中国人工智能排行榜：揭秘顶尖科技实力！

这份榜单确实是个好东西，它就像一张藏宝图，可以让你了解国内人工智能领域的重量级玩家，以及他们分布在哪些领域，也能帮助你真正了解这些公司的构成和分布，对未来投资人工智能（AI）和AI概念股大有裨益。

因此，让我在这里告诉你我的解释。

仅落后平安第五

下图是我抓取的榜单前十名。

第一名到第六名，一般都可以称为综合性豪门。

百度、阿里、腾讯包揽榜单前三名，这并不令人意外。作为中国互联网行业的BAT巨头，它们确实是最早开始AI研发的公司。尤其是百度，更是喊出了“All-in”的口号，全力投入AI。因此，尽管百度与阿里、腾讯的市值差距已经拉大，但它在AI领域依然是第一。毕竟，百度在无人驾驶汽车和百度大脑方面的布局，确实很大胆。

很多读者可能会觉得奇怪，华为和平安排在第四、第五位，但这代表着人工智能领域不可忽视的两种趋势。

华为代表硬件流。

华为以电信设备公司起家，其手机近些年非常受欢迎。在人工智能领域，最看重的就是手机集成的NPU（神经网络单元），也就是深度学习处理器。这意味着华为手机在进行人工智能处理时，可以在本地进行计算，而不需要通过网络将数据发送到服务器，并拥有更快的响应能力。这对于很多需要极高速度的功能，比如拍照，会有巨大的优势。能够实现这一架构的硬件厂商，或许在未来的竞争中会更有优势。

当然，华为一直主推的麒麟 970 芯片的 NPU 并非华为自研，提供商是百强榜单中排名第 24 位的寒武纪，除此之外，排名第 27 位的中星微、排名第 12 位的全志科技、排名第 10 位的中科创达等也都是该领域的重要参与者。

而对于中国平安来说，它代表的是跨境流动。

中国平安以保险公司起家，如今已是中国综合金融巨头，也在健康领域发力，近年来大力发展科技金融，近十年累计投入科研500多亿元，希望让科技成为平安发展的新动力。

传统上，我们会认为人工智能这种尖端技术一定是科技巨头在主导。然而，中国平安在这份榜单上排名第五，高于搜狐和腾讯联合孵化的搜狗。可见，跨界巨头不容小觑。这从两个方面来看都不容小觑。

第一方面是基础技术本身。平安在很多国际人工智能大赛中都取得了相当不错的成绩。比如最新消息是，在国际顶级医学影像会议ISBI举办的IDRiD眼底图像分析大赛中，中国平安集团旗下平安科技的平安映象平台表现优异，夺得硬性渗出物（EX）分割任务全球第一、出血（HE）分割任务全球第二、微动脉瘤（MA）分割任务全球第三。去年年中的消息是，国际权威人脸识别数据库LFW（Labeled Faces in the Wild）公布的最新测试结果显示，平安集团旗下平安科技的人脸识别技术以99.8%的识别准确率、最低波动幅度领先国内外知名公司，位居全球第一。可见，金融巨头在人工智能基础技术领域也可能领先。

第二方面是专业背景的加成。人工智能深度学习需要针对特定​​场景进行大量优化。这意味着在金融等细分应用上，金融出身的平安相比其他人工智能从业者，在学习样本方面会拥有天然优势。此外，由于不遭遇算法劣势，其可能拥有更大的优势。从平安的角度来看，去年启动金科空间站，向中小金融机构提供大量人工智能支撑的模块化技术服务，显然也是针对这一点。

除了这些巨头之外，百强榜单中还包括了更多追求小而美、专业的科技公司。

这也是人工智能特别是深度学习的特点决定的，细分领域往往千差万别。

比如在人脸识别领域，虽然巨头在静态照片或是开户视频中都能取得不错的人脸识别效果，但在动态视频人脸识别领域，业内知名且在公安监控领域得到广泛应用的仍是商汤科技（第14名）、Face++（第16名）这样的公司。

