深度|重磅發布！2017年人工智慧行業研究報告

從去年的Alpha Go對戰李世石開始，再到今年升級版的Alpha Go對戰柯潔，人工智慧經過一年多的發酵早已不再是一個陌生的名詞。

截至目前，人工智慧行業已發布了多篇報告，但我們仍致力於寫出不一樣的東西。除卻老生常談的演算法、計算力、數據之外，我們認為人工智慧的未來最重要的驅動力一定會是「場景驅動」。在人工智慧的場景驅動階段，不但可以針對不同用戶做個性化服務，而且可在不同的場景下執行不同的決策，最終實現「給予決策支持」的目標。因此本報告中，我們用了較大的篇幅去描繪人工智慧的場景應用。

那麼，在不同的場景中，人工智慧是如何發揮作用的？帶著這個問題，我們研究了國內外與此領域相關的企業，寫出了這份人工智慧行業的研究報告。

報告摘要

人工智慧（ArtificialIntelligence）是指使用機器代替人類實現認知、識別、分析、決策等功能，其本質是對人的意識與思維的信息過程的模擬。

1. 在AI發展的不同階段，驅動力各有側重，我們可以將AI的發展劃分為三個階段：技術驅動階段、數據驅動階段和場景驅動階段。其中技術驅動階段集中誕生了基礎理論、基本規則和基本開發工具。在此階段，演算法和計算力對AI的發展起到主要推動作用，其中計算力主要包含晶元、超級計算機、雲計算等三個維度。

2. 在市場規模方面，綜合考慮人工智慧的爆發節點、技術成熟度以及全球AI市場規模等因素，我們保守估計最遲至2019年AI的市場規模將突破百億元，而2022年這一數字應在700億元左右。

3. 隨著AI支撐技術的不斷發展，AI將持續拓展更多的應用場景；而愈發多樣化的應用場景需求又會反過來驅動支撐技術，從而帶動整個AI行業的持續發展。但各應用場景的發展並非均衡，整體看來將從垂直領域AI逐漸過渡到通用型AI。

總體來說，AI最重要的還是要將技術與應用場景相結合，無法落地的技術很難得到資本青睞和市場認可，而有閉環、壟斷性的數據，並且其技術能夠與實際應用場景結合的公司將有望產生難以被替代的商業價值。

行業概述

AI是使用機器代替人類實現認知、分析、決策等功能的綜合學科

人工智慧（ArtificialIntelligence）是指使用機器代替人類實現認知、識別、分析、決策等功能，其本質是對人的意識與思維的信息過程的模擬，是一門綜合了計算機科學、生理學、哲學的交叉學科。凡是使用機器代替人類實現認知、識別、分析、決策等功能，均可認為使用了人工智慧技術。作為一種基礎技術，理論上講人工智慧能夠被應用在各個基礎行業（如AI+金融、AI+醫療、AI+傳統製造業等），同時也有其如機器人這樣具體應用行業的概念。

本報告將以2017年上半年為時間節點，對包括發展驅動力、巨頭布局、投融資情況、預測的市場規模等在內的人工智慧行業到目前為止的整體發展情況做簡要分析，並對包括數據標記、語音識別、語義識別、計算機視覺等技術領域以及安防、醫療、金融等應用場景在內的細分領域及其典型企業進行簡析，探索人工智慧領域未來發展趨勢和可能的投資/創業機會。

技術驅動：演算法和計算力是主要驅動力

在AI發展的不同階段，驅動力各有側重，我們可以將AI的發展劃分為三個階段：技術驅動階段、數據驅動階段和場景驅動階段。

技術驅動階段集中誕生了基礎理論、基本規則和基本開發工具。在此階段，演算法和計算力對AI的發展起到主要推動作用。現在主流應用的基於多層網路神經的深度演算法，一方面不斷加強從海量資料庫中自行歸納物體特徵的能力，一方面不斷加強對新事物多層特徵提取、描述和還原的能力。對演算法來說，歸納和演繹同樣重要，最終目的是提高識別效率。最新ImageNet測試結果顯示，AI錯誤率低達3.5%，而人類對同一資料庫識別錯誤率在5.1%，理想情況下，計算機圖像識別能力已超越人類。

