2017年智能投研行业Kensho分析报告
2017年人工智能行业现状与发展趋势报告
目录CONTENTS1人工智能行业产业链结构2人工智能行业整体市场发展3人工智能行业投资现状4人工智能行业发展前景人工智能行业产业链结构l人工智能产业链结构l人工智能基础技术提供平台l人工智能技术平台l人工智能应用领域PART 01人工智能产业链结构人工智能产业链的主要包含三个核心环节——基础技术、人工智能技术和人工智能应用。
其中，基础技术主要包括数据平台、数据存储以及数据挖掘等，人工智能技术包括语音识别、自然语言处理、图像识别和生物识别等，人用智能应用有工业4.0、无人驾驶汽车、智能家居、智能金融、智慧医疗、智能营销、智能教育以及智能农业等。
基础技术支撑数据平台数据存储数据挖掘计算智能语音识别自然语音处理图像识别生物识别感知智能机器学习预测类API 人工智能平台认知智能工业4.0无人驾驶汽车智能家居智能金融智慧医疗智能营销智能教育智能农业基础技术支撑人工智能技术人工智能应用人工智能产业链结构IaaS代表企业：阿里云、电信天翼云、联通沃云、Ucloud 、青云、万国数据、首都在线等。
基础设施即服务，它是把ICT 基础设施作为一种服务提供的商业模式。
用户通过Internet 可以从服务提供商那里得到完善的计算机基础设施服务。
这些服务包括服务器或虚拟服务器的计算资源、处理能力及基础网络。
PaaS代表企业：科大讯飞、环信、容联、亲加、云知声、思必驰等。
PaaS 的功能主要体现在将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力，通过IaaS 提供的API 调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过API 开放给SaaS 用户。
SaaS代表企业：百度云、用友云、浪潮、 Ucloud、 Oracle、Infor、Microsoft 等。
SaaS 是一种通过Internet 提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。
2017年智能投顾行业市场调研分析报告
2017年智能投顾行业市场调研分析报告目录第一节智能投顾开启资产管理新时代 (5)一、科技创新推动智能投顾登上舞台 (5)1、海量数据时代来临，大数据为智能投顾发展奠定基础 (5)2、人工智能推动投智能顾行业进入第三发展阶段 (7)二、证券行业变革为智能投顾带来发展机遇 (8)1、互联网证券兴起，佣金率下行倒逼券商探索新盈利点 (8)2、一人一户政策放宽激发客户需求 (10)3、证券业新竞争格局下，智能投顾业务是必争之地 (11)三、社会资产配置结构变化推动智能投顾发展 (12)1、人口结构变化，千禧一代青睐智能投顾 (12)2、居民金融资产配置需求提升呼唤更好的理财服务 (12)四、风险投资热捧，智能投顾在全球迅猛发展 (14)第二节智能投顾市场潜力巨大 (17)一、智能投顾相对传统模式具有三大优势 (17)1、门槛低 (17)2、费用低 (18)3、信息透明度高 (18)二、经济发展带来巨大理财需求 (18)三、泛资管时代下权益类资产比重提升 (20)四、智能投顾资产管理规模有望达数十万亿美元 (22)第三节资产大类配置和数据量化是智能投顾重点发展方向 (23)一、智能投顾可分为五种主流模式 (23)二、看好资产大类配置和数据分析两类模式 (26)1、基于资产组合理论资产大类配置模式——以Wealthfront为例 (26)2、基于大数据分析的量化模式——以Trefis，Kensho为例 (29)第四节数据分析模式将成为我国智能投顾的先行爆发点 (32)一、中外投资环境存在三大差异 (32)1、投资产品的差异 (32)2、监管的差异 (32)3、投资者的差异 (33)二、我国数据分析模式将先行爆发 (33)三、监管政策有待明确，未来或发放智能投顾牌照 (35)第五节投资建议与相关企业分析 (36)一、短期关注数据量化模式，长期看好资产大类配置模式 (36)二、部分相关企业分析 (36)1、同花顺：智能投顾龙头，业绩持续靓丽 (36)2、华泰证券：收购AssetMark，积极转型财富管理 (37)图表目录图表1：2020年中国大数据总量将达到40ZB (5)图表2：普华永道认为未来资产及财富管理行业的数据分析因素最重要 (6)图表3：2011-2016Q1全球人工智能投资总额及交易笔数 (7)图表4：人工智能在智能投顾的作用逐步变大 (8)图表5：2013-2016Q1券商经纪业务佣金率持续下行 (9)图表6：中国网民人数持续增长 (9)图表7：2015-2016年自然人投资者数量持续增长（单位：万人） (10)图表8：千禧一代成为网络主流人群 (12)图表9：固定资产占据中国居民资产配置结构的主流（单位：亿元） (13)图表10：中国居民金融资产配置比重远低于美国、英国（2014年） (13)图表11：高净值人群针对金融投资的需求提升 (14)图表12：国外智能投顾公司发展情况 (15)图表13：传统投顾与智能投顾费用对比 (18)图表14：中国个人可投资资产规模过百万亿 (19)图表15：理财产品募集资金近50万亿 (19)图表16：2014-2016年中国资产收益率持续下行 (20)图表17：中国资产管理规模高速增长（单位：万亿元人民币） (20)图表18：2013-2020E中国资产配置结构（%） (21)图表19：智能投顾模式分类 (23)图表20：智能投顾5种模式的国外典型公司 (24)图表21：智能投顾三大类国内公司 (25)图表22：Wealthfront资产管理规模突破30亿美元（单位：百万美元） (27)图表23：Wealthfront投资过程示意图 (28)图表24：单只股票逐步卖出的过程 (28)图表25：Trefis对ACME收入构成分析 (29)图表26：产品价格上升对公司财务的影响 (30)图表27：中美ETF资产规模和存量对比 (32)图表28：2016年6月末A股市场参与者以中小投资者为主 (33)图表29：2018年中国私人财富值（单位：万亿美元） (34)图表30：同花顺iFinD智能投顾的应用界面 (36)图表31：2014-2016Q1同花顺资产负债表预收款项 (37)图表32：2015.06-2016.06华泰证券股票、基金成交量市场份额 (37)图表33：2013Q1-2016Q1华泰证券经纪业务佣金率 (38)表格目录表格1：国内智能投顾公司涌现 (15)表格2：传统金融机构私人银行部与智能投顾公司的最低投资限额对比 (17)表格3：智能投顾五种模式的对比 (25)表格4：资产大类的投资范围（以Wealthfront为例） (26)第一节智能投顾开启资产管理新时代智能投顾，亦曾被称为机器人投顾，就是投资人可以直接把钱交给专业机器人来打理，机器人结合投资者的财务状况、风险偏好、理财目标等，通过已搭建的数据模型和后台算法为投资者提供个性化、低成本、高效率的理财建议。
