德勤：2020年全球AI創新融合應用城市排名及展望報告（96頁）.pdf

《德勤：2020年全球AI創新融合應用城市排名及展望報告（96頁）.pdf》由會員分享，可在線閱讀，更多相關《德勤：2020年全球AI創新融合應用城市排名及展望報告（96頁）.pdf（96頁珍藏版）》請在三個皮匠報告上搜索。

1、Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 未來已來未來已來 全球全球 AIAI 創新融合應用城市排名及展望創新融合應用城市排名及展望 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 目錄 一、一、AI 創新融合新趨勢創新融合新趨勢.5 1.1 人工智能正全方位商業化.5 1.2 AI 全面進入機器學習時代.6 1.3 市場對投資回歸理性.8 1.4

2、 城市逐漸成為 AI 創新融合應用主戰場.13 1.5 AI 支持體系不斷發力.25 1.6 頂層政策傾斜力度持續增加.27 1.7 全球 AI 市場超 6 萬億美元.32 1.8 京津冀、長三角、珠三角 AI 企業云集.34 二二.人工智能技術發展騰飛人工智能技術發展騰飛.41 2.1 人工智能關鍵技術日趨成熟.41 2.2 人工智能開放平臺建設穩步推進.43 2.3“人機大戰”誰更能更勝一籌？.47 三三、中國在全球中國在全球 AI AI 地位地位.55 3.1 中國擁有更為龐大的數據規模以及更豐富數據使用環境.56 3.2 中國是全球芯片需求量最大的市場，但高端芯片依賴進口.57 3.3

3、 中國機器人企業快速成長核心零部件技術國產化加速.58 3.4 美國人工智能底層技術實力更為雄厚，中國則在圖像識別和語音識別技術上更優.59 3.5 中國在 AI 應用上呈現領先態勢.60 四四、人工智能重塑、人工智能重塑各各行業行業.62 4.1 金融：人工智能提升金融企業商業效能并變革企業內部經營.64 4.2 教育：人工智能技術應用覆蓋教學全流程.69 4.3 數字政務：政策利好加速政府智慧化變革.73 4.4 醫療：人工智能應用日趨成熟.75 4.5 無人駕駛：主導汽車產業革新.80 4.6 零售：人工智能驅動行業走向聚合.85 4.7 制造業：智能制造應用潛力巨大.89 4.8 智慧

4、城市：人工智能塑造城市基礎設施創新系統.93 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 主要發現：主要發現：1.人工智能正全方位商業化，在各個行業引發深刻變革。人工智能正全方位商業化，在各個行業引發深刻變革。目前 AI 技術已在金融、醫療、安防等多個領域實現技術落地，且應用場景也愈來愈豐富。人工智能的商業化在加速企業數字化、改善產業鏈結構、提高信息利用效率等方面起到了積極作用。2.AIAI 全面進入機器學習時代，未來人工智能的發展將是關鍵技術與產業的結合。全面進入機器

5、學習時代，未來人工智能的發展將是關鍵技術與產業的結合。每一次人工智能的發展都伴隨著研究方法的突破，深度學習是近年機器學習技術突破的重要代表之一。隨著人工人工智能研究和應用領域的不斷延伸，未來人工智能將迎來更多種技術的結合應用。3.人工智能投資趨于理性，底層技術和易落地領域更受人工智能領先機構青睞。人工智能投資趨于理性，底層技術和易落地領域更受人工智能領先機構青睞。隨著投資界和企業界對人工智能的了解逐步加深，人工智能投融資市場更加理性。人工智能投融資頻次有所下降，但投資金額繼續增加。特別是經過行業的一輪優勝劣汰后，底層技術創業公司以及落地性強的領域如醫療、教育、無人駕駛等創業項目繼續受到人工智能

6、領先機構的青睞。4.城市是承載城市是承載AIAI技術創新融合應用的綜合性載體，也是人類與技術創新融合應用的綜合性載體，也是人類與 AIAI技術產生全面感知的集技術產生全面感知的集中體驗地。中體驗地。不同城市在人工智能的頂層設計、算法突破、要素質量、融合質量、應用質量上有著不同的表現，形成多樣化與個性化的 AI 發展模式。5.政策與資本推動京津冀、長三角、珠三角成為人工智能企業分布最多的地區，北京、政策與資本推動京津冀、長三角、珠三角成為人工智能企業分布最多的地區，北京、上海領跑全國。上海領跑全國。比如上海通過提供稅收優惠、資金補貼、人才引入、優化政務流程等措施優化營商環境，吸引大量投融資資金、

7、人工智能企業以及人才，科研實力突出。促進人工智能產業鏈上下游企業形成規模效應，提升城市人工智能產業實力。6.6.以上海和北京為代表的一線城市在人才數量、企業數量、資本環境以及科研能力長期以上海和北京為代表的一線城市在人才數量、企業數量、資本環境以及科研能力長期處于第一梯隊。處于第一梯隊。上海、北京城市的人工智能企業數量以超過 200 家，其中上海已經與科技巨頭騰訊、微軟以及人工智能獨角獸商湯、松鼠 AI 建立了企業實驗室。7.7.人工智能推動金融行業構建更大范圍能的高性能生態系統，提升金融企業商業效能并人工智能推動金融行業構建更大范圍能的高性能生態系統，提升金融企業商業效能并變革企業內部經營全

8、過程。變革企業內部經營全過程。傳統金融機構與科技公司合力推進人工智能在金融行業的深度滲透，重構服務架構，提升服務效率，向長尾客戶提供個性化服務的同時降低金融風險。8.8.人工智能在教育行業的應用逐步深入，應用場景向覆蓋教學全流程方向變革。人工智能在教育行業的應用逐步深入，應用場景向覆蓋教學全流程方向變革。在人工智能技術在教育領域的應用類型中，人工智能自適應學習在學習各環節應用最為廣Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 泛。此外，由于智適應學習將解決中國人口基數大，

9、教育資源緊缺，對教育的重視程度層次不齊等不利因素，智適應學習系統將有望后來者居上。9.9.數字數字政務的建設主要依靠自上而下推動，構建政務數字化目標加速政府智能化變革。政務的建設主要依靠自上而下推動，構建政務數字化目標加速政府智能化變革。各地數字政務建設的需求不同，因而為企業提供的是定制化解決方案。公共安全領域進入門坎提高，強者恒強趨勢明顯，行業集中度進一步增強。10.以無人駕駛技術為主導的汽車行業將迎來產業鏈的革新。以無人駕駛技術為主導的汽車行業將迎來產業鏈的革新。傳統車企的生產、管道和銷售模式將被新興的商業模式所替代。新興的無人駕駛解決方案技術公司和傳統車企的行業邊界將被打破。隨著共享汽車

10、概念的興起。無人駕駛技術下的共享出行將替代傳統的私家車的概念。隨著無人駕駛行業規范和標準的制定，將衍生出更加安全和快捷的無人貨運和物流等新興的行業。11.人工智能在制造業領域的應用潛力被低估，優質數據資源未被充分利用。人工智能在制造業領域的應用潛力被低估，優質數據資源未被充分利用。制造業專業性強，解決方案的復雜性和定制化要求高，所以人工智能目前主要應用在產質量檢分揀和預測性維護等易于復制和推廣的領域。然而，生產設備產生的大量可靠、穩定、持續更新的資料尚未被充分利用，這些數據可以為人工智能公司提供優質的機器學習樣本，解決制造過程中的實際問題。12.零售領域應用場景從個別走向聚合，傳統零售企業與創

11、業企業結成伙伴關系，圍繞人、零售領域應用場景從個別走向聚合，傳統零售企業與創業企業結成伙伴關系，圍繞人、貨、場、鏈搭建應用場景。貨、場、鏈搭建應用場景。人工智能在各個零售環節多點開花，應用場景碎片化并進入大規模實驗期。傳統零售企業開始布局人工智能，將與科技巨頭在大數據應用和人工智能領域同臺競技，意味著零售商將更加積極與創業公司建立伙伴關系。13.醫療行業人工智能應用發展快速醫療行業人工智能應用發展快速，但急需建立標準化的人工智能產品市但急需建立標準化的人工智能產品市場準入機制并場準入機制并加強醫療數據庫的建設加強醫療數據庫的建設。人工智能的出現將幫助醫療行業解決醫療資源的短缺和分配不均的眾多民

12、生問題。但由于關乎人的生命健康，醫療又是一個受管制較嚴的行業。人工智能能否如預期廣泛應用，還將取決于產品商業化過程中如何制定醫療和數據監管標準。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 一、一、AI 創新融合新趨勢創新融合新趨勢 1.11.1 人工智能正全方位商業化人工智能正全方位商業化 當前人工智能技術已步入全方位商業化階段，并對傳統行業各參與方產生不同程度的影響，改變了各行業的生態。這種變革主要體現在三個層次。第一層是企業變革:人工智能技術參與企業管理流程與生產流

13、程，企業數字化趨勢日益明顯，部分企業已實現了較為成熟的智慧化應用。這類企業已能夠通過各類技術手段對多維度用戶信息進行收集與利用，并向消費者提供具有針對性的產品與服務，同時通過對數據進行優化洞察發展趨勢，滿足消費者潛在需求。第二層是行業變革:人工智能技術帶來的變革造成傳統產業鏈上下游關系的根本性改變。人工智能的參與導致上游產品提供者類型增加，同時用戶也會可能因為產品屬性的變化而發生改變，由個人消費者轉變為企業消費者，或者二者兼而有之。第三層是人力變革。人工智能等新技術的應用將提升信息利用效率，減少企業員工數量。此外，機器人的廣泛應用將取代從事流程化工作的勞動力，導致技術與管理人員占比上升，企業人

14、力結構發生變化。圖表圖表 1 1-1 1：人工智能技術帶來的全方位變革：人工智能技術帶來的全方位變革 數據源：公開資料，德勤研究 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 1.1.2 2 AIAI 全面進入機器學習時代全面進入機器學習時代 隨著技術的進步和發展，人類學習知識的途徑逐漸從進化、經驗和傳承演化為了借助計算機和互聯網進行傳播和儲存。由于計算機的出現，人類獲取知識的途徑開始變得更加高效和便捷。在不久的將來，絕大多數的知識將被機器提取和儲存。強大的計算機算法將逐

15、漸獲得類人的能力，包括視覺、說話的能力和方向感等。在人工智能眾多的分支領域中，“機器學習”（Machine Learning）是人工智能的核心研究領域之一。包括 89%的人工智能專利申請和 40%人工智能范圍內的相關專利均為機器學習范疇。最初的研究動機是為了讓計算機系統具有人的學習能力以便實現人工智能。機器在現有的知識找到空缺，接著機器效仿人腦并模擬進化，系統化地減少不確定性，識別新舊知識的相同點，并完成學習。圖表圖表 1 1-2:2:人工智能各層級圖標人工智能各層級圖標 數據源：德勤研究 人工智能核心是算法人工智能核心是算法 作為人工智能的底層邏輯，算法是產生人工智能的直接工具。從歷史的進程

16、來看，人工智能自1956 年提出以來，經歷了三個階段，這三個階段同時也是算法和研究方法更迭的過程：第一Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 個階段是 20 世紀 6070 年代，人工智能迎來了黃金時期，以邏輯學為主導的研究方法成為主流。人工智能力通過計算機來實現機器化的邏輯推理證明，但最終難以實現。第二個階段是20 世紀 7090 年代，其中，1974 到 1980 年間，人工智能技術的不成熟和過譽的聲望使其進入“人工智能寒冬”，人工智能研究和投資大量減少。198

17、0 年到 1987 年，專家系統研究方法成為人工智能研究熱門，資本和研究熱情再次燃起；1987年到1993年，計算機能力比之前幾十年已有了長足的進步，這時試圖通過建立基于計算機的專家系統來解決問題，但是由于數據較少并且太局限于經驗知識和規則，難以構筑有效的系統，資本和政府支持再次撤出，人工智能迎來第二次“寒冬”。第三個階段是20世紀90年代以后，1993年到2011年，隨著計算力和數據量的大幅度提升，人工智能技術獲得進一步優化；至今，數據量、計算力的大幅度提升，幫助人工智能在機器學習，特別是神經網絡主導的深度學習領域得到了極大的突破?；谏疃壬窠浘W絡技術的發展，才逐漸步入快速發展期。圖表圖表

18、1 1-3 3：人工智能技術發展歷史：人工智能技術發展歷史 數據源：公開資料，德勤研究 此外，數據是人工智能底層邏輯中不可或缺的支撐要素，沒有數據針對人工智能的數據處理將無法進行。有了數據挖掘對數據的清晰、集成、歸約等預處理手段，人工智能才能擁有足夠的數據進行學習。隨著人工智能技術的迭代更新，從數據生產、采集、儲存、計算、傳播到應用都將被機器所替代。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 圖表圖表 1 1-4 4：數據處理的發展階段：數據處理的發展階段 數據源：公開

19、資料，德勤研究 1.3 1.3 市場對投資回歸理性市場對投資回歸理性 從科研和學術的范疇到技術創業，人工智能僅用了幾年的時間。這樣的轉變不僅得益于人們希望新技術解放生產力的要求和政策的扶持，還離不開資本市場對人工智能的助推。隨著資本市場對人工智能認知的不斷深入，投資市場對人工智能的投資也日趨成熟和理性。在過去 5 年間，中國人工智能領域投資出現快速增長。人工智能的元年 2015 年，投資總額達到了 450 億元，同比增長 306%，并在 2016 年和 2017 年持續增加頻次。2019 年上半年中國人工智能領域共獲融資超過 478 億元，獲得了不俗的成績。圖表圖表 1 1-5 5：全球全球人

20、工智能投融變化情況人工智能投融變化情況 數據源：公開資料整理，德勤研究 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 分析人工智能的投資趨勢，主要分為以下幾點：易落地人工智能應用場景受投資人追捧。易落地人工智能應用場景受投資人追捧。近年投融數據顯示，企業服務、機器人、醫療健康、行業解決方案、基礎組件、金融領域在投資頻次和融資金額上均高于其他行業。從公司層面來看，全球頂級團隊、資金實力和科技基因更易受到二級市場投資者的青睞。從行業方面來看，容易落地的新零售，無人駕駛，醫療和

21、智適應教育預示著更多的機會，因此以上領域的公司擁有更多獲得投資的機會。圖表圖表 1 1-6 6：人工智能各行業投融資頻次分布：人工智能各行業投融資頻次分布 數據源：Crunchbase，德勤研究 投資市場開始青睞底層技術創業公司。投資市場開始青睞底層技術創業公司。有別于前期對應用型人工智能公司的投資偏好，投資市場開始逐漸關注人工智能底層技術的創業公司。做底層技術更易受追捧，由于天花板高，這類公司在市場上更加具有競爭力。由于人工智能底層技術在中國的發展仍落后于美國的，而底層技術是人工智能發展的重要支持，隨著人工智能在中國的進一步發展，底層技術的投資的熱度將持續增長。0200400600800智能

22、制造教育零售金融汽車交通醫療健康硬件企業服務2016年2017年2018年2019上半年Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 獲投獲投 A A 及及 B B 輪公司占比仍然最高，戰略投資開始逐漸增多。輪公司占比仍然最高，戰略投資開始逐漸增多。目前全國有超過 1300 家人工智能企業獲得風險投資投資1。其中 A 輪以前的占比開始逐漸縮小，投資人對 A 輪仍然保持著較高的熱情，目前是獲得投資頻次最高的輪次。戰略投資在 2017 年開始爆發。隨著人工智能市場板塊的逐漸成

23、熟，以互聯網巨頭為主的領軍企業將目光投向了尋求長期合作發展的戰略投資。這也預示著人工智能行業與產業在資本層面的戰略合作開始增多。圖表圖表 1 1-7 7：20132013 年年-20192019 年年上半年上半年人工智能投資輪次人工智能投資輪次 數據源：德勤研究 巨頭投資人工智能布局在業務關聯產業上下游。巨頭投資人工智能布局在業務關聯產業上下游。在人工智能發展的熱潮中，嗅覺敏銳的互聯網巨頭也開始了自己的戰略布局。阿里巴巴、騰訊、百度、京東為首的互聯網巨頭已經將投資滲透到人工智能的各個板塊。從領域來看，各投資機構選擇投資的項目均處于其未來產業戰略布局的上下游,而這些獲投項目也推動著國家人工智能發

24、展戰略的落地。例如阿里巴巴投資重點主要在安防和基礎組件，獲投的代表性公司包括商湯、曠視和寒武紀科技等。騰訊投資的重點主要集中在智慧健康、教育、智慧汽車等領域，代表性的公司包括蔚來汽車、碳云智慧等企業。百度投資的重點主要在汽車、零售和智慧家居等領域。京東投資重點聚集在汽車、金融和智慧家居等領域。而依托中科院體系的國科系則在與芯片、醫療、教育等人工智能技術和應用領域均有涉足。隨著數字化在各行業中的轉型和融 0%10%20%30%40%50%60%70%80%90%100%2013201420152016201720182019H1A輪以前A輪B輪C輪D輪戰略投資Information classi

25、fication:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 合，人工智能在無人駕駛、醫療健康、教育、金融、智能制造等多個領域都將成為巨頭的必爭之地。圖表圖表 1 1-8 8：AIAI 領先企業主要投資領域領先企業主要投資領域 數據源：德勤研究 圖表圖表 1 1-9 9：全球人工智能企業高增長：全球人工智能企業高增長排行榜排行榜 排名排名 公司名稱公司名稱 國家國家 增長率增長率 細分領域 1 1 Shape Security 美國 23576%*企業服務 2 2 BioCatch 美國 10451%*醫療 3 3 Sig

26、nifyd 美國 6417%*企業服務 4 4 乂學教育-松鼠AI 中國 5752%*教育 5 5 UiPath 美國 4614%*機器人 6 6 Remark Holdings,Inc.美國 3741%*數據服務 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 7 7 Domino Data Lab 美國 3257%*金融 8 8 Mujin Inc 日本 1251%*機器人 9 9 Vectra 美國 1099%*安防 1010 地平線 中國 1000%自動駕駛 111

27、1 DataRobot 美國 900%深度學習 1212 Datum Studio Co Ltd 日本 881%*深度學習 1313 字節跳動 中國 733%*商業智能 1414 Videonetics Technology Pvt Ltd 印度 699%*計算機視覺 1515 云從科技 中國 650%*人臉識別 1616 Welltok 美國 584%*醫療 1717 BounceX 美國 400%*營銷 1818 商湯科技 中國 400%視覺 1919 Hivery 澳大利亞 370%*零售 2020 巨杉軟件 中國 363%*金融數據服務 2121 Avant 美國 360%*金融 22

28、22 Cloudera,Inc.美國 354%*數據服務 2323 華策輝弘 中國 347%*數據服務 2424 珈和科技 中國 338%*農業信息化 2525 GumGum 美國 319%*計算機視覺 2626 Blue Prism 英國 304%*機器人 2727 TechVantage Systems Pvt Ltd 印度 300%*深度學習 2828 云知聲 中國 300%語音識別 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 2929 SparkCognitio

29、n 美國 268%*網絡安全 3030 SmartDrive Systems 美國 258%*無人駕駛 3131 HireVue 美國 231%*企業服務 3232 Facebook 美國 226%*企業服務 3333 Voltari 美國 223.30%廣告營銷 3434 Polestar Solutions&Services India Pvt Ltd 印度 221%*網絡安全 3535 曠視科技 中國 194%計算機視覺 3636 BYJUS 印度 186%教育 3838 ZeMoSo Technologies Pvt Ltd 印度 171%*數據服務 3737 Conversica 美

30、國 152%*營銷 3939 玖富 中國 124%金融 4040 Domo 美國 91.1%*商業智能 4141 Tesla 美國 82%無人駕駛 4242 Amazon 美國 71.3%*綜合 4343 NVIDIA 美國 69.6%*芯片 4444 螞蟻金服 中國 65%金融 4545 Globant 美國 61.6%*數據服務 4646 Alphabet 美國 51.6%*綜合 4747 阿里巴巴 中國 51%綜合 4848 Microsoft 美國 51%*綜合 4949 科大訊飛 中國 45%智能語音 5050 Uber 美國 43%無人駕駛 備注：增長率以三年*為基準，若無三年*數

31、據則以兩年*為準，若無兩年*數據則以一年為準。來源：德勤研究 1.41.4 城市逐漸成為城市逐漸成為 AIAI 創新融合應用主戰場創新融合應用主戰場 城市是承載 AI 技術創新融合應用的綜合性載體，也是人類與 AI 技術產生全面感知的集中體驗地。過去幾年，全球各地的主要城市都在 AI 技術的發展中發揮了差異化作用，構建了各自的生態體系，并在賦能產業應用、助力區域經濟發展方面實現初步效果，掀起了人類對新一輪產Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 業革命的思考、認知和

