金准人工智能 2018年中国扫地机器人行业 研究报告

第一篇：金准人工智能 2018年中国扫地机器人行业 研究报告

金准人工智能 2018年中国扫地机器人行业 研究报告

前言

近年来，随着国内生活水平的不断提高，城镇化的持续推进，扫地机器人正成为家庭智能新宠，发展速度加速提升。据金准人工智能专家了解，目前，扫地机器人已经成为很多一二线城市家中必备的产品，而平时工作、生活比较忙碌的人群成为扫地机器人的消费主力军。

一、扫地机器人相关概述

1.扫地机器人定义

扫地机器人，又称自动打扫机、智能吸尘、机器人吸尘器等，是智能家用电器的一种，能凭借一定的人工智能，自动在房间内完成地板清理工作。一般采用刷扫和真空方式，将地面杂物先吸纳进入自身的垃圾收纳盒，从而完成地面清理的功能。一般来说，将完成清扫、吸尘、擦地工作的机器人，也统一归为扫地机器人。

2.扫地机器人分类

按清洁系统来分，扫地机器人一般可分为单吸口式、中刷对夹式以及升降V刷清扫系统式扫地机器人。按侦测系统来分，扫地机器人则可分为红外线传感和超声波仿生技术。

按清洁系统分类：

（1）单吸口式：单吸入式的清洁方式对地面的浮灰有用，但对桌子下面久积的灰及静电吸附的灰尘清洁效果不理想。

（2）中刷对夹式：它对大的颗粒物及地毯清洁效果较好，但对地面微尘处理稍差，较适欧洲全地毯的家居环境。对亚州市场的大理石头地板及木地板微尘清理较差。（3）升降V刷清扫系统：以台湾机型为代表，它采用升降V刷浮动清洁，可以更好的将扫刷系统贴合地面环境，相对来说对面静电吸附灰尘清洁更加到位。

按侦测系统分类：

（1）红外线传感：红外线传输距离远，但对使用环境有相当高的要求，当遇上浅色或是深色的家居物品它无法反射回来，会造成机器与家居物品发生碰撞时间一久，底部的家居物品会被它撞的斑斑点点。

（2）超声波仿生技术：采用仿生超声波技术，类似鲸鱼，蝙蝠采用声波来侦测判断家居物品及空间方位，灵敏度高，技术成本高。在航空工业上都有系统的运用。

扫地机器人分类图

3.扫地机器人产业链

扫地机器人行业的产业链可以分为上游、中游和下游。上游企业是指生产各种扫地机器人所需零部件的零部件供应商或材料供应商。其中，主要零部件包括橡胶轮胎、电机、电池、吸尘主机设备、旋转毛刷等。中游制造环节包括红外线传感机器人、超声波仿生机器人。扫地机器人产业的下游则主要是通过商超、品牌专卖店、电商环节等渠道到达最终消费者。

扫地机器人产业链图

二、扫地机器人行业发展现状

1.全球扫地机器人市场发展情况

目前，家务机器人在个人及家用服务机器人的销售量中占据主要部分，发展速度较快，而家务机器人的发展主要得益于扫地机器人市场的崛起。据金准人工智能专家统计数据显示，2015年全球个人及家用服务机器人销售量为540万台，其中家务服务机器人370万台，占比将近70%。金准人工智能专家预计，2016年-2019年全球个人及家用服务机器人销售总量为4,200万台，其中家务服务机器人销售总量为3,080万台，占比将近75%。扫地机器人是目前家务机器人中的主导品类，金准人工智能专家预计，2016年-2019三年间全球扫地机器人销售总量将达到3,000万台，占家务服务机器人销售总量的比例为97.4%。此外，根据金准数据统计，全球个人及家用服务机器人2015年销售额约22亿美元。2016-2019年全球服务机器人销售总额将达到455亿美元，其中个人及家用服务机器人销售总额为224亿美元。

2.中国扫地机器人市场发展情况

（1）我国扫地机器人行业发展速度较快，前景广阔

虽然我国扫地机器人起步较晚，但发展速度较快，未来发展前景广阔。随着国民经济不断发展，人均可支配收入水平不断提高，人均住房面积不断增加，在城市化、智能化等因素的影响下，扫地机器人逐渐被广大消费者所接受，特别是被年轻一代消费群体所青睐。同时，随着科技的进步，我国消费者的消费观念也在不断变化，对智能化产品的需求逐渐增强。此外，城市化进程带来的快节奏生活导致人们家务劳作时间减少，人口结构逐渐向老龄化发展等问题使得人们对家务机器人的刚性需求越来越明显。根据金准人工智能专家统计数据显示，2017年我国扫地机器人销售量近400万台，销售额达56.7亿元。据金准人工智能专家统计数据，预计2018年我国扫地机器人销售量将达483.4万台，销售额将近70亿元。

（2）我国互联网电商平台发展迅速，促进扫地机器人线上销售快速增长

随着我国互联网电商平台快速的发展，越来越多的消费者适应并热衷于电商平台购物，越来越多的商家也由传统的线下销售转为线上销售。如今，电商平台使得消费者足不出户即可通过线上平台了解产品的外观、价格以及产品特点等，同时天猫、京东等电商平台定期的促销活动促进了各类产品的线上销售。根据金准人工智能专家统计数据显示：近几年来，我国扫地机器人线下销售情况比较稳定，但线上销售增速较快。2017年线下和线上的销售额分别为6.1亿元和50.6亿元，预计2018年我国扫地机器人线上销售额将近60亿元。

三、国内扫地机器人市场竞争格局

目前国内扫地机器人企业大致可以分为五个梯队集团，分别是：以科沃斯和Irobot等拥有核心研发实力的企业为主，形成第一梯队，在产品研发能力，产品体系和产能创新能力方面都领先其他梯队的公司，这部分市占率大约在60-65%左右；

第二梯队主要是国内早期从事ODM的厂商，转型较早的公司，在产品设计和制造方面有一定的基础，代表性企业包括福玛特、地贝和Xrobot等，市占率约为5-10%；

第三梯队主要是一些国外领先品牌，这部分品牌在技术研发实力上优势非常明显，唯一不足的是渠道优势较弱以及售后能力不足，以浦桑尼克、飞利浦和三星为主，市占率在5%左右；

第四梯队是国内的传统家电厂商，例如海尔、美的等，这类企业在转型方向进入比较迟，但是拥有渠道优势，后续发展空间不容忽视；其他小企业为主体的第五梯队，这类公司目前占比高达20%左右，未来这类公司的市场空间会逐渐被削弱，众多没有核心技术和产业链整合能力的公司将会被行业整合。

扫地机器人主要品牌及梯队分布

四、扫地机器人主要品牌企业

据金准人工智能专家收集的2017年中国市场扫地机器人销量排行榜榜单显示：进入2017年中国市场扫地机器人销量排行榜前十的机器人品牌分别为：科沃斯、iRobot、米家、福玛特、浦桑尼克、飞利浦、美的、海尔、地贝以及斐纳。

1.科沃斯机器人股份有限公司——科沃斯（ECOVACS）

科沃斯机器人公司主营业务是各类家庭服务机器人、清洁类小家电等智能家用设备及相关零部件的研发、设计、生产与销售，为全球知名的家庭服务机器人制造商之一。经过多年的发展，公司已形成了包括扫地机器人、擦窗机器人、空气净化机器人、管家机器人在内的较为完整的家庭服务机器人产品线以及品类丰富的清洁类小家电产品线。

据金准人工智能专家了解，公司在服务机器人模块的主要产品为“Ecovacs科沃斯”品牌家庭服务机器人。2017年双11科沃斯机器人创历史新高，以全网成交额5.28亿的成绩完美收官，又一次刷新了行业纪录，并且继续领跑全网双11生活电器榜。其中，天猫科沃斯旗舰店的主推爆款——DD35扫地机器人，更是引起了一波抢购热潮，最终达成了单品加套餐总计13万台的超高成交！

2.iRobot Corporation iRobot Corporation成立于1990年，主要生产包括扫地机器人、擦地机器人、泳池清洁机器人在内的家用机器人，包括远程视频协作机器人、远程医护机器人在内的商用机器人以及应用于国防安全的各类军用机器人。至今，公司家用机器人累计销售量超过1500万个，军用机器人近6000个。其总部位于马萨诸塞州的贝德福德，并且在加利福尼亚州的帕萨迪纳，伦敦、上海和香港特别行政区设立了分支机构，并于2005年在纳斯达克挂牌上市。

2014-2016年iRobot Corporation销售额分别为5.57亿、6.17亿和6.61亿美元，净利润分别为0.38亿、0.44亿和0.42亿美元，其中2015年56%的销售额来自海外，家用机器人销售收入占其总收入的91%。

3.北京小米科技有限责任公司——米家扫地机器人

北京小米科技有限责任公司成立2010年4月，是一家专注于智能硬件和电子产品研发的移动互联网公司。“为发烧而生”是小米的产品概念。2016年8月31日下午，小米公司旗下品牌米家最新智能化产品——米家扫地机器人正式发布。米家扫地机器人搭载的是Neato家采用的LDS激光测距传感器，通过SLAM算法实时构建房间地图，在路径规划算法上有了革命性的突破。

2018年2月5日，米家官方微博发出了一张海报，对外宣布截至2018年1月31日，米家扫地机器人销量已经正式突破了100万台，对于一款从2016年9月初开售，上市至今尚不到1年半的扫地机器人来说这个速度可谓相当惊人，可以说米家扫地机器人已经成为一款真正的单品爆款产品。

4.美的集团股份有限公司——美的Midea 美的集团股份有限公司，始于1981年，中国家电行业领导者，福布斯全球企业500强。美的提供多元化的产品种类，包括空调、冰箱、洗衣机、厨房家电、及各类小型家电。美的扫地机作为美的的小家电一块，也是美的主要发展的一款产品。美的目前主要停留在研发阶段，前期投入市场的产品主要依靠自身现有的渠道消化。

据美的集团2017年财报显示，2017年美的实现营业总收入为2407.12亿，增长51.35%，净利润172.84亿，增长17.7%，归母净利润172.84亿，增长17.70%，每股收益2.66元。

5.海尔电器集团有限公司——海尔Haier 海尔电器集团有限公司，家电十大品牌，创立于1984年，全球领先的整套家电解决方案提供商，从开始单一生产冰箱起步，拓展到家电、通讯、IT数码产品、家居、物流、金融、房地产、生物制药等领域，成为全球领先的美好生活解决方案提供商。海尔扫地机器人采用全程语音提醒功能,多重清扫模式,多种颜色可供选择。

据青岛海尔（600690）发布2017年业绩快报数据显示，海尔公司2017全年实现收入1593亿元，增长33.79%；实现归母净利润69.3亿元，增长37.59%；收入与净利润均创历史新高。加权平均净资产收益率为23.59%，同比增加3.21个百分点。据了解，海尔公司业绩实现主要得益于公司始终聚焦技术创新与产品引领，专注用户体验与客户价值、坚持海外创牌与盈利引领策略以及人单合一机制的深入推进。

五、扫地机器人技术发展趋势 1.应用高性价比、高性能传感器

目前，扫地机器人多采用红外传感器、接触式传感器、超声波传感器等，少部分高端机型使用了线扫描激光雷达传感器。对于智能化的扫地机器人室内定位和复杂路径规划的需求而言，传感器提供的信息尚显不足。将来，视觉传感器、低成本高性能激光雷达传感器、软体防碰撞接触式传感器等高性能、新型传感器的应用，将给扫地机器人决策提供更丰富的参考信息。

2.多功能、模块化集成

在实现扫地机器人基本的扫地、吸尘、拖地等功能的基础上，模块化集成。扫地机器人本体可以平台化，即实现室内智能移动平台的功能，具备基本的避障、路径规划、软硬件交互接口等功能，而其他功能均以模块化的形式进行加载，给用户更多的自主选择余地，实现细分市场的拓展。

