2018世界人工智能产业发展蓝皮书

1 .2018 世界人工智能产业 发展蓝皮书 

2 . 2018 世界人工智能产业发展蓝皮书 2 前言 上海以中国改革开放排头兵、创新发展先行 2018 世界人工智能产业发展深 者的责任担当，与国家各相关部委办和机构 人工智能已经成为新一轮科技革命和产业变 度分析报告 紧密携手，共同举办 2018 世界人工智能大 革的核心驱动力，正在对世界经济、社会进步 和人类生活产生极其深刻的影响。为了进一 会。这是上海加快建设“五个中心”、全面打 步顺应发展规律、把握未来趋势，加快发展 响“四大品牌”，以及深入推进改革开放、优 概述与说明 化整体营商环境的重要抓手和切实举措。以 新一代人工智能，经国务院批准，国家发展和 改革委员会、科学技术部、工业和信息化部、 此次大会为契机，上海将加快推进人工智能 产业发展环境 产业创新和深度应用，着力打造国家人工智能  国家互联网信息办公室、中国科学院、中国工 技术环境 程院和上海市人民政府于 2018 年 9 月 17 日 发展高地，争取建设成为人工智能创新策源 至 19 日在上海共同举办 2018 世界人工智能 地、应用示范地、产业和人才集聚地。 全球人工智能企业 大会。举办本次世界人工智能大会，是共同谋 本蓝皮书作为大会的重要报告成果，是由中 划人工智能技术和产业发展的动员大会，也 全球投融资 国信息通信研究院联合国际权威信息技术研  是推动互联网、大数据、人工智能和实体经 究和分析咨询机构 Gartner Group，借助本次 济深度融合发展的重要举措。 产业发展 大会举办的契机，打开中国人工智能领域与 本次大会以“人工智能赋能新时代”为主题， 世界对话的窗口，对全球人工智能的产业发展 40 以“国际化、高端化、专业化、市场化”为特 情况及技术路线趋势进行全面深度分析。希 人工智能技术成熟度曲 色，集聚全球人工智能领域最具影响力的科 望本书对人工智能领域的从业者、研究者，以 线，2018 年 学家、企业家和投资家，以及相关政府领导 及感兴趣的读者们，带来有益的思考与借鉴， 者和城市管理者，围绕人工智能领域的技术 发挥必要的启示作用。 前沿、产业趋势和热点问题发表演讲和进行 高端对话，打造世界顶尖的人工智能合作交 流平台。大会集中汇聚最权威的观点和共识， 世界人工智能大会组委会 集中展示最前沿的新技术、新产品、新应用、 新理念，为应对人类发展面临的共同难题、 创造人类美好生活汇聚“中国方案”和“世 界智慧”。 2018 世界人工智能产业发展蓝皮书由中国信息通信研究院发布。由中国信息通信研究院提供的编辑内容与 Gartner 的分析结果相互独立。Gartner 的所有调研报告的版权均为 Gartner, Inc. 所有。© 2018 Gartner, Inc. 保留所有权利。所有 Gartner 资料在本出版物中的使用均已获得授权。使用或者发布 Gartner 调研报告并不表示 Gartner 认可中国信息通信研究院的产品和/或战略。未经 Gartner 事先书面许 可，不得以任何形式复制或分发本出版物。本出版物中包含的信息均取自公认的可靠来源。Gartner 不对此类信息的准确性、完整性或适当性做出任何保证，并且不对此类信息中的错误、遗漏或不适当承担 任何责任，也不对此类信息的任何解读承担任何责任。此处表明的观点随时可能更改，恕不另行通知。虽然 Gartner 调研报告可能会讨论相关的法律问题，但 Gartner 并不提供法律建议或法律服务，不应将 其调研报告解释为或用作法律建议或法律服务。Gartner 是一家上市公司，其股东拥有的公司或基金可能与 Gartner 调研报告中涉及的实体有财务利益关系。Gartner 的董事会成员可能包括这些公司或基金 的高级管理人员。Gartner 调研报告是由其调研组织独立完成的，并没有受到这些公司、基金或其管理人员的介入或影响。有关 Gartner 调研报告的独立性和完整性的详细信息，请参阅其网站上的“Guiding （独立性和目标的指导原则）。 Principles on Independence and Objectivity” 2 

3 . 3 中国信息通信研究院的研究报告 2018 世界人工智能产业发展深度分析报告 1 概述与说明 1.2 撰写说明 2) 产业分布地图版块 1.1 报告概述 全球人工智能产业地图主要包括以下几个部 本版块主要盘点与绘制了中国各省市以及国 分：(1) 产业链地图 (2) 产业分布地图 (3) 产业 际上人工智能产业领先的国家典型 AI 企业分 本蓝皮书将分享人工智能领域的研究成果和 研究机构与配套政策。 布、规模及企业名目。 实践经验，对全球各主要人工智能强国产业 发展及技术路线现状与趋势进行全面掌握， 1) 产业链地图版块 3) 产业研究机构与政策版块 详细阐述人工智能领域的技术研究、产业投 本版块人工智能产业链结构划分为基础支撑 本版块主要盘点与绘制了中国与国际上的人 入、服务应用，从而为促进人工智能技术和产 层、软件算法层与行业应用层。 工智能主流行业研究机构、联盟与产业政策 业发展提供一定的基础资料与指导。本蓝皮 文件。 书的编制，是在对世界人工智能产业发展的 深入、广泛调研基础上，结合调研数据和权威 基础层产业地图主要从 计算硬件（云端训 本报告的结构分为五部分：1) 产业发展环 部门相关资料，通过梳理人工智能技术、产业 练、云端推算、设备端推理、智能芯片、智能传 境 2) 技术环境 3) 全球人工智能企业的情况 和应用发展情况，分析人工智能的技术热点、 感器）、计算系统技术（云计算、大数据、5G 4) 全球投融资的情况 5) 产业发展情况 企业情况、产业应用和未来趋势，由编制团队 通信与物联网）和数据（数据采集、标注和分 共同完成。 析）三个维度对全球主要从事基础层产业的 1) 产业发展环境 典型企业进行绘制。 本部分从人工智能发展进程、全球各国人工 本报告以全球人工智能产业地图为中心展开 智能相关政策以及人工智能发展条件进行 论述，该地图由中国信息通信研究院信息化 软件算法层产业地图主要从算法理论（机器 阐述，全面论述了人工智能产业发展的基础 与工业化融合研究所和数据研究中心联合绘 学习算法、类脑算法、知识图谱）、开发平台 与环境。 制。地图通过对全球人工智能产业从底层技 （基础开源框架、技术开放平台）和应用技术 术到垂直应用，从产业结构到产业分布，从研 （计算机视觉、自然语言处理和人机交互）三 2) 技术环境 究机构到政府政策等多角度进行了系统分析 个维度对全球主要从事软件算法层产业的典 此部分从全球专利、论文、科研环境和技术 与绘制，盘点了人工智能的发展态势，为推动 型企业进行绘制。 竞赛方面总结出人工智能领域的当前技术 人工智能产业发展提供重要决策参考。同时， 环境。 中国信息通信研究院华东分院针对产业地图 应用层面产业地图主要从行业解决方案 的内容进行了充分的阐述和延伸，设计了本报 （“AI+”行业垂直应用）和典型产品（视觉产 3) 全球 AI 企业的情况 告的总体框架结构，详细阐述了产业发展环 品、语音终端、机器人、智能汽车、无人机）两 此部分从结构、规模和区域分布方面论述了 境、技术环境、全球人工智能企业发展情况以 个维度对全球主要从事应用层产业的典型企 全球人工智能企业的情况。 及人工智能产业化应用领域情况等，更加清 业进行绘制。 晰的反应人工智能产业发展现状。 3 

