第一篇：金准人工智能 大数据时代下的健康医疗行业报告
金准人工智能 大数据时代下的健康医疗行业报告
前言
大数据及AI技术在健康医疗领域应用场景包括、辅助决策、健康/慢病管理、机构智能化管理、基因数据等。预计2019年，辅助决策类中的影像辅助诊断将首先落地，主要因为其90%的准确率，可以快速为医生提供丰富的细节信息。其他应用场景，医疗机构的智能化管理，将在各省市区域信息平台及三大健康医疗数据集团推动下进行。全科辅助决策、健康/慢病管理、人工智能新药研发等，大多处于产品研发中期。针对这三个领域，企业仍需投入大量技术人才，以缩短流程路径，提升产品准确率。
一、大数据在健康医疗行业中应用价值
1.健康医疗行业面临的困境
1.1全球医疗困境
人口的增长和老龄化，发展中国家医疗市场的扩张、医学技术的进步和人力成本的不断上涨将推动支出增长。2017-2021年全球医疗支出预计将以每年4.1%的速度增长，而2012-2016年的增速仅为1.3%。
慢性病发病率提升，变化的饮食习惯以及日益增加的肥胖度加剧了慢性病的上升趋势，特别是癌症、心脏病和糖尿病，目前中国糖尿病患者约有1.14亿，而全球患者人数预计将从目前的4.15亿增加至2040年的6.42亿。
传统研发（R&D）成本上升，产品上市速度慢，2004年至2014年药物开发成本增加了145%。
劳动力不足，在人口结构的变化和技术的迅速发展下，熟练和半熟练医疗保健工作者将大幅减少。1.2中国特色困境 人口老龄化加剧。
供需结构失衡，金准人工智能专家统计2016年我国每千人口执业（助理）医师2.31人。2015年我国每千人口医师数量在OECD统计的国家中排名处于25-30之间。同时，我国医生执业环境较差，促使进入医疗系统的优秀人才逐年趋少。
医疗资源发展失衡，据金准人工智能专家了解，2010-2015年三级医院诊疗人次及住院人次复合增长率分别为14.6%和21.9%，而基层医院仅为3.8%和0.5%。传统就医模式使得三级医院人满为患，导致就医体验差及优质医疗资源浪费严重，因此，我国仍把推行分级诊疗作为当前首要任务。
医保透支，《中国医疗卫生事业发展报告2017》预测，2017年城镇职工基本医疗保险基金将出现当期收不抵支的现象，到2024年将出现累计结余亏空7353亿元的严重赤字。商业健康险的发展可有效弥补医保不足。在成本支出方面，健康险利用市场规律帮助医院合理控费，同时，还可增加社会保障的收入来源，减轻国家医保基金的负担。提升医保控费能力，探索创新支付机制迫在眉睫。
因此，改善现有就医模式，推行分级诊疗势在必行。分级诊疗推行需建立在信息、资源及利益互通上。2015年，国家卫计委提出分级诊疗制度将在2020年全面确立，包括基层首诊、双向转诊、急慢分诊、上下联动分诊诊疗等。新模式的搭建过程中，主要存在以下3个问题。1）信息不流通，各医疗机构间多为信息孤岛，患者信息无法进行快速共享流通；2）资源不流通，优质医生多集中在各大省会的顶级医院，且三甲医院医生精力有限，每年可支援的基层医疗更是有限；3）利益不互通，医院之间缺乏有效的利益捆绑机制，以促进患者在院间的流通。
2.大数据助力我国医疗生态全面升级
大数据技术的应用，将从体系搭建、机构运作、临床研发、诊断治疗、生活方式五个方面带来变革性的改善。由于我国医疗体系的强监管性，大数据若要在行业内实现其价值，需由国家建立一套自上而下的战略方针，从而引导医院、药企、民办资本、保险等机构企业构建项目，相互合作，最终实现从“治疗”到“预防”的就医习惯的改变，降低从个人到国家的医疗费用。麦肯锡曾在2013年预测，在美国医疗大数据的应用有望减少3000-4500亿美元/年的医疗费用。
2.1健康医疗大数据宏观利好
宏观环境利好条件满足，静待细分市场突围。我国健康医疗大数据已进入了初步利好阶段，国家作为政策引导方，已出台了50余条“纲要”或“意见”，可穿戴设备、人工智能等技术的发展也为产品研发奠定了基础，且头部资本已进入市场。下一步，各方需静待产品与市场需求相融合，共同探索具备商业化或临床价值的大数据产品。
2.2健康医疗大数据政策利好 政策引导，明确健康医疗大数据战略意义。2015年8月国务院发布了《促进大数据发展行动纲要》，指出发展医疗健康服务大数据，构建综合健康服务应用。随后，国务院、卫计委相继发布了多项政策，以促进各省市政府将健康医疗大数据提升至战略层面。
政策引导，顶层设计推动大数据项目前行。2018年科技部官网发布了14个重点专项2017年度项目申报指南“精准医学研究”等生物医学领域的5大专项，累计共拨 经费总概算12亿元。其中与健康医疗大数据密切有关的项目有，“重大慢性非传染性疾病防控”4.5亿元，“精准医学研究”1.3亿元，“生殖健康及重大出生缺陷防控研究”0.9亿元。此外，2月科技部发布了“主动健康和老龄化科技应对”2018年申报指南。
2.3健康医疗大数据资本利好
