2020年中国人工智能行业市场现状是什么？

1. 2020年中国人工智能行业市场现状是什么？

2. 未来我国人工智能产业规模将破多少亿？

据报道，2017年中国人工智能核心产业规模超过700亿元，随着国家规划的出台，各地人工智能相关建设将逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，增长率达到26.2%。

据工信部副部长辛国斌透露，2017年工信部共确定了202个智能制造综合标准化和新模式应用，97个智能制造试点示范项目，完成了25个智能制造标准立项。在示范项目的带领下，一大批企业积极推进智能化改造升级，服务型制造，共享经济等新模式日益普及，形成了许多新的增长点。

在业内专家看来，人工智能未来面临的挑战主要有三个方面。首先是如何更好协同在一起，形成良好的AI发展生态。其次是建立统一标准，规范大家的行为。最终还是要行业应用，行业深度融合，这是人工智能的终极目标。

3. 2020年人工智能落地发展趋势

作者 | 网络大数据 
来源 | raincent_com 
转眼间，2019年只剩下不到两个月了。人工智能的热度依旧，只是在资本市场，看空的投资人也越来越多了。从当年大数据的发展趋势看，这种情况反而对产业发展是有利的。因为这意味着，进入赛道的野蛮竞争玩家会越来越少。 
对于已经拿到赛道入场券的选手来说，如何合理配置手中的资源成为生死存亡的关键，同时细分市场上的领头羊可能在这样焦灼的市场竞争中成长为独角兽。 
对于从事大数据与人工智能相关领域多年的人来说，其最终目标还是“从数据中挖掘价值”。在挖掘价值时，具体某类技术只是整个过程中某个阶段的辅助工具，单纯某类技术解决不了所有问题。因此，我们基于“最终目标”划分三大类场景去运用“大数据”和“人工智能”构建整体解决方案： 
一、寻找业务增长点：数据建模能力成为核心，当前Fintech/Regtech领域需求广泛 
核心要素：帮助企业解决经营决策中遇到的数据支撑问题。无论是营销还是风控，最终都是通过一些报表、模型去辅助业务人员做决策。 解决方案：机器学习类产品已经成为金融行业寻求业务增长点的标配工具，同时越来越多的传统行业也开始使用大数据、人工智能等技术做辅助决策。 解决方案难点：由于跟业务结合紧密，虽然已经在不同行业开始落地，但实际进展缓慢。由于业务的特殊性，往往不能够单单通过算法本身去解决所有业务问题。这同时也意味着，交付目标以及实施周期的不确定性。  二、加深业务壁垒：知识中枢成为重要工具，当前金融/安全等行业试点较多 
核心要素：对现有业务实现优化。 解决方案：在这一场景中，知识中枢运用较多。我们将三大块技术：知识图谱、搜索引擎、深度图谱糅合进知识中枢的概念中。首先通过搜索引擎进行行业知识检索，再通过知识图谱进行概念串联，最后通过深度图谱进行行业知识推理。 解决方案难点：如何将行业知识抽象出来，形成公司内部的知识系统，从而有针对性地对现有业务流程、具体业务点进行整体优化。 三、降低业务成本：自动化成为基础要素，当前能源/交通等行业突破开始 
核心要素：如何减少人工干预。 解决方案：现有的场景中，偏业务性质的自动化可以通过RPA等技术实现。RPA本身技术门槛不高，但在NLP、OCR、CV等AI技术带领下，已逐步被用在越来越多的场景中。另一方面，由于图像识别以及5G、边缘计算的推动，越来越多的安防监控、无人巡检等AIOT场景开始落地。相对于RPA，AIOT的场景给客户业务带来的颠覆跟价值更大。 解决方案难点：现实场景中的有效样本较少，影响模型的准确率和落地。 下面我们将结合三种不同的场景来阐述六大AI趋势。 
趋势一：Fintech/Regtech AI落地过程中，AI平台逐步成为事实标准 
AI平台，在很多地方又称为AI中台/数据科学平台/机器学习平台/人工智能平台，主要涵盖的功能除了传统统计分析软件包含的功能以外，还包括大数据、分布式计算平台、NLP、CV等能力。 
行业先行者在探索AI落地过程中，逐步意识到AI平台的重要性。从一开始只针对几个小的业务线进行试点，到后续在更多的场景中推动落地，大家达成共识：与数据中台类似，烟囱式的各自为政只会使得后续AI的落地愈加艰难。 
AI平台在Fintech市场的爆发，验证了一个基本事实：只要业务领域有足够通用的需求，就会出现足够通用的平台。数据库本身是上一个数据的事实标准，而AI平台则没有一个明确的定位。由于这个想象空间，AI平台便成了各大玩家的必争之地。 
 趋势二：数据建模开始在非金融行业的龙头企业流行，国产化趋势明显 
AI平台在其他行业的试点也如同星星之火。虽然其他传统行业的信息化水平普遍比金融略低，但也在迎头赶上。往往这些行业取得的成果比金融要多，这是因为满地都是顺手可摘的果子，成果落地比金融行业相对容易。 
