前言

目前AI已在金融、医疗、安防等多个领域实现技术落地，且应用场景也愈来愈丰富，正在实现全方位的商业化，引发了各个行业的深刻变革，这对加速企业数字化、改善产业链结构、提高信息利用效率等方面都起到了积极作用。与此同时，AI也已全面进入机器学习时代，未来AI的发展将是关键技术与产业的结合。然而随着投资界和企业界对AI的了解逐步加深，AI投融资市场更加理性，投资金额虽然继续增加，但投融资频次有所下降。特别是经过行业的一轮优胜劣汰后，底层技术创业公司以及落地性强的领域如医疗、教育、无人驾驶等创业项目继续受到人工智能领先机构的青睐。

一、AI创新融合新趋势

1.1人工智能正全方位商业化

当前人工智能技术已步入全方位商业化阶段，并对传统行业各参与方产生不同程度的影响，改变了各行业的生态。这种变革主要体现在三个层次。第一层是企业变革：人工智能技术参与企业管理流程与生产流程，企业数字化趋势日益明显，部分企业已实现了较为成熟的智慧化应用。这类企业已能够通过各类技术手段对多维度用户信息进行收集与利用，并向消费者提供具有针对性的产品与服务，同时通过对数据进行优化洞察发展趋势，满足消费者潜在需求。第二层是行业变革：人工智能技术带来的变革造成传统产业链上下游关系的根本性改变。人工智能的参与导致上游产品提供者类型增加，同时用户也会可能因为产品属性的变化而发生改变，由个人消费者转变为企业消费者，或者二者兼而有之。第三层是人力变革。人工智能等新技术的应用将提升信息利用效率，减少企业员工数量。此外，机器人的广泛应用将取代从事流程化工作的劳动力，导致技术与管理人员占比上升，企业人力结构发生变化。

人工智能技术带来的全方位变革

1.2 AI全面进入机器学习时代

随着技术的进步和发展，人类学习知识的途径逐渐从进化、经验和传承演化为了借助计算机和互联网进行传播和储存。由于计算机的出现，人类获取知识的途径开始变得更加高效和便捷。金准产业研究团队预测，在不久的将来，绝大多数的知识将被机器提取和储存。强大的计算机算法将逐渐获得类人的能力，包括视觉、说话的能力和方向感等。在人工智能众多的分支领域中，“机器学习”（Machine Learning）是人工智能的核心研究领域之一。

人工智能各层级图示

人工智能核心是算法。作为人工智能的底层逻辑，算法是产生人工智能的直接工具。从历史的进程来看，人工智能自1956年提出以来，经历了三个阶段，这三个阶段同时也是算法和研究方法更迭的过程：第一个阶段是20世纪60~70年代，人工智能迎来了黄金时期，以逻辑学为主导的研究方法成为主流。人工智能通过计算机来实现机器化的逻辑推理证明，但最终难以实现。第二个阶段是20世纪70~90年代，其中，1974到1980年间，人工智能技术的不成熟和过誉的声望使其进入“人工智能寒冬”，人工智能研究和投资大量减少。1980年到1987年，专家系统研究方法成为人工智能研究热门，资本和研究热情再次燃起；1987年到1993年，计算机能力比之前几十年已有了长足的进步，这时试图通过建立基于计算机的专家系统来解决问题，但是由于数据较少并且太局限于经验知识和规则，难以构筑有效的系统，资本和政府支持再次撤出，人工智能迎来第二次“寒冬”。第三个阶段是20世纪90年代以后，1993年到2011年，随着计算力和数据量的大幅度提升，人工智能技术获得进一步优化；至今，数据量、计算力的大幅度提升，帮助人工智能在机器学习，特别是神经网络主导的深度学习领域得到了极大的突破。基于深度神经网络技术的发展，才逐渐步入快速发展期。

人工智能技术发展历史

此外，数据是人工智能底层逻辑中不可或缺的支撑要素，没有数据针对人工智能的数据处理将无法进行。有了数据挖掘对数据的清晰、集成、归约等预处理手段，人工智能才能拥有足够的数据进行学习。随着人工智能技术的迭代更新，从数据生产、采集、储存、计算、传播到应用都将被机器所替代。

