人工智能商业化研究报告

报告摘要 

宏观环境、政策、数据和技术是人工智能商业化的四大驱动力 

• 商业化是相对于实验室产品而言。人工智能商业化，即：企业利用人工智能技术来解决 实际的问题，并通过市场进行规模化变现的行为。 

• 目前，七类人工智能技术已经进入商业化阶段，商业化路径大致可分为两种。一种是人 工智能技术公司主动去探索并推动产品和技术在实际场景中的落地；另一种是实体产业 积极的思考人工智能是否可应用于相关的业务场景来协助降本增效。 

• 宏观环境变化、政策、数据和技术是人工智能进入商业化探索阶段的四大驱动力。

• 资本趋于理性，人工智能早期项目融资难度增加，B轮及以后独角兽融资热度不减。 

中国人工智能产业链快速完善，大致可分为基础层、技术层和应用层 

• 中国人工智能产业链快速完善，各环节合作模式逐渐成型，并呈现出精细化发展的趋势 。根据产品和业务侧重的不同，人工智能产业链可大致分为基础层、技术层和应用层。

• 基础层资本注入稳定，各环节技术、产品和商业模式上均有不同程度的突破。• 技术层早期大量研发投入带来的技术优势，转化为商业化的先发优势，进而带来市场机 会和规模优势。

• 应用层深入到各行各业，行业呈现“一专多能”的趋势，即：专注于某一领域的技术公 司，同时也关注更多的行业和场景机会。 

人工智能与实体产业深度结合的商业化时代已经到来，未来潜力巨大 

• 各类人工智能技术都已进入在实体产业应用场景中落地的阶段，受政策和市场环境驱动 ，人工智能商业化的进程加快，未来，将在带动行业创造新的增长点上发挥巨大潜力。 

• 随着开源算法、开放平台的应用，人工智能的使用门槛在逐渐降低，这将使得更多的企 业可以利用人工智能技术来为场景和行业赋能。

• 在探索技术边界的过程中，人工智能所能解决的问题更加精细化，对应的产品和服务也 更加专业化。 

• 整合上下游产业，健全商业生态，是人工智能企业构筑更高壁垒的一种重要方式。

行业综述

商业化将人工智能热度推上了历 史新高

• 商业化是相对于实验室概念产品而言，人工智能商业 化即企业如何利用人工智能技术来解决实际的问题， 并通过市场进行规模化变现的商业行为。• 人工智能的概念诞生于1956年世界达特茅斯会议上， 距今已经有半个多世纪的发展史，但人工智能真正走 出实验室，走进人类生活却是近几年才有的事。 

• 据WIPOP 2019年人工智能趋势报告显示，50%的AI 专利在过去5年内发表，这意味着从2014年-2018年 这五年内，AI产业进入了快速发展的阶段。

• 人工智能基础技术渐趋成熟至达到商用条件，从而能 够在更广泛的场景下发挥价值，是其商业化的前提。加之近年来，互联网产业进入洗牌期，资本市场对人 工智能的投资也表现得更加理性。技术成熟且具有较 强商业落地能力的项目持续受到资本的关注，这在一 定程度上推动了行业从早期普遍强调技术优势过渡到 更加重视产品、解决方案等商业化能力的发展阶段。

• 整体来说，中国人工智能技术商业化速度非常快，计 算机视觉、生物识别等相对成熟度更高、商业化更早 的技术，已经在公共安全、金融、零售、广告营销等 领域有了较好的应用；自然语言处理技术也在智能客 服、智能语音交互等场景下服务于各行各业；机器学 习应用范围则更广，比较典型的应用如智适应教育、 智能推荐等已逐渐走入人类生活。可以说，商业化将 是近几年维持人工智能热度的主要力量。

什么是人工智能？

• 人工智能的概念还相对模糊，尤其是近年来，技术及 其应用边界不断拓展的阶段，各方对人工智能的认知 存在较大偏差，行业内尚无统一的定义。

• 目前流行的说法大多从“仿人”的角度来看，将利用 机器（含计算机程序）模拟人类感知、学习、认知、 推理、决策、交互等过程的技术称为人工智能。 

• 其中，按照机器是否可以产生自我认知和适用范围， 又将人工智能分为弱人工智能（专用人工智能）和强 人工智能（通用人工智能）。

• 弱人工智能：机器没有自我意识，不具备真正的推理 和独立解决问题的能力，通常只适用于特定条件下某 一类问题的解决，如：人脸识别、语音识别、语义理 解等，故弱人工智能也被称为专用人工智能。现阶段 ，人工智能技术的研究和应用主要集中在弱人工智能 领域。

