智慧園區一體化解決方案精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的智慧園區一體化解決方案主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：智慧園區一體化解決方案范文

今天的主題就是企業數字化轉型進行時，圍繞新臺階、新探索跟新進步主題做一個專題研討。整個研討分三大塊：第一塊就是我們對數字化轉型的一個認識；第二塊是重點介紹一下我們安徽公司在數字轉型的現狀以及遇到一些問題；第三塊主要是基于這些現狀和問題，我們的一些思考和規劃。

我們首先來看第一部分，我們對數字化轉型的認識，隨著新一輪科技革命和產業變革深入發展，國有企業數字化轉型也逐漸展開，絕大多數國企已開啟數字化轉型進程。我們電信也在加快推進云改數轉，目的就是為了推進企業數字化轉型。5月28日，國務院國資委黨委委員、副主任翁杰明在國家電網江蘇電子公司召開的對標世界一流管理提升現場推進會上指出，央國企要推動企業管理的數字化、智能化升級，更好地發揮為業務賦能、促進管理變革、實現價值提升、提高運營效率等重要作用，打造數字化、智能化驅動管理提升的新引擎。總的來看，不管是從央國企自身發展，還是上級要求以及到國家層面，都充分認識到數字化轉型的重要性以及能帶來的巨大生產價值。

數字化轉型的價值包括：1、生產效率的整體提升；2、是數據驅動業務流程的再造以及提升業務的便捷性和高效性；3、客戶的體驗度；特別是我們物業這個板塊，很多都是面向客戶服務的，所以用戶的體驗影響到我們對后期服務的感知度，以及后續業務的增值服務的能夠切入度。4、流程自動化；早期很多都是從線下流程直接搬到線上化，但是會出現流程上的反復和重復，通過數字化轉型過后，結合我們人工智能這些技術性的算法，能夠很好地做到自動化流轉。這也是能夠快速提升我們整體內部效率很關鍵的一個點。5、收入來源；現在整個數字化做得比較好，如果我們設計方案非常優化，我們就能發現客戶他的一些痛點和他不足的地方，那么圍繞這些痛點和不足也是我們后續挖掘商機的關鍵點，我們就能夠精準的面向他的痛點去提供問題解決方案，成功率會遠遠大于我們原來的這種通用性解決方案。6、產品創新；一些亮點產品，一旦大范圍孵開，它的價值會大大多于我們現有的線下服務數據，整個產品一旦提升過后，我們后期的服務是有明顯的“木本業務”的，特別是我們講數字化轉型，大部分還是圍繞產品創新來的。7、供應鏈優化；放眼整個行業條線，除了企業自身之外，還有產業鏈上下游整體的優化，數字化轉型就是為了打通上下游，站在更高的層面，這樣內外部的協同就有了更好的提升。

總結一句話就是對于數字化轉型業務，企業已經深刻認識到它為企業所能帶來的各個層面的價值點，各個企業也在深入的思考，如何結合自身的特點去轉型做好這項業務。

這是對數字化企業數字化轉型的簡單認識。

第二部分是介紹一下安徽公司的數字化轉型的現狀。首先，數字化轉型在安徽公司起步還是比較早的，特別是在領導帶領下，內部信息化已經開展了10多年了，但還是存在以下5類狀況：1、偏重于內控管理；我們還是以最早的業財一體化為主，更偏重于企業內部管控。2、未能橫向打通；像我們現在使用的祥云、人資、財務等等這幾十個系統，都是加強內部的規范化管理以及風險管控以后再增加了運管的分析，對于公司內部運營和決策者的決策也都起到了非常好的、積極的作用。但我們對外的服務以及我們橫向跨系統的時候，還沒有完全做到打通。3、智能化水平不足；在智能化水平這一塊，我們基本上基于一些簡單規則的分析，像圖像識別、語音識別、人工智能這些深度智能化的應用相對還是比較少的。后期提升整個應用的智能化水平，覺得我們在深度以及層次上還有一定的上升空間。4、運用程度不高；我們單個條線的業務現在是比較成熟，我們也拿到一部分數據，但對這些數據的融合應用以及它的一些深度價值的挖掘，我們運用程度不高，這也是我們安徽公司數字化轉型待提高的一個點。5、未形成標桿產品；我們信息化雖然起步早，業務成熟，但大部分是圍繞著當時安徽公司我們自身的這種信息化需求去做的，它的針對性相對是比較強的，但是如果考慮產品化的時候，還應考慮到外部企業的一些公用性需求，加上對包裝的打磨，形成具有標桿性的產品案例。

以上講的就是我們安徽公司數字化轉型情況以及存在的問題。

第三部分也就是我們對安徽公司數字化轉型的一些思考，因為整個數字化轉型范圍是比較大的，所以這里我們主要聚焦頭部物業公司的主要數字化轉型，做一個初步的思考和探索。首先是物業企業數字化進程及特點，具體分為五個方面：1、同質化；全國很多大型物業公司，像萬科、彩生活等等，他們都有信息化這樣的系統，但是我們通過分析過后，他的整體同質化水平還是比較高的，比如萬科物業管理有二三十個系統，可能其他的物業公司，也是這二三十個系統，而且功能相差不大，僅有某一些功能模塊保留了他的初衷點。2、高投入；如果想把物業板塊做好，其實投入還是蠻大的，很多都是由專門的團隊去做，每年就可能花上千萬以及上億的資金投入去打造產品，投入相對較高，但他的投入高，后面鋪開的就比較大，它的收益也就相對更多，而且是比較穩定，因為物業行業它的整體粘性非常強，不容易輕易換出，除非做的非常差。3、平臺化；現在很多公司都是有自己產品的，而且產品都是有一定的市場使用率的，如果我們把它平臺化過后，我們就可以做到快速的復制推廣，現在大企業都有自己的這種平臺。4、To C 居多；不管是寫字樓還是社區，主要用戶是物業自身的內部管理及服務，另外就是我們的居民以及我們的員工，不管是智慧小區還是智慧樓宇等等，他們都是我們的核心用戶，但除了To C還有一些To B的增值服務，納入到小區里面，比如說一些廣告供應商，如何通過我們這個平臺應該有B端用戶加入到平臺，然后發揮更大的價值等等，可能也是我們后續需要去做的，而且真正的收入來源，我覺得整個ToB的可能是一個關注點。5、活躍度低；現在整個物業行業比較難突破的，就是它整體的這種活躍度相對是比較低，這樣的話導致向深度挖掘一些運營價值的難度還是比較大的。所以很多的物業企業，他會想很多方式方法來增加用戶的粘性和活躍度，他們會定期開展一些各種各樣的一些活動來吸引用戶，包括社區的方圓幾公里的便捷生活、便捷服務都會納入到里面，后期一旦有用戶的時候，可能會發現一些其他價值。

