**行業概覽：**近年來，醫療體系數字化轉型如火如荼，醫療科技行業也在宏觀環境利好的大前提之下得以高速發展，這助推了“云數物智移”等數字技術交叉滲透各細分醫療場景的進程。其在疾病監控、輔助決策、健康管理等方面均發揮了重要的作用，為現代化智慧醫療的建設提供了技術支持，激發了智慧醫療持續創新發展的新動力。

**縱向剖析：**將醫療科技行業大致劃分為政府統籌&醫院管理、產品&服務、服務&用戶、產品&用戶、智能支付五大類，并從中選取已有一定發展成果的15個細分子行業進行成熟度評估，根據評估結果對數字化健康管理、智慧病案、醫保信息化三個細分賽道從發展現狀、商業模式、競爭格局以及發展趨勢等方面展開分析。

**橫向融合：**上述眾多由“云數物智移”等數字技術融合而創造的健康醫療創新服務為政府、醫院、患者等主體提供了更為智能化的服務體驗，共同打造了最優化的大健康生態體系–智慧醫療模式。智慧醫療涵蓋智慧醫院、區域醫療、家庭健康三個主要場景，從多維度觸達醫療服務的各個環節，以增強服務能力、提升醫療效率、優化患者體驗、延展服務范圍為核心目標，整體呈現由院內走向院外、由模塊化走向大融合的趨勢。

**趨勢展望：**規模占比方面，目前醫療科技于整體醫療健康市場中的滲透率較低，未來隨著各類技術、應用和服務等各種要素的聯動融合，其于醫療健康市場的占比有望實現進一步提升。技術方面，未來將涌現出更多新興技術同醫療場景進行有機結合，賦能醫療衛生服務體系的優化。企業方面，醫療企業與科技企業將加速融合，助力現有服務的縱深發展。整體而言，醫療科技行業將立足醫療全局，驅動醫療衛生服務體系走向“全域、全病、全程”。

行業界定：大數據分析平臺逐漸由產品態轉向集成態，行業邊界模糊。在技術架構上，主要包含數據采集與存儲、計算、分析與決策三個層級。在OLAP之上融合了深度學習等技術，在提升數據分析深度和廣度的同時，也極大增加了數據服務在業務側的低門檻和友好性，滿足用戶運用數據分析驅動業務發展的需求。 　　 　市場情況：盡管行業邊界泛化，市場參與者眾多，但按照部署模式、架構分類及能力補給，可分為以下五類：1）以云上數據湖方案為主的公有云廠商；2）以本地化大數據分析平臺為主的傳統軟件服務商；3）提供輕量化數倉架構的數據庫/數倉廠商；4）為數據應用層提供服務能力的軟件供應商；5）提升數據應用能力的人工智能廠商。行業市場整體呈現競合狀態。

　　架構選型：搭建平臺前用戶首先需要明確自身的數據體量和業務場景需求。在明確大數據分析平臺需要具備的基本功能后，再決定平臺搭建過程中使用的大數據處理框架和工具。在分層架構中，數據分析層的組件選型和整體搭建十分關鍵，尤其是存儲引擎的選型直接決定了離線、在線、實時三大場景的支撐和算力效率的高低。 　 　　趨勢洞察：傳統架構下的湖倉分體引發數據孤島，造成實施、運維和成本問題。湖倉一體架構在數據和查詢層面形成一體化架構，突破實時性和并發度、集群規模受限、非結構化數據無法整合、建模路徑冗長、數據一致性弱等瓶頸。同時，平臺融合AI自主學習和自適應能力，增強用數人員的分析和決策能力。 　

2022年11月30日，2022中國智慧企業發展大會暨首屆成渝地區雙城經濟圈數智人才發展大會在四川省遂寧市舉辦，會上，中國企業聯合會、中國信息通信院聯合發布了**《中國智慧企業發展報告（2022）》**。

《中國智慧企業發展報告（2022）》闡述了智慧企業發展的背景形勢：2021年數字經濟發展取得新突破，數字經濟規模達到45億元，占GDP比重接近40%，在國民經濟中更加穩固，支撐作用更加明顯。推動企業數智創新的政策體系更加全面，黨的二十大報告進一步強調數智化發展的重要性，各地方政策密集出臺，政策導向更加具有落地性。