4 .4) 全球投融资的情况 3) 专利数据 2 产业发展环境 此部分阐述了人工智能领域全球投融资的分 本报告中的专利数据来源于中国信息通信研 2.1 人工智能发展大事件 布、规模和轮次，从投融资和产业规模方面分 究院知识产权中心的研究成果，知识产权中 人工智能大致可分为三个阶段：第一阶段 析了人工智能产业的发展。 心根据智慧芽等专业数据库对全球范围内的 (1956-1980) 人工智能诞生；第二阶段 (1980- AI 专利进行检索统计。 2000) 人工智能步入产业化；第三阶段（2000- 5) 产业发展情况 至今）人工智能迎来爆发。 本部分阐述了全球人工智能产业技术与应用 4) 论文数据 的发展现状，发展趋势情况，以及一些典型人 本报告中的论文数据来源于 Web of Science 第一阶段 (1956-1980) 人工智能诞生 工智能企业应用例举。 核心合集，是基于数据研究中心的人工智能 关键词词表进行检索统计的结果。 报告具体研究范围和数据来源说明如下： 时间 标志性事件 5) 产业应用数据 1956 美国达特茅斯会议聚集了最早 1) 人工智能企业 本报告中的产业应用数据来源于上海合合信 的一批研究者，确定了人工智能 本报告所述人工智能企业来源于中国信息通 息科技发展有限公司的启信宝产品，以及 CA 的名称与任务，被称为 AI 诞生 信研究院数据研究中心监测平台，界定范围总 ICT、PwC、MarketsandMarkets、Grand View 的标志。 体上指提供人工智能产品、服务和相关解决 Research、IFR、罗兰贝格、中商产业研究院、 康奈尔大学的实验心理学家弗 前瞻产业研究院等各大市场研究机构报告或 1957 方案的企业。企业具体可以分为技术维度和 兰克•罗森布拉特模拟实现了神 产品/解决方案两个维度。技术维度包含算法 网站相关预测。 经网络“感知机”。 平台、基础硬件、语音视觉等通用技术的提供 6) 数据单位说明 国际人工智能联合会成立，并 方和制造方，产品/解决方案维度包含各类人 1969 本报告中各项市场数据所采用币种，在未有具 在美国华盛顿州西雅图召开了 工智能产品的生产商和解决方案提供商，以 体说明时，默认币种为人民币。 第一届会议。 及各垂直行业的解决方案提供商。 2) 投融资 本蓝皮书不求面面俱到，仅对目前人工智能领 本报告中的投融资数据来源于 CB insights、IT 域涵盖的产业与技术发展环境、全球企业情 桔子、新芽等投融资网站，是基于人工智能企 况和产业化应用等方面进行分析阐述。文中 业名录进行匹配后整理统计的结果。 不过多地给出人工智能领域观点性的陈述， 力求以较为浅显易懂的语言和方式进行陈 述。对于文中的主要内容，欢迎社会各界专家 学者提出建议，我们将积极听取各方专家的 意见，继续改进完善。 4 

5 . 5 第二阶段 (1980-2000) 人工智能步入产业化 时间 标志性事件 1980 卡耐基•梅隆大学为 DEC 公司设计了一个名为 XCON 的专家系统，取得了巨大的成功，在那个时期，它每年可为该公司节省 4,000 万 美元。 1982 日本计划投入 8.5 亿美元开发人工智能计算机（第五代计算机），旨在造出能够与人对话、翻译语言、解释图像，并且像人一样推理 的机器。 1986 多层神经网络和 BP 反向传播算法出现，提高了自动识别的精确度。 1988 德国人工智能研究中心成立，也是目前世界上最大的非营利人工智能研究机构。 1997 深蓝计算机战胜国际象棋冠军，成为 AI 历史上的里程碑事件；受到摩尔定律的影响，计算性能开始大幅提升。 第三阶段（2000-至今）人工智能迎来爆发 时间 标志性事件 2006 Geoffrey Hinton 在《Science》上提出基于深度信念网络可使用非监督学习的训练算法，使得深度学习在学术界持续升温。 2011 IBM Waston 系统参加美国“危险边缘”(Jeopardy!) 节目，打败人类选手。 2012 深度学习算法通过 ImageNet 比赛名声大噪，进而被广泛采用。 2016 DeepMind 开发的 AlphaGo 击败前世界围棋冠军李世石。 2.2 各国 AI 相关政策 人工智能的迅速发展将深刻改变人类社会和世界的面貌，为了抓住 AI 发展的战略机遇，越来越多的国家和组织已争相开始制定国家层面的发展 规划。 美国 时间 单位 发布政策 1998 美国网络和信息技术研发小组委员会 《下一代互联网研究法案》(P.L. 105-305) 2013 美国白宫 国家机器人计划： 《机器人技术路线图：从互联网到机器人（2013 版）》 2013.4 美国白宫 推动创新神经技术脑研究计划 2015.10 美国国家经济委员会和科技政策办公室 新版《美国国家创新战略》 2015.11 美国战略与国际研究中心 《国防 2045》 2016.10 美国国家科技委员会与美国网络和信息技术研发小组 《国家人工智能研究和发展战略计划》 委员会 2016.10 美国国家科技委 《为未来人工智能做好准备》 2017.9 美国国会 自动驾驶法案 (SELF DRIVE ACT) 自动驾驶法案 (AV START ACT) 2017.10 美国信息产业理事会 《人工智能政策原则》 5 