3.智能程度及智能算法拓展应用

借助语音识别技术和图像处理技术的逐步发展，物品识别技术性能的不断提高可更有效地提高扫地机器人对家庭环境的融入程度，提升扫地机器人与家庭成员的智能交互能力。研究并设计各种智能人机接口以更好地适应不同用户和不同的应用任务，提高人与机器人交互的和谐性，实现人机交互的简单化、多样化、智能化、人性化。未来，机器人将掌握更多的自主性能力，实现智能扫地机器人功能定位的本质性革新与发展。

总结 自2007年至今，更多的公司开始进入扫地机器人市场，投入了更多的人力物力进行扫地机器人的产品研发与市场推广，很大程度上推动了扫地机器人产品的技术进步与产业升级，并使得更多的消费者开始接触这款产品。目前，iRobot以及国内的科沃斯等均已成为扫地机器人领域的知名品牌。随着家庭服务机器人市场容量的迅速增加，飞利浦、海尔、美的、松下等国内外大型家电品牌商也开始进入扫地机器人领域。

国内扫地机器人方面，科沃斯等国内一线厂商目前研产结合良好，其扫地机器人产品在各项关键技术方面与iRobot等国际一流厂商水平相近。相对于其他国内厂商而言，这些公司在家庭服务机器人领域具有业务起步早、技术研发实力较强、产品性能优越、品牌知名度较高等优势。

与此同时，国内市场还存在着数量较多的中小型竞争对手，其产品以中低端扫地机器人为主，清扫系统大多模仿一线厂商；由于在移动导航算法上受核心专利技术的限制，清扫效果和智能程度与一线的品牌存在较大差异。

第二篇：金准人工智能 养老机器人产业研究报告

金准人工智能 养老机器人产业研究报告

前言

目前，65岁以上的老年人口占我国总人口数17.3%，随着老年人口的增加，适龄劳动人口的减少，中国的养老的压力也越来越大。与此同时，随着国内机器人产业的兴起，机器人养老成为了新的探索方向。在政策上，机器人养老也得到了大力的支持。据《机器人产业发展规划（2016－2020年）》所规划，机器人将在5年内走入养老服务业。清华大学机械工程系的张文增教授也表示，机器人养老是一个非常重要的主题，未来市场将是海量的。

尽管有政策的支持，学界和玩家们也纷纷看好该其前景，但目前机器人养老的市场情况却不容乐观。少数玩家针对养老这一特殊场景推出了更垂直的解决方案，而大部分的玩家都选择与儿童产品通用的方案，忽视了老年人这一人群的特殊属性。在此之下，机器人在养老市场的场推广上也却步履维艰，To B方面以医院和养老院两个场景率先形成小规模的初级市场，To C方面声势甚微。

近日，金准人工智能专家发现，无论是学者还是行业从业者对机器人养老的前景都持看好态度，甚至有海外企业涌入国内市场，但国内市场却存在着鱼龙混杂、大部分企业谈概念等突出问题。金准人工智能专家将起底机器人养老产业现状，深入分析众玩家打法和产品设计情况，以及市场需求与产业发展方向。

一、国内市场早期入局玩家

国内方面，目前入局的玩家并不多，大部分企业都处于试水和初步布局阶段。在应用场景上也主要分为家庭、养老院和医院三大典型场景。在市场早期，金准人工智能专家发现一些较为积极的早期入局者，如广东礼宾机器人、柚瓣机器人和优必选智慧养老克鲁泽Cruzr机器人。

1.广东礼宾机器人

医院是机器人养老的重要应用场景之一，成立于2015年的广东礼宾医疗科技股份有限公司，目前就将市场重心放在了医院上，希望解决养老的一点刚需，陪伴老人度过漫长的护理期。据其CEO周全胜介绍，他们已经在机器人养老上做了三年，目前年出货量大约8000台。除了采购一些厂商的机器人本体外，自己也在开发硬件，并推出了小宝和精灵两款硬件产品。

2.新松家宝机器人

去年11月，辽宁德沃与沈阳新松联合开发了一款智能养老服务机器人。今年年初，新松也展示了用于养老的家宝机器人，包含智能看护、亲情互动、远程医疗、家政服务等功能。同时，可以对老人身体健康状况进行实时监测，构建用户管理、健康检测、慢病管理、生活陪伴、家庭医生助理、紧急警报等服务在内的应用解决方案。此外，这款机器人还可以与家人视频通话、向老人推荐养生菜谱、规划旅游线路等。3.柚瓣机器人

去年，重庆柚瓣家科技有限公司与机器人本体厂商康力优蓝合作，推出了专门陪伴老人的机器人——“柚子”。这款机器人以康力优蓝的“小优”机器人为本体，搭载了柚瓣家科技的养老系统解决方案。在功能上，通过接入的第三方内容可以实现，听戏听歌等娱乐陪伴，同时，通过与外接医疗仪器相连，进行健康管理、测量血压血糖、提醒用药，远程呼叫等，最突出的功能是进行视频双向监控，可以监控老人状况、保姆是否悉心照料。

目前，这款产品主要在重庆市的养老院进行推广，据康力优蓝CMO赵博韬介绍，目前，该项目的提货量已达5000台。此外，也有其他向老年市场推广的渠道商进行相关咨询。

4.优必选智慧养老方案——克鲁泽Cruzr

国内人工智能独角兽公司优必选科技也在养老机器人市场上进行布局。据介绍，优必选以智能服务机器人克鲁泽Cruzr为本体，提供了一套智慧养老的解决方案。据优必选方面负责人吐露，根据前期市场调研和用户反馈，克鲁泽Cruzr计划在养老院等场景中的应用比较广泛。

在产品优化方面，克鲁泽Cruzr主要针对老年人提供健脑练习、情感交流、“零”学习成本唤醒、自主查询、数据分析以及运动指导等内容。

此外，还有天津哈士奇机器人科技公司、深圳市汉伟智能技术等公司也推出了智能养老机器人产品。

5.海外企业在中国的探索

日前，金准人工智能专家还通过上海国际机器人展会了解到一家名为甜甜圈机器人的日本企业。据该公司中国区负责人李中会表示，日本甜甜圈机器人株式会社由日本软银投资，与日本知名企业NEC、日立、安川电机、JAFCO、三井物产等公司有战略合作关系，主要面向老人看护市场。目前，该公司正在筹建中国部门，去年11月还加入山东阿兰图灵公司的阿兰图灵人工智能小镇项目。该公司表示，2018年将向海外市场发展，中国是首选方向。

去年6月，有消息称，护理用机器人的最大厂家安川电机，在与中国企业美的合作，拓展中国市场。希望借助安川电机的机器人制造技术，结合美的对中国市场熟悉，进行中国市场的拓展。金准人工智能专家从美的机器人处获悉，该项目已暂停一年多了，具体原因对方没有透露。金准人工智能专家认为，海外有竞争力的机器人企业涌入，将会刺激国产机器人企业在养老机器人市场上的探索，同时也将刺激国内市场更加规范。

二、养老机器人市场的三大突出问题

从2013年开始，中国成为了世界最大的机器人应用市场。据金准数据预测，预计2015-2018年全球服务机器人市场总规模约394亿美元，四年年均复合增长率21.07％。2018年全球服务机器人市场总规模将近130亿美元。可以说，中国的养老机器人市场非常广阔。然而，环顾养老机器人市场，却存在着玩家少、产品针对性差且不专注、市场推进缓慢等问题。

上文我们看到一些在此市场早期布局的企业，他们也都推出了针对老年人特点和需求的解决方案呢，而为了抢夺一部分老年市场，大部分的玩家做法是将儿童产品与老年产品混为一谈。在电商平台，我们能看到这种做法的产品比比皆是。

需要正视的问题是，儿童产品更注重教育属性，而老年人作为成年人更注重实用性。两者在内容上具有较大的差异性，老年人由于肌体能力、学习能力的下降，接触高科技的门槛较高。对于线上购物、线上支付、叫外卖、线上滴车、信息查询等年轻人习以为常的科技服务的操作能力，甚至是认知都非常弱。

因此，在现阶段机器人的技术和能力达不到帮助老年人端茶倒水、翻身排便的时候，将这些实用性的功能集成到机器人产品中，尚可解决一点养老的刚需。

老年人对互联网的接触较少，因此，在老年市场上，推广渠道是一个重要因素，此外，价格是影响市场推进的另一个重要因素。

三、养老机器人产业的市场机会

面对这样一个庞大的市场，如今半温不火的状态，不禁让人追问，机会在哪，如何破局？金准人工智能专家带着这样的疑问，与研究学者、机器人厂商和养老专业人士进行了探讨。

清华大学机械工程系的张文增教授表示，机器人养老是一个非常重要的主题，而且未来市场必是海量的。目前养老服务机器人的一个困境是机器人跟手机的差别并不大，只是移动着的手机，但在发声交互方面的进步很大。但在养老的实际场景中，操作物体认识一个亟待解决的重要问题，目前抓握能力尚需人遥控并且做复杂的编程，如果在这一方面能够再进一步开展深入研究，研发出相关产品后，在养老机器人等细分市场将有迅速点燃市场的极大可能性。在广东礼宾机器人CEO周全胜看来，机器人在养老上的应用，主要有医疗、应急和生活服务三个方面，但都依赖线下资源。同时，以目前的技术来看，机器人的应用还是要依赖于前后端的配合。因此，他认为现阶段应先解决一点养老的刚需问题，如在医院陪伴老人度过漫长的治疗期。优必选和康力优蓝等则将重心放在了养老院上，更多的通过在B端的合作，拓展市场。

北京普乐园养老院院长闫帅告诉金准人工智能专家，能与远程医疗对接的机器人还是很需要的，对于先阶段可以链接血压计、血糖仪等设备，也接入了外卖、淘宝、打车软件等内容，可以做视频监控，可以移动的机器人产品，可以考虑采购，但会考虑价格问题，毕竟相比之下价格更低的智能音箱也可以做到一部分功能。同时，闫院长也表示，更希望这种价格略高的产品，能以共享的方式提供。

四、先行者日本的经验

说到人口老龄化和机器人产业，首先会让我们想到邻国日本。日本是世界上老龄化问题最严重的国家之一。早在20世纪七八十年代，日本就已经步入老龄化社会，也是最先迈入老龄化社会的亚洲国家。中国的老龄化进程比日本要晚了二十年左右的时间，在日本实践中证明有效的产品，大都可以拿到中国来使用。

为了解决养老压力，日本采用了大数据与机器人结合的方式，大数据主要是将老人病例电子化，将检查结果、用药情况上传到云，避免医院重复性检查，同时可以根据数据预测患者罹患疾病的情况，及时对症下药。

机器人方面，日本的养老机器人主要有物理辅助机器人和社交辅助的机器人两类。物理辅助机器人是养老机器人市场较为高阶的产品，参与过为老年人提供介护服务的人都知道，介护中最艰难的是排便，其次关键的问题还有按时翻身以防生褥疮、对老人掉下床造成骨折和死亡事故提供警报、检测病人呼吸、心率等指数。

物理辅助机器人方面，日本松下公司推出的可由床变成轮椅的机器人Resyone、日本理化研究所（RIKEN-SRK）人机互动研究中心和日本住友理工公司在2015年推出的护理机器熊“Robear”等。社交辅助的机器人，主要负责和老年人进行互动，成为陪伴在其身边的伙伴，如Paro、Pepper、Babyloid和Ludwig等。

工业机器人四大家族之一的安川机电，目前也在用很大精力研发护理机器人，并且已经开发出了能够让病人锻炼手、腿等的机器人，通过不断在机器上活动，能让减弱或者丧失的运动功能重新获得运动能力。需要提出的是，日本属于社会养老、政府养老为主，因此在机器人养老的推动上更加积极。