人工智能行业研究报告
22层神经网络
120 100
11.70% 19层神经网络
80
7.30%
6.70%
60
3.50%
40
20
0%
0
2010年 2011年 2012年 2013年 2014年 2015年 2016年
NEC美国 Xerox AlexNet Clarifi VGG GoogleNet ResNet
来源：公开资料整理
Nvidia GPU—GeForce 256
寒武纪NPU—1A
• 超级计算机：其基本组成组件与个人电脑的概念无 太大差异，但规格与性能则强 大许 多， 是一种 超大 型电子计算机。我国自主超级 计算 机“ 神威·∙ 太湖之
光”，其处理器为众核CPU“申 威26010”， 整台 “神威·∙太湖之光”共包含40960块处 理器； 打败 李 世石的AlphaGo共包含1202个C PU和176个GPU； 打败柯洁的升级版Alph aGo 使用到 了T PU， 但数量 只有 4 颗。（未完接下页）
• 相比应用场景层面的发展，基础应用层的技术将会是AI中较早发展的部分。 不过，从AI整体发展阶段来讲 ，我 们认 为AI仍 处于 早期， 虽然 语音 识别、 计算机视觉等感知层的技术目 前已 经取 得了一 定成 就，但 语义 识别 等认知 层的技术仍不甚完善，即使是 像计 算机 视觉这 样的 感知层 技术 也存 在发展 不均衡的问题。
• 如上图所示，每年在ImageN et测试中错误率最低的
算法模型都不尽相同（从NEC到 Re sNet ），这 也反
1根据公开资料整理 6
映了人们对于算法的不断探究 、更 迭过 程。
®
®
36kr-人工智能行业研 究报告 （2017年 ）
2017年人工智能行业市场专题投资分析报告
2017年人工智能行业市场专题投资分析报告目录第一节人工智能产业发展现状 (5)一、互联网发展遭遇天花板 (5)二、人工智能引领新一轮技术风暴 (6)第二节人工智能产业发展三大拐点 (8)一、技术拐点：核心技术加速突破 (9)二、市场拐点：资本蜂拥而入 (20)三、政策拐点：大国竞相布局 (27)第三节场景应用超出预期 (30)图1：中国互联网巨头市值减少(单位：亿美元) (6)图2：人工智能将完成各行业的重构 (7)图3：人工智能将引发产业深刻变革 (7)图4：人工智能发展历程 (8)图5：人工智能的产业结构图 (9)图6：全球数据量呈爆发式增长 (10)图7：深度学习模型架构 (11)图8：布局机器学习的公司数量最多 (13)图9：机器学习获得的平均融资额度最大 (13)图10：语音识别错误率逐年降低 (14)图11：谷歌的机器人技术日臻成熟 (15)图12：IBM的TrueNorth芯片结构、功能、物理形态图 (16)图13：IBM类人脑芯片实物图 (17)图14：CPU与GPU的逻辑架构对比 (18)图15：CPU和GPU的每秒浮点运算次数 (18)图16：DNN新框架简化了语音识别基本框架 (19)图17：单个AI创企获得的风险投资额 (21)图18：美国2010-2014每年新成立的AI创企数量 (21)图19：大企业偏底层技术切入 (22)图20：创业企业偏上层应用 (22)图21：针对人工智能的投资额呈爆发式增长 (23)图22：参与人工智能的机构数量激增 (24)图23：国内企业多从应用层布局人工智能 (24)图24：技术类公司所属技术领域分布 (25)图25：全球AI市场规模维持高增长态势 (26)图26：中国AI市场增速远超全球 (26)图27：中国互联网经济高速发展(单位：亿元) (29)图28：我国科研经费大幅增长 (29)图29：IBM沃森机器人未来的健康管理 (30)图30：科大讯飞发布数字校园V6 (31)图31：谷歌无人驾驶汽车 (32)表1：浅层学习与深度学习对比 (12)表2：行业巨头纷纷涉足“人工智能” (20)表3：发达国家纷纷推出自己的“人工智能”计划 (27)表4：高频程序化交易Virtu Financial LLC公司的交易盈利状况 (32)第一节人工智能产业发展现状人工智能的概念人工智能（ Artificial Intelligence， AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
2017年我国人工智能行业市场综合发展态势图文深度分析报告
2017年我国人工智能行业市场综合发展态势图文深度分析报告
（2017.5.19）
人工智能首次进入“十三五”规划，2018年目标形成千亿级规模市场。
自2016年起，人工智能领域建设已上升至国家战略层面，相关政策进入全面爆发期。
2016年5月，发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018年国内要形成千亿元级的人工智能市场应用规模。
未来几年内，人工智能产业有望持续获得国家大力支持，预计更多细化政策将陆续出台，加速人工智能需求落地。
人工智能上升国家战略地位，政策支持力度逐步加大
从布局方向上看，巨头底层发力革新技术，创企顶层切入拓宽应用。
以BAT为代表的互联网巨头由于资金实力和整合能力较强，因此对于人工智能领域偏向于从底层基础技术层进行布局，研究算法、研发芯片等以此为触角向AI其他环节延伸。
同时还有上市公司中如科大讯飞、远方光电和川大智胜等实力较强的公司则通过语音和图像技术开放平台和应用切入人工智能等。
对于初创企业来说，则倾向于从应用层入手，直接开发相关人工智能应用产品或者服务，如智能家居、车载智能、安防中身份识别和验证、语音翻译等，呈现出一片百花齐放的局面。
