《2017大数据及人工智能领域人才发展报告》发布(最新完整版PPT)
全球人工智能发展报告(2017)
全球人工智能发展报告（2017）基于海量数据观察全球互联网前沿，洞见中国互联网发展未来人工智能与大数据技术驱动，以数据促进科学决策知识作为服务Knowledge as a Service目录C O N T E N T S·前言美国人工智能企业引领全球，优势在哪中国人工智能企业发展逼近美国，拐点来临？欧洲人工智能企业发展力争上游，机遇在哪亚洲人工智能企业发展方兴未艾，弯道超车？小结050609131517美国人工智能企业引领全球，优势在哪？1047自2000年以来，旧金山湾区新增AI企业数：其中，最近五年新增企业数：6963033自2000年以来，美国新增AI企业数：其中，最近五年新增企业数：1801旧金山湾区人工智能企业分布图美国人工智能企业概述l2000-2016年，美国新增人工智能企业3033家，占全球人工智能总数的37.4%，位列全球第一。
但美国每年新增人工智能企业数占当年全球新增人工智能企业总数的比例一直在下降，2000时这一比例为45%，2016年时下降至26%。
l美国人工智能企业主要集中于东西海岸。
东海岸以纽约地区、波士顿地区为代表，西海岸以旧金山湾区、洛杉矶地区、西雅图等为代表。
其中，2000-2016年，旧金山湾区人工智能新增企业数，超过美国人工智能企业总数的三分之一，超过全球除中国外的其它国家。
旧金山湾区34.52% 纽约地区11.34%波士顿地区6.00%美国主要城市的AI企业数三大地区AI企业占美国AI企业总数的比重旧金山湾区人工智能企业概况旧金山湾区人工智能企业发展趋势l 旧金山湾区人工智能企业数量于全球占比达12.91%。
其每年新增的人工智能企业数占美国当年新增数量的比例在持续上升，目前已从2000年时的28.6%，上升至2016年的近50%。
l 在旧金山湾区众多城镇中，以San Francisco、Palo Alto的人工智能企业最多，两者的数量之和超过旧金山湾区的一半。
人工智能ppt模板
人工智能在教育领域的应用
人工智能在教育领域的应用 人工智能技术可以帮助教师进行个性化教学，提高学生的学习效率和兴趣。 人工智能在教育领域的应用 根据一项研究，使用人工智能技术的学校的学生在学术成绩上表现更好。
人工智能在工业领域的应用
人工智能，引领未来科 技新浪潮。
人工智能
国际数据公司，全球信 息产业领导者。
人工智能的发展历程
人工智 能
发展历程
应用领 域
技术革 新
The Development
History of Artificial Intelligence
教育
医疗
数据隐私
金融
人工智能的主要理论
人工智能是模拟人类智能 根据图灵测试，只有 人工智能是模拟人类智能 根据图灵测试，只有部分人能够理解计算机的输出，而大部分情况下， 计算机的输出与人类的思考方式相去甚远。 人工智能依赖于大数据和算法 机器学习、深度学习等技术需要大量的数据进行训练，而数据的获取 和处理是人工智能发展的关键因素。 人工智能具有广泛的应用前景 从自动驾驶到医疗诊断，人工智能的应用已经渗透到各个领域，未来 还有更多的应用场景等待开发。 人工智能的发展需要政策支持 政府在人工智能领域的投入和支持对于推动其发展至关重要，例如提 供资金支持、制定相关政策等。
人工智能：原理、技术与未来发展趋势数据安全和隐私问题 人工智能的发展带来了巨大的机遇，但同时也引发了数据安全和隐私问题。
人工智能的道德和伦理问题
人工智 能
国际数据 公司
隐私权
道德挑 战
决策透 明度
The Moral and
Ethical Issues of Artificial
就业影 响
Intelligence
2017大数据及人工智能领域人才发展报告
50000 0
5667 33772
NLP
16年-17年各职位招聘人数变化 374527
27608
126590 41831
7704 47783
305 1310
大数据开发
数据挖掘
图像/视觉
语音
8164 56949
智能硬件
2017招聘人数 2016招聘人数
※数据来源于e成科技
3
各职位招聘数量增长率
795.33%
单位：元
800000
人工智能人才与互联网技术人员平均年薪对比
600000 400000
3年以下人工智能 人才年薪比普通技
