2019人工智能产业知识产权发展白皮书

（获取报告请登陆未来智库www.vzkoo.com）

1.1 人工智能定义

人工智能并没有一个统一的定义，在学术界，有几个重要的观点 ：

1956 年，达特茅斯会议首次提出人工智能的定义 ：使一部机器的反应方式像一个人在行动时所依据的智能。

美国斯坦福大学著名人工智能研究中心的尼尔逊教授定义“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的学科”。

著名的美国大学 MIT 的 Winston 教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。

什么是人工智能？

人工智能是利用数字计算机或者数字计算控制的机器模拟、延伸和拓展人的智能， 感知环境、 获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。根据人工智能是否能正式地实现推理、思考和解决问题，可以将人工智能分为弱人工智能和强人工智能。

弱人工智能是指不能真正实现推理和解决问题的智能机器。目前主流研究仍然集中于弱人工智能，如语音识别、图像处理和物体分割、机器翻译等。

强人工智能是指真正能思维的智能机器，并且认为这样的机器是有自觉的和自我意识的，这类机器可分为类人和非类人两类。

1.2 人工智能产业图谱

随着人工智能技术的变化与发展，全球人工智能领域已逐步在底层基础支撑、核心技术创新、上层行业应用之间建立初步产业链条。其中，底层基础支撑包括数据、基础算法、智能硬件（如芯片、传感器）等 ；核心技术层典型的有机器学习、深度学习技术、计算机视觉技术、智能语音技术、自然语言处理等 ；上层行业应用层则涉及到人工智能在各行各业中的应用，诸如 AI+ 安防、AI+ 医疗、AI+ 金融、AI+ 零 售、AI+ 教 育、AI+ 家 居、AI+ 农业、AI+ 制造、AI+ 网络安全、AI+ 人力资源、AI+ 知识产权、智能驾驶，智能机器人等。伴随着技术的创新和行业应用的拓宽，人工智能领域核心技术的知识产权布局已经悄然发力，节节攀升。

1.3 中国人工智能产业的发展环境

全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性，并从国家战略和商业活动上涉足人工智能。我国人工智能发展环境具备较多利好因素，政策和资金的支持、市场和人才供给、技术的积累和突破已为人工智能的发展提供了基础条件，多方条件和资源相辅鼎力，人工智能大跨步向前迈进，万亿市场一触即发。

◆ 政治环境 ：自 2015 年 5 月发布《中国制造 2025》，提出发展智能制造，我国政府进一步高度重视人工智能的技术进步与产业发展，《新一代人工智能发展规划》提出“到2030 年，使中国成为世界主要人工智能创新中心”。近年来，我国在人工智能领域密集出台相关政策，更在 2017、2018以及 2019 年连续三年的政府工作报告中提到人工智能，可以看出在世界主要大国纷纷在人工智能领域出台国家战略，抢占人工智能时代制高点的环境下，中国政府把人工智能上升到国家战略的决心。截至 2018 年 11 月，全国已有 15 个省市发布人工智能规划，其中 12个制定了具体的产业规模发展目标。通过一系列政策与资金扶持，各省市不断强化当地人工智能的技术研发与应用，为人工智能产业提供了广阔发展机遇和前景。

◆ 经济环境 ：2018 年中国经济外部受中美贸易战持续升级影响，经济下行压力增大，制造业景气度持续降低到 50 临界点，在陷入寒冬的背景下，我国经济依旧持续健康发展，人工智能产业热度更是不断提升。自 2015 年开始，中国人工智能市场规模逐年攀升，据赛迪顾问人工智能产业研究中心统计，截止 2018 年中国人工智能产业市场规模继续保持稳定增长，整体市场规模达到 383.8 亿元，同比增长 27.6%。德勤中国发布《中国人工智能产业白皮书》报告中推算，在 2020 年，世界人工智能市场将达到 6,800 亿元人民币，2015 到 2020 年间，复合年均增长率达 26.2% ；在中国，人工智能市场规模将达到 710 亿元人民币，复合年均增长率为 44.5%。大好的市场前景使得人工智能涌入大量资本，中国已成为全球人工智能投融资规模最大的国家。目前，我国人工智能全产业链初步形成，产业链各层级向深度融合发展，融合应用水平大幅拓展，智能经济形态雏形初现，消费到生产、实体经济数字化、网络化、智能化转型升级步伐加快。大量资本的涌入、商业场景的支撑、产业链各层级的深度融合使得人工智能真正进入了增长的黄金期。

