2019年人工智能中国专利技术分析报告
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年人工智能行业分析报告(37y)
【2019年人工智能行业】---分析报告2019年3月目录一、AI 主导下一轮科技创新红利 (2)1、AI 孕育万亿级别市场 (2)2、AI 应用于移动互联网下半场 (4)3、AI 应用于更广泛的领域 (6)二、AI 产业链：算力驱动，场景为王 (7)1、基础层：AI 芯片、深度学习等 (8)2、技术层 (11)3、应用层：场景+AI (15)三、从“数据产业链”到“人工智能” (29)1、数据是AI 的核心 (29)2、数据采集：从互联网到IoT (31)3、数据传输：从4G 到5G (32)4、数据存储：IDC 需求迅速增长 (34)四、AI：科技巨头在做什么 (35)五、风险因素 (37)六、投资建议 (37)一、AI 主导下一轮科技创新红利1、AI 孕育万亿级别市场人工智能（AI）指利用技术学习人、模拟人，乃至超越人类智能的综合学科。
人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。
此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。
自1956 年“人工智能”概念首次被提出，AI 技术“三起两落”。
本轮人工智能腾飞受益于持续提升的AI 算力对神经网络算法的优化。
AI 产业链分为：基础层、技术层、应用层。
基础层主要包括：AI 芯片、IoT 传感器等，技术层主要包括：图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括：无人驾驶、智慧安防、智慧城市（城市大脑）、金融科技（Fintech）、智慧医疗、智慧物流等领域。
图1：人工智能发展历程表1：AI 主要使用决策类型AI 市场规模快速成长。
中国是全球第二大AI 力量，人工智能企业超过1000 家。
2018 年中国AI 市场规模约330 亿元人民币，全球AI 市场规模约2700 亿美元。
我们预计，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。
2019年中美人工智能产业分析报告
2019年中美人工智能产业分析报告2019年8月目录一、走进人工智能新时代 (6)1、人工智能是什么 (6)2、中美两国引领全球人工智能发展 (8)二、多角度对比中美人工智能投资 (11)1、看规模，中国人工智能投资额已超过美国 (11)2、看轮次，中国人工智能投融资更偏早期 (12)3、看投向，中国重应用层而美国重基础层 (13)三、人工智能带来新机会，中国有望从AI芯片突围 (18)1、人工智能的发展加速芯片专用化进程 (18)2、高端人才缺乏是中美AI芯片领域投资差异的最大原因 (21)（1）美国在芯片领域起步早，巨头众多，培养并积累了丰富的人才 (21)（2）美国芯片和互联网巨头众多，为资本退出提供更多选择 (22)（3）美国芯片产业链齐全，产业布局完整 (24)3、换道超车，中国在AI芯片上可以有所作为 (25)（1）AI芯片处于发展早期，竞争格局未定 (25)（2）边缘AI芯片领域，广阔的应用场景为中国提供巨大机会 (28)（3）芯片自主可控呼声高涨，政策为芯片研发保驾护航 (28)四、深入落地，计算机视觉仍有广阔的应用场景 (30)1、计算机视觉是中国人工智能市场的最大组成部分 (30)2、多重因素促成中美计算机视觉领域投资差异 (33)（1）安防千亿市场成为拉动中国计算机视觉发展的最大需求 (33)（2）我国计算机视觉技术领先，在数据方面占有优势 (35)（3）中国消费者对新技术接受度更高 (36)3、对比美国，看好中国计算机视觉应用领域进一步拓宽 (37)（1）新零售 (38)（2）医疗影像 (38)（3）保险行业 (39)（4）工业制造 (39)五、主要风险 (40)1、人工智能芯片研发不及预期 (40)2、计算机视觉技术发展不及预期 (40)中美两国引领全球人工智能发展。
得益于中国较好的互联网及信息技术产业底蕴以及国家、社会的高度重视，中国在人工智能方面发展迅猛。
目前，中美在人工智能企业数量、专利数量、论文数量以及人才数量上并驾齐驱，成为引领全球人工智能发展的两大动力来源。
2019年人工智能AI芯片行业分析报告
2019年人工智能AI芯片行业分析报告2019年4月目录一、人工智能芯片发展现状及趋势 (5)1、深度学习算法对芯片要求更为苛刻，通用CPU性价比相对较差 (5)2、GPU、FPGA以及ASIC各有优劣，成为当前AI芯片行业的主流 (7)（1）GPU擅长云端训练，但需与CPU异构、功耗高且推理效率一般 (9)（2）FPGA芯片算力强、灵活度高，但技术难度大国内差距较为明显 (10)（3）专用芯片（ASIC）深度学习算法加速应用增多，可提供更高能效表现和计算效率 (12)3、短期内GPU仍将是AI芯片主导，长期看三大技术路线将呈现并行态势 14（1）短期内GPU仍将主导AI芯片市场，FPGA的使用将更为广泛 (14)（2）长期来看GPU、FPGA以及ASIC三大类技术路线将并存 (16)4、国内外AI芯片市场需求将保持较快增长势头，云端、边缘均具备潜力. 