人工智能产业发展报告

人工智能产业发展报告（共9篇）（共9篇）

1.人工智能产业发展报告 篇一

中国经济信息社8日在南京发布全球智能制造发展指数报告，结果显示中国名列智能制造发展“先进型”国家行列。

报告筛选出22个样本国家，评价结果显示，美国、日本和德国名列第一梯队，是智能制造发展的“引领型”国家;韩国、英国、中国、瑞典、瑞士、芬兰、法国、奥地利和加拿大名列第二梯队，是智能制造发展的“先进型”国家。

中国经济信息社指数中心相关负责人在发布会上说，全球智能制造发展指数，是对全球范围内符合一定条件的国家进行综合评价，通过对智能制造密切相关因素的综合分析，建立系统、全面、特色的评价体系，并运用相应的指数化评价方法进行量化测评，旨在全面衡量并真实反映一定时期内国家智能制造产业发展综合实力，简明直观、客观公正地体现国家智能制造发展水平和状态，为全球智能制造发展提供指导和参考。

从发展格局来看，传统的制造业强国依然呈现较强的竞争实力，而亚洲等新兴经济体在世界工厂时代的积累也让他们呈现出较大的竞争优势(爱基,净值,资讯)。当前以中国为代表的制造业转型升级(爱基,净值,资讯)与美、欧等发达国家“重振制造业”的政策方向形成共振，这使得智能制造的世界格局处在一种快速发展的动态平衡中。而大数据、物联网、云计算等新一代信息技术为智能制造的快速发展与突破提供了必要条件。

中国在全球智能制造发展指数中综合排名第6位，然而，在智能制造的发展环境、要素支撑、发展基础和制造业智能化应用水平方面均存在一定的“非均衡”特征，政、产、学、用、资的`融合有待进一步加强。全球智能制造发展指数评价结果显示，中国的智能制造发展环境和发展基础较好，在22个样本国家中分别位列第3位和第4位;然而，要素支撑和制造业智能化应用水平有待提升，分别位列全球第13位和第10位。

目前，中国智能制造发展呈现以下特征:首先，从智能技术研发和智能技术的应用情况来看，较多的学术研究成果与较低的制造业智能化应用水平形成反差。

其次，从中国现阶段制造业生产效率和智能装备的使用情况来看，中国正在由“高投入、高消耗、高污染”的传统制造业发展模式向“数字化、智能化、信息化”的创新发展模式转型。

第三，从中国智能装备的国际贸易情况来看，中国的进出口总额与日本、德国相当，然而，日本、德国以出口智能装备为主，中国进口装备规模远高于出口规模，而且中国高端设备核心部件的数控系统也主要依赖进口，中国高端装备对外依存度高。

由中国经济信息社指数中心编发的全球智能制造发展指数构建了包含4个一级指标、10个二级指标和22个三级指标的评价体系。其中，一级指标主要从发展环境、要素支撑、发展基础以及制造业的智能化应用水平四个维度表征国家智能制造发展的内在规律。二级指标是基于功能属性对一级指标的具体展开，考虑了真实性与全面性，同时考虑数据可获得性，各层次之间通过指标加权后逐级合成。所有指标均来自于权威机构发布，可以由公开渠道获取的原始数据，或通过系统且科学的方法合成计算，并有专业组织维护并定期更新的数据源。

中国经济信息社是新华社直属企业，中国规模最大、服务领域最广、产品种类最全的经济信息服务机构之一。

中国经济信息社在国内设有30家分公司，为海内外3万多家用户提供经济信息服务。

中国经济信息社的产品集群和服务平台主要包括:新华财经、新华丝路、政务信息、行业信息、舆情监测、战略咨询、新华指数、新华征信等。

中国经济信息社致力于打造中国经济信息事业的领航者，建设世界一流的“信息通讯社”。

2.人工智能产业发展报告 篇二

美国鲥鱼原产美国北卡罗莱纳州大西洋沿岸，后被引种至北美太平洋沿岸及哥伦比亚河，分布广泛。美国鲥鱼与中国鲥鱼虽然属于不同种，但属近亲，其外形和大小基本一样，且二者的不饱和脂肪酸DHA的含量也十分相近。美国鲥鱼原来生长在北纬45°海洋水域，性成熟后入淡水江河繁殖，能耐7℃的低温环境，其食用性能远优于生长热带水域的泰国(或缅甸)鲥鱼，在市场上可以作为资源奇缺的中国长江鲥鱼的良好替代品，市场前景广阔。

2006年7月，南京孙家农业科技发展有限公司工厂化养殖基地(下简称孙家基地) 首度引进产自美国的美洲鱼受精卵2万粒，并顺利孵化出鱼苗1.5万尾。继后又克服多重困难，取得幼鱼至成鱼的养殖成功，并将养成品成功投放了市场。随着市场需求日益扩大，美国鲥鱼的苗种来源成了扩大生产的瓶颈，为此，南京孙家农业科技发展公司于2009年开始，着手美国鲥鱼的人工繁殖试验，工作取得了可喜的进展。2012年生产的苗种已正式投入生产性应用，为南京市养殖美国鲥鱼取得了新突破。

1 人工繁殖试验进展

孙家基地先后两次进行鲥鱼的人工繁殖试验。

2009年5月30日至6月15日，先后分5批对美国鲥鱼进行全人工催产繁殖试验，共投入催产亲鱼78尾(雌鱼42尾，雄鱼36尾)。选用的亲鱼体重为0.6～0.9 kg，其成熟度依据外表测定与经验判断，然后采用催产激素二次注射催产。催产激素选用HCG、LRH-A2、DOM三种。试验过程中，激素有单独使用和组合使用等形式，以常规剂量或大于常规剂量进行配制试用。二次注射针距时间约20～26 h，水温18～23℃。二次注射后若干小时，可观察到亲鱼的发情行为，即起捕挤卵授精。此鱼极易产生应激反应，所以亲鱼挤卵后大多死亡。初次试验，由于未能全面掌握美国鲥鱼的繁殖习性，亲鱼产卵并不很顺利。先后5次催产，获取受精卵1.3万粒，孵化率47.7%，出鱼苗0.62万尾，后期养成仅400尾。

2010年孙家基地的美国鲥鱼繁殖进入了规模化繁殖试验阶段。5年上旬至6月上旬，共进行5次人工繁殖试验，先后共投入繁殖亲鱼62尾(雌鱼28尾、雄鱼34尾)，亲鱼体重为0.6～0.8 kg，采用半人工催产繁殖，催产剂HCG、LRH-A2、DOM组合使用，一次性注射。注射后的亲鱼置于特定的产卵池中自行交配产卵，产卵池设置集卵装置。

本试验前后产卵4批，取卵7次，共获卵约8万粒，平均受精率65%，得受精卵5.2万粒。在22～23℃水体中孵化，孵化率达67.3%，出苗约3.5万尾，最终出苗率为42.9%，获2cm稚鱼1.5万尾。

2 人工繁殖的基本经验

孙家基地通过两年的美国鲥鱼人工繁殖实践，基本掌握了该鱼的繁殖手段与鱼苗培育方法。总括起来，有以下几点基本经验。

(1) 发育良好的美国鲥鱼亲本的储备，是顺利开展繁殖的最重要的物质基础。

(2) 通过生产实践，掌握好对亲本的鉴别条挑选，雄鱼以能够挤出少许精液为佳;雌鱼亲鱼其腹部要膨大有弹性，特别要确定可催产鱼的后腹部形态。

(3) 美国鲥鱼是分期分批产卵类型的鱼类，所以宜采取一次注射催产，待其分批产卵、集卵。

(4) 美国鲥鱼性急易掉鳞，极易引起应激反应，所以不宜全人工繁殖，即不采用人工挤卵和人工授精的繁殖方法。采取一次性催产注射，自行交配产卵。为了提高受精率，雌雄按1∶2为宜。

(5) 受精卵孵化适宜水温为18～22℃，当水温20～22℃情况下，经30～36 h孵化，仔鱼出膜。25℃以上水温对胚胎发育不利。

(6) 仔鱼卵黄消失后，其开口料宜投喂小型轮虫(50～80μm)如壶状轮虫等，5 d后，可投喂个体较大轮虫(100～150μm) ，如臂尾轮虫等。

3.大鳞鲃人工繁育试验报告 篇三

关键词：大鳞鲃；人工繁殖；鱼苗培育

大鳞鲃（Barbus capito）属于鲤科、鲃亚科、鲃属，原产于乌兹别克斯坦的阿姆河，是该国名贵的大型经济鱼类，它具有食性广、生长速度快、抗逆性强、肉质鲜美，耐盐碱适应性强等特点，成龄体重3～6 kg，最大个体体长70 cm，体重12 kg，是当地名贵的大型经济品种之一[1]。2003年底，黑龙江水产研究所首次从乌兹别克斯坦将该鱼引入我国，我省于2009年引进试养，到2014春季检查，达到性成熟。2014年4月底，我们利用人工养殖、培育成熟的亲鱼进行人工繁育试验，为大鳞鲃的推广养殖解决苗种供应渠道。

1 材料与方法

1.1 亲鱼来源与挑选

所用亲鱼为2010年从哈尔滨引进的夏花鱼种，在河北省淡水良种场淡水池塘中人工饲养，经过4年养殖，2014年春季达到成熟的个体。

2014年4月30日，挑选雌性个体腹部柔软、膨大，雄性个体轻压后腹有精液流出的亲鱼共110组（雌雄比例1∶1.2）亲鱼。雌性亲鱼全长40～60 cm，体重2～4 kg，平均体重2.6 kg；雄性个体全长35～55 cm，体重1.5～3 kg，平均体重1.6 kg。

1.2 繁育设施

采用由塑钢制做、直径2 m、高70 cm、中央排水的圆型育苗缸作为人工催产、孵化池。缸上沿部设一个进水管，底部中央设2个纳米管充气增氧盘。

1.3 人工催产

催产水温21 ℃，催产药物为LRH-A2+HCG+DOM，三种药物混合使用，分两次胸鳍基部注射，雄鱼只在第二次注射雌鱼剂量的一半。两次注射间隔12 h，注射后雌雄分缸暂养。

