2020医疗人工智能行业分析报告
2020年中国医疗人工智能行业分析报告
2020年
目录
2020年中国医疗人工智能行业分析报告 (1)
1.市场现状与发展趋势 (3)
2.中国医疗人工智能市场环境分析 (6)
3.市场需求增加 (6)
4.技术走向成熟 (8)
5.创业企业涌现 (9)
6.向产业上下游延伸 (10)
7.政策推动发展 (10)
8.医疗人工智能产业格局分析 (11)
9.巨头大手笔入场 (12)
10.围绕服务患者构建生态 (13)
11.传统医疗企业：不急于变现，依托设备、赋能设备 (13)
12.商业模式分析 (14)
13.创业企业：与保险、医疗机构合作，售卖服务 (15)
14.互联网巨头：整体互联网医疗布局中的重要一步 (16)
15.挑战与前瞻 (18)
15.2少人才：医疗人工智能发展亟需复合型人才 (18)
15.1缺标准：CNDA 尚无一例过审产品 (20)
15.1基础差：技术与数据两大基石尚待巩固 (22)
1.市场现状与发展趋势
医疗人工智能，顾名思义，就是AI+医疗，指是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量，更好的解决医疗资源短缺、人口老龄化的问题。医疗人工智能是指从事医疗人工智能相关性质的生产、服务的单位或个体的组织结构体系的总称。深刻认知医疗人工智能行业定义，对预测并引导医疗人工智能行业前景，指导行业投资方向至关重要。我国医疗人工智能行业在经过短暂的结构调整后，淘汰掉落后产能、筛选掉不合格企业，并且随着居民消费观念的转变和消费需求的提升，我国医疗人工智能行业依旧会继续保持增长趋势，未来将会向高品质、高质量的方向发展，呈现品种增多、消费多元化等新趋势。中国医疗人工智能产业链参与主体不断丰富，产业生态逐渐健壮。
随着国家政策的进一步利好，越来越多的需求将会被释放，医疗人工智能行业将紧密结合产业上下游的资源，充分掌握用户
需求变化，极大丰富行业应用场景。通过产品与服务质量的不断优化升级，推动医疗人工智能产业应用的爆发式增长。归根结底，我国医疗需求不断提升的同时，医疗资源分配不均，医护人员短缺，而人工智能刚好弥补了这一短缺，加之人工智能医疗的政策规划不断落地，更加速我国人工智能医疗的发展。近年来人工智能医疗市场的发展较快，热度不断提升，数据显示，2018年市场规模在210亿元左右，2019年行业市场规模达到325亿元，同比增长54%。预计未来，行业的收入规模将会进一步提升，近几年行业市场规模实现了50%左右的复合增长率，以此预测2020年行业市场规模将达到465亿元。
无论是对中国还是对世界来说，人口老龄化加剧、慢性病患者群体增长、优质医疗资源紧缺、公共医疗费用攀升等都是必须要面对的问题。而随着技术的发展，人们逐渐开始寄希望于通过人工智能来解决医疗行业的痛点。此前，美国咨询公司弗罗斯特- 沙利文公司就曾提到，“人工智能可将医疗效果提高30% 到40%，减少多达50% 的医疗成本”。
在中国，医疗人工智能有着先天的发展优势。一方面，中国人口数量庞大，有充足的医疗数据，为医疗人工智能的发展提供了基石。另一方面，中国足够大的医疗市场也为人工智能企业创新提供了动力。
不负人们所期，近年来中国医疗人工智能市场正如火如荼地发展着。数据显示，自2013年到2017 年，中国医疗人工智能行业共获得241 笔融资。其中，2017 年国内医疗人工智能行业公布的融资事件近30 起，融资总额超过18 亿元。2018 年，医疗人工智能市场火热依旧。一方面，资本热情不减，大额融资频发，医疗人工智能融资总额再创新高，仅2018 上半年就有18 家公司获投，总金额超过31 亿元。另一方面，已然成熟的互联网巨头，如BAT 等，以及传统医疗相关企业，如飞利浦等也早已重金布局医疗人工智能，大手笔向产业链扩展业务。
作为一种提高效率的工具，目前，医疗人工智能已经覆盖了医疗产业链条上的四大环节。其中，医疗环节以服务患者为主，针对患者提供一系列更精准、更高效的医疗服务。而医药、医保、医院环节则更多是为B 端的医疗机构、企业等服务。并且，医疗人工智能在经历过火热的发展后，迎来了商业化的关键期，目前绝大多数医疗人工智能的公司尚未实现盈利，且其产品多在医院进行试用，但他们已经通过不同的业务模式实现了付费收入。值得注意的是，随着医疗人工智能产业的发展，其所面临的一些困难也逐渐显现。比如行业缺少统一标准进行监管、复合型人才不足、数据结构化较差、机器学习
缺乏结合实际医疗场景进行的训练，算法有待提高、技术仍待完善等。
2.中国医疗人工智能市场环境分析
中国的医疗人工智能市场究竟有多大？根据前瞻产业研究院发布的《2018—2023 年中国人工智能行业市场前瞻与投资战略规划分析报告》显示，2016 年中国医疗人工智能的市场规模达到96.61 亿元，增长37.9%；2017 年将超过130 亿元，增长40.7%；2018 年有望达到200 亿元。
3.市场需求增加
在市场需求方面，中国医疗行业长期存在优质医生资源分配不均，诊断误诊漏诊率较高，医疗费用成本过高，医生资源供需缺口大等问题。而在中国医疗改革逐步推进，分级诊疗逐步落地的过程中，这种问题更加突出。在此背景下，人工智能将在各种场景的共同作用下，提高医疗服务水平，改善现有现状。比如在辅助医生诊断方面，人工智能可以利用图像识别技术，在经过学习大量医学影像的基础上，产品可以辅助医生进行病灶区域定位，从而在一定程度上缓解漏诊误诊问题。同时，将人工智能辅助诊断技术应用在某些特定病种领域，也可以代替医生完成疾病筛查任务，从而提高诊断效率，弥补资源