结语：抓住老年人刚需才能打开市场

养老是一个经久不衰的话题。家庭、医院和养老院将是三个典型场景。就中国的市场情况来看，家庭养老将持续想当长的阶段，所以机器人想要在养老上应用，应抓住老年人的刚需。

就目前市场上的产品来看，入局机器人养老的玩家较少，具有针对性的产品也较少，更多的玩家为了抢占市场，采用与儿童市场同一的方案，混淆了市场，不利于老年市场的拓展。

从市场需求来看，养老院对与养老机器人的需求是存在的，但是养老机构与机器人企业在沟通上相对缺乏，如果能双向推进相互的交流，该市场将有望迅速打开。

第三篇：金准人工智能 2018中国智能制造报告

金准人工智能 2018中国智能制造报告 前言

智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。简而言之，智能制造是由物联网系统支撑的智能产品、智能生产和智能服务。

智能制造已经成为全球价值链重构和国际分工格局调整背景下各国的重要选择。发达国家纷纷加大制造业回流力度，提升制造业在国民经济中的战略地位。亚洲作为制造业重要区域也在积极部署自动化、智能化。

一、突破与成长

亚洲正受到自动化、智能化大潮冲击。国际劳工组织（International Labour Organisation）调研发现，越南、柬埔寨、菲律宾和印度尼西亚的工人的失业风险最高，据估计这几个区域约50%的工人工作可能在未来20年被自动化取代。

亚洲作为制造业的重要区域，在面临制造业向自动化、智能化、数字化转型中，能否继续保持其竞争力？

毫无疑问，亚洲正在积极寻求突破。以人工智能为例，各国政府大力支持人工能，推动科技公司、初创公司和学术界的创新。2017年，韩国政府宣布了10亿美元的人工智能资金；日本鼓励人工智能创业公司和风险投资；新加坡政府的国家研究基金会宣布国家人工智能计划（AI.SG），计划未来五年投入1.5亿新加坡元（约1.07亿美元）发展人工智能。

除了政府的支持，亚洲企业更积极打破行业壁垒加快新产品开发。不同于欧美同类企业，中国领先企业间的合作屡见不鲜，一些知名范例包括：百度与小米在物联网与人工智能领域合作开发更多应用场景；腾讯与京东合作布局电子商务生态圈；印度系统集成商组成AI联盟（OpenAI）。这赋予它们惊人的影响力，也意味着它们拥有可用于快速推动创新的技术实力和资本基础。

中国是亚洲智能化转型的重要力量。政府加强智能制造顶层设计，开展试点示范和标准体系建设；企业加快数字化转型，提升系统解决方案能力。中国智能制造取得明显成效，进入高速成长期。

中国智能制造进入成长期主要体现在三方面：首先，中国工业企业数字化能力素质提升，为未来制造系统的分析预测和自适应奠定基础。第二、财务效益方面，智能制造对企业的利润贡献率明显提升。第三、典型应用方面，中国已成为工业机器人第一消费大国，需求增长强劲。

1.1数字化能力素质提升

企业数字化能力素质体现在其利用数据指导生产以及系统自优化的能力。我们借鉴国际普遍认可的工业4.0发展路径，将企业智能化成熟度分为六个阶段：计算机化、连接、可视、透明、预测和自适应。

① 计算机化：

企业通过计算机化高效处理重复性工作，并实现高精度、低成本制造。但不同的信息技术系统在企业内部独立运作，很多设备并不具备数字接口。② 连接：

相互关联的环节取代各自为政的信息技术。操作技术（OT）系统的各部分实现了连通性和互操作性，但是依旧未能达到IT层面和OT层面的完全整合 6。

③ 可视：

了解正在发生什么，通过现场总线和传感器等物联网技术，企业捕获大量的实时数据，建立起企业的“数字孪生”，从而改变以前基于人工经验的决策方式，转为基于数字进行决策。

④ 透明：

了解事件发生的原因，并通过根本原因分析生成认识。⑤ 预测：

将数字孪生投射到未来，模拟不同的情景对未来发展进行预测，并适时做出决策和采取适当措施。

⑥ 自适应：

预测能力只是自动化行为和决策的根本要求，而持续的自适应则使企业实现自主响应，以便其尽快适应变化的经营环境。

随着中国两化融合和工业物联网建设等多项举措推进，制造型企业数字化能力素质显著提升，大部分企业正致力于数据纵向集成。金准人工智能专家调研结果显示，81%的受访企业已完成计算机化阶段，其中41%处于连接阶段，28%处于可视阶段，9%处于透明阶段，而预测和自适应阶段的企业各自占2%。

1.2智能制造利润贡献显著提升

向工业4.0进阶为制造企业带来真实可见的效益。2013年金准人工智能专家曾调研全国200家制造型企业，结果显示中国企业智能制造处在初级阶段，且利润微薄。经过五年的快速发展，智能制造产品和服务的盈利能力显著提升。

2013年智能制造为企业带来的利润并不明显，55%的受访企业其智能制造产品和服务净利润贡献率处于0-10%的区间，而2017年，仅有11%的受访企业处于这个区间，而41%的企业其智能制造利润贡献率在11-30%之间。利润贡献率超过50%的企业，由2013年受访企业占比14%提升到2017年的33%。智能制造利润贡献率明显提升，利润来源包括生产过程中效率的提升和产品服务价值的提升。

1.3应用市场潜力

中国已连续六年为工业机器人第一消费大国。IFR(International Federationof Robotics)数据显示，中国工业机器人市场规模在2017年为42亿美元，全球占比27%，2020年将扩大到59亿美元。2018-2020年国内机器人销量将分别为16、19.5、23.8万台，未来3年CAGR达到22%。汽车、高端装备制造和电子电器行业依然为工业机器人的主要用户。

中国有哪些独特优势？首先是数据量。当前人工智能热潮背后的机器学习技术对数据极其依赖。识别人脸、翻译语言和试验无人驾驶汽车需要大量的“训练数据”。由于中国的人口数量和设备数量庞大，中国企业在获取数据方面具有天然的优势。第二，中国制造业企业硬件设备和厂房相对欧美企业普遍较新，比较容易实现设备连接和厂房改造。

二、智能制造部署重点

金准人工智能专家调查发现，中国工业企业智能制造五大部署重点依次为：数字化工厂（63%）、设备及用户价值深挖（62%）、工业物联网（48%）、重构商业模式（36%）以及人工智能（21%）。

访企业所关注的相关技术包括工业软件、传感器技术、通信技术、人工智能、物联网、大数据分析等。当然，我们不能简单认为有了这些技术，就是实现智能制造，因为新制造业文化的变革进程是相当复杂和缓慢的，没有行业、企业与用户的融合推进，这次变革无法实现。

2.1 数字化工厂

智能制造是以制造环节的智能化为核心，以端到端数据流为基础，以数字作为核心驱动力，因此数字化工厂被企业列为智能制造部署的首要任务。目前企业数字化工厂部署以打通生产到执行的数据流为主要任务，而产品数据流和供应链数据流提升空间大。

数字化工厂通过新一代信息技术，实现从设计、生产、物流和服务等各个环节的数据串连，加速决策，提高准确性。只有打通数据流才能实现基于实时数据变化，对生产过程进行分析和优化处理，进而实现业务流程、工艺流程和资金流程的协同，以及生产资源（材料、能源等）在企业内部及企业之间的动态配置。打通数据流也是工厂建立“数字孪生”的前提，数字孪生不仅指产品的数字化，也包含工厂本身和工艺流程及设备的数字化，从而实现全面追溯、物理与虚拟双向共享和交互信息。打通数据流主要包括三类数据的连通，即生产流程数据、产品数据以及供应链数据。2.1.1生产流程数据 打通生产流程数据除了从生产计划到执行的数据流(如ERP到MES)，还包括MES与控制设备和监视设备之间的数据流，现场设备与控制设备之间的数据流，以及MES与现场设备之间的数据流等。

2.1.2产品数据流

打通产品数据流主要体现在产品全生命周期数字一体化和产品全生命周期可追溯。产品全生命周期数字一体化以缩短研发周期为核心，主要应用基于模型定义（MBD）技术进行产品研发、建设产品全生命周期管理系统(PLM)等。研发是数字化工厂“数据链条”的起点，研发环节产生的数据将在工厂的各个系统间实时传递，数据的同步更新避免了传统制造企业经常出现的由于沟通不畅产生的差错，也使得工厂的效率大大提升，缩短产品研制周期。产品全生命周期可追溯以提升产品质量管控为核心。

主要应用是让产品在全生命周期具有唯一标识，应用传感器、智能仪器仪表、工控系统等自动采集质量管理所需要数据，通过MES系统开展在线质量检测和预警等。2.1.3供应链数据流

打通供应链数据流主要体现在供应链上下游协同优化，实现网络协同制造。主要应用是建设跨企业制造资源协同平台，实现企业间研发、管理和服务系统的集成和对接，为接入企业提供研发设计、运营管理、数据分析、知识管理、信息安全等服务，开展制造服务和资源的动态分析和柔性配置。

金准人工智能专家调研结果显示，目前企业致力于打通从ERP到MES乃至现场设备的数据流，但这也仅是从生产到执行的打通，未来还需将产品数据、供应链数据串联。我们们将生产数据流分为两个环节：

一、打通生产计划与执行系统的数据流；

二、执行与监控和现场设备的数据流。结果显示，83%的受访企业表示已打通ERP和MES的数据流打通。62% 的企业继续向下打通MES到现场设备的数据流。但仅有47%的企业打通了产品数据流，44%的企业打通供应链数据流（图2.4）。而且考虑到我们调查的企业均为资质较好且为中等以上规模，这一系列比率显然高于中国整体平均水平。

从行业角度来看，航空航天领域全部受访企业已经打通从生产计划到执行的数据，但从生产执行到现场设备、产品以及供应链的数据链条连通相对滞后，提升空间大。电子组件及电器制造行业产品数据流和供应链数据流连通情况高于其他行业，数字化工厂整体水平较高。产品质量可谓是制药行业的生命，而打通产品数据流的制药企业仅占33%，行业需要强化产品全生命周期可追溯，提升产品质量管控能力。汽车及汽车零部件以及高端装备制造都在产品数据流方面领先（图2.5）。

未来数字世界和现实世界会是一体两面，打通数据流也是数字孪生（digital twin）操作的基础。金准人工智能专家认为数字孪生是物理实体或流程的准实时数字化镜像，有助于企业绩效提升。数字孪生往往包含“数字产品孪生”、“生产工艺流程数字孪生”和“设备数字孪生”不同层面但可以高度集中统一的数据模型。

数字产品孪生领域，特斯拉公司为其生产和销售的每一辆电动汽车都建立数字孪生模型，相对应的模型数据都保存在公司数据库。每辆电动车每天报告其日常经验，并通过数字孪生的模拟程序使用这些数据来发现可能的异常情况并提供纠正措施。通过数字孪生模拟，特斯拉每天可获得相当于160万英里的驾驶体验，并在不断的学习过程中反馈给每辆车。生产流程数字孪生领域，一些嗅觉敏锐的工厂及生产线开始引入数字孪生，在建造之前，对工厂进行仿真和模拟，虚拟出建造工厂的最佳流程，再将真实参数传给实际的工厂建设，有效减少误差和风险。待厂房和生产线建成之后，日常的运行和维护通过数字孪生进行交互，能够迅速找出问题所在，提高工作效率。Gartner对美国、德国、中国与日本的202位企业的调查发现，到2020年，至少50%年收入超过50亿美元的制造商将为其产品或资产启动至少一项数字孪生项目，届时参与使用数字孪生技术的企业数量将增长3倍。预计在今后数年时间，将有数以亿计的用户使用数字孪生操作，它将被企业用于规划设备服务、生产线操作、预测设备故障、提高操作效率、加速新产品开发等。在未来，这项技术有望与工业生产彻底融合，推动智能工业进入新阶段。如何创建数字孪生？金准人工智能专家认为数字孪生的创建包含两个主要关注领域：