其次講的是置業公司現行業務模式，我們置業公司下面設了很多分公司，有管設備的，有管房產的、各物業分公司以及餐飲的，也都有相應的物業跟餐飲項目部，那么全后勤一體化解決方案，主要就是圍繞我們技術物業餐飲服務跟商業服務客戶服務以及增值服務，來全面展開，也就是說基本上我們已經形成了相對比較完善的一體化整體解決方案。所以從業務這個層面來說，我們相對是非常成熟的，這也為我們后期數字化轉型提供了一個技術保障，我們都有相應的涉及到各種各樣的模式，不管是我們內部的還是跟外部這種合作的，線上線下融合的，我們都有涉及到，為后面整個的這種產品打造、規劃打下了好的基礎。

接下來講講置業公司現行的項目管理流程，現在置業公司已經有了相應的平臺，包括我們現在整個置業相對做得還可以的慧云平臺和智慧餐廳平臺，我們已經相對是比較成熟了，在整個項目管理流程里面，我們已經做了閉環管理，我們前期的市場拓展，包含了商機的獲取、跟進、招投標以及合同簽訂；到項目進場，制定解決方案、人員培訓等等；以及我們的交付管理，特別是我們的服務質量、安全生產以及我們服務的滿意度調查，都依托這兩個平臺，然后做管理、做服務，做好我們的客情維系，如后期招投標、續簽等等都有。我們已經實現了全流程這樣的一個服務，這就是說我們內部項目基礎管理已經具備核心生產系統。

那么因為數字化轉型是一個大的課題，有對內和對外的，對內的基本核心我們已經有了，但是整體向數字化轉型，想做得好的話，就要明確置業公司數轉方向及重點。我們置業公司因為它特殊的性質決定了我們服務的客戶，客戶的體驗度，對我們的認可度，以及我們現有給客戶帶來的價值，我認為這對我們置業公司后續能不能走得更好，或者有更好的發展是一個重點，也就是圍繞著我們前面提到的用戶的體驗度，用一些增值服務，給客戶帶來一些價值服務水平提升，增強對我們服務的粘性。

我們還要深入考慮對外的因素，主要圍繞以下三個方向，1、社區服務；社區服務它是一個基礎，它基本上是一個剛需，大部分都會用到，社區服務里有很多業務應用，像智能會議、智能報修、智能預約等等，這也是我們提升服務智能化水平，服務響應水平的個塊關鍵點，因為這項技術服務一旦做好過后，我們后期一些附加值的應用就可以很好的加在這個基礎上。2、園區智能化；不管是一棟樓還是一個大的小區，它整體智能化也都在做，國家也在出臺了智慧園區、智慧社區相關的標準。我們把樓宇智能化做一個大幅的提升，包括停車、門禁、智能樓宇、銷控等等，我們集成過后，整個園區從傳統園區和社區升級到我們智慧園區和智慧社區層面，所有的東西都能基于物聯網能夠實現智能監控、智能管控，整體效能會有一個大幅的提升。3、管理輸出；如果要想把它規模做大，做到快速可復制，除了整體的渠道以及我們的產品跟服務之外，更重要的是管理輸出，很多物業公司做得好的就是因為它的管理標準化做得非常好，對現有的管理模式做提煉和提升，或者重新探索，最終形成通用模式，并隨之快速全面推廣。

針對以上三個對外方向，如果想把市場的方向做扎實，我們可能要基于現有的實際情況，以及我們安徽通服、安徽置業的實際情況，現有的這些客戶以及未來商機，我們要去統籌、去推進、去規劃。在置業公司數轉實施路徑上，有三個方面，1、迭代；因為前面已經介紹了我們有云平臺，有智慧餐廳等等一些基礎性的應用，那么這些應用，因為是統建有很多個塊不能滿足實際應用需求，所以要做整體的迭代升級，優化服務內容和服務范圍。2、深化；我們原來是對內為主，現在對外就要深化我們的應用，整合現有的應用，比如：和信的智慧運管、智慧園區，中徽建的智慧社區，設計院的智慧消防等應用，我們會快速地做一個集成，這也是在短期內能夠快速提升我們整個智慧物業的智能化水平或者產品化水平的一個很便捷的途徑。3、開發；為了做的更好，也建議找一些種子開發商和一些比較成熟的客戶，和他們達成戰略合作，共同去開發、孵化相應的產品以及模式，一旦成功，也可以做到大范圍去復制，整體的水平也是與時俱進的，所以這就涉及到外部的生態合作了，定制交付應用，后期也會安排這樣一個產品團隊，去承接這塊部分。

