艾瑞咨询：2018年中国人工智能行业研究报告
2018年人工智能行业深度分析报告
２０１８年人工智能行业深度分析报告人工智能（artificial intelligence ）是由人创造的具有自然生物智能特征的系统，具有一定的感知、认知、记忆、分析、判断和行为的能力。
人工智能和生物智能的形成机制不同，前者是根据人的需求被设计和创造出来的，后者则是自然界漫长进化过程中逐步通过遗传和学习形成的。
人工智能有别于人类智能，后者特指人类这一生物体所具有的智能，限定在人体内。
但人工智能可以学习和获得人和其他生物的智能，其感知、认知、记忆、分析、判断和行为的方式可以显著区别于和超越人类智能。
当前的人工智能在特定领域虽然具备了强大的功能，仍属于弱人工智能的范畴，离超级人工智能还有很大的距离。
社会对人工智能的认知和理解要摆脱科幻小说和影视作品的戏剧化设定，理性客观看待人工智能的长处和短板。
得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善，第三波人工智能热潮正席卷全球。
和前两次不同，在这一波人工智能热潮中，人工智能的技术已经开始广泛地渗入和应用于诸多领域，包括社交媒体、搜索引擎、工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等，展现出巨大的潜力。
中国在人工智能领域追赶迅速，在一些领域已经积累了一定的发展基础，进入国际领先者的行列。
与发达国家相比，中国人工智能整体发展水平缺少重大原创成果，在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面还存在很大的差距。
目前中国在人工智能的研究论文、专利申请和授权增量上已经居世界前列，但研究论文的质量、影响力和专利质量还有待提高。
在人工智能领域，中国高等院校、研究机构和企业的研究实力、资金投入以及杰出人才培养上，与美国、欧洲相比也存在较大的差距。
得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升，中国在云计算、模式识别、机器学习的研发追赶较快，在产业化应用上已有部分企业居于世界前列。
2018年人工智能专题市场调研分析报告
2018年人工智能专题市场调研分析报告1.未来已来，人工智能时代开启1.1弱人工智能已加速渗透，强人工智能并不遥远根据传统认知科学的研究成果，智能包含以下几种能力：1）感知能力。
感知能力即对外界情况的感受与认知，其中包含两种处理方式：一种是面对简单或紧急情况，可不经大脑思考进行本能反应与应对。
另一种是面对复杂情况，需要经大脑皮层进行处理与思考后，做出反应与应对；2）记忆与思维能力。
其中，记忆是对感知到的外界信息或由思维产生的内部知识的存储过程，思维是对所存储的信息或知识的本质属性、内部规律等的认识过程；3）学习和自适应能力。
能通过学习和自适应进行智能思维能力进化是人类智能的重要体现；4）决策与行为能力。
即通过对信息或知识判别后，进行主观决策与行为。
图1：智能具体包含四种能力人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能产品背后的数据、软件及算法等是人工智能的核心要素，而包括机器人、语音助手等在内的软硬件产品仅是人工智能的载体。
人工智能的概念很宽泛，可将人工智能依据实力划分为三类：1）弱人工智能：仅擅长某个单方面应用的人工智能，超出特定领域外则无有效解；2）强人工智能：人类级别的人工智能，在各方面都能和人类比肩，且无法简单进行人类与机器的区分；3）超人工智能：在各个领域均可以超越人类，在创新创造、创意创作领域均可超越人类，可解决任何人类无法解决的问题。
我们认为，从目前人工智能的应用场景来看，当前人工智能仍是以特定应用领域为主的弱人工智能，如图像识别、语音识别等生物识别分析，如智能搜索、智能推荐、智能排序等智能算法等。
而未来随着运算能力、数据量的大幅增长以及算法的提升，弱人工智能将逐步向强人工智能转化，机器智能将从感知、记忆和存储向认知、自主学习、决策与执行进阶。
2018年人工智能行业市场投资调研分析报告
