国产业研究网

2021年4月17日上午，由中国产业发展研究院牵头指导、分布式存储研究中心筹备组主办、莫斯科算法实验室和西邮边缘缓存智能实验室协办的中国产业发展研究院分布式存储研究中心成立大会，在陕西省西安市经开洲际酒店圆满召开，标志着中国产业发展研究院分布式存储研究中心落地十三朝古都西安。该中心的成立对于深入研究分布式存储，加快建立行业体系，加强分布式存储在WEB 3.0中的技术创新、场景落地等应用具有非常重要且积极的推动意义。中国发展网执行副总裁、中国产业发展研究院执行院长史卓琦，中国产业发展研究院常务副院长、AI人工智能研究院院长鲍泓，陕西省供销合作总社巡视员、监事会主任刘孝奇，西安邮电大学边缘智能研究中心主任杜剑波，陕西悟空云信息技术有限公司悟空云创始人、总经理孙军涛，陕西悟空云信息技术有限公司联合创始人、副总经理刘飞飞，陕西悟空云信息技术有限公司合伙人、副总经理赵一成等嘉宾出席大会。中国发展网执行副总裁、中国产业发展研究院执行院长史卓琦在本次大会上致辞，她表示，中国产业发展研究院衔接国家发改委及各部委、地方政府和行业协会等，整合政、产、学、研、用、资各方资源，承担创新技术的产业化落地工作和重大课题研究。区块链技术的诞生，让云存储形式发生了革命性变化，从数据被集中化运营管理走向了分布式自运营模式；从集中化到分布式，不仅仅是一种商业模式与思维的变化，更重要的是开启了一场具有历史意义的去中心化商业实践。分布式云存储作为点对点技术、网络存储技术、智能合约技术与计算机技术等学科的结合体，不仅从技术层面推动了多领域、多行业的蓬勃发展，更重要的是将催生全球新一轮的数据存储与应用的产业革命。在此背景下成立的分布式存储研究中心未来将持续推动相关行业的数字化转型进程，构建出商业新场景，“推动经济社会发生深刻变革”。授牌仪式悟空云创始人孙军涛在分享中谈到，存储作为互联网的底层基础设施，其重要性和安全性已经不言而喻，全球对存储需求增长是大势之趋。悟空云从创立之初就是一家以技术为导向的公司，并且不断在成为国内知名 IPFS 技术运营服务提供商的道路上奋力奔跑。中国产业发展研究院常务副院长、北京联合大学副校长鲍泓发表主题为“分布式计算创新链与产业链”的演讲。西安邮电大学边缘智能研究中心主任杜剑波发表主题为“边缘智能与自组网算法”的演讲。过去一年，以IPFS为代表的分布式存储蓬勃发展，产业规模接近万亿，行业标准和政策监管亟需提上日程。在此背景下，由中国产业发展研究院指导成立的分布式存储研究中心未来将促进产业良性发展。中国产业发展研究院是由中国发展网发起的专业研究产业发展高端智库。产研院智库以整合产业资源为目标，通过实施“开放合作、优化组合、精准对接、踏实服务、创造价值”的发展战略，在产业发展创新进程中发挥积极作用。中国产业发展研究院联合机械工业出版社——5G技术与应用系列丛书为持续深化5G技术创新与产业应用，推动工业化和信息化融合发展，推动工业、教育、交通等行业数字化、智能化转变，中国产业发展研究院、机械工业出版社共同推出“5G技术与应用系列丛书。本文来源：中国发展网

2019年，全球经济在震荡中前行，上一轮产业革命对生产效率的提升作用明显递减。与此同时，随着互联网人口红利逐渐减弱，基于流量的增长已经放缓，互联网行业迫切需要找到一片足以承载自身持续增长的新蓝海。产业互联网正是这一宏大背景下的新趋势。我们看到互联网浪潮正在席卷传统行业，云计算、大数据、人工智能开始大规模融入到金融、制造、物流、零售、文娱、教育、医疗等行业的生产环节中。我们将这种融合称为产业互联网。我们多年的研究和业界的认知都指向一个共识：产业互联网的技术条件和产业环境已经成熟，新一轮的技术浪潮正在渗透到上一轮产业革命塑造的传统行业中。 21世纪的第三个十年已经临近，我们看到产业互联网已经从萌芽灵感发展为实实在在的转变，深入到国民经济的每一个角落。变化正在发生，这种变化如海面下的冰山，宏大而难以目及。艾瑞希望凭借多年的行业积累，呈现这种变化。 通过这篇报告，我们试图对产业互联网的目前的环境基础，发展特征显现以及与7大不同行业的结合进行描述，追踪产业互联网在产业渗透过程中的特点，为行业转型发展提供参考。目录产业互联网概述：回归网络的连接本质1.1 产业互联网概念1.2 产业互联网 VS 消费互联网1.3 中国产业互联网发展环境与特点1.4 中美产业互联网发展环境比较二、产业互联网特征：打破与重塑价值逻辑2.1 流量红利消失下的被动转型2.2 去中心化重构创造产业链新价值2.3 赋予产业链数字化转型与环节重塑能力2.4 技术融合发展后的产业形态显像三、产业互联网应用：价值信号的路径重建3.1 产业互联网+金融3.2 产业互联网+制造3.3 产业互联网+物流3.4 产业互联网+零售3.5 产业互联网+文娱3.6 产业互联网+教育3.7 产业互联网+医疗四、产业互联网行动：竞争壁垒产品化输出图表目录图1-1 产业互联网连接结构模型图1-2 产业互联网连接结构模型图1-3 