视觉人工智能行业深度分析报告：产业链、市场规模、未来趋势、机遇挑战.docx

视觉人工智能行业深度分析报告（产业链、市场规模、未来趋势、机遇挑战）2023年3月扫码关注“快慢思考”公众号 获取更多深度报告ooK 微信搜一搜Q快慢思考I淘宝扫一扫关注店铺“光线写作社”I尊享原创写作服务oo手机淘宝扫一扫材料方案调研报告方案文案述职报告申报立项工作总结稿件润色专业团队精益求精目录一、人工智能行业总体发展情况41.人工智能行业市场规模42 .人工智能行业产业链与国内产业链分析53 .AI解决方案市场容量7二、视觉人工智能行业101.视觉人工智能技术发展历程102 .视觉人工智能产业链简介113 .视觉人工智能行业市场规模与行业构成124.视觉人工智能技术的场景应用举例14三、行业近三年的发展情况和未来发展趋势151、视觉人工智能在新技术方面的发展情况和未来发展趋势152、视觉人工智能在新产业、新业态方面的发展情况和未来发展趋势.163、人工智能整体市场未来发展趋势18四、行业面临的机遇与挑战201、以新基建为代表的扶持政策助力行业发展202、5G等技术创新推动人工智能的技术变革与应用渗透213、用户需求提升和技术扩散带来的应用场景拓展224、国际局势动荡为各企业供应链带来挑战22一、人工智能行业总体发展情况1.人工智能行业市场规模人工智能利用机器学习和数据分析，对人的意识和思维过程进行模拟、延伸和拓展，赋予机器类人的能力。人工智能将重塑实体经济，提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。人工智能是新一轮科技革命和产业变革的重要驱动力量。经历了从技术到产品、从产品到场景的快速发展过程，人工智能正逐步作为一种变革力量与产业深度融合，并成为目前新型基础设施建设的重要一环，面临广阔的发展空间。据Sage预测，至2030年人工智能的出现将为全球GDP带来额外14%的提来源：IDC中国市场丰富的应用场景和庞大的数据量同样刺激人工智能市场的快速扩张，将从2019年的28.06亿美元增长至2023年的119.25亿美元，复合增长率高达43.58%O政府行业、金融业、互联网行业在经过近年的应用实践后将全面推广Al的应用，而新零售、新制造、医疗领域也将成为Al市场的新增长点。IDC预计未来这六大行业应用AI的3年复合增长率将超过30%。2.人工智能行业产业链与国内产业链分析来源：中信证券研究所从产业链上来看，人工智能行业的基础层主要提供数据和算力支持，其中包括硬件设施、系统平台和数据资源三个维度；技术层为感知和认知能力，包括算法模型、基础框架和通用技术；应用层即场景和产品，主要包括各类型的智能产品和应用平台。同时，智能产品端即众多物联网化的终端和边缘端设备是数据资源的重要来源，形成了对基础层底层数据的持续补充，进而带动技术层的演进和迭代，从而构成完整的闭环。在人工智能应用技术方面，主要可分为计算机视觉、智能语音、自然语言处理三个主要方向。其中，计算机视觉主要研究计算机代替人眼对目标进行识别、跟踪和测量等相关课题，解决机器“看得清、看得懂”的问题。智能语音识别技术主要研究人际之间语音信息的处理问题，即实现计算机、智能设备、家用电器等通过对语音的分析、理解和合成，实现“能听会说”，具备自然语言交流的能力。自然语言处理技术主要研究计算机处理人类语言，是机器理解并解释人类写作、说话方式的能力，也是人工智能最初发展的切入点和目前的研究焦点。目前，国内的人工智能企业集中于应用层，基础层则较为薄弱。在中国新一代人工智能发展战略研究院2019年的统计中，产业链基础层、技术层和应用层的企业数量分别占总数的2.8%、22%和75.2%。由于对技术和资金的要求较高，基础层的底层技术由少数国际巨头垄断，国内行业结构稍显“头重脚轻”，国内企业在算法和硬件算力领域仍然任重道远。