接下來講一下具體的實施路線，在這里也分了幾個層面，在這里面有我們的終端跟服務對象，那么在核心產品、基礎計算平臺打造的時候，還是依托于我們通服自己的云平臺，依托于自己創新研發的中臺，因為研發中臺已經有業務中臺、數據中臺以及物聯網中臺等等這樣的平臺能力，相對是比較落地完善的，這樣的話也能大大提升我們自身產品打造的效率，節省相應的成本。

在做核心業務層規劃的時候，我們也是圍繞著聚焦物業把它做了一個劃分，主要是從四個層面，1、職能延伸管理；從職能層面管理去落地的，例如職能層面他管資產和物業數據，正常車輛調度等等，內部辦公、人力資源、財務報賬等等這幾個方面去做的；2、客戶商服管理；例如智慧的預約、訂單管理、商家管理、報失報修等業務層面；3、智慧交互管理；在提升用戶的感知度上，我們做了很多智能化升級，在交互管理這一層面做了打造，包括我們的餐廳、停車、保潔機器人、樓宇智能化、智慧安監、消防管控、訪客管理等的應用，這里面列的每一塊都是核心應用，后期也可以根據我們實際需要去做相應的擴展。4、物業移動管理；因為現在的社區管理都是通過人工的方式來的，而我們手機的應用是越來越普及了，而且越來越便捷，所以整個物業的移動化管理也是勢在必行了，原來的人工打卡巡檢，通過手機智能打卡巡檢的時候都可以處理，包括遠程的監控調度管理定位等等，移動化管理也是我們數字化轉型后期的一個重要的方向。

在展現層，所有的展現都要通過統一的門戶入口作為項目入口的各個系統的歸結，那么對外服務的時候，我們有自己的傳統電腦端。移動端涵蓋了小程序、公眾號、APP，APP是內部使用的，公眾號是面向訪客去用的，以及微信小程序都會涉及到。大屏展示面向來參觀的客戶，還有一些智能終端，包括現在很多物業電梯口有相應的電視機之類的，后期都可以通過我們的渠道信息，那么管理這些信息入口，對外宣傳也是比較多的，傳統宣傳短信、微信各個渠道我們可能都有涉及到，我們初步規劃就是打造智慧物業這樣的平臺。當然我們也會對原有平臺進行升級，像我們的原來云平臺，智慧食堂都是在原有基礎上升級的。

以上就是整個智慧物業在大平臺這個層面如何去落地的，如果想做的好，是少不了一些落地的標桿案例，正好有一個鍥機，就是我們通服自己的園區，可能基礎工程、土建工程、整體工程將在明年就要完工了，那么作為自己的園區，我們可能更有機會去把它做成一個標桿案例。

我們也是跟設計院、中徽建、和信做了初步探討，做了一個初步的規劃，基本上分為一個門戶、兩個中心和一個應用，以及我們下層的數據生產檢測能力跟智能化基礎這幾大板塊。一個門戶，就是前面所講到的桌面端和移動端統一的入口，兩個中心，一個就是我們的園區智能運營中心，一個是一體化展示中心，在大屏展示的時候，安防專題、訪客專題、能耗專題都可以通過這里面來直觀的展現出來。而且我們把線下的展廳，通過數字化建模把它進行線上建模，這樣就線上線下一體化了，同時安徽公司有很多的智慧產品，包括我們智慧物業自身的產品，在展示中心都會做歸集，這樣我們對內對外的展示中心就全部都涵蓋了。

在應用這一塊，我們分了兩部分，一個是園區服務，另一個是園區管理，園區服務像會議預約、便捷通行、報修服務、食堂等，園區管理像內部的環境管理、資產管理、安防管理、樓宇管理等等。那么這一塊應用也相對是比較多的。在數據中臺、能力底座的打造也是基于我們省公司的底層平臺進行打造的，所以也是驗證我們底層平臺一個比較好的機會。基礎智能化相對比較簡單了，因為新園區很多都是按照國家標準去建就可以了。

這是我們初步規劃的通服家園的一個案例，實施好以后，還會做一些深化設計，我們會成立項目組，會進一步再做對接，最終目標就是內部的管理完全智能化跟高效化，同時要結合外部的參觀的需求以及互聯網需求。

現在很多智慧園區都把所有的系統做了，能打通內部的一卡通刷臉或者一臉通，從他身份識別到門禁到考勤到會議室，以及到其他的公共區域時候，都可以把它整體串聯起來。外部訪客也是一樣的，先是線上預約，通過掃二維碼就能便捷通行，歡迎詞的顯示，都會根據訪客的重要級別，做引導式的處理，提升了用戶的感知度，整體效率也能得到大幅的提升。

最后講一下保障體系，因為園區的宏觀規劃已經有了，落地安徽公司的時候，我們已經有做過設想和規劃，但是想把智慧物業數字化轉型做好，其實是系統性的一個工程。

我個人認為，第一，創新管理模式；我們智慧物業要成立相應的產品中心，我們如果想快速地提供有競爭力的解決方案和產品的時候，需要集中通服的力量。個人建議是由置業來牽頭，設計院、中徽建、和信協同，首先把我們的智慧物業的整體解決方案以及安徽公司的方案全部都做好，把我們產品研發的迭代路徑跟周期要明確，要搶占市場就要在最短的時間內把產品打造出來，這必然涉及到成本投入，所以資金保障也是相對比較重要的一環，置業公司肯定會做相應的投入，也希望省公司能夠投入進來，如果其他專業公司看好，都可以加載進來，大家共同研發、共同投入、共同收益。第二，吸納數字人才；做智慧物業這樣的項目人才是非常關鍵的，可以引進領軍人才，對于我們現有的人才，也要經過專業的培訓，還可以對口去招聘等，但必須抓緊落地，因為人才的培養是有過程的，要把我們專業的項目團隊建立起來是要花大心血的。第三，組建柔性團隊；現在置業已經具備大范圍推廣的基礎了，所以我們是整體的營銷，不管是省公司還是以后成立的行業中心，還是具體落地過后，我們整個協同機制跟我們現在組織協同也是一樣的，如果一個機制簽訂的好，會事半功倍，所以我們會把協同機制、分工機制、關鍵的責任人都做一個相應的明確，目的就是我們有何商機大家可以共享，能夠快速去落地一些訂單，這一塊也可能相對是比較重要的。所以也希望省公司以及各個專業公司能夠一起來去做這個事情。

