中國信通院《人工智慧發展白皮書-產業應用篇（2018年）》大解析

人工智慧是一種引發諸多領域產生顛覆性變革的前沿技術 。世界各國高度重視人工智慧發展，美國白宮接連發布數個人工智慧政府報告，是第一個將人工智慧發展上升到國家戰略層面的國家，除此以外，英國、歐盟、日本等紛紛釋出人工智慧相關戰略、行動計劃，著力構築人工智慧先發優勢。

我國高度重視人工智慧產業的發展，習近平總書記在十九大報告中指出，要“推動網際網路、大資料、人工智慧和實體經濟深度融合”，從 2016 年起已有《“網際網路+人工智慧三年行動實施方案》、《新一代人工智慧發展規劃》、《促進新一代人工智慧產業發展三年行動計劃(2018-2020 年)》等多個國家層面的政策出臺，也取得了積極的效果，我國逐漸形成了涵蓋計算晶片、開源平臺、基礎應用、行業應用及產品等環節較完善的人工智慧產業鏈。

2018年12月27日，中國信通院釋出了《人工智慧發展白皮書-產業應用篇（2018年）》。這是繼9月釋出《人工智慧發展白皮書-技術架構篇（2018年）》後，中國信通院與中國人工智慧產業發展聯盟再次共同釋出人工智慧領域的研究成果。

《人工智慧發展白皮書-產業應用篇（2018年）》回顧人工智慧發展歷史，重點分析當前人工智慧在軟硬體支撐平臺、基礎產品、複合產品、領域應用等方面現狀、問題以及趨勢，展望未來前景並提出策略建議。

AI產業應用檢視

當前人工智慧理論和技術日益成熟，應用範圍不斷擴大， 產業正在逐步形成、不斷豐富，相應的商業模式也在持續演進和多元化。人工智慧產業應用從下到上，分為軟硬體支撐層、產品層和應用層 。

▲人工智慧產業應用檢視

1軟硬體支撐層

該層包括了硬體和軟體平臺。其中硬體主要包括 CPU、 GPU 等通用晶片， 深度學習、類腦等AI晶片以及感測器、儲存器等感知儲存硬體，主導廠商主要為雲端計算服務提供商、傳統晶片廠商以及新興AI晶片廠商。軟體平臺可細分為開放平臺、應用軟體等，開放平臺層主要指面向開發者的機器學習開發及基礎功能框架；應用軟體主要包括計算機視覺、自然語言處理、人機互動等軟體工具以及應用這些工具開發的相關應用軟體。

核心器件多元化創新，帶動 AI計算產業發展。GPU、DSP、FPGA、ASIC 以及類腦等AI晶片創新頻繁，支撐雲側、端側 AI 計算需求。 AI 計算產業快速發展，尤其是雲端深度學習計算平臺的需求正在快速釋放。以英偉達、谷歌、英特爾為首的國外企業加快各類 AI技術創新， 我國寒武紀、深鑑科技等企業也在跟進。

2產品層

產品層包括基礎產品和複合產品。其中基礎產品又包括了基礎語言處理產品、知識圖譜產品、計算機視覺產品、人機互動產品四類，是人工智慧底層的技術產品，是人工智慧終端產品和行業解決方案的基礎。複合產品可看作為人工智慧終端產品，是AI技術的載體， 目前主要包括可穿戴產品、機器人、無人車、智慧音響、智慧攝像頭、特徵識別裝置等終端及配套軟體。

AI產品形式多樣，已涵蓋了聽覺、視覺、觸覺、認知等多種形態。 無論是基礎產品還是複合產品，能夠支援處理文字、語音、影像、感知等多種輸入或輸出形式，產品形式多樣，如語音識別、機器翻譯、人臉識別、體感互動等。全球網際網路企業積極佈局各產品領域，加強各類產品 AI 技術創新，有效支撐各種應用場景。

3應用層

應用層是指AI技術對各領域的滲透形成“AI+”的行業應用終端、系統及配套軟體，然後切入各種場景，為使用者提供個性化、精準化、智慧化服務，深度賦能醫療、交通、金融、零售、教育、家居、農業、製造、網路安全、人力資源、安防等領域。

人工智慧應用領域沒有專業限制。通過AI產品與生產生活的各個領域相融合，對於改善傳統環節流程、提高效率、提升效能、降低成本等方面提供了巨大的推動作用，大幅提升業務體驗，有效提升各領域的智慧化水平，給傳統領域帶來變革。

AI產業與應用發展現狀及趨勢

人工智慧技術快速發展，部分技術進入產業化階段，帶來新產業的興起。 從產業規模看， 2017 年國內人工智慧市場規模達到 237.4 億元，相較於 2016 年增長 67%。其中以生物識別、影像識別、視訊識別等技術為核心的計算機視覺市場規模最大，佔比 34.9%，達到 82.8億元。

從產業結構看， 人工智慧產業可分為基礎計算和軟體平臺、核心軟體和裝置、行業領域應用三大部分，其中核心軟體和裝置、行業領域應用是增長最快的部分。

從企業來看， 谷歌、蘋果、 Facebook、微軟、百度等網際網路、移動網際網路企業均將 AI 作為下一階段戰略發展重點，加快推進基礎演算法、平臺和智慧裝置研發，與高校和科研院所一併成為推動產業發展的主要動力；創業熱潮與投融資熱情在 2017年迴歸理性，但整體來看 AI 創新企業和獨角獸企業已具備一定規模，2016年全球新增初創企業 738家，2017年新增初創企業降至 324家。

從產業生態來看， 目前人工智慧產業生態模式尚未鎖定，各種產業模式均在探索。以谷歌、亞馬遜等企業為首的國外領先企業側重於從晶片、作業系統到執行框架打造垂直生態，並快速將自有架構通過開源、開放等方式進行產業推廣，力爭形成行業事實標準。國內產業生態偏重於框架層和應用層，尤其是應用層軟體技術和平臺發展快速。

1軟硬體支撐平臺

(1）多種人工智慧晶片快速創新

人工智慧發展浪潮成為拉動晶片市場增長的新的驅動力。 根據預測，全球人工智慧晶片市場規模在 2016 年約為 24 億美元，到 2020年規模將接近 150 億美元，複合年均增長率保持超過 40%的高速率；同時，人工智慧晶片在人工智慧整體市場規模佔比也將呈現逐年遞增態勢，預計將從 2016 年的 8%增長至 2020 年的 12%。

人工智慧晶片產業體系初步形成。人工智慧晶片指能夠實現各類深度學習演算法加速的計算晶片。深度學習演算法的執行對卷積、矩陣乘法運算任務以及記憶體存取等操作較為頻繁，對於更擅長序列邏輯運算的 CPU 而言計算效率較低，難以滿足需求。現階段人工智慧晶片型別主要涵蓋包含 GPU、 FPGA、 ASIC、類腦晶片等。其中， GPU 晶片通用性較強且適合大規模平行計算，但售價貴、能耗高； FPGA 可通過程式設計靈活配置晶片架構適應演算法迭代且能效優於 GPU 晶片，但產品開發技術門檻較高，開發生態不完善； ASIC 晶片通過將演算法固化實現極致的效能和能效，且大規模量產後成本優勢突顯，但前期開發週期長易面臨演算法迭代風險。類腦晶片目前仍處於實驗室研發階段。

領先企業加快人工智慧晶片佈局。 英偉達憑藉高效能的 GPU 晶片佔據應用規模優勢， AMD、 英特爾、谷歌等企業加速追趕。英偉達快速推出針對人工智慧運算優化的 Tesla GPU 系列產品，其中最強V100 GPU 晶片提供每秒 120 萬億次張量計算能力，同時擴充 CUDA生態開發深度學習加速庫 cuDNN，提升 GPU 面向深度學習演算法和主流開發框架的執行效率，強勁的硬體效能和完善易用的開發者生態助力英偉達迅速形成了巨大的市場優勢，現有客戶覆蓋谷歌、臉書、微軟等巨頭企業和大量的初創企業、科研院所等。 AMD 也加速追趕，最新發布全球首款 7nm 製程、專為人工智慧任務設計的 GPU 晶片產品，試圖搶攻伺服器和工作站市場。

與此同時，英特爾、谷歌等企業 開發兼具更高能效和低成本優勢的 ASIC 晶片構築競爭實力。谷歌面向谷歌雲業務需求自研人工智慧 ASIC 系列晶片 TPU，其中，訓練晶片具備實現業界最高的每秒 180 萬億次峰值浮點計算能力，TPU 晶片也與旗下 TensorFlow 開發框架、演算法和谷歌雲平臺深度耦合構建垂直完備的產業生態；英特爾收購晶片初創企業 Nervana 掌握 ASIC 訓練晶片技術，第二代產品將於 2019 年下半年正式推出，效能對標谷歌 TPU 產品。

