新一代人工智能产业白皮书（2019年）：主要应用场景研判

新一代人工智能产业白皮书（2019年） ——主要应用场景研判

新一代人工智能作为全球新一轮科技和产业变革的关键驱动力，将进一步释放科技 革命和产业变革积蓄的巨大能量，持续探索新一代人工智能应用场景，将重构生产、分配、 交换、消费等经济活动各环节，催生新技术、新产品、新产业、新业态、新模式，形成 从宏观到微观各领域的智能化新需求，并创造新的经济发展的强大引擎，引发经济结构 重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

一、全球新一代人工智能产业发展处于上升期

（一）全球新一代人工智能产业规模增长步入稳定阶段

全球新一代人工智能产业依赖强大的技术创新积累优势，以谷歌、英特尔、微软、 亚马逊等跨国大型科技企业为主导，充分发挥其强大的资源整合能力与持续创新功能， 不断加快基础层底层技术研发与应用产品实践步伐，围绕智能硬件与软件核心算法产业 上下游进行有效部署。随着技术的不断成熟和底层技术框架的开源，吸引创新企业不断 涌入，推动产业规模持续加速增长。2018年全球新一代人工智能产业规模超过555.7亿 美元，预计2019年产业规模将突破718亿美元，带动2022年产业规模将超过1630.2 亿美元，2018-2022年的年均增长率达到31.6%。

（二）基础层产业仍是全球新一代人工智能产业的核心引擎

1、定制化智能硬件推动全球基础层产业逐步爆发

为应对新一代人工智能基础架构复杂和共性技术种类繁多的特点，智能硬件的定制 化渐成趋势。其中，智能芯片的技术架构由通用类芯片发展为全定制化芯片，技术创新 带来的蓝海市场吸引了大量的巨头企业和初创企业进入产业；规模化的行业应用需求亟 待围绕垂直领域适配多样化的智能传感器，以满足云端智能的发展态势。2018年全球基 础层产业规模达到111.1亿美元，预计2019年产业规模将达到142.3亿美元，定制化 智能硬件的蓝海市场加速全球基础层产业爆发，到2022年产业规模将突破340亿美元。

2、较高的技术成熟度促进全球技术层产业稳步增长

美欧日等发达国家和地区的语音识别、自然语言处理、计算机视觉等技术层产业发 展较为早期，技术的快速迭代推动产业在2007年至2014年进入了爆发式增长，年均增 长率为38%。随着主要应用领域工业检测与测量逐渐趋于饱和，新的应用场景尚在探索， 全球技术层市场进入稳定增长期。2018年全球技术层产业规模达到172.3亿美元，预计 2019年产业规模将达到142.3亿美元，随着技术层逐步从科研、国防、医疗等专用领域 逐渐走入工作与生活的消费级场景应用，到2022年产业规模将突破400亿美元，20182022年的年均增长率稳定在25.2%。

3、应用场景的拓展助推全球应用层产业迎来发展新机遇

全球应用层产业在始终坚持底层技术研发为主导，聚焦技术创新潜力的同时，不断 寻找挖掘新的应用需求。立足数据和用户习惯，关注垂直行业应用需求，有效细分目标 市场，积极整合闲置资源，通过商业模式的不断创新对应用层各领域进行持续渗透，持 续着眼于增加产品的实用功能和改善用户体验。2018年全球应用层产业规模达到272.3 亿美元，预计2019年产业规模将达到360.5亿美元，随着前瞻性技术的持续驱动和用 户需求的升级培育，创新型技术带来的影响将惠及并激发全新的应用场景，预计到2022 年产业规模将达到854.6亿美元。

二、我国新一代人工智能产业呈现蓬勃发展的良好态势

（一）我国新一代人工智能产业规模增速平稳

我国新一代人工智能产业聚焦多元化的应用场景，在我国国情和市场需求的引领 下，瞄准交通、医疗、金融、安防等领域智能化改造升级的切实需求，集中选择一个或 者几个重点领域进行重点布局，围绕行业全生命周期大数据，通过优化场景设计率先推 动实现商业化落地。近年来，差异化和区域化的竞争态势吸引我国涌现出一大批新兴的 人工智能企业，推动我国产业规模持续爆发。2018年我国新一代人工智能产业规模达到 83.1亿美元，预计2019年产业规模将突破百亿美元，达到105.5亿美元，在加快推动 新一代人工智能应用场景落地的政策和市场推动下，预计2022年产业规模将逼近300 亿美元。

（二）我国技术层和应用层的产业发展齐头并进

1、技术创新推动我国基础层产业蓄势待发

我国基础层企业和科研机构深度合作，积极打破技术研发和成果转化的壁垒，加强 了对传感器、智能芯片及算法模型等基础层技术的研发力度，并逐步取得了一定的技术 积累，形成了较为完整的技术和产品体系，有望在未来打破国际基础层技术垄断的格局。 2018年我国新一代人工智能基础层产业规模达到16.6亿美元，预计2019年产业规模 将接近20亿美元，随着我国优秀巨头企业的开源平台效应逐渐显著，为初创企业的持 续创新提供了良好的研发环境，预计2022年产业规模将达到35.2亿美元。

