产业研究报告

今年4月，建设银行的“无人银行”在上海开业。它采用带有人脸识别功能的智能摄像头和闸机取代了安保人员，用迎宾机器人取代了原本的大堂经理，用智能柜员机取代了银行柜员，客户在进入银行之后，由机器人引导通过自助或远程的方式完成业务办理。“无人银行”引起了人们的无限遐想，未来的银行业会发展成什么样子？《Bank3.0》作者Brett King曾预言，“未来的银行将不再是一个地方，而是一种行为”。在经历了以物理网点、网络银行为主导的两代后，银行将变为：随时随地，无处不在的金融。Banking Anywhere，Banking Anytime！将“人”置于银行服务的中心位置，让传统的银行服务彻底摆脱物理网点和机具的限制，实现人们所到之处、所需之时、实时拥有便捷的金融服务。在今天，这样的畅想并不是空穴来风，伴随着科技的进步和互联网金融的冲击，银行业的智能化变革正如火如荼地展开，智慧银行时代，悄然来临。什么是智慧银行？智慧银行有哪些特征？智慧银行是传统银行、网络银行的高级阶段，是银行在当前智能化趋势的背景下，以客户为中心，重新审视银行和客户的实际需求，并利用人工智能、大数据等新兴技术实现银行服务方式与业务模式的再造和升级。智慧银行相对传统银行具有两个显著的特点：一是智能化的感知和度量。与以往直接的询问或根据历史服务数据做简单分析的方式不同，智慧银行通过一系列的智能化设备，在用户毫无察觉的情况下感知用户需求、情绪、倾向偏好等，从而为进一步的营销和服务提供支持。二是资源和信息的全面互联互通。智能化的感知和度量改变了银行采集信息的方式，将以往无法量化的信息按照某种规则进行量化分析，从而为资源的配置和优化提供决策依据。如，通过对银行网点的排队情况、业务类型、业务量的监控分析，可辅助银行完成网点布局的优化；通过对用户位置、需求信息以及网点实时服务情况的获取，可帮助用户选择最优的网点等。线上与线下的结合与不同渠道的信息互联使资源的配置更加合理和高效。有哪些因素驱动了银行的智慧化变革？技术、数据、场景和市场是主要的驱动力。技术方面，随着人工智能等技术的逐渐成熟，其商业应用场景逐渐受到行业的重视，银行业因数据量大，应用场景众多而成为各项技术争相落地的沃土；数据方面，金融业大量的数据沉淀对数据处理工作提出了更高的要求，也为大数据、人工智能等技术的应用提供了数据基础；场景方面，银行业务场景多样且呈精细化运营的趋势，针对各个环节的服务创新有助于提升效率，优化服务；市场方面，互联网金融的发展给银行业务带来不小的冲击，使传统银行在面临同业竞争的同时，还不得不应对新经济形态带来的用户习惯的改变和用户对服务质量要求的提高。激烈的市场竞争环境促使银行以客户为中心，重新审视用户需求，利用新技术手段优化业务流程，从而提升银行业的运营效率和服务水平。我国智慧银行的发展现状传统线下网点运营的成本压力使得银行一方面大量裁撤网点，另一方面也积极地投入智能化变革。当前，智慧银行呈现出线上线下结合、前后台协同的业态。其典型应用场景包括：用户识别、刷脸支付、智慧网点、智能客服和智能风控等。从产业链的角度来看，布局智慧银行领域的技术公司种类多样，其中，以生物识别、计算机视觉、自然语言处理、大数据等技术公司较为普遍，在应用上，生物识别和智能风控相对成熟。智慧银行的发展趋势回顾过去几年，网络银行、数字银行、虚拟银行、智慧银行等说法不断更新人们对银行的认知。这些被赋予了时代特色的名词，虽然在概念的界定上并不完全清晰，但它足以表明银行业追随技术发展与时俱进的步伐。在当前这个智能、高效、万物互联的时代背景下，银行业的发展也呈现智能、高效和便捷的特征，其网点建设则表现出明显的智能化、轻型化、特色化和社区化的趋势。注：本报告PDF版本可点击链接下载关于36氪研究院36 氪研究院是 36 氪子品牌，专注于一级市场的行业研究，通过定性定量结合的方式研究新兴行业与企业，欢迎大家积极与我们交流讨论。分析师：杜玉(yu100，yu@36kr.com)，关注人工智能、金融科技领域。

随着5G的发展和深入，边缘计算作为区别于企业内网和互联网的新业务入口，我们也将对其发展持续保持关注。本文转载自公众号“边缘计算中文社区”，36氪经授权发布。引言2020年，边缘计算随着5G、IOT、AI等相关技术演进越来引人瞩目，关于边缘计算的讨论也越来越多，但是涉及边缘计算的定义、边缘市场的规模、边缘技术的成熟度和边缘玩家的分布的系统性介绍却比较少，本文希望通过多角度分析，从边缘计算的定义、市场预测、技术架构和玩家分类等不同维度，对边缘计算进行系统性的盘点。文章分为三个章节，分别是“边缘定义的真与假”、“边缘技术的重与轻”、“边缘市场的大与小”，从定义、技术、市场三个角度盘点边缘计算现状和未来。第一章“边缘定义的真与假” 主要从边缘计算的概念提出、完善和演进出发，分析不同机构对边缘计算的定义阐述，并总结出边缘计算的定义。第二章 “边缘技术的重与轻”主要从边缘计算的实现出发，根据WAN和PAN网络的不同，对于“重边缘”和“轻边缘”进行分解，同时根据不同边缘垂直行业的技术成熟度，对于技术所处阶段进行了剖析。第三章 “边缘市场的大与小”，分析相关的国际预测数据，并针对一直缺少的中国市场规模，根据相关模型进行了一定程度的预测和展望，进而分析了华为、阿里巴巴、九州云、航天云网、海康威视、亮风台等在不同领域的典型的玩家。一、边缘计算的真与假关于边缘计算的定义现在基本上已经形成一定的共识，但是它的提出和演进却是逐步完善的，通过边缘计算定义的演进过程的回顾，可以了解在后一章节提到关于重边缘和轻边缘分类是如何形成的。1.1 Wikipedia的定义Wikipedia 关于边缘计算的网页上，关于边缘计算的提出是在2014年，高通工程总裁（Qualcomm VP of engineering）Karim Arabi 在IEEE DAC 2014 Keynote[2]中，以及2015年的MIT的MTL Seminar的受邀演讲中，宽泛的定义边缘计算为云之外的在网络的边缘侧的所有计算，更具体的定义是云之外的需要实时数据处理的应用程序。在他的定义中，云计算用来处理海量数据（Big Data）的计算，而边缘计算用来处理实时计算（Instant Data ）。Karim Arabi本身的背景还是从IOE（Internet Of Everything）的角度提出了这个概念，对于边缘的计算只是从使用者的视觉进行了初步提出了构想，因此在DAC的演讲中，他只是提到了相对于云（Cloud）的边缘（Edge）场景，演讲中更多时候还是通过Mobile Computing这个词来形容这种计算模式。图表 1 Karim Arabi 在IEEE DAC 2014 Keynote 提出Edge概念Wikipedia对于边缘计算的定义是“一种针对请求交付低延时相应的计算模式”。1.2 ETSI的定义2015年8月，ETSI第一次提出了MEC的验证框架（Proof of Concept Framework）[3]，经过近5年的演进，相关标准体系也逐渐清晰。