数据处理的发展阶段

1.3市场对投资回归理性

从科研和学术的范畴到技术创业，人工智能仅用了几年的时间。这样的转变不仅得益于人们希望新技术解放生产力的要求和政策的扶持，还离不开资本市场对人工智能的助推。随着资本市场对人工智能认知的不断深入，投资市场对人工智能的投资也日趋成熟和理性。金准产业研究团队统计，在过去5年间，中国人工智能领域投资出现快速增长。人工智能的元年2015年，投资总额达到了450亿元，并在2016年和2017年持续增加频次。2019年上半年中国人工智能领域共获融资超过478亿元，获得了不俗的成绩。

中国人工智能投融资变化情况

分析人工智能的投资趋势，主要分为以下几点：易落地人工智能应用场景受投资人追捧。近年投融数据显示，企业服务、机器人、医疗健康、行业解决方案、基础组件、金融领域在投资频次和融资金额上均高于其他行业。从公司层面来看，全球顶级团队、资金实力和科技基因更易受到二级市场投资者的青睐。从行业方面来看，容易落地的新零售，无人驾驶，医疗和智适应教育预示着更多的机会，因此以上领域的公司拥有更多获得投资的机会。

中国人工智能各行业投融资频次分布

投资市场开始青睐底层技术创业公司。有别于前期对应用型人工智能公司的投资偏好，投资市场开始逐渐关注人工智能底层技术的创业公司。做底层技术更易受追捧，由于天花板高，这类公司在市场上更加具有竞争力。目前全国有超过1,300家人工智能企业获得风险投资投资。其中A轮以前的获投频次占比开始逐渐缩小，投资人对A轮仍然保持着较高的热情，目前是获得投资频次最高的轮次。战略投资在2017年开始爆发。随着人工智能市场板块的逐渐成熟，以互联网巨头为主的领军企业将目光投向了寻求长期合作发展的战略投资。这也预示着人工智能行业与产业在资本层面的战略合作开始增多。

2013-2019年上半年人工智能投资轮次

巨头投资人工智能布局在业务关联产业上下游。在人工智能发展的热潮中，嗅觉敏锐的互联网巨头也开始了自己的战略布局。以科技部、中科院国科控股、地方财政局和经信委等机构扶持的科技投资基金以及阿里巴巴、腾讯、百度、京东为首的互联网巨头已经将投资渗透到人工智能的各个板块。从领域来看，各投资机构选择投资的项目均处于其未来产业战略布局的上下游，而这些获投项目也推动着国家人工智能发展战略的落地。

AI领先企业主要投资领域

作为未来的新型行业，人工智能企业呈现出高增长的特征。我们根据不完全的公开信息，以及德勤高科技高成长500强榜单内的人工智能企业进行增长率梳理，筛选出了50家高增长企业。

1.4城市逐渐成为AI创新融合应用主战场

城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。过去几年，全球各地的主要城市都在AI技术的发展中发挥了差异化作用，构建了各自的生态体系，并在赋能产业应用、助力区域经济发展方面实现初步效果，掀起了人类对新一轮产业革命的思考、认知和行动。随着AI应用纷纷落地于城市层面，城市逐渐成为AI创新融合应用的主战场。虽然全球各地AI技术的关键成功要素各有差异，但总体而言都构建了有利于技术与城市融合的生态发展体系。金准产业研究团队认为一个城市AI技术创新融合应用程度可主要通过考察以下五大方面：顶层设计：即AI产业扶持政策、特殊立法、数据开放政策及开放程度等；算法突破：即AI芯片等人工智能核心软硬件的研发核心环节等；要素质量：即AI领军人物、资本支持力度、科学家薪酬水平、行业会议影响力等；融合质量：即前沿学科连结性（AI:+Cloud、+Block chain、+IoT、+5G、+Quantum Computing等前沿技术）、创新主体多元性（头部企业、学术机构等）、文化多样性等；应用质量：即金融、教育、医疗、数字政务、医疗、无人驾驶、零售、制造、综合载体发展等。根据全球城市在上述五项指标中的评估表现，德勤评选出最具代表性的三大类共计20个全球AI创新融合应用城市：