2、多样化应用引爆我国技术层产业步入快速增长期

我国技术层产业围绕垂直领域持续突破技术壁垒，率先在安防监控、智能家居及教 育培训等特定领域，重点研发人脸检测识别、指纹识别、语音识别在公共场所管控、重 大案件的预测、智能家居控制与反馈、远程教育、个性化学习测评和辅导等场景的应用， 逐渐打造出具有应用深度的成熟产品和服务，并具备了与国际竞争者一较高下的能力。2018年我国新一代人工智能技术层产业规模达到24.1亿美元，预计2019年产业规模 将突破30亿美元，我国在计算机视觉和语音识别领域已逐步出现领航者，预计将推动 2022年产业规模突破80亿美元。

3、产业智能化升级的巨大空间带动我国应用层产业发展势头迅猛

我国在制造、交通、金融、医疗、教育等传统行业的发展相对与发达国家而言，产 业发展程度和基础设施水平都有较大的改造和提升空间，为新一代人工智能应用层产业 加速落地提供了广阔的市场空间。大规模高质量的用户基础和亟待升级的产业基础， 推动应用层产业发展进程持续提速。2018年我国新一代人工智能应用层产业规模达到 42.4亿美元，预计2019年产业规模将达到55亿美元，随着我国新一代人工智能应用层 企业由过去的输出技术模式，逐步转变为全产业链的渗透和场景的革新优化，预计2022 年产业规模将达到161亿美元。

三、当前新一代人工智能产业总体发展趋势

（一）各国陆续发布和扩大新一代人工智能国家战略

2018 年以来，美国、英国、德国等世界主要国家密集发布新一代人工智能相关战略 和指导文件，围绕核心技术、财政支持、人才培养、伦理规范等出台规划和政策，力图 在新的一轮科技军备竞争中掌握主导权。一是美欧等国进一步扩展新一代人工智能战略， 加速布局生态体系。美国高度重视核心技术研发，扶持资金投入快速增加；欧盟构建新 一代人工智能投资框架，加强数据开放共享。二是法国、德国、印度、意大利等政府发 布“国家人工智能战略”，将新一代人工智能的重要性提升到国家的高度，从宏观政策 上加强引导和规划，以促进新一代人工智能发展。三是澳大利亚正在研究发布国家人工 智能战略。计划创建一份技术发展路线图、一个标准框架、一个全国人工智能领域的道 德框架，以支持新一代人工智能发展。

（二）边缘智能吸引智能传感成为技术创新热点

随着万物互联时代的到来，数以万计的设备将产生海量的数据，前端设备产生的图片、视频数据量更是巨大，如果将这些数据全部汇聚到云端进行智能分析，会给通信的带宽 要求和实时性要求等带来无限压力。基于此，在靠近数据源的设备节点或网络边缘就近 提供边缘智能服务成为趋势，逐渐将人工智能的计算能力从云端扩展至边缘端。智能传 感作为新一代人工智能时代泛在感知的重要基础，已逐渐成为衡量边缘智能化程度的重 要标志，由于其存在着门槛相对芯片较低，但行业前景优的特点，成为了各国以及科技 巨头企业的重要布局方向。从专利角度看，智能传感是全球新一代人工智能基础层产业 中专利热度较高的领域，2014年至2018年，专利规模高达16万项，占基础层专利规 模的58%，其中美国和日本专利水平较高，我国尚有一定差距。

（三）科技巨头由技术输出商向解决方案提供商转变

全球各大科技巨头基于深度学习等技术对现有和未来产品体系进行整体规划，形成 基于新一代人工智能的软硬件产品体系，开展“软件+硬件+应用+芯片”产品布局， 抢占用户入口和新一代人工智能产业的制高点。一是将新一代人工智能技术应用于现有 产品体系，改造和提升现有体系和产品性能，如Facebook应用于社交网络识别假消息 和不良内容，Google应用于包括搜索、地图、Youtube等所有产品线。二是面向个人消费市场开发基于新一代人工智能的软硬件产品，并集成已有产品抢占用户入口，最具 代表性的是亚马逊在个人消费市场大获成功的搭载Alexa的智能音箱Echo。三是面向行 业市场开发新一代人工智能应用，拓展第三方产品线，如Google正拓展在医疗健康领 域的智能化版图，包括疾病诊断、治疗、健康管理、医疗保险等。

（四）资本市场对新一代人工智能的关注趋向理性

全球资本市场对新一代人工智能产业的不同层级仍具备不同的关注度，但相比之前 大量关注基础层，扎堆投资或收购与芯片、算法、模型相关企业的局面而言，新一代人 工智能企业是否具备或准备形成相对合理的商业模式已经越来越重要。2018年全球新一 代人工智能领域资本市场爆发，共发生2183起融资事件，较之2017年发生的融资事件 仅高50起，但总融资额高达329亿美元，接近2017年总融资金额的1.8倍，意味着资 本市场更为理性的将主要资源聚焦于重点标的企业。一方面，新一代人工智能企业获得 投资的难度已经大幅攀升，资本市场对竞争优势的定义愈加严格；另一方面，具备可落 地解决方案供给能力的独角兽企业已在资本强势助力下崛起，有望引领良好的新一代人 工智能产业生态体系加速形成。