ETSI定义MEC意义在于将边缘计算从IOE的视角扩展到ICT的视角。ETSI MEC ISG标准委员会的董事Alex Reznik给了一个宽泛的定义：“任何不是传统数据中心的都可以成为某个人的边缘节点。” ETSI MEC定义[4]是“为应用开发者和内容提供商提供在（运营商）的网络边缘侧的云计算能力和IT服务，这一环境的特点是极低的延时和极大的带宽，支持针对应用侧无线网络的实时访问。”图表 2 2015年8月，ETSI提出了MEC 的验证框架（Proof of Concept Framework）1.3 Gartner的定义边缘计算作为一个独立技术数据第一次出现在Gartner报告中是在2016年，当年8月份发布的“数据中心能源和制冷技术曲线（Hype Cycle for Data Center Power and Cooling Technologies）”[5] ，第一次将Edge Computing作为“On The Rise”的技术放入到了曲线图里。2017年3月，Gartner的提升了对Edge Computing这一领域的重视，Gartner VP Thomas J. Bittman发表博客，认为“边缘将吃掉云”[6]。在2018年，“从云到边缘”是被列为十大战略性科技发展趋势之一。2019年，边缘计算再一次登上Gartner的趋势榜单。图表 3 2017年，Gartner VP Thomas J. Bittman发表博客，认为边缘将吃掉云从过去的报告中可以看到，Gartner对于边缘计算的重视也是逐步形成，对于概念的理解也在逐步完善，Gartner Glossary对边缘计算的定义[7]是“边缘计算是一种分布式的计算技术，在靠近人和物信息产生和消费的（物理和网络）位置，提供信息处理的计算能力”。1.4 Forrester的定义Forrester关于边缘计算的最早分析是在2016年6月的报告《Mobile Edge Computing Will Be Critical For Internet-Of-Things Success》[8]中。2018年针对边缘计算发表了《 Get Ready For Edge Computing’s Rise In 2019》，2019年发表了 《Make Edge Computing A Key Investment for 2020》[9]。Forrester对边缘的定义包含了对WAN和PAN的理解，它对边缘计算的定义是“边缘计算和IOT是一种将泛在连接扩展到物理世界的革命性技术”。1.5 边缘计算定义和分类总结我们针对以上不同来源的边缘计算定义，各家对边缘计算的定义虽然有所差异，但基本强调新边缘管道和分布式部署方式产生的对业务形态的重塑。在这里我们对边缘计算的要素进行总结，主要的重点包括以下三点：边缘计算必须包含终端触点（Endpoint）的方式，实现物理世界到数字世界的双向翻译（数据／事件／控制信令），并通过网络管道实现一定规模的终端和空间的覆盖，实现人物交互／物物交互，单一具备计算能力的终端（如具备自处理能力的摄像头）如果未通过网络管道接入一个更广泛的数字世界，不适合归入边缘计算范畴；边缘计算的数字计算能力，可以分为轻边缘（远边缘）和重边缘（近边缘）；边缘计算的网络管道能力，可以分为WAN（5G/LTE/WiFi6等）和PAN（Zigbee/LoRa/Bluetooth等）；二、边缘技术的轻与重2.1 边缘计算不同技术所处阶段分析一般技术发展分为四个阶段：技术萌芽期的探索孵化、技术膨胀期的百花齐放、技术收敛期的分久必合、技术成熟期的价值回归。我们不能把边缘计算当成一种技术，而是一系列组合支撑的业务新模式。在不同的发展阶段，其技术多样性、成熟度和市场价值合理性各有不同。边缘计算体系中分为平台类技术和应用类技术，其所处的发展阶段如下图所示。2.2 5G MEC重边缘和IoT轻边缘技术比较基于5G的MEC边缘和基于IoT设备的边缘一体机是两种比较常见的边缘形态，以5G为代表的WAN管道的边缘计算，相对以LoRa、NB-IOT、Zigbee、Wifi6等PAN管道，在大带宽、控制/内容传输兼具、室外（Outdoor）空间扩展性、移动性、SLA保障和计算延展性上具备更大优势。WAN管道和PAN管道的不同，形成了重边缘和轻边缘两种形态。区分重边缘和轻边缘两种形态的另外一个因素是放置位置，重边缘一般和5G结合，部署在基站后面，而轻边缘一般部署在基站前面，下沉物联网设备或者工业产线现场。总的来说，重边缘对5G管道等刚硬要求比较高，建设成本更大，但是带来更好的空间延展性、计算能力和网络带宽。2.3 5G MEC重边缘和IoT轻边缘发展前景和轻边缘比较，5GMEC重边缘计算在大带宽和低延时并存的场景中具备更广阔的前景，比如制造、港口、文娱和园区类场景，5GMEC重边缘能够提供更好的数据上下行所需的带宽能力、数据处理所需的计算能力、指令控制所需的低延时和安全所需的数据私密性。比如在工业领域的IoT边缘应用场景，可以分为大规模IOT（MassiveIoT，如水管探测传感器）、大带宽IoT（BroadbandIoT,如视频直播），关键应用IOT（CriticalIoT,如对可靠性要求比较高的工业视觉检测）和工业自动化IOT（InstrialAutomationIoT,如对工业流水线的反向控制）。爱立信相关分析报告[10]也指出，5G边缘计算在关键应用IOT和工业自动化IOT上具备更大优势。三、边缘市场的真与假3.1 边缘计算产业链分布我们基于以上边缘计算的分析，接下来总结下边缘计算产业分布，在边缘计算领域中的玩家，总的来说可以将边缘计算的产业分为以下几个维度：3.2 国际市场预测关于市场增速的预测，不同的机构针对边缘计算的产业发展都从不同角度做了相应的分析，Gartner的研究[11]报告中预测到2025年，在“传统的”集中式数据中心或云存储以外处理的企业生成的数据的比例将从2018年的10％跃升至75％。Forrester也认为[9]“边缘云服务市场未来成长速度将达到50%以上”。其他机构诸如IDC、GrandViewresearch等机构，也对边缘市场做了一定的预测。不同机构的预测数据汇总见下表：MarketResearchFuture[12]的市场调查认为全球边缘市场到2024年将达到224亿美元的规模，年增长速度为28.4%。另一市场调查机构MarketsandMarkets[13]对边缘市场的预测为157亿美元，年增长速度为34%。同时他们对边缘市场的分布做了一定的分析，认为北美、欧洲和亚洲市场将占据大部分市场份额。一些咨询机构，比如毕马威、麦肯锡和德勤对边缘计算的市场的行业分布、硬件规模和边缘AI市场也做了相应的分析。2020年毕马威与IDC的分析估计，在2023年，五个主要行业在连接性、软件、硬件和服务领域的合并市场总值将 超过5000亿美元。预计这五个行业将在未来数年取得显著增长，部分得益于5G和边缘计算结合带来的大大提升的连接性。