核心摘要：
“商業落地”已成為人工智能發展到當前階段鮮明的主題詞，過去人工智能技術驅動階段重在AI算法模型比拼，如今更要依賴商業場景洞察、專家團隊實力，將AI技術與行業實際需求結合，產生應用與經濟價值。因此本報告從人工智能在實體經濟中的市場化情況出發，探尋人工智能對實體經濟的意義。研究表明，當下，AI相關技術與傳統行業經營模式和業務流程開始產生實質性融合，智能經濟時代的全新產業版圖初步顯現。預計2019年人工智能賦能實體經濟產業規模接近570億元。
本報告對安防、金融、客服、醫療健康、零售、廣告營銷、教育、城市交通、製造、農業等十大傳統產業應用人工智能的現狀進行了梳理。整體來看，過去AI企業單純向傳統企業技術輸出的模式已悄然改變，全產業鏈都已參與進來，隨之而來的是AI應用的快速滲透和對相應場景的革新優化。具體應用場景、使用價值及市場規模推算請詳見報告第二章論述。
通往智能世界探索的路徑存在多種可能，基於部署思路、建設架構、同其他數字化技術聯動等方面的差異，業內已有與IoT結合的AIoT、與雲平臺能力結合的AI PaSS、與產業全面聯通相結合的AI+產業互聯網等發展路徑，將共促人工智能與實體經濟的深度融合。
從市場角度看，對人工智能產業的未來發展思考集中於玩家角色變化、落地場景的探索與評估和技術能力的強化提升，因為上述因素會對業務佈局、商業模式、可持續發展產生重要影響。艾瑞認為未來認知智能的推進將帶來傳統意義上客戶方的AI化，AI技術將進一步向其他實體產業滲透，同時市場環境的壓力敦促國內AI行業形成自主可控的產業鏈，這些變化都將促使我國人工智能產業的長期健康發展。
行業概述篇
人工智能戰略意義
商業價值：2019年AI賦能實體經濟預計貢獻收入近570億元
近幾年，人工智能技術在實體經濟中尋找落地應用場景成為核心要義，人工智能技術與傳統行業經營模式及業務流程產生實質性融合，智能經濟時代的全新產業版圖初步顯現，預計2019年人工智能核心產業規模接近570億元，目前，安防和金融領域市場份額最大，工業、醫療、教育等領域具有爆發潛力。
人工智能產業圖譜
人工智能產業成熟度
安防與金融發展條件較好，業務滲透最快，營銷、客服、教育等有望快速發展
我們根據基礎建設和價值空間兩大維度對人工智能賦能的十大實體經濟類型進行分析。總體而言，金融、營銷、安防、客服等場景在IT基礎設施、數據質量、對新技術的接受週期等AI發展基礎條件方面表現較優，而在當下市場規模、行業發展增速、解決方案落地效果和政策導向等諸多因素的影響下，安防、金融、教育、客服等場景將產生較高的商業化滲透和對傳統產業提升程度。其餘產業中，製造場景由於基礎建設複雜、數據獲取難度較大，且實際智能應用仍較為邊緣化，AI應用短期內滲透釋放難度較大；醫療、零售、交通等場景隨著AI技術與場景核心痛點匹配度上升、產品逐漸完善，未來將激發更大價值；農業因為技術基礎、商業模式、購買能力等問題，目前AI的賦能作用尚不明顯，有待未來探索。
賦能實體經濟篇
泛安防領域
2022年G端與B端市場規模有望突破700億元
2016年是AI+安防商業化元年， 2018年，我國AI+安防軟硬件市場規模達到135億元，部分頭部安防廠商AI業務在總營收中佔比從大約4%提升至超過8%，部分典型AI公司安防業務則佔接近一半的營業收入。2018年城市公共安防中AI滲透率達到2.6%。預計2019年市場仍將保持高增速，到十三五收官之年2020年增速開始穩定，屆時市場規模可達到453億元（城市公共安防AI滲透率達到11%），2022年市場規模有望突破700億元（城市公共安防AI滲透率達到25%），從2017年到2022年CAGR達到78.3%。
