智慧园区一体化解决方案精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的智慧园区一体化解决方案主题范文，仅供参考，欢迎阅读并收藏。

第1篇：智慧园区一体化解决方案范文

今天的主题就是企业数字化转型进行时，围绕新台阶、新探索跟新进步主题做一个专题研讨。整个研讨分三大块：第一块就是我们对数字化转型的一个认识；第二块是重点介绍一下我们安徽公司在数字转型的现状以及遇到一些问题；第三块主要是基于这些现状和问题，我们的一些思考和规划。

我们首先来看第一部分，我们对数字化转型的认识，随着新一轮科技革命和产业变革深入发展，国有企业数字化转型也逐渐展开，绝大多数国企已开启数字化转型进程。我们电信也在加快推进云改数转，目的就是为了推进企业数字化转型。5月28日，国务院国资委党委委员、副主任翁杰明在国家电网江苏电子公司召开的对标世界一流管理提升现场推进会上指出，央国企要推动企业管理的数字化、智能化升级，更好地发挥为业务赋能、促进管理变革、实现价值提升、提高运营效率等重要作用，打造数字化、智能化驱动管理提升的新引擎。总的来看，不管是从央国企自身发展，还是上级要求以及到国家层面，都充分认识到数字化转型的重要性以及能带来的巨大生产价值。

数字化转型的价值包括：1、生产效率的整体提升；2、是数据驱动业务流程的再造以及提升业务的便捷性和高效性；3、客户的体验度；特别是我们物业这个板块，很多都是面向客户服务的，所以用户的体验影响到我们对后期服务的感知度，以及后续业务的增值服务的能够切入度。4、流程自动化；早期很多都是从线下流程直接搬到线上化，但是会出现流程上的反复和重复，通过数字化转型过后，结合我们人工智能这些技术性的算法，能够很好地做到自动化流转。这也是能够快速提升我们整体内部效率很关键的一个点。5、收入来源；现在整个数字化做得比较好，如果我们设计方案非常优化，我们就能发现客户他的一些痛点和他不足的地方，那么围绕这些痛点和不足也是我们后续挖掘商机的关键点，我们就能够精准的面向他的痛点去提供问题解决方案，成功率会远远大于我们原来的这种通用性解决方案。6、产品创新；一些亮点产品，一旦大范围孵开，它的价值会大大多于我们现有的线下服务数据，整个产品一旦提升过后，我们后期的服务是有明显的“木本业务”的，特别是我们讲数字化转型，大部分还是围绕产品创新来的。7、供应链优化；放眼整个行业条线，除了企业自身之外，还有产业链上下游整体的优化，数字化转型就是为了打通上下游，站在更高的层面，这样内外部的协同就有了更好的提升。

总结一句话就是对于数字化转型业务，企业已经深刻认识到它为企业所能带来的各个层面的价值点，各个企业也在深入的思考，如何结合自身的特点去转型做好这项业务。

这是对数字化企业数字化转型的简单认识。

第二部分是介绍一下安徽公司的数字化转型的现状。首先，数字化转型在安徽公司起步还是比较早的，特别是在领导带领下，内部信息化已经开展了10多年了，但还是存在以下5类状况：1、偏重于内控管理；我们还是以最早的业财一体化为主，更偏重于企业内部管控。2、未能横向打通；像我们现在使用的祥云、人资、财务等等这几十个系统，都是加强内部的规范化管理以及风险管控以后再增加了运管的分析，对于公司内部运营和决策者的决策也都起到了非常好的、积极的作用。但我们对外的服务以及我们横向跨系统的时候，还没有完全做到打通。3、智能化水平不足；在智能化水平这一块，我们基本上基于一些简单规则的分析，像图像识别、语音识别、人工智能这些深度智能化的应用相对还是比较少的。后期提升整个应用的智能化水平，觉得我们在深度以及层次上还有一定的上升空间。4、运用程度不高；我们单个条线的业务现在是比较成熟，我们也拿到一部分数据，但对这些数据的融合应用以及它的一些深度价值的挖掘，我们运用程度不高，这也是我们安徽公司数字化转型待提高的一个点。5、未形成标杆产品；我们信息化虽然起步早，业务成熟，但大部分是围绕着当时安徽公司我们自身的这种信息化需求去做的，它的针对性相对是比较强的，但是如果考虑产品化的时候，还应考虑到外部企业的一些公用性需求，加上对包装的打磨，形成具有标杆性的产品案例。

以上讲的就是我们安徽公司数字化转型情况以及存在的问题。

第三部分也就是我们对安徽公司数字化转型的一些思考，因为整个数字化转型范围是比较大的，所以这里我们主要聚焦头部物业公司的主要数字化转型，做一个初步的思考和探索。首先是物业企业数字化进程及特点，具体分为五个方面：1、同质化；全国很多大型物业公司，像万科、彩生活等等，他们都有信息化这样的系统，但是我们通过分析过后，他的整体同质化水平还是比较高的，比如万科物业管理有二三十个系统，可能其他的物业公司，也是这二三十个系统，而且功能相差不大，仅有某一些功能模块保留了他的初衷点。2、高投入；如果想把物业板块做好，其实投入还是蛮大的，很多都是由专门的团队去做，每年就可能花上千万以及上亿的资金投入去打造产品，投入相对较高，但他的投入高，后面铺开的就比较大，它的收益也就相对更多，而且是比较稳定，因为物业行业它的整体粘性非常强，不容易轻易换出，除非做的非常差。3、平台化；现在很多公司都是有自己产品的，而且产品都是有一定的市场使用率的，如果我们把它平台化过后，我们就可以做到快速的复制推广，现在大企业都有自己的这种平台。4、To C 居多；不管是写字楼还是社区，主要用户是物业自身的内部管理及服务，另外就是我们的居民以及我们的员工，不管是智慧小区还是智慧楼宇等等，他们都是我们的核心用户，但除了To C还有一些To B的增值服务，纳入到小区里面，比如说一些广告供应商，如何通过我们这个平台应该有B端用户加入到平台，然后发挥更大的价值等等，可能也是我们后续需要去做的，而且真正的收入来源，我觉得整个ToB的可能是一个关注点。5、活跃度低；现在整个物业行业比较难突破的，就是它整体的这种活跃度相对是比较低，这样的话导致向深度挖掘一些运营价值的难度还是比较大的。所以很多的物业企业，他会想很多方式方法来增加用户的粘性和活跃度，他们会定期开展一些各种各样的一些活动来吸引用户，包括社区的方圆几公里的便捷生活、便捷服务都会纳入到里面，后期一旦有用户的时候，可能会发现一些其他价值。