1.4 人工授精

第二次注射催产药物12 h后，每隔2 h检查一次雌鱼发育情况，发现能挤出卵后，捞出亲鱼，用干毛巾将雌雄亲鱼体表水分擦干，然后三人配合，一人用毛巾包裹亲鱼头部，一人用毛巾緾裹亲鱼尾柄，头上尾下抓起亲鱼，另一人由上而下按压腹部，将卵子挤在干净、无水、光滑的盆中，随即以同样方法采精、滴到卵上，干法授精。5 min之后，用清水冲洗两遍洗去多余精子转到孵化缸内孵化，合计采卵419万粒。

1.5 受精卵孵化

孵化缸水位50 cm，水温18～22 ℃。布卵密度40万～100万粒/缸，专人值守，调控水流、用毛刷扫去贴到排水管护网的卵。

1.6 苗种培育及室外池塘培育

受精卵孵化70 h后开始破膜出苗，待鱼苗平游后，虹吸方法去除死卵，在原孵化缸内投喂活体轮虫+鸡蛋黄（2～3个/d），三天后捞出鱼苗转入外塘进入池塘培育阶段。

外塘培育池面积0.4 hm2，水位从60 cm逐步提高到1.2 m。产卵的同时用20 mg/L漂白粉消毒池水，五天后施用腐熟鸡粪1 500 kg/hm2，视池水透明度追加无机肥培育生物饵料使得透明度保持在20～30 cm，水温23 ℃左右，与育苗缸温差不超过2 ℃。放苗密度为225万～300万尾/hm2。鱼苗下塘后，第三天开始每天按45～60 kg/hm2黄豆，分4次泼洒豆浆。鱼苗长到2 cm后，投喂粉状配合饵料。

2 结果

2.1 催产及孵化效果

两批次催产的效应时间在25～26 h，110尾雌鱼有82尾产卵，产卵419万粒，获取受精卵130万粒，孵出稚鱼90万尾。其催产率、受精率、孵化率分别为74.5%、31%、69.2%、，胚胎发育积温1 300 ℃·h。

2.2 受精卵发育情况

受精完成后，2～3 h吸水完成，卵径从1.1 mm±0.05 mm膨胀到5.2 mm±0.05 mm。刚产的卵青黄色，无粘性，吸水后半浮性。刚孵出的仔鱼全长6.5 mm，20～22 ℃条件下6～7 d开始平游。

2.3 苗种培育结果

6月15日计数，共培育出5 cm以上苗种38万尾，培育成活率42%。

3 分析与讨论

3.1 关于繁育习性

大鳞鲃在乌兹别克斯坦原产地于咸海中育肥发育，性腺成熟后逆河洄游到淡水支流中产卵。本次试验再次证明，大鳞鲃完成可以在全淡水、人工饲养情况下达到性成熟，并可以通过人工催产繁育。

3.2 关于成熟年龄

在原产地自然情况下大鳞鲃5年达到性成熟，黑龙江所试验报道也为5年[2]。我们从黑龙江引进的苗种经过4年培育达到性成熟，时间短了一年。是否与我地气候较东北温暖、生长期积温较多有关，还待进一步探索。

3.3 关于受精率

试验受精率31%以上，与黑龙江所研究相差很多[2]。可能与成熟年龄早，性腺发育快或者催产时间晚有关，有待于进一步研究。

3.4 关于孵化率

试验过程中孵化率表现出了不同情况，一是可能与布卵密度有关，通过对比以每方水布卵40万～70万粒为好；二是可能与孵化方式有关。大鳞鲃卵为漂流性卵，与四大家鱼相同，用水流冲击使之漂浮较为理想，我们采用顶部加水、底部充气使卵漂浮的方式，也可能影响孵化效果。

3.5 关于大鳞鲃规模化繁育的意义

大鳞鲃是一条优良的养殖新品，市场前景广阔。目前，因苗种供应不足，制约了规模化推广养殖，导致市货少价高，产品供不应求。连续多年来，市场价格均在70元/kg以上，与当前北方地区主养的草、鲤等鱼类相比，大鳞鲃养殖成本与草鱼相近，而市场售价高出数陪，养殖效益十分可观。解决苗种需求是当前大鳞鲃推广养殖的关键，因此，开展规模化育苗对调整渔业品种结构、开展优质高效养殖、促进产业发展具有重要现实意义。

参考文献：

[1]

尼科里斯基LB.分门鱼类学[M].北京：高等教育出版社，1958：186-189

[2] 耿龙武，徐伟，蔺玉华，李池陶，刘晓勇，张永旺. 大鳞鲃人工繁育技术初报.吉林农业大学学报，2010（2）：104-106

4.人工智能产业发展报告 篇四

目前关于智能家居的称谓多种多样，如电子家庭（Electronic Home、e-Home）、数字家园（Digital family）、家庭自动化（Home Automation）、家庭网络（Home net/Networks for Home）、网络家居（Network Home）、智能化家庭（Intelligent home）等几十种，尽管名称各不相同，但它们的含义和所要完成的功能大体是相同的。

工具/原料

 2014-2018年中国智能家居产业市场环境与发展前景分析报告

方法/步骤

1.1 智能家居的基本要素

智能家居被定义为利用电脑、网络和综合布线技术，通过家庭信息管理平台将与家居生活有关的各种子系统有机地结合的一个系统。首先，在一个家居中建立一个通讯网络，为家庭信息提供必要的通路，在家庭网络的操作系统的控制下，通过相应的硬件和执行机构，实现对所有家庭网络上的家电和设备的控制和监测。其次，它们都要通过一定的媒介，构成与外界的通讯通道，以实现与家庭以外的世界沟通信息，满足远程控制/监测和交换信息的需求。最后，它们的最终目的都是为满足人们对安全、舒适、方便和符合绿色环境保护的需求。完整的智能家居包含家居布线系统、家庭网络系统、智能家居（中央）控制管理系统、家居照明控制系统、家庭安防系统、背景音乐系统、家庭影院与多媒体系统、家庭环境控制系统等八大系统。其中，智能家居（中央）控制管理系统、家居照明控制系统、家庭安防系统是必备系统，家居布线系统、家庭网络系统、背景音乐系统、家庭影院与多媒体系统、家庭环境控制系统为可选系统。

2.2 智能家居行业发展环境分析

（一）智能家居行业政策环境分析 ◆ IBM“智慧星球”被美国政府列为国家战略

“智慧地球”战略诞生于2009年1月28日。当天，美国工商业领袖举行了一次圆桌会议，IBM的CEO彭明盛向美国总统奥巴马抛出这一概念。该战略定义大致为：将感应器嵌入和装备到电网、铁路、建筑、大坝、油气管道等各种物体中，形成物物相联，然后通过超级计算机和云计算将其整合，实现社会与物理世界融合。奥巴马回应，经济刺激资金将会投入到宽带网络等新兴技术中去。于是这一概念大行其道，迅速上升为美国国家战略。

“智慧地球”就是通过在基础设施和制造业上大量设立传感器，捕捉运行过程中的各种信息，然后通过传感网，进入互联网，通过计算机分析处理发出智慧指令，再反馈回去，到传感器，到基础设施和制造业上，极大提高效率，产生更大的效益。美国试图用它的信息网络技术，小到控制一台计算机、一台发电机，大到控制一个行业，控制各国的经济。该战略已在信息安全等领域引起我国有关方面的高度重视，部分专家甚至相关部委正在重估它在一些地方城市的部分项目建设。

◆ 《国务院关于加快培育和发展战略性新兴产业的决定》

《决定》指出，加快培育和发展以重大技术突破、重大发展需求为基础的战略性新兴产业，必须坚持发挥市场基础性作用与政府引导推动相结合，科技创新与实现产业化相结合，深化体制改革，以企业为主体，推进产学研结合，把战略性新兴产业培育成为国民经济的先导产业和支柱产业。会议确定了战略性新兴产业发展的重点方向、主要任务和扶持政策。

从我国国情和科技、产业基础出发，现阶段选择节能环保、新一代信息技术、生物、高端装备制造、新能源、新材料和新能源汽车七个产业，在重点领域集中力量，加快推进。

积极培育市场，营造良好市场环境。组织实施重大应用示范工程，支持市场拓展和商业模式创新，建立行业标准和重要产品技术标准体系，完善市场准入制度。

深化国际合作。多层次、多渠道、多方式推进国际科技合作与交流。引导外资投向战略性新兴产业，支持有条件的企业开展境外投资，提高国际投融资合作的质量和水平。积极支持战略性新兴产业领域的重点产品、技术和服务开拓国际市场。加大财税金融等政策扶持力度，引导和鼓励社会资金投入。设立战略性新兴产业发展专项资金，建立稳定的财政投入增长机制。制定完善促进战略性新兴产业发展的税收支持政策。

《决定》对新兴产业的扶持政策，对于智能家居业来说是一个大好的机会。国家对于物联网等新兴产业的扶持，无疑也是对智能家居行业的促进。物联网说的简单一点就是物物相连、物人相连，让生活更加的智慧，让家居更加智能。国家对于物联网等新兴产业的支持，可以从很大一方面解决物联网的技术问题。物联网在智能家居中的应用也起着不可或缺的角色。而对于智能家居行业，技术可以说是阻碍了智能家居的发展。物联网技术的解决，智能家居普及才指日可待，才能实现市场的规模效应，产品成本也自然降低。智能家居也可借此机会，真正的迈入平民产品之列，不再可望不可即。

3.3

（二）智能家居行业技术环境分析（1）行业技术专利申请数量分析

前瞻在专利信息服务平台（http：//search.cnipr.com）以“智能家居”为关键词进行检索得到智能家居行业技术专利申请数量的情况。我国智能家居行业发展起步较晚，2000年以前智能家居行业相关专利申请数量几乎空白；2000年后开始实现零的突破。2009年开始，我国智能家居行业技术专利申请数量开始迅速攀升。2010年申请数量达到135项，突破100项；2012年申请数量达到442项。由此可见我国智能家居行业技术在近几年进入快速发展期，竞争较为激烈。

4.4（2）行业技术专利申请人分析

从截至2013年10月底智能家居行业技术专利申请人来看，在申请数量排名前十二的企业专利申请数量均突破了11项。其中，高等院校的申请数量占据了一部分比例，中山大学拥有23项技术专利，占整个专利申请量的1.82%；其次，青岛海尔软件有限公司技术专利申请数量达到20项，占整个申请总量的1.58%左右；刘洋宏个人及丰唐物联技术（深圳）有限公司均申请了17项专利。整体来看，智能家居行业的技术专利集中度较低，申请主体较为分散。

