（三）技术层

技术层主要包括语音识别、图像视频识别、文本识别等产业，其中语音识别已经延展到了语义识别层面，图像视频识别包括了人脸识别、手势识别、指纹识别等领域，文本识别主要是针对印刷、手写及图像拍摄等各种字符进行辨识。随着全球人工智能基础技术的持续发展与应用领域的不断丰富，人工智能技术层各产业未来将保持快速增长态势。预计到2020年，全球语音识别、图像视频识别、文本识别等人工智能技术层产业规模将达到342亿美元，我国人工智能技术层产业规模将突破66亿美元。

图8 2020年全球及我国人工智能技术层各产业规模占比

1、语音识别：正在步入应用拉动的快速增长阶段

语音识别（Speech Recognition，SR）技术是将人类语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。语音识别技术与其他自然语言处理技术如机器翻译及语音合成技术相结合，可以构建出更加复杂的应用及产品。在大数据、移动互联网、云计算以及其他技术的推动下，全球的语音识别产业已经步入应用快速增长期，未来将代入更多实际场景，预计到2020年全球语音识别产业规模将达到236亿美元，国内语音识别产业规模达到44.2亿美元。

核心技术。语音识别的主要目的是让智能设备能够具有和人类一样的听识能力，同时将人类语言所表述的自然语义自动转换为计算机能理解和操作的结构化语义，完成实时的人机交互功能。近年来，语音唤醒技术、声学前端处理技术、声纹识别技术、语义理解技术、对话管理技术等语音识别领域核心技术的蓬勃发展，有助于构建智能语音交互界面系统，提高语音识别的准确率与响应速度，满足垂直领域对自然语义识别和声音指令的应用需求，为用户提供自然、友好和便捷的人机交互体验。

主要产品。伴随着移动互联网技术的发展与智能硬件设备的普及，人类已经不再满足于键盘输入和手写输入等传统人机交互方式，语音识别技术在电子信息、互联网、医疗、教育、办公等各个领域均得到了广泛应用，形成了智能语音输入系统、智能语音助手、智能音箱、车载语音系统、智能语音辅助医疗系统、智能口语评测系统、智能会议系统等产品，可以通过用户的语音指令和谈话内容实现陪伴聊天、文字录入、事务安排、信息查询、身份识别、设备控制、路径导航、会议记录等功能，优化了复杂的工作流程，提供了全新的用户应用体验。

典型企业。语音识别领域具有较高的行业技术壁垒，在全球范围内，只有少数的企业具有竞争实力。目前，Nuance、苹果、三星、微软、谷歌、科大讯飞、云知声、百度、阿里、凌声芯、思必驰等知名企业均重点攻克语音识别技术，推出大量相关产品。Nuance曾经是全球最大的语音识别技术提供商，侧重于为服务提供商提供底层技术解决方案，随着企业战略目标以及商业环境的改变，目前转型为客户端解决方案提供商；苹果公司以Siri语音助手为平台关联iOS系统相关应用与服务，倾向于改善用户的智能手机使用体验和创新商业模式；微软致力于提高语音识别技术的准确率，英语的语音识别转录词错率仅5.9%，达到了专业速录员水平，并将相关技术应用于自身产品“小冰”和“小娜”之中；科大讯飞作为国内智能语音和人工智能产业的领导者，中文语音识别技术已处于世界领先地位，并逐渐建立中文智能语音产业生态；云知声重点构建集机器学习平台、语音认知计算和大数据交互接口三位一体的智能平台，垂直应用领域集中于智能家居和车载系统；阿里人工智能实验室借助“天猫精灵”智能音箱构建基于语音识别的智能人机交互系统，并通过有效接入第三方应用实现生活娱乐功能的进一步拓展。

图9 语音识别主要产品及典型企业

（四）应用层

应用层主要包括智能机器人、智能金融、智能医疗、智能安防、智能驾驶、智能搜索、智能教育、智能制造系统及智能人居等产业。其中，智能机器人产业规模及增速相对突出；智能金融、智能驾驶、智能教育的用户需求相对明确且市场已步入快速增长阶段；智能安防集中于行业应用和政府采购，市场集中度相对较高；智能搜索、智能人居的产品尚未完善，市场正在逐步培育；智能医疗则涉及审批机制，市场尚未放量。预计到2020年，全球人工智能应用层产业规模将达到672亿美元，其中，智能机器人、智能驾驶、智能教育、智能安防及智能金融的产业规模将超过68%，同时我国人工智能应用层产业规模将突破110亿美元。

