经典行业研究报告

社会技术的进步、人们消费观念的转变以及国家对知识版权的重视为在线音频的快速发展创造了良好的环境。iiMedia Research(艾媒咨询)数据显示，2018年在线音频用户规模突破4亿，增速达22.1%，相较于移动视频及移动阅读行业，呈现较快增速。超六成受访用户表示愿意付费成为在线音频平台会员，约三成用户表示不确定，在线音频会员付费前景可观。艾媒咨询分析师认为，随着版权内容进一步规范化，越来越多的IP改编将会涌现。在线平台趋于特色化、差异化、细分化发展，商业模式更加成熟与多元。以下为报告节选内容：2018年中国在线音频行业产业链2018年中国在线音频用户规模增速快iiMedia Research(艾媒咨询)数据显示，2018年在线音频用户规模增速达22.1%，相较于移动视频及移动阅读行业，呈现较快增速。随着信息更新越来越快，用户获取信息的需求增加，音频产品伴随性的优势使其在当今生活节奏较快的社会中有更广泛的应用场景。喜马拉雅领跑在线音频市场iiMedia Research(艾媒咨询)数据显示，2018第四季度喜马拉雅、荔枝、蜻蜓FM三家主流在线音频活跃人数分别达到8909.3万人、3439.2万人和3020.8万人。2018年中国在线音频行业痛点分析市场动态：造节狂欢运营升级市场动态：布局硬件 智能升级在线音频用户画像iiMedia Research(艾媒咨询)数据显示，2018年中国在线音频用户男女比例分布较为均衡，年轻群体占比较高。艾媒咨询分析师认为，在线音频平台内容丰富，适合不同性别、不同年龄段用户使用收听，针对不同类别用户的收听习惯进行推送，或有利于提高用户粘性。在线音频中高收入用户占比高iiMedia Research(艾媒咨询)数据显示，2018年月收入5000元以上的在线音频用户超五成，月收入10000元以上的用户达到22.0%，音频用户群体整体较为高端。艾媒咨询分析师认为，在线音频平台能够在更碎片化的场景为用户提供信息内容，更适合中高端人群内容获取需求。在线音频在伴随性场景中优势凸显iiMedia Research(艾媒咨询)数据显示，2018年，用户在运动、开车、家务等体力劳动时、上下班通勤时最常收听音频。艾媒咨询分析师认为，音频占主导的四种使用场景都属于伴随性场景，能够让用户在进行其他活动的同时接受信息。而睡觉前和居家休闲则属于非伴随性场景，用户浏览图片文本或观看视频更普遍。因此，与视频、图文相比，音频形式的内容更适合用户碎片化和伴随性场景使用，在线音频使用场景呈现多元化特点。内容是在线音频平台的核心竞争力iiMedia Research(艾媒咨询)数据显示，2018年，53.8%的用户将平台资源丰富程度作为选择音频平台时首要考虑的因素。音质(46.2%)、内容趣味性(45.2%)也深受关注。艾媒咨询分析师认为，随着知识付费、内容付费的火爆，内容建设成为提升平台竞争力的关键，丰富的内容可以满足用户的不同需求，从而更有效地吸引用户。平台需注重提升用户体验iiMedia Research(艾媒咨询)数据显示，除了丰富平台音频种类与内容，许多用户在用户体验方面提出了更高的要求。38.8%的用户希望平台减少广告出现的频率，34.1%的用户希望优化操作界面。因此，在线音频平台在内容建设的同时，应注重提升用户体验。中国主流在线音频平台营销策略音频营销典型案例——专属品牌电台《惠普用星说》惠普联合喜马拉雅，建立专属品牌电台，利用内容优质推荐位进行推广、配合新品上市，软性传递品牌理念和信息。通过邀请娱乐频道、旅游频道等八位高流量主播结合自身栏目打造高质节目为品牌带来听众转化与粉丝沉淀。同时邀请证言人电音男孩徐梦圆、小崽子系列作者脏小白等录制节目，根据KOL工作特性场景化融入产品卖点。 艾媒咨询分析师认为，品牌专属电台的创建，通过企业有声节目对企业品牌进行软性传播，能促进品牌与用户的互动，有效拉近企业与听众之间的距离，实现IP化、生动化。音频营销典型案例——《郭论》品牌请客+节目定制天猫年货节与喜马拉雅付费大IP《郭论》联动，通过品牌买断IP专辑番外、购买付费专辑免单券、用户免费试听同时参与H5互动，赢取更多打折收听券，降低广告商采购门槛、提高品牌曝光度和广告商转化率，同时解决品牌主难以触达高消费净值用户的痛点。音频营销典型案例——欧诗漫&《富察皇后的人生智慧》喜马拉雅借势2018年夏天热点爆剧《延禧攻略》，联合欧诗漫打造定制IP《富察皇后的人生智慧》，通过合作富察皇后扮演着当红女星秦岚，有效诠释欧诗漫品牌内涵，并更有效地吸引品牌受众用户，取得不俗的推广效果、提高品牌形象、传递品牌价值。音频营销潜力无限艾媒咨询分析师认为，从直播营销到短视频营销，再到音频营销，近年来新型营销方式不断兴起。而音频营销正凭借其使用场景多元、伴随性、碎片化等优点获得各大企业与品牌的欢迎，未来音频营销发展潜力无限。喜马拉雅——构建音频生态圈喜马拉雅——布局车联网与亲子市场近年来喜马拉雅不断拓展音频使用场景。通过与车厂、后装车机、 车载信息系统研发商等上游企业合作，建立起一个全覆盖立体式的内容分发车载渠道。通过推出晓雅Mini AI音箱和喜猫儿故事APP，开拓亲子市场。艾媒咨询分析师认为，汽车作为特殊的场景，对不需要占用双眼的伴随属性平台需求较大。此外，拥有汽车的人群消费能力高于平均水平，有更大的市场潜力，是音频平台重要的用户来源。此外，受益于二胎开放政策，近年亲子市场的需求急速增加。深耕亲子市场可有效延长用户生命周期。喜马拉雅——节日营销带动付费热潮喜马拉雅——综艺冠名推动品牌传播2018-2019年期间，喜马拉雅加强在综艺冠名方面的布局，联合浙江卫视推出主题为“十年之约”的2019思想跨年晚会，同时独家冠名中国首档原创声音魅力竞演秀《声临其境》第二季。艾媒咨询分析师认为，喜马拉雅通过与音频相关顶尖综艺节目的联合能有效推动品牌认知，吸引更多新用户，同时建立专业、顶尖的品牌形象。荔枝——去FM，转型语音直播2018年1月，荔枝FM采用了全新的logo，正式更名为“荔枝”，完成了去FM化，主打语音直播。艾媒咨询分析师认为，在线音频行业的竞争越来越激烈，随着平台资源优势的显现，用户逐渐向个别平台集中，荔枝的转型意味着荔枝将差异化发展，精准定位部分用户以获得细分市场中忠诚度和活跃度较高的用户。荔枝——打造主播IP随着荔枝FM转型为荔枝，其品牌口号也由“人人都是主播”变为“用声音，在一起。”艾媒咨询分析师认为，与视频直播不同，视觉刺激的缺乏使语音直播的用户会更关注直播内容的质量。品牌口号的变更说明荔枝平台的主播将由全民化走向更专业化以提供更高质量的直播内容。荔枝通过一系列策列打造高质量的直播。蜻蜓FM——打造内容矩阵2018年11月，蜻蜓FM在北京举行“声机·2018秋季内容生态发布会”，宣布推出全新内容矩阵，构建全新的品质和品类格局。其内容体系包括文化名家、女性、新青年、财经、儿童成长、原创自制、超级广播剧、影视IP等。艾媒咨询分析师认为，蜻蜓FM提出的全新内容矩阵，会让音频行业的内容生态更完整、更体系化，更具活力。蜻蜓FM——主播生态战略&国际化战略艾媒咨询分析师认为，个人主播和自制节目是近年来音频行业比较火热的业务，蜻蜓FM四位一体的主播孵化体系，将吸引更多优质内容创作者加入音频生产阵营，为其内容矩阵持续“造血”。中国在线音频市场发展趋势解读版权内容规范化，IP改编涌现在线音频行业内容制作、策划以及付费问题始终离不开版权保护的话题，版权规范化是在线音频行业良性发展的基础。艾媒咨询分析师认为，随着法律监管的加强和人们版权保护意识的增强，未来在线音频平台版权争夺与保护将成为内容付费类音频的重点。同时，随着内容付费、粉丝经济的火爆，IP改编将成为未来在线音频平台抢占的高地。内容付费纵深化，增值服务价值显现近年来在线音频平台大力发展知识付费，以喜马拉雅、蜻蜓FM为代表的在线音频平台打造了各种知识付费节，带来经济效应的同时创造了巨大的社会效应。在经历爆发式发展后，聚焦知识付费的“知识狂欢节”不断向包含了硬知识、泛知识和娱乐类内容在内的内容付费转变。此外，在线音频平台为会员提供的增值服务越来越多，用户体验进一步得到提升，有利于吸引更多潜在用户。商业模式趋于成熟，打造多元盈利生态在线音频平台不断在细分赛道中寻找适合自身发展的商业模式，如荔枝转型语音直播，蜻蜓FM深耕PUGC模式等。艾媒咨询分析师认为，各大头部在线音频平台凭借优质内容，开始注重衍生IP的打造、对场景及生态的全面布局，通过IP营销和场景营销等与更多的用户和厂商产生互动，打造多元盈利生态。智能终端应用，助推使用场景多样化在线音频因其独特的伴随性、碎片化特点，拥有多种应用场景。艾媒咨询分析师认为，头部平台加强在智能终端和车联网方面的布局将拓展在线音频的使用场景。尤其是“听”作为车内生活场景中的最大需求，更是拥有广阔的发展前景。打造优质精品内容，内容生产迈向专业化未来在线音频平台的竞争归根结底是内容的竞争。随着各大平台引进IP、打造IP，并加大力度扶植音频内容创业者，未来优质的、专业化的内容将成为争夺用户和提高用户粘性与活跃度的重点。在线音频平台特色化、差异化、细分化发展，竞争力提升各大在线音频平台的商业模式已经实现一定差异化，例如喜马拉雅的“UGC + PUGC + PGC”模式、蜻蜓FM深耕PUGC等，但提供的音频内容同质化现象较为严重。未来，用户黏度高、付费意愿足的特色文化内容以及历史文化内涵丰富的有声读物将成在线音频平台内容制作方的发展重点。此外，在体育、亲子等细分领域的内容打造也是未来在线音频平台差异化发展的路径之一。

中农富通2020年度研究报告研·究·报·告·推·荐2020年，中农富通发布了《国家农业高新技术产业示范区发展研究报告（2020）》《农业生产性服务业发展研究报告（2020）》《农产品产地仓储保鲜冷链物流研究报告（2020）》《中国农民丰收节研究报告（2020）》《中国农业嘉年华发展研究报告（2020）》《现代农业产业园发展研究报告（2020）》等系列研究报告，对于把握行业趋势，洞悉行业格局具有重要参考价值。今天，我们特别推出【中农富通2020年度研究报告】，希望给大家带来一些新视角及新思考，以此开启崭新的2021年。《国家农业高新技术产业示范区发展研究报告（2020）》《国家农业高新技术产业示范区发展研究报告（2020）》围绕我国农业高新技术产业示范区（农高区）的概念、内涵、发展概况、规划建设思路、主导产业选择及发展趋势展开探讨叙述。并引述国内多位专家关于农高区建设发展的观点，对农高区的建设和发展提供指导意见。最后选取国内外农业高新技术园区发展的经典案例进行分析，总结成功的经验和存在的问题与不足，对农高区今后的建设和发展具有重要的借鉴意义。《农业生产性服务业发展研究报告（2020）》《农业生产性服务业发展研究报告（2020）》针对国内外农业生产性服务业的不同发展基础、发展条件、发展模式、运营管理、发展趋势等方面进行理论总结和案例解读，客观定位我国农业生产性服务业的发展现状以及未来发展趋势，探索出符合中国国情与地方特色的农业生产性服务模式，为各地政府提供参考借鉴。《农产品产地仓储保鲜冷链物流研究报告（2020）》《农产品产地仓储保鲜冷链物流研究报告（2020）》由中国农业大学农业规划科学研究所、中国农业大学国家农业市场研究中心、中农富通乡村产业发展研究院联合编撰。报告分析了我国蔬菜、水果、肉制品、水产品四大类重点农产品冷链物流体系；解读了目前我国农产品产地冷链六大类主体的发展情况；借鉴了日本、美国、荷兰六大发展模式，对农产品产地仓储保鲜冷链物流各环节进行深入解读，以期为各地农产品产地仓储保鲜冷链物流发展提供理论参考与案例借鉴。《中国农民丰收节研究报告（2020）》由中国农业大学农业规划科学研究所、中农富通乡村产业发展研究院联合编撰的《中国农民丰收节研究报告（2020）》，围绕中国农民丰收节的总体情况、典型做法、社会反响以及展望展开分析和探讨。利用实地调研、案例剖析、媒体资讯采集，整合了近三年在中国农民丰收节方面的专题研究和实践经验，希望能为中国农民丰收节的各类主体、策划者、管理者，提供了解丰收节理论和实践研究进展的媒介，为不同主体开展中国农民丰收节提供借鉴。《中国农业嘉年华发展研究报告（2020）》《中国农业嘉年华发展研究报告（2020）》总结出了农业嘉年华总体发展特征，结合经典案例的分析，提炼出农业嘉年华在发展中的诸多创新点，提出了农业嘉年华未来发展应重点关注的内容和把握的方向。本次《报告》针对“十三五”即将收官，“十四五”规划制定的关键节点及新冠疫情世界性爆发的社会形势下，农业嘉年华发展面临的新机遇和挑战，给出建议，为农业嘉年华今后的发展指明了方向，为我国农业嘉年华的发展提供更科学的理论体系与实践指导。《现代农业产业园发展研究报告（2020）》《现代农业产业园发展研究报告（2020）》围绕创建国家现代农业产业园区的政策要求，结合各地农业园区的创建经验及运营管理情况，立足于多年从事农业规划、园区管理的经验心得，针对现代农业产业园从规划设计、基础建设、品牌建设、制度政策、招商引资等方面进行理论总结和案例解读，为各地政府、园区管委会及农业企业提供参考借鉴。自2016年起，中农富通已持续发布《中国农业嘉年华发展研究报告（2016-2020）》《中国农民丰收节研究报告（2018-2020）》《中国农业高新技术产业示范区发展研究报告（2018、2020）》《现代农业产业园发展研究报告（2017-2020）》《农业产业强镇发展研究报告（2019）》《一带一路中亚五国农业农村研究报告》《城乡融合体制机制研究报告（2019）》等29个行业权威研究报告，对于把握行业趋势，洞悉行业格局具有重要参考价值。中农富通面向世界农业科技前沿、现代农业规划建设主战场，紧跟政策步伐，从政策解读到战略咨询，再到落地实施，深度参与和支持乡村振兴战略实施，已形成特色鲜明的具有影响力的国家农业民间智库。

2020年9月18日，全球知名的新经济产业第三方数据挖掘和分析机构iiMedia Research(艾媒咨询)发布《2020年中国饮料行业细分领域发展及典型案例分析报告》。报告根据艾媒数据中心、艾媒咨询商业情报数据库、艾媒商情舆情数据监测系统基础数据，对中国(软)饮料行业生态进行剖析，报告不仅针对碳酸饮料、含乳饮料、茶饮料、功能饮料、果蔬汁、固体饮料、饮用水、植物蛋白饮品等细分领域进行深度剖析和案例解读，还分析了行业上游产业链对整个行业的成本议价等因素，以此判断2021年含乳饮料的发展趋势。 (《2020年中国饮料行业细分领域发展及典型案例分析报告》完整高清PDF版共131页，可点击文章底部报告下载按钮进行报告下载 )报告介绍：《2020年中国饮料行业细分领域发展及典型案例分析报告》对中国(软)饮料的发展原因、产业链环节和发展趋势进行了分析。具体针对行业的碳酸饮料、含乳饮料、茶饮料、功能饮料、果蔬汁、固体饮料、饮用水、植物蛋白饮品等细分领域，分别进行了深度剖析，并结合元气森林、伊利、康师傅、东鹏饮料、统一、香飘飘、农夫山泉、承德露露等典型企业一一解读细分领域，以此来判断未来饮料行业的发展趋势。本报告研究涉及企业/品牌/案例：元气森林，伊利，康师傅，统一，东鹏饮料，香飘飘，农夫山泉，承德露露。核心观点饮料行业前景总体向好，产品类型出现明显分化随着中国经济发展、居民消费水平提升及消费结构的升级，中国饮料行业呈现出整体良好的增长态势，预计2024年中国软饮料市场规模有望达到13230亿元。其中，基础品类如蛋白饮料、果汁饮料、固态饮料等在2014-2019年复合增速不足3%，而包装饮用水、功能性饮料、咖啡饮料等仍以两位数增长，软饮料产品已经出现明显的分化。上半年饮料细分领域龙头企业多数实现营收净利双增长2020年上半年，饮料各细分领域龙头企业，如康师傅、伊利、元气森林、东鹏特饮、农夫山泉、统一企业等都实现营收净利双增长，其中元气森林业绩一路高歌猛进，表现亮眼。但个别企业如香飘飘、承德露露，业绩大幅下降，与自身过度依赖单一爆品、创新不足、产品老化有重要的关系。个性化、情感化和品牌化是饮料行业发展三大趋势在饮料行业同质化盛行的当下，行业企业通过情感共鸣、打造品牌等方式寻求差异化发展，如“汉口二厂”汽水、元气森林气泡水系列。此外，消费者个性化的需求给饮料行业带来新机遇。预测个性化、情感化和品牌化将是未来饮料行业发展的新动力、新趋势。行业背景概况(节选)：2020年中国饮料细分产品类型及特点介绍2020Q3中国饮料行业逐步复苏数据显示，2020年7月中国社会消费品零售总额下滑1.1%，幅度环比6月份收窄0.7pct。其中饮料类同比增长10.7%，环比下降8.5pct 。从季度数据看，2020年7月社会消费品零售额增速较2020Q2 回落2.7pct，饮料增速较2020Q2回落5.8pct。这主要是因为饮料行业具有强季节性，7月历来是销售淡季，加上618电商购物节透支部分7月需求，导致增速回落，但整体回暖趋势不变，预计2020Q3饮料类增速可能回升，饮料行业逐步复苏。　2014-2019年中国饮料行业市场规模数据分析数据显示，2014-2019年中国软饮料市场规模持续上升，2019年中国整体软饮料市场销售收入达到9914亿元，五年间年均复合增长率5.9%。