人工智能经济发展的推力，包括以“BAT”为首的互联网公司阵营，以清华大学为首的国内高校，以红杉资本中国、IDG中国为首的投资企业，以及爱奇艺、比亚迪、联科控股、海尔集团、中国移动等各领域的领先企业。
地域分布来看，人工智能企业主要分布在京津冀、长三角和珠三角大都市圈，占比分别为44.8%、28.7%和16.9%。
从省份分布来看，北京占43.2%、广东省16.9%、上海市
14.9%、浙江省8.3%。
投融资情况来看，2018年有融资行为的577家企业，融资总额为3832.22亿人民币，在全排名第一。
当前人工智能领域从业者的主要来源于两方面，一是国内外高校，包括国内的清华大学、北京大学、上海交通大学等，以及国外的美国斯坦福大学、美国卡耐基梅隆大学、美国得克萨斯大学、新加坡国立大学等。
二是国内外知名的互联网科技企业，包括国内的百度、阿里巴巴、腾讯、华为等，以及国外的微软、谷歌、IBM、微软亚洲研究院等。
投融资方面，人工智能企业的主要投资除了各大投资公司以外，还有很多企业对企业的投资行为，活跃的企业有腾讯、阿里巴巴、百度、联想等。
在应用领域方面，人工智能企业广泛应用于18个领域，其中企业集成与方案提供、关键技术研发和应用平台两个应用的企业数量最好，分别达到了15.7%和10.5%。
其次是智能机器人、新媒体和数字内容、智能医疗，分别为9.8%、9.4%、7.7%。
AI人工智能技术已经广泛应用于多个领域，包括最近的中美贸易摩擦，全球人工智能竞赛，5G竞赛等事件，都可以看出科技实力在国际平台上作用。
近年来国家和企业、机构都有大量的研发投入，也获得了诸多科技成果。
那么各大高校设立人工智能专业，也是应时代要求的结果，为中国培养更多的人工智能产业的应用人才而准备。
1.2国内人工智能历史沿革
人工智能大致可分为三个阶段：
第一阶段（1956-1980）人工智能诞生；
第二阶段（1980-2000）人工智能步入产业化；
第三阶段（2000-至今）人工智能迎来爆发。
1.3国内人工智能应用分类
从全球范围来看,全球人工智能企业主要集中在AI（各个垂直领域）大数据和数据服务视觉智能机器人领域其中,AI企业主要集中在商业（主要包含市场营销和客户管理领域）医疗健康金融领域。
从中国来看，各垂直领域的 AI 企业同样集中。
在各类垂直行业中，人工智能渗透较多的包括医疗健康、金融、商业、教育和安防等领域。
其中，医疗健康领域占比最大达到22%，其次金融和智能商业领域占比分别达到14%和11%。
经历了技术驱动和数据驱动阶段，人工智能现在已经进入场景驱动阶段，深入落地到各个行业之中去解决不同场景的问题。
此类行业实践应用也反过来持续优化人工智能的核心算法，形成正向发展的态势。
目前，人工智能主要在制造、家居、金融、零售、交通、安防、医疗、物流、教育等行业中有广泛的应用。
1.4国内制造行业应用现状
随着工业制造4.0时代的推进，传统制造业对人工智能的需求开始爆发，众多提供智能工业解决方案的企业应势而生，例如智航无人机、祈飞科技等。
人工智能在制造业的应用主要有三个方面：
首先是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备。
其次是智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容。
最后是智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式。
虽然目前人工智能的解决方案尚不能完全满足制造业的要求，但作为一项通用性技术，人工智能与制造业融合是大势所趋。
1.5国内人工智能学术及研发环境
在人工智能领域，国内大学发表国际论文数最多的是清华大学占比4.12%，其次是上海交通大学占比2.64%，浙江大学占比2.47%，哈尔滨工业大学占比2.30%，北京航空航天大学占比2.27%。
而人工智能领域中国国际论文发表的学科标签分类中，最多的是计算机科学占了46.03%，工程为17.36%，数学为13.56%。
1.6国内人工智能教育现状
人工智能作为一门新兴专业，学科内容涉及面也非常广，通过对各大高校的专业课程可以发现，人工智能会涉及到：
计算机科学、信息论、控制论自动化、仿生学、生物学、心理学、
数学逻辑、医学、感知学、医学等多个学科。
其行业发展的宽度涉及金融、安全、医疗、文娱、教育、汽车等多个领域。
去年6月份，清华大学正式成立了人工智能学院，由清华大学计算机系教授、中国科学院院士张钹出任首任院长，清华大学交叉信息研究院院长、图灵奖获得者姚期智担纲学术委员会主任。
在清华大学计算机科学与技术系下属有智能技术与系统、人机交互、计算机网络技术、高性能计算、计算机软件等多个研究所或项目。
