認知智能行業(yè)報告

認知智能行業(yè)報告目錄一.認知智能行業(yè)概覽二.認知智能的落地條件及挑三.認知智能的市場空間分析四.認知智能的重要場景應用分五.認知智能的未來趨勢六.認知智能廠商競爭分析及典型廠商介1.認知智能行業(yè)概覽1.1AI行業(yè)圖譜及認知智能定位人工智能（AI）是研究、開發(fā)用于模擬、延伸和擴展人智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新技術(shù)科學。人工智能領(lǐng)域的研究包括機器人、機器學習、圖像識別、NLP和專家系統(tǒng)等。人類基于視覺、觸覺、聽覺等具備對環(huán)境的感知，基于知識庫和邏輯理解形成對世界的認知，并此基礎上展開相應的行動。人工智能對人的模擬也分為感知智能、認知智能、以及行動智能三個層面，也是人工智能行業(yè)發(fā)展的三個階段。人工智能對人智能模擬的實現(xiàn)，建立在數(shù)據(jù)、知識及其算法之上，因此數(shù)據(jù)是人工智能領(lǐng)域最重要的生產(chǎn)資料。從感知、認知到行動的三大發(fā)展階段，也代表了數(shù)據(jù)處理的流程和深度。感知智能主要是數(shù)據(jù)識別，只需要完成對大規(guī)模數(shù)據(jù)的采集，以及對圖像、視頻、聲音等類型的據(jù)進行特征抽取，完成結(jié)構(gòu)化處理。認知智能則需要在數(shù)據(jù)結(jié)構(gòu)化處理的基礎上，理解數(shù)據(jù)之間的關(guān)系和邏輯，并在理解的基礎上進分析和決策，即認知智能包括理解、分析、決策三個環(huán)節(jié)。行動智能是在認知智能基礎之上的執(zhí)行，主要是人機協(xié)同。人機協(xié)同是在復雜的環(huán)境下，以知識（比如知識圖譜）為支撐，進行數(shù)據(jù)推理，合理調(diào)度資源，使人類智能、人工智能和組織智能有結(jié)合，打通感知、認知和行動的智能系統(tǒng)。比如在公安場景下，知識圖譜有16億實體，數(shù)據(jù)比較全，是人工智能展現(xiàn)能力的絕佳場景。在做人物關(guān)系的二度或三度搜索時，其搜索復雜度與數(shù)據(jù)量是指數(shù)級關(guān)系，如果單純靠機器來做，5個禮拜或者5個小時以后，才能做出空間的全景搜索，耗時相當長；如果人機協(xié)同，結(jié)合人類經(jīng)驗和洞察，看到哪一個點有線索就瞄準這一個方向調(diào)查，判斷可能存在線索和可疑之處，進行深入探查，就快速得出結(jié)論，高效解決問題。1.1.1感知智能—基于數(shù)據(jù)識別的場景應用感知智能是指將物理世界的數(shù)據(jù)通過攝像頭、麥克風或者其他傳感器等方式進行采集，借助語音別、圖像識別等技術(shù)，映射到數(shù)字世界，并做標準化、結(jié)構(gòu)化處理，一方面實現(xiàn)在特定場景的應落地；另一方面可將數(shù)據(jù)提升至可認知的層次，即將信息翻譯成及人類可理解、并用于分析和決的數(shù)據(jù)，為認知智能提供數(shù)據(jù)基礎。在感知智能階段，人工智能的核心價值在于進行數(shù)據(jù)的采集和處理，主要是圖像、語音、和文字識別，分別對應計算機視覺、智能語音和NLP三大技術(shù)。計算機視覺主要實現(xiàn)產(chǎn)業(yè)應用中對圖像或者視頻內(nèi)物體/場景識別、分類、定位、檢測、圖像分割等功能的需求，目前已被廣泛應用于視頻監(jiān)控、自動駕駛、車輛/人臉識別、醫(yī)學影像分析、機器人自主導航、工業(yè)自動化系統(tǒng)、航空以及遙感器測量等領(lǐng)域。智能語音技術(shù)主要是指語音識別與合成、語音增強、聲紋識別等，人機語音交互和語音控制中的要部分是NLP中的人機對話部分。當前已廣泛應用于智能音箱、語音助手等領(lǐng)域。2018年第一季度，谷歌和亞馬遜的智能音箱出貨量分別為320萬臺、和250萬臺，根據(jù)清華大學中國科技政策研究中心發(fā)布的《中國人工智能發(fā)展報告2018》，近幾年智能音箱的年復合增長率超過30%。感知智能階段的NLP，主要是進行文本結(jié)構(gòu)識別、關(guān)鍵詞匹配等，完成文本識別類任務并給出反饋，屬于NLP技術(shù)的初級應用。比如在檢索中提取關(guān)鍵字并按照相關(guān)度為用戶呈現(xiàn)檢索結(jié)果，此時的機器并無法理解詞語、以及句子所表達的意思。而更高級階段的NLP則能夠基于詞性標注、實體命名識別、關(guān)系抽取等功能，從各類數(shù)據(jù)源中提取特定類型的信息，將非結(jié)構(gòu)化文本轉(zhuǎn)化成結(jié)構(gòu)化的文本，再通過語義分析掌握用戶需求，并基于與識圖譜的融合，最終為用戶提供分析決策。比如檢索“周杰倫的雙截棍”，基于知識圖譜的搜索引擎，背后有知識庫支撐，能夠自動將周杰倫識別為人名，將雙截棍識別為歌名，我們就能理解用戶的搜索意圖是—歌手周杰倫的歌曲《雙截棍》。不管是從感知智能技術(shù)發(fā)展，還是行業(yè)應用普及來看，人工智能的第一階段——感知智能已經(jīng)到行業(yè)發(fā)展成熟期。斯坦福百年研究（AI100）發(fā)布的全球“2018年人工智能指數(shù)”（AIIndex）報告指出，計算機視覺領(lǐng)域的人工智能性能正在不斷提升。比如，通過測試廣泛使用的圖像訓練庫ImageNet的基準性能，啟動按照最新精度對圖片進行分類模型的時間，已經(jīng)從1小時下降至4分鐘，意味著訓練速度提升約15倍。MIT媒體實驗室的數(shù)據(jù)也顯示，在真笑和假笑的表情識別測試中，當前最優(yōu)算法的成功率達到93%，表現(xiàn)大幅度優(yōu)于人類。在智能語音方面，百度、科大訊飛、搜狗等主流平臺識別準確率均在97%以上?？拼笥嶏w擁有深度全序列卷積神經(jīng)網(wǎng)絡語音識別框架，實驗條件下語音輸入法的識別準確率達到了98%；阿里巴巴人工智能實驗室通過語音識別技術(shù)開發(fā)了聲紋購物功能的人工智能產(chǎn)品。感知智能的發(fā)展主要得益于計算機視覺和智能語音技術(shù)的滲透，以及硬件的進步，當前，感知智應用已經(jīng)在各行各業(yè)開始普及，實現(xiàn)多場景落地。在各個場景應用中，智能安防是感知智能最大的場景應用，誕生了商湯、曠世、依圖、云從等獨獸級別企業(yè)，此外，華為、?？低暤绕髽I(yè)也在智能安防領(lǐng)域布局。安防主要是基于對大量圖像、視頻數(shù)據(jù)的標注，訓練出能夠識行人、車輛、建筑等的模型，應用治安防控領(lǐng)域，包含警用和民用兩個方向。其中警用主要是實時分析圖像和視頻，及時從海量的頻端識別人員、車輛信息、或者直接追蹤犯罪嫌疑人，極大的提升案件偵查、抓捕等工作的效率民用領(lǐng)域主要是人臉門禁打卡、機場安檢、發(fā)現(xiàn)盜竊等場景。感知智能進入行業(yè)成熟期的另一個重要標志是，已經(jīng)開始在工業(yè)、農(nóng)業(yè)等傳統(tǒng)領(lǐng)域滲透。浙江正泰新能源是國內(nèi)規(guī)模最大的民營光伏發(fā)電企業(yè)，企業(yè)在生產(chǎn)電池片過程中都是通過肉眼做品質(zhì)檢，成本高、效率低。有了以計算機視覺為主的感知智能滲透，質(zhì)檢檢出率和效率得以雙雙升。通過阿里云AI圖像技術(shù)，企業(yè)可以通過深度學習與圖像處理技術(shù)進行自動產(chǎn)品缺陷判定，令碎片率（瑕疵品）下降50%。而且，從圖像拍攝到數(shù)據(jù)接收、處理，到數(shù)據(jù)上傳MES系統(tǒng)做缺陷判定，再到MES系統(tǒng)下達指令給機械手臂抓取缺陷產(chǎn)品，整個過程無需人工干預，且耗時不到一秒，僅為原先的一半。1.1.2認知智能—基于行業(yè)知識圖譜的深度應用由于不同領(lǐng)域、不同場景應用的識別技術(shù)相差無幾，因此感知智能階段，可以提供各行業(yè)通用的別解決方案。而認知智能則更注重與行業(yè)知識的融合，在各行各業(yè)的落地應用中需要有更細分的決方案積累。感知智能不具備理解和推理能力，從特征抽取和不斷的學習訓練中完成識別任務，機器解決的多人類能夠解決的模式識別類的問題，重在提升效率。認知智能是感知智能的進階，需要在感知智能的基礎上，結(jié)合行業(yè)知識，理解數(shù)據(jù)之間的邏輯關(guān)以及代表的業(yè)務意義，并在此基礎上進行分析和決策。在認知智能階段，機器能夠通過知識圖譜挖掘隱性關(guān)系，洞察“肉眼”無法發(fā)現(xiàn)的關(guān)系和邏輯，用于最終的業(yè)務決策，注重行業(yè)知識圖譜和關(guān)系挖掘，是AI在行業(yè)中更深層次的落地應用。從數(shù)據(jù)處理流程和應用環(huán)節(jié)來看，認知智能可以分為連接、分析和決策三大環(huán)節(jié)。連接環(huán)節(jié)完成業(yè)務數(shù)字化、以及數(shù)據(jù)結(jié)構(gòu)化，即基于業(yè)務需要，將業(yè)務流程全部在線化、數(shù)字化并加入行業(yè)知識和場景知識，完成實體、屬性、以及實體之間的關(guān)系梳理，將不同數(shù)據(jù)進行分類統(tǒng)一和結(jié)構(gòu)化，構(gòu)建知識庫。在人工智能第一階段——感知智能的發(fā)展中，計算機視覺和智能語音是核心驅(qū)動技術(shù)，NLP則是小何才露尖尖角，完成觸及的文本類數(shù)據(jù)標注和識別；當人工智能進入認知智能階段的發(fā)展，NLP和知識圖譜開始深度結(jié)合，在數(shù)據(jù)處理層面，其價值是將海量的、非結(jié)構(gòu)化的、異構(gòu)數(shù)據(jù)，轉(zhuǎn)換為機器夠更好理解的數(shù)據(jù)，成為行業(yè)應用落地的技術(shù)支撐。比如，在公安領(lǐng)域，連接打通跨警鐘數(shù)據(jù)，可以建立基于知識圖譜的一體化指揮作戰(zhàn)平臺，提升警研判的準確度以及犯罪嫌疑人抓捕等行動效率。