2019人工智能行业创新情报白皮书.pdf

14 人工智能行业概况5 人工智能的定义人工智能本质是指机器模拟人类思考行为的能力人工智能的定义非常广泛，随着时间的推进，文公智能也将不断进化，但其本质是机器模拟人类思考行为的能力。虽然人工智能经常被分作计算机科学的一个分支，事实上智能站在自然科学和社会科学的交叉路口，涉及计算机、数学、物理、社会学、心理学和哲学等学科。目前，全球有近千家人工智能公司，遍布62 个国家的十余个行业，使人工智能和各行业的边界变得模糊。按照应用范围，人工智能可以被分成三类：弱人工智能，强人工智能和超人工智能弱人工智能弱人工智能着重对人类推理过程的模仿，但没有人工感知力弱人工智能通常只擅长于某个特定领域，极难发展领域外的能力，其学习规则是封闭的强人工智能是可以达到人类思维级别的人工智能程序，有自我学习和理解复杂概念的能力，目前人类正在努力靠近这一目标 “深度学习”和“大数据”是强人工智能的引擎和燃料超人工智能将在所有领域全方位超越人类大脑的思维能力超人工智能的能力和运用范围仍在一个无法预估的范畴 Siri ：苹果公司在2011 年推出的智能个人助理 AlphaGo ，Google 在2015 年推出的围棋人工智能程序度秘：百度在2015 年推出的智能语音私人助理app ，可在不同场景下实现指令控制、信息查询、知识应用、智能提醒和多种生活服务；同时支持第三方开发者的能力接入。目前尚无成熟产品强人工智能超人工智能定义代表产品6 1950-1980 ：萌芽期 1980-2006: 突破期 2006 - 至今：飞速发展期 1950 年，计算机与人工智能之父图灵提出 “ 图灵测试 ” 用以判断机器是否能够思考。 “ 机器是否能思考 ” 这一问题第一次得到世界广泛关注 1956 年召开的达特茅斯会议标志着人工智能学科的起源，奠定了人工智能的基础。从那以后，有关人工智能的学术交流变得频繁，1957 年罗森布拉特发明的神经网络算法极大推动了人工智能研究潮流然而在进入七十年代之后，机器的计算能力并未得到突破，人工智能的研究进入了第一个低谷二十世纪八十年代，BP 算法由保罗沃伯斯提出，使大规模神经网络训练的可能性得到实现，开启了人工智能发展的第二个阶段计算机的计算能力和运行成本在这一阶段经历了由高到低的大幅度变化，打破了人工智能发展的瓶颈，加上互联网的构建，让学术和技术交流的成本也大幅下降，速率相应上升，人工智能的发展得到了进一步突破 2006 年，杰弗瑞辛顿提出了“ 深度学习 ” 神经网络，将人工智能的发展推向了一个新的高峰。深度学习算法让人工智能在语音和视觉识别上取得重大进展。 2010 年前后，人工智能同时也和移动互联网的发展紧密挂钩，后者为人工智能提供了更多的应用场景和融资方向 2015 年前后，语音识别和无人驾驶领域的进展也让公众对人工智能的兴趣和关注迈上了一个新的台阶。 2017 年，谷歌旗下的DeepMind 团队公布了”Al p h a G o Ze ro ” ，通过40 天自学围棋基本规则，已成功超越人类高手。全球人工智能行业经历的三次发展浪潮电脑硬件、互联网技术、大数据应用等领域的不断突破，人工智能也正高速发展8 中国人工智能行业发展历程中国人工智能起步较晚；随着不断加大的投资和重视，正一步步赶超发达国家水平智能计算机系统、智能机器人和智能信息处理等重大项目列入“863计划”（国家高技术研究发展计划）国务院印发新一代人工智能发展规划的通知中国人工智能学会向国家学位委员会和国家教育部提出设立 “智能科学与技术”学位 2030 年 1980 年代初期 1986年 1993年 2003 年 2016年 2017年 1981 年，中国人工智能学会（CAAI ）成立 20 世纪70 年代末至80 年代前期，人工智能项目开始纳入国家科研计划 2016年，国务院发布中国制造2025 国家发改委和科技部等4 部门联合发布“ 互联网+” 人工智能三年行动实施方案智能控制和智能自动化等项目开始陆续列入国家科技攀登计划面向2030 年，确定15 个重大项目的立项建议，涉及航空、网络安全、智能电网、智能制造和机器人等多个高新领域，酝酿“人工智能2 .0 ” 推动中国高新技术发展及产业化水平。