2014-2025年中国网络经济市场营收规模及增速图1-4 2015-2023年云服务市场规模及增速图1-5 2019年中国企业云服务部署方式的变化趋势图1-6 2014-2020年数字化情况图1-7 2014-2018年智能协同情况图1-8 中美头部互联网公司业务类型与布局领域对比图2-1 消费互联网被动转型产业互联网的逻辑链条图2-2 互联网巨头的产业互联网向上渗透路径图2-3 产业互联网连接模式图2-4 供给端与需求端高度互动的柔性、灵活生产模式图2-5 产业互联网对产业链核心环节重塑方式图2-6 2018-2022年中国数字中台市场规模图2-7 数字中台技术体系架构图2-8 2011-2018年全国软件和信息服务业业务收入情况图2-9 产业互联网的技术集成与形态集聚图3-1 兼具资金流和信息流属性的金融行业更容易对行业赋能图3-2 金融服务商“支付先行”向上延伸提供综合服务图3-3 金融行业产业互联网改造方式及盈利模式方向图3-4 生产即服务（MaaS）的组织逻辑与服务类型图3-5 中国消费品制造领域MaaS发展路径与类型图3-6 中国工业制造领域特征与MaaS发展路径图3-7 后市场价值潜力：消费产品与工业设备图3-8 后市场发展特征与路径：消费产品与工业设备图3-9 物流供应链“飞轮效应”理想态图3-10 物流供应链即时数据化成本分析图3-11 滴滴的客运商业模式图3-12 传统交易模式向“撮合交易平台”转化图3-13 中国消费互联网对零售行业的重构作用图3-14 中国零售行业流通关系：传统经销体系VS产业互联网图3-15 产业互联网重建零售行业中间环节的效能提升作用图3-16 消费者参与文娱内容生产特征与价值图3-17 2019年中国娱乐泛在化与营销特征图3-18 中国娱乐产业技术应用与产业连接难点图3-19 体制内公立学校和体制外培训机构的区别图3-20 2019年中国教育信息化行业产业链结构图3-21 教育信息化市场交叉竞争与交叉合作同步深入图3-22 政府是推动医疗产业互联网发展的核心力量图3-23 2013-2018年中国基本医保覆盖人数你图3-24 2017年各国医疗费用支付结构图3-25 互联网医疗服务流程在线化图4-1 产业互联网的产品式输出图4-2 产业互联网垂直领域需求图4-3 产业互联网机会空间的拓扑结构图4-4 产业互联网多元团队

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。

偶像市场变化一：2020年中国偶像市场总规模将超1000亿，偶像产业“立于风口”偶像市场变化二：互联网成为最新偶像培育沃土，3年间数十位偶像身价爆增偶像市场变化三：中国30年偶像迭代，粉丝经济崛起、变现模式丰富受众审美变化一：“英雄偶像”进阶为“养成偶像”，粉丝更注重与偶像共情受众审美变化三：30岁以下年轻用户成追星主力，“Pick、救救孩子吧、走花路”成典型热词造星主体变迁：“保姆型经纪”让路，视频平台造星能力凸显，新生代偶像层出不穷造星模式变迁：从经纪公司主推到互联网养成，用户成为造星主导；视频平台造星产业链更趋完善未来趋势一：造星走向工业化，偶像价值产业链将获深度发展未来趋势二：偶像质量不断提升，养成周期与生命周期或随之延长未来趋势三：偶像云养成，视频平台将成为造星新阵地

“商业落地”已成为人工智能发展到当前阶段鲜明的主题词，过去人工智能技术驱动阶段重在AI算法模型比拼，如今更要依赖商业场景洞察、专家团队实力，将AI技术与行业实际需求结合，产生应用与经济价值。因此本报告从人工智能在实体经济中的市场化情况出发，探寻人工智能对实体经济的意义。研究表明，当下，AI相关技术与传统行业经营模式和业务流程开始产生实质性融合，智能经济时代的全新产业版图初步显现。预计2019年人工智能赋能实体经济产业规模接近570亿元。本报告对安防、金融、客服、医疗健康、零售、广告营销、教育、城市交通、制造、农业等十大传统产业应用人工智能的现状进行了梳理。整体来看，过去AI企业单纯向传统企业技术输出的模式已悄然改变，全产业链都已参与进来，随之而来的是AI应用的快速渗透和对相应场景的革新优化。具体应用场景、使用价值及市场规模推算请详见报告第二章论述。通往智能世界探索的路径存在多种可能，基于部署思路、建设架构、同其他数字化技术联动等方面的差异，业内已有与IoT结合的AIoT、与云平台能力结合的AI PaSS、与产业全面联通相结合的AI+产业互联网等发展路径，将共促人工智能与实体经济的深度融合。从市场角度看，对人工智能产业的未来发展思考集中于玩家角色变化、落地场景的探索与评估和技术能力的强化提升，因为上述因素会对业务布局、商业模式、可持续发展产生重要影响。艾瑞认为未来认知智能的推进将带来传统意义上客户方的AI化，AI技术将进一步向其他实体产业渗透，同时市场环境的压力敦促国内AI行业形成自主可控的产业链，这些变化都将促使我国人工智能产业的长期健康发展。