6 .中国 时间 单位 发布政策 2015.7 国务院 《国务院关于积极推进“互联网+”行动的指导意见》 2016.3 国务院 《国民经济与社会发展第十三个五年规划纲要》 2016.4 工信部、国家发改委、财政部 《机器人产业发展规划 (2016-2020 年)》 2016.5 中共中央、国务院 《国家创新驱动发展战略纲要》 2016.5 国家发改委、科技部、工信部、中央网信办 《“互联网+”人工智能三年行动实施方案》 2016.7 国务院 《“十三五”国家科技创新规划》 2017.3 国务院 《政府工作报告》 2017.7 国务院 《新一代人工智能发展规划》 2017.12 工业和信息化部 《促进新一代人工智能产业发展三年行动计划 (2018- 2020 年)》 2018.4 教育部 《高等学校人工智能创新行动计划》 其他国家及国际组织 时间 单位 发布政策 2013.6 日本内阁 《日本再兴战略》 2015.1 日本经济产业省 《新机器人战略》 2016.5 日本内阁 《科学技术创新综合战略 2016》 2016.6 日本经济再生本部 《日本再兴战略 2016》 2017 日本政府 《下一代人工智能推进战略》 2017.5 日本经济产业省 《新产业构造蓝图》 2017.6 日本内阁 《科学、技术和创新综合战略 2017》 2018.6 日本内阁 《综合创新战略》 2018.6 日本内阁 《未来投资战略 2018》 2013 韩国电子通信研究院 Exobrain 计划 6 

7 . 7 时间 单位 发布政策 2014.7 韩国贸易工业和能源部 第二个智能机器人总体规划 (2014-2018) 2016.8 韩国政府 九大国家战略项目 2017.7 韩国国会 《机器人基本法案》 2018.5 第四次工业革命委员会（韩国） 《人工智能研究与发展（R&D）战略》 2013 英国政府 八项伟大的科技计划 2016.12 英国政府科学办公室 《人工智能：未来决策制定的机遇与影响》 2017.1 英国政府 现代工业战略 2017.10 英国政府 《在英国发展人工智能产业》 2010.7 德国政府 《思想•创新•增长⸺德国高技术战略 2020》 2011.11 德国政府 《将“工业 4.0”作为战略重心》 2013.4 德国联邦教育与研究部“工业 4.0 工作组” 《保障德国制造业的未来：德国工业 4.0 战略实施建议》 2017.6 德国交通部伦理委员会 《自动和联网驾驶》报告 2013 法国政府 《法国机器人发展计划》 2017.3 法国经济部与教研部 《人工智能战略》 2018.5 法国政府 法国与欧洲人工智能战略研究报告 2017.5 新加坡国家研究基金会 “AI.SG”国家人工智能计划 2013.1 欧盟 “人脑项目”(Human Brain Project) 2013.12 欧盟委员会与欧洲机器人协会 SPARC 计划 2015.12 欧盟 SPARC 机器人技术多年路线图 2016.6 欧盟委员会 提出了人工智能立法动议 2016.10 欧盟议会法律事务委员会 (JURI) 《欧盟机器人民事法律规则》 2017.10 欧盟 “地平线 2020” 2016.8 联合国世界科学知识与技术伦理委员会 《机器人伦理初步报告草案》 2016.12 电气和电子工程师协会 (IEEE) 《合伦理设计：利用人工智能和自主系统最大化人类福祉 的愿景（第一版）》 2017.12 电气和电子工程师协会 (IEEE) 《人工智能设计的伦理准则（第二版）》 7 

8 .2.3 发展条件 表 2-1 深度学习框架 2.3.1 算法的演进 框架 单位 支持语言 简介 人工智能算法发展至今不断创新，学习层级 不断增加。学术界早期研究重点集中在符号 TensorFlow 谷歌 Python/C++/Go/… 神经网络开源库 计算，人工神经网络在人工智能发展早期被 Caffe 加州大学伯 C++/Python 卷积神经网络开源框架 完全否定，而后逐渐被认可，再成为今天引领 克利分校 人工智能发展潮流的一大类算法，显现出强 PaddlePaddle 百度 Python/C++ 深度学习开源平台 大的生命力。目前流行的机器学习以及深度 微软 深度学习计算网络工具包 学习算法实际上是符号学派、控制学派以及 CNTK C++ 连接学派理论的进一步拓展。 Torch Facebook Lua 机器学习算法开源框架 Keras 谷歌 Python 模块化神经网络库 API Theano 蒙特利尔 Python 深度学习库 大学 DL4J Skymind Java/Scala 分布式深度学习的库 MXNet DMLC 社区 C++/Python/R/… 深度学习开源库 图表 2-1 人工智能掀起新一轮技术发展浪潮 资料来源：中国信息通信研究院（2018 年） 8 

9 . 9 机器学习算法和深度学习算法是人工智能中 人工智能仍在迅速发展，而且改变着人们的生 2.3.2 算力的提升 的两大热点，开源框架成为科技巨头全面布 活，还有更多人工智能算法正等待着计算机科 人工智能算法的实现需要强大的计算能力支 局的重点。开源深度学习平台是推进人工智 学家去挖掘。由于技术投资周期较长，中国大 撑，特别是深度学习算法的大规模使用，对计 能技术发展的重要动力，开源深度学习平台 多数人工智能企业还缺少原创算法，仍需要未 算能力提出了更高的要求。2015 年起人工智 允许公众使用、复制和修改源代码，具有更 雨绸缪，重视 AI 算法层面的人才储备；将学术 能迎来了真正的大爆发，这在很大程度上与 新速度快、拓展性强等特点，可以大幅降低企 研究和产业应用场景相结合，鼓励创新，积极 GPU 的广泛应用有关。在此之前，硬件算力并 业开发成本和客户的购买成本。这些平台被 挖掘 AI 算法方面的人才，让具备强大潜力的 不能满足人工智能计算能力的需求，当 GPU 企业广泛的应用于快速搭建深度学习技术开 人工智能研究者能够真正投入业界。 与人工智能结合后，人工智能才迎来了真正的 发环境，并促使自身技术的加速迭代与成熟， 高速发展，因此硬件算力的提升是 AI 快速发 最终实现产品的应用落地。 展的重要因素之一。 图表 2-2 人工智能算力发展情况 资料来源：中国信息通信研究院（2018 年） 图表 2-3 人工智能高性能计算单元 资料来源：中国信息通信研究院、互联网 9 

