2017中美人工智能产业玩家图谱
十张图带你了解2017年中国人工智能融资情况!(附六大权威机构AI融资数据汇总)
十张图带你了解2017年中国人工智能融资情况！（附六大权威机构AI融资数据汇总）一、中国人工智能融资规模通过前瞻产业研究院《2018-2023年中国人工智能芯片行业市场需求分析与投资前景预测》对国内外权威机构的汇总，CB Insights、中国信通院、腾讯研究院、乌镇智库、IT桔子、清科研究院的报告分别显示2017年中国人工智能融资约为73亿美元、1800亿元、142亿元（2017年上半年）、15.9亿美元（2016年）、582亿元、151.72亿元（2017年1-5月），较上年增速分别为935%、63%、19%、220%、65%、83%。
这几家研究机构的数据有差异，估计是统计口径不同，但无论统计数据来源于哪个机构，都显示人工智能行业最近几年获得了巨额融资且增速明显。
图表1：国内外权威机构对2017年中国人工智能融资情况的统计（单位：亿美元，亿元，%）资料来源：前瞻产业研究院整理1、CB Insights：2017年中国AI融资73亿美元，增长近十倍国际权威研究机构CB Insights统计，2017年全球范围内有152亿美元的投资被投入到AI领域，比2016年增加141%。
其中，中国公司吸引到的投资为73亿美元，占全球比重达48%，位列第一（美国吸引到了38%的投资）。
而在2016年，中国公司仅获得11.3%的投资（约7亿美元），2017年增幅惊人。
图表2：CB Insights：2016-2017年中国人工智能融资情况（单位：亿美元，%）资料来源：前瞻产业研究院整理2、中国信通院：2017年中国AI融资1800亿，增长63%国内人工智能领域投融资在2011年初见规模，除2013年出现一定波动外，该领域投资热情持续高涨，2017年投融资总规模达到1800亿人民币，平均每笔金额接近6亿人民币。
图表3：中国信通院：2008-2017年中国人工智能融资情况（单位：亿元，笔）资料来源：前瞻产业研究院整理3、腾讯研究院：2017年上半年AI融资142亿元腾讯研究院指出，2016年，中国总融资额短暂接近美国，达到492.98亿，距离美国约30亿。
AI人工智能顶层设计及介绍
AI研究的长期投资战略；（基础研究战略） 开发有效的人类与人工智能合作措施战略；（人机交互战略） AI的伦理、法律和社会学研究战略；（社会学战略） 确保AI系统的安全战略；（安全战略） 开发适用于AI培训和测试的公共共享数据集和环境战略；（数据和环境战略） 通过标准和基准测量和评估AI技术战略；（标准战略） 更好的了解国家AI研发人力需求战略。（人力战略）
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
第三应用层的应用平台
在人工智能应用平台领域，中、美两国的互联网企业均推出基于人工智能技术的垂直应用平台。在语音平台上，美国有谷歌的Google assistant、亚马逊的Alexa、IBM的Watson、微软的Cortana、Facebook的D在开放平台的数量上中国不及美国，但从整体布局来看，基本与美国并驾齐驱。
四、资源配置
五、保障措施
一、人工智能顶层设计—解读《新一代人工智能发展规划》
六、组织实施
一、人工智能顶层设计—解读《新一代人工智能发展规划》
一、人工智能顶层设计—美国AI战略家战略层面来布局AI领域的技术研发。卓越的技术研发机构，理论学科以及各类实验室为人工智能的发展奠定了雄厚的技术基础，并且也取得了大批令人瞩目的研发成果。表明政府在推动人工智能技术发展的过程中发挥着重要作用。反过来，人工智能技术能给当今以及未来的美国社会带来巨大的效益，不仅会提高美国的经济活力和生产力，而且能改善民众福利。
2017年中国人工智能产业链专题分析报告
