36氪：2019人工智能商業化研究報告（90頁）.pdf

《36氪：2019人工智能商業化研究報告（90頁）.pdf》由會員分享，可在線閱讀，更多相關《36氪：2019人工智能商業化研究報告（90頁）.pdf（90頁珍藏版）》請在三個皮匠報告上搜索。

1、2019.07 人工智能商業化研究報告（2019） 36Kr研究院 杜玉 2 報告摘要 宏觀環境、政策、數據和技術是人工智能商業化的四大驅動力 商業化是相對于實驗室產品而言。人工智能商業化，即：企業利用人工智能技術來解決 實際的問題，并通過市場進行規?；儸F的行為。 目前，七類人工智能技術已經進入商業化階段，商業化路徑大致可分為兩種。一種是人 工智能技術公司主動去探索并推動產品和技術在實際場景中的落地；另一種是實體產業 積極的思考人工智能是否可應用于相關的業務場景來協助降本增效。 宏觀環境變化、政策、數據和技術是人工智能進入商業化探索階段的四大驅動力。 資本趨于理性，人工智能早期項目融資難度增

2、加，B輪及以后獨角獸融資熱度不減。 中國人工智能產業鏈快速完善，大致可分為基礎層、技術層和應用層 人工智能與實體產業深度結合的商業化時代已經到來，未來潛力巨大 中國人工智能產業鏈快速完善，各環節合作模式逐漸成型，并呈現出精細化發展的趨勢 。根據產品和業務側重的不同，人工智能產業鏈可大致分為基礎層、技術層和應用層。 基礎層資本注入穩定，各環節技術、產品和商業模式上均有不同程度的突破。 技術層早期大量研發投入帶來的技術優勢，轉化為商業化的先發優勢，進而帶來市場機 會和規模優勢。 應用層深入到各行各業，行業呈現“一專多能”的趨勢，即：專注于某一領域的技術公 司，同時也關注更多的行業和場景機會。 各類

3、人工智能技術都已進入在實體產業應用場景中落地的階段，受政策和市場環境驅動 ，人工智能商業化的進程加快，未來，將在帶動行業創造新的增長點上發揮巨大潛力。 隨著開源算法、開放平臺的應用，人工智能的使用門檻在逐漸降低，這將使得更多的企 業可以利用人工智能技術來為場景和行業賦能。 在探索技術邊界的過程中，人工智能所能解決的問題更加精細化，對應的產品和服務也 更加專業化。 整合上下游產業，健全商業生態，是人工智能企業構筑更高壁壘的一種重要方式。 36Kr-人工智能商業化研究報告 2019.07 目 錄 Contents 一. 行業綜述 商業化概況 AI定義 兩種商業化路徑 驅動力：宏觀環境、政策、數據、

4、技術 投融資分析 二. 產業鏈分析 產業鏈圖 產業鏈分析 基礎層 技術層 應用層 三. 行業總結與前景分析 行業總結 趨勢、前景分析 潛在風險 可能的機會 人工智能行業概述 CHAPTER 商業化概況 AI定義 兩種商業化路徑 驅動力 投融資分析 5 36Kr-人工智能商業化研究報告 2019.07 商業化是相對于實驗室概念產品而言，人工智能商業 化即企業如何利用人工智能技術來解決實際的問題， 并通過市場進行規?；儸F的商業行為。 人工智能的概念誕生于1956年世界達特茅斯會議上， 距今已經有半個多世紀的發展史，但人工智能真正走 出實驗室，走進人類生活卻是近幾年才有的事。 據WIPOP 201

5、9年人工智能趨勢報告顯示，50%的AI 專利在過去5年內發表，這意味著從2014年-2018年 這五年內，AI產業進入了快速發展的階段。 人工智能基礎技術漸趨成熟至達到商用條件，從而能 夠在更廣泛的場景下發揮價值，是其商業化的前提。 加之近年來，互聯網產業進入洗牌期，資本市場對人 工智能的投資也表現得更加理性。技術成熟且具有較 強商業落地能力的項目持續受到資本的關注，這在一 定程度上推動了行業從早期普遍強調技術優勢過渡到 更加重視產品、解決方案等商業化能力的發展階段。 整體來說，中國人工智能技術商業化速度非?？?，計 算機視覺、生物識別等相對成熟度更高、商業化更早 的技術，已經在公共安全、金融、

6、零售、廣告營銷等 領域有了較好的應用；自然語言處理技術也在智能客 服、智能語音交互等場景下服務于各行各業；機器學 習應用范圍則更廣，比較典型的應用如智適應教育、 智能推薦等已逐漸走入人類生活?？梢哉f，商業化將 是近幾年維持人工智能熱度的主要力量。 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 行業綜述 商業化將人工智能熱度推上了歷 史新高 6 36Kr-人工智能商業化研究報告 2019.07 人工智能的概念還相對模糊，尤其是近年來，技術及 其應用邊界不斷拓展的階段，各方對人工智能的認知 存在較大偏差

