（1）全球智能文字识别行业核心技术与应用简介：相比传统简单文字识别，智能文字识别技术融合图像处理、OCR、深度学习、NLP等AI技术，具备更多认知与理解能力，可适应多语言、多版式、多样式等复杂场景，识别准确率大大提升，同时可基于理解能力进一步开发文档解析、分类、对比、审核等功能，是个人文档资产管理与企业数字化转型的关键。

从个人用户角度，用户对个人文档资产管理数字化意识和需求不断增强，合同、名片、发票、笔记等非结构化的纸质文档通过智能文字识别技术数字化后，用户可随时随地在手机、电脑等多终端进行查询、管理及分享，解决了纸质文档不易存储、分类、查询或提取关键信息等痛点，满足个人的办公、求职、学习等不同场景的需求。

从企业客户角度，企业数字化转型是将数字技术进行商业化落地，从根本上对业务流程进行优化，智能文字识别技术可将企业运营过程中产生的大量非结构化、非标准化的文档数据进行提取、存储、转化、解析，为企业客户节省人力成本，提升运营效率，解决了众多行业存在的人工操作效率低、业务处理流程长，将迎来巨大发展空间。

中金企信国际咨询公布的《2022-2028年中国智能文字识别行业市场发展分析及投资战略前景预测报告》

（2）行业发展驱动因素及发展趋势：

1）人工智能列入我国“新基建”范围，政策利好加速OCR产业新生态的构建：人工智能对社会与经济的影响日益凸显，各国政府先后出台人工智能发展相关政策，推动产业发展，将其上升到国家战略高度。我国中央及各地政府近年来先后发布了多条人工智能利好政策。2015年7月，国务院出台《关于积极推进“互联网+”行动的指导意见》，首次将人工智能纳入重点任务之一，推动中国人工智能步入新阶段。2017年12月，工信部颁布《促进新一代人工智能产业发展三年行动计划（2018―2020年）》。

2020年4月国家发改委将人工智能列入“新基建”范围。智能文字识别作为人工智能应用中商业推广落地较快的领域，正成为人工智能新基建落地应用的“领头雁”，已成为人工智能新基建对外提供的重要智能化服务能力之一。人工智能融入实体经济的过程，也将为智能文字识别产业生态引入丰富的人才、技术、场景等要素。

2）深度学习、NLP赋能下，智能文字识别技术不断提升：当前深度学习技术不断发展，加速了智能文字识别技术性能提升，为复杂场景的文字识别应用提供先决条件。文字识别应用范围从简单的印刷体数字、字母符号识别，逐步演进到自然场景下多形态文本检测与识别、手写体文本检测与识别等复杂情形。同时，深度学习的出现，使NLP技术在阅读理解、机器翻译、问答系统等领域取得了一定成功，大幅提升智能文字识别的技术水平。

近年来，全球智能文字识别领域公认最重要的国际学术会议之一国际文档分析识别大会（ICDAR）上举办的一系列顶级文字识别竞赛的识别率持续被刷新。

3）企业及政府的数字化转型需求不断提升：在第四次工业革命背景下，人工智能、大数据与云计算、5G等新一代信息技术的快速发展与融合，使得数字化基础设施和产业生态已经成为了社会的“新基建”，其中人工智能是推动数字化转型与创新的原动力,将成为引领第四次工业革命的核心驱动力。

企业及政府数字化转型意在实现运营自动化、管理网络化、决策智能化，有利于加快业务流程重组，有效地降本增效。近年来，企业信息化意识不断提高。根据中国第四次全国经济普查报告调查显示，2018年，中国有83.9%被调查企业进行信息化投入，比上年提高11.5%；2018年，中国企业信息化投入金额达人民币6,534亿元。中国企业信息化与IT投入近些年不断提升，且相比发达国家仍有较大上升空间。