如上圖所示，每年在ImageNet測試中錯誤率最低的演算法模型都不盡相同（從NEC到ResNet），這也反映了人們對於演算法的不斷探究、更迭過程。

計算力的三駕馬車：晶元、超級計算機、雲計算

提高識別效率除依靠演算法之外，也離不開計算力的支持。計算力可以分三個維度展開：晶元、超級計算機、雲計算。

晶元：人工智慧領域作為一個數據密集的領域，傳統的數據處理技術難以滿足高強度并行數據的處理需求。為解決此問題，繼CPU之後，相繼出現了GPU、NPU、FPGA、DSP等「AI」晶元。1999 年，Nvidia公司發布了全球首款圖片處理晶元GPU；2016年，寒武紀發布了全球首款深度學習專用處理器晶元NPU，晶元的更迭、進步可從根本上提高計算性能。

超級計算機：其基本組成組件與個人電腦的概念無太大差異，但規格與性能則強大許多，是一種超大型電子計算機。自主超級計算機「神威·太湖之光」，其處理器為眾核CPU「申威26010」，整台「神威·太湖之光」共包含40960塊處理器；打敗李世石的AlphaGo共包含1202個CPU和176個GPU；打敗柯潔的升級版AlphaGo使用到了TPU，但數量只有 4 顆。

可以發現，真正用於人工智慧的超級計算機晶元還只是處於CPU、GPU層，如何將更適用於網路神經演算法的NPU、FPGA等晶元量產化並融合入超級計算機晶元矩陣，是在人工智慧發展的第一階段—技術驅動階段應該重點努力的方向之一。

雲計算：與主要應用於密集型計算的超級計算機不同，雲計算依靠其靈活的擴展能力主要應用於社交網路、企業IT建設和信息化等數據密集型、I/O密集型的領域。

我們分析認為，當AI跨越入第二階段—數據驅動階段后，演算法和計算力將變成人工智慧領域的基礎設施—「水、電、煤」。就目前看來，多項演算法開源平台已將AI演算法引入統一、公用階段，運算力也必將向同樣的趨勢發展。雲計算則是一個初步嘗試，未來，計算力的發展方向或將是雲計算和超級計算機技術結合，為企業提供既可密集運算又可靈活擴展的計算服務，將人工智慧賦能全行業。

數據驅動：描繪個性化畫像；場景驅動：給予決策支持

人工智慧發展的第二個階段，演算法和計算力已基本不存在壁壘，數據將成為主要驅動力，推動人工智慧更迭。此階段，大量結構化、可靠的數據被採集、清洗和積累，甚至變現。例如，大量的數據基礎上可以精確地描繪消費者畫像，制定個性化營銷方案，提高成單率，縮短達到預設目標的時間，推動社會運行效率提升。

到了人工智慧發展的第三個階段，場景驅動作為主要驅動力，不僅可以針對不同用戶做個性化服務，而且可在不同的場景下執行不同的決策。此階段，對數據收集的維度和質量的要求更高，並且可實時根據不同的場景，制定不同的決策方案，推動事件向良好的態勢發展，幫助決策者更敏銳的洞悉事件根本，產生更精準更智慧的決策。

AI產業鏈主要包括技術支撐層、基礎應用層和方案集成層

正如報告開頭所述，人工智慧是指使用機器代替人類實現認知、識別、分析、決策等功能，是一門綜合了計算機科學、生理學、哲學的交叉學科。完整的人工智慧產業鏈可以分為技術支撐層、基礎應用層和方案集成層，或者說應用場景層。

技術支撐層主要由AI晶元、感測器等硬體和演算法模型（軟體）和兩部分構成。其中感測器與IoT的感知層相似，包括GPU、FPGA、NPU等在內的AI晶元負責運算，演算法模型則負責訓練數據。

基礎應用層的技術則是為了讓機器完成對外部世界的探測，主要由計算機視覺、語音識別等感知層和語義識別等認知層構成，這些技術是機器能夠做出分析判斷的基礎。此外，在感知與認知技術之下還有數據標註作為其底層支撐。

