《艾瑞咨詢：2022年中國人工智能產業研究報告（112頁）.pdf》由會員分享，可在線閱讀，更多相關《艾瑞咨詢：2022年中國人工智能產業研究報告（112頁）.pdf（112頁珍藏版）》請在三個皮匠報告上搜索。

1、道阻且長，行而不輟中國人工智能產業研究報告()2023.3 iResearch Inc.2序言2023年政府工作報告指出“過去五年極不尋常、極不平凡，我們經受了世界變局加快演變、新冠疫情沖擊、國內經濟下行等多重考驗，經濟社會發展取得舉世矚目的重大成就?！本劢沟娇萍碱I域，“全社會研發經費投入強度從2.1%提高到2.5%以上，科技進步貢獻率提高到60%以上?？萍紕撔鲁晒S碩，人工智能領域的創新成果也不斷涌現?！笨v覽人工智能產業近年發展，雖然一定程度上突破了深度學習等各類算法革新、技術產品化落地、應用場景打磨、市場教育等難點；但如今也仍需致力解決可信、業務持續、盈利、部署的投資回報率等商業化卡點?！?/p>

2、道阻且長，行則將至”。艾瑞連續第五年發布中國人工智能產業研究報告(V)，聚焦于2022年，這一歷史上極為重要一年中我國AI產業參與者的特征表現、探討AI產業在我國經濟發展中的價值與地位、洞察各技術賽道參與者的發展路徑與產業進階突破點。希望通過本報告，為讀者呈現人工智能產業現狀，提供辨析和判斷人工智能行業未來發展的方法啟發?！靶卸惠z，未來可期“。前幾年我們討論到，人工智能產業化進程正從AI技術與各行業典型應用場景融合的賦能階段，逐步向效率化、工業化生產的成熟階段演進。2022年，隨著預訓練大模型技術研發進展和ChatGPT這一“現象級”語言大模型產品的發布，政府引導、資本入場、巨頭布局、產業鏈

3、企業積極投入，AI產業又現蓬勃發展態勢，AI工業化生產進程將再次提速。艾瑞咨詢研究院32023.3 iResearch I摘要來源：艾瑞咨詢研究院自主研究繪制。產業鏈的數據、算力、算法、工具、應用層各環節已逐步進入良性循環帶動期，AI產業鏈逐步成熟。如何在AI新一輪發展熱潮中搶抓機遇，是各環節企業關注的核心議題。從業務持續的角度考慮，把握技術變革與產品應用的融合界限，致力解決質量、ROI、安全可信等核心瓶頸；根據企業產業鏈角色和應用場景特點，定位各類型廠商的差異化路徑深耕實踐，或是AI企業的制勝之路?？v觀近五年來的AI技術商業落地發展脈絡，產品及服務提供商圍繞技術深耕、場景創新、商業價值創造、

4、精細化服務不斷努力；需求側企業也在從單點試驗、數據積累到戰略改革的發展路線上與AI技術逐漸深度綁定。AI成為企業數字化、智能化改革的重要抓手，也是各行業領軍企業打造營收護城河的重要方向。落地AI應用對企業業務運營的商業價值與戰略意義越來越明確。供需向好趨勢下，艾瑞預計，2022年我國人工智能產業規模達到1958億元，人工智能的產品形態和應用邊界不斷拓寬。選取預訓練大模型、AI芯片、決策智能和虛擬數字人作為2022年度AI產業發展具有代表性的模型架構、硬件產品、解決方案和軟件產品進行分析，闡述四者對未來AI產業發展的重要意義。如今AI產業的最大熱點，莫過于ChatGPT所帶來的搜索與問答功能提升

5、和類人的交互體驗使AIGC這一概念徹底出圈。對于國內AI芯片公司、手握海量數據資源的互聯網巨頭、具備“數據飛輪”的解決方案商、瞄準AIGC賽道的創業企業，是挑戰也是機會，ChatGPT的熱潮帶來了資本市場和消費者對AI產業熱情的再次迸發。產業總覽發展趨勢探討選取計算機視覺、智能語音和人機交互、機器學習、知識圖譜、自然語言處理、AI基礎數據服務、面向AI的數據治理和智能機器人細分賽道，進行投融資、市場規模、典型產品及細分應用領域、產業鏈玩家、技術趨勢等分析。判斷各個細分賽道業務增長動力以及為廠商發展路徑提供思考。2022年中國AI產業規模年增長率7.8%，整體平穩向好。該年業務增長主要依靠智算中

6、心建設以及大模型訓練等應用需求拉動的AI芯片市場、無接觸服務需求拉動的智能機器人及對話式AI市場。目前中國大型企業基本都已在持續規劃投入實施人工智能項目，未來，隨著中小型企業的普遍嘗試和大型企業的穩健部署，在AI成為數字經濟時代核心生產力的背景下，2027年相應規?？蛇_到6122億元。產業進階之路產業空間增長點4人工智能產業發展環境演變1人工智能產業進階之路2人工智能產業空間增長點3人工智能產業企業案例4人工智能產業發展趨勢探討552023.3 iResearch I人工智能參與社會建設的千行百業價值性、通用性、效率化為產業發展戰略方向基于軟件服務、云服務、硬件基礎設施等產品形式，結合消費、制

7、造業、互聯網、金融、元宇宙與數字孿生等各類應用場景，人工智能賦能產業發展已成為主流趨勢。艾瑞預計，2022年我國人工智能產業規模達到1958億元，人工智能的產品形態和應用邊界不斷拓寬；2022年，人工智能產學研界在通用大模型、行業大模型等促進技術通用性和效率化生產的方向上取得了一定突破。商業價值塑造、通用性提升和效率化應用是AI技術助力產業發展、社會進步和自身造血的要義。來源：艾瑞咨詢研究院自主研究繪制。數字孿生城市車路協同與自動駕駛AI+能源AI+制造AI+物流AI+政務AI+醫療智能家居AI+金融AI+商業數據智能AI+互聯網AI+泛安防人工智能應用助力社會高質量發展智慧城市62023.3

8、 iResearch I2023.3 iResearch I企業積極部署AI戰略以實現業務增長對AI應用的比率及數量持續走高；AI提升營收能力進步縱觀近五年來的AI技術商業落地發展脈絡，產品及服務提供商圍繞技術深耕、場景創新、商業價值創造、精細化服務不斷努力；需求側企業也在從單點試驗、數據積累到戰略改革的發展路線上，與AI技術逐漸深度綁定。AI成為企業數字化、智能化改革的重要抓手，也是各行業領軍企業打造營收護城河的重要方向。麥肯錫2022年對企業應用AI技術的調研表明：相較于2017年的20%，2022年企業至少在一個業務領域采用AI技術的比率增加了一倍多，達到50%；應用的AI產品數量也從2

9、018年的平均1.9個增加到2022年的3.8個。除了應用數量上的提升，AI產生的商業價值也不斷增長，企業部署AI的動力顯著。埃森哲商業研究院針對中國250家領先企業的調研顯示，2018-2021年，企業營收中“由AI推動的份額”平均增加了一倍，預計到2024年將進一步增加至36%。落地AI應用對企業業務運營的商業價值與戰略意義越來越明確。注釋：取參加調研且至少使用一項人工智能產品的企業的應用AI產品數量均值來源：麥肯錫2022年人工智能現狀及五年回顧，艾瑞咨詢研究院整理及繪制。來源：埃森哲人工智能成熟之道：從實踐到實效，艾瑞咨詢研究院整理及繪制。2018-2022年全球企業應用AI產品的平均

10、數量1.92.33.13.93.820182019202020212022在這些項目中，機器人流程自動化（RPA）和計算機視覺是每年最常用的技術，而自然語言文本理解已經從2018年的中間位置上升到僅次于計算機視覺的第三位受訪中國企業“營收中由AI推動的份額”提升年份調研企業平均份額201812%202125%202436%營收中由AI推動的份額指：1.通過提升AI驅動客戶、供應鏈和渠道等方面的洞察力，使銷售現有產品和服務成為可能；2.利用人機協作模式，使銷售新產品和服務成為可能；3.通過機器算法動態定價。上述包括拆分收入以及凈新營收，但并未計算由于應用AI而提高的生產運營效率。隨著時間變化，在

11、調研企業中“營收由AI推動的份額”大于30%的企業顯著增多，到2024年絕大部分企業預計AI推動的營收份額超過10%72023.3 iResearch I城市算腦建設推動區域發展與產業升級各地加速布局區域智算中心，夯實AI算力基礎設施基于對支撐AI應用及研發的智能算力需求擴大、以及全國算力樞紐一體化和“東數西算”的工程建設方向，近兩年來各地對人工智能計算/超算中心（簡稱智算中心）的關注度和投資增多。國家信息中心和浪潮信息聯合發布的智能計算中心創新發展指南明確，“智算中心是指基于最新AI理論，采用領先的AI計算架構，提供AI應用所需算力服務、數據服務和算法服務的公共算力新型基礎設施”。我國目前有

12、超過30個城市建設或提出建設智算中心，其中已有近10個城市的智算中心投入運營，為當地各行業領域提供算力支撐。通過智算中心建設，對區域經濟發展和產業升級有明顯推動作用，同時可提高城市治理智能化水平和城市競爭力。從政府投資角度看，智算中心產業發展尚處于初期階段，建設、運營、應用推廣與生態建設、節能環保要求等投入較大，需結合地方財政能力合理評估，根據實際需求適度超前部署機柜。來源：智能計算中心創新發展指南，國家信息中心，浪潮信息，艾瑞咨詢研究院整理及繪制。我國智算中心建設熱潮的驅動因素與經濟價值驅動因素建設熱潮經濟價值政策指引應用需求 全國算力一體化、新型數據中心等構成國家底層設計 國務院出臺的擴大

13、內需戰略規劃綱要（2022-2035年）提出，“加快建設信息基礎設施，推動人工智能廣泛、深度應用”，“發展普惠性上云用數賦智”等，這些政策將長遠利好智算中心建設發展 各地大力發展人工智能、生物制藥、芯片、自動駕駛、數字孿生、元宇宙等創新驅動型產業，需大規模智能算力支持 各地積極推動傳統行業產業升級。制造業、教育、醫療、交通等領域的數字化改革與智能化轉型也需要大量智能算力支持算法基建便捷服務算力底座提供通用和智能算力成為區域科技產業的公共基礎設施 據 指 南 測 算，“十 四 五”期 間（2021-2025），在智算中心實現80%應用水平的情況下，城市對智算中心的投資2.93.4 倍3642 倍

14、帶動核心產業增長推動AI產業化帶動相關產業增長推動產業AI化低代碼或者無代碼開發形式豐富應用場景封裝多類型預置行業算法提高算力易用性提供高性價比算力82023.3 iResearch I政策引導解決AI重大應用和產業化問題著力打造人工智能重大場景，形成可復制推廣的標桿應用雖然我國在數據、算力、算法及模型的基礎層資源與研究積累日益豐富，為開展下游人工智能場景創新應用打下了堅實基礎。但在應用場景上仍存在“對場景創新認識不到位，重大場景系統設計不足，場景機會開放程度不夠，場景創新生態不完善”等問題。2022年，我國陸續出臺一系列指導意見及通知，持續加強對人工智能場景創新工作的統籌指導，規范與加強人工

15、智能應用建設，實現AI與實體產業經濟的深度融合。來源：艾瑞咨詢研究院根據公開資料自主研究繪制。2022年中國人工智能產業政策梳理2022年7月關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見.強化主體培育、加大應用示范、創新體制機制、完善場景生態，.探索人工智能發展新模式新路徑，以人工智能高水平應用促進經濟高質量發展。2022年8月關于支持建設新一代人工智能示范應用場景的通知圍繞構建全鏈條、全過程的人工智能行業應用生態，支持一批基礎較好的人工智能應用場景，加強研發上下游配合與新技術集成，打造形成一批可復制、可推廣的標桿型示范應用場景。u智慧農場u智能港口u智能礦山u智能工廠u智

16、慧家居u智能教育u自動駕駛u智能診療u智慧法院u智慧供應鏈u圍繞高端高效智能經濟培育打造重大場景u圍繞安全便捷智能社會建設打造重大場景u圍繞高水平科研活動打造重大場景u圍繞國家重大活動和重大工程打造重大場景2022年9月中國共產黨第十九次全國代表大會-十九大報告推動互聯網、大數據、人工智能和實體經濟深度融合，建設數字中國、智慧社會。推進數字產業化和產業數字化，推動數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群。2022年12月關于規范和加強人工智能司法應用的意見意見提出到2025年，基本建成較為完備的司法人工智能技術應用體系，為司法為民、公正司法提供全方位智能輔助支持。到2030

17、年，建成具有規則引領和應用示范效應的司法人工智能技術應用和理論體系，為司法為民、公正司法提供全流程高水平智能輔助支持，應用效能充分彰顯。92023.3 iResearch I2023.3 iResearch I科技倫理治理持續引導AI“向善”全球AI倫理治理邁入法治時代，我國積極倡導框架規范隨著AI與社會產業的融合應用，其帶來安全、法律和倫理方面的風險不容忽視。2022年，科技倫理治理的約束力和影響力持續提升。從全球看，主要發達國家和地區的AI倫理治理從政策建議正式進入法律范疇，相關立法逐步完善，國際組織也在凝聚共識的基礎上，啟動大規模深入研討。從中國來看，在吸取發達國家治理經驗和思路的基礎上

18、，2022年我國首次將AI倫理治理上升到國家政策層面，提出科技倫理治理的原則和行動方案，具體治理舉措將會不斷細化和完善；同時，我國也在科技倫理問題上通過國際組織積極表態，增強國際影響力和話語權，防止在科技倫理問題上陷入被動。來源：艾瑞咨詢研究院根據公開資料自主研究繪制。來源：艾瑞咨詢研究院根據公開資料自主研究繪制。2021人工智能倫理建議書聯合國教科文組織發布了全球首個針對人工智能倫理制定的規范框架，共193個成員國正式采用。全球：凝聚力與法律效力持續提升中國：初步形成治理規范，爭取國際話語權2019新一代人工智能治理原則發展負責任的人工智能2019人工智能倫理道德標準2021新一代人工智能倫

19、理規范針對AI管理、研發、供應、使用四個方面制定規范，旨在將倫理道德融入人工智能全生命周期。2019可信賴人工智能的倫理指南2022首屆人工智能倫理問題全球論壇在布拉格舉辦。世界2021人工智能法案對日?；顒?、執法和司法中使用AI的情形進行規制。2022人工智能能力和透明度法案聯邦政府將AI定義為美國國家戰略的核心要求。2021人工智能問責框架美國政府問責署發布，分為治理、數據、性能和監測四個部分。歐盟美國2022數據法案明確提出要在保持高隱私、安全、安保和道德標準的同時，平衡數據的流動和使用。標準指南立法影響擴散凝聚共識2022中國關于加強人工智能倫理治理的立場文件中國政府向聯合國提出AI治

20、理應堅持倫理先行、加強自我約束、提倡負責任使用人工智能等重要意見。2022關于加強科技倫理治理的意見中共中央、國務院提出要從體制、制度、審查監督和教育宣傳四個層面全面開展科技倫理治理工作。2021中國關于規范人工智能軍事應用的立場文件中國向聯合國提出各國研發、部署和使用相關武器系統應遵守國家或地區倫理道德準則。對內對外2019中國代表團提出，中方高度重視“致命性自主武器系統”引發的人道、法律、倫理關切。102023.3 iResearch I2021-2022年中國人工智能產業按技術領域投資分布情況413314131010202224119761196727433928725934619475

21、83951121741002042245188571110181934272242112542145588193691616815197201720182019202020212022種子輪（件）天使輪（件）Pre-AA+輪（件）Pre-BB+輪CC+輪（件）DH輪（件）Pre-IPO（件）IPO（件）戰略投資（件）并購（件）2017-2022年中國人工智能產業投資輪次分布情況人工智能產業投資熱度仍在融資向中后期過渡，視覺賽道上市浪潮涌動統計時間內，Pre-AA+輪人工智能產業創投輪次為數量最多的輪次；整體而言，Pre-BB輪+及以后輪次的人工智能產業創投數量逐漸成長，資本流向穩定發展企業，融

22、資逐漸向中后期過渡。繼2021年底商湯科技上市后，格靈深瞳、云從科技、創新奇智等在2022年也實現了上市目標，部分計算機視覺賽道企業已完成交表動作。雖然，相較2021年，2022年我國人工智能產業資本市場投資金額整體縮水，但投資標的更加豐富，孵化出AIGC、元宇宙、虛擬數字人等新投資賽道，認知與決策智能類企業也吸引更多關注，智能機器人、自動駕駛兩類無人系統是融資的熱門賽道。注釋：20212022年12月統計數據經過分類篩選，保留781條有效數據。來源：IT桔子，艾瑞咨詢研究院自主研究及整理繪制。201720182019202020222021總額：632億元總額：381億元21.5%12.7%

23、8.2%7.1%5.1%45.3%18.5%24.8%5.8%6.5%3.5%40.9%機器學習計算機視覺自然語言處理智能語音知識圖譜無人系統與芯片20212022112023.3 iResearch I2023.3 iResearch I區域與獨角獸企業融資分布特點北上廣與江浙地帶融資密度高；獨角獸企業聚集于自動駕駛、醫療、工業、芯片賽道注釋：N=694，融資事件未覆蓋全國各區域，統計為不完全統計。來源：IT桔子，艾瑞咨詢研究院自主研究及整理繪制。31.1%21.1%19.6%10.5%7.6%2.0%1.6%1.4%1.4%1.0%0.9%0.7%0.4%0.3%0.3%0.1%北京上海廣

24、東浙江江蘇安徽陜西四川湖北山東福建湖南香港河南天津重慶區域融資事件數量占全國融資事件數量比例（%）2021-2022年中國人工智能融資事件數按區域分布情況6.7%93.3%獨角獸企業數量比例（%）非獨角獸企業數量比例（%）32.3%67.7%獨角獸企業融資金額比例（%）非獨角獸企業融資金額比例（%）2021-2022年中國人工智能獨角獸融資情況注釋：獨角獸企業為成立時間不超過10年，估值超過10億美元的未上市創業公司。來源：IT桔子，艾瑞咨詢研究院自主研究及整理繪制。從區域分布看，統計時間內融資事件集中分布于北上廣、江浙地帶，北京的融資事件密度最高，融資事件數量占全國的31.1%。除北上廣、江

25、浙地帶以外區域融資密度較低且分散，相應融資事件數量占全國不超10%。人工智能人才密集、具備產業園區進行產學研成果轉化、風投機構密布等因素為北上廣、江浙地帶孵化創投項目提供了有利條件。從獨角獸企業融資情況看，統計時間內獨角獸企業占比6.7%，但對應的融資金額比例高達32.3%。獨角獸融資事件集中分布于自動駕駛、醫療、工業、芯片行業賽道，分別孵化出L3及以上智能駕駛解決方案、AIDD藥物研發服務、工業機器人、云端大規模訓練或端側推理芯片等產品或服務。隨著市場資金向獨角獸企業持續流入，AI產業未來或將逐步出現一批明星上市企業。融資數量融資金額29.8%28.1%24.6%21.1%17.5%10.5

26、%7.0%3.5%3.5%14.0%自動駕駛醫療工業消費電子芯片零售泛安防物流人工智能基礎層其他行業融資事件數占獨角獸總融資事件（%）領域分布122023.3 iResearch I人工智能產業市場規模2022年市場平穩向好，市場規模近2000億元艾瑞定義我國人工智能產業規模涵蓋AI應用軟件、硬件及服務：主要包括AI芯片、智能機器人（商用）、AI基礎數據服務、面向AI的數據治理、計算機視覺、智能語音與人機交互、機器學習、知識圖譜和自然語言處理等核心產業。據測算，2022年中國人工智能產業規模達1958億元，年增長率7.8%，整體平穩向好。2022年的業務增長主要依靠智算中心建設以及大模型訓練等

27、應用需求拉動的AI芯片市場、無接觸服務需求拉動的智能機器人及對話式AI市場，除此之外的增長動力將在第三章詳細闡述。目前中國大型企業基本都已在持續規劃投入實施人工智能項目，未來隨著中小型企業的普遍嘗試和大型企業的穩健部署，在AI成為數字經濟時代核心生產力的背景下，AI芯片、自動駕駛及車聯網視覺解決方案、智能機器人、智能制造、決策智能應用等細分領域增長強勁。2027年人工智能產業整體規?？蛇_6122億元，2022-2027年的相關CAGR=25.6%。注釋：具體細分領域營收及分析請見報告第三章。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。2020-2027年中國人工智能產業規模

28、CAGR=25.6%154618161958247331443999500861222020202120222023e2024e2025e2026e2027e中國人工智能產業市場規模（億元）132023.3 iResearch I區域智算中心上游中游下游GPT人工智能產業圖譜注釋：展示為不完全列舉，以企業主營業務為主。圖譜中所展示的公司logo順序及大小并無實際意義，不涉及排名。來源：艾瑞咨詢研究院自主研究繪制。人工智能基礎層AI模型生產工具AI算力基礎AI數據資源計算機視覺智能語音自然語言處理知識圖譜機器學習AI算法框架AI開放平臺AI開發平臺預訓練大模型AI芯片（異構Fabless）智能服

29、務器智能云服務AI基礎數據服務數據治理AI+泛安防人工智能應用層AI+金融AI+醫療AI+泛互聯網醫學影像輔助診斷大數據與輔助決策智慧病案與DRGsApplication for AI人工智能技術層Technology for AIInfrastructure for AI2022年中國人工智能產業圖譜文心通義盤古悟道知識圖譜機器學習信貸風控理賠投顧AIDD計算機視覺大數據智能內容審核 內容推薦與規劃智能搜索圖像處理人機交互AI+工業便民辦公輿情監測運營優化視覺產品AI+媒體營銷客服AI+零售AI+政務知識決策刑事偵查消費級硬件視覺檢測+安全生產自主無人系統智能駕駛 無人機智能機器人工業類服務

30、類特種類對話式AI營銷客服紫東太初智算中心視覺產品14人工智能產業發展環境演變1人工智能產業進階之路2人工智能產業空間增長點3人工智能產業企業案例4人工智能產業發展趨勢探討51501預訓練大模型多模態大模型的快速發展為生成式AI技術能力的升級提供 了 強 力 支 撐 和 應 用 產 品 的 全 新 可 能 性?；?于ChatGPT所帶來的搜索與問答功能提升和類人的交互體驗，又使AIGC這一概念徹底出圈。但無論AI技術革新引發的關注與討論多熱烈，最終仍需回到技術產品化的主線上。中國意圖開發類ChatGPT產品的企業尚需解決芯片、算法、數據多維度的挑戰。但對于國內AI芯片公司、手握海量數據資源的互

31、聯網巨頭、具備“數據飛輪”的解決方案商、瞄準AIGC賽道的創業企業，是挑戰也是機會，ChatGPT的熱潮也帶來了資本市場和消費者對AI產業熱情的再次迸發。02AI芯片03決策智能04虛擬數字人中國人工智能產業熱點專題討論在AI產業發展中，算力可看作算法和數據的底層基礎設施，算力的實現核心即為各類計算芯片，CPU+X（AI芯片）”的異構計算模式極大加速了AI應用的運算效率。從AI芯片應用類型來看，以英偉達公司產品為代表的GPU產品長期占據AI芯片應用的主流市場，尤其是在云端及邊緣側對芯片的計算性能、精度及通用性有高要求的訓練場景。未來ASIC-DSA架構的AI芯片產品將在推理側率先展開對GPU的

32、替代。國內互聯網廠商與AI芯片創業廠商積極入局，選擇ASIC-DSA或GPGPU等細分產品架構切入中國AI芯片市場，2022年美國對華半導體禁令的進一步升級給中國AI芯片廠商帶來挑戰與機遇。虛擬數字人是指具有數字化外形的虛擬人物，是AI全棧能力集大成產品，對入局者能力提出高要求。目前虛擬數字人產業鏈仍存在割裂現象，生產環節分散在各個主體之間，難以達到高效協同。但2022年，在政策、資本、技術的合力推動下，虛擬偶像、虛擬博主火爆出圈，虛擬數字人在“噱頭”、“曇花一現”的質疑聲中熱度不減，落地應用于虛擬主持人、虛擬客服等領域。當下，虛擬數字人產業存在產品趨同、利益鏈復雜、運營持續難度高、成本效益難

33、以匹配等問題，商業回報價值鏈尚未清晰，其應用熱度更多是供需兩側出于長線發展的布局成果，C端與B端的深層變現渠道仍在探索。決策智能這一概念脫胎于AI技術從感知、認知到決策的發展路徑，是對深度學習、運籌優化、NLP、知識圖譜等技術的高度產品化整合，代表著比感知階段更為領先的技術能力和更高的價值創造空間，也由此成為AI服務商們產品迭代和戰略布局的一大主流方向。決策型AI技術尚處于發展初期，雖算法能力不斷提升，但多種技術路徑之間野蠻生長有余，借鑒融合不足，仍未打破泛化臨界點。在實際應用中，靜態決策如何進一步提升行業場景滲透，復雜動態決策如何脫離仿真環境，仍需產學研各界長期探索和努力。162023.3

34、iResearch I2023.3 iResearch I預訓練大模型范式加速落地提速AI工業化生產進程，規?；逃萌孕柰黄艫I的認知與應用是沒有邊界的，僅靠極少量的AI科學家和AI技術企業無法推動整個物理世界和數字世界的智能化。因此，如何為AI開發效率加杠桿，倍數釋放AI生產力，成為了AI產學研界關注的核心問題之一。近年來，依托智能算力基建化、海量數據積累與治理、深度學習算法突破等，作為一種新興的AI計算范式，超大規模智能模型（又稱預訓練大模型）的泛化性和通用性提升，可應用到更廣闊的下游任務及場景中解決AI應用的長尾問題；并且能夠實現AI模型研發-部署-應用的流程標準化提升，提升AI研發效率

35、。2022年，語言大模型與產業應用的銜接也日漸緊密，行業領軍企業積極推出適合具體業務場景的行業大模型。通過提供算力、核心算子庫和軟件平臺一體服務，幫助企業將基礎模型能力與生產流程融合，與頭部客戶合作推廣落地案例。但縱觀整個AI產業，大模型的規?；逃萌孕柰黄扑懔ǖ某休d能力、業務場景目標明確及適配、投入產出比、模型開源及交互等問題。來源：專家訪談，公開信息，艾瑞咨詢研究院自主研究繪制。來源：專家訪談，公開信息，艾瑞咨詢研究院自主研究繪制。預訓練大模型提速AI工業化生產進程工業化流水線部署多行業多垂直領域多功能場景規?；逃猛黄品较蚝透偁幉呗运懔ù竽Ｐ托鑿娭悄芩懔χС謽I務場景目標適配建立更

36、高效的模型架構和統一的骨干網絡，讓模型更好的捕捉不同模態信息之間的關聯模型開源降低使用門檻提高易用性ROI除訓練成本外，調用成本高意味著應用企業需要確認投入產出的平衡點巨頭企業：行業/場景大模型開發+全棧式工具封裝通用數據訓練下的大模型，引入行業實際業務積累的樣本數據和特有知識，設計行業領域特色算法任務，提升大模型對行業應用的適配性；優化開發工具以降低使用門檻，培育開發者生態腰部/初創廠商：基于API進行二次開發或提供模型調優服務非頭部梯隊廠商很難支撐大模型訓練成本，但可基于開放的API接口，完成效率化的AI模型生產；因此市場可能出現一批工具層廠商，負責承擔大模型調優工作，服務于應用開發或解決

37、方案廠商預訓練大模型場景化個性化定制化下游任務的知識遷移調試快速抽取生成小模型面向模型生產的基礎設施定位逐漸清晰Part3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC172023.3 iResearch I基于預訓練大模型的生成式AI技術AIGC提升數字化內容生產質效，變革人機交互體驗2022年，大模型技術研發上的突出進展來自于BEiT-3多模態（視覺-語言任務）基礎模型，包括其在視覺問答、圖片描述生成和跨模態檢索任務上的出色表現。多模態大模型的快速發展為生成式AI（Generative AI，AIGC）技術能力的升級提供了強力支撐