7、，行業內尚無統一的定義。 目前流行的說法大多從“仿人”的角度來看，將利用 機器（含計算機程序）模擬人類感知、學習、認知、 推理、決策、交互等過程的技術稱為人工智能。 其中，按照機器是否可以產生自我認知和適用范圍， 又將人工智能分為弱人工智能（專用人工智能）和強 人工智能（通用人工智能）。 弱人工智能：機器沒有自我意識，不具備真正的推理 和獨立解決問題的能力，通常只適用于特定條件下某 一類問題的解決，如：人臉識別、語音識別、語義理 解等，故弱人工智能也被稱為專用人工智能?，F階段 ，人工智能技術的研究和應用主要集中在弱人工智能 領域。 強人工智能：機器具有一定的自我意識，能夠通過學 習拓展功能，即

8、當機器意識到自身不具備某種功能時 ，可自行學習至獲得相關技能。故強人工智能可以獨 立面對各種復雜情況，具有一定的通用性，又稱通用 人工智能。 強人工智能（通用人工智能）的研究進展緩慢，技術 上存在巨大的挑戰，同時在應用風險和社會倫理等方 面也頗具爭議，業界普遍認為，強人工智能在短期內 還難以獲得較大突破。 行業綜述 什么是人工智能？ 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 7 36Kr-人工智能商業化研究報告 2019.07 由于人工智能概念尚未統一，其核心技術的邊界與分 類也不一而同。在本篇

9、報告中，我們參考中國電子技 術標準化研究院人工智能標準化白皮書（2018） 中的人工智能標準體系框架，選取計算機視覺、自然 語言處理、生物識別、機器學習、人機交互、知識圖 譜、虛擬現實/增強現實/混合現實（VR/AR/MR）等 七類人工智能核心技術來研究其商業化情況。 行業綜述 七類人工智能核心技術已進入商 業化階段，“AI+”成主流 人工智能商業化的發展邏輯可分為兩條路 徑，一個是“AI+”，另一個是“+AI”。 ”AI+“以技術為核心驅動，以探索多樣化 的場景應用為目標，由科技公司發起，重 新設計產品、方案或商業模式?！癆I+”傾 向于思考技術能做什么，它可能是當前已 有的事物，也可能是當

10、前尚未存在的。故 “AI+”的邏輯更容易產生“新發明”，從 而對行業產生顛覆性的影響。 ”+AI“則由傳統行業或當前已經較為成熟 的產業主動地引進人工智能技術，來優化 自身業務，提升效率和用戶體驗，降低風 險和成本?！?AI”則更多地思考技術能不 能做，主要用于對當下固有流程的改造和 優化，是正常的技術迭代和升級。 在本篇報告中，我們著重關注“AI+”路徑，即人工智能技術公司如何順應市場 需求，將多元化的產品和解決方案應用于各行各業的各個場景。 機器人 自動 駕駛 智慧 銀行 智慧 醫療 智能 營銷 智適應 教育 語音 助手 智慧 城市 數據 機器學習 計算機視覺 自然語言 生物識別 VR/A

11、R 知識圖譜 機器 翻譯 人機交互 芯片云計算傳感器通信技術 智能 投研 刷臉 支付 . 圖示：人工智能商業化呈不可逆 轉之勢向各行各業蔓延 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 8 36Kr-人工智能商業化研究報告 2019.07 人工智能起起落落，行業普遍認為，這一輪人工智能 浪潮主要受場景需求驅動，同時也受算法、算力和數 據等基礎條件的驅動。 近兩年，商業化的熱度只增不減，落地成為人工智能 行業的主旋律。我們總結，近幾年的人工智能商業化 主要有四大驅動力，分別為：宏觀環境驅動、政策驅

12、動、技術驅動和數據驅動。 其中，在宏觀環境方面，我們從資本環境、競爭環境 和社會經濟環境三個角度來看。 1）資本環境：從互聯網到人工智能，資本逐漸趨于理 性，行業普遍關注技術應用能力。這使得找到落地場 景的人工智能企業，具有更強的自我造血能力，更易 獲得資本，也具有更強的生存能力。 2）競爭環境：隨著越來越多的巨頭和創業公司涌入， 人工智能行業競爭加劇。與一般消耗性型產品不同， 人工智能產品和服務更容易形成穩定、長期的合作關 系。率先取得市場信任并獲得客戶的企業先發優勢更 為明顯，出于對搶占市場的考慮，企業也爭相跨出了 商業化的步伐。 3）社會經濟環境：隨著人口紅利的消失，經濟增速放 緩，企業

