人工智能商业化研究报告(2019).pdf
《人工智能商业化研究报告(2019).pdf》由会员分享,可在线阅读,更多相关《人工智能商业化研究报告(2019).pdf(87页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、人工智能商业化研究报告(2019) 36Kr研究院 2 报告摘要 宏观环境、政策、数据和技术是人工智能商业化的四大驱动力 商业化是相对于实验室产品而言。人工智能商业化,即:企业利用人工智能技术来解决 实际的问题,并通过市场进行规模化变现的行为。 目前,七类人工智能技术已经进入商业化阶段,商业化路径大致可分为两种。一种是人 工智能技术公司主动去探索并推动产品和技术在实际场景中的落地;另一种是实体产业 积极的思考人工智能是否可应用于相关的业务场景来协助降本增效。 宏观环境变化、政策、数据和技术是人工智能进入商业化探索阶段的四大驱动力。 资本趋于理性,人工智能早期项目融资难度增加,B轮及以后独角兽融
2、资热度不减。 中国人工智能产业链快速完善,大致可分为基础层、技术层和应用层 人工智能与实体产业深度结合的商业化时代已经到来,未来潜力巨大 中国人工智能产业链快速完善,各环节合作模式逐渐成型,并呈现出精细化发展的趋势 。根据产品和业务侧重的不同,人工智能产业链可大致分为基础层、技术层和应用层。 基础层资本注入稳定,各环节技术、产品和商业模式上均有不同程度的突破。 技术层早期大量研发投入带来的技术优势,转化为商业化的先发优势,进而带来市场机 会和规模优势。 应用层深入到各行各业,行业呈现“一专多能”的趋势,即:专注于某一领域的技术公 司,同时也关注更多的行业和场景机会。 各类人工智能技术都已进入在
3、实体产业应用场景中落地的阶段,受政策和市场环境驱动 ,人工智能商业化的进程加快,未来,将在带动行业创造新的增长点上发挥巨大潜力。 随着开源算法、开放平台的应用,人工智能的使用门槛在逐渐降低,这将使得更多的企 业可以利用人工智能技术来为场景和行业赋能。 在探索技术边界的过程中,人工智能所能解决的问题更加精细化,对应的产品和服务也 更加专业化。 整合上下游产业,健全商业生态,是人工智能企业构筑更高壁垒的一种重要方式。 目 录 Contents 一. 行业综述 商业化概况 AI定义 两种商业化路径 驱动力:宏观环境、政策、数据、技术 投融资分析 二. 产业链分析 产业链图 产业链分析 基础层 技术层
4、 应用层 四. 行业总结与前景分析 行业总结 趋势、前景分析 潜在风险 可能的机会 人工智能行业概述 CHAPTER 商业化概况 AI定义 两种商业化路径 驱动力 投融资分析 5 商业化是相对于实验室概念产品而言,人工智能商业 化即企业如何利用人工智能技术来解决实际的问题, 并通过市场进行规模化变现的商业行为。 人工智能的概念诞生于1956年世界达特茅斯会议上, 距今已经有半个多世纪的发展史,但人工智能真正走 出实验室,走进人类生活却是近几年才有的事。 据WIPOP 2019年人工智能趋势报告显示,50%的AI 专利在过去5年内发表,这意味着从2014年-2018年 这五年内,AI产业进入了快
5、速发展的阶段。 人工智能基础技术渐趋成熟至达到商用条件,从而能 够在更广泛的场景下发挥价值,是其商业化的前提。 加之近年来,互联网产业进入洗牌期,资本市场对人 工智能的投资也表现得更加理性。技术成熟且具有较 强商业落地能力的项目持续受到资本的关注,这在一 定程度上推动了行业从早期普遍强调技术优势过渡到 更加重视产品、解决方案等商业化能力的发展阶段。 整体来说,中国人工智能技术商业化速度非常快,计 算机视觉、生物识别等相对成熟度更高、商业化更早 的技术,已经在公共安全、金融、零售、广告营销等 领域有了较好的应用;自然语言处理技术也在智能客 服、智能语音交互等场景下服务于各行各业;机器学 习应用范
6、围则更广,比较典型的应用如智适应教育、 智能推荐等已逐渐走入人类生活。可以说,商业化将 是近几年维持人工智能热度的主要力量。 1.1AI商业化概况 1.2AI定义 1.3两种商业化路径 1.4驱动力 -宏观环境 -政策 -数据 -技术(算法、算力) 1.5投融资分析 行业综述 商业化将人工智能热度推上了历 史新高 6 人工智能的概念还相对模糊,尤其是近年来,技术及 其应用边界不断拓展的阶段,各方对人工智能的认知 存在较大偏差,行业内尚无统一的定义。 目前流行的说法大多从“仿人”的角度来看,将利用 机器(含计算机程序)模拟人类感知、学习、认知、 推理、决策、交互等过程的技术称为人工智能。 其中,
