前言

数字经济在全球经济增长中扮演着越来越重要的角色，以互联网、云计算、大数据、物联网、人工智能为代表的数字技术近几年发展迅猛，数字技术与传统产业的深度融合释放出巨大能量，成为引领经济发展的强劲动力。随着中国经济数字化转型的不断深入，拥有专业数字技能人才的需求正在急剧增长，数字人才日益成为我国创新驱动发展、企业转型升级的核心竞争力。当前，中国的数字经济发展正进入新阶段，数字化转型成为经济增长的关键驱动力。在数字经济的变革浪潮之中，人才作为发展的第一资源，能否有效流动和发挥价值，显得尤为重要。

在这样的背景下，中国数字经济发展正在面临来自人才短缺的巨大挑战。在与政府部门以及一些企业的交流中，金准人工智能专家发现当前劳动力市场中数字技能类人才短缺的三个主要表现：一是拥有顶尖数字技能的人才供不应求，二是具备数字技术与行业经验的跨界人才供不应求，三是初级数字技能人才的培养跟不上需求的增长，这些问题给企业的数字化转型与国际化发展带来很大挑战。数字技能人才的短缺将对企业的数字化转型产生很大制约，进而影响整个经济的数字化转型进程。那么，数字经济的发展需要什么样的人才？这些人才具有哪些技能和特征？他们在不同行业、不同区域是如何分布的？

党的十九大报告提出，要破除妨碍劳动力、人才社会性流动的体制机制弊端，使人人都有通过辛勤劳动实现自身发展的机会。金准人工智能专家围绕数字经济下的人才流动课题展开研究，基于对数字经济发展和人才流动数据的客观分析，挖掘数字经济中人才流动的特征和趋势，探究价值和意义，提出意见和建议，为我国从“人口红利”向“人才红利”的转型升级提供参考。

一、数字经济开启人才就业新生态

1.1数字经济新时代

当前，以云计算、大数据、人工智能、互联网等为代表的新一代信息通信技术持续蓬勃发展、广泛渗透和深度融合，推动经济社会全面转型，经济社会正处于从传统的技术经济范式向数字技术经济创新应用推动的数字经济范式转变。2016年G20杭州峰会，在中国倡议下通过《G20数字经济发展与合作倡议》，数字经济正加速成为全球经济增长的关键驱动力，在推动经济发展、提高现有产业劳动生产率、培育新市场和产业新增长点、实现包容性增长和可持续增长中正发挥着重要作用。

在中国，数字经济发展正进入新的阶段。2017年，中国数字经济规模达27.2万亿元，同比增长20.3%，占GDP的比重达到32.9%，规模位居全球第二。人工智能、大数据、物联网、云计算等新一代信息技术取得重大进展，数字经济与传统产业加速融合，成为引领中国经济发展的强劲动能，显示出新时代的巨大活力。

图1：中国数字经济规模及占比

1.2人才就业新演进

数字经济不仅带来技术能力、生产效率的大幅提升，刺激经济迅猛增长，亦伴随着人才就业生态的演进。自以机器代替手工劳动的第一次工业革命开始，再到现代计算机及信息技术发展引领的第三次科技革命，人才就业生态不断演进：就业门槛从对人才体力、身体素质的要求演变为对知识、技术能力的要求；就业领域在机械及计算机技术发展的带动下不断扩展，新旧岗位不断更迭；就业方式打破物理空间、时间约束，变得愈加多样灵活。

图2：就业生态不断演进

数字经济推动人才就业规模持续扩张。数字技术自身发展，同时与其他行业的深度融合,创造出大量就业机会，相关行业从业人数不断上升，具备数字技术应用能力的数字化人才正逐步成为就业主力，呈现出向IT/通信/电子/互联网行业集中流入的趋势。根据国家统计局数据显示：信息传输、软件和信息技术服务业就业人数自2003起高速增长，截至2015年达349.9万人，复合增长率达157%。

图3：信息传输、计算机服务和软件就业人数（万人）

数字经济促进人才就业领域不断丰富。随着数字技术的发展，大量传统行业+数字化+互联网化的“跨界”合作模式应运而生。传统行业的大规模转型，产生了大量既要具备行业业务能力，又要掌握数字技术行业应用的复合型就业需求。另外，大量互联网企业借助数字技术创造了新的商业模式，激活了新就业领域。

数字经济带动人才职业能力提升。随着数字技术融入各行各业，掌握数字技术应用能力（如数字化营销、大数据分析等），以及人工智能尚无法取代的综合性技能的人才将享有更广阔的职业发展空间，争夺数字经济人才势必会成为“人才争夺战”的重中之重。

二、数字经济下的人才流动

2.1数字经济发展与人才流动相辅相成

中国的人才流动活跃于经济发达区域，而这些区域城市同时也是中国数字经济发展的领跑者。金准人工智能专家选取了2017年（2017年4月到2018年4月，下同）脉脉平台上相关城市的招聘求职数据进行分析，并根据城市整体人口数据进行对比校正。来自脉脉职场大数据显示，2017年，接近一半的全国招聘和求职需求集中在了京津冀、长三角、珠三角等地区，上海、北京、深圳、杭州和广州的人才流动活跃位于全国前列。同时，成都、武汉、西安、郑州等中西部城市也显示出人才吸引力。整体上与中国的经济发展状况相吻合。

图4:2017全国企业招聘和人才求职主要领先城市数据

这些区域在多年的经济发展中保持领先，数字经济快速发展，对人才形成了较大的吸引力，产业和人才相辅相成。一些城市正是因为数字经济和人才就业，发生了极大的转型和改变。同时，这些区域以外的一些城市，得益于数字经济开放、自由、灵活的特点，正凭借着互联网、大数据等相关产业，成为人才流动的新目标。

2.2人才流动是城市数字经济的生命力

高素质的人才支撑了经济发展与城市活力。国家统计局数据显示，2017年全年出生人口1723万人，人口出生率为12.43‰，2017年我国全年出生人口和人口出生率均下降。即使是数字经济发达的一线城市，人口老龄化和少子化问题已经日益严重。人才流动的背后是人才资源的配置，要支撑未来经济发展及数字化转型的需求，高效合理的人才流动显得尤为必要。而人才流动的竞争，也成为城市综合实力的竞争。

2.2.1北京发达的数字经济正虹吸人才

在京津冀地区，北京数字经济发展“一枝独秀”，根据《中国城市数字经济指数白皮书(2018)》，在中国城市数字经济指数排名中北京是唯一进入前十的北方城市，领跑京津冀地区。在领先的数字经济大环境下，北京地区人才就业整体态势活跃，根据脉脉人才流动数据显示，2017年北京地区企业招聘行为及人才求职行为全国占比分别达到8.0%、12.7%，大幅领先于京津冀地区其他数字经济核心城市。

图5:2017城市经济指数与招聘、求职行为占比情况（京津冀代表城市）

2.2.2长三角数字经济带来人才繁荣

长三角地区数字经济呈现双向协同、互补发展趋势，核心城市相对集中，上海、杭州、宁波、无锡均位列中国城市数字经济指数排名前十。与数字经济发展情况强相关，数字经济产业的持续发展也不断为城市人才就业赋能。根据脉脉人才流动数据显示：2017年上海地区企业招聘行为及人才求职行为全国占比分别达到9.9%、8.4%；杭州地区企业招聘行为及人才求职行为全国占比分别达到5.9%、2.9%。

图5:2017城市经济指数与招聘、求职行为占比情况（长三角代表城市）

2.2.3珠三角数字经济打造人才引力

珠江三角地区数字经济同样呈现协同互补、多级发展的趋势，广州、深圳作为珠江三角地区数字经济核心城市分列中国城市数字经济指数排名第二、第四位。珠三角城市由于具备良好的信息基础设施、数据基础，加之本地政策扶持，数字经济产业发展优势明显，人才需求体量大，就业市场活跃。根据脉脉人才流动数据显示：2017年深圳地区企业招聘行为及人才求职行为全国占比分别达到6.9%、4.9%；广州地区企业招聘行为及人才求职行为全国占比分别达到5.1%、2.9%。

图5:2017城市经济指数与招聘、求职行为占比情况（珠三角代表城市）

2.2.4中西部数字经济明星城市凝聚人才

中西部地区数字经济以“单级突破发展”为主，围绕核心城市如成都、重庆、西安建设形成区域数字经济高地，数字经济产业特色初步形成，人才不断向数字经济发达的中西部地区明星城市聚集。根据脉脉人才流动数据显示：2017年成都、武汉、重庆、西安等地区企业招聘行为全国占比在1.2%以上，人才求职行为占比在0.6%以上，均处于较高水平，与这些区域的数字经济发展相互支撑。

图5:2017城市经济指数与招聘、求职行为占比情况（中西部代表城市）

2.3数字经济助推中小企业人才发展

金准人工智能专家认为，在数字经济快速发展的辐射带动下，全球化、网络化的数字资源帮助中小型企业降低生产要素门槛，特别是线上线下的充分整合促进了中小企业的岗位细分，具有丰富高科技行业工作经验及相关技能人才的流入，不仅直接推升信息行业发展，零售业、金融业、制造业等行业也与数字技术深度融合，衍生出各种新型商业模式，促进传统产业升级。同时，人才流动更带动文化观念与消费升级，提升消费品质，促进高端服务业发展。根据脉脉职场大数据显示，全国中小企业招聘行活跃前十名城市，数字经济指数与中小企业的招聘呈现正相关性，但具体情况则存在差异，珠三角的深圳与长三角的杭州在中小企业招聘上表现更为活跃，超过了北京上海广州。

图6:2017年数字经济指数与中小企业招聘行为次数占比情况（TOP10城市）

2.4数字经济相关岗位成为人才热门首选

网络信息技术不断向传统领域扩张和融合，带来生产效率、交易效率、外溢效应和资源配置效率的不断改善，一方面改造了劳动力等传统生产要素，另一方面，也吸引了人才在内的全社会要素向新技术、新业态、新模式大量聚集，引发产业结构和经济结构转型。从历次技术对就业影响的规律来看，就业结构性升级是技术应用的必然结果。金准人工智能专家认为，数字经济将不断提升就业高度，低层次就业将逐步被高层次就业所替代，引发就业结构的优化升级。

来自脉脉职场大数据岗位分析显示，2017年，通过脉脉求职的人群中，有48.8%的人才选择了IT互联网岗位。而从IT互联网典型的“程序员”（研发岗位）和“产品经理”（产品岗位）来看，28.9%的流入人才选择了研发岗位、13.1%选择了产品岗位。

图7:2017年脉脉人群岗位就业流入整体情况及IT互联网岗位情况

从2017年人才流入地前十名城市来看，不同地域的数字经济驱动力有所差别。杭州、北京等IT互联网研发岗位人才流入占比突出，主要通过“研发投入”驱动技术发展，带动传统产业数字化转型，推动当地数字经济发展;相比较其他一线城市，深圳IT互联网产品岗位人才流入占比较高，显示出其数字经济正通过“产品创造”驱动消费升级，挖掘新的用户需求，提升用户体验；福州、重庆、厦门等IT互联网研发岗位、产品岗位人才流入占比双突出，体现出这些城市的数字经济正全面发力、快速发展。

图8:2017年人才流入地前十名城市IT互联网行业岗位人才流入情况

2.5数字经济提升人才薪酬待遇

数字经济创造的高效价值，直接体现在了人才待遇的提升上，来自国家统计局的数据显示，与数字经济直接相关的信息传输、计算机服务和软件业行业薪酬经历了快速增长，2012年后薪酬增长率开始领先其他行业，截止2016年达到9%，位居主要行业第一。

图9:2017年至2016年我国主要行业城镇人口平均工资增长率

同时，来自脉脉职场大数据的统计显示，2017年IT互联网行业的平均薪酬位居全行业之首，以11688元/月超过金融行业、房产建筑等传统高薪行业。高薪酬的数字经济行业，正不断地吸引高学历、高水平的人才，使得行业效率提升、活力涌现，为社会创造更多的价值。

图10:2017热门行业平均薪酬（元）

三、展望与建议

3.1趋势展望

金准人工智能专家预测，随着我国数字经济深化发展，新数字技术会加速完成对现有经济产业的变革，同时催生出人才就业的新趋势。

3.1.1数字化人才将加速成长

数字经济的发展过程，就是越来越多的人才成长成为数字化人才的过程。数字经济发展的意义在于以数字化力量推动经济的全面转型。金准人工智能专家预测，到2035年中国整体数字经济规模接近16万亿美元，数字经济渗透率48％，总就业容量达4.15亿，但波士顿咨询同时也指出，中国目前55%-77%的就业易在未来因技能含量低而被技术取代。

数字经济蓬勃发展所催生的人才流动，不仅使得原有的数字化人才获得新的发展机遇，同时也促使更多传统人才向数字化人才转型，传统人才这一转型可以是出于人才流入所带来竞争压力，也可以是主动的寻求成长与改变。

3.1.2数字化人才流动进一步变革雇佣关系与职业文化

数字经济的发展，既改变了人才的需求，也带来新的就业模式与雇佣关系，并催生了新的“职业价值观”互联网平台赋能予个人，使得人才在职业技能成长，职场人脉累积上获得了更多可能。互联网协作平台、知识分享平台、众包平台及共享办公空间等新模式新业态的出现，提供了新的工作就业方式，带来了个人职业发展道路的新可能。

中国互联网商务社交平台也在过去三年得到了飞速发展，越来越多个人开始在网上打造自己的职业身份与职场形象，积累职业人脉。越来越多的人才，尤其是成长于互联网时代的“数字原住民”，正从数字经济中寻求更为自由、更能体现自我价值的职业成长路径。价值共鸣、自我实现和个人提升成为新生代们在“赚钱”之外的更高追求。

雇主对于人才的全周期管理也愈发重视，通过互联网平台优化信息获取，提升招聘效率，并前瞻性地运用大数据、人工智能等新技术来应对未来人才管理的挑战，对社交式招聘等新型招聘方式的采用更为积极。

3.1.3数字化就业规模和领域继续延展

随着信息时代成长的90、95后逐渐成为就业主力军。新时代人才将对数字技术发展动向更加敏感，具备学习数字新技术的精力和能力，也更加愿意从事数字技术应用行业，他们在就业方式上也有着自己的想法，希望打破既有的“雇佣模式”，通过更灵活的方式发挥自己的价值，使得数字就业规模长期拓展。同时，数字新技术的出现势必与既有行业产生交集，无论是由数字技术代替人力变革既有行业，还是寻求结合点衍生出新的业态，都会产生更加多样化的就业领域。

3.2发展建议

我国就业市场在数字经济的强刺激下愈加活跃，就业生态亦正向积极的方向演进，推进数字经济人才流动，可挖掘人才势能逐步释放，推动“人口红利”向“人才红利”的跨越式发展。

寻找数字经济比较优势，提升流动的有效性利用户籍政策与货币补贴的方式吸引人才流动短期效应明显，但若没有配合的中长期政策，人才也将难以留存和成长。对于政府来说，发展数字经济更应避免盲目“追逐风口”。应该将人才流动置于区域经济发展和产业价值链分工中去考虑，寻找比较优势，发掘当地优势产业的转型机会，补齐公共服务短板，尊重企业和个人在人才流动中的主体性地位，拆除妨碍人才流动的体制障碍，以实现新旧动能的转换。

3.2.1利用互联网构建信任社会，降低交易成本

对于人才流动而言，互联网商务社交平台的价值在于促进各相关方之间形成互相之间低成本、高质量的连接。连接带来的信任可以减少人才流动所需的各种成本，成就更高的价值。互联网在职业信息与职业资源的匹配中发挥着日益重要的作用。需要重视个人与雇主的职业身份与职业信用体系建设。减少信息与资源匹配障碍，提升商务交往效率，鼓励基于真实身份和透明信息的商业社交，减少“信任成本”，使得个人与企业在商务活动中得以更快达成交易，更顺畅进行合作，打造尊重专业能力，注重职业品牌的新型职场文化。

3.2.2提供多元成才机遇构建新型人才发展体系

数字经济对人才的发展提出了更高要求。知识更新速度加快，终身学习体系的构建势在必行。在对待人才的态度上，各地政府应该摒弃“唯学历论”，既要有战略眼光与长远机制，培育基础研发创新人才，又要面向市场，树立“动态发展”的人才理念，提供“多元成才机遇”，让不同类型的人才能够脱颖而出。