第2篇：智慧園區一體化解決方案范文

2010年6月，包括電子商務平臺、武夷一卡通平臺、數字營銷平臺及武夷隨身游等四個方面內容的“智慧旅游”項目啟動建設；2011年，南平市黨政信息化平臺正式啟動，在發揮信息共享功能，有效減少工作中的復雜環節，有效促進部門聯動、提升服務水平；2012年5月，居民健康信息系統平臺項目通過驗收，180多家醫療機構已接入平臺；2012年6月，延平區的“林業三防”信息化項目被福建省林業廳列為省林業信息化建設的示范項目。2012年8月，南平市115個鄉鎮、24個街道與中國電信所在的縣市分公司簽訂了“智慧街鎮”合作協議。

加快構建先進的信息基礎設施

作為經濟社會活動最優化的城市形態，從本質上講，一種極具創造力的新型城鎮，主要以物聯網、云計算、移動互聯網等新一代信息技術為基礎，通過感知化、互聯化、智能化等方式，促進體制機制及運營模式創新，實現資源最優配置及城市運營成本最低、效率更高、價值最大。顯然，智慧城市要具有創造性，能夠顯示出智慧，首先必須要加強基礎設施的智能化建設，實現對城市中的人和物能夠相互感知和互聯互通，以及對感知到的信息進行加工處理和挖掘。

在南平，根據正在推進的“數字南平.寬帶工程”，到2013年底，將會實現南平市新增光纖到戶（FTTH）覆蓋家庭12萬戶，新增固定帶寬接入用戶15萬戶；城市地區20M寬帶覆蓋率超過95%，農村地區接入帶寬提高到4M；啟動南平及各縣市城區有線電視用戶的下一代廣播電視網（NGB）改造，完成南平主城區及重點縣市城區NGB接入網改造，實現接入帶寬達到30M，全市新增 NGB接入網覆蓋家庭15萬戶。同時，下一代互聯網升級工程也在這里啟動，到2013年底，實現所有骨干網支持IPv6，網絡設備及安全產品全面支持IPv6。加快無線城市建設，提供更多移動互聯網應用。

在與城鎮民眾生活息息相關的數字電視整體轉換過程中，重點立足于為數字電視用戶提供標清數字電視、高清數字電視、互動點播、基于機頂盒瀏覽器插件或中間件的數字資訊、生活服務、教育、政務信息等信息平臺應用及其他提供民生服務的雙向業務應用。如今在南平，數字電視用戶發展超過30萬戶。

在高科技安防領域，完全基于寬帶網的圖像遠程傳輸、監控和管理的全球眼業務，為實現安置點的安全提供保障。以福建省林業信息化建設的示范項目為例，森林三防監管信息系統整合了“三防”系統平臺（防火、防蟲害、防盜），建立統一的指揮平臺。系統通過全球眼采集的視頻實時輸出到指揮中心大屏上，可對生態公益林、國有林、自然保護區進行一體化監管。護林員配備天翼對講機終端可以進行應用遙感、地理信息識別、衛星定位、對講功能、訪問系統，工作人員可以不受時間、地域限制，真正做到隨時、隨地獲取信息、辦公，及時、準確的獲得森林防蟲與林業相關的信息。

提升公共服務和便民服務信息化水平

今年8月，國務院辦公廳提出了《關于促進信息消費擴大內需的若干意見》，其中提到通過促進公共信息資源共享和開發利用、提升民生領域信息服務水平、加快智慧城市建設三方面來提升公共服務信息化水平。

為此，南平政府在各區縣、以及部分鄉鎮以南平市政府信息化服務平臺為基礎，相繼啟動政務服務平臺，陸續建立鎮級信息應用平臺，完善12345政務服務平臺運行機制。加強公共就業服務信息系統、勞動用工信息系統、勞動保障監察信息系統建設。加快推動農村數字文化運營中心建設，為農村在校中小學生、農民等提供基于網絡的“公益+商業”相結合的“教育、培訓、宣傳”數字一體化平臺，助力農村信息化建設。

在下轄鄉鎮，配合完成福建省三農服務網縣級全覆蓋工作，新建若干個村級信息服務點，實現南平市村級信息點和信息員全覆蓋。積極開展遠程教學試點，大力推廣PC端備課、電子化授課。借助互聯網和無線網絡，加強家校信息互動，優化學生管理方式。

南平政府應急主管部門在信息化管理領域，重點關注公共突發事件的全過程整體管理，以及針對重大突發事件，能夠在必要時接管下級部門的應急智慧所涉及到的所有管理活動和相關工作。值得一提的是，在南平市延平區西芹寸，目前通過手機等移動終端進行水文、氣象和全球眼視頻實時監控，已經滿足了移動時對水情信息、雨情信息、氣象信息、臺風路徑、衛星云圖等實時汛情信息的查詢需要，實現不論是在固定場所還是在運動過程中，不論何時、何地，防汛工作者隨時都可以與防汛信息中心進行交互通訊，為防汛工作者提供了真正的全方位移動指揮辦公手段。

兩化融合服務企業信息化

對于位居閩北武夷山脈地區的南平市的經濟發展來講，新一代信息技術對經濟社會發展、產業發展環境的滲透作用、帶動傳統產業轉型升級的需求更為突出，智慧技術在研發、制造、管理和營銷、物流等環節的應用更為迫切。對此，南平市工業園區管理委員會專門制定“智慧工業園區”信息化戰略合作協議，為企業客戶專業打造智能廠區、智能酒店、智能商鋪、智能物流四類“智慧企業”信息化解決方案，為老百姓提供“智慧生活”公共服務信息化項目。