10 中国人工智能产业的优势由于近几年中国的互联网行业的迅猛发展，一大批互联网、科技公司累计了一定的用户数据和研究资本，特别是BAT ，不仅拥有海量的用户大数据，还吸引了大批人工智能人才为其进行人工智能方面的研发。BAT 在中国的带头作用将有利激发整个人工智能行业的创新。由于中国语言的特殊，人工智能重要的语义分析技术，需要大量的研发资金和充足的理解能力。这些是同类型的海外企业无法独立完成的。其次，国家政策和中文语言难度使得中国人工智能企业可以更好的研发本土产品，使之与海外企业的产品形成差异。中国人工智能产业的劣势较于美国等发达国家，中国高校在人工智能领域的课程较为分散，没有系统的栽培体系。虽然部分企业与高校有人工智能项目合作，但是成效甚微，不及企业内部自行研发具有实用性和商业价值。不同于发达国家的互联网和智能化的普及程度，中国在基础建设方面还是十分薄弱的。部分偏远地区的互联网还不能满足人工智能产品要求。即使人工智能产品能够落地，如何转变消费者的观念并驱动消费者购买也同样需要投入大量的资金与时间。例如，人们对于无人驾驶车安全性的担忧可能导致观望态度，从而对企业的造成运营负担。中国人工智能产业的好势头人工智能事业才刚刚进入百家争鸣的时代，在国家政策的保护下，各家企业都有机会成为自己细分行业内的领军人物。并且，现如今行业准则的缺失也给予了领军企业设定标准并垄断市场的大好机会。 2016 年，中国政府公布中国制造2025 鼓励人工智能行业，而资本方也瞄准并看好各类型的人工智能商业模式，对于创新型企业而言无疑是好事。另一方面，大企业由于自身的资金实力和科研能力可以促使自身在人工智能行业链中获得巨大利益。中国人工智能产业可能遇到的挑战传统企业如果转型过渡到人工智能领域无疑是个重大挑战，企业不仅需要从人才招聘、研发方向进行考量，还需要从上到下的全企业的理解和支持。这不仅仅需要管理层的观念转变，更需要管理层对于未来市场的规划和研究，若无法准确定位市场，企业生存问题将受到威胁。中长期来看，人工智能将会取代大部分重复的基础工作，届时还需要政府和相关企业的高度重视人民就业问题，并采取相关措施保障社会福利。中国人工智能行业所面临的机遇和挑战中国现有的科技水平和人才储备将对未来人工智能的发展形成一定阻碍，但中国的大数据量和独特的文化差异性使得中国市场不易被外资企业轻易占领市场份额11 人工智能价值链分析大数据、半导体芯片以及智能算法被誉为人工智能的三大基石上游中游下游大数据半导体芯片智能算法各类终端应用图像数据语音数据人工智能的实现需要大量的数据训练，这些数据包括文字，语音、影像以及用户行为等等。然而，存在于生活场景中的大量信息是无法直接用于计算机算法的训练，且大量数据的存储以及处理成本高昂，因此专业的数据采集、处理以及存储公司应运而生。智能算法与大数据两者相辅相成，算法通过数据训练不断完善，同时也由于智能算法的不断改进，大量自然数据得以完成归类和整理，成为可用于算法训练的结构化数据。人工智能的中游主要由半导体芯片以及智能算法构成。在人工智能发展早期，传统的算法（如经典机器学习）主要是解决标准化、数学化的抽象问题。而目前人工智能需要挑战的是解决现实场景中的各类问题，例如识别图像、识别语音或者识别生物特征。这就涉及到将真实信息进行抽象处理从而转化为计算机可以理解的程序语言。为了实现这一目标，各类方法被提出。与之相匹配的，新型算法往往对计算机的计算能力提出了更高要求，更强运算能力的计算机芯片也应运而生。