前言

中国城市的城区面积十年仅增长7.7%，而人口密度增长15.3%，大城市病进一步加剧；在有限空间下创造更高效、宜居的城市环境成为了国内城市管理迫切解决的难题。

金准人工智能专家从政策方面解读：国家高度重视发展人工智能技术，指出依托网络、大数据、高效能计算等基础设施的升级，人工智能未来将与城市发展相辅相成。

人工智能城市是指形成以数据为驱动的城市决策机制，根据实时数据和各类型信息，综合调配和调控城市的公共资源，最终实现自动智能化，达到运作效率的最优化的城市。

金准人工智能专家认为，科技蕴藏无限的生产创造力，但用户更需要的是通过技术确切改善生活，因此，技术落地才是科学改变生活的实践证明。

人工智能未来发展是基于安全、完善的数据信息库为人工智能提供机器学习的条件；然而，目前人工智能开发领域还是相对独立，必须认识到技术上还有暂时无法突破的难题。

一、中国人工智能城市发展概况

1.在有限的城市空间里，打造无限智能化城市效用

中国的城市建设经历20世纪90年代至今的高速发展，逐步进入城市转型发展的新常态。城市建设目标从追求规模和经济效益为主开始转向对生态、人文、社会公平和可持续性等立体的价值追求，尤其强调以人为本发展目标，城市向着“智慧化”建设发展；随着人工智能技术条件越来越成熟条件，城市管理形成以数据为驱动的城市决策机制，从顶层设计着手，自上而下的”AI化”使城市功能和产业转型更加显著，为城市创造以技术为驱动的商业价值，最终形成一个多元化的有机生态城市系统。

2.以人工智能为首的智联网发展是智慧城市下一阶段的关键

早在90年代，IBM首次提出“智慧城市”概念后，中国也在1995年启动数字城市建设，这是中国智慧城市的1.0版本；随着2008年“智慧地球”概念的提出，中国智慧城市建设再次进入到3.0感知智慧城市时代；在2013年，WiFi、3G/4G的网络传输与云计算、大数据的后端数据存储、处理与分析的技术进步下，开启了4.0认知智慧城市时代；金准人工智能专家预测，在不久的将来，数据积累以及传输带宽和速度的再次腾飞，使得智慧城市达到整体架构协同管理，“人工智能城市”的时代也将到来。

3.2017年是人工智能的应用元年，未来将有更多城市场景落地

4.人工智能城市发展环境分析

4.1政策环境分析

政府鼓励人工智能发展，将大力辅助未来城市建设政府在近三年时间密集出台鼓励人工智能技术发展的政策，说明十分重视此次技术发展的机遇，从大力促成中国到2030年成为世界人工智能创新中心的决心可见，希望中国能够“赶得上”这一次的技术革命，而不再仅仅是“不掉队”的要求。金准人工智能专家认为，中国城市的政策方向则回归以人为本的的核心，城市的发展都围绕着“高效、惠民、可持续发展”理念，让城市建设迎来转型升级的重大机遇。

4.2经济环境分析

未来，城市经济结构升级依赖科技创新带来经济动力中国的GDP十年来成倍增长，而国家中心城市的整体创新效率提升水平并不显著。北京、武汉、郑州较十年前的创新效率水平有明显提升，其他城市则维持不变甚至有所下滑。可见各大城市目前创新投入和产出都未能跟上经济发展的步伐，说明经济结构当中科学技术提升带来的收益占比低，未来应该重视提高创新效率的投入（人才、资金、技术……），以及重点考察创新带来的经济效益。

4.3社会环境分析

迫在眉睫：解决有限城市空间的效率最优化问题。

中国城镇人口在2011年首次超过乡村人口，未来区域城镇化将会是国家发展战略的重要部署；2015年全国城市建设与2008年相比，不足十年时间，城市建成区面积增长43.5%，道路长度增长40.4%，而这一切都发生在城区面积仅增长7.7%，公共交通系统运营车辆增长了21.7%的基础上。在人口进一步密集（城市人口密度增长15.3%）的情况下，“大城市病”——交通拥堵、空气污染、基础设施不足等问题日益严峻，如何在有限的空间下创造更高的城市效率、更优的城市运作、更适合居住的城市环境……成为了国内城市管理迫切解决的难题。

4.4城市治安环境分析

中国监控摄像头覆盖面不足，密度远低于英美。

2017年国家官方数据公布“中国天网”摄像头达2000万个，但对于将近20万平方公里的城区面积来说，摄像头的覆盖面与数量是凤毛麟角；从摄像头数量/千人的维度来看，中国城市摄像头密度平均水平仅达英美的20%-30%，而完善的监控系统是保障城市治安的有力手段，因此，监控摄像头建设工程任重道远；金准人工智能专家预测，未来，尤其是二线及以下城市的监控摄像头布防发展潜力巨大。

4.5技术历程分析

（1）人工智能的发展历程

二十世纪五十年代到七十年代初，那时人们以为只要能赋予机器逻辑推理能力，机器就能具有智能，人工智能研究处于“推理期”。接着，人们意识到人类之所以能够判断、决策，除了推理能力以外，还需要知识，因此人工智能研究在二十世纪七十年代进入了“知识期”，大量专家系统在此时诞生。随着研究向前进展，专家发现人类知识无穷无尽，并且有些知识本身难以总结再交给计算机，于是一些学者诞生了将知识学习能力赋予计算机本身的想法。发展到二十世纪八十年代，机器学习真正成为一个独立的学科领域、相关技术层出不穷。进入2010年后相继在语音识别、计算机视觉领域取得重大进展。2016年让人工智能在学术界、工业界、媒体界等社会各界引起广泛关注的AlphaGo的背后，也是深度强化学习和蒙特卡洛树搜索的结合。

（2）人工智能城市发展环境分析–技术剖析

热门算法之深度学习

将数据输入计算机，一般算法会利用数据进行计算然后输出结果，机器学习的算法则大为不同，输入的是数据和想要的结果，输出的则为算法模型，即把数据转换成结果的算法模型。通过机器学习，计算机能够自己生成模型，进而提供相应的判断，达到某种人工智能的结果的实现。工业革命使手工业自动化，而机器学习则使自动化本身自动化。近几年掀起人工智能热潮的深度学习，属于机器学习的一个子集，在思想和理论上并未显著超越二十世纪八十年代中后期神经网络学习的研究，但得益于海量数据的出现、计算能力的提升，原来复杂度很高的算法得以落地使用，并在边界清晰的领域获得比过去更精细的结果，大大推动了机器学习在工业实践中的应用。

（3）人工智能VS人类智能

机智过人还是技不如人？

经过海量数据训练，人工智能可在边界清晰的领域内游刃有余，只是与可在开放环境下对变化中的事物不断学习进而适应的人类智能相比，机器在面对超过固定规则设置的罕见场景时，往往不知所措，鲁棒性有待提高。尽管如此，城市发展建设的方方面面都有大量的潜在的可供现有技术能力来升级改造的空间，比如机器的感知、认知、大数据处理以及运动控制等方面取得的能力突破来融合。

二、人工智能在城市发展的应用及场景

单个场景的多维联动，将整合成全应用城市场景。

随着城市的迅速发展，智能技术落地和服务越来越先进；在激烈的技术和市场竞争中，智能化城市的开发目标从原来的单个需要，转向对整个生活形态或生态链的“全应用场景”模式，即不再是简单地提供当下的需要，而是更多的创造新的或升级现在的应用场景，使智能化改变现有的城市形态和生活方式。城市创新性场景化是通过智能化城市功能的实施而逐步构建起新的“新城市场景”，未来将会朝着综合化城市生态系统方向发展。

1.社会管理场景中AI的应用

1.1社会管理场景–AI+安防

升级安防场景有助于搭建更高效的城市治安系统。

随着技术的革新和发展，AI+安防系统取代了传统的安防措施。大型安全防范系统结合技术手段，具有探测、监控、报警、管理等基本功能，用于预防、制止违法犯罪行为和重大治安事件，是维护社会治安稳定的基础设施。如商汤科技对于平安城市的架构进行了从基础设施层到应用层的分层设计，目前在安防领域依托其自有的人脸技术、人群分析、图像识别等先进算法构建的平台，为智慧城市尤其是安防领域，提供体系化的产品和解决方案。

计算机视觉+深度学习技术是智能化视频升级的必要条件。

上千万的摄像头和庞大的监控网络，瞬间就会产生海量监控视频数据，从海量视频数据中高效提取出有效信息，就成为智能视频监控技术的关键。以一个一万路视频规模的城市为例，每月产生12PB的视频数据量，在这样量级资源中找到目标人员、车辆宛如大海捞针，然而通过人工智能算法，则可自动抓取视频中的目标图片，并提取其语义化的属性数据以及可用来比对检索的特征数据，每月数据大概为仅15亿条，而存储容量下降到300TB左右，即可实现秒级检索，并刻画目标的轨迹、进行行为分析。

社会管理场景–AI+安防案例：

摄像头升级要根据实际需求，平安城市改造效果显著。

国内的摄像头目前难以实现智能化，因此，改造关键是了解摄像头的主要功能，才能有针对性调整摄像头的高度、位置和类别。商汤科技协助深圳市的平安城市改造，以升级改造视频专网的方式协助警方打击犯罪和抓捕逃犯，为日后的城市整体安防发展打下良好的基础；而广州市则已经通过商汤科技视图情报研判系统，在短短半年内破获近百宗案件，破案数量显著提升，破案时间有效缩短，为公安机构日后的执法提供强大的支援。

1.2社会管理场景–AI+交通

人-车-路-位置的立体智能调度有利于提升交通运作.

随着交通网络大规模联网，汇集的海量交通信息，需要“城市大脑”，实时分析城市交通流量，调整红绿灯间隔，缩短车辆等待时间，提升城市道路的通行效率；实时掌握着城市道路上通行车辆的轨迹信息，停车场的车辆信息，小区的停车信息，提前预测交通流量变化和停车位数量变化，合理调配资源、疏导交通；实现机场、火车站、汽车站、商圈的多维度交通联动调度，提升整个城市的运行效率，为居民的出行畅通提供保障。

社会管理场景–AI+交通案例：

智能化交通大力改善城市出行难题，未来将达到全自动化。

智能化交通的升级转型，改造的方式与案例各不相同，但都离不开人工智能算法对交通出行所产生的信息进行分析与预判，协助城市交通管理者更好的决策；未来，智能化交通解决方法，人参与的部分将会越来越少，甚至达到自动化运作的水平。

社会管理场景–AI+交通（驾驶方向）

人类对车辆的控制最终会接近零，实现无人驾驶场景。

驾驶的进化过程正是自动智能化交通的演变踪迹：现阶段，辅助驾驶的各项功能相对比较成熟，无论是测试还是实际开放环境表现都比较稳定；而自动驾驶的限定场景也有望在未来三年落地，主要落地的是环境相对简单、封闭或乘车人安全有保障的场景，未来，无人驾驶形态还需要通过大量数据积累、校对和测试，以及技术的突破与零部件量产而带来成本下降。国内已有许多初创公司进入该领域研发，例如商汤科技在疲劳驾驶检测上发力，也和传统车企本田签订研发自动驾驶的合作协议。

1.3社会管理场景–AI+能源

提高使用效率与优化供应管理是显著的能源节约方式之一。

自然资源日益紧张情况下，国家能源建设的目标除了大力开发新能源，还需着重提升现有能源使用率以及优化能源使用管理，而传统的能源管理存在割裂的状态，“水、电、气、热”各个部门互不联通，居民多年累计的使用数据并没有得到运用；因此，需要构建综合的能源调度中心，使能源使用达到“快、准、优”的效果，而“供求模式”则可通过深度学习、运筹学等综合技术优化整体能源管理，降低能源的“过量、短缺、故障”等情况带来的大规模失衡风险。

1.4公共服务场景–AI+医疗

数据整合与信息化是发展智能化医疗的首要条件。

现阶段智能医疗的发展出现了基础建设与创新探索同步发展的局面。一方面是各地政府和医疗机构在智慧医疗信息系统和医疗数据库建设上发力，另一方面是商业组织和科研机构在精准医疗、智能临床诊断系统、智能医学影像诊断系统、医疗机器人、智能监测硬件等方面均进行研发和探索。

公共服务场景–AI+医疗案例：

辅助医生病情诊断，通过数据创新性研发药物与治疗。

依托深度学习算法，人工智能在提高健康医疗服务效率和辅助疾病诊断方面具有优势，各种应用应运而生。公开数据表示，人工智能的智能影像对恶性肿瘤的正确检测概率比普通医生高50%；医疗诊断的人工智能有两个方向：1）基于计算机视觉通过医学影像诊断疾病；2）基于自然语言处理，“听懂”患者对症状的描述，根据疾病数据库里的内容进行对比并诊断疾病。

1.5公共服务场景–AI+政务

智能化政府服务，于政于民是“双赢”。

政府在人工智能城市当中承担“总指挥”角色，中央要求简化流程并提高效率，尤其是在政府服务方面，现阶段迫切需要快速整合信息资源，提供便民的一站式服务，减少公共资源的浪费；尤其在服务过程中需要提升交互性与友好性，让人工智能技术协助解决人手不足、庞大事件量处不了等问题，比如线下客服机器人可考虑全天候开放给市民咨询与办理业务，真正简化流程与提升政府服务效果。另外，在城市管理方面，居民区的防盗防窃、群租整治、消防隐患等管理难题，通过可视化人口管理的解决方案，可在有效提高社区的安全防范等级，以及改善原本人口流动管理的盲点。

公共服务场景–AI+身份验证案例：

AI身份验证已显著超越人力身份验证效率。

由政府组建的政务云平台，为城市管理打通了信息与数据的“孤岛”状态；在智能政务多个场景中，由于而人力验证有效时间是半小时轮岗，因此，身份验证广泛应用于各类识别身份的节点。例如：基于人脸特征信息进行身份识别的生物识别技术，随着深度学习带来的突破，让机器根据训练数据集达到拥有自我学习的能力，最终掌握“人脸”的概念。商汤的技术支持千万级目标库中300ms内获得识别比对结果：其1：1人脸验证的图片相似度验证准确率在99%以上；1：N人脸搜索返回TOP5相似结果的准确度超过98.5%，返回TOP10相似结果的准确度超过99.6%，远远胜于人力验证的效果。

1.6公共服务场景–AI+服务机器人

应用场景多样化，服务功能开发潜力大。

银行、零售、广告、政务、餐厅、展会等垂直行业中，服务机器人应用场景广泛；商汤科技助力康力优蓝商用服务机器人，实现了安全、便捷、准确和高效的客户身份识别，自动了解客户信息，进而提供定制化的服务，将服务化被动为主动，不仅降低了劳动力成本，更显著提升了客户服务水平。

2.产业运作场景中AI的应用

2.1产业运作场景–AI+楼宇

机电智能运维与电力节约最先在建筑方面落地。

综合安防管理可帮助楼宇优化传统管理方式，减少中间环节和中间管理人员，融合并扩充网络高清视频联网、报警联动策略、在线巡查能力等；在能源管理方面，软硬件感知与联网所产生的数据，可通过深度学习模型优化整体能源支出；目前，已有采用AI+楼宇管理一体化解决方案的楼宇，成功实现每年节省下几十万kWh到上百万kWh电力不等的节能效果。

2.2产业运作场景–AI+农业

机器视觉识别及图像处理技术在智能化农业上已见成效。

农业科技与其他主流科技领域一样，即将被“智能化”，也就是利用机器学习为首的人工智能技术在耕地资源有限的情况下增加农业的产出，同时保持农业的可持续发展。人工智能在农业领域应用主要体现在：农田灌溉、病虫害防治、根据作物自身特性及具体环境进行补水和农药喷洒，合理分配并利用资源。

2.3产业运作场景–AI+零售

实体零售智能化是对抗电商零售的唯一出路。

实体零售需要抓住“新零售”转型升级的机遇，打造信息化的实体店并建立立体数据库，从而达到在更好服务顾客的情况下控制或缩减成本，提升实体零售的竞争力。实体零售可以从各类访问数据入手，在店铺中实时监控、快速捕获消费者的喜恶并进行精准分析，实现智能化运营与管理。

产业运作场景–AI+零售案例：

最大化提高用户在线上购物无法满足的体验。

人工智能技术应用为传统商业提供了基于多维度、精细化数据驱动的运营决策参考，带来精准营销、商铺运营、价值客户管理、消费大数据运用等诸多技术化、科学化的运营手段。例如：商汤科技的人脸识别技术，实现用户从刷脸入店到结账付款仅需“刷脸”一个步骤且行为不需刻意，顾客只要正常出入闸门即可被系统捕捉识别，实现“无感知”进入，大大提升了用户体验。

