人工智能作為新一輪產業變革的核心驅動力，將催生新的技術、產品、產業、 業態、模式，從而引發經濟結構的重大變革，實現社會生產力的整體提升。麥肯 錫預計，到 2025 年全球人工智能應用市場規模總值將達到 1270 億美元，人工智 能將是眾多智能產業發展的突破點。

通過對人工智能產業分布進行梳理，提出了人工智能產業生態圖，主要分為 核心業態、關聯業態、衍生業態三個層次。

下面將重點對核心業態包含的智能基礎設施建設、智能信息及數據、智能技術服務、智能產品四個方面展開介紹，并總結人工智能行業應用及產業發展趨勢。

智能基礎設施

智能基礎設施為人工智能產業提供計算能力支撐，其范圍包括智能傳感器、 智能芯片、分布式計算框架等，是人工智能產業發展的重要保障。

(1)智能芯片

智能芯片從應用角度可以分為訓練和推理兩種類型。從部署場景來看，可以 分為云端和設備端兩步大類。訓練過程由于涉及海量的訓練數據和復雜的深度神 經網絡結構，需要龐大的計算規模，主要使用智能芯片集群來完成。與訓練的計 算量相比，推理的計算量較少，但仍然涉及大量的矩陣運算。目前，訓練和推理 通常都在云端實現，只有對實時性要求很高的設備會交由設備端進行處理。

按技術架構來看，智能芯片可以分為通用類芯片(CPU、GPU、FPGA)、基 于 FPGA 的半定制化芯片、全定制化 ASIC 芯片、類腦計算芯片(IBM TrueNorth)。 另外，主要的人工智能處理器還有 DPU、BPU、NPU、EPU 等適用于不同場景 和功能的人工智能芯片。

隨著互聯網用戶量和數據規模的急劇膨脹，人工智能發展對計算性能的要求 迫切增長，對 CPU 計算性能提升的需求超過了摩爾定律的增長速度。同時，受 限于技術原因，傳統處理器性能也無法按照摩爾定律繼續增長，發展下一代智能 芯片勢在必行。未來的智能芯片主要是在兩個方向發展:一是模仿人類大腦結構 的芯片，二是量子芯片。智能芯片是人工智能時代的戰略制高點，預計到 2020 年人工智能芯片全球市場規模將突破百億美元。

(2)智能傳感器

智能傳感器是具有信息處理功能的傳感器。智能傳感器帶有微處理機，具備 采集、處理、交換信息等功能，是傳感器集成化與微處理機相結合的產物。智能 傳感器屬于人工智能的神經末梢，用于全面感知外界環境。各類傳感器的大規模 部署和應用為實現人工智能創造了不可或缺的條件。不同應用場景，如智能安防、 智能家居、智能醫療等對傳感器應用提出了不同的要求。未來，隨著人工智能應 用領域的不斷拓展，市場對傳感器的需求將不斷增多，2020 年市場規模有望突 破 4600 億美元。未來，高敏度、高精度、高可靠性、微型化、集成化將成為智 能傳感器發展的重要趨勢。

(3)分布式計算框架

面對海量的數據處理、復雜的知識推理，常規的單機計算模式已經不能支撐。 所以，計算模式必須將巨大的計算任務分成小的單機可以承受的計算任務，即云 計算、邊緣計算、大數據技術提供了基礎的計算框架。目前流行的分布式計算框 架如 OpenStack、Hadoop、Storm、Spark、Samza、Bigflow 等。各種開源深度學 習框架也層出不窮，其中包括 TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、 Leaf、Theano、DeepLearning4、Lasagne、Neon 等。

智能信息及數據

信息數據是人工智能創造價值的關鍵要素之一。我國龐大的人口和產業基數 帶來了數據方面的天生優勢。隨著算法、算力技術水平的提升，圍繞數據的采集、 分析、處理產生了眾多的企業。目前，在人工智能數據采集、分析、處理方面的 企業主要有兩種:一種是數據集提供商，以提供數據為自身主要業務，為需求方 提供機器學習等技術所需要的不同領域的數據集;另一種是數據采集、分析、處理綜合性廠商，自身擁有獲取數據的途徑，并對采集到的數據進行分析處理，最 終將處理后的結果提供給需求方進行使用。對于一些大型企業，企業本身也是數 據分析處理結果的需求方。

智能技術服務

智能技術服務主要關注如何構建人工智能的技術平臺，并對外提供人工智能 相關的服務。此類廠商在人工智能產業鏈中處于關鍵位置，依托基礎設施和大量 的數據，為各類人工智能的應用提供關鍵性的技術平臺、解決方案和服務。目前， 從提供服務的類型來看，提供技術服務廠商包括以下幾類:

