中投顾问产业研究中心
中投顾问·让投资更安全 经营更稳健
2018-2022年中国人工智能相关专利申请规模分析
中投顾问发布的《2018-2022年中国人工智能行业深度调研及投资前景预测报告》分析认为，目前中国人工智能技术研究与运用正处于高速进步期，随着科技、制造等业界巨头公司布局深入，人工智能相关专利研究申请数量也呈现一个逐步上升的趋势。
中国人工智能相关专利申请数从2010年开始持续增长，于2014年达到19197项，并于2015年开始大幅增长，达到28022项，2016年，中国人工智能相关专利年申请数为29023项。艾媒咨询分析师认为，2010年移动互联网开始迅速发展，技术和数据的积累给人工智能研究带来了较大的增长动能。进入2015年，随着人工智能应用场景不断扩展，中国人工智能相关研究开始进入高速发展阶段。目前已取得一定阶段性成果，有望持续发展，预计未来人工智能专利申请数还将持续增长。
图表 2007-2016年中国人工智能相关专利申请数统计
数据来源：艾瑞咨询
中投顾问发布的《2018-2022年中国人工智能行业深度调研及投资前景预测报告》认为，随着人工智能利好政策的加快出台，我国人工智能领域的投融资规模也逐步上升，北京、上海、广东成为人工智能领域融资发展的重要力量。未来，中国人工智能产业将以其优越的应用能力在全球各地区实现突破和发展。随着政策布局的推进，我国对人工智能的支持力度持续加码，行业发展前景看好。
1.下列对我国人工智能基础理论的表述，不当的是（）。（ 2.0分） A.大数据智能 B.人机混合智能 C.独媒体感知计算 D.自主协同与决策 2.在高血压诊断标准的变迁史上，（）将高血压的诊断标准定为210/100mmHg以下更受益。（2.0分） A.1949年 B.1984年 C.1993年 D.2016年 3.2005年，美国一份癌症统计报告表明：在所有死亡原因中，癌症占（）。（2.0分） A.1/4 B.1/3 C.2/3 D.3/4 4.50年前，人工智能之父们说服了每一个人：“（）是智能的钥匙。”（2.0分） A.算法 B.逻辑 C.经验 D.学习 5.下列选项中，不属于生物特征识别技术的是（）。（2.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别 6.古代把计量叫“度量衡”，其中，“量”是测量（）的过程。（2.0分） A.长度
B.容积 C.温度 D.轻重 7.生物特征识别技术不包括（）。（2.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 8.（）是一种处理时序数据的神经网络，常用于语音识别、机器翻译等领域。（2.0分） A.前馈神经网络 B.卷积神经网络 C.循环神经网络 D.对抗神经网络 9.医学上用百分位法来判定孩子是否属于矮小。如果一个孩子的身高低于同种族、同年龄、同性别正常健康儿童身高的第（）百分位数，医学上称之为矮小。（2.0分） A.1 B.2 C.3 D.4 10.如果一个人体检时发现乳腺癌1号基因发生突变，可以推断出（）。（2.0分） A.这个人患乳腺癌的概率增加了 B.这个人已经患了乳腺癌 C.这个人一定会患乳腺癌 D.这个人很快会被检查出乳腺癌 11.MIT教授Tomaso Poggio明确指出，过去15年人工智能取得的成功，主要是因为（）。（2.0分） A.计算机视觉 B.语音识别 C.博弈论
2019年中国人工智能行业市场现状及发展前景分析未来智 能制造将成为行业主战场 未来智能制造将是人工智能的主战场 国家工业信息安全发展研究中心认为，目前我国人工智能和制造业融合有着广泛的基础，智能制造是“中国制造2025”的主攻方向，而人工智能是引领新一轮科技革命和产业变革的战略性技术。但新一代人工智能技术在制造业重点领域的应用刚刚起步，人工智能与制造业的融合尚处于初级阶段，未来智能制造将是人工智能的主战场。 1、人工智能+制造业创造新业态 目前中国人工人工智能迈向了2.0阶段，以通过互联网联系在一起的一套巨大的智能系统为标志。从智能制造业角度出发，人工智能技术正在深入改造制造行业。新一代人工智能技术与制造业实体经济的深度融合，成为应用市场一大亮点，催生了智能装备、智能工厂、智能服务等应用场景，创造出自动化的一些新需求、新产业、新业态。
2、政策春风利好工智能发展 2017年，人工智能被首次写入到政府工作报告中，2018年政府工作报告中提出：“发展壮大新动能，做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业，拓展智能生活。”，2019年的政府工作报告中，对人工智能的描述也由“加快人工智能等技术研发和转化”、“加强新一代人工智能研发应用”变为“深化大数据、人工智能等研发应用”，可见在国家层面上，对人工智能产业的重视程度日益加深。 3、2018年中国人工智能产业规模超400亿 在政策和技术的推动下，中国人工智能产业发展迅速。跟据中国信通院数据，2015年到2018年中国人工智能产业规模复合平均增长率为54.6%，高于全球平均水平(约36%)。2018年，中国人工智能产业市场规模已达到415.5亿元。其中，企业技术集成与方案提供、关键技术研发和应用平台两个应用领域据发展火热。
2019年版人工智能行业市场调研分析报告（部分内容） China's Industrial Market Research and Prospect Forecast Analysis Report(2019-2025) （专业、精准、高效，助力企业决策）
