智能投顾，是IT科技和金融领域相结合的前沿应用领域。它能够基于对投资者的精准画像，通过将现代金融理论融入人工智能算法，从而为投资者提供基于多元化资产的个性化、智能化、自动化和高速化的投资服务。
自2008年金融危机后，美国首家智能投顾公司Betterment于当年成立，随后Wealthfront，Personal Capital，Future Advisor，Motif Investing等创新型公司相继成立。目前, 先锋集团（VanguardGroup）推出了VPAS，嘉信理财推出了SIP，富达基金推出了Fidelity Go，美林证券推出了Merrill Edge，摩根士丹利推出了Access Investing，“华尔街之狼- Kensho”推出了Warren。智能投顾作为金融科技（FinTech）应用的最前沿领域，正席卷美国传统金融界。
发源于美国的智能投顾科技理论和技术西行东渐，我国智能投顾于2015年开始起步，虽然起步较晚，但是发展迅速。招商银行推出了“摩羯智投”，工商银行推出了“AI投”，中国银行推出了“中银慧投”，平安银行推出了“平安智投”，兴业银行推出了“兴业智投”，广发证券推出了“贝塔牛”，平安证券推出了“AI慧炒股”，长江证券推出了“阿凡达”，京东集团推出了“京东智投”，羽时金融推出了“AI股”和“AI投顾”。代表IT最新最前沿的人工智能技术在融入了金融行业后，有力地推进了传统金融行业的变革，有力地践行了普惠金融的理念。
虽然国内智能投顾的发展势头兴旺，但是商业模式不清晰，行业内鱼龙混杂，很多打着智能投顾概念的传统公司混杂其中，让人难以明辨。什么是智能投顾？智能投顾的国内外发展现状如何？国内智能投顾业务的发展面临哪些问题和挑战？作为新生事物，智能投顾的IT技术路线，智能投顾的商业模式，智能投顾的风险控制，智能投顾业务的国内外监管政策比较，如何界定智能投顾公司的业务边界，采用哪些方向的标准评价智能投顾公司，智能投顾未来的发展趋势，针对这些大家关心的焦点问题，《2018智能投顾行业白皮书》希望能为大家作出一些抛砖引玉的探讨。
一、智能投顾的概念 (6)
1.投资顾问业务的发展历程 (6)
2.人工智能的发展历程 (10)
2.1第一阶段：逻辑推理时代 (11)
2.2第二阶段：专家系统时代 (11)
2.3第三阶段：神经网络时代 (13)
2.4第四阶段：机器学习时代 (13)
3．智能投顾的概念 (15)
二、智能投顾的国内外发展现状 (17)
1．智能投顾的国外发展现状 (17)
先锋集团VPAS (19)
嘉信理财SIP (20)
Motif Investing (21)
Fidelity Go (22)
Merrill Edge Guided Investing (23)
SigFig (24)
Wealthsimple (26)
Ellevest (27)
2．智能投顾的国内发展现状 (29)
三、国内智能投顾存在的问题与挑战 (34)
1．投资标的数量少、种类不多 (34)
2．缺少配套监管措施，政策不明确 (36)
3．金融数据不足，缺乏前期的积累 (37)
4．智能投顾技术水平不高，缺乏真正的核心技术 (38)
5．投资者观念难以改变，需要时间去接受新鲜事物 (38)
6．初创智能投顾企业的发展会受到传统金融机构的挤压 (39)
7．商业模式不清晰，企业难以持续生存发展 (39)
8．金融市场不稳定，产品收益率波动较大 (40)
9．金融产品设计畸形，各类理财产品收益率高居不下 (40)
四、智能投顾的技术路线 (41)
1．建设云支撑平台 (41)
1.1建设云PaaS平台 (41)
1.2集成智能投顾多云数据存储系统 (41)
1.3建立智能投顾云安全设施，完善安全防御设施 (42)
1.4 面向投顾业务的云管理 (42)
2．支持全媒体格式的数据采集系统 (42)
3．大数据处理服务 (43)
3.1 业务服务平台的构建与实现 (43)
3.2 基于确定逻辑的数据分析服务 (43)
3.3 深度学习服务 (43)
3.4 全文检索 (44)
3.5 数据仓库 (44)
3.6 交互式用户画像 (44)
4．数据表达与接口技术 (44)
4.1 全媒体数据向金融模型数据的转换 (44)
4.2 金融模型的形式化表示技术 (45)
4.3 数据可视化技术 (45)
5．决策数据分发与共享 (45)
5.1 信息发布管理 (45)
5.2 公共关系管理 (45)
五、智能投顾的服务流程 (46)
1. 客户分析 (46)
2. 投资组合选择 (47)
3. 大类资产配置 (47)
4. 交易执行 (49)
5. 投资组合再平衡 (49)
6. 投资组合分析 (50)
六、智能投顾的商业模式 (51)
1．智能投顾的目标客户 (51)
2．以服务主体划分的商业模式 (52)
2.1 以机器为主 (52)
2.2 以人为主 (52)
2.3 以人机结合为主 (53)
3．从业务模式划分的商业模式 (54)
3.1 B2C模式 (54)
3.2 B2B2C模式 (55)
3.3 B2B模式 (56)
七、智能投顾的风险控制 (57)
1．产品质量的风险控制 (57)
1.1 产品风险 (57)
1.2 模型风险 (58)
2．客户服务流程的风险控制 (58)
2.1 事前控制 (58)
2.2 事中控制 (59)
2.3 事后控制 (60)
3．应急事项的风险控制 (60)
4．第三方接入的风险控制 (61)
八、智能投顾的监管 (62)
1. 国内的监管政策 (62)
2. 美国的监管政策 (64)
3. 分析与讨论 (64)
九、智能投顾的评价标准 (67)
1．丰富的量化投资经验 (67)
2．独具特色的核心量化技术 (67)
3．强大的数据库 (69)
4．强大的金融工程团队 (72)
5．强大的人工智能IT团队 (73)
6．精通业务细节的风控团队 (73)
7．出色的产品业绩 (74)
8．丰富的产品体系 (75)
晴雨表 (76)
牛股基因 (76)
FOF基金 (76)
持仓诊断 (77)
9．广大的用户群体 (77)
十、智能投顾的未来发展趋势 (78)
1．金融机构在智能投顾领域的布局会逐步加快 (78)
2．主流第三方智能投顾技术服务机构会逐步提升其技术与服务能力 (80)
3．智能投顾的产品形态会逐步向高壁垒，专业化的方向发展 (87)
3.1从简单投资逻辑的资产配置到人工智能投资决策系统 (87)
3.2从简单形式的用户调查问卷到人工智能算法驱动的用户投资行为画像 (88)
3.3从单一化的智能投顾产品到千人千面的定制化产品 (88)
3.4从简单形式的荐股到多样化的辅助性投资工具 (89)
3.5从服务于个人用户的智能投顾产品到服务于投资顾问的智能化服务平台 (89)
3.6互联网创业团队向金融投资团队的跨界发展 (90)
4．人工智能技术与算法对于行业的推动 (90)
4.1证券APP将会出现大量智能化产品 (91)
4.2人工投资顾问将会有更加丰富专业的投资工具库 (91)
4.3用户画像和推荐系统将得到广泛的应用 (92)
4.4基于用户轨迹浏览偏好的智能推荐系统将会出现 (92)
4.5基于定制化策略的智能投顾专用账户将会出现 (93)
4.6智能投研将得到快速发展 (93)
4.7智能投顾和银行保险基金的合作将更加深入 (94)
5．智能投顾的普惠化，科技化趋势 (94)
附：同济大学智能投顾实验室 (96)
一、智能投顾的概念
1.投资顾问业务的发展历程
证券投资顾问业务的近代起源可以追溯到传统的私人银行的理财服务业务，私人银行业务在欧洲已经有上百年的历史，最初则是瑞士银行专门向富有的上流社会群体提供极其私密的、一对一的服务，而这项服务也可以追溯到二战期间，为了能够保持中立国的地位同时留住德国和犹太客户，瑞士银行出台了《银行保密法》，其中规定：任何人不得透露储户的身份，从而吸引到全球大量的客户到瑞士银行进行现金储备业务，后来逐渐发展成为客户进行理财规划。截止到目前，全球一半的资产依然被安全地存放在瑞士银行。而瑞士银行则根据少数高端富有客户的需要，为其提供投资项目的咨询、建议和选择等，私密性极强，简而言之，客户可以在瑞士银行享受最全面和专业的投资项目咨询服务，而银行则运用多个客户积累的资金选择项目进行投资，这就是境外投资顾问的起源。起源之初，投资顾问是仅仅面临高端富裕人群的，而高端富裕人群之所以愿意把大笔资金交给专业顾问打理，是因为其能带来丰厚的回报。但是随着社会的发展，经济的进步，尤其在互联网为主导的智能信息革命后，大量的民间资本崛起，财富的累积和投资不再仅仅是上流社会的专利。而随着混业经营和金融创新产业的快速发展，原先只专注于证券产品的投资顾问业务逐渐向全面理财业务拓展。
而投资顾问的更早起源则可以追溯到400多年以前。1551年，英国的MUSCOV股份公司成立，这是世界上第一家股份公司，英国伦敦的商人也是世界上最早的股票投资者。而现代意义上的证券交易所，诞生于1611年的荷兰，英国和法国也在较早时候建立了证券交易所。1811年，美国纽约证券交易所由经纪人按照粗糙的《梧桐树协议》建立起来并开始了营运。美国从1933年开始就对金融证券业务进行立法，以此来规范金融业务的乱象和疯狂。1929年后的经济危机让这些无人监管的乱象彻底暴露在公众和政府面前，《希利报告》曾经指出在没有法律的约束下，投资者的利益将得不到一丁点的保障。终于，1940年，《投资公司法》和《投资顾问法》正式出台。其中《投资顾问法》用于规范为投资者提供证券投资建议的个人和机构，核心思想是强调投资顾问对于投资公司的受托责任，该法的出台使得美国的投资顾问行业正式浮出水面，定义更加明确，受到政府和民众的监督，同时也成为了后来多国立法的标准和参考。伴随着这一系列立法和经纪人的出现，股票市场上的投资顾问服务就开始出现了。