到 C、到 B、到 S？

大家都知道人工智能是个好东西，但如何利用它赚钱又是另外一回事。

纵观百强企业，其实有三种不同的做法：针对普通消费者（toC）、针对企业用户（toB）、针对企业自身需求（toSelf）。

用人工智能设计产品，直接触达终端用户（toC），给予直观的体验，是不少科技公司追求的目标。从软件层面来看，排名第29的楚宝输入法、排名第7的科大讯飞输入法、排名第76的图灵机器人等都是代表；当然，最大的部分还是在硬件产品上，比如百度近期推出的智能音箱，由百度联合小鱼在家推出，排名第46。又比如排名第25的Rokid主打智能机器人，排名第6的搜狗刚刚推出了一款翻译机硬件。看似硬件厂商靠卖硬件可以快速产生现金流，但普通消费用户对这方面的需求还有待逐步提升，硬件价格还比较娇贵，还处于市场培育期。

因为难以服务C端用户，更多的AI公司将技术和服务提供给企业用户（toB），并向企业用户收费。做动态人脸识别的商汤科技，以及排名第38位、主打自然语言处理的博森都是如此。当然，在这个领域，越来越多的玩家涌入，除了专注小而美的公司，也有巨头。比如百度、阿里、腾讯各自在云服务框架下提供大量AI服务，可以按次付费，让没有技术开发能力的中小企业也能享受AI的应用；平安科技也有类似的想法，将金融+AI打包成业务模块，提供给中小金融机构。这些巨头的涌入，对小而美的公司来说是一个冲击，对于这些与巨头AI业务正面交锋的小而美的公司来说，能否在细分领域拥有独特的技术优势非常重要。

除了B和C之外，你会发现还有toSelf模式——这甚至成为巨头保持竞争力的核心优势。

没错，谷歌一直在大力发展人工智能，而其最初的目的是为了优化Gmail邮件分类，提高其搜索引擎的性能。百度、阿里巴巴等拥有搜索广告相关业务的公司也是如此。

当然，对于那些需要大量与客户沟通的企业来说，人工智能更加重要。比如中国平安过去大力发展科技，10年投入500亿元研发费用，希望优化流程、提高效率，从最开始的无纸化技术减少纸张浪费，到远程开户等方式提升用户体验。仅仅针对自身原有业务，就有在人工智能上投入巨资的必要。

当然，toS模式最棒的地方在于，自研技术满足自身需求后，还可以对外输出，不仅回馈行业，还能成为利润增长点。比如阿里云、百度云都将自己的人工智能技术以API形式对外提供，而平安则更进一步，将技术和模型打包成服务解决方案提供给中小金融机构，从自用人工智能技术到云服务人工智能技术，从而打通产学研链条，形成闭环。

如果说这个产业链对于百度、阿里这样的科技公司来说是水到渠成的事情，那么金融起家的平安能够走这条路就难能可贵了。一方面，它积累了足够多的先进技术可以输出，而这需要技术实力。另一方面，它能够不固守金融主业，而是看到技术的价值，坚决转型成为一家技术驱动的创新型公司。只有这样，它才能进入技术投入的收获期。

如果我们认为人工智能领域的研发费用会是一个非常重要的因素，那么前文提到的BAT、华为、平安这五大巨头在未来的优势或许会更加稳固。毕竟巨头们不需要融资，也不需要看资本市场对人工智能行业的态度，单凭自身的利润就能支撑起一代又一代新技术的发展——在人工智能是否被讨论到出现泡沫、资本预冷何时到来的背景下，这一点就显得更为重要。

学百度？学交警？学平安？

人工智能能做什么？

显然不同的公司对此有不同的看法，涉及的业务线也不同。

人工智能能做的最简单的事情，就是优化已有产品的体验。比如百度的搜索原本需要文字输入，但有了百度的语音识别人工智能，就可以实现语音输入。从百度搜索到各种地图导航，用户体验确实得到了很大的提升。但显然，你不能要求用户为此付费，更多的是提升体验，留住用户。

