人工智能行业调研报告
目录
1. 人工智能行业概况及现状 6
1.1 全球人工智能企业分布 6
1.2 全球人工智能企业发展情况 6
1.3 国内人工智能教育现状 8
1.4 国内人工智能学术及研发环境 9
1.5 国内人工智能企业现状 9
1.6 国内人工智能历史沿革 10
1.7 国内人工智能应用分类 11
1.8 国内金融行业应用现状 11
1.9 国内制造行业应用现状 12
1.10 国内零售行业应用现状 12
1.11 国内家居行业应用现状 13
1.12 国内交通行业应用现状 14
1.13 国内安防行业应用现状 14
1.14 国内医疗行业应用现状 14
1.15 国内教育行业应用现状 15
1.16 国内物流行业应用现状 15
2. 人工智能行业市场分析 17
2.1 未来中国人工智能市场规模将超700亿 17
2.2 扶持政策持续加码出台 细分方向有“钱景” 17
2.3 人工智能加速发展 17
2.4 中国人工智能产业蓬勃发展 19
3. 人工智能行业发展趋势分析 20
3.1 构建有机协同的产业生态并提升服务支撑能力 20
3.2 人工智能上升为国家战略 20
3.3 发展人工智能，芯片先行 21
3.4 人工智能芯片“云+端” 高速发展 22
3.5 模式识别发展趋势 23
3.6 语音识别发展趋势 23
3.7 人机博弈发展趋势 24
3.8 专家系统发展趋势 24
3.9 推动人工智能核心技术攻关 27
3.10 建立针对重点技术产品的资金支持体系 27
3.11 研判安全风险和前沿问题 27
3.12 创新思维模式，促进人工智能产业供需对接 28
3.13 完善配套政策，营造人工智能产业发展环境 28
3.14 积极引导，避免人工智能产业投资失衡 28
4. 人工智能行业市场竞争格局 29
4.1 中科曙光：高性能计算+芯片共造人工智能 29
4.2 四维图新：地图领军企业切入无人驾驶 30
4.3 科大讯飞：人工智能领军企业 30
4.4 华宇软件：人工智能助力司法信息化领导者更进一步 31
4.5 海康威视：安防领域人工智能龙头 31
4.6 东华软件：人工智能+行业应用大有可为 32
5. 人工智能行业政策及环境分析 33
5.1 国家加强政策支持力度 33
5.2 地方政府扶持政策不断落地 34
5.3 人工智能逐步成为国家发展战略 35
5.4 “互联网+”推动人工智能 36
5.5 人工智能行动实施方案发布 37
6. 人工智能行业发展前景 38
6.1 人工智能产业链条逐步形成 38
6.2 人工智能产业发展塑造智能经济雏形 38
6.3 万物互联的背景下， AI 芯片的应用拥有广阔的想象空间 39
6.4 智能硬件抢占 C 端入口，数据端入口打通，为算法奠定基础 39
6.5 机器人按照应用领域的不同分为工业机器人、服务机器人、特种机器人 40
6.6 多层次特征提取提升计算机视觉识别效果 41
6.7 深度学习研究的初衷主要就是应用于图像识别 42
6.8 语音逐渐成为人机交互的新范式，产品及商业模式成为盈利的关键 43
6.9 技术进步与市场需求推动语音识别快速发展 43
6.10 语音识别效果不断提升，国内语音识别与合成研究领先国际 44
6.11 语音识别技术逐步开放，数据及场景成为竞争关键 44
6.12 智能制造成为各国转型升级的核心战略 45
7. 人工智能行业投资分析 47
7.1 投融资规模持续上升 48
7.2 投资轮次：集中在B轮之前 48
7.3 投资阶段：初创期为主 49
7.4 投资地区：集中度较高 49
1、地区分布
截至2019年3月底，全球活跃人工智能企业达到5386家。其中美国为2169家，中国大陆为1189家，英国为404家，加拿大303家，印度则是169家。故整体来看，人工智能在北美洲、亚洲、欧洲发展更为迅猛，未来该地区也将是人工智能的主导地区。
（2）城市分布
从人工智能企业城市分布来看，北京以468家企业个数拔得头筹，其次为旧金山，328家企业、伦敦则位列第三，为290家；上海紧随其后，为233家；纽约排第五，为207家。从城市分布看，中国人工智能企业主要集中在北上广和江浙地区，美国人工智能企业则主要集中在加州、纽约州和马塞诸塞州。
从未来看，未来人工智能企业将聚焦以下几个领域的开发。
——人工智能以智能服务为主，全面进入商业用途。人工智能已经在手机领域已经取得一定的成效，很多手机企业研发了自己的人工智能芯片，中国通信巨头华为已经发布了自主研发的人工智能芯片并将其应用在旗下智能手机产品中，苹果公司推出的iPhone X也采用了人工智能技术实现面部识别等功能。三星最新发布的语音助手Bixby则从软件层面对长期以来停留于“你问我答”模式的语音助手做出升级。
——人工智能为人类进行分析。工智能的核心方面在于机器学习和深度学习，这方面的进展才能决定着人工智能的突破。基于大数据时代下，人工智能对数据的积累分析，在加之深度学习技术的发展，完全能替人类的各方面做出优质的决定。
事实上在金融投资领域，人工智能已经有取代人类专家顾问的迹象。在美国，从事智能投顾的不仅仅是betterment、wealth front这样的科技公司，老牌金融机构也察觉到了人工智能对行业带来的改变。高盛和贝莱德分别收购了Honest Dollar与Future Advisor，苏格兰皇家银行也曾宣布用智能投顾取代500名传统理财师的工作。国内一家创业团队目前正在将人工智能技术与保险业相结合，在保险产品数据库基础上进行分析和计算搭建知识图谱，并收集保险语料，为人工智能问答系统做数据储备，最终连接用户和保险产品。这对目前仍然以销售渠道为驱动的中国保险市场而言显然是个颠覆性的消息，它很可能意味着销售人员的大规模失业。
截止2018年12月31日有数据统计显示，有94所拥有人工智能二级学院的中国AI大学，相比2017年增加了21所。AI人工智能教育广泛进入大学专业课程，也是教育部及众多高校优化人才培养的选择。如果说学专业为就业，那么人工智能企业的现状是众多学子需要关注的。近年来，国内也诞生了一批优秀的人工智能初创企业，例如：商汤科技、旷视科技、极链科技、深图科技等众多企业。而多数企业集中在，京津冀、长三角、珠三角地区。
人工智能作为一门新兴专业，学科内容涉及面也非常广，通过对各大高校的专业课程可以发现，人工智能会涉及到：计算机科学、信息论、控制论自动化、仿生学、生物学、心理学、数学逻辑、医学、感知学、医学等多个学科。其行业发展的宽度涉及金融、安全、医疗、文娱、教育、汽车等多个领域。