术员高134.9%
200000
0 3年以下
※薪资数据来源于e成科技旗下猎头交 易平台橙单chengdan.ai ※年薪仅为年度基本薪酬
3-5年
人工智能人才工资
5-8年
行业平均
8年以上
单位：人
杭州领跑二线城市
16000
14000
12000
10000
8000
6000
4000
2000
0 杭州
南京
2017年人工智能行业研究报告
2017年人工智能行业研究报告2017年9月目录一、人工智能成为国家级战略布局空前，有望实现跳跃式发展 (4)1、人工智能上升为国家战略，政策落地速度超预期 (4)2、人工智能产业投资规模持续增长 (7)二、软硬件基础逐渐成熟，应用场景不断扩张 (9)1、AI芯片领域井喷发展，终端+云端协作成为趋势 (9)（1）AI芯片纷纷涌现，AI-PU有望成为未来趋势 (9)（2）首个大批量应用的终端AI芯片麒麟970粉墨登场 (12)2、行业应用加速，关注计算机视觉、智能医疗、零售、无人驾驶进展 (13)（1）人工智能技术持续进步，行业应用加速 (13)（2）阿里亮相无人超市指出新场景 (15)三、政策资本投入力度超预期，产业有望迎来加速发展 (16)过去一年左右的时间里，人工智能的行业政策、投资规模、发展进程方面取得众多进展，迎来了全新的局面。
《新一代人工智能发展规划》发布，人工智能上升到国家战略。
按照2017 年7 月的发展规划，人工智能战略有了明确的路线图、政策支持范围和实施方式，而人工智能是国家竞争的高地，未来政策支持力度有望持续提升。
万亿级别产业规模计划、高力度的政策支持，我国人工智能产业从中持续受益。
人工智能产业投资持续增长。
人工智能行业的融资规模作为可比性较强的量化数据，今年在2016 年翻倍发展的基础上再次实现了跨越式增长，并购和布局等也越发活跃。
资本和人才等产业资源加速投入、碰撞和整合，人工智能行业迎来持续爆发。
AI芯片发展迅速，人工智能硬件基础逐渐成熟。
AI专用训练芯片持续发展，未来将挑战GPU 的霸主地位；随着麒麟970 的发布，终端AI芯片也将陆续出现，“CPU+GPU+AI-PU”有望成为终端标配，将进一步推动人工智能应用的加速发展。
软硬件基础逐渐成熟，行业有望超预期发展。
人工智能带来的生产力的飞跃极为惊人，在众多行业有望取得广泛应用，变革人类生产生活方式。
行业应用上，计算机视觉和“人工智能+医疗”领域高速发展，为其他分支树立了标杆；高级应用上，无人驾驶和无人超市为行业的深刻变革带来了巨大的发展机遇，相关产业链有望迎来发展良机。
2017年人工智能AI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！）正文目录1. 人工智能厚积薄发，引领IT新一轮革命 (13)1.1. 人工智能发展的三大背景 (13)1.1.1. 神经网络的出现，为人工智能的出现提供动力 (13)1.1.2. 运算能力和储存能力提升,为人工智能第三次浪潮的到来提供基础 (16)1.1.3. 各界需求的不断攀升，为人工智能的完善保驾护航 (20)1.2. 人工智能在IT中的架构中处于核心地位 (21)1.3. 人工智能演化历史，三起两落 (22)2. 人工智能前沿解析——人工智能全方位超越人类 (24)2.1. 感知智能全方面超越人类 (25)2.1.1. 人脸识别率达99.80%，机器视觉超越人眼 (26)2.1.2. 语音识别率接近人类，实验环境更待普遍化 (28)2.2. 语言领域功能创新让机器不再冰冷 (30)2.2.1. 语音转录技术已成熟，正在逐步实现各场景渗透 (30)2.2.2. 语音交互从各个特殊场景起步，功能日渐强大 (33)2.2.3. 特征识别通过语音来实现身份认证 (35)2.2.4. 机器翻译帮助人类迅速实现地球村概念 (36)2.3. 计算机视觉让机器成为敏锐的观察者 (37)2.3.1. 特定物体识别已实现突破，其中人脸识别最具价值 (37)2.3.2. 通用物体识别是真正强智能时代的标志 (39)2.3.3. 空间位置感知技术构成无人驾驶最核心功能 (40)2.4. 人工智能连下数城，认知智能逐渐突破 (42)2.4.1. AlphaGo攻下围棋领域，完整信息博弈先下一城 (43)2.4.2. Libratus斩获德州扑克，非完整信息博弈再下一城 (45)2.4.3. 