2021年中国人工智能行业市场研究预测及项目可行性研究

人工智能是计算机科学的分支，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。人工智能的基础理论由来已久，由深度学习引爆的第三次人工智能浪潮，以及算力的进步和数据的爆发，使得人工智能技术快速走向成熟，并逐步落地产业应用。

人工智能行业基本架构：从底层基础技术到上层行业应用，可以把人工智能行业划分为基础层、通用层和应用层三部分。基础层为图像、语音等人工智能基础技术提供芯片、计算框架等计算能力支持，通用层提供感知、认知计算等通用技术，而应用层则是人工智能通用技术与各行业深度融合产生应用价值的产品和服务。

（1）基础层:为计算机视觉、语音识别等人工智能基础技术提供计算能力支持，是人工智能的基础设施，包括AI芯片、AI平台以及Al计算框架等，主要以谷歌、微软、亚马逊、英特尔、IBM、百度、腾讯、华为、京东等大型互联网公司和行业巨头公司为主。

（2）通用层:基于基础设施开发出的通用性人工智能技术和产品，如计算机视觉算法、机器人系统等，主要分为两大部分:以感知计算和认知计算技术为代表的软件通用技术，和无人机。机器人等软硬一体化通用产品。

通用层的技术和产品主要是模拟人的各项能力。与人类的感知、认知和执行能力相对应,通用层可以分为感知层计算机视觉、语音识别和自然语言处理，认知层的知识图谱和自然语言处理的深入应用，以及执行层的机器人等。

（3）应用层:人工智能通用技术与各行业应用深度融合的领域，以垂直行业的人工智能应用公司为主。应用层人工智能企业将通用技术封装成能够落地的产品，包括软硬件一体化产品以及针对具体应用场景的端到端解决方案。随着通用技术走向成熟，行业应用价值凸显，大量通用层的公司也在基于基础技术能力向各行业应用层延伸。

人工智能的商业模式：人工智能走向产业应用的过程中，从向企业和个人用户提供人工智能产品服务的角度，人工智能公司的商业模式主要分为四种类型：API调取、产品订阅/License、“产品+服务"解决方案及效果付费。

（1）API调取:常见于基础层厂商和通用层厂商，通过API形式输出自身的技术能力，如计算机视觉领域的商汤科技、自动驾驶领域的百度Apollo平台、语音识别领域的科大讯飞等，都是通过将人工智能技术输出给应用厂商，由应用厂商完成最后一步产品及方案的封装。这种模式的优势在于模式较轻，规模化复制能力强。

（2）产品订阅/License:主要是以机器人、APP等方式面向个人用户的产品，以标准SaaS模式面向互联网客户和传统行业中小型客户的产。例如，大疆、松鼠Al等公司主要采取这种方式服务个人用户。

（3）API调取:常见于基础层厂商和通用层厂商，通过API形式输出自身的技术能力，如计算机视觉领域的商汤科技、自动驾驶领域的百度Apollo平台、语音识别领域的科大讯飞等,都是通过将人工智能技术输出给应用厂商，由应用厂商完成最后一步产品及方案的封装。这种模式的优势在于模式较轻，规模化复制能力强。

（4）产品订阅/License:主要是以机器人、APP等方式面向个人用户的产品，以标准SaaS模式面向互联网客户和传统行业中小型客户的产。例如，大疆、松鼠Al等公司主要采取这种方式服务个人用户。

（5）“产品+服务”解决方案:主要是面向传统行业中大型客户,这类客户的应用场景相对复杂，单--产品很难解决其需求，因此需要--定程度的定制化服务。例如旷视科技、明略科技等公司服务公安领域客户，需要提供端到端的解决方案。按效果付费:人工智能与业务场景结合后，按照其产生的可衡量的实际业务价值进行收费。人工“产品+服务”解决方案:主要是面向传统行业中大型客户,这类客户的应用场景相对复杂，单一产品很难解决其需求，因此需要一定程度的定制化服务。例如旷视科技、明略科技等公司服务公安领域客户，需要提供端到端的解决方案。

（6）按效果付费:人工智能与业务场景结合后，按照其产生的可衡量的实际业务价值进行收费。人工智能公司与客户更多是类似合作模式,按照业务量收取--定费用，目前在应用较为成熟的金融、智能客服领域有一些早期落地。例如，智能客服厂商根据帮助企业客户节省多少人力成本来衡量效果，可以按照工作量和坐席数量进行收费。