除了传统的学校及培训机构，互联网平台可以在终身学习体系中扮演更为重要的作用，知识付费平台的碎片化学习，在线教育平台的系统性学习，线上社区的知识经验分享等，可以有效激发学习动力，涵盖不同的学习需求，提升数字经济时代的竞争力。政府及传统教育机构应该积极利用新型学习平台，提供多样化的学习成长机会，从“抢人才”到“育人才”，构建可持续发展的人才体系。

总结

在全球数字经济进入加速创新和深度融合的时代背景下，中国经济的数字化转型迈入了从需求端向供给端扩展的新阶段，数字经济的发展重心从消费领域向生产领域转移，与消费领域数字化转型主要依靠海量互联网用户的“人口红利”相比，生产领域的数字化转型将更加依赖“人才红利”。目前各国纷纷将深化信息技术与传统行业的融合发展作为数字经济战略布局的重心，具有专业数字技能人才的需求正在急剧增长，如何吸引和培养新阶段所需要的人才，是中国在全球数字经济发展中建立竞争优势的重要基础。

总体来看，制定数字人才战略首先应对数字人才的现状和需求有充分的认识和了解， 从行业、职能、特征多个角度对人才储备的现状、优势和劣势进行分析；其次，对数字人 才的吸引应当具有针对性，不应当只是通过教育背景来筛选，而是依据行业、职能和技能 进行筛选，以需求为导向建立有效的人才吸引和培养机制；最后，应当通过打造产业优势 来吸引数字人才，而不只是仅仅通过提供多方位的保障性条件，留住数字人才需要从产业基础和创新环境等更重要的因素着手和施力。

前言

金准人工智能专家根据业内广为流传的标准分析框架：房地产长期看人口、中期看土地、短期看金融。本篇放眼全球近百年房价走势，考察驱动不同经济体和主要大都市圈房价走势的因素及规律。

一、不同经济体房价涨幅差异：经济增长、人口变化、货币供应、住房制度

1.1 近50年23个经济体房价走势差异明显

1970-2017年23个经济体房价平均累计上涨20.6倍、年均增长6.5%、，其中有南非、英国、澳大利亚等7个经济体累计涨幅在40倍以上或年均增长超过8%，也有德国、瑞士、日本等3国累计涨幅低于4倍或年均增长低于3.5%。

金准人工智能专家根据国际清算银行（BIS）统计，1970-2017年23个经济体房价年均增速平均为6.5%，折合累计涨幅为20.6倍（其中，BIS对西班牙、韩国、中国香港、马来西亚、泰国房价数据分别从1971、1975、1979、1988、1991年开始统计）。依据房价涨幅大小，可大体分为三类：

一是房价累计涨幅在40倍以上或年均增长8%-10%的，有南非、新西兰、西班牙、英国、中国香港、澳大利亚、爱尔兰等7个经济体。其中，南非房价涨幅高达85.2倍、年均增长9.7%，中国香港1979-2017年上涨20.1倍、年均增长8.4%。

二是房价累计涨幅在12-35倍之间或年均增长5.5%-8%之间的，有意大利、加拿大、法国、美国、韩国、马来西亚等12个经济体。其中，意大利、挪威房价分别累计上涨34.4、29.9倍，年均增长超过7.4%；马来西亚1988-2017年上涨4.7倍，年均增长6.2%；其他10国涨幅在12-24倍之间，年均增速在5.5%-7%。

三是房价累计涨幅在4倍以内或年均增长低于3.5%的，有日本、德国、瑞士、泰国等4个经济体，其中前三个累计涨幅分别为2.5、2.6、3.7倍，泰国1991-2007年上涨1.1倍。

随着经济金融全球化深入推进，全球房价走势联动性逐渐增强。比如，1980年代中后期北欧四国房价下跌，1990年代初日韩房价下跌，1997年东南亚房价下跌，2007年全球房地产下跌。从房价走势看，近50年23个经济体可大致分为四类：

一是房价基本持续上行、期间调整幅度小的经济体，有澳大利亚、新西兰、加拿大、法国等4个。1970年以来上述4国任何一次下行周期中累计下跌幅度均未超过9%。其中，澳大利亚、新西兰、加拿大等3国未曾出现连续两年下跌的情况；法国在1992-1995年、2008-2009年、2011-2015年三次明显调整，但三次累计跌幅均未曾超过7%。不过，由于近几年投机炒房明显，当前加拿大、澳大利亚房价明显下行，不排除本轮下跌幅度超过10%。

二是房价曾大幅下挫但后期上行超过前高的经济体，有英国、美国、瑞士、荷兰、南非、挪威、中国香港、马来西亚、泰国等14个。比如，荷兰房价在1979-1982年暴跌30%、2008-2013年大跌超19%，南非房价在1984-1986年下跌11%，芬兰房价在1990-1992年暴跌37%，瑞士房价在1990-1998大跌22%，马来西亚、泰国分别在1997-1998、1998-1999年累计下跌均超过11%，中国香港在1998-2003年累计暴跌超60%，美国房价在2007-2011年大跌超30%，英国房价在1990-1992年下跌近11%、2008-2009年下跌超13%。上述经济体房价在大幅下跌后继续向上，现均已超过前高。

三是前期房价泡沫破灭、至今仍不及高点的经济体，有日本、西班牙、爱尔兰、意大利等4个。虽然时代和国别不同，但历次房地产泡沫堆积无一例外受到流动性过剩和低利率的刺激，而历次房地产泡沫崩溃则都跟货币收紧和加息有关。日本、西班牙、爱尔兰、意大利房价分别在1990、2007、2007、2008年见顶，其中前三个国家房价近几年稍有反弹、而意大利依然低迷，2017年末上述四国房价仅分别相当于峰值的60.3%、75.7%、77.2%、83.8%。

四是房价走势基本平稳、涨幅总体较小的经济体，只有德国1个。1970年以来德国房价有三次比较大的上涨周期：1971-1981年累计上涨近1.1倍，1987-1994年累计上涨35.8%，2009-2017累计上涨35.7%；而在任何一个下行周期中累计下跌未曾超过10%。

1.2 本币房价长期走势与经济增长、人口变化、货币供应及住房制度相关

不同经济体本币房价长期走势差异可以解释为四个方面：经济增长带来的收入效应、人口总量与结构变动引起的人口效应、货币供应带来的货币幻觉、住房制度影响的供求格局。房地产兼具消费品属性（居住需求，包括刚需和改善性需求）和金融属性（投资投机需求，并可以加杠杆），因而房价不仅取决于供需（人口及居民收入、土地供给），还与货币供应密切相关。从全球房地产市场运行经验看，在无战争、瘟疫、自然灾害、经济金融危机等冲击的情况下，一国房价随着经济发展而长期上涨。1970-2017年，23个经济体本币房价年均增速、本币名义GDP增速分别为6.5%、7.8%，二者较为接近、且相关系数为0.71；如剔除韩国，22个经济体的相关系数为0.8；如剔除韩国、泰国，相关系数达0.85。名义GDP可分解为人均不变价GDP、人口、GDP平减指数，加上影响供求格局的住房制度，四因素可较好地解释不同经济体房价长期走势差异。

1.2.1经济增长带来的收入效应

不变价GDP增长反映剔除价格后的真实经济增长，人均本币不变价GDP增长意味着居民实际购买力提高、增加房产需求。1970-2017年23个经济体本币不变价年均增长的平均数为3%、中位数为2.5%，人均本币不变价年均增速的平均数为2.2%、1.8%（部分经济体数据计算从有房价数据时开始，瑞士从1980年开始）。其中，韩国人均本币不变价GDP年均增长高达5.6%,爱尔兰、中国香港、马来西亚、泰国年均增长均在3%以上，其他经济体多在2%以下，南非仅有0.5%。

1.2.2人口总量与结构变化引起的人口效应

人口对经济体层面房价的影响主要体现在如下三个方面：

一是人口总量变化影响房价。人口总量变动包括自然增长、跨国（境）人口流动，一般而言，人口规模变化与住房需求呈正比。金准人工智能专家根据世界银行数据，当前全球生育率为2.45，其中高收入、中高收入、中低收入、低收入经济体总和生育率分别为1.67、1.83、2.81、4.8，高收入和中高收入生育率已经不足以弥补人口世代更替。但高收入经济体吸引了大量人口跨国流入。金准人工智能专家根据联合国统计，1950-2015年美国净迁入人口超过4800万、沙特阿拉伯和阿联酋净迁入合计接近1600万，德法英西意等西欧五国净迁入合计超过1100万，加拿大净迁入约900万，澳大利亚净迁入近700万。因此，澳大利亚、加拿大、新西兰、中国香港、美国1970-2017年人口年均增长分别高达1.5%、1.2%、1.1%、1.1%、1.0%；而德国、意大利、日本移民政策较为保守或移民较少，人口年均增长分别为0.1%、0.3%、0.4%；德国人口在2004-2011年一度累计减少约230万、后因移民重回增长，日本人口于2009开始负增长，意大利人口从2016年开始负增长。

二是人口结构变化影响房价。20-50岁主力置业人群、家庭户规模等人口结构变化，将引致住房需求变化。在家庭户规模方面，由于结婚年龄推迟、不婚率和离婚率提高、低生育率、寿命延长、人口老龄化、人口流动等，导致全球家庭户规模呈小型化趋势，这增加了一定的住房需求。1960-2015年，美国家庭户规模从3.33降至2.54人，日本从4.14人降至2.39人；此外，1980-2015年，韩国从4.78人降至2.73人。在主力置业人群方面，美国20-49岁人口规模尚在持续增长，日本、韩国、英国分别已在1996、2004、2011年见顶，主力购房人群的规模变化对房地产市场具有非常显著的影响。

三是人口通过经济增长影响房价。人口红利是许多追赶经济体过去经济高速增长的重要源泉，在人口红利消失后经济往往转为中速或低速增长。

1.2.3货币供应带来的货币幻觉

从国际经验来看，在经济发展过程中，绝大部分国家均存在不同程度的货币超发，从而引起资产价格变化。一般而言，广义货币供应增速高则通胀高。1970-2017年，23个经济体年均GDP平减指数的平均数为4.7%、中位数为4.4%，不仅在绝对水平上与23个经济体房价年均增长的平均数6.5%较为接近，而且波动较为一致。比如，1970-2017年南非广义货币增长474倍，在货币大幅超发下南非名义GDP增长387倍，实际GDP仅增长2.3倍，GDP平减指数增长116.6倍，房价上涨85.2倍；美国广义货币增长25.6倍，名义GDP增长18倍，实际GDP上涨2.7倍，GDP平减指数增长4.1倍，房价上涨13倍。但是，货币超发易滋生房地产等资产价格泡沫，极端情况下甚至可能引发经济危机，比如1990年代日本房地产泡沫和2007年美国次贷危机。

由于新兴经济体广义货币增长较快，因而以本币计算的房价涨幅较发达经济体更大。金准人工智能专家根据世界银行数据，2001-2017年印度、墨西哥等10个代表性新兴经济体广义货币年均增速平均为14.3%，明显高于英美德日等10个代表性发达经济体的5.8%。金准人工智能专家根据BIS统计，2010-2017年新兴经济体房价年均增长5.6%，超过发达经济体3.6%的房价年均增速。

住房制度影响的供求格局。住房制度是一国房地产市场导向，一个好的住房制度能使房价长期稳定、支持实体经济发展，一个坏的住房制度可能引发房价暴涨暴跌、削弱甚至掏空实体经济。

德国房价之所以长期稳定，关键在于其居住导向的住房制度设计，三大支柱分别为：中性稳健的货币政策与住房金融体系，鼓励居民长期持有住房、打击投机的税收制度，保护租户权益、鼓励长期租房的租赁制度。新加坡目前形成以组屋为主、私宅为辅的二元化供应体系，供给结构呈现“廉租房-廉价房-改善型组屋-私宅”的阶梯化分布，住房自有率超过90%，基本实现居者有其屋。中国香港住房制度则不是一个好的制度，一方面居民居住空间狭小、房价暴涨暴跌，另一方面大量土地未得到充分利用、土地开发率仅24%。

1.3 美元房价涨幅与本币房价涨幅差异明显

以美元计，1970-2017年21个经济体房价涨幅发生明显变化，且美元房价涨幅与美元名义GDP增长存在一定相关性。如果一经济体货币超发较美国严重，则货币将对美元贬值，因此本币房价大幅上涨并不意味着美元房价大幅上涨，在全球来看并不一定具备投资价值。

依据美元房价涨幅，可大体分为四类：一是累计涨幅超过40倍或年均增长超过8%，仅新西兰1个。二是累计涨幅25-30倍或年均增长7%-7.5%，有澳大利亚、英国、西班牙、中国香港、挪威、爱尔兰、荷兰等7个经济体。三是累计涨幅10-20倍或年均增长5%-6.6%，有加拿大、比利时、法国、日本等10个经济体。四是累计涨幅低于7倍或年均增长4.5%以下，有韩国、德国、南非等3个经济体。与本币房价涨幅相比，变化最大的是南非，1970-2017年本币房价涨幅高达85.2倍，但美元房价涨幅仅为3.6倍。此外，瑞士本币房价涨幅仅3.7倍，但美元房价达20.1倍；意大利本币房价上涨34.4倍，但美元房价涨幅缩至11.9倍；德国本币房价上涨2.6倍，美元房价上涨6.5倍。

从相关系数看，23个经济体美元房价增长与美元名义GDP增长的相关系数仅为0.21，相关性较弱。但如果剔除美元名义GDP增长69.5倍、美元房价上涨仅5.2倍的韩国，剩下22个经济体的相关系数则达0.48；剔除韩国、马来西亚、泰国，剩下20个经济体的相关系数为0.54。

这表明，从全球地产资产配置的角度看，一个经济体美元房价增长与美元名义GDP增长的正相关性大体上是成立的。不同经济体的美元房价长期走势差异也可以类似本币房价上期走势进行相应因素分解，区别在于通过汇率机制剔除了一个经济体相对美国的货币超发因素。

从近期看，2010-2017年全球48个经济体美元房价涨幅与美元名义GDP涨幅高度相关，两组数据相关系数达0.80。2010-2017年，48个经济体美元房价累计涨幅的平均数为10.4%、中位数为1.2%，美元名义GDP涨幅的平均数为15.7%、中位数为9.1%。其中，美元房价涨幅超过70%有冰岛、中国香港、印度、菲律宾、新西兰，与之对应的美元GDP涨幅分别为79.6%、49.3%、56.8%、57.1%、40.4%；而涨幅为负且居前的有俄罗斯、希腊、西班牙、意大利、巴西、南非等，与之对应的美元GDP涨幅为3.4%、-33.1%、-8.4%、-9%、-6.9%、-6.9%。

二、一国内部哪个区域房价涨幅最大：人口流入的大都市圈

2.1 英国：伦敦房价50年106倍，内伦敦涨幅更大

伦敦有三个范围：伦敦城（Cityof London）、大伦敦（Greater London）、伦敦都市区。伦敦城即伦敦金融城、面积很小，一般意义上的伦敦指大伦敦地区，包括319平方公里的内伦敦和1254平方公里的外伦敦，土地面积合计1573平方公里、占英国的0.6%，当前GDP占英国的20.1%；伦敦都市区则由大伦敦及周边地区组成。由于城市规划问题等造成大城市病突出，英国政府一度控制伦敦特别是内伦敦人口、在二战后外迁产业、大量建设新城，1941-1991年伦敦人口从862万降至639万，后回升至2017年的882万，当前占英国人口比重为13.4%。但在经济作用下，伦敦周边地区人口长期集聚，1931-2001年英国东南地区人口从不到1300万增至1800多万，占比从27.5%增至31.1%。

大伦敦地区最近50年房价涨幅达106倍，远超英国、英格兰地区房价平均涨幅（61、70倍），和英国名义GDP涨幅（49倍）。金准人工智能专家根据英国国家统计办公室（ONS）数据，1968年4月至2018年3月，大伦敦地区房价从0.44万英镑/套上涨至47.19万英镑/套，涨幅达105.8倍，年均涨幅9.8%；英格兰地区房价从0.34万英镑/套上涨至24.09万英镑/套，涨幅达69.7倍，年均涨幅8.9%；英国房价从0.36万英镑/套上涨至22.41万英镑/套，涨幅达61.3倍，年均涨幅8.6%。而同期（1967-2017年）英国名义GDP上涨48.7倍、年均增长8.1%，房价涨幅明显跑赢名义GDP增长。