认知智能下一座城在何处？ (48)2.5. 逻辑推断完成机器认知智能第一步 (50)2.5.1. 行为决策源于游戏，却高于游戏 (50)2.5.2. 知识图谱为机器提供更加庞大的认知体系 (51)3. 人工智能算法的突破将为AI应用提供无限可能 (53)3.1. 神经网络是人工智能算法的核心 (53)3.2. 监督学习算法让人工智能成为可能 (57)3.2.1. CNN算法带领机器视觉全面超越人类 (60)3.2.2. RNN算法帮助机器听懂人类语言 (64)3.3. 未来智能学习新领域——非监督学习算法 (68)3.3.1. Apriori算法 (68)3.3.2. K-Means算法 (69)3.3.3. 高斯混合模型算法 (70)3.4. 聚焦算法创新进展 (70)3.4.1. FSMN改善语音实时交互延时问题 (70)3.4.2. DFCNN让卷积神经网络“听得更多” (72)3.4.3. 迁移学习扩宽深度学习算法应用边界 (73)4. 人工智能芯片为AI提供物理基础 (74)4.1. 算力提升是人工智能发展的前提保障 (74)4.2. AI硬件架构战场烽火未定 (74)4.2.1. 英伟达在AI硬件领域率先起跑，已获得生态圈优势 (75)4.2.1.1. 英伟达GPU行业霸主，逐渐形成AI生态圈 (75)4.2.1.2. 英伟达正着力制定无人驾驶硬件标准 (76)4.2.2. Intel大举并购，成为CPU+FPGA阵营的领军者 (84)4.2.3. 以高通、ARM为代表的ARM阵营有望统一终端计算市场 (86)4.2.4. 其他技术路线应受到更大重视 (88)5. 人工智能下游应用 (89)5.1. AI+安防——构建城市“最强大脑” (89)5.1.1. 高清摄像头升级为“AI+安防”提供可能性 (89)5.1.2. AI实现安防点线面全维度布局，打开市场增长空间 (90)5.1.2.1. 单点布防，刷脸认证 (90)5.1.2.2. 连线成网，智能交通 (92)5.1.2.3. 从点到面，行为与人群识别 (94)5.1.2.4. 断文识字，智能案情分析 (95)5.1.3. 我国安防产业链逐渐完善 (96)5.1.4. 技术实力与三个产业化壁垒下AI安防企业核心竞争力 (97)5.2. AI+医疗——用数据造福人类健康 (101)5.2.1. IBM：医疗人工智能的先行军 (101)5.2.2. Enlitic：人工智能医疗影像诊断服务商 (103)5.2.3. Arterys：云计算医疗成像分析拟进军肿瘤领域 (104)5.2.4. 阿里ET医疗大脑：为医生配一个24小时“全能”助手 (106)5.3. AI+金融——为资产配置打开“上帝视角” (108)5.3.1. AI+金融行业背景 (108)5.3.1.1. 金融数据的复杂度较高，但价值巨大 (108)5.3.1.2. 全球金融科技100榜单中模式创新为主，技术创新较少 (110)5.3.1.3. 可能在金融领域应用的人工智能技术 (110)5.3.2. 人工智能在金融领域应用 (111)5.3.2.1. 智能投顾 (112)5.3.2.2. 智能风控 (120)5.3.2.3. 智能资管 (124)5.4. AI+汽车——移动的智能载人机器人 (129)5.4.1. 无人驾驶“升级”路径 (129)5.4.2. 三大传感器比较 (130)5.4.3. 无人驾驶两大阵营 (132)5.4.3.1. 递进式阵营 (132)5.4.3.2. 越级式阵营 (133)5.4.4. 各国政府政策指引 (133)5.4.4.1. 各地区安全政策进展 (134)5.4.5. 谷歌的超级司机 (135)5.4.5.1. Waymo的Tier One野心 (138)5.4.6. Elon Musk与他的大师计划：Autopilot车队学习 (141)5.4.6.1. Autopilot 1.0的诞生 (141)5.4.6.2. Autopilot 2.0的启动 (143)5.5. AI+服务——替代人在服务业中的作用 (145)5.5.1. AI在语音识别领域的应用 (145)5.5.2. AI在智能呼叫中心服务领域的应用 (147)5.5.3. 人工智能智能玩具 (149)5.5.4. AI在教育领域应用 (154)5.5.5. AI在电商零售领域应用 (156)5.5.6. AI在云计算领域中的应用 (160)6. 