一是设计数字孪生的流程和产品生命周期的数据要求—— 从资产的设计到资产在真实世界中的现场使用和维护；

二是创建使能技术，整合真实资产及其数字孪生，使传感器数据与企业核心系统中的运营和交易信息实现实时流动。

2.2 设备和用户价值深度挖掘

制造型企业面临愈发激烈的市场竞争和日益透明的产品定价，不得不寻找新的价值来源。金准人工智能专家智能制造调研结果显示，设备和用户价值深度挖掘是企业智能制造部署第二重点领域。62%的受访企业正积极部署设备和用户价值深度挖掘，其中41%的企业侧重设备价值挖掘，21%的企业侧重用户价值挖掘。

围绕设备进行价值挖掘可以说是制造型企业的天性。如在研发设计阶段，嵌入新技术，生产更智能或更多样化的产品；在销售阶段，提供设备相关金融服务；在售后阶段，对出厂设备和产品进行实时数据采集和监控，并进行性能分析、预测性维护等，既提升安全性，也为企业创造更多服务机会。

虽然起步较晚，制造型企业也在探索和尝试对用户价值进行深度挖掘，其中以C2M(customer-to-manufactory，客户到制造)最受瞩目。C2M体现了定制化生产的特性，使制造商直接面对用户，以满足用户个性化需求；同时通过减少中间环节降低成本、提升效率。红领集团通过打造C2M电商平台、柔性供应能力和大数据能力实现了大规模定制化。顾客可以在其C2M电商平台选择款式、工艺、材料并下单。平台快速收集顾客分散、个性化需求数据的同时，大数据和云计算技术按客户需求匹配产品数据模型，其款式数据和工艺数据能满足超过百万万亿种设计组合，覆盖99.9%的个性化设计需求。当版型确定后，系统自动生成工艺数据，工艺数据发送至工厂，工厂进行生产交付。整个流程从下订单到产品出厂仅需7个工作日，并做到按需生产、零库存、一人一版、一衣一款。

阿里巴巴的“淘工厂”集结上万家工厂，将电商买家订单与制造厂商产能进行对接，把柔性产能档期联网，解决电商买家有订单无工厂，制造企业有产能无订单的结症。

2.3 工业物联网

智能制造要求制造系统具备感知、分析、决策和执行的能力，而这些能力的核心均涉及物联网相关技术，如面向感知的物联技术（传感器、RFID、芯片）、面向分析的工业大数据分析和面向决策及服务的应用平台。

金准人工智能专家调研结果显示，目前中国制造企业物联网应用以感知为重点，分析和服务交融将是未来物联网建设重点。受访企业普遍建立系统以传感器采集动态数据，但数据分析和平台应用相对滞后。从行业应用来看，电子及电器行业传感器和平台应用最为普及，76%的受访企业利用传感器采集数据，43%的企业利用物联网平台，但仅有33%的企业采用大数据技术分析所采集的数据。汽车及零部件制造行业传感器技术应用也有较高普及率达73%，但大数据和平台应用低于其他受访行业。制药行业大数据技术利用最为积极，因为医药行业早已面临海量数据和非结构化数据挑战（图2.6）。

感知仅是物联网应用的初级阶段，以数据洞察指导行动，从而提高效率，或者与服务交融创造新价值，才是物联网的核心。云平台通过提供强大的数据传输、存储和处理能力，帮助制造企业采集和处理大量数据。工业云平台不仅能够实现企业通过平台完成产品的设计、工艺、制造、采购、营销等环节，还将改变传统生产方式和制造生态，创造新的收入来源和商业模式。中国制造企业云部署现状如何？

金准人工智能专家调研发现，中国制造企业云部署积极性不高。53%的受访制造企业尚未部署工业云，47%的企业正在进行工业云部署，其中27%的企业部署私有云，14%部署公有云，6%部署混合云（图2.7）。上云可以大幅降低每个单元的储存和计算成本，甚至通过跨界创造新的商业模式，但也带来了复杂性。企业担心一旦将诸如工厂生产过程、资产性能管理的数据放到云平台上之后，信息安全、知识产权问题会接踵而至。除此之外，很多企业尚未明确工业云在企业层面的商业应用和相关能力欠缺也是导致企业云部署积极性不高的原因。

对于选择公有云还是私有云，很大程度取决于企业的关注点不同。如果企业只是聚焦自己的生产制造，降本增效，往往不会选择公有云；如果企业聚焦商业模式创新和产品转型，则会天然的更倾向于选择公有云或混合云，因为往往涉及服务平台，需要做到一定程度上的兼容和融合。由于目前国内比较常见的工业云的部署以云的基础功能为主，企业把云看作虚拟服务器，在云上做存储、计算，只有少数企业通过云部署改变生产方式和制造生态，进行公有云和混合云部署的企业仍为少数。

金准人工智能专家认为物联网在智能制造领域的应用场景主要分为三类：设备与资产管理、产品洞察和服务创新。2.3.1设备与资产管理

具备感测与联网功能的系统与大数据结合，可以实现设备的监控和管理，如远程监控、预测性维护和互联现场等。远程监控以物联网替代传统的人工巡检机制，通过传感器远距离将设备数据传输到运营中心。预测性维护打破传统工厂按计划进行定期维护设备的运营方式，通过物联网对设备整个生命周期进行全程监控，并预测设备未来可能发生的故障，提前制定预防性维护计划，减少故障率并提高生产效率。物联网还可以连接和监控厂房的工业装置和设备，获得有见解的分析，从而帮助跨工业设备、生产线以及在整个工厂范围内优化性能和效率。当然，除了新厂房，老厂房和设备在没有更新换代之前，也有联网监控的需要，如何在现有设备上进行物联网改造是值得企业关注的问题。2.3.2产品洞察

制造企业往往不太了解自己的产品如何被使用，而物联网将改变这一现状。在产品投入使用后，制造厂商可以通过物联网与产品建立并保持联系，收集动态数据，以更加系统的方式实时地持续地分析产品使用情况。在了解客户对产品的使用方式后，厂商还可以基于数据预测客户需求，开发个性化产品和新的服务项目，提高产品附加值。2.3.3服务创新

基于数据和平台提供后市场服务，物联网与服务交融实现商业模式创新。物联网协助制造企业更有效捕捉和预测市场需求，创造动态化、个性化的智能服务、咨询服务、数据服务、物联网金融与保险等新的服务种类。这类应用将打破企业原来的边界，从全社会的维度思考制造资源的优化，客户和制造端的互动以及各种商业模式的创新。企业需要评估自身业务需要，明确商业目标、相关流程和预期结果的范围，在考虑技术可扩展性、性能、带宽经济和技术创新等级后，才能对数据和物联网系统的处理架构做出明智的选择。

2.4 重构未来商业模式

智能制造不仅能够帮助制造型企业实现降本增效，也赋予企业重新思考价值定位和重构商业模式的契机。同时，新进入者也在不断挑战传统市场参与者的地位，众多技术型企业加入战场推动工业企业探索商业模式上的创新。金准人工智能专家调研发现企业对未来商业模式的规划大致呈四类：30%的受访企业未来商业模式将以平台为核心，26%的企业走规模化定制模式，24%以“产品+服务”为核心向解决方案商转型，12%以知识产权为核心（图2.8）。平台型商业模式定位以提供多种软件服务和搭建生态系统为核心，未来可能不会出现类似BAT这样的行业巨头，但不乏垂直行业领军企业或平台。

规模化定制模式，如C2M已经不局限于服装制造，而延伸到汽车和装备制造等行业。“产品+服务”为核心旨在围绕客户需求提供解决方案，是目前很多企业在做的。以知识产权为核心的企业往往通过专利战略，形成技术壁垒占领市场。

不同商业模式的价值定位和价值创造方式不同，所面临的挑战也不尽相同（图2.9）。企业需要持续审视自己的商业模式，通过评估自身运营情况进行适当地改善并定期评估其他商业模式是否具有可行性。

2.5 人工智能

人工智能对制造业的影响主要来自两方面： 一是在制造和管理流程中运用人工智能提高产品质量和生产效率；二是对现有产品与服务的彻底颠覆。

随着国内制造业自动化程度提高，机器人在制造过程和管理流程中的应用日益广泛，而人工智能更进一步赋予机器人自我学习能力。结合数据管理，导入自动化设备及相关设备的联网，机器人通过机器学习分析，可以实现生产线的精准配合，并更准确的预测和实时检测生产问题。人工智能在制造业产品和服务领域的应用则更具有颠覆性。产品本身就是人工智能的载体，硬件与各类软件结合具备感知、判断的能力并实时与用户、环境互动。而产品的功能和服务，也将颠覆原有生态系统。以汽车产业为例，传统汽车行业的竞争格局是金字塔型——整车厂处于顶端，各级别供应商跟随其后。但是在智能汽车时代，整车厂的主导地位将受到严峻挑战，零部件厂商、互联网巨头、算法公司、芯片制造商、传感器供应商等企业无不加快对无人驾驶技术的研发和商业化步伐，并期望通过占据技术制高点打破汽车产业的生态平衡。

中国制造企业人工智能应用情况如何？金准人工智能专家智能制造调研发现，51%的受访企业在制造和管理流程中运用人工智能，46%的受访企业在产品和服务领域已经或计划部署人工智能（图2.10）。制造和管理流程中人工智能的运用更偏向系统自动化和制造精益化，目的是提高生产效率和产品质量，同时人也被解放出来，可以去思考更复杂的问题。主要应用场景包括使用机器人实现流程自动化、柔性制造、定制化生产、质量检测等。在产品和服务领域人工智能的运用更侧重产品和服务与使用者的互动，典型应用包括研发和新品测试、用户行为分析、自动驾驶等。

当然人工智能仍处在其发展早期，技术突破及商业论证需要更长时间。另外，人工智能应用环境和基础设施的完善程度，信息和安全法规、企业自身的能力都成为企业面临的主要挑战。我们发现，对于尚未部署人工智能的制造企业来说，缺乏投资人工智能的商业论证、尚不具备建立和支持人工智能的系统能力、尚不明确部署人工智能的前提为主要挑战（图2.11）。

人工智能正迅速渗透各行各业。汽车及汽车零部件制造、高端装备制造、电子及电器制造三个行业在制造流程中采用机器人的比例过半。汽车及零部件制造行业使用机器人的企业比例达到80%，预示未来工业机器人的市场增量将主要来自非汽车行业。在产品和服务领域已经或计划部署人工智能的行业分布比较均匀，高端装备制造和制药比例较高，但其他行业如新材料、汽车及零部件、航空航天、电子及电器也正在或计划部署人工智能。

行业对人工智能的理解已随着算法、技术和应用的发展，越来越加深。对于企业而言，应跳出人工智能仅是“机器换人”的既定思维，在精益制造、产品质量、用户体验等多方面进行部署。

三、跨越能力鸿沟

重构商业模式是一项复杂艰巨的任务，我们请企业就实现构想中的商业模式所面临的能力鸿沟进行打分，综合来看，商业模式优化、创新管理以及云部署为企业能力建设三大关键任务，金准人工智能专家建议分别从以下几个方面入手提升能力：

3.1商业模式优化

优化商业模式可能仅需要改变或改进目前模式中部分元素，也可能涉及改变整体运营模式的重大转型。在过去的15年里，由于技术、通信、物流和交通等方面的迅速进步，整体运营模式的重大转型已更为常见。企业需要运用行之有效的方法和工具，从以下工作流程各环节入手优化商业模式：