其次讲的是置业公司现行业务模式，我们置业公司下面设了很多分公司，有管设备的，有管房产的、各物业分公司以及餐饮的，也都有相应的物业跟餐饮项目部，那么全后勤一体化解决方案，主要就是围绕我们技术物业餐饮服务跟商业服务客户服务以及增值服务，来全面展开，也就是说基本上我们已经形成了相对比较完善的一体化整体解决方案。所以从业务这个层面来说，我们相对是非常成熟的，这也为我们后期数字化转型提供了一个技术保障，我们都有相应的涉及到各种各样的模式，不管是我们内部的还是跟外部这种合作的，线上线下融合的，我们都有涉及到，为后面整个的这种产品打造、规划打下了好的基础。

接下来讲讲置业公司现行的项目管理流程，现在置业公司已经有了相应的平台，包括我们现在整个置业相对做得还可以的慧云平台和智慧餐厅平台，我们已经相对是比较成熟了，在整个项目管理流程里面，我们已经做了闭环管理，我们前期的市场拓展，包含了商机的获取、跟进、招投标以及合同签订；到项目进场，制定解决方案、人员培训等等；以及我们的交付管理，特别是我们的服务质量、安全生产以及我们服务的满意度调查，都依托这两个平台，然后做管理、做服务，做好我们的客情维系，如后期招投标、续签等等都有。我们已经实现了全流程这样的一个服务，这就是说我们内部项目基础管理已经具备核心生产系统。

那么因为数字化转型是一个大的课题，有对内和对外的，对内的基本核心我们已经有了，但是整体向数字化转型，想做得好的话，就要明确置业公司数转方向及重点。我们置业公司因为它特殊的性质决定了我们服务的客户，客户的体验度，对我们的认可度，以及我们现有给客户带来的价值，我认为这对我们置业公司后续能不能走得更好，或者有更好的发展是一个重点，也就是围绕着我们前面提到的用户的体验度，用一些增值服务，给客户带来一些价值服务水平提升，增强对我们服务的粘性。

我们还要深入考虑对外的因素，主要围绕以下三个方向，1、社区服务；社区服务它是一个基础，它基本上是一个刚需，大部分都会用到，社区服务里有很多业务应用，像智能会议、智能报修、智能预约等等，这也是我们提升服务智能化水平，服务响应水平的个块关键点，因为这项技术服务一旦做好过后，我们后期一些附加值的应用就可以很好的加在这个基础上。2、园区智能化；不管是一栋楼还是一个大的小区，它整体智能化也都在做，国家也在出台了智慧园区、智慧社区相关的标准。我们把楼宇智能化做一个大幅的提升，包括停车、门禁、智能楼宇、销控等等，我们集成过后，整个园区从传统园区和社区升级到我们智慧园区和智慧社区层面，所有的东西都能基于物联网能够实现智能监控、智能管控，整体效能会有一个大幅的提升。3、管理输出；如果要想把它规模做大，做到快速可复制，除了整体的渠道以及我们的产品跟服务之外，更重要的是管理输出，很多物业公司做得好的就是因为它的管理标准化做得非常好，对现有的管理模式做提炼和提升，或者重新探索，最终形成通用模式，并随之快速全面推广。

针对以上三个对外方向，如果想把市场的方向做扎实，我们可能要基于现有的实际情况，以及我们安徽通服、安徽置业的实际情况，现有的这些客户以及未来商机，我们要去统筹、去推进、去规划。在置业公司数转实施路径上，有三个方面，1、迭代；因为前面已经介绍了我们有云平台，有智慧餐厅等等一些基础性的应用，那么这些应用，因为是统建有很多个块不能满足实际应用需求，所以要做整体的迭代升级，优化服务内容和服务范围。2、深化；我们原来是对内为主，现在对外就要深化我们的应用，整合现有的应用，比如：和信的智慧运管、智慧园区，中徽建的智慧社区，设计院的智慧消防等应用，我们会快速地做一个集成，这也是在短期内能够快速提升我们整个智慧物业的智能化水平或者产品化水平的一个很便捷的途径。3、开发；为了做的更好，也建议找一些种子开发商和一些比较成熟的客户，和他们达成战略合作，共同去开发、孵化相应的产品以及模式，一旦成功，也可以做到大范围去复制，整体的水平也是与时俱进的，所以这就涉及到外部的生态合作了，定制交付应用，后期也会安排这样一个产品团队，去承接这块部分。

接下来讲一下具体的实施路线，在这里也分了几个层面，在这里面有我们的终端跟服务对象，那么在核心产品、基础计算平台打造的时候，还是依托于我们通服自己的云平台，依托于自己创新研发的中台，因为研发中台已经有业务中台、数据中台以及物联网中台等等这样的平台能力，相对是比较落地完善的，这样的话也能大大提升我们自身产品打造的效率，节省相应的成本。

在做核心业务层规划的时候，我们也是围绕着聚焦物业把它做了一个划分，主要是从四个层面，1、职能延伸管理；从职能层面管理去落地的，例如职能层面他管资产和物业数据，正常车辆调度等等，内部办公、人力资源、财务报账等等这几个方面去做的；2、客户商服管理；例如智慧的预约、订单管理、商家管理、报失报修等业务层面；3、智慧交互管理；在提升用户的感知度上，我们做了很多智能化升级，在交互管理这一层面做了打造，包括我们的餐厅、停车、保洁机器人、楼宇智能化、智慧安监、消防管控、访客管理等的应用，这里面列的每一块都是核心应用，后期也可以根据我们实际需要去做相应的扩展。4、物业移动管理；因为现在的社区管理都是通过人工的方式来的，而我们手机的应用是越来越普及了，而且越来越便捷，所以整个物业的移动化管理也是势在必行了，原来的人工打卡巡检，通过手机智能打卡巡检的时候都可以处理，包括远程的监控调度管理定位等等，移动化管理也是我们数字化转型后期的一个重要的方向。

在展现层，所有的展现都要通过统一的门户入口作为项目入口的各个系统的归结，那么对外服务的时候，我们有自己的传统电脑端。移动端涵盖了小程序、公众号、APP，APP是内部使用的，公众号是面向访客去用的，以及微信小程序都会涉及到。大屏展示面向来参观的客户，还有一些智能终端，包括现在很多物业电梯口有相应的电视机之类的，后期都可以通过我们的渠道信息，那么管理这些信息入口，对外宣传也是比较多的，传统宣传短信、微信各个渠道我们可能都有涉及到，我们初步规划就是打造智慧物业这样的平台。当然我们也会对原有平台进行升级，像我们的原来云平台，智慧食堂都是在原有基础上升级的。