人工智能价值创造的三个层次：根据研究资料：人工智能落地产业带来的价值创造，可以分为自动化、智能化、创新化三个层次，每个层次创造的价值度逐步提升。

人工智能价值创造的三个层次

自动化，是依靠人工智能技术提升业务的自动化程度。自动化并不改变原有业务流程，而是由机器替代人来自动执行业务流程，从而提升效率，降低成本。典型的场景，例如工业机器人取代工人进行分拣、组装等重复性劳动;医学影像领域，人工智能系统辅助阅片，提升医生诊断效率;广告营销领域的程序化广告投放等。多数场景下，自动化涉及的是业务链条中的单个环节。

智能化，是基于知识图谱等认知智能技术，让机器具备分析和决策能力，可以完成人力无法实现的工作，对业务流程进行改造，创造增量价值。例如，在安防领域，基于行业知识图谱技术在几亿个实体中寻找隐性关系，发现团伙作案的行为，人力无法处理如此大数据量的分析。零售领域，基于门店历史销售数据，通过机器学习构建销量预测模型，实现销量预测，实现远高于依靠经验预测的准确度，降低库存和损耗。

智能化主要涉及分析、推理和决策性的工作，应用场景中往往涉及到数据挖掘，以及NLP、深度学习增强学习等认知智能技术和算法，并深入到相对完整的业务流程当中。创新化，是人工智能与行业深度融合后重塑业务流程和产业链，形成新的商业模式甚至新的细分行业。例如，基于计算机视觉的智能货柜，相比传统机械式无人售货机成本下降50%以上,容纳更多商品种类。无人驾驶是未来最具备创新潜力的人工智能落地方向，一旦无人驾驶技术成熟，传统汽车行业从主机厂到用车场景的产业链关系将被颠覆。

数字化，是指利用数字技术来重塑业务流程，从而带来新的收入和价值创造机会。数字化转型,已经成为企业实现业务增长的必然选择。

数字化的典型路径分为“信息化--在线化--智能化”三个阶段。信息化即IT基础设施的完善，是企业服务客户和经营管理在线化的基础。在线化包括用户交互场景以及企业经营场景的在线化。智能化是基于在线化沉淀的数据，让企业的经营决策从经验和流程驱动转向数据驱动、自动化决策，实现降本增效。

企业数字化转型的三个阶段

企业的数字化转型正在走向深入。随着业务信息化和在线化的推进，企业积累的数据量不断增长，同时业务场景的复杂度也在提升，传统的业务模式很难满足精细化运营和服务的需求，必然要走向智能化阶段。

例如，当零售企业通过APP等在线化渠道实现了线上化的交易、会员运营、客户服务之后，将有机会基于客户数据进行个性化的商品推荐和促销方案，提升服务体验和销售额。但是，这种业务诉求无法通过传统的人工匹配或单纯依靠业务经验规则来做到，必须要借助机器学习建模来实现。

因此，人工智能技术是助力企业数字化转型从信息化、在线化走向智能化的关键技术。基于人工智能技术应用的业务智能化，会成为企业新的核心竞争力。此外，部分行业头部企业已经走在前列，通过自有业务场景的应用实践，逐步积累人工智能技术的自研能力，并开始对外输出。

产业进展：随着产业数字化带来的数据基础的日益成熟，人工智能在营销、金融、数字政府、零售、医疗等行业的落地持续推进，并开始带来显著的效益，但落地进展有先后之分。在部分行业，传统企业已经充分认可人工智能的应用价值，开始在实际业务场景规模化地引入相关技术。首先，在人工智能实际落地过程中，产业的数字化基础设施是影响落地进展的关键要素。产业数字化程度越高，人工智能的应用具备越完善的数据基础。

其次，在数据基础设施差异的基础上，人工智能技术与各行业具体业务场景结合产生的主流应用场景和价值呈现也有不同，会处于不同的应用价值阶段。

最后，基于不同行业的市场规模体量，人工智能技术应用创造的市场规模大小不同。气泡的大小代表了现阶段各个行业人工智能应用的市场规模，包括软件、硬件和服务。

产业规模：2017年中国国务院《新一代人工智能发展规划》中预计，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能核心技术超过1500亿元;到2025年，人工智能基础理论实现重大突破，部分技术和应用达到世界领先水平，核心技术规模超过4000亿元。

