报告编委

报告指导人

金建华 爱分析 创始人&CEO

张 扬 爱分析 联合创始人&首席分析师

报告执笔人

李 喆 爱分析 合伙人&首席分析师

黄 勇 爱分析 高级分析师

外部专家（按姓氏拼音排序）

方 磊 九章云极 创始人&CEO

胡 健 一览群智 CEO

贾宇航 云测数据 总经理

栗浩洋 松鼠AI 1对1 创始人&首席教育技术科学家

乔 昕 深睿医疗 联合创始人&CEO

孙 悦 芯盾时代 联合创始人&CTO

杨永智 阿博茨科技 CEO

尹子杰 加和科技 CEO

赵杰辉 滴普科技 董事长&CEO

过去的2019年，人工智能进入了技术成熟度曲线的低谷期，技术炒作的泡沫破裂，行业关注重心开始转变为人工智能如何落地产业。

然而，由于技术与业务需求之间的鸿沟，人工智能在走向产业落地的过程中面临一系列的挑战。企业在应用人工智能技术推进业务转型升级的过程中，必须要了解这些问题并加以有效应对。

为了分析上述问题，报告回顾了人工智能的行业概况，并结合实践案例分析了人工智能技术给产业带来的具体价值创造和各行业落地进展和未来应用趋势。同时，报告系统性地分析了人工智能落地产业过程中，在数据、算法模型、业务场景理解、服务方式、投入产出比等方面面临的挑战和应对方式，希望帮助企业推动人工智能的价值落地。

目录

一. 人工智能走向产业应用

二. 人工智能助力企业数字化转型

三. 人工智能落地挑战与应对

四. 人工智能应用趋势展望

结语

关于爱分析

法律声明

1.人工智能走向产业应用

人工智能是计算机科学的分支，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。

人工智能的基础理论由来已久，由深度学习引爆的第三次人工智能浪潮，以及算力的进步和数据的爆发，使得人工智能技术快速走向成熟，并逐步落地产业应用。

1.1 人工智能行业图谱

从底层基础技术到上层行业应用，可以把人工智能行业划分为基础层、通用层和应用层三部分。基础层为图像、语音等人工智能基础技术提供芯片、计算框架等计算能力支持，通用层提供感知、认知计算等通用技术，而应用层则是人工智能通用技术与各行业深度融合产生应用价值的产品和服务。

基础层：为计算机视觉、语音识别等人工智能基础技术提供计算能力支持，是人工智能的基础设施，包括AI芯片、AI平台以及AI计算框架等，主要以谷歌、微软、亚马逊、英特尔、IBM、百度、腾讯、华为、京东等大型互联网公司和行业巨头公司为主。

通用层：基于基础设施开发出的通用性人工智能技术和产品，如计算机视觉算法、机器人系统等，主要分为两大部分：以感知计算和认知计算技术为代表的软件通用技术，和无人机、机器人等软硬一体化通用产品。

通用层的技术和产品主要是模拟人的各项能力。与人类的感知、认知和执行能力相对应，通用层可以分为感知层计算机视觉、语音识别和自然语言处理，认知层的知识图谱和自然语言处理的深入应用，以及执行层的机器人等。

应用层：人工智能通用技术与各行业应用深度融合的领域，以垂直行业的人工智能应用公司为主。应用层人工智能企业将通用技术封装成能够落地的产品，包括软硬件一体化产品以及针对具体应用场景的端到端解决方案。随着通用技术走向成熟，行业应用价值凸显，大量通用层的公司也在基于基础技术能力向各行业应用层延伸。

1.2人工智能的商业模式

人工智能走向产业应用的过程中，从向企业和个人用户提供人工智能产品服务的角度，人工智能公司的商业模式主要分为四种类型：API调取、产品订阅/License、“产品+服务”解决方案及效果付费。

API调取：常见于基础层厂商和通用层厂商，通过API形式输出自身的技术能力，如计算机视觉领域的商汤科技、自动驾驶领域的百度Apollo平台、语音识别领域的科大讯飞等，都是通过将人工智能技术输出给应用厂商，由应用厂商完成最后一步产品及方案的封装。这种模式的优势在于模式较轻，规模化复制能力强。

产品订阅/License：主要是以机器人、APP等方式面向个人用户的产品，以标准SaaS模式面向互联网客户和传统行业中小型客户的产。例如，大疆、松鼠AI等公司主要采取这种方式服务个人用户。

“产品+服务”解决方案：主要是面向传统行业中大型客户，这类客户的应用场景相对复杂，单一产品很难解决其需求，因此需要一定程度的定制化服务。例如旷视科技、明略科技等公司服务公安领域客户，需要提供端到端的解决方案。

按效果付费：人工智能与业务场景结合后，按照其产生的可衡量的实际业务价值进行收费。人工智能公司与客户更多是类似合作模式，按照业务量收取一定费用，目前在应用较为成熟的金融、智能客服领域有一些早期落地。例如，智能客服厂商根据帮助企业客户节省多少人力成本来衡量效果，可以按照工作量和坐席数量进行收费。