其中，真正的“數(shù)據(jù)打通”并不是簡單的系統(tǒng)連接和數(shù)據(jù)對接、查詢等簡單應用，而是實現(xiàn)“數(shù)據(jù)為元、全息獲取”的公安大數(shù)據(jù)庫，建立“人、事、地、物、組織”等動態(tài)信息數(shù)字化，并分別對應到受害人、犯罪嫌疑人、作案工具、作案規(guī)模等維度，確定數(shù)據(jù)屬性及其相互之間的基礎關(guān)系，構(gòu)建安數(shù)據(jù)知識庫，實現(xiàn)業(yè)務數(shù)字化、數(shù)據(jù)結(jié)構(gòu)化。分析環(huán)節(jié)主要是根據(jù)提供的數(shù)據(jù)，基于行業(yè)知識圖譜尋找到合適的結(jié)果，發(fā)現(xiàn)各種潛在的、隱性系。明略科技基于某全國股份制銀行全行近十年全量數(shù)據(jù)構(gòu)建成“企業(yè)、個人、機構(gòu)、賬戶、交易以及行為數(shù)據(jù)”規(guī)模達十億點百億邊的知識圖譜數(shù)據(jù)庫。通過采用復雜網(wǎng)絡、圖計算等知識圖譜技術(shù)，實現(xiàn)海量數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的分析和探索，加強對業(yè)務開展過程中的遠程風險管控能力，深入挖掘靠人力所不能發(fā)現(xiàn)的問題，加強業(yè)務過程中的操作風險、員工道德風險管理，提升銀行整體風控力和風控效率。比如，基于生成的客戶關(guān)系網(wǎng)絡圖譜，可完整展現(xiàn)對公客戶“個人-企業(yè)-個人”的復雜關(guān)系，構(gòu)建復雜的資金流轉(zhuǎn)全貌，通過圖挖掘技術(shù)，挖掘復雜的隱形關(guān)系和利益共同體，實現(xiàn)無死角的資金監(jiān)控理。決策環(huán)節(jié)，主要是基于沉淀的行業(yè)Know-how和業(yè)務經(jīng)驗，形成解決方案，從而為客戶解決具體問題提供輔助建議以及依據(jù)。1.1.3認知智能—基于知識圖譜的隱性關(guān)系挖掘和推理從實際行業(yè)落地層面來看，認知智能與感知智能最大的區(qū)別有兩點。一是認知智能能夠基于行業(yè)識圖譜，挖掘僅靠識別功能難以完成的隱性關(guān)系；另一方面，認知智能不僅能“知其然”，還能“知其所以然”，即具備推理功能。這兩點的核心支撐都是知識圖譜。比如，AI輔助診斷一般的模式為“理解病癥—評定醫(yī)學證據(jù)—選擇治療方案”三個步驟，分別對應認智能連接、分析、決策三個環(huán)節(jié)。醫(yī)學知識圖譜是AI輔助診斷的基礎支撐。第一步，病癥的獲取包括患者自述、醫(yī)生檢查、化驗結(jié)果分析等，系統(tǒng)會提取其中關(guān)鍵的特征并結(jié)合患者的歷史健康信息，通過NLP讀取病歷。第二步，AI基于已有醫(yī)學知識圖譜分析患者病情，除了對病歷上已有癥狀的分析，也注重可能的并發(fā)癥等隱性關(guān)系的排查。要求患者或醫(yī)生提供某方面的病癥補充，或提示需做的檢查、鑒別要點。第三步，AI結(jié)合從文獻、診療標準、臨床指南和臨床經(jīng)驗等數(shù)據(jù)積累中學習的知識，通過知識圖譜和推理假設將獲取的病癥信息聯(lián)系起來，形成可能的結(jié)論、置信度及證據(jù)，并生成診斷結(jié)論和治方案建議。最終，醫(yī)生在權(quán)衡療效、副作用、疾病轉(zhuǎn)移及其他因素之后，給出診斷。作為感知智能的進階版，伴隨認知智能而來的，是更高的技術(shù)要求、更廣闊的市場前景、以及更的行業(yè)進入壁壘。這對提供認知智能解決方案的廠商提出了兩個方面的要求。一是深耕細作，注重行業(yè)知識圖譜的磨和積累；二是將垂直行業(yè)業(yè)務經(jīng)驗，沉淀到平臺，并轉(zhuǎn)化為知識，服務于業(yè)務決策。1.2AI行業(yè)趨勢—從感知智能到認知智能當前，隨著人工智能在安防、智能音箱等領(lǐng)域的大規(guī)模應用落地，整個人工智能行業(yè)已經(jīng)走過感智能階段，進入認知智能時代。體現(xiàn)在兩個方面，一是人工智能行業(yè)的基礎設施——數(shù)據(jù)的標準化，已經(jīng)趨于成熟；二是行業(yè)實需求的牽引，行業(yè)亟需機器基于行業(yè)Know-how、業(yè)務經(jīng)驗沉淀提供決策支持類應用。在感知智能階段，智能語音和計算機視覺技術(shù)的成熟，以及NLP技術(shù)在文本識別等場景的大規(guī)模應用，使得大量的多源異構(gòu)、非結(jié)構(gòu)化數(shù)據(jù)，成為可應用于知識庫和知識圖譜構(gòu)建的標準化、結(jié)構(gòu)數(shù)據(jù)，完善了認知智能發(fā)展的基礎設施。比如，感知智能相關(guān)的機器視覺、語音識別、NLP領(lǐng)域，已有大量的通用數(shù)據(jù)庫，應用于視覺、語音、文本等各類數(shù)據(jù)的識別訓練。感知智能在識別領(lǐng)域的行業(yè)應用也早已普及，比如語音識別、通用物體識別、人臉識別、目標跟蹤、姿態(tài)識別等。人工智能的下一場，將進入認知智能的戰(zhàn)場。從行業(yè)應用角度來看，在感知智能解決數(shù)據(jù)采集和識別問題的基礎上，各行各業(yè)的業(yè)務部門開始認知智能帶來的低運營成本（比如更高效節(jié)省時間成本、或者是直接的人力替代）、以及知識圖驅(qū)動的業(yè)務決策有了越來越明確的訴求。以認知智能滲透較為領(lǐng)先的金融行業(yè)為例，當前金融行業(yè)面臨運營成本高，客戶服務壓力大；產(chǎn)服務單一，無法很好的覆蓋長尾客戶；交易欺詐風險高等實際業(yè)務問題，這些都無法通過感知智技術(shù)解決，而知識圖譜驅(qū)動的認知智能則能提供相應的解決方案。基于語義理解的智能客服能夠與客戶就簡單問題進行人機交互，降低金融機構(gòu)客戶服務的成本，且效率和客戶體驗都能大大提升。人工客服培訓成本高、服務效果難以統(tǒng)一、而且流動性很大。能客服能夠依靠知識圖譜回答簡答的、重復性的問題，減少人工客服使用，提升銀行等金融機構(gòu)服效率及效果。不僅僅是金融領(lǐng)域，全行業(yè)來看，根據(jù)德勤的數(shù)據(jù)，當前客服機器人已替代40%-50%的人工客服工作，預計到2020年，85%的客服工作將依靠人工智能完成。在理財高端市場，理財規(guī)劃師能夠提供專屬服務，但在中產(chǎn)之下的長尾市場，付費能力有限，單理財師也很難覆蓋大眾的個性化需求。利用大數(shù)據(jù)、人工智能技術(shù)開發(fā)的智能投顧，能夠向更多戶提供個性服務，助力零售銀行低成本覆蓋廣大長尾市場。比如，招商銀行推出的“摩羯智投”可提供投資理財咨詢，2016年戶均購買金額為3.69萬元，機器在理財師很難覆蓋的領(lǐng)域大顯身手。相比于人工信貸審核，人工智能不僅效率高，更重要的是能夠進行更多維度的關(guān)聯(lián)數(shù)據(jù)分析，將識圖譜應用于風控環(huán)節(jié)。例如螞蟻金服推出的“蟻盾”、“芝麻信用”，網(wǎng)易金融推出的風控系統(tǒng)“北斗”，相比于比傳統(tǒng)銀行，這類解決方案能夠基于更多維度的用戶數(shù)據(jù)（知識圖譜可以關(guān)聯(lián)到用戶職業(yè)、行為、社交等各類數(shù)據(jù)），開展更高效的信貸業(yè)務，同時也能降低交易欺詐等信貸風險。在公安領(lǐng)域，行業(yè)應用也已經(jīng)從最初的人臉識別、車輛識別等感知層應用，向情報研判等認知智應用發(fā)展。近些年公安大數(shù)據(jù)建設、各垂直系統(tǒng)的縱向業(yè)務拉通，各單位橫向數(shù)據(jù)的融合和分層解耦奠定了安業(yè)務數(shù)據(jù)規(guī)范化、標準化的基礎，同時感知智能的快速發(fā)展，基于人臉特征的聚類、分類，一一檔、一車一檔，視圖庫的建設，圖像不僅能辨認人，更能連接人、管理人。視頻網(wǎng)和公安信息的內(nèi)容融合趨勢愈發(fā)強烈，構(gòu)建全域感知圖譜，并在此基礎上構(gòu)建公安知識圖譜，驅(qū)動更多上層用的時機日益成熟。在這樣大背景下，明略科技將海量感知數(shù)據(jù)納入知識構(gòu)建與積累，打造了認知力更強、時效性更快、更具行動力的全域知識圖譜，讓機器更好的進行推理與規(guī)劃，從而從平臺服務、數(shù)據(jù)服務到用服務構(gòu)建了由感知到認知再到行動的完整閉環(huán)，形成了基于AI技術(shù)的警務支撐體系和安全保障體系，目前已經(jīng)廣泛應用于專業(yè)研判、情指一體化、社區(qū)治安防控等場景中。1.3認知智能技術(shù)演進知識圖譜和NLP是認知智能兩大關(guān)鍵性技術(shù)，兩者在認知智能中的融合日漸緊密。知識圖譜既是一種語義網(wǎng)絡，是認知智能中知識表示的最重要方式；同時也是一種技術(shù)體系，完知識推理，實現(xiàn)對人類認知活動的模擬，其發(fā)展經(jīng)歷了三大階段。第一階段（1955年—1977年），是知識圖譜起源階段，最先是從科學文獻索引應用中衍生出知識圖譜的概念。第二階段（1977年-2012年），是知識圖譜發(fā)展階段，知識圖譜的前身——基于規(guī)則的專家系統(tǒng)登臺亮相；知識表示、知識組織等知識圖譜的關(guān)鍵技術(shù)開始發(fā)展；知識本體、知識推理等知識圖譜關(guān)要素開始大規(guī)模普及。第三階段（2012-至今），是知識圖譜的繁榮階段，知識圖譜強調(diào)語義檢索能力，關(guān)鍵技術(shù)包括從互聯(lián)網(wǎng)的網(wǎng)頁中抽取實體、屬性及關(guān)系，旨在解決自動問答、個性化推薦和智能信息檢索等方面的題。目前，知識圖譜技術(shù)正逐漸改變現(xiàn)有的信息檢索方式，如谷歌、百度等主流搜索引擎都在采用知圖譜技術(shù)提供信息檢索。一方面通過推理實現(xiàn)概念檢索（相對于現(xiàn)有的字符串模糊匹配方式而言）；另一方面以圖形化方式向用戶展示經(jīng)過分類整理的結(jié)構(gòu)化知識，從而使人們從人工過濾網(wǎng)尋找答案的模式中解脫出來。NLP是認知智能領(lǐng)域的關(guān)鍵技術(shù)，分為語音分析、詞法分析、句法分析、語義分析和語用分析五個層次。其中詞法分析、句法分析和語義分析是認知智能領(lǐng)域構(gòu)建行業(yè)知識圖譜的重要性技術(shù)。NLP的發(fā)展也經(jīng)歷了三個階段。