《2018中國人工智慧白皮書》

2018中國人工智慧白皮書（簡版）

創業邦研究中心

2018年5月

摘要

當互聯網像第二次工業革命中的「電」一樣，成為人類社會的重要基礎設施時，上一波技術創新的浪潮已退去，新一輪人工智慧革命開啟。未來人工智慧相關技術的發展，不僅將帶動大數據、雲服務、物聯網等產業的升級，還將全面滲透金融、醫療、安防、零售、製造業等傳統產業，應用前景廣闊。

據統計，2017年中國人工智慧核心產業規模超過700億元，隨著各地人工智慧建設的逐步啟動，預計到2020年，中國人工智慧核心產業規模將超過1600億元，年複合增長率將達31.7%。

隨著人工智慧技術的不斷成熟，人工智慧創業的難度逐步降低，越來越多的創業公司加入人工智慧的陣營。

2018年被稱為人工智慧爆發的元年，人工智慧技術應用所催生的商業價值逐步凸顯。人工智慧逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛湧入，將人工智慧拉到了信息產業革命的風口。

如何把握產業動向，抓住風口機會？創業邦研究中心憑藉在人工智慧等前言科技領域持續研究、洞察的能力，在對國內人工智慧創業公司進行系統調研的基礎上，推出《2018中國人工智慧白皮書》，對人工智慧的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。

第一部分人工智慧行業發展概述

1.人工智慧概念及發展

人工智慧（Artificial Intelligence, AI）又稱機器智能，是指由人製造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。

自1956年達特茅斯會議提出「人工智慧」的概念以來，「人工智慧」經歷了寒冬與高潮交替的起起伏伏60多年的發展歷程。2010年以後，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智慧商業化和全球化浪潮席捲而來。

人工智慧發展歷程

2.人工智慧產業鏈圖譜

人工智慧產業鏈可以分為基礎設施層、應用技術層和行業應用層。

A基礎層，主要有基礎數據提供商、半導體晶元供應商、感測器供應商和雲服務商。

B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。

C應用層，主要是把人工智慧相關技術集成到自己的產品和服務中，然後切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。

人工智慧產業鏈

資料來源：創業邦研究中心

第二部分人工智慧行業巨頭布局

巨頭積極尋找人工智慧落地場景，B、C 端全面發力。

資料來源：券商報告、互聯網公開信息，創業邦研究中心整理

第三部分機器視覺技術解讀及行業分析

1.機器視覺技術概念

機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息並加以理解，它是將圖像轉換成數字信號進行分析處理的技術。

機器視覺的兩個組成部分

資料來源：互聯網公開信息，創業邦研究中心整理

2.發展關鍵要素：數據、算力和演算法

數據、算力和演算法是影響機器視覺行業發展的三要素。 人工智慧正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型演算法進行大量數據訓練，其背後需要具備高性能計算能力的軟硬體作為支撐。

深度學習出現後，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特徵，然後按照該特徵規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。

3.商業模式分析

機器視覺包括軟體平台開發和軟硬體一體解決方案服務。整體用戶更偏向於B端。軟體服務提供商作為技術演算法的驅動者，其商業模式應以「技術層+場景應用」作為突破口。軟硬體一體化服務供應商作為生態構建者，適合以「全產業鏈生態+場景應用」作為突破口，加速商業化。

（1）軟體服務：技術演算法驅動者—「技術層+場景應用」作為突破口

這種商業模式主要是提供以工程師為主的企業級軟體服務。有海量數據支撐，構建起功能和信息架構較為複雜的生態系統，推動最末端的消費者體驗。

此類商業模式成功關鍵因素：深耕演算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟體。視覺軟體服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有雲等。

國內外基礎演算法應用對比

資料來源：互聯網公開信息，創業邦研究中心整理

（2）軟硬體一體化：生態構建者—「全產業鏈生態+場景應用」作為突破口

軟硬一體化的商業模式是一種「終端+軟體+服務」全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立演算法平台、通用技術平台和應用平台，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設備

從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據採集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理雲端難以解決的問題。