人工智能的下游应用极为广泛，目前主要行业包括智能机器人、智能家居、智能医疗、智能教育、智能零售、计算机视觉以及语音识别等。人工智能的兴起来自于人们对于定制化、个性化、高品质服务及产品的需求；与此同时，相应的人力成本不断攀升，各行各业急需变革以降低相关成本，人工智能便成为各下游终端应用场景中最理想的产品。12 人工智能上游大数据采集+ 下游应用13 绝大多数的AI 算法是开源的，算法的开发往往是由世界上顶级数学家以及计算机学家完成的。要实现AI 技术的商业化并真正成为人们生活中的一部分需要大量结构化的数据进行训练，未经训练的AI 技术只能算是纸上谈兵。因此，数据的数量以及质量正成为各个公司之间，各个国家之间竞争的焦点。从人工智能的角度看，我们已经度过了最早期的数据积累阶段，事实上，目前是信息爆炸的时代。在中国，智能手机以及各类平板电脑的数量超过13 亿，而每个智能手机能携带超过16 种传感器，每天每部手机可产生超过1G 的数据。如何对信息进行采集、运算、储存、传输都是目前AI 技术遇到的关键瓶颈。机器学习实现过程 1 2 3 4 5 6 数据分类数据建模模型有效化模型调试模型使用模型调整数据分组数据测试数据有效化数据测试根据数据特征行数据建模，完成基本数据模型框架根据模型输出的结果对模型进行反馈改善，实现模型的有效化用测试数据对有效化后的模型进行评价和测试，得到各指标评分将已经完成全面训练的模型用于新的数据中，并得到未来预测值根据使用情况以及新数据的特征不断调整算法以及模型参数数据是AI 的基石没有数据支撑的人工智能只是纸上谈兵，大数据以及人工智能融合势在必行14 结构化数据指能够能够被人和计算机识别和访问的数据部分，这些部分可以是单个的数据点，例如数字、日期或者文本，也可是是多个单独数据点。结构化数据可以使用XBRL 、XML 和JSON 等数据标准进行创建和交流。对于生物体等形式的非结构化信息就需要转换为计算机可以理解的形式。对于计算机系统而言，需要借助额外的算法实现非结构化数据向非结构化数据的转变就成为一道必要的工序。大数据时代，非结构化数据的增速非常惊人，其增速远大于结构化数据。随着21 世纪影像视频、音乐的清晰度以及保真度的提升，此类非结构化数据呈现出了爆发式增长的态势。据估计，2017 年，全球产生的非结构化数据占左右数据比重超过80% 。如何能从海量的非结构化数据中挖掘价值将是未来数据服务企业的重要发展方向。结构化数据非结构化数据特征数据来源典型应用数据样例定义完全的数据模型通常为text 格式便于检索、归纳以及整理通常由数据监测程序自动生成公司、政府以及各类数据供给方机票预订系统库存信息系统 CRM 系统 ERP 系统日期社保号码用户姓名地址信息产品名称及编码交易记录通常没有实现定义完全的数据形式存在的形式包括文本、图像、音频等各类形式难以检索存在于用户终端非SQL 标准数据库公开网站获取信息各类数据池文字处理过程演示软件视频编辑软件等卫星图像文字文件书面报告电子邮件信息影像文件音频文件照片图像结构化数据与非结构化数据比较 21 世纪是非结构化数爆炸的时代，如何能从海量非结构化数据中挖掘价值，将其转化为结构化数据是诸多数据服务公司着力解决的问题15 AI 的训练依赖大量的高品质数据，而大型的、特定领域的数据集可以成为竞争优势的重要来源。对于缺乏资金的很多初创公司就需要采用价格相对更低的策略手动工作引导用户参与数据采集公开数据收集以及数据接入许可通过恰当的引导客户为数据增加标签，其中比较典型的案例包括谷歌翻译改进、谷歌垃圾邮件过滤器，Facebook 在照片中给朋友加标签等。在不引起用户反感的过程中为公司提供免费的数据标签。被动参与主要指通过建立一种用户以及数据采集公司双赢的结果来吸引用户提供数据，例如提供移动应用程序来采集用户位置信息，提供基因报告来采集人群DNA 信息。