人工智能行业研究分析报告
概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。
人工智能研究报告-副本
人工智能研究报告 产生背景 人工智能的出现不是偶然的，它是人们长期以来探索和研制能进行计算、推理和思维的智能机器的必然结果。自古以来，人们一直在试图用各种机器来代替人的部分脑力劳动，以提高人类征服自然和改造自然的能力。古希腊的哲学家亚里士多德就提出了形式逻辑问题。12世纪末至13世纪初，西班牙逻辑学家卢乐提出了制造可以解决各种问题的通用逻辑机。17世纪，法国的物理学家和数学家帕斯卡制造出世界上第一台机械式加法器，并得到广泛应用。随后德国哲学家和数学家莱布尼茨在帕斯卡加法器的基础上进一步制成了可进行四则运算的计算器。莱布尼茨还提出了“符号语言”和“思维演算”的重要设想，他认为：必须将人的思维代数几何化，即像代数那样按照公式来思考，像几何那样直观的通过图画来思维。这一思想导致了后来的数理逻辑的诞生，成为了现代机器思维设计思想的萌芽。 19世纪，英国数学家布尔在《思维法则》一书中，第一次用符号语言描述了思维活动中推理的基本法则，创立了布尔代数。英国数学家和发明家巴贝奇发明了差分机和分析机，其中分析机的设计思想与现代电子计算机十分相似。虽然巴贝奇的发明在当时没有得到实现和收到应有的重视，但是他的科学思想为研制“思维机器”做出了巨大的贡献。 20世纪30年代，英国数学家图灵开始了寻求智力机的研究工作。1937年，图灵发表了“理想自动机”的论文，该文给可计算性这一概念下了严格的数学定义，并论证了任何需要精确的加以确定的计算过程，都能由“图灵机”完成，为人们清晰地描绘出理想自动机的蓝图，同时也为电子计算机的诞生奠定了基础。(1937年，伦敦权威的数学杂志又收到图灵一篇论文《论可计算数及其在判定问题中的应用》，作为阐明现代电脑原理的开山之作，被永远载入了计算机的发展史册。这篇论文原本是为了解决一个基础性的数学问题：是否只要给人以足够的时间演算，数学函数都能够通过有限次机械步骤求得解答？传统数学家当然只会想到用公式推导证明它是否成立，可是图林独辟蹊径地想出了一台冥冥之中的机器。图林想象的机器说起来很简单：该计算机使用一条无限长度的纸带，纸带被划分成许多方格，有的方格被画上斜线，代表“1”；有的没有画任何线条，代表“0”。该计算机有一个读写头部件，可以从带子上读出信息，也可以往空方格里写下信息。该计算机仅有的功能是：把纸带向右移动一格，然后把“1”变成“0”，或者相反把“0”变成“1”。图林设计的“理想计算机”被后人称为“图林机”，实际上是一种不考虑硬件状态的计算机逻辑结构。图林还提出可以设计出另一种“万能图林机”，用来模拟其它任何一台“图林机”工作，从而首创了通用计算机的原始模型。图林甚至还想到把程序和数据都储存在纸带上，比冯·诺依曼更早提出了“储存程序”的概念。1945年，匈牙利数学家冯诺依曼提出了存储程序的思想，在计算机领域建立了不朽的功勋。目前的计算机体系结构仍然是冯诺依曼型的。1946年，美国数学家、电子计算机先驱莫克利和他的研究生埃克特合作，成功研制了世界上第一台电子数字计算机ENIAC，为机器智能的研究和实现提供了物质基础。
人工智能完成总结报告
完成总结报告 项目名称：数独游戏设计与实现组员：王郑合 2014204081 栾杰 2014204080 文宽 2014204104 二〇二〇年三月二十四日
1 问题描述 1.1 问题说明 数独游戏起源于瑞士，由十八世纪的瑞士数学家欧拉发明，是一种数字拼图游戏，其游戏规则是： ①在9×9的大九宫格内，已给定若干数字，其他宫位留白，玩家需自己按照逻辑推敲出剩下的空格里是什么数字。 ②必须满足的条件：每一行与每一列都有1到9的数字，每个小九宫格里也有1到9的数字，并且一个数字在每行、每列及每个小九宫格里只能出现一次，既不能重复也不能少。 ③每个数独游戏都可根据给定的数字为线索，推算解答出来。 1.2 数独求解描述 由于数独游戏的推广与普及，在当今世界上有着大量的数独爱好者，本项目的目的就是按照数独的游戏规则，通过对数据结构的分析和人工智能算法的研究，利用计算机程序来实现对已知数独游戏的快速求解。 1.3 数独出题描述 数独游戏挑战者的水平各异，对数独题目的难度要求各不相同，所以本项目致力于设计一种算法，使其在尽可能短的时间内生成不同难度等级的数独题，以满足不同水平游戏者的需求。同时，该算法还要考虑到三个方面要求：可变化的难度、解的唯一性和算法复杂度最小化。
2 功能分析 2.1 数独求解 数独虽然号称是数学问题, 但在求解时几乎用不上数学运算方法，事实上它更像是一种思维方式。数独游戏开始后，要想在空格中填入正确的数字，先要根据数独游戏规则对1-9分别进行逻辑判断，然后选择正确的数字填入空格。另外，由于某个格子填入数据时，有可能还要对原来已填入的数据进行修正，所以可以考虑使用递推和回溯搜索来求解数独问题。 2.2 数独出题 出题时，要能保证算法生成的数独题具有可变化的难度和唯一解,该算法内部应该包含有对数独题的求解和评级功能。本项目使用了一种基于“挖洞”思想的数独题生成算法，将该算法的设计工作分为评级、求解和生成三部分工作。利用随机数出现的概率不同来确定不同的难度，通过避免重填一个被“挖去”的格子，或者回溯到一个曾经无法“挖去”的格子，来降低算法的复杂性。 2.3 题目保存 当用户需要退出却仍没有完成数独题目的解答时，可以选择是否保存当前的求解进度。如果需要，本系统会帮助用户将目前未完成的数独题目的解答进度保存起来，以便用户下次使用本系统时，可以继续解答上次未完成的题目。 2.4 题目读取 用户可以在程序开始运行后，选则读取一道之前保存起来的题目进行解答，被读取的题目将会显示到程序界面上。
