本期报告看点梳理：

①人工智能行业发展现状概览

②AI芯片、传感器、AI应用、语义识别、机器学习、智能语音、计算机视觉七大关键产业链解读

③投资动向及企业资本市场状态分析

④485家关联企业介绍及融资信息详情

2018年被誉为AI in All的元年，人工智能通过各种各样的形式进入了我们的生活，不论是刷脸支付、线下新零售，还是智能语音助手等等。也正因如此，2018年对于各个人工智能企业来说，也是大丰收的一年，不论是Google、Facebook、Intel、阿里巴巴等通过产业布局进入人工智能领域的互联网企业，亦或如旷视科技Face++、极链科技Video++、优必选科技这样直接以人工智能起家的原生技术企业，都引领着新一轮AI世界的塑造，掀起了一轮又一轮的技术高潮。然而，2019年，在基础层的云计算、大数据技术的不断突破、以及5G网络的储备落地之际，又将催化人工智能发生怎样的颠覆呢？

国家政策利好不断，各地区加快人工智能产业规划

近年来，国家层面密集出台了一系列政策措施，以助推人工智能产业的发展。预计2019年，各国将进一步出台本国人工智能发展战略和系列配套政策，人工智能领域的“国家主义”态势初见苗头。国内各地区也将结合自身区位条件和产业基础，积极布局适合当地特点的人工智能发展规划。

近年来，国内资本持续加码人工智能领域，但多集中在应用层，在回报周期较长的人工智能基础层领域布局较少。针对人工智能基础层存在的短板，多地在规划中重点加大了政策及资金方面的支持力度。2019开年以来，包括成都、浙江在内的多个省市相继出台了人工智能产业发展规划，着力加大智能芯片、智能传感器等基础层技术攻关与资金支持，加快培育人工智能产业集聚区和领军企业。2019年，我国人工智能产业链条的关联性、协同性将显著增强，人工智能产业协同能力将进一步提升。

与此同时，培育人工智能产业集聚区和领军企业也成为施策要点。其中，浙江省计划到2022年培育10家以上有国际竞争力的人工智能领军企业，500家以上人工智能细分领域专精特中小企业；成都市提出到2022年，培育5家以上收入规模超50亿元的一流领军企业，建成3至5个成熟的人工智能产业集聚区，人工智能产业规模突破500亿元，带动关联产业规模突破5000亿元。地方性、特色性产业集聚初见规模。2018年以来，我国人工智能产业在长三角、珠三角、京津冀三大城市群呈爆发式增长，北京、上海、天津、广东、安徽、浙江等地初步形成特色人工智能产业集群。

芯片热潮蔓延，开启国产化替代之路

随着人工智能芯片的飞速发展，2019年必将是人工智能芯片崛起的一年。5G的即将商用必将会带来大量的信息需要处理，例如：语音的交互、视频的传输等。人工智能芯片必将飞速发展，BAT、科大讯飞、小蚁科技、英特尔以及华为等科技企业也必将随之而动。未来以基础层为核心的AI芯片投资空间广阔。

根据国内的设计理念，人工智能芯片可以划分为两大类：一类是“AI加速芯片”，通过一些先进的算法，从而达到自己的需求，满足应用领域对速度、功耗、内存占用、以及部署成本等方面的要求；第二类是“智能芯片”，使人工智能芯片拥有像人一样，能够使用不同AI算法进行学习与推导。处理包含感知、理解、分析、决策以及行动等一系列任务，并且具有适应场景变化的能力。当国内这个巨大的人工智能芯片市场越来越碎片化，在端侧的布局也需要愈发聚焦，这些垂直的特定化的场景的应用，需要一些有实力的企业来做整合，比如以小蚁科技为首的独角兽企业。

2018年是人工智能芯片爆发的一年，先是阿里巴巴全资收购了中天微；寒武纪发布了ambricon MLU100云端智能芯片；Rokid发布AI语音专用SoC芯片KAMINO18；百度发布自主研发的中国首款云端全功能AI芯片“昆仑”；华为发布两款AI芯片——华为昇腾910（Ascend 910），是目前全球已发布单芯片中计算密度最大的AI芯片，以及Ascend 310。小蚁科技在人工智能芯片领域也早有规划，并取得了一定成绩，其QG8241 AI VPU芯片、QG2101A AI IoT芯片和QG2121A Analog NNU 芯片，分别针对不同的应用场景。其AI特性包括基于神经网络的图像分类、人脸检测／人脸识别、物体检测／物体识别、手势识别／姿态识别等。