5.5（3）行业热门技术发展分析

根据前瞻产业研究院数据显示：从智能家居行业技术专利申请的分布来看，G05B19/00专利申请数量最多，为387项，占据整个申请总量的30.64%左右；其次是H04L12/00专利，申请数量为281项；排在第三的是H04L29/00专利，申请数量达到165项。从技术专利申请数量排在前四的专利领域来看，“一般的控制或调节系统；这种系统的功能单元；用于这种系统或单元的监视或测试装置”、“数据交换网络”、“数字信息的传输，例如电报通信”以及“按采用的无导线电气线路表征的信号传送装置”这几类技术是智能家居行业的热点技术，申请数量占到整个行业技术专利申请总量的74.74%。

6.6（4）行业技术发展趋势分析

随着电子计算机技术和其他高技术的发展，自动控制技术的水平将越来越高，应用越来越广泛，作用越来越重要。智能化、开放性、网络化、信息化成为未来数控系统的主要趋势：向高速、高效、高精度、高可靠性方向发展；向模块化、智能化、柔性化、网络化和集成化方向发展；向PC-based化和开放性方向发展；纳米技术将形成新发展潮流，并将有新的突破；节能环保的控制系统将加速发展，占领广大市场。

7.7 智能家居行业发展状况分析

我国智能家居行业已经完成市场的培育，已经进入推广阶段，众多智能家居制造企业纷纷加入到智能家居制造行业，各种智能家居终端产品不断问世，功能不断完善，质量不断提高，应用更加人性化。

8.8 目前国内智能家居主要的市场还是一些高端市场：别墅（零售、工程）、智能小区（工程），增长最快的市场是：智慧酒店（工程）和智能办公（工程），但是普通住宅智能家居（零售）市场却发展很慢。我国智能家居主要细分市场发展现状：

5.人工智能产业发展报告 篇五

项目资金申请报告

项目编制单位：北京智博睿投资咨询有限公司

资金申请报告编制大纲（项目不同会有所调整）

第一章 自主品牌装备（系统）的智能化示范工厂项目概况 1.1自主品牌装备（系统）的智能化示范工厂项目概况

1.1.1自主品牌装备（系统）的智能化示范工厂项目名称 1.1.2建设性质

1.1.3自主品牌装备（系统）的智能化示范工厂项目承办单位 1.1.4自主品牌装备（系统）的智能化示范工厂项目负责人

1.1.5自主品牌装备（系统）的智能化示范工厂项目建设地点 1.1.6自主品牌装备（系统）的智能化示范工厂项目目标及主要建设内容

1.1.7投资估算和资金筹措

1.2.8自主品牌装备（系统）的智能化示范工厂项目财务和经济评论

1.2自主品牌装备（系统）的智能化示范工厂项目建设背景

1.3自主品牌装备（系统）的智能化示范工厂项目编制依据以及研究范围

1.3.1国家政策、行业发展规划、地区发展规划

1.3.2项目单位提供的基础资料

1.3.3研究工作范围

1.4申请专项资金支持的理由和政策依据

第二章 承办企业的基本情况 2.1 概况 2.2 财务状况

2.3单位组织架构

第三章 自主品牌装备（系统）的智能化示范工厂产品市场需求及建设规模

3.1市场发展方向

3.2自主品牌装备（系统）的智能化示范工厂项目产品市场需求分析

3.3市场前景预测

3.4自主品牌装备（系统）的智能化示范工厂项目产品应用领域及推广

3.4.1产品生产纲领

3.4.2产品技术性能指标。

3.4.3产品的优良特点及先进性

3.4.4自主品牌装备（系统）的智能化示范工厂产品应用领域

3.4.5自主品牌装备（系统）的智能化示范工厂应用推广情况

第四章 自主品牌装备（系统）的智能化示范工厂项目建设方案 4.1自主品牌装备（系统）的智能化示范工厂项目建设内容

4.2自主品牌装备（系统）的智能化示范工厂项目建设条件 4.2.1建设地点

4.2.2原辅材料供应

4.2.3水电动力供应

4.2.4交通运输

4.2.5自然环境

4.3工程技术方案

4.3.1指导思想和设计原则

4.3.2产品技术成果与技术规范

4.3.3生产工艺技术方案

4.3.4生产线工艺技术方案

4.3.5生产工艺

4.3.5安装工艺

4.4设备方案

4.5工程方案

4.5.1土建

4.5.2厂区防护设施及绿化

4.5.3道路停车场

4.6公用辅助工程

4.6.1给排水工程

4.6.2电气工程

4.6.3采暖、通风

4.6.4维修 4.6.5通讯设施

4.6.6蒸汽系统

4.6.7消防系统

第五章 自主品牌装备（系统）的智能化示范工厂项目建设进度

第六章 自主品牌装备（系统）的智能化示范工厂项目建设条件落实情况

6.1环保

6.2节能

6.2.1能耗情况

6.2.2节能效果分析

6.3招投标

6.3.1总则

6.3.2项目采用的招标程序

6.3.3招标内容

第七章 资金筹措及投资估算 7.1投资估算

7.1.1编制依据

7.1.2编制方法

7.1.3固定资产投资总额 7.1.4建设期利息估算

7.1.5流动资金估算

7.2资金筹措

7.3投资使用计划

第八章 财务经济效益测算

8.1财务评价依据及范围

8.2基础数据及参数选取

8.3财务效益与费用估算

8.3.1年销售收入估算

8.3.2产品总成本及费用估算

8.3.3利润及利润分配

8.4财务分析

8.4.1财务盈利能力分析

8.4.2财务清偿能力分析

8.4.3财务生存能力分析

8.5不确定性分析

8.5.1盈亏平衡分析

8.5.2敏感性分析

8.6财务评价结论

第九章 自主品牌装备（系统）的智能化示范工厂项目风险分析及控制

9.1风险因素的识别

9.2风险评估

9.3风险对策研究

第十章 附件

10.1企业投资项目的核准或备案的批准文件； 10.2有贷款需求的项目须出具银行贷款承诺函； 10.3项目自有资金和自筹资金的证明材料； 10.4环保部门出具的环境影响评价文件的批复意见；

10.5城市规划部门出具的城市规划选址意见（适用于城市规划区域内的投资项目）；

10.6有新增土地的建设项目，国土资源部门出具的项目用地预审意见；

10.7节能审查部门出具的节能审查意见； 10.8项目开工建设的证明材料；

6.人工智能行业研究报告 篇六

从去年的Alpha Go对战李世石开始，再到今年升级版的Alpha Go对战柯洁，人工智能经过一年多的发酵早已不再是一个陌生的名词。

截至目前，人工智能行业已发布了多篇报告，但我们仍致力于写出不一样的东西。除却老生常谈的算法、计算力、数据之外，我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。在人工智能的场景驱动阶段，不但可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策，最终实现“给予决策支持”的目标。因此本报告中，我们用了较大的篇幅去描绘人工智能的场景应用。

那么，在不同的场景中，人工智能是如何发挥作用的？带着这个问题，我们研究了国内外与此领域相关的企业，写出了这份人工智能行业的研究报告。

报告摘要

人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。

1.在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。

2.在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。

3.随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。

总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。

行业概述

AI是使用机器代替人类实现认知、分析、决策等功能的综合学科

人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。作为一种基础技术，理论上讲人工智能能够被应用在各个基础行业（如AI+金融、AI+医疗、AI+传统制造业等），同时也有其如机器人这样具体应用行业的概念。

本报告将以2017年上半年为时间节点，对包括发展驱动力、巨头布局、投融资情况、预测的市场规模等在内的人工智能行业到目前为止的整体发展情况做简要分析，并对包括数据标记、语音识别、语义识别、计算机视觉等技术领域以及安防、医疗、金融等应用场景在内的细分领域及其典型企业进行简析，探索人工智能领域未来发展趋势和可能的投资/创业机会。

行业驱动力

技术驱动：算法和计算力是主要驱动力

在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。

技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用。现在主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原的能力。对算法来说，归纳和演绎同样重要，最终目的是提高识别效率。最新ImageNet测试结果显示，AI错误率低达3.5%，而人类对同一数据库识别错误率在5.1%，理想情况下，计算机图像识别能力已超越人类。

如上图所示，每年在ImageNet测试中错误率最低的算法模型都不尽相同（从NEC到ResNet），这也反映了人们对于算法的不断探究、更迭过程。

计算力的三驾马车：芯片、超级计算机、云计算 提高识别效率除依靠算法之外，也离不开计算力的支持。计算力可以分三个维度展开：芯片、超级计算机、云计算。

芯片：人工智能领域作为一个数据密集的领域，传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题，继CPU之后，相继出现了GPU、NPU、FPGA、DSP等“AI”芯片。1999 年，Nvidia公司发布了全球首款图片处理芯片GPU；2016年，寒武纪发布了全球首款深度学习专用处理器芯片NPU，芯片的更迭、进步可从根本上提高计算性能。

超级计算机：其基本组成组件与个人电脑的概念无太大差异，但规格与性能则强大许多，是一种超大型电子计算机。我国自主超级计算机“神威·太湖之光”，其处理器为众核CPU“申威26010”，整台“神威·太湖之光”共包含40960块处理器；打败李世石的AlphaGo共包含1202个CPU和176个GPU；打败柯洁的升级版AlphaGo使用到了TPU，但数量只有 4 颗。

可以发现，真正用于人工智能的超级计算机芯片还只是处于CPU、GPU层，如何将更适用于网络神经算法的NPU、FPGA等芯片量产化并融合入超级计算机芯片矩阵，是在人工智能发展的第一阶段—技术驱动阶段应该重点努力的方向之一。

云计算：与主要应用于密集型计算的超级计算机不同，云计算依靠其灵活的扩展能力主要应用于社交网络、企业IT建设和信息化等数据密集型、I/O密集型的领域。

我们分析认为，当AI跨越入第二阶段—数据驱动阶段后，算法和计算力将变成人工智能领域的基础设施—“水、电、煤”。就目前看来，多项算法开源平台已将AI算法引入统一、公用阶段，运算力也必将向同样的趋势发展。云计算则是一个初步尝试，未来，计算力的发展方向或将是云计算和超级计算机技术结合，为企业提供既可密集运算又可灵活扩展的计算服务，将人工智能赋能全行业。

数据驱动：描绘个性化画像；场景驱动：给予决策支持

人工智能发展的第二个阶段，算法和计算力已基本不存在壁垒，数据将成为主要驱动力，推动人工智能更迭。此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础上可以精确地描绘消费者画像，制定个性化营销方案，提高成单率，缩短达到预设目标的时间，推动社会运行效率提升。

