人工智能的商业模式精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇人工智能的商业模式，期待它们能激发您的灵感。

篇1

【关键词】就业能力 工商管理 人才 培养

工商管理人才是适用于社会各个经营管理活动体系中的行为主体，面对当前较为严峻的就业压力，培养有就业能力的工商管理人才、增强工商管理人才的实践操作性、迈向创业型人才培养方向势在必行。传统的管理类专业学生在就业方向上集中于市场营销、人才资源、企业管理等，而从实用性方向考量，此类方向很容易出现岗位重叠，供大于求的现象，致使大量的待岗人员的出现。由此可见，提高工商管理专业人才的就业能力、市场竞争力至关重要。

一、工商管理专业人才培养面临的问题

传统的专业设置及专业选择模式下，工商管理专业是对于学生来说是很有诱惑力的。曾经的毕业生的就业走向也指导着在校生专业的选择。因此，工商管理专业毕业生逐年增多。随着经济建设的不断发展，能力型人才大量增多，对工商管理专业人才的要求日益提高。但传统的教学模式并不能适应时代的发展。首先，工商管理专业办学模式陈旧。主要表现在专业特色张显不出来，毕业生没有优势。工商管理专业最初是借鉴了西方的专业设置模式，具有很强的西方管理模式的影子。而其设计特点并不能适应我国高速的经济发展，培养的人才没有特色，与当前的经济发展出现脱轨现象。其次，职业技能方面缺乏与工作接轨的机制。我国的应试教育体制存在着其特有的局限性，学生一味地上课、写笔记、考试、拿证，缺乏相应的社会实践能力的培养，理论与实践相脱节。学生毕业后不适应企业的高效发展模式的情况屡见鲜。现阶段出来了企业无人可用、毕业生无业可求的尴尬局面。再次，工商管理专业课程设置不合理，无法培养学生的创新精神。专业课程设置情况关系到教学水平、教学效率的完成情况，好的课程设计能够使教学顺利进行[1]。

二、强化就业能力的指导作用培养人才

随着我国经济的高速发展，近年来各大中型企业也得到了迅猛的发展。尤其“一带一路”经济发展模式提出后，“一带一路”经济延线更是发展势头猛烈。经济发展对于人才的要求也日益提高，工商管理专业人才是促进企业发展的有力源泉，需要在培养阶段就开始适应企业的运作模式。我们可以采取以下措施进行创新式的人才培养：

（一）培养目标的设定应贴近市场

对于人才的市场需求可以决定人才的培养方式，工商管理专业的人才培养也不例外。市场需要管理型人才，就应在管理才能方面加大培养力度，进行相关课程的设置。对于各大高校来说，工商管理专业人才的培养应根据现有学生的个体差异进行明确的划分。有管理才能、组织能力的学生应多涉猎管理方面的专业知识及相关专业的学习[2]。走上工作岗位后，可以将手上的工作管理得井井有条。而对于技术型人才，则应因材施教，学习与技术相关的专业。针对不同类别的人才首先做出准确的定位。然后再体现个性化培养，使学生走上工作岗位后有其独有的竞争能力。竞争能力的提高要从了解和掌握相关专业知识开始，继进有意识地进行行业实践能力的培养。走向工作岗位时，可以快速适应管理环境，享有自己的一席之地。

（二）实践才能获真知

增加实践内容是教学方法的改进，工商管理专业的核心课程具有很强的实用性，因此在教学过程中增加实践的内容，是提升该专业就业能力的有效路径。首先，要加强相关案例的教W。案例是专业知识在解决问题过程中的实际应用，专业知识可以从复杂的问题中找到突破口，进而解决问题。通过案例进行教学无疑是对学生思维的有效拓展，使学生在学习过程中充分意识到该项学习的重要性，遇到类似的问题可以很容易找到解决的途径，提高学生的兴趣、增强学习效果。其次，开展情景模拟教学。情景模拟，顾名思义，就是根据教学目的要求，将管理层面实际操作方面的内容填加到教学中去，设定管理情境，给学生分派角色进行教学的一种方式[3]。情景模拟有利于学生设身处地思考解决问题的方法，使学生在思维方式上有所创新。与此同时，管理能力强的学生在这一学习阶段，就可以看到其锋芒，学校和教师应给予这样的学生更高层次内容学习的机会，相信会培养出极具管理能力的人才。

（三）通过职场训练提高学生的就业能力

职场训练很好理解，旨在培养学生进入职场后的适应能力。但在职场能力训练的过程中切忌训练过程过于简单，使学生感受不到职场压力的存在，而忽视训练内容的重要性。实际操作中，学校和教师应充分利用身边的资源，将学生分期分批地分配到大型企业实习，做与专业相通的工作，同时与企业正式职工同等要求。通过日常工作来熟悉职场环境，全面提升学生的专业知识综合运用能力，以及在团队中开展经营管理工作所必须具备的协作能力、沟通能力[4]。教师可以利用学生不服输的劲头，与企业正规团队同时接受项目任务，到一定阶段后，看双方的进展程度，判定学生管理潜力。到达期限后无论结果如何，都制作成PPT展示出来。在此过程中，学生团队需要其他部门给予的合作应与企业团队保持一致，从而实现竞争的公正性。这种教学方式虽然推行过程较为复杂，但对于学生沟通能力、适应能力、团队协作能力的提高均会产生显著效果。

综上所述，应用型人才的培养是工商管理专业的培养目标和方向。如何在教育教学过程中对该目标和方向进行准确的把握，对专业特色进行准确的定位，提升毕业生的就业能力是值得我们深思的问题。我们应从核心能力、业务能力、发展能力等方面构建工商管理专业人才的职业能力，并从实际情况出发进行专业课程、实践课程的设置，避免出现高分低能、不适应企业发展、就业能力低下的情况。作为教育工作者，就在就业能力指导下，进行工商管理专业人才培养模式的构建，致力于高端人才的培养，为国家的发展、企业的进步培养更多的优秀人才。

参考文献

[1]宋安玲，王小青.基于就业能力的工商管理专业人才培养模式研究[J].创新与创业教育，2013，4（4）：18-19.

[2]王小清，杨健全.应用型本科院校工商管理类专业综合模拟实践教学的构想[J].全国商情（经济理论研究），2009（4）：56-57.

[3]陈又星.工商管理专业创新建设研究[J].科技信息，2010，15（34）：88-89.

篇2

最近，有关各种新兴科技的新闻不绝于耳。

一方面是人机大战，AlphaGo方兴未艾，德州扑克大战又来。虽然人们对于这些人机大战的细节并不熟稔，甚至对德州扑克和围棋的规则都所知有限，但是并不妨碍对比赛结果的关心。是人胜利了，还是机器更厉害？

另一方面是VR大潮涌动，虚拟现实进入快速增长期，各种VR/AR产品粉墨登场。可是繁华过后，智能商业时代似乎还未到来，实现盈利的企业和项目屈指可数。当新一代信息技术不断推动产业发展，这些技术创新究竟能够从哪些方面，改变企业的经营形态和商业模式？

总体而言，未来智能商业的价值创造形态将呈现三个重要的特征：小前端、大平台、生态圈。从1G到5G，随着互联网基础设施的成熟和完善，“入口”和“平台”成为构建商业生态的关键要素。首先，小前端的优势在于建立用户联系，在员工方面，海尔做“小微”、恒大招聘兼职销售员，都是在做“小前端”，强化与用户的联系，更好更快地发现用户需求。在界面方面，移动终端尤其是手机成为关键的用户入口。同时，VR正在成为新兴的用户入口，不同之处在于电视屏幕挂在墙上、手机屏幕拿在手中，而VR直接把屏幕戴在眼睛上。这也是此起彼伏的VR大战的潜在动力，目标还是争夺用户入口。

然而，决定这些入口所提供的内容和体验的关键在于“云平台”，利用大数据进行决策，人工智能的水准非常关键。通过发展人机交互、深度学习、自然语言理解、机器人等核心技术，利用算法进行决策，人工智能能够精准匹配用户需求。只有围绕入口和平台，企业所构建的商业生态系统才具备用户价值，才能创造出具有黏性的用户体验。这种生态，未必要像BAT那么大而全，关键在于各元素间的协同性，以及关键的连接点。比如小米，用手机将各类智能小家电串联、并联，打造出一个智能家居的小生态。

围绕人工智能，产生了物理和数字世界互动技术、数字化与智能化服务技术、信息化与云端迁移技术、增强信用安全技术等。这些关联性技术形成了一个重要的技术生态圈，互促共荣，并产生良性的化学反应。此外，新一代信息技术还改变了传统制造业的生产方式和产业组织模式。云计算、智能终端等成为基础设施，以算法和决策为特征的数据成为生产要素，围绕商业生态系统实施大规模协作与共享，提升产业组织的效率。

以汽车制造行业为例，互联网汽车虽然饱受“PPT造车”的诟病，一直不为外界看好，但随着蔚来汽车、车合家等企业的崛起，产业组织变革正在发生。因为制造范式的改变，传统汽工业的大规模生产模式将面临更大挑战。

篇3

2012年，在技术创业尚未形成风气之时，他中断了在美国的学术道路，回到中国，与中学同学、前阿里云总监林晨曦创办了依图科技公司，致力于计算机视觉业务。谈到创业的初衷，他说：“我始终认为，技术要应用于现实生活中，才能发挥出最大的价值。”

2013年，依图科技拿到了真格基金百万美元的天使投资。2015年和2016年，依图科技先后完成A轮、B轮融资，估值数千万美元，成为业界最被看好的计算机视觉创业公司之一。

创业四年，甘苦尝尽。朱珑的技术优势显而易见，要面对的难题也不少：没有商科背景，是否会让他在管理上左支右绌？在人工智能这样的前沿领域，没有现成的商业模式可供借鉴，他该如何取舍公司的业务方向？

8月，趁朱珑在北京出差之际，《时间线》对他进行了专访，听朱珑讲述行走在中国科技产业浪潮之巅的故事。

《时间线》：2012年你创业的时候，国内人工智能市场是怎样的？

朱珑：当时大家对人工智能的未来不像今天这样有信心，资本对这个圈子的热度也远不如今天。并不是说你来自MIT就很容易拿到投资。我认为2012年是技术类创业的标杆性的一年，此后，创投圈开始从“资金密集型”和“资源密集型”转向“智慧密集型”。