我国政府对企业及政府的数字化转型也推出了多项利好政策。2020年底，上海市委、市政府公布《关于全面推进上海城市数字化转型的意见》，提出“实现经济数字化形成新供给、生活数字化满足新需求、治理数字化优化新环境”的目标。2021年3月，“加快数字化发展、建设数字中国”成为我国十四五纲要中的重要章节，其提出“加强关键数字技术创新应用、加快推动数字产业化、推进产业数字化转型”的要求，人工智能领域的“智能识别系统”是数字经济重点产业，并提出了“加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”的目标。

智能文字识别技术可帮助企业与政府实现文档存量数字化、增量电子化，随着企业与政府数字化、信息化与智能化需求的不断提高，预计将持续推动智能文字识别服务行业发展。

4）个人用户对文档资产管理愈发受到重视：互联网、智能手机的高速发展，使消费者习惯于利用智能终端进行数据处理。同时，在互联网时代下信息爆炸式的增长，且通常个人数据资产都较为珍贵，如合同、名片、发票、笔记等，使得消费者对个人资产管理数字化意识和需求不断增强。由于纸质文档不易保存，难以对信息进行快速的查询、分类、分享，因此用户更倾向于将个人文档通过扫描、拍照等方式数字化，在本地或者云端进行有效的存储、分类等，以便随时随地在手机、电脑等多终端进行同步、查询、管理及分享，满足个人的办公、求职、学习等不同场景的需求。个人用户对文档资产管理持续存在的需求将不断推动智能文字识别服务行业发展。

5）与RPA技术结合，拓展应用场景：RPA（Robotic process  automation，机器人流程自动化，以下简称为“RPA”）是指依据预先设定好的程序，模仿人类在计算机上的手动操作，通过现有用户接口来实现大批量、重复性流程的自动化。目前较多RPA应用仅支持结构化数据的流程梳理，RPA解决方案可以通过集成智能文字识别技术，实现对于非结构化数据的采集与处理，推动应用场景的多元拓展与客户痛点的解决。例如，智能文字识别技术可自动分类、识别、结构化证照图片信息，嵌入RPA在企业的证照审批流程、申请流程等多项自动化业务流程中，可大幅提升材料信息录入的效率；智能文字识别技术可自动分类、识别、结构化证照图片信息，嵌入RPA在企业票据场景中设定的费控、报税、报销等多项自动化业务流程中，实现票据信息录入校验的智能化。

一方面，企业不断提升的精细化管理要求和人力成本控制要求，推动RPA服务的渗透率不断提升；另一方面，AI技术的成熟和落地，包括智能文字识别技术的发展，RPA与AI技术的结合使得RPA能够完成更为复杂的工作，应用场景不断拓展。因此，随着RPA市场的快速发展，其对于智能文字识别技术的需求将进一步推动智能文字识别服务行业的发展。

（3）行业市场规模：根据中金企信统计数据，全球智能文字识别服务市场规模2020年达75亿美元，预计2020-2025年复合年均增长率约18%。

从下游行业应用来看，金融、物流运输的市场规模是占比最高的两个细分行业，且增速也最快，主要由于金融、物流运输企业在业务流程方面的基础信息化建设程度、投入意愿相对其他行业来说相对较高，在证照、单据、表格等文档的智能录入、分类、比对、审核方面进行降本增效具有较大需求，为智能文字识别技术的商业化快速落地带来基础。

分国别来看，2020年，亚太区智能文字识别服务市场规模占全球比重约为21%，2020-2025年复合年均增长率预计为全球最高水平，达21%。亚太区的高速增长原因主要为：

1）中国、印度等部分国家经济的高速增长，经济活动的增长一定程度带来文档数据与信息量的增长，政府、企业对经济活动中产生的文档进行电子化存储、数据提取、分析挖掘具有巨大需求；