32、行動。隨著 AI 應用紛紛落地于城市層面，城市逐漸成為 AI 創新融合應用的主戰場。雖然全球各地 AI 技術的關鍵成功要素各有差異，但總體而言都構建了有利于技術與城市融合的生態發展體系。我們對超過 50 個 AI 技術細分應用行業、100 多個 AI 技術相關的大學及研究機構、200 多家頭部企業、500 多個投資機構、7,000 家 AI 企業、10 萬名 AI 領域核心人才的持續跟蹤觀察，總結了以城市為主體的 AI 技術及產業生態體系的特點、框架及發展路徑。經過綜合考慮，我們認為一個城市 AI 技術創新融合應用程度可主要通過考察以下五大方面：頂層設計頂層設計：即 AI 產業扶持政策、特殊立

33、法、資料開放政策及開放程度等 算法突破算法突破：即 AI 芯片等人工智能核心軟硬件的研發核心環節等 要素品質要素品質：即 AI 領軍人物、資本支持力度、科學家薪酬水平、行業會議影響力等 融合品質融合品質：即前沿學科連結性（AI:+Cloud、+Blockchain、+IoT、+5G、+Quantum Computing 等前沿技術）、創新主體多元性（頭部企業、學術機構等）、文化多樣性等 應用質量應用質量：即金融、教育、醫療、數位政務、醫療、無人駕駛、零售、制造、綜合載體發展等 根據全球城市在上述五項指標中的評估表現，德勤評選出最具代表性的三大類共計 20 個全球AI 創新融合應用城市：圖圖 1

34、-10 2019 年年 20 個全球個全球 AI 創新融合應用城市創新融合應用城市 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：德勤研究 綜合樞紐型綜合樞紐型 圖圖 1 1-11 11 綜合樞紐型綜合樞紐型 AIAI 城市城市 來源：德勤研究 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 舊金山灣區舊金山灣區 舊金山灣區作為全球知名的 AI

35、創新地，在 AI 創新融合應用城市評選的 5 個方面均表現亮眼。其中，在要素質量方面，舊金山灣區是全球 AI 資本的集聚地，數據顯示，2000-2016 年吸引了全球 38%的 AI 投資，美國超過 1/3 的人工智能企業誕生于此2。此外，舊金山大灣區還積極承辦具有全球影響力的人工智能論壇2018 年 AAAI Conference，進一步提高城市在人工智能產業發展的影響力。在融合質量方面，舊金山灣區匯集了美國斯坦福、伯克利、圣地亞哥等全球頂尖研究型高校，為 Facebook、LinkedIn、Amazon、Apple、Google等科技巨頭輸送了大量 AI 人才。值得注意的是，3上述企業為機

36、器學習科學家提供的平均年收入高達293,000 美元，對 AI 人才集聚具有極強的吸引力。在應用質量方面，硅谷作為灣區人工智能產業的核心載體，包括 IBM、Google、NVIDIA、Intel 在內的頭部科技企業目前在智慧家居、智慧交通、智慧醫療、智慧零售、智能能源和智能水資源等不同應用領域中積極布局。倫敦倫敦 倫敦作為歐洲創新密度最高的 AI 樞紐，一直走在 AI 產業創新的前沿。在應用質量方面，總部位于倫敦的 AI 明星企業DeepMind 公司制造的 AlphaGo 圍棋機器人擊敗了排名世界第一的世界圍棋冠軍柯潔，成為人工智能發展史上的里程碑事件。目前 DeepMind 已與英國醫療機

37、構和電力能源部門達成合作，尋求將人工智能運用在醫療、電力等領域的方案，以此提高疾病防治和能源適用效率。在融合質量方面，倫敦是歐洲 AI 投融資的火車頭，數據顯示，2000-2006 年英國累計 AI 融資規模占歐洲的 49%，其中超過 60%的資金集中在倫敦4。數據顯示，英國人工智能企業融資規模達 12.51 億美元，融資 145 次，平均每筆融資 862.76 萬美元5。在人才方面，來自劍橋、牛津和國王學院等英國頂級學府的大量 AI 人才推動了倫敦在云計算和 AI 硬件方面的發展，例如知名半導體公司 ARM 就是劍橋大學剝離而來。波士頓波士頓 波士頓是人工智能的誕生地，在學術界及業界擁有著極

38、強的影響力。在要素質量方面，除了定期舉辦的世界級人工智能會議 AI World Conference&Expo 之外，波士頓學術界更是誕生了 人工智能之父 約翰 麥卡錫(John McCarthy)與馬文 李 閔斯基(Marvin Lee Minsky)。2全球人工智慧發展報告(2017)，烏鎮智庫 3 前瞻研究院 4 全球人工智慧發展報告(2017)，烏鎮智庫 5 全球人工智慧發展報告(2018)，烏鎮智庫 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 兩人在達特矛斯會

39、議上首次提出 人工智能 概念，并因在人工智能領域的突出貢獻而獲頒圖靈獎。在融合質量方面，波士頓擁有眾多世界一流學府，包括哈佛大學、波士頓大學、麻省大學、麻省理工在內的 35 座大學為波士頓地區人工智能產業持續提供高端人才。此外，根據麻省理工大學指出，波士頓還擁有頂尖的人工智能研究機構，包括全球最大的校園實驗室麻省理工學院計算機科學和人工智能實驗室(CSAIL)以及 IBM 在波士頓地區投資 2.4 億美元設立的 MIT-IBM Watson 人工智能研究所。在應用質量方面，受益于在機器人和生物科學領域積累的研究經驗，波士頓在這兩個領域的人工智能應用較為領先。根據 Emerj 人工智能研究院顯示

40、，超過 90%的美國軍方所使用的陸地移動機器人研發于波士頓。東京東京 東京是日本人工智能產業的首府。在頂層設計方面，政府為了推進東京人工智能產業的發展，專門成立了一個“人工智能戰略委員會”，為鼓勵企業發展人工智能產業制定各項政策。在應用質量方面，東京偏向于無人駕駛及機器人的發展。本田近年已在東京設立人工智能研究基地，著重加強本田在無人駕駛汽車上的競爭力。而在機器人領域最具有代表性的，則是安川電機公司生產的工業機器人，目前已經廣泛用于汽車、機械等領域的組裝與焊接。在要素質量方面，東京積極承辦國際人工智能展覽會 AI EXPO，展覽會聚集了包括阿里巴巴，Salesforce、FujiSoft 在內

41、的行業領軍者。在融合質量方面，不但政府設立多處人工智能研究機構，包括人工智能研究中心（AIRC）、高級智能項目中心（Center for Advanced Intelligence Project），東京大學、大阪大學、早稻田大學在內的 20 多所大學也均已設立人工智能專業，為人工智能產業的發展奠定了堅實的基礎。融合應用型融合應用型 圖圖 1 1-12 12 融合應用型融合應用型 AIAI 城市城市 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：德勤研究 紐約紐約

42、紐約是美國的金融和科技中心，在人工智能的融合質量和應用質量方面的表現尤為出色。在融合質量方面，紐約良好的投資環境和暢通的融資管道為 AI 初創企業的發展提供必要的支持。據紐約州公布的報告顯示，2016 年紐約市一共擁有 7,600 家科技公司，相比 2010 年增長了23%，除了來自硅谷的科技巨頭外還包括眾多市值超過十億美元的科技產業“獨角獸”公司，如 Warby Parker、Blue Apron、Buzzfeed、FanDuel、OscarHealth、ZocDoc 等，企業創新氛圍濃厚。在應用質量方面，紐約是美國智慧城市發展的領頭羊。紐約市政府與 Cisco IBSG 合作推 Smart

43、 Screen City 24/7 計劃，將傳統的電話亭改裝成具有觸摸和影音功能的智能屏幕（Smart Screen），為市民提供信息查詢服務的同時作為 WiFi 熱點構建全美最大的城市 WiFi 網絡。此外，紐約還在曼哈頓西部建設商住區并大安裝電子探測儀，用數碼技術實時偵測區內交通、能源和空氣質素等資料。同時，紐約作為世界金融之都，在金融科技的發展上也獨樹一幟。眾多全球知名金融機構如花旗銀行、摩根大通、摩根史坦利等近年來已在智慧投顧、智慧信貸等金融場景下推出金融服務產品。上海上海 上海作為中國經濟發展的領頭羊，在 AI 技術創新融合應用上持續發力，致力于打造人工智能“上海高地”。在頂層設計方

44、面，上海不斷完善和細化在人工智能領域的發展戰略和政策，繼Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 推動新一代人工智能發展的實施意見之后，上海于 2018 年 9 月的世界人工智能大會發布了關于加快推進上海人工智能高質量發展的實施辦法，辦法圍繞人工智能人才隊伍的建設、數據資源的共享和應用、產業的布局和集群、政府資金的引進與支持等方面提出了 22 條具體政策。在融合質量方面，上海作為世界聞名的金融中心，已成為了推動人工智能產業投資基金組建運作的核心地區。從投資項目來看，上

45、海擁有聚焦人工智能創新孵化的空間載體，入駐項目涉及醫療、教育、大資料等多個熱門領域，具備極佳的投資環境。目前上海不僅擁有人工智能核心企業近 400 家，啟動了微軟-儀電創新平臺、上海腦科學與類腦研究中心等基礎研發平臺，還吸引了亞馬遜、BAT、科大訊飛等行業創新中心和AI實驗室落滬。在應用質量方面，上海作為全國首個人工智能創新應用先導區，致力于發展無人駕駛、AI+5G、智能機器人，AI+教育、AI+醫療、AI+工業等應用場景，如特斯拉在上海建設超級工廠，將全面應用智能化和自動化生產技術。此外，上海近期積極建設馬橋人工智能創新試驗區，將成為未來上海 AI 場景落地的典范載體。北京北京 作為中國的政

46、治和經濟中心，北京在中國 AI 技術創新融合應用中扮演了舉足輕重的角色。在頂層設計方面，自 2016 年以來，北京已經發布了包括關于促進中關村智能機器人產業創新發展的若干措施、關于加快培育人工智能產業的指導意見等多項加快人工智能產業落地的政策。其規劃目標與國家基本一致，領先于其他城市。在融合質量方面，不僅清華、北航、北大等頂尖研究機構為北京 AI 產業培養了大量的人才，首都的人才集聚效應還使其匯集了中國 43%的 AI 初創企業和國內外科技巨頭的 AI 研究中心，如 Google Beijing AI center，百度深度學習技術國家工程實驗室等。在應用質量方面，在 2019 年 6 月召開

47、的北京市應用場景建設工作推進會上，北京市科委發布了首批 10項應用場景清單，明確未來將投資 30億元用于城市建設和管理、民生改善等領域，打造基于人工智能、物聯網、大數據等技術的應用場景，以此提升城市精細化管理能力和公共安全水平。目前，在無人駕駛應用場景方面，北京已經向百度頒發無人駕駛測試牌照并為其提供測試場地。特拉維夫特拉維夫 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 人工智能創新植根于以色列特拉維夫的城市基因中，促使其在要素質量、融合質量、應用質量等方面處于全球領先

48、地位。在要素質量方面，特拉維夫的人工智能創業公司維持著高水平的融資額，并且不斷實現增長，根據非營利組織 Start-Up Nation Central 報告顯示，在 2018 年以色列人工智能公司共獲得了 22.5 億美元的融資6。在融合質量方面，以色列已擁有 1150 家人工智能初創企業7，涵蓋機器學習、深度學習、計算機視覺、自然語言處理等技術領域。同時，以色列擁有希伯來大學、以色列理工大學、特拉維夫大學等人工智能頂尖研究型大學。在應用質量方面，特拉維夫人工智能企業應用方向涵蓋了眾多面向企業、面向消費者的服務領域，涵蓋社交媒體、電商、農業、石油、天然氣、采礦業、制造業等領域，以在社交媒體領域

49、的應用為例，Cyabra 通過用戶畫像積累、語料情感分析等技術為社交媒體公司識別及預測虛假社交賬戶。洛杉磯洛杉磯 洛杉磯是美國另一重要的人工智能之都，在頂層設計、要素質量、應用質量等方面具有突出表現。在頂層設計方面，美國發布國家人工智能研究和發展戰略計劃，將為人工智能培訓創建公共數據集，并評估人工智能技術。在要素質量方面，洛杉磯已舉辦美國人工智能峰會、洛杉磯大數據和人工智能論壇、南加州人工智能與數據科學峰會等眾多人工智能領域頂尖大會，如 2018 年“南加人工智能與數據科學峰會”吸引了 Salesforce、IBM、Redis Lab、Microsoft、Uber 等人工智能知名機構在大會上發

50、布行業報告。在應用質量方面，洛杉磯在智能交通、智能醫療、數字政務、數字安全等方面已有較為成功的應用，以人工智能在交通領域的應用為例，洛杉磯通過建設自動交通監控系統，包括一系列道路傳感器、數百個攝像頭、4,500個已實現系統控制的交通信號燈，成功將交通流量減少12%、車輛行駛速度提高16%8。創新引領型創新引領型 圖圖 1 1-13 13：創新引導型創新引導型 AIAI 城市城市 6 資料來源：Start-Up Nation Central 7 資料來源：Start-Up Nation Central 8 資料來源：Smart City Council Information classific

51、ation:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：德勤研究 多倫多多倫多 多倫多作為承接加拿大政府泛加拿大人工智能戰略的三個人工智能樞紐之一，是全球推動人工智能創新的典范城市。在頂層設計方面，相較于美國近年來趨嚴的移民政策，多倫多寬松友好的政治經濟環境吸引了大量的 AI 研究人員和工程師，極大地促進了本地人工智能的發展。在要素質量方面，強大的本地投資者，孵化器，技術專家，如 Geoffrey Hinton 等多倫多 AI 產業的領軍人物正在積極推動多倫多人工智能產業的進步和發展。在融合質量方面，多倫多大學和滑鐵

52、盧大學這兩所世界頂尖學術機構每年都為多倫多不斷地培養出工程師、開發人員、計算機和數據科學家等核心 AI 產業人才。此外，位于多倫多的世界上最大的創新中心之一Mars Discovery District、多倫多大學的 Vector Institute 以及非盈利組織 Creative Destruction Lab 三個機構正共同致力于將本地技術和商業人才匯集在一起從而推動城市的人工智能創新。在應用質量方面，多倫多以發展人工智能在醫療保健、金融、生物制藥、電子商務等行業的應用場景并打造人工智能小區為重點工作。以生物制藥為例，多倫多 AI 企業Cyclica 成功地開發了一種新型生物大數據和人工

53、智能平臺，該平臺被制藥業用于研發更好的藥物。深圳深圳 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 深圳作為中國的科技產業重鎮，擁有中國 20%的 AI 企業，在制造和硬件領域積累了大量的產業發展經驗。在算法突破方面，過去的幾十年中，深圳培育了世界互聯網巨頭騰訊和世界知名移動設備提供商華為。此外，曠視科技、依圖、商湯、優必選、碳云智慧等一大批AI 算法及軟硬件初創企業均在此設立了辦公室。事實上，深圳作為華南 AI 人才的集聚地，吸引了眾多來自中山大學、華南理工大學、暨南大

54、學等一流高校人才，為本地 AI 產業鏈各環節的發展提供了源源不斷的智庫儲備。在應用質量方面，作為全國人工智能專利貢獻最多的城市，深圳是名副其實的科技產業巨頭。工業機器人、民用無人機、智能手機等產品的產量均位居全國前列，智能制造、智能醫療、智能家居、智慧農業等一批新產業、新業態不斷涌現。新加坡新加坡 新加坡是一座典型的由政府公共部門與私營單位一起引導人工智能產業發展的城市。在頂層設計方面，政府積極引領人工智能產業的發展，在 2018 年出臺了關于自動駕駛汽車的交通法規，從而推動該應用場景的投資與發展。同時，新加坡政府與世界經濟論壇合作搭建亞洲首個人工智能倫理責任管理構架，推動企業及社會在相關問題

55、上的考。在要素質量方面，新加坡政府在近年推出 AI.SG 計劃。根據新加坡國家研究基金會顯示，該項目包含國家研究基金會(NRF)等公共單位及民間企業，將投資 1.5 億新加坡幣發展人工智能產業。在融合質量方面，SAP、Salesforce 等龍頭企業均在新加坡設立人工智能研究中心，為當地人工智能行業的發展注入了豐富的資源。行業的領軍人物也較為出眾，包括在頂級行業會議及雜志中發表超過200篇研究的 Steven Hoi 教授等科研人才。在應用質量方面，新加坡著力發展包括醫療保健、交通、金融和商業服務、制造業在內的人工智能應用場景，賦能當地經濟發展。巴黎巴黎 巴黎是歐洲最具投資吸引力的人工智能中心

56、之一，在頂層設計、要素質量和融合質量等方面具備較強優勢。在頂層設計方面，法國人工智能戰略的推出將人工智能上升至法國國家戰略高度，同時，未來還將建立公共機構和私人機構數據分享平臺以提高數據共享程度。在要素質量方面，法國政府將撥款 15 億歐元用以支持科技研發9。另外，巴黎大區政府也通過財政支持了眾多人工智能創業公司。在融合質量方面，IBM、谷歌、三星、Facebook 等頭部企業的人工智能總部已在巴黎建立。另外，巴黎還擁有眾多尖端實驗室、上千家人工智能創業公司以及巴黎第一大學等世界知名的研究型大學，已形成了繁榮的人工智能創新基地和生態體系。9 法國費加羅報 Information classif

57、ication:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 達拉斯達拉斯 達拉斯是美國人工智能代表城市之一，在要素質量、融合質量和應用質量等方面較為領先。在要素質量方面，達拉斯人工智能的領頭人物 Vibhav Gogate 教授曾獲美國國家科學基金會頒發的 CAREER 榮譽，并獲得美國國防高等研究計劃署 180 萬美元的研究經費10。2019 年初的Big Data&AI Conference 更是吸引了包含谷歌、亞馬遜、甲骨文、IBM、Verizon 在內的人工智能行業龍頭參與。在融合質量方面，得克薩斯大學達拉斯分校為

58、達拉斯提供了頂尖的人工智能研究實力，其計算機科學在人工智能及自然語言處理領域排名世界第六11，發布了一系列出版于國際人工智聯聯合會議的研究報告。在應用質量方面，達拉斯在人工智能零售應用方面的表現相當出色，領頭企業包括人工智能初創企業 Symphony Retail AI，曾獲得全球最大的人工智能評審機構 Awards.AI 頒發的“最佳零售向人工智能應用”獎項。阿姆斯特丹阿姆斯特丹 阿姆斯特丹正在發展為歐洲重要的人工智能城市，在算法突破、要素質量、應用質量等方面具有領先實力。在算法突破方面，阿姆斯特丹在運算智慧、感知智慧、認知計算等核心技術領域已實現了階段性的突破。要素質量方面，荷蘭國際人工智

59、能博覽會與荷蘭國際物聯網博覽會是歐洲最大的人工智能行業盛會，2018 年 6 月在阿姆斯特丹 RAI 國際會展中心舉辦的大會吸引了包括 IBM、DHL 和 KLM 等世界人工智能知名機構以及眾多人工智能專家。在應用質量方面，荷蘭眾多人工智能初創公司集聚阿姆斯特丹，應用方向涵蓋金融服務、零售、醫療保健、制造業、房地產、傳媒、農業等領域，例如企業 BI 平臺公司 Pyramid Analytics 提供的適應現有系統的機器學習模型和可視化系統被西門子等多個行業客戶所采用。柏林柏林 柏林是德國人工智能基礎研究實力最為雄厚的城市，在算法突破、融合質量、應用質量方面表現突出。在算法突破方面，柏林擁有目前

60、世界最大的非營利人工智能研究機構德國人工智能研究中心（DFKI），其股東包括 Google、Intel、微軟、寶馬、SAP 等全球科技龍頭企業。同時柏林擁有享譽世界的非營利性研究機構馬克斯-普朗克研究所（Max Planck Institute），下轄共有超過 80 個研究所12，因此柏林在基礎研究領域具備全球領先的科研實力。在融合質量 10 德克薩斯大學達拉斯分校官網 11 德克薩斯大學達拉斯分校官網 12 Max Planck Institute 官網 Information classification:InternalInformation classification:Interna

61、l 資訊分類資訊分類:內部內部 方面，眾多人工智能人才、占德國 40.2%的人工智能初創企業13、眾多科研機構的集聚形成了柏林多元化的融合創新氛圍。在應用質量方面，柏林在無人駕駛領域極具國際競爭力，例如奧迪等德國汽車制造商對于人工智能技術應用的進展處于全球領先地位。蒙特利爾蒙特利爾 蒙特利爾是新興的人工智能中心，被稱為人工智能的“新硅谷”，在頂層設計、要素質量、融合質量等方面優勢明顯。在頂層設計方面，魁北克省政府一系列稅收優惠、政策傾斜、投資優惠、貸款優惠、等優惠措施吸引了眾多人工智能公司落戶。在要素質量方面，蒙特利爾在人工智能行業的發展得到了政府的資本支持，5 年內人工智能行業將得到來自魁北