2019年20个全球AI创新融合应用城市

1.5 AI支持体系不断发力

作为推动人工智能技术进步的“三驾马车”，算法、数据和计算力在过去的5-10年间不断创新。在算法方面，人类在机器学习的算法上实现了突破，特别是在视觉和语音技术方面的成就尤为突出。在数据方面，移动互联网时代的到来使数据量迎来了爆炸式增长。人工智能算法模型经过长期发展，目前已覆盖多个研究子领域。以机器学习为例，其核心算法包括最小二乘法、K近邻算法、K均值算法、PCA分析法核心模型包括线性回归、逻辑回归、判定树、聚类、支持向量机等。主流算法模型库使得常见算法模型得到了高效实现：Caffe框架、CNTK框架等分别针对不同算法模型进行收集整合，在算法的开发利用中有很高的实用性。随着大数据技术的不断提升，人工智能赖以学习的标记数据获得成本下降，同时对数据的处理速度大幅提升。宽带的效率提升。物联网和电信技术的持续迭代为人工智能技术的发展提供了基础设施。2020年，接入物联网的设备将增加至500亿台。金准产业研究团队认为，代表电信发展里程的5G的发展将为人工智能的发展提供最快1Gbps的信息传输速度。在计算力上，得益于芯片处理能力提升、硬件价格下降的并行使得计算力大幅提升。截至目前，全球人工智能的计算力主要是以GPU芯片为主。但随着技术的不断迭代，如ASIC、FPGA在内的计算单元类别将成为支撑人工智能技术发展的底层技术。

中国人工智能芯片市场规模与增速预测（2016-2020）

1.6顶层政策倾斜力度持续增加

人工智能对社会和经济影响的日益凸显，各国政府也先后出台了对人工智能发展的政策，并将其上升到国家战略的高度。截至目前，包括美国、中国和欧盟在内的多国和地区颁布了国家层面的人工智能发展政策。

各国针对人工智能出台的政策

时至2019年，中国政府继续通过多种形式支持人工智能的发展。此前，中国形成了科学技术部、国家发改委、中央网信办、工信部、中国工程院等多个部门参与的人工智能联合推进机制。从2015年开始先后发布多则支持人工智能发展的政策，为人工智能技术发展s和落地提供大量的项目发展基金，并且对人工智能人才的引入和企业创新提供支持。这些政策给行业发展提供坚实的政策导向的同时，也向资本市场和行业利益相关者发出了积极信号。在推动市场应用方面，中国政府身体力行，直接采购国内人工智能技术应用的相关产品，先后落地多个智慧城市、智慧政务等项目。从战略层面来看，《新一代人工智能发展规划》是中国在人工智能领域进行的第一个系统部署文件，具体对2030年中国新人工智能发展的总体思路、战略目标和任务、保障措施进行系统的规划和部署。规划根据中国人工智能市场目前的发展现状分别对基础层、技术层和应用层的发展提出了要求，并且确立中国人工智能在2020、2025以及2030年的“三步走”发展目标。

1.7全球AI市场超6万亿美元

人工智能将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。金准产业研究团队预测未来2025年世界人工智能市场将超过6万亿美元，2017-2025年复合增长率达30%。

全球人工智能市场规模

从行业来看，传统市场规模较大的领域将继续领跑，2030年制造业，通信、传媒及服务，自然资源与材料将分别以16%，16%，14%占据前三名。其中，庞大的制造业企业已经开始加速数字化转型，推动智能管理、智能工厂、智能物流等全方位智能化，因而制造业也是其中增速最快的领域。同时，在新领域中，教育领域人工智能技术的应用也开始向学习全过程渗透，增长速度也是不容忽视。

