2018年智能控制器行业分析报告

2018年智能控制器行业分析报告

2018年10月

目录

一、智能化需求不断增长，智能控制器复杂化程度持续提高 (5)

1、智能化需求驱动智能控制器升级换代以及需求量增长 (6)

（1）家电行业正经历升级转型，智能化是大趋势 (6)

①家电行业正在经历产业的升级转型，智能化是大势所趋 (6)

②智能家居产品层出不穷，产品更新速度加快 (7)

（2）汽车电子的智能化发展迅速，众多行业巨头发力无人驾驶 (8)

（3）电动工具、工业设备等的智能化需求日益显现 (10)

①电动工具应用领域广，电子技术发展奠定智能化发展基础 (10)

②工业设备的智能化是智能工厂、智能生产的基础 (11)

（4）下游应用的市场规模不断增长 (12)

①全球智能家居市场未来5年有望保持两位数的增长 (12)

②我国智能家居市场有望持续高速增长 (12)

③汽车销量继续增长，汽车电子智能设备有望持续增长 (13)

2、智能控制器不断复杂化，单个控制器价值提升 (13)

（1）智能控制器渗透率不断提升，是电子设备“中枢控制”的核心器件 (13)

（2）智能控制器应用广泛 (14)

二、市场规模稳定增长，未来发展空间可观 (15)

1、全球智能控制器规模稳定增长，汽车电子占到1/4的份额 (15)

2、亚洲是最大的智能控制器消费市场，国内市场规模增速高于全球增速 .. 16

3、除智能控制器行业自身的规模增长外，终端厂商由自产向外包的转变也将

推动智能控制器厂商的发展 (17)

三、行业集中度有望提高，国内企业迎来机遇 (17)

1、市场整体进入壁垒不高，但中高端产品有较高的资质和技术壁垒 (17)

（1）全球智能控制器行业市场集中度较低，订单较为分散 (17)

（2）市场进入壁垒不高，但中高端产品有较高的资质和技术壁垒 (18)

2、高端智能控制器厂商集中在欧美，我国本土企业发展迅速 (20)

（1）大型专业智能控制器厂商主要集中在欧美国家 (20)

（2）中等规模智能控制器厂商近年来发展迅速，中国本土企业逐渐壮大 (21)

（3）全球化的EMS企业具有成本优势但定制化能力较弱 (23)

（4）小规模智能控制器厂商面临挑战 (24)

3、产品复杂度提高，终端厂商从自产控制器转向外包，行业集中度有望提高

(25)

（1）电子智能控制器行业集中度有望提高，小厂商面临被淘汰的压力 (25)

（2）对国内终端企业而言，智能控制器交由专业智能控制器厂商制造将成为行业趋势 (25)

（3）国内本土企业的优势逐渐显现 (26)

四、相关企业简况 (26)

1、和而泰 (26)

2、拓邦股份 (27)

五、主要风险 (27)

1、智能产品需求增长不及预期 (27)

2、智能技术和基础设施发展不及预期 (28)

3、政策支持力度不及预期 (28)

云计算、大数据、物联网、人工智能正快速发展，智能控制器作为智能化产品中不可或缺的器件，有望迎来行业发展机遇。从需求的角度看，智能化产品需求有望随着人工智能技术的发展快速增长，从而推动智能控制器产品需求；从供给角度看，目前行业集中度较低，未来随着产品复杂度提高、专业化分工的深化，行业集中度有望提升。从产品价格角度，产品的复杂度提高将推动产品价格的上行。

智能化需求不断增长，推动智能控制器需求持续增加。从市场需求的角度看，用户对高水平智能化产品的需求不断增长，家电、汽车、电动工具、工业设备等各个行业为满足用户需求，不断推出各类智能化产品，并不断更新换代。随着智能化需求的增长，智能控制器产品的渗透性进一步增强，应用领域日趋广泛。此外，网络技术和通信技术发展成熟并实现广泛应用、互联网基础设施的建设和技术条件的成熟也为智能产业发展奠定基础。从国家政策的层面，智能产业相关产业发展规划和行动方案层出不穷，推动产业的快速发展。

量价双升，行业市场空间可观。随着智能化需求的增长，一方面智能控制器的需求量不断增长，另一方面各应用领域产品的功能越来越复杂，对智能控制器的要求也越来越高，智能控制器向复杂化发展，智能控制器自身的技术含量和附加值不断提升，高科技含量的控制器单价有望持续提升。根据中国产业信息网的预测，预计到2020年我国智能控制器市场规模将达到1.55万亿元。其中，汽车电子、家用电器、电动工具及工业设备是智能控制器的主要应用领域。此外，终端厂商由自产向外包的转变也将推动智能控制器厂商的发展。

