5月10日，創業邦研究中心在2018全球
人工智能產品應用博覽會上發佈了《2018中國人工智能白皮書》。據統計，2017年中國人工智能核心產業規模超過700億元，隨着各地人工智能建設的逐步啓動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年複合增長率將達31.7%。隨着
人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的
創業公司加入人工智能的陣營。
2018年被稱爲人工智能爆發的元年，
人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。人工智能紅利時代開啓，資本、巨頭和
企業創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。
人工智能概念及發展
自1956年達特茅斯會議提出“人工智能”概念以來，“人工智能”經歷了寒冬與高潮交替的起起伏伏60多年的發展歷程。2010年以後，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席捲而來。
人工智能產業鏈可以分爲基礎設施層、應用技術層和行業應用層。基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和雲服務商。技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然後切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。
機器視覺技術
機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息並加以理解，它是將圖像轉換成數字信號進行分析處理的技術。
數據、算力和算法是影響機器視覺行業發展的三要素。人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背後需要具備高性能計算能力的
軟硬件作爲支撐。
深度學習出現後，機器視覺的主要識別方式發生重大轉變，自學習狀態成爲視覺識別主流，即機器從海量數據裏自行歸納特徵，然後按照該特徵規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。
機器視覺包括
企業軟件平臺開發和
軟硬件一體
解決方案服務。整體用戶更偏向於B端。
軟件服務提供商作爲技術算法的驅動者，其商業模式應以“技術層+場景應用”作爲突破口。
軟硬件一體化服務供應商作爲生態構建者，適合以“全產業鏈生態+場景應用”作爲突破口，加速商業化。
技術算法驅動者——“技術層+場景應用”作爲突破口。這種商業模式主要是提供以工程師爲主的
企業級軟件服務。有海量數據支撐，構建起功能和信息架構較爲複雜的生態系統，推動最末端的消費者體驗。此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用爲入口，積累用戶
軟件。視覺軟件服務按處理方式和存儲位置的不同可分爲在線API、離線SDK、私有云等。
生態構建者——“全產業鏈生態+場景應用”作爲突破口。軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景爲入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。
語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索佔比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。
語音識別即將進入大規模產業化時代。隨着亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。
低噪聲語料下的高識別率在現實環境使用中會明顯下降到70%—80%，遠場識別、複雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。
麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的蒐集、標註可用於模型的訓練，有助於打造更新一代的語音識別引擎技術。語音巨頭已經在佈局。在IOT包括車載領域，雲端識別並非通行的最優方案，把識別引擎結合場景進行裁剪後往芯片端遷徙是工程化發展的方向。
人工智能在醫療行業應用
人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在佈局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。
醫學影像。
人工智能應用於醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快地獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病竈。人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病竈識別與標註，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較爲火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。
藥物挖掘。人工智能在藥物研發上的應用可總結爲臨牀前和臨牀後兩個階段。臨牀前階段：將深度學習技術應用於藥物臨牀前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關係。臨牀後階段：針對臨牀試驗的不同階段，利用
人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨牀試驗過程中的患者服藥依從性和數據收集過程，提高臨牀試驗的準確性。
虛擬助理。醫療虛擬助理是基於醫療領域的知識系統，通過
人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成爲醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥諮詢和語音電子病歷等方向。
人工智能在智能駕駛行業應用
伴隨着ADAS技術的不斷更新，推斷全球L1~L5智能駕駛市場的滲透率會在接下來5年內處於高速滲透期，然後伴隨半無人駕駛的普及進入穩速增長期。在未來的2025年無人駕駛放量階段後，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球L4/5級別的自動駕駛車輛滲透率將達到15%，單車應用成本的顯著提升之外，從L1~L4級別的智能駕駛功能全面滲透爲汽車產業帶來全面的市場機會。
按照IHS Automotive保守估計，全球L4/L5自動駕駛汽車產量在2025年將接近60萬輛，並在2025—2035年間獲得高速發展，年複合增長率將達到43%，並在2035年達到2100萬輛。另有接近7600萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。
根據獨立市場調研機構Strategy Engineers的預測，L4高度自動駕駛等級下，自動駕駛零部件成本約在3100元/車，其中硬件佔比45%，軟件佔比30%，系統整合佔比14%，車聯網部分佔比11%。按照全球1億輛量產規模計算，理想假設所有車輛全部達到L4高度自動駕駛水平，那麼全球自動駕駛零部件市場規模在2020年將達到3100億美元。
中國人工智能企業
全國88%的
人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京
人工智能企業最多，佔比高達39.66%；其次是上海，
人工智能企業佔比達21.55%；位列第三的是廣東，人工智能企業佔達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成爲人工智能創業首要陣地；華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園；廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。
從行業大類分佈來看，行業應用層的企業佔比最大，爲56.03%；其次是應用技術層的企業，佔比達31.04%；基礎技術層的企業佔比最小，僅爲12.93%。隨着
人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭佔據行業領先地位，國內與國際差距明顯，中小初創企業很難進入。
從行業應用來看，智能金融企業佔比最大，爲16.92%；其次是機器人企業，佔比達15.38%；位列第三的是智能駕駛和智能教育，佔比均爲12.31%。金融行業的強數據導向爲人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場爲人工智能落地帶來了發展前景。機器人作爲人工智能產業落地輸出，目前市場需求較大，商業機器人佔據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。