2020医疗人工智能行业分析报告
2020年中国医疗人工智能行业分析报告 2020年
目录 2020年中国医疗人工智能行业分析报告 (1) 1.市场现状与发展趋势 (3) 2.中国医疗人工智能市场环境分析 (6) 3.市场需求增加 (6) 4.技术走向成熟 (8) 5.创业企业涌现 (9) 6.向产业上下游延伸 (10) 7.政策推动发展 (10) 8.医疗人工智能产业格局分析 (11) 9.巨头大手笔入场 (12) 10.围绕服务患者构建生态 (13) 11.传统医疗企业：不急于变现，依托设备、赋能设备 (13) 12.商业模式分析 (14) 13.创业企业：与保险、医疗机构合作，售卖服务 (15) 14.互联网巨头：整体互联网医疗布局中的重要一步 (16) 15.挑战与前瞻 (18) 15.2少人才：医疗人工智能发展亟需复合型人才 (18) 15.1缺标准：CNDA 尚无一例过审产品 (20) 15.1基础差：技术与数据两大基石尚待巩固 (22)
1.市场现状与发展趋势 医疗人工智能，顾名思义，就是AI+医疗，指是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量，更好的解决医疗资源短缺、人口老龄化的问题。医疗人工智能是指从事医疗人工智能相关性质的生产、服务的单位或个体的组织结构体系的总称。深刻认知医疗人工智能行业定义，对预测并引导医疗人工智能行业前景，指导行业投资方向至关重要。我国医疗人工智能行业在经过短暂的结构调整后，淘汰掉落后产能、筛选掉不合格企业，并且随着居民消费观念的转变和消费需求的提升，我国医疗人工智能行业依旧会继续保持增长趋势，未来将会向高品质、高质量的方向发展，呈现品种增多、消费多元化等新趋势。中国医疗人工智能产业链参与主体不断丰富，产业生态逐渐健壮。 随着国家政策的进一步利好，越来越多的需求将会被释放，医疗人工智能行业将紧密结合产业上下游的资源，充分掌握用户
2019人工智能产业投资分析报告
2019人工智能产业投资分析报告 前言： 人工智能(AI)将接棒移动互联网，成为下一轮科技创新红利的主要驱动力。透过丰富的数据采集(互联网和IoT)、更快的数据传输(5G)、更强大的数据运算处理(AI)，科技企业和传统企业将在更广泛的领域深度融合。 AI将广泛助力传统行业转型，渗透互联网竞争下半场，催生无人驾驶、城市大脑、工业互联网、农业大脑、智慧医疗、Fintech、机器人等广义AI 应用，酝酿万亿级市场和投资机会。
▌AI主导下一轮科技创新红利AI孕育万亿级别市场 人工智能(AI)指利用技术学习人、模拟人，乃至超越人类智能的综合学科。人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。 此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。自1956年“人工智能”概念首次被提出，AI技术“三起两落”。 本轮人工智能腾飞受益于持续提升的AI算力对神经网络算法的优化。 AI产业链分为:基础层、技术层、应用层。 基础层主要包括:AI芯片、IoT传感器等，技术层主要包括:图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括:无人驾驶、智慧安防、智慧城市(城市大脑)、金融科技(Fintech)、智慧医疗、智慧物流等领域。 AI市场规模快速成长。 中国是全球第二大AI力量，人工智能企业超过1000家。
2018年中国AI市场规模约330亿元人民币，全球AI市场规模约2700亿美元。我们预计，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。 Statista预计2019、2020年，全球人工智能市场规模将分别增长59%、61%，成长至6800亿美元量级。 我们判断，中国人工智能市场有望在2030年达到万亿量级，传统行业和技术的结合是主要的应用领域，2G(对政府）和2B（对企业）将成为主要的营收来源。
人工智能课程报告-138071解读
研究生课程考试成绩单 任课教师签名： 日期：
浅谈基于人工神经网络的日负荷预测 学号：138071 姓名：万玉建 摘要 本文是作者在学习《人工智能》课程以后，结合作者本人工作的需要，根据《人工智能》课程中人工神经网络知识和在网上搜索到的相关资料，提出关于电力系统日负荷预测，运用基于人工神经网络的算法的组网结构和实现步骤的一些简单的构思和设想。 1引言 本人一直从事电力系统监控软件研发和管理工作，电力系统监控软件监控的对象就是电力负荷情况，而电力负荷预测则是系统的高级应用，它是根据历史的负荷数据，预测未来的负荷情况。由于电力负荷资源不可储存性，即发电机发出多少电，实时就要用多少负荷量，因此，就要求事先需要知道未来的用电负荷。正确地预测电力负荷，既是为了保证人们生活充足的电力的需要，也是电力工业自身健康发展的需要。 日负荷预测是指对未来1日的负荷进行预测，一般每15分钟一个负荷点，1日共96个数据。实际工作中，当天上午负荷预测人员根据昨天和更前的历史负荷数据预测明天的负荷数据，然后按一定格式生成文件上传到相关负荷管理部门。之前公司负荷预测软件中提供了线性回归法、曲线拟合法、平均值外推法、最小二乘法等负荷预测算法，但是这些算法都只是根据历史负荷数据进行一些数学的运算，没有考虑天气、节假日等情况，这些因素是负荷变化的重要的因素，而这些算法无法将这些因素量化并参加计算。 