◆ 社会环境 ：2018 年末中国大陆总人口139,538 万人，比上年末增加 530 万人，而居民消费价格指数比上年上涨 2.1%。国家对人才教育投入力度加大，截止 2017 年 12 月，全国共有 71 所高校围绕人工智能领域设置了86 个二级学科或交叉学科，2019 年国家财政性教育经费占国内生产总值比例继续保持在4% 以上，中央财政教育支出安排超过 1 万亿元。在 2018 年 4 月，教育部印发《高等学校人工智能创新行动计划》，提出优化高校人工智能领域科技创新体系，引领新一代人工智能发展的人才高地，为我国跻身创新型国家前列提供科技支撑和人才保障。

◆ 技术环境 ：从专利申请量历年变化趋势来看，截止 2018年 5 月，人工智能领域专利经历了 1980 年之前的萌芽期、1981-2000 年的缓慢发展期、2001-2010 年的平稳发展期，以及 2011 年以来的快速发展期四个阶段。值得注意的是，在 2017 年人工智能关键技术领域的专利申请量更是突破 20,000 件，同比增长 25.4%。2018 年保持增长趋势看好。

在 2017 年国务院发布的《新一代人工智能发展规划》中预计，到 2025 年人工智能基础理论实现重大突破，部分技术和应用达到世界先进水平，核心技术规模超过 4,000 亿元。人工智能赋能产业是一个从量变到质变的过程，当前我国人工智能产业尚未形成有影响力的生态圈和产业链，这就需要行业参与者积极做好关键环节的布局，发挥好各自的优势，搭建起人工智能产业生态，在核心能力创新方面，加强机器学习核心算法、人工智能芯、类脑智能、量子智能等前沿技术成为首要任务，提高人工智能产业在全球的核心竞争力，加强关键领域自主知识产权的布局刻不容缓。

1.4 2018 年中国自主知识产权人工智能大事件

在 2018 年这个被广泛认为资本寒冬的一年，我国对人工智能领域的研究热度不减。人工智能已经不仅仅是科技行业的概念，几乎各行业都有企业在拥抱和研究“人工智能”。

2018 年 2 月 15 日 的 央 视 春 晚 上， 百 度 阿 波 罗（Apollo）无人车在荧幕上高调亮相。

2018 年 6 月，腾讯发布首个 AI 医学辅助诊疗开放平台，宣布开放旗下首款 AI+ 医疗产品“腾讯觅影”的 AI 辅诊引擎，助力医院 HIS 系统、互联网医疗服务实现智能化升级，构建覆盖诊前、诊中、诊后的智慧医疗生态。

2018 年 9 月，在 2018 杭州·云栖大会上，杭州城市大脑 2.0 正式发布。这个城市管理平台集合了大数据、云计算和人工智能等技术，根据现场连线显示的管理数据，杭州全市车辆的总体数据、市民出行量、交通安全指数、报警量等数据均得以实时呈现。

2018 年 10 月，华为发布全栈全场景 AI 解决方案，同时发布了两款 AI 芯片，昇腾 910 和昇腾 310。昇腾 910 是目前单芯片计算密度最大的芯片，而昇腾 310 芯片则是极致高效计算低功耗 AI 芯片。两款 AI 芯片的率先发布显示出华为在国内 AI 硬件领域的领先。

在 2018 年 11 月的第五届世界互联网大会上，百度总裁张亚勤在现场发布了 Apollo 自动驾驶开放平台，百度将自动驾驶打造成了自己人工智能发展路线上的一张名片。

