<kbd id='lezefx'></kbd><address id='lezefx'><style id='lezefx'></style></address><button id='lezefx'></button>

              <kbd id='lezefx'></kbd><address id='lezefx'><style id='lezefx'></style></address><button id='lezefx'></button>

                  http://www.lezefx.com/

                  幹貨|2019年中國人工智能産業研究報告

                  时间:2019-08-06    点击:次     來源:宝运莱娱乐    

                  幹貨|2019年中國人工智能産業研究報告

                  來源:信息化協同創新專委會


                  核心摘要:

                  “商業落地”已成爲人工智能發展到當前階段鮮明的主題詞,過去人工智能技術驅動階段重在AI算法模型比拼,如今更要依賴商業場景洞察、專家團隊實力,將AI技術與行業實際需求結合,産生應用與經濟價值。


                  因此本報告從人工智能在實體經濟中的市場化情況出發,探尋人工智能對實體經濟的意義。研究表明,當下,AI相關技術與傳統行業經營模式和業務流程開始産生實質性融合,智能經濟時代的全新産業版圖初步顯現。預計2019年人工智能賦能實體經濟産業規模接近570億元。


                  本報告對安防、金融、客服、醫療健康、零售、廣告營銷、教育、城市交通、制造、農業等十大傳統産業應用人工智能的現狀進行了梳理。整體來看,過去AI企業單純向傳統企業技術輸出的模式已悄然改變,全産業鏈都已參與進來,隨之而來的是AI應用的快速滲透和對相應場景的革新優化。具體應用場景、使用價值及市場規模推算請詳見報告第二章論述。


                  通往智能世界探索的路径存在多种可能,基于部署思路、建设架构、同其他数字化技术联动等方面的差异,业内已有与IoT结合的AIoT、与雲平台能力结合的AI PaSS、与产业全面联通相结合的AI+産業互聯網等发展路径,将共促人工智能與實體經濟的深度融合。


                  從市場角度看,對人工智能産業的未來發展思考集中于玩家角色變化、落地場景的探索與評估和技術能力的強化提升,因爲上述因素會對業務布局、商業模式、可持續發展産生重要影響。艾瑞認爲未來認知智能的推進將帶來傳統意義上客戶方的AI化,AI技術將進一步向其他實體産業滲透,同時市場環境的壓力敦促國內AI行業形成自主可控的産業鏈,這些變化都將促使我國人工智能産業的長期健康發展。


                  行業概述篇


                  人工智能戰略意義


                  商業價值:2019年AI賦能實體經濟預計貢獻收入近570億元


                  近幾年,人工智能技術在實體經濟中尋找落地應用場景成爲核心要義,人工智能技术与传统行业经营模式及业务流程产生实质性融合,智能经济时代的全新产业版图初步显现,預計2019年人工智能核心产业规模接近570亿元,目前,安防和金融領域市场份额最大,工业、医疗、教育等領域具有爆发潜力。


                  幹貨|2019年中國人工智能産業研究報告


                  幹貨|2019年中國人工智能産業研究報告


                  人工智能産業圖譜


                  幹貨|2019年中國人工智能産業研究報告


                  人工智能産業成熟度


                  安防與金融發展條件較好,業務滲透最快,營銷、客服、教育等有望快速發展


                  我們根據基礎建設和價值空間兩大維度對人工智能赋能的十大实体经济类型进行分析。总体而言,金融、营销、安防、客服等场景在IT基础设施、数据质量、对新技术的接受周期等AI发展基础条件方面表现较优,而在当下市场规模、行业发展增速、解決方案落地效果和政策导向等诸多因素的影响下,安防、金融、教育、客服等场景将产生较高的商业化渗透和对传统产业提升程度。


                  其余産業中,制造場景由于基礎建設複雜、數據獲取難度較大,且實際智能應用仍較爲邊緣化,AI應用短期內滲透釋放難度較大;醫療、零售、交通等場景隨著AI技術與場景核心痛點匹配度上升、産品逐漸完善,未來將激發更大價值;農業因爲技術基礎、商業模式、購買能力等問題,目前AI的賦能作用尚不明顯,有待未來探索。