行业概述篇 人工智能战略意义商业价值：2019年AI赋能实体经济预计贡献收入近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接近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。人工智能产业图谱人工智能产业成熟度安防与金融发展条件较好，业务渗透最快，营销、客服、教育等有望快速发展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类型进行分析。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。赋能实体经济篇泛安防领域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%。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。传统金融领域传统金融机构、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。传统金融领域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。客服领域2022年智能客服业务规模将突破160亿元，AI技术成为重要推动力2018年，智能客服业务规模达到27.2亿元，其中以智能客服机器人为代表的AI应用业务规模达到7.9亿元，预计2022年智能客服业务规模将突破160亿元，年复合增长率为56%，AI应用业务规模突破70亿元。在NLP技术的赋能作用下，客服业务将向企业服务、智能家居、智能可穿戴、车载设备、智能服务机器人、智能会议系统等领域拓展，预计2022年，泛智能客服市场想象空间将突破600亿。客服领域NLP技术与标准化数据累积将拓展智能客服企业的业务边际由于客服行业中智能化需求上升，除原有的客服机器人厂商外，拥有丰富大客户资源的传统客服软件厂商、基于PaaS云通讯优势的云客服厂商、互联网巨头公司的相关客服平台都开始组建自身的AI团队，布局智能客服。智能客服最大的隐性价值在于NLP技术在实际场景中的训练和标准化数据累积，后者在挖掘客户有价值信息中明显起到降本增效的作用，标准化的数据打通了企业内部营销、产品等环节，使得智能客服业务拥有了向企业服务其他场景拓展的能力；而NLP技术将成为智能客服公司的核心竞争力，可以此向制造、政务、医疗等领域拓展，向集认知、交互、协同、功能性于一身的智能系统发展。医疗健康领域AI医学影像产品潜在价值巨大，但商业落地面临瓶颈本报告重点关注AI医学影像赛道。AI医学影像产品有肺结节等胸部AI、心血管疾病AI、大血管疾病AI、DR影像智能报告AI、骨关节疾病AI、乳腺影像AI、神经系统影像AI、骨龄判读AI、小儿疾病AI、盆腔影像AI、脑部影像AI、眼底影像AI、皮肤AI、病理AI、超声AI等十余种，其中肺结节等胸部AI产品最多、认知度最高。AI医学影像商业落地的大背景是我国影像科医师明显不足：每年影像检查量上升30%，而影像科医师只增长4%，一方面给医院和医师造成巨大压力，医师在重复、单调的阅片工作中容易出现疲劳、漏诊等现象，另一方面中长尾医疗机构缺乏具备诊断能力的影像医师，造成可拍片但无人写报告的局面。AI医学影像产品的主要价值包括：（1）诊断赋能。提高疾病表征的检出率，减少漏诊，帮助癌症等重大疾病患者实现早诊早治，提升病人存活率、降低家庭及社会诊疗成本，艾瑞预测，若未来AI医学影像得到大规模使用，在癌症方面可节省诊疗与用药支出2470亿元，其中节省医保和民政救济支出1062亿元；（2）治疗方案赋能。AI对影像进行分割精准确认病灶位置、形态，可辅助评估患者术前术后风险，不过相关技术和产品尚不成熟；（3）阅片赋能，提升阅片效率、节约医师时间。从AI产品的价值定位分析，其在很长时期内都以院内客户通过IT采购或科研合作形式付费为主，而AI产品的落地还面临准入门槛高、周期长，产品功能仍需完善等问题，商业化快速推进有赖于上述问题的解决。医疗健康领域医疗健康是个慢行业，预计2022年AI医学影像市场近10亿元AI医学影像的商业落地预计于2019年起步，到2022年市场规模达到9.7亿元，在已定级医院中总付费渗透率达5%，在三级医院和二级医院的总付费渗透率达到8%，期间若产品功能取得突破性进展则有更大发展空间。此前，AI医学影像基本采用三甲医院试用合作的模式，2019年后逐步推进产品收费，随着分级诊疗的推进和市场对AI认知的提升，预计2020年底至2021年部分产品获得CFDA三类医疗器械认证，同年二级医院客户数量首次超过三级医院。目前主要有三种收费模式：（1）将AI医学影像嵌入云HIS或云PACS中，打包售卖，由于现阶段AI产品商业化面临产品功能还未完全直击客户痛点，医院客户较多使用的是免费AI，与云服务结合可将AI作为收费模块；（2）将AI作为服务单独提供，其优势在于相较于云服务，软件开发形式更符合医院采购习惯；（3）与影像设备厂商合作提供具有AI功能的医疗影像设备，收取一定分成，这种形式较难提供完整的拍片-阅片智能解决方案、需要重新申报CFDA审批认证，目前落地较少。