38、和應用產品的全新可能性。2022年，一幅由Midjourney生成的AI畫作太空歌劇院橫空出世，后AI生成圖片在社交平臺瘋狂傳播；2022年底，AI繪畫熱潮猶在，ChatGPT（Chat Generative Pre-trained Transformer）又使AIGC這一概念徹底出圈。AIGC是一種全新的內容生產方式，是利用現有文本、音頻文件或圖像創建新內容的技術。其使用機器學習算法，從數據中學習要素，一般基于跨模態大模型打造，包括基于素材的部分生成和基于指令的完全自主生成和生成優化。得益于真實數據積累和計算成本下降，可幫助生成數字化內容初稿，產品包括AI繪畫、平面設計、對話系統、搜索引擎、

39、代碼生成等，提高了數字化內容的豐富度、生產效率與創造性；類人的交互體驗和全民參與度也提升了C端消費側對于AI的感知，進一步拓寬了市場對AI商業價值的想象空間。來源：硅谷投資機構NFX，艾瑞咨詢研究院整理繪制。AIGC技術提升創作者生產效率與質量項目時間創造力靈感迸發的開始 結合AIGC技術 傳統人力形式初稿產生“絕望的深淵”順利推進中修改完善AIGC技術縮短了獲得初稿的進程，提高了創作者的生產效率與創造力初稿產生創造力中稀缺性和規?；窍嗷α⒌母拍?。AIGC有望打破沖突，助力定制化與規?；⒋鍼art3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練

40、大模型與AIGC182023.3 iResearch I2023.3 iResearch IAIGC助力數實融合世界建設需前瞻性對技術、數據與生成內容規劃相關行業標準需求側，隨著數字經濟與實體經濟的加速融合，人類社會經濟生活對數字世界內容的需求不斷提高，牽引各類AIGC應用試水落地；供給側，智能算力支撐、深度神經網絡結構升級、商用基石模型出現、多模態大模型等技術進步驅動了AIGC產品可用性的不斷加強。未來，隨著低延遲網絡技術發展，VR/AR等智能終端設備規模商用，AIGC算法能力如視頻和3D內容生成、分布式交互算法等進一步提升，AIGC將加速助力數實融合世界建設。新技術與數字內容的海量迸發也增

41、加了監管難度，為促進產業有序發展，有關部門及行業協會應在互聯網信息監管及AI治理的大背景下前瞻規劃。來源：艾瑞咨詢研究院根據公開資料研究繪制。來源：艾瑞咨詢研究院根據公開資料研究繪制。生成式對抗網絡（GAN）突破性理論提出初代模型的出現（BERT、DALLE)可商用基石模型的出現（GPT-3、DALLE 2）AIGC技術發展重要節點GPT-4預計將在2023年發布，從號稱“GPT-3.5”的ChatGPT的效果來看，值得期待視頻和3D內容的生成還在等待類似DALLE進度的基石模型出現；圖像生成領域處在大量探索應用場景階段自主編程系統AlphaCode面世基于開源代碼訓練的Copilot開始商業

42、化得益于文本和代碼相結合的預訓練大模型發展，ChatGPT引入了人工標注數據和強化學習（RLHF）來進行持續訓練和優化。加入強化學習后，大模型能夠理解人類的指令以及背后的含義，根據人類反饋來判斷答案的質量，給出可解釋的答案，并對于不合適的問題給出合理的回復，形成一個可迭代反饋的閉環。AIGC基于模態類型的應用場景分類模態類型技術要點用途舉例文本生成大型預訓練模型、自然語言理解、對話策略選擇新聞、故事、腳本撰寫智能客服、閑聊機器人等交互音頻生成語氣的少量數據小樣本遷移學習；音樂數據標注樂曲/歌曲生成作詞、作曲、編曲、人聲錄制和混音等圖片生成GAN（生成對抗網絡）、Diffusion Model（

43、擴散模型）圖片換裝、Deepfake圖像換臉、表情修改平面設計、NFT、營銷海報、logo、頭像3D模型NeRF（神經輻射場模型）虛擬人、數字孿生、VR/AR、3D游戲、電影特效視頻生成CV技術（物體識別、跟蹤）；圖像編輯技術視頻屬性編輯視頻畫質修復、刪除特定主體、自動跟蹤主題剪輯、視頻特效、自動美顏等多模態、跨模態生成多模態學習、跨模態理解；大型預訓練模型；多模態、跨模態內容生成AI聊天繪畫機器人AI生成視頻多模態智能交互數字人策略生成深度強化學習技術、搭建虛擬環境、合理設置Reward游戲AI智能交互數字人NPC自動駕駛等機器人控制2020年GPT-3測試結果Q:How many eyes

44、 does the sun have？A：The sun has one eye.2021年12月GPT-3測試結果Q:Does the Sun have eyes？A：No,the Sun does not have eyes or legs.Part3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC192023.3 iResearch I2022年AIGC創業浪潮席卷國內外，但國外一批早期成立的AI繪畫產品公司已因為用戶付費無法覆蓋成本，于年底宣布關閉平臺。邁入2023年，OpenAI的ChatGPT產品所帶來的搜索與問答功能提升和

45、類人的交互體驗，使AIGC技術的商業落地開啟了新的征程；國內廠商也緊隨其后公布了類ChatGPT的產品研發或者上線計劃。但無論AI技術革新引發的關注與討論多熱烈，最終仍需回到技術產品化的主線上：生成速度、調用成本、內容質量的安全可控及版權歸屬等問題仍是AIGC面臨的關鍵挑戰。對于我國企業來說還需解決：大模型技術迭代和AIGC產品訓練都會受到智能算力制約，芯片“卡脖子”問題擺在面前；國內廠商的預訓練大模型技術水平仍落后于海外頭部企業，應用側基于國外廠商的API調用進行模型訓練也面臨限制。但對于國內AI芯片公司、手握海量數據資源的互聯網巨頭、具備“數據飛輪”的解決方案商、瞄準AIGC賽道的創業企業

46、，是挑戰也是機會，ChatGPT的熱潮也帶來了資本市場和消費者對AI產業熱情的再次迸發。ChatGPT熱潮ChatGPT產品價值與落地挑戰注：詳細分析請見艾瑞ChatGPT專題報告。來源：艾瑞咨詢研究院根據公開資料研究繪制。優化質效，拓展價值邊界類似問答式智能體，可跨越式提升C端消費者對AI的感知。與CV浪潮中的人臉識別爆款產品相比，交互性大大增強，給予用戶人性化與個性化的體驗產品可生成類人的文本（多格式）、可與用戶多輪對話，對于提升辦公、創作、營銷、代碼等工作效率和質量具有重要價值ChatGPT產品價值ChatGPT落地挑戰OpenAI ChatGPT的技術產品化思考差異化競爭優勢，曲線突圍

47、成本效益考量研發成本高：計算資源成本高，迭代訓練一次需要460萬美元；以及需要高端人才、科學家等研發成本使用成本高：用戶量指數增長背后的調用成本也很高。投入使用后，仍需部署到大規模集群上，C端每次使用均需服務器計算一次；但目前開發者使用API接口的成本已可下降到之前的1/10，用戶量的快速增長會提供數據反哺、產品功能反饋等寶貴資源，ChatGPT的商業化之路已經逐步跑通。但以低價策略促進用戶增長的業務良性循環尚有待驗證產品質量與內容可控可衡量模型有效性的任務指標也是大模型帶來的問題之一：產品依賴歷史數據且易受訓練師偏好影響；海量參數和大模型也決定了模型復雜度過高，對知識原理的理解有限，目前還難

48、以做到答案完全可控與準確搜索引擎搜索一次成本很低，替換成類ChatGPT產品后，新增成本對頭部壟斷公司來說，壓縮了企業利潤空間。但或會為了避免用戶流失，謹慎布局但對于必應（Bing）這類追趕型玩家，單次搜索的廣告價值只要可以覆蓋成本就愿意整合ChatGPT能力，甚至會為了爭搶市場份額，快速搶位Part3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC202023.3 iResearch IAI芯片類型異構計算時代下，DSA架構率先展現出對GPU的替代趨勢AI芯片是專門為AI計算加速而設計的芯片，“CPU+X”的異構計算模式極大加速了AI

49、應用的運算效率。X即指代AI芯片，常見產品類型包括GPU、FPGA、ASIC與類腦芯片。從AI芯片應用類型來看，以英偉達公司產品為代表的GPU長期占據AI芯片主流應用市場，尤其是在云端及邊緣側對芯片的計算性能、精度及通用性有高要求的訓練場景。未來，在中國東數西算、智算中心、新型數據中心的建設浪潮與互聯網廠商自研及投資驅使下，ASIC-DSA架構的AI芯片產品由于ASIC定制化可實現的極致產品性能及DSA部分軟件可編程擴大場景范圍的優質特性，將率先在推理側展開對GPU的替代，順應“先推理后訓練”的發展路徑，逐步實現國產AI芯片的多點開花。來源：艾瑞咨詢研究院自主研究繪制。AI芯片的產品分類及應用

50、場景Part3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC云端推理芯片邊緣/端推理芯片邊緣/端訓練芯片云端訓練芯片需要極高的計算性能和較高的精度，可處理海量數據，同時也需要一定的通用性，以便完成各類學習任務。相對訓練而言對性能的要求并不高，對精度要求也要更低，但更注重綜合指標，要考慮單位能耗算力、延遲、成本。訓練芯片推理芯片云邊緣/端側數據中心，智算中心支持云端大量運算，靈活適配圖片、語音、視頻等不同AI應用面向機器人/無人機、自動駕駛、智慧安防、工業互聯網、移動互聯網、物聯網等豐富場景訓練主要在云端進行，GPU在云端訓練場景可充分

51、發揮自身并行計算與通用性優勢，應用比例過九成，未來隨著互聯網自用訓練場景的專用化，ASIC-DSA產品將替代一部分GPU市場。目前GPU產品仍然占據大頭，但ASIC-DSA專用產品帶來的效率優化在推理側展現明顯替代優勢，呈“百家爭鳴”態勢。在專用芯片發展成熟之前，FPGA可成為過渡產品，眾多科技巨頭嘗試布局云計算+FPGA的平臺。在云端訓練基礎上，邊緣側逐步衍生訓練場景，承擔更多云端訓練任務來轉移云端訓練壓力，同時及時響應邊緣/端側的推理任務需求。邊緣/端推理芯片可加載于邊緣服務器，也可作為SoC嵌入終端設備，以滿足特定場景需求，端側需求差異大。隨著數據傳輸帶寬壓力、數據因素安全、實時響應的需

52、求，愈多云端推理任務下放到邊緣及端側推理場景。應用場景產品分類CPU+X異構計算Heterogeneous ComputingGPUFPGAASIC類腦芯片DSA架構（Domain Specific Architecture）領域專用架構相較于傳統ASIC產品，DSA架構支持了部分軟件可編程，擴大了ASIC芯片的覆蓋場景與領域范圍，但DSA僅加速某些特定領域的應用程序212023.3 iResearch I注：國內FPGA廠商覆蓋領域廣泛，以紫光同創、上海復旦微電子、安路科技等為代表，專注AI芯片領域的創業廠商較少。國產AI芯片廠商表現互聯網與創業廠商積極入局，基于切入點選擇不同芯片架構面對國

53、外廠商的壟斷壓力，國內互聯網廠商與AI芯片創業廠商積極入局，選擇ASIC-DSA或GPGPU等細分產品架構切入中國AI芯片市場。從產品進展來看，互聯網廠商依托于持續研發投入、雄厚技術實力與內部應用場景進展領跑，以華為海思與百度昆侖為代表的云端AI芯片產品現已達到數萬片量級的落地規模，在實現自身應用的同時完成部分對外的銷售落地。中國ASIC初創廠商多已完成產品迭代，與互聯網短視頻，泛安防廠商或車企達成聯盟協作，有序進入產品驗證、小規模銷售或規?；瘧秒A段；中國GPGPU廠商產品也在今年陸續完成點亮發布。綜合來看，中國AI芯片廠商已脫離早期的愿景情懷階段，產品實現切實落地，未來將更強調系統集群與軟

54、件生態的建設，自主可控基底不斷加厚。AI芯片廠商類型來源：艾瑞咨詢研究院自主研究繪制。國外AI芯片廠商國內互聯網廠商國內AI芯片創業廠商GPU廠商：全球GPU市場長期被英偉達、英特爾、AMD等國外三巨頭壟斷，英偉達憑借產品性能及CUDA生態占據主流地位?；ヂ摼W廠商：國內互聯網廠商出于自用目的入局AI芯片市場。為了實現極致性能適配，滿足固定場景下的模型與算法需求，我國廠商多選擇ASIC-DSA架構切入，服務于內部特定推理及訓練場景。GPGPU廠商：主打云端HPC與高精度場景，通過GPGPU產品結構的優化對標GPU龍頭英偉達產品。代表企業：沐曦、壁仞、天數智芯等ASIC廠商：國外專門做ASIC產品

55、的企業較 少，代 表 企 業 有 英 特 爾/HABANA(Goya)、谷歌（TPU）、高通（NPU）等ASIC廠商：多以DSA架構，錨定特定應用場景做專用AI芯片，以云端場景為切入點。代表企業：寒武紀、燧原科技、瀚博半導體、希姆計算等FPGA廠商：呈現“兩大兩小”競爭格局，代表企業賽靈思（AMD）、阿爾特拉（Intel）、Microsemi、LatticeASIC廠商：以邊緣側及端側的特定場景為切入點，錨定泛安防、自動駕駛等領域。代表企業：云天勵飛、比特大陸、地平線黑芝麻智能等搜索推薦自動駕駛泛安防互聯網廠商的芯片發展路線多為：先自研內部實現規?；瘧?，再對外實現產品銷售。代表企業：阿里平頭

56、哥、百度昆侖、華為海思等Part3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC222023.3 iResearch I中國AI芯片產業的逆風而行美國禁令升級給中國AI芯片廠商帶來挑戰與機遇2022年10月7日，美國對中國半導體產業的禁令管制再一步升級，新增“限制中國企業獲取高性能芯片和先進計算機”，海外英偉達、AMD等大算力AI訓練芯片產品受到管制禁售，需進行參數調整后再度出售。同樣，國內在閾值范圍內的AI芯片廠商將受到代工廠的供貨限制。美國禁令的升級給中國AI芯片廠商帶來挑戰與機遇。面對代工產能限制，中國AI芯片廠商將積極推動上下

57、游創新，完善中國半導體產業鏈工藝，或通過調整產品參數的方式繞過代工限制。而海外產品禁售后的參數調整期也給中國AI芯片廠商帶來窗口機遇期，在產品切實落地并得到客戶驗證許可的商業化基礎上，我國廠商將持續進行下游應用拓展，同時加重對AI芯片的軟硬件建設，通過場景需求理解與軟件生態培育加速實現AI芯片的國產化應用。中國AI芯片廠商面臨的挑戰與機遇來源：艾瑞咨詢研究院自主研究繪制。受美國禁令影響，訓練芯片的銷售與制造更加被重點管制3A090“先進計算芯片”的定義或范圍是同時滿足：基礎計算單元算力之和超過4800TOPS I/O傳輸接口的傳輸速率大于600GB/s4A090“超級計算機”定義為滿足：一個計

58、算“系統”，在41,600立方英尺或更小的范圍內，具有100或以上雙精度（64位）每秒千萬億次浮點運算 或200或以上單精度（32位）每秒千萬億次浮點運算的集體最大理論計算能力美國出口管理條例 限制滿足條件的芯片產品出口中國AI芯片廠商面臨的機遇與挑戰切斷中國先進芯片的海外供給：根據美國出口管理條例對算力及帶寬的閾值限制，“先進計算芯片”與“超級計算機”的產品閾值主要針對AI訓練芯片。遏制管控代工產能：不僅英偉達、AMD的AI訓練芯片產品受到出口限制，新規提出管制范圍擴大到中國大陸以外的利用美國技術來為中國大陸廠商制造，可以被用于超算的高性能芯片或被用于超級計算機的器件的外國廠商。因此，中國符

59、合閾值的AI訓練芯片在對外代工也將受到限制。受到管控的海外廠商將通過調整產品參數的方法再度出售根據升級后的美國禁令條例，英偉達超算和云端訓練產品A100和H100、AMD的MI250和MI250X等GPU產品均在禁售范圍之內，英偉達常用于AI推理和視頻編解碼等場景的T4、T100芯片，及自動駕駛產品線的Orin系列由于算力和帶寬性能并未達標而尚未受到此次管制影響。未來英偉達將推出新款中國特供版A800 GPU芯片，替換A100以符合美國芯片出口新規。海外產品禁售后的參數調整期給國內AI芯片廠商帶來機會：英偉達、AMD等海外產品被禁售后將經歷產品參數調整，這為國內AI芯片廠商的下游市場拓展帶來窗

60、口機遇期。國內AI芯片廠商需從代工工藝、軟硬件生態、芯片架構抓住發展機遇：從代工工藝、先進封裝工藝、芯片產品架構、軟硬件生態建設等維度開展創新，加速實現AI芯片國產化應用。Part3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC232023.3 iResearch I洞察AI芯片變化趨勢推理芯片比重逐步加大，處理重心由云端下放至邊緣側2022年，中國AI芯片市場規模約在385億元，未來在國內AI智算中心建設浪潮與AI自主生態驅力下，預計將保持高增長趨勢，在2027年中國AI芯片市場規模將達到2164億元。隨著AI模型應用的成熟落地，在

61、AI模型訓練完備后，AI推理芯片將承擔更多工作負載，助力AI模型在各行各業應用端實現泛化投產。預計2027年，中國AI訓練芯片與推理芯片的比例將分別達到23.7%與76.3%。此外，伴隨自動駕駛、工業制造、云游戲等場景，AI處理中心將從云端逐步下放至邊緣側與端側，預計2027年云端、邊緣側、端側AI芯片的比例將分別達到49.1%、27.8%與23.1%，如何在既定功耗下完成更多的AI處理成為未來端側AI的發展重點。來源：艾瑞咨詢研究院自主研究繪制。47.2%44.3%40.4%35.7%29.6%23.7%52.8%55.7%59.6%64.3%70.4%76.3%20222023e2024e

62、2025e2026e2027eAI訓練芯片（%）AI推理芯片（%）0.0%25.0%50.0%75.0%100.0%20222023e2024e2025e2026e2027e云端AI芯片（%）邊緣AI芯片（%）端側AI芯片（%）2022-2027年中國AI芯片訓練、推理比例2022-2027年中國AI芯片應用場景比例變化2020-2027年中國AI芯片市場規模1953273855668271210167521642020202120222023e2024e2025e2026e2027eAI芯片市場規模（億元）Part3:決策智能Part4:虛擬數字人Part3:決策智能Part2:AI芯片Pa

63、rt1:預訓練大模型與AIGCCAGR=41.2%242023.3 iResearch I決策智能概念及應用融合機器學習、NLP、知識圖譜，實現數據與知識驅動決策智能一詞由谷歌于2019年成立同名部門后逐漸為人熟知，這并非是一個底層技術層面的確切定義，而是從商業價值的視角，強調AI需要在輔助和替代人進行各類決策方面發揮實際效果。當前市場對決策智能的理解范圍和側重各不相同，狹義的決策智能最貼近“決策”一詞的原始含義，僅指在多種可能的方案和路徑中做最佳選擇的優化類問題。這類問題在現實中滲透極廣。但落地應用技術難度高，大多以運籌學為根基、融合AI能力、在解決大規模復雜問題時需使用求解器，商業應用尚處

64、于起步階段。廣義的決策智能泛指能夠指導人更科學和準確地做出判斷及決策的AI產品，基于規則、診斷、預測的結果，疊加對環境動態的把握形成最終決策，主要使用機器學習、NLP、知識圖譜技術，輔以計算機視覺、智能語音等技術形成高度場景化的解決方案。來源：艾瑞咨詢研究院自主研究及繪制。典型決策智能場景及行業應用NLP強化學習診斷預測優化智能選址路徑優化價格預測設備預測性維護輿情分析精準營銷工業質檢交通流量預測分類診斷決策智能技術核心NLP用戶畫像構建分析人員關系輔助判斷知識圖譜建立反欺詐模型深度學習風險類型等級判定以反欺詐為例其他典型應用 特征識別是核心 結合傳統指標分級方式以銷量預測為例時序預測 需要長

65、期、高質量歷史數據 部分結果可解釋性較差其他典型應用策略優化供應鏈優化航班調度優化預測結果算法模型構造機器學習模型深度時序模型以智能排產為例（白盒優化版）原始數據最優排產方案約束條件求解器其他典型應用排產目標投資組合優化管網優化運籌優化機器學習Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC深度學習知識圖譜 分為白盒優化與黑盒優化兩類 最貼近決策的初始定義機器學習252023.3 iResearch I2023.3 iResearch I16.0%14.2%13.2%5.7%5.2%4.3%3.8%3.8%2.4%2.4%2.4%1.9%1.4%

66、1.4%12.0%20.0%28.0%12.0%16.0%8.0%物流科技服務電力工業學術教育金融農業/林業專業服務廣告零售通信娛樂傳媒石化制藥Gurobi商業版用戶行業分布（%）COPT商業版用戶行業分布（%）求解器是對復雜優化問題進行計算求解的工具型軟件，融合運籌優化、機器學習等技術，是決策智能技術的核心引擎之一，應用價值高，研發難度大。國外商用求解器誕生于1980s，以Gurobi、Cplex、MOSEK等為代表，已發展出各自優勢領域，商業模式成熟。國內商用求解器誕生于2020年前后，且技術已達到世界領先水平，但由于起步晚，在應用范圍、生態和市場認知等方面與國外差距明顯。具體來看，202

67、0年Gurobi已被廣泛應用于物流、科技和電力為主的42個行業，同年國內最成熟的COPT僅覆蓋工業、電力和零售為主的6個行業，在金融、傳媒、農業等領域還未起步。且國內以求解器為底層技術支撐的APS等工業軟件市場仍由國外巨頭把控，國產替代任重道遠。國產商用求解器技術發展現狀求解器技術發展及落地現狀技術比肩國際頂尖水平，行業化落地需提速注：該榜單共分為21類求解問題分別排名，參考數據截止2023.02.19來源：Benchmarks For Optimization Software，艾瑞咨詢研究院自主研究及繪制。來源：Gurobi2021 State of Mathematical Optimi

68、zation Report，艾瑞咨詢研究院自主研究及繪制。杉數科技COPT阿里巴巴MindOpt華為OptVerseLPMILPMINLPNLP2020.082021.092019.08LPMILPMINLPNLPLPMILPMINLPNLP阿里巴巴MIndOpt在線性規劃的網絡流優化和半定規劃問題中排名第二。華為OptVerse在線性規劃中的網絡流規劃和單純形法中分列世界第一和第三。2020年Gurobi&COPT商業版用戶行業分布對比技術覆蓋世界排名COPT行業覆蓋數量顯著少于Gurobi杉數COPT在其中3類問題中斬獲第一，6類問題第二，在線性規劃、混合整數線性規劃和凸規劃領域技術優勢明

69、顯。國內覆蓋問題類型最多、商業化落地最成熟的商用求解器，目前已迭代至6.0版本總覽特色是黑盒優化功能，已在阿里內外部諸多場景進行探索和應用專攻細分問題，落地場景暫時較少Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC3262023.3 iResearch I決策智能解決方案全局化趨勢由點到面，全局優化幫助決策智能價值進階針對不同場景，決策智能解決方案需要高度定制化開發。但不同場景在業務邏輯上存在關聯性，通過場景有機整合實現全局優化，能挖掘出決策智能的深層次價值，也是決策智能解決方案進一步成熟的標志。全局優化模式分兩類，一類是并聯業務，以銀行智能營

70、銷風控一體化為代表，兩項業務并無明確的鏈式關系，但能夠從客戶生命周期運營的角度，通過底層內外部數據共享以及在上層經營分析的聯動，形成全局體系，綜合降低業務風險、提升業務效果。另一類是串聯業務，以供應鏈優化為代表，供應鏈上庫存、生產、物流、銷售各環節傳導效應明顯，具有“牽一發動全身”的特點，因此拉通相鄰環節的決策智能場景，能夠立即帶來快速響應、協同優化的效果。來源：艾瑞咨詢研究院自主研究及繪制。風控模型的優化能夠提升風險識別準確性，有效降低業務風險，同時對各類風險的精細化識別也能在目標用戶畫像中融入多元風險因子，從源頭降低風險。獲客互聯網安全貸前貸中貸后模式一：并聯業務價值整合外部數據（社交行為

71、、身份信息等）+內部數據（中臺調用）策略調優*全渠道整合關鍵價值風控模型智能營銷智能風控數據互補模型精準化降低業務風險經營優化策略調優營銷模型經營分析在營銷場景產生和搭建的用戶畫像等外部數據可以在風控業務中幫助提升模型準確性，而風險評級數據和指標也應可用于營銷場景?？鐖鼍皵祿脚_同時支撐營銷和風控業務。智能營銷和風控各自多條業務線決策結果反哺到高管經營分析層，多維度綜合分析，把控業務方向模式二：串聯業務前后向一體化關鍵價值銷量預測庫存優化金融營銷風控一體化生產優化供應鏈產銷協同優化下游環節能夠將上游環節優化后的結果作為條件數據輸入優化模型，從而讓優化結果更精準增強供應鏈韌性提升優化效果銷售預測

72、影響下游庫存的調度和生產計劃，其中一個環節的突發事件會打亂全局計劃。引入決策智能后，各環節能夠快速協同生成整套新計劃，將突發影響降至最低銷量預測數據補充庫存數據補充生產計劃排產排程品類預測月銷量預測渠道銷量預測經銷商工廠廠外庫銷量預測數據補充并聯及串聯業務全局優化實現模式及價值營銷和風控是兩項相對獨立的業務，在用戶里程不同階段都分別對應營銷和風控任務。營銷風控一體化是以用戶運營的視角重新梳理和建構營銷風控的關系，在底層數據和上層經營管理實現更緊密的結合。單獨環節決策智能仍然受到其他環節影響，效果有限。從單環節優化向前后拓展其他環節，能產生協同效應。Part4:虛擬數字人Part3:決策智能Pa

73、rt2:AI芯片Part1:預訓練大模型與AIGC272023.3 iResearch I2023.3 iResearch IOpenDILab（開源決策智能平臺）于2021年發布，屬于上海人工智能實驗室開源平臺體系，旨在助力學術研究，解決產業界復雜問題通用型決策產品落地可行性分析通用型決策技術探索現狀決策智能通用化前景探討技術路徑尚不明晰，通用型決策產品市場機遇期未至通用型AI已成為未來人工智能技術發展的確定方向，但對于通用型決策而言，如何解決環境多變性、問題特殊性和復雜度等問題對決策效果的影響，尚未出現技術突破，這使得通用決策智能的前景廣受爭議。從技術角度看，國內采用產學研合作方式，開放性

74、推進，專注機器學習、運籌優化、多智體等人工智能技術創新和難題攻關，并以技術融合及模型泛化為目標，但通用型仍表現較弱。在產品層面，通用決策智能面向甲方時的產品形態表現為一站式的開發工具箱，廠商將多種模型算法高度封裝，需要客戶側自行針對性二次開發使用，門檻較高，中短期內成為主流趨勢的可能性較低。來源：艾瑞咨詢研究院自主研究及繪制。來源：艾瑞咨詢研究院自主研究及繪制。產品形態：技術引擎+行業模型套件求解器機器學習引擎生產排程模型路徑規劃模型價格優化模型需求預測模型價格預測模型技術引擎行業模型決策平臺難題攻堅和路徑整合持續推進：OpenDILab共創共享決策技術棧廣泛適配各種訓練規模全面收納各類算法、