第3篇：智慧園區一體化解決方案范文

據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。

2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。

如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。

第一部分人工智能行業發展概述

1.人工智能概念及發展

人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。

自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。

人工智能發展歷程

2.人工智能產業鏈圖譜

人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。

A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。

B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。

C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。

人工智能產業鏈

資料來源：創業邦研究中心

第二部分人工智能行業巨頭布局

巨頭積極尋找人工智能落地場景，B、C 端全面發力。

資料來源：券商報告、互聯網公開信息，創業邦研究中心整理

第三部分機器視覺技術解讀及行業分析

1.機器視覺技術概念

機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。

機器視覺的兩個組成部分

資料來源：互聯網公開信息，創業邦研究中心整理

2.發展關鍵要素：數據、算力和算法

數據、算力和算法是影響機器視覺行業發展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。

深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。

3.商業模式分析

機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。

（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口

這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。

此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。

國內外基礎算法應用對比

資料來源：互聯網公開信息，創業邦研究中心整理

（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口

軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設備

從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。

機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。

（2）深度學習解決視覺算法場景的專用芯片

以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。

（3）新興服務領域的特殊應用

前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。

（4）數據是爭奪要點，應用場景是著力關鍵

機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。

第四部分智能語言技術解讀及行業分析

1.語音識別技術

（1）語音識別技術已趨成熟，全球應用持續升溫

語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流

語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。

（3）語音識別技術發展瓶頸與趨勢

低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。

麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。

在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。

2.自然語言處理（NLP）發展現狀

（1）多技術融合應用促進NLP技術及應用的發展

深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。

深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。

（2）NLP主要應用場景

問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。

機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。

對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。

（3）創業公司的機遇

1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。

2)應用于垂直領域的自然語言處理技術

避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。

第五部分人工智能在金融行業的應用分析

人工智能產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。

人工智能在金融行業的典型應用情況

資料來源：創業邦研究中心

第六部分人工智能在醫療行業的應用分析

1.人工智能在醫療行業的應用圖譜

人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。

圖 人工智能在醫療行業的應用圖譜

資料來源：創業邦研究中心

2.人工智能在醫療行業的具體應用場景

醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。

虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業分析

1.智能駕駛行業產業鏈

智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。

產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。

智能駕駛產業鏈圖譜

資料來源：創業邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。

根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量 產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年 將達到 3100 億美元。

第八部分中國人工智能企業畫像分析

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。

地域分布

全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。

行業分布

從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位， 國內與國際差距明顯，中小初創企業很難進入。

從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出， 目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。

收入情況

收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。

最新估值

企業最新估值均在億元級別，且分布較為均衡。三成企業估值超過15億元，還有企業估值達到百億級別，如優必

選科技、達闥科技和商湯科技等，將來或將躋身人工智能獨角獸企業。(備注：分析樣本量剔除一半未披露企業)

第九部分典型企業案例分析

1.Atman

企業概述

Atman由來自微軟的人工智能科學家和產業經驗豐富的產品團隊創辦，提供專業領域機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品，致力于成為醫學、新聞、法律等專業領域語言智能專家，為專業領域用戶賦能，推動專業領域用戶進入人工智能時代，助力專業領域文字智能水平實現跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先藥企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品。

目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。

企業團隊

創始人&CEO：馬磊

清華大學計算機系畢業，曾先后在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創業者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。

Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷占比60%，技術開發人員占比70%，一半以上來自微軟亞洲研究院和工程院。

核心技術與產品

技術方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統于2016年9月首秀，早于谷歌的GNMT，專業領域翻譯效果在公測標準和行業客戶測試中均持續領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數據智能挖掘等語言智能產品。

Atman的機器翻譯產品可自動翻譯編輯專業文獻、報告、音視頻和網頁，支持私有部署和云端混合部署，提供包括數據隱私安全以及自學習的端到端解決方案。

機器寫作可對海量數據進行快速搜索、過濾、聚類，根據行業需求自動生成專業文檔，適用于所有專業寫作場景，可大幅減少專業報告寫作過程中的繁復工作，大幅提升專業領域寫作效率。

知識圖譜可實現海量數據的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數據智能采集挖掘系統為專業領域用戶提供智能數據源管理、海量專業數據獲取和非結構化數據自動解析并結合知識圖譜提供auto-screening、知識重構、專業決策輔助，幫助用戶建立強大的以專業大數據為基礎的業務輔助能力。

2.黑芝麻

企業概述

黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟件開發企業，2016年分別在美國硅谷和上海成立研發中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。

目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創達、車聯天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。

企業團隊

團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業，平均擁有超過15年以上的產業經驗，畢業于清華、交大、中科大和浙大等知名高校。

創始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像傳感器研發和設計、圖像處理算法研發和圖像處理芯片設計。

核心技術和產品

在汽車領域，黑芝麻可提供車內監控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術，到面向AI的圖像處理技術出發來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。

3.乂學教育

企業概述

乂學教育，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數據技術，為學生提供量身定制學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經驗。

企業自主研發了針對中國K12領域的學生智適應學習產品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業發表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯合實驗室。

主要產品

學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術，在模擬優秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統教育課時費用高，名師資源少，學習效率低等問題。

智適應學習人工智能系統

智適應學習人工智能系統模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳算法為學生實時動態推薦最佳學習路徑，實現個性化教育。

業務模式

線上與線下，2B和2C相結合。以松鼠AI智適應系統教學為主，真人教師輔助，學生通過互聯網在線上學習課程。開創教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。

