前言：中文期刊網精心挑選了人工智能醫療發展報告范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能醫療發展報告范文1
人工智能不是一項單一的科技產業，而是將其他行業進行融合的工具，例如將機器人和保姆結合產生的“看家機器人”，將導航和汽車結合產生的“車聯網”等。在人工智能技術逐步成熟的當下，誰率先在應用上實現突破，誰就有可能在智能時代的競爭中占據優勢。
目前，從醫療健康的監測診斷、智能醫療設備，到教育領域的智能評測、個性化輔導、兒童陪伴，從電商零售領域的倉儲物流、智能導購和客服，到應用在智能汽車的自駕技術，都能看到人工智能的身影。
中國在過去的一年里，長虹、TCL、創維等家電企業都紛紛人工智能家電產品，希望借助人工智能打破家電行業的銷售難題。
不久前，搜狗公司2016全年財報，搜狗借助人工智能技術實現了較大的業績增長。
近年來，百度先后成立了大數據實驗室、深度學習實驗室和硅谷人工智能實驗室，并通過架構調整全面發力人工智能。2016年百度世界大會上，推出“百度大腦”，該項目將對語音、圖像、自然語言處理和用戶畫像、無人駕駛等領域進行重點關注和研發。
人工智能技術的重大突破必將帶來新一輪科技革命和產業革命'對社會經濟和人類生活的方方面面將產生深遠的影響。
人工智能將為現代化發展更換“發動機”。咨詢公司埃森哲研究了美國、芬蘭、英國等12個發達國家并作出預測，到2035年，人工智能將幫助這些國家生產率提高40%左右。
對于中國而言，人工智能帶來的好處將是多方面的。就經濟來說，借助人工智能新技術實現自動化，將極大提高生產率，節省勞動成本；優化行業的現有產品和服務，提升其質量和勞動生產率；通過創造新市場、新就業，將促進市場更加繁榮，開拓更廣闊的市場空間。
在產業升級方面，中國的傳統制造業大而不強的問題亟待克服，人工智能恰恰為制造業轉型升級提供了便利和動力，一是這些企業擁有行業海量的數據和大量資金；二是在生產力水平急需提升、傳統人口紅利逐漸消失的情況下，傳統企業有迫切的意愿來改造升級自己的工廠、業務，提高收益，降低企業成本。因此，制造業既是人工智能可以大有作為的領域，也是中國發展人工智能的優勢領域。
《全球人工智能發展報告2016》顯示，中國人工智能專利申請數累達到15745項，列世界第二；人工智能領域投資達146筆，列世界第三。
人工智能醫療發展報告范文2
【關鍵詞】少子老齡化人工智能時代現狀應對策略
引言
人口老齡化是指一個國家“歲以上人口占總人口的比例超過7%，這表明人類可以活得更健康、更長久。但與此同時，新一代人口增長速度低于上一代入口自然減少的速度也帶來了一系列嚴峻的挑戰。日本是世界上少子老齡不巨見象最嚴峻的國家之一。日本政府借力人工智能所帶來的“第四次產業革命”的紅利，著力解決少子老齡化帶來的社會和經濟問題。近20年來，日本實施一系列的少子老齡化對策，希望提高總和生育率，降低人口縮減的速度，解決少子老齡化危機下的人口老化、勞動力短缺、醫療及養老等社會問題。
一、人工智能時代的來臨
人工智能（ArtificialIntelligence），亦稱智械、機器智能，指由人制造出來的機器所表現出來的智能。通常人工智能是指通過普通計算機程序來呈現人類智能的技術。通過醫學、神經科學、機器人學及統計學等的進步，有些預測則認為人類的無數職業也逐漸被人工智能取代。人工智能的發展是不可逆轉的潮流，各國政府紛紛采取積極的態度，在政策和資金上大力扶持人工智能產業的發展。日本作為全球科技最發達的國家之一，更是將人工智能作為刺激經濟增民和解決少子老齡化問題的關鍵。日本政府制定了“人工智能戰略”，在“人工智能技術戰略會議”上，提出人工智能產業化路線，將2017年確定為人工智能關鍵年，各政府部門對人工智能的研發給與資金支持。此外為了避免人工智能對社會道德、法律等帶了的消極影響，日本政府了《人工智能網絡化的影響與風險：實現智慧網絡社會需解決的問題》報告和《人工智能與人類社會》報告，旨在使人工智能的使用更加合理，避免惡意使用人工智能的情況發生。
二、日本少子老齡化的現狀
少子老齡化是指一方面由于總和生育率降低以及醫療發達、國民平均壽命延民等原因，兒童占總人口比重降低，另一方面“歲以上老齡人口的比例提高的社會現象。根據聯合國世界衛生組織的傳統標準，60歲以上公民被定義為老年人，一個地區60歲以上老年人達到總人口的10%則被視為步入老齡化社會。65歲以上人口比率超過21%的話，就可以被稱為“超老齡化社會”。根據日本國立社會保障人口問題研究所的預測，日本老齡人口比例在2020年將達到26.9%，2035年老齡人口比例將達到33.4%，日本已經毫無疑問地步入了“超老齡化社會”。
另一方面，二戰結束后的1947年至1949年，日本出現了第一個生育高峰，平均每年有270萬人出生。隨著第一次生育高峰的出生人群進入適婚年齡，1971年至1973年日本又出現了第二次生育高峰，最高時每年出生人口達210萬。但此后無論是出生人口數量還是總和生育率都在下降。如果一個國家的總和生育率超長時間內低于維持人口長期穩定發展的更替水平（2.1），被稱為少子化；如果長時間內低于1.3，則被稱為“超少子化”。2005年日本《少子化社會白皮書》指出，日本已經進入“超少子國家”。
根據日本國立社會保障人口問題研究所的調查估計，日本的總人口預計2030年為，億1，662萬人，2048年將不足一億，下降到9，913萬人，2060年預計達到8，674萬人。按照這樣的人口總數來看，勞動力人口到2060年將降到至50.9%，與此相對應老齡人口將上升至39.9%。也就是說，1位老齡人口需要2位勞動力人口支撐，可以說成為非常嚴峻的社會問題。15歲至64歲被譽為“勞動力人口”，65歲以上可以從現在從事的工作上退休下來，被稱為“老年人”。在日本，國民20歲成年后需要交納年金的保險費，到“歲后可以獲取年金。實際上是現在的勞動力繳納的年金成為老齡人口的年金。那么隨著少子老齡化的推進，會出現什么社會問題呢？因為繳納年金的勞動力人口變少，獲取年金的老齡人口增加，所以人均繳納的保險費變高。這樣就導致經濟負擔加重，在經濟上養育孩子的經濟能力變小，形成惡性循環。
三、日本少子老齡化的應對策略
2018年日本原總務大臣、創成會議主席增田寬也在清華大學的講座“日本的人口減少及其應多策略”中提到“要解決人口問題還需要舉全國之力，從國家層面做出政策，而且僅靠中央政府還不夠，還需要地方政府一起努力，各個部門互相協作。例如，要想解決老年人護理問題，一是要有足夠的從財政支持，二要有專業護理人才，此外還需要通過新技術包括人工智能、機器人等提升護理水平。最后，還應在城市設計和建設上充分考慮老齡化的影響，這其中就包括了財政部、負責勞動合同人口政策的部門以及相關技術產業部門和負責城市開發建設的部門?！?/p>