75、模型和環境為社會各界開發者和開發團隊提供的優秀開發框架模型泛化加速：MADT采用預訓練大模型實現決策優化MADT多智體預訓練大模型由上海數字大腦研究院于2022年推出，全面對標DeepMind Gato，且在執行游戲、圖文、對話任務基礎上，更關注決策問題，創新實驗了組合優化問題TSP的求解，并取得良好效果，已經初步達到了產業應用的水平。決策智能本身技術路徑決定了即使同行業場景的不同企業之間，搭建決策智能解決方案所需數據標簽、特征工程等維度都存在較大差異。這決定了高度抽象和工具化的模型很難在面對具體問題時呈現好的效果，還需基于通用模型進行大量針對性模型調優和仿真測試，要求甲方企業內部有成熟的算法

76、團隊才能夠保證落地應用，從成本收益考量，絕大部分企業還是會選擇供應商進行定制開發的方式。落地難點：二次開發任務量大，ROI決定采購方式積極推動產、學、研跨界合作，形成良好生態氛圍專家、學者課題合作學術交流活動技術社區運營Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC282023.3 iResearch I虛擬數字人產品全棧AI能力集大成者，對入局者能力提出高要求近年來，虛擬數字人熱度居高不下，互聯網廠商、人工智能廠商、CG廠商等各類玩家紛紛入局，搶灘虛擬數字人產業的科技高地，并將其視為未來元宇宙世界的寶貴入場券。從定義來講，虛擬數字人是指具有數

77、字化外形的虛擬人物，特征即為虛擬化、數字人、擬人化，因此本章節研究范疇限定在以原畫建模為基礎（虛擬化）的數字人產品，真人建模不在此次關注范圍內。虛擬數字人在人物生成階段需在設計、動畫、專業人才等方面進行成本投入，人物表達則需多模態AI模型作為底層支撐，由開發工具、平臺環境、存算網資源等進行支持，整體產業鏈漫長且復雜，對入局者能力提出高要求。來源：中國人工智能產業發展聯盟2020年虛擬數字人發展白皮書，艾瑞咨詢研究院自主研究繪制。由真人完成，與對話式AI無關聯虛擬數字人產品-核心技術架構形象視覺模塊內容交互模塊人物生成人物表達合成顯示真人驅動型交互：計算驅動型交互：真人建模2D數字人3D數字人語

78、音生成：基于表達內容文本生成語音，應用智能語音TTS技術動畫生成：基于表達內容文本生成動畫，核心技術為驅動與渲染驅動：分為真人驅動與計算驅動。在完成人物建模與關鍵點綁定后，真人驅動基于中之人（內核為真人）的動作/表情通過動捕設備或攝像頭完成數字人驅動；計算驅動則是通過深度學習驅動模型（表情、語音、唇形等，內核為AI）完成數字人驅動。渲染：分為離線渲染與實時渲染。實時渲染對時間響應、計算資源要求更高，對廠商能力要求更高。隨著硬件能力的提升和算法的突破，真實性和實時性均大幅提升?；诮K端顯示技術，將數字人產品呈現于手機等智慧終端屏幕。由AI完成，與對話式AI強關聯用戶真人語音生成動畫生成合成顯示虛

79、擬數字人可分為交互型與非交互性，非交互性數字人只需完成形象視覺模塊+內容輸出制作即可，無需內容交互模塊。用戶分析決策語音生成動畫生成合成顯示識別感知音視頻渠道真人驅動計算驅動基于語音識別、計算機視覺完成用戶信息輸入基于語義理解、知識庫、知識圖譜給到信息回饋對話式AI能力對廠商圖像能力要求高，傳統CG廠商擅長真人驅動；計算機視覺CV廠商擅長計算驅動計算驅動型交互對廠商的對話式AI能力要求高，往往由對話式AI廠商進行能力提供建模方式包括真人建模與原畫建模兩種，真人建模不在本次研究范疇。在3D原畫建模中，靜態掃描建模（相機陣列掃描重建）為建模應用主流方式，動態光場重建是未來建模重點發展方向。Part

80、4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC292023.3 iResearch I2023.3 iResearch I供需產業分析以服務產業與泛娛樂場景為核心應用，產業鏈協同仍需優化從落地產業來看，虛擬數字人的應用場景可分為服務產業與泛娛樂產業。從落地效果與應用效益的甲方角度出發，虛擬數字人率先在非交互場景開展規?；涞?。而虛擬數字人產業鏈仍存在割裂現象，人物制作、驅動表達、內容生產、運營服務等產業鏈環節分散在各個主體之間，生產制作難以達到高效協同，極大限制虛擬數字人產業在成本、效率、交付的迭代調優。具備全棧集成能力的大型互聯網廠商正嘗試通過生態開

81、放、平臺建設集成各環節資源，為客戶提供覆蓋全流程、低成本、短周期的虛擬數字人平臺，降低虛擬數字人產業的應用門檻。來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制。來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制。虛擬數字人產品需求側-應用場景分析服務產業泛娛樂產業以服務屬性為重，輔助或替代人類完成“任務”以人物屬性為重，打造個性化IP與人物形象虛擬客服虛擬員工虛擬主持人虛擬導購/直播虛擬偶像虛擬博主虛擬社交交互型非交互型虛擬主播虛擬教師產品實現商業化落地非交互場景交互場景虛擬數字人會率先在非交互場景展開落地，一方面助力影視游戲泛娛樂的內容制作，一方面提供內容生成及播報等服務。隨著全

82、棧技術成熟，交互場景的數字人產品將在未來實現加速規?；a。交互型&非交互型交互型數字人在形象視覺模塊外，對數字人產品的語音能力、NLP能力、知識庫等交互及實時渲染、反應時延能力有高要求。在泛娛樂產業，虛擬數字人會根據場景需求提供交互型或非交互型產品服務。在交互型需求里（如直播互動），為保證虛擬人物的真實感與互動感受，現階段多采用真人驅動技術。虛擬數字人產品供給側-參與廠商分析互聯網廠商人工智能廠商垂直數字人創業廠商CG/XR技術廠商代表廠商：科大訊飛、追一科技、竹間智能、商湯科技代表廠商：數字領域（Digital Domain）、相芯科技、凌云光代表廠商：中科深智、魔琺科技、擬仁智能、次世文

83、化、萬象文化代表廠商：百度、阿里、華為、火山引擎、騰訊、京東、網易伏羲原畫設計形象建模關鍵點綁定語音能力NLP能力知識庫技術應用平臺人物運營垂類市場技術積累外包集成全棧服務 在原畫設計及建模具備CG/XR技術積累，常與產業生態廠商共同完成數字人生產環節。在AI交互方面具備技術積累，為數字人提供語音交互、自然語言理解能力及知識庫技術，常與產業生態廠商共同完成數字人生產環節。常選定服務產業或泛娛樂產業之一，錨定垂類場景為落點發力，打造細分領域的產品優勢，在產業鏈中扮演全棧集成角色，在平臺資源、AI算法方面能力突出，前期人物生成的CG/XR技術多采用生態合作模式。Part4:虛擬數字人Part3:決

84、策智能Part2:AI芯片Part1:預訓練大模型與AIGC302023.3 iResearch I年度表現盤點標桿案例出圈，未來發展注重長線布局2022年7月，北京市發布北京市促進數字人產業創新發展行動計劃（2022-2025年），意在初步形成具有互聯網3.0特征的技術體系、商業模式和治理機制，打造全國數字人產業創新高地，是國內首個數字人產業專項支持政策。各地政府也在積極通過支持性政策引導推動，鼓勵打造虛擬數字人的自主產業鏈，助力企業積極探索創新產業應用。在政策、資本、技術的合力推動下，虛擬數字人產品在“噱頭”“曇花一現”的質疑聲中熱度不減，虛擬偶像、虛擬博主2022年爆火出圈，并將落地應用

85、深入到服務產業的虛擬主持人、虛擬客服領域。但當下虛擬數字人產業存在產品趨同、利益鏈復雜、運營持續難度高、成本效益難以匹配等問題，商業回報價值鏈尚未清晰，虛擬數字人目前的應用熱度更多是供需兩側出于長線發展的布局成果。來源：艾瑞咨詢研究院根據公開資料自主研究繪制。虛擬數字人產品及事件列舉虛擬偶像虛擬主播/博主虛擬主持人虛擬客服虛擬主播/博主虛擬客服泛娛樂產業場景泛娛樂產業場景頭部效應趨顯，新一代數字人產品的獨特性、內容創作、新粉絲群體、運營經營等成為關鍵性問題。虛擬偶像虛擬主持人服務產業場景虛擬主持人在大型活動、日常播報中愈發泛化應用，交互虛擬客服逐步試水，優先落地在金融、電信等場景。2023年1

86、月，洛天依官宣拜師趙聰，并攜手趙聰演繹神鳥，亮相河南衛視2023“歡樂春節和合共生”音樂會。2022年2月，日本虛擬主播絆愛舉辦最終演唱會，演唱會結束后正式無限期停止活動，進入休眠狀態。初代虛擬主播“絆愛”休眠2022年5月，虛擬偶像團體A-SOUL官方宣布團隊成員珈樂由于“身體和學業的原因”進入“直播休眠”狀態。A-SOUL團體“珈樂”休眠海外虛擬主播“Shoto”直播2022年5月，海外虛擬主播Shoto入駐B站，并于6月主播第一場直播，僅兩個小時直播打賞超百萬。洛天依亮相河南春節音樂會2023年1月，海淀區融媒體中心虛擬主持人海小佳首次亮相海淀網絡春晚，在晚會中成為海淀科技創新的閃亮名片

87、。2022年2月，數字人員工小寧入職寧波銀行上海分行，提供從前端客戶接待到后端運營管理的全鏈條服務。2022年2月冬奧會期間，中央廣播電視總臺新增了央視新聞AI手語虛擬主播，準確及時地進行賽事手語直播及新聞報道。2022年11月，“中國電信APP”全新升級上線，新上崗的“數字員工”筱翼為用戶提供多樣化業務辦理需求。北京冬奧會AI手語主播海小佳亮相海淀網絡春晚寧波銀行上海分行數字員工中國電信APP上線數字員工筱翼Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC312023.3 iResearch I商業化路徑探討打造虛擬世界基礎設施，深層變現渠道仍

88、在探索來源：艾瑞咨詢研究院自主研究繪制。虛擬數字人產品的變現渠道泛娛樂產業服務ToCToB頭部效應運營門檻投入產出交互質量泛娛樂 場景價值p 商業推廣p 衍生周邊p 演出出場p 直播打賞p 音樂版權p 其他產業服務 場景價值泛娛樂場景的變現收入以B端商業推廣與C端直播打賞為主，頭部效應顯著，品牌代言偏愛有內容特色和粉絲基礎的成熟偶像。C端付費場景尚未完全打開，更多聚焦在泛娛樂場景的演出、周邊、直播打賞等場景，且粉絲構成復雜，在虛擬偶像、虛擬博主日益涌出的當下，如何以形象外表、優質內容、獨特人設長期建立粉絲粘性并提升其付費意愿，是面向C端獲取更多流量變現的勝負手。此外，產業服務的C端場景仍有待開

89、拓，如何搭建C端消費者與數字人的直接橋梁，在日常生活中嵌入更多產品價值，不僅僅是新一類變現渠道，也是打造元宇宙世界基礎設施的重要切入口。在泛娛樂場景，契合品牌形象的虛擬偶像以獲取商業代言、商業推廣為核心收入，但相較于真人偶像，虛擬偶像/博主粉絲經濟帶動的銷量有限，且難以給到真人性質的體驗評價，因此當下商業推廣更多是為品牌形象加成更多科技特色；在傳統產業場景，B端購買注重成本效益對比，非交互場景下的虛擬主持人、虛擬AI培訓師等場景有先行趨勢，交互場景的客服營銷應用隨AI技術發展將得到進一步落地應用。大量泛娛樂數字人產品“出道即巔峰”，而后難以掀起熱度水花，后續運營投入、多方角色參與、類偶像經濟高

90、筑運營門檻。投入產出尚未達到初期平衡，未來將以平臺批量化生成降低成本，在AI文本、語音服務基礎上，以數字人形態獲取更多場景產出價值。交互質量是影響數字人產品服務落地的核心因素，需依托多模態大模型、AIGC等技術發展讓計算驅動型交互數字人產品開發出更多潛力。p 提升品牌形象p 提升服務質量p 降低人力成本p 拓展服務場景p 營銷服務轉型p 其他例：AI創造批量手語主播，在節約人力同時滿足手語老師供需失衡的應用場景當下核心價值落點當下核心價值落點Part4:虛擬數字人Part3:決策智能Part2:AI芯片Part1:預訓練大模型與AIGC32人工智能產業發展環境演變1人工智能產業進階之路2人工智

91、能產業空間增長點3人工智能產業企業案例4人工智能產業發展趨勢探討533計算機視覺賽道資本情況：2022年，計算機視覺（又稱AI視覺）相關投融資熱潮全面復蘇，工業、泛安防、能源賽道熱度高企，持續受到資本青睞。作為近兩年來AI產業上市最火爆的細分賽道，涌現了商湯科技、格靈深瞳、云從科技、奧比中光等IPO企業，表示AI視覺的行業成熟度和認可度已進入新階段。產業規模解讀：2022年我國計算機視覺產品的市場規模占整個人工智能行業的42.4%，達到830億元。從資本熱度、市場規模、場景泛用來說，計算機視覺依然是AI產業發展的主戰場，未來增量動力依然強勁。應用領域特征：細分賽道特點多樣，有泛安防（公安交通、

92、社區樓宇）、金融等主管部門釋放了明確利好信號或大額持續投資的成熟賽道；也有醫療、能源和工業等具有戰略意義、發展空間極大，但或陷入長審批周期、或限于審慎性難以快速釋放市場需求的行業；零售、農業等長尾需求頻發或數字化水平較低且對價格敏感的領域；機器人和自動駕駛等技術融合應用領域。各類細分賽道參與廠商、產品商業模式、落地瓶頸和競爭策略存在差異，但營收增長和業務持續是核心生命力。廠商發展路徑特征：（1）以工業領域為例，受行業信息化體系不完善、自動化水平低、生產環節復雜等因素影響，服務較重、服務鏈條長的定制化項目現階段占比較高。但賽道廠商的良性生存需逐步向”標準化“過渡，基于定制化項目經驗實現路徑跨越；

93、（2）雖然泛安防市場廣闊，但產品同質化和廠商價格戰壓力一直存在。隨著應用市場教育成本降低，視覺技術供應商不再只關注頂尖技術指標，更注重服務客戶：在保證識別精度和產品質量的同時，致力減少成本，尤其是承接B端項目時。Computer Vision342023.3 iResearch I行業投融資熱度分布53.6%20.5%16.6%15.2%11.3%9.9%9.9%8.6%7.9%7.3%6.6%5.3%5.3%4.6%4.6%2.6%工業泛安防能源消費電子智慧城市醫療零售金融互聯網電力交通政務物流教育人工智能基礎層元宇宙熱度分布比例（%）2021-2022年統計時間內共有151起投資事件，工業

94、、泛安防、能源為熱門賽道TOP3，工業賽道以53.6%的過半熱度斬獲中國計算機視覺市場融資熱度首位。工業賽道熱度高，源于廣泛的子行業（離散制造、流程制造）及多樣的場景（裝配、質檢、運輸），獲投企業業務涵蓋工業視覺軟件/工業視覺算法平臺、工業智能相機/識別模組、工業視覺軟硬一體機的研發，致力于提升工業領域生產效率、節約人工/材料成本等。作為近兩年來AI產業上市最火爆的細分賽道，涌現了商湯科技、格靈深瞳、云從科技、奧比中光等IPO企業，表示AI視覺的行業成熟度和認可度已進入新階段。注釋：行業獲投數量采用重復計數法。熱度分布比例=賽道融資事件頻次/中國計算機視覺融資事件總數。來源：IT桔子，烯牛數據

95、，艾瑞咨詢研究院自主研究整理及繪制。2021-2022年中國計算機視覺行業融資熱度分布151起投資事件工業領域成為計算機視覺一級市場主要標的352023.3 iResearch I2023.3 iResearch I獲投產品與融資輪次分布從典型產品融資熱度分布來看，工業領域產品（工業視覺軟件和工業智能相機）關注度最高，其中工業視覺軟件產品為整體AI視覺賽道投資焦點，賽道擁擠，熱度占比達到38.4%。其次視覺算法平臺企業熱度占比為24.5%，主要提供多行業應用領域的算法服務，如人臉人體識別、文字識別OCR等；而應用于泛安防、零售等場景的視覺軟硬一體機產品占比也達到19.2%。從融資事件輪次分布來

96、看，C輪以前的融資事件占比達到66.9%，多集中在早期，產業仍處于快速發展階段。2021-2022年中國計算機視覺獲投典型產品融資熱度分布2021-2022年中國計算機視覺融資事件輪次分布注釋：典型產品熱度統計采用重復計數法，熱度分布比例=該類型產品融資事件出現頻次/計算機視覺總融資事件數量。來源：IT桔子，烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。來源：IT桔子，烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。工業視覺軟件產品為賽道投資焦點；早期輪次企業占比高4.6%11.3%4.0%4.0%9.9%17.9%39.1%9.9%股權投資戰略投資IPODF輪CC+輪Pre-BB+輪Pre-AA+

97、輪天使輪4.0%4.6%7.3%9.9%17.2%19.2%24.5%38.4%AIGC非工業視覺軟件AR/VR醫療影像輔助診斷工業智能相機視覺軟硬一體機視覺算法平臺工業視覺軟件66.9%u 工業視覺軟件和工業智能相機（包括工業領域的視覺軟硬一體機）關注度高362023.3 iResearch I2023.3 iResearch I依然是AI產業規模的主戰場軟硬一體產品和AI公有云趨勢助推近千億級大賽道賽道參與廠商眾多，包括AI視覺軟件算法廠商、傳統安防廠商、云服務廠商、視覺模組等硬件廠商和承擔項目實施的集成商。各家以應用場景、產品類型（軟硬一體、純軟標準化平臺/定制化軟件解決方案、硬件）、渠

98、道經驗等為市場切入點，選擇一個或多個垂直業務領域。據艾瑞測算，2022年我國AI視覺產品的市場規模占整個人工智能行業的42.4%，達到830億元。2027年相應規?？蛇_到1644億元，2022-2027年的相關CAGR=14.6%。聚焦2022年分行業情況，泛安防市場基于軟硬一體的產品形態與豐富的長尾需求場景，市場規模占比最高，達到56.5%；AI公有云趨勢也助推API形式的CV技術應用增多，互聯網領域營收占比位居第二，達到11.0%；占比較高的行業領域還有金融、工業、醫療等，工業領域占比有逐年走高趨勢。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。來源：艾瑞咨詢研究院根據專

99、家訪談及公開資料自主搭建模型測算繪制。2020-2027年中國計算機視覺產業規模CAGR=14.6%2022年中國計算機視覺應用下游領域分布56.5%11.0%7.8%3.3%1.4%20.0%泛安防領域互聯網領域金融領域工業領域醫療領域其他77081283095611191286147216442020202120222023e 2024e 2025e 2026e 2027e計算機視覺應用產品規模（億元）372023.3 iResearch I落地行業賽道特征及競爭策略探討營收增長和業務持續是核心生命力（1）針對泛安防（公安交通、社區樓宇）、金融等主管部門釋放了明確利好信號或大額持續投資的成

100、熟賽道，主要機遇在于將產品打磨到足夠精準、魯棒性足夠強，以便進入高門檻的準入供應池，同時通過解決高難度識別需求的硬實力卡位；（2）針對醫療、能源和工業等具有戰略意義、發展空間極大，但或陷入長審批周期、或限于審慎性難以快速釋放市場需求的行業，主要機遇在于搶先進入行業生態圈，謀劃通過政府、核心集團企業等途徑，積極參與公共服務平臺建設，建立從上向下拓展的先發優勢，獲得大量訓練數據與場景理解，形成產品提升的護城河；（3）針對零售、農業等長尾需求頻發或數字化水平較低且對價格敏感的行業，主要機遇在于優化產品成本、降低部署及運維難度、打通渠道以占領市場份額；（4）針對機器人（AGV/AMR/機械臂）和自動駕

101、駛等技術融合應用領域，除算法開發的硬實力外，視覺識別技術提供商也需具備聯合開發的軟能力。來源：艾瑞咨詢研究院自主研究繪制。2022年中國計算機視覺落地行業賽道特征視覺技術下游垂直客戶行業主要通用視覺應用技術人臉/人體識別目標檢測和跟蹤視頻增強、視頻分析AR技術圖像審核安防：十四五規劃中要求積極推進全面智能化安防建設，調整優化產業結構，也反應出行業已由過去的點對點分布建設逐步過渡到全面化、結構化建設中，與智慧城市建設體系交叉。金融：人民銀行與銀保監會等提出的遠程開戶放開、理財及代銷產品銷售行為雙錄要求以及刷臉付等持續性刺激金融生物識別市場；進入“統一圖像識別平臺”建設新階段。圖像識別與搜索醫療：

102、行業審批嚴格、審慎性特征強，AI醫療影像市場需求大規模釋放的信號還不明顯，傳統的產品“入院”方式及決策鏈并未明顯變化。工業-能源與制造：行業對于產品穩定性耐用性要求高、且客戶對于投資回報指標把控嚴格，需要提前介入可行性咨詢與驗證，才有可能孵化真實需求?？简灲鉀Q方案廠商業務理解和數據處理能力，服務要求較重。產業鏈環節復雜等因素影響整體產品成熟度水平。零售：為輔助行業企業降低成本、提升經營效率、解決發展瓶頸提供了新的技術手段，但市場發展的核心動力依然是經濟利益；尋求在邊緣或端側前置算力，優化成本。視覺SLAM機器人：需求繁雜，更優的算法能力與更深的場景理解是獲取市場競爭優勢的基礎。圖像和視頻生成視

103、覺AIGC：或許會產生CV在C端應用的現象級產品。但國內AI繪畫產品整體處于起步階段，多基于海外開源模型，賽道擁擠，商用級別還需要垂直賽道廠商在算法、產品和應用場景上進行優化創新。382023.3 iResearch I產品架構發展趨勢端側智能化，協同云、邊滿足多樣化視覺分析業務需求以市場規模占比較高的泛安防領域和投融資熱度最高的工業領域為例，現階段算力向邊緣側、端側前移趨勢明顯。泛安防領域，邊緣側作為建設重點契合向綜合化、網格化管理模式轉變的需求，將分擔中心側的算力，將事前告警、分析能力等前移。此外在智慧社區及老舊小區改造的推動下，社區樓宇領域的智能視頻監控系統鋪設正進入加速階段，但單個項目

104、對后端系統的需求不大，主要依靠端側AI相機進行處理；工業領域端邊云協同部署方案可以有效實現在線獲取數據、在線調試，快速實現模型的迭代優化、實時下發至端側實時應用。在提升運維人員的AI模型迭代效率的同時，保證低時延、緩解通信鏈路帶寬壓力等。未來，隨著5G和邊緣計算技術發展成熟，端邊云協同的AI視覺產品架構將發揮更大潛力。來源：綜合公開信息、專家訪談，艾瑞咨詢研究院自主研究繪制。端-邊-云協同的趨勢發展能耗性需求：降低傳輸需要的數據量與能耗實時性需求：讓數據得到更加實時的處理安全性需求：解決數據上云的安全隱私性端更靠近邊：端側邊緣化云更靠近邊：云邊協同產品架構選擇需對時延、成本、場景復雜度做多因素

105、考量云端邊將云計算能力下沉到邊緣讓端側數據得到更優處理神經網絡算法攝像頭AI攝像頭集成商計算單元本地部署模型訓練算法迭代模型管理重級模型推理數據接入數據建模解決簡單模型推理需求硬件產品邊緣端邊緣應用智能決策分析實時監控預警可視化呈現視覺檢測云服務端邊云協同的計算機視覺產品架構392023.3 iResearch I典型應用場景與廠商分析-工業基于定制化項目經驗切入標準化路徑AI視覺在工業領域主要應用于視覺檢測和安全生產兩大場景。相較傳統機器視覺算法，AI視覺技術適宜處理易混淆問題，尤其在3D尺寸及缺陷監測任務中表現出明顯優勢；且通過3D視覺傳感器等，可使工業相機具備深度學習檢測能力，無需再配備

106、工業計算機，具有更高效率、開發簡易、硬件投資節約等優點，市場對3D視覺的需求也在不斷提升。圖像采集效果、涉及行業know-how的工程化能力（模型選擇和參數調整等）、數據處理能力等決定了產品上限。在工業客戶對ROI和產品穩定性要求高，成本支出敏感的情況下，“性價比”是供應商的核心競爭力。受行業信息化體系不完善、自動化水平低、生產環節復雜等因素影響，服務較重、服務鏈條長的定制化項目現階段占比較高。但明星標桿項目的熱潮過后，難批量復用的產品、過長的項目服務周期等均會給廠商帶來生存壓力。放眼未來，賽道廠商的良性生存需逐步向“標準化“過渡，基于定制化項目經驗實現路徑跨越。來源：艾瑞咨詢研究院自主研究繪

107、制。工業AI視覺廠商發展路徑探討：標準化與定制化實現路徑跨越定制化解決方案（純軟/軟硬一體）標準化軟件/硬件“重”在AI工業視覺檢測領域，現階段定制化路線市場占比較高，相比標準件（多為傳統機器視覺產品）更貼合客戶使用實際，但相應成本更高基于營收增長和搶占市場標桿項目的壓力全行業全場景全應用：如頭部企業康耐視，亦具備標準化硬件能力。其標準產品線可跨行業覆蓋低端至高端應用，且提供短周期的標準交付“輕”將標準化軟件提供給設備商，設備商服務于最終客戶。需有高質量算法與軟件功能提供整體集成服務，包含AI視覺檢測方案、自動化解決方案、識別設備方案等解決不同行業的同一個問題，具備標準產品能力，但是產品相對單

108、一項目交付需要較大量的算法研發、后期調優、人力運維等，較難服務于多行業多公司基于定制化項目經驗切入標準化路徑，也是很多廠商為實現“輕”交付目標而努力嘗試的。但需要時間（提取共性模塊等）及選對目標行業（例如自動化水平、數據準備情況、客戶AI感知程度等）定制化一種標準產品多種標準產品標準化是未來么？目前完成度較高的任務如尺寸測量、位置定位、二維碼/條碼識別，模型復用程度高，外觀質量檢測任務模型則較難復用 需要較強的產線可復制性，通常優先在同類型的生產線橫向推廣，降低試錯成本；或通過開發平臺調用相對標準化和通用的數據和模型，對特定產品做定制化配置 服務于“標準化“的平臺能力搭建，及其背后行業know

109、-how與數據積累，是賽道廠商實現路徑跨越的核心要義對于供需兩側標準化可實現價值最大化Q：A：402023.3 iResearch I典型應用場景與廠商分析-泛安防產品向“實”、把控成本助力業務持續，良性循環初現曙光雖然AI+泛安防市場廣闊，但產品同質化和廠商價格戰壓力一直存在。以產品成熟度較高的公安領域為例，人臉識別解析、1：N檢索、視頻結構化等典型產品在2018-2020年密集建設期落地較多。近年來政策資金傾向變弱，G端營收主要依靠市區一網統管平臺建設；或在中小城市落地，但相應項目成本和對算法水平要求都有所降低。人臉和車輛識別等則主要在長尾應用場景發力，延伸到城市治理各領域，包括城管、社區

110、、政法機構等。隨著應用市場教育成本降低，視覺技術供應商不再只關注頂尖技術指標，更注重服務客戶：在保證識別精度和產品質量的同時，致力減少成本，尤其是承接B端項目時?？傮w來看，大型定制化項目建設和碎片化需求共存，后者占比逐漸走高。隨著頭部廠商從科技基礎研發向產品落地的路線轉化、垂直賽道廠商收斂業務線持續深耕、滿足長尾需求的平臺經濟不斷積淀客戶和場景經驗，大浪淘沙后依然堅守的AI視覺廠商們的良性循環已初現曙光。來源：艾瑞咨詢研究院自主研究繪制。廠商發展路徑探討：降成本、促銷量的正向循環AI視覺公司的盈利問題該如何解決？2022年受社會環境影響，智慧園區、智能防疫、智慧社區等項目為AI視覺廠商帶來了市