本学期学习了《人工智能》课程，其中有关于人工神经网络知识，这让本人想起来早在几年前在设计负荷预测软件时，曾经看到有人使用基于人工神经网络，把天气、节假日等因素加进来的进行预测的算法，当时也想增设这样的算法，但因为对算法不是很理解和其他种种原因一直没有实现。而今，恰好在课本学了人工神经网络，就考虑设计一种基于人工神经网络的负荷预测算法。本文描述这种算法的构思和设想。 2影响负荷预测因素的分析 由于电力系统负荷是一个很复杂的非线性系统，有许多直接或间接的因素都会对电力系统的日负荷产生直接的影响。但是在实际的负荷预测中，又不能考虑太多的影响因素。这一方面是收集这些资料困难，另一方面因素太多会造成建模困难，并且会带来大量的计算。因此，在考虑神经网络输入量的问题上，应抓住其中几个最具特征的影响因素。根据对历史负荷的分析，一般可把负荷分为两类：周期性负荷和变动性负荷。周期性负荷，或者说标准负荷，反映的是负荷自身变化的基本规律，呈较强的周期性，尤其受到时间周期的影响。针对短期负荷，时间周期因素包括：周周期、日周期等。它们对于日负荷的曲线模式有着极为重要的影响。 在气象条件中，起主要作用的是温度因素和天气状况。因此为了在负荷预测中考虑这两方面的影响，本文对每天的气温的输入变量可以进行分段处理，将天气状况中最重要的气温因素进行量化处理并作为神经网络的一个输入量。这样就更加能够体现出实际负荷的变化情况。
医疗人工智能发展趋势及机遇
医疗人工智能发展趋势及机遇
从1956年的达特矛斯会议提出“人工智能”的概念，到AlphaGo击败围棋世界冠军，人工智能的发展不过仅仅半个世纪的时间，期间都曾因遇到瓶颈而停滞不前。而如今，人工智能已经跨过了元年，计算平台、海量数据以及机器学习等技术的助推力，把人工智能的发展推到了一个前所未有的速度等级。 数据是医学人工智能的能源，如果没有数据能源就像即使发明了汽车但没有汽油一样，是没办法跑动的。IDC曾预测，到2020年，全世界医疗数据总量将达到40万亿GB，是2010年的30倍。数据生成和共享的速度迅速增加，但目前仍有80%的数据为非结构化数据。 医疗人工智能在中国的机遇 医学人工智能是解决医疗生产力的根本之道。在我国，人口老龄化、慢病高速增长、医疗资源供需严重失衡以及地域分配不均等问题，造就了对医疗人工智能的巨大需求；同时，我国人口基数大、产业组合丰富、人才储备充分等特点，又给人工智能的发展提供了很好的基础。 另一方面，近年来国家发布的80多条全国性政策以及多条医疗人工智能专项政策，都表明医疗人工智能的发展迎来政策利好。因此，中国已经成为了全球领先的AI研发中心，医学人工智能在中国的发展面临着非常好的机遇。 根据火石创造HSMAP系统的统计数据，目前，国内医疗人工智能相关企业多达139家，主要分布在北京、广州以及长三角地区。 从时间的维度上来看，国内的医疗人工智能企业从2014年开始出现了一个增长的高峰，虽然相较于国外来说发展较晚，但是近三年来的增长非常迅速，创业公司层出不穷。
医疗人工智能产业链与企业图谱 从大的产业链层面来看整个行业的业态，我们可以看到，整个产业链可以分为三个层次：基础层、技术层与应用层。由于基础算法和计算平台、海量的数据来源还有机器学习、图像识别的基础技术的壁垒较高，往往需要较长期的高投入才能有高回报，因此科技巨头往往偏向于布局底层，而创业公司则往往选择在变现能力强、容易进入的辅助诊断、健康管理和药物研发等应用层扎堆。 根据企业的分布情况，可以将产业链中的企业做一个划分。按照治疗前、治疗期间以及治疗后及康复阶段，国内外的公司均可分成9个类别，其中语音交互、信息化管理等分类中的公司，它们发挥的作用可能会贯穿整个诊疗过程。
2016年全球及中国人工智能产业发展分析报告
2016年2月出版
正文目录 1、人工智能是利用人工计算实现人类智能 (4) 1.1、本质：人工智能的本质是对人类智能的模拟甚至超越 (4) 1.2、原理：利用一系列算法驱动电脉冲模拟人脑神经元的运作过程 (5) 2、全球人工智能千亿市场爆发在即，AI+引领未来商业模式新风向 (6) 2.1、人工智能起源于上世纪50 年代，2006 年起进入加速发展的新阶段 (6) 2.2、发达国家火热布局，2040 年或有可能实现广义人工智能 (7) 2.2.1、欧盟：人脑工程项目（HBP） (8) 2.2.2、美国：大脑研究计划（BRAIN） (8) 2.2.3、日本：大脑研究计划（Brain/MINDS） (9) 2.3、下游应用需求迫切+上游技术基础成型，人工智能全球市场规模超千亿 (10) 2.3.1、下游应用需求倒逼、上游技术成型推动，人工智能技术加速发展 (10) 2.3.2、人工智能逐渐受到机构重视，2020 年全球市场规模超千亿 (11) 2.4、人工智能推动传统产业变革，AI+将成为未来普遍的商业模式 (13) 3、人工智能领域风云迭起，科技巨头雄霸天下 (14) 3.1、北美及西欧地区公司数量激增，科技巨头和初创企业是主要玩家 (14) 3.2、感知层技术领域竞争白热化，机器学习等空白蓝海已成大势所趋 (15) 3.3、投资+收购+顶级人才招聘、科技巨头动作频频上演实力争夺 (17) 4、2020年我国人工智能市场规模近百亿，有望实现弯道超车 (19) 4.1、受益四大利好因素，人工智能发展势头良好有望实现弯道超车 (19) 4.2、投资机构青睐有加，2020 年中国人工智能市场规模近百亿 (20) 4.3、感知智能试点阶段，预计我国将在5~10 年内实现感知智能全面普及 (22) 