更廣泛領(lǐng)域的AI應(yīng)用

從2C到2G、2B，AI應(yīng)用于更廣泛的領(lǐng)域，助力傳統(tǒng)行業(yè)轉(zhuǎn)型和市場(chǎng)競(jìng)爭(zhēng)格局重構(gòu)。

傳統(tǒng)行業(yè)的效率具備較大提升空間，結(jié)合自身多年積累的數(shù)據(jù)，借助于物聯(lián)網(wǎng)IoT、工業(yè)互聯(lián)網(wǎng)、產(chǎn)業(yè)互聯(lián)網(wǎng)技術(shù)，傳統(tǒng)行業(yè)有望匯總更多維度、更長(zhǎng)歷史周期的數(shù)字化數(shù)據(jù)，結(jié)合AI技術(shù)，用于提升效率。

在城市治理領(lǐng)域，G端(政府端)對(duì)于交通、安防、政務(wù)等領(lǐng)域存在效率優(yōu)化需求;在B端(企業(yè)端)，工業(yè)企業(yè)可望利用AI技術(shù)進(jìn)一步提升可靠性和效率、降低成本。AI將廣泛應(yīng)用于自動(dòng)駕駛、家居、安防、交通、醫(yī)療、教育、政務(wù)、金融、商業(yè)零售等領(lǐng)域。

AI產(chǎn)業(yè)鏈:算力驅(qū)動(dòng)，場(chǎng)景為王

AI產(chǎn)業(yè)鏈分為:基礎(chǔ)層、技術(shù)層、應(yīng)用層。

基礎(chǔ)層主要包括:AI芯片、IoT傳感器等，技術(shù)層主要包括:圖像識(shí)別、語音識(shí)別、自然語言處理NLP、知識(shí)圖譜等，應(yīng)用層的場(chǎng)景包括:無人駕駛、智慧安防、智慧城市(城市大腦)、金融科技Fintech、智慧醫(yī)療、智慧物流等領(lǐng)域。

資本和科技巨頭是AI投資的主要力量，積極布局全產(chǎn)業(yè)鏈。

2017年全球人工智能投融資規(guī)模達(dá)395億美元，融資事件1208筆;中國(guó)境內(nèi)融資事件369筆，占全球31%。

2018年上半年，中國(guó)AI投資總規(guī)模1527億，顯著超越2017全年(754億)。

中美是人工智能技術(shù)和應(yīng)用的兩極。

美國(guó)在AI通用芯片領(lǐng)域具備較強(qiáng)優(yōu)勢(shì)，如英偉達(dá)GPU、賽靈思FPGA、谷歌TPU等；亦在無人駕駛、語音助手、云計(jì)算、智能手機(jī)硬件、AR&VR等領(lǐng)域擁有諸多優(yōu)秀創(chuàng)業(yè)公司。

中國(guó)是全球第二大AI力量，人工智能企業(yè)超過1000家。中國(guó)在ASIC專用芯片領(lǐng)域有所突破，亦在2G(對(duì)政府)和2B(對(duì)企業(yè))的“場(chǎng)景”端和“算法”端快速迭代。

基礎(chǔ)層:AI芯片、深度學(xué)習(xí)等算力:AI芯片

芯片是AI產(chǎn)業(yè)的制高點(diǎn)。

本輪人工智能產(chǎn)業(yè)繁榮源于大幅提升的AI算力，使得深度學(xué)習(xí)和多層神經(jīng)網(wǎng)絡(luò)算法成為可能。

從使用場(chǎng)景來看，相關(guān)硬件包括:云側(cè)推理芯片、云側(cè)測(cè)試芯片、終端處理芯片、IP核心等。

在云端的“訓(xùn)練”或“學(xué)習(xí)”環(huán)節(jié)，英偉達(dá)GPU具備較強(qiáng)競(jìng)爭(zhēng)優(yōu)勢(shì)，谷歌TPU亦在積極拓展市場(chǎng)和應(yīng)用。在終端的“推理”應(yīng)用領(lǐng)域FPGA和ASIC可能具備優(yōu)勢(shì)。