視頻監控佔比近90%，中心側份額最大
2018年AI+安防軟硬件市場約135.3億元的產值中，視頻監控佔據絕大部分，份額近90%，成為AI+安防的主賽道。其中，端側市場規模超過38億元，佔28.3%，中心側市場規模超過74億元，佔54.8%。而在AI+安防的核心戰場公共安全領域，總市場規模約93.1億元，其中端側市場規模約13.8億元，佔14.8%，中心側市場規模約66.5億元，佔71.4%，邊緣側滲透有限，佔比較小，約3.8%。出入口控制的主要產品如人臉識別閘機、門禁等，門檻相對較低，與監控人臉識別具備相通之處，因此絕大部分安防產品與解決方案提供商均涉足這部分業務，其市場相對較大。
傳統金融領域
傳統金融機構、互金公司和AI公司是主要參與者，中小型金融機構表現活躍
傳統金融機構擁有廣泛的客戶基礎和海量高可信度的數據積累，擁有完整的線下佈局，對AI應用有核心需求，是市場中主要的需求方；互聯網金融公司承載人口紅利，擁有大量的C端客戶和流量數據，在產品設計和渠道運營方面具有優勢，是技術的需求方，也是提供者；AI公司在終端客戶和數據積累方面不足，但在特定方向上具有較強的創新性和研發能力，是主要的技術提供者。傳統金融機構主要通過成立子公司自研技術、對外投資併購和採購合作三種方式進行AI佈局，目前以採購合作為主，需求更傾向於金融零售中的風控反欺詐和精準營銷，國有銀行等大型機構對於AI產品採購的態度更顯謹慎，為保證數據安全可控，往往要求合作公司開放代碼，由雙方共同開發，在篩選合作對象時更看中AI公司的合作案例和研發能力，而中小型機構相對靈活，是市場中的活躍者；互聯網金融公司面臨著新一輪轉型，在牌照監管壓力下，互金公司將加大與銀行的合作，由業務輸出向技術輸出拓展；AI公司在金融方面以智能風控產品為主，主要存在技術集中型和數據集中型兩類，前者在算法模型訓練方面有優勢，後者在黑名單數據積累方面有優勢，AI公司與大型機構合作後摸索出的解決辦法對中小型機構更有應用價值。
傳統金融領域
2022年傳統金融AI投入約580億元，銀行業務仍是核心場景
據艾瑞統計，2018年中國傳統金融機構科技投入約為1604.3億元，較2017年增長10%，其中包括硬件和軟件的AI相關投入約佔10.4%，為166.8億元，較2017年增速為42.9%。保守估計，到2022年中國傳統金融機構科技投入將突破3700億元，AI相關投入佔比將達到15.6%，超580億元。銀行業是AI相關應用的主要投入方，佔比70%，大部分通過外部採購方式獲取AI服務，其中對基礎設施層投入佔60%，在AI應用層投入佔40%，約39億元，硬件部分（以AI攝像頭和人證比對機為主）佔三分之一，軟件部分（以精準營銷和智能風控平臺為主）佔三分之二。
客服領域
2022年智能客服業務規模將突破160億元，AI技術成為重要推動力
2018年，智能客服業務規模達到27.2億元，其中以智能客服機器人為代表的AI應用業務規模達到7.9億元，預計2022年智能客服業務規模將突破160億元，年複合增長率為56%，AI應用業務規模突破70億元。在NLP技術的賦能作用下，客服業務將向企業服務、智能家居、智能可穿戴、車載設備、智能服務機器人、智能會議系統等領域拓展，預計2022年，泛智能客服市場想象空間將突破600億。
客服領域
NLP技術與標準化數據累積將拓展智能客服企業的業務邊際
