《轨交运维解决方案行业现状分析.docx》由会员分享，可在线阅读，更多相关《轨交运维解决方案行业现状分析.docx（21页珍藏版）》请在第壹文秘上搜索。
1、轨交运维解决方案行业现状分析一、计算机视觉简介根据国家标准化管理委员会指导编制的人工智能标准化白皮书（2018版），计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解、分析图像以及图像序列的能力。根据解决问题的不同，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。从功能来看，根据中国科学院大数据挖掘与知识管理重点实验室发布的2019年人工智能发展白皮书，计算机视觉主要功能包括图像获取、预处理、特征提取、检测/分割、高级处理等。二、计算机视觉行业面临的机遇（一）国家战略引领与政策支持人工智能是引领新一轮科技革命和产业变革的战略性技术，具
2、有溢出带动性很强的头雁效应。我国把人工智能放在国家战略层面，出台了一系列重要政策鼓励支持人工智能的发展。新一代人工智能发展规划明确指出了到2030年我国新一代人工智能发展三步走的战略目标。十四五规划中明确提出推动互联网、大数据、人工智能等同各产业深度融合。（二）新技术深度融合与新基建大规模展开推动行业进步发展人工智能、大数据、物联网、云计算、5G等新一代信息技术相互联系、相互促进。大数据的发展使得可用于训练的各种来源的数据激增，为输入数据在储存、清洗、整合方面做出了贡献，帮助提升了深度学习算法的性能，有力推动了人工智能的进步。随着物联网设备规模的迅速扩大，在促进大数据爆发的同时，使得A1.与I
3、OT加速融合，AIoT赋予设备更智能化特性。云计算的大规模并行和分布式计算能力带来了低成本、高效率的计算力，显著降低了计算成本。5G的大规模商用，不仅将促进连接设备数量大幅增长并产生规模庞大的数据，推动物联网与大数据的发展，而且将促进大量城市级应用的铺开，如城市智慧治理运营等，从而为人工智能创造更大的发展空间。未来，人工智能、大数据、物联网、云计算、5G等新一代信息技术的深度融合与广泛应用，将极大推动经济社会各个领域向数字化、智能化等方向转变，各种技术也将在此过程中实现共同进步与发展。此外，随着我国新型城镇化的持续推进，新型基础设施的建设也将大规模展开。重点支持包括新型基础设施在内的两新一重建
4、设。未来，5G、城际高速铁路及轨道交通、大数据中心、人工智能等新型基础设施的持续较快建设，将进一步促进人工智能行业的快速发展。（三）下游领域规模优势为行业提供广阔空间我国人工智能技术的商业化应用，拥有其他国家难以匹及的规模优势。目前，我国人工智能已广泛应用于城市管理、金融、零售等诸多领域。我国拥有庞大的产业规模，并在全球范围占据重要地位。在城市管理领域，我国庞大的城乡社区事务与公共安全支出带动了公安、交管等相关产业发展，根据中安网发布的数据，2020年我国安防行业总产值已达到8,510亿元；在智慧金融领域，我国拥有数量庞大的金融机构及运营网点，根据安永发布的2019年全球金融科技采纳率指数数据
5、显示，2019年我国消费者与中小企业对金融科技采纳率均位居全球首位，金融机构对包括人工智能在内的金融科技应用需求强劲；在商业零售领域，我国连锁零售门店数量持续增长，2019年超25万个，商品销售额超37万亿元；未来我有望超过美国成为全球最大零售市场。综上所述，随着人工智能技术应用进程加快与程度加深，下游领域庞大的产业规模将为我国人工智能创造广阔的应用市场，行业未来发展潜力巨大。三、人工智能产业链人工智能行业的产业链可分为基础层、技术层、应用层。其中，基础层主要包括芯片、软件框架、传感器、服务器、数据（集）等软硬件及服务，为技术层提供算力、数据等底层支撑，是人工智能发展的重要基石。技术层主要通过