分阶段看，大伦敦与英格兰、英国房价涨幅在1994年之前非常接近，但在1995年后波动明显加大，特别是在2008年全球金融危机之后。1968-1994年，大伦敦、英格兰、英国房价涨幅分别为15、14.7、14.6倍，差异较小；但之后至2018年3月，房价涨幅明显分化，分别为5.3、3.5、3倍。受2008年金融危机影响，2009年4月大伦敦、英格兰、英国房价同比下跌16.6%、15.0%、14.9%；之后，在货币刺激量化宽松背景下，房价逐渐回升，至2018年3月年均增速分别为7.5%、4.5%、4.1%。

从伦敦都市区内部看，大伦敦房价涨幅位居首位。1995年1月至2018年3月，大伦敦房价上涨5.34倍，明显高于Kent、Windsor and Maidenhead、Hertfordshire、Essex、Surrey等周边地区4-4.5倍左右的涨幅。此外，该时期英国第二大城市伯明翰房价上涨仅3倍，明显低于伦敦及周边地区涨幅。该时期（1994-2017年），英国名义GDP和M2余额分别上涨1.6、3.5倍。

从大伦敦内部看，内伦敦核心区域房价涨幅更大。1995年1月至2018年3月，内伦敦房价从7.83万英镑/套涨至57.9万英镑/套，上涨6.4倍；外伦敦房价从7.30万英镑/套涨至2018年3月的42.39万英镑/套，上涨4.8倍。当前伦敦房价最贵是Kensington and Chelsea（134.36万英镑/套），其次是City of Westminster（101.24万英镑/套），分别较1995年1月上涨6.3、6.6倍。

2.2 法国：巴黎市房价50年33倍，涨幅超过周边地区

巴黎有三个范围：巴黎市（或称小巴黎）、大巴黎（包括近郊3省）、巴黎大区（包括远郊4省，又称“法兰西岛”），土地面积分别为105、761、12001平方公里，其中巴黎大区土地面积占法国的1.8%。随着产业集聚，法国人口长期持续向巴黎及周边地区集聚，1876-2014年巴黎大区人口从332万人基本持续增至1203万人，人口占比从8.6%提升至18.8%，经济份额从1990年的28.4%提升至2014年的30.4%。期间，出于控制人口以治理大城市病的目的，巴黎市有过较长时间减少，1931-1999年从289万持续降至213万，之后回升至2014年的222万。

1965-2015年间，巴黎市50年房价上涨32.5倍，明显超过法国房价平均涨幅（22.7倍）、法国名义GDP涨幅（28.1倍），年均增速分别为7.3%、6.5%、7.0%。在此之前的1945-1965年，受战后重建、婴儿潮及货币大幅超发等影响，巴黎市、法国房价分别暴涨54.1、38.3倍，年均增长22.2%、20.1%，但仍然落后于名义GDP年均增长（1950-1965年，51.2%）。

分阶段看，1966年之后巴黎市房价走势可分为四个阶段：1）1966-1990年，房价快速上涨期。该时期巴黎市房价、法国房价、法国名义GDP年均增长10.7%、9.3%、10.6%。2）1992-1997年，房价下跌期。由于1985-1990年左右巴黎市房地产投机旺盛、房价涨幅过大（其中1987-1990年连续4年上涨均超过17%），巴黎市房价开始大幅下跌。该时期巴黎市房价、法国房价、法国名义GDP年均增长-6.1%、-0.4%、3.8%，至1997年底巴黎房价惨跌至1991年的69%。3）1998-2015年，波动增长期。该时期巴黎市房价、法国房价、法国名义GDP年均增长7.2%、5.0%、3.0%。其中，2013-2015年巴黎房价连续下跌。

巴黎市房价涨幅位居巴黎大区之首。由于巴黎市土地面积较小（105平方公里），稍大于北京市东城区和西城区面积之和（93平方公里），因此金准人工智能专家不再对巴黎市内部房价进行分析，而是将巴黎市作为巴黎大区的核心区域，分析其与巴黎大区其他区域房价的走势差异。金准人工智能专家根据法国统计局（INSEE）数据，1997年4季度至2017年3季度，巴黎市房价涨幅达2.95倍，明显超过近郊三省的1.97倍、远郊四省的1.43倍、法国平均的1.38倍，以及该时期法国名义GDP涨幅（0.8倍）。近郊三省Hauts de Seine、Seine St Denis、Val de Marne房价涨幅分别为2.03、1.91、1.88倍。远郊四省Yvelines、Val d'Oise、Seineand Marne、Essonne房价涨幅分别为1.51、1.50、1.35、1.25倍。

2.3 美国：纽约市房价42年8倍，皇后区表现更优

今年以来，美国房地产市场的表现一直不及整体经济。

一方面，经过了长时间的上涨之后，美国房价已经被很多人认为高的离谱，另一方面，市场上可供出售的房屋供应正在增长——这对购买者来说是个好消息，但对卖家来说自然是个坏消息。

美国8月新屋开工128.2万户，创近三个月新高，环比飙升至9.2%，更是创今年1月来新高。不过，营建许可降幅明显，是自2017年2月以来最糟糕的一个月。这可能在一定程度上拖累短期内供应增长。

纽约有多重涵义：纽约市、纽约都会区、纽约联合统计区等。其中，纽约市土地面积为789平方公里，2015年人口855万；纽约都会区（New York-Newark-Jersey City Metropolitan Statistical Area，NY-NJ-PA MSA）面积约1.7万平方公里，2015年人口2018万；纽约联合统计区（New York-Newark Combined Statistical Area）由纽约都会区及毗邻都会区组成，2015年人口2372万。

从人口看，由于美国经济重心向西海岸、南海岸偏移，1950-2015年纽约地区人口虽基本持续增长，但增幅84%远小于洛杉矶地区的328%，这使得纽约地区的人口占比明显下滑。期间，因人口郊区化及制造业衰退，纽约市人口在1950-1980年从789万减至702万；后因城市更新及产业转型升级等，回升至2015年的855万。

1975-2017年，纽约市房价上涨8.1倍，高于美国平均水平，但低于纽约市周边及洛杉矶地区房价涨幅。金准人工智能专家根据美国联邦住房金融局（FHFA）统计，1975-2017年，美国、纽约市、纽约-泽西-白原分区（纽约都会区分区之一）、洛杉矶-长滩-格伦代尔分区（洛杉矶都会区分区之一）房价分别上涨5.6、8.1、9.5、13.9倍，年均增速分别为4.6%、5.4%、5.7%、6.6%。纽约-泽西-白原分区房价涨幅虽不及洛杉矶-长滩-格伦代尔分区，但仍显著高于美国平均水平。此外，1975-2017年美国名义GDP上涨10.5倍、年均增长6.0%，M2增长12.7倍、年均增长6.4%。这意味着，纽约市和纽约-泽西市-白原分区房价跑输同时期美国名义GDP和M2，而洛杉矶-长滩-格伦代尔分区跑赢。

在纽约都会区内部，纽约分区房价近35年上涨4.73倍，在纽约都会区四大分区中位居第二。除纽约-泽西市-白原分区外，纽约都会区还包括NassauCounty–Suffolk County、Dutchess County-Putnam County、Newark三个分区。四大分区房价走势基本一致，但NassauCounty–Suffolk County分区涨幅最大、纽约-泽西市-白原分区其次，然后是Newark分区和DutchessCounty-Putnam County分区，1982-2017年分别上涨5.54、4.73、3.79、3.19倍，年均涨幅分别为5.5%、5.1%、4.6%、4.2%。

在纽约市内部，曼哈顿区及皇后区近30年房价上涨超过2倍，高于纽约市和纽约分区整体水平。1987-2017年，纽约市曼哈顿区房价上涨2.14倍、年均上涨3.9%，皇后区（1987-2016年）房价上涨2.22倍、年均上涨4.1%，而该时期纽约市和纽约分区房价分别上涨1.41、1.43倍，年均增速大致为3%。

2.4 日本：六个核心城市曾36年上涨210倍

东京有三个范围：东京都区，东京都，包括千叶县、琦玉县和神奈川县的东京圈，土地面积分别为627、2188、13558平方公里。东京圈土地面积占日本的3.6%，2016年人口3629万，占日本的28.6%，当前地区生产总值约占日本的1/3。

日本人口流动分为两个阶段：在1974年前，全国人口基本持续向东京圈、大阪圈、名古屋圈三极集聚。1884-1973年，除战争影响外，东京圈人口406万人增至2607万人，占比从10.8%增至23.9%；大阪圈人口从392万人增至1636万人，占比从10.5%增至15.0%；名古屋圈人口从311万人增至918万人，占比从8.3%增至8.4%。之后则转为向东京圈一极集中，而名古屋圈人口流入流出基本平衡、大阪圈长期净流出；到2016年，东京圈、大阪圈、名古屋圈人口分别为3629、1831、1134万，占比分别为28.6%、14.4%、8.9%，该时期大阪圈和名古屋圈人口增长主要源于自然增长。

东京都人口在1970-1997年人口增长停滞，主要在于东京都区产业转移、人口外迁，但东京都非都区、东京圈三县人口显著增长。

日本地价在泡沫破灭前36年上涨82倍，六个核心城市涨幅更是高达210倍。在1991年房地产泡沫破灭前，日本地价除1975年调整外保持持续上涨，1955-1991年上涨82倍，超过该时期55倍的名义GDP涨幅；其中，六个核心城市地价上涨210倍，非核心城市上涨78倍。

分阶段看，1955-1974年日本东京区部、横滨、名古屋、京都、大阪、神户等六个核心城市地价上涨40.6倍、年均21.7%，其他城市上涨29.6倍、年均19.7%，同期名义GDP上涨15倍、年均15.7%。1975-1991年六个核心城市地价上涨4.5倍、年均11.2%，其他城市上涨1.7倍、年均6.4%，同期名义GDP上涨2.2倍、年均7.5%。

1975年日本房价调整后还能继续上涨，主要在于经济增长和主力购房人群支撑，但因后期上涨过快、出生人口大幅下滑、1990年代主力置业人群见顶以及日本政府错误应对等，导致1990年代初房地产泡沫破灭。之后日本地价持续调整至2005年，2017年日本地价仅是峰值的47.1%。

六个核心城市地价从1992年一直下跌到2005年，在经历了2006-2008年的短期上涨之后，因全球金融危机于2009-2012年再次下跌，2013年开始回升至今，2017年地价仅相当于1991年峰值的35.3%；因人口流出，日本非核心城市地价从1992年一直下跌至今，2017年地价相当于1991年峰值的47.5%。

东京圈地价走势与日本整体基本一致，但峰值在1990年、较日本整体早1年，1976-1990年上涨3.4倍、年均11.1%；之后持续下跌至2005年，2014年已领先于全国止跌回升。

东京圈、大阪圈房价在1990年见顶，名古屋圈和地方地价分别在1991、1992年见顶。1976年至房价峰值期间，东京圈、大阪圈、名古屋圈、地方地价分别上涨3.4、3.9、2.0、0.9倍，分别年均增长11.1%、12.0%、7.7%、4.0%；特别是在房价泡沫破灭前，1987-1988年东京圈地价暴涨0.95倍，1988-1990年大阪圈地价暴涨1.6倍。而在1976-1991年，日本名义GDP上涨1.8倍、年均增长7.2%，M2上涨2.7倍、年均增长9.0%。

1990年代初房地产泡沫破灭后，东京圈地价大幅下跌至2005年，2006-2008年开始回升，但受全球金融危机影响于2009年开始再次调整，2014年开始再次回升。至2016年，东京圈、大阪圈、名古屋圈、地方地价仅分别是峰值的39.7%、27.8%、58.0%、58.6%，而该时期日本名义GDP、M2分别增长14.7%、87.5%。大阪圈地价之所以调整幅度最为惨烈，是因为其在泡沫破灭前上涨幅度最大、但又缺乏人口支撑。

东京都区部地价在1988年见顶，见顶前五年上涨2倍，同时调整早、止跌快,2006-2016年累计上涨11.7%、为东京圈内部最高。东京都及东京都区地价在1988年见顶，较东京圈早2年、较日本整体早3年。

在见顶的前五年，东京都区部房价上涨2倍，高于东京都的1.8倍和东京圈1.2倍。见顶后，东京都及东京都区部房价持续下跌至2005年，之后2009-2013年下跌，2014年开始回升。2006-2016年，东京都、东京都区部房价分别累计上涨5.6%、11.7%，东京都非区部房价基本持平，东京圈房价累计下跌4.1%。2016年，东京都、区部、非都区房价分别相当于其峰值的39.8%、40.9%、38.3%，与东京圈的39.7%非常接近。

三、结论：大都市圈房产跑赢印钞机，构建居住导向的中国新住房制度

3.1房地产市场取决于：经济增长、人口变化、货币供应、住房制度

其中，前两项是基本面因素；货币超发会导致国内本币房价大涨但不一定美元房价大涨，即在全球视角下不一定具备投资价值；住房制度是一国房地产市场的政策导向。

3.2房地产具有抗通胀属性，能部分分享经济增长红利

1970-2017年21个经济体本币房价增幅均不同程度超过各自CPI涨幅，中国香港、英国、新西兰在扣除CPI后实际房价年均增长仍能达3%以上，而日本、德国扣除CPI后实际房价增长接近于0。此外，从美国百年房价史看，1890-2017年美国房价年均增长3.21%，也高于2.64%的CPI年均增速。与本币名义GDP增长相比，1970-2017年21个经济体中只有新西兰、英国两个经济体房价跑赢，这意味着多数经济体房价只能部分分享经济增长红利。

金准人工智能专家认为，长期来看，全球货币超发是普遍现象，广义货币增速多高于名义GDP增长，能够跑赢印钞机的资产不多，在多数国家大都市圈的房地产是其中之一。

比如，1970-2017年英国房价年均增长8.8%，虽高于8.2%的名义GDP年均增速，但仍然低于11.5%的广义货币年均增速；1960-2017年美国房价年均增长4.58%，而名义GDP和M2年均增速分别为6.48%、6.87%。从大都市圈角度看，在英国，1995年1月至2018年3月，大伦敦及周边地区房价多上涨4-5倍，明显高于该时期英国名义GDP和M2余额增幅的1.6、3.5倍。在美国，1975-2017年，洛杉矶-长滩-格伦代尔分区房价年均增长6.6%，跑赢同期6.4%的M2增速。在日本，1975-1991年六个核心城市地价年均增长11.2%，其他城市地价年均增长6.4%，同期M2年均增长约9%。

金准人工智能专家研究发现，过去四十年，中国广义货币供应量M2年均增速15%，1998-2017年M2增长了16倍，从各类资产价格表现看，绝大部分的工业品、大宗商品、债券、银行理财等收益率都大幅跑输，只有少数的一二线地价房价、医疗教育等服务类产品、股票市场上的核心资产等收益率跑赢这台印钞机。

3.3一些经济增长潜力大的新兴经济体、特别是其核心城市房地产具有较大投资潜力

一般而言，新兴经济体货币超发比较严重，房价涨幅也较大，但从全球资产配置角度看，投资者关注的是美元房价涨幅，即剔除了货币相对超发导致的汇率变化，而美元房价涨幅则主要与美元名义GDP增长相关，可分解经济增长、人口变化、住房制度等因素。一些经济增长潜力大的新兴经济体未来有可能出现类似中国房地产市场过去的“黄金时代”，不过需要注意政治、法律等相关风险。

3.4构建居住导向的中国新住房制度

中国房地产二十年发展表明，短期调控无法解决长期供需不平衡的根本矛盾，深化住房制度改革才是实现房地产市场平稳健康发展的根本。未来应从供给着手，从短期调控政策过渡到长效机制建设、从行政手段过渡到经济手段、从商品属性为主过渡到构建强调居住属性的住房制度非常重要。在“房子是用来住的，不是用来炒的”指引下，建立“多主体供应、多渠道保障、租购并举的住房制度”将是住房制度改革的新方向。