13、經營成本越來越成為一個重要的考慮因素。 利用新技術解放人類勞動力，實現降本增效成為企業 的一大訴求，這也為人工智能的商業化帶來新的機遇 ，成為推動其落地的一個因素。 行業綜述 人工智能商業化的四大驅動力 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 9 36Kr-人工智能商業化研究報告 2018.08 各大經濟體聚焦人工智能在全球經濟增長和轉型的過 程中的推動作用，并相繼出臺指導文件，從國家戰略 層面引導和促進人工智能產業的健康發展。 其中，中國和美國尤其強調掌握人工智能核心技術， 在世界人工智能領

14、域占據領導地位；歐盟和日本則更 加注重審視自身優勢和劣勢，應對人工智能產業發展 帶來的經濟和社會問題。 行業綜述 人工智能在全球經濟中占據重要 位置，各國從戰略層面整體布局 經濟體相關政策或文件政策方向總結2019年政策風向 中國 2016年8月，國務院發布“十三五”國家科技創新 規劃，明確人工智能作為發展新一代信息技術的主 要方向。 2017年國務院關于印發新一代人工智能發展規劃 的通知。 2019年3月關于促進人工智能和實體經濟深度融合 的指導意見 構建智能經濟、智能社會，使人 工智能成為重要的經濟增長點， 帶動我國產業升級和經濟轉型； 人工智能理論、技術與應用總體 達到世界領先水平，成為

15、世界主 要人工智能創新中心，為躋身創 新型國家前列和經濟強國奠定重 要基礎。 全面推進人工智能 與實體經濟的深度 融合 美國 2016年10月，白宮發布為未來人工智能作好準備 與國家人工智能研究與戰略發展規劃。 2017年12月，美國國會提出“人工智能未來法案”。 2018年9月DARPA宣布了$2B+投資計劃，以克服人 工智能技術的限制。美國國防部決定在未來五年投資 20億美元到其機器常識（MCS）項目中。 2019年2月啟動“美國人工智能倡議”。 促進人工智能發展，同時預防和 降低可能的負面影響（建立有利 的投資和創新環境；優化發展， 關注人工智能發展給勞動力市場 帶來的改變；注重保護個人

16、隱 私）。 保持美國在人工智能方面的領導 地位、支持美國工人、促進公共 研發、消除創新障礙。 從國家戰略層面調 動更多聯邦資金和 資源用于人工智能 研發,“確保美國在 人工智能領域的領 導力”,加強國家和 經濟安全。 歐盟 2018年3月，歐洲政治戰略中心發布了人工智能時 代：確立以人為本的歐洲戰略報告； 2018年4月歐盟成員國簽署了人工智能合作宣言，并 發布政策文件歐盟人工智能。 2018年12月歐盟發布人工智能協調計劃提出增 加投資、提供更多數據、培養人才和確保信任。 創建發展環境，加強人才建設以 適應人工智能給就業體系帶來的 變化，促進研究投資，建立道德 和法律框架，推進以人為本的發

17、展路徑，積極應對社會經濟變革。 加強AI技術研究與 創新，有針對性地 在歐洲推廣AI應用。 日本 2016年6月，日本政府通過新版日本再興戰略， 將人工智能技術視為第四次產業革命的核心尖端技術， 計劃到2020年創造出30萬億日元的經濟附加值。 2017年3月技術委員會發布人工智能技術戰略。 2017年，日本政府出臺下一代人工智能推進戰略 2018年5月，日本經濟產業省公布新產業構造藍圖 提出利用人工智能及物聯網等技術，普及自動駕駛汽 車及建立新醫療系統。 從國家層面建立完善的促進機制， 推動開發人工智能公共事業，聯 通個各個領域，建立人工智能生 態體系。保持并擴大其技術優勢， 逐步解決人口老

18、齡化、勞動力短 缺、醫療及養老等社會問題。 普及、落實自動駕 駛和AI醫療系統。 信息來源：36氪研究院根據公開資料整理 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 10 36Kr-人工智能商業化研究報告 2018.08 2019年，全球人工智能產業進入了落地應用的高峰期 ，商業化成為行業焦點。中國市場再迎政策紅利，于 2019年3月19日中央深化改革委員會審議通過了關 于促進人工智能和實體經濟深度融合的指導意見， 從政策上部署，推動人工智能規?；涞?。 截至目前，全國多個省市已陸續出臺政策，其中

19、，北 京、上海、深圳、杭州等東部城市人工智能產業密集 ，在政策反應速度上也明顯高于中西部城市，全國人 工智能產業發展將在頭部城市引領下形成百花齊放的 場景。 行業綜述 中國人工智能商業化迎政策紅利 ，政府推動AI產業規?；涞?城市相關政策或文件 北京 2019年2月，科技部發布科技部關于支持北京建設國家新一代人工智能創新發展試驗區的函，就推動人 工智能產業發展做出具體要求，即：支持北京市建設國家新一代人工智能創新發展試驗區；充分發揮人才和 技術優勢，突出高端引領作用；深化體制機制改革，優化人工智能發展的創新生態。 天津 2019年2月天津市武清開發區發布的關于組織2019年人工智能創新發展工