6、基础层的算力、数据支持，进行海量模拟训练和机器学习建模，为人工智能提供核心的算法与应用技术，主要包括以深度学习为代表的算法模型，以及计算机视觉、智能语音、机器学习、生物特征识别、知识图谱等关键技术。技术层是人工智能发展的核心,对应用层的智能化发展起到决定性作用。应用层则是基于基础层与技术层，面向特定应用场景需求而形成的软硬件产品或解决方案。人工智能应用广泛，可有效赋能下游领域实现人工智能应用，为其转型与发展注入强劲新动能。四、计算机视觉市场规模目前，计算机视觉已成为人工智能中技术率先取得较大突破、应用场景较为明确的关键技术之一，在人工智能中占据重要地位，未来市场空间广阔。2019年，我国计算机
7、视觉核心产业规模和带动相关产业规模分别为633.3亿元和1,438.6亿元，占人工智能核心产业和带动相关产业规模的比重分别达到58.2%和37.6%o预计至2025年,我国计算机视觉核心产业规模和带动相关产业规模将分别增长至1,537.1亿元和4,858.4亿元，年均复合增长率分别为15.9%和22.5%o五、计算机视觉行业面临的挑战（一）高水平专业人才相对缺乏人工智能是高度知识密集型产业，涵盖业务领域较为广泛，专业性较强，技术研发以及生态构建需要大量高水平的专业人才。尤其是近年来我国人工智能蓬勃发展，行业企业对A1.技术专家、算法与数据工程师、业务领域专家等人才的需求更为迫切。我国高度重视人
8、工智能人才培养，根据中国人工智能学会中国人工智能发展报告（2019-2020）数据显示，截至2019年底全国已有超过40所高校成立了人工智能研究院或学院，215所高校设置了人工智能本科专业。但是，与美国等人工智能人才强国相比，我国人工智能专业人才仍较为缺乏，人才培养较行业需求而言相对滞后。因此,高水平专业人才相对缺乏，成为我国人工智能行业发展面临的主要挑战。（二）各层面市场竞争趋于激烈在基础层面，我国人工智能行业企业在芯片、传感器、开源框架等方面主要面临着英伟达、谷歌、亚马逊等国际科技巨头的激烈竞争。在技术层面，拥有计算机视觉、智能语音、自然语言处理等核心技术的人工智能企业与阿里巴巴、腾讯、百
9、度等国内科技巨头的竞争同样较为激烈。在应用层面，在城市管理、金融、商业等领域，人工智能企业也面临着传统行业龙头企业与大型设备供应商的市场竞争。随着人工智能的不断发展，技术、市场等方面竞争可能进一步加剧，行业企业的持续发展与经营业绩面临一定挑战。（三）人工智能治理有待完善目前，人工智能在全球范围蓬勃发展，其为各行各业赋能并带来更多便利、更高效率的同时，也面临着一定的数据安全、隐私保护、权利保障等问题。我国积极推动人工智能有效治理，科技部等部门组织成立了新一代人工智能治理专业委员会，以进一步加强人工智能相关法律、伦理、标准和社会问题研究，并于2019年发布新一代人工智能治理原则发展负责任的人工智能
10、，提出公平公正、尊重隐私、开放协作、敏捷治理等八项原则。2021年9月1日起实施的中华人民共和国数据安全法在鼓励数据依法合理有效利用，促进以数据为关键要素的数字经济发展的同时，对规范数据处理活动与保障数据安全等提供了法律依据。总体来看，人工智能治理具有较高的复杂性、系统性，全面、有效的治理模式尚有待进一步完善。六、计算机视觉行业在新模式方面的发展情况和未来发展趋势作为战略性新兴产业，人工智能的商业模式还在不断摸索与丰富,尚未形成定局。目前，城市管理、金融、零售等成为人工智能的重要应用领域，商业模式主要以项目解决方案交付、一站式产品方案、软件销售、AIoT设备销售、算法授权许可费等多种模式并存。
11、根据iResearch预判，未来我国人工智能行业将分化为两条路径:一是沿着企业服务的道路，成为专业级工具的提供者、智能转型困境的处理者；二是直接切入最终用户，走核心圈辐射生态圈的道路，成长为智能经济时代的主流企业。七、创建学习型企业彼得德鲁克在1988年就指出：“我们正在进入变革的第三阶段:从命令一控制型组织、分成许多部门与科室的组织，转变为以信息为基础、由知识专家组成的组织但是，我们还远没有做到真正建立起以信息为基础的组织一这是将来会遇到的管理上的挑战。”为迎接知识经济时代的挑战，企业必须以知识作为决策及决策之后的资源分配工作的根据和基础。也就是说，企业要建立新的组织机制，使之懂得如何倾听市
