洪泰智造行研團隊在宏觀層面上對我國當前的人工智能產業鏈進行了梳理，并在此基礎上分析了我國人工智能產業鏈的基本特征。

一、人工智能的定義

目前，人工智能的定義主要集中于對人類思考的模擬以及理性的思考兩方面，尚無統一的定義。但從產業發展來看，當前人工智能都是立足于計算機的優勢，以人智能的部分特征（如事物分辨、語音對話等）為參照，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，并運用于各行各業之中。綜合來看，當前人工智能產業的主流是弱人工智能，以計算與感知為核心支撐技術。

關于人工智能的定義

二、人工智能產業鏈

人工智能產業鏈包括三層：基礎層、技術層和應用層。其中，基礎層為人工智能產業奠定網絡、算法、硬件鋪設、數據獲取等基礎；技術層以模擬人的智能相關特征為出發點，構建技術路徑；應用層集成一類或多類人工智能基礎應用技術，面向特定應用場景需求而形成的軟硬件產品或解決方案。

人工智能產業鏈

（一）基礎層

基礎層主要涉及數據的收集與運算，這是人工智能發展的基礎，主要包括AI芯片、傳感器、大數據與云計算。其中，傳感器及大數據主要負責數據的收集，而AI芯片和云計算負責運算。

1. AI芯片

AI芯片是人工智能的“大腦”，市場規模呈快速增長態勢。早期人工智能運算主要借助云計算平臺和傳統CPU相互結合的方式。但隨著深度學習等對大規模并行計算需求的提升，開始了針對AI專用芯片的研發。目前AI 芯片主要類型有GPU（圖形處理器）、FPGA（現場可編輯門陣列）、ASIC（專用定制芯片）和類人腦芯片四種。預計至 2021 年，人工智能芯片市場有望達到 111 億美元，CAGR 達 20.99%。

AI芯片市場規模

AI芯片技術發展呈現功能模仿與結構逼近兩個方向。GPU、FPGA 及ASIC是從功能層面模仿大腦能力，而類腦芯片則是從結構層面去逼近大腦。雖然在結構上模仿大腦運算是AI 芯片終極目標，但受制于技術上的限制，當前AI 芯片主流產品是在功能層面上的模仿。

目前，GPU 和 FPGA 等通用芯片是人工智能領域的主要芯片，但由于它們起初并非針對深度學習而設計，在性能與功耗等方面存在天然的缺陷。因此，針對神經網絡算法的專用芯片 ASIC正被Intel、Google、英偉達和眾多初創公司陸續推出，有望在今后數年內取代當前的通用芯片成為人工智能芯片的主力。

我國AI芯片產業處于起步階段，但已呈現崛起之勢。目前我國專注于AI芯片的企業較少，且總體技術水平與發達國家有較大差距，高端芯片還主要依賴國外進口。但目前也涌現了景嘉微、寒武紀科技等一批明星創業企業。國產AI芯片的崛起不僅帶來計算能力的提升，同樣可以起到降低成本的作用。

我國典型AI芯片企業

　　2.云計算

　　傳統實現移動終端人工智能的方法是通過網絡把終端數據傳送至云端，云端計算后再把結果發回終端，例如蘋果的Siri服務。當前人工智能主要的計算平臺還是云計算。根據部署模式或服務形式的不同，云計算可分為基礎設施即服務（IAAS）、平臺即服務 （PAAS）、軟件即服務 （SAAS）三類。

　　IAAS，分為公有云、私有云和混合云三種形態，提供給客戶的服務是對基礎設施的使用，包括處理器、存儲和網絡等基本計算資源，用戶能夠部署和運行操作系統、應用軟件等程序。

　　PAAS，將軟件研發的平臺作為一種服務，用戶可以在此平臺研發、存儲各種軟件或應用程序。

　　SAAS，提供給客戶的服務是運行在基礎設施上的應用程序，用戶可以在各種設備上通過互聯網訪問，如瀏覽器。

　　云計算種類及代表性企業

　　（二）技術層

　　技術層是人工智能產業發展的核心。技術層主要依托基礎層的運算平臺和數據資源進行海量識別訓練和機器學習建模，以開發面向不同領域的應用技術，包括感知智能和認知智能。

　　其中，感知智能通過傳感器、搜索引擎和人機交互等實現人與信息的連接，獲得建模所需數據，如語音識別、圖像識別、自然語音處理和生物識別等；認知智能對獲取的數據進行建模運算，利用深度學習等類人腦的思考功能得出結果。可見，只有在技術層基礎上，人工智能才能夠掌握“看”與“聽”的基礎性信息輸入與處理能力，才能面向用戶演變出更多的應用型產品。