                  幹貨|2019年中國人工智能産業研究報告


                  賦能實體經濟篇


                  泛安防領域


                  2022年G端與B端市場規模有望突破700億元


                  2016年是AI+安防商业化元年, 2018年,我国AI+安防软硬件市场规模达到135亿元,部分头部安防厂商AI业务在总营收中占比從大约4%提升至超过8%,部分典型AI公司安防业务则占接近一半的营业收入。2018年城市公共安防中AI渗透率达到2.6%。


                  預計2019年市场仍将保持高增速,到十三五收官之年2020年增速开始稳定,届时市场规模可达到453亿元(城市公共安防AI渗透率达到11%),2022年市场规模有望突破700亿元(城市公共安防AI渗透率达到25%),從2017年到2022年CAGR达到78.3%。


                  幹貨|2019年中國人工智能産業研究報告


                  視頻監控占比近90%,中心側份額最大


                  2018年AI+安防軟硬件市場約135.3億元的産值中,視頻監控占據絕大部分,份額近90%,成爲AI+安防的主賽道。其中,端側市場規模超過38億元,占28.3%,中心側市場規模超過74億元,占54.8%。


                  而在AI+安防的核心战场公共安全領域,总市场规模约93.1亿元,其中端侧市场规模约13.8亿元,占14.8%,中心侧市场规模约66.5亿元,占71.4%,边缘侧渗透有限,占比较小,约3.8%。


                  出入口控制的主要产品如人脸识别闸机、门禁等,门槛相对较低,与监控人脸识别具备相通之处,因此绝大部分安防产品与解決方案提供商均涉足这部分业务,其市场相对较大。


                  幹貨|2019年中國人工智能産業研究報告


                  传统金融領域


                  傳統金融機構、互金公司和AI公司是主要參與者,中小型金融機構表現活躍


                  傳統金融機構擁有廣泛的客戶基礎和海量高可信度的數據積累,擁有完整的線下布局,對AI應用有核心需求,是市場中主要的需求方;互聯網金融公司承載人口紅利,擁有大量的C端客戶和流量數據,在産品設計和渠道運營方面具有優勢,是技術的需求方,也是提供者;AI公司在終端客戶和數據積累方面不足,但在特定方向上具有較強的創新性和研發能力,是主要的技術提供者。


                  傳統金融機構主要通過成立子公司自研技術、對外投資並購和采購合作三種方式進行AI布局,目前以采購合作爲主,需求更傾向于金融零售中的風控反欺詐和精准營銷。


                  國有銀行等大型機構對于AI産品采購的態度更顯謹慎,爲保證數據安全可控,往往要求合作公司開放代碼,由雙方共同開發,在篩選合作對象時更看中AI公司的合作案例和研發能力,而中小型機構相對靈活,是市場中的活躍者;互聯網金融公司面臨著新一輪轉型,在牌照監管壓力下,互金公司將加大與銀行的合作,由業務輸出向技術輸出拓展。


                  AI公司在金融方面以智能風控産品爲主,主要存在技術集中型和數據集中型兩類,前者在算法模型訓練方面有優勢,後者在黑名單數據積累方面有優勢,AI公司與大型機構合作後摸索出的解決辦法對中小型機構更有應用價值。


                  幹貨|2019年中國人工智能産業研究報告


                  传统金融領域


                  2022年傳統金融AI投入約580億元,銀行業務仍是核心場景


                  據艾瑞統計,2018年中國傳統金融機構科技投入約爲1604.3億元,較2017年增長10%,其中包括硬件和軟件的AI相關投入約占10.4%,爲166.8億元,較2017年增速爲42.9%。