10 .近年来，新型高性能计算架构成为人工智能 图表 2-4 Tesla V100 训练与推理性能比对 技术演进的催化剂，随着人工智能领域中 深度学习热潮的涌现，计算芯片的架构逐渐 向深度学习应用优化的趋势发展，从传统的 CPU 为主 GPU 为辅的英特尔处理器转变为 GPU 为主 CPU 为辅的结构。2017 年，NVIDIA 推出的新一代图形处理芯片 Tesla V100，主 要用于研究基于深度学习的人工智能。针对于 谷歌开源深度学习框架 TensorFlow，谷歌推 出为机器学习定制的 TPU。 资料来源：NVIDIA 官网 人工智能发展急需核心硬件升级，人工智能 从人工智能芯片所处的发展阶段来 芯片创新加速，计算创新成为布局重点。现有 看，CPU、GPU 和 FPGA 等通用芯片是目 芯片产品在基础能力上无法满足密集线性代 前人工智能领域的主要芯片，而针对神 数和海量数据高吞吐需求，亟需解决云端的 经网络算法的专用芯片 ASIC 也正在被 高性能和通用性，终端的高能效和低延时等 Intel、Google、NVIDIA 和众多初创公司陆续 问题。 推出，并有望将在今后数年内取代当前的通用 芯片成为人工智能芯片的主力。 图表 2-5 人工智能芯片产业图谱 资料来源：中国信息通信研究院（2018 年） 10 

11 . 11 图表 2-6 人工智能芯片之争呈白热化态势 资料来源：中国信息通信研究院（2018 年） 2.3.3 数据的支撑 大数据是人工智能发展的助推剂，这是因为 由学术及研究机构承担建设的公共数据集不 从软件时代到互联网，再到如今的大数据时 有些人工智能技术使用统计模型来进行数据 断丰富，推动初创企业成长。公共数据集一般 代，数据的量和复杂性都经历了从量到质的 的概率推算，比如图像、文本或者语音，通过 用作算法测试及能力竞赛，质量较高，为创新 改变，大数据引领人工智能发展进入重要战 把这些模型暴露在数据的海洋中，使它们得到 创业和行业竞赛提供优质数据，给初创企业 略窗口。 不断优化，或者称之为“训练”。有了大数据的 带来必不可少的资源。 支持，深度学习算法输出结果会随着数据处 数据是人工智能发展的基石，人工智能的核 理量的增大而更加准确。 行业数据集是企业的核心竞争力，行业数据 心在于数据支持。从发展现状来看，人工智 集与产业结合紧密，各个公司的自建数据集 能技术取得突飞猛进得益于良好的大数据基 属于企业的核心竞争力。数据服务产业快速 础，海量数据为训练人工智能提供了原材料。 发展，主要包括数据集建设、数据清洗、数据 根据 We Are Social 2018 年第三季度全球数 标注等。 字统计报告显示，全球互联网用户数已经突 破了 41 亿，全球独立移动设备用户渗透率达 到了总人口的 67%。 11 

12 .表 2-2 全球部分人工智能公共数据集情况 类型 数据集名称 特点 WikiText 维基百科语料库 SQuAD 斯坦福大学问答数据集 自然语言处理 Common Crawl PB 级别的网络爬虫数据 Billion Words 常用的语言建模数据库 VoxForge 带口音的语料库 语音识别 TIMIT 声学-音素连续语音语料库 CHIME 包含环境噪音的语音识别数据集 SVHN 谷歌街景中的图像数据集 机器视觉 ImageNet 基于 wordnet 构成，常用的图像数据集 Labeled Faces in the Wild 面部区域图像数据集，用于人脸识别训练 图表 2-7 行业数据库分类 资料来源：中国信息通信研究院（2018 年） Fig. 3-1 Global AI Related Patent Application Trend 图表 3-1 全球人工智能相关专利申请趋势 3 技术环境 3.1 专利 20000 18000 1999 年至 2017 年，全球人工智能领域中图像识别、生物特征识别、 16000 语音识别、语音合成、自然语言理解、机器学习等关键技术分支的发 14000 明申请及授权专利数量（合并同族后）超过 10 万项。中国人工智能专 12000 利申请和授权量自 2010 年开始逐年增加，自 2014 年开始实现快速增 10000 长。 8000 6000 4000 2000 0 中国 其他国家 全球 资料来源：中国信息通信研究院（2018 年） 图表 3-1 全球人工智能相关专利申请趋势 12 

13 . 对比全球各国人工智能专利数量，中国、美国和日本专利申请数量领 从专利权人的角度分析，美国、日本、韩国科技巨头企业在人工智能领 先，中国已超过美国成为 AI 领域专利申请量最高的国家。中、美、日三 域专利积累具有领先优势，微软专利申请量居全球首位、其次是 IBM 国专利申请总量占全球 AI 专利的 75%。 和 Google。 Fig. 3-2 Geographical Distribution of Global AI PatentFig. 3-4 Main Applicants for Global AI Related Patents 图表 3-4 全球人工智能相关专利主要申请人 图表 3-2 全球人工智能专利申请地域分布 Applications MICROSOFT IBM 荷兰 加拿大 其他 法国 GOOGLE 1.1% 1.0% 8.7% SAMSUNG 1.3% 英国 AT&T 百度 德国 1.3% 中国 2.7% 国家电网 37.1% TOSHIBA 韩国 FUJITSU 8.9% NEC 0 1000 2000 3000 4000 5000 日本 13.1% 美国 资料来源：中国信息通信研究院（2018 年） 图表 3-4 全球人工智能相关专利主要申请人 24.8% 图表 3-2 全球 AI 专利申请地域分布 资料来源：中国信息通信研究院（2018 年） 3.2 论文 中国人工智能专利申请主要来自北京、广东、江苏、上海和浙江 5 个省 1998 至 2018 年间，全球人工智能领域论文、期刊数量大幅增长，总数 市。其中北京申请和授权的人工智能专利数量超过 10,000 件。 量突破 63 万篇，年复合增长率达到 11.59%。2017 年 Web of Science 核心集合收录的全球人工智能论文、 Fig. 3-3 Geographical Distribution of AI Patent Applications in 期刊等学术发表物达到 6.51 万 份。其中，中国（含港澳台地区）人工智能论文、期刊等学术发表物 图表 3-3 中国人工智能专利申请地域分布 China 达到 1.73 万份，年复合增长率达到 24.32%。中国 AI 论文全球占比由 1998 年的 5.52% 提升到 2017 年的 26.63%，说明中国在人工智能科研 领域实力大幅增长。 12000 从全球增长趋势来看，1998-2017 年大体保持持续增长的态势，其中在 2001-2007 年和 2012-2016 年两个阶段中，年均增长率超过 10%；2008- 10000 8000 2011 年增速有所下降，并在 2010 年度数量有所下降。 6000 4000 2000 0 北京 广东 江苏 上海 浙江 四川 山东 陕西 安徽 湖北 资料来源：中国信息通信研究院（2018 年） 图表 3-3 中国 AI 专利申请地域分布 13 

