賽迪顧問：2024年中國認知智能產品及服務市場研究報告（20頁）.pdf

《賽迪顧問：2024年中國認知智能產品及服務市場研究報告（20頁）.pdf》由會員分享，可在線閱讀，更多相關《賽迪顧問：2024年中國認知智能產品及服務市場研究報告（20頁）.pdf（20頁珍藏版）》請在三個皮匠報告上搜索。

1、 中國認知智能產品及服務 市場研究報告 賽迪顧問股份有限公司賽迪顧問股份有限公司 20242024 年年 5 5 月月 2 目錄 一、定義.3 二、發展背景.4 三、市場發展現狀.10（一）市場規模.10（二）市場結構.11 四、市場競爭格局分析.12（一）整體競爭格局.12（二）細分市場競爭格局.13 1、認知智能平臺.13 2、認知智能技術服務.13 五、典型案例分析.14（一）百度大腦助力某旅行平臺提升圖像審核質效.14（二）華院計算助力某鋼材集團實現連鑄質量預判及切割優化.15（三）暗物智能為某區紀委提供談話場所合規監測系統.16 六、發展趨勢.17（一）市場規模預測.17 1、整體市

2、場預測.17 2、細分市場預測.18（二）市場趨勢判斷.19 3 一一、定義、定義 認知智能是一種模擬人類認知機制的人工智能技術，旨在賦予機器與人類相似的思維邏輯和認知能力。通過精心設計的算法來模仿人腦處理信息的方式，認知智能使得機器能夠獨立地執行感知、理解、推理、規劃、決策等復雜任務。在現實世界中，數據通常受限于資源、分布的不均勻性、多樣性及不確定性等挑戰。認知智能通過多模態學習、知識數據融合、認知規劃和情感計算等方法，能夠有效地處理這些挑戰，展現出對真實世界數據的深層次理解和智能反應。這種智能不僅僅是數據處理的能力，更是一種對復雜環境下不斷變化的信息進行有效解讀和應用的能力。本報告研究范圍

3、為認知智能產品及服務，主要指基于認知智能算法，可面向行業實際應用場景交付的人工智能軟件或相關技術應用服務。從產業結構來看，認知智能產品及服務涉及范圍主要包括算法與技術層面以及行業應用層面。4 圖 1 認知智能產業結構 數據來源：賽迪顧問 2024，05 二、發展背景二、發展背景 從人工智能的階段演化來看，人工智能目前已由計算智能、感知智能進入認知智能階段。在計算智能階段，通過算力和存儲的加持，機器能模擬人類的計算和記憶能力，完成人類難以完成的復雜運算，并在速度和準確率方面超越人類；在感知智能階段，算力、算法和數據發展更加成熟，人工智能算法開始與各類傳感器深度融合，催生出計算機視覺、語音識別、自

4、然語言處理等應用。在這一階段，機器可以通過訓練的方式從海量數據中歸納出蘊藏的規律，進而模擬人類的感知能力；而認知5 智能則側重于面對真實世界情形下數據資源有限、數據分布偏態、數據模態多樣及信息不確定性等特點，基于多模態學習、知識數據融合、認知規劃、情感計算等方法，實現理解、推理、規劃、決策和創造等認知能力?？梢钥闯?，認知智能與前兩個階段最主要的差別在于其更強調對真實世界數據的理解和推理能力。在計算智能和感知智能階段，機器主要通過模擬人類的計算和感知能力來完成任務，但在認知智能階段，機器需要更深入地理解和處理真實世界中存在的各種復雜情況。從認知智能的技術實現來看，為了使機器具備認知能力，需要綜合

5、發展多模態學習、知識數據融合、認知規劃、情感計算等技術1：（1）多模態學習是一種旨在處理和理解多種模態的數據的人工智能方法，通過挖掘來自文本、圖像、視頻、音頻等多種不同模態數據種的信息，并且實現各個模態的信息的交流和轉換，進而提高機器對復雜場景的認知能力，可應用于多種視頻片段檢索、圖像描述生成、情感分析等多種任務。通過多模態學習可有效提高信息認知維度。（2）知識是認知的基礎，數據是人工智能的重要“原料”，加強知識與數據融合運用可提升機器的基本認知能力。一方面，知識蘊含領域背景與專業技能，可以提供邏輯結構和規則方法，將其以特定方式表示，可為后續推理提供依據，知識可以是顯式的，如專家知識庫、本體論