(1)提供人工智能的技術平臺和算法模型。此類廠商主要針對用戶或者行 業需求，提供人工智能技術平臺以及算法模型。用戶可以在人工智能平臺之上， 通過一系列的算法模型來進行人工智能的應用開發。此類廠商主要關注人工智能 的通用計算框架、算法模型、通用技術等關鍵領域。

(2)提供人工智能的整體解決方案。此類廠商主要針對用戶或者行業需求， 設計和提供包括軟、硬件一體的行業人工智能解決方案，整體方案中集成多種人 工智能算法模型以及軟、硬件環境，幫助用戶或行業解決特定的問題。此類廠商 重點關注人工智能在特定領域或者特定行業的應用。

(3)提供人工智能在線服務。此類廠商一般為傳統的云服務提供廠商，主 要依托其已有的云計算和大數據應用的用戶資源，聚集用戶的需求和行業屬性， 為客戶提供多類型的人工智能服務;從各類模型算法和計算框架的 API 等特定 應用平臺到特定行業的整體解決方案等，進一步吸引大量的用戶使用，從而進一 步完善其提供的人工智能服務。此類廠商主要提供相對通用的人工智能服務，同 時也會關注一些重點行業和領域。

需要指出的是，上述三類角色并不是嚴格區分開的，很多情況下會出現重疊， 隨著技術的發展成熟，在人工智能產業鏈中已有大量的廠商同時具備上述兩類或 者三類角色的特征。

智能產品

智能產品是指將人工智能領域的技術成果集成化、產品化，具體的分類如下表所示

隨著制造強國、網絡強國、數字中國建設進程的加快，在制造、家居、金融、 教育、交通、安防、醫療、物流等領域對人工智能技術和產品的需求將進一步釋 放，相關智能產品的種類和形態也將越來越豐富。

人工智能行業應用

人工智能與行業領域的深度融合將改變甚至重新塑造傳統行業，本節重點介 紹人工智能在制造、家居、金融、交通、安防、醫療、物流行業的應用，由于篇 幅有限，其它很多重要的行業應用在這里不展開論述。

(1)智能制造

智能制造是基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、 生產、管理、服務等制造活動的各個環節，具有自感知、自學習、自決策、自執 行、自適應等功能的新型生產方式。智能制造對人工智能的需求主要表現在以下 三個方面:一是智能裝備，包括自動識別設備、人機交互系統、工業機器人以及 數控機床等具體設備，涉及到跨媒體分析推理、自然語言處理、虛擬現實智能建 模及自主無人系統等關鍵技術。二是智能工廠，包括智能設計、智能生產、智能 管理以及集成優化等具體內容，涉及到跨媒體分析推理、大數據智能、機器學習 等關鍵技術。三是智能服務，包括大規模個性化定制、遠程運維以及預測性維護 等具體服務模式，涉及到跨媒體分析推理、自然語言處理、大數據智能、高級機 器學習等關鍵技術。例如，現有涉及智能裝備故障問題的紙質化文件，可通過自 然語言處理，形成數字化資料，再通過非結構化數據向結構化數據的轉換，形成 深度學習所需的訓練數據，從而構建設備故障分析的神經網絡，為下一步故障診 斷、優化參數設置提供決策依據。

(2)智能家居

參照工業和信息化部印發的《智慧家庭綜合標準化體系建設指南》，智能家 居是智慧家庭八大應用場景之一。受產業環境、價格、消費者認可度等因素影響， 我國智能家居行業經歷了漫長的探索期。至 2010 年，隨著物聯網技術的發展以 及智慧城市概念的出現，智能家居概念逐步有了清晰的定義并隨之涌現出各類產 品，軟件系統也經歷了若干輪升級。

智能家居以住宅為平臺，基于物聯網技術，由硬件(智能家電、智能硬件、 安防控制設備、家具等)、軟件系統、云計算平臺構成的家居生態圈，實現人遠 程控制設備、設備間互聯互通、設備自我學習等功能，并通過收集、分析用戶行 為數據為用戶提供個性化生活服務，使家居生活安全、節能、便捷等。例如，借助智能語音技術，用戶應用自然語言實現對家居系統各設備的操控，如開關窗簾 (窗戶)、操控家用電器和照明系統、打掃衛生等操作;借助機器學習技術，智 能電視可以從用戶看電視的歷史數據中分析其興趣和愛好，并將相關的節目推薦 給用戶。通過應用聲紋識別、臉部識別、指紋識別等技術進行開鎖等;通過大數 據技術可以使智能家電實現對自身狀態及環境的自我感知，具有故障診斷能力。 通過收集產品運行數據，發現產品異常，主動提供服務，降低故障率。還可以通 過大數據分析、遠程監控和診斷，快速發現問題、解決問題及提高效率。

