人工智能数据资源开发及服务行业分析报告.docx

人工智能数据资源开发及服务行业分析报告.docx

《人工智能数据资源开发及服务行业分析报告.docx》由会员分享，可在线阅读，更多相关《人工智能数据资源开发及服务行业分析报告.docx（9页珍藏版）》请在冰豆网上搜索。

人工智能数据资源开发及服务行业分析报告

2019年人工智能数据资源开发及服务行业分析报告

2019年4月

数据、算力和算法是当前人工智能发展的三个核心要素。

近年来，国内在人工智能算法和算力领域涌现出了一大批新兴优质企业。

国内人工智能数据领域的领先企业，通过供给海量优质的人工智能数据资源产品，为国内人工智能领域的高速发展提供了重要支持与助力。

图：

人工智能技术架构示意

人工智能技术从架构上分为基础层、技术层和应用层。

基础层主要为人工智能技术提供计算能力以及数据输入；技术层包括算法和其他人工智能技术，主要在基础层上开发算法模型，并通过数据训练和机器学习建模开发面向不同应用领域的技术，如智能语音、计算机视觉和自然语言处理等，在应用层将人工智能技术与应用场景结合起来，实现商业化落地。

人工智能数据资源产品及服务隶属于人工智能产业链的基础层，是自主研发人工智能技术的企业与机构必需的基础生产要素，其数量多寡和质量高低将会直接影响到人工智能产业链内企业的研发周期、产品性能和可扩展性。

例如，要搭建和实现一个较成熟的人工智能语音识别引擎，就必须导入海量经过精确结构化处理的语音数据进行深度学习和模型训练，数据量至少需要达到上万小时。

数据资源定制服务。

根据客户对人工智能算法模型开发、训练、拓展及优化等过程所需数据资源的个性化需求，为客户量体裁衣地提供定制化数据资源的设计及开发服务，对客户提供的数据进行处理，最终形成符合客户需求的定制化数据资源。

在该种业务类型下，企业为客户提供数据资源定制服务，客户享有最终形成的定制化数据资源的知识产权。

数据资源定制服务内容具体如下：

数据库产品。

根据对人工智能算法模型应用领域、行业发展趋势、市场需求等的评估和研判，设计并开发多种数据库产品，开发完成后授权给客户使用。

在该种业务类型下，企业开发数据库产品，并拥有数据库产品的知识产权。

一、行业主管部门、监管体制、主要法律法规政策

1、行业主管部门及监管体制

本行业主管部门是国家工业和信息化部，其主要负责拟定产业发展战略、方针政策、总体规划和法规，并组织实施工业、通信业、信息化的发展规划，推进产业结构战略性调整和优化升级，推进信息化和工业化融合；指导行业技术创新和技术进步，以先进适用技术改造提升传统产业，组织实施有关国家科技重大专项，推进相关科研成果产业化，推动软件业、信息服务业和新兴产业发展。

行业内部组织管理机构主要是中国软件行业协会和中国人工智能产业发展联盟。

中国软件行业协会受国家工业和信息化部委托，对各地软件企业认定机构的认定工作进行业务指导、监督和检查，并负责软件行业的市场研究、信息交流、行业统计、政策研究等方面的工作；中国人工智能产业发展联盟是在国家发展改革委、科学技术部、工业和信息化部、中央网信办四部委共同指导下成立的行业协会组织，主要为促进联盟成员的研发、设计、生产、集成、服务等水平，构建我国人工智能产业生态，提升我国人工智能产业的竞争力，强化人工智能与经济社会各领域深度融合，促进技术进步、提高生产效率，推动传统行业数字化转型，支持新技术、新产业、新业态、新模式加快发展。

2、行业主要法律法规政策

3、行业主要法律法规政策的影响

我国高度重视人工智能产业的发展。

当前人工智能已经成为国际竞争的新焦点、经济发展的新引擎和社会建设的新机遇，党的十九大报告中指出，要“推动互联网、大数据、人工智能和实体经济深度融合”。

国家部署了智能制造等国家重点研发计划，印发实施了《“互联网+人工智能三年行动实施方案》、《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划（2018-2020年）》等多个国家层面的政策规划，从科技研发、应用推广和产业发展等方面提出了一系列措施，为我国抢抓人工智能发展的重大战略机遇、构筑人工智能发展的先发优势提供了良好的政策环境，推动形成了基本涵盖数据资源、计算芯片、开源平台、基础应用、行业应用及产品等环节较完善的人工智能产业链。