以腾讯、华为、百度等中国人工智能巨头企业出海崭露头角，独角兽企业望其项背，初创公司紧跟其上大量涌进人工智能阵营，由人工智能主导的一场时代变革，正在慢慢靠近。

2.1 人工智能技术变迁

人类关于人工智能的萌芽始于 20 世纪 50 年代，这一时期最具代表性的贡献是阿兰·图灵于 1950 年发表的论著《Computing Machinery and Intelligence》，文章中介绍了图灵测试、机器学习、基因算法、强化学习等概念，奠定了人工智能发展的基础。1956 年，在美国达特茅斯学院中举办的达特茅斯会议中首次提出“人工智能”的概念，标志着人工智能作为一个独立研究领域的诞生。

迄今为止，人工智能的技术发展经历了三次跌宕起伏，业内对这三个阶段有着不同的划分和称谓，从人工智能的技术发展路线来看，可划分为推理期、知识期、机器学习期三个阶段。从人工智能的萌芽直到上世纪 70 年代初，人们认为如果赋予机器逻辑推理能力，机器就能具有智能。人工智能研究处于“推理期”。当人们意识到人类之所以能够判断、决策，除了推理能力外，还需要知识，人工智能在 20 世纪70 年代进入了“知识期”，大量专家系统在此时诞生。随着研究向前进展，研究者发现人类知识无穷尽，且有些知识本身难以总结后交给计算机，还需要赋予机器学习知识的能力，发展到 20 世纪 90 年代，机器学习成为一个独立的学科领域，相关技术层出不穷，深度学习模型在这个阶段得以发明。90 年代初期，人工智能逐渐成为产业，但由于五代计算机的失败再一次进入低谷。2010 年后，相继在语音识别、计算机视觉领域取得重大进展，围绕语音、图像等人工智能技术的创业大量涌现，人工智能技术正在悄然从量变实现质变。

1960 年、1980 年、2000 年、2012 年及 2014 年几个时间节点的专利技术分布趋势变化对比直观反映出人工智能核心技术创新层的技术发展趋势。1960 年（推理期）的专利申请主要围绕基于逻辑推理的数学解题设备、方法等展开，如晶体管放大器、数字触发、二进制标记、几 何 图 案 等 ；1980 年（ 知 识期）的专利申请开始主要针对语音识别、语音合成、语言翻译等语音 / 声音处理技术进行布局保护 ；2000 年（机器学习期）的专利申请除了语音 / 声音处理技术外，针对图像处理技术、神经网络、知识发现等也开始进行布局保护 ；2012 年（机器学习期）的专利申请涉及语音、自然语言处理、图像识别、生物统计、神经网络等技术领域 ；2014 年的专利申请开始出现三维人脸识别 /面部识别技术、数据集 / 分类器、情感识别等新的技术分布。

2.2 重点专利技术分支发展分析

2.2.1 计算机视觉

人工智能赋能机器视觉技术使其初步具备了类似人类对图像特征分级识别的视觉感知与认知机理，可实现对图像或视频内物体 / 场景识别 / 分类 / 定位 / 检测 / 图像分割等功能的需求。由计算机视觉的专利申请趋势图可以看出，该技术分支整体上呈上升趋势，且中国的专利申请趋势与全球的专利申请趋势非常吻合。由主要来源国申请趋势可发现，美、日、韩的申请量均较为稳定，且每年的申请量均在 700 件以下，而中国在2010 年的申请量首次超过美、日、韩，且近三年的申请量依次高达 4,676 件、6,419 件、8,757 件。可见，计算机视觉近几年的专利申请量主要来源于中国。

从图表数据中可以看出，虽然中国的专利申请量较多，然而在申请人 TOP 10 的排名中没有一个中国申请人入围，其中前 3名为富士通、佳能及三星电子。可推测中国申请人极为分散，未形成强有力的竞争力，专利布局还有待加强。计算机视觉技术已发展近 20 年，技术生长率最高值在 1983 年，为 0.326，两次最低值在 1999 年和 2010，均为 0.222。而 2011 年之后，在中国对于该技术的专利申请量大幅度增加的推动效力下，技术生长率再次成长，显露出总体上升，小幅波动的生长态势。