近年来，国家就相关领域的政策正在经历由侧重技术应用到全产业链系统发展的方向转变，未来就基础层的发展，可预见更多资本和人才的政策倾斜，基础层也将成为未来人工智能整体市场的核心增长引擎。2019年中国人工智能核心技术分布大数据/云计算III机器学习和推卷语音识别和自然语言处理人脸、步态、表情识别原件服务机2»人工业机署人SB形图像识别无人机其他视觉识别智辞芯片I区块链其他0.00%5.00%10.00%15.00%20.00%25.00%来源：中国新一代人工智能发展战略研究院目前，计算机视觉技术是人工智能市场中的应用最为广泛的技术，在2020年上半年贡献了整体市场中超过48%的收入，其次为语音语义技术和机器学习开发平台技术。随着计算机视觉的应用落地走向成熟，应用场景不断拓展，计算机视觉技术的市场份额将持续保持较高水平。2020年HI人工智能市场结构（以应用技术分类）机巧竟诺者通;Cm学习开发平台生能来源：IDC3.AI解决方案市场容量（1）智慧安防市场智慈安防解决方案运用人工智能技术处理安防监控活动中产生的海量数据,并逐渐完成部分自主决策响应任务，实现事前积极预防、事中实时感知和快速响应，以及事后的快速调查，其典型应用包括政府主导建设的雪亮工程、天网工程等。随着我国数字城市、智慈城市建设步伐持续加快，安防需求已全面从政府主导的城市公共安全管理向更为私有化、场景个性化的方向发展，智能安防的市场边界将进一步扩展，智能安防产业规模预计将保持高位增长。沙利文预计至2023年，中国智慧安防人工智能产业市场规模将高达1,301.6亿元，2018年至2023年的年复合增长率将达到47.7%。中国智安防人工智能市场短模（0元）1400来源：弗若斯特沙利文公司（2）城市治理市场城市治理解决方案运用人工智能技术，帮助政府统筹推进智慧城市的建设、运营和管理，并基于特定场景制订个性化解决方案，有效提高工作效率和立体化防控水平。以智慧交通枢纽为例，传统交通系统中存在各交通参与模块相互割裂、缺乏协调等问题，城市阻塞问题随之加剧。智慧交通枢纽整合交通资源与流量信息，实现交通元素之间的彼此协调、优化配置和高效使用。随着各地对城市运营精细化管理的需求不断增强，下游应用场景的不断拓展将持续加速城市治理市场的扩张。仅就智慧交通人工智能领域，沙利文预计2023年该领域市场规模将达到345.7亿元。中国智凝交通人工智催市场短模（亿元）来源：弗若斯特沙利文公司(3)智慧园区市场缺乏信息化管理平台的传统园区随着入驻企业和员工访客的不断增加，存在管理效率低下、资源配置不合理等问题。智慧园区则可以通过云计算和人工智能等技术，实现园区的网络设施协同化、运营管理智能化，有效降低园区的运营成本。目前，我国共有超过15,OOO个产业园区，智能园区改造的渗透率仍然较低，未来有较大的市场增长空间。预计至2023年，中国智慧园区人工智能市场规模将达76.3亿元。中国西餐Rl区人工智绘市场燃横(亿元)60$040JO2010 0来源：(4)弗若斯特沙利文公司智慧泛商业市场计算机视觉技术通过识别分析消费者行为和商品信息，可对门店经营、消费者游逛行为等进行数据量化，对销售额进行多因子分析，是精准营销、智能化运营、门店管理等环节应用的必要基础。在此基础上机器学习技术则应用于数据建模及辅助决策，共同提高泛商业各场景的智能化水平。随着人工智能技术向更广泛的商业领域进行渗透，智慧泛商业的市场扩张将伴随着零售、市场营销等行业的转型升级得到进一步的加速。其中，AI+零售市场将保持50%以上的年复合增长率，规模将在2022年达到26.7亿元。中国I*1市场短模（0元来源：艾瑞咨询二、视觉人工智能行业1.视觉人工智能技术发展历程（1）计算机视觉的定义计算机视觉技术赋予计算机人类双眼所拥有的分割、分类、识别、跟踪、判别等功能，通过构造多层的神经网络，识别不同层级的图像特征并在顶层做出判断和分类。