(2）多方佈局人工智慧計算框架

基礎開發框架在人工智慧產業鏈中佔據承上啟下的核心地位。 在移動網際網路時代， Android 系統通過 GMS 與下游雲服務鬆耦合，通過版本控制與上游晶片、整機廠商緊耦合，實現以 Android 作業系統為核心的移動網際網路閉環生態。在人工智慧時代，開發框架也具備媲美 Android 作業系統的核心地位，具有統領產業進步節奏、帶動硬體配置、終端場景與雲端服務協同發展的核心作用，佔據承上啟下的關鍵地位。以 Google 深度學習開發框架 TensorFlow 為例， TensorFlow向上與谷歌雲緊密繫結，以雲平臺模式提供雲機器學習服務，向下與晶片和硬體廠商緊密耦合做定製優化，谷歌 TPU專用於 TensorFlow 。

領先企業圍繞開發框架平臺呈現多元化發展模式。一是縱向打通模式，從硬體到開源平臺再到雲平臺至應用服務，貫通產業鏈上下游，構建全產業生態，谷歌為其典型代表； 二是向上佈局行業應用服務模式，以業務為導向，通過核心平臺向上佈局重點行業應用，如亞馬遜、阿里等； 三是演算法下沉於硬體模式，核心演算法固化於硬體，以硬體形態提供行業通用或專用計算能力，如寒武紀； 四是以核心平臺開放基礎能力，為行業提供基礎能力，如訊飛為行業提供基礎語音識別基礎技術，商湯為行業提供人臉識別基礎技術等。在四種發展模式中，雲平臺和應用服務產生的所有資料均迴流於訓練平臺進行資料反哺，可有效提升平臺的綜合能力。

國際巨頭開源人工智慧開發框架意圖加快掌握技術產業組織的主動權。 國際巨頭紛紛佈局開發框架，意圖加快掌握技術產業組織的主動權，佔領客戶、應用和資料資源，逐步建立新的產業格局和技術標準。2013 年，伯克利大學賈清陽博士宣佈開源深度學習框架 Caffe，成為第一個主流工業級深度學習工具。

2015 年 11 月，Google 開源深度學習框架 TensorFlow，具備深度學習基本演算法，可滿足圖形分類、音訊處理、推薦系統和自然語言處理等基本功能，成為 GitHub 最受歡迎的機器學習開源專案，目前吸引 ARM、京東等大批合作伙伴。2016 年，亞馬遜宣佈 MXNet 作為其官方支援框架，具有優異分散式計算效能，擁有卡耐基梅隆、英特爾、英偉達等眾多合作伙伴，國內圖森互聯和地平線等公司也有使用。 2015 年 11 月， IBM 宣佈開源機器學習平臺 SystemML，可根據資料和叢集特性使用基於規則和基於成本的優化技術動態地編譯和優化，應用在不同工業領域。 2016 年 9月，百度開源其深度學習平臺 PaddlePaddle，可提供機器視覺、自然語言理解、搜尋引擎排序、推薦系統等功能。 2017 年 6 月，騰訊和北京大學、香港科技大學聯合開發的高效能分散式計算平臺 Angel正式開源，具有較強的容錯設計和穩定性。眾多開源學習框架促進人工智慧應用程式發展。據 IDC 預測，到 2020 年， 60%的人工智慧應用程式將在開源平臺上執行。

2人工智慧基礎產品

(1） 自然語言處理產品呈現實用化發展趨勢

自然語言處理（NLP） 是指機器理解並解釋人類寫作、說話方式的能力，是人工智慧和語言學的一部分，它致力於使用計算機理解或產生人類語言中的詞語或句子。自然語言處理主要涉及語音識別、語音合成、語義理解、機器翻譯，自然語言類產品呈現實用化的發展趨勢，但是產品成熟度上仍存在較大的提升空間。

語音識別受到國內外商業和學術界的廣泛關注，在無噪音無口音干擾情況下可接近人類水平。 目前語音識別的技術成熟度較高，已達到 95%的準確度，但背景噪音仍難解決，實際應用僅限於近距離使用。我國語音識別技術研究水平良好，基本上與國外同步，科大訊飛語音識別成功率達到 97%，離線識別率亦達 95%。此外，我國在漢語語音識別技術上還有自己的特點與優勢，已達到國際先進水平。語音識別產品方面，微軟、谷歌、亞馬遜，以及國內的百度、訊飛、思必馳等企業均推出了各自基於語音互動的產品，其中以輸入法、車載語音、智慧家居、教育測評最為普遍。

機器翻譯是當前最熱門的應用方向，由於自然語言語義分析的複雜性，翻譯水平還遠不能和人類相比。近年來機器翻譯技術越發成熟，各大廠商都積極投身於這個備受關注的機器翻譯領域，谷歌使用深度學習技術，顯著提升了翻譯的效能與質量。各大網際網路公司相繼推出自己的翻譯系統，谷歌、微軟、有道、科大訊飛、百度、搜狗等均上線或更新了翻譯產品。例如阿里機器翻譯基於阿里巴巴海量電商資料，並結合機器學習、自然語言處理技術，實現多語言語種識別與自動翻譯功能，為跨境電商資訊本地化與跨語言溝通提供精準、快捷、可靠的線上翻譯服務。

(2）知識圖譜從實際問題出發呈現多維度應用

知識圖譜概念由谷歌 2012 年正式提出，其初衷是為了提高搜尋引擎的能力，改善使用者的搜尋質量以及搜尋體驗。知識圖譜是具有向圖結構的一個知識庫，其中圖的節點代表實體或概念，而圖的邊代表實體/概念之間的各種語義關係，其起源可以追溯到 20 世紀 50 年代的語義網路，本質上是使機器用接近於自然語言語義的方式儲存資訊，從而提升智慧資訊檢索能力，現已被廣泛應用於智慧搜尋、智慧問答、個性化推薦等領域。

知識圖譜經歷了由人工和群體協作構建到利用機器學習和資訊抽取技術自動獲取的過程。 早期知識圖譜主要依靠人工處理獲得，如英文 WordNet 和 Cyc 專案。通過人工處理，知識圖譜將上百萬條知識處理為機器能夠理解的形式，使機器擁有判斷和推理能力。隨著網際網路上最大群體智慧知識庫維基百科的建立，出現了DBpedia、YAGO以及 Freebase 等依託大規模協同合作建立的知識圖譜。隨著大資料時代的到來，知識圖譜的資料來源不再侷限於百科類的半結構化資料和各型別網路資料。

基於知識圖譜的服務和應用是當前人工智慧的研究熱點。 當前，知識圖譜的應用可以歸納為語義搜尋、知識問答以及基於知識的大資料分析與決策三個方面：

在語義搜尋方面，由於知識圖譜所具有的良好定義的結構形式，語義搜尋利用建立大規模資料庫對關鍵詞和文件內容進行語義標註，從而改善搜尋結果。 國外搜尋引擎以谷歌搜尋和微軟 Bing 最為典型。一方面，基於知識圖譜的搜尋引擎相繼融入了維基百科、 CIA 世界概覽等公共資源。另一方面，搜尋引擎與 Facebook、 Twitter 等大型社交企業達成了合作協議，在個性化內容的蒐集、定製化方面具有顯著優勢。國內主流搜尋引擎公司近年來也相繼將知識圖譜的相關研究從概念轉向具體產品應用。搜狗“知立方”是國內搜尋引擎中的第一款知識圖譜產品，它通過整合碎片化的語義資訊，對使用者的搜尋進行邏輯推薦與計算，並將核心知識反饋給使用者。百度將知識圖譜命名為“知心”，主要致力於構建一個龐大的通用型知識網路，以圖文並茂的形式展現知識的各方面。

在知識問答方面，基於知識圖譜的問答系統通過對使用者使用自然語言提出的問題進行語義分析和語法分析，進而將其轉化成結構化形式的查詢語句，然後在知識圖譜中查詢答案。 目前，國內外形式多樣的問答平臺都引入了知識圖譜，例如蘋果的智慧語音助手 Siri 能夠為使用者提供回答、介紹以及搜尋服務；亞馬遜收購的自然語言助手 Evi，採用 True Knowledge 引擎進行開發，也可提供類似 Siri 的服務。國內百度公司研發的小度機器人、小米智慧音響、阿里巴巴天貓精靈等都引入知識圖譜技術，開始提供互動式問答服務。