111、場機會。但具備價格優勢、渠道優勢的集成商也很快切入競爭，收割了只需求基礎識別功能的中小企業市場。在B端碎片化需求逐步走高、G端需求向中小城市過渡的綜合趨勢影響下，賽道白熱化將持續 面對競爭，研發成本高、產品售價高的AI視覺廠商一直在積極調整路線，“降成本、促銷量”成為廠商塑造競爭力的錨點。理想情況下，標準化平臺可以有效縮減項目研發周期、降低產品成本及單價 標準化平臺建設與維護需大量人力和財力投入，在資本更聚焦頭部優質項目的資金環境下，尚不具備自身造血能力的企業正經歷一段艱難的時期。但隨著平臺規模經濟逐漸顯現，具備算法技術與產品實力的企業“大浪淘沙始見金”Q：標準化平臺“少有人走通的正確道路”A

112、：產品成本降低提高產品銷量標準化生產工具數據生產標準化算法模型標準化推理框架標準化在降低成本提高利潤空間的同時，基于場景理解深度，通過提供高“性價比”產品提高銷量。跑通“降成本-促銷量”的正向循環412023.3 iResearch I技術研發趨勢持續深耕Transformer架構路徑視覺Transformer(ViT)的研究工作在2022年出現爆炸性增長，其優勢在于能夠在小尺度和大尺度上考慮圖像中所有像素之間的關系，但同時也需要額外的訓練來學習隨機初始化后融入CNN架構的方法。2022年，ViT的應用范圍擴大了，可以生成逼真的連續視頻幀，利用2D圖像序列生成3D場景并在點云中檢測目標；尤其在

113、AIGC浪潮中，助力基于擴散模型的文本到圖像生成器的進展。放眼未來，AI視覺技術在適應三維世界、突破依賴標注數據輸入的局限、降低算力能耗、多模態信息融合分析、與知識和常識結合解決高層次問題、主動感知與適應復雜變化等上仍有待突破。此外“技術同質化”卻并不意味著“算法同質化”，AI視覺算法廠商的工程能力仍是技術工業落地的試金石。來源：艾瑞咨詢研究院自主研究繪制。值得期待的技術拐點：AI視覺技術工業界落地效用曲線已有模型優化更高效、解決更細粒度的問題圖像識別類任務中準確率超過人類神經符號(Neural-Symbolic)學習落地推進低功耗的深度學習技術發展，輕量化模型設計基礎技術達到產業落地水平，典

114、型應用場景出現多模態數據量化、對齊與融合應用自監督學習、生成式無監督學習快速發展，大幅降低模型訓練所需的標注數據數量面向真實世界的主動視覺感知及自然適應復雜變化2012-20192020-20212026技術的工業界落地效用預期2022-20232024-20253D目標感（認）知與視覺SLAM取得突破42智能語音應用與人機交互 Intelligent Speech and Human-Computer Interaction賽道資本情況：2021-2022年統計期間共有52起投融資事件，金融、零售、互聯網為熱門應用領域，對話式AI產品為語音賽道投資焦點，輪次仍集中于早期。產業規模解讀：202

115、2年中國智能語音應用規模約為90億元，下游領域以互聯網與教育應用為首；2022年，中國人機交互領域的消費級硬件產品與對話式AI產品規模分別為43億元與65億元，總規模達到109億元。產品發展洞察：語音識別/轉寫產品將作為內容入口，結合NLP、知識圖譜等技術，連接內容生態，進一步延伸語音技術的產品價值鏈，語音合成產品輸出的聲音與內容也更加個性化與擬人化，愈發提升用戶對AI的接受度與親切感，在文娛、自媒體、教育等領域得到廣泛應用；受元宇宙、物聯網、5G、多模態AI等融合技術驅力推動，元宇宙/多模態AI驅動的C端應用產品或將在未來迎來爆發期。技術趨勢探討：人機交互的應用突破可期待于開放域與封閉域的有

116、機結合。兩者可各司其事，在封閉域內滿足內容專業度，在開放域滿足交互需求，助力人機交互更多應用到營銷對話等半標場景。432023.3 iResearch I行業融資熱度分布金融、零售、互聯網為熱門應用領域統計期間共有52起投融資事件，其中金融以53.8%的熱度高居榜首。作為智能語音行業的首要落地應用領域，金融語音產品解決方案已趨于成熟穩定，滲透進度根據主體不同而有所差異。從頭部銀行來看，甲方基本完成在AI語音產品方面的智能化轉型，以語音轉寫應用、聲紋識別應用、對話機器人等產品為基礎，應用于銀行的日常辦公工具、交易風險驗證、客戶服務等場景。未來，頭部銀行將更關注由客服營銷一體化與洞察決策分析帶來的

117、深層產品價值。中小城商行、保險及證券行業節奏則相對緩慢，未來將持續聚焦于智能語音導航、對話機器人的采購升級。除金融外，零售與互聯網場景緊隨其后，熱度占比分別達到32.7%、30.8%。此外，工業、汽車、地產等場景愈發受到供需兩側關注。從供給側來講，智能語音廠商的垂直行業解決方案更加完善豐富；從需求側來看，工業、汽車、地產領域紛紛加快智能化轉型步伐，甲方企業在近兩年釋放出更多人工智能產品需求，智能語音產品則可為企業轉型落地首批應用的優質選擇。注釋：行業獲投數量采用重復計數法。熱度分布比例=賽道融資事件頻次/中國智能語音應用與人機交互行業融資事件總數。來源：IT桔子、烯牛數據，艾瑞咨詢研究院自主研

118、究整理及繪制。2021-2022年中國智能語音應用與人機交互行業融資熱度分布共52起投融資事件金融為智能語音行業的首要落地應用領域，產品解決方案趨于成熟穩定53.8%32.7%30.8%28.8%28.8%25.0%23.1%17.3%13.5%13.5%11.5%7.7%5.8%5.8%5.8%1.9%金融零售互聯網教育醫療政務消費電子工業汽車地產辦公傳媒能源安防運營商軍事熱度漸起，更多廠商布局成長性賽道442023.3 iResearch I2023.3 iResearch I獲投產品與融資輪次分布對話式AI產品為語音賽道投資焦點，輪次仍集中于早期從典型產品融資熱度分布來看，語音機器人與文

119、本機器人并列第一，熱度占比達到50%，其次為智能質檢與對話洞察產品，熱度分別為40.4%與38.5%。而語音機器人、文本機器人、多模態數字人以不同產品形式并列為三大對話式AI基礎性產品，智能質檢與對話洞察則是在基礎性產品之上為客戶提供輔助、分析類的功能服務。由此可見，以對話式AI產品為主營業務的廠商在資本側動作更加活躍。而從融資事件輪次分布來看，C輪以前的融資事件占比達到54.7%，多集中在早期。注釋：典型產品熱度統計采用重復計數法。熱度分布比例=該類型產品融資事件出現頻次/智能語音與人機交互行業總融資事件數量。來源：IT桔子、烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。來源：IT桔子、烯牛數

120、據，艾瑞咨詢研究院自主研究整理及繪制。2021-2022年中國智能語音獲投典型產品融資熱度分布2021-2022年中國智能語音融資事件輪次分布3.8%5.8%5.8%7.7%9.6%11.5%32.7%38.5%40.4%50.0%50.0%語音轉寫應用聲紋識別模組機器翻譯語音識別模組多模態數字人RPA機器人智能硬件終端對話洞察智能質檢文本機器人語音機器人18.9%9.4%5.7%11.3%15.1%26.4%13.2%股權投資戰略投資D-F輪C-C+輪Pre B-B+輪Pre A-A+輪天使輪u 語音機器人與文本機器人是對話式AI賽道的基礎性產品模塊54.7%452023.3 iResear

121、ch I智能語音應用-產品洞察由技術發展泛化應用場景，以內容延伸深化產品價值受益于深度學習模型、端到端識別等技術發展，智能語音技術應用已進入相對成熟階段，但在語音識別的降噪效果（魯棒性提升）、小語種方言支持度、多人聲道分離等方面仍有壁壘，需進一步突破后泛化更多應用場景。從內容輸入來看，更多AI應用將以語音識別/轉寫為內容入口，結合NLP、知識圖譜等技術，連接內容生態，進一步延伸語音技術的產品價值鏈；從內容輸出來看，個性化TTS技術得到快速發展及應用，AI生成的語音變得更加自然生動，可根據客戶喜好對應生成定制化明星、卡通人物、游戲人物的語音特征，顯著提升用戶對AI的接受度與親切感，但同時語音合成

122、技術帶來的聲紋特征破解、語音濫用問題需得到關注，行業將持續加強對語音合成內容及個人語音信息的保護，避免帶來相關法律風險。來源：艾瑞咨詢研究院自主研究繪制。智能語音應用產品洞察分析智能語音應用產品范圍劃定：不以交互為目的1以語音識別/轉寫為應用的語音產品2以語音合成為應用的語音產品3以聲紋識別為應用的語音產品 提供將文本轉換為語音的服務，讓語音達到自然流暢、高度擬人的仿真效果。典型產品：提供說話人識別的服務，包括“說話人辨認-1:N驗證”與“說話人確認-1:1驗證”。典型產品：為音視頻提供語音轉文字服務，為信息處理與數據挖掘提供基礎。典型產品：智能語音應用產品發展洞察：語音內容的價值信息量豐富，

123、更好鏈接AI內容及分析類應用 從內容輸入看，未來智能語音應用可結合自然語言理解、機器學習、知識圖譜等AI技術，拓展產品場景邊界，在語音內容的識別轉寫基礎上，生成優化策略與對應方案，以更高階、智能的角色，為客戶提供分析類產品服務，如智慧辦公、話術策略優化等方案。+辦公+音視頻+內容分析語音輸出的聲音與內容更加個性化與擬人化，愈發增加AI親切感 從內容輸出來看，語音合成技術愈發成熟，通用TTS已做到口齒清晰、自然停頓的擬人化表達，個性化TTS在近幾年得到快速發展，一方面可通過小樣本快速生成定制化語音，一方面對個性化表達的情緒把控也更加成熟，在文娛、自媒體、教育等領域得到廣泛應用。12直播字幕質檢審

124、核會議記錄庭審記錄視頻制作語音播報有聲讀物金融反欺詐遠程認證刑偵辦案通用TTS個性化TTS明星卡通游戲462023.3 iResearch I2023.3 iResearch I智能語音應用-市場規模2022年市場規模約為90億元，以互聯網與教育應用為首據艾瑞測算，2022年中國智能語音應用規模約為90億元，未來行業將保持穩定增長態勢，2027年市場規模將達到238億元左右，2022-2027五年CAGR=21.6%。從行業競爭格局來看，中國智能語音應用呈現寡頭市場特征，以阿里、百度為代表的綜合互聯網廠商與科大訊飛、思必馳代表的AI語音廠商為代表已占據主要市場地位。由于智能語音應用發展依托于流

125、量、產品及生態，各類頭部廠商之間多選擇構建開放合作共贏的經營策略，馬太效應趨顯。從行業下游分布來看，互聯網領域在個性化語音生成、語音轉寫翻譯及語音審核的產品應用需求加速釋放，2022年下游分布占比達到26.5%；其次為教育領域，如口語考試、高教語音應用及翻譯機學習機等產品應用逐步成為青少年教育的剛性需求，2022年下游分布占比達到25.9%。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。5873901121371672012382020202120222023e 2024e 2025e 2026e 2027e智能

126、語音應用產品規模（億元）2020-2027年中國智能語音應用規模CAGR=21.6%2022年中國智能語音應用下游領域分布26.5%25.9%21.2%4.9%0.2%21.3%互聯網領域教育領域司法領域醫療領域工業領域其他472023.3 iResearch I2023.3 iResearch I人機交互領域-市場規模2022年規模超百億，關注元宇宙/多模態AI驅動的C端應用來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。2020-2027年中國人機交互產業規模2022年中國對話式AI市場下游領域分布2022年受

127、疫情及經濟形勢影響，金融領域對話式AI投入有所下滑，下游領域占比略微下降。其他（泛交互領域）占比9.1%金融占比28.0%運營商占比26.7%互聯網占比24.3%政務占比12.0%CAGR=21.2%2022年，在管控政策的對話交互需求下，政務領域的產業規模增勢明顯。據艾瑞測算中國人機交互產業規模核心包括消費級硬件、對話式AI兩類產品。其中，消費級硬件產品即為加載智能對話系統的消費級智能硬件，以語音助手、智能穿戴、智能音箱、智能家居、智能車載、服務機器人（實體）等為典型產品代表，規?？趶綖橛布a品中的AI語音軟件應用。對話式AI產品即為將智能對話系統加載在服務場景的對話機器人，以文本機器人、語

128、音機器人、多模態數字人等為典型產品代表，廣泛應用于客服、營銷、內部問答、泛娛樂等對話交互場景。2022年，中國人機交互領域的消費級硬件產品規模與對話式AI產品規模分別為43億元與65億元，總規模達到109億元。未來，受元宇宙、物聯網、5G、多模態AI等融合技術驅力推動，預計2027年中國人機交互領域的消費級硬件產品規模與對話式AI產品規模分別達到177億元與107億元，總規模達到285億元，2022-2027總規模CAGR=21.2%。2745658088961011072433436591123148177202020212022 2023e 2024e 2025e 2026e 2027e對

129、話式AI產品規模（億元）消費級硬件產品規模（億元）5178109146219180285249482023.3 iResearch I人機交互領域-技術創新期待開放域與封閉域的有機結合，讓人機交互無邊界2022年末，ChatGPT模型爆火出圈，以流暢的語言組織能力，超擬人化的文本水平與超強的邏輯能力驚艷亮相，迅速獲得全球關注。相較于其他語言模型，雖然ChatGPT做到了“多輪交互”、“分辨不正確前提”、“承認錯誤”等智能化表現，但還會出現回答內容有誤等情況，因此未來像ChatGPT一樣的大模型在開放域對話的商業化落地場景與內容確定邊界還需進一步討論?；蚩上茸鳛檩o助性工具，在一些對內容精確度及所

130、有權歸屬要求較低的場景率先嘗試應用。另外，人機交互的應用突破還可期待于開放域與封閉域的有機結合。因封閉域對話存在知識邊界，在知識庫內出現難以回答、答非所問的情形時，客戶會覺得未獲取到自己想要的回答而降低對AI的認可度。而開放域的發展突破可拓寬封閉域的對話邊界，兩者可各司其事，在封閉域內滿足內容專業度，在開放域滿足交互需求，助力人機交互更多應用到營銷對話等半標場景。如大模型專題所討論，未來在商業化落地進程中，開放域的大模型效果及引入后的成本效益評估是需要各家廠商考慮的核心課題。來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制。人機交互對話模型分析封閉域開放域封閉域對話：又稱任務型對話，即面

131、向具體任務，有明確目標與限定范圍。常應用在標準化/半標場景，助于節省人力成本或提升人工效率。開放域對話：沒有框定主題或明確對話目標，可進行隨機內容對話，又稱非任務型對話。隨著對話模型技術的發展突破，開放域對話不僅僅是閑談或枯燥回復，AI可以實現在開放領域更加有意義、生動擬人化的對話交互過程。FAQ Based知識圖譜文檔閱讀理解由知識庫技術支持封閉域對話對話模型參數：“小”模型，參數在million以內典型應用場景：標準度高，有對話目的或任務需求外呼客服營銷對話模型參數：“大”模型，參數達到billion+級別典型應用場景：隨機性高，交互目的偏向創作性內容生成ChatGPT模型國內外大型對話模

132、型LaMDA模型Blender模型PLATO大模型通義Space大模型神農預訓練模型大模型參數訓練需要大規模算力支持與大量數據原材料供養，背后對應大量服務器與GPU板卡成本及內容資源，因此成功開發訓練大模型的廠商多是國內外有資金實力與數據資源的巨頭廠商。內容創作內容搜索問題回答情感社交封閉域開放域完成人機交互目的，知識庫確保對話服務需求與目的滿足補充封閉域難以回答的問題，用大模型去優化交互體驗49機器學習 Machine Learning賽道資本情況：2021-2022年統計期間共有155起投融資事件，醫療、工業、零售為熱門應用領域，AIDD（AI制藥）藥物研發平臺與服務為機器學習賽道投資焦點

133、，輪次集中于早期。產業規模解讀：2022年中國機器學習應用規模約為237億元，下游應用領域以金融為首；2022年，中國金融領域機器學習產業規模占比為37.5%，工業領域產業規模占比為12.1%，工業領域產業規模后期成長空間較大。產品發展現狀：機器學習產品以平臺為核心產品形態，聚焦于診斷、預測、決策功能開發。從2015年至今，機器學習平臺已經從大數據產品中的嵌入式模塊，過渡為乙方開發行業解決方案的內部開發工具，并演變出可獨立封裝出售給甲方的專業級產品。產業鏈核心環節布局探討：數據平臺服務商、AI企業、互聯網大廠、綜合解決方案開發商是機器學習市場的主要參與者。AI企業具備模型開發優勢，將強化決策智

134、能布局，回溯與鞏固數據治理與數據計算薄弱環節；數據平臺服務商、互聯網大廠具備數據能力優勢，將深入應用開發，提升行業Know-how能力。502023.3 iResearch I46.5%20.6%18.1%17.4%9.0%7.7%4.5%3.9%2.6%2.6%2.6%1.9%1.9%1.9%1.9%1.3%1.3%7.8%醫療工業零售金融政務泛安防互聯網人工智能基礎層通信消費電子物流教育房地產園區智慧城市建筑財稅其他熱度分布比例（%）行業融資熱度分布AIDD成為醫療機器學習一級市場主要標的統計時間內共有155起投資事件，醫療、工業、零售、金融為熱門賽道TOP4，醫療賽道以46.5%的熱度斬

135、獲中國機器學習行業融資熱度首位。醫療賽道中，AIDD子賽道的融資事件數量與金額分布均占主要份額，AIDD融資事件數占醫療機器學習事件數比例超60%，融資金額占醫療機器學習融資金額比例超65%。資金除了注入晶泰科技、英硒智能這樣的獨角獸企業外，也分散流入一些融資輪次靠前的初創型企業。盡管目前AIDD尚未成功助推一款新藥研發上市，但AIDD已經跨越概念階段并步入發展期，生物制藥企業逐漸將嵌入機器學習技術與算法能力的藥物研發平臺作為一項高效的藥物研發工具。此外，工業賽道的大型制造集團、電力集團、能源集團對數字化轉型所需的平臺型工具有強烈需求，工具中往往加入了機器學習開發平臺協助場景模型研發。注釋：行

136、業獲投數量采用重復計數法。熱度分布比例=賽道融資事件頻次/中國機器學習融資事件總數。來源：IT桔子，艾瑞咨詢研究院自主研究整理及繪制。2021-2022年中國機器學習行業融資熱度分布與熱度TOP1賽道情況155起投資事件61.1%38.9%AIDD占比（%）其他醫療機器學習賽道占比（%）65.5%34.5%AIDD占比（%）其他醫療機器學習賽道占比（%）AIDD融資事件數占醫療機器學習事件數比例AIDD融資金額占醫療機器學習融資金額比例512023.3 iResearch I2023.3 iResearch I9.7%1.3%1.9%3.2%7.1%8.4%10.3%10.3%54.8%其他數

137、據服務MLOps數據中臺機器學習開發平臺醫學數據智能平臺工業互聯網平臺數據平臺決策智能解決方案藥物研發平臺與服務熱度分布比例（%）獲投產品與融資輪次分布藥物研發平臺與服務融資熱度高，多數企業產品基本成型統計時間內，AIDD賽道的藥物研發平臺與服務為獲投熱度最高的典型機器學習產品，多數獲投事件所涉及藥物研發環節集中在靶點發現與化合物合成階段，靶點發現與化合物合成融資頻次占藥物研發平臺與服務總頻次比例為77.7%。決策智能解決方案與數據平臺熱度次之，此外還涉及工業互聯網平臺、醫學數據智能平臺等產品。融資輪次方面，Pre-AA+輪融資事件輪次最多，這意味著多數機器學習創業企業產品基本成型并上線，有少

138、量企業已沖刺到C輪及以上輪次。注釋：典型產品熱度統計采用重復計數法，熱度分布比例=該類型產品融資事件出現頻次/機器學習總融資事件數量。來源：IT桔子，艾瑞咨詢研究院自主研究整理及繪制。來源：IT桔子，艾瑞咨詢研究院自主研究整理及繪制。靶點發現41.2%化合物合成36.5%化合物篩選16.5%晶型預測4.7%臨床試驗設計優化1.2%2021-2022年中國機器學習獲投典型產品融資熱度分布2021-2022年中國機器學習融資事件輪次分布1.3%11.0%6.5%7.7%16.8%38.7%15.5%2.6%股權投資戰略投資DE輪CC+輪Pre-BB+輪Pre-AA+輪天使輪種子輪投資事件數比例（%

139、）73.6%522023.3 iResearch I2023.3 iResearch I2312582372823424195246722020202120222023e 2024e 2025e 2026e 2027e機器學習應用產品與服務規模（億元）37.5%12.1%9.6%8.3%32.5%金融領域工業領域醫療與生命科學領域互聯網領域其他市場規模2022年市場規模約為237億元，以金融領域為首2022年，我國機器學習應用產品與服務規模為237億元，并以20%以上的年均增速發展，2027年有望達到672億元，相應CAGR在2022-2027年為23.1%。產品形態側，定制化的機器學習行業解

140、決方案占據了主要市場份額，此外嵌入式的機器學習產品（嵌入大數據平臺或數據中臺）也占據了一定的市場份額，但獨立平臺工具式的機器學習產品占比較小。行業應用側：金融領域因得天獨厚的數字化基礎優勢、領先的金融科技應用認知、金融業務數據具備先天耦合性等因素，市場規模率先釋放領跑。工業領域的電力與制造業對生產排班、資源調度等場景存在運籌優化需求，需借助決策優化解決方案推動生產運營精細化。在醫療與生命科學領域，藥物研發需要借助強計算能力的機器學習平臺輔助藥物的靶點發現、化合物合成等環節，三甲醫院科研應用需要借助醫學數據智能平臺匯聚、統一、脫敏患者疾病史等數據，作為臨床試驗依據，供醫學論文做定量分析。在互聯網

141、領域，廣大中小互聯網企業需要借助機器學習應用開展獲客營銷、網絡流量管理等活動。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。CAGR=23.1%2020-2022年中國機器學習應用產品與服務規模2022年中國機器學習應用下游領域分布532023.3 iResearch I產品形態及功能以平臺為核心產品形態，聚焦診斷、預測、決策功能開發一般而言，機器學習產品以機器學習開發平臺形式嵌入數據平臺/中臺，或作為乙方內部的開發工具，或獨立封裝成為機器學習開發平臺的形態而存在。機器學習開發平臺作為一類高階知識工具，對缺乏IT

142、與人工智能領域專業知識的廣大客戶并不友好，對客戶造成較高使用門檻，導致客戶對純平臺工具形式的產品認可度與接受度低，所以在20152020年間的機器學習產品產業化早期階段，供給側玩家傾向于將機器學習開發平臺嵌入數據平臺/中臺、行業解決方案中，并與咨詢、開發、培訓等人力服務捆綁在一起打包對外出售。2020年后，部分客戶在內部組建培育出更多的專業技術團隊，并出于業務開發自主性、前沿學科研究等方面的考慮，觸發了購買獨立封裝形態的專業版機器學習開發平臺的需求。三類形態的機器學習產品用以實現描述、診斷、預測、決策四類功能。描述與診斷屬于事前分析，預測與決策屬于事后分析，目前產品開發更聚焦于診斷、預測、決策

143、三類功能。其中，決策功能引入運籌優化知識，結合求解器尋找業務最優解，演變出決策優化類產品（決策智能產品的一類典型應用）。來源：艾瑞咨詢研究院自主研究繪制。機器學習算法底層框架：TensorFlow/PyTorch/Alink/Caffe機器學習開發平臺（含入門版與專業版）數據準備與特征工程算法建模與模型驗證模型運營管理數據接入數據清洗數據集預處理特征選取特征監控算法選擇：聚類/分類回歸/決策樹模型評估分析模型部署 模型監控模型訓練模型試跑日志管理權限發放服務監控其他機器學習產品形態與功能形態一：形態二：形態三：數據平臺或中臺中原有或后續疊加的子模塊嵌入嵌入獨立成形對數據進行可視化展示與表述，一

144、般與儀表盤結合結合歷史數據分析現象背后的原因、規律、本質基于分析出的歷史規律預判業務未來變化基于業務實際限制條件求出最優解，指導下一步業務活動事后描述事前預測診斷決策產品形態形成產品功能實現行業解決方案中的開發平臺，歸乙方所有獨立封裝的機器學習開發平臺，分為入門版和高階版542023.3 iResearch I2023.3 iResearch I產品核心指標表現與建設現狀業務知識儲備普遍欠缺，項目幫帶為業務建設核心環節綜合供需兩側，艾瑞將機器學習開發平臺拆解出：IT基礎支持與架構設計、產品功能設計、業務知識儲備三個核心一級評價指標，一級指標各對應相應的二級指標。在硬件資源支持、平臺模塊封裝等二

145、級指標的表現上，供給側技術強項指標都超過了需求側側重的技術指標，這意味著供應商比較難以憑借這些同質化、未擊中客戶關鍵業務痛點的指標形成產品差異化優勢。而在行業知識積累、數據治理等二級指標的表現上，供給側技術的表現較弱，這恰好反映了當前供應商在開發層面的短板，補足這些短板是打造產品核心競爭力的關鍵。此外，機器學習產品當前在架構建設上仍以大數據中下層建設為主，上層應用開發主要局限在金融行業；在業務建設上以供應商對客戶進行幫帶學習為核心環節，旨在培養客戶的自主開發與學習使用能力，逐步擺脫傳統業務模式與過度依賴乙方的窘境。來源：艾瑞咨詢研究院自主研究繪制。來源：艾瑞咨詢研究院自主研究繪制。2業務建設角

146、度1架構建設角度基礎層資源軟件定義云原生數據庫大數據AI平臺機器學習應用主要部署逐步增加穩健部署相對穩定當前架構部署情況細分情況說明1）偏中下層的大數據部署仍是主要動作，因應用開發前需做好數據工作準備。2）對大型企業而言，部署自有開發平臺符合自研應用的主流趨勢；為更好服務于廣大中小企業，乙方會強化部署自有的AI平臺。3）企業優先在進行數據深度挖掘的高頻業務領域部署ML應用，部署策略較穩健。擺脫階段幫帶階段咨詢階段前機器學習開發平臺部署環節細分情況說明核心環節后1）對于企業而言，企業不僅采購開發工具，而且采購工具教學服務。2）一方面，企業讓內部人員向供應商學習如何在平臺上開展建模，理解在數據智能

147、時代如何將數據與工具融合，解決實際業務問題；另一方面，供應商可借此驗證自身平臺的可靠性與整體落地能力。需求側側重技術指標供給側技術強項指標說明：IT基礎支持與架構設計、產品功能設計、業務知識儲備為一級評級指標，與之顏色相對應的細分內容為該一級指標之下的二級指標。雷達圖以二級指標作為可視化標準呈現。機器學習開發平臺核心指標供需表現機器學習產品當前主要建設情況平臺模塊封裝平臺模塊組件設計模型校驗部署數據并發處理數據治理算法豐富度操作便捷度交互友好度邏輯清晰度模型響應時間行業知識積累業務知識技術轉化硬件資源支持IT基礎支持與架構設計產品功能設計業務知識儲備552023.3 iResearch I參與