按2014-2019年的复合增长率计算，2020年中国软饮料市场规模将突破万亿，2024年有望达到13230亿元。艾媒咨询分析师认为，近年来，随着中国经济发展、居民消费水平提升及消费结构的升级，中国饮料行业呈现出整体良好的增长态势。　2020年中国饮料行业驱动因素分析：经济因素数据显示，2019年，中国居民人均消费支出21559元，首次超过2万元，增长8.6%，比上年加快0.2个百分点，扣除价格因素影响，居民人均消费支出实际增长5.5%。全国居民恩格尔系数为28.2%，比上年下降0.2个百分点。艾媒咨询分析师认为，中国居民消费能力提升，人均消费支出增加，同时，食品在消费支出中所占比例减少，这意味着家庭收入的增加和人民生活日趋向好，有利于饮料行业的发展。2020年中国饮料行业驱动因素分析：技术革新技术革新对饮料行业发展具有较大的推动作用。饮料行业技术覆盖从生产、流通和消费三大环节，生产环节与消费环节技术的呼应，能有效的促进饮料产品的更新换代，更加贴近市场的需求。而流通环节技术的发展提高了消费者的体验感，辅助功能十分突出。　市场数据分析(节选)：　2020中国饮料行业产业链分析饮料行业产业链上游包括原材料：水、糖、牛奶、果蔬、添加剂、塑料等，产业链中游为饮料制造商，下游销售终端分为线上电商平台销售和线下超市、便利店、餐饮店销售等。　2019年中国饮料行业细分领域销售数据分析数据显示，2019年，中国饮料市场以包装饮用水和即饮茶饮料为主，二者市场份额超过半成。此外，能量饮料在2019年期间销售额复合增长率高达15.02% ，成为发展最快的饮料细分品类。艾媒咨询分析师认为，随着中国居民消费水平的提高，消费者对饮料的健康、功能属性需求日益提升，这就在一定程度上改变了饮料产品消费结构，促使商家采取措施以应对市场变化。2020年中国碳酸饮料分类分析2019年中国常温乳酸菌饮品市场规模数据分析乳酸菌饮品是含乳饮料中一个重要细分领域，当前市场仍处于高速发展培育阶段，在行业井喷之后，随着行业进一步规范，产品品牌和优质单品价值将凸显。数据显示，2015-2019年五年间，中国常温乳酸菌饮品市场规模从74亿元增长至142亿元。但是受到疫情影响，预计2020年国内常温乳酸菌饮品只会小幅上涨至153亿元。2017-2019年中国茶类饮料市场集中度分析数据显示，2019年康师傅与统一占据茶饮料市场61.1%的市场份额，相比2017年的67.2%滑落较大，但仍旧远超其他竞争者。中国茶饮料市场呈现“两超多强”格局。艾媒咨询分析师认为，康师傅与统一在中国大陆有较高的知名度和品牌效应，是茶饮料市场的龙头企业。但2019年出现许多如农夫山泉、“茶π”等新饮料产品，抢占了市场份额，行业龙头企业地位或将受到影响。　2014-2024年中国固体饮料市场规模分析数据显示，中国固体饮料市场规模从2014年的780.0亿元增至2019年的885.6亿元，发展速度相对慢于其他软饮料细分领域。艾媒咨询分析师认为，固体饮料具有体积小、携带轻便的优势，这就丰富了用户的消费场景。但是，2018-2019年新式茶饮市场兴起，如奶茶、咖啡等明显抢占了固体饮料市场的用户，因此，这一时期的固体饮料市场发展缓慢;在2020年疫情影响下，固体饮料回复了一定的销量，同时，固体饮料积极探索口味突破，也打造出了几款爆款饮品，这也将推动固体饮料持续发展。　典型案例分析(节选)：中国碳酸饮料行业典型企业：元气森林(一)元気森林是一家专门生产无糖、低热量产品的饮料公司。公司主打产品为燃茶和气泡水。2015年，元气森林研发中心成立;2015-2016年，进入产品研发阶段，成立公司;2017-2018年，元气森林产品正式面向市场和消费者;2019年、2020年618电商节，元气森林赢得天猫饮品类销量第一。中国碳酸饮料行业典型企业：元气森林(二)数据显示，自成立后，元气森林保持着一年一融资的节奏。2019年10月元气森林获得价值1.5亿人民币的战略融资，投资后估值37.5亿元。据报道，元气森林2020年7月将完成新一轮融资，估值将达到20亿美元(约140亿人民币)。艾媒咨询分析师认为，资本的认可和追捧，一是看好健康饮品市场赛道的潜力;二是跟元气森林的市场占有率有一定的关系，这是对元气森林的营销策划能力和成长性的一种认可;三是当前元气森林业绩正处于高歌猛进中。中国碳酸饮料行业典型企业：元气森林(三)数据显示，2020年5月，元气森林销售业绩达到2.60亿元，超出2018全年销售总和，日均销售440万元，预计2020年销售额破20亿元。艾媒咨询分析师认为，元气森林品牌定位是“无糖专门家”，产品尤其受女性的欢迎，所有包装设计和产品定位也都是女性向而非全性别向，加上社交平台的传播，容易成为爆款，因而当前元气森林的业绩仍处于快速上升期。　中国碳酸饮料行业典型企业：元气森林(四)元气森林产品主打“0糖、0脂、0卡”概念，其中气泡水系列成为网红产品。元气森林努力跳出单一爆款的消费场景，超多品牌的方向发展，当前除了燃茶、气泡水、乳茶、健美轻茶外，今年还推出了能量饮料品牌“外星人”。艾媒咨询分析师认为，元气森林气泡水产品在保证口感上足够甜度的同时，又能避免大量热量产生，成功迎合当下的消费需求，打开了无糖饮品市场。在产品爆红带动业绩上升的情况下，元气森林自建工厂来扩充产能并提高产品创新能力，为后期新产品的研发与市场竞争能力奠定基础。　行业趋势分析(节选)：中国饮料行业发展机遇：健康化近年来，随着老年人口的增加以及消费者健康意识的提升，中国大健康产业得到快速发展。在此背景下，消费者在饮料选择上会偏向于营养健康类型的产品。在市场消费理念改变和国家提倡发展健康食品的政策指导下，中国饮料行业产品结构开始进行自我调整，含乳饮料、植物蛋白饮料、果蔬汁等主张绿色健康的饮料品牌将会迎来发展良机。中国饮料行业发展趋势分析：情感化面临日趋饱和的市场，饮料市场消费放缓，品牌也需要不断保持活力，来引起消费者的共鸣。比如，武汉恒润推出具有老汽水情怀的“汉口二厂”品牌，成为新一代的国潮饮料;再比如统一企业推出的“小茗同学”饮料，主打95后年轻消费人群。这些企业通过给饮料产品赋予一定的情感文化，更容易引起特定人群的共鸣，形成差异化竞争，从而快速占领市场。本文部分数据及图片内容节选自艾媒研究院发布的《2020年中国饮料行业细分领域发展及典型案例分析报告》。

近年来， 随着人工智能、计算机视觉、大数据、云计算、芯片等技术的迅速发展，人脸识别技术取得了长足的进步并且在众多场景中得以成功应用并大规模商业化普及，为经济社会的发展以及人们日常生活带来便捷 。就市场发展趋势而言， 人脸识别应用场景虽然渗透各个行业场景， 但市场规模增长趋势出现分化， 国内市场呈现从算法竞争到芯片全产业链激烈竞争的状态； 就技术发展层面， 边缘端 SOC 芯片算力的提升使得人脸识别系统中的部分甚至全部算法可以运行在边缘设备上， 从而使云边结合已成为人脸识别产品和应用方案的发展趋势。本期的智能内参，我们推荐全国信息技术标准化技术委员会的研究报告《2020 年人脸识别行业研究报告》，从技术特点、行业发展趋势和标准化现状三方面还原人脸识别技术的最新发展状况。本期内参来源：全国信息技术标准化技术委员会原标题：《2020 年人脸识别行业研究报告》作者：蒋慧 等一、什么是人脸识别？人脸识别 ( Face Recognition) 是一种基于人的面部特征信息进行身份识别的生物特征识别技术 。 近年来 ， 随着人工智能 、 计算机视觉 、 大数据 、 云计算 、 芯片等技术的迅速发展 ， 人脸识别技术取得了长足的进步并且在众多场景中得以成功应用 。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术 ， 包括人脸视图采集 、 人脸定位 、 人脸识别预处理 、 身份确认以及身份查找等 ； 而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术和系统 。 此外 ， 部分应用场景下还可能涉及质量评价 、 活体检测等算法模块。人脸识别的应用模式主要包括三种：（1）、人脸验证 (Face Verification) : 判定两张人脸图像是否属于同一个人 ，常用于身份认证如人证核验 。（2）、人脸辨识 ( Face Identification) : 给定一张人脸图像 ， 判断是否在注册库中 ， 若在则返回具体的身份信息 ， 常用于静态检索或动态布控 。（3）、人脸聚类 ( Face Clustering) : 给定一批人脸图像 ， 将相同人的图像归类到同一个类 ， 不同人的划分为不同的类 ， 常见的应用有智能相册 、 一人一档等 。1、发展历程人脸识别的研究开始于 20 世纪 60 年代 ， 到 90 年代进入了初级应用阶段 ，主要停留在学术研究和小范围的实验室环境应用 ， 直到 2012 年后的深度学习的复兴 ， 人脸识别技术取得历史性的进步 ， 真正实现大规模商业化普及 ， 且识别能力已经远远超过了人类的常规辨识度 。目前 ， 从全球人脸识别技术领域的应用场景布局来看 ， 安防 、 金融 、 交通 、 楼宇等是相对较为成熟的领域 ， 而在零售 、 广告 、 智能设备 、 教育 、 医疗 、 娱乐等领域也均有较多应用场景 ， 为经济社会的发展以及人们日常生活的便捷带来了新机遇 。2、政策现状随着人工智能技术水平的迅速发展与经济发展水平的稳步踏进 ， 在大数据应用的带领下 ， 人脸识别技术在智慧城市 、 安防市场等行业得到了广阔的应用 ，与此同时人脸识别技术应用过程所涉及的监管问题也面临着越来越高的挑战 。面对目前正飞速发展的人脸识别技术 ， 我国制定了一系列政策来促进其更健康的发展。2017 年 7 月 ， 国务院发布 《 新一代人工智能发展规划 》 （ 国发 〔 2017 〕 35 号 ）指出建设安全便捷的智能社会 ， 围绕行政管理 、 司法管理 、 城市管理 、环境保护等社会治理的热点难点问题 ， 促进人工智能技术应用 ， 推动社会治理现代化 。同时 ， 围绕社会综合治理 、 新型犯罪侦查 、 反恐等迫切需求 ， 提出研发视频图像信息分析识别技术 、 生物特征识别技术的智能安防与警用产品 ， 建立智能化监测平台的要求。全国人大在 2018 年修正的 《 中华人民共和国反恐怖主义法 》 第五十条提到 ：公安机关调查恐怖活动嫌疑 ， 可以依照有关法律规定对嫌疑人员进行盘问 、 检查 、 传唤 ， 可以提取或者采集肖像 、 指纹 、 虹膜图像等人体生物识别信息和血液 、 尿液 、 脱落细胞等生物样本 ， 并留存其签名 。2019 年 9 月 ， 中国人民银行印发的 《 金融科技 （ FinTech ） 发展规划 （ 2019-2021 年 ） 》 （ 以下简称规划 ） ， 明确提出构建适应互联网时代的移动终端可信环境 ， 充分利用可信计算 、 安全多方计算 、 密码算法 、 生物识别等信息技术，建立健全兼顾安全与便捷的多元化身份认证体系 ， 不断丰富金融交易验证手段，保障移动互联环境下金融交易安全 ， 提升金融服务的可得性 、 满意度与安全水平 。同时 ， 《 规划 》 也提出强化需求引领作用 ， 主动适应数字经济环境下市场需求的快速变化 ， 在保障客户信息安全的前提下 ， 利用大数据 、 物联网等技术分析客户金融需求 ， 借助机器学习 、 生物识别 、 自然语言处理等新一代人工智能技术 ， 提升金融多媒体数据处理与理解能力 ， 打造 “ 看憧文字 ” 、 “ 听懂语言 ” 的智能金融产品与服务 ， 这也为人脸识别的安全应用提供了思路 。2019 年 9 月 ， 工业和信息化部公开征求对 《 关于促进网络安全产业发展的指导意见 》 （ 征求意见稿 ） ， 表示支持构建基于商用密码 、 指纹识别 、 人脸识别等技术的网络身份认证体系 ， 着力提升支撑网络安全管理 、 应对有组织高强度攻击的能力 ， 明确了生物特征识别技术在网络安全产业发展中的重要意义 。2020 年 11 月初 《 中华人民共和国国民经济和社会发展第十四个五年规划纲要 （ 建议稿 ） 》 （ 以下简称 《 建议稿 》 ） 全文发布 ， 其中明确提出加快壮大新一代信息技术 、 生物技术等产业 ， 推动互联网 、 大数据 、 人工智能等同各产业深度融合 ， 培育新技术 、 新产品 、 新业态 、 新模式 。发展数字经济 ， 加强数字社会 、 数字政府建设 ， 提升公共服务 ， 社会治理等数字化智能水平 。 同时提出 ， 统筹发展和安全 ， 建设更高水平的平安中国 ， 加强社会治安防控体系建设 。该规划的出台为人脸识别技术和行业未来 5 年的发展规定了目标和方向 。信息安全层面 ， 2016 年 11 月全国人大通过的 《 网络安全法 》 中将个人生物识别信息的管理进一步细化 ， 范围进一步明确 。 国家网信办有关负责人表示,《 网络安全法 》 的公布和施行不仅保障广大群众的切身利益 ， 还有利于高新技术的应用 ， 进而激发互联网的巨大潜力 。2020 年 7 月由全国人大公布的 《 数据安全法 》 草案为数据加上 “ 防护罩 ” ， 明确数据活动的红线 ， 将来在 “ 数据主权 、 数据经营 、 数据交易 ” 等方面 ， 通过法律条文的形式 ， 推动数据时代的快速发展 。 国家坚持保障数据安全与发展并重 ， 鼓励研发数据安全保护技术 ，积极推进数据资源开发利用 ， 保障数据依法有序自由流动 。2020 年 10 月 21日全国人大公布的 《 个人信息保护法 （ 草案 ） 》 规定了个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息 ； 规定了个人信息的处理包括个人信息的收集 、 存储 、 使用 、 加工 、 传输 、 提供 、 公开等活动的要求 。二、技术细节1、 人脸识别技术原理当今主流的人脸识别算法 ， 主要包括人脸检测 、 人脸预处理 、 特征项提取 、比对识别 、 活体鉴别五大步骤 。 其中人脸检测 、 人脸预处理 、 特征项提取可统称为人脸视图解析过程 ， 即从视频和图像中检测出人脸 ， 通过图像质量判断 ，选取合适的人脸图片 ， 提取人脸特征向量 ， 用于后续比对识别 ； 比对识别处理可以分为人脸验证 （ 1 ：1 ） 和人脸辨识 （ 1 ：N ） 两类 ； 活体鉴别算法用以判断人脸识别处理中的人脸图像 ， 是否采集自真实人体 。在实际应用中 ， 除了上述人脸识别算法 ， 前端视图采集技术 、 人脸数据存储技术 、 应用软件管理技术也是人脸识别技术应用中重要的技术部分 。2、 人脸识别的研究机构介绍人脸识别作为最受关注的生物特征识别技术 ， 国内外有众多科研院所 、 高等院校 、 企业等机构开展人脸识别相关技术的研究 、 开发和应用 。 截止 2020年 10 月 ， 据企查查数据统计 ， 全国共有 10443 家企业的名称 、 产品 、 品牌 、经营范围涵盖 “ 人脸识别 ” ， 从成立时间来看 ， 近 5 年相关企业数量不断剧增 ，2019 年成立了 1955 家, 2020 年仅 10 月前就新增 1139 家 。科研机构。人脸识别技术广受学术和产业研究机构关注 。 全球范围内 ， 有众多知名学术机构在从事人脸识别领域的技术研究 ， 比较有代表性的人脸识别技术研究机构包括斯坦福大学 、 加州大学伯克利分校 、 美国马萨诸塞大学 、 牛津大学 、 多伦多大学 、 香港中文大学 、 中科院自动化所 、 清华大学等 。（1）、斯坦福大学。斯坦福大学是最早在人脸识别技术上取得突破的研究机构之一 。 由华人科学家李飞飞教授领街的计算机视觉实验室 ， 通过每年度基于 ImageNet 数据库举办的大规模视觉识别挑战赛 ( ILSVRC) , 极大的促进了人脸识别和计算机视觉技术的发展 。近期 ， 斯坦福大学的研究团队研发出一款人脸跟踪软件 Face2Face, 它可以通过摄像头捕捉用户的动作和面部表情 ， 然后使用 Face2Face 软件驱动视频中的目标人物做出一模一样的动作和表情 ， 效果极其逼真 。 这项技术使用一种密集光度一致性方法 (dense photometric consistency measure) 来实时跟踪源和目标视频中的面部表情 。研究人员们称 ，由于源素材与被拍摄者之间快速而有效的变形传递 ， 从而使复制面部表情成为可能 。 由于嘴形与其所说的内容高度匹配 ， 因此可以产生非常准确 、 可信的契合 。（2）、加州大学伯克利分校。加州大学伯克利分校是国外人脸识别技术研究的重要发源地 ， 早在 2005年就有关于人脸识别相关研究的理论工作 。 其中马毅 2008 年发表的 Sparsity and Robustness in Face Recognition, 在谷歌学术已获得 6321 余次的引用 ， 在深度神经网络被大家广泛应用之前 ， 是主流的人脸识别算法 。 在这篇文章中作者把稀疏表示理论应用到人脸识别这个场景中 ， 提出了一个通用分类算法用于人脸识别 。这个新的框架为人脸识别领域的两个关键课题(特征项提取和对遮挡的鲁棒性)上提供了更好的理论指导。此外，该实验室近期在用低维模型处理高维数据、 特征选择等理论方向上有一定的产出， 提出了一种新型特征选择方法 (Conditional Covariance Minimization, CCM) , 该方法基于最小化条件协方差算子的迹来进行特征选择， 取得了较为突出的效果 。