由於客服行業中智能化需求上升，除原有的客服機器人廠商外，擁有豐富大客戶資源的傳統客服軟件廠商、基於PaaS雲通訊優勢的雲客服廠商、互聯網巨頭公司的相關客服平臺都開始組建自身的AI團隊，佈局智能客服。智能客服最大的隱性價值在於NLP技術在實際場景中的訓練和標準化數據累積，後者在挖掘客戶有價值信息中明顯起到降本增效的作用，標準化的數據打通了企業內部營銷、產品等環節，使得智能客服業務擁有了向企業服務其他場景拓展的能力；而NLP技術將成為智能客服公司的核心競爭力，可以此向製造、政務、醫療等領域拓展，向集認知、交互、協同、功能性於一身的智能系統發展。
醫療健康領域
AI醫學影像產品潛在價值巨大，但商業落地面臨瓶頸
本報告重點關注AI醫學影像賽道。AI醫學影像產品有肺結節等胸部AI、心血管疾病AI、大血管疾病AI、DR影像智能報告AI、骨關節疾病AI、乳腺影像AI、神經系統影像AI、骨齡判讀AI、小兒疾病AI、盆腔影像AI、腦部影像AI、眼底影像AI、皮膚AI、病理AI、超聲AI等十餘種，其中肺結節等胸部AI產品最多、認知度最高。AI醫學影像商業落地的大背景是我國影像科醫師明顯不足：每年影像檢查量上升30%，而影像科醫師只增長4%，一方面給醫院和醫師造成巨大壓力，醫師在重複、單調的閱片工作中容易出現疲勞、漏診等現象，另一方面中長尾醫療機構缺乏具備診斷能力的影像醫師，造成可拍片但無人寫報告的局面。AI醫學影像產品的主要價值包括：（1）診斷賦能。提高疾病表徵的檢出率，減少漏診，幫助癌症等重大疾病患者實現早診早治，提升病人存活率、降低家庭及社會診療成本，艾瑞預測，若未來AI醫學影像得到大規模使用，在癌症方面可節省診療與用藥支出2470億元，其中節省醫保和民政救濟支出1062億元；（2）治療方案賦能。AI對影像進行分割精準確認病灶位置、形態，可輔助評估患者術前術後風險，不過相關技術和產品尚不成熟；（3）閱片賦能，提升閱片效率、節約醫師時間。從AI產品的價值定位分析，其在很長時期內都以院內客戶通過IT採購或科研合作形式付費為主，而AI產品的落地還面臨准入門檻高、週期長，產品功能仍需完善等問題，商業化快速推進有賴於上述問題的解決。
醫療健康領域
醫療健康是個慢行業，預計2022年AI醫學影像市場近10億元
AI醫學影像的商業落地預計於2019年起步，到2022年市場規模達到9.7億元，在已定級醫院中總付費滲透率達5%，在三級醫院和二級醫院的總付費滲透率達到8%，期間若產品功能取得突破性進展則有更大發展空間。此前，AI醫學影像基本採用三甲醫院試用合作的模式，2019年後逐步推進產品收費，隨著分級診療的推進和市場對AI認知的提升，預計2020年底至2021年部分產品獲得CFDA三類醫療器械認證，同年二級醫院客戶數量首次超過三級醫院。目前主要有三種收費模式：（1）將AI醫學影像嵌入雲HIS或雲PACS中，打包售賣，由於現階段AI產品商業化面臨產品功能還未完全直擊客戶痛點，醫院客戶較多使用的是免費AI，與雲服務結合可將AI作為收費模塊；（2）將AI作為服務單獨提供，其優勢在於相較於雲服務，軟件開發形式更符合醫院採購習慣；（3）與影像設備廠商合作提供具有AI功能的醫療影像設備，收取一定分成，這種形式較難提供完整的拍片-閱片智能解決方案、需要重新申報CFDA審批認證，目前落地較少。目前市場中主要有AI企業、醫療信息化廠商、科技巨頭、醫療影像設備廠商等幾類玩家。
零售領域
2022年AI+零售建設投入將超175億