6、等，也可以是隱式的，如模型中的參數和權重等。另一方面，通過對大量數據的學習和訓練，來提取規律 1 本段部分內容參考自認知智能技術和產業研究報告（2023 年）6 和模式，從而實現智能化的任務處理。知識表示與推理是認知智能的基本手段，合理的表示方式與推理邏輯可優化認知能力。認知智能中知識數據融合、知識表示和知識推理，可以解決知識建模、跨領域模型遷移和模型可解釋性等方面問題。（3）認知規劃和智能決策是認知智能的核心環節之一，它可以幫助機器更好地理解和分解復雜認知問題，確定最優化的行動計劃以達到預期的成果，從而做出更準確的決策。認知規劃與決策對處理復雜問題至關重要。復雜的問題通常包括多個相關的目標、

7、多個決策因素和多個變量之間的相互作用。規劃可以幫助機器分析和理解這些關系，并確定如何最優地解決問題。通過規劃與決策，機器可以逐步分解復雜問題為更小的、可管理的問題，并為每個子問題制定具體的步驟和策略。規劃與決策也可以幫助管理復雜問題中的不確定性。在處理復雜問題時，機器常常需要面對許多不確定的因素，規劃可以協助評估這些因素，并逐步調整行動計劃，以應對各種不確定性。同時，它也可以減少認知負荷，將復雜問題分解成為更小的問題，并根據具體任務所需的資源及限制，得出最優決策。（4）情感計算優化智能交互體驗。情緒是一系列主觀認知經驗的高度概括，由多種感覺、思想和行為等產生的生理心理狀態。從認知神經科學角度來

8、看，情緒也屬于經典認知的一種。情感計算可賦予機器像人一樣的觀察理解和生成情感特征的能力，有了情感，機器可以像人類一樣表達各種感受，或者對內部和外部刺激做出相應的反應，最終使得機器像人一樣進行自然親近和生動交互。7 從最新的 AI 發展情況來看，近年來，大模型通過在大規模數據集上進行掩碼預訓練，完成對復雜數據模式和語言結構的捕捉，從而具備較好的語言理解和組織能力，也具備了一定程度的認知理解能力。同時，隨著計算能力的提升和數據量的增加，大模型的規模和性能也在不斷提高。雖然大模型在通用任務上取得了一定的進展，但是在直接切入垂直行業服務企業客戶時會遇到如下的問題：方法論：在方法論上，大模型主要采用語言

9、學預訓練方式，對數據進行遮罩使得模型學會補全能力，進而對數據進行表征。但這種方式對垂直行業的數據缺乏深層次“理解”。以智能制造場景為例，大模型缺乏對于工藝流程、工業參數、工業機理等行業知識的深刻理解，進而導致輸出結果更側重統計規律，缺乏專業性、精準度和可解釋性；數據依賴：大模型的訓練依賴于大量領域訓練數據，但在實際應用中，垂直行業領域的企業客戶可能僅有少量領域數據或者領域數據不開放，此時大模型無法通過預訓練的方式將領域樣本有效編碼進模型。以智能制造表面缺陷檢測場景為例，該領域有缺陷的樣本數據往往比較稀少，如果依然采用大模型的方式對缺陷樣本訓練，則會因樣本稀少而得不到充分訓練，進而無法對其有效識