（一）年金保險制度改革
隨著人口老齡化，每年用于支付年金的財政支出越來越多，另一方面，少子化導致的勞動力人口減少勞動力人口養育子女的經濟負擔增大。日本政府認識到少子老齡化是日本迫在眉睫需要解決的社會問題。在日本社會保障制度方面，進行了一系列改革。
首先，社會保障制度的收取方式進行改革。2004年開始，日本政府開始調整給付年齡，延遲退休這一提議開始興起。按照勞動法的規定60歲退休，如果本人申請，可以延遲退休年齡，同時導入“繼續雇傭制度”。隨著少子老齡化的推進，到2025年將要面臨更加嚴峻的少子老齡化問題。日本政府甚至提案將老齡人口的那個界限由65歲提高至70歲至75歲。另外也有提案將年金的領取年齡提高至70歲以后開始。其次，提高了勞動力人口的保險費用金額，增加了勞動力人口的保險費負擔。為了應對不斷增加的保險費用額度，采取了增稅的形式。同時以發行國債的方式來實現。
（二）海外移民玫策調整
日本現在少子老齡化問題進展下去的話，勞動力人口越來越少，老齡人口越來越多。勞動力人口不足、醫療、養老護理等方面將面臨人手不足、養老金支出帶來的政府財政壓力等嚴重問題頻發。為了解決這一系列問題，日本調整了海外移民政策，如2006年的“永久居留新準則”、2006年和2007年的“經濟伙伴關系協定（EPA）”批準、2008年的"30萬交換生午餐計劃”、2010年的“面向第三世界的難民的相關計劃”、2012年的“技術移民積分制度”等。內閣府通過反復調查論證指出，如果每年引入20萬人的話，日本人口能夠維持在1億人以上，在一定程度上緩解老齡化問題。但是，海外移民也會帶來“日本的文化信仰危機”、“社會治安問題”，所以日本政府在全面開放外人勞動力人籍、永住政策以及接受國際難民等方面，持保守態度。
（三）改善育兒養老環境，大力發展老齡產業
2003年被譽為日本少子化對策元年，日本政府開始推進積極的少子化的應對政策，制定了《關于培養支援下一代的當前方針》；2004年進一步具體花了相關政策，出臺了《少子化社會對策大綱》；2013年內閣府通過了《少子化危機緊急對策》。少子化政策實施20多年來，日本社會的保育機構，女性在職育兒保障制度及育JL補貼等各個方面不斷完善，對緩解少子化進程發揮了一定作用。
在20世紀七十年代，日本政府提出了老齡產業的概念，2000年開始，老年人長期護理相關產業逐漸成為新領軍行業，與養老產業相關的醫療、福利相關產業得到了快速發展，老年服裝、食品、保健、養老看護等服務行業，形成了有一定市場規模、相對成熟的老齡產業。
（四）導入人工智能及機器人
日本政府高度重視人工智能的發展，為了彌補勞動力不足，機器人及人工智能得到了廣泛的關注，被稱為“第四次產業革命，’。還在國家層面建立了相對完整的促進機制，希望通過大力發展人工智能，保持并擴大其技術優勢，逐步解決人口老化、勞動力短缺、醫療及養老等社會問題。日本政府設立“人工智能技術戰略會議”，由總務省、文部科學省和經濟產業省協作推進入工智能技術研發及應用。比如，無人售貨的商店里沒有收銀員，機器人和人工智能在汽車制造業的導入，能夠提高生產率。將人工智能技術應用于養老產業、醫療護理產業，讓老齡勞動能夠繼續工作，從而緩解日本社會勞動力不足。
四、結語
人工智能醫療發展報告范文3
A股中，思創醫惠(300078)參股的杭州認知加速推進全球頂級人工智能IBMWatson在華落地；衛寧健康(300253)成立了聯合實驗室，從事醫療大數據 與人工智能方面的研究。久遠銀海(002777)去年定增募資投向智能醫療相關項目；浪潮信息(000977)在國內人工智能計算領域的市場份額超過60%。
【官方表示：中國國家公園將實行最嚴格生態保護】中國國家發改委有關負責人13日就《建立國家公園體制總體方案》(以下簡稱方案)進行解讀。該負責人指出，國家公園比一般的自然保護地更具有國家代表性和典型性，面積更大，生態系統更完整，保護更嚴格。
【中期協：明年將首度開始期貨全行業綜合壓力測試】據新華社報道，13日，中國期貨業協會《期貨公司壓力測試指引(試行)》，并表示在2018年初組織開展首次年度綜合壓力測試工作，加強系統性風險防范，以確保期貨市場穩定運行。
【財政部公布十月收支 賣地收入連續增幅30%以上】財政部數據顯示，1-10月累計，全國政府性基金預算收入43152億元，同比增長31.6%。
【中金：華能國際和中煤能源有望被納入滬深300指數】中金分析師王漢鋒等報告稱，浙商證券、廣州港、歐派家居也在可能被納入滬深300指數的備選個股之列。
保監會：堅定不移貫徹落實新發展理念，堅持“保險業姓保”，更好地服務實體經濟發展，更好地服務國家戰略、助推脫貧攻堅和民生改善。
人工智能醫療發展報告范文4
近年來，人工智能數據、算法、算力生態條件日益成熟，我國人工智能產業發展迎來一輪戰略機遇，智能芯片、智能無人機、智能網聯汽車、智能機器人等細分產業，以及醫療健康、金融、供應鏈、交通、制造、家居、軌道交通等重點應用領域發展勢頭良好。2020全球人工智能產品應用博覽會近日在蘇州開幕，會上，中國經濟信息社江蘇中心聯合新一代人工智能產業技術創新戰略聯盟共同《新一代人工智能發展年度報告(2019-2020)》?！赌陥蟆氛J為，當前我國人工智能產業發展面臨四大問題亟待“求解”。
一是我國人工智能領域的基礎創新投入嚴重不足。從企業研發創新看，中國人工智能企業的創新研發支出仍遠遠落后于美國、歐洲和日本。2018—2019年，美國人工智能領域企業投入的科技研發費用占據了全球科技支出的61%，我國人工智能領域企業研發支出雖然快速增加，增速達到34%，但實際占據的全球科技支出份額明顯小于美國。從人工智能知識產權保有量看，我國各類實體擁有的人工智能專利總量超過3萬件，位居世界第一，但中國相關企業擁有的人工智能相關專利多為門檻較低的實用新型專利，發明專利僅占專利申請總量的23%。同時，根據世界知識產權組織的數據，我國企業擁有的95％的人工智能設計專利和61％的人工智能實用新型專利將會在5年后失效，相比之下，美國85.6％的人工智能專利技術在5年后仍在支付維護費用。2020年，我國需要在人工智能基礎研究與創新，打造核心關鍵技術長板、加強知識產權保護方面加大投入力度。我國人工智能產業的算力算法核心基礎相對薄弱。我國人工智能發展在數據規模和算法集成應用上都走在世界前列，但在人工智能基礎算力方面，能提供國產化算力支持的企業還不多。在人工智能的算力支持方面，IBM、HPE、戴爾等國際巨頭穩居全球服務器市場前三位，浪潮、聯想、新華三、華為等國內企業市場份額有限；國內人工智能芯片廠商需要大量依靠高通、英偉達、AMD、賽靈思、美滿電子、EMC、安華高、聯發科等國際巨頭供貨，中科寒武紀等國內企業發展剛剛起步。在人工智能算法方面，主流框架與數據集領域國內外企業龍頭企業包括谷歌、臉書、亞馬遜、微軟等，深度學習主流框架TensorFlow、Caffe等均為美國企業或機構掌握，百度、第四范式、曠視科技等國內企業的算法框架和數據集尚未得到業界的廣泛認可和應用。2020年，我國需要進一步部署加強人工智能基礎設施建設，并重視國內人工智能算法框架的創新推廣。