以上就是整个智慧物业在大平台这个层面如何去落地的，如果想做的好，是少不了一些落地的标杆案例，正好有一个锲机，就是我们通服自己的园区，可能基础工程、土建工程、整体工程将在明年就要完工了，那么作为自己的园区，我们可能更有机会去把它做成一个标杆案例。

我们也是跟设计院、中徽建、和信做了初步探讨，做了一个初步的规划，基本上分为一个门户、两个中心和一个应用，以及我们下层的数据生产检测能力跟智能化基础这几大板块。一个门户，就是前面所讲到的桌面端和移动端统一的入口，两个中心，一个就是我们的园区智能运营中心，一个是一体化展示中心，在大屏展示的时候，安防专题、访客专题、能耗专题都可以通过这里面来直观的展现出来。而且我们把线下的展厅，通过数字化建模把它进行线上建模，这样就线上线下一体化了，同时安徽公司有很多的智慧产品，包括我们智慧物业自身的产品，在展示中心都会做归集，这样我们对内对外的展示中心就全部都涵盖了。

在应用这一块，我们分了两部分，一个是园区服务，另一个是园区管理，园区服务像会议预约、便捷通行、报修服务、食堂等，园区管理像内部的环境管理、资产管理、安防管理、楼宇管理等等。那么这一块应用也相对是比较多的。在数据中台、能力底座的打造也是基于我们省公司的底层平台进行打造的，所以也是验证我们底层平台一个比较好的机会。基础智能化相对比较简单了，因为新园区很多都是按照国家标准去建就可以了。

这是我们初步规划的通服家园的一个案例，实施好以后，还会做一些深化设计，我们会成立项目组，会进一步再做对接，最终目标就是内部的管理完全智能化跟高效化，同时要结合外部的参观的需求以及互联网需求。

现在很多智慧园区都把所有的系统做了，能打通内部的一卡通刷脸或者一脸通，从他身份识别到门禁到考勤到会议室，以及到其他的公共区域时候，都可以把它整体串联起来。外部访客也是一样的，先是线上预约，通过扫二维码就能便捷通行，欢迎词的显示，都会根据访客的重要级别，做引导式的处理，提升了用户的感知度，整体效率也能得到大幅的提升。

最后讲一下保障体系，因为园区的宏观规划已经有了，落地安徽公司的时候，我们已经有做过设想和规划，但是想把智慧物业数字化转型做好，其实是系统性的一个工程。

我个人认为，第一，创新管理模式；我们智慧物业要成立相应的产品中心，我们如果想快速地提供有竞争力的解决方案和产品的时候，需要集中通服的力量。个人建议是由置业来牵头，设计院、中徽建、和信协同，首先把我们的智慧物业的整体解决方案以及安徽公司的方案全部都做好，把我们产品研发的迭代路径跟周期要明确，要抢占市场就要在最短的时间内把产品打造出来，这必然涉及到成本投入，所以资金保障也是相对比较重要的一环，置业公司肯定会做相应的投入，也希望省公司能够投入进来，如果其他专业公司看好，都可以加载进来，大家共同研发、共同投入、共同收益。第二，吸纳数字人才；做智慧物业这样的项目人才是非常关键的，可以引进领军人才，对于我们现有的人才，也要经过专业的培训，还可以对口去招聘等，但必须抓紧落地，因为人才的培养是有过程的，要把我们专业的项目团队建立起来是要花大心血的。第三，组建柔性团队；现在置业已经具备大范围推广的基础了，所以我们是整体的营销，不管是省公司还是以后成立的行业中心，还是具体落地过后，我们整个协同机制跟我们现在组织协同也是一样的，如果一个机制签订的好，会事半功倍，所以我们会把协同机制、分工机制、关键的责任人都做一个相应的明确，目的就是我们有何商机大家可以共享，能够快速去落地一些订单，这一块也可能相对是比较重要的。所以也希望省公司以及各个专业公司能够一起来去做这个事情。

第2篇：智慧园区一体化解决方案范文

2010年6月，包括电子商务平台、武夷一卡通平台、数字营销平台及武夷随身游等四个方面内容的“智慧旅游”项目启动建设；2011年，南平市党政信息化平台正式启动，在发挥信息共享功能，有效减少工作中的复杂环节，有效促进部门联动、提升服务水平；2012年5月，居民健康信息系统平台项目通过验收，180多家医疗机构已接入平台；2012年6月，延平区的“林业三防”信息化项目被福建省林业厅列为省林业信息化建设的示范项目。2012年8月，南平市115个乡镇、24个街道与中国电信所在的县市分公司签订了“智慧街镇”合作协议。

加快构建先进的信息基础设施

作为经济社会活动最优化的城市形态，从本质上讲，一种极具创造力的新型城镇，主要以物联网、云计算、移动互联网等新一代信息技术为基础，通过感知化、互联化、智能化等方式，促进体制机制及运营模式创新，实现资源最优配置及城市运营成本最低、效率更高、价值最大。显然，智慧城市要具有创造性，能够显示出智慧，首先必须要加强基础设施的智能化建设，实现对城市中的人和物能够相互感知和互联互通，以及对感知到的信息进行加工处理和挖掘。

在南平，根据正在推进的“数字南平.宽带工程”，到2013年底，将会实现南平市新增光纤到户（FTTH）覆盖家庭12万户，新增固定带宽接入用户15万户；城市地区20M宽带覆盖率超过95%，农村地区接入带宽提高到4M；启动南平及各县市城区有线电视用户的下一代广播电视网（NGB）改造，完成南平主城区及重点县市城区NGB接入网改造，实现接入带宽达到30M，全市新增 NGB接入网覆盖家庭15万户。同时，下一代互联网升级工程也在这里启动，到2013年底，实现所有骨干网支持IPv6，网络设备及安全产品全面支持IPv6。加快无线城市建设，提供更多移动互联网应用。

在与城镇民众生活息息相关的数字电视整体转换过程中，重点立足于为数字电视用户提供标清数字电视、高清数字电视、互动点播、基于机顶盒浏览器插件或中间件的数字资讯、生活服务、教育、政务信息等信息平台应用及其他提供民生服务的双向业务应用。如今在南平，数字电视用户发展超过30万户。

在高科技安防领域，完全基于宽带网的图像远程传输、监控和管理的全球眼业务，为实现安置点的安全提供保障。以福建省林业信息化建设的示范项目为例，森林三防监管信息系统整合了“三防”系统平台（防火、防虫害、防盗），建立统一的指挥平台。系统通过全球眼采集的视频实时输出到指挥中心大屏上，可对生态公益林、国有林、自然保护区进行一体化监管。护林员配备天翼对讲机终端可以进行应用遥感、地理信息识别、卫星定位、对讲功能、访问系统，工作人员可以不受时间、地域限制，真正做到随时、随地获取信息、办公，及时、准确的获得森林防虫与林业相关的信息。