2018年人工智能行业市场投资调研分析报告目录1. 算法和计算力瓶颈已突破，数据为关键 (9)1.1 场景化数据的获得，是当下人工智能发展之关键 (9)1.2 经历二次低谷，算法和计算力的瓶颈已突破 (9)2. 人工智能下一阶段驱动力，超大场景化数据集 (10)2.1 算法非门槛：模型性能随训练数据呈线性增长 (11)2.2 场景为王：场景化数据是人工智能产品商业化的根本 (13)3. 天然具备场景化数据源的子行业猜想 (15)3.1 安防场景：视频监控前端龙头，掌握数据入口优势 (15)3.1.1 视频监控类公司拥有的场景化数据节点丰富 (16)3.1.2 海康威视和大华股份等前端龙头企业，占据数据入口优势 (16)3.1.3 商汤等算法公司，与企业合作以获取数据支撑 (17)3.2 医疗场景：医学图像数据及医疗数据为基点 (18)3.2.1 IBM Watson 通过并购获取数据源 (19)3.2.2 思创医惠：医疗信息化提供商，以数据为源升级智能化平台 (20)3.3 无人驾驶场景：对多维数据获取能力要求高 (21)3.3.1 四维图新：入股 HERE，高精地图数据实力再巩固 (21)3.3.2 东软集团：产品+解决方案双管齐下，智能驾驶业务稳健前行 (22)3.4 金融场景：数据获取门槛较高 (22)3.4.1 恒生电子：从证券交易信息化切入智能投顾 (23)3.4.2 同花顺：从互联网金融信息服务向人工智能延伸 (24)4. 风险提示 (24)图目录图 1：人工智能发展历程 (9)图 2：模型容量和 GPU 计算能力显著提升，而训练数据集规模有限 (11)图 3：模型性能随数据量呈线性增长 (12)图 4：GE Predix平台应用---预测喷射发动机下次清洗时间 (14)图 5：Goole 机器学习系统帮助数据中心节能 (14)图 6：商汤科技SenseFace人脸布控系统 (17)图 7：商汤科技视频结构化系统 (17)图 8：IBM Watson 的发展历史 (19)图 9：Watson 通过并购以获取医疗数据源，扩大版图 (20)图 10：NHTSA 无人驾驶等级 (21)图 11：人工智能在金融领域的应用 (22)表目录表 1：我国平安城市视频监控市场规模预测 (16)。
2018中国人工智能行业发展报告
所有领域水平 高2.2%
不清楚 6.9%
不好说 14.5%
15.8%
24.0% 21.2% 19.0%
注：按投资金额，数据截止至2018年1月18日
中国AI投资 钱都去哪了
Investing fileds of Artificial Intelligence
中国人工智能创业公 司所在地区分布
The location distribution of Chinese artificial intelligence start-up companies.
裁判
20
保险业务员
21
维修护理工
22
人事
23
导购员
24
审计
25
厨师
26
编辑
27
IT工程师/程序员
28
质检员
29
培训师
30
分析师（金融/数据分析师等） 31
西医
32
军人
33
饲养员
34
拍卖师
35
管理员（包括图书/档案等） 36
政府职员
37
私家侦探
38
按摩师
39
摄影师
40
保镖
41
演员
42
船务人员
43
风险管理
25.5% 22.3% 21.1% 15.4% 14.1%
31.7%
46.0% 40.5%
2018年中国手机网民对 人工智能细分领域发展水 平的认可分布
部分取代人类 78.9%
近八成认为无人驾驶 能部分取代人类
完全不能取代 人类6.9%
不清楚4.2% 2018中国网民对无人驾 驶取代人类看法分布
2018年人工智能行业市场调研分析报告
2018年人工智能行业市场调研分析报告目录一、人工智能的定义和变展历程 (6)1. 定义 (6)2. 发展历程 (6)二、 AI 技术基石 (7)1. 三大技术基石：深度学习算法+计算能力+大数据 (7)2. 神经网络与深度学习 (8)3. 计算能力：从 CPU 和 GPU 到 TPU，当前 AI 的加速计算模式 (13)三、自然语言处理和计算机视觉：语音和图像识别达到商业化高度 (18)1. 自然语言处理和机器翻译 (20)2. 计算机视觉和图像识别 (22)3. 卷积神经网络基本原理 (24)四、科技巨头引领人工智能技术变展 (26)1. 英伟达：从游戏到人工智能，再次引领 GPU 通用计算潮流 (26)2. 谷歌：以 AlphaGo 和 TensorFlow 开源为例，全面布局深耕细作 (29)3. 英特尔：并购融合 ASIC 和 FPGA，提供 AI 计算整体解决方案 (31)4. IBM、百度等公司 AI 战略简介 (34)五、下游商业模式：AI+垂直应用 (35)1. AI+汽车：自动驾驶正徐徐走来 (36)2. AI+医疗：影像诊断等率先在医院实践 (39)3. AI+安防：人脸识别和车辆检测获得广泛应用 (41)4. AI+机器人：智能仓储是典型应用场景之一 (44)六、部分重点公司 (46)1. 中科曙光：高性能计算龙头，积极布局“从芯到云”全产业链 (46)2. 科大讯飞：从智能语音到人工智能，行业应用加速落地 (50)3. 