20、程的通知明確，2019年人工智 能創新發展工程圍繞“高端芯片、關鍵部件、高精度傳感器、通用軟件與平臺、融合創新應用”五個重點領 域進行支持。 上海 2018年9月，上海市發布關于加快推進人工智能高質量發展的實施辦法提出從人才建設、數據資源的開 放使用、人工智能產業協同創新、推動產業布局和集聚、加大政府引導和投融資支持力度等角度推動人工智 能產業發展。 深圳 2019年2月深圳出臺新一代人工智能發展行動計劃和芯片產業發展政策，加快突破芯片、算法、感知等關鍵 技術，大規模拓展人工智能在先進制造業、公共服務、社會治理等領域的應用場景。 廣東 2018年8月，廣東省政府正式公布廣東省新一代人工智能發展

21、規劃。規劃指出，到2025年廣東人工智能 產業核心規模突破1500億元，帶動相關產業規模達1.8萬億元；而到2030年整個人工智能產業發展要進入全 球價值鏈高端環節。 浙江 2019年2月，浙江省經濟和信息化廳、浙江省科技廳印發浙江省促進新一代人工智能發展行動計劃（2019- 2022年）。浙江將積極爭取人工智能國家創新中心，加快建設人工智能“1+N”產業創新聯盟，力爭到 2022年，成為全國領先的新一代人工智能核心技術引領區、產業發展示范區和創新發展新高地。 成都 成都市加快人工智能產業發展專項政策，從加快夯實人工智能產業基礎、不斷提升人工智能產業能級、 全面營造人工智能產業生態三個方面出臺

22、12條專項政策，推動人工智能產業發展。 信息來源：36氪研究院根據公開資料整理，其中只列舉出部分省市的部分政策。 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 11 36Kr-人工智能商業化研究報告 2019.07 隨著全球數字經濟和信息化水平的提升，世界互聯網 產業快速進入大數據時代。中國市場尤其如此，網民 基數大，信息化程度高使得中國市場上的數據量逐年 攀升。據IDC預測，全球數據總量預計2020年達到44 個ZB，中國數據量將達到8060個EB，占全球數據總 量的18%。 大量的數據為人工智能

23、算法的訓練和應用提供了基礎 材料，也同時帶來數據處理的壓力，從而推動市場引 進新的技術和方法來進一步挖掘數據的潛在價值。人 工智能正是這樣一種與數據相互依賴，相互促進的新 技術。 中國在數據層面具有明顯的相對優勢，主要表現在數 據量大、數據的多樣性豐富、數據的獲取和使用更加 開放。這一方面是因為，中國市場人口基數大，信息 化程度逐年上升，大量的網民在互聯網上的活動留存 了多元的數據，這些數據提供了人工智能產業生存和 發展的土壤；另一方面，中國網民對待網絡的態度相 較于國外更加開放，對個人隱私保護意識沒有到苛刻 的程度，愿意在社交、消費等場景下提供更多的信息 來獲取個性化的服務；此外，中國市場的

24、互聯網產品 豐富，各種產品從不同的維度沉淀了多樣化數據，利 用這些數據訓練出來的算法，更加符合中國用戶的習 慣，更具有普適性和穩定性。 這些數據上的優勢直接導致了中國的人工智能技術在 近年來快速突破，并進入商業化的發展階段。 行業綜述 中國在數據上占據相對優勢，加 速了商業化的進程 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 12 36Kr-人工智能商業化研究報告 2019.07 數據的擴張對算法和算力提出了新的挑戰，同時算法 、算力上的提升也是人工智能技術商業化的重要助推 力。 算法方面，現在主

25、流應用的基于多層神經網絡的深度 學習算法，不斷加強機器從海量數據庫中自行歸納物 體特征的能力，以及對新事物多層特征提取、描述和 還原的能力。最終使得基于深度學習的機器視覺、語 音語義、生物識別等多種人工智能技術的識別準確率 不斷提升，從而可以在更廣泛的場景下解決實際的問 題。這是推動人工智能商業化進程的最直接條件。 算力上，GPU、FPGA、ASIC等AI芯片的不斷創新， 使得計算能力整體有了提升。人工智能在面對海量數 據、復雜場景時的算法訓練和落地應用有了更強大的 算力支持，從而能夠更快、更精準地獲得結果，這無 論從技術實現還是用戶體驗上來說，都是人工智能商 業化的重要助推力。 商業環境、政