手动工作是从头构建一个良好的专有数据集的必经过程。目前几乎每一家从事机器学习的创业公司都需要人力来手动标记数据点，中国国内也涌现了一批数据采集公司，例如北京深度搜索、泛函科技等。众包以及外包也是人力录入的另一种形式，例如Amazon 和CrowdFlower 就通过创建平台，利用数百万人的在线劳动力来清理混乱和不完整的数据。公开可用数据集主要指通过网页爬虫的方式收集各大网站上的公开数据，这是一种成本相对低廉并且相对有效的数据采集方式，较为适合初创公司开展最初的数据库积累，但是公开数据收集的方式很难建立起可靠专有的数据集样本。数据接入许可指数据采集公司通过一定的合作协议接入其他公司或者客户的数据信息，并进行有效地整合以及分析。此类方法能够建立起专业数据库，数据品质以及规范化程度也更高。 AI 数据集采集策略人工智能前端的数据准备往往需要大量的人力付出以取得足够量的有价值的数据，如何以较低成本获得大量高质量的数据是诸多人工智能开发企业面临的难题之一16 3.5 5.3 7.7 8.3 6.2 4.7 3.6 0.9 0.8 0 20 40 60 80 18.9 2022E 55.7 2013 2021E 39.5 12.0 2020E 28.2 2019E 21.3 2018 15.5 2017 11.3 2.3 2016 1.5 2015 1.0 2014 全球非结构化数据量全球结构化数据量 ZB （十万亿亿字节）全球数据量变化情况，2013-2022E 21 世纪以来，全球数据总量经历了爆发式的增长，全球数据总量在2017 年已经超过了13.6 ZB ，2013 至2017 的年复合增长率超过了32.6% 。得益于近年来高清视频以及高还原度音频的普及，全球非结构化数据量的增长更为迅猛，截止2017 年，全球非结构化数据量达到所有数据量的80%以上，数据挖掘市场潜力巨大。中国大数据市场同样发展迅猛，2016 年，针对大数据产业发展的各项政策紧密出台，国家发改委、工信部、国家林业局、农业部以及各级地方省市政府均出台了促进中国大数据产业发展的意见和方案，数据应用层面的项目逐渐开展，产业发展环境持续优化。据工信部预测数据计算，2017 年中国大数据产业规模近2 万亿人民币，2020 年增长至5 万亿，年复合增速达35.7% 。分析全球结构化大数据保有量持续增加全球非结构化数据总量占所有数据总量的绝对多数，数据挖掘市场潜力巨大17 63.1 78.4 79.6 226.3 300.1 717.3 0 400 800 1,200 日本俄罗斯巴西美国印度中国百万全球智能手机用户数，2017 年中国是拥有手机以及互联网用户最多的国家，手机用户超过13.9 亿人，截止2017 年4 月，中国智能手机用户超过7.1 亿人，是美国用户的三倍。此外，中国移动支付的用户数量也位于世界领先水平。在中国，人们使用手机支付货物的次数是美国的50 倍，中国外卖的总量是美国的10 倍，中国共享单车的使用次数是美国的300 倍。无论从数据的总量抑或是数据的产生的速度，中国都远超世界上其他国家。根据国务院办法的新一代人工智能发展规划，我国计划于2025 年实现人工智能基础理论的重大突破，部分技术与应用达到世界领先水平; 计划到2030 年，AI 理论、技术、应用总体达到世界领先水平，成为世界主要人工智能创新中心，人工智能核心产业规模超过1 万亿元，带动相关产业规模超过10 万亿元。随着政府投入的不断增加，国内大数据产业发展迅速。截止2017 年6 月，21 个省级行政单位建立大数据管理和服务机构。现阶段约60% 企业已经设立数据分析部门，27.3% 企业正在计划筹建数据分析部门。 