人工智能商業化應用范文
時間：2023-11-15 17:55:34
導語：如何才能寫好一篇人工智能商業化應用，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。
篇1
北京鑫根投資管理有限公司創始合伙人曾強提出了人類六次飛躍的革命。他表示：“前五次是地權、海權、空權、幣權到網權的爭奪，每一次爭奪都產生了每一次大國的崛起。我們認為在最近的這幾年所發生的事情是人類的第六次制高點的爭奪，那就是智權。智權的爭奪對下一個大國的崛起會起到最重要?！?/p>
人工智能其實離每個人都很近，就像北京曠視科技Face+創始人兼CEO印奇所說：“今年是個人臉識別的大年。”印奇非?？春靡粋€行業，叫“城市大腦”。他表示，在新型城市的建設里面有很多安防攝像頭，這些攝像頭連接會成為整個城市建設的基礎信息，這些信息量是最全的，這是一個未來物理世界和城市管理的基礎設施，這些基礎數據會像水電煤一樣體現在各個方面。
印奇認為，當大家提到人工智能的時候，一定要做人工智能的產業和行業結合，人工智能的公司不能簡單說是一家技術公司，而是要做產品落地。同時他還提出：“在人工智能(AI)這個場景下，最終的商業價值的話語權取決于對數據運營權的爭奪，我們到底是一個AI+行業，還是行業+AI，最終看這個行業最重要的流通數據掌握在什么樣的生態里?！?/p>
ScopeMedia Inc.，聯合創始人，CEO王延青非常贊同印奇的觀點。他說，人工智能一定要跟行業結合，要不然自己就是一個數學公式。
王延青說：“我們自己盡量多做產品，少做項目，因為我感覺人工智能現在仍然處于一個找市場、找突破口，沒有一個公司真正壟斷的行業，把一個入口做好就是一件很好的事情。同時，我們試圖做成某種標桿、某種標準，這也是我們一個努力的方向?！?/p>
對于人工智能的理解，哈佛大學腦科學中心博士/腦機接口公司BrainCo創始人兼CEO韓壁丞相信，通過數據的力量可以讓非啟蒙式的腦接口走向普及的大眾。比如能夠實時了解學生上課狀態的的智能儀器，用大腦來控制的智能假肢、中風偏癱患者的康復產品，以及預防老年癡呆的產品，都是人工智能和接口做的具體商業化的產品和落地。
中國新一代人工智能發展戰略研究院副院長劉剛教授也談了自己對人工智能的看法。他表示，人工智能用在智能制造的時候實際上是兩條路徑，一條是阿里巴巴的工業大腦，還有一條是往控制系統上做。人工智能在產品化和商業化的過程中，任何一個新技術都要解決市場技術識別、資源整合和合法化這三個問題。
在人工智能產品化和商業化過程中，石頭科技創始人兼CEO昌敬向大家介紹了一個比較實際的落地案例。昌敬說：“我們把一些谷歌無人車的技術應用到了掃地機器人領域，讓人掃地機器人變得更聰明一些。人工智能的加入，大大降低產品的閑置率?！?/p>
篇2
關鍵詞：智能制造；關鍵技術；政策建議
一、當前經濟形勢下智能制造發展宏觀分析
1.基礎技術的應用和發展
隨著我國需求市場的蓬勃發展，一大批企業的快速跟進，使我國在計算機視覺、中文語音識別和無人駕駛等典型應用方面進入全球前列，具備了加速發展的市場條件和產業基礎。在新一代信息技術接力式創新的驅動下，萬物互聯和智能化趨勢越發明顯，預計2035年全球聯網設備數量將突破千億件，將快速推動智能制造快速發展。近年來在算法、數據和算力三方面的突破下，新一代人工智能開始成為新的競爭焦點。人工智能在看、聽、理解等關鍵指標上已經媲美甚至趕超人類。在機器識別圖像、語音和自然語言等開始廣泛應用，類似技術已廣泛嵌入呼叫中心、客服系統、智能助手、聊天機器人等產品中。人工智能蘊含著無可估量機遇，各路企業爭相涌入布局。從2013年到2017年，全球人工智能投資事件從310件增長到1349件，投資額從17億美元增長到152億美元，安防、醫療、交通、制造等數據豐富的行業成為重點投資領域。
2.我國智能制造發展情況
隨著我國智能制造發展的快速推動，依托用戶規模、應用場景、風險資金和科技論文等優勢，我國在一些基礎技術的應用方面進入全球前列，一大批骨干企業快速發展，在智能制造產業各個環節積極布局，為我國智能制造的快速發展，實現彎道剎車提供有利條件。數據資源是發展人工智能的關鍵要素，主要來自用戶和聯網設備。從用戶數看，到2017年底，我國有3.49億固定寬帶用戶，是美國的3.5倍，占全球38%。從數據量來看，我國已占全球13%，據高盛報告預測，隨著用戶數和在線時長增長，這一指標到2020年預計提升至20%—25%。我國有用戶規模的先天優勢。我國有近4億的年輕用戶，他們對新科技、新產品的接受度比較高，所以廣泛的行業分布、多樣的用戶需求為拓展人工智能應用提供了廣闊市場。在這一輪人工智能剛興起時，國內一批公司深耕計算機視覺技術，目前從算法水準和應用情況看，人臉識別、安防監控等領域已獲得全球認可。總體上，智能應用開始進入快速擴展期，我國有望在更多領域形成自身優勢。
二、我國智能制造發展當前階段面臨的問題
1.芯片產業發展有待提升