图9  2020年全球及我国人工智能应用层各产业规模占比

1、智能机器人

智能机器人是指具备不同程度类人智能，可实现“感知-决策-行为-反馈”闭环工作流程，可协助人类生产、服务人类生活，可自动执行工作的各类机器装置，主要包括智能工业机器人、智能服务机器人和智能特种机器人。受智能工业机器人助推智能制造升级和智能家用服务机器人率先放量的带动，智能机器人全球产业规模在2020年会接近90亿美元，我国将达到25亿美元。

核心技术。由于高频人机互动特点，智能机器人的核心技术重点聚焦在智能感知、智能认知和多模态人机交互领域。同时依据应用领域的不同，智能机器人也存在着大量带有典型行业特征的特色关键技术。智能工业机器人运用传感技术和机器视觉技术，具备触觉和简单的视觉系统，更进一步运用人机协作、多模式网络化交互、自主编程等技术增加自适应、自学习功能，引导工业机器人完成定位、检测、识别等更为复杂的工作，替代人工视觉运用于不适合人工作业的危险工作环境或人工视觉难以满足要求的场合；智能家用服务机器人重点应用移动定位技术和智能交互技术，达到服务范围全覆盖及家用陪护的目的；智能医疗服务机器人重点突破介入感知建模、微纳技术和生肌电一体化技术，以达到提升手术精度、加速患者康复的目的；智能公共服务机器人重点运用智能感知认知技术、多模态人机交互技术、机械控制和移动定位技术等，实现应用场景的标准化功能的呈现和完成；智能特种机器人运用仿生材料结构、复杂环境动力学控制、微纳系统等前沿技术，替代人类完成高危环境和特种工况作业。

主要产品。智能工业机器人领域，随着柔性生产模式的转型，具备感知、规划、学习能力的智能定位机器人和智能检测机器人加速出现，智能定位机器人通过机器视觉系统结合双目摄像头，引导机械手进行准确的定位和运动控制，不仅可以完成对工件的抓取和放置等操作，同时还能进行焊缝、抛光、喷涂、外壳平整等多项作业；智能检测机器人用机器视觉检测方法大大提高生产效率和生产的自动化程度。智能服务机器人领域，随着人均收入水平的提升，对家用工具智能化程度的需求日益增长，扫地机器人、擦窗机器人等智能家政服务产品大量涌现；同时由于全球老龄化引发的社会问题，情感陪护类机器人市场需求也逐步成熟，辅助人类进行陪伴和沟通；随着全球医疗投入的持续增加以及微创类手术需求的快速上升，智能医疗服务机器人进一步促进了医疗解决方案的高效化和精准化。智能特种机器人领域，人类工作及探索的环境边界不断拓展，为降低在高危及不确定环境的工作难度，智能军用机器人、应急救援机器人及消防机器人等正在逐渐代替人类从事高危环境和特殊工况；无人机则广泛应用在警用、城市管理、农业、地质、气象、电力、抢险救灾、视频拍摄等行业，实现大面积巡查，完成实时监测和评估。

典型企业。智能工业机器人领域，国际四大巨头仍占据较高市场份额，日本发那科和安川、德国库卡、瑞士ABB、意大利柯马侧重具有分拣和装配能力的智能工业机器人，英国Meta、德国Scansonic、日本安川聚焦激光视觉焊缝跟踪系统；国内智能工业机器人“三巨头”新松、云南昆船和北京机科占据国内90%市场份额，均有典型产品推出，新松重点提供自动化装配与检测生产线、物流与仓储自动化成套设备，云南昆船侧重烟草行业服务，北京机科主要应用于印钞造币、轮胎及军工领域。智能服务机器人领域，美国iRobot、中国科沃斯、美国IntuitiveSurgica、以色列Rewalk、荷兰Hot-Cheers分别聚焦于清洁、手术、康复及分拣等细分领域。智能特种机器人领域，波士顿动力围绕着拥有液压驱动核心技术的“大狗”机器人，不断构筑技术壁垒；大疆在国内消费级无人机领域占有率达75%，成为估值超百亿美元的“独角兽”企业；美国Howeand Howe Techonologies则专注生产消防机器人，应用于应急救援场景。