目前市场中主要有AI企业、医疗信息化厂商、科技巨头、医疗影像设备厂商等几类玩家。零售领域2022年AI+零售建设投入将超175亿包含大卖场、超级市场、便利商店等业态的现代渠道型零售品牌是新零售的主要实践场景，也是相关产品服务的主要买方。据艾瑞研究，2018年中国现代渠道主要零售商数字化建设投入为285.1亿元，其中AI投入为约9亿元，占比3.15%，据预测，到2022年其数字化建设投入将突破700亿元，AI投入将超过178亿元，占比超过25%，得益于阿里巴巴、京东、苏宁等零售巨头的推动，以AI应用为代表的新零售概念处于增长的上升通道，未来两年将保持较高增速。目前AI应用可以分为以人为准的AI解决办法、商品识别、供应链优化、智能服务机器人/客服机器人和无人货柜/无人店五大类，以CV技术为核心的人脸识别和商品识别是主要建设方向，相关投入占整体的55.36%，供应链优化最为复杂，对AI算法的可用性要求最高，但更靠近零售业的核心痛点，未来可释放的增益价值最大。零售领域AI公司、云服务商和零售商是主要玩家，算法与经验的融合是最终方向目前以人工智能技术为代表的新零售解决办法主要有两种提供途径，其一是技术输出型，提供方主要为云服务商和AI公司，其中云服务商通过集成AI公司的算法能力，向用户输出基于云平台的标准化服务，而AI公司交付给用户的解决办法多为定制类项目，解决用户个性化需求，这也是其主要的收入来源；另一种是经验输出型，由成熟的品牌零售商提供解决办法，试图将品牌自身多年的运营经验和新技术融合，向中小微型零售商输出，优化其运营模式。两种途径出发点不同，但终将向算法与行业经验融合，产出可执行方案的方向发展，而在实际场景中的不断试错是达到这一目标的唯一方法。数字营销：AI的引入弥合了传统数字化营销的不足随着营销产业的不断发展，传统的营销模式渐显不足，在用户时间碎片化的前提下，广告ROI效果不理想、目标用户不清晰等问题被不断放大，同时病毒式的投放方式以及单一的内容形式也必然会让用户产生审美疲劳，降低对广告的体验和兴趣，媒资与流量管理的效率亟待提升。人工智能针对上述问题，通过技术与营销环节相结合，在提供更加充实的用户特征以及创意内容的同时，对投放的策略和形式进行优化，提升引流、集客、转化效果。 视频广告：增加广告位资源，提升用户接受度本报告重点关注AI在场景识别广告赛道的商业价值。目前，AI场景营销、广告快速植入、功能性互动营销等视频广告类业务已经有较为明确的商业模式，主要由长视频平台及AI公司通过视频广告招商分成的形式运作，2018年实现了初步商业落地，艾瑞初步测算当年市场规模达到8.8亿元，预计2022年可达63.8亿元，若市场接受度充足、渗透率高于预期，则有望达到133亿元。AI场景广告相比传统网络视频广告可新增约40%广告位资源、平均提升点击率2.5倍，综合投放类型、渗透情况等因素，粗略测算未来AI场景广告可为网络视频广告产业带来31%的价值提升。边看边买类服务由短视频平台自建或AI公司提供，有收取电商平台提成、按点击收费、收取项目实施费等几种收费模式，在短视频平台、电商自有直播中落地较快，在长视频平台、OTT等领域的应用和商业模式都有待成熟。教育领域受政策及文化限制较小的校外市场和成人市场AI渗透率较高由于教育关系到一个人未来的发展机会，试错成本高，所以当一项新技术或一种新模式出现时，用户一般不愿率先做“小白鼠”，而是倾向于选择口碑好的成熟品牌，并且，人脑吸收知识或技能的过程在目前无法清晰地拆解呈现出来，过程不透明，更加重了用户消费时的谨慎心理。因此教育行业本身具有顽固性，对于新技术或新模式存在天然的排斥，而不像大众消费品行业、娱乐行业那样求新求异。从人工智能在不同教育领域的渗透程度来看，越是校外市场，受到教育部门的监管就越小，越是高年龄段的市场，用户的容错能力就越高，所以渗透程度相对高。其中口语听力练测、智能题库、组卷阅卷/作业批改等场景是目前渗透最好的几个场景。教育领域坚实的发展基础——庞大的在线教育市场规模和用户数量经过20余年的曲折发展，随着用户对在线教育的接受度不断提升、在线付费意识逐渐养成以及线上学习体验和效果的提升等因素影响，中国在线教育的市场规模与用户数量已进入了初步成熟阶段。2018年中国在线教育市场规模达2517.6亿元，付费用户数量超过1.35亿人，人工智能技术进入教育领域后，市场上涌现出大量专注于“AI+教育”的新型教育机构，在线教育企业也在已有业务线基础上引入人工智能技术以提升教学效率、拓展商业模式。艾瑞认为，目前在线教育中与人工智能技术相关的业务规模已超过120亿元，在AI技术不断发展及教育领域AI落地成熟度持续提升的背景下，预计2022年与人工智能技术相关的在线教育业务规模将超过700亿元。