方案集成層是集成了某種或多種基礎應用技術的、面向如工業、自動駕駛、家居、倉儲物流、金融、醫療等不同應用場景的產品或方案。

本篇報告將主要圍繞AI中基礎應用層和方案集成層，即應用場景層進行分析。

語音識別：語音識別過程雖存在難點，但目前技術已趨於成熟

語音識別是將語音轉換為文本的技術，是自然語言處理的一個分支。前台主要步驟分為信號搜集、降噪和特徵提取三步，提取的特徵在後台由經過語音大數據訓練得到的語音模型對其進行解碼，最終把語音轉化為文本，實現達到讓機器識別和理解語音的目的。根據公開資料顯示，目前語音識別的技術成熟度較高，已達到95%的準確度。然而，需要指出的是，從95%到99%的準確度帶來的改變才是質的飛躍，將使人們從偶爾使用語音變到常常使用。

語音識別作為一種一維時域信號，在實際操作中主要有兩個難點。首先是數據的獲取、清洗。語音識別需要大量細分領域的標準化語料數據作為支撐，尤其是各地方言的多樣性更是加大了語料搜集的工作量。據媒體消息，蘋果iOS 10.3版本中Siri已支持上海話。

第二個難點是語音特徵的提取，目前主要通過具備多層神經網路的深度學習來解決，多層的神經網路相當於一個特徵提取器，可對信號進行逐層深化的特徵描述，最終從部分到整體，從籠統到具象，做到最大程度地還原信號原始特徵。

語音識別雖市場龐大但已出現領航者，留給創業公司的機會不多

據Research andMarkets研究報告顯示，全球智能語音市場將持續顯著增長，預計到2020年，全球語音市場規模預計將達191.7億美元。根據Capvision報告顯示，從語音行業市場份額角度來看，全球範圍內，由Nuance領跑，國內則是科大訊飛佔據主導地位。

科大訊飛專註於To B的語音識別技術，目前已領跑中文語音市場

科大訊飛創辦於1999年，主要從事智能語音及語言技術、人工智慧技術研究，軟體及晶元產品的開發，而應用集成則由下游的開發商或客戶自己完成。根據公開資料顯示，科大訊飛是目前少數掌握核心技術的語音領域企業之一，已於2008年5月在深圳證券交易所掛牌上市。

科大訊飛擁有六大核心技術，分別是語音識別、語音合、自然語言處理、語音評測、聲紋識別和手寫識別。其中更重要的是其同時擁有語音合成和語音識別，能夠把「聽」和「說」組合起來。此外科大訊飛還提出訊飛超腦計劃，瞄準語音理解力市場。

隨著人工智慧熱度高漲，科大訊飛等企業技術得以規模性落地

科大訊飛以訊飛超腦、AIUI 為內核，積極打造基於訊飛開放平台的AI 生態，面對不同場景，推出覆蓋全行業的語音產品及服務，深耕智慧教育、智慧城市、智慧汽車、智慧醫療以及智慧家居五個行業，全方位挖掘G 端、B 端及C 端客戶。

隨著全球範圍內人工智慧熱度的高漲，語音識別作為其中重要的技術應用層落地項目也愈加多元化。科大訊飛在智慧教育、智慧城市、智能家居、智能汽車、機器人等領域規模化的應用，促進了其營收近幾年內持續穩定走高，尤其是在教育行業，科大訊飛構建了智慧考試、智慧校園、智慧課堂、智慧學習等一體化的智慧教育產品體系，2017年智慧課堂產品有望成為其在教育行業收入和毛利的重要增長點。

Nuance領銜全球市場，雲知聲重點布局家居領域

從世界範圍來看，Nuance是全球最大的獨立語音識別公司之一。Nuance於1994年成立於美國麻省伯靈頓，並於2000年4月在納斯達克上市。Nuance曾為蘋果、三星提供語音支持服務，在語音識別領域一度處於壟斷地位，后隨深度演算法的普及，各巨頭逐漸開始自主研發語音識別技術，差距逐漸縮小。但直到今天，其發布的Dragon Drive（聲龍駕駛）——互聯汽車語音和內容平台，仍為眾多知名車企提供著車載語音技術支持，如梅賽德斯-賓士、戴姆勒、寶馬、豐田、雷克薩斯、榮威等汽車品牌。