表12  智能机器人主要产品及典型企业

2、智能金融

金融行业与整个社会存在巨大的交织网络，每时每刻都能够产生金融交易、客户信息、市场分析、风险控制、投资顾问等多种海量数据。促进人工智能技术与金融行业相融合，在前端可以增强用户的便利性和安全性，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督。这将大幅改变金融行业现有格局，推动银行、保险、理财、借贷、投资等各类金融服务的个性化、定制化和智能化。受智能客服、金融搜索引擎及身份验证入口级产品的广泛普及和应用，智能金融全球产业规模在2020年会接近52亿美元，我国将达到8亿美元。

核心技术。当前，线上交易引发的隐私泄露及金融诈骗频出，同时随着移动终端和金融机构客户端的普及，提取的用户金融数据逐步丰富，金融机构线上服务能力和用户隐私和交易风控就变得至关重要，语音识别、自然语音处理、计算机视觉、生物特征识别和机器学习等技术得到了广泛应用。语音识别与自然语音处理技术可以为前端服务客户实现批量人性化和个性化的服务；计算机视觉与生物特征识别技术则为金融支付验证提供了保障；机器学习技术一方面通过导入海量金融交易数据，从中分析信用卡数据，识别欺诈交易，并提前预测交易变化趋势，另一方面通过构建金融知识图谱将不同来源的结构化和非结构化的数据整合到一起，建立基于大数据的完整征信授信体系。

主要产品。基于电话、网页在线、微信、短信及APP等多模式多频次的金融信息及服务获取渠道，相对较为成熟并已经逐步推广的产品包括智能客服、金融搜索引擎和身份验证，通过构建知识图谱实现理解答复及信息关联体系、提供远程开户和刷脸支付等便捷方式帮助金融机构节省人力成本。同时，随着用户消费及信贷能力的逐步提升，也涌现出一批征信和风险控制的产品，但受限于数据库的规模和数据源的相对难以获取，目前大部分集中在客观呈现款人、企业间、行业间的信息维度关联方面。此外，金融类或资产管理类公司为持续提供用户理财和升值的资产组合推出了智能投顾产品，可根据历史经验和新的市场信息来预测金融资产的价格波动趋势，以此创建符合风险收益的投资组合。

典型企业。智能客服、身份验证和金融搜索引擎领域创新企业较多，着重于引流扩量。智齿科技、网易七鱼及美国DigitalGenius均着重通过用户体验提升客户量，旷世科技、商汤科技及依图围绕着人脸识别的核心技术进入金融领域，融360、好贷网、资信客聚焦垂直领域打造金融服务的入口。征信及风控领域企业以大数据为壁垒，逐步出现行业龙头。启信宝和美国ZestFinance不断扩容数据基础，形成“平台黑洞”优势，启信宝通过提取100多家官方网站数据产品侧重呈现客观数据整合，ZestFinance则使用谷歌的大数据模型建立信用评分体系。智能投顾多为金融机构专业人才或者投资顾问公司转型而来，美国Wealthfront、弥财、财鲸等主要通过

投资ETF组合以达到资产配置，理财魔方、钱景私人理财则专注基金产品的覆盖，雪球和金贝塔等以对量化策略、投资名人的股票组合的跟投为内容展开资讯传递和信息交流。

表13  智能金融主要产品及典型企业

3、智能医疗

促使智能机器和设备代替医生完成部分工作，更多地触达用户，只是智能医疗功用的部分体现。运用人工智能技术对医疗案例和经验数据进行深度学习和决策判断，显著提高医疗机构和人员的工作效率并大幅降低医疗成本，才是智能医疗的核心目标。同时，通过人工智能的引导和约束，促使患者自觉自查、加强预防，更早发现和更好管理潜在疾病，也是智能医疗在未来的重要发展方向。