去年6月份，清华大学正式成立了人工智能学院，由清华大学计算机系教授、中国科学院院士张钹出任首任院长，清华大学交叉信息研究院院长、图灵奖获得者姚期智担纲学术委员会主任。在清华大学计算机科学与技术系下属有智能技术与系统、人机交互、计算机网络技术、高性能计算、计算机软件等多个研究所或项目。
交互式人工智能课题组隶属于清华大学计算机系人工智能实验室，主要从事机器学习与自然语言处理的应用基础研究，主要研究方向有深度学习、强化学习、问答系统、对话系统、情感理解、逻辑推理、语言生成等。交互式人工智能(Conversational AI, CoAI)的研究主要包括：泛问题回答系统、任务或目标对话系统、开放领域闲聊系统。例如小度音响、Applel-Siri、微软小冰，而微软小冰侧重于和用户闲聊、情感交流与陪护，是社交机器人走进千家万户的重要基础和前提。作为更宽泛的人机交互的概念，交互的形式不仅限于语言情景，更包含图像信息、语音多媒体等，使其可以理解使用者，
在人工智能领域，国内大学发表国际论文数最多的是清华大学占比4.12%，其次是上海交通大学占比2.64%，浙江大学占比2.47%，哈尔滨工业大学占比2.30%，北京航空航天大学占比2.27%。而人工智能领域中国国际论文发表的学科标签分类中，最多的是计算机科学占了46.03%，工程为17.36%，数学为13.56%。
通过对745家国内的人工智能企业的研究发现，中国人工智能经济发展的推力，包括以“BAT”为首的互联网公司阵营，以清华大学为首的国内高校，以红杉资本中国、IDG中国为首的投资企业，以及爱奇艺、比亚迪、联科控股、海尔集团、中国移动等各领域的领先企业。
地域分布来看，人工智能企业主要分布在京津冀、长三角和珠三角大都市圈，占比分别为44.8%、28.7%和16.9%。从省份分布来看，北京占43.2%、广东省16.9%、上海市14.9%、浙江省8.3%。
投融资情况来看，2018年有融资行为的577家企业，融资总额为3832.22亿人民币，在全排名第一。
当前人工智能领域从业者的主要来源于两方面，一是国内外高校，包括国内的清华大学、北京大学、上海交通大学等，以及国外的美国斯坦福大学、美国卡耐基梅隆大学、美国得克萨斯大学、新加坡国立大学等。二是国内外知名的互联网科技企业，包括国内的百度、阿里巴巴、腾讯、华为等，以及国外的微软、谷歌、IBM、微软亚洲研究院等。
投融资方面，人工智能企业的主要投资除了各大投资公司以外，还有很多企业对企业的投资行为，活跃的企业有腾讯、阿里巴巴、百度、联想等。
在应用领域方面，人工智能企业广泛应用于18个领域，其中企业集成与方案提供、关键技术研发和应用平台两个应用的企业数量最好，分别达到了15.7%和10.5%。其次是智能机器人、新媒体和数字内容、智能医疗，分别为9.8%、9.4%、7.7%。
AI人工智能技术已经广泛应用于多个领域，包括最近的中美贸易摩擦，全球人工智能竞赛，5G竞赛等事件，都可以看出科技实力在国际平台上作用。近年来国家和企业、机构都有大量的研发投入，也获得了诸多科技成果。那么各大高校设立人工智能专业，也是应时代要求的结果，为中国培养更多的人工智能产业的应用人才而准备。
人工智能大致可分为三个阶段：第一阶段(1956-1980) 人工智能诞生；第二阶段 (1980-2000)人工智能步入产业化；第三阶段（2000-至今）人工智能迎来爆发。
从全球范围来看,全球人工智能企业主要集中在 AI (各个垂直领域) 大数据和数据服务 视觉 智能机器人领域 其中,AI 企业主要集中在商业(主要包含市场营销和客户管理领域) 医疗健康 金融领域。
从中国来看，各垂直领域的 AI 企业同样集中。在各类垂直行业中，人工智能渗透较多的包括医疗健康、金融、商业、教育和安防等领域。其中，医疗健康领域占比最大达到 22%，其次金融和智能商业领域占比分别达到14%和11%。
经历了技术驱动和数据驱动阶段，人工智能现在已经进入场景驱动阶段，深入落地到各个行业之中去解决不同场景的问题。此类行业实践应用也反过来持续优化人工智能的核心算法，形成正向发展的态势。目前，人工智能主要在制造、家居、金融、零售、交通、安防、医疗、物流、教育等行业中有广泛的应用。
人工智能在金融领域的应用主要包括：智能获客、身份识别、大数据风控、智能投顾、智能客服、金融云等，该行业也是人工智能渗透最早、最全面的行业。未来人工智能也将持续带动金融行业的智能应用升级和效率提升。例如第四范式开发的一套AI系统，不仅可以精确判断一个客户的资产配置，做清晰的风险评估，以及智能推荐产品给客户，将转化率提升65%。很多金融行业的应用，都可以作为人工智能在其他行业落地的典型案例。
随着工业制造4.0时代的推进，传统制造业对人工智能的需求开始爆发，众多提供智能工业解决方案的企业应势而生，例如智航无人机、祈飞科技等。人工智能在制造业的应用主要有三个方面：首先是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备。其次是智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容。最后是智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式。虽然目前人工智能的解决方案尚不能完全满足制造业的要求，但作为一项通用性技术，人工智能与制造业融合是大势所趋。
人工智能在零售领域的应用已经十分广泛，无人便利店、智慧供应链、客流统计、无人仓/无人车等等都是的热门方向。京东自主研发的无人仓采用大量智能物流机器人进行协同与配合，通过人工智能、深度学习、图像智能识别、大数据应用等技术，让工业机器人可以进行自主的判断和行为，完成各种复杂的任务，在商品分拣、运输、出库等环节实现自动化。图普科技则将人工智能技术应用于客流统计，通过人脸识别客流统计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。
智能家居主要是基于物联网技术，通过智能硬件、软件系统、云计算平台构成一套完整的家居生态圈。用户可以进行远程控制设备，设备间可以互联互通，并进行自我学习等，来整体优化家居环境的安全性、节能性、便捷性等。值得一提的是，近两年随着智能语音技术的发展，智能音箱成为一个爆发点。小米、天猫、Rokid 等企业纷纷推出自身的智能音箱，不仅成功打开家居市场，也为未来更多的智能家居用品培养了用户习惯。但目前家居市场智能产品种类繁杂，如何打通这些产品之间的沟通壁垒，以及建立安全可靠的智能家居服务环境，是该行业下一步的发力点。