当然，如果人工智能和传统产品跨界，可能会催生出新的业务。如果说各地警察使用的智能跟踪摄像头、用人脸识别抓拍过马路的人等都是比较知名、成熟的创新业务，那么无人驾驶汽车应该算是业界最被寄予厚望的新产业。汽车企业在做，百度、谷歌等科技巨头也在做。

但新业务的问题在于，除了政府立即采取抓捕闯红灯等措施外，无人驾驶汽车和智能音箱的研发和消费者接受都相对较慢，需要相当长的培育期。

从目前来看，降低成本，特别是企业成本，可能是人工智能产业化短期内的重要突破口。其实，虽然闯红灯是一个全新的应用，但本质上还是降低成本的延续。因为过去警方遇到重大案件，都是通过人工识别来实现的，甚至还发生过买断一座城市的移动硬盘的趣闻。面部识别可以节省如此巨大的人力和硬盘损失，所以警方对这一领域的推动非常积极。

事实上，中国平安在发力科技，除了掌门人马明哲认为这是大趋势之外，一个内在的驱动力是，人工智能在平安这样的劳动密集型行业，对降低成本的作用巨大。在2018年初的平安寿险智能客服体验周上，平安寿险董事长丁当就用一系列数据来说明这个领域的潜力有多大。根据平安寿险的规划：利用人工智能等技术赋能客服，未来5年将使成本下降614亿元。614亿元到底有多大意义呢？要知道，即便是对于整个平安集团来说，按照分析师的预测，2019年的盈利预测也才1000多亿元。 根据丁当当时的分享，仅仅为了避免门店扩张，利用现有的55家来保证原本需要5500家才能完成的线下客服任务，靠降低租金成本，一年就能省下530亿元。可见，在租金成本不断增加的背景下，人工智能带来的线上运营对降低成本的作用是巨大的。

未来像平安这样降低成本的AI应用思路，或许会成为众多拥抱AI的企业的核心思路。比如百强中排名第9位的真道集团用AI辅助营销，降低营销费用的损失，排名第21位的中芯国际用AI研究客户数据，排名第41位的极智嘉做智能物流机器人，排名第81位的智齿科技做智能客服。

人工智能是一项正在改变我们生活的伟大技术。

在这个过程中，有多少企业能够成为人工智能时代的巨头，不仅取决于技术的进步，更取决于对需求趋势的把握，这或许是投资人工智能股短期内需要关注的问题。

附录：你需要了解的 AI 术语：CV、NLP、语音识别、NPU

人工智能无疑是近两年来的新事物，它带来了一堆新术语和新业务。在研究这些百强公司之前，你可能需要熟悉几个术语。虽然这些术语不能涵盖人工智能的所有子类别，但它们确实可以帮助你了解大多数人工智能公司在做什么。

CV（计算机视觉）

让计算机理解图像不是一件容易的事情，但却非常重要。例如早年应用的OCR，将图片上的文字识别成计算机可以使用的纯文本。再比如近年来流行的人脸识别、照片优化等，都是依靠人工智能理解视觉信息。

自然语言处理 (NLP)

一段明文给计算机，只不过是大量01字节的存储，只有利用人工智能才能解读这些文字，找出核心关键词，判断情绪，提炼核心思想等等，这就是NLP的工作。

语音识别与合成

人类除了视觉之外，通过听觉与外界进行交互，计算机人工智能还必须学会识别语音，并将其转换成纯文本，以便进行后续处理。当然，计算机发展到一定程度之后，还可以从文本中学习，模拟出相应的语音，这对于人机语音交互至关重要。

神经网络处理单元/TPU

人工智能是个好东西，但往往需要进行巨大的计算。传统计算机的CPU（中央处理器）已经无法应付，就连新兴的GPU（图形处理器）也不够用，因此出现了许多专门为人工智能设计的处理器，比如谷歌推出的TPU，国内不少厂商研发的NPU。有了这些处理器，小型设备就可以不依赖网络进行复杂的人工智能计算。

前 100 名完整名单