（3）、美国马萨诸塞大学。美国马萨诸塞大学也是国外人脸识别技术研究的重要发源地 ， 开源了知名的人脸检测数据库 FDDB 和人脸识别数据集 LFWo FDDB 是全世界最具权威的人脸检测评测平台之一 ， 其中包含 2845 张图片 ， 共有 5171 个人脸作为测试集 。测试集范围包括不同姿势 、 不同分辨率 、 旋转和遮挡等图片 ， 同时包括灰度图和彩色图 ， 截止到目前 FDDB 所公布的评测集仍然代表了目前人脸检测的世界最高水平 。马萨诸塞大学还在 2007 年建立了人脸识别评测数据集 LFW, 用于评测非约束条件下的人脸识别算法性能 ， 截至到目前是人脸识别领域使用最广泛的评测集合 。 该数据集由 13000 多张全世界知名人士互联网自然场景不同朝向 、 表情和光照环境人脸图片组成 ， 共 5000 多人 ， 其中 1680 人有 2 张或 2张以上人脸图片 。 每张人脸图片都有其唯一的姓名 ID 和序号加以区分 。 LFW测试正确率 ， 代表了人脸识别算法在处理不同种族 、 光线 、 角度 、 遮挡等情况下识别人脸的综合能力。（4）、牛津大学。牛津大学 VGG (视觉几何)组实验室从 2015 年开始人脸识别相关研究 ，包括具有影响力的人脸数据库的发布以及深度人脸识别算法的研究 。 该实验室 2015 年在 BMVC 发表的 a Deep Face Recognition” 论文在谷歌学术已获得3600 余次的引用 ， 其中发布的 VGG-Face 已成为深度人脸识别领域最常用的数据库之 一 。2018 年发布了大规模人脸识别数据 VGG — Face2, 是 VGG-Face的第二个版本 ， 包含 331 万图片 ， 9131 个 ID, 平均图片数为 362.6, 且覆盖了大范围的姿态 、 年龄和种族等 。 VGG-Face2 发布两年 ， 已经获得了 800 余次引用 。 此外 ， 该实验室近期在人脸识别置信度预测 、 基于集合的人脸识别等子方向上 ， 每年产出一定量的学术工作 。（5）、多伦多大学。加拿大多伦多大学是基于深度学习的人脸识别技术发展的重要推手之一 。著名 “ 神经网络之父 ” Geoffrey Hinton 是该校的代表性学者 ， 在 Hinton 的带领下 ，多伦多大学的研究者将反向传播 (Back Propagation) 算法应用到神经网络与深度学习 ， 通过应用这项算法技术 ， 人脸识别技术的识别性能得到极大提高 。近期 ， 多伦多大学的研究人员在人脸识别隐私保护技术领域取到了一些新的进展 ， 开发了一种动态干扰算法来进行人脸隐私保护 。 这种技术原理基于 “ 对抗性训练 ” ， 通过建立起两种相互对抗的算法 ， 当发现某种检测算法正在寻找脸部特征 ， 干扰算法会自动调整这些特征 ， 在照片中产生非常细微的干扰 ， 通过这些干扰来阻碍整个检测系统的检测效果 。（6）、香港中文大学。作为最早投入深度学习技术研发的华人团队 ， 在多年布局的关键技术基础之上 ， 香港中文大学教授汤晓鸥率领的团队迅速取得技术突破 。 2012 年国际计算视觉与模式识别会议 ( CVPR ) 上仅有的两篇深度学习文章均出自其实验室 ；2011-2013 年间在计算机视觉领域两大顶级会议 ICCV 和 CVPR 上发表了 14 篇深度学习论文 ， 占据全世界在这两个会议上深度学习论文总数 ( 29 篇)的近一半 。 他在 2009 年获得计算机视觉领域两大最顶尖的国际学术会议之一 CVPR最佳论文奖 ， 这是 CVPR 历史上来自亚洲的论文首次获奖 。（7）、中科院自动化所。中科院自动化所是国内领先的模式识别领域研究机构 。 多年来 ， 在人脸识别领域开展了广泛的研究 。 自动化所李子青研究员领导的人脸识别研究团队 ，提出了基于近红外的人脸识别技术 ， 对光照变化影响的处理有较好的效果 ，并将该技术应用于 2008 年北京奥运会安保项目 。自动化所孙哲南研究员团队 ， 在生成对抗网络基础上提出高保真度的姿态不变模型 (High Fidelity Pose Invariant Model, HF — PIM) 来克服人脸识别任务中最为经典的姿态不一致问题 。实验结果表明 ， 该方法在基准数据集上的表现的视觉效果和定量性能指标都优于目前最好的基于对抗生成网络的方法 。 此外 ， HF-PIM 所支持的生成图像分辨率也在原有方法的基础上提升了一倍 。（8）、清华大学。清华大学是国内最早从事人脸识别技术研究的研究机构之一 。 清华大学苏光大教授 ， 自 1980 年代就开始了人脸识别技术研究工作 。 苏教授提出了 1 ：1 图像采样理论和邻域图像并行处理机理论 ， 并在 2005 年通过多计算机并行处理技术 ， 显著提高了人脸识别处理的性能 。这项技术与 2012 年由多伦多大学 Hinton 团队提出的利用并行计算来提高反向传播算法的运算效能有异曲同工之妙 。 同时 ， 苏教授团队提出了最佳二维人脸 、 不同类别的多特征描述以及MMP — PCA 等一系列人脸识别的理论和方法 。科技类企业。在人脸识别技术研究领域 ， 众多科技类企业也起到了至关重要的作用 。 微软亚洲研究院较早就开始了人脸识别技术研究 ， 发表了大量优秀的学术论文 ，2018 年 ， 微软亚洲研究院提出的深度学习残差网络 RESNET, 在研究领域得到了广泛认可 ； 苹果公司在人脸识别技术上进行了深入研究 ， 自 2017 年开始 ，就在其 iphoneX 手机上引入了刷脸解锁功能 ；日本电气 (NEC) 公司也是国际上人脸识别技术的先 行者之 一 ， 很早就提出了基于人脸识别技术的公共安全解决方案 ；国内有 “ 人工智能四小龙 ” 之称商汤 、 旷视、 依图 、 云从等企业 ， 在人脸领域 ， 从学术研究到产业实践 ， 都做了大量的工作 ， 在复杂场景 ， 大规模处理等领域 ， 不断取得新的成果 ； 国内传统科技企业百度 、 阿里 、 腾讯 、 平安科技 、 海康 、 大华等 ， 也在人脸识别技术领域开展广泛深入的研究 ， 并结合其原有的业务领域的场景 ， 取得显著的技术研究成果 。3、人脸识别技术优势及局限性技术优势。在不同的生物特征识别方法中 ， 人脸识别技术有其自身特殊的优势 ， 因而在生物识别中有着重要的地位 。（1）、 非侵扰性 ， 人脸识别无需干扰人们的正常行为就能较好地达到识别效果 ， 只要在摄像机前自然地停留片刻 ， 用户的身份就会被正确识别 。（2）、便捷性 ， 人脸识别采集设备简单 ， 使用快捷 。 一般来说 ， 常见的摄像头就可以用来进行人脸图像的采集 ， 不需特别复杂的专用设备 。 图像采集在数秒内即可完成 。（3）、友好性 ， 通过人脸识别身份的方法与人类的习惯一致 ， 人和机器都可以使用人脸图片进行识别 。（4）、非接触性 ， 人脸图像采集 ， 用户不需要与设备直接接触 。 另外 ， 可以在比较远的距离进行人脸图像的采集 。 装配了光学变焦镜头的摄像头 ， 焦距可以提高到 10 倍以上 ， 使景深范围扩展到 50 米以外 ， 实现对远景清晰拍照 ，有效采集远处的人脸图像 。（5）、可扩展性 ， 在人脸识别后 ， 通过对识别结果数据进行下一步处理和应用 ， 可以扩展出众多实际应用方案 ， 如应用在出入门禁控制 、 人脸图片搜索 、上下班刷卡 、 非法人员识别等各个领域 。（6）、隐蔽性强 ， 安全领域对于系统隐蔽性有较强要求 ， 人脸识别在这方面比指纹等方式更具优势 。（7）、强大的事后追踪能力 ， 系统记录的人脸信息是非常重要且易于利用的线索 ， 更加有利于进行事后追踪应用 。（8）、准确度高 ， 相比于人体 、 步态等其特征 ， 人脸特征具备更强的鉴别性与更低的误报率 ， 所能应用的底库规模上高出许多 ， 目前超大规模 （ 十亿级别 ） 的人脸检索已经可以实用 。技术局限。人脸识别技术由于相似脸 、 年龄 、 算法偏见 、 面临的场景多样化以及人脸图像更易公开获取等原因 ， 技术本身也面临着一定的局限性 。（1）、相似脸较难解决 。 双胞胎或者长相很相近的人脸容易识别错误 ， 而该问题在目前暂时没有新技术能完全解决 。 NIST 分析报告指出 ， 大部分情况下双胞胎仍能区分分数高低 ， 但是往往都在阈值之上 ， 在开放环境下应用效果较差 。（2）、算法偏见问题 。 由于当前人脸识别算法很大程度依赖于数据样本 ，但是不同人群的人脸数据样本存在差别 ， 这导致了算法对不同地域 、 不同年龄人群的识别能力有差别 。美国国家技术标准研究院 NIST 的检查表明 ， 人脸识别软件在不同地域 、 种族 、 性别 、 年龄上存在较大差异 。 比如 ， 小孩子 ， 老年人以及其他很少出现的人种或者肤色的人脸识别率相对较低 ， 该问题亟需解决 。（3）、人脸识别率易受多种因素影响 。 现有的人脸识别系统在用户配合 、采集条件比较理想的情况下可以取得令人满意的结果 。 但是 ， 在用户不配合 、采集条件不理想的情况下 ， 会影响现有系统的识别率 。 例如根据 NIST 的测试报告 ， 戴口罩情况下大部分算法的错误率会提高 1 个数量级以上 ， 跨年龄 、 大角度等因素也会造成不同程度的下降 。（4）、年龄变化的影响 。 随着年龄的变化 ， 面部外观也会变化 ， 特别是对于青少年 ， 这种变化更加明显 。 对于不同的年龄段 ， 人脸识别算法的识别率也不同。（5）、安全性问题 。 人脸识别系统信息存储同样会面临黑客的攻击 。 所以对数据加密很重要 。 随着技术的不断提升 ， 人脸识别技术在安全性上需要加强 。同时 ， 人脸暴露度较高 ， 相比对其它生物特征数据更容易实现被动采集 。 这也同时意味着人脸信息的数据更容易被窃取 ， 不仅可能侵犯个人隐私 ， 还会带来财产损失 。 大规模的数据库泄露还会对一个族群或国家带来安全风险 。4、 人脸识别技术的发展趋势随着人脸识别技术的广泛应用 ， 也在不断促进技术本身持续发展 。 基础算法研究 、 人脸重建技术 、 戴口罩人脸识别 、 3D 人脸识别技术 、 新型人脸采集技术 、人脸聚类技术 、 和低质量人脸识别技术 ， 是产业界和学术界关注的热点课题 ，也预示了人脸识别技术的发展趋势 。基础算法技术热点包括模型结构设计 、 损失函数设计 、 无监督 / 半监督学习算法和分布式自学习算法等 。 模型结构设计目前主要有手工设计与网络结构搜索 (NAS) 两种思路 。 ICCV 2019 轻量级人脸识别 (Lightweight Face Recognition) 竞赛结果显示 ， 虽然对大模型场景下结构改进带来的提升则较为有限 ， 但是轻量级场景下网络结构改进对于识别率提升较为明显 。损失函数设计的核心在于学习具备鉴别性且足够鲁棒的特征 。 近年来基于度量学习与各类 margin — based 方法逐渐成为主流。 在特征提取加速方面 ， 主要的方法有轻量级网络 、 模型蒸惚 、 稀疏量化等 ； 在特征比对加速方面 ， 主要的思路有量化以及各类近似最近邻检索技术 。低质量人脸识别技术。在实际的动态应用场景下 ， 人脸识别技术由于场景的不可控因素 ， 采集到的图片质量与训练图片的质量有很大差异 ， 如人脸偏转 ， 大幅度侧脸 ； 运动模糊和失焦模糊 ； 遮挡物(例如口罩 ， 墨镜) ； 低的光照强度和对比度 ； 视频传输由于编解码过程产生的人脸信息丢失等 ， 这些因素导致准确率极度下降 。针对这些具体问题 ， 研究人员提出综合利用各种图像增强技术和图像生成技术对人脸识别算法准确率进行提升的方法 ， 如采用对抗式生成网络对摄像头的风格进行迁移 ， 采用基于深度学习的方法对小尺寸模糊人脸进行超分辨率重建和基于注意力机制对人脸图片进行去模糊处理等 。此外 ， 3D 人脸识别技术也可以有效解决复杂场景下人脸单模态鲁棒性不足问题 ， 如大角度 、 遮挡引起的效果下降问题 ， 常用的融合策略有相似度融合 、 特征融合 、 决策融合等 。戴口罩人脸识别技术。今年新型冠状病毒疫情期间戴口罩人脸识别受到较大关注 。 常用的解决方法有数据增强 、 遮挡恢复 、 多部件模型融合等 ， 可应用在人脸布控 、 陌生人检测 、 无感通行中 ， 均不需要摘下口罩 ， 在 30 万人像库的规模下 ， 戴口罩人脸识别准确率可大于 90% 。人脸聚类无论是在个人领域的相集管理还是在智慧城市治理领域都有较为广泛的应用 。 早期主要基于传统的聚类方法如 k-means 等 ， 但效果不佳 。 近年来 ， 基于 GCN 的人脸聚类方法崭露头角 。 实际业务中 ， 时空信息的挖掘也是研究的热点 。特定群体识别技术。针对儿童/老人 、 不同肤色群体的人脸识别 ， 有标签的数据较少 ， 而无标签的数据更多些 。 研究人员提出可以利用半监督/无监督学习方法带来性能的进一步提升 。 同时 ， 对抗 、 域适应等方法也是研究人员较为关注的方法 。 在特定群体识别中 ， 应考虑如何方便老年人使用人脸识别系统 。为了防范照片 、 视频 、 头模等假体对人脸识别系统的攻击 ， 呈现攻击检测算法也是研究的热点 ， 主要检测原理包括 ：a ） 离散图像检测方式 ， 即利用一幅或多幅图像进行判断 ；b ） 连续图像检测方式 ， 即采用连续图像序列进行判断，如检测显示器边缘 、 边框 、 屏幕反光 、 像素点 、 条纹分析等进行判断 ；c ） 用户主动配合检测方式 ， 即通过指令要求用户完成相应动作如点头 、 抬头 、左右转头 、 张嘴 、 眨眼 、 跟读屏显提示信息等进行判断 ；d ） 基于辅助硬件设备的检测方式 ， 即利用辅助硬件设备获取更多判断依据辅助进行判断 ， 如利用深度摄像头采集人脸深度信息或利用特定波长光源投射并检测在皮肤或非皮肤材质上产生的发射率差异等 ；e ） 用户被动配合检测方式 ， 如 ： 利用静脉血管 、 肌肉 、骨骼 、 静脉血液中脱氧血色素对红外线的吸收特性 ， 判断其是否来自活体 ； 通过特定指令引导用户眼球运动 ， 并通过跟踪眼球运动以判断是否为真实活体 。多模态融合识别技术。多模态融合识别技术可以有效解决复杂场景下人脸单模态鲁棒性不足问题 。 如大角度 、 遮挡 、 像素过低引起的效果下降问题或应用场景对于安全性可靠性要求很高的场景 ， 多模态可以增强识别的可信度 。多模态识别有两个发展方向 ， 一个方向是在脸部图像特征识别的基础上 ， 增加头肩和形体的识别 ， 这种技术的好处是可以不必增加额外的采集单元 ； 另外一个方向是 ， 融合其他生物识别模态 ， 如静脉纹理 ， 声纹信息等 ， 这种技术除了能够提高算法的鲁棒性之外 ， 还可以提高活体验证的可信度 ， 在行业里受到了较为广泛的关注 。三、人脸识别行业1、行业发展概述随着云计算 、 大数据 、 物联网 、 人工智能等计算机科学技术的飞速发展以及人脸识别技术在实际应用中的不断成熟 ， 人脸识别技术在智慧安防 、 智慧城市 、 智能家居 、 移动支付等领域继续大放异彩 ， 并且人脸识别的一些新应用场景也不断地被挖掘出来 。全球人脸识别行业规模依然在以非常高的速度进行增长 。 根据MarketsandMarkets 发布的全球人脸识别市场相关报告 ， 预计全球人脸识别市场规模将从 2019 的 32 亿美元增长到 2024 年的 79 亿美元 ， 在预测期内（ 201 9-2024 年 ） 将以 16.6% 的复合年增长率进行增长 。国内方面 ， 中国人脸识别技术投入在 2017-2018 年达到巅峰 ， 根据 IHSMarkit 的数据 ， 2018 年 ， 中国在全球人脸识别市场的业务占据了将近一半的份额 。 2019 至 2020 年 ， 人脸识别技术发展趋于平缓 ， 进入理智期 。 依据 IT 桔子数据统计 ， 截至目前 ， 中国人脸识别技术总投资额达到 406 亿元 。 前瞻产业研究院预计 ， 未来五年人脸识别市场规模将保持 23% 的平均复合增长速度 ，到 2024 年市场规模将突破 100 亿元 。2、 行业发展现状人脸识别产业链以人脸识别算法作为中间层 ， 其上游为器件 、 通用硬件 、基础软件 ， 上游提供了人脸识别算法的输入 、 训练 、 开发和运行环境 ； 下游为设备和产品 ， 最终体现为解决方案 ， 下游是人脸识别算法的产品形态 。从产业链上游来看 ， 国内厂商 （ 以华为 、 寒武纪为代表 ） 在芯片设计方面有较强实力 ， 在芯片制造方面 ， 除去手机等对芯片精密程度要求较高的设备 ，国内厂商具备制造芯片的能力 。 但高端芯片的制造工艺以及基本元器件都被国外垄断 ， 成为制约上游厂商发展的瓶颈 。从人脸识别算法层面来看 ， 国内厂商具备优势 ， 但数据隐私问题 、 人种 /地域带来的算法性能公平性问题 ， 是国内厂商急需解决的问题 。产业链下游 ， 人脸识别应用越来越广泛 ， 甚至出现过度滥用盗取用户隐私的事件 。 黑客攻击 、 非活体攻击对人脸识别系统安全性也提出了挑战 ， 用户隐私保护和安全性成为掣肘 ， 急需相关政策法规来规范市场 。基础器件：通用处理器。目前 ， 通用处理器主要包括 x86 、 ARM 、 RISC — V 三大系列 。 