機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位晶元選擇太少。從低功耗、高運算能力的晶元出發，結合先進的演算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。

（2）深度學習解決視覺演算法場景的專用晶元

以AI晶元方式作為視覺處理晶元有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基於顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。藉助深度學習，如通過 R-CNN 訓練大量標註後的手勢圖像數據，得到的模型在處理帶有複雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。

（3）新興服務領域的特殊應用

前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。

（4）數據是爭奪要點，應用場景是著力關鍵

機器視覺的研究雖然始於學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要麼通過自有平台獲取數據，要麼選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。

第四部分智能語言技術解讀及行業分析

1.語音識別技術

（1）語音識別技術已趨成熟，全球應用持續升溫

語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網路的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網路逐步找到模型結構和調參演算法來替代或結合高斯混合演算法和HMM演算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智慧專家吳恩達預測，2020年語音及圖像搜索佔比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進入巨頭崛起時代，開放平台擴大生態圈成主流

語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平台和語音能力，欲吸引更多玩家進入他們的生態系統。

（3）語音識別技術發展瓶頸與趨勢

低雜訊語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、複雜雜訊環境和特異性口音的識別是下一個階段需要解決的問題。

麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標註可用於模型的訓練，有助於打造更新一代的語音識別引擎技術。語音巨頭已經在布局。

在IOT包括車載領域，雲端識別並非通行的最優方案，把識別引擎結合場景進行裁剪後往晶元端遷徙是工程化發展的方向。

2.自然語言處理（NLP）發展現狀

（1）多技術融合應用促進NLP技術及應用的發展

深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，並且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，矽谷在語義理解領域的投資熱度劇增。

深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索演算法、知識圖譜、記憶網路等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力並可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。

（2）NLP主要應用場景

問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基於深度學習技術，跨模態地把文本和圖片聯繫起來。

機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。

對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，並且基於自身的知識系統和對於對話目標的理解，去生成一個回復。

（3）創業公司的機遇

1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。

2)應用於垂直領域的自然語言處理技術

避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。

第五部分人工智慧在金融行業的應用分析

人工智慧產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、雲計算等細分技術被應用到金融徵信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網路與知識圖譜應用於金融領域的徵信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用於金融領域的身份識別，語音識別及自然語言處理應用於金融領域的智能客服、智能投研；應用層的認知智能應用於金融領域的智能風控。

人工智慧在金融行業的典型應用情況

資料來源：創業邦研究中心

第六部分人工智慧在醫療行業的應用分析

1.人工智慧在醫療行業的應用圖譜

人工智慧在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。

圖 人工智慧在醫療行業的應用圖譜

資料來源：創業邦研究中心

2.人工智慧在醫療行業的具體應用場景

醫學影像。人工智慧應用於醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。 人工智慧通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標註，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。

藥物挖掘。人工智慧在藥物研發上的應用可總結為臨床前和臨床後兩個階段。臨床前階段：將深度學習技術應用於藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關係。臨床後階段：針對臨床試驗的不同階段，利用人工智慧技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。

虛擬助理。醫療虛擬助理是基於醫療領域的知識系統，通過人工智慧技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作夥伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥諮詢和語音電子病歷等方向。

第七部分智能駕駛行業分析

1.智能駕駛行業產業鏈

智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬體提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。

產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新製造新能源等。

智能駕駛產業鏈圖譜

資料來源：創業邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處於高速滲透期，然 後伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段後，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%,單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，並在 2025- 2035 年間獲得高速發展，年複合增長率將達到43%,並在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。

根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬體佔比 45%,軟體佔比 30%,系統整合佔比 14%,車聯網部分佔比 11%。按照全球 1 億輛量 產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那麼全球自動駕駛零部件市場規模在 2020 年 將達到 3100 億美元。

第八部分中國人工智慧企業畫像分析

隨著人工智慧技術的不斷成熟，人工智慧創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智慧創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出「2018中國人工智慧創新成長企業50強」。