10、別；“幻覺”問題：大模型的輸出結果存在一定隨機性，這種隨機性8 集中表現在大模型的“幻覺”問題上，即模型在生成文本時產生不準確、不相關或完全虛構的信息。這種現象在大語言模型中尤為常見。此時，盡管生成內容不符合邏輯，但是生成的文本是連貫和流暢的，極易導致垂直行業企業客戶“真假難辨”，無法直接使用。仍以智能制造場景為例，當輸入一張鋼鐵表面有劃痕的圖片時，大模型可能會輸出“這張圖片表面有些灰塵，但是沒有明顯缺陷”等誤導性結果。同時，大模型本身缺乏對其輸出結果置信度的評估。這對于需要確定性輸出的行業（例如制造業等）無法直接使用。此外，大模型在實際應用時還會面臨資源消耗大、定制化需求難以滿足等問題。而基

11、于多模態學習、知識數據融合、認知規劃等理論和方法研發的認知智能算法平臺可以有效提升模型的領域專業性與可解釋性，保障模型輸出結果可靠且穩定，同時對于用戶的數據要求低，可根據用戶的少量偏態樣本數據進行相應的模型適配與精調，得到更精準、更專業的輸出結果。從國內發展情況來看，我國人工智能整體發展水平與發達國家相比仍存在差距，缺少基礎性的重大原創成果，對人工智能內核機理探索深度不夠，尤其是在基礎理論、核心算法、重大產品與系統、軟件與接口等方面存在較大差距，為此，國務院印發 新一代人工智能發展規劃，圍繞增加人工智能創新的源頭供給，強調建立新一代人工智能基礎理論9 體系，推動人工智能與神經科學、認知科學、量

12、子科學、心理學、數學、經濟學、社會學等相關基礎學科的交叉融合，加強引領人工智能算法、模型發展的數學基礎理論研究。到 2025 年，初步建立新一代人工智能理論與技術體系，突破具有自主學習能力的人工智能，在智能制造、智能醫療、智慧城市、智能農業、國防建設等領域得到廣泛應用。從地方支持力度來看，近年來不少省市開始圍繞新階段的人工智能發展出臺支持性政策，推進人工智能認知能力的提升。如北京印發北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023-2025 年），支持數據與知識深度聯合學習、高維空間多模態語義對其、大規模認知與推理、可控內容生成、高效低成本訓練與推理等關鍵算法研發；安徽印發安

13、徽省通用人工智能創新發展三年行動計劃（20232025 年），指出要加快實施國家級和省級科技攻關項目，面向多語種、跨領域任務，持續研制更大規模參數的認知智能大模型、通用語音大模型以及基于文本圖像、語音的多模態大模型；上海印發上海人工智能示范應用清單（2023），提出要在大型區域場景中，綜合運用智能感知、認知、決策技術，提供車路協同、智慧交管、停車資源管理、指揮調度等一體化解決方案，提升城市級交通智慧化運行管理。從行業需求來看，傳統的人工智能模型的決策推理能力需要以海量的行業特征數據作為支撐，其決策推理能力的實現來源于從輸入變量到結果變量之間的統計相關性，底層運行機理并不具備類似人類的推理思10

14、 考能力，嚴格意義上講，此類能力應歸為“偽認知”。同時，現實中能提供海量訓練數據的行業只占少數，因此基于海量歷史數據的認知能力訓練也不具備跨行業的普適性。隨著數字化轉型的深入推進以及未來“人工智能+”行動的逐步落地，預計越來越多的行業將對機器的認知能力提出更高的要求，基于領域知識以及小樣本偏態數據的認知智能算法及相關產品將成為其邁進認知智能階段的主要方式。三、市場發展現狀三、市場發展現狀 （一）市場規模（一）市場規模 當前，認知智能正處于基礎研究與推廣應用的交疊發展階段，市場參與者正積極探索和驗證認知智能產品或服務的落地模式，推動中國認知智能產品及服務市場的快速發展。2023 年，中國認知智能

15、產品及服務市場規模達 53.6 億元，同比增長 109.4%。圖 2 2021-2023 年中國認知智能產品及服務市場規模及增長 數據來源：賽迪顧問 2024，05（本報告市場規模數據統計基準年為 2021 年）11.7 25.6 53.6 202120222023銷售額（億元）118.8%109.4%20212022202311 （二）市場結構（二）市場結構 從市場結構來看，中國認知智能產品及服務市場可分為認知智能平臺和認知智能技術服務兩個方面。其中，認知智能平臺集成了認知智能相關算法和技術模塊，可通過本地部署、API 接入等方式支撐用戶為實現認知智能所需的底層計算與處理需求；認知智能技術服