4.云從科技

企業概述

云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業，專注于計算機視覺與人工智 能。云從科技是人工智能行業國家隊，是中科院戰略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業標準的企業。2018年，云從科技成為祖國“一帶一路”戰略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。

云從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業；模式創新，三大平臺解決方案，科學家平臺、核心技術平臺和行業應用平臺。

企業核心團隊

創始人

周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。

周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰賽中7次奪冠;在國際頂級會議、雜志 上發表60余篇文章，被引用上千次。

核心技術團隊

云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯合實驗室上海、廣州、重慶、成都四 個研發中心組成的三級研發架構。目前研發團隊已經超過300人，80%以上擁有碩士學歷。

技術優勢

全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業視覺、醫學影像、自動駕駛AR等領域擴展打下良好基礎。

云從科技具有高技術壁壘：世界智能識別挑戰賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰賽上共計奪得7次世界冠軍;在銀行、公安等行業智能識別技術 PK實戰中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術代表企業。

在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數據同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。

正式在國內“3D結構光人臉識別技術”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環境光線強弱的影響等諸多優點，受到國際巨頭公司的關注。

行業應用

目前國內有能力自建系統的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發火眼人臉大數據平臺等智能化系統，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。

5.Yi+

企業概述

北京陌上花科技是領先的計算機視覺引擎服務商，為企業提供視覺內容智能化和商業化解決方案。致力于“發現視覺信息的價值”。

旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。

目前公司和阿里巴巴、愛奇藝、優酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基于視覺識別技術的數據結構化產品服務于海量用戶，同時幫助政府機構、廣電系統、內容媒體、零售商、電商、視聽設備等行業實現智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。

企業團隊

團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。

創始人&CEO：張默

北京大學軟件工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作伙伴經理，主機Linux中國區負責人，中國區開源聯盟負責人，年銷售額數億。 2013年創業于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。

核心技術與產品

技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數據協議。 Yi+的系統由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數據集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數據集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優異成績。

公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：

行業解決方案

針對營銷、安防、相機和電視的不同特點，推出相應解決方案。

營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業。

智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區方案模型，考慮擴展性&靈活性、數據管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業務和技術兩方面整合解決方案實現步驟。

電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。

相機+AI。相機更具交互能力。用戶通過搜索關鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術，進行人臉相似度檢測，實現面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。

新零售+AI。Yi+新零售解決方案是基于公司自主研發的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數據采集、算法模型說明和部署方案三部分，其中數據采集包括人臉數據采集、商品數據采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。

6.擎創科技

企業簡介

擎創科技成立于2016年，專注于將人工智能和機器學習賦予傳統IT運維／企業運營管理，為企業客戶提供智能運維大數據分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現狀。2017年，擎創科技已實現全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創科技完成了數千萬人民幣的A輪融資，由火山石投資領投，晨暉創投、元璟資本及新加坡STTelemedia跟投。

核心團隊

擎創團隊的核心成員主要由BMC、微軟等美國企業服務上市公司的運維老兵，與新浪、餓了么等知名互聯網公司的大數據、算法專家組成，核心團隊成員至少擁有10年以上的行業經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業績增長；CTO葛曉波擁有長達15年的企業級軟件開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發硅谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕于運維企業服務市場的團隊，如今在智能運維企業服務賽道繼續領跑，讓擎創科技成為最懂企業的客戶，最值得企業客戶信賴的軟件廠商。

主要產品

“夏洛克AIOps” 作為擎創自主研發的大數據智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業、鐵路民航、能源電力等涉及國家發展和民生問題的多種行業。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區聯合頒發的“年度最具影響力AIOps產品”獎。

“夏洛克AIOps”充分利用自研算法輔助客戶實現IT運維價值，結合客戶的現有情況，規劃從傳統ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數據孤島，建立統一的大數據智能分析平臺，實現以人工智能為核心，驅動傳統IT運維監、管、控三個層面，并將相關運維數據及業務數據實時展現。

“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發現并定位運維問題的根因，實現秒級排障，最大程度避免企業產生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數據積累和機器學習，運用新型深度神經網絡算法對企業的業務數據進行預測，幫助企業提前規劃IT資源，高效預防各類黑天鵝事件的發生。

商業模式

目前，擎創科技已與多家金融和制造行業標桿客戶形成穩定的合作關系，包括浦發銀行、浦發硅谷銀行、國家開發銀行、上海鐵路局、銀聯、海爾、浙江能源等。針對不同客戶，采用個性化的商業模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。

核心優勢

第4篇：智慧園區一體化解決方案范文

關鍵詞：創新；體制機制；產品線；產業鏈；商業模式

出版是出版主體將選擇、優化后的作品提供給讀者的社會行為，是對人類文明成果和智慧的有效遞進傳承，它通過對教育與文化的支持（此處沿用斯坦利·昂溫對出版目標的界定），來實現人類傳承文明的目的。而這一切都是通過質地可感的閱讀實現的。從古迄今，技術的不斷革新帶來閱讀介質和載體的變遷，以及出版傳播方式的創新。遠古人的言傳身教、口耳相傳早已成為人類非物質文化遺產的孑存；陶器、甲骨、金文、簡帛上的書寫文字（甚至題壁詩）已然成為人類稀有的具象化的文明與文字形態；公元九世紀（868年）的中國雕版印刷術乃至十一世紀活字印刷術出現并推廣后，歐洲古登堡印刷術在1440年前后出現，批量生產的書籍才真正改變了人們閱讀和寫作的習慣。紙質出版、紙本書此后成為人們交流交往的主要載體形式（從宗教書籍的傳播到經典的雕版印刷乃至成為貝塔斯曼起家創業的基礎），至今已經持續了600年之久。