                  保守估計,到2022年中國傳統金融機構科技投入將突破3700億元,AI相關投入占比將達到15.6%,超580億元。


                  银行业是AI相关应用的主要投入方,占比70%,大部分通过外部采购方式获取AI服務,其中对基础设施层投入占60%,在AI应用层投入占40%,约39亿元,硬件部分(以AI摄像头和人证比对机为主)占三分之一,软件部分(以精准营销和智能风控平台为主)占三分之二。


                  幹貨|2019年中國人工智能産業研究報告

                  幹貨|2019年中國人工智能産業研究報告


                  客服領域


                  2022年智能客服業務規模將突破160億元,AI技術成爲重要推動力


                  2018年,智能客服業務規模達到27.2億元,其中以智能客服機器人爲代表的AI應用業務規模達到7.9億元,預計2022年智能客服業務規模將突破160億元,年複合增長率爲56%,AI應用業務規模突破70億元。


                  在NLP技术的赋能作用下,客服业务将向企业服務、智能家居、智能可穿戴、车载设备、智能服務机器人、智能会议系统等領域拓展,预计2022年,泛智能客服市场想象空间将突破600亿。


                  幹貨|2019年中國人工智能産業研究報告

                  幹貨|2019年中國人工智能産業研究報告

                  幹貨|2019年中國人工智能産業研究報告


                  客服領域


                  NLP技術與標准化數據累積將拓展智能客服企業的業務邊際


                  由于客服行業中智能化需求上升,除原有的客服機器人廠商外,擁有豐富大客戶資源的傳統客服軟件廠商、基于PaaS雲通訊優勢的雲客服廠商、互聯網巨頭公司的相關客服平台都開始組建自身的AI團隊,布局智能客服。


                  智能客服最大的隐性价值在于NLP技术在实际场景中的训练和标准化数据累积,后者在挖掘客户有价值信息中明显起到降本增效的作用,标准化的数据打通了企业内部营销、产品等环节,使得智能客服业务拥有了向企业服務其他场景拓展的能力;而NLP技术将成为智能客服公司的核心竞争力,可以此向制造、政务、医疗等領域拓展,向集认知、交互、协同、功能性于一身的智能系统发展。


                  幹貨|2019年中國人工智能産業研究報告

                  幹貨|2019年中國人工智能産業研究報告


                  医疗健康領域


                  AI醫學影像産品潛在價值巨大,但商業落地面臨瓶頸


                  本報告重點關注AI醫學影像賽道。AI醫學影像産品有肺結節等胸部AI、心血管疾病AI、大血管疾病AI、DR影像智能報告AI、骨關節疾病AI、乳腺影像AI、神經系統影像AI、骨齡判讀AI、小兒疾病AI、盆腔影像AI、腦部影像AI、眼底影像AI、皮膚AI、病理AI、超聲AI等十余種,其中肺結節等胸部AI産品最多、認知度最高。


                  AI醫學影像商業落地的大背景是我國影像科醫師明顯不足:每年影像檢查量上升30%,而影像科醫師只增長4%,一方面給醫院和醫師造成巨大壓力,醫師在重複、單調的閱片工作中容易出現疲勞、漏診等現象,另一方面中長尾醫療機構缺乏具備診斷能力的影像醫師,造成可拍片但無人寫報告的局面。


                  AI醫學影像産品的主要價值包括:


                  (1)診斷賦能。提高疾病表征的檢出率,減少漏診,幫助癌症等重大疾病患者實現早診早治,提升病人存活率、降低家庭及社會診療成本,艾瑞預測,若未來AI醫學影像得到大規模使用,在癌症方面可節省診療與用藥支出2470億元,其中節省醫保和民政救濟支出1062億元;


                  (2)治療方案賦能。AI對影像進行分割精准確認病竈位置、形態,可輔助評估患者術前術後風險,不過相關技術和産品尚不成熟;


                  (3)閱片賦能,提升閱片效率、節約醫師時間。從AI産品的價值定位分析,其在很長時期內都以院內客戶通過IT采購或科研合作形式付費爲主,而AI産品的落地還面臨准入門檻高、周期長,産品功能仍需完善等問題,商業化快速推進有賴于上述問題的解決。