据中金企信国际咨询公布的《2021-2027年中国人工智能行业现状分析及赢利性研究预测报告》统计数据显示：截至2020年6月底，全国已有24个省份发布了人工智能产业发展规划，其中有18个省份制定了具体的产业规模发展目标。这18个省份2020年核心产业规模目标达到近4000亿元，远远超过国家制定的1500亿元的目标。

产业前景：展望未来，基础设施的升级、从决策到行动的技术演进，以及应用场景从企业智能延伸到产业智能，是人工智能应用值得关注的几大趋势。

（1）基础设施升级，拓展人工智能应用场景：2019年,中国正式进入5G商用元年。作为具备高带宽、低时延、广连接特性的新-代通信技术，5G正在成为产业变革、万物互联的新基础设施。

首先，5G可以支撑大量设备实时在线和海量数据的传输，使得企业可获得的数据量、数据实时性大幅图提升，为更多人工智能应用提供可能。其次,随着5G部署范围的拓展，基于5G之上的超高清视频等应用将迎来增长，人工智能在其中大有用武之地。

例如，在大量的工业生产现场，不具备建设高带宽有线网络的条件,传统的Wi-Fi等无线网络也不满足带宽要求，无法通过高清视频监控实现对产线故障、人员违规操作、安全风险等异常状况的实时监控和识别预警，而5G网络提供了新的解决方案。基于5G网络，还可以结合AR/NR技术，对设备故障进行远程专家诊断和运维。

此外，边缘计算也是5G时代的重要特征。边缘端大量智能终端设备的爆发,使得传统的以云端为核心的集中式数据处理方式无法满足需求，边缘计算兴起。随着数据更多地在终端进行处理和应用，人工智能将广泛落地在边缘侧，边缘智能崛起。

（2）人机协同带来全新业务模式：按照解决问题的能力划分，从识别--理解--分析--决策---_行动的链条来看，人工智能的发展可以分为三个阶段--感知智能、认知智能和行动智能。

人工智能技术的目标是让机器在整个从感知到行动的链条上模拟甚至超越人的能力，但在很多复杂场景下，单纯依靠机器完全能替代人去解决问题并不现实。考虑到能力范围、时间效率、成本优化等因素，把人和机器作为整体部署的人机协同模式将成为未来的主流。

人机协同，是通过人机交互实现人类智能与机器智能的结合。具体而言，人机协同的模式是以知识图谱为支撑进行推理推荐，并进行人和机器资源的合理配置，解决复杂问题。根据场景需求不同，具体的人机交互方式包括冗余、互补和混合三种方式。

（3）人机协同已在多个行业中开始渗适和落地：例如，在智慧餐厅场景，可以运用人和机器的交互来提高客户满意度。机器人可以和服务员共同配合，共同完成迎宾、领位、点餐、送餐、收餐等服务环节。

在公安场景，知识图谱有16亿实体，要从中挖掘隐性关系和潜在线索，由于数据量巨大，如果单纯依靠机器进行全景搜索将耗费大量时间。如果采用人机协同的模式，结合刑侦专家的经验和洞察，判断出重点可疑方向由机器进行深入搜索，可以大幅度提升效率。

现阶段，人机协同的进展还是以人为主，由人来判断场景需求和机器的能力进行匹配。未来的方向，则是实现机器自主判断场景、调度资源，并与人类相互协同。

（4）产业智能互联：随着企业数字化转型和产业互联网的不断推进，产业智能互联的数据基础设施不断完善。产业互联网实现了产业链各环节的数据打通，在此基础上，人工智能的应用将从企业内部智能化延伸到产业智能化，实现采购、制造、流通等环节的智能协同，进一步发挥产业互联网的价值,提升产业整体效率。

例如，以滴滴为代表的网约车平台就是一个简化版的产业智能互联样本。每个网约车司机都是一个小经营者,通过滴滴的智能调度平台建立与终端用户的连接，平台的人工智能预测、推荐、调度等算法，实现了用车需求与运力的高效匹配，这是单个司机所无法做到的。

在零售行业，‘“双十一”是典型的产业智能互联实践，千万商家和数亿消费者参与其中，在制造、电商、物流、支付金融等产业互联基础设施支撑下，结合人工智能等技术的赋能，高效完成海量的线上交易和履约。例如，商家可以参考电商平台的销量趋势预测数据提前进行备货，并结合库存调度系统和物流服务网络，将订单智能分配到配送路径最短的仓库和线下门]店发货。随着基础设施的成熟和技术渗透，未来将有更多的行业走向产业智能互联。