　　國內的人工智能技術層主要聚焦于計算機視覺、自然語言處理以及機器學習領域。

　　在計算機視覺領域，動靜態圖像識別和人臉識別是主要研究方向，目前由于動態檢測與識別的技術門檻限制，靜態圖像識別與人臉識別的研究暫時處于領先位置，代表企業如百度、曠視科技、格靈深瞳等。

　　自然語言處理包括語音與語義識別兩方面。語音識別的關鍵是基于大量樣本數據的識別處理，國內大多數語音識別技術商都在平臺化的方向上發力，以通過不同平臺以及軟硬件方面的數據和技術積累不斷提高識別準確率。在通用識別率上，各企業的成績基本維持在95%左右，真正差異化在于對垂直領域的定制化開發，代表企業如科大訊飛、思必馳、云知聲等。

　　機器學習目前重點謀求在算法領域實現突破，當前主流算法如深度神經網絡、卷積神經網絡及循環神經網絡等都需要構建龐大的神經元體系，投入非常大，因此該領域主要為互聯網巨頭公司布局。由于巨頭公司業務領域和戰略不同，機器學習側重方向也略有不同，各公司在基礎算法研究的同時也會注重在特定行業的應用，例如京東DNN實驗室研究神經網絡算法，但主要方向在智能客服領域。

　　技術層分類及其代表性企業

　　（三）應用層

　　應用層是建立在基礎層與技術層基礎上，實現與傳統產業的融合發展以及不同場景的應用。隨著深度學習、計算機視覺、語音識別等人工智能技術的快速發展，人工智能與終端和垂直行業的融合將持續加速，對傳統的家電、機器人、醫療、教育、金融、農業等行業將形成全面而行重新的塑造。

　　據麥肯錫預計，到2025年，人工智能將催生10萬億美元以上的市場規模。以下重點選擇當前及未來幾年較為火熱的AI+領域進行分析，包括AI+安防、AI+金融、AI+家居、AI+汽車、AI+醫療、AI+機器人。

　　1. AI+安防

　　安防市場規模呈快速增長態勢。我國安防市場保持高速迅猛增長之勢，2015-2020年安防市場連續五年維持兩位數的增長，2020年國內安防市場規模達到8000億以上。根據前瞻產業研究院的預測，到2022年國內安防市場規模將達到近萬億規模。

　　我國安防行業市場規模

　　視頻監控領域將是AI+安防最大的應用產品。伴隨著城鎮化步伐加快、社會結構變遷及國際環境變化，治安突發事件、恐怖案件屢有發生，智能安防需求日益提升。以政府主導的193個智慧城市項目在 2014-2018年進入第二輪實施周期，總投資近 3 萬億規模，對以高清網絡視頻監控為核心的智能安防產業需求巨大。

　　AI+安防領域典型企業

　　2. AI+金融

　　目前人工智能領域在金融行業比較成熟的應用主要有智能投顧、風險管控與智能客服，主要采用的方法有機器學習、自然語言處理、知識圖譜和計算機視覺等。

　　我國人工智能在金融領域的市場規模

　　智能投顧。運用深度學習算法、圖像識別技術和語義理解技術可以有效的克服傳統投研中數據不夠豐富、模型的好壞取決于分析師對數據的敏感程度這兩個弊端，獲得比傳統投資方法更高的收益率。根據花旗銀行的最新研究報告，人工智能投資顧問管理的資產，2012 年基本為0，到了2014年底已經到了140億美元。預計在未來10年的時間里，它管理的財產還會呈現指數級增長的勢頭，總額達到 5 萬億美元。

　　風險管控。利用人工智能可以構建更加科學完善的風險管控體系。人工智能可以最大程度解決金融行業的信息不對稱問題，即利用圖像識別、語義理解等技術最大程度的挖掘投融資雙方的數據，整合多源的量化資料，對金融風險進行科學的預測規劃，利用深度學習算法不斷優化風險管理模型，構建科學完善的風險管控體系。

　　智能客服。應用人臉識別、語音識別、語義理解等人工智能應用技術，提供全天候客戶服務，每天 24 小時為客戶提供高效的業務查詢和問題解決服務，可以提高金融公司的服務質量，提升客戶滿意度，增強客戶粘性。目前光大銀行、交通銀行等皆已使用。