（五）美国已成为新一代人工智能领域最大人才来源

美国从顶层设计入手，规划了比较完善的新一代人工智能发展战略，构建了完备的 不同层次的人才梯队，通过领英发布的报告显示，截止2018年底，全球新一代人工智 能领域专业技术人才数量超过190万人，其中来自美国的人才占比一半。美国新一代人工智能产业大量的核心顶尖人才资源掌握在高校和科技巨头企业手里。目前，全球共有 367所具有人工智能研究方向的高校，美国拥有168所高校，占据全球的45.7%，位居 全球第一，加拿大、中国、印度、英国位于第二梯队。美国的科技巨头专门设立新一代 人工智能研发团队，面向产品和技术应用项目的团队不断涌现，同时还不断挖掘国外的 人工智能顶尖人才，谷歌、微软和Facebook先后在加拿大多伦多大学、蒙特利尔大学 成立新一代人工智能实验室或办事处。

四、新一代人工智能产业应用场景落地的关键因素

（一）紧抓通信网络环境的升级趋势，突破解决方案落地制约

以5G为代表的新一代网络的部署和商用，正在围绕虚拟化、云化融合的技术革命 推动通信网络环境的重构与转型，其超高速的数据传输能力和万物互联的标识解析体系 重新赋予了社会协作的智能化新模式。5G与新一代人工智能解决方案的结合，不仅可以 深挖既有应用场景的智能化升级潜力，持续拓展和延伸应用场景的边界，同时由于社会 协作模式的转变，将逐步激发和培育全新的新兴应用场景，催生出智能化新产品、新模 式和新产业。5G将为新一代人工智能典型应用场景提供优质通道，提供更为海量的具备 云端大脑能力的数据，提供更具针对性的定制化能力。密切关注通信网络环境的升级， 将补齐制约新一代人工智能应用场景发展的短板。

（二）明确应用场景边界，精准锁定应用需求

现阶段，新一代人工智能技术尚未达到强人工智能水平，例如借助智能终端的人脸 识别技术在绝大多数情况下比人眼识别的效果要好，但是在需要知识、想象力的特殊情 况下，与人脑还是存在较大差距。目前以深度学习为代表的新一代人工智能技术并不善 于解决通用性问题，要实现应用场景落地并形成商业价值，需要清晰其所能解决的特定 领域问题，并明确应用场景边界，将新一代人工智能的功能需求限定在有限的特定问题 边界之内，这样得出的解决方案才能相对可行可靠，如借助视听传感器能够自主规划扫 地方案的服务机器人等。

（三）完善智能化基础设施，加速行业大数据获取

新一代人工智能应用场景的智能化主要体现在决策智能和运营智能，其本质是将用 户和行业数据抽取关键特征并输入深度学习神经网络，神经网络训练模型将用于对用户 行为的预测，进而提高用户体验。目前新一代人工智能应用场景的落地主要受大数据获 取因素的制约，广泛布局应用场景以智能化连接设备为载体的智能化基础设施，采集大 规模高质量的行业数据，系统性地通过新一代人工智能算法进行模型训练，才能真正将 技术与应用场景相结合，充分挖掘应用场景的智能化升级需求。

（四）开发定制化高性能硬件，提升计算能力及效率

随着新一代人工智能应用场景前端智能化的不断普及，集成了定制多种视频、图像、 语音的传感器和数据处理平台的嵌入式感知系统，将大量非结构化数据实时转化为便于 进行决策分析的高质量结构化数据，需要匹配具有较高计算能力的硬件，CPU+GPU架 构成为目前的主流选择，然而构建GPU集群的成本非常高昂，成为应用场景大规模落地 的掣肘。围绕特定应用场景，聚焦智能手机、语音交互、VR/AR等终端设备的差异化需求， 开发定制化、低功耗、低成本的高性能硬件，不仅大幅提升数据的整体分析效率，同时 加速形成与需求匹配的智能化解决方案。

（五）把握精神文化需求态势，构筑内容升级体系

随着我国社会生产力水平极大提高和社会供给能力显著增强，我国人民的基本需求 逐步得到有效满足，“需求侧”升级为“日益增长的美好生活需要”。原来的“硬需求” 呈现出升级态势，不仅在“物”的层面有更高的期待，而且盼望更丰富的精神文化生活， 更加追求生活的文化内涵和精神境界，由此衍生出来的获得感、幸福感、安全感以及尊严、 权利等更具主观色彩的“软需求”，呈现出个性化、多样化、层次性、品质化及国际化 的需求特征。构筑新一代人工智能应用场景的精神文化体系，注重解决方案、内容提供 的持续升级，正是逐步实现人的自由个性的内在要求、推动人的全面发展的应然之举。