5、行业火爆：企业数量激增发展迅猛，机器人等是典型应用场景 (24) 5.1、巨头基础层切入引发技术革新，创业公司应用层进入带来产业升级 (24) 5.2、机器人、虚拟服务等是目前的典型应用场景，未来将进入各行各业 (26) 5.3、产业投资偏爱应用类企业，软件服务和机器视觉是热门细分领域 (29) 6、海外人工智能企业一览 (29) 6.1、人工智能基础平台领域：IBMWatson (29) 6.2、机器学习领域：Wise.io 实现高效大数据分析 (31) 6.3、语音识别和自然语言处理领域：Facebook、Apple、Microsoft (32) 6.4、图像识别领域：Clarifai 超越传统图像识别界限 (35) 6.5、预测分析领域：Google 云计算能力打造顶级预测API (35) 6.6、先发优势、技术实力、下游爆发潜力是人工智能企业的核心竞争力 (37) 7、我国人工智能投资机遇 (38) 7.1、投资逻辑：短期看好应用开发领域，长期技术研究是投资大势 (38) 7.2、主要公司分析 (39) 7.2.1、科大讯飞 (39) 7.2.2、东方网力 (40) 7.2.3、佳都科技 (41) 7.2.4、新松机器人 (42) 图表目录
人工智能企业现状分析报告
人工智能企业现状分析报告 目录 第一节人工智能企业现状分析 (2) 一、人工智能企业现状发展阶段 (2) 二、人工智能企业现状发展概况 (2) 三、人工智能企业现状商业模式分析 (3) 第二节人工智能企业发展现状 (4) 一、人工智能企业现状分析 (4) 二、人工智能企业发展分析 (4) 第三节人工智能企业分析报告 (4) 第一节人工智能企业现状分析 一、人工智能企业现状发展阶段 近些年来，我国人工智能领域有取得了飞速发展。英飞拓人工智能企业是一家创新型、信息化、集成化的整体安防制造商，致力于为全球英飞拓人工智能安防提供最高端、最安全、最值得信赖的解决方案。科大讯飞语音识别技术已经处于国际领先地位，其语音识别和理解的准确率均达到了世界第一，自2006年首次参加国际权威的Blizzard Challenge大赛以来，一直保持冠军地位。百度推出了度秘和自动驾驶汽车。腾讯推出了机器人记者Dreamwriter和图像识别产品腾讯优图。阿里巴巴推出了人工智能平台DTPAI和机器人客服平台。清华大学研发成功的人脸识别系统以及智能问答技术都已经获得了应用。中科院自动化所研发成功了“寒武纪”芯片并建成了类脑智能研究平台。华为也推出了MoKA人工智能系统。
人工智能作为一种通用目的技术（GPT），是当前科技创新和推动产业升级转型的焦点。人工智能的发展及其在各个领域的应用，将会显著改变几乎所有行业原来发展的路径，不断催生新的业态和新的商业模式，形成新的发展空间，同时也为我国促进科技创新、提升国家竞争优势甚至赶超发达国家带来了新的机遇。 二、人工智能企业现状发展概况 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一，也被认为是21世纪三大尖端技术之一。 近年来，我国人工智能产业获得快速发展。我国市场的工业机器人销量猛增我国智能语音交互、指纹识别、人脸识别、虹膜识别等产业规模迅速扩大。同时，我国已经拥有国家重点实验室等设施齐全的研发机构和优秀的人工智能研发队伍，研发产出数量和质量也有了很大提升。很多企业也积极布局，如百度的百度大脑计划、科大讯飞超脑计划、京东智能聊天机器人等。 目前我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等智能科技成果已进入广泛的实际应用。也正基于此，我国出台了大量支持人工智能发展的政策。2015年7月1日，国务院印发《关于积极推进"互联网+"行动的指导意见》，将"互联网+人工智能"列为11项重点行动之一；而时至11月，《机器人产业"十三五"发展规划》草案已基本制定完成。另外“中国制造2025”重点领域技术路线图构建了中国机器人产业发展蓝图的同时扩大了人工智能的关注度。
2017年面向大数据的人工智能技术综述报告
面向大数据的人工智能技术综述报告 【摘要】 本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。 【关键词】面向大数据；人工智能；发展趋势 引言 2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？ 对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。 １.研究背景 1.1 大数据和人工智能的概念 什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通
人工智能赋能医疗产业研究报告：现状、趋势、企业、应用场景
人工智能赋能医疗产业研究报告：现状、趋势、企业、应用场景
目录CONTENTS 附录 Appendix 人工智能+医疗综述 General Situation of AI + Medical Treatment Industry 八大应用场景解析 Analysis of the Eight Application Scenarios 人工智能+医疗企业统计分析 Statistical Analysis of the Enterprises 研究项目回顾 Research Recall 1.2.3.4.6.人工智能+医疗发展趋势 Trends of AI + Medical Treatment Industry 5.