智能交通系统(Intelligent Traffic System，ITS)是通信、信息和控制技术在交通系统中集成应用的产物。ITS 应用最广泛的地区是日本，其次是美国、欧洲等地区。目前，我国在ITS方面的应用主要是通过对交通中的车辆流量、行车速度进行采集和分析，可以对交通进行实施监控和调度，有效提高通行能力、简化交通管理、降低环境污染等。
安防领域涉及到的范围较广，小到关系个人、家庭，大到跟社区、城市、国家安全息息相关。智能安防也是国家在城市智能化建设中投入比重较大的项目，预计2017-2021 年国内智能安防产品市场空间将从 166 亿元增长至 2094 亿元。目前智能安防类产品主要有四类：人体分析、车辆分析、行为分析、图像分析。智能安防行业现在主要还是受到硬件计算资源限制，只能运行相对简单的、对实时性要求很高的算法，随着后端智能分析根据需求匹配足够强大的硬件资源，也能运行更复杂的、允许有一定延时的算法。这两种方式还将长期同时存在。
目前，在垂直领域的图像算法和自然语言处理技术已可基本满足医疗行业的需求，市场上出现了众多技术服务商，例如提供智能医学影像技术的德尚韵兴，研发人工智能细胞识别医学诊断系统的智微信科，提供智能辅助诊断服务平台的若水医疗，统计及处理医疗数据的易通天下等。尽管智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥重要作用，但由于各医院之间医学影像数据、电子病历等不流通，导致企业与医院之间合作不透明等问题，使得技术发展与数据供给之间存在矛盾。
科大讯飞、乂学教育等企业早已开始探索人工智能在教育领域的应用。通过图像识别，可以进行机器批改试卷、识题答题等；通过语音识别可以纠正、改进发音；而人机交互可以进行在线答疑解惑等。AI 和教育的结合一定程度上可以改善教育行业师资分布不均衡、费用高昂等问题，从工具层面给师生提供更有效率的学习方式，但还不能对教育内容产生较多实质性的影响。
物流行业通过利用智能搜索、推理规划、计算机视觉以及智能机器人等技术在运输、仓储、配送装卸等流程上已经进行了自动化改造，能够基本实现无人操作。比如利用大数据对商品进行智能配送规划，优化配置物流供给、需求匹配、物流资源等。目前物流行业大部分人力分布在“最后一公里”的配送环节，京东、苏宁、菜鸟争先研发无人车、无人机，力求抢占市场机会。
中国部分新兴技术领域已经进入全球第一梯队，从人工智能产业看，中国人工智能领域融资金额居全球之首，达到325亿美元，在全球占比达到58%。
统计数据显示，2015中国人工智能市场规模已突破100亿元，到了2016年中国人工智能市场规模达到141.9亿元，同比增长26.3%。截止到2017年中国人工智能市场规模增长至216.9亿元，同比增长52.8%。初步测算2018年中国人工智能市场规模将达339亿元左右，比2017年增长56.3%，远高于全球17%的增速水平。并预测在2019、2020年中国人工智能市场规模将达500亿元、710亿元。2015-2020年复合年均增长率为44.5%。
当前从中央到各大部委、到地方，对于人工智能的扶持政策持续加码出台。我国人工智能产业景气度有望进一步上行，自动驾驶、智能服务机器人、金融科技、智能穿戴设备等细分方向有“钱景”。
百度与一汽红旗联合推出中国首款L4级自动驾驶乘用车。李彦宏还与一汽集团董事长、党委书记徐留平共同发布了量产计划：2019年小批量下线示范运行、2020年大批量投放更多城市运营。
除了百度不断攻城略地，另一大人工智能巨头谷歌母公司Alphabet旗下的自动驾驶公司Waymo近日发布声明称，已获美国加利福尼亚州机动车辆部(DMV)批准，成为全球首家获得前排无人类司机驾驶测试许可的公司。同时，人工智能也获得了全球多国政府的政策支持，特别是中国对人工智能产业的政策支持力度不断加大。预计到了2020年、2025年和2030年中国AI核心产业规模将分别超1500亿元、4000亿元和10000亿元，并且带动数万亿规模的相关产业。
中国计划推广新一代的人工智能即2.0版本，预计2020-2035年中国人工智能核心产业规模将大幅扩大，预计到2035年，人工智能有潜力拉动中国经济年增长率上升1.6个百分点。
预计到2020年全球人工智能核心产业规模将超过1300亿美元，年均增速达到60%，其中基础层、技术层、应用层产业规模将分别突破270亿美元、342亿美元和672亿美元。我国核心产业规模将超过220亿美元，年均增速接近65%，三大层次产业规模将分别突破44亿美元、66亿美元和110亿美元。随着人工智能在我国移动互联网、智能家居等领域的发展，我国人工智能产业将持续高速成长。预计到2022年，国内中国人工智能行业市场规模将达到680亿元。
总体来看，中国人工智能产业蓬勃发展，已经成为人工智能发展极为迅速的国家之一。中国人工智能快速发展的推动力主要来自计算力明显的提升、多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。同时，科技巨头全产业链的布局正在展开，初创企业则深耕垂直行业，力图打造自身的业务护城河。
从市场规模来看，统计数据显示，2015中国人工智能市场规模已突破100亿元，到了2016年中国人工智能市场规模达到142亿元，同比增长27%。截止到2017年中国人工智能市场规模增长至217亿元，同比增长53%。初步测算2018年中国人工智能市场规模将达339亿元左右，比2017年增长56%，远高于全球17%的增速水平。并预测在2019、2020年中国人工智能市场规模将达500亿元、710亿元。2015-2020年复合年均增长率为44.5%。
一是开展示范应用揭榜评选和案例推广工作，支持人工智能企业、系统集成解决方案提供商和行业重点用户联合打造面向特定场景的解决方案。二是面向人工智能产品在制造、交通、电子商务、金融、医疗等领域的创新应用，推动建设并开放多种类型的人工智能海量训练资源库、标准测试数据集和云服务平台等。三是加速建立人工智能标准、测评、知识产权等服务体系，形成面向人工智能主要细分领域的测评能力。