此外，還有重點布局家居領域的語音企業—雲知聲。雲知聲於2012年6月創辦於北京，目前融資輪次為B+，是智能語音領域新銳玩家。據官方數據顯示，雲知聲目前已覆蓋了476個城市，覆蓋用戶超過1.8億，代表客戶有網易易信、鎚子手機、樂視超級電視等。

語義識別：解決「聽得懂」的語義識別領域中，新進入者仍具有一定機會

語義識別是人工智慧的重要分支之一，解決的是「聽得懂」的問題。其最大的作用是改變人機交互模式，將人機交互由最原始的滑鼠、鍵盤交互轉變為語音對話的方式。此外，我們認為目前的語義識別行業還未出現絕對壟斷者，新進入的創業公司仍具備一定機會。

語義識別是自然語言處理(NLP)技術的重要組成部分。NLP在實際應用中最大的困難還是語義的複雜性，此外，深度學習演算法也不是語義識別領域的最優演算法。但隨著整個AI行業發展進程加速，將為NLP帶來長足的進步。

語義識別技術擁有多樣性的應用領域以及行業參與者

我們認為，基於語音識別和語義識別的智能語音交互技術在車載場景中存在剛需，也會成為最先爆發的領域之一。並且，隨著車聯網的縱深化發展，相關硬體趨於免費，依靠語音交互天然流量入口，做個性化增值服務將是未來車載領域的主要盈利點。

從1996年至今，國內至今仍在運營的人工智慧公司接近400家1。從下圖可看出，自然語言處理（NLP）無論在創業熱度、獲投數量還是獲投金額都處於細分領域的前三。據 Global Market Insights數據，預計到2024年市場規模達到110億美元。

科技巨頭樂衷於收購，小而美的企業更偏好細分場景

科技巨頭尤其是微軟早在2008年就已開始布局語義技術領域。對於巨頭來說，自主研發耗時久、投入高，同時效果也是未知的，直接收購是多數巨頭選擇的最快方式。

關於語義識別領域的創業公司，國內代表企業有出門智能360、出門問問、三角獸、驀然認知等。其中，三角獸的智能語音交互功能已被應用在Rokid、鎚子手機、威馬汽車等產品上。此外，由於自然語境和細分行業語境下，同一名詞可能具備不同含義，因此除了行業通用型的語義識別公司之外，還存在一些深耕細分場景的公司，例如律師行業國外有基於IBM Watson的ROSS，國內有無訟、法律谷等。

計算機視覺：計算機視覺主要研究如何使機器具備「看」的能力

計算機視覺（computer vision，簡稱CV）是指用計算機來模擬人的視覺系統，實現人的視覺功能，以適應、理解外界環境和控制自身運動。主要解決的是物體識別、物體形狀和方位確認以及物體運動判斷這三個問題。計算機視覺識別系統通常需要三個過程：目標檢測、目標識別、行為識別，分別解決了「去背景」、「是什麼」、「幹什麼」的問題。

計算機視覺在技術流程上，首先要得到實時數據，此步驟可通過一系列感測器獲取，少部分數據可直接在具備MEMS功能的感測器端完成處理，大部分數據會繼續傳輸至大腦平台，大腦由運算單元和演算法構成，在此處進行運算並給出決策支持。

動態人臉識別是最熱領域，金融和安防是最熱場景

計算機視覺應用場景可分為兩大類：圖像識別和人臉識別，每類又可繼續劃分為動、靜共四個類別，基本覆蓋了目前計算機視覺的各項應用場景。其中動態人臉識別技術是目前創業熱度最高的細分領域，尤其是金融和安防場景，是其重點布局場景。

國內，計算機視覺領域的企業最早出現在1997年，2014年出現創業高潮，企業平均年齡在3.9歲。下表格為該領域目前存續的具備代表性的創業公司。

各細分領域成熟度相差大，其中人臉識別未來幾年市場潛力巨大

計算機視覺作為一種人工智慧的基礎技術應用，使用場景多樣，市場潛力巨大。其中人臉識別領域在2016年已接近百億規模，市場在全球範圍扮演著十分重要的角色。

由此可見，計算機視覺各細分領域的成熟度目前相差較大。人臉識別、指紋識別等所在的生物特徵識別領域相對來說技術成熟度、工業化程度較高。在物體和場景識別方面，由於識別的物體種類繁雜，表現形態多樣，技術成熟度較低。