• 强人工智能：机器具有一定的自我意识，能够通过学 习拓展功能，即当机器意识到自身不具备某种功能时 ，可自行学习至获得相关技能。故强人工智能可以独 立面对各种复杂情况，具有一定的通用性，又称通用 人工智能。

• 强人工智能（通用人工智能）的研究进展缓慢，技术 上存在巨大的挑战，同时在应用风险和社会伦理等方 面也颇具争议，业界普遍认为，强人工智能在短期内 还难以获得较大突破。 

七类人工智能核心技术已进入商 业化阶段，“AI+”成主流

• 由于人工智能概念尚未统一，其核心技术的边界与分 类也不一而同。在本篇报告中，我们参考中国电子技 术标准化研究院《人工智能标准化白皮书（2018）》 中的人工智能标准体系框架，选取计算机视觉、自然 语言处理、生物识别、机器学习、人机交互、知识图 谱、虚拟现实/增强现实/混合现实（VR/AR/MR）等 七类人工智能核心技术来研究其商业化情况。

• 人工智能商业化的发展逻辑可分为两条路 径，一个是“AI+”，另一个是“+AI”。”AI+“以技术为核心驱动，以探索多样化 的场景应用为目标，由科技公司发起，重 新设计产品、方案或商业模式。“AI+”倾 向于思考技术能做什么，它可能是当前已 有的事物，也可能是当前尚未存在的。故 “AI+”的逻辑更容易产生“新发明”，从 而对行业产生颠覆性的影响。

• ”+AI“则由传统行业或当前已经较为成熟 的产业主动地引进人工智能技术，来优化 自身业务，提升效率和用户体验，降低风 险和成本。“+AI”则更多地思考技术能不 能做，主要用于对当下固有流程的改造和 优化，是正常的技术迭代和升级。

• 在本篇报告中，我们着重关注“AI+”路径，即人工智能技术公司如何顺应市场 需求，将多元化的产品和解决方案应用于各行各业的各个场景。

人工智能商业化的四大驱动力    

• 人工智能起起落落，行业普遍认为，这一轮人工智能 浪潮主要受场景需求驱动，同时也受算法、算力和数 据等基础条件的驱动。 

• 近两年，商业化的热度只增不减，落地成为人工智能 行业的主旋律。我们总结，近几年的人工智能商业化 主要有四大驱动力，分别为：宏观环境驱动、政策驱 动、技术驱动和数据驱动。

• 其中，在宏观环境方面，我们从资本环境、竞争环境 和社会经济环境三个角度来看。

• 1）资本环境：从互联网到人工智能，资本逐渐趋于理 性，行业普遍关注技术应用能力。这使得找到落地场 景的人工智能企业，具有更强的自我造血能力，更易 获得资本，也具有更强的生存能力。

• 2）竞争环境：随着越来越多的巨头和创业公司涌入， 人工智能行业竞争加剧。与一般消耗性型产品不同， 人工智能产品和服务更容易形成稳定、长期的合作关 系。率先取得市场信任并获得客户的企业先发优势更 为明显，出于对抢占市场的考虑，企业也争相跨出了 商业化的步伐。

• 3）社会经济环境：随着人口红利的消失，经济增速放 缓，企业经营成本越来越成为一个重要的考虑因素。利用新技术解放人类劳动力，实现降本增效成为企业 的一大诉求，这也为人工智能的商业化带来新的机遇 ，成为推动其落地的一个因素。 

人工智能在全球经济中占据重要 位置，各国从战略层面整体布局

• 各大经济体聚焦人工智能在全球经济增长和转型的过 程中的推动作用，并相继出台指导文件，从国家战略 层面引导和促进人工智能产业的健康发展。

• 其中，中国和美国尤其强调掌握人工智能核心技术， 在世界人工智能领域占据领导地位；欧盟和日本则更 加注重审视自身优势和劣势，应对人工智能产业发展 带来的经济和社会问题。