（2）计算机视觉的发展历程马尔计算视觉多视几何与分层三维重建基于学习的视觉20世纪80年代20世纪90年代21世纪初至今主要讨论“计算理论”和“表达与算法”，认为大脑的神经计算和计算机的数值计算没有木质区别。研究重点在于如何在保证鲁棒性的前提下快速进行大场景的三维重建，而重建需要反复和大量的计算。以机器学习为主要技术手段的计算机视觉研究，包括以流性学习的子空间法和目前以深度学习为代表的视觉方法。来源：清华大学-中国工程院知识智能联合研究中心如上表所示，计算机视觉主要经历了以上三个发展阶段。伴随着同期互联网海量数据的爆发，各类数据集成为计算机视觉技术发展的土壤，而深度学习和深层神经网络理论最终带来最新一次的技术变革。2015年，视觉人工智能系统识别项目ImageNet比赛中，ReSNe似3.57%的识别错误率首次超越人类视觉的5.1%0目前人脸识别准确率己经提升至97%以上。2010年至2017年历届Inlage、el冠军人脸识别准确率与神经网络层数情况30.00%25.0W20.00%154)0%10.00%5.00%0.00%1400 12001000800600400200 0来源：ImageNel（3）计算机视觉实现的主要功能根据中科院2019年人工智能发展白皮书，计算机视觉系统的主要功能包括:图像获取预处理特征提取检测/分割高级处理提取二维图像、三维图组、图像序列或相关的物理数据。对图像进行预处理使之满足后续的分析要求，如二次取样保证图像坐标的准确性从图像提取各种复杂度的特征，如边缘提取、边角检测、斑点检测等等。对图像进行分割并提取有价值的内容，如筛选特征点、分割含有特定目标的部分O验证所得数据是否匹配前提要求;估测特定系数,对目标进行分类等。2.视觉人工智能产业链简介与人工智能市场的产业链相似，视觉人工智能市场的产业链同样分为基础层、技术层与应用层。其中，基础层主要包括提供算力的芯片与提供信息采集功能的前端设备组成的硬件支持、相关底层技术支持，与海量信息数据；技术层则主要包括基于各类识别技术构建的软件产品、解决方案和技术平台；应用层则包括了各类视觉人工智能的应用场景。来源：艾媒咨询等3 .视觉人工智能行业市场规模与行业构成作为人工智能产业中应用最为广泛的技术之一，计算机视觉技术拥有前景广阔的庞大市场。在2017年的爆发式增长后，我国计算机视觉市场近几年的增长趋缓，但仍处于较高水平。根据高工产研机器人研究所的数据，2019年中国计算机视觉应用市场达14.56亿美元。而根据沙利文咨询出具的研究，2019年中国计算机视觉市场规模达到219.6亿元。中国计IT机视竟市场短模（亿元）too来源：弗若斯特沙利文公司目前，视觉人工智能被广泛应用于各个行业，包括安防、零售、营销、医疗等等。其中，根据亿欧数据的研究，2018年中国计算机人脸识别市场中安防场景的应用占61.2%,根据前瞻研究院数据，2020年中国计算机视觉应用层份额中，安防影像分析占67.9%,国内明确的应用场景和强大的客户需求让Al技术在安防行业快速落地。在安防行业，视觉人工智能的应用场景包括门禁、智能摄像头等，依托人像识别技术，安防排查和管理效率得到显著提升。同时，根据中科院发布的2019年人工智能发展白皮书等，目前计算机视觉技术除了安防之外，较为典型的应用场景还包括：(1)自动驾驶自动驾驶汽车需要使用计算机视觉技术。特斯拉等汽车制造商己经通过摄像头、激光雷达、雷达和超声波传感器从环境中获取图像，研发自动驾驶汽车来探测目标、车道标志和交通信号，从而安全驾驶。(2)医疗由于90%的医疗数据都是基于图像的，因此医学中的计算机视觉有很多用途。比如启用新的医疗诊断方法，分析X射线，X光检查，AI诊疗等。(3)制造业计算机视觉技术可以帮助工业制造商更安全、更智能、更有效地运行，比如预测性维护设备故障，对包装和产品质量进行监控，并通过计算机视觉技术识别和减少不合格产品。