2017年智能投研行业Kensho分析报告
2017年人工智能行业现状与发展趋势报告
目录CONTENTS1人工智能行业产业链结构2人工智能行业整体市场发展3人工智能行业投资现状4人工智能行业发展前景人工智能行业产业链结构l人工智能产业链结构l人工智能基础技术提供平台l人工智能技术平台l人工智能应用领域PART 01人工智能产业链结构人工智能产业链的主要包含三个核心环节——基础技术、人工智能技术和人工智能应用。
其中，基础技术主要包括数据平台、数据存储以及数据挖掘等，人工智能技术包括语音识别、自然语言处理、图像识别和生物识别等，人用智能应用有工业4.0、无人驾驶汽车、智能家居、智能金融、智慧医疗、智能营销、智能教育以及智能农业等。
基础技术支撑数据平台数据存储数据挖掘计算智能语音识别自然语音处理图像识别生物识别感知智能机器学习预测类API 人工智能平台认知智能工业4.0无人驾驶汽车智能家居智能金融智慧医疗智能营销智能教育智能农业基础技术支撑人工智能技术人工智能应用人工智能产业链结构IaaS代表企业：阿里云、电信天翼云、联通沃云、Ucloud 、青云、万国数据、首都在线等。
基础设施即服务，它是把ICT 基础设施作为一种服务提供的商业模式。
用户通过Internet 可以从服务提供商那里得到完善的计算机基础设施服务。
这些服务包括服务器或虚拟服务器的计算资源、处理能力及基础网络。
PaaS代表企业：科大讯飞、环信、容联、亲加、云知声、思必驰等。
PaaS 的功能主要体现在将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力，通过IaaS 提供的API 调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过API 开放给SaaS 用户。
SaaS代表企业：百度云、用友云、浪潮、 Ucloud、 Oracle、Infor、Microsoft 等。
SaaS 是一种通过Internet 提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。
2017年智能投顾行业市场调研分析报告
2017年智能投顾行业市场调研分析报告目录第一节智能投顾开启资产管理新时代 (5)一、科技创新推动智能投顾登上舞台 (5)1、海量数据时代来临，大数据为智能投顾发展奠定基础 (5)2、人工智能推动投智能顾行业进入第三发展阶段 (7)二、证券行业变革为智能投顾带来发展机遇 (8)1、互联网证券兴起，佣金率下行倒逼券商探索新盈利点 (8)2、一人一户政策放宽激发客户需求 (10)3、证券业新竞争格局下，智能投顾业务是必争之地 (11)三、社会资产配置结构变化推动智能投顾发展 (12)1、人口结构变化，千禧一代青睐智能投顾 (12)2、居民金融资产配置需求提升呼唤更好的理财服务 (12)四、风险投资热捧，智能投顾在全球迅猛发展 (14)第二节智能投顾市场潜力巨大 (17)一、智能投顾相对传统模式具有三大优势 (17)1、门槛低 (17)2、费用低 (18)3、信息透明度高 (18)二、经济发展带来巨大理财需求 (18)三、泛资管时代下权益类资产比重提升 (20)四、智能投顾资产管理规模有望达数十万亿美元 (22)第三节资产大类配置和数据量化是智能投顾重点发展方向 (23)一、智能投顾可分为五种主流模式 (23)二、看好资产大类配置和数据分析两类模式 (26)1、基于资产组合理论资产大类配置模式——以Wealthfront为例 (26)2、基于大数据分析的量化模式——以Trefis，Kensho为例 (29)第四节数据分析模式将成为我国智能投顾的先行爆发点 (32)一、中外投资环境存在三大差异 (32)1、投资产品的差异 (32)2、监管的差异 (32)3、投资者的差异 (33)二、我国数据分析模式将先行爆发 (33)三、监管政策有待明确，未来或发放智能投顾牌照 (35)第五节投资建议与相关企业分析 (36)一、短期关注数据量化模式，长期看好资产大类配置模式 (36)二、部分相关企业分析 (36)1、同花顺：智能投顾龙头，业绩持续靓丽 (36)2、华泰证券：收购AssetMark，积极转型财富管理 (37)图表目录图表1：2020年中国大数据总量将达到40ZB (5)图表2：普华永道认为未来资产及财富管理行业的数据分析因素最重要 (6)图表3：2011-2016Q1全球人工智能投资总额及交易笔数 (7)图表4：人工智能在智能投顾的作用逐步变大 (8)图表5：2013-2016Q1券商经纪业务佣金率持续下行 (9)图表6：中国网民人数持续增长 (9)图表7：2015-2016年自然人投资者数量持续增长（单位：万人） (10)图表8：千禧一代成为网络主流人群 (12)图表9：固定资产占据中国居民资产配置结构的主流（单位：亿元） (13)图表10：中国居民金融资产配置比重远低于美国、英国（2014年） (13)图表11：高净值人群针对金融投资的需求提升 (14)图表12：国外智能投顾公司发展情况 (15)图表13：传统投顾与智能投顾费用对比 (18)图表14：中国个人可投资资产规模过百万亿 (19)图表15：理财产品募集资金近50万亿 (19)图表16：2014-2016年中国资产收益率持续下行 (20)图表17：中国资产管理规模高速增长（单位：万亿元人民币） (20)图表18：2013-2020E中国资产配置结构（%） (21)图表19：智能投顾模式分类 (23)图表20：智能投顾5种模式的国外典型公司 (24)图表21：智能投顾三大类国内公司 (25)图表22：Wealthfront资产管理规模突破30亿美元（单位：百万美元） (27)图表23：Wealthfront投资过程示意图 (28)图表24：单只股票逐步卖出的过程 (28)图表25：Trefis对ACME收入构成分析 (29)图表26：产品价格上升对公司财务的影响 (30)图表27：中美ETF资产规模和存量对比 (32)图表28：2016年6月末A股市场参与者以中小投资者为主 (33)图表29：2018年中国私人财富值（单位：万亿美元） (34)图表30：同花顺iFinD智能投顾的应用界面 (36)图表31：2014-2016Q1同花顺资产负债表预收款项 (37)图表32：2015.06-2016.06华泰证券股票、基金成交量市场份额 (37)图表33：2013Q1-2016Q1华泰证券经纪业务佣金率 (38)表格目录表格1：国内智能投顾公司涌现 (15)表格2：传统金融机构私人银行部与智能投顾公司的最低投资限额对比 (17)表格3：智能投顾五种模式的对比 (25)表格4：资产大类的投资范围（以Wealthfront为例） (26)第一节智能投顾开启资产管理新时代智能投顾，亦曾被称为机器人投顾，就是投资人可以直接把钱交给专业机器人来打理，机器人结合投资者的财务状况、风险偏好、理财目标等，通过已搭建的数据模型和后台算法为投资者提供个性化、低成本、高效率的理财建议。
人工智能行业研究报告
22层神经网络
120 100
11.70% 19层神经网络
80
7.30%
6.70%
60
3.50%
40
20
0%
0
2010年 2011年 2012年 2013年 2014年 2015年 2016年
NEC美国 Xerox AlexNet Clarifi VGG GoogleNet ResNet
来源：公开资料整理
Nvidia GPU—GeForce 256
寒武纪NPU—1A
• 超级计算机：其基本组成组件与个人电脑的概念无 太大差异，但规格与性能则强 大许 多， 是一种 超大 型电子计算机。我国自主超级 计算 机“ 神威·∙ 太湖之
光”，其处理器为众核CPU“申 威26010”， 整台 “神威·∙太湖之光”共包含40960块处 理器； 打败 李 世石的AlphaGo共包含1202个C PU和176个GPU； 打败柯洁的升级版Alph aGo 使用到 了T PU， 但数量 只有 4 颗。（未完接下页）
• 相比应用场景层面的发展，基础应用层的技术将会是AI中较早发展的部分。 不过，从AI整体发展阶段来讲 ，我 们认 为AI仍 处于 早期， 虽然 语音 识别、 计算机视觉等感知层的技术目 前已 经取 得了一 定成 就，但 语义 识别 等认知 层的技术仍不甚完善，即使是 像计 算机 视觉这 样的 感知层 技术 也存 在发展 不均衡的问题。
• 如上图所示，每年在ImageN et测试中错误率最低的
算法模型都不尽相同（从NEC到 Re sNet ），这 也反
1根据公开资料整理 6
映了人们对于算法的不断探究 、更 迭过 程。
®
®
36kr-人工智能行业研 究报告 （2017年 ）
2017年人工智能行业市场专题投资分析报告