　　我國智能金融代表企業

　　3. AI+家居

　　智能家居是以住宅為平臺，利用先進的人工智能技術、網絡通信技術、綜合布線技術，將與家居生活有關的各種子系統有機地結合在一起，通過統籌管理，讓家居生活更加智能、舒適、安全。

　　智能家居未來市場規模近五千億，有望實現高速增長。根據中國產業信息網的數據，2014年我國智能家居產業市場規模達到290億元；2015年市場規模達到403.4億元，同比增長41%，2017年國內智能家居市場規模將達到908億元，預計未來五年（2017-2021）年均復合增長率約為48.12%，2021年市場規模將達到4369億元。

　　我國智能家居市場規模

　　智能家居和物聯企業的主要著力點在于智能設備和智能中控兩個方面。在這其中，以海爾和美的為代表的傳統家電企業依托自身渠道、技術和配套產品優勢建立起了實體化智能家居產品生態。而以阿里、騰訊、京東、小米和樂視等互聯網企業為代表的公司則通過各自平臺內的數據和終端資源提供不同的軟硬件服務。

　　我國智能家居代表企業

　　4. AI+汽車

　　隨著人工智能的發展，自動駕駛正在變為可能，各大車商紛紛計劃在2021年前后推出全自動駕駛車型。

　　無人駕駛汽車是人工智能和汽車工業的結晶。無人駕駛汽車是指依靠人工智能、雷達、監控裝臵和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。無人駕駛汽車將讓傳統的汽車變成一臺輪式機器人。

　　人工智能助推無人駕駛汽車邁入商業化進程。不同于半自動駕駛和輔助駕駛汽車，無人駕駛汽車的核心技術是人工智能技術。從人工智能視角來看，無人駕駛汽車就是一臺輪式智能移動機器人，它以深度學習算法為基礎的人工智能作為“大腦”，憑借機器視覺為基礎的傳感器作為“眼睛”，從而實現安全和快速的行駛。無人駕駛汽車集成了機器視覺、規劃導航、人機交互、智能控制等多種技術，這些關鍵技術的快速發展助推無人駕駛走向產業化。

　　無人駕駛汽車市場發展前景廣闊。目前，無人駕駛汽車已經開始從實驗室走向市場，根據麥肯錫報告，無人駕駛汽車在農場、礦場等一些地方已經開始商用，預計未來十年內無人駕駛汽車將走入普通大眾的日常生活中。

　　無人駕駛汽車市場發展預測

　　我國無人駕駛代表企業

　　5. AI+醫療

　　我國人工智能醫療呈爆發式增長態勢。在當今醫療領域，醫生資源的短缺是造成看病難的重要原因，尤其是在不發達地區，這一問題尤為嚴重。智能醫療的可復制性，可以很好的解決優質醫生的稀缺性問題。隨著人工智能領域，語音交互、計算機視覺和認知計算等技術的逐漸成熟，人工智能醫療領域的各項運用變成了可能。這其中主要包括：語音錄入病歷、醫療影像智能識別、輔助診療/癌癥診斷、醫療機器人、個人健康大數據的智能分析等。預計2018年我國人工智能醫療市場規模有望達到200億元。

　　我國AI+醫療市場規模目前國內智能醫療領域的研究主要集中于醫療機器人、醫療解決方案和生命科學領域。由于起步較晚和技術門檻的限制，目前國內醫用機器人的研發水平和普及率相較于國際一線水平仍存在一定的差距，從事企業主要集中與手術機器人和康復機器人兩大領域，以新松機器人、博實股份、妙手機器人、璟和技創等企業為代表。在醫療解決方案方面，以騰訊、阿里巴巴、百度和科大訊飛為代表的公司通過和政府、醫療機構的合作，為腦科學、疾病防治與醫療信息數據等領域提供智能解決方案。

　　我國智能醫療企業典型代表

　　6. 智能機器人

　　由于工業發展和智能化生活的需要，目前國內智能機器人行業的研發主要集中于家庭機器人、工業企業服務和智能助手三個方面。在以上三個分類中，從事家庭機器人和智能助手的企業占據著絕大多數比例。

　　我國服務機器人市場規模

　　人工智能技術正在全面重塑機器人產業，推動智能機器人應用。智能機器人主要包含三大核心技術模塊，分別是人機交互及識別模塊、環境感知模塊、運動控制模塊。特別是人機交互及識別模塊綜合了語音識別、語義識別、語音合成、圖像識別、機器學習、自然語言處理等人工智能技術，實現對人類的意識及思維過程的模擬，賦予機器人學習、推理、思考、規劃等智能行為和能力。