地域分布

全國88%的人工智慧企業聚集在北京、上海、廣東和江蘇。其中，北京人工智慧企業最多，佔比高達39.66%;其次是上海，人工智慧企業佔比達21.55%;位列第三的是廣東，人工智慧企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智慧創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智慧應用實力雄厚，也聚集了一批人工智慧垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智慧產業發展。

行業分布

從行業大類分布來看，行業應用層的企業佔比最大，為56.03%;其次是應用技術層的企業，佔比達31.04%;基礎技術層的企業佔比最小，僅為12.93%。隨著人工智慧技術的發展，人工智慧與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭佔據行業領先地位， 國內與國際差距明顯，中小初創企業很難進入。

從行業應用來看，智能金融企業佔比最大，為16.92%;其次是機器人企業，佔比達15.38%;位列第三的是智能駕駛和智能教育，佔比均為12.31%。金融行業的強數據導向為人工智慧的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智慧落地帶來了發展前景。機器人作為人工智慧產業落地輸出， 目前市場需求較大，商業機器人佔據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智慧推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。

收入情況

收入分布在500-10000萬之間的企業最多，佔比達49.14%;500萬以下的企業位居其次，佔比達 26.72%;位列第三的是10000-100000萬之間的企業，佔比為17.24%。

最新估值

企業最新估值均在億元級別，且分布較為均衡。三成企業估值超過15億元，還有企業估值達到百億級別，如優必

選科技、達闥科技和商湯科技等，將來或將躋身人工智慧獨角獸企業。(備註：分析樣本量剔除一半未披露企業)

第九部分典型企業案例分析

1.Atman

企業概述

Atman由來自微軟的人工智慧科學家和產業經驗豐富的產品團隊創辦，提供專業領域機器翻譯、機器寫作、知識圖譜、大數據智能採集挖掘等語言智能產品，致力於成為醫學、新聞、法律等專業領域語言智能專家，為專業領域用戶賦能，推動專業領域用戶進入人工智慧時代，助力專業領域文字智能水平實現跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先葯企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能採集挖掘等語言智能產品。

目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。

企業團隊

創始人&CEO：馬磊

清華大學計算機系畢業，曾先後在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創業者、曾主導多項人工智慧重大項目，發表論文和申請國際專利共計15+項。

Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷佔比60%，技術開發人員佔比70%，一半以上來自微軟亞洲研究院和工程院。

核心技術與產品

技術方面，擅長機器學習（深度學習、強化學習、群體智能）在複雜問題的應用，發表論文和國際專利15項，Atman神經網路機器翻譯系統於2016年9月首秀，早於谷歌的GNMT，專業領域翻譯效果在公測標準和行業客戶測試中均持續領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數據智能挖掘等語言智能產品。

Atman的機器翻譯產品可自動翻譯編輯專業文獻、報告、音視頻和網頁，支持私有部署和雲端混合部署，提供包括數據隱私安全以及自學習的端到端解決方案。

機器寫作可對海量數據進行快速搜索、過濾、聚類，根據行業需求自動生成專業文檔，適用於所有專業寫作場景，可大幅減少專業報告寫作過程中的繁複工作，大幅提升專業領域寫作效率。

知識圖譜可實現海量數據的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數據智能採集挖掘系統為專業領域用戶提供智能數據源管理、海量專業數據獲取和非結構化數據自動解析並結合知識圖譜提供auto-screening、知識重構、專業決策輔助，幫助用戶建立強大的以專業大數據為基礎的業務輔助能力。

2.黑芝麻

企業概述

黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟體開發企業，2016年分別在美國矽谷和上海成立研發中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業務是提供基於圖像處理、計算圖像以及人工智慧的嵌入式視覺感知平台，為ADAS及自動駕駛提供完整的視覺感知方案。

目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創達、車聯天下和雲樂新能源等展開深入合作，提供基於視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。

企業團隊

團隊核心成員來自於OmniVision、博世、安霸、英偉達和高通等知名企業，平均擁有超過15年以上的產業經驗，畢業於清華、交大、中科大和浙大等知名高校。

創始人&CEO：單記章此前在矽谷一家全球頂尖的圖像感測器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像感測器研發和設計、圖像處理演算法研發和圖像處理晶元設計。