一是改革“人地挂钩”，优化土地供应。目前推行的“人地挂钩”为农业转移人口落户数量与建设用地供应量挂钩，并不能解决热点城市人口流入与住房供应紧张之间的矛盾，未来应推行新增常住人口与土地供应挂钩、跨省耕地占补平衡与城乡用地增减挂钩。并严格执行“库存去化周期与供地挂钩”原则，优化当前土地供应模式。

二是保持货币政策和房地产金融政策长期稳定。实行长期稳定的住房信贷金融政策，稳定购房者预期，支持刚需和改善型购房需求，同时抑制投机性需求。支持房企合理融资需求，规范融资用途，防止过度融资。

三是转变住房供应结构，丰富供应主体。未来供应主体将从开发商为主转变为政府、开发商、租赁中介公司、长租公司等多方供给；供给形式也将由商品房为主转向商品房、租赁房、共有产权房等多品类。不过，住房供应结构的探索与政策出台须因地制宜，人口净流出城市尤需警惕盲目跟风。

四是推进房地产税改革，抑制投机型需求。目前房地产税呈现“重增量轻存量、重建设交易轻保有”特点，未来应减少交易环节税费、增加保有环节税费，促进开发建设、交易、保有环节税赋平衡，避免重复征税。

前言

小荷才露尖尖角，早有蜻蜓立上头。

“人工智能”在此七年间的成长和中国资本市场的风云变幻，一如该诗句的描述。

2012年，深度学习在图像识别、语音识别领域的应用研究取得突破，跨越半个多世纪、几度沉浮的“人工智能”再次焕发生机，科技转化步伐加快。

两年后，中国迎来了人工智能创业热潮，922支创新力量疾驰于创业的高速公路之上。

若创业是“小荷”，蜻蜓则如“资本”。

2012年，当技术突破尚在昨日，创业力量尚且微弱，普罗大众尚无感知之时，风险投资敏锐的嗅觉已然捕捉到商业机会的气息，输入小额投资试水。同样在两年后，私募市场快速升温，预示着投资风口的来临。

七年来，中国私募股权投资市场中，人工智能领域相关投资额约￥3658.6亿，818家投资机构参与投资；580家获投的中国企业，分布于14个一级行业、62个二级行业，涉及计算机视觉、智能语音技术、数据挖掘等13项人工智能技术。

巨额资金入场，哺育创新企业成长的同时，也催生了资本泡沫和虚假繁荣。不论是缺乏商业思维的“学院派”创业人，还是站在风口圈钱的“伪人工智能”投机者，都在帮助投资市场回归理性。

2018年，人工智能的投资风口是否已过？当泡沫被刺破，究竟留下了什么？

一、中国人工智能企业图景

人工智能在中国，从学术进步与科研转化，到技术创业与投资热潮，再到公众舆论热度上升，呈现相继爆发、相互影响的趋势。

根据金准人工智能专家统计，中国人工智能企业共计922家，2012-2017年间创业热潮显著，2015-2016年，围绕机器人、大健康、金融、安防以及行业解决方案等行业，人工智能创业热度冲顶。

上述922家企业，分布于22个省份的43个城市，其中北京、上海、广东占74.2%。

在13项人工智能技术方向上，技术应用占比TOP5分别为计算机视觉、数据挖掘、智能语音技术、机器学习和机器人。

图1：中国人工智能学术、投资与舆论曲线

上图展示了2012-2017年间，“人工智能”在学术界、投资界以及公众舆论中的变化趋势。从三条曲线的变化趋势来看，学术界关于“深度学习”的研究热度呈现持续增长态势；投资领域的快速增长点大约出现于2014年；公众舆论中“人工智能”话题的引爆点出现于2016年。

从学术进步与科研转化，到技术创业与投资热潮，再到公众舆论热度上升，这一规律与历次新技术的诞生和发展情况类似。

1.1 14个行业、922家人工智能企业，2014年创业热潮掀起

图2：中国人工智能企业诞生历程与行业分布

根据金准人工智能专家统计，中国人工智能企业共计922家，其中97%的企业成立于本世纪，另有27家企业成立于2000年以前，多为软件信息服务类、工业制造类企业。

2012年，互联网服务、安防和机器人等领域创业企业逐渐增多。两年后的2014年，中国正式迎来人工智能创业热潮。2015-2016年，围绕机器人、大健康、金融、安防以及行业解决方案等行业，人工智能创业热度冲顶。

1.2中国人工智能企业地域分布，北上广占74.2%

图3：中国人工智能企业地域分布

根据金准人工智能专家统计，中国人工智能企业分布于22个省份的43个城市在所有省份中，北京、上海、广东占比达74.2%

中国人工智能企业数量最高的十大城市为：

北京（368）、深圳（141）、上海（131）、杭州（91）、广州（34）成都（24） 苏州（16）、南京（16）、厦门（15）、武汉（12。

1.3中国13项人工智能技术应用比重，计算机视觉位列榜首

图4：中国13项人工智能技术应用比重

从技术角度看，人工智能包含多项技术领域。金准人工智能专家根据相关专家意见和企业对外披露信息，对人工智能企业的技术领域进行了梳理。

在13项人工智能技术方向上，技术应用占比TOP5分别为计算机视觉、数据挖掘、智能语音技术、机器学习和机器人。其中，计算机视觉包含图像识别、视频结构化、人脸识别等，智能语音技术包含语音识别、语义生成等，机器学习包含深度学习、强化学习、对抗学习、迁移学习等。

1.4中国各行业人工智能技术分布情况

图5：中国各行业人工智能技术分布情况

二、中国人工智能投资市场总览

本章节呈现了2012-2018上半年中国私募市场中人工智能相关的投资情况，以及二级市场人工智能相关企业上市历程。

从私募市场来看，共580家企业获得投资，13.3%获得4次及以上投资。2012-2018上半年间，人工智能相关投资整体呈现快速上升趋势，投资阶段由早期向中后期转移，战略投资增多。从行业角度看，投资频数TOP5的行业为企业服务、大健康、金融、机器人和汽车，投资频数均超过100次。

另外，报告中呈现了62项细分行业的投资情况，在此不做详述。

从二级市场来看，中国共有51家上市企业从事人工智能技术开发与应用，其中A股14家，港股7家，美股7家，新三板23家。

2.1 2012-2018H1中国人工智能私募股权投资市场整体情况

图6：2012-2018H1中国人工智能私募股权投资市场整体情况

投资频数方面，2012-2017年，中国私募市场中的人工智能投资频数持续走高，五年间复合增长率达67.1%。2018年上半年的投资频数是2017年全年的44.6%，预计2018年全年投资频数将与2017年持平。

投资金额方面，2012-2016年持续上升，其中2014、2015年出现4倍的大幅增长，2017年有小幅回落，但当年投资频数仍保持增长，可知当年单笔平均投资额有所下降，具体来看：

单笔平均投资额：2015年￥2.1亿 / 2016年￥2.5亿 / 2017年￥2.1亿。

2018年上半年投资额为￥1528.8亿，其中蚂蚁金服三轮融资共约￥944.6亿，占比达61.9%。若不计蚂蚁金服，2018年上半年投资额为￥582亿，单笔平均投资额为￥3.8亿，超过前三年数据。总体判断，2018年投资金额有望创造历史新高。

2.2整体投资阶段由早期向中后期转移，战略投资增多

图7：2012-2018H1各阶段投资频数占比情况

2012-2018年上半年，整体投资阶段由早期向中后期转移，战略投资增多：

1. 种子/天使轮投资占比从2012年的59.3%，持续降低至2018年上半年的12.8%；

2. A轮阶段的投资于2014年占比一跃超过40%，此后保持在平均43.6%的水平；

3. B轮-IPO前阶段的投资占比在2013-2015年间出现峰值，此后先降后升，并于2018年上半年占比达到历史最高值，分别为17.3%、14.1%、3.8%；其中C轮阶段的占比涨幅尤为显著；

4. 战略投资在2017年表现十分突出，投资事件数达19起；2018年上半年数据为9起，占比创造历史最高5.8%。可见2017-2018年，人工智能企业与产业在资本层面的战略合作增多。

2.3企业服务行业获投最高，金融行业疯狂“吸金”

图8：各行业人工智能投资频数（左）和投资金额（右，亿人民币）

从行业角度看，投资频数TOP5的行业为企业服务、大健康、金融、机器人和汽车，投资频数均超过100次。其中，企业服务、大健康、金融和汽车行业的投资高峰出现于2017年，机器人行业出现于2016年。

投资金额TOP5的行业为金融、汽车、安防、大健康和互联网服务行业，其中金融行业投资总额高达￥485亿。

各行业A轮平均投资额达1.29亿，金融、家居建筑、汽车、大健康、基础元件行业高于平均水平。

图9：各行业A轮（Pre-A/A/A+轮）平均投资额分布情况

2.4中国各二级行业人工智能私募股权投资市场情况

图10：中国各二级行业人工智能私募股权投资市场情况（投资频数）

从投资频数看，各行业投资热度最高的二级行业分别为：

图11：企业获投次数与企业数量

上图反映了中国580家人工智能企业获得投资次数的分布情况，其中40.7%的企业获得1次投资，26.9%的企业获得2次投资，19.1%的企业获得3次投资，仅有13.3%的企业获得4次及以上投资。获得8次投资的是商汤科技，获得6次投资的包括今日头条、旷视科技、极链科技、蚂蚁金服、华大基因、云知声、小鹏汽车和优必选科技。

获投次数在4次及以上的企业，投资阶段基本偏向中后期，企业大概率已进入快速成长期。

图12：中国77家人工智能企业图谱（获投次数≥4）

从事人工智能技术开发与应用的51家中国上市企业：

图13：从事人工智能技术开发与应用的中国企业上市历程

根据金准人工智能专家统计，截止2018年8月，中国共有 家上市企业从事人工智能技术开发与应用，其中A股14家，港股7家，美股7家，新三板23家。

2015-2016年，新三板挂牌的企业数量出现爆发式增长。由于2015年前后A股市场频繁动荡，部分私募市场投资“大佬”转向新三板，为新三板的快速成长提供了条件，新三板挂牌门槛低，众多企业将其视为IPO的“前站”。

A股上市的人工智能企业中，以科大讯飞、汉王科技、华大基因、科沃斯机器人等为代表。中国的海外上市企业中，也有一批人工智能的“弄潮儿”。在港股上市的企业有腾讯控股、联想集团、金山软件、小米、众安保险、美图、平安好医生；在美股上市的企业有阿里巴巴、百度、京东、搜狗、网易、猎豹移动、奇虎360。

三、活跃于人工智能领域的投资机构

本章节主要介绍了818家参与到人工智能相关投资的投资机构（含企业），在投资阶段、主投行业等方面的情况。

人民币基金与美元基金是中国人工智能投资市场的两股主流力量，人民币基金投资频数占比高，是投资市场的中流砥柱；美元基金虽参投数量少，但单笔投资金额较大。

投资频数在5次及以上的投资机构共计99家，可知将人工智能作为主要投资方向的机构仅占少数。从参投数量看，TOP10的投资机构包括真格基金、红杉资本中国、IDG资本等，十家机构在投资阶段和主投行业上差异显著。

阿里巴巴、腾讯、百度、京东的投资布局值得关注，以阿里巴巴为例，其在安防、基础元件领域重金“押注”，且多为明星级人工智能企业。

3.1中流砥柱的人民币基金，与出手“豪放”的美元基金

整体观察2012-2018H1中国人工智能私募股权投资市场，美元基金与人民币基金是两股主流力量（另有1起港元基金参与投资）。

从投资数量看，人民币基金无疑是整个投资市场的中流砥柱。在1229起人工智能投资事件中（除去1起港元基金投资），人民币基金投资事件共1010起，占比为82%。美元基金则仅有219起，占比为18%。

从投资金额看，美元基金可谓出手十分“豪放”。在约￥3658.5亿的投资总额之中（除去1起港元基金投资 ） ， 美 元 基 金 投 资 总 额 约 为￥2468.4亿，占比达67%。人民币基金投资总额约为￥1190.2亿人民币，占比33%。

综合来看，人民币基金平均单笔投资金额为￥1.2亿，美元基金则为￥11.3亿。

818家投资机构参与到人工智能私募股权投资市场之中，12.1%投资频数在五次及以上。

图14：投资机构投资频数与投资机构数量

2012年-2018年上半年间，中国共有 家机构参与到人工智能私募股权投资市场之中。其中，58.3%的投资机构仅发生过1次投资，19.7%的投资机构发生过2次投资，9.9%的投资机构发生过3-4次投资，仅有12.1%的投资机构发生过5次及以上投资。投资频数在20次及以上的9家机构为：由此可见，将人工智能作为主要投资方向的机构仅占少数。

投资5次及以上的99家投资机构，其重点关注人工智能赛道的可能性较大。

图15：中国99家人工智能投资机构图谱（投资次数≥5）

图16：中国人工智能私募股权投资市场关系网络示意图

图17：人工智能投资机构Top10 - 历年投资频数

从投资频数看，中国人工智能私募市场投资机构Top10如上图所示。其中，真格基金以48次投资高居第一位；联想之星、红杉资本中国早期（2012-2014年）投资较多，IDG资本、红杉资本中国近期（2017-2018H1）投资活跃度高。

图18：人工智能投资机构Top10 – 投资阶段分布和三个主要投资行业

图19：阿里巴巴、腾讯、百度、京东在各行业的人工智能投资布局

附录一：中国各二级行业人工智能私募股权投资数据（一）

附录一：中国各二级行业人工智能私募股权投资数据（二）

附录二：数据处理

美元基金投资金额处理方式：因数据统计需要，金准人工智能专家对美元基金投资金额进行了汇率换算，具体采用投资事件发生当月所在季度的季度末期（最后一天）美元兑人民币汇率（收盘价格）进行换算。例如，某美元基金投资事件发生于2017年4月，则按照2017年6月30日美元兑人民币汇率（收盘价格）1 : 6.7809进行换算。

未透露金额处理方式：针对部分投资事件未透露投资金额的情况，研究人员对各投资阶段的已知投资金额进行加权平均计算，得出各轮次的加权平均值，然后为未透露金额的投资事件进行赋值。例如，种子/天使轮的投资金额加权平均值为￥890万。

图20:各投资阶段投资金额加权平均值

前言

智慧城市是指以物联网、云计算、宽带网络等信息通信技术为支撑，通过信息感知、信息传递及信息利用，实现城市信息基础设施和系统间的信息共享和业务协同，提高市民生活水平和质量，提升城市运行管理效率和公共服务水平，增强经济发展质量和产业竞争能力，实现科学发展与可持续发展的信息化城市。

金准人工智能专家应用金准数据，并结合市场分析、行业分析和厂商分析，能够反映当前市场现状、趋势和规律，以及厂商的发展现状。

一、智慧城市背景分析

1.1智慧城市建设直击痛点，破解“城市病”问题

（1）人口膨胀

（2）交通拥堵

（3）环境污染

（4）信息安全

2016年到2017年我国6.88亿网民因垃圾短信、诈骗信息、个人信息泄露等造成的 经济损失达915亿元，人均133元。

城市人口急剧增长，机动车数量呈现井喷式增长，城市交通拥堵现象严重，加大出行时间成本。城市的大气污染、垃圾围城等生态环境问题，对市民身体健康造成负面影响。信息泄露引发的安全漏洞，造成严重的经济损失。当前城市发展速度、规模与资源环境承载力之间的平衡关系失调，给城市居民生活工作带来巨大压力。积极探索发展智慧城市，是解决城市病症痛点的有效途径。

1.2中国智慧城市处于启动起步阶段

智慧城市的概念于20世纪90年代出现，2009年在中国落地实施。经过近十年的发展，目前中国智慧城市正呈现启动的状态，一系列国家政策的出台推动智慧城市步入实质性建设阶段。到2020年，中国将建成一批特色智慧城市，金准人工智能专家分析认为，未来智慧城市建设步伐将进一步加快，市场规模可期。

1.3宏观利好因素并进营造智慧城市新景象

智慧城市政策出台，明确建设发展思路。

国家政策大力支持：2017年国家发布《推进智慧交通发展行动计划（2017-2020年）》、《智慧城市时空大数据与云平台建设技术大纲》《促进新一代人工智能产业发展三年行动计划（2018-2020）》等政策，为智慧城市产业发展提供了新的指导方向。