2018年Q1大数据投融资事件35起，行业热潮正式开启。金准人工智能专家将IT桔子中披露的医疗健康投融资数据进行了分类整理，发现2014年起健康医疗类大数据投融资事件增多，2016年最多共66起，2017年略有下降。2018年，健康医疗大数据仅在Q1便发生了35起投融资事件，其中12件来自医疗信息化建设，多为利用AI、语义识别、数据模型，挖掘诊疗信息，连接院内院外平台等类别的企业。受人工智能热潮影响，2017年辅助决策类共发生17次投融资事件，2018Q1共5起，预计未来将会有更多资本进入该领域。
2.4健康医疗大数据社会结构
老龄化及不良习惯诱导身体不适，提升人均就医次数至5.8。2017年，我国65岁以上人口占比11.4%，出生率12.43%（2016年出生率12.95%），人口结构呈现老龄化趋势。以2013年为基础，65岁以上人群两周就诊率26.4%，且在现代生活习惯的影响下，糖尿病、高血压等慢性病发病率也在不断提升。金准人工智能专家认为诊疗人次仍将持续上升，医疗体系也将面临巨大压力。
2.5健康医疗大数据技术利好
采集技术成熟促使数据爆发性增长，数据价值急需被挖掘。健康医疗大数据领域涉及的相关技术范围非常广，如底层数据采集中包括信息化、物联网、5G技术，处理分析中包括深度学习、认知计算、区块链、生物信息学及医院信息化建设等。据IBM统计，全球大健康数据正以每年48%的速度增长，在2020年数据量将超过2300Exabytes。金准人工智能专家预估2020年，全球健康物联网设备出货量将达到161万台。院内数据方面，金准人工智能专家在2016年统计，医院管理信息系统整体已实施比例在70-80%之间，且集中于三级医疗机构，大量健康医疗数据的积累为算法搭建提供了基础。在处理分析方面，人工智能、生物信息学需要与实际应用场景相结合，以便搭建有效模型。
二、大数据在健康医疗行业中发展概况
1.健康医疗大数据分类及应用
本篇报告将健康医疗大数据分为三大类，院外数据、院内数据以及基因数据。院外数据包括健康档案、智能硬件体征及环境监测/检测，院内数据包括就医行为、临床诊疗等，基因数据包括外显子、全基因等。在具体场景应用方面，多为不同种类的数据相互交叉结合应用，如预防预警，需要结合智能硬件监测、诊疗用药历史等数据才能为用户提供及时的预警监测。
2.多项细分场景同时探索，辅助诊断将首先迎来商业化 健康医疗大数据行业以数据规模为基础，且在政策和资本鼓励下，部分应用场景进入市场启动期，如健康管理、辅助决策（全科辅助决策、影像病理辅助诊断等）、医疗智能化等。下一阶段，随着企业大数据/AI技术长期的应用实践探索，产品不断更新完善，预估2-5年的内，产品将首先在B端客户中进行推广；随后，伴随软件友好度和准确度的上升，在B端客户使用的影响下，C端市场将展开竞争。
3.健康医疗大数据产业链概述
始于用户，终于用户。健康医疗大数据产业链的上游是数据供应商（医疗机构等）或存储计算服务（云服务商。中游为产业链核心企业，多为具有影像识别、深度学习、自然语义分析等核心技术的技术型企业。该类企业可为聚集了大量健康医疗相关数据的机构提供数据处理服务，在分析及可视化后赋予数据价值。下游为应用场景，分为B端和C端。B端包括医院、药企、政府、保险、PBM等企业，其最终的目的是提升医疗服务的效率和质量，降低患者及健康人群的就医费用。
3.1健康医疗大数据上游现状
数据已成规模，院内数据在样本质量与规模中胜出。
健康医疗大数据产业链上游所提供数据的质量与样本量将决定，中游企业是否可以快速有效的进行模型训练。整体来看，院内、院外及基因数据供应方均面临三个问题，质量、样本量及安全。1）院内数据在质量和规模上最具竞争力。各省市TOP级的三级医疗机构多存有高质量的诊疗数据，且已具备一定规模。医院外联系统中多存有大量就医行为数据，然而这类数据的应用将依赖政策指导，且面临隐私安全等文图。2）基因数据为企业的核心资源，已具备一定规模和质量，且多由中游企业自建数据库自行采集，或者通过与实验室合作的方式获取。3）健康类数据多由智能硬件或在线医疗企业采集，该类数据增长快速，但是维度多且缺乏整合，质量参差不一。
3.2健康医疗大数据中游现状
北京大数据先行，上海、广东、浙江紧随。金准人工智能专家就IT桔子中正在进行融资的103家创业公司分析，发现主要集中在北上广深一线城市，该现象受医疗资源、政府态度、医生接受度三方面影响。1）北上广深拥有多家TOP级三甲医院，优质医疗资源丰富且信息化程度高，因此企业能够获得可观的高质量数据样本；2）初期阶段，医疗大数据技术的探索多由地方政府拨款支持，如2018年2月由北京大学医学部和大数据研究院共同筹备建立北京大学健康医疗大数据研究中心。因此地方性政策支持变得尤为重要；3）一线城市的医生对新技术接受程度较高，因此在产品上市后相对较易试运行。
3.3院外数据之应用场景
大数据及AI技术，提升企业用户服务规模及能力平安好医生IPO报告中公布，2017年互联网医疗市场规模达到150亿元人民币，在线咨询量达到23.8千万次。由此可见，互联网医疗可触达的用户规模将越来越大，而仅靠医生或相关从业人员在后台回答问题并不能满足日益增长的用户量。因此，企业需依赖大数据或AI等技术优化问诊、健康/慢病管理等产品的功能，从而有效满足用户需求，最终提升付费率。
