• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据 全球工作效率统计分析报告 2018-03-08 12:51:34


近期一项针对各国工作效率的调查发现,秘鲁、瑞典、印尼是工作效率最高的国家。而捷克、芬兰和中国是任务完成度最高的国家。不过,工作效率越高,对所有立项任务的完成比例越低,两者能兼顾的国家并不多。

如果全球各国进行一场工作效率的比拼,哪个国家效率最高?哪国效率最低?中国人效率算高吗?大家印象中效率高的德国、日本是否真的效率很高呢?



近期经过对Redbooth最活跃40个国家和地区的用户调查分析,研究过去三年中,所有行业的生产和任务完成情况,来考察各国的生产效率是否存在差异。


金准数据对研究结果分析认为,南美洲的秘鲁是工作效率最高的国家,中东的阿联酋是工作效率最低的国家。捷克、芬兰、中国、以色列的任务完成度最高,而俄罗斯、印度、菲律宾和秘鲁的任务完成度最低。


金准数据对研究结果分析认为,南美洲的秘鲁是工作效率最高的国家,中东的阿联酋是工作效率最低的国家。捷克、芬兰、中国、以色列的任务完成度最高,而俄罗斯、印度、菲律宾和秘鲁的任务完成度最低。


与此同时,工作效率最高的国家,往往任务完成度最低,如秘鲁;而工作效率处于平均水平的国家,其任务完成度则更高。像中国这样“工作效率高且任务完成度高”的国家,全球罕见。


一、秘鲁工作效率最高,中国亦全球领先



金准数据依据Redbooth平台的数据统计,所有国家中,完成一项任务时间最短的国家是秘鲁,平均只需要10.2天,瑞典和印尼紧随其后,跟别需要13和13.3天。中国排名也不错,位列第四。


在工作效率排名靠前的国家中,除了瑞典之外,绝大部分都是新兴国家和发展中国家。


而全球工作最慢的是阿联酋,完成一项任务平均需要23.8天。而大家印象中工作效率高的德国和日本,排名却不高。德国排名倒数第二,日本也排在最后几位。


对于德国而言,近期刚通过的28小时工作制让工作时间缩短,加上兼职目前在德国盛行,所以同一个公司内完成一项任务或项目的时间会被拉长。此外,瑞士、比利时、丹麦、葡萄牙等一众西欧国家的工作速率最低,再次印证西欧国家是适合生活、度假和养老的国度,工作节奏较慢。



二、工作效率越高,任务完成度越低

任务能在最短的时间内完成,只是工作的一个方面。另外,还需要看工作的完成度。


金准数据还对所有任务的完成度百分比进行了考察,最后发现“工作效率越高的国家,往往在所有人物中的完成比例越低”。也就是说,任务完成得越快,可能就会放弃、牺牲掉其中的一些任务。而工作效率普通的国家,往往对任务的完成度也高,“慢工出细活”。


当然,这里面也有例外。中国是全世界罕见的任务完成速度快,且任务完成率高的国家。


通过下表可以发现,在所有开启了的任务中,完成度最高的国家是捷克和芬兰,在所有立项的任务中,有84.5%和84.4%的任务能得到完成;而中国排名也高居第三,所有任务中,有81.3%能够最终完成。



而下表中,是任务完成比例最低的国家排名。俄罗斯排名垫底,仅有59.3%的任务能最终完成。而印度、秘鲁则都是工作效率较高,但任务完成度低的典型例子。


金准数据根据数据制作了图表,将工作效率和任务完成度表进行交叉对比,纵轴表示各国完成工程项目的比例,横轴表示各国完成任务的平均天数。可以发现任务完成比例高的国家,大体上都是工作效率中等偏下的国家;而工作效率高的国家,往往任务完成度偏低。这再次证明慢工出细活,速度和效率在一定程度上的“不兼容”。


值得注意的是,中国在工作效率上排名全球第四,而在任务完成度上则高居全球第三,是极为少见的能将高工作效率和高任务完成度结合起来的国家。


由于任务完成度中没有美国的数据,故而表格中未予显示。


这份调查在一定程度上反映了全球各国的工作风格和节奏。除了中国之外,将工作效率和工作完成度结合较好的国家,还有南非、智利、乌克兰、墨西哥、土耳其等国,这些国家或许能成为“走出去”战略的目的地。


除了工作效率、任务完成度外,该项研究中,还引入了“各国七天任务完成比例”。秘鲁排名最高,达到64%;阿联酋排名最低,为33%;中国依旧位列高位,为55%。




需要指出的是,这项报告是基于全世界数百万项在线工作完成。Redbooth特别指出,每年还有数十亿项工作是通过在线和离线完成。因此,这些研究结果应该被视为对世界工作风格的窥视——而不是整个图景。


同时,金准数据提出Redbooth研究对这组数据的局限性。Redbooth是一个基于网络和内部部署的工作场所协作工具和交流平台,致力于帮助团队、公司保持项目进展顺利,令工作更加智能化。


这个调查结果限于使用计算机管理系统的企业,而且是Redbooth掌握数据的企业。其研究结果基于使用软件的群体,其各国用户的成分和群像涉及并非所有行业、工种。能用这种项目管理软件的企业有限,像建筑、软件、军工、科研等企业可能使用,还有很多企业并不会购买软件。


金准数据进一步指出,研究结果与产业分工有一定关系,不能简单用任务完成度和工作效率衡量其效用价值。如果客户一个月打了10次电话,求助IT人员解决10个问题。其中9个只花5分钟就解决了,但最后一个很难,花费一个月的时间也没完成。同样,如果请裁缝给自己量体裁衣,一个月做好。如何比较他们之间的工作效率和任务完成度?IT人员工作效率高,但完成度低;裁缝工作效率低,但任务完成度高。这些行业分到各国,区别就会很明显。


即便如此,金准数据相信这组数据依然值得作为重要参考,在一定程度上反映了中国生产率的进步。




金准数据 2017年人工智能产业数据分析报告 2018-03-07 16:28:40

前言 人工智能在2017年里迅速进入爆发期,成为推动技术革新、产业升级、社会进步的巨大力量。主客观条件成熟,智能时代到来。回顾人工智能的发展史,现在的爆发具有其必然性。首先,互联网带来更大量、更多维也更完备的数据,是数据驱动决策的基础。其次,随着并行计算的成熟以及芯片等硬件成本的大幅下降,以及深度学习算法的突破,数据处理工具已经成熟,金矿能够挖掘。再者,最重要的是,互联网经过近三十年的蓬勃发展,业态与格局已经稳定,提升的空间和边际效应逐步减弱。在这样的背景下,无论是行业巨头还是新进入的创业者,都需要寻找一个新的尚待挖掘的具有巨大前景和空间的领域,人工智能无疑具备这样的特征。于是创业公司叠起,巨头大力布局,智能时代到来。 回顾过去这一年,人工智能产业风起云涌:在百度All in AI并成功做到股价V字反弹的同时,谷歌已经进入了AI First核心战略的第二年;AlphaGo战胜了世界围棋第一人柯洁,下一步还要去打星际争霸;苹果iPhone X和华为年度旗舰机Mate 10里都用上了AI专用手机芯片;专注GPU加速机器学习计算的英伟达股价又翻了一倍;波士顿动力机器人在网上又红了一把,不过今年它已经卖给了软银。 从产业升级来看,各类医疗影像、安防监控、无人零售、智能客服、金融教育等市场更是热火朝天,创业公司如雨后春笋般扎堆涌现、融资,资本豪掷数百亿元捧出一众独角兽,语音交互与视觉识别两大AI落地方向异彩纷呈,智能音箱市场大爆发,全球销量突破3000万台。 此外,世界主要科技强国纷纷出台人工智能相关发展战略,中国更是在2017年7月与12月陆续发布《新一代人工智能发展规划》与《促进新一代人工智能产业发展三年行动计划》,将人工智能上升为国家战略。


一、人工智能成为2017年信息通信业焦点 


人工智能(ArtificialIntelligence)是全球2017年信息通信领域的最大热点,远高于物联网、5G、安全与隐私、区块链等。


图1 2017年全球信息通信热点领域新闻热度及专利申请数

二、阶段走势:行业处于爆发增长初期阶段,投资热情持续高涨

长期来看,人工智能行业总体处于爆发增长阶段,公司和产品数量众多,并在垂直行业中开始渗透。此前积累的技术潜力迅速释放,新技术发展迅猛,算法和算力的突破为技术创新奠定了良好的基础。


图2人工智能行业发展总体所处阶段

技术方面,全球历年人工智能领域专利数量变化趋势表明,人工智能技术在经历了较长时间积累后,在2010年后进入快速增长阶段。从行业发展的长周期来看,技术成熟度的变化趋势会呈现“S”型,而从短期来看,专利数量在2002年和2008年前后都曾出现增长瓶颈,技术的发展在波动中不断进步。



3全球人工智能专利数量变化趋势(注:以1987年为基准值)

产业投资方面,国内人工智能领域投融资在2011年初见规模,除2013年出现一定波动外,该领域投资热情持续高涨,2017年投融资总规模达到1800亿人民币,平均每笔金额接近6亿人民币。

4中国人工智能领域投融资规模和笔数

其中,人工智能领域投融资主要集中在种子天使轮、A轮和B轮,其中种子天使轮比重逐年下降,投资人更为谨慎,投资阶段有后移趋势。

5中国人工智能领域投融资轮次分布

企业方面,国内人工智能企业数量在2004年以后稳定增长。2016年和2017年新增企业数量分别为128家和28家,尽管近两年新增企业数量下滑,但该现象属于投资热潮下的短期波动,不影响长期趋势。

6中国人工智能领域新增企业数量


三、热点领域:国内关注计算机视觉、智能驾驶等应用领域

7 人工智能产业是一个结构性的体系

8 人工智能产业链以关键技术为核心

人工智能市场横跨十三个垂直技术领域。VentureScanner通过追踪分析855家领域内创业公司,绘制出一张人工智能市场全景图。从技术和商业模式的角度入手,划分出十三大领域,总估值超过87亿美金。由于综合考虑了技术和商业模式两个维度,因此会存在一些技术相同但商业模式不同的分类,以机器学习、计算机视觉为例,有些公司以机器学习技术、计算机视觉技术的研发为主攻方向(通用型:技术为主),而有些公司则将相应技术整合到一些产品或应用里(应用型:应用为主)。

9 人工智能市场横跨 13 个垂直技术领域

1:十三个垂直领域介绍



从全球人工智能技术关注点来看,新闻热度最高的是人工智能算法及平台、智能驾驶和计算机视觉三大领域,而语音、自然语言处理领域随着智能音箱等产品涌现热度提升很快。

10 2017年全球人工智能技术新闻热度

Alphabet在人工智能领域频频布局,新闻热度增长最大,其次是苹果、百度和微软。

11 2017年国内人工智能企业数量分布

从国内投融资来看,近三年内人工智能领域主要集中在智能驾驶、大数据及数据服务和人工智能+领域。

12 2017年全球企业人工智能新闻热度增长幅度

从国内人工智能企业来看,有高达42%的企业应用计算机视觉相关技术,其次是语音和自然语言处理,两者占比总和43%,与计算机视觉占比相当。在目标市场行业中,人工智能+企业(融合医疗、金融、教育和安防等领域)总计占比40%,位居第一,其次是智能机器人行业、智能驾驶和无人机。与国外相比,国内企业更多关注人工智能应用环节。

从国内投融资来看,近三年内人工智能领域主要集中在智能驾驶、大数据及数据服务和人工智能+领域。

13 2015-2017年国内人工智能投融资分布

四、巨头布局:BATJ各自发力,纷纷抢滩人工智能

基于新闻热度,国内不同领域的热点人工智能企业整理如下。


14 2017年国内人工智能热点企业分布


对比百度、腾讯、阿里巴巴和京东这几家巨头,从新闻热度来看,百度在人工智能各领域布局和产业化能力强于腾讯、阿里巴巴和京东,在自然语言处理、计算机视觉、智能驾驶三大领域,百度的产业新闻热度明显高于其他公司。

15 国内巨头公司在各领域的新闻热度


中国人工智能研究正处于爆发期。根据统计数据,中国人工智能相关专利申请数从2010年开始出现持续增长,于2014年达到19197项,并于2015年开始大幅增长,达到28022项,2016年,中国人工智能相关专利年申请数为29023项。 金准数据认为,2010年移动互联网开始发展,技术和数据积累给人工智能研究带来了较大的增长动能。进入2015年,在国内外人工智能研究和应用场景不断进步的基础上,中国人工智能相关研究开始进入高速发展阶段。这说明,中国人工智能研究水平正在处于不断提高的阶段,目前已取得一定阶段性成果,有望持续发展,预计2018年专利申请数将持续增长。

16 2007-2016年中国人工智能相关专利申请数统计

2017年,A股人工智能企业专利申请公开量为11828件专利,同比降低4%。中兴通讯的专利申请公开量排在第一位,是5780件,占2017年总量的49%,同比增长22%。四川长虹排在第二位,申请公开量为1351件,同比增长11%。海康威视申请公开量为725件,同比增长85%。综上所述,A股人工智能企业专利申请公开总量下滑,但专利高度集中在个别大企业,如中兴通讯、四川长虹、海康威视,三家企业申请公开量占全部数据的66%以上,同比增长15%。


17 2016-2017年A股人工智能企业申请公开量情况

2017年,A股人工智能企业有效专利量为7609件,同比增速达到7.6%。其中排名靠前的企业以主板企业一马当先,中小板企业次之。中兴通讯(2550件)以绝对优势领先全行业,这源于中兴多年前已经开始积极布局人工智能。长安汽车(772件)和四川长虹(814件)并驾齐驱,势头强劲。

致力于梦想引领未来的视源股份(890件)近年来大力投入到人工智能领域的研究,有效专利量同比增长550%,潜力无限;缔造出诸如巴啦啦小魔仙、超级飞侠、喜羊羊等小朋友们的明星的奥飞娱乐(555件)也有意将动漫产业与人工智能相结合,有效专利布局效果显著。

18 2016-2017年A股人工智能企业有效专利情况

在专利布局方面,百度在各项领域的专利申请量处于较为领先的地位,腾讯在计算机视觉领域专利申请量突出。


19 国内巨头公司在各领域专利申请情况

从招聘看,2017年我国人工智能核心技术职位平均公开月薪在1.85万元-3.26万元之间,最高达8万元,显著高于我国互联网行业平均水平。

20 2017年中国人工智能核心技术职位公开薪酬分布

百度、阿里巴巴、腾讯、京东四巨头都在重点建设和完善算法及平台领域的人才队伍,腾讯算法相关人才的招聘比例更是明显高于其他领域。此外,不同公司也各有侧重领域,百度在智能驾驶领域持续发力,阿里巴巴更为注重人工智能在大数据及数据服务领域的应用,京东则大力招揽智能机器人和无人机领域的人才。

21 2017年国内领先企业人工智能招聘侧重

从投资方面看,几大巨头除在不同领域各自深耕外,也纷纷投资了多家人工智能企业。在近三年内,百度投资9家,阿里11家,腾讯12家,京东5家,其中大数据及数据服务和智能驾驶是巨头共同关注的领域。此外,百度还注重语音领域的投资,阿里将投资扩展到AI+旅游、保险、安防以及智能家居等领域,腾讯除AI+保险、教育、医疗健康领域外,还关注智能机器人方面,京东则开始布局AI+安防及物流等领域。此外,科大讯飞作为人工智能领域的代表企业,在智能机器人和基础硬件领域有一定投资布局。

22 互联网巨头分领域投资笔数(2015-2017)

五、区域表现:北京领跑全国,沪粤江浙产业集中

从企业注册地来看,2017年我国人工智能企业主要分布在北上广三地,北京远超其他地区。此外,浙江、江苏两地人工智能企业也较多。金准数据认为,人工智能是高度知识密集型的产业,北京的人才、技术、产业、资本等环境都优于其它地区,是人工智能的创业重镇。有丰富技术、硬件和产业资源的深圳和上海也吸引了相当一部分人工智能创业公司。共有82.8%的人工智能创业公司分布在北上广深,在一定程度说明,人工智能产业将形成以北京为绝对核心,上海、广州、深圳为重点城市的地理布局。



23 2017年国内人工智能企业注册地分布

从投融资来看,全国获得人工智能领域投融资的省及直辖市共17个,主要分布在华东、华南沿海经济发达地区,京津地区,以及西南地区的四川、重庆和贵州。其中北京优势明显,十年内吸纳了2887.4亿人民币,482笔融资,浙江其次,上海、江苏、广东也比较突出。

