2022爱分析·人工智能厂商全景报告

　　报告编委 报告指导人 黄勇 爱分析 合伙人首席分析师 报告执笔人 洪逸群 爱分析 高级分析师 任 理 爱分析 分析师

　　报告编委

　　报告指导人

　　黄勇             爱分析            合伙人&首席分析师

　　报告执笔人

　　洪逸群          爱分析             高级分析师

　　任   理          爱分析             分析师

　　目录

　　1. 研究范围定义

　　2. 市场全景地图

　　3. 市场定义与厂商评估

　　4. 入选厂商列表

　　1.  研究范围定义

　　研究范围

　　人工智能，是指运用机器学习、自然语言处理、计算机视觉、语音识别、语音合成、知识图谱等技术，并结合一定的业务场景形成解决方案，以辅助、增强或代替人工来制定决策或执行任务。

　　在本报告中，爱分析将人工智能市场定义为一个更广的概念，包括了支撑人工智能开发与应用的基础设施层、技术开发层、技术服务层和行业应用层四个领域的众多细分市场。其中，基础设施层是支撑人工智能开发与应用底层通用基础设施，包括传感器、存储计算资源、AI芯片等;技术开发层是用于AI开发的平台或工具，包括机器学习平台、数据采标、MLOps工具等;技术服务层涵盖了各类通用的AI技术服务，如视觉智能云服务、知识图谱平台、智能搜索与智能推荐等。行业应用层是指结合一种或多种AI技术与具体业务场景形成的业务解决方案，包括了针对金融、制造等行业业务部门，或营销、客服等职能部门的多种AI应用。

　　综合考虑细分市场的市场规模、行业增速、企业关注度等因素，爱分析在本次研究中选取了行业应用层的智能内容运营、AI知识管理、AI工业质检、智能营销、智能客服、银行智能风控、AIOps，技术服务层的视觉智能云服务、知识图谱平台、智能决策、IPA智能流程自动化，技术开发层的机器学习平台，共12个细分市场，进行重点研究。

　　本报告面向企业决策层，以及大数据与人工智能部门、科技创新部门、各业务部门、职能部门负责人，通过对各市场的需求定义和代表厂商的能力解读，为各行业企业的智能化规划与厂商选型提供参考。

　　图 1：  人工智能市场全景图

　　厂商入选标准

　　本次入选报告的厂商需同时符合以下条件：

　　符合特定市场的厂商能力要求;

　　满足在特定市场的收入要求(参考第3章各市场定义部分);

　　满足在特定市场的付费客户数量要求(参考第3章各市场定义部分)。

　　2. 市场全景地图

　　爱分析基于对甲方企业和典型厂商的调研以及桌面研究，遴选出在人工智能市场中具备成熟解决方案和落地能力的代表厂商。

　　(注：以下所有市场中的厂商均按音序排序)

　　3.  市场定义与厂商评估

　　爱分析对本次重点研究的人工智能各市场定义如下。同时，针对参与此次报告调研的部分代表厂商，爱分析撰写了厂商能力评估。

　　3.1.智能内容运营

　　定义：

　　智能内容运营是指以AI技术为驱动，为包括视频、图片和文字在内的各种类型的内容，提供数据化、平台化和智能化的内容生产、管理、分发服务，满足企业在用户运营中产生的大规模、批量化的内容生产与运营需求。

　　终端用户：

　　企业市场部门、营销部门、内容运营部门等

　　核心需求：

　　随着互联网流量进入存量时代，私域用户运营的重要性与日俱增，企业需要在新闻资讯、个性营销、UGC内容等场景中为其海量用户提供量身定制的内容，以提升用户对其产品服务的了解，提高与用户的互动，增加用户粘性。然而传统靠人工进行内容运营方式的无法满足对海量内容进行处理需求，智能内容运营则提供了一套从内容生产、管理、分发，以及相关配套工具的智能化解决方案。企业对智能内容运营解决方案的核心需求包括：

　　海量内容的快速供给。为了给不同的用户匹配个性化的内容，企业需要具备快速生产海量内容的能力，一方面，需要能够基于AI技术自动生成视频、图片、文字等内容;另一方面，需要外部厂商提供海量的可直接使用的内容，包括授权的内容素材或全网热点信息，并对内容进行自动筛选。