海康威视：视频安防龙头，智能化和 AI 创新业务推动公司持续成长 (54)七、风险提示 (58)图目录图 1：AI 的三大技术基石 (8)图 2：机器学习与神经网络之间的关系 (9)图 3：神经元 M-P 模型和单层神经网络结构 (9)图 4：前馈神经网络 (11)图 5：深度学习与传统方法的区别 (13)图 6：加速计算是现在 AI 的基石 (14)图 7：GPU 加速计算原理 (14)图 8：GPU 和 CPU 差异示意图 (15)图 9：TPU 结构图 (16)图 10：寒武纪-1A（Cambricon-1A） (16)图 11：DianNao 结构图和 Layout (17)图 12：图像识别和语音识别错误率达到人类水平 (18)图 13：2016 年 CHiME 比赛试错误率对比（六麦克风场景） (19)图 14：ILSVRC 图像识别挑战赛分类错误率 (20)图 15：神经机器翻译的编码器-解码器框架 (21)图 16：计算机视觉系统框架 (23)图 17：简化的卷积神经网络结构 (24)图 18：二维卷积运算示意图 (25)图 19：最大池化运算操作示意图 (25)图 20：英伟达在 GPU 领域的变展阶段 (26)图 21：深度学习领域与英伟达合作的组织数量 (27)图 22：英伟达季度营收及分部（百万美元） (28)图 23：英伟达自动驾驶专用芯片 Xavier (29)图 24：英特尔 AI 战略 (32)图 25：英特尔面向深度学习的通用架构 (32)图 26：英特尔 Nervana 平台 (33)图 27：百度深度学习开源平台（PaddlePaddle） (34)图 28：百度大脑技术服务 (34)图 29：人工智能产业链框架 (35)图 30：自动驾驶变展路径 (36)图 31：自动驾驶原理框架 (37)图 32：驾驶分级概况 (37)图 33：自动驾驶路线图 (38)图 34：百度 Apollo 技术框架 (39)图 35：百度 Apollo 开放路线图 (39)图 36：人脸检测跟踪 (42)图 37：行人车辆检测 (43)图 38：旷视科技智能安防解决方案 (43)图 39：亚马逊 Kiva 机器人 (45)图 40：极智嘉仓储机器人 (45)图 41：中科曙光营收变动情况 (47)图 42：中科曙光净利润和毛利率变动情况 (47)图 43：2016 年中国 HPC TOP100 厂商份额（系统数） (48)图 44：2016 年中国 HPC TOP100 厂商份额（总性能） (48)图 45：科大讯飞核心技术示意图 (51)图 46：科大讯飞战略架构 (51)图 47：科大讯飞营收变动情况 (52)图 48：科大讯飞净利润和毛利率变动情况 (52)图 49：海康威视营收变动情况 (55)图 50：海康威视净利润和毛利率变动情况 (55)图 51：海康威视视频监控智能化 (56)图 52：海康威视创新业务 (57)表目录表 1：自动驾驶的四个等级 (37)表 2：AI+医疗应用场景（按照医疗阶段） (40)表 3：AI+医疗应用场景（按照应用层次） (40)表 4：商汤科技核心技术描述 (42)表 5：中科曙光2016年营收结构 (46)表 6：中科曙光盈利预测 (50)表 7：科大讯飞重要国际比赛成绩 (50)表 8：科大讯飞 2016 年营收结构 (53)表 9：科大讯飞盈利预测 (54)表 10：海康威视 2016 年及 2017 上半年营收结构 (55)表 11：海康威视盈利预测 (58)一、人工智能的定义和变展历程1. 定义人工智能（Artificial Intelligence，AI），是研究用于模拟和扩展人的智能的理论方法及应用系统的科学，是对人的意识和思维过程进行模拟的科学。
2018年人工智能行业深度分析报告
２０１８年人工智能行业深度分析报告人工智能（artificial intelligence ）是由人创造的具有自然生物智能特征的系统，具有一定的感知、认知、记忆、分析、判断和行为的能力。
人工智能和生物智能的形成机制不同，前者是根据人的需求被设计和创造出来的，后者则是自然界漫长进化过程中逐步通过遗传和学习形成的。
人工智能有别于人类智能，后者特指人类这一生物体所具有的智能，限定在人体内。
但人工智能可以学习和获得人和其他生物的智能，其感知、认知、记忆、分析、判断和行为的方式可以显著区别于和超越人类智能。
当前的人工智能在特定领域虽然具备了强大的功能，仍属于弱人工智能的范畴，离超级人工智能还有很大的距离。
社会对人工智能的认知和理解要摆脱科幻小说和影视作品的戏剧化设定，理性客观看待人工智能的长处和短板。
得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善，第三波人工智能热潮正席卷全球。
