2020年科技创新白皮书

关键词：人工智能、SaaS、5G通信、量子计算、脑机互联

1 人工智能

1.1 人工智能行业发展概况

1.1.1人工智能战略意义分析

1.1.1.1 应用价值：AI正在积极影响着经济、社会、生活的方方面面

人工智能是社会发展和技术创新的产物，是促进人类进步的重要技术形态。人工智能发展至今，已经成为新一轮科技革命和产业变革的核心驱动力，正在对世界经济、社会进步和人民生活产生极其深刻的影响。于世界经济而言，人工智能是引领未来的战略性技术，全球主要国家及地区都把发展人工智能作为提升国家竞争力、推动国家经济增长的重大战略；于社会进步而言，人工智能技术为社会治理提供了全新的技术和思路，将人工智能运用于社会治理中，是降低治理成本、提升治理效率、减少治理干扰最直接、最有效的方式；于日常生活而言，深度学习、图像识别、语音识别等人工智能技术已经广泛应用于智能终端、智能家居、移动支付等领域，未来人工智能技术还将在教育、医疗、出行等等与人民生活息息相关的领域里发挥更为显著的作用，为普通民众提供覆盖更广、体验感更优、便利性更佳的生活服务。

1.1.1.2 应用价值：AI是产业智能化升级不可或缺的强力助推器

2019年两会上，李克强总理在回答记者问时首次提出了“智能+”概念，在人工智能连续三年出现在总理的报告后，“智能+”的概念首次被写入到政府工作报告中。随着人工智能技术的不断进步，世界已经进入新的“智能化”阶段，中国各行各业的优秀企业在经过了几年乃至十几年时间的“数字化”转型后，已经为智能化升级打下了一定基础。而企业要在新的智能化时代继续保持并提升自身的核心竞争力，就必须要在数字化的基础上，充分各个环节、要素及参与者的全方位数据，通过实现云边端一体的打通，从海量的数据中筛选有价值的部分，将人工智能的算法、算力在整个产业链条上进行灵活调用，以此提升产品质量和服务水平，解决关键痛点，创造新的价值。

1.1.1.3 商业价值：2019年AI赋能实体经济预计贡献收入超570亿元

近几年，人工智能技术在实体经济中寻找落地应用场景成为核心要义，人工智能技术与传统行业经营模式及业务流程产生实质性融合，智能经济时代的全新产业版图初步显现，预计2019年人工智能核心产业规模将突破570亿元，目前，安防和金融领域市场份额最大，工业、医疗、教育等领域具有爆发潜力。

1.1.2 人工智能产业玩家总览

1.1.2.1 人工智能相关企业总量与分布

2018年，人工智能相关公司总数达到2167家。人工智能企业可划分为基础层、技术层和应用层，基础层以AI芯片、计算机语言、算法架构等研发为主；技术层以计算机视觉、智能语音、自然语言处理等应用算法研发为主；应用层以AI技术集成与应用开发为主。根据中国新一代人工智能发展战略研究院调研数据，中国人工智能企业多集中在应用层，技术层和基础层企业占比相对较小；从技术类型分布来看，涉及机器学习、大数据、云计算和机器人技术的公司较多，整体分布相对均匀。

1.1.2.2 人工智能产业图谱

1.1.2.3 人工智能产业相关资本市场表现

2015年-2019年5月人工智能领域共发生2587件投融资事件，总融资额达4233亿元，2018年总融资额却相较上一年呈现爆发式增长，这意味着投资人对标的的选择更加理性，将主要资源聚焦于重点标的，同时也反映了资本市场对于AI领域的青睐。从获投企业分布来看，相比于相对成熟的安防和金融领域，医疗、制造和自动驾驶领域因处于早期阶段，格局尚未成形，且赛道广阔足以孕育多家独角兽企业而被资本市场重点关注。

