2.1　國外人工智能行業(yè)發(fā)展分析 27
2.1.1　國際發(fā)展狀況 27
2.1.2　全球競爭格局 28
2.1.3　企業(yè)布局加快 28
2.1.4　各國發(fā)展動態(tài) 28
2.1.5　技術研發(fā)進展 31
2.2　中國人工智能行業(yè)規(guī)模結構 31
2.2.1　行業(yè)發(fā)展格局 31
2.2.2　企業(yè)布局加快 31
2.2.3　產業(yè)發(fā)展提速 33
2.3　中國人工智能行業(yè)生態(tài)格局分析 34
2.3.1　生態(tài)格局基本架構 34
2.3.2　基礎資源支持層 34
2.3.3　技術實現路徑層 35
2.3.4　應用實現路徑層 35
2.3.5　未來生態(tài)格局展望 36
2.4　中國人工智能行業(yè)區(qū)域發(fā)展動態(tài) 37
2.4.1　哈爾濱市 37
2.4.2　安徽省 37
2.4.3　四川省 39
2.4.4　上海市 41
2.4.5　福建省 42

3.1　行業(yè)發(fā)展趨勢分析 44
3.1.1　行業(yè)政策機遇 44
3.1.2　行業(yè)發(fā)展趨勢 46
3.1.3　技術發(fā)展趨勢 48
3.2　行業(yè)前景預測分析 49
3.2.1　應用前景分析 49
3.2.2　行業(yè)發(fā)展前景 52
3.2.3　投資前景廣闊 54
3.3　人工智能行業(yè)前景預測分析 55
3.3.1　行業(yè)機遇及挑戰(zhàn) 55
3.3.2　市場規(guī)模預測 58

4.1　語音識別 59
4.1.1　行業(yè)基本介紹 59
4.1.2　市場發(fā)展狀況 60
4.1.3　競爭格局分析 61
4.1.4　主要品牌分析 61
4.1.5　投資風險分析 67
4.1.6　投資策略建議 67
4.1.7　發(fā)展方向分析 68
4.2　計算機視覺 69
4.2.1　行業(yè)基本分析 69
4.2.2　市場發(fā)展狀況 71
4.2.3 競爭格局分析 72
4.2.4　主要品牌分析 72
4.2.5　投資策略建議 81
4.2.6　投資機遇分析 82
4.3　智能視頻分析 83
4.3.1　系統解決方案 83
4.3.2　行業(yè)應用重點 86
4.3.3　市場發(fā)展狀況 87
4.3.4　市場發(fā)展格局 88
4.3.5　重點企業(yè)分析 89
4.3.6　發(fā)展策略分析 89

5.1　智能機器人 91
5.1.1　細分行業(yè)分析 91
5.1.2　市場規(guī)模分析 92
5.1.3　競爭格局分析 92
5.1.4　龍頭企業(yè)分析 93
5.1.5　市場空間預測 94
5.1.6　投資熱點分析 94
5.1.7　投資風險分析 95
5.1.8　投資策略建議 95
5.2　深度學習 96
5.2.1　行業(yè)基本內涵 96
5.2.2　行業(yè)發(fā)展狀況 100
5.2.3　龍頭企業(yè)分析 103
5.2.4　投資風險分析 107
5.2.5　投資策略建議 108

6.1　虛擬個人助理 110
6.1.1　基本內涵分析 110
6.1.2　行業(yè)應用領域 110
6.1.3　市場發(fā)展狀況 111
6.1.4　競爭狀況分析 111
6.1.5　投資策略建議 112
6.1.6　行業(yè)發(fā)展前景 112
6.2　無人駕駛汽車 113
6.2.1　市場發(fā)展狀況 113
6.2.2　市場競爭格局 115
6.2.3　龍頭企業(yè)分析 117
6.2.4　市場規(guī)模預測 118
6.2.5　投資風險分析 118
6.2.6　投資策略建議 118
6.2.7　投資前景分析 119

7.1　人工智能行業(yè)投資壁壘 121
7.1.1　資金壁壘 121
7.1.2　技術壁壘 121
7.1.3　認知壁壘 121
7.2　人工智能行業(yè)投資風險預警 121
7.2.1　技術風險 121
7.2.2　競爭風險 122
7.2.3　盈利風險 122
7.2.4　人才風險 122
7.3　人工智能行業(yè)項目運營風險預警 122
7.3.1　法律風險 122
7.3.2　商業(yè)風險 123
7.3.3　社會風險 123
7.3.4　融資風險 123
7.3.5　安全風險 123