核心技术。医疗水平的提升和医疗设备的完善使得患者就诊过程会产生与日俱增的就诊数据，爆炸式信息增长让医生无法无差错的完成诊断和治疗，同时随着人们健康意识的加强，预防性和精准性治疗同时受到关注。图像识别、语音语义识别、深度学习技术在医疗领域得到广泛应用。图像识别、语音语义识别技术可充分获取患者的饮食习惯、锻炼周期、服药习惯等个人生活习惯信息以对症下药，深度学习技术可通过计算机模拟预测药物活性、安全性和副作用，降低药物研发周期，并辅助医生工作实现更精准诊断和治疗。

主要产品。期待健康长寿的意愿随着人们生活质量的提高持续增强，适用于生活化的身体管理的智能健康管理产品率先成为热点，以数据形式引导个人生活习惯以达到基于精准医学的健康管理。同时，医生为能进行更精准并且效率更高的诊断和治疗，往往会围绕着医疗领域过往沉淀的大量病理案例，不断从预防的角度规避疾病或提前预测药物的可行性，智能影像、智能诊疗等智能医疗产品快速兴起，逐渐取代经验诊断，通过大量的影像数据和诊断数据模拟医疗专家的思维、诊断推理和治疗过程，从而给出更可靠的诊断和治疗方案。

典型企业。智能健康管理多面向消费端客户，创新企业大量涌现，大部分集中在美国。如Next IT、Sense.ly和AiCure均是从日常健康管理切入移动医疗，Welltok则通过可穿戴设进行健康干预。智能诊疗领域取得显著进展，IBM Watson以肿瘤为重心，在慢病管理、精准医疗、体外检测等九大医疗领域中实现突破，美国MedWhat、英国Babylon Health和中国拍医拍、康夫子正在聚焦智能诊疗的单个应用进入该领域。智能影像领域以创新企业为主，围绕影像数据源竞争激烈。美国Butterfly Network和中国推想科技着重打造影像设备，美国Enlitic则重点关注癌症监测，中国Deepcare围绕SaaS模式为行业提供“算法+有效数据”服务。

表14  智能医疗主要产品及典型企业

4、智能安防

随着高清视频、智能分析、云计算和大数据等相关技术的发展，传统的被动防御安防系统正在升级成为主动判断和预警的智能安防系统。安防行业也从单一的安全领域向多行业应用、提升生产效率、提高生活智能化程度方向发展，为更多的行业和人群提供可视化、智能化解决方案。随着智慧城市、智能建筑、智慧交通等智能化产业的带动，智能安防也将保持高速增长，预计在2020年全球产业规模实现106亿美元，我国会达到20亿美元。

核心技术。随着平安城市建设的不断推进，监控点位越来越多，从最初的几千路到几万路甚至于到现在几十万路的规模，依托视频和卡口产生的海量数据，智能安防已经延展到事后追查、事中防范响应、事前预防的全生命周期。目标检测、目标跟踪和目标属性提取等视频结构化技术，以及海量数据管理、大规模分布式计算和数据挖掘等大数据技术已经取代传统的人海战术，实时分析视频内容，探测异常信息，进行风险预测。视频结构化技术可以通过识别目标并持续跟踪生成图片结果，提取目标属性归纳可视化特征；大数据技术则用于采集、存储人工智能应用所涉及的全方位数据资源，并基于时间轴进行数据累积，开展特征匹配和模型仿真，辅助安防部门更快、更准地找到有效的资源，进行风险预测和评估。

主要产品。为避免社会不稳定事件频频发生的影响，各国对治安和安防的需求都在不断上升，这对更高效、更精准、覆盖面更广的安防服务提出新的需求，公安、交通、楼宇这些代表性的行业都已开始积极利用基于人工智能的硬件及定制化系统。智能公安管理系统汇总海量城市级信息，可对嫌疑人的信息进行实时分析，将犯罪嫌疑人的轨迹锁定由原来的几天缩短到几分钟，同时其强大的交互能力还能与办案民警进行自然语言方式的沟通，真正成为办案人员的专家助手。智能交通管理系统实时掌握城市道路上通行车辆的轨迹信息、停车场的车辆信息以及小区的停车信息，预测交通流量变化和停车位数量变化，合理调配资源、疏导交通，提升整个城市的运行效率。智能楼宇管理系统综合控制着建筑的安防、能耗，对于进出大厦的人、车、物实现实时的跟踪定位，监控大楼的能源消耗，使得大厦的运行效率最优。

