2018中國人工智慧應用與生態研究報告

最新 04-04

日前，《中國人工智慧應用與生態研究報告》（以下簡稱《報告》）發布，《報告》對目前人工智慧的應用場景和智能平台建設情況，選取視覺智能，語音智能、數據智能、企業智能四個領域，進行了研究分析。

《報告》分為六個目錄：

一、中國人工智慧應用、平台與生態現狀；

二、視覺智能應用、平台與生態；

三、語音智能應用、平台與生態；

四、數據智能應用、平台與生態；

五、企業服務智能應用、平台與生態；

六、中國人工智慧應用與趨勢展望；

《報告》部分觀點：

1.目前處於人工智慧技術與企業業務的融合階段，部分企業已經開始部署人工智慧應用，並取得了一定的效果。

2.在人工智慧廠商選型時，企業最看重廠商的技術實力、品牌、對於業務的理解和融合能力。

3.應用落地、平台構建、生態培養同步並舉，廠商之間的競爭將在多個維度同時進行。人工智慧生態各要素動態演進,基於開放平台的生態逐漸成型。

4.算力、演算法和數據之後，場景成為人工智慧應用的關鍵。

5.視覺智能已經邁過了技術拐點，走嚮應用普及階段，並將成為未來5年最有商業前景的領域。人臉識別開啟了人們的認知，但智能安防、智慧城市才是視覺智能的「星辰大海」。

6.語音智能交互系統在各個領域得到普及，B端和C端呈現不同的發展特點：C端呈現操作系統級別的競爭態勢，B端市場窗口還很大，不同行業的垂直應用場景有待挖掘。

7.數據分析和數據挖掘是數據智能的基礎，局域智能將向全域智能轉變，BATJ為代表的互聯網巨頭具有巨大優勢。海量的數據將在「雲端」匯聚，並實現數據之間的高度融合，「雲端數據智能」將更加普遍。

8.由於新零售概念的興起，大家逐步關注到線下數據的價值，並通過高德地圖、美團、支付寶、微信等應用，結合人臉識別等新手段，大量獲取線下數據尤其是線下消費和支付數據，最終實現線上數據與線下數據的融合，構建更完善的用戶畫像。

9.目前企業智能還處於初級階段，「人工智慧技術+業務場景+管理流程」是企業智能的理想模式。企業內部數據的打通、人機協同是企業智能接下來的發展重點。

10.技術與業務融合度不高、數據匱乏是阻礙人工智慧應用的重要因素。數據壟斷成為人工智慧產業發展的一大障礙，商業利益協調艱難、數據邊界不清晰，是阻礙數據共享的關鍵因素。未來一種可能的狀態是：政府、企業聯動，建立開放共享、利益邊界清晰的數據生態。

《報告》認為：

視覺視覺智能是5年內最有商業前景的人工智慧應用領域。2018年，智能安防將是視覺智能廠商的發展中心。根據中安協發布《中國安防行業「十三五」(2016-2020年)發展規劃》指出，「十三五」期間，安防行業將向規模化、自動化、智能化轉型升級，且到2020年，安防企業總收入達到8000億元左右，年增長率達到10%以上。只是智能安防這一個領域，就足夠支撐多個百億級別的獨角獸企業，滿足資本對於視覺智能廠商的業績期望。在智能安防領域，按商業演進路徑可以將廠商分為兩類：以曠視科技、商湯科技和博思廷為代表的「AI+安防」類廠商，和以海康威視威為代表的「安防+AI」類型廠商。智慧城市將是視覺智能最大的應用領域，未來的市場規模必將在萬億以上。視覺智能+數據分析，將成為智慧城市系統的主體，發揮最為關鍵的作用。視覺智能應用，已經從圖像識別、物體識別轉向計算機視覺理解、視頻理解這些更具挑戰和應用價值的領域，未來其應用前景必將更加廣闊。隨著晶元技術的發展，終端智能將獲得快速提升。雲+端的數據處理方式成為潮流。未來智能終端將成為視覺智能應用重要的計算載體，同時雲端對於數據打通將發揮關鍵作用。

語音智能領域，總體上來看，C端語音智能市場已經開始顯現操作系統級別的競爭，並以開放平台和生態體系的方式來進行競爭，主要表現：不斷嵌入更多的智能硬體設備，其中又主要是手機和智能音箱，並逐步擴展到智能機器人、智能家居等領域。廠商之間的競爭焦點集中於手機廠商、智能硬體廠商；在自家的語音交互系統中不斷接入更多的服務，不斷擴展用戶通過智能語音助手能做的事情；構建開放平台，聚攏大量的軟硬體合作夥伴，以生態體系的力量來強化其競爭優勢和市場領導能力。