3.个人应用场景中AI的应用

3.1个人应用场景–AI+教育

打破教育资源不均现状，达到智能化的因材施教。

AI+教育一方面解决教育资源稀缺性的问题，让更多的学生享受到均等且优质的教学；另一方面改善了传统教育效率的问题，通过深度学习检测出学生的知识盲点，为学生提供最佳的学习路径并制定专属的学习方案。目前，人工智能在教育领域已实现的应用主要体现在对教学环境、教学方式、学习方式的改变上，主要包括智能考试阅卷、智能作业批改、个性化教学及虚拟场景教学等方面。

3.2个人应用场景–AI+娱乐与生活

增强现实技术在图像视频等泛娱乐场景中不断创造价值。

娱乐与生活市场空间较大，我国智能手机用户对新鲜事物的接受程度较高，并且乐意使用新技术来提升现有产品的体验，短视频与美颜滤镜的瞬间火爆印证了这个观点。目前，增强现实技术主要应用在个人移动设备上的图像视频泛娱乐场景，未来，在硬件设备的升级迭代下，增强现实技术将带来更广阔的商业价值。

3.3个人应用场景–AI+移动个人设备

影像和语音领域掀起浪潮，成为下一轮竞争的关键。

三、中国人工智能城市未来发展展望

1.随着城市的不断升级转型，对人工智能技术需求越来越大

在第四次信息革命的推动下，城市-智慧城市-人工智能城市的不断迭代升级，人工智能技术在城市建设当中越来越重要；从信息化-联网+感知-自主智能化，越来越重视技术革新带来的升级体验；金准人工智能专家认为：未来，城市管理当中人类参与管理与决策将越来越少，最终达到城市自主智能化管理的效果，从而实现高效、安全、节能、可持续发展的城市发展目标。

2.日益完善的ICT架构将加速城市迭代发展

技术升级也为城市治理提供了“智慧”决策支撑，从数字城市到人工智能城市，ICT（InformationCommunicationTechnology）的完善推动着城市的迭代发展，以云计算、大数据、物联网、通讯为基础设施，人工智能技术在城市发展当中提供了分析、调配、管理、预判的功能；金准人工智能专家认为：在技术和基础设施不断升级的ICT架构下，提高城市运作效率、更好的居住体验将会是科技改变生活的显著效果；而在这个过程中的每一个环节都将蕴藏极大的商业价值。

3.需要重视人工智能在城市建设的各项挑战

社会对人工智能的关注度起到促进的作用，越高的曝光度会带来越多的关注，给行业带来更多的资金、人才、科研投入等。在行业发展形势一片大好的情况下，也不能忽略挑战的存在，落地场景的展望与未来应用都是基于一个安全、完善的数据信息库为人工智能提供机器学习的条件；另外，人工智能目前的开发领域还是相对独立，必须认识到技术上还有暂时无法突破的难题。

4.从各国的顶层设计看，城市发展已到了更新换代的必然时期

欧美和亚洲等国家建设智能化城市建设起步早，且已见成效，许多建设措施和顶层设计对我国智能化城市建设起到良好的借鉴作用，可以总结以下几点：首先，对于智能化城市的建设是自上而下，由政府制定顶层设计，主导市场各方参与建设；其次，物联网作为智能化城市的基础架构部分，是构建“物-网-人”三者联通的关键；值得关注的是，过程中所产生的大量信息与数据将为未来的以人工智能技术为核心的城市管理优化与情况分析预判提供了必要海量数据支撑。

5.需求+硬件+算法是人工智能在城市应用的三个未来发展关键

人工智能城市是利用人工智能技术，形成以数据为驱动的城市决策机制，根据实时数据和各类型信息，调配和调控城市的公共资源，最终实现自动智能化，达到城市运作效率的最优化。金准人工智能专家认为：决定人工智能城市未来发展离不开不断升级的硬件和算法的加速迭代，但终究还是要回归到城市应用场景升级的核心需求。

前言

2013年《征信业管理条款》出台并实施， 2015年初，央行下发通知，令芝麻信用、腾讯征信、前海征信、鹏元征信、中诚信征、考拉征信、中智诚征信、华道征信8家企业做好关于开展个人征信业务的准备工作，中国征信行业开始呈现市场化，2016年企业征信备案在存量既定的情况下审批节奏有所放慢。2017年颁布的《网络安全法》明确在非个人主动意愿或明确授权的情况下，数据获取方式上第三方强授权的方式将变成非法行为，网络信息安全进一步规范。2018年央行发布了《关于百行征信有限公司（筹）相关情况的公示》，百行征信由中国互联网金融协会持股36%，芝麻信用管理有限公司、腾讯征信有限公司等8家个人征信牌照试点机构各持股8%。自此，中国征信行业大格局形成。同时，由于社会大众信用需求、信用意识不断增强，中国征信行业潜力待释放。

金准人工智能专家发现与建议：目前国内征信市场尚处在起步阶段，对比与国外征信市场，可以推测，国内征信未来市场容量相对较大，且由于中国金融业的快速发展，倒逼信用体系逐步完善，由金准数据推测，中国征信行业规模远大于美国市场。同时数据本身天然的垄断性，尤其是在颁布《网络安全法》后，导致具有生态背景的征信公司更具有优势：获得低成本、高价值的生态数据、能够对征信效果快速评估等。由此，金准人工智能专家预测，较低的市场开发度、社会信用潜在需求度及数据先天垄断的特性，中国征信市场有着较大的成长空间。

一、征信概述

1.征信的定义

征信机构从多种渠道主动采集被征信对象信息数据，利用相关技术将数据进行集中汇总，生成并储存为征信对象信用档案，个人或商业机构出于风险评估的需求，在得到被征信对象授权的前提下，征信企业利用模型算法，对被征信对象的信用状况、信用资质进行评估，并将评估报告及结果出售给个人或企业，以便帮助其了解被征信对象真实信用状况。

2.征信的价值

主要帮助企业及个人解决市场交换、商品贸易、投资借款等活动中，交易双方信用信息不对等的现象，解决被征信方信用资质评估的问题。征信的具体作用主要应用在金融领域，帮助金融机构识别被征信对象的信用状况，如判别其偿债能力、还款意愿，同时为被征信对象提供信用状况改善建议，另一方面，征信也在进入新的领域、产生新的业务形态。

3.征信的分类

按征信对象可分为企业征信和个人征信，按征信用途可分为公共征信、非公共征信和准公共征信。

4.征信的行业产业链

征信产业链主要由数据源、数据处理、产品服务和应用场景组成，其中数据处理和产品服务是征信公司的核心竞争力。由于数据具有垄断性，数据的获取成本也是征信公司的核心问题。

5.征信产业链的关键点分析

5.1有针对性的采集被征信对象数据

征信机构按照计划开展数据采集，数据一般为公开信息、征信机构内部信用档案、数据合作商、被征信对象主动提交信息等，但由于关系到企业、个人信息安全，因此在数据采集时要根据监管要求，对敏感机密信息进行脱敏处理，保证信息不外泄。

在确定信息采集类型、渠道之后，征信机构必须要对数据进行检验，数据检查是保证征信产品真实性的关键。首先，征信机构通过比较不同渠道获得的数据，来验证数据的真实性，同时对独有数据，可以通过常识判断、二次调查等方式验证数据信息。其次，对于被征信对象不完整、有残缺的数据，征信机构需要查找缺失数据。然后对于资本市场、企业征信来说，还需要将征信的数据反馈给被征信人，弥补、修正征集信息过程中出现的数据遗漏、数据错误。最终将收集到的数据存档，形成被征信对象的信用数据档案。

需要注意的是，信用主体的信息呈现碎片化、分散化的特点，其中信息全面性、准确性成为信用资质评估的基础支撑，能否获取有效信息、能否征集多渠道信息、能否将分散信息归总集中于被征信对象个体，对信用服务方而言是一个发展考验，毕竟在相对混乱的源数据领域，真实、全面、及时、隐私性原则或会因企业发展阶段的特殊或利益关系而发生冲突。

5.2利用固有的分析模型，对征集到的数据进行分析

对征集到的原始数据进行分析处理，形成有价值、满足客户需求的征信产品。在信用数据处理中，通常采用的分析方法有：关联分析法、分类分析法、神经网络分析、逻辑回归分析等。根据企业征信需求，选择预先设计好的征信评估模型，选取关联项目指标，根据征信目的配以不同数据指标及不同权重，将企业、个人等被征信对象的信息数据输入模型当中，最终形成综合信用评分。

金准人工智能专家认为，近些年随着人工智能的快速发展和机器自我学习的不断提高，目前征信领域广泛的应用大数据技术，使得数据分析结果更加有效，信用评分更加贴近真实，同时，具有强大算力和模型经验的公司脱颖而出，更具有核心竞争力。

5.3信用产品应用，效果反馈

信用产品的交付后的效果反馈是征信活动的终点。征信应用领域较广；政府公司债券发行、消费品赊账、信用贷款、招聘资质调查、保险病例评估、金融投资等；具体征信服务有：主体信用评级、债项信用评级、主权及地方政府评级、公司治理评级、信用报告、信用评分等。在客户类别上主要包括：政府、制造商、零售商、银行保险金融机构、个人等。金准人工智能专家认为，商业化应用并不是征信流程的终点，征信机构要从商业机构获得反馈，以便对评估模型、方法、数据类型、数据渠道进行调整，保证征信评估的准确、客观性、随着信息化技术的快速发展，这一行为特征更加明显。

二、美国征信体系

1.世界征信体系模式种类

目前各国广泛应用的有三种征信体系，分别是以美国、英国为代表的市场主导型；法国、德国代表的政府主导型和日本主导的会员制型。由于中国征信体系刚开始建立，目前的现状是综合了市场主导和政府主导型。由于中国的大型互联网企业进入征信行业较早，拥有较独立且有价值数据，在建模和大数据分析上代表了中国顶尖的技术，且建立完善的征信体系需要有强大的财力人力资源支撑，预计未来中国依旧会是政府主导型为主，以互联网大数据公司及8家个人征信代表的市场机构起到补充作用。

2.美国征信建设体系框架

从19世纪30年代开始建立至今一百多年来，美国的消费信用体系随着市场经济发展、信用交易规模的扩大、科学技术特别是信息网络技术的出现，逐步形成了以标准普尔、穆迪、惠誉为核心的三大资本市场信用评估机构，以邓白氏为代表的普通企业征信机构，以益博瑞、艾可菲、环联为主的个人征信机构，此外还有基于这七大机构开展相关征信业务的区域或专业性征信机构。

美国的消费信贷业务十分发达，对于征信需求强烈，因此采用了征信市场化的方式，由私人征信机构通过完全竞争来提供更优质的服务。美国征信市场先后经历了快速发展期、法律完善期、并购整合期、成熟拓展期4个阶段，从巅峰时期的2000余家机构逐渐演变成了现在的巨头垄断的市场结构。

美国征信行业完全市场化，经历了几百年的发展，从之前分散杂乱的完全竞争市场，逐步形成目前多寡头甚至是单寡头的垄断的市场格局。在发展过程中，除了市场旺盛的需求、征信机构不断推出创新服务外，更重要的是监管体系在维护用户权利与推动市场发展中所起到的作用。

3.美国人个征信发展历程

在个人征信市场，有Experian、Equifax、TransUnion三大个人征信巨头掌握了约65%的美国本土个人征信市场份额。美国个人征信的监管体系分为行政监管、司法监管和行业自律。美国联邦贸易委员会（FTC）负责监管个人征信公司、信用报告业协会、消费者信用提供者和使用者；美国联邦储备系统负责监管银行机构；联邦或州法院根据相关法案对银行机构实施司法监管。而政府并不直接参与征信服务业的竞争，通过颁布立法和监管来控制征信业的发展。

美国个人征信主要经过了5个阶段。在整合规范期后主要迎来了两次快速发展的浪潮，一次是技术驱动的行业垄断期，一次是以海外市场需求驱动的成熟期。

美国监管体系呈现“双头多级”的特点。双头即政府监管作为主要监管机构，制定征信行业标准规则、保护个人及企业信用权力，个人征信市场监管机构：目前美国监管主要负责机构为联邦贸易委员会及其6大下属部门，联邦储备委员会、财政部货币监理会、联邦存款保险公司、国家信用联盟、储蓄监管办公室、消费者金融保护局。企业及资本市场则是没有明确相关监管主体，而是根据业务类型开展监管，如个人征信市场：消费者数据产业协会、美国国际信用收账协会、全国信用管理局。

目前美国已出台以《公平信用法》为核心的17部监管法律，从被征信对象信息安全，到信用信息使用途径等，都做了较为详细的规定。对触犯征信监管法规的行为，如信息泄露等情况，监管机构据此给予征信企业高达数百万美元的重罚。

4.美国三大个人征信巨头概况

美国人征信市场，Experian、Equifax、TransUnion三大个人征信巨头掌握了约超过一半的美国本土个人征信市场份额。三家公司在侧重点、盈利模式和优势各有不同，其中Experian擅长数据处理征信评估，Equifax可以对无信用消费者进行信用评估，TransUnion的核心竞争力在于专业征信技术的研发和创新。

通过对比美国三大个人征信机构2013-2016年营收数据，可知三大机构整体营收较为稳定，其中Equifax和TransUnion保持稳定增长，这也符合美国个人征信市场已发展至成熟期，市场总规模趋于饱和。三家个人征信机构2013-2016年的主要增长动力来源于美国本土的信息服务营收上升和海外市场的拓展。

截至2017年，Experian的市值最高，为169亿美元，三家营业利润率都在25%左右，未来五年的PEG都大于1，三者在未来5年仍然能够保持良好的成长性。

其中以Experian为例，Experian的业务主要分为四个方面：信息服务、决策分析服务、市场营销服务和个人消费者服务。其中信用服务营收额大于另外三种服务营收额的总和。个人消费服务和市场营销服务由于Experian在C端的服务正在转型，英国、巴西和美国的的消费者可以免费获得信用评分等产品，近三年呈现下降趋势。

除三大个人征信机构外，美国还有数十家垂直领域的专业个人征信机构。专业的征信机构围绕着消费者场景而设，与三大个人征信机构服务于信贷等相关机构，主要采集银行信贷的历史信用，解决信贷风险问题不同，专业的征信机构服务于垂直领域的机构。这些专业征信机构之间，以及和传统的征信机构也有业务往来，并互相竞争，但是不同类型的征信机构之间的主要关系是互相补充，进行征信信息的合作与共享。此外，有一些专业征信机构本身就是由传统征信衍生出来的子公司。

5.美国征信市场新形势

征信机构最基本的作用就是将分散在不同授信机构、碎片化的信息加工融合成为具有完整视图效果的全局信息，帮助商业机构更加有效的进行决策。大数据技术有助于对更加分散、碎片化、底层的数据加工处理为更加完整的全局信息，更加有效地减少信息不对成。

大数据为征信活动提供了一个全新的视角，基于海量的、多样的、交叉互补的数据，征信机构可以获得信用主体及时、全方位的信息。大数据征信的数据来源更为广泛，除信贷数据以外，信用卡还款、网购、社交、转账、理财、水电煤缴费、社保、身份信息、租房信息等都成为大数据征信的数据原料。

在大数据背景下，征信数据规模更大，更新加快，类型复杂，需要有区别于传统工具的新技术方法来完成数据的处理和任务分析。费埃哲公司研究表明，将社交媒体和电商网站拥有的在线数据、移动运营的手机使用数据与传统数据结合用于风险建模，提高了模型对于客户的区分度，在降低拒贷率的同时，提高了风险预测能力。

同时，在大数据的背景下，在原有的三巨头鼎立的局面之外，出现了许多新的竞争者，这些新兴的风险和信用信息公司普遍依靠强大的数据背景或出色的建模和大数据分析能力，服务更专业、领域更垂直，直接对原有三大个人征信机构相关市场份额造成威胁，同时也给整个行业带来了创新和活力。

三、中国征信市场

1.中国征信市场宏观环境分析

2003年，十届全国人大一次会议审议通过“政府工作报告”，首次提出“加快建立社会信用体系”，2004年，人民银行成立银行信贷征信服务中心，2006年，央行企业信用信息基础数据库实现全国联网查询，2009年央行发布信用评级和数据交换行业标准，2013年征信业管理条例正式实施，2015年初，下发通知，要求8家机构做好个人征信的准备工作，2018年央行发布了《关于百行征信有限公司（筹）相关情况的公示》，百行征信由中国互联网金融协会持股36%，芝麻信用管理有限公司、腾讯征信有限公司等8家个人征信牌照试点机构各持股8%。