提升公共服务和便民服务信息化水平

今年8月，国务院办公厅提出了《关于促进信息消费扩大内需的若干意见》，其中提到通过促进公共信息资源共享和开发利用、提升民生领域信息服务水平、加快智慧城市建设三方面来提升公共服务信息化水平。

为此，南平政府在各区县、以及部分乡镇以南平市政府信息化服务平台为基础，相继启动政务服务平台，陆续建立镇级信息应用平台，完善12345政务服务平台运行机制。加强公共就业服务信息系统、劳动用工信息系统、劳动保障监察信息系统建设。加快推动农村数字文化运营中心建设，为农村在校中小学生、农民等提供基于网络的“公益+商业”相结合的“教育、培训、宣传”数字一体化平台，助力农村信息化建设。

在下辖乡镇，配合完成福建省三农服务网县级全覆盖工作，新建若干个村级信息服务点，实现南平市村级信息点和信息员全覆盖。积极开展远程教学试点，大力推广PC端备课、电子化授课。借助互联网和无线网络，加强家校信息互动，优化学生管理方式。

南平政府应急主管部门在信息化管理领域，重点关注公共突发事件的全过程整体管理，以及针对重大突发事件，能够在必要时接管下级部门的应急智慧所涉及到的所有管理活动和相关工作。值得一提的是，在南平市延平区西芹寸，目前通过手机等移动终端进行水文、气象和全球眼视频实时监控，已经满足了移动时对水情信息、雨情信息、气象信息、台风路径、卫星云图等实时汛情信息的查询需要，实现不论是在固定场所还是在运动过程中，不论何时、何地，防汛工作者随时都可以与防汛信息中心进行交互通讯，为防汛工作者提供了真正的全方位移动指挥办公手段。

两化融合服务企业信息化

对于位居闽北武夷山脉地区的南平市的经济发展来讲，新一代信息技术对经济社会发展、产业发展环境的渗透作用、带动传统产业转型升级的需求更为突出，智慧技术在研发、制造、管理和营销、物流等环节的应用更为迫切。对此，南平市工业园区管理委员会专门制定“智慧工业园区”信息化战略合作协议，为企业客户专业打造智能厂区、智能酒店、智能商铺、智能物流四类“智慧企业”信息化解决方案，为老百姓提供“智慧生活”公共服务信息化项目。

第3篇：智慧园区一体化解决方案范文

据统计，2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建设的逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，年复合增长率将达31.7%。

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。

2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。

如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。

第一部分人工智能行业发展概述

1.人工智能概念及发展

人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。

自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。

人工智能发展历程

2.人工智能产业链图谱

人工智能产业链可以分为基础设施层、应用技术层和行业应用层。

A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。

B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。

C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。

人工智能产业链

资料来源：创业邦研究中心

第二部分人工智能行业巨头布局

巨头积极寻找人工智能落地场景，B、C 端全面发力。

资料来源：券商报告、互联网公开信息，创业邦研究中心整理

第三部分机器视觉技术解读及行业分析

1.机器视觉技术概念

机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。

机器视觉的两个组成部分

资料来源：互联网公开信息，创业邦研究中心整理

2.发展关键要素：数据、算力和算法

数据、算力和算法是影响机器视觉行业发展的三要素。 人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。

深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。

3.商业模式分析

机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。

（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口

这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。

此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。

国内外基础算法应用对比

资料来源：互联网公开信息，创业邦研究中心整理

（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口

软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。

4.投资方向

（1）前端智能化，低成本的视觉解决模块或设备

从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。

机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。

（2）深度学习解决视觉算法场景的专用芯片

以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。

（3）新兴服务领域的特殊应用

前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。

（4）数据是争夺要点，应用场景是着力关键

机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。

第四部分智能语言技术解读及行业分析

1.语音识别技术

（1）语音识别技术已趋成熟，全球应用持续升温

语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。

（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流

语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。

（3）语音识别技术发展瓶颈与趋势

低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。

麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。

在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。

2.自然语言处理（NLP）发展现状

（1）多技术融合应用促进NLP技术及应用的发展

深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。

深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。

（2）NLP主要应用场景

问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。

图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。

机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。

对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。

（3）创业公司的机遇

1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。

2)应用于垂直领域的自然语言处理技术

避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。

第五部分人工智能在金融行业的应用分析

人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。

人工智能在金融行业的典型应用情况

资料来源：创业邦研究中心

第六部分人工智能在医疗行业的应用分析

1.人工智能在医疗行业的应用图谱

人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。

图 人工智能在医疗行业的应用图谱

资料来源：创业邦研究中心

2.人工智能在医疗行业的具体应用场景

医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。 人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。

药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速 、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。

虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。

第七部分智能驾驶行业分析

1.智能驾驶行业产业链

智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。

产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。

智能驾驶产业链图谱

资料来源：创业邦研究中心

2.智能驾驶市场分析

伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然 后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之 外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。

按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。

根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量 产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年 将达到 3100 亿美元。

第八部分中国人工智能企业画像分析

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。

地域分布

全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。

行业分布

从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位， 国内与国际差距明显，中小初创企业很难进入。

从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出， 目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。

收入情况

收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。

最新估值

企业最新估值均在亿元级别，且分布较为均衡。三成企业估值超过15亿元，还有企业估值达到百亿级别，如优必

选科技、达闼科技和商汤科技等，将来或将跻身人工智能独角兽企业。(备注：分析样本量剔除一半未披露企业)

第九部分典型企业案例分析

1.Atman

企业概述

Atman由来自微软的人工智能科学家和产业经验丰富的产品团队创办，提供专业领域机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品，致力于成为医学、新闻、法律等专业领域语言智能专家，为专业领域用户赋能，推动专业领域用户进入人工智能时代，助力专业领域文字智能水平实现跨越式提升。Atman已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品。

目前Atman在北京和苏州两地运营，能快速响应全国各地客户需求。

企业团队

创始人&CEO：马磊

清华大学计算机系毕业，曾先后在微软研究院和工程院担任研究员和架构师，机器学习专家、多次创业者、曾主导多项人工智能重大项目，和申请国际专利共计15+项。

Atman公司核心团队由来自微软、百度、法电等领域高端人才和资深技术人才组成，公司员工40人，其中硕士以上学历占比60%，技术开发人员占比70%，一半以上来自微软亚洲研究院和工程院。