二是“高端”的AI技術與“中低端”的產業之間存在脫節現象。相對于龐大的經濟體量，目前我國人工智能推廣應用有限，仍有不小提升空間。人工智能技術與企業業務需求存在鴻溝，尤其是傳統企業的整體智能化程度偏低。以制造業為例，業務信息化水平不足造成的場景數據獲取困難，研發投入大和交付周期長，成為一部分企業利用AI進行轉型升級的制約因素。
三是產學研合作密切度待提升，成果轉化率不高。一方面，高水平、跨行業復合型人才稀缺。當前我國人工智能產業發展迅速，但人才尤其是高水平、資深人才規模較小，難以滿足行業發展需求。我國人工智能基礎環節薄弱，與缺少頂級基礎研究人才有直接關系。市場上缺少既了解行業又掌握人工智能關鍵技術，還能夠進行應用開發的復合型人才。另一方面，對我國人工智能產業而言，高校、科研院所、企業之間如何實現密切合作的問題亟待解決?，F有產學研合作培養模式較為單一，高校、科研院所、企業之間的合作多為自發性短期行為，缺乏頂層統籌以及可持續運行機制。
四是數據使用不規范問題較為突出，安全問題逐漸顯現。人工智能技術在造福人類的同時，也引發了諸多安全問題，以算法戰、深度偽造為代表的人工智能技術濫用給經濟社會帶來嚴重負面影響。算法戰指的是將人工智能算法、機器學習等技術全面應用于對敵作戰中的情報收集、武器裝備、戰場勘測、指揮協同、決策制定等環節，核心目標是利用人工智能技術提升軍事作戰能力；深度偽造是一種基于深度學習的人物圖像合成技術，隨著人工智能算法開源不斷推進，深度偽造技術門檻正在不斷降低，非專業人員已經可以利用簡單開源代碼快速制作出以假亂真的視頻和圖像。2019年以來，基于人工智能的算法戰和深度偽造的正在擴大軍事影響、形成網絡暴力、破壞政治選舉、擾亂外交關系等方面被濫用，并給社會和國家帶來極大風險。上述對人工智能技術的濫用給我國家安全、產業安全、社會經濟安全帶來巨大風險，需提前預防可能風險，并尋求國際支持。
對策建議：
一是加強人工智能基礎能力建設。首先要大力推進人工智能算法庫、解決方案庫、數據集及公共服務平臺建設，強化人工智能發展基礎。其次加強面向人工智能發展應用的5G網絡、邊緣計算硬件新興信息基礎設施建設。最后要對各行業企業自動化、智能化改造的產出、效果進行科學有效測算，指導企業找準技術研發投入的切入點，利用好人工智能技術實現經濟社會高質量發展。
人工智能醫療發展報告范文5
解詞
人工智能（A r t i f i c i a l Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
論調
2016年是人工智能概念提出60周年。對于人工智能，斯蒂芬?霍金博士評論道：“真正的人工智能技術，將是人類歷史上最了不起的發明。”
2016年3月初，經過7天的鏖戰，谷歌的“阿爾法狗”（AlphaGo）在人機圍棋大賽中大勝韓國九段李世石，彰顯了當代人工智能的飛速進展和強大實力，也給無數人的心靈震撼一擊。
同時，其他巨頭的人工智能產品也都在不斷顯露鋒芒。2016年4月，阿里云人工智能程序小Ai成功預測了《我是歌手》第四季總決賽的前三名，并在最終對決中成功預測李玟奪冠；微軟的人工智能系統實現了“看圖講故事”；百度的“百度大腦”已經達到4歲孩子的智力水平，百度無人汽車已在路況復雜的北京五環路上試行，應急表現優于司機；度秘機器人已經入駐上海虹橋的肯德基概念店，直接為客人點餐，等等。
看上去，這些人工智能離大規模普及似乎還需較長時間，實際上，隨著人工智能與大數據、物聯網、機器人、生物醫藥、虛擬現實等新興產業結合，它對其他產業乃至社會經濟的滲透速度，將會越來越快。
當前，新一輪科技革命和產業變革正在孕育興起。從2016年11月召開的第三屆世界互聯網大會來看，世界互聯網科技的創新正在呈現出愈加趨向前沿科技競爭的方向。前沿技術的創新作為互聯網行業的“風向標”，幾乎決定了整個互聯網的發展高度。
2016年10月，奧巴馬主持白宮前沿峰會，展望美國在未來50年的發展。白宮在峰會上《國家人工智能研究與發展策略規劃》報告，旨在把人工智能計劃的全部潛能用來強化經濟及改善社會。不僅如此，歐盟委員會也宣布，“人腦工程項目”入選歐盟“未來新興旗艦技術項目”。
而中國對人工智能的重視程度與扶持力度也在持續提升。2015年7月的《國務院關于積極推進“互聯網+”行動的指導意見》，明確指出要重點發展人工智能在家居、終端、汽車、機器人等領域的應用；“十三五”規劃中將人工智能上升為國家戰略；2016年5月，國家發改委、中央網信辦等聯合印發《“互聯網+”人工智能三年行動實施方案》……毋庸置疑，未來人工智能技術的發展與飛躍，將極大地改變世界面貌，改變人們的生活方式。
電報從發明到推廣用了20年；電話從發明到推廣用了不到10年時間；而當前計算機軟件的研發和推廣，常常連幾個月時間都用不到――2017年1月初，在AlphaGo的升級版化身“神秘棋手”Master以60勝0負1平的戰績橫掃人類圍棋高手之后，人工智能百度大腦又險勝“世界記憶大師”――互聯網在進入下半場的同時，新的一幕在2017年被揭開，人工智能激動人心，充滿無限可能。
記事
當前，一股席卷全球的人工智能熱潮正撲面而來，無論是硅谷的創業公司、大學及科研機構，還是世界科技巨頭谷歌、微軟及百度都紛紛在人工智能領域投入大量人力物力，著手進行前瞻性研究。
AlphaGo大勝李世石
2016年3月15日，谷歌人工智能圍棋軟件AlphaGo與韓國名將李世石的第五場對戰結束，AlphaGo以4：1的總比分大勝李世石。3月9日到15日，AlphaGo與李世石一共大戰五局，前三局AlphaGo大勝，第四局李世石扭轉了敗勢，但第五局李世石再次失利。
作為中華民族傳承已久的棋類游戲，圍棋一直以來都被業內公認為是一塊計算機無法攻克的高地?；仡欉@場吸睛全球的人機大戰，其意義已經遠超圍棋，人們熱衷于談論AlphaGo，更多的是出于對人工智能技術的關切。
2016年3月12日，《經濟學人》刊發題為《人工智能和圍棋一決勝負》的文章指出，不同于1997年深藍對弈的國際象棋，AlphaGo對弈的圍棋更加復雜，每下一步后能產生的可能性也更多。但AlphaGo背后的算法在比賽中已經顯示出自己的優勢。通過深度學習，它已經能模擬人類下棋，擁有“直覺”，并能給出下一步的最佳策略選擇。深度學習是未來通用人工智能必不可少的部分，目前已經有眾多公司在這一領域投入資金和精力。未來，我們可以期待深度學習在人臉識別、語音識別甚至是醫療領域的應用。
百度大腦險勝“世界記憶大師”