2017年人工智能行业市场专题投资分析报告目录第一节人工智能产业发展现状 (5)一、互联网发展遭遇天花板 (5)二、人工智能引领新一轮技术风暴 (6)第二节人工智能产业发展三大拐点 (8)一、技术拐点：核心技术加速突破 (9)二、市场拐点：资本蜂拥而入 (20)三、政策拐点：大国竞相布局 (27)第三节场景应用超出预期 (30)图1：中国互联网巨头市值减少(单位：亿美元) (6)图2：人工智能将完成各行业的重构 (7)图3：人工智能将引发产业深刻变革 (7)图4：人工智能发展历程 (8)图5：人工智能的产业结构图 (9)图6：全球数据量呈爆发式增长 (10)图7：深度学习模型架构 (11)图8：布局机器学习的公司数量最多 (13)图9：机器学习获得的平均融资额度最大 (13)图10：语音识别错误率逐年降低 (14)图11：谷歌的机器人技术日臻成熟 (15)图12：IBM的TrueNorth芯片结构、功能、物理形态图 (16)图13：IBM类人脑芯片实物图 (17)图14：CPU与GPU的逻辑架构对比 (18)图15：CPU和GPU的每秒浮点运算次数 (18)图16：DNN新框架简化了语音识别基本框架 (19)图17：单个AI创企获得的风险投资额 (21)图18：美国2010-2014每年新成立的AI创企数量 (21)图19：大企业偏底层技术切入 (22)图20：创业企业偏上层应用 (22)图21：针对人工智能的投资额呈爆发式增长 (23)图22：参与人工智能的机构数量激增 (24)图23：国内企业多从应用层布局人工智能 (24)图24：技术类公司所属技术领域分布 (25)图25：全球AI市场规模维持高增长态势 (26)图26：中国AI市场增速远超全球 (26)图27：中国互联网经济高速发展(单位：亿元) (29)图28：我国科研经费大幅增长 (29)图29：IBM沃森机器人未来的健康管理 (30)图30：科大讯飞发布数字校园V6 (31)图31：谷歌无人驾驶汽车 (32)表1：浅层学习与深度学习对比 (12)表2：行业巨头纷纷涉足“人工智能” (20)表3：发达国家纷纷推出自己的“人工智能”计划 (27)表4：高频程序化交易Virtu Financial LLC公司的交易盈利状况 (32)第一节人工智能产业发展现状人工智能的概念人工智能（ Artificial Intelligence， AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
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年我国人工智能行业发展态势图文综合分析报告
2017年我国人工智能行业发展态势
图文综合分析报告
（2017.09.06）
一、人工智能产业链明晰，算法处核心地位
人工智能产业链可简单划为三层，即底层基础层、中间层技术层与上层应用层。
其中， 1）基础层包含硬件存储与计算资源和数据资源等， GPU 芯片、云计算平台、传感器、数据等均包含在此层中； 2）技术层包含算法、模型平台，感知智能算法、认知智能算法等均在此层中； 3）应用层包含硬件产品和软件与服务，硬件中包含无人机、机器人及其他智能硬件等，软件与服务包含语音输入法、虚拟助手、自动驾驶及智能安防等。
人工智能产业链
从目前的发展情况看，算法层为人工智能产业链的核心，支撑上层应用的发展，目前感知智能已加速发展，认知智能为人工智能在算法层面的下一个突破方向。
而底层基础层中的数据能力与计算能力主要的发展方向为低成本与小型化，数据采集的发展方向为多样化，移动互联网的发展已经为产业积累了一定的数据，未来随着物联网的发展将积累更多的环境与行为层面数据，丰富数据构成。
应用层主要与各垂直行业结合开发深度人工智能应用。
2017年人工智能行业市场投资分析报告
2017年人工智能行业市场投资分析报告目录第一节智能手机回归平稳，IA引领新方向 (6)一、智能手机高增长时代落幕 (6)二、IA（智能增强）进入4.0时代，指引硬件和交互方向 (6)三、IA需要更好的“智能”、更加匹配的人机交互技术 (8)第二节 AI崛起，解决IA发展瓶颈 (12)一、AI崛起——深度学习、神经网络成绩斐然 (12)二、AI3.0时代来临 (14)三、AI到底能带来什么——更精准的语音、图像识别 (16)四、AI能带来什么——3.0时代更好的“智能” (21)第三节 IA+AI——奠定新一轮硬件创新的基础 (24)一、新一轮硬件创新条件逐步成熟 (24)二、科技巨头全面布局开放平台、场景应用 (26)三、GPU、FPGA等的应用还将进一步缩短学习过程 (27)四、计算机视觉等应用走向成熟 (29)第四节新一轮智能硬件创新——AR、服务机器人等 (32)一、AR、服务机器人、无人驾驶有望成为新方向 (32)二、可穿戴设备的未来——个性化的计算（AR、手表） (33)三、服务机器人——智能家居等的落地形式 (37)四、无人驾驶——IA+AI促进汽车智能化 (41)第五节 2018年有望进入爆发阶段 (45)一、2018年有望进入高速增长期 (45)二、部分相关企业分析 (47)1、中科创达：稀缺的移动操作系统公司 (48)2、全志科技：国内最优秀的智能硬件芯片解决方案商 (48)3、中颖电子：小市值IC设计公司，MCU、OLED、低功耗蓝牙等在新型硬件应用空间大 (48)4、海康威视：安防监控龙头，布局机器视觉及应用 (49)5、欧菲光：汽车电子战略布局将展开 (49)6、云意电气：核心汽车电子公司 (49)图表目录图表1：智能手机进入个位数增长（百万台） (6)图表2：智能增强（以人为本打造机器）引领了计算机时代的科技进步 (8)图表3：第一轮智能硬件创新 (8)图表4：2014年智能硬件投资额大幅提升 (9)图表5：智能硬件渗透率仍偏低 (10)图表6：智能硬件产业链（智能手机红利带来第一轮智能硬件的创新） (10)图表7：大数据、算法、并行计算能力是人工智能发展主要因素 (12)图表8：模拟神经元的浅层神经网络到深度神经网络 (13)图表9：深度神经网络近10年迎来大发展 (13)图表10：深度学习模型率先在机器翻译、语音、图像等实现突破 (14)图表11：2006年以来人工智能投资金额 (14)图表12：细分领域投资额 (15)图表13：AI进入3.0时代 (16)图表14：深度神经网络模拟人脑感知过程 (17)图表15：传统图像识别手动选取特征（模式识别） (18)图表16：卷积神经网络自主提取特征 (18)图表17：iMageNet图像识别大赛 (19)图表18：图片识别准确率 (20)图表19：语音识别准确率提升 (20)图表20：增强学习模型 (21)图表21：大数据下深度学习算法表现更佳 (22)图表22：deepmind的打方块游戏 (22)图表23：AI3.0——感知、理解、决策 (23)图表24：人工智能的成熟水平 (24)图表25：人工智能更多地将以云服务的形式促进硬件创新 (24)图表26：IA+AI促进新一轮硬件创新条件成熟 (25)图表27：计算、互联网是IA和AI的共同基础 (27)图表28：GPU的使用提升人工智能学习效率 (28)图表29：FPGA有望进一步提升 (28)图表30：计算机对复杂场景的描述 (29)图表31：多种视觉感知技术的融合 (30)图表32：语音交互体现个性化的智能 (30)图表33：IA+AI共同引领科技未来 (33)图表34：可穿戴设备应用方向 (34)图表35：AR的IA部分——硬件和交互技术逐步成熟 (35)图表36：Magicleap显示原理 (35)图表37：虚拟个人助理与可穿戴设备的结合将释放可穿戴设备应用潜力 (36)图表38：AR、VR市场规模（亿美元） (36)图表39：服务机器人 (37)图表40;移动、感知、人机交互是服务机器人关键 (38)图表41：服务机器人的传感器 (39)图表42：服务机器人应用 (40)图表43：服务机器人市场规模（亿美元） (41)图表44：大量传感装置 (41)图表45：传感装置与高精度地图的配合 (42)图表46：海量数据将为人工智能算法训练提供基础 (43)图表47：IA+AI推进汽车智能化 (43)图表48：ADAS市场规模 (44)图表49：Gartner技术成熟度曲线 (45)图表50：新一轮智能硬件市场规模 (46)图表51：新一轮智能硬件渗透周期 (46)图表52：IA+AI产业链 (47)表格目录表格1：IA、AI比较 (7)表格2：“智能”的诉求&交互技术比较 (11)表格3：CNN、RNN促进图像和语音识别准确率提升 (17)表格4：国际科技巨头人工智能布局 (26)表格5：GPU与CPU应用于神经网络比较 (27)表格6：IA+AI促进新一轮硬件创新 (32)第一节智能手机回归平稳，IA引领新方向一、智能手机高增长时代落幕从苹果发布第一代iPhone到现在，即将满10年，但今年销量有可能难有增长，对整体智能手机市场来说，今年也很有可能正式进入个位数增长时代，去年四季度全球智能手机销量增速9.7%，这是08年以最缓慢的增长，2016年一季度不出所料的话增速还将创下新低，2016年全年的增速，按照Trendforce的数据，将进一步下滑到5.8%，智能手机高增长的时代即将落幕。
人工智能行业研究报告（2017年）
人工智能行业研究报告（2017年）从去年的Alpha Go对战李世石开始，再到今年升级版的Alpha Go对战柯洁，人工智能经过一年多的发酵早已不再是一个陌生的名词。
截至目前，人工智能行业已发布了多篇报告，但我们仍致力于写出不一样的东西。
除却老生常谈的算法、计算力、数据之外，我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。
在人工智能的场景驱动阶段，不但可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策，最终实现“给予决策支持”的目标。
因此本报告中，我们用了较大的篇幅去描绘人工智能的场景应用。
那么，在不同的场景中，人工智能是如何发挥作用的？带着这个问题，我们研究了国内外与此领域相关的企业，写出了这份人工智能行业的研究报告。