核心技术与产品

技术方面，擅长机器学习（深度学习、强化学习、群体智能）在复杂问题的应用，和国际专利15项，Atman神经网络机器翻译系统于2016年9月首秀，早于谷歌的GNMT，专业领域翻译效果在公测标准和行业客户测试中均持续领先。核心产品为垂直领域机器翻译、机器写作、知识图谱抽取构建、大数据智能挖掘等语言智能产品。

Atman的机器翻译产品可自动翻译编辑专业文献、报告、音视频和网页，支持私有部署和云端混合部署，提供包括数据隐私安全以及自学习的端到端解决方案。

机器写作可对海量数据进行快速搜索、过滤、聚类，根据行业需求自动生成专业文档，适用于所有专业写作场景，可大幅减少专业报告写作过程中的繁复工作，大幅提升专业领域写作效率。

知识图谱可实现海量数据的语义检索、长链推理、意图识别、因果分析，形成一个全局知识库。大数据智能采集挖掘系统为专业领域用户提供智能数据源管理、海量专业数据获取和非结构化数据自动解析并结合知识图谱提供auto-screening、知识重构、专业决策辅助，帮助用户建立强大的以专业大数据为基础的业务辅助能力。

2.黑芝麻

企业概述

黑芝麻智能科技有限公司是一家视觉感知核心技术与应用软件开发企业，2016年分别在美国硅谷和上海成立研发中心，主攻领域为嵌入式图像、计算机视觉，公司核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知平台，为ADAS及自动驾驶提供完整的视觉感知方案。

目前公司和博世、滴滴、蔚来、上汽、上汽大通、EVCARD、中科创达、车联天下和云乐新能源等展开深入合作，提供基于视觉的感知方案；除此之外，公司还在消费电子、智能家居等领域布局为智能终端提供视觉解决方案。目前公司已经完成A+轮融资。

企业团队

团队核心成员来自于OmniVision、博世、安霸、英伟达和高通等知名企业，平均拥有超过15年以上的产业经验，毕业于清华、交大、中科大和浙大等知名高校。

创始人&CEO：单记章此前在硅谷一家全球顶尖的图像传感器公司工作近20年，离职前担任该公司的技术副总裁一职，工作内容覆盖了图像传感器研发和设计、图像处理算法研发和图像处理芯片设计。

核心技术和产品

在汽车领域，黑芝麻可提供车内监控方案（DMS），自动泊车方案（AVP），ADAS/自动驾驶感知平台方案。黑芝麻智能科技提供的解决方案包括算法和芯片两个核心部分：黑芝麻感知算法从基础的控光技术，到面向AI的图像处理技术出发来提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程；黑芝麻芯片平台采用独有的神经网络架构，包括独有的图像处理，视频压缩和计算机视觉模块，与黑芝麻视觉算法结合，采用16nm制程，设计功耗2.5w，每秒浮点计算达20T。

3.乂学教育

企业概述

乂学教育，成立于2014年，是一家网络教育培训机构，采用人工智能和大数据技术，为学生提供量身定制学习解决方案和个性化学习内容。核心团队来自美国Knewton、Realizeit、ALEKS等人工智能教育公司，销售团队有全国40亿toC销售额的经验。

企业自主研发了针对中国K12领域的学生智适应学习产品，其核心部分是以高级算法为核心的智适应学习引擎“松鼠AI”，该产品拥有完整自主知识产权，能够模拟真实特级教师教学。企业发表的学术论文得到了全球国际学术会议AIED、CSEDU、UMAP认可，并在纽约设计了人工智能教育实验室，与斯坦福国际研究院（SRI）在硅谷成立了人工智能联合实验室。

主要产品

学生智适应学习是以学生为中心的智能化、个性化教育，在教、学、评、测、练等教学过程中应用人工智能技术，在模拟优秀教师的基础之上，达到超越真人教学的目的。该产品性价比高，以人工智能+真人教师的模式，做到因材施教，有效解决传统教育课时费用高，名师资源少，学习效率低等问题。

智适应学习人工智能系统

智适应学习人工智能系统模拟特级教师，采用图论、概率图模型，机器学习完成知识点拆分和个人学习画像，采用神经网络、逻辑斯蒂回归和遗传算法为学生实时动态推荐最佳学习路径，实现个性化教育。

业务模式

线上与线下，2B和2C相结合。以松鼠AI智适应系统教学为主，真人教师辅助，学生通过互联网在线上学习课程。开创教育新零售模式，授权线下合作学校，已在全国100多个城市开设500多家学校。

4.云从科技

企业概述

云从科技成立于2015年4月，是一家孵化于中国科学院重庆研究院的高科技企业，专注于计算机视觉与人工智 能。云从科技是人工智能行业国家队，是中科院战略先导项目人脸识别团队唯一代表，唯一一家同时受邀制定人 脸识别国家标准、行业标准的企业。2018年，云从科技成为祖国“一带一路”战略实行路上的人工智能先锋，与 非洲南部第二大经济体津巴布韦政府完成签约。

云从科技奠定了行业领导地位： 国家肯定，国家发改委2017、2018年人工智能重大工程承建单位；顶层设计，唯一同时制定国标、部标和行标的人工智能企业；模式创新，三大平台解决方案，科学家平台、核心技术平台和行业应用平台。

企业核心团队

创始人

周曦博士，师从四院院士、计算机视觉之父—ThomasS.Huan黄煦涛教授，专注于人工智能识别领域的计算机视觉 研究。入选中科院“百人计划”，曾任中国科学院重庆研究院信息所副所长、智能多媒体技术研究中心主任。

周曦博士带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠;在国际顶级会议、杂志 上发表60余篇文章，被引用上千次。

核心技术团队

云从科技依托美国UIUC和硅谷两个前沿实验室，中科院、上海交大两个联合实验室上海、广州、重庆、成都四 个研发中心组成的三级研发架构。目前研发团队已经超过300人，80%以上拥有硕士学历。

技术优势

全方位多维智能学习模块适应不同场景要求；模块化设计为在工业视觉、医学影像、自动驾驶AR等领域扩展打下良好基础。

云从科技具有高技术壁垒：世界智能识别挑战赛成绩斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微软全球图像识别挑战赛上共计夺得7次世界冠军;在银行、公安等行业智能识别技术 PK实战中，85次获得第一；2018年，云从科技入选MIT全球十大突破性技术代表企业。

在跨镜追踪(ReID)技术上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三个数据同时集体刷 新世界记录， Market-1501上的首位命中率达到96.6%，首次达到商用水平。