7 月 20 日，新华社2报道了国务院关于印发3《新一代人工智能规划》 4的通知， 提出了面向 2030 年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。 本次《规划》的印发意义重大。其一，本次《规划》的印发由国务院主导，意味着人工智能正式成为国家战略。其二，本次《规划》明确提出了“三步走”的战略：第一步，我国人工智能产业到 2020 前与世界先进水平同步，重点发展领域为大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等， AI 核心产业 1500 亿，拉动 1 万亿；第二步，到 2025 部分技术与应用达到世界领先水平，重点领域为智能制造、智能医疗、智慧城市、智能农业、国防建设等， AI 核心产业 4000 亿拉动 5 万亿；第三步到 2030 年达到世界先进水平，重点领域为类脑智能、自主智能、混合智能和群体智能等， AI 核心产业 1 万亿拉动 10 万亿。三步走的战略将《规划》进行了细化，并给出了具体量化的发展目标，有望推动人工智能的快速发展逐步实现。其三，本次《规划》不仅对人工智能的基础硬件、算法框架等内容提出了要求，同时对软件、下游应用、生态，以及人才培养体系等、相关配套政策均提出了要求，有望使人工智能作为生态型重点发展产业扶持。其四，《规划》提出了要给予充分的财政和政策支持，并鼓励成立人工智能发展基金，政策和资金上的支持对新兴产业的发展至关重要，将成为行业发展的基石。
深度学习通过构建很多隐层的机器学习模型和海量的数据来训练机器，使机器去学习更有用的特征，从而最终提升分类和推理的准确性，引领当今人工智能算法方向。深度学习需要进行大量的并行计算，而传统的 CPU 往往需要数百甚至成千上万条指令才能完成一个神经单元的处理，无法支撑深度学习大规模数据的并行计算，深度学习需要新的芯片来对大规模的并行计算进行加速。目前常用的加速深度学习并行计算的人工智能芯片有 GPU、FPGA、ASIC 和处于理论阶段的类脑芯片。深度学习的训练需要强大的计算能力：人工智能因其自身神经网络模型结构的复杂性，以及训练深度神经网络需要大量的高阶统计数据，对于计算能力的需求非常大。 与李世乭对弈的谷歌 ALPHAGO 有 1920 个 CPU 加 280 个 GPU，而这只是比赛时执行深度学习算法的计算机系统。训练这个深度学习算法的计算机网络规模至少要提高一个数量级，而这个提供训练计算能力的计算机网络才是ALPHAGO 持续进化的原动力。
未来人工智能芯片的应用大体有两个方向：其一是用于云端服务器的的芯片，对于云端的高运算需求来说，预计将以CPU+GPU 搭配为主， 主要特点是高功耗、高计算能力以及通用性，云端人工智能运算对于具体应用场景的要求较少，通用芯片即可满足要求；其二是用于终端（例如手机及其他智能硬件） 的人工智能芯片，由于终端运算空间有限，所以对于芯片的要求主要在于其低功耗，并针对不同场景有所区分，因此定制及半定制化的 FPGA、ASIC 及类脑芯片有望成为主流。“CPU+GPU 并行” 在人工智能云端中被广泛运用： 计算能力的限制曾经是人工智能研究跌入低谷的原因。随着摩尔定律的发展，计算能力逐步得到解放。CPU 性能飞速提升，被最初用来训练深度学习。但不久发现拥有出色的浮点计算性能的 GPU 更适合做深度学习训练。提高了深度学习两大关键活动：分类和卷积的性能，同时又达到所需的精准度，相对传统 CPU 的方式， GPU 拥有更快的处理速度、更少的服务器投入和更低的功耗。现在文本处理、语音和图像识别上，CPU+GPU 并行不仅被 Google、Facebook、百度、微软等巨头采用，也成为猿题库、旷视科技这类初创公司训练人工智能深度神经网络的选择。
在虹膜识别、步态识别、身份识别等领域取得新成果。近年来，在多层神经网络基础上发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能，成为当前最热门的方法。前面提到的虹膜识别及其在身份识别等方面的成功应用，已形成产业，占领国内外市场，就是很好的例证。
中国在自然语言处理特别是语音识别领域已经达到国际先进水平。
2015 年中国智能语音产业规模达到40.3亿元，较2014年增长41.0%，远高于全球语音产业增长速度。预计到2017年，中国语音产业规模预计达到100.7亿元。2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球排名前五，占有中文语音技术市场70%以上市场份额，语音合成产品市场份额达到70%以上。现在中国智能语音的应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、智能金融、智能教育和智能医院等场合得到越来越多的应用。此外，一些海外留学人员也在语音识别领域取得国际领先水平的成果，微软研究院黄学东就是该领域的一位突出代表。
中国象棋是中华民族的文化瑰宝，是一种怡神益智的活动，千百年来长盛不衰，深受广大群众的喜爱。自2006年8月举行“浪潮杯”首届中国象棋人机大战（图11），至今已有10年，共举行过5届大赛，产生深远影响。同样中国也是国际围棋的发源地，无论是国际围棋或中国象棋，在国内具有众多的人机博弈爱好者，其产业发展和市场前景十分看好。仅一款象棋对战游戏平台软件，就可以万人同时参与在线对决。
自20世纪80年代以来，专家系统在工业、农业、商业、科技、教育、服务业等领域获得广泛应用。以农业专家系统为例，开展了各种农业专家系统的研究、开发及推广应用（图12）。例如，作物病虫预测专家系统、农作制度专家系统、玉米低温冷害防御专家系统、蚕育种专家系统、小麦专家系统等。
20世纪90年代以后，中国农业专家系统得到了迅速发展，已成为农业信息技术的突破口。国家自然科学基金委、科技部、农业部和许多省级部门都安排了相应的攻关课题；863计划项目已将农业专家系统等智能化农业信息技术列为国家重点课题，搭建了中国农业专家系统研究开发的战略平台，为农业专家系统的进一步开发起到了积极催化作用。进入2l 世纪以后，农业专家系统的开发速度日益加快，不仅数量增多，而且涉及的领域也更加全面，开发的深度和广度有了很大的进展，为大范围推广应用农业专家系统铺平了道路。
如小麦栽培管理农业专家系统、水稻高产栽培专家决策系统、番茄栽培管理专家系统、温室番茄病虫害缺素诊断与防治系统等。这些农业专家系统的开发，促进了农业科技成果的转化，为发展高产、优质、高效农业做出了巨大贡献。
此外，我国在机器学习、智能机器人、智能驾驶等人工智能领域，也已有不同程度的产业集聚，产业化步伐逐步加快。
在中国人工智能产业化过程中，企业巨头抢滩布局人工智能产业链，各大IT公司积极投入人工智能产业研发。
他们非常关注深度学习的应用前景，纷纷成立以机器学习技术为核心的研究院，充分挖掘大数据中蕴含的巨大商业与应用价值。例如，2012年，华为成立诺亚方舟实验室，运用以深度学习为代表的人工智能技术对移动信息大数据进行挖掘，寻找有价值的规律。2013年，百度成立深度学习研究院，研究如何运用深度学习技术对大数据进行智能处理，提高分类和预测等任务的准确性。近年来还涌现出寒武纪、甲骨文、地平线、北京云知音和湖南自兴等一批初露头角的涉及人工智能的创业实体，从某种程度上体现出人工智能领域大众创业万众创新的磅礴生机。