2017年1月6日晚，江蘇衛視播出的第四季《最強大腦》節目中迎來一位特殊選手――百度派出搭載百度大腦的人工智能機器人“小度”，挑戰最強大腦的名人堂選手。經過兩小時比賽，“小度”憑借在人工智能和人臉識別領域的深厚積累，以3：2險勝人類最強大腦的代表王峰。
百度大腦“小度”的背后是萬億級的參數、千億樣本和千億特征訓練，能模擬人腦的工作機制，學習訓練極其復雜的模型。
此前，百度董事長兼CEO李彥宏也在《最強大腦》第四季預告片中表示，如果最強大腦是人類腦力極限的代表，那么百度大腦是人工智能高水平的代表。無論輸贏，都會對人工智能的技術發展做出突破性的貢獻。
人工智能醫療發展報告范文6
據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。
隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。
2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能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涌入，將人工智能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？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、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。
第一部分人工智能行業發展概述
1.人工智能概念及發展
人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制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“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，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，前所未有的人工智能商業化和全球化浪潮席卷而來。
人工智能發展歷程
2.人工智能產業鏈圖譜
人工智能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、半導體芯片供應商、傳感器供應商和云服務商。
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，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。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。
人工智能產業鏈
資料來源：創業邦研究中心
第二部分人工智能行業巨頭布局
巨頭積極尋找人工智能落地場景，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并加以理解，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、算力和算法
數據、算力和算法是影響機器視覺行業發展的三要素。 人工智能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算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。
深度學習出現后，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征，然后按照該特征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
機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件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）軟件服務：技術算法驅動者—“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件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，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，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。
國內外基礎算法應用對比
資料來源：互聯網公開信息，創業邦研究中心整理
（2）軟硬件一體化：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+軟件+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，建立算法平臺、通用技術平臺和應用平臺，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采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。
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、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的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）深度學習解決視覺算法場景的專用芯片
以AI芯片方式作為視覺處理芯片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于顏色空間，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。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復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于學術界，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。創業公司要么通過自有平臺獲取數據，要么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絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM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。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到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，開放平臺擴大生態圈成主流