此外，对于不断扩张的企业，大数据及AI技术辅助提升服务效率，降低人力成本；使得在付费率低的情况下（好医生IPO披露2017年付费转化率为2.7%），也可以形成稳定的营收与较高的利润率。金准人工智能专家认为，随着企业AI智能分诊、AI健康管理路径等模型成熟且全面应用后，院外数据的应用市场将进入快速成长期。
3.4院外数据的商业路径 核心能力提升用户健康，延伸能力创造商业价值。能够提供健康管理服务的企业主要分类两类。一类是偏健康数据收集类企业，针对健康或慢病人群提供饮食、运动等个性化健康方案。另一类是偏轻问诊类，提供智能分诊、轻问诊、预约、转诊等服务。目前，C端服务盈利能力有限，部分企业依托其健康管理或问诊能力，为企业端客户服务。如妙健康依托其多维度健康数据及平台搭建能力，为雇主提供内部员工的健康管理服务，为疾控慢病中心搭建健康信息平台提供技术服务。如平安好医生结合其终端智能应用，为用户提供智能分诊，为医生提供辅助决策等服务，辅助政府搭建区域信息化。
数据到行为干预仍需过程，企业付费是首选。大部分移动医疗公司在经历了4-5年数据沉淀后，积累了大量的数据样本，然而如何通过技术将其转化为可被解读的报告仍需时间。目前，健康医疗大数据行业的支付方主要集中在B端，包括医院、药企、药店、保险、政府等多类企业；且在主要支付方中，药企、保险已形成了一定的支付习惯。健康医疗大数据的收费方式有多种，包括项目制、Saas服务收费、软件租赁费、增值服务费等；前三种为现阶段主要的收费方式，而增值服务费将随着大数据及AI应用场景的增多而增加。
3.5院内数据之应用场景
大数据技术应用广泛，以提升诊疗及管理效率为主。在研发成本、运营成本的不断提升下，医疗机构、药企、药店、保险等机构或企业均急需一套解决方案，以便在降低临床研发、运营管理、营销成本的同时提升顾客满意度，最终增加营收。该类企业利用人工智能技术分析挖掘已有信息，为医疗机构、药企提供有效的改善运营、提升服务效率的解决方案。目前，提供相关业务的企业主要来自三种，1）创业型，多为AI技术公司，如推想、羽医甘蓝、博识医疗语音等技术型企业；2）信息化/互联网等企业新业务拓展，如东软医疗的区域信息化、微医的微医云业务等；3）政府主导的健康医疗大数据集团，如中电集团将在程度规划、建设和运营国家健康医疗大数据平台，开展健康医疗领域的数据汇集、治理、共享开放和应用生态建设。
3.6院内数据的商业路径
依托技术与数据，收费模式玩法多。就院内数据付费方来看，药企、体检的付费意愿及能力最强；医院、保险、药店等机构企业的付费意愿较弱，需要时间进行市场培育。此外，在商业化道路上，医学影像类公司也可以针对器械、美容等高端机构进行产品研发，满足其高端用户的服务及心理需求。现阶段，针对不同客户常见收费方式有三种，1）软件租赁或解决方案，企业为医院机构或政府（省市卫计委）搭建系统或软件服务（语音录入、电子病历搜索等），获取一定技术服务费或软件租赁费。2）数据分析收入，企业为体检机构提供影像识别服务，提高影像读取效率；或利用机器学习为药企提供服务，以便提高药物发现的“命中”几率。3）产品绑定，将成熟模型与健康医疗器械绑定，辅助提升其市场竞争力。大数据企业将获得一定比例的提成或资源。4）按使用次数收费，未来AI技术在获得三类器械认证后，患者可在就医时实现按次付费。
细分之辅助决策
辅助诊断替代医生重复性工作，减少近八成工作量。辅助决策类企业采用的技术多为认知计算、深度学习、计算机视觉、自然语言处理。针对科室或疾病领域的不同，其领域也不同，包括影像辅助诊断、病理辅助诊断及全科辅助决策等。其中全科辅助决策准确率85%左右，仍有较大提升空间；影像和病理辅助诊断的准确率超过90%，其产品正在落地中。现阶段，各企业主认为辅助诊断的价值在于为医生提供病灶性状描述、自动生成报告、精准定位病灶，降低漏检风险。1）针对三甲医院医生，辅助诊断将替代医生重复性工作，为其提供更多的信息，以便医生制定最佳的治疗方案。或者在短时间内监测患者的肿瘤变化，以便医生及时观察患者术后恢复情况。该类解决方案单价较高，从几十万到上百万均有。2）针对基层医疗机构，系统将直接给出结果，快速有效的进行肿瘤的初筛，提高基层医生的诊疗效率及质量，释放医疗资源。针对基层医疗机构的解决方案价格相对低一些，未来可能以按次收费为主。3）全科辅助决策，将帮助大型三级医院或在线医疗公司实现快速分诊，提升效率。其价格将在几万到几十万之间。
细分之辅助诊断
降低数据标注成本，构建临床应用流程。行业发展初期，企业的主要困境集中在产品研发落地阶段。在研发落地过程中，企业需要不断丰富数据库，发现CornerCase。目前，大多企业进行数据标注主要来源以下三种形式，人工标注、机器标注以及医院已有结构化数据。1）人工标注为主流方式，该方式能够提供较高质量的标注数据，但也面临着高成本的问题。原因是，数据标注人员多为医生或具备临床经验的执业医生或医学生，该类人员收费较高每人每天在百元以上，且一张图标注时长多达半小时。2）机器标注，体素科技提出了AFT*标注法，将主动学习和迁移学习整合成单一框架。在肠镜检查帧分类、息肉监测和肺帅塞检测中表明该类标注成本至少可以减少一半。3）已有结构化数据，医院本身会存储一定量的结构数据，然而该部分数据仍要在处理筛选后才可使用。此外，针对新技术的应用，医疗机构缺乏相应的上线流程，因此，企业在模型训练过程中，建立可复制的临床流程与标准，针对不同层级医疗机构的应用场景提供有效解决方案是关键所在。