《时间线》：如你所说，当时资本圈对AI并不像今天这样抱有信心，依图拿到真格基金百万美元的天使投资，经历了怎样的过程？

朱珑：在红杉资本中国基金副总裁吴莹的介绍下，我和我的合伙人林晨曦与真格基金的创始人徐小平先生在他的家中见面，交流了十几个小时。当时，徐老师对人工智能技术并不十分了解，但非常看好我们的团队和AI的未来，提出给依图两百万美元的投资，这笔资金动用了当时真格基金总额的7%，我认为徐小平老师是个非常有魄力的投资人。

《时间线》：你们的很多项目都是与政府部门合作的，一家创业公司是如何取得政府的信任的？

朱珑：我回国之后动用了自己在国内所有的人际关系，最终获得了在某个公安系统会议的茶歇时间与一名负责人交流3分钟的机会。经过一番争取，他愿意让我尝试计算机车辆识别系统，当时计算机的车辆自动识别准确率不到30%，对方希望提升到70%。接到任务两个月后，我们做出了一套车辆识别系统，识别准确率达到了90%，获得公司成立后的第一单业务。

由此开始，我们与公安系统开始了长期紧密合作，将人脸识别技术应用于追逃、刑侦、监控等方 面。

《时间线》：人脸识别技术具体可以如何应用到公安系统的工作中？

朱珑：我们曾协助苏州公安完成一起追逃任务，公安用全国在逃库的26万人与常住及暂住人口库中的1300万人进行比对，通过人脸识别的捕捉，系统共预警25人。经过人工甄别，最终确定了17人为嫌疑人，其中9人已撤销，最后现场捕获了3人。这是过去单靠警力无法做到的事情，现在人工智能技术可以帮助我们实现。此外，人脸识别技术还可以应用到金融等其他行业。

《时间线》：从创业到现在，人工智能市场经历了怎样的变化？

朱珑：今年的前三、四个月，比过去一年的变化还大。很多投资人的逻辑是“我就要投资人工智能，一定要进来参与这个领域。”

《时间线》：在人工智能大热的今天，可能会有一些投机主义的公司涌现，这是否会成为你的困扰？

朱珑：肯定有，这很正常。有一些公司不见得会涉及智能的那些部分，只是包装一个概念，但时间会自动筛选出真伪，有实力的公司很稀缺，团队会更加值钱。

为杭州打造“城市数据大脑”

今年9月，全球瞩目的G20峰会将在杭州召开，杭州市委市政府联合众多公司，在阿里云的牵头下开展了一个名为“城市数据大脑”的城市交通规划项目，借此盛会展现大数据在城市管理中的作用，依图公司参与其中，提供车辆识别及大数据相关技术。首次涉通领域，对于依图来说是一个新的挑战。

《时间线》：“城市数据大脑”项目中，依图进行了哪些方面的技术支持？

朱珑：我们对城市中车辆的行驶路径等数据进行收集、分析，对车、道路、红绿灯的信息进行建模。在建模的基础上对政府的交通管理者给予建议和优化方法，比如红绿灯的改进措施，道路的修缮方案。我们希望通过解决城市交通这类世界级难题，让人工智能使我们的生活更加轻松便捷。

《时间线》：这个项目的难点在哪里？

朱珑：从技术层面来讲，交通管理是一个非常新的领域，世界上顶级机构对这一领域的研究也处于原始阶段，现有的学术界的模型、数据体量无法满足模型精度的需求。要完成这个项目，我们还要做很多新的研究。从操作层面来讲，我们的工作要跨越政府的不同部门，把这些数据整合到一起。

《时间线》：大数据对人工智能技术有重要作用，你们如何建立自己的数据库？

朱珑：最朴素的办法就是一点一滴积累，比如车辆数据，我们自己去路上拍了很多，慢慢地数据就积累起来了。在和客户合作的过程中，客户也会提供一些数据。

《时间线》：现阶段在中国进行技术创业，难点在哪里？

朱珑：从创业环境来看，我们没有完善的反垄断机制，也就是说大公司还是可以跟你竞争的；但在美国，这不一定行得通。而且中国的知识版权的保护尚为薄弱，小公司抄袭的情况比较多。

此外，探索出好的商业模式是非常困难的。依图成立四年，经历了很多探索，我们一直在扎实地做垂直领域，包括公安、金融等领域。我始终在问自己：人工智能的卖点是什么？

AI最大的考验是商业模式的创新

2016年初，一场人机大战成为全民热点。人工智能的概念从科技圈走向大众，做了一次生动的市场教育。影响迅速蔓延到二级市场，人工智能概念股迅速飙升，中国兴起一波人工智能创业热潮。创业四年，朱珑目睹了人工智能产业的变迁，他有着怎样的体会？作为一个创业者，他如何看待这个产业的未来

《时间线》：现在依图在技术研发和商业方面的比率大概是什么样的？

朱珑：超过50%都是技术团队，我们的核心优势是对技术的理解能力。有了技术作为基础，扩张的成本会变得很低。

《时间线》：作为学者型创业者，商业背景的匮乏会不会成为你的瓶颈？

朱珑：创业四年，这个部分的知识我补充了很多。商业知识是不断学习的过程，今天学到的商业经验不一定能解决明天的问题。换句话说，有商科背景不一定比我更有能力解决未来将面对的问题。创业本身就是个不确定的探索过程。

《时间线》：如何看待技术与商业化的平衡？

朱珑：技术与商业化从来不是矛盾的。中国现在有很多大规模的问题放到学术上都是非常有挑战性和标杆性的。在实验室是无法直接解决问题的，因为有些数据不易得到，做商业项目与学术研究并不冲突，反而可以更好地促进技术发展。

篇4

仅在一年前，被誉为“世纪之战”的李世石对战AlphaGo令人工智能（AI）进入公众视野。彼时，VR市场颓势已现，渐入谷底。AI概念的及时出现拯救了寥落许久的资本市场，凛冽的“资本寒冬”一度回暖。根据CBInsights的数据，2016年，全球人工智能领域的投资数量达到698笔，是2012年的近5倍。而在国内，BAT带头布局，创业项目四起，一时间全民AI，2016年也因此被称为“人工智能元年”。

潮水退去，才展现出行业的本来面目。“有一些泡沫，但没有‘’、O2O那会儿那么多。”创新工场技术副总裁、人工智能工程院副院长王咏刚告诉《21CBR》记者。

“扎实”、“踏实”是众多投资人谈及人工智能时提到的关键词。对创业者而言，技术的重大突破、庞大的用户市场以及多方政策的利好，似乎预示着人工智能的商业春天才刚刚开始。然而，要想站在下一波浪潮的潮头，成为这场堪比工业革命的时代获益者，既要比拼硬实力的突破，也依仗对行业的理解，二者缺一不可。在人工智能的商业化进程中，脆弱的科学家式创业将难以冲破重重阻碍。

李开复重仓

当下提及人工智能，不能不关联至创新工场。2016年，这家专注于Pre-A到C轮的早期投资机构重仓人工智能，投资相关领域创业公司超过30家。早年研究语音识别的创始人李开复身体力行，一举一动不离人工智能：演讲、出书、为投资公司站台、成立人工智能工程院。直到今年初，李开复公开表示：“能投的已经不多了。”

王咏刚告诉《21CBR》记者，人工智能尚处在行业发展的早期阶段，“我们看好整体的发展趋势，但现阶段项目的绝对数量是少的，找好项目相对来说也就困难一些。”对创新工场而言，好项目各有各的好，不投的项目归结起来则离不开三个方面：技术、团队和模式。

第一类是技术令人难以信服的概念炒作式项目。“开复就是搞人工智能出身的，我之前在谷歌工作，接触的项目比较多。有的创业公司说得天花乱坠，实际技术上是做不到的。”对于技术本身的发展趋势、在哪个领域能够解决哪些问题，创新工场自信在国内VC界的判断是较为准确的。

其次，对于纯科学家团队创业，由于不具备足够的商务落地渠道，“我们也会非常谨慎。当然不排除有的科学家确实技术很好，我们就帮他做孵化”。至于商业模式，在当下的国内互联网企业中，阿里、腾讯纷纷成立人工智能实验室，百度索性称自己是一家“人工智能公司”。那些巧妙避开了巨头现有业务冲击，自身具备不可复制和可持续性的创业项目，成功几率自然更高。

元Z资本合伙人陈洪亮认为，在人工智能这一强技术领域，图像和语音是已被验证的两个赛道。过去10年间，得益于深度学习算法和GPU等计算设备的发展，计算机视觉技术快速落地金融、安防、医疗等B2B领域。相比之下，语音技术偏重在客服、车载、智能家居等消费端领域，背后也有赖于语音识别、声纹识别等工业级算法的日趋成熟，“未来在这两块，将会出来一批比较扎实的成果。”

2014年底创立的Rokid（若琪）是元Z资本在语音赛道的代表项目，从天使轮到B轮一路跟进。5月15日，Rokid旗下第二款产品、名为Pebble（月石）的智能音箱在天猫开售。用户运用语音指令可以操控音箱播放音乐、报告天气，甚至控制家中的照明、电视等智能家居设备。Pebble意在通过日复一日的“自我学习”，无限趋近用户的偏好习惯。

相比用智能家居APP开关灯，一条语音指令显然要简单得多。无论是手机还是PC，都需要人去适应机器，声音似乎是人与机器更自然的交流方式。从天气到音乐，从新闻播报到童话朗读，元Z资本相信，声音将作为一种人机交互的无形界面，成为下一个平台级入口。而新入口的诞生，将带来变革性的机会。

不过，在陈洪亮眼中，对领域知识的依附使得创业初期的技术优势正在减弱，“行业细分，客户分散，即便有强悍的技术背景，过了一年左右的时间窗口，最后比拼的还是对商业的理解。”从这个角度而言，人工智能更以行业为导向，而非纯技术项目。“是行业+，不是AI+。”陈洪亮称。