對於計算機視覺而言，其主要瓶頸在於受圖片質量、光照環境的影響，現有圖像識別技術較難解決圖像殘缺、光線過爆、過暗的圖像。此外，受制於被標記數據的體量和數量，若無大量、優質的細分應用場景數據，該特定應用場景的演算法迭代很難實現突破。

商湯科技創辦於2014年11月，位於北京，2017年4月完成了賽領資本領投的戰略投資6000萬美元。商湯科技專註於核心演算法開發，通過視覺技術賦予計算機視覺感知和認知的能力，業務覆蓋金融、商業、安防、互聯網+等行業，意圖為企業提供低門檻的計算機視覺技術，打造「商湯驅動」的人工智慧商業生態。

商湯科技的核心能力在於其能夠自主開發原創深度學習模型，其自有的高性能演算法庫相對行業內開源平台庫，較大程度提高了演算法效率，帶來2-5倍的性能提升。性能的提升直接導致的是極大地降低了計算機視覺硬體門檻，例如一般情況下雙目、深度攝像頭才具備視頻處理能力，但利用商湯科技的演算法模型，單目攝像頭也具備此能力。此外，商湯科技自身構建了具備200塊GPU鏈接能力的DeepLink超算平台，過去耗時1個月的運算，現在只需5-6個小時即可完成。硬體門檻降低+計算能力提升，使得大部分企業快速接入計算機視覺技術成為現實。

作為演算法層企業，商湯科技通過與京東、小米、新浪微博等應用層級公司合作，使得自己的演算法可以很好地融合多類細分領域的特點，快速移植複製到各行各業。除此之外，商湯還在技術層與多家企業合作，例如，商湯科技與科大訊飛合作研發具備人臉+語音雙重識別的產品；與英偉達合作研發適用於深度學習的GPU晶元，該晶元可實時處理雙路視頻，為智慧視頻提供支持。

商湯科技誕生於香港中文大學的多媒體實驗室，團隊成員主要由兩部分構成，其一是來自MIT、斯坦福、香港大學、清華大學等高校及其實驗室的科研人員；其二是來自谷歌、百度、微軟、阿里巴巴等產業界的商業人員。商湯科技意圖將實驗室最新成果與商業變現之間的時空差距縮到最低限度。2017年4月，商湯科技宣布完成了新一輪的戰略融資，將進一步加速商業化布局。

觸景無限專註嵌入式感知模組的研發，試圖在前端解決感知問題

除商湯科技這類依靠演算法作為計算機視覺解決方案的流派之外，還存在觸景無限這類專註於前端嵌入式硬體並搭載軟體的打法。觸景無限成立於2010年，提供嵌入式智能感知平台——視覺卡，並於2017年3月完成A+輪5000萬元人民幣融資。

觸景無限視覺卡基於英偉達、英特爾等嵌入式晶元，融合了人臉識別、物體識別、雙目測距、GPS、TOF、IMU等多種感測器、數據處理平台和壓縮演算法模型，提供的嵌入式智能感知平台，具備體積小、功耗低、實時圖像處理、處理能力高、多目攝像頭支持、通用API介面等特點。例如基於深度學習的人臉識別技術運行在視覺卡上能達到每幀100ms的速度（解析度為1080P時的檢測+識別速度），在1:1人證比對的情況下識別率大於99%，在1:50000的情況下識別率大於90%。通過該視覺卡，信息處理可以直接在前端完成，幫助前端硬體完成「感」與「知」的融合。

在具體產品方面，截止2017年6月，觸景無限視覺卡已完成兩代視覺卡的研發，其中一代V10X系列已於2016年底實現量產，二代V20X系列亦於日前發布。相較於一代，二代基於Intel-Movidius晶元研發，晶元體積更小（一元硬幣大小），功耗更低（低至2瓦），處理速度更強（約1Tflops）。兩代視覺卡產品均可用於安防、無人機、機器人、智能家居、智能汽車輔助駕駛等領域。