14 .Fig. 3-5 Global/China AI Paper Publication Trend 图表 3-5 全球/中国人工智能论文申请趋势 世界人工智能研究主要国家中，美国一直处于领先态势，学术研究数 量高于其他国家。但中国 AI 学术发表物数量快速增长，在 2009 年及 2014 年后，中国超过美国取得总量第一的位置。此外，印度在人工智能 70000 30% 科研领域于 2013 年起快速发展，并在 2014 年年发布人工智能论文数 60000 25% 量超越英国，位居全球第三位。 50000 20% 40000 15% 30000 图表 3-7 各国人工智能论文产出趋势 10% 20000 10000 5% 0 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 全球 中国 中国占比 资料来源：中国信息通信研究院（2018 年） 图表 3-5 全球/中国 AI 论文申请趋势 1998-2018 年，全球人工智能领域论文产出量最多的是美国 14.91 万篇， 中国以 14.18 万篇位居次席，英国、德国、印度分列三至五位。 美国 中国 英国 Fig. 3-6 TOP 10 Countries for AI Paper Output 德国 印度 日本 加拿大 法国 图表 3-6 全球人工智能论文产出量 TOP10 国家 资料来源：中国信息通信研究院（2018 年） 160000 149096 中国人工智能论文产出最多的机构是中国科学院，清华大学、哈尔滨 141840 工业大学分列二、三位。从数量来看，中国科学院以超过 1 万篇的数量 140000 120000 遥遥领先于排名第二的清华大学（4,500 余篇）和其他机构。 100000 80000 60000 图表 3-8 中国人工智能论文产出趋势 41229 40000 34786 29132 28959 26956 23632 23391 22513 20000 0 美国 中国 英国 德国 印度 日本 加拿大 法国 西班牙 意大利 资料来源：中国信息通信研究院 （2018 图表 3-6 全球 年） AI 论文产出量 TOP10 国家 资料来源：中国信息通信研究院（2018 年） 14 

15 . Web of Science 收录的高被引文献中，中国人工智能相关文献数量和 以大学为代表的科研机构在人工智能领域具有较强的科研实力，站在 占比自 2012 年起快速增长，从 2008 年时不足 15%，增长到 2017 年时 人工智能理论技术发展前沿。科研机构具备一定规模的科研团队，拥 的 47%，说明中国人工智能领域的科研水平质量获得较大程度提升。 有较为先进的实验室和研究设施，与企业等其他机构相比，具有独特 的比较优势。科研机构也能够持续性地培养人工智能高端人才，为行 图表3-9 中国人工智能高被引论文产出趋势 3-9Trend 业的持续发展提供后备力量。 Fig. of Highly Cited AI Paper Output in China 德国特里尔大学和 Schloss Dagstuhl – Leibniz 信息中心联合维护的数 300 60.0% 字数目索引与图书馆项目（Digital Bibliography & Library Project，简称 DBLP）收录大量计算机领域的期刊与文献，并基于计算机领域科学文 献的元数据提供文献检索服务。近五年，DBLP 每年新收录 30-40 万篇 250 50.0% 文献，截至目前，DBLP 索引文献超过 420 万篇。可据此统计每年发表 200 40.0% 150 30.0% 过被 DBLP 收录的人工智能领域文献的科研机构和学者，以了解学界 100 20.0% 对人工智能领域的关注程度。 根据 DBLP 索引的文献数据统计 2013-2017 年每年在人工智能领域索 50 10.0% 0 0.0% 引文献上发表过论文的科研机构和机构内学者数量，不少国家对人工 智能的关注度在 2015 年有明显提升，2016 年有所降温后，2017 年又 达到高点。各年度在 DBLP 索引文献上发表过论文的科研机构和学者 中国高被引文献数量 中国占比 数量如下图所示。 Fig. 3-11 Attention to AI Paid by the Scientific Research 资料来源：中国信息通信研究院 （2018 图表 3-9 中国 年） AI 高被引论文产出趋势 图表 3-11 人工智能在科研领域的关注度 Community 3.3 科研环境 全球的科学、技术、工程和数学领域 (STEM) 毕业生每年都在增加，中 1600 1438 1439 国居世界首位。根据世界经济论坛报道，2016 年中国有 470 万毕业生 1397 1400 1251 来自 STEM 领域。此外，中国每年总共有 3 万名 STEM 博士毕业生。位 1200 1160 于中国之后，排名第二的国家是印度。印度在 2016 年有 260 万 STEM 1000 毕业生，包括本土和海外的留学生毕业生。不仅在 STEM 毕业生总数 上，在海外读书的留学生数量上，印度同样仅次于中国位于全球第二， 800 且其中有 26% 的留学生在学习计算机科学和数学专业。 600 400 246 229 220 237 241 200 0 2013 2014 2015 2016 2017 Fig. 3-10 Number of STEM Graduates in the Countries (2016) 科研机构（家） 学者（人） 图表 3-10 各国 STEM 毕业生数量（2016 年） 资料来源：CS Rankings、中国信息通信研究院 图表 3-11 人工智能在科研领域的关注度 中国 4,700,000 印度 2,600,000 美国 568,000 俄国 561,000 伊朗 335,000 印度尼西亚 206,000 日本 195,000 0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000 资料来源：世界经济论坛、中国信息通信研究院 图表 3-10 各国 STEM 毕业生数量（2016 年） 15 

16 . 美国人工智能技术水平稳居全球首位，领先优势明显，人工智能研究 3.4 技术竞赛 机构数量和学者数量在全球占比接近半数。中国科研机构数量与英 人工智能的技术发展不仅体现在专利论文等科研著作方面，从全球举 国、印度相当，学者数量与美国存在差距，但明显高于其他国家，且近 办的各类技术挑战赛中也可窥见一斑。根据 Kaggle 上发布的竞赛数 年来总体呈增加趋势， Fig. 2017 年比 2013for 3-12 TOP10 Countries 年增长约 据，目前正在进行的竞赛有 19 个，已经结束归档的竞赛达 275 个。竞赛 30%。 of Scientific Research Number 内容涉及图像识别问题、语音识别问题、物体检测问题、分类问题以及 Institutions with Publications 多种场景下的预测型问题等。不同竞赛的参赛队伍数量也不尽相同， 图表 3-12 发文科研机构数量占比 TOP10 国家 一些热门竞赛参赛队伍可以达到上万个，奖金池可达上百万美元。 其他 ImageNet 每年举办的大规模视觉识别挑战赛 (ILSVRC) 是计算机视觉 19% 领域开始较早和影响力较大的赛事。自 2010 年开始每年举办一次，参 赛程序会对物体和场景进行分类和检测。在对物体的分类准确度上， 新西兰 人类的水平是 95%，从 2015 年起，最佳人工智能系统的表现已经超 过人类，在 2017 年的 ILSVRC 竞赛上，AI 系统的分类准确度已经达到 2% 美国 以色列 43% 97.5%。 澳大利亚 2% 3% 图表 3-14 ILSVRC 最佳分类准确率 德国 3% 巴西 英国 4% 5% 中国 印度 加拿大 5% 8% 6% Fig. 3-13 TOP10 Countries for Number of Scholars with 资料来源：CS Rankings、中国信息通信研究院 图表 3-12 发文科研机构数量占比 TOP10 国家 Publications 图表 3-13 发文学者数量占比 TOP10 国家 德国 巴西 资料来源：中国信息通信研究院（2018 年） 新加坡 2% 2% 其他 12% 印度 2% 在自然语言处理领域中比较有影响力的竞赛有基于斯坦福问题答案 3% 美国 数据集 (SQuAD) 的系统问答竞赛。SQuAD 是一个阅读理解数据集， 以色列 47% 由众包工作者从众多维基百科文章中提出问题构成，每个问题答案 澳大利亚 都是相应阅读段落中的一段文字或是跨段落内容的结合，或者问题 3% 5% 本身无解。自 SQuAD 1.0 发布以来，社区取得了长足的进步，最佳模 型已经与人类表现相媲美。以下是在 v1.1 测试集上评估的最佳模型的 英国 ExactMatch (EM)。 中国 6% 加拿大 11% 7% 资料来源：CS Rankings、 图表中国信息通信研究院 3-13 发文学者数量占比 TOP10 国家 16 