148、者在產業鏈核心環節表現AI企業具備模型開發優勢，將強化決策智能布局；數據平臺服務商、互聯網大廠具備數據能力優勢，將深入應用開發注釋：圖示為定性判斷，色階越長代表廠商在某一產業鏈環節中更具優勢。來源：艾瑞咨詢研究院根據專家訪談、公開資料自主研究繪制。數據平臺服務商機器學習主流參與玩家產業鏈核心環節表現與未來布局趨勢市場主要參與者第四范式、九章云極、杉數科技東方國信、普元信息是否具備將傳統ML、知識圖譜、運籌優化融合，并進行決策智能行業應用定制化開發的能力；企業在具體細分場景中的應用開發成熟度、應用案例積累等是否具備數據庫自研能力、是否能將自研數據庫打包進ML解決方案中是否具備系統的數據治理模塊與

149、組件，數據治理是否為企業主營業務是否具備自主的云計算、邊緣計算、隱私計算能力是否具備體系化的平臺模塊與組件，平臺的自動化水平，平臺開發工具是否能獨立出售給客戶與場景融合，提供定制化應用開發服務的能力，需要兼顧技術專業 度、行 業Know-how、項目幫帶能力產業鏈環節表現與參考維度上游：數據準備中游：平臺加工下游：應用落地數據存儲數據治理數據計算ML開發平臺開發服務決策智能應用互聯網大廠AI企業數據平臺服務商：基于數據處理能力優勢，逐步提升數據應用、行業Know-how能力，激活數據資產價值，布局向下游應用開發轉移互聯網大廠：基于強大的數據處理能力與ML開發平臺技術優勢、大廠品牌效應，提升行業

150、Know-how能力，補齊模型開發服務與下游行業應用短板AI企業：基于模型開發優勢與下游行業應用落地經驗，回溯與鞏固數據治理與數據計算薄弱環節，并加深新崛起的決策智能應用開發落地綜合解決方案開發商綜合解決方案開發商：基于傳統軟件開發優勢、開發團隊人力優勢與客戶積累，強化ML開發平臺的迭代研發，提升技術自研能力未來布局策略阿里云、百度云、騰訊云、華為云星環科技、美林數據、四方偉業56賽道資本情況：2021-2022年，中國知識圖譜賽道累計投融資事件數達33起。金融、零售、政務、工業為知識圖譜Top4應用領域；同期NLP賽道累計投融資事件數達到54起。金融、醫療、零售、政務為NLP賽道Top4應用

151、領域。產業規模解讀：2022年中國知識圖譜產業規模約為68億元，NLP產業規模約為87億元。金融均為占比最高的核心領域，2022年金融知識圖譜市場規模21億元、金融NLP市場規模23億元。金融領域銀行、證券、保險等企業業務與知識圖譜和NLP技術可密切結合，同時具備建設意愿與資金投入，因而成為了市場規模的主要拉力。產品發展洞察：（1）預計知識圖譜未來應用熱度將在政企數字化持續轉型的建設驅動下有所回暖；（2）NLP產品SaaS化比例漸升，多集成于大數據平臺中或以開放平臺API形式調用，滿足文本分析、問答、檢索多類需求。產業趨勢探討：（1）政策引導、業務痛點、行業本質內涵等多驅動因素使NLP作為AI

152、融合性技術應用，賽道前景廣闊，廠商也多在技術深耕賦能與聚焦垂直領域應用兩維度發力。未來，隨著預訓練大模型技術范式發展和語言大模型商業化應用，一批聚焦語言大模型開發與應用的產業鏈上下游企業具備發展契機；（2）ChatGPT模型的進展突破同樣給知識圖譜賽道帶來影響與思考，知識圖譜可借助大規模預訓練語言模型實現更加快速地構建，但端到端的ChatGPT模型也將對長鏈條的知識圖譜體系應用帶來替代沖擊。知識圖譜與自然語言處理 Knowledge Graph and Natural Language 572023.3 iResearch I知識圖譜與自然語言處理挖掘數據價值，支撐認知決策（1）NLP本質是一

153、個文本處理+機器學習的過程，它讓計算機完成以自然語言為載體的各類非結構化信息的處理任務；知識圖譜（KG）則建立從數據到知識庫中實體、屬性、關系的映射，使得機器理解與解釋真實自然世界成為可能。KG與NLP技術的發展極為緊密，NLP是KG搭建的前置技術環節，常在KG生產流程中用于自然語言信息抽取，對各類詞性進行識別標注。2018年ELMo、GPT、BERT三大NLP模型出現，標志著NLP對文字語義的處理進入了新的歷史臺階，泛化能力與自動化能力的增強，降低了NLP模型的訓練成本，為KG的知識庫構建創造了有利機會。（2）在實際應用中，KG與NLP技術也多有融合：比如通過上下文理解、知識信息抽取等服務于

154、對話機器人產品；或通過搜索引擎做信息檢索時，既需要對自然語言進行抽取，又需要通過實體之間的聯系進行推理返回結果，以使提供的信息準確且可延伸閱讀；金融領域風控、營銷、反欺詐、反洗錢等應用需基于NLP進行知識挖掘，基于KG實現多層關系挖掘；醫療領域CDSS、智慧病案、醫學數據智能平臺、藥物分子計算平臺等需基于NLP與KG構建醫學知識庫，輔助臨床決策或藥物研發。（3）另因前文人機交互賽道已對對話式AI市場規模進行了展示，本章我們劃定的知識圖譜與NLP行業市場規模的界定范圍主要包括：通用網絡搜索與推薦、文本生成/分析/審核、行業垂直知識庫及應用、RPA產品中的NLP部分、大數據產品的知識圖譜與NLP軟

155、件部分等。來源：艾瑞咨詢研究院自主研究繪制。知識圖譜、自然語言處理核心產品市場規模界定范圍通用網絡搜索與推薦01文本生成/分析/審核02行業垂直知識庫及應用03RPA產品中的NLP部分04大數據產品的知識圖譜與NLP軟件部分05582023.3 iResearch I2023.3 iResearch I市場規模來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。2020-2027年中國知識圖譜產業規模2020-2027年中國自然語言處理產業規模70766882951131331652020202120222023e 2

156、024e 2025e 2026e 2027e知識圖譜產業市場規模（億元）CAGR=19.5%30.9%13.2%13.2%10.3%2.9%29.4%金融領域公安領域互聯網領域醫藥領域工業領域其他2022年中國知識圖譜應用下游領域分布8897871091281501782192020202120222023e 2024e 2025e 2026e 2027e自然語言處理產業市場規模（億元）CAGR=20.1%2022年中國自然語言處理應用下游領域分布27.0%15.2%14.3%12.2%2.3%29.0%金融領域互聯網領域公安領域醫藥領域工業領域其他592023.3 iResearch I知識

157、圖譜行業融資熱度分布金融、零售、政務、工業為知識圖譜Top 4應用領域2021年至2022年，中國知識圖譜賽道累計投融資事件數達到33起。其中，金融、零售、政務、工業為知識圖譜Top4應用領域，占比分別達到54.5%、36.4%、27.3%與27.3%，隨后為醫療、能源與互聯網等熱門領域。金融領域本身具備良好的信息化及數字化基礎，且近年來在大數據平臺應用、人工智能應用等科技方面的投入建設持續加碼，讓知識圖譜技術更快滲透在信貸風控、精準營銷、業務流程優化等核心場景。排名第二的零售行業主要為互聯網零售企業在精準推薦、精準營銷與智能問答領域的產品應用，與對話式AI結合緊密。面對復雜問答場景，知識圖譜

158、可作為對話機器人產品的背后“智囊團”，為其提供高質量、專業性的回復反饋。注釋：行業獲投數量采用重復計數法。熱度分布比例=賽道融資事件頻次/中國知識圖譜融資事件總數。來源：IT桔子、烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。2021-2022年中國知識圖譜行業融資熱度分布共33起投融資事件54.5%36.4%27.3%27.3%24.2%24.2%18.2%12.1%9.1%9.1%9.1%6.1%3.0%3.0%3.0%3.0%金融零售政務工業醫療能源互聯網物流財稅軍事運營商網絡安全文旅司法農業人才招聘602023.3 iResearch I2023.3 iResearch I知識圖譜獲投產

159、品與融資輪次分布產品形態以知識圖譜平臺應用與機器學習平臺為主知識圖譜典型產品形式可劃分為知識圖譜平臺應用、嵌入機器學習平臺、結合對話式AI產品、嵌入大數據平臺四類。根據2021-2022年知識圖譜獲投典型產品熱度分布來看，排名第一的仍然是知識圖譜平臺應用，其次為機器學習平臺，位列三四的為對話式AI產品與大數據平臺。從產品發展邏輯來看，知識圖譜平臺應用為新興產品與技術，在發展路徑上需要更多資本資金支持，而大數據平臺多為成熟大數據廠商的提供產品，在此技術上融合嵌入部分知識圖譜技術，因此在資本市場的產品熱度上活躍度較低。注釋：典型產品熱度統計采用重復計數法。熱度分布比例=該類型產品融資事件出現頻次/

160、知識圖譜總融資事件數量。來源：IT桔子、烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。來源：IT桔子、烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。2021-2022年中國知識圖譜獲投典型產品融資熱度分布2021-2022年中國知識圖譜融資事件輪次分布3.0%15.2%15.2%21.2%36.4%9.1%戰略投資D-F輪C-C+輪Pre B-B+輪Pre A-A+輪天使輪66.7%18.2%36.4%54.5%81.8%大數據平臺對話式AI產品機器學習平臺知識圖譜平臺應用知識圖譜平臺應用機器學習平臺對話式AI產品大數據平臺搭建知識圖譜平臺或單點式應用與對話式AI產品結合，為“知識庫”技術嵌入機器

161、學習平臺，提供知識圖譜應用嵌入大數據平臺，提供知識圖譜應用612023.3 iResearch I知識圖譜產品路徑來源：艾瑞咨詢研究院自主研究繪制。知識圖譜產品商業化路徑底層技術核心產品功能商業落地模式數據獲取知識抽取知識融合知識加工知識圖譜走向認知道路的核心支點，商業化探索仍在持續需求側更注重強業務耦合的產品方案及應用價值作為人工智能的核心底層技術之一，知識圖譜基于數據獲取、知識抽取、知識融合、知識加工的技術架構構建，以查詢、搜索、推薦、問答、推理計算為核心產品功能，應用于互聯網、金融、公安、工業、電力等下游場景。近年來，受經濟形勢影響，知識圖譜產品的滲透步伐有所受限，預計未來應用熱度將在政

162、企數字化持續轉型的建設驅動下有所回暖。知識圖譜的產品模塊可分為基礎產品工具、行業解決方案、知識模型應用、SaaS產品服務四類。從需求側角度出發，除互聯網的通用知識圖譜應用外，下游客戶更多利用知識圖譜技術來解決特定場景的應用痛點，因此選購產品偏好更注重與業務場景強耦合的解決方案形式，以行業解決方案與知識模型應用為主。查詢搜索推薦問答推理計算行業應用（列舉）基礎產品工具行業解決方案SaaS產品服務互聯網金融政務/公安工業原圖應用，通過圖譜產生直接價值，如學術知識查詢、業務流程查詢識別理解用戶深層搜索意圖及需求，讓檢索更準確，并進行相關推薦基于用戶和物品的精確畫像，實現準確的匹配與有針對性的智能化推

163、薦基于問題的語義理解及解析，利用知識庫/圖譜進行查詢、推理給到答案反饋構建實體語義網絡，進行圖存儲與圖計算通過知識圖譜對信息源的生數據進行處理，將產出的結構化關聯數據用于深度學習算法訓練與應用，得到具體場景問題的分析、研判、決策及建議，提供認知性服務價值網絡搜索內容推薦產品開發商品導購信用評估欺詐風控客服問答精準營銷研判預警司法審判便民服務應急管理產品研發設備管理供應鏈管理安全運維注：詳細行業應用及原理請參照2022年中國知識圖譜行業研究報告分析/決策/研判知識模型應用為客戶提供知識圖譜基礎產品工具(偏底層技術），需要客戶具備一定技術及運營能力。提供基于知識圖譜能力的一整套行業解決方案，包括前

164、期數據處理、構建知識圖譜及后期應用運維等?；诖怪鳖I域在數據、業務、模型應用方面的積累，為客戶提供知識圖譜數據模型服務，購買后可直接應用?；谕ㄓ弥R圖譜，為客戶提供SaaS平臺產品，提供搜索查詢、內容推薦等功能的服務接口。622023.3 iResearch I知識圖譜廠商發展方向知識圖譜搭建成本高昂是其商業化落地的核心痛點之一。如何以知識圖譜為內核，融合知識圖譜技術搭建更多上游應用，降低知識圖譜產品的邊際成本，是知識圖譜廠商長久發展的中心考量。依托于金融領域，尤其是銀行業，在數字化轉型中積累的豐富數據資產，海量結構化數據可服務于金融領域知識圖譜的建設應用。而實際各行各業中，結構化數據占比普

165、遍僅在20%左右，以文件、語音、圖片等形式存在的非結構化數據占比高達80%。知識圖譜廠商可提高下游企業對“知識管理”的采買意識，在知識愈發密集的企業信息流中，助力客戶開展知識工程，盤活知識存量，基于知識庫的大體系建設實現由結構化數據向非結構化數據應用的場景躍遷，從成本角度攤薄建設投入，從收益角度拉高應用產出。此外，知識圖譜與自然語言理解技術息息相關，業界一直有在討論預訓練語言模型與知識圖譜的結合研究，因此最近ChatGPT模型的進展突破同樣給知識圖譜賽道帶來影響與思考，一方面，知識圖譜可借助大規模預訓練語言模型實現更加快速地構建，一方面端到端的ChatGPT模型也將對長鏈條的知識圖譜體系應用帶

166、來替代沖擊。但由于大規模預訓練語言模型在可解釋性與正確性上仍有待商榷，其對知識圖譜的增益與沖擊在實際商業化應用的體現上也還需要一段時間。來源：艾瑞咨詢研究院自主研究繪制。搭建“知識化”路徑，由結構化向非結構化數據的場景躍遷知識圖譜廠商的發展策略洞察提供知識圖譜平臺及應用為客戶進行知識庫體系搭建圍繞客戶需求，提供知識圖譜的平臺建設或下游應用。以金融場景為例，早期以結構化數據應用為主，而后非結構化數據的加入激發了知識圖譜認知決策級的深層需求。擴大產品范圍，從底層數據處理/治理、到知識圖譜平臺、知識圖譜應用、NLP應用。在打通數據孤島基礎上，實現知識層級的融合應用，在工業、醫療、政法軍工等領域知識圖

167、譜應用有巨量需求潛力。知識圖譜廠商出發點考量：+數據處理/數據治理/數據運營管理知識圖譜應用NLP應用知識關聯圍繞知識圖譜技術，結合業務鏈條做應用生態建設。從應用產出角度攤薄知識圖譜的建設成本，從收入結構角度提升廠商營收的想象空間。對海量非結構化的文檔及數據進行知識管理，擴大數據信息連接范圍，基于更大層級的知識流轉優化知識圖譜及相關應用效果。OCR應用632023.3 iResearch I自然語言處理行業融資情況基于AIGC技術進展的文本生成、語言大模型等公司吸引關注42.6%35.2%27.8%24.1%18.5%11.1%9.3%7.4%3.7%金融醫療零售政務互聯網工業能源運營商軍事大

168、數據、機器學習、NLP與知識圖譜之間有著緊密的關聯，大部分公司跨賽道經營。2021-2022年，中國NLP賽道累計投融資事件數達到54起。其中，金融、醫療、零售、政務為NLP賽道Top4應用領域，占比分別達到42.6%、35.2%、27.8%與24.1%。從涉及的應用產品來看，主要包括智能文檔處理（IDP）、機器人流程自動化（RPA/IPA）、專用搜索引擎、文本生成、機器翻譯、垂直領域認知智能產品（如醫療CDSS、政務輿情監測系統）等。其中RPA廠商占比最高，RPA產品集成NLP技術可在自動化端到端流程上讓機器做出決策，如票據處理、合同分析等，在金融、零售、互聯網多行業領域應用廣闊。從融資事件

169、輪次分布來看，C輪以前的融資事件占比達到66.7%，多集中在早期，產業仍處于快速發展階段。注釋：廠商主營業務主要包含IDP（智能文檔處理）、RPA/IPA（智能機器人流程自動化）、專用搜索引擎、文本生成、機器翻譯、垂直領域認知智能產品（如醫療CDSS、政務輿情監測系統）等。行業獲投數量采用重復計數法。熱度分布比例=賽道融資事件頻次/中國自然語言處理融資事件總數。來源：IT桔子、烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。2021-2022年中國NLP行業融資熱度、獲投產品與融資輪次分布共54起投融資事件5.6%9.3%9.3%9.3%14.8%24.1%40.7%機器翻譯專用搜索引擎文本生成平

170、臺類（如語言大模型等）智能文檔處理（IDP）垂直領域認知智能產品機器人流程自動化（RPA/IPA)7.4%11.1%1.9%1.9%11.1%11.1%31.5%24.1%股權投資戰略投資IPODF輪CC+輪Pre-BB+輪Pre-AA+輪天使輪66.7%642023.3 iResearch I自然語言處理產品與廠商發展路徑來源：艾瑞咨詢研究院自主研究繪制。NLP技術應用場景與廠商發展趨勢底層技術核心應用場景商業模式與廠商語音識別詞法分析句法分析語義分析語用語境分析NLP作為AI融合性技術應用賽道前景廣闊；基于語言大模型開發與應用的廠商具備發展契機NLP技術使計算機具有識別、分析、理解和生成自

171、然語言文本的能力，可應用于互聯網（搜索優化、推薦引擎、文本審核等）、金融（風險預警、合同分析、知識庫建設等）、政務/公安（輿情監測、案件偵破、情報研判等）、企業服務（機器翻譯、信息檢索、文本生成、專利處理、RPA等）多行業領域。醫療、公安、政務、交通等領域的強政策引導；金融、企業服務、工業等領域對解決應用場景業務痛點的強需求；互聯網、教育等領域由于行業發展本質內涵驅動，多驅動因素使NLP作為AI融合性技術應用，賽道前景廣闊，廠商也多在技術深耕賦能與聚焦垂直領域應用兩維度發力。未來，隨著預訓練大模型技術范式發展和語言大模型商業化應用，一批聚焦語言大模型開發與應用的產業鏈上下游企業具備發展契機。自

172、動問答信息檢索自動問答不再是簡單的基于關鍵詞匹配排序的文檔列表，系統在生成答案的操作中需要正確理解問題、抽取問題中的關鍵信息，進而檢索語料庫或知識庫，將可匹配的最佳答案用自然語言的形式反饋給用戶計算機理解和生成自然語言的過程信息檢索要求計算機理解用戶輸入的自然語言信息，自動將自然語言信息與數據庫中的標引信息進行比對，以達成檢索任務目前我國的NLP廠商多集研發算法、解決方案以及應用產品功能于一身?；ヂ摼W頭部企業：頭部廠商研發投入較多，具備智能算力、互聯網數據、AI算法技術人才多方優勢，以搜索、電商、社交等場景應用為流量入口，打造全產業鏈生態NLP垂直賽道廠商：聚焦自然語言和文本處理等場景應用外，

173、深耕算法開發平臺建設，打造技術壁壘。產品中也會集成知識圖譜、OCR等能力KG垂直賽道廠商：NLP技術快速發展為知識圖譜產業化提供了機會，搜索、推薦、風控等領域也是KG廠商的競爭賽道對話式AI廠商：服務于對話機器人產品開發，致力打造面向工業化生產環境的NLP模型和語料積累私有化部署的行業屬性顯著金融領域，各大銀行、券商的智能客服與知識庫產品需要借助NLP技術，但基于數據安全傾向于選擇私有化部署形式且有較為頻繁的迭代更新需求政務/公安領域應用多以私有化部署形式確保數據安全。且基于公安統一平臺建設需求，對定制化開發能力要求高產品模式產品SaaS化比例漸升產品SaaS化應用多集成于大數據平臺中或以開放

174、平臺API形式調用，企業可調用云端NLP能力服務于搜索推薦、智能營銷、直播、文本分析等業務情感分析對文本的情感傾向（如主觀/客觀，積極/消極，喜歡/討厭等）進行挖掘和分析的過程文本分析文檔一體化處理，讓計算機具備文字閱讀能力，自動化處理海量文本數據、抽取文檔關鍵信息，提升文字處理效率和文本挖掘深度65人工智能基礎層_“AI數據資源”總體評價：算力、算法、數據是人工智能產業發展的三大要素。前文我們已經討論了AI芯片、智算中心、預訓練大模型等內容，因此本章節我們將重點圍繞“數據”這一AI算法的燃料，討論“AI基礎數據服務”和“面向AI數據治理”的資源價值。十四屆全國人大一次會議上國務院宣布組建國家

175、數據局，負責協調推進數據基礎制度建設，統籌數據資源整合共享和開發利用。數字經濟時代數據資源的價值地位得到進一步明確。市場規模：作為AI應用開發“燃料”，AI數據資源產業規模穩步提升。2022年中國AI基礎數據服務市場規模（含數據采集與標注）為31億元；2022年中國面向人工智能的數據治理市場規模約為45億元。AI基礎數據服務應用發展趨勢：科技巨頭自建標注團隊趨勢萌芽；席卷全球的對話大模型開發浪潮為服務商帶來產業機會，需加深對NLP數據集和相關標注平臺的開發優化；現階段高質量、易監督數據存量見底，基于AIGC技術的合成數據或逐步成為AI訓練的數據來源之一，解決AI模型訓練中的數據“量、質與成本”

176、限制。面向AI的數據治理應用發展趨勢：從落地來看，信息化程度高的數字原生行業如金融等領域應用需求占比較高。提供面向AI數據治理軟件服務的企業主要有數據平臺基因廠商和AI基因廠商兩類。兩類廠商可能基于同類業務展開競爭，也可能卡位“平臺類”或“產品類”進行差異化合作。The AI Data Resource of AI infrastructure662023.3 iResearch I2023.3 iResearch IAI產業的“數據基石”實現AI應用所需數據資源的生產與治理（1）AI基礎數據服務是指為各業務場景中的AI算法訓練與調優而提供的數據庫設計、數據采集、數據清洗、數據標注與數據質檢服

177、務。整個基礎數據服務流程圍繞著客戶需求而展開，產品以數據集與數據資源定制服務為主，為AI模型訓練提供可靠、可用的數據。數據集主要滿足基本的模型開發需求，定制服務則為滿足算法訓練與調優的特定要求。（2）數據治理以數據源匯入為伊始，對數據進行清洗加工，并在存儲、計算、服務應用等環節予以持續的治理服務。數據治理在客戶AI項目的實施中普遍花費90%以上的精力。而已搭建傳統數據治理體系的企業目前仍多停留在對結構性數據的治理優化，在數據質量、數據字段豐富度、數據分布和數據實時性等維度尚難滿足AI應用對數據的高質量要求。因此借助有效的方法論和實用的工具管治多源異構數據，是企業管理數據資產與實現AI模型應用的

178、重要課題。來源：艾瑞咨詢研究院自主研究繪制。來源：2022年中國面向人工智能的數據治理行業研究報告，艾瑞咨詢。面向AI的數據治理需求挖掘企業內外部信息，納入結構化數據、半結構化數據和非結構化數據，提升與AI模型相關的數據積累。數據訓練規模擴張，數據類型異構，數據噪聲指數級增加，對此建立針對性的數據治理體系。特征工程AI模型需納入實時數據，在批式數據（全量）基礎上，將流式數據（增量）納入模型計算，構建“批流一體”的數據聚合計算模式接入實時性數據1）多個數據源下的數據內容不一致等問題2）缺失值、缺失字段3）錯誤值、異常樣本數據融合&質量優化融合結構化數據、半結構化數據和非結構化數據，進行以AI應用

179、為目的的特征工程接入多源異構數據源AI基礎數據服務流程數據采集數據清洗數據標注數據集數據質檢搜集符合客戶要求的數據源清洗殘缺/重復/錯誤的臟數據加工數據，幫助機器識別數據特征把控數據質量，為模型保駕護航形成可用數據集，助跑AI模型以設計好的數據體系為采集標準、以各類硬件設備或數據采集系統、爬蟲軟件等為采集工具，對一手、二手數據進行抽取收集動作對數據采取預處理操作，去除/補全缺失的數據，去除/修改格式、內容、邏輯有誤的數據，去除無用/無效數據，驗證數據關聯性借助標注工具加工已清洗好的數據，標注過程使用圖像降噪與拉框、OCR、語音音素提取、語義分割、語音轉寫、語音合成等技術，人機協作標注仍為主流模

180、式以質量監管制度為標準，把控各環節的人員行為與數據質量，提高數據準確率。目前已融合AI批量檢測能力與生物識別監控能力數據集為AI基礎數據服務的最終環節與成果。根據應用后的模型訓練效果決定是否要調整數據集，根據業務情況返回之前的某一環節調優數據集數據標注和數據質檢環節重要程度較高（根據工作量與時間占比、采購服務占比等）重要程度672023.3 iResearch I2023.3 iResearch IAI基礎層數據資源市場規模作為AI應用開發“燃料”，AI數據資源產業規模穩步提升（1）據艾瑞統計與預測，2022年我國AI基礎數據服務市場規模（含數據采集與標注）為31億元。受自動駕駛、對話機器人、

181、消費硬件等AI應用，對圖像、語音和文本數據集及定制化數據服務的需求上漲影響，2027年相應規?？蛇_到79億元，2022-2027年的相關CAGR=20.6%，整體增速呈現穩步提升的趨勢。（2）艾瑞提取測算了大數據平臺、數據中臺、AI應用與數據治理服務的項目中與AI應用相關的數據治理市場規模并加總而得。2022年中國面向人工智能的數據治理市場規模約為45億元。受數據平臺服務、數據治理服務和AI應用建設的需求推動影響，面向人工智能的數據治理市場規模將持續上升，2027年達121億元，2022-2027年的相關CAGR=21.7%。來源：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。來源

182、：艾瑞咨詢研究院根據專家訪談及公開資料自主搭建模型測算繪制。2020-2027年中國AI基礎數據服務市場規模2020-2027年中國數據治理與面向AI的數據治理市場規模29273137465667792020202120222023e 2024e 2025e 2026e 2027eAI基礎數據服務市場規模（億元）CAGR=20.6%293545567186102121891061331621982322653022020202120222023e2024e2025e2026e2027e面向人工智能的數據治理市場規模（億元）數據治理市場規模（億元）CAGR=21.7%CAGR=17.8%6820

183、23.3 iResearch I（1）AI基礎數據服務商主要有眾包平臺服務商和自建外包一體化服務商兩大類，兩者之間也存在交叉。隨著科技巨頭對高精度訓練數據集需求的增強，自建團隊的趨勢也愈發明顯，以保證標注人員對數據集產品的理解和訓練數據質量把控?，F階段自建多為初步嘗試，致力于垂直細分場景的數據集合、敏感數據集開發、以AI技術反哺提高標注智能化水平等。但基于成本及規?；б婵紤]，自建巨頭仍會外采基礎數據服務產品；（2）現象級應用ChatGPT的出現以及席卷全球的對話大模型開發浪潮為AI基礎數據服務產業發展帶來助力對于互聯網公開數據需要運用文本分類標注、對話語料構建等標注類型幫助模型調優，避免惡意

184、和偏見內容等AI倫理問題。目前服務商普遍AI視覺和智能語音數據集產品的占比較高，NLP相關業務占比較低。此輪產業機會需要服務商加深對NLP數據集和相關標注平臺的開發優化；（3）現階段高質量、易監督數據存量見底，基于AIGC技術的合成數據或逐步成為AI訓練的數據來源之一，解決AI模型訓練中所需數據的“量、質與成本”限制。當然目前合成數據技術也在技術精度、人才匹配等上有自身局限，未來將與真實數據集產品合力成為AI產業的數據基石。AI基礎數據服務廠商及產品發展趨勢科技巨頭自建標注團隊趨勢萌芽；合成數據將迎來發展來源：騰訊研究院AIGC發展趨勢報告2023，艾瑞咨詢研究院自主研究繪制。合成數據技術介紹

