概述 本白皮书通过梳理知识图谱技术、应用和产业演进情况，分析知识图谱的技术热点、行业动态和未来趋势，从支撑知识图谱产业整体发展的角 度出发，研究制定了能够适应和引导知识图谱产业发展的标准体系，进而提出近期急需研制的基础和关键标准项目。 本白皮书力求以较为浅显易懂的语言和方式进行阐述，针对目前知识 图谱涵盖的技术热点、应用领域及产业情况进行分析，研究提出知识图谱 标准体系。知识图谱标准化工作尚处于起步阶段，本白皮书只作为知识图谱领域技术、产业和标准化之间初始的连接纽带，并将不断根据技术、产业和标准化的发展需求进行修订。 本白皮书的意义在于与业界分享知识图谱领域的研究成果和实践经 验，呼吁社会各界共同加强知识图谱领域的技术研究、产业投入、标准建 设与服务应用， 共同推动人工智能及其产业发展。此外，知识图谱作为 人工智能产业中较为前沿的技术，受到越来越多的关注，这也说明了知识 图谱技术在一定层面上可以解决一些当前技术无法解决的问题。对于技术 厂商及第三方服务机构，有待着力推动知识图谱技术研究与应用市场健康 发展，避免其成为技术噱头；对于需求方，有待不断加深对知识图谱在构 建和持续维护时存在困难与挑战的理解。各方在构建知识图谱相关应用时 能够各担其责，客观面对存在的技术难点与问题，构建出真正对实际业务 场景有意义的知识图谱及相关产品。 主编单位：中国电子技术标准化研究院