人工智能发展趋势与投资策略 (161)6.1. MIT Tech Review 2017年人工智能5大趋势预测 (162)6.1.1. 趋势一：正向强化学习 (Positive reinforcement) (162)6.1.2. 趋势二：对抗性神经网络 (Dueling neural networks) (162)6.1.3. 趋势三：中国的人工智能热潮 (China's AI boom) (163)6.1.4. 趋势四：语言学习 (Language learning) (168)6.1.5. 趋势五：反对人工智能过度炒作 (Backlash to the hype) (169)6.2. 各行业投资及重点关注标的 (169)6.2.1. AI+安防 (169)6.2.2. AI+金融 (170)6.2.3. AI+医疗 (170)6.2.4. AI+汽车 (171)6.2.5. AI+服务 (171)6.2.6. AI海外标的 (171)图目录图1：人工神经网络示意图 (14)图2：神经网络发展阶段一 (15)图3：神经网络发展阶段二 (15)图4：深度学习近期标杆事件 (15)图5：基本完整的深度学习网络 (16)图6：CPU架构 (16)图7：GPU架构 (17)图8：CPU和GPU 计算能力比较 (18)图9：摩尔定律驱动的产业 (18)图10：机械硬盘：容量增加了100万倍 (19)图11：服务器磁盘存储：36万倍的提升 (19)图12：人工智能板块蓝图 (20)图13：ICT 在过去的变革 (21)图14：人工智能产业生态格局的三层基本架构 (22)图15：人工智能的演化历史 (23)图16：人工智能三大阶段 (24)图17：机器视觉工作原理 (26)图18：人工智能99.80%超越人类 (27)图19：高置信度条件人工智能显优势 (27)图20：微软语音识别Cortana (28)图21：苹果语音识别 (29)图22：英文语音识错率 (29)图23：中文语音识错率 (30)图24：亚马逊Echo及无线遥控器 (31)图25：Google Home多房间支持 (32)图26：阿里小蜜和京东JIMI机器人 (33)图27：Siri、谷歌助理、百度度秘提问测试对比 (35)图28：谷歌翻译、有道翻译、百度翻译实例对比 (36)图29：人脸识别进行身份验证 (38)图30：谷歌可以识别照片上的各种物体 (39)图31：谷歌图片识别原理图 (40)图32：特斯拉Autopilot升级阶段 (41)图33：谷歌无人车的3D LIDAR图像 (42)图34：LIDAR扫描车身周围环境示意图 (42)图35：认知智能连下数城 (43)图36：被AlphaGo逼入苦战的李世石 (44)图37：AlphaGo解空间 (45)图38：信息集量级对比 (45)图39：Libratus完胜人类选手 (46)图40：信息集量级对比 (47)图41：Libratus残局解算器 (48)图42：Libratus运算过程 (48)图43：认知智能未来发展预期 (49)图44：认知智能逐步发展 (50)图45：AlphaGo的神经网络 (51)图46：中文知识图谱网站zhishi.me (52)图47：人工神经网络算法 (54)图48：深度学习算法训练模型 (55)图49：无标签数据训练过程 (55)图50：监督学习微调之只调整分类器过程 (56)图51：监督学习微调之调整整个系统过程 (56)图52：监督学习算法的主要步骤 (57)图53：KNN在图像识别应用 (58)图54：IRIS数据特征自己的分类效果图 (59)图55：两层之间卷积网络传输示意图 (61)图56：卷积神经网络算法全部感知和局部感知 (61)图57：CNN在Image Net图像分类的应用 (62)图58： CNN算法在膝关节软骨的分割识别中处理方法 (63)图59：Policy Network的CNN结构 (64)图60：RNN算法一般逻辑 (64)图61：RNN使用形式 (65)图62：标准RNN重复模块 (65)图63：LSTM重复模块 (66)图64：三大语音助手问题答复率 (66)图65：三大语音助手问题答复完整度 (67)图66：基于RNN——CTC的主流语音识别系统框架 (67)图67：非监督学习算法模型 (68)图68：Apriori算法每轮候选集与剪枝结果 (69)图69：K-means算法示意图 (70)图70：高斯混合模型算法分类前后 (70)图71：FSMN结构示意图 (71)图72：隐含层记忆模块时序展开示意图 (72)图73：DFCNN示意图 (72)图74：传统的监督学习模式 (73)图75：迁移学习模式 (74)图76：英伟达各项业务营收比较（百万美元） (75)图77：英伟达游戏、数据中心、汽车三块业务同比增速 (75)图78：英伟达GPU在人工智能的主要合作平台 (76)图79：英伟达DRIVE PX 2车载电脑平台 (77)图80：英伟达CES 2017大会开幕演讲 (78)图81：英伟达宣布多项合作 (78)图82：英伟达Xavier下一代车载超级电脑 (79)图83：BB8内部的演示屏幕，包括图像识别和实时分析 (79)图84：BB8在CES上的展示 (80)图85：DriveWorks软件开发平台 (80)图86：AI Co-Pilot功能展示 (81)图87：英伟达与奥迪宣布新合作 (82)图88：奥迪Q7展示车辆 (82)图89：采埃孚开发ZF ProAI系统 (83)图90：英伟达宣布与博世合作 (83)图91：英伟达在CES宣布合作伙伴 (84)图92：Intel CPU+FPGA解决方案产品演进图 (85)图93：Intel的人工智能战略 (85)图94：高通提供的Zeroth技术路线 (87)图95：移动端智能化是大势所趋 (87)图96：我国视频监控的四个阶段 (89)图97：中国生物识别市场规模与预测（亿元） (91)图98：中国人脸识别行业市场规模预测（亿元） (91)图99：图像识别在道路监控及交通执法中的应用 (93)图100：套牌车分析系统应用 (93)图101：人群分析与重点区域布防应用 (94)图102：语言要素及语义理解模型 (95)图103：安防行业产业链示意图 (97)图104：AI图像识别的技术梯队化 (97)图105：数据获取能力比较 (98)图106：产品化能力比较 (99)图107：渠道能力比较 (99)图108：医疗资料浪费严重 (101)图109：人工智能在医疗领域应用潜力巨大 (101)图110：IBM Watson近三年布局 (102)图111：IBM Watson所拥有的数据量与功能 (103)图112：公司近年发展历程 (104)图113：Enlitic软件的四大功能 (104)图114：4.3. Arterys公司发展历程 (105)图115：4D血流分析软件特点 (105)图116：阿里发布ET医疗大脑 (106)图117：阿里云希望挑战肺结节领域的机器读片 (107)图118：阿里联合英特尔、LindDoc启动天池医疗AI系列赛 (108)图119：金融数据价值巨大（圆圈大小表示价值占GDP的大小） (109)图120：2016年Fintech100领域分类 (110)图121：可应用于金融领域的人工智能技术及其特征 (111)图122：人工智能在金融领域的三大应用 (111)图123：智能投顾的主要流程 (112)图124：智能投顾软件核心步骤 (113)图125：智能投顾的主要AI和理论技术 (114)图126：个人理财业务三大分类 (115)图127：智能投顾的三大模式 (116)图128：美国智能投顾软件资金管理规模 (116)图129：wealthfront智能投顾四个步骤 (117)图130：采用了Monte-Carlo算法预测退休金需求 (118)图131：资金管理的两种模式 (119)图132：根据用户分类匹配的投资建议 (119)图133：退休账户情景分析 (120)图134：AI技术在风险管理领域的应用 (121)图135：智能风控三步走 (121)图136：智能风控三大分类 (122)图137：WatsonAnalyics主要业务 (122)图138：Algo服务流程 (123)图139：新一代“认知计算”的AI大脑引擎 (123)图140：AI大脑引擎技术与应用 (124)图141：算法交易的分类 (124)图142：AI模型辅助交易称为必然趋势 (125)图143：AI算法交易底层技术 (126)图144：舆情交易分析技术 (126)图145：Rebellion投资行业 (127)图146：KFL 