典型企业。从提供的产品类型来看，智能安防领域的企业主要分为人工智能芯片、硬件和系统、软件算法三大类别。在芯片领域，跨国巨头企业占较高市场份额，如美国英伟达和英特尔。在硬件和系统领域，各国均以采购本国产品为主，国内主要采购对象为海康威视、大华集团，海康具有深厚的技术积累和成规模的研发团队，大华持续构建广泛的营销网络；美国则有ADT、DSC、OPTEX等高端品牌占据了安防市场大部分份额。在软件算法领域，美国谷歌、Facebook、微软开源代码并提供整体解决方案，中国旷视科技、商汤科技、云从科技等企业也在专注于技术创新研发。

表15  智能安防主要产品及典型企业

5、智能驾驶

智能驾驶通过车上搭载传感器，感知周围环境，通过算法的模型识别和计算，辅助汽车电子控制单元或直接辅助驾驶员做出决策，从而让汽车行驶更加智能化，提升汽车驾驶的安全性和舒适性。根据智能化水平的不同，同时参考SAE的评级标准，可将智能驾驶由低到高分为五个级别，依次是驾驶支援、部分自动化、有条件自动化、高度自动化、完全自动化。在未来各国智能驾驶相关政策法规逐渐成型、行业内技术不断完善、智能驾驶企业积极推动应用落地的情况下，智能驾驶产业规模将保持持续扩大趋势，预计在2020年全球产业规模实现95亿美元，我国会达到12亿美元。

核心技术。随着汽车产业的成熟和普及，各城市交通拥堵愈发严重，汽车尾气带来的环境污染也逐渐影响了人们的生活环境和空气质量，应用计算机视觉、深度学习和知识图谱技术的智能化环保型驾驶方式为解决经济问题和社会问题创造良机。计算机视觉技术对周围的交通环境，如本车在哪里、其它车在哪里、道路多宽、限速多少、现在是红灯还是绿灯等进行识别；深度学习技术和知识图谱构建理解、规划、决策以及经验，比如红灯要停车、路口要减速、何时及如何换道、当前加速还是减速等，同时按照时间顺序更好地统筹安排车辆使用提高车辆的使用效率，减少车辆消费总量，有效减少碳排放；机器学习操控汽车，如方向盘是否转到位、油门刹车档位如何协调等。

主要产品。智能驾驶核心依靠感知探测一定范围内障碍物，并依据已设置好的路线规划实施驾驶行为，各式车载雷达、传感器、辅助驾驶系统和高精地图可以实现驾驶、车和路的交互与融合。车载雷达可探测路肩、车辆、行人等的方位、距离及移动速度，视觉传感器用来识别车道线、停止线、交通信号灯、交通标志牌、行人及车辆等信息，定位传感器用来实时获取经纬度坐标、速度、加速度、航向角等高精度定位，车身传感器通过整车网络接口获取诸如车速、轮速、档位等车辆本身的信息，高级辅助驾驶系统（ADAS）实时收集车内外的环境数据以及时察觉潜在危险，高精度地图实现地图匹配、辅助环境感知、路径规划的作用。

典型企业。智能驾驶分为三层金字塔供应链格局，顶层包括整车及整体解决方案，中层是指高级辅助驾驶系统，底层是指零部件供应商。在整车及整体解决方案层级，科技型公司凭借在人工智能、人机交互方面的优势抢占市场份额。特斯拉通过成熟硬件和机器学习打造智能驾驶商用化车型，谷歌则重点完善智能驾驶方案并向整车制造能力延伸。在高级辅助驾驶系统层级，供应商基本由跨国巨头垄断。德国博世在传感器、自动驾驶、控制、软件等领域共计拥有约450项专利，美国德尔福则通过资本手段布局全产业链，以色列Mobileye在摄像头视觉系统领域占据国际领先地位。在底层零部件供应商层级，中国厂商比重日益增强，围绕某些部件实现技术突破，打造细分市场龙头，如四维图新的车载芯片、拓普集团的智能刹车系统IBS、索菱股份的车载智能系统CID、宁波高发的CAN 总线控制系统、兴民智通的智能用车系统驾宝盒子、盛路通信的夜间驾驶辅助系统、车道偏移提醒系统、盲区检测系统及万安科技的电子制动产品等。