此外，美国的投资顾问有明确的卖方投资顾问和买方投资顾问的区别。买方投顾：客户支付投资顾问费用，投资顾问提供财富管理服务；卖方投顾：客户不需要支付投资顾问费用，投资顾问从产品供应方（客户购买的产品发行方）获取返佣。之所以会有这样的区别，是因为美国的投顾业务从1980年开始了变革，在1940-1980年期间，美国的投顾业务较为传统，从业者主要赚取客户交易的佣金与客户购买产品的提成，因此行业内多方利益并不完全一致。在传统模式下，商业银行在采集产品时主要考虑的是代销费用，许多资深的理财顾问深感煎熬，于是开始创办自己的理财工作室，他们不再赚取产品的代销费用，而是根据客户的资产规模直接向客户收取咨询服务费。自此，买方投资顾问诞生。如今，美国的投资顾问管理的资产金额早已经超过40万亿美金。
总体而言，由于资本主义和金融市场在海外的兴起，最早的股票起源于荷兰，最早的投资是大航海时代的东印度公司，因此，境外的投顾业务比国内发展得更早，制度也相对会更加全面，形式也更加的多样化。境外的投顾业务往往不仅仅提供证券投顾，还会提供生活方面的顾问服务，包括设计教育费用、家庭负债等，另外税务计划和养老计划也是境外投顾的重要部分之一。
国内投资顾问诞生，源于2011年1月《证券投资顾问业务暂行规定》的正式实施。从监管角度上定义，投资顾问的业务本质来源于投资咨询业务，具有辅助客户决策的作用，即接受客户委托、按照约定提供关于包括投资选择、组合规划建议等的投资建议服务。然而，这种服务的模式是建立在经纪业务的基础上，工作内容主要包括为来自于经纪业务的客户提供包括荐股、分析股票的建议性服务，同时进行产品营销，其中的价值通常体现在为经纪业务锦上添花。在此模式下，投资顾问与经纪业务共生共存，其业务性质并非是独立的，投顾的收入很大程度上依赖于经纪业务业绩。
在盈利模式上，投顾业务的盈利模式主要包含差别佣金收费、按照客户资产规模或服务期限收取费用、服务产品定额收费，且整体收入占比较小，2013年数据显示仅为1.6%。随着经纪业务竞争格局变化，依靠佣金率代理买卖的经纪业务占证券公司主要收入也持续下滑。行业佣金费率由2008年的1.35（单位：千分之一）下降至2016年0.38的水平，收入占比由近七成下降到仅超三成。而另一方面，同期内国内股票投资者的数量取得了显著增长，2008年股票投资者人数为 7394.36 万，到2017 年底达到 13398.3万人。形成鲜明反差的背后是竞争的加剧以及亟待转型的必然。激烈竞争不仅仅体现在证券公司之间，其高度同质化的服务模式导致了价格战；另一方面，牌照逐步开放的预期逐渐打破了现有牌照特许经营者的行业高盈利预期，更多的竞争对手参与进来，使得投资顾问业务模式开始发生演变。因此，伴随着互联网金融公司的崛起，证券公司的投顾服务都逐步加大了力度转型投资顾问团队，使投资顾问业务在服务的性质上逐渐产生了差异，很难独立收费的
盈利模式也因此改善。
投资顾问的发展历程虽然有了几百年的历史，但是投资顾问业务的发展所经历的重要阶段确实非常明晰的。截至目前，我们认为投资顾问业务的发展，总体而言，经历了线下投顾、O2O投顾两个发展阶段、机器人投顾阶段和智能投顾阶段。近年来，随着人工智能的迅速发展，人工智能已悄然进入证券投资领域，智能投顾开始出现。
●线下投顾阶段：在最初和早期的投资顾问行业，没有互联网，投资服务都是以线下服务为主。
投资顾问是活生生的“人”，作为投资者，需要通过支付昂贵的投顾服务费来获得人工投顾的投资建议。这样完全依赖人工投资顾问的服务方式，效率低下，时间成本高，触达面也不广。
更为严重的是，这种模式下投资顾问的增长速度远远满足不了投资者的现实需求。2013年，注册投资顾问数量为2.39万人，2018年初注册投资顾问数量增至4.06万人，仅增长1.67万人，而投资者数量现在已经达到了1亿多人。现实的供需矛盾愈加突出。基于现实的供需矛盾，投顾业务人员与产品营销人员定位混淆，服务客户效率不高等问题也就产生，投顾业务也因此步入到了线上化阶段。
●O2O投顾阶段：随着互联网的出现，现在券商基本都提供了在线投顾服务，把以前很多线下的
服务搬到了线上，极大得提高了服务效率。投顾服务的线上化逐步形成，使得投顾业务逐渐由一项依赖经纪业务的服务转变作为一项相对更加独立的服务。以平台为主的线上投顾陆续推出，改善了线下投顾时代因高度依赖经纪业务的的产品单一、服务同质导致的价格竞争，线上投顾的模式主要聚焦于建立包括咨询提供、咨询理财等工具性质为基础的生态机制，瞄准C端的投资者同时也为投顾从业人员提供市场分析、研究报告、投资策略等，投顾人员再根据平台提供的信息资讯对用户进行信息解读、投资答疑等服务。因此，C端用户能够按照自己的需求在平台上选择包括投资建议以及投资组合在内的服务，在此基础上还能够进一步选择与投资顾问人员互动的动态服务。此外，利用互联网的触达优势，线上开户，公司产品介绍，在线产品咨询，观点直播，产品组合推荐，量身定制理财规划、投资方案等都可以更快捷的提供给用户。
此外，针对大型企业客户上市、融资，投行、贷款等业务，也能更高效的开展。基本上，针对中小散户，在线投顾就可以很好的服务用户，但是难以主动触达大量中小散户。针对高净值用户和机构客户，线上线下相结合，可以大大提高服务效率。即便如此，目前我国具备投顾服务资格的从业人员仅3-4万人左右，部分投资顾问仍以线下服务高净值客户为主，作为长尾的A股大量中小散户得不到真正的投资顾问服务。更值得注意的是，最近几年，随着互联网和移
动互联网的普及，以及2013年以来“宝宝类”产品的兴起，80年代和90年代年轻客户群体开始通过线上大量进入，由于他们尚处人生财富累积的早期阶段，在线交易便成为他们主要的主要理财方式。因此，在线投顾业务开始成为银行和公募基金发展的一大机遇。依靠银行理财产品和公募基金产品，银行和公募基金运用组合投资的方式，借助电商技术和大数据技术，将在线投资顾问的服务以产品化、模块化、个性化等方式服务于用户。
●机器人投顾阶段：随着云计算和国外智能投顾的发展，国内开始学习国外的智能投顾，逐渐
出现了大量的基于量化模型的机器人智能投顾。券商背景的智能投顾，如：广发证券的贝塔牛，方正证券的小方牛，长江证券的iVatarGo，中泰证券的齐富通，国泰君安的智慧金融，华泰证券的Assetmark和平安证券的AI慧炒股等。券商开始逐步重视智能投顾，是在佣金大战导致传统经纪业务下滑，同时有大量的长尾中小散户亟待服务的背景下出现的。公募基金背景的智能投顾，如嘉实基金的金贝塔，广发基金的基智理财，天弘基金的风向篮子等。基金公司近年来，管理费收入严重受发行渠道方限制，在新的科技商业背景下，纷纷开始重视通过智能投顾的展示方式自建引流渠道，培养新的年轻一代的投资理财习惯。银行背景的智能投顾，如招商银行的摩羯智投。招商银行作为转型科技银行的杰出代表，率先借鉴科技手段，通过摩羯智投转化自身大量的客户。上市公司背景的，如京东集团的京东智投，百度的百度股市通，宜信的投米RA等。他们的特点，是流量大，通过智能投顾转化用户。创业公司背景的，数量众多，如羽时金融、璇玑智投、蓝海智投、理财魔方、弥财、资配易、米筐、微量网、量子金服等。
这里面，以公募基金金融工程团队为背景的仅一家---羽时金融。其他的，一类是以传统量化投资人员为背景组建的智能投顾公司，另一类是以理财公司为背景的各类水平不同的智能投顾，有一些几乎还处于纯概念阶段。
●智能投顾阶段：智能投顾的发展体现在以金融科技驱动的“智能”二字上，将取决于人脑的分
析决策部分转移给算法模型进行自动化实现，在此基础上强调用户和产品之间交互及匹配的思考，将原本简单的线上投顾业务进行专业化升级，在关注标准化需求的同时大幅度提高对于个性化需求的满足。相比较对于产品的打磨，智能投顾更加偏向于对用户的观察分析。智能投顾系统通过对个人客户的大数据进行分析，从多个维度对用户进行画像，从而可以提供各类更加定制化的投资决策辅助工具和包括个性化资产配置在内的投顾服务，并实时进行动态跟踪调整。随着智能投顾的逐步普及，不注重最低投资金额限制，没有达到财富净值的普通收入用户和中等收入用户也能够获得更专业以及更理性化的投资顾问服务，将使智能投顾成为为大量长
尾用户进行低成本管理资产的主要方式，行业整体的专业性也将得到大幅度提高。总的来说，智能投顾，重点在于“投”和“顾”的智能化。“投”的方面，不仅是传统意义上基于经典资产配置理论，用户资产状况和理财需求的智能化资产配置，还包括为用户提供大量的智能化决策工具，大量的智能化策略计划；“顾”的方面，比如基于精准用户画像基础上的智能化产品推荐和跟踪服务；比如基于深度学习等各类理论基础上的智能化投资机会预测、投资风险预测，以及与用户画像和用户浏览轨迹等相结合的产品推荐和跟踪服务。比如为投资顾问准备的专业丰富的智能投资顾问工具箱。目前，不管是传统金融机构还是第三方智能投顾科技公司，国内现在达到这一阶段的智能投顾产品还很少。
2.人工智能的发展历程
AlphaGo以3：0完美战胜中国棋手柯洁。蚂蚁金服宣布向保险行业开放技术产品“定损宝”, 准确度超过10年老司机。“深度思维”（DeepMind）成功训练出一种人工智能算法检测疾病，比人类专家更迅速、更高效。摩根士丹利采用机器学习算法来对16000名理财顾问进行交易建议支持，并接管一些常规任务。人工智能翻译“腾讯同传”首次亮相博鳌亚洲论坛。就连处理难度极高的法律文书，LawGeex的人工智能机器人都以极快的速度和超高的准确度大幅超越人类的律师。从被拒绝100次到被标普全球5.5亿美元收购的“华尔街之狼- Kensho”，“一家让华尔街人神共愤”的公司，通过Warren，只需让用户输入问题，就可以快速提供精细的智能投资研究服务，对华尔街传统金融行业的带来了巨大的心灵冲击。