2015-2017年机器人产业发展综况 一、全球机器人行业规模分析 当前，全球机器人市场规模持续扩大，工业、特种机器人市场增速稳定，服务机器人增速突出。技术创新围绕仿生结构、人工智能和人机协作不断深入，产品在教育陪护、医疗康复、危险环境等领域的应用持续拓展，企业前瞻布局和投资并购异常活跃，全球机器人产业正迎来新一轮增长。 全球市场规模 根据调研的数据，2017年，全球机器人市场规模达到232亿美元，2012-2017年的平均增长率接近17%。其中，工业机器人147亿美元，服务机器人29亿美元，特种机器人56亿美元。 图1：2017年全球机器人规模占比 （一）工业机器人：销量稳步增长，亚洲市场依然最具潜力 目前，工业机器人在汽车、金属制品、电子、橡胶及塑料等行业已经得到了广泛的应用。随着性能的不断提升，以及各种应用场景的不断明晰，2012年以来，工业机器人的市场正以年均15.2%的速度快速增长。据IFR统计显示，2016年全球工业机器人销售额首次突破132亿美元，其中亚洲销售额76亿美元，欧洲销售额26.4亿美元，北美地区销售额达到17.9亿美元。中国、韩国、日本、美国和德国等主要国家销售额总计占到了全球销量的3/4，这些国家对工业自动化改造的需求激
活了工业机器人市场，也使全球工业机器人使用密度大幅提升，目前在全球制造业领域，工业机器人使用密度已经超过了70台/万人。2017年，工业机器人将进一步普及，销售额有望突破147亿美元，其中亚洲仍将是最大的销售市场。 图2：2012-2020年全球工业机器人销售额及增长率 （二）服务机器人：人工智能兴起，行业迎来高速发展新机遇 随着信息技术快速发展和互联网快速普及，以2006年深度学习模型的提出为标志，人工智能迎来第三次高速发展。与此同时，依托人工智能技术，智能公共服务机器人应用场景和服务模式正不断拓展，带动服务机器人市场规模高速增长。2017年，全球服务机器人市场达29亿美元。2020年将快速增长至69亿美元，2016-2020年的平均增速高达27.9%。2017年，全球医疗服务机器人、家用服务机器人和专用服务机器人市场规模分别为16.2亿美元、7.8亿美元和5亿美元，其中医疗服务机器人市场规模占比最高达55.9%，高于家用服务机器人29个百分点，其中智能服务机器人的比例快速提升。
２０１８年中国人工智能产业白皮书
册子 / 报告标题|章节标题 目录 主要发现 1第一章人工智能行业综述篇 3 1.1 全球及中国发展概况 4 1.1.1 全球市场 4 1.1.2 发展驱动力 6 1.1.3 面临挑战 11 1.2 人工智能产业链 12 1.2.1 基础层 13 1.2.2 技术层 14 1.2.3 应用层 16 1.3 中国人工智能领域投资 17 1.3.1 投资热点及趋势 17 1.3.2 进击的巨头 19第二章人工智能商业化应用篇 21 2.1 数字政府：政策利好加速政府智能化变革 23 2.2 金融：人工智能变革金融经营全过程 26 2.3 汽车：人工智能正在重塑汽车产业生态 30 2.4 医疗：人工智能加速医疗技术革新 34 2.5 零售：人工智能应用从个别走向聚合 38 2.6 制造业：人工智能应用潜力被低估 44第三章中国主要人工智能产业发展区域及定位 47 3.1 中国人工智能企业分布重点城市 48 3.2 人工智能产业园 57 3.3 杭州未来科技城人工智能发展建议 59 02
册子 / 报告标题|章节标题主要发现 1. 中国人工智能产业发展迅速，但整体实力仍落后于美国。中国已成为人工 智能发展最迅速的国家之一，2018年中国人工智能市场规模有望超过300亿 元人民币。人工智能企业数量超过1000家，位列全球第二。本次人工智能浪 潮以从实验室走向商业化为特征，其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。与此同 时，中国处于人工智能发展初期，基础研究、芯片、人才方面的多项关键指标 与美国差距较大。 2. 中国企业价值链布局侧重技术层和应用层，对需要长周期的基础层关注 度较小。人工智能产业链分为基础层（芯片、算法框架）、技术层（计算机视 觉、自然语义理解、语音识别、机器学习）和应用层（垂直行业/精确场景）。中 国企业布局比较偏好技术相对成熟、应用场景清晰的领域，对基础层关注度 较小。瞄准AI专用芯片或将为中国企业另辟蹊径。 3. 科技巨头生态链博弈正在展开，创业企业则积极发力垂直行业解决方案， 深耕巨头的数据洼地，打造护城河。科技巨头构建生态链，已经占据基础设 施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡，更多的创业企业 将发力深耕巨头的数据洼地（金融、政府事务、医疗、交通、制造业等），切入 行业痛点，提供解决方案，探索商业模式。 4. 政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道， 早期进入的企业逐步建立行业壁垒，未来需要解决数据割裂问题以获得长 足发展。各地政府的工作内容及目标有所差异，因而企业提供的解决方案并 非是完全标准化的，需要根据实际情况进行定制化服务。由于政府一般对于 合作企业要求较高，行业进入门槛提高，强者恒强趋势明显。 5. 人工智能在金融领域的应用最为深入，应用场景逐步由以交易安全为主 向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工 智能在金融行业的应用，改变了金融服务行业的规则，提升金融机构商业效 能，在向长尾客户提供定制化产品的同时降低金融风险。 6. 医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市 场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决 医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康，医疗 又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产 品商业化过程中如何制定医疗和数据监管标准。 03