交互式人工智能课题组隶属于清华大学计算机系人工智能实验室，主要从事机器学习与自然语言处理的应用基础研究，主要研究方向有深度学习、强化学习、问答系统、对话系统、情感理解、逻辑推理、语言生成等。
交互式人工智能（ConversationalAI,CoAI）的研究主要包括：
泛问题回答系统、任务或目标对话系统、开放领域闲聊系统。
例如小度音响、Applel-Siri、微软小冰，而微软小冰侧重于和用户闲聊、情感交流与陪护，是社交机器人走进千家万户的重要基础和前提。
作为更宽泛的人机交互的概念，交互的形式不仅限于语言情景，更包含图像信息、语音多媒体等，使其可以理解使用者，
1.7国内教育行业应用现状
科大讯飞、乂学教育等企业早已开始探索人工智能在教育领域的应用。
通过图像识别，可以进行机器批改试卷、识题答
题等；
通过语音识别可以纠正、改进发音；
而人机交互可以进行在线答疑解惑等。
AI和教育的结合一定程度上可以改善教育行业师资分布不均衡、费用高昂等问题，从工具层面给师生提供更有效率的学习方式，但还不能对教育内容产生较多实质性的影响。
1.8国内家居行业应用现状
智能家居主要是基于物联网技术，通过智能硬件、软件系统、云计算平台构成一套完整的家居生态圈。
用户可以进行远程控制设备，设备间可以互联互通，并进行自我学习等，来整体优化家居环境的安全性、节能性、便捷性等。
值得一提的是，近两年随着智能语音技术的发展，智能音箱成为一个爆发点。
小米、天猫、Rokid等企业纷纷推出自身的智能音箱，不仅成功打开家居市场，也为未来更多的智能家居用品培养了用户习惯。
但目前家居市场智能产品种类繁杂，如何打通这些产品之间的沟通壁垒，以及建立安全可靠的智能家居服务环境，是该行业下一步的发力点。
1.9国内安防行业应用现状
安防领域涉及到的范围较广，小到关系个人、家庭，大到跟社区、城市、国家安全息息相关。
智能安防也是国家在城市智能化建设中投入比重较大的项目，预计2017-2021年国内智
能安防产品市场空间将从166亿元增长至2094亿元。
目前智能安防类产品主要有四类：
人体分析、车辆分析、行为分析、图像分析。
智能安防行业现在主要还是受到硬件计算资源限制，只能运行相对简单的、对实时性要求很高的算法，随着后端智能分析根据需求匹配足够强大的硬件资源，也能运行更复杂的、允许有一定延时的算法。
这两种方式还将长期同时存在。
1.10国内交通行业应用现状
智能交通系统（IntelligentTrafficSystem，ITS）是通信、信息和控制技术在交通系统中集成应用的产物。
ITS应用最广泛的地区是日本，其次是美国、欧洲等地区。
目前，我国在ITS方面的应用主要是通过对交通中的车辆流量、行车速度进行采集和分析，可以对交通进行实施监控和调度，有效提高通行能力、简化交通管理、降低环境污染等。
1.11国内医疗行业应用现状
目前，在垂直领域的图像算法和自然语言处理技术已可基本满足医疗行业的需求，市场上出现了众多技术服务商，例如提供智能医学影像技术的德尚韵兴，研发人工智能细胞识别医学诊断系统的智微信科，提供智能辅助诊断服务平台的若水医疗，统计及处理医疗数据的易通天下等。
尽管智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥重
要作用，但由于各医院之间医学影像数据、电子病历等不流通，导致企业与医院之间合作不透明等问题，使得技术发展与数据供给之间存在矛盾。
1.12国内金融行业应用现状
人工智能在金融领域的应用主要包括：
智能获客、身份识别、大数据风控、智能投顾、智能客服、金融云等，该行业也是人工智能渗透最早、最全面的行业。
未来人工智能也将持续带动金融行业的智能应用升级和效率提升。
例如第四范式开发的一套AI系统，不仅可以精确判断一个客户的资产配置，做清晰的风险评估，以及智能推荐产品给客户，将转化率提升
65%。
很多金融行业的应用，都可以作为人工智能在其他行业落地的典型案例。
1.13国内零售行业应用现状
人工智能在零售领域的应用已经十分广泛，无人便利店、智慧供应链、客流统计、无人仓/无人车等等都是的热门方向。
京东自主研发的无人仓采用大量智能物流机器人进行协同与配合，通过人工智能、深度学习、图像智能识别、大数据应用等技术，让工业机器人可以进行自主的判断和行为，完成各种复杂的任务，在商品分拣、运输、出库等环节实现自动化。
图普科技则将人工智能技术应用于客流统计，通过人脸识别客流统
计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。
1.14国内物流行业应用现状