“人工智能”，正以令人惊讶的速度走进人类的生活。兴奋还是恐慌？她是天使，还是魔鬼？我们的工作未来还能保住吗？我们未来的生活会更好吗？我们未来会不会成为机器的奴隶？要回答这些问题，还得从了解人工智能的历史开始。人工智能（Artificial Intelligence，英文缩写为AI），美国斯坦福大学尼尔逊教授将其定义为：人工智能是关于知识的学科，是怎样表示知识以及怎样获得知识并使用知识的科学。自从1950年，阿兰·图灵出版《计算机与智能》首次提出计算机智能概念，1956年约翰·麦卡锡在美国达特矛斯电脑大会上创造“人工智能”一词以来，人类的人工智能技术发展取得了长足的进步。人工智能，从提出到发展到今天，经历了四个主要的发展阶段。
2.1第一阶段：逻辑推理时代
1950-1960年代，是人工智能的“逻辑推理时代”。1956年，美国卡内基·梅隆大学展示世界上第一个人工智能软件的工作：逻辑理论机（LT）。这项工作旨在“让机器自己去证明数学定理”——这样的想法早在17世纪G.W.Leibniz创立数理逻辑的时候就产生了，但直到计算机诞生后，才以人工智能的形式真正实现。当时这段程序成功证明了Russel所著《数学原理》第二章52条定理中的38条，并在7年后的改进版中完成了剩余14条的证明。
1958年，麻省理工学院的John McCarthy发明了表处理程序设计语言LISP。它不仅能处理数据，还能方便地处理各种符号，因此成为人工智能研究的重要工具。同年，在学界对AI一片看好的热潮中，逻辑理论机的开发者Herbert Simon和Allen Newell乐观地预言，十年之内很多事情就能靠人工智能解决。这些事包括：成为国际象棋世界冠军、发现并证明有意义的数学定理、谱写优美的乐曲、实现大多数的心理学理论等。
此后的10年里，这些预言一项都没有实现，但仍有许多亮眼的成果陆续发表：1964年，麻省理工学院的Daniel Bobrow向世人展示，电脑能掌握足够的自然语言，从而解决了开发计算机代数词汇程序的难题；1965年，Joseph Weizenbaum编写了第一个真正意义上的聊天机器人Eliza，它能以英语与人就任意话题展开对话；1969年，斯坦福大学研制出Shakey：一种集运动、理解和解决问题能力于一身的机器人……
这是一个符号主义（Symbolicism，又称逻辑主义）高速发展的阶段。从提出计算机的人工智能概念开始，人类主要聚焦于如何赋予机器更好的逻辑推理能力，包括逐步的自然语言推理能力，但是人们逐渐发现，仅仅解决了机器的逻辑推理能力，还远远达不到让机器具备良好智能的能力。
2.2第二阶段：专家系统时代
1970-1980年代，是人工智能的“专家系统时代”。1968年，斯坦福大学的Edward Feigenbaum 和Joshua Lederberg建成了一种能帮助化学家判断某待定物质的分子结构的系统，起名为DENDRAL。它是世界上第一例成功的专家系统，在开创这一全新领域的同时，也标志着人工智能
从实验室走了出来，开始进入实际应用。
专家系统的出现，为人工智能带来了全新的发展。1972年，斯坦福大学开始研制MYCIN系统，使用了人工智能的早期模拟决策系统，用来帮助医生对住院的血液感染患者进行诊断，和推荐用于治疗的抗菌素类药物。1973年起，卡内基·梅隆大学先后研制了自然语言理解系统HEARSAY-I和HEARSAY-II，它能把输入的声音信号转换成文字，并组成单词、合成连贯的句子，正确率高达85%。1977年，斯坦福研究院的人工智能中心开发了探矿系统PROSPECTOR，通过模拟地质专家的知识体系和推理过程，来帮助地质学家进行矿产勘查。该系统4年后投入实际使用，取得了巨大的经济效益。
1980年，卡内基·梅隆大学为数字设备公司（DEC）设计了一套名为XCON的专家系统，每年为公司省下4000万美元，特别是在决策方面能提供有价值的内容。有了这种商业模式后，又衍生出了像Symbolics、Lisp Machines和IntelliCorp、Aion这样的硬件、软件公司，在这段时期，仅专家系统产业的价值就高达5亿美元。然而好景不长，到了1987年，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。
这是一个“知识工程”大量积累的阶段。人们聚焦于让机器学习更多的知识，期待以此来提升机器的智能水平，于是开发了大量的专家系统软件，通过总结人类的各类专业知识，让机器去学习。但是人们也发现，这些任务大都范畴较窄，局限性很强，稍稍超出范围就无法应对，这与当时大家普遍想象中的人工智能的巨大潜力相去甚远。事实上，即使在各类机构大量研发资金的资助下，20年前设计的理想目标很多都没有实现，这让人们不得不承认自己确实低估了人工智能项目的难度，并开始回头反思。1973年，James Lighthill在一篇针对英国AI研究状况的报告中批评人工智能在实现其“宏伟目标”上完全失败了。美国国防高级研究计划署出于对所投项目结果的失望，取消了对卡内基梅隆大学每年300万美元的资助。社会舆论也在此时开始转向，到了1974年，已经很难再找到对AI项目的资助了。在这之后的长达6年时间里，人工智能的发展都处于一段艰难的冰河期之中。
2.3第三阶段：神经网络时代
1990年代，是人工智能的“神经网络时代”。人工神经网络的研究被归为连接主义（Connectionism）的范畴，它的发展一波三折。早在1943年，Warren McCulloch和Walter Pitts就给出了人工神经网络的概念和人工神经元的数学模型。1957年，康奈尔航空实验室的Frank Rosenblatt发明了第一个神经网络Perceptron（感知器），它是一种结构较简单的二元线性分类器，被《纽约时报》誉为“电子计算机的雏形”。然而到了1969年，Marvin Minsky 和Seymour Papert 在他们的著作《Perceptrons》中仔细分析了以感知器为代表的单层神经网络系统的功能及局限，证明感知器无法学习所有问题（如线性不可分问题），其中甚至包括最简单的“异或”问题。这个致命的打击让神经网络的发展陷入了长期的停滞。
直到1975年，Paul Werbos提出BP算法，使得多层人工神经元网络的学习成为可能。又过了10年，以Rumelhart和McClelland为首的科学家发展了Werbos的理论，实现了BP神经网络，解决了许多简单感知器不能解决的问题，并在数学上给出了完整推导。这项成果可以说是此后整个人工智能浪潮的奠基性工作。迄今，BP算法已被用于解决大量实际问题。
1988年，Linsker对感知机网络提出了新的自组织理论，并在Shanon信息论的基础上形成了最大互信息理论，从而点燃了基于NN的信息应用理论的光芒。90年代初，Vapnik等人提出了“支持向量机”和“VC维数”的概念。美国国会甚至通过决议，将1990年1月开始的十年定为“脑的十年”，国际研究组织则号召它的成员国将“脑的十年”变为全球行为。各个国家纷纷加大了对神经网络研究的资助，神经网络获得了显著的发展。
2.4第四阶段：机器学习时代
21世纪以来，是人工智能的“机器学习时代”。“机器学习”本身就是一个统称，它意味着我们不再单纯地为符号主义、连接主义或是其他什么主义投票，而是真正以知识处理为核心，以任何有效的方式引导计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。与此同时，摩尔定律带来了越来越强大的计算能力，并显著提高了人工智能的研究效果。
最早的突破发生在1997年，IBM（国际商用机械公司）制造的电脑“深蓝”击败了国际象棋世界冠军加里·卡斯帕罗夫，极大地震惊了人类。也是从那时起，越来越多我们今天熟悉的AI形态开始初露锋芒。2000年，麻省理工学院的Cynthia Breazeal开发出仿人社交机器人Kismet。它的样子十分可爱，同时具备视觉、听觉、触觉输入和位置感应。然后，它还可以进行对话、甚至用表情、体态与人互动。2004年，第一届DARPA自动驾驶汽车挑战赛在莫哈韦沙漠举行，最终没有一辆自动驾驶汽车跑完全部的150英里。次年，斯坦福大学的Sebastian Thrun（谷歌无人车之父）宣布参赛，并在与卡耐基·梅隆大学展开激烈角逐后，一举拿下冠军。自此，业界对无人驾驶的态度由“一塌糊涂”转变为“信心大增”。
2006年，Geoffrey Hinton等人发表论文，提出了“深度学习”的概念。这是机器学习的一个新领域，旨在建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据，例如图像、声音和文本。论文发表后，大家普遍认为神经元网络可以解决很多问题——事实也确是如此，深度学习后来陆续被成功应用于计算机视觉、语音识别、自然语言处理等领域，它的热度直到今天也没有消褪。近年来，随着深度学习和深度神经网络的发展，特别是深度学习对知识的理解比过去有了很大的进步，使得人工智能在应用端的智能化水平得到大幅提高，如保险定损、医学影像识别、人脸识别、语音模仿、教育教学、案件推理、环境分析、翻译和司法文本阅读等领域，都取得了显著的应用进步。Alpha Go和中韩围棋高手比赛取得完胜就是目前人工智能技术的典型杰出代表。
图一：Gartner技术成熟度曲线（资料来源于网络）
目前，人类的人工智能技术基本上还集中在在通过算法技术替代人，帮助人类提高效率的阶段，这一阶段的主要特征是机器通过各类基础算法和升级后的神经网络算法等各类深度学习技术，大幅度的提高了机器的对数据的“学习”效率，从而取代/帮助人类的工作。不久的未来，人工智能技术将迎来更加迅速的应用和发展，预计下一步人工智能的技术将往“逼真的人类情感”，“人类不会做的事情”和“人类从未做过的事情”的方向去发展，从而为人类创造更佳的深层次的情感体验，为人类的生产力和科技的腾飞，带来新的飞跃。