                  幹貨|2019年中國人工智能産業研究報告


                  医疗健康領域


                  醫療健康是個慢行業,預計2022年AI醫學影像市場近10億元


                  AI醫學影像的商業落地預計于2019年起步,到2022年市場規模達到9.7億元,在已定級醫院中總付費滲透率達5%,在三級醫院和二級醫院的總付費滲透率達到8%,期間若産品功能取得突破性進展則有更大發展空間。


                  此前,AI醫學影像基本采用三甲醫院試用合作的模式,2019年後逐步推進産品收費,隨著分級診療的推進和市場對AI認知的提升,預計2020年底至2021年部分産品獲得CFDA三類醫療器械認證,同年二級醫院客戶數量首次超過三級醫院。


                  目前主要有三種收費模式:


                  (1)将AI医学影像嵌入云HIS或云PACS中,打包售卖,由于现阶段AI产品商业化面临产品功能还未完全直击客户痛点,医院客户较多使用的是免费AI,与雲服務结合可将AI作为收费模块;


                  (2)将AI作为服務单独提供,其优势在于相较于雲服務,软件开发形式更符合医院采购习惯;


                  (3)与影像设备厂商合作提供具有AI功能的医疗影像设备,收取一定分成,这种形式较难提供完整的拍片-阅片智能解決方案、需要重新申报CFDA审批认证,目前落地较少。目前市场中主要有AI企业、医疗信息化厂商、科技巨头、医疗影像设备厂商等几类玩家。


                  幹貨|2019年中國人工智能産業研究報告


                  幹貨|2019年中國人工智能産業研究報告


                  零售領域


                  2022年AI+零售建設投入將超175億


                  包含大卖场、超级市场、便利商店等业态的现代渠道型零售品牌是新零售的主要实践场景,也是相关产品服務的主要买方。


                  據艾瑞研究,2018年中國現代渠道主要零售商數字化建設投入爲285.1億元,其中AI投入爲約9億元,占比3.15%,據預測,到2022年其數字化建設投入將突破700億元,AI投入將超過178億元,占比超過25%,得益于阿裏巴巴、京東、蘇甯等零售巨頭的推動,以AI應用爲代表的新零售概念處于增長的上升通道,未來兩年將保持較高增速。


                  目前AI应用可以分为以人为准的AI解决办法、商品识别、供应翉呐化、智能服務机器人/客服机器人和无人货柜/无人店五大类,以CV技术为核心的人脸识别和商品识别是主要建设方向,相关投入占整体的55.36%,供应翉呐化最为复杂,对AI算法的可用性要求最高,但更靠近零售业的核心痛点,未来可释放的增益价值最大。


                  幹貨|2019年中國人工智能産業研究報告

                  幹貨|2019年中國人工智能産業研究報告


                  零售領域


                  AI公司、雲服務商和零售商是主要玩家,算法与经验的融合是最终方向


                  目前以人工智能技术为代表的新零售解决办法主要有两种提供途径,其一是技术输出型,提供方主要为雲服務商和AI公司,其中雲服務商通过集成AI公司的算法能力,向用户输出基于雲平台的标准化服務,而AI公司交付给用户的解决办法多为定制类项目,解决用户个性化需求,这也是其主要的收入来源;另一种是经验输出型,由成熟的品牌零售商提供解决办法,试图将品牌自身多年的运营经验和新技术融合,向中小微型零售商输出,优化其运营模式。


                  兩種途徑出發點不同,但終將向算法與行業經驗融合,産出可執行方案的方向發展,而在實際場景中的不斷試錯是達到這一目標的唯一方法。


                  幹貨|2019年中國人工智能産業研究報告


                  數字營銷:AI的引入彌合了傳統數字化營銷的不足


                  隨著營銷産業的不斷發展,傳統的營銷模式漸顯不足,在用戶時間碎片化的前提下,廣告ROI效果不理想、目標用戶不清晰等問題被不斷放大,同時病毒式的投放方式以及單一的內容形式也必然會讓用戶産生審美疲勞,降低對廣告的體驗和興趣,媒資與流量管理的效率亟待提升。