这也是创新工场成立人工智能工程院的目的之一：源源不断向创业者推送产业项目，挖掘适合团队技术的商业模式并加以验证，为创业科学家寻觅商业合伙人，从而帮助团队尽快步入创业正轨。王咏刚表示，“商业合伙人具备的行业经验，必须令其懂得如何在行业里面拿到项目，纯科学家式的B2B创业很难。”

4月，在一次企业家公开活动上，北极光创投创始人邓锋面对两位业界人士发问：“讲究强关系的B2B行业会否影响人工智能的游戏规则？”依图科技CEO朱珑当时回应：“（关系）是现状，但产品真的能打动人。”或许可以这么理解，“关系”在某种程度上也代表着，你比别人更了解行业。

对于AI创业者，B2B意味着赚钱的难度和门槛更高了。不过，收费的价值也因此体现。在陈洪亮看来，一旦客户为此买单，其在组织机构内部能够被更高效地推行，避免沦为乏人问津的免费试用。王咏刚也相信，移动互联网的免费打法在人工智能时代将难以延续。

尽管业内少有公司公布自己的营收情况，但投资人大都表示，人工智能正在加速变现，“有些2B的项目，盈利已经很好了。”对于投资人和创业者而言，变现不仅仅代表了财务模型的转正，也意味着终于赢得了市场与用户的认可。

四家独角兽

拥有大数据支持的金融、安防和医疗，被视为是人工智能的下一个机会，也成为过去一年资本聚集的行业。国内计算C视觉赛道的创业公司接近30 家，人脸识别领域更是出现4 个独角兽――旷视（Face++）、商汤、依图、云从科技，纷纷完成融资。2017年，在工信部的“独角兽”企业榜单中，旷视的市场估值突破20亿美元。

旷视市场部副总裁谢忆楠告诉《21CBR》记者，2013年，旷视开始专注于人脸视觉的产品通用化。“当时主攻三方面的算法――人脸检测、关键点标注和人脸识别，团队基于行业做了很多技术上的研究。”2013-2014年，旷视拿下3项世界计算机视觉竞赛的第一名。2015年，在德国汉诺威IT博览会上，马云向德国总理默克尔演示Smile to Pay扫脸技术，就是由旷视提供核心算法，将刷脸支付模块内置到支付宝客户端中。

目前，旷视的Face++人工智能开放平台面向中小银行、地产园区、IT企业及独立开发者开放人脸、图像、文字等识别能力。其中，人脸识别API的日均调用量超过2400万次，是目前世界最大的人脸技术平台。旷视方面声称，其人脸识别技术在国内互联网金融领域拥有80%以上的份额。

旷视的快速崛起得益于技术和市场的多重利好。一方面，深度学习算法在过去10年间取得重要突破，给计算机视觉的大规模应用奠定了基础。另一方面，2014年，国家实名制工作相继在网络、电信和金融领域全面铺开。2015年，互联网金融雨后春笋般涌现，通过人脸识别技术完成远程开户和身份验证，成为各方普遍采用的技术手段。计算机视觉创业公司步入商业化时期。

谢忆楠表示，公司在商业化前期关键性地走通了“数据―算法―产品―技术”这一循环，面向行业的通用服务乃至更为深度的定制化方案得以落地。

而另一家独角兽公司――依图科技则啃下了安防这块骨头，其“蜻蜓眼”人像大平台服务于全国上百个地市的公安系统，是全国唯一拥有十亿级人像库比对能力的公司。

利用技g优势，快速切入一两个行业，从而形成深度合作，是上述独角兽公司早期脱颖而出的共同原因。在现有技术已然成熟、各家准确率纷纷达标的情况下，如何基于真实痛点挖掘场景，提供定制化且可复制的解决方案，成为打破传统行业壁垒、快速拿下市场的关键。

而在语音赛道，技术成熟也意味着消费级机器人市场的打开。Rokid并非头一个玩家，却自带网红体质。其迄今为止的两款产品，在未设独立展位的情况下，连续两年获得CES（国际消费电子展）创新类奖项。创始人Misa（祝铭明）在江湖上见首不见尾，研究团队的阵容却堪称强大：位于北京和旧金山的两个实验室由数十名全职博士科学家组成，来自中科院、哈佛、斯坦福、伯克利等一批海内外顶尖院校。

Rokid北京实验室负责人高鹏告诉《21CBR》记者，智能音箱Pebble的核心功能体验分为三类：音乐、儿童读物等内容服务，天气、闹钟等工具类服务，以及智能家居控制服务。凭借600万首320K码率高品质曲库和喜马拉雅FM等对接资源，Pebble向用户提供的内容涵盖音乐、新闻、电台、相声、戏曲和脱口秀等。一切体验从用户对其说出激活词“若琪”的一刻开启。

激活词“若琪”的设计和打磨用了将近一年时间。高鹏介绍，激活词的识别错误率随着音节的加长而降低。目前国内外同类产品的激活词大多设置在3-4个音节，而双音节的高激活率很难成功。在经历“若小琪”、“Hi，若琪”的反反复复后，研究团队还是通过算法验证实现了双音节。在公开的试用报告中，Pebble多个维度的人机交互体验超过了谷歌推出的业内首款产品Google Home。

而在声音定位上，祝铭明早年从威尔・史密斯主演的科幻电影《我，机器人》中的机器人女声获得灵感。高鹏坦言：“当时根本没有那样的现成声音。”团队开始在市场上寻觅适合的音色，同时自主研发TTS（Textto-Speech）语音合成技术，并由专门团队对声音处理和内容反馈进行设计，“若琪”最终被定位为一个温柔、幽默、聪明且不失个性的女声。

通过开放基于网络协议的API标准，Rokid还将飞利浦、小米、lifesmart等品牌纳入到其智能家居生态链中。在几乎未做投放、线下推广的情况下，开售三个星期的Pebble在天猫官网的销量逼近千台。祝铭明对媒体表示：“产品日活跃用户数量超过50%，用户使用时长平均超过1小时。”6月8日，Rokid宣布开通全渠道销售，Pebble登陆全国500多家经销商门店。

在Rokid的品牌文案中，“自然”是多次出现的一个词。产品负责人向文杰对此表示，语言、视觉和触摸是人类最自然的交流方式，“未来的产品方向就是向用户提供最自然的交互体验，希望让用户感受到，我们的产品是有温度的家庭成员，而不是一台冷冰冰的机器。”

智能的未来

人工智能的商业春天才刚刚开始。

埃森哲的研究结果显示，到2035年，人工智能将有望令包括美国、日本在内的12个发达国家的经济增长率翻番，劳动生产率增长40%。在谢忆楠看来，目前国内人工智能市场仍处在存量消化阶段，保守估计仍有七成左右的垂直行业尚待开发，在教育、交通、社保等领域潜力巨大。朱珑则表示，过去一年间，性能成倍提升的人工智能技术不断解锁应用场景，人类的想象力已经跟不上人工智能的发展速度。

机器的迷人之处在于智能未来。业内普遍认为，无人驾驶将是未来人工智能的重要落点。在创新工场的投资策略里，未来5-10年的投资项目中有相当一部分投给了无人驾驶。“机会太大了，将是万亿级的市场，且很难被个别巨头垄断。”王咏刚表示，无人驾驶是一个完整的产业链，从感知、决策、控制等多个模块的算法，再到各类传感器，乃至汽车共享和交通改造，有着巨大的想象空间，远未到技术收敛的阶段。

另一个充满未来感的方向则是沉浮数年的消费级智能硬件。亚马逊在6月初宣布，旗下智能音箱Echo的年出货量预期突破1000万台；苹果则被传即将在年度开发者大会中一款由语音助手Siri控制的智能音箱。国内方面则早有叮咚、小智者激起的浪花，“千箱之年”的说法因此在业内盛行开来。

Rokid将自身定位为一家科技公司而非硬件厂商，著眼于更宏大的语音技能生态建设。高鹏表示，Rokid将在近期推出开放平台，有望接入外卖、快递、叫车等来自第三方开发者的扩展功能，为用户提供更为丰富的语言技能应用。

人工智能从来就不是一场轻巧肆意的游戏，参与者面临的仍将是重重阻碍。

首先是巨大的人才缺口。陈洪亮称，未来很长一段时间，人工智能的马太效应将体现在人才方面。李开复提过一组数字，全球当下的人工智能专家不超过7000人，在中国这个数字可能是700个，且大多被BAT收入囊中。这也是创新工场成立人工智能工程院的一大使命：通过人才招聘和高校共建，同时加强与政府部门、国内外高科技公司的合作，培育和孵化高水准的人工智能技术团队。

数据壁垒则是人工智能创业打破大公司垄断、完成行业深度融合的另一项难题，一大原因在于数据安全泄露和用户隐私破坏。王咏刚认为，人工智能的发展与数据安全不是相互撕裂的关系，而是博弈均衡。

而最大的困难还是来源于技术本身。深度学习理论沿革每隔10年左右就会经历巨大变化，每一次的技术递进也推动着人工智能的工业化进程，新商业模式因此而生。“前沿技术当然对一线业务开展有着指导意义。”王咏刚说。

人工智能始终是强技术驱动的领域。谢忆楠称：“从算法、软件、硬件到解决方案，每一步都要靠硬实力说话。纯商业模式的东西，天花板很明显。”计算机视觉领域的四个独角兽之一云从科技CEO周曦也公开宣称：“人工智能是有门槛的，短期之内只要自己保持足够快的进步速度，别人很难对你构成威胁。”

篇5

报告总体分为四个部分，分别从市场环境、产业格局、商业模式、机遇与挑战等方面对中国医疗人工智能产业进行分析。

无论是对中国还是对世界来说，人口老龄化加剧、慢性病患者群体增长、优质医疗资源紧缺、公共医疗费用攀升等都是必须要面对的问题。而随着技术的发展，人们逐渐开始寄希望于通过人工智能来解决医疗行业的痛点。此前，美国咨询公司弗罗斯特- 沙利文公司就曾提到，“人工智能可将医疗效果提高30% 到40%，减少多达50% 的医疗成本”。

在中国，医疗人工智能有着先天的发展优势。一方面，中国人口数量庞大，有充足的医疗数据，为医疗人工智能的发展提供了基石。另一方面，中国足够大的医疗市场也为人工智能企业创新提供了动力。

