2017年人工智能全场景应用市场分析和调研报告

2017年人工智能全场景应用市场分析和调研报告人工智能全场景应用市场分析和调研报告本调研分析报告数据来源主要包含欧立信研究中心，行业协会，上市公司年报，国家相关统计部门以及第三方研究机构等。

目录第一节人工智能核心技术应用加速落地 (4)一、“基础层-技术层-应用层”的产业架构日渐明晰 (5)二、核心技术应用屡有突破 (8)第二节全场景应用行路致远 (20)一、AI 重塑金融：改善用户体验 (21)二、AI 重塑医疗：力助缓解看病“两难” (22)三、AI 重塑社交：交互纵深延伸 (25)四、AI 重塑教育：提供“课前-课中-课后”一站式服务 (26)五、AI 重塑工业：中国制造 2025 的助推器 (28)六、AI 重塑农业：颠覆传统模式 (30)第三节企业分析 (31)图目录图1：国内企业已经实现全产业链覆盖 (5)图2：计算机视觉技术与其他领域的关系 (8)图3：机器学习与人类学习的对比 (10)图4：自然语言处理技术体系 (12)图5：软银机器人Pepper (14)图6：Google机器人Atlas (14)图7：柯马SMART系列工业机器人 (15)图8：2015-2020年全球生物识别技术行业市场规模(单位:亿美元) (18)图9：2002-2020年中国生物识别技术行业市场规模 (18)图10：2015-2020年全球生物识别技术行业市场结构 (19)图11：人工智能产业结构 (20)图12：认知智能突破时间尚不明确 (20)图13：算法处理效果和包含算法的人工处理效果对比图 (22)图14：可穿戴智能设备 (23)图15：远程问诊 (23)图16：问答机器人 (25)图17：“未来教师”机器人 (27)图18：现代工业机器人 (28)图19：2000年-2018年全球工业机器人销量（万台） (29)图20：智能灌溉 (30)图21：农业机器人插秧 (31)表目录表1：国内人工智能基础层业务公司 (6)表2：国内AI技术层业务公司 (6)表3：国内AI应用层业务公司 (7)表4：计算机视觉技术应用 (9)表5：计算机视觉公司简介 (10)表6：机器学习公司 (11)表7：自然语言处理公司 (12)表8：语音技术公司 (13)表9：智能机器人公司 (16)表10：主要生物识别技术介绍 (16)表11：生物识别应用领域 (17)表12：人工智能在医疗领域的应用 (22)表13：人工智能健康医疗技术 (24)表14：社交数据分析的商业应用 (26)表15：A股市场人工智能主要概念标的简介 (31)第一节人工智能核心技术应用加速落地人工智能风口已至已毋庸置疑，但需要声明的是，以算法、深度学习、增强学习为代表的核心技术研发周期较长，由此决定了人工智能的全面爆发不可能一蹴而就。

其发展必定是基于现有成熟技术率先在特定领域实现规模化应用。

而后随着高性能芯片及计算平台等软硬件架构的突破实现通用领域规模化推广。

一、“基础层-技术层-应用层”的产业架构日渐明晰通过梳理人工智能产业链可知，围绕“基础资源层—技术层—应用层”的 AI 产业架构已经初具雏形。

在政策与资本的叠加驱动下，国内企业已经从软硬件层面实现全产业链覆盖。

图1：国内企业已经实现全产业链覆盖资料来源：艾瑞咨询, 北京欧立信咨询中心具体来看：基础层主要涵盖数据工厂和运算平台。

其中，数据工厂提供海量信息并通过数据挖掘和搜索算法进行分类与关联，是机器学习与训练的绝佳素材；GPU 并行计算及高性能计算芯片构成超级运算平台，提供 AI所需的超强计算能力，二者结合为AI 技术层的实现奠定硬件与软件基础。

进一步分析知，软件层面，以百度阿里为代表的巨头基于自身的财力与资源优势向计算平台等高难度技术发力；而以数多多及数据堂等为代表的创业型企业则主要聚焦数据资源。

硬件层面，以地平线机器人为代表的芯片与传感器创企正在迅速崛起。

表1：国内人工智能基础层业务公司资料来源：互联网公开资料，北京欧立信咨询中心技术层主要依托基础层的运算平台和数据资源进行机器学习建模，开发面向不同领域的应用技术，包含感知智能及认知智能两个阶段。

感知智能阶段通过传感器、搜索引擎和人机交互等实现人与信息的连接，获得建模所需的数据，如语音识别、图像识别、自然语音处理和生物识别等；认知智能阶段对获取的数据进行建模运算，利用深度学习等类人脑的思考功能得出结果，如机器学习、预测类 API 和人工智能平台等。

当前，技术层面的应用技术面向不同领域的需求各放异彩，语音识别、图像识别、机器学习、生物识别等各类应用层出不穷，国内技术层公司发展势头也随之迅猛。

表2：国内AI技术层业务公司资料来源：北京欧立信咨询中心应用层主要是基于基础层与技术层实现与传统产业融合，实现不同场景应用，为用户带来更便捷更优质的体验，如机器人、无人驾驶汽车、智能家居、智慧医疗、智慧农业等。