五、新一代人工智能主要应用场景研判

新一代人工智能产业的主要应用场景聚焦具有一定需求规模和商业模式较为清晰可 行的行业集合，系统研判应用场景的发展趋势，深入挖掘新一代人工智能技术赋能后产 生的商业价值，详细分析应用场景所处产业的竞争态势，为进一步培育和拓展新一代人 工智能应用场景提供智力支撑，为加速应用场景产业化进程提供全面的参考依据。

（一）公共领域的安全防护

1、应用趋势：由被动监控向主动识别过渡

随着高清视频、智能分析、云计算和大数据等相关技术的发展，传统的被动防御安 防系统正在升级成为主动判断和预警的智能公共安防系统，主要围绕公安部门、交警部门、政法委部门、综治办部门等，以区县级单位为主。提供的核心方案及产品包括雪亮工程、 平安城市、天网工程等公安项目当中涉及人脸布控、智能卡口的部分，以及针对性的公 安动态布控项目、静态图像查控系统项目、重大活动安保项目。前端识别技术可以通过 识别目标并持续跟踪生成图片结果，提取目标属性归纳可视化特征；模式识别技术对监 控信息进行实时分析，使人力查阅监控和锁定嫌疑人轨迹的时间由数十天缩短到分秒， 极大提升了公共安全治理的效率；深度学习则依据采集、存储新一代人工智能应用所涉 及的全方位数据资源，并基于时间轴进行数据累积，开展特征匹配和模型仿真，辅助安 防部门更快、更准地找到有效的资源，进行风险预测和评估。

2、商业价值：带动新一代人工智能渗透率稳步增长

2016年是新一代人工智能技术赋能安防的商业化元年，2018年全球城市公共安防 中新一代人工智能的渗透率达到2.6%，智能安防软硬件产业规模达到19.3亿美元。 2019年市场仍保持高增速，随着智慧城市、智能建筑、智慧交通等智能化产业的带动， 预计到2022年城市公共安防领域的人工智能渗透率将达到25%，智能安防产业规模有 望突破100亿美元。

3、竞争态势：安防龙头企业快速崛起

智能公共安防产业链上游聚焦提供算法、芯片和关键零组件，中游匹配上游组件和 下游需求，提供整体的产品和方案，下游围绕安防产品销售和整体项目集成与运营。智 能公共安防产业链生态较为开放，上下游关系并非泾渭分明，产业链参与企业均可通过 集成商渠道或直客模式向客户提供产品与服务。凭借近年来持续的高增长，海康威视和 大华股份分别占据全球智能安防企业的第一名和第四名。海康威视以监控设备切入市场， 持续升级前端智能化服务程度，2017年全球市场占有率突破21.6%。大华股份着眼于智 能安防全产业链整合，逐步向安防服务领域延伸，2017年全球市场占有率高达8.5%。 随着安防龙头企业快速崛起，大型企业与中小企业之间的差距逐渐拉大，再加上产业链 延伸、横向跨界、行业深耕方面的优势，强者越强、赢者通吃的趋势已经显现。

（二）金融机构的风险控制

1、应用趋势：涵盖金融风险管理的全流程

金融行业与信息社会存在巨大的交织网络，每时每刻都能够产生金融交易、客户信 息、市场分析、风险控制、投资顾问等多种海量数据。在网络环境日渐丰富的同时，金 融机构的风险水平急剧上升，金融机构对提升自身风险防控能力的需求日益迫切，而传 统风险管理体系缺乏灵活性、防控手段较为落后等弊端，与大数据覆盖面广、维度丰富、 实时性高和新一代人工智能技术飞速发展的特点相呼应，使智能风控成为新一代人工智 能的热点应用场景。凭借人工智能+大数据分析技术，智能风控可以助力金融监管机构 建立国家金融大数据库，防止系统性风险。自然语言处理、知识图谱及机器习等新一代人工智能技术，可为借款人、企业等不同主体提供更深度、更有效的多维信息关联，并 应用到贷前、贷中、贷后全流程，减少人为偏差，降低风控成本。

2、商业价值：大幅提升欺诈拦截准确率

传统金融机构在处理数据方面比较依赖专家经验，系统应用的算法对人工数据标注 有较高要求，在高并发事件中难以保障用户体验和准确性，对于一些标签以外较为隐晦 的欺诈行为没有拦截能力。而应用深度学习的算法可以根据因果数据自行训练出适合的 模型，在海量实时交易过程中能做到高覆盖、少拦截、高准确率的风险把控。根据银行 业协会公布股份制银行实际应用情况显示，在1万笔交易中，传统应用需要拦截上千笔 交易才能达到整体80%欺诈拦截的准确率，而智能风控系统仅拦截80-120笔就能达到， 在大幅降低成本的情况下提高了银行业务的执行效率。

3、竞争态势：传统金融机构与互联网金融巨头合作共赢

在智能风控领域，传统金融机构拥有广泛的客户基础和海量高可信度的数据积累， 拥有完整的线下布局，是市场中主要的需求方；互联网金融公司承载人口红利，拥有大 量的消费端客户和流量数据，在产品设计和渠道运营方面具有优势，是技术的主要提供 方。传统金融机构主要通过成立子公司自研技术、对外投资并购和采购合作三种方式进 行智能风控业务的布局，目前以采购合作为主，为保证数据安全可控，往往要求合作公 司开放代码，由双方共同开发。互联网金融公司面临着新一轮转型，在牌照监管压力下， 加大与银行的合作，由业务输出向技术输出拓展。人工智能公司在终端客户和数据积累 方面不足，但在特定方向上具有较强的创新性和研发能力，是主要的技术提供者。