数据资源是人工智能行业的基础支撑。

2017年工业和信息化部颁布《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，明确提出到2020年人工智能产业支撑体系基本建立，具备一定规模的高质量标注数据资源库、标准测试数据集建成并开放。

面向语音识别、视觉识别、自然语言处理等基础领域及工业、医疗、金融、交通等行业领域，支持建设高质量人工智能训练资源库、标准测试数据集。

到2020年，基础语音、视频图像、文本对话等公共训练数据量大幅提升，在工业、医疗、金融、交通等领域汇集一定规模的行业应用数据，用于支持创业创新。

在国家产业政策的支持下，包括数据资源在内的人工智能相关行业取得了快速发展，方兴未艾。

未来随着人工智能商业成熟度不断提高、覆盖领域广泛拓展，对多领域多场景的数据资源的需求将呈现快速增长态势，有利于行业公司的盈利能力持续增强。

二、行业发展情况和发展趋势

1、行业技术发展概况

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，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。

经过60多年的演进，特别是在移动互联网、大数据、超级计算、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。

技术层面上，算法、数据和算力共同构成人工智能技术发展的三大核心要素：

基于深度学习的高效人工智能算法是人工智能实现的必备基础；高质量、结构化、大规模的基础数据是驱动和训练人工智能算法取得更好的识别率和准确度的关键因素；大量高性能硬件组成的计算能力是加速深度学习训练的重要保障。

（1）深度学习算法突破人工智能算法瓶颈

算法是计算机基于所训练的数据集归纳出的决策机制。

传统机器学习算法的主流是各种浅层学习算法，如神经网络的反向传播算法、支撑向量机（SVM）等。

这些算法的局限性在于对有限样本和计算单元的情况下对复杂函数的表示能力有限。

深度学习算法是一个复杂的、包含多个层级的数据处理网络，根据输入的数据和分类结果不断调整网络的参数设置，形成特征与分类之间的关联规则。

近年来，以深度学习算法为代表的人工智能技术快速发展，在计算机视觉、语音识别、自然语言等领域都实现了突破。

（2）大量、优质的训练数据是人工智能持续发展的基础性动力

数据驱动是深度学习算法区别于传统机器学习的关键点，因此数据集的丰富性和大规模性对算法训练非常重要，获取海量而优质的应用场景数据是实现机器精准识别的关键基础。

深度学习算法中的训练数据量与人工智能算法模型的准确性密切相关，数据量越大，模型推断效果越好、有用性越强。

而源数据需要进行采集、标注并结构化等优化处理，形成相应的数据集后才能够使用。

因此，经处理的结构化数据是算法模型开发所必需的基础资源。

（3）运算力的提升大幅推动人工智能发展

深度学习需要利用数据进行拟合，即不断地迭代、试错以挖掘最优的关联规则，因此深度学习需要高速和大规模的算力作为支撑。

传统的CPU芯片擅长逻辑控制和串行计算，但由于其架构中负责存储的Cache、DRAM模块和负责控制的Control模块占据CPU的大部分，而负责处理计算的ALU仅占据了很小一部分，因此CPU难以满足大规模和高速率的计算需求。

随着图形处理器（GPU）、专用芯片、分布式计算等各种更加强大算力的发展，为人工智能提供了高效计算能力。

以CPU为例，GPU芯片中负责计算的ALU单元占据了架构的大部分，使得其可一次执行多个指令算法，加速了多层人工神经网络训练。

2、行业模式与发展业态

当今的人工智能技术以机器学习、特别是深度学习为核心，在智能语音、计算机视觉、自然语言等应用领域迅速发展，并随着新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，催生新的技术、产品、产业、业态、模式，从而引发链式突破，为传统行业的商业模式、产业链和价值链带来全面重构，推动经济社会各领域从数字化、网络化向智能化加速跃升。