从整体来看，中国的人工智能产业化仍处于起步阶段。毫无疑问，在人工智能产业创业与竞争过程中，会出现多家实力强大的企业，有些企业也会在某些领域内形成领先优势甚至垄断局面。
一是加强人工智能芯片、传感器、算法、平台等核心技术研发，围绕图像和语音识别、自动驾驶等场景加大算法改进、芯片结构优化研发力度。二是以关键技术为基础，以支撑解决方案打造和深化应用为目标，瞄准人工智能算法、智能芯片、智能传感器等基础领域和情绪感知、认知智能等前沿领域，推进关键核心领域攻关。三是顺应产业平台化、开源化发展趋势，引导和集中行业资源，打造自主架构的深度学习的平台以及面向智能网联汽车等领域的人工智能开发平台／开发系统，并尽快开源。
一是设立人工智能产业发展与应用专项资金或专项基金，重点支持人工智能基础理论及关键核心技术研发与产业化，发挥政府引导基金布局引领作用，带动引领地方产业投资基金及社会资本的投资布局。二是针对人工智能产品研发和应用推广，部署研究制定减税降费方案。三是加强对深度学习开源平台和项目政策资金支持力度。
一是组织力量开展人工智能产业发展带来的法律、伦理和社会问题研究，推动建立保障人工智能健康发展的法律法规、制度体系、伦理道德。二是围绕群体智能、人机混合等未来发展方向，推动我国智库、学者与全球各国科学家与智库开展合作，推动人工智能技术能沿着服务人类的正确方向升级。
为激活我国人工智能产业发展的动力，推进产、学、研、用等各领域的协同发展，促进人工智能与实体经济深度融合，人工智能产业发展联盟以“巡回赛”的方式，针对传统企业生产中出现的实际问题和需求，攻克人工智能领域相关的重点技术难点，通过赛事选拔优秀项目，推进成果落地应用,助力优质项目产业化。
加快研究制订人工智能数据集方面的管理政策，建立强大的数据生态系统，设定和实施数据标准，建设公共数据，鼓励企业数据交换。推动人工智能相关产业政策和财税金融政策实施，提高公共服务质量，实施人工智能研发、投资、产业等政策配套指引，避免同质化产品研发，提高生产和投资效率。制定激励传统行业转型的相关政策，特别是破除采纳人工智能等新技术的政策障碍，为传统企业转型提供良好的制度环境。加强人才培养，在培养优秀科学家的同时，加强人工智能应用领域专业人才的培训。
从投资机会来看，我国人工智能基础层缺乏重大原创科研成果，缺乏有竞争力的技术和人才；技术层即将进入产业整合阶段，核心在于创始团队的技术实力和创新能力；应用层因国内巨大的人口和市场优势，以大数据收集为基础的医疗、教育、消费、营销等垂直行业尚未出现人工智能领域的行业龙头，存在较大的市场发展空间和投资机会。在人工智能产业持续发展过程中，产业联盟积极引导并加强人工智能产业链、价值链和创新链的均衡投资，应对市场失灵引起的投资不均衡现象。
公司是一家在中国科学院大力推动下，以国家"863"计划重大科研成果为基础组建的国家高新技术企业。公司的硬件产品、解决方案、云计算服务已被广泛应用于教育、气象、医疗、能源、互联网及公共事业等多个领域，并且连续四年在中国高性能计算机 TOP100 中市场总份额位居第一。
中科曙光除了自身发展高性能计算，也与业界顶尖公司合作，如我国顶尖神经网络芯片公司寒武纪科技、国际人工智能/GPU 巨头 NVIDIA、拥有与 Intel 分庭抗礼实力的 AMD、虚拟机领域霸主 VMWare 等。
中科曙光将在高端人工智能芯片占据领先的位置和优势。
公司是中国领先的导航地图和动态交通信息服务提供商，是由国家测绘局创建的唯一专业从事测绘的国家级公司，致力于为主流汽车制造厂商、汽车电子厂商、手机生产商、便携导航设备厂商、移动通信服务商和互联网平台提供专业化、高品质的导航电子地图产品和服务。公司是中国第一、全球第五大导航电子地图厂商，连续 7 年在中国车载导航地图市场份额超过 60%，连续 3 年在手机导航地图市场份额超过 50%，并在移动位置服务、互联网地图服务、交通信息服务领域全面领先。公司已建成覆盖全国的导航电子地图数据库以及全国最大规模的导航电子地图生产和更新网络体系，已拥有先进的导航电子地图制作技术。
HAD 高精度地图是无人驾驶的必需品。公司已经针对该领域展开布局：通过组建低成本的大规模车队采集地图，收购杰发科技布局 ADAS 芯片，组建车联网收集巨量数据，建立 MineData平台挖掘大数据价值，发布 FastMap 为实时地图进行技术验证。
公司是我国众多软件企业中为数极少掌握核心技术并拥有自主知识产权的企业之一，其语音合成核心技术代表了世界的最高水平。公司在国内语音核心技术市场合作开发伙伴已有 500 家，市场占有率超过 80%。公司目前占有中文语音技术市场 60%以上市场份额，语音合成产品市场份额达到 70%以上，在电信、金融、电力、社保等主流行业的份额更是达到 80%以上。
公司坚持“平台”+“赛道”战略，在提供讯飞开放平台建立生态的同时，在输入法、智能家居、智慧教育、智慧政府、智慧法院、智慧医疗、智慧客服等赛道均有扎实的布局。
公司是一家以软件与信息服务为主营业务的信息技术企业，公司的业务范围涵盖法院、检察院、司法行政、食品安全、各级党委和政府部门以及各行业大型企事业单位；公司连续多年在司法信息化领域位居第一。
2017 年，公司发布了元典睿核，其是基于多元融合数据、运用法律认知技术、提供法律知识服务、满足法律知识需求的一体化分析平台。公司以元典睿核为核心形成了多款法律服务应用解决方案，目前已在北京市高级人民法院的“睿法官”、贵州省检察院“晓督”的解决方案中得到了很好的应用。
公司是领先的视频产品和内容服务提供商，面向全球提供领先的视频产品、专业的行业解决方案与内容服务。公司产品已涵盖视频监控系统的所有主要设备，包括前端采集设备、后端存储及集中控制、显示、管理及储存设备。
安防领域是人工智能计算机视觉最易落地的领域。国内安防领域的人工智能的渗透率较低。2016 年 10 月 24 日，公司于北京举办 AI+发布会，发布了“深眸”摄像机、“超脑”NVR、“脸谱”人脸分析服务器等系列产品，初步形成市场覆盖。而公司面向 C 端打造“萤石”云平台，下载量已经超千万。
公司以应用软件开发、计算机信息系统集成及信息技术服务为主要业务，目前拥有 60 项自主知识产权的软件产品，是国内少数已通过软件能力成熟度模型 5 级(CMMI5 级)认证的软件企业之一，是国内第一家同时具有系统集成一级资质、涉密甲级资质、CMMI5 级资质的企业。公司自成立以来，已为数百个用户提供了优秀的信息系统解决方案，涵盖多种应用与技术平台，用户遍布电信、电力、政府、金融、煤炭等行业。