目前國內主流語音智能廠商的識別率普遍高於97%，邁過了是商業應用的技術門檻。語音識別準確率方面，科大訊飛、百度、思必馳等領先，科大訊飛在方言領域的高識別率是其一大特色。遠場降噪和遠場識別能力的提升，催生出智能音箱產品，進一步推動智能硬體的發展。科大訊飛、百度等主流廠商，其機器翻譯能力也已經達到國際領先水平。語音智能與視覺智能、無人駕駛一起，成為我國人工智慧產業的三張名片。基於語義理解的語境理解、意圖理解，形成更自然的人機交互，是一大難點。

B端語音智能市場窗口較大，基於語音交互的垂直應用場景有待挖掘。基於語義理解和語音交互的垂直應用場景進一步深耕，具有語境理解、多輪對話、可隨時打斷等能力，是語音智能廠商的重要競爭力。智能客服、嵌入企業管理軟體的語音助手、醫療機器人等是重要的細分領域。尤其是智能客服，針對不同行業的業務屬性，開發場景化語音交互系統，是一個有待進一步挖掘的藍海市場。智能車載、智能家居、智能機器人、智能可穿戴領域，語音智能廠商紛紛跟進對應賽道。在企業管理軟體系統中，語音智能具有很大的應用潛力：一方面，辦公軟體尤其是移動辦公軟體中，已經有一些廠商嘗試在其產品中嵌入語音助手模塊，讓用戶可以用語音交互的方式處理工作事宜；另一方面，基於語義理解的業務流程打通，將語音交互融入其業務流程系統，這也是企業管理軟體廠商主要的發展方向。

在數據智能領域，數據分析與智能決策、數據可視化、智能營銷、用戶畫像與個性化推薦，BI等是重要的細分領域；在數據類型方面，移動數據和線下零售數據的分析成為熱點。隨著大數據產業的發展，基本的數據局積累和數據處理體系已基本成型，未來關注的重點將轉向多渠道、多種數據形式的融合，並且會從局域智能轉向全域智能。局域智能是在某個細分領域的數據智能，為用戶解決某些特定類型的問題。與之對應的，全域智能將實現三方面的突破：

1. 多渠道數據的融合。包括PC數據、移動端數據、物聯網數據、線上數據和線下數據的融合；

2. 多類數據的融合。不僅能處理結構化數據，也能處理文本、語音、圖像、視頻等非結構化數據，並能實現數據打通，基於多種類數據的全面分析提供結果和決策建議；

3. 多維度數據融合。包括電商數據、社交數據、搜索數據、線下消費數據等多維數據的融合；

另外，局域智能更多的側重於分析，而全域智能則更多側重決策建議，並為用戶自動化處理部分事物。

深度用戶畫像成為行業基礎，互聯網巨頭在數據智能領域優勢巨大。很多數據智能應用都是以用戶畫像為基礎的，以此衍生出個性化推薦、智能營銷、商業智能、安全態勢感知等。更進一步的，深度用戶畫像能對用戶特徵進行更深入的刻畫，可以據此開展一些更高價值的智能服務，比如金融風控，這在金融尤其是互聯網金融領域具有廣泛地應用。

互聯網巨頭，由於其海量的數據積累和較強的綜合實力，在數據智能應用領域具有很大的優勢，並且這一優勢還會進一步加強。這其中阿里巴巴的優勢最為明顯，阿里的電商數據、支付數據、物流數據是價值量最高的幾類數據，可以基於對用戶實現全面的特徵刻畫，進而發展出豐富的智能應用。由於新零售概念的興起，大家逐步關注到線下數據的價值，並通過高德地圖、美團、支付寶、微信等應用，結合人臉識別等新手段，大量獲取線下數據尤其是線下消費和支付數據，最終實現線上數據與線下數據的融合，構建更完善的用戶畫像。雲計算的成熟，有力地推動了數據積累和數據分析產業的發展，也有效促進了數據的融合。未來，海量的數據將在「雲端」匯聚，並實現數據之間的高度融合，「雲端數據智能」將更加普遍。