包含大賣場、超級市場、便利商店等業態的現代渠道型零售品牌是新零售的主要實踐場景，也是相關產品服務的主要買方。據艾瑞研究，2018年中國現代渠道主要零售商數字化建設投入為285.1億元，其中AI投入為約9億元，佔比3.15%，據預測，到2022年其數字化建設投入將突破700億元，AI投入將超過178億元，佔比超過25%，得益於阿里巴巴、京東、蘇寧等零售巨頭的推動，以AI應用為代表的新零售概念處於增長的上升通道，未來兩年將保持較高增速。目前AI應用可以分為以人為準的AI解決辦法、商品識別、供應鏈優化、智能服務機器人/客服機器人和無人貨櫃/無人店五大類，以CV技術為核心的人臉識別和商品識別是主要建設方向，相關投入佔整體的55.36%，供應鏈優化最為複雜，對AI算法的可用性要求最高，但更靠近零售業的核心痛點，未來可釋放的增益價值最大。
零售領域
AI公司、雲服務商和零售商是主要玩家，算法與經驗的融合是最終方向
目前以人工智能技術為代表的新零售解決辦法主要有兩種提供途徑，其一是技術輸出型，提供方主要為雲服務商和AI公司，其中雲服務商通過集成AI公司的算法能力，向用戶輸出基於雲平臺的標準化服務，而AI公司交付給用戶的解決辦法多為定製類項目，解決用戶個性化需求，這也是其主要的收入來源；另一種是經驗輸出型，由成熟的品牌零售商提供解決辦法，試圖將品牌自身多年的運營經驗和新技術融合，向中小微型零售商輸出，優化其運營模式。兩種途徑出發點不同，但終將向算法與行業經驗融合，產出可執行方案的方向發展，而在實際場景中的不斷試錯是達到這一目標的唯一方法。
數字營銷：AI的引入彌合了傳統數字化營銷的不足
隨著營銷產業的不斷髮展，傳統的營銷模式漸顯不足，在用戶時間碎片化的前提下，廣告ROI效果不理想、目標用戶不清晰等問題被不斷放大，同時病毒式的投放方式以及單一的內容形式也必然會讓用戶產生審美疲勞，降低對廣告的體驗和興趣，媒資與流量管理的效率亟待提升。人工智能針對上述問題，通過技術與營銷環節相結合，在提供更加充實的用戶特徵以及創意內容的同時，對投放的策略和形式進行優化，提升引流、集客、轉化效果。
視頻廣告：增加廣告位資源，提升用戶接受度
本報告重點關注AI在場景識別廣告賽道的商業價值。目前，AI場景營銷、廣告快速植入、功能性互動營銷等視頻廣告類業務已經有較為明確的商業模式，主要由長視頻平臺及AI公司通過視頻廣告招商分成的形式運作，2018年實現了初步商業落地，艾瑞初步測算當年市場規模達到8.8億元，預計2022年可達63.8億元，若市場接受度充足、滲透率高於預期，則有望達到133億元。AI場景廣告相比傳統網絡視頻廣告可新增約40%廣告位資源、平均提升點擊率2.5倍，綜合投放類型、滲透情況等因素，粗略測算未來AI場景廣告可為網絡視頻廣告產業帶來31%的價值提升。邊看邊買類服務由短視頻平臺自建或AI公司提供，有收取電商平臺提成、按點擊收費、收取項目實施費等幾種收費模式，在短視頻平臺、電商自有直播中落地較快，在長視頻平臺、OTT等領域的應用和商業模式都有待成熟。
教育領域
受政策及文化限制較小的校外市場和成人市場AI滲透率較高
由於教育關係到一個人未來的發展機會，試錯成本高，所以當一項新技術或一種新模式出現時，用戶一般不願率先做“小白鼠”，而是傾向於選擇口碑好的成熟品牌，並且，人腦吸收知識或技能的過程在目前無法清晰地拆解呈現出來，過程不透明，更加重了用戶消費時的謹慎心理。因此教育行業本身具有頑固性，對於新技術或新模式存在天然的排斥，而不像大眾消費品行業、娛樂行業那樣求新求異。
從人工智能在不同教育領域的滲透程度來看，越是校外市場，受到教育部門的監管就越小，越是高年齡段的市場，用戶的容錯能力就越高，所以滲透程度相對高。其中口語聽力練測、智能題庫、組卷閱卷/作業批改等場景是目前滲透最好的幾個場景。
教育領域
堅實的發展基礎——龐大的在線教育市場規模和用戶數量