17 .图表 3-15 SQuAD 最佳模型演进趋势 近年来，中国企业也开始重视并积极举办和参加人工智能挑战赛。在 今年召开的 CVPR 大会上，百度 Apollo 和加州大学伯克利分校联合 举办了自动驾驶研讨会，并基于 ApolloScape 大规模数据集定义了多 项挑战任务，其中视觉领域独角兽企业旷视科技在 WAD 竞赛中战胜 DeepMind 荣获第一。另外，在视频行为识别挑战赛中，中国企业同样 表现不俗，包揽了前三名。除了 CVPR 挑战赛，在越来越多的国际顶级 挑战赛中，来自中国的参赛企业和团队表现地越来越好，屡屡夺冠，预 示着中国人工智能技术正在走向世界前列。 4 全球人工智能企业 4.1 企业结构 从全球范围来看，全球人工智能企业主要集中在 AI+（各个垂直领域）、 大数据和数据服务、视觉、智能机器人领域。其中，AI+ 企业主要集中 在商业（主要包含市场营销和客户管理领域）、医疗健康、金融领域。 从中国来看，各垂直领域的 AI 企业同样集中。在各类垂直行业中，人 工智能渗透较多的包括医疗健康、金融、商业、教育和安防等领域。其 资料来源：中国信息通信研究院（2018 年） 中，医疗健康领域占比最大达到 22%，其次金融和智能商业领域占比 分别达到 14% 和 11%。 图表 4-1 全球人工智能企业结构 49% 资料来源：中国信息通信研究院（2018 年） 17 

18 .图表 4-2 中国 AI+ 领域人工智能企业结构 商业　 教育　 安防　 资料来源：中国信息通信研究院（2018 年） 图表 4-3 全球人工智能企业分布（单位：家） 4.2 企业规模 根据中国信通院数据研究中心的全球 ICT 监测平台实时监测的数据， 截至 2018 年上半年，在全球范围内共监测到 4,998 家人工智能企业。 其中，美国人工智能企业数量 2,039 家位列全球第一，其次是中国（不 含港澳台地区）1,040 家，其后依次是英国 392 家、加拿大 287 家、印 度 152 家。除此之外，以色列、法国和德国人工智能企业的数量也超过 了 100 家。 资料来源：中国信息通信研究院（2018 年） 18 

19 .从企业成立时间看，全球人工智能企业的创业潮集中在 2014 到 2016 图表 4-5 全球人工智能企业数量 TOP20 城市（单位：家） 年，其中不论是全球范围内还是中国，2015 年新增人工智能企业数量 都是最多的。2015 年期间，全球新成立人工智能企业数量达 847 家， 其中中国 238 家。从 2016 年开始，全球创业企业的新增数量开始减 少，创业步伐有所放缓。全球新增初创企业 738 家，到 2017 年这一数 字下降到 324 家。 图表 4-4 人工智能企业成立时间（单位：家） 资料来源：中国信息通信研究院（2018 年） 在中国，人工智能企业主要集中北京、上海和广东三地，北京高居榜 首，上海和广东紧随其后。除此之外，浙江和江苏两省也聚集了较多的 人工智能企业。 资料来源：中国信息通信研究院（2018 年） 4.3 企业区域 图表 4-6 中国主要省份人工智能企业数量（单位：家） 从城市维度看，全球人工智能企业数量排名 TOP20 的城市中，美国占 9 个，中国占 4 个，加拿大 3 个，英国、德国、法国和以色列各占 1 个。 其中，北京成为全球人工智能企业数量最多的城市，有 412 家企业。其 次是旧金山和伦敦，分别有 289 家和 275 家人工智能企业。上海、深 圳和杭州的人工智能企业数量也进入全球 Top20。 资料来源：中国信息通信研究院（2018 年） 19 

20 .5 全球投融资 图表 5-1 全球人工智能投融资笔数分布 (2013-2018Q1) 5.1 投融资分布 近五年全球人工智能行业投资热点集中在 AI+ （垂直行业）、视觉、大数据及数据服务和智 能机器人等领域。在各类 AI+ 垂直行业中，最 受资本青睐的领域有商业智能、医疗健康和 金融等领域。 逐季度投融资数据显示，医疗健康、视觉、商 业智能及智能机器人领域自 2017 年第二季度 以来持续保持较高的投资热度，尤其在第三 53% 季度达到高峰，随后略有回落。而大数据及 数据服务领域作为人工智能领域融资的常青 树，与其他领域相比近年来持续吸引了较多 的资本投入，总体上看也是获投次数最多的 领域。 资料来源：中国信息通信研究院（2018 年） 图表 5-2 全球人工智能各领域投资热度分布 (2013-2018Q1) 资料来源：中国信息通信研究院（2018 年） 20 

21 . 21 对比中国、美国、英国、加拿大等主要国家在 图表 5-3 各国人工智能投融资笔数分布 (2013-2018Q1) AI 各领域的融资笔数构成，发现中国领域分 布更为均衡，而其他主要国家融资更偏重垂 直行业应用 (AI+)。 5.2 投融资规模 2013 年以来，全球人工智能领域投融资热情 持续高涨。2017 年全球人工智能投融资总规 模达到 395 亿美元，中国投融资规模达到 277 亿美元，占比 70%，成为 AI 领域全球吸 纳资本最多的国家。相比之下，美国在投融资 笔数上占比达 41%，超过中国，是全球投融资 最活跃的国家。 资料来源：中国信息通信研究院（2018 年） 图表 5-4 全球（含中国）/中国 AI 投融资变化趋势 资料来源：中国信息通信研究院（2018 年） 21 