主要发现 人工智能核心产业规模 5 年内将突破 5000 亿元： 预计 2021 年中国人工智能市场规模将达 2058 亿元，增 速 30%，到 2025 年突破 5000 亿元。随着疫情中人工智能场景的密集应用、落地渠道的增加和技术的不断成熟 和开放，中国人工智能将再度高速增张，产业迎来黄金期。 成长型 AI 企业数量庞大： 中国人工智能相关企业总共约 5015 家，其中，成长型 AI 企业 4484 家，占到近所 有人工智能企业的九成。成长型 AI 企业覆盖的产业领域日趋全面，在许多特定的 AI 领域，目前已由成长型 AI 企 业引领市场和技术，假以时日，这些成长型 AI 企业将成为明日之星。 2020 年投资总额同比增长 73.8%，投融资向 B 轮及以后企业聚拢： 2020 年中国在人工智能领域的投融 资金额再次创下新高，达到 1748 亿元，相比 2019 年同比增长 73.8%，但融资次数同比减少，平均单笔融资金 额稳步攀升。整体来看，A 轮以前的初始轮的投融资数量明显减少，资金不断向 B 轮及以后轮次的成熟企业集 中，其中，智能制造和智慧医疗是投融资数最多的两大细分领域。 成长型 AI 企业集中在应用层： 中国成长型 AI 企业主要聚集在应用层，依托技术优势帮助场景落地，尤其在 终端产品落地丰富。这些企业在机器人终端市场占比最大，达 52%。其次，随着市场需求的多样化和个性化的 发展，智能家居和无人机成为第二、第三大 AI 终端产品市场。成长型 AI 企业在技术和产品创新的速度方面很 快，能够快速集中可用资源、聚焦客户产品需求并迅速创新优化产品，在一些意想不到的领域开发产品，抢先一 步得到市场先机。 成长型 AI 企业小而灵活： 成长型 AI 企业虽然在发展初期规模较小，但凭借着自身的独特优势可以快速地将技 术与应用场景相融合，在细分垂直领域成为行业的“特种部队”。其优势包括了团队背景优秀、技术领先；能在 垂直细分领域灵活地找到场景并快速部署；善用优势互补共赢发展；专利软著成为有利的竞争武器，以及能够借 助孵化器的创业资源迅速发展壮大。成长型 AI 企业通常能更快速的去调整并找到技术和场景的适配的点，从一 个切入点开始，去扩大自己的广度，然后不断发展形成自己独特的竞争优势。 场景落地与运营优化是成长型 AI 企业关键成功要素： 成长型 AI 企业想在激烈的竞争环境下充分发挥优势， 求得生存与发展，必须重视的是不同阶段企业战略的规划及实施，先垂直渗透后向上发展，精于技术强于场景方案。成长型 AI 企业是搭建技术产品与场景落地最重要的桥梁，如何实现场景落地是每家成长型 AI 企业所面临 最大的挑战， 如何进一步提升市场竞争力， 制定合理的运营策略是关键。 同时， 如何把握住多元化的融资渠 道，也是成长型型人工智能企业需要聚焦思考的重点。 成长型 AI 企业即将迈上大舞台： 十四五规划将人工智能列为前沿科技领域的最高优先级，必将推动中国的 人工智能产业迎来新一轮的大发展。在全球抗疫的大背景下，抗疫需求为人工智能提供了应用落地的契机和试 验场，AI 在医疗、城市治理、工业、服务业等领域迅速发展，充分展现了人工智能的应用潜力。与此同时，成 长型 AI 企业迈向更大的舞台，其通过获取投资、AI 技术与商业模式创新、加速细分场景落地等方式，不断完 善产业链布局，获取了更大的增长空间。 北上深占据中国成长型 AI 企业近“半壁江山”： 在城市层面，北京、上海和深圳作为京津冀、长三角、 珠三角地区的中心城市， 有着良好的经济基础和丰富的政策红利， 分别带动了三个地区的人工智能产业集群 发展，三地占中国成长型 AI 企业的比重总和为 41%。杭州、南京、广州作为高速发展的核心人工智能城市， 近年来在技术应用广度、科技发展等方面迅速成长，是我国人工智能城市发展的中坚力量；在人工智能新兴城 市中，苏州、重庆和成都发展尤为显着，分别在产业园建设、应用场景扩大和引入科教资源方面发展较快。在 区域层面，长三角地区为人工智能企业发展营造的环境相对更优，珠三角借着粤港澳大湾区的重大发展机遇， 推进经济社会的“赋智赋能”，实现全面发展；京津翼地区以北京为核心，正在探索人工智能产业的协同发展 布局。 成长型 AI 企业当前多采用热门模型与框架： 在为了降低应用开发门槛与开发风险， 同时利用丰富的社 区资源，成长型 AI 企业当前多采用热门模型与框架。英特尔研究显示，成长型 AI 企业采用较多的模型包括 计算机视觉领域的 Resnet 框架、Fast R-CNN 和 Yolov3，语音识别领域的 CTC、HMM 和 GMM 模型与其他 马尔可夫模型，自然语言处理领域的 Attention、LSTM、RNN 模型；成长型 AI 企业采用较多的热门框架主 要是 TensorFlow、Pytorch、PaddlePaddle、Caffe。其中，Tensorflow 认知度高达 83.8%，市场份额达到 70.6%，仍然排名第一，Pytorch 和 paddle 在过去两年增长明显，认知度和份额分别排名二、三位。除了上述 四个框架以外，MXNet、CNTK、Caffe2、Keras 等框架也得到了不少企业的关注。 边缘计算等跨界领域将会是成长型 AI 企业未来的发力点： 伴随着 AI 技术的不断创新与应用领域的持续 拓展，AI 与 5G、计算机视觉等技术实现了跨学科的融合，并实现跨越不同场景的落地以及跨空间的应用模式。 例如，AI 和边缘计算、和 5G 等技术的融合带来了更低延迟的智慧应用场景，联邦学习推动了 AI 数据的互联互 通，AI 交互式技术催生了更多智能设备形态……这孕育了大量的新兴细分市场，为成长型 AI 企业提供了巨大 的市场机遇。 发布单位：英特尔中国、德勤中国、深圳市人工智能行业协会

摘要 数据成为新的生产要素，正在成为竞争力之一， 随着算力和技术发展，大数据和AI技术融合下的数据智能，逐渐在商业环境中应用，并间接创造价值。 数据智能在各行业中呈现从业务数据化到最终改变行业格局的态势，特别在互联网、金融行业和医疗行业中 的应用更为普遍和深入，都有较为成熟业务案例。 数据智能逐步重构企业商业逻辑， 目前价值主要体现在营销、运营和产品研发三个方面。 数据智能未来趋势：企业层面， 数据资产化管理， 释放更多数据价值；技术层面， 与云计算、深度学习的结 合更为紧密；个体层面， 加强隐私保护。 发布单位：数据猿