3.3 中国市场预测3.3.1 总体预测针对中国市场，我们将根据边缘计算和分类市场规模预测如下，后面将分章节陈述不同领域的规模预测逻辑。3.3.2 终端触点/终端中国市场规模预测根据相关机构预测[14]，“预测2019年我国传感器市场规模将达1660亿元左右。2021年我国传感器市场规模突破2000亿元，并预测在2023年我国传感器市场规模增长至2580亿元左右，2019-2023年均复合增长率约为11.65%。”估计到2025年，国内传感器市场将达到4000亿元的规模。根据2019年的中国传感器公司营收分析[15]，整体传感器领域公司营收已经达到2500亿左右规模），主要集中在综合安防（如海康威视、大华股份）、声光传感（如歌尔声学）、军用设备（如航天电子）等领域。3.3.3 轻边缘/远边缘/IoT边缘中国市场规模预测工业一体机、IoT网关等轻边缘部署位置一般在基站的前面，主要提供比较丰富的工业IO接口，通过工业协议方式连接到工业设备，通过容器平台，承载一定能力工业内置软件实现对设备的单向和双向控制。代表产品如航天云网的INDICSEdge工业一体机、研华IPC紧凑型工业边缘计算机和Stratus的ztCEdge系列等。工业一体机由于受其设备限制，一般主要集中在设备信息采集以及相关控制能力上，对于AI、视频处理等能力存在一定局限性。比如研华推出的IPC-220/240紧凑型工业边缘计算机配置一般为INTELi3/i5/i7或者国产海光的CPU处理器、32G内存和数TB硬盘。在AI、视频等能力扩展上有一定限制。工业一体机的售价一般在1~2万左右，工业一体机的市场规模2019年在10万台左右，按照30%的年增长率估计，到2025年，市场规模在50亿人民币左右。3.3.4 重边缘/近边缘/5G MEC边缘中国市场规模预测重边缘的市场规模估计，可以通过从运营商侧边缘计算数据中心的数量进行推算。中国联通在国内5G MEC的建设处于领导地位，按着中国联通的相关规划[17]，预计到整个联通适合边缘的区域DC将有70~80个，本地DC将有600~700个，边缘DC将有6000~7000个，接入局房将会更多，预计达6万~7万个。假设2025年前国内三大运营商完成2万个机房的部署，相关边缘计算的机房规模将达到6万个（2万/运营商）左右，按照每个边缘机房建设投入300万计算，未来5年总体市场规模将达到1800 亿人民币，到2025年达到600亿人民币。3.3.5 边缘行业软件和服务中国市场规模预测边缘计算可以服务机场、国防、营销、气象、航运、保险、农业、家庭消费、健康、能源、公共服务、零售等多个行业的需求和创新。不同行业的特定场景都有边缘计算的诉求。在软件和服务上，可以通过行业市场进行估算按照KPMG的估算，“ 全球到2023年，随着5G和边缘计算的更广泛应用，这五个目标行业将在涵盖连接性、 硬件、软件和服务的整个生态体系中创造超过5000亿美元的年收入”，年复合增长率为8%~10%，其中软件部分部分根据不同行业，占比约为11%~48%。亚洲边缘计算市场大概占到全球市场的28%左右[12]，假设中国边缘市场占全球市场10%的规，按照KPMG的应用和服务市场规模，2023年中国软件和服务市场，估计达到200亿美元（1300亿人民币）和140亿美元（900亿人民币），按照30%的边缘市场增速，到2025年，软件和服务将达到330亿美元（2200亿人民币）和230亿美元（1500亿人民币）。中国边缘和软件和服务市场增长速度和规模如下图所示：3.4 国内典型边缘供应商分析根据本文第三章重对边缘计算产业链中的分类，我们选取了国内各个领域七个典型的厂商，对其业务形态、产品模式和战略思路进行了梳理和分析。3.4.1 5G核心网提供商 - 华为华为边缘计算解决方案的思路，一条展现是通过5G核心网优势，将能力延伸到UPF进而突破MEC领域，另外一条路线是通过IoT网关等IT硬件方案，双管齐下实现对重边缘和轻边缘市场的覆盖。华为在边缘计算中华为是全方位的玩家，其相关产品即包括重边缘领域，也包括轻边缘领域。重边缘主要集中在覆盖5G核心网、5G基站、5G UPF边缘网元、MEC边缘MEP/MEPM 等符合ETSI规范的MEC产品。轻边缘领域则推出了华为AR502H等物联网关，提供SDK实现计算、存储、网络资源灵活调用。华为同时还在边缘开源计算上持续发力，轻边缘领域则通过KubeEdge开源方式，基于容器化技术推动轻边缘底座的能力。重边缘领域，则和中国移动、中国联通、腾讯、九州云等公司一起发布了首个MEC边缘计算开源项目EdgeGallery，希望通过开源方式，构建边缘计算的开放应用生态。3.4.2 运营商5G MEC转型领导者 – 中国联通中国联通在国内三大运营商重，属于在5G MEC领域布局较为完善、体系最为成熟的运营商，也是国内首家全国商用上线的边缘云平台。截止2020年12月，中国联通已在全国开展300多个MEC商用工程，在“智能制造”、“智慧医疗”、“智慧交通”、“智慧园区”等领域开拓了中国商飞、三一重工、中国一汽、宝武钢、天津港、新疆电网、中日友好医院、文远知行、上海张江人工智能岛等多个商用项目，同时也和腾讯、阿里、百度、虎牙、抖音等推进的MEC试商用基地。中国联通的MEC边缘云的架构建设分为5大模块，分别是支持边缘云资源分发的部署平台、支持边缘云业务生命周期管理的业务管理平台、支持运营和响应的业务运营平台、支持生态合作伙伴的应用开发者平台和边缘安全保障体系。作为5G MEC入口掌控着的运营商，边缘计算领域作为转变“哑管道”的转型关键，中国联通如何实现CT服务到ICT融合服务能力的转型，是其面临的最大挑战。3.4.3 公有云的边缘能力下沉实践者 - 阿里云作为国内公有云的领导者，随着AWS等国际公有云玩家也推出了Wavelength、Snowball等边缘计算相关产品，阿里云也推出了两种形态的边缘产品，重边缘技术（Edge Node Service，ENS）和轻边缘技术OpenYurt。ENS基于CDN的布局进行建设，也规划基于运营商边缘节点和网络构建。而OpenYurt是基于Kubernetes 实现的开源IoT设备轻边缘底座，能够和阿里云实现轻边缘的应用下沉。阿里边缘计算的思路，主要还是依赖公有云增强未来边缘计算场景和中心公有云的紧耦合，通过生态实现公有云在边缘云的延申。3.4.4 中立的重边缘MEC技术创新者 - 九州云九州云作为国内依托开源技术崛起的技术型厂商，在OpenStack 和Kubernetes 等开源云计算平台积累，近两年在5G边缘计算领域的持续发力，在MEC解决方案、边缘行业方案等领域，取得了一定的成绩，也成为中国联通、中国移动和中国电信在边缘领域的技术合作伙伴。九州云的优势是其技术积累和中立性，在OpenStack社区、EdgeGallery社区、StarlingX等开源社区商，九州云拥有董事席位和技术委员会席位。九州云由于本身在硬件和5G核心网领域，因此在MEC解决方案的中立性和解耦性上对用户更加友好。