(4)翻译传统翻译采用人工查词的方式，不但耗时长，而且错误率高。图像识别技术的出现大幅提升了翻译的效率和准确度，用户通过简单的拍照、截图或划线就能得到准确的翻译结果。4 .视觉人工智能技术的场景应用举例视觉人工智能目前被广泛应用于多个行业，其功能和应用涉及到数据采集端终端，数据传输，数据存储、处理和输出端云端，通过云端和终端的密切配合，最终实现有效结果的输出。以安防场景为例，在一个完整的端云架构中，终端IOT设备主要用于数据采集，例如摄像机通过拍摄视频来采集数据,然后终端设备通过传播介质将数据传输至云端，再由云端进行批量的分析处理,最后输出分析结果。由于终端设备需要更多地考虑功耗和成本，过去在端侧仅部署较小的算力，更依靠云侧算力的支持。在数据呈现指数级增长的今天，一方面终端的视频流数据快速增长加重了传输渠道的负载，导致原有带宽无法支撑数据的及时、有效传输，进而影响了云端算力的科学调度；另一方面，数据量的指数级增长大幅提高了云端对并行运算数据峰值的要求，云侧的部署成本随着数据处理需求的极值增长而显著提高，但在数据处理的“平峰期”，云端算力将存在无法得到充分、有效运用的情形。段翎潦上传传*压力大识别分析全辞数抠视? 更多算力.岛在成本投入姑来看出存在M证云褊存储帝米数挺限险攻树木便仅上传特征要案.献传乐力澳别分析部分故据.仃效 算力博力,15约成A数据采集携处理识别分析Ir站梁输出耗时更*J一本地数据存储规避风险为了更好地平衡云侧和端侧的算力分布，实现整体效率的最大化，目前通过提升端侧和边缘侧的智能化水平和算力，实现整体算力分布的前置成为行业的新趋势。通过将部分算力和分析程序前置到终端设备，终端可以实现对数据的预处理，仅需将部分特征数据传至云端，甚至在本地完成对数据的完整分析。通过分布式算力部署，端侧设备形成的数据处理集群逐步向云侧设备融合。随着系统架构的不断优化，一方面这将增加有效算力，缓解带宽压力，减少设备的成本投入，另一方面数据的本地处理也能有效规避云侧分析带来的数据安全、隐私保护等风险。随着端侧芯片能够灵活支持更多算法，在云端集中的算力部署也将更加合理，最终实现“端云协同”的协同效应，即架构内算力、成本、时延、功耗的最优平衡。为实现这一效果，端侧对芯片的兼容性和灵活性有更高的要求，在控制成本和功耗的同时提升算力，从而实现云端部署和应用场景的灵活适配。三、行业近三年的发展情况和未来发展趋势1、视觉人工智能在新技术方面的发展情况和未来发展趋势1:11:NM:N体态识别人脸验证静态人脸识别动态人脸识别与行为预测近年来，视觉人工智能的多数研究都集中在深度学习、检测和分类面部/手部/姿势、3D传感技术等方面。随着识别准确度的提升空间趋小，研究重心将逐渐转向技术协同、融合与应用。在视觉人工智能领域内，将终端设备演进为小型数据中心集群，并与云端高效协同将成为研究重点之一。终端设备的铺设和数据量的增长将使面向云端的传输压力倍增，这要求端侧完成部分云侧的图像处理功能。而在终端逐渐提高的算力要求，例如更加准确的实时识别，也需要端云架构的协同整合。在识别技术趋于成熟的今天，端云的深度结合与协同将成为识别技术的重要依托，如何将两侧的架构进行不断耦合优化也将不会局限于计算机视觉技术，而成为人工智能技术层共同探索的方向。目前，业内的部分研究也在突破对识别准确度的单一聚焦，转向更加综合的计算机视觉问题，如图像描述、事件推理、场景理解等。未来，视觉人工智能将与其他的智能技术协同融合，评判因素也将由准确性延伸至识别的灵活性、推测的合理性。例如，融合自然语言处理技术来完成图像描述，将图片翻译为一段文字。而事件推理则是通过识别复杂视频中的因果关系，并基于因果关系给出合理推测。未来，安防领域可运用这项技术，建立端到端的时间推理系统,从而帮助提升案件侦查效率，改善治安管理效果。