在分析與決策方面，利用知識圖譜可以輔助行業和領域的大資料分析和決策。 例如在股票投研情報分析方面，通過知識圖譜技術從招股書、公司年報/公告、券商研究報告、新聞等半結構化文字資料中自動抽取公司相關資訊，可在某個巨集觀經濟事件或者企業突發事件中通過此圖譜做更深層次分析和更好的投資決策。目前，高盛、 JP 摩根、花旗銀行等國際著名投行均開展了相關探索和應用。美國 Netflix也利用其訂閱使用者的註冊資訊和觀看行為構建知識圖譜，分析使用者喜好從而推出新的線上劇集。

(3）技術產業協同發展推動計算機視覺實現商業價值

計算機視覺指通過電子化的方式來感知和認知影像，以達到甚至超越人類視覺智慧的效果，是人工智慧領域最受關注的方向之一。雖然計算機視覺在當前階段仍然存在大量尚待解決的問題，但得益於深度學習演算法的成熟和應用，以影像分類識別為代表的側重感知智慧的計算機視覺產品已經廣泛應用於安防、金融、零售等產業，助力相關產業向智慧化方向升級。

神經網路和深度學習的快速發展極大地推動計算機視覺的發展，大型神經網路在計算機視覺的部分細分領域已經取得優秀的成果。2017 年 ImageNet 最後一屆影像分類競賽上，基於大型神經網路的分類演算法在影像分類（1000 類）任務中，將 TOP5 分類的錯誤率降至2.25%， 已經大幅領先於人眼的分類識別能力。 2018 年在 ActivityNet視訊理解競賽上，百度團隊在 Kinetics 視訊動作識別任務中將平均錯誤率降至 10.9%，所使用的相關技術已經應用於實際線上視訊分類系統，為視訊打標籤、視訊對比和視訊推建等業務場景提供語義化解析功能。

計算機視覺產品已在安防、金融、網際網路、零售、醫療、移動及娛樂等產業逐步輸出商業價值。 在金融、移動、安防等產業，人臉識別是當前商業成熟度較高的計算機視覺產品，廣泛應用於賬號身份認證、手機刷臉解鎖、人流自動統計和特定人物甄別等諸多場景。在網際網路、零售、移動產業，影像搜尋產品可為使用者提供更為便捷的視覺搜尋能力。

例如： eBay 於 2017 年 10 月在其購物平臺上增加了新的反向影像搜尋工具， 以幫助使用者使用現有照片查詢商品專案； Google公司 2018 年 3 月宣佈其 Google Lens 影像搜尋服務目前已可應用於android 和 IOS（通過 GooglePhoto 專案）智慧手機，該服務通過手機攝像頭檢視周遭環境併為使用者提供與之相關的情境資訊。在醫療產業，計算機視覺可提供臨床治療中早期病理篩查能力。加州大學伯克利分校放射與生物醫學成像系和放射學大資料小組在對早期阿爾茨海默症診斷研究中，通過計算機視覺技術在小規模測試（對來自 40 名患者的 40 個成像檢查的單獨測試）中，對平均發病超過 6 年的阿爾茨海默症病例發現率達到了100%。

全球計算機視覺產業發展迅速，計算機視覺公司快速湧現。 根據MarketsandMarkets 報告顯示， 2017 年基於人工智慧的計算機視覺全球市場規模為 23.7 億美元，預計 2023 年會達到 253.2 億美元。預測期（2018-2023）內複合年增長率 47.54%10。市場上一大批計算機視覺公司如雨後春筍般快速湧現，其中以谷歌、微軟、亞馬遜為代表的大型跨國科技企業除計算機視覺領域外，還積極佈局人工智慧全產業各個領域。

我國企業雖然在計算機視覺領域起步較晚，但發展速度很快，已經湧現出一批市場估值高達百億人民幣的獨角獸企業。例如：成立於 2014 年的商湯科技，廣泛服務於安防、金融、移動等產業，客戶包括 Qualcomm、英偉達、銀聯、華為等知名企業及政府機構。2017 年 7 月，商湯科技宣佈完成 4.1 億美元 B 輪融資，創下當時全球人工智慧領域單輪融資最高紀錄。 2018 年，商湯科技在 4 月和 5月連續宣佈獲得 6 億美元 C 輪融資和 6.2 億美元 C+輪融資。 成立於2015 年的雲從科技，深耕安防、銀行、機場等重點產業場景，先後與公安部、四大銀行、民航總局等產業界成立聯合實驗室。 2017 年11 月雲從科技正式完成 B 輪融資，總計獲得 25 億元人民幣發展資金。成立於 2014 年的碼隆科技，為京東、唯品會、可口可樂、蒙牛等零售企業提供商品屬性識別、商品影像檢索服務。 2017 年 11 月碼隆科技完成由軟銀中國領投的 2.2 億元人民幣的 B 輪融資，成為軟銀中國在華投資的第一家人工智慧公司。

(4）人機互動產品已在多個領域實現落地

人機互動主要是研究人和計算機之間的資訊交換，按照互動方式分為語音互動、情感互動、體感互動、腦機互動。目前，人機互動已取得一定研究成果，依賴不同的人機互動技術，不少產品已經問世， 並覆蓋多個領域。但從整體上來看，受語音、視覺、語義理解等技術條件的限制，人機互動產業還處於萌芽期。人臉表情互動在移動應用產品設計中已得到初步應用，例如由 Takuto Onishi 開發的 iOS 應用程式“twika^o^”，可以幫使用者把人物面部真實表情轉化成文字元號表情。體感互動目前處於發展初期，主要應用在智慧家居、體感遊戲等方面，使用者可以利用自己的身體移動來控制智慧家居裝置， Kinect一直在體感遊戲方面發力，國內也有相關產品出現，例如速盟享動、綠動、運動加加等，但是在效果體驗等方面發展參差不齊。

人機互動的發展過程，經歷了 PC 時代、移動網際網路時代，現在已進入智慧生活時代。 PC 時代的互動方式主要是鍵盤+滑鼠，移動網際網路時代的互動方式主要是觸控、手寫和手勢，而智慧生活時代的互動方式開始走向語音和視覺。人機互動的發展史，就是走向自然互動的發展過程——從以機器為中心的人機互動，走向以人為中心的自然互動。

語音助手在人工智慧領域的發展已相對完善。 據市場研究機構Strategy Analytics 的資料顯示， 2017 年， GoogleAssistant 在智慧手機語音助手市場中佔主導，為 46%，蘋果 Siri 排名第二，佔 40.1%，百度 DuerOS 和三星 Bixby 分別佔 13%。 2019 年全球超過一半的智慧手機將擁有語音助手，甚至到 2023 年，這一份額將增長至 90％。

目前，智慧語音助手還處於智慧應用的早期，只是作為一個內建或使用者下載的 APP 供使用者使用，在實際應用中並沒有起到殺手級效應。智慧語音助手使用率、活躍率、留存率都較低，即使 Siri 也不例外。智慧語音助手的語音互動輸出在很多場景下是無法展現圖片那樣豐富的資訊的，一句語音的輸入反饋輸出的資訊量更少，得不斷進行高頻率的互動來提高識別率。從應用方向和場景來看，語音助手主要用於消費級產品和專業級行業應用，消費級市場主要應用於衣食住行等生活場景，如手機、智慧車載、智慧家居、可穿戴裝置等，專業級行業應用主要應用於醫療、教育、呼叫中心、庭審等特定場景。

腦機互動將助力人工智慧邁向人類智慧。 國外的腦機互動研究中，“植入式”技術美、荷領先，美國在人機應用研究方面已實現了突破。“非植入式”技術則初探市場，產品迭出，例如日本本田公司生產了意念控制機器人，操作者可以通過想象自己的肢體運動來控制身邊機器人進行相應的動作。美國羅切斯特大學的一項研究，受試者可以通過 P300 訊號控制虛擬現實場景中的一些物體，例如開關燈或者操縱虛擬轎車等。

3人工智慧複合產品

(1）生物識別技術持續融合至各領域

生物識別產品主要是指通過人類生物特徵進行身份認證的一種產品。人類的生物特徵通常具有唯一性、可測量或可自動識別和驗證、遺傳性或終身不變等特點，因此生物識別認證技術較傳統認證技術存在較大的優勢。通過對生物特徵進行取樣，提取其唯一的特徵並且轉化成數字程式碼，並進一步將這些程式碼組成特徵模板。生物識別產品包含諸如指紋識別、人臉識別、虹膜識別、指靜脈識別、聲紋識別以及眼紋識別等。