2.人工智能助力企业数字化转型

发展至今，人工智能经历了明显的泡沫降温，进入了技术成熟度曲线的低谷期。行业开始回归理性，更多地关注人工智能如何落地产业，推动企业的数字化转型。

本章，我们将分析人工智能在企业数字化转型中创造的价值，以及人工智能在各个行业的落地进展和实践案例。

2.1人工智能价值创造的三个层次

人工智能落地产业带来的价值创造，可以分为自动化、智能化、创新化三个层次，每个层次创造的价值度逐步提升。

自动化，是依靠人工智能技术提升业务的自动化程度。自动化并不改变原有业务流程，而是由机器替代人来自动执行业务流程，从而提升效率，降低成本。

典型的场景，例如工业机器人取代工人进行分拣、组装等重复性劳动；医学影像领域，人工智能系统辅助阅片，提升医生诊断效率；广告营销领域的程序化广告投放等。多数场景下，自动化涉及的是业务链条中的单个环节。

智能化，是基于知识图谱等认知智能技术，让机器具备分析和决策能力，可以完成人力无法实现的工作，对业务流程进行改造，创造增量价值。

例如，在安防领域，基于行业知识图谱技术在几亿个实体中寻找隐性关系，发现团伙作案的行为，人力无法处理如此大数据量的分析。零售领域，基于门店历史销售数据，通过机器学习构建销量预测模型，实现销量预测，实现远高于依靠经验预测的准确度，降低库存和损耗。

智能化主要涉及分析、推理和决策性的工作，应用场景中往往涉及到数据挖掘，以及NLP、深度学习、增强学习等认知智能技术和算法，并深入到相对完整的业务流程当中。

创新化，是人工智能与行业深度融合后重塑业务流程和产业链，形成新的商业模式甚至新的细分行业。例如，基于计算机视觉的智能货柜，相比传统机械式无人售货机成本下降50%以上，容纳更多商品种类。无人驾驶是未来最具备创新潜力的人工智能落地方向，一旦无人驾驶技术成熟，传统汽车行业从主机厂到用车场景的产业链关系将被颠覆。

2.2人工智能助力企业业务智能化

数字化，是指利用数字技术来重塑业务流程，从而带来新的收入和价值创造机会。数字化转型，已经成为企业实现业务增长的必然选择。

数字化的典型路径分为“信息化——在线化——智能化”三个阶段。信息化即IT基础设施的完善，是企业服务客户和经营管理在线化的基础。在线化包括用户交互场景以及企业经营场景的在线化。智能化是基于在线化沉淀的数据，让企业的经营决策从经验和流程驱动转向数据驱动、自动化决策，实现降本增效。

企业的数字化转型正在走向深入。随着业务信息化和在线化的推进，企业积累的数据量不断增长，同时业务场景的复杂度也在提升，传统的业务模式很难满足精细化运营和服务的需求，必然要走向智能化阶段。

例如，当零售企业通过APP等在线化渠道实现了线上化的交易、会员运营、客户服务之后，将有机会基于客户数据进行个性化的商品推荐和促销方案，提升服务体验和销售额。但是，这种业务诉求无法通过传统的人工匹配或单纯依靠业务经验规则来做到，必须要借助机器学习建模来实现。

因此，人工智能技术是助力企业数字化转型从信息化、在线化走向智能化的关键技术。基于人工智能技术应用的业务智能化，会成为企业新的核心竞争力。

此外，部分行业头部企业已经走在前列，通过自有业务场景的应用实践，逐步积累人工智能技术的自研能力，并开始对外输出。

2.3人工智能的落地进展

随着产业数字化带来的数据基础的日益成熟，人工智能在营销、金融、数字政府、零售、医疗等行业的落地持续推进，并开始带来显著的效益，但落地进展有先后之分。在部分行业，传统企业已经充分认可人工智能的应用价值，开始在实际业务场景规模化地引入相关技术。

首先，在人工智能实际落地过程中，产业的数字化基础设施是影响落地进展的关键要素。产业数字化程度越高，人工智能的应用具备越完善的数据基础。

其次，在数据基础设施差异的基础上，人工智能技术与各行业具体业务场景结合产生的主流应用场景和价值呈现也有不同，会处于不同的应用价值阶段。

最后，基于不同行业的市场规模体量，人工智能技术应用创造的市场规模大小不同。下图中，气泡的大小代表了现阶段各个行业人工智能应用的市场规模，包括软件、硬件和服务。

接下来，我们将以人工智能在在营销、金融、数字政府、安全、教育、工业等部分行业的应用实践为例，分析人工智能的实际落地进展。

2.3.1营销

营销领域，线上营销场景已经是完全在线化、数据化的，线下营销场景也随着摄像头、屏幕等终端设备的智能化以及智能手机的普及而迈向数字化阶段。同时，品牌企业自身也在推进客户触点的数字化，并通过构建客户数据中台等基础设施，完善客户数据资产的积累。

基于这些条件，人工智能在营销业务全流程已经得到广泛应用：从早期的用户画像建立、程序化投放、流量防欺诈等自动化应用，到基于数据做市场预测、销量预测、智能客服等智能化应用，再到目前基于图像识别在视频等媒介的创新广告形式。

加和科技