美國(guó)在GPU和FPGA領(lǐng)域具有較強(qiáng)優(yōu)勢(shì)，擁有英偉達(dá)、賽靈思、AMD等優(yōu)勢(shì)企業(yè)，谷歌、亞馬遜亦在積極開發(fā)AI芯片。

中國(guó)企業(yè)在專用ASIC領(lǐng)域試圖拓展，創(chuàng)業(yè)公司如地平線等積極探索。

算法:深度學(xué)習(xí)

深度學(xué)習(xí)正在向深度神經(jīng)網(wǎng)絡(luò)過渡。機(jī)器學(xué)習(xí)是通過多層非線性的特征學(xué)習(xí)和分層特征提取，對(duì)圖像、聲音等數(shù)據(jù)進(jìn)行預(yù)測(cè)的計(jì)算機(jī)算法。

深度學(xué)習(xí)為一種進(jìn)階的機(jī)器學(xué)習(xí)，又稱深度神經(jīng)網(wǎng)絡(luò)(DNN:DeepNeuralNetworks)。

針對(duì)不同場(chǎng)景(信息)進(jìn)行的訓(xùn)練和推斷，建立不同的神經(jīng)網(wǎng)絡(luò)與訓(xùn)練方式，而訓(xùn)練即是通過海量數(shù)據(jù)推演，優(yōu)化每個(gè)神經(jīng)元的權(quán)重與傳遞方向的過程。

而卷積神經(jīng)網(wǎng)絡(luò)，能考慮單一像素與周邊環(huán)境變量并簡(jiǎn)化數(shù)據(jù)提取數(shù)量，進(jìn)一步提高神經(jīng)網(wǎng)絡(luò)算法的效率。

神經(jīng)網(wǎng)絡(luò)算法成為大數(shù)據(jù)處理核心。

AI通過海量標(biāo)簽數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，優(yōu)化神經(jīng)網(wǎng)絡(luò)與模型，并導(dǎo)入推理決策的應(yīng)用環(huán)節(jié)。

20世紀(jì)90年代是機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)算法快速崛起的時(shí)期，算法在算力支持下得到商用。

20世紀(jì)90年代以后，AI技術(shù)的實(shí)際應(yīng)用領(lǐng)域包括了數(shù)據(jù)挖掘、工業(yè)機(jī)器人、物流、語音識(shí)別、銀行業(yè)軟件、醫(yī)療診斷和搜索引擎等。

相關(guān)算法的框架成為科技巨頭的布局重點(diǎn)。

技術(shù)層

圖像識(shí)別

圖像識(shí)別的核心技術(shù)是計(jì)算機(jī)視覺。計(jì)算機(jī)視覺(ComputerVision，CV)是用機(jī)器替代人眼，對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等，并處理為人眼觀察或易于機(jī)器檢測(cè)的圖像的技術(shù)。

技術(shù)上需要大量的圖像數(shù)據(jù)對(duì)計(jì)算機(jī)進(jìn)行訓(xùn)練，如人臉、動(dòng)物圖片、證件圖片等，依靠AI芯片和深度學(xué)習(xí)算法進(jìn)行歸類判斷，最終對(duì)輸入圖像進(jìn)行識(shí)別。

圖像識(shí)別可廣泛用于各類場(chǎng)景。圖像識(shí)別技術(shù)已經(jīng)用于動(dòng)態(tài)人臉識(shí)別、在線/離線活體檢測(cè)、超大人像庫實(shí)時(shí)檢索、證件識(shí)別、行人檢測(cè)、軌跡分析等領(lǐng)域，具體到2G和2G端可用于地產(chǎn)、安防、交通、無人駕駛、零售、商業(yè)等具體場(chǎng)景。