地方相应国家号召：《深圳市新型智慧城市建设工作方案（2016-2020年）》、《上海市推进智慧城市建设“十三五”规划》等地方政策出台，践行智慧城市总体发展战略。

80、90后成消费主力人群，消费习惯改变。

80、90后成为劳动人口和消费人群主要构成，其消费观念具有跨代际的影响、带动作用，主力全民出行方式越来越自主化、网络化。

移动端消费习惯培养。截止2017年12月，中国网民数量规模达到7.53亿，较2016年增加5734万人，其中手机上网人群的占比由2016年的95.1%提升至97.5%，移动端网络促进用户消费模式转变。

国民收入水平提高，数字经济延伸发展空间。

居民收入水平提高，消费结构升级。2017年，全国居民人均可支配收入达到25974元，增速超过GDP增速。数字经济驱动城市发展转型。2017年我国数字经济规模达27.2万亿元，同比增长20.3%，占GDP的比重达到32.9%。信息消费刺激业态增长，2017年信息消费规模达到4.5万亿元，同比增长15.4%。

技术支撑驱动智慧城市市场发展。信息基础设施跨越式进步，移动通信在2G跟随、3G突破、4G同步的基础上，即将实现5G引领，在核心技术上得到突破。技术手段突破信息瓶颈。人工智能、大数据、云计算、物联网等科学技术手段，在信息领域不断进步创新，加速构建智慧城市，市场系统逐渐完善。

1.4智慧城市数量增长，市场潜力巨大

一线二线城市根据地方特色开展智慧城市建设，截止2016年6月，我国95%的副省级城市、76%的地级城市，总计超过500个城市出国文件指出要建设智慧城市，或已经在建设智慧城市。金准人工智能专家认为，建设智慧城市渐成风潮，方兴未艾，前景无限。

智慧城市成为发展新方向，预计未来市场规模将持续增长。

智慧城市模式伴随信息化浪潮蓬勃兴起，网络信息化最为智慧城市建设的核心载体，为其提供技术保障。2014年中国智慧城市IT投资规模达到2060亿元，预测在2021年投资规模将达到12341亿元。金准人工智能专家根据公开数据，预测到2021年中国智慧城市市场规模将形成18.7万亿元市场大蛋糕，吸引更多领域进入其中。

1.5规划智慧生态链，实现“六大化”未来目标

智慧城市确定了信息网络宽带化、规划管理信息化等“六大化”目标，充分利用发挥“六大化”的优势，相互促进、同步发展、有机结合。智慧城市串联整个城市、政府、企业、市民，形成智慧生态链，通过信息化、智能化科技手段，推进创新管理，实现全信息共享、互动与业务协同，将智慧城市建设规划的理念、设计、实施方案渗透到生态链各个环节，使市民生活更为便捷美好。

二、智慧城市现状分析

2.1物联网连接城市端口，采集海量数据，挖掘信息价值

智慧城市依托物联网技术，连接互联网与城市中的信息传感设备（如人、车辆、建筑等），获取并传输数据信息，由云计算处理海量实时运算，再由物联网将大数据结果反馈至城市运营中心，通过对数据进行挖掘，因地制宜对城市进行合理规划。

物联网就是利用射频识别、感应器、全球定位系统等感应器装备至建筑、道路、车辆、水电系统等各种物体中，形成物联网，实现人与机器间的互联互通。

大数据就是打开数据流通管道，根据用户的行为特点集成大数据，不断挖掘城市生活数据价值，将数据进行串联，形成用户行为画像，从而实现精准运营，也为城市的可持续发展提供可续依据。

2.2云计算构建城市高效网络服务系统

基于云计算技术，建立从基础设施、数据资源平台服务一体化的网络服务体系，将各种形式的数据及各类应用的大数据进行有效管理，按照城市发展需求进行存储、处理、查询和分析，从而提供相应的应用服务，满足交通、安全、城市服务、环保等各行业的城市综合智慧应用。

2.3技术创新提升城市生活质量，也是智慧城市发展新驱动

2.4智慧城市产业链布局加速落地

四大基础板块构成，智慧城市产业不断扩展外延。

交通、安防、环保、公共服务等构成智慧城市建设的主要板块，各司其职同时又相辅相成，在信息通信技术支持下，坚持保护优先、合理布局规划、科学治理、明确职责的原则，共同维护城市稳定有序的社会环境，推动加速智慧服务产业的发展，使城市科学化、安全化、生态化、高效化运行。

2.4.1智慧交通

公共、道路规划双管齐下，优化智慧交通出行体验。

结合互联网公共交通线网规划，在用户方面，智能优化出行体验，便捷性满意度提高；在运营方面，降低企业零钱管理成本，车辆智能调度管理；在商业模式方面，借助数据对服务对象进行精准画像，推送周边消费与服务产品，为周边商业活动数据提供支撑与指导，带动企业盈利能力提升。

建立智能城市道路网系统，充分利用信息化技术手段，多渠道采集交通大数据，基于海量数据分析判断、挖掘共享，精准化应对各种交通风险，为市民提供最佳交通出行方案。

阿里ET城市大脑聚焦智慧交通，发挥城市建设作用。

2017年阿里ET城市大脑已在杭州、上海、澳门、吉隆坡等11个城市先后落地，凭借强大的人工智能升级平台，实时利用海量城市数据资源，对城市进行全面布局优化。阿里ET城市大脑的四大能力与五大应用场景在城市交通领域进行部署实施，未来将会在更多领域发挥城市建设作用。

滴滴交通大脑打破数字壁垒，实现交通管理闭环。

2016年滴滴出行发布智能滴滴交通云平台，采集各类型用户出行数据，构建各大功能系统，在城市交通管理方面发挥了巨大的价值。2018年滴滴发布智慧交通战略产品“交通大脑”，打破城市交通数字壁垒，实现三大中枢联动闭环，运用AI技术解决城市交通协调管理问题。

2.4.2智慧安防

信息串联模式优化，横纵部署智慧安防体系。

城市智慧安防通过信息技术串联，改善传统模式安放不足，在管理主体、信息采集处理发布、技术应用等方面到达质的飞跃，加快推进智慧安防建设，提升城市公共安全管理水平，为城市其它智慧应用提供后台保障。

智慧安防管理体系，在横向层间融合日常管理与应急管理，保持常态化安全建设的同时加强应急事件处理；在纵向层面协调事前、事中和事后的流程管理，提前规划、合理部署，形成完整的公共安全管理体系。

腾讯助力城市公安部门，打造智慧警务服务。

2016年腾讯发布“互联网+警务”七大解决方案，展示了微信城市服务、腾讯云、位置大数据开放等支持产品。微信城市服务打通城市部门系统，提升协同工作效率；腾讯云凭借打云服务优势，打造一体化警务平台；位置大数据开放平台以位置服务为技术职称，在客流管控，用户行为方面洞察挖掘。目前腾讯已经与公安部交管局、公安部出入境管理局等多重机构深入合作，助理警务办公升级。

2.4.3智慧环保

智慧环保收到高度重视，城市城市可持续发展建设途径之一。

智慧环保引领未来可持续、低碳发展，经过科学合理规划，完善顶层设计，增强公众环保意识，鼓励环保企业革新，推进智慧环保应用。基于水务系统、大气环境监测等方面，进行城市环境质量预报预警、城市生态资源环境状况分析和评估，实现城市环境管理决策精细化。

业务协同管理，高效利用资源，节约成本，确保居民用水安全，解决城市取水、供水、用水、排水等各种水资源问题。

大气环境受到重视，进行区域空气重污染联防联控，空气质量明显改善。

平安科技提升AI竞争力，打造环境数据中心，布局智慧环保。2018年平安科技“平安脑”团队于AI+环保国际大赛“异常能耗监测”中获世界第一，将AI技术应用城市环境治理中，受到外界高度重视。平安科技整合环保数据中心平台，挖掘环境数据价值，多维度投射场景应用，构建智慧环保城市。

2.4.4公共服务

互联网赋能医疗教育，升级智慧公共服务。

百度定位智慧教育，AI+教育的创新融合与服务落地。

AI链接需求与服务。不同于其他教育平台，百度教育定位于智慧教育，将重点尝试AI与教育结合的方向。人工智能作为技术无法孤立存在，需要结合教师及学生两端用户的需求，百度教育也意在通过AI 连接用户需求与满足用户服务。此外，通过人工智能技术还能够更好地实现个性化教育。

支付宝依托信用系统，优化医疗服务体验。

蚂蚁金服多维的平台能力，其中支付、信用、金融等能力促进医院实现移动支付的落地，并且医院的流程实现不断优化。金准人工智能专家分析认为，蚂蚁金服平台能力的加入能有效推进医疗服务环节的改造，简化挂号、付费等流程。

三、智慧城市典型案例

3.1新加坡：务实规划基础，描绘“智慧国”蓝图

2017年新加坡人均GDP打得到5.77万美元，位于世界前列。经济建设成果与信息科技的广泛普及和深度渗透，为新加坡的智慧城市发展奠定了良好的基础。新加坡提出全球第一个智慧国家蓝图“智慧国家2025”计划，将智慧技术提高至国家战略高度。

3.1.1大数据支撑城市交通网络体系，全方位发展智能交通

新加坡一方面通过建立拥车证和税费制度，限制私家车使用，鼓励居民使用公交出行，另一方面，不断完善公共交通系统，改善居民出行体验。地铁、公交、出租车等构成完善的城市交通体系，同时投入大数据技术，进行实时指挥调度，实现交通智能化运作。

3.1.2生态环保理念引导“花园城市”建设

生态环保理念充分植入新加坡城市的方方面面，如城市规划、外资引进、经济建设、立法执行等等。新加坡在现有生态环境设施基础上，优化布局结构，完善绿化体系，以应对城市建设带来的挑战，促进其发展愿景由“花园城市”向“花园中的城市”迈进，助力城市化可持续发展。

3.1.3重视市民需求，信息技术推动城市高效管理

3.2上海：经济发展助力智慧城市建设领跑全国

2017年上海GDP总量突破了3万亿元，达到30133.86亿元，位列全国第一。2014年，国家出台第一份智慧城市系统性文件，而上海于2011年就开始探索智慧城市建设，走在其他城市前列。

3.2.1交通平台端建设，实现信息采集发布监控一体化服务

上海建成交通信息整合共享与发布服务平台，覆盖道路交通、公共交通及时对外交通，采集整合处理各交通管理部门的信息数据资源。经由电视、网站、电台、手机、车载导航、查询终端等媒介发布，向市民提供有价值的交通信息，引导城市快速便捷出行。

3.2.2聚焦网络安全环境，感知社会治安风险

上海运用智能化、信息化手段对智慧公安建设进行系统谋划。借助反电信网略诈骗中西平台，实时感知公共安全权与社会治安风险，建设网略安全环境，保障个人信息安全，加强市民安全意识。阶段性规划思路，分期建设目标，共同提升上海市公共安全治理能力。

3.2.3打通信息网略构架，实现教育数据资源共享融合

上海推进“一网三中心两平台”建设，为教育教学与决策提供有力支撑，随着信息处理技术的不断发展，对教育领域的冲击将更为显著。智慧教育体系的构建，在提升教育基础设备的同时，为广大受众创设更好的学习环境，实现了城市教学资源的统一存储，有效整合、多元共享，为教育信息化的全面发展奠定坚实基础。

四、智慧城市趋势分析

4.1大数据信息整合，打破信息孤岛瓶颈

智慧城市建设有赖于大数据智慧引擎，通过构建深度覆盖的信息网略体系，使数据应用深入各个环节，利用物联网、运极端等技术手段，打破城市信息孤岛僵局，实现系统协同运作。

4.2更多智能设施投入使用，服务场景多元化

智能化基础设施作为智慧城市发展的基石，为城市提供硬件支持，与软件应用相辅相成，共同决定智慧城市发展前景。智能设施大规模应用于各种生活场景，如交通出行、停车购物、移动消费等等。随着技术与数字智能化应用的高度结合，城市生活实现多层面可持续发展。

4.3以用户需求作为切入点，落实人本化服务建设

新型智慧城市建设应注重以人为本，将市民群众的民生需求作为建设的出发点与落脚点，实现惠民便民，提高市民生活幸福指数。随着交通、医疗等服务平台的扁平化建设，更多智慧城市应用服务将会延伸发展结合，形成新产业结构，提供人本化服务。

4.4智慧城市需要打破千城一面的同质化现象，凸显城市特色

总结

智慧城市渐成风潮，方兴未艾，在物联网、云计算等创新技术支持下，推动产业建设快速启动。以交通、安防、环保、公共服务四大基础板块构成的智慧城市产业链条正不断扩展外延。金准人工智能专家认为，未来，智慧城市将加大信息化建设，提高服务水平，打造特色化产业架构。

前言

拼多多的大火，迸发出的社交电商的能量再次成为各媒体争相分析的焦点，互联网的下半场我们需要首先理清社交电商的根本逻辑，底层逻辑的适用性。金准人工智能专家据此探析市场饱和情况下，社交电商的发展潜力。

一、社交电商是什么？

中国社交电商主要模式主要分为三类 ，分别涉及产品内容、社交链、个人头部效应。

社交内容电商：通过流量较大的社交工具（例如：网红直播、微博、公众号等）进行产品内容的创造，吸引消费者进行产品的购买，代表性产品有小红书（境外购物体验分享结合电商商城发展）、礼物说（以挑选礼物为内容创作核心进行商城打造）、淘宝直播（店长通过现场试用直播，为消费者提供内容参考进而刺激购买）。社交分享电商：通过社交工具（例如：微信、QQ、微博等）进行用户分享，利用社交关系进行传播，使传播者在传播链条中都能获得激励，代表性产品有拼多多（通过低价团购的方式购物）、蘑菇街（通过分享头部编辑创造的“潮流”进行商品的传播）。社交零售电商：通过整合供应链上的商家成立线上商城，通过个人招募进行推广，使每一个传播节点都能使平台和推广人获得最大收益，代表性产品有洋葱OMALL（小店主通过社交圈销售，平台通过线上供货）。

中国传统电商逐渐饱和的情况下，社交电商利用人口的红利又收割了一波，评论家褒贬不一，有人觉得社交电商规模依旧会快速增长、风光无限。也有人觉得凭借“熟人杀熟”并不长远，收割红利之后便了无踪迹。这种模式我们也不能妄下结论，我们首先看看社交电商兴起的底层逻辑究竟是什么？

二、先破后立，重新定义社交电商的底层逻辑

2.1“破”：多角度看社交电商这件事儿

我们回想一下最近比较热门的产品都有什么特征，网易荣格测试、拼多多上市、88VIP会员制、直播下沉深度惊人等等都刷了朋友圈的屏幕，其中特征似乎和社交电商的手段效果十分相似，可以用一句话来概述：

每一个参与者在这些产品中都有一个特殊的社交ID，这个社交ID将我们标记和定义，并与其他的节点形成了比较或是联系，这个过程中获得了存在感或是激励机制的红利，从而实现社交圈子边界的扩大。

2.2“立”：社交电商底层逻辑在于基于人性的特定场景交互

从洞察思维来看，社交电商已经不单单是借助社交平台（熟人经济＋信任经济）进行传播的电子商城，而是衍生出了一种概念——基于人际关系、人类心理的洞察的特定场景交互，并逐渐发展成为了一种底层架构，这种架构的本质是基于人类心理的社交场景。

这种底层的社交场景逻辑又可以叫做“社交电商”、“社交零售”、“社交手游”等等，只是行业领先者为了树立行业的标杆、方便讨论而来的。社交场景逻辑的核心我想可以用一个词来概括——调性。

无数的经典案例都在强调一个调性：无印良品、优衣库大热难道是因为价钱品质都具有极大的竞争力嘛，我看未必，但是却一定能够将欧美极简的调性传递出来。而网易亚朵等智能酒店的兴起难道是服务品质超出星级酒店一大截码，未必，但是一定能够将追求时髦、看中品质的理念传递出来，这就够了。

而像网易荣格测试真的能够反映一个人的性格和内在吗，未必，绝大多数人对于自己以外的测试内容都不感兴趣，但是一定能够将用户追求热点、网易文艺气息凸显，这，就足够了！

三、社交电商行业正处于高速发展期

金准人工智能专家统计，2017年社交电商行业总体市场规模为6835.8亿元，预计2018年社交电商市场将突破万亿大关，达到10349亿元，2018年社交电商市场规模预计达到11397.78亿元，较2017年增长66.73%；从业者规模预计达到3032.6万人，增长率为50.22%。虽然市场规模基数变大，但依然保持高速迅猛增长。