基因数据的快速发展
临床与消费基因需求增长，促使数据分析产业前行。金准人工智能专家整理公开数据显示，全球基因测序数据分析市场规模发展迅速，2012年市场规模不超过2亿美元，预计2018年将接近6亿美元，复合增长率为22.7%。金准人工智能专家分析认为，随着高通量测序设备的广泛应用，基因数据量也呈倍数增长。数据量的增长，也使得基因测序的工作重心从繁重的人工测序转到了中游的数据分析上。下游临床应用及消费基因的成熟，为数据分析提供了客观的支付方。因此在应用终端的推动下，中游数据分析产业将迎来快速增长，现阶段生物信息公司业务往往大而杂，而专注某一医疗领域的生物信息公司（如精准癌症）少之又少。国内市场专注基因组数据分析的生物信息公司并不多，该领域值得期待。
三、典型企业案例分析 1.平安好医生：探索AI应用落地，提升服务效率与能力
平安好医生创建于2014年8月，自成立之初便开始布局AI+医疗项目。目前，好医生涉及的主要项目包括“AI助手”、“现代华佗计划”、“家庭医生”和“一分钟诊所”，“AI助手”主要应用于线上辅助问诊环节，“现代华佗计划”致力于中医行业的标准化、信息化、智能化，“家庭医生”运用智能问诊等技术，运用于家庭端医疗健康管理，“一分钟诊所”除智能问诊外、还推出智能诊断、智能药方，协助医生问诊。平安好医生已于2018年5月于港交所挂牌上市，成为互联网医疗第一股，股票代码01833.HK，融资11亿美元。
平安好医生依托其AI+医疗技术，能大幅提升医疗服务效率及能力，以便覆盖更多的患者用户和B端客户。C端用户可在其移动APP、家庭智能终端等平台，接入平安好医生的家庭医生、健康管理、消费医疗及健康商城业务。针对B端客户，平安好医生可为其定制系统，并嵌入到机构或企业平台软件中。如，好医生将智能问诊系统接入三级医院信息化软件中，帮助其实现院内快速分诊；如为企业雇主开通PC端口，为其员工提供健康管理等服务，以提升雇主的竞争力。未来，好医生将在AI技术领域持续投入，不断寻求和领先研究机构、大学及企业的合作机会，以实现在AI技术研发和应用上的资源整合、优势互补。
2.妙健康：基于健康行为大数据+AI的健康管理模式
企业简介：妙健康隶属于三胞集团，全称为北京妙医佳信息技术有限公司，致力于打造为集健康数据收集、健康行为干预、健康增值服务于一体的综合性健康管理平台。妙健康至今已完成4.5亿元融资，投资机构包括阳光融汇资本、中信资本、农银无锡基金、江中中医药基金等。
业务模式：妙健康已通过自身的优势在移动健康管理领域拓展出多种新型的B2B2C模式，如：健康管理+保险、健康管理+运营商、健康管理+新零售、健康管理+员工福利等，并已与中国联通、华为、阳光保险等诸多国际知名品牌达成合作。
大数据布局：在数据采集方面，妙健康通过健康数据及服务开放平台“妙+”接入多维度数据；在数据分析方面，妙健康通过自建数据AI团队（公司规模200人，研发团队占比60%）及外部合作（阿里云等）两种方式提升人工智能在健康管理领域的应用水平。在终端应用方面，妙健康以移动端APP作为入口为用户提供健康管理服务，探索以健康行为大数据和人工智能为基础的新型健康管理模式。
3.蓝信康：数据提升健康，数据驱动智能
企业简介：蓝信康隶属上海科瓴医疗科技有限公司，是旗下的互联网服务品牌。公司成立于2014年10月，致力为B端企业客户提供健康管理和会员管理的SaaS解决方案。2016年3月，蓝信康获得永太科技和盈科资本联合投资的2500万元人民币A轮融资。
业务模式：蓝信康结合智能硬件、云端算法技术和智能化管理系统，对合作客户的会员、健康和用药进行大数据分析，为B端客户（药店、医院、药企等）提供慢病管理、会员管理、健康咨询和专业培训等一系列服务。
4.金蝶医疗：区域电子病历系统，实现共享互联
企业简介：金蝶医疗作为科技创新企业，为中国医疗健康行业提供信息化和互联网化整体解决方案。目前，已有3000家医院与医疗卫生机构选择金蝶医疗“数字化医院”、“移动互联网医院”、“云医院”、“HRP”等产品与解决方案，其中500家医院已与金蝶医疗共建“移动互联网医院”。金蝶医疗旨在构建医疗健康科技服务平台，助力医院适应医疗新业态，与中国医疗机构一起构建中国医疗服务新模式。
项目简介：2017年，金蝶医疗为佛山市打造了区域电子病历共享信息平台，辅助提升当地诊疗水平，提高区域医疗服务质量。该平台系统搭建包括区域电子病历库标准体系、区域级卫生数据库（居民电子病历数据库、健康档案库）的共享使用，主要服务人群是医生、医院、患者/居民。目前，平台上已有3家试点医院正正式接入。
5.阿里、百度、腾讯健康医疗大数据产业链差异化布局