語音識(shí)別

依靠深度學(xué)習(xí)和芯片突破，語音識(shí)別的準(zhǔn)確度不斷提升。

語音識(shí)別將人發(fā)出的語音詞匯內(nèi)容轉(zhuǎn)換為文字或指令，主要是分析句子、句法以及結(jié)構(gòu)，以便將人類語言轉(zhuǎn)換為計(jì)算機(jī)語言。

以深度神經(jīng)網(wǎng)絡(luò)算法取代傳統(tǒng)模型后，語音識(shí)別的單詞錯(cuò)誤率每年下降約18%，以谷歌、微軟、亞馬遜為代表的巨頭已經(jīng)開發(fā)出具備人類級(jí)別的語音識(shí)別系統(tǒng)。

語音識(shí)別是智能語音的前端技術(shù)。

智能語音涉及語音采集、語義理解、自然語言生成、語音合成等技術(shù)。在語音采集部分，相較于圖像識(shí)別、語音識(shí)別的算法復(fù)雜度更高、標(biāo)簽數(shù)據(jù)量更大、精確度要求更高。

在語音識(shí)別領(lǐng)域，通過高性能麥克風(fēng)陣列和神經(jīng)網(wǎng)絡(luò)算法可以實(shí)現(xiàn)高精度識(shí)別。

自然語言處理NLP

自然語言處理(NaturalLanguageProcessing，NLP)是研究人機(jī)之間以人類語言進(jìn)行交流的方法的過程。

NLP包括多方面步驟，基本由認(rèn)知、理解、生成等部分。

基于數(shù)據(jù)及知識(shí)圖譜，計(jì)算機(jī)通過閱讀(知識(shí))自動(dòng)獲取信息，通過NLP可以將輸入的語言變?yōu)橛芯唧w含義的符號(hào)，再根據(jù)使用者意圖進(jìn)行處理，重新編為人類語言輸出。與語音識(shí)別關(guān)注準(zhǔn)確度不同，NLP更多關(guān)注語言的具體含義及語境，試圖理解句子意圖和上下文含義。

NLP是智能語音的核心技術(shù)。

語音識(shí)別和采集技術(shù)已經(jīng)依靠AI芯片、深度學(xué)習(xí)算法及麥克風(fēng)陣列硬件得到解決，而語義理解仍有很多基礎(chǔ)工作要積累，譬如算法建模、數(shù)據(jù)標(biāo)簽、知識(shí)圖譜等。

NLP在智能語音中負(fù)責(zé)將計(jì)算機(jī)語音重新編為人類語言進(jìn)行輸出，要盡可能縮小歧義，是智能語音的核心技術(shù)。

以語音識(shí)別+NLP的智能語音技術(shù)在芯片算力和深度神經(jīng)算法加持下其準(zhǔn)確度正進(jìn)一步提高。

技術(shù)層

圖像識(shí)別

圖像識(shí)別的核心技術(shù)是計(jì)算機(jī)視覺。計(jì)算機(jī)視覺(ComputerVision，CV)是用機(jī)器替代人眼，對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等，并處理為人眼觀察或易于機(jī)器檢測(cè)的圖像的技術(shù)。

技術(shù)上需要大量的圖像數(shù)據(jù)對(duì)計(jì)算機(jī)進(jìn)行訓(xùn)練，如人臉、動(dòng)物圖片、證件圖片等，依靠AI芯片和深度學(xué)習(xí)算法進(jìn)行歸類判斷，最終對(duì)輸入圖像進(jìn)行識(shí)別。

知識(shí)圖譜

知識(shí)圖譜提供了管理組織海量數(shù)據(jù)的能力。知識(shí)圖譜融合了認(rèn)知計(jì)算、知識(shí)表示和推理、信息檢索與抽取、自然語言處理與語義Web、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)，是人工智能的重要研究領(lǐng)域。