22 .图表 5-5 全球 AI 投融资地域分布 (2013-2018Q1) 资料来源：中国信息通信研究院（2018 年） 5.3 全球投融资轮次分布 图表 5-6 全球人工智能各轮次投融资笔数 近五年，全球人工智能领域各轮次融资笔数 除 E、F 轮略有波动外，总体呈逐年增长趋势。 其中，A、B、C、D、E 轮融资笔数 2017 年同比 增速都超过 40%。 资料来源：中国信息通信研究院（2018 年） 22 

23 .全球人工智能领域早期投资持续活跃，种子/天使轮、A 轮投资占 对比中国、美国、英国、加拿大和印度 5 国的种子轮/天使轮/A 轮的投 比最高，合计占比 70% 左右。随着人工智能产业与技术的发展和成 资笔数趋势，发现 2017 年各国的早期投资占比均有下降，中国更是从 熟，B、C、D 轮融资占比逐年增加，2017 年已达到 20% 左右。 2016 年开始就呈现下降趋势，且下降明显。这些趋势意味着中国的人 工智能产业经历了创业爆发阶段，开始走向更成熟的发展阶段。 图表 5-7 全球人工智能投融资笔数轮次占比 资料来源：中国信息通信研究院（2018 年） 图表 5-8 各国人工智能天使/种子/A 轮融资笔数合计占比 资料来源：中国信息通信研究院（2018 年） 23 

24 .6 产业发展 期 (2018-2023) 内复合年增长率 17.45%。全球人工智能芯片市场规模预 6.1 产业发展技术 计到 2023 年将达到 108 亿美元，在预测期 (2017-2023) 内复合年增长 率 53.6%。 《新一代人工智能发展规划》预计，到 2020 年，中国智能计 6.1.1 智能硬件 算芯片市场规模将达到 100 亿元。 智能传感器与智能芯片是智能硬件的重要组成部分。如果说智能芯片 是人工智能的中枢大脑，那么智能传感器就属于分布着神经末梢的神 全球智能硬件市场，霍尼韦尔、BOSCH、ABB 等国际巨头全面布局智 经元。与传统硬件不同的是，智能传感器是将传统传感器，微处理器及 能传感器的多种产品类型；在中国，也涌现了汇顶科技的指纹传感器， 相关电路一体化，形成的具有初级感知处理能力的相对独立的智能处 昆仑海岸的力传感器，但产品布局相对单一。智能芯片方面，在全球 理单元。智能芯片具备高性能的并行计算能力，且同时支持主流人工神 有 NVIDIA 的 GPU、谷歌的 TPU、英特尔的 NNP 和 VPU、IBM 的 True 经网络算法。目前，智能传感器主要包括有触觉、视觉、超声波、温度、 North、ARM 的 DynamIQ、高通的骁龙系列、Imagination 的 GPU 距离传感器等；智能芯片主要包括有 GPU、FPGA、ASIC 以及类脑芯片 Power VR 等主流企业产品；在中国，有华为海思的麒麟系列、寒武纪 等。 的 NPU、地平线的 BPU、西井科技的 deepsouth（深南）和 deepwell（ 深井）、云知声的 UniOne、阿里达摩院在研的 Ali-NPU 等。 ResearchAndMarkets 报告显示：2017 年智能传感器全球市场价值为 269.06 亿美元，预计到 2023 年总市场规模达到 706.17 亿美元，预测 图表 6-1 全球智能硬件领域典型企业 资料来源：中国信息通信研究院（2018 年） 24 

25 .6.1.2 机器视觉技术 随着人工智能技术与实体产业的不断融合发展，计算机视觉算法的图 相对于传统视觉技术，人工智能赋能机器视觉技术，使其初步具备了 像识别能力越来越强，各国也陆续涌现出了一大批优秀的计算机视觉 类似人类对图像特征分级识别的视觉感知与认知机理，其具有速度 公司。在美国，有亚马逊、谷歌、微软、Facebook 等一批跨国科技企业 快、精度高、准确性高等一系列优点。 呈现出从基础层、技术层到应用层的全产业布局的特征；也有一些初 创公司专注局部应用领域，诸如 Cape Analytics 根据住宅航拍照片实 从技术能力上看，其主要实现产业应用中对图像或视频内物体/场景识 现智能估值，Steam、Oculus Home 和 Viveport 成为三大主流 VR 内容 别、分类、定位、检测、图像分割等功能的需求，因此被广泛应用于实 分发平台。在中国，一些计算机视觉顶级企业技术专家更多是名门之 现视频监控、自动驾驶、车辆/人脸识别、医疗影像分析、机器人自主导 后，相关产业也已有多年积累，例如商汤科技当前正在为各大智能手机 航、工业自动化系统、航空及遥感测量等领域。 MarketsandMarkets 厂商提供 AI+ 拍摄、AR 特效与 AI 身份验证等功能服务；格灵深瞳同 报告显示：2017 年基于人工智能的计算机视觉全球市场规模为 23.7 亿 时专注视觉算法技术和嵌入式硬件研发技术；Yi+ 更多的是为商业视 美元，预计 2023 年会达到 253.2 亿美元。预测期 (2018-2023) 内复合 觉内容提供智能化分析与推荐服务，云从科技、旷视科技、依图科技等 年增长率 47.54%。根据前瞻产业研究院报告显示，2017 年中国计算机 企业也有不同布局。 视觉市场规模为 68 亿元，预计 2020 年市场规模达到 780 亿元，年均 复合增长率达 125.5%。 图表 6-2 全球机器视觉领域典型企业 资料来源：中国信息通信研究院（2018 年） 25 

