2019人工智能行业发展的前景简要.docx

2019年人工智能行业发展前景简要2019年7月目录1. 人工智能行业发展前景 61.1 人工智能产业链条逐步形成 61.2 人工智能产业发展塑造智能经济雏形 61.3 万物互联的背景下， AI 芯片的应用拥有广阔的想象空间 71.4 智能硬件抢占 C 端入口，数据端入口打通，为算法奠定基础 71.5 机器人按照应用领域的不同分为工业机器人、服务机器人、特种机器人 81.6 多层次特征提取提升计算机视觉识别效果 91.7 深度学习研究的初衷主要就是应用于图像识别 101.8 语音逐渐成为人机交互的新范式，产品及商业模式成为盈利的关键 111.9 技术进步与市场需求推动语音识别快速发展 111.10 语音识别效果不断提升，国内语音识别与合成研究领先国际 121.11 语音识别技术逐步开放，数据及场景成为竞争关键 121.12 智能制造成为各国转型升级的核心战略 132. 人工智能行业存在的问题 152.1 基础技术积累不足 152.2 技术创新的商业应用模式不明朗 152.3 资本布局多样性不足 152.4 适应人工智能特征的政策、标准体系尚不健全 162.5 人工智能发展陷入了拿来主义怪圈 162.6 劳务就业问题 172.7 思维方式与观念的变化 172.8 心理上的威胁 182.9 经济效益至上，缺乏远大眼光 182.10 人工智能整体水平亟待提高 182.11 国家的决策有待落实于行动 192.12 国家资金支持力度有待进一步提高 192.13 科研经费分配不够公正 192.14 公众对人工智能的发展存在顾虑 202.15 一哄而起可能导致无序竞争 212.16 盲目乐观和夜郎自大不利发展 212.17 存在以哲学研究代替人工智能研究倾向 222.18 国际合作需要进一步加强 233. 人工智能行业市场分析 243.1 未来中国人工智能市场规模将超700亿 243.2 扶持政策持续加码出台 细分方向有“钱景” 243.3 人工智能加速发展 243.4 中国人工智能产业蓬勃发展 264. 人工智能行业发展趋势分析 274.1 人工智能上升为国家战略 274.2 发展人工智能，芯片先行 284.3 人工智能芯片“云+端” 高速发展 294.4 模式识别发展趋势 294.5 语音识别发展趋势 304.6 人机博弈发展趋势 304.7 专家系统发展趋势 314.8 推动人工智能核心技术攻关 334.9 建立针对重点技术产品的资金支持体系 334.10 构建有机协同的产业生态并提升服务支撑能力 334.11 研判安全风险和前沿问题 344.12 创新思维模式，促进人工智能产业供需对接 344.13 完善配套政策，营造人工智能产业发展环境 344.14 积极引导，避免人工智能产业投资失衡 355. 人工智能行业市场竞争格局 355.1 中科曙光：高性能计算+芯片共造人工智能 355.2 四维图新：地图领军企业切入无人驾驶 365.3 科大讯飞：人工智能领军企业 375.4 华宇软件：人工智能助力司法信息化领导者更进一步 375.5 海康威视：安防领域人工智能龙头 385.6 东华软件：人工智能+行业应用大有可为 386. 人工智能行业政策及环境分析 396.1 国家加强政策支持力度 396.2 地方政府扶持政策不断落地 416.3 人工智能逐步成为国家发展战略 426.4 “互联网+”推动人工智能 436.5 人工智能行动实施方案发布 431. 人工智能行业发展前景1.1 人工智能产业链条逐步形成截至2018年初，我国人工智能领域相关企业达2000家，正逐步在底层基础支撑、核心技术创新、上层行业应用之间建立初步产业链条。