目前中国征信体系是以央行征信中心为主，由银行、小贷公司等金融机构、类信贷企业提供信用数据，央行征信中心对数据统一处理，具有信息安全度高等特点，但是政府主导的公共征信体系具有更新频率较低、人群覆盖面不足、数据维度较为狭窄、商业场景应用单一等弊端，因此监管层批准征信市场化。至今已有135家在央行就企业征信业务完成备案，并开展相关业务。

与企业征信快速市场发展相比，监管层对个人征信相对谨慎。2015年初，央行下发《关于做好个人征信业务准备工作的通知》，要求芝麻信用、腾讯征信等八家机构着手个人征信业务准备工作。征信市场化大幕已经开启，但由于数据孤岛现象严重、信用市场尚在培育、监管法律仍在完善等原因，目前个人征信市场化尚未有相关进展。

2.中国个人征信机构的发展

从1999年上海资信开展个人征信试点以来，我国个人征信发展不足20年。2013年，《征信业管理条例》正式实施，我国征信业步入有法可依的轨道。同年，《征信机构管理办法》颁布。直到2014年，才发布《征信机构信息安全规范》、《金融信用信息基础数据库用户管理规范》等征信标准。2018年1月，中国互金协会携8家批筹个人征信机构欲成立“信联（百行征信）”，央行公示受理了百行征信有限公司（筹）的个人征信业务申请。

纵观美国的个人征信行业发展历史，不难发现，我国目前与美国上世纪80年代左右发展情况较类似，处于法律完善时期。参考美国的发展路径，我国的个人征信行业离成熟的市场还有很大的发展空间。

从我国个人征信行业的发展历史，不难看出我国的个人征信体系是以政府为主导。在个人征信产业链中，数据处理等核心环节主要是央行征信中心、上海资信、八家试点的个人征信机构及新成立“信联”提供。除此之外，一些大数据公司还会利用技术优势，提供反欺诈、黑名单等产品和服务。

八家试点机构基本都是通用评分+信用报告+反欺诈平台+其他增值服务，但也各有专攻：

1、中诚信征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司侧重于金融领域。中诚信征信有限公司的主要合作方，是地方性中小金融机构和电商平台企业，深圳前海征信中心股份有限公司是平安集团成立的，目标客户主要是小额贷款公司、网贷平台等，鹏元征信本身就是金融领域颇具知名度与美誉度的征信服务公司。

2、腾讯征信有限公司、芝麻信用管理有限公司、拉卡拉信用管理有限公司侧重于生活场景领域。腾讯每天和海量用户打交道，企业自然能够提供自己领域内的用户数据。至于芝麻信用，阿里巴巴电商系天猫淘宝聚划算等购物的累计额度、购物品类、退换货记录、甚至阿里旺旺的聊天记录都是芝麻信用的重要的评分标准。拉卡拉信用的考拉信用的通过公共部门、多行业合作企业的数据共享，结合信用卡还款、转账、公共缴费、电商和金融业务数据。

3、中智诚征信有限公司和北京华道征信有限公司目前以反欺诈平台见长。中智诚征信有限公司正在尝试建立一个反欺诈云平台，通过多维身份认证、“黑名单”匹配等手段，将诈骗者精准地揪出来。北京华道征信有限公司主要是面对P2P行业的同业征信平台，通过反欺诈联盟的形式构建行业信用信息共享服务平台，对黑名单和负面信息共享，给金融机构和企业提供反欺诈服务以降低风险

综上，金准人工智能专家认为，没有任何机构是可以在某个领域制霸的，各家到时候可能会进行更多攻城拔寨的竞争，随着市场的推进，市场也会进行进一步的筛选。

征信机构的所有业务都是围绕数据展开，大数据技术的发展大大提升了数据的多元性和可获性，而数据存储与处理技术的进步为行业的降本增效提供基础。

下面以芝麻信用为例，截至2017年底，芝麻信用拥有3.6亿实名用户，征信数据覆盖上百种场景数据，日数量达到PB（1PB=1024TB）级。数据来源于蚂蚁金服内部和外部的金融数据、用户自主提交的基本信息、35种电商数据和公共机构、合作机构提供的公共信息。这些数据通过云计算自动评估用户画像和评分，最终以芝麻分的形式表达。

芝麻分是根据个人用户信息进行加工、整理、计算后得出的信用评分，其分值范围为350到950，分数越高代表信用水平越好，可应用场景越丰富。目前芝麻分已在多种场景中实现应用。

3.中国个人征信市场规模

信贷规模直接决定了征信市场的大小。自2015年以来，我国消费信贷余额保持高速增长，增速超过20%。截止2017年底，消费信贷余额规模达到36万亿元，同比增长25%。消费信贷的快速增长，为个人征信带来市场基础，也对个人征信机构的信用评估业务提供市场空间。近年来，我国的互联网金融呈现爆发式增长，但征信并不能满足互联网金融行业发展的需要。

2011-2017年中国消费信贷余额（万亿元）及增长率（%）

截止2017年11月底，央行征信中心收录自然人信息9.5亿人，有贷款记录的约4.8亿人，央行个人征信的覆盖率50%左右。而美国在2014年，这一比率就高达92%。

央行征信中心人群覆盖情况

在国内，信用多用于金融信贷领域，而在美国，信用深入居民生活，成为一种资产。融360《维度》调查报告就显示，超过10%的用户不关心自己的个人征信，近30%的用户不了解自己在央行的个人征信情况，40%的用户不知道央行的不良征信记录如何消除，我国居民个人信用意识薄弱现象突出。

2016年中国实际个人征信市场规模为134.2亿，2020年有望达到341.5亿元，潜在天花板高达4000亿元。未来成长需要实现加速征信人口的覆盖、提升个人金融业务的活跃度以及丰富征信的应用场景。

征信在共享产品+共享服务等领域有巨大的发展潜力，罗兰贝格统计数据显示，2018年中国共享经济规模将达到达到2300亿美元（约合人民币14400亿元），占全球比重提升至44%。到2018年，中国共享经济占中国GDP的比例也从0.59%跃升至1.67%。而作为产业链上的重要一环，围绕共享经济商业生态，征信也将展现其巨大的商业价值，在共享产品+共享服务等领域有巨大的发展潜力。

4.百行征信的建立

央行准予“百行征信”经营个人征信业务的行政许可显示，“百行征信”注册资本10亿元，主要股东中国互联网金融协会持股36%，其余8家机构分别持股8%，许可日期截止到2021年1月31日。

结合公开信息推测，监管意图将“百行征信”打造成独立、具有公信力、富有创新活力的“中国特色”个人征信市场化机构。

一方面，监管将摆正市场异化的希望寄托于“百行征信”。我们预计，在规范性文件对隐私保护范围、服务对象种类尚无更加细致的指引时，“百行征信”可以通过其实践树立示范效应，从而厘清个人征信市场的边界，包括但不限于：第一，个人征信机构和信息使用者应当是相互独立的法律主体。第二，采集的个人信息范围应当仅限于《征信业管理条例》规定的狭义个人信用信息。第三，个人征信机构的征信产品使用场景要明确在个人借贷服务。

另一方面，监管希望“百行征信”能够在监管框架下“负责任的创新”。在遵守监管规则的前提下，“百行征信”可以联合其他社会机构，共同拓展、打造个人征信市场的健康生态。例如，如何运用科技手段和各机构的权责分配解决我国互联网多头借贷、数据孤岛林立、过度扩大借款人范围等问题。

行业普遍认为，“百行征信”属于《征信业管理条例》规定的“个人征信机构”，区别于国家设立的金融信用信息基础数据库。这主要包含两层含义。

第一层，“百行征信”是第一家获得行政许可的市场化个人征信机构，而非个人征信市场的基础设施。其服务对象主要有从事互联网借贷业务的非银机构、从事个人借贷业务的传统金融机构、金融监管与公检法等机关、信息主体、未来其他个人征信机构以及相关的个人征信服务机构等。

第二层，“百行征信”与其股东按照《公司法》、《公司章程》规定分配各自权利义务。互联网金融协会可以利用有效的公司治理机制实现一定的行业自治意志。从各家机构的持股比例分析，互联网金融协会联合其他四家公司就可以超过三分之二多数；互联网金融协会联合其他两家公司就可以达到简单多数。

相比于苦等3年未能独立拿牌的8家个人征信业务准备机构，百行几乎是衔着个人征信牌照“出生”的。人行征信管理局局长万存知5月进一步表示，要剥离8家机构的个人征信业务，并入百行，8家机构只能做征信以外的数据服务。

有些机构已经在进行调整。例如，外媒称芝麻信用分将不能用于金融服务，目前从支付宝App上可以看出，芝麻信用已经在大范围减少在金融场景的应用范围（只剩花呗和天猫开新车）。

与网联一样，百行征信似乎给中小互金平台带来的机会更大。这些机构自身数据不多，风控能力不强，百行征信给了中小平台一个风控工具。不过百行征信的出现对于行业格局影响肯定不是决定性的，小平台虽然多了一些有效数据，但风控能力没法获得实质性提升，而且在同样关键的获客、资金成本等方面，小平台依然落后。头部平台获得了其他机构共享的数据，优势依然明显。金融行业本身不是形成寡头垄断的行业。百行征信的出现，或会使互金更有传统金融的格局特征，即多家平台位于头部，而不是互联网领域的“7-2-1格局”。

百行征信的出现，将会对于市场上的大数据风控服务商形成一定冲击，很多大数据风控服务商其实是卖数据的公司，供互金机构查询各种维度的数据。百行征信出现后，查数据的需求预计会在一定程度上减弱。各种与借贷弱相关的数据对判断信用的作用有大有小，如果互金机构有了借款记录、逾期次数等重要信息，对各种维度的大数据需求就小了。大数据风控厂商未来可能更加依赖风控模型和工具，提供信用评分、贷前贷后管理系统等产品，这方面的需求依然会存在。

总结与展望

数据是征信行业的基础，我国80%的数据都掌握在政府手里，政府的数据开放度很低。而批筹的八家个人征信机构虽然都有大量的平台数据，但都希望形成自己的闭环，客观上分割了市场的信息链。而且每家的信息覆盖范围受到限制，信息不广、不全带来产品的有效性不足，也不利于“信息共享”，个人征信并未走出数据孤岛的“囚徒困境”。

通过以上分析，金准人工智能专家认为我国个人征信行业存在以下发展趋势。

信息保护成监管核心，或将审慎批设个人征信牌照。征信业的本质是信息共享，如果没有有效的信息保护，就不会有充分的信息共享。在人民银行看来，个人信息保护构成个人征信监管的核心内容，对于个人征信机构要提高门槛，审慎从严批设市场化个人征信机构。

信联有望建立统一的个人征信标准。目前，各家征信机构的模型多是基于自身平台的金融交易、电商交易、社交或生活数据，是非结构化数据。信联会按照相关规定，建立个人信息保护制度，制定业务制度、工作流程、操作规范和数据标准。填补非银金融领域的征信空白。

非持牌机构利用数据优势，切入征信产品或应用等环节。传统信贷数据牢牢掌握在传统征信机构手中，央行征信中心作为全国最大、最权威、最官方的征信机构，提供的是社会化、标准化、全局化的产品。新晋参与主体着手非传统信贷数据的搜集和引用，通过与互联网化的生活数据直接对接，将多元数据引入行业，利用自身的技术能力和对行业的深度理解，提供定制化、专业化的产品和服务。同时金准人工智能专家认为，市场化的征信机构未来和政府部门相互补充信用数据，形成更加完整的个人信用名片，以服务金融机构、服务类企业和个人。

前言

目前，65岁以上的老年人口占我国总人口数17.3%，随着老年人口的增加，适龄劳动人口的减少，中国的养老的压力也越来越大。与此同时，随着国内机器人产业的兴起，机器人养老成为了新的探索方向。在政策上，机器人养老也得到了大力的支持。据《机器人产业发展规划（2016－2020年）》所规划，机器人将在5年内走入养老服务业。清华大学机械工程系的张文增教授也表示，机器人养老是一个非常重要的主题，未来市场将是海量的。

尽管有政策的支持，学界和玩家们也纷纷看好该其前景，但目前机器人养老的市场情况却不容乐观。少数玩家针对养老这一特殊场景推出了更垂直的解决方案，而大部分的玩家都选择与儿童产品通用的方案，忽视了老年人这一人群的特殊属性。在此之下，机器人在养老市场的场推广上也却步履维艰，To B方面以医院和养老院两个场景率先形成小规模的初级市场，To C方面声势甚微。

近日，金准人工智能专家发现，无论是学者还是行业从业者对机器人养老的前景都持看好态度，甚至有海外企业涌入国内市场，但国内市场却存在着鱼龙混杂、大部分企业谈概念等突出问题。金准人工智能专家将起底机器人养老产业现状，深入分析众玩家打法和产品设计情况，以及市场需求与产业发展方向。

一、国内市场早期入局玩家

国内方面，目前入局的玩家并不多，大部分企业都处于试水和初步布局阶段。在应用场景上也主要分为家庭、养老院和医院三大典型场景。在市场早期，金准人工智能专家发现一些较为积极的早期入局者，如广东礼宾机器人、柚瓣机器人和优必选智慧养老克鲁泽Cruzr机器人。

1.广东礼宾机器人

医院是机器人养老的重要应用场景之一，成立于2015年的广东礼宾医疗科技股份有限公司，目前就将市场重心放在了医院上，希望解决养老的一点刚需，陪伴老人度过漫长的护理期。据其CEO周全胜介绍，他们已经在机器人养老上做了三年，目前年出货量大约8000台。除了采购一些厂商的机器人本体外，自己也在开发硬件，并推出了小宝和精灵两款硬件产品。

2.新松家宝机器人

去年11月，辽宁德沃与沈阳新松联合开发了一款智能养老服务机器人。今年年初，新松也展示了用于养老的家宝机器人，包含智能看护、亲情互动、远程医疗、家政服务等功能。同时，可以对老人身体健康状况进行实时监测，构建用户管理、健康检测、慢病管理、生活陪伴、家庭医生助理、紧急警报等服务在内的应用解决方案。此外，这款机器人还可以与家人视频通话、向老人推荐养生菜谱、规划旅游线路等。

3.柚瓣机器人

去年，重庆柚瓣家科技有限公司与机器人本体厂商康力优蓝合作，推出了专门陪伴老人的机器人——“柚子”。这款机器人以康力优蓝的“小优”机器人为本体，搭载了柚瓣家科技的养老系统解决方案。在功能上，通过接入的第三方内容可以实现，听戏听歌等娱乐陪伴，同时，通过与外接医疗仪器相连，进行健康管理、测量血压血糖、提醒用药，远程呼叫等，最突出的功能是进行视频双向监控，可以监控老人状况、保姆是否悉心照料。

目前，这款产品主要在重庆市的养老院进行推广，据康力优蓝CMO赵博韬介绍，目前，该项目的提货量已达5000台。此外，也有其他向老年市场推广的渠道商进行相关咨询。

4.优必选智慧养老方案——克鲁泽Cruzr

国内人工智能独角兽公司优必选科技也在养老机器人市场上进行布局。据介绍，优必选以智能服务机器人克鲁泽Cruzr为本体，提供了一套智慧养老的解决方案。据优必选方面负责人吐露，根据前期市场调研和用户反馈，克鲁泽Cruzr计划在养老院等场景中的应用比较广泛。

在产品优化方面，克鲁泽Cruzr主要针对老年人提供健脑练习、情感交流、“零”学习成本唤醒、自主查询、数据分析以及运动指导等内容。

此外，还有天津哈士奇机器人科技公司、深圳市汉伟智能技术等公司也推出了智能养老机器人产品。

5.海外企业在中国的探索

日前，金准人工智能专家还通过上海国际机器人展会了解到一家名为甜甜圈机器人的日本企业。据该公司中国区负责人李中会表示，日本甜甜圈机器人株式会社由日本软银投资，与日本知名企业NEC、日立、安川电机、JAFCO、三井物产等公司有战略合作关系，主要面向老人看护市场。目前，该公司正在筹建中国部门，去年11月还加入山东阿兰图灵公司的阿兰图灵人工智能小镇项目。该公司表示，2018年将向海外市场发展，中国是首选方向。

去年6月，有消息称，护理用机器人的最大厂家安川电机，在与中国企业美的合作，拓展中国市场。希望借助安川电机的机器人制造技术，结合美的对中国市场熟悉，进行中国市场的拓展。金准人工智能专家从美的机器人处获悉，该项目已暂停一年多了，具体原因对方没有透露。