物流行业通过利用智能搜索、推理规划、计算机视觉以及智能机器人等技术在运输、仓储、配送装卸等流程上已经进行了自动化改造，能够基本实现无人操作。
比如利用大数据对商品进行智能配送规划，优化配置物流供给、需求匹配、物流资源等。
目前物流行业大部分人力分布在“最后一公里”的配送环节，京东、苏宁、菜鸟争先研发无人车、无人机，力求抢占市场机会。
2.人工智能行业市场分析
2.1未来中国人工智能市场规模将超700亿
中国部分新兴技术领域已经进入全球第一梯队，从人工智能产业看，中国人工智能领域融资金额居全球之首，达到325亿美元，在全球占比达到58%。
统计数据显示，2015中国人工智能市场规模已突破100亿元，到了2016年中国人工智能市场规模达到141.9亿元，同比增长26.3%。
截止到2017年中国人工智能市场规模增长至
216.9亿元，同比增长52.8%。
初步测算2018年中国人工智能市场规模将达339亿元左右，比2017年增长56.3%，远高于全球17%的增速水平。
并预测在2019、2020年中国人工智能市场规模将达500亿元、710亿元。
2015-2020年复合年均增长率为44.5%。
2.2人工智能加速发展
百度与一汽红旗联合推出中国首款L4级自动驾驶乘用车。
李彦宏还与一汽集团董事长、党委书记徐留平共同发布了量产计划：
2019年小批量下线示范运行、2020年大批量投放更多城市运营。
除了百度不断攻城略地，另一大人工智能巨头谷歌母公司
Alphabet旗下的自动驾驶公司Waymo近日发布声明称，已获美国加利福尼亚州机动车辆部（DMV）批准，成为全球首家获得
前排无人类司机驾驶测试许可的公司。
同时，人工智能也获得了全球多国政府的政策支持，特别是中国对人工智能产业的政策支持力度不断加大。
预计到了2020年、2025年和2030年中国AI核心产业规模将分别超1500亿元、4000亿元和10000亿元，并且带动数万亿规模的相关产业。
中国计划推广新一代的人工智能即2.0版本，预计2020-
2035年中国人工智能核心产业规模将大幅扩大，预计到2035
年，人工智能有潜力拉动中国经济年增长率上升1.6个百分点。
预计到2020年全球人工智能核心产业规模将超过1300亿美元，年均增速达到60%，其中基础层、技术层、应用层产业规模将分别突破270亿美元、342亿美元和672亿美元。
我国核心产业规模将超过220亿美元，年均增速接近65%，三大层次产业规模将分别突破44亿美元、66亿美元和110亿美元。
随着人工智能在我国移动互联网、智能家居等领域的发展，我国人工智能产业将持续高速成长。
预计到2022年，国内中国人工智
能行业市场规模将达到680亿元。
当前从中央到各大部委、到地方，对于人工智能的扶持政策持续加码出台。
我国人工智能产业景气度有望进一步上行，
2.3扶持政策持续加码出台细分方向有“钱景”
自动驾驶、智能服务机器人、金融科技、智能穿戴设备等细分方向有“钱景”。
2.4中国人工智能产业蓬勃发展
总体来看，中国人工智能产业蓬勃发展，已经成为人工智能发展极为迅速的国家之一。
中国人工智能快速发展的推动力主要来自计算力明显的提升、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。
同时，科技巨头全产业链的布局正在展开，初创企业则深耕垂直行业，力图打造自身的业务护城河。
从市场规模来看，统计数据显示，2015中国人工智能市场规模已突破100亿元，到了2016年中国人工智能市场规模达
到142亿元，同比增长27%。
截止到2017年中国人工智能市
场规模增长至217亿元，同比增长53%。
初步测算2018年中
国人工智能市场规模将达339亿元左右，比2017年增长56%，远高于全球17%的增速水平。
3.人工智能行业发展趋势分析
3.1人机博弈发展趋势
中国象棋是中华民族的文化瑰宝，是一种怡神益智的活动，千百年来长盛不衰，深受广大群众的喜爱。
自2006年8月举行
“浪潮杯”首届中国象棋人机大战（图11），至今已有10年，共举行过5届大赛，产生深远影响。
同样中国也是国际围棋的发源地，无论是国际围棋或中国象棋，在国内具有众多的人机博弈爱好者，其产业发展和市场前景十分看好。
仅一款象棋对战游戏平台软件，就可以万人同时参与在线对决。
3.2人工智能上升为国家战略
7月20日，新华社2报道了国务院关于印发3《新一代人工智能规划》4的通知，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
本次《规划》的印发意义重大。
其一，本次
《规划》的印发由国务院主导，意味着人工智能正式成为国家战略。