24 2017年国内人工智能领域投融资地区分布

从人才招聘来看,招聘人工智能核心技术职位的公司主要分布在北京、浙江和上海,其中北京占比达到61%,三地所招职位占比合计近九成。


25 2017年国内人工智能领域招聘地区分布

六、市场预测:计算机视觉是当前重点,未来基础算法和芯片将逐渐提升

2017年我国人工智能市场规模达到216.9亿元,同比2016年增长52.8%。据中国电子学会数据显示,2017年,全球人工智能核心产业规模已超过370亿美元。其中,我国人工智能核心产业规模已达到56亿美元左右。到2020年,全球人工智能核心产业规模超过1300亿美元,年均增速达到60%;其中,我国人工智能核心产业规模将超过220亿美元,年均增速接近65%。技术分类上,计算机视觉、语音相关领域技术发展更为成熟,所占比例分别为37%和22%。人工智能创业企业的涌现集中在2014-2016年时期,在2015年达到顶峰(新增150家),创业热潮与投融资热情在2017年回归理性,同时随着人工智能各项技术的不断成熟以及各类应用场景的落地,预计在2018年时人工智能市场增速达到56.3%,整体规模达到339亿元。2018年,机器学习、深度学习等算法能力的增强将促进计算机视觉、语音等技术不断突破,谷歌、英伟达、华为、寒武纪等发布的AI芯片产品将进入大批量商用上市阶段,人工智能产业将继续增长并与垂直行业加深融合。


26人工智能市场规模及预测

27 2017年国内人工智能市场规模结构

七、2018人工智能超级产业链地图

围绕专注智能变革,服务产业升级的愿景,金准数据分析对比了数百家人工智能相关产业公司的发展情况认为2018工智能超级产业链地图覆盖了人工智能上游技术提供和下游行业应用两条主线上,包括芯片、算法、云服务、传感技术、视觉技术、语音技术等上游领域,以及安防、医疗、机器人、智能音箱、智能客服、家居、金融、教育等下用应用,涉及400多个关键领域

26 2018年人工智能超级产业链

从图中金准数据发现,随着深度学习技术在行业中的进一步成熟落地,语音交互与视觉识别两大应用领域在2017年里迅速进入爆发期,安防医疗机器人智能音箱智能客服企业数据服务等也成为最受资本市场与创企热捧的行业。

拿安防为例,由于AI能够对迅速对视频进行结构化处理、对人、车、物进行快速识别比对,此类能力与安防需求不谋而合,“AI+安防”成了人工智能企业与安防企业都十分看好的发展方向

更为值得一提的是,自从2017下半年以来,人工智能的发展重心逐渐从云端向终端转移,相伴而生的是人工智能芯片产业的全面崛起。不仅英特尔、苹果、高通、ARM、华为等科技巨头纷纷布局,AI专属芯片更是呈现一幅百花齐放的创新创业局面。

金准数据对人工智能芯片全产业链上下近百间核心企业跟踪分析,覆盖国内外各大巨头、新兴创企、场景应用、代工生产等,全面深入地对AI芯片产业发展、创新创业持续关注

八、中国人工智能产业特征总结

1. 大公司产业链布局广,创业公司专业性强

产业链特征方面,中国人工智能产业生态中,基于资源能力,大公司的参与布局较广,在基础层、技术层及应用层皆有所布局。中国不乏优秀的人工智能公司,大部分专业性较强,专注于某一细分领域的技术和应用研究,其中,计算机视觉领域集中了大批的优秀创业公司。但是,各应用场景之间的人工智能技术相关度存在一定的差异。

2. 以B端业务为主

商业模式方面,大部分公司的业务主要以B端解决方案和服务为主。一方面,B端业务注重与行业客户的互动合作,更有利于人工智能技术和产品的落地;另一方面,行业客户对于生产效率的提高有强烈的需求,而C端产品需求仍需挖掘。不过,大公司的C端产品布局依然是相对活跃的。

3. 人才成本较大,存在较大的需求缺口

技术方面,以深度学习为代表的机器学习算法研究是广泛的基础能力,但目前国内在此领域的人才供应相对紧缺,流通性较弱,因此也导致了高端研究人才的超高成本,同时有部分公司选择在美国建立研究院或实验室。这说明,作为知识密集型产业的典型代表,人工智能产业存在较大的需求缺口。

4. 传统行业和技术给予充分的支持

产品方面,目前仍缺乏一定的革命性产品,更多的是利用人工智能技术对传统行业产品的改良。在这个过程中,医疗健康、装备制造、汽车、金融等行业给予了人工智能产业充分的支持,通过合作开发等方式,助力人工智能技术的应用落地和商业化。

九、中国人工智能产业趋势预测

2017年是AI之年,人工智能领域多年的努力和积累终于勃发,从政府到民间,从国家战略到坊间热点,从学术圈到资本圈,从主流领导企业到创新独角兽,一时间全社会各个角落关注AI、走向AI、布局AI,AI正在热气腾腾地从学术走向产业。目前,人工智能技术逐步成熟,产业应用领域不断深入,人工智能相关政策持续出台,人工智能行业的发展已进入爆发式增长阶段。

1. “人工智能+”成为新业态

在移动互联网时代,“互联网+”的出现给经济发展带来了重大影响,金准数据认为,随着专用人工智能的发展,作为一个庞大的高新技术合集,“人工智能+”作为一直新经济业态已经开始萌芽,越来越多的行业开始拥抱人工智能,用“人工智能+”助力技术和产业的进一步发展。

2017年3月发布的《新一代人工智能发展规划》里,国务院明确了市场主导的基本原则,强调要遵循市场规律,坚持应用导向,突出企业在技术路线选择和行业产品标准制定中的主体作用,加快人工智能科技成果商业化应用,形成竞争优势。该《规划》提出了“三步走”的战略目标:

2020年:人工智能核心产业规模超过1500亿元,带动相关产业规模超过1万亿元;2025年,人工智能核心产业规模超过4000亿元,带动相关产业规模超过5万亿元;2030年,人工智能核心产业规模超过1万亿元,带动相关产业规模超过10万亿元。

目前产业应用方面,人工智能技术的快速发展,推动我国人工智能与电子终端和垂直行业加速融合,涌现出了智能家居、智能汽车、可穿戴设备、智能机器人等一批人工智能产品,并正在全面重塑家电、机器人、医疗、教育金融农业等行业。智能家居产业竞相打造开放互联平台,通过云端数据交互,实现现各智能终端之间的互联互动,搭建智能家居生态,如华为的Hilink协议、小米的SmartThings,海尔的U+等;无人驾驶作力智能汽车的代表产品,其市场备受关注,大量的汽车厂商、科技巨头和创业企业积极布医疗也是人工智能重要的应用领域之一,随着人工智能、传感技术、大数据等高科技的融入,各项医疗服务逐渐走向智能化,并推动智慧医疗行业驶入快车道。安防领域的代表公司有海康威视、大华等;金融领域有蚂蚁金服、众安科技等,教育领域有科大讯飞等;零售领域有阿里、京东、缤果盒子;机器人领域有大疆创新、优必选等。目前,人工智能相关技术已经在辅助诊断、基因检测和个性化治疗、病患及老年智能看护、智能化药物研发等领域逐渐开展探索或应用。

27 人工智能的垂直行业应用行业

在未来,人工智能领域的投资将以“AI+行业”的方式展开,预计人工智能应用场景较为成熟且需求强烈的领域,如安防、语音识别、医疗、智慧城市、金融等领域,带来升级转换,提高行业智能化水平,改善企业的盈利能力,预计随着诸如无人驾驶汽车等认知智能技术的加速突破与应用,人工智能市场将加速爆发。

随着人工智能技术的逐渐成熟,科技、制造业等业界巨头布局的深入,应用场景不断扩展,预计2018年中国人工智能市场规模有望突破200亿元大关,达到238.2亿元,增长率达到56.6%。

2. 人工智能产业将成为独角兽集中地

在大公司和传统大型企业之外,人工智能产业集中着非常多的优秀创业公司。优秀的人工智能创业公司有着成熟的团队配置、先进的技术能力、健康的现金流等,同时受资本方的认可度较高。从2012年至今,我国人工智能领域共有1354家公司,投资事件1354起,投资总额为1448亿元。刚刚过去的2017年,AI投资总额超过622亿元,相比2012年的6亿元翻了上百倍。智慧金融最受资本青睐。

但目前中国在AI芯片领域实力薄弱,多为创业公司。而美国在这一领域既有英伟达、英特尔等重量级企业,创业公司也层出不穷。中国在AI领域除了BAT之外,还诞生了包括商汤、旷视、云知声在内的新兴独角兽,融资额度甚至超过美国同行,支撑AI应用蓬勃发展。金准数据认为,人工智能作为最具前景的产业,将成为新的独角兽集中地。

3. 人才储备将成为制约中国人工智能发展的重要因素

从目前来看,虽然相关机构的研究表明华人的人工智能学术成果占全球一半以上,但中国人工智能技术和产业在大部分领域仍落后于全球一流水平。虽然中国在数据积累和传统产业基础上有一定的优势,部分细分领域有领先成果,相关研究投入不断加大,但整体上的人才储备落后于美国,在基础研究、产业链等方面存在较大挑战,将成为制约人工智能发展的重要因素。

2017年AI技术类工程师的招聘量是2014年的8.8倍。2017年,AI类工程师和数据类工程师在全部IT技术岗位中的占比分别是9.86%和17.59%。

28 2014-2017AI工程师招聘需求占比变化

人工智能人才市场需求剧增,技术岗位占比3年猛增3倍,未来人才缺口将持续增大。2017年,AI类工程师在全部IT技术招聘岗位中的占比为9.86%,是2014年的8.8倍,2016年的2倍,目前AI人才缺口至少在100万以上。A

AI产业的迅速发展,引发了一场人才争夺战,让薪酬方面的数字很亮眼。各细分领域的招聘量也逐年攀升,而且薪资比IT工程师高出一个等级。2016年以来公开发布的招聘岗位中,IT工程技术类的平均年薪为17.92万,而AI领域知识图谱方向的最高年薪可达43.42万,其平均年薪也高达34.06万。在AI细分领域中,计算机视觉类人员平均年薪27.81万元,其他方向薪资均在30万元以上。具有10年以上经验的AI工程师年薪则高达140万元。在人工智能相关岗位中,机器学习和深度学习算法工程师最为紧缺。随着人工智能产业的进一步发展,我国AI人才的缺口或进一步扩大,而且由于我国对AI的研究起步较晚,企业对AI人才学历的要求较高,因此AI 人才急缺的情况在未来几年将无法改善,AI人才的薪酬也预计会进一步水涨船高。

4. 人工智能全面发展需要更多的积累

AI的火热吸引了大量企业涌入,国内相关的生态链也逐步形成。一方面以BAT为代表的互联网巨头纷纷投身AI,全面拉开了人工智能产业链的布局,覆盖语音/图像等交互技术、大数据、内容资源等方面。另一方面,国内专业技术企业则在各个垂直领域深入布局。一个产业的形成,除了核心技术,还需要上下游的配合,芯片和麦克风厂商、行业应用的厂商、终端产品的生产厂商等等。

而当前真正的人工智能缺乏基础,人工智能技术更多的是依靠机器学习和计算能力促进生产力的发展。理性地看,“机器统治人类”的奇点恐惧缺乏一定的基础,真正未来人工智能发展的核心画面,应该是人和智能机器人,或者人工智能系统并存,并且和谐的生态,让整个生产效益得到最大化提高。虽然人工智能已经在机器学习等关键领域得到了一定的突破,但更多的是属于专用人工智能,往通用人工智能等更高层次的发展仍需积累。

5. 深度学习面临挑战

深度学习模型一般需要大量的数据进行训练,词汇量随着数据规模的增加而增加,这通常会存在训练数据无法覆盖的情况,如何处理长尾问题是一个普遍存在的挑战;各类智能终端计算能力有限,而深度学习模型往往需要强大的计算资源,这需要尽可能压缩模型的大小以及提高硬件的计算能力;截至目前,深度学习模型并没有良好的理论基础,模型的可解释性差,阻碍了自然语言处理技术在医疗、金融等一些关键领域的大规模应用。

从研究角度,将基于符号的规则方法与深度学习方法相结合是解决该问题的有效策略。基于符号的规则方法可以直接利用自然语言处理中基于符号形式的知识,符号表征易于解释和操作,需要的训练数据少,而神经网络中的向量表征对歧义、噪声具有一定的鲁棒性,泛化性较好,能够一定程度上衡量结果的不确定性。如果能把符号数据和向量数据结合起来,可以实现优势互补,提升目前深度学习方法的可解释性,减少对大数据的依赖。

深度学习中的监督学习方法与强化学习、无监督学习相结合是另一趋势。过去几年深度学习需要依赖大量有标注的数据,但数据标注费时费力,而获取大量的无标注数据却比较容易。如何利用大量的无监督数据提升系统性能将是一个重要的趋势。此外,相比无监督学习,强化学习可以利用较弱的反馈信号,同时能够直接优化学习的目标,因此将传统自然语言处理任务转化为适用于强化学习的序列决策任务也将是一个重要的方向。

6.交互式智能服务的风口即将到来

人工智能驱动企业运营模式变革,从PC互联到移动互联网再到物联网,企业跟客户的触点越来越丰富和多样化。未来企业的竞争力在于服务能力,“服务智能化”成为必然趋势,知识驱动的交互式智能服务是未来几年的进化方向。

要做到交互式智能服务,首先,要进行以语音为主的交互方式的接入,并推进对话能力的大规模定制。其次,要构建企业专有知识体系,企业拥有自身专有知识,将知识结构化,并最终使它能够自动交互,就能够极大节省生产力,提高工作效率。对企业而言,其在产品知识、售后方案、人事政策、财务政策等方面都拥有相应的知识,这是一个结构复杂的知识体系。过去的知识服务是为搜索引擎而优化的,未来,知识服务必然要考虑到交互式的查询和需求。

自然语音处理的应用需要知识来驱动,企业最终会拥有自己的专用数据和知识,并最终会生成相应的自然语言理解模型、对话管理的模型等,帮助企业将自身的知识转化成可交互式的。未来将是知识驱动的交互智能,不同企业/行业专用知识资源的开放合作没能够加快建立有机生态。

综上,虽然近年来深度学习促进了自然语言处理技术的发展,但是未来仍然面临着巨大挑战,这既要求基础研究上深度学习方法与其它方法相结合,同时也需要产业上通过场景化的应用逐步拓展应用边界。

2018年,是AI赋能行业、展示威力的关键年。企业和公众已经不再质疑“AI能不能”,而是迫切的想知道“AI怎么能”。AI必须要在生态建设、行业应用、产业赋能等方面取得比以往更大的成就,才能更进一步,形成燎原之势。

金准数据 BI助力中小企业的决策支持 2018-03-07 16:11:12

一、商业智能概述

1.现代商业智能可实现商业经营的智能化与自动化

商业智能(BI,BusinessIntelligence)概念的提出可追溯至1958年。商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策,既可以是操作层的,也可以是战术层和战略层的决策。过去的商业智能不能给出决策方案,也不能自动处理企业运行过程中遇到的问题。借助于人工智能与其他相关学科的技术进步,现代商业智能已能在特定场景中实现商业经营的智能化与自动化。因此,本报告聚焦于将人工智能技术用于商业智能决策,试图对人工智能在商业落地的真实现状进行说明,凸显AI技术(不包括智能语音、计算机视觉等感知智能)在现阶段应用的价值。

AI增强的决策支持系统(Decision Support System,DSS),服务于企业中需要决策的各级人员,应该具备实时、闭环、自动进化、自动识别问题、全局优化等特征,目的在于提高企业决策的效率和质量,增强企业在数字经济时代的竞争力。

智能商业领域努力的终极目标——为构建一个支持决策的优化模型需要做出关于决策变量的决策。AI的应用可能使优化模型构建和演化变得自动化,也就是说,模型本身也成为了优化的决策变量,这也意味着基于机器学习的模型的自动适应和自动演化成为可能。这样的机制才是真正的Intelligent Business,我们努力的终极目标。



图1:传统Bi为商业经营的智能化与自动化奠定基础


2.大数据为商业智能的发展提供土壤


互联网、移动互联网高速发展,海量、高维度且可实时接入更新的数据随之而来,为机器学习等前沿技术在各领域中的探索及落地提供可能,进一步拓展了被服务人群且显著提升服务质量。另一面,产业缺乏通用标准约束,数据在采集及流转过程中污染程度不一,数据加密不规范引致的数据泄露时有发生,数据孤岛亦成为企业业务发展的掣肘(如金融方面,企业多为基于自身平台积累的独有数据做征信,评分适用范围将大大受限),通用标准的建立需要政府及产业界的共同努力。


2:大数据对商业智能的贡献

3.商业智能与大数据

智能技术的运用一方面将拓展大数据的应用场景,从帮助业务人员认知到实现企业最优决策,另一方面,自然语言处理的进步也正在解决人机交互的部分问题,自然语言查询、自然语言生成都将进一步释放商业智能的效率和价值。


3:数据化智能决策


4.商业智能应用场景

类比人类智能,人工智能可分为赋予机器语音、图像等感知能力的感知智能和赋予机器思考能力的认知、决策智能。认知能提升感知(如对语义的理解判断将提升机器的语音识别率),感知也会辅助决策(如智慧商超中机器视觉对客流属性、消费行为的观察、记录可辅助商超做出营销决策),本报告聚焦于认知智能在商业场景中的应用情况。


