爱分析：2019年中国BI商业智能行业报告

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。

2019年德勤发布《中国智能制造分析报告》解读

数字世界现实世界
特斯拉的汽车制造的数字孪生
Gartner对美国、德国、中国与日本的202位企业的调查发现，到2020年，至少50%年收入超过50亿美元的制造商将为其产品或资产启动至少一项数字孪生项目，届时参与使用数字孪生技术的企业数量将增长3倍。预计在今后数年时间，将有数以亿计的用户使用数字孪生操作，它将被企业用于规划设备服务、生产线操作、预测设备故障、提高操作效率、加速新产品开发等。在未来，这项技术有望与工业生产彻底融合，推动智能工业进入新阶段。如何创建数字孪生？德勤认为数字孪生的创建包含两个主要关注领域：设计数字孪生的流程和产品生命周期的数据要求—— 从资产的设计到资产在真实世界中的现场使用和维护；创建使能技术，整合真实资产及其数字孪生，使传感器数据与企业核心系统中的运营和交易信息实现实时流动
从行业角度来看，航空航天领域全部受访企业已经打通从生产计划到执行的数据，但从生产执行到现场设备、产品以及供应链的数据链条连通相对滞后，提升空间大。电子组件及电器制造行业产品数据流和供应链数据流连通情况高于其他行业，数字化工厂整体水平较高。产品质量可谓是制药行业的生命，而打通产品数据流的制药企业仅占33%，行业需要强化产品全生命周期可追溯，提升产品质量管控能力。汽车及汽车零部件以及高端装备制造都在产品数据流方面领先（见下图）。
制造活动环节
信息技术贯穿设计生产管理服务
制
信息深度自感知
系
造过
智慧优化自决策
统模
程
精准控制自执行
式
智能制造是由物联网系统支撑的智能产品、智能生产和智能服务。
2017年，韩国政府宣布了10亿美元的人工智能资金；日本鼓励人工智能创业公司和风险投资；新加坡政府的国家研究基金会宣布国家人工智能计划（AI.SG），计划未来五年投入1.5亿新加坡元（约1.07亿美元）发展人工智能。

2019年版人工智能行业市场调研分析报告

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年中国数据智能行业分析报告

2019中国数据智能行业分析报告⽬目录⼀. 大数据新篇章——数据智能07⼀. 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. 三大应⼀用场景相对成熟42⼤数据新篇章——数据智能7|爱分析·中国数据智能⼀行行业报告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⼀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，大数据正式进⼀入业务智能化阶段，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、公安等⼀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⼀用，大数据进⼀入到业务监测阶段。

政府、央企以及大型国企等优质客群对于数据监测展现应⼀用需求旺盛，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⼀足企业需求，大数据开始与业务场景结合，⼀行行业进⼀入到业务洞洞察阶段。

此时，单纯的数理理统计很难满⼀足企业需求，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⼀入⼀人们的视野。

明略略数据、百分点、同盾科技、百融金服等公司在这⼀一时期成⼀长为⼀行行业内的明星公司。

2019年，大数据从业务洞洞察进⼀入到业务决策阶段，即由机器器形成数据报表或者数据报告，业务⼀人员进⼀行行决策，变为机器器直接给出决策建议，让机器器具备推理理能⼀力力。

例例如，在外卖、出⼀行行场景，美团和滴滴的系统直接形成最佳调度⼀方式，⼀自动完成决策环节，将任务下发给骑⼀手和司机。

2019中国人工智能商业落地研究报告

4
企业视角：AI创业机会收窄，研发+商业化并重成创企共识
Part.1 五大视角解读年度人工智能概况
企业
[ENTERPRISE]
2012-2018年中国人工智能领域初创企业成立情况
250 212 219
200
150
137
100 61 67
50
108 44
0 2012 2013 2014 2015 2016 2017 2018
学术
[ACADEMIC]
2017-2019年国际顶级人工智能学术会议论文提交量
0
2000Biblioteka 400060008000
AAAI
NeurIPS
CVPR IJCAI ICCV ICML ACL
2019 2018 2017
学术研究参与度持续上升，参与范围扩大，NLP等子领域取得进展近年来人工智能学术研究的参与度持续上升，直观表现为各大顶级学术会议的论文提交量逐年大幅攀升；学术研究的参与范围也不断扩大，除高校和科研机构外，企业更加积极地投入到基础科研中。论文主题主要围绕深度学习、机器学习、强化学习等领域展开研究。
科创板为人工智能企业拓宽融资渠道一级市场募资难度上升，使有高额资金需求的人工智能企业持续造血的难度加大。科创板开市，以注册制取代核准制进行新股发行审核，提升了上市效率，为相关企业开辟了IPO的快速通道，拓宽了融资渠道。目前，澜起科技、虹软科技在科创板上市，旷视科技则向港交所递交了招股说明书，优必选、云知声等发展速度较快的初创企业也已筹备在科创板或其他股市板块上市。
可落地性强，RPA掀起投资热潮人工智能的私募股权投资市场整体归于沉寂，细分赛道之一——RPA（机器人流程自动化）却成为热点，受到投资者的广泛重视。该技术能够承担各类需要高频处理强规则、结构化的重复工作流程，部署实现周期快，可拓展性强。其中美国RPA企业UiPath在三年内实现营收由350万美元到2亿美元的跨越。在国内，部分人工智能初创企业在今年也明确以RPA作为核心业务。