BAT企业在健康医疗大数据布局中略有差异。阿里着力产业链中游，以构建云服务、AI技术为重点；腾讯以应用端为主，构建多个线上医疗服务入口的同时承接了多项线下服务相关项目；百度在2017年医疗战略调整后，将重心放在AI技术应用的新药研发领域上。金准人工智能专家认为，2018年，阿里将寻求多领域的B端应用落地的合作方（区域医疗、基因、辅助诊断等）。腾讯在承接多个区域医疗、信息平台等B端应用项目后，将寻求更多技术合作方来共同搭建完成。
5.1阿里：云为支点，布局医疗智能化，服务企业端客户
阿里系中涉及健康医疗领域的主要有阿里健康、阿里云。2014年，阿里健康推出APP，为C端用户提供在线购药、问诊等服务，2016年天猫医药馆并入，期间投资布局围绕医药流通进行；2015年推出云医院平台；2017年推出DoctorYou，通过B-B-C的模式为医生提供辅助诊断、医生培训等服务。阿里云，主要针对B端客户（医疗机构、基因测序）提供云计算服务及智能化的运营管理软件服务。
5.2腾讯：与线上线下医疗服务方深入合作，探索大数据价值
2013年，腾讯依托其流量优势，上线了微信智慧医院，2017年3.0版本中加入了AI导诊等技术。期间，腾讯针对其线上问诊服务，与近10家在线医疗企业进行了合作，且同时期与多家健康医疗APP合作，力图打造从数据监测到健康医疗服务的闭环生态。2017、2018年，腾讯将医疗市场拓展至线下，与多地政府、医院合作，探索大数据、深度学习在医疗服务、医院管理及区域信息化领域内应用场景的探索。
五、大数据应用在健康医疗中遇到的挑战及趋势 1.法规滞后减缓行业发展速度，市场应用仍需培育
2.AI技术填补大数据到信息转化路径的空白，完善产品价值
健康医疗数据多具有非结构化特性，以往的数据分析软件多针对结构化数据进行研发应用。人工智能（自然语义处理、卷积神经技术、机器学习等）技术的成熟与应用，开启了健康医疗的“大数据时代”，为如影像类的非结构化数据应用提供了可能性。
发展初期，企业端客户市场远大于用户端。在行业发展初期，企业端客户的购买需求、支付意愿和能力远大于用户端，因此企业端客户是健康医疗大数据企业主要支付方。医院药企是最早的支付方，如湘雅，2014年围绕数据互联互通、区域信息、精细化管理进行系统搭建。2016年，21家医院的肿瘤专家与IBMWatson进行合作获得个性化服务。药企，如默沙东，2015年将人工智能技术应用到药品研发中。随后，在2016、2017年，更多的药企、体检机构通过合作、收购等方式先后进入市场。金准人工智能专家认为，在市场初步探索后，政府、医院、药企、体检等企业将成为健康医疗大数据的主要支付方。
发展中期，用户端付费将带来更多可能性。随着行业发展，产品、用户教育及上下游产业的逐渐成熟，服务于用户端的企业将迎来无限商机。如，影像识别、基因测序在经过临床验证后，作为常规检测项目，将列入医保或健康险的可报销项目。健康慢病管理场景下，用户线上进行的建议、干预、上下转诊等健康或轻医疗服务的收费模式也将更加灵活多变，形成以按次、按会员、按年卡等多种收费形式。
长期来看，协同竞争者将成为赢家。金准人工智能专家认为，在健康管理、慢病管理以及诊前、诊中、诊后环节打通的场景下，单家企业或机构的服务供给能力有限。只有依赖多方角色协同合作，配合提供健康医疗服务，才能满足用户需求。未来健康医疗产业中的胜出方，不单再是个体，而是不同领域的企业共同合作完成的生态体系。因此，企业在构建核心优势的同时，还需要具备战略眼光，及发现投资优秀合作伙伴的能力。该体系的核心产业包括健康医疗大数据公司、医生、健康医疗服务提供方，辅助产业包括数据采集方（智能硬件等、区域信息平台）、运营商、物流服务、云服务等。
总结
金准人工智能专家认为，假设2022年人工智能技术辅助决策应用应用落地，市场规模将达到55.86亿元人民币，其收费模式将包括软硬件解决方案、软件搭载、按次收取等多种方式。
健康医疗大数据快速发展的先决条件有三条，1）政策支持，顶层政策推动的同时，各类细节管理办法也要及时跟上市场发展；如，CFDA需要就基于人工智能技术的临床应用，开发新的监管框架，为申请三类证开通通道。2）市场认可，健康医疗大数据及AI技术的临床及商业价值快速被市场认同，即企业客户与患者用户均具备一定的数据消费意愿与能力。3）资本支持，大数据及AI技术的应用研发需要大量资金支持，在产品尚未全面铺开时，市场需要资本不断的注入以维持研发能力。
第二篇：中国核电行业大数据—-金准报告
中国核电行业大数据—-金准报告
自 1951 年 12 月美国实验增殖堆 1 号（EBR-1）首次利用核能发电以来，世界核电至今已有 60 多年的发展历史。据金准数据统计，截止至 2016 年 6 月，全球共有 444 座反应堆并网发电，并网发电量 387741 百万瓦特；全球共有 62 座反应堆处于建设当中，在建容量 66029 百万瓦特。我国共有 33 座反应堆并网发电，并网发电量 29577 百万瓦特；在建机组 21 座，在建容量 24036 百万瓦特。