行业集中度有望提升，国内企业迎来机遇。智能控制器是一种非标准化产品，并且下游应用广泛，因此行业集中度较低。随着智能控制器的需求升级，难以满足市场需求的小规模厂商将被淘汰，市场集中度有望提升。此外，目前国内尚有大量的智能控制器由终端企业自行生产，我们认为，随着专业化分工的深化，国内智能控制器龙头企业有望占据这部分份额。国内本土企业人力和制造成本较低，企业自身的管理和经营水平也在逐渐提升，国内市场需求的扩展、行业集中度的提高将为本土企业带来行业发展红利。

一、智能化需求不断增长，智能控制器复杂化程度持续提高

市场需求增长、技术基础逐渐成熟、国家政策层面的重视，共同推动智能化需求不断增长。从市场需求的角度看，用户对高水平智能化产品的需求不断增长，家电、汽车、工业设备等各个行业为满足用户需求，不断推出各类智能化产品，并不断更新换代。从技术基础的角度看，网络技术和通信技术不断成熟并实现广泛应用，信息化水平不断提高并逐渐达到智能产业规模发展的水平，此外，互联网基础设施的建设和技术条件的成熟也为智能产业发展奠定基础。从国家政策的角度看，智能产业将会是获取未来竞争新优势的关键领域之一，人工智能、智能制造等概念不断被提及和强调，相关产业发展规划和行动方案层出不穷，显示了国家对智能产业发展的重视。

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。

2018年智能制造行业分析报告

2018年智能制造行业 分析报告 2018年6月

目录 一、工业互联网是制造业升级的核心 (2) 1、工业互联网平台是工业全要素链接的枢纽 (2) 2、政策春风拂面，市场前景可期 (4) 二、平台体系是工业互联网的关键 (6) 1、不同分类下，国内外工业互联网平台一览 (6) 2、三类平台的比较分析及未来发展趋势 (10) 3、他山之石：GEPredix——全球工业互联网平台的典型 (12) 三、工业软件应用构成工业互联网平台的重要资源 (17) 1、工业软件丰富程度决定工业平台整体竞争力 (17) 2、工业互联网平台助力软件企业打开发展空间 (22) 四、投资标的 (23) 五．风险提示 (28) 一、工业互联网是制造业升级的核心 1、工业互联网平台是工业全要素链接的枢纽 工业互联网是制造业数字化、网络化、智能化的重要载体，也是全球新一轮产业竞争的制高点。工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，通过构建链接机器、物料、人、信息系统的基础网络，实现工业数据的全面感知、动态传输、实时分析、形成科学决策与智能控制，提供制造资源配置效率，正成为领军企业竞争的新赛道、

全球布局的新方向、制造大国竞争的新焦点。 工业互联网平台是工业全要素链接的枢纽，是工业资源配置的核心。工业互联网构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在链接、弹性供给和高效配置。工业互联网平台可以分为4个部分：1>边缘层：通过协议转化和边缘计算形成有效的数据采集体系，从而将物理空间的隐形数据在网络空间显性化。2>IaaS层：将基础的计算网络存储资源虚拟化，实现基础设施资源池化；3>工业PaaS层：工业操作系统，向下对接海量工业装备、仪器、产品，向上支撑工业智能化应用的快速开发和部署；4>工业APP：通过调用和封装工业PaaS平台上的开放工具，形成面向行业和场景的应用。对于工业互联网平台来说，数据采集、工业PaaS、工业APP是核心三大要素。 1>数据采集是基础。工业大数据有三类：生产经营相关业务数据、设备物联数据、外部互联网数据。其中，设备物联数据采集受制于传感器部署不足，装备智能化水平低，数据采集颗粒度不足，无法支持上层应用。随着兼容多种协议的技术产品构建，此类问题将得到改善。同时通过部署边缘计算模块，实现数据在生产现场的轻量级运算和实时分析。可以缓解数据的云端计算压力。 2>工业PaaS是关键。现有的通用PaaS平台尚不能满足工业级应用需要。未来通过对通用PaaS的深度改造，构