知識(shí)圖譜的應(yīng)用可以直接為用戶提供答案和解決方案，直接顯示滿足客戶需求的結(jié)構(gòu)化信息內(nèi)容。

以語音和圖像作為知識(shí)圖譜，AI技術(shù)快速滲透。

對(duì)AI來說，數(shù)據(jù)多為無效或原始信息，需要大量的歸類與標(biāo)簽工作，才能為后期的分析與學(xué)習(xí)所用。而語音和圖像數(shù)據(jù)由于來源廣、可得性高，語音及圖像知識(shí)圖譜與行業(yè)數(shù)據(jù)庫，成為當(dāng)前人工智能的積累重點(diǎn)。

應(yīng)用層:場(chǎng)景+AI

從2C到2G、2B，AI應(yīng)用于更廣泛的領(lǐng)域，助力傳統(tǒng)行業(yè)轉(zhuǎn)型和市場(chǎng)競(jìng)爭(zhēng)格局重構(gòu)。

傳統(tǒng)行業(yè)的效率具備較大提升空間，結(jié)合自身多年積累的數(shù)據(jù)，借助于物聯(lián)網(wǎng)IoT、工業(yè)互聯(lián)網(wǎng)、產(chǎn)業(yè)互聯(lián)網(wǎng)技術(shù)，傳統(tǒng)行業(yè)有望匯總更多維度、更長(zhǎng)歷史周期的數(shù)字化數(shù)據(jù)，結(jié)合AI技術(shù)，用于提升效率。

在城市治理領(lǐng)域，G端(政府端)對(duì)于交通、安防、政務(wù)等領(lǐng)域存在效率優(yōu)化需求;在B端(企業(yè)端)，工業(yè)企業(yè)可望利用AI技術(shù)進(jìn)一步提升可靠性、提升效率、降低成本。

AI將廣泛應(yīng)用于自動(dòng)駕駛、家居、安防、交通、醫(yī)療、教育、政務(wù)、金融、商業(yè)零售等領(lǐng)域。

自動(dòng)駕駛/無人駕駛:AI+汽車

從輔助駕駛ADAS到無人駕駛，圖像識(shí)別等AI技術(shù)在汽車領(lǐng)域廣泛應(yīng)用。

科技企業(yè)直接布局L4、L5級(jí)別的高級(jí)自動(dòng)駕駛和無人駕駛。汽車企業(yè)通過產(chǎn)品迭代的方式，在L2、L3級(jí)別自動(dòng)駕駛和ADAS領(lǐng)域有所進(jìn)展。

我們認(rèn)為，自動(dòng)駕駛是AI技術(shù)的重要應(yīng)用場(chǎng)景，近年來的人工智能投資大量集中于新造車力量(自動(dòng)駕駛+新能源汽車)、自動(dòng)駕駛芯片和解決方案(Mobileye、地平線等)、自動(dòng)駕駛商業(yè)化運(yùn)營(yíng)(主線科技、圖森科技等)。

此外，傳統(tǒng)汽車OEM和零部件供應(yīng)商也在發(fā)力，希望在自動(dòng)駕駛領(lǐng)域獲得更大市場(chǎng)。

科技巨頭開始轉(zhuǎn)向更適應(yīng)快速量產(chǎn)的解決方案。

谷歌的無人駕駛項(xiàng)目始于2009年，并在2016年成立Waymo來擴(kuò)大業(yè)務(wù)。

截至2018年10月Waymo實(shí)際路測(cè)超千萬英里，全行業(yè)領(lǐng)先。公司并在2018年宣布訂購(gòu)8萬輛車，籌建L4自動(dòng)駕駛的改裝產(chǎn)線;目前已在鳳凰城推出無人出租車WaymoOne，建立收費(fèi)模式與運(yùn)營(yíng)經(jīng)驗(yàn)，可望加速商用。