7、按照机器是否可以产生自我认知和适用范围, 又将人工智能分为弱人工智能(专用人工智能)和强 人工智能(通用人工智能)。 弱人工智能:机器没有自我意识,不具备真正的推理 和独立解决问题的能力,通常只适用于特定条件下某 一类问题的解决,如:人脸识别、语音识别、语义理 解等,故弱人工智能也被称为专用人工智能。现阶段 ,人工智能技术的研究和应用主要集中在弱人工智能 领域。 强人工智能:机器具有一定的自我意识,能够通过学 习拓展功能,即当机器意识到自身不具备某种功能时 ,可自行学习至获得相关技能。故强人工智能可以独 立面对各种复杂情况,具有一定的通用性,又称通用 人工智能。 强人工智能(通用人工智能)的研
8、究进展缓慢,技术 上存在巨大的挑战,同时在应用风险和社会伦理等方 面也颇具争议,业界普遍认为,强人工智能在短期内 还难以获得较大突破。 行业综述 什么是人工智能? 1.1AI商业化概况 1.2AI定义 1.3两种商业化路径 1.4驱动力 -宏观环境 -政策 -数据 -技术(算法、算力) 1.5投融资分析 7 由于人工智能概念尚未统一,其核心技术的边界与分 类也不一而同。在本篇报告中,我们参考中国电子技 术标准化研究院人工智能标准化白皮书(2018) 中的人工智能标准体系框架,选取计算机视觉、自然 语言处理、生物识别、机器学习、人机交互、知识图 谱、虚拟现实/增强现实/混合现实(VR/AR/MR
9、)等 七类人工智能核心技术来研究其商业化情况。 行业综述 七类人工智能核心技术已进入商 业化阶段,“AI+”成主流 人工智能商业化的发展逻辑可分为两条路 径,一个是“AI+”,另一个是“+AI”。 ”AI+“以技术为核心驱动,以探索多样化 的场景应用为目标,由科技公司发起,重 新设计产品、方案或商业模式。“AI+”倾 向于思考技术能做什么,它可能是当前已 有的事物,也可能是当前尚未存在的。故 “AI+”的逻辑更容易产生“新发明”,从 而对行业产生颠覆性的影响。 ”+AI“则由传统行业或当前已经较为成熟 的产业主动地引进人工智能技术,来优化 自身业务,提升效率和用户体验,降低风 险和成本。“+A
10、I”则更多地思考技术能不 能做,主要用于对当下固有流程的改造和 优化,是正常的技术迭代和升级。 在本篇报告中,我们着重关注“AI+”路径,即人工智能技术公司如何顺应市场 需求,将多元化的产品和解决方案应用于各行各业的各个场景。 机器人 自动 驾驶 智慧 银行 智慧 医疗 智能 营销 智适应 教育 语音 助手 智慧 城市 数据 机器学习 计算机视觉 自然语言 生物识别 VR/AR 知识图谱 机器 翻译 人机交互 芯片云计算传感器通信技术 智能 投研 刷脸 支付 . 图示:人工智能商业化呈不可逆 转之势向各行各业蔓延 1.1AI商业化概况 1.2AI定义 1.3两种商业化路径 1.4驱动力 -宏观
11、环境 -政策 -数据 -技术(算法、算力) 1.5投融资分析 8 人工智能起起落落,行业普遍认为,这一轮人工智能 浪潮主要受场景需求驱动,同时也受算法、算力和数 据等基础条件的驱动。 近两年,商业化的热度只增不减,落地成为人工智能 行业的主旋律。我们总结,近几年的人工智能商业化 主要有四大驱动力,分别为:宏观环境驱动、政策驱 动、技术驱动和数据驱动。 其中,在宏观环境方面,我们从资本环境、竞争环境 和社会经济环境三个角度来看。 1)资本环境:从互联网到人工智能,资本逐渐趋于理 性,行业普遍关注技术应用能力。这使得找到落地场 景的人工智能企业,具有更强的自我造血能力,更易 获得资本,也具有更强的
12、生存能力。 2)竞争环境:随着越来越多的巨头和创业公司涌入, 人工智能行业竞争加剧。与一般消耗性型产品不同, 人工智能产品和服务更容易形成稳定、长期的合作关 系。率先取得市场信任并获得客户的企业先发优势更 为明显,出于对抢占市场的考虑,企业也争相跨出了 商业化的步伐。 3)社会经济环境:随着人口红利的消失,经济增速放 缓,企业经营成本越来越成为一个重要的考虑因素。 利用新技术解放人类劳动力,实现降本增效成为企业 的一大诉求,这也为人工智能的商业化带来新的机遇 ,成为推动其落地的一个因素。 行业综述 人工智能商业化的四大驱动力 1.1AI商业化概况 1.2AI定义 1.3两种商业化路径 1.4驱