公司通过将人工智能与行业解决方案集合，一方面大幅加速人工智能落地，另一方面可以有效提升行业解决方案效能，降低成本。目前，公司在公安领域、医疗领域已经展开了相应布局，取得了较好的效果。
日前，工业和信息化部印发《新一代人工智能产业创新重点任务揭榜工作方案》(以下简称《工作方案》)，其中指出，工业和信息化部将通过开展人工智能揭榜工作，征集并遴选一批掌握关键核心技术、具备较强创新能力的创新主体，在人工智能主要细分领域，选拔领头羊、先锋队，按照“揭榜挂帅”的工作机制，突破人工智能产业发展短板瓶颈，树立领域标杆企业，培育创新发展的主力军，加快我国人工智能产业和实体经济深度融合，促进创新发展。同时还确定了智能网联汽车、智能服务机器人、智能无人机、智能传感器、神经网络芯片、智能工业机器人、智能控制装备等具体的重点任务方向。
国家发改委11月19日也表示，下一步发改委将会同有关部门抢抓人工智能发展战略机遇，提升新一代人工智能科技创新能力，加强产业链协同和产业生态培育。
日前，工业和信息化部印发《新一代人工智能产业创新重点任务揭榜工作方案》(以下简称《工作方案》)，其中指出，工业和信息化部将通过开展人工智能揭榜工作，征集并遴选一批掌握关键核心技术、具备较强创新能力的创新主体，在人工智能主要细分领域，选拔领头羊、先锋队，按照“揭榜挂帅”的工作机制，突破人工智能产业发展短板瓶颈，树立领域标杆企业，培育创新发展的主力军，加快我国人工智能产业和实体经济深度融合，促进创新发展。同时还确定了智能网联汽车、智能服务机器人、智能无人机、智能传感器、神经网络芯片、智能工业机器人、智能控制装备等具体的重点任务方向。
国家发改委11月19日也表示，下一步发改委将会同有关部门抢抓人工智能发展战略机遇，提升新一代人工智能科技创新能力，加强产业链协同和产业生态培育。
在国家大力发展人工智能同时，各地方政府也不断出台扶持政策。日前，上海市政府与发改委、科技部等共同主办2018世界人工智能大会，并在会议期间推出加快推进人工智能高质量发展的22条具体措施;山东省人工智能产业联盟正式成立;南京市则发布生态科技岛人工智能示范区发展规划。
人工智能相关上市公司在与地方政府合作推进场景落地方面近来也捷报频传。例如科大讯飞先后与铜陵、阜阳、南宁、上海、贵州等省市签署战略合作，推进其人工智能产品体系落地;海康威视也先后与赣州、广州、龙口以及中山等市公安局签订警企合作协议，推进智慧公安建设;此外还有高乐股份与中国电信联合中标智慧教育项目;千方科技加入百度智能驾驶Apollo计划等。
当前人工智能发展仍然处于“婴儿期”，拥有巨大成长空间。人工智能在产业升级、产品开发、服务创新等方面具有很强的技术优势，应加强人工智能和产业发展融合，培育新增长点、形成新动能，以人工智能技术推动各产业变革，促进人工智能同一、二、三产业深度融合。
一系列政策描绘出了我国机器人产业的发展路线图--到2020年，我国工业机器人年销量将达到15万台，保有量达到80万台，将较“十二五”末新增40万台；到2025年，工业机器人年销量将达到26万台，保有量达到180万台，较“十二五”末增加140万台。
在“2015世界机器人大会”上，工信部副部长毛伟明指出，“中国制造2025”目标是实现由制造大国向制造强国迈进，其核心就是要抢占新一轮国际制造业的竞争制高点，其主要措施是深入推进工业化和信息化深度融合，主攻方向就是智能制造，而机器人、3D打印、智能工厂则是其重要支撑和依托。
工信部2015年就机器人产业开展三项重要工作，一是制定机器人产业“十三五”规划，引导行业发展；二是积极争取相关政策，支持机器人研发、应用；三是在重点制造领域推广机器人应用。根据工信部此前发布的工业机器人发展目标，到2020年，中国将形成较为完善的工业机器人产业体系，培育3-5家具有国际竞争力的龙头企业和8-10个配套产业集群；高端产品市场占有率提高到45%以上。
随着人工智能上升到国家战略的节点的到来，更多利好以及相关政策会大力促进行业的发展，人工智能的春天已经到来。
2015年7月前，国务院发布的《关于积极推进“互联网+”行动的指导意见》指出，依托互联网平台提供人工智能公共创新服务，加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用，培育若干引领全球人工智能发展的骨干企业和创新团队，形成创新活跃、开放合作、协同发展的产业生态。
2016年5月，国家发展改革委、科技部、工业和信息化部、中央网信办制定了《“互联网+”人工智能三年行动实施方案》。《方案》指出，到2018年，打造人工智能基础资源与创新平台，人工智能产业体系、创新服务体系、标准化体系基本建立，基础核心技术有所突破，总体技术和产业发展与国际同步，应用及系统级技术局部领先。在重点领域培育若干全球领先的人工智能骨干企业，初步建成基础坚实、创新活跃、开放协作、绿色安全的人工智能产业生态，形成千亿元级的人工智能市场应用规模。
截至2018年初，我国人工智能领域相关企业达2000家，正逐步在底层基础支撑、核心技术创新、上层行业应用之间建立初步产业链条。在基础领域，涌现出寒武纪科技、地平线机器人、深鉴科技、耐能、西井科技等一批创新技术企业。在技术创新方面，格林深瞳、旷视科技等深耕计算机视觉，百度、搜狗、科大讯飞等在自然语言处理领域技术较为领先，腾讯、阿里巴巴、华为等在机器学习和云计算等领域具有行业优势。在行业应用方面，我国在智能机器人、智能金融、智能医疗、智能安防、自动驾驶、智能教育、智能家居等重点领域涌现出一批具有代表性的相关企业。预计到2019年，我国人工智能产业链条关联性、协同性将显著增强，人工智能产业协同能力将进一步提升。
智能经济是以大数据、互联网、物联网、云计算等新一代信息技术为基础，以人工智能技术为支撑，以智能产业化和产业智能化为核心，以经济和产业各领域为应用对象的新型经济发展形态。普华永道预测，到2030年人工智能将为全球GDP带来14％的增长空间，即15．7万亿美元的市场规模，其中中国的GDP增长规模为26％，北美的GDP增长规模为14％，为全球受到人工智能带动效应最大的地区。截至2018年初，我国人工智能核心产业规模达到180亿元，带动相关产业规模达到2200亿元。预计到2019年，人工智能将通过与云计算、医疗、物流仓储、政务国防、隐私数据保护、卫星数据处理、网络安全、体力蓝领、农业、自动驾驶、金融服务、企业管理、材料科学等各种行业领域的深度融合，加速塑造新的社会经济形态，人工智能在保障改善民生、社会治理等方面将发挥更加积极的作用，智慧城市、智慧交通、智慧医院等创新智能服务体系建设将更为完善，场景化、融合化将成为人工智能产业发展新特点。