到了人工智能发展的第三个阶段，场景驱动作为主要驱动力，不仅可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策。此阶段，对数据收集的维度和质量的要求更高，并且可实时根据不同的场景，制定不同的决策方案，推动事件向良好的态势发展，帮助决策者更敏锐的洞悉事件根本，产生更精准更智慧的决策。

人工智能产业链综述

AI产业链主要包括技术支撑层、基础应用层和方案集成层

正如报告开头所述，人工智能是指使用机器代替人类实现认知、识别、分析、决策等功能，是一门综合了计算机科学、生理学、哲学的交叉学科。完整的人工智能产业链可以分为技术支撑层、基础应用层和方案集成层，或者说应用场景层。

技术支撑层主要由AI芯片、传感器等硬件和算法模型（软件）和两部分构成。其中传感器与IoT的感知层相似，包括GPU、FPGA、NPU等在内的AI芯片负责运算，算法模型则负责训练数据。

基础应用层的技术则是为了让机器完成对外部世界的探测，主要由计算机视觉、语音识别等感知层和语义识别等认知层构成，这些技术是机器能够做出分析判断的基础。此外，在感知与认知技术之下还有数据标注作为其底层支撑。

方案集成层是集成了某种或多种基础应用技术的、面向如工业、自动驾驶、家居、仓储物流、金融、医疗等不同应用场景的产品或方案。

本篇报告将主要围绕AI中基础应用层和方案集成层，即应用场景层进行分析。

语音识别：语音识别过程虽存在难点，但目前技术已趋于成熟

语音识别是将语音转换为文本的技术，是自然语言处理的一个分支。前台主要步骤分为信号搜集、降噪和特征提取三步，提取的特征在后台由经过语音大数据训练得到的语音模型对其进行解码，最终把语音转化为文本，实现达到让机器识别和理解语音的目的。根据公开资料显示，目前语音识别的技术成熟度较高，已达到95%的准确度。然而，需要指出的是，从95%到99%的准确度带来的改变才是质的飞跃，将使人们从偶尔使用语音变到常常使用。

语音识别作为一种一维时域信号，在实际操作中主要有两个难点。首先是数据的获取、清洗。语音识别需要大量细分领域的标准化语料数据作为支撑，尤其是各地方言的多样性更是加大了语料搜集的工作量。据媒体消息，苹果iOS 10.3版本中Siri已支持上海话。

第二个难点是语音特征的提取，目前主要通过具备多层神经网络的深度学习来解决，多层的神经网络相当于一个特征提取器，可对信号进行逐层深化的特征描述，最终从部分到整体，从笼统到具象，做到最大程度地还原信号原始特征。

语音识别虽市场庞大但已出现领航者，留给创业公司的机会不多

据Research andMarkets研究报告显示，全球智能语音市场将持续显著增长，预计到2020年，全球语音市场规模预计将达191.7亿美元。根据Capvision报告显示，从语音行业市场份额角度来看，全球范围内，由Nuance领跑，国内则是科大讯飞占据主导地位。

企业案例：科大讯飞

科大讯飞专注于To B的语音识别技术，目前已领跑中文语音市场

科大讯飞创办于1999年，主要从事智能语音及语言技术、人工智能技术研究，软件及芯片产品的开发，而应用集成则由下游的开发商或客户自己完成。根据公开资料显示，科大讯飞是目前我国少数掌握核心技术的语音领域企业之一，已于2008年5月在深圳证券交易所挂牌上市。

科大讯飞拥有六大核心技术，分别是语音识别、语音合、自然语言处理、语音评测、声纹识别和手写识别。其中更重要的是其同时拥有语音合成和语音识别，能够把“听”和“说”组合起来。此外科大讯飞还提出讯飞超脑计划，瞄准语音理解力市场。

随着人工智能热度高涨，科大讯飞等企业技术得以规模性落地

科大讯飞以讯飞超脑、AIUI 为内核，积极打造基于讯飞开放平台的AI 生态，面对不同场景，推出覆盖全行业的语音产品及服务，深耕智慧教育、智慧城市、智慧汽车、智慧医疗以及智慧家居五个行业，全方位挖掘G 端、B 端及C 端客户。

随着全球范围内人工智能热度的高涨，语音识别作为其中重要的技术应用层落地项目也愈加多元化。科大讯飞在智慧教育、智慧城市、智能家居、智能汽车、机器人等领域规模化的应用，促进了其营收近几年内持续稳定走高，尤其是在教育行业，科大讯飞构建了智慧考试、智慧校园、智慧课堂、智慧学习等一体化的智慧教育产品体系，2017年智慧课堂产品有望成为其在教育行业收入和毛利的重要增长点。

企业案例：Nuance＆云知声

Nuance领衔全球市场，云知声重点布局家居领域

从世界范围来看，Nuance是全球最大的独立语音识别公司之一。Nuance于1994年成立于美国麻省伯灵顿，并于2000年4月在纳斯达克上市。Nuance曾为苹果、三星提供语音支持服务，在语音识别领域一度处于垄断地位，后随深度算法的普及，各巨头逐渐开始自主研发语音识别技术，差距逐渐缩小。但直到今天，其发布的Dragon Drive（声龙驾驶）——互联汽车语音和内容平台，仍为众多知名车企提供着车载语音技术支持，如梅赛德斯-奔驰、戴姆勒、宝马、丰田、雷克萨斯、荣威等汽车品牌。

此外，还有重点布局家居领域的语音企业—云知声。云知声于2012年6月创办于北京，目前融资轮次为B+，是智能语音领域新锐玩家。据官方数据显示，云知声目前已覆盖了476个城市，覆盖用户超过1.8亿，代表客户有网易易信、锤子手机、乐视超级电视等。

语义识别：解决“听得懂”的语义识别领域中，新进入者仍具有一定机会

语义识别是人工智能的重要分支之一，解决的是“听得懂”的问题。其最大的作用是改变人机交互模式，将人机交互由最原始的鼠标、键盘交互转变为语音对话的方式。此外，我们认为目前的语义识别行业还未出现绝对垄断者，新进入的创业公司仍具备一定机会。

语义识别是自然语言处理(NLP)技术的重要组成部分。NLP在实际应用中最大的困难还是语义的复杂性，此外，深度学习算法也不是语义识别领域的最优算法。但随着整个AI行业发展进程加速，将为NLP带来长足的进步。

语义识别技术拥有多样性的应用领域以及行业参与者

我们认为，基于语音识别和语义识别的智能语音交互技术在车载场景中存在刚需，也会成为最先爆发的领域之一。并且，随着车联网的纵深化发展，相关硬件趋于免费，依靠语音交互天然流量入口，做个性化增值服务将是未来车载领域的主要盈利点。

从1996年至今，国内至今仍在运营的人工智能公司接近400家1。从下图可看出，自然语言处理（NLP）无论在创业热度、获投数量还是获投金额都处于细分领域的前三。据 Global Market Insights数据，预计到2024年市场规模达到110亿美元。

科技巨头乐衷于收购，小而美的企业更偏好细分场景

科技巨头尤其是微软早在2008年就已开始布局语义技术领域。对于巨头来说，自主研发耗时久、投入高，同时效果也是未知的，直接收购是多数巨头选择的最快方式。

关于语义识别领域的创业公司，国内代表企业有出门智能360、出门问问、三角兽、蓦然认知等。其中，三角兽的智能语音交互功能已被应用在Rokid、锤子手机、威马汽车等产品上。此外，由于自然语境和细分行业语境下，同一名词可能具备不同含义，因此除了行业通用型的语义识别公司之外，还存在一些深耕细分场景的公司，例如律师行业国外有基于IBM Watson的ROSS，国内有无讼、法律谷等。

计算机视觉：计算机视觉主要研究如何使机器具备“看”的能力

计算机视觉（computer vision，简称CV）是指用计算机来模拟人的视觉系统，实现人的视觉功能，以适应、理解外界环境和控制自身运动。主要解决的是物体识别、物体形状和方位确认以及物体运动判断这三个问题。计算机视觉识别系统通常需要三个过程：目标检测、目标识别、行为识别，分别解决了“去背景”、“是什么”、“干什么”的问题。

计算机视觉在技术流程上，首先要得到实时数据，此步骤可通过一系列传感器获取，少部分数据可直接在具备MEMS功能的传感器端完成处理，大部分数据会继续传输至大脑平台，大脑由运算单元和算法构成，在此处进行运算并给出决策支持。

动态人脸识别是最热领域，金融和安防是最热场景

计算机视觉应用场景可分为两大类：图像识别和人脸识别，每类又可继续划分为动、静共四个类别，基本覆盖了目前计算机视觉的各项应用场景。其中动态人脸识别技术是目前创业热度最高的细分领域，尤其是金融和安防场景，是其重点布局场景。

国内，计算机视觉领域的企业最早出现在1997年，2014年出现创业高潮，企业平均年龄在3.9岁。下表格为该领域目前存续的具备代表性的创业公司。

各细分领域成熟度相差大，其中人脸识别未来几年市场潜力巨大

计算机视觉作为一种人工智能的基础技术应用，使用场景多样，市场潜力巨大。其中人脸识别领域在2016年已接近百亿规模，中国市场在全球范围扮演着十分重要的角色。

由此可见，计算机视觉各细分领域的成熟度目前相差较大。人脸识别、指纹识别等所在的生物特征识别领域相对来说技术成熟度、工业化程度较高。在物体和场景识别方面，由于识别的物体种类繁杂，表现形态多样，技术成熟度较低。

对于计算机视觉而言，其主要瓶颈在于受图片质量、光照环境的影响，现有图像识别技术较难解决图像残缺、光线过爆、过暗的图像。此外，受制于被标记数据的体量和数量，若无大量、优质的细分应用场景数据，该特定应用场景的算法迭代很难实现突破。

企业案例：商汤科技

专注计算机视觉算法研发，推动视觉技术融入各行各业 商汤科技创办于2014年11月，位于北京，2017年4月完成了赛领资本领投的战略投资6000万美元。商汤科技专注于核心算法开发，通过视觉技术赋予计算机视觉感知和认知的能力，业务覆盖金融、商业、安防、互联网+等行业，意图为企业提供低门槛的计算机视觉技术，打造“商汤驱动”的人工智能商业生态。