高端芯片產業的發展是智能制造的重要前提，但是芯片關鍵技術方面還有很大的提高空間，目前處于“受制于人”的情況。當前芯片產業關鍵技術方面美國還是占主導地位，首先，圖形處理芯片方面，英偉達、超威和英特爾三強主導市場方向。其次，可編程邏輯陣列芯片方面，賽靈思和英特爾兩強主導市場。第三，專用集成電路(ASIC)芯片方面，谷歌的張量處理芯片(TPU)性能優勢明顯。目前，由于價格和關鍵技術的制約我國還處于芯片進口階段，孫然有部分企業可以進行芯片的定制，但是由于資本投入和商業化推廣的弊端還處于初級階段。
2.人工智能的基礎技術依舊不能形成單獨生態體系
人工智能的算法框架依附于國外巨頭開源生態體系。當前我國人工智能產業必須降低人工智能產品或應用開發成本，進而吸引世界各地開發者入駐生態。從高盛報告看，谷歌Tensorflow算法框架聚集了6.8萬名明星開發者；而百度Pad-dlePaddle平臺僅有5330位，不到前者1/10。我國當前大部分都機遇谷歌的基礎算法框架進行開發，很難自主建立內生性的生態系統。3.專業技術人才的缺失異常嚴重智能制造的重要核心就是專業技術人才的集聚，但是我國智能制造相關人才總量和人才結構上還處于比較落后的階段。如全球最大招聘網站領英2017年《全球AI領域人才報告》顯示，全球人工智能人才數量190萬人，其中美國85萬人，我國5萬人，位列印度、英國、加拿大、澳大利亞、法國之后，排第七位。從專業化人員從業時間來看，與美國相比我國專業化從業人員，從業超過十年以上的不足40%，而美國卻超過了70%，我國大部分關鍵技術人員和管理人員都是海外引進，我國在智能制造的核心技術方面，尤其是人工智能的底層算法方面與美國還是有很大的距離。
4.我國關鍵技術創新相關的政策法規落后于技術創新的需求
數據開放、隱私管理、算法歧視、網絡攻擊等方面需要新的監管法規。以智能影像診斷為例，美國2017年采取先上市后批準的模式助推產業創新；我國則按照醫療器械監管，要求經過器械檢測、臨床評測、器械技術審批、政府發放批文等四個環節，企業反映總耗時30個月，且準入制度、收費模式、醫保對接等尚是空白。所以，首先數據開放是我們必須要解決的問題，我國政府數據開放排名全球靠后，而在科技巨頭之間創建標準統一、跨平臺分享的數據生態系統要落后于美國。其次數據隱私管理方面問題，海量數據的采集不可避免涉及個人隱私，如何避免濫用是各方關切點。最后是網絡攻擊問題，防御網絡攻擊、保障安全是客戶最為關心的主要問題。
三、推動我國智能制造發展的路徑及建議
1.建立核心技術研發標準，加大產業上下游銜接
我國智能制造雖然全面推廣，但是在芯片產業方面還是短板，想要借助人工智能的機會實現彎道超車必須要放長戰線，做好基礎研發工作。我國消費市場具有一定的優勢，要做好開放合作的準備，加強學習的強度，縮短學習的周期。避免資金、人才等資源的浪費，推進強強聯合，鼓勵走差異化技術路線。優化產業鏈條，加強上下游的銜接，利用好國內良好的消費市場，產業鏈相關企業要積極抓住這個機會，積極實現商業化應用。
2.建立標準化產業鏈條平臺
積極累計專業化技術成果，雖然我國在機器視覺算法方面也走在全球前列，但沒有完整商業化生態體系，要快速構建原生的算法構架和標準化平臺。要借鑒PC互聯網時代win-dows操作系統主導生態、移動互聯網時代安卓主導生態的經驗做法，支持組建產業聯盟構筑生態搭建算法框架。政策上支持構建算法構架，兼容多平臺應用，抓住機會提升我國基礎技術平臺的應用和研發水平。并且要建設以人工智能為基礎的公共數據資源庫、標準測試數據集，為評估算法效能提供評價基準。
篇3
2012年，在技術創業尚未形成風氣之時，他中斷了在美國的學術道路，回到中國，與中學同學、前阿里云總監林晨曦創辦了依圖科技公司，致力于計算機視覺業務。談到創業的初衷，他說：“我始終認為，技術要應用于現實生活中，才能發揮出最大的價值。”
2013年，依圖科技拿到了真格基金百萬美元的天使投資。2015年和2016年，依圖科技先后完成A輪、B輪融資，估值數千萬美元，成為業界最被看好的計算機視覺創業公司之一。
創業四年，甘苦嘗盡。朱瓏的技術優勢顯而易見，要面對的難題也不少：沒有商科背景，是否會讓他在管理上左支右絀？在人工智能這樣的前沿領域，沒有現成的商業模式可供借鑒，他該如何取舍公司的業務方向？
8月，趁朱瓏在北京出差之際，《時間線》對他進行了專訪，聽朱瓏講述行走在中國科技產業浪潮之巔的故事。
《時間線》：2012年你創業的時候，國內人工智能市場是怎樣的？
朱瓏：當時大家對人工智能的未來不像今天這樣有信心，資本對這個圈子的熱度也遠不如今天。并不是說你來自MIT就很容易拿到投資。我認為2012年是技術類創業的標桿性的一年，此后，創投圈開始從“資金密集型”和“資源密集型”轉向“智慧密集型”。
《時間線》：如你所說，當時資本圈對AI并不像今天這樣抱有信心，依圖拿到真格基金百萬美元的天使投資，經歷了怎樣的過程？
朱瓏：在紅杉資本中國基金副總裁吳瑩的介紹下，我和我的合伙人林晨曦與真格基金的創始人徐小平先生在他的家中見面，交流了十幾個小時。當時，徐老師對人工智能技術并不十分了解，但非?？春梦覀兊膱F隊和AI的未來，提出給依圖兩百萬美元的投資，這筆資金動用了當時真格基金總額的7%，我認為徐小平老師是個非常有魄力的投資人。