26 .6.1.3 智能语音技术 目前，智能语音技术在用户终端上的应用最为火热。许多互联网公司 智能语音技术是一种可以实现将文本或命令与语音信号相互智能转化 纷纷投入人力和财力展开对此方面的研究和应用，目的是通过语音交 的技术，其主要包含语音识别与语音合成。语音识别就好比“机器的 互的新颖和便利模式迅速占领客户群。在美国，以苹果的 Siri，微软 PC 听觉系统”，通过识别和理解，把语音信号转变为相应的文本或命令。 端的 Cortana，移动端的微软小冰，谷歌的 Google Now，Amazon 的 语音合成就好比“机器的发音系统”，让机器通过阅读相应的文本或命 Echo 都是家喻户晓的产品应用；在中国，诸如科大讯飞、思必驰、云知 令，将其转化为个性化的语音信号。智能语音技术因其可以实现人机语 声，以及互联网巨头 BAT 等均深入布局其中。 音交互、语音控制、声纹识别等功能，被广泛应用于智能音箱、语音助 手等领域。 中商产业研究院数据显示：2017 年，全球智能语音市场规模为 110.3 亿 美元，同比增长 30%。2017 年中国智能语音市场规模达到 105.7 亿元， 与 2016 年相比增长 70%。随着智能语音应用产业的拓展，市场需求增 大，预计 2018 年中国智能语音市场规模将进一步增长，达到 159.7 亿 元。 图表 6-3 全球智能语音领域典型企业 资料来源：中国信息通信研究院（2018 年） 26 

27 .6.1.4 自然语言处理 的亚马逊、脸书以及中国的今日头条等公司利用自然语言技术实现旗 自然语言处理包含了多种多样的研究方向，其主要包括自然语言理解 下购物网站，社交平台或新闻平台的产品评论，社区评论和新闻文章 和自然语言生成。通俗的说，前者是实现计算机“理解”自然语言文本 主题分类与情感分析等功能；谷歌、百度、有道等公司应用纯熟并在不 思想或意图；后者是实现计算机用自然语言文本“表述”思想或意图。 断智能升级的在线翻译服务；诸如日本的 Logbar，中国的科大讯飞与 从应用上看，包括机器翻译、舆情监测、自动摘要、观点提取、字幕生 搜狗等企业的随身多语言翻译机等。在基础平台方面，在美国有 Kore. 成、文本分类、问题回答 (Q&A)、文本语义比对等等。 ai、Linguamatics 等，在中国有百度云、腾讯文智、语言云等。舆情监 测系统方面应用，包括有美国的 Xalted 的 iAcuity，中国朝闻天下的 MarketsandMarkets 数据显示：全球自然语言处理市场规模预计将 Wom-Monitor，创略科技的本果舆情等。 从 2016 年的 76.3 亿美元增长到 2021 年的 160.7 亿美元，复合年增长 率 16.1%。《中国人工智能发展报告 2018》报告显示：2017 年中国人工 智能市场规模达到 237 亿元，其中自然语言处理市场占比 21%，也就 是 49.77 亿元。目前，已经有许多相关的成熟技术应用产品。如美国 图表 6-4 全球自然语言处理领域典型企业 资料来源：中国信息通信研究院（2018 年） 27 

28 .6.2 产业发展应用 目前，在医学研究和制药研发领域，美国 BergHealth 与 Numerate 用 6.2.1 AI+ 医疗 数据驱动药物发现，vion 和 HBI Solution 为医疗机构提供患者疾病 预测和风险分析；智能诊疗领域，IBM Watson 深度聚焦肿瘤领域，并 AI 技术赋能医疗健康领域，使得医疗机构和人员的工作效率得到显著 通过收购和合作不断积累医疗数据资源，扩展各领域生态能力。阿里 提高，医疗成本大幅降低，并且可以使人们做到科学有效的日常检测预 的“Doctor You”系列产品，腾讯的觅影，依图科技的“care.ai™”以 防，更好地管理自身健康。 及 PereDoc 的智能影像辅助诊疗平台实现医学影像辅助诊疗，傅利 叶智能的 Fourier X1 实现了中国首款外骨骼机器人。家庭健康管理领 根据信通院 ICT 监测平台数据显示：近几年，AI+ 医疗健康位列 AI+ 垂 域，WellTok 更关注个人健康管理和生活习惯提升，AiCure 是致力于辅 直应用最热门的领域之一。从应用角度看，智能医疗主要包括医学研 助用户按时用药，碳云智能打造数字生命健康管理平台。 究、制药研发、智能诊疗以及家庭健康管理等方面。从技术细分角度 看，主要包括使用机器学习技术实现药物性能、晶型预测、基因测序预 测等；使用智能语音与自然语言处理技术实现电子病历、智能问诊、导 诊等；使用机器视觉技术实现医学图像识别、病灶识别、皮肤病自检 等。据麦肯锡预测，到 2025 年，全球智能医疗行业规模将达到总 254 亿美元，约占全球人工智能市场总值的 1/5。中国正处于医疗人工智能 的风口，前瞻产业研究院数据显示，2017 年中国医疗人工智能市场规 模超过 130 亿元，并有望在 2018 年达到 200 亿元，医疗人工智能空间 广阔。 图表 6-5 全球智能医疗领域典型企业 资料来源：中国信息通信研究院（2018 年） 28 

29 .6.2.2 AI+ 金融 目前，智能投顾企业主要为一些证券、基金或资产管理牌照经营者转 AI 技术赋能金融领域，从应用角度看，主要包括智能投顾、征信风控、 型形成，如美国 Wealthfront、Betterment，中国的理财魔方、京东智 金融搜索引擎、保险、身份验证和智能客服等。金融是最依赖数据的 投等；在金融智能客服领域，Digital Genius、网易七鱼、智齿客服等企 行业之一，人工智能技术与金融行业相融合，通过基于大数据的人工 业注重提升用户体验；在征信/风控领域，多以政府、企业或个人信息 智能技术驱动金融科技智能化升级。在前台，可以用于为用户提供更 等基础形成基于大数据智能分析的行业壁垒，如具有消费金融和移 舒适、便利与安全的服务；在中台，可以为金融业务中的交易、授信与 动支付数据的美国金融科技公司 Zest Finance 与 Affirm，具有企业多 分析等提供决策辅助功能；在后台，可以针对各类风险改进金融系统。 维实时动态与全量经营数据的征信平台的启信宝；其他企业应用，诸 在后台，可以提高金融系统对各类风险的识别、预警与防控能力。总而 如融 360、Data.GOV、DBpedia 等聚焦金融搜索引擎；商汤、云从、依 言之，人工智能技术将深度重构当前金融业生态格局，使金融服务（银 图、face++ 则依靠其业界领先的人脸识别的核心技术进入身份认证 行、保险、理财、借贷、投资等方面）更加地人性化与智能化。 市场。 根据 PwC 2017 Global Digital IQ Survey 调查显示，全球金融服 务领域的信息利用率仅有 26%，在各行业属于偏低水平。根据 MarketsandMarkets 报告显示：人工智能在金融科技的全球市场规模 预计将从 2017 年的 13.38 亿美元增长到 2022 年的 73.06 亿美元，复 合年增长率 40.4%。 《新一代人工智能发展白皮书 (2017)》预测，2020 年中国智能金融产业规模将达到 8 亿美元。 图表 6-6 全球智能金融领域典型企业 资料来源：中国信息通信研究院（2018 年） 29