资本市场敏锐地捕捉到人工智能的商业化前景，我国人工智能领域投融资热度快速升温。
自2012-2015年开始，我国人工智能行业的投融资金额、次数及参与机构数量等均迅速增长，年增长率均超过。
2017年我国人工智能行业发展态势图文综合分析报告
2017年我国人工智能行业发展态势
图文综合分析报告
（2017.09.06）
一、人工智能产业链明晰，算法处核心地位
人工智能产业链可简单划为三层，即底层基础层、中间层技术层与上层应用层。
其中， 1）基础层包含硬件存储与计算资源和数据资源等， GPU 芯片、云计算平台、传感器、数据等均包含在此层中； 2）技术层包含算法、模型平台，感知智能算法、认知智能算法等均在此层中； 3）应用层包含硬件产品和软件与服务，硬件中包含无人机、机器人及其他智能硬件等，软件与服务包含语音输入法、虚拟助手、自动驾驶及智能安防等。
人工智能产业链
从目前的发展情况看，算法层为人工智能产业链的核心，支撑上层应用的发展，目前感知智能已加速发展，认知智能为人工智能在算法层面的下一个突破方向。
而底层基础层中的数据能力与计算能力主要的发展方向为低成本与小型化，数据采集的发展方向为多样化，移动互联网的发展已经为产业积累了一定的数据，未来随着物联网的发展将积累更多的环境与行为层面数据，丰富数据构成。
应用层主要与各垂直行业结合开发深度人工智能应用。
2017年人工智能行业市场投资分析报告
2017年人工智能行业市场投资分析报告目录第一节智能手机回归平稳，IA引领新方向 (6)一、智能手机高增长时代落幕 (6)二、IA（智能增强）进入4.0时代，指引硬件和交互方向 (6)三、IA需要更好的“智能”、更加匹配的人机交互技术 (8)第二节 AI崛起，解决IA发展瓶颈 (12)一、AI崛起——深度学习、神经网络成绩斐然 (12)二、AI3.0时代来临 (14)三、AI到底能带来什么——更精准的语音、图像识别 (16)四、AI能带来什么——3.0时代更好的“智能” (21)第三节 IA+AI——奠定新一轮硬件创新的基础 (24)一、新一轮硬件创新条件逐步成熟 (24)二、科技巨头全面布局开放平台、场景应用 (26)三、GPU、FPGA等的应用还将进一步缩短学习过程 (27)四、计算机视觉等应用走向成熟 (29)第四节新一轮智能硬件创新——AR、服务机器人等 (32)一、AR、服务机器人、无人驾驶有望成为新方向 (32)二、可穿戴设备的未来——个性化的计算（AR、手表） (33)三、服务机器人——智能家居等的落地形式 (37)四、无人驾驶——IA+AI促进汽车智能化 (41)第五节 2018年有望进入爆发阶段 (45)一、2018年有望进入高速增长期 (45)二、部分相关企业分析 (47)1、中科创达：稀缺的移动操作系统公司 (48)2、全志科技：国内最优秀的智能硬件芯片解决方案商 (48)3、中颖电子：小市值IC设计公司，MCU、OLED、低功耗蓝牙等在新型硬件应用空间大 (48)4、海康威视：安防监控龙头，布局机器视觉及应用 (49)5、欧菲光：汽车电子战略布局将展开 (49)6、云意电气：核心汽车电子公司 (49)图表目录图表1：智能手机进入个位数增长（百万台） (6)图表2：智能增强（以人为本打造机器）引领了计算机时代的科技进步 (8)图表3：第一轮智能硬件创新 (8)图表4：2014年智能硬件投资额大幅提升 (9)图表5：智能硬件渗透率仍偏低 (10)图表6：智能硬件产业链（智能手机红利带来第一轮智能硬件的创新） (10)图表7：大数据、算法、并行计算能力是人工智能发展主要因素 (12)图表8：模拟神经元的浅层神经网络到深度神经网络 (13)图表9：深度神经网络近10年迎来大发展 (13)图表10：深度学习模型率先在机器翻译、语音、图像等实现突破 (14)图表11：2006年以来人工智能投资金额 (14)图表12：细分领域投资额 (15)图表13：AI进入3.0时代 (16)图表14：深度神经网络模拟人脑感知过程 (17)图表15：传统图像识别手动选取特征（模式识别） (18)图表16：卷积神经网络自主提取特征 (18)图表17：iMageNet图像识别大赛 (19)图表18：图片识别准确率 (20)图表19：语音识别准确率提升 (20)图表20：增强学习模型 (21)图表21：大数据下深度学习算法表现更佳 (22)图表22：deepmind的打方块游戏 (22)图表23：AI3.0——感知、理解、决策 (23)图表24：人工智能的成熟水平 (24)图表25：人工智能更多地将以云服务的形式促进硬件创新 (24)图表26：IA+AI促进新一轮硬件创新条件成熟 (25)图表27：计算、互联网是IA和AI的共同基础 (27)图表28：GPU的使用提升人工智能学习效率 (28)图表29：FPGA有望进一步提升 (28)图表30：计算机对复杂场景的描述 (29)图表31：多种视觉感知技术的融合 (30)图表32：语音交互体现个性化的智能 (30)图表33：IA+AI共同引领科技未来 (33)图表34：可穿戴设备应用方向 (34)图表35：AR的IA部分——硬件和交互技术逐步成熟 (35)图表36：Magicleap显示原理 (35)图表37：虚拟个人助理与可穿戴设备的结合将释放可穿戴设备应用潜力 (36)图表38：AR、VR市场规模（亿美元） (36)图表39：服务机器人 (37)图表40;移动、感知、人机交互是服务机器人关键 (38)图表41：服务机器人的传感器 (39)图表42：服务机器人应用 (40)图表43：服务机器人市场规模（亿美元） (41)图表44：大量传感装置 (41)图表45：传感装置与高精度地图的配合 (42)图表46：海量数据将为人工智能算法训练提供基础 (43)图表47：IA+AI推进汽车智能化 (43)图表48：ADAS市场规模 (44)图表49：Gartner技术成熟度曲线 (45)图表50：新一轮智能硬件市场规模 (46)图表51：新一轮智能硬件渗透周期 (46)图表52：IA+AI产业链 (47)表格目录表格1：IA、AI比较 (7)表格2：“智能”的诉求&交互技术比较 (11)表格3：CNN、RNN促进图像和语音识别准确率提升 (17)表格4：国际科技巨头人工智能布局 (26)表格5：GPU与CPU应用于神经网络比较 (27)表格6：IA+AI促进新一轮硬件创新 (32)第一节智能手机回归平稳，IA引领新方向一、智能手机高增长时代落幕从苹果发布第一代iPhone到现在，即将满10年，但今年销量有可能难有增长，对整体智能手机市场来说，今年也很有可能正式进入个位数增长时代，去年四季度全球智能手机销量增速9.7%，这是08年以最缓慢的增长，2016年一季度不出所料的话增速还将创下新低，2016年全年的增速，按照Trendforce的数据，将进一步下滑到5.8%，智能手机高增长的时代即将落幕。