（三）在线客服的标准化应答

1、应用趋势：人机协作新模式的广泛渗透

以自然语言处理技术为代表的客服机器人通过人机协同的方式，通过对语音等非标 准化数据的识别，实现客服流程性问题的解答。不仅一定程度上降低了人工客服的培训 成本，并正在逐步实现取代人工的效果。智能客服的应用协助企业沉淀客户反馈的一手 数据资源，为后续精准营销、产品升级等环节做好铺垫。智能客服最大的隐性价值在于 自然语言处理技术在实际场景中的训练和标准化数据累积，在挖掘客户有价值信息中明 显起到降本增效的作用。同时，标准化的数据打通了企业内部营销、产品等环节，使得 智能客服业务拥有了向企业服务其他场景拓展的能力，自然语言处理技术将成为智能客 服公司的核心竞争力，可以此向制造、政务、医疗等领域拓展，向集认知、交互、协同、 功能性于一身的智能系统发展。

2、商业价值：拓展多元渠道和提升业务附加值

全球客服行业经历了三个发展阶段，从传统呼叫中心发展到在线客服+客服软件， 目前已进入云客服+智能客服机器人阶段。受益于信息技术与企业信息化应用的集成， 客服系统跳出单一的电话沟通，出现了在线客服等多种客服渠道。新一代人工智能技术 的发展将客服行业带入了智能化时代，以自然语言处理技术为代表的客服机器人通过人 机协同的方式，提高了工作效率，不仅一定程度上降低了人工客服的培训成本，甚至在 线上客服流程性问题解答方面，能够实现部分取代人工的效果，新一代人工智能技术的 应用能节省整体客服运营中10%的成本。同时，通过对语音等非标准化数据的识别，企 业能沉淀下一手数据资源，为后续精准营销、产品升级等环节做好铺垫。

3、竞争态势：人工智能企业撬动传统客服市场

智能客服产业链由传统客服产业、云服务商和人工智能公司组成。其中以客服软件 厂商、呼叫中心厂商、硬件设备厂商、电信运营商和集成商为主要组成部分的传统客服 产业占有绝大部分市场，而且格局相对成熟，细分市场份额比例为2:2:1:1:4。云服务商 能够直接服务下游客户，在一定程度上取代了传统呼叫中心，改变整个行业的格局与业态， 降低客服系统建设成本，适合服务于中小型企业。以语音识别企业和客服机器人企业为代表的人工智能公司需要与云客服或传统客服结合，二者为赋能和合作关系，由于整体 客服行业对客服机器人需求的增加，人工智能公司的业务范围和在产业链中的话语权逐 步上升。

（四）医学影像的诊疗和预测性分析

1、应用趋势：深度学习技术为经验诊断提供有益补充

医疗水平的提升和医疗设备的完善，持续为医生能进一步实施更精准并且效率更高 的诊断和治疗提供了基础，围绕医疗领域过往沉淀的大量病理案例，不断从预防的角度 规避疾病或提前预测药物的可行性，智能医学影像产品快速兴起。将机器视觉、知识图谱、 深度学习等新一代人工智能技术应用在医学影像的辅助诊断上，利用技术手段模仿人类 医生的阅片模式，通过大量的影像数据和诊断数据模拟医疗专家的思维、诊断推理和治 疗过程，逐渐取代经验诊断，从而给出更可靠的诊断和治疗方案。新一代人工智能强大 的图像识别能力有助于解决传统医学影像中存在的工作效率低、准确度低、工作量大的 问题，提升读片准确度。新一代人工智能技术应用在医学影像的流程主要包括数据预处理、 图像分割、特征提取和匹配判断四个流程。智能医学影像产品目前已涵盖肺结节等胸部 智能影像、心血管疾病智能影像、超声智能影像等十余种，其中肺结节等胸部智能影像 产品最多、认知度最高。

2、商业价值：有效提高医疗机构的诊疗水平

据IDC公司调研数据显示，自2015年以来，全球每年影像检查量上升30%，而影 像科医师只增长4%，一方面医院和医生有巨大的专业人才空缺压力，同时医生在重复、 单调的阅片工作中容易出现疲劳、漏诊等现象，另一方面中长尾基层医疗机构缺乏具备 诊断能力的影像医生，造成可拍片但无人写报告的局面。智能医学影像为诊断赋能，提 高疾病表征的检出率，减少漏诊的同时帮助癌症等重大疾病患者实现早诊早治，提升病 人存活率、降低家庭及社会诊疗成本。据我国医院协会信息管理专业委员会的数据预测， 随着智能医学影像的逐步使用，在癌症方面我国可节省诊疗与用药支出353亿美元，其 中节省医保和民政救济支出152亿美元。