第一階段（20世紀50年代到70年代）：1950年提出的“圖靈測試”是NLP思想的開端，當時的NLP主要采用基于規(guī)則的方法。但是由于硬件條件不足以支撐NLP的落地應用，因此并未得到充分的發(fā)展。第二階段：70年代以后互聯(lián)網(wǎng)高速發(fā)展，語料庫豐富、硬件不斷更新完善，NLP由理性主義向經(jīng)驗主義過渡，基于統(tǒng)計的方法逐漸代替了基于規(guī)則的方法。NLP基于數(shù)學模型和統(tǒng)計的方法取得了實質(zhì)性的突破，從實驗室走向?qū)嶋H應用。第三階段：從2008開始，深度學習逐漸開始被引入做NLP研究，此后深度學習與NLP的結(jié)合一度被推向高潮，并在機器翻譯、問答系統(tǒng)、閱讀理解等領(lǐng)域取得了一定成功。在認知智能實現(xiàn)的過程中，知識圖譜解決了兩大核心問題——一是基于實體、屬性及其實體間關(guān)的顯性關(guān)系的構(gòu)建，二是基于圖檢索和圖挖掘技術(shù)的隱性關(guān)系的挖掘。其中，知識圖譜和NLP技術(shù)的融合必不可少。行業(yè)知識圖譜的構(gòu)建，是認知智能實現(xiàn)的前提，而在行業(yè)知識圖譜構(gòu)建的過程中，NLP技術(shù)必不可少。隨著大數(shù)據(jù)時代的到來，傳統(tǒng)手工的方式對于知識圖譜的構(gòu)建可以說基本上是無法完成的任務，須依賴NLP的技術(shù)在海量數(shù)據(jù)中自動化的抽取知識，有監(jiān)督的構(gòu)建知識體系以及可持續(xù)的補充完善知識圖譜。1.4認知智能行業(yè)圖譜認知智能領(lǐng)域廠商可以分為兩大類。第一類是由于自身業(yè)務需要，實現(xiàn)認知智能在業(yè)務流程中的滲透，甚至是基于認知智能技術(shù)提供務。比如阿里、百度、騰訊、美團、滴滴、頭條等。第二類是面向政府、金融、零售等行業(yè)客戶，提供認知智能解決方案的廠商。其中，一部分是從知智能向認知智能延伸的廠商，比如商湯、曠世、云從、依圖等安防起家的廠商；還有一部分，以認知智能應用為主的廠商，比如谷歌、今日頭條、明略科技等。2.認知智能的落地條件及挑戰(zhàn)從底層數(shù)據(jù)治理，到上層行業(yè)場景應用，認知智能業(yè)務架構(gòu)可分為數(shù)據(jù)中臺、AI中臺、業(yè)務中臺以及行業(yè)場景應用四層。數(shù)據(jù)中臺不但要將大數(shù)據(jù)處理技術(shù)（流計算、批量計算、實時采集、離線采集）封裝起來，形成算平臺；同時進入數(shù)據(jù)中臺的數(shù)據(jù)都將成為其核心資產(chǎn)——即按照規(guī)范的建模方法論將數(shù)據(jù)形成題域模型、標簽模型或者算法模型。其功能在于打通固有多業(yè)務系統(tǒng)之間的數(shù)據(jù)壁壘，融合各個同業(yè)務系統(tǒng)間所產(chǎn)生的數(shù)據(jù)，通過數(shù)字化的運營和驅(qū)動來支撐前端業(yè)務的快速變化，從而產(chǎn)生更的價值。明略科技將知識圖譜融入數(shù)據(jù)中臺，用包含概念、實體、關(guān)系、事件、標簽、指標的知識圖譜統(tǒng)視圖來定義面向領(lǐng)域的數(shù)據(jù)模型，并將所有隱性的語義，全部以顯性的形式放到知識圖譜里進行現(xiàn)，將領(lǐng)域知識圖譜作為數(shù)據(jù)中臺的數(shù)據(jù)底座，從而實現(xiàn)面向業(yè)務領(lǐng)域數(shù)據(jù)組織方式的轉(zhuǎn)變，為業(yè)打造真正具有行業(yè)Know-How的新一代數(shù)據(jù)中臺。AI中臺本質(zhì)上是AI應用的全生命周期開發(fā)和管理平臺，用于數(shù)據(jù)分析與處理、模型訓練與評估、模型應用與監(jiān)控。提供統(tǒng)一的數(shù)據(jù)存儲系統(tǒng)，和基于容器的異構(gòu)計算資源管理系統(tǒng)、機器學習庫與模訓練實驗管理系統(tǒng)以及模型部署與運行監(jiān)控系統(tǒng)，采用分布式模型訓練，大幅提升數(shù)據(jù)和模型的能、效果、目標。從實現(xiàn)功能角度來看，AI中臺以實現(xiàn)業(yè)務智能為目標，為數(shù)據(jù)科學家團隊提供服務，加速用戶畫像、推薦系統(tǒng)、圖像識別、智能客服等智能應用開發(fā)。業(yè)務中臺多出現(xiàn)在認知智能應用相對比較成熟的領(lǐng)域，融合了行業(yè)或者特定場景的業(yè)務邏輯，其要功能是實現(xiàn)業(yè)務能力的動態(tài)共享和服務復用。一般每個行業(yè)都能抽象出相應的業(yè)務中臺，某些用的場景也能抽象出業(yè)務中臺，應用于各行各業(yè)。以明略科技構(gòu)建的營銷中臺為例，抽象了約10個模塊，應用于快消、美妝、家電、汽車等零售相關(guān)領(lǐng)域。行業(yè)場景應用則是在業(yè)務中臺的支持下，實現(xiàn)特定功能。比如金融領(lǐng)域，認知智能相關(guān)的場景應有反欺詐、反洗錢等。以明略科技在零售領(lǐng)域的具體落地實踐為例，其認知智能解決方案包括數(shù)據(jù)中臺、業(yè)務中臺和上場景應用。數(shù)據(jù)中臺由數(shù)據(jù)匯聚平臺、數(shù)據(jù)治理和開發(fā)平臺、數(shù)據(jù)存儲、數(shù)據(jù)分析和數(shù)據(jù)共享服務五層結(jié)構(gòu)成。數(shù)據(jù)中臺沉淀的數(shù)據(jù)源既包括業(yè)務系統(tǒng)中存儲的結(jié)構(gòu)化數(shù)據(jù)（數(shù)據(jù)中臺與企業(yè)業(yè)務系統(tǒng)連接可以通過網(wǎng)關(guān)中間件獲取線上的訂單、顧客等數(shù)據(jù)，以及線下的POS數(shù)據(jù)等，未來也將通過智能設獲取顧客行為感知數(shù)據(jù)），也包括明略科技補充的DMP數(shù)據(jù)。零售行業(yè)的業(yè)務中臺由組織中心、商品中心、庫存中心、財務中心、會員中心、營銷中心、訂單心、配置中心八個子模塊構(gòu)成。一般來說，業(yè)務中臺具體模塊的搭建往往是產(chǎn)生于客戶的需求，如業(yè)務中臺下的訂單中心，通過打通客戶不同渠道的訂單系統(tǒng)，制定訂單處理規(guī)則，用API接口和前端對接或直接替代前端訂單系統(tǒng)。目前的場景應用包括供應鏈側(cè)和營銷側(cè)，如供應鏈側(cè)可以進行銷量預測、存貨布局、自動補貨、動調(diào)撥等，在營銷側(cè)可以對用戶畫像，對顧客進行個性化商品推薦，同時實現(xiàn)促銷評估、動態(tài)變等功能。在認知智能的四層基本業(yè)務架構(gòu)中，數(shù)據(jù)中臺層的海量數(shù)據(jù)的治理、以及AI中臺層基于行業(yè)知識圖譜的關(guān)聯(lián)關(guān)系挖掘，是認知智能落地的兩大挑戰(zhàn)。2.1基于大數(shù)據(jù)平臺的海量數(shù)據(jù)治理認知智能面對的是海量的數(shù)據(jù)，海量數(shù)據(jù)治理存在技術(shù)和業(yè)務兩個維度的挑戰(zhàn)。技術(shù)維度的挑戰(zhàn)主要是數(shù)據(jù)量大、多源異構(gòu)，造成治理難度大。要求平臺具備兩大能力，一是將源異構(gòu)數(shù)據(jù)治理成可供算法模型使用的標準化數(shù)據(jù)的能力，二是分布式存儲和計算能力。數(shù)據(jù)源角度來看，認知智能解決需要處理的數(shù)據(jù)來自視頻、圖片、音頻等感知智能應用中采集的據(jù)，業(yè)務系統(tǒng)已存儲的數(shù)據(jù)、以及業(yè)務運行中時刻產(chǎn)生的數(shù)據(jù)，還有第三方補充數(shù)據(jù)、公開數(shù)據(jù)所有與業(yè)務相關(guān)的數(shù)據(jù)；從數(shù)據(jù)結(jié)構(gòu)來看，既有結(jié)構(gòu)化數(shù)據(jù)，比如視頻數(shù)據(jù)、金融系統(tǒng)的交易數(shù)等，也有非結(jié)構(gòu)化數(shù)據(jù)，比如各類文本數(shù)據(jù)，以及大量的半結(jié)構(gòu)化數(shù)據(jù)。多源數(shù)據(jù)的治理對認知智能業(yè)務架構(gòu)（數(shù)據(jù)中臺）性能提出了高要求，需要通過可擴展的數(shù)據(jù)源配程序，將多源數(shù)據(jù)匯聚到一個知識圖譜中，實現(xiàn)數(shù)據(jù)標準化、以及多源異構(gòu)數(shù)據(jù)的關(guān)聯(lián)融合。海量數(shù)據(jù)存儲層面，則要求數(shù)據(jù)中臺實現(xiàn)知識存儲和知識計算，以前的數(shù)據(jù)庫多為矩陣結(jié)構(gòu)、立結(jié)構(gòu)存儲，認知智能時代需要圖狀結(jié)構(gòu)的存儲。借助圖存儲、列式存儲等方式，以及Hadoop和Spark平臺的分布式并行計算框架，達到每分鐘導入和處理幾百萬數(shù)據(jù)量的數(shù)據(jù)庫性能，實現(xiàn)海量數(shù)據(jù)圖譜的高效存儲和查詢。在實際的落地實踐中，業(yè)務維度需要考慮兩點，一是數(shù)據(jù)打通，涉及到系統(tǒng)互聯(lián)，以及具體執(zhí)行程中的組織配合；二是數(shù)據(jù)清洗，即實現(xiàn)基于場景理解的數(shù)據(jù)資產(chǎn)化，將數(shù)據(jù)按照“實體-關(guān)系-屬性”的三元架構(gòu)進行分布式存儲，以便構(gòu)建知識圖譜并實現(xiàn)關(guān)聯(lián)分析和挖掘應用。數(shù)據(jù)打通問題更多需要高層重視并牽頭執(zhí)行認知智能解決方案方案的落地，以“一把手工程”的思路引導業(yè)務、信息等部門積極參與，從數(shù)據(jù)采集和治理、業(yè)務邏輯梳理、以及場景應用落地等方面保認知智能解決方案的順利落地。數(shù)據(jù)清洗要求認知智能企業(yè)有對行業(yè)的深入理解、對業(yè)務邏輯的深刻洞察，才能以終為始，按照終場景應用的需求，定義和儲存數(shù)據(jù)，使其成為能夠為AI中臺、業(yè)務中臺等直接應用的數(shù)據(jù)資產(chǎn)。