指紋識別技術是最成熟成本最低的生物識別技術。 其在生物識別技術產業的佔比最高，但隨著其他識別技術的發展，所佔比重逐年下降。指紋識別是通過分析指紋全域性和區域性特徵，例如脊、谷、終點、分叉點或分歧點，再經過比對來確認一個人的身份。電容技術則是目前最常用的採集指紋的技術。通過按壓到採集頭上手指的脊和谷在手指表皮和晶片之間產生的不同電容，晶片通過測試得到完整的指紋資訊。德國 IT Werke 公司於 2011 年釋出了一款“指紋付款”軟體，這是一套只需“刷指紋”便可完成付賬的新興軟體。這種便捷的“刷指紋”付賬服務目前已經在德國西南部一些超市、酒吧甚至學校飯堂推廣。德國著名連鎖超市 Edeka 超市的調查資料顯示，大約有 1/4 的顧客願意選擇“指紋付款”。

人臉識別通過面部特徵和麵部器官之間的距離、角度、大小外形而量化出一系列的引數來進行識別。 由於人臉識別具有使用方便且適用於公共安全等多人群領域，被廣泛應用於智慧家居、手機識別以及人臉聯網核查等領域，其佔比逐漸攀升。 2010 年 5 月，上海世博會上使用了“E 面通” 人臉識別系統，對進出世博園區約 50 萬持證人員和 7000 萬人次遊客都使用了該“人臉通行證” 。但人臉識別所涉及的器官多、面積又大，因此它的識別非常複雜，人臉識別的精度比較高，但相比其他識別技術成本略高。

虹膜識別技術是利用虹膜終身不變性和差異性的特點來識別身份。因為每個虹膜都包含著一個獨一無二的基於像冠、水晶體、細絲、斑點、凹點、皺紋和條紋等特徵的結構。理論上，虹膜的終身不變， 虹膜識別的認假率為 1/1500000，高於指紋識別的 1/50000，安全程度高，更適合作為“密碼”。如美國得克薩斯州聯合銀行已經將虹膜識別系統應用於儲戶辨識，儲戶辦理銀行業務無需銀行卡，更無需回憶密碼——通過 ATM 上的一臺攝像機首先對使用者的虹膜進行掃描，然後將掃描影像轉化成數字資訊並與資料庫中的資料核對，即可實現對使用者的身份認證。但由於虹膜識別安全性高但成本過高，普及尚需時間，目前主要應用於銀行金庫加密、軍隊國防等領域。

聲紋識別通過測試、採集聲音的波形和變化，與登記過的聲音模板進行匹配。 這是一種非接觸式的識別技術，實現方式非常自然。但是，聲音變化範圍非常大，音量、速度、音質的變化都會影響到採集與對比的結果。但通過錄音或者合成，能很輕鬆的偽造聲音，安全性較差，目前應用於社保、公安刑偵手機鎖屏等領域。

近年來，隨著世界各國對安防領域重視度的提高，身份識別技術與產品也逐漸趨於成熟與完善，生物特徵識別迎來了一個快速發展的時期，人臉識別、虹膜識別、靜脈識別等生物特徵識別技術正快速發展，市場應用場景廣闊，產品比重不斷增加。目前，指紋識別產品所佔比重已由 90%左右下降到不到 60%，生物識別產業正在朝著多元化方向發展並呈現一下特點。

生物特徵識別產業鏈趨於完善，市場規模快速增長。 在我國， 生物特徵識別企業數量快速增長， 企業規模不斷加大，生物特徵識別市場規模爆發式增長。當前， 生物特徵識別領域內的企業已從20餘家發展到200餘家，市場規模也已達到數十億元12。以人臉識別為例，目前已形成了包括人臉識別演算法研究企業等在內的多種產業角色的完整產業鏈。目前隨著電子護照的逐漸推出，安全問題受到進一步的關注，我國的生物特徵識別產業還存在較大的發展空間，未來產業規模有望進一步加大。

生物識別產業呈現多元化發展， 安防領域成為應用熱點。 目前，在我國生物特徵識別產業中，指紋識別技術和產品仍然佔據主導地位，但隨著人臉識別、虹膜識別、靜脈識別、聲紋識別等技術迅猛發展，各種模態的生物特徵識別產品和市場潛力不可低估。當前隨著人們對安全性的不斷重視， 出現瞭如生物特徵識別門禁在內的一批安防產品，未來安防領域將逐步採用生物識別技術以提升安全效能。

(2）以自動駕駛為代表的智慧運載產品發展迅速

智慧運載產品主要應用有自動駕駛、無人機、無人船等，目前智慧運載產品應用處於迅速發展階段，無人機和無人船的發展較成熟，已有初步應用，而自動駕駛還處於研發和實驗階段。

根據美國高速路安全管理局(NTHSA)的定義，汽車自動駕駛可分為四個階段。 目前高階別自動駕駛車輛尚處於研究實驗階段，未進行產業化。 近兩年，各大自動駕駛的企業相繼公佈了實現自動駕駛量產的時間表，大都集中在 2020-2025 年之間。 Level-2 級別的自動駕駛車輛，即高階輔助駕駛（ADAS）車輛已實現量產化。 2017 年全球ADAS 市場規模在 300 億美元左右，並呈現穩定增長的趨勢。隨著汽車智慧化趨勢加速和安全需求的提升，未來全球 ADAS 市場滲透率將大幅提高。到 2020年，全球 ADAS 滲透率有望達到 25%，全球新車 ADAS 搭載率有望達到 50%。

自動駕駛可分為“漸進性”、“革命性”兩大技術路線。 當前自動駕駛領域根據入局企業所採用技術可大致分為兩大路線， 一是福特、寶馬、奧迪等傳統車企所採用的“漸進性”路線，即在汽車上逐步增加一些自動駕駛功能，依託攝像頭、導航地圖以及各種感測器，為駕駛員提供自動緊急制動、全景泊車、自適應巡航等輔助駕駛功能。

二是谷歌、百度等網際網路科技巨頭所採用的“革命性”路線，通過使用鐳射雷達、高清地圖和人工智慧技術直接實現無人駕駛目的，強調產品的創新和便捷性。谷歌早於 2009 年就開始佈局自動駕駛，成為第一個拿到美國政府路測牌照的企業，其自動駕駛車輛 Waymo 已完成800 萬公里的自動駕駛路測里程，技術水平在世界保持領先態勢。特斯拉於 2015 年推出第一代 Autopilot 汽車，為全球第一輛量產自動駕駛車輛。

百度於 2013 年開始開展無人駕駛車專案，其無人駕駛汽車目前已取得了國內首批自動駕駛牌照， 2018 年百度 Apollo 和金龍客車合作生產的全球首款 L4 級無人駕駛巴車“阿波龍”已經正式量產下線。 除谷歌、 百度、 特斯拉外，英特爾、 蘋果、 Uber 等科技巨頭也在無人駕駛領域開展布局。英特爾收購 Altera 以及 Mobileye 後， 開始啟動 L4 級別自動駕駛技術研發。 2018 年英偉達公佈了其 Drive PX旗下的最新產品 Xavier以及未來的下一代產品 Pegasus，並基於 Xavier 分別聯合博世以及採埃孚推出了車載 AI 超級電腦。晶片巨頭高通，在收購恩智浦後，於 2017 年 12 月初取得美國加州自動駕駛路試的許可證。

無人機以軍用無人機為主，需求額呈現上升趨勢。 隨著無人機研發技術逐漸成熟，製造成本大幅降低，無人機在各個領域得到了廣泛應用。無人機按照應用領域主要分為軍用無人機、工業無人機、 消費無人機。軍用無人機主要應用有偵查、電子對抗、無人戰鬥機等， 工業無人機主要應用於農業植保、電力巡檢、警用執法、地質勘探、環境監測、森林防火等領域，消費無人機主要應用於個人航拍、影視航拍和遙控玩具等。 142017 年無人機市場規模將達 60 億美元，而 2020年則會進一步增長至 112 億美元。全球無人機產量將達 300 萬架，同比增幅高達 39%，其中消費類無人機的銷售量將會佔到 94%，但只佔到無人機市場銷售額的 40%左右。

消費級無人機仍處於初級階段，自主能力仍待提升。 目前部分消費級無人機已能通過感測器、攝像頭等進行自動避障，同時還能依靠機器視覺對飛行環境進行檢測，分析所處環境特徵從而實現自我規劃路徑。 2016 年， Intel 通過智慧演算法成功實現 500 架多旋翼無人機上演空中編隊燈光秀，消費級無人機開始朝更高階別的無人機智慧化邁進。我國作為全球無人機第一製造大國，大疆佔全球消費無人機 70%消費級無人機市場份額，然而依照無人機系統路線圖示準，大疆消費級無人機技術水平仍屬於初級階段。