正式在国内“3D结构光人脸识别技术”，可全面应用于手机、电脑、机具、设备、家电。相较以往的2D人 脸识别及以红外活体检测技术，3D结构光人脸识别技术拥有不需要用户进行任何动作配合完成活体验证的功能， 分析时间压缩到了毫秒级以及不受环境光线强弱的影响等诸多优点，受到国际巨头公司的关注。

行业应用

目前国内有能力自建系统的银行约为148家。截止2018年3月15日，已经完成招标的银行约为121家，其中云从科 技中标了88家总行平台，市场占有率约为72.7%;在安防领域推动中科院与公安部全面合作，通过公安部重大课题研发火眼人脸大数据平台等智能化系统，在民航领域，已经与中科院重庆院合作覆盖80%的枢纽机场。

5.Yi+

企业概述

北京陌上花科技是领先的计算机视觉引擎服务商，为企业提供视觉内容智能化和商业化解决方案。致力于“发现视觉信息的价值”。

旗下品牌Yi+是世界一流的人工智能计算机视觉引擎，衣+是时尚商品搜索引擎。公司在图像视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。

目前公司和阿里巴巴、爱奇艺、优酷土豆、中国有线、CIBN、中信国安、海信、华为、360等数十家顶级机构/产品深度合作，通过提供边看边买引擎、图像视频内容分析引擎、人脸识别引擎等基于视觉识别技术的数据结构化产品服务于海量用户，同时帮助政府机构、广电系统、内容媒体、零售商、电商、视听设备等行业实现智能分析、智能互动与场景营销。目前公司已经获得B轮融资。

企业团队

团队成员来自于斯坦福、耶鲁、帝国理工、新加坡国大、南洋理工、清华、北大、中科院等名校及谷歌、微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等名企。

创始人&CEO：张默

北京大学软件工程硕士， 南洋理工大学创业创新硕士。连续创业者， 曾任华为算法工程师、微软WindowsMobile工程师、 IBM SmarterCity 架构师，北方区合作伙伴经理，主机Linux中国区负责人，中国区开源联盟负责人，年销售额数亿。 2013年创业于美国硅谷和新加坡，2014年6月在中国设立北京陌上花科技有限公司。

核心技术与产品

技术方面，在国际顶级计算机视觉竞赛ImageNet中，成绩曾超过谷歌、斯坦福等，2015-2016年2年获得十项世界第一。2018年3月，人脸识别准确率位列LFW榜首。Yi+通过遵循无限制，标记的外部数据协议。 Yi+的系统由人脸检测，人脸对齐和人脸描述符提取组成。使用多重损失和训练数据集训练CNN模型，其中包含来自多个来源的约10M个图像，其中包含150，000个人（训练数据集与LFW没有交集）。在测试时， Yi+使用原始的LFW图像并应用简单的L2norm。图像对之间的相似性用欧氏距离来测量，最终取得优异成绩。

公司的核心产品主要包括视觉搜索引擎，图像视频分析引擎以及人脸识别和分析引擎：

行业解决方案

针对营销、安防、相机和电视的不同特点，推出相应解决方案。

营销+AI。场景化广告方案中，大屏AI助理信息流推荐、神字幕、物体/人脸AR动态贴图、video-out、场景化角标与广告滤镜等形式的广告内容推荐，适用于快消、汽车、电商、IT、金融、旅游服务等多个行业。

智慧城市+AI。使用计算及视觉助力智慧城市，在智慧安防、智慧交通、智慧园区等方面提供解决方案。在智慧安防实时识别上，实时处理直播摄像头信息，算法反应敏捷，相应迅速。建立智慧园区方案模型，考虑扩展性&灵活性、数据管理、松散耦合性、安全性、实时整合性以及功能性和非功能性需求等技术方案要素，从业务和技术两方面整合解决方案实现步骤。

电视+AI。电视+AI的解决方案赋予智能电视多样播放能力和营销能力。

相机+AI。相机更具交互能力。用户通过搜索关键字标签同步展示图片，打通相册和购物一站式体验。准确识别人物属性特征，动态适应表情变化，可以在视频以及图像中对人脸实时检测，基于深度学习技术，进行人脸相似度检测，实现面部关键点定位、妆容图像渲染，试用与粉底、唇彩以及眼影等多种虚拟试装方式。实时检测摄像头中出现的物品、场景和人脸等，添加AR效果，SDK支持本地检测、识别、追踪，平均检测帧率可达到25fps。

新零售+AI。Yi+新零售解决方案是基于公司自主研发的人脸识别、商品识别和其他图像识别算法技术为核心，建立一整套基于人脸、商品的智能零售门店管理方案。Yi+新零售解决方案主要包含数据采集、算法模型说明和部署方案三部分，其中数据采集包括人脸数据采集、商品数据采集；算法模型说明包括识别算法训练、商品识别、识别输出；部署方案包括本地部署、云端部署、本地部署与云端部署结合。

6.擎创科技

企业简介

擎创科技成立于2016年，专注于将人工智能和机器学习赋予传统IT运维／企业运营管理，为企业客户提供智能运维大数据分析解决方案，从而取代和改善对高技能运维人员严重依赖的现状。2017年，擎创科技已实现全年2000万营收，迅速成为国内AIOps领域的领跑者和中流砥柱。2018年初，擎创科技完成了数千万人民币的A轮融资，由火山石投资领投，晨晖创投、元璟资本及新加坡STTelemedia跟投。

核心团队

擎创团队的核心成员主要由BMC、微软等美国企业服务上市公司的运维老兵，与新浪、饿了么等知名互联网公司的大数据、算法专家组成，核心团队成员至少拥有10年以上的行业经验。其中CEO杨辰是国内最顶级的B端销售，曾带领团队获得10倍的业绩增长；CTO葛晓波拥有长达15年的企业级软件开发和运维经验；而产品总监屈中泠则来自甲方，创业前为浦发硅谷银行企业架构师，深知甲方对企业运维产品的需求。这个曾经深耕于运维企业服务市场的团队，如今在智能运维企业服务赛道继续领跑，让擎创科技成为最懂企业的客户，最值得企业客户信赖的软件厂商。

主要产品

“夏洛克AIOps” 作为擎创自主研发的大数据智能运维主打产品，自2016年上线以来，已从1.0版本升级至1.9版本，可应用在金融、大型制造业、铁路民航、能源电力等涉及国家发展和民生问题的多种行业。在2017全球运维大会上，夏洛克AIOps获得由中国信息通信研究院与高效运维社区联合颁发的“年度最具影响力AIOps产品”奖。