金准人工智能专家认为，海外有竞争力的机器人企业涌入，将会刺激国产机器人企业在养老机器人市场上的探索，同时也将刺激国内市场更加规范。

二、养老机器人市场的三大突出问题

从2013年开始，中国成为了世界最大的机器人应用市场。据金准数据预测，预计2015-2018年全球服务机器人市场总规模约394亿美元，四年年均复合增长率21.07％。2018年全球服务机器人市场总规模将近130亿美元。可以说，中国的养老机器人市场非常广阔。然而，环顾养老机器人市场，却存在着玩家少、产品针对性差且不专注、市场推进缓慢等问题。

上文我们看到一些在此市场早期布局的企业，他们也都推出了针对老年人特点和需求的解决方案呢，而为了抢夺一部分老年市场，大部分的玩家做法是将儿童产品与老年产品混为一谈。在电商平台，我们能看到这种做法的产品比比皆是。

需要正视的问题是，儿童产品更注重教育属性，而老年人作为成年人更注重实用性。两者在内容上具有较大的差异性，老年人由于肌体能力、学习能力的下降，接触高科技的门槛较高。对于线上购物、线上支付、叫外卖、线上滴车、信息查询等年轻人习以为常的科技服务的操作能力，甚至是认知都非常弱。

因此，在现阶段机器人的技术和能力达不到帮助老年人端茶倒水、翻身排便的时候，将这些实用性的功能集成到机器人产品中，尚可解决一点养老的刚需。

老年人对互联网的接触较少，因此，在老年市场上，推广渠道是一个重要因素，此外，价格是影响市场推进的另一个重要因素。

三、养老机器人产业的市场机会

面对这样一个庞大的市场，如今半温不火的状态，不禁让人追问，机会在哪，如何破局？金准人工智能专家带着这样的疑问，与研究学者、机器人厂商和养老专业人士进行了探讨。

清华大学机械工程系的张文增教授表示，机器人养老是一个非常重要的主题，而且未来市场必是海量的。目前养老服务机器人的一个困境是机器人跟手机的差别并不大，只是移动着的手机，但在发声交互方面的进步很大。但在养老的实际场景中，操作物体认识一个亟待解决的重要问题，目前抓握能力尚需人遥控并且做复杂的编程，如果在这一方面能够再进一步开展深入研究，研发出相关产品后，在养老机器人等细分市场将有迅速点燃市场的极大可能性。

在广东礼宾机器人CEO周全胜看来，机器人在养老上的应用，主要有医疗、应急和生活服务三个方面，但都依赖线下资源。同时，以目前的技术来看，机器人的应用还是要依赖于前后端的配合。因此，他认为现阶段应先解决一点养老的刚需问题，如在医院陪伴老人度过漫长的治疗期。优必选和康力优蓝等则将重心放在了养老院上，更多的通过在B端的合作，拓展市场。

北京普乐园养老院院长闫帅告诉金准人工智能专家，能与远程医疗对接的机器人还是很需要的，对于先阶段可以链接血压计、血糖仪等设备，也接入了外卖、淘宝、打车软件等内容，可以做视频监控，可以移动的机器人产品，可以考虑采购，但会考虑价格问题，毕竟相比之下价格更低的智能音箱也可以做到一部分功能。同时，闫院长也表示，更希望这种价格略高的产品，能以共享的方式提供。

四、先行者日本的经验

说到人口老龄化和机器人产业，首先会让我们想到邻国日本。日本是世界上老龄化问题最严重的国家之一。早在20世纪七八十年代，日本就已经步入老龄化社会，也是最先迈入老龄化社会的亚洲国家。中国的老龄化进程比日本要晚了二十年左右的时间，在日本实践中证明有效的产品，大都可以拿到中国来使用。

为了解决养老压力，日本采用了大数据与机器人结合的方式，大数据主要是将老人病例电子化，将检查结果、用药情况上传到云，避免医院重复性检查，同时可以根据数据预测患者罹患疾病的情况，及时对症下药。

机器人方面，日本的养老机器人主要有物理辅助机器人和社交辅助的机器人两类。物理辅助机器人是养老机器人市场较为高阶的产品，参与过为老年人提供介护服务的人都知道，介护中最艰难的是排便，其次关键的问题还有按时翻身以防生褥疮、对老人掉下床造成骨折和死亡事故提供警报、检测病人呼吸、心率等指数。

物理辅助机器人方面，日本松下公司推出的可由床变成轮椅的机器人Resyone、日本理化研究所（RIKEN-SRK）人机互动研究中心和日本住友理工公司在2015年推出的护理机器熊“Robear”等。社交辅助的机器人，主要负责和老年人进行互动，成为陪伴在其身边的伙伴，如Paro、Pepper、Babyloid和Ludwig等。

工业机器人四大家族之一的安川机电，目前也在用很大精力研发护理机器人，并且已经开发出了能够让病人锻炼手、腿等的机器人，通过不断在机器上活动，能让减弱或者丧失的运动功能重新获得运动能力。

需要提出的是，日本属于社会养老、政府养老为主，因此在机器人养老的推动上更加积极。

结语：抓住老年人刚需才能打开市场

养老是一个经久不衰的话题。家庭、医院和养老院将是三个典型场景。就中国的市场情况来看，家庭养老将持续想当长的阶段，所以机器人想要在养老上应用，应抓住老年人的刚需。

就目前市场上的产品来看，入局机器人养老的玩家较少，具有针对性的产品也较少，更多的玩家为了抢占市场，采用与儿童市场同一的方案，混淆了市场，不利于老年市场的拓展。

从市场需求来看，养老院对与养老机器人的需求是存在的，但是养老机构与机器人企业在沟通上相对缺乏，如果能双向推进相互的交流，该市场将有望迅速打开。

前言

2014年，亚马逊发布了内置人工智能助手Alexa的智能音箱Echo，这标志着一个家庭自动化新时代的到来。在近四年的时间里，亚马逊的Echo音箱一直主导着智能音箱市场。

现在，智能音箱的普及程度越来越高，智能音箱也越来越商品化，而且成了一种全球性的现象。早期进入智能音箱市场的亚马逊正在失去它的市场份额——不仅仅是因为它的竞争对手谷歌，还有中国新兴的智能音箱玩家的出现。

金准人工智能专家将目光转向低成本、高容量的智能音箱市场，探讨新的商业模式是如何模糊市场竞争路线的。

金准数据显示，2017年第一季度，亚马逊智能音箱的全球市场占有率高达80%，紧随其后的谷歌有19%，阿里巴巴和小米的市场占有率均为0%。而到了2018年第一季度，数据发生了明显变化：亚马逊的智能音箱在全球的市场占有率下降至28%，“后来者居上”的谷歌占到36%，其次是阿里巴巴12%的市场占有率、小米7%的市场占有率。

金准数据显示，中国是全球第二大消费市场，仅在2016年就达到了4.3万亿美元的消费支出（美国以12.5万亿美元排名第一，日本以2.7万亿美元排名第三）。根据金准人工智能专家观察数据显示，中国智能家居市场在2018年将达到近230亿美元。智能音箱和人工智能语音助手正成为这一市场中不可或缺的一部分。

随着中国智能家居市场的升温，谷歌和亚马逊等老牌企业正面临新的竞争。

金准人工智能专家将深入了解新兴市场的参与者、合作伙伴、商业模式，以及中国在推动低成本、高产量的智能音箱市场方面所扮演的角色。

一、美国公司没给中国市场提供足够的服务

不论是亚马逊的Echo音箱还是Google Home智能音箱都没有渗透进入中国市场。

除了美国科技公司在中国面临的严格监管之外，中国的自然语言处理也很复杂（有130种方言和30种书面语言），这使得语音识别成为了一个巨大的挑战。

在美国的大型科技公司中，只有苹果的智能助手Siri支持普通话。该公司的Homepod智能音箱目前只支持英语，还没有在中国进行发售。

这让中国市场得不到美国企业的充分服务，而本土企业正在利用这一点。

智能语音是中国政府在全国首批人工智能应用领域的四大主要关注焦点之一，另外三个领域是医疗保健、智能城市和自动驾驶汽车。

中国的大型科技公司已经在中国大举投资。阿里巴巴在中国年度购物盛会“双十一”中以15美元的价格开始发售其天猫精灵智能音箱。百度最近将其在中国发售的智能音箱产品之一的价格从39美元下调至14美元。

这些低价格使得小公司几乎不可能参与市场竞争。

二、中国智能音箱价格大战，热度不减

经历了2017年的大爆发之后，2018年智能音箱市场热度不减：新的品牌不断涌入，市场竞争愈发激烈；产品不断丰富，百箱大战正式打响，高中低端产品布局逐渐成型；差异化细分市场开始布局，带电池的便携音箱、屏幕音箱和主打儿童市场的智能音箱产品面世；硬件配置方面芯片从通用向专用发展，语音专用芯片增多并逐渐实现量产。
继去年双11后，价格战再度来袭，低价mini音箱迅速普及，推动智能音箱618促销期销量大增。金准人工智能专家线上监测数据显示，2018年618期间（18W24-18W25），智能音箱销量为28.7万台，销额为0.7亿元，均价为263元。销量虽不及去年双11的百万量级，但从消费者购买意愿看，消费需求是存在的。金准人工智能专家预测，2018年中国智能音箱市场规模将达到525万台。

三、新兴商业模式模糊了竞争界限

进入智能家居市场的中国企业正在部署一种双重商业模式，以获取全球市场份额，并在中国扩张业务：

首先，他们与美国科技公司合作，将他们的硬件搭载微软小娜和Alexa等人工智能助手，在中国以外的地区销售智能音箱。

其次，他们正在与中国的智能语音创业公司合作，或者公司内部开发对话式的人工智能软件，在中国境内销售，而美国的科技公司在中国市场面临着严格的限制。

金准人工智能专家总结了一些公司采用这些方法的例子。

1.联想

为了进入智能音箱市场，联想与亚马逊合作，在美国推出内置Alexa软件的智能音箱。在推出之时，该公司的智能音箱价格比同等规模的亚马逊Echo音箱要低50美元，而且据说音质也更好。

这符合亚马逊最近与第三方硬件制造商合作的趋势，即将Alexa的语音软件作为服务出售，从而扩大Alexa的市场渗透率和用户基数。

为了进一步提高其硬件能力，联想与领先的音响设备制造商哈曼卡顿合作，生产音质更好的音箱。三星子公司Harman Karson也与亚马逊建立了合作关系，以销售自己的Alexa音响，这进一步模糊了全球竞争的界限。

但对于在中国国内的销售而言，联想则是利用人工智能创业企业AISpeech开发的语音识别软件，开发了单独的音箱模型。

2.MOBVOI

谷歌在2015年投资6000万美元支持Mobvoi，这是该公司首次直接在中国投资。这家创业公司生产语音手表、音响和智能镜子。

Mobvoi的智能发言人TicHome在全球范围内配备了谷歌助理，但在中国，谷歌仍然面临严格的限制，Mobvoi出售其智能音箱，并内置了自己的语音对话软件。

（注：谷歌本月收购了中国电商巨头京东的少数股权。这两家公司曾讨论在京东购物网站上出售Google Home音箱，虽然目前还不清楚谷歌在中国采取何种模式扩张业务，以应对目前的市场限制。）

京东也是最早推出智能音箱的中国厂商之一，这款名为DingDong的智能音响采用了领先的语音识别公司iFlytek的人工智能软件。

3.小米

独角兽公司小米是中国领先的手机公司之一。（独角兽”公司是指成立10年以内、估值超过10亿美元、获得过私募投资且尚未上市的企业。智能菌注：小米公司已于2018年7月9日在香港上市。）

该公司正在开发自己的人工智能助手，与亚马逊的Alexa合作，并有可能整合微软小娜，推出新的智能音箱产品线。

这一合作可能会让一直在智能音箱竞赛中远远落后于谷歌、亚马逊和苹果等美国科技公司的微软在市场中获得一席之地。

除了智能手机和扬声器，小米还在中国销售各种各样的消费电子产品，包括智能电视、吸尘机器人、智能灯具，甚至还有电饭煲。

考虑到它对人工智能的关注（它最近组建了一个500人的人工智能团队），我们可能很快就会看到它的人工智能助手问世。

四、语音市场中的百度、阿里巴巴和腾讯

中国最大的三家科技公司——百度、阿里巴巴和腾讯——正将自己定位为在从医疗保健到无人驾驶汽车等一系列行业的人工智能领域的全球领导者。智能音响是这三家公司共同关注的领域。

1.百度

百度希望其DeurOS平台成为全球主要的会话人工智能软件，与亚马逊Alexa直接竞争。

在今年第四季度，百度推出了一款名为“Raven H”的智能音箱，它的名字来自于去年被百度收购的人工智能助手初创公司Raven Tech。

尽管百度的智能音箱在其对话的人工智能平台DuerOS上运行，该公司同时也依靠外部伙伴进行硬件设计。Raven H公司与瑞典一家名为“Teenage Engineering”的公司合作，发明了一种与市场上其他公司都不一样的音响。

下面是Raven H的照片，还有一个由Teenage Engineering公司拥有专利的无线扬声器。

去年，百度还收购了总部位于美国的自然语言处理创业公司kitt.ai，该公司曾得到亚马逊Alexa基金的投资。在今年第一季度，该公司在中国境外地区推出了第一款搭载DuerOS系统的商用硬件产品：在日本推出了一款集智能音箱、智能台灯和投影仪三大功能为一身的产品。

DuerOS受到的是中国数据的培训，但百度在2011年收购了日本输入法编辑器Simeiji后，百度获得了理解并支持日本用户的对话和语法的条件。

百度也在韩国申请专利，且已在韩国有了专利技术，同时它也在为进入东南亚市场做准备。

例如，一项名为“基于人工智能和终端设备的人机交互方法”的专利（如下图所示）似乎将语音识别和面部识别技术结合起来，就像亚马逊的Echo一样，将其应用到类似于消费者的机器人设备上。

除了美国和中国等主要消费市场外，该公司在日本和韩国申请了该专利。

2.阿里巴巴

阿里巴巴宣布，自2017年7月正式推出以来，已售出超过100万台天猫精灵智能音箱。

天猫精灵使用人工智能语音助手AliGenie，与亚马逊的Alexa进行竞争。AliGenie类似于Alexa，用户可以给AliGenie添加至少100种技能，还可以通过AliGenie在阿里巴巴的电子商务网站上用自己的声音购物。据The Verge报道，这些命令中有许多可以通过说出“天猫精灵”来激活。

AliGenie可以通过手机摄像头识别物体，包括4万个药品包装、儿童书籍封面和更多的东西。其医疗保健功能主要针对中国老龄化人口和视力障碍人群。

除了智能家居外，阿里巴巴还在为10万间万豪国际酒店客房配备智能音响设施，提供礼宾服务。

3.腾讯

最近，Tecent加入了智能音箱竞赛，但它的强大之处在于其微信的用户群，其微信用户群有近10亿人左右。

它的智能音箱Ting Ting将可以访问微信的应用和服务，比如发送语音信息，免提。

腾讯语音在美国申请的专利超过了50个结果，包括语音处理和认证方法。

五、与美国争夺市场份额

对智能音响主导地位的竞争并没有放缓。

来自中国企业的廉价音响可能日益威胁到正在研发硬件的美国大型科技公司，迫使它们专注于人工智能软件开发。

但即使是在人工智能软件领域，两国的科技巨头也瞄准了同样的市场和合作伙伴。

例如，亚马逊与之前提到的Harman Kardon合作，销售装有Amazon Alexa的Harman智能音箱。而百度已经与Harman单独合作，将其对话人工智能平台DeurOS整合到Harman的汽车中。

Sonos最近推出了与Alexa集成的智能音响，计划在2018年底前支持苹果的Siri和谷歌助手。Sonos也在与中国的初创公司Rokid合作，以解决中文支持的问题。

在智能音响方面，中国企业无疑在国内拥有优势，但在全球范围内，它们面临的最大挑战是，与Facebook、亚马逊、微软、谷歌和苹果公司相比，它们缺乏外语用户数据。

它们在智能家居领域的国际扩张，可能将取决于在特定市场上的合作或收购大数据公司，类似于百度在日本推出其人工智能助手阿拉丁时的做法。

为了实现这些目标，更多的国际合作、投资和收购可能正在酝酿之中。

总结

智能物联时代，层出不穷的各种智能设备不断推向市场。但不得不说的是，智能音箱的产品设计发展越来越趋于同质化，各家产品几乎没有太多特色，大同小异，在这样的环境下，价格战这个看似行之有效的策略又出现了。市场最终给出了答案，国外市场上，亚马逊和谷歌的音箱最为畅销，HomePod今年一季度只销售出60万台，天猫精灵和小爱同学月售几万台。