图二：机器学习主要算法（资料来源于网络）
3．智能投顾的概念
智能投顾，通常认为发源于美国，它运用云计算、机器学习和人工智能等现代计算机技术将经典的资产组合理论模型应用到实践中，结合对投资者风险偏好、财务状况及理财规划等因素的充分了解，为用户自动化地生成智能化、个性化的资产配置建议，并对组合实现跟踪和自动调整。未来，随着智能投顾技术的不断发展，智能投顾有可能逐步替代部分传统人工投资顾问的工作。
那么，什么是智能投顾？传统的“智能投顾（Robo-Advisor）”是这样定义的，它是一种通过现代资产配置理论，通过人工智能算法和金融科技为投资者提供数字化的资产配置服务。但是，这样的定义显然过于简单，也无法全面覆盖“投”和“顾”的全部智能元素。
我们对“智能投顾（Robo-Advisor）”是这样定义的：基于对投资者的精准画像，通过将经典的资产配置理论、资产定价理论、行为金融理论等多种经典理论与投资实践，融入人工智能深度学习算法，从而能够为投资者提供基于多元化资产的个性化、智能化、自动化和高速化的大类资产配置、投资机会预测、投资风险预测、组合管理和风险控制等投资服务。
之所以作出这样的定义是因为目前国内智能投顾的定义完全参考了海外，只体现了智能提供资产配置服务一个方面。但是，在我国现阶段，除了一部分高净值用户需要的资产配置服务是智能投顾的一个入口，广大的长尾中小散户对于智能化策略组合等服务的需求，则是智能投顾可以开拓的广袤蓝海。另外一方面，现有的定义，集中体现了投资者“投”的一面，而对于更加专业及时的“顾”的一面体现的不够充分。比如，及时的投资机会预测、前瞻的投资风险预测、优化的组合管理建议和风险控制建议等更加能体现出智能投顾专业上“顾”的优势的内容，反映的不够完备。
二、智能投顾的国内外发展现状
1．智能投顾的国外发展现状
自2008年金融危机后，美国首家智能投顾公司Betterment于当年成立，随后Wealthfront，Personal Capital，Future Advisor，Schwab Intelligent Portfolio等创新型公司相继成立。现在，Kensho的首个主打产品沃伦（Warren）智能虚拟助手，已经可以快速、大量的进行各种数据处理分析工作并实时回答投资者所提出的复杂金融问题。密歇根大学的Clinc提供了一个语音控制的自动化个人助手，可以根据用户的银行帐户信息提供财务建议。Numerai，作为一种由数据网络构建的新型对冲基金的专家预测系统，创造了世界上第一个加密数据科学锦标赛的股票市场预测系统，系统集合了世界上最好的数据科学家，拥有最准确和最原始的机器学习模型。在今年4月，Numerai刚刚获得由全球最大的对冲基金公司之一Renaissance Technologies（文艺复兴科技）领投的150万美金的风投。此外，Numerai还入选了《福布斯》杂志的FinTech全球50强榜单。
图三：主要国家和地区智能投顾平台（资料来源于网络）
图四：国外智能投顾公司发展状况（资料来源：东吴证券）
2017年，摩根斯坦利宣布将使用智能投顾这把利器来武装他的16000名投资理财顾问。BlackRock已经收购Future Advisor，嘉信理财推出了智能投顾产品SIP，先锋基金推出了VPAS，高盛先后投资了Motif和Kensho，标普全球收购了Kensho。截止2017年2月，资管规模最大的前五家公司，先锋基金、嘉信、Betterment、Wealthfront、Personal Capital的智能投资组合分别管理着470亿、102亿、73.6亿、50.1亿、36亿美元。根据统计公司Statista的预测，2017年美国智能投顾管理资产规模将达到2248.02亿美元。世界知名咨询公司A.T. Kearney预测，美国智能投顾行业的资产管理规模将在2020年增长到2.2万亿美元，年均复合增长率将达到68%。预计其中1.1万亿美元来自于当前已投资资产，即来自于信用工具、股票、共同基金、养老基金等。另有1.1万亿元来自于当前未投资资产，即现金及现金等价物。
图五：美国智能投顾行业资产管理规模复合增长率（资料来源于网络）
海外智能投顾盈利模式和传统投资理财机构类似，咨询管理费为主要收入来源。但智能投顾的优势体现在其涉及的手续费数量少，费用率较低，主要原因是智能投顾平台是凭借互联网优势，可以节省大量人力和固定资产成本。此外，互联网属性赋予了智能投顾规模效应，其可以通过低费率吸引大量客户，以量取胜。以美国为例，传统投顾服务收费包含咨询费、交易费、充值提现费、投资组合调整费用等近十类费用，总费率高达1%以上。智能投顾则采取完全透明化的单一费率模式，即只收取0.15%-0.35%的咨询管理费，不再涉及其他费用。但交易过程中产生的交易费、持有费等中间费用由投资者自行承担，由于目前海外智能投顾投资标的以ETF产品为主，具有费率极低的特点，年总费用率普遍在0.03%-0.55%水平。
美国作为国外智能投顾发展较早的国家，早在2008年就涌现出的第一批创业公司，这些创新企业主要针对C端用户提供线上产品与服务。2015年之后，一些传统金融服务机构也纷纷加入。通过自有基金产品或收购新兴的独立平台公司，迅速提高市场规模，先锋集团、贝莱德、嘉信理财等行业传统金融服务机构龙头相继推出智能投顾产品。目前市场上颇具特色及知名度的的产品主要为先锋集团的VPAS系统和嘉信理财旗下的SCHW投顾系统等。这里给大家介绍一些比较有特色的海外智能投顾。
先锋集团VPAS
先锋集团（VanguardGroup）属于美国老牌金融机构，其个人投顾业务之所以能后发制人，与其在指数基金行业的突出地位密不可分。作为指数基金行业的缔造者和迄今为止的领军者，其目前的资产管理规模约5.1万亿美元，跻身全球最大的共同基金和第二大交易所交易基金（ETF）提供商。VanguardPersonalAdvisorServices（先锋基金个人投顾服务，下文简称VPAS）由先锋集团全资子公司VAI于2013年推出，为倾向于体验线上服务的客户提供包括资产配置、税收优惠计划、以及个人投资指导等在内的全套投资管理辅助服务，该产品一经推出就迅速获得市场的广泛青睐。
VPAS目前采用的是国际理财分析师+线上混合服务模式。这种模式既为客户提供投资组合的自动化管理，同时还会配备一个专业的财务顾问。VPAS以低价咨询费著称。其咨询费是年化0.3%，而行业标准价格是年化1.02%。公司还提供固定费用结构，在其资金之上收取管理费。投资者都十
分青睐这种透明度，他们确切地知道收费的时点以及金额。但VPAS的投资门槛明显高于Betterment 和Wealthfront，目前起投金额为5万美元。不过对高净值基金的持有人来说，实质上支付的成本很低。这也极大的增强了客户粘性。
嘉信理财SIP
另一款具有影响力的产品是由嘉信理财由2015年3月推出的机器人投顾产品“SchwabIntelligentPortfolios”（嘉信智能组合，下文简称SIP），投资门槛为5,000美元。对于零平台费用的智能投顾产品，嘉信理财的收入主要来源于用户承担的ETF管理费用（对于投资组合中配置的嘉信理财的ETF产品进行收取）。
SIP组合中，每个投资组合由不超过20种各类不同的资产构成，包括股票、固收产品、房地产、大宗商品、现金，实现分散化投资。其中投资组合中配置的小部分现金直接投资在嘉信银行的账户，这部分资金也可以带来净收益。此外，针对50000美元以上客户，嘉信智能组合也提供自动化的资产再平衡、税收盈亏收割服务。SIP的资产规模虽然不及VAPS，但嘉信理财利用集团产品和平台优势大大减轻了用户需要负担的开支。其产品的一大亮点是零平台费用，客户只需要承担较低的ETF 管理费用即可。与VAPS的ETF产品组合不一样的是，SIP的平台通过对接像Betterment和Wealthfront这样的智能理财平台，提供完善的自动理财服务，投资者能够获得投资各种基金，包括SIP竞争对手的基金，而VAPS的个人投顾平台仅使用自有基金。
客户如想体验此服务，需要花费30-45分钟的时间在线回答问题，进行个人风险评估，并填写相关金融信息。平台根据结果将会为用户匹配专业的理财顾问，并进行长达一个小时的电话或视频交流来探讨用户的理财计划。理财计划主要关注于养老储蓄、大学存款和健康医疗等。当然对高净值客户，嘉信会为其提供更加复杂的理财规划，比如房地产和税算领域。一般而言，尽管考虑与最终被使用的资金相关的费用，流动性和指数跟踪效率非常重要，投资者应该寻找支持更多元化资金的机器人顾问。
中国人工智能系列白皮书 -- 智慧农业
目录 第1 章智慧农业发展背景 (1) 1.1 人工智能在农业领域中的应用历程 (1) 1.2 智慧农业及其发展趋势 (8) 第2 章农业智能分析 (12) 2.1 农业数据挖掘 (12) 2.1.1 农业数据挖掘特点 (12) 2.1.2 农业网络数据挖掘 (13) 2.1.3 农业数据挖掘应用 (16) 2.2 农业数据语义分析 (18) 2.2.1 农业数据语义模型 (18) 2.2.2 农业数据存储模型 (19) 2.2.3 农业数据知识发现 (20) 2.2.4 农业数据语义检索 (21) 2.2.5 分布式农业知识协同构建 (21) 2.3 农业病虫害图像识别 (22) 2.3.1 基于机器视觉的农业病虫害自动监测识别系统框架 23 2.3.2 农业病虫害图像采集方法 (24) 2.3.3 农业病虫害图像预处理 (26) 2.3.4 农业病虫害特征提取与识别模型构建 (27) 2.3.5 农业病虫害模式识别 (28) 2.4 动物行为分析 (29) 2.5 农产品无损检测 (34) 2.5.1 农产品的无损检测 (35) 2.5.2 农产品无损检测主要方法与基本原理 (36) 2.5.3 无损检测在农产品质量检测中的应用 (38)