經過20餘年的曲折發展，隨著用戶對在線教育的接受度不斷提升、在線付費意識逐漸養成以及線上學習體驗和效果的提升等因素影響，中國在線教育的市場規模與用戶數量已進入了初步成熟階段。2018年中國在線教育市場規模達2517.6億元，付費用戶數量超過1.35億人，人工智能技術進入教育領域後，市場上湧現出大量專注於“AI+教育”的新型教育機構，在線教育企業也在已有業務線基礎上引入人工智能技術以提升教學效率、拓展商業模式。艾瑞認為，目前在線教育中與人工智能技術相關的業務規模已超過120億元，在AI技術不斷髮展及教育領域AI落地成熟度持續提升的背景下，預計2022年與人工智能技術相關的在線教育業務規模將超過700億元。
城市交通領域
2022年交通大腦市場將達33億，軟件需求上升促進其發展
治理擁堵問題是城市交通場景的核心需求，所以本報告聚焦於城市智慧交通管控平臺目前的應用現狀和商業化程度。2016年應用人工智能技術的交通大腦出現，使交通管控系統正式步入智能化時代。交通大腦實質是囊括數據採集平臺、數據分析平臺、數據建模平臺和決策平臺的PaaS雲服務，通過對城市交通場景中眾多傳感器採集的數據信息關聯性處理，建立數據庫，由機器學習對信號燈管控、車流誘導等問題進行建模，聯動信號燈控制系統和手機地圖軟件等，輸出最佳解決辦法。據艾瑞統計，2018年交通管控項目規模約166.2億元，其中交通大腦項目規模約5.3億元，預測2022年交通管控項目規模將突破240億，交通大腦項目突破32億。目前交通大腦的供應商多采用與合作伙伴綁定的形式爭取項目，利潤在整體項目的20%左右，在產業鏈中的話語權不高，但以北、上、廣、深為代表的一線城市和部分二線城市，已經從基礎建設階段嚮應用階段過渡，對軟件的需求逐漸上升，這一利好未來會持續促進交通大腦項目的落地。
製造領域
製造數字化是“AI+製造”的基礎
我國製造業信息化水平參差不齊，且製造產業鏈條遠比其他行業複雜，更強調賦能者對行業背景的理解，這都造成了製造業的AI賦能相比其他行業門檻更高、難度更大。儘管人工智能技術在製造業的部分環節與流程中已經有了一定程度的應用，但整體滲透率仍然處於較低水平。“AI+製造”的落地基礎取決於製造業的數字化程度，根據中國信通院的測算，2018年中國工業數字化經濟的比重僅為18.3%，尚不足20%。在製造業整體數字化水平偏低的背景下，艾瑞認為AI技術在製造業數字化經濟中的滲透率在0.4%左右，並將在2022年達到1%。
農業領域
農業數字化基礎薄弱，AI滲透率低，市場尚處於培育期
傳統產業的AI賦能都以其數字化程度為基礎，中國農業在耕地面積有限且不斷減少、規模化種植範圍較小、機械化程度不高等因素的影響下，數字化程度處於較低水平。2018年，中國農業數字經濟佔增加值比重僅為7.3%，不僅遠遠低於服務業的35.9%，與工業相比也有較大差距。由於農業的信息化、數字化基礎薄弱，人工智能在農業中的成長壯大還需要一段積累數據和調整算法的培育期，並隨著農業數字化程度的逐步提升以及農業企業、農業規模戶對“AI+農業”產品服務的認可而迎來新的發展。2018年中國“AI+農業”領域的市場規模為1.9億元。預計未來數年內，“AI+農業”市場規模將以35.2%的年複合增長率高速發展，並於2024年突破10億元，2025年達到15.7億元。
新興發展模式篇
AIoT核心生態
主要包括智能設備與解決方案方、系統方、基礎設施提供方