人工智能市场规模（按行业分类）

我国的人工智能核心产业规模目前已超过1,000亿元，金准产业研究团队预计到2020年将增长至1,600亿元，带动相关产业规模超一万亿元。其中北京、上海、浙江、江苏、广东的人工智能相关产业规模位于所有省份和直辖市前列，预计2020年分别可达到1,400亿、1,300亿、2,700亿、1,000亿和2,800亿。以上海为例，上海自推出《关于本市推动新一代人工智能发展的实施意见》以来，人工智能产业发展加速，2019年相关产业规模可达到1200亿元。依托长三角的区位优势，上海人工智能企业在人才、资本方面都能获取到充足且优质的资源，企业集群带来的效益提升显著，有利于公司和行业规模的持续扩大。

二、人工智能重塑各行业

人工智能技术在过去5-10年快速发展，随着时间推移，技术渐渐为大众所知，摩尔定律的节奏逐渐放慢，人工智能商业化应用成为关注焦点。金准产业研究团队分析，科技巨头纷纷布局垂直行业应用，创业企业需要找准切入点，深耕行业解决方案以打造护城河。各行业面临的痛点有所不同，例如金融行业面临成本压力、产品服务单一、交易欺诈等，医疗与教育行业均面临资源分配不均等。虽然问题不同，但通过数据收集、处理与分析能够有效解决上述多样的问题，而人工智能通过数据驱动能够改变产业。

人工智能技术推动产业升级

在金融领域，人工智能技术迅速改变了传统金融行业的各主要领域。围绕消费者行为和需求的不断变化，传统的金融服务行业参与者正面临着各领域各环节的重构。随着消费者行为和偏好的不断变化，以技术驱动的精准营销和推送使消费者获得定制化的产品和服务，通过技术增强客户粘性，并使小商户融入更大范围的生态圈；人工智能机器人在一些服务领域逐渐取代人工客服，为客户提供咨询服务。在医疗领域，在人口老龄化、慢性病患者群体增加、优质医疗资源紧缺、公共医疗费用攀升的社会环境下，医疗人工智能的应用为当下的医疗领域带来了新的发展方向和动力。随着人工智能技术在医疗领域的持续发展和应用落地，这个行业将极大简化当前繁琐的看病流程，并在优化医疗资源、改善医疗技术等多个方面为人类提供更好的解决方案。医疗人工智能技术已基本覆盖医疗、医药、医保、医院这四大医疗产业链环节。近几年，教育行业持续通过数据重构，呈现出空前的革命性。不同于传统教育方式，智能化教育方式以学生学习“教、学、练、评、测”五大环节所产生的数据为基础，利用智适应学习，图像识别，语音识别，人机对话，多模态行为分析，知识生成和表达，模拟智能体等功能，产生适合每个学生的个性化的解决方案和有效反馈意见。大幅度提高学习效率，改变教育模式。针对上述行业在行业应用度以及市场机会两个维度的表现，可以落入四个象限。过渡期表示人工智能技术在该行业具有较高的应用程度，但目前来说市场机会有限，未来有望进一步拓展市场规模；萌芽期表示行业应用度以及市场机会都尚未成熟，尽管人工智能技术发挥了一些功能但总体来讲尚且处于起步阶段；成长期表示虽然行业的应用度不足，但未来应用广泛，拥有较高的市场机会；发展期表示人工智能技术已经在这些领域产生了较为深刻的影响，行业应用度较高，同时市场机会也高。