前言 未来， 以移动互联网、大数据、云计算、人工智能、物联网等为代表的新一代信息 技术正在加速与经济社会各领域深度融合， 催生大量新技术、新业态和新模式， 衍生出 新服务、新市场。 数字经济在加速经济发展， 推动转型升级， 培育新市场和新增长点， 促进新型就业， 实现包容性增长和可持续发展等方面的作用日益凸显。 正如一位大型金融机构的 CEO曾提到， 通过数字化转型， 他的公司已经不再只是 一家银行， 而是一家提供金融服务的数据公司。 IDC认为， “未来企业” 都将是坚定走 数字化道路的组织， 利用数字化技术触达客户， 通过数字化技术实现运营， 以数据为核 心资产， 具备创新能力的企业。 他们的创新速度将比传统企业高出一个数量级。 随着企业的数字化程度的加速， 社会的数字化转型也将从toC（面向消费者）的消 费数字化， 进入到toB（面向企业、行业、政府）的产业数字化。 只有实现全场景， 全 维度的智慧， 才能真正实现智慧社会的愿景。 目录 第一章 全场景智慧展望 1.1 未来智慧社会：高效、进化、自治 1.2 全场景智慧开启未来智慧社会 1.2.1未来城市 1.2.2未来行业 1.2.3未来企业 1.3新技术融合驱动全场景智慧落地 1.3.1“未来智能” 助力行业智能化发展 1.3.2“未来联接” 创造无处不在的智能化体验 1.3.3“未来信任” 确保可靠的数字服务和体验 1.4 新架构， 新生态 第二章 智能体技术架构 2.1智能交互 2.2智能联接 2.3智能中枢 2.4智慧应用 第三章 智能体主要应用场景 3.1新型智慧城市演进 3.2行业智能升级 3.3未来企业转型 第四章 智能体技术架构实施路径 第五章 开放生态：共创、共享、共赢 发布单位：IDC、中国信息化百人会、中国信 息通信研究院、中国人工智能产业发展联盟和华为技术有限公司

"中国50强"行业分布 从一级行业分类来看， 互联网领域企业最多 ，占比38%，软件 与硬智能制造领域的企业数量位居第二与第三 ， 占比分别为 22%与 12%。 在国家大力推动新基建的背景下 ， 互联网企业增 长迅速，引领中国数字经济呈现飞速发展趋势。 从二级行业来看，智能制造，平台服务和电子商务占比最多，达 12%。泛AI技术、医疗和互联网教育领域的企业分别占比10%，10% 和8%。50强企业分布更加均匀，各个行业都有涉及。未来随着技术 的成熟，AI技术、医疗及互联网教育等行业将会迎来新的增长。 撰写单位：德勤

摘要 近年来，由于大数据、计算能力等各方面科学技术的稳步提高，加之国家政策的大 力扶持，越来越多的资金涌入深度学习领域，通过深度学习技术研发的各种人工智能应 用数不胜数， 不论是在工业领域还是日常生活领域， 很大程度上都带来了便利。 从 AlphaGo 击败韩国选手李世石，到近些年国内 AI 独角兽公司层出不穷的 AI 应用，在到 AI 算力在此次疫情中强有力的支撑，无不昭示着人工智能时代正在朝我们走来。 本论文以 MNIST 手写字为研究对象，在使用 AlexNet 卷积神经网络的基础上，通过 修改相关层级结构，对 MNIST 手写字识别的准确率高达 98%；此外， 为丰富论文成果， 论文最后特地附加了花卉识别的例子，由于花卉样本数据集是通过爬虫技术获取，且总 量仅为 3000 余张， 加之样本数据集的质量参差不齐， 故对花卉识别的准确率仅在 70%-80%，值得一提的是，关于花卉识别的例子还在华为云 AI 开发平台 ModelArts 上进 行了部署测试，且最终识别率稳定在 70%。 主要内容及论文结构 本文在以深度学习为大背景的条件下，通过对经典卷积神经网络 AlexNet 的学习， 进而在一定的基础上修改标准 AlexNet 中的某些特定参数，结合使用当前较为火爆的编 2 程语言Python来完成对机器学习领域入门级数据集MNIST手写字的识别（第一个例子）， 并最终按照要求保证识别准确率在 95%以上；在第二个例子中， 我们为了弥补第一个例 子的两点不足（数据集为灰度图；未使用标准的 AlexNet 卷积神经网络结构），特别引 入利用 AlexNet 对 5 种花的识别，并最终借助华为云 AI 开发平台 ModelArts 将此项目进 行部署测试。 根据内容整体框架，我将论文分为 5 个章节来讲述，各个章节内容概述如下所示： 第一章：通过对深度学习在各领域的应用以及对当今世界科技领域的重要性的了解， 进一步明确选题的目的及意义，并最终给出本文的目录结构； 第二章：对 TensorFlow 2.0 版本中的基础概念及代码实现中可能用到的 API 进行介 绍； 第三章：对神经网络与深度学习的部分基础概念进行简单的介绍。（注：第二、三、 四章节中只会介绍与本论文项目展示部分所涉及知识点相关的部分，其余部分不再赘述） 第四章：在掌握前几章基本知识的基础上，本节开始首先会对 AlexNet 卷积神经网 络的细节进行讲解，接着将在此章节中将引入两个例子（手写字的识别和五种花分类的 识别）从而更好的理解 AlexNet 在项目中的应用； 第五章：在完成本论文中的项目之后，我们将对本论文进行全面的总结工作，指出 论文中的不足，并对下一步的工作做出展望。 目录 声明：本毕业设计转载自公众号 “ hahaCoder”，欢迎大家关注。