每月收益一览 (128)图147：David Ferrucci与Watson (128)图148：Bridgewater CEO Ray Dalio (129)图149：SAE自动驾驶安全等级划分 (130)图150：三款传感器主要应用比较 (131)图151：主流完全自动驾驶系统车辆传感器配置 (131)图152：无人驾驶两大阵营 (132)图153：谷歌无人车原型主要配置 (136)图154：谷歌无人车LiDAR绘制的3D地图 (136)图155：谷歌使用的Velodyne 64束激光雷达 (137)图156：Velodyne的主要LiDAR产品 (137)图157：搭载Waymo传感器套件的Pacifica (138)图158：Waymo在车展上进行展示 (139)图159：Waymo在车展上进行展示 (139)图160：Waymo在车展上进行展示 (140)图161：谷歌发布“共享出租”专利 (141)图162：谷歌发布“共享出租”专利 (141)图163：特斯拉Autopilot升级阶段 (142)图164：特斯拉硬件升级Autopilot 2.0渲染图 (143)图165：特斯拉车队学习模式 (143)图166：特斯拉Model S与奔驰E200的智能驾驶测试对比 (144)图167：Amazon Alexa工作原理 (146)图168：晓译翻译机能够实现多场景语音识别 (147)图169：晓译翻译机能实现多种方式翻译 (147)图170：人智能呼叫中心服务 (148)图171：salesforce将人工智能应用于呼叫中心业务 (148)图172：salesforce将人工智能应用于呼叫中心业务 (149)图173：人工智能玩具未来趋势 (150)图174：Hello Barbie产品 (151)图175：Hello Barbie产品 (151)图176：Thomas&Friends Talk toYou产品 (152)图177：Thomas&Friends Talk toYou产品 (152)图178：hi乐迪智能玩具外形 (153)图179：hi乐迪智能玩具 (154)图180：人工智能教育的优势 (155)图181：科大讯飞智学云教育系统 (156)图182：JIMI客服聊天界面 (157)图183：应用于JIMI机器人的人工智能技术 (157)图184：京东无人仓——Shuttle货架穿梭车 (158)图185：京东配送无人机 (159)图186：手机淘宝的拍立淘功能 (160)图187：拍立淘能够通过图像识别技术满足客户购物需求 (160)图188：数据中心PUE的机器学习测试结果 (161)图189：Deep Speech与苹果Dictation、微软Bing Speech、Facebook wit.ai、谷歌API的语音识别错误率比较 (163)图190：Deep Speech 2用于英文和中文的深度RNN结构 (164)图191：百度展示人脸识别错误率已经降到2.3% (164)图192：百度深度学习研究员主攻方向 (165)图193：百度的AR技术交互模式展示 (165)图194：神经网络在人脸识别上超过人眼 (166)图195：蚂蚁金服漆远介绍金融领域AI元素 (167)图196：蚂蚁金服漆远介绍金融领域AI应用 (168)表目录表1：人工智能最新进展 (25)表2：监督学习算法部分类别特征 (60)表3：ILSVRC-2012验证集和测试集错误率对比 (62)表4：智能安防领域企业实力比较 (100)表5：投资顾问与机器人智能理财顾问对比 (115)1. 人工智能厚积薄发，引领IT新一轮革命1.1. 人工智能发展的三大背景2016年是人工智能的元年，Alpha Go的胜利引爆了全民的热情。
探索数据分析的崭新领域：大数据与人工智能培训课件
电商行业
用户画像与个性化推荐
01
大数据分析可以全面了解用户需求和购物习惯，实现个性化推
荐，提高转化率。
供应链管理与优化
02
大数据可以帮助电商企业更好地管理库存、物流等环节，降低
成本、提高效率。
市场预测与营销策略制定
03
通过大数据分析，电商企业可以更准确地预测市场需求，制定
有效的营销策略。
交通行业
智能推荐系统是人工智能在电子商务、媒体和社交等领域的应用，通过分析用户行为和兴趣为用户推荐相关内容 或产品。
详细描述