2017年中国人工智能产业链专题分析报告目录第一节人工智能核心技术应用加速落地 (5)一、“基础层-技术层-应用层”的产业架构日渐明晰 (5)二、核心技术应用屡有突破 (8)第二节全场景应用行路致远 (20)一、AI 重塑金融：改善用户体验 (21)二、AI 重塑医疗：力助缓解看病“两难” (22)三、AI 重塑社交：交互纵深延伸 (25)四、AI 重塑教育：提供“课前-课中-课后”一站式服务 (26)五、AI 重塑工业：中国制造 2025 的助推器 (28)六、AI 重塑农业：颠覆传统模式 (30)第三节企业分析 (31)图目录图1：国内企业已经实现全产业链覆盖 (5)图2：计算机视觉技术与其他领域的关系 (8)图3：机器学习与人类学习的对比 (10)图4：自然语言处理技术体系 (12)图5：软银机器人Pepper (14)图6：Google机器人Atlas (14)图7：柯马SMART系列工业机器人 (15)图8：2015-2020年全球生物识别技术行业市场规模(单位:亿美元) (18)图9：2002-2020年中国生物识别技术行业市场规模 (18)图10：2015-2020年全球生物识别技术行业市场结构 (19)图11：人工智能产业结构 (20)图12：认知智能突破时间尚不明确 (20)图13：算法处理效果和包含算法的人工处理效果对比图 (22)图14：可穿戴智能设备 (23)图15：远程问诊 (23)图16：问答机器人 (25)图17：“未来教师”机器人 (27)图18：现代工业机器人 (28)图19：2000年-2018年全球工业机器人销量（万台） (29)图20：智能灌溉 (30)图21：农业机器人插秧 (31)表目录表1：国内人工智能基础层业务公司 (6)表2：国内AI技术层业务公司 (6)表3：国内AI应用层业务公司 (7)表4：计算机视觉技术应用 (9)表5：计算机视觉公司简介 (10)表6：机器学习公司 (11)表7：自然语言处理公司 (12)表8：语音技术公司 (13)表9：智能机器人公司 (16)表10：主要生物识别技术介绍 (16)表11：生物识别应用领域 (17)表12：人工智能在医疗领域的应用 (22)表13：人工智能健康医疗技术 (24)表14：社交数据分析的商业应用 (26)表15：A股市场人工智能主要概念标的简介 (31)第一节人工智能核心技术应用加速落地人工智能风口已至已毋庸置疑，但需要声明的是，以算法、深度学习、增强学习为代表的核心技术研发周期较长，由此决定了人工智能的全面爆发不可能一蹴而就。
2017年海外人工智能AI行业分析报告
(此文档为word格式，可任意修改编辑！）2017年3月正文目录1. AI 基础层——NVIDIA、Mobileye 的AI 芯片盈利爆发，Intel 迅速转型41.1 NVIDIA——AI芯片业绩呈现爆发增长 (4)1.2 英特尔——巨资打造AI 芯片业务，云服务及物联网驱动业绩增长 (7)1.3 Mobileye——ADAS 系统需求旺盛，营收持续强劲增长 (10)2. AI 技术层——算法龙头（Google、IBM）引领AI 时代，加速数据资源变现 (12)2.1 Google——机器学习领导者，AI强化谷歌广告业务的高速增长势头 (12)2.2 IBM——Watson引领认知商业时代，AI及云计算已成为业绩主要贡献点143. AI 应用层——Facebook、苹果等语音/图像/助理等领域盈利模式尚不成熟，垂直领域蓝海空间巨大 (17)3.1 Facebook——AI 持续扩大用户规模，广告业务快速变现流量 (18)3.2 苹果公司——AI 改善用户体验，iPhone 销量稳步增长 (21)4.