2016 年中国大数据核心产业市场规模168 亿元，同比增速高达45% ，预计2020 年达到578 亿元，年复合增速高达36.2% 。分析中国各省市大数据发展指数，2017 030 3145 4660 61+ * 大数据发展指数是收割面相国内31 个省大数据发展水平的综合评价指数，该指数由6 个一级指标、11 个二级指标构成，取值范围为0 到100. * 台湾数据未列入图表中中国具有世界领先的数据优势依托中国互联网经济的迅速崛起，中国市场个人用户的信息数据量世界领先18 人工智能算法概述19 人工智能机器学习深度学习机器学习是实现人工智能的方法机器学习算法是一类从数据中自动分析获得规律并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的、行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。深度学习是实现机器学习的技术深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。人工智能、机器学习以及深度学习涵盖范围 2012 2013 2014 2015 2016 385 350 315 0 353.6 18.7 331.7 18.5 318.3 15.4 313.3 12.8 316.8 13.7 CS 领域论文数 CS 领域AI 论文数 000 全球AI 以及CS 论文发表数，2012-2016 人工智能算法定义算法是计算机的“灵魂” ，起源于20 世纪50 年代的智能算法经过60 多年的发展，逐渐实现机器学习以及深度学习两大算法技术20 Planning and scheduling 规划调度 Expert system 专家系统 Multi-agent systems 多智能体系统 Evolutionary computation 进化算法 Machine learning 机器学习 Recommender system 推荐系统 Fussy logic and rough set 模糊逻辑 Knowledge representation 知识表示 Robotics and perception 机器人感知 Supervised learning 有监督学习 Unsupervised learning 无监督学习 Semi-supervised learning 半监督学习 Ensemble learning 集成学习 Regression 回归算法 Outlier (Anomaly) detection 孤立点检测运算 Reinforce learning 强化学习 Classification / Clustering 分类/ 聚类运算 Metric learning 度量学习 Causality analysis 因果分析 AI 研究分支机器学习主要分类分析 1956 年，计算机科学家第一次在达特茅斯会议上提出了“人工智能”的概念，指在实现拥有与人类智慧同样本质特性的计算机。 2012 年以后，得益于全球数据量的上涨、计算机运算能力的提升以及计算机新算法（深度学习）的出现，“人工智能” 进入了快速发展通道。目前主要的科研工作仍然集中于弱人工智能领域，但是得益于机器学习方法，简单的算法得以通过大量的数据训练实现一定程度的智能化。目前机器学习的方法可以从学习方法以及分析算法两个维度进行分类。人工智能算法发展及分类从算法角度，大部分人工智能发展仍处于弱人工智能状态，但得益于深度学习的出现以及可用的数据和计算机运算能力的提升，人工智能发展速度得到前所未有的提升21 数据输入样本特征分析多层特征抽象分析构建特征图谱结果输出数据输入样本特征分析构建特征图谱结果输出数据输入人工模型构建构建特征图谱结果输出数据输入人工模型构建输出基于既定规则系统经典机器学习表征学习深度学习主流AI 算法的实现过程计算机自我学习部分随着AI 算法的不断更新升级，人工接入端的需求不断减少，取而代之的是更大比例的计算机自我迭代学习。