摘要 随着我国信息科技影响力的日益扩大，网络科技可以用于帮助弱势群体生活正常、融入主流社会，让他们可以和普通人一样平等地享受科技福利。 本研究旨在设计一款为盲人群体提供生活便利的人脸识别交互系统，希望能够通过这款最终可能会集成到盲人智能设备上的人脸识别设计系统，解决盲人群体由于视觉障碍而遇到的生活难题，提高盲人群体的生活质量，帮助盲人更便捷地获取日常生活信息，有更多的机会感知真实世界。 本文主要内容包括人脸识别学习和语音识别开源平台的选择，程序主要接口的设计思路，设计过程中遇到的困难及解决方案，成果预期与实际结果的对比，以及一部分基于深度学习人脸识别的工作。 声明：本资源为本科生毕业设计，包含设计任务书与答辩意见记录表，转载自浙江大学汪凯巍教授课题组：http://wangkaiwei.org/index.html

摘要 本课题面向盲人辅助设备开发物体识别算法。目前在全世界，视力残疾患者数 量达到了 2.85 亿，而开发识别算法的目的在于帮助盲人轻松找到周围的常用物品，方便生活。 但是由于图像中的背景环境复杂，物体本身多变等因素， 物体识别一直非常困难，目前世界顶尖的物体识别算法大多采用深度学习的方式实现。本文中算 法基于 Darknet 深度学习框架以及 YOLOv2 物体识别框架开发，使用具有 9 层卷积 层的卷积神经网络作为模型，并自行构建包含 8 类物体的图像数据库用于训练神经网络。使用 RealSense R200 获取彩色图和视野中环境的三维信息，并将识别到物体 的二维位置映射到空间中，最后使用语音播报出识别到的物体种类和空间位置。 声明：本资源为本科生毕业论文，转载自浙江大学汪凯巍老师课题组：http://wangkaiwei.org/index.html

本资源包含毕业论文与答辩PPT。 摘要 近年来计算机视觉在越来越多的领域取得了进展，智能硬件中集成的视觉算法正在深 刻地改变着我们的生活。全世界约有 2.53 亿视障人士，由于视觉受损，他们的日常生活 面临很多不便，传统的助盲手段，如盲杖和导盲犬等，仅能提供有限的帮助。出行、社交、 学习、工作等各方面的困难使得他们迫切希望有一款辅助出行、帮助他们感受世界的智能 设备。 听声辨人是视障人士判断周围人身份的主要手段，但这种方式只在近距离下有效，而 且在嘈杂的环境中，依靠声音进行人物身份辨认会变得更加困难。近年来人脸识别技术取 得了很快的发展，然而其在实际自然场景中的应用仍然面临诸多需要解决的问题。人脸的 姿态、光照、分辨率等因素要求算法具有更高的环境适应性；人脸识别模型的训练样本的 获取需要更少的人为干预；随着新类别人脸的出现，识别模型需要能够自动更新；智能便 携式设备中的人脸识别还需要考虑实时性。本文结合人脸识别技术的研究现状，研究非限 制条件下的人脸识别技术，并将其应用于盲人辅助设备中，为视障人士提供周围人物感知 和人物身份辨别的帮助。 本文首先总结了目前人脸识别技术的发展现状，尤其是非限制条件下和用于盲人视觉 辅助的人脸识别。其次，梳理了和人脸识别相关的机器学习算法。在此基础上，本文针对 人脸识别系统需要人工干预准备训练数据集的限制条件，提出了人脸跟踪和自动预分类算 法，可以在非人工干预的情况下由算法自动生成训练数据库，并通过和视障用户交互的方 式获取真实标签。本文将基于人脸关键点和三维人脸模型的人脸图像矫正算法应用于训练 样本的预处理，减小类间样本差异，并在实际场景中的人脸图片上实验了算法的表现，提 高了识别准确率。针对计算资源有限并且有实时性要求的盲人辅助设备，本文提出了三种 人脸识别（分类）算法，并对既有人脸数据库和实际场景中的人脸分别进行了实验。本文 还介绍了将图像数据获取、人脸检测、人脸矫正和人脸分类结合在一起的人脸识别系统的 多线程程序框架。 本文最后对当前人脸识别系统进行了总结，对未来的发展方向作出展望。 声明：本资源为硕士毕业论文，转载自浙江大学汪凯巍老师课题组：http://wangkaiwei.org/index.html