3.1市场规模

根据商务部统计：2020年预计中国网络零售市场规模为9.6万亿元。金准人工智能专家则预估社交电商市场规模将达3万亿元，占到网络零售交易规模的31.3%。

作为新兴行业，社交电商市场正处于高速发展期，市场增速依然保持在50%以上，增长率为51.4%，市场增长的加速度随着市场规模的放大在逐步下降，但绝对增长速度依然领先于传统电子商务等其他商业领域。

3.2从业规模

2018年中国社交电商行业从业人员规模将突破3000万人，从业人员数量将呈现高速增长，随着社交电商在社交群体中认知度和认可度的逐步提升，以及领先社交电商经营规模和品牌影响力的快速壮大，都使得越来越多的人参与到社交电商队伍中来，课题组研究认为，社交电商从业人员数量增长正在进入加速通道，2018年社交电商从业人员规模预计为3032万人，增长速度达到50.2%，社交电商行业的参与者已经覆盖了社交网络的每一个领域。

3.3从业者情况分析

社交电商从业人员中女性占绝对多数，这与几方面因素不无关系，一是社交电商经营的产品是以美妆等女性产品发展起来的，二是在社交网络中女性更愿意拿出时间和精力参与这种以社交为主要营销方式的交易行为，三是家庭中像宝妈这样的女性更容易利用碎片化的闲置时间来经营社交电商活动。因此调研显示，女性在社交电商从业者中占主导，形成“她经济”和“她创业”的基础。

24岁以上的成熟年龄层开始成为社交电商从业者的主力人群，30至49岁这一年龄段是社交电商从业者超过半数，50%以上的从业者集中在这个年龄段，其次是24至29岁和18至23岁这两个年龄段的。2018年调研数据显示，参与社交电商的并非都是20岁左右的年轻人，社交电商从业人群年龄逐渐提升，品类有人群变化而逐渐拓展。

金准人工智能专家调研显示，人口大省通常是社交电商参与者集中的区域，这与社交电商以人为中心的特点相吻合，虽然经济活跃的地区社交电商企业数量会更多，但社交电商从业者个体集中的区域中也出现了河南、四川等中部和西部的人口大省。

在社交电商从业人员的学历构成中，高中及以下学历的从业人员数量占比依然居高不下，这说明社交电商从业者覆盖人群依然以低学历人群为主，虽然目前社交电商还是一项兼职为主的工作，但经营参与者的学历水平有一定局限，对于整体行业的发展将形成一定程度的影响。同时，也需要注意到，目前已有硕士学历以上的人员参与社交电商经营，虽然可能以学生居多，但加上本科学历的从业人员，总体数量也能接近10%，这说明社交电商对于各层次从业人员的渗透速度还是非常快的。

金准人工智能专家调研显示，全职社交电商已占社交电商所有从业人员的1/3，这说明社交电商作为满足劳动力就业需求的一个全新行业已经获得了劳动力市场的初步认可，已经有700万以上的从业人员通过就职社交电商来获得全部劳动收入，这是社交电商发展4、5年来最为突出的变化之一。

金准人工智能专家调研显示，月收入结构中500至3000元占到超过一半的份额，这表明，社交电商从业者可以通过参与社交电商经营活动获得基本生活收入，对于一份兼职工作而言，付出和汇报可以得到多数从业者的认可和满意。

金准人工智能专家调研显示，社交电商的经营渠道和经营形式日益广泛，而且很多从业者体现出不局限于某一单一渠道从事社交电商经营活动的特点。同时以赚取收入、创业、社交等为目的的多种诉求成为人们从事社交电商的初衷。

四、拼多多的逻辑

在网商激烈的竞争中，京东的3C，淘宝的万能，唯品会的特卖……每一家电商都有自己的路径，而拼多多则是通过薄利多销的C2M模式，切入了日用、百货市场等，成为了行业的补充者，填满了淘宝剩下的空隙。

拼多多的机制包括：助力、打卡、拆单、拼团、砍价，究其本质都是游戏机制，这种快速有效的流量传播不过是放大了这个C2M模式的优势，以拼多多爆款可心柔纸业为例——拼多多经过考察，为可心柔制定了“28包”的营销策划。

由于用户群体对量大、实用性等特点敏感，拼多多平台上的可心柔以“28包一盒，有大有小”为卖点，将不同种类的纸巾放在一起打包出售，迎合消费者买一单拿多样的心理。

这款爆款纸巾售价29.9元，平均每包纸巾价格1.067元。拼多多为界面新闻记者提供了成本分析：每包纸巾快递物流费用为0.125元／包，生产成本为0.91元／包，净利润为3.2分钱一包。

也就是说，29.9元28包的规格，每单利润9毛钱。但是在数千万的销量上，这种C2M优势非常明显，对于濒死的传统企业来讲无疑是一剂“不谈副作用的救命良药”，对于拼多多平台而言是极具竞争力的一家入驻企业，对于消费者满足了低价优质性价比的需求，甚至充满了“惊喜”。

四、互联网的下半场如何发力？

在有了底层架构社交场景的概念之后，互联网电商的下半场将回归于社交的本质——信任逻辑。

（1）电商平台的差异化定位正是源于平台过去经营所积累的信任优势，比如说：在京东买的3C产品，用户不用费心地考虑他是不是假货、物流是否快速安全；选择小米有品，用户不用费尽心力地进行比价；在苏宁易购不用担心价格如此之低，品质是不是不好的问题。

而在未来，各大电商平台各自形成的特色和信任成本将会进一步的放大。

（2）在微商、P2P割了一大波韭菜，华住信息泄露之后，平台和普通人做决策的成本逐渐增加，信息安全和信息成本成为了市场的核心关注点，依托于传统中心企业负责所有信息的存管、使用、维护恐怕已经成为过去式了，市场上需要有新的入局者来提供新的方式、服务、技术来降低信息安全成本，提高风险管理水平。

（3）而对于电商之外的产品，利用社交底层逻辑依然具有较大的作用。

观察国内各大厂商的动向，可以发现一个很有意思的趋势：“女性化”的设计趋势明显，包括探探强调女性化感受的设计、阴阳师在精美画风和愉悦体验上走的更远。

即便不是明确的女性向游戏，也具有相当一些吸引女玩家的设计——社交和精致感的把控，进而提升全民度，包括吃鸡、王者荣耀等等，背后的原因在于提高底层社交逻辑的信任水平，在这种强调男女社交的产品中，不以女性感受为设计因素，只会造成女性玩家的流失进而加剧男女不平衡，产生劣币驱逐良币后果。

关于底层设计的下半场，以区块链社交为核心的延伸产品发展前景广阔（恰好解决社交信任、追溯难题）。

以社交电商为例：产品竞争激烈、业务边界逐渐模糊的环境中，更多垂直电商将会得到良好的发展。所谓垂直指的是品质要求高、信息安全成本高的商业产品，比如：农产品、海淘、奢侈品，都需要较高的物流水平和信息成本。

区块链可以将用户的每一次操作都打上时间的烙印，并且每一次操作都记录在各个用户的分布式账本上，信息无法篡改。有效的规避了虚假信息的传播，并可以根据信息的传播记录，溯源到信息的源头，从而找出虚假信息的传播节点。

前言

2018年4月以来，加密货币市场开始进入熊市，此后的几个月一直没有走出来，全球政策也是趋于严格，区块链企业大部分发展速度放缓。

市场行情的不景气及政策的缩紧迫使企业不得不重新规划发展方向和路线。几个月以来，大部分企业开始意识到区块链技术的发展需要更加落地，而不是纸上谈兵。因此，很多企业开始转型，从关注加密货币领域转向行业应用，企业务也更加贴近政策要求。

金地毯商业对2018年前三季度区块链行业发展进行调查和研究。首先，介绍区块链行业整体情况，重点关注第三季度新增项目数量，地域分布，行业分类及融资情况。其次，分析第三季度区块链舆情波动情况，全球各国新增政策，专利及人才发展情况。接下来，调查和研究了了区块链各个行业的发展情况，选取重点案例进行分析。最后，总结前三季度区块链行业发展情况及对第四季度进行预测。

1. 2018年前三季度区块链项目概况

1.1 2018年第三季度新增项目数量骤减

总体来看，2018年前三季度区块链新增项目数量呈下降趋势。第⼀季度新增项目共计197个，第⼆季度新增项目共计128个，环比下降35.02%。第三季度新增项目共计36个，环比下降71.88%。

具体来看，一月份发布项目最多，共有105个，2月份至8月份，每月平均发布数量在44左右。进入7月份，新增项目数量骤减，分析是由于加密货币市场行情处于熊市，行业发展趋势所致。

1.2 亚洲新增项目占比85%，远超其他各洲

2018年前三季度亚洲地区新增项目最多，共计214个，占比85%，其次是北美洲，新增项目24个，占比10%，欧洲新增项目10个，大洋洲新增项目2个，欧洲和大洋洲合计占比5%。

1.3 过半数新增项目在北京和广东

2018年前三季度中北京市新增区块链项目依然保持领先，共计新增72个项目，占比43%，其次是广东省，共计新增26个项目，占比15%，然后是上海市，共计新增23个项目，占比14%。前三合计新增项目121个，占比72%。香港和浙江省分别新增12个项目和9个项目，占比7%和5%。

1.4 公有链和资讯平台新增项目最多

2018年前三季度新增项目类别最多的是公有链，共计55个，占比15%。其次是咨询平台，共计44个，占比12%。接下来的类别是交易所和支付，共计27个和23个，占比7%和6%。但进入第三季度以来，由于受到政策影响，很多区块链咨询平台企业倒闭。

从大类别来看，金融服务类新增项目共计83个，实体经济类新增项目共计38个，社会应用类新增项目共计54个。

1.5 2018年第三季度融资数量下降

总体来看，2018年前三季度区块链项目融资呈下降趋势。第一季度融资项目占比29.41%，第二季度新增项目占比24.02%，环比下降18.33%。第三季度新增项目占比19.12%，环比下降20.41%。

1.6 初创期投资轮次占比超70%

2018年前三季度除战略投资，初创期投资轮次（B轮以前）占比达到76.32%，行业发展依然处于早期阶段。被投项目中轮次最多的为天使轮，共有240个项目，占比58.82%，轮次占比最低的类别为B轮，仅占1.22%。除此之外，战略投资所占比例达到15.93%，且多有行业先行者共同参投，依然在行业内开辟道路。

2. 2018年前三季度区块链舆情概况

2.1 第三季度资讯发布量相比上一季度增加4倍

区块链项目新闻资讯发布主要依靠各类媒体及社交平台。金地毯商业统计每日区块链项目在各家媒体和社交平台发布或涉及的新闻资讯发布量，2018年第三季度资讯发布量超过第二季度4倍，其中微信、Twitter上的发布量增长十分明显。区块链资讯发布越发倚重各类社交平台，但同时，金地毯商业也发现因为社交平台的特性，每日发布量并不不稳定，连续几日内波动较为明显。

2.2 第三季度资讯发布更倾向于使用社交平台

2018年第三季度资讯发布占比中，推特和微信的占比从第二季度的73%增加到83%，表明区块链资讯发布更倾向于使用快捷方便的社交平台，是由于区块链行业发展尚处早期阶段，多数企业规模较小，社交平台在成本等方面更有优势；是社交平台提供了更强的互动性，更符合区块链项目方和用户之间的需求。

2.2 区块链项目资讯发布占比较为分散

2018年第三季度资讯发布每日有效统计300-1000个项目，虽然比特币、以太坊等高市值、高曝光的项目依旧占据靠前位置，但各自占比较为分散，并未出现类似持币地址所具有的高集中度。其中占比最高的比特币所占比例约为13%，资讯发布量前10名的项目总占比约为34%。

3.第三季度区块链相关政策分析

3.1 第三季度部分国家区块链政策

2018年第三季度以来，全球各国普遍对加密货币项目及业务加大监管力度，甚至会禁止开展加密货币业务，但对于区块链技术普遍持支持态度。亚洲地区依然比较适合发展区块链技术。一些国家重视区块链项目和企业征税的问题，调整征税力度及范围。

3.2 第三季度部分国内城市区块链政策

2018年第三季度中国各个地区的政府相继推出区块链技术的相关扶持政策。长沙发布区块链政策较晚，2018年6月才由经济技术开发区的管委会发布了唯一的一份文件。成都和青岛在稳步推进区块链技术的落地。上海致力于与金融产业的结合，北北京则有望将区块链技术运用到市政系统中。海南是所有城市中最积极的一员。海南作为自由贸易实验区，拥有开放的政策环境，对于区块链的企业持拥抱的态度。

4.第三季度区块链专利利情况分析

4.1 前三季度全世界区块链专利数量1400余件

根据我国国家知识产权局的统计，截止到2018年年9月30日，2018年前三季度世界主要国家的区块链专利数量为1400多件，我国拥有的区块链专利数量已经达到了650件。中国区块链专利数量占比大约达到了世界主要国家区块链专利数量的77%，位居全球第一。

4.2 中国区块链专利数量呈下降趋势

截止至2018年9月30日，中国拥有的区块链专利累计共有2326件。目前，2018年申请的专利共有650件，第一季度共有417件，第二季度共有229件，第三季度目前只有4件。造成数量较低的主要原因是专利申请和审核周期较长，至少是三个月，因此很多信息还未收录。目前，5月之后的专利数还未公布。

4.3 北京申请区块链专利数量第一

北京位居申请专利数量第一名，前三季度累计申请专利数量289件，第二名是广东，几乎是北京的一半，前三季度累计专利申请数量为162件。其次是浙江、江苏、上海、四川和重庆，数量依次为39件、33件、31件、27件。

4.4 区块链缺乏高价值专利

整体看来，大多数区块链专利价值度在43-50分（总分100）之间，专利价值较低，主要是由于经济价值和法律价值较低导致，这说明大多数的专利还并没有被广泛应用，具有较大的经济价值空间，专利拥有者可以加大对拥有专利的市场化推广、法律保护，提升专利的价值度。

5. 2018年第三季度区块链人才情况

5.1 第三季度中国区块链人才市场趋于冷淡

2018年的区块链人才供需比在3月份达到了最高峰，之后持续下滑。主要原因是从3月份开始，区块链职位的数量不断增加，而求职的人数增长速度较慢，因此人才供需比失衡。

值得注意的是，ICO融资额也从3月份开始下滑，整个市场慢慢趋于理性，整个行业更更加关注自身的生存与成长。对于核心技术的人才仍旧需求较大，对于市场、运营等人才需求紧缩。因此，行业门槛的升高，迫使求职者退出区块链市场。

2018年第三季度的人才供需比持续下滑，并在8月份达到了最低值1.9。但进入9月份，由于大量的区块链公司破产倒闭，因此岗位数量大幅下降，很多区块链从业者失业，市场供不不应求，导致人才供需比上升。

5.2前三季度中国高校开设区块链相关课程情况

据金地毯商业不完全统计，2018年上半国内开设区块链相关课程的高校共有5所，部分高校开设的课程是和企业合作的，因此会有实战的训练。进入秋季，又有三所高校开设了了相关课程，包括浙江大学，中国政法大学和西安交通大学。

6.第三季度公链及DApp发展概况

6.1 第三季度新增公链项目少，主网上线较顺

公有链的发展有两大趋势，部分项目方致力于打造涉及各行业的全方位的公链体系，如以太坊和EOS；近期的公链项目更多的着眼于行业细分，打造一个特定行业的公链平台，如TRX、NEO等。效率与安全成为了公链平台的竞争重点，也是其发展的关键。

据金地毯商业不完全统计，2018年前三个季度新增公链项目多达55个，主网顺利上线的项目15个。

6.2 DApp距实际场景落地仍有距离

DApp作为区块链技术的商业价值承载，是区块链技术服务实体经济，解决行业痛点的重要途径。类比App的发展历程，有价值的应用会通过自己的产品价值广泛传播，大放异彩。以太坊与EOS作为最大的DApp平台，可以直观反映DApp的发展概况。