未来每一个机器人、每一辆无人驾驶汽车、每一个摄像头甚至绝大多数硬件都将具有智能，而这其中充当其大脑的就是芯片。 X86 架构和 ARM 分别在互联网和移动互联网时代充当了霸主， Intel 收购 FPGA 公司，英伟达专门针对人工智能的深度学习开发了TeslaP100，国内中科院的寒武纪公司以及地平线机器人也正在发力人工智能芯片，充分说明了 AI 芯片领域被产业界看好，在新的智能时代， AI 芯片作为人工智能底层的核心基础无疑将拥有非常广阔的应用空间。
智能硬件是继智能手机之后的一个科技概念，通过软硬件结合的方式，对传统设备进行改造，进而让其拥有智能化的功能。智能化之后，硬件具备连接的能力，实现互联网服务的加载，形成“云+端”的典型架构，具备了大数据等附加价值。 智能硬件已经从可穿戴设备延伸到智能电视、智能家居、智能汽车、医疗健康、智能玩具、机器人等领域。比较典型的智能硬件包括 Google Glass、三星 Gear、FitBit、麦开水杯、咕咚手环、Tesla、乐视电视等。 智能硬件对于整个人工智能产业而言，其功能除了打开 C 端消费市场之外，更为重要的是通过智能硬件以及加载其中的软件，抢占 C 端入口可以进行终端数据的采集，为后续的算法完善及商业模式推进奠定良好基础。智能音箱产品亚马逊 Echo 在美国越来越受欢迎：目前亚马逊 Echo 在美国的认知率已经从 2015 年的 20%提升到了 2016 年的 61%，在所有美国亚马逊客户当中， Echo 的拥有率已经从 2%提升到了 5%，相比于其他的亚马逊设备的拥有率，未来的销量前景非常可观。
由于传感器、人工智能、大数据、物联网等技术的运用，机器人产业中涌现出新的制造模式和商业模式——服务型机器人出现了。相较于工业机器人，它与个人、家庭生活联系更为紧密， 2015-2018 年，个人及家庭用服务机器人全球销量将达到 2,590 万台，市场规模将达到 122 亿美元。目前我国服务机器人需求领域包括：养老、监护等社会需求；国防、公共安全、救援抢险、科学考查等国家重大需求；在智能家居、教育、保洁等个人及家庭消费需求。服务机器人的重点在于服务，基于特殊场景应用的服务及 AI 的建设是重点，各行业 AI化将是未来的发展方向。到 2020 年，我国服务机器人年销售收入超过 300 亿元：在助老助残、医疗康复等领域实现小批量生产及应用。围绕助老助残、家庭服务、医疗康复、救援救灾、能源安全、公共安全、重大科学研究等领域，培育智慧生活、现代服务、特殊作业等方面的需求，重点发展消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等四种标志性产品，推进专业服务机器人实现系列化，个人及家庭服务机器人实现商品化。重点突破人机协同与安全、产品创意与性能优化设计、模块化/标准化体系结构设计、信息技术融合、影像定位与导航、生肌电感知与融合等关键技术。
计算机视觉领域主要包括图片/视频识别与分析、人像与物体识别、生物特征识别、手势控制、体感识别、环境识别。计算机视觉的识别效果的提升，是通过引入卷积操作，将深度模型的处理对 象 从 之 前 的 小 尺 度 图 像 （32pixel×32pixel ） 扩 展 到 大 尺 度 图 像 上（200pixel×200pixel），提出了卷积深度臵信网（Convolutional DBN），通过可视化每层学习到的特征，演示了低层特征不断被复合生成高层抽象特征的过程。深度结构模型具有从数据中学习多层次特征表示的特点，这与人脑的基本结构和处理感知信息的过程很相似，如视觉系统识别外界信息时，包含一系列连续的多阶段处理过程，首先检测边缘信息，然后是基本的形状信息，再逐渐地上升为更复杂的视觉目标信息，依次递进。
迄今为止，尽管深度学习已经被应用到语音、图像、文字等方面，但深度学习领域发表的论文中大约 70%是关于图像识别的。从 2012 年的 ImageNet 竞赛开始，深度学习在图像识别领域发挥出较大威力，在通用图像分类、图像检测、光学字符识别(Optical CharacterRecognition, OCR)、人脸识别等领域，最好的系统都是基于深度学习的。生物识别技术市场规模不断增大。 生物识别不仅是目前正进行的如火如荼的行业，同时也是在未来五年具有发展潜力的市场。预计 2020 年生物识别技术全球市场规模将达到 250 亿美元。 国内生物识别技术市场规模有望从 2015 年 100 亿元上升至 2020 年的 300 亿元。 2013 年的统计数据显示，人脸识别占比 23%。同时国际生物识别小组于 2009 年的研究结果表明指纹识别占据生物识别的 50%市场，人脸识别紧随其后占据 13%的份额。预计到 2020 年，人脸识别市场空间预计超过 40 亿元人民币。
过去 200年左右时间里，基本的人机交互形式不断进化，在过去的 75 年当中几乎每隔 10年，交互方式就有一个大的创新，现在语音已成为人机交互的新范式。 语音技术逐步通用化、基础化，预计未来将面临免费提供的局面。 例如，百度就在 11 月30 日宣布其语音技术全系列接口永久免费开放，提供语音识别、语音合成、语音唤醒多平台 SDK(软件开发工具包)。通用算法技术成为免费平台的趋势已经呈现，行业需要商业模式的创新，如何将技术转换成产品及流量、数据等，才是真正实现盈利的关键。
狭义的语音识别就是让机器能够明白你说的是什么，广义的语音识别是机器不仅能理解语音含义，而且能把语音转化为文字、另一种语言或者命令。语音识别能够在社交娱乐、搜索、虚拟机器人中大规模应用主要得益于以下两个原因。其一是技术进步：语音识别算法模型的改进及训练效果的提升使得语音识别错误率不断降低。其二是市场需求：个人消费层面的社交娱乐需求催化行业热情，作为重要的人机交互方式应用场景广阔。
自 2009 年把深度神经网络用于语音识别研究，相关研究突飞猛进，这一事件重新点燃了对语音识别的热情。 2010 年深度神经网络 DCNN 使语音识别错误率降低了 20%， 2011年微软用 DCNN 彻底改变了语音识别原有技术框架，2012 年又公开演示了其全自动同声传译系统。国内， 科大讯飞是语音识别研究的龙头， 公司改进了 RNN 模型，使语音识别效果获得 40%的性能提升。公司于 2016 年在国际重要比赛 CHiME中包揽三项冠军，并在 2017 年语音合成大赛中获得第一名。