2019-2024年中国人工智能行业现状深度及产业综合评估报告

2019-2024年中国人工智能行业现状深度及产业综合评估报告自从2017年中国政府发布《新一代人工智能发展规划》，推动人工智能技术的发展，中国人工智能行业迎来了蓬勃发展的机遇。

截至2019年，中国已成为全球最大的人工智能市场，在算法、芯片、数据等方面均有明显进展。

本篇报告将对中国人工智能行业未来五年的发展现状进行深入的评估。

首先，当下中国人工智能行业的重点领域是数据处理、机器人、自动化及应用等技术。

现有技术的不斩chou，介入领域面广，这些优势将促进中国人工智能行业全面向纵深发展，使得人工智能技术具体应用的衍生能力及负面效应上升，整个产业体系将进一步被构建完善。

其次，在人工智能领域，中国的潜力和竞争优势依然具有显著的优势。

随着技术的不断进步，中国越来越能够在诸如机器视觉和自然语言处理等领域媲美或超越美国和欧洲的公司。

在人工智能领域，中国最大的优势也许是数据，由于中国人口的数量巨大,可以为企业采集大量的数据,从而推出更好的算法或模型。

而且，中国政府致力于支持创新创业，鼓励人工智能行业的发展。

政府提出了不少在智能制造、智能物流、智能医疗等方面的支持政策，同时也为人才提供相应的奖学金、津贴和税收免费等优惠措施。

这将激励中国人工智能企业进一步深入引领全球技术和市场发展。

但是，人工智能的技术和发展也会带来一些负面影响和挑战。

例如，会导致失业和社会不公等问题。

但是，中国政府也在加强相关政策的制定，以应对这些负面影响并确保人工智能产业的健康发展。

综上所述，未来五年，中国的人工智能行业将迎来更广泛的分享和利用。

与此同时，中国政府将继续推动人工智能的发展，并加强对人工智能技术的监管。

整体而言,中国人工智能行业将继续保持快速发展的趋势，但也需要在政策和监管方面加强基础设施和治理, 才能让人工智能为社会带来更多的好处。

自中国政府提出《新一代人工智能发展规划》以来，中国人工智能行业迎来了高速发展的阶段。

从数据上来看，以下是相关数据分析：一、市场规模根据IDC的报告，中国的人工智能市场在2019年达到了77.1亿美元。

2019 人工智能发展报告

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年新型商业智能发展概况解读解读

人工智能技术在商业各领域（如金融、医疗、客服、零售等）实现了广泛应用，进一步降低企业经营成本，提升应用效能，提高终端消费者的体验，最终实现商业各领域的转型升级。
商业智能与机器人流程自动化（RPA）
机器人流程自动化减少重复性工作，有效提升企业效能
机器人流程自动化（Robotic Process Automation）主要是通过软件机器人自动处理企业内部基于规则且大量重复性的工作流程任务。应用了该技术之后企业可以解放内部从事大量重复工作的劳动力，将员工分配到拥有更高附加值的任务之中，并且通过自动化处理实现24小时连续运行，进一步提升业务处理的效率。目前机器人流程自动化技术已广泛运用到如财务、会计、采购、人力资源、客户服务等多个通用的职能领域，在金融、医疗、零售等行业的一些流程中实现了落地。当前机器人流程自动化与人工智能的OCR识别、自然语言处理等技术有机结合，进一步提升业务处理效能，逐步向认知流程自动化方向发展。
个人数据监管影响：以GDPR为代表的个人数据保护法规虽一定程度限制了技术公司模型训练所获取的数据集来源，但也激发技术公司迭代并创新算法以减少采集个人信息用于技术开发的依赖程度。
商业智能概念界定
新型商业智能定位于通过核心技术对商业活动环节赋能服务
传统商业智能（ Business Intelligence ）是基于数据仓库、数据挖掘等大数据技术进行数据抽取、展示与分析，从而为企业实现商业价值提供支撑。艾瑞认为新型商业智能（Business + Artificial Intelligence）是在基于数据维度进行商业分析的层面之上，通过将人工智能核心技术（机器学习、计算机视觉、自然语言处理、智能语音交互、知识图谱）与大数据、机器人流程自动化（RPA）、运筹学等技术相结合，围绕商业活动中各典型关键环节进行洞察分析，并通过完整的解决方案级应用，推动产品创新与服务升级。本报告围绕上述界定的商业智能特征展开研究分析，描绘新型商业智能的应用现状、典型玩家布局及未来发展前景。