表16  智能驾驶主要产品及典型企业

6、智能搜索

智能搜索是结合了人工智能技术的新一代搜索，除了能提供传统的快速检索、相关度排序等功能，还能提供用户角色登记、用户兴趣自动识别、内容的语义理解、智能信息化过滤和推送等功能，具有信息服务的智能化、人性化特征，允许采用自然语言进行信息的检索，为用户提供更方便、更确切的搜索服务。

核心技术。在信息爆炸时代，用户需要通过最短时间锁定最有价值信息。为匹配用户的请求，实现网络资源快速检索，搜索的方式和算法都有变化。应用到搜索方式的主要技术有语音识别、图像识别和文本识别，改善搜索算法的技术则包括启发式搜索算法、智能代理技术及自然语言查询。语音识别、图像识别和文本识别可全方位识别搜索信息输入属性，提升搜索的便捷性和准确度。启发式搜索算法、智能代理技术及自然语言查询可根据相关度及用户兴趣的评价函数选择最匹配信息链接，自动地将用户感兴趣的、对用户有用的信息提交给用户，并引入用户反馈来完善检索机制，实现自然语言的信息检索，为用户提供更方便、更确切的搜索服务。

主要产品。随着信息技术的迅速发展和互联网的广泛普及，网络上信息量成几何级数的增长，传统的搜索引擎技术在日益庞大的信息量面前逐渐显得力不从心，多样化的搜索方式和更精准的搜索算法产品应运而生。淘淘搜和百度搜图、听歌识曲、高德地图和百度地图、墨迹天气等产品，分别满足用户在图像搜索、语音搜索、定位搜索、天气搜索等场景的信息匹配和推送。出门问问、呱呱财经等产品则聚焦于垂直类智能搜索领域，实现用户对某具体领域单点信息需求的充分筛选。

典型企业。在提供智能搜索方式的企业中，阿里巴巴、百度从文本搜索延伸至图像搜索，英国Shazam、中国酷狗、网易、猎曲奇兵不断提升语音搜索的准确率，百度、高德均推出基于定位搜索的高精地图，墨迹风云科技公司专注天气搜索成为移动端用户量第一。在提供智能搜索算法的企业中，传统搜索引擎巨头升级为主，创新企业多聚焦垂直领域。科技巨头如美国谷歌、Wolfram Alpha、中国百度、雅虎、搜狐等专注技术驱动，创新企业如齐聚科技则侧重服务驱动。

表17  智能搜索主要产品及典型企业

7、智能教育

智能教育侧重启发与引导，关注学生个性化的教育和交互，学生能够获得实时反馈和自动化辅导，家长可以通过更为便捷和成本更低的方式看到孩子实时学习情况，老师能收获更丰富的教学资源、学生个性化学习数据来实现因材施教，学校也能提供高质量的教育，政府则将更容易为所有人提供可负担、更均衡的教育。自动化辅导优先通过搜题的应用取得爆发式增长，预计2020年全球智能教育产业规模可达108亿美元，我国将接近10亿美元。

核心技术。智能教育建立在与学生充分的交互和数据获取的基础上，并在海量的教育数据中，匹配用户的学习需求，最终能够完成辅助教育和评估反馈，语音语义识别、图像识别、知识图谱和深度学习技术应用较多。语音语义识别、图像识别实现了规模化的自动批改和个性化反馈；知识图谱和深度学习技术搜集学生学习数据并完成自动化辅导和答疑，预测学生未来表现，智能化推荐最适合学生的内容，最终高效、显著地提升学习效果。