13、动力 -宏观环境 -政策 -数据 -技术(算法、算力) 1.5投融资分析 9 各大经济体聚焦人工智能在全球经济增长和转型的过 程中的推动作用,并相继出台指导文件,从国家战略 层面引导和促进人工智能产业的健康发展。 其中,中国和美国尤其强调掌握人工智能核心技术, 在世界人工智能领域占据领导地位;欧盟和日本则更 加注重审视自身优势和劣势,应对人工智能产业发展 带来的经济和社会问题。 行业综述 人工智能在全球经济中占据重要 位置,各国从战略层面整体布局 经济体相关政策或文件政策方向总结2019年政策风向 中国 2016年8月,国务院发布“十三五”国家科技创新 规划,明确人工智能作为发展新一代信息技术
14、的主 要方向。 2017年国务院关于印发新一代人工智能发展规划 的通知。 2019年3月关于促进人工智能和实体经济深度融合 的指导意见 构建智能经济、智能社会,使人 工智能成为重要的经济增长点, 带动我国产业升级和经济转型; 人工智能理论、技术与应用总体 达到世界领先水平,成为世界主 要人工智能创新中心,为跻身创 新型国家前列和经济强国奠定重 要基础。 全面推进人工智能 与实体经济的深度 融合 美国 2016年10月,白宫发布为未来人工智能作好准备 与国家人工智能研究与战略发展规划。 2017年12月,美国国会提出“人工智能未来法案”。 2018年9月DARPA宣布了$2B+投资计划,以克服人
15、 工智能技术的限制。美国国防部决定在未来五年投资 20亿美元到其机器常识(MCS)项目中。 2019年2月启动“美国人工智能倡议”。 促进人工智能发展,同时预防和 降低可能的负面影响(建立有利 的投资和创新环境;优化发展, 关注人工智能发展给劳动力市场 带来的改变;注重保护个人隐 私)。 保持美国在人工智能方面的领导 地位、支持美国工人、促进公共 研发、消除创新障碍。 从国家战略层面调 动更多联邦资金和 资源用于人工智能 研发,“确保美国在 人工智能领域的领 导力”,加强国家和 经济安全。 欧盟 2018年3月,欧洲政治战略中心发布了人工智能时 代:确立以人为本的欧洲战略报告; 2018年4月
16、欧盟成员国签署了人工智能合作宣言,并 发布政策文件欧盟人工智能。 2018年12月欧盟发布人工智能协调计划提出增 加投资、提供更多数据、培养人才和确保信任。 创建发展环境,加强人才建设以 适应人工智能给就业体系带来的 变化,促进研究投资,建立道德 和法律框架,推进以人为本的发 展路径,积极应对社会经济变革。 加强AI技术研究与 创新,有针对性地 在欧洲推广AI应用。 日本 2016年6月,日本政府通过新版日本再兴战略, 将人工智能技术视为第四次产业革命的核心尖端技术, 计划到2020年创造出30万亿日元的经济附加值。 2017年3月技术委员会发布人工智能技术战略。 2017年,日本政府出台下一
17、代人工智能推进战略 2018年5月,日本经济产业省公布新产业构造蓝图 提出利用人工智能及物联网等技术,普及自动驾驶汽 车及建立新医疗系统。 从国家层面建立完善的促进机制, 推动开发人工智能公共事业,联 通个各个领域,建立人工智能生 态体系。保持并扩大其技术优势, 逐步解决人口老龄化、劳动力短 缺、医疗及养老等社会问题。 普及、落实自动驾 驶和AI医疗系统。 1.1AI商业化概况 1.2AI定义 1.3两种商业化路径 1.4驱动力 -宏观环境 -政策 -数据 -技术(算法、算力) 1.5投融资分析 10 2019年,全球人工智能产业进入了落地应用的高峰期 ,商业化成为行业焦点。中国市场再迎政策红
18、利,于 2019年3月19日中央深化改革委员会审议通过了关 于促进人工智能和实体经济深度融合的指导意见, 从政策上部署,推动人工智能规模化落地。 截至目前,全国多个省市已陆续出台政策,其中,北 京、上海、深圳、杭州等东部城市人工智能产业密集 ,在政策反应速度上也明显高于中西部城市,全国人 工智能产业发展将在头部城市引领下形成百花齐放的 场景。 行业综述 中国人工智能商业化迎政策红利 ,政府推动AI产业规模化落地 城市相关政策或文件 北京 2019年2月,科技部发布科技部关于支持北京建设国家新一代人工智能创新发展试验区的函,就推动人 工智能产业发展做出具体要求,即:支持北京市建设国家新一代人工智