《時間線》：你們的很多項目都是與政府部門合作的，一家創業公司是如何取得政府的信任的？
朱瓏：我回國之后動用了自己在國內所有的人際關系，最終獲得了在某個公安系統會議的茶歇時間與一名負責人交流3分鐘的機會。經過一番爭取，他愿意讓我嘗試計算機車輛識別系統，當時計算機的車輛自動識別準確率不到30%，對方希望提升到70%。接到任務兩個月后，我們做出了一套車輛識別系統，識別準確率達到了90%，獲得公司成立后的第一單業務。
由此開始，我們與公安系統開始了長期緊密合作，將人臉識別技術應用于追逃、刑偵、監控等方 面。
《時間線》：人臉識別技術具體可以如何應用到公安系統的工作中？
朱瓏：我們曾協助蘇州公安完成一起追逃任務，公安用全國在逃庫的26萬人與常住及暫住人口庫中的1300萬人進行比對，通過人臉識別的捕捉，系統共預警25人。經過人工甄別，最終確定了17人為嫌疑人，其中9人已撤銷，最后現場捕獲了3人。這是過去單靠警力無法做到的事情，現在人工智能技術可以幫助我們實現。此外，人臉識別技術還可以應用到金融等其他行業。
《時間線》：從創業到現在，人工智能市場經歷了怎樣的變化？
朱瓏：今年的前三、四個月，比過去一年的變化還大。很多投資人的邏輯是“我就要投資人工智能，一定要進來參與這個領域?！?/p>
《時間線》：在人工智能大熱的今天，可能會有一些投機主義的公司涌現，這是否會成為你的困擾？
朱瓏：肯定有，這很正常。有一些公司不見得會涉及智能的那些部分，只是包裝一個概念，但時間會自動篩選出真偽，有實力的公司很稀缺，團隊會更加值錢。
為杭州打造“城市數據大腦”
今年9月，全球矚目的G20峰會將在杭州召開，杭州市委市政府聯合眾多公司，在阿里云的牽頭下開展了一個名為“城市數據大腦”的城市交通規劃項目，借此盛會展現大數據在城市管理中的作用，依圖公司參與其中，提供車輛識別及大數據相關技術。首次涉通領域，對于依圖來說是一個新的挑戰。
《時間線》：“城市數據大腦”項目中，依圖進行了哪些方面的技術支持？
朱瓏：我們對城市中車輛的行駛路徑等數據進行收集、分析，對車、道路、紅綠燈的信息進行建模。在建模的基礎上對政府的交通管理者給予建議和優化方法，比如紅綠燈的改進措施，道路的修繕方案。我們希望通過解決城市交通這類世界級難題，讓人工智能使我們的生活更加輕松便捷。
《時間線》：這個項目的難點在哪里？
朱瓏：從技術層面來講，交通管理是一個非常新的領域，世界上頂級機構對這一領域的研究也處于原始階段，現有的學術界的模型、數據體量無法滿足模型精度的需求。要完成這個項目，我們還要做很多新的研究。從操作層面來講，我們的工作要跨越政府的不同部門，把這些數據整合到一起。
《時間線》：大數據對人工智能技術有重要作用，你們如何建立自己的數據庫？
朱瓏：最樸素的辦法就是一點一滴積累，比如車輛數據，我們自己去路上拍了很多，慢慢地數據就積累起來了。在和客戶合作的過程中，客戶也會提供一些數據。
《時間線》：現階段在中國進行技術創業，難點在哪里？
朱瓏：從創業環境來看，我們沒有完善的反壟斷機制，也就是說大公司還是可以跟你競爭的；但在美國，這不一定行得通。而且中國的知識版權的保護尚為薄弱，小公司抄襲的情況比較多。
此外，探索出好的商業模式是非常困難的。依圖成立四年，經歷了很多探索，我們一直在扎實地做垂直領域，包括公安、金融等領域。我始終在問自己：人工智能的賣點是什么？
AI最大的考驗是商業模式的創新
2016年初，一場人機大戰成為全民熱點。人工智能的概念從科技圈走向大眾，做了一次生動的市場教育。影響迅速蔓延到二級市場，人工智能概念股迅速飆升，中國興起一波人工智能創業熱潮。創業四年，朱瓏目睹了人工智能產業的變遷，他有著怎樣的體會？作為一個創業者，他如何看待這個產業的未來
《時間線》：現在依圖在技術研發和商業方面的比率大概是什么樣的？
朱瓏：超過50%都是技術團隊，我們的核心優勢是對技術的理解能力。有了技術作為基礎，擴張的成本會變得很低。
《時間線》：作為學者型創業者，商業背景的匱乏會不會成為你的瓶頸？
朱瓏：創業四年，這個部分的知識我補充了很多。商業知識是不斷學習的過程，今天學到的商業經驗不一定能解決明天的問題。換句話說，有商科背景不一定比我更有能力解決未來將面對的問題。創業本身就是個不確定的探索過程。
《時間線》：如何看待技術與商業化的平衡？
朱瓏：技術與商業化從來不是矛盾的。中國現在有很多大規模的問題放到學術上都是非常有挑戰性和標桿性的。在實驗室是無法直接解決問題的，因為有些數據不易得到，做商業項目與學術研究并不沖突，反而可以更好地促進技術發展。
篇4
研討會上，中國工業合作協會理事長唐保玲致辭并提出，此次研討會目的是倡導推動“中國制造2025”和“互聯網+”融合發展，意在探索如何利用互聯網創新模式結合AI做好工業領域的精細化服務。移動互聯網、大數據、云計算和人工智能的快速發展，為工業傳統轉型和服務升級提供一個彎道超車的機會。中國工業合作協會著力構建以工業互聯網平臺為基礎、以大數據為服務支撐的互聯網+人工智能全要素服務體系，并大力營造有利于人工智能企業發展的環境，鼓勵將人工智能的基礎和應用研究產業化、商業化，爭做促進中國制造業轉型的前沿力量，共同為實現中華民族偉大復興的中國夢作貢獻。