(3)智能金融

人工智能的飛速發展將對身處服務價值鏈高端的金融業帶來深刻影響，人工 智能逐步成為決定金融業溝通客戶、發現客戶金融需求的重要因素。人工智能技 術在金融業中可以用于服務客戶，支持授信、各類金融交易和金融分析中的決策， 并用于風險防控和監督，將大幅改變金融現有格局，金融服務將會更加地個性化 與智能化。智能金融對于金融機構的業務部門來說，可以幫助獲客，精準服務客 戶，提高效率;對于金融機構的風控部門來說，可以提高風險控制，增加安全性; 對于用戶來說，可以實現資產優化配置，體驗到金融機構更加完美地服務。人工 智能在金融領域的應用主要包括:智能獲客，依托大數據，對金融用戶進行畫像， 通過需求響應模型，極大地提升獲客效率;身份識別，以人工智能為內核，通過 人臉識別、聲紋識別、指靜脈識別等生物識別手段，再加上各類票據、身份證、 銀行卡等證件票據的 OCR 識別等技術手段，對用戶身份進行驗證，大幅降低核 驗成本，有助于提高安全性;大數據風控，通過大數據、算力、算法的結合，搭 建反欺詐、信用風險等模型，多維度控制金融機構的信用風險和操作風險，同時 避免資產損失;智能投顧，基于大數據和算法能力，對用戶與資產信息進行標簽 化，精準匹配用戶與資產;智能客服，基于自然語言處理能力和語音識別能力， 拓展客服領域的深度和廣度，大幅降低服務成本，提升服務體驗;金融云，依托 云計算能力的金融科技，為金融機構提供更安全高效的全套金融解決方案。

(4)智能交通

智能交通系統(Intelligent Traffic System，ITS)是通信、信息和控制技術在交通系統中集成應用的產物。ITS 借助現代科技手段和設備，將各核心交通元素聯通，實現信息互通與共享以及各交通元素的彼此協調、優化配置和高效使用，形成人、車和交通的一個高效協同環境，建立安全、高效、便捷和低碳的交通。 例如通過交通信息采集系統采集道路中的車輛流量、行車速度等信息，信息分析 處理系統處理后形成實時路況，決策系統據此調整道路紅綠燈時長，調整可變車 道或潮汐車道的通行方向等，通過信息發布系統將路況推送到導航軟件和廣播中， 讓人們合理規劃行駛路線。通過不停車收費系統(ETC)，實現對通過 ETC 入口 站的車輛身份及信息自動采集、處理、收費和放行，有效提高通行能力、簡化收 費管理、降低環境污染。

ITS 應用最廣泛的地區是日本，其次是美國、歐洲等地區。中國的智能交通 系統近幾年也發展迅速，在北京、上海、廣州、杭州等大城市已經建設了先進的 智能交通系統;其中，北京建立了道路交通控制、公共交通指揮與調度、高速公 路管理和緊急事件管理等四大 ITS 系統;廣州建立了交通信息共用主平臺、物流 信息平臺和靜態交通管理系統等三大 ITS 系統。

(5)智能安防

智能安防技術是一種利用人工智能對視頻、圖像進行存儲和分析，從中識別 安全隱患并對其進行處理的技術。智能安防與傳統安防的最大區別在于智能化， 傳統安防對人的依賴性比較強，非常耗費人力，而智能安防能夠通過機器實現智 能判斷，從而盡可能實現實時地安全防范和處理。

當前，高清視頻、智能分析等技術的發展，使得安防從傳統的被動防御向主 動判斷和預警發展，行業也從單一的安全領域向多行業應用發展，進而提升生產 效率并提高生活智能化程度，為更多的行業和人群提供可視化及智能化方案。用 戶面對海量的視頻數據，已無法簡單利用人海戰術進行檢索和分析，需要采用人 工智能技術作專家系統或輔助手段，實時分析視頻內容，探測異常信息，進行風 險預測。從技術方面來講，目前國內智能安防分析技術主要集中在兩大類:一類 是采用畫面分割前景提取等方法對視頻畫面中的目標進行提取檢測，通過不同的 規則來區分不同的事件，從而實現不同的判斷并產生相應的報警聯動等，例如: 區域入侵分析、打架檢測、人員聚集分析、交通事件檢測等;另一類是利用模式 識別技術，對畫面中特定的物體進行建模，并通過大量樣本進行訓練，從而達到 對視頻畫面中的特定物體進行識別，如車輛檢測、人臉檢測、人頭檢測(人流統 計)等應用。