第三章约束推理 约束的定义：一个约束通常是指一个包含若干变量的关系表达式，用以表示这些变量所必须满足的条件。 贪心算法：贪心法把构造可行解的工作分阶段来完成。在各个阶段，选择那些在某些意义下是局部最优的方案，期望各阶段的局部最优的选择带来整体最优。 回溯算法：有些问题需要彻底的搜索才能解决问题，然而，彻底的搜索要以大量的运算时间为代价，对于这种情况可以通过回溯法来去掉一 些分支，从而大大减少搜索的次数 第四章定性推理 定性推理的定义是从物理系统、生命系统的结构描述出发,导出行为描述, 以便预测系统的行为并给出原因解释。定性推理采用系统部件间的局部结构规则来解释系统行为, 即部件状态的变化行为只与直接相邻的部件有关 第六章贝叶斯网络 贝叶斯网络的定义： 贝叶斯网络是表示变量间概率依赖关系的有向无环图，这里每个节点表示领域变量，每条边表示变量间的概率依赖关系，同时对每个节点都对应着一个条件概率分布表(CPT) ，指明了该变量与父节点之间概率依赖的数量关系。 条件概率：条件概率:我们把事件B已经出现的条件下，事件A发生的概率记做为P(A|B)。并称之为在B出现的条件下A出现的条件概率，而称P(A)为无条件概率。 贝叶斯概率：先验概率、后验概率、联合概率、全概率公式、贝叶斯公式 先验概率： 先验概率是指根据历史的资料或主观判断所确定的各事件发生的概率，该类概率没能经过实验证实，属于检验前的概率，所以称之为先验概率 后验概率： 后验概率一般是指利用贝叶斯公式，结合调查等方式获取了新的附加信息，对先验概率进行修正后得到的更符合实际的概率 联合概率： 联合概率也叫乘法公式，是指两个任意事件的乘积的概率，或称之为交事件的概率。 贝叶斯问题的求解步骤 定义随机变量、确定先验分布密度、利用贝叶斯定理计算后验分布密度、利用计算得到的厚颜分布密度对所求问题作出推断 贝叶斯网络的构建 为了建立贝叶斯网络，第一步，必须确定为建立模型有关的变量及其解释。为此，需要：(1)确定模型的目标，即确定问题相关的解释；(2)确定与问题有关的许多可能的观测值，并确定其中值得建立模型的子集；(3)将这些观测值组织成互不相容的而且穷尽所有状态的变量。这样做的结果不是唯一的。第二步，建立一个表示条件独立断言的有向无环图第三步指派局部概率分布 p（xi|Pai）。在离散的情形，需要为每一个变量 Xi 的各个父节 点的状态指派一个分布。 第七章归纳学习 归纳学习是符号学习中研究得最为广泛的一种方法。给定关于某个概念的一系列已知的 正例和反例，其任务是从中归纳出一个一般的概念描述。 归纳学习能够获得新的概念，创立新的规则，发现新的理论。它的一般的操作是泛化和特化泛化用来扩展一假设的语义信息，以使其能够包含更多的正例，
人工智能市场调研分析报告
目录 第一节人工智能与深度学习 (3) 一、人工智能：让机器像人一样思考 (3) 二、机器学习：使人工智能真实发生 (4) 三、人工神经网络：赋予机器学习以深度 (4) 四、深度学习：剔除神经网络之误差 (5) 第二节深度学习的实现 (5) 一、突破局限的学习算法 (6) 二、骤然爆发的数据洪流 (6) 三、难以满足的硬件需求 (7) 第三节现有市场——通用芯片GPU (8) 一、GPU是什么？ (8) 二、GPU和CPU的设计区别 (8) 三、GPU和CPU的性能差异 (9) 四、GPU行业的佼佼者：Nvidia (10) 五、Nvidia的市场定位：人工智能计算公司 (11) 六、Nvidia的核心产品：Pascal家族 (12) 七、Nvidia的应用布局：自动驾驶 (13) 八、Nvidia的产业优势：完善的生态系统 (14) 第四节未来市场：半定制芯片FPGA (14) 一、FPGA是什么？ (14) 二、FPGA和GPU的性能差异 (15) 三、FPGA市场前景 (16) 四、FPGA现有市场 (17) 五、FPGA行业的开拓者：Intel (17) 六、Intel的产品布局 (17) 七、Intel的痛点：生态不完善 (18) 八、Intel的优势 (19) 第五节投资前景 (20)