x86 处理器仍是服务器端主处理器的首选 。 出于稳定性考虑 ， Intel 的 xeon 系列占据了市场的主导地位 ， AMD 鲜有应用 ， 反而国内的海光 、 兆芯的 x86 处理器因国产化替代等原因得到了少量的份额 。 ARM 处理器是手机等智能终端的首选 ， 随着性能提升和软件生态的完善 ， ARM 处理器也逐渐向服务器扩张 ， ARM 公司也推出了一系列高性能核心和 Server Reday 认证支持这一举措 。应用于智能终端的 ARM 芯片的代表包括海思的麒麟系列 、 高通的骁龙系列 、 联发科的 MTK 和瑞芯微的 RK 等 ； 应用于服务端的 ARM 芯片的代表包括海思的鲤鹏芯片和飞腾的腾云 S 系列等 。 RISC V 是开源的处理器架构 ， 随着美国对中国高科技领域的打压 ， 该架构也成为国产化的重要选择 。平头哥推出的铉铁 910 芯片就是采用RISC — V 架构 ， 中天微和小米松果电子也在做 RISC-V 的相关工作 。 国内主流的通用处理器还包括采用 MISP 架构的龙芯和采用 Alpha 架构的申威 。 总体来说,在通用处理器领域的选择相对丰富 ， 以海思为代表的国内芯片设计公司已经走到与国外老牌芯片设计公司对等的位置 ， 主要问题在于先进制程的芯片代工制造的风险 。AI 加速 SOC。与采用 GPU 的通用并行计算不同 ， AI 加速 SOC 是通过内置专门针对 AI 算法设计的加速单元 ， 实现针对 AI 的高运算效率 ， 随着人工智能落地快速崛起的专用芯片 。 NVIDIA 最早针对 GPU 通用并行计算建立了 CUDA 生态环境 ， 使其成为 AI 落地最大的算力提供商 ， 也在 AI 进一步发展阶段 ， 适时推出了面向张量运算的 TensorCore 和面向深度学习的 NVDLA 加速单元 ， 进一步巩固了其在 AI 加速领域的地位 。 Google 依赖其软件优势 ， 推出了与 Tensorflow 紧密结合的 TPU, 但是除了 Google 大规模使用外 ， 并没有得到市场的广泛应用。海思在 AI 加速领域也是颇有建树 ， 先后推出了 hisi 35xx 系列芯片和昇腾系列芯片 。 定位端侧的 hisi 35xx 系列 Al 加速芯片主张图像 +AI 合一 SOC 设计,能提供 0.5TOPS 4TOPS 不等的算力 ， 在平安城市 、 交通 、 电力 、 人脸门禁 、车载等市场广受青睐 ； 定位边缘侧和云中心的昇腾系列 AI 加速芯片能够提供16TOPS-512TOPS 不等的算力 ， 具有算力高功耗低的特点 ， 鲍鹏+昇腾的专用服务器也在数据中心取得应用 。中科院背景的寒武纪 ， 依托在芯片领域的深厚积累 ， 成为科创版第一个上市的 AI 芯片公司 ， 其推出的 MLU220 和 MLU270 芯片分别能够提供 8TOPS 和128TOPS 的算力 ， 也已经在多个行业取得应用 。 除寒武纪以外 ， 还有众多创业公司切入 AI 加速 SOC 的赛道 ， 如地平线的征程 、 旭日芯片 ， 依图的求索芯片等 。与通用处理器类似 ， 国内不乏能够设计顶级 AI 加速 SOC 的厂商 ， 主要风险在于先进制程芯片的代工制造 。CMOS 传感器。视频图像的采集质量 ， 直接关系到人脸识别系统的准确率 ， 而视频图像的采集 ， 则离不开 CMOS 传感器 。 目前主流的 CMOS 传感器的供应商包括索尼 (SONY) 、 三星 ( SANSUNG ) 、 豪威科技 (Ominivison) 和安森美 (ON Semiconctor ） 等 。其中 SONY 以其长期的技术积累 ， 无论是消费电子还是安防等专业应用领域 ， 都占据了较高的市场份额 。 三星主要应用于手机等消费电子 ， 豪威科技和安森美则集中在安防 、 汽车电子专业领域发力 。 国产 CMOS的选择有中星微 、 格科微等 ， 不过目前主要仍然应用在 USB 摄像头等一些消费领域 ， 尚未进入专业市场 。随着疫情的发展 ， 测温需求快速爆发 。 热成像传感器是一种特殊的成像传感器 ， 因其属于军民两用的特性 ， 国内传统供应商包括高德红外 、 大立科技等 。 海康威视以创新业务的方式持续加大在热成像传感方面的投入 ， 今年 4 月更是从福建安芯半导体采购光刻机用于热成像传感芯片的生产 。 大华股份则于2018 年与FLIR建立合作 ， 切入此项业务 。存储芯片。存储芯片在智能终端中占据了较大一部分成本 ， 具体包括 RAM 芯片和 FLASH 芯片 ， 其中 FLASH 芯片又可以进一步分为 NOR FLASH 和 NAND FLASH 。面向通用服务器的 RAM 芯片的供应商主要包括三星 （ SANSUNG ） 、 海力士 （ Hynix ） 等 ， 因规模效应 ， 韩系供应商的地位难以撼动 。 面向嵌入式设备的选择更加丰富 ， 合肥长鑫和紫光半导体等国内厂家也在积极投入 ， 已经进入到投产阶段 。与 NAND FLASH 广泛应用于 SSD 相比 ， NOR FLASH 则相对小众 ， 主要应用于嵌入式设备 。 我国的兆易创新是该领域的主流供应商之一 ， 占据全球第四的市场排名 。 NAND FLASH 与 RAM 类似 ， 具有通用性 ， 是半导体行业的必争之地 ， 除三星和海力士之外 ， 东芝 、 镁光 、 西部数据等也都是这一领域的角逐者 。 国内的长江存储推出了与主流产品性能相当的 64 层 3D NAND, 并在华为mate 系列高端手机中取得了应用。其他器件。其他的应用于人脸识别行业的器件则与通用的电子行业类似 ， 主要包括电源芯片 、 电阻 、 电容 、 电感 、 PCB 敷铜板等 。 总体来说 ， 国内的供应基本可控，但在高精度要求方面 ， 仍需要借助国外供应商 。 在全球化产业链高度发展的今天 ， 各个领域都有深度耕耘者 ， 全球化采购最优器件 ， 仍然度的最佳选择 。通用硬件：通用服务器。通用服务器在人脸识别系统中的主要作用是业务系统和管理节点 ， 从软件生态的完备性角度 ， 通用服务器以 X86 架构为主 ， 但 ARM 、 RISC-V 等其他架构的服务器已经崭露头角 。 x86 服务器的供应商主要包括 Dell 、 联想 、 曙光 、浪潮等 ， 华为的泰山服务器则是 ARM 架构的典型代表 。计算服务器。AI 服务器是采用异构形式的服务器 ， 出于生态友好和总算力高两方面因素，目前的主流方案仍是 Intel x86CPU+Nvidia GPU, 最新的 8 卡 T4 GPU 服务器 ，能够提供 1040T （ 单卡 130T ） 的算力 。 随着专门为 AI 计算设计的 SOC 的成熟，采用 SOC 作为加速卡也成为性价比和功耗比更优的选择 。 在 Al SOC 的选择面上 ， 国内已然走在行业前列 ， 如华为的昇腾 310 芯片 ， 单颗算力 16T, 四颗组成半高的计算卡总算力 64T, 但相同算力下功耗只有 GPU 的 l/7o 其他的如寒武纪的 MLU220 和 MLU270 、 比特大陆的算丰芯片等 ， 也都已经取得了应用 。存储服务器。存储服务器是人脸识别系统中的重要构成 ， 是专门针对存储任务进行优化的专用设备 。 在硬件形态上 ， 其主要特点是硬盘多 ， 通常包含 8 至 48 块硬盘 。为了保证效率 ， 硬盘通常以 SAS 硬盘或者 SSD 为主 。 SAS 硬盘的主要供应商以希捷和西部数据为主 ， SSD 的供应商则更为丰富 ， Intek 三星以及国内的存储厂商也积极参与 SSD 的竞争 。 存储服务器针对软件的优化主要是采用 RAIDs多机分布式等增加存储数据的安全性 ， 相关技术相对成熟 。智能终端。包括智能手机 、 智慧屏在内的通用智能终端 ， 是人脸识别应用的重要领域 。从操作系统层面将智能终端分为两大类 ， 一类是采用自有 iOS 系统的 iPhone,牢牢占据了市场占有率的榜首 ， 另一类则是应用更加广泛的 Android 系统的设备,又以华为占据 Android 榜单的榜首 ， 我国的小米 、 OPPO 、 vivo 也是建树颇丰 。值得注意的是 ， 华为和苹果是仅有的两家能够从芯片到操作系统再到软件生态全流程优化的供应商 ， 在一定程度上解释了这两家企业的竞争优势 。基础软件：训练框架。目前人脸识别算法大多基于深度学习技术 ， Tensorflowx Pytorch 、Mxnet 、 Caffe 是最常用的训练框架 。 由于人脸识别存在类别大 、 loss 多样等特点 ， 在上述深度学习框架基础上需要结合人脸识别本身的特点进一步的优化扩展 ， 其中代表性的开源框架为 lnsightface。在工业界 ， 各企业内部往往也有各自的训练平台 ， 以实现数据 、 训练 、 部署等环节的协同 ， 一些优秀的内部框架也在逐步开源 。 但由于训练框架切换学习成本高 ， 整体的生态建设仍待加强 。推理引擎。推理引擎与训练框架相对应 ， 主要用于模型在设备端的高效 （ 前向 ） 运行 。一些训练框架会配套对应的推理引擎 ， 也有一些独立于训练框架的推理引擎软件 。 此外 ， 深度学习芯片也会提供各自的推理引擎软件实现加速 。 由于推理引擎往往针对特定结构或者硬件深度优化 ， 对于一些新型的网络结构扩展性较差或者优化效率不高 ， 容易导致一些新算法无法快速落地 。其他环节。人脸识别完整流程除深度学习神经网络外还包括图像预处理 、 特征后处理等流程 。 目前缺乏效果且通用的实现方式 ， 尤其是在芯片端 ，征比对之类图像处理和数学运算类的功能缺失 ， 增加开发成本性能损失 。算法技术：近年来随着深度学习的发展 ， 人脸识别技术取得了突破性进步 ， 全球范围内相关研究团队众多 ， 以中美俄日欧等国家和地区较为领先 。 根据 NISTFR 町2020 年 10 月的测试结果 ， 全球排名前 10 的算法半数以上来自中国 。虽然各国的人脸识别算法有性能上的差异 ， 但差距并不大 。 以 FR 町 VISA测试集为例 ， 百万分之一误报对应正确率前 30 厂家性能都已超过或者接近99% 。 人脸识别的技术发展已由注重算法精度提升向以改善实际应用效果的方向转变 ， 并出现了以下应用趋势 。由简单场景向复杂场景转变。简单场景人脸识别精度趋于饱和已经成为业界的共识 ， 业界将注意力转移到复杂场景人脸识别问题并表现在具体应用场景上 。 从高分辨率 、 小姿态 、 光照适中的优质人脸卡口场景转变到低分辨率 、 大姿态 、 低照度 、 模糊等低画质开放式场景 ， 这对人脸识别算法适应能力提出了新的挑战 ， 也是业界努力提升的方向 。3D 人脸成为配合式应用的重要方向，随着 2017 年 iPhone X 首次将 Face ID 引入手机端 ， 3D 人脸识别技术逐渐成为手机厂商旗舰机型的标准配置 。 相比于 2D 人脸 ， 3D 人脸包含更为丰富的人脸信息 ， 对旋转 、 遮挡 、 光照 、 照片攻击等具有更好的抗干扰能力 。 在以门禁考勤 、 金融支付为代表近距离配合式应用中 3D 人脸逐渐成为常用的技术解决手段 。多生物特征融合成为新的趋势。多生物特征融合能弥补单生物特在的不足 ， 实现优势互补 ， 提升系统精度，改善应用体验 。 在近距离配合式应用中 ， 采用人脸识别与虹膜识别技术融合可解决双胞胎等人脸识别难以解决的问题 ， 增强双胞胎金融支付应用的安全 ； 在安防场景 ， 相机角度 、 分辨率等问题存在人脸质量较差以及获取不到人脸等情况 ， 步态识别 、 行人重识别等技术的融入能进一步扩大整个身份识别系统的算法边界 。人脸识别公平性问题亟待解决。由于安全隐私顾虑 、 经济科技水平落后和贸易壁垒等因素 ， 人脸识别技术在全球的整体普及程度仍然偏低且存在发展不平衡现象 。 根据 NIST 的分析报告 ， 欧美 、 亚洲为人脸识别技术主要供应商 ， 各国算法优化主要依赖本国环境,跨人种 、 跨地域 、 跨场景等仍会给人脸识别算法带来一定影响 。 除了准确率的持续优化 ， 全球范围内安全隐私 、 公平性等问题亟待解决。设备及产品：人脸抓拍机：人脸抓拍机内置 AI 芯片和深度学习算法 ， 适应于人流密集的通道 、 出入口等多种场景需求 ， 实现对人群中人脸的精准捕捉 。 人脸抓拍机目前已普遍部署在汽车站 、 火车站 、 机场 、 港口 、 娱乐场所 、 街道 、 社区等人员复杂场景的重点监控区域 ， 对场景的适应性是其性能的重要指标 。 在大姿态 、 遮挡 、 光照异常等复杂情况下的人脸抓拍成功率 ， 在自然监控环境中误抓率都是设备性能体现 ， 也是用户的选择依据 。随着安防监控智能化的发展 ， 捕捉更精细更全面的结构化信息成为趋势 。目前各大厂商都推出了抓拍人脸 、 人体 、 车辆 、 车牌等多维信息的面向视频结构化应用的抓拍机 ， 多 AI 算法的集成以及多路实时抓拍的需求 ， 要求前端设备厂商进一步压缩算法模型和提升芯片处理速度 。 另外 ， 前端设备脱离于后端服务器 ， 功能从单纯捕捉信息到捕捉 、 分析 、 决策方向发展 ， 这也符合智能前移为边缘节点赋能 ， 让边缘感知信息的发展趋势。门禁设备：门禁设备是以人脸识别技术为核心的身份识别终端产品 ， 它集成了视频采集 、 人脸识别 、 证件识别 、 红外侦测及网络传输等多种功能 。 目前市场上的门禁产品发展比较成熟 ， 同质化严重 ， 但也展露一些新趋势 。随着门禁设备的普及化和民用化 ， 安全问题越来越受到重视 ， 防伪功能成为标配 。 由于攻击方式多样性 ， 即使配备防伪功能的设备也存在技术缺失或适应性差的问题 ， 安全性能有待持续提升并完善 。 今年由于疫情管控的需要 ， 集成测温功能的门禁设备逐渐普及 。 未来安全性和差异化满足个性化需求将成为门禁类产品的重要发展方向 。网络硬盘录像机设备：网络硬盘录像机 (Network Video Recorder, NVR) 最主要的功能是通过网络接收 IPC (网络摄像机)设备传输的数字视频码流 ， 并进行存储与管理 。NVR 设备内置人脸检测 、 人脸识别功能可提升存储数据的有效性以及关键数据的检索效率 ， 目前已成为 NVR 设备的主要卖点 。移动终端：随着刷脸功能的普及 ， 手机逐步成为人脸识别的重要终端之一 ， 通过手机即可完成刷脸登录和刷脸支付 。 相对于传统的密码解锁和支付 ， 刷脸具有更高的便捷性和安全性 。 未来人脸识别在智能手机的普及率会进一步提升 ， 也将有越来越多的手机应用借助人脸识别进行身份验证 。人脸分析服务器：基于深度学习的人脸识别算法在实际应用中需要消耗大量的计算资源 ， 长期以来 GPU 为首的通用架构芯片是进行深度学习计算最常用的计算资源 。 然而 ， GPU 服务器体积大 、 能耗高 ， 在很多应用场景中已成为限制人工智能发展的瓶颈 。基于人脸识别专用 ASIC 芯片的解析一体机或服务器 ， 在性能 、 成本 、功耗 、 可靠性及适用范围等方面都具有明显的优势 。 在很多实际应用场景中 ，专用解析一体机或服务器在提供同等算力的情况下 ， 消耗更少的能量 ， 占用更小的体积 ， 发热量也更小 。 例如搭载 “ 求索 ” 芯片的 1 台 1U 依图原子服务器无需英特尔 CPU, 与 8 卡英伟达 P4 服务器对比 ， 解析路数相同情况下单路功耗不到后者的 1 0%。人脸比对服务器：随着智慧城市 、 一人一档等人脸大数据应用 ， 对人脸特征比对支持的库容规模 、 并发量 、 响应速度提出新的要求 ， 随之产生专用的比对服务器 。 GPU由于生态友好且算力高 ， GPU 卡的比对服务器在各行业应用中有较大占比 。与分析服务器类似 ， GPU 比对服务器存在体积大 、 功耗高的缺点 。FPGA 芯片更合适人脸特征比对运算 ， 具有大库容高并发的特点 ， 基于 FPGA 的人脸比对服务器在性能 、 层本 、 功耗等方面皆具备明显优势 ， 该类产品已崭露头角 。 此外，随着 CPU 芯片计算能力和指令集的不断优化 ， 芯片厂家和服务器厂家也在联合尝试基于 CPU 的人脸比对服务器产品 ， 基于 CPU 的产品方案也值得关注 。解决方案：人脸识别系统业务功能主要包括人脸核验 、 人脸布控 、 人脸检索 、人脸聚类等 ， 可以通过上述不同的设备构建不同的解决方案 。 按照应用场景和数据规模 ， 解决方案可以归纳为人脸考勤方案 、 人脸布控方案和人脸大数据应用方案 。人脸考勤解决方案：人脸考勤解决方案可以由单个门禁设备构成 ， 亦可由人脸抓拍机 +NVR 或人脸服务器的方式构成 ， 包含人脸注册 、 人脸抓拍 、 人脸建模和人脸比对功能，并配备管理系统 ， 具备考勤权限 、 数据存删 、 参数设置和隐私保护等功能 。人脸布控解决方案：人脸布控解决方案 ， 通常由人脸抓拍机+人脸分析服务器构成 。 当单台人脸分析服务器不足以提供所需性能时 ， 可以采用多集群方式 ； 当系统需要接入传统 IPC 视频码流时 ， 亦可在分析服务器实现人脸抓拍 。人脸大数据应用解决方案：省级 、 全国级静态库检索 ， 市 / 县级人脸聚类是常见的人脸大数据应用 ，其解决方案通常由人脸抓拍机+人脸分析服务器+人脸比对服务器构成 ， 其系统通常为分布式系统 ， 图像处理单元和特征比对单元按照应用所需的处理并发数进行部署 。 