人工智慧的應用場景層

AI+醫療：融合目前主要體現在智能設備和識別診斷兩方面

人工智慧在醫療領域的應用，我們認為主要體現在「軟」和「硬」兩方面。「硬」指的是主要用於醫院、診所的醫療或輔助醫療的智能型服務機器人。種類包括手術機器人、假肢機器人、康復機器人、心理康復輔助機器人、個人護理機器人和智能健康監控系統等六大類。

手術機器人領域代表公司Intuitive Surgical成立於1995年，其產品達芬奇手術機器人是目前全球範圍內應用最廣泛、技術水平最高的手術機器人之一。達芬奇手術機器人屬於人機協作型機器人，主要由醫生控制台、機械臂系統、三維成像系統三部分構成。手術實施過程中，主刀醫師不與病人直接接觸，而是通過三維視覺系統和動作定標系統操作控制，由機械臂以及手術器械模擬完成醫生的技術動作和手術操作。目前，整個手術機器人行業正在由大型開放性手術向人體微創精細型手術轉型。

手術機器人行業急需打破壟斷，降低成本，普惠國人

就全球而言，目前醫療機器人的研發與銷售仍主要集中在北美地區。截至2016年6月，達芬奇手術機器人全球累計安裝3745台，其中美國2474台，全球累計完成手術300萬例。達芬奇手術機器人是國內唯一獲批上市的醫療機器人，截至2016年12月，全國各地共引進了59台，2016年度共完成手術11445例，歷年總計完成手術22917例，國內滲透率極低。

隨著老齡化進程加速和中產階級的崛起，人們對醫療的精準度、無痛化等要求逐步攀升，同時也由於醫療人員的稀缺，的醫療機器人的需求空間非常大。據OFweek消息，2021年，全球手術機器人市場規模將達200億美元，手術機器人國產化已迫在眉睫。

AI+醫療衍生出的識別診斷領域中，數據是關鍵

在AI與醫療的軟性結合上，具體應用包括診前的疾病預防、健康管理；診中的輔助診斷、醫學圖像處理；診后的虛擬醫護助手等。目前，發展較為成熟的領域有醫學影像識別和智能診斷等。

演算法和數據是醫學影像識別和智能診斷的技術基礎，其中，醫療垂直領域的圖像演算法和自然語言處理技術已可基本滿足行業需求，而數據方面例如醫學影像數據、電子病歷等，存在各醫院之間信息不流通、企業與醫院之間合作不透明等問題，使得技術發展與數據供給之間存在矛盾。

但隨著全球醫療保健進入數字化拐點，可授權使用的數據量得以快速增長，另一方面也由於醫療機器人這類新的醫療數據終端的逐步普及，都將為智慧醫療行業帶來新的發展契機。

政策鼓勵+需求爆發，大健康領域或將出現更多創業者加入

基於數據的稀缺性，擁有一手醫療數據、和政府、醫療機構有大量渠道的創業公司將會建立起壁壘。或者通過對擁有數據的企業進行全資收購也是快速壁壘的好方式。目前，AI+醫療的軟性應用方面的主要玩家國外有IBM Wastson，國內有碳雲智能、推想科技等。

2015年，國務院發布《關於印發全國醫療衛生服務體系規劃綱要(2015年—2020年)》，提出推動惠及全民的健康信息服務和智慧醫療服務，推動健康大數據的應用，逐步轉變服務模式。IDC預計，2017年國內醫療行業IT花費市場規模將達到336.5億元，2012至2017年的年複合增長率為14.5%，增速高於IT市場的平均增速，需求旺盛。

整體而言，醫療「軟」市場急需醫療數字化、開放化，「硬」市場需要大量創業者加入共同開發醫療機器人這片國內藍海。

AI+金融：AI技術的融入，賦予了金融行業更多想象力

從信息技術變革角度來看，金融歷經金融IT、互聯網金融到金融科技三大發展階段。金融IT，通過 IT 軟硬體實現傳統金融機構辦公和業務電子化；互聯網金融，利用互聯網實現資產端、交易端、支付端、資金端等互聯互通，達到信息共享和業務撮合；金融科技，通過大數據、雲計算、人工智慧、區塊鏈等最新技術，提高金融業務的智能化。