2.2.2 自然语言处理

自然语言处理包含了多个研究方向，主要包括自然语言理解和自然语言生成。前者实现计算机理解自然语言文本思想或意图 ；后者实现计算机用自然语言文本表述思想或意图。截至2019 年上半年，全球自然语言处理相关专利申请量超过 11.3万件，整体呈增长趋势。其中，中、美、日、韩四国在这一技术的专利研究上保持较强的活跃度，尤其是中国，专利申请量在 2009 年第一次超过美、日、韩三国，并且持续领先。

虽然中国近几年在自然语言处理技术的专利申请量上保持领先，但从申请人的数量上来看，申请主体较为分散，前 10名的专利申请人均为外国申请人，其中前 3 名分别为富士通、NEC 及 IBM。

自然语言处理近 20 年的技术生长率波动较大，从 2001年持续走低至 2009 年后反弹，在 2013 年生长率达到最高值，为 0.245，然而，近几年的生长率又持续走低，且于 2018 年达到历史最低点 0.178，说明自然语言的研究热度正在下降。结合申请趋势图发现，近几年，中国的专利申请量增长却很快。我们认为如果没有革命性的技术突破，在该技术上很难出现复苏期，中国申请人在此时加入该项技术的研究可能很难取得较大收获。

2.2.3 机器学习

机器学习（深度学习）技术是近年来人工智能领域的另一研究热点。机器学习相关专利包括机器学习各类算法训练模型、神经网络结构以及基于机器学习技术的产品及应用。截止到目前，全球机器学习相关专利申请量超过 6.15 万件，且于 2015 年出现井喷式增长，经调研发现，该时期专利申请量的快速增长的原因主要来源于中国，中国在该技术分支的投入相当强势。而美、日、韩近 20 年一直保持稳定输出，但是在 2018 年均有轻微递减趋势。

机器学习专利申请人前 10 名中，中国申请人数量与外国申请人数量平分秋色，然而前 3 名中全部为美国企业，分别为 IBM、微软及谷歌。5 个中国申请人分别为浙江大学、国家电网、电子科技大学、华南理工大学及天津大学，可见中国的机器学习研究主要集中在高校，也可推测，中国目前的机器学习可能还处于基础研究阶段，很多成果并未落地，急需科技成果的转移转化。

机器学习近 20 年的技术生长率整体上呈增长趋势，特别是 2015-2018 年有着明显的增长速度，其生长率分别高达0.355、0.402、0.413 与 0.362，保持着强势的增长速度。但是在 2018 年出现下降，这可能是由于专利公开滞后引起的。

2.3 重点专利技术分支生命周期

2.3.1 计算机视觉技术生命周期

计算机视觉在 1980-2018 年期间的专利技术生命周期整体上经历了萌芽期（1980-2004年）和发展期（2005-2018 年）。在漫长的萌芽期，计算机视觉的相关专利和申请人数量均较少，集中度较高，主要集中在美、日、韩的巨头企业，如富士通、佳能、三星及索尼等。而随着硬件设备性能的提升和市场的迫切需求，计算机视觉技术有了突破性的进展，市场扩大，介入的创新主体剧增，专利申请量与专利申请人数量均急剧上升，存在较大的研发空间，技术投入的回报相对较大。

2.3.2 自然语言处理技术生命周期

自然语言处理技术生命周期大体有 4 个 转 折 点（1997 年、2009 年、2013 年及 2017 年），整体上呈发展趋势，然而在 2018 年，专利申请数量和申请人数量均急速递减，结合 2.2.2 中自然语言处理技术生长率推测，这应当是专利公开滞后（导致 2018 年申请的专利未被全部公开）和该技术分支的发展进入衰退期（技术开始老化，不少企业退出）两个因素共同作用导致的。