中國兵器集團科技帶頭人、兵科院總體部部長李軍致辭時指出，工業服務云平臺+人工智能更高水平的融合創新，將是軍民融合項目的發展方向。目前，在國家軍民融合項目戰略發展推動下，兵器行業用開放合作、技術共享的模式與民用企業緊密合作，打造更大的共同體，推行全價值鏈的體系化經濟管理。軍民融合項目的成果和技術的提升應用在兵器行業和民用行業領域，將會大力推動工業發展和服務創新，不斷升級工業生產理念、產品制造和組織模式升級，希望工業企業能有效利用物聯網、大數據、人工智能技術，加快提升自身競爭力并匯聚新動力。
國際歐亞科學院院士馬俊如強調，制造業在不同的發展階段要把握好自己的創新驅動模式，即引進消化吸收再創新、集成創新、原始創新三種，一個國家推動創新驅動在不同發展階段是這三種模式的組合。集成創新的模式目前正處于上升階段，工業4.0是代表人工智能領域應用的一個新目標，但工業服務云平臺和人工智能的融合并不要把它定義為工業4.0的最高層次，務必要由低到高地瞄準新目標系列化發展，并響應國家“一帶一路”創新倡議。他中肯地說，要從全球化視野看問題，不要頭腦發熱認為互聯網+、人工智能可以解決一切，要踏踏實實地走好創新之路。
篇5
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。基礎層的大數據、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
篇6
以下為報告詳細內容：
逾八成人工智能創業公司聚集一線城市
iiMedia Research（艾媒咨詢）數據顯示，35.7%的人工智能創業公司位于北京，另外在深圳、上海、廣州這三個一線城市也聚集了超過四成的人工智能創業公司。艾媒咨詢分析師認為，人工智能是高度知識密集型的產業，北京的人才、技術、產業、資本等環境都優于其它地區，是人工智能的創業重鎮。共有81.8%的人工智能創業公司分布在有豐富技術、硬件和產業資源的北上廣深。人工智能產業將形成以北京為絕對核心，一線城市上海、廣州、深圳為重點的地理布局。
手機網民普遍認為無人駕駛只能部分取代人類駕駛
iiMedia Research（艾媒咨詢）數據顯示，有78.9%的受訪手機網民認為無人駕駛將部分取代人類駕駛，10.0%的受訪手機網民認為無人駕駛能全部取代人類駕駛，6.9%的受訪手機網民認為無人駕駛完全不能取代人類駕駛。艾媒咨詢分析師認為，近年國內外企業陸續開發無人駕駛領域引發網民對無人駕駛和人類駕駛之間關系的熱烈關注，人們對仍處于起步階段的無人駕駛接受程度仍有待提高，但隨著智能技術進一步發展，未來無人駕駛產品的市場普及程度仍然值得期待。
人們相信無人駕駛更安全
iiMedia Research（艾媒咨詢）數據顯示， 對于無人駕駛與人類駕駛的安全性比較，32.6%的受訪手機網民認為無人駕駛更安全，26.6%的受訪手機網民認為人更安全。艾媒咨詢分析師認為，無人駕駛與人類駕駛安全性比較問題尚停留在理論階段，對于無人駕駛算法判斷的精準性，用戶仍然沒有具體的感知?，F階段無人駕駛技術水平處于起步階段影響人們對未來智能汽車操控方式的期望，未來無人駕駛技術說仍需繼續提高以增強人們對汽車智能操控的信心。
人工智能為主的操縱方式受歡迎
iiMedia Research（艾媒咨詢）數據顯示，人們對未來無人駕駛汽車的操縱方式也有自己不同的看法，62.6%的受訪手機網民認為智能汽車操縱方式應以人工智能為主，人工操作為輔，22.0%的受訪手機網民認可人工操控為主，智能輔助為輔的方式， 只有10.6% 的受訪手機網民選擇純人工智能操控。艾媒咨詢分析師認為，隨著無人駕駛技術的進一步深入，其在日常駕駛的應用比例將穩步提升，人工判斷與智能判斷并行的駕駛方式或將成為較長時間內的主流。
無人駕駛安全性最受關注
iiMedia Research（艾媒咨詢）數據顯示，當前對無人駕駛實際應用主要的擔憂因素中，受訪手機網民最擔心的是安全技術不夠成熟，占比61.7%，另外23.4%和12.6%的受訪手機網民認為購車成本高和使用不方便。艾媒咨詢分析師認為，智能汽車相關廠商需要通過更多的試驗參數，不斷提高無人駕駛安全技術，以獲取用戶對智能汽車安全的信任。同時，當前無人駕駛技術在前期投入的研發成本巨大，其實際應用的較高購買門檻，也將是其普及的一大阻礙。
速記、翻譯工作者未來最可能被人工智能取代
篇7
認知計算互聯網保險應用
一、認知計算的涵義及特點
認知源于心理學里的概念，《辭?！穼⑵浣忉尀槿祟愓J識客觀事物，獲得知識的活動，包括知覺、記憶、學習、言語、思維和問題解決等過程，是對外界信息積極進行加工的過程。通常使用的認知技術包括機器學習、計算機視覺、語音識別、自然語言處理和機器人學等。
認知計算技術，基于算法、數據、軟件、硬件實現，關鍵特點是理解、推理和學習。理解是通過感知和互動，快速理解數據，實現用戶交互，從而理解、回答用戶的問題。推理是憑借假設生成技術，透過數據揭示洞察力、模式和關系，以多種方式進行認知，產出多種結果。學習是能夠從所有文檔中快速提取關鍵信息。通過追蹤用戶反饋和專家訓練，不斷進步，提升解答能力。