在基础领域，涌现出寒武纪科技、地平线机器人、深鉴科技、耐能、西井科技等一批创新技术企业在技术创新方面，格林深瞳、旷视科技等深耕计算机视觉，百度、搜狗、科大讯飞等在自然语言处理领域技术较为领先，腾讯、阿里巴巴、华为等在机器学习和云计算等领域具有行业优势在行业应用方面，我国在智能机器人、智能金融、智能医疗、智能安防、自动驾驶、智能教育、智能家居等重点领域涌现出一批具有代表性的相关企业预计到2019年，我国人工智能产业链条关联性、协同性将显著增强，人工智能产业协同能力将进一步提升1.2 人工智能产业发展塑造智能经济雏形智能经济是以大数据、互联网、物联网、云计算等新一代信息技术为基础，以人工智能技术为支撑，以智能产业化和产业智能化为核心，以经济和产业各领域为应用对象的新型经济发展形态普华永道预测，到2030年人工智能将为全球GDP带来14％的增长空间，即15．7万亿美元的市场规模，其中中国的GDP增长规模为26％，北美的GDP增长规模为14％，为全球受到人工智能带动效应最大的地区截至2018年初，我国人工智能核心产业规模达到180亿元，带动相关产业规模达到2200亿元预计到2019年，人工智能将通过与云计算、医疗、物流仓储、政务国防、隐私数据保护、卫星数据处理、网络安全、体力蓝领、农业、自动驾驶、金融服务、企业管理、材料科学等各种行业领域的深度融合，加速塑造新的社会经济形态，人工智能在保障改善民生、社会治理等方面将发挥更加积极的作用，智慧城市、智慧交通、智慧医院等创新智能服务体系建设将更为完善，场景化、融合化将成为人工智能产业发展新特点。

1.3 万物互联的背景下， AI 芯片的应用拥有广阔的想象空间未来每一个机器人、每一辆无人驾驶汽车、每一个摄像头甚至绝大多数硬件都将具有智能，而这其中充当其大脑的就是芯片 X86 架构和 ARM 分别在互联网和移动互联网时代充当了霸主， Intel 收购 FPGA 公司，英伟达专门针对人工智能的深度学习开发了TeslaP100，国内中科院的寒武纪公司以及地平线机器人也正在发力人工智能芯片，充分说明了 AI 芯片领域被产业界看好，在新的智能时代， AI 芯片作为人工智能底层的核心基础无疑将拥有非常广阔的应用空间1.4 智能硬件抢占 C 端入口，数据端入口打通，为算法奠定基础智能硬件是继智能之后的一个科技概念，通过软硬件结合的方式，对传统设备进行改造，进而让其拥有智能化的功能智能化之后，硬件具备连接的能力，实现互联网服务的加载，形成“云+端”的典型架构，具备了大数据等附加价值 智能硬件已经从可穿戴设备延伸到智能电视、智能家居、智能汽车、医疗健康、智能玩具、机器人等领域比较典型的智能硬件包括 Google Glass、三星 Gear、 FitBit、麦开水杯、咕咚手环、 Tesla、乐视电视等。

智能硬件对于整个人工智能产业而言，其功能除了打开 C 端消费市场之外，更为重要的是通过智能硬件以及加载其中的软件，抢占 C 端入口可以进行终端数据的采集，为后续的算法完善及商业模式推进奠定良好基础智能音箱产品亚马逊 Echo 在美国越来越受欢迎：目前亚马逊 Echo 在美国的认知率已经从 2015 年的 20%提升到了 2016 年的 61%，在所有美国亚马逊客户当中， Echo 的拥有率已经从 2%提升到了 5%，相比于其他的亚马逊设备的拥有率，未来的销量前景非常可观1.5 机器人按照应用领域的不同分为工业机器人、服务机器人、特种机器人由于传感器、人工智能、大数据、物联网等技术的运用，机器人产业中涌现出新的制造模式和商业模式——服务型机器人出现了相较于工业机器人，它与个人、家庭生活联系更为紧密， 2015-2018 年，个人及家庭用服务机器人全球销量将达到 2,590 万台，市场规模将达到 122 亿美元目前我国服务机器人需求领域包括：养老、监护等社会需求；国防、公共安全、救援抢险、科学考查等国家重大需求；在智能家居、教育、保洁等个人及家庭消费需求服务机器人的重点在于服务，基于特殊场景应用的服务及 AI 的建设是重点，各行业 AI化将是未来的发展方向。