九州云边缘计算管理平台是基于5G网络和边缘计算的能力，构建在移动网络边缘基础设施之上的云平台，组成部分包括：Edge IaaS（边缘计算IaaS方案）、Edge CaaS（边缘计算CaaS方案）、Edge MEP （边缘计算平台）的能力。具备从中心运维管理功能，硬件加速管理功能，边缘节点配置、基础设施服务(Iaas)能力，虚拟化环境远程自动部署能力、容器编排能力，中心与边缘混合编排能力、应用服务统一管理能力，创建多种应用程序环境等能力。九州云也同时在智能场馆、边缘游戏、智慧交通等领域积累了响应的边缘应用能力和服务。3.4.5 轻边缘技术厂商 - 航天云网航天云网主要是涉及工业互联网行业厂商，因此其相关产品主要服务于工业领域，构建了基于INDICS+CMSS工业互联网公共服务平台。航天云网的INDICS Edge工业一体机通过软硬结合的边缘智能一体机成为工业互联网平台下沉到工业现场的新趋势，从而出现利用边缘计算技术实现工业APP精准赋能的新模式。航天云网的优势是其在工业领域的行业能力积累，通过轻边缘工业一体机的方式将工业数据采集、数据解析、协议转换等能力下沉。如何将轻边缘和5G重边缘等技术整合，对轻边缘厂商来说是个机会也是个挑战。3.4.6 边缘视觉传感器领导者- 海康威视海康威视作为国内智能安防领域的领导者，早在2016年就推出了基于深度学习的一系列智能安防产品。海康威视的技术主要结合摄像头本身具备的终端AI能力以及相应的计算后台，实现人脸抓拍、人脸比对、车辆结构化、客流统计、违章检测等智能监控能力。随着5G建设的逐步完善和终端模组的成本降低，海康威视如果未来通过5G方式，和MEC重边缘技术结合，将能够实现更多和AI结合的业务形态和商业模式。3.4.7 垂直行业VR解决方案典型厂商 – 亮风台亮风台成立于2012年，是一家增强现实产品与服务提供商，产品主要包括AR云、AR通讯、AR终端组成的“云管端”一体化AR平台。AR能力作为边缘计算的一个典型能力，在智能制造、体防控、远程诊疗、远程诊疗等领域有着比较良好的应用前景。比如在工业领域通过使用AR 眼镜对设备进行智能巡检、点检，自动记录设备状态，提前预防及时维护，通过IoT传感器反馈的实时数据，在巡检过程中为工程人员提供数据支撑，第一视角同步现场情况，远程协作辅助，提高巡检效率与质量。四、总结我们通过针对边缘计算定义、技术、市场三个角度，对边缘计算的技术定位、产业现状和未来趋势进行了初步的盘点，随着5G的发展和深入，边缘计算作为区别于企业内网和互联网的新业务入口，我们也将对其发展持续保持关注。

智能硬件终端发展历程久、变革速度快每个时代都有属于自己的“智能时代”，17-19世纪中到19世纪末，“蒸汽时代”的到来，改变了工业和交通方式，推动人类产业的变革，19世纪末和20世纪初是“电气时代”，发电机和内燃机的诞生成为动力新能源，解决了交通工具的发动机问题，20世纪四五十年代开始是“信息时代”，以知识经济为代表的新型经济成为各国综合国力竞争成败的关键。电子计算迅速发展和广泛应用，21世纪以来全球进入“智能时代”，以人工智能、5G 通信、光电芯片、大数据等为代表的智能化技术趋向成熟，人工智能将进一步解放人类的双手甚至大脑。“智能时代”的特征就是世界是个物物相连的互联网，智能硬件终端等同于应用在各个场景中的智能机器人，智能机器人的脑、眼、耳、口、手、腿分别对应相应的技术支撑，且智能硬件终端的发展正在逐渐打破产品边界，由内而外形成功能融合、数据融合、生态融合。智能硬件终端领域正处于高速发展的时期2019年我国智能硬件终端行业进入高速发展阶段，以小米、华为为代表的行业大厂凭借自身软件开发能力、用户基数以及完善的产业链多重优势，其各自运营的生态大局已初具规模，以小米MIUI系统和华为手机为控制核心的智能硬件终端产品线规模扩展迅速。初创型的智能硬件终端企业逐渐壮大，资本市场出现一些新的上市公司，像科大讯飞、京东方、智米科技、华米科技等，这些企业既包含了技术研发又有丰富的智能硬件终端产品体系，还有部分企业背靠互联网基因的母公司，培养了良好的用户生态，比如猎户星空、小米生态链企业。当下，智能硬件终端企业的商业模式相对比较明晰，盈利途径相对多元，企业发展进入相对稳定的时期。从投资角度来看，现阶段及未来十年都属于相对安全阶段。智能硬件终端的市场规模上万亿智能硬件终端的领域包含的范围甚广，现阶段智能家居设备、智能机器人、智能车载设备、智能医疗设备、智能可穿戴设备、智能大屏设备、智能安防设备等细分场景领域都有较好的落地和应用，每个领域的产品品类都很丰富。有数据显示，“万物智能”时代的物联网将拥有10万亿美元的市场空间，按照硬件占比20%-30%来计算，智能硬件设备的潜在市场空间约2~3万亿美元。本篇报告主要研究的内容有：智能硬件终端领域的发展演进过程智能硬件终端领域的发展驱动力智能硬件终端领域的市场规模及投融资情况智能硬件终端领域的产业链分析智能硬件终端领域的细分领域分析概述智能硬件终端领域的未来发展趋势及风险痛点以下为《物联网“向死而生”，智能硬件“以梦为马”》36氪智能硬件终端行业研究报告全文。点击报告下载全文，提取码：2u33关于36氪研究院36 氪研究院是 36 氪子品牌，专注于一级市场的行业研究，通过定性定量结合的方式研究新兴行业与企业，欢迎大家积极与我们交流讨论。分析师： 李晓晓 lixiaoxiao@36kr.com Wechat:15011504594 ； 关注泛人工智能、文娱消费领域

8日，2018中国国际石墨烯创新大会新闻发布会在西安召开，由中国石墨烯产业技术创新战略联盟产业研究中心编写的《全球石墨烯产业研究报告(2018)》正式发布。《报告》显示，近年来石墨烯产业发展势头迅猛，中国石墨烯产业应用领跑国际，应用市场遍地开花，产业格局初具雏形，石墨烯技术逐步“走近生活”。国家层面的政策引导、系统规划明显加速，产学研合作贯通产业链条，品牌竞争格局即将形成。据统计，截至2017年12月底，我国从事石墨烯的研发、生产、销售、推广等相关单位的数量达到4800多家，石墨烯产业的市场规模增长至70亿元，石墨烯产业呈现出快速发展趋势，石墨烯应用企业已经初具规模，并形成了良性循环的状态。此外，由西安市科学技术局、西安高新技术产业开发区管委会、中国石墨烯产业技术创新战略联盟联合主办的“2018中国国际石墨烯创新大会”，将于9月19至21日在西安召开。据悉，本届大会以“开启石墨烯产业发展新时代”为主题，届时将有来自全球范围内的石墨烯领域知名专家、各国石墨烯机构负责人以及知名石墨烯企业代表等3000余人参会。中国国际石墨烯创新大会自2014年创办以来，至今已吸引了全球30多个国家和地区的6000余人参会。另据介绍，“2018中国国际石墨烯创新大会”在西安召开，意在营造良好的石墨烯产业生态氛围，对将西安打造成为国际石墨烯“创新高地”具有重要的促进作用，助力西安打造“硬科技之都”。（来源：中国新闻网）