云计算——亚马逊、微软云计算业务增速强劲 (23)4.1 亚马逊——云计算、智能家居成为盈利亮点 (24)4.2 微软——智能云营收占比已经高达26.32%，已成为重要盈利点 (26)4.3 相关建议 (29)4.4风险揭示 (29)图目录图1：NVIDIA全面布局AI，构建端到端深度学习平台 (5)图2：NVIDIA GPU 3年间将深度学习效率提升50倍 (6)原设备制造&IP业务”及增速 (7)图3：英特尔全面布局人工智能领域 (8)图4：FPGA可明显降低人工智能算法能耗 (9)图5：Mobileye EyeQ芯片发展蓝图 (10)图6：ADAS系统对应汽车自动化1-3级 (11)图7：Google人工智能的重点布局领域 (13)图8：人工智能是IBM六大并购方向之一 (15)图9：IBM全面布局认知商业领域 (16)图10：AI是Facebook未来三大发展方向之一 (19)图11：围绕社交重点布局语义识别、图像识别、智能助理 (20)图12：Facebook营收、净利润增速强劲 (21)图13：Facebook用户数量稳步增长 (21)图14：在保护隐私前提下，苹果通过AI改善用户体验 (22)图15：苹果在AI领域进行大规模收购 (23)图16：亚马逊AWS占全球云计算市场份额高达31% (25)图17：亚马逊Echo智能音箱销量爆发式增长 (25)图18：微软将AI融入每一类产品，打造AI生态 (27)图19：微软Azure覆盖视觉、语音、语言、知识、搜索 (28)表目录表1：NVIDIA与AI相关的“数据中心、汽车电子业务”增速远高于“传统游戏业务、原设备制造&IP业务”及增速 (7)表2：英特尔与AI相关的数据中心、物联网业务大幅增速高于传统PC芯片业务 (9)表3：2015年，Mobileye营收增速高达67.36%，呈现爆发增长态势 (11)表4：AI增加Google客户粘性，Google各细分市场业绩表现均较好 (14)表5：2016年，以IBM Watson为代表的认知解决方案实现营业收入181.87亿美元，占比达22.76% (17)表6：受“三星爆炸、AI增强用户体验”等影响，iPhone销量持续增长 (23)表7：2016年，亚马逊AWS云服务平台实现营收122.19亿美元，同比上年增长55.06%，表现尤为靓丽 (26)表8：2016年上半年，微软智能云营收占比已经高达26.32%，成为重要盈利点 (29)1. AI 基础层——NVIDIA、Mobileye 的AI 芯片盈利爆发，Intel 迅速转型近年来，以物联网、大数据、云计算、人工智能（AI）的新兴产业崛起势头强劲。
中国智能家居产业生态图谱2017
中国智能家居产业生态图谱2017
2017年3月13日，易观发布了《中国智能家居产业生态图谱2017》的生态图谱，主要对在人工智能和物联网技术的发展带动下，智能家居蓬勃兴起，互联网巨头及新兴创业公司从硬件、技术、系统解决方案等不同角度进行布局，智能家居系统初显。
本次智能家居产业生态图谱，通过系统梳理智能家居产业链，囊括市场中主要的智能家居相关企业，形成较为完善的智能家居产业概况，帮助行业从业者及相关市场观察者，快速了解智能家居行业的市场现状呈现。
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
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。
2017年人工智能行业现状及发展趋势分析报告