金准人工智能专家认为，一方面，互联网企业低价倾销造成了热闹的景象，但用户真实需求还未形成，智能音箱产品主要针对的就是“90后”及更小的人群生活方式的改变，需要等他们有了“稳定的”居住环境才会渐渐成型。

另一方面，从音箱产品本身来看，好音质的音箱从来都不缺，价格较贵的才有品质体验。对于非专业生产音箱的互联网公司来说，再主打好的音质也难以达到专业级别。而被赋予智能定义之后，是增加了产品的卖点，但如果把尚未突破语音语义技术瓶颈的语音助手硬加“智能中控”的定义，难免被怀疑真实性。“发明者对于产品的定位非常重要，智能手机市场最初的高端定位也是由发明者三星、苹果等厂商决定，而智能音箱的发明者亚马逊从最初设计，到产品进入市场，都没有将其定位为高端家居产品，后来追随者想要改变这一定位，非常困难。”

前言

人工智能是一个跨领域学科，旨在创造出智能机器。我们相信，AI将会成为促进数字化、数据社会的强大催化剂。这是因为，如今我们周围的一切，从文化到消费产品，无一不是智能的产物。

1.研究与技术突破

1.1迁移学习

我们通过学习示例来训练机器学习模型解决任务。但是，为解决一个新的任务，需要使用专门的新数据重新进行训练。迁移学习可以让经过训练获得的知识应用于新任务中。

迁移学习：从Image Net训练模型预测目标，检测皮肤癌

迁移学习能够对人类患者的危险皮肤病变进行自动、最先进的检测。

GoogleInceptionV3网络首先在Image Net上接受训练，再使用129,450张临床图像进行重新训练以检测2,032种不同的皮肤病。它可以学习仅基于像素输入和疾病标签对图像进行分类。结果显示，该模型优于21名斯坦福皮肤科专家。

1.2AI硬件新前沿

半导体在促进AI发展中的角色。

半导体（或芯片）是AI研究和应用进步的关键驱动因素，这是因为AI模型经常需要训练大量数据来学习特定任务（如图像识别）。

GPU成为AI模型训练的得力助手，很大部分原因是其能提供比CPU更强大的并行计算能力。这意味着更快的训练速度和迭代。

硬件之战：更多GPU会让训练速度更快，构建规模更大、功能更强大的模型。

AI硬件对深度学习意义重大。AI模型性能随着数据规模和模型参数提高，计算量提高。

毫无疑问，GPU越来越受到开发者的欢迎。

然而，GPU更擅长处理图像任务，并进一步扩展到高性能的计算和AI任务。

训练时虽然广泛使用GPU，但它却并不擅长推理。虽然大多数情况下，GPU性能优于CPU，但数据中心大量的CPU使其成为一个有用且广泛使用的平台。例如，在Facebook，GPU基本上被用于线下训练，而不是实时用户数据处理。

处理器内核时钟频率没有变得更快，摩尔定律产生的能量有限。

GPU和新型硅片的租金价格太高，意味着计算资源会受限于资金预算。

虽然谷歌的TPUv2价格更贵，但是模型训练速度更快，更加经济。

在GoogleI/O2018上，谷歌发布了第三代TPU。

在2018年5月的GTC上，英伟达发布了HGX-2，可同时用于高精度要求的科学计算和低精度要求的AI负载任务。

很多企业在开发定制AI芯片，包括IC（集成电路）供应商英特尔、高通、英伟达等，科技巨头和HPC（高性能计算）供应商谷歌、亚马逊AWS、三星等，IP供应商ARM、新思科技等，中国创业公司寒武纪、地平线机器人等，以及全球的创业公司Cerebras、Wave Computing等。

大型云服务商在制造专用AI硬件，并大幅提高预算支出。

传统计算机视觉通过检测物体来描述视觉场景。AI模型进行物体像素关联（语义分割）或识别展示物体（分类）然而，检测出图像中的物体还不足以理解真实场景。AI模型在进行基于目标理解描述视觉场景任务时犯了明显的错误。真正的视觉场景理解需要理解动作和常识，使用深度学习和标记目标动作的视频来学习常识是一种可行的方法。

1.3大规模视频理解数据

创建训练机器学习模型理解视频的数据集。创建描述感兴趣的动作的视频，例如假装扔下一些东西。如果深度学习模型能够识别和消除视频中行为中的细微差别，那么它具备了关于世界的常识。这也被称为“直观物理学”（intuitive physics）。

1.4文本语义理解

深度学习模型实际上可以理解视频中的动词和名词。

机器还可以通过学习从不同视角理解视觉场景。如果机器学习模型可以正确地预测同一场景的另一全新视角，它就获得了这个场景的内化知识。

1.5目标导向的强化学习：以游戏为例

Alpha Zero表明深度强化学习可以通过学习击败世界围棋冠军。

Alpha Zero是一个无人类干预或历史玩家数据输入，通过自我对弈即可预测从一特定棋盘位置走棋输赢概率的AI系统。让人震惊的是，Alpha Zero系统超越所有其他版本的Alpha Go（基于两套神经网络），经过40天的训练即超越人类最高水平。

Open AI的多代理强化学习系统学习复杂的实时战略游戏《魔兽争霸2》。

Open AI Five是由5个RL代理组成的团队，通过强化学习自我对弈优化游戏策略每个代理的神经网络经过强化学习训练都可观察局部和高维环境来生成长期动作规划。这些强化学习代理可以组团打败人类玩家，它们采取的多样化行动和大范围地图互动十分引人关注。

1.6怎样保证模型训练无偏见？

机器学习偏见例1:刻板印象

土耳其语中性别是中立的，但是谷歌翻译会在英语-土耳其语转换时产生性别区别，反之亦然。

例2:种族歧视

当训练数据中未合理标识皮肤颜色时，计算机视觉系统会做出冒犯性的种族偏见的行为，比如一些人脸识别系统无法识别黑皮肤的人。

受训练数据影响，机器学习会产生5种分配偏倚。典型的偏见来源于训练数据没有合理地代表多样性或被标记有偏见的标签。

1.7调参的可解释性

与所有软件一样，ML模型也需要调参，但是却很难解释原理。许多ML，尤其是DL模型，很多完全就是“黑盒子”。

可解释性可以证明机器学习的推理是“正确”的。

在计算机视觉中，模型可以解释一个具体的标签是由哪个像素推导而出（例如，哪个像素是狗）。这样，我们就可以知道模型到底是真的正确学习了还是因为某些错误的原因偶然得出了正确的预测标签。

下一步：用简单易懂的语言解释决策的合理性

结合文本生成基本原理和注意力视觉化可以深入解释决策原理。

对于特定问题和图像，Pointing和ustification Explanation(PJ-X)模型预测答案和多模态的解释都指向决策的视觉证据并提供文本。多模式解释可以生成更好的视觉和文本解释。

1.8对抗攻击

对抗攻击意味着现实世界中将存在严重的安全风险

受到对抗攻击之后，原来可以检测到穿越斑马线行人的计算机视觉系统就再也“看”不到他们了。

当自动驾驶车辆上路之后，这显然会造成巨大的安全隐患。

1.9谷歌Auto ML自动学习

谷歌的Auto ML自动学习系统可以找到计算机视觉任务的最佳模型。Auto ML遍历架构搜索空间，找到两个可以集成到一个优于所有现有人造模型的最终模型（NASNet，右图）的新单元设计（正常和缩小，左图）。

Federated learning分散数据获取和模型训练

谷歌使用Federated learning训练其移动键盘预测模型Gboard。

2.全球人才供需分布

人才供给：Element AI预计全球有22000名AI研究者和工程师拥有博士学位。

全球仅有3000名可用的AI人才劳动力；亚洲市场紧追西方市场；中国同业互查公开发表数量超过美国。

Element AI预计全球有5000名高级AI研究者。

美国是全球AI人才的温床，岗位空缺10k，是人才交流最集中的地方。

人才分布：众所周知，谷歌是最大的AI人才雇主。

2017年ICML6.3%的论文的作者来自谷歌/Deep Mind。

今年ICML论文作者来自谷歌/Deep Mind的论文数量相比2017年翻了一倍。

2017ICML谷歌贡献的论文最多。

在NIPS大会，谷歌&Deep Mind论文作者数量占主导。

需求：机器学习工程师薪水持续上涨。据金准人工智能专家了解，刚出校门的博士生或有若干年工作经验但教育水平低于博士的AI专家年薪可以达到30万-50万美元，或通过持有公司股票可能得到更高的薪水。

在Deep Mind，员工规模扩大到400名，成本达到1.38亿美元，每名员工成本约为34万5000美元。OpenAI2016年为研究负责人Ilya Sutskever支付了190万美元的薪酬，为Ian Good fellow支付的薪酬超过80万美元。金准人工智能专家估计，AI行业薪资水平较2014年翻了一倍。

3.行业：知识产权集中在巨头

关于AI的知识产权，毫无疑问聚集在几大巨头公司：GAFAMBAT（谷歌、苹果、Facebook、亚马逊、微软、百度、阿里巴巴、腾讯），它们每年的研发费用达数十亿美元。

尤其是云服务巨头，正在通过API建起各自的城墙。比如谷歌通过其云生态投入大量资金宣传ML服务，亚马逊、谷歌等公司也在做着同样的事情。

在实际应用行业当中，人工智能发挥了什么作用？最近一部爆口碑的电影《我不是药神》，天价药物的存在，寻找仿制进口药，无疑反映了医药行业发展进程慢且药品价格昂贵。

谷歌Tensor Flow在机器学习框架之战中胜出，但是战局变化迅速。

这意味着谷歌赢得了开发者的拥护，借此打造了一条云服务通道，让一代开发者和研究人员使用他们的技术并不断改进。他们的开放战略也解决了一些潜在的竞争对手。然而，实践者却感觉到这一领域潜藏巨大的不确定性。选择错误的框架会产生严重的后果，不仅包括重构成本。

3.1医药行业

目前，医药行业的发展进程慢且价格昂贵。在医疗行业，机器学习可用于开发新药，或者改变现有药物的用途。例如苏格兰初创公司Exscientia，目前已跟葛兰素史克公司达成合作；用机器学习进行药物研发的公司insitro等。在保健行业，机器学习可用于医疗成像、液体活检等。金准人工智能专家预计相关公司产品通过临床试验和监管检测之后将会采取更多行动。

3.2政府和国防

另一个重要行业是政府与国防（Government and defense）。比如中国政府继续推广使用计算机视觉监控软件。2017年末，中国共有1.7亿台闭路监控器。此监控网络将在3年内将增长至4亿台。成立4年的商汤科技遥遥领先，2018年5月获得C轮融资后估值超过了45亿美元。

谷歌则因与五角大楼合作军事项目Project Maven遭到抗议，其中谷歌4500多名员工联合签署公开信要求谷歌停止该协议。

受剑桥分析公司丑闻事件影响，个人数据隐私问题成为焦点，数据保护和匿名成为人们关心的话题。其中欧盟的GDPR已于2018年5月生效，以保护用户数据隐私。在数据保护和信息匿名方面，机器学习可以作用于：人工数据合成和混淆敏感数据。

3.3卫星数据

随着微型卫星的发展，部件成本和发射成本降低，向地传输架构逐渐完善，卫星数据的成本随之降低，分辨率和频率不断提高。在卫星数据领域，机器学习可用于保险、金融和农业。

3.4网络安全

云计算、移动设备和更多联网供应链意味着网络攻击的风险在增加。但是，网络安全从业人员的缺口却越来越大。机器学习能够以灵活的方式从过去的攻击中学习，并自动进行处理，节约时间。在网络安全领域，机器学习可用于网络和终端安全、内部威胁检测。

3.5库房自动化

电商的发展对库房分拣提出了更高的要求，劳动力和库房空间的稀缺也促使电商采用更多的机器人。零售商在亚马逊收购kiva以及对该领域的投资之后做出了反应。在库房自动化领域，机器学习应用包括机器人、库房管理系统等。

3.6蓝领手工操作

计算机视觉部件成本降低，技术提高，这意味着机器人的价格将会比各种蓝领工人的手工操作成本更低。机器学习可用于房屋建造、清洁、安保等。

3.7农业：室内和室外农场

2050年，全球人口将从76亿增长值96亿，粮食产量需要提高70%才能满足需求。农场和温室里配备机器人、控制系统、联网设备成为解决粮食问题的新途径。机器学习可用于温室控制系统、立体农场、农作物和动物健康监测、农作物收割等。

3.8自动化

在自动化领域，机器学习可用于共享自动驾驶车辆、最后一公里物流自动化、仿真环境、街道地图和软件开发自动化等。

3.9金融

在金融领域，机器学习可用于资产管理、信用贷款、预防诈骗。企业自动化机器学习可用于机器人处理自动化、文件数字化、软件开发自动化。

3.10材料科学

在材料科学领域，机器学习与医药行业的应用相似，可用于学习材料科学发现的规律。

4. 公众对自动化的态度调研

根据两家美国大型调研机构调查结果显示：民众越来越意识到自动化对工作的影响，18%的美国人表示他们知道有人因为自动化失业，薪资或工作时长减少。

年轻人、兼职、西班牙人和美国低收入人群反映受到影响最大。自动化将引起不公正的担忧越来越大。

布鲁克林研究所调查显示:

对AI的乐观程度

大部分人认为AI会改善生活

但AI也会牺牲隐私

并且AI会消灭一些工作岗位

大部分人认为AI是对人类的威胁

应该由政府监管

虽然美国目前仍然是AI领头羊

在公众对自动化态度调研这一部分，金准人工智能专家的调研结果显示：虽然美国目前仍然是AI领头羊，但认为中国在AI领域将在十年内赶超美国。

那么，美国劳动力市场实际上有什么变化呢？金准人工智能智能专家调查发现，这些变化主要体现在以下几个方面：

① 美国自动化程度虽然提高，但失业率却达17年来最低

② 常规工作发展停滞

③ 工资水平提高落后于工作岗位增长

④ 劳动产量与每小时报酬不成正比

⑤ 劳动力所得份额稳步下降

⑥ 工人收入变动幅度加大

自动化在导致美国劳动力市场现状中起到多大的作用不得而知，关于机器学习对劳动力市场的影响也出现了两极分化的观点：

其中一种观点认为无需担心，历史上科技进步总会创造更多的工作，这次也不例外；另一种观点则是忧心忡忡，认为这次革命与以往不同，人类将会创造更多智能，减少薪酬较高的工作，新增的工作岗位数量将少于消失的工作。

总结与展望

金准人工智能专家预测，在未来一年：位于中国的实验室取得重大研究突破。DeepMind成功应用RL学习在《星际争霸》游戏中取得突破性成果；深度学习继续仍然是讨论的焦点，重大替代方法不会出现；使用机器学习发现的第一种治疗药物在试验中产生积极的结果；总部位于中国和美国的公司收购欧洲机器学习公司的总额超过50亿美元；经合组织国家政府阻止总部位于美国或中国的技术公司收购一家领先的机器学习公司（估值>1亿美元）；争抢台湾和韩国半导体公司明显成为中美贸易战的一部分；一家大型研究机构因地缘政治原因未公开重大研究成果，因而“走向黑暗”。

前言

尽管当前我国经济速度放缓，宏观经济对于就业的拉动力出现疲软，但经济转型、创业热潮带动中小企业规模增长，将推动市场继续前行。

受益于“互联网+”，原有职业市场发生新变革，新型就业模式、盈利方式开始崛起，人力资源服务业愈加焕发出新生机。目前人力资源服务业各业态均开展了“互联网+”实践，其中，选择在招聘业态开展“互联网+”的有68.87%，劳务派遣的有28.82%，人力资源和社会保障事务代理有25.89%，这三个领域的“互联网+”融合发展最快、最多。大多数传统人力资源服务企业正在主动拥抱互联网技术，把互联网技术和传统人力资源服务产品或模式结合，实现产品或经营模式的创新。其中，招聘业的蜕变尤为突出。

中国互联网招聘市场稳定增长：2017年上半年中国互联网招聘市场规模为27.1亿元，同比增长率为18.9%，行业规模增长主要来源于企业业务拓展和单雇主价值增长两方面。

互联网招聘是双巨头市场格局：前程无忧和智联招聘仍然领跑行业，其中前程无忧营收份额最高，占比31.8%；智联招聘紧随其后，占比30.7%。流量波动季节性明显：受春节影响，PC端和APP端流量均在1月跌至谷底，在2月迅速回升，并逐步达到上半年流量最高值。