该类系统通常与其他智能分析系统(如人体分析 、 步态分析)进行打通 ， 并利用大数据分析技术进一步提升系统的可用性和整体性能。不同厂家人脸产品形态有所差异 ， 但其人脸产品的核心功能大同小异 ， 因此由人脸产品组成的人脸识别系统功能和流程相对固定 ， 上述解决方案具有极高的通用性 。 产业链中基础层 、 算法和设备的发展主要在于提升人脸识别的效果和效率 ， 不会影响整体功能和流程 ， 解决方案是相对稳定的环节 。3、典型应用领域科技金融。人脸识别在金融领域的应用已经相当普遍 ， 如远程银行开户 、 身份核验 、保险理赔和刷脸支付等 。 人脸识别技术的接入 ， 能有效提高资金交易安全的保障 ， 也提高了金融业务中的便捷性。2013 年芬兰公司 Uniqul 成为首批吃螃蟹的公司 ， 面向全球首次推出人脸识别支付这一创新支付技术 。 2015 年在德国汉诺威 CeBIT 展会上马云第一次向德国总理默克尔展示了支付宝的人脸识别支付技术 。 同年 ， 招商银行在一些支行柜面和ATM业务也开始应用人脸识别 ， 随后包括建设银行 、 农业银行等四大行在内的数十家银行都纷纷将人脸识别产品引入ATM 、 STM 、 柜面 、 网点 、手机银行等各个业务环节 ， 并逐渐全客户覆盖 。时至今日 ， 人脸识别技术在国内金融领域已经得到了非常广泛的部署和应用 ， 消费者在各个渠道中都可以利用人脸识别技术使用金融服务 ，中国在人脸识别技术的应用上已经大幅度领先国外市场。智慧安防。安防是人脸识别市场最早渗透 、 应用最广泛的领域 。 根据亿欧研究 ， 2018年 ， 安防行业在中国人脸识别市场占比 61.2% 。 当前人脸识别技术主要为视频结构化 、 人脸检索 、 人脸布控 、 人群统计等软硬件一体形态产品提供基础支撑,重点应用于犯罪人员的识别追踪 、 失踪儿童寻找 、 反恐行动助力等场景 。视频监控系统通过庞大的监控网络进行图像采集 、 自动分析 、 人脸比对 ， 基于视频帧的 1 ： 1 及 1 ： N 人脸比对 ， 可分析人员轨迹 、 出行规律等 ， 实现重点人员的识别及跟踪 ， 在公安应用场景中达到事前预警 、 事中跟踪 、 事后快速处置的目的 。 在雪亮工程 、 天网工程 、 智慧社区 、 反恐及重大活动安保等公安项目发挥了重要的作用 。此外 ， 在企业楼宇 、 社区住宅的人员管理和安全防范需求场景下 ， 人脸识别技术应用非常广泛 ， 通过人脸的黑白名单录入 ， 可有效管控区域人员出入 ，机器识别的高效率也大幅节省了人力资源。智慧交通。国外的公共交通领域对人脸识别技术的应用主要集中在机场安检以及入境管理等特别强调安全的场景 。 加拿大渥太华国际机场 、 澳大利亚当地移民及边境保护局与美国海关与边境保护局皆已尝试部署人脸识别出入境系统。国内交通领域的人脸识别应用主要包括 1 ： 1 人脸验证和 1 : N 人脸辨识 。目前利用人脸核验证技术的刷脸安检已进入普遍应用阶段 ， 在高铁站 、 普通火车站和机场皆已大面积推广 。 而应用 1 ： N 人脸比对技术的刷脸支付主要落地在地铁公交等市内交通 ， 这种技术能够极大提高通勤人员的出行效率 ， 释放大量的人力资源 ， 提升出行体验 。 同时 ， 人脸识别可以对交通站点进行人流监测 ，根据人员出行规律预测交通人流高峰 ， 提前做好疏导预案 。除此之外 ， 在交通违规管控方面 ， 人脸识别技术可以帮助执法人员更快速高效地找到违规人员身份信息 ， 并结合车辆识别等技术进行跟踪拦截。民生政务。政务互联网平台、 公积金 、 社保 、 税务 、 网证 、 交通管理 、 行人闯红灯 、缴交交通罚款 、 住建等民生政务系统 ， 已经使用或正在使用人脸识别系统 。 政务服务领域的业务点主要有私有云平台搭建 、 政务服务自助终端 、 便民服务平台 。 人脸识别在政务系统的落地 ， 提升了民众的办事效率 ， 公民可以不用窗口排队 ， 实现自助办事 ， 节省了因人工效率低下产生的耗时 。 部分政务还可以通过在线人脸识别认证 ， 在移动端线上办理 ， 减轻了 “ 办事来回跑 、 办事地点远 、办事点分散 ” 的困扰 。教育考试。智慧教育在高速发展的同时 ， 不断深入采用物联网 、 云计算 、 大数据等先进信息技术手段 ， 实现各种教育管理与教学过程数据的全面采集 、 存储与分析，并通过可视化技术进行直观的呈现 。在这个过程中 ， 相关科技企业基于自身在人工智能 、 视频可视化技术 、 出入口门禁管理 、 大数据 、 云计算等领域积累的技术产品经验 ， 致力于推动智慧教育的行业发展 ， 打造升级智慧校园 、 智慧教室 、 智慧宿舍 、 智慧图书馆 、 智慧食堂 、 智慧超市等教育相关的安全管控 、 课堂考勤 、 刷脸消费和智能化体验 。同时 ， 人脸识别技术也应用在考生身份确认 。智能家居。人脸识别在智能家居中主要应用在安全解锁和个性化家居服务两个场景 。在安全防范方面 ， 人脸识别可以提供相对安全和便捷的入户解锁技术 ， 将可能逐步替代传统密码或指纹门锁 。 智能门铃可以通过人脸识别对访客身份进行识别 。 另外家中的监控摄像头可以实时监测 ， 如发现陌生人脸立即提醒住户并报警 。在个性化家居服务方面 ， 智能电视可以采用人脸信息录入的方式创建账号 ，机器通过人脸识别认证 ， 有针对性的进行内容推送 ， 实现个性化定制 ； 智能冰箱可通过人脸识别技术 ， 针对不同的用户爱好 、 人脸状态 ， 推送菜谱及营养建议 。 人脸识别技术在智能家居行业的应用 ， 为市民带来了更便捷 、 舒适的生活方式 。4、 行业发展趋势应用场景向各行业渗透 ， 市场规模增长趋势出现分化。随着技术发展和安全性要求的提高 ， 人脸识别技术在行业应用中发生巨大变化 ， 从安全性可靠性要求较低的行业上升到金融社保 、 证券 、 银行 、 互联网金融等安全可靠性要求较高的行业 。 我国人脸识别技术目前主要运用在公共安防 、 门禁考勤 、 金融支付三大领域。区分不同的应用领域来看 ， 其趋势逐渐出现分化 。 从 2019 年看 ， 安防作为人脸识别最早应用的领域之一 ， 其市场份额占比在 30% 左右 。 随着雪亮工程 、 智慧城市建设的逐步完成 ， 人脸识别在安防领域逐渐从增量市场转变为存量市场 。 人脸识别在门禁考勤领域的应用最为成熟 ， 约占行业市场的 42% 左右 ， 随着智慧楼宇 、 智慧社区 、 智慧家居的进一步发展 ， 人脸识别门禁考勤市场也将随之增长 。 金融作为人脸识别未来重要的应用领域之一 ， 目前约占行业的 20%, 并且市场规模在逐步扩大 。全球公共卫生环境变化 ， 人脸识别迎来应用新需求。新冠肺炎疫情的爆发并在全世界流行 ， 威胁人类生命安全与健康 ， 引发了一场全球公共卫生危机 。 相对于指纹 、 刷卡等接触式身份识别模式 ， 人脸识别等非接触式识别模式更适用于当前受新冠病毒影响的全球公共卫生环境 ， 减少病毒通过接触感染人群 。一方面 ， 人脸识别技术结合红外体温监测技术 ， 获取人员身体健康状况信息 ， 能及时反馈并控制疫情源头 ； 另一方面 ， 监控系统的全面布控 ， 可检测获取重点人员流动信息 ， 帮助政府防控管制措施做到有的放矢。目前全球公共卫生环境形式依旧严峻 ， 根据智源发布的 《 人脸识别与公共卫生调研报告 》 显示 ， 受访者普遍赞同加强人脸识别技术的能力 ， 81.9% 的人同意增强对戴有口罩的人的面部识别 。 为完善疫情防控体系 ， 进一步阻断传播源 ， 戴口罩人脸识别技术的新需求浮出水面 。计算芯片技术发展 ， 支撑人脸识别大规模应用。人脸识别算法的工业应用和算法性能除了自身模型性能外 ， 依赖于算法运行的硬件芯片环境 。 以英伟达的 GPU 和英特尔的 CPU 为代表的通用架构芯片作为人脸识别算法训练和推理最常用的计算资源 。同时 ， 为了满足人脸识别应用场景的不断拓展和数据量的急剧增长对算力的强烈需求 ， 基于领域专用架构 ( Domain Specific Architectures, DSA) 理念的行业专用定制芯片凭借着对特定领域的算法优化 ， 可以充分发挥计算资源和算法模型的效能 ， 已经被部分厂商应用于人脸识别算法的训练和推理应用 ， 如海思 、 依图 、 寒武纪等企业推出的云端计算芯片 ， 可以逐渐替代 GPU 成为其人脸识别技术应用的主流计算资源。近年来 ， 信息量的爆炸式增长给数据传输存储及中心计算带来了巨大的压力 ， 边缘计算应运而生 。 随着 AI 芯片技术的飞速发展 ， 边缘计算设备的算力不断提高 ， 越来越多的计算由边缘侧承担 。 一方面 ， 边缘计算能有效缓解带宽承载 ， 提高计算传输效率 ， 满足实时响应需求 ， 增强数据安全性 ； 另一方面 ，模型压缩及加速技术以及适合人脸识别算法运算的专用 AI 芯片不断完善 ， 边缘设备的人脸识别算法精度持续提升 ， 目前基于 AI 芯片的边缘设备应用基本覆盖社区 、 学校 、 医院 、 园区 、 交通等场景 ， 支撑人脸识别的大规模应用 。云边端协同部署 ， 人脸识别应用迎来新场景新模式。云边端的协同部署模式将人脸识别应用模块分摊到各部分 ， 通过前端边缘计算实现布控报警 ， 边端对人脸特征做聚类分析 ， 云端汇聚有效信息 ， 进行大数据对比分析 ， 开展调度工作 。云边端协同部署方式缓解了云端压力 ， 支持业务分级响应 ， 云边结合人脸识别系统通过对云端和边缘端资源的统一配置 、 管理 、 调度 ， 融合了边缘计算敏捷性和云端大数据全局性的优势 ， 使人脸识别系统在带宽 、 并发数 、 响应速度等维度性能全面提升。在未来 ， 边缘端设备的视频编码能力和视频特征抽取能力将进一步加强 ，AI 应用也会将越来越多的计算承载分摊到前端 。 云端则由人像系统 、 视频结构化系统 、 人脸人体聚类分析等服务组成 ， 通过分析 、 聚类 、 归档形成各种主题库 ， 跟各种业务应用打通 ， 满足更多复杂场景下的智能化应用需要。算法技术国际领先 ， 国内市场竞争激烈。从全球竞争格局上看 ， 中国公司在人脸识别算法上具备相当大国际竞争力 。从最新 NIST 主办的人脸识别算法测试 FR 町来看 ， 参加评测的供应商有 207 家，其中中国大陆供应商有 31 家 。 在其公布的几个主要测试集上 ， 共有 7 家中国人脸识别算法供应商取得过前三 ， 5 家取得过第一 ， 且在近一年内保持这一优势 。 总体来说 ， 中国的人脸识别算法在国际上已处于领先地位 。国内市场竞争激烈一方面体现在竞争厂商多 ， 包括传统安防企业 、 AI 初创企业和平台生态企业 。 传统安防企业从安防市场出发 ， 对安防视频行业的痛点和客户需求理解较深 ， 拥有产品+集成的优势 ， 已构建起很强的规模效应壁垒 。AI 初创企业主要是一些新兴的专注于做算法的计算机视觉 （ CV ） 初创企业 ，以 AI 算法为核心优势 ， 同时兼顾 “ 硬件落地 ” 及 “ 产品化 ”。 平台生态企业 ，依托其强大的云平台以及云计算能力 ， 以云平台为核心横向切入 ， 整合合作伙伴的应用方案 ， 构建统一的生态体系 ， 并形成差异化竞争。国内市场竞争激烈另一方面体现在全产业链竞争 ， 从算法竞争延伸到芯片和平台竞争 。 主要市场参与者都已经加入 AI 芯片竞争中 ， 安防企业注重边缘侧和端侧的推理芯片 ， 初创公司更注重边缘侧推理芯片 ， 而平台生态企业则注重端 / 云一体 ， 构建从训练到推理的全栈 AI 生态 。 下游的竞争主要是应用层的竞争 ， 是生态的竞争 ， 是深耕行业的竞争 。四、人脸识别标准化1、 标准化组织情况国际标准化方面 ， 人脸识别标准化工作主要属于生物特征识别标准化分技术委员会 (ISO/IEC JTC1/SC37 ) 工作范畴 ， 其重点关注人脸识别基础标准 ， 如图示图标符号 、 样本质量等 ， 以及数据交换格式及符合性测试方法等。其它关注人脸识别的国外先进组织包括电气与电子工程师协会 ( Institute of Electrical and Electronics Engineers, IEEE) 、 美国消费技术协会 (Consumer Technology Association, CTA) 等,其关注的方向在于生物特征识别呈现攻击检测 、 人脸生物特征识别信息的性能评估等 。 ITU 与生物特征识别标准相关的主要是 ITU-T SG1 7 安全标准工作组下设的 Q9 和 Q10 。 Q9 主要关注在通信应用环境中应用生物特征识别及其标准化工作 。随着生物特征识别技术在电子商务 、 电子健康和移动支付领域中的广泛应用 ， 该工作组同样关注生物特征数据的隐私保护 、 可靠性和安全性等方面的各种挑战 。 Q10 关注身份管理架构和机制 ， 部分标准项目与基于生物特征识别身份认证相关 。 进几年 ， ITU-TSG16 媒体工作组基于视频监控 、 机器视觉等应用场景 、 功能需求 、 业务需求 、 性能需求以及安全需求 ， 在 Q12 、 Q21 等课题组先后开展人脸识别标准的研究和制定工作 。国内组织方面 ， 主要是全国信息技术标准化技术委员会生物特征识别分技术委员会 ( SACOC28/SC37 ) 和全国安全防范报警系统标准化技术委员会人体生物特征识别应用分技术委员会(简称 SAC/TC100/SC2 ) 负责生物特征识别标准的制定 。 其中 SACATC28/SC37 成立了人脸识别 、移动设备生物特征识别等多个工作组 ， 发布了人脸样本质量 、 人脸图像数据交换格式 、 移动设备人脸识别等标准 。 SA5C100/SC2 发布了视频监控 、 出入口控制等公共安全领域的多项人脸识别标准 。此外 ， 国内组织方面 ， 全国防伪标准化技术委员会 ( SAC/TC218 ) 发布了国家标准 《 生物特征识别防伪技术要求第 1 部分 ： 人脸识别 》 。 全国金融标准化技术委员会 ( SAC/TC 180 ) 发布了国家标准 《 金融服务生物特征识别安全框架 》 ， 并且正在制定 《 人脸识别技术线下支付安全应用规范 》 等生物特征识别行业标准 。公安部社会公共安全应用基础标准化技术委员会发布了行业标准 《 视频图像分析仪第 4 部分 ： 人脸分析技术要求 》 。 全国信息安全标准化技术委员会 ( SAC/TC260 )发布了国家标准 《 信息安全技术远程人脸识别系统技术要求 》 等。2、标准制修订情况国际标准化组织和其他国外先进标准组织人脸识别相关的标准统计情况见下表。▲ISO 国际标准统计表我国人脸识别相关的标准情况见下表。▲我国人脸识别相关的标准情况见表智东西认为，当前 ， 我国的人脸识别技术与应用在国际上处于领先地位 ，在科技金融 、 智慧安防 、 智慧交通 、 民生政务 、 教育考试 、 智能家居等多个领域得到了广泛应用。但是，近一年人脸识别技术也出现了很多不良影响，“售楼处暗藏人脸识别”、人脸信息泄露等问题屡见不鲜。随着技术门槛的逐步降低，加强安全技术的研发和应用，完善相关的法律法规变得尤为重要。