　　我國有影響力的機器人骨干企業不斷涌現。我國機器人企業都在謀求從傳統工業化企業向智能化轉型，提高行業的競爭力和提升整個產業結構向上發展。其中工業機器人骨干企業有沈陽新松、安徽埃夫特、廣州數控、哈博實、哈工大機器人、新時達、埃斯頓等；服務機器人骨干企業主要有科沃斯、康力優藍、納恩博、風行天下、優必選、 巨星科技、機器人零號、上海未來伙伴等。

　　我國智能機器人代表企業

　　三、我國人工智能產業鏈特征分析

　　（一）人工智能產業處于發展朝陽期，

　　未來將步入加速發展期

　　國內人工智能企業絕大部分處于初創期。從企業構成來看，目前國內95%以上的人工智能企業處于初創期，只有不到5%的企業處于成熟階段。從成立時間來看，根據艾媒咨詢對中國168家以人工智能為驅動技術或業務的非上市公司的信息整理，其中，34.5%的人工智能創業公司于2015年成立，20.8%成立于2014年，2016年成立的占16.7%。

　　人工智能產業將呈快速增長態勢。2017年中國人工智能市場規模達到152.1億元，增長率達到51.2%。隨著人工智能技術的逐漸成熟，科技、制造業等業界巨頭布局的深入，應用場景不斷擴展，預計2018年中國人工智能市場規模有望突破200億元大關，達到238.2億元，增長率達到56.6%。并于2019年增長至344.4億元。

　　我國人工智能產業市場規模

　　（二）大公司產業鏈布局廣，創業公司專業性強

　　大公司全產業鏈布局。在我國人工智能產業生態中，以BAT為代表的大公司參與布局較廣，在基礎層、技術層及應用層皆有所布局。對比百度、騰訊、阿里巴巴和京東這幾家巨頭，從新聞熱度來看，百度在人工智能各領域布局和產業化能力強于騰訊、阿里巴巴和京東，在自然語言處理、計算機視覺、智能駕駛三大領域，百度的產業新聞熱度明顯高于其他公司。可見，百度目前是全面布局，而阿里和騰訊則是各有側重。

　　新聞熱度對比

　　創業公司專業性強。中國不乏優秀的人工智能創業公司，大部分專業性較強，專注于某一細分領域的技術和應用研究，其中，計算機視覺領域集中了大批的優秀創業公司。但是，各應用場景之間的人工智能技術相關度存在一定的差異。目前，我國人工智能初創企業中，有高達42%的企業應用計算機視覺相關技術，其次是語音和自然語言處理，兩者占比總和43%，與計算機視覺占比相當。

　　我國人工智能創業企業領域分布

　　（三）人工智能產業鏈目前重在技術層，未來將向“人工智能+”與基礎層布局

　　人工智能產業鏈中，基礎層是構建生態的基礎，價值最高，需要長期投入進行戰略布局；通用技術層是構建技術護城河的基礎，需要中長期進行布局；解決方案層直戳行業痛點，變現能力最強。

　　人工智能+成為未來發展大趨勢。在移動互聯網時代，“互聯網+”的出現給經濟發展帶來了重大影響，隨著專用人工智能的發展，作為一個龐大的高新技術合集，“人工智能+”作為一直新經濟業態已經開始萌芽，越來越多的行業開始擁抱人工智能，用“人工智能+”助力技術和產業的進一步發展。

　　商業模式以B 端業務為主。大部分公司的業務主要以B 端解決方案和服務為主。一方面，B 端業務注重與行業客戶的互動合作，更有利于人工智能技術和產品的落地;另一方面，行業客戶對于生產效率的提高有強烈的需求，而C 端產品需求仍需挖掘。不過，大公司的C 端產品布局依然是相對活躍的。

　　（四）智能駕駛、大數據及數據服務和人工智能+領域是國內熱點投資領域

　　從國內投融資來看，近三年內人工智能領域主要集中在智能駕駛、大數據及數據服務和人工智能+領域。從獲投企業數量來看，計算機視覺、自然語言處理領域的企業占據多數。但從獲投金額來看，自動駕駛/輔助駕駛是投資金額最高的細分領域，并且大額投資眾多。此外，雖然計算機視覺類的創業公司多于自然語言處理，但是投資金額兩者卻截然相反。

　　我國人工智能投資金額分布