这些企业原本可能使用的是SAS、SPSS或者Matlab等国外产品，现在可能在试用国产AI平台。一方面是因为SAS等产品不足以支撑最新流行的框架算法，另一方面也有国产化层面的考量。 
AI平台作为人工智能基础平台，本身需要对各领域专业算法具备深入理解以及实现的能力。同时作为平台，也有通用性、高性能以及安全可靠等各方面的平台需求，对相关研发人员有极高的技术要求。当前，国产平台跟SAS等比较，整体还是略占劣势，但是在某些细分领域已经实现了超越。 
趋势三：图谱应用开始在全行业推广，伪需求略多，注意辨别 
图谱类的应用，主要对应于上面提到的“知识中枢”。基于“知识中枢”去做特定行业的图谱类应用已经在市场上流行了一段时间。 
只是，一方面由于客户对这块有不切实际的要求，另一方面，大多数实施图谱应用的厂商能力参差不齐，实际项目也没办法最终落地。 
2020年对大多数图谱类应用，客户会有一个更清醒的认识：做什么它擅长，做什么它不行，应该怎样做，都会有一定的经验。这也对图谱应用有更高的技术层面的要求，同时也对NLP算法以及图谱算法有更多落地层面的考量，包括性能、实施周期、最终效果等。 
趋势四：深度图谱在反欺诈、反洗钱、犯罪团伙分析等场景开始落地 
由于深度学习自身相关技术的停滞，将深度学习与图谱结合成为了学术界的主攻方向。而在反欺诈、反洗钱、犯罪团队分析等场景下，复杂网络分析已经成为主流的分析手段。通过深度学习与图谱的融合，深度图谱给传统的图谱分析带来了图谱推理的能力，从而将原有的模型精度提升到另一个高度。 
然而，一旦涉及到落地，故事并没有那么简单。一方面，同大多数AI应用一样，落地过程是比较曲折和复杂的。本身模型精度需要不断迭代，同时也需要对业务非常熟悉的人员进行及时反馈，这就导致对业务跟算法的要求都非常高，一旦实施过程中出现偏差，容易有挫败感。另外，在一些对实时性要求比较高的场景中，对底层图数据库的性能也有要求。而当前的市场上，图数据库厂商虽然多，但大多数时候没有懂技术的人员去调优，使得真正能同时满足性能要求和算法要求的图数据库凤毛麟角。 
 趋势五：视频图像类应用的碎片化与场景化成为AI快速落地推广的拦路虎 
CV类场景是引爆AI大火的导火索，同时，由于大多图像场景偏识别类，跟业务离得比较远，可以大规模地在市场上扩张。 
不过，我们可以惊奇地看到，CV类的需求还在不停地膨胀。这是因为，当前市场的CV巨头在人脸、车辆等通用需求方面进行了大规模落地，而对于一些偏碎片化的场景，比如设备故障识别、异常识别，甚至特殊场景的人脸识别，都缺乏足够的技术支撑与耐心去推动落地。 
因此，怎样提升CV场景落地的效率成为大多数CV从业者的主要工作方向，这里面包括多个维度：第一，从科研层面去革新算法，第二，从工具层面去落实标注、训练、部署等的一体化平台，第三，从市场角度定义行业通用化的场景，第四，从技术角度去优化模型，从而降低实施成本。 
在这个大背景下，四大CV独角兽也好，互联网巨头也好，都试图去推动平台的落地。然而，在这样的“四维”要求下，要踏踏实实地在细分场景中打磨通用模型、平台，谈何容易。但这也让耕耘细分行业的小CV厂商有足够的空间去摸索。 
趋势六：AIOT物联网场景没有大规模的需求爆发，细分行业开始出现落地 
我们看到，所谓的AIOT场景，主要还是CV类场景带动，但一些深入需求(如需要传感器数据参与的预测性维护类场景)落地较少。 
这跟“智能制造”的特点比较相关。客户在车间现场通常需要一个开箱即用的产品，而大多数AI类场景需要足够多的时间去打磨。另外，大多数工业场景需要的不仅仅是大量有价值的数据，还需要对工业场景有深刻的理解。 
首先，“大量有价值”的数据本身不大可能获得。比如，在预测性维护的场景下，所谓“有价值”，就是指相同或者类似的设备历史上出现故障的时候对应的数据，这种数据当然很少。其次，在部分异常数据的加持下，一般的统计分析算法可能分析不出什么。这跟金融类的风控场景不同，风控场景考验的是人性，从人性的角度去做一定深度的分析，并结合算法就可以取得不错的效果。而对于设备，这里需要的是一个深刻理解机械原理的算法专家。 
即使面对这样的困境，我们还是看到了一些制造业企业开始摩拳擦掌，虽然深入的AI算法用不上，简单的BI也能提供价值嘛。 
只是感叹，Predix还是出来太早了，那2020年会有突破吗?还是得看“智能制造”的内生动力多大，期望一些细分场景会有落地。 
人工智能的2019年注定是平静的一年，因为技术爆发以及投资引导时期已过，避免不了被冷清。然而，正如大多数技术周期一样，当技术本身有价值且具备落地能力的时候，技术落地的过程逐步展开。 
我们相信对于大多数在探索人工智能落地过程的从业人员来说，故事才刚刚开始。而对于参与炒作概念的玩家来说，也找到了新的方向：区块链。 
从更宏观的数字化转型的角度来看，还有太多的事情值得大家去落实。抓紧2019年的尾巴好好做几个落地项目吧。 