碳化硅（SiC）材料前景可观。随着SiC功率器件的成本下降，有望引领包括新能源汽车在内的诸多行业，在功率半导体使用上迎来大规模升级迭代，短期看与MOSFET、混合模块等器件的结合路径，在操作性和经济性角度存在一定优势，有望继续成为部分主机厂商未来2-3年的新选择、新需求。碳化硅功率半导体近年来在能源转换应用中正在成为一个热门的话题：SiC功率半导体凭借其低功耗、长寿命、高频率、体积小、质量轻等优势，在EV、轨交、通信及光伏领域具备较强的替代潜力。SiC处在爆发式增长的前期▌SiC材料性能领先，全生命周期成本优势可期据TexasInstruments的研究显示，SiC相对上两代材料具备高禁带宽度、高饱和电子漂移速度、高热导率等优势，更适用于高功率环境。以Model3为例，结合Microsemi的资料进行测算，在一定的成本降幅下，SiC器件系统成本经济性有望在未来3-4年实现。SiC与Si相比，在耐高压、耐高温、高频等方面具备碾压优势，是材料端革命性的突破。1）耐高压：SiC击穿场强是Si的10倍，这意味着同样电压等级的SiCMOS晶圆的外延层厚度只需要Si的十分之一，对应的漂移区阻抗大大降低，而且禁带宽度是Si的3倍，导电能力更强；2）耐高温：SiC热导率及熔点非常高，是Si的2-3倍；3）高频：SiC电子饱和速度是Si的2-3倍，能够实现10倍的工作频率。▼SiC与Si相比具有优异的材料特性▌SiC与功率器件加速融合，全球厂商加速布局SiC-JBS二极管和MOSFET晶体管因其性能优越，成为目前应用最广泛、产业化成熟度最高的SiC功率器件；SiC（混合）模块成为当前较多厂商的应用选择。根据IHS数据，2017年SiC器件市场，Cree占据了26%的市场份额，其次为罗姆（21%）和英飞凌（16%）。SiC与功率器件：从二极管、晶体管到模块SiC与功率器件主要的结合方式，包括二极管、晶体管和模块（混合模块）三大类。（一）SiC功率二极管：主要包括肖特基二极管（SBD）、PIN二极管、结势垒控制肖特基二极管（JBS）三种类型。SiC-SBD的出现，帮助SBD的应用电压范围，从250V提高到1200V。在3kV以上的整流器应用领域，SiC-PiN和SiC-JBS较Si基整流器具有更高的击穿电压、更快的开关速度、更小的体积和更轻的重量，实际应用正不断增加。（二）SiC晶体管：主要包括金属氧化物半导体场效应晶体管（MOSFET）、双极型晶体管（BJT）、结型场效应晶体管（JFET）、绝缘栅双极型晶体管（IGBT）和门极可关断晶闸管（GTO）等，目前在车用领域，SiC-MOSFET已经在部分车型中开始商业化应用。总体来看，SiCJBS二极管和MOSFET晶体管由于其性能优越，成为目前应用最广泛、产业化成熟度最高的SiC功率器件。（三）SiC（混合）模块：随着由Si-IGBT芯片和Si-FWD芯片组成的IGBT模块在追求低耗的道路上走向理论极限，而具有耐热性和耐高压击穿能力的SiC器件成本仍较高，混合型SiC模块（Si-IGBT+SiC-SBD）被认为是综合器件性能和材料成本的折衷优化选择。为进一步提升SiC功率器件的电流容量，通常采用模块封装的方法把多个芯片进行并联集成封装。SiC功率模块率先从由IGBT-Si基芯片和SiCJBS二极管芯片组成的混合功率模块产品发展而来。SiC混合模块采用大芯片面积、大电流等级的Si-IGBT作为主器件，小芯片面积、小电流等级的SiC-MOSFET作为辅助器件。二者并联实现小电流时由SiC-MOSFET导通，此时SiC-MOSFET极低的导通电阻可以有效减少导通功耗；大电流时由IGBT导通，此时IGBT大电流下导通压降小的优势也可以减少导通损耗。▼SiC混合模块结构原理图随着SiC-MOSFET器件的成熟，Wolfspeed、Infineon、三菱、Rohm等公司，相继开发了由SiC-JBS二极管和SiC-MOSFET组成的全SiC功率模块。目前，SiC功率模块产品最高电压等级为3300V，最大电流700A，最高工作温度为175℃。在研发领域，SiC功率模块最大电流容量达到1200A，最高工作温度达到250℃，并采用芯片双面焊接、新型互联和紧凑型封装等技术来提高模块性能。性能优势显著，功耗与体积改善明显SiC的功率器件如SiCMOS，相比于Si基的IGBT，其导通电阻可以做的更低，体现在产品上面，就是尺寸降低，从而缩小体积，并且开关速度快，功耗相比于传统功率器件要大大降低。在电动车领域，电池重量大且价值量高，如果在SIC器件的使用中可以降低功耗，减小体积，那么在电池的安排上就更游刃有余；同时在高压直流充电桩中应用SIC会使得充电时间大大缩短，带来的巨大社会效益。 ▼SiC MOS相比Si功率器件的对比根据Cree提供的测算：将纯电动车BEV逆变器中的功率组件改成SiC时,大概可以减少整车功耗5%-10%；这样可以提升续航能力，或者减少动力电池成本。总结来说，SiC器件具备的多种优势将带动电动车续航能力的提升： 高电能转换效率：SiC属于宽能隙材料,击穿场强度大比Si基半导体材料更适用在高功率的应用场景； 高电能利用效率：SiC属于宽能隙材料,击穿场强度大比Si基半导体材料更适用在高功率的应用场景； 低无效热耗：开关频率高,速度快,所产生无效的热耗减少,使电路、散热系统得以简化。与传统Si-IGBT器件对比，混合SiC器件的IGBT导通损耗可以减少55%，二极管关断损耗可以减少95%，将该混合器件运用到铁路牵引系统，预计将减少30%的功率损耗。工作损耗的降低以及工作温度的上升使得集成度更高，因此相比于相同电流大小的SiIGBT器件，混合SiC器件体积可以减小30%左右。▼混合SiC器件和传统Si器件性能对比（一）▼混合SiC器件和传统Si器件性能对比（二）▼SiC混合模块与IGBT（Si基）模块对比▌高功率场景前景光明，产业化在即据IHS数据，2023年全球SiC器件需求有望达16.44亿美元，2017-2023年复合增速约为26.6%；下游主要应用场景包含EV、快充桩、UPS电源（通信）、光伏、轨交以及航天军工等领域，其中电动车行业有望迎来快速爆发（CAGR81.4%），通信、光伏等市场空间较大。伴随SiC器件成本下降，全生命周期成本性能优势有望不断放大，潜在替代空间巨大。目前SiC功率器件主要定位于功率在1kw-500kw之间、工作频率在10KHz-100MHz之间的场景，特别是一些对于能量效率和空间尺寸要求较高的应用。如电动汽车车载充电机与电驱系统、直流充电桩（快充桩）、光伏微型逆变器、高铁、智能电网、工业级电源等领域，可替代部分硅基MOSFET与IGBT。▼从功率和频率角度选取功率半导体器件功率半导体行业发展趋势功率半导体用于所有电力电子领域，市场成熟稳定且增速缓慢。行业发展主要依靠新兴领域如新能源汽车、可再生能源发电、变频家电等带来的巨大需求缺口。行业发展趋势一：不需要追赶摩尔定律，倚重制程工艺、封装设计和新材料迭代，整体趋向集成化、模块化功率半导体整体进步靠制程工艺、封装设计和新材料迭代。设计环节：功率半导体电路结构简单，不需要像数字逻辑芯片在架构、IP、指令集、设计流程、软件工具等投入大量资本。制造环节：因不需要追赶摩尔定律，产线对先进设备依赖度不高，整体资本支出较小。封装环节：可分为分立器件封装和模块封装，由于功率器件对可靠性要求非常高，需采用特殊设计和材料，后道加工价值量占比达35%以上，远高于普通数字逻辑芯片的10%。提升性能和降低成本推动晶片向集成化、小型化发展。根据Omdia预测，2020-2024年分立器件市场增速为2.2%，而功率模块市场增速为5.4%。新兴市场使中高端产品如IGBT和功率MOSFET需求变大。根据WSTS数据统计，全球功率MOSFET增速为7.6%，IGBT为8.9%。目前，根据在研项目和产品布局看，国内企业开始向价值量更高的中高端产品转型。行业发展趋势二：新能源与5G通信推动第三代半导体兴起新能源、5G等新兴应用加速第三代半导体材料产业化需求，我国市场空间巨大且有望在该领域快速缩短和海外龙头差距。①天时：第三代材料在高功率、高频率应用场景具有取代硅材潜力，行业整体处于产业化起步阶段。②地利：受下游新能源车、5G、快充等新兴市场需求以及潜在的硅材替换市场驱动，目前深入研究和产业化方向以SiC和GaN为主，国内市场空间巨大。③人和：第三代半导体核心难点在材料制备，其他环节可实现国产化程度非常高，加持国家在政策和资金方面大力支持。该行业技术追赶速度更快、门槛准入较低、国产化程度更高，中长期给国内功率半导体企业、衬底材料供应商带来更多发展空间确定性更强。行业发展趋势三：IDM模式更适合功率半导体行业，代工可以提供产能、工艺技术补充海外功率半导体龙头企业都采用IDM模式，国内功率半导体行业商业模式以IDM为主，设计+代工为辅。目前，国内IDM企业（如士兰微）和代工企业（如中芯绍兴）都在积极扩充产能和升级产线，从4/6寸升级到6/8寸甚至更高，整体追赶国际主流水平。产能扩充可以认为公司技术储备和产品性能已经达到国际同类产品水平，后续通过开拓客户和抢占市场份额实现营收增长。IDM与代工并行符合国内行业格局现状，双模式运行并不冲突，有效利用我国产能资源，实现优势互补。IDM模式可以提高产品毛利并建立技术壁垒。我国特色工艺和封装技术处于国际先进水平，工艺技术和产能部署完善。功率半导体企业与代工企业长期合作，可以实现产能补充和获得工艺技术支持。市场：龙头扩产，拉低器件价格目前制约SiC功率器件大规模应用的核心原因依然是成本，主要源于低效的晶体生长过程。传统硅晶圆制作是将多晶硅在1500℃左右融化后，将籽晶放入其中边匀速旋转边向上提拉形成约2m的硅锭，再进行切割、倒角、抛光、蚀刻、退火等步骤形成晶圆。而SiC晶锭的制作相比Si则低效很多，普遍采用PVT法，将固态SiC加热至2500℃升华后再在温度稍低的高质量SiC籽晶上重新结晶，核心难点在于：1）加热温度高达2500℃，且SiC生长速度很慢（<1mm/h）；2）生长出的晶锭尺寸远远短于Si；3）对籽晶要求很高，需要具备高质量、与所需晶体直径一致等特点；4）SiC晶锭硬度较高，加工及抛光难度大；基于SiC衬底，普遍采用化学气相沉积技术（CVD）获得高质量外延层，随后在外延层上进行功率器件的制造。由于SiC衬底晶圆相比Si具有更高的缺陷密度，会进一步干扰外延层生长，外延层本身也会产生结晶缺陷，影响后续器件性能。▼SiC晶圆外延层生长另一方面，SiC晶圆的尺寸迭代与Si相比仍处于较为早期的阶段。目前Cree、ST等主流厂商都已经量产6英寸的晶圆，并同步进行8英寸的研发，计划最早于2022年量产8英寸晶圆。单片8英寸晶圆芯片产量可达到6寸的1.8倍，但同时也面临着缺陷密度变高等难题。据专业人士分析，2022年有望成为SiC价格下降的关键转折点，因为主流豪华品牌开始量产采用SiC方案的车型，这将大幅提升Cree等衬底厂商8英寸线的产能利用率，到2025年SiC器件价格有望下降到当前水平的1/4-1/3，结合电池成本的节省，SiC的经济性和性能优势将充分显现。▼CreeSiC晶圆的迭代历史从产业链分工的角度来看，目前Cree、Rohm、ST都已形成了SiC衬底→外延→器件→模块垂直供应的体系。而Infineon、Bosch、OnSemi等厂商则购买SiC衬底，随后自行进行外延生长并制作器件及模块。Infineon在收购Wolfspeed失败后，做出战略调整，认为衬底研发高风险、高投入、耗时久，希望在保持低CAPEX的同时提高衬底的利用效率，因此收购德国Siltectra，借助其ColdSplit技术有效降低每片SiC衬底晶圆的厚度，芯片产量至少提升一倍。国内厂商在SiC领域还处于相对落后的阶段，在衬底端，天科合达（TankeBlue）、山东天岳（SICC）合计出货量仅有2%，中车时代6英寸SiC器件生产线于2018年2月通线，器件和模组端逐步向商业化推进。SiC产业链分为三大环节：上游的SiC晶片和外延→中间的功率器件的制造（包含经典的IC设计→制造→封装三个小环节）→下游工控、新能源车、光伏风电等应用。目前上游的晶片基本被美国CREE和II-VI等美国厂商垄断；国内方面，SiC晶片商山东天岳和天科合达已经能供应2英寸~6英寸的单晶衬底，且营收都达到了一定的规模（今年均会超过2亿元RMB）；SiC外延片：厦门瀚天天成与东莞天域可生产2英寸~6英寸SiC外延片。▼大陆第三代半导体SiC产业链分布图▼国际及中国台湾第三代半导体SiC产业链分布图目前，美、欧、日厂商在全球碳化硅产业中较为领先，其中美国厂商占据主导地位。随着中美贸易战的不断升级，半导体芯片领域成为了中美必争之地，伴随着中兴、华为事件，国家越来越重视芯片，高端装备等领域的国产化。此外，SiC材料和器件在军工国防领域的重要作用，也越来越突出。SiC外延设备在推动产业链国产化过程中，意义尤为重大。本文转载自第三代半导体联合创新孵化中心（ID：casazlkj )

数字经济时代催生了以大数据为代表的新型生产要素，数据驱动强调以数据作为关键生产要素，是企业数字化转型的主线。近期，艾瑞咨询发布了《中国数据驱动型企业成长路径研究报告》，深入分析数据驱动型企业的成长路径、应用场景和未来趋势，指导企业如何利用海量、多维度的数据建立起更加全面的评估体系，创造业务增长。在企业经营管理的各个环节中，营销场景具有贴近客户、和外部互动频繁的特点。随着企业与客户之间的数据触点不断丰富，线上与线下的融合趋势加强，数字营销成为当前数据驱动最为成熟的领域。面对来自不同营销渠道和存储格式的、碎片化的客户数据，企业需要运用统一的技术平台进行收集和管理，建立真实、完整的客户画像，Linkflow作为一款面向业务人员的低代码客户数据中（CDP），入选《中国数据驱动型企业成长路径研究报告》的典型数据驱动服务提供商，助力企业实现沉淀第一方客户数据池的营销价值，赋能企业营销数字化转型。另外，艾瑞咨询还邀请到Linkflow创始人&CEO盛马丁，针对“如何以数据驱动营销数字化转型”进行深入解答，并分享“为什么Linkflow会以「低代码」为特点构建客户数据中台”。下面，让我们一起来学习一下本期报告的精华内容和盛马丁的分享吧～报告精华内容预览【艾瑞专访】Linkflow盛马丁：低代码与客户数据中台天然契合低代码与客户数据中台天然契合艾瑞网：首先请您介绍一下Linkflow的整体业务布局，面向数据驱动型企业，我们主要提供哪些产品和服务？盛马丁：Linkflow主要提供的是低代码客户数据中台CDP，在客户那里落地的时候，一般是作为第一方DMP加上营销策划的产品。一般来说，大家会把数据驱动分成两种，第一种是对企业内部的数据驱动，比如OA或者供应链，这个和我们没有关系。我们做的更多是对外的，和营销相关的数据驱动。数字营销场景下，企业会面临种种数据分散的问题。举例来说，客户会有广告渠道、电商渠道、微信、抖音这样的社交媒体渠道，我们要做的首先是把这些数据以标准化的格式连接（Link）到我们的平台上，然后数据通过我们的平台可以流动（Flow）起来，这就是为什么我们叫Linkflow。在这个基础上我们还提供一些BI的功能，客户这里看到的是，能够把各种渠道整合起来的从采集到分析到执行的闭环生态。艾瑞网：为什么选择以低代码的形式切入CDP？解决了企业数据驱动过程中的哪些痛点？盛马丁：企业最大的痛点是在于部门墙。比如一个有几万开发人员的互联网企业，他们消费贷部门的运营团队会曾经找到我们来为他们开发系统。消费贷的运营部门和支付的开发人员都是汇报给支付VP，他们属于平级的部门，支付的开发没有义务去支持平时的运营工作，所以当运营部门向开发提需求时就会产生很多冲突。因为运营天生存在一个“试错”的过程，但是“试错”在开发人员看来就是想不清楚，开发会觉得很浪费时间。又或者说，当运营人员定下了明确的需求后，开发又要进行排期，让运营人员等两周，但两周之后营销热点其实早就过去了。市场部门在不同的活动、不同的时间点可能需要不同的渠道和工具，我们解决的第一个痛点是帮企业把各个渠道的数据接进来。第二，我们有非常强的低代码式的工具，能够让业务人员自己DIY出活动所需要自动化流程和报表，他们不用和开发做过多的沟通，这样营销效率就得到了很大的提升。低代码的使用者是有专业知识的人，市场部门是非常适合的。我们选择低代码这个切入点进去，强调的是灵活性，市场人员可以根据自己的想法，把流程和标签自己配置出来，而不是完全依赖于IT人员来做开发。因为IT的支持不仅时间很长，而且最后开发出来可能也不是真正想要的东西，这个时候市场机会可能已经丧失了。如果是用我们标准化的功能，市场人员可以自己花十几分钟上手简单配一配，就能得到营销所需的流程。以标准化方式交付定制化服务艾瑞网：Linkflow重点服务于哪些类型的客户？涉及哪些关键技术？盛马丁：我们服务的客户是以传统企业、中大型客户为主，泛零售、汽车、保险是我们覆盖比较多需求的行业。现在很多传统企业希望能够转型，而传统企业的业务逻辑、运营逻辑会和互联网企业有很大的不同。营销环节中互联网企业一直在强调增长黑客，但是传统企业不是这个逻辑，他更多强调的是他有很多的投放渠道，还有自己的官网、CRM、客服系统，怎么把这些数据打通，从而看到营销的整体效果。技术难点第一个是在抓取前端取数据的时候量非常大，我们考虑的是怎么能够保证数据不漏且稳定。第二个是数据连接进来以后，我们有可扩展的数据结构，能够兼容所有不同类型的应用，比如有人在微信关注了，有人在淘宝下单了，我们必须用同一套数据结构去支撑。第三，我们的分析模型必须要做到实时分析。第四是我们有比较强的流程引擎、规则引擎，能够让数据的流转做到稳定、高效。艾瑞网：Linkflow如何平衡产品标准化和需求定制化的矛盾？盛马丁：定制化一般是大项目，小一点的项目基本没有，大型项目有时候会有20%-30%的比例定制。我们做大企业的过程本身是完善产品的一部分，如果是完全没有可能被标准化的东西，我们也会选择不做。例如数据导入、数据分析是能够提升产品竞争力的，我们就会比较感兴趣。当我们把专业能力建立起来，在这方面会越做越快，即使是定制化的服务，也是以标准化的方式进行交付。数据驱动让企业不再是盲人摸象艾瑞网：如何衡量数据驱动为企业带来的价值？盛马丁：第一个是节省成本，比如我们的系统内嵌了实时BI，业务人员直接在自己的系统里做报表，可以明显节省时间和人力。第二个是端到端的营销效果追踪，我们可以把CPS、CPL里无效的关键词去掉，同等效果的时候省掉15%-25%的投放费用，或者是在同等费用的时候增加15%-25%的投放效果。第三个是企业会有更完整的客户画像，让各部门之间对一个客户的理解是一致的。以前我们经常会碰到的现象是，客服部门、销售部门、市场部门在讲同一个客户的时候，大家的描述是不同的，像是盲人摸象，我看到这部分数据，你看到那部分数据。第四个是企业的业务是完全围绕数据来开展的。很多大型的互联网企业，他们每天的晨会是由一封邮件开始的，这封邮件是由系统生成，昨天每个销售状态怎么样、有没有出单，他们会根据这里的数据快速做出调整。企业可以把自己的业务拆分成不同的环节，每个环节提升5%，那加起来就不得了。艾瑞网：企业的数字营销通常会面临哪些挑战？盛马丁：他们最大的痛点在于数据分散，这是所有痛点的起始点。比如5-6个人的市场部门，需要用15个系统来管理自己的客户数据，投放的时候要用到百度、360、搜狗、今日头条，网站有客户行为数据，微信体系里有小程序、公众号、企业微信，还有经营数据表单、短信营销、CRM系统、客服系统等等，然后还有BI的需求。