62、克省政府總共3.3 億加元的投資，其中約有 3,800 萬加元將用以吸引人工智能人才，6,500 萬加元將用以投資人工智能應用14。蒙特利爾的人工智能領軍人物 Yoshua Bengio 在人工智能領域的創新研究吸引了 Facebook、微軟、谷歌、等高科技巨頭公司的科研資金。此外，極具國際影響力的人工智能頂級會議神經信息處理系統大會（NIPS）也創立于加拿大。在融合質量方面，蒙特利爾擁有谷歌、Facebook、三星等國際人工智能巨頭設立的研究中心，同時擁有算法學習人工智能實驗室（MILA）、AI 實驗室（IVADO）、麥吉爾大學、蒙特利爾大學等眾多人工智能研究機構。斯德哥爾摩斯德哥爾摩 斯德

63、哥爾摩是北歐領先的人工智能代表城市，在頂層設計、要素質量等方面具有較強表現。在頂層設計方面，瑞典政府已將人工智能和機器學習確定為“能夠增強瑞典的競爭力和福利”的優先領域，參與歐洲 25 國簽署的人工智能合作宣言，以及參與丹麥、芬蘭等八個北歐和波羅的海國家的代表在斯德哥爾摩簽署加強人工智能合作宣言，以國家戰略推動人工智能的發展。在要素質量方面，斯德哥爾摩已舉辦了國際人工智能聯合會議（IJCAI）、歐洲人工智能會議（ECAI）、機器學習大會（ICML）、北歐商業論壇（Nordic Business Forum）等眾多國際人工智能大會，大會討論方向涵蓋機器學習、計算機視覺、多實體系統、自然語言處理等

64、領域。悉尼悉尼 13 德國商報 14 魁北克省政府 2019 預算 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 悉尼是全球知名的人工智能中心之一，在算法突破、要素質量、融合質量等方面均表現突出。在算法突破上面，悉尼大學 Ross Quinlan 博士發明了人工智能數據挖掘的全球第一算法 C4.5，凸顯了其在數據挖掘算法領域的優勢。此外，悉尼人工智能行業亦得到了澳大利亞政府 2.5 億美元支持，以推動人工智能相關的合作研究項目（CRC）的發展15。在融合質量方面，悉尼擁有

65、悉尼大學 UBTECH 悉尼人工智能中心、悉尼科技大學人工智能中心（CAI）。其中，UBTECH 悉尼人工智能中心與戴爾 EMC 合作開展人工智能及機器人應用方面的研究，而人工智能中心（CAI）已發布超過 740 篇人工智能相關的研究論文，其中 337 篇更是刊登于業界領先的研究雜志中16。都柏林都柏林 都柏林是人工智能知名島國愛爾蘭的首都及最大城市，在頂層設計、要素質量、融合質量等方面占據領先地位。在頂層設計方面，愛爾蘭經濟發展局（IDA）與 Enterprise Ireland 合力打造了愛爾蘭的 AI 島嶼戰略，計劃創立完全由業界引導的碩士項目及相關的短期教育課程，從國家戰略高度提升愛爾

66、蘭人工智能人才數量。在要素質量方面，都柏林人工智能行業融資水平較高，人工智能初創企業吸引了超過 58 億歐元的投資17。在融合質量方面，都柏林已建立了完善的人工智能創業生態，匯集了 Facebook、谷歌和微軟等科技巨頭。此外，科技公司紛紛來此設立人工智能研究中心，包括三星與都柏林大學學院 400 萬歐元的合作項目18及華為與都柏林三一學院 1,770 萬歐元的研究項目19。1.5 AI1.5 AI 支持體系不斷發力支持體系不斷發力 作為推動人工智能技術進步的“三駕馬車”，算法、數據和計算力在過去的 5-10 年間不斷創新。在算法方面，人類在機器學習的算法上實現了突破，特別是在視覺和語音技術方

67、面的成就尤為突出。在數據方面，移動互聯網時代的到來使數據量迎來了爆炸式增長。人工智能算法模型經過長期發展，目前已覆蓋多個研究子領域。以機器學習為例，其核心算法包括最小二乘法、K 近鄰算法、K 均值算法、PCA 分析法核心模型包括線性回歸、邏輯回歸、15 澳大利亞產業、創新與科學署 16 悉尼科技大學官網 17 Tech Ireland 18 都柏林大學學院官網 19 都柏林三一學院官網 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 判定樹、聚類、支持向量機等。主流算法模型

68、庫使得常見算法模型得到了高效實現：TensorFlow 框架、Caffe 框架、CNTK 框架等分別針對不同算法模型進行收集整合，在算法的開發利用中有很高的實用性。隨著大數據技術的不斷提升，人工智能賴以學習的標記數據獲得成本下降，同時對數據的處理速度大幅提升。寬帶的效率提升。物聯網和電信技術的持續迭代為人工智能技術的發展提供了基礎設施。2020 年，接入物聯網的設備將增加至 500 億臺。代表電信發展里程的 5G 的發展將為人工智能的發展提供最快 1Gbps 的信息傳輸速度。在計算力上，得益于芯片處理能力提升、硬件價格下降的并行使得計算力大幅提升。截至目前，全球人工智能的計算力主要是以 GPU

69、 芯片為主。但隨著技術的不斷迭代，如 ASIC、FPGA 在內的計算單元類別將成為支撐人工智能技術發展的底層技術。圖表圖表 1 1-1414：中國人工智能芯片市場規模與增速預測（：中國人工智能芯片市場規模與增速預測（20162016-20202020）數據源：前瞻產業研究院，德勤研究 圖表圖表 1 1-1 15 5：人工智能芯片分類：人工智能芯片分類 優點優點 缺點缺點 1933.345.656.175.10%10%20%30%40%50%60%70%80%010203040506070802016201720182019E2020E人工智能芯片市場規模（億元）增速Information cl

70、assification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 GPU 硬件資源僅小部分用于控制點、大部分用作邏輯元算單元（ALU），以上結構為大規模數據處理提供了條件 無法應對超大量的數據；需要基于指令系統；功耗大；需要解碼 ASIC 不需要取指令和譯碼；專注于數據處理或者傳輸 需定制；功能單一 FPGA 速度功耗優于通用處理器；可程序設計開發可以快速試錯迭代 功能需自身搭建；程序設計語言不統一 數據源：公開資料，德勤研究 1.61.6 頂層政策傾斜力度持續增加頂層政策傾斜力度持續增加 人工智能對社會和經濟影響的日

71、益凸顯，各國政府也先后出臺了對人工智能發展的政策，并將其上升到國家戰略的高度。截至目前，包括美國、中國和歐盟在內的多國和地區頒布了國家層面的人工智能發展政策。圖表圖表 1 1-1 16 6：各國針對人工智能出臺的政策各國針對人工智能出臺的政策 數據源：政府工作報告，公開資料,德勤研究 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 時至 2019 年，中國政府繼續通過多種形式支持人工智能的發展。此前，中國形成了科學技術部、國家發改委、中央網信辦、工信部、中國工程院等多個部門

72、參與的人工智能聯合推進機制。從 2015 年開始先后發布多則支持人工智能發展的政策，為人工智能技術發展 s 和落地提供大量的項目發展基金，并且對人工智能人才的引入和企業創新提供支持。這些政策給行業發展提供堅實的政策導向的同時，也向資本市場和行業利益相關者發出了積極信號。在推動市場應用方面，中國政府身體力行，直接采購國內人工智能技術應用的相關產品，先后落地多個智能城市、智能政務等項目。圖表圖表 1 1-1 17 7：國家層面人工智能發展政策：國家層面人工智能發展政策 數據源：公開資料，德勤研究 從戰略層面來看，新一代人工智能發展規劃是中國在人工智能領域進行的第一個系統部署文件，具體對 2030

73、年中國新人工智能發展的總體思路、戰略目標和任務、保障措施進行系統的規劃和部署。規劃根據中國人工智能市場目前的發展現狀分別對基礎層、技術層和應用層的發展提出了要求，并且確立中國人工智能在 2020、2025 以及 2030 年的“三步走”發展目標。圖表圖表 1 1-1 18 8：國家戰略規劃下的人工智能發展“三步走”：國家戰略規劃下的人工智能發展“三步走”Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：國務院，德勤研究 從地方政策來看，全國多地根據自身實際情況制定了人

74、工智能發展規劃。全國 31 省市中已有19 個省市發布了人工智能規劃，其中有 16 個制定了具體的產業規模發展目標，產業規模目標排名前五的省市分別為上海市、北京市、浙江省、廣州省和四川省。其中以北上廣深為代表的城市積極地制定了行之有效的政策，為人工智能產業的落地和發展產生了較大的推動作用，成為中國人工智能行業的重要實踐者和領頭羊。以北京為例，已經發布了包括關于促進中關村智能機器人產業創新發展的若干措施、關于加快培育人工智能產業的指導意見等多項加快人工智能產業落地的政策。其規劃目標與國家基本一致，領先于其他城市。圖表圖表 1 1-1 19 9：各省市人工智能發展政策：各省市人工智能發展政策 省市

75、省市 政策政策 北京北京 關于促進中關村智能機器人產業創新發展的若干措施 北京市加快科技創新培育人工智能產業的指導意見 中關村國家自主創新示范區人工智能產業培育行動計劃 上海上海 關于加快推進人工智能高質量發展的實施辦法 關于本市推動新一代人工智能發展的實施意見 上海市綠化市容行動行業人工智能發展規劃綱要 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 上海市人工智能創新發展專項支持實施細則 廣東廣東 廣東省新一代人工智能發展規劃 廣東省促進大資料發展行動計劃（2016-2

76、020 年）浙江浙江 浙江省新一代人工智能發展規劃 安徽安徽 安徽省新一代人工智能產業發展規劃 中國（合肥）智能語音及人工智能產業基地（中國聲谷）發展規劃（2018-2025年）廣西廣西 關于貫徹落實新一代人工智能發展規劃的實施意見 黑龍江黑龍江 黑龍江省人工智能發展規劃 沈陽市新一代人工智能發展規劃 四川四川 四川省新一代人工智能發展實施方案的通知 天津天津 天津市新一代人工智能產業發展三年行動計劃 天津市加快推進人工智能科技產業發展總體行動計劃 天津市人工智能“七鏈”精準創新行動計劃 河南河南 河南省智能制造和工業互聯網發展三年行動計劃 河北河北 河北省戰略性新興產業發展三年行動計劃 貴州

77、貴州 智慧貴州發展規劃（2017-2020 年）湖南湖南 長沙關于加快新一代人工智能產業發展推動國家智能制造中心建設的若干政策 湖北湖北 湖北省科技創新“十三五”規劃 福建福建 關于推動新一代人工智能加快發展的實施意見 江蘇江蘇 智慧江蘇建設行動計劃（2018-2020 年）江西江西 關于加速推進人工智能和智能制造發展的若干措施 數據源：公開資料，德勤研究 以上海為例，通過不斷完善和細化在人工智能領域的發展戰略和政策，上海正努力建造國家AI 發展高地。繼推動新一代人工智能發展的實施意見之后，上海于 2018 年 9 月的世界人工智能大會發布了關于加快推進上海人工智能高質量發展的實施辦法，辦法圍

78、繞人工智能人才隊伍的建設、數據資源的共享和應用、產業的布局和集群、政府資金的引進與支持等方面提出了 22 條具體政策。這 22 條新舉措與上海既往的 AI 行業政策緊密銜接，充分利用并結合各類資金、項目、服務資源，為上海的人工智能產業提供了廣闊的發展平臺。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 圖表圖表 1 1-2020：上海人工智能應用發展區劃：上海人工智能應用發展區劃 數據源：上海市經濟和信息化委員會，德勤研究 2019 年 6 月 13 日科創板在上海開板后，

79、投資和產業將進一步融合，為人工智能的創新提供資金保障。截止至 7 月 5 日，全國科創板注冊生效公司共有 25 家，注冊地為上海的有 5 所，其中就包括提供芯片服務的人工智能明星公司瀾起科技。從投資機構來看，上海匯集了大量資金雄厚、影響力巨大的金融公司，從投資項目來看，上海擁有聚焦人工智能創新孵化的空間載體，入駐項目涉及醫療、教育、大資料等多個熱門領域，擁有極佳的投資環境。上海政府還圍繞國家戰略，扶持了一批人工智能創新發展專項企業，這些創業項目大部分以其先進的技術和商業價值實現了落地，甚至獲得千萬級融資，成為將來沖擊科創板的熱門候選項目。圖表圖表 1 1-2121：上海市人工智能代表創新企業分

80、布：上海市人工智能代表創新企業分布 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：上海市經濟和信息化委員會，德勤研究 總的來說，人工智能產業在全國呈現出多地開花的勢態。各省市在國家推出人工智能發展規劃后積極響應，其中一線城市作為中國技術、人才和產業發展最具優勢的區域成為中國人工智能發展的中心，有效地帶動周邊區域的發展。1.7 1.7 全球全球 AIAI 市場超市場超 6 6 萬億美元萬億美元 人工智能將提升社會勞動生產率，特別是在有效降低勞動成本、優化產品和服務、

81、創造新市場和就業等方面為人類的生產和生活帶來革命性的轉變。全球范圍內越來越多的政府和企業組織逐漸認識到人工智能在經濟和戰略上的重要性，并從國家戰略和商業活動上涉足人工智能。全球人工智能市場將在未來幾年經歷現象級的增長。我們預測未來 2025 年世界人工智能市場將超過 6 萬億美元，2017-2025 年復合增長率達 30%。圖表圖表 1 1-2222：全球人工智能市場規模：全球人工智能市場規模 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：德勤研究 從行業來看，傳

82、統市場規模較大的領域將繼續領跑，2030 年制造業，通信、傳媒及服務，自然資源與材料將分別以 16%，16%，14%占據前三名。其中，龐大的制造業企業已經開始加速數字化轉型，推動智慧管理、智慧工廠、智慧物流等全方位智能化，因而制造業也是其中增速最快的領域。同時，在新領域中，教育領域人工智能技術的應用也開始向學習全過程滲透，增長速度也是不容忽視。圖表圖表 1 1-2323：人工智能市場規模（按行業分類）：人工智能市場規模（按行業分類）數據源：Gartner 0.691.181.902.433.043.504.485.736.400.001.002.003.004.005.006.007.0020

83、1720182019E2020E2021E2022E2023E2024E2025E萬億美元Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 我國的人工智能核心產業規模目前已超過 1000 億元，預計到 2020 年將增長至 1600 億元，帶動相關產業規模超一萬億元。20其中北京、上海、浙江、江蘇、廣東的人工智能相關產業規模位于所有省份和直轄市前列，預計 2020 年分別可達到 1400 億、1300 億、2700 億、1000 億和 2800 億。以上海為例，上海自推出關于

84、本市推動新一代人工智能發展的實施意見以來，人工智能產業發展加速，2019年相關產業規?？蛇_到1200億元。依托長三角的區位優勢，上海人工智能企業在人才、資本方面都能獲取到充足且優質的資源，企業集群帶來的效益提升顯著，有利于公司和行業規模的持續擴大。1.81.8 京津冀、長三角、珠三角京津冀、長三角、珠三角 AIAI 企業云集企業云集 人工智能技術進入商業應用階段后，已經逐步在眾多行業得到應用，其發展前景受到政府、企業等社會各方的普遍認可，毫無疑問已經成為影響經濟發展的重要力量。各地政府為推動產業升級，實現經濟新舊動能轉換，紛紛頒布與人工智能產業相關的產業規劃指導意見，提供稅收優惠、資金補貼、人

85、才引入、優化政務流程等措施優化營商環境，吸引有實力的企業入駐，同時培育本地人工智能企業。圖表圖表 1 1-2424：中國人工智能企業分布情況：中國人工智能企業分布情況 數據源：公開資料整理，德勤研究 在政策與資本雙重力量的推動下，人工智能企業數量快速上升，據不完全統計，中國各地人工智能企業超過 3000 家，京津冀、珠三角、長三角是人工智能企業最為密集的地區。同時，由 20 2018 年“世界電信和資訊社會日”工信部發言 0200400600800100012001400北京上海廣東浙江江蘇安徽福建陜西四川Information classification:InternalInformati

86、on classification:Internal 資訊分類資訊分類:內部內部 于有大量的傳統制造業需要利用人工智能技術進行智能化升級，再加上政府政策的支持，西部川渝地區也成為人工智能企業的聚集區域。從城市層面來看，北京、上海、深圳、杭州市是聚集人工智能企業數量最多的城市，均超過了 600 家，處于第一梯隊。圖表圖表 1 1-2 25 5：上海重點人工智能企業分布地圖：上海重點人工智能企業分布地圖 數據源：數據源：IT IT 桔子桔子，德勤研究，德勤研究 投融資金額：北京、上海人工智能初創企業融資金額最多投融資金額：北京、上海人工智能初創企業融資金額最多 活躍的資本環境將對支持人工智能初創企

87、業提升技術、獲取用戶、拓展市場有積極影響，促進人工智能產業鏈上下游企業形成規模效應，從而提升城市人工智能產業實力。圖表圖表 1 1-2 26 6：各城市人工智能初創企業融資金額（各城市人工智能初創企業融資金額（20152015 年年-20192019 年上半年）年上半年）020040060080010001200140016001800北京上海深圳杭州廣州南京蘇州（億元人民幣）Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：IT 桔子，德勤研究 初創企業在新技術的研

88、發與商用方面承擔開拓者的作用，初創企業獲得的融資金額在一定程度上代表了該地區在新技術的發展前景。人工智能技術已經步入商用階段，其應用范圍已經拓展至金融、交通、醫療、生產制造等多方面，初創企業獲得更多的融資金額意味著更多的資金將推動人工智能滲透更多行業。在初創企業獲得的融資金額方面，自 2015 年以來，北京、上海人工智能初創企業融資金額均超過 500 億元，分別為 1599 億元與 582 億元。這是因為北京、上海聚集中國大部分的人工智能初創企業，企業技術實力雄厚，同時客戶對新技術的接受度更高，因而擁有更為廣闊的應用市場?？蒲性盒Ｅc機構實力差異明顯：北京實力雄厚，上海依靠高校，深圳依靠企業，杭

89、州相對單科研院校與機構實力差異明顯：北京實力雄厚，上海依靠高校，深圳依靠企業，杭州相對單一一 科研院校與機構是人工智能技術研發的重要場所。中國人工智能論文數量自 2014 年超過美國，并且遠超其他國家，這與人工智能科研院校與機構的快速發展密不可分，同時，科研院校與機構也是人工智能專利申請的主要力量。因而，分析各城市人工智能科研院校與機構能夠幫助了解該城市的技術力量。圖表圖表 1 1-2 27 7：各城市人工智能科研院校與機構特點各城市人工智能科研院校與機構特點 Information classification:InternalInformation classification:Inter

90、nal 資訊分類資訊分類:內部內部 數據源：公開資料，德勤研究 上述四個城市在人工智能院校與機構維度各有特點。北京科研實力最為雄厚，擁有超過全國50%以上的科研院校，以及超過 10 家國家級實驗室，同時，百度、京東、美團等互聯網巨頭建設企業實驗室，向人工智能技術研發投入大量社會資本。上海借助包括復旦、同濟、上海交大等優質高校資源，人工智能技術力量在全國也位居前列。深圳科技企業眾多，借助騰訊、華為、中興等領頭企業的力量在人工智能技術占據一席之地。同時，政府也開始發揮其作用，建設了深圳智能機器人研究院與深圳人工智能與大數據研究院，以進一步提升技術實力。杭州無論是院校數量，院校實驗室或企業實驗室的數

91、量仍然與北上深有一定差距，主要依靠阿里巴巴這一巨頭開展人工智能研究。從科研和技術平臺的建設來看，上海已位居全國領先地位。上海人工智能功能平臺建設已包括上海自主智能無人系統科學中心、復旦腦科學協同創新中心、類腦芯片與片上智能系統平臺、腦與類腦智能國際創新中心和上海交通大學認知機器與計算健康研究中心等。與此同時，上海還成為了以“人工智能”為核心的產學研熱門城市。包括阿里巴巴、騰訊、商湯、曠視、微軟和亞馬遜在內的科技巨頭紛紛將其人工智能研發基地落戶上海，并與當地科研高校建立了聯合實驗室，而這一舉措也將加深產業與科研高校在人工智能領域的聯動，為上海人工智能產業的發展提供堅實的智力支持。Informat