回复关键词【2019智慧文旅】下载完整报告腾讯全球数字生态大会于5月21日-23日在昆明滇池国际会展中心召开。腾讯云启、腾讯云启研究院联合腾讯文旅、腾讯文旅产业研究院在会议期间共同发布了重磅行业报告：《2019产业互联网智慧文旅研究报告》，报告首次全面阐述了产业互联网时代智慧文旅的发展轨迹。报告中提到，文旅行业正处在新一轮技术革命的起点，伴随AI和5G等新一轮技术的崛起，智慧技术正在打开经济社会发展的新篇章。文旅行业迫切需要装上新技术引擎，提高行业生产力，奔向未来的智能社会。当前文旅行业已经发展到 3.0 阶段，人们生活水平快速提高，消费升级，对文旅产品和文旅体验的要求也更加具体和个性化，解决旅游体验和旅游品质问题成为当前文旅业的重头戏，需要相关产业链、政府、企业链用技术将文化和旅游有机巧妙的结合，让用户的出行体验更有深度也更加智慧。报告指出，文旅产业不同于其他产业的一大特点就在于其拥有大量珍贵的文化资产和无形资产。如何有效地将这些独一无二的文化遗产推广到更大的市场，融入普通消费者的生活，以及如何在当前互联网和新技术的时代，更好的开发无形资产的价值，将给文旅产业带来全新的发展局面。近几年来，互联网+旅游、智慧旅游、全域旅游、文旅融合等旅游业转型升级方向相继被提出并落实，并获得了政策和社会的认同。在互联网巨头中，腾讯率先瞄准了这一领域，做出了智慧文旅布局，成立了腾讯文旅全新业务品牌，通过提供完整、系统化的顶层设计，解决方案和服务落地，连接G2B2C，助力文旅产业数字化高质量发展，以腾讯多年的用户数据积累和平台建设为基础，以强大的云计算技术为支撑，在旅行的智慧化、文化的智慧化、文旅结合的智慧化三大方面展开了探索与实践。针对如何把握住智慧文旅的发展机遇，报告指出，文旅行业的发展有三重动力：消费升级、政府推动、对外开放。消费升级对文旅行业提出了更高的个性化服务要求，政府推动对文旅行业提出经济增长的要求，对外开放程度扩大则提出了更多国际化的要求。借助于新一轮技术革命，文旅行业将走上富有智能化和个性化服务的道路。当前促进经济社会发展的动能由过去的人口红利驱动向创新驱动转变，技术决定行业经济发展，只有适应技术进步，充分利用新的生产工具，提升生产力水平，才能抓住发展机遇，从激烈的竞争中脱颖而出。报告原文回复关键词【2019智慧文旅】下载完整报告- End. -本文编辑：腾讯文旅见习编辑 张聪聪审核：腾讯文旅 孙晖 仝晓琳 张璐图片素材出自互联网 版权归原作者所有#文化产业参考# 整合编译 欢迎分享至朋友圈

MobData分析师认为，无论是马云提出的“新零售”、刘强东的“第四次零售革命”还是张近东的“智慧零售”，归根到底，是对传统零售的重塑变革，本质在于线上+线下+物流的融合与贯通，最终目的在于带来消费者购物体验的提升和企业运营效率的提高。| 中国3G| @中国好4G |通信行业最具影响力自媒体作者@中国好4G ：资深分析师｜特约撰稿人｜新媒体专栏作者｜手机评测专家中国3G通信行业最具影响力自媒体微信公号:china_3g回复 “目录”查文章编号回复相应数字看对应文章新浪百万名博@中国好4G坚持做有态度的原创订阅号

随着互联网头部企业从集团层面推动以搭建中台为目标的组织架构变革，数字中台的社会关注度迅速上升。当前，中台的发展还处于初级阶段，对于相关概念的定义、实际的价值、建设的要求等问题的认知还不统一；但随着市场关注度日益提升、企业实践逐步落地，市场对数字中台的认知开始聚敛。本报告从数字中台的概念和本质出发，梳理数字中台的发展逻辑，分析数字中台的发展现状和行业应用，判断行业发展的未来和机会，并针对数字中台下一阶段发展的关键问题，提出策略性建议。公众号【互联互通社区】，回复【中国数字中台行业研究报告】获取全部内容

华辰产业研究院的产业互联网深度研究报告系列《产业互联网深度研究报告》《产业互联网深度研究报告之云基础服务》《产业互联网深度研究报告之企业级服务》--END--声明：此文转载或改编于网络，由《纺织服装产业数字化》公众号整理分享给大家，仅供学习使用，不得用于商用。版权归原作者，如涉及版权，请联系我们（cpsiii@qq.com）删除。

一、产业概况1.1、概述所谓生物识别技术，就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性，（如指纹、脸象、虹膜、静脉等）和行为特征（如声音、步态等）来进行个人身份的鉴定。当前生物识别的技术已经比较成熟，应用场景丰富多样，现在将整个生物识别市场分为商用市场和公用市场两部分，商用市场瞄准的主要是企业应用，如门禁系统、考勤系统和金融机构的安全系统等；公用市场则针对的是政府应用，如边境管理系统、公安管理系统和身份系统等。按照不同的应用场景，可以将下游需求市场分成消费级市场（面向C端）和系统级市场，系统级市场又可分为企业市场（面向B端）和政府市场（面向G端）。消费级市场提供的是家庭或个人的单体应用，如指纹识别手机和指纹门锁里的指纹模组，特点是出货量大、单价低、对性能要求高，面向最终客户是个人，核心竞争力是技术和成本；系统级市场主要是系统级应用，厂商需要有系统集成能力，面对的客户主要是机构和政府，核心竞争力是技术和客户资源的获取能力。1.2、产业链1.2.1、指纹识别产业链指纹识别是一项复杂的系统工程，整个产业链可以分成模组和应用两大部分，下游的应用厂商又可分为面向个人消费的如手机厂商和门锁厂商等；商业用户的系统方案商，即结合指纹识别搭建系统级应用。而模组产业链由芯片设计、制造、封测、组装和零部件（盖板、金属环等）环节构成。资料来源：海通证券研究所1.2.2、人脸识别产业链安防和银行是目前人脸识别最主要的下游用户，在产业链中最核心的是算法和系统方案商，这两点对应其核心竞争力（技术和客户资源）。在当前人脸识别准确率已经很高的条件下，各厂商的产品准确率差距可以达到几个量级，技术水平成为核心竞争力，且目前公安部提供的头像照片开始加水印，使得技术门槛又大幅提高，国内能够去水印的厂商不多，竞争对手从2015年的十几家减少到2016年的几家，行业洗牌正在加速。人脸识别产业链 资料来源：海通证券研究所1.2.3、虹膜识别产业链该产业链由红外摄像头、红外LED、算法、模组组装和系统集成方案构成，技术难度主要体现在算法和系统集成方案上。虹膜识别产业链 资料来源：海通证券研究所二、产业背景2.1、技术日益成熟推动应用得益于算法创新和采集设备的升级，近几年在图像识别、语音识别和虹膜识别领域，其识别准确率大幅度提高，其中国内团队在各识别领域表现已经处于较为领先的地位。在识别难度较高的人脸识别技术方面，根据人脸识别领域权威测试数据库LFW公布的结果显示，百度提供的算法人脸识别准确率已经达到99.77%，位居第一，前十位中包括腾讯，Google的FaceNet，香港中文大学的DeepID，旷视科技的Face++等企业，准确率都达到了99%以上。根据《科学》杂志报道，人类对人脸的平均识别率为97.53%，在测试数据集上识别算法已经超越了人类极限。人脸识别准确率的提升大大加速了其商业化应用，目前已经广泛应用于多种场景，如考勤签到、移动支付、智慧银行VTM和新型安防系统等。