人工智能行业研究报告（2017年）
人工智能行业研究报告（2017年）从去年的Alpha Go对战李世石开始，再到今年升级版的Alpha Go对战柯洁，人工智能经过一年多的发酵早已不再是一个陌生的名词。
截至目前，人工智能行业已发布了多篇报告，但我们仍致力于写出不一样的东西。
除却老生常谈的算法、计算力、数据之外，我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。
在人工智能的场景驱动阶段，不但可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策，最终实现“给予决策支持”的目标。
因此本报告中，我们用了较大的篇幅去描绘人工智能的场景应用。
那么，在不同的场景中，人工智能是如何发挥作用的？带着这个问题，我们研究了国内外与此领域相关的企业，写出了这份人工智能行业的研究报告。
报告摘要人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。
1. 在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。
其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。
在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。
2. 在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。
3. 随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。
但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。
总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。
2017年智能投顾行业市场调研分析报告
2017年智能投顾行业市场调研分析报告目录第一节智能投顾发展情况分析 (7)一、科技改变金融 (7)二、技术支撑+需求驱动，智能投顾热度高涨 (8)1、科技创新催生投顾新模式 (8)2、智能投顾优势突出，备受市场青睐 (10)三、形式多样，智能投顾提供投资管理全价值链服务 (12)第二节美国智能投顾市场发展情况分析 (15)一、需求端 (15)1、财富管理主体 (15)2、市场投资理念 (17)3、创新增值服务 (19)二、市场需求爆发式增长，万亿资管规模待掘金 (20)三、供给端 (21)四、典型公司介绍 (26)1、Betterment (26)2、Wealthfront (28)3、Personal Capital (31)4、Vanguard 先锋基金 (34)5、嘉信智能组合 (35)第三节中国智能投顾市场发展情况分析 (37)一、需求端 (37)1、居民财富加速积累，新一代富裕阶层引领未来 (37)2、资产配置多样化，巨大财富管理需求空白市场待填补 (40)3、互联网金融培育线上理财土壤，倒逼传统券商转型 (45)二、投顾“触网”备受关注，催生百亿市场空间 (47)三、供给端 (49)四、典型公司介绍 (51)1、海外资产配置型：弥财 (51)2、国内资产配置型：理财魔方 (52)3、互联网系+智能分析型：同花顺iFinD (54)4、基金系+社交跟投型：金贝塔 (55)5、银行系+人机结合型：摩羯智投 (56)第四节中国智能投顾展望 (58)一、国内智能投顾仍存多重阻碍 (58)1、长期被动投资理念待普及，用户教育责任重 (58)2、可选标的范围窄，资本市场待优化 (59)3、金融数据质量及开放度有待提升 (61)4、投顾与资管牌照两分，代客理财受限 (61)二、场景为王，看好互联网企业与金融机构转型 (62)第二节重点公司分析 (66)一、同花顺 (66)二、恒生电子 (66)三、金证股份 (67)四、赢时胜 (68)图表目录图表1：科技驱动投顾服务走向3.0 时代 (7)图表2：云计算、大数据、人工智能技术为智能投顾提供底层技术支持 (9)图表3：资产及财富管理行业的主要趋势是通过更成熟的数据分析以有效识别和量化风险 (10)图表4：智能投顾依托算法基础提供投资管理全价值链服务 (12)图表5：智能投顾满足财富管理市场80%长尾用户需求 (15)图表6：新一代投资者对智能投顾的接受度较高 (16)图表7：新一代高净值者更愿将过半资产转向智能投顾 (17)图表8：全球ETF 数量及管理资产规模持续增长 (18)图表9：美国ETF 数量及管理资产规模持续增长 (19)图表10：花旗银行预测美国智能投顾市场规模有望实现指数式增长 (20)图表11：Kearney 预测的美国智能投顾市场规模 (20)图表12：Kearney 预测的美国智能投顾市场渗透率 (21)图表13：美国智能投顾行业融资规模及次数快速增长 (22)图表14：美国智能投顾行业新公司加速成立 (22)图表15：美国智能投顾重要事件及行业资产管理规模变化 (23)图表16：美国智能投顾公司资产管理规模（百万美元） (23)图表17：美国普通民众对智能投顾平台知晓比例 (24)图表18：智能投顾创业公司资产管理规模增速在嘉信、先锋进军后出现明显下降 (25)图表19：用户可直接查看不同投资期限、不同股债配比下Betterment 产品历史收益情况 (26)图表20：Betterment 投资收益对比示意 (27)图表21：Betterment 投资组合资产配置界面 (28)图表22：Wealthfront 资产配置基本假设 (29)图表23：Wealthfront 依据不同风险承受能力进行资产配置建议 (30)图表24：基于$100,000 投资Wealthfront 产品的收益表现 (30)图表25：Personal Capital 资产配置界面 (32)图表26：免费的投资组合检测和风险识别 (32)图表27：先锋基金为资产超过500 万美元的用户提供丰富全面的资产管理服务 (35)图表28：Schwab Intelligent Portfolios 服务界面 (36)图表29：2008-2015 年我国个人持有可投资资产总体规模 (38)图表30：中国大众富裕阶层人数及增长率 (38)图表31：中国高净值群体人数及增长率 (39)图表32：我国大众富裕阶层年龄分布 (39)图表33：我国大众富裕阶层学历分布 (40)图表34：美国家庭财富配置较分散 (41)图表35：中国家庭财富配置较集中 (41)图表36：我国居民资产配置中金融资产比重上升，房地产比重下降 (42)图表37：2011、2013 和2015 年我国高净值人群财富目标变化 (43)图表38：各地区高净值人群对智能投顾的接受度 (44)图表39：各地区财富管理经理对智能投顾的接受度 (44)图表40：2015-2016 年P2P 问题平台持续增长 (46)图表41：2015-2016 年货币基金产品年化收益持续走低 (46)图表42：2008 年至今我国证券行业佣金率持续走低 (47)图表43：2016-2017 百度搜索“智能投顾”指数趋势 (48)图表44：2013-2020 年中国私人财富总规模及增速预测 (48)图表45：弥财投资组合包含9 只美国ETF (52)图表46：理财魔方投资标的以国内公募基金为主 (53)图表47：理财魔方基于MTP 为用户提供匹配最优组合 (53)图表48：同花顺iFinD 智能研判系统 (54)图表49：金贝塔部分官方组合收益示例 (55)图表50：金贝塔各类组合有序分类，优化用户体验 (56)图表51：摩羯智投界面演示 (57)图表52：智能投顾的主要服务流程及中国市场的主要制约因素 (58)图表53：全球股市换手率对比（以流通市值计算） (58)图表54：我国个人投资者单只基金持有平均周期较短 (59)图表55：中美ETF 产品数量及资产净值对比 (60)图表56：国内ETF 以股票型为主，债券、商品型较少 (60)图表57：未来5 年我国被动管理型和另类投资产品发展迅速 (63)图表58：智能投顾行业看好公司类型核心优势及相关标的 (64)表格目录表格1：智能投顾vs.传统投顾 (12)表格2：国内外智能投顾主要模式及公司概览 (13)表格3：智能投顾vs.传统投顾 (25)表格4：Betterment 盈利模式 (28)表格5：Wealthfront盈利模式 (31)表格6：Personal Capital 私人投资顾问费用表 (34)表格7：2020 年我国智能投顾市场规模估算 (49)表格8：国内主要智能投顾平台概览 (50)表格9：近期智能投顾相关监管动作频繁 (62)第一节智能投顾发展情况分析一、科技改变金融智能投顾又称机器人投顾（robo-advisor），基于马克维茨提出的现代投资组合理论（MPT，Modern Portfolio Theory），结合投资者的财务状况、风险偏好、理财目标等，运用云计算、大数据、机器学习等技术搭建的数据模型和后台算法为投资者提供相关资产配置建议。
2017年智能投顾行业深度分析报告
２０１７年智能投顾行业深度分析报告目录1.智能投顾 (4)2.美国智能投顾的发展概要 (5)2.1.智能投顾迎来高速发展期 (5)2.2.智能投顾流程与服务特色 (5)2.3.智能投顾行业前景以及驱动因素 (6)2.3.1.解决传统财富管理行业痛点 (7)2.3.2.科技创新提供新活力 (10)2.3.3.人口结构、市场环境与观念的改变。
(12)2.4.智能投顾四大商业模式与格局 (14)2.4.1.自主研发、收购还是合作？ (15)2.4.2.智能投顾目前行业格局：传统金融机构占据优势地位 (17)2.4.3.智能投顾对于财富管理行业：不是取代，而是补充！ (18)2.4.4.智能投顾行业将来格局 (19)2.5.美国智能投顾代表性公司 (22)2.5.1.V anguard 先锋基金 (23)2.5.2.Charles Schwab 嘉信理财 (24)2.5.3.Betterment (25)2.5.4.Wealthfront (26)2.5.5.Personal Capital (27)3.中国智能投顾市场潜力巨大 (29)3.1.居民财富持续积累，理财市场定制化 (30)3.1.1.个人财富稳步增长，中高收入人群扩大。
(30)3.1.2.理财意识逐渐觉醒，需求增长空间广阔。
(30)3.1.3.生活水平不断提高，理财目标定制化 (31)3.2.年轻一代迅速崛起，互联网理财迎来发展契机 (32)3.2.1.新生代群体羽翼渐丰，财富管理数字化动力强劲 (32)3.2.2.互联网金融异军突起，线上理财欣欣向荣 (32)3.3.填补财富管理行业空白市场，服务大众实现普惠金融 (33)3.4.财富配臵日趋多元化，投资标的不断丰富 (34)3.4.1.投资产品结构单一，财富配臵日趋多元化。
(34)3.4.2.ETF发展潜力广阔，有望填补财富管理真空 (35)3.5.中国智能投顾平台商业模式 (36)3.6.中国智能投顾代表性公司 (38)3.6.1.投米RA (38)3.6.2.理财魔方 (38)3.6.3.嘉实基金——金贝塔 (40)3.6.4.招商银行——摩羯智投 (41)4.总结 (42)1.智能投顾当前，随着科技日新月异的发展，其对于传统金融领域的渗透与变革有着愈演愈烈的趋势，以至于无论是传统金融行业巨头，还是快速崛起的新型科技型公司，都试图通过抓住这场金融科技变革的浪潮，从而在新金融格局下分得更大的一块蛋糕。
2017年人工智能行业深度分析报告