4:认知智能在商业场景中的应用



5.中国商业智能政策环境

从2015年人工智能进入爆发期以来,国家陆续提出多项意见与规划,特别是2017年“一带一路”会议、全国两会均将人工智能列入未来发展规划中,以及2016年国家将人工智能列入“科技创新2030项目”以及“十三五”重大工程,使得人工智能在中国政治、经济、学术等领域成为重中之重,引来中国人工智能最好的时代。


5:中国商业智能相关政策

6.中国商业智能经济环境

经济增速温和,跑马圈地粗旷经营的红利期已过,精细化运营的需求正在爆发。中国凭借工业化发展促使经济快速增长,2010年之后工业化进程逐渐到达顶峰,随之而来的是劳动力和财力逐渐向生产价值较低的生产部门转移,生产总值的降低导致了经济增速的下降。随着经济增速下降,无法在短时间内找到新的经济增长点,内部问题集体产生了爆发,产能过剩,高杠杆,房地产高库存和金融风险等问题扑面而来。这就意味着中国面临着一次重要的经济转型,摆脱传统的高污染低效率的粗放型发展模式,同时,现今政府多次强调供给侧结构性改革,从质和量上提升经济增长,在政策的支持下,高附加值、知识和技术密集型的产业将会重点培养,结合高科技技术,提升企业精细化运营、降低运营成本、增加企业受益。


6:2011-2016年中国GDP及实际增长率


7.中国商业智能技术环境

论文成果达到国际一线水平,企业积极应用创新性成果。


AAAI(The Association for the Advancement of Artificial Intelligence)是人工智能领域顶级的综合性会议,会议论文涉及机器学习、自然语言处理、搜索、规划、视觉、知识表达等人工智能各分支的学术探讨和应用研究。2017AAAI大会收到论文2571篇,创下新高,中国学者的论文提交量与录用率均达到国际一线水平,与美国持平。收录论文不仅有来自高校学者,还有来自百度、腾讯、华为、360、今日头条等企业研究人员,如百度的《Collaborative Company ProfilingInsights from an Employee’s Perspective——从员工角度出发,尝试利用AI让企业人力价值最大化。

国内企业与高校间的合作也愈发紧密,腾讯即有与香港科技大学的实验室合作,高校可利用企业的海量数据与测试平台,企业则可将创新性成果落地实践。需要指出的是,尽管目前AI的商业应用中国并不落后甚至在某些维度领先美国,但在原创性研究、创新土壤、人才储备方面,中美仍有较大差距。


7:AAAI2013-2017年论文提交及录用情况统计图


8.商业智能产业链

本报告侧重于智能技术在商业场景中的应用,即产业链的中游和下游。关于产业链的上游,传统IT厂商和云服务厂商可为技术、产品及服务提供者赋予计算、存储等基础设施支持,ERPCRM等信息系统可帮助企业有效记录其资源及业务数据,数据整合者的第三方数据则可丰富智能分析的数据维度。


8:2017年中国商业智能产业链


图9:2017年中国商业智能产业图谱

9.商业智能应用之供应链

通过大数据与优化技术提升供应链系统效率与柔性。

物流系统分为多层,包括入库前的仓库地址选择、入库时的策略以及销售预测、入库后的库存优化、仓储优化、清仓以及出库时货运分配、配送路线规划等。其中,仓库的选择和物流的配送是供应链管理的核心,在某地区开展新业务时,如何设定枢纽的数量、枢纽位置等对最终运送的成本有着很大的影响;配送路线规划涉及到我们在交通出行领域中谈到的路径优化与车辆调度问题,通过结合实时需求、时间窗口、承重限制等因素,对送货路线进行制定,最小化成本与时间,实现物流智能化高效运营。



10:供应链管理主要流程示意图

10.商业智能应用之金融风控

金融的本质在于给风险定价,对于风险及时且有效的识别、预警、防控一直是金融机构的核心。金融风控强调数据与技术,智能风控企业结合高维度的大数据,利用决策树、神经网络等机器学习技术,针对信贷评级、授信、贷后预警,反欺诈等场景提供解决方案,传统金融机构由过去的以经验或小量数据对风险进行把控,到现在以大数据及技术进行风控,实现金融风控升级。但同时,精细化运营全覆盖也是风控市场需考虑的关键点,即从系统的第一层出发,做全流程的金融风控,识别真正符合金融产品的优质客户,当潜在用户的信用存在风险时,应从营销端就避免引入此类风险用户。


11:商业智能之金融风控应用示意图

11.商业智能应用之智能投顾


智能投顾,顾名思义即人工智能+投资顾问。传统的投资顾问相当于私人银行中的客户经理通过与客户的深度沟通,结合客户个人的风险偏好和理财目标,传达给后台技术人员制定理财配置模型,再由客户经理将此方案给到客户;智能投顾可被理解为将私人银行的后台标准服务线上化。相比传统投顾,智能投顾拥有可简化流程、适合全民理财、可定制短//长多周期投资方案、可进行风险预警等优势,同时也面临客户对机器的弱信任感问题、现阶段政策以及所需客户财务状况全面性等限制与挑战。


图12:商业智能之智能投顾应用示意图

二、中小企业商业AI建设

1.中小企业商业AI建设的必要性

DT时代,大数据的商业价值愈发凸显。越来越多企业试图从数据背后的价值挖掘中寻求更大的变现空间。市场上并不乏SAP、IBM、Oracle等提供类似工具的强势厂商,但因为这些产品价格昂贵,使用门槛高,很多中小企业往往难以承受,买单的大多是央企、国企等大型客户。其次,中小企业主个人意志主导决策,尚未认识到数据的重要性,又碍于企业AI建设投入大、能力不足、数据积累少,因此金准数据获取了大量中小企业客户的青睐。

目前一些大型企业已构建自己的商业AI系统,分为三个层级:第一个层就是通过核心业务系统来实现基本业务的自动化;第二个层就是通过管理信息系统(ERP、CRM、SCM等)实现企业上游、中游、下游管理的流程化;最终目标是实现通过决策支持系统帮助企业实现战略决策、战术制定和战斗计划、执行、监控、分析、调整的科学化,为企业的盈利和风险防范打下坚实的基础。而金准数据专为中小企业量身定做了简单有效、价格合理的商业智能服务,为企业家的决策提供支持,助力中小企业的发展。

2. 中小企业商业AI建设的意义

随着企业和互联网的发展,数据成几何倍数增长,通过商业AI,能将企业的所在商业历史数据和不断增加的增量数据进行实时的数据分析,数据挖掘,市场预测,进而作出领先竞争对手的正确决策,给企业带来巨大利益。同时商业AI的过程也能大大降低企业生产过程中的资源浪费,减少企业成本,提高人员价值。随着商业AI的飞速发展,由大企业渗透到国内中小企业已经是大势所趋,缺少了商业AI,企业无法在市场竞争越发激烈环境中生存。

当前大企业的商业AI是做企业和非企业的结构化和非结构化数据进行分析研究,监控企业的生产经营、财务状况、营销能力、人才利用等的状况,探究存在的问题和问题产生的根源。而金准AI是利用全网全维度的数据服务分析,对企业所在行业、地区进行全方位的AI支持,发掘合作伙伴。这样可以模拟企业发展的最佳盈利模式,协助企业检查企业运营执行的状况。协助企业制定、调整企业发展的战略目标、战术目标和战斗目标。

三、金准数据从数据到决策,为企业提供最优解决方案

1.金准数据对商业智能(BI)模式的探索

金准数据认为现代商业智能框架与传统的BI模式在单体层面上基本类似,都是有一个数据层,一个模型层,上面有应用层,但是这一代跟上一代有什么不一样的地方呢?

首先它不再是一个企业内部的局部优化,它要考虑自己在供应链上下游的情况,也要考虑不同供应链之间的关系,即要考虑一个完整的产业生态网状结构的关系。

其次从数据层面,处于现在这样一个大数据的时代,企业所能接触到的数据的丰富程度是空前的。以前更多的是挑战打通内部的数据孤岛,现在除了内部数据,还有供应链上下游企业之间点对点的数据交互,还有更大的云化的外部数据。

在传统的决策支持系统里,因为没有明确的相关性,这些外部数据的利用率很低。但是外部环境对企业经营可能有更大的影响,外部数据隐含着很多相关性,利用现在的大数据技术,可以为企业决策带来更多的数据信息,通过AI的方式把里面有用的信息挖掘出来,应用到整个决策支持系统里面。

2.韦特大脑:企业AI分析平台

韦特大脑通过人工智能算法对互联网公开信息的抓取分析和深度学习,完成对企业和个人信誉完成的三阶段评估,即判断一个企业是否真实存在以及判断该企业的合规性,了解企业工商基本信息,对于此类企业主题资格审核范畴;判断一个企业的经营发展状况,和互联网关联的紧密程度,对于此类投资项目初选范畴;以及判断企业当前的涉诉、舆情舆论、行业口碑、竞争压力,对于此类重大项目合作、收购等决策支持范畴。在获取企业的网络招聘数据、企业的基本信息数据、企业的新闻和推广数据后,韦特大脑在这些数据上进行人工智能分析,可以得出多种分析成果。这将大大节省调查成本和时间,因为它能降低企业审核自己数据的成本,随着新的数据到位,企业可以建立人工智能模型。

(一)企业和产业链AI分析

企业AI分析平台利用数百项AI专利技术,汇集、分析了36个产业链、8000个行业、40000个细分市场、600多个城市、2800个区县、2500个高新园区、30多万条街道、50多万个写字楼的3000多万家公司法人企业和7000万小微企业,包括财务数据、工商数据、法院数据、行政处罚数据等千余项指标。

通过对上内容的不断深度学习,形成了金准数据独有的产品:“产业链大数据”。该大数据区别于传统产业链,AI分析后,采用最先进的产业链划分体系,建立基于经济圈和投资圈的产业链关联关系,利用产业链大数据能够密切关注整个产业链的运行状况,了解企业上下游企业的信息,及时全面掌握有关产业链中相关企业信息,能够密切关注企业外部环境的发展态势,并对以企业为中心的商业生态进行重塑。




(二)企业财务AI分析

企业AI分析平台通过独有的AI专利技术,深度融合900万家企业最新真实财务数据,遥遥领先于行业内其他平台。AI将财务数据进行科学系统的分析、最先进的数据处理技术,全面衡量企业经营状况和信用风险。覆盖70多万个网络信息渠道,囊括最主要的21个核心省份城市。通过数据识别、数据审核和机器自主学习等前沿技术进行企业标注。

(三)失信企业AI监控

企业AI分析平台致力于打造全国企业信誉信息防护网,立体、实时地预警失信企业。数据来源体现出权威、及时、融合、深度等特点,涵盖工商、法院、税务、海关、质检、环保等政府部门失信数据的同时,还深度挖掘失信企业的关联企业网,真正实现让失信企业无所遁形。

(四)企业数据可视化AI分析

企业AI分析平台在提供精准的数据检索服务的同时,可以为用户分析企业的情况,其中包括企业星云图谱、资本关系图谱、成长风险综合评估、行业地位分析等,对目标企业进行全方位的分析和定位。

企业AI分析平台的特色库中的企业覆盖各行各业,根据企业的不同特性,通过特定的算法为客户提供了:拟上市企业库、新生企业库、黑色企业库、PE/VC库、国家各类计划企业库和集团企业星云图,还可以根据行业、地区等条件进行精确查找。

韦特大脑在研发人工智能大数据中发现,如掌控不好实时变化的数据会给用户在使用中带来困惑。例如,一家企业在招聘网站上标注的面试地址和其工商注册地址信息不一致。这会仅仅是企业搬家了这么简单吗?如何判断这类工商信息和互联网信息的不符?就需要更大范围的人工智能大数据搜索,通过工商数据和公开的网络数据对比发掘企业的真实状态。

为此,韦特大脑还介入了全网信息监控平台,关注12000万个微信账号、10亿多个微博账号,并关联各大社交网站客户端,实时收集相关评论和数据源,以便于客户在搜索个人和企业信誉信息时第一时间获取到全面客观的信息。

作为企业决策支持的助手为企业做出人工智能预判也是韦特大脑的“杀手锏”。众所周知,识别之外,判断决策才是最具价值的人工智能应用。韦特大脑实时浮动的信用评估则会对企业起到督促刺激的效果。不断更新的信用内容还包含企业交易行为、金融行为、上下游贸易伙伴关系和投资情况等商业信息,能够让金融机构或者合作企业根据企业当前的信用状况作出决策。

结语

金准数据可为精细化运营蓬勃发展的中小型企业提供简单有效、服务性价比高的商业决策服务,目前名为韦特大脑的企业AI分析平台已经上线。金准数据致力于人工智能技术应用于商业决策,实现商业经营的智能化与自动化,运用商业智能帮助企业实现数据驱动认知到数据驱动决策的转变。在利用运筹学的思想将商业活动中的实际决策问题转化成数学模型之前,通常需要先利用统计学或机器学习对采集到的海量数据进行规律性分析——融合运筹优化及机器学习技术、为客户提供全链条服务正是金准数据的一大优势,因此金准数据也在同步进行机器学习引擎的开发。

金准数据 2017年中国经济社会统计报告 2018-03-07 15:08:43


金准大数据研究中心报告2017年中国经济运行稳中有进、稳中向好、好于预期,经济社会保持平稳健康发展。全年国内生产总值827122亿元,同比增长6.9%。大陆总人口139008万人,比上年末增加737万人,其中城镇常住人口81347万人,占总人口比重(常住人口城镇化率)为58.52%。

一、2017年我国经济社会整体运行情况

金准数据初步核算,全年国内生产总值827122亿元,同比增长6.9%。其中,第一产业增加值65468亿元,同比增长3.9%;第二产业增加值334623亿元,同比增长6.1%;第三产业增加值427032亿元,同比增长8.0%。第一产业增加值占国内生产总值的比重为7.9%,第二产业增加值比重为40.5%,第三产业增加值比重为51.6%。全年最终消费支出对国内生产总值增长的贡献率为58.8%,资本形成总额贡献率为32.1%,货物和服务净出口贡献率为9.1%。全年人均国内生产总值59660元,同比增长6.3%。全年国民总收入825016亿元,同比增长7.0%。

2017年末全国大陆总人口139008万人,比上年末增加737万人,其中城镇常住人口81347万人,占总人口比重(常住人口城镇化率)为58.52%,比上年末提高1.17个百分点。户籍人口城镇化率为42.35%,比上年末提高1.15个百分点。全年出生人口1723万人,出生率为12.43‰;死亡人口986万人,死亡率为7.11‰;自然增长率为5.32‰。全国人户分离的人口2.91亿人,其中流动人口2.44亿人。


1 2017年年末人口数及其构成

1 2017年末城乡人口构成


2 2017年末不同性别人口构成


3 2017年末不同性别人口构成

1. 2017年我国居民收入与消费情况

金准数据统计:全年全国居民人均可支配收入25974元,同比增长9.0%,扣除价格因素,实际增长7.3%。全国居民人均可支配收入中位数22408元,增长7.3%。按常住地分,城镇居民人均可支配收入36396元,同比增长8.3%,扣除价格因素,实际增长6.5%。城镇居民人均可支配收入中位数33834元,增长7.2%。农村居民人均可支配收入13432元,同比增长8.6%,扣除价格因素,实际增长7.3%。农村居民人均可支配收入中位数11969元,增长7.4%。按全国居民五等份收入分组,低收入组人均可支配收入5958元,中等偏下收入组人均可支配收入13843元,中等收入组人均可支配收入22495元,中等偏上收入组人均可支配收入34547元,高收入组人均可支配收入64934元。全国农民工人均月收入3485元,同比增长6.4%。

4 2013-2017年全国军民人居可支配收入及其增长速度


全年居民消费价格比上年上涨1.6%。工业生产者出厂价格上涨6.3%。工业生产者购进价格上涨8.1%。固定资产投资价格上涨5.8%。农产品生产者价格下降3.5%。

5 2017年居民消费价格月度涨跌幅度


6 2017年居民消费价格比上年涨跌幅度


全国居民人均消费支出18322元,同比增长7.1%,扣除价格因素,实际增长5.4%。按常住地分,城镇居民人均消费支出24445元,增长5.9%,扣除价格因素,实际增长4.1%;农村居民人均消费支出10955元,增长8.1%,扣除价格因素,实际增长6.8%。恩格尔系数为29.3%,比上年下降0.8个百分点,其中城镇为28.6%,农村为31.2%。

7 2017年全国居民人均消费支出及其构成


2. 2017年末我国就业情况

2017年末全国就业人员77640万人,其中城镇就业人员42462万人。全年城镇新增就业1351万人,比上年增加37万人。截止2017年末城镇登记失业率为3.90%,同比下降0.12个百分点。全国农民工总量28652万人,同比增长1.7%。其中,外出农民工17185万人,同比增长1.5%;本地农民工11467万人,同比增长2.0%。

8 2013-2017年城镇新增就业人数

3. 2017年末我国外汇储备情况

2017年末国家外汇储备31399亿美元,比上年末增加1294亿美元。全年人民币平均汇率为1美元兑6.7518元人民币,比上年贬值1.6%。

9 2017年末国家外汇储备情况

4. 固定资产投资情况

金准数据统计:全年全社会固定资产投资641238亿元,同比增长7.0%。其中固定资产投资(不含农户)631684亿元,同比增长7.2%。分区域看,东部地区投资265837亿元,同比增长8.3%;中部地区投资163400亿元,同比增长6.9%;西部地区投资166571亿元,增长8.5%;东北地区投资30655亿元,同比增长2.8%。