92、ion classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 圖表圖表 1 1-2 28 8：上海人工智能科研中心分布：上海人工智能科研中心分布 來源：公開資來源：公開資料，德勤研究料，德勤研究 圖表圖表 1 1-2 29 9：AIAI 領先企業在上海研究中心分布領先企業在上海研究中心分布 數據源：德勤研究 人工智能人才：集聚經濟發達地區人工智能人才：集聚經濟發達地區 人工智能競爭歸根結底是人才的競爭。中國人工智能人才分布不均，主要集中于京津冀、長三角以及珠三角地區，此外中西部也已經形成一定的人才聚集，

93、主要分布在長江沿岸。從各城市人工智能人才占比來看，北京最具優勢，占比近 28%，是第二名上海（12.1%）的兩倍。深圳、杭州占比均低于 10%，位居第二梯隊。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 圖表圖表 1 1-3030：各城市人工智能人才數量占比各城市人工智能人才數量占比 數據源：全球人工智能人才白皮書，中國人工智能發展報告 2018，騰訊，德勤研究 注：地圖依據各省市人工智能人才數量，顏色越深代表人工智能人才數量更多；柱狀圖表示的人工智能人才占比=各城市人工

94、智能人才數量/中國人工智能人才總數 人工智能人才依賴于國內高校以及各科研機構的輸出，以上海為代表的一線城市憑借豐富而高質的科研教育平臺而在行業發展中具有明顯的優勢。目前我國超過75%的人工智能人才由國內高校培養，清華大學、上海交通大學、浙江大學在人工智能領域擁有較強的科研能力，也是我國人工智能人才的主要輸出院校。圖表圖表 1 1-3131：各高校發表人工智能國際論文數占比各高校發表人工智能國際論文數占比 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：中國新一代人工

95、智能科技產業發展報告(2019)，德勤研究 城市智慧化管理：受政策影響較大，深圳、上海、杭州先行。城市智慧化管理：受政策影響較大，深圳、上海、杭州先行。智慧城市框架下實現城市管理效率的提升主要通過利用信息技術實現政務系統的信息化，進而推動各領域數據交匯，從而為智能城市管理提供數據支持。深圳、上海和杭州的智慧城市管理得分更高。這些城市政府信息化起步較早，數字鴻溝大大縮小，普遍實現部門資源共享、協同辦公和網上審批。北京由于特殊地位，政府在實施智慧城市管理時需要有更多的考慮，因而排名較為靠后。圖表圖表 1 1-3232：各城市智慧城市管理排名各城市智慧城市管理排名 數據源：超級智慧城市，德勤研究 0

96、.00%1.00%2.00%3.00%4.00%5.00%南京大學北京理工大學華中科技大學武漢大學北京大學北京航空航天大學哈爾濱工業大學浙江大學上海交通大學清華大學Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 二二.人工智能技術發展騰飛人工智能技術發展騰飛 2.12.1 人工智能關鍵技術日趨成熟人工智能關鍵技術日趨成熟 人工智能在最近十年的進展迅速，包括機器學習，自然語言處理，計算機視覺、智適應技術等領域都得到了長足的發展。據清華大學數據顯示，計算機視覺，語音，自然語言處

97、理是中國市場規模最大的三個應用方向，分別占比 34.9%，24.8%和 21%。圖表圖表 2 2-1:1:人工智能應用技術熱點排名人工智能應用技術熱點排名 數據源：百度指數，德勤研究 自主無人系統技術落地在望：自主無人系統技術落地在望：由于 AI 和機器學習的不斷進步，無人車，無人機以及醫療機器人的技術都得到了顯著的發展，其根本原因歸功于自主無人系統算法的支撐。深度學習已經證明具有出色的能夠處理復雜任務的能力?，F代計算設備，比如圖形處理單元(GPUs)和計算框架如Caffe,Theano和Tensor Flow有助于設計者和工程師建立具有創新性的無人自主系統。阿里巴巴人工智能實驗室開發單車智能

98、系統,實現了全場景、全天候的厘米級定位。百度的無人駕駛技術包含障礙物感知、決策規劃、云端模擬、高精地圖服分、銷到端的深度學習(End-to-End)等五大核心能力。地平線推出了針對自動駕駛的深度學習處理器 IP 及其重點面向自動駕駛領域的平臺。在產業應用方面，上海西井科技已經在無人貨運方面進行了探索。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 巨頭必爭的語音識別技術：巨頭必爭的語音識別技術：語音識別通過信號處理和識別技術讓機器自動識別和理解人類的語言，并轉換成文本和命令

99、。其應用場景涉及智能電視、智能車載、電話呼叫中心、語音助手、智能移動終端安、智慧家電等。在語音識別技術方面，百度、科大訊飛、搜狗等主流平臺識別準確率均在97%以上。與此同時，包括上海云知聲在內的新興創業企業在語音識別行業占有一席之地?？拼笥嶏w擁有深度全序列卷積神經網絡語音識別框架，輸入法的識別準確率達到了98%。搜狗語音識別支持最快 400 字每秒的聽寫。阿里巴巴人工智能實驗室通過語音識別技術開發了聲紋購物功能的人工智能產品。人工智能自適應學習技術日趨成熟：人工智能自適應學習技術日趨成熟：作為教育領域最具突破的技術，人工智能自適應學習(Intelligent Adaptive Learning

100、)技術（以下簡稱智適應學習），模擬了老師對學生一對一教學的過程，賦予了學習系統個性化教學的能力。和傳統千人一面的教學方式相比，智適應學習系統帶給了學生個性化學習體驗，提升了學生學習投入度、提高了學生學習效率。智適應學習技術在美國和歐洲使用時間超過十年，各年齡段都有大量用戶使用，累積用戶超過一億。產品和技術方面都打磨的比較完善。相對來說，智適應學習技術在國內積累的資料量稍有落后，處在初步發展階段。優勢在于，中國人口基數大、發展速度快，未來有望后來者居上。在國內，以松鼠 AI 為代表的智適應教學企業在遺傳算法、神經網絡技術、機器學習、圖論、概率圖模型、邏輯斯蒂回歸模型、知識空間理論、信息論、貝葉斯

101、理論、知識追蹤理論、教育數據挖掘、學習分析技術等都實現了技術積累?？焖俪墒斓臋C器視覺技術：快速成熟的機器視覺技術：計算機視覺是計算機代替人眼對目標進行識別、跟蹤和測量的機器視覺。計算機視覺的應用場景廣泛，在智能家居、語音視覺交互、增強現實技術、虛擬現實技術、電商搜圖購物、標簽分類檢索、美顏特效、智能安防、直播監管、視頻平臺營銷、三維分析等方面都擁有長足的進步。在該領域科技巨頭和獨角獸聚集，代表性的企業和科研機構包括百度、騰訊、?？低?、清華大學、中科院等。百度開發了人臉檢測深度學習算法PyramidBox,；?？低晥F隊提出了以預測人體中軸線來代替預測人體標注框的方式,來解決弱小目標在行人檢測

102、中的問題。騰訊優圖和香港中文大學團隊在 CVPR2018 提出了 PANet,在Mask R-CNN 的基礎上進一步聚合底層和高層特征，對于 ROI Align 在多個特征層次上采樣候選區域對應的特征網格，通過智適應特征池化做融合操作便于后續預測。此外，上海云從科技、深蘭科技、七牛在內的計算機視覺的創新企業在計算機視覺方面都擁有領先技術。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 2.22.2 人工智能開放平臺建設穩步推進人工智能開放平臺建設穩步推進 廣闊的產業及解決方

103、案市場是中國人工智能發展的一大優勢。以上優勢的形成除了得益于大量的搜索數據、豐富的產品線以及廣泛的行業提供的市場優勢，還因為各大國內外的科技巨頭對開源科技小區的推動，幫助人工智能應用層面的創業者突破技術的壁壘，將人工智能技術直接應用于終端產品層面的研發。從行業來看，人工智能已經在醫療，健康，金融，教育，安防等多個垂直領域得到應用。隨著人工智能技術的商用加快，包括科技巨頭和新興人工智能創業公司形成了自己的技術優勢。為更大程度的利用技術優勢擴大自身的商業優勢，以及扶持人工智能行業的發展，技術領先的人工智能企業開始構建自己的人工智能開放平臺。人工智能平臺是構建人工智能應用的工具。人工智能平臺結合了智

104、能、決策類算法和數據，使開發者可通過平臺創建自己的商業解決方案。一些人工智能平臺提供默認的算法和簡易的框架，人工智能平臺具備“平臺即服務”（PaaS）的功能,可提供基礎的應用開發；一些則需要開發者自行開發和程序設計。這些算法可以功能性的支持圖片識別、自然語言處理、語音識別、推薦系統和預測分析等一系列的機器學習的相關技術。人工智能開放平臺的搭建旨在打造從源頭技術創新到產業技術創新的人工智能產業鏈。開放的平臺連接的產業鏈的兩端。一方面它可以連接了開發者和一些研究機構。另一方面可以連接許多下游的企業，比如一個以圖像識別為主的人工智能開放平臺，可以將相關技術能力開放給希望在圖像識別領域開辟業務的創業團

105、隊。圖圖 2 2-2 2：國內外技術及應用開放平臺：國內外技術及應用開放平臺 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：公司官網、德勤研究 2017 年，科技部等部門經充分調研和論證，確定了首批國家新一代人工智能開放創新平臺：分別依托百度、阿里云、騰訊、科大訊飛公司，建設自動駕駛、城市大腦、醫療影像、智能語音 4 家國家新一代人工智能開放創新平臺。2018 年 9 月，科技部依托商湯建設智能視覺國家新一代人工智能開放創新平臺。從目前的技術成熟度來看，教育、零售

106、政務等多個領域已經擁有了以核心技術為驅動的應用開放平臺：自動駕駛國家開放平臺自動駕駛國家開放平臺 “自動駕駛國家開放平臺”主要基于百度 Apollo 平臺，是一個以百度技術為依托，對外提供開放、完整、安全的軟硬件和服務平臺，說明開發者搭建完整的自動駕駛系統。2019 年 8 月百度 Apollo 無人車通過長沙測試，完成了全國首例 L3、L4 等級別車型的高速場景自動駕駛車路協同演示。至此，百度 L4 級別自動駕駛城市道路測試里程已經正式突破 200 萬公里,百度的阿波羅開放平臺合作方超過 120 余家，覆蓋產業鏈各個環節，包括整車廠，零部件廠商、出行服務商、初創企業、通信企業、高校和地方政府

107、等。廈門金龍、寶馬、戴姆勒均與Apollo 平臺進行了合作，“阿波羅”已在北京雄安、深圳、福建平潭、湖北武漢、日本京都等地開展商業化運營。城市大腦開放創新平臺城市大腦開放創新平臺 依托阿里云建設的城市大腦國家人工智能開放創新平臺，以城市大腦系統為藍本，為城市安汸Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 治理、城市公共服務及其他各行業的智能應用構建起開放、多元的生態體系，為新一代人工智能技術在智能社會各個領域中的創新應用提供支撐服務。算法系統平臺可優化大規模視覺計算平臺

108、，全時全局交通自動巡邏報警系統能夠對城市里面的交通事件、事故進行全方位的實時感知，識別準確率達到95%以上；車流人流預測系統，通過區域內的歷史和實時視頻數據，實時準確地預測全區域未來的車流、人流的清空。開發平臺的應用部署主要在交通方面：城市統一數據融合引擎、車流人流預測系統、大規模數據融合控制引擎、城市整體交通態勢檢測系統等構建。目前，項目平臺己累計向杭州、衢州、上海、嘉興以及澳門、吉隆坡等政府客戶提供了上千臺專有云服務器的計算資源，支持對海量多路視頻數據實時分析處理。城市大腦算法團隊向公安、交通與市政相關客戶提供輸出了圖像檢測、識別、分割等多種算法服務。以杭州城市大腦為例，銀江科技與浙大中控

109、合作，實時計算視頻、線圈、微波、互聯網的全景資料，讓交警的交通管控經驗與城市大腦的紅綠燈配時策略優勢迭加，在杭州市城區、蕭山區、余杭區的實踐中效果顯著。醫療影像開放創新平臺醫療影像開放創新平臺 騰訊覓影”AI 影像已實現了單一病種到多病種的應用擴張，從早期食管癌篩查拓展至肺癌、糖尿病視網膜病變、乳腺癌、結直腸癌、宮頸癌等疾病篩查。AI 軸診平臺能夠輔助醫生診斷、預測 700 多種疾病，涵蓋了醫院門診 90%的高頻診斷。騰訊公司構建了由醫療機構、科研團體、器械廠商、AI 創業公司、信息化廠商、高等院校、公益組織等多方參與的醫療影像幵放創新平臺。平臺連接了創新創業、全產業鏈合作、學術科研、惠普公益

110、四個維度核心參與方，旨在推動國家人工智能戰略在醫療領域的落地。目前，基于“騰訊覓影”的醫療影響開放平臺己與國內一百多家醫院達成合作，累計為醫院讀片1.06 億張，累計服務 95 萬患者，提示髙風險病變 13 萬例，累計分析門診病歷 614 萬份。智能語音開放創新平臺智能語音開放創新平臺 國家智能語音人工智能開放創新平臺主要是基于科大訊飛公司的語音平臺技術建立。新建了人工智能研究中心以及數據中心。截至 2018 年 10 月底，平臺開發者團隊數量已超過 86 萬家，圍繞平臺入駐企業已超過200家，已形成了覆蓋技術研發、基礎平臺、物聯網、智能硬件等完整人工智能產業鏈。目前，主導和參與 6 項智能語

111、音相關國家標準獲批正式發布，構建了智能Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 語音技術與應用領域自主知識產權和標準體系，形成可持續的產學研系統創新機制?？拼笥嶏w的智能語音核心技術領域包括：語音合成技術、語音識別技術、機器翻譯技術、語音評測技術、認知智慧技術。在開源方面，平臺開放核心技術開發接口和云端在線服務能力，截至 2018 年 10 月底,平臺開發者團隊數量已超過 86 萬家。其產業鏈服務平臺匯聚了方案商、工業設計資源、銷售管道、生產供應鏈資源等。在開發者服務小

112、區基礎上，結合地方政府支持，目前已在合肥、長春、洛陽、西安、重慶、天津、蘇州建設了七個線下專業化眾創孵化空間，總面積超過十萬平來，引進落地的智能語音及人工智能領域開發者團隊和公司五百余家。智能視覺開放創新平臺智能視覺開放創新平臺 國家智能視覺開放創新平臺主要是基于商湯科技視覺平臺技術上的優勢建立。商湯科技的智能視覺開放創新平臺主要在智能視覺工具鏈核心基礎研發、實現智能視覺底層關鍵技術突破、建立人工智能國際化人才體系，旨在推動國家人工智能在視覺領域的發展。商湯科技的核心技術包括人臉檢測跟蹤、人臉關鍵點定位、人臉身份驗證、場景識別等。目前，商湯的平臺包括：視頻內容審核平臺、城市級視覺分析平臺、駕駛

113、員監控系統以及增強現實平臺等一系列平臺。在安防、商業、金融等多種場景均提供了解決方案。比如在安防領域,公安系統通過視圖情報分析系統對于可疑人員的身份進行查詢。在商業領域，通過與大型零售商合作,利用人臉識別功能實現無人購物、支付驗證等方面的應用;在金融領域,通過使用身份驗證技術可以有效降低金融風險,提升客戶的使用體驗。智適應教育開放平臺智適應教育開放平臺 國務院中國教育現代化 2035提出“建設智慧化校園，統籌建設一體化智慧化教學、管理與服務平臺。利用現代技術加快推動人才培養模式改革，實現規?；逃c個性化培養的有機結合”。目前，作為人工智能應用領域中技術成熟度較高的教育行業已經在技術、內容和資

114、料上積累了大量且分散的資源，為了推動行業的快速發展以及國家人工智能發展的目標，人工智能教育企業開始探索教育開放平臺。其中，以松鼠 AI 為代表的人工智能教育公司正在成為國內智適應教育平臺的先行者。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 如上述五大國家人工智能開放平臺，智適應開放平臺的搭建旨在連接產業鏈的上中下游。具體到教育行業，即智適應教育提供的是一套個性化教學解決方案，可以為平臺提供更多的資料和更加豐富的學生畫像，有助于平臺智適應能力的迭代與進化。眾包合作者通過對

115、內容，教學邏輯，產品體驗的優化與創新能為平臺提供更堅實的內容基礎與更豐富多樣的個性化能力。智適應能力的接入合作者可以說明平臺從智適應算法引擎核心上優化，提升并擴展為更通用更高效的智適應引擎。2.3 2.3“人機大戰”誰更能更勝一籌？“人機大戰”誰更能更勝一籌？人工智能是使用機器代替人類實現認知、識別、分析、決策等功能，是研究使計算機來模擬人的某些思維過程和智慧行為的學科，主要包括研究計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能涉及到計算機科學、心理學、哲學和語言學等多門學科。人工智能技術發展的重要評判標準很大程度上評判的是他的能力是否能夠達到或超過人

116、類的能力。若將人工智能的水平與人類相比，大致可以分為：弱人類級，強人類級，超越人類級。人工智能在不同領域的發展水平各不相同，而以上因素成為了影響人工智能技術發展狀態的關鍵因素：規則和評價方法的明確程度規則和評價方法的明確程度：簡單明確可被計算機量化評估的領域，如棋牌、游戲等。特殊情況頻率出現高低特殊情況頻率出現高低：在典型場景下的處理和在包含各種特殊異常情況下處理。如人臉識別和自動駕駛。從“不確定性”的角度來說，機器也有優勢。訓練數據的規模：訓練數據的規模：現實領域里，很多訓練數據的積累工作才剛剛開始。如，監督式學習所需要的“標記數據”往往需要大量的人工參與，成本很高，大大制約了人工智能在相關

117、領域里水平的提升。外部環境因素：外部環境因素：另外，受到政策因素的限制，例如醫療數據，或者有些數據被部分行業企業壟斷，這些都導致數據難以流通，人工智能的水平提升也就比較緩慢。階段一：近期，超越人類的人工智能技術階段一：近期，超越人類的人工智能技術 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 從 IBM DeepBlue 到 OpenAI Five,小到棋牌、辯論、電子競技，大到醫療、教育領域，“人機大戰”兼具驗證企業技術實力和推動人工智能科普引發更多受眾關注的雙重任務，

118、正成為各領域驗證人工智能技術成熟與否的重要形式。在 2015 年，微軟和谷歌研發出超過人類技能的圖像識別技術。百度研發出超過人類能力的語音識別技術。據世界知識產權統計，人工智能應用技術中，計算機視覺（computer vision）以 49%的占比和 24%的增速成為 2013 年至 2016 年申請專利注冊中最熱門的技術。依次分別為占比 14%的自然語言處理（NLP）和占比 13%的語音處理（speech processing）。在計算機視覺的細分類別中，生物識別（biometrics）和場景理解(scene understanding)分別以年均 31%和 28%的增速排名前列。語音處理的

119、細分領域中，語音識別（speech recognition）和聲紋識別(speaker recognition)的增速均達到 12%。在教育領域，與人類老師相比，如今的智適應教育技術在教學效果、用戶體驗和測試分數等多個方面已經比肩甚至超過人類。目前包括 Knewton、松鼠 AI、Realizeit、ALEKS 在內的國內外智適應教育企業以均通過“人機大戰”形式對人工智能教育技術與人類教授的效果做出了實驗型的對比。AlphaGo 是一款圍棋人工智能程序，是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智能機器人其主要工作原理是“深度學習”。2016 年 3 月，阿爾法圍棋與圍棋世界冠

120、軍、職業九段棋手李世石進行圍棋人機大戰，以 4 比 1 的總比分獲勝；2016 年末 2017 年初，該程序在中國棋類網站上以“大師”為注冊賬號與中日韓數十位圍棋高手進行快棋對決，連續 60 局無一敗績；2017 年 5 月，在中國烏鎮圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰，以 3 比 0 的總比分獲勝。AlphaGo 的橫空出世將“人機大戰”推向了全新的時代。圖圖 2 2-3 3：全球人工智能應用技術專利占比（截至：全球人工智能應用技術專利占比（截至 20182018 年上半年）年上半年）Information classification:InternalInformation

121、 classification:Internal 資訊分類資訊分類:內部內部 數據源：WIPO，德勤研究 計算機視覺計算機視覺 計算機視覺是眼和腦的結合，包含成像、感知與理解。計算機視覺的能力現今已經超越了人類。特別是在人臉識別、圖像分類等眾多工中，計算機視覺能比人類視覺完成的更優秀。在感知上，機器已比人眼更加敏銳，能取得比人眼更多的信息，如圖像準確的深度信息，圖像識別率比人類更高；此外，機器在理解層面，某種意義上也能模仿人類作出一些有創造性的活動。從2016 年 ILSVRC 的圖像識別錯誤率已經達到約 2.9%，遠遠超越人類的 5.1%，其挑戰項目包括物體檢測（識別）、物體定位、視頻中目標