2.3.3 机器学习技术生命周期

机 器 学 习 在 1980-2018 年 期 间的专利技术生命周期整体上经历了萌芽期（1980-2014年）和发展期（2015-2018 年）两个阶段。萌芽期阶段中，机器学习的相关专利和申请人数量均较少，但是集中度较高，这可能与机器学习本身的技术门槛较高及人类本身的认知受限有关。而在海量数量的支撑和计算能力的提升后，机器学习技术有了突破性的进展，在市场扩大，介入的创新主体剧增的情况下，该专利申请量与专利申请人数量急剧上升，存在较大的研发空间，技术投入的回报相对较大。

2.4 国内外人工智能技术对比研究

2.4.1 人工智能关键专利技术国内外对比分析

通 过 对 2017 年 国 内 外 的专利技术分布对比清晰呈现出当前时期国内外在人工智能领域发展布局的异同。当前国内专利更多聚集于人脸 / 指纹识别方面，另外国内专利涉及的大数据 / 云端服务、遥感影像 / 数据、人体行为识别等领域，同时期的国外专利申请并未涉及 ；而国外专利申请更多聚焦于图像 / 车辆、语言 / 声学模型、语言命令、会话模式等，在神经网络、深度学习方面的专利布局也是同时期中国专利所未涉及的。由此可见国内外针对人工智能的专利布局点差异较大，各有关注重点。

2.4.2 国内外典型机构人工智能专利技术分布

选取国内外各 5 家典型企业及科研机构，其中国内选取百度、腾讯、阿里巴巴、中国科学院和国家电网为代表，国外选取 IBM、微软、谷歌、高通和因特尔为代表，通过对上述各家机构在人工智能领域的专利技术进行检索与分析，可直观看出国内外典型机构在人工智能领域的专利布局脉络和侧重领域。

◆ 国内方面 ：百度核心布局在于智能语音、图像识别、无人驾驶等领域 ；腾讯更侧重场景应用，侧重计算机视觉、机器学习 / 知识图谱、自然语言处理等领域以打造领先的人机交互应用场景 ；阿里巴巴专利技术

直接跟他的智能零售关联起来，智能机器人、智能搜索、智能语音、人像识别、智能物流等都是围绕智能零售和物联网打造的人工智能生态体系 ；中国科学院作为国内高等科研机构的代表，重点开展人工智能基础理论与技术、人工智能芯片与系统构架、智能网联汽车应用等方面的研究，推动人工智能技术的发展和进步 ；国家电网积极建立电力系统人工智能生态，AI 配电变压器、AI 智能算法、智能机器人、AI 语音、图像等识别技术和应用，实现能够在各种恶劣的自然环境下完成人工很难完成的作业。

◆ 国外方面 ：IBM 公司在硬件、数据、 智能语音、无人机、智能医疗等技术领域，涉及基础层、技术层和应用层等各层级的技术开发和生态布局 ；谷歌打造基于云端的人工智能平台，围绕其云端智能平台，在智能搜索、智能语音、智能家居等应用场景开发 ；微软侧重云服务、系统和 AI 工具的开发研究，涉及智能搜索、智能语音、图像识别、自然语言处理、数据服务等系统软硬件和基础服务平台 ；高通在脉络神经网络、人工神经架构、深度学习、计算机视觉等系统软硬件、数据处理、智能芯片等基础层，无人机等应用层进行了战略布局 ；因特尔公司在硬件、软件及相关服务，神经拟态领域，无人机和自动驾驶等应用开发和布局。

可见，国内典型机构除中科院外，更侧重于应用层面的人工智能技术 ；国外典型机构则从基础层的软硬件、系统、数据，到技术层面的计算机视觉、智能语音、自然语言处理，到垂直层的人工智能应用均有涉及。