商汤科技的核心能力在于其能够自主开发原创深度学习模型，其自有的高性能算法库相对行业内开源平台库，较大程度提高了算法效率，带来2-5倍的性能提升。性能的提升直接导致的是极大地降低了计算机视觉硬件门槛，例如一般情况下双目、深度摄像头才具备视频处理能力，但利用商汤科技的算法模型，单目摄像头也具备此能力。此外，商汤科技自身构建了具备200块GPU链接能力的DeepLink超算平台，过去耗时1个月的运算，现在只需5-6个小时即可完成。硬件门槛降低+计算能力提升，使得大部分企业快速接入计算机视觉技术成为现实。

作为算法层企业，商汤科技通过与京东、小米、新浪微博等应用层级公司合作，使得自己的算法可以很好地融合多类细分领域的特点，快速移植复制到各行各业。除此之外，商汤还在技术层与多家企业合作，例如，商汤科技与科大讯飞合作研发具备人脸+语音双重识别的产品；与英伟达合作研发适用于深度学习的GPU芯片，该芯片可实时处理双路视频，为智慧视频提供支持。

商汤科技诞生于香港中文大学的多媒体实验室，团队成员主要由两部分构成，其一是来自MIT、斯坦福、香港大学、清华大学等高校及其实验室的科研人员；其二是来自谷歌、百度、微软、阿里巴巴等产业界的商业人员。商汤科技意图将实验室最新成果与商业变现之间的时空差距缩到最低限度。2017年4月，商汤科技宣布完成了新一轮的战略融资，将进一步加速商业化布局。

企业案例：触景无限

触景无限专注嵌入式感知模组的研发，试图在前端解决感知问题

除商汤科技这类依靠算法作为计算机视觉解决方案的流派之外，还存在触景无限这类专注于前端嵌入式硬件并搭载软件的打法。触景无限成立于2010年，提供嵌入式智能感知平台——视觉卡，并于2017年3月完成A+轮5000万元人民币融资。

触景无限视觉卡基于英伟达、英特尔等嵌入式芯片，融合了人脸识别、物体识别、双目测距、GPS、TOF、IMU等多种传感器、数据处理平台和压缩算法模型，提供的嵌入式智能感知平台，具备体积小、功耗低、实时图像处理、处理能力高、多目摄像头支持、通用API接口等特点。例如基于深度学习的人脸识别技术运行在视觉卡上能达到每帧100ms的速度（分辨率为1080P时的检测+识别速度），在1:1人证比对的情况下识别率大于99%，在1:50000的情况下识别率大于90%。通过该视觉卡，信息处理可以直接在前端完成，帮助前端硬件完成“感”与“知”的融合。

在具体产品方面，截止2017年6月，触景无限视觉卡已完成两代视觉卡的研发，其中一代V10X系列已于2016年底实现量产，二代V20X系列亦于日前发布。相较于一代，二代基于Intel-Movidius芯片研发，芯片体积更小（一元硬币大小），功耗更低（低至2瓦），处理速度更强（约1Tflops）。两代视觉卡产品均可用于安防、无人机、机器人、智能家居、智能汽车辅助驾驶等领域。

人工智能的应用场景层

AI+医疗：融合目前主要体现在智能设备和识别诊断两方面

人工智能在医疗领域的应用，我们认为主要体现在“软”和“硬”两方面。“硬”指的是主要用于医院、诊所的医疗或辅助医疗的智能型服务机器人。种类包括手术机器人、假肢机器人、康复机器人、心理康复辅助机器人、个人护理机器人和智能健康监控系统等六大类。

手术机器人领域代表公司Intuitive Surgical成立于1995年，其产品达芬奇手术机器人是目前全球范围内应用最广泛、技术水平最高的手术机器人之一。达芬奇手术机器人属于人机协作型机器人，主要由医生控制台、机械臂系统、三维成像系统三部分构成。手术实施过程中，主刀医师不与病人直接接触，而是通过三维视觉系统和动作定标系统操作控制，由机械臂以及手术器械模拟完成医生的技术动作和手术操作。目前，整个手术机器人行业正在由大型开放性手术向人体微创精细型手术转型。

手术机器人行业急需打破垄断，降低成本，普惠国人

就全球而言，目前医疗机器人的研发与销售仍主要集中在北美地区。截至2016年6月，达芬奇手术机器人全球累计安装3745台，其中美国2474台，全球累计完成手术300万例。达芬奇手术机器人是国内唯一获批上市的医疗机器人，截至2016年12月，全国各地共引进了59台，2016共完成手术11445例，历年总计完成手术22917例，国内渗透率极低。

随着我国老龄化进程加速和中产阶级的崛起，人们对医疗的精准度、无痛化等要求逐步攀升，同时也由于医疗人员的稀缺，中国的医疗机器人的需求空间非常大。据OFweek消息，2021年，全球手术机器人市场规模将达200亿美元，手术机器人国产化已迫在眉睫。

AI+医疗衍生出的识别诊断领域中，数据是关键

在AI与医疗的软性结合上，具体应用包括诊前的疾病预防、健康管理；诊中的辅助诊断、医学图像处理；诊后的虚拟医护助手等。目前，发展较为成熟的领域有医学影像识别和智能诊断等。

算法和数据是医学影像识别和智能诊断的技术基础，其中，医疗垂直领域的图像算法和自然语言处理技术已可基本满足行业需求，而数据方面例如医学影像数据、电子病历等，存在各医院之间信息不流通、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。

但随着全球医疗保健进入数字化拐点，可授权使用的数据量得以快速增长，另一方面也由于医疗机器人这类新的医疗数据终端的逐步普及，都将为智慧医疗行业带来新的发展契机。

政策鼓励+需求爆发，大健康领域或将出现更多创业者加入

基于数据的稀缺性，拥有一手医疗数据、和政府、医疗机构有大量渠道的创业公司将会建立起壁垒。或者通过对拥有数据的企业进行全资收购也是快速壁垒的好方式。目前，AI+医疗的软性应用方面的主要玩家国外有IBM Wastson，国内有碳云智能、推想科技等。

2015年，国务院发布《关于印发全国医疗卫生服务体系规划纲要(2015年—2020年)》，提出推动惠及全民的健康信息服务和智慧医疗服务，推动健康大数据的应用，逐步转变服务模式。IDC预计，2017年国内医疗行业IT花费市场规模将达到336.5亿元，2012至2017年的年复合增长率为14.5%，增速高于中国IT市场的平均增速，需求旺盛。

整体而言，医疗“软”市场急需医疗数字化、开放化，“硬”市场需要大量创业者加入共同开发医疗机器人这片国内蓝海。

AI+金融：AI技术的融入，赋予了金融行业更多想象力

从信息技术变革角度来看，金融历经金融IT、互联网金融到金融科技三大发展阶段。金融IT，通过 IT 软硬件实现传统金融机构办公和业务电子化；互联网金融，利用互联网实现资产端、交易端、支付端、资金端等互联互通，达到信息共享和业务撮合；金融科技，通过大数据、云计算、人工智能、区块链等最新技术，提高金融业务的智能化。

人工智能与金融的结合可从以下三方面展开说明

生物特征识别功能。

一方面活体验证降低了隐藏风险，一方面远程身份验证提升了工作效率。

千人千面、精准营销。

基于大数据、机器学习、标签计算，实现实时精准画像描绘，提供个性化营销是未来趋势之一。进一步还可发展为智能投顾、辅助量化交易等。

大数据征信、普惠金融。

基于大数据的征信系统弥补了中小型企业的征信空白，扩大了客户范围的同时，也提升了金融机构的风控能力。企业案例：平安科技

平安科技从金融领域的高频需求出发，主攻远程身份验证业务

平安科技成立于2008年，是平安集团旗下的全资子公司，拥有超过4000名专业IT技术人员和IT管理专家，基于母公司金融背景和需求理解，深挖人工智能在金融行业的应用，主要应用于基于人脸识别的远程身份验证，例如远程开户、绑卡核身、账户登录、分期购物、人脸考勤、人脸支付等业务场景。

平安科技以深度学习、神经网络为基础，精准定位人脸和快速面部特征信息提取完成身份验证，具备人脸检测、人脸比对、活体检测和去网纹等多项能力，目前累积使用已超过2.5亿人次。

平安科技人脸识别已服务逾百家合作客户，包括深圳、天津、福州、镇江人社局，深圳机场、房管局等。服务应用涵盖金融风控、安防、医保社保、铁路交通、机场安全、互联网、教育、社会公共服务等多个领域。

人工智能行业总结

深度算法、计算力、数据量以及应用场景共同推动AI迎来爆发期

自从1956年美国计算机协会组织的达特莫斯（Dartmouth）学会上提出“人工智能”一词，这个概念随着众多理论、技术和应用的出现而被不断丰富。经过半个多世纪的发展，人工智能已经成为时下最为热门的话题之一，“AI”与“AI+”亦成为一级市场的最火热的创业/投资领域。

7.智能建筑工程应用问题调查报告 篇七

此次调查共收回有效问卷200份, 其中设计院98份, 占49%;系统集成78份, 占39%;业主24份, 占12%。调查对象所占比例 (见图1) 。

智能建筑工程管理主要涉及到发包方 (业主) 、承包方 (设计、施工等) 以及工程中介服务组织 (招标、监理、咨询等) , 目前尤其在招投标环节存在很多问题, 诸如招标文件中的技术标书应该由哪方来编写?如何确定收费标准等, 成为目前争议较多又亟待解决的问题。

1技术标书应该由哪方来编写

有的发包方对于建筑智能化不是非常了解, 因此不能准确地提出自己的意图和要求, 通常只是套用其他工程的招标文件要求, 或者直接引用设计院的设计文件;有的只是罗列一些自己想要配置的弱电系统, 没有具体的技术规范, 更不可能有较详细的工程量清单和设备材料明细, 这样就容易造成投标方心中无数。在中标后的实施阶段, 二次深化设计工作量加大, 不确定因素增多, 施工过程中设计变更随之增多, 使得业主不得不追加投资或为了控制投资规模降低档次, 减少功能。因此, 在智能建筑招投标过程中, 提供一份比较完善详尽的技术标书尤为重要。而“在智能建筑招标文件中技术标书应该由哪方来编写?”这个问题也是目前比较有争议的问题。

调查数据显示, 43%的人认为技术标书应该由设计院来编写, 29%的人认为技术标书应该由工程咨询机构来编写, 17%的人认为技术标书应该由系统集成商编写, 另外还有11%的人认为技术标书应该由招标代理公司来编写 (见图2) 。