122、物體檢測三大部分。從訓練數據來看，計算機視覺依托了大量的數據且不受人類限制。由深度學習驅動的計算機視覺現已超越人類，主要在于深度學習是由純數據驅動，不再受限于人類的意志。機器視覺在某種意義上進行的是基于數據的區別于人的理解活動。語音識別語音識別 語音識別技術在 20 世紀 50 年代誕生于貝爾實驗室。在 20 世紀 80 年代末，卡耐基梅隆大學推出了第一個高性能的非特定人、大詞匯量連續語音識別系統。值得一提的是，漢語語音識別先英語一步超越人類平均水平。2015 年，百度表示百度漢語語音識別技術詞錯率低于人類平均水平。2018 年 12 月，依圖短語音聽寫的字錯率（CER）僅為 3.71%，大幅

123、提升了語音識別技術的準確率。隨著時間的推移，目前語音識別技術的準確率仍在不斷提升。語音識別技術這種“機器感知”類的技術目前已經相對成熟，制約語音交互發展的更多原因在語義理解這種“機器認知”的部分，這一部分受限于訓練方式、樣本標記數據量、計算量等多個方面。49%14%13%24.00%計算機視覺自然語言處理語音處理其他Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：公開資料，德勤研究 人工智能教育人工智能教育 與圍棋、游戲等規則明確、數據完整的系統相比，教學系統的復雜

124、程度遠高于他們，其涉及到的學科包括了教育學、心理學、認知學等復雜的過程。智適應學習(adaptive learning)是一種結合人工智能、數據挖掘、認知科學、教育學、心理學、行為科學和計算機科學的技術，其最終目的是讓智適應學習系統在一定程度上能夠模擬人類教師的角色，根據學習者的學習目標、學習行為、偏好和學習狀態，利用特殊的教學策略動態地調整學習內容，以達到個性化教學的目的。通過 AI 技術仿真了優秀特級教師的知識經驗和教學方法，針對學生的特性給予個性化輔導，最大化學習效率。利用機器學習的技術實時動態調整學生接下來的學習內容和路徑，而非傳統教育需要大綱進度或老師的安排進行統一的學習。Infor

125、mation classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 人工智能在教育領域的發展可能進一步解決當下關于教育資源分配不均引發的多個的社會問題。另外，由于人工智能技術在教育行業的應用和落地技術的成熟只是先決條件，要促成真正的人工智能教育的普及，還需要企業對于優質教育資源的整合能力和信息庫建立，算法優勢，樣本數量，與政府、學校和教師的協調使智適應技術獲得市場的認可。階段二：階段二：2 2 到到 10+10+年，有希望突破人類平均水平的技術年，有希望突破人類平均水平的技術 人工智能在如語音識別和視覺

126、識別等單獨技術的能力正在急速提升，并快速應用到多個商用領域。然而隨著人工智能在商業領域的快速發展，涉及的領域和范圍日漸復雜，單獨的技術方案無法滿足行業的應用需求。如無人駕駛、智能醫療等應用技術均涉及到了多個人工智能應用技術的領域。從學術研究、專利申請再到產業應用，人工智能技術的商業化應用會經歷漫長的過程。其中，專利應用的初衷是實現產業化應用的技術方案，而通常專利用會比科學論文的發表滯后余約10年的時間。據世界專利組織統計，科學文章到專利發表的比例正在下降，這也預示著行業對人工智能技術的實際應用更感興趣。從 2006 到 2019 年間，交通出行行業成為人工智能技術應用最迅速的行業。2006 年

127、交通行業的人工智能應用僅占專利應用總數的 20%，而截至 2019 年，人工智能三分之一應用到了交通出行行業。2019 年，無人駕駛和醫療是當前兩個熱門的人工智能技術，因其實現將但極大的改善社會資源分配和改變人類的生活方式。由于技術的壁壘，仍然處在試用和并未完全商用階段的技術。無人駕駛和醫療作為降本增效和產業賦能的熱門領域，其技術和商業 實現完全無人駕駛仍待時日實現完全無人駕駛仍待時日 無人駕駛最終的目標是實現真正自主，使得乘坐者除了注意路況外，還可以做其他活動。需要在硬件和軟件兩方面都取得進步。在硬件方面，激光雷達可能花費數萬美元，這使得大規模部署成本太高；在軟件方面，工程師需要找到一種方法

128、來使 AI 具備歸納、區分不同物體的能力。自動駕駛汽車依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作。圖圖 2 2-5 5：無人駕駛技術分布：無人駕駛技術分布 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：公開資料，德勤研究 依據規則和評價方法的明確程度、特殊情況頻率出現高低以及訓練數據的規模三個評判標準來衡量，無人駕駛技術尚未像圖像識別和語音處理一樣達到或者超過人類的能力范圍。而無人駕駛技術尚未能夠達到人類的判斷力?！巴耆臒o人駕駛汽車（L4-L5

129、 級）市場成熟前，業界首先必須做到以下三點，第一是汽車必須有360度全方位感知能力，包括 LiDAR、光學傳感器和毫米波雷達等；第二是汽車必須配備高精度數字地圖，定位精度必須做到10cm以內；第三是市場必須建立一個車輛、行人都認知并接受的交通規則或避讓準則，而且，車輛必須擁有類似人類的感知推理決策能力，因為人類很可能會不遵守交通規則或表現得猶豫不決、或進或退?！迸c此同時，無人駕駛的發展并不是單純的技術發展，它還需要法律法規，意識甚至是包括保險和政府的基礎設施建設等外圍的整體配套支撐?！币虼?，無人車替代其他汽車的過程是漫長的循序漸進的，在這個過程中必須優先考慮無人車與人類司機共存的情況。Info

130、rmation classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 人工智能醫療應用欠缺可行的規則和標準人工智能醫療應用欠缺可行的規則和標準 依據規則和評價方法的明確程度、特殊情況頻率出現高低以及訓練數據的規模三個評判標準來衡量，人工智能醫療在仍然處于發展中期，要實現完全替代醫生的能力，還需要很長一段路要走。以智能診斷為例，人工智能幫助進行輔助診斷在醫療責任認定方面也存在問題和挑戰。用戶在使用醫療虛擬助手表達主訴時，可能會漏掉甚至錯誤地進行描述，導致虛擬助手提供的建議是不符合使用者原本的疾病情況的。圖

131、圖 2 2-6 6：人工智能醫療涉及的技術：人工智能醫療涉及的技術 數據源：公開資料，德勤研究 從規則和評判方法來衡量，醫療信息標準的缺失也造成了人工智能在醫療方面應用的難題。人工智能是強數理、強邏輯的工具，對于內容的精準度和標準化要求很高。如對于醫療圖像的病灶標注，即使是同一個科室的醫生也可能有不同的標注方式，還有就是病歷，患者的電子病歷數據很難保證完全準確同步，不同的醫生對于各個病種的名稱叫法都會存在地域差異。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 由于醫療病癥

132、繁雜且特殊情況的頻率高，且關乎民生一旦出現任何差錯可能危及生命，因此各國對于新技術的準入機制管控十分嚴格。目前監管部門禁止虛擬助手軟件提供任何疾病的診斷建議，只允許提供用戶健康輕問診咨詢服務。我國監管部門對于利用人工智能技術提供診斷功能是審核要求非常嚴格。在 2017 年 CFDA 發布的新版醫療器械分類目錄中的分類規定，若診斷軟件通過算法提供診斷建議，僅有輔助診斷功能不直接給出診斷結論，則按照二類醫療器械申報認證；如果對病變部位進行自動識別并提供明確診斷提示，則必須按照第三類醫療器械進行臨床試驗認證管理。從訓練數據的規模來衡量，醫療數據仍然存在諸多問題。雖然中國的醫療數據整體量很大，但是具體

133、到某一類醫療問題時還存在數據量不夠大的問題。同時數據的質量也不夠高，例如醫療影像，必須要有臨床經驗豐富的醫生對數據進行標注后才能拿給機器學習，這種高質量的、標注過的數據資源相對有限。目前，三甲醫院擁有絕大多數影像數據和經驗豐富的醫生，最有能力說明人工智能企業做出好的模型。階段三：階段三：20992099 年，強人工智能的時代？年，強人工智能的時代？強人工智能是指在各方面都能和人類比肩的人工智能，因此強人工智能不是僅限于某一領域，而是讓機器人全方位實現類人的能力。強人工智能能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習。目前有一種認為是，如果能夠模擬出人腦，并把其中

134、的神經元、神經突觸等全部同規模地仿制出來，那么強人工智能就會自然產生。當前我們正處于弱人工智能階段。弱人工智能的產生減輕了人類智力勞動，類似于高級仿生學。無論是阿爾法狗，還是能夠撰寫新聞稿和小說的機器人，目前仍然還只屬于弱人工智能范圍，它們的能力僅在某些方面超過了人類。數據和算力在弱人工智能時代不言而喻，其推動了人工智能的商業化發展，在強人工智能時代以上兩個因素仍然是最重要的因素。與此同時，以谷歌和IBM為代表的科技巨頭在量子計算上的研究也為人類進入強人工智能時代提供了強大助力。圖圖 2 2-7 7：強人工智能代表公司及研究概況：強人工智能代表公司及研究概況 Information class

135、ification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：公開資料，德勤研究 據智慧架構書中描述，當今 AI 理領域的商業和研究專家，DeepMind 首席執行官 Demis Hassabis，谷歌 AI 首席執行官 Jeff Dean 和斯坦福人工智能負責人李飛飛等預測的平均值，強人工智能時代可能需要到 2099 年實現。雖然以上的預測只是簡單的猜測，但從這些預測中的各種偏差中，我們可以看出強人工智能的實現仍然需時日。然而，為了實現強人工智能。許多來自大型科技公司和各類小公司的研究團隊正在為構建強人工智能做

136、出貢獻。如谷歌 DeepMind 和谷歌研究都采取了具體的措施來實現強人工智能，如 PathNet(訓練大型通用神經網絡的方案)和 evolutionary architecture search AutoML(圖像分類尋找良好神經網絡結構的方法)。此外，包括特斯拉創始人埃隆馬斯克創立、亞馬遜 Web Services 部分支柱的 OpenAI 也在以強人工智能為目標進行大量研究，OpenAI 還創建了兩個特殊的任務：“體育館”和“宇宙”，以測試正在開發的強人工智能的技能。三三、中國在全球中國在全球 AI AI 地位地位 本次人工智能浪潮以從實驗室走向商業化為特征，其發展驅動力主要來自計算力的

137、顯著提升、多方位的政策支持、大規模多頻次的投資以及逐漸清晰的用戶需求。盡管中國人工智能產業發展迅速，2019年人工智能企業數量超過 3000家，位列全球第二，在數據以及應用層擁有較大的優勢，然而在基礎研究、芯片、人才方面的多項指標上仍與全球領先地區有一定的差距。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 圖表圖表 3 3-1 1：中國人工智能技術與全球領先地區的對比：中國人工智能技術與全球領先地區的對比 數據源：牛津大學人類未來研究所，騰訊研究院，德勤研究 3.13.1

138、 中國擁有更為龐大的數據規模以及更豐富數據使用環境中國擁有更為龐大的數據規模以及更豐富數據使用環境 人工智能技術的進步以海量數據為基礎，移動互聯網時代已經全面到來，移動端數據的重要性已經遠超 PC 網絡。在數據量方面，中國網民規模居全球第一，2018 年底整體網民規模已經達到 8.29 億，滲透率達 59.6%，其中手機網民占比為 98.6%，首次超過 8 億人21。巨大的網民規模數量意味著中國企業擁有的數據數量將是更加復雜的，多維度的，這為人工智能技術的算法升級以及應用場景的擴展提供了良好的基礎。除了數據本身，政府對隱私數據的規定也將極大影響企業利用數據的可能性。歐洲政府已經出臺了全球最為嚴

139、格的用戶隱私保護政策通用數據保護條例（GDPR），賦予使用者對個人資料的主張權利，使用者有權獲取并修改個人資料，并決定誰可以使用22。中國也已經出臺了 21 CNNIC,第 43 次中國互聯網路發展狀況統計報告,http:/ 22 歐洲挑戰科技巨頭，經濟學人，2019 年 4 月 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 信息安全技術個人信息安全規范，但其嚴格程度低于 GDPR，例如歐盟對“身份”的界定除了工作單位等還包括生理狀態、心理狀態、經濟狀態、社會狀態等。圖表

140、圖表 3 3-2 2：中國手機網民規模及占比：中國手機網民規模及占比 來源：CNNIC，德勤研究 3.23.2 中國是全球芯片需求量最大的市場，但高端芯片依賴進口中國是全球芯片需求量最大的市場，但高端芯片依賴進口 人工智能框架大致可分為三個層面?；A設施層面包括核心的人工智能芯片和大數據，這是技術層面的傳感和認知計算能力的基礎。應用層面處于最頂層，提供無人駕駛、智能機器人、智慧安防和虛擬助手等服務。人工智能芯片是人工智能技術鏈條的核心，對人工智能算法處理尤其是深度神經網絡至關重要。目前，中國從美國進口的集成電路芯片的價值超過 2,000 億美元，遠超原油進口額。在東亞地區，日本在半導體研發和材

141、料行業一直處于領先地位，擁有包括東芝、索尼和瑞薩電子等在內的半導體巨頭。韓國和中國臺灣分別在內存和晶圓代工方面具有較強優勢。韓國在動態隨機存取內存和 NAND 閃存方面領先，擁有三星、SK 海力士等許多頂尖半導體企業，這很大程度上得益于政府支持。且 NAND 內存市場核心技術能力積累的要求，使新市場參與者日益難以參與競爭。中國臺灣已經成為全球領先的半導體晶圓代工產地。該地區半導體晶圓代工行業由臺積電和聯華電子兩大合約制造商主導。半導體晶圓代工是信息技術產業的重要支柱。Information classification:InternalInformation classification:In

142、ternal 資訊分類資訊分類:內部內部 中國半導體行業正以兩位數的增長率蓬勃發展。人工智能芯片融資活動一直非?；钴S，相關并購活動也日益增多。其中一個典型的案例是國際巨頭賽靈思對在機器學習、深度壓縮、網絡剪枝和神經網絡系統級優化領域擁有領先技術的初創企業深鑒科技的收購。以阿里巴巴、百度和華為為首的領先科技公司也逐步進入這一競爭領域。值得注意的是，華為已經掀起了智能手機領域的人工智能芯片競爭。同時中國大陸正在蠶食臺灣的半導體市場份額。不但如此，日益擴大的中國大陸市場還將成為集成電路設計行業的商業管道，中國大陸企業將繼續投資于臺灣的半導體產業。然而，盡管近年來中國半導體廠商的競爭力得到顯著提升，但

143、關鍵零部件仍需大量從西方國家進口，自給率不足20%。中國政府十分關注這一問題，制定了多項有利政策支持半導體行業的發展。3.3.3 3 中國機器人企業快速成長核心零部件技術國產化加速中國機器人企業快速成長核心零部件技術國產化加速 機器人研發與應用已經成為衡量一國科技發展水平的重要因素，未來經濟的增長在很大程度上與機器人行業的發展息息相關。機器人作為先進制造業建設的重要組成部分，無論是工業領域進行生產活動的工業機器人，還是參與人類日常生活的服務機器人，對尋找新的經濟增長點都有重要意義。在資金與政策的大力支持下，中國機器人產業快速發展，增速保持全球第一，2018 年市場規模超過 87.4 億美元23

144、，2013-2018 年的平均增長率達到 29.7%。機器人的關鍵零部件在較大程度上仍舊依賴進口，包括精密減速機、控制器、伺服電機等，其中全球精密減速器市場大半被日本企業占據。軟件方面，控制算法、二次開發等，中國企業已經掌握了一定的技術，但在穩定性、響應速度、易用性等方面和國外還有差距。此外，從機器人應用場景來看：工業機器人方面，沈陽新松、埃夫特、廣州數控、哈博實、新時達、埃斯頓和巨一等一批本土機器人企業得到快速成長。過去幾年國內機器人行業公司紛紛開展對外并購獲取海外先進技術的同時開拓海外市場，埃斯頓、埃夫特、萬豐科技均并購歐美企業。在機器人三大核心零件中，23 中國機器人產業發展報告（201

145、8），中國電子學會 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 控制器和服務器國產化腳步加速，但減速器仍需要進口，國內生產的減速器雖然設計原理一致，但產品性能和精度仍有巨大差距。全球服務機器人處于新興階段，中國雖然起步較晚，但在技術方面與全球先進水平差距較小，甚至某些關鍵技術已經處于全球先進行列。BATJ 等互聯網巨頭憑借強大的技術支持切入市場，傳統家電企業例如海爾積極布局家庭服務機器人，此外以哈工大為代表的科研機構也通過與企業合作的方式轉化研究成果。特種機器人市場處于

146、萌芽狀態，主要分布于消防等垂直領域，已經擁有一定的自主性，在高精度定位導航和避障等核心技術方面已經取得了突破。3.43.4 美國人工智能底層技術實力更為雄厚，中國則在圖像識別和語音識別技術上更優美國人工智能底層技術實力更為雄厚，中國則在圖像識別和語音識別技術上更優 自然語言處理（自然語言處理（NLPNLP）：中美差距逐漸縮?。褐忻啦罹嘀饾u縮小 自然語言處理技術能夠改變人類與機器的互動方式，在商業數據領域隱藏著許多無法被目前技術手段進行利用的暗數據，包括短信息、文件、郵件、視頻、語音、圖片等非結構化數據，自然語言處理技術將在商業方面發揮重要作用。中國在自然語言處理方面，與美國的差距正在逐漸縮小

147、。以阿里巴巴和百度為代表的企業在自然語言處理應用領域已在全球領先。百度領先的語言與知識技術，不僅廣泛應用于智能搜索、深度問答、對話系統、智能寫作、機器翻譯等領域。語音識別：中國技術更勝一籌語音識別：中國技術更勝一籌 語音識別技術能夠被廣泛的應用于電視、手機、呼叫中心、智能家居等場景。在語音識別技術方面，百度、科大訊飛、搜狗等主流平臺識別準確率均在 97%以上。阿里巴巴的語音 AI 技術超越谷歌，入選 MIT2019 年全球十大突破性技術24，并且該技術已經滲透入生活的多個場景，包括快遞、客服、火車站購票等。2018 年雙十一，“阿里小蜜”承擔了全平臺 98%客服咨詢量，相當于 70 萬人工客服

148、一天的工作量。24“全球十大突破性技術”，MIT Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 機器視覺：基礎算法方面差距較大機器視覺：基礎算法方面差距較大 機器視覺一直以來都是人工智能技術領域的熱點之一。公眾的日常生活已經被大樓門禁、交通攝像頭、銀行安保攝像頭等包圍，無處不在的攝像頭連接上人臉識別技術，原有的安防效果將被迅速放大，每個人的行為都能被監控。從應用層面來看，中美幾乎沒有差距，甚至在人臉識別技術上有望超過美國。但是在基礎算法方面，中美差距較大。中國目前約有14

149、6家企業，大部分屬于應用領域，包括?？低暤?，美國則有約 190 家。從業人員數量方面，中國擁有 1510 名，而美國則超過 4000 人25。3.5 中國在中國在 AI 應用上呈現應用上呈現領先領先態勢態勢 無人駕駛：無人駕駛：美國憑借深厚的技術沉淀領先中國美國憑借深厚的技術沉淀領先中國 無人駕駛涉及到的技術包括汽車傳感器技術、AI 軟硬件、V2X 以及無人駕駛測試四個方面。在傳感器技術以及 AI 軟硬件方面，美國借助政府力量以及長久以來的技術沉淀拉開了與中國的技術差距。但是中國也依靠科技巨頭與科研院校在上述兩個方面加速追趕。在互聯技術以及無人駕駛測試兩個方面，中國的水平已經與美國相接近。華

150、為的 5G 技術將為互聯技術 V2X 提供全球一流的通信支持，此外，華為已經與國內外車廠進行了合作與測試。在無人駕駛測試方面，北京、上海、深圳、重慶等城市已經對百度等科技巨頭頒發無人駕駛測試拍照并提供測試場地，科技巨頭與北汽、比亞迪等國內車企開展了合作。圖表圖表 3 3-3 3：中國無人駕駛領域技術水準：中國無人駕駛領域技術水準 25 中美兩國人工智慧產業發展全面解讀，騰訊研究院 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：公開資料，德勤研究 人工智能教育：國外的

151、發展更為完善，中國雖然處于起步階段，但發展前景更為廣闊。人工智能教育：國外的發展更為完善，中國雖然處于起步階段，但發展前景更為廣闊。人工智能技術在教育行業的應用在國外的發展更早，早在二十世紀九十年代已經出現了自我調整技術。人工智能教育產品在歐美國家的滲透程度更深，通過近十年的發展，覆蓋了各年齡段的用戶，涵蓋了早教、小學、初中、高中以及職業教育中的多個學科，應用的場景也相對更為廣泛，以 To B 為主，包括考試機構、學校、企業。代表企業主要可以分為三類，包括向智適應教育轉型的在線教育平臺，例如 Coursera，Khan Academy；教育集團智適應事業部，例如培生（Pearson），Wile