不负人们所期，近年来中国医疗人工智能市场正如火如荼地发展着。数据显示，自2013年到2017 年，中国医疗人工智能行业共获得241 笔融资。其中，2017 年国内医疗人工智能行业公布的融资事件近30 起，融资总额超过18 亿元。

2018 年，医疗人工智能市场火热依旧。一方面，资本热情不减，大额融资频发，医疗人工智能融资总额再创新高，仅2018 上半年就有18 家公司获投，总金额超过31 亿元。另一方面，已然成熟的互联网巨头，如BAT 等，以及传统医疗相关企业，如飞利浦等也早已重金布局医疗人工智能，大手笔向产业链扩展业务。

作为一种提高效率的工具，目前，医疗人工智能已经覆盖了医疗产业链条上的四大环节。其中，医疗环节以服务患者为主，针对患者提供一系列更精准、更高效的医疗服务。而医药、医保、医院环节则更多是为B 端的医疗机构、企业等服务。并且，医疗人工智能在经历过火热的发展后，迎来了商业化的关键期，目前绝大多数医疗人工智能的公司尚未实现盈利，且其产品多在医院进行试用，但他们已经通过不同的业务模式实现了付费收入。

篇6

ABC时代

2016是非常匆忙的一年，好像比2015、2014、2013年发生的事情多得多。这一年各种让我们吃惊的事件接二连三地上演，这些事件的背后，有没有一个类似于主旋律的东西？

2016年可以说是一个告别之年，也是一个开始之年。曾经代表一个时代的人去世了，比如英特尔的前CEO格罗夫，这个时代最伟大的CEO在3月份去世。还有曾经预言信息时代来临的托夫勒也在2016年去世。当一个人离开这个世界的时候，我们常说他所代表的这个时代结束了。实际上衰亡和兴起的过程都是一个我们没有觉察到的历程，而不是一个时间点。当你发现一个时代结束，其实这个时代早已在此之前开始了结束的历程。当你发现一个事情突然出现的时候，它一定是在此之前已经开始了出生、生长的过程，只不过在某一个点上以一种显眼的面目出现。2016年的几个黑天鹅事件，比如AlphaGo和人机大战，很多专家预言2030年才会出现计算机下围棋把人类打败，结果在2016年提前来到了。

又如英国脱欧，我们在21世纪刚刚开始的时候都特别欢欣鼓舞，觉得来到了一个天下大同的时代，全球化的时代开启了。但是在2016年我们见证了全球化正在被一种逆流所缓冲和改变。逆全球化，反全球化的浪潮在2016年开始凸显，英国脱欧，美国特朗普上台，都是反全球化的逆流。

开始之年也是结束之年，每一场毕业都意味着下一场开学。2016年到底开始了一些什么东西？我们撇开一些宏大叙事不讲，仅在商业领域，可以概括成一个“ABC时代”。关键性技术已经从传说，从一种少数人关注的小圈子的一种状态，逐渐进入到主流商业世界的视野。

这三个东西可以叫A、B、C。A是AI，人工智能。B是Big Data，大数据。C是Cloud，云计算。这三个东西开始合流，变成三位一体的东西，以一种我们不能忽视的形象出现了。尤其是AlphaGo的出现，让我们不能忽视人工智能的力量，计算机不是人类能驯服的工具了。

以前的技术、工具和机器都是人的延伸，是体力或脑力的延伸，从最早的蒸汽机、火车到飞机，无非是人类某一项体能的延伸。后来出现了某种程度上的脑力的延伸，比如计算机的出现，在某个单一功能上，人脑没有办法和电脑相比，但是整体的判断力、决断力和整体的智能，电脑完全没有办法和人相比，只是一个工具而已，帮助我们收集和处理、存储信息。而在以AlphaGo为代表的人工智能出现之后，我们发现它开始逆天了，今天不是延伸，是了，它做的事情越来越像人！

“三个代表”

对于这种，可以概括成 “三个代表”。一个是“私人秘书”，一个是“私人司机”，一个是“私人医生”。在这个物质如此丰富的世界，能够拥有这三样的人少之又少。但是人工智能和云计算、大数据可以让每个人都拥有私人秘书、私人司机和私人医生。

比如谷歌、特斯拉，还有其他一些知名和不知名的新兴和传统的汽车厂商，它们在做一件事，让人人都拥有私人司机，它贴身服务于你，不会让你感觉到作为自然人的司机的很多问题，这是一个很有诱惑力，很有产业前景的设想，事实上这个技术逐渐在向我们靠近。

然后是私人秘书，以前我们借助电脑和网络搜索信息，还在这些信息的基础上做一些比较和判断，但是今天计算机和网络要做的事情，远不只是给我们提供信息。举个例子，当你今天早晨要赶7：30的早班飞机，意味着需要提前两个小时起床，你要时刻监控这个信息。但是一个私人秘书式的智能人会代替你，你睡你的觉，它时刻监控这个航班的变化，如果航空公司改变了航程延误一个小时，它会自动把你的闹钟往后调一个小时。同时它会通知滴滴、易道、神州这样的公司，把接送你的时间往后调一个小时。它还会帮你值机，挑选座位。在不打扰你的情况下，事情已经办好了。

今天无论在电子商务、智能领域、游戏领域，都发生从信息到智能的变化，所以我把它叫做“新IT时代”。以前我们说IT是信息，今天我们说的是智能技术，我们的信息一点都不稀缺，但是情报永远是稀缺的。什么叫情报？就是在大量的信息当中发现蛛丝马迹，发现最有价值，能够帮你做决策的信息。私人秘书要做的事情，就是在众多信息里合成有用的能够执行的情报。

第三个是私人医生，认知计算很重要的一个功能是在不懂得医学的情况下，根据你身体的种种状况，判断出你的病症，比如你已经进入了糖尿病模式，或者几年以后有可能发生癌症。如果你要避免这个事情，需要做哪些改变，包括饮食、生活习惯、心情、工作环境等等。这种私人医生往往比我们眼前见到的活人医生还要准确，因为我们的医生做出判断是根据大量的化验，而且是非常显性的数据来确定你有没有生病。而认知计算能提前很久就发现你已经进入到什么样的模式，是依据大量的数据，包括你的数据，你家族的数据，周围人的数据以及全世界的相关数据，然后合成一种模型，根据这样的模型来确定你的身体状况。

所以人工智能、大数据和云计算这三样东西，是我们在2016年整个商业创业创新的基本背景。如果忘记了这个背景，你现在做的很多事情，做得越热闹，有可能最后输得越快，甚至输得越惨。

需求永远不变

我们回过头来看商业模式，首先你面对独特的客户需求。你发现了客户的痛点，你给出了一张牌，这就是商业模式。而且实际上是一手牌，要不断抓进新的牌，这种模式才能玩得下去，“一招鲜、吃遍天”的商业模式早已过时了。尤其是当你手里的牌不那么好的时候，能够通过牌与牌之间的组合，把一副烂牌打下去，还能打赢，这才是值得追求的商业模式。所以在商业模式里，本质上是对需求出的一张牌。

什么叫产品？就是古老的需求和新出现的技术之间的一个化合物。所以要意识到需求是不变的。比如出行，古老的出行就是走路，交通基本靠走，通信基本靠吼，因为当时的技术条件很简陋，或者说是0技术，我们只能靠走和靠吼，后来我们找到了别的方法和技术满足这个需求，手写书信，恋人之间鸿雁传书，或者用暗号约定。直到今天，我们使用微信，用各种各样的通讯工具做出解决方案。通信的需求，交通的需求，古已有之，只不过技术和条件不一样，所以出来的产品和模式就会发生变化。

乔布斯说，最好的市场调查是站在镜子前面看看自己，因为你心里的需要都搞不清楚的话，你贸然去随便问几个人的需求，就觉得是完成了市场调查，结果做出来的东西根本没有人要。如果福特当年做汽车之前问人，你需要什么样的车？他得到的回答一定是一辆更好的马车，因为他们不知道还有汽车这种东西。

篇7

报告从医疗人工智能的发展角度出发，以商业落地为切入点，总结出中国医疗人工智能发展10大洞察。梳理了国内10项主流的医疗AI产品，医疗人工智能领域中十大主流产品，并从技术成熟度、使用效果、发展情况、企业案例等角度进行分析。

2018中国医疗人工智能十大洞察从人工智能在医疗健康领域的四个核心应用场景——医学影像、虚拟助理、健康管理和药物研发的角度，提出出中国医疗人工智能发展的十大洞察及相关观点。

1. 部分智能影像诊断企业将在2018年获得三类器械证，正式进入商业化阶段。

2. 智能影像诊断竞争格局基本形成，“伪医疗AI企业”基本出局，新入场技术型玩家基本没有获得风投的可能，商业机会已然错过。

3 .语音电子病历：落地医院成本高，产品需进行科室定制化，客单价低，主要用于病理科、影像科等。

4. 智能问诊：知识图谱搭建是关键，目前仅发挥导诊、辅助检索或连接医患的作用。院内场景“预问诊”需求量大，具备落地能力.