圖表：人工智能的本質是對人類智能的模擬甚至超越 9
圖表：人工智能三次發(fā)展 10
圖表：人工智能技術工藝的演化 12
圖表：卷積輸入及輸出特征貼圖及最大池 13
圖表：循環(huán)神經機器翻譯 14
圖表：深度神經網絡 15
圖表：人工智能的基礎層、技術層、應用層 17
圖表：人工智能產業(yè)鏈全景圖 17
圖表：眾多因素助推AI技術發(fā)展和普及 20
圖表：由計算平臺發(fā)展規(guī)律所驅動 21
圖表：個人電腦/ 客戶端- 服務器時代 23
圖表：互聯網時代 24
圖表：移動/ 云時代 前端和后端 24
圖表：人工智能時代 25
圖表：人工智能創(chuàng)造價值的核心模式 26
圖表：人工智能時代前端/ 后端特征 26
圖表：我國人工智能產業(yè)生態(tài)格局 34
圖表：三大核心基礎技術持續(xù)突破 36
圖表：我國人工智能產業(yè)政策 45
圖表：智能經濟形態(tài)將初具雛形 47
圖表：AI基礎層發(fā)展至關重要，挑戰(zhàn)與機遇并存 49
圖表：AI 從數據驅動向知識驅動發(fā)展 50
圖表：需要探索結合知識圖譜的深度學習 51
圖表：AI無限場景案例 51
圖表：人工智能技術成熟度曲線 52
圖表：2016-2021年中國人工智能行業(yè)市場規(guī)模 53
圖表：2021-2027年中國人工智能行業(yè)市場規(guī)模預測 58
圖表：智能語音技術發(fā)展歷程示意圖 （以語音領域模式識別為主） 59
圖表：語音識別分為“降噪-特征提取-解碼”三個環(huán)節(jié) 60
圖表：科大訊飛語音支撐軟件業(yè)務商業(yè)模式 61
圖表：2016-2021年科大訊飛第三方創(chuàng)業(yè)開發(fā)者數量 62
圖表：TRS 自然語言處理功能和應用架構 64
圖表：TRS 人工智能技術平臺生態(tài)相關產品和應用 64
圖表：公司的 NLP 技術能力：200+ 自然語言處理組件及工具 65
圖表：搜狗智能語音探索歷程 66
圖表：思必馳智能交互技術 66
圖表：全球主要頭部廠商的語音互動產品 68
圖表：智能交互終端分布式場景的應用與展望 69
圖表：計算機視覺兩大功能 69
圖表：計算機視覺的應用領域 70
圖表：計算機視覺處理流程 71
圖表：知名科技巨頭推出大規(guī)模圖像開放數據集 72
圖表：依圖科技發(fā)展 73
圖表：依圖蜻蜓眼?車輛大平臺應用場景 73
圖表：依圖蜻蜓眼?人像大平臺特點 74
圖表：依圖care.ai?智能醫(yī)學影像平臺的系統 75
圖表：商湯科技 76
圖表：AI+安防，視頻結構化處理，打造智慧城市 77
圖表：商湯SenseAR 增強現實感特效引擎 77
圖表：曠世競爭力 79
圖表：曠視科技Face++平臺–人臉比對功能演示版 79
圖表：曠視科技手機生態(tài)圈解決方案的應用場景案例 79
圖表：各類型公司優(yōu)勢比較 81
圖表：AI 頭部初創(chuàng)企業(yè)賽道選擇呈現差異化 82
圖表：中國主要計算機視覺公司業(yè)務布局 82
圖表：公安大數據分析平臺 84
圖表：公安大數據分析平臺 84
圖表：破案效率對比 84
圖表：視頻監(jiān)控攝像機 85
圖表：智能交通信息采集匯總平臺 85
圖表：深度智能視頻監(jiān)控產品生命周期剛剛開始 87
圖表：?？?、大華、華為、阿里布局大安防 88
圖表：智能視頻主要公司 89
圖表：個人/家庭服務機器人分類 92
圖表：全球智能機器人領域典型企業(yè) 93
圖表：陪伴機器人 95
圖表：walker 機器人 95
圖表：深度學習將傳統計算編程問題轉化為數據訓練的問題 96
圖表：深度學習與機器學習的關系 97
圖表：機器學習原理 98
圖表：深度學習與傳統計算模式的區(qū)別 99
圖表：傳統深度學習提取特征方法 99
圖表：語音識別、人臉識別技術程度 100
圖表：深度學習在人臉識別中的應用深度學習在人臉識別中的應用 101
圖表：Figure 2 十大深度學習框架發(fā)展程度（caffe，caffe2分開統計） 101
圖表：2021年中國深度學習平臺市場綜合份額top 10 102
圖表：微軟個人助手 Cortana 112
圖表：Google 無人駕駛圖像識別 114
圖表：全球無人駕駛領域典型企業(yè) 115
圖表：各車廠自動駕駛規(guī)劃及合作對象 116