26、策、數據、算法、算力是現階段人工智 能商業化的主要驅動力。 此外，與歷史上的每一次技術革命相同，人工智能帶 來生產力的提升，在解放人類勞動力，提高生產效率 上的應用價值也是市場關注的重點。表現在具體的場 景上，人工智能為企業的降本增效提供了新的解決方 法，為滿足新時代的消費和生活需求提供了新的產品 ，這其中潛藏的商業機會也是人工智能落地應用的重 要推動力。 行業綜述 算法、算力的提升，為人工智能 商業化提供了條件 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 13 36Kr-人工智能商業化研究報告

27、2019.07 隨著產業的調整，人工智能投資趨于理性，融資事件 數量和融資金額都有所下降。2018年是重要的轉折點 ，根據鯨準洞見數據，人工智能領域的季度融資事件 從2018年Q1開始下降，到2018年Q4至2019年上半 年基本延續了這種下降的趨勢。其中，2019年Q2季 度融資事件數量和金額均不及峰值的1/3。 行業綜述 資本趨于理性，早期項目融資難 度增加 數據來源：鯨準洞見、36氪研究院 數據來源：鯨準洞見、36氪研究院 從融資輪次上看，自 2018年起，種子輪融 資事件數量和在全年融 資事件總量中所占的比 例雙雙減少。這意味著， 人工智能早期項目獲得 資本的難度可能在增加。 1.1A

28、I商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 14 36Kr-人工智能商業化研究報告 2019.07 截至目前，鯨準洞見共收錄2717個人工智能項目，其 中2018-2019上半年共658個項目成功融資，總額約 為886億人民幣。 從融資輪次上看，2018-2019上半年B輪及以后融資 事件數量占人工智能總融資事件數量的24%左右，與 2017年的15%相比顯著增加。 從分布領域看，大額融資集中分布于計算機視覺、機 器人、芯片、自動駕駛等核心技術廠商，各細分領域 頭部獨角獸融資熱度不減。資本市場整體上呈現“

29、冰 火兩重天”的態勢。 行業綜述 B輪及以后項目融資數量占比增加 ，資本市場“冰火兩重天” 企業名稱融資輪次融資金額融資時間所屬領域 商湯科技 C輪6億美金2018年4月 計算機視覺C+輪6.2億美金2018年5月 D輪10億美金2018年9月 曠視科技D輪7.5億美金2019年5月計算機視覺 優必選C輪8.2億美元2018年5月實體智能機器人 地平線B輪6億美元2019年2月AI芯片 依圖科技C+輪2億美元2018年6月計算機視覺 涂鴉智能C輪2億美元2018年7月AIoT Video+C+輪10.7億人民幣2018年9月AI廣告 圖示：2018-2019上半年人工智能領域部分大額融資事件

30、數據來源：36氪研究院根據公開資料整理 1.1AI商業化概況 1.2AI定義 1.3兩種商業化路徑 1.4驅動力 -宏觀環境 -政策 -數據 -技術（算法、算力） 1.5投融資分析 人工智能產業鏈分析 CHAPTER 人工智能產業鏈圖 產業鏈分析 基礎層 技術層 應用層 16 36Kr-人工智能商業化研究報告 2019.07 產業鏈圖 人工智能產業鏈圖 注：本產業鏈圖譜只列舉部分企業作為說明，未覆蓋全產業 2.1產業鏈圖 2.2產業鏈分析 芯片 基礎層 數據數據 傳感器、攝像頭等其它硬件 云計算 應用/方案層 金融安防 醫療 農業 交通 廣告營銷商務服務 智能終端、穿戴、門鎖、家電等消費級產品

31、 教育 零售 機器人 技術層 計算機視覺 生物識別 語音識別 知識圖譜 機器學習AI開放平臺 語義理解 VR/AR/MR 人機交互 17 36Kr-人工智能商業化研究報告 2019.07 整體來看，中國人工智能產業鏈正在快速完善的過程 中，從上游基礎技術研發到中下游技術應用和用戶習 慣的養成，各環節合作模式逐漸成型，并呈現出精細 化運營的趨勢。 我們根據人工智能大生態中不同企業提供的技術、產 品與服務側重點的不同，將人工智能產業鏈大致分為 基礎層、技術層和應用層三個環節。 基礎層：為人工智能產業提供基礎的軟硬件和數據支 撐，包括技術平臺（云平臺、開源框架、開發工具等 ）、基礎硬件（芯片、激光雷

32、達、傳感器、服務器等 ）、數據及相關管理技術、通信設備等。 技術層：包括以計算機視覺、自然語言處理、生物識 別、人機交互、機器學習、知識圖譜、AR/VR等人工 智能核心技術為驅動的算法和解決方案提供商及相關 技術平臺。技術層是目前人工智能商業化的主力，大 量“AI+”方向的人工智能應用場景由技術層企業來推 動落地。 應用層/方案層：是從具體場景來看人工智能，既包括 人工智能技術廠商主導推出的各種“AI+”的解決方案 ，也包括由傳統行業或當前較為成熟的商業主動地引 入人工智能技術來為產業賦能的“+AI”。從應用領 域來看，人工智能應用層的跨度非常大，幾乎滲透到 各個產業的各個環節。應用層是商業化