3.1 2019 年中国 AI 企业 IP 竞争力 TOP100（1~32）

3.1 2019 年中国 AI 企业 IP 竞争力 TOP100（33~66）

3.1 2019 年中国 AI 企业 IP 竞争力 TOP100（67~100）

3.2 百强榜榜单分析

2019 年中国 AI 企业 IP 竞争力 TOP100 榜单从企业的综合强度、创新能力和技术成熟度三个维度进行定量评比，对 500 余家中国人工智能主流企业进行定量评估，评选出了 2019 人工智能知识产权竞争力百强企业。其中，前十名的企业分别是 ：华为技术有限公司、腾讯科技 ( 深圳 ) 有限公司、百度在线网络技术（北京）有限公司、小米科技有限责任公司、阿里巴巴集团控股有限公司、杭州海康威视数字技术股份有限公司、科大讯飞股份有限公司、北京搜狗科技发展有限公司、国家电网有限公司、北京世纪好未来教育科技有限公司。

3.2.1 榜单地域分析

2019 年中国 AI 企业 IP 竞争力 TOP100 企业分布于我国 14个城市。其中，北京 55 家、深圳 14 家、上海 13 家，紧随其后的广州和杭州各 4 家，南京 2 家，重庆、武汉、苏州、济南、厦门、合肥、珠海和东莞各 1 家。从百强 AI 企业的地域分布可以发现，人工智能产业的发展高度聚集于经济、科技、教育相对发达的城市。尤其是高度集中在北、上、深、广 4 个

一线城市中，这 4 个城市的知识产权竞争力百强 AI 企业合计占据了百强企业的五分之四以上，达 86 家。一线城市中，北京的优势尤其突出，贡献了百强榜单过半的企业，充分体现了北京在人工智能领域的产业集群优势。高力国际2018 年发布《北京发力人工智能产业园》的报告指出，北京在人工智能领域的人才、技术、企业、资金方面优势将有助于其在人工智能领域取得领先地位。作为有世界影响力的创新创意之都，深圳在人工智能领域有着不俗的实力表现，TOP100 榜单中前两名企业华为、腾讯都来自深圳。杭州是表现最亮眼国内新一线城市，在AI 领域有着不俗表现，其入榜的 4 家企业中，有两家进入榜单前十（分别为阿里巴巴和海康威视，分列第 5、6 名）。

3.2.2 榜单企业所属领域分析

2019 年中国 AI 企业 IP 竞争力 TOP100 企业所属领域分布如图所示，根据企业涉及业务的差异性，按技术领域和应用领域两条路线进行领域划分。进入 TOP100 榜单的 AI 企业数量最多的领域为计算机视觉（16 家），其它领域依次为智能机器人（13 家）、语言识别与自然语言处理（11 家）、AI+ 医疗（9 家）、大数据分析服务（7 家）、行业解决方案（7 家）及 AI 芯片（7 家），等等。计算机视觉技术和自然语言处理技术作为人工智能的两种关键技术，其可应用的行业非常广泛，具有广阔的应用前景，技术发展也较为成熟，因此这两个领域有较多数量的企业进入 TOP100 榜单合乎情理。而智能机器人和 AI+ 医疗这两个应用领域较多企业进入TOP100 榜单，则在一定程度上反映出当前阶段我国 AI 技术的应

用热点趋势问题 ：第一，医疗技术的人工智能化是当前 AI 技术的应用热点之一，医疗技术的巨大进步将直接提高民众的健康生活水平。第二，智能机器人作为 AI 技术最为直接的载体，是当前 AI 技术的另一个应用热点，而智能机器人本身又可以分为不同类型，应用于不同行业、不同情景中。

3.2.3 榜单企业成立年代分析

从 2019 年中国 AI 企业 IP 竞争力 TOP100 企业成立年代分布情况可以发现，榜单 AI 企业中成立于 2010 年-2017 年的有71 家 ；成立于 2000-2009 年的企业有 22 家 ；成立于 1999 年之前的企业有 7 家。可见榜单人工智能企业以新创型企业居多，尤其集中于 2012-2016 年，这个时间段恰逢我国 AI 企业快速发展的时期。这一整体趋势也体现了人工智能企业新兴发展的势头。但位于榜单头部位置的 5 强企业中，除小米外，华为、腾讯、百度、阿里全部成立于 2000 年之前，充分反映了国内相关企业在人工智能领域的深厚基础。