核心技術和產品

在汽車領域，黑芝麻可提供車內監控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平台方案。黑芝麻智能科技提供的解決方案包括演算法和晶元兩個核心部分：黑芝麻感知演算法從基礎的控光技術，到面向AI的圖像處理技術出發來提高成像質量，以及應用深度神經網路訓練，結合視頻處理和壓縮技術，形成從感測器端到應用端的處理過程；黑芝麻晶元平台採用獨有的神經網路架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺演算法結合，採用16nm製程，設計功耗2.5w，每秒浮點計算達20T。

3.乂學教育

企業概述

乂學教育，成立於2014年，是一家網路教育培訓機構，採用人工智慧和大數據技術，為學生提供量身定製學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智慧教育公司，銷售團隊有全國40億toC銷售額的經驗。

企業自主研發了針對中國K12領域的學生智適應學習產品，其核心部分是以高級演算法為核心的智適應學習引擎「松鼠AI」，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業發表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，並在紐約設計了人工智慧教育實驗室，與斯坦福國際研究院（SRI）在矽谷成立了人工智慧聯合實驗室。

主要產品

學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智慧技術，在模擬優秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智慧+真人教師的模式，做到因材施教，有效解決傳統教育課時費用高，名師資源少，學習效率低等問題。

智適應學習人工智慧系統

智適應學習人工智慧系統模擬特級教師，採用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，採用神經網路、邏輯斯蒂回歸和遺傳演算法為學生實時動態推薦最佳學習路徑，實現個性化教育。

業務模式

線上與線下，2B和2C相結合。以松鼠AI智適應系統教學為主，真人教師輔助，學生通過互聯網在線上學習課程。開創教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。

4.雲從科技

企業概述

雲從科技成立於2015年4月，是一家孵化於中國科學院重慶研究院的高科技企業，專註於計算機視覺與人工智 能。雲從科技是人工智慧行業國家隊，是中科院戰略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業標準的企業。2018年，雲從科技成為祖國「一帶一路」戰略實行路上的人工智慧先鋒，與 非洲南部第二大經濟體辛巴威政府完成簽約。

雲從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智慧重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智慧企業；模式創新，三大平台解決方案，科學家平台、核心技術平台和行業應用平台。

企業核心團隊

創始人

周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專註於人工智慧識別領域的計算機視覺 研究。入選中科院「百人計劃」,曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。

周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰賽中7次奪冠;在國際頂級會議、雜誌 上發表60餘篇文章，被引用上千次。

核心技術團隊

雲從科技依託美國UIUC和矽谷兩個前沿實驗室，中科院、上海交大兩個聯合實驗室上海、廣州、重慶、成都四 個研發中心組成的三級研發架構。目前研發團隊已經超過300人，80%以上擁有碩士學歷。

技術優勢

全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業視覺、醫學影像、自動駕駛AR等領域擴展打下良好基礎。

雲從科技具有高技術壁壘：世界智能識別挑戰賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰賽上共計奪得7次世界冠軍;在銀行、公安等行業智能識別技術 PK實戰中，85次獲得第一；2018年，雲從科技入選MIT全球十大突破性技術代表企業。

在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501,DukeMTMC-reID,CUHK03三個數據同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。

正式在國內發布「3D結構光人臉識別技術」,可全面應用於手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環境光線強弱的影響等諸多優點，受到國際巨頭公司的關注。

行業應用

目前國內有能力自建系統的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中雲從科 技中標了88家總行平台，市場佔有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發火眼人臉大數據平台等智能化系統，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。

5.Yi+

企業概述

北京陌上花科技是領先的計算機視覺引擎服務商，為企業提供視覺內容智能化和商業化解決方案。致力於「發現視覺信息的價值」。

旗下品牌Yi+是世界一流的人工智慧計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。

目前公司和阿里巴巴、愛奇藝、優酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基於視覺識別技術的數據結構化產品服務于海量用戶，同時幫助政府機構、廣電系統、內容媒體、零售商、電商、視聽設備等行業實現智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。