16二、AI芯片主要应用场景 (18)1、数据中心（云端） (18)2、自动驾驶 (19)3、安防 (22)4、智能家居 (24)5、机器人 (26)三、国内外AI芯片厂商概览 (28)1、整体排名 (28)2、芯片企业 (29)（1）英伟达：AI芯片市场的领导者，计算加速平台广泛用于数据中心、自动驾驶等场景 (30)（2）英特尔加速向数字公司转型，通过并购+生态优势发力人工智能 (31)3、IT及互联网企业 (33)（1）谷歌：TPU芯片已经实现从云到端，物联网TPU Edge 是当前布局重点 (33)（2）阿里巴巴：推出自研神经网络处理芯片，同时加速对AI企业投资布局 (35)（3）百度：通过自研、合作以及投资等多种方式部署AI芯片 (36)4、创业企业 (38)（1）寒武纪：公司同时发力终端和云端芯片，技术综合实力较强 (38)（2）地平线机器人：公司芯片和计算平台在嵌入式及智能驾驶领域具备优势 (39)四、国内相关企业 (40)五、主要风险 (41)1、场景落地不及预期 (41)2、技术方向的不确定性风险 (41)3、研发进度不及预期 (42)人工智能芯片发展现状及趋势。
中国近三年数据分析报告(3篇)
第1篇摘要：本报告基于对中国近三年（2019-2021年）的经济、社会、科技等领域的数据分析，旨在全面展现中国在这段时间内的发展态势和趋势。
报告将从宏观经济、科技创新、产业发展、社会民生等多个维度进行分析，为政策制定者和企业决策提供数据支持。
一、宏观经济1. 经济增长2019-2021年，中国经济总体保持稳定增长，GDP增长率分别为6.1%、2.3%和8.4%。
尽管受到新冠疫情的影响，但中国经济展现出强大的韧性和恢复力。
2. 产业结构调整产业结构持续优化，第三产业增加值占比逐年提高，2019年达到53.9%，2021年达到54.5%。
服务业成为经济增长的主要驱动力。
3. 对外贸易对外贸易稳定增长，2019年进出口总额为31.54万亿元，同比增长3.4%。
2020年，尽管受到疫情影响，进出口总额仍达到31.16万亿元，同比增长1.9%。
2021年，进出口总额达到32.16万亿元，同比增长21.4%。
二、科技创新1. 研发投入中国研发投入持续增长，2019年研发投入为2.19万亿元，同比增长10.3%。
2020年，研发投入达到2.44万亿元，同比增长10.3%。
2021年，研发投入达到2.79万亿元，同比增长15.5%。
2. 高新技术产业发展高新技术产业快速发展，2021年高新技术产业增加值达到7.49万亿元，同比增长10.9%。
其中，电子信息制造业、生物医药产业、新材料产业等增长迅速。
3. 重大科技成果在人工智能、5G通信、新能源等领域取得了一系列重大科技成果。
例如，我国自主研发的“天问一号”探测器成功着陆火星，成为世界上第二个实现火星着陆的国家。
三、产业发展1. 互联网产业互联网产业保持高速增长，2021年互联网和相关服务业务收入达到1.35万亿元，同比增长20.9%。
电商、在线教育、远程办公等成为新的增长点。
2. 新能源汽车产业新能源汽车产业快速发展，2021年新能源汽车销量达到352万辆，同比增长157.5%。
2019中国人工智能产业知识产权解读报告
Catalo g
2
中国人工智能产业发展联盟（AIIA）学术与知识产权工作组
负责组织联盟人工智能学术交流 知识产权研究研、研究报 告
知识产权 活动
学术交流活 动
4
白皮书初稿汇总
白皮书讨论及修改
白皮书框架讨论与确定
2019.12
12
各国申请趋势
各国技术分支分布
生物特征识别技术分布
l 专利方案多同时涵盖算法训练、硬件设备和垂直应用 l 互联网公司注重基础技术+行业应用，布局全面，初创企业深耕专业领域 l 图像识别专利布局从静态图像识别向动态图像识别演进 l 基于深度学习进一步提升图像识别性能将在一定时期内仍是专利申请热点
13
人工智能企业的呼声
l 《审查指南》增加人工智能算法驱动商 业服务方面的创新的正面案例，应该侧 重于鼓励本质上是由于计算机执行的人 工智能算法或模型的进步或者创新性的 技术所驱动的新业态相关方案
l 《审查指南》针对特定场景的方案，撰 写出多层次的虚拟权利要求（有的情况 符合客体，有的情况不符合客体），从 而能够让审查的标准变得更为有指导性， 也能够给申请人更好的指引
17
全景展开人工智能领域关注的热点问题
18
审查动态
l 对于算法类的申请，主要看该算法是否 被具体应用到某一技术领域以解决存在 的某种技术问题
l 对于疾病的诊断和治疗类的申请，要分 开看疾病的诊断与治疗。对于疾病的诊 断方法，主要看是否以有生命的人体或 动物体为对象，且是否以获得疾病的诊 断结果或健康状况为直接目的
平台和系统 推荐与搜索
AI基础算法 AI芯片
决策与推理 计算机视觉
大计算
2019年人工智能技术分析报告