主要产品。对教师人力资源的过度依赖是教育行业问题根本所在，能够辅助教育过程、提升教师效率，同时激发学生自主学习兴趣的产品，率先得到市场的认可，目前相对成熟的产品有自动化辅导、智能测评和个性化学习。自动化辅导可在两秒内反馈出答案和解题思路，手写的题目的识别正确率也已达到70%以上，大幅提升学生的学习效率。智能测评不仅可以对用户跟读进行语音测评和指导，同时还能通过手写文字识别、机器翻译、作文自动评阅技术实现规模化阅卷的作业测评。个性化学习基于学习行为的数据分析，推荐适合学生水平的学习内容。

典型企业。从事自动化辅导和个性化学习的企业均聚焦单一产品功能和教育区间，目前主要通过融资方式持续补贴用户提升获客能力。美国的Volley 和中国的猿题库、作业帮、学霸君和阿凡题聚焦K12教育的题库辅导和答疑，均推出拍照搜题完成题库答疑或老师答疑，中国郎播网、英语流利说和多邻国等侧重语言辅导，美国Newsela、LightSail等建立阅读数据库个性化提供阅读材料。智能测评企业主要集中在英语科目，如中国科大讯飞以智能语音技术为核心推出智能阅卷系统，批改网和美国LightSide通过数据库匹配完成文本测评。

表18  智能教育主要产品及典型企业

8、智能人居

智能人居以家庭住宅为平台，基于物联网技术和云计算平台构建由智能家居生态圈，涵盖智能冰箱、智能电视、智能空调等智能家电，智能音箱、智能手表等智能硬件，智能窗帘、智能衣柜、智能卫浴等智能家居，智能人居环境管理等诸多方面，可实现远程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据，为用户提供个性化生活服务，使家居生活安全、舒适、节能、高效、便捷。

核心技术。随着移动互联网技术的大规模普及应用，为人们精细化掌控人居环境质量与模式提供了基础支撑，人工智能技术的持续发展，又进一步促使人居环境中的管理、辅助、通信、服务、信息获取等功能再次实现智能化的组合优化，以达到借助科技手段管理生活方式的目的。在此背景下，传感器技术、无线及近场通讯设备、物联网技术、深度学习、大数据及云计算技术得到较多应用。传感器和通讯设备对人居环境进行监测形成的数据流，会通过云计算和深度学习建立相应模型，再依托家用物联网对室内的电器设备乃至整个建筑的实时控制，将模型对应的参数和状态优化方案反馈到人居环境中，为人居生活的计划、管理、服务、支付等方面提供支持。

主要产品。随着技术的进步、人均收入的提升和对舒适生活环境的追求，人们需要的不仅是具备传统的居住功能的住宅，同时也需要兼备智能监测、环境控制、信息交互等全方位感知功能的智能居住环境。智能家居作为终端首先备受市场关注，具有通信功能的家用智能硬件及设备在大数据和云计算技术的支持下，能够完成远程控制、网络通信、防盗报警等较为复杂的任务。智能人居管理系统是以搭载大量移动互联网应用为基础，实现人居环境智能化改造，如生成家庭装潢设计与家具摆放设计，通过天气数据、已有服装数据、所处场合的风格自动生成穿衣指南，或者通过人工助手借助语音识别、语义分析等技术，满足人类在生活中的一些日常即时需求。

典型企业。具备智能人居解决方案提供能力的龙头企业众多，可大致分为传统家电厂商、智能硬件厂商、互联网电商及创新企业，各家布局方式互不相同。海尔、美的聚焦智能家居终端，小米侧重于面向众多开发者提供硬件开放式接口，华为致力于提供软硬件一体化楼宇级解决方案，京东通过轻资产、互联网化的运营模式号召合作伙伴加入其线上平台和供应链，国安瑞通过数据挖掘提供覆盖操作终端硬件、系统智能云平台、建筑智能设备的闭环解决方案提升室内人居感受。