　　自动化的内容管理与分发。为了让海量的内容与用户能够精准匹配，企业需要运用多种AI技术让将该过程高度程自动化，具体而言：需要运用图像分析、自然语言处理、知识图谱等认知智能技术对视频、图文内容进行分析理解，并引入标签体系对内容自动打标签，并且需要对有害内容进行自动识别和审核;同时，企业需要运用推荐算法对标签化的内容进行个性化分发。

　　全流程的工具链支持。为了让内容运营解决方案能高效地落地，企业还需要能覆盖解决方案全流程的工具链支持，包括端能力的构建，让用户在终端获得更佳的内容浏览体验;运营分析工具，能对用户进行精确的画像洞察和行为分析。

　　厂商能力要求：

　　具备成熟的内容相关的AI技术能力，并且AI算法具备较高的准确度。厂商需要具备的AI技术包括：内容理解能力，能够运用图像分析、自然语言处理、知识图谱等认知智能技术对视频、图文等内容进行准确理解，并自动化地打标签;内容生产能力，能够通过输入文字要求或选择模版等形式，自动生成内容，在一些场景还要具备自然语言生成、图像生成、语音合成等技术;个性化推荐，能够基于推荐算法对内容进行精准推荐。

　　具备全流程的工具链以及解决方案搭建能力。厂商需要提供覆盖从内容生产、管理、分发、端能力构建、到运营分析工具全流程的工具链。并且结合不同场景，厂商需要能够提供垂直行业的内容定制、标签体系、内容体系构建等产品或咨询服务。

　　代表厂商：

　　(入选标准：1.最近一年在该市场服务客户数5家以上;2.最近一年在该市场收入500万以上。)

　　火山引擎

　　厂商介绍：

　　火山引擎是字节跳动旗下的企业级技术服务平台，将字节跳动发展过程中积累的增长方法、技术工具和能力开放给外部企业，提供云、AI、大数据技术等系列产品和服务，帮助企业在数字化升级中实现持续增长。

　　产品服务介绍：

　　火山引擎为企业用户提供从内容生产、管理、分发、端能力构建、到运营分析的覆盖智能内容运营全流程的工具链产品，以及内容运营相关的业务体系规划和组织架构设计等方面的咨询服务，可为金融、文旅、汽车、消费等行业企业在其APP用户运营中提供产品介绍、新闻快讯、UGC内容、个性营销等多场景的内容体系建设解决方案。

　　厂商评估：

　　基于字节跳动在抖音、西瓜视频、今日头条等产品研发和运营中的长期积累，火山引擎是业内少有的能提供内容建设与运营全流程工具链产品和咨询服务的厂商。

　　在内容生产方面，火山引擎提供了智能创作云和内容定制产品。智能创作云内置智能工具箱，提供图文转视频、结构化数据转视频、视频拆条/集锦、视频超分等视频智能处理能力，用户可以使用相关工具一键生成视频。例如，图文转视频支持用户通过输入文字描述，选择图片素材库、手动选择或智能匹配视频模版和配音类型等操作，从而自动生成视频内容。同时，智能创作云内置丰富内容素材，包括大量视频模版和配音类型，以及海量正版图片、视频、音乐、贴纸、特效、滤镜等。此外，智能创作云也提供了云端视频编辑以及素材管理功能。内容定制产品连接了字节跳动的内容生态，提供智能化的内容筛选工具以及授权可To B的海量优质图文、短视频、小视频、音频等内容资源，类型涵盖泛生活、泛知识、泛财经等全领域。同时，也向企业提供全网垂直领域的热点事件、强地域属性的生活服务等话题信息。

　　在内容管理与分发方面，火山引擎提供了内容管理平台产品，具备内容引入、内容理解、内容质检、内容分发等多项功能。内容引入提供标准化协议实现对多源内容的标准入库和统一管理;内容理解功能内置数十万通用标签和垂直行业标签，垂直行业标签包括金融行业个股基金企业识别，汽车行业车型识别等标签。在此基础上，可以利用多项AI技术实现对图片、文字、视频内容的理解，并打上标签;内容审核采用先机器筛选后人工复审的方式识别风险内容;内容分发则通过标签挑选内容池，结合先进的规则引擎和推荐算法实现内容的个性化推荐。

　　在端能力构建方面，火山引擎将自身沉淀图片视频的压缩技术、CDN服务集成在SDK中，可为企业在APP中构建流畅的内容浏览体验;