２０１７年人工智能行业深度分析报告内容目录1、黎明已至，未来已来 (6)1.1、群雄逐鹿，人工智能掀全球并购浪潮 (6)1.2、渗透加速：B/C端，应用不断创新 (8)2、三大驱动要素相继突破瓶颈，人工智能已至爆发节点 (9)2.1、算法：层数更深使模型性能更优，巨头开源DL框架意在“集思广益” (10)2.2、数据：数据“量”已足够，标注成本大成“隐忧” (16)2.3、计算力：GPU为密集计算提速，专用芯片兴起大势所趋 (19)3、政策密集发布，推动我国AI水平赶超国外 (25)3.1、国外政策已先行，AI成为各国争抢的高地 (25)3.2、《发展规划》出台，我国AI上升至国家战略层面 (26)4、多领域应用落地，引领智能化升级浪潮 (29)4.1、语音识别：DNN助力模型性能提升，中美应用场景存异 (29)深度学习使得语音识别技术上获得突破，但仍有多种困难待解决 (29)国内外语音龙头公司对比：语音电子病历能否成为讯飞第一营收来源？..314.2、智能投顾：美国领跑全球市场，中国监管环境使得智投受限 (45)美国领跑全球智能投顾市场，呈现出“低管理费率、低门槛”特征 (46)案例：嘉信理财智能投顾产品——零费率模式下转向B端收费 (49)中美对比之下，国内智能投顾因面临多重监管限制而掣肘 (50)4.3、智能安防：智能化是未来增长引擎，前后端智能分工协作 (54)简单算法往前端迁移，后端与前端智能化分工协作 (56)《行业标准》出炉，加速视频监控智能化步伐 (59)高成本不会阻碍智能化过程，可用数据和算法是未来竞争高点 (59)4.4、AI正成为基础设施，AI-aaS降低企业智能化实施门槛 (62)5、投资建议 (66)6、风险提示 (71)图表目录图表 1、从2011年开始全球人工智能/机器学习领域的风投投资额显著上升 (6)图表 2、科技巨头纷纷加入人工智能并购之战 (6)图表 3、各科技巨头公司频频并购人工智能领域初创公司 (7)图表 4、AI技术深入各大垂直领域使得C端新品不断涌现B端应用日渐成熟 (9)图表 5、人工智能从1956年发展至今一共经历了三次浪潮 (10)图表 6、机器学习的实施步骤 (11)图表 7、深度学习网络（算法）实际上是由一组复杂的函数构成 (11)图表 8、常见的神经网络提出的时间及其应用领域 (12)图表 9、机器学习常用的神经网络模型（算法）结构汇总 (13)图表 10、语音识别词错误率与训练小时数量及算法模型之间的关系 (14)图表 11、百度在语音识别技术中通过不断迭代算法，使得模型的准确率不断提高 (14)图表 12、在ImageNet竞赛中，深度学习算法隐含层数越深，则图像识别错误率随之显著降低 (15)图表 13、GitHub 中最受欢迎的开源深度学习框架排名 (16)图表 14、已经开源的主流深度学习框架 (16)图表15、近年数据产生速度不断上升而数据的储存成本在不断下降 (17)图表 16、智能安防带标记的数据价格一览表 (17)图表17、随着训练集样本数量的不断增加，CT图像识别准确率随之增加 (18)图表 18、训练深度学习模型的时间很大程度上取决于硬件配置 (20)图表 19、计算机的硬件体系可分为主机和外部设备两部分，其中芯片是硬件体系的核心.20图表 20、CPU是基于低延时的设计而GPU是基于大吞吐量的设计 (21)图表 21、在“CPU+GPU”的组合中5%的任务交给了GPU来执行 (22)图表 22、利用GPU加速后，浮点运算性能得到极大提升 (22)图表 23、专用芯片（ASIC）的计算效率虽然最高，但是灵活性最低 (23)图表 24、CPU、GPU、TPU在LSTM、CNN等六种神经网络上的性能表现 (24)图表 25、CPU、GPU、FPGA、ASIC在处理计算密集型任务时的性能比较 (24)图表 26、CPU、GPU、FPGA、ASIC的实现比较 (24)图表27、各类芯片主要厂商 (25)图表 28、美国人工智能产业政策梳理 (25)图表 29、日本人工智能产业政策梳理 (26)图表 30、中国政府密集出台人工智能相关政策 (27)图表 31、“新一代人工智能发展规划”与其他“6+9”个重大项目处于同样的战略地位 (28)图表 32、《新一代人工智能发展规划》三个阶段的战略目标侧重点各有不同 (28)图表 33、《新一代人工智能发展规划》六大重点任务 (29)图表 34、典型的语音识别（ASR）原理概要 (29)图表 35、语音识别经过多年发展目前正处于第三阶段 (30)图表 36、基于深度学习算法（DNN）的语音识别词错误率较传统方法（GMM）明显下降 (30)图表37、目前语音识别还面临着多种技术困难 (31)图表38、噪声数据库Aurora4世界最高水平研究机构的系统性能对比 (31)图表39、2002年全球语音识别市场份额 (32)图表40、2015年全球语音识别市场份额 (32)图表41、2015年中国语音识别市场份额 (32)图表42、Nuance主要产品、解决方案及其盈利模式 (33)图表43、Nuance在2006年通过收购Dictaphone进入医疗市场 (33)图表44、科大讯飞主要产品、解决方案及其盈利模式 (34)图表45、教育行业是科大讯飞第一大营收来源（2016年） (35)图表46、医疗业务是Nuance的第一大营收来源，但是近几年业务已“增长乏力” (35)图表47、Nuance各业务毛利率变化情况 (36)图表48、近三年Nuance各业务营收比重变化情况 (36)图表49、在政策推进上中国正式启动电子病历建设的时间晚于美国5年 (37)图表50、美国电子病历分级情况 (37)图表51、中美电子病历系统发展情况对比 (38)图表52、美国语音输入电子病历的需求在2005年开始爆发 (38)图表53、从2005年到2012年底，美国语音电子病历的渗透率提高了35.39% (39)图表54、深度学习出现之后语音识别词错误率明显下降 (40)图表55、美国医学转录（MT）工作流程 (41)图表56、中国医生每天需要花费大量时间用于病历书写 (42)图表57、中国医生使用电子模板书写病历，只需对模板中的文字稍作修改即可 (42)图表58、北大口腔医院使用语音电子病历系统为病人看诊 (43)图表59、医院规模越大，语音电子病历的渗透率越高 (43)图表60、我国大中型医院的数目远超美国 (44)图表61、2009年医疗语音市场竞争格局 (44)图表62、构建医学语料库需要和各大医院合作 (45)图表 63、“AI+金融”细分应用领域及典型公司 (46)图表 64、美国智能投顾市场发展历程 (46)图表65、智能投顾全球客户数量及市场渗透率 (47)图表66、智能投顾全球资产管理规模预测（AUM） (47)图表 