2.5.4 问题与展望 (38) 第3 章典型农业专家系统与决策支持 (40) 3.1 作物生产决策系统 (40) 3.1.1 作物生产决策支持系统的概念与功能 (40) 3.1.2 作物决策支持系统的发展 (41) 3.1.3 我国作物决策支持系统发展状况 (41) 3.1.4 作物生产决策支持系统的发展趋势 (42) 3.1.5 作物生产决策支持系统的存在问题 (43) 3.1.6 作物生产决策支持系统的发展措施建议错误!未定义书签。 3.2 作物病害诊断专家系统 (45) 3.2.1 病害诊断知识表达 (45) 3.2.2 作物病害描述模糊处理 (47) 3.2.3 病害诊断知识推理 (47) 3.2.4 基于图像识别的作物病害诊断 (48) 3.3 水产养殖管理专家系统 (49) 3.3.1 问题与挑战 (49) 3.3.2 主要进展 (51) 3.3.3 发展趋势 ........ .... ..... .. (52) 3.4 动物健康养殖管理专家系统 (54) 3.4.1 妊娠母猪电子饲喂站 (54) 3.4.2 哺乳母猪精准饲喂系统 (56) 3.4.3 个体奶牛精准饲喂系统 (57) 3.4.4 畜禽养殖环境监测系统 (58) 3.5 多民族语言农业生产管理专家系统 (59) 3.5.1多民族语言智慧农业即时翻译系统结构 (59) 3.5.2多民族语言农业智能信息处理系统机器翻译流程 .. 60 3.5.3多民族语言农业信息平台中的翻译关键技术 (62)
联想智能制造白皮书 （2020版）
目录 第一章智能制造的发展背景 (6) 1.1智能制造发展现状 (6) 1.1.1 世界智能制造发展保持活跃态势 (6) 1.1.2 我国智能制造发展面临的机遇和挑战 (6) 1.2智能制造的发展趋势和路径 (8) 1.2.1 智能制造的定义及发展趋势 (8) 1.2.2 智能制造的目标和方法 (10) 第二章联想智能制造实践和方法论 (12) 2.1联想智能制造发展概况 (12) 2.1.1联想智能制造的发展历程 (13) 2.1.2联想对智能制造的认知理解 (15) 2.1.3联想智能制造的体系框架 (15) 2.2：联想智能制造方法论 (16) 2.2.1战略：联想制造展望-LMO (17) 2.2.2战术：联想分域致胜-ZTW (18) 2.2.3策略：联想组织文化-TOC (19) 第三章联想智能制造关键技术 (22) 3.1：智能制造关键技术发展趋势 (22) 3.1.1 关键智能制造技术发展前瞻 (22) 3.1.2智能制造关键技术说明 (23) 3.2：联想智能制造技术的应用与探索 (24) 3.2.1 联想端、边、云、网、智建设整体说明 (24) 3.2.2 端：智能设备 (26) 3.2.3边：边缘计算和物联网 (28)
3.2.4 云：混合云与大数据 (29) 3.2.5网：5G与区块链 (31) 3.2.6智：人工智能算法和开放创新平台 (36) 第四章联想智能制造解决方案和应用场景 (41) 4.1：构建联想智能制造五大核心能力 (41) 4.1.1联想智能制造五大能力构建 (41) 4.1.2联想智能制造解决方案概述 (43) 4.2应用场景一产品设计 (43) 4.2.1 MBD解决方案 (44) 4.3应用场景一订单管理 (46) 4.3.1订单可视化解决方案 (46) 4.3.2订单自动化解决方案 (49) 4.3.3订单自主纠错解决方案 (51) 4.4应用场景一计划排产 (53) 4.4.1整合计划解决方案 (53) 4.4.2智能排程解决方案 (55) 4.4.3智能预测解决方案 (57) 4.4.4供应链智能控制塔 (58) 4.5应用场景一采购管理 (61) 4.5.1全球供应协同解决方案 (61) 4.5.2采购计划解决方案 (62) 4.5.3. 采购执行解决方案 (64) 4.6：应用场景一生产运营 (67) 4.6.1产线自动化解决方案 (67) 4.6.2 MES管理系统解决方案 (71) 4.6.3 LCD自动检测解决方案 (74)
目录 一、工业互联网是制造业升级的核心 (2) 1、工业互联网平台是工业全要素链接的枢纽 (2) 2、政策春风拂面，市场前景可期 (4) 二、平台体系是工业互联网的关键 (6) 1、不同分类下，国内外工业互联网平台一览 (6) 2、三类平台的比较分析及未来发展趋势 (9) 3、他山之石：GEPredix——全球工业互联网平台的典型11 三、工业软件应用构成工业互联网平台的重要资源 (15) 1、工业软件丰富程度决定工业平台整体竞争力 (15) 2、工业互联网平台助力软件企业打开发展空间 (20) 四、投资标的 (21) 五．风险提示 (26) 一、工业互联网是制造业升级的核心 1、工业互联网平台是工业全要素链接的枢纽 工业互联网是制造业数字化、网络化、智能化的重要载体，也是全球新一轮产业竞争的制高点。工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，通过构建链接机器、物料、人、信息系统的基础网络，实现工业数据的全面感知、动态传输、实时分析、形成科学决策与智能控制，提供制造资源配置效率，正成为领军企业竞争的新赛道、全球布局的新方向、制造大国竞争的新焦点。
工业互联网平台是工业全要素链接的枢纽，是工业资源配置的核心。工业互联网构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在链接、弹性供给和高效配置。工业互联网平台可以分为4个部分：1>边缘层：通过协议转化和边缘计算形成有效的数据采集体系，从而将物理空间的隐形数据在网络空间显性化。2>IaaS层：将基础的计算网络存储资源虚拟化，实现基础设施资源池化；3>工业PaaS层：工业操作系统，向下对接海量工业装备、仪器、产品，向上支撑工业智能化应用的快速开发和部署；4>工业APP：通过调用和封装工业PaaS平台上的开放工具，形成面向行业和场景的应用。对于工业互联网平台来说，数据采集、工业PaaS、工业APP是核心三大要素。 1>数据采集是基础。工业大数据有三类：生产经营相关业务数据、设备物联数据、外部互联网数据。其中，设备物联数据采集受制于传感器部署不足，装备智能化水平低，数据采集颗粒度不足，无法支持上层应用。随着兼容多种协议的技术产品构建，此类问题将得到改善。同时通过部署边缘计算模块，实现数据在生产现场的轻量级运算和实时分析。可以缓解数据的云端计算压力。 2>工业PaaS是关键。现有的通用PaaS平台尚不能满足工业级应用需要。未来通过对通用PaaS的深度改造，构造满足工业实时、可靠、安全需求的云平台，将大量工业技术原理、行业知识、基础模型模块化，并封装成为可重复使用的API，降低应用
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
防盗报警系统、消防报警系统、可视对讲门禁系统、煤气泄漏探测系统、远程抄表（水表、电表、煤气表）系统、紧急求助系统、远程医疗诊断及护理系统、室内电器自动控制系统、集中供冷热系统、住宅购物系统、语音与传真（电子邮件）服务系统、网上教育系统、股票操作系统、视频点播系统、付费电视系统、有线电视系统、智能窗帘系统、智能灯光系统等等。 家庭智慧终端标准型 型号AF0701B(7寸)、AF0901B(9寸)、AF1001B(10寸) 颜色分类：糯米白 操作系统：定制Android安卓4.4 处理器：4核1.6GHz 触摸屏类型：电容式5点触摸 屏幕尺寸：7/9/10寸屏16:10 IPS屏 分辨率：1024*600像素 内存容量：1GB/DDR3 硬盘容量：8GB 辅助功能：重力感应/WIFI等 其他接口：3.5mm耳机接口 前置摄像头：30万 家庭智慧终端豪华型 型号AF0701B(7寸)、AF0901B(9寸)、AF1001B(10寸) 颜色分类：糯米白/香槟金/高雅灰 操作系统：定制Android安卓4.4 处理器：4核1.6GHz 触摸屏类型：电容式5点触摸 屏幕尺寸：7/9/10寸屏16:10 IPS屏 分辨率：1024*600像素 内存容量：1GB/DDR3 硬盘容量：8GB 辅助功能：重力感应/WIFI/HDMI等 其他接口：3.5mm耳机接口、USB3.0接口、TF卡接口（支持32G） 前置摄像头：30万
智慧终端（网关） 型号 ABO7(支持7寸智能终端)、ABO9(支持9寸智能终端) 、AB10(支持10寸智能终端)。 接口：USB、4组开关量输入、2组开关量输出 通讯：WIFI、ZigBee 供：输入DC 12V、输出DC 5V 智慧终端（网关）的设计是本系统的创新点之一，是一个高度集成化的中间件。 智慧终端（网关）通过ZigBee协议连接家中智能设备。ZigBee是一种基于2.4GHz的新兴的近程、低速率、低功耗的无线网络技术，主要用于近距离无线连接。具有低复杂度、低功耗、低速率、低成本、自组网、高可靠、超视距的特点。简而言之，ZigBee就是一种便宜的、低功耗、安全性高，抗干扰能力强的自组网的近程无线通讯技术。 智慧终端（网关）背部预留I/O接口。Input端口接入报警传感器、温湿度传感器、压力传感器等，Output端口输出声、光、电等信号。然后为I/O点编写运行逻辑，实现相应的功能。例如，当窗户防盗报警传感器检测到有物体穿过窗户，报警传感器出发信号给智慧终端，智慧终端自动向物业报警，并触发家中声光报警警告。
2018年智能制造行业 分析报告 2018年6月