第一节人工智能与深度学习 2016年，AlphaGo与李世石九段的围棋对决无疑掀起了全世界对人工智能领域的新一轮关注。在与李世石对战的5个月之前，AlphaGo因击败欧洲围棋冠军樊麾二段，围棋等级分上升至3168分，而当时排名世界第二的李世石是3532分。按照这个等级分数对弈，AlphaGo每盘的胜算只有约11%，而结果是3个月之后它在与李世石对战中以4比1大胜。AlphaGo的学习能力之快，让人惶恐。 一、人工智能：让机器像人一样思考 自AlphaGo之后，“人工智能”成为2016年的热词，但早在1956年，几个计算机科学家就在达特茅斯会议上首次提出了此概念。他们梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，也就是我们今日所说的“强人工智能”。这个无所不能的机器，它有着我们所有的感知、所有的理性，甚至可以像我们一样思考。 人们在电影里也总是看到这样的机器：友好的，像星球大战中的C-3PO；邪恶的，如终结者。强人工智能目前还只存在于电影和科幻小说中，原因不难理解，我们还没法实现它们，至少目前还不行。 我们目前能实现的，一般被称为“弱人工智能”。弱人工智能是能够与人一样，甚至比人更好地执行特定任务的技术。例如，Pinterest上的图像分类，或者Facebook的
人工智能重点 绪论 ●人工智能的定义起源和发展其他概念稍微了解 1.什么是人工智能？试从能力和学科两方面加以说明。 答：学科：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。其近期的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。 能力：人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。知识表示方法 2.人工智能的主要研究和应用领域有哪些？ 答：自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。 3、简述人工智能的发展状况 人工智能的现状和发展呈现如下特点：多种途径齐头并进，多种方法写作互补；新思想、新技术不断涌现，新领域、新方向不断开括;理论研究更加深入，应用研究更加广泛;研究队伍日益壮大，社会影响越来越大;以上特点展现了人工智能学科的繁荣景象和光明前景。它表明，虽然在通向其最终目标的道路上，还有不少困难、问题和挑战，但前进和发展毕竟是大势所趋。 4.简述知识发现过程和知识发现的方法。 答：过程：①数据选择；②数据预处理；③数据变换；④数据挖掘；⑤知识评价方法：①统计方法；②机器学习方法；③神经计算方法；④可视化方法 ● 2.1状态空间法（重点）看例题 状态空间法的三要素：状态、算符、状态空间方法（是一个表示该问题全部可能状态及其关系的图，它包含三种说明的集合，即三元状态（S，F，G）。S：所有可能的问题初始状态集合；F：操作符集合；G：目标状态集合。） 状态图示法：状态空间的图示形式称为状态空间图 各种问题都可用状态空间加以表示，并用状态空间搜索法来求解。下面简单介绍一种产生式系统描述的搜索算法 产生式系统由三部分:一个总数据库、一套规则、一个控制策略（程序） ● 2.2问题规约法（重点） 另外一种基于状态空间的问题描述与求解方法；实质：从目标出发逆向推理，建立子问题以及子问题的子问题，直到最后把初始问题归约为一个本原问题集合。 组成部分：初始问题描述、问题变换为子问题的操作符、一套本原问题描述 与或图；与或图的搜索：目的在于表明起始节点是有解的 问题规约法举例：汉诺塔问题
一、人工智能的内涵及分类 （一）人工智能的内涵 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能被发达国家视为人类的最后科学尖端，科研领域皇冠上的明珠。 （二）人工智能的分类 人工智能的概念很宽泛，按照人工智能的实力可分为三大类： 1、弱人工智能：在特定领域等同或者超过人类智能或效率的机器智能。 2、强人工智能：各方面都能和人类比肩的人工智能。 3、超人工智能：在包括科学创新、通识和社交技能等各个领域都超越人类的人工智能。 人工智能的革命就是从弱人工智能，通过强人工智能，最终达到超人工智能的过程。目前人类已经掌握弱人工智能，生活中弱人工智能无处不在，比如Siri、垃圾邮件过滤器、谷歌翻译、电商网站上的商品推送、谷歌无人驾驶汽车等等。 人脑与电脑的最大差别在于，一些我们认为困难的事情，如微积分、金融市场策略、翻译等，对于电脑来说都十分容易；但一些人类认为容易的事情，如视觉、动态、移动、直觉，对于电脑来说却是十分困难。而要达到人类级别的智能，电脑必须要理解更高深的东西，比如微小的脸部表情变化，以为为什么喜欢这个而不喜欢那个，要达到这样的水平首先在硬件方便要增加电脑处理速度，其次在软件方面要让电脑变得智能。 美国发明家、未来学家Kurzweil估算出人脑的运算能力是10^16 cps（calculations per second，每秒计算次数，描述运算能力的单位），即1亿亿次计算每秒。现在世界上最快的超级计算机，中国的天河二号，运行能力已达到3.4亿亿次，已经超过人脑，但由于其成本高、规模大、功耗高，使其并不能够被商业及广泛运用。Kurzweil认为考虑电脑发展程度的标杆是看1000美元能买到多少cps，当1000美元能买到人脑级别的1亿亿运算能力的时候，强人工智能就成为生活的一部分。而目前1000美元能买到10万亿cps（人脑的千分之一），根据加速回报定律，科技的进步将呈指数型增长，按照这个速度，到2025年1000美元就可以买到和人脑运算速度抗衡的电脑了。 二、人工智能的产业链分析 从发展路径及阶段上看，实现人工智能需经历三个阶段：计算智能（能存会算）、感知智能（能听会说、能看会认）和认知智能（能理解会思考）。