表19  智能人居主要产品及典型企业

（五）国内外产业对比分析

1、基础层产业国外多点布局产品种类丰富，国内技术相对薄弱但初创企业表现活跃

国外企业凭借领先的技术优势展开全产业链布局。人工智能产业近年来不断突破新的极限，在深度和广度上都得到良好发展，很大程度上受益于智能传感器、智能芯片和算法模型等基础层产业的爆发式增长。国外科技企业及机构依赖强大的资源整合能力与持续创新功能，不断加快基础层底层技术研发与应用产品实践步伐，围绕智能硬件与软件核心算法产业链上下游进行有效部署，打造面向市场实际应用需求的产品体系与创新机制，催生了以新型时差测距传感器、类脑芯片、大规模卷积神经网络深度学习算法等为代表的前沿技术产品，有效促进基础层产业对技术层和应用层产业的支撑推动作用。

国内初创企业有望实现创新突破。目前，基础层产业的核心技术大部分仍掌握在国外企业手中，为我国企业自主开展研发带来了不利的壁垒封锁，限制了产业整体发展。但是，国内企业及科研机构进一步加强了对传感器、底层芯片及算法等基础层技术的研发力度，持续加大研究投入，以寒武纪、深鉴科技、云知声为代表的一批国内初创企业在智能芯片和算法模型方面已推动展开相关研发工作，取得了一定的技术积累，形成了较为完整的技术和产品体系，有望在未来引领产业创新发展。

2、技术层产业国外业已打通应用端，国内围绕特定领域实施产品精准投放

国外企业聚焦语音识别和图像识别领域推出成熟商业应用。在多元化的应用环境驱动影响下，语音识别和图像识别正从科研、国防、医疗等专用领域逐渐走入智能化、娱乐化的工作与生活场景，受到国外企业的广泛关注。谷歌、微软、亚马逊等国外技术公司重点围绕个人语音助手和人脸识别等展开技术研究与产品开发，打造出较为成熟的商业模式，诞生了一批符合实际应用场景需求，具备独特竞争优势的商业化产品，满足了用户在信息安全、多媒体交互和社交娱乐等方面的实际诉求。

国内企业瞄准安防、家居及教育等领域展开特定产品开发。由现实国情和具体市场需求所决定，国内企业的技术层产品研发侧重于安防监控、智能家居及教育培训等特定领域，形成了一批内容丰富、功能完善的优秀产品。旷视科技、海康威视等企业重点研发人脸检测识别、指纹识别等技术产品，用于综合案件和重要场所管控等领域。华为、云知声、国安瑞等企业成功将语音识别、人脸识别等技术应用于智能家居领域，打造舒适便捷的人居环境。科大讯飞、汉王等企业则围绕语音交互、语义理解、文本识别等关键技术打造在线阅卷、在线辅导以及口语评测等产品，广泛服务于远程教育和技能培训。

3、应用层产业国外较多依赖技术内生发展驱动，国内较为注重商业模式创新

国外企业注重技术进步对应用领域创新的推动放大作用。人工智能应用层领域众多，各领域交叉性较强，内在联系紧密，呈现相互促进融合发展态势。以深度学习为例，主流的通用开源深度学习框架，可以作为人工智能底层技术平台，在包括智能机器人、智能医疗、智能驾驶、智能教育等应用层各方面得到广泛应用，一旦深度学习技术有所创新，其产生的积极影响将惠及多个应用层领域，而这些应用层领域之间的相互促进作用又会继续放大技术进步成果，带来创新倍增效应。基于此，国外企业在持续拓展人工智能应用范围的同时，始终坚持底层技术研发为主导的优先发展战略，聚焦技术的内生增长潜力，不断寻找挖掘新的应用需求。

国内企业立足市场特色加快商业模式创新步伐。国内人工智能应用层企业立足个人消费与生活服务领域，关注垂直行业应用需求，有效细分目标市场，积极整合闲置资源，注重挖掘数据价值，通过商业模式的不断创新对应用层各领域进行持续渗透，着眼于增加产品的实用功能和改善用户体验。同时，大部分从事人工智能的国内企业也是由互联网业务起家，借鉴以往移动互联网和O2O（Online and Offline，线上线下）模式的成功商业经验，注重社区平台对用户和商家的分类功能及点对点服务特性，关注数据价值，构建人工智能应用精准营销和优质体验的业务生态体系。