185、及價值分析技術簡介應用場景及領域產品成本得益于生成對抗網絡（GAN）、變分自編碼器（VAE）、Transformer模型、擴散模型（Diffusion Model）、神經輻射場模型（NeRF）等不斷涌現的AI算法，合成數據的種類得到了擴展，而且質量也不斷得到提升。目前合成數據可分為表格數據/結構化數據，圖像、視頻、語音等媒體數據，以及文本數據合成數據早期主要應用于自動駕駛領域，通過仿真引擎合成自動駕駛系統訓練所需的海量數據，并高效地應對駕駛場景中的“長尾”問題和“邊緣案例”。目前正在迅速向金融、醫療、零售、工業等諸多產業領域拓展。例如美國運通利用GAN創建合成數據來訓練、優化其服務于欺詐檢測的

186、AI模型（由于欺詐性案件的數量與欺詐性案件相比較十分稀少）；谷歌利用AI生成的醫療記錄來幫助預測保險詐騙等合成數據服務商AI.Reverie指出人工標注一張圖片可能需要6美元，但人工合成只需要6美分提升數據集質量實現數據增強和數據模擬，包括通過合成數據來改善基準測試數據（benchmark data）的質量提高安全性避免歧視提高AI準確性避免數據隱私/安全/保密問題，利用合成數據訓練AI模型可以避免用戶隱私問題，對于金融、醫療等領域尤其具有意義應對長尾、邊緣案例，提高AI的準確性、可靠性?？梢宰詣觿摻ìF實中難以或者無法采集的數據場景確保數據多樣性以提升AI的公平性，以及糾正歷史數據中的偏見，消

187、除算法歧視692023.3 iResearch I2023.3 iResearch I面向AI的數據治理廠商及產品發展趨勢以AI應用開發的數據需求為核心優化建設現有治理體系目前提供面向AI數據治理軟件服務的企業主要有數據平臺基因廠商和AI基因廠商兩類。前者一般在傳統數據治理體系基礎上，基于AI應用所需的數據質量要求提供服務，涵蓋于大數據平臺、數據中臺、數據倉庫和AI能力平臺等項目中，以平臺類產品為主；后者則多為機器學習、NLP、知識圖譜相關AI廠商?；贏I應用開發所需的數據原料要求，提供結構化、特征化處理和數據質量優化的治理服務，也會將其數據治理能力標準化，納入AI開發平臺模塊中。兩類廠商可

188、能基于同類業務展開競爭，也可能卡位“平臺類”或“產品類”進行差異化合作。從落地來看，信息化程度高的數字原生行業如金融等領域應用需求占比較高，主要集中在需要高質量數據的持續輸入，以保證特征工程和模型訓練效果，并降低模型上線的成本和規避潛在數據問題風險。來源：艾瑞咨詢研究院自主研究繪制。來源：艾瑞咨詢研究院自主研究繪制。面向AI的數據治理廠商及產品類型數據平臺基因廠商AI基因廠商大數據平臺、數據中臺數據倉庫AI開發平臺平臺類服務廠商分類產品分類數據產品類服務主要服務類型廣義認知決策類產品中的數據治理服務核心應用領域：精準營銷、智能推薦、故障預測、反欺詐等AI應用驅動金融領域AI應用開發中的數據治理

189、要點數據標準管理數據模型管理數據資產管理主數據管理數據質量管理元數據管理數據共享管理數據安全治理金融行業需求特點：場景多元化，技術要求普遍較高，業務理解要求高；AI集中于局部應用，數據不直接為建模準備，而是業務導向型，根據業務需求case by case治理數據，二次加工比例高傳統數據治理體系模型訓練特征工程源數據傳統的數據治理體系可以部分支撐AI應用需求，但會經常遇到特征缺失等問題不能滿足AI需求的數據，在ODS層的基礎上進行二次治理同時還需要從源數據層提取需要的數據進行治理面向AI的數據治理體系金融行業數據治理體系建設與維護水平較高，多在現有數據治理體系之上建設運營面向AI的數據治理體系，

190、管理調優AI應用70智能機器人研究范圍定義：本報告所定義的智能機器人，是指結合AI算法、具備自主學習能力和環境特征適應性的機器人產品。同時，本次僅研究應用于工業、物流、服務等行業的商用機器人，不含家用機器人。本章賽道內容分為以下四個部分：賽道資本情況：2021年至2022年，中國智能機器人賽道累計投融資事件數達到83起，工業和醫療保持絕對領先熱度，資本已經顯現向頭部集中的趨勢。產業規模解讀：2022年市場規模已達到76億，增長潛力巨大，年復合增長率約為47.9%，預計到2027年市場規模將會突破500億。工業是目前智能機器人落地最多、最成熟的領域。產品技術洞察：機器人對AI技術的應用主要是在機

191、器人各類“感官”上應用深度學習、強化學習算法，增強機器人對外部環境信息的理解能力，從而提升機器人執行操作的自主性和適應性。智能機器人技術尚處于單點突破的初級階段，AI技術結合層次較淺，總體成熟度較低，距離體系化的多樣應用和廣泛的產業化落地還有相當長的距離。產業趨勢探討：AI技術的加入強化了軟件算法公司的產業鏈地位，市場對多樣化智能機器人的需求帶來行業內部豐富的生態合作。未來機器人視覺仍是產業發展的主要方向，長期會向多模態感知和控制方向進化。Artificial Intelligence Robot712023.3 iResearch I2023.3 iResearch I21220818152

192、6202120221(億元）0.1-1（億元）0.01-0.1（億元）未透露（億元）行業融資熱度及輪次分布無人化趨勢引爆智能機器人融資，資本逐漸青睞頭部廠商工業生產、公共服務等領域自動化和無人化全速推進，引發了一輪智能機器人賽道的投資熱潮。2021-2022年，智能機器人賽道融資事件共83起，2022年融資筆數相比2021年增加一倍，融資金額多為億級，總體呈爆發增長態勢。從融資輪次看，2022年B輪及以前的融資數量占比保持在60%左右，反映出這一賽道新勢力仍在不斷涌現，市場格局尚未形成；C輪及后續輪次占比明顯增加，資本已經初步顯現出向頭部集中的趨勢。值得關注的是，2022年戰略投資顯著增長，這

193、主要源于智能機器人下游應用企業開始踴躍進行戰略布局，如富士康投資工業機器人，首旅集團投資配送機器人等。來源：IT桔子，烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。來源：IT桔子，烯牛數據，艾瑞咨詢研究院自主研究整理及繪制。2021-2022年中國智能機器人企業按金額量級融資事件數20212021-2022年中國智能機器人企業融資輪次分布20227.4%33.3%37.0%7.4%3.7%7.4%3.7%7.1%28.6%28.6%10.7%10.7%14.3%0.0%天使和種子輪pre A至A+輪preB-B+輪C-C+輪D-F輪戰略投資股權投資722023.3 iResearch I51.9

194、%51.9%18.5%11.1%7.4%3.7%0.0%0.0%53.6%39.3%8.9%16.1%1.8%3.6%5.4%3.6%工業醫療物流零售農業安防環保能源2021智能機器人融資熱度（%）2022智能機器人融資熱度（%）細分賽道融資熱度工業、醫療熱度持續霸榜，新賽道挖掘機會從熱度看，工業和醫療近兩年融資熱度明顯高于其他行業。工業熱度居高不下與工業智能機器人市場需求空間大、產業化落地多點推進的現狀相符合，一批優秀的創業公司商業模式已初步形成，仍需大量穩定資金投入研發和占領市場。醫療行業智能機器人起步晚，許多場景仍待市場驗證，落地中面臨的問題也更加復雜，資本明顯表現出回歸理性的趨勢。物流

195、行業作為機器人應用的一大熱門領域，相對而言成熟度更高，市場格局已較為明朗，新機會減少，頭部公司紛紛進入D輪、E輪融資，資本也呈現退潮的趨勢。從場景覆蓋看，2022年相比2021年有更多新的機器人落地場景獲得資本關注，反映了機器人市場邁向成熟，以及做垂直、做深差異化的商業路徑。注釋：典型產品熱度統計采用重復計數法，熱度分布比例=該類型產品融資事件出現頻次/智能機器人總融資事件數量。來源：IT桔子，烯牛數據，艾瑞咨詢研究院自主研究整理及繪制?！靶”姟辟惖罎u獲關注，資本對智能機器人行業表現出充足信心工業和醫療領域潛在市場空間最大，保持高熱度2021-2022年中國智能機器人行業融資熱度分布73202

196、3.3 iResearch I1219304872101133166131446 78 127 192 274 370 2020202120222023e2024e2025e2026e2027e智能非移動機器人市場規模（億元）智能移動機器人市場規模（億元）市場規模與驅動因素處于發展初期，機器人視覺和SLAM應用撐起整個市場2022年，我國智能機器人市場規模（僅包含結合AI算法的商用機器人）達到76億元，2022-2027年的相關CAGR=47.9%，2027年有望達到536億元。其中，智能移動機器人普遍應用激光導航和避障技術，結合AI算法比例較高，技術相對成熟，已經在工業線邊、倉儲物流和商業場

197、所清潔、配送等場景廣泛應用，因而市場規模相較智能非移動機器人具備先發優勢。智能非移動機器人以工業領域AI+機器人視覺應用為主導，技術處于相對早期階段，尚未形成大規模產業化應用。從未來發展看，巨大潛在場景需求疊加技術的日漸成熟將共同驅動市場高速前行。在工業生產中，對能夠實現3D立體檢測、標定和引導的3D視覺等待已久，3D視覺和3D激光SLAM技術的成熟也將在倉儲、服務等場景的移動機器人當中形成大范圍替代。隨著深度學習、強化學習等AI算法應用推廣，3D機器視覺、激光SLAM等技術在實際應用當中的適應性、穩定性、高誤差等問題將得到有效解決，幫助更先進的機器視覺技術充分釋放價值。來源：艾瑞咨詢研究院根

198、據專家訪談及公開資料自主搭建模型測算繪制。2020-2027年中國智能機器人市場規模CAGR=47.9%253376126199293407536742023.3 iResearch I來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制。從功能形態劃分，智能機器人可大致分為“類手”和“類腳”兩種，各自結合AI技術的方式差異明顯。類手機器人主要用于工業生產和物流中的搬運、裝配、焊接等場景，以及醫療手術場景，典型代表是多關節機器人，在視覺、觸覺、力覺和軌跡規劃等維度都在引入AI算法提升機器人操作的準確性和適應性，其中機器視覺+AI成熟度最高，已經在多行業實現規?；涞?；此外，AI+多關節機器人

199、控制系統屬于更深層的融合方式，技術難度大，目前尚處于研發和原型機階段。類腳機器人指自主移動機器人（AMR），所應用到的激光/視覺SLAM導航和避障，以及語音對話等對AI算法依賴度較高，在倉儲物流、工業線邊和各類服務場景均有落地。從結合深度看，AI技術能在孤立的功能模塊、傳感系統和控制系統三個層次與機器人結合?？傮w而言，當前AI算法與機器人結合還處于單點突破階段，行業標準尚未形成，不同技術間成熟度差距極大，距離全面和體系化應用還有相當長的距離。產品洞察星火燎原，AI算法對機器人實現局部多點滲透力傳感器工業相機智能機器人典型產品和技術應用分析軌跡規劃激光導航、避障激光雷達工業相機*激光/視覺SLA

200、M導航、避障算法屬于機器人控制軟件，工業相機屬于視覺傳感器，因此這類應用跨越了傳感層和控制層，但并未達到真正AI控制和理解的程度機器視覺軌跡規劃力覺、觸覺控制系統發展現狀激光SLAM視覺SLAM語音識別和對話技術成熟度落地進展*以AI+視覺應用為例，AI算法可直接嵌入智能相機當中，也可通過普通相機將圖像/視頻傳至后臺進行計算和識別，再回傳至業務端對話式AIAI+控制系統*讓機器人傳感和運動控制使用同一個AI大腦，統一進行環境認知、任務理解和決策執行*To B機器人領域應用到的語音功能大多是程序化、機械化的，能夠滿足餐飲、酒店等商業服務場所的大部分需求，但在講解、引導等場景仍需要對話式AI多關節

201、機器人自主移動機器人結合層次獨立模塊傳感器控制系統視覺導航、避障力覺視覺752023.3 iResearch I廠商表現檻內做深場景，檻外加強合作，產業生態日趨豐富完善不同行業應用場景的高度差異化導致各場景使用的AI解決方案都需要單獨開發，這也決定了智能機器人領域創業企業普遍采用深耕垂直場景的發展戰略。從規模最大的工業和自主移動機器人兩大市場來看，工業智能機器人產業成熟度略遜一籌，少數具備AI算法能力、專注垂直場景的軟件算法公司正在成為核心力量，解決方案的進一步產品化也幫助算法公司和集成商各自歸位，產業鏈分工進一步清晰和細化。自主移動機器人產業相對成熟，集中度較高，頭部機器人廠商自己掌握AI算

202、法能力，并以此作為護城河，獨立算法廠商生存空間尚小，這也構成了移動機器人與非移動機器人產業鏈的主要差異。此外，由于結合機械臂和移動底盤的復合機器人市場需求越來越大，多關節機器人廠商和自主移動機器人廠商紛紛開始通過外采或合作方式開發復合機器人，產業合作進一步深化，長期來看利好整個機器人市場的高質量發展。來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制。智能機器人產業生態及廠商分析2D/3D視覺硬件廠商代表廠商：梅卡曼德、視比特復合機器人為軟件算法廠商或機器人廠商提供視覺硬件，國內中高端市場長期被國外品牌壟斷，近年國產品牌逐漸崛起視覺軟件算法和解決方案廠商機器人本體制造商集成商代表廠商：基恩

203、士、?？禉C器人、浙江大華采購視覺硬件進行二次開發，一般選擇1-2個高價值場景打透，迅速占領市場，再橫向拓展其他場景。部分頭部算法廠商也在積極布局自主品牌硬件，國內廠商在這一市場處于世界領先位置代表廠商：發那科、沈陽新松、思靈機器人傳統機器人廠商為主，創業公司大多專注開發柔性高、安全性好的協作型機器人，也有極少數機器人廠商正在研發通用型AI機器人擁有較深的行業know-how，AI算法的應用對傳統集成商造成一定的挑戰，部分集成商自身也擁有少數常用算法的開發配置能力激光、視覺硬件廠商自主移動機器人廠商為自主移動機器人廠商提供激光雷達和單目、雙目相機等硬件，國內中高端市場長期被國外品牌壟斷，近年國產

204、品牌逐漸崛起代表廠商：Velodyne、勞易測、鐳神智能自主移動機器人廠商兼具算法、硬件和解決方案集成能力，直接服務甲方客戶。當前，國內市場可以大致分為如下三類：自有技術導向性廠商集成型廠商解決方案廠商往往在2D激光SLAM、視覺SLAM等算法方面具有明顯優勢，依托自身技術能力尋找合適的場景落地。?？?、斯坦德、優艾智合等廠商是這一類型的代表部分出身于傳統制造業，自用需求占主導，自身算法能力較弱，許多場景需要其他廠商代為開發。典型代表有徐工集團、臨工集團由機器人廠商向軟件算法廠商轉型，通過幫助甲方客戶和集成型廠商做定制開發，積累行業經驗形成標準化解決方案。這類廠商在市場中極少，典型代表是仙工智能

205、外采合作自研智能機械臂廠商自主移動機器人廠商復合機器人簡單集成應用的門檻不高，雙方都可通過外采實現落地，但要實現手腳協同，需研發統一的控制系統，圍繞這一目標雙方積極展開戰略合作。雙方同時發力762023.3 iResearch I2023.3 iResearch I技術趨勢短期發力3D視覺，長期從感知、認知到決策全面“人化”從短期看，3D視覺仍將是智能機器人領域的主攻方向。相比2D，3D視覺不僅能夠滿足對立體物品和空間的測量需要，還能大大提升成像精度，將持續帶領機器人攻城略地，如在相對復雜的裝配、焊接等場景完全替代人工，同時部分替代3D激光和2D視覺?，F階段機器人與AI結合深度不足影響了其落地

206、價值發揮，從長期來看，機器人從感知到決策層面的智能化程度都將提升。首先，AI在機器人傳感層的應用將會從孤立走向融合，觸覺+視覺，視覺+聽覺等將感知細化和情感化，更貼近人的實際感知狀態；其次，AI將會深度植入機器人控制系統，將多模態的感知信息匯聚在大腦中進行綜合性理解和決策，在機器人驅控一體的大趨勢下，這種融合會讓機器人擁有真正的“大腦”。來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制。來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制。u 移動機器人：替代3D激光和部分2D視覺u 工業機器人：打開新場景應用3D視覺四大優勢測量物體形狀、空間精度高相對2D，不容易受照明條件影響信息處

207、理速度快高度在30cm左右的類kiva機器人在自主移動機器人市場占比在50%以上，因為使用場景簡單且低矮，3D視覺幾乎無法滲透。但3D視覺在多種移動機器人的避障，以及叉車類等需要在立體空間運作機器人的導航和對接場景，能夠實現完全替代。當前在工業領域，3D視覺和2D視覺的使用比例大概是20：1，3D視覺能夠檢測快速移動目標，提升機器人操作精度，幫助機器人在焊接、裝配、噴涂等2D視覺難以解決的相對復雜和高要求的生產場景中，提高滲透率。u 現有技術條件下，落地場景和價值存在明顯局限以3D視覺為例，在電子裝配場景中，智能化的3D視覺算法能夠根據來料具體情況，指導機器人調整操作，提升將高誤差來料加工成良

208、品的概率。這雖然能夠降低來料報廢率，但由于尺寸小精度要求高，這種“變廢為寶”的概率并不高，使得最終制成品的總良品率可能不增反降，在工廠端價值局限明顯。u AI助力機器人實現多模態感知融合多模態融合是機器人綜合感知和決策的第一步，深度學習算法、知識圖譜等AI技術已經在其中得以應用。而機器人最重要的兩個感知維度視覺和觸覺，模態間異質性差距很大，且本身機器人工作環境的高度動態和易變造成了數據質量差、復雜和難以配對等問題，需要在理論和算法層面進行更多突破，推動多模態感知落地。u AI控制系統構建機器人統一“大腦”AI在機器人傳感系統中的應用，判斷和決策在傳感端，機器人本體只是接收指令產生動作，應變能力

209、極為有限，將所有分析決策功能整合進機器人控制系統，使其運行機制更接近人的大腦，是機器人未來發展的必然趨勢，雖然當前技術路徑相對明確，但研發難度極高，在未來5-10年內有望實現初步落地。3D視覺在不同細分場景中迭代優化多模態感知融合深度構建機器人大腦長期技術發展趨勢短期技術發展趨勢77人工智能產業發展環境演變1人工智能產業進階之路2人工智能產業空間增長點3人工智能產業企業案例4人工智能產業發展趨勢探討5782023.3 iResearch I格靈深瞳以三維視覺技術為核心，致力開發高價值AI應用場景格靈深瞳成立于2013年，2022年成功上市科創板，是一家人工智能賽道上市企業。以“讓計算機看懂世界

210、，讓AI造福人類”為愿景，格靈深瞳專注于將先進的計算機視覺、大數據分析、機器人和人機交互技術與應用場景深度融合，提供面向智慧金融、體育健康、軌交運維、城市管理、商業零售、元宇宙等領域的人工智能產品及解決方案。格靈深瞳在三維計算機視覺技術方面處于行業頭部水平，未來主要應用場景的人工智能產品均依托三維視覺技術，可實現對場景中人員位置和姿態、三維物體的精準檢測和識別。來源：艾瑞咨詢研究院自主研究繪制。格靈深瞳人工智能技術與產品體系數據采集/數據預處理/數據標注數據平臺訓練平臺模型訓練/模型優選/數據管理深瞳大腦是公司核心技術的驅動平臺，賦能公司人工智能產品及解決方案的技術實現，包含數據平臺和訓練平臺

211、。優化驅動核心技術人工智能技術解決方案智慧金融 智能交通 智慧社區等 智能運營 智能安保 智能風控等 智慧加油站 商業智能等 智慧校園體育 AI交互屏等 高鐵、地鐵等列車智能檢測基于深度學習的模型訓練與數據生產海量數據生產跨平臺模型訓練3D立體視覺多目傳感器標定與深度估計人體姿態及動作分析3D重建與立體視覺分析自動化交通場景感知與事件識別 高精度目標檢測與跟蹤 多目標屬性識別與對象關聯 交通場景理解及事件監測識別大規?？珑R追蹤人臉識別百億級人員聚類人臉屬性表達等機器人感知與控制實時定位與建圖機械臂視覺反饋路徑規劃與自主導航體育健康軌交運維城市管理商業零售元宇宙 沉浸式交互體驗 游戲、文博、會展

212、等792023.3 iResearch I2023.3 iResearch I格靈深瞳軌交運維領域及體育健康領域解決方案展示（1）格靈深瞳的列車智能檢測解決方案由智能巡檢機器人、車輛360動態圖像監測系統和深瞳鷹眼列車智能檢測系統組成。通過對列車各零部件的多維數據的高質量采集與智能分析，實現自動化的故障或缺陷檢測，助力軌道交通更加的智慧高效。（2）格靈深瞳校園體育訓練考試產品面向“教、練、考、賽”四大場景，對人員過程性數據進行采集分析，精準評估輔助決策，構建綜合性學生體能提升路徑。包括搭載視覺交互體能訓練系統的體能訓練交互屏、智能視覺訓練考核分析服務、體育大數據分析平臺等軟硬件產品，助力智慧校

213、園體育建設。來源：艾瑞咨詢研究院自主研究繪制。來源：艾瑞咨詢研究院自主研究繪制。列車智能檢測解決方案特點與項目案例方案組成智能巡檢機器人車輛360動態圖像監測系統深瞳鷹眼列車智能檢測系統方案特點運維效率高：實時進行列車故障診斷，底檢機器人檢測速度超過20000項點/小時，360系統可實現分鐘級整車結果輸出覆蓋車型廣：支持復興號、和諧號等高鐵主力車型以及部分地鐵列車車型等診斷精度高：支持40余種故障類型，關鍵性故障檢出率99%，測量類項點精度達到亞毫米級，隨機變形類項點精度達到毫米級華東地區某地鐵線路360動態圖像監測項目華東地區某地鐵線路的巡檢機器人項目華南地區某動車所高鐵巡檢機器人項目校園體

214、育訓練考試產品特點與項目案例體能訓練交互屏+視覺交互體能訓練系統 基于視覺姿態識別的精準動作分析 強交互性的運動體能訓練項目（內置近80項體能訓練項目，含中考訓練考核項、技能訓練、運動素質鍛煉、雙人類別等）基于時間維度的精細化動作分析 便捷的信息發布及線上活動組織工具落地于蚌埠某學校，目前學校反饋良好，并已作為蚌埠市智慧體育周的必備環節進行每周的應用中心端大數據平臺場地自助操作終端智能操場手持終端智能視覺訓練考核分析服務 場景覆蓋全，項目覆蓋率高 多維報告呈現，實時三維姿態重建 平臺級對接跨域數據打通 測量精度高，抗干擾能力強 算法庫模型統一管理 動作判斷延時低，實時反饋目前正在北京、遼寧、江

215、蘇、吉林等地同步進行校園試點推廣應用802023.3 iResearch I百應科技以對話式AI為支點，系統化提升政企客戶溝通與運營效能百應科技是一家長期聚焦于對話式AI技術的產品服務商，基于在智能對話、語音和虛擬人等核心領域的全棧技術能力，推出六大AI對話機器人應用，并圍繞政企客戶在溝通運營方面的需求，衍生出豐富的產品方案。百應科技現已深度布局金融、政務、零售三大行業，同時在教育、電商、醫美、家居等20+行業領域為客戶提供高易用性的場景化落地方案。來源：艾瑞咨詢研究院根據公開資料研究及繪制。百應科技對話式AI產品體系及行業解決方案基層治理反詐宣防政務服務數據驅動知識萃取專家經驗訓練平臺算子平

216、臺標注平臺知識生產模型生產綜合應用技術支撐機器人產品矩陣行業知識庫金牌話術庫會話策略庫畫像標簽庫閑聊庫常識庫自動機器人輔助機器人語音機器人銷助機器人陪練機器人質檢機器人虛擬數字人文字機器人善解人意的AI對話完整知識體系構建機器人大腦媲美真人的順暢溝通體驗形象生動，能聽能說能理解面向銷售的專家級AI輔助媲美真人的順暢溝通體驗“培-測-評”一體智能陪練機器人融合溝通渠道與溝通策略，高效賦能企業溝通、運營場景視頻客服智能呼叫中心易聊寶多種溝通渠道溝通智能化MACDP多種溝通策略運營自動化知識圖譜百應神舟橫跨用戶生命周期形成自動化SOP零售引入期成長期成熟期衰退期流失期引流留存/轉化/裂變促活觸達任務

217、轉化增長發消息外呼短信群發渠道活碼關鍵詞回復復購任務特征客群任務新粉任務促銷活動任務關懷任務用戶升級任務私域落粉購買人數GMV金融政務規?；|達和精準轉化實現業務降本增效宣、控、數、智、連，創新政府治理與服務模式貸款投資理財信用卡存款業務達成度客戶滿意度人效比/投產比增長營銷咨詢/調研/催收回訪觸達轉化AI機器人多輪交互，主動營銷意向判斷，自動打標醫療教育汽車底數摸排居民畫像疫情防控勸阻攔截精準宣防業務辦理主動服務客戶咨詢提升服務效率滿意度其他全域數智化客戶經營，提升轉化AI核心能力感知理解情感化可信決策多種能力相互組合實現完整對話功能其他人812023.3 iResearch I94AIAI

218、語音，助力企業實現高質高效用戶運營九四智能成立于2018年，是一家智能運營產品和服務提供商，以AI語音技術為核心，聚焦語音識別與合成、NLP、數據挖掘等關鍵技術，結合團隊在多行業的精細化運營實操經驗，為客戶提供智能用戶運營SaaS平臺，應用于金融營銷、催收、電商大促等多種用戶運營場景。其中，自主研發的語音半合成技術讓AI語音流暢自然高度擬人，配合行業針對性話術策略，能有效提升業務效果。在人機交互方面，九四智能根據業務場景需要提供AI與人工相結合的解決方案及全套調度運營服務，賦能企業的智能化轉型和業績提升。目前在金融、電商零售、教育、大健康、政府/事業單位等多個行業擁有眾多客戶。艾瑞自主研究繪制

219、94AI智能用戶運營解決方案產品技術框架信貸催收解決方案說多維、實時行業數據，輔助決策自動化任務運營多渠道智能觸達行業解決方案業內原創H-TTS語音半合成技術，合成語音與錄音人聲高度吻合，自然流暢聽場景化識別自主噪聲過濾支持多語種對象話術模板+行業知識圖譜+大數據訓練迭代垂直精細行業語義庫持續深度學習迭代語音識別數據采集分析語義理解語音合成話術策略通路通道資源+智能路由短信企微微信服務鏈路協同時段限制并發控制頻次限制流程任務策略時間任務觸達結果對話結果話術流轉客戶意向AI語音對話技術電商零售大促營銷解決方案活動前活動中活動后產品種草活動裂變預售通知會員福利尾款提醒付款提醒權益通知訂單挽回好評引

220、導物流跟進新客加微新客SOP目標人群篩選利益點外呼策略活動短信通知根據品牌目標用戶圈選目標人群提前使用外呼測試比較利益點AI語音掛機短信自動發送服務通知加粉轉化率1520%復購提升2040%T-3T-2T-1TT+1T+2.T+7M1Mn觸達方式細分案件畫像1信息屬性匹配催還策略2交互策略風控策略控策略觸達催還34風險屬性金額屬性觸達屬性結果跟蹤/策略閉環可聯屬性還款意愿溝通標簽還款情況未還款，持續入催率下降30%回收率提升40+%AI先AI后人工AI實時轉人工純人工話術套路文字/語音男/女催員觸達時間語氣語調觸達頻次投訴識別黑/白/灰/轉化名單過濾822023.3 iResearch I思必