场景理解则通过由自身传感器收集的环境感知数据，获得周边场景的几何/拓扑结构、构成要素与时空变化,并进行语义推理甚至决策出未来时间内的运动走向。该项技术有广大的潜在市场亟待渗透，未来随着数据集的不断拓展和自监督学习，视觉人工智能的交互性和通用性将大大增强，为各种行业所用。技术的协同和融合将进一步积累针对多样化场景的解决方案，而更加广泛、密集的应用又将推动技术的不断迭代。海量数据、多种技术的交互作用有利于最终构成完整的技术赋能平台，持续的整合和创新将不断扩展视觉人工智能的技术边界，转化为下一阶段的产业化能力和平台化能力。2、视觉人工智能在新产业、新业态方面的发展情况和未来发展趋势视觉人工智能技术不仅能够带来生产效率的提升，也会催生新产业及新商业模式，推动多行业产业链的重构。视觉人工智能技术产业化落地应用程度不断提高，在智能手机、智能汽车、智慧安防、智裁家居、智慧保险、智慧零售、互联网视频等领域均有广泛的应用，并形成了全新的产业链条与商业经营模式。可以预见，随着视觉人工智能技术不断发展，行业应用解决方案的建立和完善,以及政府对视觉人工智能行业的政策扶持，视觉人工智能技术将进一步渗透，助力各应用行业解决行业痛点，提高运营效率，实现行业转型和升级。(1)智慧政务与城市管理领域在智慧政务与城市管理领域，随着数亿个传感器被嵌入进城市里的各种设备，政府可以利用云端技术，提高对交通和街道的公共管理能力。以安防领域的治安管理业务转型为例，在重点场所布控的系统可以进行实时监控，将公安机关的事后侦查转型为主动预警预防。城市作为人工智能落地的综合载体,近年来获得了视觉人工智能技术全方位的渗透，不断挖掘新的需求与应用场景。以物流分拣为例，过去城市主要依靠人工分拣和配送，随着视觉人工智能和物联网的深度融合，物流分配逐渐走向数字化和自动化，这将极大地降低城市管理成本，优化城市管理效果。（2）智慧社区管理领域智慈社区领域则是智慰政务与城市管理的延伸，通过将城市的管理理念引入社区单元，管理者可以通过完善基层信息化平台支持智慧城市的顶层建设。过去的社区主要依靠人力管理社区人流、物流、信息流，整体管理处于相对割裂的状态，在社区扩容和流动人口激增的背景下难以实现实时、主动的管理。在智慧城市的框架下，视觉人工智能与物联网、云计算、大数据深度融合，在物业管理、社区安全、便民服务等多个细分场景进行应用，例如出入人员记录、街道楼栋管理、留守老人关注服务等，提升物业管理和服务水平。（3）智慧家居领域在智慧家居领域，视觉人工智能有助于提升人与智慧家居产品的交互体验,构建以住宅为平台，基于物联网技术，由智能硬件、智能软件系统、云计算平台构成的家居生态圈。视觉人工智能最终能够实现人远程控制设备、设备对人的生物特征识别和适配、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活更加安全、舒适、节能、便捷。（4）智慧零售领域在智慧零售领域，从当前市场环境来看，线上线下融合、消费闭环是零售业的未来发展方向。从零售企业经营看，不断上涨的人工成本是制约企业盈利增长的主要瓶颈，少人化、无人化无疑是削减人力成本的重要方向。例如，商品识别在无人便利店、智能签售柜等场景的应用不仅有效降低了识别误差率，也对线下零售的人员结构进行优化，让员工的工作重心由重复性基础劳动转向会员管理和运营优化，提升运营的效率和效果。另一方面，围绕不同消费群体和消费场景的产品和服务也对未来零售的运营管理提出了更高的要求，而更精细的数据采集与定制化分析为运营管理优化提供了支持。零售企业可以将视觉人工智能、大数据、物联网等技术应用到零售区域划分、客户动线分析、客户属性分析等场景，更全面、准确、迅速地了解顾客需求，增强消费者体验。同时，这些应用有助于供应链改造和供给侧优化，为企业降本增效，更好地实现消费场景线上线下融合，构建智能数字化管理体系。