大学计算机基础知识点总结 第一章计算机及信息技术概述（了解） 1、计算机发展历史上的重要人物和思想 1、法国物理学家帕斯卡(1623-1662)：在1642年发明了第一台机械式加法机。该机由齿轮组成，靠发条驱动，用专用的铁笔来拨动转轮以输入数字。 2、德国数学家莱布尼茨：在1673年发明了机械式乘除法器。基本原理继承于帕斯卡的加法机，也是由一系列齿轮组成，但它能够连续重复地做加减法，从而实现了乘除运算。 3、英国数学家巴贝奇：1822年，在历经10年努力终于发明了“差分机”。它有3个齿轮式寄存器，可以保存3个5位数字，计算精度可以达到6位小数。巴贝奇是现代计算机设计思想的奠基人。 英国科学家阿兰 图灵(理论计算机的奠基人) 图灵机：这个在当时看来是纸上谈兵的简单机器，隐含了现代计算机中“存储程序”的基本思想。半个世纪以来，数学家们提出的各种各样的计算模型都被证明是和图灵机等价的。 美籍匈牙利数学家冯 诺依曼(计算机鼻祖) 计算机应由运算器、控制器、存储器、 输入设备和输出设备五大部件组成； 应采用二进制简化机器的电路设计； 采用“存储程序”技术,以便计算机能保存和自动依次执行指令。 七十多年来，现代计算机基本结构仍然是“冯·诺依曼计算机”。 2、电子计算机的发展历程 1、1946年2月由宾夕法尼亚大学研制成功的ENIAC是世界上第一台电子数字计算机。“诞生了一个电子的大脑”致命缺陷：没有存储程序。 2、电子技术的发展促进了电子计算机的更新换代：电子管、晶体管、集成电路、大规模及超大规模集成电路 3、计算机的类型 按计算机用途分类：通用计算机和专用计算机 按计算机规模分类：巨型机、大型机、小型机、微型机、工作站、服务器、嵌入式计算机 按计算机处理的数据分类：数字计算机、模拟计算机、数字模拟混合计算机 1.1.4 计算机的特点及应用领域 计算机是一种能按照事先存储的程序，自动、高速地进行大量数值计算和各种信息处理的现代化智能电子设备。（含义） 1、运算速度快 2、计算精度高 3、存储容量大 4、具有逻辑判断能力 5、按照程序自动运行 应用领域：科学计算、数据处理、过程与实时控制、人工智能、计算机辅助设计与制造、远程通讯与网络应用、多媒体与虚拟现实 1.1.5 计算机发展趋势：巨型化、微型化、网络化、智能化
2018年ICT产业人工智能行业分析报告 2018年11月
目录 一、政策、技术、资金共同驱动，人工智能迎第三次浪潮 (3) 1、人工智能上升至国家战略层面，行业发展全面加速 (3) 2、技术变革促使人工智能突破产业应用瓶颈，推动产业爆发 (4) 3、资本不断涌入，助推AI技术及应用进一步走向成熟 (5) 二、AI作为全新的生产要素，即将为传统行业带来变革 (5) 1、人工智能作为全新的生产要素，将改变企业竞争及增长方式 (5) 2、人工智能的应用进展取决于数字化程度，高数字化行业将优先实现应用 6 3、AI推动安防行业进一步升级，拓宽行业成长空间 (7) 4、智能语音：AI时代的流量入口，科技巨头纷纷布局 (7) 5、自动驾驶：人类逐步交出操控权，提高安全系数 (8) 三、AI正在重塑ICT产业格局 (9) 1、AI颠覆芯片产业格局，行业进入群雄逐鹿阶段 (10) 2、人工智能的软件技术平台将是巨头的必争之地 (10) 3、云化是AI发展前提 (11)
政策、技术、资本三轮驱动，AI即将为传统行业带来变革。政策频繁加持，AI上升至国家战略层面；数据、算法和算力发展成熟，助力AI突破发展瓶颈；资本不断涌入，17年我国AI融资金额达645亿，融资事件达492起。人工智能作为全新的生产要素，将改变企业竞争及增长方式。据埃森哲数据，AI将助力企业提升38%的盈利水平，同时为16个行业带来额外14万亿美元的总附加值（2035年）。 在应用落地层面，人工智能的应用进展取决于数字化程度，数字化程度高行业将优先实现应用。目前来看安防、金融、汽车等行业落地最快，零售、旅游、地产等行业相对滞后。AI亦正在重塑ICT产业格局。 在AI芯片领域，传统厂商、互联网企业及初创公司等纷纷布局AI芯片领域，产业呈现群雄逐鹿的竞争格局；在AI技术平台领域，由于其技术壁垒高、马太效应强，且需要长期持续的的大规模研发资本投入，未来这一领域将是国际巨头间的博弈。 未来AI将成为基础设施，科技巨头将成为AI基础设施的提供者，普通企业拥抱人工智能的前提是先云化，这将不是IT支出转云服务支出“左右互搏”的零和游戏，而是行业未来发展的必然趋势。 一、政策、技术、资金共同驱动，人工智能迎第三次浪潮 1、人工智能上升至国家战略层面，行业发展全面加速 2017年7月，国务院印发《新一代人工智能发展规划的通知》，
2018-2022年中国人工智能典型应用案例分析 中投顾问发布的《2018-2022年中国人工智能行业深度调研及投资前景预测报告》认为，随着人工智能技术研究的逐步成熟，人工智能在各个领域的应用进程也将进一步加快。在发展基础成熟且市场应用潜力大的汽车、消费品与零售、金融以及医疗行业内，人工智能将发挥重要的应用价值。 无人驾驶领域 驾驶辅助系统是汽车人工智能领域目前最为火热的方向。在感知层面，其利用机器视觉与语音识别技术感知驾驶环境、备识别车内人员、理解乘客需求；在决策层面，利用机器学习模型与深度学习模型建立可自动做出判断的驾驶决策系统。按照机器介入程度，无人驾驶系统可分为无自动驾驶（L0）、驾驶辅助（L1）、部分自动驾驶（L2）、有条件自动（L3）和完全自动（L4）五个阶段。目前，技术整体处于多个驾驶辅助系统融合控制、可监控路况并介入紧急情况（L2）向基本实现自动驾驶功能（L3）的转变阶段。 未来，完全的自动驾驶可以基于感知的信息作出应变，一边担任驾驶员的角色，一边提供车内管家的服务，还能应对其他各方面的需求和任务。 