報告指出，智慧企業建設總體進展。

**1.戰略實施以上階段近七成。**從總體進程來看，近四成企業轉型已進入戰略化規劃實施階段，另有三成企業數字化創新已成為常態，均較2021年占比明顯提升，戰略化規劃實施及以上階段企業占比近七成。

**2.后數字化企業占比增加。**從企業智能化程度來看，近半數企業已進入數字化階段，近四分之一企業已進入初步智能化階段，數字化及以上階段的企業占比較去年明顯提升，信息化、自動化階段的企業占比較去年明顯下降，企業的轉型進程基本進入了后數字化時代，數字化已經成為企業生產經營管理中不可或缺的一部分。

**3.企業層面是賦能重點。**結合數智化建設覆蓋的物理范圍與數據賦能階段看，數據賦能在企業層面的推進階段整體高于其他層面，近五成企業在企業層面的數據賦能已實現自動預判、自主決策和自我優化。

**4.從數字化走向網絡化。**總體來看，數智化各發展階段的應用水平隨著等級的上升大致呈遞減趨勢，綜合管理、生產運營管理數智化各發展階段的應用水平呈相似趨勢，L1、L2級應用覆蓋率較高，平均覆蓋率70%左右，L3~L5級應用覆蓋率逐級遞減，L5自優化應用水平處于較低水平，平均覆蓋率45%左右。 報告給出，智慧企業建設案例特征分析。

1.案例分布更加均衡，智改數轉全向發力；2.數智創新范圍更廣，實現全流程覆蓋；3.智能化程度加深，自主優化開始探索；4.數據資源集成共享，平臺成為重要承載；5.數字技術與行業技術融合創新，邁向普適化；6.管理變革同步推進，建立面向數智化的流程機制。

智慧企業問題與建議

第一、多渠道培養人才，加大高端人才招聘比例，增加公司對有潛力的人才進行專項培養和復合培養，盡快充實企業數字化人才隊伍。 第二、多方爭取資源支持，主動爭取公司數字化轉型項目預算，積極申報國家和地方關于企業數字化轉型的示范項目，鼓勵大型企業向小微企業開放賦能。 第三、深度挖掘數據價值，加快數據共享，打破信息孤島，推動數據聯動與分析，支持管理決策，盤活數據資產。 第四、組織經驗交流推廣，推動企業間交流合作，加強產業協同，深度挖掘領先智慧企業的成功案例經驗，有效發揮優秀智慧企業經驗價值

具體內容如下

來源：艾瑞咨詢

中國知識圖譜行業研究報告為艾瑞咨詢集團自主研究發布的行業報告。本報告知識圖譜技術在通用知識圖譜 與行業知識圖譜的企業訴求，剖析各行業的核心業務痛點，闡明知識圖譜技術與應用對業 務痛點的針對性與價值，對比各行業的知識圖譜發展現狀與潛力，展現知識圖譜技術的建 設重點與未來趨勢。希望通過本報告，為讀者呈現現階段知識圖譜行業發展的要點，提供辨析和判斷知識圖譜行業趨勢的方法啟發。

感知到認知的跨越式發展，須引入發展認知技術，知識圖譜在此形勢下成為了破局的關鍵技術。數字經濟的持續發展將加速知識圖譜產業化進度，推動知識圖譜與傳統產業融合。高性能圖計算可為圖計算輸送更快更準的計算能力，服務于知識圖譜運算，算力規模化部署也為知識圖譜計算的高密度、高功耗要求提供了有利發展條件。深度學習技術、NLP技術、知識圖譜技術協同并進，尤其是NLP技術近幾年的快速發展為知識圖譜產業化提供了機會。

2021年，知識圖譜核心市場規模預計達到107億元，而到2026年，相應規模將超過296億元，2021-2026年CAGR=22.5%。金融與公安兩大行業的知識圖譜占比較高且增長速度較快，其業務與知識圖譜可密切結合，同時具備建設意愿與資金投入，因而成為了市場規模的主要拉力。未來，隨著政務數字化建設的完善，政務對知識圖譜的業務需求會逐漸喚醒，成為未來市場的拉力之一。