5. 国人健康管理意识尚待培育，健康大数据尚待采集与整合。企业以B端为主要切入口。

6. 精神心理治疗师严重缺乏，AI或可成为替代性工具。

7. 药物研发中化合物数据质量对于AI企业是关键。

8. 借助国际力量，中国AI药物研发企业从无到有，预计2018年起将涌现更多玩家，AI药物研发或将是未来的新风口。

9. 产品形态以软件/SaaS为主，收取软件授权费的商业模式存在一定局限性。软硬一体化产品的商业落地更具优势。

10. 中国医疗整体数据量大，但针对细分场景的数据量和质量仍无法满足算法模型的训练需求；随访数据的缺失，使国内在类似“肿瘤患者五年存活率”等领域的研究一片空白。

医疗人工智能应用场景与技术路线人工智能与医疗健康结合点在哪里？下图呈现的是人工智能技术在医疗领域的主流应用场景与技术路线，通过该图能够对中国医疗人工智能的格局有清晰的了解。

中国十大医疗人工智能产品总览为了更深入的解读商业落地的现状，在报告中，亿欧智库主要按照技术成熟度和使用效果两大维度对医疗人工智能十大产品进行了分析与评估。其中，针对技术成熟度和使用效果两大维度，主要通过产品出现时间、落地情况、发展情况、企业数量、行业人士和专家访谈进行判断。另外，还从产品的发展情况、涉足的企业案例等角度更加具体地进行分析。

医疗人工智能六大发展趋势结合政策和商业落地产品的现状，亿欧智库认为市场在今年呈现出六大趋势：

1. 2018年起，AI影像产品落地速度会加快，产品性能成熟度将不断提高。

2. 随着技术成熟度提高，语音电子病历医院普及率加快，头部企业可形成规模效应

3. 智能问诊随着知识图谱的不断完善，预问诊功能可以有效提升医生效率

4. 健康大数据的发展，会使AI在健康管理场景下的应用程度会进一步提高。

5. AI在精神心理健康的的渗透程度会更深，未来可能成为这一领域的核心推动力

6. AI+药物研发领域将会诞生出独角兽。

医疗人工智能发展四大挑战一是数据数量问题：中国医疗整体数据量大，但针对不同病种的数据量和质量参差不齐，有些病种的训练数据缺乏；健康大数据孤岛问题有所缓解，但仍未达到深度学习的阶段。

二是数据质量问题：AI数据处理中标注的准确性关乎结果的准确性，近两年之内还是需要大量医生去标注。药物研发中的数据质量对于研发效率的提升至关重要。

三是人才问题：AI算法人才与医学人才知识体系不同，如何融合各自优势发挥最大价值，值得企业思考。

篇8

O2O+人工智能

索引真实世界

随着移动互联网的普及，越来越多的用户选择使用终端通过互联网来享受服务。这种服务，被业界人士称之为O2O（Online To Offline），是指通过线上营销和线上购买，带动线下经营和线下消费。

在百度世界大会上，李彦宏发表了主题为“索引真实世界”的演讲。他认为，在过去的一年中，最火的互联网领域就是O2O，越来越多和大家生活服务密切相关的活动，已经可以实现从线上到线下的连接。对此，李彦宏举了个例子说明：“比如说电影行业，今天中国每100张电影票当中有55张是从网上下单预订的，而电影行业在美国渗透率只有20%，也就是说100张电影票中只有20张是网上订票。”由此，他认为，在很多O2O的领域，中国互联网已经走在世界前列，所以在这方面就需要、同时也应该有很多创新，尤其是技术创新出现。

在分享了对移动互联网线上服务爆炸和用户个性化需求如何满足的思考之后，李彦宏宣布，在最新的手机百度6.8版本中，重磅推出谜书画搜索服务智能机器人助手――“度秘”（英文名：duer），用机器人秘书的方式开启智能服务的时代，而这些服务，是在广泛索引真实世界服务和信息的基础上，依托百度强大的搜索能力及其开发的智能交互技术来实现的。据了解，作为智能化的机器人应用工具，度秘能够与用户发生多轮对话，并能基于上下文理解用户的意图。它还能获取生活服务。

在2015年初，李彦宏在人大提案中曾提出“中国大脑”的概念，建议将人工智能提升到国家战略高度。在“互联网+”的大背景大环境下，人工智能的推动与发展更显得顺理成章。至此我们会发现，度秘开启了O2O的一个全新模式――利用人工智能，帮助甚至是引导用户来实现服务。

在大会现场，李彦宏演示了与已加载度秘的小度机器人的模拟服务互动过程，比如寻找餐厅下单定位和预定儿童影票，全程体验流畅且便捷，实现了用户与互联网的自然交互。同时李彦宏还强调，度秘不仅仅是百度最新的产品，它更多的是一种能力，在移动互联网时代，任何一种App都可以将度秘这种能力连接进去。

由此看来，在连接人与服务上，人工智能+O2O已经成为百度的核心竞争力。

打造智慧云

跻身公有云市场

在2014年召开的第九届百度世界大会上，百度了开放云策略。在短短的一年以来，百度开放云的产品线从基础的IaaS平台到数据分析和CDN服务，从大规模的机器学习、大数据智能服务到多个整体解决方案，至今已扩展至23款产品，这其中包括了14款云计算产品和9款大数据、人工智能产品。

在本届大会的百度开放云分论坛上，百度开放云总经理刘炀表示，百度开放云将开放云计算、大数据和人工智能等灵魂技术，从开发者市场走向行业市场，助力各行各业的合作伙伴实现更好的连接，为行业提供一朵“智慧”的云。

当日，百度开放云还宣布开放6款通用解决方案，以及面向教育领域、大数据领域、移动互联网领域等4套行业解决方案。

随着“互联网+”的出现，新的产业升级和变革正在酝酿，当今世界正面临着由技术突破带来的全行业升级，刘炀表示，云计算、大数据和人工智能带来了三个“重新定义”：第一，云计算重新定义了IT，改变了企业所需要IT资源的拥有与供给方式，互联网级的资源管理平台彻底改变了传统企业的IT模式，为新的商业创新提供了可能；第二，大数据重定义了资产，相较于以往的重资产，企业在经营中不断生成的数据将成为企业未来继续生存并保持竞争力的砝码；第三，人工智能重定义了效率，通过语音、图像、视频、自然语言识别和智能处理等技术，传统的计算机具备了更为强大的能力，工作效率得以大幅提升。

而基于以上三个重新定义，百度开放云的重新堆栈也分为3层：最下面一层是云计算层，其上为大数据应用层，大数据之上则为人工智能层。这也体现出百度开放云的特色：以人工智能为核心，以大数据为手段，以云计算为平台，为用户带来新的业务创新体验。

而事实上，就百度而言，不论是百度搜索、百度地图、百度贴吧还是度秘，其业务是由云计算、大数据和人工智能驱动的，底层也是由这三种技术在支撑。“这些技术没有行业属性，各行各业都可站在这些技术的肩膀上，充分使用云计算技术解决IT问题，用大数据技术产生更多资产，用人工智能技术大幅度提升系统效率。”刘炀表示。

构建互联网金融新生态

一切都能和互联网挂钩的时代，在金融这个与生活息息相关的领域也发展的如火如荼。移动互联网与人工智能技术的发展已经深深影响了消费者需求和商业模式，唯有与互联网行业融合，借助互联网平台创新商业模式，才能提升运营与资本效率，达到经营效益最大化。

在百度世界大会的金融分论坛上，百度总裁张亚勤提到：“金融是互联网渗透最快的领域之一。一方面它是个垂直行业，另一方面金融也是一个工具和杠杆，可以帮助撬动其他3600行。百度在互联网金融领域要做的，就是连接人与金融服务，打造普惠金融，服务并带动3600行的发展。”

篇9

第三方研究机构普遍预测消费级和商用无人机将在未来5年达到数十亿美元规模。目前一级市场和产业界都对无人机赋予重点关注。从高通这样的芯片商到腾讯这样的互联网企业都进军无人机产业。

智能化的无人机将真正“无人”，拓展更广阔的应用空间；

目前无人机依然需要操作员控制确保正常安全飞行。智能化的无人机将变身“会飞的机器人”。智能化的无人机将摆脱操作员真正“无人”，降低应用的人力成本，完成危险任务或到达人/普通机器人无法到达的地方。

智能化技术包括机器视觉硬件/软件技术、人工智能、OS与固件等；

机器视觉能够让无人机识别周围的环境从而安全自动飞行躲避障碍，是最关键的智能技术。硬件机器视觉技术包括双目视觉、红外激光视觉；软件技术包括光流算法、图像分割算法等。人工智能技术包括图形识别、人脸识别、语音识别等技术，能够提升无人机的自动化程度，更“智能”完成商业应用。OS与固件等软件技术是连结无人机计算芯片和软件算法的关键，目前有较为成熟的开源软件库提供开源算法代码供开发者。

硬件产业趋势是芯片化、集成化；软件产业趋势是开源+二次开发商；

高通/Intel/Nvidia都推出了基于自己芯片产品的无人机参考设计或样机。高性能计算芯片智能化的关键技术，随着芯片厂家涌入，硬件发展趋势是芯片化、集成化，将可能重复PC产业和智能手机产业的发展路线：上游芯片厂商占据产业关键地位并获取大量利润。中国企业联芯科技在智能无人机芯片领域也有一定投入，值得关注。在无人机软件和人工智能软件/算法领域，已有一些开源软件社区存在，提供大量开源软件算法库。未来智能无人机软件产业将大概率重复开源社区+二次产品化开发商的商业模式，具备技术优势、能够提供差异化商业软件的厂商将脱颖而出占据产业链的上游。投资者可关注计算机和下游整机制造行业相关上市公司。

篇10

2017年什么概念最火？人工智能当之无愧。作为新兴热点，人工智能领域的公司很多还处于创业阶段，在A股市场中成熟的公司虽然也有或多或少涉足，但总体还处于探索阶段。

咨询公司Venture Scanner统计，2016年全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。

在这13个种类中，研究机器学习（应用）的人工智能公司数目最多，达260家，约占整个行业的30%。从区域分布情况来看，欧美等西方国家发展较为迅猛，其中美国以499家人工智能公司占据绝对主导地位，且初创公司数量众多;而以中国为首的发展中国家在人工智能领域显然仍处于起步阶段，真正布局该产业的公司较少，以传统互联网巨头进军人工智能领域为主。

目前较为成熟的感知智能技术（如语音、视觉识别的服务、硬件产品等）的应用开发所形成的新“人工智能+”将引领产业变革，成为推动社会飞跃发展的新动力。在传统产业，人工智能可以在制造业、农业教育、金融、交通、医疗、文体娱乐、公共管理等领域得到广泛应用，将不断引入新的业态和商业模式;在新兴产业，人工智能还可以带动工业机器人、无人驾驶汽车、VR、无人机等处于产业生命周期导入期的公司飞跃式发展。

从具体应用方向来看，如今十分火热的工业4.0、人脸识别、智能答题机器人、智能家居、智能安保、智能医疗、虚拟私人助理等人工智能概念是有望得到快速爆发的重点领域。目前人工智能在图像识别、语言识别和自然语言处理，以及人机交互、机器视觉、自动驾驶等方面都已经成功应用。