“夏洛克AIOps”充分利用自研算法辅助客户实现IT运维价值，结合客户的现有情况，规划从传统ITOM至AIOps智能运维的一站式路径，助其运营落地，由此打破数据孤岛，建立统一的大数据智能分析平台，实现以人工智能为核心，驱动传统IT运维监、管、控三个层面，并将相关运维数据及业务数据实时展现。

“夏洛克AIOps”拥有多项自研算法，犹如运维界的福尔摩斯，能迅速发现并定位运维问题的根因，实现秒级排障，最大程度避免企业产生重大损失。更有价值的是，“夏洛克AIOps”还能通过长期的数据积累和机器学习，运用新型深度神经网络算法对企业的业务数据进行预测，帮助企业提前规划IT资源，高效预防各类黑天鹅事件的发生。

商业模式

目前，擎创科技已与多家金融和制造行业标杆客户形成稳定的合作关系，包括浦发银行、浦发硅谷银行、国家开发银行、上海铁路局、银联、海尔、浙江能源等。针对不同客户，采用个性化的商业模式进行服务，目前主要有私有模式和SaaS模式两种，都具有较强的可复制性。

核心优势

第4篇：智慧园区一体化解决方案范文

关键词：创新；体制机制；产品线；产业链；商业模式

出版是出版主体将选择、优化后的作品提供给读者的社会行为，是对人类文明成果和智慧的有效递进传承，它通过对教育与文化的支持（此处沿用斯坦利·昂温对出版目标的界定），来实现人类传承文明的目的。而这一切都是通过质地可感的阅读实现的。从古迄今，技术的不断革新带来阅读介质和载体的变迁，以及出版传播方式的创新。远古人的言传身教、口耳相传早已成为人类非物质文化遗产的孑存；陶器、甲骨、金文、简帛上的书写文字（甚至题壁诗）已然成为人类稀有的具象化的文明与文字形态；公元九世纪（868年）的中国雕版印刷术乃至十一世纪活字印刷术出现并推广后，欧洲古登堡印刷术在1440年前后出现，批量生产的书籍才真正改变了人们阅读和写作的习惯。纸质出版、纸本书此后成为人们交流交往的主要载体形式（从宗教书籍的传播到经典的雕版印刷乃至成为贝塔斯曼起家创业的基础），至今已经持续了600年之久。

当代社会，全球各地，纸质出版已日益感受到来自于技术变革的冲击，而真正使我们改变甚至深感危机的是屏幕（移动终端）阅读！从电影电视到互联网，再到移动屏幕终端（如汉王、Kindle、Ipad），从边缘模糊到数字清晰（海量云数据），再到无限链接、无垠跨界，数字时代必然带来出版业的无穷变革与创新。随着文化创意产业的发展和产业地位的提升，媒体产业融合趋势的加强，出版业商业模式的变革和管理方法的创新同样带给我们对未来更多的思考。有感于此，笔者结合所在中国出版集团及下属单位中华书局的工作实践，谈三点看法：

一、体制机制再创新依然是应对未来的关键和核心话题

中国出版集团有一些响当当的品牌出版社和享誉业内的编辑队伍，一批批精品图书构筑成出版业的群体雕像，一批批引领时代风尚的畅销书提升着品牌影响力与号召力。但随着文化体制改革的深入，旧有的观念思路与格局眼界也影响着、制约着其大踏步前行，特别是近年来我们也时刻感受到一批好的畅销新书被一些体制机制灵活的文化公司、工作室过度开发并有效营销推广。这让我们不由得不深思其中的原因。我认为，要改变现状，关键是解放思想，在体制机制创新上要有大的突破。这种再创新体现在三个方面：

一是组织再造与流程重组。要进一步推进扁平化管理，鼓励有条件的单位成立分社与事业部，副牌实体化，赋予二级、三级经营实体相对独立的用人、资金、选题与分配权，激发微观主体的创新能力。广泛开展与那些有经营活力的文化公司的资本项目渠道合作，增强竞争活力，同时整合跨媒体、各领域专业人才，灵活运用项目管理模式来推进创新。通过项目运作，搞活机制，推进股份多元化和员工持股，放水养鱼，包括运作大中型项目，特别是系列畅销书，来增强活力与竞争力。通过激发内在驱动力来转动齿轮，以外在活力激发内部机制改革创新。在未来联机出版、互联网自出版、个性化定制出版大肆盛行时，出版流程将相应简化重组：由编写校延伸至印前系统，而后是母本的复制性批量生产。国外目前流行的做法是先是个人网络自出版，随后再谋求纸本印刷，流入传统主流渠道以寻求覆盖面。印刷与否取决于内容的传播方式，应对不同需求的即时印技术（将来会发展至3D技术，其带来的影响与变化更是我们无法预估的）将更为推广’这些都会带来传统出版编印发流程的重组与再造。相应地，交易成本将大幅降低，流通环节将缩减，人们取用读写将更为便捷。由此，我们更要因应变化，缩减生产流程，加速流通环节，直抵销售终端，改变组织架构，使其便捷高效。

二是变革用人机制。通过人才选拔、培养、培训、锻炼、交流、任用等方式形成合理的编辑、营销、版权、财务、经管人才梯队，各尽其才、才尽其用、用尽其能。通过骨干编辑工作室（如人民文学出版社的王瑞琴、脚印工作室）、重要作者工作室或出版中心（如曹文轩、于丹、汤素兰、沈鹏、韩美林、冯骥才、王海鸽等知名作者资源）和特殊人才引进、管理等办法，发挥其才能，使其脱颖而出，真正起到聚合人力资源的效能。集团各单位不乏领军的编辑人才，但不同程度地缺乏经营、营销策划、数字出版和多媒体运营，以及文化产业链相互拓展的复合型人才。需要内外结合，加快人才培养使用。

三是创新考核、分配与激励机制。针对不同产品类型，细化考核评价指标，加大畅销新书和有影响力图书的奖励力度，包括出书前的宣传推广激励和出书后的对“双效图书”的重奖，以及针对各类社会评奖的追加奖励，并且将其与职称晋级、考核、选拔任用相结合，包括对管理人员与创新人才的股权激励，加大效益考核，打破国有、民营分疆划界的体制束缚，激发出版企业和出版经营主体的创新活动。

二、媒体产业融合的加剧为产品线建设、产业链打造提供了产业发展的基础

中国出版集团所属各出版企业经过多年经营发展，已形成相对完备的产品线和产品经营战略，建立了业界公认的品牌认知体系和个性凸显的出书风格。但随着媒体形式之间融合趋势的加强，随着新闻出版与广播电影电视管理部门的整合与三网合一进程的推进，我们应该在传统的产品线建设和产品发展战略基础上有目的、有步骤地向产业链打造和产业融合贯通的方向突进，形成全媒体、多介质的混合型新载体运营模式（今年京交会期间，法兰克福书展公司与中国出版集团联合打造的品牌项目“故事驱动中国”大会即产生较大影响，其倡导的“跨界融合”的主题吸引了大批海内外知名媒体人与会，会后的深度交流与跨界合作仍在持续发酵。有感于此，组织者计划在明年开展“故事驱动亚洲”项目）。