企業團隊

團隊成員來自於斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。

創始人&CEO：張默

北京大學軟體工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為演算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作夥伴經理，主機Linux中國區負責人，中國區開源聯盟負責人，年銷售額數億。 2013年創業於美國矽谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。

核心技術與產品

技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數據協議。 Yi+的系統由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數據集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150,000個人（訓練數據集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像並應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優異成績。

公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：

行業解決方案

針對營銷、安防、相機和電視的不同特點，推出相應解決方案。

營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用於快消、汽車、電商、IT、金融、旅遊服務等多個行業。

智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，演算法反應敏捷，相應迅速。建立智慧園區方案模型，考慮擴展性&靈活性、數據管理、鬆散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業務和技術兩方面整合解決方案實現步驟。

電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。

相機+AI。相機更具交互能力。用戶通過搜索關鍵字標籤同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特徵，動態適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基於深度學習技術，進行人臉相似度檢測，實現面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。

新零售+AI。Yi+新零售解決方案是基於公司自主研發的人臉識別、商品識別和其他圖像識別演算法技術為核心，建立一整套基於人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數據採集、演算法模型說明和部署方案三部分，其中數據採集包括人臉數據採集、商品數據採集；演算法模型說明包括識別演算法訓練、商品識別、識別輸出；部署方案包括本地部署、雲端部署、本地部署與雲端部署結合。

6.擎創科技

企業簡介

擎創科技成立於2016年，專註於將人工智慧和機器學習賦予傳統IT運維／企業運營管理，為企業客戶提供智能運維大數據分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現狀。2017年，擎創科技已實現全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創科技完成了數千萬人民幣的A輪融資，由火山石投資領投，晨暉創投、元璟資本及新加坡STTelemedia跟投。

核心團隊

擎創團隊的核心成員主要由BMC、微軟等美國企業服務上市公司的運維老兵，與新浪、餓了么等知名互聯網公司的大數據、演算法專家組成，核心團隊成員至少擁有10年以上的行業經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業績增長；CTO葛曉波擁有長達15年的企業級軟體開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發矽谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕於運維企業服務市場的團隊，如今在智能運維企業服務賽道繼續領跑，讓擎創科技成為最懂企業的客戶，最值得企業客戶信賴的軟體廠商。

主要產品

「夏洛克AIOps」 作為擎創自主研發的大數據智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型製造業、鐵路民航、能源電力等涉及國家發展和民生問題的多種行業。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區聯合頒發的「年度最具影響力AIOps產品」獎。

「夏洛克AIOps」充分利用自研演算法輔助客戶實現IT運維價值，結合客戶的現有情況，規劃從傳統ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數據孤島，建立統一的大數據智能分析平台，實現以人工智慧為核心，驅動傳統IT運維監、管、控三個層面，並將相關運維數據及業務數據實時展現。

「夏洛克AIOps」擁有多項自研演算法，猶如運維界的福爾摩斯，能迅速發現並定位運維問題的根因，實現秒級排障，最大程度避免企業產生重大損失。更有價值的是，「夏洛克AIOps」還能通過長期的數據積累和機器學習，運用新型深度神經網路演算法對企業的業務數據進行預測，幫助企業提前規劃IT資源，高效預防各類黑天鵝事件的發生。

商業模式

目前，擎創科技已與多家金融和製造行業標杆客戶形成穩定的合作關係，包括浦發銀行、浦發矽谷銀行、國家開發銀行、上海鐵路局、銀聯、海爾、浙江能源等。針對不同客戶，採用個性化的商業模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可複製性。

核心優勢

擎創科技以其團隊、資源、專業和技術方面的核心競爭力，通過與行業標杆企業的共研項目實時抓取行業通用應用場景，在極速觸達各行業運維痛點的同時，反哺其科研技術攻關及產品演算法等方面的研發，使產品「取之於客戶現場，用之於客戶現場」，用先進的AIOps運維模式為企業業務保駕護航。未來在人工智慧賦能企業運維領域，擎創科技有望獲得更大的發展。

*感謝北極光創投特別支持！

- END -

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！