医疗图像分析 人工智能在医学影像的应用主要分为两个部分：第一部分是在感知环节应用机器视觉技术识别医疗图像，帮助影像医生减少读片时间，提升工作效率，降低误诊的概率；另一部分是在学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。 一个典型的例子为贝斯以色列女执事医学中心（BIDMC）与哈佛医学院合作研发的人工智能系统。该系统对乳腺癌病理图片中癌细胞的识别准确率可达92%，与病理学家的分析结合时，其诊断准确率可以高达99.5%。 智能投资顾问 智能投顾是根据客户理财需求和资质信息、市场状况、投资品信息、资产配置经验等数据，基于大数据的产品模拟和模型预测分析等人工智能技术，输出符合客户风险偏好和收益预期的投资理财建议。 国内智能投顾的参与者众多，包括如银行系（如广发智投、招商摩羯智投）、基金系（如南方基金超级智投宝、广发基金基智理财、天弘基金犇跑篮子）、大型互联网公司系（如百度金融、京东智投、同花顺）和第三方创业公司系（如弥财、蓝海财富、拿铁财经）等。 中投顾问·让投资更安全经营更稳健
?人工智能的不同研究流派：符号主 义/逻辑主义学派--符号智能；连接主 义--计算智能；行为主义-低级智能。 人工智能的主要研究领域 （一）自动推理（二）专家系统（三）机器 学习（四）自然语言理解（五）机器人学和 智能控制（六）模式识别（七）基于模型的 诊断 产生式系统是人工智能系统中常用的一种 程序结构，是一种知识表示系统。 三部分组成：综合数据库:存放问题的状 态描述的数据结构,动态变化的。产生式规 则集、控制系统。 / 产生式规则集/ 控制系统 产生式规则形式： IF<前提条件> THEN<操作> 八数码难题的产生式系统表示 综合数据库：以状态为节点的有向图。 状态描述：3×3矩阵 产生式规则： IF<空格不在最左边>Then<左移空格>； 依次 控制系统： 选择规则:按左、上、右、下的顺序 移动空格。 终止条件：匹配成功。 产生式系统的基本过程: Procedure PROCUCTION 1.DATA←初始状态描述 2.until DATA 满足终止条件，do： 3.begin 4.在规则集合中，选出一条可用于 DATA的规则R（步骤4是不确定的， 只要求选出一条可用的规则R，至于这 条规则如何选取，却没有具体说明。） 5. DATA←把R应用于DATA所得的结果 6.End 产生式系统的特点：1.模块性强，2.产生式 规则相互独立，3.规则的形式与逻辑推理相近，易懂。 产生式系统的控制策略：1.不可撤回的控制 策略：优点是空间复杂度小、速度快；缺点 是多数情况找不到解 2.试探性控制策略： 回溯方式：占用空间小，多数情况下能找到解；缺点是如果深度限制太低就找不到解； 和图搜索方式：优点总能找到解，缺点时间 空间复杂度高。 产生式系统工作方式：正向、反向和双向产 生式系统 可交换产生式系统：1.可应用性，每一条对 D可应用的规则，对于对D应用一条可应用 的规则后，所产生的状态描述仍是可应用的。 2.可满足性，如果D满足目标条件，则对D 应用任何一条可应用的规则所产生的状态描 述也满足目标条件。3.无次序性，对D应用 一个由可应用于D的规则所构成的规则序列 所产生的状态描述不因序列的次序不同而改变。可分解的产生式系统：能够把产生式系统综 合数据库的状态描述分解为若干组成部分， 产生式规则可以分别用在各组成部分上，并 且整个系统的终止条件可以用在各组成部分 的终止条件表示出来的产生式系统，称为可 分解的产生式系统。基本过程： Procedure SPLIT 1.DATA ←初始状态描述 2.{Di} ← DATA的分解结果；每个Di看成 是独立的状态描述 3.until 对所有的Di ∈{Di}， Di都满足终 止条件，do: 4.begin 5. 在{Di}中选择一个不满足终止条件的D* 6. 从{Di}中删除D* 7.从规则集合中选出一个可应用于D*的规则 R 8.D ←把R应用于D*的结果 9.{di} ← D的分解结果 10.把{di}加入{Di}中 11.end 回溯算法BACKTRACK过程：Recursive Procedure BACKTRACK(DATA) 1.if TERM(DATA),return NIL; 2.if DEADEND(DATA),return FAIL; 3.RULES←APPRULES(DATA); 4.LOOP:if NULL(RULES),return FAIL; 5.R←FIRST(RULES); 6.RULES←TAIL(RULES); 7.RDATA←R（DATA）; 8.PATH←BACKTRACK(RDATA); 9．if PATH=FAIL,go PATH; 10.return CONS(R,PATH). Procedure GRAPHSEARCH 1．G←{s}， OPEN ←（s）． 2．CLOSED ←NIL． 3．LOOP：IF OPEN=NIL,THEN FAIL． 4． n ← FIRST(OPEN)，OPEN ← TAIL(OPEN),CONS(n, CLOSED) ． 5． IF TERM(n)，THEN 成功结束 （解路径可通过追溯G中从n到 s的指针获得）。 6．扩展节点n， 令M={m︱ m是n的子节点，且m不是n的祖先} ， G ←G ∪M 7．（设置指针，调整指针）对于m M, (1)若m CLOSED, m OPEN, 建立m 到n的指针，并CONS(m, OPEN). (2)(a)m OPEN, 考虑是否修改m的 指针. (b)m CLOSED,考虑是否修改m 及在G中后裔的指针。 8．重排OPEN表中的节点（按某一 任意确定的方式或者根据探索信息）。 9． GO LOOP 无信息的图搜索过程：深度优先搜索：排列OPEN表中的节点时按它们在搜索树中的深度 递减排序。深度最大的节点放在表的前面，
