2
前言
近年来，人工智能在学术界、产业界和投资界表现出强劲的发展势头，诞生了许多新的技术
应用与商业机遇，出现了大批人工智能创业与创新企业。2016年至今，亿欧智库持续关注人工智
能在金融、医疗、安防、自动驾驶、零售、教育等各个行业的应用场景与商业落地进展，并发布
了数十份人工智能主题的研究报告
根据亿欧智库对行业的观察和理解，我们认为经过过去几年的技术研发与业务探索，2018年
将有可能成为中国人工智能商业落地的元年，企业需要开始实现规模性的商业收入。所以，亿欧
智库以“人工智能商业落地”作为研究视角，对中国上百家人工智能企业进行了大规模的问卷调研，
并与数十家主流投资机构进行了深度访谈，最终以此份研究报告将成果进行展示，希望为全行业
提供有价值的研究信息与观点
目录
CONTENTS
2018中国人工智能商业落地100强榜单
2018 Top 100 China Outstanding Commercialized AI Enterprises
人工智能商业化案例分析
AI Commercialization Cases Study
附录
Appendix
六大视角解读人工智能
Six Perspectives of Artificial Intelligence
1.
2.
3.
4.
Six Perspectives ofArtificial Intelligence
Part 1. 六大视角解读人工智能EO Intelligence
深度学习
亿欧智库：AI相关论文数量增长（倍数）
机器学习人工智能
2010201420172006
1X
2X
4X
6X
400X
500X
来源：cnki亿欧（）
Part 1. 六大视角解读人工智能
学术视角：神经网络与联结主义两种研究范式ACADEMIC []
学术
两种研究范式：神经网络与联结主义
1956年，“人工智能”一词诞生于“达特茅斯会议”。此后60多年，学术界形成了两种
研究范式：神经网络与联结主义
-神经网络研究范式下，以计算机科学为理论基础，研究者尝试通过计算机编写程序的方
式，让计算机模仿人类的智能行为。从今天人工智能的研究进展来看，神经网络的研究范
式占据主流
-联结主义研究范式下，以神经生物学为理论基础，研究者重点研究人类大脑皮层的工作
原理，以大脑的生物学细节作为约束和指导，同时将“智能”视作一个计算性质的问题，
创建“记忆—预测框架”。联结主义范式下的研究进展推进十分缓慢，至今学术界尚未形
成一套能够富有成效地解释智能本质或大脑工作原理的完整理论
深度学习将“人工智能”科学研究再次推向高潮
2006年，多伦多大学教授GeoffreyHinton与几位学者联合发表论文中，首次介绍了“深
度学习”算法。该算法能够解决深层结构的优化难题，以卷积神经网络为代表
2012年，辛顿教授组建的团队将深度学习用于ImageNet大规模视觉识别挑战赛
（ILSVCR）中，创造了16%错误率的纪录，而2011年的最佳水平为25%
同年，谷歌将深度学习算法首次用于语音识别，在其一个语音输入基准测试中，单词错误
率(WordErrorRate)最低达到了12.3%。而在此之前，世界上各语音识别模型的单词识
别错误率大约在30%以上
参考文献：尼克《人工智能简史》，杰夫·霍金斯《智能时代》。。