12、场的条件信号，从所听到的内容及其经验中学习，然后在所学知识的基础上提高其自身能力，以其创造并满足顾客的产品和服务领先于他人。企业对倾听、学习和领先这三项挑战性工作做得如何，将决定其业务经营的成功或失败程度。（一）倾听倾听，或称探察，是指企业感知外部世界的所有活动。企业倾听有明确的目的性，就是建立知识基础，以便作出面向市场的决策。市场调研一直是企业常用的感知手段。但过分依赖市场调研部门,乃至完全依赖营销部门来倾听，并不能保证企业通过有效的倾听达到成功决策。通过相当狭小的感知渠道寻求众多对象的反映，调研机构和信息处理人员对信息的控制、保管和理解，都会成为企业有效倾听的障碍。要克服这些障碍，企业需要
13、建立跨职能决策体系，设计出能促进信任、共享信息、积累知识和建立学习制度的各种决策方法。有效倾听必须保证企业能听取多种声音。这些声音主要来自与企业决策休戚相关的三，组群体：顾客、社区和企业。其中，顾客包括消费者和相关销售系统中的个人；社区包括政府有关部门、特殊利益集团和竞争者；企业除自身外，也包括供应商和投资者。倾听多种声音的目的是协调不同群体之间的利益关系。多种声音往往会互相冲突,如洗衣粉生产商可能发现顾客想要含磷的洗衣粉洗出“更加洁白”的效果，而社区则要求禁止磷化物污染公共水源，使水“更加干净”。这时，企业（股东和员工）则要求生产一种既令顾客满意，又符合企业对环保的责任感，而且还能盈利的产品
14、。企业的责任是，充分听取三大群体的意见，了解和分析它们之间存在的进行合作和造成冲突的可能性和条件，以作出面向市场的决策。（二）学习通过倾听取得的信息，需要转化为进行决策所需要的情报、知识、理解和智慧，否则就不会使企业得到任何改善。解决问题的办法就是建立企业的学习体系。企业欲在快速变化的复杂环境中获得成功，必须要求其每一个成员不断地学习、快速地学习，同时也必须要求这些个人学习有益于强化企业对内部和外部环境所拥有的共同知识（即组织知识），促进个人行为与建立在组织知识之上的集体行动保持一致。组织知识是每一个组织成员在解决具体问题时，与集体相关的知识中得到一致认可、共同拥有的那部分知识。组织知识不是所
15、有人知识的总和，而是相关的和共同的知识，是个人知识的有机综合。它比任何个人知识丰富得多，而且为所有与之相关的人深刻理解和内部化。企业学习系统不仅要重视解决将个人学习和建立的知识转化为组织知识（共识）问题，而且要解决彼此独立的职能部门的组织知识与其他组织成员的共享问题，亦即将部门相对福狭的各自“共识”，转化为企业组织知识问题。为此，加强各职能部门的沟通和相互学习，就显得十分重要。企业还必须将每一项业务程序视为学习过程，明确地将业务程序设计成鼓励学习并从中获得知识的程序。完成一项业务程序要求具备一定的知识状态。例如，在开发和设计一种新型汽车时，来自销售和服务、生产工艺、工程制造等部门和设计室的人需
16、要有共同知识，以便能够共同明确规定设计过程所需要的信息和要求。这个共享知识的过程应当使他们每个人都能充分利用各自的知识状态，包括其根据经验获得的信息。这些人一致同意共享的信息就是该业务程序的组织知识状态。企业可以通过连续执行共同业务过程，不断地学习和更新组织知识状态，提高适应市场的能力。(三)领先倾听和学习的结果，必须落实到做出更好的决策而实现“领先”上。这里的领先是指通过决策过程而比竞争对手做得更好。许多企业都有领先的追求。实践证明，达到领先不易，保持领先更难。能持续领先的企业，大都具有下列共性。(1)系统地倾听顾客和社区、竞争对手及企业内部的声音；(2)系统地学习上述声音随时间变化而变化的道理，以及把这些声音综合起来的方法；(3)拥有促进倾听和学习以及对变化做出快速反应的共同业务程序;(4)企业要具备这些领先要素，就必须建立一个决策网络，把组