4. 何时我国人工智能相关产业规模将超万亿？

“预计到2020年，我国人工智能（AI）核心产业规模将超过1500亿元，带动相关产业规模将超过1万亿元。”工业和信息化部总工程师张峰在2018年“世界电信和信息社会日”大会上透露。

5月17日是“世界电信和信息社会日”，国际电联确定今年的电信日主题是“推动人工智能的正当使用，造福全人类”。当前，全球人工智能加速发展。据统计，全球人工智能年度投资额从2016年的65亿美元猛增至2017年的160亿美元。

在政策和市场的双重驱动下，我国人工智能发展取得长足进步。一是技术创新成绩显著。语音识别、机器视觉、自然语言处理等水平加快提升，部分细分领域已经进入国际前列。二是产业规模持续壮大，涌现出一批“独角兽”企业。三是融合应用快速发展。“智能+”新技术、新模式不断涌现，推动智能制造、智慧物流、智能安防等应用升级。来源：人民日报 

5. 2018，人工智能行业将如何走向

要说2018最热的一个行业是什么？那么肯定有人工智能这一项。
自从百度的李彦宏开始写了一本书，叫智能革命，开启了智能工业的时代。越来越多的企业都投身到了人工智能的行业中，波及了整个行业，不限于新兴的，还有一些传统行业，全部转入到了人工智能的浪潮当中。
随着大数据云计算的普及，给人工智能提供了便利的基础设施，现在人工智能发展的速度以光速在前进。