　　在运营分析工具方面，火山引擎提供客户数据平台CDP、增长分析工具Finder，为企业提供精细化的消费者洞察和行为分析能力。

　　在咨询服务方面，基于字节跳动在内容产品中积累的最佳实践和方法论，火山引擎可以企业提供内容运营相关的业务体系规划、产品设计、组织与人才建设等咨询服务。

　　典型客户：

　　光大银行、泰康保险、平安证券、新黄河、快看漫画等

　　客户案例：

　　在银行业越来越注重用户运营，为用户提供更丰富的服务的背景下。光大银行提出“陪伴式智能财富管理服务”的理念，其中在资讯内容服务方面，光大银行与火山引擎合作，在手机APP中推出以实时资讯内容流为主要服务形式的“看点”栏目，包含推荐、理财、基金、保险、证券、生活六大主题板块，提供内容和产品一体化的服务生态。

　　火山引擎提供的智能内容解决方案包括内容服务生态和内容服务能力两个方面。在内容生态方面，除光大银行自有的内容之外，火山引擎基于财富服务场景，为光大手机银行量身定制基金、保险、理财、证券、房产、信用卡、养生、生活8大类目的内容服务体系。在内容服务能力方面，火山引擎为光大银行提供了全链路的内容运营技术能力，包括：一，内容甄选，即通过智能模型识别视频、图文等内容，自动生成内容标签的内容理解能力;保证内容合规的内容质检能力;二，内容分发，用先进的推荐算法实现内容的个性化分发;用全球CDN分发加速和高稳定、零首帧的抖音同款播放器保障客户优质的音视频播放体验;三、数据分析，提供内容服务全流程数据分析帮助光大银行更好了解客户偏好和留存趋势等变化。

　　光大银行通过把内容作为手机银行服务转型的重要抓手，从三个方面助力其打造“陪伴式智能财富管理服务”：一，以高质量的内容为客户提供陪伴式财商投教，为用户提供决策辅助，也通过运用分析数据更加了解开客户，进而提供更精准的服务;二，以内容作为运营触点，对不同的客群实现个性化的内容触达，提高了客户使用频次和时长;三，内容服务根据手机银行品牌定位、客户圈层、业务特色、区域特征等打造的差异化服务模式，为客户提供全新的银行服务体验，树立了全新的品牌形象。

　　拓尔思

　　厂商介绍：

　　拓尔思信息技术股份有限公司(简称“拓尔思”)，成立于1993年，现有员工2000余人，公司于2011年在深交所创业板上市。拓尔思以语义智能的企业级服务为战略，专注于自然语言处理、知识图谱和图像视频分析等领域的技术研发和产业化。

　　产品服务介绍：

　　拓尔思可为企业用户构建包括内容生产、内容管理、内容分发、内容效果分析在内的智能内容运营整体解决方案，相关产品包括WCM内容管理系统、海云集约化智能门户平台、融媒体智能生产与传播服务平台、融媒体传播效果分析平台等，可用于政府部门的内容信息公开、媒体的资讯传播、金融等行业的内容营销等场景。

　　厂商评估：

　　拓尔思的智能内容运营解决方案在认知智能技术、数据服务、多渠道管理、客户服务经验等方面具备优势。

　　在认知智能技术方面，拓尔思具备自然语言处理、知识图谱、图像智能、语音智能、数据智能等多个方向技术和能力，可提供完善的内容理解、自动化写作功能。同时，拓尔思在长期业务发展中积累了面向媒体、金融、合规等多个细分领域的标签体系和自动标签构建工具，可为用户在不同的业务场景中快速构建完善的标签体系。

　　在数据服务方面，拓尔思智能内容运营解决方案能够通过去重、相似度分析等大数据分析技术从媒体内容中发现全网热点信息，并基于NLP技术自动从图文内容中提取内容摘要，为企业提供更加丰富的基于自动化的内容生产服务。

　　在多渠道管理方面，拓尔思的内容管理系统可以对微信、微博、APP、H5等多种来源的文本、图片和视频内容进行统一采编和管理，并统一在多个渠道面向多种客群进行内容的个性化推荐和分发。

　　客户服务经验方面，拓尔思的智能内容运营解决方案已经服务过政府、媒体、银行等领域大量头部的机构或公司，具备丰富的客户服务经验和成熟的解决方案搭建能力。

　　典型客户：

　　招商银行、中信银行、国务院办公厅、新疆日报、海尔集团等

　　3.2.AI知识管理

　　定义：

　　AI知识管理是指通过机器视觉、机器学习、自然语言处理、知识图谱等技术，从企业的各类结构化、半结构化、非结构化数据中提取知识，并构建成知识库，实现企业知识资产的整合、管理、呈现和使用等功能，从而赋能各类知识应用的场景。