2019年人工智能技术分析报告正文目录本文研究导读 (4)时序交叉验证的改进 (5)K 折和时序交叉验证 (5)改进思路1——更合理的基线模型 (6)改进思路2——更精细的切分方法 (7)方法 (8)人工智能选股模型测试流程 (8)单因子测试 (10)回归法和IC 值分析法 (10)分层回测法 (10)结果 (11)最优超参数 (11)模型性能 (12)单因子测试 (13)构建策略组合及回测分析 (15)总结和讨论 (18)附录：分组时序交叉验证的代码实现 (19)修改model_selection 包的_split.py (19)修改model_selection 包的__init__.py (20)主函数中调用GroupTimeSeriesSplit 类 (21)图表目录图表1：K 折交叉验证示意图（K=5） (5)图表2：时序交叉验证示意图（折数=5） (5)图表3：新基线模型1：训练集折半的K 折交叉验证示意图（K=5） (6)图表4：新基线模型2：乱序递进式交叉验证示意图（折数=5） (6)图表5：分组时序交叉验证示意图（折数=5） (7)图表6：新基线模型3：乱序分组递进式交叉验证示意图（折数=5） (7)图表7：本文测试的六种交叉验证方法汇总 (7)图表8：人工智能选股模型测试流程示意图 (8)图表9：年度滚动训练示意图 (8)图表10：选股模型中涉及的全部因子及其描述 (9)图表11：选股模型超参数和调参范围 (10)图表12：模型历年滚动训练最优超参数 (11)图表13：六种交叉验证方法模型性能对比（回测期20110131~20190131） (12)图表14：逻辑回归各交叉验证相对K 折AUC 之差的逐月累积值 (12)图表15：XGBoost 各交叉验证相对K 折AUC 之差的逐月累积值 (12)图表16：六种交叉验证方法单因子回归法和IC 值分析结果对比（回测期20110131~20190131） (13)图表17：逻辑回归各交叉验证相对K 折因子收益率之差的逐月累积值 (14)图表18：XGBoost 各交叉验证相对K 折因子收益率之差的逐月累积值 (14)图表19：逻辑回归各交叉验证相对K 折RankIC 之差的逐月累积值 (14)图表20：XGBoost 各交叉验证相对K 折RankIC 之差的逐月累积值 (14)图表21：六种交叉验证方法单因子分层回测结果对比（回测期20110131~20190131）. (15)图表22：六种交叉验证方法单因子分层回测TOP 组合详细绩效分析（回测期20110131~20190131） (15)图表23：基于六种交叉验证方法构建全A 选股策略回测指标对比（逻辑回归为基学习器，回测期20110131~20190131） (16)图表24：基于六种交叉验证方法构建全A 选股策略回测指标对比（XGBoost 为基学习器，回测期20110131~20190131） (17)图表25：model_selection 包的_split.py 中新增GroupTimeSeriesSplit 类 (19)图表26：model_selection 包的__init__.py 中新增GroupTimeSeriesSplit 类 (20)图表27：主函数中调用GroupTimeSeriesSplit 类 (21)本文研究导读如果将机器学习算法比作基金经理做投资决策的过程，那么交叉验证调参相当于设计一套制度选拔优秀的基金经理。
- 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)。
第 3 章 各分支技术专利态势分析...............................................................................................15 3.1 深度学习技术..................................................................................................................15 3.1.1 深度学习技术领域专利申请量年度变化趋势 ...................................................15 3.1.2 专利申请量排名...................................................................................................16 3.1.3 国内排名前十位的申请人申请量趋势...............................................................16 3.1.4 深度学习技术各年度重点分支技术趋势 ...........................................................17 3.1.5 深度学习技术重点申请人重点分支技术布局 ...................................................18 3.1.6 专利有效性分析...................................................................................................19 3.1.7 