报告摘要人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。
1. 在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。
其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。
在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。
2. 在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。
3. 随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。
但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。
总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。
- 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)。
2017年智能投研行业Kensho分析报告
2017年6月
目录
一、人工智能+投资悄然来临，知识图谱促智能投研腾飞 (5)
1、人工智能+投资悄然来临 (5)
2、智能投顾蓬勃发展，智能投研初露雏形 (7)
（1）智能投顾：未来五年国内规模有望每年翻倍，人机结合是趋势 (7)
（2）智能投研：国内基金纷纷试水，人工智能大幅提高传统投研效率 (11)
（3）智能投研与投顾两者有望优势互补 (15)
3、知识图谱促智能投研腾飞 (15)
二、KENSHO：智能投研领域的“AlphaGo” (19)
1、联合创始人：因禅结缘，创立Kensho (20)
2、融资情况：累计融资超1亿美元，估值达5亿美元 (21)
3、产品：Warren 试图解决投资分析的“速度、规模、自动化”三大挑战” (23)
4、客户：金融机构和商业媒体双管齐下 (24)
三、核心产品Warren：低门槛获高专业服务 (25)
1、功能：寻找事件与资产的相互关系 (26)
2、特点：快速计算能力、良好人机交互、强大深度学习能力 (27)
3、影响：削弱不对称性，现代金融投机行为性质有望再次改变 (28)
4、缺陷：无法自我形成新因果关系，无法区分因果性/相关性 (29)
5、未来：自动触发事件对资产价格的影响是Warren终极目标 (30)
四、Kensho动了谁的奶酪 (31)
1、彭博、汤森路透领衔国外金融数据提供商，国内万得一家独大 (31)
2、短期Kensho颠覆传统厂商的可能性不大 (32)
3、畅想金融数据服务市场 (34)
（1）2B向2C/2B2C拓展 (34)
（2）封闭走向共享 (34)
（3）竞争走向合作 (35)
五、重点企业简况 (35)
1、恒生电子：发布四大智能产品，引领AI+投资产业潮流 (36)
2、赢时胜：打造Fintech生态圈创新盈利模式 (36)
3、同花顺：智能投顾龙头，具备智能投研发展基础 (37)
AI+投资正在来临，优劣势明显。
5月196日，微软人工智能首席科学家邓力加入美国基金公司Citadel 担任首席人工智能官；5月15日，李开复表示采用智能投资算法获得了比他私人理财顾问高八倍的收益；3月，贝莱德拟大幅削减依靠人工主动选股的部门并引进相关量化人才，可见智能投资已悄然来临。
较于传统投资，AI+投资优势明显，1、复制推广和运营成本极低。
2、情绪控制和逻辑推理更胜一筹。
其最大缺陷在于：1、无法解决开放性问题；2、不能自动形成新的因果关系判断，从而缺乏前瞻性。
人工智能大幅提高传统投研效率，知识图谱促智能投研腾飞。
按投资者需求，AI+投资可分为智能投顾和智能投研。
智能投研的终极目标是实现数据到投资观点的一步自动完成，现阶段在交互体验、数据动态关联、自我学习能力方面已经与传统投研工具有本质飞跃，利用知识图谱、动态智能搜索、语义识别等已经可以自动实现上下游产业链分析、智能财务模型、热点事件影响分析等。
目前智能投研还未成规模，但创业公司、基金公司、数据服务商纷纷试水。
智能投研和智能投顾具有天然协同，随着投资专业化、个人与机构的界限逐步模糊，有望加强合作实现优势互补。
Kensho：智能投研最具想象力先行者。
两位创始人因禅结缘，创立Kensho，团队成员人才济济。
自2013年起，公司累计融资超1亿美元，2017年4月获标普国际领投的B 轮5000万美元融资，估值达5亿美元，目前已实现盈利。
公司产品Warren 试图通过构建事件数据库及知识图谱的综合图表模型，解决投资分析中“速度、规模、自动。