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臺和語音能力，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
低噪聲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、復雜噪聲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、標注可用于模型的訓練，有助于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，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片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，并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，硅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、搜索算法、知識圖譜、記憶網絡等知識的協同應用，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并可結合行業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?；竟ぷ髟硎窃诰€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。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。
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，并且基于自身的知識系統和對于對話目標的理解，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)應用于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。
第五部分人工智能在金融行業的應用分析
人工智能產業鏈包含基礎層、技術層、應用層三個層面?；A層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。
人工智能在金融行業的典型應用情況
資料來源：創業邦研究中心
第六部分人工智能在醫療行業的應用分析
1.人工智能在醫療行業的應用圖譜
人工智能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 人工智能在醫療行業的應用圖譜
資料來源：創業邦研究中心
2.人工智能在醫療行業的具體應用場景
醫學影像。人工智能應用于醫學影像，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。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，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。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，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，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能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。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，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伙伴，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，用藥咨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，上接上游軟硬件提供商，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、新制造新能源等。
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年內處于高速滲透期，然 后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后，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，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在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，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 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，那么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能企業畫像分析
隨著人工智能技術的不斷成熟，人工智能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多家人工智能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中國人工智能創新成長企業50強”。
地域分布
全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達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，成為人工智能創業首要陣地;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，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;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能產業發展。