1. 中国互联网招聘行业发展背景

1.1宏观经济下行，就业规模增长缓慢

金准人工智能专家整理公开数据显示，2017年末全国就业人员77640万人，比上年末增加37万人；其中城镇就业人员42462万人，比上年末增加1034万人。全国就业人员中，第一产业就业人员占27.0％；第二产业就业人员占28.1％；第三产业就业人员占44.9％。2017年全国农民工总量28652万人，比上年增加481万人，其中外出农民工17185万人。

截至2017年底，全行业共有人力资源服务机构3.02万家，从业人员58.4万人，实现营业收入1.44万亿元。

2017年，共为3190万家次用人单位提供了人力资源服务，帮助2.03亿劳动者实现了求职择业和流动服务。

当前我国宏观经济过渡到平稳增长时期，GDP增长率呈现逐步下降趋势，经济增长作为拉动就业的动力开始疲软。

1.2创业热潮迎来大量新生中小企业

金准人工智能专家整理统计数据，2017年中国中小企业数量为8319万家，占企业总数的99%，贡献了中国60%的GDP、50%的税收和80%的城镇就业。随着近几年来国内创业热潮的兴起，中小企业的数量将在未来几年继续保持一个较快的速度。中小企业的人才需求较为旺盛，是招聘市场的主要力量。金准数据显示，2018年1—5月，我国累计实现城镇新增就业613万人，创历史新高；5月份全国城镇调查失业率为4.8%，是历史最低水平。

1.3人口红利消退，人才紧缺恐成常态

中国过去经济的增长过多依靠劳动力数量的优势，现阶段劳动人口规模减少，人口红利逐步消退。由于劳动人口规模的下降，劳动力供给将呈现长期下降趋势，而我国总体经济稳定发展、产业结构调整、第三产业占比上升，企业对于劳动力的需求仍将持续增长，在此情况下，人才将出现长期短缺状态。

金准人工智能专家分析认为，中国劳动力市场已从供过于求的状态进入供不应求的现状，企业招聘需求增长、招聘难度增加，企业对于高效招聘服务及产品的需求也将随之增长。

注释：岗位需求与求职人数的比率=需求人数/求职人数，表明市场中每个求职者所对应的岗位空缺数。如0.8表示10个求职者竞争8个岗位。

来源：中国人力资源市场信息监测中心，《部分城市就业服务机构市场供求状况分析》。

1.4人才流动加速，企业渴求高效招聘工具

公开数据显示，2015年我国员工平均在职时间为34个月，较美国员工短22个月；而其中男性员工平均在职时间稍长于女性员工。

金准人工智能专家分析认为，我国员工平均在职时间较短，说明我国人才流动较为频繁。伴随人才流动速度的提升，企业对于人才招聘的需求也将增加，这也将推动互联网招聘行业市场规模进一步增长。

1.5中西部地区网民规模增速明显

金准人工智能专家整理CNNIC数据得到，截至2017年12月，我国网民规模达7.72亿，普及率达到55.8%，超过全球平均水平（51.7%）4.1个百分点，超过亚洲平均水平（46.7%）9.1个百分点。我国网民规模继续保持平稳增长，互联网模式不断创新，线上线下服务融合加速，由此互联网+人力资源服务管理成为人力资源服务行业的创新点和新的盈利增长点。

2016年中国内地各省（市、自治区）网民渗透率前三名依然为北京、上海和广东。福建、浙江、天津和辽宁的渗透率也均超过60%，位于较高水平。山西、河北、山东、陕西、重庆和湖北等地区的排名均较去年有提升。中西部地区网民规模增速明显，江西（15.7%）、安徽（13.6%）、贵州（13.2%）、湖南（12.2%）、河南（11.0%）、湖北（10.5%）网民增速均超过10%。

1.6留学归国人数进一步增长

根据教育部公开数据显示，2017年度，我国各类出国留学人员总数达60.84万人，各类留学回国人员总数达48.09万人，创历史新高。近两年来，留学归国人员规模均保持在较高水平。金准人工智能专家分析认为，一方面，海外经济及就业环境的变化导致中国留学生海外就业难度加大；另一方面，国内社会经济环境逐渐优化，为海外留学人员回国提供了良好的机遇。

2. 2017年中国互联网招聘行业发展回顾

2.1招聘雇主数量稳步增长，招聘需求持续旺盛

金准数据显示，2016年中国互联网招聘行业雇主规模达到428.2万，增长率为29.1%。金准人工智能专家分析认为，（1）中国整体国民经济稳步增长，互联网招聘行业雇主招聘需求也随之增长；（2）中国企业尤其是中小企业、微型企业招聘需求持续旺盛，供需量大且匹配难度依然比较大；（3）互联网招聘企业拓展其他人力资源服务，互联网招聘提供诸如人才测评、人力资源外包等更多的人力资源服务，雇主规模随之增长。

2.2求职者规模仍保持较快速度增长

2016年中国互联网招聘行业求职者规模达到14449.5万人，增长率为12.1%。互联网的普及进一步推动在线求职者数量的增加。由于求职者数量体量已经非常庞大，因此增速逐步减缓，2019年预计突破1.9亿人。

2.3高学历人群是网络求职者的主体，且结构趋向固定

金准数据显示，2017H1中国互联网招聘求职者中，大学本科以上学历人群占比为57.4%。从整体趋势来看，高学历群体（大学本科以上学历）占比呈下降趋势，由2009年的66.4%下降至2017H1的57.4%，而低学历群体占比则呈现上升趋势。现阶段，互联网招聘行业求职者学历结构已基本稳定，高学历人群占比已基本稳定在60%上下，低学历人群占比稳定在40%上下。

2.4中国互联网招聘市场稳定增长，2017H1为27.1亿元

2017年，全国各类人力资源服务机构共举办现场招聘会22.3万场，提供招聘岗位信息1.04亿条，通过网络发布岗位招聘信息3.08亿条，发布求职信息6.3亿条，为3190万家次企业提供各类人力资源服务，帮助2.03亿人次实现就业和流动。

除了人力资源市场服务就业创业更加精准，人力资源服务业也得到快速发展。据统计，2017年各类人力资源服务机构3.02万家，同比增长12.98%；从业人员58.37万人，同比增长5.58%；全年营业收入达1.44万亿元，同比增长21.87%。

金准统计数据显示，2017年上半年中国互联网招聘市场规模为27.1亿元，同比增长率为18.9%。金准人工智能专家分析认为，行业规模增长主要来源于企业业务拓展和单雇主价值增长两方面。随着核心企业互联网招聘业务向二三线城市和蓝领人群扩张，带来雇主数量的增长。同时，互联网招聘企业也逐步向测评、人力资源外包等人力资源服务渗透，为雇主带来更多人才服务，单雇主价值（ARPU值）也随之增长。

2.5核心企业市场份额超六成

金准数据显示，2017年上半年中国互联网招聘市场中，前程无忧和智联招聘仍然领跑行业，其中前程无忧营收份额最高，占比31.8%；智联招聘紧随其后，占比30.7%。

金准人工智能专家分析认为，从营收份额来看，互联网招聘市场目前仍是双巨头的市场格局。尽管近几年垂直招聘和新型招聘企业逐步增多，但新企业在商业化变现方面仍需要一定时日，因此未来市场仍将保持双巨头的格局。

3. 2018年中国互联网招聘行业发展现状

在互联网招聘中，每个人可以根据自己工作的履历及从事的行业进行分类，供企业挑选目标候选人的履历，而个人求职者也能从海量数据中获取合适的岗位。“互联网+”使垂直招聘、社交招聘等新潮流异军突起。首先是拉勾网、大街网等专注于互联网行业的垂直招聘网站出现，紧接着，地产、快速消费品、金融等行业也都纷纷涌现了相对应的垂直招聘网站。

除了针对行业的细分，还出现了一些针对人群细分的垂直招聘。例如专门做海归招聘的Linkedin，以大学生兼职、实习为主的e兼职等。

“互联网+”改变的不仅仅是招聘模式，更改变了整个行业生产和消费关系。以前人力资源服务企业主要为企业提供人力资源服务，移动互联网的快速发展促使它们面向个人、走向雇员。服务模式的转变，使得作为终端的个体和企业的人力资源管理者，能够越来越多参与到产品的创新和流程的改造中，提升服务质量。

中国互联网招聘市场规模不断扩大。2018年第1季度，中国互联网招聘市场规模为18.2亿元，环比上涨3.9%。

2018年1季度的互联网招聘市场呈现出前冷后热的特点。由于2月中旬有中国最重要的传统节日——春节，因此在1月份，考虑到年终奖的发放、合适的机会、过节期间的心态等因素，职场雇员更换工作的意愿有比较大的降低，市场整体的流动性也随之减小，对招聘网站和职位的关注更多是基于节后更换工作的考虑。与此同时，雇主在1月份需要面临的人员流失情况并不是十分突出，也有部分雇主为了应付节后的流失高峰而选择在1月发布相关的职位，但从总体上来看，雇主的招聘需求也是明显降低的。在春节后的3月，随着职场雇员跳槽意愿的增高，雇主招聘的需求也随之增加，整体市场供需两端呈现出显著活跃的状态。

2018年第1季度，中国互联网招聘市场竞争态势与之前类似，前程无忧依然排名第一，份额为30.1%，领先优势有所扩大；智联招聘排在第二位，市场份额为27.5%；58赶集位列第三，其份额为25.5%.其余厂商共计占据市场份额16.9%。

中国互联网招聘市场进入成熟发展期，市场规模稳步增长，创新型垂直招聘网站开始蚕食传统招聘网站市场份额。

4.中国互联网招聘行业典型企业分析

4.1招聘行业五大典型模式

中国互联网招聘行业典型模式分为综合互联网招聘模式、社交招聘模式、垂直社交模式、分类信息模式和新型招聘模式。

1）综合招聘模式，代表性企业有前程无忧、智联招聘等，综合招聘模式发展较早，这类企业目前是互联网招聘的领军企业，市场份额超过60%。

2）社交招聘模式，是基于社交圈子和职业人脉的招聘方式，代表企业有大街网、Linkedin等网站。

3）垂直招聘模式，是指专注于某个行业、特定人群或是某个特定区域的招聘服务，代表企业有拉勾网、猎聘网、南方人才网等网站。

4）分类信息网站模式，代表性企业有58同城、赶集网等网站，这类网站主要发布蓝领人群的招聘信息，招聘业务只是这
类网站的一部分业务。

5）新型招聘模式，是指近些年兴起的新的招聘模式，如以Boss直聘为代表的直聊模式；以100offer为代表的拍卖模式；以内推网为代表的内推模式；以兼职猫为代表的兼职招聘模式等。

4.2互联网招聘企业分析

过去数年，在线招聘市场经历了轰轰烈烈的运动，各类玩家纷纷进场。传统网络招聘公司（前程无忧、智联招聘）、新型招聘公司（猎聘网、拉勾网）、职业和商务社交网站（Linkedln领英、大街网、天际、人和、优士、若邻）、分类信息网站（赶集网、58同城），伴随着资本源源不断地输送弹药，行业正进入一个群雄逐鹿的时代。

4.2.1综合互联网招聘-前程无忧

前程无忧（NASDAQ:JOBS）作为最早在纳斯达克上市的中国互联网招聘企业，其仍然稳坐中国互联网招聘头把交椅。其核心业务主要包括招聘猎头、培训测评和人事外包在内的全方位专业人力资源服务。2015年收购应届生求职网并投资智鼎优源之后，同时推出了无忧精英网，前程无忧在招聘业务上人群结构更加完整，推动其招聘营收快速发展。

前程无忧财报数据显示，2017Q2互联网招聘营收占比65.9%，其他人力资源相关营收占比34.1%。其他人力资源相关营收占比呈现逐步增长的趋势，前程无忧未来将会继续向人力资源各个领域渗透。

4.2.2综合互联网招聘-智联招聘

智联招聘（NYSE：ZPIN）于2014年6月12日晚间在美国纽约证券交易所挂牌上市，成为第二家在美上市的互联网招聘企业。

智联招聘财报数据显示，2017年Q2智联招聘互联网招聘营收占比89.0%，其他服务营收占比为11.0%。根据2017财年第四季度财报（自然年2017Q2）数据显示，智联招聘第四财季中的独立雇主人数为45.4万人，比去年同期的38.4万人增长18.4%，主要由于其将战略重心放在了继续扩张地区性业务上。在扩张地区性业务的同时，智联招聘在校园招聘和职业测评业务上横向拓展，带动了其他人力资源相关服务营收的增长，2017年上半年智联招聘其他人力资源及相关服务营收为1.5亿元，同比增长33.3%。

4.2.3新型招聘模式——BOSS直聘

移动互联网招聘App——BOSS直聘，于2014年7月上线，是一款让求职者与招聘方直接在线聊天的招聘工具。产品采用去中介化理念，让牛人省去求职过程中投简历、等待、数轮面试等冗长环节，与直接用人的Boss在线沟通，提升招聘和求职效率。同时，渴求人才的Boss可以通过算法推荐和搜索，主动与合适的候选人“勾搭”，展示自己和公司的诚意，将招聘时间缩至最短。

企业通过多种渠道进行招聘，其中创新型垂直招聘网站在提高企业招聘的精准度和效率方面具有领先优势，企业尤其是互联网企业逐渐将其作为招聘首选。如智联招聘、前程无忧等传统招聘网站是传统企业招聘员工的首选，而以拉勾网为代表的垂直招聘网站是互联网企业的首选。

4.2.4猎聘网

中国中高端人才获取服务市场高度分散，招聘公司总数超过17000家，大多为传统线下招聘公司及约35万名独立猎头。按2017年营收计，前十大服务供应商仅占市场份额2.9%。2017年猎聘网在平均年薪至少10万元的人才的中国人才获取服务市场内独占鳌头，占总市场份额约0.85%。

猎聘网于2011年上线，当年获得经纬中国主导的A轮融资，2013年再次获得经纬中国主导的B轮融资，2014年获得由华平领投、经纬中国跟投的7000万美元C轮融资。2016年完成D轮超1亿美元融资，估值近10亿美元。

猎聘网2017年的销售费用、管理费用及财务费用金额约为6亿元，占公司当期总收益的72.8%，其中销售费用为主要的支出费用。不过，相较于2017年销售费用占公司总营收比重仅为59.1%，猎聘网2015年在销售费用方面的投入一度超过营业收入。销售力度的下调为公司2017年利润带来较大改观，首次实现盈利。猎聘网2015年、2016年和2017年净利润分别为-2.307亿元、-1.397亿元和755万元。巨额的广告推广费为猎聘网带来众多用户。截至2017年12月31日，猎聘网拥有3890万个人注册用户，24.86万企业用户和10.184万猎头。

猎聘网是一个社交互动平台，在这个平台上有三套客户体系，分为企业、猎头和求职者。

针对B端(企业端)的收费模式，有职位发布、简历下载、雇主品牌(广告)，根据服务内容、周期(月度、季度、半年、一年)组合推出了不同的套餐。

针对C端(求职者)，猎聘网推出了增值服务收费，比如简历置顶、群发简历、可以主动电话、私信联系猎头、HR等，有月度、季度、半年度、年度等4钟套餐。

至于猎头则完全免费，他们的存在极大地加速了中高端用户数据在猎聘网的聚合。

未来，猎聘将通过大数据以及人工智能的探索，进一步提升招聘效率。

4.3企业招聘情况

传统招聘网站和垂直招聘网站市场占有率较高。

企业通过招聘网站收到的简历中有面试意向的比例越高，说明该网站的招聘效率越高。从全行业来看，智联招聘的招聘效率最高，从互联网行业来看，垂直招聘网站拉勾网则更具明显优势。

企业通过招聘网站面试的人才中符合简历信息的比例越高，说明该网站的信息精准度和人才匹配度越高。从全行业来看，智联招聘的匹配效率最高，从互联网行业来看，垂直招聘网站拉勾网则更具明显优势。

由于拉勾网在提高信息对接精准度、人才匹配率和企业招聘效率方面具有明显优势，随着互联网企业规模的不断扩大、岗位数量不断增加，拉勾网在互联网招聘行业中的影响力逐渐扩大，满意度也最高。

5.传统综合招聘和垂直招聘APP用户分析

5.1传统综合招聘平台在用户规模上仍居于领先

2018年2月，传统综合招聘平台代表——智联招聘、前程无忧、51job应用活度指数以较大领先优势居于招聘类APP前两位。虽然Boss直聘、猎聘同道、拉勾等平台主打中高端人才招聘，互联网人才招聘等细分定位，但是在用户规模上仍然难以与传统综合平台竞争。