33、的最前沿，是 現階段最具有創新活力的環節，已呈現出百花齊放的 態勢。 產業鏈分析 人工智能產業鏈快速完善，可大 致分為三個環節 2.1產業鏈圖 2.2產業鏈分析 2.3基礎層 2.4技術層 2.5應用層 18 36Kr-人工智能商業化研究報告 2019.07 基礎層的作用范圍更加廣泛，其影響力波及整個互聯 網行業，同樣，在人工智能產業鏈中也扮演著重要角 色。 基礎層在近年來的資本注入比較穩定，各環節技術、 產品和商業模式上均有不同程度的突破。其中，較受 行業關注的有數據、芯片、云計算等通用基礎產品和 服務，也有5G、IoT等新一代通信和傳感技術。 數據方面，我們前文提到，數據是人工智能產業快速

34、 增長并進入商業化階段的重要驅動力。在行業中，數 據的價值主要表現在以下兩個方面： 一是，算法訓練。人工智能算法的準確性依賴大量的 相關數據。以人臉識別為例，需要大量的人臉圖片數 據結合深度學習算法，使機器能夠歸納其特征、提取 不同圖片的細微差別，從而在新的圖片數據出現時， 算法能夠快速做出識別和判斷。 二是，數據挖掘與分析。通過找到數據之間的關聯關 系，從海量的數據中發掘出新的信息，將這些信息用 于對決策系統的支持，能夠更全面地認識問題，找到 更優的決策方案。 無論是算法訓練還是數據的挖掘與分析，數據質量無 疑對其精度和實用性具有決定性的影響。其中，數據 的多元性以及與實際業務的相關性是為最

35、為重要的兩 個因素。與之相對應的數據采集、整合和應用能力是 行業關注的重點。 基礎層 數據質量是基礎，行業關注數據 采集、整合和應用能力 2.1產業鏈圖 2.2產業鏈分析 2.3基礎層 -數據 -芯片 2.4技術層 2.5應用層 19 36Kr-人工智能商業化研究報告 2019.07 當前，人工智能企業的數據來源主要有三類渠道，分 別是：自有數據、業務合作方數據和第三方數據。 其中，自有數據是企業或平臺在運營過程中積累的大 量業務數據、用戶數據等。該部分數據隨著企業經營 和平臺運營逐漸沉淀，通?？捎脕磉M行算法訓練和產 品的優化，將逐漸形成一種業務沉淀數據，數據反哺 業務的閉環生態。 業務合作方

36、數據，一般用于對算法的個性化訓練和實 際經營狀況的分析。業務數據是對應業務場景下運營 方的重要資產之一，受政策和商業競爭的約束，目前 不允許接入共享。 第三方數據的來源廣闊，包括專業數據公司通過各種 方式采集到的數據，也包括運營商、互聯網平臺、實 時位置、征信、社交行為、消費記錄等多種渠道數據 等。第三方數據通常作為一種補充，與企業自有數據 和業務合作方數據共同來構建完善的數據系統。 隨著業務場景對所需數據維度和量的需求增加，各場 景下的技術商大多會考慮第三方數據的接入，在監管 允許的前提下打破信息孤島，加速了數據互聯互通的 進程。 此外，隱私和數據保護也逐漸受到重視，如何合法、 合規的收集、

37、存儲和使用數據逐漸受到企業和社會公 眾的關注，但目前，國內對相關問題的監管和規范還 想當欠缺，整體來看，數據行業的合規化有待完善。 基礎層-數據 數據整合和信息互聯互通成趨勢 ，數據的使用待規范 人工智能 企業數據 來源 自有數 據 業務方 數據 第三方 數據 2.1產業鏈圖 2.2產業鏈分析 2.3基礎層 -數據 -芯片 2.4技術層 2.5應用層 20 36Kr-人工智能商業化研究報告 2019.07 AI芯片是指面向人工智能計算的集成電路，包括GPU 、FPGA、ASIC、類腦芯片等。 GPU(Graphics Processing Unit):圖像處理器，專 門用于處理圖像計算，包括圖

38、形渲染和特效顯示等。 GPU具有較好的并行計算能力，在同時處理多項任務 方面具有相對優勢，主要應用于深度學習訓練、數據 中心加速和部分智能終端等領域。 FPGA(Field-Programmable Gate Array):現場可 編程門陣列，是一種半定制化電路，可通過編程自定 義邏輯控制單元和存儲器之間的布線。FPGA具有較好 的靈活性和簡單指令重復計算能力，能夠適應市場和 行業的變化，在云端和終端都有較好的應用。 ASIC(Application Specific Integrated Circuits): 專用集成電路，是一種針對特定需求的定制化芯片， 具有高性能、低功耗的特點。ASIC