2.2基于知識圖譜實現(xiàn)對關(guān)聯(lián)關(guān)系的快速挖掘知識圖譜的構(gòu)建分為兩步，第一步是定義實體、屬性及其實體之間的關(guān)聯(lián)關(guān)系。比如公安領(lǐng)域的人、物、地、事、組織；醫(yī)療領(lǐng)域的疾病種類、疾病癥狀、檢查檢驗結(jié)果，都是自領(lǐng)域知識圖譜常用的實體定義。明略在2017年與光大銀行合作，幫助光大銀行構(gòu)建用于審計的知識圖譜。在這次合作中，明略科幫助光大銀行建立了全行級別的知識圖譜，僅支持審計的知識圖譜有1億個實體和10億條關(guān)系鏈，全行級別的知識圖譜會在其他領(lǐng)域帶來更多的產(chǎn)出。關(guān)于實體的定義、實體屬性的歸類、以及實體之間的關(guān)系構(gòu)建，一般來說有兩種方式，一是基于則庫進行調(diào)整和學習，成本較低，但后期維護成本較高；二是以人工標注的方式讓機器來模擬和習，成本相對較高，但因具備自適應能力，后期維護成本較低。實際操作過程中，一般是通過規(guī)庫和人工標注相結(jié)合的方式。第二是基于知識圖譜的關(guān)聯(lián)關(guān)系挖掘。知識圖譜在實際業(yè)務落地中最大的價值，就是能夠基于知識圖譜實現(xiàn)隱性關(guān)聯(lián)關(guān)系的挖掘，挖掘靠人的業(yè)務經(jīng)驗、或者一般數(shù)據(jù)分析模型難以發(fā)現(xiàn)的業(yè)務邏輯和線索。比如，在公安日常工作中，主要面臨嫌疑人是誰，嫌疑人在哪里，嫌疑人和誰在一起以及嫌疑人去哪里等四大類問題，公安人員開展工作多數(shù)都是依賴現(xiàn)在信息化系統(tǒng)收集的軌跡工具而展開的通過對軌跡數(shù)據(jù)的分析，鎖定嫌疑人，發(fā)現(xiàn)嫌疑人行蹤及團伙。而通過軌跡發(fā)現(xiàn)人與人之間，車車等之間隱性關(guān)系，就是基于公安知識圖譜圖挖掘技術(shù)實現(xiàn)的，能夠在公安破案的過程中為公安供有力的線索。隱性關(guān)系的挖掘主要是基于圖挖掘技術(shù)，當前面臨三大挑戰(zhàn)。一是圖挖掘?qū)?shù)據(jù)查詢的要求較高，開源數(shù)據(jù)庫難以支撐，需要基于開源數(shù)據(jù)庫做優(yōu)化。二是關(guān)聯(lián)關(guān)系挖掘的最短路徑、聚類分析等經(jīng)典算法，也需要做并行化、分布式化處理，才能達圖挖掘技術(shù)的所需的性能要求。三是以當前知識圖譜和圖挖掘技術(shù)所能找到的隱性關(guān)系，還存在很多無效的關(guān)聯(lián)關(guān)系，也就是對際業(yè)務來說沒有任何意義和價值，需要結(jié)合業(yè)務經(jīng)驗做校驗，找到真正能夠適用于業(yè)務的隱性關(guān)系。比如，將阿里云工業(yè)大腦應用到攀鋼西昌鋼釩轉(zhuǎn)爐煉鋼工藝后，打通煉鋼全流程數(shù)據(jù)，通過建模析獲得煉鋼工藝優(yōu)化的關(guān)鍵因子，結(jié)合專家知識之后，成功定位提釩、脫硫和煉鋼三個關(guān)鍵工序。通過對這三個工序的深入建模分析，聚焦在脫硫工序，依靠脫硫仿真模型與參數(shù)尋優(yōu)模型尋找最參數(shù)。根據(jù)實際測算，通過優(yōu)化的參數(shù)推薦，每生產(chǎn)一噸鋼可以節(jié)省一公斤鐵，對于年產(chǎn)值400萬噸鋼的攀鋼來說，一年的成本節(jié)省就在700萬以上。其中，在建模獲得關(guān)鍵因子的基礎上，需要結(jié)合專家知識找到最關(guān)鍵的脫硫工序，才能最終挖掘真正適用和解決業(yè)務實際問題的關(guān)聯(lián)關(guān)系。3.認知智能的市場空間分析3.1認知智能潛在市場規(guī)模根據(jù)Gartner的預測，到2022年，中國對技術(shù)產(chǎn)品和服務的總支出會超過3.2萬億人民幣，除去通信服務1.5萬億，IT硬件、軟件、數(shù)據(jù)中心系統(tǒng)以及IT服務相關(guān)的總支出為1.7萬億。愛分析認為，到2022年，認知智能相關(guān)的解決方案占比將達到5-7%，屆時認知智能市場規(guī)模約為850-1200億。3.2認知智能市場集中度分析相對而言，認知智能行業(yè)市場集中度會高于信息化領(lǐng)域。主要是因為認知智能領(lǐng)域門檻較高，而認知智能與行業(yè)、業(yè)務結(jié)合較緊密，頭部企業(yè)在服務客戶的過程中積累的模型會不斷完善，先發(fā)勢明顯。AI行業(yè)集中度普遍較高。根據(jù)曠視科技招股說明書披露，2018年，曠視科技的設備解鎖與身份驗證解決方案，在中國制造的搭載人臉識別設備解鎖功能的安卓智能手機中，占據(jù)超過70%市場份額。信息化領(lǐng)域很少有單家供應商的某個產(chǎn)品或者解決方案能夠達到如此高的市占率。但認知智能領(lǐng)域行業(yè)集中度會低于感知智能領(lǐng)域。人臉識別、語音識別等感知智能類解決方案，夠跨行業(yè)、跨場景實現(xiàn)應用落地，即感知智能供應商更容易憑借技術(shù)優(yōu)勢，實現(xiàn)在不同行業(yè)之間快速復制，以通用解決方案占領(lǐng)市場，集中度相對較高。而認知智能解決方案在跨行業(yè)和跨場景層面則更具挑戰(zhàn)，主要是由于行業(yè)知識圖譜的構(gòu)建和積累要深耕細作，未來認知智能的落地將是行業(yè)性解決方案的輸出，很難像通用類解決方案在不同行快速復制，各個行業(yè)都有機會成長出小巨頭。因此，認知智能行業(yè)集中度不會太高。長期來看，會呈現(xiàn)百花齊放的競爭格局。3.3認知智能重要場景應用的市場規(guī)?；趷鄯治鰧Ω鱾€行業(yè)技術(shù)滲透情況的了解和判斷，認知智能滲透的核心行業(yè)包含智慧城市、自駕駛、零售、公安、金融、工業(yè)、醫(yī)療和教育。其中，智慧城市和自動駕駛領(lǐng)域認知智能潛在市規(guī)模較大，零售、公安和金融次之，工業(yè)、醫(yī)療和教育滲透空間最小。智慧城市領(lǐng)域的市場內(nèi)規(guī)模最大，僅住建部制定的十三五期間對智慧城市的投入就超過5000億人民幣。智慧城市整體規(guī)劃中，業(yè)務架構(gòu)也涵蓋數(shù)據(jù)中臺和業(yè)務場景應用，其中，數(shù)據(jù)治理和各類場應用，認知智能滲透的空間極大。比如交通調(diào)度指揮與管理輔助決策、分布式能源調(diào)度中心等場應用背后都是基于知識圖譜的分析決策做背后支撐。自動駕駛潛在市場規(guī)模較大，其產(chǎn)業(yè)鏈市場空間近千億，未來考慮出行類服務，幾近萬億市場。境感知、路徑規(guī)劃和車輛自主決策是智能駕駛L5級要實現(xiàn)的目標，其中路徑規(guī)劃和自主決策均是認知智能能夠深度滲透的領(lǐng)域。零售、公安和金融也是認知智能重點滲透的領(lǐng)域，市場規(guī)模均在百億級別。工業(yè)、醫(yī)療和教育領(lǐng)也有部分滲透，相對而言，市場規(guī)模較小，約在幾十億級別。滲透率與政策、行業(yè)OI、以及技術(shù)應用成熟度密切相關(guān)。其中智慧城市、公安和醫(yī)療領(lǐng)域，主要是政策驅(qū)動，比如公安領(lǐng)域，自2015年開始，公安部就陸出臺《關(guān)于大力推進基礎信息建設的意見》、《公安科技創(chuàng)新“十三五”專項規(guī)劃》，國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，不斷推薦大數(shù)據(jù)以及人工智能在公安中的深度應用，為知識圖譜驅(qū)動認知智能解決方案在公安領(lǐng)域的滲透打下了基礎。而金融、零售、工業(yè)和教育領(lǐng)域認知智能滲透的驅(qū)動力是OI，在技術(shù)成熟的條件下，行業(yè)以業(yè)務降本提效為出發(fā)點，采購并應用認知智能解決方案。自動駕駛當前滲透率較低的核心原因是技術(shù)成熟度有限，行業(yè)距離L5級別的自動駕駛還很遠，環(huán)境感知還有很多尚待解決的問題，認知智能應用的技術(shù)基礎尚未實現(xiàn)。市場集中度與行業(yè)本身的行業(yè)集中度、以及行業(yè)信息化市場集中度有關(guān)。行業(yè)本身集中度越高，該行業(yè)認知智能市場集中度越高。比如自動駕駛行業(yè)集中度高，決定了自駕駛領(lǐng)域認知智能市場大的集中度也會很高；零售、金融和教育本身行業(yè)集中度很低，因此零售金融和教育領(lǐng)域認知智能市場集中度也很低。行業(yè)信息化集中度越高，認知智能行業(yè)集中度也越高。根據(jù)IDC統(tǒng)計，2014年公共安全領(lǐng)域前五名解決方案供應商的市場份額為51.6%，而2017年，醫(yī)療領(lǐng)域前八家信息化上市公司的市場占有率僅有約14%。因此可以判斷，公安領(lǐng)域認識智能市場集中度會大大高于醫(yī)療領(lǐng)域。對于認知智能供應商而言，市場集中度高、且滲透率高的領(lǐng)域，是當前值得重點投入的領(lǐng)域，比如公安、智慧城市。而融、零售領(lǐng)域雖然市場集中度較低，但是市場規(guī)?？捎^，因此也是值得重點深耕的行業(yè)。4.認知智能的重要場景應用分析本章將以具體落地案例來介紹認知智能相關(guān)解決方案在各個行業(yè)的滲透。4.1公安目前食藥領(lǐng)域制假售假呈現(xiàn)網(wǎng)絡化的發(fā)展趨勢，包括通過在網(wǎng)絡上發(fā)布信息，通過QQ、微信等聊天工具和網(wǎng)絡支付平臺交易，通過快遞等方式送貨等。由于網(wǎng)上、網(wǎng)下犯罪交織，傳統(tǒng)、新型犯罪段疊加，打擊食藥環(huán)領(lǐng)域犯罪已成為專業(yè)程度高、經(jīng)營和偵破難度大的系統(tǒng)工程。其中，線索核查是食藥環(huán)支隊日常的基礎工作之一，主要是對全國范圍內(nèi)已破獲案件涉及本地的買人群進行核查。過去由于對物流數(shù)據(jù)沒有有效的手段進行研判，且警力有限，很難在大量的普核查線索中確定核查重點，核查工作往往收效甚微。明略科技智慧警務模型應用平臺能夠很好的應對這些問題。該平臺主要實現(xiàn)兩大功能。一是精準研判，提升核查效率。