(此文档为word格式，可任意修改编辑！）2017年4月正文目录1 人工智能与人工神经网络 (6)1.1 从神经元到神经网络 (7)1.1.1 神经元及其抽象模型 (7)1.1.2 前馈神经网络 (8)1.2 深度学习：CNN与LSTM (9)1.2.1 卷积神经网络（Convolutional Neural Networks，CNN） (10)1.2.2 循环神经网络（Recurrent Neural Networks，RNN）与长短期记忆网络（Long-Short Term Memory，LSTM） (11)1.3 深度学习框架 (12)1.4 神经网络的发展几经沉浮 (14)2 人工智能已经到了爆发的关口 (15)2.1 深度学习经过十年的发展已比较成熟 (15)2.2大数据和云计算为人工智能的发展扫清了障碍 (16)2.2.1大数据造就了规模，规模造就了深度学习 (16)2.2.2 计算能力决定了人工智能的下限 (18)2.3 真正的智能化需求正在增长 (19)2.4 IT巨头频繁布局，创业公司和资本井喷 (22)3人工智能产业链 (24)3.1 人工智能芯片 (25)3.1.1人工智能从三个层面对芯片提出了要求 (25)3.1.2 人工智能芯片的发展路径：从通用走向专用 (26)3.1.3芯片厂商存在弯道超车机会 (34)3.2人工智能应用 (34)3.2.1基础应用：准确率是关键，变现是难题 (35)3.2.2高级应用：与环境交互频繁，颠覆性巨大 (36)3.2.3行业应用：与行业紧密结合，最先落地 (37)3.2.4人工智能应用的演进路径：从行业应用开始的良性闭环 (38)4人工智能产业的发展趋势 (42)4.1企业收购频繁，上下游垂直整合 (42)4.2 学界与业界的壁垒正在逐渐打破 (43)4.3 端到端学习的崛起 (44)4.4 无监督学习与强化学习将重塑人工智能 (45)4.4.1无监督学习 (46)4.4.2强化学习 (46)4.4.3应用举例 (47)5 投资机会分析与标的推荐 (49)5.1市场规模 (49)5.2 成熟时机 (49)5.3 行业催化剂 (50)5.3.1 创新的行业应用 (50)5.3.2物联网商用 (52)5.3.3技术突破 (53)5.4 总结 (53)5.5 投资逻辑和标的推荐 (54)图表目录图表1：Alpha Go像去年一样吸引了无数人的关注 (6)图表2：神经元的结构 (7)图表3：神经元的抽象模型 (8)图表4：典型的前馈神经网络 (9)图表5：深度学习的新结构和新方法 (10)图表6：一个具有7层网络结构的CNN (10)图表7：RNN的结构 (11)图表8：LSTM的结构 (12)图表9：巨头相继开源深度学习框架 (13)图表10：目前常用的开源深度学习框架 (13)图表11：Caffe在CPU、GPU和cuDNN下的性能比较 (14)图表12：神经网络的发展历史 (14)图表13：百度语音识别的算法模型迅速迭代 (15)图表14：科大讯飞DFCNN结构图 (16)图表15：2016年深度学习模型重大突破 (16)图表16：全球数据总量10年增长了40倍 (17)图表17：规模造就了深度学习 (18)图表18：并行计算、分布式计算、集群计算和云计算 (18)图表19：人工智能是大数据的延伸 (19)图表20：全球可穿戴智能设备出货量 (20)图表21：人工智能重塑行业生态 (21)图表22：中美人工智能相关战略 (21)图表23：IT巨头布局人工智能 (22)图表24：全球人工智能投资金额及频次 (23)图表25：中国人工智能投资金额及频次 (23)图表26：人工智能创业公司众多 (24)图表27：人工智能产业链 (24)图表28：16位计算带来两倍的效率提升 (26)图表29：人工智能芯片的发展路径 (26)图表30：CPU与GPU的抽象结构 (27)图表31：CPU与GPU理论每秒10亿的浮点运算数（GFLOP/s）比较 (27)图表32：NVIDIA2016财年-2017财年的收入和净利润 (28)图表33：黄仁勋在2016年GPU技术大会上公布Tesla P100 (29)图表34：使用NVIDIA 深度学习GPU的机构数及分布 (29)图表35：做矩阵乘法时CPU、GPU、FPGA的效率对比 (30)图表36：FPGA降低了Bing的延迟，提高了延迟的稳定性 (31)图表37：三款主要的神经网络芯片 (32)图表38：骁龙820中的各IP核 (33)图表39：DSP IP核公司与产品 (33)图表40：寒武纪并不急于推出芯片，而是首先推出IP授权 (34)图表41：人工智能应用 (35)图表42：国内主要基础应用公司 (36)图表43：国内主要高级应用公司 (36)图表44：人工智能的适用领域 (37)图表45：国内主要行业应用公司 (38)图表46：人工智能应用的演进路径 (38)图表47：科大讯飞麦克风阵列面临的现实问题与解决方案 (39)图表48：机器学习性能提升曲线 (40)图表49：不同人脸识别技术的准确率比较（基于LFW数据集） (40)图表50：纽昂斯2012-2015年收入和净利润 (41)图表51：2015年全球语音识别市场份额 (41)图表52：近期人工智能公司收购案例 (43)图表53：学术界人才加速向产业界流动 (44)图表54：语音识别的端到端模型 (45)图表55：智能驾驶的端到端模型 (45)图表56：强化学习示意图 (47)图表57：Alpha Go的聚类算法示意图 (48)图表58：Alpha Go的三个神经网络层次 (48)图表59：人工智能市场规模 (49)图表60：Gartner2016年新兴技术成熟度曲线 (50)图表61：Facebok的DeepText帮助用户进行决策 (51)图表62：全球物联网连接数预测 (52)图表63：婴儿标签：应用RFID和皮肤感应的防脱落标签 (57)图表64：高新兴立体防控云防系统逻辑整合旧监控系统逻辑 (58)图表65：赛为智能业务介绍 (60)图表66：易联众产品人力资源社会保障服务自助终端和专利 (62)图表67：四维图新业务构成变动 (63)图表68：相关标的及重点标的 (64)1 人工智能与人工神经网络2016，AlphaGo轻松战胜李世石，由此开始了持续一年的大讨论；2017年伊始，Alpha Go的升级版本Master就以一波60连胜宣告强势归来，同样宣告的还有即将到来的人工智能时代。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
AI 平台类别几乎尚未形成。
2
2、热门领域 （1）海外市场中，医疗、金融、无人驾驶及销售&营销为最热门的应用领域；在海量数据的优质环境 下，其中纯软件应用高度可行从而占据绝对多数。 （2）中国市场中，医疗、陪伴交互、无人驾驶、教育是最热门的应用领域；企业相对更集中于硬件领 域，以便于直接同终端用户接触获取数据。
5
2、中国产业图谱
注：括号里为该领域满足筛选标准的公司数量，具体筛选标准见“全文摘要”部分 资料来源：资料来源ห้องสมุดไป่ตู้IT 桔子，CB Insights，Comet Labs，Goldman Sachs，机器之心；公开信息
6
【易凯行研报告 2017 – 健康产业】 中美人工智能产业玩家图谱
二、细分领域对比分析
【易凯行研报告 2017 – 人工智能】
中美人工智能产业玩家图谱
2017.7.18
1
【易凯行研报告 2017 –人工智能】 中美人工智能产业玩家图谱
全文摘要
本报告旨在呈现一个相对完整的中美人工智能产业玩家图谱。我们基于知名机构的研究报告和人工智能行业 榜单等市场公开信息，筛选了其中单笔融资额超过 1,000 万人民币或等值外币的公司，共计 378 家，其中中 国公司 140 家，以美国为主的海外公司 238 家。 我们将人工智能行业分为三大层次： 1、基础层：计算能力支撑、数据资源（包括芯片、传感器、云、数据和算法结构） 2、技术层：算法、模型及技术开发（包括语音&声学识别技术、语义识别&分析 、视觉识别技术和 AI 平台） 3、应用层：人工智能在各行业的渗透应用（包括医疗健康、无人驾驶、营销、金融、仓储物流等垂直行业
相应的布局
8
3、数据分析-应用层