2）亚太区域互联网、智能手机的高速发展推动数据量爆发式增长，智能文字识别作为数字资产管理的关键技术，拥有巨大发展前景；

3）亚太区近年来对于AI技术研发、产业智能升级的重视，促使智能文字识别技术持续提升，以及推动企业对于此服务的投入。相比北美、欧洲等发达国家和地区，亚太区智能文字识别行业尚处于发展初期，处于高速发展时期。2020年，中国智能文字识别服务市场规模为人民币30.0亿元，预计2025年市场规模将达人民币129.6亿元，复合年均增长率达34.0%，远超全球市场总增速。

按照下游客户类型及交付形式，智能文字识别服务可分为C端APP、B端基础技术服务、B端标准化服务、B端场景化解决方案四种形态。在下游个人用户和企业客户对文档资产数字化与智能化升级需求的驱动下，预计中国各类型细分市场均保持较高增速。

（4）行业进入壁垒：

1）技术与人才壁垒：智能文字识别行业具备技术密集的特点，智能文字识别技术涉及OCR、NLP、图像处理、深度学习等尖端技术的融合，需要底层算法构建、模型训练、测试和部署等多个技术环节的配合。

全球人工智能的技术和产品呈现日新月异的发展态势，例如如何在资源受限的移动端设备上设计兼顾性能和效率的轻量OCR模型，如何通过语义及知识的深度挖掘提升OCR性能，均是行业的研究热点与难点。同时，市场需求也在不断变化，促使智能文字识别厂商根据下游客户的不同需求，开发标准化程度不同、形态不同的产品，提升识别的准确率、速度、稳定性，才能够在激烈的市场竞争中立于不败之地。智能文字识别技术在实际应用场景上的商业化落地，需要长时间的技术积累与持续的研发投入，也需要大量的优秀研发人员进行底层算法与应用模型的研究，新进入此领域的科技公司的技术追赶难度较大，同时也难以在短期内培养出尖端的研发人才团队。

2）客户资源壁垒：对于C端APP细分市场，先行进入市场的智能文字识别APP，利用先发优势，已积累大量用户，形成了品牌效应。用户在产品内积累越来越多个人文档资产，迁移成本较高，使产品拥有较高用户粘性，这对本行业的新进企业形成了较高的用户壁垒，同时已树立的品牌效应也进一步加强用户壁垒。

对于B端服务细分市场，智能文字识别行业的头部企业通过多元化的B端产品线布局，在多个下游行业树立了多家标杆企业客户，其落地案例通常会形成较大行业影响，影响此行业内众多企业的供应商选择。另外，大型企业客户通常对于场景化解决方案需求更高，此类项目落地周期相对较长，更换成本较高。因此对于新厂商而言，形成较高客户资源壁垒。

3）销售能力壁垒：由于不同行业客户对于智能文字识别技术的需求与应用场景不同，智能文字识别服务提供商对于各行业场景的深度理解、研发出可在行业场景中落地的应用产品是其能否在本行业立足的关键因素之一。如为保险行业客户研发出智能核保、理赔流程的智能文字识别解决方案；为政府客户研发出智能证件审核的智能文字识别解决方案；为物流业客户研发出运单信息自动录入的智能文字识别解决方案。

因此，一家成功的智能文字识别企业不仅需要尖端研发人才，也同时需要可链接行业客户需求和内部研发团队的销售团队，销售团队对客户所在行业的真实业务场景、业务逻辑、产业链上下游等有充分的理解，以客户的痛点、需求为核心，充分调动公司内部如研发、实施、售后服务等各类资源，以实现行业解决方案的落地。而行业的深度理解需要依靠大量案例的经验积累，这对本行业的新进企业形成了较高的销售能力壁垒。

4）数据资源壁垒：融合了深度学习、NLP等人工智能技术的智能文字识别，其算法的设计和优化需要由海量的高质量场景数据驱动，需要在各行业各类大数据应用场景积累的海量数据对智能文字识别算法模型进行训练。所以相比市场新进厂商而言，进入智能文字识别领域较久、落地案例更为丰富的厂商在各类场景、各类行业数据的累积上优势明显，其智能文字识别算法模型更为成熟，识别准确率、识别速度也更为出色。这对本行业的新进企业形成了较高的数据壁垒。