2020年中国人工智能产业发展分析报告
目录 一、对2020年形势的基本判断 (4) （一）从产业链建设看，人工智能数据、算法、算力生态条件日益成熟。 4 （二）从政策推动来看，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区。 (6) （三）从投融资情况看，我国人工智能产业投资市场将关注易落地的底层技术公司。 (7) 二、需要关注的几个问题 (9) （一）我国人工智能领域的基础创新投入严重不足。 (9) （二）我国人工智能产业的算力算法核心基础相对薄弱。 (10) 三、应采取的对策建议 (13) （一）以算力为核心加强人工智能基础能力建设。 (13) （二）体系化梳理我国人工智能产业供应链现状。 (13) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力。 (14) （四）在国际社会上提出发展“负责任的人工智能”。 (14)
【内容提要】 2019年以来，中国人工智能产业发展迅猛，在产业链建设、政策推动、投融资发展上取得新进展，但也面临各种内外部压力和挑战。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注落地前景好的底层技术公司，但产业整体面临的外部形势将更为严峻。需关注的问题有我国人工智能领域的基础创新投入严重不足，国内人工智能产业的算力算法基础相对薄弱，以算法战、深度伪造为代表的人工智能技术滥用给我国经济社会带来潜在负面影响等。基于上述分析，赛迪智库电子信息研究所提出，以算力为核心加强人工智能基础能力建设、体系化梳理我国人工智能产业供应链现状、加快开拓国内外应用市场并提升出海抗风险能力、发展“负责任的人工智能”等措施建议。 2019年人工智能数据、算法、算力生态条件日益成熟，我国人工智能产业发展将迎来新一轮战略机遇，智能芯片、智能无人机、智能网联汽车、智能机器人等细分产业，以及医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域发展势头良好。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注易落地的底层技术公司，但同时产业发展的外部形势将更为严峻，美国对我国人工智能产业的压制可能从上游元器件转向下游行业应用。
2018-2019年中国人工智能计算力发展评估报告重磅发布 进入21世纪，信息技术引领的第三次工业革命改变了人类的生产和生活的方式。借助信息技术，人类社会实现了人与人的连接、人与物的连接以及物与物的连接，同时也产生了海量数据。 当DT时代到来，数据成为企业新的固定资产，如何准确处理、分析和应用数据，使其成为新的生产力成为问题。借助人工智能，实现人与物两两之间关系的转变，成为破局关键。
在人工智能的三驾马车中，数据不是问题，算法历经数十余年发展已相对成熟。毫无疑问，算力决定着人工智能整体的发展状况，也是承载和推动人工智能走向实际应用的基础平台和决定性力量。 2017年7月8日，国务院《新一代人工智能发展规划》提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。 时至今日，中国人工智能是怎样的发展现状，算力在场景、行业以及地域上又呈现何种态势？ 基于此，浪潮联合IDC共同研究发布《2018-2019 年中国人工智能计算力发展评估报告》，试图通过对中国人工智能市场的全面洞察与客户调研，客观全面的展现中国人工智能计算发展现状与趋势，并针对人工智能行业发展提出具体行动建议。 报告亮点： 1.人工智能将成为引领第四次工业革命的核心驱动力，2022年时中国的人工智能市场投资规模将超过百亿美元，未来五年复合增长率超过 59%，其中人工
智能基础架构硬件市场规模将超过千亿人民币。 2.人工智能的算力分布将呈现“二八法则”：早期阶段，80%的算力集中在训练场景；未来大规模应用阶段，80%的算力将集中在推理场景。 3.从行业维度上，人工智能行业应用情况与算力投资行业分布保持一致，互联网、政府、服务和金融行业是中国人工智能算力发展的领先行业；从地域维度上，人工智能算力分布呈现明显地域属性，地域人工智能热图和 TOP10 的城市排行榜显示，排在首位的并非北上广，而是杭州，合肥进入前五。 4.针对行业客户和人工智能解决方案提供商分别给出的行动建议。 进一步了解《2018-2019 年中国人工智能计算力发展评估报告》，请点此链接下载报告原文