某市局食藥環(huán)支隊通過積分模型運算相關(guān)線索數(shù)據(jù)，挖掘出高危人員、其關(guān)系網(wǎng)絡及高危程度等要線索，指導辦案民警進行精準偵察，從而大幅度提升核查效率，快速精準鎖定高危人員和高?；铩６菙U展經(jīng)營，以點帶面，大范圍打擊犯罪。破獲現(xiàn)行案件后，民警在對嫌疑人進一步深入偵查，發(fā)現(xiàn)該嫌疑人的大部分違禁產(chǎn)品均通過某一戶進行購買，民警立即對該商戶進行偵查，發(fā)現(xiàn)該商戶極可能是連接各大銷售點與貨源地的中間商。運用明略科技智慧警務模型應用平臺，某市局食藥環(huán)支隊通過數(shù)據(jù)分析和標簽、模型綜合研判，演出疑似假藥來源地和銷售網(wǎng)絡，后經(jīng)過民警連續(xù)多日多地的深入偵查，發(fā)現(xiàn)了存放假藥的倉庫點，并成功鎖定嫌疑人，一舉打掉該團伙。最終取得成效較為明顯，先后在全國多地共抓獲涉嫌銷售假藥嫌疑人20余人，當場查獲涉案假藥1000余件，涉案價值5000余萬元，顯示了假藥模型應用平臺在精準研判、擴線經(jīng)營中發(fā)揮的作用。4.2金融明略科技為某全國大型股份制銀行基于全行全量數(shù)據(jù)構(gòu)建成“企業(yè)、個人、機構(gòu)、賬戶、交易、以及行為數(shù)據(jù)”規(guī)模達十億點百億邊的知識圖譜數(shù)據(jù)庫。并通過采用復雜網(wǎng)絡、圖計算等大數(shù)據(jù)算法，實現(xiàn)海量結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的分析和探索，搭建遠程監(jiān)控體系下復雜計算及非結(jié)構(gòu)化模型設的框架。該項目中的知識圖譜應用取得效果如下。一是展現(xiàn)完整的客戶關(guān)系網(wǎng)及資金流轉(zhuǎn)全貌。生成客戶關(guān)系網(wǎng)絡圖譜，完整展現(xiàn)對公客戶“個人-企業(yè)-個人”的復雜關(guān)系，構(gòu)建復雜的資金流轉(zhuǎn)全貌，通過圖挖掘技術(shù)，挖掘復雜的隱形關(guān)系和利益共同體，實現(xiàn)無死角的資金監(jiān)控管理。二是基于多元異構(gòu)數(shù)據(jù)處理能力提升風控水平。通過搭建模型管理框架，引入圖像識別、自然語處理、情感分析等技術(shù)，具備多種非結(jié)構(gòu)化數(shù)據(jù)處理能力，有效提高遠程風控技術(shù)水平。三是實現(xiàn)業(yè)務應用模型。建設監(jiān)控預警、追蹤查證為主的業(yè)務應用模型，體現(xiàn)大數(shù)據(jù)模型項目業(yè)價值，提升非現(xiàn)場審計效率和能力。四是為銀行打下更多業(yè)務應用的基礎。未來可以圍繞基礎能力對上輸出的能力，建設更多在遠程控體系下的業(yè)務應用。4.3零售近年來，線上購物場景隨著新零售、多語態(tài)、線上線下相結(jié)合，顯得愈加復雜。線上購物場景中搜索體驗是決定用戶購物體驗的關(guān)鍵。由于普通客戶難以對想購買的商品具備清晰地了解和認知故對搜索和推薦產(chǎn)生了一定程度的依賴。但大部分搜索引擎難以有效認知客戶的意圖，難以快速地響應客戶的需求。原因在于：眼下電商索需要的互聯(lián)網(wǎng)數(shù)據(jù)超出了過往文本范圍，同時互聯(lián)網(wǎng)數(shù)據(jù)大多屬于非結(jié)構(gòu)化文本數(shù)據(jù)，且分散各個源頭難以統(tǒng)一。導致數(shù)據(jù)呈現(xiàn)多噪聲、多模態(tài)、數(shù)據(jù)源分散、深度認知的缺乏等特質(zhì)。為了提升客戶搜索體驗，阿里基于認知智能技術(shù)打造電商認知圖譜，以數(shù)據(jù)中臺支撐GEnigne，再通過阡陌數(shù)據(jù)管理平臺，和圖靈業(yè)務對接平臺來優(yōu)化用戶搜索體驗。阿里推出的電商認知圖譜在數(shù)據(jù)治理和認知層面的投入，最終在用戶體驗上得到了明確的收益首先，通過場景數(shù)據(jù)結(jié)構(gòu)化，分散數(shù)據(jù)得以統(tǒng)一表示。阿里內(nèi)部大多是query、title、評論、攻略等，這些數(shù)據(jù)由于用戶習慣和商家訴求，會存在非常不同于普通文本的語法結(jié)構(gòu)，也會由于利益原因存在大量噪聲和臟數(shù)據(jù)。阿里首先對數(shù)據(jù)進行清洗，然后通過短語挖掘，信息抽取等方法把有效數(shù)據(jù)抓取出來，最后進行據(jù)的結(jié)構(gòu)化和層次劃分。對于結(jié)構(gòu)化后的數(shù)據(jù)，采用標準化的schema表示和存儲方法進行概念數(shù)融合，屬性的挖掘和發(fā)現(xiàn)。其次，通過提升數(shù)據(jù)認知度，獲取客戶關(guān)聯(lián)需求搜索引擎難以快速的響應客戶的關(guān)鍵在于對于客戶意圖認知不明確，難以推薦合乎客戶要求的商以及關(guān)聯(lián)需求的挖掘。阿里依托電商認知圖譜可以通過行為和商品本身的信息認知到用戶購買商品的意圖，再通過外部據(jù)的輸入和摘要得到常識類和商品體系之外的用戶需求的關(guān)聯(lián)，再經(jīng)由圖靈業(yè)務平臺投放合適的品，以達到精準營銷和額智能推薦的目的。最終效果斐然，阿里自2017年6月推進電商認知圖譜的構(gòu)造后，截至2018年9月已經(jīng)完成pvtop70的類目審核，增加了12W+的cpv對，實現(xiàn)能夠被全識別的query占比從30%提升到60%。4.4餐飲明略科技為某知名餐飲品牌該餐飲企業(yè)提供了基于認知智能的店長通解決方案該餐飲企業(yè)最初面臨的主要問題有三個。一是隨著業(yè)務的不斷發(fā)展和新店的持續(xù)擴張，水餃出品的品質(zhì)管理難度持續(xù)增高，而餃子出品的質(zhì)又是決定門店經(jīng)營狀況和品牌形象的關(guān)鍵，所以客戶希望通過創(chuàng)新的AI手段對各門店的出品品質(zhì)做高頻的持續(xù)的客觀的評判，并形成統(tǒng)計報告，以實現(xiàn)對餃子出品品質(zhì)的嚴格管控。二是該餐飲企業(yè)有一套標準話術(shù)體系，覆蓋到門店客戶服務的各個環(huán)節(jié)。但日常服務人員的話術(shù)行情況和服務的工作量都難以量化評估，所以管理者希望能夠通過語音識別技術(shù)，量化評估每個務人員的話術(shù)執(zhí)行情況，用以評判每個人的服務積極性和工作量。三是該餐飲企業(yè)門店店長每天面對繁重的管理任務，稍有不慎就會有疏漏，并且總部的各種管理度要求都需要及時有效的推行和監(jiān)管，如果執(zhí)行不到位，可能被稽查巡店的監(jiān)察員扣分罰款，甚降級。所以需要一款智能高效的管理工具，能夠幫助店長規(guī)劃每日的管理任務，支持高效的客觀確的任務描述，并且可以自動化的匯總?cè)蝿請?zhí)行情況，提升門店管理的效率?；谠摬惋嬈髽I(yè)的需求，明略科技針對性提供了店長通出品識別、服務評估和運用管理三大解決案。店長通解決方案實現(xiàn)的主要功能如下一是AI提升餃子出品品質(zhì)。店長通出品識別解決方案，在客戶的出餐口部署安裝集成的出品圖像采集設備，自動抓取出品照片，通過云端的AI重點自動識別每個餃子的品質(zhì)并量化打分，最終對每盤餃子做整體打分評判，并自動化的形成品質(zhì)統(tǒng)計報告。對餃子出品的品質(zhì)做全面的實時的管控。出品識別的模型會根據(jù)日的判斷結(jié)果，持續(xù)做訓練優(yōu)化，不斷的自我完善。對餃子出品的品質(zhì)做全面的實時的管控。并且，出品識別的模型會根據(jù)日常的判斷結(jié)果，持續(xù)做訓練優(yōu)化，不斷的自我完善二是基于語音識別的服務積極性評估。通過軟硬件一體化的設計思路，為服務員提供可隨身佩戴的智能語音識別設備，實時采集服務員術(shù)，并將話術(shù)上傳到云端的AI中臺，對話術(shù)量，有效話術(shù)執(zhí)行情況，菜品推薦情況做統(tǒng)計匯總，并沉淀有效的推薦話術(shù)，幫助該餐飲企業(yè)沉淀和優(yōu)化服務話術(shù)知識。三是提供門店管理輔助工具。基于PDCA閉環(huán)管理模式，實現(xiàn)量自動的創(chuàng)建計劃任務，智能描述式的任務交互，實時的結(jié)果檢查匯總，以及自動化的問題跟進追蹤，內(nèi)置智能識別和判定AI，對每日任務的進展和描述做智能的分析和判定。幫助店長構(gòu)建高效、實時、靈活、閉環(huán)的管理能力。5.認知智能的未來趨勢5.15G、邊緣計算與認知智能認知智能時代，數(shù)據(jù)是核心資產(chǎn)，在數(shù)據(jù)產(chǎn)生、傳輸、存儲、計算、分析和應用的過程中，5G、邊緣計算等技術(shù)將和認知智能相互融合，形成從終端、邊緣到中央云的一體化數(shù)據(jù)處理流程和解決案。其中，爆炸式的終端增長將產(chǎn)生海量的數(shù)據(jù)；5G負責高效的數(shù)據(jù)傳輸；邊緣節(jié)點和中心節(jié)點將共同協(xié)同完成數(shù)據(jù)的存儲和計算；認知智能則在此基礎上實現(xiàn)各類數(shù)據(jù)分析和應用。邊緣節(jié)點的存在，不管是在計算資源層面，還是本地化模型調(diào)用層面，都彌補了中心節(jié)點在反應度上的不足，雖然有5G的加持可以更提供高速、穩(wěn)定的數(shù)據(jù)傳輸，但邊端計算類似于本地化計算和固化模型，其優(yōu)勢依然無可比擬。其中，5G的價值在于，能夠促進認知智能的滲透和落地。5G有三大特性：大帶寬高速率、低時延高可靠和海量連接。網(wǎng)絡速度要求很高的業(yè)務能在5G時代被推廣，例如，目前由于4G速度不足以支撐云VR對視頻傳輸和即時交互的要求，用戶需要依靠昂貴的本地設備進行處理。依托于5G的高速率，云VR將能獲得長足發(fā)展。5G超低時延的特性可以支持敏感業(yè)務的調(diào)度，為車聯(lián)網(wǎng)、工業(yè)控制、智能電網(wǎng)、遠程醫(yī)療等垂直行業(yè)提供更安全、更可靠的網(wǎng)絡連接，促進認知智能在這些領(lǐng)域的落地。5G網(wǎng)絡每平方公里百萬級的海量連接數(shù)使萬物互聯(lián)成為可能。