人工智能商业化研究报告（90页）

行业报告下载 2019年07月12日 11:50 管理员

整体来看，中国人工智能产业链正在快速完善的过程中，从上游基础技术研发到中下游技术应用和用户习惯的养成，各环节合作模式逐渐成型，并呈现出精细化运营的趋势。我们根据人工智能大生态中不同企业提供的技术、产品与服务侧重点的不同，将人工智能产业链大致分为基础层、技术层和应用层三个环节。基础层：为人工智能产业提供基础的软硬件和数据支撑，包括技术平台（云平台、开源框架、开发工具等）、基础硬件（芯片、激光雷达、传感器、服务器等）、数据及相关管理技术、通信设备等。技术层：包括以计算机视觉、自然语言处理、生物识别、人机交互、机器学习、知识图谱、AR/VR等人工智能核心技术为驱动的算法和解决方案提供商及相关技术平台。技术层是目前人工智能商业化的主力，大量“AI+”方向的人工智能应用场景由技术层企业来推动落地。应用层/方案层：是从具体场景来看人工智能，既包括人工智能技术厂商主导推出的各种“AI+”的解决方案，也包括由传统行业或当前较为成熟的商业主动地引入人工智能技术来为产业赋能的“+AI”。从应用领域来看，人工智能应用层的跨度非常大，几乎渗透到各个产业的各个环节。应用层是商业化的最前沿，是现阶段最具有创新活力的环节，已呈现出百花齐放的。

基础层在近年来的资本注入比较稳定，各环节技术、产品和商业模式上均有不同程度的突破。其中，较受行业关注的有数据、芯片、云计算等通用基础产品和服务，也有5G、IoT等新一代通信和传感技术。数据方面，我们前文提到，数据是人工智能产业快速增长并进入商业化阶段的重要驱动力。在行业中，数据的价值主要表现在以下两个方面：一是，算法训练。人工智能算法的准确性依赖大量的相关数据。以人脸识别为例，需要大量的人脸图片数据结合深度学习算法，使机器能够归纳其特征、提取不同图片的细微差别，从而在新的图片数据出现时，算法能够快速做出识别和判断。二是，数据挖掘与分析。通过找到数据之间的关联关系，从海量的数据中发掘出新的信息，将这些信息用于对决策系统的支持，能够更全面地认识问题，找到更优的决策方案。无论是算法训练还是数据的挖掘与分析，数据质量无疑对其精度和实用性具有决定性的影响。其中，数据的多元性以及与实际业务的相关性是为最为重要的两个因素。与之相对应的数据采集、整合和应用能力是行业关注的重点。

业务合作方数据，一般用于对算法的个性化训练和实际经营状况的分析。业务数据是对应业务场景下运营方的重要资产之一，受政策和商业竞争的约束，目前不允许接入共享。

人工智能商业化研究报告（90页）