在固定资产投资(不含农户)中,第一产业投资20892亿元,同比增长11.8%;第二产业投资235751亿元,同比增长3.2%;第三产业投资375040亿元,同比增长9.5%。

10 2013-2017三次产业投资占固定资产投资(不含农户)比重


在固定资产投资(不含农户)中,基础设施投资140005亿元,同比增长19.0%,占固定资产投资(不含农户)的比重为22.2%。民间固定资产投资381510亿元,同比增长6.0%,占固定资产投资(不含农户)的比重为60.4%。六大高耗能行业投资64430亿元,同比下降1.8%,占固定资产投资(不含农户)的比重为10.2%。


11 2017年按领域分固定资产投资(不含农户)金额(亿元)及其比重(%


2 2017年分行业固定资产投资(不含农户)及其增长速度


3 2017年固定资产投资新增主要生产与运营能力

全年房地产开发投资109799亿元,同比增长7.0%。其中住宅投资75148亿元,增长9.4%;办公楼投资6761亿元,增长3.5%;商业营业用房投资15640亿元,下降1.2%。


全年全国城镇棚户区住房改造开工609万套,棚户区改造基本建成604万套,公租房基本建成82万套。全年全国农村地区建档立卡贫困户危房改造152.5万户。


4 2017年房地产开发和销售主要指标及其增长速度

2017年12月份全国70个大中城市新建商品住宅销售价格月同比上涨的城市多达61个,比1月份减少5个;新建商品住宅销售价格月同比下降的9个城市1月份增加5个。

5. 2017年末我国城市建设与环境情况

2017年12月份全国70个大中城市新建商品住宅销售价格月同比上涨的城市多达61个,比1月份减少5个;新建商品住宅销售价格月同比下降的9个城市1月份增加5个。


12 2017年城市个数变化情况


在监测的338个地级及以上城市中,城市空气质量达标的城市占29.3%,未达标的城市占70.7%。细颗粒物(PM2.5)未达标城市(基于2015年PM2.5年平均浓度未达标的262个城市)年平均浓度48微克/立方米,比上年下降5.9%。

在监测的323个城市中,城市区域声环境质量好的城市占5.9%,较好的占65.0%,一般的占27.9%,较差的占0.9%,差的占0.3%。


一、2017年我国社会经济具体发展情况

1. 农业

全年粮食种植面积11222万公顷,比上年减少81万公顷。其中,小麦种植面积2399万公顷,减少20万公顷;稻谷种植面积3018万公顷,减少0.2万公顷;玉米种植面积3545万公顷,减少132万公顷。棉花种植面积323万公顷,减少12万公顷。油料种植面积1420万公顷,增加7万公顷。糖料种植面积168万公顷,减少1万公顷。

全年粮食产量61791万吨,比上年增加166万吨,增产0.3%。其中,夏粮产量14031万吨,增产0.8%;早稻产量3174万吨,减产3.2%;秋粮产量44585万吨,增产0.4%。全年谷物产量56455万吨,比上年减产0.1%。其中,稻谷产量20856万吨,增产0.7%;小麦产量12977万吨,增产0.7%;玉米产量21589万吨,减产1.7%。


13 2013-2017年粮食产量情况


全年棉花产量549万吨,比上年增产3.5%。油料产量3732万吨,增产2.8%。糖料产量12556万吨,增产1.7%。茶叶产量255万吨,增产6.0%。

全年猪牛羊禽肉产量8431万吨,同比增长0.8%。其中,猪肉产量5340万吨,增长0.8%;牛肉产量726万吨,增长1.3%;羊肉产量468万吨,增长1.8%;禽肉产量1897万吨,增长0.5%。禽蛋产量3070万吨,下降0.8%。牛奶产量3545万吨,下降1.6%。年末生猪存栏43325万头,下降0.4%;生猪出栏68861万头,增长0.5%。

全年水产品产量6938万吨,同比增长0.5%。其中,养殖水产品产量5281万吨,增长2.7%;捕捞水产品产量1656万吨,下降5.8%。

全年木材产量7682万立方米,比上年下降1.2%。

全年新增耕地灌溉面积109万公顷,新增高效节水灌溉面积144万公顷。

2. 工业和建筑业

金准数据统计:全年全部工业增加值279997亿元,同比增长6.4%。规模以上工业增加值增长6.6%。在规模以上工业中,分经济类型看,国有控股企业增长6.5%;集体企业增长0.6%,股份制企业增长6.6%,外商及港澳台商投资企业增长6.9%;私营企业增长5.9%。分门类看,采矿业下降1.5%,制造业增长7.2%,电力、热力、燃气及水生产和供应业增长8.1%。

14 2013-2017年全部工业增加值及其增长速度(亿元)


全年规模以上工业中,农副食品加工业增加值同比增长6.8%,纺织业同比增长4.0%,化学原料和化学制品制造业同比增长3.8%,非金属矿物制品业同比增长3.7%,黑色金属冶炼和压延加工业同比增长0.3%,通用设备制造业同比增长10.5%,专用设备制造业同比增长11.8%,汽车制造业同比增长12.2%,电气机械和器材制造业同比增长10.6%,计算机、通信和其他电子设备制造业同比增长13.8%,电力、热力生产和供应业同比增长7.8%。六大高耗能行业增加值同比增长3.0%,占规模以上工业增加值的比重为29.7%。


5 2017年主要工业产品产量及其增长速度


金准数据统计:全年全社会建筑业增加值55689亿元,同比增长4.3%。全国具有资质等级的总承包和专业承包建筑业企业实现利润7661亿元,增长9.7%。其中国有控股企业2313亿元,增长15.1%。年末全国发电装机容量177703万千瓦,比上年末增长7.6%。其中,火电装机容量110604万千瓦,增长4.3%;水电装机容量34119万千瓦,增长2.7%;核电装机容量3582万千瓦,增长6.5%;并网风电装机容量16367万千瓦,增长10.5%;并网太阳能发电装机容量13025万千瓦,增长68.7%。


15 2013-2017年建筑业增加值及其增长速度

3. 国内贸易

金准数据统计:全年社会消费品零售总额366262亿元,同比增长10.2%。按经营地统计,城镇消费品零售额314290亿元,增长10.0%;乡村消费品零售额51972亿元,增长11.8%。按消费类型统计,商品零售额326618亿元,增长10.2%;餐饮收入额39644亿元,增长10.7%。

16 2013-2017年社会消费品零售总额


在限额以上企业商品零售额中,粮油、食品、饮料、烟酒类零售额同比增长9.7%,服装、鞋帽、针纺织品类增长7.8%,化妆品类增长13.5%,金银珠宝类增长5.6%,日用品类增长8.0%,家用电器和音像器材类增长9.3%,中西药品类增长12.4%,文化办公用品类增长9.8%,家具类增长12.8%,通讯器材类增长11.7%,建筑及装潢材料类增长10.3%,汽车类增长5.6%,石油及制品类增长9.2%。

4. 对外经济

金准数据统计:全年货物进出口总额277923亿元,同比增长14.2%。其中,出口153321亿元,增长10.8%;进口124602亿元,增长18.7%。货物进出口差额(出口减进口)28718亿元,比上年减少4734亿元。对“一带一路”沿线国家进出口总额73745亿元,同比增长17.8%。其中,出口43045亿元,增长12.1%;进口30700亿元,增长26.8%。

17 2013-2017年货物进出口总额


6 2017年货物进出口总额及其增长速度


7 2017年主要商品出口数量、金额及其增长速度


8 2017年主要商品进口数量、金额及其增长速度


18 2017年对主要国家和地区货物出口额及其增长速度


19 2017年对主要国家和地区货物口额及其增长速度


全年服务进出口总额46991亿元,同比增长6.8%。其中,服务出口15407亿元,增长10.6%;服务进口31584亿元,增长5.1%。服务进出口逆差16177亿元。

全年吸收外商直接投资(不含银行、证券、保险)新设立企业35652家,同比增长27.8%。实际使用外商直接投资金额8776亿元(折1310亿美元),增长7.9%,增速比上年加快3.8个百分点。其中“一带一路”沿线国家对华直接投资新设立企业3857家,增长32.8%;对华直接投资金额374亿元(折56亿美元)。全年高技术制造业实际使用外资666亿元,增长11.3%。


9 2017年外商直接投资(不含银行、证券、保险)及其增长速度


全年对外直接投资额(不含银行、证券、保险)8108亿元,按美元计价为1201亿美元,比上年下降29.4%。其中,对“一带一路”沿线国家直接投资额144亿美元。


表10 2017年对外直接投资额(不含银行、证券、保险)及其增长速度



20 2017年对外直接投资额(不含银行、证券、保险)及其增长速度


全年对外承包工程业务完成营业额11383亿元,按美元计价为1686亿美元,同比增长5.8%。其中,对“一带一路”沿线国家完成营业额855亿美元,增长12.6%,占对外承包工程业务完成营业额比重为50.7%。对外劳务合作派出各类劳务人员52万人,增长5.7%。

5. 交通、邮电和旅游

金准数据统计:全年货物运输总量479亿吨,同比增长9.3%。货物运输周转量196130亿吨公里,同比增长5.1%。全年规模以上港口完成货物吞吐量126亿吨,同比增长6.4%,其中外贸货物吞吐量40亿吨,同比增长5.7%。规模以上港口集装箱吞吐量23680万标准箱,同比增长8.3%。


11 2017年各种运输方式完成货物运输量及其增长速度


全年旅客运输总量185亿人次,比上年下降2.6%。旅客运输周转量32813亿人公里,增长5.0%。


表12 2017年各种运输方式完成旅客运输量及其增长速度


2017年末全国民用汽车保有量21743万辆(包括三轮汽车和低速货车820万辆),同比增长11.8%,其中私人汽车保有量18695万辆,同比增长12.9%。民用轿车保有量12185万辆,同比增长12.0%,其中私人轿车11416万辆,同比增长12.5%。


全年完成邮政行业业务总量9764亿元,同比增长32.0%。邮政业全年完成邮政函件业务31.5亿件,包裹业务0.3亿件,快递业务量400.6亿件;快递业务收入4957亿元。全年完成电信业务总量27557亿元,同比增长76.4%。电信业全年新增移动电话交换机容量23646万户,达到242186万户。年末全国电话用户总数161125万户,其中移动电话用户141749万户。移动电话普及率上升至102.5部/百人。固定互联网宽带接入用户34854万户,比上年增加5133万户,其中固定互联网光纤宽带接入用户29392万户,比上年增加6627万户;移动宽带用户113152万户,增加19077万户。移动互联网接入流量246亿G,同比增长162.7%。互联网上网人数7.72亿人,增加4074万人,其中手机上网人数7.53亿人,增加5734万人。互联网普及率达到55.8%,其中农村地区互联网普及率达到35.4%。软件和信息技术服务业完成软件业务收入55037亿元,同比增长13.9%。

21 2013-2017年快递业务量及其增长速度


22 2013-2017年年末固定互联网宽带接入用户和移动宽带用户数


全年国内游客50亿人次,同比增长12.8%;国内旅游收入45661亿元,增长15.9%。入境游客13948万人次,增长0.8%。其中,外国人2917万人次,增长3.6%;香港、澳门和台湾同胞11032万人次,与上年持平。在入境游客中,过夜游客6074万人次,增长2.5%。国际旅游收入1234亿美元,增长2.9%。国内居民出境14273万人次,增长5.6%。其中因私出境13582万人次,增长5.7%;赴港澳台出境8698万人次,增长3.6%。

6. 金融

金准数据统计:2017年末广义货币供应量(M2)余额167.7万亿元,同比增长8.2%;狭义货币供应量(M1)余额54.4万亿元,同比增长11.8%;流通中货币(M0)余额7.1万亿元,同比增长3.4%。

全年社会融资规模增量19.4万亿元,按可比口径计算比上年多1.6万亿元;年末社会融资规模存量174.6万亿元,同比增长12.0%。年末全部金融机构本外币各项存款余额169.3万亿元,比年初增加13.7万亿元,其中人民币各项存款余额164.1万亿元,增加13.5万亿元。全部金融机构本外币各项贷款余额125.6万亿元,增加13.6万亿元,其中人民币各项贷款余额120.1万亿元,增加13.5万亿元。


13 2017年年末全部金融机构本外币存贷款余额及其增长速度



全年上市公司通过境内市场累计筹资40836亿元,比上年减少12244亿元。其中,首次公开发行A股完成申购419只,筹资2186亿元;A股现金再融资(包括公开增发、定向增发、配股、优先股)9209亿元,减少4178亿元;上市公司通过沪深交易所发行债券(包括公司债、可转债、可交换债和企业资产支持证券)筹资28105亿元,减少8563亿元。全年全国中小企业股份转让系统新增挂牌公司2176家,筹资1336亿元,减少3.95%。年末主要农村金融机构(农村信用社、农村合作银行、农村商业银行)人民币贷款余额149820亿元,比年初增加15602亿元。全部金融机构人民币消费贷款余额315194亿元,增加64717亿元。其中,个人短期消费贷款余额68041亿元,增加18724亿元;个人中长期消费贷款余额247154亿元,增加45993亿元。

全年发行公司信用类债券5.64万亿元,比上年减少2.59万亿元。

全年保险公司原保险保费收入36581亿元,同比增长18.2%。其中,寿险业务原保险保费收入21456亿元,健康险和意外伤害险业务原保险保费收入5291亿元,财产险业务原保险保费收入9835亿元。支付各类赔款及给付11181亿元。其中,寿险业务给付4575亿元,健康险和意外伤害险赔款及给付1518亿元,财产险业务赔款5087亿元。

7. 社会保障

金准数据表示,按照每人每年2300元(2010年不变价)的农村贫困标准计算,2017年,年末农村贫困人口3046万人,比上年末减少1289万人;贫困发生率3.1%,比上年下降1.4个百分点。贫困地区农村居民人均可支配收入9377元,同比增长10.5%,扣除价格因素,实际增长9.1%。


23 2013-2017年末全国农村贫困人口数量(万人)


年末全国参加城镇职工基本养老保险人数40199万人,比上年末增加2269万人。参加城乡居民基本养老保险人数51255万人,增加408万人。参加基本医疗保险人数117664万人,增加43272万人。其中,参加职工基本医疗保险人数30320万人,增加789万人;参加城乡居民基本医疗保险人数87343万人,增加42483万人。参加失业保险人数18784万人,增加695万人。年末全国领取失业保险金人数220万人。参加工伤保险人数22726万人,增加836万人,其中参加工伤保险的农民工7807万人,增加297万人。参加生育保险人数19240万人,增加789万人。年末全国共有1264万人享受城市居民最低生活保障,4047万人享受农村居民最低生活保障,467万人享受农村特困人员救助供养。全年资助5203万人参加基本医疗保险,医疗救助3536万人次。国家抚恤、补助各类优抚对象859万人。

8. 教育、科学技术和文化体育

金准数据统计:全年研究生教育招生80.5万人,在学研究生263.9万人,毕业生57.8万人。普通本专科招生761.5万人,在校生2753.6万人,毕业生735.8万人。中等职业教育招生582.4万人,在校生1592.5万人,毕业生496.9万人。普通高中招生800.1万人,在校生2374.5万人,毕业生775.7万人。初中招生1547.2万人,在校生4442.1万人,毕业生1397.5万人。普通小学招生1766.6万人,在校生10093.7万人,毕业生1565.9万人。特殊教育招生11.1万人,在校生57.9万人,毕业生6.9万人。学前教育在园幼儿4600.1万人。九年义务教育巩固率为93.8%,高中阶段毛入学率为88.3%。


24 2013-2017普通本专科、中等职业教育及普通高中招生人数(万人)


全年研究与试验发展(R&D)经费支出17500亿元,同比增长11.6%,与国内生产总值之比为2.12%,其中基础研究经费920亿元。全年国家重点研发计划共安排42个重点专项1115个科技项目,国家科技重大专项共安排454个课题,国家自然科学基金共资助43935个项目。截至年底,累计建设国家重点实验室503个,国家工程研究中心131个,国家工程实验室217个,国家企业技术中心1276家。国家科技成果转化引导基金累计设立5支子基金,资金总规模247.2亿元。全年境内外专利申请369.8万件,授予专利权183.6万件;PCT专利申请受理量为5.1万件。截至年底,有效专利714.8万件,其中境内有效发明专利135.6万件,每万人口发明专利拥有量9.8件。全年共签订技术合同36.8万项,技术合同成交金额13424亿元,同比增长17.7%。

25 2013-2017研究与试验发展(R&D)经费支出(亿元)及其增长速度(%)


26 2017年专利申请、授权和有效专利情况


2017年成功完成17次宇航发射。首颗高轨道高通量通信卫星实践十三号、首颗大型硬X射线空间探测卫星“慧眼”卫星成功发射;北斗导航全球卫星系统组网首发双星成功发射;天舟一号货运飞船成功发射,完成与天宫二号交会对接。“墨子号”量子卫星成功实现预定科学目标,暗物质粒子探测卫星“悟空”发现反常电子信号,C919大型客机、“鲲龙”AG600水陆两栖飞机首飞成功。