由系列一知，应用层是最受创业型企业青睐的领域，占据超 70%的比例。

近年国内企业陆续推出应用层面的产品和服务，比如小 i 机器人、智齿客服等智能客服，“出门问问”、“度秘”等虚拟助手，工业机器人和服务型机器人也层出不穷，应用层产品和服务正逐步落地生活各处。

表3：国内AI应用层业务公司资料来源：北京欧立信咨询中心二、核心技术应用屡有突破1. 计算机视觉计算机视觉是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。

计算机视觉技术运用由图像处理操作及机器学习等技术所组成的序列来将图像分析任务分解为便于管理的小块任务。

图2：计算机视觉技术与其他领域的关系资料来源：公开资料, 北京欧立信咨询中心计算机视觉系统的组成部分包括： 1、过程控制，例如工业机器人和无人驾驶汽车； 2、事件监测，例如图像监测； 3、信息组织，例如图像数据库和图像序列的索引创建； 4、物体与环境建模，例如工业检查，医学图像分析和拓扑建模； 5、交感互动，例如人机互动的输入设备。

计算机视觉有着广泛应用，比如，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被用来自动识别照片里的人物，在安防及监控领域运用广泛；在搜索方面，用户对于难以用语言准确描述的东西可以以图片搜索，提高了搜索的准确度和便捷性。

表4：计算机视觉技术应用随着计算机视觉技术应用范围的持续扩大，巨大的商业前景吸引众多企业与资本争相布局，行业呈现欣欣向荣的大好局面。

表5：计算机视觉公司简介资料来源：公开资料，北京欧立信咨询中心2. 机器学习机器学习是计算机模拟人类的学习活动，通过对已有的案例进行学习，借助归纳和总结的方法，对本身的能力加强或改进，使机器获得新知识和新技能，在下一次执行相同或类似任务时，会比现在做得更好或效率更高。

机器学习是从数据中自动发现模式，模式一旦被发现便可以做预测，处理的数据越多，预测也会越准确。

日前颇受瞩目 AlphaGo的深度学习就是集中于深层神经网络的机器学习的一个分支。

图3：机器学习与人类学习的对比资料来源：公开资料, 北京欧立信咨询中心机器学习的应用范围非常广泛，比如信用卡交易信息记录表中包含日期、时间、商家、商家位置、价格、交易是否合法等字段，机器学习系统可以学习或发现其中的模式和规律，最终预测诈骗。

除了欺诈甄别之外，还可以进行包括销售预测、库存管理、石油和天然气勘探、以及公共卫生等方面的活动。

机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉、语音识别、自然语言处理和数据挖掘等。

现在，机器学习已经成为人工智能领域中最炙手可热的技术之一，在 2011-2014 年中这段时间内就已吸引了近十亿美元的风险投资。

以下是一些使用深度学习或机器学习技术作为核心产品或应用的公司。

表6：机器学习公司资料来源：公开资料，北京欧立信咨询中心3. 自然语言处理文本语言处理对自然语言文本的处理是指计算机拥有的与人类类似的对文本进行处理的能力，比如从文本中提炼出核心信息，从自然语言写成的文本中计算机可自主解读出含义，做到对文本的“理解”能力。

例如自动识别文档中被提及的人物、地点等，或将合同中的条款提取出来制作成表。

图4：自然语言处理技术体系资料来源：公开资料, 北京欧立信咨询中心自然语言处理通过建立语言模型来预测语言表达的概率分布，确定某一串给定字符或单词表达某一特定语义的最大可能性。

选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件和正常邮件。

以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。

应用与机器翻译、智能检索、自然语言理解、非结构化数据分析等方面。

下列公司会建立自然语言处理应用技术作为一个核心产品或者将其纳入到他们的一些产品或应用里。

表7：自然语言处理公司资料来源：公开资料，北京欧立信咨询中心语音识别语音识别是自然语言处理的一个分支，其侧重于处理人类语音的声音剪辑及分析提取语音派生的含义，主要是关注自动且准确的转录人类的语音。

语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。

语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。

表8：语音技术公司资料来源：公开资料，北京欧立信咨询中心4. 机器人技术机器人即机器＋人工智能，将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，使得机器人有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。

例如无人机、家务机器人、医疗机器人等。

近年来，随着算法等核心技术提升，机器人取得重要突破。

首位高中生机器人 Pepper。

由日本软银集团和法国 Aldebaran Robotics 研发的Pepper 是一款具有情感功能的人形机器人，配备了语音识别、分析表情、声音音调等情绪识别技术，可以和人类进行交流，由于其深度学习能力和交流能力过关，已被日本早稻田福岛县的一所高中录取，成为首个和人类学生一起上课的机器人。

Pepper 个人化机器人可以判读情绪，能极大满足消费者的社交体验，可能会推动服务机器人进入家庭，有潜力成为家庭或个人机器人领域的一款革命性产品。

图5：软银机器人Pepper资料来源：公开资料, 北京欧立信咨询中心Google 机器人 Atlas。

双足人形机器人 Altas 身高 5 英尺 9 英寸，体重仅为 82 公斤，内置电池驱动，不再需要外接电线获取动力。

配置了激光雷达与立体传感器，拥有 Google 的室内室外定位能力， Altas 可以在室内和室外进行自我导航，穿越障碍物，并具有很强的平衡能力。