2.2、不断有新政策出台2015年以来，国家相继出台了《关于银行业金融机构远程开立人民币账户的指导意见（征求意见稿）》、《安全防范视频监控人脸识别系统技术要求》、《信息安全技术网络人脸识别认证系统安全技术要求》等法律法规，为人脸识别在金融、安防、医疗等领域的普及打下了坚实的基础。与此同时，2017年人工智能首次写入了国家政府报告，作为人工智能的重要细分领域，可以预计人脸识别相关政策支持力度将不断增强。资料来源：益通资本整理2.3国内专利数量不断攀升伴随着国内对人脸识别领域的大力投入，其专利数量也在不断上升，从每年新增数量上看，2007年新增专利数量不足百例，到2015年迎来了爆发，全年新增专利数量已经达到了1398例，在全球已经处于领先地位。从累计专利数量上看，中国的人脸识别公开专利已经超出4000例，明显多于其他国家和地区。技术实力的显著增强，为国内打开市场，产品的迅速普及打下坚实的基础。2.4市场规模在提升2015年中国生物识别市场规模突破了100亿元大关。随着计算机、光学成像技术的高速发展，人脸识别技术得到越来越多的应用，市场规模有可能由2016年的17.25亿元攀升至2020年的42.8亿元。根据测算估计，未来公安领域的应用规模在16亿元以上，交通领域在50亿元以上，金融和教育领域各在百亿元级别，在不考虑大安防硬件存量市场的前提下，未来整体的市场规模将接近300亿元。虹膜识别市场规模为13.87亿元，预计该技术的市场份额将从2015年的7%提升到2020年的16%，虹膜识别市场将达到48亿元。2016年中国指纹模组市场规模是323亿元，出货量是5.5亿颗，预计到2020年，相应市场规模将达到511亿元，出货量达到12亿颗。静脉识别自从2008年由日本引入国内，由于属于生物识别领域的新兴技术，一开始发展还不是很快，但2014年后出现了一定的爆发点，市场份额由原先的不足1%扩大到接近3%，可见静脉识别的应用发展速度还是相当快的。数据来源：益通资本整理三、产业发展现状3.1、全球生物识别复合增长率高在当前全球生物识别市场中，北美占据份额最高，达33.5%；其次是亚太地区，为23.8%；再然后是欧洲、中东和印度、中南美洲、非洲地区，市占率依次为16.5%、11.0%、9.1%和6.1%。美国是全球主要的生物识别市场，目前规模在10亿美元级别。“911”事件发生后，全美在115座机场和14个主要港口设立了“美国访客和移民身份显示技术”系统，采用指纹识别、人脸识别与虹膜识别等技术验证访客与移民信息；同时27个免签国公民去往美国，都必须持有生物识别护照。数据来源：中国产业信息网根据美国咨询机构Transparency Market Research的预计，全球生物识别技术市场规模将从2015年的112.4亿美元，增长至2020年的233亿美元，复合年均增速为15.7%。根据美国智库Acuity Market Intelligence发表的报告显示，2015年全球生物识别市场结构中，指纹识别份额达到58%，人脸识别的份额为18%，紧随其后的是新兴的虹膜识别，份额为7%，此外还有与指纹识别类似的掌纹识别，以及声纹识别和静脉识别等。数据来源：中国产业信息网3.2、国内市场规模还不够大3.2.1、 生物识别细分应用市场分布中国的生物识别技术应用市场挺广，2016年前三季度商业应用市场规模是25亿元，份额占比62.1%，主要应用是门禁、考勤、身份认证和商业服务；大众消费类市场是11.55亿元，份额占比28.69%，主要应用在指纹/人脸识别门锁、箱柜锁、电脑和手机开机认证、网络认证等；公共与社会安全类市场占比7.07%，销售额是2.85亿元，主要应用于出入境管理和证照系统、智能监控、治安管理、维稳；司法领域市场规模是4900万元，占比是1.2%，主要应用在自动指纹识别系统、自动人脸识别系统；公众项目领域的市场规模为3800万元，仅占比0.94%，主要应用在社保、医疗和教育卫生方面。当年前三个季度生物识别总的市场规模是40.27亿元。3.2.2、 国内传统应用市场3.2.2.1、 在商用市场，考勤仍然是生物识别最主要的应用领域。传统以指纹考勤产品一统天下的状况正在逐渐演化，人脸识别、（手指手掌）静脉识别，因为非接触或者防伪性能更佳的原因，在考勤设备的更新换代中倍受青睐。同时，为了准确性和便利性的兼顾，考勤门禁设备开始普遍使用多技术验证：指纹+人脸识别；指纹+手指静脉识别，这两种组合模式最为常见。得益于上游硬件尤其芯片供应商的降价以及设备厂商对成本的良好控制，这些组合识别设备仍然可以保持很好的性价比，市场接受度很高。考勤市场，在生物识别技术对大众普及宣教过程中功不可没。目前这一市场的容量已经达到每年近十亿人民币的规模。3.2.2.2、 门锁是生物识别技术进入大众消费市场的第一款应用产品。经过十多年的技术发展和推广，如今已经达到年销量近百万把的规模。不仅大量出口，国内市场的接受度也逐年提高。目前测算，内销量已接近总销量的40%。大小厂商逾百家，既有传统锁具生产商，也有不具五金锁具行业背景直接入行生产生物识别门锁的厂商。销售渠道虽以传统锁具营销渠道为主，但也不乏成功利用互联网并斩获丰盛的创新者。门锁产品技术上目前仍以指纹和手指静脉为主，人脸识别门锁产品也逐渐增多，但尚属非主流，其中对使用环境的要求局限大概是主要原因。3.2.2.3、 作为生物识别技术进入安防领域的敲门砖，门禁产品向来是生物识别技术的应用重点。门禁市场巨大的需求以及生物识别技术独特的便利和安全，催生了层出不穷的门禁新产品。继指纹、掌纹识别之后，人脸和手指手掌静脉技术也陆续导入门禁产品中，业内公认具有更高安全度的虹膜识别技术也开始被应用于门禁产品上。当然，为了更高的安全程度，多技术的组合使用也已成为常态，比如指纹+手指静脉，指纹+人脸，人脸+虹膜识别等等，如果再算上传统门禁终端的ID/IC卡，这样的技术组合就更加丰富多样了。现在门禁终端和门禁控制器以及后台门禁管理平台的研发生产，基本可以全部在国内完成了。当然，不少国内门禁终端设备商选择与后台管理系统的国际大牌合作，也是从易到难的发展之路，属明智之举。无论国际还是国内门禁市场，中低端产品和应用上国内厂商几乎一统天下，并开始逐渐向高端市场渗透，假以时日，中国智造也将令国外竞争对手在高端市场节节败退，优势尽失。3.2.2.4、 在IT系统中对操作人员的身份认证，即所谓的逻辑门禁也是生物识别的重点应用领域。银行金融机构是最早尝试者，也是迄今为止最大的应用客户。随着网络时代尤其互联网时代的来临，作为信息安全的最新授权技术，生物识别得以广泛采用是理所当然的。目前指纹和人脸识别是该领域广泛应用的主流技术。系统部署也从单机、LAN应用发展到C/S结构和基于WEB的应用，使用人群数以千万计。3.2.2.5、 作为最大规模的消费类产品，手机以及平板等移动设备搭载生物识别技术，是对生物识别产业最大的促进和推动。事实上，正是2014年苹果IPhone4S首次集成指纹识别技术，成为生物识别本轮爆发性增长的最强推动力。