年末全国共有产品检测实验室35000个,其中国家检测中心739个。全国现有产品质量、体系认证机构401个,已累计完成对140250个企业的产品认证。全国共有法定计量技术机构4037个,全年强制检定计量器具8326万台(件)。全年制定、修订国家标准3811项,其中新制定2684项。

年末全国文化系统共有艺术表演团体2054个,博物馆3217个。全国共有公共图书馆3162个,总流通72641万人次;文化馆3327个。有线电视实际用户2.20亿户,其中有线数字电视实际用户1.98亿户。年末广播节目综合人口覆盖率为98.7%,电视节目综合人口覆盖率为99.1%。全年生产电视剧310部13310集,电视动画片83599分钟。全年生产故事影片798部,科教、纪录、动画和特种影片172部。出版各类报纸368亿份,各类期刊26亿册,图书90亿册(张),人均图书拥有量6.49册(张)。年末全国共有档案馆4237个,已开放各类档案13806万卷(件)。2016年,文化及相关产业增加值30785亿元,同比增长13.0%;占国内生产总值的比重为4.14%,比上年提高0.19个百分点。

全年我国运动员在24个运动大项中获得106个世界冠军,共创6项世界纪录。全年我国残疾人运动员在11项国际赛事中获得160个世界冠军。2016年,体育产业增加值6475亿元,同比增长17.8%;占国内生产总值的比重为0.9%,比上年提高0.1个百分点。

9. 卫生和社会服务

金准数据统计:年末全国共有医疗卫生机构99.5万个,其中医院3.0万个,在医院中有公立医院1.2万个,民营医院1.8万个;基层医疗卫生机构94.0万个,其中乡镇卫生院3.7万个,社区卫生服务中心(站)3.5万个,门诊部(所)23.0万个,村卫生室63.8万个;专业公共卫生机构2.2万个,其中疾病预防控制中心3482个,卫生监督所(中心)3133个。年末卫生技术人员891万人,其中执业医师和执业助理医师335万人,注册护士379万人。医疗卫生机构床位785万张,其中医院609万张,乡镇卫生院125万张。全年总诊疗人次81.0亿人次,出院人数2.4亿人。

27 2013-2017年末卫生技术人员人数(万人)


年末全国共有各类提供住宿的社会服务机构3.2万个,其中养老服务机构2.9万个,儿童服务机构656个。社会服务床位749.5万张,其中养老服务床位714.2万张,儿童服务床位9.6万张。年末共有社区服务中心2.5万个,社区服务站13.9万个。

10. 自然资源、环境和安全生产

金准数据统计:全年全国国有建设用地供应总量60万公顷,同比增长16.4%。其中,工矿仓储用地12万公顷,增长1.6%;房地产用地11.5万公顷,增长7.2%;基础设施等用地36.5万公顷,增长26.1%。

全年水资源总量28675亿立方米。全年平均降水量640毫米。年末全国监测的604座大型水库蓄水总量3518亿立方米,比上年末蓄水量有所增加。全年总用水量6090亿立方米,同比增长0.8%。其中,生活用水增长2.8%,工业用水增长0.2%,农业用水增长0.6%,生态补水增长1.7%。万元国内生产总值用水量78立方米,比上年下降5.6%。万元工业增加值用水量49立方米,下降5.9%。人均用水量439立方米,同比增长0.3%。

全年完成造林面积736万公顷,其中人工造林面积390万公顷,占全部造林面积的53.0%。森林抚育面积830万公顷。截至年底,自然保护区达到2750个,其中国家级自然保护区463个。新增水土流失治理面积5.6万平方公里。

初步核算,全年能源消费总量44.9亿吨标准煤,同比增长2.9%。煤炭消费量增长0.4%,原油消费量增长5.2%,天然气消费量增长14.8%,电力消费量增长6.6%。煤炭消费量占能源消费总量的60.4%,比上年下降1.6个百分点;天然气、水电、核电、风电等清洁能源消费量占能源消费总量的20.8%,上升1.3个百分点。全国万元国内生产总值能耗下降3.7%。重点耗能工业企业单位烧碱综合能耗下降0.3%,吨水泥综合能耗下降0.1%,吨钢综合能耗下降0.9%,吨粗铜综合能耗下降4.8%,每千瓦时火力发电标准煤耗下降0.8%。全国万元国内生产总值二氧化碳排放下降5.1%。

28 2013-2017年清洁能源消费量占能源消费总量的比重(%)


近岸海域417个海水水质监测点中,达到国家一、二类海水水质标准的监测点占67.8%,三类海水占10.1%,四类、劣四类海水占22.1%。

全年平均气温为10.39℃,比上年上升0.03℃。共有8个台风登陆。

全年农作物受灾面积1848万公顷,其中绝收183万公顷。全年因洪涝和地质灾害造成直接经济损失1910亿元,因旱灾造成直接经济损失375亿元,因低温冷冻和雪灾造成直接经济损失19亿元,因海洋灾害造成直接经济损失58亿元。全年大陆地区共发生5.0级以上地震13次,成灾11次,造成直接经济损失148亿元。全年共发生森林火灾3223起,森林火灾受害森林面积2.5万公顷。

全年各类生产安全事故共死亡37852人。工矿商贸企业就业人员10万人生产安全事故死亡人数1.639人,比上年下降3.7%;道路交通事故万车死亡人数2.06人,下降3.7%;煤矿百万吨死亡人数0.106人,下降32.1%。



2018年十大科技趋势预测——基于BAT的AI生态时局 2018-03-05 08:47:19

前言

人工智能在2016年还处于概念热炒阶段,2017年开始沉淀下来出现应用级产品,2018年将进入应用爆发期,出现大量真正的智能应用。金准数据统计分析,未来少数大企业将自行研发算法;多数企业将引入人工智能技术的套装软件与服务规划企业资源、优化管理流程;普通消费者将会越来越多使用智能家居机器人、智能语音盒子等人工智能产品。

金准数据预测,2018年有四项描述“数字世界与物理世界混合”的战略科技发展趋势,将继续颠覆人们的生产生活习惯。它们分别是数字孪生、从云到边缘、会话式平台和沉浸式体验。

数字孪生是指以数字化的方式模拟再现真实的运营环境,人工智能和物联网的发展使其成为现实。未来,企业、政府等机构可通过模拟运行来“预知”一项决策的实施结果,并以此进行优化,提升决策的有效性。

从云到边缘描述的是未来技术架构的思路。“近几年云计算炙手可热,但事实上我们看到云并没能代替一切,传统服务器、手机等智能硬件仍有其不可替代的特长,”金准数据认为,面对海量信息,处理、内容收集与交付均在临近信息的源头完成,需要决策的是哪些数据由前端及时处理,哪些上传至云端数据中心,“不要再相信所有事情都发生在云里头。”

会话式平台和沉浸式体验为我们畅想了未来人机互动的生活方式。金准数据指出,一个重大模式的转变将是“从人向机器诠释意图、发起指令,转变为机器主动向人提出建议”,比如家居智能物件将依据对主人生活习惯的分析来自动运行家电,汽车会主动提醒车主进行何时该进行保养维修等,智能手机甚至可以通过人脸识别分析使用者的情绪,提出从娱乐到订餐等广泛的建议。

金准数据预测的2018年十大科技趋势还包括事件驱动、区块链以及新的信息安全观念。

金准数据预测,以场景、事件驱动的商业模式很可能在2018年出现,与既有的指令驱动模式相比,该商业模式更为主动。

金准数据认为,在2017年炙手可热的区块链,其落地性到底有多强,2018年可能见分晓。

在信息安全方面,金准数据强调,未来的决策者需具有“持续渐进性的风险和信任机制”,以便更好地利用机会并管理风险,从而确保安全性能够跟上数字化业务的速度。

基于BAT的AI生态时局,金准数据预测2018年十大科技趋势,中国企业在场景应用、商业模式领域实现突破可能更快,无论在数量和创新上都有望继续领跑全球。

一、BAT时局详述

第四次工业革命是人工智能全面发展的时代,2017年人工智能正走在最关键的路口,很多AI创业公司在各自的领域取得了突破,但具备强大的AI技术储备,并且有能力渗透到几乎所有领域的,目前来看主要还是BAT三家。这场AI“附能”的革命考验的是平台、技术、场景、生态等多方面的综合实力,百度的All in AI,腾讯AI in All,阿里达摩院BAT的AI生态布局揭示了2018年金融科技发展趋势。

BAT三大巨头在人工智能上的布局已初见轮廓,核心在于组建团队、研发项目、构建生态。

1 BAT的AI生态时局图


1. 百度


2 百度的AI生态时局图

百度在AI领域的投入始于2013年1月深度学习研究院(IDL)的创立。接着建成了五大实验室,除了深度学习实验室之外,还有硅谷人工智能实验室、大数据实验室、增强现实实验室和深度学习及应用国家工程实验室。这些实验室的研发成果历经5年的整合,逐渐形成了一个平台体系百度智能云和百度大脑。智能云提供计算的基础设施和数据的获取、分析、标注能力,而百度大脑,整合了机器学习、深度学习算法,再将AI对语音、图像、视频、AR/VR的感知能力和自然语言处理、知识图谱、用户画像等认知能力开放出来,就形成了百度AI开放平台。

根据百度最新公布的数据,百度大脑现在拥有80多项核心AI能力,超过37万名开发者和合作伙伴,每天被调用2.19亿次。这些调用,来自百度内外。

对内,百度将AI能力输送到百度现有的各个产品之中。主业搜索自不必说,从一开始就受惠于AI技术的进步,包括手机百度、爱奇艺等应用也在AI的驱动下不断提升,2016年推出的信息流业务也在迅速发展。对外,百度走上开放平台的道路,主推DuerOS和Apollo。同时尝试开拓金融、机场、新零售等场景,积聚力量,构建自己的下一个生态。

不过总体来说,无论是从“All in AI”的技术投入来看,还是从所有能力汇总于百度大脑、全力推进Apollo、DuerOS两大平台的布局来看,百度似乎在把自己的AI力量集中起来,向着最重要的行业,单点突破致力于实现AI技术的产品化和商业化。

2. 阿里

3 阿里的AI生态时局图

阿里AI研究始于2014年成立的数据科学与技术研究院,也就是iDST。而阿里大部分AI基础研究成果出自这里,比如最近机器阅读理解方面取得突破的阿里团队,就来自iDST。当然阿里内部体系众多,展开AI研究的部门也不少。例如在“双十一”期间,商品推荐、客服、海报宣传、运营维护等方面均有AI技术的加持。蚂蚁金服也在与金融机构的合作中,把AI技术作为一个重要的亮点。

在整个互联网行业涌向AI的浪潮中,阿里也在2017年推出“NASA计划”和承载它的实体组织达摩院。达摩院的研究领域可谓广撒网,涉及量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、人机自然交互、芯片技术、传感器技术、嵌入式系统等,可以看出,AI在其中占据了半壁江山。达摩院的主要任务,是在全球范围内建实验室招揽人才,和高校建立合作。

另外,阿里还有一个人工智能实验室A.I. Labs,它不止是一个研究机构,还承担着基于AI技术打造平台、推出产品的职责。目前,他们除了天猫精灵智能音箱和搭载的AliGenie操作系统、AliGenie语音开放平台之外,还推出了AR开放平台和AR内容平台。从2017年末开始,自动驾驶也成为了A.I. Labs发力的领域之一。

和自带产品开发职责的A.I. Labs不同,iDST的研究成果走进现实世界,依靠的是他们打造的一个个“大脑”。这两年来,阿里云相继推出了ET城市大脑、ET医疗大脑、ET工业大脑、ET环境大脑、ET航空大脑,将AI能力与大数据和云计算结合起来,在各个垂直市场跑马圈地。

阿里最近,在努力将这些大脑们整合为一个统一的平台阿里云ET大脑。2017年最后一场云栖大会上,ET大脑正式发布,所布局的领域也不再限于原本的城市管理、医疗、工业、环保、航空,同样走上了“广撒网”之路。

3. 腾讯


4 腾讯的AI生态时局图


腾讯的基础研究基于AI Lab、优图实验室和微信AI实验室三大机构,优图专注于计算机视觉技术,而AI Lab和微信AI在研究方向上虽然叫法不同,但多有重合,都是AI实验室标配的机器学习、自然语言处理、语音识别和计算机视觉。

根据各个实验室列出的合作伙伴和案例,这些实验室的技术,大部分都输送到了腾讯各条产品线之中,成了微信里的语音转文字、视频音乐新闻的推荐和排序、QQ的高能舞室、天天P图的军装照……

同时,腾讯的AI技术也同样寻求着在更多垂直领域的落地应用,其中最引人注目的,是医疗平台腾讯觅影。在金融、安防、政府政务、智慧零售等等领域,腾讯也都将AI技术与自身的社交、支付、地图、小程序等等技术结合起来,推出了垂直解决方案。

另外,腾讯也有类似于百度大脑的“AI开放平台”,在深耕的垂直领域之外,将自己的AI技能开放出来,供应给开发者。不过,目前这个“开放平台”的用户案例,依然是以腾讯内部产品为主。与此同时,腾讯在自动驾驶和对话式AI平台上,也分别投入了不止一支团队,开始造平台、积累合作伙伴。


二、BAT在人工智能技术落地场景梳理

人工智能的应用场景众多,BAT三大巨头在人工智能技术落地场景的规划不尽相同。

5 BAT在人工智能技术落地场景


1. 对话式AI

人机交互的重大革新、下一代服务入口、下一个Android、家庭的控制中心……种种期待,让用于智能设备的对话式AI成了BAT争夺最激烈的领域。

百度有DuerOS,阿里有AliGenie,腾讯则至少有两个:腾讯云小微和移动互联网事业群(MIG)的叮当。

如果我们以智能音箱销量来评判对话式AI系统的发展,很会做生意的阿里似乎冲在最前。2017年7月,阿里AI Labs初次亮相,发布了一款智能音箱:天猫精灵X1。这款音箱,双十一降价促销,当天卖出了100万台。

但是,卖音箱只是手段而非目的。天猫精灵背后的终极目标,还是一个关于AliGenie开放平台、生态系统的梦想。

这个生态系统的梦想,BAT都有。

6 对话式AI


百度虽然直到去年底才推出渡鸦raven H智能音箱,但最新的数据显示,DuerOS开放平台发布半年时间里,已新增130余家合作伙伴,落地硬件解决方案超过20个,每月新增5款以上搭载DuerOS的设备,覆盖家居、车载、移动各个场景,机顶盒、电视、冰箱、音箱、机器人、车载、手机、耳机等各类设备。

7 对话式AI应用场景


为了守住这个领域,百度除了在北京和硅谷建设AI庞大的团队之外,还收购了两家创业公司:做语音交互和自然语言理解的Kitt.ai,和后来推出了raven H音箱的渡鸦。

内部竞争还未分胜负的腾讯势头也很猛。公开亮过相的两个团队里,叮当的发展速度似乎更快一些。2017年4月,它作为一个“语音助手”以App的形态发布,12月20日,发布了首款合作硬件1More耳机。截至目前,叮当虽然没有推出名为“硬件开放平台”的东西,但他们的“生态伙伴计划”也的确很见成效,做机器人的优必选、做音箱的哈曼、造车的广汽、做手机的魅族、努比亚等二十多家硬件厂商,都在腾讯叮当的合作案例名单之上。

相比之下,腾讯云小微的硬件开放平台和技能开放平台仍处于内测状态,除了和华硕一起造的机器人之外,没有太多关于合作伙伴的声音传出。值得一提的是,他们似乎在硬件之外,开辟了一条退路:智能客服。

智能音箱先行的AliGenie同样不是天猫精灵专属,它的硬件接入平台页面上,也展示着十多家合作伙伴。另外,AliGenie还推出了垂直行业智能语音解决方案,想在家居、移动硬件之外,为对话式AI开辟出新场景。

2. 金融

阿里旗下的金融巨头蚂蚁金服和阿里云都在尝试赋能金融机构。

2017年1月以来,蚂蚁金服开始逐渐转变自己的定位,尝试用自身积累的技术能力来赋能、服务金融机构。夏天,蚂蚁金服在理财和保险领域,向金融机构开放了“理解用户”、“优化投资策略”和“用户与金融产品匹配”三个层面的能力,后来,AI客服能力、智能图像定损技术等等也相继开放。然而这还并不是蚂蚁金服AI布局的全貌,蚂蚁AI技术将成熟一个,开放一个。

2017年底,阿里云又发布了ET金融大脑,要帮合作伙伴风控、营销和客服方面提高效率。

相比之下,腾讯向金融行业合作伙伴提供的技术就显得比较表面,没有涉及风控这样的专业垂直应用,而只是将更为通用的身份检测、客服等能力注入其中。

虽然百度金融这一年来在to C市场上声量不大,但这家“All in AI”的公司,在金融上也要将“智能化”坚持到底。截止2017年底,百度金融已经赋能近400家机构,为机构客户提供解决方案,为它们提供安全防护、智能获客、大数据风控等服务。百度金融据说还在谋划更为独立的未来。