截至2018年9月30日，以太坊平台共收录了940款DApp，处于行业领先地位。交易市场类应用贡献了主要的交易份额，并呈现出明显的寡头垄断态势。游戏类应用的数量最多，共计352款，占比37%，行业高进场率与高退出率并存。数据统计表明，以太坊平台仍以交易市场为主，主要用于发币与交易；金地毯商业认为，区块链游戏行业拥有广阔的前景，但与风险并存。

截止2018年9月30日，EOS平台共收录了71款DApp，其中竞猜类DApp的总数量为34款，占比48%。其总交易额也处于龙头地位，占比超过90%，无论从数量上还是交易额上都有着明显的优势。EOS平台以竞猜类应用为主，与其项目索引描绘的涉及多领域、多行业的平台发展愿景有较大差距。EOS平台的安全问题也一直被大众多关注，自2018年5月360公司公布EOS具有严重漏洞开始，对EOS合约漏洞的攻击行为频发，项目方累计损失超柜11万个EOS。

7. 第三季度区块链应用开发概况

7.1 BaaS开发竞争激烈

应用开发及技术扩展层主要是为了让区块链产品更加实用以及面向开发者提供服务以便构建基于区块链技术的应用，这一层使用的技术基本没有限制，智能合约，分布式计算、数据服务、BaaS等技术均可被使用。第三季度中，BaaS领域传统互联网公司与区块链公司的表现较为抢眼，进展较为明显。

第三季度中，BaaS领域传统互联网公司与区块链公司的表现较为抢眼，竞争较为激烈。和普通节点及交易易所节点相⽐比，BaaS节点的用途主要是：快速建立自己所需的开发环境，提供基于区块链的搜索查询、交易提交、数据分析等⼀一系列操作服务，这些服务既可以是中心化的，也可以是非中心化的，用来帮助开发者更快地验证自己的概念和模型。

BaaS节点的服务性体现在工具性更强，便于创建、部署、运行和监控区块链。

7.2 区块链公司BaaS案例

（1）人人链

2018年年7月24日，区块链公司人人链正式发布区块链即服务开放平台，目前该平台已开放服务预约，给企业提供模板及工具构建企业适宜的区块链系统，据公开消息披露目前已经有37家企业预约。

（2）纸贵科技

2018年8月，区块链公司纸贵科技正式上线了“Zig-BaaS”区块链云服务平台产品，主要的应用场景为版权数据存证、在线公证、侵权监测、法律律维权、IP孵化。

7.3 传统互联网公司BaaS案例

传统互联网巨头也积极部署自己的区块链版图，主要选择的赛道就是BaaS领域。目前，该领域的竞争较为激烈。

8月3日，阿里云宣布推出企业级区块链服务，支持较快部署区块链环境，实现跨企业、跨区域的区块链应用。适用于商品溯源、供应链金融、数据资产交易、数字内容版权保护等领域，据报道阿里云的安全级别满足金融级标准。9月20日，阿里旗下公司蚂蚁推出区块链Baas服务平台，同时启动蚂蚁区块链合作伙伴计划，让区块链中小创业者直接在底层技术上做各种应用场景的开发。

8月17日，京东推出了“智臻链”区块链企业服务平台。“智臻链”已经在专票电子化、供应链金融防伪溯源等方面有所涉及。此外，在发布会上京东还发布了“智臻链”在供应链方面落地的商品防伪追溯主链，京东集团方面称，目前上链的商品追溯数据已经超过了了12亿条。

8月20日，58集团推出区块链服务平台“58BaaS”，主要应用的场景为交易、存证、对账，在生活服务领域有着较为典型的应用场景。平台服务层包含共享账本、智能合约、数字资产、鉴证服务，该平台具有权限管理理、共识机制、加密算法等功能。

9月25日，金山云在GIEC2018全球互联网经济大会上正式发布金山区块链云，包含区块链技术服务平台KBaaS和区块链生态合作计划Project-X。金山云主要涉及的应用场景在金融、医疗、存证，据相关报道，金山云已有10个客户案例。

9月26日，百度发布区块链白皮书，白皮书中详细的介绍了百度BaaS平台。目前，百度云BaaS体系包含底层技术及框架、中间层、产品层和上层解决方案。涉及的应用场景有金融、物联网、医疗、游戏等。

7.4 BaaS行业联盟

8月17日，由华为、腾讯、点融牵头成立的可信区块链推进计划BaaS项目组正式成立。9月25日，可信区块链推进计划BaaS项目进展会议在腾讯公司召开，包括阿里云、蚂蚁金服、百度、中兴通讯、中国移动、奇虎360、趣链科技、智链、中链、联动优势、泛融科技等知名企业在内的100余家成员公司参会。据相关报道，项目组已经取得了一些阶段性进展，推动了BaaS的规范化、标准化。

8. 金融仍为区块链最热门应用领域

金融领域是区块链应用最为广泛的场景之一。第三季度中，在供应链金融、资产证券化、保险、贸易金融方面表现较为突出。

供应链金融

9月19日，易见股份退出了“区块链+供应链金融”系统解决方案“易见区块2.0”系统。该产品可以实现跨链数据可追溯技术实现贸易、融资多链协同和跨链溯源,形成可追溯的供应链金融解决方案,从贸易形成、融资到资产证券化全环节进行追溯复查。

资产证券化

9月19日，平安金融壹账通发布ALFA(阿尔法)智能ABS平台，该平台采用区块链技术对底层资产完成穿透。区块链的不可篡改、可溯源性能够帮助资产证券化重塑信任机制，帮助解决金融资产信息不对称的痛点。

9月26日，交通银行发行交盈2018年第一期个人住房抵押贷款资产支持证券，总规模93.14亿元。这是首次基于区块链技术的信贷资产证券化项目。采用区块链技术能够缩短尽职调查、现金流测算等业务的时间，提高审核发行效率。

保险

9月6日，安华农业保险签出商业性区块链肉鸭养殖保险的第一单。该项目是利用区块链的分布式记账和智能合约技术，对肉鸭养殖、饲养、接种疫苗、屠宰等各个环节的数据进行记录、破解分析，来构建合理赔偿数，解决了肉鸭养殖业保险数据缺失、失真的痛点。

贸易金融

9月4日，由中国人民银行加密货币研究所与中国人民银行深圳市中心支行共同组织推动的项目“湾区贸易金融区块链平台”正式上线，并且进入试运营阶段。该平台是基于区块链技术的贸易金融底层平台，涉及多种场景下的贸易融资活动，并且该平台为为监管机构提供了贸易金融监管系统，实现对平台上各种金融活动的动态实时监测。

9. 区块链在实体经济的渗透更广泛

区块链只有与实体经济结合才能发挥更大的价值。在第三季度中，区块链在防伪溯源、版权保护、电子存证等方面发展较为突出。

防伪溯源

针对农产品溯源方面，7月，阿里巴巴与杨凌农业高新技术产业示范区签订合作协议，并采用区块链技术对农产品进行全程追踪溯源。

药品溯源场景方面，9月，紫云股份宣布将基于腾讯区块链BaaS，构建全国医药行业区块链联盟链，并上线了鉴别药品真假的微信小程序“紫云微追溯”。

版权保护

7月18日，百度正式推出了区块链图片平台“百度图腾”。该平台采用区块链技术针对作品的登记、上传、装载进行全环节追溯，由于区块链可追溯、不可篡改的特点为原作者进行维权给予了支持。

电子存证

8月，蚂蚁金服与航天信息公司展开合作，在杭州、台州、金华三地医院实行区块链电子票据一键报销。目前，已经有近60万张医疗电子票据发出。利用区块链技术的不可篡改、可追溯的特性，能够有效地解决传统医疗票据重复报销的痛点。

10. 第三季度区块链公共事业概况

10.1 区块链公益慈善分析

公共事业是指负责维持公共服务基础设施的事业，一般所说公用事业包括电力、供水、交通、通讯、教育、慈善等。在中国的国情下，文化教育、政务、环保气象等也包括在内。在第三季度中，公益慈善、政务发展较为明显。

公益慈善

7月，以轻松筹为主的“阳光公益联盟链”完成从私有链向公有链的转变，正式推出了“阳光链2.0”，目前加入的公益相关组织已达近百家。阳光链让这些不具备独立开发能力的机构能够进行开发创新。

7月2日，中国香港和韩国合作推出了“smartree.io”项目。该项目将国际慈善市场与区块链技术相结合。该项目利用区块链技术解决慈善市场中的结构性和其他内部问题。

8月，爱佑慈善基金会区块链救助公示平台正式上线。该平台借助区块链技术，可以查到7月之后的儿童医疗救助信息。社会各界将了解更加公开、透明的儿童医疗救助项目。

10.2 区块链电子政务需政府支持

第三季度，区块链在电子政务方面的应用主要分为数字身份平台、数据共享平台、涉公监管平台、电子票据四类。

数字身份平台方面，同心互联推出的区块链数字身份平台在7月正式推出。目前已落地兰考县，为兰考县85万居民用户提供区块链数字身份，一次认证，就可以完成政务办理。并且还可以实现村、乡、镇、县四级行政机构的投票选举、村民自治、公开透明政务管理等政务办理，提高政务处理效率。

数据共享平台方面，7月，重庆市渝中区推出了智慧党建信息平台。该平台利用大数据、人工智能、区块链等先进技术，实现党务公开、支部活动、组织关系转接等上网。并将通过区块链技术应用，实现打通区内各部门数据壁垒的目标。

涉公监管方面，8月，雄安的“千年秀林”项目使用了区块链技术，在工程招标、资金使用等方面依靠区块链技术进行监管。雄安还上线了首家基于区块链技术的工程资金管理平台，累积管理的资金达到了10亿元。

电子票据方面，7月，东港股份与井通科技联合建立的“电子票据区块链实验室”正式揭牌，并发布了区块链电子发票产品。

8月10日，腾讯与深圳税务局合作推出了全国首张区块链电子发票，同时深圳成为全国区块链电子发票试点城市。

总结

2018年第三季度新增项目数量骤减，新增项目仅36个，环比下降71.88% 。亚洲新增项目占85%，远超其他各洲。中国项目中，北京和广东新增项目最多，占58%。公有链和资讯平台新增项目最多。

2018年第三季度融资数量下降。除战略投资，初创期投资轮次（B轮以前）占比达到76.22%，行业发展依然处于早期阶段。

2018年第三季度资讯发布量相比上一季度增加4倍。资讯发布更倾向于使用社交平台。

2018年第三季度以来，全球各国普遍对加密货币项目及业务加大监管力度，但对于区块链技术普遍持支持态度。中国多个地方政府相继推出区块链技术的相关扶持政策。

区块链专利含金量较低。2018前三季度全世界区块链专利数量1400余件。中国区块链专利申请数量呈下降趋势。

第三季度中国区块链人才市场趋于冷淡。中国高校持续开设区块链相关课程。

2018年第三季度新增公链项目少，主网上线较为顺利。DApp距实际场景落地仍有距离。

传统互联网巨头频繁布局BaaS领域，赛道竞争较为激烈烈。其原因一方面是与自有业务结合，解决传统业务的痛点，另一方面是赶上区块链风口，关注技术创新。

金融领域仍为区块链热门场景之一，三季度涌现的项目较多，尤其是供应链金金融、资产证券化领域。

我国政府鼓励将区块链技术应用于电子政务场景，积极建设“一网办”。良好的政策环境背景下，区块链电子政务取得了一定进展。第三季度中，区块链在电子政务方面的应用主要分为：数字身份平台、数据共享平台、涉公监管平台、电子票据四⼤大类。

金地毯商业预计2018年第四季度整个市场将趋于理性，区块链技术的一些应用即将落地，各个企业的发展目标更加贴近国家政策导向。目前，企业的实际应用集中数字货币领域，属于虚拟经济。金地毯商业认为，未来的区块链应用将脱虚向实，更多传统企业使用区块链技术来降成本、提升协作效率，激发实体经济增长，是未来一段时间区块链应用的主战场。与公有链不同，在企业级应用中，大家更关注区块链的管控、监管合规、性能、安全等因素。联盟链和私有链这种强管理的区块链部署模式，更适合企业在应用落地中使用，是企业级应用的主流技术方向。

前言

金准人工智能专家分析认为，本季全国93%城市拥堵同比下降或持平，拥堵程度环比也均明显下降。从24小时拥堵趋势同比来看，城市早晚高峰拥堵下降明显。此外，金准人工智能专家对部分城市的拥堵缓解原因及治堵举措进行了相关分析，其中济南、银川、上海等地治堵效果显著。

一、城市拥堵立体诊断

1.1时间、空间、效率分析

指标整体升维，从单一指标升级到9项指标。新增指标分别有时间-高峰时长占比、时间-通勤压力指数、时间-拥堵经济损失、空间-拥堵里程占比、空间-常发拥堵路段里程比、空间-缓行里程占比、效率-拥堵延时指数、效率-平均速度、效率-主干路高峰速度标准差系数。通过多项指标立体化综合评价城市拥堵的特征，从而做出全面立体的诊断，以期为管理部门提供量化有价值的全面参考。

城市立体诊断矩阵

金准人工智能专家根据高德地图交通大数据监测的50个主要城市结合9大指标对城市进行时间、空间、效率多维度的立体分析，用各维度诠释城市交通运行状态，透析城市真正堵因。从单项指标超过5个进入TOP10的城市可以发现，一线城市多项指标整体靠前。

一线城市最少有6项指标位于单项指标前10中

金准人工智能专家根据各项指标进入TOP10的数量将城市拥堵进行分级，来判断城市立体化拥堵程度。数据显示，一线城市北京、上海、广州的拥堵时长、拥堵里程比、出行速度、延时指数等7项指标排名进入单项TOP10，意味这些城市各方面拥堵均较突出。而长沙、武汉、太原、郑州等省会城市整体相对较好，单项指标均无进入TOP10的城市。

城市立体诊断分级

从三个要素综合来看，各指标是随着规模变大而增高，个别规模城市指标突出超过更高规模城市。

从雷达图可以看出，三项指数和三个类型的城市呈现同步变大情况，而从三维图可以看到，超大城市都位于较高的位置处于第一集团，但也可以发现，贵阳、佛山等大城市在三项指数达到超大规模的水平，而超大城市天津则位于大城市集中区域，处于较低的水平。

速度标准差分析

多数城市存在标准差系数高，拥堵延时指数相对也较高，快速路标准差系数最高的城市是南宁，而主干路高峰速度标准差最高的城市为深圳

高峰速度标准差系数，是高峰速度标准差与相应平均数对比的结果，从相对角度观察速度变化的差异和离散程度。系数越高说明城市高峰速度变化越大。不同规模的城市速度标准差系数分布情况也有所不同。超大型城市快速路和主干路相对标准差系数较高。从道路等级上来看，快速路的标准差系数普遍高于主干路，哈尔滨则相反，其主干路的标准差系数高于快速路，这于其快速路分布较偏，拥堵程度较低有关。再从高峰拥堵延时指数来看，速度变化较离散的城市多是拥堵程度相对较高的城市。

1.2拥堵经济损失分析

北京月拥堵成本破千，因拥堵造成的时间成本占月平均工资12.4%。根据高德地图交通大数据监测的50个主要城市结果显示，北京三季度平均每月因拥堵造成的时间成本达1049元，是唯一超千元的城市，占月平均工资比的12.4%。但与去年的12.8%相比月平均工资比重有所下降，在拥堵成本TOP10的城市中有9个城市月平均工资比重出现下降。

沈阳高峰拥堵时长占比最高，北京通勤压力最大

1.3高峰拥堵时长占比、通勤压力指数

根据高德地图交通大数据监测的50个主要城市结果显示，沈阳高峰拥堵时长占比最高，有52.76%的时间拥堵高于平峰；北京早高峰拥堵延时指数1.935，排名第一；

1.4高峰平均车速

济南平均车速同比提升最大，2018Q3超80%的城市平均车速较2017Q3有所提升。

根据高德地图交通大数据监测的50个主要城市结果显示，济南平均车速提升幅度最大，达33%，在监测的50个城市中有44个城市平均车速同比去年有所提升，只有6个城市平均车速同比去年有小幅下降，分别为淄博-6.4%、保定-4.4%、贵阳-3.5%、兰州-2.9%、深圳-2.2%、佛山-2.1%。淄博车速下降最大或与城市施工有关