商业化布局加速，应用场景遍地开花

目前人工智能行业发展进入平静期，缺少落地场景、现金流不足的创业公司发展将愈发困难。人工智能创业公司应尽快将技术落地，与传统产业融合，尽早商业化。报告显示，在各类垂直行业中，人工智能渗透较高的包括医疗健康、金融、商业、教育和安防等领域。其中，医疗健康领域占比居前，达22%；金融和智能商业领域占比分别为14%和11%。

人工智能是引领新一轮科技革命和产业变革的战略性技术，正在深刻地改变着人类的生产生活方式。推动人工智能核心技术攻关的关键在于三个方面，一是加强人工智能芯片、传感器、算法、平台等核心技术研发，推动CPU、GPU、FPGA等高端通用芯片现有成果向人工智能领域拓展。二是以关键技术为基础，以支撑解决方案打造和深化应用为目标，瞄准人工智能算法、智能芯片、智能传感器等基础领域和情绪感知、认知智能等前沿领域，系统推进关键核心领域攻关。三是顺应产业平台化、开源化发展趋势，引导和集中行业资源，打造自主架构的深度学习平台以及面向智能网联汽车等领域的人工智能开发平台/开发系统。

2018年人工智能行业融资额超过450亿元，相比2017年的260亿元呈现较大幅度增长。2019年将是人工智能行业挤泡沫的一年。任何一个行业受到资本追捧，总会产生一些泡沫。有些公司依靠融资发展，缺乏应用场景和现金流，如果后期投资跟不上，可能垮掉。2018年实现盈利的人工智能创业公司较少。总体看，人工智能商业化落地的重要性日益凸显。截至目前，参照系优质企业数据库共收录人工智能行业相关企业485家，涵盖AI芯片、传感器、AI应用、语义识别、机器学习、智能语音、计算机视觉七大关键产业链。

领域分析——AI芯片

近几年，AI技术的应用场景开始向移动设备转移，比如汽车上的自动驾驶、手机上的人脸识别等。产业的需求促成了技术的进步，而AI芯片作为产业的根基，必须达到更强的性能、更高的效率、更小的体积，才能完成AI技术从云端到终端的转移。

目前，AI芯片的研发方向主要分两种：一是基于传统冯·诺依曼架构的FPGA（现场可编程门阵列）和ASIC（专用集成电路）芯片，二是模仿人脑神经元结构设计的类脑芯片。其中FPGA和ASIC芯片不管是研发还是应用，都已经形成一定规模；而类脑芯片虽然还处于研发初期，但具备很大潜力，可能在未来成为行业内的主流。这两条发展路线的主要区别在于，前者沿用冯·诺依曼架构，后者采用类脑架构。你看到的每一台电脑，采用的都是冯·诺依曼架构。它的核心思路就是处理器和存储器要分开，所以才有了CPU（中央处理器）和内存。而类脑架构，顾名思义，模仿人脑神经元结构，因此CPU、内存和通信部件都集成在一起。

领域分析——传感器

智能传感器是具有信息处理功能的传感器。智能传感器带有微处理机，具备 采集、处理、交换信息等功能，是传感器集成化与微处理机相结合的产物。智能 传感器属于人工智能的神经末梢，用于全面感知外界环境。各类传感器的大规模部署和应用为实现人工智能创造了不可或缺的条件。不同应用场景，如智能安防、 智能家居、智能医疗等对传感器应用提出了不同的要求。未来，随着人工智能应 用领域的不断拓展，市场对传感器的需求将不断增多，2020 年市场规模有望突 破4600 亿美元。未来，高敏度、高精度、高可靠性、微型化、集成化将成为智 能传感器发展的重要趋势。