                  人工智能針對上述問題,通過技術與營銷環節相結合,在提供更加充實的用戶特征以及創意內容的同時,對投放的策略和形式進行優化,提升引流、集客、轉化效果。


                  幹貨|2019年中國人工智能産業研究報告


                  視頻廣告:增加廣告位資源,提升用戶接受度


                  本報告重點關注AI在場景識別廣告賽道的商業價值。目前,AI場景營銷、廣告快速植入、功能性互動營銷等視頻廣告類業務已經有較爲明確的商業模式,主要由長視頻平台及AI公司通過視頻廣告招商分成的形式運作,2018年實現了初步商業落地,艾瑞初步測算當年市場規模達到8.8億元,預計2022年可達63.8億元,若市場接受度充足、滲透率高于預期,則有望達到133億元。


                  AI場景廣告相比傳統網絡視頻廣告可新增約40%廣告位資源、平均提升點擊率2.5倍,綜合投放類型、滲透情況等因素,粗略測算未來AI場景廣告可爲網絡視頻廣告産業帶來31%的價值提升。


                  边看边买类服務由短视频平台自建或AI公司提供,有收取电商平台提成、按点击收费、收取项目实施费等几种收费模式,在短视频平台、电商自有直播中落地较快,在长视频平台、OTT等領域的应用和商业模式都有待成熟。


                  幹貨|2019年中國人工智能産業研究報告

                  幹貨|2019年中國人工智能産業研究報告


                  教育領域


                  受政策及文化限制較小的校外市場和成人市場AI滲透率較高


                  由于教育關系到一個人未來的發展機會,試錯成本高,所以當一項新技術或一種新模式出現時,用戶一般不願率先做“小白鼠”,而是傾向于選擇口碑好的成熟品牌,並且,人腦吸收知識或技能的過程在目前無法清晰地拆解呈現出來,過程不透明,更加重了用戶消費時的謹慎心理。


                  因此教育行業本身具有頑固性,對于新技術或新模式存在天然的排斥,而不像大衆消費品行業、娛樂行業那樣求新求異。


                  人工智能在不同教育領域的渗透程度来看,越是校外市场,受到教育部门的监管就越小,越是高年龄段的市场,用户的容错能力就越高,所以渗透程度相对高。其中口语听力练测、智能题库、组卷阅卷/作业批改等场景是目前渗透最好的几个场景。


                  幹貨|2019年中國人工智能産業研究報告


                  教育領域


                  堅實的發展基礎——龐大的在線教育市場規模和用戶數量


                  經過20余年的曲折發展,隨著用戶對在線教育的接受度不斷提升、在線付費意識逐漸養成以及線上學習體驗和效果的提升等因素影響,中國在線教育的市場規模與用戶數量已進入了初步成熟階段。


                  2018年中國在線教育市場規模達2517.6億元,付費用戶數量超過1.35億人,人工智能技术进入教育領域后,市场上涌现出大量专注于“AI+教育”的新型教育机构,在线教育企业也在已有业务线基础上引入人工智能技術以提升教學效率、拓展商業模式。


                  艾瑞認爲,目前在線教育中與人工智能技术相关的业务规模已超过120亿元,在AI技术不断发展及教育領域AI落地成熟度持续提升的背景下,预计2022年与人工智能技術相關的在線教育業務規模將超過700億元。