3、竞争态势：多类型企业竞相投身其中

智能医疗的核心企业主要由医疗影像设备企业、医疗信息化企业、人工智能企业组成。 医疗影像设备企业掌握底层数据，拥有核心资源，其新一代人工智能产品在与临床工作 契合嵌入方面具备优势。医疗信息化企业作为数据处理服务提供商，比较重视新一代人工智能为医疗信息云带来的附加值，在数据积累方面有较好基础。人工智能企业获取行 业数据有一定难度，主要通过与医院科研合作或通过产品在医院实际使用中积累，正在 逐步扩张市场份额。

（五）零售门店的营销和供应链管理

1、应用趋势：以数据驱动的全渠道新零售

智慧门店管理的核心是通过新一代人工智能技术捕获人、货、场中的数据信息，辅 助工作人员优化销售、物流、管理，以及供应链方面的流程。通过人脸识别技术的使用，围绕“人”的整个购买行为做数据获取和价值挖掘，主要体现在智能支付和精准营销， 智能支付是通过计算机识别技术实现自助结算和结算保护，精准营销则根据客户的行为 数据、交易数据、特征数据等，通过机器学习达到个性化推荐。通过计算机视觉技术的 使用，围绕“货”在零售场景中的状态，主要包括有商品识别、物损检测、结算保护等 服务。通过数据关联性打通，利用深度学习进行数据建模，将产业链上下游链接，通过 算法模型打造仓储、运输和门店形成柔性供应链，最终实现产业优化的目的。

2、商业价值：全面提升供销存系统的运营效率

大卖场、超级市场、便利商店等业态的现代渠道型零售品牌是智慧门店管理的主要 实践场景，也是相关产品服务的主要买方。据世界零售协会联盟数据显示，现代渠道主 要零售商数字化建设投入为40.7亿美元，其中新一代人工智能技术的投入约为1.3亿美 元，占比3.15%。得益于全球零售巨头的推动，智慧门店管理的投入将持续保持较高增速。 计算机视觉技术在零售门店管理的数据采集方面具有重要价值，通过对消费者行为和商 品的识别，对店中的经营情况进行量化,是后续优化经营策略的必要基础。目前以货物 为识别对象的计算机视觉应用，如商品识别、物损检测、结算保护等，在实际场景中已 经实现部分替代人工的效果，并且逐步与供销存系统打通，通过持续优化门店的供应链 管理系统，提升库存周转率，每年为全球产生千亿美元的增益价值。

3、竞争态势：基于特色优势的充分竞争市场

智慧门店管理领域的企业主要由成熟的品牌零售企业、云服务企业和人工智能企业 为主。主要有两种商业模式，一是以云服务企业和人工智能企业为代表的技术输出型， 云服务企业通过集成人工智能算法能力向用户输出基于云平台的标准化服务，人工智能 企业聚焦用户的个性化需求提供定制类项目；二是以成熟的品牌零售企业为代表的经验 输出型，将品牌自身多年的运营经验和新技术融合，向中小微型零售商输出，优化其运 营模式。两种模式基于企业的核心竞争力出发点不同，但终将向算法与行业经验融合， 向产出可执行方案的方向发展。

（六）广告营销的场景识别

1、应用趋势：视频广告模式走向精准化

新一代人工智能技术的引入弥合了传统数字化营销场景识别的不足，通过技术与营 销环节相结合，在提供更加充实的用户特征以及创意内容的同时，对投放的策略和形式 进行优化，提升引流、集客、转化效果。智能场景营销、广告快速植入、功能性互动营 销等视频广告类业务已经有较为明确的商业模式，主要分为场景识别广告类和边看边买类。智能场景识别广告通过智能挖掘产生新广告位，融入场景降低受众反感，增强互动 趣味广告植入效率提升，大大降低工时；智能边看边买广告核心是实时识别技术和推荐 算法，实现视频当中超过百位场景的识别，实现大规模的边看边买的功能，形成智能化、 个性化、互动化的广告品牌体验。

2、商业价值：拓展与创新在线广告的商业模式

新一代人工智能在广告营销场景识别的应用，目前主要由长视频平台及人工智能公 司通过视频广告招商分成的形式运作，2018年实现了初步商业落地。智能场景识别广告 相比传统网络视频广告可新增约40%广告位资源、平均提升点击率2.5倍，综合投放类型、 渗透情况等因素，据中国领先的网络口碑研究和咨询公司CIC测算数据显示，未来智能 场景识别广告可为网络视频广告产业带来31%的价值提升。智能边看边买类服务由短视 频平台自建或人工智能公司提供，有收取电商平台提成、按点击收费、收取项目实施费 等几种收费模式，在短视频平台、电商自有直播中落地较快，增加品牌展示位效果显著， 据CIC数据显示，可增加1260亿个品牌展示位。

3、竞争态势：消费端布局企业成为行业领航者

智能广告营销的主流企业类型丰富，科技巨头、在线视频企业、信息流广告企业和 人工智能企业均提供差异化产品。主要商业模式分为两类，一类借助新一代人工智能技 术丰富媒资、优化投放效果，另一类则向客户开放，将自身能力直接赋能给平台生态中 的客户。广告效果的核心是用户理解，因此数据在智能广告营销中成为核心竞争壁垒， 围绕消费端布局的企业在内容或服务平台具有用户数据的天然优势，企业端布局的公司 则需增强客户数据打通能力，逐步依托累积数据优化投放能力。