2技术标书编写存在哪些问题

建筑智能化是一项系统工程, 不能简单地以所选设备的档次和系统所具有的功能来衡量其水平。最客观地评价标准, 应该是根据不同的客户群和不同的用户需求, 智能化系统最终是否能够充分地满足实际的用户要求, 并具有一定的先进性和最好的性价比。技术标书的编写首先要贴近用户需求, 但是目前对于技术标书的编写没有硬性的规定, 造成了收费标准无明确规定、市场比较混乱的局面。调查数据显示, 38%的人认为最大的问题是标书达不到要求, 31%的人认为标书的编写单位无明确规定给标书的编写带来了很大麻烦, 24%的人认为编写标书的收费标准无明确规定是标书编写质量不高的原因之一 (见图3) 。

3工程概算中是否应该单独列出招标文件编制的这笔费用

标书的编写过程会出现上述的很多问题, 一个最主要的原因是招标文件的编制费用没有明确规定, 所以很多人在标书的编写时没有进行特别详尽的考虑, 一般只是按照经验来编写。此次调查中, 有96%的人认为甲方在工程概算中应该单独列出招标文件编制的这笔费用 (见图4) 。

应该按照哪种费用标准收取招标文件编制的费用?37%的人认为应该按照工程总造价的百分比进行收费, 35%的人认为应该按照工程咨询的收费标准进行收费, 另外还有28%的人认为应该按照标书编制过程中投入的人力等级、人数及技术等级来计取 (见图5) 。

4工程评标评分的标准有哪些

评标主要包括以下几个方面的内容:

(1) 投标文件符合性评审。

(2) 技术性评审, 包括:施工方案的可行性;施工进度计划的可靠性;工程材料和机械设备的技术性能能否符合设计技术要求;施工质量的保证措施;技术建议的评审;对投标书中提出的施工现场周围环境污染的保护措施进行评估。

(3) 商务性评审, 包括:投标报价数据计算的正确性, 报价构成的合理性。

以上几方面中, 最重要的是技术性评审, 离开了技术方案的合理性、可行性, 商务性评审就失去了意义, 所以首先应由技术方面的专家根据招标文件的要求、业主的需求以及相关法律、法规和规范对所有的投标文件的技术部分进行详细、深入的比较和论证, 尤其是大中型的复杂工程项目。

评标办法可以采用评议法, 百分法 (又称综合评分法) , 合理低标价法等, 目前很多项目都采用合理低标价法。如果实现低标价的技术方案没有经过充分的专家论证、其表面上的低价毫无实际意义。但招标人往往容易走入这个误区, 特别是对于智能建筑工程来说, 很多新技术、新材料、新工艺不断涌现, 在缺少完善的国家相关规范的情况下, 即使是评标专家也很难在很短的时间内对某一方案的性价比有很充分的认识。所以目前的条件下, 评标办法采用综合评分法较为公正和客观, 虽然这种办法在招标过程中会给招标人增加一定的工作量, 但对整个项目的实施来说, 很可能起到事半功倍的效果。

工程评标评分的标准主要考虑到技术方案、工程预算等几方面的因素, 调查数据显示, 43%的人认为评分标准应主要以技术方案为主;39%的人认为评分标准应该在预算的基础上, 偏差比例少的中标;12%的人认为评分标准应该在投标的工程报价基础上, 最低价中标 (见图6) 。

5中标方根据招标过程中的评审意见还应做哪些工作

中标方中标, 不是意味着项目的结束, 而是意味着项目的开始。中标方还要根据招标过程中的评审意见继续开展修改调整等大量的工作。55%的人认为最重要的工作就是要进行进一步的深化设计, 23%的人认为要做好施工准备, 20%的人认为要做好技术准备 (见图7) 。

6深化设计应该由什么单位做

建筑智能化工程项目经过招投标后, 还要对该项目的智能化系统进行深化设计。进行深化设计时, 通常由甲方组织, 设计院和系统集成商协商, 由设计院将智能系统设计到设计蓝图中, 设计院设计出的智能化系统, 由设计院和系统集成商共同审核签章通过, 智能化设计方面的责任由系统集成商承担。

系统集成商对所采用的方案和设备比较了解, 由他们进行深化设计是合理的。一个系统集成商如果只会进行施工, 而没有设计能力, 这样的系统集成商一般很难做出好的智能化系统。但是目前做法是由设计院设计一切, 如果智能化系统的设计图单独出来, 这样就多出了一个设计单位, 给后面的施工、监理配合带来一些不便。

因此我们建议系统集成商对智能化系统进行深化设计, 并和设计院充分协商, 由设计院将智能化系统设计到设计蓝图中, 这样既保证了智能化设计的完整性, 又便于和施工、监理单位进行配合。

7深化设计应该做到什么程度

中标方根据甲方要求进行深化设计, 深化设计应该做到什么程度?41%的人认为深化设计应该达到各系统方案优化, 37%的人认为深化设计应该直接细化到接线图、设备安装图的完成, 19%的人认为深化设计应该达到设备的配置调整 (见图8) 。

8如何看投标企业的资质适用范围和等级

为了加强对从事建筑智能化工程设计与施工企业的管理, 维护建筑市场秩序, 保证工程质量和安全, 促进行业健康发展, 建设部以及信息产业部等行业主管部门相继出台了一些相关工程资质管理的文件。业主应该根据不同的工程项目的规模, 选择只要满足工程规模的投标方, 不应片面的要求投标方必须具有设计、施工等甲级 (一级) 资质。

调查数据显示, 72%的人认为业主能够科学合理的选择投标方的相关资质, 15%的人认为业主不重视工程自身的适用性, 13%的人认为业主一味的要求投标方的资质要具有最高级别 (见图9) 。

9智能建筑资质的作用

8.人工智能产业发展报告 篇八

【关键词】音乐节奏智能 高职高专英语语音课程 教学策略

【基金项目】学校2014年度一般课题，编号：QY-2014-13。

【中图分类号】H319 【文献标识码】A 【文章编号】2095-3089（2016）29-0148-02

一、课题提出的背景

重视律调的教学观念十多年来已在大专院校英语语音教学中得到了广泛认同。但是律调教学往往难以通过单纯的说教和简单的操练习得或学得，作为二语习得与外语教学的重要课题，英语语音教学往往在此停驻僵持。在西方，潜心研究用音乐智能助推二语习得的学者有纽约大学英语教授Carolyn Graham，Jazz Chants便是由她提出：利用音乐智能潜力，把音乐和语音智能结合起来，互相促进。Carolyn Graham著有Lets Chant，Lets Sing和Mother Goose Jazz Chants等教材，为国内致力于研究同类领域的教育工作者和语音学者们提供了良好的素材和平台，而她的教学理念也成为了该领域研究的重要理论基础。国内相关研究普遍认为：音乐节奏与语音节奏存在共性，音乐节奏对于英语语音教学有着一定的影响，因而在语音教学中，教师除了纠正学生发音，还应借用音乐节奏使学生掌握语流中的语音特点，掌握英语语音中连读、弱读、省音、同化等音变现象。（徐莉，2008）Jazz Chants将有节奏的英语口语与传统的爵士乐节奏相结合，强调节奏、重音和语调，这与英语语音训练中重视超音段音位相一致，并且其超音段音位在传文达意中起重要作用。（孙元春，2011）综上，本研究将根据国内外同类课题的成果，寻找适合幼儿师范高职院校的语音教学策略，并在实践中印证其有效性。

二、课题研究的理论意义和实践意义

本课题系统地梳理和整合基于音乐智能理论的英语语音教学理论体系，充实基于音乐智能理论的英语语音教学策略体系，充分利用学生的音乐智能，积极引导他们向相应的职业方向发展。增加对学习者内部因素的了解，补充个案研究，采用纵深研究，填补英语语音获得策略，完善基于音乐智能理论的英语语音教学研究理论体系。同时，对二语习得和音乐智能之间关系的实证研究补充新的证据，也将为国内同类研究提供借鉴。另外.本课题为高职高专英语语音教学提供教学方法借鉴，有效地提高幼儿师范院校学生英语语音音段音位和超音段音位语音技能，夯实学生的英语语音基础，为同进度课程和后续课程奠定基石，也为学生将来的工学结合及就业和职业发展设定一个更高的起点。

三、课题研究的理论依据

本课题的研究以《幼儿园教育指导纲要（试行）》精神、儿童语言发展理论以及多元智能理论的音乐节奏智能等为依据。在心理学领域，多元智能理论的创始人Howard Gardner（霍华德·加德纳）博士在1983年首次通过其出版的《智能的结构》提出并着重论述了多元智能理论的基本结构，同时提出了衡量人类智能的新标准，其中就有音乐节奏智能和言语语言智能。音乐节奏智能和言语语言智能分属不同智能，然而语言中的语调却大多依赖对音乐的觉察力，两种智能在作用对象，如振动、音程、节奏和音色上，具有高度的相似性。在儿童认知发展领域，Carmen F. Mora证明了人类学习语言的顺序是先模仿音调和节奏的轮廓，再模仿单词发音（2000）。从脑神经科学角度，Robert Jourdain在研究中发现，接受过音乐训练的人掌握语言的能力普遍较高（1998）。Lerdahl和Jackendoff认为人天生有乐感，并且乐感是和语感同步发展的，音乐可以帮助我们获得通用的语音规则（1983）。

四、课题研究的目的和内容

本课题致力于实践教学体系研究，探讨如何以能力培养为核心，在高职高专师范院校英语学前教育和英语小学教育专业利用Jazz Chants和Rap等类型的英语歌曲提高英语语音音段音位和超音段音位语音技能的教学效果，夯实学生的英语语音基础。根据研究的目的，本课题研究的重点在于探索歌曲的采用有何原则，在此基础上采取何种教学策略能够有效提高学生的英语语音音段音位和超音段音位语音技能。研究难点是探究采取何种教学策略能够有效提高学生的英语语音音段音位和超音段音位语音技能。本课题研究人员对两个实验班和一个对照班的学习兴趣和动机、自主学习情况、英语语音音段音位和超音段音位语音技能掌握情况进行调查，分析数据，总结出歌曲教学是否对学生英语语音音段音位和超音段音位语音技能的掌握有帮助，如果有，在多大程度上提高了这些技能，歌曲的采用有何原则，在此基础上采取何种教学策略能够有效提高学生的英语语音音段音位和超音段音位语音技能。