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。

智能家居行业分析研究报告

智能家居行业分析研究报告 一、智能家电领域发展分析 目前，智能家电市场处于发展初期，面临标准、成本、产业生态系统建设、商业模式等诸多问题，还需要经历一个较长的市场培育期，规模商用尚需时日。不过，由于人们提高用能效率的意识不断高涨，加上多项政府计划的激励，在接下来的几年里，智能家电的部署进程将有望加速。预计智能家电所带来的商业影响将是全球范围的。 作为电力网的终端用电设备，家用电器的能耗不容小觑，即使是待机功耗也是一项不小的开销。据中国节能认证中心调查，中国城市家庭的平均待机功耗相当于每个家庭每天都亮着一盏25瓦到50瓦的长明灯。据测算，家电待机能耗已占到中国家庭电力消耗的20%以上。美国能源部的报告也显示，超过三分之一的美国发电量被用于家用电器。 智能控制技术、信息技术的快速发展为家电智能化提供了可能，智能家电由于能够实现更高效能而被认为是促进节能降耗的有效途径。这一方面缘于人们生活水平的提高，倾向使用性能更好的家电产品；另一方面，在全球变暖和能源成本不断上升的压力下，市场更加青睐高能效的智能家电。 人们对节能降耗、人机界面和通信功能等方面的需求将是拉动智能家电市场增长的主要力量。现在世界很多国家，包括中国在内都在鼓励家电厂商研制这类智能家电。

二、智能家居领域发展分析 当年比尔盖茨为了实现他的智能豪宅，铺设了84公里电缆、耗资5.3 亿美元。如今智能家居不再是镜花水月，而是未来家庭生活的发展模式，一个无线遥控器就把大小设备浓缩于手指挥若定，通过网络等信息通讯技术手段，使家居控制能按照人们设想运作，而不论距离远近，智能家居的远程控制和自动控制是真正智能化的必然结果。如朝华数码有关人士提出的：领先的无线移动、不依靠PC的独立形态是今后业界发展的趋势。 智能家居控制系统可以简单概括为一个各种家庭设备互连和控制的网络。现代家居系统的服务应用平台从服务特征上来看，一般包括了娱乐、医疗、安防、通信、事务管理等，控制功能几乎渗透到每一个家居子系统。智能家居控制是通讯技术、计算机技术、网络技术、控制技术的综合运用。 国家建设部住宅产业化促进中心提出住宅小区要实现六项智能化要求，其中包括实行安全防范自动化监控管理：对住宅的火灾、有害气体的泄漏实行自动报警；防盗报警系统应安装红外或微波等各种类型报警探测器；系统应能与计算机安全综合管理系统联网;计算机系统能对防盗报警系统进行集中管理和控制。由此可见，家居控制已成为智能家居领域新的业务增长点。

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。

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。

智能硬件发展特点及趋势分析(行业调研报告)

智能硬件发展特点及趋势分析 一、智能硬件发展特点 （1）智能硬件发展模式推动新应用、新业态全国兴起和广泛渗透 从全球来看，生活智慧化与生产智能化需求正驱动智能硬件市场日益繁荣，技术突破与融合创新孕育着发展新机遇，以智能可穿戴、智能家居、智能车载、医疗健康、智能无人系统等为代表的智能硬件，通过引入芯片加操作系统的架构，为各种终端产品注入智能，并与互联网、云计算进行紧密结合，协同发展，为用户提供运动统计、智能家庭、智慧交通、健康管理、远程医疗等各种服务。“互联网+智能硬件”影响将迅速向工业、医疗、交通、农业等各领域进行广泛 的渗透扩散。 （2）智能硬件整机、芯片操作系统等产业链环节融合创新，驱动产品形 态和服务模式的多元化发展 智能硬件对智能感知、智能操作与人机交互、低功耗芯片、无线充电、工业设计、应用平台的要求日益突出，竞争由产品性价比扩展到对全产业链的整合和掌控。联动创新融合创新正成为产业发展的主旋律，领军企业掌控智能硬