研究背景 计算机视觉作为一门基于图像处理、机器学习和模式 学科 ，是近年来快速发展的一个研究领域。其主要任务是模拟人的视觉能力， 试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。 建立用于检测图像或视频中是否有行人的人工智能系统，被称为行人检测。行人检测是计算机视觉一个重要并具有挑战性的研究领域，其定义为：判断输入图片或视频帧是否具有行人，如果有，给出位置信息。 行人检测作为目标检测的一个特例，也成为了用来测试目标检测算法是否足够有效的试验田。行人检测是行人跟踪，行为分析，步态分析，行人身份识别等研究的基础和前提，好的行人检测算 法能够为这些研究提供有力的支持和保障。 行人检测在工业界的主要应用包括车辆辅助驾驶、智能视频监控和行人行为分析等，近年也被应用于航拍图像、受害者营救等新兴领域中。由于行人作为物体兼具刚性和柔性，外观易受衣着、尺度、遮挡、姿态和视角等影响，使得行人检测成为计算机视觉的研究热点和难点。 声明：本资源为本科生毕业论文，转载自浙江大学汪凯巍老师课题组：http://wangkaiwei.org/index.html

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度 理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能， 重新组织已有的知识结构使之不断改善自身的性能。 发布单位：清华大学人工智能研究院，北京智源人工智能研究院，清华-中国工程院知识智能联合研究中心

2016年人工智能AlphaGo成功击败围棋世界冠军李世石，引发世界巨大反响。美国、中国、英国、 日本等国随即快速布局，将人工智能提升至维护国家安全和保持科技领先的战略层面。2017年国 务院印发《新一代人工智能发展规划》，对我国人工智能产业进行全面系统的顶层架构设计，开启 了中国智能产业新时代。经历数年的爆发式发展，中国人工智能产业逐渐成熟，核心产业规模已突 破千亿元，一批人工智能独角兽企业成为世界创新的引领者，中国人工智能产业正在迈向新阶段。 时代进步，浪潮更迭。蒸汽时代，道路基建使得生产要素得以运输；电气时代，电网基建使得电力 能源得以输送；信息时代，网络基建使得大量数据得以交换。世界的每一轮科技革命都需要全新的 基础设施进行支撑。基础设施的建设是社会发展的基石，国家层面的大型的工程成为社会发展的阶 梯。正因为基础设施的建设，科技浪潮的技术成果实现积累，社会经济完成腾飞前的准备。 如今智能革命的浪潮势不可挡，社会对于智能化的需求不断增加，现有的人工智能基础要素正接受 前所未有的挑战。加之世界黑天鹅事件频发，全球经济下行压力加剧，新型基础设施建设成为国家 保持经济平稳发展、激发经济活力的切入点。新基建受到全社会的高度关注，人工智能作为新一轮 产业变革的核心驱动力，在新基建中占据不可或缺的位置。 赛迪顾问《AI新基建架构设计与经济价值研究》围绕人工智能新型基础设施建设，从产业形势、发 展脉络、建设内容、建设理念等方面展开人工智能产业的新基建发展蓝图。从宏观角度为AI新型基 础设施建设的参与者提供架构参考和发展建议。 发布单位：赛迪顾问