人工智能产业链中，基础层是构建生态的基础，价值最高，需要长期投入进行战略布局;通用技术层是构建技术护城河的基础，需要中长期进行布局;解决方案层直戳行业痛点，变现能力最强。

基础层公司 多为传统IT转型

人工智能基础层就是我们常说的大数据、云计算、CPU等。目前国内上市公司中在人工智能基础层方面相关的公司包括久其软件、东方国信、天玑科技、浪潮信息、恒生电子、拓尔思等。

恒生电子（600570.SH）2016年成立了恒生研究院，负责人工智能、区块链、大数据等前沿技术的研发。区块链课题，恒生电子作为发起单位加入了金融区块链合作联盟（金联盟），并加入了linux基金会hyperledGEr开源项目等。

久其软件从最初的软件提供商到移动互联和大数据运营的再次验证，未来定位基于高端客户资源大数据和移动互联网变现的不断执行公司。公司创立之初以报表管理软件切入，为政府提供结构化数据分析和整理，并进一步提供完整解决方案，现已发展成集大数据、集团管控、电子政务和移动互联领域软件于一身的大数据解决方案提供商，A股稀缺。

拓尔思（300299.SZ）大数据服务领域稀缺纯正标的。公司脱胎于北京信息科技大学中文信息处理研究中心，自1985年起便开始研究中文信息检索，目前公司已拥有大数据领域非结构化数据处理技术，在大数据分析领域具有较高的技术壁垒，从底层技术、平台产品到应用产品服务技术全产业链布局。随着非结构化数据的地位在整个大数据领域中的不断上升，拓尔思有望进入高速增长期。

科大讯飞（002230.SZ）是A股人工智能龙头，公司在以“从能听会说到能理解会思考”为目标的讯飞超脑项目上，持续加大投入，在感知智能、认知智能等领域均取得显著研究成果。

技术及应用层公司 靠智能制造落地

人工智能技术层主要涵盖了框架、算法、通用技术，目前人工智能算法大体上流行12种，这12种算法包括决策树、朴素贝叶斯分类器、最小二乘法、逻辑回归、支持向量机、集成学习、聚类算法、主成分析法、SVD矩阵分解、独立成分分析、关联规则、其他方法等。

人工智能算法通过AlphaGo与柯洁的人机大战，成为当前数据分析领域中的一个热点内容。目前通用的框架层：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系统。作为投资者或者普通消费者更多的会关注通用技术如：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件，毕竟通用技术与我们日常生活习习相关，如你们平时所能看到的智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。

目前，A股市场有59家公司涉足机器人产业，部分公司通过收购进入这个领域。以昆仑万维为例，公司收购美国的机器人公司WooboInc.，致力于开发人工智能技术驱动的交互式机器人;在东方网力的18.30亿元增发方案中，1.57亿元拟投入智能服务机器人项目。

人工智能目前最看好生物识别，如远方光电和佳都科技。金融科技Fintech围绕IT与金融创新展开。虚拟的网络战争已经开始，IT安全有更大的弹性。无人驾驶里有四维图新和中海达。绕着人工智能产业链有很多投资机会，大数据是产业链发展起点，作为数据采集的关键通道，传感器至关重要，如汉王科技;云计算、大数据处理技术支撑上，国内FPGA（可编程性）稀缺标的紫光国芯;人工智能应用场景上防领域佳都科技、营销领域浙江富润等相关的上市公司。

我国在人工智能领域底层的计算机体系架构、智能硬件、软件应用虽有技术积累质的进步，国内人工智能的产业发展和商业化路径划，依然需要借鉴国外的产业政策引导和企业商用成功模式。

篇11

2016年，对小米人来说，“是非凡的一年，也是难忘的一年。”

“补课元年”六项成果

2016年是小米的“补课元年”，我们主动降速调整，取得了一系列成果，最重要的有6项。

坚持技术创新，稳占手机高端市场。小米是一家工程师文化主导的公司，“探索黑科技”是骨子里的追求。2016年，小米5在全球首发四轴光学防抖和3D陶瓷；小米5s在中国首发超感光相机，单位像素面积达1.55um，在全球首发无孔式超声波指纹；2016年底的小米Note2，率先采用双曲面柔性屏，小米MIX在全球首发全面屏和全陶瓷机身。2016年，小米在全球累计专利申请总量已突破1.6万项，授权总量3612项，其中涉外专利授权量1767项。

新零售高歌猛进。2016年我们依然是“手机电商之王”，天猫“双11”四连冠。小米之家升级为品牌零售旗舰店，至今已开通54家，其中上海大悦城店、北京五彩城店、郑州大卫城店年销售额破1亿元。2017年，我们计划开200家“小米之家”，未来三年计划开通1000家。

国际化业务高速增长。2016年10月，印度市场销售135万部手机，全年销售突破10亿美元，成功跻身印度手机市场前三。

以小米手机为核心的生态链整体崛起。2016年，小米手机周边的生态链系统全年收入过150亿元，连接了超过5000万台智能设备，小米成为全球最大的智能硬件孵化生态。

互联网商业模式得到充分验证。2016年，互联网业务收入翻番，国际战场和生态链业务也获成功，小米商业模式被充分验证。

管理升级、效率提升。以手机部为例，管理结构调整后，半年内团队规模翻番，强化了产品研发、供应链和品质管理。同时，强化公司治理的信息化，全面推进精细化管理。

最坏时期已经过去

2016年，取得的成绩，非凡；经历的挑战，难忘。前几年我们冲得太快，未来必须放慢脚步、认真补课。

小米起家的电商销售模式遇到挑战。目前，只做电商已经不够，毕竟电商只占社会零售总额的10%，手机市场好一些，但也只有20%。

小米是一家有雄心的公司，不安于只做一家不错的电商手机公司，所以要升级商业模式，要把纯线上模式升级到线上线下融合的“新零售”。

去年，小米遭遇了四个月缺货。手机供应链非常复杂，过去几年的积累远远不够，再加上一些客观因素，这不是一年努力能弥补的。

不过，最坏的时候已经过去。用技术创新和产品说话，我们去年比前年强大，今年肯定比去年更强大。

五大战略 一个小目标

2017年我们要聚焦5大核心战略：黑科技、新零售、国际化、人工智能和互联网金融。前三点去年就已全力投入，并取得了阶段性成绩，重点是后两条。

AlphaGo去年出人意料大俣ゼ馄迨坷钍朗，又60连胜横扫全部高手，AlphaGo让人看到了人工智能的广阔前景。2016年小米人脸检测新算法在FDDB人脸检测准确率榜上排名第一。当人类信息以指数级别爆发增长时，我们需要人工智能提供有力协助，让人类生活更加便捷轻松，这显然是小米的使命。

金融是小米2017年要拉开阵势干的大事。2016年年底，新网银行成立，小米是第二大股东。此外，小米已经组建起300多人的团队，完成了贷款、保险、证券、理财和支付等全领域布局，还拿到多种金融牌照。

这对小米的未来有至关重要的意义。未来，所有商业巨头都是互联网公司，也都是金融公司，未来的金融也都将基于人工智能和大数据。

新年里，我们也定个“小目标”：2017年，小米整体收入破千亿元。

价值观比千亿营收更重要

真诚和热爱是小米价值观，我们的愿景是让所有人都能享受科技的乐趣。

真诚就是踏踏实实用真材实料做品质过硬、价格厚道的产品，和粉丝做朋友，用心倾听用户需求；热爱就是聚拢一批追求极致产品的兄弟姐妹，大家做自己喜欢的事情，咬定青山不放松，千难万险不回头，享受创业乐趣。

这是小米的核心。如果不真诚，做事不厚道，再高明的忽悠也长久不了，用户总会看穿离你而去；如果不热爱，你肯定没法坚持创业长跑中孤独寂寞和玩命死磕中的痛苦，肯定做不出真正让人感动的产品。

篇12

在国家社会科学基金和互联网经济学研究联盟的支持下，《财经问题研究》编辑部特别组织了“互联网经济的理论与反垄断政策探讨”笔谈，邀请数位专家对相关问题展开讨论，相关成果发表于《财经问题研究》2018年第9期，本文为其中之一。

核心问题

人工智能和互联网能否带来新的经济增长？

产业互联网将如何影响产业竞争的格局，其对整个经济的增长有什么样的影响？

平台型组织的演变会对社会产生多大的影响？

01

引 言

在过去的十多年时间里，全球经济面临一个比较大的挑战就是如何重塑经济增长。2005—2014年，全球最发达的经济体的增长率长期停滞不前，急需要寻找一个新的经济增长驱动力量。

互联网在中国经历了20年的快速发展之后，已经取得了世人瞩目的成就。特别是随着智能手机的普及，移动互联网在中国已经相当发达。根据中国互联网协会的数据，2016年中国境内活跃的手机上网码号数量达12.47亿。

得益于中国特殊的市场规模和移动互联网的发展，中国的消费互联网市场发展迅速，代表性的电商平台如阿里巴巴、社交及游戏公司腾讯，这两个公司以市值计均进入全球财富五百强的前十位。

当前，人们关注的热点是中国的互联网红利是否已经消失，传统产业的互联网转型是否会带来新的增长机会？

此外，人工智能最近这几年发展迅速。2017年中国的人工智能（AI）投资仅次于美国，成为投资热点，政府也不断推出鼓励和支持政策。

这种变化引发业界和学界的思考，是不是会出现新的驱动经济增长的力量？这个力量如果能够驱动经济增长，其对于整个社会的改变会有哪些影响？

1999年，美国微软的创始人盖茨有一个非常有名的论断：商业新法则就是“互联网会改变一切”。从他提出这个论断到现在已近二十年，可以看到，电影、阅读、新闻等商业模式都发生了巨大的变化。

但另一方面，还有很多东西没有发生变化，如航空发动机的数据获取，1960年和2015年的方式并没有太多的变化。很多产业，如海关报关等，也没有发生实质性的变化。在今天，一个备受关注的问题是，人工智能对于社会将有多大影响？