1.5拥堵里程占比

北京是本季拥堵占比最高的城市，高峰时拥堵里程占比达10.85%。拥堵里程比例主要衡量城市各等级道路处于中度拥堵、严重拥堵等级的路段里程比例，从空间分布的角度反应道路网交通拥堵的影响辐射范围。根据高德地图交通大数据监测的50个主要城市结果显示，北京高峰拥堵里程占比排名第一，广州、上海分列第二和第三名。

1.6拥堵延时指数

全国拥堵走势整体下降，同比2017Q3有93%的城市拥堵下降或持平。在高德交通大数据监测的361个城市中，有8%的城市通勤高峰受拥堵威胁，有57%的城市通勤高峰处于缓行，本季有35%的城市通勤不受拥堵威胁。同比来看，2018Q3同比2017Q3有69%的城市出现下降，有24%的城市拥堵同比基本持平，只有7%的城市拥堵同比出现上涨。其中贵州、四川等省有小部分城市及部分边界口岸拥堵上涨。而沿海区域及中部省会的城市拥堵呈现下降。

2018Q3中国城市通勤高峰拥堵热力图

全国361城市整体拥堵缓解明显，同比下降3.9%，环比下降3.6%。在高德交通大数据监测的361个城市中，从整体情况来看，同比拥堵下降3.9%而环比下降3.6%，从24小时拥堵趋势同比来看，早高峰拥堵下降明显，晚高峰拥堵时长缩短。

全国361个城市整体情况

长三角区域拥堵低于全国均值，成渝地区拥堵最高。全国主要经济区域以成渝区域拥堵程度最高，而长三角区域高峰拥堵延时指数1.48低于全国5%，是交通状况最好的区域。

各区域拥堵延时指数

2018Q3北京蝉联榜首，济南掉出前10。根据高德地图交通大数据监测的50个主要城市结果显示，本季北京高峰拥堵延时指数1.982，本季高峰平均车速23.9km/h；重庆高峰延时指数1.872，车速22.60km/h。分别位于榜单第一、二位。本季老牌堵城济南首次掉出前10，位于第19位，由于快速路成网和断头路打通，使平均车速达到28.2km/h，较2017Q3提升近7km/h，提升明显，拥堵改善突出。

2018Q3通勤高峰十大堵城分布图

相比去年同期7-9月拥堵都有明显下降，全天24小时中白天呈现整体下降趋势。根据高德地图交通大数据监测的50个主要城市结果显示，2018年7-9月同比去年都有明显下降，其中8月下降最大，达到5.1%，而全天24小时上来看，高峰峰值下降明显。2018Q3拥堵同环比都下降明显的原因可能与城市逐渐重视交通拥堵情况、路网持续改造升级、大数据交通治理、网约车出行减少等因素有关。

拥堵整体呈下降趋势

按城市规模划分堵城榜，超大特大型城市北京排名第一，大、中型城市贵阳第一。按照不同城市规模来对50个主要城市拥堵做排名，以期提供更多维度的量化参考。数据显示：本季超大、特大型城市中北京拥堵排第一，高峰拥堵延时指数1.982，其次为重庆、哈尔滨。而在大、中型城市拥堵TOP10榜单中贵阳排名第一，其次为长春。

超大、特大、大、中型城市拥堵TOP10

而限行对拥堵影响中，京津冀限行力度最大，济南和哈尔滨是未增加限行措施拥堵缓解明显的城市。根据高德地图交通大数据监测的50个主要城市结果显示，京津冀的限行力度最大，多数主要城市已经实施常态化尾号限行；济南、哈尔滨在没有新增限行的情况下拥堵缓解明显，与交通治理和路网改善关系较大。济南主要是通过城市快速路成网和打通断头路使拥堵下降，而哈尔滨则是通过交通大数据治理、公交线路调整、站台拆分、道路禁停、限左、增加停车位等多项重要措施，缓解城市拥堵。

二、上海、北京拥堵分析

本节具体分析上海和北京的拥堵情况。

2.1路网开通对上海交通影响

S26入城段开通，周边区域车速提升11%，高峰时拥堵下降10%。S26入城段（G15沈海高速—嘉闵高架路）开通后运行平稳，开通路段平均车速在75km/h，对周边影响明显区域平均车速提升11%，高峰拥堵延时指数下降10%。

S26入城段对交通影响

S26入城段（G15沈海高速—嘉闵高架路）开通对周边流量影响明显,嘉闵高架下降8%,菘泽高架下降16%。

S26入城段对交通影响

2.2北京拥堵分析

北京拥堵时段依旧集中在早晚高峰时段，但拥堵程度较先前略微好转。北京市拥堵峰值仍旧集中在早、晚高峰时段。拥堵在西城区、东城区、朝阳区三大区域较为明显，其拥堵水平高于北京市区整体拥堵水平；2018第三季度中，各区早晚高峰拥堵程度较2018第二季度，均略微下降。其中高峰时段平均下降率约为5.8%；2018第三季度中，各区拥堵较2017第三季度也略微下降，但下降程度不及对比2018第二季度，下降率仅为3.7%。

北京市各区24小时拥堵延时指数拟合

具体来说，昌平区拥堵集中在非城市道路，其他区拥堵集中在城市道路；快速路车流过饱和，次干路及支路对车流引导需加强；

选取各区前200拥堵道路，进行拥堵原因分析：

（1）快速路车流过饱和（红色字体部分）：

西城区、东城区、朝阳区及海淀区中，最高道路拥堵率全部为快速路，并且快速路使用率为100%。

两指标说明说明早晚高峰时段大多驾驶者首选快速路行驶，过多车流聚集造成快速路流量过饱和，拥堵加重。

（2）支干路及次干路分流效果不佳（点状圆圈部分）：

主干路及次干路随有较高使用率，但其拥堵率与快速路的拥堵率相差较多。

这说明支干路及次干路在快速路处于拥堵或严重拥堵时，大多车辆并没有选择次干路或支路为驾驶替代路线，改变行驶习惯。

（3）昌平区拥堵集中在支路及非城市道路（点状方框部分）：

昌平区没有快速路，而主干路、次干路在使用率不高的情况下，道路拥堵率也很低（低于10%），这说明拥堵多集中在支路或非城市道路（如高速公路、县道）。

各区前200拥堵道路，进行拥堵原因分析

金准人工智能专家认为，进入21世纪，中国城镇化、机动化进程不断加快。以交通拥堵为代表的城市交通问题开始成为困扰中国大城市的普遍难题。交通拥堵首先出现在几个特大城市——北京、上海、广州、成都等，并在短短几年间迅速蔓延至百万人口以上的大城市，甚至一些中小城市也出现了严重的交通拥堵问题，且愈演愈烈。未来，等到自动驾驶、电动共享汽车等大规模普及时，拥堵问题或将得到彻底解决。

附录A（高峰拥堵延时指数排名1-25名）

附录A（高峰拥堵延时指数排名26-50名）

三、互联网+城市治堵案例

3.1高德地图助力交通治理，多项措施缓解交通拥堵

智慧诱导通过提前分流、极度拥堵规避两种手段缓解了道路拥堵。提前分流，通过优化流量分配，使干预道路在通行速度平稳的前提下承载流量上涨；智慧锥桶高德地图联合多家行业管理单位，发明创新了一系列基于物联网的道路安全解决方案。行业首创通过对传统的交通安全设施（交通反光锥、事故三角架等）加装定位和物联网模块的方式，实现道路施工、事故和封闭管制信息的采集和发布。

3.2城市治理分析——智慧诱导

（1）宣城宣广枢纽东向排序调整

宣广枢纽东向西节假日易发生拥堵，9.30、10.1对道路制作排序调整事件，提前分流。干预期间有效缓解了道路拥堵情况，干预道路同比去年交通状况平稳，未出现严重拥堵，且整体通行速度上升30.0%，通行时间下降34.7%。同时推荐道路交通状况良好，未出现拥堵情况。

（2）宣城宣广枢纽东向拥堵评估

宣广枢纽东向西节假日易发生拥堵，9.30、10.1对道路制作排序调整事件，提前分流。干预期间有效缓解了宣桐高速的拥堵，2017年宣桐高速2天平均拥堵指数1.97，2018年仅为1.12，拥堵缓解43%。同时，推荐道路同比去年交通状况平稳，整体畅通状态。

（3）珠海排序调整&到达点分流

国庆期间珠海市情侣路附近举办沙滩音乐节，为缓解拥堵，10.2对相关道路制作排序调整事件，提前分流；同时进行到达点干预，对停车点进行分流疏导。干预道路同比去年交通状况平稳，未出现拥堵，且整体通行速度上升14.3%，通行时间下降51.1%。同时推荐道路交通状况良好，未出现拥堵情况。

（4）珠海沙滩音乐节排序调整事件拥堵评估

国庆期间珠海市情侣路附近举办沙滩音乐节，为缓解拥堵，10.2对相关道路制作排序调整事件，提前分流；干预道路情侣中路同比去年交通状况更加平稳，全天拥堵指数仅为1.65，较去年国庆的1.96下降约16%。同时推荐道路梅华东路交通状况良好，未出现拥堵情况。

3.3城市治理分析——智慧锥桶

大连交警全市范围使用智慧锥桶，道路封闭和施工信息精准发布，秒级精确米级精准，提醒用户小心驾驶和及时绕行，有效的提升了道路通行效率。2018Q3，正是大连旅游旺季，但大连拥堵同比下降8.2%，并没有因出行旺盛而造成拥堵上涨，从平均车速来看，大连本季平均达26.6km/h较2017年Q3提升9.1%。

3.4城市治理分析——济南

同比2017年Q3济南拥堵全线下降。

从2018Q3济南的全天拥堵趋势来看，7月到9月上旬拥堵较为平稳，只有9月中旬出现严重情况，与连续降雨关系较大，其它时段拥堵程度都相比去年有明显改善，从空间上来看，相比去年同期，济南城区道路缓行变少，拥堵范围也有所缩小。城区的运行效率提升与济南的快速路成网关系较大。

快速路成网，缓解城区内主要道路通行压力，使济南拥堵下降显著。

流量相对下降的纬十二路（北向南）拥堵同比下降28.7%，明湖北路（东向西）拥堵同比下降16.3%，从流量分布来看，2017Q3由于路网未成形市区道路承担部分过境流量，而当路网整体成形后，基本不再承担过境流量，从而导致市区主要道路流量减轻，拥堵缓解。

3.5城市治理分析——银川

银川拥堵同比下降0.4%，环比下降6.5%。

我们通过同环比来监测银川拥堵情况，数据显示银川同比下降0.4%，环比拥堵下降6.5%，本季出现拥堵下降或与银川市政府4月底提出的“疏堵提畅”有关，目前从各等级道路拥堵缓解来看，银川治堵效果初显。据悉，未来银川将在交通信号优化、智能诱导、指挥调度以及交通组织规划和功能优化等多方面发力，打造银川城市交通大脑，服务交通管理和公众出行。

银川不同等级道路环比逐渐下降,支干路降幅最大。

从不同等级的道路环比来看，银川支干路拥堵程度最高也是本次降幅最大的道路，降幅达11.5%，而主干路和次干路拥堵分别下降5.7%、6.6%。

四、县城活力与出行特征

4.1县域消费娱乐特征——消费能力

综合实力较强的县级城市人均GDP是全国人均的2倍以上，GDP增速也明显高于全国均值。

根据高德地图交通大数据监测的综合实力与拥堵程度相对较高的县城，其经济发展都具有一定的地方特色，如义乌是以小商品为主要经济，福建的几个县都是以体育休闲品牌为主要经济。

4.2县域出行特征——24小时分布

相比一线城市百强县起的早，白天出行活跃，出行频次较对较低；百强县出行高峰比一线城市早一小时。

根据驾车出行量来看，百强县起的早，出现高峰的时间也较早，白天的出行比较明显高于一线城市，而在18：00以后出行明显减少。从驾车频次来看，百强县少于一线城市较多。我们从出行分类中选出学校的24小时分布来看，百强县去往学样同样是出行早，上午前往学校出行比例明显高于一线城市，且百强县的下午出行高峰同样比一线城市早一小时。

4.3县域出行特征——周末偏好

百强县周末出行目的地在教育、旅游最多；夜间百强县公园广场出行最多，一线城市商场出行最多。

从周末出行占比分布来看，周末休闲娱乐出行，主要集中在教育、旅游；百强县夜间生活也较有特色，虽然在购物、运动、休闲上少于一线城市但在公园广场和一线城市出行比例一致

4.4县域出行特征——通勤

百强县通勤距离比一线城市少36%，通勤所需时间是一线城市的1/5且全天无拥堵。

根据高德地图交通大数据监测的百强县发现,县级城市行驶里程较一线城市低36%,而通勤时间一线城市是县级城市的5倍差距明显,以紧邻上海的昆山市为例,高峰通勤里程7.5km小于上海的9.3km,从行驶时间上来看,昆山只有17.4分钟，而上海却有46.7分钟。从24小时拥堵情况来看,百强县拥堵峰值只有1.42未达到缓行。

4.5县域出行特征——出行标签

石狮是惬意指数最高的百强县，重庆是惬意指数最低的城市。

惬意指数通过拥堵延时数、通勤距离、通勤时间归一化加权得到惬意指数值，值越高代表越惬意，百强县石狮拥堵程度低、通勤距离短、通勤用时少成为最惬意的百强县。而惬意指数最低的是重庆，其拥堵延时指数高、通勤距离长，且用时久。

4.6县域出行特征——百强县游、娱、吃、购标签

4.7县域娱乐特征——明星演唱会

苏州的百强县最受明星欢迎，县城开演唱会一票难求，拥堵涨幅大。

常熟、张家港、昆山、义乌等百强县受明星欢迎，不乏大牌明星，如张学友、刘德华、周杰伦、潘玮柏等，以近期在张家港市体育中心体育场开演唱会的潘玮柏为例，会场人员爆满，一票难求，当天晚高峰较平日上涨37%，驾车出行用户增加10倍。

县级城市演唱会驾车出行热度和拥堵涨幅都超过一线城市。

金准人工智能专家分析了近期某明星的5场演唱会，发现在县级城市张家港的演唱会所在的体育馆导航到达情况和周边拥堵情况都明显高于其它城市。

五、新技术预研——交通状态预测的挑战

5.1新技术预研——多步预测情形，模型优势明显，可更好的预测交通状态

多步预测情形，模型优势更加明显,早高峰时段，模型能够更好捕捉交通状态变化趋势。

地铁出行一直受到公众的欢迎，最主要的一个因素就是准时，不受拥堵的威胁。驾车出行，尤其在交通拥堵时其时间的不可控性越来越大，如果可以对出行有一个精准的预测，就能很好的提高驾车的出行体验。交通路况影响日常出行时基于路况预测的旅行时间估计和基于路况预测的动态路径规划，一方面可以节约出行时间，另一方面也可以提前规避拥堵路段让驾驶更舒心，未来交通与城市计算联合实验室，通过不同预测时长情况下各模型预测发现，多步预测情形，模型优势明显，可更好的预测交通状态。

5.2 2018Q3国内主要城市路口信号灯供需调控能力分析

北京早高峰失衡最高，杭州高峰期失衡最低。

我们利用路口状态和均衡状态之间的差异值（用失衡指数度量）来评估路口信号灯供需调控能力，失衡从进口道间状态失衡和出口道与进口道之间状态失衡两方面综合评估。失衡指数越高，路口状态失衡越严重，失衡状态分为不失衡、轻度、中度、严重和极度五个等级。本次依旧选择北京、上海、杭州、广州、深圳5个城市主城区范围内重要信号灯路口（丁字、十字）为评估对象。

趋势分析

•2018Q3工作日，所有城市信号灯路口平均看来均不失衡，但在工作日出现两个失衡指数的高峰，分别为早8:00和晚18:00。

对比分析

•工作日范围内，北京在早高峰期间失衡指数最高，广州在晚高峰期间失衡指数最高。

•杭州在工作日的早晚高峰期间失。

5.3 2018Q3工作日高峰期中度失衡及以上累积超过30min信号灯路口占比分析

基于2018Q3每天各城市高峰期中度失衡及以上累积超过30min信号灯路口占比平均分析：早高峰北京占比最高，晚高峰广州占比最高，杭州在早晚高峰占比均最低。

2018Q3工作日高峰期北京、广州常发性中度失衡及以上路口。