152、y（收購了 Knewton），Elsevier，Cengage-McGraw Hill（收購了 ALEKS），ETS，ACT，NWEA 等公司的AI 部門分別提供人工智能驅動的自適應測評和學習解決方案。此外還包括試圖囊括學習五大環節的智適應教學平臺提供商，包括 IBM Watson Eduation,Adobe，Dell 等大公司，也包括 Prowler.io,Knewton,ALEKS，Carnegie Learning 等專業公司。各項研究已經驗證了人工智能技術在教育方面對提升學習成績的顯著效果。人工智能技術在中國的應用則是近幾年剛起步，以 To C 為主。雖然仍然處于發展的初期，然而市場

153、發展節奏極快，2018 年松鼠 AI 總部及全國校區收入達 10 億元人民幣，英語流利說超過 6 億元。由于中國人口基數大，教育資源緊缺，對教育的重視程度等有利因素將推動自適應學習系統的快速發展，各類教育相關企業紛紛布局人工智能技術。這其中主要包括了以新東方、好未來為代表的教育集團通過投資以及自建的方式入局自我調整教育。此外還有一類是以上海Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 教育企業松鼠 AI 為代表的智適應平臺。智適應學習以其能夠貫穿學習全過程的獨特優勢成為人

154、工智能在學習各環節應用最為廣泛的技術。圖表圖表 3 3-4 4：人工智能教育企業對比：人工智能教育企業對比 數據源：德勤研究 四四、人工智能重塑、人工智能重塑各各行業行業 人工智能技術在過去 5-10 年快速發展，隨著時間推移，技術漸漸為大眾所知，摩爾定律的節奏逐漸放慢，人工智能商業化應用成為關注焦點?？萍季揞^紛紛布局垂直行業應用，創業企業需要找準切入點，深耕行業解決方案以打造護城河。各行業面臨的痛點有所不同，例如金融行業面臨成本壓力、產品服務單一、交易欺詐等，醫療與教育行業均面臨資源分配不均等。雖然問題不同，但通過數據收集、處理與分析能夠有效解決上述多樣的問題，而人工智能通過數據驅動能夠改變

155、產業。圖表圖表 4 4-1 1：人工智能技術推動產業升級人工智能技術推動產業升級 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據來源：德勤研究 例如，在金融領域，人工智能技術迅速改變了傳統金融行業的各主要領域。圍繞消費者行為和需求的不斷變化，傳統的金融服務行業參與者正面臨著各領域各環節的重構。例如，隨著消費者行為和偏好的不斷變化，以技術驅動的精準營銷和推送使消費者獲得定制化的產品和服務，通過技術增強客戶粘性，并使小商戶融入更大范圍的生態圈；人工智能機器人在一些服務領域

156、逐漸取代人工客服，為客戶提供咨詢服務。在醫療領域，在人口老齡化、慢性病患者群體增加、優質醫療資源緊缺、公共醫療費用攀升的社會環境下，醫療人工智能的應用為當下的醫療領域帶來了新的發展方向和動力。隨著人工智能技術在醫療領域的持續發展和應用落地，這個行業將極大簡化當前繁瑣的看病流程，并在優化醫療資源、改善醫療技術等多個方面為人類提供更好的解決方案。醫療人工智能技術已基本覆蓋醫療、醫藥、醫保、醫院這四大醫療產業鏈環節。近幾年，教育行業持續通過數據重構，呈現出空前的革命性。不同于傳統教育方式，智能化教育方式以學生學習“教、學、練、評、測”五大環節所產生的數據為基礎，利用自適應學習，圖像識別，語音識別，人

157、機對話，多模態行為分析，知識生成和表達，模擬智能體等功能，產生適合每個學生的個性化的解決方案和有效反饋意見。大幅度提高學習效率，改變教育模式。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 針對上述行業在行業應用度以及市場機會兩個維度的表現，可以落入四個象限。過渡期表示人工智能技術在該行業具有較高的應用程度，但目前來說市場機會有限，未來有望進一步拓展市場規模；萌芽期表示行業應用度以及市場機會都尚未成熟，盡管人工智能技術發揮了一些功能但總體來講尚且處于起步階段；成長期表示雖然

158、行業的應用度不足，但未來應用廣泛，擁有較高的市場機會；發展期表示人工智能技術已經在這些領域產生了較為深刻的影響，行業應用度較高，同時市場機會也高。圖表圖表 4 4-2 2：人工智能技術在各行業的應用人工智能技術在各行業的應用 數據源：德勤研究 4.14.1 金融：人工智能提升金融企業商業效能并變革企業內部經營金融：人工智能提升金融企業商業效能并變革企業內部經營 金融是人工智能重要的應用場景，人工智能在金融行業的應用改變了金融服務行業的規則。傳統金融機構與科技公司共同參與，構建起更大范圍的高性能動態生態系統，參與者需要與外部各方廣泛互動，獲取各自所需要的資源，因此在金融科技生態系統中，金融機構與

159、科技公司之間將形成一種深層次的信任與合作關系，提升金融公司的商業效能。這種效能的提升主要表現在三個方面：第一，傳統金融模式下，往往存在信息不對稱、金融風險大、借貸成本高等問題，創新技術應用于傳統金融業務，使整個金融行業的基礎服務架構得到改善，從而降低業務成本，提升服務效率；第二，出現多種形態的創新金融科技公司，以創新技術為基礎，根據客戶需求提供定制化產品和服務，覆蓋更多被傳統金融服務“拒之門外”Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 的長尾客戶，使更多個體或者中小企

160、業享受到更加便捷、高效的金融服務，覆蓋更多、更廣泛的客戶。第三，吸引更廣泛、更多元化的參與者融入生態圈，通過收集消費者大量消費、信貸數據對消費者信用進行評估，降低壞賬等金融風險。上述三種效能的提升主要體現在智慧投顧、智慧客服以及智慧風控三個領域，這也是人工智能技術應用較為深入的領域。智慧客服提升服務效率智慧客服提升服務效率 智能客服是指能夠與用戶機型簡單問題答復，通過人機交互解決用戶關于產品或服務的問題。自然語言處理技術成熟度在各類人工智能技術中成熟度較低，但在客服領域中能夠發揮較高的價值。人工客服存在培訓成本高、服務效果難以統一以及流動性大的問題。以大數據、云計算特別是人工智能技術為基礎智能

161、客服加速企業客服智能化，依靠知識圖譜回答簡答重復性問題，減少人工客服使用，提升客服效率及效果?？头C器人已替代 40%-50%的人工客服工作，預計到 2020 年，85%的客服工作將依靠人工智能完成26。智能客服在金融行業的應用主要在銀行、保險、互聯網金融等細分領域。銀行、保險等傳統金融機構更加傾向于向 IT服務企業購買本地解決方案，以確保數據信息安全性，規避潛在的泄露風險。由于傳統金融機構存在多樣化的需求，因而IT 服務企業提供的定制化的解決方案?；ヂ摼W金融領域的智能客服主要以 SaaS 模式為主，使用企業以大型互聯網金融公司為主。以招商銀行信用卡公司為例，通過智慧客服每天為客戶提供超過 2

162、00 萬次以上的在線人機交互，能夠解決 99%的用戶問題。智能客服不僅能提升客戶服務效率，提供 24 小時不間斷服務，提升使用者體驗，并且能大幅降低支出，更多的金融企業開始采用智能客服系統，并將其作為提供客戶服務的主要途徑。人工客服已經從主流轉變為輔助形式，甚至隨著人工智能技術的進步，未來將被完全取代。智慧投顧拓寬長尾客戶群體服務范圍智慧投顧拓寬長尾客戶群體服務范圍 應用人工智能機器人提供投資理財咨詢，財富管理方式更趨民主化，曾經成本高昂且勞動密集型的服務正在變成商品，科技正將金融服務擴展到傳統富裕階級以外的群體。例如陸金所為企業或個人投資者提供綜合金融資產交易信息及咨詢相關服務。中國居民擁有

163、巨額投資資產，預計到 2020 年將達到 237 萬億，這為智慧投顧在中國的廣闊發展空間奠定了基礎。26 Gartner Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 智慧投顧作為在線工具可以自動分析客戶財務狀況并利用大資料分析提供量身定制的建議，還可以管理投資組合投資優質產品。目前主要有以下兩種模式：金融機構，例如銀行，提供的交易程序。一些機器人顧問只投資被動投資組合（如交易所交易基金），而且不允許客戶修改投資策略。其他機器人顧問允許客戶參與主動投資（如股票選擇）并對投

164、資組合調整以及其他服務收取適當服務費用。如招商銀行推出“摩羯智投”可提供投資理財咨詢，2016 年戶均購買金額達 3.69 萬元27。另一類是以社交平臺為依托，供用戶交流投資選項、策略和市場洞察。個人可構建投資組合與其他投資者分享。其中一類是零售算法交易，使只有有限技術知識的投資者獲得有效的投資算法并獲益，只需從投資收益中分享部分利益給算法作者。例如 Quantopian 于 2011 年在波士頓成立，“激勵全世界有才華的人寫下他們的投資算法”。這其實意味著公司以網絡小區平臺為基礎，向科學家、開發者、學生提供資源及基礎框架，供他們合作并使用金融數據、教育工具、研究數據等。根據提交的上千種投資算

165、法，Quantopian 依據風險、回報、潛力及其他因素評選出最佳方案。從其運行的最基本方式來看，Quantopian 就像眾包投資公司，算法作者允許平臺使用他們工作中最有效的算法，并從設計投資算法中獲得利益分成。對于金融機構，這些趨勢表明中產階級市場被侵蝕。零售銀行將面臨競爭，新的市場進入者可提供門坎更低的理財產品，而在高凈值市場中，個人理財規劃師的作用更為重要。另外，零售銀行可以自主提供自動化服務滿足理財客戶的大部分需求，但需要適應客戶的投資偏好，因此理財經理可能需要修改價值主張以維持經營。未來，咨詢服務可能與產品相分離?？蛻艮D向了新興、性價比更高的自動化顧問，通過自身咨詢管道出售的理財產

166、品數量將變得更少。傳統理財經理也將看到規模效益的優勢減弱。越來越多的過程變成自動化，越來越多的客戶使用虛擬管道，而且新加入者會繼續使用低成本基礎架構?？深A見未來傳統理財經理收益減少，傳統行業參與者在更專業領域或服務商的競爭加劇。智能風控降低金融風險智能風控降低金融風險 現階段中國個人消費支出高速增長，已經成為拉動中國經濟增長的重要力量，借貸需求增加的同時金融欺詐數量也呈現上升態勢。人工智能與大數據技術結合構建智能風控體系，通過對用戶交易行為、信用狀態、社交關系等多維度數據進行綜合評判，從而得出最終評估結果。采用智慧風控的金融機構可以分為三類：綜合類、技術采購類、自主研發類。27 重構，德勤研究

167、 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 綜合類一般是指的既具有研發能力又開展金融類業務的互聯網巨頭。例如螞蟻金服推出的“蟻盾”“芝麻信用”，網易金融推出的風控系統“北斗”。這類企業推出智能風控產品的目的在于獲取更多用戶數據，從而為整體服務。技術采購類是指向銀行、保險機構、互聯網金融機構等提供風控解決方案的技術企業。例如提供反欺詐、信貸風控、信息核驗等服務的同盾科技。自主研發類是指通過組建公司內部的科技團隊研發智能風控產品，為自身業務提供支持的金融機構。例如融 36

168、0 開發的“天機”大數據風控系統 通過智慧風控，金融企業可以以更加高效的手段明顯降低交易欺詐、信貸風險管理、信用違約等傳統金融行業的難題。資損率是衡量金融企業風控能力的重要指標，通過智慧風控，支付寶平均資損率為十萬分之一，在全球都具備高競爭力。除了上述三個領域，從金融公司內部經營來看，人工智能技術迅速改變了傳統金融行業的各主要領域。圍繞消費者行為和需求的不斷變化，傳統的金融服務行業參與者正面臨著各領域各環節的重構。例如，隨著消費者行為和偏好的不斷變化，以技術驅動的精準營銷和推送使消費者獲得定制化的產品和服務，通過技術增強客戶粘性，并使小商戶融入更大范圍的生態圈；人工智能機器人在一些服務領域逐漸

169、取代人工客服，為客戶提供咨詢服務。圖表圖表 4 4-3 3：人工智能技術對經營全過程的變革：人工智能技術對經營全過程的變革 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：公開資料，德勤研究 目前以人工智能技術為基礎的智能金融應用已經在多地嘗試落地。我國現有139家智慧金融公司，其中44%的公司獲得B輪及以上的投資。這些獲得投融資的企業具體應用領域主要有智能風控、智能投顧、智慧客服、智能投研、智能營銷等，其中智慧風控和智慧投顧領域的企業占比超過一半，成為最受資本歡迎

170、的方向。圖表圖表 4 4-4 4：智慧金融投融企業類型分布：智慧金融投融企業類型分布 數據源：艾瑞咨詢，IT 桔子，德勤研究 在國家人工智能中心上海,作為中國金融業最發達的城市之一，人工智能與金融的較早地提出了人工智能與金融的融合。上海智慧金融的代表企業，多達 39家、分屬14個領域；上海的智慧金融企業大多集中在浦東新區，網貸、保險科技、消費金融、智慧支付、供應鏈金融占比較高。圖圖 4 4-5 5：上海智慧金融重點企業分布圖：上海智慧金融重點企業分布圖 34.70%25.70%5.90%12.90%11.90%5.90%3%智能風控智能投顧智能客服智能投研智能營銷智能理賠智能支付Informa

171、tion classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：IT 桔子，德勤研究 4.2 教育：人工智能技術應用覆蓋教學全流程教育：人工智能技術應用覆蓋教學全流程 人工智能技術正在推動教育信息化的快速發展，人工智能教育是人工智能技術對教育產業的賦能，通過人工智能技術在教育領域的運用，來實現其輔助甚至是替代作用。未來人工智能教育應用的發展將由數據驅動、應用深化、融合創新優化服務等方式來持續推動。從行業發展階段來看，目前人工智能教育行業仍處在發展階段，尚未成熟。人工智能的概念雖火熱，但人工智能在教

172、育行業的具體賦能卻并非是一蹴而就的?？v觀人工智能教育行業的應用發展歷程，起步階段主要集中在對人工智能教育的規劃和初步探索中，20 世紀 50 年代，卡耐基梅隆大學教授艾倫紐厄爾和赫伯特西蒙作為人工智能的奠基人，結合數學、工程和經濟學促進了人工智能的發展。20 世紀 70 年代，Jaime Carbonell 創建智能教學系統，開始利用計算機輔助教學；1993 年英國愛丁堡舉行第一屆人工智能教育（AiED）國際會議。隨著時間發展，人工智能教育也開始正式走向發展階段，21 世紀初，美國 Cognitive Tutor、Knewton、RealizeIt 等智適應教育企業紛紛成立，人工智能技術開始被

173、逐漸賦能到教育產業中。智適應學習(Intelligent Adaptive Learning)技術是模擬老師對學生一對一教學的過程，賦予學習系統個性化教學的能力的人工智能教育技術。2010 年后，中國智適應教育企業開始興起，如新東方、好未來、乂學教育-松鼠AI等公司。2016年前后，國內的眾多知名教育機構如好未來、新東方等以及資本也紛紛投入人工智能教育領域。圖表圖表 4 4-6 6：中國教育行業智慧化趨勢：中國教育行業智慧化趨勢 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內

174、部 數據源：德勤研究 人工智能將重構教育行業生態。人工智能是基于大數據采集和多維度識別系統，對海量數據進行智能處理，并通過互動接口與應用場景與人產生信息交互的一項技術。以該技術為基礎向用戶提供人工智能教育內容、工具以及相關服務，通過接受用戶數據，并進行分析和回饋，應用于學習過程中的“教、學、評、測、練”五大環節，產生適合學習者的個性化的解決方案和有效回饋意見。圖表圖表 4 4-7 7：中國人工智能教育架構示意圖：中國人工智能教育架構示意圖 數據源：德勤研究 Information classification:InternalInformation classification:Interna

175、l 資訊分類資訊分類:內部內部 教育智慧化趨勢下，智適應學習以其能夠貫穿學習全過程的獨特優勢成為人工智能在學習各環節應用最為廣泛的技術，并逐步成為主流。此外，人工智能技術在教育領域的應用還包括圖像識別產品與語音識別產品。圖表圖表 4 4-8 8：人工智能在學習五大環節中的應用人工智能在學習五大環節中的應用 數據源：德勤研究 目前人工智能教育領域的主流產品包括：智適應學習系統、智能測評類、智慧雙師課堂和智能陪伴機器人等。智適應學習體統的國內代表企業為乂學教育松鼠 AI；智能測評類代表企業包括科大訊飛、先聲、流利說、科大訊飛、批改網等；智慧雙師課堂的代表包括好未來的智能課堂以及乂學教育-松鼠 AI

176、 的 AI+真人雙師課堂。智適應學習系統智適應學習系統 智適應學習系統能夠針對學生的具體學習情況提供實時個性化學習解決方案，包括知識狀態診斷、能力水平評測以及學習內容推薦等。例如在“教”與“學”這兩個環節，個體學習者的學習情況、學習能力不同，智適應課程系統利用人工智能技術，將知識點提煉、學習方法歸納等教學重難點利用大數據和算法形成一套高效、標準化的系統課程，說明不同程度學習者適應不同類別課程。計算力提升、海量數據以及貝葉斯網絡算法的應用推動自適應學習系統在 2010年之后得到快速發展，并取得顯著成效。Knewton 的數學自我調整輔助課程在亞利桑那大學幫助學生大幅提升通過率，課程退課率降低了5

177、6%。智適應學習技術與產品在國內與國外各有發展特點。在美國與歐洲發展更為完善，主要面向 To B 端客戶，擁有以 Knewton、ALEKS、Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 RealizeIt、DreamBox 等代表性企業。中國目前處于初步發展的階段，面向 To C 端用戶,代表企業包括乂學教育松鼠 AI，智適應學習在中國發展更為迅速，有望后來者居上。圖表圖表 4 4-9 9：智適應學習系統效果智適應學習系統效果 數據源：Knewton，亞利桑那大學，德勤

178、研究 注釋：亞利桑那大學引進 Knewton 數學智適應輔助課程的學習效果 人工智能技術與學習信息管理系統的結合是智適應教育產品中的重要組成部分。通過云計算和人工智能的深度學習功能，實現作業、測評、課程的自動適配和科學評估。該技術被引進校園和部分教育企業，其核心為記錄追蹤學習狀況、統計學習數據、進行能力評估、學情管理、實現家?；ネ?。該模式能夠與開放大數據相結合，挑戰了傳統教學體系，使得教師的教學工作能夠更具針對性，并使學生的學情資料量化和可視化，提升教學質量與學習質量。目前，K12教育領域終端使用者覆蓋不足制約了學習信息管理系統在 K12 領域推廣。此外，資料開放也是其中的重要一環。教育科技企

179、業開放大數據，結合人工智能技術進行分析回饋，可以幫助企業和學校更好完善其教學方案，提升教育質量。通過開放數據，利用 AI 技術進行分析回饋，企業運用自己的技術實力和數據儲備，為線下教育實體提供技術支持。目前的教育企業和 IT 企業主要在職業教育與 K12 教育兩個領域提供開源數據。目前，智適應教育產品主要發揮教學輔助的作用，并不能完全取代教師的作用。例如在“教”與“學”這兩個環節，個體學習者的學習情況、學習能力不同，智適應課程系統利用人工智能技術，將知識點提煉、學習方法歸納等教學重難點利用大數據和算法形成一套高效、標準化的系統課程，說明不同程度學習者適應不同類別課程。Information c

180、lassification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 智能智能評測產品評測產品 智能測評是人工智能教育的另一大分類，根據不同的學習類型分為語音和作文評測等類別。語音評測類的代表企業包括科大訊飛、先聲、流利說；作文評測的代表企業則包括科大訊飛、批改網等。語音識別是較早實現商業化的人工智能技術，目前語音識別技術與教育行業中的結合集中于口語學習中的語音評測，它是指利用語音識別技術對用戶的發音、語義以及表達多個維度進行自動評估的技術。語音測評技術已經從最初的跟讀后評估升級到開放題型的評估，這一點對應用范圍的拓展至