　　终端用户：

　　金融、制造、医疗等知识密集型行业企业的各业务部门、客服部门

　　核心需求：

　　随着知识逐渐成为企业最重要的一项生产要素，企业对知识挖掘和共享的需求越来越强，并且在数字化转型的背景下，企业内部大数据、AI等技术能力已逐步成熟，企业需要对其海量领域知识进行系统化的积累、管理和使用。而AI知识管理正是提供了一套从知识整合、管理，到呈现和使用的智能化解决方案。企业对AI知识管理的核心需求包括：

　　自动化的知识库构建与维护。企业的知识隐藏在海量未经整合和处理的文档资料中，仅靠人工无法完成海量知识库的构建与更新维护，因此企业需要运用多种AI技术从文档中自动提取出知识，并识别出知识间的关系，构建知识图谱。在知识库的后续运维中，企业也需要运用多种AI技术识别出未知的用户问题或知识，并将其在知识库中更新。

　　精确的知识搜索与推荐。为了让用户获得最准确的知识，企业需要具备基于自然语言处理技术的知识搜索能力，以准确理解用户的搜索问题，并基于知识推理等技术返回相应答案;同时，企业需要能够运用用户画像分析、个性化推荐技术，为用户主动推荐有用的知识。

　　社区化的知识共享与使用。为了让知识在企业内部有更加丰富的沉淀，最大化知识的价值。企业需要为用户提供更多知识共享和使用的功能，促进人与知识的建立更多的连接，逐渐在企业内部形成社区化的知识中心。

　　厂商能力要求：

　　具备成熟稳定的机器视觉、机器学习、自然语言处理、知识图谱等相关AI技术能力。厂商需要具备的AI能力包括：自动化的知识解析和图谱构建能力，能够为企业自动构建知识库;能够运用自然语言处理和无监督学习技术识别出用户未知问题，以帮助知识库的自动更新;能够运用意图理解、知识推理、NLP等技术准确理解用户的搜索问题，并提供正确答案;能够运用画像分析、个性化推荐技术，为用户主动推荐匹配的知识。

　　具备丰富的知识运营的方法与工具支持。厂商需要具备包含知识的采集、入库、加工、推广全流程的知识运营方法和工具，让知识管理更加高效;并且在知识推广中能够提供问答、搜索、推荐、知识圈等多种功能促进知识的共享和使用。

　　代表厂商：

　　(入选标准：1.最近一年在该市场服务客户数5家以上;2.最近一年在该市场收入500万以上。)

　　爱数

　　厂商介绍：

　　爱数成立于2006年，是一家大数据基础设施提供商。其核心产品包括AnyBackup、AnyShare、AnyRobot、AnyDATA，为政府、公共事业及企业提供结构化数据、非结构化数据、机器数据、知识图谱数据的全域数据服务能力，释放数据价值，实现即时、随时、实时的数据服务。

　　产品服务介绍：

　　爱数AnyShare KnowledgeCenter是一款具有认知智能的企业级知识管理产品，通过将爱数 AnyShare的内容管理能力与AnyDATA知识图谱技术相结合，为大型综合集团、智能制造、科研院所、工程勘察设计、新零售、IT与互联网、专业咨询服务等知识密集型组织提供智能化的知识资产整合、管理、呈现和使用能力，打造企业的智能知识中心。

　　厂商评估：

　　爱数AnyShare KnowledgeCenter知识管理解决方案具备智能化的知识组织与发现、社区化的知识分享与运营、专业领域知识库构建等方面优势。

　　在知识组织与发现方面，爱数AnyShare KnowledgeCenter提供基于AI技术的包含知识识别、提取、关联、利用、发现的全生命周期自动化运营能力。AnyShare作为面向海量非结构化数据的智能内容管理平台，为KnowledgeCenter提供文档存储与全生命周期管理、权限管理以及部分公共服务能力。在此基础上，AnyDATA 可以通过AI 算法来对文档内容进行自动解析、提取标签、发现关联关系，构建知识网络;同时，AnyDATA中内置的意图理解、推理、知识搜索等引擎，能为用户实现智能化的知识搜索、推荐与发现。