五、課题研究的基本思路和方法

（一）文献研究法。研究人员在课题研究准备阶段，搜集、鉴别、整理文献。（二）教学观察法和行动研究法。在一定时空条件下有目的、有计划地描述研究对象，并遵照“计划—行动—反馈—调整—再行动”的研究步骤和要求，提高研究的实效。（三）调查研究法。在研究开始前实施前期调查，在研究的过程当中实施过程调查，在结题前进行效果调查，了解学生学习现状及发展情况，以便对方案的实施提供依据和进行动态调整，主要采用问卷调查、个别访谈、语音测试。

六、课题研究的结论

一是歌曲选择的策略。体现在选择歌曲的原则和方法。选择适合语音教学的歌曲应首先以学习者的英语水平和音乐基础为参考标准：如果学习者的词汇量小，音乐基础薄弱，则教师可推荐生词少、歌词重复率高、旋律简单的歌曲，如儿歌或朗朗上口的流行歌曲；如果学习者的英语基础不错，且乐感佳，教师可适当介绍各种曲风的歌曲，如爵士乐、说唱乐、乡村音乐等。此外，教师应充分利用歌曲中的文化因素，选择的歌曲尽可能呈现异域文化和当地语言习惯，并且让学生主动探究歌词中的文化盲点，走进歌曲所折射出的人文气息。

二是歌曲建库的策略。教师可让学生直接参与建设歌曲库。任务分配可以是搜索歌曲、歌曲遴选、为歌曲分类、歌词录入、歌词的语音技巧分析与标注等。学生亦可根据歌词主题、曲风或者歌手建设有特色有个性的曲库，教师可鼓励学生展示自己的成果，并提供机会让学生互相学习和借鉴。

三是歌曲倾听与模仿的策略。除了听歌填词、听歌填句、听歌排序等传统的听力游戏和练习，教师可以为学生创造更多层次的倾听练习。首先是搜集不同歌手演唱的同一首歌，学生可以分辨不同的发音方法和各异的音质，甚至可以听听英美歌手的不同演绎，从而加深对英美发音的感性认识。其次教师可以呈现同一首歌的不同曲风，学生能深切感知到悬挂在不同节奏组中的歌词不同的表现状态，并受惠于这一类对比练习，丰富语言的节奏感。至于模仿，除了反复练习以达到熟能生巧，也要借用一些常规方法以提高学生的仿真度。首先，教师指导学生如何分析歌词语篇的发音技巧，可以由浅入深，从歌曲音频截取少量句子供学生进行听力练习、分析发音技巧并反复模仿，在学生熟练了之后可以将整段歌词给学生进行分析处理，再模仿演唱，最后学生能达到自行学习一首歌曲的程度。为了检验学生的模仿效果，教师可以让学生录下自己的歌声，和原版作对比，以发现重大发音问题。为了避免学生对自己的错误不自知而发现不了问题，学生还可以交换各自的录音，进行互评。最后，也是最重要的，学生必须能够遵照音准、发音技巧和节奏方面的各种要求完整地演唱歌曲，并且将自己的声音录制成作品，这对学生是一种肯定和鞭策，而作品的交流和展示将为学生互相学习提供更多的机会。

四是监测评价的策略。监测在语音课堂上比较方便实施，但教师监测不到学生在课后的努力程度和采用的方法，所以教师大可鼓励学生记录自己通过模仿歌曲学习语音的心路历程，同时记下自己的收获和困惑，帮助教师了解各个学生的学习特点和进度，以便帮助学生，并给出更客观的评价。评价需要一套灵活度高的标准，兼顾形成性评价和终结性评价。灵活度高首先体现在以形成性评价为主：底子薄的学生最后达到了与发音优秀的学生相仿的学习效果，那么教师就应该给予更高的评价和更多的肯定。灵活度高还有另一层要求：评估的最终目的必须是考查学生基于自然言语状态下的语音效果，而不仅仅是朗读词句或演唱歌曲，否则测到的只是死的语言，这对学生口语语音的掌握意义不大。

五是歌曲与学前领域的整合。学生的专业是学前领域，教师在该课题研究的初始就适当地结合学前英语儿童歌曲和童谣进行语音教学，因此在研究的最后，学生已经掌握了岗前培训的诸多内容，再加上平时提供的学前各大领域素材，以及多样化练习，如幼儿故事、幼儿英语教学、动画片配音、绕口令等丰富的形式，当完成语音学习后，学生对自己未来的职业已经有了比较全面的认识，而结合了表演的语音训练也已然为学生将来的教学工作打开了一扇窗。

七、今后研究的方向

本课题今后还将在理论方面作进一步的充实和提升，在实践方面往幼儿英语教学探索，以音乐节奏智能辅助英语语音教学理念为指导进一步扩展研究的广度和深度。

参考文献：

[1]Howard，E. G. 1983. Frames of Mind：The Theory of Multiple Intelligences [M]. New York：Basics Books

[2]Graham，C. 1986. Small Talk：More Jazz Chants from Carolyn Graham [M]. Oxford：Oxford University Press