城市交通领域2022年交通大脑市场将达33亿，软件需求上升促进其发展治理拥堵问题是城市交通场景的核心需求，所以本报告聚焦于城市智慧交通管控平台目前的应用现状和商业化程度。2016年应用人工智能技术的交通大脑出现，使交通管控系统正式步入智能化时代。交通大脑实质是囊括数据采集平台、数据分析平台、数据建模平台和决策平台的PaaS云服务，通过对城市交通场景中众多传感器采集的数据信息关联性处理，建立数据库，由机器学习对信号灯管控、车流诱导等问题进行建模，联动信号灯控制系统和手机地图软件等，输出最佳解决办法。据艾瑞统计，2018年交通管控项目规模约166.2亿元，其中交通大脑项目规模约5.3亿元，预测2022年交通管控项目规模将突破240亿，交通大脑项目突破32亿。目前交通大脑的供应商多采用与合作伙伴绑定的形式争取项目，利润在整体项目的20%左右，在产业链中的话语权不高，但以北、上、广、深为代表的一线城市和部分二线城市，已经从基础建设阶段向应用阶段过渡，对软件的需求逐渐上升，这一利好未来会持续促进交通大脑项目的落地。制造领域制造数字化是“AI+制造”的基础我国制造业信息化水平参差不齐，且制造产业链条远比其他行业复杂，更强调赋能者对行业背景的理解，这都造成了制造业的AI赋能相比其他行业门槛更高、难度更大。尽管人工智能技术在制造业的部分环节与流程中已经有了一定程度的应用，但整体渗透率仍然处于较低水平。“AI+制造”的落地基础取决于制造业的数字化程度，根据中国信通院的测算，2018年中国工业数字化经济的比重仅为18.3%，尚不足20%。在制造业整体数字化水平偏低的背景下，艾瑞认为AI技术在制造业数字化经济中的渗透率在0.4%左右，并将在2022年达到1%。农业领域农业数字化基础薄弱，AI渗透率低，市场尚处于培育期传统产业的AI赋能都以其数字化程度为基础，中国农业在耕地面积有限且不断减少、规模化种植范围较小、机械化程度不高等因素的影响下，数字化程度处于较低水平。2018年，中国农业数字经济占增加值比重仅为7.3%，不仅远远低于服务业的35.9%，与工业相比也有较大差距。由于农业的信息化、数字化基础薄弱，人工智能在农业中的成长壮大还需要一段积累数据和调整算法的培育期，并随着农业数字化程度的逐步提升以及农业企业、农业规模户对“AI+农业”产品服务的认可而迎来新的发展。2018年中国“AI+农业”领域的市场规模为1.9亿元。预计未来数年内，“AI+农业”市场规模将以35.2%的年复合增长率高速发展，并于2024年突破10亿元，2025年达到15.7亿元。新兴发展模式篇 AIoT核心生态主要包括智能设备与解决方案方、系统方、基础设施提供方AIoT的体系架构中主要包括物联网设备及解决方案、操作系统/平台、基础设施（以云服务形态为主）等三大层级。智能化设备是AIoT的“五官” 与“手脚” ，可以完成视图、音频、压力、温度等数据收集，并执行抓取、分拣、搬运等行为，通常是物联网设备与解决方案搭配向客户提供，这一层涉及设备形态多样化，玩家众多。操作系统/平台相当于AIoT的“大脑”，解决流程体系性问题，核心功能包括对设备层进行连接与控制，分配计算资源，通过AI算法协同优化、合理调度等，这一层对业务逻辑、统一建模、全链路技术能力、高并发支撑能力等要求较高。基础设施层是AIoT的“躯干”，提供服务器、存储等IT基础设施。AI PaaSAI能力平台化输出降低了入局门槛，推动商业化第二波爆发随着人工智能技术对传统产业的不断渗透，越来越多的企业对AI产生了需求，但自主组建一支AI技术团队，研发相关系统和应用对于大部分公司而言投入产出比并不高，而且难以达到“即插即用”的效果，因此通过云平台PaaS层输出AI能力的AI PaaS服务成为需求方向。结合产业化落地，AI PaaS平台可分为三个阶段， 既模型自动化生产、模型规模化生产和模型智能化生产，逐步实现去监督化生产。AI PaaS又分公有云平台和私有云平台，二者在架构方面主体基本一致，只有在权限管理、资源管理和数据管理部分区分公有化和私有化，总体来看AI PaaS要满足模块化、分布式、资源共享、可拓展和环境分离五大特性，以满足不同量级用户的并发需求。产业互联网产业互联网打造数据环境，AI算法体现核心价值互联网巨头公司正致力于推动产业互联网发展，希望通过丰富的云端应用打通产业链上下游企业，使真实的生产数据能够在云平台累积。其中，AI主要通过认知智能体现价值，由NLP、知识图谱技术建立打通产业的关联数据库，通过机器学习训练模型，推导出最佳的优化策略，向企业输出解决办法、咨询服务或SaaS应用等，使整条产业链的生产更柔性，商业逻辑更具可预测性。随着平台用户增加，导入数据激增，AI算法获得更多优质数据训练，准确率上升，产生能够撬动更多用户的核心竞争力，形成良性循环的产业生态，从而达到技术推动传统产业升级的效果。未来思考篇新出发认知智能到来的过程，也是传统意义上客户方AI化的过程2018年，感知智能取得了较快发展，但由于感知智能很难切入产业关键业务环节，无论是出于提升产业智能化还是拓展人工智能企业商业价值的目的，2019年都将是成长期的感知智能与萌芽期的认知智能共同发展的一年。