3. 医疗

医疗领域,百度在医疗事业部部分团队转入AI体系之后就悄无声息,但腾讯和阿里都在抢占布局。

首批国家新一代人工智能开放创新平台中,腾讯就以医疗影像平台“觅影”入选。腾讯觅影发布于2017年8月,最先推出的是早期食管癌筛查。后来,觅影又相继推出早期肺癌筛查、糖尿病性视网膜病变筛查、乳腺癌早期筛查等医疗影像技术,还基于自然语言处理推出了AI辅助诊疗、病案智能化管理产品。

8 AI医学影像


腾讯觅影结合了AI lab、腾讯优图、TEG架构平台部等团队的AI技术,由互联网+合作事业部牵头建立。推出至今不到半年,腾讯觅影已经有了西门子医疗、兰州大学第二医院、深圳市南山人民医院、中山医院等十几家合作伙伴。

马化腾此前表示,医疗与AI是非常好的落脚点,未来腾讯在医疗方面会做更多的事情。

阿里入局AI医疗其实比腾讯还要早。2017年3月底,ET医疗大脑首次亮相,宣称具有虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等功能。


与腾讯思路不同的是,ET医疗大脑的技术并非都出自阿里内部,而是聚集了不少合作伙伴一起提供服务,比如做皮肤检测的宜远智能、分析病历的惠每医疗等等。

目前的阿里云ET医疗大脑,能够提供影像智能诊断、智能病历诊断、语音医嘱录入、医疗意图识别、辅助管理决策、家庭慢病管理、DNA序列分析等功能。阿里在医疗方面,还跟华大基因、上海华山医院、浙江卫计委等机构展开合作。

另外,阿里去年也在医疗方面有一些投资布局,包括嘉和美康、Prenetics等。腾讯的动作也不少,去年已经披露出来的医疗相关投资包括:VoxelCloud、Grail、企鹅医生、Practo等。

4. 零售

不管是新零售还是旧零售,不管是线上还是线下,阿里在这个领域都有天然的优势。先梳理一下AI给阿里自身业务带来的变化。机器人客服“阿里小蜜”,双11当天承担95%客服咨询;机器智能推荐系统,双11当天产生567亿不同的货架;AI设计师“鲁班”,双11期间,设计4.1亿张商品海报;华北数据中心运维机器人:接替运维人员30%重复性工作……

AI之于百度的搜索业务一样,AI之于阿里的电商业务也具备天然的赋能加成。除了上面提及的进展,蚂蚁金服还基于AI技术推出客服机器人“小蚂答”,以及AI助力的车辆定损服务“定损宝”等。

阿里还搞出了无人零售咖啡店。无人商店,是一个未来非常有意思的趋势。

此外,阿里在新零售思想的指引下,还大举投资了一批线下零售相关企业,包括:企加云、大润发、东方股份、新华都、易果生鲜、银泰、bigbasket、联华超市……

可以想见,阿里在零售方面的生态布局,一定会成为其AI技术应用的重要场景。

零售不是腾讯的强项,不过腾讯也提出了“智慧零售”的概念。腾讯COO任宇昕对此解释称:腾讯希望的是通过’去中心化’的方式,把平台能力开放给广大品牌商、零售商以及商业地产等合作伙伴。

腾讯表示将提供场景、大数据、AI技术支持,以及腾讯全产品线,帮助商家量身定做解决方案,帮助线下门店实现数据化和智能化,让消费者与商品之间,实现跨场景的智慧连接。

现在已经有一些案例出现了。例如在深圳、广州的一些服饰连锁零售店里,腾讯的AI技术提供了人脸识别、客户画像、精准推荐等技术支持。其他方向还包括餐饮连锁、快消等等。

零售更不是百度擅长的方向,不过百度在这方面也有所行动,正在寻找合适的合作伙伴准备赋能。有意思的是,已经离职的前任百度研究院长林元庆,创业服务的第一个大客户,就来自零售领域。


三、2018年初人工智能技术新进展

2017年围棋人机大战,柯洁第二次挑战阿尔法狗再度败北2017年,人工智能参加了高考,数学成绩高于同场竞技的清华、北大学霸2017年科大讯飞的医疗程序参加了临床执业医师考试,并超过临床执业医师合格线……人工智能在2017年的热点事件数不胜数。

进入2018年以来,分别于1月份和2月底举行的“2018拉斯维加斯消费电子展(CES)”及“2018年世界移动通信大会MWC”引人瞩目,两个展会展示了全球人工智能和移动通信技术开发应用的最新进展,显露出世界最新技术发展方向和潮流,预示着全球新技术和经济发展引擎将要开启。

2018年初人工智能相关企业如雨后春笋般涌现,几乎遍及所有技术领域。无论是业界巨头还是初创企业,几乎都在将人工智能武装到牙齿。其中,通过自然语言实现人机交互,以及通过人工智能构建信任和消除偏见,可以说,这是业界目前最热衷投入解决的两个问题。金准数据分析认为,2018年,掌握数据的企业和机构、提供更主动服务的商业模式,有望为人们带来耳目一新的人工智能应用。

在今年1月份的拉斯维加斯消费电子展上,百度针对自动驾驶技术推出了“阿波罗2.0”平台,其云端服务、软件平台、参考硬件平台以及参考车辆平台四大模块全部开放,合作伙伴已超过了90家。

在世界移动通信大会上,中国移动与诺基亚举行战略合作协议签约仪式。双方将在智慧城市、智慧交通、视频智能分析、下一代网络等方面深入合作,共同培育良好生态环境,推动产业持续发展。

由于AI技术覆盖领域广泛,全世界都在加快向AI技术投资的步伐,人工智能作为引领未来的战略性技术,已经成为世界各国提升国家竞争力的重要利器。

金准数据调查发现,截至2017年6月份,全球人工智能企业总数达到2542家。其中,美国最多,达1078家;中国第二,486家。中国人工智能企业诞生于1996年,2003年进入平稳期。相对而言,中国在基础元器件、基础工艺方面与国外还有差距。

金准数据调查显示2030年人工智能每年将为亚洲贡献经济价值高达1.8万亿美元至3万亿美元,将对金融服务、医疗保健、制造、零售和交通等行业产生巨大影响。

人工智能+工业机器人、人工智能+服务机器人、人工智能+特种机器人、人工智能+家居、人工智能+工厂、人工智能+手术、人工智能+无人超市……从“互联网+”到“AI+”,人工智能默默地填充、改变着人类的学习娱乐、生产生活。

四、2018年科技领域10大趋势预测

语言交互、计算机视觉、物联网、区块链……前方,将是一个无比繁荣、无比高效的未来——智能时代。

除了人工智能,2018年大数据、云计算、5G还有区块链都持续成为科技领域热词,那么2018年科技领域将会有那些新的进展?金准数据总结预测了2018年科技领域的趋势。

1、语言交互——从信息传递到情感沟通

人机语言交互的极致体现莫过于电影《her》中宅男爱上了电脑对话程序“萨曼莎”。沟通,是人最紧迫又最困难的事。为了解决问题,人类一直在社交层面努力。在近几年,人机交互领域的创业呈现爆发性增长。

人机交互技术(Human-Computer Interaction Techniques)是指通过计算机输入、输出设备,以有效的方式实现人与计算机对话的技术。其中语言交互是重要的人机交互手段。

在语言交互上,2000-2016年,全球累积新增自然语言处理企业数量达到543家,其中319家企业于最近五年(2012-2016年)产生,占总数的58%以上。全球计算机视觉累积融资规模达到18.1亿美元,其中61%以上的融资规模发生于2012-2016年。

巨大的融资规模和企业数量落地到不同的应用领域。目前,Siri和Alexa是最受欢迎的人机交互工具,但还处于基础阶段。未来,语言交互的应用场景将从生活服务到医疗健康领域无所不在。《her》的场景并不是痴人说梦,今天的微软小冰已经开始在向情感对话领域探索。在2018年,语音交互将进入落地应用的爆发元年。

2、计算机视觉——比人类更专注的眼睛

现在计算机视觉系统已在视觉方面超越人类。例如机器可以在众里寻他——识别出在逃的犯罪分子,还能够帮助父母寻回走失的孩子,机器甚至还能做到根据你的表情识别出你的情绪,进行情绪分析。

金准数据指出2000-2016年,全球累积新增计算机视觉企业数量达到802家,其中520家企业于最近五年(2012-2016年)成立,占总数的65%以上。全球计算机视觉累积融资规模达到22.8亿美元,其中超过80%的融资规模发生于2012-2016年。

2018年,计算机视觉的应用场景将会继续扩大。算法在提高的同时,更具挑战性的应用也会被提出来。人脸,车牌/车型以及物体分类跟踪是当前比较受关注的应用,很多明星企业也主要在做这个领域,但其实这只是一小部分而已。还有其他更有价值的领域,比如产品缺陷检测,雷达图像分析,医学图像分析(例如癌细胞早期筛查)等。

3、大数据——亟待挖掘的金矿

2017年“智慧城市”的概念随着雄安新区建设的号角吹响变得异常火爆,而大数据则构成了“智慧城市”的大脑回路:通过实时监测交通流量,及时发现堵情,优化信号灯配时方案,交通管理更加高效家庭收入状况统一入库,一键查找核对便可识别骗保情况,扶贫救助也变得更加准确。

2018年,大数据将从城市管理的“高级参谋”逐渐化身日常生活的“贴心管家”。集纳个人医疗信息汇编电子健康档案,随用随取便于异地会诊把公共服务网点位置搬上数据“活地图”,按图索骥即可便捷到达通过分析学生学习过程数据并灵活调整教学计划,因材施教将更加精准。

数据量随着移动互联网变得愈来愈大,各行各业如何更好的挖掘数据将成为2018年最重要的议题之一。但是我们不能忽视的是,当数据量巨大时,个人数据隐私的保护。

4、智能应用与分析——企业决策的法宝

在今后几年里,几乎所有的应用与服务都将采用一定程度的人工智能。其中某些应用将成为真正的智能应用,如果没有人工智能与机器学习,这些应用程序将无法存在。

智能应用在人类与系统之间搭起了一座全新智能桥梁,有望改变工作的本质以及工作场所的结构。例如,利用大数据分析工具,便利店可以轻松知道什么货品最畅销,从而及时补足货品。

增强分析是一个格外具有战略意义的、逐渐发展的领域。它面向广泛的商业用户、运营工作者和民间数据科学家(citizen data scientist),利用机器学习自动完成数据准备、洞察发现与分享。

2018年,智能应用与分析应用将持续推进,将有20%以上的企业利用智能应用与分析进行重要的企业决策,包括企业资源规划(ERP)的各个方面。有人甚至认为,人工智能取代脑力劳动者的时代到来了,但是在探索智能应用时,我们应将它作为增强人类活动的一种方式,而非简单地替代人类。

5、虚拟现实——科幻走进现实

在科幻电影《盗梦空间》中,一群贫民窟的贫困者将自己完全沉浸在虚幻的现实中不肯醒来,虚拟现实技术正将这些超现实场景带入生活。2017年里,VR取得了长足的进步,但2018年可能是其开始产生广泛影响的关键一年。

2018年VR将会走多远科幻小说的场景如何成为现实?金准数据预测,到2021年,全球VR产业估值将达到600亿美元。

2018年可能是VR进入主流的开始,因为头显进入了第二代,将会变得更便宜,更轻。在视频游戏社区中,头显也将越变越小,更易于使用。2016、2017年以前,Oculus rift、HTC Vive和PSVR的价格在400美元至800美元之间,这无疑是VR被广泛采用的障碍。

6、5G——再也不担心流量费的时代要到来

5G是目前通信产业中最重要的技术革新,在产业界的努力下正快速的向我们走来。它将提高至少十倍于4G的峰值速率、毫秒级的传输时延和千亿级的连接能力,开启万物广泛互联、人机深度交互的新时代。

2017年基础电信运营商的5G试点已经开始落地。中国电信近日对外披露,5G试点是与全球领先的网络设备与芯片公司深度合作,进行5G技术创新方面合作探索的最新进展。试点除了端到端验证5G 关键技术、网络性能和商用组网的能力外,更将联合垂直行业和创新企业,同步开展5G技术与行业应用结合研究和试验。

2018年世界移动通信大会上,发布了数十种与5G相关的公告,包括设备、调制解调、计划、频谱和试验。越来越多的公司开始推广自己的5G商业计划,并且已经有很多公司开始了5G网络测试。英特尔已经与戴尔、惠普、联想和微软合作,利用英特尔XMM 8000系列商用5G调制解调器Windows PC实现5G连接。英特尔在MWC展示了其第一款支持5G技术的2合1概念PC,该款PC采用第8代酷睿i5处理器和早期的5G调制解调器,预计在2019年下半年,这种由5G连接的PC将推向市场。

澳大利亚运营商Telstra在本届大会上宣布了其5G试点计划,旨在到2019年底之前为主要城市和地区提供包括sub6GHz和mmWave频谱的5G。

美国Sprint公司则宣布首先将5G网络带到洛杉矶、华盛顿特区、亚特兰大、芝加哥、达拉斯和休斯敦,这6个城市将从4月份开始体验“类似5G的能力”。

与此同时,一大批中国企业向世界展示5G的“中国实力”,在这一前沿领域,中国企业正掌握越来越多的核心技术。其中,作为端到端5G解决方案的一部分,华为推出了首款商用5G CPE,这是一款支持3GPP 5G标准的终端设备,采用华为开发的巴龙5G01芯片组。据华为方面称,这是全球首款商用3GPP 5G芯片组,下载速度高达2.3Gbps。巴龙5G01使华为成为第一家通过其网络设备和芯片级功能提供端到端5G解决方案的公司。中兴通讯将在2018年底或2019年初推出5G智能手机和平板电脑,明年上半年在商用5G网络上部署网络产品。中国移动表示,将在2018年建设世界规模最大的5G试验网,并正式公布了2018年5G规模实验计划——将在杭州、上海、广州、苏州、武汉五个城市开展外场测试,每个城市将建设超过100个5G基站;将在北京、成都、深圳等12个城市开展5G业务和应用示范。

金准数据分析认为,2018年国内和全球的5G网络建设有望加速,整体市场空间也将快速打开。通信行业将步入新周期,产业发展出现承上启下态势,资本市场处于预期升温阶段。而随着5G技术的逐步成熟,5G的发展上了一个新台阶。

7、云计算——应用程序架构的未来

云计算是一种业务模式,服务提供商在定制的环境中处理客户的完整基础架构和软件需求。随着云计算的发展,云服务和解决方案也将随之增长。软件即服务(SaaS)预计到2020年将以18%的年均复合增长率增长,平台即服务(PaaS)的采用率将在2020年达到56%,而2017年为32%。2018年基础设施即服务(IaaS)的全球市场规模将达到175亿美元。

随着企业云服务的采用,云文件共享服务将会增加,而消费者云服务也将会随之增长。在云计算领域,亚马逊领先于微软、IBM、谷歌及其他技术巨头。2022年,亚马逊AWS营收将达到430亿美元。

2018年将是机器学习和人工智能在人们管理的云计算复杂性发挥其作用的第一年。就像高速算法交易改造股票市场一样,高速算法自动化转换管理也是如此。人们将开始看到机器驱动的知识和自动化驱动人们的监控、事件管理、成本管理,以及配置管理。其最终结果是:降低成本,提高安全性,改进服务等级协议(SLA)和更好的性能。

虽然这个转型将需要十年时间,但2018年将达到一个临界点,其中云计算2.0将最终被人们接受为应用程序架构的未来。人们开始告别虚拟服务器。

8、物联网——人也将成为网络的一部分

物联网(IoT)的扩张已经把数不胜数的大数据新来源添加进了数据管理的版图,它将成为2018年及若干年之后主要的大数据趋势之一。笔记本电脑、智能手机、传感器甚至内衣都为物联网带来了大量数据。

金准数据统计分析,物联网将扩大个性化设备的范围和数量。2016年有66亿台设备。到2021年,将有225亿个设备——这是3.4倍。

2018年,消费者和企业主将受益于越来越多的传感器和来自各种消费类设备的数据。物联网能收集信息,使企业可以更有效地把产品推销给潜在客户。懂技术的公司已经开始投资基于传感器的数据分析,这将使他们可以追踪其商店内人流量最大的区域。

在医疗领域,新的可穿戴技术能追踪用户的健康状况,使医院和诊所得以改善医疗质量。物联网设备可以提醒患者服药、锻炼和注意血压的剧烈变化。或许未来,我们的身体器官也可以联网,成为网络的一部分。

9、网络安全——新的战场

2017年WannaCry敲诈勒索病毒在全球爆发,网络安全引起广泛关注。在2018年,随着云计算占比增高,海量的云数据泄露也将随之成为数据安全重灾区,这主要是因为企业公司尚未充分意识到云端数据保护的复杂性。

仅在2017年,已有超过990亿条记录因为数据泄露而遭到曝光。黑客入侵是目前最普遍的原因,紧随其后的是缺乏安全保护、监守自盗和硬件遭窃。基于云端的安全配置误操作也常常导致数据的泄露。