目录 一、工业互联网是制造业升级的核心 (2) 1、工业互联网平台是工业全要素链接的枢纽 (2) 2、政策春风拂面，市场前景可期 (4) 二、平台体系是工业互联网的关键 (6) 1、不同分类下，国内外工业互联网平台一览 (6) 2、三类平台的比较分析及未来发展趋势 (10) 3、他山之石：GEPredix——全球工业互联网平台的典型 (12) 三、工业软件应用构成工业互联网平台的重要资源 (17) 1、工业软件丰富程度决定工业平台整体竞争力 (17) 2、工业互联网平台助力软件企业打开发展空间 (22) 四、投资标的 (23) 五．风险提示 (28) 一、工业互联网是制造业升级的核心 1、工业互联网平台是工业全要素链接的枢纽 工业互联网是制造业数字化、网络化、智能化的重要载体，也是全球新一轮产业竞争的制高点。工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，通过构建链接机器、物料、人、信息系统的基础网络，实现工业数据的全面感知、动态传输、实时分析、形成科学决策与智能控制，提供制造资源配置效率，正成为领军企业竞争的新赛道、
全球布局的新方向、制造大国竞争的新焦点。 工业互联网平台是工业全要素链接的枢纽，是工业资源配置的核心。工业互联网构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在链接、弹性供给和高效配置。工业互联网平台可以分为4个部分：1>边缘层：通过协议转化和边缘计算形成有效的数据采集体系，从而将物理空间的隐形数据在网络空间显性化。2>IaaS层：将基础的计算网络存储资源虚拟化，实现基础设施资源池化；3>工业PaaS层：工业操作系统，向下对接海量工业装备、仪器、产品，向上支撑工业智能化应用的快速开发和部署；4>工业APP：通过调用和封装工业PaaS平台上的开放工具，形成面向行业和场景的应用。对于工业互联网平台来说，数据采集、工业PaaS、工业APP是核心三大要素。 1>数据采集是基础。工业大数据有三类：生产经营相关业务数据、设备物联数据、外部互联网数据。其中，设备物联数据采集受制于传感器部署不足，装备智能化水平低，数据采集颗粒度不足，无法支持上层应用。随着兼容多种协议的技术产品构建，此类问题将得到改善。同时通过部署边缘计算模块，实现数据在生产现场的轻量级运算和实时分析。可以缓解数据的云端计算压力。 2>工业PaaS是关键。现有的通用PaaS平台尚不能满足工业级应用需要。未来通过对通用PaaS的深度改造，构
2018年“西门子杯”中国智能制造挑战赛（原全国大学生工业自动化挑战赛）连续过程设计开发赛项初赛对象工艺说明 2018年“西门子杯”中国智能制造挑战赛 （原全国大学生工业自动化挑战赛） 连续过程设计开发赛项初赛 对象工艺说明 2018年反应器对象增加了循环物料的回收工艺，特针对这部分工艺做进一步说明： 1、闪蒸罐罐顶部的阀门PV1102为抽真空阀，它的作用是在闪蒸罐未闪蒸前，提前通过真空泵P104与此阀门，将闪蒸罐内的压力降低到大气压下，如20-40kpa，然后就可以关闭。 2、闪蒸罐顶部额阀门PV1101是用来回收闪蒸产生的A物料，当闪蒸罐开始闪蒸时，通过调节P104与此阀门，将闪蒸产生的以A物料为主的气相引入到冷凝器（此时冷凝器的冷却水应该打开），然后变成液相进入到冷凝罐，待冷凝罐建立液位后，通过循环泵打到混合罐内。 3、因为PV1102与PV1101的作用与投用时间完全不同，因此不要同时打开这两个阀门。 4、整个系统有一定的设计工艺与稳态要求，开车时，切记阀门开度大起大落，如一开始就把所有阀门开到最大，应当缓缓调节，慢慢提高负荷。 5、综上，这部分的开车流程建议如下： （1）在开车开始阶段，提前通过真空泵P104与阀门PV1102，将闪蒸罐内的压力降低到大气压下，如20-40kpa，然后就可以关闭。 （2）反应器进料，慢慢反应，温度上升，上升到一定温度（或反应器液位到一定高度），将反应器底部物料打入闪蒸罐，此时，可能还未闪蒸，随着温度的升高，开始闪蒸（表现为闪蒸罐的压力开始增大）。 （3）当闪蒸罐开始闪蒸时，通过调节P104与阀门PV1101，将闪蒸产生的以A物料为主的气相引入到冷凝器（此时冷凝器的冷却水应该打开），然后变成液相进入到冷凝罐，待冷凝罐建立液位后，通过循环泵打到混合罐内。（4）一旦出现冷凝罐压力太大（往往是因为进入的物料没有冷凝或者冷凝不够，呈现气相），可以通过打开冷凝罐排气阀排气，回到常压后，再关闭。
智能箱管理系统白皮书 2016年
目录 1.系统介绍 (1) 2 系统组网介绍 (1) 2.1 智能设备箱PCB控制板与上位机通讯原理 (1) 2.2 智能设备箱与后台管理平台组网方式 (2) 3.前端智能设备箱介绍 (2) 4 智能设备箱管理系统组成 (4) 5. 智能设备箱管理系统功能介绍 (5) 5.1 平台首页概览 (5) 5.2 智能箱配置管理 (6) 5.3 智能箱设备巡检管理 (6) 5.4 智能箱监测查询 (7) 5.5 系统日志管理 (7) 6.系统运行环境与接口 (7)
1.系单元动设节省2 系 2.1 系统介绍 智能箱管元运行情况设备巡检相省人力成本智能监控箱（1）智能（2）实时（3）及时（4）极大（5）大大（6）远程（7）多重（8）自动系统组网介 智能设备箱管理系统提况进行检测；结合，并可本，提高工作箱的优点：能控制、远程时反映整个系时对发生故障大提高整个监大减轻监控系程重启：可以重防雷措施，动重合：提供介绍 箱PCB 控制图1 智能提供对智能箱可以分级可以与运维平作效率，保 程集中管理系统中摄像障的设备进监控系统中系统的运行以远程操控，防雷模块供一种防护措制板与上位能箱PCB 控制 1 / 9 箱进行配置、分区进行平台进行无保障监控前端理。 像机设备的运进行检修。 中摄像机的在行维护成本，控设备，提供块状态可知，措施和自动位机通讯原理 制板与上位机置、管理、控行管理；可以无缝对接。系端监控设备运行情况。在线率。 ，保障平安供一种解决，提高系统动故障恢复理 机通讯原理图控制及维护以实时上传系统提供远程备正常运行。 安城市的建设决故障的手段统的可靠性的方法，减图 护；可以对系传告警信息与程监控和管。 设与发展。段。 。 减少人工参与 系统与主管理， 与。
２０１８年中国人工智能创新应用白皮书
报告背景介绍 在全球人工智能发展的浪潮下，市场对人工智能的投入与期望空前巨大，正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离，成为了各行业企业的重要任务之一。此份独立报告为各行业企业在人工智能方向上的布局与行动举措提供了参考信息与建议，同时也为人工智能企业在具体行业发展方向的选择上提供了参考。 我们的讨论将由四个部分组成，第一部分为人工智能发展背景介绍，对人工智能的概念、发展历史、人工智能企业目前发展状况、人工智能未来的技术与应用走向进行讨论；第二部分为人工智能的商业应用情况，将讨论人工智能能够为各行业带来的具体价值，评估各个行业目前应用条件的成熟程度；第三部分梳理总结了人工智能在20个行业的80个具体应用场景，并详细介绍典型的行业应用场景与案例；第四部分将为企业当下如何借力人工智能给出行动举措方面的建议。 此份独立报告整合了中国人工智能学会与罗兰贝格在数字化领域积累的项目经验与素材，以及对人工智能领域初创企业管理人、各行业内企业经理人、人工智能研发人员的访谈等多方信息数据源，旨在提供具有落地意义的参考与建议，推动人工智能的应用与发展。
执行总结 今年7月，国家发布了新一代人工智能发展规划，将中国人工智能产业的发展推向了新高度。人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术，在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下，本次人工智能的发展已突破了商业领域对其应用效果的预测，受到风险投资基金的热烈追捧，人工智能技术的应用场景也在各个行业逐渐明朗，开始带来降本增益的实际商业价值。 在巨大的产业需求规模与强有力的金融投资支持下，中国在全球新一代人工智能中发展态势良好，北京、深圳和上海在人工智能企业与人才积累上名列全球城市前茅，中国人工智能产业的发展进入了技术逐渐渗透到各行业产生实际价值的阶段。 根据大量行业研究，我们发现，除了互联网行业以外，汽车、消费品与零售、金融以及医疗行业等数据基础比较完善、数据资源比较丰富的行业具有最为成熟的发展基础与最大的市场应用潜力。根据我们的估算，在中国至2030年，在金融行业，预计人工智能将带来约6000亿元人民币的降本增益效益。在汽车行业，人工智能在自动驾驶等技术上的突破将带来约5000亿元人民币的价值增益。在医疗行业，预计人工智能可以带来约4000亿元人民币的降本价值。在零售行业，预计人工智能技术将带来约4200亿人民币的降本与增益价值。我们在价值链的研发、制造、营销、服务以及物流等环节上梳理并描述了这些典型行业内人工智能的主要应用场景。 就中国企业应如何把握机遇，抓住战略机会，我们提出了一系列的行动建议。企业在制定人工智能发展计划时，首先应当明确在当前业务场景下的应用机会点，这些机会点应当能够带来足够的商业价值，并且企业自身也具备应用这些机会点的条件。企业需要通过研究外部市场发展情况，了解目前行业中其他企业在此技术方向上的布局，评估人工智能技在价值链各环节上的商业应用案例。其次，企业需要评估在组织、数据与技术、运用与执行能力上具备的核心竞争力，认识到在哪些方面存在不足，并针对不足为相关部门提供包括组织、流程、KPI等各方面的支持与引导。最后，结合对企业内部核心竞争力打造计划与应用实施计划，企业需要制定明确的发展方向与发展程度期望，设置具有时间节点的发展蓝图，并打造相关的配套能力支持计划执行。 新一代人工智能技术的应用将给各行业带来众多新的可能性，甚至有可能颠覆现有的行业格局并可能重塑行业，我们期待看到中国的企业在新一次人工智能浪潮中抢占先机。