到 2020 年，我国服务机器人年销售收入超过 300 亿元：在助老助残、医疗康复等领域实现小批量生产及应用围绕助老助残、家庭服务、医疗康复、救援救灾、能源安全、公共安全、重大科学研究等领域，培育智慧生活、现代服务、特殊作业等方面的需求，重点发展消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等四种标志性产品，推进专业服务机器人实现系列化，个人及家庭服务机器人实现商品化重点突破人机协同与安全、产品创意与性能优化设计、模块化/标准化体系结构设计、信息技术融合、影像定位与导航、生肌电感知与融合等关键技术1.6 多层次特征提取提升计算机视觉识别效果计算机视觉领域主要包括图片/视频识别与分析、人像与物体识别、生物特征识别、手势控制、体感识别、环境识别计算机视觉的识别效果的提升，是通过引入卷积操作，将深度模型的处理对 象 从 之 前 的 小 尺 度 图 像 （32pixel×32pixel ） 扩 展 到 大 尺 度 图 像 上（200pixel×200pixel），提出了卷积深度臵信网（Convolutional DBN），通过可视化每层学习到的特征，演示了低层特征不断被复合生成高层抽象特征的过程。

深度结构模型具有从数据中学习多层次特征表示的特点，这与人脑的基本结构和处理感知信息的过程很相似，如视觉系统识别外界信息时，包含一系列连续的多阶段处理过程，首先检测边缘信息，然后是基本的形状信息，再逐渐地上升为更复杂的视觉目标信息，依次递进1.7 深度学习研究的初衷主要就是应用于图像识别迄今为止，尽管深度学习已经被应用到语音、图像、文字等方面，但深度学习领域发表的论文中大约 70%是关于图像识别的从 2012 年的 ImageNet 竞赛开始，深度学习在图像识别领域发挥出较大威力，在通用图像分类、图像检测、光学字符识别(Optical CharacterRecognition, OCR)、人脸识别等领域，最好的系统都是基于深度学习的生物识别技术市场规模不断增大 生物识别不仅是目前正进行的如火如荼的行业，同时也是在未来五年具有发展潜力的市场预计 2020 年生物识别技术全球市场规模将达到 250 亿美元 国内生物识别技术市场规模有望从 2015 年 100 亿元上升至 2020 年的 300 亿元 2013 年的统计数据显示，人脸识别占比 23%同时国际生物识别小组于 2009 年的研究结果表明指纹识别占据生物识别的 50%市场，人脸识别紧随其后占据 13%的份额。

预计到 2020 年，人脸识别市场空间预计超过 40 亿元人民币1.8 语音逐渐成为人机交互的新范式，产品及商业模式成为盈利的关键过去 200年左右时间里，基本的人机交互形式不断进化，在过去的 75 年当中几乎每隔 10年，交互方式就有一个大的创新，现在语音已成为人机交互的新范式 语音技术逐步通用化、基础化，预计未来将面临免费提供的局面 例如，百度就在 11 月30 日宣布其语音技术全系列接口永久免费开放，提供语音识别、语音合成、语音唤醒多平台 SDK(软件开发工具包)通用算法技术成为免费平台的趋势已经呈现，行业需要商业模式的创新，如何将技术转换成产品及流量、数据等，才是真正实现盈利的关键1.9 技术进步与市场需求推动语音识别快速发展狭义的语音识别就是让机器能够明白你说的是什么，广义的语音识别是机器不仅能理解语音含义，而且能把语音转化为文字、另一种语言或者命令语音识别能够在社交娱乐、搜索、虚拟机器人中大规模应用主要得益于以下两个原因其一是技术进步：语音识别算法模型的改进及训练效果的提升使得语音识别。