企業智能領域，「人工智慧技術+業務場景+管理流程」是企業智能的理想模式。《報告》認為，企業智能目前還處於探索期，模式尚不固定，智能助手、人臉識別打卡等只是初級應用，並沒有切入企業智能的核心。比較成熟的企業智能應用，一定是要實現人工智慧技術與企業管理流程、業務場景的高度融合。未來，人工智慧技術，尤其是語義理解、數據挖掘技術，將嵌入企業信息系統的各個領域，包括ERP系統、CRM系統、HR系統、SCM系統以及財務系統等。通過對這些系統中各種數據信息的理解和價值挖掘，然後結合管理流程，以及融合業務場景的知識圖譜，對企業整體及各個細分領域的運營情況進行全面細緻的分析。更進一步的，智能系統能依據特定流程自動處理一定的。

企業內部數據的打通、人機協同是企業智能接下來的發展重點。通過數據和行業、業務知識的整合，構建針對特定行業的知識圖譜，「專家系統」有可能獲得重生，並發揮較大的價值。一方面，建立企業內部專家系統，輔助企業的管理決策和業務開展，也為新員工的培訓提供幫助。另一方面，作為企業業務系統的延伸對外提供服務,比較典型的如智能客服系統，依據對行業和企業業務的知識圖譜，回答客戶的問題，進行一些業務操作。未來幾年，嵌入式智能將得到進一步普及，在企業服務領域智能硬體設備的使用成為一個亮點。

人與人工智慧的關係可以分為三類：機器主導、人主導、人機協同。未來不再是單一的人主導或者機器主導，而是人機高效協同。人提出問題，提供數據資料，智能系統根據信息進行提出決策建議，並在一定業務範圍內實現自動化運營，人是智能服務的受益方。通過企業智能應用，可以實現科學化決策、自動化運營、人機高效協同的組織狀態。

此外，對於推動我國智能產業的發展策略方面，《報告》指出：

一方面，加快相關法律法規的研究和發布。清晰定義各類數據價值和數據交易規範，釐清數據共享與個人隱私、企業利益訴求之間的關係。政府加大數據開放力度，拓寬開放數據的種類，提高開放數據質量。推動企業尤其是互聯網巨頭組建數據共享聯盟，推動企業之間、企業與政府之間的數據共享。建立、完善數據交易中心，推動基於真實數據價值得數據交易，充分考慮個人隱私和企業利益訴求的，實現數據交易和數據共享的可持續發展。組建基礎資源公共服務平台，建立面向社會開放的圖像、語音、視頻、文本等多樣化數據形式的訓練資源庫和標準測試數據集。

另一方面，在政府指導下，建立企業之間的數據聯盟，釐清利益關係，在充分尊重各自數據權益和利益訴求的前提下，協商可交易、共享的數據範圍，規範交易、共享的方式和流程。推動數據在互聯網企業、傳統企業、研究機構、政府之間的流動，在流通中實現數據價值。建立數據標準，尤其是數據介面標準，構建數據介面API ，方便進行數據調用。建立企業尤其是互聯網企業之間、互聯網企業與傳統企業之間的利益協調機制，從根本上保障數據共享的有效推動。

更近一步的，在國家層面實施「一體兩翼」戰略：

「一體」：

政府聯合企業構建基礎資源公共服務平台，如新型計算集群共享平台、演算法與技術開放平台、人工智慧模型訓練資料庫等。

「兩翼」：

一、對實施人工智慧應用的企業進行一定的稅收優惠和補貼，推動人工智慧應用在傳統企業中的普及。

二、建立超大規模的國家人工智慧產業基金，至少在5000億量級以上（不低於軟銀「願景」基金規模）。對內扶持初創人工智慧企業，對外進行全球性的產業大併購。另外，為將來部分「中概股」企業國內上市提供政策和資本支持。

企業層面，在競爭的同時加強技術交流與技術合作，尤其是底層、前沿領域的技術合作。借鑒美國谷歌、臉書、亞馬遜、IBM、微軟5家科技公司成立的人工智慧聯盟，國內以以BAT、科大訊飛為代表的互聯網巨頭以及曠視、商湯等新興人工智慧獨角獸，應儘快建立類似的聯盟，推動技術合作和產業發展。加快構建人工智慧基礎資源公共服務平台，以更大的力度推進基礎數據和技術的開放。領先人工智慧公司應該以更大的擔當，深耕人工智慧晶元、量子計算、機器學習、深度學習、增強學習等前沿領域，拓寬中國人工智慧產業的發展邊界。推動企業與高校、研究院所的人才流動和聯合培養機制。

諮詢關於本報告的內容與數據

報告全覽