件操作系统、人机交互技术、互联网开放平台、应用开发工具等产业链关键环节，推动“互联网+智能硬件”产业链整合。 （3）智能硬件缺乏统一标准，产品服务创新质量参差不齐 当前不同品牌的智能硬件设备所采集的数据格式和数据质量存在差异，数据缺乏共享和深入整合。通过数据共享和跨领域融合创造出新的应用和服务，推动信息的流动和共享，消除数据孤岛成为当前智能硬件发展创新的迫切需求。 二、我国智能硬件发展趋势分析 进入到智能硬件市场启动期，资本、技术、人才、政策等正在向这个行业倾斜，未来智能硬件未来将会有一下发展趋势： （1）智能硬件产业规模继续增长 在2014年国内智能硬件元年开启之后，近年来，国内智能硬件行业销量 呈现爆发式增长。根据数据统计，2014年国内智能硬件市场规模达到108亿元，2015年销量达到424亿，2016年中国智能应将产业市场规模为3315亿元。 （2）智能硬件投资更加趋于理性 智能硬件作为新兴的“爆发产业”，2014—2015年第二季度，很多投资人盲目押赛道，在大举投入后期待能迅速产出爆款。智能硬件产业出现了“投资向导”，在研究中发现，很多企业出现了“toVC”的非正常现象。生产企业仅仅对 风投负责，忽视了自身的产品积累和客观的市场规律。然而，2015年第三季度开始，智能硬件领域的投资额遭遇大幅度下滑，由Q2的45.4亿元降至5.7亿元。 资本市场开始重新审视智能硬件这个领域。投资人面对智能硬件厂商会更加“谨慎”，资本向具有较强的技术积累以及良好的产品服务体系倾斜，一些靠融资维持开支的厂商无以为继。 （3）智能硬件不再有单纯的“免费模式” 在智能硬件产业爆发初期，大批缺乏技术含量、使用公模修改的产品诞生，以及资本的大量注入，出现了智能硬件零利润，以及互联网“羊毛出在猪身上”的赢利模式。然而，在ODM、OEM、渠道等各个环节都需要大量资金投入，

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

2019年中国数据智能行业分析报告

2019中国数据智能行业分析报告

?目录 ?. 大数据新篇章——数据智能07?. 数据中台的出现与未来18 三. 业务中台带来模式创新27 四. 场景争夺成为主旋律律35 五. 跨场景要寻找数据洼地38 六. 三大应?用场景相对成熟42

?数据新篇章——数据智能7|爱分析·中国数据智能?行行业报告

1. 大数据新篇章——数据智能 1.1 大数据发展历程 整个大数据?行行业发展分为五个时期，即收集、监测、洞洞察、决策和重塑。五个时期对应着两大 阶段，业务数据化和业务智能化，其中收集、监测和洞洞察是业务数据化阶段，决策和重塑是业 务智能化阶段。 2019年，大数据正式进?入业务智能化阶段，开启数据智能新篇章。 图1：大数据发展历程 数据来源：爱分析 2013年，企业开始认知到数据价值，金融、电信、公安等?行行业开始建设大数据平台并购买大量外部 数据，希望通过外部数据快速挖掘数据价值，因此对外输出数据的数据服务公司获得了了发展 机遇。 2015年，数据大屏等监测业务成为大数据最先成熟的应?用，大数据进?入到业务监测阶段。政府、央企以及大型国企等优质客群对于数据监测展现应?用需求旺盛，BI与可视化公司发展迅速。

2017年，随着大数据平台建设完善以及企业精细化运营的需求不不断提升，单纯的数据展现很难 满?足企业需求，大数据开始与业务场景结合，?行行业进?入到业务洞洞察阶段。 此时，单纯的数理理统计很难满?足企业需求，因此出现了了大量数据挖掘、数据建模的需求，AI建模 平台、数据科学平台开始进?入?人们的视野。明略略数据、百分点、同盾科技、百融金服等公司在 这?一时期成?长为?行行业内的明星公司。 2019年，大数据从业务洞洞察进?入到业务决策阶段，即由机器?形成数据报表或者数据报告，业务 ?人员进?行行决策，变为机器?直接给出决策建议，让机器?具备推理理能?力力。例例如，在外卖、出?行行场景，美团和滴滴的系统直接形成最佳调度?方式，?自动完成决策环节，将任务下发给骑?手和司机。这种消费互联?网相对常?见的场景，将在产业互联?网、企业业务场景中落地。 让机器?具备推理理能?力力，意味着NL P、知识图谱等认知技术的成熟。数据驱动决策、数据驱动业 务发展的企业新需求，必然会带动?一批数据智能公司的兴起。 未来，随着技术更更加成熟，大数据会从业务决策进?入业务重塑阶段。大多数执?行行环节将由机器?来 实现，但仍有众多环节需要?人参与其中，因此，?人机协同会迎来迅猛发展，未来会诞?生?一批 全新的数据智能公司。 1.2 数据智能对企业业务流的改造 当大数据进?入到决策阶段，企业业务由原先的经验、流程驱动逐步转向数据驱动，数据中台和 业务中台在整个业务链条价值度越来越?高。 图 2：传统业务模式：流程驱动 数据来源：爱分析