根据工业和信息化部电子工业标准化研究院发布的《人工智能标准化白皮书（2018版）》，人工智能产业主要包括核心业态、关联业态和衍生业态三大业态，分布情况具体如下：

其中，人工智能产业核心业态可分为智能基础设施、智能信息及数据、智能技术服务和智能产品等四大方面：

智能基础设施主要为人工智能产业提供计算能力支撑，其范围包括智能传感器、智能芯片、分布式计算框架等，是人工智能产业发展的重要保障；智能信息及数据是人工智能创造价值的关键要素之一；智能技术服务依托基础设施和大量的数据，为各类人工智能的应用提供关键性的技术平台、解决方案和服务，在人工智能产业链中处于关键位置；智能产品将人工智能领域的技术成果集成化、产品化，包括智能机器人、智能运载工具、智能终端、自然语言处理、计算机视觉、生物特征识别、VR/AR、人机交互等领域的众多智能产品。

3、行业现状与发展趋势

经过多年的发展，人工智能在深度学习、海量数据和高性能计算的支撑下，现已进入产业化应用初期。

近年来基于深度学习的智能语音、计算机视觉、自然语言处理等技术开始向各个应用领域渗透，全球人工智能产业规模快速增长。

为抢占人工智能高地，谷歌、微软、阿里巴巴、XX、腾讯、IBM、Facebook等国际知名企业均持续增加在人工智能领域的资本投入。

美国、中国、英国、德国、日本等国家也分别出台人工智能相关支持政策及国家战略规划，为整个产业的发展创造良好的政策环境。

2017年，全球人工智能产业规模达到2,307亿元，预计2020年全球人工智能市场规模将达6,800亿元。

当前，我国正在成为世界人工智能领域的新增长极。

截至到2018年6月，全球人工智能企业总数达到4,925家，中国（不含港澳台）人工智能企业总数为1,011家，仅次于美国。

2017年中国人工智能行业投融资总额高达277.1亿美元，融资事件369笔，融资总额占全球融资总额的70%，融资笔数占比达31%。

根据清华大学《中国人工智能发展报告2018》数据，预计在2018年，我国人工智能市场整体规模将达到415.50亿元，增速将达到75%。

随着人工智能受到的关注度持续提升，大量社会资本、智力和数据资源的汇集将驱动人工智能技术研究不断向前推进，人工智能技术将持续维持加速普及和产业化的高速发展期。

同时，人工智能具有显著的溢出效应，通过与实体经济和互联网、大数据等相关技术的深度融合，将进一步助推传统产业转型升级和战略性新兴产业取得整体性突破。

从人工智能细分领域来看，未来人工智能数据资源产品和相关服务的市场需求还将不断扩大。

一方面，随着人工智能行业的迅速发展和规模增长，将带动数据资源产品与服务的需求量快速增长。

另一方面随着行业内对数据资源产品与服务标准的提高和需求类型的丰富，人工智能产业链的专业化分工将愈加清晰，专业化的数据资源服务提供商将在人工智能产业链上的扮演更加重要的角色，数据库服务也将从通用数据资源服务向行业数据资源服务不断发展。

三、行业竞争格局

自2015年-2016年前后，人工智能技术进入广泛应用期和高速发展期。

随着算法、算力技术水平的提升，围绕数据的采集、分析、处理产生了众多的企业。

未来数年，预计国际和国内人工智能行业产业规模仍将快速增长。

从人工智能细分领域来看，未来人工智能数据资源产品和相关服务的市场需求还将不断扩大。

一方面，随着人工智能行业的迅速发展和规模增长，将带动数据资源产品与服务的需求量快速增长。

另一方面随着行业内对数据资源产品与服务标准的提高和需求类型的丰富，人工智能产业链的专业化分工将愈加清晰，专业化的数据资源服务提供商将在人工智能产业链上的扮演更加重要的角色，数据库服务也将从通用数据资源服务向行业数据资源服务不断发展。

这些发展趋势都对数据库产品和数据资源服务带来了更多元化的发展方向和更丰富的需求。

整体行业产业规模的增长和细分需求的丰富，将共同促使市场需求不断扩大。

1、