5G網(wǎng)絡面向的不僅僅是個人用戶，還有企業(yè)用戶和工業(yè)智能設備，5G將為C端和B端的用戶或智能設備提供網(wǎng)絡切片、邊緣計算等服務，從而直接促進認知智能在當前滲透率尚在低位的領(lǐng)域?qū)崿F(xiàn)應用落地。比如，自動駕駛、智慧城市等已經(jīng)發(fā)展了一段時間，但是當前尚未取得突破性進展，其中一大原就是網(wǎng)絡連接，自動駕駛和智慧城市真正實現(xiàn)落地的前提是萬物互聯(lián)，而當前階段，由于功耗高可用頻段少和高時延等限制，硬件設備之間只是單獨獲得了連接能力，很難將所有硬件設備連接一起，并沒有實現(xiàn)真正的連動。5G的成熟將改變這一現(xiàn)狀，未來，5G將成為認知智能在自動駕駛、智慧城市等大規(guī)模落地的基礎設施。邊緣計算與云計算的協(xié)同，將優(yōu)化認知智能解決方案的落地機制。邊緣計算是指在用戶或數(shù)據(jù)源的物理位置或附近進行的計算。從云計算與邊緣計算的關(guān)系來看，緣計算是云計算概念的延伸，是云計算向終端和用戶側(cè)延伸。邊緣計算和云計算的協(xié)作，能夠優(yōu)化認知智能解決方案的更新和應用機制，在實際的落地過程中同時顧及反應速度和模型更新。邊緣節(jié)點存儲了認知智能模型，直接應用于終端設備；邊緣節(jié)點和中心云之間存在交互，各個邊節(jié)點處的認知智能模型在應用過程中的處理的數(shù)據(jù)結(jié)果會回傳至中心云端，匯聚至中心云處的認智能初始模型，并基于大量的數(shù)據(jù)和結(jié)果做模型更新，再將最新的認知智能模型下發(fā)至邊緣節(jié)點。整個過程類似于云邊協(xié)同在華為IEF平臺中實現(xiàn)方式。在該平臺中，人臉檢測、人流監(jiān)測等模型就是以邊緣計算和云計算之間的協(xié)作實現(xiàn)優(yōu)化落地的。5.2認知智能的下一站—人機協(xié)同人工智能分為感知智能、認知智能和行動智能三個階段。當前正處于認知智能的起步階段，展望來，人工智能必然走向行動智能，這個過程需要人機協(xié)同來完成。在感知智能和認知智能階段，機器能夠自主完成特定的任務，但有很多知識和管理復雜度高的領(lǐng)域，機器很難獨立完成工作，人機協(xié)同是新一代AI技術(shù)在知識和管理復雜度高的行業(yè)中的落地，也是人類與機器和諧共處的開端。簡單來說，人機協(xié)同的業(yè)務邏輯就是，在復雜任務中充分發(fā)揮機和人的各自優(yōu)勢，創(chuàng)造性的完成特定任務。人機協(xié)同可分人機互補交互、人機冗余交互和人機混合交互三種情況。其中，人機互補交互主要人將機器能夠完成的特定任務安排給機器來做；人機冗余交互強調(diào)人機在特定任務中的分工與配合，由機器完成能夠完成的部分，其余由人來完成；人機混合交互的難度最高，要求機器基于動知識圖譜推演出相關(guān)線索和結(jié)論等，并且人相機介入，以求達到最好的效果。比如，通過社交洞察分析解決方案，明略科技可以幫助公司評估廣告投放的效果。具體操作流程是，需要基于小文章、評論、圖片、以及視頻等多元、海量、異構(gòu)的輿情數(shù)據(jù)中，通過知識圖譜方式，為廣告內(nèi)容本身或者某個廣告平臺做畫像，最終告訴客戶廣告效益到底如何，這中間就涉到人機協(xié)同。6.認知智能廠商競爭分析及典型廠商介紹6.1認知智能公司核心競爭力分析認知智能廠商競爭力主要體現(xiàn)在以下四個方面：技術(shù)能力、產(chǎn)品能力、獲客能力、以及場景應用解。技術(shù)能力主要體現(xiàn)在數(shù)據(jù)治理能力、知識圖譜構(gòu)建能力、以及項目實施中的工程化能力方面。產(chǎn)品能力主要是產(chǎn)品完整性，廠商需要具備從底層數(shù)據(jù)采集、治理、知識圖譜構(gòu)建、到上層應用建的整體能力。產(chǎn)品能力不僅影響項目交付周期，而且也影響認知智能廠商的利潤率。獲客能力方面，由于認知智能在行業(yè)的滲透尚處于早期階段，而早期階段也是廠商打磨解決方案積累競爭優(yōu)勢的重要階段，獲客能力既是先發(fā)優(yōu)勢的重要體現(xiàn)，也將決定認知智能廠商長期的競力。場景理解能力決定了廠商是否有能力服務于行業(yè)頭部客戶，并在此基礎上打磨知識圖譜。6.2認知智能國內(nèi)廠商代表——明略科技明略科技是國內(nèi)最早大規(guī)模布局認知智能的廠商之一，致力于探索認知智能技術(shù)在知識和管理復度高的行業(yè)中的落地?；诙嗄甑臄?shù)據(jù)積累、數(shù)據(jù)治理經(jīng)驗積累、場景應用理解能力積累，明略科技將打通感知與認知能，通過多模態(tài)人工智能和大數(shù)據(jù)技術(shù)，連接人、機器、組織的智慧，實現(xiàn)具有分析決策能力的階人工智能應用——即認知智能的大規(guī)模落地。不同于傳統(tǒng)軟件解決方案，認知智能應用是具有反饋機制的動態(tài)解決方案，因此只有形成從業(yè)務據(jù)化、到數(shù)據(jù)業(yè)務化的業(yè)務閉環(huán)，才能真正為生產(chǎn)和組織帶來效率提升、價值創(chuàng)造等收益。其中業(yè)務閉環(huán)的過程是——通過監(jiān)管體系持續(xù)采集數(shù)據(jù)，自上而下產(chǎn)生數(shù)據(jù)；匯聚數(shù)據(jù)之后形成智能解決方案，自下而上提供服務。從認知智能廠商競爭力層面來看，明略科技在技術(shù)、產(chǎn)品、獲客和場景理解方面都具備相當?shù)膬?yōu)勢。知識圖譜領(lǐng)域先發(fā)優(yōu)勢明顯，具備服務省市公安局、長沙市大數(shù)據(jù)局、寶潔等標桿客戶的技術(shù)能力，擁有約400人的數(shù)據(jù)科學家團隊。產(chǎn)品能力主要體現(xiàn)在具備整體解決方案的能力。且通過數(shù)據(jù)治理和知識圖譜產(chǎn)品，能夠幫助提升項目中產(chǎn)品化率。但在實際的落地過程中，當前大型企業(yè)個性需求較多，服務客戶時需要提供必要的咨詢服務。明略科技獲客能力較強，在各個領(lǐng)域已有行業(yè)標桿客戶，公安領(lǐng)域已經(jīng)服務了超過100個客戶、金融領(lǐng)域服務人民銀行、建設銀行、光大銀行、太平洋保險，軌交領(lǐng)域已服務上海地鐵。場景理解能力方面，頭部標桿客戶的數(shù)據(jù)治理能力積累和業(yè)務場景梳理將成為明略科技行業(yè)知識譜構(gòu)建和優(yōu)化的長期競爭力。6.3認知智能國外廠商代表——alantir成立于2004年的alantir是國外認知智能廠商的代表。Plantir起家于大數(shù)據(jù)分析，最初服務于CIA等美國政府機構(gòu)，做情報人員提供輔助分析，通過幾年與CIA的合作，alantir的技術(shù)逐漸成熟，最后形成產(chǎn)品Gotham，這款產(chǎn)品也是Plantir的兩大核心產(chǎn)品之一，主要面向政府，用于描述、探究、查詢息以及信息之間的聯(lián)系，找到事物背后的關(guān)系，實際上其核心就是基于知識圖譜的隱性關(guān)系挖掘。從2010年開始，alantir開始涉足商業(yè)領(lǐng)域，推出另一款產(chǎn)品Metropolis，為銀行、對沖基金的分析師提供輔助量化分析，JP摩根是其第一個商業(yè)領(lǐng)域客戶，將alantir的技術(shù)用于反欺詐，尋找那些試圖盜取他人賬戶的人。這款產(chǎn)品也是認知智能技術(shù)在金融反欺詐領(lǐng)域落地的典型代表。從認知智能廠商競爭力維度來看，alantir在技術(shù)、獲客和場景應用理解方面都比較擅長，產(chǎn)品能力相對較弱。技術(shù)能力主要體現(xiàn)基于知識圖譜的隱性關(guān)系挖掘方面，技術(shù)優(yōu)勢明顯。產(chǎn)品能力一般，主要是alantir基本做大客戶的定制化項目，產(chǎn)品化能力較弱。且產(chǎn)品功能較為局限，覆蓋場景比較有限。alantir能夠順利切入政府和銀行大型客戶領(lǐng)域，獲客能力較強。而除了手機廠商，網(wǎng)絡運營商們離5G則要更近一步。中國移動、中國聯(lián)通、中國電信這國內(nèi)的三大運營商，從2017年起，就都紛紛開始了5G網(wǎng)絡相關(guān)的測試工作。而且，三大運營商的都將2019年設定為5G網(wǎng)絡商用落地的時間點，也就是說，2019年年底前作為普通消費者的我們，就可以置換5G手機了。綜合之前的對比分析，我們認為在制氫環(huán)節(jié)，中央制氫與加氫站分布式制氫相互補充是較為合理的運行模式，制氫技術(shù)路線會根據(jù)制氫地點資源稟賦有所變化。在儲氫環(huán)節(jié)，未來一階段主要的方案仍是高壓氣態(tài)儲氫。氣態(tài)儲氫畢竟方便快捷，液態(tài)儲氫和固態(tài)合金儲氫無論是從可操作性還是從技術(shù)要求上來講都較為復雜，不適合在儲氫站和氫能源燃料電池汽車上應用。水資源短缺現(xiàn)象非常嚴重。當前，由于用水需求的日益增長，社會水循環(huán)過程中的浪費和污水的超量排放，以及水利工程的建設與管理滯后等原因?qū)е挛覈Y源短缺。我國水資源短缺存在著資源型短缺、工程型短缺和水質(zhì)型短缺三種形式。資源型缺水主要指當?shù)厮Y源總量少，不能適應經(jīng)濟發(fā)展的需要，形成供水緊張的狀況。工程型缺水主要指區(qū)域水資源總量并不短缺，但特殊的地理和地質(zhì)環(huán)境不易賦存水，同時，水利工程建設滯后，難以有效的開發(fā)利用水資源，造成供水不足。水質(zhì)型缺水主要指有可以利用的水資源，但這些水資源由于受到各種污染致使水質(zhì)惡化，導致不能使用而缺水。以經(jīng)典的顛覆者優(yōu)步(Uber)為例，該公司利用現(xiàn)有的GPS技術(shù)和應用程序部署了不需要任何資產(chǎn)配置的商業(yè)模式，擾亂了出租車的市場秩序并擴大到整個交通行業(yè)。DollarShaveClub顛覆了吉列(Gillette)的剃刀/剃刀模式，轉(zhuǎn)而提供訂閱服務，為其在2016年以10億美元收購聯(lián)合利華(Unilever)奠定了基礎。亞馬遜將其現(xiàn)有的亞馬遜網(wǎng)絡服務存儲和計算服務應用于自己的在線市場運營，并將其出售給其他公司，最終成為該公司的關(guān)鍵利潤驅(qū)動因素。