3.2.4 榜单企业投融资情况分析

2019 年中国 AI 企业 IP 竞争力 TOP100 企业榜单中，平均成立时间最长的是人工智能综合性企业，长达 23 年。从该类企业近三年的投融资数据来看，其单个企业近三年的对外投资平均次数高达

212.5 次 ；近三年的融资次数则为 0。这充分说明，人工智能综合性企业经过平均长达 20 多年的经营发展，早已完成资本积累，如今到了大量对外投资的阶段，从华为、腾讯、百度及阿里等企业的对外投资企业所属领域来看，有相当部分比例属于人工智能领域，且涵盖面较广。如，华为自 2016 年以来进行了 5 次对外投资，其中三次并购，一次 Pre-A 轮投资，一次战略投资，其投资企业所涉及数据安全、人脸识别安防、半导体材料及芯片等人工智能相关领域。因此，从这个角度来看，这些企业对外投资本身就是其深耕人工智能领域的有力举措，对中国人工智能产业整体的良性健康发展发挥举足轻重的作用，一定程度上助推了中国人工智能产业的蓬勃发展。

与此相对应，AI 企业知识产权竞争力百强榜单中，平均成立时间最短的是涉及智能驾驶的企业，平均成立时间为 2.5年。显而易见的是，这类企业初创不久，有迫切的融资需求，其单个企业近三年的融资平均次数为 3.5 次 ；而近三年平均对外投资次数为 0。

作为聚集企业较多的几个领域，以语言识别与自然语言处理为核心技术的企业平均成立时间达 11.7 年，近三年平均融资次数 2 次，近三年平均对外投资次数 6.3 次 ；AI 芯片企业的平均成立时间为 10.8 年，近三年平均融资次数 1.5次，近三年平均对外投资 0.5 次 ；智能终端平台技术企业的平均成立时间为 10.2 年，近三年平均融资次数为 1 次，近三年平均对外投资 23.8 次 ；智能机器人企业平均成立时间7.5 年，近三年平均融资次数 2.2 次，近三年平均对外投资次数 1.1 次 ；大数据分析服务企业平均成立时间为 7.3 年，近三年平均融资次数 2.14 次，近三年平均对外投资次数 2次 ；以计算机视觉为核心技术的企业平均成立时间 6.9 年，近三年平均融资次数 3.3 次，近三年平均对外投资次数 2.06年 ；人工智能医疗企业平均成立时间 5.9 年，近三年平均融资次数 2.3 次，近三年平均对外投资次数 2 次。可见这些领域的企业投融资需求并存。

总体来看，榜单中近三年融资较频繁的有 AI+ 物联网、AI+ 知识产权、AI+ 家居、智能驾驶等领域的企业，融资次数大于 3 次 ；榜单中近三年对外投资较频繁的有人工智能综合、AI+ 教育、智能终端平台技术等领域的企业，对外投资次数大于 23 次。

3.3 榜单企业投融资案例分析

3.3.1 百度 ：开足马力，深耕人工智能

正如李彦宏所言，互联网的上一幕是 PC 互联网，这一幕是移动互联网，而下一幕是人工智能。众所周知，百度已将恢复昔日荣光的重任押注于此，它几乎成了国内人工智能领域布局最为积极的一员。百度成立的百度实验室，下设硅谷人工智能实验室（SVAIL）、北京深度学习实验室（IDL）、北京大数据实验室（SDL）和 AR 实验室均与 AI 密切相关。而由数十万台服务器构成的百度大脑拥有万亿级的参数、千亿样本及千亿特征训练，保证其具有超强的计算能力。据了解，百度从 2014 年到 2016 年，在人工智能领域的研发投入逐年增加，研发成本占总营收比分别为 12.9%、14.2% 和 15.3%。而至2017 年，百度的投资版图拉开帷幕，形成了由百度风投、百度资本和百度投资并购部组成的“三叉戟”之势。