當代社會，全球各地，紙質出版已日益感受到來自于技術變革的沖擊，而真正使我們改變甚至深感危機的是屏幕（移動終端）閱讀！從電影電視到互聯網，再到移動屏幕終端（如漢王、Kindle、Ipad），從邊緣模糊到數字清晰（海量云數據），再到無限鏈接、無垠跨界，數字時代必然帶來出版業的無窮變革與創新。隨著文化創意產業的發展和產業地位的提升，媒體產業融合趨勢的加強，出版業商業模式的變革和管理方法的創新同樣帶給我們對未來更多的思考。有感于此，筆者結合所在中國出版集團及下屬單位中華書局的工作實踐，談三點看法：

一、體制機制再創新依然是應對未來的關鍵和核心話題

中國出版集團有一些響當當的品牌出版社和享譽業內的編輯隊伍，一批批精品圖書構筑成出版業的群體雕像，一批批引領時代風尚的暢銷書提升著品牌影響力與號召力。但隨著文化體制改革的深入，舊有的觀念思路與格局眼界也影響著、制約著其大踏步前行，特別是近年來我們也時刻感受到一批好的暢銷新書被一些體制機制靈活的文化公司、工作室過度開發并有效營銷推廣。這讓我們不由得不深思其中的原因。我認為，要改變現狀，關鍵是解放思想，在體制機制創新上要有大的突破。這種再創新體現在三個方面：

一是組織再造與流程重組。要進一步推進扁平化管理，鼓勵有條件的單位成立分社與事業部，副牌實體化，賦予二級、三級經營實體相對獨立的用人、資金、選題與分配權，激發微觀主體的創新能力。廣泛開展與那些有經營活力的文化公司的資本項目渠道合作，增強競爭活力，同時整合跨媒體、各領域專業人才，靈活運用項目管理模式來推進創新。通過項目運作，搞活機制，推進股份多元化和員工持股，放水養魚，包括運作大中型項目，特別是系列暢銷書，來增強活力與競爭力。通過激發內在驅動力來轉動齒輪，以外在活力激發內部機制改革創新。在未來聯機出版、互聯網自出版、個性化定制出版大肆盛行時，出版流程將相應簡化重組：由編寫校延伸至印前系統，而后是母本的復制性批量生產。國外目前流行的做法是先是個人網絡自出版，隨后再謀求紙本印刷，流入傳統主流渠道以尋求覆蓋面。印刷與否取決于內容的傳播方式，應對不同需求的即時印技術（將來會發展至3D技術，其帶來的影響與變化更是我們無法預估的）將更為推廣’這些都會帶來傳統出版編印發流程的重組與再造。相應地，交易成本將大幅降低，流通環節將縮減，人們取用讀寫將更為便捷。由此，我們更要因應變化，縮減生產流程，加速流通環節，直抵銷售終端，改變組織架構，使其便捷高效。

二是變革用人機制。通過人才選拔、培養、培訓、鍛煉、交流、任用等方式形成合理的編輯、營銷、版權、財務、經管人才梯隊，各盡其才、才盡其用、用盡其能。通過骨干編輯工作室（如人民文學出版社的王瑞琴、腳印工作室）、重要作者工作室或出版中心（如曹文軒、于丹、湯素蘭、沈鵬、韓美林、馮驥才、王海鴿等知名作者資源）和特殊人才引進、管理等辦法，發揮其才能，使其脫穎而出，真正起到聚合人力資源的效能。集團各單位不乏領軍的編輯人才，但不同程度地缺乏經營、營銷策劃、數字出版和多媒體運營，以及文化產業鏈相互拓展的復合型人才。需要內外結合，加快人才培養使用。

三是創新考核、分配與激勵機制。針對不同產品類型，細化考核評價指標，加大暢銷新書和有影響力圖書的獎勵力度，包括出書前的宣傳推廣激勵和出書后的對“雙效圖書”的重獎，以及針對各類社會評獎的追加獎勵，并且將其與職稱晉級、考核、選拔任用相結合，包括對管理人員與創新人才的股權激勵，加大效益考核，打破國有、民營分疆劃界的體制束縛，激發出版企業和出版經營主體的創新活動。

二、媒體產業融合的加劇為產品線建設、產業鏈打造提供了產業發展的基礎

中國出版集團所屬各出版企業經過多年經營發展，已形成相對完備的產品線和產品經營戰略，建立了業界公認的品牌認知體系和個性凸顯的出書風格。但隨著媒體形式之間融合趨勢的加強，隨著新聞出版與廣播電影電視管理部門的整合與三網合一進程的推進，我們應該在傳統的產品線建設和產品發展戰略基礎上有目的、有步驟地向產業鏈打造和產業融合貫通的方向突進，形成全媒體、多介質的混合型新載體運營模式（今年京交會期間，法蘭克福書展公司與中國出版集團聯合打造的品牌項目“故事驅動中國”大會即產生較大影響，其倡導的“跨界融合”的主題吸引了大批海內外知名媒體人與會，會后的深度交流與跨界合作仍在持續發酵。有感于此，組織者計劃在明年開展“故事驅動亞洲”項目）。