中國食品藥品檢定研究院醫(yī)療器械標準管理研究所的李靜莉所長表示，隨著醫(yī)用機器人的政策扶持和研發(fā)推進，醫(yī)用機器人標準建設也越來越得到重視，從國際醫(yī)用機器人標準來看，已經(jīng)出現(xiàn)了手術(shù)和康復機器人標準，但關(guān)于安全的標準還處于起草和研究階段，中國也在積極謀求參與并籌建了醫(yī)用機器人研究工作組。目前，國內(nèi)的情況是，該研究所已經(jīng)參與了一些研發(fā)、臨床的相關(guān)工作，將結(jié)合國內(nèi)研究的不同階段和標準需求，開展標準制定研究工作，并希望起草一些國家標準、主導立項一些國際標準。產(chǎn)業(yè)集聚效應進一步加強。目前，以園區(qū)和龍頭企業(yè)為依托合理推動形成的產(chǎn)業(yè)集聚，已經(jīng)成為我國機器人產(chǎn)業(yè)發(fā)展的一項重要特征，產(chǎn)業(yè)集聚為行業(yè)的規(guī)范發(fā)展和企業(yè)的生存競爭提供了良好環(huán)境。國內(nèi)各地政府一直在圍繞本體制造、系統(tǒng)集成、零部件生產(chǎn)等機器人產(chǎn)業(yè)鏈核心環(huán)節(jié)，主導建設各具特色、優(yōu)勢互補的機器人產(chǎn)業(yè)園區(qū)與特色小鎮(zhèn)，2019年這一進程將進一步加快，產(chǎn)業(yè)集聚現(xiàn)象也會愈發(fā)明顯。盡管我國醫(yī)療器械行業(yè)市場容量擴張速度快，但由于相關(guān)基礎科學和制造工藝的落后，其國產(chǎn)醫(yī)療器械產(chǎn)品仍集中在中低端品種，高端醫(yī)療器械主要依賴進口。中國占全球醫(yī)療器械市場約14%市場份額，在多種中低端醫(yī)療器械產(chǎn)品領(lǐng)域，產(chǎn)量居世界第一。我國高端醫(yī)療器械市場大部分份額由外資企業(yè)占領(lǐng)。伴隨著經(jīng)濟的快速發(fā)展，我國醫(yī)療器械行業(yè)發(fā)展迅速，年均復合增長率約為23.89%。中國醫(yī)療器械行業(yè)正處于快速發(fā)展期。而除了手機廠商，網(wǎng)絡運營商們離5G則要更近一步。中國移動、中國聯(lián)通、中國電信這國內(nèi)的三大運營商，從2017年起，就都紛紛開始了5G網(wǎng)絡相關(guān)的測試工作。而且，三大運營商的都將2019年設定為5G網(wǎng)絡商用落地的時間點，也就是說，2019年年底前作為普通消費者的我們，就可以置換5G手機了。綜合之前的對比分析，我們認為在制氫環(huán)節(jié)，中央制氫與加氫站分布式制氫相互補充是較為合理的運行模式，制氫技術(shù)路線會根據(jù)制氫地點資源稟賦有所變化。在儲氫環(huán)節(jié)，未來一階段主要的方案仍是高壓氣態(tài)儲氫。氣態(tài)儲氫畢竟方便快捷，液態(tài)儲氫和固態(tài)合金儲氫無論是從可操作性還是從技術(shù)要求上來講都較為復雜，不適合在儲氫站和氫能源燃料電池汽車上應用。水資源短缺現(xiàn)象非常嚴重。當前，由于用水需求的日益增長，社會水循環(huán)過程中的浪費和污水的超量排放，以及水利工程的建設與管理滯后等原因?qū)е挛覈Y源短缺。我國水資源短缺存在著資源型短缺、工程型短缺和水質(zhì)型短缺三種形式。資源型缺水主要指當?shù)厮Y源總量少，不能適應經(jīng)濟發(fā)展的需要，形成供水緊張的狀況。工程型缺水主要指區(qū)域水資源總量并不短缺，但特殊的地理和地質(zhì)環(huán)境不易賦存水，同時，水利工程建設滯后，難以有效的開發(fā)利用水資源，造成供水不足。水質(zhì)型缺水主要指有可以利用的水資源，但這些水資源由于受到各種污染致使水質(zhì)惡化，導致不能使用而缺水。以經(jīng)典的顛覆者優(yōu)步(Uber)為例，該公司利用現(xiàn)有的GPS技術(shù)和應用程序部署了不需要任何資產(chǎn)配置的商業(yè)模式，擾亂了出租車的市場秩序并擴大到整個交通行業(yè)。DollarShaveClub顛覆了吉列(Gillette)的剃刀/剃刀模式，轉(zhuǎn)而提供訂閱服務，為其在2016年以10億美元收購聯(lián)合利華(Unilever)奠定了基礎。亞馬遜將其現(xiàn)有的亞馬遜網(wǎng)絡服務存儲和計算服務應用于自己的在線市場運營，并將其出售給其他公司，最終成為該公司的關(guān)鍵利潤驅(qū)動因素。中國食品藥品檢定研究院醫(yī)療器械標準管理研究所的李靜莉所長表示，隨著醫(yī)用機器人的政策扶持和研發(fā)推進，醫(yī)用機器人標準建設也越來越得到重視，從國際醫(yī)用機器人標準來看，已經(jīng)出現(xiàn)了手術(shù)和康復機器人標準，但關(guān)于安全的標準還處于起草和研究階段，中國也在積極謀求參與并籌建了醫(yī)用機器人研究工作組。目前，國內(nèi)的情況是，該研究所已經(jīng)參與了一些研發(fā)、臨床的相關(guān)工作，將結(jié)合國內(nèi)研究的不同階段和標準需求，開展標準制定研究工作，并希望起草一些國家標準、主導立項一些國際標準。產(chǎn)業(yè)集聚效應進一步加強。目前，以園區(qū)和龍頭企業(yè)為依托合理推動形成的產(chǎn)業(yè)集聚，已經(jīng)成為我國機器人產(chǎn)業(yè)發(fā)展的一項重要特征，產(chǎn)業(yè)集聚為行業(yè)的規(guī)范發(fā)展和企業(yè)的生存競爭提供了良好環(huán)境。國內(nèi)各地政府一直在圍繞本體制造、系統(tǒng)集成、零部件生產(chǎn)等機器人產(chǎn)業(yè)鏈核心環(huán)節(jié)，主導建設各具特色、優(yōu)勢互補的機器人產(chǎn)業(yè)園區(qū)與特色小鎮(zhèn)，2019年這一進程將進一步加快，產(chǎn)業(yè)集聚現(xiàn)象也會愈發(fā)明顯。盡管我國醫(yī)療器械行業(yè)市場容量擴張速度快，但由于相關(guān)基礎科學和制造工藝的落后，其國產(chǎn)醫(yī)療器械產(chǎn)品仍集中在中低端品種，高端醫(yī)療器械主要依賴進口。中國占全球醫(yī)療器械市場約14%市場份額，在多種中低端醫(yī)療器械產(chǎn)品領(lǐng)域，產(chǎn)量居世界第一。我國高端醫(yī)療器械市場大部分份額由外資企業(yè)占領(lǐng)。伴隨著經(jīng)濟的快速發(fā)展，我國醫(yī)療器械行業(yè)發(fā)展迅速，年均復合增長率約為23.89%。中國醫(yī)療器械行業(yè)正處于快速發(fā)展期。例如，被世界經(jīng)濟論壇評為2016年技術(shù)先鋒的OmadaHealth專注于慢病管理領(lǐng)域，其主打產(chǎn)品是prevent，通過改變用戶的生活方式來降低體重，從而降低發(fā)生糖尿病、高血壓，以及各種心血管事件的概率，并根據(jù)患者的偏好制定個性化的策略，以帶來生活方式的改變。OmadaHealth是一個非常重視體驗感的公司，他們不僅擁有世界頂尖的交互設計師，還對患者無時無刻地進行人性化的關(guān)懷，這些都能讓移動醫(yī)療的產(chǎn)品看起來更健康，更可信，讓用戶向往更美好的生活。氫燃料電池汽車市場呈現(xiàn)日韓做乘用車、中國做客車、美國做專用車的格局。日本豐田本田等車企2000年前后就開始做燃料電池汽車，至今已經(jīng)有近20年的技術(shù)積累，且將燃料電池汽車應用于汽車時間較早，產(chǎn)品經(jīng)過市場多年檢驗，技術(shù)成熟。，?但是發(fā)布時間較短，應用于汽車經(jīng)驗不足。中國的燃料電池汽車主要是客車，此后日本、中國相繼發(fā)布燃料電池專用車，但性能有較大差距，后來者難以望其項背。保健品行業(yè)中，電商渠道是增長最快的渠道。根據(jù)Euromonitor的統(tǒng)計，2017年中國保健品線上渠道約占總銷售額的17.8%，較2010年線上渠道占比1.1%，增長了16.7個百分點。隨著互聯(lián)網(wǎng)的普及和人們對于保健意識的提升，消費者不必要通過銷售人員講解保健品知識，消費者更傾向于通過網(wǎng)絡平臺來購買保健品。在供給方面，保健品供應商也紛紛在天貓、京東等平臺開設線上旗艦店。根據(jù)淘數(shù)據(jù)的統(tǒng)計，2018年7月，天貓保健品品牌數(shù)量達901個，店鋪數(shù)量達1143家，線上單品數(shù)有20928種。行業(yè)盈利能力分析：直播電商行業(yè)的盈利能力主要受到行業(yè)的投資回報周期、行業(yè)服務周期、行業(yè)競爭程度、用戶粘性等的影響。部分產(chǎn)品和服務存在投資大,回收慢,競爭激烈,用戶粘性不高等現(xiàn)實問題。這些問題的存在使得直播電商行業(yè)的盈利能力有待提高。為了行業(yè)的長遠發(fā)展,直播電商行業(yè)的盈利能力急需改善。介入治療的關(guān)鍵是將精密的手術(shù)器械準確地置入到病灶靶點以達到治療的目的，這就需要解決治療前的科學設計、治療中的準確定位、穩(wěn)定穿刺和器械扶持等難題。機器人輔助系統(tǒng)是解決上述傳統(tǒng)的介入治療問題的重要途徑。機器人輔助系統(tǒng)是利用計算機技術(shù)分析醫(yī)學影像信息，在構(gòu)建三維空間坐標的基礎上應用醫(yī)用機器人實現(xiàn)精確定位和輔助操作。從而使介入技術(shù)與機器人定位準確、狀態(tài)穩(wěn)定、靈巧性強、工作范圍大及操作流程規(guī)范化等優(yōu)勢相結(jié)合，減少治療中的人為因素，使介入治療更為精確、靈巧與安全，克服完全依賴于醫(yī)生的經(jīng)驗。提前布局乃至出臺試點的步伐越來越快，這也會倒逼手機制造商早點為自己的未來市場進行謀劃，為了配合運營商的5G試點，也需要前期出現(xiàn)一批產(chǎn)品來迎合市場和運營商的測試。這也從一個側(cè)面加快了5G的布局速度。尤其是當幾個主要市場都在搶占5G的橋頭堡的時候，這種率先布局的力度也會在暗中較勁，進而推動5G的提前到來。對于膜法而言，在海水淡化操作過程中，由于海水溫度、pH、離子濃度等變化，海水中鈣、鎂離子可能生成碳酸鹽、硫酸鹽、氫氧化物沉淀，堵塞膜孔，降低膜的透水率，因此需要在水中添加阻垢緩釋劑、清潔劑、絮凝劑、阻垢分散劑等藥劑，為減少結(jié)垢沉積對反滲透膜的影響。