67、全球明星智能投顾公司资产管理规模（AUM）排名（截至2017.2） (48)图表 68、2017年全球TOP15的智能投顾公司基本信息及其管理费率（数据更新至2017.6.3） (48)图表 69、CSIA从这27种不同风格的ETF中每种选出两支ETF供机器再次筛选 (49)图表70、Schwab Intelligent Portfolios向一位以管理养老金为投资目的的客户提供的资产配置建议 (50)图表71、嘉信理财旗下智能投顾产品（Schwab Intelligence Portfolios）的盈利模式及业务流程 (51)图表72、国内智能投顾平台及其背景 (51)图表73、美国是全球最大的ETF市场 (52)图表74、截至2016年底美国共有1716支ETF，管理规模达到2.5万亿美元 (52)图表 75、美国智能投顾所投资的标的以ETF为主 (53)图表 76、智能投顾在国内无法完成交易执行环节导致服务链被打断 (53)图表 77、从2016年9月开始基金代销牌照已经呈现放缓趋势 (54)图表 78、安防系统由8个子系统构成 (55)图表79、2016年视频监控市场市占率排名 (56)图表 80、国内外监控设备厂商及计算机视觉初创公司纷纷布局“AI+安防” (56)图表81、公安视频图像分析系统功能分类 (57)图表82、前端实现简单的图像分析功能，后端再进行复杂的二次加工处理 (57)图表83、使用智能摄像机之后“人脸检出率”和“抓拍准确率”均大幅提升 (58)图表84、后端智能化视频监控系统工作原理 (59)图表85、公安和交通部门对安防产品的需求最大 (59)图表86、公安视频图像系统主要由图像采集系统、分析系统、应用系统3部分组成 (60)图表87、公安视频图像分析系统“目标检测与识别”功能的准确率要求 (60)图表88、去年中国视频监控摄像机出货量增速明显放缓 (61)图表89、由于智能化中国视频监控市场仍将快速增长 (61)图表90、前后端智能化产品嵌入的GPU模块 (61)图表91、智能安防前后端智能设备及训练阶段都需要GPU提供支持 (62)图表92、安防行业拥有海量数据 (62)图表93、海康威视通过建立半监督学习框架解决数据标记成本问题 (63)图表94、海康威视在互联网文字识别竞赛中成绩排名第一 (63)图表95、亚马逊、谷歌、微软纷纷提供“按需付费”的AI-aaS（AI即服务） (63)图表96、国内阿里云、百度云、初创公司及上市公司推出的AI-aas服务 (64)图表97、我国人工智能产业链上市公司及主要创业公司全景图 (67)图表98、推荐标的及AI业务进展 (68)1、黎明已至，未来已来1.1、群雄逐鹿，人工智能掀全球并购浪潮从2011年开始，人工智能并购潮初现端倪，且近五年全球一级市场每年在AI/ML领域的投资额都一直维持在百亿美元级别。
2017-2021年智能投顾产业深度调研及投资前景预测报告
2017-2021年智能投顾产业深度调研及投资前景预测报告中投顾问产业研究中心2017-2021年智能投顾产业深度调研及投资前景预测报告中投顾问?让投资更安全经营更稳健第1页中投顾问产业研究中心内容简述2016年，金融科技成为金融领域的新宠，越来越多企业开始用技术手段改善金融体系的各个方面，其中人工智能对于传统金融行业的改变尤其引人注目。
在投资管理领域，金融科技也开始发挥作用，智能投顾产品不断面世。
所谓智能投顾(也称机器人投顾)，就是用云计算、大数据、机器学习/深度学习等技术将资产组合理论等其他金融投资理论应用到模型中，结合投资者个人财务状况和风险偏好，为投资者提供最佳投资组合。
相对于传统投顾模式，智能投顾具有门槛低、费用低、信息透明度高三大显著优势，2013-3015年机器人管理的资产已经从2012年的几乎为零迅速增加至187亿美元。
海外市场方面，在美国以Wealthfront、Betterment、Future Advisor与嘉信SIP为代表的智能投顾公司层出不穷，在具体运营上也各具特色。
在中国市场方面，我国智能投顾概念的出现一方面是在普惠金融、全民理财的趋势引导下，传统投资顾问行业自然转型的结果;一方面是互联网、大数据技术、量化投资技术的加速发展而推动的。
国内智能投顾产业目前尚处于起步阶段，虽然晚于国外市场几年时间，但目前已经有多家公司推出了丰富的智能投顾产品，发展态势迅猛。
相较于欧美市场的传统金融机构，中国在培育智能投顾的土壤，如互联网理财的高渗透率、传统理财市场服务的空白、居民强大的理财需求等方面，中国在这某些方面的具有更为明显的优势，这使得其互联网理财的创新对于传统市场的变革更为猛烈。
像阿里系“蚂蚁金服”已经在余额宝以及蚂蚁基金销售方面，展现出强大的影响力以及渗透率。
因此，受益于巨头涉足智能投顾，行业浪潮将迅速形成，而其强大的客户流量资源与影响力，将推动普通民众对于智能投顾的认知度和认同感迅速增加，带动行业管理规模的快速增长。
2017年人工智能行业分析报告
2017年人工智能行业分析报告2017年6月目录一、2017年将是人工智能产业的加速点 (4)1、应用初显：进入‚超人‛领域 (5)2、软件突破：深度学习为核心算法 (8)3、硬件创新：智能芯片刷新纪录 (10)4、大数据：为AI进化提供养料 (12)二、制霸人工智能，技术革命的核心先导 (13)1、巨头布局AI，兼并投资稳步上升 (13)2、发达国家抓紧布局人工智能，争夺未来话语权 (15)3、多维度看中国在AI领域弯道超车机会 (16)三、三领域看人工智能投资机会 (21)1、智能感知领域 (21)2、智能分析领域 (22)3、智能服务领域 (22)2017 年将是人工智能产业的加速点：人工智能此轮产业浪潮经历了5年的发展，其基础软硬件和产品应用都已经进入高速发展期。
人工智能早期研发的瓶颈（算法、计算能力、数据量）已经突破：‚深度学习‛成为引领此轮人工智能浪潮的核心算法，围绕GPU 的基础芯片生态的成功加速了人工智能产业的发展，应用领域则随着软硬件技术突破而不断扩张边界。
产业联盟成立，新一代规划即将发布：2017 年6 月21，人工智能产业联盟成立。
该联盟将团结联盟内人工智能领域领军企业、成长型中小企业、科研机构、投资机构以及第三方产业服务平台，自下而上、抱团取暖、共谋发展。
目前，申请入盟的企业和机构已经超过150 家，包括多家上市公司。