① 企业转型整编：

优化现有商业模式，包括从原材料采购到产品销售过程所涉及的一切环节，挖掘可以整体改动或局部改进的待优化环节，以支持新的商业模式。

② 重新配置信息技术系统：

企业需要探索、设计与实施基础设施及信息技术系统的改进。③ 重新调配人员： 人尽其用是企业转型可持续性的关键之一。重新调配人员侧重于设计和实施人员调度，以支持新商业模式，并实现从原有模式到新模式的顺利过渡。该环节还包括制定新的关键绩效指标及汇报关系以支持新商业模式。

④ 重组法律、财务及税务架构：

商业模式优化方案的设计和实施通常涉及许多复杂的法律实体及税务架构上的改变。企业管理团队需要分析不同方式的利与弊。如新商业模式下所得税和转让定价事项有何变化，增值税和关税对新商业模式可能产生的影响。

3.2创新管理

创新管理的目标包括优化创新产品管理、优化生命周期成本、优化资本使用效率和优化风险管理。

① 优化创新产品管理：

建立统一的产品管理体系（包括有形的产品和服务），优化决策流程，提高决策效率 ② 优化生命周期成本：

通过产品生命周期的最优化运作，优化产品投资成本和运营成本 ③ 优化资本使用效率：

通过监控、评估和KPI管理，优化产品管理、提升资本使用效率 ④ 优化风险管理：

有效管理创新过程中的市场风险和数据安全风险等诸多风险值得注意的是，单纯的产品创新管理并不能令企业长久保持竞争优势。如今，几乎所有产品类别都处于激烈的竞争之中，任何新产品的任何独特优势都会被快速吞噬。组合多种创新类型可以帮助公司拥有更好的财务回报。虽然不能把这些公司的绩效全部归功于创新，但创新有助于提升一家公司的机制，包括投资者对它未来的预期。3.3云部署

仅仅把数据和应用转移到云上是远远不够的，大多数情况，上云会牵涉多个业务功能，影响企业的供应商、财务报表和客户，企业需要长远规划，分步执行。企业还需要充分考虑人力资源和数字化程度如何与云部署配合。

① 规划：

审视企业现有商业模式并探讨是否有其他可行的商业模式，根据商业模式制定云部署战略，进行商业论证和自身能力评估。

② 执行：

执行阶段可以分四步走，第一步是SaaS部署，包括ERP，CRM，人力资源转型和其他软件部署；第二步是个性化部署，包括应用开发、架构搭建和平台部署；第三步为云迁移，其间可能需要对应用软件进行更新和调整。第四步为引入大数据分析平台。

总结

今天的市场变得越来越多样化，消费者的需求在不断变化。同时，产品、生产流程和服务的数字化、智能化已是大势所趋，受此趋势影响，工业企业正在加快智能制造部署，并不断审视商业模式，并制定有效策略，以期从运营和战略层面推动实际价值的创造。

第四篇：人工智能行业研究报告

人工智能行业研究报告

从去年的Alpha Go对战李世石开始，再到今年升级版的Alpha Go对战柯洁，人工智能经过一年多的发酵早已不再是一个陌生的名词。

截至目前，人工智能行业已发布了多篇报告，但我们仍致力于写出不一样的东西。除却老生常谈的算法、计算力、数据之外，我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。在人工智能的场景驱动阶段，不但可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策，最终实现“给予决策支持”的目标。因此本报告中，我们用了较大的篇幅去描绘人工智能的场景应用。

那么，在不同的场景中，人工智能是如何发挥作用的？带着这个问题，我们研究了国内外与此领域相关的企业，写出了这份人工智能行业的研究报告。

报告摘要

人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。

1.在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。

2.在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。

3.随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。

总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。

行业概述

AI是使用机器代替人类实现认知、分析、决策等功能的综合学科

人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。作为一种基础技术，理论上讲人工智能能够被应用在各个基础行业（如AI+金融、AI+医疗、AI+传统制造业等），同时也有其如机器人这样具体应用行业的概念。

本报告将以2017年上半年为时间节点，对包括发展驱动力、巨头布局、投融资情况、预测的市场规模等在内的人工智能行业到目前为止的整体发展情况做简要分析，并对包括数据标记、语音识别、语义识别、计算机视觉等技术领域以及安防、医疗、金融等应用场景在内的细分领域及其典型企业进行简析，探索人工智能领域未来发展趋势和可能的投资/创业机会。

行业驱动力

技术驱动：算法和计算力是主要驱动力

在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。

技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用。现在主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原的能力。对算法来说，归纳和演绎同样重要，最终目的是提高识别效率。最新ImageNet测试结果显示，AI错误率低达3.5%，而人类对同一数据库识别错误率在5.1%，理想情况下，计算机图像识别能力已超越人类。

如上图所示，每年在ImageNet测试中错误率最低的算法模型都不尽相同（从NEC到ResNet），这也反映了人们对于算法的不断探究、更迭过程。

计算力的三驾马车：芯片、超级计算机、云计算 提高识别效率除依靠算法之外，也离不开计算力的支持。计算力可以分三个维度展开：芯片、超级计算机、云计算。

芯片：人工智能领域作为一个数据密集的领域，传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题，继CPU之后，相继出现了GPU、NPU、FPGA、DSP等“AI”芯片。1999 年，Nvidia公司发布了全球首款图片处理芯片GPU；2016年，寒武纪发布了全球首款深度学习专用处理器芯片NPU，芯片的更迭、进步可从根本上提高计算性能。

超级计算机：其基本组成组件与个人电脑的概念无太大差异，但规格与性能则强大许多，是一种超大型电子计算机。我国自主超级计算机“神威·太湖之光”，其处理器为众核CPU“申威26010”，整台“神威·太湖之光”共包含40960块处理器；打败李世石的AlphaGo共包含1202个CPU和176个GPU；打败柯洁的升级版AlphaGo使用到了TPU，但数量只有 4 颗。

可以发现，真正用于人工智能的超级计算机芯片还只是处于CPU、GPU层，如何将更适用于网络神经算法的NPU、FPGA等芯片量产化并融合入超级计算机芯片矩阵，是在人工智能发展的第一阶段—技术驱动阶段应该重点努力的方向之一。

云计算：与主要应用于密集型计算的超级计算机不同，云计算依靠其灵活的扩展能力主要应用于社交网络、企业IT建设和信息化等数据密集型、I/O密集型的领域。

我们分析认为，当AI跨越入第二阶段—数据驱动阶段后，算法和计算力将变成人工智能领域的基础设施—“水、电、煤”。就目前看来，多项算法开源平台已将AI算法引入统一、公用阶段，运算力也必将向同样的趋势发展。云计算则是一个初步尝试，未来，计算力的发展方向或将是云计算和超级计算机技术结合，为企业提供既可密集运算又可灵活扩展的计算服务，将人工智能赋能全行业。

数据驱动：描绘个性化画像；场景驱动：给予决策支持

人工智能发展的第二个阶段，算法和计算力已基本不存在壁垒，数据将成为主要驱动力，推动人工智能更迭。此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础上可以精确地描绘消费者画像，制定个性化营销方案，提高成单率，缩短达到预设目标的时间，推动社会运行效率提升。

到了人工智能发展的第三个阶段，场景驱动作为主要驱动力，不仅可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策。此阶段，对数据收集的维度和质量的要求更高，并且可实时根据不同的场景，制定不同的决策方案，推动事件向良好的态势发展，帮助决策者更敏锐的洞悉事件根本，产生更精准更智慧的决策。

人工智能产业链综述

AI产业链主要包括技术支撑层、基础应用层和方案集成层

正如报告开头所述，人工智能是指使用机器代替人类实现认知、识别、分析、决策等功能，是一门综合了计算机科学、生理学、哲学的交叉学科。完整的人工智能产业链可以分为技术支撑层、基础应用层和方案集成层，或者说应用场景层。

技术支撑层主要由AI芯片、传感器等硬件和算法模型（软件）和两部分构成。其中传感器与IoT的感知层相似，包括GPU、FPGA、NPU等在内的AI芯片负责运算，算法模型则负责训练数据。

基础应用层的技术则是为了让机器完成对外部世界的探测，主要由计算机视觉、语音识别等感知层和语义识别等认知层构成，这些技术是机器能够做出分析判断的基础。此外，在感知与认知技术之下还有数据标注作为其底层支撑。

方案集成层是集成了某种或多种基础应用技术的、面向如工业、自动驾驶、家居、仓储物流、金融、医疗等不同应用场景的产品或方案。

本篇报告将主要围绕AI中基础应用层和方案集成层，即应用场景层进行分析。

语音识别：语音识别过程虽存在难点，但目前技术已趋于成熟

语音识别是将语音转换为文本的技术，是自然语言处理的一个分支。前台主要步骤分为信号搜集、降噪和特征提取三步，提取的特征在后台由经过语音大数据训练得到的语音模型对其进行解码，最终把语音转化为文本，实现达到让机器识别和理解语音的目的。根据公开资料显示，目前语音识别的技术成熟度较高，已达到95%的准确度。然而，需要指出的是，从95%到99%的准确度带来的改变才是质的飞跃，将使人们从偶尔使用语音变到常常使用。

语音识别作为一种一维时域信号，在实际操作中主要有两个难点。首先是数据的获取、清洗。语音识别需要大量细分领域的标准化语料数据作为支撑，尤其是各地方言的多样性更是加大了语料搜集的工作量。据媒体消息，苹果iOS 10.3版本中Siri已支持上海话。

第二个难点是语音特征的提取，目前主要通过具备多层神经网络的深度学习来解决，多层的神经网络相当于一个特征提取器，可对信号进行逐层深化的特征描述，最终从部分到整体，从笼统到具象，做到最大程度地还原信号原始特征。

语音识别虽市场庞大但已出现领航者，留给创业公司的机会不多

据Research andMarkets研究报告显示，全球智能语音市场将持续显著增长，预计到2020年，全球语音市场规模预计将达191.7亿美元。根据Capvision报告显示，从语音行业市场份额角度来看，全球范围内，由Nuance领跑，国内则是科大讯飞占据主导地位。

企业案例：科大讯飞

科大讯飞专注于To B的语音识别技术，目前已领跑中文语音市场

科大讯飞创办于1999年，主要从事智能语音及语言技术、人工智能技术研究，软件及芯片产品的开发，而应用集成则由下游的开发商或客户自己完成。根据公开资料显示，科大讯飞是目前我国少数掌握核心技术的语音领域企业之一，已于2008年5月在深圳证券交易所挂牌上市。

科大讯飞拥有六大核心技术，分别是语音识别、语音合、自然语言处理、语音评测、声纹识别和手写识别。其中更重要的是其同时拥有语音合成和语音识别，能够把“听”和“说”组合起来。此外科大讯飞还提出讯飞超脑计划，瞄准语音理解力市场。

随着人工智能热度高涨，科大讯飞等企业技术得以规模性落地

科大讯飞以讯飞超脑、AIUI 为内核，积极打造基于讯飞开放平台的AI 生态，面对不同场景，推出覆盖全行业的语音产品及服务，深耕智慧教育、智慧城市、智慧汽车、智慧医疗以及智慧家居五个行业，全方位挖掘G 端、B 端及C 端客户。

随着全球范围内人工智能热度的高涨，语音识别作为其中重要的技术应用层落地项目也愈加多元化。科大讯飞在智慧教育、智慧城市、智能家居、智能汽车、机器人等领域规模化的应用，促进了其营收近几年内持续稳定走高，尤其是在教育行业，科大讯飞构建了智慧考试、智慧校园、智慧课堂、智慧学习等一体化的智慧教育产品体系，2017年智慧课堂产品有望成为其在教育行业收入和毛利的重要增长点。