我国核电发展至今已有四十余年，经历了核电起步、适度发展、积极发展和安全高效发展 4 个阶段。
我国核电发展的四个阶段
近年来，伴随着我国核电站建设步伐的加快，我国核电产量逐年快速增加。核电年发电量由 2001 年的 174.12 亿千瓦时增长至 2015 年的 1695.18 亿千瓦时，年复合增长率达到 17.65%。2015 年，全国发电量达 56184 亿千瓦时，其中核电发电量占比 3.02%，并继续呈现占比快速提升的态势。
近年来我国核电产量和占总发电量比例
2015 年我国电力生产结构
据金准专家统计，截止至 2015 年 10 月底，我国在建核电机组 25 台，总装机容量 2751万千瓦。2016 年 9 月 16 日，国家核电副总经理郑明光在伦敦世界核协会会议中表示，“中国拟在未来 10 年兴建超过 60 座核电厂。其中未来 5 年将建造约 30 座核反应堆，之后的五年将兴建更多座。中国主要核电企业将至少一年新建两座核反应堆。”考虑到内陆核电技术逐渐成熟，内陆核电有望审批通过，认为，在接下来的数年，我国核电站建设将保持持续高增长的态势，且增速有望进一步提高。目前，按每年新审批 6-8 台核电机组计算，每台投资约 200 亿元，总体市场空间约为 1200-1600亿元/年。核电装备投资占总投资比约为 50%，核电设备的市场空间约为 600-800 亿元/每年。
二、海外市场空间广阔
在我国核电事业高速发展的同时，海外市场也为我国核电设备企业提供了广阔空间。2016 年 9 月 15 日，英国政府在重新评审后批准中法企业共同参与投资欣克利角 C 核电项目，这意味着以中广核为代表的中国核能企业正式进入英国核电市场。这是中国核电第一次参与发达国家的核电项目，极具标志性意义。此外，自 2010 年起，我国陆续展开了对阿根廷、巴基斯坦、埃及、英国、南非等国家的核电项目出口洽谈工作，目前已获得多国核电项目订单，在建核电项目正稳步推进。目前，在我国“一带一路”沿线的 65 个国家中，有 28 个计划发展核电项目，规划核电机组台数达到 126 台，装机总规模约为 1.5 亿千瓦，按核电造价 1.7 万元/千瓦测算，“一带一路”沿线国家核电项目投资将达到 2.5 万亿元。此外，西方发达国家、非洲、南美国家对核电站的需求亦非常强烈。预计未来十年，我国核电产业海外出口将逐渐打开，核电设备海外市场空间将呈现高速增长趋势。
我国核电出口项目概览
三、关注核电后市场的投资机会
乏燃料是使用过的核燃料，通常由核电站的核反应堆产生。据金准数据统计，截止至 2015 年，全球在运核电机组已经产生了 35.1 万余吨乏燃料，按照当前核电装机规模，每年还将产生约 10000 吨乏燃料。对于乏燃料，目前国际上通行的有两种处理方法：一种是不进行乏燃料后处理，燃料棒在核电站反应堆内燃烧完后将其长期暂存、永久贮存、直接处置，被称为开式核燃料循环；另一种是对乏燃料进行后处理，回收其中的铀和钚，再加工成燃料组件进行重复利用，称为闭式核燃料循环。我国主要采取闭式核燃料循环的乏燃料处理方式。
压水堆核电站核燃料循环图
目前，法国、英国、日本、印度采用闭式燃料循环;美国、加拿大、西班牙、瑞典、芬兰等则采用开式燃料循环，将乏燃料作为核废物进行长期处置即一次通过。也有一些国家采取观望策略，尚未决定如何处理乏燃料。
乏燃料水池
乏燃料贮存格架
乏燃料水池是储存和冷却乏燃料组件和破损燃料组件，以及对燃料组件进行检查、修复、运输等水下操作的场地。在反应堆的一个运行周期结束以后，就会将反应堆中约 1/ 3 堆芯的乏燃料组件卸到乏燃料水池中进行冷却。刚卸出的乏燃料组件有着较高的衰变热，在水池中冷却多年以后，衰变热降到足够低就可以将其运到后处理厂或永久贮存场。
乏燃料贮存格架是核燃料循环中的核心设备，广泛应用于乏燃料在堆贮存、中间离堆贮存以及后处理厂贮存。随着我国核电行业的快速发展，乏燃料水池和乏燃料贮存格架市场空间广阔。然而，受制于乏燃料贮存格架中关键的功能材料——中子吸收材料等方面的限制，一直未能实现国产化，依赖国外进口，不仅产品供货价格昂贵，而且技术和供货周期上受到制约。
核电作为一种清洁高效能源，是我国增加能源供应、优化能源结构、应对气候变化最重要的选择之一，把核电规模搞上去应当作为能源战略的一个重点。本文客观分析了过去几年来我国核电发展情况，并预测了未来几年的核电良好的发展趋势。经过多年实践，我国已经掌握了成熟可靠的核电技术，具备了加快核电发展的条件。我国核电建设将在2008-2010年迎来一波高峰，近年来相应机组完工并网，带动核电在运装机容量快速增长。
独特优势：清洁环保、运行稳定、安全高效
清洁环保：我国能源消费过度依赖煤炭等化石能源，在全国总装机容量中，火电比例一直居高不下，引发了一系列环境问题。根据中电联数据，每燃烧1吨标准煤将产生二氧化碳2620千克，二氧化硫8.5千克，氮氧化物7.4千克和280千克炉渣，带来严重的环境问题。而在核电生产过程中，二氧化碳、二氧化硫、氮氧化物和粉尘等物质均为零排放。根据中电联数据，2016年全国累计发电量6.0万亿千瓦时，其中核电累计发电量为2132亿千瓦时，同比增长约24.4%，约占全国总发电量的3.5%。与燃煤发电相比，2016年全年核能发电相当于减少燃烧标准煤约6568万吨，减少排放二氧化碳约17208万吨，减少排放二氧化硫55.83万吨，减少排放氮氧化物48.6万吨。