6 月29 日上午，科技部部长万钢在首届世界智能大会上透露，党中央国务院及科技部、发改委等多个部委推动制定的新一代人工智能发展规划和重大项目规划即将发布。
这将是中国面向2030 年的人工智能发展规划，未来行业有望迎来更多的政策催化。
人工智能全球竞赛，中国具备弯道超车的潜力：全球顶尖巨头谷歌、微软、苹果、IBM、Facebook，英特尔、百度、阿里，腾讯等都将人工智能视为下一次技术革命的突破点重资研究。
在人工智能领域，虽然美国有先发优势，尤其在前沿基础算法领域强于中国，但中国在数据资源、标注成本、市场规模、应用场景四大方面具有优势，在未来仍有机会超过美国。
2017年智能投研行业Kensho分析报告
2017年智能投研行业Kensho分析报告2017年智能投研行业Kensho分析报告2017年6月目录一、人工智能+投资悄然来临，知识图谱促智能投研腾飞 (5)1、人工智能+投资悄然来临 (5)2、智能投顾蓬勃发展，智能投研初露雏形 (7)（1）智能投顾：未来五年国内规模有望每年翻倍，人机结合是趋势 (7)（2）智能投研：国内基金纷纷试水，人工智能大幅提高传统投研效率 (11)（3）智能投研与投顾两者有望优势互补 (15)3、知识图谱促智能投研腾飞 (15)二、KENSHO：智能投研领域的“AlphaGo” (19)1、联合创始人：因禅结缘，创立Kensho (20)2、融资情况：累计融资超1亿美元，估值达5亿美元 (21)3、产品：Warren 试图解决投资分析的“速度、规模、自动化”三大挑战” (23)4、客户：金融机构和商业媒体双管齐下 (24)三、核心产品Warren：低门槛获高专业服务 (25)1、功能：寻找事件与资产的相互关系 (26)2、特点：快速计算能力、良好人机交互、强大深度学习能力 (27)3、影响：削弱不对称性，现代金融投机行为性质有望再次改变(28)4、缺陷：无法自我形成新因果关系，无法区分因果性/相关性 (29)5、未来：自动触发事件对资产价格的影响是Warren终极目标(30)四、Kensho动了谁的奶酪 (31)1、彭博、汤森路透领衔国外金融数据提供商，国内万得一家独大(31)2、短期Kensho颠覆传统厂商的可能性不大 (32)3、畅想金融数据服务市场 (34)（1）2B向2C/2B2C拓展 (34)（2）封闭走向共享 (34)（3）竞争走向合作 (35)五、重点企业简况 (35)1、恒生电子：发布四大智能产品，引领AI+投资产业潮流 (36)2、赢时胜：打造Fintech生态圈创新盈利模式 (36)3、同花顺：智能投顾龙头，具备智能投研发展基础 (37)AI+投资正在来临，优劣势明显。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2017年智能投研行业Kensho分析报告
2017年6月
目录
一、人工智能+投资悄然来临，知识图谱促智能投研腾飞 (5)
1、人工智能+投资悄然来临 (5)
2、智能投顾蓬勃发展，智能投研初露雏形 (7)
（1）智能投顾：未来五年国内规模有望每年翻倍，人机结合是趋势 (7)
（2）智能投研：国内基金纷纷试水，人工智能大幅提高传统投研效率 (11)
（3）智能投研与投顾两者有望优势互补 (15)
3、知识图谱促智能投研腾飞 (15)
二、KENSHO：智能投研领域的“AlphaGo” (19)
1、联合创始人：因禅结缘，创立Kensho (20)
2、融资情况：累计融资超1亿美元，估值达5亿美元 (21)
3、产品：Warren 试图解决投资分析的“速度、规模、自动化”三大挑战” (23)
4、客户：金融机构和商业媒体双管齐下 (24)
三、核心产品Warren：低门槛获高专业服务 (25)
1、功能：寻找事件与资产的相互关系 (26)
2、特点：快速计算能力、良好人机交互、强大深度学习能力 (27)
3、影响：削弱不对称性，现代金融投机行为性质有望再次改变 (28)
4、缺陷：无法自我形成新因果关系，无法区分因果性/相关性 (29)
5、未来：自动触发事件对资产价格的影响是Warren终极目标 (30)
四、Kensho动了谁的奶酪 (31)
1、彭博、汤森路透领衔国外金融数据提供商，国内万得一家独大 (31)
2、短期Kensho颠覆传统厂商的可能性不大 (32)
3、畅想金融数据服务市场 (34)
（1）2B向2C/2B2C拓展 (34)
（2）封闭走向共享 (34)
（3）竞争走向合作 (35)
五、重点企业简况 (35)
1、恒生电子：发布四大智能产品，引领AI+投资产业潮流 (36)
2、赢时胜：打造Fintech生态圈创新盈利模式 (36)
3、同花顺：智能投顾龙头，具备智能投研发展基础 (37)
AI+投资正在来临，优劣势明显。
5月196日，微软人工智能首席科学家邓力加入美国基金公司Citadel 担任首席人工智能官；5月15日，李开复表示采用智能投资算法获得了比他私人理财顾问高八倍的收益；3月，贝莱德拟大幅削减依靠人工主动选股的部门并引进相关量化人才，可见智能投资已悄然来临。
较于传统投资，AI+投资优势明显，1、复制推广和运营成本极低。
2、情绪控制和逻辑推理更胜一筹。
其最大缺陷在于：1、无法解决开放性问题；2、不能自动形成新的因果关系判断，从而缺乏前瞻性。
人工智能大幅提高传统投研效率，知识图谱促智能投研腾飞。
按投资者需求，AI+投资可分为智能投顾和智能投研。
智能投研的终极目标是实现数据到投资观点的一步自动完成，现阶段在交互体验、数据动态关联、自我学习能力方面已经与传统投研工具有本质飞跃，利用知识图谱、动态智能搜索、语义识别等已经可以自动实现上下游产业链分析、智能财务模型、热点事件影响分析等。
目前智能投研还未成规模，但创业公司、基金公司、数据服务商纷纷试水。
智能投研和智能投顾具有天然协同，随着投资专业化、个人与机构的界限逐步模糊，有望加强合作实现优势互补。
Kensho：智能投研最具想象力先行者。
两位创始人因禅结缘，创立Kensho，团队成员人才济济。
自2013年起，公司累计融资超1亿美元，2017年4月获标普国际领投的B 轮5000万美元融资，估值达5亿美元，目前已实现盈利。
公司产品Warren 试图通过构建事件数据库及知识图谱的综合图表模型，解决投资分析中“速度、规模、自动。