笔者将从产业竞争和战略的角度来讨论产业互联网和人工智能会如何重塑中国经济的问题。主要讨论三个问题：

第一，人工智能和互联网对经济增长的影响。人工智能和互联网是否有可能提高经济的长期增长水平？

第二，产业互联网将如何影响产业竞争的格局？它对整个经济的增长有什么样的影响？

第三，产业互联网和人工智能如何影响产业结构的变化？特别是产业互联网和人工智能是否会导致产业的平台化？这种平台型的组织又会对社会产生多大的影响？

分析表明：

第一，产业互联网和人工智能会大幅度提升生产力。而且产业互联网和人工智能会提升要素配置的效率，进而提升生产率。因此，可以乐观看待长期经济的增长率。

第二，平台和组件的模式会影响一切组织和经济形态。平台会影响国家的竞争、城市的演变和产业转型。一切组织都会向平台化的方向发展。

02

人工智能和经济增长

经济的长期增长，主要是来自全要素生产率的增长。全要素生产率的增长，除了科技（包括人工智能）的进步，还包括管理效率和要素错配这两个问题带来的影响。

大量的数据都表明，经济的长期增长率一直在下降。无论是20世纪80、90年代还是千禧年后，整个世界的GDP增长一直在下降。

Gordon（2016）提出，美国的长期经济增长将继续下台阶。Gordon研究了美国过去150年的经济发展史，认为美国的发展呈现倒U型的特征。美国经济大约从19世纪70年代开始起飞，到20世纪50年代达到顶点，之后逐步下降。

Gordon的一个略为意外的发现是，从20世纪70年代开始，美国经济的增长表现非常普通，特别是创新的步伐和技术进步带来的增长并没有惠及到更多人。

为什么现在大家如此关心人工智能的发展？很重要的一个原因是希望能够找到提升经济增长新的关键要素，希望找到推动经济持续增长的新动力。这是大时代的背景。

人工智能是否会推动经济增长和提升生产率，对中国同样非常重要。

一是因为目前对中国经济长期增长源泉的解读有很多误区。很多人认为中国经济的增长来自于投资的驱动，认为由于投资占比已经很高，且投资回报率逐步降低，所以中国的经济增长必然下行。

第二个原因是人工智能对组织生产活动的要素配置会有影响。如果人工智能可以提升要素配置效率，那经济增长的潜力也会提高。

Zhu（2012）的研究表明，与很多人想象的不同，中国经济的增长主要来自于效率的提升，而不是来自于投资的增加。虽然投资的增加是经济增长很重要的一部分，但最主要的增长还是来自于经济效率的提升。他的这一发现在学术界受到了越来越多的关注。

这一研究的重要性不仅在于其给出了一个与主流很不一样的观点，更重要的在于这个研究对判断经济增长的潜力有非常大的参考意义。

根据这一研究，1978—2007年，在中国经济增长的贡献中，有70%是来自于全要素生产率的增长。这一结论非常重要，意味着中国长期经济增长仍然有非常大的空间。

这是因为在经历了40年的高速增长后，中国的全要素生产率仍然只有美国的20%多。这表明通过提升全要素生产率来促进中国经济增长的空间非常大。这就是为什么人工智能和新的经济增长动力如此重要的根本原因。

由此，需要一个坚实的支持经济增长的微观理论基础来对当前的经济形势进行解释和指导。人工智能可以看作是广义的机器自动化。在经典的索罗模型中，可以借助一个简单的增长模型来讨论人工智能对经济增长的影响。

参考ZEIRA（1998）的经济增长模型，简单来说，经济增长实际上可以看成一个抽象的生产函数。一个国家的产出是由生产力、资本和劳动共同决定的。

根据这一模型，可以推导出一个重要的结论：经济的增长速度与自动化的比例正相关，即自动化的提升会增加长期的增长。此外，自动化比例的提升意味着资本在总产出中的占比提高。

这个简单的模型有两个非常重要的含义。

第一，人工智能在理论上有可能会带来经济的持续增长。人工智能比例的提升，会带来经济增速的持续提高。这实际上就是从经济学上定义的奇点。经济学家在这方面向自然科学学习了很多。这里的所谓奇点，从经济学角度来说，就是持续的超高增速。

第二，资本和劳动在产出中的占比关乎收入的分配及平等和长期的社会稳定。资本占比提升和劳动的占比越来越低意味着贫富差距会增加。资本家是成为人工智能的投资者和获益者，而普通的工人则可能成为受害者。

对于人工智能对经济增长的影响，在给出确定结论前，可以简要回顾一下历史。关于人工智能的争论其实是一个历久弥新的话题，从信息技术一出现，大家就在讨论这个问题。

20世纪90年代《经济学人》的说法是，计算机不会提升人们的生产力。Zachary（1991）认为数据过载限制了生产率的提高。而信息技术对生产率的提升是显而易见的。

但1996—1999年，美国私人部门的年均增长率达到2.8%，是1980—1995年间的2倍。这段时间可以明显看到信息技术带来的生产力的提升。

人工智能鼻祖和行为经济学鼻祖西蒙也认为计算机和自动化会推动生产力的持续提升，但可能不是加速的提升。加速就是前面提到的奇点，即人工智能应当会持续提升生产率。业界的研究也支持这一判断。

埃森哲的研究表明，美国生产率的增长受益于人工智能，到了2030年可以实现翻倍，意味着全球的经济增长可能会重新进入高速增长的环境，全球经济将进入新的增长周期。

经济增长的源泉无外乎生产率的增长、资本投入的增加或是劳动人口的增长。如何理解抽象的增长模型中人工智能会导致长期的总经济增长？

第一，从资本的角度，对人工智能的投资会产生很多不会折旧的资产，甚至还会增值，这是因为人工智能有学习能力，如阿尔法狗，它一天比一天聪明。这与传统的资本完全不同。

第二，从劳动力的角度，人工智能与劳动力之间的替代关系和互补关系同时存在。在国民经济的很多部门，人工智能会逐渐替代人工，但在其他很多部门，人工智能与劳动力之间是互补的。而且人工智能对劳动力的替代，有可能意味着人们会接受更多的教育，从而带来劳动生产率的提升。

从历史的经验来看，可以参考信息技术对生产率的影响。1996—1999年，是美国信息技术、互联网开始发展的时期。这段时期，美国全要素生产率年均增长2.8%，是1980—1995年的两倍。这一数据表明人工智能这种新的技术会使得生产力有大幅度的提升。

第一次工业革命时期，1850—1910年，蒸汽机驱动的经济增长是0.3%，而第三次工业革命也就是信息技术驱动的经济增长是0.6%。

有估算认为，人工智能驱动的经济增长在0.8%—1.4%。虽然这个数字还难以确认，但有充分的理由相信，人工智能对整个经济效率的提升有非常大的帮助。

除了人工智能直接带来的经济增长，还有两个与人工智能间接相关并会提升经济增长的原因。

第一，来自于管理和组织效率的提升，这个是在微观层面上的。

Bloom（2007）等学者的研究表明，不同国家的企业管理水平差别很大。假设企业管理水平的总分是5分，将各国企业管理水平得分排名，美国、日本、德国名列前茅，中国则仍然处在一个非常低的水平上。这一研究对于理解中国经济增长的长期潜力有非常重要的含义。

中国是在如此低的管理水平的基础上取得近四十年的高速增长的。如果中国能够借鉴国际先进的企业管理经验，提升组织管理效率，就可以大幅提升中国的经济增长水平。

第二，要素错配的问题。

要素错配对经济增长的影响近年来在学术界引起了很大的关注。提升经济增长的另外一种方式是改善要素错配。要素错配会导致经济效率的损失，如果中国能够改善经济要素的配置效率，就可以提升经济效率，进而促进经济增长。

谢长泰[6]等的研究表明，与理想状况相比，中国的全要素生产率提升可以超过100%；即使是与美国的实际水平相比，中国的全要素生产率仍然会有3%—50%的提升，这表明如果中国能够改善要素配置，经济增长的潜力就会持续提升。

总体来讲，跨部门、跨行业的生产率都存在差别。一个国家的企业生产率越集中，表示企业之间的生产效率越是接近的；越分散则表示不同企业的生产效率有差别。而中国企业的生产效率有很大的提升空间。

中国消费互联网的发展已经证明了提升要素配置促进经济增长的作用。阻碍要素配置效率方面有几个重要的调整成本，包括企业所有权和政治的联系、大量的非正式部门等。

但人工智能的发展会导致这些非正式部门的快速消失。这就是为什么产业互联网和人工智能的出现会改善要素配置效率，促进经济增长的原因。

03

产业互联网的影响

在消费互联网中，已经出现的代表性企业有美国的谷歌、苹果、脸书、亚马逊，中国的百度、阿里巴巴、腾讯。

但产业互联网还正在发展中，目前还看不到明确的巨头。美国的通用电气是在产业互联网方面转型最坚定的企业，但目前仍然没有看到非常明显的竞争优势。

什么是产业互联网？笔者的定义是，产业互联网是通过互联网来重构产业的价值链和创造新的价值。而不是简单地在互联网上加一个东西，其范围其实是非常广泛的。

需要正确理解产业互联网与通常所讲的“互联网+”或“+互联网”的区别。

以婚介市场为例，婚介市场是一个具有很大的商业价值和社会价值的大市场。简单的“互联网+”就是把婚介搬到网上去，即国内很多婚恋网站的模式。这种做法只是把线下的婚介搬到线上。其目标是尽可能多地促进互动（interaction）。但美国有一家与众不同的婚恋匹配的网站，叫做eHarmony。

中国的很多婚恋网站注册很容易，但美国这家公司却不同。如果想要成为该网站的会员，需要花四个小时做心理学专家仔细设计的250道问题。这种做法的好处在于可以剔除哪些不是严肃找婚恋对象的用户，有效提升匹配效率。

这里的核心就是进行价值链的重构。整个网站是在信任的基础上，给用户提供严肃、有效的匹配。这种做法完全改变了婚恋网站的商业模式和治理方式，这就是产业互联网与“互联网+”的区别。

产业互联网是一个巨大的市场，发展空间巨大。通用电气的估计是32万亿美元，占到了美国46%的GDP。根据思科的估计，到2020年，美国公司的利润通过产业互联网可以增长21%。