人工智能技术在各行业的应用

4.1金融：人工智能提升金融企业商业效能并变革企业内部经营

金融是人工智能重要的应用场景，人工智能在金融行业的应用改变了金融服务行业的规则。传统金融机构与科技公司共同参与，构建起更大范围的高性能动态生态系统，参与者需要与外部各方广泛互动，获取各自所需要的资源，因此在金融科技生态系统中，金融机构与科技公司之间将形成一种深层次的信任与合作关系，提升金融公司的商业效能。这种效能的提升主要表现在三个方面：第一，传统金融模式下，往往存在信息不对称、金融风险大、借贷成本高等问题，创新技术应用于传统金融业务，使整个金融行业的基础服务架构得到改善，从而降低业务成本，提升服务效率；第二，出现多种形态的创新金融科技公司，以创新技术为基础，根据客户需求提供定制化产品和服务，覆盖更多被传统金融服务“拒之门外”的长尾客户，使更多个体或者中小企业享受到更加便捷、高效的金融服务，覆盖更多、更广泛的客户。第三，吸引更广泛、更多元化的参与者融入生态圈，通过收集消费者大量消费、信贷数据对消费者信用进行评估，降低坏账等金融风险。上述三种效能的提升主要体现在智慧投顾、智慧客服以及智慧风控三个领域，这也是人工智能技术应用较为深入的领域。

4.2教育：人工智能技术应用覆盖教学全流程

人工智能技术正在推动教育信息化的快速发展，人工智能教育是人工智能技术对教育产业的赋能，通过人工智能技术在教育领域的运用，来实现其辅助甚至是替代作用。未来人工智能教育应用的发展将由数据驱动、应用深化、融合创新优化服务等方式来持续推动。从行业发展阶段来看，目前人工智能教育行业仍处在发展阶段，尚未成熟。2010年后，中国智适应教育企业开始兴起，如新东方、好未来、乂学教育—松鼠AI等公司。2016年前后，国内的众多知名教育机构如好未来、新东方等以及资本也纷纷投入人工智能教育领域。

中国教育行业智慧化趋势

人工智能将重构教育行业生态。人工智能是基于大数据采集和多维度识别系统，对海量数据进行智能处理，并通过互动接口与应用场景与人产生信息交互的一项技术。以该技术为基础向用户提供人工智能教育内容、工具以及相关服务，通过接受用户数据，并进行分析和回馈，应用于学习过程中的“教、学、评、测、练”五大环节，产生适合学习者的个性化的解决方案和有效回馈意见。教育智能化趋势下，智适应学习以其能够贯穿学习全过程的独特优势成为人工智能在学习各环节应用最为广泛的技术，并逐步成为主流。此外，人工智能技术在教育领域的应用还包括图像识别产品与语音识别产品。

人工智能在学习五大环节中的应用

智适应学习系统。智适应学习系统能够针对学生的具体学习情况提供实时个性化学习解决方案，包括知识状态诊断、能力水平评测以及学习内容推荐等。例如在“教”与“学”这两个环节，个体学习者的学习情况、学习能力不同，智适应课程系统利用人工智能技术，将知识点提炼、学习方法归纳等教学重难点利用大数据和算法形成一套高效、标准化的系统课程，说明不同程度学习者适应不同类别课程。计算力提升、海量数据以及贝叶斯网络算法的应用推动智适应学习系统在2010年之后得到快速发展，并取得显着成效。Knewton的数学自我调整辅助课程在亚利桑那大学帮助学生大幅提升通过率，课程退课率降低了56%。智适应学习技术与产品在国内与国外各有发展特点。在美国与欧洲发展更为完善，主要面向ToB端客户，拥有以Knewton、ALEKS、RealizeIt、Dream Box等代表性企业。中国目前处于初步发展的阶段，面向ToC端用户，代表企业包括学教育-松鼠AI，智适应学习在中国发展更为迅速，有望后来者居上。

4.3数字政务：政策利好加速政府智能化变革

与众多领域一样，政府也已经意识到人工智能在降本增效方面的突出成果，加速推进政府智慧化变革。中国在城镇化战略的大力推动下，已经成为全球城市化率增长最高的国家，2018年我国城市化水平达60%，城市人口约为7.3亿，预计2050年城市化率将超过80%，城市人口规模也将进一步扩大。如此大的城市人口数量将产生大量的政府事务，通过机器人流程自动化（RPA）、人工智能技术的应用，能够将行政人员从固定、重复的工作中解放，提升政务效率，专注于提升城市质量、优化居民生活环境中。人工智能赋能一切背景下，人脸识别、自然语言处理等技术应用能够增强政府服务能级，提升办公效率，为企业、居民提供便捷、快速的服务，为智能决策提供助力。数字政务的建立依靠自上而下进行推动。在构建服务型政府的目标下，2015年各地政府开始强调政府电子化，随着人工智能、大数据、云计算等新技术的商用，进一步发展为政府数字化、智慧化。预计2019年，中国数字政务市场规模将突破3,400亿元，年复合增长率达到15%。