企业案例：Nuance＆云知声

Nuance领衔全球市场，云知声重点布局家居领域

从世界范围来看，Nuance是全球最大的独立语音识别公司之一。Nuance于1994年成立于美国麻省伯灵顿，并于2000年4月在纳斯达克上市。Nuance曾为苹果、三星提供语音支持服务，在语音识别领域一度处于垄断地位，后随深度算法的普及，各巨头逐渐开始自主研发语音识别技术，差距逐渐缩小。但直到今天，其发布的Dragon Drive（声龙驾驶）——互联汽车语音和内容平台，仍为众多知名车企提供着车载语音技术支持，如梅赛德斯-奔驰、戴姆勒、宝马、丰田、雷克萨斯、荣威等汽车品牌。

此外，还有重点布局家居领域的语音企业—云知声。云知声于2012年6月创办于北京，目前融资轮次为B+，是智能语音领域新锐玩家。据官方数据显示，云知声目前已覆盖了476个城市，覆盖用户超过1.8亿，代表客户有网易易信、锤子手机、乐视超级电视等。

语义识别：解决“听得懂”的语义识别领域中，新进入者仍具有一定机会

语义识别是人工智能的重要分支之一，解决的是“听得懂”的问题。其最大的作用是改变人机交互模式，将人机交互由最原始的鼠标、键盘交互转变为语音对话的方式。此外，我们认为目前的语义识别行业还未出现绝对垄断者，新进入的创业公司仍具备一定机会。

语义识别是自然语言处理(NLP)技术的重要组成部分。NLP在实际应用中最大的困难还是语义的复杂性，此外，深度学习算法也不是语义识别领域的最优算法。但随着整个AI行业发展进程加速，将为NLP带来长足的进步。

语义识别技术拥有多样性的应用领域以及行业参与者

我们认为，基于语音识别和语义识别的智能语音交互技术在车载场景中存在刚需，也会成为最先爆发的领域之一。并且，随着车联网的纵深化发展，相关硬件趋于免费，依靠语音交互天然流量入口，做个性化增值服务将是未来车载领域的主要盈利点。

从1996年至今，国内至今仍在运营的人工智能公司接近400家1。从下图可看出，自然语言处理（NLP）无论在创业热度、获投数量还是获投金额都处于细分领域的前三。据 Global Market Insights数据，预计到2024年市场规模达到110亿美元。

科技巨头乐衷于收购，小而美的企业更偏好细分场景

科技巨头尤其是微软早在2008年就已开始布局语义技术领域。对于巨头来说，自主研发耗时久、投入高，同时效果也是未知的，直接收购是多数巨头选择的最快方式。

关于语义识别领域的创业公司，国内代表企业有出门智能360、出门问问、三角兽、蓦然认知等。其中，三角兽的智能语音交互功能已被应用在Rokid、锤子手机、威马汽车等产品上。此外，由于自然语境和细分行业语境下，同一名词可能具备不同含义，因此除了行业通用型的语义识别公司之外，还存在一些深耕细分场景的公司，例如律师行业国外有基于IBM Watson的ROSS，国内有无讼、法律谷等。

计算机视觉：计算机视觉主要研究如何使机器具备“看”的能力

计算机视觉（computer vision，简称CV）是指用计算机来模拟人的视觉系统，实现人的视觉功能，以适应、理解外界环境和控制自身运动。主要解决的是物体识别、物体形状和方位确认以及物体运动判断这三个问题。计算机视觉识别系统通常需要三个过程：目标检测、目标识别、行为识别，分别解决了“去背景”、“是什么”、“干什么”的问题。

计算机视觉在技术流程上，首先要得到实时数据，此步骤可通过一系列传感器获取，少部分数据可直接在具备MEMS功能的传感器端完成处理，大部分数据会继续传输至大脑平台，大脑由运算单元和算法构成，在此处进行运算并给出决策支持。

动态人脸识别是最热领域，金融和安防是最热场景

计算机视觉应用场景可分为两大类：图像识别和人脸识别，每类又可继续划分为动、静共四个类别，基本覆盖了目前计算机视觉的各项应用场景。其中动态人脸识别技术是目前创业热度最高的细分领域，尤其是金融和安防场景，是其重点布局场景。

国内，计算机视觉领域的企业最早出现在1997年，2014年出现创业高潮，企业平均年龄在3.9岁。下表格为该领域目前存续的具备代表性的创业公司。

各细分领域成熟度相差大，其中人脸识别未来几年市场潜力巨大

计算机视觉作为一种人工智能的基础技术应用，使用场景多样，市场潜力巨大。其中人脸识别领域在2016年已接近百亿规模，中国市场在全球范围扮演着十分重要的角色。

由此可见，计算机视觉各细分领域的成熟度目前相差较大。人脸识别、指纹识别等所在的生物特征识别领域相对来说技术成熟度、工业化程度较高。在物体和场景识别方面，由于识别的物体种类繁杂，表现形态多样，技术成熟度较低。

对于计算机视觉而言，其主要瓶颈在于受图片质量、光照环境的影响，现有图像识别技术较难解决图像残缺、光线过爆、过暗的图像。此外，受制于被标记数据的体量和数量，若无大量、优质的细分应用场景数据，该特定应用场景的算法迭代很难实现突破。

企业案例：商汤科技

专注计算机视觉算法研发，推动视觉技术融入各行各业 商汤科技创办于2014年11月，位于北京，2017年4月完成了赛领资本领投的战略投资6000万美元。商汤科技专注于核心算法开发，通过视觉技术赋予计算机视觉感知和认知的能力，业务覆盖金融、商业、安防、互联网+等行业，意图为企业提供低门槛的计算机视觉技术，打造“商汤驱动”的人工智能商业生态。

商汤科技的核心能力在于其能够自主开发原创深度学习模型，其自有的高性能算法库相对行业内开源平台库，较大程度提高了算法效率，带来2-5倍的性能提升。性能的提升直接导致的是极大地降低了计算机视觉硬件门槛，例如一般情况下双目、深度摄像头才具备视频处理能力，但利用商汤科技的算法模型，单目摄像头也具备此能力。此外，商汤科技自身构建了具备200块GPU链接能力的DeepLink超算平台，过去耗时1个月的运算，现在只需5-6个小时即可完成。硬件门槛降低+计算能力提升，使得大部分企业快速接入计算机视觉技术成为现实。

作为算法层企业，商汤科技通过与京东、小米、新浪微博等应用层级公司合作，使得自己的算法可以很好地融合多类细分领域的特点，快速移植复制到各行各业。除此之外，商汤还在技术层与多家企业合作，例如，商汤科技与科大讯飞合作研发具备人脸+语音双重识别的产品；与英伟达合作研发适用于深度学习的GPU芯片，该芯片可实时处理双路视频，为智慧视频提供支持。

商汤科技诞生于香港中文大学的多媒体实验室，团队成员主要由两部分构成，其一是来自MIT、斯坦福、香港大学、清华大学等高校及其实验室的科研人员；其二是来自谷歌、百度、微软、阿里巴巴等产业界的商业人员。商汤科技意图将实验室最新成果与商业变现之间的时空差距缩到最低限度。2017年4月，商汤科技宣布完成了新一轮的战略融资，将进一步加速商业化布局。

企业案例：触景无限

触景无限专注嵌入式感知模组的研发，试图在前端解决感知问题

除商汤科技这类依靠算法作为计算机视觉解决方案的流派之外，还存在触景无限这类专注于前端嵌入式硬件并搭载软件的打法。触景无限成立于2010年，提供嵌入式智能感知平台——视觉卡，并于2017年3月完成A+轮5000万元人民币融资。

触景无限视觉卡基于英伟达、英特尔等嵌入式芯片，融合了人脸识别、物体识别、双目测距、GPS、TOF、IMU等多种传感器、数据处理平台和压缩算法模型，提供的嵌入式智能感知平台，具备体积小、功耗低、实时图像处理、处理能力高、多目摄像头支持、通用API接口等特点。例如基于深度学习的人脸识别技术运行在视觉卡上能达到每帧100ms的速度（分辨率为1080P时的检测+识别速度），在1:1人证比对的情况下识别率大于99%，在1:50000的情况下识别率大于90%。通过该视觉卡，信息处理可以直接在前端完成，帮助前端硬件完成“感”与“知”的融合。

在具体产品方面，截止2017年6月，触景无限视觉卡已完成两代视觉卡的研发，其中一代V10X系列已于2016年底实现量产，二代V20X系列亦于日前发布。相较于一代，二代基于Intel-Movidius芯片研发，芯片体积更小（一元硬币大小），功耗更低（低至2瓦），处理速度更强（约1Tflops）。两代视觉卡产品均可用于安防、无人机、机器人、智能家居、智能汽车辅助驾驶等领域。

人工智能的应用场景层

AI+医疗：融合目前主要体现在智能设备和识别诊断两方面

人工智能在医疗领域的应用，我们认为主要体现在“软”和“硬”两方面。“硬”指的是主要用于医院、诊所的医疗或辅助医疗的智能型服务机器人。种类包括手术机器人、假肢机器人、康复机器人、心理康复辅助机器人、个人护理机器人和智能健康监控系统等六大类。

手术机器人领域代表公司Intuitive Surgical成立于1995年，其产品达芬奇手术机器人是目前全球范围内应用最广泛、技术水平最高的手术机器人之一。达芬奇手术机器人属于人机协作型机器人，主要由医生控制台、机械臂系统、三维成像系统三部分构成。手术实施过程中，主刀医师不与病人直接接触，而是通过三维视觉系统和动作定标系统操作控制，由机械臂以及手术器械模拟完成医生的技术动作和手术操作。目前，整个手术机器人行业正在由大型开放性手术向人体微创精细型手术转型。

手术机器人行业急需打破垄断，降低成本，普惠国人

就全球而言，目前医疗机器人的研发与销售仍主要集中在北美地区。截至2016年6月，达芬奇手术机器人全球累计安装3745台，其中美国2474台，全球累计完成手术300万例。达芬奇手术机器人是国内唯一获批上市的医疗机器人，截至2016年12月，全国各地共引进了59台，2016共完成手术11445例，历年总计完成手术22917例，国内渗透率极低。

随着我国老龄化进程加速和中产阶级的崛起，人们对医疗的精准度、无痛化等要求逐步攀升，同时也由于医疗人员的稀缺，中国的医疗机器人的需求空间非常大。据OFweek消息，2021年，全球手术机器人市场规模将达200亿美元，手术机器人国产化已迫在眉睫。

AI+医疗衍生出的识别诊断领域中，数据是关键

在AI与医疗的软性结合上，具体应用包括诊前的疾病预防、健康管理；诊中的辅助诊断、医学图像处理；诊后的虚拟医护助手等。目前，发展较为成熟的领域有医学影像识别和智能诊断等。

算法和数据是医学影像识别和智能诊断的技术基础，其中，医疗垂直领域的图像算法和自然语言处理技术已可基本满足行业需求，而数据方面例如医学影像数据、电子病历等，存在各医院之间信息不流通、企业与医院之间合作不透明等问题，使得技术发展与数据供给之间存在矛盾。

但随着全球医疗保健进入数字化拐点，可授权使用的数据量得以快速增长，另一方面也由于医疗机器人这类新的医疗数据终端的逐步普及，都将为智慧医疗行业带来新的发展契机。

政策鼓励+需求爆发，大健康领域或将出现更多创业者加入

基于数据的稀缺性，拥有一手医疗数据、和政府、医疗机构有大量渠道的创业公司将会建立起壁垒。或者通过对拥有数据的企业进行全资收购也是快速壁垒的好方式。目前，AI+医疗的软性应用方面的主要玩家国外有IBM Wastson，国内有碳云智能、推想科技等。

2015年，国务院发布《关于印发全国医疗卫生服务体系规划纲要(2015年—2020年)》，提出推动惠及全民的健康信息服务和智慧医疗服务，推动健康大数据的应用，逐步转变服务模式。IDC预计，2017年国内医疗行业IT花费市场规模将达到336.5亿元，2012至2017年的年复合增长率为14.5%，增速高于中国IT市场的平均增速，需求旺盛。