                  幹貨|2019年中國人工智能産業研究報告


                  城市交通領域


                  2022年交通大腦市場將達33億,軟件需求上升促進其發展


                  治理擁堵問題是城市交通場景的核心需求,所以本報告聚焦于城市智慧交通管控平台目前的應用現狀和商業化程度。


                  2016年應用人工智能技术的交通大脑出现,使交通管控系统正式步入智能化时代。交通大脑实质是囊括数据采集平台、数据分析平台、数据建模平台和决策平台的PaaS雲服務,通过对城市交通场景中众多传感器采集的数据信息关联性处理,建立数据库,由机器学习对信号灯管控、车流诱导等问题进行建模,联动信号灯控制系统和手机地图软件等,输出最佳解决办法。


                  據艾瑞統計,2018年交通管控項目規模約166.2億元,其中交通大腦項目規模約5.3億元,預測2022年交通管控項目規模將突破240億,交通大腦項目突破32億。


                  目前交通大脑的供应商多采用与合作伙伴绑定的形式争取项目,利润在整体项目的20%左右,在产业链中的话语权不高,但以北、上、广、深为代表的一线城市和部分二线城市,已经從基础建设阶段向应用阶段过渡,对软件的需求逐渐上升,这一利好未来会持续促进交通大脑项目的落地。


                  幹貨|2019年中國人工智能産業研究報告

                  幹貨|2019年中國人工智能産業研究報告


                  制造領域


                  制造數字化是“AI+制造”的基礎


                  我國制造業信息化水平參差不齊,且制造産業鏈條遠比其他行業複雜,更強調賦能者對行業背景的理解,這都造成了制造業的AI賦能相比其他行業門檻更高、難度更大。


                  盡管人工智能技術在制造業的部分環節與流程中已經有了一定程度的應用,但整體滲透率仍然處于較低水平。“AI+制造”的落地基礎取決于制造業的數字化程度,根據中國信通院的測算,2018年中國工業數字化經濟的比重僅爲18.3%,尚不足20%。


                  在制造業整體數字化水平偏低的背景下,艾瑞認爲AI技術在制造業數字化經濟中的滲透率在0.4%左右,並將在2022年達到1%。


                  幹貨|2019年中國人工智能産業研究報告


                  农业領域


                  農業數字化基礎薄弱,AI滲透率低,市場尚處于培育期


                  傳統産業的AI賦能都以其數字化程度爲基礎,中國農業在耕地面積有限且不斷減少、規模化種植範圍較小、機械化程度不高等因素的影響下,數字化程度處于較低水平。


                  2018年,中国农业数字经济占增加值比重仅为7.3%,不仅远远低于服務业的35.9%,与工业相比也有较大差距。由于农业的信息化、数字化基础薄弱,人工智能在农业中的成长壮大还需要一段积累数据和调整算法的培育期,并隨著农业数字化程度的逐步提升以及农业企业、农业规模户对“AI+农业”产品服務的认可而迎来新的发展。2018年中国“AI+农业”領域的市场规模为1.9亿元。


                  預計未來數年內,“AI+農業”市場規模將以35.2%的年複合增長率高速發展,並于2024年突破10億元,2025年達到15.7億元。


                  幹貨|2019年中國人工智能産業研究報告


                  幹貨|2019年中國人工智能産業研究報告


                  新興發展模式篇


                  AIoT核心生態


                  主要包括智能设备与解決方案方、系统方、基础设施提供方


                  AIoT的体系架构中主要包括物聯網设备及解決方案、操作系统/平台、基础设施(以雲服務形态为主)等三大层级。


                  智能化设备是AIoT的“五官” 与“手脚” ,可以完成视图、音频、压力、温度等数据收集,并执行抓取、分拣、搬运等行为,通常是物聯網设备与解決方案搭配向客户提供,这一层涉及设备形态多样化,玩家众多。


                  操作系统/平台相当于AIoT的“大脑”,解决流程体系性问题,核心功能包括对设备层进行连接与控制,分配计算资源,通过AI算法协同优化、合理调度等,这一层对业务逻辑、统一建模、全链路技术能力、高并发支撑能力等要求较高。基础设施层是AIoT的“躯干”,提供服務器、存储等IT基础设施。