5.2平台定位不同带来APP用户形象差异

前程无忧作为不同定位平台的代表，智联招聘、猎聘同道、拉勾的用户因其定位也发生了产生了差异化。拉勾用户特征最为明显，主要以一线城市IT从业者为主，日常关心租房买房。而猎聘同道用户更加热爱生活，对于家居、汽车、美容、运动等活动更为关心。

5.3招聘平台定位直接影响用户性别分布

智联招聘、猎聘同道、拉勾作为不同类型招聘平台的代表，其定位直接影响了用户群体的性别特征。

5.4智联招聘APP用户地域分布更广泛

在使用互联网招聘平台的用户领域分布中，拉勾APP用户主要集中在北京、上海、广州、深圳、成都等互联网行业发达的城市，而智联招聘APP用户分布更为广泛，华中、华东 、东北等区域都是典型区域。猎聘同道APP用户地域分布特征上更接近智联招聘。

5.5拉勾APP一线城市用户占比更高

智联招聘、猎聘同道APP用户更多集中在三线及以下城市，而拉勾APP一线城市用户占比接近40%。

5.6拉勾APP用户更偏好“北漂”

北京、上海、深圳在三个招聘类APP用户城市分布中全部位居前三，堪称是国内跳槽最活跃、工作机会最多的城市。在城市分布中，拉勾APP北京用户占比要远高于其他两个招聘应用，北京仍然是国内互联网人才最大的供应基地。

5.7拉勾APP用户更偏好中高端设备

三个招聘类APP用户中，拉勾用户安卓设备以2000元以上价位占比最高，其用户更加偏好中高端设备。智联招聘、猎聘同道用户在设备价格区间分布上更为接近。

5.8 OPPO是招聘类APP用户共同的安卓首选品牌

OPPO在智联招聘、猎聘同道、拉勾三个招聘类APP用户安卓设备品牌占比中都居于第一位，堪称共同首选。在品牌偏好中，猎聘同道APP用户更偏爱华为，而拉勾APP用户更加偏好奇酷、锤子、一加等互联网手机品牌。

总结与展望

综观近年来的人力资源服务业高速发展历程，可以看到创新是贯穿始终的主旋律：

一是创新扩容，市场细分正在培育人力资源服务行业新的增长点。近年来，我国人力资源服务市场细分化程度日益加深，具体表现为纵向和横向两个维度。一方面是基于某一服务点位的垂直细分，如招聘服务板块面向高校毕业生、博士、物流与电商领域人才以及文化创意产业人才等的专业化服务平台；另一方面是基于上下游配套的服务环节细分，如从招聘、猎头中细分出来的背景调查服务。与国际相比，中国目前的背景调查市场潜力巨大。美国1.6亿的就业人口，创造了300亿元人民币的背景调查市场。而中国7.2亿的就业人口，目前的背景调查市场仅为几亿元人民币。

二是新技术与传统服务的结合给人力资源服务业带来新动能。近年来，互联网行业用科技为现代商业注入了新的活力，与此同时，大数据、云计算的运用也正在为人力资源服务行业进行赋能。近年来我们看到，智能薪酬服务的算法不断成熟，基于人工智能、云计算、移动互联网技术实现人力资源服务公司的在线服务交付的智能服务平台已经成为现实。可以预见，科技与人力的深度融合正在成为人力资源服务业的重要发展方向之一。无论是互联网企业还是传统人力资源服务机构，都在开始越来越强调自己的科技属性。人工智能、区块链、云计算、大数据等科技基础服务将成为一个赋能者，通过科技和数据能力改变人力资源服务的成本结构，通过“互联网+”和人工智能改变人力资源服务的交付方式，通过区块链技术提升人力资源服务的数据安全性等，这些都将帮助人力资源服务机构提高人力资本服务科技水平。

前言

比特币矿机，实用角度来看通过争夺记账权创造了“信任价值”，投资角度来看是币价的“看涨期权”。金地毯商业认为，从实用角度而言，矿机作为比特币系统中的关键组成部分，通过消耗计算和电力资源来争夺记账权，形成去中心化，为该系统创造了“信任价值”的共识基础。矿机首先是机器，芯片技术的进步推动了矿工的“军备竞争”，设备更新需求约2年；从投资角度而言，比特币矿机可以视为比特币价格的“看涨期权”，正是因为矿工对未来币价持看涨态度，预期未来的挖矿收益会增加，从而加大了矿机的需求，相反地，在币价下跌的时候，矿工可能“反手平仓”，减少矿机投入，因此矿机不仅是运算设备，还具有较强的金融属性。我们通过数据分析建模，对矿机的定价机制、矿工购买矿机的需求进行了量化分析。

资本不断流入，比特币矿机下游需求依旧旺盛，中性判断2018年同比增速将达到165%。受年初至今比特币市场行情走低影响，币价和挖矿收益发生大幅回落，这导致了新增矿机需求增速放缓。但在调研中我们发现，挖矿仍是传统资本介入区块链最容易接受的模式（固定资产投入、收益日结、变现能力强等）。通过敏感性分析我们发现，若2018年的剩余时间内以BTC未来价格1万美元估算，则2018年将产生4万PH/s的新增算力需求，同比去年增加165%；若以6000美元估算，则新增算力约3万PH/s，同比增加96%。虽然相比去年下降，但如此的增速表明算力需求仍处于高速发展阶段，同时，下半年新一代设备的推出也将是关注焦点。

龙头优势稳固，市场维持寡头垄断格局。目前比特币矿机行业市场集中度高，市场份额排名前两家（比特大陆、嘉楠耘智）占超过80%的市场份额，行业竞争格局属于寡头垄断。由于两家龙头企业在核心资源上（研发、资金、上下游渠道关系、规模经济效用）更胜其它企业一筹，因此金地毯商业认为，未来龙头企业将持续稳固竞争优势，存量市场维持寡头垄断格局。增量市场方面，一是算力即权力，区块链的POW、人工智能的机器学习都依赖于大量算力，比特大陆、嘉楠耘智等都开始拓展AI领域，二是其他POW币种芯片的开发，包括ETH等，这两块市场的竞争仍有不确定性，且新的芯片投入也在考验各自的资本实力。

催化剂：比特币价格上涨；新型比特币矿机成功发售。

风险提示：比特币价格可能持续下跌致下游挖矿需求降低；新型比特币矿机研发、销售进展不达预期。值得注意的是，从截止6月份的数据看，矿机厂商的数据依然靓丽，但如果BTC价格依然维持现状甚至进一步下跌，则下半年厂商出货情况极有可能恶化。

1.比特币矿机，一面是“信任价值”，一面是“看涨期权”

1.1 比特币矿机，承载“价值互联”

1.1.1 区块链技术引领“价值互联网”

区块链（Blockchain）是一个去中心化、去信任的通过集体维护搭建可靠数据库的技术方案。以支付转账为例，传统的支付转账系统需要由银行作为第三方（对应概念“中心化”、“第三方信任背书”），根据交易双方提出的请求，划转相应金额——即更改数据库中双方名下的账户余额，这个过程中记账权完全归属于银行。而在搭载了区块链技术的支付转账系统中，用户之间可以直接进行点对点的交易（对应概念“去中心化”）。我们不需要中心化机构来替用户记账，取而代之，系统中每一个用户都可以按照特定规则参与竞争记账。在某个时间段内，争夺到记账权的用户把这段时间的交易写到一个区块当中，就像写到一张账页。系统中其他用户确认该账页不是假账后，对它进行备份，完成整个动作。在下一个时间段周而复始，每一个区块首尾相连，构成一个完整的链条。通过密码学原理，新的区块对之前的区块天然形成了防篡改保护（对应概念“去信任”）。

注：Hash运算代表一类算法，这类算法可以将任意长的字符串映射为固定长度的字符串。Hash运算有以下性质：若已知x，很容易计算出hash(x)；反之，若已知y，无法通过函数反推得x，使hash(x)=y。

由于没有中心化的机构存在，区块链完全根据事先设定的程序自动运行，能够极大降低成本和提高效率，并且保证数据记录过程和结果公开透明。在支付交易之外，区块链还可以用于更加广阔的领域，比如医疗、供应链管理、物联网、安全认证、游戏、社交以及人工智能等领域，其对社会生产关系会产生深远影响。

点对点价值传递，区块链引领未来“价值互联网”。互联网时代的到来打破了人们在点对点信息传递方面的壁垒，随着线上人口红利的减少，目前已进入到续航乏力的“后互联网时代”。而区块链技术的出现，使得互联网不仅可以作为点对点信息的载体，还可以点对点进行价值传递，例如刚刚提到的去中心化的支付转账系统。不仅仅是支付转账，我们还可以利用区块链防篡改的特点对个人的线上行为数据进行背书，从而真正实现个人的“数据价值化”。等等此类让我们看到，未来的风向，必然是搭载着区块链技术的“价值互联网”。

1.1.2 比特币挖矿：提供算力资源，维系“信任价值”

比特币网络是首个成功应用了区块链技术的支付交易系统，没了中心化机构信用背书，该系统的“信任价值”由其加密算法&共识机制创造；而其首创的“挖矿”行为则激励了更多网络节点加入进来，维护并增加该系统的“信任价值”。比特币挖矿，用一句话的解释即为“争夺系统的记账权，获得比特币作为奖励”。具体展开概念，则需要知道“怎么挖”（PoW共识机制）和“挖什么”（激励机制）。

“怎么挖”：遵循PoW共识机制，即工作量证明机制(Proof of Work)，是用户竞争记账权的“游戏规则”。它确保了庞大的分布式网络可以达成共识，同时，因为用户争得记账权需要付出代价（计算资源和时间），PoW共识机制也限制了网络中的噪声和故意攻击行为，确保了网络的安全性。

PoW共识机制具体如下：用户将上一个区块的哈希值以及网络中尚未确认的交易内容打包到一个区块中，然后通过自己的计算机不断随机尝试找到一个合适的数字，使得该数字加上该区块内容的哈希值满足系统的挖矿难度设定（例如，哈希值的前10位数必须都是0）。首先完成该任务的用户将争夺到这个区块的记账权——全网广播该区块，所有的用户在验证后对其进行备份，自此，分布式的比特币网络在不需要第三方信任背书的前提下，针对这个区块内的交易达成了全网共识。

“挖什么”：激励机制则保证了有足够多的用户愿意参与记账，而更多的计算资源加入将会使得系统更加稳定安全，从而使得系统的“信任价值”得到提升。

相应的激励机制如下：每个成功记账的用户将会获得由系统发放的比特币以及交易方提供的转账手续费作为奖励。在比特币网络刚刚创建的时候（2009年），系统每次会奖励成功记账的用户50个比特币，之后每四年减半。当前周期，系统每次会奖励成功记账的用户12.5个比特币。而转账手续费则由交易方设定，手续费高的交易将会被优先打包进区块，目前转账手续费约占挖矿总收益的10%左右。

鉴于记账成功后系统奖励的比特币均是系统设定好且首次发行流通的，这在某种程度上有点类似深埋地下的矿藏资源，因而我们会将这种提供计算资源、争夺记账权的行为形象地称为“挖矿”，参与挖矿的用户称为“矿工”，所使用的计算资源称为“矿机”，矿机所具有的计算资源称为“算力”，具体指矿机进行哈希运算的能力，而全网算力表示整个网络中的矿机算力之和。挖矿难度则是由系统设定，每经过14天自动更新一次，它会随全网算力同步变化。

1.1.3 科技属性——从CPU到ASIC，矿机提效降耗的必然归宿

比特币矿机，本质上是一个计算机，其核心部件是计算芯片。具体来讲，目前主流的比特币矿机主要由如下几个部分构成：包含计算芯片、散热片的算力板，风扇，控制器电路板，铝合金外壳，以及外置的电源。这里面最核心的部件为计算芯片，矿机的计算性能和功耗大小由计算芯片决定，其成本占矿机总制造成本的80%左右。

“单位算力功耗”是评价矿机性能的核心指标。矿工在购买矿机时通常不会考虑单台价格，而是关注回本周期，其中的关键指标就是“单位算力功耗”。在相同计算能力的情况之下，矿机的功耗越小，意味着矿机的性能越好，所谓“单位算力功耗”即为矿机的功耗/算力。随着全网算力的整体提升，挖矿成功的难度会越来越大，因此矿机需要不断定期换代以维持原有收益，近几年主流厂商通常每年升级一次产品系列，中间可能会根据市场情况发布更新版本对性能、功耗、价格进行微调。在这个过程中，单个矿机的算力不断得到提升，而核心指标“单位算力功耗”则不断下降。

优化“单位算力功耗”，需要用专用型芯片代替通用型芯片。比特币矿机芯片的发展经历了从CPU、GPU、FPGA到ASIC的四个过程。在这个过程中，提供算力的芯片从通用型逐渐转向了挖矿专用型。所谓ASIC芯片）（Application-Specific-Integrated-Circuit chip），即指为专门目的而设计的集成电路。ASIC的特点是面向特定算法需求，在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、单位成本更低的特点。比特币挖矿属于特定算法下的重复计算，因此应用ASIC方案会使得芯片性能得到大幅提升。

ASIC矿机芯片的工艺制程先进，产品更迭速度快。先进的芯片制程工艺可以提高集成电路的精密度，使得电子器件的特征尺寸不断缩小，从而芯片集成度不断提高，功耗降低的同时芯片算力得到提高。为了获得最优的性能，ASIC矿机芯片的设计、制造一直走在芯片行业的前沿。目前市场上主流的ASIC矿机芯片从110nm、55nm、28nm一直升级到16nm，未来半年内也将推出7nm制程的ASIC矿机芯片。具体举例，以下是世界第二大比特币ASIC矿机供应商嘉楠耘智的产品、芯片更迭情况：

1.2比特币矿机：金融属性凸显，投资者眼中的“看涨期权”

1.2.1 纵览“数字淘金”产业链

比特币相关的价值链参与者如下所示：上游为矿机的设计、生产&测试封装、销售商；中游为挖矿的矿池和矿场；下游为比特币交易所及钱包。

上游为比特币挖矿提供矿机。包含无晶圆厂商，如比特大陆、嘉楠耘智等，它们主要负责芯片设计、矿机组装和销售，而将矿机芯片的制造、测试、封装交给代工厂；也包含相应负责制造、测试、封装的代工厂，如台积电、日月光。

中游进行挖矿，确认网络中的交易，同时系统增发的比特币通过其流入市场。由于全网算力的指数级上升，目前个体挖矿成功的概率几近为零，因此出现了大大小小的矿场、矿池，通过聚集大量矿机的算力来竞争记账权，增大挖矿成功的概率。主要的参与者有比特大陆、Bitfury、BTC.com、Antpool、F2pool等。

下游为比特币的交易、使用和储存服务商。比特币交易所可以提供法币与比特币、比特币与其它加密货币之间的交易兑换，相关交易所为Coinbase、Bitfinex、OKCoin、火币等；比特币的支付转账、存储功能则可以通过比特币钱包完成，主流钱包有Blockchain、BitPie等。

1.2.2 上游代工厂：先进产能有限、话语权强

比特币矿机供应商一般采用无晶圆厂模式。即其只负责矿机芯片的设计，而将芯片的生产、测试、封装交由第三方代工。由于芯片制造过程需要巨额的资本支出，这样的模式可以让比特币矿机供应商专注于产品核心——芯片的研发，同时获得定价合理、流程先进的产能。

上游代工厂先进产能受限，新产能扩充慢。由于比特币ASIC矿机对性能要求很高，因而新产品需要应用最先进的制造、封装工艺。这就对相应代工厂提出了一定准入门槛，只有拥有先进制程工艺流水线、高质量封装水准（产品集成度高、散热效果好）的代工厂才能接下订单。而在芯片领域这样的代工厂通常具有数量少、市场份额大的特点，以即将投入量产的7nm制程工艺流水线来看，全球相关市场被台积电一家独霸。另一方面，由于新技术处于初期量产阶段，相应流水线的产能受限，而新产能的建设往往需要大量资金和时间投入，短期难以得到提升。

上游代工厂话语权强，只有订单量大、价格高、预付款的客户才能优先锁定产能。由于可选择的代工厂为行业龙头，同时产能有限，再加上同期竞争代工厂产能份额的还有各大手机芯片商（苹果、高通、华为等等），因此矿机供应商对上游代工厂的话语权相对较弱。只有订单量大、价格高的才能成为代工厂的优先客户，并且需要以预付的形式提前锁定产能，这对矿机供应商的规模、资金流转状况都提出了门槛要求。