我们做这样一番思考的前提是，继续拓展现有纸本书的市场容量，提升已有产品类型的市场份额，同时结合新一代读者的阅读需求和阅读习惯，打造复合型的产品类型，以多样化的服务满足广大人民的文化需求。例如，中南集团与华为集团合作建立天闻数媒，探索教育的全数字化解决方案，集中打造针对老年人的电视台，开展跨界经营；安徽时代集团在外贸、医药、海外办印刷厂等实体运营基础上，大举进军影视业，总体投资收益率在10%～15%之间；中国科技出版集团与四川旅游局合作，推进全球旅游资源整合营销计划。由中华书局发起的首届“诗词中国”系列活动（2012年9月28日～2013年7月6日）以传统诗词创造大赛为切入点，以手机短信和邮件为主要参赛平台，运用网站、报纸、期刊、电视、图书、手机、飞信、云端传媒等全媒体传播方式，辅之以软件开发、研讨会、晚会、摄影大赛、吟诵大赛、青少年分赛等活动，构建全民参与、全媒体参与的综合、立体传播通道，广受社会关注，达到新创作3.8万首，4，367万客户参与，1.29亿人次转发量，配套图书发行10万册的佳绩，是一次成功的产业链综合媒体介入形式，也是中华书局的品牌扩张之路。组织者还设想，在第二届大赛时进一步确立商业模式与营销推广方案，进而组建“诗词中国”文化基金。此外，还将申请创建第一家中国诗词博物馆、文化产业园区、国学与诗词教育培训基地，以及创建“诗词中国”主题酒店及相关文化创意产业（如通过商标注册、品牌维护，围绕“诗词中国”品牌开展各类文化产品、文教用品经济附加值的研发推广等），特别是与刚刚发放牌照的4G手机运营商聚合资源，深度合作，开展自媒体出版（生产者即是消费者，生产同时产生收入。用户不仅仅是一个读者，而是更多地创造了价值。在手机上预装客户端，建立互动式平台，通过信息费、会员收费、流量收入获取较大收益）。

要充分利用从个人的移动互联到产业移动互联的发展趋势，构建数字出版融合接入传统出版业的清晰的商业模式。通过文化附加值使传统出版业升级换代，加大版权资源聚合，使其复合效益应用于实体经济与制造业，从而实现文化创意产业的盈利模式。例如，天舟文化收购后已主要成为游戏产业股、凤凰传媒全面挺进游戏产业，都是对这一融合趋势的主动迎合。2011年7月，中华书局开发一款基于ios平台的游戏“李小白”，被视为出版业向游戏产业“逆袭”的第一枪。从此，出版业对游戏产业链的探索再未止步。还有一些出版社已开展超越图书附加值的创意产品的研发，开发中高端线装礼品书市场（高盛文化、三希堂）、手绘地图、创意文化产品（瓷器、家具、家电、通信设备等）、“装点书房”“私家书房”新概念等，拓展产学研一体化新模式，其未来前景十分可观，可以产生明显的经济附加值。

三、数字技术引领未来，促进商业模式创新

全球出版业巨头贝塔斯曼发现：“旧的图书销售模式取决于作者，而新模式则取决于市场”。未来三网融合后，屏幕终端将更为便捷地成为主要载体形式和主要阅读方式，这将给传统出版业带来授权模式的变化、授权与分成比例的不断议定、交易成本大幅降低、信息传布方式的变化、出版流程的重组与传统产业链的简化，将直接从物质流动链人手对图书的商业生态进行重构。在可预见的未来，数字出版对三大出版领域中的大众出版冲击更大；教育出版随着电子书包的普及推广将带给中国出版业不可估量的冲击与变化；而专业出版和期刊则因国际上各大出版公司未雨绸缪式的商业化运作，以数据库的形式聚合资源、搭建庞大的数字化平台，建立稳定的盈利模式和主流出版形式，形成纸媒与数字出版互动共赢的局面，其前景蔚为可观。

可以预计，在未来若干年内，立足于云端的海量信息存储数据平台、网络与定向营销、完全个性化的定制出版、传统出版内容的碎片化分类整合（建立类似于“中央厨房”概念）、移动手机终端内容信息定制服务、智能终端的第三方应用程序APP（Application）、集成音频、视频多媒体互动式电子书（已更多出现在工具书和儿童读物上）、高度集成化的数字资源聚合与文化休闲平台（类似于浓缩的主题公园，拥有集研究与信息、互动游戏、休闲娱乐、教学科研互动于一体的综合功能）等，将会占据传统出版业的庞大市场空间。例如，台湾2000年启动的，包含400万件图书资料影像等存储量的数位典籍科技计划，美国交通部全美航空超大数据，英国十八世纪历史文献全文本检索系统，中华书局筹建中的国家历史文献资源总库，以及下一步的“可穿戴设备”（人机交互、物联网）都是数字技术影响下出版产业发展中可预见的发展趋势。在未来，数字阅读将是多形合一的阅读体验和多屏合一的解决方案，移动视频、多界面、移动阅读都将形成超文本阅读的无限空间。

移动互联网时代的知识应用有三个基本特征：一是智能个性化。阅读的内容、时间、长度甚至地点都根据读者的阅读行为来决定；二是内容的优质和精致化。相对于海量信息内容而言，知识应用更具有个性定制特征；三是知识内容的有机动态性。这实际上是内容碎片化的重新有机组合与主题搜索，已经超越了一本本书刊知识点的全面提取。这些超量信息化的工作仍然需要编辑的干预和把关，这也是传统出版的核心竞争力所在。我们可以设想，传统编辑们将会是知识盛宴的高级厨师。编辑们大有可为的是：传统内容资源的整合（采集、编辑和传播职能）与碎片化整合；借助于载体形式来传播展现的方式与流量分布的区隔；海量数据的搜索路径选择与定制服务；构建跨界交融场景的思路与智力支撑等。我们现实出版业的问题在于，产业集中度低，资源（书报刊）无法形成有效整合，不同媒体之间存在分割，且内容资源严重不足，又因为国内市场中版权保护缺乏，内容资源积累至关重要。这也是国内的数据库建设重复同质化、规模市场狭小、盈利模式不甚清晰的关键所在。