其二，本次《规划》明确提出了“三步走”的战略：
第一步，我国人工智能产业到2020前与世界先进水平同步，重点发展领域为大数据智能、跨媒体智能、群体智能、混合增强
智能、自主智能系统等，AI核心产业1500亿，拉动1万亿；
第二步，到2025部分技术与应用达到世界领先水平，重点领
域为智能制造、智能医疗、智慧城市、智能农业、国防建设等，
AI核心产业4000亿拉动5万亿；
第三步到2030年达到世界先进水平，重点领域为类脑智能、自主智能、混合智能和群体智能等，AI核心产业1万亿拉动10万亿。
三步走的战略将《规划》进行了细化，并给出了具体量化的发展目标，有望推动人工智能的快速发展逐步实现。
其三，本次《规划》不仅对人工智能的基础硬件、算法框架等内容提出了要求，同时对软件、下游应用、生态，以及人才培养体系等、相关配套政策均提出了要求，有望使人工智能作为生态型重点发展产业扶持。
其四，《规划》提出了要给予充分的财政和政策支持，并鼓励成立人工智能发展基金，政策和资金上的支持对新兴产业的发展至关重要，将成为行业发展的基石。
3.3人工智能芯片“云+端”高速发展
未来人工智能芯片的应用大体有两个方向：
其一是用于云端服务器的的芯片，对于云端的高运算需求来说，预计将以
CPU+GPU搭配为主，主要特点是高功耗、高计算能力以及通用性，云端人工智能运算对于具体应用场景的要求较少，通用芯片即可满足要求；
其二是用于终端（例如手机及其他智能硬件）的人工智能芯片，由于终端运算空间有限，所以对于芯片的要求主要在于其低功耗，并针对不同场景有所区分，因此定制及半定制化的FPGA、ASIC及类脑芯片有望成为主流。
“CPU+GPU并行”在人工智能云端中被广泛运用：
计算能力的限制曾经是人工智能研究跌入低谷的原因。
随着摩尔定律的发展，计算能力逐步得到解放。
CPU性能飞速提升，被最初用来训练深度学习。
但不久发现拥有出色的浮点计算性能的GPU更适合做深度学习训练。
提高了深度学习两大关键活动：
分类和卷积的性能，同时又达到所需的精准度，相对传统CPU的方式，GPU拥有更快的处理速度、更少的服务器投入和更低的功耗。
现在文本处理、语音和图像识别上，CPU+GPU并行不仅被
Google、Facebook、百度、微软等巨头采用，也成为猿题库、旷视科技这类初创公司训练人工智能深度神经网络的选择。
3.4发展人工智能，芯片先行
深度学习通过构建很多隐层的机器学习模型和海量的数据来训练机器，使机器去学习更有用的特征，从而最终提升分类和推理的准确性，引领当今人工智能算法方向。
深度学习需要进行大量的并行计算，而传统的CPU往往需要数百甚至成千上万条指令才能完成一个神经单元的处理，无法支撑深度学习大规模数据的并行计算，深度学习需要新的芯片来对大规模的并行计算进行加速。
目前常用的加速深度学习并行计算的人工智能芯片有GPU、FPGA、ASIC和处于理论阶段的类脑芯片。
深度学习的训练需要强大的计算能力：
人工智能因其自身神经网络模型结构的复杂性，以及训练深度神经网络需要大量的高阶
统计数据，对于计算能力的需求非常大。
与李世乭对弈的谷歌
ALPHAGO有1920个CPU加280个GPU，而这只是比赛时执行深度学习算法的计算机系统。
训练这个深度学习算法的计算机网络规模至少要提高一个数量级，而这个提供训练计算能力的计算机网络才是ALPHAGO持续进化的原动力。
3.5模式识别发展趋势
在虹膜识别、步态识别、身份识别等领域取得新成果。
近年来，在多层神经网络基础上发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能，成为当前最热门的方法。
前面提到的虹膜识别及其在身份识别等方面的成功应用，已形成产业，占领国内外市场，就是很好的例证。
3.6语音识别发展趋势
中国在自然语言处理特别是语音识别领域已经达到国际先进水平。
2015年中国智能语音产业规模达到40.3亿元，较2014年增长41.0%，远高于全球语音产业增长速度。
预计到2017年，中国语音产业规模预计达到100.7亿元。
2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球排名前五，占有中文语音技术市场70%以上市场份额，语音合成产品市场份额达到70%以上。
现在中国智能语音的应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、智能金
融、智能教育和智能医院等场合得到越来越多的应用。
此外，一些海外留学人员也在语音识别领域取得国际领先水平的成果，微软研究院黄学东就是该领域的一位突出代表。
3
升级会员 