(3）智慧機器人技術與產品創新活躍

從應用的角度區分，智慧機器人可以分為工業機器人、個人/家用服務機器人、公共服務機器人和特種機器人四類。 其中， 工業機器人包括焊接機器人、噴塗機器人、搬運機器人、加工機器人、裝配機器人、清潔機器人以及其他工業機器人。

個人/家用服務機器人包括家政服務機器人、教育娛樂服務機器人、養老助殘服務機器人、個人運輸服務機器人和安防監控機器人等。

公共服務機器人包括酒店服務機器人、銀行服務機器人、場館服務機器人和餐飲服務機器人等。個人/家用服務機器人和公共服務機器人也可統稱為服務機器人。

特種機器人包括特種極限機器人、康復輔助機器人、農業機器人、水下機器人、軍用和警用機器人、電力機器人、石油化工機器人、礦業機器人、建築機器人、物流機器人、安防機器人、清潔機器人和醫療服務機器人等。

工業機器人市場集中度高，是機器人應用最為廣泛的行業領域。根據 IFR（國際機器人學聯合會） 釋出的資料， 2017 年， 工業機器人在全球機器人市場中佔據高達 63.4%的市場份額，發展最為蓬勃。中、韓、日、美、德五國 2017 年工業機器人銷售佔全球總銷量的 71%。其中中國工業機器人銷量達到 13.8 萬臺，其次是韓國約 4 萬臺，日本約 3.8 萬臺， 美國約 3.3 萬臺， 德國約 2.2 萬臺。新型工業機器人能夠取代人工進行繁重的製造過程，在專業的金屬加工自動化中它可用於金屬器件製作，搬運、碼垛，還擁有智慧服務核心、學習型“大腦”，在訓練與實踐過程中可以不斷地提升金屬產品的加工精度。

人工智慧的興起推動了家政行業的智慧化，個人/家用機器人的應用更加廣泛。 家政行業的領導企業“管家幫” 推出家庭服務類智慧管家機器人，可實現語音互動控制完成家政服務線上下單、撥打電話、家居佈防、親情陪護、健康監測、遠端監控、主動提醒、居家娛樂、啟蒙早教、應急報警、語言學習等諸多服務，是兒童的玩伴及老年人的貼心守護者。日本軟銀開售的類人機器人，有學習能力，可表達情感，會說話，能看護嬰幼兒和病人，甚至在聚會時給人做伴。它們可以使用雲端計算分享資料，從而發展自己的情感能力，但不會共享主人的個人資訊。英特爾公司推出的 3D 印表機器人， 除了走路、說話，還能幫主人發微博、翻譯語言，或開冰箱拿飲料。 我國小米公司開發的掃地機器人能夠自主探知障礙物和室內地形，實現對室內的自動化清潔。

公共服務機器人在酒店、金融、電信、電力、物流等具有大規模智慧服務需求的行業中廣泛應用，在低投入的基礎上為企業提供優質高效的服務。

米克力美的智慧酒店服務機器人能自動學習酒店的通道、電梯和房間位置，自動構建虛擬電子地圖來進行導航，確定行走道路，能自動避讓人和障礙物，並且可自動乘坐電梯。實現無人陪伴的情況下獨自完成各項服務，降低了酒店人工成本的同時提升運營效率。

i 智慧客服機器人是一種全新的智慧工具，可以 24 小時線上實時回覆使用者提問，作為人工客戶服務的有效補充。 目前已經與招商銀行、平安銀行、建設銀行等銀行及中國聯通、 中國移動等近千家公司達成合作。 在倉儲物流領域，具備搬運、碼垛、分揀等功能的智慧機器人，已成為物流行業當中的一大熱點。

2012 年亞馬遜以 6.78 億美元買下自動化物流提供商 Kiva 的機器人倉儲業務後，利用機器人來處理倉庫的貨物盤點以及配貨等工作。所有員工只需要在固定的位置進行盤點或配貨，而 Kiva 機器人則負責將貨物（連同貨架）一塊搬到員工面前。

Starship 公司推出了一種專門用來小件貨物配送的“盒子機器人”，其硬體上配置了一系列攝像頭和感測器，能夠保障其安全行走在人行道上，在指定時間從物流中心出發，穿越大街小巷，來到顧客家門口完成快遞任務。在配送過程中，所攜帶的包裹都是被嚴密封鎖，接收者只有通過其智慧手機才能開啟。

阿里自主研發的機器人“曹操”接到訂單後，可以迅速定位出商品在倉庫分佈的位置，並且規劃最優揀貨路徑，揀完貨後會自動把貨物送到打包臺。 在 2018 年 618 購物節期間，京東、阿里菜鳥、順豐等物流企業積極應用倉內機器人、分揀機器人等智慧裝置，提升倉儲自動化智慧化水平。

特種機器人智慧化水平不斷提升，替代人類完成特殊環境下難以完成的工作。 在醫療領域，國產手術機器人“天璣”，在骨科類手術中已經進入臨床實踐，有效減少了骨科手術人工操作過程中可能造成的脊髓、血管損傷風險。在診後康復環節，具有輕量化、高柔韌性的康復機器人開始逐步應用推廣。

上海璟和機器人公司推出的多體位智慧康復機器人系統 Flexbot，適用於各級醫療機構的康復科、骨科、神經內科、腦外科等相關臨床科室，用以開展臨床步態分析，具有機器人步態訓練、虛擬行走互動訓練、步態分析和康復評定等功能。

在農業特種機器人領域，美國投資公司 Khosla Ventures 的報告指出，農業特種機器人能夠自己識別區分作物與雜草，用專門的除草劑對雜草選點噴灑，能夠降低農藥汙染 20%，同時降低種植成本。

我國智慧機器人產業技術水平持續提升。 工業機器人領域，新鬆、新時達、雲南昆船、北京機科領銜本土工業機器人第一梯隊，相關產品逐步獲得市場認可。新鬆集團將人工智慧和虛擬現實技術應用於國內首臺 7 自由度協作機器人，實現了快速配置、牽引示教、視覺引導、碰撞檢測等功能。服務機器人領域，我國服務機器人的智慧化水平已基本可與國際先進水平媲美，湧現出一批以深圳旗瀚科技、深圳越疆等為代表的有競爭力的創新創業企業。特種機器人領域，開誠智慧、GQY 視訊、海倫哲等企業創新活躍，技術水平不斷進步，在室內定位、高精度定位導航與避障、汽車底盤危險物品快速識別等技術領域取得了突破。

(4）智慧裝置未來市場空間廣闊

人工智慧與可穿戴智慧裝置融合帶來全新的科技體驗。 可穿戴裝置包含智慧手錶、智慧眼鏡、智慧服裝、計步器等多種產品形態，通過採用感知、識別、無線通訊、大資料等技術實現使用者互動、生活娛樂、醫療健康等功能，為佩戴者提供一個完美的科技體驗。可穿戴智慧裝置將會成為人的一部分，作為感測器的載體，進一步補充和延伸人體感知能力，實現人、機、雲端更高階、無縫的互動，實現情景感知。

可穿戴裝置市場目前處於初期階段，產品同質化嚴重。 全球可穿戴裝置將持續高增長，據市場調查機構 ABI Research 資料顯示， 2018年全球可穿戴裝置市場出貨量將達 4.85 億臺，市場調查機構 IHS 預計， 2018 年銷售額將達 336 億美元， 年均複合增長率高達 22.9%。可穿戴智慧裝置被廣泛應用在社會多個領域，在醫療、金融支付、身份認證甚至工業領域發揮重要作用。

就目前來看，可穿戴裝置市場仍處於初期階段，繼蘋果、三星、華為等企業進入智慧穿戴領域後，康佳、聯想等越來越多的企業開始瞄準細分領域，並紛紛推出相關產品，如三星 Galaxy Gear 智慧手錶、愛普生智慧手錶 PS-500 等。國內廠商也在積極佈局，如果殼電子的智慧手錶 Geak Watch、百度聯合 TCL 釋出的 Boom Band 手環、華為 TalkBand B1 等。然而，目前智慧穿戴市場的同質化嚴重，很多產品即無痛點又非剛需，實用性難以讓人滿意，消費者對可穿戴裝置的依賴性並不強。如健康手環種類很多，核心功能就是測步、監控睡眠等。

智慧音響市場進入發展快車道。 作為智慧家居的組成部分之一，智慧音響獨特的人機互動功能可以成為智慧家居領域的入口終端，智慧家居的廣泛普及推動智慧音響行業的快速發展。