16、務主要為面向用戶提供的通用型認知智能應用服務或定制化的行業認知智能解決方案?，F階段，大多數廠商正通過技術服務的形式實現認知智能技術的落地，部分廠商也會通過平臺為用戶提供支撐。2023 年，中國認知智能平臺市場規模達 10.9 億元，認知智能技術服務市場規模達 42.7 億元。圖 3 2022-2023 年中國認知智能產品及服務細分市場結構 數據來源：賽迪顧問 2024，05 2.722.910.942.7認知智能平臺認知智能技術服務2022年市場規模（億元）2023年市場規模（億元）12 四、市場競爭格局分析四、市場競爭格局分析 （一）整體競爭格局（一）整體競爭格局 目前，中國認知智能產品及服

17、務市場入局者主要分為兩類：一類是“巨頭”型廠商，如百度、科大訊飛、阿里巴巴等，此類廠商在此前的感知智能領域探索較為深入，目前正通過大模型切入認知智能領域。另一類是創新型廠商，此類廠商專注于認知智能算法研發和技術創新，或針對某些特定行業提供解決方案，技術實力不容小覷。2023 年，在中國認知智能產品及服務市場中，百度、科大訊飛等巨頭型廠商憑借自身研發實力和豐富的市場渠道，占據市場領先位置。華院計算、暗物智能等廠商專注于認知智能算法研究，聚焦于通過小樣本量數據和行業知識體系來實現模型的高魯棒性，也呈現出不俗的市場表現。圖 4 2023 年中國認知智能產品及服務市場主要廠商競爭力象限分析圖 數據來源

18、：賽迪顧問 2024，05 百度科大訊飛阿里巴巴華院計算中科聞歌智譜AI淵亭科技竹間智能暗物智能深蘭科技發展能力市場地位跟隨者可期待者領導者挑戰者13 （二）細分市場競爭格局（二）細分市場競爭格局 1、認知智能平臺、認知智能平臺 從認知智能平臺市場來看，華院計算以認知計算算法研發為核心發展路線，推出認知智能引擎平臺為用戶賦能，目前處于細分市場的領導者地位。中科聞歌由中科院自動化所孵化而來，打造了認知與決策智能基礎平臺 DIOS，目前位居細分市場第二。圖 5 2023 年中國認知智能平臺市場主要廠商競爭力象限分析圖 數據來源：賽迪顧問 2024，05 2、認知智能技術服務、認知智能技術服務 認知

19、智能技術服務市場參與者較多，競爭更為激烈。一方面，百度、科大訊飛、阿里巴巴等巨頭企業憑借在技術、品牌和渠道等方面的優勢，牢牢占據技術服務市場的第一梯隊。智譜 AI、中科聞歌、竹間智能、華華院計算中科聞歌暗物智能智譜AI竹間智能深蘭科技淵亭科技瀾舟科技發展能力市場地位跟隨者可期待者領導者挑戰者14 院計算等創新型廠商，則瞄準若干典型的垂直行業，圍繞特定的行業用戶提供認知智能服務和解決方案，并進一步向更廣泛的領域推廣，發展勢頭強勁。圖 6 2023 年中國認知智能技術服務市場主要廠商競爭力象限分析圖 數據來源：賽迪顧問 2024，05 五、典型案例分析五、典型案例分析 （一）百度大腦助力某旅行平臺