1.1.3人工智能+实体经济渗透预期

1.1.3.1 人工智能产业成熟度

我们根据基础建设和价值空间两大维度对人工智能赋能的十大实体经济进行分析。总体而言，金融、营销、安防、客服等场景在IT基础设施、数据质量、对新技术的接受周期等AI发展基础条件方面表现较优，而在当下市场规模、行业发展增速、解决方案落地效果和政策导向等诸多因素的影响下，安防、金融、教育、客服等场景将产生较高的商业化渗透和对传统产业提升程度。其余产业中，制造场景由于基础建设复杂、数据获取难度较大，且实际智能应用仍较为边缘化，AI应用短期内渗透释放难度较大；医疗、零售、交通等场景随着AI技术与场景核心痛点匹配度上升、产品逐渐完善，未来将激发更大价值；农业因为技术基础、商业模式、购买能力等问题，目前AI的赋能作用尚不明显，有待未来探索。

1.1.3.2 人工智能产业成熟度

1.1.3.3 AI投资机遇期

尽管人工智能已经连续多年成为资本市场的宠儿，其实际市场爆发还未真正到来，投资潜力依然巨大。结合AI主要赛道发展机遇及窗口期，赛道发展瓶颈及预期解决周期，企业发展周期等因素，艾瑞认为2019年仍将消化之前的投资热点，如AI芯片、人脸识别等基础技术，2020年之后资本可加速布局生产制造与公共服务领域，以共享相关产业+AI的发展红利。

1.1.4 全球科技巨头AI布局

1.1.4.1 百度AI全面赋能，加速推进产业智能化

2016年，百度将人工智能业务提升为公司发展战略目标。在“夯实移动基础，决胜AI时代”的战略指导下，百度AI生态不断完善，AI产品化、商业化持续加速。百度大脑是百度技术多年积累和业务实践的集大成，为百度所有业务提供AI能力和底层支撑，并赋能产业和开发者。得益于AI驱动，百度移动形成了“一超多强”的产品矩阵，并构建起以“百家号”和“小程序”为核心的移动生态。作为AI生态的重要组成，百度已拥有Apollo自动驾驶开放平台和小度助手（DuerOS）对话式人工智能操作系统两大开放生态。目前，百度已获得超过50张智能网联汽车道路测试牌照，在国内遥遥领先。小度助手继续在中国保持领先地位，2019年第一季度小度智能音箱出货量位居国内市场第一，全球第三。同时百度智能云基于ABC（AI、Big Data、Cloud Computing）三位一体发展战略，也取得了突破性进展。

1.1.4.2 阿里聚焦产业AI，定位技术底座

阿里提出AI for Industries，将自身AI技术能力整合到阿里云旗下ET当中，同时结合对各个产业的理解，将ET从单点的技能升级为具备全局智能的ET大脑，在工业、金融、零售、交通等各领域都积累了大量落地案例；另一方面，阿里系投资了众多AI领域明星企业，包括商汤科技、旷视科技、依图科技、寒武纪等。基于电商业务积累的商业化场景和云计算底层基础设施，阿里拥有算力资源、对应用数据的价值挖掘能力及聚合生态优势，阿里云将承担技术底座的角色，以被生态伙伴集成的方式打造细分行业解决方案，借助ET大脑提供的智能化能力，更好地服务客户。

1.1.4.3 腾讯着眼于消费级AI多维应用场景与产业级AI技术使能

腾讯以“联接”为主题，将AI能力投射到消费级互联网和产业互联网。在消费端，游戏AI通过数据挖掘算法和机器学习算法了解玩家在游戏里的行为特征，进一步优化游戏体验，内容AI为QQ音乐等用户推送千人千面的音乐推荐；在产业端，通过腾讯云、腾讯优图、腾讯觅影等主体，发力AI医疗、AI安防、AI教育、智慧政务、智能零售、智慧校园等场景。总体而言，长于“联接”，基于科技创新，在互联网与产业互联网的发展与融合过程中，腾讯将提供多维智慧应用，同时也作为智慧基础设施方，开放技术中台，协同多方合作伙伴，共建创新生态。