181、關重要。語音測評產品在口語學習中的使用者可以具體劃分為兩大類：一類是針對 B 端教育機構，應用于語言類考試中，包括英語四六級口語考試，普通話測試等。另一類是針對 C 端具體用戶。鑒于課堂練習時間過少的問題，語音測評產品成為學習產品中的一部分，嵌入到各類輔導系統中，說明學生利用課下碎片化時間練習口語。語音測評產品對數據的依賴或將導致此類企業面臨強者恒強的趨勢。語音評測產品的評估準確率不僅與算法密切相關，同時也與數據庫中語料的翔實程度與多樣性密切相關。在評估的過程中，如果擁有足夠多的訓練數據，就更有可能保證算法提取特征的準確性與合理性，若訓練數據僅僅局限于男性聲音，則會造成男性用戶的最終得分高于女

182、性的結果。此外，也能夠為其他語言的評估提供語音測評技術上的支持。因此，在一開始就擁有龐大用戶量的企業，能夠得到更加多元化的數據，其產品表現可能更加出色，從而進一步吸引更多用戶，形成自我強化的死循環，因而更易在競爭中脫穎而出。語音測評產品需求旺盛，to B 端企業數量少。中國對于語音測評產品的需求相對更加迫切，這主要是由于優秀的外語教師較少，大量二三線教師自身口語也存在發音不準的情況。另一方面，中國教學普遍是大班教學，在一堂課中一名老師需要面對超過 30 個學生，每個學生練習并得到糾正的機會較少，造成口語水平遠遠落后聽、說與寫。雖然 B 端需求旺盛，然而專注包括需要支持的校外教育機構、培訓中心以

183、及學校在內的 B 端市場的企業較少。4.3 數字政務：政策利好加速政府智慧化變革數字政務：政策利好加速政府智慧化變革 與眾多領域一樣，政府也已經意識到人工智能在降本增效方面的突出成果，加速推進政府智慧化變革。中國在城鎮化戰略的大力推動下，已經成為全球城市化率增長最高的國家，2018 年我國城市化水平達 60%，城市人口約為 7.3 億，預計 2050 年城市化率將超過 80%，城市人口規模也將進一步擴大。如此大的城市人口數量將產生大量的政府事務，通過機器人流程自動化（RPA）、人工智能技術的應用，能夠將行政人員從固定、重復的工作中解放，提升政務效率，Information classifica

184、tion:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 專注于提升城市質量、優化居民生活環境中。人工智能賦能一切背景下，人臉識別、自然語言處理等技術應用能夠增強政府服務能級，提升辦公效率，為企業、居民提供便捷、快速的服務，為智能決策提供助力。數字政務的建立依靠自上而下進行推動。在構建服務型政府的目標下，2015 年各地政府開始強調政府電子化，隨著人工智能、大數據、云計算等新技術的商用，進一步發展為政府數字化、智慧化。預計 2019 年，中國數字政務市場規模將突破 3400 億元，年復合增長率達到 15%。政務服務是數字政務建

185、設的核心之一政務服務是數字政務建設的核心之一 政務服務是數字政務中最為核心也是推進速度最快的領域之一。中國各地政府也在通過建設一站式服務平臺積極推進政務智慧化。深圳公安局將傳統的窗口“面對面”排隊向網上辦理轉變，“刷臉”就可以進行戶政辦理，同時基本建成全市統一的政務信息資源共享體系，匯集 29 家單位的385類信息資源、38億多條數據28，為政務服務全面智能化提供數據支持。杭州構建一體化的智能電子政務管理體系，數字城管、規劃系統、財政系統業務系統在電子政務外網得到整合，并提供一站式服務?，F階段由于政府各部門仍存在割裂的問題，并且各部門的智慧化需求差異較大，因而企業向政府提供智能化系統仍是針對某

186、一政務領域的。例如，神州泰岳向地稅局提供中文文本分析，并轉化為機構化數據，同時在網絡上檢索各類數據，挖掘企業關系、股東關系等為稅務人員進行稽查提供便利。在人工智能技術的推動下，政府服務將朝著更具人性化與針對性的方向發展。一方面面向居民與企業的公共服務將更加符合人的習慣，而非現階段單純依靠在線接口，另一方面人工智能的決策將更加有效，精度大幅提升，處置方案更加靈活。公共安全領域強者恒強趨勢明顯公共安全領域強者恒強趨勢明顯 人工智能在城市安全中所起的作用日益突出。相較于以往的數字安防，人工智能安防系統呈現出實時性、智能化兩大特點，提升了公共安全管理力度。智慧城市在中國的建設逐步走向高潮，隨著各省市對

187、這一建設的重視程度不斷加深，公共安全作為其核心內容之一有著更為廣闊的發 28 從深圳政務資訊資源分享實踐成效充分認識政務資訊資源分享的基礎性作用，新華網 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 展空間，預計到 2020 年，安防企業收入將以 10%以上的年增長率達到 8000 億元29。人工智能安防領域的企業可以分為兩大類：產品或服務供貨商與安防系統解決方案提供商。產品供貨商主要指的是提供整個安防系統某一部分產品或服務的企業。例如云從科技幫助廣東省公安廳在地鐵、車站

188、等重點場所部署人臉識別系統，在公安機關在鎖定嫌疑人過程中，將相貌特征與實時監控影像進行對比，可以實現實時監控、布控與抓捕，不再需要人工對監控錄像進行事后排查、分析與決策，從而大幅提升效率。百分點對公安內外部數據進行整合，利用大數據和認知智能技術對多模態數據進行融合和分析，構建以數據為關鍵要素的數字偵查，打造智能警務新模式，準確識別正在策劃尚未實施的犯罪行為和風險隱患，將原有的事后偵破轉變為主動預測預警預防。安防系統解決方案提供商是指提供安防系統整體產品與服務的企業，其服務范圍包括前期咨詢、規劃、產品提供、運維以及售后服務。這類企業實力最為雄厚，以?？低?、大華股份、華為為代表。其中，?？低暸c

189、大華是從智能硬件供貨商轉變為整體解決方案提供商，憑借深厚的安防技術經驗拓展市場。華為則是平臺型企業的代表，利用在云端的技術經驗構建安防生態系統。正是在這一戰略的推動下，2017 年，華為與商湯科技、依圖科技等公司成立了中國平安城市視頻云合作伙伴開放聯盟，2018 年發布了平安城市公共安全視頻多應用該領域的聯合解決方案。人工智能安防市場仍處于上升時期，強者恒強趨勢明顯。企業的競爭力體現在技術能力和系統解決方案上，產業的進入門坎提高，技術能力較弱的企業將被淘汰，行業集中度進一步提升。人工智能芯片對安防智能化的重要性日益凸顯。到 2020 年，物聯網感知設備數量將達到 500億個30，所收集的大量數

190、據若傳至云端進行處理將給通信帶寬造成巨大壓力，因而邊緣計算將對安防帶來巨大的益處，大幅縮減從數據到決策的反應時間，降低傳輸與存儲成本。因而安防企業將從下游逐步擴展至上游，進一步推動安防產業的智慧化滲透。4.4 醫療：人工智能應用日趨成熟醫療：人工智能應用日趨成熟 在人口老齡化、慢性病患者群體增加、優質醫療資源緊缺、公共醫療費用攀升的社會環境下，醫療人工智能的應用為當下的醫療領域帶來了新的發展方向和動力。隨著人工智能技術在醫療 29 中國安防行業“十三五”（2016-2020 年）發展規劃，中安協 30 IDC Information classification:InternalInforma

191、tion classification:Internal 資訊分類資訊分類:內部內部 領域的持續發展和應用落地，這個行業將極大簡化當前繁瑣的看病流程，并在優化醫療資源、改善醫療技術等多個方面為人類提供更好的解決方案。在國務院印發的新一代人工智能發展規劃中，中國明確了 2020 年人工智能核心產業規模超過 1500 億元的目標。據預測，醫療人工智能行業將占人工智能總體市場規模的五分之一。2016 年中國醫療人工智能的市場規模達到 96.61 億元，增長 37.9%，數據顯示，2017 年中國人工智能醫療市場規模超過 130 億元人民幣，增長 40.7%。預測 2019 年可達到 310 億元人民

192、幣。從市場需求來看，由于中國醫療資源的短缺和分配不均，更加開放和高效的醫療解決方案成為了市場急迫的要求。在技術發展上，隨著中國在與醫療健康相關的計算機視覺、自然語言理解和數據挖掘等方面的長足進步，醫療人工智能在應用落地上有了更多的技術支持。政策方面，互聯網、人工智能下的醫療健康行業發展一直是中國國家政策重點扶持和關注的領域。2018年 4 月，在印發的關于促進“互聯網+醫療健康”發展的意見中，國務院明確指出支持研發醫療健康相關的人工智能技術。以上均為醫療人工智能行業的發展傳遞了積極的政策信號。國內醫療人工智能公司雖起步較晚，但增長迅速。近幾年該領域的新創公司數量持續增長，且吸引了大量資本的注入

193、。目前我國共有144家智慧醫療公司，已初步形成北京、廣州、長三角的智慧醫療聚集群。這些廣泛分布于疾病篩查和預測、醫學影像診斷、病歷與文獻信息分析、新藥發現等細分領域，其中 2018 年獲融資企業最多的領域為疾病篩查和預測。在資金來源方面，大型國資企業紛紛入股，百度、阿里、騰訊、科大訊飛等互聯網巨頭也根據自身優勢積極布局。圖表圖表 4-10：國內醫療人工智能企業分布：國內醫療人工智能企業分布 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 過去幾年，上海已經成為人工智能和醫療

194、結合的沃土，而上海擁有發展人工智能醫療的先天優勢。首先是平臺優勢，因為上海醫療服務量大，居全國之首，基礎科研實力強，累積了系統完整的醫療數據，這個數據平臺為人工智能服務提供良好的基礎；其次，上海國際化程度高、具有創業服務的基礎，聚集了主流的醫療信息企業和互聯網企業，擁有大量資金和人才，在影像、微創、信息和藥物等方面具有優勢；第三，上海在產學研用一體化的發展已經有了良好的開端，并且培育了優秀的電子、智能醫療設備企業，這為人工智能的研發、平臺的創建，數據共享等方面奠定基礎。圖圖 4 4-1111：上海人工智能醫療重點企業分布：上海人工智能醫療重點企業分布 Information classific

195、ation:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：IT 桔子，德勤研究 圖圖4 4-1212：智慧醫療產業鏈：智慧醫療產業鏈 來源：德勤研究 醫療領域的人工智能在快速發展的同時也受到了來自傳統觀念、技術、人才、監管方面的挑戰。在傳統觀念方面，傳統的“望聞問切”的診療模式已經根深蒂固，作為人工智能的醫療應用受眾的醫生和病患對于新技術的接受程度是考驗智慧醫療從業者的一個問題。從技術來看，智能醫療需要海量的數據和復雜的訓練框架，同時擁有這兩個技術實力的企業并不多，在對復雜學科的聯合診斷等算法上存在技術瓶頸，此外智能醫

196、療行業技術和產品同質化明顯。人才的短缺也是醫療人工智能市場的制約因素，在中國，既懂醫療，又懂技術的復合型、戰略型人才尤其Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 短缺。在監管方面，由于醫療行業是關乎人類生命安全的領域，涉及病患的醫療數據應該保證絕對的隱私和安全，并需要嚴謹的法律法規進行監管和保護。截至目前，醫療人工智能技術已基本覆蓋醫療、醫藥、醫保、醫院這四大醫療產業鏈環節。從應用場景來看，智能診療、醫院管理、健康管理是三個率先嘗試產品落地的領域。智慧健康管理。智慧健

197、康管理。智能健康管理是人工智能技術應用到健康管理的具體場景中，利用醫療傳感器監測個人健康狀況。目前主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫學的健康管理。隨著人工智能的發展，大數據從個人病歷、POCT設備、各類健康智慧設備、手機APP中大量涌現。健康管理行業因其預防、調養的基調和個體化管理的特性，正在成為預防醫學的主流。如杭州認識科技，產品設計方向聚焦在通過醫療信息學、臨床醫學知識及虛擬人技術的應用，為醫療行 業提供虛擬醫生院后隨訪服務。智能醫學影像。智能醫學影像。智能醫學影像是將人工智能技術應用在醫學影像的診斷上。人工智能在醫學影像應用主要分為兩部分：一是圖像識

198、別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。目前包括科大訊飛、騰訊均已進軍智能醫學影像領域。騰訊覓影的圖像識別、深度學習等領先的人工智能技術，輔助醫生對食管癌進行早期篩查，發現準確率高達90%，幫助患者更早發現病灶。國內還有健培科技、醫渡云、智影醫療、睿佳醫影RayPlus、迪英加等公司也致力于將人工智能與醫學影像結合來服務于醫療。智能診療。智能診療。智能診療就是將人工智能技術用于輔助診療中，讓計算機“學習”專家醫生的醫療知識，仿真醫生的思維和診斷推

199、理，從而給出可靠診斷和治療方案。智能診療場景是人工智能在醫療領域最重要、也最核心的應用場景。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 截至目前，智慧診療已經在中國落地了多個項目，最具典型性的是 IBM 沃森智慧診療平臺等解決方案。沃森腫瘤專家（Watson for Oncology）是 IBM 研發的認知計算系統，應用于腫瘤醫學領域并輔助腫瘤治療。沃森智能診療系統結合醫惠多學科會診云平臺，綜合輔診、會診等多種診療協作方式，沃森認知運算技術作為核心能力，為醫生討論提供充

200、分的臨床實證支持，并協助病患數據傳輸、知識庫建立、與院后隨訪功能，形成全程死循環管理?！膀v訊覓影”作為國內 AI+醫學領域的標桿，也是騰訊醫療影像國家新一代人工智能開放創新平臺的中堅力量。目前，“騰訊覓雕”AI 影像已實現了單一病種到多病種的應用擴張，從早期食管癌篩查拓展至肺癌、糖尿病視網膜病變、乳腺癌、結直腸癌、宮頸癌等疾病篩查。其中，最新發布的結直腸腫瘤篩查 AI 系統實現了全球唯一的腺瘤、非腺瘤和腺癌的三分類識別和行業首個腸鏡實吋視頻 AI 檢測，實時鑒別腺癌準確率達 9720%?！膀v訊覓影”AI 軸診平臺能夠輔助醫生診斷、預測 700 多種疾病，涵蓋了醫院門診 90%的高頻診斷。問前引

201、擎己儲備約 50萬醫學術語庳，超過 100 萬術語關系規則庳，超過 1000 萬健談知識阼,超過 8000 萬高質 ffl 醫療知識庫。4.5 無人駕駛：主導汽車產業革新無人駕駛：主導汽車產業革新 人工智能時代，與汽車相關的智能出行生態的價值正在被重新定義，出行的三大元素“人”、“車”、“路”被賦予類人的決策、行為，整個出行生態也也會發生巨大的改變。強大的計算力與海量的高價值數據是構成多維度協同出行生態的核心力量。隨著人工智能技術在交通領域的應用朝著智能化、電動化和共享化的方向發展，以無人駕駛為核心的智慧交通產業鏈將逐步形成。目前無人駕駛仍處于測試階段，但是在未來將具有巨大市場。由于當前技術和

202、現有法律的限制，無人駕駛汽車還無法實現大面積推廣，整個行業內通過第一階段封閉路測的車企較多，包括上汽、蔚來、滴滴、百度、北汽、寶馬等多家傳統車企和互聯網背景的車企，而完全通過第二階段開放道路測試的企業并不多。因此短期內無人駕駛汽車市場不會有太大變化。業內預計中國可在2020年左右實現無人駕駛，屆時國內無人駕駛汽車的銷量可達6萬輛，并在此后迅猛增長，于2035年達到400萬輛。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 由于無人駕駛的發展對工業基礎以及技術支持有較高的要求

203、，因此國內自動駕駛企業分布較為集中。北京、廣東、江浙滬這些地區的自動駕駛企業占據了行業的絕大份額。產業集群效應將隨著自動駕駛的發展愈發顯著，長三角地區和珠三角地區依舊會是行業的發展中心。除此之外，地方政策也對無人駕駛的行業分布有重要影響，目前北京、上海、福州、重慶、長沙、長春、杭州、廣州、深圳已開發自動駕駛測試道路，率先成為無人駕駛的試點城市。圖圖4 4-1 13 3：國內自動駕駛企業地域分布：國內自動駕駛企業地域分布 數據源：德勤研究 在無人駕駛的區域發展方面，以上海為代表的城市走在了汽車產業革新的前列。2018年3月，全國首批智慧網聯汽車開放道路測試號牌在上海正式發放。在上海將開放真實道路

204、，全面測試運行智慧互聯網汽車、無人駕駛汽車。上海嘉定區劃定了安全性高、風險等級低的5.6公里道路，作為第一階段智慧網聯汽車開放測試道路。上海已經向進行自動駕駛道路測試的車企發放了牌照，其中包括傳統車企上汽集團和無人駕駛創業公司蔚來汽車。傳統汽車制造商寶馬也成為首個獲得上海自動駕駛測試牌照的外國車企。從無人駕駛企業來看，國內無人駕駛技術創業公司蔚來、威馬、奇點、游俠等均將研發中心選在了上海。與此同時，包括特斯拉，谷歌Waymo在內的國際大廠紛紛在上海設立自己的工廠和研發基地。圖圖4 4-1414：上海無人駕駛行業重點企業分布：上海無人駕駛行業重點企業分布 34%23%15%8%6%13%北京廣東

205、上海浙江江蘇其他Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：IT桔子，德勤研究 從用戶的需求來看，作為出行的核心驅動，人們的生活已經離不開汽車，但隨著汽車保有量的增加，事故、擁堵、污染等負面影響逐漸顯現，需要新技術新方法提高交通的安全性、舒適性、經濟性以及環保性。傳統廠商尋求技術突破，主流廠家無論是技術端還是制造端對于跨界合作已經形成了一種共識，數據和連接將會是智能出行時代的關鍵詞。技術公司已與有關部門、汽車制造公司展開跨界合作，實現資源的有效對接和合理配置。智慧

206、出行首先需要強大的計算力與海量的高價值數據是構成多維度協同出行生態。圖圖4 4-1 15 5：自動駕駛技術分級：自動駕駛技術分級 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：SAE,NHTSA,德勤研究 自 2000 年以來，關于汽車的智能化功能開始出現。GPS、傳感器為無人駕駛的出現提供了數據和應用上的支持和準備。從 GPS 的推廣開始，各科技和汽車廠商開始了大規模個人出行的資料積累，這些數據使人工智能得以通過海量數據學習駕駛要領。傳感器在汽車中的應用使汽車具

207、備了局部實時感應和判斷的能力。例如汽車的 ABS、安全氣囊和 ESC 等都從功能上輔助了汽車舒適度和安全性的提升。真正的汽車智慧化開始于 21 世紀的第二個十年，隨著谷歌在人工智能技術上的率先發力，關于應用于汽車中的人工智能也相繼出現。主要功能體現在車道變更，停車入庫等多個方面。從技術的發展來看，目前國內外智慧駕駛技術多處于 Level 2 至 Level 3 的水平。雖然關于人工智能的系統和算法已經日趨成熟，但值得注意的是許多自動駕駛的測試環境仍然處于實驗階段。上路后的無人駕駛一旦出現事故將面臨用戶的信任危機。目前，人工智能在無人駕駛領域即將落地的應用包括無人貨運、無人共享汽車。圖表圖表 4

208、 4-1 16 6：無人駕駛產業鏈：無人駕駛產業鏈 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：公開資料，德勤研究 無人貨運無人貨運。在物流領域，無人駕駛可以應用在長途卡車運輸、封閉道路上的配送，以及同城運送上。無人駕駛技術的普及，能夠在增加道路上卡車數量的同時，降低人為造成事故導致的死亡率，從而節約整體成本。其中，前兩個領域已經有巨頭和創業公司在布局，近期，近日蘇寧和京東分別宣布在中國和美國硅谷測試了它們的 L4 級別的無人駕駛重卡。無人貨運技術的實施主要解決

209、的是貨車盲區大、機動性差、穩定性差和結構松散的特點。而通過人工智能的多傳感器在線標定、多傳感器融合、遠距離感知、精細化建模&控制、多目標優化決策等技術，將解決以上問題。無人駕駛重卡一旦實現商業化，既能解放司機勞動力，又能實現企業節能減排目標，為應對全球氣候變暖做貢獻。但一切技術都是有限制的。由于重型貨車的電耗巨大，長途運輸中的電池續航在經濟上尚不可行。無人共享汽車。無人共享汽車。無人共享汽車是未來無人駕駛的應用場景之一。2018年中國汽車共享出行市場報告的數據顯示，國內個人私家車的的使用率僅5%，加之出門限行單雙號等政策的不斷推行，都市中的年輕人越來越傾向共享出行。根據中國公安部2017年公布