研究项目回顾Research Recall
Research Background ◆进行此次研究，最初是源于我们对于人工智能对传统医疗产业带来 的新变化的关注；更进一步，是对“人工智能+医疗”概念、发展环境与发展条件、应用场景、公司状况、未来发展机会与风险的关注； ◆从各大媒体报道之中，我们能够真切感受到，人工智能正在与医 疗、金融、安防、自动驾驶等各个行业进行着融合，备受资本市场的青睐和追捧，各种人工智能新产品正在逐步走入大众日常的生产生活之中，人工智能“浪潮”，已到眼前； ◆医疗，是目前人工智能各应用领域中发展相对较快的领域，大量 医疗人工智能创业公司自2014年后集中涌现，不少传统医疗相关企业纷纷引入人工智能人才与技术。人工智能究竟为医疗产业带来了哪些积极的改变，又裹挟了哪些挑战和风险，值得创业者、投资人、医疗从业者，以及每一位关注医疗人工智能的朋友理性思考，客观对待。
人工智能行业调研分析报告
人工智能行业调研分析报告 摘要—— 该人工智能行业调研报告仅针对xx区域分析，时间2016-2017年度。 目前，区域内拥有各类人工智能企业663家，从业人员33150人。截至2017年底，区域内人工智能产值145901.24万元，较2016年122771.15万元增长18.84%。产值前十位企业合计收入64158.01万元，较去年54514.41万元同比增长17.69%。 ...... 主要通过增量带动，大力发展新兴产业，即紧紧依靠招商引资，招大商、引大资、引大智，培育和发展高端制造业，增添台州经济发展新动力。具体方向在哪里？《中国制造2025浙江纲要》明晰了我省11大产业发展重点领域，各地要坚持“工业立市”不动摇，瞄准高端和前沿产业，扩大开放，超前布局，积极参与长三角的合作与开发，积极融入全球制造业体系，主动参与国际竞争与合作，在每个领域努力寻求新的突破，打造一批国际竞争力领先的企业和产业集群。要顺应改革大势继续深化体制机制改革，加快建立有利于引导各类投资主体发展先进制造业的经济调控机制，并充分发挥市场在资源配置
中的决定性作用，撬动和激活充裕的民间资本，引导民间资本与实体经济结合，使得好项目获得资本的“青睐”和“浇灌”，激发有潜力企业的创新能力和创业激情，为制造业提供不竭动力和支撑。
第一章宏观环境分析 一、宏观经济分析 1、新常态下新旧力量将长期并存，原有优势和新优势双轮驱动。中国经济之所以在过去取得了令世人瞩目的成绩，一定是中国经济大方向选对了，一些因素一定会继续发挥重要作用。中国经济进入新常态，出现了很多新的特征和趋势，但并不意味着未来经济发展将完全不同以往。经济发展是连续的过程，不会因为开启了一扇窗，就会关掉一道门。新常态需要新思路和新方式，但不否定那些仍继续有效的做法。新常态下我国增长动力结构，将既不同于原 2、9月末，规模以上工业企业资产负债率为56.7%，同比降低0.4个百分点。其中，国有控股企业资产负债率为59%，同比降低1.6个百分点，国有企业降杠杆成效更为显著。何平指出，从9月份当月情况看，主要受工业产销增速放缓、价格涨幅回落、上年利润基数偏高等因素影响，工业利润增速比8月份减缓。值得一提的是，在工业企业利润新增中，主要来源属于钢铁、建材、石油、化工等传统中上游行业。数据显示，前三季度，钢铁行业利润增长71.1%，建材行业增长44.9%，石油开采行业增长4倍，石油加工行业增长30.8%，化工行业增长24.5%。5个行业合计对规模以上工业企业利润增长的贡
未来人工智能行业分析调研报告
2019年人工智能行业分 析调研报告 2019年11月
目录 1.人工智能行业概况及市场分析 (5) 1.1人工智能市场规模分析 (5) 1.2人工智能行业结构分析 (5) 1.3人工智能行业PEST分析 (6) 1.4人工智能行业特征分析 (7) 1.5人工智能行业国内外对比分析 (8) 2.人工智能行业存在的问题分析 (10) 2.1政策体系不健全 (10) 2.2基础工作薄弱 (10) 2.3地方认识不足，激励作用有限 (10) 2.4产业结构调整进展缓慢 (10) 2.5技术相对落后 (11) 2.6隐私安全问题 (11) 2.7与用户的互动需不断增强 (12) 2.8管理效率低 (13) 2.9盈利点单一 (13) 2.10过于依赖政府，缺乏主观能动性 (14) 2.11法律风险 (14) 2.12供给不足，产业化程度较低 (14) 2.13人才问题 (15) 2.14产品质量问题 (15)
3.人工智能行业政策环境 (16) 3.1行业政策体系趋于完善 (16) 3.2一级市场火热，国内专利不断攀升 (16) 3.3“十三五”期间人工智能建设取得显著业绩 (17) 4.人工智能产业发展前景 (18) 4.1中国人工智能行业市场驱动因素分析 (18) 4.2中国人工智能行业市场规模前景预测 (18) 4.3人工智能进入大面积推广应用阶段 (18) 4.4政策将会持续利好行业发展 (19) 4.5细分化产品将会最具优势 (19) 4.6人工智能产业与互联网等产业融合发展机遇 (20) 4.7人工智能人才培养市场大、国际合作前景广阔 (21) 4.8巨头合纵连横，行业集中趋势将更加显著 (22) 4.9建设上升空间较大，需不断注入活力 (22) 4.10行业发展需突破创新瓶颈 (22) 5.人工智能行业发展趋势 (24) 5.1宏观机制升级 (24) 5.2服务模式多元化 (24) 5.3新的价格战将不可避免 (24) 5.4社会化特征增强 (24) 5.5信息化实施力度加大 (25) 5.6生态化建设进一步开放 (25)
2019年人工智能数据资源开发及服务行业分析报告
2019年人工智能数据资源开发及服务行业分析报告 2019年4月