▲图表1：2015年煤电污染物在全国排放量中的占比(%)
▲图表2：2016年全国各电源发电量占比(%)安全高效：从安全性来看，根据概率安全分析，以AP1000为代表的三代核电站事故率低至10-6次/年，比我们生活当中的大部分行业都要安全。核电站有三层防护屏障，防止发生泄漏。核电站周围一年的辐射剂量和乘坐一次飞机相当。从高效性来看，核能要比化学能大得多，一座百万千瓦的煤电厂每年要消耗约300万吨原煤，而一座同样功率的核电站每年仅需补充约30吨核燃料，后者仅为前者的十万分之一。
运行稳定：目前大部分核电站处于基荷运行，不参与调峰。基荷运行可以提高燃料利用效率。核电的换料周期相对固定，一般都是连续运行12个月或180个月换一次料，所以核电站的运行方式高效稳定。2016年，光伏发电、风电、水电、火电和核电发电设备利用小时数分别1103小时、1742小时、3621小时、4285小时和7042小时。核电发电设备利用小时数远高于其他电源利用小时数。
▲图表3：核电辐射与日常生活辐射对比(毫希)
▲图表4：2016年全国各电源利用小时数(小时)政策利好，核电未来发展空间大
我国政府始终秉承安全高效发展核电的方针，在未来能源规划中对核电提出了较高的目标，且近几年的能源政策中核电规划始终保持一致。根据近年来陆续发布的《能源发展战略行动计划(2014-2020年)》、《电力发展“十三五”规划》及《“十三五”核工业发展规划》等文件的规划目标，到2020年，核电装机容量达到5800万千瓦，在建容量达到3000万千瓦以上。坚持安全发展核电的原则，加大自主核电示范工程建设力度，着力打造核心竞争力，加快推进沿海核电项目建设。建成三门、海阳AP1000自主化依托项目，建设福建福清、广西防城港“华龙一号”示范工程。开工建设CAP1400示范工程等一批新的沿海核电工程。深入开展内陆核电研究论证和前期准备工作。认真做好核电厂址资源保护工作。
▲图表5：近年核电规划汇总
2018-2020年核电或将迎来建设潮。根据金准数据，截至2017年11月20日，我国投入商业运行的核电机组有37台，累积装机容量约3581万千瓦;在建核电机组19台，累计装机容量2200万千瓦。我国核电装机容量占比仅为2%，距离2015年全球核电装机容量平均占比6.4%还有很大差距。在建19台核电机组在2020年前全部投运，届时核电装机容量达到5781万千瓦，基本完成5800万千瓦的装机目标。但是上述规划中还有3000万在建容量需要在2020年前开工，这就意味着未来三年内将开工建设30台百万机组核电站，平均每年开工建设10台。
▲图表6：2016年全国各电源装机占比(%)
▲图表7：2016中国与全球核电装机占比(%)
▲图表8：截至2017年11月我国商运核电机组
▲图表9：2017年11月我国在建核电机组
技术路线明确，三代核电建设稳步推进
三代核电技术路线是CAP系列和华龙一号。目前，我国的第三代核电技术路线主要有两种，一种是引进消化吸收再创新的CAP1000和CAP1400，另一种是中核和中广核自主研发的HPR1000(华龙一号)。AP1000依托项目为三门核电1/2号机组和海阳核电1/2号机组，华龙一号示范项目为福清5/6号机组和防城港3/4号机组。
▲图表10：AP1000首堆工程节点
困扰核电审批的问题将被消除，2018年或将是国产三代核电大批量建设元年。从2016年至今，尚未有新的核电机组开工建设，其主要原因就是三门1号机组(AP1000首堆)未能实现商运，以及“华龙一号”技术路线未能完成融合。近期，这两个困扰核电建设的因素都将被消除。2017年7月，三门核电1号机组热试结束，《华龙一号技术融合方案》也得到复批。目前三门核电1号机组已经开始装料前准备，完成装料后，核电机组将进入带核状态，这标志着AP1000全球首堆并网发电已经不远了。华龙一号后续项目的审批工作也将陆续展开。预计2018年或将迎来新一轮核电建设大潮。
CAP1400初步设计方案已于2014年通过审查。CAP1400大量采用非能动技术，技术先进，但是设备制造难度较大。大量设备系首次制造使用，没有工程实践经验，示范项目进展可能较为缓慢。华龙一号在能动安全的基础上采取了有效的非能动安全措施，技术较为成熟，工程难度较小。华龙一号示范项目福清5/6号机组和防城港3/4号机组已于2015年开工建设。
▲图表12：筹建中的核电机组
核电企业积极布局海外和小堆，带来核电市场新增量
金准专家认为核电“走出去”战略初现成果。2013年10月，国家能源局《服务核电企业科学发展协调工作机制实施方案》首次提出核电“走出去”战略。国际原子能机构预计，2016年至2025年十年间，除中国大陆外，全球约有60-70台100万千瓦级核电机组建设，海外核电市场空间将达1万亿元。我们认为我国核电出海的时机已经成熟，中国核电企业凭借国内充足的订单，三十年的技术积累、相对低廉的造价及充沛的资金实力，有望在全球核电竞争中脱颖而出。目前我国核电三大核电集团正积极布局全球市场。近年来已于巴基斯坦、英国、阿根廷等多个国家签署了核电站项目合作协议并取得了一系列实质性进展。