计算机深度学习方法的提出改变了原先计算机智能受限于算法发展的瓶颈，计算机以自主方式提升智力的形式得以实现，大大加速了人工智能的发展速度。谷歌围棋AI AlphaGo 在围棋领域战胜人类世界冠军柯洁，引起了巨大关注，而此时距离AlphGo 的诞生只有不到3 年的时间。谷歌围棋AI 进化史版本围棋等级分战绩 AlphaGo Fan 3,144 5:0 战胜樊麾 AlphaGo Lee 3,739 4:1 战胜李世乭 AlphaGo Master 4,858 60:0 战胜专业选手； 4:1 战胜人类最高段位柯洁 AlphaGo Zero 5,185 100:0 战胜AlphaGo Lee AlphaZaro N.A 60:40 战胜AlphaGo Zero 分析 AI 学习过程概述随着人工智能的发展，深度学习不再依赖人工对数据进行建模，进入了人工智能发展的快车道24 机器人家居医疗教育零售计算机视觉语音军事、生活娱乐等实体门店线上销售物流管理医疗机器人虚拟医生手术辅助家用机器人工业服务企业服务智能电器智能中控智能设备静态图像识别动态图像识别语音识别语义理解在线教学早教机器人批卷阅卷无人驾驶导航模拟训练目前应用人工智能的主要行业目前应用人工智能的主要行业人工智能可应用在各行各业，帮助解决各种疑难问题，但由于技术有限性，目前所能应用领域较为局限73 全球人工智能行业竞争格局74 人工智能是大势所趋人工智能的发展历程狭义的人工智能指基于人工智能算法和技术进行研发及拓展应用。广义的人工智能包括计算、数据资源、人工智能算法和技术研究、应用构建在内的产业。人工智能已有60 年的发展史，2006 年深度学习的提出引发了人工智能的第三次发展浪潮。数据来源：东吴证券，人工智能：颠覆现在，引领未来；MIT 技术评论图1-1 人工智能发展历程75 数千亿产业即将爆发人工智能引领产业变革据中商产业研究院发布的 2017-2022 年中国人工智能行业市场前景及投资机会研究报告数据显示，2017 年中国人工智能市场规模达到152.1 亿元，增长率达到51.2% 。随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展，预计2018 年中国人工智能市场规模有望突破200 亿元大关，达到238.2 亿元，增长率达到56.6% 。图1-2 人工智能应用领域76 数千亿产业即将爆发人工智能引领产业变革图1-3 人工智能引领产业升级人工智能将重塑制造业、安防、医疗等传统行业，转变成 “人工智能+ 行业场景 ”的形态，如智能制造、智慧医疗、智慧安防等。77 数千亿产业即将爆发人工智能产业结构分析图1-4 人工智能产业链大数据、云计算等基础层，算法、语音识别、图像识别等通用技术层，应用平台、解决方案等应用层共同构成了人工智能产业生态。其中基础层是构建生态的基石，价值最高，需要长期投入进行战略布局；通用技术层是构建技术护城河的基础，需要中长期进行布局；解决方案层直戳行业痛点，变现能力最强。83 人工智能竞争格局奇点临近，国内资本活跃近五年，国内季度投资额增长近500 倍，投资频次增长近20倍。计算机视觉应用、家庭机器人、智能营销、智能交通、智能医疗是投资热度最高的应用领域。图1-11 中国人工智能创业投资领域分布图1-10 中国人工智能投资情况84 人工智能竞争格局奇点临近，国内资本活跃人工智能产业发展北京、上海、深圳国内领跑，苏州稳居前十。表1-2 人工智能影响力榜单90 全球创新资源情况目前全球云计算和人工智能的相关专利总申请量接近30 万项。