（七）自主学习的学习管理和测评环节

1、应用趋势：辅助学习功能渐趋完善

新一代人工智能技术在教育领域的应用场景包括教师的辅助教学和学生的自主学习， 目前在辅助教师应用暂时集中在布置作业和阅卷批改环节，尚未渗透到教学的核心环节， 随着新一代人工智能技术和教育测量学的进一步发展，有望从根本上改进教学互动的学 习理念。在学生自主学习场景的应用必须建立在与学生充分的交互和数据获取的基础上， 目前主要围绕学习过程的管理和测评环节上，越是外围的学习环节，越先被智能化，而 越是内核的学习环节，越晚被智能化。利用计算机视觉和语音交互完成学习的管理，主 要应用有拍照搜题、分层排课、口语测评等。拍照搜题是利用图像识别技术，通过把学 生拍的照片转换为题目，搜索到答案；分层排课根据学生的个性化学习方向，提供课程 安排计划，实现教学资源的动态分配；口语测评是利用语音识别和自然语言处理完成学 习的测评，并通过深度学习模型可以为口语打分，帮助学生不断提高口语水平。

2、商业价值：为教育资源均衡化提供新引擎

传统教育模式下，教育质量的高低很大程度上依赖于老师的好坏，家长们都希望自 己的子女在重点学校接受优秀教师的授课，但优秀教师这种核心教育资源的培训周期长、 数量有限且分配不均衡。而新一代人工智能与自主学习的结合可以创建一种新的学习模式，注重学生个性化的教育，基于学习过程中个性化的难点和痛点因材施教，提升教学 与学习质量。根据美国著名的全球增长咨询公司frost &sullivan数据表明，目前我国新 一代人工智能教育平台上已有超过3万名经过认证的老师，其中不乏核心重点学校的名 师，通过智能自主学习的产品与学生产生频繁交互，在一定程度改善教育资源分配问题， 促进教育均衡化、可负担化。

3、竞争态势：尚处于依赖融资扩大用户基数的阶段

自主学习环节的领域，人工智能公司是主要参与者。产品仅在移动端使用，目前围 绕拍照搜题和语言测评的企业均聚焦单一产品功能和教育区间，现阶段主要通过融资方 式持续补贴用户提升获客能力。随着企业逐渐找准行业定位，产品、服务和商业模式逐 渐成熟，融资轮次逐渐呈现出从种子轮、天使轮的早期阶段向A轮、B轮中期阶段发展 的趋势。

（八）城市交通的车辆管控和资源统筹

1、应用趋势：从基础建设阶段向协调应用阶段过渡

治理拥堵问题是城市交通场景的核心需求，应用新一代人工智能技术的交通大脑出 现，使交通管控系统正式步入智能化时代。交通大脑是围绕城市交通的基础设施建设资源， 囊括数据采集平台、数据分析平台、数据建模平台和决策平台的PaaS云服务，通过对 城市交通场景中众多传感器采集的数据信息关联性处理建立数据库，基于交通大数据由 机器学习对信号灯管控、车流诱导等问题进行建模，联动信号灯控制系统和手机地图软 件等，利用深度学习算法和模型，解决交通工具与承载系统之间的协调问题，输出最佳 解决办法，实现交通资源利用效率的最大化。

2、商业价值：逐步实现精准化交通管控和智能调度

截至2018年底，我国汽车保有量达到3.27亿辆，城市交通日均出行需求总量已达 到10亿人次，由此引发事故频发、交通拥堵等问题凸显，仅靠增加基础设施建设和应 用传统的管理方法，已显捉襟见肘，通过新一代人工智能技术驱动的智能城市交通解决 方案被寄予厚望。2016年应用新一代人工智能技术的交通大脑出现，城市交通领域正式 步入智能化时代。2018年利用新一代人工智能技术实现的交通管控项目规模约23.7亿 美元，根据百度发布的智能城市交通治理数据显示，布局并启动交通大脑项目的城市和 区域，平均车速提升了15%，城市公交系统延误率降低了15.2%。

3、竞争态势：市场集中度正在围绕领军企业逐渐提升

交通大脑以领军型科技和人工智能企业为主。在交通运输管理、出行服务和柔性管 控领域，以阿里云、百度、滴滴为代表的科技和人工智能领军企业与地方政府合作，建 立交通大脑，在交通信号灯调控、车流调控、峰值预警等应用中已初显成效。在智能基 础设施和硬件领域，各家科技和人工智能领军企业正在围绕着前端传感技术、中端地图 计算系统、后端控制系统持续差异化发力。