39、可基于人工智能算 法進行定制，從而使其能夠適應不同的場景需求。 類腦芯片：是一種模擬人腦、神經元、突觸等神經系 統結構和信號傳遞方式的新型芯片。它具有高效感知 、行為和思考的能力，目前仍處于研發的早期階段。 目前，參與到芯片領域的技術廠商可大致分為四類： 即：以Intel、NVIDIA等為代表的傳統芯片廠商，以蘋 果、華為海思等為代表的通信科技公司，以Google、 阿里、百度等為代表的互聯網巨頭和以寒武紀、地平 線、比特大陸等為代表的創業公司。 基礎層-芯片 什么是AI芯片？AI芯片分為哪幾 類？ 2.1產業鏈圖 2.2產業鏈分析 2.3基礎層 -數據 -芯片 2.4技術層 2.5應用層 2

40、1 36Kr-人工智能商業化研究報告 2019.07 從功能上看，人工智能芯片主要應用于支持訓練和推 理這兩個核心環節。 其中，訓練是指利用大量的數據來訓練算法，使之具 備特定的功能；推理則是利用訓練好的模型，在新數 據條件下通過計算推衍出各種結論。訓練和推理在大 多數人工智能系統中是相對獨立的過程，對芯片的要 求也不盡相同。 訓練所處理的數據量大、情況復雜，對芯片的計算性 能和精度要求較高，目前主要集中于云端；此外，由 于訓練的過程可能涉及多種復雜場景，因而需要一定 的通用功能來來支持。相對而言，推理對計算性能、 精度和通用性要求不高，需在特定的場景下完成任務 ，一般在終端，因而更關注用戶體

41、驗方面的優化。 從應用場景看，目前AI芯片的主要應用場景有：云端 數據中心和邊緣側的自動駕駛、安防、智能手機等。 其中，針對云端的訓練和推理市場，仍以傳統芯片廠 商和互聯網巨頭為主導，創業公司則主要聚焦于邊緣 側芯片。隨著越來越多的邊緣側場景對響應速度提出 要求，云計算與邊緣計算的結合成為一種趨勢。 整體來看，中國的芯片技術與國際先進水平還有較大 的差距，國內也鮮有芯片巨頭；但隨著互聯網巨頭、 通信技術廠商和創業公司的紛紛入局，中國AI芯片整 體的研發投入會有所增加，未來也將迎來更快的發展 期。 基礎層-芯片 AI芯片的主要功能和應用場景有 哪些？ 2.1產業鏈圖 2.2產業鏈分析 2.3基礎

42、層 -數據 -芯片 2.4技術層 2.5應用層 22 2019.07 地平線成立于2015年，主要從事邊緣人工智能芯片及 解決方案的研發?；谌斯ぶ悄軐Ｓ糜嬎慵軜婤PU（ Brain Processing Unit），地平線已流片量產了應用 于智能駕駛的“征程（Journey)”系列處理器和應用 于AIoT領域的”旭日（Sunrise)”系列處理器，并開 始落地商用。 截至目前，地平線已在北京、上海、南京、深圳、廈 門、硅谷等地設置研發中心和運營團隊。合作伙伴包 括奧迪、博世、長安、比亞迪、上汽、廣汽、Intel、 小米、首汽約車等。 產品和服務： 地平線的第一代處理器基于高斯架構研發設計，目

43、前 有“征程（Journey)”和“旭日（Sunrise)”兩個系 列的芯片，以及Matrix自動駕駛計算平臺，提供“芯 片+算法+云”的多層次解決方案。 相關案例-地平線 地平線：提供“芯片+算法+云” 的多層次解決方案 成立時間：2015年 成立地點：北京 最近融資：6億美元 融資階段：B輪 融資時間：2019年2月 本輪投資方為：SK中國、 SK Hynix、數家國內一線 汽車集團（與旗下基金）、 泛海投資、民銀資本、海 松資本、晨興資本、高瓴 資本、線性資本、云暉資 本等。 征程（Journey）：于2017年正式 流片發布，可用于L2級別的輔助駕 駛系統（ADAS）。具備同時對人、

44、機動車、非機動車、車道線、交通 標志牌、紅綠燈等多類目進行精準 的實時監測和識別的能力。 36Kr-人工智能商業化研究報告 旭日（Sunrise）：2017年正式 流片發布，具備在前端實現視覺 識別、視頻結構化處理的能力， 可用于智能商業、智慧城市等 AIoT場景。 2.1產業鏈圖 2.2產業鏈分析 2.3基礎層 -數據 -芯片 2.4技術層 2.5應用層 23 2019.07 Matrix自動駕駛計算平臺：基于地平線征程2.0處理 器架構搭建，支持激光雷達、毫米波雷達和多傳感器 融合的接入?？捎糜贚4級別自動駕駛計算平臺，具有 相對高性能圖像感知能力和低功耗的特點。 行業解決方案： 1）智能