整体而言，医疗“软”市场急需医疗数字化、开放化，“硬”市场需要大量创业者加入共同开发医疗机器人这片国内蓝海。

AI+金融：AI技术的融入，赋予了金融行业更多想象力

从信息技术变革角度来看，金融历经金融IT、互联网金融到金融科技三大发展阶段。金融IT，通过 IT 软硬件实现传统金融机构办公和业务电子化；互联网金融，利用互联网实现资产端、交易端、支付端、资金端等互联互通，达到信息共享和业务撮合；金融科技，通过大数据、云计算、人工智能、区块链等最新技术，提高金融业务的智能化。

人工智能与金融的结合可从以下三方面展开说明

生物特征识别功能。

一方面活体验证降低了隐藏风险，一方面远程身份验证提升了工作效率。

千人千面、精准营销。

基于大数据、机器学习、标签计算，实现实时精准画像描绘，提供个性化营销是未来趋势之一。进一步还可发展为智能投顾、辅助量化交易等。

大数据征信、普惠金融。

基于大数据的征信系统弥补了中小型企业的征信空白，扩大了客户范围的同时，也提升了金融机构的风控能力。企业案例：平安科技

平安科技从金融领域的高频需求出发，主攻远程身份验证业务

平安科技成立于2008年，是平安集团旗下的全资子公司，拥有超过4000名专业IT技术人员和IT管理专家，基于母公司金融背景和需求理解，深挖人工智能在金融行业的应用，主要应用于基于人脸识别的远程身份验证，例如远程开户、绑卡核身、账户登录、分期购物、人脸考勤、人脸支付等业务场景。

平安科技以深度学习、神经网络为基础，精准定位人脸和快速面部特征信息提取完成身份验证，具备人脸检测、人脸比对、活体检测和去网纹等多项能力，目前累积使用已超过2.5亿人次。

平安科技人脸识别已服务逾百家合作客户，包括深圳、天津、福州、镇江人社局，深圳机场、房管局等。服务应用涵盖金融风控、安防、医保社保、铁路交通、机场安全、互联网、教育、社会公共服务等多个领域。

人工智能行业总结

深度算法、计算力、数据量以及应用场景共同推动AI迎来爆发期

自从1956年美国计算机协会组织的达特莫斯（Dartmouth）学会上提出“人工智能”一词，这个概念随着众多理论、技术和应用的出现而被不断丰富。经过半个多世纪的发展，人工智能已经成为时下最为热门的话题之一，“AI”与“AI+”亦成为一级市场的最火热的创业/投资领域。

在经历了诞生、黄金时代、遭遇障碍、繁荣、低潮等数个阶段之后，人工智能迎来了爆发期。总结本次AI爆发的驱动力主要是包括目前主流应用的基于多层网络神经的深度算法和以及包括芯片、超级计算机、云计算等在内的计算力等。此外，被记录下的海量数据和越发丰富的应用场景也同样推动了AI爆发期的到来。

第五篇：金准人工智能 从腾讯的机器人产业布局看我国机器人的发展

金准人工智能 从腾讯的机器人产业布局看我国机器人的发展

前言

前段时间，朋友圈一篇名为《腾讯没有梦想》的文章引起了热议，文章开头的一句“腾讯正在丧失产品能力和创业精神，变成一家投资公司……”，更是引发了整个科技圈对“梦想”一词的深思。

在人工智能浪潮下，互联网巨头都在找寻自身的梦想和着力点。阿里近日频频在半导体行业发力，无论是全资收购中天微，还是投资寒武纪、Barefoot Networks、深鉴等五家芯片公司，都在向行业展示其在造“芯”上的梦想。而百度方面，近年来则在积极布局自动驾驶领域，不仅专门成立了智能汽车事业部，还在2017年推出了自动驾驶软件平台“Apollo”，并在年初的春晚上向全国人民进行展示。与之相比，手握一大把资本，到处投资的腾讯，其梦想究竟在哪里？

金准人工智能专家通过梳理腾讯近年来在机器人行业的投资情况，以及对产业链内的从业者、投资人进行了深度对话，发现了腾讯正在围绕机器人展开布局。从“择优而投”的投资战略到带着IP属性的机器人产品落地，腾讯正在通过与机器人企业在资本、技术和产品上的多重碰撞，将自身的AI能力在硬件领域不断尝试，探寻下一个人机交互入口，而机器人就是其中一个非常重要的领域。

近两年来，腾讯频繁加码机器人行业，两年内砸下上亿美元，在全球下注七家落地场景各异的机器人公司，并且成立了机器人实验室Robotics X研发机器人技术。而其与机器人的渊源实际上可追溯到这波AI浪潮尚未兴起的2010年。

一、密集布局机器人行业，上亿美元下注七家创企

5月3日一则融资新闻震动AI圈，8.2亿的单轮融资金额，50亿美元的估值，使优必选科技成为AI行业的焦点。而更有趣的是，优必选的这轮C轮融资，正是由腾讯领投的。据金准人工智能专家了解，腾讯在本轮融资中投了1.2亿美元。然而，这并不是腾讯第一次投资机器人公司。

2017年8月，腾讯给位于深圳的人形机器人企业乐聚机器人A轮融资5000万元。2017年10月26日，腾讯给加拿大的智能机器人公司Kindred Systems投资2800万美元。

同一周内，腾讯又参投了美国加州的教育机器人公司Wonder Workshop的C轮融资，具体金额不详。

2017年11月，腾讯将目光回转到了国内，月初腾讯参投了格斗竞技机器人创企深圳工匠社科技。

两周后，腾讯领投了国内商用服务机器人企业云迹科技的A轮融资。

进入2018年，腾讯到目前为止参加了两家机器人企业的投资，分别是4月25日美国送餐机器人Marble的A轮融资，以及5月3日领投震惊AI圈的优必选C轮融资。

腾讯的投资业务，目前由腾讯产业共赢基金负责。腾讯的投资基金起步于2011年，目前团队规模约50～60人。业务主要由四位执行董事姚磊文、夏尧、林海峰和陈少晖负责。

二、腾讯投资机器人行业的内在逻辑

金准人工智能专家认为，腾讯在从PC时代转向移动互联网时代的过程中，始终掌握着C端用户的入口，而这也使得腾讯拥有着庞大的用户数据。目前，新一轮的人机交互入口虽然在转移，却还没落地到具体的领域。因此，腾讯其实是在凭借着拥有的用户喜好数据，推测下一代人机交互入口，并利用资本广泛锁住所有可能领域。

赶上了互联网红利的腾讯，钱自然是不缺的，但电商、搜索、硬件等领域却不如人意，而这也是由其基因所决定的。因此，腾讯投资的领域大都是其不擅长的领域，比如投资做电商的京东，做搜索的搜狗，以及广泛投资机器人企业。从机器人行业角度，金准人工智能专家拆解了腾讯投资机器人的内在逻辑，发现腾讯在机器人行业的投资不局限于品类、地域和轮次，更加看重公司的发展潜力，更细致来说，就是公司的背景、合作机会、市场潜力。

1、品类广泛、偏重热门领域

从腾讯两年七次投资机器人创企来看，腾讯在机器人上的投资非常广泛，除了工业机器人和特种机器人，腾讯将To B和To C的服务机器人企业都投了。其中既有优必选、乐聚这样的人形机器人企业，又有教育机器人、娱乐机器人、商用服务类机器人企业。而这些公司所涉及到的行业也正是机器人应用方面较为热门的领域。

其中，商用服务类是近年来机器人企业不断涌入的一个重点方向，国内像新松这样的工业龙头企业也在推出了服务机器人“松果三剑客”，扫地机器人巨头科沃斯也推出了“旺宝”机器人，一些中小型企业的产品更是非常多样化。

云迹科技商用服务机器人云帆

腾讯在2017年11月投资了商业服务类机器人公司云迹科技，这家公司成立于 2014 年，是一家研发机器人室内定位导航、移动领域技术的公司。目前云迹科技已经推出了三款自研的商用服务机器人产品：“智能商用服务机器人润”、“智能移动平台水滴”以及“大屏展示交互机器人云帆”。此外，云迹科技还在2016年与中国工程院院士李德毅联合成立了云迹院士工程站，这也是中国首家服务机器人研究领域的院士工作站。在5月19日举办的GAITC全球人工智能技术大会上，云迹科技的润机器人还成为全场唯一为嘉宾提供服务的机器人。

除商用服务机器人外，娱乐、教育机器人一直是机器人行业风口最盛的品类。今年3月底，爱奇艺兴起了一款机器人格斗综艺《机器人争霸》，其中的GEIO 系列机器人，由深圳工匠社科技生产。而这家公司，在2017年11月获得了腾讯的A轮融资。这家公司成立于2015年是一家小型机器人技术及衍生品公司，主打产品为Ganker 系列和 GEIO 系列的格斗机器人，操作者可操控机器人与其他机器人玩家一起格斗对打。同时，Ganker通过模块化设计，玩家可以轻松在十分钟内自行动手组装一个机器人。

2、不限地域、但中美最多

根据2017年中国资本海外布局活跃机构TOP10排行，腾讯以28起海外投资事件成为最活跃的CVC，并且投资数量是第二名阿里的两倍。而从腾讯投资的七家机器人创企来看，北美企业占据了三席席位，智能机器人公司Kindred Systems、教育机器人公司Wonder Workshop以及送餐机器人创企Marble。

金准人工智能专家了解到，腾讯在海外除了投资机器人企业，还投资了不少大学以及研究机构，有些项目甚至在5-8年内是不会落地应用的。在他看来，短期内的技术变现并不是腾讯的目的，腾讯正在通过投资的形式在技术、产品、用户入口进行尝试，以期未来率先打通新交互入口的产业链，即便不是第一个，也不会被落下。

在腾讯海外投资的机器人企业中，Wonder Workshop是一家位于加州湾区成立于2012年的教育机器人创企，主打STEM编程机器人产品。目前已经推出Dash、Dot编程机器人，以及最先的面向“11岁以上”儿童的编程机器人Cue三款产品。

而近期，腾讯参投的美国送餐机器人创企Marble则成立于2015年，该公司去年4月与美国点评网站Yelp合作推出了自动送餐机器人，随后又宣布与外卖公司DoorDash达成合作，并计划将今年内推出第二代机器人。同时，Marble称将在“最后一英里物流”上加倍投资，未来将不仅限于送餐，还会把配送业务扩大到药品及更广泛的零售领域。目前，Marble送餐机器人已经在旧金山当地餐馆进行了多次试验。

3、看重潜力、投资多在A轮之后

我们发现腾讯在机器人上的每一笔投资都是深思熟虑的，并不是“财大气粗”地直接“买买买”。腾讯投资的这几家机器人公司在各自领域都非常具有发展潜力，而这种判断是基于公司核心团队背景以及技术实力两大方面。同时，腾讯在机器人投资方面也更加稳重，都是在这些企业拿出了实际产品，并且真正在进行应用落地的时候，因此，腾讯的投资也都发生在A轮或者A轮之后。比如说，2017年8月，腾讯投资的乐聚机器人，这家公司由三位哈工大博士冷晓琨、常琳、安子威于2016年共同创建。据乐聚工作人员透露，目前冷晓琨、常琳两位创始人仍是哈工大的在读博士，并且整个乐聚的核心团队也都是从哈工大机器人俱乐部孵化出来的。2017年创始人冷晓琨还曾凭借乐聚机器人入选2017福布斯中国30位30岁以下精英榜。同时，中国工程院院士、哈工大机电控制及自动化系教授蔡鹤皋担任乐聚的首席科学家。

而这家企业之所以获得腾讯的青睐，不仅是其背后有着强大的学术背景，更加重要的是，这家公司拥有自研的高精度强扭矩舵机以及双足步态算法，机器人本体全部部件都实现了自主研发。目前，乐聚已经推出了AELOS系列的娱乐、专业和教育三个版本的人形机器人，并在研发一款名为TALOS的主打家庭场景的智能机器人。