医疗和金融服务公司是重大泄露发生的主要场所。这两个至关重要的行业领域内的易受攻击性和受利用性将在2018年进一步增长。

在网络安全方面经常出现这种情况,而由技术进步而放大的人类智慧将成为攻击者和防御者之间对抗的制胜因素。2018年企业必须利用新技术来推动业务运作,提供更好的安全保护。

10、区块链——超出金融范畴的应用

2017年,区块链及相关行业加速发展,全球正在跑步进入“区块链经济时代”。在全球范围内,会出现更多的成熟应用。区块链带来了效率提升和成本降低的技术手段,为经济社会发展和治理提供新的思路。围绕区块链体系,能够创造出丰富的产品和服务,人们可以在相互无信任的情况下,无地域限制地进行大规模协作。由此,一个全新的经济时代展现在公众面前。

区块链的具体应用远远超出现金和货币的范畴。它提供一种途径让彼此并不认识的人来创建大家都能查看的资产记录。它是真理捍卫者。这就是洪都拉斯的政府看上区块链技术的原因,那帮政客已寻求美国初创公司——Factom来提供基于区块链技术的土地登记原型。希腊也对这想法表达出兴趣,它没有合理的土地登记,全国只有7%的土地拥有正确的记录。

区块链的其它应用,从防范钻石窃贼到精简股票市场都有用武之地:纳斯达克交易所很快将开始启用基于区块链技术的股权交易平台,来记录私有公司的交易。英国银行向来保守,不爱接纳新兴科技,但这次似乎也有所触动:去年年底该银行的一份研究报告中指出,分布式账簿是对金融行业有着“深远影响”的“显著创新”。

2018年,上述10大技术将更加深刻的影响我们的生活。

2018年中国智慧物流行业市场前景研究报告 2018-03-02 16:10:57

前言:

随着国家经济进入转型升级阶段,土地人工等成本不断上升,靠低成本或扩大销售难以获得利润,机械自动化、物流自动化作力降本增效新的利润增长点,其战略地位将得到凸显。

智慧物流是现代物流发展方向,智慧物流将RFID、传感器、GPS、云计算等信息技术广泛应用于物流运输、仓储、包装、装卸搬运、流通加工、配送、信息服务等各个环节,实现物流系统的智能化、网络化、自动化、可视化、系统化。

2016年全国社会物流总额229.7万亿元,按可比价格计算,比上年增长6.1%,增速比上年提高0.3个百分点。2017年我国社会物流总额252万亿元,同比增长6.7%;全年物流业总收入8.8万亿元,同比增长11.5%。值得注意的是,作为衡量物流效率的重要指标,我国社会物流总费用与GDP的比率从2015年的16%,2016年的14.9%,进一步下降到2017年的14.6%,效率逐年提升。基于市场和效率双提升,2017年12月中国物流景气指数达56.6%,全年均值为55.3%,始终保持在50%以上的景气区间。

随着智能制造和“互联网+”的提出,物流行业也逐步向智能化和自动化发展。政府也针对物流产业推出了一系列标准化和产业融合政策,智慧物流有望在国家政策支持和大量的市场需求推动下迎来新一轮的爆发期。

一、智慧物流的定义

智慧物流是一种以信息技术为支撑,在物流的运输、仓储、包装、装卸搬运、流通加工、配送、信息服务等各个环节实现系统感知。全面分析,及时处理及自我调整功能,实现物流规整智慧、发现智慧、创新智慧和系统智慧的现代综合性物流系统。

智慧物流集多种服务功能于一体,体现了现代经济运作特点的需求,即强调信息流与物质流快速、高效、通畅地运转,从而实现降低社会成本,提高生产效率,整合社会资源的目的。

按照服务对象和服务范围划分,智慧物流体系可以分为企业智慧物流、行业智慧物流,区域或国家的智慧物流三个层次。

企业智慧物流层面。用推广信息技术在物流企业的应用、集中表现在应用新的传感技术、实现智慧仓储,智慧运输,智慧装卸、搬运、包装,智慧配送.智慧供应链,等各个环节。从而培育一批信息化水平高、示范带动作用强的智慧物流示范企业。

行业智慧物流层面。建设主要包括智慧区域物流中心、区域智慧物流行业以及预警和协调机制的建设三个方面。

国家智慧物流层面。旨在打造一体化的交通同制、规划同网、铁路同轨、乘车同卡的现代物流支持平台,以制度协调、资源互补和需求放大效应为目标,以物流一体化推动整个经济的快速增长。与此同时,着眼于实现功能互补、错位发展。着力构建运输服务网络,基本建成以国际物流网、区域物流网和城市配送网为主体的快速公路货运网络。“水陆配套、多式联运”的港口集疏运网络,“客货并举、以货为主”的航空运输网,“干支直达、通江达海”的内河货运网络。同时打造若干物流节点智慧物流网络中的物流结点对优化整个物流网络起着重要作用,从发展来看,它不仅执行一般的物流职能。而且越来越多地执行指挥调度、信息等神经中枢的职能。

二、智慧物流产业2025年将突破万亿元

物流业是国家经济支撑性产业,2009-2016年,全国社会物流总费用在GDP中的占比由18.1%下降至15.5%,但与发达国家物流费用占GDP约10%的比例相比还有很大差距,提高物流效率,降低物流成本成为政府、物流企业与其客户力争实现的目标。2016年7月,国务院常务会议部署推进“互联网+”高效物流,以现代信息技术为标志的智慧物流已成为物流业供给侧结构性改革的先行军。特别是电商物流的迅猛发展,不断刷新物流业的历史纪录,解决了一个又一个世界级的物流难题,催生出各种新的商业模式和业态,智慧物流从此进入了快速发展的新阶段。金准数据认为智慧物流是物流业降本提质增效的重要手段,只有打通信息联通渠道,推进信息开放共享,智慧物流才具备成长的基础。

2013-2018年社会物流总额情况统计

2013-2018年社会物流总费用情况统计

根据金准数据收集整理中国物流与采购数据,当前物流企业对智慧物流的需求主要包括物流数据、物流云、物流设备三大领域,2016年智慧物流市场规模超过2000亿元,金准数据预计到2025年,智慧物流市场规模将超过万亿。

2016-2025年中国智慧物流市场规模预测

三、智慧物流成了新风口

由于AI、物联网和机器人技术趋于成熟,物流行业正在发生翻天覆地的变化,从仓储到运输再到配送,每一个环节都在智能化。

物流公司早已行动,比如顺丰利用机器学习等技术来预测快件量,进而进行更合理高效的资源配置。当然,智慧物流最重要的应用则是无人化。

2017年双11期间就有不少物流公司在仓库引入了机器人和物联网技术,智能分拣,提高效率降低分拣员的劳动强度。在配送环节,无人机等无人配送体系也被提上日程。在AT200物流无人机成功首飞后,顺丰等公司在无人配送上进行了大手笔投入,还制定了明确的时间表。

而技术驱动的电商巨头对于智慧物流更是兴致勃勃,纷纷将智慧物流上升到战略层面。2017年9月,阿里巴巴宣布53亿元增持菜鸟网络,成为后者控股股东,并且计划在未来5年内进一步投入1000亿元,推进智能仓库、智能配送、全球超级物流枢纽等核心领域建设。京东也宣布把智能化提高到战略高度,继无人仓、无人机、配送机器人等常态化运营后,京东物流的无人轻型货车、无人配送站点也将开始运营。

苏宁在2016年就成立了物流S实验室,主要围绕精益生产和人工智能进行研究,如仓库自动作业技术、绿色包装技术、智能拣选机器人、智能配送机器人、无人机园区智能巡检、AR/VR技术等。在818购物节上,苏宁展示了智能配送机器人等黑科技。

四、哪些行业将会受益?

金准数据分析认为迅猛增长的智慧物流市场,不只是属于物流公司的红利,诸多行业都会受益于此。

第一,仓储机器人。智慧物流最重要的应用是无人化,最大的受益者便是机器人行业。

第二,自动驾驶汽车。智慧物流的运输和配送环节,将会大量应用自动驾驶汽车,以省掉大量司机的人力成本。

第三,无人机。目前,京东、顺丰等物流巨头都在加强对无人机送货的投入。顺丰采取“三段式空运网”布局,包含大型有人运输机、大型无人机与小型无人机形成不同层次的空中运力,仅仅是大型无人机项目总投资便高达7.4亿元。

第四、自动化物流设备。搬运系统将大量应用机器人,还有一些环节需要大型的自动化设备,比如输送环节,自动对数百万SKU的商品进行进行识别,再传送到不同的分拣或者打包工作区。

智慧物流每一个环节,都会被无人化、智能化和自动化掀起变革,机器人、无人车、无人机等行业都将受益,每一个领域都有望诞生独角兽公司。

五、智慧物流行业发展前景

近年来,智慧物流成为物流行业快速发展的主要助力。智慧物流能大大降低制造业、物流业等各行业的成本,实打实地提高企业的利润,生产商、批发商、零售商三方通过智慧物流相互协作,信息共享,物流企业便能更节省成本。

智慧物流集多种服务功能于一体,体现了现代经济运作特点的需求,即强调信息流与物质流快速、高效、通畅地运转,从而降低社会成本,提高生产效率,整合社会资源。随着物流业不断发展,智慧物流的也从理念走向了实际应用。基于智慧物流理念而建的成都物流公共信息平台前最流行的“云计算”技术融入到成都物流公共信息平台的搭建之中,将大量用网络连接的计算资源统一管理和调度,构成一个计算资源池向用户按需服务。具有超大规模、虚拟化、可靠安全等独特功能。从政策面来看,“中国制造2025”及“互联网+”风口下,智慧物流迎来爆发机遇。

随着互联网+上升为国家战略,金准数据预计越来越多的行业都开始转型升级,中国的物流行业也正在面临和经历着由此带来的变化,在这个变化中,海航现代物流提出打造物流4.0的未来发展理念,4.0的构建是所有世界上物流行业正在面临和正在努力的一种方向,未来物流企业将按照“推动互联网、大数据、人工智能和实体经济深度融合”的要求,在构建物流4.0模式、打造现代供应链方面谋求新进展,坚定不移地瞄准高价值物流,构建全球产业体系。

六、智慧物流重点企业分析

1、顺丰控股

顺丰是国内领先的快递物流综合服务商,立志于为客户提供一体化的综合物流解决方案。顺丰不仅提供配送端的高质量物流服务,还延伸至价值链前端的产、供、销、配等环节,以客户需求出发,利用大数据分析和云计算技术,为客户提供仓储管理、销售预测、大数据分析、结算管理等一体化的综合物流服务。顺丰同时还是一家具有网络规模优势的智能物流运营商。顺丰拥有通达国内外的庞大物流网络,是一家具有“天网+地网+信息网”三网合一、可覆盖国内外的综合物流服务运营商。

早在2012年,为应对中西部、三四线城市机场数量较少、山脉纵横、路网基础较差,难以实现快速公路转运的问题,顺丰就提出了物流无人机设想,无人机物流成为顺丰重点战略之一。2013年,顺丰内测“无人机快递”服务。2015年,顺丰入股智航无人机,加快无人机领域研发布局。2017年上半年,顺丰自研的MantaRay垂直起降固定翼无人机问世。截至目前,顺丰在无人机领域上申报和获得的专利数量达111项,顺丰通过投资、自研等多种方式,成功构建了无人机研发体系。未来,顺丰集团继续推进无人机战略,在成都双流建立大型物流无人机总部基地,2020年起,开始向全国推广,实现无人机支线网络对接顺丰的全国航空网络,推动区域内货运航空网络的全覆盖,实现区域内货物运输全国次日达。

此外,2017年8月26日,顺丰控股发布公告,变更部分募集资金用途,增加飞机购置改装、信息化建设和智能分拣基地项目共计33.3亿元。依托强大的干线运输能力、发达的信息系统,集中建设智慧物流,这有助于打通物流全产业链,融合仓配、重货运输、供应链金融等,向综合物流服务商转型,具备前瞻性。

公司2017年上半年实现营业收入321.6亿元,同比增加23.3%;实现归属上市公司股东净利润18.8亿元,同比增加7.5%;基本每股收益0.45元。

2013-2017年顺丰控股收入和利润统计

2、DHL

DHL隶属于全球顶尖邮政和物流公司DeutschePostDHLGroup,包含的事业单位有DHLExpress,DHLParcel,DHL电子商务,DHLGlobalForwarding,DHLFreight和DHLSupplyChain。DHL的业务遍布全球220的国家和地区,是全球国际化程度最高的公司。在全球的员工人数超过350000人,几乎能够为各种物流需求提供完美的解决方案。

DHL引进了无人机和机器人,代替人类的工作,速度更快,能让效率提高10%到15%。2013年末DHL启动无人机研发项目,应对日益增长的人工成本,并实现在高成本地区一天24小时、一周7天的收发快递,以自建团队,自主研发为主。同年研发出第一代无人机,起降运动尚需人工遥控,并成功利用无人机Paketkopter将波恩药房的一个药品包裹从运送至一公里外的DHL总部。2014年,DHL研发出第二代无人机,能携带1.2公斤货物,时速可达65公里,仍需工作人员手工装卸货物;2015年底,第三代无人机亮相,可以在机舱内携带2公斤以内、体积不大于4.4升的货物,由于体形苗条矫健,飞行时速可达80-126公里,可以最大程度地实现“无人操作”。经过将近两年的研发测试,2016年初,DHL在巴伐利亚镇试验其无人机交付项目,共成功递送超过130个包裹,使得其成为全球第一家利用无人机技术为客户提供快递服务的企业。未来,DHL将计划拓展城市的无人机交付项目,从现有渠道信息来看,DHL的无人机送货,暂时限定德国地区,尚未有推广到全球的计划。

3、京东物流

京东物流将其物流网络分为中小件、大件、冷链、B2B、跨境和众包网。中小件物流配送上,京东资料显示,目前京东在全国范围内拥有256个大型仓库,6906个配送站和自提点。大件物流方面,京东对垒的是阿里的日日顺物流,处理大家电配送服务。京东目前全国正在使用的冷仓有10个,冷链配送覆盖深冷、冷冻、冷藏、控温四大温层,可以实现零下30度至常温温层的全覆盖。

京东立志于成为一个通过人工智能技术和机器人技术相结合,打造一个“类似于无人的商业体”。2014年京东就成立了亚洲一号自动化物流中心,大部分环节上都实现了自动化,提高了仓储的运营效率。去年,京东物流独立运营,并成立京东X事业部智慧物流实验室,第一次向众人展示了由机器人、人工智能算法和数据感知网络打造的全自动仓储场景。京东的无人仓中的AGV机器人利用地面贴着的二维码导航来搬运货架。

同时,京东还与西安航天基地签订了合作协议,将打造京东集团全国最大的综合性智慧物流产业基地。这次京东在西安航天基地建设全球物流中心,除了研发测试无人机、无人车、无人仓外,还将继续打造智慧供应链相关的人工智能和大数据技术。

七、智能物流行业未来趋势

金准数据分析认为未来只能物流行业发展将朝着三个方向:第一,“全供应链化”,大数据驱动整个供应链重新组合,不管是上游原材料、生产制造端,还是下游的分销端,都会重新组合,由线性的、树状的供应链转型为网状供应链。

第二,物流机器人会大量出现,不管是阿里、还是京东,以及顺丰等各大快递企业都会投入智能物流的硬件研发和应用。随着人力成本的不断提高,机器人成本与人工成本会越来越接近。简单重复性劳动被机器人取代只是时间问题。

第三,社会化物流会变成全社会经济的重要组成部分。数字化物流会让物流资源在全社会重新配置,不管是快递的人员、快递的工具、快递的设施,还是商品,都会来进行组合,任何一个社会资源都可能成为物流的一个环节。所以未来智能物流,一定是一个自由、开放、分享、透明、有信用的一套新的物流体系。

总结

科技和资本正在助推物流行业提质增效、做大做强,今准数据认为,尤其是互联网与物流业的深度融合,让智慧物流呈现蓬勃发展态势。

金准数据预测,互联网与供应链融合的智慧供应链将成为下一轮竞争的焦点,有望形成一批上下游协同、智能化连接、面向全球的现代供应链示范企业和服务平台。


 

 

金准数据 2018年中国人工智能自适应教育行业研究报告 2018-03-01 12:08:18

前言:

随着科技的发展,尤其是近年来人工智能的发展,使得许多行业在面临着机遇的同时,也面临着巨大挑战,自适应教育行业就是其中一个。

自适应(Adaptive),顾名思义是自我调节和匹配,具体含义是指根据数据的特征自动调整处理方法、顺序、参数和条件,以取得最佳处理效果。它不是指某项具体技术,而是多种知识和技术融合达成的一个结果。这个概念类似于共享经济,它不是指某个经济领域,而是新场景、商业模式、技术等因素融合而成的一种经济现象。

自适应学习产品有智能程度之分,区分标准是看它的技术水平基于人工、基于计算机编程还是基于人工智能。人工智能自适应在教育的各个环节都可应用,其中教学环节的应用最核心、难度也最大。目前中国产品总体处于初级阶段,人工智能自适应教育始于技术,胜于内容,终于效果,学习效果才是企业竞争力的最终评判要素。

1.自适应学习主张每个人都拥有自己独特的学习路径,是一种非常有前景的教育技术。国外起步早,应用广,并多次被实证研究证明有效。

2.自适应学习产品有智能程度之分,区分标准是看它的技术水平基于人工、基于计算机编程还是基于人工智能。人工智能自适应在教育的各个环节都可应用,其中教学环节的应用最核心、难度也最大。

3.人工智能自适应教育的本质是可规模化的个性化教育。

4.人工智能自适应教育行业处于发展早期的升温阶段,概念模糊,泡沫难免,目前至少40家公司已宣布入场。

5.K12辅导语言学习2015-2017年业内融资事件最多的两个细分领域,融资数量占比分别为52.2%34.8%

6.目前国内产品总体处于初级阶段;人工智能自适应教育始于技术,胜于内容,终于效果,学习效果才是企业竞争力的最终评判要素。


一、自适应学习与人工智能

1. 人工智能自适应学习

自适应促使学习方式发生深刻变革:每个人都有自己的路径

自适应(Adaptive),顾名思义是自我调节和匹配,具体含义是指根据数据的特征自动调整处理方法、顺序、参数和条件,以取得最佳处理效果。它不是指某项具体技术,而是多种知识和技术融合达成的一个结果。这个概念类似于“共享经济”,它不是指某个经济领域,而是新场景、商业模式、技术等因素融合而成的一种经济现象。

自适应学习(Adaptive Learning)在国内引起广泛关注是在2015年,彼时在线教育正野蛮生长,一小批人注意到在线教育完课率极低,这是因为在传统学习模式下1)不同学习内容之间的跳转逻辑是线性单一的,学生即使已经掌握了某一块内容,还是需要花费时间去学习;2)学生有问题也不能得到即时的反馈和帮助。对此,自适应学习致力于通过计算机手段检测学生当前的学习水平和状态,并相应地调整后面的学习内容和路径,帮助学生提升学习效率。然而,学习是一个复杂且隐性的过程,简单的计算机编程很难实现好的效果,运用人工智能技术来实现的人工智能自适应学习应运而生。这是对传统自适应学习的升级,也是对新型学习方式的探索,在教育领域意义重大。

2. 自适应学习产品有智能程度之分

基于人工、基于计算机编程还是基于人工智能?