[3]裴正薇. 2012. 英語语音成功者与不成功者使用策略的差异研究[J]. 外语教学理论与实践（3）：64-70

9.人工智能产业发展报告 篇九

2018年中国人工智能自适应教育行业研究报告

报告：电商、金融、营销、医疗、AI、泛娱乐等等榜单：PC网站、APP、影视、移动设备、网络广告行业数据、用户数据，你要的这里都有！本文摘要：1.自适应学习主张每个人都拥有自己独特的学习路径，是一种非常有前景的教育技术。国外起步早，应用广，并多次被实证研究证明有效。2.自适应学习产品有智能程度之分，区分标准是看它的技术水平基于人工、基于计算机编程还是基于人工智能。人工智能自适应在教育的各个环节都可应用，其中教学环节的应用最核心、难度也最大。3.人工智能自适应教育的本质是可规模化的个性化教育。4.人工智能自适应教育行业处于发展早期的升温阶段，概念模糊，泡沫难免，目前至少40家公司已宣布入场。5.K12辅导和语言学习是2015-2017年业内融资事件最多的两个细分领域，融资数量占比分别为52.2%和34.8%。6.目前国内产品总体处于初级阶段；人工智能自适应教育始于技术，胜于内容，终于效果，学习效果才是企业竞争力的最终评判要素。▌国外的自适应学习产品起步早，应用广自适应学习早在20世纪90年代的美国就已存在，目前已得到较为广泛的应用。美国K-8（相当于中国的小学、初中）自适应学习公司DreamBox Learning曾在2010年后做过一项调查（调查样本超过480个，其中大部分人为K-8公立校教师）, 结果表明49%的人正在自适应学习软件上教授补充课程，42%的人正将其作为核心课程平台使用。自适应学习产品在国外各个学习阶段都有应用，包括早幼教、小学、初中、高中、大学、职业领域等，并已覆盖多个学科。点击查看大图更清晰?▌自适应学习的概念自适应促使学习方式发生深刻变革：每个人都有自己的路径自适应(Adaptive)，顾名思义是自我调节和匹配，具体含义是指根据数据的特征自动调整处理方法、顺序、参数和条件，以取得最佳处理效果。它不是指某项具体技术，而是多种知识和技术融合达成的一个结果。这个概念类似于“共享经济”，它不是指某个经济领域，而是新场景、商业模式、技术等因素融合而成的一种经济现象。自适应学习(Adaptive Learning)在国内引起广泛关注是在2015年，彼时在线教育正野蛮生长，一小批人注意到在线教育完课率极低，这是因为在传统学习模式下1）不同学习内容之间的跳转逻辑是线性单一的，学生即使已经掌握了某一块内容，还是需要花费时间去学习；2）学生有问题也不能得到即时的反馈和帮助。对此，自适应学习致力于通过计算机手段检测学生当前的学习水平和状态，并相应地调整后面的学习内容和路径，帮助学生提升学习效率。然而，学习是一个复杂且隐性的过程，简单的计算机编程很难实现好的效果，运用人工智能技术来实现的人工智能自适应学习应运而生。这是对传统自适应学习的升级，也是对新型学习方式的探索，在教育领域意义重大。点击查看大图更清晰?▌自适应学习产品有智能程度之分基于人工、基于计算机编程还是基于人工智能？当大多数人提起自适应学习时，他们对自适应学习产品的智能程度缺少一个清晰的定义。看一个自适应学习产品，需要判断它是基于人工的自适应，还是基于计算机编程的自适应，还是基于人工智能的自适应。目前人工智能总体上还处于初级阶段，人工智能+自适应学习又是一个新兴的领域，相关人才和经验总体上处于匮乏状态，因此市场上的人工智能自适应学习产品基本都属于弱人工智能的范畴。但即便是弱人工智能，相比于基于人工的自适应和基于简单计算机编程的自适应来说，也已经是一种进步。弱人工智能自适应学习进化到强人工智能自适应学习的突破口在于人工智能自适应技术的突破以及其在教育垂直领域的深度落地。点击查看大图更清晰?▌人工智能自适应学习的原理在大数据的基础上构建学习模型并输出学习建议在现阶段，“搜集大数据——构建学习模型——输出学习建议”是实现人工智能自适应学习的基本步骤。学习模型的构建过程非常复杂，常人难以理解，通俗来说，它是在“借鉴”人类大脑的思考过程，通过成千上万个函数点互相传导信息，用穷举的方式从千丝万缕的函数嵌套关系中找出学习规则，并不断进化模型。它的输出由三部分要素有机结合而成：学习材料（如：一段教学视频、一道练习题），用来测评学生是否掌握学习材料的标准，学习材料的推送顺序。这三部分的内容和时长都由人工智能算法来决定。学生使用系统的时间越多，留下的行为数据越多，系统的效率就越高。点击查看大图更清晰?▌人工智能自适应学习系统的运行流程像优秀教师一样“思考”和“行动”老师是以经验驱动教学的，整个过程虽然遵循一定的节奏，但每一步的“火候”非常依赖于教学经验的积累，因此刚毕业的老师往往适合于答疑，而在教学的体系化上有所欠缺，教龄长的老师往往擅长全盘把控，而在亲和力上稍显不足；不同老师对学生学习情况的判断是不一样的，从而导致他们所规划的学习路径不同；两个老师即使经验值相等，还会在性格脾气、教学风格、薪酬期待上有所差异，从而影响教学效果。人工智能自适应学习系统旨在聚集并量化优秀教师的宝贵经验，以数据和技术来驱动教学，最大化地减小老师水平的差异，提高整体教学效率和效果。击查看大图更清晰?▌自适应与人工智能+教育的关系自适应能够深入教学核心环节，而其他AI技术不一定能深入人工智能在教育领域的落地应用是大势所趋。目前已有的智能产品包括拍照搜题、分层排课、口语测评、组卷阅卷、作文批改、作业布置等工具，这些工具应用了先进的人工智能技术，但应用场景只停留在学习过程的辅助环节上，而不会直接带来教学质量和效果的提升。人工智能自适应则能够把人工智能技术渗透到教学的核心环节中，既有助于从根本上改进学习的理念和方式，也有助于产品打通商业模式，直接面向C端用户销售变现。击查看大图更清晰?▌人工智能自适应在教育过程中的应用各个环节均有可为，教学环节最核心，全流程应用最高级完整的教育流程可划分为内容开发——教学（学习）——练习——测评——管理五个环节，这些环节中都存在人工智能自适应学习可以应用的场景。其中，自适应内容开发是其他4个环节的基础，需要耗费巨大的工作量，目前国内少有公司专门以这项工作为主要业务，大多数公司往往只把它作为一项内部产品开发的前续工作；自适应管理指的是通过分析教学、作业、测评环节的学生数据，对用户进行智能预警、提醒和跟踪，是其他4个环节成功应用后的附加产物。人工智能自适应学习技术在教学、练习和测评三个环节的应用能够直接面对C端用户，市场广阔，是目前主要的三个应用环节，而其中教学环节的应用对学习效果的影响作用最大，也是整个教育流程中最核心、最复杂、最难的一环。随着用户对个性化和效果的需求越来越强烈，不同环节之间出现了一定的界限模糊，市场上也出现了能在五个环节同时应用的全流程自适应学习系统。点击查看大图更清晰?▌深入应用到教学核心环节难度较大需要先有教学环节的有效数据，不能仅有练测环节的数据教学环节对学习效果的影响作用最大，也是整个教育流程中最核心、最复杂、最难的一环，而测评、练习环节相对外围、轻量、简单，因此自适应学习产品最先在测评和练题场景中得到应用。如果把不同的人工智能自适应学习产品分为“只应用到测评环节”（自适应测评）、“只应用到测评和练习环节”（自适应练习）、“同时应用到测评、练习和教学环节”（自适应教学）三类，那么自适应教学是其中数据获取难度和产品功能等级最高的一类。自适应教学产品的开发需要有教学环节的有效数据，而这些数据的获取难度高，具体体现在：1）自然状态下，教学过程数据是非结构化的；2）数据可挖掘的维度多，不限于测试成绩和作业情况，还包括学习路径、内容、速度、偏好、规律等深度数据；3）不同数据点之间的关系复杂。点击查看大图更清晰?▌人工智能自适应教育的价值核心价值是降本提效，促进行业升级人工智能自适应教育是一次行业改革实验，对机构、对学生、对老师三方都具有降本提效的价值。其核心价值是把教育行业从劳动密集型的农业时代带向成本更低、效率更高的工业时代。农业化向工业化发展的趋势是不可阻挡的，即使不通过人工智能自适应教育来实现，也会通过其他渠道来实现。点击查看大图更清晰?▌中国人工智能自适应教育行业发展阶段行业处于发展早期的升温阶段，概念模糊，泡沫难免不可否认的是，从行业发展阶段来看，目前人工智能自适应教育行业仍处在发展早期，并且由于“人工智能”概念过热，加上市场受到巨头进入、大额融资等事件的刺激，从而存在一定的炒作现象。但这是一项新兴事物发展的必经之路。人工智能本身受到的市场反应也呈现出“这是全能的——这是骗子——这是全能的——这是骗子”的反复性，人工智能在教育行业的落地应用不是一蹴而就的，必然也会因为初期效果的不甚理想而反复受到推崇和质疑。随着人工智能技术进入稳定期，质疑的声音才会渐渐消除，行业发展路径才会稳定上升。点击查看大图更清晰?▌中国人工智能自适应教育行业玩家分布教育科技+课程变现前景良好，至少40家公司宣布入场不断有企业瞄准、涌入人工智能自适应教育赛道。一类是提供在线英语课程和工具的公司，英语领域本身具有一定的国外自适应学习经验，而且相关的学习材料、标准化测评和题库数据都足够多，开发环境相对较好。一类是以题库、作业平台为基础，或进入公立学校做考试数据采集和分析的公司，他们能够收集一部分学习数据，在大数据采集和用户认知经验上具有一定的先发优势。另一类是主打自适应教育的公司，他们以自适应学习系统为主攻产品。此外，其他在线教育机构、线下教育机构、甚至非教育行业的机构都在试图进入这一领域。点击查看大图更清晰?▌中国人工智能自适应教育行业特点边际明显：初期投入大，越往后数据的反哺能力越强毫无疑问，随着越来越多的学生使用某个产品，产品所收集的数据量会越来越多。在一般的在线教育产品中，这些数据会被储存起来，经由人工挖掘和分析，用于优化产品；而在人工智能自适应学习产品中，这些数据会像“燃料”一样被输送进人工智能算法这个“大锅炉”中，由数据来训练算法，输出更接近真实情况的学习模型，赋予学习系统更好的性能和更高级的功能，从而吸引更多的学生使用。学生使用系统则产生更多的数据，继续上述流程，形成良性循环。另外，系统通过数据对学生产生的“了解”会随着时间递增，学生之后更换产品的转换成本会非常高。因此可以说，人工智能自适应教育行业比一般的在线教育行业具有更明显的边际效益。点击查看大图更清晰?▌中国人工智能自适应教育行业产业链产品开发吸纳大量资金，产业链头重脚轻，分工有待细化人工智能自适应教育行业产业链的结构与在线教育行业类似，都包含了从产品开发（内容研发+技术支持）到教学服务再到分发推广的过程，两者差别在于，前者的产品开发环节由于涉及到新兴的人工智能技术，从而吸金能力更强、难度更高、耗时更长。产品开发需要教研经验、教育学、心理学、计算机、大数据、人工智能等多个领域的跨界协作和共同摸索，前期投入可达千万元人民币级别。目前K12辅导和语言学习是产品的两大重点应用场景。点击查看大图更清晰?▌企业的商业模式美国以To B为主，中国以To C为主，不能照搬在美国，自适应教育企业的商业模式一般以To B为主，这主要是因为美国C端用户个人发展压力小，接受额外培训的意愿没有中国人那么强，因此To C培训空间小，另外与机器交互的自适应学习在机构内推广也容易快速形成规模，发挥边际效益。中国To C教育培训市场比美国广阔，并且高度分散，只要用心经营人人都可以分一杯羹，To B市场则更多地需要借助人脉关系，进入成本高。中美两国的国情和文化土壤差异较大，不能照搬商业模式，但美国的产品和技术值得关注、学习。击查看大图更清晰?▌行业内投融资情况K12辅导和语言学习领域最受关注从2015年到2017年，中国人工智能自适应学习相关概念一直受到资本市场的关注，融资轮次逐渐呈现出从种子轮、天使轮的早期阶段向A轮、B轮的中期阶段发展的趋势。其中K12辅导和语言学习两个细分领域的融资事件最多，占比分别达52.2%和34.8%。K12辅导是中国教育培训行业中市场规模最大的一个子领域，吸引力大；语言学习则因为学习内容轻量化、国际化，天然适合与科技接轨。点击查看大图更清晰?▌企业通常会面临的难点新事物的发展之路上每一步都有“坑”人工智能自适应学习产品与传统教育产品相比，改革跨度太大，因此不可避免地在团队招募、产品开发、市场推广等方面会面临较大阻力。由于行业发展仍处于早期阶段，所以目前最大的难点还是来自于产品开发。作为主要的使用者，老师群体也需要一定的适应时间，而且需要在心态上做一次转变。点击查看大图更清晰?▌行业热度持续教育科技大势所趋，入局企业持续增多人工智能自适应教育领域的入局企业将持续增多。主要原因如下：1）人工智能火热，市场风向如此；2）人工智能算法开源、技术进步，人才增多；3）教育市场是一个需求非常多样、行业格局非常长尾的市场，人工智能+自适应学习几乎可以应用在每一个细分领域，行业集中度短期内也不会明显提升，因此各企业有空间做到差异化竞争、区域化竞争；4）在线教育狂奔三四年之后，各企业开始集体寻求变现，2017年是直播变现大年，而自适应学习系统有望成为直播平台的底层标配，用来提高直播课程的标准化水平、解决直播平台大规模扩张后师资不足的问题。点击查看大图更清晰?▌人工智能是关键技术短期内集中力量突破增强数据挖掘、认知专家顾问等技术根据Gartner的报告，未来2-5年内增强数据挖掘、认知专家顾问、深度学习、边缘计算、机器学习、虚拟现实等技术将度过泡沫期，逐渐被主流所应用。未来2年内如果企业能率先在这些技术领域取得突破性进展，则可以抢占先机。人工智能自适应教育行业是一个技术驱动型行业，技术能力对企业至关重要，短期内内各企业之间技术能力的赛跑也将正式开始。但由于教育行业是一个典型的“慢”行业，因此这些技术在教育行业真正普及至少需要2-5年的时间。点击查看大图更清晰?▌企业竞争力要素悄然改变始于技术，胜于内容，终于结果人工智能无疑是未来趋势，但它始终只是一种手段，如果在学习的某些环节，使用一些简单的信息化手段或人为手段能实现更好的学习效果，那么这一环节就不需要也不应该借助人工智能。真正创造价值的是创新的问题解决模式，而不是某一项技术。人工智能自适应教育最早发展出的功能是反映学生的能力水平（测试功能），后来逐渐加入找出知识点盲区（评价功能）、推送内容弥补盲区（学习功能）的功能，但目前所推送的学习内容的表现形式仍然是视频、题目等旧形式，其背后的学习方式仍然是传统的“听课”和“刷题”，这是由教学思路的固化导致的。随着人工智能技术的突破、社会对人才评价标准的更替，未来人工智能自适应教育领域将迎来内容体系的新革命，实践式教学、沉浸式教学等理念带来的新型学习方式将更多地融入自适应学习系统，正如目前在线教育领域教研岗人才稀缺一样，未来各人工智能自适应教育企业的技术差距将逐渐缩小，而能深刻理解教学教研、具备新技术条件下的创造能力的教研人才将受热捧。点击查看大图更清晰?