二、認知計算的商業化應用
2011年，IBM沃森帶來認知計算的概念，當時人們對這項吸引眼球的新奇技術能做些什么還非常懵懂。沃森通過解讀自然語言來分析數據，有的成了醫生，有的擔任教師助手，有的成為一流的廚師，還有一個贏得了電視智力競賽《危險邊緣》的冠軍，成為人工智能打敗人類的經典案例。五年后的今天，隨著物聯網、云計算和大數據技術的發展與應用，認知計算的商業化應用越來越值得期待。
認知計算的商業化應用或將帶來不可思議的變化。在醫療領域為疑難雜癥快速提供診療方案，幫助企業從大量數據中發掘、洞察增強預測和決策能力；在旅游、美食等領域幫助人們獲得更好的生活體驗；甚至幫助紅毯上的模特設計出“會表達情緒的時裝”。認知計算使得機器人更加接近于人類的需求，這些應用將造福于人類，值得更多期待。
根據德勤研究報告，認知計算技術或將在以下三個企業級軟件市場中發揮作用。一是企業級應用軟件市場專注于利用計算機的力量來達成特定目標。比如解決如何向大量匿名用戶進行線上營銷的問題，采用機器學習去發掘某一網站的新用戶與之前具有相似行動的用戶之間行為上的關聯，目標就是為了使該網站的用戶體驗更好，并將其轉化成銷量。二是企業級基礎軟件市場為公司建立、運行，以及管理IT資源的表現提供工具。比如利用機器學習能力提升應用系統的日志工具，可以將具有類似服務器問題的事件歸為一類，以方便IT經理辨認這是一個正在發生的問題、還是實時信息導致的不尋常的計算趨勢。三是特定垂直軟件關注一個狹窄的領域，常體現為一個獨立的軟件應用。比如一套獨立的腫瘤學應用，通過移動和桌面設備，深度機器學習可以分析大量的病患記錄并基于現有記錄提供潛在的治療手段。
在銷售方面，機器人可能比人類做得更好。日本大阪大學智能機器人實驗室科研人員曾開發出一個生動的女機器人，將其放入一家百貨商店內，銷售一款100美元的羊絨衫。在試驗期間，機器人接待的消費者數量是商場銷售員接待數量的2倍。通過與IBM沃森云計算平臺合作，軟銀旗下第一款可感知人類情緒的機器人Pepper的“智力”進一步得到強化，Pepper或將以“銷售員”的身份入駐日本最大的電器銷售商山田電機（Yamada Denki）。之前，Pepper曾幫助銷售過智能手機和咖啡機等商品，但工程人員希望強化Pepper提供相關信息的能力，與消費者進行更豐富的互動。Pepper與人類進行徹底的無障礙交流仍存在困難，需要進行更多神經式網絡的培訓。據悉，軟銀接受其他企業對Pepper的租賃訂單，每月租金為55000日元，僅為日本平均最低工資的一半。
三、認知計算技術在互聯網保險的應用前景
近兩年互聯網保險保費規模實現爆發增長，互聯網保險滲透速度加快。越來越多的保險公司意識到互聯網保險不僅是銷售渠道的變遷，還是依照互聯網的規則和習慣，對現有保險產品、運營和服務模式的深刻變革?；ヂ摼W保險，一方面把傳統的保險產品搬到互聯網上銷售，并提供配套的產品服務；另一方面利用互聯網經濟的新型消費場景，提供創新型保險產品?；ヂ摼W保險打破時間和空間的限制，隨著物聯網、大數據、人工智能以及移動設備等新技術的興起，或將迎來保險行業的一場深刻變革。
認知計算技術可以幫助保險企業更好地認知客戶、也更深刻地認知自己。認知客戶，知道客戶所想所需，改進保險銷售和服務，解決痛點問題；認知企業，找到運營管理盲區，提升內部運作效率。
在《2016年中國互聯網保險行業研究報告》中指出，人工智能最先改造保險的銷售渠道。美國的一家保險科創公司使用智能機器人銷售車險保單，只要拍下車牌號并發送給機器人，它就能搜索到用戶的個人信息和駕駛記錄，從而推薦合適的險別。同時，通過減少人數來提高效率的成本策略，例如，呼叫中心通過將第一層顧客支持自動化來減少需要聘用的員工。
不管是服務型還是銷售型的呼叫中心，通常采用傳統的IVR技術提供服務菜單，受限于數字鍵盤的數量和語音逐條播報耗時較長，尋求服務的用戶最希望的還是用最快的速度找到人工客服，解決問題；尋求產品的用戶希望用最快的速度觸達產品，減少等待。而呼叫中心面臨的挑戰是基于接線率靈活快速配置人力資源，而不單純地通過增加人數來提升接線率。大數據時代，認知計算與呼叫中心技術有著天然的默契，在一定程度上幫助合理配置人力。在與用戶通話的另一端安裝上智慧的“大腦”。
針對服務型呼叫中心，可以利用認知技術，將標準服務話術的知識庫安裝到認知智能應答機器人的大腦，降低企業培訓和人力成本。針對銷售型呼叫中心，具有認知計算大腦的機器人可以承擔簡單地銷售業務場景，例如解決呼入溢出場景的預約投保，解決銷售過程質量的自動回訪，幫助老客戶續簽新一年保單，為新客戶提供粗略產品報價、解釋營銷活動和贈品規則等。也可以結合社交媒體、用戶網購、駕駛行為等多維度數據，分析客戶類型，幫助人工坐席更好地理解客戶。
認知時代，機器或將變成下一代計算機，因為計算的能力，對于機器學習算法的理解，對于大腦的研究都在往前走。計算可以帶來更多的突破。我們拭目以待。
參考文獻：
[1]董超，畢曉君.認知計算的發展綜述[J].電子世界，2014（15）：200-200.