我們做這樣一番思考的前提是，繼續拓展現有紙本書的市場容量，提升已有產品類型的市場份額，同時結合新一代讀者的閱讀需求和閱讀習慣，打造復合型的產品類型，以多樣化的服務滿足廣大人民的文化需求。例如，中南集團與華為集團合作建立天聞數媒，探索教育的全數字化解決方案，集中打造針對老年人的電視臺，開展跨界經營；安徽時代集團在外貿、醫藥、海外辦印刷廠等實體運營基礎上，大舉進軍影視業，總體投資收益率在10%～15%之間；中國科技出版集團與四川旅游局合作，推進全球旅游資源整合營銷計劃。由中華書局發起的首屆“詩詞中國”系列活動（2012年9月28日～2013年7月6日）以傳統詩詞創造大賽為切入點，以手機短信和郵件為主要參賽平臺，運用網站、報紙、期刊、電視、圖書、手機、飛信、云端傳媒等全媒體傳播方式，輔之以軟件開發、研討會、晚會、攝影大賽、吟誦大賽、青少年分賽等活動，構建全民參與、全媒體參與的綜合、立體傳播通道，廣受社會關注，達到新創作3.8萬首，4，367萬客戶參與，1.29億人次轉發量，配套圖書發行10萬冊的佳績，是一次成功的產業鏈綜合媒體介入形式，也是中華書局的品牌擴張之路。組織者還設想，在第二屆大賽時進一步確立商業模式與營銷推廣方案，進而組建“詩詞中國”文化基金。此外，還將申請創建第一家中國詩詞博物館、文化產業園區、國學與詩詞教育培訓基地，以及創建“詩詞中國”主題酒店及相關文化創意產業（如通過商標注冊、品牌維護，圍繞“詩詞中國”品牌開展各類文化產品、文教用品經濟附加值的研發推廣等），特別是與剛剛發放牌照的4G手機運營商聚合資源，深度合作，開展自媒體出版（生產者即是消費者，生產同時產生收入。用戶不僅僅是一個讀者，而是更多地創造了價值。在手機上預裝客戶端，建立互動式平臺，通過信息費、會員收費、流量收入獲取較大收益）。

要充分利用從個人的移動互聯到產業移動互聯的發展趨勢，構建數字出版融合接入傳統出版業的清晰的商業模式。通過文化附加值使傳統出版業升級換代，加大版權資源聚合，使其復合效益應用于實體經濟與制造業，從而實現文化創意產業的盈利模式。例如，天舟文化收購后已主要成為游戲產業股、鳳凰傳媒全面挺進游戲產業，都是對這一融合趨勢的主動迎合。2011年7月，中華書局開發一款基于ios平臺的游戲“李小白”，被視為出版業向游戲產業“逆襲”的第一槍。從此，出版業對游戲產業鏈的探索再未止步。還有一些出版社已開展超越圖書附加值的創意產品的研發，開發中高端線裝禮品書市場（高盛文化、三希堂）、手繪地圖、創意文化產品（瓷器、家具、家電、通信設備等）、“裝點書房”“私家書房”新概念等，拓展產學研一體化新模式，其未來前景十分可觀，可以產生明顯的經濟附加值。

三、數字技術引領未來，促進商業模式創新

全球出版業巨頭貝塔斯曼發現：“舊的圖書銷售模式取決于作者，而新模式則取決于市場”。未來三網融合后，屏幕終端將更為便捷地成為主要載體形式和主要閱讀方式，這將給傳統出版業帶來授權模式的變化、授權與分成比例的不斷議定、交易成本大幅降低、信息傳布方式的變化、出版流程的重組與傳統產業鏈的簡化，將直接從物質流動鏈人手對圖書的商業生態進行重構。在可預見的未來，數字出版對三大出版領域中的大眾出版沖擊更大；教育出版隨著電子書包的普及推廣將帶給中國出版業不可估量的沖擊與變化；而專業出版和期刊則因國際上各大出版公司未雨綢繆式的商業化運作，以數據庫的形式聚合資源、搭建龐大的數字化平臺，建立穩定的盈利模式和主流出版形式，形成紙媒與數字出版互動共贏的局面，其前景蔚為可觀。

可以預計，在未來若干年內，立足于云端的海量信息存儲數據平臺、網絡與定向營銷、完全個性化的定制出版、傳統出版內容的碎片化分類整合（建立類似于“中央廚房”概念）、移動手機終端內容信息定制服務、智能終端的第三方應用程序APP（Application）、集成音頻、視頻多媒體互動式電子書（已更多出現在工具書和兒童讀物上）、高度集成化的數字資源聚合與文化休閑平臺（類似于濃縮的主題公園，擁有集研究與信息、互動游戲、休閑娛樂、教學科研互動于一體的綜合功能）等，將會占據傳統出版業的龐大市場空間。例如，臺灣2000年啟動的，包含400萬件圖書資料影像等存儲量的數位典籍科技計劃，美國交通部全美航空超大數據，英國十八世紀歷史文獻全文本檢索系統，中華書局籌建中的國家歷史文獻資源總庫，以及下一步的“可穿戴設備”（人機交互、物聯網）都是數字技術影響下出版產業發展中可預見的發展趨勢。在未來，數字閱讀將是多形合一的閱讀體驗和多屏合一的解決方案，移動視頻、多界面、移動閱讀都將形成超文本閱讀的無限空間。

移動互聯網時代的知識應用有三個基本特征：一是智能個性化。閱讀的內容、時間、長度甚至地點都根據讀者的閱讀行為來決定；二是內容的優質和精致化。相對于海量信息內容而言，知識應用更具有個性定制特征；三是知識內容的有機動態性。這實際上是內容碎片化的重新有機組合與主題搜索，已經超越了一本本書刊知識點的全面提取。這些超量信息化的工作仍然需要編輯的干預和把關，這也是傳統出版的核心競爭力所在。我們可以設想，傳統編輯們將會是知識盛宴的高級廚師。編輯們大有可為的是：傳統內容資源的整合（采集、編輯和傳播職能）與碎片化整合；借助于載體形式來傳播展現的方式與流量分布的區隔；海量數據的搜索路徑選擇與定制服務；構建跨界交融場景的思路與智力支撐等。我們現實出版業的問題在于，產業集中度低，資源（書報刊）無法形成有效整合，不同媒體之間存在分割，且內容資源嚴重不足，又因為國內市場中版權保護缺乏，內容資源積累至關重要。這也是國內的數據庫建設重復同質化、規模市場狹小、盈利模式不甚清晰的關鍵所在。