45、駕駛解決方案Smart Mobility：地平線基于 軟硬結合的邊緣人工智能處理器技術，向自動駕駛場 景提供多級別的環境感知方案。包括對復雜場景進行 細粒度、結構化的感知，可拓展、模塊化的三維語義 環境重建，以及透明化、可追溯、可推理的決策和路 徑規劃等。此外，面向車內交互場景，地平線可提供 面向 DMS、AR-HUD、Face ID 、多模態交互、車內 場景大腦等多種人機交互方案的底層視覺感知與語音 技術。 2）AIoT解決方案：以旭日（Sunrise）系列芯片為算 力基礎，地平線已形成了智能相機方案、智慧商業開 放平臺、智能人像分析平臺等解決方案?？稍谖锪?、 零售、家居、學校、工地、制造、

46、醫療等多個領域幫 助客戶提升運營效率。 戰略方向： 短期內，地平線將持續打磨技術，提升芯片產品及相 關服務的技術創新能力，健全工具鏈，搭建更高效、 易用、開放的AI平臺。 長期來看，地平線將更加注重產業生態的建設，與各 合作伙伴一起去系統地完善人工智能芯片生態。 相關案例-地平線 地平線：提供“芯片+算法+云” 的多層次解決方案 36Kr-人工智能商業化研究報告 創始人&CEO：余凱 南京大學本、碩，德國慕 尼黑大學計算機科學博士。 科技部國家新一代人工智 能戰略咨詢委員會委員， 中國證監會科技監管專家 咨詢委員會委員，中國人 工智能學會副秘書長。曾 任百度深度學習研究院常 務副院長，百度研究

47、院執 行院長， NEC 美國研究院 （世界上最早從事卷積神 經網絡研發的5個實驗室之 一）媒體實驗室主任， ICML 和 NIPS 主席， 2011 年在斯坦福大學計 算機系任兼職教授主講課 程 “CS121: Introduction AI”。 2.1產業鏈圖 2.2產業鏈分析 2.3基礎層 -數據 -芯片 2.4技術層 2.5應用層 24 36Kr-人工智能商業化研究報告 2019.07 從技術層來看，早期大量投入研發，在技術上獲得相 對優勢企業更早地進入了商業應用的階段，也更早地 開始探索更多的落地場景，以拓寬商業版圖，這是技 術帶來的先發優勢。 隨著大批企業涌入人工智能賽道，且技術的差

48、距逐漸 縮短，技術帶來的先發優勢將逐漸轉化為市場優勢。 即：技術所能構筑的壁壘會越來越低，取而代之的是 更早的進行商業探索帶來的行業影響力和市場機會。 如：對早期的市場的教育、用戶習慣的培養、技術和 產品標準的制定、品牌影響力塑造等。這將為企業帶 來更多的市場機會，從而獲得更大的份額，形成一定 的規模優勢。 技術層 技術來帶的先發優勢將逐漸轉化 為市場優勢 數據來源于：鯨準洞見、36氪研究院 2.1產業鏈圖 2.2產業鏈分析 2.3基礎層 2.4技術層 -計算機視覺 -自然語言處理 -生物識別 -機器學習 -知識圖譜 -VR/AR/MR -人機交互 2.5應用層 25 36Kr-人工智能商業化

49、研究報告 2019.07 計算機視覺是一種利用攝像頭、計算機等設備等進行 視覺感知與理解，使機器具備獲取并處理圖像、物體 、實物動態和三維空間等相關視覺信息的能力。如： 人臉/人體識別、物品識別、視頻內容識別與理解、 SLAM與3D視覺等。 計算機視覺是相對成熟度更高、商業落地較早的人工 智能技術，目前主要落地于安防、金融、自動駕駛、 機器人、醫療、零售、廣告營銷等領域。 計算機視覺賽道已經呈現出頭部與其它梯隊的差距。 頭部玩家無論在技術實力，還是應用場景落地范圍與 速度上，都表現較好。整體來說，頭部企業已進入了 快速市場化階段，在深耕垂直場景的同時，關注整體 商業生態的建設與完善。 技術層-計算機視覺 計算機視覺頭部格局已顯現，進 入商業生態建設期 企業主要的計算機視覺技術主要落地場景 商湯科技 人臉識別與體態分析、圖像識別、物 體識別、文本識別、醫療影像識別、 視頻理解與分析、SLAM與3D視覺等。 安防、智能手機、智能汽車、智慧診療、泛身份認證、 泛文娛應用、教育、廣告營銷、線下金融、智慧零售等。 曠視科技 人臉識別、人體識別、文字識別、商 品識別、物體檢測、視頻分析、影像 處理、3D感知、3D重建、V-SLAM、 機器人控制與路徑規劃 刷臉支付與金融泛身份認證、在線互動營銷、教育-智