当大多数人提起自适应学习时,他们对自适应学习产品的智能程度缺少一个清晰的定义。看一个自适应学习产品,需要判断它是基于人工的自适应,还是基于计算机编程的自适应,还是基于人工智能的自适应。目前人工智能总体上还处于初级阶段,人工智能+自适应学习又是一个新兴的领域,相关人才和经验总体上处于匮乏状态,因此市场上的人工智能自适应学习产品基本都属于弱人工智能的范畴。但即便是弱人工智能,相比于基于人工的自适应和基于简单计算机编程的自适应来说,也已经是一种进步。弱人工智能自适应学习进化到强人工智能自适应学习的突破口在于人工智能自适应技术的突破以及其在教育垂直领域的深度落地。

3. 人工智能自适应学习的原理

在大数据的基础上构建学习模型并输出学习建议

在现阶段,“搜集大数据——构建学习模型——输出学习建议”是实现人工智能自适应学习的基本步骤。学习模型的构建过程非常复杂,常人难以理解,通俗来说,它是在“借鉴”人类大脑的思考过程,通过成千上万个函数点互相传导信息,用穷举的方式从千丝万缕的函数嵌套关系中找出学习规则,并不断进化模型。它的输出由三部分要素有机结合而成:学习材料(如:一段教学视频、一道练习题),用来测评学生是否掌握学习材料的标准,学习材料的推送顺序。这三部分的内容和时长都由人工智能算法来决定。学生使用系统的时间越多,留下的行为数据越多,系统的效率就越高。

 

4.人工智能自适应学习系统的运行流程

像优秀教师一样“思考”和“行动”

老师是以经验驱动教学的,整个过程虽然遵循一定的节奏,但每一步的“火候”非常依赖于教学经验的积累,因此刚毕业的老师往往适合于答疑,而在教学的体系化上有所欠缺,教龄长的老师往往擅长全盘把控,而在亲和力上稍显不足;不同老师对学生学习情况的判断是不一样的,从而导致他们所规划的学习路径不同;两个老师即使经验值相等,还会在性格脾气、教学风格、薪酬期待上有所差异,从而影响教学效果。人工智能自适应学习系统旨在聚集并量化优秀教师的宝贵经验,以数据和技术来驱动教学,最大化地减小老师水平的差异,提高整体教学效率和效果。

 

二、自适应与人工智能+教育的关系

自适应能够深入教学核心环节,而其他AI技术不一定能深入

人工智能在教育领域的落地应用是大势所趋。目前已有的智能产品包括拍照搜题、分层排课、口语测评、组卷阅卷、作文批改、作业布置等工具,这些工具应用了先进的人工智能技术,但应用场景只停留在学习过程的辅助环节上,而不会直接带来教学质量和效果的提升。人工智能自适应则能够把人工智能技术渗透到教学的核心环节中,既有助于从根本上改进学习的理念和方式,也有助于产品打通商业模式,直接面向C端用户销售变现。

 

1. 人工智能自适应在教育过程中的应用

各个环节均有可为,教学环节最核心,全流程应用最高级

完整的教育流程可划分为内容开发——教学(学习)——练习——测评——管理五个环节,这些环节中都存在人工智能自适应学习可以应用的场景。其中,自适应内容开发是其他4个环节的基础,需要耗费巨大的工作量,目前国内少有公司专门以这项工作为主要业务,大多数公司往往只把它作为一项内部产品开发的前续工作;自适应管理指的是通过分析教学、作业、测评环节的学生数据,对用户进行智能预警、提醒和跟踪,是其他4个环节成功应用后的附加产物。人工智能自适应学习技术在教学、练习和测评三个环节的应用能够直接面对C端用户,市场广阔,是目前主要的三个应用环节,而其中教学环节的应用对学习效果的影响作用最大,也是整个教育流程中最核心、最复杂、最难的一环。随着用户对个性化和效果的需求越来越强烈,不同环节之间出现了一定的界限模糊,市场上也出现了能在五个环节同时应用的全流程自适应学习系统。

 

2. 深入应用到教学核心环节难度较大

需要先有教学环节的有效数据,不能仅有练测环节的数据

教学环节对学习效果的影响作用最大,也是整个教育流程中最核心、最复杂、最难的一环,而测评、练习环节相对外围、轻量、简单,因此自适应学习产品最先在测评和练题场景中得到应用。如果把不同的人工智能自适应学习产品分为“只应用到测评环节”(自适应测评)、“只应用到测评和练习环节”(自适应练习)、“同时应用到测评、练习和教学环节”(自适应教学)三类,那么自适应教学是其中数据获取难度和产品功能等级最高的一类。自适应教学产品的开发需要有教学环节的有效数据,而这些数据的获取难度高,具体体现在:1)自然状态下,教学过程数据是非结构化的;2)数据可挖掘的维度多,不限于测试成绩和作业情况,还包括学习路径、内容、速度、偏好、规律等深度数据;3)不同数据点之间的关系复杂。

 

3. 人工智能自适应教育的价值

核心价值是降本提效,促进行业升级

人工智能自适应教育是一次行业改革实验,对机构、对学生、对老师三方都具有降本提效的价值。其核心价值是把教育行业从劳动密集型的农业时代带向成本更低、效率更高的工业时代。农业化向工业化发展的趋势是不可阻挡的,即使不通过人工智能自适应教育来实现,也会通过其他渠道来实现。


三、国内外自适应教育行业发展现状

1. 国外的自适应学习产品

起步早,应用广

自适应学习早在20世纪90年代的美国就已存在,目前已得到较为广泛的应用。美国K-8(相当于中国的小学、初中)自适应学习公司DreamBox Learning曾在2010年后做过一项调查(调查样本超过480个,其中大部分人为K-8公立校教师), 结果表明49%的人正在自适应学习软件上教授补充课程,42%的人正将其作为核心课程平台使用。

自适应学习产品在国外各个学习阶段都有应用,包括早幼教、小学、初中、高中、大学、职业领域等,并已覆盖多个学科。

 

 

2. 中国人工智能自适应教育行业发展现状

中国人工智能自适应教育行业处于发展早期的升温阶段,概念模糊,泡沫难免

不可否认的是,从行业发展阶段来看,目前人工智能自适应教育行业仍处在发展早期,并且由于“人工智能”概念过热,加上市场受到巨头进入、大额融资等事件的刺激,从而存在一定的炒作现象。但这是一项新兴事物发展的必经之路。人工智能本身受到的市场反应也呈现出“这是全能的——这是骗子——这是全能的——这是骗子”的反复性,人工智能在教育行业的落地应用不是一蹴而就的,必然也会因为初期效果的不甚理想而反复受到推崇和质疑。随着人工智能技术进入稳定期,质疑的声音才会渐渐消除,行业发展路径才会稳定上升。

 

中国人工智能自适应教育行业玩家分布教育科技+课程变现前景良好,至少40家公司宣布入场

不断有企业瞄准、涌入人工智能自适应教育赛道。一类是提供在线英语课程和工具的公司,英语领域本身具有一定的国外自适应学习经验,而且相关的学习材料、标准化测评和题库数据都足够多,开发环境相对较好。一类是以题库、作业平台为基础,或进入公立学校做考试数据采集和分析的公司,他们能够收集一部分学习数据,在大数据采集和用户认知经验上具有一定的先发优势。另一类是主打自适应教育的公司,他们以自适应学习系统为主攻产品。此外,其他在线教育机构、线下教育机构、甚至非教育行业的机构都在试图进入这一领域。

 

中国人工智能自适应教育行业特点边际明显:初期投入大,越往后数据的反哺能力越强

毫无疑问,随着越来越多的学生使用某个产品,产品所收集的数据量会越来越多。在一般的在线教育产品中,这些数据会被储存起来,经由人工挖掘和分析,用于优化产品;而在人工智能自适应学习产品中,这些数据会像“燃料”一样被输送进人工智能算法这个“大锅炉”中,由数据来训练算法,输出更接近真实情况的学习模型,赋予学习系统更好的性能和更高级的功能,从而吸引更多的学生使用。学生使用系统则产生更多的数据,继续上述流程,形成良性循环。另外,系统通过数据对学生产生的“了解”会随着时间递增,学生之后更换产品的转换成本会非常高。因此可以说,人工智能自适应教育行业比一般的在线教育行业具有更明显的边际效益。

 

中国人工智能自适应教育行业产业链产品开发吸纳大量资金,产业链头重脚轻,分工有待细化

人工智能自适应教育行业产业链的结构与在线教育行业类似,都包含了从产品开发(内容研发+技术支持)到教学服务再到分发推广的过程,两者差别在于,前者的产品开发环节由于涉及到新兴的人工智能技术,从而吸金能力更强、难度更高、耗时更长。产品开发需要教研经验、教育学、心理学、计算机、大数据、人工智能等多个领域的跨界协作和共同摸索,前期投入可达千万元人民币级别。目前K12辅导和语言学习是产品的两大重点应用场景。

 

3. 我国自适应教育行业发展趋势

美国以To B为主,中国以To C为主,不能照搬

在美国,自适应教育企业的商业模式一般以To B为主,这主要是因为美国C端用户个人发展压力小,接受额外培训的意愿没有中国人那么强,因此To C培训空间小,另外与机器交互的自适应学习在机构内推广也容易快速形成规模,发挥边际效益。中国To C教育培训市场比美国广阔,并且高度分散,只要用心经营人人都可以分一杯羹,To B市场则更多地需要借助人脉关系,进入成本高。中美两国的国情和文化土壤差异较大,不能照搬商业模式,但美国的产品和技术值得关注、学习。

 

行业内投融资情况K12辅导和语言学习领域最受关注

2015年到2017年,中国人工智能自适应学习相关概念一直受到资本市场的关注,融资轮次逐渐呈现出从种子轮、天使轮的早期阶段向A轮、B轮的中期阶段发展的趋势。其中K12辅导和语言学习两个细分领域的融资事件最多,占比分别达52.2%34.8%K12辅导是中国教育培训行业中市场规模最大的一个子领域,吸引力大;语言学习则因为学习内容轻量化、国际化,天然适合与科技接轨。

 

企业通常会面临的难点新事物的发展之路上每一步都有“坑”

人工智能自适应学习产品与传统教育产品相比,改革跨度太大,因此不可避免地在团队招募、产品开发、市场推广等方面会面临较大阻力。由于行业发展仍处于早期阶段,所以目前最大的难点还是来自于产品开发。作为主要的使用者,老师群体也需要一定的适应时间,而且需要在心态上做一次转变。

 

行业热度持续教育科技大势所趋,入局企业持续增多

人工智能自适应教育领域的入局企业将持续增多。主要原因如下:1)人工智能火热,市场风向如此;2)人工智能算法开源、技术进步,人才增多;3)教育市场是一个需求非常多样、行业格局非常长尾的市场,人工智能+自适应学习几乎可以应用在每一个细分领域,行业集中度短期内也不会明显提升,因此各企业有空间做到差异化竞争、区域化竞争;4)在线教育狂奔三四年之后,各企业开始集体寻求变现,2017年是直播变现大年,而自适应学习系统有望成为直播平台的底层标配,用来提高直播课程的标准化水平、解决直播平台大规模扩张后师资不足的问题。

 

人工智能是关键技术短期内集中力量突破增强数据挖掘、认知专家顾问等技术

金准数据分析认为,未来2-5年内增强数据挖掘、认知专家顾问、深度学习、边缘计算、机器学习、虚拟现实等技术将度过泡沫期,逐渐被主流所应用。未来2年内如果企业能率先在这些技术领域取得突破性进展,则可以抢占先机。人工智能自适应教育行业是一个技术驱动型行业,技术能力对企业至关重要,短期内内各企业之间技术能力的赛跑也将正式开始。但由于教育行业是一个典型的“慢”行业,因此这些技术在教育行业真正普及至少需要2-5年的时间。

 

 

企业竞争力要素悄然改变始于技术,胜于内容,终于结果

人工智能无疑是未来趋势,但它始终只是一种手段,如果在学习的某些环节,使用一些简单的信息化手段或人为手段能实现更好的学习效果,那么这一环节就不需要也不应该借助人工智能。真正创造价值的是创新的问题解决模式,而不是某一项技术。人工智能自适应教育最早发展出的功能是反映学生的能力水平(测试功能),后来逐渐加入找出知识点盲区(评价功能)、推送内容弥补盲区(学习功能)的功能,但目前所推送的学习内容的表现形式仍然是视频、题目等旧形式,其背后的学习方式仍然是传统的“听课”和“刷题”,这是由教学思路的固化导致的。随着人工智能技术的突破、社会对人才评价标准的更替,未来人工智能自适应教育领域将迎来内容体系的新革命,实践式教学、沉浸式教学等理念带来的新型学习方式将更多地融入自适应学习系统,正如目前在线教育领域教研岗人才稀缺一样,未来各人工智能自适应教育企业的技术差距将逐渐缩小,而能深刻理解教学教研、具备新技术条件下的创造能力的教研人才将受热捧。

 

总结:

当前我国人工智能自适应教育行业有待细化。金准数据认为,人工智能自适应教育的本质是可规模化的个性化教育。金准数据认为,人工智能自适应教育的核心价值是降本提效,促进行业升级。人工智能自适应教育是一次行业改革实验,对机构、对学生、对老师三方都具有降本提效的价值。其核心价值是把教育行业从劳动密集型的农业时代带向成本更低、效率更高的工业时代。农业化向工业化发展的趋势是不可阻挡的,即使不通过人工智能自适应教育来实现,也会通过其他渠道来实现。

从行业发展阶段来看,目前人工智能自适应教育行业仍处在发展早期,并且由于人工智能概念过热,加上市场受到巨头进入、大额融资等事件的刺激,从而存在一定的炒作现象。但这是一项新兴事物发展的必经之路。人工智能本身受到的市场反应也呈现出这是全能的——这是骗子——这是全能的——这是骗子的反复性,随着人工智能技术进入稳定期,质疑的声音才会渐渐消除,行业发展路径才会稳定上升。因此,金准数据认为,中国人工智能自适应教育行业目前处于发展早期的升温阶段,概念模糊,泡沫难免。

金准数据认为,中国人工智能自适应教育行业特点为初期投入大,越往后数据的反哺能力越强。产业链方面,中国人工智能自适应教育行业产品开发吸纳大量资金,产业链头重脚轻,分工有待细化。K12辅导和语言学习领域最受关注中国人工智能自适应教育领域的入局企业将持续增多

金准数据专家指出,随着人工智能技术的突破、社会对人才评价标准的更替,未来人工智能自适应教育领域将迎来内容体系的新革命,实践式教学、沉浸式教学等理念带来的新型学习方式将更多地融入自适应学习系统,正如目前在线教育领域教研岗人才稀缺一样,未来各人工智能自适应教育企业的技术差距将逐渐缩小,而能深刻理解教学教研、具备新技术条件下的创造能力的教研人才将受热捧。