知識圖譜建設需面臨的建設難點主要在于數據治理、行業專家儲備、底層圖數據庫存儲、算法生產流程與性能待提升、客戶認知待培養以及產品封裝形式待優化。攻克知識圖譜的建設重難點將有利于從源頭保證知識與智慧真實可靠、可用正確，儲備培養深厚行業專家與技術復合型專家，升級底層圖數據的存儲方式，改善算法性能，為知識圖譜建設減少阻礙。

未來，知識圖譜廠商、大數據廠商、NLP廠商、互聯網大廠與信息化廠商等知識圖譜業內參與者將從強化技術實力與深化行業認知的角度出發，結合自身原有業務優勢，持續深化發展行業知識圖譜業務。知識圖譜業務場景也將不斷迭代，行業應用場景邊界拓寬，垂直應用場景被做深做透。知識圖譜生態也將繼續由監管引導方、供給方、需求方、投資方、高校及科研院所融合共建，匯聚建設合力，促進產業生態成長壯大。

數字經濟時代，數字化技術正深刻變革企業人才發展的方方面面，其中，組織學習與員工培訓的數字化改造潛力巨大，已成為企業加速構建高質量人才供應鏈的抓手。二十余年來，企業數字化學習行業伴隨著新技術應用與創新而不斷發展，數字化的平臺、內容和運營業已成為驅動企業落地實施培訓與學習數字化轉型的“三駕馬車”，并呈現不斷交融的發展趨勢。基于此，本報告從供需雙方出發，通過對行業發展驅動力、市場規模及發展痛點的描述，介紹行業的基本面情況。除此之外，報告將站在乙方廠商視角，通過調研收集不同類型客戶的需求，結合海外廠商的發展路徑，為乙方迭代產品、交付服務和拓展客戶提供策略建議。

易變、不確定、復雜和模糊的新商業格局正在加速企業人才開發方式的數字化轉型；疫情影響線下交付和企業現金流，客戶預算縮減，機構業績承壓，數字化學習突圍；產業數字化程度提升，業務系統與學習系統關聯性增強，企業的學情畫像更加豐滿；資本助力，橫跨“企業服務”與“職業教育”兩大黃金賽道，投融資規模持續攀升。

　　效果檢驗已進入深水區，SMB市場拓展仍存爭議，人力資本管理漸成供需雙方共識；2021年，市場規模達34億，精品化內容提升訂閱價值，專業化服務助力客戶成功；行業走向成熟，市場競爭加劇，以品牌勢能、場景理解和技術創新構建核心競爭力。

　　千人以上規模企業是重點客群，客戶多關注交付靈活度、業務相關性及技術附加值；客戶對外部內容依賴程度高，廠商制課能力是關鍵，內容供給的質量應優先于數量；客戶普遍缺乏數字化學習運營手段，準確的需求理解是客戶代運營服務成功的基礎。

　　反思過去，廠商應立足業務，關聯場景，將績效改進作為檢驗學習效果的唯一標準；把握當下，廠商應以人為本，循序漸進，以融合創新的技術手段提升員工學習體驗；展望未來，廠商應以資本為紐帶，布局生態網絡，搭建一體化人才管理與發展平臺。

　實踐-高頻高價值應用及數據痛點：本篇報告選擇金融、零售、醫療和工業四大典型行業為切入點，分析呈現各行業的信息化建設階段與高頻高價值的AI應用場景，并基于高頻高價值AI應用引發的數據治理需求，對面向人工智能的數據治理體系搭建給到建設指導。

　　展望-治理陷阱與趨勢洞察：1）企業需避免落入“數據埋點大而全”的治理陷阱；2）供需兩側需共同保證數據治理體系建設后的運營流轉；3）企業需建立符合管理現狀及發展需求的數據安全治理框架，確保數據全周期的安全與合規；4）聯邦學習技術可帶來數據安全合規線內的共同富裕；5）數據的“自治與自我進化”成為未來數據處理發展的必由之路，為企業打造“治理+AI”體系的良性循環。前言-數據與數據治理：如今數據不再局限于傳統數字形式的認知，由結構化數據延伸到半結構化、非結構化的數據范疇。數據治理越來越受到企業的普遍重視，在數據生命周期的各個階段通過相應的工具與方法論，使數據發揮出更大的價值，是實現數據服務與應用必不可少的階段。