目录 一、行业主管部门、监管体制、主要法律法规政策 (5) 1、行业主管部门及监管体制 (5) 2、行业主要法律法规政策 (6) 3、行业主要法律法规政策的影响 (8) 二、行业发展情况和发展趋势 (9) 1、行业技术发展概况 (9) （1）深度学习算法突破人工智能算法瓶颈 (9) （2）大量、优质的训练数据是人工智能持续发展的基础性动力 (10) （3）运算力的提升大幅推动人工智能发展 (10) 2、行业模式与发展业态 (11) 3、行业现状与发展趋势 (12) 三、行业竞争格局 (14) 1、Appen (15) 2、慧听科技 (15) 3、标贝科技 (15) 4、海天瑞声 (16)
数据、算力和算法是当前人工智能发展的三个核心要素。近年来，国内在人工智能算法和算力领域涌现出了一大批新兴优质企业。国内人工智能数据领域的领先企业，通过供给海量优质的人工智能数据资源产品，为国内人工智能领域的高速发展提供了重要支持与助力。 图：人工智能技术架构示意 人工智能技术从架构上分为基础层、技术层和应用层。基础层主要为人工智能技术提供计算能力以及数据输入；技术层包括算法和其他人工智能技术，主要在基础层上开发算法模型，并通过数据训练和机器学习建模开发面向不同应用领域的技术，如智能语音、计算机视觉和自然语言处理等，在应用层将人工智能技术与应用场景结合起来，
实现商业化落地。 人工智能数据资源产品及服务隶属于人工智能产业链的基础层，是自主研发人工智能技术的企业与机构必需的基础生产要素，其数量多寡和质量高低将会直接影响到人工智能产业链内企业的研发周期、产品性能和可扩展性。例如，要搭建和实现一个较成熟的人工智能语音识别引擎，就必须导入海量经过精确结构化处理的语音数据进行深度学习和模型训练，数据量至少需要达到上万小时。 数据资源定制服务。根据客户对人工智能算法模型开发、训练、拓展及优化等过程所需数据资源的个性化需求，为客户量体裁衣地提供定制化数据资源的设计及开发服务，对客户提供的数据进行处理，最终形成符合客户需求的定制化数据资源。在该种业务类型下，企业为客户提供数据资源定制服务，客户享有最终形成的定制化数据资源的知识产权。 数据资源定制服务内容具体如下： 数据库产品。根据对人工智能算法模型应用领域、行业发展趋势、市场需求等的评估和研判，设计并开发多种数据库产品，开发完成后授权给客户使用。在该种业务类型下，企业开发数据库产品，并拥有数据库产品的知识产权。
2017年人工智能为医疗创新.专题展望报告
(此文档为word格式，可任意修改编辑！） 2017年10月
正文目录 1. 前言：从互联网医疗升级到医疗人工智能 (4) 2. 临界点已至，医疗人工智能站上风口 (5) 2.1. 技术：已走出实验室，商业化加速落地 (5) 2.2. 资本：一级市场持续火爆，巨头加速布局 (8) 2.3. 产业环境：供需不平衡仍将延续，消费升级产生新的付费方 (9) 2.3.1. 供需总量分析：供给不平衡仍将延续 (9) 2.3.2. 供需结构分析：分级诊疗趋势下，基层面临智能化升级的强需求 (11) 2.3.3. 付费方：消费者有望成为智能医疗服务的重要付费方 (11) 2.4. 政策：需“持证”上岗，收费政策尚未明晰 (12) 2.5. 商业前景：技术赋能是当下，医疗服务是未来 (12) 3. 医疗影像：人工智能在医疗领域应用的第一站 (13) 3.1. 人工智能在医疗影像的应用场景 (13) 3.2. 市场机遇：医疗影像是千亿级的市场 (15) 3.3. 技术实现路径和竞争壁垒分析 (19) 3.4. 二级市场参与医疗影像+人工智能产业的路径 (20) 4. 智能辅助诊断：现代医学皇冠上的明珠 (20) 4.1. 技术实现路径：打造“医疗大脑”的5个步骤 (20) 4.2. 竞争壁垒分析：医疗数据规模&数据结构化技术 (22) 4.3. 商业化路径：智能辅助诊断系统面临的三个定位选择 (24) 4.3.1. to B or to C？ (24) 4.3.2. to B领域：选择基层、专科还是大三甲？ (26) 4.3.3. 常见病or垂直病种？ (27) 4.4. 二级市场参与智能辅助诊疗产业的路径 (27) 4.4.1. 路径一：发挥通道优势，联合技术方共同推广 (27) 4.4.2. 路径二：补齐数据结构化能力，自研医疗大脑 (29) 5. 精准医疗：AI+基因组学解读生命大数据 (30) 6. 投资建议与主要公司分析 (34) 6.1. 思创医惠：IBM沃森中国战略合作伙伴，打造自主医疗AI技术 (35) 6.2. 科大讯飞：人工智能龙头开辟新战场，医疗AI业务快速崛起 (36) 6.3. 东软集团：人工智能有望成为医疗业务二次腾飞的助推器 (36) 6.4. 万东医疗：战略合作阿里健康，打造人工智能医疗影像平台 (37) 7. 风险提示 (37)
AI人工智能+医疗行业企业规划书
企业规划书
目录 一. 战略分析 1.国家政策 2.市场环境 3.海南自贸港 二. 企业分析 1.XXXX公司介绍 2.公司定位及宗旨 三. 市场分析 市场规模、战略目标、竞争对手 四. 产品与技术 1.电子病历系统 1.1数据导入系统 1.2自助信息录入系统 1.3信息共享系统 1.4信息自查系统 2.语音采集系统 2.1语音普通采集 2.2语音识别模型 2.3语义识别模型 2.4语音疾病模型 3.图像采集系统 3.1.图像普通采集 3.2.图片识别模型 3.3.图片疾病模型 4.技术难点 五. 发展计划 六. 营销策略 七. 风险防范 八. 投资和利润分析 九. 资金需求