▲图表13：中国国产核电走出去战略布局
小堆市场前景广阔。国际原子能机构(IAEA)将小堆定义为300MW以下的核反应堆。目前，随着核电技术的不断发展，多功能模块式小型堆逐渐成为各相关企业后续的重点规划产业。核电小堆不仅可以用作发电，而且可以进行工业供热供汽，为城市供暖，还可用于海水淡化和海洋开发，市场前景广阔。
盈利能力：装机容量加速扩张，核电公司盈利能力有望大幅提升
核电盈利能力主要由装机容量决定。核电公司的盈利模式主要由上网电量和度电利润决定。由于核电设备利用小时数有政策保证，基本维持在7000小时左右，所以核电的上网电量主要由装机容量确定。度电利润则由上网电价和成本确定。核电参与市场交易的占比很小，根据中国核电和中广核电力2017年半报告显示，2017上半年，核电市场交易电量约为169亿千瓦时，占上网电量的15%左右。未来几年内，核电的上网电价主要参照核电上网标杆电价0.43元/千瓦时。
《保障核电安全消纳暂行办法》颁布，核电利用小时数有保障。2017年3月，国家发改委、国家能源局印发了《保障核电安全消纳暂行办法》。其中规定，在市场条件受限地区，优先发电权计划按照所在地区6000千瓦以上电厂发电设备上一年平均利用小时数的一定倍数确定。
▲图表14：2020年前将投产机组
▲图表15：核电装机容量预测(万千瓦)总结
金准专家认为，我们应积极推动第3代核电技术的引进消化，促进国内先进核电技术的加快开发，掌握先进压水堆技术，实现堆型的标准化规模发展，提高核电设备的国产化水平。同时，积极推进第4代核电技术的自主研发，使其及时进人商业化准备阶段。核安全是核电发展的生命线，来不得丝毫马虎。大规模发展核电，需要进一步提高安全监管水平，全面加强核电设计、制造、建设、运行等环节的安全管理和质量管理。
规模发展核电，还需要配套形成铀浓缩能力，加快建设乏燃料处理工程，健全核燃料循环体系，使核电发展得到充分的资源保障。
规模发展核电，更需要及早培养相关人员，形成人才队伍，为核电发展提供人才保障。
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：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。
第五篇：大数据时代下的移动健康
用数据“防病” ：大数据时代的个人健康管理
“精准医疗大数据的普及化，正带来中国乃至全球健康产业的变革。”最近，浙大一院正式成立“精准医疗中心”，中国中国工程院院士、浙大一院传染病诊治国家重点实验室主任、感染性疾病诊治协同创新中心主任李兰娟教授在“医疗健康大数据与精准医学”的专题报告会上称。
在大数据的时代，医学最大的改进就是个性化和精准治疗时代的到来。有了大数据的分析，“看医生”模式正转变为“被医生看着”。家用智能硬件设备的生命体征检测，使得低成本、高效率的全数据收集模式成为可能，几乎人人都能适用。而精准医疗的长期目标，是每个人的健康管理。李兰娟团队将在浙江创建一个人数规模超过100万的志愿者队列，基于他们的基因数据、生物样本、生活信息及所有电子健康信息数据库将推动浙大一院团队做出一系列新研究。此前，中科院已经联合其院属企业中科新知共同研发了心晓管家健康模型和大数据挖掘，以HRV为主导的多参数健康模型能够为每个人提供专属的健康趋势。
移动健康迅猛发展，通过移动互联网，用户的个体化自我监测变成现实，通过移动APP，用户与医生能随时随地地在线联系，通过医疗大数据和健康模型报告，医生和家属能清晰地看到健康疾病趋势。我国目前医疗资源稀缺，医生和护士短缺，医疗服务业普遍人手不足，而培养一名医生需要10年到15年，培养一名护士需要8到9年，培养周期长导致后续力量难以迅速填补。此外，医疗资金短缺，使得医疗服务软硬件提升困难。因此，如何利用移动健康产品提高人们的自我监测能力，提高医生们的诊断效率显得尤为重要。北京大学创新教育与研究院执行院长蔡剑教授介绍：目前我国移动数据和桌面应用已超过美国，我国用户花在这方面的时间比例为55%，美国为38%。数据的不断增加导致了“数据洪灾”，现有数据不是不够大，而是太大，大得没有时间和精力去分析。在移动医疗健康领域，也是如此。拥有类似心晓健康模型的大数据分析工具，以精准、无扰、连续的生命体征监测数据代替医院的逐点数据进行分析，从而得出健康趋势，将使目前市场上智能硬件数据没有实际意义的现状大大改观。
至2017年，全球移动医疗市场价值将达200多亿美元，其中我国将占三分之一。面对广阔的市场前景，完美的移动医疗工具将是能使个人、医生真正获益的产品。无扰、精准、连续的个体化监测数据能够为大数据发现问题、寻找问题、完善对策提供保障，这也是中科新知和心晓健康管家一直在努力追求的。
点击咨询 