3、人工智能整体市场未来发展趋势(1)端侧与云侧的融合与协作是大势所趋中国物联网市场在未来三年预计将保持20%以上的增长速度，在2021年达到26,251亿元的市场规模，而物联网应用的渗透将带动对物联网芯片的需求。据MarketSandMarkets预计，2020年全球物联网芯片市场规模将达109.41亿美元，对云侧和端侧的要求将更加全面，在云侧寻求算力、响应时间、成本等因素的最优配置，在端侧提升算力和让数据尽可能实现本地处理。一方面，物联网将有更多的应用场景对延时更为敏感，例如智能家居、智能工业、智能医疗需要端侧设备的实时响应。另一方面，5G时代的无线网络将具有更低的时延性，大规模的数据流动将增加传输和云端的压力，这同样需要云侧和端侧的密切配合。目前云侧和端侧的配合主要体现在云端训练神经网络，再由终端或边缘端设备进行推理。未来，随着端侧设备的进一步迭代，设备能负载更多的计算分析工作，甚至可以承担部分的训练过程。另一方面，计算力的前置是行业发展的重要趋势，未来云侧的边界也会逐渐向终端和数据源头推进，整合云侧和端侧的架构，将Al处理分布在各个网络设备中。随着云侧和端侧的技术走向成熟,其协作的适应性和灵活性将成为下一阶段的竞争重点。未来云端和终端设备及其连接网络可能会构成一个庞大的Al处理网络，云端能够实时控制、调整终端的算法，重新定义、迭代硬件；而终端也能将数据及时反哺给云端进行自适应优化；训练和推理的相互协作、互补整合也将成为技术的一大探索方向，形成完整协同的智能生态。（2）视觉人工智能行业的竞争维度逐步从单一技术领先性竞争转向综合服务能力竞争Al芯片与算法都是人工智能行业的关键底层技术，两者的发展彼此交互、相互融合、相互促进，共同助推终端智能和Al生态的发展。以安防行业为例，前端采集设备和云端软件的协调、优化能有效提升整体方案运行的稳定性和效率。随着Al算法技术的不断进步，视觉人工智能企业技术成熟度均已达到较高水平，同行业企业间的技术差异正在逐渐缩小，行业技术进步所带来的边际改善效应正在衰减。在更多场景下，竞争者之间的技术水平都已经可以较好地满足用户的需求。故而，视觉人工智能领先企业间的竞争正从过往的以技术领先性为核心的技术研发竞争逐步转向以用户需求理解和应用场景落地为核心的技术应用竞争。上述变化也对企业的技术研发能力和综合服务能力提出了新的要求，过去在产业链单一环节的专业化优势正趋于弱化，而如何基于场景需要，打通底层的算法、芯片等核心技术，如何为客户提供全面、综合、成本更优、体验更好的方案和服务正成为未来行业竞争的关键因素。（3）核心城市日渐成为视觉人工智能技术等Al技术创新和应用的重要载体和试验地人工智能技术创新融合应用的重要载体和试验地。在全球范围内，包括旧金山、纽约、伦敦、新加坡、东京、北京、上海、深圳等核心城市都在形成人工智能技术创新和应用的集聚。而中国政府正在大力推动的新型基础设施建设，核心城市也是建设的主战场和示范基地。未来，能抢占核心城市市场的人工智能企业也将拥有更丰富的技术落地场景，进而拥有更强的竞争优势。视觉人工智能技术作为目前应用最成熟的Al技术之一，未来将不仅局限在与公共安全相关的领域，有望在城市的发展和治理中发挥更加重要的作用。四、行业面临的机遇与挑战1、以新基建为代表的扶持政策助力行业发展在国内大力发展新基建的背景下，数据中心和海量网络的建设承载着数据的指数型增长。如今的智慧城市仍强调基建和信息传输效率，但与过往不同的是，其技术特征演化为万物互联与基于软件定义的城市服务。随着万物互联的需求日趋多样和复杂，集成电路与数据中心将迎来下一轮的需求增长的爆发。各终端不仅需要具备数据处理能力，还需要能与云端产生实时而灵活的互动，并衍生出更多针对算法和基建的投入，从而持续刺激5G、集成电路、人工智能等领域的发展。