一、战略分析 1.国家政策 2016年5月，国家发展改革委、科技部等部门颁布《“互联网+”人工智能三年行动实施方案》，明确要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平，并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。2017年5月，国务院发布《“十三五”深化医药卫生体制改革规划》，其中对推进医学人工智能的技术发展指明了具体方向：开展医学大数据分析和机器学习等技术研究，开发集中式智能和分布式智能等多种技术方案，重点支持机器智能辅助个性化诊断、精准治疗辅助决策支持系统、辅助康复和照看等研究，支撑智慧医疗发展。同年7月，国务院发布《新一代人工智能发展规划》，文中又对“人工智能+医疗”等领域提出了新的要求，《规划》要求我们要推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系；探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊；基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化；加强流行病智能监测和防控。 国家出台人工智能政策，从总体上布局人工智能发展目标，鼓励人工智能技术的研发，支持人工技能与实体经济融合发展，促进人工智能对经济的发展。这对“人工智能+医疗”的发展来说，是一个重要的契机。顺应国家政策，建立一家专注于智能医疗研发的公司是有前瞻性的。 2.市场环境 近几年，人工智能在全球都引起了极大的关注，我国也将人工智能上升为国家战略。当前国家正在加紧布局，各方也在众多领域积极探索人工智能的应用，并取得了突飞猛进的成绩，其中健康医疗领域是人工智能应用的最具潜力的领域之一。人工智能为何在医疗领域势不可挡？与我国国情与医疗资源严重短缺、分布失衡的现状密切相关。
2020年人工智能产业发展深度研究报告
2020年人工智能产业发展深度研究报告 一、人工智能市场格局 人工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延申和拓展类人的智能的能力，本质上是对人类思维过程的模拟。AI 概念最早始于1956 年的达特茅斯会议，受限于算法和算力的不成熟，未能实现大规模的应用和推广。近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。据中国电子学会预测，2022全球人工智能市场将达到1630亿元，2018-2022年CAGR达31%。 人工智能赋能实体经济，为生产和生活带来革命性的转变。人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和新产品。从衣食住行到医疗教育，人工智能技术在社会经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测，2035 年，人工智能将推动中国劳动生产率提高27%，经济总增加值提升7.1 万亿美元。 二、多角度人工智能产业比较 目前，全球人工智能产业的生态系统正逐步成型。依据产业链上下游关系，可以将人工智能划分为基础支持层、中间技术层和下游应用层。基础层是人工智能产业的基础，主要提供硬件（芯片和传感器）及软件（算法模型）等基础能力；技术层是人工智能产业的核心，以模拟人的
智能相关特征为出发点，将基础能力转化成人工智能技术，如计算机视觉、智能语音、自然语言处理等应用算法研发。其中，技术层能力可以广泛应用到多个不同的应用领域；应用层是人工智能产业的延伸，将技术应用到具体行业，涵盖制造、交通、金融、医疗等18 个领域，其中医疗、交通、制造等领域的人工智能应用开发受到广泛关注。 （一)战略部署：大国角逐，布局各有侧重 全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局，并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。 1、美国引领人工智能前沿研究，布局慢热而强势。美国政府稍显迟缓，2019 年人工智能国家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看，美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超
全球人工智能产业数据报告
全球人工智能产业数据报告
报告摘要 1.截至2019年3月底全球活跃人工智能企业达5386家，其中美国、中国、英国、加拿大、印度位列全球前 五。中国人工智能企业集中在北上广和江浙地区，美国人工智能企业集中在加州、纽约等地。 2.全球AI领域独角兽企业有41家，其中中国17家，美国18家，日本3家，印度、德国和以色列各1家。 3.2018年Q2以来全球AI领域投资热度逐渐下降。2019Q1全球融资规模126亿美元，环比下降7.3%, 同比 持平；融资笔数达310笔，环比回升29.7%，同比下降44.1%。其中，中国AI领域融资金额30亿美元，同比下降55.8%，在全球融资总额中占比23.5%，比2018年同期下降了29个百分点。 4.统计近10年AI领域学术论文的发表情况，在论文发表总量上中国位列第一，其中高被引论文数量不及美 国，位列第二。 5.国内中国科学院、清华大学等科研单位在AI学术研究上位于前列。 6.谷歌和微软是全球范围内在AI顶级会议上发文最多的企业。
目录
?截至2019年3月底全球活跃人工智能企业注达5386家。 ?AI企业数量TOP5国家：美国（2169家）、中国大陆（1189家）、英国（404家）、加拿大（303家）和印度（169家）。
?AI企业数量Top5城市：北京（468）、旧金山（328）、伦敦（290）、上海（233）、纽约（207）。?AI企业数量排名前20的城市，中国4个，美国10个，加拿大3个，英国、印度和以色列各1个。 ?中国AI企业主要集中在北上广和江浙地区，美国AI企业主要集中在加州、纽约州和马瑟诸塞州。