随着半导体指纹采集芯片的国内规模化生产，低廉MCU芯片以及指纹模组生产企业的量产（月产百万级至千万级），国外芯片独占市场的格局正被打破，可以预见，国产手机两年内将基本全部使用国产芯片及模组。若以数量计算，移动互联设备上的应用绝对是生物识别的最大市场。此外，属于国家和政府机构的应用中，如指纹识别、人脸识别的司法应用，以及在医疗、社保等项目的应用等，过去一年也有平稳的发展，占有相应的市场份额。相信未来生物识别在此等领域的应用会继续平稳增长。3.3、市场竞争格局国外的生物识别产业集中度在不断上升，从2002年至2016年，国外生物识别产业经过竞争淘汰以及大量的并购重组，生物识别企业已经下降至100余家，上规模的重要企业不足15家。在国内目前较大生物识别企业有9家，分布在北上深杭。已经挂牌新三板的相关企业有17家，其中北京和广东两地的最多，分别是6家和4家，合计占比达到58.82%。数据显示这17家相关企业中，在2016年度都取得了盈利，其中有8家的盈利过千万，最多的一家净利润有4000万元之多。不过有80%的企业规模较小，市值超出20亿的企业没有，有11家企业市值都在10亿元以内。国内有不少上市公司看好生物识别这一领域，汉王科技、佳都科技、东方网力、科大讯飞、神思电子、欧比特等均在积极布局，发展领域主要是在智慧城市和智能交通建设、金融及公共安全等。四、产业细分领域生物识别行业目前有六大细分领域，分别是指纹识别、人脸识别、声纹识别、虹膜识别、静脉识别和步态识别。2015年中国的生物识别市场规模已经突破100亿元大关，其中指纹识别、人脸识别、声纹识别、虹膜识别分别占据57.6%、22.2%、2.9%、10.3%。根据中国证券报官方测算，预计到2020年，中国生物识别市场总规模将达到200多亿元，其中指纹识别、声纹识别、人脸识别、虹膜识别分别达到124亿元、54亿元、16亿元、23亿元。数据来源：益通资本整理产业细分技术各有优缺点，现列表如下：资料来源 千家网 4.1、虹膜识别领域4.1.1、具有技术优势虹膜识别技术是基于眼睛中的虹膜进行身份识别。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分，其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后，在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。相比当下流行的指纹识别与人脸识别，虹膜识别具有最高级别的安全性能，并且在准确性、稳定性、可复制性、活体检测等综合安全性能上占据绝对优势。虹膜识别系统主要包含虹膜图像采集装置、活体虹膜检测算法、特征提取和匹配这三大模块，该技术可以读取266个特征点，而其他生物测定技术只能读取13-60个特征点。虹膜识别的错误识别可能为1/1500000，而苹果Touch ID（指纹识别）的错误识别可能为1/50000，虹膜识别的准确率高达当前指纹方案的三十倍。4.1.2、虹膜识别的最新动向虹膜识别在朝远程识别与移动化发展，在此趋势下，虹膜识别技术迎来了进入大众化领域的契机。在三星、微软、富士通等公司的推动下，近年来虹膜识别技术开始应用于消费级市场，打开了更加庞大的市场空间。尤其是三星最新旗舰机S8/S8+搭载虹膜识别，证明了消费终端巨头对该技术的认可。随着虹膜识别技术逐渐被消费者所接受，预计搭载虹膜识别的移动智能终端数量将快速增长，未来有望在更多智能手机、平板电脑上得到应用。目前，虹膜识别凭借其超高的精确性和使用的便捷性，已经广泛应用于金融、医疗、安检、安防、特种行业考勤与门禁、工业控制等领域。随着虹膜识别技术的逐渐成熟，其认可度已经大幅提升，预计虹膜识别未来的渗透率和应用领域将继续提升，市场空间十分巨大。4.2、人脸识别领域4.2.1、人脸识别技术演化人脸识别最初在20世纪60年代已经有研究人员开始研究，真正进入初级的应用阶段是在90年代后期，发展至今其技术成熟度已经达到较高的程度。整个发展过程可以分为机械识别、半自动化识别、非接触式识别、互联网应用阶段。随着高速度高性能计算机的发展，人脸模式识别技术有了较大的突破，提出了多种机器全自动识别系统。根据人脸表征方式的不同，通常将人脸正面自动模式识别技术分成三类：基于几何特征的识别方法、基于代数特征的识别方法和基于连接机制的识别方法。另外一种常见的观点是将人脸识别技术分为基于整体人脸特征的识别技术（特征脸方法和神经网络方法）和基于人脸组成部件（眼睛等）特征的识别技术。4.2.2、人脸识别应用难度人脸识别最难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。在光线复杂的场景下，目前识别身份证和现场照片里的人脸准确率只有约75%，仍低于人类整体的识别水平。4.3、声纹识别领域声音是人重要的生物特征数据之一，人讲话时使用的发声器官舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，任何两个人的声纹图谱都有差异，因而声纹具有唯一性。采集自然，无需专用设备，可进行远程采集与识别，同时准确率高，造假难度也高。目前声纹识别已逐渐受到市场重视，开始逐渐应用于身份信息核验、身份防伪、防声音欺诈、黑名单筛查等。4.3.1、声纹识别的优势相比于其他生物识别技术，在安全性上，声纹识别的唯一性是名列前茅的，即使模仿的声音类似，也能够分辨出来；其次蕴含声纹特征的语音获取方便、自然，而且获取成本低廉，使用起来简单，通过普通的麦克风、通讯设备等都可以；再次适合远程身份确认；另外声纹辨认和确认的算法复杂度低；最后配合其他措施例如通过语音识别进行内容鉴别等，可以提高准确率。4.3.2、实际操作中的难点4.3.2.1、对于国家机构来说，获取声纹是很容易的，例如公安具有最全的声纹库。但对于企业而言，所有的声纹数据需要他们自行采集，那是具有相当难度的任务，在数据不全面的情形下，声纹特征的提取和建立就会受到阻碍，声纹识别的机器学习算法也难以得到充分训练，提高识别准确率也无从谈起。4.3.2.2、在外部环境中，声音是通过录音设备进行采集的，不同型号的录音设备对语音会造成一定程度上的畸变，同时由于背景环境和传输信道等的差异，对语音信息也会造成不同程度的损伤。声纹识别要经过语音信号处理、声纹特征提取、声纹建模、声纹比对和判别决策等一系列流程，语音获取的好坏直接影响到声纹识别的优劣，而降噪、去混响方面依然是需要改善的问题。4.4、指纹识别领域每个人的指纹都有几个独一无二可测量的特征点，每个特征点都有大约七个特征，人们的十个手指产生最少4900个独立可测量的特征。指纹识别技术就是通过分析指纹可测量的特征点，从中抽取特征值，然后进行认证。目前指纹识别已经广泛应用，除了企业考勤和智能小区外，相关技术还被创新应用到了护照、签证、身份证等十分重要的管理系统中。4.4.1、具备诸多优点指纹是人体独一无二的特征，它们的复杂度足以提供用于鉴别的足够特征；为了增加可靠性，只需登记更多的指纹，鉴别更多的手指，十个手指中每一个指纹都是特有的；扫描指纹的速度很快，使用起来非常方便，指纹的采集头小型化且价格低廉。