人工智能重点总结 第一章：发展简史（此处为简答题） 1.人工智能的萌芽（1956年以前） 1936年，图灵创立了自动机理论（后人称为图灵机），提出一个理论计算机模型，为电子计算机设计奠定了基础，促进了人工智能，特别是思维机器的研究。 麦克洛克和皮茨于1943年提出“拟脑模型”是世界上第一个神经网络模型（MP模型），开创了从结构上研究人类大脑的途径。 1948年维纳发表《控制论—关于动物与机器中的控制与通信的科学》，不但开创了近代控制论，而且为人工智能的控制学派树立了里程碑。 1、古希腊伟大的哲学家思想家亚里士多德的主要贡献是为形式逻辑奠定了基 础。形式逻辑是一切推理活动的最基本的出发点。在他的代表作《工具论》中，就给出了形式逻辑的一些基本规律，如矛盾律、排中律，并且实际上已经提到了同一律和充足理由律。此外亚里士多得还研究了概念、判断问题，以及概念的分类和概念之间的关系判断问题的分类和它们之间的关系。其最著名的创造就是提出人人熟知的三段论。 2、英国的哲学家、自然科学家 Bacon（培根）（1561-1626），他的主要贡献是 系统地给出了归纳法，成为和 Aristotle 的演绎法相辅相成的思维法则。 Bacon 另一个功绩是强调了知识的作用。 Bacon 的著名警句是"知识就是力量"。 3、德国数学家、哲学家 Leibnitz（莱布尼茨）（1646-1716），他提出了关于数 理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。他曾经做出了能进行四则运算的手摇计算机 4、英国数学家、逻辑学家 Boole（布尔）（1815-1864），他初步实现了布莱尼 茨的思维符号化和数学化的思想，提出了一种崭新的代数系统--布尔代数。 5、美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），他证明了一阶谓词 的完备性定理；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。此定理的意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。
2018-2019年度中国人工智能 市场研究报告
一、2018年中国人工智能产业整体概述 (4) (一) 产业发展概述 (4) 1、产业概述 (4) 2、产业规模与增长 (5) 3、基本特点 (5) (二) 产业结构分析 (7) 1、产业结构 (7) 2、产品结构 (8) 二、2019-2021年中国人工智能产业发展预测 (8) (一) 市场发展趋势 (8) 1、开源平台成为巨头生态之争主战场 (8) 2、人工智能产业将与智慧城市建设协同发展 (8) 3、高校跨界创新成为新趋势 (9) 4、人工智能加速阶段，人工智能芯片成为新机遇 (9) (二) 2019-2021年中国人工智能产业规模预测 (9) (三) 2019-2021年细分结构预测 (10) 1、产业结构 (10) 2、产品结构 (10) 三、中国人工智能产业重点企业分析 (11) (一) 阿里AI (11) (二) 商汤科技 (13) (三) 明略数据 (14) (四) 思特奇 (16) 四、建议 (17) (一) 以政府示范带动重点行业应用落地 (17) (二) 构建人工智能开放创新平台 (17) (三) 针于不同发展阶段进行差异化布局 (17) (四) 针对重点应用领域构建技术创新壁垒 (18) 表目录 表1 2016-2018年中国人工智能产业规模及增长 (5) 表4 2016-2018年中国人工智能产业结构细分 (7) 表5 2018- 2021年中国人工智能产业规模与增长预测 (9) 表6 2019- 2021年中国人工智能产业结构预测 (10) 表7 2019-2021年中国人工智能产业产品结构预测 (10) 表8 阿里巴巴人工智能产品分析 (12) 表9 商汤科技人工智能技术分析 (14) 表10 思特奇人工智能AIPaaS 产品 (17)
(此文档为Word格式，下载后可以任意编辑修改！）试卷装订封面
《人工智能》知识点整理 第二讲知识表示 2.0.知识表示的重要性 知识是智能的基础：获得知识、运用知识 符合计算机要求的知识模式：计算机能存储、处理的知识表示模式；数据结构（List, Table, Tree, Graph, etc.）2.1 基本概念 2.1.1 数据、信息与知识 数据(Data) ?信息的载体和表示 ?用一组符号及其组合表示信息 信息(Information) ?数据的语义 ?数据在特定场合下的具体含义 知识(Knowledge) ?信息关联后所形成的信息结构：事实& 规则 ?经加工、整理、解释、挑选、改造后的信息 2.1.2 知识的特性 ?相对正确性 ?一定条件下 ?某种环境中 ?...... ?不确定性 ?存在“中间状态” ?“真”（“假”）程度 ?随机性 ?模糊性 ?经验性 ?不完全性 ?...... ?可表示性& 可利用性 ?语言 ?文字 ?图形 ?图像 ?视频 ?音频 ?神经网络 ?概率图模型 ?...... 2.1.3 知识的分类 ?常识性知识、领域性知识（作用范围） ?事实性知识、过程性知识、控制知识（作用及表示） ?确定性知识、不确定性知识（确定性） ?逻辑性知识、形象性知识（结构及表现形式） ?零级知识、一级知识、二级知识（抽象程度） 2.1.4 常用的知识表示方法 ?一阶谓词（First Order Predicate）?产生式（Production） ?框架（Framework） ?语义网络（Semantic Network）?剧本（Script）?过程（Procedure） ?面向对象（Object-Oriented）?Petri网（Petri Network） ?信念网（Belief Network） ?本体论（Ontology）…… 2.1.5 如何选择合适的表示方法？ ?充分表示领域知识 ?有利于对知识的利用 ?便于理解和实现 ?便于对知识的组织、管理与维护 2.2 一阶谓词表示法 1. 优点 ?自然性 ?接近自然语言，容易接受?精确性