目前传统企业获取AI应用的普遍方式是依赖第三方实现全部业务需求，往往出现两类问题：第三方对业务逻辑理解不足；客户很难根据自身不断变化的环境与需求实现算法迭代和人机智能实时协同，这都会导致AI产品在客户处“水土不服”时而发生。而且产业数据的保有方往往是客户，出于敏感数据安全性的顾虑，也很难将涉及核心业务的数据交托给第三方训练，这些非技术性问题在很大程度上阻碍了认知智能的发展。在此背景下，AI服务方与客户合作开发完成在客户公司内部的数据训练标注，以及向客户提供基础AI工具保障其拥有一定的维护、优化甚至开发能力很有必要，因此近几年认知智能的推进将带来传统意义上客户方获得一定自有AI能力，实现AI化。从技术可行性和产业生态的角度评估新场景对于更为广泛的传统行业或线下使用场景的潜在客户，艾瑞建议人工智能企业从产业智能化升级基础-市场进入方式-市场成长周期等几个角度评估可行性。以煤炭行业为例，有勘查设计、地测、采掘、洗选、安全保障、运营等主要业务环节，其中勘查、安全保障、运营等环节已有相关AI应用研究。分析煤炭行业特点可以发现，其有对智能化技术需求强、智能化升级基础较好、政策引导性较强等特点，行业具备应用AI的较好基础；产业生态中有话语权较强、具备研发实力的相关研究所与科研单位，因此通过联合技术研发、与客户联合开发部署服务的方式更符合行业需求，预期相关技术发展成熟并得以验证后可较快商业落地。

调研人员合影从左至右：王宏利、张全、史卓琦、刘大成、巩晨、王博12月2日，中国产业发展研究院执行院长史卓琦，副院长、财政与金融研究院院长、财政部经济政策实验室经济预测部部长、经济学博士王宏利，公铁绿链多式联运股份有限公司总经理张全，副总经理巩晨、王博赴清华大学互联网产业研究院物流产业研究中心开展调研、座谈活动。中国产业发展研究院常务副院长、清华大学互联网产业研究院副院长刘大成对调研团的到来表示欢迎，并全面介绍了物流产业研究中心的各项研究成果与发展架构。“北京的污染60%来自移动源 其中80%来自重卡运输”刘大成介绍物流研究中心重点项目与科研成果参观完中心后，双方进行了座谈活动。张全首先介绍了公铁绿链多式联运股份有限公司的主要情况，“公铁绿链公司是一家致力于推动矿建全程公路电动化运输的公司。公司虽然成立于2018年11月，但公司的股东团队在北京建筑建材领域有很深的行业积累，这也是我们敢于牵头推动矿建领域产业升级的重要原因。从2010年开始，北京门头沟开始建生态涵养区，所有的矿山都要停产。当时我们的混凝土生产方量在北京已经排第一了，在北京私企民企占大概20%的市场。北京60%的污染为移动污染源导致，而传统柴油重卡运输在其中占比不低于80%，这其中30%为建材运输。也就是说，如果北京建材运输方式全部实现纯电动为代表的新能源化，仅此一项为北京市彻底消除超过14%的空气污染源，这也是北京市为何将推动建筑砂石运输方式新能源化提上政府工作日程的原因。早在2016年，我就在思考整个产业链绿色、环保的供应问题。直到2018年，开始寻找厂家定做新能源重卡汽车。2018年的10月底开始在安徽测试，2019年的5月17日，第一辆车正式来北京进行多气候条件下的全场景测试。”张全介绍说。“立刻回京，车票政府解决！”座谈会现场2020年有一个极其特殊的春节。2月15日，张全在海南接到了北京市政府的电话，让他和他的团队迅速回京，没有车票政府由协调，为什么这么着急？“小唐山医院的亟需扩建，外地的砂石料路都被挖断了，外地大司机也不敢来北京，回去隔离14天他受不了，只说让我抓紧时间回去，隔离的事由政府来给协调。”张全说。所有人回京面临着两个艰巨的任务：小汤山医院扩建以及通州环球影城工地复工。张全招聘的司机大部分都退伍军人，回来后每天加班加点推进建设进度。“这一场疫情的突然爆发，北京市政府的负责人就说了一句：当时把矿山留下是非常明智的，北京必须有自己的矿山。”张全接到的紧急任务，也反映出建立矿建材料、工程装备运输的绿色供应、绿色矿山、绿色供应链的必要性以及紧急性。“三绿”概念是北京市市长陈吉宁提出的。因此，张全决定在密云把建材领域的绿色供应链打造出来。“每一颗石子的从生到死，都不用一滴油”所谓绿色供应链，排第一的是绿色矿山，公铁绿链在密云的矿山是经国土资源部和中国砂石协会认定的绿色矿山。第二个绿色是绿色生产，无论是环保负压厂房、矿卡、电动无人线都没问题，硬件设施完备。第三个绿色是绿色运输。第四个绿色是搅拌站混凝土的绿色使用，包括全电动搅拌车、新能源铲车等。第五是闲置资源，即建筑垃圾的绿色回收。张全举例子说：“目前100%的建筑垃圾搅拌站使不了，硬度不够，强度不够，但是如果通过回程空车厢，把建筑垃圾还拉回到绿色矿山，通过技术手段重新利用到材料生产中，其他分解出来的垃圾可以统一做成地砖。我的目的是让一颗石子在北京从生到死的整个循环一滴油都不用。”张全表示，想要推进建设绿色供应链，首先对国家而言一定是有意义的，公转铁的目的就是为了节省煤电资源。