20、提升圖像審核質效（一）百度大腦助力某旅行平臺提升圖像審核質效 國內某旅行平臺業務中會產生大量的用戶評論信息，一些不法分子通過生產發布違規圖片，污染網絡公共環境，內容安全也是一個亟待解決的問題。以往的人工審核不僅耗時費力，成本高昂，效率低下，而且判斷標準難以統一。所以高效、便捷、準確的智能內容審核過濾系統，百度科大訊飛阿里巴巴智譜AI中科聞歌竹間智能華院計算淵亭科技九章云極瀾舟科技發展能力市場地位跟隨者可期待者領導者挑戰者15 也是該旅游平臺一直都存在的業務訴求。百度大腦為該旅行平臺提供圖像審核服務。從平臺用戶上傳圖片到最后的平臺展示，要經歷諸多環節：所有圖片首先要經過百度大腦圖像審核這一關，所

21、有的涉敏信息以及違規圖片大都卡在這一環節，正常的圖片會直接跳到展示的關口，違規圖片會直接屏蔽。少數一些 AI 判斷為待確認的圖片則流入到人工審核的階段，由人工判斷后再做進一步的展示或屏蔽。百度大腦圖像審核服務，將重復性工作化繁為簡，為后續的人工處理鋪平道路，提高工作效率的同時還能有效規避掉風險。利用百度大腦圖像審核，及時落實相關政策法規和量化審核標準的工作也變得簡單，可以最大化的提升平臺內容管理效率。（二）華院計算助力某鋼材集團實現連鑄質量預判及切割優化（二）華院計算助力某鋼材集團實現連鑄質量預判及切割優化 國內某鋼材集團在生產過程中暴露出兩方面問題，一是缺乏有效的質量控制系統，難以及時發現和

22、解決生產質量問題；二是缺乏科學的切割優化模型，難以提高成材率和降低成本。為此，華院計算基于認知智能引擎為該鋼材集團提供連鑄質量預判及切割優化平臺。一方面，華院計算基于自研認知智能引擎以及結合BOD 推理引擎進行數據+知識的融合，同時采用機理建模、認知規劃、知識圖搜索以及小樣本異常值檢測等算法技術，對生產過程中出現的異常事件或過程數據偏離品質管理基準時，自動判定出現的生產狀況下的16 質量異常，并對品質異常自動進行記錄，給出可能的處置決定，同時基于質量異常進行自動分析，找出產生質量異常的直接原因和間接原因。另一方面，華院計算在通過實時獲取切割計劃信息的基礎上，通過建立模型的方式來實現板坯的優化切

23、割功能，求出實際運行下廢坯數最少、切割報廢量最小、鑄造的成品率最大的效果。通過對板坯的生產數據進行數學建模，采用運籌優化的技術來優化板坯切割長度，達到板坯最優化切割的效果，并根據現場情況進行過程判坯 A、B、C、D 等級，用于內部排查板坯質量問題；同時，基于神經網絡+專家知識進行缺陷判定、實現自動預測鑄坯內部和表面缺陷，形成缺陷地圖。最終，華院計算基于該集團的業務知識和小樣本量數據，對連鑄產線完成了數字化質量管控的監控部署，可實現品質異常判定功能，判定準確率超 98%，同時也提高了集團的板坯收得率。（三）暗物智能為某區紀委提供談話場所合規監測系統（三）暗物智能為某區紀委提供談話場所合規監測系統

24、 當前，紀委監委部門在留置場所普遍存在三大痛點問題：一是規范監督難，缺少有效的技術手段對談話室異常事件（物品、行為、語言等）進行監督和預警；二是異常追溯難，談話過程產生大量錄像文件，關鍵內容難以定位，常規手段查找費時費力；三是談話記錄難，人工記錄很難完整呈現談話全內容。為此，廣東省某區紀委委托暗物智能打造了基于小數據范式的高準17 確率、低成本的談話場所合規監測系統。系統基于特色認知異常檢測技術，實現了談話異常監管、智能筆錄制作等核心功能，形成全流程輔助安全談話行為監管機制。該系統技術亮點在于數據需求少、算力要求少、泛化能力強。系統可以實時獲取視頻信息及異常告警信息，異常告警類別涵蓋了談話人員