　　參與-行業規模與受益圈立足點：數據治理與AI應用產品開始交匯融合，廠商參與更加多元，咨詢公司、數據服務提供商和人工智能產品服務商三方陣營構建行業競合格局，而“智”，即AI應用，為面向人工智能的數據治理服務的核心立足點。2021年面向人工智能的數據治理市場規模約為40億元，預計五年后規模將突破百億。

　　主題-面向人工智能的數據治理：AI技術創新應用走向大規模落地，帶動了大數據智能市場的蓬勃發展。2021年大數據智能市場規模約為553億元。目前傳統數據治理體系多停留在結構性數據化治理工作，尚難滿足AI應用對數據的高質量要求。企業可吸收傳統體系的智慧沉淀，以AI應用數據需求為核心，優化建設“面向人工智能的數據治理”體系，顯著提升AI應用的規模化落地效果。

AI+安防仍然是人工智能技術商業落地發展最快、市場容量最大的主賽道之一，2020年，AI+安防市場規模為453億元。隨著疫情常態化以及十四五規劃開篇，2021-2025年市場將進入產業結構調整期，市場規模增速將有所放緩，預計2025年規模超900億元，AI開始向公安交通等場景的下沉市場以及泛安防的長尾細分領域滲透。

公安交通領域是AI安防市場的主要支撐力量，貢獻近86%的市場份額，但隨著雪亮工程進入收尾階段，預計2021-2025年公G安A交通領域AI安防軟硬件市場規模增速將穩定在10%左右；社區樓宇領域在全國城鎮老舊小區改造、“智慧社區”及“智慧安防小區”建設等重點工作持續推進的背景下，預計未來數年將是AI安防市場新的增長點。

與行業發展初期相比，現階段AI安防的政策環境、產品技術以及供需兩端均呈現出新的特點：

政策指導上強調AI安防建設應由單點突破向立體化、全面化、體系化智能安防建設轉變； 產品技術方面，算力向前端及邊緣端遷移的趨勢明顯，國內ASIC芯片廠商在算力前移過程中迎來發展機遇； 需求端，AI安防需求主體的角色越來越豐富且需求方傾向于選擇有技術兜底能力的集成商，除了要滿足現階段建設需求，未來還可提供長期的運維管理與技術服務； 供給端，安防廠商、AI廠商、ICT廠商等多方勢力激烈的市場競爭促使AI視頻監控單路平均價格快速下降，市場競爭進一步推動了AI安防的加速滲透。

AI安防賽道的市場格局已開始進入穩定期，賽道玩家以計算機視覺技術和AIoT技術為切入點，在智慧城市這一更為廣闊的市場下進行業務拓展，尋找“出圈”機會并形成新的核心競爭力將成為破局點。未來，隨著AI公司、安防廠商、ICT廠商、云服務廠商等各類型AI安防核心參與者在業務方向上的拓展與產品技術的泛化，AI安防賽道的邊界也將愈發模糊，其安防功能也將作為AI技術在城市數據感知、認知、決策支持中的重要模塊融入到城市管理與治理的方方面面。

//report.iresearch.cn/report/202110/3864.shtml

人工智能本質是解決生產力升級的問題，人類生產力可以歸類為知識生產力和勞動生產力，人工智能走入產業后，可以分為感知智能、認知智能和行為智能，后兩者更與生產力相對應，NLP和知識圖譜是發展認知智能的基礎。

原始數據通過知識抽取或數據整合的方式轉換為三元組形式，然后三元組數據再經過實體對齊，加入數據模型，形成標準的知識表示，過程中如產生新的關系組合，通過知識推理形成新的知識形態，與原有知識共同經過質量評估，完成知識融合，最終形成完整形態上的知識圖譜。

在面對數據多樣、復雜，孤島化，且單一數據價值不高的應用場景時，存在關系深度搜索、規范業務流程、規則和經驗性預測等需求，使用知識圖譜解決方案將帶來最佳的應用價值。

2019年涵蓋大數據分析預測、領域知識圖譜及NLP應用的大數據智能市場規模約為106.6億元，預計2023年將突破300億元，年復合增長率為30.8%，其中2019年市場中以金融領域和公安領域應用份額占比最大。

隨著整體市場數據基礎的完善和需求喚醒，大數據智能領域規模持續走高，但在行業可落地性和理性建設的限制下，預計市場增速將呈現下降趨勢，期間咨詢性需求將會大量出現，從整體發展來看增速處于良性區間，對真正有價值的公司和產品有正向意義。