和前两次不同，在这一波人工智能热潮中，人工智能的技术已经开始广泛地渗入和应用于诸多领域，包括社交媒体、搜索引擎、工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等，展现出巨大的潜力。
中国在人工智能领域追赶迅速，在一些领域已经积累了一定的发展基础，进入国际领先者的行列。
与发达国家相比，中国人工智能整体发展水平缺少重大原创成果，在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面还存在很大的差距。
目前中国在人工智能的研究论文、专利申请和授权增量上已经居世界前列，但研究论文的质量、影响力和专利质量还有待提高。
在人工智能领域，中国高等院校、研究机构和企业的研究实力、资金投入以及杰出人才培养上，与美国、欧洲相比也存在较大的差距。
得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升，中国在云计算、模式识别、机器学习的研发追赶较快，在产业化应用上已有部分企业居于世界前列。
2018年中国人工智能自适应教育行业研究报告
2018年中国人工智能自适应教育行业研究报告报告：电商、金融、营销、医疗、AI、泛娱乐等等榜单：PC网站、APP、影视、移动设备、网络广告行业数据、用户数据，你要的这里都有！本文摘要：1.自适应学习主张每个人都拥有自己独特的学习路径，是一种非常有前景的教育技术。
国外起步早，应用广，并多次被实证研究证明有效。
2.自适应学习产品有智能程度之分，区分标准是看它的技术水平基于人工、基于计算机编程还是基于人工智能。
人工智能自适应在教育的各个环节都可应用，其中教学环节的应用最核心、难度也最大。
3.人工智能自适应教育的本质是可规模化的个性化教育。
4.人工智能自适应教育行业处于发展早期的升温阶段，概念模糊，泡沫难免，目前至少40家公司已宣布入场。
5.K12辅导和语言学习是2015-2017年业内融资事件最多的两个细分领域，融资数量占比分别为52.2%和34.8%。
6.目前国内产品总体处于初级阶段；人工智能自适应教育始于技术，胜于内容，终于效果，学习效果才是企业竞争力的最终评判要素。
▌国外的自适应学习产品起步早，应用广自适应学习早在20世纪90年代的美国就已存在，目前已得到较为广泛的应用。
美国K-8（相当于中国的小学、初中）自适应学习公司DreamBox Learning曾在2010年后做过一项调查（调查样本超过480个，其中大部分人为K-8公立校教师）, 结果表明49%的人正在自适应学习软件上教授补充课程，42%的人正将其作为核心课程平台使用。
自适应学习产品在国外各个学习阶段都有应用，包括早幼教、小学、初中、高中、大学、职业领域等，并已覆盖多个学科。
点击查看大图更清晰?▌自适应学习的概念自适应促使学习方式发生深刻变革：每个人都有自己的路径自适应(Adaptive)，顾名思义是自我调节和匹配，具体含义是指根据数据的特征自动调整处理方法、顺序、参数和条件，以取得最佳处理效果。
它不是指某项具体技术，而是多种知识和技术融合达成的一个结果。
2018年中国人工智能+金融行业研究报告
人工智能 +金融行业概述 人工智能+金融行业概述 人工智能+金融行业应用场景 人工智能+金融行业洞察与策略分析 人工智能+金融行业典智能+金融行业趋势展望
概 述
人工智能+金融行业概念界定
人工智能技术助力传统金融业务转型升级
人工智能+金融（AI + Finance）与金融科技在界定上存在明显不同。金融科技主要是指广义的新兴技术（大数据、云计 算、区块链、人工智能）与金融业的结合。艾瑞认为人工智能+金融主要是通过人工智能核心技术（机器学习、知识图 谱、自然语言处理、计算机视觉）作为主要驱动力，为金融行业的各参与主体、各业务环节赋能，突出AI技术对于金融行 业的产品创新、流程再造、服务升级的重要作用。本报告围绕上述界定的人工智能+金融行业特征展开研究分析，描绘人 工智能+金融行业的发展现状及未来前景。
POS机 CRM系统 1970s
1990s
来源：艾瑞咨询研究院自主研究及绘制。
2016
2019
概 述
人工智能+金融行业驱动因素
政府与社会各方共同推动人工智能技术在金融行业落地
政策
• 国务院发布《新一代人工智能发展规划》 提出要创新智能金融产品和服务，发展金融新业
技术
移动互联、大数据、云计算、区块链、人工智能等新技 术发挥各自优势，共同为金融行业的智能化转型升级奠 定重要基础。移动互联为金融行业提供了高速的通信网
行业概述
应用场景
应用程度：从各场景的发展程度来看，智能风控应用最多且较为成熟，智能支付的发展速度相对较快，智能营
销与智能客服在未来有广阔的发展空间。
行业洞察：人工智能+金融行业的主要壁垒在于高端人才储备、对金融场景理解以及数据积累三个方面。