技术路线演进.......................................................................................................20 3.2 语音识别..........................................................................................................................22 3.2.1 语音识别领域专利申请量年度变化趋势 ...........................................................22 3.2.2 专利申请量排名...................................................................................................23 3.2.3 国内排名前十位的申请人申请量趋势...............................................................24 3.2.4 语音识别各年度重点分支技术趋势...................................................................25 3.2.5 语音识别重点申请人重点分支技术布局 ...........................................................26 3.2.6 专利有效性分析...................................................................................................27 3.2.7 技术路线演进.......................................................................................................27 3.3 自然语言处理..................................................................................................................30 3.3.1 自然语言处理技术专利申请量年度变化趋势 ...................................................30 3.3.2 专利申请量排名...................................................................................................31 3.3.3 国内排名前十位的申请人申请量趋势...............................................................32 3.3.4 自然语言处理技术各年度重点分支技术趋势 ...................................................33 3.3.5 自然语言处理技术重点申请人重点分支技术布局 ...........................................34 3.3.6 专利有效性分析...................................................................................................35
第 2 章 人工智能中国专利技术整体态势分析...........................................................................10 2.1 人工智能专利技术领域分布..........................................................................................10 2.2 专利申请量趋势分析...................................................................................................... 11 2.3 主要一级技术分支申请量比例...................................................................................... 11 2.4 人工智能申请人专利申请数量排名..............................................................................12 2.5 国外来华申请人状况分析..............................................................................................13