從 2014 年亞馬遜Echo 釋出至今，2017 年全球智慧音響市場規模已經突破了 120 億元。根據 StrategyAnalytics 釋出的研究報告指出， 2017 年智慧音響全年出貨量達到 3200 萬部，同比增長超過 300%。據不完全統計，近幾年國內外已經有超過 500 家公司開始佈局智慧音響市場。整個智慧音響產業鏈上下游覆蓋晶片和麥克風等硬體廠商、語音技術服務商、內容供應商、 OEM/ODM 供應商和網際網路企業。隨著智慧音響的發展， 產業鏈將實現“硬體+軟體+內容+服務”的資源整合，逐漸形成生態閉環。 智慧音響廠商通過開放語音識別和麥克風等軟硬體技術、豐富語音服務技能、 擴充套件智慧裝置連線，不斷完善智慧語音生態，也為企業通過捆綁內容與服務盈利提供條件，帶動智慧音響銷量增長。

智慧攝像頭智慧化水平快速提升， 市場前景廣闊。 智慧攝像頭是民用安防市場最大的藍海，除了傳統安防企業，包括 360、小米、康佳在內的眾多網際網路、家電企業都發布了智慧攝像頭產品。隨著谷歌以 5.55 億美元的價格收購美國家庭監控攝像頭創業公司 Dropcam，家庭監控類產品概念被引爆，開始掀起中國智慧攝像機的浪潮。從市場佔有率來看， 360、中興智慧攝像機、小蟻、螢石、樂橙、聯想看家寶、喬安、富視康等佔據國內大部分市場。通過內嵌智慧 SOC 晶片、 GPU 等硬體以及結構化分析、深度學習等機器視覺演算法，智慧攝像頭智慧化水平不斷提升。目前主流智慧攝像頭一般具備行為分析、異常偵測、識別檢測、統計等功能， 以海康“深眸”為代表的深度學習攝像頭內建 GPU 處理器， 採用深度學習演算法在攝像頭前端能夠提取目標特徵，形成深層可供學習的影像資料，極大的提升了目標的檢出率。

4人工智慧各領域應用

(1）人工智慧賦能醫療各環節能效初顯

近年來隨著醫療資料數字化深入，深度神經網路學習演算法突破以及晶片計算能力提升，人工智慧在醫療領域應用掀起第二次浪潮，已滲透到疾病風險預測、醫療影像、輔助診療、虛擬助手、健康管理、醫藥研發、醫院管理、醫保控費等各個環節，並取得初步成效。

美、英、日等國政府均高度重視人工智慧在醫療領域應用。 美國《健康保險攜帶和責任法案》為人工智慧應用掃清了障礙， FDA（食品藥品監督管理局）實施“數字健康創新行動計劃”，重構數字健康產品監督體系，並單獨組建成立 AI 與數字醫療審評部，加速 AI 醫療發展；英國 NHS（國家醫療服務系統）正計劃在整個衛生服務部門大規模擴充套件人工智慧，用於日常操作和治療。

2016 年日本厚生勞動省開始規劃 AI 醫療相關政策，包括醫療費用的修正、採用人工智慧醫療的激勵措施等，並預計在 2020 年全面實施與推動人工智慧醫療制度

我國 2016 以來國務院及相關部委相繼印發《關於促進和規範健康醫療大資料應用發展的指導意見》、《新一代人工智慧發展規劃》、《“十三五”衛生與健康科技創新專項規劃》、《關於促進"網際網路+醫療健康"發展的意見》等檔案規範和引導人工智慧技術在醫療領域應用，新版《醫療器械分類目錄》中增加了人工智慧醫療產品，並預計 2019 年制定出臺相關檢定標準。

從應用效果來看， 人工智慧技術在以患者為中心的醫療環節中的應用尚處於初級階段，產品以試用為主，存在同質化程度高、集中度高、實用效果與醫生患者預期不符等問題。在醫藥、醫保、醫院環節則更多是面向企業、醫療機構使用者，業務模式相對成熟，主要考驗的是供給側的技術能力。2018年以來人工智慧醫療應用發展更加理性，一些公司不斷大膽嘗試，在商業化道路上逐步探索出不同模式。

統一標準、開放平臺，推動人工智慧與醫療深度融合。 微軟、亞馬遜、谷歌、 IBM、甲骨文和 Salesforce 在 2018 年 8 月中旬聯合宣佈將逐步開放標準，並通過雲和人工智慧技術消除醫療互操作的技術障礙，挖掘醫療資料潛力，以更低的成本提供更好的效果；谷歌公司在2018 年 7 月 Google Cloud Next 大會上透漏，人工智慧產品 AutoML的註冊使用者也已經超過 1.8 萬家，其中超過 10%的使用者來自醫療和生命醫學行業，有效推動了使用者在醫療影像輔助檢測，以及及時檢測預警中風、 哮喘、 嬰兒猝死綜合徵方面的創新。中國 BAT 三大網際網路企業利用自身平臺特點與優勢佈局，如具備 AI 醫學影像分析和 AI輔助診療兩項核心能力的騰訊覓影入選科技部首批國家人工智慧開放創新平臺， 2018 年 6 月 AI 輔診引擎介面開放，加速與醫院的 HIS系統融合。

聚焦合作伙伴，實現醫療影像應用重點突破。 醫學 AI 技術研發公司希氏異構從北京遷到成都，專注於與華西一家醫院深度合作，聯合成立“華西-希氏醫學人工智慧研發中心”，建立成果共享機制，充分調動醫生積極性，同時獲取穩定、安全資料。通過對 20 萬份病例資料學習，雙方聯合研製出國際第一臺 AI 消化內鏡樣機，其對息肉、腫瘤、靜脈曲張的初期診斷準確率分別為 92.7%、93.9%和 96.8%，並進行持續迭代優化，邁出了消化內鏡 AI 技術本地化、裝置化的關鍵一步。

通過 AI 賦能，提升傳統醫療器械服務水平。 通用電器、西門子、飛利浦以及中國的聯影、邁瑞、魚躍等公司等醫療器械用品製造公司則憑藉臨床經驗和數字化、 AI 等技術，在已有的醫療裝置產品基礎上不斷推出整合的解決方案，以更低的成本為人們提供更好的健康保障和醫療關護。如飛利浦全球有超半數的研發人員專注於軟體開發，其中大部分研究員同時從事人工智慧研究，未來飛利浦大部分產品將基於人工智慧技術，相繼釋出腫瘤疾病整體解決方案、胸痛中心/腦卒中中心整體解決方案、睡眠呼吸疾病整體解決方案、監護系統等解決方案。

跨學科技術要求高，歐美公司引領藥物研發。 藥物研發具有低效和費時費錢特點，一種新藥研發費用超過 1 億美元，週期長達 8-12年，同時還需要藥物化學、計算機化學、分子模型化和分子圖示學等多學科配合，因此在人工智慧醫療應用中最具挑戰性。目前部分科技公司利用人工智慧技術對大量分子資料進行訓練來預測候選藥物，並分析健康人和患者樣品的資料以尋找新的生物標誌物和治療靶標，建立分子模型，預測結合的親和力並篩選藥物性質，有效降低藥物開發成本，縮短上市時間並提高新藥成功的可能性。如 BergHealth 公司利用人工智慧技術成功找到了癌症代謝的關鍵作用分子，提升癌症新藥研發效率，其主要抗癌藥物—BPM31510，目前處於針對晚期胰腺癌患者治療的 II 期臨床試驗過程中。

智慧化監管，各國醫保監管機構的必然選擇。 智慧化監管結合時間和空間，從患者、疾病、診療、 醫生、醫院等多個維度建立醫療就醫關係網路，利用機器學習等相關演算法，識別其中的欺詐行為和群體。當前美國半數以上的管控型醫療組織機構在實施醫療反欺詐行動中都通過運用專業的反欺詐資訊系統，來幫助稽核人員分析大量的資料和進行前瞻性欺詐調查，以檢測和識別不一致的資料或形態等，隨著資訊科技特別是人工智慧技術的不斷髮展,醫保監測逐步走向智慧化時代。

我國政府大力支援推廣醫保智慧監管模式，將人工智慧技術與“三醫聯動改革”相結合，在醫保監管領域，推動醫保智慧監管模式在全國範圍內進行推廣，將所有醫保定點醫療機構納入範圍，實現住院和門診醫療費用 100%智慧稽核。

(2）智慧教育加速推進教育教學創新

當前人工智慧、大資料等技術迅猛發展，教育智慧化成為教育領域發展的方向。智慧教育正改變現有教學方式，解放教師資源，對教育理念與教育生態引發深刻變革。當前全球主要已開發國家均加速推進教育教學創新，積極探索教育新模式，開發教育新產品。