这种投资逻辑，腾讯也将其用在了海外投资上，比如腾讯投资的加拿大教育机器人公司Kindred Systems，就是由加拿大发明家和理论物理学家Geordie Rose和Suzanne Gildert两位博士共同创立的，腾讯也大方地为这家公司砸金2800万美元。Kindred将自身定位为一家智能机器人企业，他们正在尝试生产C-3PO型机器人，该公司希望通过人工智能技术的引入使其可具有思考和执行任务的能力，使机器人可完成电子商务配送中心的分类和打包工作。目前，该公司的第一款产品已经在零售商进行试点，Gap公司就是其试点企业之一。

三、砸钱之后：与机器人企业进行技术合作

腾讯投资机器人企业后，并不是扔完钱就跑了，而是会与机器人企业进行技术合作。正是由于“合作”这个潜在的目的，使得腾讯在投资国内机器人企业时，更偏重和自己同处深圳的企业。这从腾讯在国内投资的四家机器人企业中，有三家位于深圳就能看得出来。

在同是位于深圳、又同是获得了腾讯的投资的优必选、乐聚和工匠社三家机器人企业中，优必选算是与腾讯合作时间最长、合作最为深入的机器人企业了。

在5月3日优必选8.2亿的C轮融资中，腾讯作为领投方据传本轮给优必选投了1.2亿美元。而优必选CEO周剑也表示，腾讯这轮投资是战略投资。

事实上，在此之前腾讯已经与优必选在产品层面有过合作。

2017年6月在腾讯云主办的“云+未来”峰会上，优必选联合腾讯发布了一款智能家庭人形机器人Qrobot Alpha，将腾讯云端AI助手云小微接入到Qrobot Alpha中，使其可接入QQ关系链以及QQ音乐、企鹅FM等内容。这款产品也曾被媒体戏称为，机器的身体，“企鹅”的心。

今年2月，腾讯的终端AI助手腾讯叮当也与优必选合作推出了智能教育机器人Alpha Ebot。Alpha Ebot外观与Alpha 1s非常类似，使用了优必选自研的16个伺服舵机，数据库则由腾讯叮提供，可陪儿童聊天、唱歌、跳舞，还能查询天气、查询汇率等信息。金准人工智能专家近日也独家获悉，腾讯与优必选新的合作产品将在下半年上市，将基于腾讯叮当的智能语音交互技术以及内容生态，场景则仍是在家庭陪伴、娱乐教育方向。

对于另外一家同是位于深圳的人形机器人企业乐聚机器人，相比于优必选，腾讯投资的更早，但同样是又出钱又出技术。乐聚市场部负责人告诉金准人工智能专家，乐聚正基于腾讯孵化器进行合作，由乐聚提供机器人本体，腾讯提供自家的AI技术以及内容生态，而且合作的产品则不局限于小型的人形机器人，还有高度达170cm的大型人形机器人。

工匠社格斗机器人GEIO 同样是2017年投资的，又同是在深圳的另外一家企业工匠社科技，也与腾讯进行了合作。

工匠社科技CEO招俊健告诉金准人工智能专家，目前，工匠社一直与腾讯在IP衍生品上进行合作，“算是运用他们的IP衍生优势打造世界观和动漫产物，GEIO系列就是两家合作的产品”。

四、腾讯机器人产品的不断尝试

腾讯近两年来在机器人上的投资合作正越来约紧密，而腾讯在机器人上的早期探索，则有被时间逐渐淹没之态。其实，除了近两年腾讯除了给机器人企业投资外，还进行了不少技术和产品尝试，时间可以追溯到第三波AI浪潮尚未兴起的2010年。八年的时间里，腾讯与机器人企业频繁接触，在资本、技术和产品上进行着多重碰撞。除了上文提到的优必选、乐聚，腾讯还曾和 Qrobot 机器人平台、华硕、Sphero等多家企业合作过。

早在2010年腾讯就和中科院先进院联合推出过一款名为“小Q机器人”的机器人产品，不过当时AI技术尚未兴起，小Q机器人只是具备生活资讯、自定义对话、文本朗读和搜索等功能，外观上看，也是以QQ企鹅的形象呈现的，这款产品可以看作是腾讯机器人梦想的起步产品了。

2015年腾讯与美国著名智能玩具研发商Sphero共同推出了一款主打智能娱乐的微宝智能球型机器人，可使用蓝牙连接后，用户可通过配套移动APP《微宝大冒险》对智能球型机器人进行操作、游戏和互动。Sphero还是获迪士尼正版授权星球大战原型机器人BB-8的生产商。

2017年腾讯又正式发布了第二代的小Q机器人，外观上看起来像是一个水管配上一个显示屏，内置腾讯云小微AI语音平台，支持语音和触碰双重操控，能够通过语音指令对智能家居产品进行操控，支持视频聊天、天天P图和人脸识别功能。而这款产品本质上主打的还是腾讯的内容生态，接入了QQ音乐、企鹅FM等腾讯资源，可以任意点播电子书、相声、曲艺、英语、动画片等高清音视频内容。

2017年11月，腾讯还与华硕联合推出Zenbo Qrobot小布机器人，2016年在台北电脑展上华硕就展示了小布机器人，不过其采用的是 Google 的语音交互平台。2017年华硕发布了小布机器人国内版本，在硬件部分没有变化，只是语音交互平台换成了腾讯云小微。

今年来，主打教育、儿童市场的机器人产品非常火爆。在国内机器人创企Roobo的一位负责人看来，目前，BAT都在找寻AI落地场景，而目前看来机器人市场，特别是在儿童方向，市场教育已有了不错的基础。腾讯投资机器人企业以及进行产品合作，很大程度上就是在结合腾讯云进行AI技术落地，同时还可将微信、QQ等场景进行带入。

除了将AI技术落地到机器人上，腾讯也十分看重机器人技术的研发，今年3月，腾讯就成立了机器人实验室Robotics X。据腾讯副总裁姚星介绍，Robotics X和AI Lab一样隶属于腾讯技术工程事业群（TEG），由此可见腾讯将机器人研究和AI技术一样，放在了非常重要的位置。

五、从BAT看我国机器人产业的发展 当前，我国机器人市场进入高速发展期，2017年市场规模约62.8亿美元，2012-2017年平均增长率达到28%。

图表2：2012-2017年我国机器人市场规模增长情况（单位：亿美元，%）

其中，工业机器人连续五年成为全球第一大应用市场，服务机器人需求潜力巨大，特种机器人应用场景显著扩展，核心零部件国产化进程不断加快，创新型企业大量涌现，部分技术已可形成规模化产品，并在某些领域具有明显优势。2017年，工业机器人是机器人市场主要产品，所占整体比重高达67.2%，市场规模为42.2亿美元。此外，得益于互联网巨头对机器人在服务场景应用的投入，服务机器人所占比重也超过20%，市场规模达到13.2亿美元。

图表3：2017年我国机器人市场结构（单位：亿美元，%）

1、工业机器人

我国工业机器人市场发展较快，约占全球市场份额三分之一，是全球第一大工业机器人应用市场。2016年，我国工业机器人保持高速增长，销量同比增长31.3%。按照应用类型分，目前国内市场的搬运上下料机器人占比最高，达到61%；其次是装配机器人，占比15%，高于焊接机器人占比6个百分点。当前，我国生产制造智能化改造升级的需求日益凸显，工业机器人的市场需求依然旺盛，据估算2017年我国工业机器人销量首次超过11万台，市场规模达到42.2亿美元。

图表4：2012-2017年我国工业机器人销售额及增长率（单位：亿美元，%）

图表5：我国工业机器人市场应用结构（单位：亿美元，%）

在需求端，未来随着我国劳动力成本快速上涨，人口红利逐渐消失，生产方式向柔性、智能、精细转变，构建以智能制造为根本特征的新型制造体系迫在眉睫，对工业机器人的需求将呈现大幅增长。金准人工智能专家预测，到2023年，国内市场规模将翻一番，进一步扩大到接近80亿美元。

图表6：2018-2023年我国工业机器人销售额及增长率预测（单位：亿美元，%）

另外，在供给端，根据三部委发布的《机器人产业发展规划（2016-2020年）》，到2020年，我国自主品牌工业机器人年产量达到10万台，六轴及以上工业机器人年产量达到5万台以上。工业机器人速度、载荷、精度、自重比等主要技术指标达到国外同类产品水平，平均无故障时间（MTBF）达到8万小时。

2、服务机器人

我国服务机器人的市场规模快速扩大，成为机器人市场应用中颇具亮点的领域。2016年，我国服务机器人市场规模达到10.3亿美元；据估算2017年我国服务机器人市场规模将达到13.2亿美元，同比增长约28%，高于全球服务机器人市场年均增速。其中，我国家用服务机器人、医疗服务机器人和公共服务机器人市场规模分别为5.3亿美元、4.1亿美元和3.8亿美元，家用服务机器人市场增速相对领先。

图表7：我国服务机器人市场应用结构（单位：亿美元，%）

截至2017年底，我国60岁以上人口已达2.41亿人，占总人口的17.3%。老龄化社会服务、医疗康复、救灾救援、公共安全、教育娱乐、重大科学研究等领域对服务机器人的需求也呈现出快速发展的趋势。根据《机器人产业发展规划（2016-2020年）》，到2020年我国服务机器人年销售收入将超过300亿元，在助老助残、医疗康复等领域实现小批量生产及应用。因此，金准人工智能专家预测，我国服务机器人市场规模将增长至66亿美元。

图表8：2012-2023年我国服务机器人销售额及增长率（单位：亿美元，%）

3、特种机器人 当前，我国特种机器人市场保持较快发展，各种类型不断出现，在应对地震、洪涝和极端天气，以及矿难、火灾、安防等公共安全事件中，对特种机器人有着突出的需求。2016年，我国特种机器人市场规模达到6.3亿美元，增速达到16.7%，略高于全球特种机器人增速。其中，军事应用机器人、极限作业机器人和应急救援机器人市场规模分别为4.8亿美元、1.1亿美元和0.4亿美元，其中极限作业机器人是增速最快的领域。

图表9：我国特种机器人市场应用结构（单位：亿美元，%）

2017年，据估算，我国特种机器人市场规模为7.4亿美元。随着我国企业对安全生产意识的进一步提升，将逐步使用特种机器人替代人在高危场所和复杂环境中进行作业。到2023年，特种机器人的国内市场需求有望达到18.7亿美元。

图表10：2012-2023年我国特种机器人销售额及增长率（单位：亿美元，%）

总结：BAT的AI梦想

在这个人人都在谈论梦想的年代，没有梦想，或是没有明确目标的人会被嘲笑，一家公司也是如此。互联网巨头BAT更是每天都成为人们盯角的流量话题，它们的梦想也成为了整个行业关注的焦点。在这个AI时代下，BAT正在为自己构建起不同的梦想。

如果从近来的发展趋势上看，近来阿里频发在半导体行业发力，无论是近来全资收购中天微，还是投资寒武纪、Barefoot Networks、深鉴、耐能（Kneron）、翱捷科技（ASR）等五家芯片公司，阿里展现出的是其在网络芯片、手机端芯片、IOT芯片等方面多样化芯片上的梦想。

而百度方面，近年来则在积极布局自动驾驶。不仅专门成立了智能汽车事业部，还在2017年推出了向汽车行业及自动驾驶领域的软件平台“Apollo”，目前已经更新到2.5版本。在今年春晚上，百度还将自己的无人驾驶车辆在全国人民面前大秀了一把。可以说，自动驾驶已经成为了百度在AI时代的梦想。瞄准机器人行业，在机器人市场潜力最大的品类下，投资技术和背景实力的优秀创企，不惜砸下上亿元美金，同时，建立机器人实验室并将其与AI Lab置于同一层级的腾讯，怀揣着一个机器人梦想。