如果说数据分散问题不解决的话，后面所有的报表、旅程全都是不精确的，不能实现长久的数字化转型。数字化转型要从战略层面主导去推进的，如果是一个数字化转型的项目，一般是CEO去主导推进的工程。当然在执行过程中，有部分企业会碰到各个品牌之间互相不服。因为我们主要涉及的是营销部门，不服的情况在快消行业比较多。集团型企业的IT希望统一所有品牌的系统，但是所有品牌的市场部门都不愿意被统一，都想有自己的自留地，所以在推进数字化转型时也会受到来自企业组织架构上带来的阻力。数字营销更注重灵活性和可扩展性艾瑞网：在选型过程中，企业考察的因素有哪些？盛马丁：如果是成熟度高的企业，他更多是要看灵活性和可扩展性。营销和ERP的不同在于，供应链的流程是比较固定的，但是营销这里，我们永远不知道在下个时间点要用到什么工具，会有层出不穷的玩法。我们永远是不能做全集的，但是我们会想办法把市面上流行的东西帮客户接进来。艾瑞网：疫情对数据驱动型企业的发展有什么影响？盛马丁：疫情是一个利好的影响，本身很多线下企业觉得数字化的事情是可做可不做的，但是疫情来了以后他发现必须做线上了。如果要做线上，就需要一定的数字化推动的工具。我们有些客户是在疫情一发生之后，过年上班第一天来找到我们，现在项目已经开始实施了，这种很大型的集团客户，这个速度在以前是很难想象的。提供很重服务的厂商会越来越没有市场，因为现在企业要求产品要好、标准化程度要高，大家希望数字营销能够快速见效，短平快地找到一些场景就变得很重要。疫情影响下，传统企业面向消费者端的各个环节正在加速线上化。2020年1月至5月社会消费品零售总额同比下降14.0%，而网上零售额仅出现短暂回落随即迎来上涨。外部环境的催化让数字化转型越来越多的行业而言变得重要且紧急，构建以消费者为核心的全域营销能力至关重要。未来Linkflow将继续低代码CDP，在“多连接”、“轻操作”上不断提升产品的能力，积极联合合作伙伴，为企业提供端到端的营销解决方案。Linkflow公司简介Linkflow是一款低代码客户数据中台，集第一方客户数据池和敏捷运营平台为一体。通过连接内外部数据源，打通营销触点，Linkflow为企业市场及运营部门提供从客户数据采集、分析到营销执行的一体化客户运营闭环，帮助企业通过数据驱动业务增长。2011年起，Linkflow团队就开始深耕数字营销领域，从App运营到全渠道零售软件、营销自动化都有非常深的理解。2017年3月，Linkflow正式成立，主要成员来自于SAP，微软，爱立信，中国电信等大型企业，拥有丰富的创业经验和强大的SaaS开发实力。2017年6月，获得了第一个500强付费客户，并成立南京和广州分公司。2017年11月，获得光速中国与真格基金联合天使投资。2018年1月，南京研发中心入选南京321人才计划。2018年8月，获得金沙江创投的百万美元A轮融资。2019年5月，在CSIC 2019年度SaaS领域的权威创新评选中，荣获“年度最具创新SaaS产品”奖项。2019年9月，入选微软加速器2019秋季班。2019年10月，荣获「国家高新技术企业」认证。2020年1月 荣获2019中国零售创新峰会“年度最佳数字中台技术创新奖”。2020年7月 Linkflow荣获第八届TopDigital创新营销工具奖。截至目前，Linkflow已经服务包括平安、安联、雅培等在内的知名企业。

艾媒报告|2019-2020中国团餐产业细分市场运营及典型案例分析报告餐饮业:团餐:平均毛利率:较上年增长餐饮业:团餐:平均净利率餐饮业:团餐:平均净利率:较上年增长目前中国团餐企业集中分布在东南沿海经济发达省市，以及高校分布较多的区域(如四川、河南、陕西、湖北等)，其中，广东、江苏与上海位列前三。而西北、东北与西南区域受商业经济发达程度、人口密集程度与教育发展程度的影响分布较少。iiMedia Research(艾媒咨询)数据显示，约半数食堂餐受访用户认为食堂距离近且出餐快，价格优势明显，但品相、口味和摆盘等需要改进;而企业用户中，有过员工团餐、企业自助餐、活动餐等团餐经历的受访者超过25%。艾媒咨询分析师认为，团餐作为某种形式的员工福利，未来的市场需求会逐渐扩大，团餐市场将持续发展壮大。(《2019-2020中国团餐产业细分市场运营及典型案例分析报告》完整高清PDF版共86页，可点击文章底部报告下载按钮进行报告下载)At present, Chinese group meal enterprises are concentrated in the economically developed provinces and cities along the southeast coast, as well as in regions with a high number of colleges and universities (such as Sichuan, Henan, Shaanxi, Hubei, etc.), among which Guangdong, Jiangsu, and Shanghai are among the top three. The northwest, northeast, and southwest regions are less affected by the degree of commercial economy development, population density, and ecation development. Data from iiMedia Research shows that about half of the cafeteria users surveyed think that the cafeteria is close and fast, and the price advantage is obvious, but the appearance, taste, and display need to be improved. Among enterprise users, there are employees Group meals, corporate buffets, event meals and other group meals experience more than 25% of respondents. Ai Media Consulting analysts believe that as a form of employee benefits, the market demand will graally expand in the future, and the group meal market will continue to grow.(“2019-2022 China Group Meal Instry Segment Market Operation and Typical Case Analysis Report” complete high-definition PDF version of a total of 86 pages, you can click the report download button at the bottom of the article to download the report)以下为报告节选内容：团餐产业特点及结构分类团餐是一种群体集中膳食管理的新餐饮模式，以团体形式的上门服务为主。客户团体通过协约同服务商约定，按照一定的服务标准和模式提供定量的餐饮产品和与之配套的现场服务。在合约期内，服务模式、标准、经营权基本维持不变。2013-2018中国居民人均可支配收入及消费支出2013-2018年，随着国民经济稳步发展，中国居民人均可支配收入不断上涨，催生出更强烈的社会消费需求，居民消费信心不断增强。至2018年，中国居民人均可支配收入达28228元，人均消费支出达到19853元，占可支配收入的70.4%，消费情况较为乐观。2010-2018年中国餐饮收入情况据相关统计数据显示，2018年中国餐饮业收入达4.27万亿元，同比增长7.8%，预计2020年中国餐饮业收入有望达到5万亿。与2013年以前的快速增长相比，近年来餐饮收入增长趋于平缓，中国餐饮市场进入平稳发展阶段。中国团餐产业发展历程中国团餐产业及团餐业态发展情况20世纪末，中国团餐产业火爆发展，团餐业态成为餐饮行业的新蓝海。近10年来，中国团餐市场成为餐饮行业的整体业态中增长最高、最快的细分业态，但由于其B2B的产业特征，很少为公众所了解。2018年中国团餐市场消费规模万亿，团餐市场已经成为中国餐饮行业红海中的蓝海，主要覆盖包括军队、政府机关、大中小院校、医院、企业等多种服务人群，其高粘性、高频次的消费特点，具备长期、长效的流量消费服务属性。中国团餐市场正以持续高涨的态势发展。团餐业态的经营特点、消费特点及市场特点与社会餐饮不同，团餐指在固定的时间，固定的地点，以固定的标准和价格为固定的人群提供食物的一种餐饮形式，在经营、消费、市场等方面有自己的特殊性。2016-2018中国团餐市场份额2017年全国餐饮收入3.96万亿元，其中团餐市场规模达1.19万亿元，占整体餐饮行业约30%的市场份额，较2016年上升5个百分点。2019年，中国团餐产业发展势头依旧，占据超过30%的餐饮行业市场份额。预计2020年中国团餐市场份额和市场规模都将再创新高，市场规模接近1.7万亿元。2019中国部分团餐企业获融资情况2018年团餐企业服务范围截至2018年上半年，中国超过80%的团餐企业只在某一省市运营，其中还有近一半的企业经营范围仅覆盖某一城市，规模小、服务范围有限;跨区域与全国运营的团餐企业不足20%。艾媒咨询分析师认为，这表明中国团餐企业连锁占比低，大多数团餐企业服务能力有限、管理水平与国际前沿差距巨大，中国团餐产业规模化与标准化程度低。2018中国团餐企业地域分布截至2018年上半年，通过对5000多家在内地经营团餐企业的分析，发现中国团餐企业集中分布在东南沿海经济发达省市，以及高校分布较多的区域(如四川、河南、陕西、湖北等)，其中，广东、江苏与上海位列前三。而西北、东北与西南区域受商业经济发达程度、人口密集程度与教育发展程度的影响分布较少。餐饮相关社会福利及机关后勤服务社会化改革随着中国社会福利制度不断完善、党政机关食堂社会化趋势日益显著，团餐将在社区服务和党政机关单位中发挥更加重要的作用，占有更大的比重。中国团餐组织形式和周期性分析iiMedia Research(艾媒咨询)数据显示，到店就餐和外卖到公司这两种团餐形式被使用最多，分别占比42.67%和32.00%;约2/3的受访者表示团餐举行具有周期性，多为每年、每半年或每季度，也有少部分每月或每周组织进行。艾媒咨询分析师认为，团餐企业可与定期举办团餐的组织合作，提供到店就餐或外送服务，通过积累良好口碑进一步此类拓展市场，最终可达到促进企业健康繁荣发展的目的。2018年度中国餐饮企业百强中团餐企业2019年4月，《2018年度中国餐饮企业百强》名单发布，前50强中团餐占据11席。深圳中快在2017年度百强名单中榜上无名，2018年度评选中则以黑马之势取得了第7名的成绩，与同为团餐企业的千喜鹤(第4名)相比仅落后3个名次。在前十名的榜单中，另一家团餐品牌鸿骏膳食从2017年的第32名，升至第10名，成绩瞩目。千喜鹤、深圳中快、鸿骏膳食的团餐经营重点分别落在军事院校、全国高校以及龙头企业。千喜鹤企业运营模式分析：经营数据2016年千喜鹤收入230亿元，其中团餐收入95亿元。2017年，在团餐业态整体高速增长的市场环境下，千喜鹤围绕餐饮食品产业链的团餐服务、粮油贸易、肉食品加工、物流配送、商业连锁、食安监管、管理咨询、品牌管理、信息技术、商业地产等业态全面发展，实现全年创收总额285亿元，而作为千喜鹤核心经营领域的团餐业态2017年创收121亿元，同比增长27.4%。千喜鹤企业运营模式分析：服务范围2002年千喜鹤完成全国布局，截至2019年上半年，在全国31个省、自治区、直辖市设立了200余个管理区，服务涉及军事院校、地方大学、地方中小学、医疗机构、政府机关、厂矿企业、铁路机场、金融机构、科技园区、养老机构等团餐十大业态，承担了全军3/4的军事院校，全年保障了2200多家餐厅、600多万人一日三餐的饮食服务工作。深圳中快企业运营模式分析：服务范围深圳中快与多家企业达成合作，在全国有超过1500个销售网点，覆盖32个省级行政区。其服务对象包括清华大学、北京师范大学、天津大学、复旦大学、浙江理工大学、香港中文大学、中国科学技术大学等，截至2019年上半年，深圳中快已承包托管全国800多所学校与企业的1000多个食堂，每天为500多万人次提供用餐服务。鸿骏膳食企业运营模式分析：发展历程鸿骏膳食企业运营模式分析：智能信息化鸿骏对标全国各地经典菜系，研发1000道标准化菜单、6大系列产品，并根据消费者大数据对产品结构进行不断调整。应用大健康智能管理的理念，鸿骏创建智能自助体验式餐厅，通过智能生产、智能物联、智能销售、互联网支付，实现食物安全、科学、营养和标准化，就餐者可通过手机实时查询餐厅菜谱、消费记录及营养摄入分析，实现智能化健康管理。此外，在管理方面，鸿骏应用信息化系统平台，实现物流管理、人力资源管理、供应链管理、菜单管理四大模块标准化运作。团餐企业经营类型变化趋势数据分析在盒饭和会议赛事餐的经营方面，2017年团餐市场较2015年有非常明显的下降，而铁路餐、航空餐、外送、中小学营养餐以及企业和政府机关事业单位食堂的经营略微有所下降，商务供餐和高校食堂的经营比例与2015年度持平。艾媒咨询分析师认为，由于团餐市场日趋成熟，各个团餐企业的经营类型趋于稳定，有侧重点的多元化发展是团餐企业能够长期发展的重要影响因素之一。团餐企业互联网化和供应链改革作为一个传统且依靠规模化获利的产业，团餐过去一直靠着大客户思维闷声发大财，头部企业活得滋润，小一些的也各自占山为王，而随着互联网思维的渗透和餐饮供应链改革，团餐市场也面临结构性改革。首先是需求端发生了变化。近年来，来自团餐自身、外卖渠道和社会化餐饮的压力，迫使团餐企业提升产品和服务能力，并同时寻求多元化的经营类型。其次对于新一代消费者，团餐企业需要从成本控制转变为注重性价比，这就对团餐的供应链整合效率提出了更高要求，不局限于供应链长度上的规模化整合，而是各环节的专业与高效。大数据、SaaS等信息化工具的应用和更多第三方服务商的入场，让团餐企业本身变得更加聚焦。来源: 艾媒网