截止 2017 年三季度，科大讯飞自身的开放平台累计终端数增长 87%至 15.9亿，第三方创业团队增长 123%到 45 万，日均使用次数增长 56%到 40 亿次。开放平台的大数据广告业务继续保持快速增长，前三季度收入同比增长 241%。 从国际大型互联网企业角度看， 2017年 3 月，谷歌和亚马逊先后宣布旗下的语音技术对大众开放。国内， 腾讯和阿里已在早前先后开放其语音平台， 就在 2017 年 11 月 30 日，百度宣布语音技术全系列接口永久免费开放，为平台用户提供语音识别、语音合成、语音唤醒多平台 SDK等。目前语音识别正在逐步成为开放平台，未来从语音输入端获取数据并基于具体场景的行业应用和商业模式创新成为厂商盈利的关键。科大讯飞目前主要精力已经逐步转移到对赛道的开发，包括对接教育、法律、医疗、汽车等行业客户。阿里目前已经在智能电视、智能汽车、智能法庭、智能客服领域应用其语音技术进行行业深度下沉。
2012 年，美国率先提出“先进制造业国家战略计划”，随后德国、日本、英国分别提出“工业 4.0”、“科技工业联盟”、“工业 2050 战略”。对比各国关于制造业转型升级的战略规划，尽管各个国家侧重有所不同，但均是以智能制造作为其战略核心，不断推动制造业向数字化、网络化、智能化发展。2015 年，我国发布制造强国中长期发展战略规划《中国制造 2025》，力争通过“三步走”实现制造强国的战略目标， 1、力争用十年时间，迈入制造强国行列； 2、到 2035 年，我国制造业整体达到世界制造强国阵营中等水平； 3、新中国成立一百年时，制造业大国地位更加巩固，综合实力进入世界制造强国前列。因此，我们认为制造业转型升级是我国长期工程，围绕此战略开展的业务将得到政策、产业、资金等多重支持。车间层的智能化生产是智能制造的核心。 根据中国电子技术标准化研究院对智能制造系统的 5 层分级，一定程度可窥见智能制造的产业链情况，主要包括设备层、控制层、车间层、企业层、协同层。 1、设备层： 是制造的物质技术基础，它包括传感器、仪器仪表、条码、射频识别等。2、控制层： 包括各类控制系统，如可编程逻辑控制器 PLC、监视控制与数据采集系统 SCADA（对现场运行设备监视和控制，涉及组态软件、数据传输链路、工业隔离安全网关等）、分布式控制系统 DCS、现场总线控制系统 FCS（将最底层的现场控制器和现场智能仪表设备互连的实时网络控制系统）等。 3、车间层： 面向工厂和车间的生产管理，包括制造执行系统 MES 等，其中 MES 又包括工厂信息管理系统 PIMS、先进控制系统APC、历史数据库、计划排产、仓储管理等，是智能制造的核心。 4、企业层： 面向企业的经营管理，包括企业资源计划系统 ERP、产品生命周期管理 PLM、供应链管理系统 SCM、客户关系管理系统 CRM 等。 5、协同层： 体现企业之间的协作过程，它是由产业链上不同企业通过互联网进行全方位的协同和信息分享，实现协同研发、智能生产、精准物流和智能服务等。 我们看好， 工业软件和工业互联网平台的发展前景。
人工智能是新一轮科技革命和产业变革的重要驱动力量。根据工信部《新一代人工智能产业创新重点任务揭榜工作方案》，未来人工智能将会像互联网一样持续渗透到各个行业和领域，通过对数据信息的高效处理，帮助企业和用户持续改善经营效率和使用体验。
对于行业投资机会，我国人工智能产业景气度有望进一步上行。建议关注自动驾驶、智能服务机器人、金融科技、智能穿戴设备等人工智能与实际应用相结合并已在一定程度上实现商业化应用的细分方向。
我国在人工智能、大数据、云计算、信息安全等领域已具有一定的技术实力，叠加多项政策出台推动人工智能产业在我国快速发展，AI+场景正在逐步落地。在金融、交通、安防等领域，人工智能相关技术的渗透率正在快速提升，这将带给相关领域企业的发展机遇。建议关注人工智能领域的语音识别领域、计算机视觉领域、无人驾驶领域的相关龙头个股。
坚定看好国内人工智能产业的发展，国家将人工智能作为经济转型的重要抓手之后，未来在融合发展上有着更大的发展空间。基础层方面，建议关注国内服务器、高性能计算企业浪潮信息、中科曙光在算力提供上的市场机会。在应用层方面，建议关注语音、计算机视觉、自动驾驶、预测分析等技术在AI+(客服、安防、医疗、汽车、金融等)市场上的应用，覆盖企业中，建议关注科大讯飞、海康威视、苏州科达、卫宁健康等标的。
自2013年以来，全球和中国人工智能行业投融资规模都呈上涨趋势。2017年，我国人工智能产业保持快速增长，部分技术接近或达到国际领先水平，产业规模、投融资规模和企业数量位居世界前列。从投融资市场来看，中国人工智能领域的投融资占到全球的60%，成为全球最“吸金”的国家。
2015年是人工智能领域爆发式增长的关键一年，投资案例从2014年的68起激增到2015年146起，同比增长114.7%；投资总额从2014年的12.2亿上升至2015年的32.4亿元人民币，同比增长165.6%；2016年，人工智能领域延续了上一年较高的投资热度，2017年的投资额就超过100亿元人民币，红杉、IDG、达晨、经纬、真格基金、创新工场等创投机构成为助推。
从2014年开始，国内投融资活动愈加趋于理性，产业逐渐走向成熟。国内人工智能投融资活动的早期投资（包括种子轮、天使轮和A轮）的占比逐渐下降，投资活动日趋理性，但A轮融资还是占主导地位。2017年，投资结构中，占比最高的是A轮为51.5%，其次是C轮、B轮，分别占15.2%、12.1%。
2017年，从投资案例数上来看，国内人工智能领域投资阶段主要分布在初创期、扩张期、种子期，占比分别是35.2%、27.3%、22.8%，总占比高达85.3%；从投资金额上看，国内人工智能领域投资阶段主要分布在初创期、扩张期、成熟期，占比分别是40.2%、31.4%、21.5%，总占高达93.1%。
国内人工智能领域投资整体地域分布共涉及22个地区，人口密度更高和接受新技术更普及的北京、广东、上海、浙江、江苏等地，成为了国内人工智能企业集中度较高的区域。北京市的融资金额和融资笔数遥遥领先其他地区，其次是广东、上海、浙江和江苏等省市。广东省虽然投融资总额相对较少，但活跃度很高，仅次于北京。
从投资案例数量上来看，投资地点集中在北京、广东、上海和江苏四地，分别完成234起、112起、87起、58起投资事件，四地投资案例数占总投资案例数的78%左右；从投资金额上看，投资地点集中分布在北京、广东、上海、安徽、江苏五地，投资额分别为67.3亿元、39.4亿元、23.4亿元、14.5亿元、10.8亿元，五地投资额占总投资额的84%。