随着国际间科技实力的竞争逐渐激化，各国政府都先后出台了针对人工智能发展的支持性政策，并将其上升至国家战略层面。在中国，政府正通过多种形式支持人工智能的发展：中国已经形成了科技部、国家发改委、中央网信办、工信部、中国工程院等多个部门参与的人工智能联合推进机制，从2015年开始先后发布多则支持人工智能发展的政策，为人工智能技术发展和落地提供大量的项目发展基金，并且对人工智能人才的引入和企业创新提供支持。这些政策给行业发展提供坚实政策导向的同时，也给资本市场和行业利益相关者发出积极信号。在推动市场应用方面，中国政府在推动人工智能技术与实体产业深度融合的同时，也在智慧城市的转型中与人工智能产业进行密切合作。作为技术应用的重要采购方，中国政府在落地智慧安防、智慧政务的同时，也成为了推动人工智能产业发展的主导力量之一。2、5G等技术创新推动人工智能的技术变革与应用渗透随着算法、芯片技术的日益成熟，人工智能技术具备了大规模投放市场的基础条件。而随着近年来新基建的集中投入，5G等底层技术发展进入全面加速状态。5G技术因其大带宽、低时延、广覆盖的特征，成为新基建其他产业的根基技术。底层技术的突破让人工智能技术在更多终端上的大规模应用成为了可能，这也使得人工智能化的物联网终端可以广泛地在各个行业得到大规模的应用，从而使得人工智能技术在更多的行业场景落地。而因为更多的场景能够使用人工智能进行设备处理和数据传输，更多的边缘终端将持续采集海量数据，进而驱动人工智能技术得到进一步的发展、创新基础设施赋能各产业的数字化转型。同时，智能终端在物联网时代的普及将为人工智能芯片提供重要市场机遇。智能终端在不同应用场景下对算力、功耗、时延的多元化需求，使得人工智能芯片在端侧可以拥有更多元化的应用场景，而智能终端在各场景的广泛运用也离不开人工智能芯片的低成本化并兼具高度可适配性。未来5G和物联网引领的智能终端需求爆发将为人工智能芯片的研发、生产和应用带来更多可能，而人工智能芯片将作为Al的底层基础，真正实现智联万物，让Al无处不在。全球物联网终端连接数（亿台）290.0来源：IDC,中国产业信息网，沙利文整理3、用户需求提升和技术扩散带来的应用场景拓展一方面，随着人工智能技术的日渐成熟和扩散，通用化、模块化的算法框架降低了人工智能技术的使用门槛，更多行业和企业能够基于人工智能技术对现有的产业和业务进行边际优化与改善，人工智能技术和传统产业的融合程度日益加深；另一方面，用户新需求的不断涌现激活了各个领域的人工智能企业发展潜能。在金融、交通、教育、公共安全、商业服务、能源、零售、医疗等行业，人工智能技术的应用均在持续挖掘和拓展。4、国际局势动荡为各企业供应链带来挑战美国在人工智能基础层领域，尤其在AI芯片设计研发领域，有显著的产业优势和技术壁垒，美国芯片厂商是国内很多Al技术层、应用层公司最重要的供应商之一。随着全球科技产业链不断受国际局势影响，我国相对薄弱的基础层可能难以支撑产业链中下游的发展，这无疑会对国内该行业的生产供货和研发革新带来风险。长期而言，底层技术的自主可控是国内建立人工智能完整产业生态链和参与全球科技竞争的基础，也是国内各人工智能企业最重要的核心竞争力之因此，在新基建的背景下，我国政府对人工智能的政策方针转向系统性全面发展，持续增大针对基础技术领域的投资，进一步完善国内人工智能的产业链、创新链、人才链，同时业内也在积极探索将自主可控列入新基建的产品测评，与质量、安全等因素并重。在逆全球化的挑战下，发行人全产业链服务的优势将尤其凸显，其自主可控的算法、芯片、大数据、解决方案研发设计平台将有效降低贸易摩擦带来的风险，也有助于未来长期的成本控制，在国内激烈的市场竞争中取得优势。公司业内领先的技术服务能力将成为公司未来持续发展和获取中大型业务订单的底层关键技术依托，未来在云端芯片等新领域的探索也将为其业务拓展带来新的机遇。