行業分布
從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，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巨頭占據行業領先地位， 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，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能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能落地帶來了發展前景。機器人作為人工智能產業落地輸出， 目前市場需求較大，商業機器人占據較大份額。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。人工智能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，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為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能獨角獸企業。(備注：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能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、大數據智能采集挖掘等語言智能產品，致力于成為醫學、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能時代，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藥企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能采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，曾先后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、曾主導多項人工智能重大項目，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，其中碩士以上學歷占比60%，技術開發人員占比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）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統于2016年9月首秀，早于谷歌的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，支持私有部署和云端混合部署，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，適用于所有專業寫作場景，可大幅減少專業報告寫作過程中的繁復工作，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。大數據智能采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并結合知識圖譜提供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件開發企業，2016年分別在美國硅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于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，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、車聯天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；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
團隊核心成員來自于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，畢業于清華、交大、中科大和浙大等知名高校。
創始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近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傳感器研發和設計、圖像處理算法研發和圖像處理芯片設計。
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/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知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絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，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，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數據技術，為學生提供量身定制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等人工智能教育公司，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，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯合實驗室。
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能技術，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，以人工智能+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。
智適應學習人工智能系統
智適應學習人工智能系統模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳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.云從科技
企業概述
云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業，專注于計算機視覺與人工智 能。云從科技是人工智能行業國家隊，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，云從科技成為祖國“一帶一路”戰略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。
云從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業；模式創新，三大平臺解決方案，科學家平臺、核心技術平臺和行業應用平臺。
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，專注于人工智能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、雜志 上發表60余篇文章，被引用上千次。
核心技術團隊
云從科技依托美國UIUC和硅谷兩個前沿實驗室，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。
云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，云從科技入選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“3D結構光人臉識別技術”，可全面應用于手機、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，其中云從科 技中標了88家總行平臺，市場占有率約為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臺等智能化系統，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。致力于“發現視覺信息的價值”。
旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，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、人臉識別引擎等基于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
團隊成員來自于斯坦福、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
北京大學軟件工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作伙伴經理，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年創業于美國硅谷和新加坡，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圖像并應用簡單的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，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業。
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，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、松散耦合性、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簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，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，基于深度學習技術，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于公司自主研發的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、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采集、算法模型說明和部署方案三部分，其中數據采集包括人臉數據采集、商品數據采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。
6.擎創科技
企業簡介
擎創科技成立于2016年，專注于將人工智能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、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年的企業級軟件開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發硅谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕于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件廠商。
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、大型制造業、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臺，實現以人工智能為核心，驅動傳統IT運維監、管、控三個層面，并將相關運維數據及業務數據實時展現。
“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發現并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絡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制造行業標桿客戶形成穩定的合作關系，包括浦發銀行、浦發硅谷銀行、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，采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，都具有較強的可復制性。
核心優勢