附件1 2018年智能制造综合标准化与新模式 应用项目申报要求 为贯彻落实《中国制造2025》，深入实施智能制造工程，推动制造业智能升级，工业和信息化部与财政部决定联合开展2018年智能制造综合标准化与新模式应用项目工作，有关事项要求如下： 一、主要支持内容 智能制造综合标准化与新模式应用项目将围绕2类项目：一是智能制造综合标准化试验验证类项目；二是智能制造新模式应用类项目。 二、激励约束机制 建立促进企业创新的激励约束机制，通过明确项目实施目标，发挥财政资金引导作用，激发企业内生动力，促进产业提质增效、节能降耗、优化升级。纳入智能制造综合标准化与新模式
应用的项目，先预拨一部分财政补助资金，如期实现目标并通过项目验收的，将给予后续财政资金奖励；未如期完成项目验收的，将收回已补助资金。对于项目承担单位擅自调整实施内容或项目发生重大安全事故、环境污染等问题的，除将收回已补助资金外，还将进行业内通报等处理。 三、项目组织方式 委托第三方机构组织申报项目评审，择优遴选。所有申报项目需经项目建设所在地工业和信息化主管部门出具推荐意见，中央企业申报项目需额外出具推荐意见。 四、项目申报条件 （一）申报项目的单位应在中华人民共和国境内注册、具备独立法人资格，运营和财务状况良好。 （二）智能制造新模式应用项目须由用户、系统集成商、软件开发商、核心智能制造装备供应商等组成的联合体联合申报。联合体成员间须共同签订合作协议书，明确联合体组织方式和运营机制、成员单位具体权责、任务分工以及长期发展计划等。联合体的牵头单位作为项目的申报单位。 （三）每个申报单位只允许在智能制造综合标准化试验验证项目或智能制造新模式应用项目中牵头申报一个项目。已承担过项目但逾期未验收的，项目牵头单位不得申报2018年智能制造综合标准化与新模式应用项目。
NB-IOT智能燃气表解决方案白皮书 中国移动通信集团有限公司 中国移动物联网联盟 2018年12月
目录 NB-IOT智能燃气表解决方案白皮书 (1) 1.序言 (4) 2.行业背景 (4) 2.1 行业痛点 (4) 2.2行业发展及趋势 (5) 2.3 市场前景 (7) 2.3.1 燃气行业市场前景 (7) 2.3.2 智能燃气表市场前景 (8) 3.行业解决方案 (9) 3.1 整体解决方案介绍 (9) 3.1.1终端层 (11) 3.1.2网络层 (11) 3.1.3平台层 (11) 3.1.4应用层 (12) 3.2燃气应用性能指标 (12) 3.3安全性要求 (13) 4.业务功能及流程 (13) 4.1表计安装 (14) 4.2 表计终端上线 (15) 4.3周期性业务上报 (16)
4.4用户缴费 (17) 4.5异常信息处理流程 (18) 5.方案设计 (19) 5.1低功耗设计 (19) 5.2覆盖&性能 (20) 5.3错峰离散 (21) 5.4话务模型 (22) 5.5问题定位 (22) 5.6安全 (23) 5.7 FOTA升级 (23) 5.8 IoT应用使能平台 (23) 5.9连接管理平台 (24) 6.NB-IOT智慧燃气应用价值 (25) 7.业务场景及商业模式 (27) 7.1业务场景 (27) 7.2 商务模式 (29) 8.应用最佳实践 (29)
1.序言 本文主要介绍NB-IOT在燃气行业的应用，行业目前存在的问题，及NB-IOT技术针对燃气行业的痛点提供的解决办法。介绍了NB-IOT智慧燃气整体解决方案，并对相关技术规范应用、业务功能及流程的进行了设计与约束、定义NB-IoT燃气表的基本功能集、实现流程，并提供方案设计建议。 本文主要目的是服务于中国移动智慧燃气相关业务开展主要有几个作用：1、约束行业业务的实现；2、给燃气行业从业人员、运营商网络人员了解行业发展趋势及相关技术规范，如包括配置、安装、升级、性能指标等。 2.行业背景 “十三五”时期（2016-2020年）将是我国全面建成小康社会，实现中华民族伟大复兴中国梦的关键时期，能源发展面临前所未有的机遇和挑战，天然气在我国能源革命中占据重要地位。在国家继续深化改革的政策指引下，天然气行业的发展环境将发生显著变化。天然气行业的不断发展与普及将及大的推动智能燃气表的发展。 当前,传统智能燃气表在解决燃气客户痛点时存在许多问题,比如数据传输不稳定、功耗高和抄表成功率低等。而NB-loT具有高安全、广覆盖、大连接、低功耗和低成本等特点,可以较好的解决上述问题,并更好的满足燃气客户的发展需求。 燃气表行业作为一个可持续发展的行业，市场前景广阔。目前我国正处于传统膜式燃气表向智能燃气表的转换阶段，智能远传燃气表凭借其安全性、便捷性、智能性等优点将成为市场上的主流产品。 2.1 行业痛点 近年来城市燃气取得了巨大的发展,但由于城市燃气业务涉及城市安全、百姓服务满意、企业自身盈利、区域能源供需平衡等多方挑战,燃气企业运营也一直存在诸多管理难题。 抄表难，缺乏快速有效的抄表手段，由于传统工作方式效率低下，后台计费系统往往月末待集中进行计费出账。
2018年“西门子杯”中国智能制造挑战赛 （原全国大学生工业自动化挑战赛） 连续过程设计开发赛项决赛竞赛细则 一、总则 1.以公平、公正、公开为原则，以参赛队现场实施效果为考核标准。 2.全国竞赛组委会以甲方的身份发布工程项目招标需求，各参赛队以乙方的身份，根据甲方提出的 要求，进行项目方案设计，并以工程承包商的身份进入比赛现场实施。全国竞赛组委会将组织专家就项目方案设计、系统开发和现场实施等三个方面，对参赛队的系统设计方案和实施效果进行综合考察。 3.项目方案设计内容： （1）系统分析，包括需求分析、对象特性分析、安全分析等。 （2）控制系统设计，包括开车顺序、控制回路、控制PI&D图、控制算法、安全联锁、人机界面等。 （3）控制系统组成，包括控制器、IO卡件、通讯网络等。 （4）系统实施说明，包括系统连接、系统安装、系统组态、系统整定、系统调试、系统投运等。 （5）经济效益分析，包括产能、耗能、安全、环保等。 4.项目方案实施内容： （1）在SIMATIC S7-400 PLC上，完成硬件组态和控制程序开发；在SIMATIC WINCC上，完成监控画面组态与开发；建立PLC和WINCC之间的通讯连接。 （2）系统调试，包括控制器参数整定、故障排除、系统投运等。 （3）系统验收，包括项目方案设计书、现场实施报告，接受甲方对系统性能的评估。 5.全国竞赛组委会和决赛组委会只保证比赛设备正常可用，比赛现场不再对硬件组态、程序下载等 基础问题作技术支持。参赛队需要自行分析解决问题，全国竞赛组委会将此作为比赛考核内容之一。
6.参赛队需要自行携带电脑，作为系统的上位机，并自己负责设备的连接。全国竞赛组委会和决赛 组委会不再提供备用机。 7.决赛环节由“现场实施”与“方案答辩”两部分组成。 8.正式比赛期间，指导教师不得进入比赛现场。如有不听规劝者，将取消其所带领参赛队的比赛资 格。原则上不允许以任何原因离开赛场，如有特殊原因，需要边裁或巡检陪同。 9.在现场比赛过程中，主裁宣读完注意事项之后十五分钟内，指导教师可以通过手机通话的方式（只 能通话，不能视频、拍照）与参赛队员进行远程交流和指导，十五分钟后，所有参赛队员关闭手机。 二、决赛规则 1.各参赛队针对比赛题目自主构思控制方案，完成系统设计、控制算法及程序开发，并于指定日期 和地点参加决赛的现场比赛。 2.决赛环节由“现场实施”与“方案答辩”两部分组成（高职组只有上机，没有答辩，满分80分）。 分值分配如下： 3.“现场实施”环节包括：接线、系统实现（含WINCC画面组态与方案的调试实施）等，其中接线 分值5分、WINCC画面组态分值5分、方案调试实施分值70分（第一阶段30分，第二阶段40分）。 4.决赛报到的参赛队需在赛前参与抽签，以决定现场比赛的组别和顺序。 5.参赛队员须经大赛志愿者检录后进入赛场。如发现有冒名顶替者，将取消该参赛队的比赛资格。 【现场实施】 6.参赛队员全部入场后，主裁宣读比赛注意事项，并分发具体任务要求（赛题与竞赛规则）。主裁宣 读比赛注意事项期间，参赛队员不得进行任何操作。 7.“现场实施”环节总的时间为4小时（240分钟）。 8.主裁宣读完注意事项之后十五分钟内，参赛队员可以通过手机寻求场外指导教师的帮助，十五分 钟后，统一关闭手机。 9.接来下是接线环节，该环节总共40分钟，要求将PCS 7远程IO中的AI模块与SMPT-1000的仪 表测量输出模块进行接线，并确保通讯正常（至少确保一路TI1101能够接入到PCS 7远程IO中）。
中国电信4G泛智能终端白皮书 (2020.V1版初稿) 中国电信集团有限公司
目录 目录 (2) 中国电信4G泛智能终端白皮书 (1) 1定义和范围 (1) 1.1 泛智能终端的定义 (1) 1.2 泛智能终端的分类 (1) 1.3 本白皮书内容范围 (1) 2要求等级 (1) 3要求编号说明 (1) 3.1 要求编号组成 (1) 3.2 分类与子类编号的对应 (1) 4泛智能终端缺省功能 (2) 4GFZN-00001 [必选] 自注册功能要求 (2) 4GFZN-00002 [必选] 卡槽及用户卡适配要求 (2) 4GFZN-00003 [必选] IPV4和IPV6配置要求 (2) 4GFZN-00004 [必选] 对接泛智能终端管理平台的要求 (2) 4GFZN-00005 [必选] VoLTE开关要求（终端支持VoLTE功能） (3) 4GFZN-00006 [必选] APN配置要求 (3) 5可穿戴终端 (3) 5.1 儿童手表 (3) 5.1.1 通信功能 (3) 4GFZN-11101 [必选] 通信制式、频段及协议版本要求 (3) 4GFZN-11102 [必选] 业务整体要求 (4) 5.1.2 业务功能 (4) 4GFZN-11201 [必选] 通话业务要求 (4) 4GFZN-11202 [必选] 定位业务要求 (4) 5.1.3 配置要求 (5) 4GFZN-11301 [必选] 手表与手机交互要求 (5) 4GFZN-11302 [必选] 配置与升级要求 (5) 4GFZN-11303 [推荐] AI要求 (5) 5.1.4 性能要求 (6) 4GFZN-11401 [必选] 功耗性能要求 (6) 4GFZN-11402 [必选] 定位性能要求 (6)
