**AIoT 作為人工智能技術與物聯網在實際應用中的落地融合，伴隨著人工智能技術不斷提升在 IoT 設備端的滲透率，正逐漸成為傳統行業智能化升級的重要通道和物聯網產業未來發展的大趨勢。**AIoT 在家居、汽車、智慧城市、公共事業等行業和領域的需求正在逐步放大，應用場景進一步拓展，產業發展前景可期。

2022 年，中國 AIoT 產業在疫情下激蕩前行、逆勢發展，為生產生活提質增效作出了重要貢獻。產業處于增長期中段，多層次基礎設施正進一步快速完善；**網聯基本普及，數據采集能力得到了普遍應用，數據壁壘逐步打通，數據孤島間的互聯互通加快推進；數字孿生、 XR 等技術與 AIoT產業進一步融合，提高了數字化技術在產業中的應用廣度和深度；To C 市場平穩增長，To G市場逐步壯大，需求側應用場景不斷拓寬，與供給側一道逐漸成為推動 AIoT產業增長的兩大主要動力。**企業定位逐漸明晰化，開始角逐細分領域，市場從多個 分散的網狀結構逐步向著交叉發展方向進化。隨著整個經濟新舊動能轉換，數字化升級步伐加快，各行各業都迎來了數字化、智能化轉型升級，生產智能化和生活智慧化趨勢進一步加 速，為 AIoT產業進入下一階段高速發展期積蓄勢能。

今年，我們連續第七年推出中國 AIoT 產業全景圖譜及報告，希望通過對最近一年 AIoT 產業發展的梳理總結，以及基于此的前瞻預判，能為業界提供啟發，共同見證產業發展壯大。

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

導讀

近日，北京中發展智源人工智能科技發展有限公司與IQVIA艾昆緯數據科學和高級分析團隊聯合發布白皮書《智“健****”未來：人工智能與機器學習賦能中國醫療健康行業》。

本次白皮書的發布旨在幫助醫療健康產業深刻認識人工智能和機器學習技術為藥械企業的研發、生產、流通環節帶來的變革，以及這些技術在新醫療健康應用場景中釋放的潛力，從而助力企業降低成本、提高運營效率，實現商業決策與企業數字化轉型。

中國醫療大健康行業市場展望

新冠疫情為醫療健康產業的需求端、供給端帶來了不可忽視的沖擊，企業需要改良市場業務策略來應對變局**。**從B端市場看，疫情之后的醫療體系各方的互動方式發生了顯著轉變，醫生與患者、醫生與醫藥代表的互動更多轉為線上。從C端市場看，疫情與防疫政策改變了潛在消費者的信息獲取渠道和健康消費場景。

醫療制度改革不斷深化，政策環境驅動藥械企業降本增效、布局創新**。**近年來，國家藥監局累計發布了361個藥械研發指導原則，覆蓋化學藥、生物制品等領域，為藥械企業產品的研發、生產、審批、上市等環節提供了科學、規范的指導。2021年，國家藥監局產品全年整體按時限審結率達到98.93%，取得歷史性突破。

大數據、人工智能等新技術得到了長足發展，人工智能與機器學習技術在醫療健康產業的豐富落地應用場景為企業提供了增長的新動力**。**

！

高級分析在數字化時代為醫藥企業賦能

人工智能和機器學習技術利用數據、經驗、算法賦能業務決策，幫助企業****在產品全生命周期各個流程中降本增效。

01速度領先

傳統的商業分析往往無法滿足企業應對高速變化市場的需求，人工智能和機器學習技術能夠依靠算法實現自動化的數據收集、分析，允許企業做出實時、快速的商業策略調整，提升企業業務的敏捷性。

02精準決策

近年來，隨著醫療健康市場數據數量和質量的顯著提高，人工智能和機器學習技術在賦能企業決策流程、提高決策精準度方面也扮演了越來越重要的角色。基于人工智能、機器學習算法的決策輔助流程與醫學領域知識的深度結合，能夠顯著提升疾病診斷、藥物警戒、醫學信息溝通等領域的決策精準度。

03便捷擴展

傳統的商業分析決策往往需要重復調用歷史經驗完成規定任務，可能造成人力資源和決策時間的浪費；而人工智能與機器學習技術在提供敏捷速度、精準決策之外，還可以大大提高解決方案的可擴展性，允許企業根據自身業務需求調用封裝算法，實現算法、數據、模型的靈活擴展。

04深度洞察

人工智能和機器學習技術能夠幫助企業以前所未有的方式更好地利用和解讀豐富的市場數據。利用機器學習和統計模型，企業可以更加全面、高效地收集、分析、理解數據，通過對數據的深度挖掘整合，形成對市場和客戶的深刻洞察，實現算法驅動商業決策。

如何尋找合作伙伴

人工智能與機器學習算法對醫療健康產業的業務賦能，高度依賴于企業與其合作伙伴在基礎設施、數據資產、人才團隊、技術模型等多方面的能力。想要真正將這些技術與企業實現深度融合，創造更多價值，企業應該尋找具有下列能力的合作伙伴：

突出的數據資產優勢； * 領先的數據科學技術； * 豐富的醫療健康領域經驗； * 強大的算力基礎設施、協同化產業集聚、良好政策扶持的優勢區位。（中關村(京西)人工智能科技園聯合專業機構，提供超大規模智能模型等服務；與行業龍頭企業合作，提供自主可控、開源的智能計算中心、云邊端架構、人工智能模型算法遷移及適配等服務；能夠為企業提供以邊緣計算、網絡安全為特征的新一代智能基礎設施，促進AI+醫療的深度應用場景落地。）