其次，北京的空气污染80%都是移动源，移动源里面最重的就是柴油车排放的二氧化硫，这条产业链的建成，能把北京的蓝天白云还给老百姓。刘大成对此表示，现在城市中的生活垃圾越来越多，也是各个城市政府最头疼的问题，但是无害化处理却又非常难，如果能把建材这部分造成的建筑垃圾“吃干榨尽”，将是一件“功德无量”的事。“这是一件非常好的事情，而且也符合现在北京市环保、绿色发展理念，我也希望能够有机会能够将你的想法向上级领导部门汇报。”史卓琦表示，首先要做好产业规划，对政策进行深入的分析研判，而不是去抢政策，目前很多项目都在抢政策的空子，一旦政策红利吃完之后，最后会剩下一个烂摊子，这不是我们要做的事情。其次，要从源头开始布局，建立起产业的价值，再搭建起产业链条，这两个立起来之后，下一步就是制定规则，建立统一标准，最后向全国推广。最后，就是形成一个绿色、环保和可循环发展的生态环境，再根据产业中的重点环节形成小的产业集群，最终形成完整的绿色发展链条。会上，双方还就其他多个方面的合作事宜进行了深入讨论，并决定在明年春天共同召开中国循环经济绿色发展大会。清华大学互联网产业研究院（Institute of Internet Instry，TsinghuaUniversity）成立于2016年11月23日，是经清华大学正式批准成立的校级研究机构。清华大学互联网产业研究院是中国经济转型与交叉学科优势结合的桥梁，是整合清华大学全校力量来辅助中国经济转型的高端智库，清华大学互联网产业研究院致力于实现交叉学科交叉研发，构建“互联网+”新兴生态圈，以实现知识报国、产业报国。中国产业发展研究院（以下简称产研院）是由国家发展和改革委员会主管的中国经济导报社主办、中国发展网发起的专业研究产业发展高端智库。产研院智库以整合产业资源为目标，通过实施“开放合作、优化组合、精准对接、踏实服务、创造价值”的发展战略，在产业发展创新进程中发挥积极作用。产研院智库以整合产业资源为目标，通过实施“开放合作、优化组合、精准对接、踏实服务、创造价值”的发展战略，在产业发展创新进程中发挥积极作用。

中商情报网讯：近年来，中国物联网政策支持力度不断加大，技术创新成果接连涌现，各领域应用持续深化，产业规模保持快速增长，并形成北京—天津、上海—无锡、深圳—广州、重庆—成都为核心的四大产业集聚区。与“十二五”初期相比，中国在物联网关键技术研发、应用示范推广、产业协调发展和政策环境建设等方面取得了显著成效，成为全球物联网发展最为活跃的地区之一。

生态研究我们认为有必要对一个产业的网站生态进行研究，理由如下：第一，有人希望深入某一产业创业，就需要做网站，需要知道自己的网站属于产业网站中的那一块，处于什么样的位置。第二，了解了一个产业的网站生态，可以借助整个生态链，对自己的网站进行推广和营销。所以，有必要对一个产业的网站生态进行研究。什么是产业？以茶叶为例吧。从事茶叶种植，就是茶叶种植业。从事茶叶零售，就是茶叶零售业；从事茶叶加工，就是茶叶加工业。这都属于行业。而众多相关行业的集合，就是产业。茶叶种植、加工、销售，具有上中下游链条关系，这就是茶叶产业。了解了产业的概念，我们再来分析一个产业中的网站生态。产业网站生态的构成企业网站。一个产业中必定有大量的企业，这些企业大致可以分为上游、中游和下游。所以，产业网站生态中，生态之一就是企业网站。其一，企业网站在一个产业网站生态中，占据绝大比例。其二，企业网站是一个产业网站生态的基础和基石。行业网站。一个产业是由若干行业构成的，所以，存在很多行业网站。行业网站有这样几个特点；其一，提供行业资讯。其二，包容了大量的行业内企业。其三，往往带有撮合交易的功能。其四，会为企业提供增值服务，如金融服务、营销服务、展会服务等。专业媒体网站。一个产业，往往会有一家或者多家专业媒体。有的是传统的媒体转至而来的，有的是创新的产业新媒体。这类专业媒体网站的特点是：其一，能够提供较为专业和权威的资讯。其二，往往有线下的业务。其三，与产业官方和管理机构，有千丝万缕的联系。交易市场网站。一个产业，如果有线下的交易市场，往往也会建立一个线上的交易市场，会有一个交易市场网站。此类网站提供线上直接交易、价格撮合等服务。服务产业人的网站。包括产业论坛、产业招聘等，服务于产业内的人员，如员工、经理人、人力资源等等，其基于“服务人”这一起点和目的。产业创新网站。此类网站，具有较强的创新性，包括自媒体、社交网站等等。如上，形成了一个产业的网站生态。为了更好理解产业的网站生态，我们不妨以钢铁产业为例，予以说明。钢铁产业的网站生态钢铁企业网站。包括钢铁生产企业、贸易企业等等，都有自己的企业网站。行业网站。如我的钢铁网、钢铁现货网，都属于此类行业网站。专业媒体网站。如《世界金属导报》、中国钢铁新闻网，就属于产业媒体。市场交易网站。如找钢网等，就属于钢铁产业电商平台。服务产业网站。如一览钢铁英才网，专门提供钢铁产业招聘服务。产业创新网站。如一些提供钢铁标准的网站、钢铁自媒体等，具有一定的创新性。钢铁产业如此，其它产业，其实也有自己的产业网站生态。综上，就是我们对产业网站生态的初步研究，抛砖引玉，仅供参考。