注：所有合计数字已去重 资料来源：CB Insights，Crunchbase，Comet Labs，Goldman Sachs，机器之心，IT 桔子；公开信息
中外共性 不论中外市场，医疗、金融、无人驾驶、工业协作、客服都是最热的应用领域 中外差异 医疗、金融领域，海外企业享有数据为主的基础设施优势，应用能力大幅领先 销售&营销领域，海外企业延续了 SaaS 时代开始的行业先锋角色，而中国企业还未成气候 陪伴&服务领域，Amazon/Google/Apple 等在海外市场垄断式领先，创业企业几乎无机会；中国市场在政
础层环境及庞大的应用层群体需求，催生了 AI 平台的发展 中国特性 “视觉识别”受益于安防等直接的商业机会，是目前最热的风口，包括“人脸识别”、“图像识别”、“机器视
觉”等方向，囊括了近 6 成技术层企业 顺应对语音交互方式的预期，“语音识别”和“语义分析” 正在成为新的机遇，BAT 近期在该领域也开始了
3
【易凯行研报告 2017 – 健康产业】 中美人工智能产业玩家图谱
目录
一、人工智能产业图谱 1、海外产业图谱（美国为主） 2、中国产业图谱
二、细分领域对比分析 1、数据分析-行业层次&产品形态 2、数据分析-技术层 3、数据分析-应用层
三、海内外巨头布局 1、海外巨头布局图谱 2、中国巨头布局图谱
4
【易凯行研报告 2017 – 健康产业】 中美人工智能产业玩家图谱
一、人工智能产业图谱
1、海外产业图谱（美国为主）
注：括号里为该领域满足筛选标准的公司数量，具体筛选标准见“全文摘要”部分 资料来源：CB Insights，Crunchbase，Comet Labs，Goldman Sachs，机器之心；公开信息
1、数据分析-行业层次&产品形态
注：所有合计数字已去重 资料来源：CB Insights，Crunchbase，Comet Labs，Goldman Sachs，机器之心，IT 桔子；公开信息
整体分布 海外公司多聚焦应用层，占比 74%；基础层和技术层已经历过并购重组，留存企业相对集中 中国市场成熟度偏弱，应用层发展相对滞后，技术层仍占据约 1/3 的企业，两层次之间也尚未形成清晰
的界限 单层分布 应用层：海外市场以软件为主，占比 82%，集中在医疗、金融、销售等数据基础最好的领域；中国基础
层和技术层整体水平较弱，因此应用层还未进入爆发阶段 技术层：中外相似，均以软件能力为核心构建技术输出平台，巨头企业纷纷参与 基础层：门槛很高，仅少量企业有能力参与；其中海外以巨头为主，中国仍有少量创业企业尝试
策保护下未受到海外巨头冲击，依然存在创业公司的成长机会 农业领域，海外的大农场生态奠定了人工智能的数据等设施基础，中国企业受限于国情几乎不可复制
9
【易凯行研报告 2017 – 健康产业】 中美人工智能产业玩家图谱
三、海内外巨头布局
应用）
我们的观察 1、企业分布
（1） 90%的企业集中于技术层和应用层，基础层门槛高，仅少量企业有能力参与。 （2） 海外市场进展具有前瞻性意义：
a） 应用层企业大量聚集，数量占比超 70%，企业核心竞争力逐渐从深度开发转向技术产品化。 b） 技术层已经过一轮并购，留存企业数量较少；层内 4 大板块相对平均，出现了 AI 平台新类别。 （3） 中国市场仍在逐渐成形过程中： a） 应用层企业尚未大规模聚集，数量占比约 50%。 b） 技术层企业尚未经历并购浪潮，依然占据 1/3 数量；其中视觉识别类一家独大，占比约 60%，
7
2、数据分析-技术层
注：所有合计数字已去重 资料来源：CB Insights，Crunchbase，Comet Labs，Goldman Sachs，机器之心，IT 桔子；公开信息
海外特性 企业分布较为平均，部分成熟的语音识别、语义识别与视觉识别公司已被巨头并购 出现了细分领域“AI 平台”（提供机器学习的核心要素，下游客户可搭建个性化模型）；国外更成熟的基