1.2.3供给端看矿机：紧握定价权，价格随挖矿收益同步调整

有限的产能+寡头垄断，使得比特币矿机供应商对下游具有极强议价能力。近年来比特币价格不断上升，拉动矿机新需求，上游矿机供应商在产能有限（受代工产能限制）、寡头垄断的情况下，对矿机有着绝对的定价权，自然矿机价格此时也是水涨船高，今年年初比特币价格疯涨的时候，蚂蚁矿机S9在华强北市场一度卖出34000元的期货单价。那么，矿机究竟如何定价呢？利用历史价格数据金地毯商业做出如下分析：

当期矿机价格=固定回本周期×当期挖矿日收益。

通过将历史的月度矿机价格和当月平均挖矿日收入（此处只为收入，而非收益，即不包含电力、租金等成本）作图可知，当期挖矿日收入与当期矿机价格之间呈线性关系。我们将其解读为以下公式：P = D×(R - C)，其中P为矿机价格，D为回本周期，R为当期挖矿收入，C为当期挖矿成本，R – C即为当期挖矿收益。即当期矿机价格与当期挖矿日收益呈正比关系。

根据以上公式和线性回归结果，我们得到矿机供应商的定价策略：固定回本周期为180天左右，根据当期的挖矿收入动态地调整矿机价格。

值得注意的是，这样的定价策略中挖矿日收益是静态的，即假定未来的日挖矿收益维持不变，才可以保证回本周期为180天。若未来币价上涨导致日挖矿收益增加，则实际回本周期变短，反之则变长。

另外，实际购买矿机时金地毯商业在计算静态回本周期时往往与180天之间有偏差，主要由于以下几个因素导致：

1.矿机价格调整相对挖矿收益来说属于低频次，因此存在不同步现象，致使静态回本周期发生偏离。具体来说，挖矿收益每天会根据BTC价格的不同而发生变化，但矿机的价格调整却没有这么高频，以比特大陆为例，同款矿机在一个月内可能发出三批货，因而一个月内只调整三次价格。

2.矿机供应商在实际定价时，也会考虑到未来挖矿收益的预期变化。尤其在行情一路猛涨的情况下，会对未来挖矿收益作乐观判断，从而提高矿机价格，导致静态回本周期变长。

3.矿机供应商在下游挖矿收益下降的情况下，可能不愿意压缩自身利润空间。价格同步下降幅度小于挖矿收益下降幅度，因而使得静态回本周期变长。

1.2.4需求端看矿机：比特币价格的“看涨期权”

从矿场、矿工角度而言，购买矿机挖矿是一项投资活动，其需求受“期望收益率”影响。作为投资品，只有投资收益率期望值越高、风险越低，矿机的需求才越高。市场上普遍认为，影响需求的是“挖矿收益”，但之前通过分析，我们发现矿机的购买价格会随着当前的“挖矿收益”动态调整，因此挖矿收益率及静态回本周期理论上并不发生改变，也就无从谈起影响需求。真正影响需求的，是“期望挖矿收益”。具体来讲，如果大家预期未来的挖矿收益高于当前挖矿收益，那么预期回本周期将缩短，“期望收益率”将提高，进而提升下游需求。

比特币的“期望价格”是影响“预期收益率”的主要原因，进而推得，比特币的“期望价格”影响下游挖矿需求。影响挖矿收益的因素有四个：算法、市场、矿场、硬件，这里具体因素的拆分我们不做赘述。四个影响因素中，市场因素占主导作用，主要因为相对其它因素而言，比特币价格波动幅度较大。以嘉楠耘智的Avalon Miner A721为例，当以比特币计价时，其每日挖矿收入随时间呈指数式衰减，这主要是由全网算力不断增加导致；而当以美元计价时，其每日挖矿收益随时间变化趋势则与比特币价格时间曲线类似。这充分表明了影响挖矿收益最大的因素还是比特币价格。由此外推，影响“期望收益率”的主要因素就是比特币的“期望价格”。

将以上观点进一步提炼，即矿机可以看作比特币价格的“看涨期权”。矿工买入矿机的时候，以确定的代价获得了未来数量相对确定的比特币（未来全网算力虽然不确定，但大致区间可估算），而矿工购买矿机的想法来源于其预期未来比特币价格将高于现在，导致“预期挖矿收益”高于现在的挖矿收益，带来超额收益。从这个角度来看，相当于矿工未来可以低于市场的价格购买比特币，矿机可以视作是币价的“看涨期权”。

2.淡季不淡，比特币算力需求持续高增长

全球区块链硬件市场空间大、增速快，2018年将近500亿。区块链相关的硬件设备主要为加密货币挖矿所用的矿机，据Frost & Sullivan统计，全球区块链硬件的销售收入从2012年的7000万元增长至2017年的193亿元，复合年增长率超过200%；同时未来区块链技术在各行各业的广泛应用将推动区块链硬件需求增长，未来三年该市场将整体保持72%的年复合增长，2018年全球市场规模将达到456亿，至2020年，全球区块链硬件的市场规模将接近千亿。

2.1 从全网算力推导矿机部署周期——40天左右

假设两个时刻t1和t2所对应的全网算力之差为Δh，即为这段时间新增的在线比特币矿机算力。理论上Δh应该代表t1到t2之间新增的比特币算力需求，但因为矿机从下订单到最终作业需要一定部署周期T，因此Δh表示为t1-T到t2-T之间新增的比特币算力需求。

矿机的部署周期大概在40天左右。在此之前我们得到，期望的BTC价格是影响需求的主要因素，因而两者之间应当呈正相关。如何表示期望的BTC价格是一个很难的问题，为了模型简单起见，我们采用某时刻前30天币价均值作为该时刻矿工心中的期望币价。而当我们把新增矿机算力的时间序列向前移动40天左右时，期望币价和新增矿机算力的时间序列曲线正相关最明显。下面左图截取了2016年以来的期望币价和新增矿机算力时间序列，将新增矿机算力的时间序列左移40天后，其波动行为变得与币价波动相一致，同时两者相关性系数从原先的0.88提升到了0.96。因此，结合以上假设和数据分析，我们可以得到矿机的部署周期大概在40天左右。这其中，具体的数据处理步骤如下：

1. 对BTC价格取30Days均线，利用平滑突出主体趋势，同时将该曲线作为期望币价曲线；

2. 对全网算力的时间序列曲线平滑后作微分，得到BTC矿机的新增算力曲线；

3. 将新增算力曲线在时间轴上向左平移，直至与期望币价的相关性最好，平移的时间段即为矿机的部署周期；

4. 线性拟合期望币价和新增算力，得到两者线性关系式。

2.2 淡季不淡，新增算力需求持续高增长

进一步通过线性拟合，我们可以得到期望币价和新增算力之间的线性关系。由于截距项很小，新增算力大小与期望币价几乎成正比。由此，我们可以将币价和算力增长定量的联系起来，并对2018年的算力需求作出预测。

不同于市场认为挖矿行业进入寒冬的看法，金地毯商业认为新增算力需求依旧处于高速增长阶段，中性判断2018年同比增速将达到165%。受年初至今比特币市场行情走低影响，币价和挖矿收益发生大幅回落，这导致了新增矿机需求增速放缓。但通过数据我们发现，若2018年的剩余时间内以1万美元作为BTC期望价格，则2018年将产生39930PH/s的新增算力需求，同比去年增加165%。虽然相比去年下降，但如此的增速表明算力需求仍处于高速发展阶段，究其本质原因是以下的四个因素：

1.矿机产品更迭很快，高性能矿机拉动需求发展；

2. 矿机价格随币价、挖矿收益同步回落，因此矿机投资者的静态回本周期并未发生明显变化；

3. 目前的币价水平较低，多数矿机投资者看多下半年BTC市场行情，因而选择在此时抄底购入矿机。

4. 全球始终存在部分地区为电价、房租的价格洼地，持续拉动当地挖矿业需求。

由于BTC的价格波动幅度很大，因此我们以BTC价格为影响因素，对2018年新增算力需求作了敏感性分析。当期望币价分别为6000美元（悲观预期）、1万美元（中性预期）、1.4万美元（乐观预期）时，相应新增算力需求为2.9、4.0、5.0万PH/s，同比2017年增速为96%、165%、235%。

值得注意的是，从截止6月份的数据看，矿机厂商的数据依然靓丽，但如果BTC价格依然维持现状甚至进一步下跌，则下半年厂商出货情况极有可能恶化。其原因在于，年初币价高企，不少矿工高价购置矿机入市（S9二级市场现货价格一度高达3万，如今不到4000），这部分投资已经“沉默”，只要还高于可变成本（电费、人工运维等），矿机就会持续投入，以期待BTC价格反弹，但与此同时外部投资者有可能望而却步，对购买矿机更为谨慎。

3.龙头优势稳固，行业将维持寡头垄断格局

3.1 ASIC矿机芯片设计进入门槛高

比特币矿机供应商主流采用无晶圆厂模式，自身的竞争优势主要体现在ASIC矿机芯片的设计上，而ASIC芯片设计属于高科技行业，需要企业能够及时根据市场推出性能更佳的世代产品，因而对企业的研发能力、资金投入等方面都提出比较高的准入门槛，企业需要拥有以下资源才能在该行业中立身不败：

强大的研发能力。针对下游挖矿业全网算力不断增长的情况，上游ASIC矿机芯片设计商需要有能力适应产品快速更迭市场。只有以行业领先的速度，不断地推出更高性价比的产品，才能占得同类新产品市场的先机，获得相应的溢价和更多的客户青睐。同时，快速、有效的研发能力也能减少企业在研发中失败的次数，从而减少不必要的研发费用。而这一切都需要芯片设计商拥有强大的研发团队、多年的研发经验和积累的研发数据。

雄厚的资本保障。芯片设计具有前期投入大、周期长的特点，因而需要企业前期投入大量的研发经费，并有能力承受因此带来的潜在亏损。这对企业的流动资产和现金流提出了一定门槛要求。

与上游优质代工厂之间的良好合作关系。只有最高效的ASIC矿机才能获得市场的青睐，而在代工厂的生产工艺中，矿机芯片所采用的制程工艺对其性能影响极其关键。鉴于高端制程工艺流水线产能有限，唯有企业的订单优先被代工厂执行，才能保证企业的最新产品及时进入市场，占据先机。因而需要企业与优质代工厂之间保持良好的合作关系，而这一资源通常是潜在进入者不具备的。

规模经济效应。通常来说，芯片的硬件成本=（晶片成本+测试成本+封装成本+掩膜成本）/最终成品率。高效的ASIC芯片需要应用最先进的制程工艺，而最新的制程工艺问世之初，掩膜成本的耗费颇为不菲，多达十亿美金（成熟的制程工艺可能只有几百万美金）。只有企业形成规模经济效应后，才能将掩膜成本分摊，使得单位成本下降，形成产品的成本优势。

3.2 市场集中度高，比特币矿机市场未来将维持寡头垄断格局

全球比特币矿机市场呈现寡头垄断格局。以比特币ASIC矿机为例，比特大陆、嘉楠耘智合计占据超过80%的市场份额。以2017年矿机交付量来看，比特大陆一家独占近70%，嘉楠耘智占20%左右。快速强大的研发能力、雄厚的资本保障、与上游代工厂的良好关系、规模经济效应，这些无一不是行业龙头所牢牢把握的独有资源。与此相应的，它们享有着头部的市场份额和绝对的产品定价权。

比特大陆创立于2013年，是全球最大的比特币矿机供应商，其设计的比特币矿机算力占据全网算力的70%。目前比特大陆的蚂蚁矿机S9系列采用16nm制程的ASIC芯片，算力达到14TH/s，单位功耗低至94W/THs，凭借其性价比、稳定的工作状态、良好的售后服务而近乎垄断了市场。比特大陆也向产业链下游延伸，目前控制了三个矿池进行比特币挖矿，Antpool、BTC.com、ConnectBTC，这三个矿池的算力合计达到全球算力的近40%。与此同时，比特大陆也对外出售针对莱特币、以太币、门罗币等其它加密货币的ASIC矿机，并逐步转型向云基础设施、AI计算领域靠拢。值得一提的是，市场在认可其产品的同时，也对其垄断算力资源、大幅变动产品价格的行为提出了质疑。

嘉楠耘智目前是全球第二大比特币矿机供应商，占据20%的市场份额。公司创始人张楠赓在2013年初研发出了第一台FPGA矿机，开启了FPGA挖矿的新纪元，之后其率领的研发团队深耕比特币ASIC矿机产品——阿瓦隆系列。该系列产品具有高效低耗、高热密度、故障率低的特点，主打产品Avalon 841采用16nm制程的ASIC芯片，算力达到13TH/s，单位功耗低至99W/THs。公司将于2018年下半年领先市场，推出基于7nm工艺的比特币ASIC矿机。除了积极布局区块链行业之外，公司正在开发人工智能AI芯片，用于语音识别、基因检测和无人驾驶等领域。

亿邦通信为一家通信相关企业，在数据通信、光纤传输通信、软件开发、ASIC设计等领域具有较强的技术实力和市场竞争力。公司旗下拥有翼比特系列矿机，主流产品E9.3采用其自主研发的10nm芯片，算力达到16TH/s，单位功耗110W/THs。

Pangolin Miner的神马矿机M3X是一款采用28nm芯片的ASIC矿机，算力可达13TH/s，单位功耗为162W/THs。该产品主打性价比，通过低价打入市场，以相对大厂而言较短的回本周期获得部分用户青睐。

Halong Mining是一家ASIC芯片制造公司，由国外比特币开发者成立，公司意图为市场提供比特大陆矿机以外的优质选择，打破原有的垄断格局。目前该公司产品线只有一种机器：DragonMint T1，算力达到16TH/s，单位功耗低至90W/THs，产能限制是该产品遇到的主要问题，目前该产品已处于售罄状态。未来公司除了售出矿机之外，也将单独发售挖矿芯片。

芯动科技是一家国内IP/IC设计公司，在国内和北美均拥有设计团队，通过先进的产品和服务，芯动科技IP已经帮助许多一线公司实现了SOC的快速成功。目前，公司最新的比特币矿机产品INNOSILICON T2采用10nm的ASIC芯片，拥有17.2TH/s的强大算力，单位功耗为91W/THs。但与此同时，该矿机的定价高达1500美元，相对其它矿机而言，静态回本周期较长。

比特币矿机行业未来竞争格局不变，两家龙头企业在核心资源上更胜其它企业一筹。通过产品对比，我们可以发现，市场龙头比特大陆、嘉楠耘智在产品的两大核心参数（“单位算力功耗”、“单位算力价格”）上褒有优势，每年更迭不断的新产品同样证明了这两家公司研发能力的可持续性；相比而言，其它的矿机供应商或存在规模效应不足、产品定价过高、系列开发能力不足的问题。

总结

金地毯商业认为，从实用角度而言，矿机作为比特币系统中的关键组成部分，通过消耗计算和电力资源争夺记账权，为该系统增加了“信任价值”；从投资角度而言，比特币矿机可以视为比特币价格的“看涨期权”，正是因为矿工对未来币价持看涨态度，预期未来的挖矿收益会增加，从而加大了矿机的需求。后文我们还通过数据分析建模，对矿机的定价机制、矿工购买矿机的需求进行了深入分析。

矿机销量依赖于全网算力的增长，而算力又和币价密切相关。市场普遍认为目前正处于加密货币市场的熊市阶段，担心比特币矿机需求惨淡。不同于市场认为挖矿行业进入寒冬的看法，金地毯商业看到，挖矿仍是传统资本介入区块链最容易接受的模式，通过敏感性分析我们发现，若2018年的剩余时间内以BTC未来价格1万美元估算，则2018年将产生4万PH/s的新增算力需求，同比去年增加165%；若以6000美元估算，则新增算力约3万PH/s，同比增加96%。虽然相比去年下降，但如此的增速表明算力需求仍处于高速发展阶段。

目前比特币矿机行业市场集中度高，市场份额排名前两家（比特大陆、嘉楠耘智）占超过80%的市场份额，行业竞争格局属于寡头垄断。由于两家龙头企业在核心资源上（研发、资金、上下游关系、规模经济效用）更胜其它企业一筹，因此我们认为，未来龙头企业将持续稳固竞争优势，市场维持寡头垄断格局。

比特币矿机行业风险提示：

1. 比特币价格可能持续下跌致下游挖矿需求降低；

2. 新型比特币矿机研发、销售进展不达预期。值得注意的是，从截止6月份的数据看，矿机厂商的数据依然靓丽，但如果BTC价格依然维持现状甚至进一步下跌，则下半年厂商出货情况极有可能恶化。