中国产业发展研究院近三年来一直在倾力助推一个产业：用科学手段再造绿水青山。为此目标，团队已经进行了三年的深度调研，足迹遍布长江经济带、黄河流域、中东部地区和西部的多个省、区、市。图说：京张高铁是铁路的标杆工程，治理前后对比。图说：首都环线治理工程是公路行业的标杆之一。图说：修复后的广阳岛。11月7日恰巧是立冬之日，对话院长才泓冰，听到的却是满含春意的绿色希望和发展理念。用“生命共同体”激发产业新引擎图说：修复后的广阳岛真实美景。才泓冰说，他的团队成员在参与了北京2022年冬奥会延庆赛区生态修复工程和重庆广阳岛的生态修复工程后，更加深刻体会到，再造绿水青山并非是一句话那么简单，需要集聚各方财力、人力和物力，更重要的是有效的科学和技术手段，多资源整合，多技术融合，经过长期不懈的努力才可能见到成效。任何一个环节出了问题，都可能前功尽弃，严重的甚至可能会把好事办成坏事。图说：才泓冰（左一）在调研现场。才泓冰说，中国产业发展研究院将助力生态修复产业作为工作重点，是践行习近平总书记所说的“我们要认识到，山水林田湖是一个生命共同体，人的命脉在田，田的命脉在水，水的命脉在山，山的命脉在土，土的命脉在树。用途管制和生态修复必须遵循自然规律，如果种树的只管种树、治水的只管治水、护田的单纯护田，很容易顾此失彼，最终造成生态的系统性破坏。”2020年6月，国家发展改革委、自然资源部下发了关于印发 《全国重要生态系统保护和修复重大工程总体规划（2021-2035年）》的通知。才泓冰说，《通知》为今后的环境保护明确了思路、规划、重点、目标，可操作性强，方向明确。图说：修复后的广阳岛。中国产业发展研究院的职能就是通过高端智库以整合产业资源为目标，通过实施“开放合作、优化组合、精准对接、踏实服务、创造价值”的发展战略，在产业发展创新进程中发挥积极作用。才泓冰说，产研院将结合《通知》精神，发挥自身优势精准对接和整合资源，助推用科学手段再造绿水青山。经过三年的调研和细致的谋划之后，目前，中国产业发展研究院已经开始搭建一个将多方资源和多种要素整合在一起的平台，旨在构建一个双循环新格局下“生命共同体”的产业引擎，再造绿水青山。图说：修复后的广阳岛。此时在重庆的广阳岛，一个被称为长江风景眼的生态岛已经初步建成，产研院团队深度参与了这个用现代科技手段集合多种资源修复和再造的生态岛，这进一步增加了他们的底气和信心，现在又将目光投向了作为北方生态屏障的内蒙古，那里不但有需要修复的“山、水、林、田、湖、草、沙”，还有储量丰富的作为提取生态修复重要有机质腐植酸所需的褐煤。图说：修复后的广阳岛。腐植酸是自然界中广泛存在的大分子有机物质，广泛应用于农、林、牧、石油、化工、建材、医药、环保等各个领域。尤其是我国现在提倡的生态农业建设、无公害农业生产、绿色食品加工无污染的环保要求，使腐植酸的利用备受关注。中国产业发展研究院前期已经对此进行了大量的产业调研及技术研讨工作，多次拜访中国科学院和中国工程院院士、相关院校专家，中国腐植酸工业协会等行业权威，认为无论是从技术推动，还是从需求牵引的角度，腐植酸产业迎来大发展的机会。受锡林郭勒盟锡林浩特市的委托，中国产业发展研究院正在联合政、产、学、研、用多方力量制订“锡林浩特市腐植酸产业发展专项规划”，才泓冰表示，希望为锡盟完成一个高站位、可落地的产业规划和项目策划，形成上下游产业集聚，打造一个可持续发展的生态修复产业。技术推动 需求牵引 生态修复通过产研院连续几年的调研和摸索，才泓冰认为，生态修复并非只是巨大的资金投入，近年来类似“一年种，两年荒，三年死光光”的低水平修复一再证明，光靠钱是远远不够的，必须将宝贵的资金用于高技术支撑的全面解决方案，形成强大的技术和管理闭环，有序实施，良性发展。才泓冰说，经济双循环大背景下，希望通过技术创新、资源整合、标准示范和产业推动，与社会各界共同探索一条科学有序的治理方式，一种由技术推动和需求牵引相结合的发展模式，使得生态修复产业成为经济发展新的动能。具体做法必须是区域和行业相结合，技术和管理相结合，构建产业生态，才能破解生态修复工作中面临的诸多难题。才泓冰说，我们强调科学的生态治理，目的就是实现政府监管从模糊化到标准化，技术支撑从碎片化到系统化，投入产出从输血式治理到造血式发展的良性循环。为此，要探索一种国家、地方、企业和社会多方投入的治理方式，多方受益的机制和模式，形成完整的技术体系、产业体系、监管体系和评价体系，最终实现社会效益、生态效益和经济效益平衡发展。随着国家对生态环保绿色发展要求的不断提高，必然会推动和加速行业升级的脚步。才泓冰说，生态修复是个规模巨大的系统工程，中国产业发展研究院将围绕“可持续发展”做文章，集中优势资源，实现重点突破，通过多技术融合，多类型示范，在总结共性的基础上形成生态治理的相关标准，有序推广，做好生态修复产业这篇大文章，也希望引起各界的关注和支持。