至 2018 年百度投资版图共涉足 10 个行业，而智能硬件、企业服务、医疗健康及汽车交通领域位居前四。大额投资案例有 ：线下广告媒体新潮传媒 21 亿元、百信银行 20 亿元、网易云音乐 6 亿美元、云丁科技 6 亿元。而投资轮次主要集中在 A 轮和 B 轮。

3.3.2 旷视科技 ：算法引擎，深度驱动

北京旷视科技有限公司是一家世界级的人工智能企业，以自研视觉感知算法引擎为核心，致力于持续打造在各商业领域的AIoT 操作系统，以及深度构建具备连接百亿物联网设备能力的生态系统。目前旷视科技已完成 5轮融资，而 D 轮融资高达 7.5 亿美元，成为旷视历史上单笔金额最高的一轮融资。

3.3.3 科大讯飞 ：源头创新，一路融资

科大讯飞股份有限公司成立于 1999 年，致力于语音及语言、自然语言理解、机器学习推理及自主学习等核心技术研究并保持了国际前沿技术水平 ；科大讯飞（002230.SZ）于 2008 年登陆深交所，将上市公司平台的融资能力尽情发挥。科大讯飞作为中国智能语音与人工智能产业先行者，在人工智能领域拥有丰富的技术积累，积极践行人工智能国家队的责任与使命。其历次成功融资助力科大讯飞更好地把握人工智能战略发展机遇，在人工智能关键核心技术领域持续保持领先优势。

3.3.4 优必选科技 ：终极集结，燃战宇宙

优必选科技成立于 2012 年，是一家集人工智能和人形机器人研发、平台软件开发运用及产品销售为一体的全球性高科技企业。而优必选在经过十年沉淀后已经逐渐构建了自己的竞争壁垒，包括在技术层面上的运动控制算法和计算机视觉，高精尖技术人才引进，以及全球范围内的市场拓展。目前已推出了消费级人形机器人 Alpha 系列、STEM 教育智能编程机器人 Jimu、智能云平台商用服务机器人Cruzr、IP 机器人第一军团冲锋队员机器人等多款产品。

2018 年 5 月，优必选宣布完成 8.2 亿美元 C 轮融资，刷新了全球 AI 领域的单轮融资记录，估值 50 亿美元。

4.1 总结

虽然我国在人工智能领域的技术发展能力均衡性欠缺，在人工智能基础理论、核心算法、芯片及基础元器件等基础层存在短板。但我们也欣喜地看到正在发生的变化 ：在基础领域，涌现了寒武纪科技、海康威视、西井科技及地平线机器人等一批科技型企业 ；在技术创新方面，商汤科技、旷视科技、格林深瞳、依图科技及云从科技等深耕计算机视觉，百度、搜狗、科大讯飞等在自然语言处理领域较为领先，腾讯、阿里、华为等在机器学习和云计算领域具有行业优势 ；人工智能领域的巨头公司正在充分利用自身的资本优势，积极投资布局整个人工智能领域 ；在产业化应用推广方面，围绕安防、交通、医疗、教育等领域不断深入，探索生产制造、城市建设、生态环保等更多领域，推动我国人工智能产业生态化发展。

4.2 展望

未来，结合具体行业应用的专用人工智能将会大量涌现，这将极大地促成相关行业的快速发展。短期内，人工智能将会在数据丰富、应用场景成熟的行业取得广泛应用。长远来看，诚如 Michael I. Jordan 的观点，人工智能技术将能在边际成本不递增的情况下将个性化服务普及到更多的消费者与企业，从细分行业的特定应用场景应用到更加普世化的情景。

尽管人类已经看到了人工智能的曙光，但仍需保持清醒的认知，人类目前的人工智能技术仍然处于弱人工智能阶段，离实现强人工智能还有很长的路要走，至于终极人工智能（超人工智能）的实现则需在遥远的未来！

第五章 专家访谈

……

（报告来源：胡润百富，汇桔网）

获取报告请登陆未来智库www.vzkoo.com。

立即登录请点击：「链接」