篇8
在百度看來，智能汽車包括自動駕駛車輛要實現商業化量產，必須做到“安全、舒適、經濟”，這就要求百度這種智能汽車軟件方案和服務提供商必須拿出低成本、可量產的自動駕駛解決方案與服務。在當前這個階段，百度經過分析認為高速路、自動泊車、商用車這三個領域有可能率先普及自動駕駛技術。
步步推進量產
2015年一個尋常的冬日，北京五環路上驚現一輛正在跑的百度無人駕駛汽車，這一消息迅速傳開令業界頗為震驚。據了解，當時這輛車的最高時速達到100公里/小時，已經能夠實現多次跟車減速、變道、超車、上下匝道、調頭等復雜駕駛動作，完成了進入高速（匯入車流）到駛出高速（離開車流）的不同道路場景的切換。
很多人只將此視為一個開場信號，卻忽略了早在2013年，百度研究院便開始主導研發無人駕駛汽車的事實，當時的百度研究院將技術核心定為“百度汽車大腦”，包括高精度地圖、定位、感知、智能決策與控制四大模塊。
隨著智能互聯時代到來，智能汽車已成傳統車企、互聯網公司、零部件商等多方爭相涌入的領域，已經吸引了谷歌、蘋果、特斯拉，甚至三星等科技巨頭紛紛發力。在這種競爭形勢下，百度的節奏也不可不快。就在2015年底完成自家首次的完全自動駕駛路測后沒幾天，百度宣布正式成立自動駕駛事業部，聚焦自動駕駛汽車的技術研發、生態建設與產業落地。隨后，百度又對汽車相關業務進行調整，成立智能駕駛事業群組（IDG），由自動駕駛事業部（L4）、智能汽車事業部（L3）、車聯網業務（Car Life etc. ）共同組成。
而在事業部成立之初，百度就提出了三年就實現自動駕駛汽車的商用化，五年實現量產的宏偉計劃。如此底氣，也源于百度的三大核心競爭優勢：人工智能、大數據以及云計算。
根據百度的判斷，2020年即可實現自動駕駛大規模商業化。據介紹，百度為此將提供包括感知、自定位和決策在內的應用級自動駕駛輔助軟件服務；還有百度的高精度地圖，能自動識別交通標志等上百種目標，相對精度達0.1-0.2米，覆蓋國內全程約30萬公里的高速公路；另外就是Learning Map平臺（將由多源感知數據處理、云服務中心和數據中心等構成；還有百度Road Hackers，即百度自動駕駛開放平臺，將提供中國路情駕駛數據放、基于深度學習的自動駕駛算法的演示和自動駕駛算法基準測試評比等。
“車聯網+大數據”則是百度對汽車智能化的解決方案，百度能為汽車用戶提供更加智能的人車交互體驗，還有人車互聯服務平臺，囊括CarLife、MyCar、CoDriver以及MapAuto四種解決方案。
在百度看來，智能汽車包括自動駕駛車輛要實現商業化量產，必須做到“安全、舒適、經濟”，這就要求百度這種智能汽車軟件方案和服務提供商必須拿出低成本、可量產的自動駕駛解決方案與服務。在當前這個階段，百度經過分析認為，高速路、自動泊車、商用車這三個領域有可能率先普及自動駕駛技術，因此，這也成為百度智能汽車目前重點解決的應用場景。
今年年初，百度將智能汽車的量產進程又推進一大步：百度與北汽將共同開發L3級別的自動駕駛汽車，并在未來1～2年內率先投入量產。據了解，百度智能汽車L3自動駕駛解決方案從信息采集、處理決策到最終的車輛控制等技術環節中，已與多家汽車廠商、新品廠商建立合作。此外，預裝百度智能汽車產品CarLife的已經超過60家車企品牌，包括奔馳、現代、上海通用、一汽等企業的產品。
大計劃重塑生態
智能汽車融合了汽車工業、人工智能等綜合技術領域，要求極致的硬軟件配置，技術門檻高、研發資金需求大，已經逐漸滲透至產業鏈上的諸多環節，如何集合各方優勢資源是推動智能汽車量產的關鍵行為。
百度此前已經在共同開放智能汽車駕駛技術有頗多行動，在國內也初具智能汽車產業生態規模，但百度仍然拿出了更偉大的計劃。
“汽車產業在技術開發過程中彼此封閉、不共享，但在市場上是共存的，IT產業的特點正好反過來，在開發的時候是充分共享的，但是市場上殺個你死我活，只有老大沒有老二，互不共存。我們汽車人是不是可以借鑒IT產業這方面的優勢呢？比如我們在開發的過程當中是否可以共享呢？”在2017中國汽車論壇上，老汽車人、現任的百度副總裁鄔學斌不斷反思、反問：“為什么一定要抱著以前傳統的路一直走，我一直在汽車行業做研發，我做研發的時候也是不跟別人共享，我現在想想有點后悔。汽車產品和IT產品是有很大的區別，它有很多的社會屬性，它牽扯到千家萬戶每個人的財產安全、生命安全。怎么共享，需要我們大家進行探討?！?/p>
他的反醒與迷惑從另一個角度深刻闡釋了百度的“阿波羅計劃”的重要性和必要性。根據鄔學斌的理解，百度的這一計劃是希望在智能汽車特別是自動駕駛、無人駕駛領域搭起一個開放、完整、安全的軟件平臺，給整個智能駕駛和無人駕駛汽車工業營造快速創新的生態。
據鄔學斌介紹，在這項計劃中，百度的開放模式是，“把公開的軟件能力、主要的核心能力，比如感知、路徑規劃、車輛控制等通過開放代碼等各種適合的方式來開放，讓所有生態系統的參與者可以充分利用這些能力。在完整性方面，我們的計劃設計是軟硬一體，提供一套完整的軟硬件和服務的解決方案，對整個生態提供整體服務。還有安全，對于智能駕駛、無人駕駛來說，安全是至關重要的?！?/p>
百度阿波計劃希望通過此類“開源”行動，避免產業上的企業再“從零開始”，w學斌認為：“我們在搞電動車的時候，很多公司、很多機構都從零開始，花了很多精力，這個教訓我們還是應該吸取的?！?/p>
篇9