1.1.4.4 谷歌、FB、微软等关注基础能力，基于自身基因发展应用

海外科技巨头对AI高度重视，谷歌更是提出AI First战略。梳理海外科技巨头AI发展脉络，可以看出其更关注在算力和底层AI引擎上打造竞争壁垒和对外开放能力，谷歌和Facebook相继推出AI芯片TPU和Kings Canyon等，同时多次开源并升级机器学习框架、推出深度学习网络和AI工具。在应用层面，科技巨头更多是利用AI赋能自身业务，如谷歌向安卓推出谷歌助手，Facebook利用AI实现用户画像以进行精准营销，微软利用AI强化office产品和Azure云服务等。

1.2 人工智能产业链分析

1.2.1 泛安防产业

1.2.1.1 涵盖G端、B端、C端安防需求，由被动监控向主动识别过渡

广义AI安防涉及领域众多，从客户类型看，可划分为公共安全安防、其他政府安防、行业安防、消费者安防等。AI安防行业具有强政策导向性，政府发布的公安大数据、雪亮工程、智慧监狱、明厨亮灶、建筑工人实名制电子打卡等相关政策极大地推动了行业繁荣。人工智能改变了安防过去人工取证、被动监控的业务形态：AI视频分析技术对监控信息进行实时分析，使人力查阅监控和锁定嫌疑人轨迹的时间由数十天缩短到分秒，极大提升了公共安全治理的效率；人证核验技术识别速度快、准确率高，节省了人力成本；智能访客识别与车辆识别为园区、文教卫业务办理提升效率，为安全管理保驾护航。AI在安防领域的应用体现出深入场景、定制化服务的特点，未来将进一步实现数据跨网融合、提升认知计算能力。

1.2.1.2 产业链上下游关系并非泾渭分明，角色界限比较模糊

本报告主要关注G端安防与B端安防。AI+安防产业链与传统安防差异最大的地方在于，上下游关系并非泾渭分明，安防厂商、AI公司、云服务厂商都可通过集成商渠道或直客模式向客户提供产品与服务，部分集成商也可直接提供部分硬件产品和软件技术，各角色相互之间存在合作加潜在竞争的关系，生态比较开放。产业链内核心玩家类别包括上游的芯片公司、AI公司、中游的安防厂商、云服务厂商，下游的安防集成商（含具备系统集成资质的项目集成商类与具备安防工程资质的工程建设服务商类）等。

1.2.1.3 2022年G端与B端市场规模有望突破700亿元

2016年是AI+安防商业化元年，2018年，我国AI+安防软硬件市场规模达到135亿元，部分头部安防厂商AI业务在总营收中占比从大约4%提升至超过8%，部分典型AI公司安防业务则占接近一半的营业收入。2018年城市公共安防中AI渗透率达到2.6%。预计2019年市场仍将保持高增速，到十三五收官之年2020年增速开始稳定，届时市场规模可达到453亿元（城市公共安防AI渗透率达到11%），2022年市场规模有望突破700亿元（城市公共安防AI渗透率达到25%），从2017年到2022年CAGR达到78.3%。

1.2.1.4 视频监控占比近90%，中心侧份额最大

2018年AI+安防软硬件市场约135.3亿元的产值中，视频监控占据绝大部分，份额近90%，成为AI+安防的主赛道。其中，端侧市场规模超过38亿元，占28.3%，中心侧市场规模超过74亿元，占54.8%。而在AI+安防的核心战场公共安全领域，总市场规模约93.1亿元，其中端侧市场规模约13.8亿元，占14.8%，中心侧市场规模约66.5亿元，占71.4%，边缘侧渗透有限，占比较小，约3.8%。出入口控制的主要产品如人脸识别闸机、门禁等，门槛相对较低，与监控人脸识别具备相通之处，因此绝大部分安防产品与解决方案提供商均涉足这部分业务，其市场相对较大。