领域分析——AI应用

当前人工智能应用领域主要有：个人助理、安防、交通、医疗健康、电商零售、金融、教育等。人工智能主要应用在数据积累量大、方便获取，行业有海量数据分析处理需求的应用场景。应用语音识别、图像识别、智能机器人、深度学习等AI技术，为具体应用场景提供高效、准确的解决方案。目前，主要以软件公司为主，一些优秀的企业凭借自设平台优势，深耕算法和通用技术平台，并以场景作为流量入口建立该领域智能服务应用。当前AI应用在各行各业，提高了各专业领域服务质量和效率，专业领域的应用同时也在不断促进AI技术的提高，两者相互促进，共同发展。

领域分析——语义识别

语义识别技术可以分析网页、文件、邮件、音频、论坛、社交媒体中的大量数据，应用领域广泛，既可以直接应用于医疗、教育、金融等行业。也可以通过技术接口应用于所有智能语音交互场景，如智能家居、车载语音、可穿戴设备、VR、机器人等，从交互的方式上，也可以分为：事实问答、知识检索、分类问题等。智能语音交互被看做未来人工智能技术中最值得期待的应用场景。

语音识别、语义识别是自然语言处理最重要的两项技术，且联系紧密。在语义识别的广泛应用场景中，常常是语音、语义相互嵌套，共同作用的结果，大多数研究语义识别的公司也涉及到语音识别技术的研究。

领域分析——智能语音

在智能语音的这些运用中，有主动收回的主动式语音，也有被动接纳反应的被动语音。随着智能化大数据期间的到来和科技的不断拓新，智能语音将逐渐融入人们生存的各个层面，无论是工作上照旧生存中。固然时下智能语音系统综合程度还不足美满，人们对智能语音的认知和打仗还处于浸透期，但随着数据收集量的飞速增长，语音识别系统的不断晋级以及数据剖析敏捷度的提拔，智能语音系统将很快进化到“普遍使用”阶段迅速迸发。

领域分析——机器学习

机器学习（ML，machine Learning）是人工智能的一个分支，是让机器自己做主，而不是我们告诉计算机具体做什么。不要使用具体的代码，使用一定的训练数据，使用泛型编程，机器从训练数据中可以学到赢棋的经验，这就是一个机器学习的最初定义。

机器学习主要有两种，监督学习和非监督学习。监督学习就是督促计算机去学习，明确告诉它目标是什么，非监督学习是让计算机“自学成才”，没有设定目标，学习完告诉我你学到了什么。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

领域分析——计算机视觉

计算机视觉技术是人工智能的重要核心技术之一，可应用到安防、金融、硬件、营销、驾驶、医疗等领域，而目前我国计算机视觉技术水平已达到全球领先水平，广泛的商业化渠道和技术基础是其成为最热门领域的主要原因。从国内人工智能企业来看，有高达42%的企业应用计算机视觉相关技术，其次是语音和自然语言处理，两者占比总和43%，与计算机视觉占比相当。

从人工智能市场规模分布来看，计算机视觉也是排名第一，根据CAICT的统计，2017年我国人工智能市场规模中有37%是计算机视觉领域。2018年，机器学习、深度学习等算法能力的增强将促进计算机视觉等技术不断突破，谷歌、英伟达、华为、寒武纪等发布的AI芯片产品将进入大批量商用上市阶段，人工智能+产业将进一步加深融合。

投资动向——企业资本市场状态

从人工智能行业相关企业的资本市场状态来看，目前已在A股上市的企业有15家，新三板挂牌的企业有12家。

投资动向——投资机构布局（前五）

从知名投资机构的布局来看，红杉资本和真格基金在人工智能行业内的布局最多，均已投资22家人工智能领域内的企业。

投资动向——最受机构喜爱的企业（前五）

从最受机构喜爱的企业来看，北京市商汤科技开发有限公司已获38家投资机构介入，包括IDG资本、鼎晖投资、万达集团、Star VC、华兴新经济基金、招商证券投资等。

投资动向——企业市级分布（前十）

从人工智能行业相关企业的地区分布上看，主要集中在北京地区，目前已有140家人工智能领域内的优质企业。

报告数据来源：参照系优质企业数据库