2020年11月16日，艾瑞咨询发布《2020年中国企业级SaaS行业研究报告》，元年云作为SaaS厂商入选本次报告中的典型案例，同时名列中国企业级SaaS产业图谱“票财税管理”板块。元年云以“云赋能者”的角色搭建一个贯通企业上下游、连接内外部的一体化智能应用平台，涵盖费用、商旅、采购、税务、财务、销售、计划分析等一系列产品，是专为中国企业打造的云端智能管理解决方案。元年云重视企业管理诉求，聚焦用户体验，旨在拓宽企业数字化升级之路。元年云支持企业内部横向业务延展；整合企业外部上下游资源；引入新兴技术应用于企业多场景；创造企业咨询、交付、客户成功价值。元年云凭借业务、资源、技术、服务的“四大宽能力”，在不断创新中已形成特有的核心优势。《艾瑞报告|2020年中国企业级SaaS行业研究报告》完整高清PDF版共61页，可在文末领取完整版)图为：元年云入选典型厂商案例典型厂商案例中提到，元年云聚焦企业的智慧化运营和数字化决策，为企业提供包括费用、商旅、采购、税务、财务、销售、计划预测以及经营分析等数字化决策系统，帮助企业在业务、资源、技术、服务管理方面具备“宽能力”。目前，元年云平台拥有超过5万家企业用户，覆盖金融、工程、制造业、餐饮、专业服务、教育、软件开发等行业。未来，元年云将从“四大宽能力”的提升加码企业的数字化升级。图为：元年云位列“票财税管理”本次报告从企业级SaaS行业发展的基本要素、中国市场的发展状况、创业型厂商的策略、典型SaaS厂商案例和发展趋势等方面，对SaaS行业的发展状况展开分析，帮助企业加深行业了解。以下为报告节选：报告核心观点：中国企业级SaaS发展基础要素仍落后于美国：2019年中国GDP占全球的比例达到16.4%，但企业IT支出占比仅为5.5%，虽相比于2018年的4.8%已有显著提升，但整体而言，中国企业信息化水平相对经济发展仍较为落后。信息化水平作为企业级SaaS市场发展的重要基础要素，仍需云计算、大数据等新一代信息技术的有力推动。新冠疫情加快了市场教育进程：受新冠疫情影响，传统的线下零售、餐饮、采购等活动受阻，企业对零售电商、协同办公、CRM、数字化采购等领域SaaS产品的需求显著增加，带动部分小微企业初步涉足SaaS产品的尝试，市场教育取得进展。企业级SaaS市场将保持较快速的增长：2019年中国企业级SaaS市场规模为362.1亿元，同比增长48.7%。2020年新冠疫情影响了宏观经济增速，但线下转线上、远程办公等需求反而成为SaaS发展的助推力，预计2020年企业级SaaS市场仍将保持可观增速，到2022年市场规模将突破千亿元。互联网厂商跨界入局带来新机遇：随着C端互联网巨头向B端跨界并在公有云市场生根，互联网厂商开始向上搭建SaaS生态。在这一生态中，头部互联网厂商将着重扮演“被集成”的角色，为创业型SaaS厂商提供流量入口和底层技术，通过搭建PaaS开放平台助力SaaS产品创新。一、企业级SaaS发展基础要素SaaS行业发展的基础要素信息化、云服务与政策三大要素，是SaaS发展的底层驱动力企业信息化程度、云服务发展水平和相关政策法规的推行是企业级SaaS发展普遍需要被考量的因素，因此称其为三大基础要素。SaaS行业的发展遵循一定的客观规律，首先，信息化程度是指企业通过计算机技术提高经营能力的水平，是SaaS繁育的土壤。互联网企业用户的数量，渗透率，光纤接入率等因素，共同奠定了云端软件发展的基础环境。其次，企业级SaaS作为云服务的一种应用层形式，需要用户对云端部署的软件的认同并养成使用习惯，并且SaaS软件本身也要有较强的服务能力。此外，对企业“上云用数赋智”的政策倡导和为满足政策合规性要求而产生的SaaS需求也是重要的驱动因素。基础要素1:企业信息化程度企业信息化水平决定云服务能力，仍有较大差距企业信息化程度是企业级SaaS发展的基础环境要素。作为世界信息产业的发源地，美国在20世纪60年代就基本进入了信息化社会，在此后的40年间，IT技术不断增强，互联网应用也逐步普及，并于20世纪末达到较高的信息化水平。反观中国，从20世纪末开始发展计算机技术，企业大规模应用互联网的时间点已进入21世纪，相比于美国发展历程较短，国内IT在GDP发展中的贡献仍不足，基础环境要素差距仍需弥补。基础要素2:云服务发展水平云服务普及率逐渐上升，用户使用习惯仍需进一步培育企业级SaaS发展的第二个基础要素是云服务发展水平，这一要素既决定了SaaS产品的服务能力，也影响了用户对云服务的使用意愿。现今SaaS有公有云、私有云、混合云等多种部署形式，但公有云仍是最传统、最主要、最被广泛使用的形式，然而一些企业对公有云稳定性、安全性的疑虑削弱了其对SaaS产品的使用意愿。云服务模式在中国的普及率已从2017年的54.7%上升至2019年的66.1%，随着中国基础云厂商技术提升，市场教育逐步见效。基础要素3:政策法规推动政策法规推动SaaS发展，安全保障激活企业需求政策法规对企业级SaaS发展的推动力来自几个不同的角度。第一，针对部分企业用户担心的云端软件网络安全性问题，中美均出台了关于保障用户隐私、电子通信隐私和信息安全的法律法规，对云服务的服务质量作出规范。第二，政府出台《推动企业上云的实施指南（2018-2020年）》等，使一部分企业新增了对SaaS软件的需求。第三，一些政策法规虽与云服务并无直接相关，但是促成了企业对深耕行业的垂直型工具型SaaS产品的需求，如美国企业在员工管理上需要遵循各人种无歧视雇佣等原则，高昂的罚款促使企业需要HRSaaS管理软件帮助其实现合规管理。整体而言，政策的推动力来自于帮助企业增强使用信心、激活企业使用需求。美国头部厂商发展路径分析Salesforce市值破千亿，付费意愿和产品能力成为双引擎企业级SaaS在美国已有20余年的发展史，出现了诸多百亿美元市值的厂商，如第一批头部厂商Salesforce市值已突破2000亿美元，成功超越SAP和Oracle等知名传统软件厂商。基于三大基本要素分析可以发现，美国SaaS市场的兴起是在传统软件广泛应用后，此时企业已具备良好的信息化基础，且同期也已经出现了实力强劲的云服务厂商，进一步推进了市场教育。此外，中国还可借鉴美国厂商的发展历程，对行业策略和企业策略作出判断，如Salesforce早期提出由CRMSaaS革命性地取代传统软件，随后依托云服务厂商的技术能力发展aPaaS平台，构建产品矩阵，逐渐成为CRM领域的头部厂商，而后进入了行业生态建设和海外布局的新阶段。二、中国企业级SaaS基本面分析中国企业级SaaS行业痛点SaaS产品缺乏服务深度，企业需求不足难为驱动力企业级SaaS在中国处于市场繁育期，需求端和供给端的一些不足成为行业发展的掣肘。首先，从供给端的角度，可以认为很多SaaS产品仅仅是“半成品”，因为其虽拥有软件功能，但是产品对业务的理解缺乏深度，无法为客户提供能解决核心业务难题的解决方案，在SaaS（SoftwareasaService）的概念下，缺乏服务能力的SaaS产品是不完整的，所以企业也并不愿意为与需求割裂的SaaS付费。其次，从需求端的角度，企业使用SaaS软件的意愿和付费意愿均不够强，需求端驱动力不足使得SaaS厂商难获新客、难增营收。新冠疫情的影响疫情成为加速器，厂商拓展业务线以匹配企业需求疫情使得许多企业的运作管理受到影响，企业开始寻求新的经营模式，一些厂商的快速响应，使其业务出现成倍增长。如餐饮SaaS厂商帮助线下餐饮门店开发小程序点餐系统，实现无接触点餐；电商零售领域的ERP厂商帮助企业建立会员管理系统；营销SaaS厂商通过流量平台帮助企业在线营销，远程触达客户。在“如何活下去”成为热门议题的背景下，快速响应能力成为核心竞争优势，SaaS厂商需要及时匹配企业的新需求，这也是对厂商技术实力的挑战。后疫情时代疫情加快了市场教育，SaaS厂商需解决流量转化与留存问题疫情为企业级SaaS带来流量，在今年2月宣布延期复工后，钉钉搜索量激增数倍，无论中大型企业还是小微企业都纷纷加入了远程办公的行列，协同办公SaaS获得了大量的“试用客户”，加快了市场激活的进程，但接下来，流量转化和用户留存成为后疫情时代的核心关注点。除协同办公，财税、电子签名、教育、医疗等行业也都迎来了丰富的流量资源，相比于流程管理软件，工具型SaaS产品日常应用频率更高，产品逻辑相对简单，能够更快地让用户体会到使用价值，因此轻量的工具型产品更易将流量转化为付费用户，发展路径逐渐清晰。中国企业级SaaS投融资情况B轮、C轮融资比重增加，平均融资金额呈上升趋势通过2014到2020年Q3的融资轮次图可以发现，B轮和C轮事件数比重增加，种子轮占比相比2016年有显著下滑，2019和2020年表现得尤为明显。融资事件数也从2019年起有所下降，但是平均融资金额整体呈上升趋势，并在2019年创下新高，虽然2020年受疫情影响有所回落，但是平均融资金额仍保持在超过2018年同期的水平线上。上述现象说明投资人更青睐已有成熟产品和可行的商业模式的创业厂商，企业级SaaS的创业热潮逐渐消退，行业投资趋于理性。中国企业级SaaS市场规模2019年整体规模超过350亿元，预计2022年将突破千亿元2019年中国企业级SaaS市场规模为362.1亿元，相较2018年增长了48.7%。在经历了2016-2017年增速的暂时放缓后，2018年迎来了新一轮的快速增长，虽然2020年整体经济环境受到疫情影响，但是就SaaS行业而言，疫情使得企业对SaaS的接受度和需求增加，市场仍将保持较快增速，预计2022年中国企业级SaaS市场的规模将突破千亿元。三、中国企业级SaaS厂商发展策略中国企业级SaaS厂商竞争与合作创业型厂商深耕业务场景，摸索突围优势与合作机遇传统软件厂商、创业型SaaS厂商和跨界互联网厂商之间既存在竞争也存在合作。目前中国的SaaS行业仍处于腰部厂商探索成长、头部厂商逐步扩张的阶段，尚未出现像美国一样市值超千万美元的SaaS巨头，面对来自传统和互联网厂商的流量及资金压力，创业型厂商具有先发优势和更落地的行业洞察能力，在于其他类型厂商的合作与竞争中不断成长。头部跨界的互联网厂商的公有云能力使其在发展aPaaS平台上会具有一定的竞争优势。创业型SaaS厂商成长阶段示意图部分赛道头部厂商已经入扩张期，企业发展策略愈加重要SaaS模式进入中国已有十几年，虽然行业整体发展水平还处于美国市场十年前的阶段，但是有些赛道的头部厂商已经进入扩张期，拥有了比较完整的商业模式和技术优势。对于尚处于探索期的SaaS厂商，正确判断发展现状和行业阶段，制定适当的企业策略成为重要问题。接下来的这一部分，将目前中国创业型SaaS厂商的发展分为四阶段，并分别为其提供发展策略的建议。初创期厂商策略直击业务痛点，以提升PMF为产品评价标准对于初创期的SaaS厂商，首先应该考虑的是如何做出一款还不错的产品。这里“还不错的产品”的评价标准是产品是否具有较高的PMF（ProctMarketFit），即产品与市场匹配度，这也是影响产品续约率的重要因素。目前行业内对于较高PMF的数值没有具体定论，但是可概括为：每月有达到行业普遍规模的销售额，以及拥有一定数量的稳定续费用户，从而最终实现客户的营收能够覆盖拓展新客户的成本。除了产品策略，市场和商业模式也是重要的考量因素。成长期厂商策略通过市场与品牌策略占据认知空间，提升留存率对于成长期的SaaS厂商，市场策略是关注的重点，思考的是“如何将产品卖给更多的人”。这一阶段的厂商已经有了功能和服务对象明确的SaaS产品，下一步便是如何找到更多的需求用户，并短时间内让其感受到产品价值。这里可借鉴美国SaaS厂商（如Slack）的增长经验，如将营销聚焦在非具体业务，而是SaaS产品的集成功能上，获得流量倾斜。在B端企业较高获客成本下，是用户留存率不断的下滑，而维持一个相对较稳定的留存率变成为厂商市场营销的核心诉求。成长期的厂商需要寻找有强烈需求的目标用户，以及获取此类用户的共同渠道，才能完成从PMF支撑向用户支撑增长的转变。扩张期厂商策略进一步丰富产品矩阵，以网络效应构建护城河进入扩张期的创业型SaaS厂商，通常已有较高的客户留存率和续约率，最初的商业模式得到了市场验证，并且在行业内已拥有一定的口碑和影响力，下一步是如何突破中国SaaS行业厂商营收的天花板。SaaS厂商基本的用户增长逻辑是通过帮助客户解决实际应用中的问题获得用户粘性，而扩张期厂商可通过产品矩阵深化服务能力，并以不牺牲客单价为前提辐射更多新用户，实现教育市场、激活需求的目的。发展aPaaS平台，提升SaaS产品的可扩展性和开发效率发展aPaaS（Application Platform as a Service）平台是扩张期厂商的一个技术策略，是指通过将业务或应用模块抽象和沉淀为通用能力，并以一个相对标准化的形式输出，支持SaaS厂商、企业用户和第三方开发者以较低成本进行二次开发和自主开发。aPaaS平台的产生既帮助厂商解决企业强定制化需求带来的研发成本上升和效率下降的问题，又为企业用户提供了自主迭代产品开发空间，创造更大的价值链。但是并不是所有厂商都需要、都有能力做aPaaS平台，既需要SaaS厂商有一定的业务和技术沉淀，也需要行业内客户存在共性需求，才能抽象出核心模型构建aPaaS平台。企业级SaaS行业投资人视角前期看团队的能力和眼界，后期看跨界能力和天花板高度投资人通常可分为两类：VC（VentureCapital）风险投资和PE（PrivateEquity）私募股权投资。VC投资创业型SaaS厂商通常关注两方面，一方面是创业者的视角和行业认知，因为SaaS的本质还是软件，所以输出的应该是行业的最佳实践经验，即是否拥有“非对称认知”。另一方面是能否找到从0到1的增量市场，或是有较多机会的蓝海市场。PE投资更偏后期，主要看厂商的数据指标和商业模式。目前有一些已经被行业内普遍认可的判断标准，如获客成本能否在12个月内收回（CAC小于12倍的MRR）， LTV/CAC是否满足略大于3这种比较理想的情况，以及通过公司的增速+利润率作出是否值得投资、是否可给高估值的判断。在进行厂商估值时，会通过判断企业经营状况预测行业天花板的高度，以及投资对象厂商做到天花板的概率得到厂商的价值量级，因此能够跨界开拓相邻市场的团队，可能会更受投资人青睐。61页艾瑞SaaS报告，独家整理，关注“元年云”公众号即可查看。

标题说是经典的案例分析，实际上也就是一个普通的分析。会计的东西太多，教科书上的东东太多。而结合企业战略、市场的变化、同行的情况、内部的管理、制度以及会计政策，等方面，分析的太少。所以，本文仅适用于财务经理级别以下的人员，是有用的。可以上交给财务经理，供其进一步分析和提炼，才能上交到最高管理层。1.中色股份有限公司概况中国有色金属建设股份有限公司主要从事国际工程承包和有色金属矿产资源开发。1997年4月16日进行资产重组，剥离优质资产改制组建中色股份，并在深圳证券交易所挂牌上市。目前，中色股份旗下控股多个公司，涉及矿业、冶炼、稀土、能源电力等领域；同时，通过入股民生人寿等稳健的实业投资，增强企业的抗风险能力，实现稳定发展。2.资产负债比较分析资产负债增减变动趋势表01.增减变动分析从上表可以清楚看到，中色股份有限公司的资产规模是呈逐年上升趋势的。从负债率及股东权益的变化可以看出虽然所有者权益的绝对数额每年都在增长，但是其增长幅度明显没有负债增长幅度大，该公司负债累计增长了20.49%，而股东权益仅仅增长了13.96%，这说明该公司资金实力的增长依靠了较多的负债增长，说明该公司一直采用相对高风险、高回报的财务政策，一方面利用负债扩大企业资产规模，另一方面增大了该企业的风险。（1）资产的变化分析08年度比上年度增长了8%，09年度较上年度增长了9.02%；该公司的固定资产投资在09年有了巨大增长，说明09年度有更大的建设发展项目。总体来看，该公司的资产是在增长的，说明该企业的未来前景很好。（2）负债的变化分析从上表可以清楚地看到，该公司的负债总额也是呈逐年上升趋势的，08年度比07年度增长了13.74%，09年度较上年度增长了5.94%；从以上数据对比可以看到，当金融危机来到的08年，该公司的负债率有明显上升趋势，09年度公司有了好转迹象，负债率有所回落。我们也可以看到，08年当资产减少的同时负债却在增加，09年正好是相反的现象，说明公司意识到负债带来了高风险，转而采取了较稳健的财务政策。（3）股东权益的变化分析该公司08年与09年都有不同程度的上升，所不同的是，09年有了更大的增幅。而这个增幅主要是由于负债的减少，说明股东也意识到了负债带来的企业风险，也关注自己的权益，怕影响到自己的权益。02.短期偿债能力分析（1）流动比率该公司07年的流动比率为1.12，08年为1.04，09年为1.12，相对来说还比较稳健，只是08年度略有降低。1元的负债约有1.12元的资产作保障，说明企业的短期偿债能力相对比较平稳。（2）速动比率该公司07年的速动比率为0.89，08年为0.81，09年为0.86，相对来说，没有大的波动，只是略呈下降趋势。每1元的流动负债只有0.86元的资产作保障，是绝对不够的，这表明该企业的短期偿债能力较弱。（3）现金比率该公司07年的现金比率为0.35，08年为0.33，09年为0.38，从这些数据可以看出，该公司的现金即付能力较强，并且呈逐年上升趋势的，但是相对数还是较低，说明了一元的流动负债有0.38元的现金资产作为偿还保障，其短期偿债能力还是可以的。03.资本结构分析（1）资产负债率该企业的资产负债率07年为58.92%，08年为61.14%09年为59.42%。从这些数据可以看出，该企业的资产负债率呈现逐年上升趋势的，但是是稳中有降的，说明该企业开始调节自身的资本结构，以降低负债带来的企业风险，资产负债率越高，说明企业的长期偿债能力就越弱，债权人的保证程度就越弱。该企业的长期偿债能力虽然不强，但是该企业的风险系数却较低，对债权人的保证程度较高。（2）产权比率该企业的产权比率07年为138.46%，08年为157.37%，09年为146.39%。从这些数据可以看出，该企业的产权比率呈现逐年上升趋势的，但是稳中有降的，从该比率可以看出，该企业对负债的依赖度还是比较高的，相应企业的风险也较高。该企业的长期偿债能力还是较低的。不过，该企业已经意识到企业的风险不能过大，一旦过大将带来重大经营风险，所以，该企业试图从高风险、高回报的财务结构向较为保守的财务结构过渡，逐渐增大所有者权益比例。（3）权益乘数该企业的权益乘数07年为2.38，08年为2.57，09年为2.46。从这些数据可以看出，该企业的权益乘数呈现逐年上升趋势的，但是也是稳中有降的。说明一开始企业较多依赖负债，当意识到带来的企业风险也较大时，股东就加大了权益性资产投入，增大了权益性资本在资产总额中的比重，选择调整为稳健的财务结构，于是降低了权益乘数，使公司更好地利用财务杠杆的作用。04.长期偿债能力分析（1）利息保障倍数该企业的资产负债率07年为10.78，08年为2.92，09年为3.19。从这些数据可以看出，该企业的利息保障倍数呈现逐年下降的趋势。08年金融危机来的当年影响最大，后又缓慢上升，说明企业经营开始好转。利息保障倍数越高，说明企业偿还债务能力越有保障，该企业07年到09年期间，利润有了大幅下降，而同时财务费用却有进一步增长，对债务的偿还能力有所降低，所以应该要多加注意。（2）有形资产净值债务率该企业的有形资产净值债务率07年为203.64%，08年为227.15%，09年为205.51%。从这些数据可以看出，该企业的有形资产净值债务率是呈现逐年上升趋势的，但是也是稳中有降的。该项指标越大，企业的经营风险就越高，长期偿债能力就越弱。以上数据可以看出，该企业正在努力降低该指标，以进一步有效提高企业的长期偿债能力。