210、的資料，國內有證無車的人群達到2.15 億，并且每年新增3300萬拿證人群，且拿證人數逐年遞增。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 從自動駕駛的商業潛力來看，人工智能有效的降低了人和物的運輸成本。隨著人工智能影響下的汽車運輸來到“汽車共享”的階段，汽車從私人擁有成為了共享運輸工具，汽車行業的用戶隨即轉化為共享汽車運營平臺的用戶。隨著都市中的年輕人越來越傾向與按使用付費的個人出行消費模式，而不是選擇繳納一部購車的預付款，這從根本上挑戰了當前以私人擁有汽車為核心的消

211、費模式。對于傳統車企而言，這樣的轉變將逐漸顛覆整個傳統車企的商業模式。面對人工智能下的自動駕駛帶來的沖擊，包括福特在內的傳統車企已經開始進行從單純銷售汽車向汽車服務提供平臺的轉變。對于掌握了用戶數據的互聯網巨頭而言，新興的智慧交通市場成為他們布局未來的必爭之地。由于為人工智能技術將從商業模式上顛覆傳統出行行業，未來的核心優勢在于數據和對平臺資源的整合能力，傳統車企商業模式中通過銷售將汽車的所有權售賣給個人的方式將被新興的商業模式代替。4.64.6 零售：人工智能驅動行業走向聚合零售：人工智能驅動行業走向聚合 受益于零售行業的數字化轉型，人工智能已滲透到零售各個價值鏈環節。隨著各大零售企業加入，

212、電商巨頭和科技企業加緊布局，人工智能在零售行業的應用從個別走向聚合，深度學習和計算機視覺成為支撐智能零售的兩大技術深度學習主要被應用于數據的分析與建模，以實現產業鏈的優化；計算機視覺技術則可應用于消費行為分析與商品識別，目前計算機視覺輔助下的貨品檢測、自助結算等已實現商業化。人工智能零售行業應用落地在全球高速增長。據Gartner預測，到2020年，85的消費者互動將通過人工智能實現自動化管理。Global Market Insights數據顯示12，20182024年間全球人工智能在零售領域應用年均復合增長率（CAGR）超過40%，應用市場規模在2024年達到80億美元，其中亞太市場CAGR

213、超過45%，主要由中國和印度市場帶動。從技術領域來看，視覺識別/搜索技術相關應用CAGR 45%，機器學習相關應用CAGR超過42%在此背景下，零售行業拉開利用人工智能轉型的大幕。國內各大線下主流零售商順應科技發展趨勢，不斷增加在人工智能領域的投入，2018年各類零售商在人工智能的建設投入約9億元，占總投入的3.15%，預計到2022年這個數字可以突破178億，占總投入的25%。各電商巨頭也Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 借著人工智能的東風，加速在線與線下業

214、務的整合。上海是中國最大的消費城市，人工智能在零售行業的應用將更高效的推動上海零售產業的發展。AI+零售在上海的占比重，上海的浦東新區的零售科技公司占到上海全部零售公司的四分之一。其中，外賣品牌“餓了么”所屬公司上海拉扎斯信息科技有限公司位于上海普陀區。以阿里巴巴為代表的科技巨頭和永輝為代表的零售巨頭都將上海作為其新零售和零售科技發展的重要試驗田，其原因在于，上海作為全國人均消費水平最高的城市，擁有旺盛的消費需求而其城市的開放度使上海的消費者對新型的零售模式擁有更高的接受度.圖圖4 4-1717：上海智慧零售重點企業分布：上海智慧零售重點企業分布 來源：IT桔子，德勤研究 人工智能在零售領域應

215、用為繞人、貨、場、鏈進行構建，不同場景面向不同：面向消費者的需求預測、個性化營銷、購買體驗以及智慧客服，主要要求是持續有效的吸引消費者參與；面向貨品應用主要有利用智能貨架協助支付、盤點、促銷、定價等功能；面向門店的店鋪選址、店內購物體驗、無人店鋪等，主要要求為實現店鋪投資的效益最大化；面向供應鏈的智慧定價、智慧配送和倉儲，主要要求是效率的提升。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 人工智能在零售行業各個環節加速滲透，未來人工智能在零售領域的值得關注的議題有：人工智

216、能加速在線線下融合。人工智 能給予市場參與者更多的手段進行數字化的消費者關系管理，這將加速在線線下融合，在C端更好地滿足消費者的個性化體驗；在B端幫助商家進一步優化它的成本和費用結構，開源節流。應用場景進入碎片化大規模實驗期。人工智能在各個零售環節多點開花，應用場景碎片化并進入大規模實驗期。有些應用還處于早期，如無人零售和店內使用機器人，并沒有十分明確有效的提高客戶體驗和說明成本縮減的商業實證出現。在應用場景尚不明朗的情況下，零售商還將與創業企業進行大量實驗，尋找最佳切入點。零售商與創業公司更加積極合作。傳統零售企業要與科技巨頭在廣泛應用大數據和人工智能的零售市場上同臺競技，意味著零售商將更加

217、積極與創業公司建立伙伴關系，創業企業深耕行業應用。盡管各大科技 巨都在重點部署人工智能，巨頭們的生態博弈并沒有堵死創業企業的路。但是對于創業企業來說，與科技巨頭競爭的優勢有限，僅靠技術輸出無法為企業打造護城河。越來越多創業企業將走向行業深耕，為行業客戶提供解決方案并打造清晰的盈利模式。圖表圖表4 4-1 18 8：智慧零售產業鏈：智慧零售產業鏈 數據源：德勤研究 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 用戶畫像用戶畫像。用戶是誰？使用者需要什么樣的商品？需要什么服務

218、？期望以什么價格購買？這些問題依然是零售商最關心的問題。商家在與顧客的互動中，產生大量數據，再通過不斷的用戶消費資料積累、機器學習，可以深入地分析和了解消費者偏好和需求，并為每一位顧客標注幾十甚至上百個標簽，如購買力、消費信用、品牌偏好、行為特征、社會關系等，從而形成對應的用戶畫像和知識圖譜。用戶畫像是精準營銷和大規模個性化推薦及服務建立基礎。阿里智能推薦系統在去年“雙十一”為用戶進行了 453 億次 AI 個性化推薦，研究表明，個性化頁面的銷售轉化率比傳統頁面提升 20%。百分點的用戶畫像允許商家調整人群指標及權重值，選擇適合的用戶群開展營銷。其某大型百貨公司營銷項目中，有效提升其活動業績，

219、降低拉新成本，平均獲客成本減少 70%以上，轉化率提升超 70%。支付作為消費的必備環節之一，蘊藏著大量的用戶數據。聚合支付通過分析支付習慣偏好、支付習慣、頻率等，為提高客戶忠誠度、促銷節奏推動提供參考。智能店鋪選址智能店鋪選址。中國零售從線下走到在線，又從在線回歸到全管道發展服務客戶的商業本質。線下零售的需求正在重啟，商家開店的需求必將持續增長。人工智能選址通過結合各種數據，如歷史銷售數據，人口經濟數據，到競爭者的距離等數據，可以把選址模型的顆粒度和數據相關性分析提到新高度。地段分析通過圈定商圈范圍，實時查看預選店址周邊人流量，以及區域內客流的變化趨勢，評估是否能滿足店鋪客流量。選址對比可以

220、實現用戶同時預選 35 家店址，對比連鎖總店、行業、不同時段人流等，計算分析最佳店鋪地址。極?？v橫信息技術利用地理大數據為零售企業提供新店選址與撤點選擇服務，即機器學習基于位置的會員特征，并基于網點影響范圍內人流屬性、競品店鋪、商業企業共生資源、交通便利程度等對區域或網點進行加權評分，建立銷售測算模型預測店鋪營業效果。智能客服體系智能客服體系。人工智能客服體系，從顧客提問開始進行語義理解與問題識別，并對識別的問題進行大數據搜索，分析顧客的問題含義，尋找知識圖譜，進行答案匹配與決策。人工智能客服實現 24 小時客服在線，隨時解答顧客問題，提高客戶滿意度，也為節省商家人力成本，把人力從枯燥高壓的工

221、作中解放，去做更具價值的工作。阿里云智慧客服機器人云小蜜可以實現基于知識庫的知識咨詢和問答，結合多輪對話配置工具，可以將業務集成到機器人會話中，如訂單查詢、物流跟蹤、自助退貨機器人等。云小蜜每天能夠為600萬客戶服務，問題解決率達到 95%，擁有 36 個行業知識庫，可以 7*24 小時提供多語言服務。智慧一點的蘿卜塔（ROBOTA）AI 大腦通過機器自主學習和人機協同的方式，并基于用戶意圖的對話模型，結Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 合行業知識圖譜，提高售

222、前導購的轉化和復購。蘿卜塔將運用在線上線下兩大場景，在線場景推出售前導購機器人和售后服務機器人；線下場景則有智能硬件機器人、線下導購機器人、智慧貨架等。4.74.7 制造業：智能制造應用潛力巨大制造業：智能制造應用潛力巨大 人工智能與相關技術結合，可優化制造業各流程環節的效率，通過工業物聯網采集各種生產資料，再借助深度學習算法處理后提供建議甚至自主優化。然而，相較于金融、商業、醫療行業，人工智能在制造業領域應用潛力被明顯低估。SAP通過對中國20152018年最大的300項人工智能投資項目進行分析，結果顯示，23.4%的投資是在商業及零售領域，18.3%在自動駕駛，而制造業相關的人工智能投入不

223、到1%13。而制造業恰恰是人工智能應用場景最具潛力的區域。有研究發現，人工智能的使用可降低制造商最高20%的加工成本，而這種減少最高有70%源自于更高的勞動生產率14。到2030年，因人工智能的推動，全球將新增15.7萬億美元的GDP，中國就占7萬億美元；到2035年人工智能將推動勞動生產力提升27%，拉動制造業的GDP高達27萬億美元。在國家政策指引下，我國制造業正加速智能化進程。2015年國家正式頒布中國制造2025，將智能制造工程作為政府引導的五個工程之一。2017年我國智能制造試點示范專項加速落地，與此同時國家對于智能制造專項的補助金額也在加速增長。2018年我國新增99個智能制造試點

224、示范項目，其中18個位于長三角地區，10個位于京津冀地區。從智能制造應用的區域分布來看，上海正在成為新興智能制造產業發展和應用的關鍵地區。截至目前，上海智能制造發展體系已基本形成：在汽車、高端裝備、航空航天、船舶海工、電子信息等重點領域遴選了14個國家級智慧工廠、60個市級智慧工廠，牽頭制定66項智能制造標準，認定了兩批30家智能制造系統解決方案供貨商。隨著“一核一帶”智能制造產業集群，Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 上海正逐漸形成臨港世界級智能制造產業中心

225、，浦東、閔行、嘉定、寶山、松江等區域形成的智能制造近郊產業帶。圖圖 4 4-1919：上海智能制造重點企業分布：上海智能制造重點企業分布 來源：IT 桔子，德勤研究 圖表圖表4 4-2020：智能制造細分行業占比：智能制造細分行業占比 Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 制造業將成為人工智能應用藍海。全球人工智能及相關場景在制造業應用市場在 2016 年約為1.2千億美元，這個數字在 2025年有望超過7.2千億美元，復合年均增長率預計可超過 25%。圖表圖表4

226、 4-2121：智能制造產業鏈：智能制造產業鏈 17.00%12.00%5%14.00%9%21.00%15.00%13.00%0.12%3.00%54%37.00%0%10%20%30%40%50%60%70%80%90%100%20162025E工業機器人制造業物聯網制造云（公有）制造業大數據及商業分析制造業人工智能智能工廠應用/解決方案Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 數據源：公開資料，德勤研究 人工智能在制造業的應用場景主要分為三類，一、產品智能化研發

227、設計和為產品注智；二、在制造和管理流程中運用人工智能提高產品質量和生產效率；三、供應鏈的智能化。智能產品智能產品：將人工智能技術成果集成化、產品化，制造出如智能手機、工業機器人、服務機器人、自動駕駛汽車及無人機等新一代智能產品。這些產品本身就是人工智能的載體，硬件與各類軟件結合具備感知、判斷的能力并實時與用戶、環境互動。以智能手機為例，除了 AI 芯片使手機運行速率、反應時間商更快之外，手機上的智能語音助手、生物識別、圖像處理等 AI應用也給用戶帶來多維度的智能體驗。國產手機四大巨頭 Vivo、小米、華為和 OPPO 先后在2018 年推出主打 AI 功能的旗艦機，顯示智能產品的市場潛力不容小

228、覷。產品質檢產品質檢：借助機器視覺識別，快速掃描產品質量，提高質檢效率。而且，因為這些系統可以持續學習，其性能會隨著時間推移而持續改善。汽車零部件廠商已經開始利用具備機器學習算法的視覺系統識別有質量問題的部件，包括檢測沒有出現在用于訓練算法的數據集內的缺陷。AI 視覺技術企業波塞冬可以 實現精度為 0.1mm 的汽車電鍍件外觀不良檢測；阿丘科技將 AI和 3D 視覺技術用于工業質檢和分揀，于 2018 年 1 月完成 800 萬美元 A 輪融資；高視科技將Information classification:InternalInformation classification:Internal

229、 資訊分類資訊分類:內部內部 AI 視覺用于屏幕質檢，已完成超過 5000 萬元的 A 輪融資；瑞斯特朗則聚焦在紡織布料質檢16。倉儲自主優化倉儲自主優化：智慧搬運機器人大幅提升了倉儲揀選效率，減少人工成本。以搬運系統為例，系統根據生產需求下達搬運任務，機器人會自動實現點對點的搬運，在工廠和倉庫內運輸物品的機器人會感應障礙調整車輛路線從而實現最佳路線。機器學習算法會利用物流數據比如材料進出的數據、庫存量、零件的周轉率等來促進倉庫自主優化運營。如算法會建議將低需求的零件轉移到更遠的地方，并且將高需求的零件放到可以更快獲取的附近區域。極智嘉科技以物流機器人及智慧物流解決方案為重點，研發機器人揀選系

230、統、搬運系統和分揀系統等，通過機器人產品和人工智能技術實現智能物流自動化解決方案。機器人搬運系統通過移動機器人搬運貨架/托盤實現自動化搬運。有效提升生產柔性，助力企業實現智慧化轉型。實現自動進行路徑規劃及取放貨架托盤動作，實現了工廠車間無人化的智慧搬 4.84.8 智慧城市：人工智能塑造城市基智慧城市：人工智能塑造城市基礎設施創新系統礎設施創新系統 城市是人工智能應用場景最終落地的綜合載體，隨著AI等前沿技術的融入，城市基礎設施得到了創新升級，將全方位助力城市向智慧化方向發展。同時，伴隨著城鎮化進程的不斷加快，我國城市發展目前遇到人口密集、能源結構單一、資源配送效率低、交通物流風險大、垃圾回收

231、利用率低、空氣質量不佳等痛點，也從另一個方面催生了對人工智能產業發展的要求。在城市人口方面，城市人口的增加帶來了對城市空間和資源的挑戰，對城市空間的安全和宜居水平易造成影響，所以城市人口的密集成為城市發展中亟需關注的問題；在能源結構方面，由于我國能源結構較為單一，仍然大量依賴煤炭、天然氣等傳統能源，為響應巴黎氣候變化協議，中國已將二氧化碳排放達到峰值的時間定位為2030年，通過能源結構的調整改善全球氣候變化已經成為社會各界全面關注的重點；在資源配送方面，傳統資源配送使用的獨立管網在城市基礎建設方面已產生了地下空間資源利用不合理、重復施工造成環境破壞、管線工藝老化造成城市安全隱患、缺少準確運行維

232、護資料等許多問題。其中綜合管廊是我國城市發展過程中解決管線與空間矛盾的有效手段，但在規劃系統性、收費機制合理性等方面仍需改進；在交通物流方面，目前物流大部分環節主要還是依靠人工分揀和配送，給物流工作帶來了大量的潛在風險。因此亟需將城市基礎建設和大數據、云計算、物聯網等技術有機結合，提供創新型Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 物流資源分配方式，以提升物流業信息化、標準化、組織化和智能化水平；在垃圾回收利用方面，現階段我國垃圾分類回收仍與其他發達國家的大都市存在一

233、定的差距，廢品回收無序、分類收集形式化、垃圾處理方式簡單、總體管理系統封閉等弊端都是在城市生活垃圾無害化、資源化和減量化的道路上需要面對的挑戰；在空氣質量方面，目前中國空氣污染范圍較大、持續時間較長，對國民健康損害較為嚴重，且會導致較為嚴重的經濟損失，也會加劇醫療系統的緊張。因此，控制城市的空氣質量已成為全民關注的話題。人工智能是建設未來智能城市的重要技術之一，為了解決目前城市發展中遇到的一系列痛點，引領城市實現健康舒適、碳排放不斷減少、具備高安全性、生活高度便利化等美好愿景，可將人工智能技術應用于城市基礎設施系統，通過在城市各大綜合載體中先行構建，最終推廣至整個城市層面，最終構建完善的智能城

234、市基礎設施創新系統。近年來，上海正在以面向全球、面向未來的視野，不斷加快建設人工智能發展的“上海高地”，全力建設徐匯西岸國際人工智能中心、張江人工智能島、馬橋人工智能創新試驗區、北楊人工智能小鎮、嘉定新一代數據庫與人工智能研究中心、洞涇人工智能產業基地等綜合載體，在人工智能科創資源、產業基礎等方面形成優勢互補。以馬橋人工智能創新試驗區為例，通過劃分產業創新發展區和應用綜合實踐區兩個分區，將圍繞城市管理、社會治理、民生服務等需求，搭建豐富的人工智能應用體驗場景，最終助力上海構建人工智能發展高地。圖圖4 4-2222：上海綜合載體分布：上海綜合載體分布 Information classifica

235、tion:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 來源：德勤研究 人工智能在城市基礎設施系統中的應用主要可分為城市綠地系統、交通系統、物流系統、循環系統、能源系統等創新系統。綠地系統（水智理公園）：綠地系統（水智理公園）：綠地系統是指通過打造城市智慧水資源管理體系，以實時應對全球氣候變化對城市水環境造成的影響，最終實現節約循環、環境適應、安全使用的目標。在實施過程中，先行在城市綜合載體開展海綿城市和雨水花園技術的應用，構建城市智慧綜合管廊，通過結合形成更加成熟的海綿城市運營管理模式。同時，可將綠地系統與污水與廢物垃圾處

236、理系統、能源系統有機結合，貫徹實施循環經濟的理念。遠期可進一步推廣至整個城市層面，通過各種措施，確保城市能夠應對全球變暖帶來的水環境危機。交通系統（人性化出行）：交通系統（人性化出行）：在未來智慧城市中，人和城市的需求將作為出發點，積極響應未來人工智能技術的發展，搭建各類智能交通應用場景，創造更加高效、活力、可持續的智能交通出行體系。在具體實施層面，從人工智能在交通領域的技術路徑來看，近期可在綜合載體中引入新型道路分級系統，改革路網密度和道路斷面，同時引入車路協同技術、智慧停車技術構建智慧場景，小范圍開展無人共享出行、無人出租車系統，未來可進一步推廣至城市層面。物流系統（自物流系統（自動化流轉

237、）：動化流轉）：自動化流轉的物流系統以低成本、高效化和安全化為目標，通過自動化、智能化手段解決物流“最后一公里”難題，提升物流配送效率，降低成本，并顯著改善街道交通環境。在具體操作層面，參考荷蘭城市地下管網案例，近期可在城市綜合載體內預留地下物流系統的管道，安裝無線充電基礎設施。待配套技術成熟后，做小范圍試運行。中遠期與現有的物流公司合作，開發機器人分發系統，利用現有技術資源，研究突破地下物流系統管網的技術，推廣至整個城市。循環系統（固廢處理）：循環系統（固廢處理）：固廢處理循環系統以資源化、減量化、無害化為目標，依托氣力自動系統、垃圾分類中心等設施和技術減少城市溫室氣體排放，提高可回收資源利

238、用率。Information classification:InternalInformation classification:Internal 資訊分類資訊分類:內部內部 在具體操作層面，近期可在城市綜合載體內建設智慧垃圾分揀、厭氧有機廢物發電系統和針對干垃圾和濕垃圾應用氣力輸送系統和餐廚處理系統，并結合智能廢物信息監控管理網絡更好地把控和運營。中遠期在垃圾的產生和預分類方面頒布鼓勵政策，實現源頭把控，并推廣至全市?？沙掷m建造（能源系統）：可持續建造（能源系統）：可持續的能源系統以高效化、靈活性、可再生為目標，依托分布式能源、廢水余熱熱泵、冷熱電聯產、微電網、蓄能技術等實現能源的節約和循環使用。在具體操作層面，近期可在城市綜合載體內嘗試結合廢水余熱熱泵、垃圾焚燒發電等技術形成符合循環經濟理念的能源鏈，并在引導塊優先采用太陽能、風能等可再生能源供給，使用分布式能源供給綜合功能片區。中遠期在整個城市推廣可再生能源的使用。