對于蒸餾法來講，容易產(chǎn)生鍋垢從而降低蒸發(fā)效率，可以通過海水進行預處理來減少影響，向原水中加入聚磷酸鹽、有機磷酸，膦基聚羧酸等進行水質(zhì)軟化，對鈣，鎂離子以及其他金屬離子螯合作用使其不易沉淀，阻止水垢的形成。與由跨國廠商壟斷的產(chǎn)業(yè)鏈上游相比，基因檢測產(chǎn)業(yè)鏈中游整體競爭更為激烈，除華大基因、貝瑞基因等頭部公司因在檢測樣本量上居于領(lǐng)先地位，毛利率基本維持在50%以外，目前許多公司整體盈利水平低于上游設備、試劑生產(chǎn)商。但從市場容量來看，基因檢測服務因直接面向醫(yī)療機構(gòu)、個人、科研機構(gòu)、制藥公司等用戶，其整體市場規(guī)模較大。長期以來，動物類藥材多為野生。由于野生資源稀缺且逐年枯竭，國家對其實施嚴格的政策保護，再加上勞動力價格持續(xù)上漲，使得野生及動物類藥材供給出現(xiàn)不足，隨著需求的不斷增長，價格呈現(xiàn)平穩(wěn)上升態(tài)勢。2018年，反映野生藥材價格運行情況的“中藥材野生99價格指數(shù)”（我國具有代表性的99種野生中藥材市場價格的綜合加權(quán)）上半年突破3000點，上行至3200點附近,下半年小幅度回調(diào)，上漲117.4點，環(huán)比上漲3.93%。其中，作為骨科和心血管所需的介入器材、植入器材和人工器官等高值醫(yī)療器械也迎來快速增長的時期。我國高值醫(yī)療器械擁有巨大的成長潛力。通過對醫(yī)療器械行業(yè)現(xiàn)狀分析，得益于國家政策支持及行業(yè)需求增加，我國在中低端醫(yī)療器械產(chǎn)品方面已完全實現(xiàn)進口替代，在高端領(lǐng)域，企業(yè)也正在加碼提升研發(fā)技術(shù)水平。值得關(guān)注的是，2018年分級診療改革會繼續(xù)深入，逐漸在全國各地鋪展開來，分級診療帶來醫(yī)療資源配置向基層下沉，將意味著為國產(chǎn)設備帶來更多的機會。教育管理者大多身在深宮，不能完全深入市場，深入學校，深入家長之中，深入學生之中，所以他們得到的數(shù)據(jù)和信息有限，做出的決定也必然落后，甚至不符合現(xiàn)狀，經(jīng)常出現(xiàn)“一刀切”的執(zhí)行方案，昨天還正常，今天就關(guān)門，這樣的處理方法什么問題都不能解決，還依然有眾多家長學生得不到良好的教育，或者失去了教育的權(quán)利。問題始終存在，關(guān)鍵在于處理解決問題的思路，要站在廣大群眾的一邊，想著如何為他們排憂解難，真切地了解他們的需求，努力幫他們實現(xiàn)期望，而不是頭疼醫(yī)腳，拍腦袋隨意做決定。近年來，紙幣濫發(fā)導致通貨膨脹加劇、第三方支付頻頻爆出安全危機、再加上區(qū)塊鏈技術(shù)的逐漸成熟，比特幣、以太坊、瑞波幣等去中心化的數(shù)字貨幣便應運而生。數(shù)字貨幣具有交易成本低、交易速度快捷、高度匿名性和貨幣數(shù)量固定等特點和優(yōu)勢。我國數(shù)字貨幣行業(yè)在經(jīng)過短暫的結(jié)構(gòu)調(diào)整后，淘汰掉落后產(chǎn)能、篩選掉不合格企業(yè)，并且隨著居民消費觀念的轉(zhuǎn)變和消費需求的提升，我國數(shù)字貨幣行業(yè)依舊會繼續(xù)保持增長趨勢，未來將會向高品質(zhì)、高質(zhì)量的方向發(fā)展，呈現(xiàn)品種增多、消費多元化等新趨勢。中國數(shù)字貨幣產(chǎn)業(yè)鏈的參與主體不斷豐富，產(chǎn)業(yè)生態(tài)逐漸健壯。大數(shù)據(jù)及AI技術(shù)在醫(yī)療領(lǐng)域應用場景包括、輔助決策、健康/慢病管理、機構(gòu)智能化管理、基因數(shù)據(jù)等。預計2019年，輔助決策類中的影像輔助診斷將首先落地，主要因為其90%的準確率，可以快速為醫(yī)生提供豐富的細節(jié)信息。其他應用場景，醫(yī)療機構(gòu)的智能化管理，將在各省市區(qū)域信息平臺及三大醫(yī)療數(shù)據(jù)集團推動下進行。全科輔助決策、健康/慢病管理、人工智能新藥研發(fā)等，大多處于產(chǎn)品研發(fā)中期。針對這三個領(lǐng)域，企業(yè)仍需投入大量技術(shù)人才，以縮短流程路徑，提升產(chǎn)品準確率。根據(jù)羅蘭貝格提供的燃料電池汽車的數(shù)據(jù)測算，歐洲市場燃料電池小汽車的綜合使用成本達到0.24歐元/km，高于純電動和柴油汽車的綜合使用成本。因為氫氣出售時會考慮氫氣制備、運輸以及加氫站建設、運營等成本，所以氫氣價格里面包含了這些相關(guān)配套設施的成本。因此這一成本就是氫能源以燃料電池形式應用到小汽車上的全成本。在基因科技開發(fā)與應用上，中國與發(fā)達國家處于同一起跑線。隨著我國經(jīng)濟的快速發(fā)展，人們生活水平的不斷提高，消費能力和健康保健意識愈加強烈，預估我國每年基因檢測量至少在300萬人次以上，且逐年遞增。未來2到3年內(nèi)，我國認識到基因檢測重要性的人群將達到總?cè)丝诘?5%-20%，約有3億人的市場潛在需求，每年基因檢測量至少在300萬人次以上，市場空間非常巨大。從手機行業(yè)市場調(diào)查分析報告了解到，隨著智能手機的屏幕尺寸發(fā)展走到極限，手機的外殼材質(zhì)成為另一個市場熱點。由于鎂鋁合金和鋼制金屬既能提高硬度，還可改善使用的手感，這類材質(zhì)成為用戶和廠家的首選。而金屬切割工藝的難度和金屬帶來的網(wǎng)絡信號限制可能成為挑戰(zhàn)，但這不會妨礙這類材質(zhì)成為智能手機ID發(fā)展的趨勢。一是，有效優(yōu)化能源結(jié)構(gòu)。隨著國民經(jīng)濟平穩(wěn)較快發(fā)展，城鄉(xiāng)居民消費結(jié)構(gòu)升級，能源消費長期保持增長趨勢，資源約束矛盾日益突出。生物燃料乙醇是可再生液體燃料和綠色、優(yōu)質(zhì)汽油組分。推廣使用車用乙醇汽油，符合我國建設清潔低碳、安全高效的現(xiàn)代能源體系的要求，不但可以提高交通運輸業(yè)液體燃料的非化石能源比重，推進綠色低碳發(fā)展，而且可以替代部分石油，升級油品質(zhì)量，提高能源自給能力和安全水平。根據(jù)統(tǒng)計，試點以來，我國生產(chǎn)和消費的生物燃料乙醇相當于減少國內(nèi)原油進口5,000多萬噸。同時，累計推廣車用乙醇汽油2億多噸，車用乙醇汽油消費量已占同期全國汽油消費總量的五分之一左右，一定程度上促進了國內(nèi)能源結(jié)構(gòu)的優(yōu)化。國際機床工具行業(yè)是一個完全競爭的行業(yè)。2018年中國機床工具行業(yè)進出口貿(mào)易257.91億美元，其中出口111.58億美元，同比增長13.94%;進口146.33億美元，同比增長18.2%。下面進行機床行業(yè)競爭分析。我國機床工具行業(yè)市場化程度較高，產(chǎn)業(yè)集中度不高，基本處于充分競爭狀態(tài)。目前國內(nèi)金屬切削機床的市場主要以低端產(chǎn)品為主，大量中小企業(yè)集中在低端市場競爭，產(chǎn)品技術(shù)門檻相對較低，競爭較為激烈。中高端產(chǎn)品市場競爭較低端產(chǎn)品市場相對緩和，主要參與者為國外行業(yè)巨頭、合資企業(yè)、大型國有企業(yè)或國有控股企業(yè)以及少數(shù)的民營企業(yè)。通過對機床市場現(xiàn)狀的簡單解析得知此外，我國數(shù)控機床設備行業(yè)經(jīng)過數(shù)年的發(fā)展，技術(shù)、工藝等都已處于成熟階段，數(shù)控化率有了明顯提升，機床產(chǎn)值數(shù)控化率從2004年的11%、27%提升至2014年的38.7%、61.5%;發(fā)達國家的數(shù)控化率通常平均在70%以上，產(chǎn)值數(shù)控化率在80%-90%，相比于發(fā)達國家，我國機床產(chǎn)業(yè)整體數(shù)控化率偏低，未來發(fā)展?jié)摿薮?。同時，我國自主研發(fā)生產(chǎn)的機床設備仍以中低端產(chǎn)品為主，數(shù)控機床高端產(chǎn)品仍主要依賴進口。2014年國內(nèi)高端數(shù)控機床自給率不足10%，還有90%的高端數(shù)控機床來自于進口。隨著我國數(shù)控機床設備技術(shù)的不斷升級，未來高端數(shù)控機床設備領(lǐng)域進口替代空間廣闊。好了，以上便是筆者對機床市場現(xiàn)狀的簡單解析了。結(jié)合近幾年我國直播電商技術(shù)商業(yè)化進程及投資現(xiàn)狀，2019年直播電商技術(shù)的商業(yè)化程度將進一步提升，而隨著商業(yè)化程度的不斷提升，我國直播電商技術(shù)領(lǐng)域的投資也將從目前的風投為主逐步向企業(yè)間的投資兼并過渡，尤其是對于一些希望快速切入直播電商領(lǐng)域的企業(yè)來說，通過并購方式切入具有快速布局的優(yōu)點。同時，隨著直播電商技術(shù)的逐步成熟和商業(yè)化，行業(yè)領(lǐng)先企業(yè)的競爭地位將逐步得以鞏固，對于一些創(chuàng)業(yè)型企業(yè)來說，向風投機構(gòu)尋求融資的門檻也會隨之提高?；驕y序技術(shù)，采用生物化學和光學技術(shù)結(jié)合，將DNA序列中ATCG四種堿基逐一轉(zhuǎn)化為電化學信號，通過光學檢測設備識讀，報告圖為四種顏色的峰谷圖，根據(jù)信號強弱來識別四種堿基。測序技術(shù)的優(yōu)勢在于，可以逐一讀出全部基因序列，雙向測序是基因檢測結(jié)果金標準，可以用于檢測未知基因；缺點是測序?qū)颖綝NA濃度和純度要求比較高，實驗操作技術(shù)要求比較高，且每次實驗只能檢測一個位點或一段序列。首先就是優(yōu)質(zhì)教育資源稀缺，好學校的掐尖行為，導致差的學校更差了，好學校擠破頭也要進去，這也使得學區(qū)房炒到天價，行賄花錢進好學校的事件不斷曝光。大城市教育資源優(yōu)厚，小城市和偏遠山區(qū)連上學都是問題，小城市現(xiàn)在越來越多的學校都倒閉了，沒人留在小鄉(xiāng)鎮(zhèn)讀書了。我們一定要重視這些地區(qū)的教育，一方面可以教育“扶貧”，定期安排優(yōu)質(zhì)教育來幫扶，共同做好各地的教育，另一方面可以通過互聯(lián)網(wǎng)教育來幫助他們，互聯(lián)網(wǎng)的低成本可以讓他們也享有優(yōu)質(zhì)的教育資源。當采用形態(tài)學鑒別和免疫組化分析仍然難以確診時，需要