** 結 語 **

后疫情時代，中國醫療健康產業面臨著更加激烈的競爭環境和飛速變化的客戶需求；不斷變化的市場環境要求企業逐步轉向數字化，以提高其響應能力，提供更多個性化的服務；并對其業務進行創新賦能，革新原有業務流程和模式，以便應對可能的挑戰。

在數量級大、復雜性高的大數據面前，以人工智能和機器學習技術為代表的高級分析能夠有效地處理、分析市場需求，將業務場景、商業需求轉化為人工智能算法和機器學習模型，通過領先速度、精準決策、便捷擴展、深度洞察，賦能產品的全生命周期的多種應用場景，幫助企業降低成本、提高運營效率，助力商業決策與企業數字化轉型。

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。

聚焦醫療服務領域，分析醫院信息化、臨床信息化、區域醫療信息化的發展背景、供需現狀、典型應用等。

3月5日，中國新經濟與產業數字化洞察研究咨詢服務領域的領導品牌——艾瑞咨詢，發布了《2022年中國醫療信息化行業研究報告》，本報告聚焦醫療服務領域的信息化轉型，從醫院信息化、臨床信息化切入，再外延至區域醫療信息化，由點及面描繪了行業的發展背景、供需現狀、典型應用與代表企業、行動建議及展望等。

報告指出，我國面臨醫療資源分布不均、服務水平差異大、醫療服務供需缺口持續擴大的基本國情，在國家統籌下鋪開信息化建設是擺脫困境的重要舉措。而目前醫院信息化建設面臨著戰略、組織及技術三方難點。戰略層面，部分醫院管理層的“短視”會導致信息化建設資源統籌不到位；組織層面，醫信人員缺失、醫務人員IT知識不足、培育機制不完善導致搭建好的信息系統用不起來；技術層面，新舊系統標準協議不統一、數據難接入、數據安全難保證的問題仍存在。

受政府督促、醫療協同要求及醫院內部精細化管理等內外因素驅動，醫院信息化加速發展。醫院信息化涵蓋基礎設施層、業務層、數據層三大核心內容，其中基礎設施層包括通用信息化硬件及與新一代信息技術結合的硬件；數據層關注重點包括數據互聯互通、數據應用標準化以及數據安全，業務層涵蓋便民服務、醫療服務、醫療管理、運營管理等多類別業務，院內業務流程優化及資源管理是關鍵。

醫療AI是指將人工智能技術應用于醫療領域中，主要包括醫學影像、臨床輔助決策、精準醫療、健康管理、醫療信息化、藥物研發以及醫療機器人等細分場景，以助力降本增效、提升診療水平、改善患者體驗、降低患病風險等為核心目的，全面賦能院前、院中、院后各個環節。

本報告的重點研究問題如下：

什么是醫療AI？其細分場景有哪些？

醫療AI有哪些發展驅動力？

醫療AI市場規模如何？行業投資熱度如何？

我國醫療AI行業產業鏈上中下游分別擁有哪些參與者？

醫療AI廠商的核心競爭力是什么？

醫療AI未來發展勢頭如何，存在怎樣的發展趨勢？

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

日前，在“2020 AIoT產業年終盛典”上，物聯網智庫正式發布全新升級版的《2021中國AIoT產業全景圖譜報告》（以下簡稱“報告”）。據悉，這是物聯網智庫連續第五年推出“中國AIoT產業全景圖譜”，繼續通過近距離觀察AIoT產業及主要參與者，梳理產業現狀，并分析、預測市場發展趨勢，幫助讀者把握產業發展脈絡。

報告指出，AIoT產業是多種技術融合，賦能各行業的產業，整體市場潛在空間超十萬億元。艾瑞咨詢數據顯示，2019年中國AIoT產業總產值為3808億元，預計2020年達5815億元，同比增長52.7%，高增長主要得益于5G等新技術規劃化商用和AIoT應用在消費和公共事業等領域大規模落地。未來三年，在消費端和政策驅動端應用市場的繼續推動下，AIoT產業仍將保持高速增長。長期來看，產業驅動應用市場潛力巨大，將成為遠期增長點。

本報告依舊分為端、邊、管、云、用、產業服務六大板塊。整體來看，邊板塊下沉，更加貼近端側。同時，因為IoT和AI的進一步融合，AI相關內容在整個圖譜中將被更充分地體現。報告將從產業全貌和上述六大板塊來介紹產業現狀及趨勢，勾勒產業全景，并將通過優秀的案例，來展示AIoT產業發展成果及應用落地情況。

“端”指的是終端，主要包括底層的芯片、模組、傳感器、屏幕、AI底層算法、操作系統等。 “邊”是相對于“中心”的概念，泛指中心節點之外的位置。邊緣計算則指的是將計算及相關能力從中心處理節點下放至邊緣節點后形成的，貼近終端的計算能力。 “管”主要指的是連接通道，及相關產品和服務。大物聯時代帶來的大連接數和復雜設備現場環境，使得有線連接網絡捉襟見肘，因此在AIoT應用場景中，網絡以無線連接為主。 “云”主要指PaaS平臺，包括物聯網平臺、AI平臺和其他能力平臺。 “用”指的是AIoT產業應用行業。從核心驅動要素來看，可分為消費驅動型、政府驅動型和產業驅動型行業。 “產業服務”板塊主要包括AIoT產業相關的各類聯盟、協會、機構、媒體、投資基金等，這些組織為產業提供包括檢測、標準制定、媒體、咨詢、投融資等服務，是推動產業發展的重要力量。