智能制造和工业软件进展白皮书 （2015版） 中国电子信息产业进展研究院工业和信息化部赛迪智库 二○一五年四月
本文作者：工业和信息化部赛迪智库安琳研究员 转载引用需注明“工业和信息化部赛迪智库”
前言 2014年，智能制造在全球范围内引起广泛关注，多个国家先后部署了相应的制造业进展战略。工业软件作为智能制造的核心支撑，连续了自2012年以来的高速增长态势，但由于受到全球经济进展形势持续低迷，企业投资能力受限的阻碍，市场规模增速有所放缓。在此背景下，多数企业视当前时期为宝贵的“战略调整窗口期”，面向下一代智能制造的进展要求，纷纷加快了企业的战略定位、业务、产品和技术的优化调整，产业进展呈现出“蓄力凝神”的突出特征，产业创新活跃，投融资动作积极。工业软件当前的进展情况，可视为以后智能制造进展的风向标。工业软件产业的调整，体现了全产业对以后智能制造进展趋势的预判。 在此形势下，中国电子信息产业进展研究院编写了《智能制造和工业软件进展白皮书（2015版）》，全面梳理2014年全球和我国智能制造和工业软件的进展情况，从创新进展、应用推广、企业进展、投融资、政策环境等维度总结工业软件的进展特点，分析我国工业软件进展面临的问题，展望2015年智能制造和工业软件进展态势，并分不对政府、用户企业、工业软件企业和行业协会提出进展对策建议。
目录 一、全球智能制造进展状况 (1) （一）智能制造与智能制造系统 (1) （二）全球智能制造进展情况 (2) 1．美国将智能制造作为战略重点 (2) 2．日本大力进展工业机器人 (2) 3．欧盟多国部署智能制造相关进展战略 (3) （三）我国智能制造进展情况 (3) （四）工业软件是智能制造进展的风向标 (3) 二、全球工业软件进展状况 (4) （一）市场规模 (4) （二）市场结构 (5) （三）要紧特点 (5) 1．市场规模保持增长但增速放缓 (5) 2．数据驱动业务进展的理念深入人心 (5) 3．工业云服务市场迅速升温 (6) 三、我国工业软件进展状况 (7) （一）市场规模 (7) （二）市场结构 (7)
附件3 2018智能制造试点示范申报内容具体要求 模式一：离散型智能制造试点示范 1. 系统模型建立与运行情况 请分别提供车间/工厂总体设计模型、工程设计模型、工艺流程及布局模型的架构及说明；提供上述系统模型模拟仿真的情况。 2. 先进设计技术应用和产品数据管理系统（PDM）建设情况 请描述数字化三维设计与工艺技术的应用情况，以及通过物理检测与试验进行验证和优化的情况；提供产品数据管理系统（PDM）的整体架构图，描述其主要功能。 3. 关键技术装备应用情况 请提供高档数控机床与工业机器人、智能传感与控制装备、智能检测与装配装备、智能物流与仓储装备等关键技术装备的应用及互联互通情况。 4. 生产过程数据采集与分析系统建设情况 请提供生产过程数据采集与分析系统的整体架构及功能描述。 5. 制造执行系统（MES）与企业资源计划系统（ERP）建设情况 请提供制造执行系统（MES）的架构，描述其主要子系统的
功能；提供企业资源计划系统（ERP）架构，并描述其主要子系统的功能。 6. 工厂内部网络架构建设及信息集成情况 请提供工厂内部工业通信网络结构图，并对架构进行说明；提供实现系统、装备、零部件以及人员之间信息互联互通和有效集成的方案，生产过程数据采集与分析系统与制造执行系统（MES）实现信息集成的技术方案，以及制造执行系统（MES）与企业资源计划系统（ERP）实现信息集成的技术方案；提供全生命周期产品信息统一平台的架构，说明其建设和运行情况。 7. 信息安全保障情况 请描述试点示范的信息安全管理制度、技术防护体系和功能安全保护系统的建设情况。 模式二：流程型智能制造试点示范 1. 系统模型建立与运行情况 请分别提供工厂总体设计模型、工程设计模型、工艺流程及布局模型的架构及说明，并提供上述系统模型模拟仿真的情况。 2. 数据采集与监控系统建设情况 请提供数据采集与监控系统架构图、系统建设和运行情况；描述关键现场装备的智能功能。 3. 先进控制系统建设情况 请提供先进控制系统架构图、系统建设情况；描述关键环节
全球人工智能发展白皮书 （2019年度）
全球人工智能发展白皮书 | 四、人工智能重塑各行业 一、AI创新融合新趋势4 1.1人工智能正全方位商业化4 1.2AI全面进入机器学习时代5 1.3市场对投资回归理性8 1.4城市逐渐成为AI创新融合应用主战场13 1.5AI支持体系不断发力21 1.6顶层政策倾斜力度持续增加23 1.7全球AI市场超6万亿美元29 1.8京津冀、长三角、珠三角AI企业云集31 二、人工智能技术发展腾飞40 2.1人工智能关键技术日趋成熟40 2.2人工智能开放平台建设稳步推进42 2.3“人机大战”谁更能更胜一筹？45 三、中国在全球AI地位52 3.1中国拥有更为庞大的数据规模以及更丰富数据使用环境53 3.2中国是全球芯片需求量最大的市场，但高端芯片依赖进口54 3.3中国机器人企业快速成长核心零部件技术国产化加速54 3.4美国人工智能底层技术实力更为雄厚，中国则在语音识别技术上更优55 3.5中国在AI应用上呈现追击态势55 四、人工智能重塑各行业58 4.1金融：人工智能提升金融企业商业效能并变革企业内部经营60 4.2教育：人工智能技术应用覆盖教学全流程65 4.3数字政务：政策利好加速政府智能化变革70 4.4医疗：人工智能应用日趋成熟71 4.5无人驾驶：主导汽车产业革新75 4.6零售：人工智能驱动行业走向聚合79 4.7制造业：智能制造应用潜力巨大82 4.8智慧城市：人工智能塑造城市基础设施创新系统86
全球人工智能发展白皮书 | 主要发现主要发现： 1
全球人工智能发展白皮书 | 主要发现 2
2020年智能制造行业分析报告 2020年4月
目录 1. 智能制造推动新旧动能转换 (5) 1.1. 行业机遇带来良好的发展趋势 (5) 1.2. 智能制造行业下游拉动需求增长 (6) 1.3. 机器人市场快速增长，科技促进行业智能化突破 (7) 2. 智能制造发力行业应用 (9) 2.1. 中国汽车市场为智能制造带来增长空间 (9) 2.2. 汽车行业电子化程度提升，带动智能制造渗透率提升 (10) 2.3. 科技突破将带动汽车电子在核心应用领域整体提升 (12) 2.4. 医疗健康市场发展迅速，未来智能化改造具备一定空间 (13) 2.5. 新能源电池产能扩张，技术升级带动智能化改造需求 (14) 3. 智能制造的核心竞争力在于技术 (16) 3.1. 核心技术研发筑就行业壁垒 (16) 3.2. 行业公司研发投入较大，技术储备充足 (16) 3.3. 行业公司专注汽车领域 (19) 3.4. 海外公司具备技术和先发优势 (20) 3.5. 国内公司纷纷走向国际化 (22) 3.6. 国内公司与头部客户深度绑定 (23)
1. 智能制造推动新旧动能转换 1.1. 行业机遇带来良好的发展趋势 人口红利消退助推经济结构转型升级，智能制造成为新旧动能转换的必由之路。自 改革开放以来，我国制造业凭借人口红利而高速发展，但与人口红利相伴随的是劳 动密集、资源消耗大、自主创新能力低、信息化智能化水平不高等特征。近年来， 我国人口老龄化速度明显加快，人口红利逐步消退，劳动力成本持续上涨。根据国 家统计局数据，中国65 岁以上老年人口已经从1990 年的6300 万迅速增长到2018 年的1.67 亿，占总人口比例的11.94%。我国劳动力单位成本也不断上升，我国制 造业职工平均工资从2008 年的24404 元增长到2018 年的72088 元。在人口红利 消退、劳动力成本快速上升的情形下，通过发展智能制造装备行业，实现机器换人 能有效节约劳动力成本，提升生产效率，是经济结构转型、新旧动能转换的必由之 路。 图1：1990-2018 年中国65 岁及以上人口数及比重图2：2008-2018 年中国制造业职工平均工资65岁及以上人口数（万人）65岁及以上人口比重（%）制造业职工平均工资（元）增幅（%） 18,000 16,000 14,000 12,000 10,000 8,000 12% 80,000 70,000 60,000 50,000 40,000 30,000 20,000 10,000 22% 20% 18% 16% 14% 12% 10% 8% 11% 10% 9% 8% 7% 6,000 6% 4,000 5% 6% 数据来源：国家统计局，市场部数据来源：国家统计局，市场部 近年来国家产业政策的不断出台，有力支持智能制造装备行业发展。为了实现制造 强国的战略目标，智能制造工程作为五大工程之一，成为国家全力打造制造强国的 重要抓手。2015 年5 月，国务院发布的《中国制造2025》在主要目标中明确提出： “十三五”期间通过数字化制造的普及，智能化制造的试点示范，推动传统制造业 重点领域基本实现数字化制造，有条件、有基础的重点产业全面启动并逐步实现智 能转型；“十四五”期间加大智能制造实施力度，关键技术装备、智能制造标准/工 业互联网/信息安全、核心软件支撑能力显著增强，构建新型制造体系，重点产业逐 步实现智能转型。