4.4医疗：人工智能应用日趋成熟

在人口老龄化、慢性病患者群体增加、优质医疗资源紧缺、公共医疗费用攀升的社会环境下，医疗人工智能的应用为当下的医疗领域带来了新的发展方向和动力。随着人工智能技术在医疗领域的持续发展和应用落地，这个行业将极大简化当前繁琐的看病流程，并在优化医疗资源、改善医疗技术等多个方面为人类提供更好的解决方案。在国务院印发的《新一代人工智能发展规划》中，中国明确了2020年人工智能核心产业规模超过1500亿元的目标。

智慧医疗产业链

4.5无人驾驶：主导汽车产业革新

人工智能时代，与汽车相关的智能出行生态的价值正在被重新定义，出行的三大元素“人”、“车”、“路”被赋予类人的决策、行为，整个出行生态也也会发生巨大的改变。强大的计算力与海量的高价值数据是构成多维度协同出行生态的核心力量。随着人工智能技术在交通领域的应用朝着智能化、电动化和共享化的方向发展，以无人驾驶为核心的智能交通产业链将逐步形成。目前无人驾驶仍处于测试阶段，但是在未来将具有巨大市场。

国内自动驾驶企业地域分布

无人驾驶产业链

4.6零售：人工智能驱动行业走向聚合

受益于零售行业的数字化转型，人工智能已渗透到零售各个价值链环节。随着各大零售企业加入，电商巨头和科技企业加紧布局，人工智能在零售行业的应用从个别走向聚合，深度学习和计算机视觉成为支撑智慧零售的两大技术深度学习主要被应用于数据的分析与建模，以实现产业链的优化；计算机视觉技术则可应用于消费行为分析与商品识别，目前计算机视觉辅助下的货品检测、自助结算等已实现商业化。人工智能零售行业应用落地在全球高速增长。各电商巨头也借着人工智能的东风，加速线上与线下业务的整合。

4.7制造业：智能制造应用潜力巨大

人工智能与相关技术结合，可优化制造业各流程环节的效率，通过工业物联网采集各种生产资料，再借助深度学习算法处理后提供建议甚至自主优化。然而，相较于金融、商业、医疗行业，人工智能在制造业领域应用潜力被明显低估。SAP通过对中国2015~2018年最大的300项人工智能投资项目进行分析，结果显示，23.4%的投资是在商业及零售领域，18.3%在自动驾驶，而制造业相关的人工智能投入不到1%13。而制造业恰恰是人工智能应用场景最具潜力的区域。全球人工智能及相关场景在制造业应用市场在2016年约为1.2千亿美元，这个数字在2025年有望超过7.2千亿美元，复合年均增长率预计可超过25%。

智能制造产业链

结语

金准产业研究团队认为，目前AI技术已在金融、医疗、安防等多个领域实现技术落地，且应用场景也愈来愈丰富。人工智能的商业化在加速企业数字化、改善产业链结构、提高信息利用效率等方面起到了积极作用。每一次人工智能的发展都伴随着研究方法的突破，深度学习是近年机器学习技术突破的重要代表之一。随着人工人工智能研究和应用领域的不断延伸，未来人工智能将迎来更多种技术的结合应用。随着投资界和企业界对人工智能的了解逐步加深，人工智能投融资市场更加理性。人工智能投融资频次有所下降，但投资金额继续增加。特别是经过行业的一轮优胜劣汰后，底层技术创业公司以及落地性强的领域如医疗、教育、无人驾驶等创业项目继续受到人工智能领先机构的青睐。