此外，Waymo積極布局海外，2018年在上海注冊(cè)全資子公司。英偉達(dá)推出L2+自動(dòng)駕駛系統(tǒng)DRIVEAutoPilot，在多方向上配備個(gè)鏡頭，能夠在汽車變道、行人與騎行人士識(shí)別、停車輔助、實(shí)時(shí)地圖生成和駕駛員狀態(tài)監(jiān)控等多方面提供輔助。

百度發(fā)布Apollo3.5版本、“自動(dòng)駕駛物流”商業(yè)化解決方案ApolloEnterprise、面向自動(dòng)駕駛的高性能開源計(jì)算框架ApolloCyberRT。

Apollo3.5版本可以實(shí)現(xiàn)包括市中心和住宅場(chǎng)景在內(nèi)的復(fù)雜城市道路無人駕駛，更智能、更強(qiáng)大的自動(dòng)駕駛解決方案可以在多個(gè)應(yīng)用場(chǎng)景實(shí)現(xiàn)全面覆蓋。百度Apollo無人駕駛巴士亦在北京海淀公園等園區(qū)開始試運(yùn)營(yíng)。

圖像識(shí)別可廣泛用于各類場(chǎng)景。圖像識(shí)別技術(shù)已經(jīng)用于動(dòng)態(tài)人臉識(shí)別、在線/離線活體檢測(cè)、超大人像庫實(shí)時(shí)檢索、證件識(shí)別、行人檢測(cè)、軌跡分析等領(lǐng)域，具體到2G和2G端可用于地產(chǎn)、安防、交通、無人駕駛、零售、商業(yè)等具體場(chǎng)景。

傳統(tǒng)汽車廠商和零部件供應(yīng)商開始更多地展示其產(chǎn)品的智能化、數(shù)字化應(yīng)用。

以BBA(奔馳、寶馬、奧迪)為代表，超大尺寸的車載屏幕已經(jīng)進(jìn)入量產(chǎn)階段，未來越來越多的車輛會(huì)搭載更大、更多的屏幕。

車內(nèi)影音娛樂系統(tǒng)也與VR/AR等技術(shù)進(jìn)行了深度融合。傳統(tǒng)汽車企業(yè)在人機(jī)交互(智能語音)、智能導(dǎo)航、輔助駕駛ADAS等領(lǐng)域迭代探索。

部分龍頭汽車零部件供應(yīng)商開始設(shè)想L4/L5級(jí)自動(dòng)駕駛技術(shù)普及后的出行體驗(yàn)。

博世在2019年CES上展示多項(xiàng)創(chuàng)新技術(shù)，涉及能源、交通擁堵和環(huán)境污染等方面;

首次展示了其無人駕駛電動(dòng)巴士概念車，該車配備了電動(dòng)車動(dòng)力總成系統(tǒng)、360度環(huán)繞傳感器、互聯(lián)管理和車載電腦等創(chuàng)新技術(shù)。大陸集團(tuán)展示了未來城市的解決方案和關(guān)鍵技術(shù)，比如智能交叉路口技術(shù)等。

語音助手、智能音箱、智能家居:AI+IoT

巨頭密集布局互聯(lián)網(wǎng)語音助手。語音助手是智能語音在個(gè)人用戶上的主要應(yīng)用形式，目前市場(chǎng)產(chǎn)品主要包括蘋果Siri、微軟Cortana、谷歌Assistant、亞馬遜Alexa等。

產(chǎn)品的主要形式為:以智能手機(jī)、智能音箱、智能電視等為硬件載體，通過語義交互、對(duì)話等形式為客戶提供信息查詢、硬件控制、在線購(gòu)物、影音娛樂等功能。目前全球主要科技巨頭均推出了相關(guān)產(chǎn)品及服務(wù)。

語音助手具有AI+互聯(lián)網(wǎng)的生態(tài)入口屬性。

語音助手的主要功能目前集中在信息查詢、影音娛樂、個(gè)人助手、部分生活服務(wù)、智能家居及其他硬件控制等為主。

語音助手目前主要集成在智能手機(jī)等移動(dòng)設(shè)備上，依靠巨頭的系統(tǒng)生態(tài)圈，嵌入移動(dòng)終端的語音助手將會(huì)發(fā)揮AI生態(tài)接口的作用。