1.2.1.5 主要玩家：类型众多，理念各异

1.2.2 传统金融产业

1.2.2.1 AI+金融应用场景概览

1.2.2.2 打破经验导向惯性，AI助推高精准、低成本风控成为现实

金融行业数字化建设较早，以银行业最具代表性，沉淀了大量金融交易、客户信息等数据，并且能积极接受新兴技术，有较高的市场认知环境，比较适宜AI算法模型训练和应用。传统银行业务在处理数据方面比较依赖专家经验，系统应用的算法对人工数据标注有较高要求，在高并发事件中难以保障用户体验和准确性，对于一些标签以外，较为隐晦的欺诈行为没有拦截能力，而应用深度学习的算法可以根据因果数据自行训练出适合的模型，在海量实时交易过程中能做到高覆盖、少拦截、高准确率的风险把控。据某股份制银行实际应用情况，AI风控系统可以在1万笔交易中，仅拦截80-120笔就能达到整体80%欺诈拦截的准确率，而传统应用则需要拦截上千笔交易才能达到，大幅降低成本的情况下提高了银行业务的执行效率。

1.2.2.3 传统金融机构、互金公司和AI公司是主要参与者，中小型金融机构表现活跃

传统金融机构拥有广泛的客户基础和海量高可信度的数据积累，拥有完整的线下布局，对AI应用有核心需求，是市场中主要的需求方；互联网金融公司承载人口红利，拥有大量的C端客户和流量数据，在产品设计和渠道运营方面具有优势，是技术的需求方，也是提供者；AI公司在终端客户和数据积累方面不足，但在特定方向上具有较强的创新性和研发能力，是主要的技术提供者。传统金融机构主要通过成立子公司自研技术、对外投资并购和采购合作三种方式进行AI布局，目前以采购合作为主，需求更倾向于金融零售中的风控反欺诈和精准营销，国有银行等大型机构对于AI产品采购的态度更显谨慎，为保证数据安全可控，往往要求合作公司开放代码，由双方共同开发，在筛选合作对象时更看中AI公司的合作案例和研发能力，而中小型机构相对灵活，是市场中的活跃者；互联网金融公司面临着新一轮转型，在牌照监管压力下，互金公司将加大与银行的合作，由业务输出向技术输出拓展；AI公司在金融方面以智能风控产品为主，主要存在技术集中型和数据集中型两类，前者在算法模型训练方面有优势，后者在黑名单数据积累方面有优势，AI公司与大型机构合作后摸索出的解决办法对中小型机构更有应用价值。

1.2.2.4 2022年传统金融AI投入约580亿元，银行业务仍是核心场景

据艾瑞统计，2018年中国传统金融机构科技投入约为1604.3亿元，较2017年增长10%，其中包括硬件和软件的AI相关投入约占10.4%，为166.8亿元，较2017年增速为42.9% 。保守估计，到2022年中国传统金融机构科技投入将突破3700亿元，AI相关投入占比将达到15.6%，超580亿元。银行业是AI相关应用的主要投入方，占比70%，大部分通过外部采购方式获取AI服务，其中对基础设施层投入占60%，在AI应用层投入占40%，约39亿元，硬件部分（以AI摄像头和人证比对机为主）占三分之一，软件部分（以精准营销和智能风控平台为主）占三分之二。

1.2.3 客服产业

1.2.3.1 AI应用将节省10%的运营成本，标准化数据累计将带来新的机遇

中国客服行业经历了三个发展阶段：传统呼叫中心、在线客服+客服软件、云客服+智能客服机器人。受益于信息技术与企业信息化应用的集成，客服系统跳出单一的电话沟通，出现了在线客服等多种客服渠道。AI和云计算等技术的发展将客服行业带入了智能化时代，SaaS服务将传统呼叫中心业务线上化，降低了企业搭建客服中心的成本，数据的打通也将应用场景延伸到了营销等多个环节；以NLP技术为代表的客服机器人通过人机协同的方式，提高了工作效率，一定程度上降低了人工客服的培训成本，甚至在线上客服流程性问题解答方面，能够实现部分取代人工的效果，AI技术的应用能节省整体客服运营中10%的成本。另外，通过对语音等非标准化数据的识别，企业能沉淀下一手数据资源，为后续精准营销、产品升级等环节做好铺垫。

1.2.3.2 云服务和AI公司撬动传统客服市场，行业整体向智能化发展