12月智能網聯汽車在產業政策、標準制定、硬件產品3個方面持續發酵。上述《行動計劃》將智能網聯汽車作為第一類需要取得率先突破的智能產品，計劃到2020年建成“軟件(車輛智能計算平臺體系架構、自動駕駛操作系統)+硬件(車載智能芯片)+算法(車輛智能算法)”一體化的車輛智能化平臺及平臺相關標準，以支撐高度自動駕駛(HA級/L4級)。12月18日，北京市交通委推出《北京市關于加快推進自動駕駛車輛道路測試有關工作的指導意見(試行)》和《北京市自動駕駛車輛道路測試管理實施細則(試行)》，使得我國首個自動駕駛路測規定成功落地。12月26日全國汽車標準化技術委員會智能網聯汽車分技術委員會獲批成立，負責汽車駕駛環境感知與預警、駕駛輔助、自動駕駛以及與汽車駕駛直接相關的車載信息服務領域國家標準制修訂工作。12月27日，工信部及國標委聯合印發《國家車聯網產業標準體系建設指南(智能網聯汽車)》，充分發揮標準在智能網聯汽車產業生態環境構建中的頂層設計和基礎引領作用;《指南》提出99項智能網聯汽車領域標準項目，其中24項標準項目研究和制定工作已于近期啟動。12月22日，地平線機器人面向智能駕駛的征程(Journey)1.0處理器和面向智能攝像頭的旭日(Sunrise)1.0處理器，助推車載智能芯片商業化步伐。我們建議重點關注將在2018年年初的百度Apollo2.0(原計劃于2017.12月)，屆時Apollo2.0平臺將新增高級感知、安全服務兩大功能。
從產品、巨頭行動、融資三個方面來看AI芯片依然“熱度不減”。12月除了地平線機器人兩款車載智能芯片外，海外芯片巨頭英偉達在11號適用于機器學習的新款GPU--TitanV，IBM也在26號POWER9處理器，以及裝有POWER9的新一代PowerSystems服務器AC922，該服務器可以大幅提升Chainer、TensorFlow及Caffe等各大人工智能框架的性能，將深度學習框架的訓練時效提高近四倍。12月26日，英偉達禁止在數據中心使用消費者級顯卡GeForce做深度學習一時引起業界一片嘩然，但事后英偉達表態“GeForce/Titan客戶只要不下載新的驅動程序就對GeForce/Titan用戶在數據中心的使用無影響”，此前新聞系誤讀。融資方面，地平線機器人獲得建投華科、英特爾等投資方的上億美元A+輪戰略投資，Thinkforce獲得依圖科技、云鋒基金等投資方的4.5億元A輪投資。
投資建議
根據我們對產業鏈的調研及跟蹤，AI領域，建議重點關注:海康威視、大華股份、中科曙光、恒生電子、富瀚微、科大訊飛等，智能網聯領域建議重點關注:德賽西威、華陽集團、四維圖新、千方科技、索菱股份、路暢科技等
風險提示
篇10
關鍵詞：顛覆性技術；創新；移動互聯；機器人；人工智能
基金項目：“江蘇省社科應用研究精品工程”課題；項目名稱：顛覆性技術的識別及培育發展研究；項目編號：16SYB-023。
歷史上，每次科技革命時期，都是顛覆性技術出現的高峰期?？萍几锩鼧嫵闪税l掘和發展顛覆性技術的難得歷史機遇。目前，科W已經沉寂了60余年，第三次技術革命發生距今接近80年，科技知識體系積累的內在矛盾已經凸顯，迫切需要新的重大突破。在物質科學、量子信息科學、生命科學、宇宙科學等基礎科學領域，一些重要的科學問題和關鍵技術發生革命性突破的先兆日益顯現；科技發展跨學科趨勢愈益明顯，新學科、新知識、新思想的出現更多體現為學科交叉融合的方式，許多重大創新出現在學科交叉領域。當今世界已處在新一輪科技革命的前夜，顛覆性技術大量涌現的時期即將到來。
一、顛覆性技術的概念
顛覆性技術概念最早出自美國哈弗商學院克萊頓?克里斯滕森教授1995年出版的《顛覆性技術的機遇浪潮》。他認為，顛覆性技術是指這樣一類技術：它們往往從低端或邊緣市場切入，以簡單、方便、便宜為初始階段特征，隨著性能與功能的不斷改進與完善，最終取代已有技術，開辟出新市場，形成新的價值體系。德國弗郎恩霍夫協會認為：顛覆性技術就是指能夠“改變已有規則”的技術，即那些與現有技術相比，在性能或功能上有重大突破，其未來發展將逐步取代已有技術，進而改變作戰模式或作戰規則的技術。
綜上所述，顛覆性技術是一種另辟蹊徑、會對已有傳統或主流技術途徑產生顛覆性效果的技術，可能是完全創新的新技術，也可能是基于現有技術的跨學科、跨領域的創新型應用。顛覆性技術具有四個特點：技術發展速度快、產生潛在影響范圍廣、可創造經濟價值高、帶來顛覆性影響大。與漸進性技術相比，顛覆性技術在形態上更具有超越性和突變性，在效能上更具備革命性和破壞性。
二、我國顛覆性創新的領域選擇
（一）“十三五”國家科技創新規劃：15個領域
《“十三五”國家科技創新規劃》中明確提出要發展引領產業變革的顛覆性技術：加強產業變革趨勢和重大技術的預警，加強對顛覆性技術替代傳統產業拐點的預判，及時布局新興產業前沿技術研發，在信息、制造、生物、新材料、能源等領域，特別是交叉融合的方向，加快部署一批具有重大影響、能夠改變或部分改變科技、經濟、社會、生態格局的顛覆性技術研究，在新一輪產業變革中贏得競爭優勢。重點開發移動互聯、量子信息、人工智能等技術，推動增材制造、智能機器人、無人駕駛汽車等技術的發展，重視基因編輯、干細胞、合成生物、再生醫學等技術對生命科學、生物育種、工業生物領域的深刻影響，開發氫能、燃料電池等新一代能源技術，發揮納米技術、智能技術、石墨烯等對新材料產業發展的引領作用。
（二）國家科技重大專項：16個領域
《國家中長期科學技術發展規劃綱要（2006-2020 年）》確定了核心電子器件、高端通用芯片及基礎軟件，極大規模集成電路制造技術及成套工藝，新一代寬帶無線移動通信，高檔數控機床與基礎制造技術，大型油氣田及煤層氣開發，大型先進壓水堆及高溫氣冷堆核電站，水體污染控制與治理，轉基因生物新品種培育，重大新藥創制，艾滋病和病毒性肝炎等重大傳染病防治，大型飛機，高分辨率對地觀測系統，載人航天與探月工程等16個重大專項，涉及信息、生物等戰略產業領域，能源資源環境和人民健康等重大緊迫問題，以及軍民兩用技術和國防技術。
（三）中國科技發展戰略研究院：20項關鍵技術