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)

2018年智能投研行业分析报告

2018年智能投研行业 分析报告 2018年1月

目录 一、人工智能技术实现计算机“自主学习” (4) 1、基于统计学，实现机器学习 (4) 2、深度学习是机器学习的重要算法 (6) 二、借助“人工智能”，实现智能投研 (11) 1、存在众多人工智能手段解决投研问题 (11) （1）打破传统投研“数据孤岛”，智能投研提高传统投研效率 (14) （2）应用“另类投资数据”，智能投研提升传统投研前瞻性、准确性 (16) （3）数据多样化+模型多样化，智能投研丰富传统投研方式 (19) 2、智能投研将凸显金融专业知识的重要性 (22) 三、逻辑仍为核心，智能投研“工具革命”影响深远 (23)

以计算机技术为基础，基于大数据、量化投资以及人工智能技术，将传统投研实现“智能化”，是智能投研的一种重要实现方式。具体而言，我们认为智能投研具体包括以下几方面：①传统投研中数据分析实现智能化；②大数据技术应用于传统投研；③量化投资技术继续发展；④人工智能技术对大数据技术和量化投资优化与改造，应用于传统投研。 智能投研以数据为基础，以逻辑为核心。①数据是基础。在表现形式上，智能投研可以认为是数据+模型，其中，大量的、多种类型的数据是所有分析和计算的基础。②逻辑是核心。智能投研所揭示的规律实际上是一种“变量间的相关关系”，而不是准确的因果关系，所以，智能投研的兴起可以认为是基于数据来发现、验证行业逻辑或是公司逻辑中的某一个环节，之后更重要的是依照行业逻辑以及专业知识等来解释这种数据上的相关关系，即使发现的这种“相关关系”不能进行专业的解释（并不是所有的经验都能上升到理论层面），这种关系的成立和应用也需要使用者“具体问题具体分析”，形成新的应用逻辑（比如高频交易算法获得的相关关系）。因此，无论这种新兴的投研工具如何发展，最核心的还是“逻辑”。 智能投研强化逻辑能力（认知能力）在投研领域的地位。①智能投研将新工具应用于传统投研，“人”的部分技能被工具替代，由此投研领域的角逐将集中在更核心的逻辑能力-即认知能力；②智能投研基于统计学原理，人的逻辑能力在整个模型的设置、优化等环节中都发挥着重要作用。

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。

2019年智能装备制造行业画像分析报告

智能装备制造行业画像分析报告 2019年12月

目录 一、行业发展态势 (4) 1、智能装备制造介绍 (4) 2、行业发展现状 (5) 3、行业未来发展趋势 (8) （1）人口结构变化，促使对自动化设备需求提升 (9) （2）产业结构优化升级，促使企业加快提高生产自动化程 度10 （3）国家政策支持智能装备制造业做大做强，未来发展机 遇良好 (10) （4）高端装备领域国产化需求迫切，技术实力成为未来竞 争的关键要素 (11) （5）行业竞争日趋激烈，业内领先的设备商将拓展数字化 工厂等高端业务，增强客户粘性 (12) 二、行业驱动力分析 (13) 1、国家政策大力支持 (13) 2、我国制造业转型升级的推动 (14) 3、我国劳动力成本持续的替代效应 (14) 4、下游产品市场的持续增长 (14) 三、市场容量分析 (15) 1、汽车及零部件制造业 (16) 2、消费电子制造业 (17) 四、行业发展制约因素 (19) 1、行业集中度低，业内企业规模偏小 (19)

2、专业技术人才短缺 (20) 3、关键部件依赖国外采购 (20) 4、高端精密器件的配套环境较弱 (20) 五、行业内主要企业 (20) 1、沈阳新松机器人自动化股份有限公司 (20) 2、无锡先导智能装备股份有限公司 (21) 3、深圳市赢合科技股份有限公司 (22) 4、珠海市运泰利自动化设备有限公司 (22) 5、苏州富强科技有限公司 (23) 6、惠州市三协精密有限公司 (23) 7、昆山迈致治具科技有限公司 (24) 8、苏州赛腾精密电子股份有限公司 (25) 附件：行业技术情况 (25) 1、技术特点 (25) （1）技术综合性强 (25) （2）广泛使用先进制造技术 (26) （3）技术人员需求量大 (26) （4）工艺要求高 (26) （5）产品应用领域广泛 (27) 2、技术水平 (27)

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。