比如喜马拉雅音频节目推出的小雅音箱，就是一款人工智能产品，他通过人机对话，搜索你想听的音频节目，同时这个小音箱也可以跟人进行互动，跟你聊天儿，告诉你天气情况，让你注意事项，等等一系列有趣儿的人工反应。这就是一款人工智能走进家庭的一款产品，在发布当天就突破了5万台的销售量，一经发布就成为了爆款，虽然它的价位略高于其他的智能联想，但是他竟然能够站稳，靠的就是口碑，靠的是品牌，靠的是服务。
所以未来人工智能的方向可能更看重的是相应的服务配套，如果你的服务配套能跟上来，那么将在市场上会占有很有利的位置。


喜马拉雅的小雅音箱之所以这么火爆，主要就是基于他这个平台的音频节目很有质量，他积累的用户很多，因为用户的认可，结合着智能音箱的推广，形成了爆款，也就是理所当然的事情了。
微信公众号：软件萌妹子
绘画界里最会玩软件的，写作圈里最爱玩软件的，妈妈圈里最能玩软件的。用小白的方式，分享职场、应用心得，你还等什么，过来聊吧。

6. 中国人工智能技术支出2020年将占全球12%吗?

据报道，人工智能白皮书1日在京发布，白皮书预计，全球人工智能支出到2020年或将达到2758亿元，中国人工智能技术支出到2020年将达到325亿，占全球整体支出的约12%。

白皮书指出，信息流是新一代人工智能的新理论、新技术、新平台，是跟社会新需求相结合的产物，具有强大的延展性和渗透性。以人工智能技术为支撑的信息流，已经发展成为数字时代人们获取信息的重要形态。

随着人工智能技术在移动互联网、物联网、无人驾驶等领域的应用不断深入，人工智能产业规模持续高速增长，白皮书关注了人工智能浪潮中各国政府的举措，介绍了美国、日本、韩国等国近几年纷纷出台多项战略、计划积极推动人工智能发展，以及中国政府从各方面支持和促进人工智能发展的举措。

白皮书预计，到2020年，全球人工智能支出将达到2758亿元人民币。中国政府、资本市场对人工智能的高度重视和持续投资，将促使中国人工智能飞速发展，到2020年，中国人工智能技术支出将达到325亿，占全球整体支出的约12%。

7. 人工智能在2018年的八大趋势是怎样的？

八大趋势：创造仿人类的人工智能热度将会消减，更加关注消费者级别的人工智能应用，人工智能领域的监管格局将继续向前发展，　人工智能的发展将惠及更广泛的人群，人们将学会成为人工智能的合作者，网络安全将利用人工智能来应对复杂的威胁，人工智能行业将解决更复杂的问题，新的一年，新的人工智能机会。
随着人工智能技术在个人财务管理、公共记录、客户体验以及学习新事物等平台的发展，这种行业转移将变得更加普遍。人工智能工程师和开发人员将致力于打造由算法驱动的人工智能，它能做出反应，做出决策，并以人类的方式与人互动。对我来说，这是人工智能将在2018年经历的最有希望的转变之一，因为创造看起来像人类的人工智能使我们忽略了创造像人类一样行动的人工智能，这是真正的进步。
人工智能行业将努力与那些购买并订阅其人工智能产品和服务的人建立信任，这意味着它们会主动在工作场所提供软件更新和潜在风险方面的沟通，包含个人语音助理、聊天机器人以及运行在人工智能上的平台，并以一种普通人能够理解的简单方式进行。设计人工智能的最终目标是让大众消费者更适应人工智能，这将有助于解决广泛的伦理和技术问题，并促进人工智能的普及。
随着英国、美国、欧盟以及其他国家或地区的政府试图了解人工智能技术的核心价值、风险和实际未来，业内人士将开始阐明他们如何自我监管AI技术的企业应用。这种自我监管将扩展到人工智能之外，以解决企业和公众对数据隐私和保护的担忧。问责将仍是一个核心问题，而企业如何利用数据（尤其是消费者信息）来构建人工智能应用的压力将在2018年增加。