4.4.2、存在显著缺陷有些个人的指纹特征少，难以成像；每次使用指纹时都会在采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制的可能；指纹是用户的重要个人信息，在某些场合担心泄露信息。4.5、步态识别领域该生物识别技术是通过人们走路的姿态进行身份识别，是一种新兴生物识别技术。步态识别分为人形检测、分割、识别、跟踪这四个部分，其中快速人形检测和高精度人形分割是最基础的环节，却又是最具挑战的环节。4.5.1、 技术优点明显相比其他生物识别技术，步态具有非接触远距离和不容易伪装等优点，虹膜识别需要目标在30厘米以内；人脸识别需要目标在5米以内；而它只要在50米范围内即可识别。其次是步态识别是非受控识别，无需识别对象主动配合参与。步态这一行为特征是远距离、非受控场景下唯一可清晰成像的，即便识别对象在几十米开外带面具背对监控摄像头走动，也能对其进行身份识别。再者，不同的体型、头型、肌肉力量特点、运动神经灵敏度、走路姿态等特征共同决定了步态具有较好的区分能力，通过设计精巧的算法和海量训练数据，可以更精准地识别细节特征。4.5.2、 最新技术进展目前国内的步态识别技术，在1080P的摄像头下，识别距离可达到50米，识别速度在200ms以内；支持360度跨视角识别；在万人样本库以图搜图可实现唯一性检索。此外完成了超大范围人群密度测算，对普通2K摄像机100米外1000平方米1000人规模实时计数。这些技术能广泛应用于安防、公共交通、商业等具体场景。4.6、静脉识别领域4.6.1、第二代生物识别技术有别于其他五种生物识别技术，静脉识别提取的生理特征在可显性上是比较低的，不能通过肉眼看见，不容易被模仿或复制。而其他上述生物识别技术中要么可以通过一些技巧或软硬件工具提取或复制，要么可以刻意模仿获得相似性极高的行为特征；再者存在的技术优势就是活体识别，只有手指中流动的血液才可以吸收近红外线，形成清晰的静脉分布图像，然后通过算法对该图像进行分析比对，从而进行身份识别。4.6.2、 最新应用最近英国伦敦一家超级市场Costcutter正在测试一套生物识别支付系统，消费者可以借助手指的静脉模式来支付，如果测试成功，将把这种名为Fingopay的支付系统进行推广。这套系统通过使用电子阅读器来绘制用户手指静脉分布图，在登记时，用户只需要将他们生成的手指静脉分布图与自己的信用卡或是储蓄卡连接到一起，不再需要携带现金或银行卡就能实现支付功能。五、产业不利因素5.1、安全性有待提高指纹识别是目前的主流，几乎占据了一半的市场份额，相关厂商遍地开花，各种指纹产品参差不齐。在实际生活中，指纹识别也存在不少问题，安全性是首当其冲的。通过伪造、盗窃指纹信息，可以骗过指纹识别产品的检验。其它生物识别产品，同样存在识别特征信息被盗用的可能。5.2、使用便利性需改进尽管每个人的指纹、脸部、步态等特征各不相同，但生物识别的芯片毕竟尺寸很小，目前的技术水平尚不能做到扫描信息绝对正确。人们化妆、整容带来容貌变化；手指受伤，指纹发生变形；芯片识别能力不足等因素都会导致用户体验下降。提高使用便利性，成为企业必须克服的难点。5.3、保证用户健康根据媒体报告，部分使用虹膜识别智能手机用户，使用后眼部感到不适，被红外LED照射时间过长，容易引起头晕。如果不能保证用户的身体健康，会影响到该技术的普及。六、产业风险特征所有生物识别技术采集到的人们生理或行为特征，最终都会转换成数据信息，而这些数据信息是很有可能被黑客窃取的，一旦被窃取，后果将不堪设想。生物特征在用户自己身上具有唯一性，也就是意味着这些生物数据信息一旦被盗，将不可再生，指纹识别尚有十个手指可以更换，但虹膜识别、静脉识别、人脸识别等丢失后将无法再度使用。从安全的角度上讲，生物识别不适合在互联网大规模推广，目前比较适合局域网内部使用或是特定的金融领域作为辅助应用。由于生物识别自身存在的巨大安全隐患，最终有可能制约相关技术的应用落地，国内的市场容量可能远没有相关调研机构预测的那么乐观。七、产业未来展望7.1、出现新的应用近年来，生物识别技术开始尝试一些新的应用领域：第一，智能监控领域。目前以人脸识别、车牌识别和人、车的行为识别为代表的应用市场日渐庞大。中国视频监控设备和系统领域的三大巨头，全部导入生物识别技术，原因无他，市场驱动也。这一应用目前以样板项目为主，相关技术的局限性暂时还没有被完全解决，但以这些实力企业的研发和市场驱动，相信性能的改进和提升会很快突破瓶颈。第二，金融服务。生物识别技术在金融系统的应用由来已久。随着互联网及移动互联网时代的来临，金融行业大变革早已开始。新兴的网络金融业务，由于其非现场的特点，对交易者身份的验证环节，如何兼顾系统安全和使用者的便利，生物识别技术的采用成为必然。远程身份验证，除了生物识别技术应用之外，政策和法规配合、网络及系统安全等其他环节的实施，对系统平滑性和用户友好性都有贡献。第三，商业服务。生物识别在商业服务领域的应用，国内近年已有一些成功案例甚而因此进入快速成长的企业，例如在广告业、零售业的应用。其应用方向主要集中在客户数据分析和效果评估。广告宣传对象的人口数据和反映分析统计、消费者个人特征及消费习惯细分等等，进一步的应用方向拓展，空间巨大。7.2、趋势和方向7.2.1移动应用如前所述，指纹、人脸、虹膜识别等生物识别技术在手机上的应用，以数量计已经成为最大规模的生物识别产品市场。行业技术供应商肯定会寻找机会介入此领域。对于生物识别核心算法软件和相关芯片供应商而言，可以采用直接集成介入，向手机厂商或模组厂商供货，从而进入该领域。而大多数不具备核心技术和上游芯片资源的普通设备级厂商而言，不能直接介入，但也可以而且长远讲必须在产品设计中时刻关注和紧跟网络应用趋势，将产品设计理念与移动互联的应用模式紧密关联，才是生存和发展之道。7.2.2、实名制强推所带来的机会信用社会的建立，尚有待时日。当今社会，种种实名制的推行可谓势在必行。而实名制真正要做到精准，则必须引入生物识别技术。社会公共安全管理的需求，酒店业、电信业、金融业等对客户的实名制验证，将会催生巨大的终端设备产品和应用系统集成的需求市场，其容量之大难以预计。7.2.3、与人工智能的结合应用生物识别技术是人工智能的支撑技术之一，所以在人工智能尤其智能机器人领域集成和利用生物识别最新成果理所当然。人脸识别、虹膜识别、声纹识别的采用最为常见。高水平的采集硬件（例如相机镜头）和优秀的算法是人工智能团队一直寻求的重要配套，随着智能机器人产品的不断进步和成功市场化，其配套市场规模也将快速增长。7.2.4、基于公共安全的全方位智能监控智能监控是社会治安管理的最重要技术手段。随着技术的不断进步，厂商的更多创新，人脸识别、步态识别与高水平监控摄像头的结合，将会把治安监控水平提高到一个全新的高度和水平。可以预见，这样的新产品对警方的吸引力是毋庸置疑的。明后年相关产品陆续亮相足可期待。