                  幹貨|2019年中國人工智能産業研究報告


                  AI PaaS


                  AI能力平台化輸出降低了入局門檻,推動商業化第二波爆發


                  隨著人工智能技术对传统产业的不断渗透,越来越多的企业对AI产生了需求,但自主组建一支AI技术团队,研发相关系统和应用对于大部分公司而言投入产出比并不高,而且难以达到“即插紡拿”的效果,因此通过雲平台PaaS层输出AI能力的AI PaaS服務成为需求方向。


                  结合产业化落地,AI PaaS平台可分为三个阶段, 既模型自动化生产、模型规模化生产和模型智能化生产,逐步实现去监督化生产。AI PaaS又分公有雲平台和私有雲平台,二者在架构方面主体基本一致,只有在权限管理、资源管理和数据管理部分区分公有化和私有化,总体来看AI PaaS要满足模块化、分布式、资源共享、可拓展和环境分离五大特性,以满足不同量级用户的并发需求。


                  幹貨|2019年中國人工智能産業研究報告


                  産業互聯網


                  産業互聯網打造数据环境,AI算法体现核心价值


                  互联网巨头公司正致力于推动産業互聯網发展,希望通过丰富的云端应用打通产业链上下游企业,使真实的生产数据能够在雲平台累积。


                  其中,AI主要通过认知智能体现价值,由NLP、知识图谱技术建立打通产业的关联数据库,通过机器学习训练模型,推导出最佳的优化策略,向企业输出解决办法、咨询服務或SaaS应用等,使整条产业链的生产更柔性,商业逻辑更具可预测性。


                  隨著平台用户增加,导入数据激增,AI算法获得更多优质数据训练,准确率上升,产生能够撬动更多用户的核心竞争力,形成良性循环的产业生态,從而达到技术推动传统产业升级的效果。


                  幹貨|2019年中國人工智能産業研究報告


                  未來思考篇


                  新出發


                  認知智能到來的過程,也是傳統意義上客戶方AI化的過程


                  2018年,感知智能取得了較快發展,但由于感知智能很難切入産業關鍵業務環節,無論是出于提升産業智能化還是拓展人工智能企業商業價值的目的,2019年都將是成長期的感知智能與萌芽期的認知智能共同發展的一年。


                  目前傳統企業獲取AI應用的普遍方式是依賴第三方實現全部業務需求,往往出現兩類問題:第三方對業務邏輯理解不足;客戶很難根據自身不斷變化的環境與需求實現算法叠代和人機智能實時協同,這都會導致AI産品在客戶處“水土不服”時而發生。


                  而且産業數據的保有方往往是客戶,出于敏感數據安全性的顧慮,也很難將涉及核心業務的數據交托給第三方訓練,這些非技術性問題在很大程度上阻礙了認知智能的發展。


                  在此背景下,AI服務方与客户合作开发完成在客户公司内部的数据训练标注,以及向客户提供基础AI工具保障其拥有一定的维护、优化甚至开发能力很有必要,因此近几年认知智能的推进将带来传统意义上客户方获得一定自有AI能力,实现AI化。


                  幹貨|2019年中國人工智能産業研究報告


                  從技术可行性和产业生态的角度评估新场景


                  對于更爲廣泛的傳統行業或線下使用場景的潛在客戶,艾瑞建議人工智能企业從产业智能化升级基础-市场进入方式-市场成长周期等几个角度评估可行性。


                  以煤炭行業爲例,有勘查設計、地測、采掘、洗選、安全保障、運營等主要業務環節,其中勘查、安全保障、運營等環節已有相關AI應用研究。


                  分析煤炭行业特点可以发现,其有对智能化技术需求强、智能化升级基础较好、政策引导性较强等特点,行业具备应用AI的较好基础;产业生态中有话语权较强、具备研发实力的相关研究所与科研单位,因此通过联合技术研发、与客户联合开发部署服務的方式更符合行业需求,预期相关技术发展成熟并得以验证后可较快商业落地。


                  幹貨|2019年中國人工智能産業研究報告