虽然目前中国市场上没有明确的产业互联网巨头，但可以期待产业互联网会为中国带来同样的巨变。

革命性的新产品或新服务一定会出现，类似于苹果创造新的市场，或是特斯拉改变世界汽车产业的方式。特斯拉的意义在于其完全颠覆了一个产业。

电动车并不是新东西，爱迪生是最早看到电动车前途的。但真正驱动汽车产业大发展的是福特的T型车和汽车能源的使用方式。

特斯拉的重要性在于其对汽车产业的两个根本性改变：自动驾驶系统和充电电池系统。这就是为什么特斯拉的市值会超过传统的汽车巨头通用汽车。需要看到的是，特斯拉试图做的是成为汽车产业的微软和英特尔的结合体。

新的应用效率可能会降低成本，提升满意度和安全性。因为在整个生产、服务领域，都会有非常大的改变。

提到工业物联网，如果效率的提升会带来整个产值的增加，那么无论是航空、电力、健康、铁路，还是石油、天然气，产业互联网和人工智能对上述产业的改变都会非常大。

04

平台化组织

今天全球十大公司很多都是平台型公司，包括谷歌、苹果、腾讯、阿里巴巴等。平台经济的商业模式会影响到很多层面，包括国家层面、地方政府、城市，以及各个产业。人工智能的出现，会加剧这个过程的演变。

以PC产业的演变为例，传统计算机产业的典型代表是早期具有垂直整合结构的IBM，即计算机的所有零部件都由自己生产。但今天的计算机产业是一个非常碎片化的产业，由极少数的关键玩家主导，如芯片由因特尔主导，操作系统则由微软主导，其他的部件则由标准化配件提供商生产。

计算机产业从垂直整合结构演变为分散水平结构，意味着这个产业的利润被少数平台型公司获取，其他公司只能赚非常薄的利润。这是非常重要的演变趋势，PC产业的演变，将来有可能会在很多产业中复制。

任何一个行业，如果像PC产业一样演变，那就意味着产业里绝大部分公司只能退化成一个提供标准化组件并获取市场平均利润的普通公司，而主导产业演变的平台型公司则将领导整个产业并获取绝大部分的蛋糕，如智能手机平台苹果、搜索平台谷歌、电商平台阿里巴巴和社交平台腾讯。

平台型组织的演变会对社会产生的影响主要有三个趋势：

第一个趋势是平台化后，产业的合作和融合更加明显。

一些提供单一功能或服务的企业存在通过其独特服务渗透到其他产业进行平台覆盖的可能。产业的分散化意味着核心的主导公司可能会通过技术来颠覆传统产业。

如在汽车产业，传统的主导公司是通用、福特、奔驰等汽车制造商，但在自动驾驶和新能源时代，谷歌和特斯拉可能通过其全新的驾驶技术或充电技术颠覆传统产业。新兴的科技公司也有可能通过智能手术技能来颠覆传统的医疗产业。

第二个趋势是人工智能的基础设施能够促进增长，包括硬件、数据。庞大的数据会使大公司的优势加强。

平台的演变会影响一切经济形态和组织形态，意味着平台的模式将主导一切，平台型的国家会出现。未来，美国和中国将会成为全球经济的超级两强，其他国家则会成为全球政治和经济上的组件和配角。

人工智能会使得中美两国在资本、技术方面的优势进一步强化。而平台型城市会使得人才和资本的规模效应更强，更集中在大城市。深圳就是非常典型的平台城市。

第三个趋势是平台型产业的普遍化。

现在还没有看到人工智能这个产业里出现非常典型的突出玩家，但将来一定会有某个公司提供主导机器的操作系统。这个产业一定会产生一个领导性的企业，类似于微软的超级平台。

可以肯定的是，目前经济体量较大的国家在人工智能方面的投入会非常多，并进一步导致国家间的强弱分化。

05

结 论

本文主要讨论了三个问题：人工智能和互联网能否带来新的经济增长？产业互联网将如何影响产业竞争的格局，它对整个经济的增长有什么样的影响？平台型组织的演变会对社会产生多大的影响？

无论是历史的数据还是理论分析都表明，可以适度乐观看待产业互联网和人工智能对经济的影响。人们有理由相信产业互联网和人工智能会大幅度提升生产力，并推动长期经济增长。

同时，笔者认为，平台加组件的模式会横扫一切组织形态，包括国家、城市和产业，整个社会都会全面向平台化发展。

篇13

伴随着信息科技的迅猛发展，基础层的云计算、大数据等因素的成熟带来了人工智能的进步，近年来人工智能概念发展十分迅速，深度学习带来的技术突破使得复杂任务处理准确率得到大幅提升，人工智能步入其发展黄金期。“十三五?划”提出了“重点突破新兴领域人工智能技术”，国家层面和地方层面也都相继出台了其他各项政策对发展人工智能和大数据进行有力支持。发展人工智能有望成为经济发展的新动力。国内外互联网巨头凭借其先天用户数据丰富、资源配置高效等方面的优势，以各种形式在加速布局人工智能领域。在大数据处理能效显著提升与人工智能快速渗透的时代背景下，金融决策平台搭载人工智能技术，使金融数据的分析越来越科技化、多样化与普适化，虽然在我国金融数据的挖掘和应用尚在起步阶段，但金融数据作为大数据中最具含金量的数据源，也逐渐受到越来越多的重视。

二、技术理论基础与金融决策

传统的数据服务软件提供给客户的主要是行情展示、行情推送等基础的服务，而互联网技术和互联网金融企业的蓬勃发展，共同促进了金融机构的建设，人工智能的正在从专用型（特定于某一场景）转变为通用型，将基于数据、算法和计算的互联网技术群与实际场景相互联系起来，协同发展。正是由于人工智能突破传统局限的范畴，才能使其真正将技术拓展至泛智能的应用，更具普适型的Applications随之产生。基于对金融参与者全方位的大数据分析、以及不断机器模拟学习和推进人工智能技术，提供精准内容服务和数据辅助处理服务更为高效；帮助个人或者机构作出适合其风险偏好、收益要求、投资年限等的金融决策平台不断产生。

在以人工智能技术融合进金融决策系统分析的过程中，仍旧以基础金融理论为指导，以马科维茨理论的均值方差模型为基础，在所构建的投资组合中，以最低的风险水平上赚取最高的收益率为目标。在按照一定算法筛选出满足一定收益风险指标的投资策略组合，保证其组合符合投资人的风险收益偏好。基于人工智能技术的更高级的算法和技术操作，可以在金融决策过程中进行更为广泛的量化投资策略，包含诸如行业轮动策略、量化择时策略、多因子Alpha体系以及其他各类事件驱动策略决策。在人工智能技术的前提下，由学习系统、决策系统、智能执行构成的智能，通过数据监测和模块分析对外界实时金融数据的处理结果进行相应操作。

无论是自筹数据、公共数据还是产业数据协同，数据的挖掘过程繁复，容易造成数据失真，人工的方式失误程度更高，同时数据级别都是海量单位，大量数据存在方式为非结构化的形式，金融大数据的处理工作面临挑战。但融合人工智能技术的数据挖掘真实性、完整性更为可靠，并且在风险管理与交易这种复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。金融决策系统搭载人工智能技术的应用可以说是金融机构与客户的交互入口，传统的数据服务以人工服务的模式展开，客服面临的80%的问题是简单、重复的问题，但却消耗大量的人力和时间成本；同时，客服的服务内容大都来自企业自由知识体系，受整体外部金融环境的影响较少，这使得企业智能化应用相对容易，并且针对不同需求的客户提供不同专业的智能服务也变得不再是遥不可及。人工智能技术在既有技术的基础上，将出现显著的突破，其应用价值也将显著提升。人工智能技术在促进商业模式智能化的融合上也发挥着举足轻重的作用。

阿里巴巴旗下蚂蚁金服2016年公布的数据中，网上银行的花呗与微贷业务上，使用机器学习将虚假交易率降低了十倍，机器人问答准确率超过80%，人工智能在于客户沟通及数据挖掘中发挥了重要作用。交通银行推出的网点智能机器人，足以分担大量大堂经理的工作，分流客户，节省客户时间。平安集团下设人工智能实验室大规模研发人工智能金融应用，人机结合有效解决了客户问题，并能实现个性化服务。为客户金融决策行为提供得力辅助。

三、研究意义

金融数据大多是以时间序列的形式展示出来，而金融时间序列中包含了诸多金融知识和规律，在大数据和人工智能背景下的金融数据挖掘和分析是从指定金融网页上的金融模块中采集相关数据，运用智能科技手段进行分析、处理相关金融数据并指导相关金融决策的过程，研究智能技术在金融数据分析中的应用可以为金融决策系统提供新的理论基础。

金融数据存在的范围极广泛，经济活动和商业活动中都存在大量金融数据，但用户对于数据的需求与使用情况多元化，金融数据决策系统可以根据用户的实际需求进行调整，跨区域、低成本、全透明、全数字地持续跟踪市场变化，充分发挥互联网技术的作用，大大降低投资理财费用，并且能够精确、快速匹配投资需求，同时保持实时数据披露和高流动性，使得客户可以以最低的信息成本获取更高的信息收入。在用户的数据分析过程中，有效性越高，信息不对称的成本越低，便越有利于对决策的客观性和稳定性，以及越有利于金融市场的稳定性与规范性。

篇14

面向工业互联网的大数据相关应用系统，从功能视角看，主要由数据采集与交换，数据预处理与存储、建模、分析和数据驱动下的决策与控制应用四个层次五大部分组成。

数据采集与交换层主要实现工业各环节数据的采集与交换，数据源既包含来自传感器、SCADA、MES、ERP等内部数据，也包含来自企业外部的数据，主要包含对象感知、实时采集与批量采集、数据核查、数据路由等功能。

数据预处理与存储层的关键目标是实现工业互联网数据的初步清洗、集成，并将工业系统与数据对象进行关联，主要包含数据预处理、数据存储等功能。

数据建模层根据工业实际元素与业务流程，在数据基础上建构用户、设备、产品产线、工厂、工艺等数字模型，并结合数据分析层提供数据报表、可视化、知识库、数据分析工具及数据开放功能，为各类决策的产生提供支持。