19、能创新发展试验区;充分发挥人才和 技术优势,突出高端引领作用;深化体制机制改革,优化人工智能发展的创新生态。 天津 2019年2月天津市武清开发区发布的关于组织2019年人工智能创新发展工程的通知明确,2019年人工智 能创新发展工程围绕“高端芯片、关键部件、高精度传感器、通用软件与平台、融合创新应用”五个重点领 域进行支持。 上海 2018年9月,上海市发布关于加快推进人工智能高质量发展的实施办法提出从人才建设、数据资源的开 放使用、人工智能产业协同创新、推动产业布局和集聚、加大政府引导和投融资支持力度等角度推动人工智 能产业发展。 深圳 2019年2月深圳出台新一代人工智能发展行动计划和芯
20、片产业发展政策,加快突破芯片、算法、感知等关键 技术,大规模拓展人工智能在先进制造业、公共服务、社会治理等领域的应用场景。 广东 2018年8月,广东省政府正式公布广东省新一代人工智能发展规划。规划指出,到2025年广东人工智能 产业核心规模突破1500亿元,带动相关产业规模达1.8万亿元;而到2030年整个人工智能产业发展要进入全 球价值链高端环节。 浙江 2019年2月,浙江省经济和信息化厅、浙江省科技厅印发浙江省促进新一代人工智能发展行动计划(2019- 2022年)。浙江将积极争取人工智能国家创新中心,加快建设人工智能“1+N”产业创新联盟,力争到 2022年,成为全国领先的新一代人工
21、智能核心技术引领区、产业发展示范区和创新发展新高地。 成都 成都市加快人工智能产业发展专项政策,从加快夯实人工智能产业基础、不断提升人工智能产业能级、 全面营造人工智能产业生态三个方面出台12条专项政策,推动人工智能产业发展。 1.1AI商业化概况 1.2AI定义 1.3两种商业化路径 1.4驱动力 -宏观环境 -政策 -数据 -技术(算法、算力) 1.5投融资分析 11 随着全球数字经济和信息化水平的提升,世界互联网 产业快速进入大数据时代。中国市场尤其如此,网民 基数大,信息化程度高使得中国市场上的数据量逐年 攀升。据IDC预测,全球数据总量预计2020年达到44 个ZB,中国数据量将达到
22、8060个EB,占全球数据总 量的18%。 大量的数据为人工智能算法的训练和应用提供了基础 材料,也同时带来数据处理的压力,从而推动市场引 进新的技术和方法来进一步挖掘数据的潜在价值。人 工智能正是这样一种与数据相互依赖,相互促进的新 技术。 中国在数据层面具有明显的相对优势,主要表现在数 据量大、数据的多样性丰富、数据的获取和使用更加 开放。这一方面是因为,中国市场人口基数大,信息 化程度逐年上升,大量的网民在互联网上的活动留存 了多元的数据,这些数据提供了人工智能产业生存和 发展的土壤;另一方面,中国网民对待网络的态度相 较于国外更加开放,对个人隐私保护意识没有到苛刻 的程度,愿意在社交、
23、消费等场景下提供更多的信息 来获取个性化的服务;此外,中国市场的互联网产品 丰富,各种产品从不同的维度沉淀了多样化数据,利 用这些数据训练出来的算法,更加符合中国用户的习 惯,更具有普适性和稳定性。 这些数据上的优势直接导致了中国的人工智能技术在 近年来快速突破,并进入商业化的发展阶段。 行业综述 中国在数据上占据相对优势,加 速了商业化的进程 1.1AI商业化概况 1.2AI定义 1.3两种商业化路径 1.4驱动力 -宏观环境 -政策 -数据 -技术(算法、算力) 1.5投融资分析 12 数据的扩张对算法和算力提出了新的挑战,同时算法 、算力上的提升也是人工智能技术商业化的重要助推 力。 算
24、法方面,现在主流应用的基于多层神经网络的深度 学习算法,不断加强机器从海量数据库中自行归纳物 体特征的能力,以及对新事物多层特征提取、描述和 还原的能力。最终使得基于深度学习的机器视觉、语 音语义、生物识别等多种人工智能技术的识别准确率 不断提升,从而可以在更广泛的场景下解决实际的问 题。这是推动人工智能商业化进程的最直接条件。 算力上,GPU、FPGA、ASIC等AI芯片的不断创新, 使得计算能力整体有了提升。人工智能在面对海量数 据、复杂场景时的算法训练和落地应用有了更强大的 算力支持,从而能够更快、更精准地获得结果,这无 论从技术实现还是用户体验上来说,都是人工智能商 业化的重要助推力。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 商业化 研究 报告 2019
限制150内