通过趋势图和专利地图，展示1960-2017 年全球专利申请数量的发展态势如图。 1980 年以前发展速度相对缓慢，专利年申请量仅有百余项。2010 年后人工智能的专利申请呈现急剧增长，年申请量从8000 件增长至2.5 万项，增长了3 倍多，人工智能领域正在蓬勃发展。图2-1 人工智能专利申请趋势91 全球创新资源情况国外科技巨头谷歌、微软、IBM 等企业凭借自身优势，积极布局整个人工智能领域。三巨头在2010 年以前布局人工智能专利共9900 项左右， 2011-2016 年间专利新增9300 多项，申请量翻番。国内方面，随着人工智能产业的快速增长，百度、阿里巴巴、腾讯等互联网巨头将人工智能作为整体战略提前布局。2010 年以前，三巨头的人工智能专利俩百余件，但到2016 年已经申请有近三千件，增长了近14 倍。虽然起步较晚，但增速较快，尤其在相关领域已超越国际巨头，比如百度的语音识别率达到97% ，位列全球第一。图2-2 人工智能总领域的专利分布地图92 全球创新资源情况专利技术资源情况- 技术资源领域集中全球人工智能的技术资源主要集中在五大领域：大数据处理挖掘、机器学习、自然语言处理、计算机视觉、无人驾驶和智能机器人。机器学习主要是模型算法等方面，自然语言处理则侧重在语音识别、语义处理以及语义搜索方面，应用层的智能机器人发展与计算机视觉呈现高度相关性，随着计算机视觉等应用层专利的增加，智能机器人发展迅速。人工智能技术资源大数据处理挖掘机器学习自然语言处理计算机视觉无人驾驶智能机器人94 全球创新资源情况专利技术资源情况- 技术资源领域集中五大领域（基础数据，机器学习，计算机视觉，自然语言，具体应用）的人工智能布局3D 地图显示：图2-4 大数据& 云计算领域的专利分布地图图2-5 机器学习领域的专利分布地图95 全球创新资源情况专利技术资源情况- 技术资源领域集中五大领域（基础数据，机器学习，计算机视觉，自然语言，具体应用）的人工智能布局3D 地图显示：图2-6 计算机视觉领域的专利分布地图图2-7 自然语言处理& 语音识别领域的专利分布地图96 全球创新资源情况专利技术资源情况- 技术资源领域集中国内人工智能领域出现一批专业投资人，投资机构创始人或创始合伙人是该领域最为活跃的投资人代表。表2-1 基础领域的高价值专利97 全球创新资源情况专利技术资源情况- 技术资源领域集中国内人工智能领域出现一批专业投资人，投资机构创始人或创始合伙人是该领域最为活跃的投资人代表。表2-2 技术被引用次数多的专利98 全球创新资源情况专利技术资源情况- 技术转化领域广泛 AI 重塑交通：在城市日益拥堵，交通事故频繁的今天，人工智能技术将在交通领域带来巨大的变革。一方面，将运用人工智能技术对城市进行实时分析，自动调配公共资源，解决交通拥堵等城市治理中的棘手问题，到2025 年通过人工智能调节人类将会节省1400 亿美元的能源消耗。另一方面，在2010 年到 2017 年间与汽车无人驾驶技术相关的发明专利超过 3000 件，部分企业已崭露头角，成为该领域的行业领导者。参与无人驾驶盛宴的企业可以分为两类，一类是互联网企业如百度、谷歌，一步到位直接切入到全自动驾驶，另一类是传统的汽车企业如奔驰、宝马和红旗，从辅助驾驶一步步升级。 AI 重塑安防：人工智能应用于安防带来更加清晰准确的效果：涉及AI 的人脸识别、图像/ 视频分析技术，未来人工智能应用在安防上，效果将更加清晰、准确。 AI 重塑家居：智能家居满足人们更高层次的需求：随着人们生活水平的提高，人们对家居的智能化、舒适化、便捷化提出了更高的要求，智能家居正好满足了人们的这种需求。如亚马逊公司出色的智能家居产品Echo 智能音箱中就包含了多个自然语言处理和语音识别的专利，来达到用户轻松便捷的语音控制，因此在不到一年的时间中这款智能家居产品在亚马逊会员群体中的拥有率已经超过了5% 。