智能推荐系统通过分析用户的历史行为和兴趣偏好，能够为用户推荐相关内容或产品。这种技术有助于提高用户 满意度和忠诚度，促进电子商务和媒体平台的业务发展。
04
大数据与人工智能的未来展望
大数据技术的发展趋势
人工智能技术的发展趋势
深度学习技术的广泛应用
深度学习技术将在语音识别、图像识别、自然语言处理等领域发 挥更大的作用，提高人工智能的应用效果。
人工智能与虚拟现实的结合
虚拟现实技术将为人工智能提供更加真实的模拟环境，促进人工智 能技术的进步。
人工智能伦理问题的关注
随着人工智能技术的普及，伦理问题将逐渐凸显，如何制定合理的 伦理规范将成为重要议题。
大数据与人工智能的融合发展
1 2
数据驱动的人工智能
大数据技术为人工智能提供丰富的数据资源和强 大的计算能力，推动人工智能技术的快速发展。
人工智能优化的大数据技术
人工智能技术可以优化大数据的采集、存储、处 理和分析过程，提高大数据技术的应用效果。
3
大数据与人工智能的交叉创新
大数据与人工智能的融合将催生新的技术和应用 领域，如智能推荐、智能客服等。
【精品推荐】2017年贵州省互联网 大数据发展报告PPT(完整版)图文
联网行业综合评价指数评价贵州省互联网行业发展水平,更好地推动
贵州省互联网与实体经济融合，为促进“数字贵州”建设提供决策参 考。
1
目
前
录
言..................................................................... 1
术语解释和数据来源........................................................... 6 报告摘要..................................................................... 8 第一篇 互联网基础资源篇..................................................... 10 第一章 贵州省互联网基础设施建设情况..................................... 10 一、骨干网络通信能力................................................ 10 （一）光缆线路铺设.............................................. 10 （二）省际出口带宽.............................................. 11 二、宽带网络服务能力................................................ 12 （一）有线宽带.................................................. 12 互联网宽带接入端口规模稳步增长.................................. 12 宽带网络高速发展，宽带速率持续提升.............................. 13 （二）无线宽带.................................................. 14 无线宽带网络覆盖能力稳步提升，4G 基站市场占有率超过一半 ......... 14 三、宽带贵州........................................................ 15 （一）九成宽带用户提速到 20M 及以上速率，普遍服务推动消除城乡数字“鸿 沟”............................................................ 15 （二）移动数据流量资费同比降幅近 40%，固定宽带价格处于低资费水平 16 第二章 贵州省互联网资源概况............................................. 17 一、贵州省 IPv4 地址数量............................................. 17 二、贵州省域名数量.................................................. 