智能安防目前涵蓋眾多的領域，如街道社區、道路、樓宇建筑、機動車輛的 監控，移動物體監測等。今后智能安防還要解決海量視頻數據分析、存儲控制及 傳輸問題，將智能視頻分析技術、云計算及云存儲技術結合起來，構建智慧城市 下的安防體系。

(6)智能醫療

人工智能的快速發展，為醫療健康領域向更高的智能化方向發展提供了非常 有利的技術條件。近幾年，智能醫療在輔助診療、疾病預測、醫療影像輔助診斷、 藥物開發等方面發揮重要作用。

在輔助診療方面，通過人工智能技術可以有效提高醫護人員工作效率，提升 一線全科醫生的診斷治療水平。如利用智能語音技術可以實現電子病歷的智能語 音錄入;利用智能影像識別技術，可以實現醫學圖像自動讀片;利用智能技術和 大數據平臺，構建輔助診療系統。

在疾病預測方面，人工智能借助大數據技術可以進行疫情監測，及時有效地 預測并防止疫情的進一步擴散和發展。以流感為例，很多國家都有規定，當醫生 發現新型流感病例時需告知疾病控制與預防中心。但由于人們可能患病不及時就 醫，同時信息傳達回疾控中心也需要時間，因此，通告新流感病例時往往會有一 定的延遲，人工智能通過疫情監測能夠有效縮短響應時間。

在醫療影像輔助診斷方面，影像判讀系統的發展是人工智能技術的產物。早 期的影像判讀系統主要靠人手工編寫判定規則，存在耗時長、臨床應用難度大等 問題，從而未能得到廣泛推廣。影像組學是通過醫學影像對特征進行提取和分析， 為患者預前和預后的診斷和治療提供評估方法和精準診療決策。這在很大程度上 簡化了人工智能技術的應用流程，節約了人力成本。

(7)智能物流

傳統物流企業在利用條形碼、射頻識別技術、傳感器、全球定位系統等方面 優化改善運輸、倉儲、配送裝卸等物流業基本活動，同時也在嘗試使用智能搜索、 推理規劃、計算機視覺以及智能機器人等技術，實現貨物運輸過程的自動化運作 和高效率優化管理，提高物流效率。例如，在倉儲環節，利用大數據智能通過分 析大量歷史庫存數據，建立相關預測模型，實現物流庫存商品的動態調整。大數據智能也可以支撐商品配送規劃，進而實現物流供給與需求匹配、物流資源優化 與配置等。在貨物搬運環節，加載計算機視覺、動態路徑規劃等技術的智能搬運 機器人(如搬運機器人、貨架穿梭車、分揀機器人等)得到廣泛應用，大大減少 了訂單出庫時間，使物流倉庫的存儲密度、搬運的速度、揀選的精度均有大幅度提升。

人工智能產業發展趨勢

從人工智能產業進程來看，技術突破是推動產業升級的核心驅動力。數據資 源、運算能力、核心算法共同發展，掀起人工智能第三次新浪潮。人工智能產業 正處于從感知智能向認知智能的進階階段，前者涉及的智能語音、計算機視覺及 自然語言處理等技術，已具有大規模應用基礎，但后者要求的“機器要像人一樣 去思考及主動行動”仍尚待突破，諸如無人駕駛、全自動智能機器人等仍處于開 發中，與大規模應用仍有一定距離。

(1)智能服務呈現線下和線上的無縫結合

分布式計算平臺的廣泛部署和應用，增大了線上服務的應用范圍。同時人工 智能技術的發展和產品不斷涌現，如智能家居、智能機器人、自動駕駛汽車等， 為智能服務帶來新的渠道或新的傳播模式，使得線上服務與線下服務的融合進程 加快，促進多產業升級。

(2)智能化應用場景從單一向多元發展
目前人工智能的應用領域還多處于專用階段，如人臉識別、視頻監控、語音 識別等都主要用于完成具體任務，覆蓋范圍有限，產業化程度有待提高。隨著智 能家居、智慧物流等產品的推出，人工智能的應用終將進入面向復雜場景，處理 復雜問題，提高社會生產效率和生活質量的新階段。

(3)人工智能和實體經濟深度融合進程將進一步加快

黨的十九大報告提出“推動互聯網、大數據、人工智能和實體經濟深度融合”， 一方面，隨著制造強國建設的加快將促進人工智能等新一代信息技術產品發展和 應用，助推傳統產業轉型升級，推動戰略性新興產業實現整體性突破。另一方面， 隨著人工智能底層技術的開源化，傳統行業將有望加快掌握人工智能基礎技術并依托其積累的行業數據資源實現人工智能與實體經濟的融合創新。