221、馳專注人性化語音交互，布局全鏈路對話式AI產品方案思必馳是一家國內專業的對話式人工智能平臺型企業。以“溝通萬物、打理萬事”為使命，思必馳基于自主研發的全鏈路智能對話系統定制開發平臺和人工智能語音芯片，圍繞“云+芯”進行布局，為客戶提供軟硬件結合的人工智能技術與產品服務，實現普適的智能人機信息交互。綜合來看，思必馳可提供智能人機交互軟件產品、軟硬一體化人工智能產品以及對話式人工智能技術服務，廣泛覆蓋智能家電、智能汽車、消費電子等物聯網領域，以及以數字政企類客戶為主的生產、生活和社會治理領域（涵蓋金融服務、交通物流、地產酒店、政務民生、醫療健康）等行業場景。來源：艾瑞咨詢研究院自主研究繪制。思必馳

222、產品布局圖產品能力AI技術思必馳AI-aaS服務私有云服務PaaS服務SaaS服務單點技術授權軟件系統方案AI語音芯片通用產品定制研發大數據算法算力DUI平臺AI芯片智能白電影音設備智能中控商用車特種車乘用車兩輪車穿戴教育辦公金融服務地產酒店交通物流政務民生醫療健康蘇州+北京+上海研發中心人工智能研究院智能家電智能汽車消費電子數字政企軟件方案一體化模組整機方案麥陣模組832023.3 iResearch I思必馳深化車聯網領域人機交互服務，推動汽車產業智能化升級在車聯網領域，思必馳可在出行途中為用戶提供智能化交互服務，大幅提升行車的安全性、便利性、娛樂性，同時不斷創新出行陪伴方式，推動汽車產業

223、走向高端化及綠色化發展?；谧匝腥溌氛Z音交互技術，思必馳為兩輪車及汽車前裝、后裝設備提供語音技術SDK、天琴車載語音助手（國內版/海外版）以及軟硬一體化解決方案，滿足主機廠、車廠及Tier1廠商對語音交互的需求，同時還提供場景化大數據運營服務能力，推進車聯網智能化升級。如今，思必馳已成功與哪吒汽車、小鵬汽車、理想汽車、北汽集團、一汽奔騰、上汽通用五菱、雅迪等達成合作，推出包括哪吒汽車V/U/S、小鵬汽車P7/P5/G3、理想汽車ONE/L7/L8/L9、宏光MINIEV系列、雅迪VFLY流星隼N系列等多款車型。思必馳智能車聯網解決方案小鵬-P7雅迪-冠能3 S9 MAX五菱-宏光MINIEV

224、客戶案例DUI全鏈路智能對話系統定制開發平臺智能TSP平臺AI 語音芯片車載后裝終端智能汽車(乘用車、商用車、特種車)兩輪電動車T Box（sim）|手機（sim）|手機（藍牙）|WiFi熱點通訊方式語音全鏈路 場景化引擎 大數據運營引擎 系統集成 IOTHUB云端能力終端建設 端側計算 網絡存儲 手機app 算力互補 平臺打通端側能力單點技術SDK軟件方案OS車載機器人藍牙報警器其他整機方案語音助手麥克風陣列智慧頭盔模組路線導航微信收發音樂播放天氣查詢美食搜索養車咨詢趣味閑聊出行服務842023.3 iResearch I幫助企業規劃智能化轉型方向與最優實施方法幫助企業借助AI技術更高效的開

225、展日常運營中關村科金以對話式AI為技術底座，打造企業級AI應用場景，激發產業新動能中關村科金成立于2014年，總部位于北京，在上海、重慶、深圳、成都等地設有分支機構，是國家高新技術企業、中關村高新技術企業、北京市專精特新“小巨人”企業。作為對話式AI技術解決方案提供商，中關村科金堅持自主研發，在人工智能、大數據、實時音視頻等前沿技術領域形成多項核心能力。其中人臉識別、聲紋識別等人工智能前沿技術成果屢獲國際比賽大獎。中關村科金以“得助”系列智能產品為支撐，圍繞智能營銷、智能運營、智能分析、智慧能效等場景為企業打造端到端的場景解決方案體系，成功服務于金融、零售、教育、醫療、政務、智能制造等行業90

226、0余家頭部企業的200多個應用場景，激發產業新動能。來源：艾瑞咨詢研究院自主研究繪制。中關村科金能力全景圖音視頻技術中臺即時消息融合通訊直播點播實時音視頻大數據中臺實時計算湖倉一體數據治理批處理AI 中臺OCR/動作/表情知識圖譜技術產品靈活的底層支持機器人工廠數字人RPA智能知識庫BI自訓練平臺話術挖掘平臺營銷平臺AI指導精準獲客智能外呼直播矩陣SCRM運營平臺AI提升客戶體驗分析平臺AI賦能數據洞察能效平臺AI構建自動化流程行業知識積累+解決方案智能營銷方案營銷智能化升級精準營銷提高引流獲客效率智能運營方案高效智能運營及時響應客戶需求，解決客戶問題智能分析方案AI加持進行更深入用戶分析打造

227、智能經營大腦智慧能效方案借助AI實現內部流程自動化讓企業降本增效運營服務咨詢服務銀行保險信托證券基金互金線上電商快消汽車線下零售制造業政務大健康公用事業產品矩陣核心技術對話引擎語音識別/合成/聲紋智能洞察會話分析指標分析智能預審視頻質檢文本質檢語音質檢智能陪練智能財務智能客服全渠道云呼叫中心AI音視頻平臺智慧營業廳可回溯管理系統多模態防偽營銷自動化活動權益平臺852023.3 iResearch I中關村科金人機協同的會話式營銷，助力企業業務價值全面提升中關村科金以對話式AI技術為核心，依托人機協同的會話式營銷，圍繞客戶全生命周期，打造具有數據認知能力、自動化執行能力的企業全域營銷解決方案。在

228、預訓練對話語言模型、知識中臺、會話分析和流程挖掘等認知技術的加持下，企業全域營銷解決方案充分運用客戶對話和行為數據，驅動引流獲客、新客促轉、存客復購、售后服務、需求挖掘和企業內部運營優化閉環，幫助企業實現持續增長。中關村科金企業全域營銷解決方案已應用于金融、零售、政務、教育、醫療、汽車、快消等多個行業，助力企業業務價值全面提升。來源：艾瑞咨詢研究院自主研究繪制。對話式AI自然語言表達模擬真實自然話術，開展多輪對話理解對話含義理解表述含義，揣度客戶真實意圖識別溝通內容識別客戶身份，客戶聲音及動作語音合成數字人虛擬背景視頻美顏智能打斷智能問答話術推薦流程推薦實時音頻即時消息融合通訊會話段主題識別對

229、話意圖識別對話事件抽取上下文邏輯對話內實體識別對話中情感識別相似問題判斷知識推理知識查詢ASROCR人臉識別動作識別表情識別提升公域獲客成功率直播、官網、社媒等，各渠道BOT相互配合，層層引導新客戶留資全鏈路營銷促進轉化率企微、電話聯絡時機提醒，短信、App接續營銷，推進潛客成單極“智”服務提升滿意度在數字人引導下自助辦理，還可由智能客服提供24小時輔助辦理復雜業務一般業務客服機器人智能及時快捷服務智慧營業廳便捷安全自助服務云呼叫中心人機協同高效服務業務咨詢/辦理常規業務智能提醒最佳溝通時機提醒智能營銷洞察感知客戶狀態，規劃營銷計劃，提供話術建議溝通前話術推薦最佳溝通話術提醒精準營銷多渠道營銷

230、接力官網電話小程序公眾號社媒直播電商客服機器人在線答疑引導留資外呼機器人線索篩選促成加微客戶留資首次咨詢中關村科金企業全域營銷解決方案內部優化：效率提升智能化審核+質檢，有效規避人工檢查失誤，智能化陪練大幅減少日常工作失誤智能預審自動化識別提取信息智能質檢自動化質檢精準高效智能陪練AI對練強化業務能力信息送檢產品反饋：需求挖掘聆聽客戶心聲，全面分析客戶特點，理解客戶需求，調整營銷&產品策略會話分析分析“營銷服務業”客戶洞察梳理客戶需求&特征需求趨勢研究市場競對趨勢分析業務分析客戶溝通中溝通后分析外部會話/行為數據分析862023.3 iResearch I竹間智能運用NLP、知識工程與情感計算

231、技術，服務企業數智化變革以NLP、知識工程與情感計算為核心，竹間智能依托差異化的自研AI技術，創建了三大平臺級產品Sales AI、Service AI及Knowledge AI，賦能客戶服務、銷售、培訓、企業內部服務、知識管理、數據分析、企業運營等豐富場景，全方位實現數智化轉型。為了將AI能力快速且低成本地整合到客戶業務中，竹間智能全力推動成熟產品上云，打造EmotiCloud竹間云，提供一站式AI-as-a-Service產品服務。同時，竹間智能積極布局大語言模型與生成式AI領域，旨在通過大小模型的NLP雙引擎驅動來加速技術升級、產品迭代和服務模式變革，以更強技術力及產品力推動企業數智化變

232、革的深化開展。至今，竹間智能已服務數百家大客戶，覆蓋金融、企業服務、制造、零售、政務、能源、醫藥等多個行業領域。來源：艾瑞咨詢研究院自主研究繪制。竹間智能產品布局圖AI陪練培訓AI營銷助手VEA 企業員工助手六大行業解決方案核心拳頭產品EmotiSaaS產品技術層交互AI平臺：Emoti-X 智能客戶服務Knowledge AISales AIService AI三大AI平臺將AI結合SalesTech，賦能企業銷售及營銷各大環節，幫助實現智能自動化，提高收入和業績不僅輔助企業進行內外部服務，7x24小時全自動地服務企業的客戶及員工，更能從交互中獲得洞察?；谧匝姓J知智能平臺，從非結構化數據中

233、自動生成知識圖譜，支持企業所有與銷售及服務相關場景。&Emoti-V全能銷售助手Gemini認知知識平臺對話機器人為企業構建知識圖譜并應用到豐富業務場景，如故障排找、事件分析、異常分析、調查案件等Emoti Insight挖掘分析對話數據，改善用戶體驗，輔助決策制定將大量非結構化文檔進行有組織管理，實現文檔分享及文檔內容搜索，也可采編文檔信息應用到業務中，形成企業運營的“認知大腦”創建不同對話機器人，實現人機協同Bot Factory離線復盤實時輔助交易智能智能陪練Emoti SalesmateEmoti KG智能外呼智能IVREmoti VoiceEmoti Knows自動寫作及輔助寫作，提

234、升內容創作質效Magic WriterAI陪練AI培訓Emoti Coach自然語言處理深度學習知識工程金融企業制造零售醫藥政務AI知識庫AIGCLLM872023.3 iResearch I竹間智能與某國內頭部證券商強強聯手，打造企業級服務操作系統竹間智能結合Emoti-X、Emoti-V和Gemini三大主力產品為基礎，為某國內頭部證券商成功打造貫穿企業內外部的智能化場景應用方案。首先，竹間智能為客戶建設了智能客服機器人，提供智能知識輔助、培訓、質檢等服務，問題有效攔截率超過70%，并將對話機器人滲透延伸到企業內部HR、運營、托管等部門機構。在知識工程建設方面，竹間智能基于Gemini認知

235、知識平臺，為客戶提供結構化數據和非結構化數據的圖譜構建能力，優化了企業RPA業務流程，實現RPA故障智能推薦解決方案。未來，竹間智能將與客戶展開更深入合作，在客服營銷方面深入私域流量運營管理，在知識管理方面打造Gemini企業級知識工廠，通過認知智能實現數據的實時可見、風險提前預判和解決方案推薦，讓AI大腦實現更多高價值業務場景的轉型賦能。來源：艾瑞咨詢研究院自主研究繪制。竹間AI+某國內頭部證券商：打造證券業務全場景解決方案 大量知識采用規則和關鍵詞匹配沖突 轉接人工比率達40%-50%業務知識與閑聊混合管理1.提升傳統客服機器人服務效率與質量2.實現RPA的統一管理與查詢 缺少RPA業務流

236、程優化思路 RPA數量不斷增加優化成果實現了數據實時可見、風險提前預判、解決方案推薦，提高了決策、反饋、協同環節的效率2.RPA管理得到明顯優化轉人工率25%準確率20%智能客服解決率20%問答量50%1.客服機器人服務效率客戶滿意度客 戶 核 心 需 求數字員工全生命周期管理 招聘入職 福利待遇企業級服務操作系統微信 小程序APP熱線Web論壇服務咨詢問題求助投訴建議智能知識問答智能工單創建隨需自動轉接人工服務熱線業務自動外呼客服中心機器人數字服務機器人智能運營機器人投顧機器人坐席輔助機器人智能陪練機器人部門級知識圖譜智能工單財富管理機器人基金托管機器人二次業務辦理客戶信息更新HR Bot

237、勞動合同 績效管理 產品設計文檔 需求分析文檔 數字員工常見問題排障 數字員工流程分析優化服務外部客戶服務內部員工熱線知識庫工 單 系 統人 工 坐 席外 部 系 統多渠道接入&客 戶 業 務 應 用推送抽取構建知識圖譜關聯知識圖譜自動生成知識圖譜故障分類數字員工、工單、日志、版本關聯關系分析數據采集審核發布知識分析全場景應用數據庫同步字段映射結構化數據知識采編非結構化數據數據處理數據處理RPA復雜場景智能問答故障預判G e m i n i 知 識 工 程 平 臺智能知識庫知識強化882023.3 iResearch I第四范式SHIFT數字化轉型平臺與服務，支撐企業全方位數字化當前，企業的全

238、面數字化，不僅僅是大數據的建設和業務創新的試點，還是從戰略、策略、執行和評價的全流程數字化?；诖?，第四范式運用智能決策技術，開發了端到端的企業級人工智能產品，推出SHIFT數字化轉型咨詢與服務，解決企業智能化轉型過程中面臨的效率、成本、價值等問題。在戰略數字化階段，為企業提供數字化戰略咨詢服務，幫助企業識別核心競爭力指標；在策略數字化階段，為企業構建科學策略決策體系，通過智能決策技術，基于實驗、迭代、分而治之的科技運營體系方法，實現北極星指標體系中各個指標的優化迭代；在執行數字化階段，圍繞企業中各部門共識，制定各項指標的數據采集規則，構建一整套新的經營管理平臺，并不斷完善前置系統的布局情況；

239、在評價數字化階段，第四范式提供樹狀指標體系明確各部門工作重心及協同關系，通過適合的量化數值進行策略有效性評估，形成端到端數字化的系統以及人機協同的智能決策能力，構建了企業核心競爭優勢。來源：艾瑞研究院自主研究繪制。第四范式SHIFT企業轉型平臺及服務生態架構評價的數字化執行的數字化數據架構策略的數字化數字化轉型業務專家人才服務第四范式算力產品戰略的數字化技術架構IT架構服務架構第四范式先知人工智能應用機器學習數據庫產業互聯網平臺物聯網、資源計劃系統企業自動化系統數據智能團隊管理服務業務流程及決策點第四范式先知人工智能開發工具第四范式先知人工智能操作系統運行核心數據核心HyperCycle系列S

240、tudio系列KB ML CV OCRML CV NLP Speech數字化變革領導人才服務核心競爭力指標實驗迭代評價體系SHIFT企業轉型平臺數字化變革項目管理服務SHIFT數字化轉型咨詢SHIFT數字化轉型服務組合式產品矩陣平臺與系統研發團隊管理服務第四范式先知云計算平臺第四范式先知工作站第四范式先知物聯網平臺第四范式先知計算平臺第四范式先知邊緣計算平臺892023.3 iResearch I第四范式SHIFT全棧產品與服務，助力營銷拓客與電力管理數字化商業營銷領域，第四范式基于北極星指標方法論，依托AI技術算法的融合機器學習、大規模運籌優化等技術，針對來伊份公司的重點業務，從品類規劃、價

241、盤管理、智能全網預測、補貨和調撥等關鍵場景切入，根據時效優先、成本優先、最小包裹量等履約規則確定提升策略，通過反復實驗、快速迭代提升策略的有效性，從而實現供應鏈體系的自動化智能決策。能源領域，第四范式與健新科技（第四范式子公司）為桂冠電力公司提供智能數字化轉型服務，利用數據支撐決策、驅動運營、優化創新，打造“數字桂冠”生態云平臺，實現電廠無人化、平臺生態化、業務數字化、運營智慧化，推動桂冠電力數字化轉型升級。來源：艾瑞研究院自主研究繪制。第四范式SHIFT轉型平臺及服務在營銷與電力領域實際應用來伊份 線下門店上“云”之路桂冠電力 打造“數字桂冠”生態平臺客戶訴求：提高門店銷量。1、需從傳統門店

242、轉向“云店”的服務模式；2、需變更門店品類布局，構建網格化社區運營體系；3、需實現產品配送的決策自動化、可視化。選品根據時效優先、成本優先、最小包裹量等不同履約規則，通過AI算法形成提升策略門店實驗特點：柔性實驗環境，打造實體企業的實驗模式定義北極星目標拆解北極星目標識別提升策略評估結果規?；茝V有效策略門店日銷陳列營銷2個月時間，實現35個策略，121次落地測試解決方案：門店實驗模式+專業實驗團隊領域專家業務策略指導外部廠商策略崗、模型崗、數據分析崗平臺團隊服務對接與測試實驗特點：每日迭代、快速評估、策略推廣復制項目成果：總體可節約人效10萬人時/年，庫存周轉提升40%實現1個CDC，10個

243、RDC倉，超2800個門店系統自動補貨和調撥實現插拔式的云倉云配的銷售網絡和供應網絡體系實現全渠道一盤貨的管理客戶訴求：提高海量數據的價值轉化率。1、需深化各領域的數字化應用；2、需開展數字化基礎設施建設；3、需挖掘公司數據資產價值。解決方案：電廠無人化、平臺生態化、業務數字化、運營智慧化項目成果：管理水平顯著提升、經濟效益明顯增加大幅提升運營優化水平、智能調度水平、智慧決策能力降低成本：由計劃檢修轉為狀態檢修，及時發現隱患，節約10%-20%檢修成本提高資源利用效益：增發電量、市場風險率，經濟效益0.25-0.5億元/年智慧電廠層中臺服務層智慧經營層智慧決策層數字化保障智慧黨建中心智慧人才中

244、心智慧營銷中心智慧財務中心智慧生態平臺敏捷開發容器云DevOps大數據平臺數據資產管理技術中臺數據中臺基礎設施（云化）領導綜合決策戰略管控企業經營 生產運營作業調度設備保障 風險防控安防無人化巡檢無人化智慧作業智慧倉儲數字管控機制數字運營體系安全防護體系運維保障服務？902023.3 iResearch I蜜度語言智能科技企業，為政企賦能增效提供數智化解決方案蜜度聚焦跨模態檢索(CMR)、多語言校對（MLC）、計算機視覺(CV)、自然語言處理(NLP)、內容生成(AIGC)、知識圖譜(KG)等前沿人工智能技術研究，深耕行業十余年，致力于為數字政府、數字營銷、數字媒體、數字城市的建設提供全方位的

245、語言智能應用產品和解決方案。針對當前海量多模態數據，蜜度發揮自身優勢，打通多模態數據壁壘，自主研發MiduCMR、MiduMLC、MiduCV、MiduNLP、MiduAIGC、MiduKG六大語言智能能力引擎，構建智能檢索、智能校對、智能生成三大核心應用，打造由11款跨領域多功能語言智能軟件所組成的產品矩陣，為30000+家政企機構提供服務。在互聯網跨模態信息檢索和智能校對SaaS服務細分領域，2021年市場占有率超過15%，深度賦能企業和政府數字化、智能化轉型升級。來源：艾瑞研究院自主研究繪制。6大語言智能領域能力引擎政 務 系 統宣傳網信公安稅務文旅司法農林交通教育紀檢5大應用場景與相關

246、客戶數字政府數字營銷智能校對、智能生成、智能檢索三大核心應用企 業/單 位餐飲媒宣地產科技其他數字媒體數字城市行業應用MiduCMR 跨模態檢索MiduMLC 多語言校對MiduCV 計算機視覺MiduNLP 自然語言處理MiduAIGC 內容生成MiduKG 知識圖譜動量對比學習跨模態融合注意力跨模態特征指導跨模態語義檢索特征融合序列標注多民族語言模型OCR目標檢測語音識別 視頻理解自然語言理解自然語言生成文本生成 圖片生成 視頻生成 音頻生成知識抽取知識加工 知識計算知識融合蜜度語言智能（Language AI）體系及市場布局智能檢索智能校對智能生成AI輔助創作工具為文稿創作者提供寫作、續

247、寫、配圖等創作類服務AI小畫家根據主題生成圖像作品，采用區塊鏈技術生成數字藏品原創版權保護智能平臺支持全網、全時段、全平臺、全媒體的數字版權保護服務內容安全巡查平臺AI智能校對平臺智能校對與新媒體管理平臺幫助用戶快速進行內容的自查自糾、整改優化、風險防范，助力統一化管理多平臺新媒體賬號支持中文文本錯誤和語義關系的自動發現與糾正處理跨模態多語言智能檢索平臺政企輿情大數據服務平臺品牌洞察與口碑洞察平臺社交媒體全自動廣告投放平臺智慧城市建設大數據應用平臺文本、圖片、音視頻互聯互通對熱點話題、突發事件智能識別和追蹤全自動廣告定向投放，實現個性化深度營銷912023.3 iResearch I蜜度校對通

248、：依托昇騰Atlas 200邊緣計算，打造辦公桌上的專屬智能校對產品蜜度校對通是一款智能校對工具，圍繞中文語言特點和使用習慣，以百億級訓練語料為基礎，結合行業先進的自然語言處理、知識圖譜與圖像識別等技術，實現中文文本錯誤和語義關系的自動發現與糾正處理。當前，互聯網信息規模與日俱增，文本信息中產生錯誤和風險的概率也不斷提高。此外，部分涉密場景對于校對工作的內容合規性和保密性有更高的要求，為了最大限度地滿足智能化辦公需求，蜜度聯手華為昇騰，發布校對通AI-Box作為集軟硬件為一體的本地化智能校對解決方案，校對通AI-Box完整移植了SaaS版本檢測功能，兼顧了檢測類型、檢測速度、檢測精度和內容的隱

249、私性，除了基礎文字標點差錯外，重點建設了時政內容安全模塊，為涉密辦公場景校對提供專屬解決方案。來源：艾瑞研究院自主研究繪制。語言校對市場痛點及蜜度校對通AI-Box的優勢蜜度智能校對能力市場痛點潛藏的違規的文本等由OCR或機器語音識別導致的錯別字用戶習慣、輸入法導致的錯別字、語法錯誤文字錯誤內容風險輿情風險出現頻率嚴重程度校對通 AI-box市場痛點涉密場景對文字校對工作的安全性、隱私性、保密性提出了更高要求 更保密 更高效 更便捷華為昇騰AI芯片校對通在內網環境中發起校對，保障數據私密性基于華為昇騰邊緣計算，校對響應更高效高適配國產化操作系統，校對操作更便捷解決方案產品優勢客 戶 案 例：某

250、 知 名 新 聞 平 臺客戶痛點2.因內容管理不當引起大范圍的負面輿情，影響媒體權威性和公信力1.內容分發時效性和內容校審效率的矛盾解決方案1 輔助審稿，精準識別錯敏信息2在線糾錯，縮短審校時間3輔助內容生產，規避輿情風險事后分析巡查支持內容日常巡查，發現潛在風險隱患驅動大數據+大模型知識驅動的常識校對行業校對賦能專用校對知識圖譜，讓字符串擁有關聯語義百億級別的平衡語料，可以捕捉細微的語義信息通過集成學習技術，快速形成專業領域校對能力基礎專精web瀏覽器office插件瀏覽器訪問產品地址，直接登錄校對下載插件，利用WPS直接校對桌面軟件安裝至本地電腦，一鍵快速使用文本圖片網頁鏈接WordWPS

251、PDFEXCEL產品應用形態支持格式全棧式校對反饋示例文字標點差錯校對知識型差錯校對內容導向風險識別共11子類共9子類共6子類事前審校排查首個通過華為昇騰AI生態認證的NLP智能文本校對應用解決方案AI-box校 對 通 工 作 機 制三 大 核 心 技 術922023.3 iResearch I數之聯數據+AI算法+多場景應用，助力政企客戶構建完整數智體系數之聯成立于2012年，是“智能制造”與“智慧城市”領域的大數據、AI解決方案提供商。依托20多年的行業經驗，數之聯形成了以成熟完善的數據治理、數據分析與可視化平臺能力為底座，以自主可控的計算機視覺、數據挖掘、NLP等AI算法能力為核心的一

252、體化云原生平臺，并推出了面向工廠和政法機關各類場景的成熟解決方案，能夠快速幫助客戶搭建從底層數據到上層應用的全流程數智化體系，現已服務京東方、四川省高級人民法院、國家電網等上百家政府、企事業單位。來源：艾瑞研究院自主研究繪制。分布式作業調度分布式融合計算分布式數據庫分布式文件系統數據采集數據存儲數據計算數據治理數據資產共享交換協同標注模型開發模型訓練模型評估數聯行睿一體化云原生數智服務平臺敏捷看板大屏分析2D/3D圖表拓展開發智慧軍事作戰分析作訓分析情報分析智慧能源油藏分析預測性檢修QHSE分析智慧工業AI Camera智能檢測設備ADC 自動缺陷檢測與分類YMES 良率分析智慧監管廣告監管食

253、品監管信用監管特種設備監管基礎產品機器學習根因分析指標評估模型輕量化知識抽取信號檢測本體建模信號分類信號過濾目標檢測特征提取圖像分割目標追蹤文本識別工業類政府類AI服務模型庫算子庫行智AI數據挖掘平臺行明數據可視化平臺行數全鏈數據管理與服務平臺無代碼拖拉拽探索式多樣化智慧法治智慧審判融合庭審司法數據分析知識服務運行管理城市運行產業運行場景化開發高質量數據資產輔助經營管理，支撐上層多應用產品化封裝油藏數據模型時頻譜信號分類模型水聲識別模型作戰效能評估模型面板缺陷檢測模型面板制程良率分析模型家電外觀檢測模型PCBA缺陷檢測模型汽車防錯漏裝模型新能源電池缺陷檢測模型汽車合格證檢測模型汽車緊固件外觀檢

254、測模型遙感影像目標識別模型網絡餐飲風險識別模型目標意圖識別模型領域智能問答模型城管高發事件智能識別模型企業產業智能匹配模型模型輕量化領域知識抽取模型文書分析模型違法廣告聚類分析模型案件特征值模型模型可解釋性932023.3 iResearch I2023.3 iResearch I數之聯AI視覺質檢良率分析，打造閉環式解決方案當前，工業品質檢主要采用人工和傳統機器視覺兩種方式，人工質檢不穩定、精度低，傳統機器視覺質檢準確率低需人工復檢等問題導致工業質檢成本居高不下，質檢數據留存差，難以發揮作用。數之聯AI工業視覺質檢+良率分析一體化解決方案，能實現圖像采集、智能檢測分類、復判到數據分析的全流程

255、閉環。其中，AI Camera是軟硬一體的視覺檢測分類產品，采用自主生產的AOI（自動光學檢測）設備，配合自研的ADC缺陷識別與分類軟件，內置多種針對性AI算法，能實現在產線的在制、成品等狀態的外觀表面的毫秒級實時拍出、精確檢測一體化，準確率達到99%以上，同時支持設備與產線改造兩種部署方式。在此基礎上，數之聯YMES良率分析系統，通過對產線人、機、料、法、環、測、時各維度數據及具體case的綜合分析，快速精準進行問題溯源，指導工廠有效改善良率。此外，數之聯具備面板、家電、汽車、PCBA等多行業的know-how及工程化經驗，能夠針對客戶個性需求提供定制服務的同時確?？焖偕暇€。來源：艾瑞研究院