在改變現有教學方式方面， 一是實現教學成果智慧測評，提升教學質量。利用人工智慧技術對數字化、標準化的教師教學行為與學生學習情況進行測試、分析與評價，幫助師生快速精準定位教學問題，實現針對性、科學性教學，提升教學效果。二是構建個性化學習系統，激發學生自主學習動力。教育企業探索通過對學生學習特點建立知識畫像，推送針對性教學內容，進一步激發學生自主學習意願。 2017年 4 月，澳大利亞自主教學平臺 Smart Sparrow 獲得 400 萬美元融資，其教育模式得到初步認可。 2014 年，美國自適應教育人機大戰資料顯示，自主教學平臺有效提升學生學習效果，學生及格率平均提升10%，新知識獲取時間平均縮短 44%，國內猿題庫、瘋狂老師、作業盒子等網際網路教育企業正逐步推出類似功能。

在解放教師資源方面， 一是實現作業智慧批改，降低教師教學負擔。藉助影像識別與語義分析技術的持續革新，學生作業自動批改能力已初步實現， 2018 年 4 月， 安徽省教育廳釋出《安徽省中小學智慧校園建設指導意見》，明確 2020 年將建成作業測評系統，實現學生作業自動批改。根據中國信通院移動網際網路應用服務監測平臺資料顯示，截止 2018 年 4 月，提供作業自動批改功能的移動應用已有 95家，主要聚集在小學速算領域，其中愛作業應用日活使用者數超過 20萬，日均處理作業 50 萬份。 二是擴充學生課後學習途徑，分擔教師教學壓力。教育企業通過構建課後習題庫並結合影像識別技術，實現對學生上傳題目快速識別，即時反饋答案與解題思路。倫敦教育機構Whizz Education，探索構建與課堂教學進度高度一致的課後學習系統，通過線上語音互動方式，實現學生課後輔導與答疑。

(3）智慧交通提升城市管理水平

隨著全球經濟高速發展，城市化程式不斷加快，機動車保有數量增長，道路交通運輸量不斷增加，各種交通問題凸顯，發展智慧交通可完善政府管理，改善使用者體驗，促進城市發展。

交通管理方面，一是實時分析城市交通流量，縮短車輛等待時間。人工智慧驅動的智慧交通訊號系統以雷達感測器和攝像頭監控交通狀況，利用人工智慧演算法決定燈色轉換時間，通過人工智慧和交通控制理論融合應用，優化城市道路網路中交通流量。 二是大資料分析公眾資源資料，合理建設交通設施。人工智慧演算法根據城市民眾出行偏好、生活、消費等習慣，分析城市人流、車流遷移及城市公眾資源情況，基於大資料分析結果，為政府決策城市規劃，特別是為公共交通設施基礎建設提供指導與借鑑。 三是實時檢測車輛，提高執法效率。通過整合影像處理、模式識別等技術，實現對監控路段的機動車道、非機動車道進行全天候實時監控。前端卡口處理系統對所拍攝影像進行分析獲取號牌號碼、號牌顏色、車身顏色、車標、車輛子品牌等資料，並連同車輛的通過時間、地點、行駛方向等資訊通過計算機網路傳輸到卡口系統控制中心的資料庫中進行資料儲存、查詢、比對等處理，當發現肇事逃逸、違規或可疑車輛時，系統自動向攔截系統及相關人員發出告警訊號。

車主體驗方面， 一是汽車輔助駕駛和無人駕駛。車輛輔助安全駕駛系統包括車載感測器、車載計算機和控制執行等，車輛通過車載感測器測定與周圍車輛以及道路設施及周邊環境距離，在緊急情況下，做出各類安全保障措施。車輛自動駕駛系統，實現在行駛過程中自動導向、自動檢測及迴避障礙物。 二是智慧停車。國內斑馬智慧停車和上汽集團合作開發中國首款網際網路汽車榮威 RX5，實現智慧泊車、車位狀態獲取、安全駕駛等功能。

城市發展方面，一是節能環保。智慧交通系統實現節能減排效應，通過建設智慧交通系統，有效提高現有道路交通網路執行效率，達到緩解擁堵、節約能源、減輕汙染的目的，通過智慧交通控制，最終實現減少廢氣排出量並對節能環保作出重大貢獻。 二是降低事故。採取智慧交通技術，提高道路管理能力，減少每年交通事故中死亡人數。當前，世界各已開發國家投入大量財力與人力，進行大規模智慧交通技術研究試驗及產業應用，很多已開發國家已轉入全面部署階段。

(4）人工智慧提升公共安全保障能力

人工智慧已應用在社會治安、反暴反恐、災害預警、災後搜救、食品安全等公共服務領域，通過人工智慧可準確地感知和預測社會安 全執行的重大態勢，提高公共服務精準化水平，保障人民生命財產安全。從應用的深度和廣度來看，全球人工智慧在公共服務領域還處在探索期。

在社會治安領域，人工智慧已應用於警方偵查過程，為警方破案提供重要線索。 依託安防行業的基礎，犯罪偵查成為人工智慧在公共安全領域最先落地的場景。基於計算機視覺技術在公共場所安防布控，可以及時發現異常情況，為公安、檢察等司法機關的刑偵破案、治安管理等行為提供強力支撐。美國多地警方部署人工智慧警務風險評估軟體，將犯罪控制在萌芽狀態。智慧軟體根據儲存的犯罪資料預測哪些犯罪高發區域可能會出現新問題。

我國人工智慧的應用有效滿足公安實戰要求，以問題導向解決問題。 2017 年國慶期間，公安部門在北京天安門廣場採用了動態人像布控技術，總共報警次數 90 多次，有效盤查 60 多次，準確命中各類物件 50 多人。此外在金磚國家（BRICS）領導人第九次會晤在廈門舉行期間，智慧安防系統就協助公安部門抓獲全國在逃人員 20 餘名。但目前全球各國社會治安領域AI 應用發展並不均衡。以英國為例，雖然英國 AI 技術創新比較活躍，但是人臉識別錯誤率高，應用成效差強人意。根據《獨立報》釋出的資料，英國大都會警察使用的面部識別軟體所產生的 104 次警報中，只有兩次是準確匹配。

在反恐反暴領域，人工智慧在打擊恐怖分子、炸彈排除等領域可發揮重要作用。 美國建立的禁飛系統能預測恐怖襲擊的可能性，大資料系統每天都會傳輸犯罪預測資料到執勤警員的執勤電子裝置中，預測型偵查已經廣泛開展。此外反恐機器人能對可疑目標自動探測與跟蹤，並擁有對目標遠端準確打擊能力，在打擊恐怖分子、協助軍方反恐等領域可發揮重要作用。在我國，由哈工大機器人集團研製的武裝打擊機器人、偵察機器人、小型排爆機器人已應用於反恐安全、目標探測、可疑物檢查與打擊、路邊炸彈排除、危險物質處理等領域。

在災後救援領域，人工智慧在高效處置災情，避免人員傷亡方面發揮關鍵作用。 不管是自然災害之後的搜救，還是日常救援行動，隨著人工智慧融合，可快速處理災區航拍影像，並藉此實時向救援人員提供重要的評估與規劃性指導，不僅保障自然環境、群眾生命財產安全，同時能夠最大限度的減少救援人員的犧牲。

比如日本總務省消防廳推進開發的“機器人消防隊”，由自上空拍攝現場情況的小型無人機、收集地面資訊的偵察機器人、可自動行走的水槍機器人組成。美國國家航空航天局 NASA 推出的 AI 系統 Audrey，通過消防員身上所穿戴的感測器，獲取火場位置、周圍溫度、危險化學品和危險氣體的訊號以及區域衛星影像等全方面的資訊，並基於機器學習的預測為消防人員提供更多的有效資訊和團隊建議，最大程度的保護消防員的安全。在我國，滅火、偵查、排煙消防機器人技術和產品已相對成熟，並已經進入了實際作戰，在高效處置災情、避免人員傷亡並減少財產損失等方面發揮著越來越重要的作用。此外國家地震臺研製的“地震資訊播報機器人”，在2017 年 8 月 8 日四川九寨溝地震期間，僅用25 秒寫了全球第一條關於這次地震的速報，通過中國地震臺網官方微信平臺推送，為地震避災、生命救援和訊息傳遞爭取時間。

