人工智能商业化研究报告-36Kr-2019.7-90页_2mb

人工智能商业化研究报告 (2019) 总结

核心内容概述

人工智能商业化是指企业利用人工智能技术解决实际问题，并通过市场实现规模化变现的行为。目前，七类核心技术已进入商业化阶段，主要包括计算机视觉、自然语言处理、生物识别、机器学习、知识图谱、VR/AR/MR和人机交互。商业化路径可分为“AI+”与“+AI”两种模式，前者由技术公司推动，后者由实体产业引入人工智能技术以优化业务流程。

主要观点与关键信息

四大驱动力

人工智能商业化主要受以下四大因素驱动：

1. 宏观环境：资本趋于理性，早期项目融资难度增加，但B轮及以后项目融资热度不减。
2. 政策：中国和美国等国家出台多项政策推动人工智能发展，特别是促进其与实体经济的融合。
3. 数据：中国在数据层面具有明显优势，数据量大、多样性高，为算法训练和商业落地提供了基础。
4. 技术：算法和算力的提升，尤其是深度学习和AI芯片的发展，为商业化提供了重要支撑。

中国人工智能产业链结构

中国人工智能产业链大致分为三部分：

• 基础层：包括数据、芯片、云计算等，为人工智能提供底层支撑。
• 技术层：涵盖计算机视觉、自然语言处理、生物识别等核心技术，是商业化的主要推动力。
• 应用层：深入各行各业，呈现“一专多能”的趋势，即专注于某一技术的公司也在探索更多行业和场景。

投融资趋势

• 2018-2019年上半年，人工智能融资事件数量和金额有所下降，但B轮及以后融资占比显著上升，资本市场呈现“冰火两重天”的局面。
• 一些核心技术厂商如商汤科技、旷视科技、地平线等获得大额融资，显示出资本市场对成熟技术的偏好。

产业链分析

基础层

• 数据：数据是人工智能商业化的重要驱动力，企业数据来源包括自有数据、业务合作方数据和第三方数据。
• 芯片：AI芯片主要包括GPU、FPGA、ASIC和类脑芯片，其中GPU和FPGA用于训练和推理，ASIC用于特定场景，类脑芯片仍处于研发初期。地平线等公司提供“芯片+算法+云”的多层次解决方案。

技术层

• 计算机视觉：主要应用于安防、金融、自动驾驶等领域，商汤科技、旷视科技等企业已形成头部格局。
• 自然语言处理：在智能客服、语音助手等场景中应用广泛，尚未出现明显独角兽。
• 生物识别：包括人脸识别、虹膜识别、指纹识别等，主要应用于金融、安防等领域。
• 机器学习：广泛应用在智能推荐、个性化教育等场景。
• 知识图谱：用于金融反欺诈、智能决策等复杂场景。
• VR/AR/MR：在娱乐、教育、广告等领域有广泛应用，眼动交互成为重要组成部分。
• 人机交互：包括语音、眼动、脑机交互等方式，其中语音交互相对成熟，眼动交互应用潜力较大。

应用层

• 安防：人工智能最早落地的场景，涉及计算机视觉和生物识别，企业分为传统安防企业和AI技术公司两类。
• 金融：应用于身份认证、风险控制等领域，技术公司如云从科技、依图科技等正在推动创新。
• 教育：包括智能教学、个性化学习等，如义学教育、葡萄英语等。
• 医疗：应用于智慧诊疗、辅助诊断等，如眼神科技、瑞为技术等。
• 交通：包括自动驾驶、智能交通系统等，如地平线、云从科技等。
• 零售：应用于智能支付、智能营销等，如商汤科技、云从科技等。
• 广告营销：如Video++、MALONG等公司通过AI实现精准推荐和用户行为分析。
• 农业：如MCFLY麦飞，通过AI技术提升农业效率。
• 机器人：如优必选、科沃斯机器人等，推动智能交互和自动化。
• 商务服务：如达观数据、川水智能等，提供智能客服、数据分析等服务。

行业总结与前景分析

行业总结

• 人工智能商业化进程加快，技术与产业深度融合。
• 中国在数据、技术层面上具备优势，推动商业化发展。
• 技术层企业逐渐从技术优势转化为市场优势，推动行业生态建设。

前景分析

• 趋势：人工智能将深入更多行业，形成“一专多能”的局面。
• 机会：随着技术成熟和应用场景扩展，AI将在更多领域创造商业价值。
• 风险：数据隐私和合规问题日益突出，需要加强监管。

潜在机会

• 人工智能在多个行业具有广泛应用前景，如安防、金融、教育、医疗等。
• AI芯片、深度学习等核心技术的持续发展将推动商业化进程。
• 随着技术与应用场景的结合，AI将带来新的市场机会和增长点。

总结

人工智能商业化已进入快速发展阶段，技术成熟度和应用广度不断提升。政策支持、数据积累和技术进步是主要驱动力，而资本趋于理性，推动企业向商业化迈进。中国在产业链各环节均有所突破，未来AI将在更多领域释放潜力，形成多元化、生态化的商业格局。