語音助手具有較好的用戶粘性，同時(shí)用戶對(duì)語音助手的使用對(duì)智能手機(jī)、Pad等現(xiàn)有設(shè)備已具有替代和分流作用。

巨頭開放智能語音AI能力，推動(dòng)自有AI+互聯(lián)網(wǎng)生態(tài)構(gòu)建。

隨著計(jì)算機(jī)視覺等其他AI技術(shù)的融入，智能語音在行業(yè)市場(chǎng)中應(yīng)用場(chǎng)景有望持續(xù)擴(kuò)展。

全球科技巨頭在全力布局智能語音助手、智能音箱，打造智能語音生態(tài)等的同時(shí)，亦通過智能語音技術(shù)能力的開放提升自身在行業(yè)市場(chǎng)的參與度。

數(shù)據(jù)、算法與算力、應(yīng)用場(chǎng)景為當(dāng)前人工智能產(chǎn)業(yè)三大核心要素，科技巨頭具有技術(shù)和生態(tài)的雙重優(yōu)勢(shì)，有望以基礎(chǔ)技術(shù)開放平臺(tái)為抓手，實(shí)現(xiàn)數(shù)據(jù)、應(yīng)用場(chǎng)景等層面的不斷積累，從而推動(dòng)AI生態(tài)的構(gòu)建和閉環(huán)，并最終實(shí)現(xiàn)自我持續(xù)強(qiáng)化。

智能音箱:巨頭全力布局，市場(chǎng)加速普及。

全球已有眾多科技巨頭進(jìn)入智能音箱市場(chǎng)，包括美股五強(qiáng)FAAMG、中國(guó)BAT、小米、科大訊飛等。

自首發(fā)至2018年6月，亞馬遜、谷歌、阿里、小米智能音箱累計(jì)銷量分別超過3000萬、1500萬、500、100萬臺(tái)。

借助豐富的產(chǎn)品線、爆款定價(jià)策略等優(yōu)勢(shì)，科技巨頭有望持續(xù)主導(dǎo)全球智能音箱市場(chǎng)。

2018年11月28日小米第二屆AIoT開發(fā)者大會(huì)在北京舉辦，確認(rèn)“AI+IoT”是公司核心戰(zhàn)略，宣布小米AIoT開放生態(tài)，宣布與宜家達(dá)成戰(zhàn)略合作。

截至2018年底小米體系已支持近2000款設(shè)備，全球范圍的智能設(shè)備連接數(shù)超過1.32億臺(tái)。在IoT領(lǐng)域的合作伙伴，只要接入小米的協(xié)議和規(guī)范就可以和小米設(shè)備互聯(lián)，享受進(jìn)入開放生態(tài)的福利。

科技巨頭發(fā)力AIoT生態(tài)體系。

越來越多的公司兼容主流的智能家居生態(tài)，比如三星、LG、索尼、Vizio等發(fā)布的新產(chǎn)品均同時(shí)支持谷歌Assistant和亞馬遜的Alexa。

智能客服

智能客服是AI應(yīng)用最廣泛的細(xì)分行業(yè)。

智能客服的核心技術(shù)包含語音識(shí)別、自然語言處理、知識(shí)圖譜，部分涉及計(jì)算機(jī)視覺，其采用自然語言技術(shù)理解客戶意圖，并通過知識(shí)圖譜來構(gòu)建客服機(jī)器人的理解和回答體系，可提升企業(yè)的服務(wù)效率、節(jié)省人工客服成本。

知名智能客服系統(tǒng)服務(wù)商有:環(huán)信、Udesk、風(fēng)語者。而AI+客服又可以和AI+機(jī)器人進(jìn)行結(jié)合，典型產(chǎn)品如小i客服機(jī)器人。