此外，在食品安全、大型活動管理、環境監測等公共安全場景，利用人工智慧技術可以減輕人工投入和資源消耗，提升預警時效，為及時有效處置提供強力支援。

(5）人工智慧擴充金融服務廣度和深度

智慧金融是人工智慧與金融的全面融合。 智慧金融是以人工智慧等高科技為核心要素，全面賦能金融機構，提升金融機構的服務效率，擴充金融服務的廣度和深度，實現金融服務的智慧化、個性化和定製化。

人工智慧與傳統金融產業鏈的融合主要分為三階段。 第一階段是科技賦能階段，該階段強調應用場景，將其他領域成熟的人工智慧技術平行向金融領域應用遷移，提升某些環節業務效率；第二階段是科技增能階段，該階段強調模型應用，由於模型直接應用會帶來合規風險，因此該階段會產生大量第三方專業服務，金融行業意識到人工智慧特點及優勢，主動在業務環節中應用人工智慧，引發業務方式深刻變革及效率極大提升；第三階段是科技產能階段，以價值應用為主要特點，金融核心業務將人工智慧化，人工智慧成為金融核心價值創造手段，同時伴隨監管效率和監管措施智慧化。

人工智慧已被廣泛應用到銀行、投資、信貸、保險和監管等多個金融業務場景。 目前，傳統金融機構、大型網際網路公司和人工智慧公司紛紛佈局金融領域，智慧銀行、智慧投顧、智慧投研、智慧信貸、智慧保險和智慧監管是當前人工智慧在金融領域的主要應用，分別作用於銀行運營、投資理財、信貸、保險和監管等業務場景，但整體來看人工智慧在金融領域的應用尚不成熟。應用在金融領域的人工智慧相關技術主要包括機器學習、生物識別、自然語言處理、語音識別和知識圖譜等技術。目前的應用場景還處於起步階段，大部分是人機結合式的，人工智慧應用對金融業務主要起輔助性作用。但金融業務場景和技術應用場景都具有很強的創新潛力，長遠來看，在金融投顧、智慧客服等應用方面對行業可能產生顛覆性影響。

智慧投顧應用。智慧投顧主要指根據個人投資者提供的風險偏好、投資收益要求以及投資風格等資訊，運用智慧演算法技術、投資組合優化理論模型，為使用者提供投資決策資訊參考，並隨著金融市場動態變化對資產組合及配置提供改進的建議。智慧投顧不僅在投資配置和交易執行能力上可以超越人類，還可以幫助投資者克服情緒上的弱點。工商銀行、中國銀行等國有銀行也紛紛推出智慧投顧服務，花旗銀行預計到 2025 年智慧投顧管理的資產總規模將會高 5 萬億美元。伴隨著人工智慧神經網路、決策樹技術的不斷迭代創新和發展，智慧投顧在金融業中將會進一步得到應用和發展。

智慧風控應用。 人工智慧技術在智慧風控方面的應用發展較快，隨著網際網路金融的快速發展，如螞蟻金服、京東金融等不少金融機構和網際網路金融公司大力發展智慧信貸服務。智慧風控主要依託高緯度的大資料和人工智慧技術對金融風險進行及時有效的識別、預警和防範。金融機構通過人工智慧等現代科技手段對目標使用者的網路行為資料、授權資料、交易資料等進行行為建模和畫像分析，開展風險評估分析和跟蹤，進而推測融資的風險點。根據某些可能影響借款人還貸能力的行為特徵的先驗概率推算出後驗概率，金融機構能夠對借款人還貸能力進行實時監控，有助於減少壞賬損失。

智慧金融客服應用。 對於處在服務業價值鏈高階的金融業而言，人工智慧技術將對金融領域中的服務渠道、服務方式、風險管理、授信融資、投資決策等各個方面帶來深刻的變革式影響，成為金融行業溝通客戶、發現客戶需求的重要決定因素。目前，交通銀行、平安保險等金融機構已經開始運用人工智慧技術開展自然語言處理、語音識別、聲紋識別，為遠端客戶服務、業務諮詢和辦理等提供有效的技術支援，這不僅有效響應客戶要求，而且大大減輕人工服務的壓力，有效降低從事金融服務的各類機構的運營成本。

人工智慧對金融市場、金融機構和消費者都產生深刻影響。 對金融市場來說，人工智慧減少資訊不對稱程度，提升市場效率與穩定性；改善整個金融市場價格發現機制，降低整體交易成本；有效提升交易速度與效率，增加金融市場流動性。對金融機構來說，人工智慧促進更多金融機構使用人工智慧實現日常業務流程自動化，有效識別客戶需求並提供其定製產品，顯著提升業績；促使金融機構提前檢測欺詐、可疑交易、違約和網路攻擊等風險，提升風險管理水平。對消費者與投資者來說，人工智慧降低消費者和投資者金融服務成本，促進其獲得更廣泛金融服務；通過智慧資料分析把握每位消費者或投資者消費偏好，便於提供更多定製化與個性化金融服務。

(6）智慧家居助力打造智慧家庭

人工智慧在家居領域的應用場景主要包括智慧家電、家庭安防監控、智慧家居控制中心等，通過將生物特徵識別、 自動語音識別、影像識別等人工智慧技術應用到傳統家居產品中，實現家居產品智慧化升級，全面打造智慧家庭。智慧家居產品已相對成熟， 未來市場發展空間巨大 。

打造智慧家電終端產品。 通過影像識別、自動語音識別等人工智慧技術實現冰箱、空調、電視等家用電器產品功能的智慧升級，促進家用電器控制智慧化、功能多元化，提升家用電器的使用體驗。如澳柯瑪與京東聯合研發推出的一款智慧大屏互聯冰箱，內建攝像頭可自動捕捉成像，基於影像識別技術自動識別 120 多種食材，為使用者建立食材庫，實現食物自動監測，並可跟蹤學習使用者習慣，為使用者智慧推薦食譜。長虹推出的 Alpha 人工智慧語音空調，搭載智慧語音控制模組，通過自動語音識別技術，實現 6 米內語音互動、全語義識別操控，高效識別及語音操控準確度達到 95%以上。

實現家庭安防監控。 基於影像識別、生物特徵識別、人工智慧感測器等技術實現家庭外部環境監測（如樓宇）、家庭門鎖控制（如智慧門鎖、貓眼）、家庭內部環境探測（如空氣質量、煙霧探測、人員活動等）等功能。如 LifeSmart 雲起與英特爾合作打造的人臉識別可視門鎖，通過攝像頭採集含有人臉的影像或視訊流，自動在影像中檢測和跟蹤人臉，基於人的臉部特徵資訊進行身份識別，實現人臉識別、遠端可視、智慧門鎖的聯動防禦。斑點貓的智慧貓眼產品人臉識別綜合準確率可達到 99.6%，採集家人資訊後，智慧貓眼會迅速識別出家人，並進行家人回家資訊播報，構建溫馨的智慧家居生活場景；而如果陌生人到訪，智慧貓眼會進行陌生人報警提示，並可識別多種人臉屬性，將年齡、性別等資訊傳送到使用者手機，讓使用者及時應對，構建安全的家庭外部環境。

打造智慧家居控制中心。 基於自動語音識別、語義識別、問答系統、智慧感測器等人工智慧技術，開發智慧家居控制系統（整體解決方案），實現家電、窗簾、照明等不同型別裝置互聯互通，從簡單的裝置開與關，逐步走向智慧化、便利化、個性化設定。當前智慧家居控制中心具有 APP 控制、智慧裝置控制（如智慧音響）和智慧機器人控制三種控制模式。 Google Assistant、三星 Smart Things 智慧家居控制中心採用 APP 控制模式。通過在谷歌 Pixel 手機終端中安裝Google Assistant 軟體，並在 Google Assistant 中新增基於自動語音識別技術的全新功能“Home Control”，使用者能夠向 Pixel 發出語音指令，完成調節屋內溫度、控制照明、切換電視訊道、播放音樂等操作。亞馬遜 echo、谷歌 Home 採用智慧裝置控制模式。海爾 Ubot 採用智慧機器人控制模式。

目前，人工智慧相對成熟的產品主要集中在安防監控裝置等區域性細分領域，智慧掃地機器人、智慧音響、機器翻譯機等產品普遍存在覆蓋範圍小、使用群體少、智慧化水平偏低等問題，此外，還有更多的產品空白領域。 雖然在可見的未來，影視劇裡面的那種具有自主意識的人工智慧不會出現，但通過機器學習演算法簡化軟體的複雜性、增強機器的“智慧”方面還有很廣闊的發展空間。例如，輔助駕駛系統將成為汽車的必備，雖然完全無人駕駛可能很長時間都不會出現。家用電器會更加智慧化，同時也會出現家庭服務機器人等新型家電產品。

來源：中國信通院、智東西