99 全球创新资源情况专利技术资源情况- 技术发展前景明朗大数据是战略性竞争优势。互联网催生了大数据，大数据催生了人工智能，场景数据的积累，促进人工人工智能技术应用，从而形成更高效的解决方案。未来3-5 年，人工智能在既有技术的基础上，计算机视觉等技术取得边际进步，随着数据和场景的增加，应用层面的人工智能拓展、整合多个垂直行业应用，丰富实用场景。未来中长期，依托于科技突破，人工智能技术取得显著突破，如自然语言处理技术可以即时完全理解人类对话，预测出 “潜台词”，即将成为现实。更长远来看，人工智能的技术应用范围将进一步显著拓宽，人机完全共融，人工智能全面覆盖各个行业和领域。通过从科技创新和价值创造维度展望未来人工智能的整体趋势，随着科技发展，人工智能将从服务职能到超级职能等三个阶段进化。图2-8 人工智能未来发展趋势图资料来源：阿里云：人工智能：制胜未来之道 100 全球及中国人工智能市场概况101 中国人工智能市场概况（融资）中国AI 领域投融资状况逐年递增。2017 年全年，中国投融资总额高达1828.9 亿元（占全球70% ），融资事件369 笔（占全球31% ）。中国AI 领域的投融资，有着金额大，轮次多，受全球投资机构关注的特点。数据来源：清华大学中国科技政策中心 0 50 100 150 200 250 300 350 400 0 200 400 600 800 1000 1200 1400 1600 1800 2000 中国人工智能投融资变化趋势融资金额（亿元）融资笔数公司融资时间轮次融资额投资机构达闼科技 2017.02 A 轮 6.6 亿元软银中国、富士康、博将资本、启明星辰等出门问问 2017.04 D 轮 11.9 亿元大众汽车青云 2017.06 D 轮 10.8 亿元招商证券、招商、阳光融汇、泛海等寒武纪 2017.08 A 轮 6.6 亿元国投高科、阿里巴巴、联想创投、国科投资等旷视科技 2017.10 C+ 轮 23.8 亿元中国国有资本风险投资基金、蚂蚁金服、富士康等地平线机器人 2017.10 A+ 轮数亿元英特尔投资、嘉实资本、线性资本等蔚来汽车 2017.11 C 轮 66 亿元腾讯、中信资本、Baillie Gifford 、华夏资本云从科技 2017.11 B 轮 5 亿元顺为资本、普华资本、元禾原点创投等商汤科技 2017.11 C 轮 15 亿元松禾资本、高通投资、阿里巴巴 2017 年人工智能领域初创企业单次投资额5 亿人民币以上案例数据来源：IT 桔子、鲸准102 人工智能企业概况人工智能企业概况截至2018 年，中国人工智能企业总数1011 家，占比20% ，位列全球第二人工智能市场规模截至2018 年，中国人工智能市场规模已达361 亿元，增速较快（2018 年较2017 年同比增长25% ，领先全球增速）中国人工智能企业的地域分布全国88% 的人工智能企业聚集在北京、上海、广东和江苏 1683.9 1907.9 2205.5 2697.3 203.9 237.1 288.8 361 12% 13.30% 15.60% 22.30% 16% 16.30% 21.80% 25% 0% 5% 10% 15% 20% 25% 30% 0 500 1000 1500 2000 2500 3000 2015 2016 2017 2018 亿元全球vs. 中国人工智能市场规模全球市场中国市场全球增长率中国增长率美国, 2028 家, 41% 中国, 1011 家, 20% 英国, 392 家, 8% 加拿大, 285 家, 6% 其它, 1209 家, 25% 全球共4925家人工智能企业 395 210 152 118 43 17 17 17 42 0 50 100 150 200 250