2016年，中國科學技術發展戰略研究院科技預測與評價研究所對關系到我國經濟建設、生態建設、國防建設、民生改善乃至綜合國力提升具有決定性、基礎性的核心技術，按照科學（屬于國際競爭激烈的前沿或核心技術）、顛覆性（有望取代主流技術、替代主導產業的技術）、重大（有望替代1-2個主導產品，或顛覆1個以上行業的技術）、可行（經過10年努力能夠取得自主知識產權，并有望商業化的技術）四個原則，進行了預測和遴選，遴選出未來能夠改變或部分改變科技、經濟、生態、軍事現狀與格局的20項關鍵技術。
（四）中國科協創新戰略研究院：7大領域
中國科協創新戰略研究院在的《我國應對顛覆性技術創新需要重點布局的領域》中，認為未來十年世界范圍內可能出現的顛覆性創新集中在9大領域：先進計算技術與人工智能、納米技術與材料科學、基因與精準醫療、能源開發與存儲、航空航天與地外生命探測、網絡與大數據、智能汽車與智慧交通、綠色制造與先進制造、教育技術與知識自動化。
從我國各機構評選的技術來看，出現頻率最高的五大技術領域是移動互聯、機器人、3D 打印、人工智能、納米技術，這五大技術領域將是我國未來顛覆性技術創新的主要方向。
三、我國顛覆性領域的技術創新方向
（一）移動互聯領域
大力支持移動互聯網軟件開發，突破系統軟件、人機交互、應用開發、虛擬化等熱點技術與新興技術。加快推進移動互聯網的云計算和大數據應用，重點突破數據挖掘、海量數據處理、計費、訪問控制等平臺關鍵核心技術。支持開展未來網絡重大基礎設施（CENI）項目的關鍵技術研究，加強相關領域產品研發和產業孵化，大力推廣基于下一代廣播電視網的創新業務及相關應用。充分發揮移動互聯網對生產領域的帶動作用，在工程機械、汽車、食品、電子信息、物流等行業形成領先的服務產品。深化移動互聯網在生活領域的引領作用，大力推廣面向餐飲、休閑娛樂、購物、旅游等的移動互聯網應用，重點發展移動支付、移動娛樂、移動閱讀、移動資訊、移動搜索、移動位置服務等。鼓勵移動互聯網應用創新，重點發展車載數據與資訊、智能交通、基于北斗等多制式智能交通導航、遠程測試診斷、在線節能監管、道路救援、食品安全溯源與安防等移動信息服務。
（二）機器人領域
重點研究智能機器人機構設計、制造工藝、智能控制和人機交互等共性技術，攻克機器人優化建模、精準感知、多機器人協調等核心技術。（1）伺服電機方面：重點發展根據機器人的高速，重載，高精度等應用要求，增加驅動器和電機的瞬時過載能力，增加驅動器的動態響應能力，驅動增加相應的自定義算法接口單元，且采用通用的高速通訊總線作為通訊接口，摒棄原先的模擬量和脈沖方式，進一步提高控制品質。（2）減速器方面：重點發展高強度耐磨材料技g、加工工藝優化技術、高速技術、高精度裝配技術、可靠性及壽命檢測技術以及新型傳動機理的探索，發展適合機器人應用的高效率、低重量、長期免維護的系列化減速器。（3）控制器方面：重點研究開放式，模塊化控制系統，開發適用于機器人控制的通用軟件包；提高機器人控制器的智能化和網絡化水平，開發具有多傳感器信息融合能力的控制器。
（三）3D打印領域
圍繞3D打印重點方向，突破一批原創性技術。（1）材料方面：針對金屬3D打印專用材料，優化粉末大小、形狀和化學性質等材料特性，開發滿足3D打印發展需要的金屬材料；針對非金屬3D打印專用材料，提高現有材料在耐高溫、高強度等方面的性能，降低材料成本。（2）工藝方面：解決金屬構件成形中高效、熱應力控制及變形開裂預防、組織性能調控，以及非金屬材料成形技術中溫度場控制、變形控制、材料組份控制等工藝難題。（3）裝備及核心器件方面：加強3D打印專用材料、工藝技術與裝備的結合，不斷提高金屬材料3D打印裝備的效率、精度、可靠性，以及非金屬材料3D打印裝備的高工況溫度和工藝穩定性，提升個人桌面機的易用性、可靠性；重點研制與3D打印裝備配套的嵌入式軟件系統及核心器件，提升裝備軟、硬件協同能力。
（四）人工智能領域
進行人工智能前沿技術布局，推動核心技術產業化，重點突破人工智能基礎理論（包括深度學習、類腦智能等）、人工智能共性技術（包括人工智能領域的芯片、傳感器、操作系統、存儲系統、高端服務器、關鍵網絡設備、網絡安全技術設備、中間件等基礎軟硬件技術）、人工智能應用技術（包括基于人工智能的計算機視聽覺、生物特征識別、復雜環境識別、新型人機交互、自然語言理解、機器翻譯、智能決策控制、網絡安全技術等）。加快人工智能基礎資源公共服務平臺建設，包括滿足深度學習計算需求的新型計算集群共享平臺、云端智能分析處理平臺、算法與技術開放平臺、智能系統安全情報共享平臺等，為人工智能創新創業提供相關研發工具、檢驗評測、安全、標準、知識產權、創業咨詢等專業化服務。加快人工智能技術的產業化進程，推動人工智能在家居、汽車、無人系統、安防、制造、教育、環境、交通、商業、健康醫療、網絡安全、社會治理等重要領域開展試點。
（五）納米技術領域
加強納米技術研究，重點突破納米材料及制品的制備與應用關鍵技術，積極開發納米粉體、納米碳管、富勒烯等材料，大力推進納米材料在電子信息、生物醫藥、新能源和節能環保等領域的廣泛應用。針對信息、能源、環保、生物醫學等領域的迫切需求，開發納米結構加工與制造的新方法、納米器件集成與系統的設計、制備技術。重點研究新型納米電子、光電器件、傳感器件，大力發展納米晶太陽能電池、新型薄膜太陽能電池、有機太陽能電池、熱電電池、超級電容器等技術，著力突破室內空氣污染物、工業源有毒有害氣體、動力機械尾氣的納米凈化材料及催化凈化技術，切實攻克納米顆粒與生物活性物質的組裝方法。促進納米綠色印刷制版、高密度存儲器、新型顯示、高效能源轉化、氣體凈化、疾病快速診斷等納米材料與技術的規?；瘧?，搶占未來納米材料發展的制高點。
參考文獻
[1] 劉根生.多些“顛覆性技術創新”[J].群眾，2016，（1）.
[2] 楊，余曉潔.科技創新引領“第一動力”重視顛覆性技術創新[J].中國職工教育，2016，（1）.
[3] 趙剛.未來五年顛覆性技術將不斷涌現[J].領導文萃，2016，（7）.
[4] 王武軍.顛覆性技術的“搖籃”高明在哪兒[J].中國中小企業，2016，（6）.