人工智慧與金融的結合可從以下三方面展開說明

生物特徵識別功能。

一方面活體驗證降低了隱藏風險，一方面遠程身份驗證提升了工作效率。

千人千面、精準營銷。

基於大數據、機器學習、標籤計算，實現實時精準畫像描繪，提供個性化營銷是未來趨勢之一。進一步還可發展為智能投顧、輔助量化交易等。

大數據徵信、普惠金融。

基於大數據的徵信系統彌補了中小型企業的徵信空白，擴大了客戶範圍的同時，也提升了金融機構的風控能力。

平安科技成立於2008年，是平安集團旗下的全資子公司，擁有超過4000名專業IT技術人員和IT管理專家，基於母公司金融背景和需求理解，深挖人工智慧在金融行業的應用，主要應用於基於人臉識別的遠程身份驗證，例如遠程開戶、綁卡核身、賬戶登錄、分期購物、人臉考勤、人臉支付等業務場景。

平安科技以深度學習、神經網路為基礎，精準定位人臉和速食麵部特徵信息提取完成身份驗證，具備人臉檢測、人臉比對、活體檢測和去網紋等多項能力，目前累積使用已超過2.5億人次。

平安科技人臉識別已服務逾百家合作客戶，包括深圳、天津、福州、鎮江人社局，深圳機場、房管局等。服務應用涵蓋金融風控、安防、醫保社保、鐵路交通、機場安全、互聯網、教育、社會公共服務等多個領域。

人工智慧行業總結

深度演算法、計算力、數據量以及應用場景共同推動AI迎來爆發期

自從1956年美國計算機協會組織的達特莫斯（Dartmouth）學會上提出「人工智慧」一詞，這個概念隨著眾多理論、技術和應用的出現而被不斷豐富。經過半個多世紀的發展，人工智慧已經成為時下最為熱門的話題之一，「AI」與「AI+」亦成為一級市場的最火熱的創業/投資領域。

在經歷了誕生、黃金時代、遭遇障礙、繁榮、低潮等數個階段之後，人工智慧迎來了爆發期。總結本次AI爆發的驅動力主要是包括目前主流應用的基於多層網路神經的深度演算法和以及包括晶元、超級計算機、雲計算等在內的計算力等。此外，被記錄下的海量數據和越發豐富的應用場景也同樣推動了AI爆發期的到來。

WRC 2017

2017世界機器人大會

將於8月23日-8月27日在北京舉行

目前僅剩少量余票，有需要的朋友抓緊了

往期回顧|001講王田苗—國內外機器人發展熱點與趨勢

往期回顧|002講新松總裁曲道奎--機器人發展的臨界點

往期回顧|003講中民國際資本執行董事劉國清-數字化工廠與人工智慧

往期回顧|004講趙勝--全球視野下的工業4.0和機器人

往期回顧|005講甘中學——從智能工業機器人到智慧工業機器人

往期回顧|006講長江學者王樹新——微創手術機器人技術創新與產業發展

往期回顧|007講哈工大教授杜志江——國產手術機器人的研究體會

往期回顧|008講80后博導齊俊桐--無人機智能控制前沿技術

重磅|清華大學教授攻克機器人最後1cm防線

一堂課下潛深海7000米！揭秘罕見黑暗生物鏈+蛟龍號「龍腦」

投資藍海+國防重任！上海大學精海系列無人艇突破多項關鍵技術填補空白

無人機也有"大小腦"?湖南衛視偶像級80后科學家分享多項首創突破性技術

溫馨提示

1.機器人大講堂

2.機器人大講堂走進百所高校

歡迎冠名支持機器人大講堂公益事業

我們將會為你提供以下服務；

1.產品展示

2.線上宣傳報道

3.活動現場宣傳

4.領導出席發言

5.人才對接招聘

意向合作，文章轉載， 均可聯繫堂博士電話：13810423387(同微信)。

。