按照行業(yè)平均水平，機(jī)器人客服可以解決70%左右問題，其余由人工處理。

據(jù)IDC統(tǒng)計(jì)，全球2018年AI系統(tǒng)支出中，客戶服務(wù)與智能銷售的支出規(guī)模分別為29億美元和17億美元，合計(jì)占總支出規(guī)模的19%。

智慧商業(yè):AI+商業(yè)

AI助力線下新零售。

AmazonGo為亞馬遜提出的無人商店概念，無人商店于2018年1月22日在美國(guó)西雅圖正式對(duì)外營(yíng)運(yùn)。

AmazonGo結(jié)合了云計(jì)算和機(jī)器學(xué)習(xí)，應(yīng)用拿了就走技術(shù)(JustWalkOutTechnology)和智能識(shí)別技術(shù)(AmazonRekognition)。

店內(nèi)的相機(jī)、感應(yīng)監(jiān)測(cè)器以及背后的機(jī)器算法會(huì)辨識(shí)消費(fèi)者拿走的商品品項(xiàng)，并且在顧客走出店時(shí)將自動(dòng)結(jié)賬，是零售商業(yè)領(lǐng)域的全新變革。

對(duì)于傳統(tǒng)線下商業(yè)，電子化、數(shù)據(jù)化和智能化有助提升效率。

線下商業(yè)企業(yè)開始嘗試使用電子價(jià)簽、基于計(jì)算機(jī)視覺的數(shù)據(jù)跟蹤和分析、人工智能在選址和運(yùn)營(yíng)中的應(yīng)用。

我們判斷，電子化、數(shù)據(jù)化和智能化將助力線下商業(yè)零售行業(yè)競(jìng)爭(zhēng)格局重構(gòu)。

線上商業(yè)零售，以數(shù)據(jù)為基礎(chǔ)打造閉環(huán)AI商業(yè)生態(tài)。

以阿里為例，在零售、電子商務(wù)端的大數(shù)據(jù)以數(shù)據(jù)銀行的形式作為底層數(shù)據(jù)，通過大數(shù)據(jù)、云計(jì)算、AI分析為客戶提供決策支持，覆蓋金融、社交、商業(yè)、物流等多體系，形成完整的AI+商業(yè)生態(tài)體系。

智慧安防:AI+安防

AI+安防是AI圖像識(shí)別2G的主要落地方式。

傳統(tǒng)安防設(shè)備將音視頻材料簡(jiǎn)單記錄后，需要大批量人工進(jìn)行逐一甄別或?qū)崟r(shí)監(jiān)控。

引入AI后，算法可以自動(dòng)將人像及事故場(chǎng)景與預(yù)設(shè)標(biāo)簽比較，識(shí)別出特定人物及事故，充分盤活原有音視頻及圖像數(shù)據(jù)資源。

AI+安防可用于市政治安管理，提升智能發(fā)現(xiàn)的事件數(shù)目，降低事件發(fā)生處理平均時(shí)長(zhǎng)，對(duì)警、消、救等各類車輛進(jìn)行聯(lián)合指揮調(diào)度。

也可以用于車站、機(jī)場(chǎng)等需要驗(yàn)證信息的特殊場(chǎng)景，減少人工成本及審核時(shí)間，提高效率。

國(guó)內(nèi)安防市場(chǎng)具有較大潛力。

目前國(guó)內(nèi)安防市場(chǎng)規(guī)模穩(wěn)步增長(zhǎng)，相比發(fā)達(dá)國(guó)家，我國(guó)攝像頭滲透率仍待提高。

?？低?/u>是目前國(guó)內(nèi)乃至于全球的安防龍頭，產(chǎn)品由底層的攝像頭硬件、人臉及物體識(shí)別算法、后臺(tái)系統(tǒng)、數(shù)據(jù)庫等全面覆蓋。