25、監管、談話環境監管、違規物品監管、談話行為監管、談話時間監管等類。同時，系統談話筆錄提供了談話模板、語音識別、角色分離、筆錄編輯等功能，能幫助相關人員實現科學管理。六、發展趨勢六、發展趨勢 （一）市場規模預測（一）市場規模預測 1、整體市場預測、整體市場預測 未來三年，隨著認知智能技術的進一步發展和成熟，越來越多的行業和用戶將著手推進認知智能能力的部署和強化，預計中國認知智能產品及服務市場將繼續保持快速增長態勢，但隨著市場規模的不斷提升，規模增速將出現一定回落。到 2026 年，中國認知智能產品及服務市場將達 202.7 億元，三年復合增長率將達到 55%左右的水平。18 圖 7 2024-2

26、026 年中國認知智能產品及服務市場規模及增長 數據來源：賽迪顧問 2024，05 2、細分市場預測、細分市場預測 2024-2026 年，隨著認知智能優勢的逐步顯現，企業用戶將對認知智能技術的接納程度會更高，將在認知智能平臺本地化部署或能力接入方面加大投入。到 2026 年，中國認知智能平臺市場規模將達 45.9 億元，三年復合增長率在 61%左右，高于市場整體水平。而認知智能技術服務市場以行業應用場景的升級和改造為驅動，未來仍將占據較大份額，預計到 2026 年市場規?？蛇_ 162.8 億元。89.5 136.9 202.7 202420252026銷售額（億元）67.0%53.0%48.

27、0%202420252026銷售額增長率19 圖 8 2024-2026 年中國認知智能產品及服務市場結構預測 數據來源：賽迪顧問 2024，05 （二）市場趨勢判斷（二）市場趨勢判斷 認知智能技術將繼續優化升級。近年來，隨著 ChatGPT 的興起，大模型和生成式人工智能技術走入大眾視野，無疑對認知智能技術起到了強有力的推動作用，讓認知智能從理論向現實邁出了里程碑式的一步。未來，認知智能模型將深度融合認知科學、腦科學、心理學等多學科研究成果，從而更好地模擬人類的感知、思考、理解和推理能力，理解數據之間的關系和邏輯，進而更加適應復雜多變的環境。同時，可解釋性也將是認知智能技術進一步優化的方向，

28、涵蓋算法透明性和簡單性、表達的可解構性、模型的可擔責性及因果分析和推理，將使得人工智能決策更加透明，也有助于公眾更加理解和接受 AI 技術。72.2 107.4 156.8 17.3 29.5 45.9 2024E2025E2026E單位：億元認知智能技術服務認知智能平臺20 認知智能技術的行業應用將更加廣泛深入。與傳統的“機器學習+海量數據”的“野蠻”訓練方式不同，認知智能主張行業知識、行業數據與認知算法的深度融合，依托三大要素讓機器實現自主的識別、推理和決策能力，強調輸入變量與輸出變量的邏輯學關系而非統計學關系，能實現更高的精確度和更強的魯棒性。在此前提下，預計未來將有越來越多的具備鮮明經

29、驗屬性、但可訓練數據量小的行業投入到認知智能懷抱，推進工序流程、監測監管等環節的進一步優化。屆時，認知智能產品及服務市場規模也將釋放出更大的發展空間。認知智能未來亟需解決若干關鍵問題。一是數據隱私和安全問題，隨著認知智能應用的增多，不可預見的數據隱私和安全問題有可能顯現，從而限制用戶對認知智能技術的信任度；二是技術瓶頸問題，盡管技術仍在不斷進步，但在某些領域仍存在技術瓶頸，如大模型對話系統的理解和生成能力、模型的解釋性等問題，此類問題未妥善解決則會影響到后期的推廣與普及；三是人才短缺問題，認知智能更需要跨學科、跨領域的復合型人才，如計算機科學家、數據科學家、認知科學家、神經科學家、心理學家等，一旦人才供應不足則極有可能制約行業的有序發展；四是倫理和法律問題，人工智能技術的發展引發的倫理和法律問題已經開始顯現，如算法歧視、責任歸屬等，未來需要制定相應的政策和法規來規范行業發展。