256、自主研究繪制。來源：艾瑞研究院自主研究繪制。家電DIP檢機內檢擴散板檢測防錯漏裝智能判圖統計看板模型抽檢模型管理相關分析描述分析追溯分析優化分析YMES 良率分析趨勢預測智能質檢一體化解決方案客戶案例家電行業各系統數據AI算法圖像分類01分類04分類02分類03MESFDCEDA新能源半導體PCB/PCBA汽車大數據+機器學習檢測數據大數據良率分析檢測集中性工藝路徑分析工藝時間分析工藝履歷分析工藝參數分析智能檢測擴散板表面可移動異物、臟污、點缺陷、線缺陷、破損等各類缺陷。智能檢測機內各類元器件的合規性，如機內螺釘、S板支架、耐高溫膠帶等。智能檢測液晶電視整機表面點缺陷、線缺陷、面缺陷等各類缺陷

257、。某H是中國著名家電企業，液晶電視制作過程中檢測工序多，檢測項目規格繁雜，人工目檢帶來的人力成本奇高，且容易漏檢。機內檢AOI設備擴散板AOI設備畫面檢AOI設備機器視覺智能質檢檢測效率提升漏檢率下降直通率提升雙面檢測自動換產100%全檢全視野捕捉分類輔助復判缺陷實時展示面板能力交叉：行業know-how、算法模型、工程化經驗AI CameraADC 缺陷識別與分類GDS設備畫面檢942023.3 iResearch I中科聞歌構建2+N數據與決策智能產品體系，服務近千家政企客戶中科聞歌定位于人工智能認知與決策智能平臺型企業，聚焦多模態(文本、圖片、視頻、語音)融合語義分析智能技術研發，構建具

258、有自主知識產權的DIOS數據操作系統及決策智能引擎。隨著互聯網數據指數級增長，以文本、圖像、音頻、視頻為主的半結構化數據占比增大、應用廣泛，激發多模態大數據分析技術巨大市場潛力。作為數據與決策智能服務商，中科聞歌依托多模態人工智能技術譜系，搭建聞海數據操作系統和天湖決策智能引擎兩大核心技術底座，面向媒體、金融、治理等細分領域，構建2+N數據智能產品體系，為政企客戶智能決策提供有利支撐。來源：艾瑞研究院自主研究繪制。以文搜圖+以圖搜文+以圖搜圖圖文視頻混合搜索多模態交互、情感、情緒、對話NLP應用，如輿情分析多媒體內容理解MMU多模態互補視頻理解多模態知識圖譜的表征學習深度學習的可解釋性視頻文本

259、圖片語音圖文對非結構化數據數據層互聯網開源數據企業內部數據政府內部數據多語言全媒體跨模態技術層感知認知決策多模態內容認知理解技術多模態知識融合與智能決策技術多模態非結構化大數據管理技術 金融風險決策 因果推理與情報計算產品層基礎產品PaaS行業產品SaaS支撐服務中科聞歌產品體系結構化數據媒體融合智能操作系統“紅旗”聞海數據操作系統天湖決策智能引擎客戶畫像非結構化數據與技術信 息 檢 索內 容 理 解語 義 計 算知 識 圖 譜中科聞歌產品生態架構政府客戶1000+企業客戶300+城市治理數字政務警務大數據認知域對抗數智營銷企業風控應用場景市場布局 信息對抗反制 社會治理風險推演 AI向量數據

260、庫 多模態數據統一計算框架 多模態數據庫 圖像識別 自然語言處理 知識圖譜 跨模態智能檢索多模態內容自動與智能生成技術 自然語言解析 視頻內容理解 OCR場景識別 多模態領域遷移 量子語義理解 圖文語義嵌入AIGC核心文圖音視AI作畫數字虛擬人可控文本生成智能對話語音克隆虛擬人技術特色：高度擬真、實時渲染、快速訓練、超低延遲商業場景：數字員工、個性智慧教育、媒體內容傳播等深度偽造泛金融數智場景解決方案“天鏡”多模態信息監測分析平臺“晴天”城市數字化轉型推動器“天盾”媒體安全金融治理應用領域稅務稽查數智健康數智教育 數智安全數智零售其他領域數基 DiBase跨云、跨模態數據庫數治 TiKuipe

261、r一站式數據治理平臺智樞 ZetaHub多模態AI平臺智圖 DiGraph領域知識大腦智川 DiBrain決策智能平臺+952023.3 iResearch I中科聞歌發力多模態大數據，深耕媒體、社會治理與金融領域“泛媒體+多模態+大數據”技術將顛覆當前單一模型對應單一任務的人工智能研發范式，成為不同領域的共性平臺技術。中科聞歌深耕多模態大數據領域多年，產品應用廣泛。針對媒體宣傳行業中跨模態數據量增多的現狀、多語言信息整合的需要以及智能化選題與創作的訴求，中科聞歌推出紅旗融媒體平臺，推動“融媒體+行業”智能化轉型。針對目前信息監控與治理的難點，中科聞歌推出聞海晴天多模態內容監測分析平臺，監控1

262、00+風控場景、實現實時預警與一鍵視頻溯源等功能，滿足更高效的跨模態信息監測分析要求。數智金融平臺以天鏡金融知識大腦為核心，提供一站式、網絡化、全周期、智能化產業鏈及投研分析、企業金融風險監測分析等金融科技服務。來源：艾瑞研究院自主研究繪制。中科聞歌多模態大數據技術在媒體、治理與金融領域的應用賽道二 社會治理晴天多模態內容信息分析平臺優勢國內前沿的多語言跨模態全媒體數據庫、主打全領域知識模型和數據庫，能夠實現跨模態分析與多場景風控事件分析線索比對定向監測內容審核監測預警產品特色服務場景全景監測靈活預警深度分析知識驅動事件洞察按需識別智能圖搜一鍵溯源內容、賬號、人臉全場景監測定制預警規則、規范分

263、級治理深度分析風險監控方案按需實時分析潛在風險自動生成結構化事件脈絡行業知識體系支撐智能推薦關鍵幀快速檢索全網視頻一鍵溯查視頻源頭簡單 精準 高效多模態信息監測分析平臺賽道一 媒體宣傳紅 旗 智 慧 媒 體 平 臺財經報道政策解讀政府工作報告解讀天氣預報賽事播報 疫情播報樓市行情解讀領跑智慧媒宣行業，實戰經驗豐富，提供泛媒體應用的各行業解決方案服務媒體全鏈條業務生態的智能媒體操作系統優勢圖文數據視頻數據智能決策應用場景新聞采集智能選題稿件編寫融媒發布行業影響力分析評價多功能樞紐平臺新聞政府服務賽道三 數智金融天鏡金融知識大腦優勢泛金融數智場景解決方案提供一站式、網絡化、全周期、智能化產業鏈及投

264、研分析、企業金融風險監測分析等金融科技服務金融模型金融知識圖譜金融數據庫金融知識庫圖引擎圖應用投研監管智能投研投資管理風控監管信貸風控金融監管產經招商產業經濟智慧招商96人工智能產業發展環境演變1人工智能產業進階之路2人工智能產業空間增長點3人工智能產業企業案例4人工智能產業發展趨勢探討5972023.3 iResearch IAI產業鏈各環節發展概況AI進入良性循環帶動期，產業鏈逐步成熟來源：艾瑞咨詢研究院自主研究繪制。中國AI產業化發展進程（1）AI基礎數據集品類以圖像數據集、語音數據集為主。在自動駕駛領域商業化落地進程的海量需求下，圖像數據集比例或將進一步拉大。由于中國語言特點及NLP研

265、究起步較晚等原因，中文NLP數據集占比一直較少，而預訓練語言大模型、GPT模型的熱度爆發將推動NLP數據集的量級發展。（2）數據采標流程仍高度依賴人力屬性，機器學習技術融合有望提升數據采標流程的智能化比例。（1）國家及各地（超30座城市）積極建設智算中心，區別于大數據中心、云計算中心、國家超算中心等提供的超算服務，智算中心將更好滿足AI智能算力服務需求。（2）作為AI算力“心臟”，國產AI芯片的商業突破成為產業發展關鍵。國內互聯網廠商與AI芯片創業廠商以ASIC-DSA或GPGPU等細分產品架構積極入局，脫離于早期的愿景情懷階段，多數已實現切實產品化落地，未來廠商將更強調系統集群與軟件生態的建

266、設，自主可控基底不斷加厚。算法算力數據隨著供給廠商AI能力的成熟與項目經驗的沉淀，AI產業鏈的PaaS層能力日益堅實，衍生的AI平臺工具層可以更好地鏈接技術算法與商業應用。一方面，AI平臺可助力AI廠商在產品及項目交付時實現效率化供給；其次，可向需求側企業提供全棧式開發工具封裝，滿足不同技術程度要求的模型開發需求，降低使用門檻。工具 需求側對AI的認知已趨于理性，不再對AI應用有跨越級預期，前期認知的統一更助推AI應用在供需兩側的加速落地。應用衍生平臺層 受數字化轉型進程、AI應用需求度等因素影響，AI在各行業的滲透率及成熟度仍有明顯差異，但各行業之間的應用差距在逐步縮小。AI項目制對企業資金

267、實力與IT能力提出一定要求，而當下更多AI廠商亦豐富了自身SaaS產品服務矩陣，以AI輕量化交付觸達到更多中小企業。AI認知統一AI差距縮小AI輕量化交付直接由算法層到應用層數據準備模型開發模型訓練模型部署應用評估提供模型訓練的算力支持以數據喂養，基于機器學習算法訓練模型得到訓練好的模型DataAI算法的突破為模型訓練及產品效用帶來核心質變，2022年生成式AI領域備受關注。（1）Diffusion Models生成模型是圖像生成，AI視覺領域的一大進步，進一步突破GANs模型，生成高質量的合成圖像，讓AIGC、AI繪畫走入大眾視野。（2）General Pre-Training(GPT)，即

268、生成式預訓練模型，利用Transformer的 Decoder 結構通過無監督預訓練與有監督精調，不斷提升模型容量和語料規模，已達到優質的對話能力。影響模型及應用效果拉動拉動拉動優化助力助力影響數據集品類結構982023.3 iResearch IAI產業趨勢洞察技術革新的原生驅力下致力產品化與規?；瘉碓矗喊鹱稍冄芯吭鹤灾餮芯坷L制。產業趨勢特征 隨著人工智能在數據、算力、算法、工具、模型等方面的技術推進，AI已實現由實驗室到產業應用的層級躍升，更廣范圍、更深層次地影響著中國的經濟發展與生產生活方式變革。作為可承擔發展引擎功能的新興技術，AI已成為國際科技競爭的焦點。順應生成式AI、預訓練大模

269、型、國產AI芯片商業化落地、虛擬數字人等技術熱潮，中國將持續加強人工智能布局，發揮政府及市場的積極性，共同推動普惠AI高質量發展。如何在AI新一輪發展熱潮中搶抓機遇，是AI產業鏈各環節企業關注的核心議題。從業務持續的角度考慮，把握技術變革與產品應用的融合界限，致力解決質量、ROI、安全可信等核心瓶頸；根據企業產業鏈角色和應用場景特點，定位各類型廠商的差異化路徑深耕實踐，或是AI企業的制勝之路?！暗雷枨议L，行之將至；行而不輟，未來可期”。對此，艾瑞特別邀請了阿里云、科大訊飛、星環科技、中關村科金、竹間智能、蜜度科技、中科聞歌、百應科技、九四智能、武漢人工智能研究院等國內明星廠商及科研院所，分享對

270、我國人工智能產業技術變革、賽道動態及未來趨勢展望的見解，共同探索中國人工智能產業的發展方向。992023.3 iResearch I隨著大模型和生成式AI進入爆發期，從創新研發到產業落地都有很多新的技術待探索，新的場景待創造，新的產品待打磨，新的應用待開發。大模型依賴于大數據，大算力，以阿里云為代表的新一代互聯網基礎設施和智能計算平臺，以高校和企業界研究機構如達摩院為代表的創新研發平臺，以及以魔搭社區為代表的AI模型開放平臺都是AI新一代技術得到廣泛應用的重要基礎和推動力量。從大規模高性能計算到海量高質量數據獲取和處理，到基于深度神經網絡的算法框架，以及結合下游豐富應用的智能產品設計，都密切相

271、關。技術方面，從文本語義理解到多模態信息融合到生成內容的安全可控，可解釋可干預，都是需要不斷深入探索的。從應用來看，和不同行業的結合，和人們生活中不同場景的結合，也是推動模型落地，推動社會進步的必經之路。也要關注對于大模型，特別是具備通用人工智能潛力的模型的負責任的研究和使用?！啊毙碌募夹g待探索，新的場景待創造，新的產品待打磨，新的應用待開發。周靖人阿里巴巴集團資深副總裁、阿里云智能首席技術官、達摩院副院長、IEEE會士（FELLOW）1002023.3 iResearch I科大訊飛副總裁、研究院執行院長語音及語音信息處理國家工程研究中心副主任近期，以ChatGPT為代表的技術為以NLP為核

272、心的認知智能技術發展提供了新的“歷史機遇期”。認知智能，旨在賦予機器理解和模擬人類行為的能力，使機器“能理解、會思考、有情感”，是人工智能發展的高級階段。目前，國內在認知智能的技術和產業上已有了一定積累和探索成果?？拼笥嶏w承建的認知智能全國重點實驗室取得了一系列領先的研究成果，僅2022年就獲得了13項認知智能國際競賽冠軍；在核心算法、行業數據、算力支撐和團隊組建方面建立了優勢保障，并在產業領域實現大規模應用。未來，我們計劃采用“1+N”架構即“1”是通用認知智能大模型算法研發及高效訓練底座平臺，“N”為應用于教育、醫療、人機交互、辦公、翻譯等多個行業領域的專用大模型版本，希冀與各行業伙伴深入

273、合作、形成智能化定制解決方案。面對熱潮，中國人工智能產業既要抓住時機，更應堅定不移“修煉內功”，回歸人工智能紅利能否兌現的三大標準：有沒有看得見摸得著的真實應用案例，有沒有能夠規?；茝V應用的產品，有沒有統計數據能夠證明的應用成效。劉聰有沒有看得見摸得著的真實應用案例，有沒有能夠規?；茝V應用的產品，有沒有統計數據能夠證明的應用成效?！啊?012023.3 iResearch I楊一帆中科聞歌交付中心總經理多模態數據分析、開發運維一體化和可信AI，有望成為賦能數據要素市場的新趨勢。前幾年AI在市場中的落地以單一模態技術為主，比如以單純的圖象數據分析支持圖像識別、身份認證，單一的商業分析對表格、

274、流水數據做畫像、預測等應用。近年來，隨著技術市場和應用市場的逐漸成熟和深入，單模態、單模型難以應對實際落地過程中對復雜場景的需求，為數據智能的進一步發展提供了動力。對于這種新興的態勢，傳統“數據-算法-算力”的三架馬車，多模態數據分析、開發運維一體化、可信AI逐漸走上了舞臺?！岸嗄Ｐ?多模態數據”是源頭，其來自于政企行業數據數據類型、體量、增速、低價值密度等特性的快速變化，亟需統一接口、統一計算引擎、統一分布式存儲管理系統、統一的資源調度的數據管理系統，和覆蓋表格、圖像、文本、時序、GIS等諸多多模態統一采集、接入、分析的智能分析平臺；“開發運維一體化”是維持長效發展的動力，其解決了政企AI模

275、型接入、運營管理、持續訓練的全生命周期散落在多個部門管理、運維難，數據到業務周期長、流程多、迭代慢的問題，需要DevOps+DataOps+MLOps的一體化綜合解決道路。面向大數據開發、軟件開發和機器學習運維，星環科技分別提供DataOps、DevOps和數據云服務、數據分析和MLOps能力?！翱尚臕I”則為數據要素市場提供了保障，覆蓋了數據安全、模型安全、隱私保護、風險控制、過程管理、可解釋性、公平倫理、追溯追責等AI熱點問題的解決方法。為實現“數據-AI模型-業務”全鏈路的可信，星環科技提出了一種通用的可信AI治理框架T-DACM?？梢钥吹?，這三個特點，有望成為賦能數據要素市場的新趨勢。

276、星環科技技術副總裁“”1022023.3 iResearch I張杰中科聞歌交付中心總經理中關村科金技術副總裁大模型無疑是現今AI產業最吸睛的熱點，產業鏈上下游廠商均會發生一些趨勢變化。對上游云計算廠商來說，大模型會逐漸成為標配，通過自研或并購的方式投資大模型研發，MaaS（模型即服務）模式的業務占比會增加。大模型開發廠商群體中，第一梯隊廠商短期內依然會保持技術領先，在多模態、復雜推理、安全性方面持續挖掘大模型的潛能；第二梯隊廠商則會依賴各自優勢加強投入，爭搶基礎模型方面的技術人才，縮短代際技術差距；隨著大模型賽道生態豐富，工具層廠商價值凸顯，可針對大模型的不足，通過外掛知識系統、提示工程、模

277、型蒸餾等手段，提升特定場景下大模型輸出內容的可控性、準確性、可解釋性?？赡軙霈F提示交易平臺、提示運維平臺的產品形態。應用側業務變化將更為突出。ToC領域，圍繞生成能力會出現很多創意工具，已有的社交媒體、教育、搜索等應用都會嘗試融入對話式的交互體驗。ToB領域會圍繞對話和推理出現很多機會，因為對于企業而言，無論是面向客戶的營銷服，還是員工內部的協同辦公，對話都是最普遍的交互形式，而大模型的推理能力會使其增效。中關村科金圍繞各種對話場景，打造的陪練助手、虛擬數字員工、數字營業廳等多項對話式AI產品已在企業服務賽道實現了眾多應用落地，幫助企業實現提質增效。領域大腦將是大模型在ToB工具層落地的最佳

278、途徑，即(通用大模型+領域知識庫)*人在閉環?！啊?032023.3 iResearch I簡仁賢人工智能通用智能（AGI）的發展趨勢已經確定，ChatGPT代表了人工智能領域的奇點已經來臨。竹間智能 創始人兼CEO隨著人工智能技術的迅猛發展，AI產業已成為當今世界最具潛力和前景的行業之一。未來，AI技術將持續快速進化，邁向更加智能化和自主化，帶來更多創新性應用場景和商業模式。然而，在AI技術快速發展的同時，我們也必須關注其對社會和人類帶來的影響。尤其是像ChatGPT這樣顛覆性的AI產品，其全球范圍內的熱潮更值得特別關注。ChatGPT是一種基于對話式AI和生成式AI技術打造的全球最具革命性

279、和顛覆性的AI產品之一。該產品在許多領域都具有廣泛的應用前景，未來將在人們的生活和工作中得到廣泛應用。ChatGPT已經表現出遠超人類智能的驚人性能，代表了人工智能領域的奇點已經來臨。人工智能通用智能（AGI）的發展趨勢已經確定，它將帶來更大的產業變革，甚至可能極大地改變整個社會結構和生活方式?？偟膩碚f，AI產業正在快速發展，未來還有巨大的潛力可以挖掘。但我們也必須關注其對社會可能帶來的負面影響，并積極引導其走向良性發展之路?！啊?04劉益東中科聞歌交付中心總經理“”蜜度 首席技術官近年來，隨著圍繞AI產業的算法、數據、算力以及工程技術的不斷提升，可規?；瘧寐涞氐腁I科研成果不斷涌現，極大激

280、發了產業界的創新應用活力與熱情，人工智能產業進入了新一輪爆發式發展?？梢灶A見，在本輪智能革命的時代背景下，將進一步促進學界與產業界優勢互補融合，并進入螺旋上升正循環趨勢，也將涌現一批立足于“創新智能服務未來美好生活”的優秀產業界企業。與此同時，國務院印發的新一代人工智能發展規劃、“十四五”數字經濟發展規劃為人工智能及數字經濟發展確立了目標，也為數智產業發展開辟了全新的發展空間，在新智能技術與新市場前景的雙輪驅動下，人工智能產業也將迎來新一輪爆發式增長。蜜度作為語言智能科技企業，期待與行業共同發展，聚焦智能科技創新，為數字政府、數字營銷、數字媒體、數字城市的建設提供全方位的智能應用產品和解決方案

281、。在本輪智能革命的時代背景下，將進一步促進學界與產業界優勢互補融合。1052023.3 iResearch I近期，ChatGPT受到了全世界人們熱烈的關注和討論，其通過“模仿學習+強化學習”學習范式表現出非常強大的自然語言處理能力。由ChatGPT引發的AIGC浪潮，有利于降低創作成本，部分解決內容行業創意和生產的問題，帶來數字人，虛擬場景，數字內容及圖文視聽相關產品的改變和豐富。目前AIGC應用覆蓋了媒體、資訊、游戲等行業，中科聞歌基于預訓練大模型的AIGC引擎，提升內容創作效率，代表客戶有新華社、中國日報、人民日報等。未來應用場景會進一步多元化，未來10年是認知與決策智能的10年。如Ch

282、atGPT展現的語言智能只是冰山一角，它更多的是幫人類做總結歸納、寫代碼，這是一種通用的基礎能力，但想要對人類有更加深刻、全面的理解，還有很長的路要走。隨著技術和生態發展的日益完善，AIGC是釋放數據要素紅利，推動產業升級和數字經濟發展的重要動力之一。王璋盛“”AIGC是釋放數據要素紅利，推動產業升級和數字經濟發展的重要動力之一。中科聞歌 交付中心總經理1062023.3 iResearch I王磊近年來，隨著對話式AI在感知交互、理解認知、主動學習、可信決策等方面的能力不斷提升，其在不同行業的應用也愈加豐富和成熟，現已廣泛應用于智慧營銷、智慧服務、智慧反詐、智慧醫療等領域，逐漸滲透到人類生活

283、的方方面面。目前，對話式AI的場景應用通常會根據不同行業和場景進行定制化開發，以滿足用戶的實際需求，通過深入挖掘和創新應用，做深其應用范圍和普適性，在提供更加真實自然的人機交互體驗的同時，為企業實現增量價值。未來的對話式AI將不僅僅局限于簡單的問答，它們將變得更加智能，能夠理解語境、推理和判斷，甚至能夠模擬出人類的情感和思維過程。ChatGPT的出現標志著自然語言理解技術邁上了新臺階，百應算法團隊正在根據其人工反饋強化學習（RLHF）帶來的LLM提升思路，優化百應AI對話系統，并積極探索大模型的應用場景，以此助力政企與客戶的溝通更加自然有效。我們相信對話式AI在助力政企建立D2C的高效連接路徑

284、方面擁有巨大的想象空間，以連接通道為支點，以極致的銷服一體化機器人和極致的運營能力為杠桿，在客戶經營的銷售服務環節替代人工，以此來撬動企業的業務增長，為數字經濟的發展帶來新動能。對話式AI在助力政企建立D2C的高效連接路徑方面擁有巨大的想象空間?！啊卑賾萍紕撌既?CEO1072023.3 iResearch I劉嗣平九四智能 創始人“”作為一名零幾年就開始涉及NLP開發的從業人員，我深刻體會到了由于NLP技術的不成熟，所帶來的應用局限性和不良的用戶體驗。當我看到深度學習在感知智能上大放異彩時，甚是羨慕。直到Google在2018年發布了Bert預訓練模型，才讓我看到了NLP的光明前景。Cha

285、tGPT的發布更是讓AI認知智能實現了質的飛躍，讓我看到了無限的可能性。加之現在企業降本增效和用戶深度服務需求的不斷加劇，像電銷、售后、催收、政務通知等90%的人工服務的升級都離不開人工智能的助力。而海量的應用場景又將進一步促進NLP技術的升級，對AI服務廠商來說，既是機遇更是挑戰。AI廠商要不斷加強與甲方企業的業務聯系，深入甲方的業務場景，訓練出更適合甲方服務場景的AI，實現多方共贏。AI廠商要不斷加強與甲方企業的業務聯系，深入甲方的業務場景。1082023.3 iResearch I王金橋中科聞歌交付中心總經理ChatGPT為代表的大模型技術所取得的顯著成果敲開了通用人工智能的大門。武漢人

286、工智能研究院 院長2022年對于人工智能產業而言是非常重要的一年，尤其是以GPT-3、ChatGPT為代表的大模型技術所取得的顯著成果，標志著以專用小模型訓練為主的“手工作坊時代”向通用大模型預訓練為主的“工業化時代”的人工智能研究范式轉變，敲開了通用人工智能的大門。我們認為大模型技術未來可能會成為人工智能的模型基座，尤其是融入多模態的感知理解是更加重要的一個趨勢，也是更加實現類人的智能融合，我們研究院也將持續推動多模態大模型技術創新和應用落地，為更多企業提供場景化AI賦能?！啊?09行業咨詢投資研究市場進入競爭策略IPO行業顧問募投商業盡職調查投后戰略咨詢為企業提供市場進入機會掃描，可行性分

287、析及路徑規劃為企業提供競爭策略制定，幫助企業構建長期競爭壁壘為企業提供上市招股書編撰及相關工作流程中的行業顧問服務為企業提供融資、上市中的募投報告撰寫及咨詢服務為投資機構提供擬投標的所在行業的基本面研究、標的項目的機會收益風險等方面的深度調查為投資機構提供投后項目的跟蹤評估，包括盈利能力、風險情況、行業競對表現、未來戰略等方向。協助投資機構為投后項目公司的長期經營增長提供咨詢服務艾瑞新經濟產業研究解決方案110艾瑞咨詢是中國新經濟與產業數字化洞察研究咨詢服務領域的領導品牌，為客戶提供專業的行業分析、數據洞察、市場研究、戰略咨詢及數字化解決方案，助力客戶提升認知水平、盈利能力和綜合競爭力。自20

288、02年成立至今，累計發布超過3000份行業研究報告，在互聯網、新經濟領域的研究覆蓋能力處于行業領先水平。如今，艾瑞咨詢一直致力于通過科技與數據手段，并結合外部數據、客戶反饋數據、內部運營數據等全域數據的收集與分析，提升客戶的商業決策效率。并通過系統的數字產業、產業數據化研究及全面的供應商選擇，幫助客戶制定數字化戰略以及落地數字化解決方案，提升客戶運營效率。未來，艾瑞咨詢將持續深耕商業決策服務領域，致力于成為解決商業決策問題的頂級服務機構。400-026-聯系我們 Contact Us企 業 微 信微 信 公 眾 號關于艾瑞111法律聲明版權聲明本報告為艾瑞咨詢制作，其版權歸屬艾瑞咨詢，沒有經過

289、艾瑞咨詢的書面許可，任何組織和個人不得以任何形式復制、傳播或輸出中華人民共和國境外。任何未經授權使用本報告的相關商業行為都將違反中華人民共和國著作權法和其他法律法規以及有關國際公約的規定。免責條款本報告中行業數據及相關市場預測主要為公司研究員采用桌面研究、行業訪談、市場調查及其他研究方法，部分文字和數據采集于公開信息，并且結合艾瑞監測產品數據，通過艾瑞統計預測模型估算獲得；企業數據主要為訪談獲得，艾瑞咨詢對該等信息的準確性、完整性或可靠性作盡最大努力的追求，但不作任何保證。在任何情況下，本報告中的信息或所表述的觀點均不構成任何建議。本報告中發布的調研數據采用樣本調研方法，其數據結果受到樣本的影響。由于調研方法及樣本的限制，調查資料收集范圍的限制，該數據僅代表調研時間和人群的基本狀況，僅服務于當前的調研目的，為市場和客戶提供基本參考。受研究方法和數據獲取資源的限制，本報告只提供給用戶作為市場參考資料，本公司對該報告的數據和觀點不承擔法律責任。合作說明該報告案例章節包含部分企業的商業展示，旨在體現行業發展狀況，供各界參考。