AIoT的體系架構中主要包括物聯網設備及解決方案、操作系統/平臺、基礎設施（以雲服務形態為主）等三大層級。智能化設備是AIoT的“五官” 與“手腳” ，可以完成視圖、音頻、壓力、溫度等數據收集，並執行抓取、分揀、搬運等行為，通常是物聯網設備與解決方案搭配向客戶提供，這一層涉及設備形態多樣化，玩家眾多。操作系統/平臺相當於AIoT的“大腦”，解決流程體系性問題，核心功能包括對設備層進行連接與控制，分配計算資源，通過AI算法協同優化、合理調度等，這一層對業務邏輯、統一建模、全鏈路技術能力、高併發支撐能力等要求較高。基礎設施層是AIoT的“軀幹”，提供服務器、存儲等IT基礎設施。
AI PaaS
AI能力平臺化輸出降低了入局門檻，推動商業化第二波爆發
隨著人工智能技術對傳統產業的不斷滲透，越來越多的企業對AI產生了需求，但自主組建一支AI技術團隊，研發相關係統和應用對於大部分公司而言投入產出比並不高，而且難以達到“即插即用”的效果，因此通過雲平臺PaaS層輸出AI能力的AI PaaS服務成為需求方向。結合產業化落地，AI PaaS平臺可分為三個階段， 既模型自動化生產、模型規模化生產和模型智能化生產，逐步實現去監督化生產。AI PaaS又分公有云平臺和私有云平臺，二者在架構方面主體基本一致，只有在權限管理、資源管理和數據管理部分區分公有化和私有化，總體來看AI PaaS要滿足模塊化、分佈式、資源共享、可拓展和環境分離五大特性，以滿足不同量級用戶的併發需求。
產業互聯網
產業互聯網打造數據環境，AI算法體現核心價值
互聯網巨頭公司正致力於推動產業互聯網發展，希望通過豐富的雲端應用打通產業鏈上下游企業，使真實的生產數據能夠在雲平臺累積。其中，AI主要通過認知智能體現價值，由NLP、知識圖譜技術建立打通產業的關聯數據庫，通過機器學習訓練模型，推導出最佳的優化策略，向企業輸出解決辦法、諮詢服務或SaaS應用等，使整條產業鏈的生產更柔性，商業邏輯更具可預測性。隨著平臺用戶增加，導入數據激增，AI算法獲得更多優質數據訓練，準確率上升，產生能夠撬動更多用戶的核心競爭力，形成良性循環的產業生態，從而達到技術推動傳統產業升級的效果。
未來思考篇
新出發
認知智能到來的過程，也是傳統意義上客戶方AI化的過程
2018年，感知智能取得了較快發展，但由於感知智能很難切入產業關鍵業務環節，無論是出於提升產業智能化還是拓展人工智能企業商業價值的目的，2019年都將是成長期的感知智能與萌芽期的認知智能共同發展的一年。目前傳統企業獲取AI應用的普遍方式是依賴第三方實現全部業務需求，往往出現兩類問題：第三方對業務邏輯理解不足；客戶很難根據自身不斷變化的環境與需求實現算法迭代和人機智能實時協同，這都會導致AI產品在客戶處“水土不服”時而發生。而且產業數據的保有方往往是客戶，出於敏感數據安全性的顧慮，也很難將涉及核心業務的數據交託給第三方訓練，這些非技術性問題在很大程度上阻礙了認知智能的發展。在此背景下，AI服務方與客戶合作開發完成在客戶公司內部的數據訓練標註，以及向客戶提供基礎AI工具保障其擁有一定的維護、優化甚至開發能力很有必要，因此近幾年認知智能的推進將帶來傳統意義上客戶方獲得一定自有AI能力，實現AI化。
從技術可行性和產業生態的角度評估新場景
對於更為廣泛的傳統行業或線下使用場景的潛在客戶，艾瑞建議人工智能企業從產業智能化升級基礎-市場進入方式-市場成長週期等幾個角度評估可行性。以煤炭行業為例，有勘查設計、地測、採掘、洗選、安全保障、運營等主要業務環節，其中勘查、安全保障、運營等環節已有相關AI應用研究。分析煤炭行業特點可以發現，其有對智能化技術需求強、智能化升級基礎較好、政策引導性較強等特點，行業具備應用AI的較好基礎；產業生態中有話語權較強、具備研發實力的相關研究所與科研單位，因此通過聯合技術研發、與客戶聯合開發部署服務的方式更符合行業需求，預期相關技術發展成熟並得以驗證後可較快商業落地。
閱讀更多 壹點方圓 的文章