就在几年前，人们还需要获得数据科学和工程方面的高级学位来从事人工智能技术、研究算法，以及开发软件的工作。如今，开发者工具、培训项目和可获得的职业机会让非技术人员走进人工智能这个领域。像LinkedIn这样的公司已经建立了基础设施来培训人工智能研发工程师。2018年，我们将看到这些工具、资源和教育机会向其他员工扩展。技术专家和创意专业人士将联合起来推进人工智能在现实世界中的应用。我们将开始看到没有深厚技术背景的人工作在金融、科技、交通、医疗和其他重要行业的一线，一同构建人工智能的未来。
每一份关于人工智能和工作的新报告都会引起公众的强烈反应，这些报告也会强调深入了解人工智能进步如何真正影响工作、人才和工作场所的必要性。虽然有些职位将会被人工智能技术所取代，但许多职位将会以一种优化公司利益的方式与人工智能技术融合并发展起来。在接下来的一年里，企业将会开发再培训项目，让非技术员工了解如何与人工智能合作，以追求更好的客户服务、提高生产力和提高任务精确度。
虽然好莱坞认为机器人可以占领世界的想法会打击与黑客技术相关的潜在威胁，但工程师们将专注于用人工智能来解决非物理、数据和算法层面的问题。目前，黑客入侵技术的能力超过了网络安全行业保护脆弱技术的能力。为了迎头赶上，谷歌、Facebook和亚马逊等科技行业领袖将寻找更多机会与麻省理工学院、纽约大学的学术研究人员、小型创业公司以及其他领先机构合作，打造由人工智能技术驱动的安全体系。这些合作关系将有助于建立能够跨网络和平台部署的人工智能安全系统，以监控、发现和防止黑客入侵。
人工智能包含一个复杂而重要的技术网络，目前，许多人工智能企业和消费者应用都旨在解决小而有针对性的问题。一个聪明的助手可能会引导你正确地归档费用，一个搜索算法可能会指导你成为安大略最好的管道工，一个语音助手可能会发现一个你根本不知道存在的音乐世界。与此同时，如今的人工智能技术需要解决商业和日常生活中更为复杂的问题，从管理整个劳动力到应对气候变化。在接下来的一年里，我看到各行各业的公司开始在外部部署这些人工智能解决方案，以解决更大、更复杂、更公开的问题。
人工智能应用将继续成倍增长，并实现多样化。提高其知名度和公众意识的责任将完全落在人工智能行业，人工智能行业与私人、公共和学术部门之间，将会建立更强大的研发合作。

8. 未来国内人工智能行业需要关注的趋势是什么？

   从智能手表、手环等可穿戴设备，到服务机器人、无人驾驶、智能医疗、AR/VR 等热点词汇的兴起，智能产业成为新一代技术革命的急先锋，近期 Alpha Go 大胜李世石的人机围棋对战更进一步掀起了人工智能的浪潮。人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，国内外的高科技公司以及风险投资机构纷纷布局人工智能产业链。
        

    当前人工智能的浪潮已席卷了全球，人工智能领域的公司也在不断激增。根据Venture Scanner 的统计，截至到 2016 年初，全球共有 957 家人工智能公司，美国以499 家位列第一。覆盖了深度学习/机器学习（通用） 、深度学习/机器学习（应用） 、自然语言处理（通用） 、自然语言处理（语音识别） 、计算机视觉/图像识别（通用） 、计算机视觉/图像识别（应用） 、手势控制、虚拟私人助手、智能机器人、推荐引擎和协助过滤算法、情境感知计算、语音翻译、视频内容自动识别 13 个细分行业。
    《中国人工智能行业现状调研及发展趋势分析报告（2016-2022年）》在多年人工智能行业研究的基础上，结合中国人工智能行业市场的发展现状，通过资深研究团队对人工智能市场资讯进行整理分析，并依托国家权威数据资源和长期市场监测的数据库，对人工智能行业进行了全面、细致的调研分析。
    我认为人工智能领域必须要注意上面讲到的13个细分行业，因为这些细分行业一定会发展迅猛的，随着时代的发展，这些细分行业的发展潜力应该是突飞猛进的。所以我建议有些企业可以转型了，早点进入这块会对你比较好。谢谢！