六、以进一步构建多维度应用场景为新一代人工智能主要突破口的措施与建议

（一）强化共性技术攻关，推动智能产品加速创新

一是发展基础层关键零部件。重点发展面向多种垂直应用场景的智能芯片，支持企 业持续突破核心计算架构、集成神经网络单元协同处理性能、超高性能SOC芯片、高性 能3D视觉计算芯片等关键技术，发挥芯片对新一代人工智能产业的引领带动作用。突 破智能传感器共性关键技术，支持新型生物、视觉、力觉、射频识别等智能工业级传感 器的研发及产业化应用，发展3D图像、生物特征识别、视频识别、智能语音识别、测 距定位等智能消费电子传感器，推动面向新应用场景智能传感器的研发。

二是支持人工智能产品创新。支持智能机器人、智能无人机、智能医疗系统、智能 网联汽车等新一代人工智能产品研制及产业化。研制智能工业机器人、智能服务机器人， 实现大规模应用并进入国际市场。加快微型无人机、工业级智能无人机等产品开发和产 业化。开发数字化医疗影像设备、分析系统、诊断系统、健康检测系统等智能医疗设备。 发展无人驾驶汽车，重点培育和发展智能网联汽车。

（二）深化拓展应用场景，发挥示范引领带动效应

一是开展重点领域应用示范。全面提升新一代人工智能技术在各领域的应用，在智 能金融、智能零售、智能物流等重点领域开展新一代人工智能应用试点示范。提升企业 基于机器视觉、语音语义识别等技术的金融服务能力，拓宽金融服务领域，实现金融服 务的智能化、个性化、定制化。鼓励零售企业开发基于新一代人工智能技术的商务智能 分析和决策服务。加强数据动态分析，开展智能物流装备的研发和推广应用，推进物流 业务流程智能化发展。

二是拓展民生领域创新应用。加快推进新一代人工智能在医疗、教育、家居等领域 创新应用，提高民生服务的智能化水平，为公众提供个性化、多元化、专业化、精准化、 高品质服务，打造智能宜居示范区。加快推进医学影像辅助诊断技术及产品的研发与运用， 促进新一代人工智能技术在医疗行业的融合运用。加强新一代人工智能技术与家居建筑 系统的融合应用，提升建筑设备及家居产品的智能化水平。利用智能技术加快推动人才 培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。

三是支撑建设新型智慧城市。加快推动新一代人工智能与公共服务、城市管理的深 度融合，着力推进智能政务、智能交通、智能安防、智能城市管理等相关建设，实现社 会治理现代化。整合基础设施及信息资源，推进新一代人工智能技术在信息预测、战略 决策及信息互联互通等政务服务领域的应用，打造智能化政务服务模式。加快数据开放 融合，持续开展智能城市操作系统的创新研究及深度应用。

（三）完善创新基础设施，构建多维公共服务平台

一是夯实信息基础设施。加快5G、新一代人工智能、物联网、工业互联网等新型信 息基础设施建设，以智能应用需求为导向，以全覆盖、高效能为目标，打造集融合感知、 传输、存储、计算、处理于一体的智能化信息基础设施体系。在工业、农业、服务业领 域持续建设完善为新一代人工智能应用服务的数据汇聚平台，为应用场景解决方案的产 业化部署提供海量数据支撑。

二是建设开放式创新平台。围绕新一代人工智能应用场景的数据开放、共性技术研发、 资源互通的核心需求，建设开源开放、共享协同的创新服务平台。支持各行业的龙头企 业建立行业数据资源开放共享平台，为工业、医疗、金融、交通等行业应用提供高质量 的训练资源库，标准测试数据集、云服务平台。

三是部署专业服务平台。围绕新一代人工智能应用场景的标准制定、知识产权服务、 检验检测、行业交流等需求，支持专业服务平台化、集中式发展，打造新一代人工智能 应用场景专业服务链。由行业主管部门牵头，依托相关行业协会及中介机构，围绕新一 代人工智能应用解决方案产业化部署的现状及问题，建立和完善网络化、专业化、社会 化的创新服务体系，增强成果转化、产融对接、专利申报等多维服务能力

（四）鼓励开源平台发展，推进开源生态体系建设

一是加快建设开源社区。培育形成一批创新活跃、人才密集的新一代人工智能开源 社区，将不同地域、不同开发经验的开发者，通过分享经验、代码调试、提交功能补丁 等方式聚集在一起，协同完成开源软件项目等开发和版本维护，激发源源不断的创新活力。 持续吸纳优秀开发者加入开源平台，有效提升人工智能开源社区繁荣程度，进一步推动 新一代人工智能开源平台在生产、安防、教育、医疗、金融等各领域的示范应用，加速 扩大新一代人工智能在不同应用场景落地部署的带动效应。

二是前瞻构建开源标准化体系。密切跟踪国内外相关发展现状和趋势，开展新一代 人工智能开源生态标准化工作的顶层设计。遵循开源开放原则，联合监管方、服务方、 开源平台提供方和用户方，把握标准化的客观需求，共同制定和完善开源标准，形成新 一代人工智能开源平台核心生态圈。围绕开源标准化体系，加强对新一代人工智能开源 平台的安全审查，建立健全安全监管评估体系，提升安全防护，为新一代人工智能应用 成功落地保驾护航。

（报告来源：中国电子学会，中国数字经济百人会，旷视）

如需完整报告请登录【未来智库官网】。

编辑：沃巴查芒