18 三、贵州省网站数量.................................................. 18 四、贵州省网页数量.................................................. 19 第二篇 互联网用户发展篇..................................................... 20 第三章 贵州省互联网行业用户发展情况..................................... 20 一、固定宽带用户.................................................... 20 固定宽带用户增速创 6 年新高，“光网贵州”工程加速推进............. 20 二、移动宽带用户.................................................... 21 移动宽带用户结构加速向 4G 迁移，普及率保持大幅度提升............. 21 三、移动互联网用户.................................................. 22 移动互联网用户获新一波增长，手机上网用户占比突破 98% ............ 22 四、融合业务用户.................................................... 23 IPTV 用户增速超过 95%，物联网终端用户规模突破 200 万.............. 23 第四章 贵州省互联网用户流量使用情况..................................... 24 一、固定互联网流量使用情况.......................................... 24 固定互联网接入流量使用量达 40 亿 GB，全国排名居上游 .............. 24 二、移动互联网流量使用情况.......................................... 25 移动互联网流量保持高速增长，月户均使用流量翻倍.................. 25 第五章 网民整体状况及上网行为研究....................................... 26 一、网民整体情况.................................................... 26 网民规模不断扩大，网民特征与全国趋同............................ 26 二、网民上网行为情况................................................ 31
2017全球人工智能发展报告框架篇
注：本页内容涉及的货币单位，除注明为美元外，其余均为人民币
8
全球人工智能群雄逐鹿，谁领风潮？
c. 人工智能技术专利情况
统计期内人工智能领域的企业、高等院校、科研机构等申请的人工智能相关专利数。
数据来源
1.4亿+ 学术论文
投融资 数据库
海量知 识图谱
中华人民共和国国家知识产权局
SIPO
国家统计局
European Patent Office
计量单位说明
涉及货币单位，除用汉字注明外，分别以下列字母表示计量单位：K=千；M=百万；B=十亿
2700 亿元
数据来源：、赛迪等机构公开数据
5
前言
l 人工智能始于1956年的达特茅斯会议，近年逐渐升温；2016年，随着AlphaGo人机大战而成为 热词。如今，人工智能的产品也无处不在，比如Apple的Siri，谷歌的无人车，IBM的Watson， 以及其它各种人脸识别技术等。这些都使投资界和产业界对人工智能的关注前所未有地高涨。
l 2012-2016年，全球人工智能企业新增5154家，是此前12年的1.75倍。全球人工智能融资规模达224亿美元，占2000-2016年累积融 资规模的77.8%。仅2016年的融资规模就达到92.2亿美元，是2012年的5.87倍，与2000年-2013年累积融资规模相当。
l 2000-2016年，美国累积新增人工智能企业数3033家，占全球累积总数的37.41%。但美国每年新增人工智能企业数占当年全球总数的 比例在下降，这一比例在2016年首次低于30%。