　　在知识分享与使用方面，爱数AnyShare KnowledgeCenter具备社区化运营能力。KnowledgeCenter提供了知识圈、问答、文章、话题等功能，知识圈可以由任何用户创建使用，由圈内所有成员共同、自发进行知识贡献、交流与沉淀;问答功能支持用户提问寻求组织内其他人员的回答，也可进一步通过用户行为和画像、知识网络等为用户主动搜索自动推荐答案。通过这些功能，可以让KnowledgeCenter沉淀的知识越来越丰富，并逐渐形成社区文化，实现知识从生产到消费的闭环，让人与知识的联系更紧密，更大地发挥知识的价值。

　　在专业领域知识库构建方面，爱数服务过智能制造、科研院所、工程勘察设计、新零售、专业咨询服务等行业众多客户，对这些行业客户的知识管理需求以及产品功能需求有较深积累，能够构建行通用知识库与知识网络，将这些知识服务能力提供给用户，并进一步在平台上为用户提供第三方知识交易的功能。

　　此外，爱数AnyShare KnowledgeCenter整合了AnyRobot智能运维产品，能够提供基于知识网络的运维知识服务，并对用户行为产生的大量日志数据进行分析，形成用户画像，以用于精准的知识推荐。

　　典型客户：

　　筑森设计、金诚同达律师事务所、华润雪花、西北油田、天津生态城等

　　客户案例：

　　筑森设计是国内知名的建筑设计公司，该公司在长期业务发展过程中积累了海量的文档、图纸、图片、视频等非结构化数据，由此带来了数据资产散落，难以整合利用;数据不互通，难以洞察分析;知识提取难，难以有效运营等问题。在此背景下，筑森设计与爱数合作，构建智能知识管理与运营体系，以解决其数据和知识管理遇到的难题。

　　爱数基于其AnyShare、AnyDATA产品，为筑森设计构建了文档管理体系，知识运营体系，安全管理体系，并与其信息系统做了全面对接。其中知识运营体系主要涉及了知识库、知识主题、知识社区三方面内容的建设，知识库具体涵盖了标准图库、技术总结、研发成果和工程图纸等精华知识，知识主题涵盖了各专业条线的知识主题、标签、词条、知识卡片等，知识社区则涵盖了问题、文章、话题、圈子等功能。

　　通过构建智能知识运营体系，筑森设计获得的价值与效果包括：1)构建了完备的文档和知识分类体系，沉淀为组织级的资产;2)实现了100%项目文件同步，以及项目全生命周期成果沉淀和管理;3)文档和知识检索效率提升了10倍，用户可以实现秒级查找文件，减少沟通成本，工作效率提升10倍;4)打造智能知识中心，通过知识智能发现、智能识别、智能推荐等功能，实现千人千面的精准知识复用，提升了设计创新效率。

　　竹间智能

　　厂商介绍：

　　竹间智能成立于2015年，公司以自然语言处理、深度学习、知识工程、文本处理、情感计算等人工智能技术为基础，将AI能力整合到企业业务中，为金融、制造、政务、智能终端等行业提供端到端解决方案, 赋能企业智能化转型。

　　产品服务介绍：

　　竹间智能的Emoti Knows知识管理平台能够处理和管理企业海量的非结构化文档和内容，通过NLP、知识图谱等技术，对知识进行智能采编、审核、应用和反馈优化，从而实现在统一的平台中顺畅管理及应用文档、产品知识、服务等内容。

　　厂商评估：

　　竹间智能的Emoti Knows知识管理平台在自动化的知识库构建与更新维护、知识搜索准确率、知识共享与分发、知识检索速度等方面具备优势。

　　在自动化的知识库构建与更新维护方面，竹间智能Emoti Knows知识管理平台能够批量自动解析各类格式文档中的标题、段落、图表等内容，自动识别重要信息，直接形成和文档相关的结构化知识图谱。同时，Emoti Knows知识管理平台通过自然语言处理、自监督学习等技术对数据、文档进行语义解析，自动采集知识，并自动生成FAQ，通过对话机器人回答用户的业务问题。

　　在知识搜索准确率方面，竹间智能Emoti Knows知识管理平台提供以自然语言的查询方式，真正理解用户意图和搜索语言，从而支持用户即使提出复杂语义的问题，也能准确地获得所需要的信息。

　　在知识共享与分发方面，竹间智能Emoti Knows知识管理平台支撑的智能知识库不仅能关联各类知识之间的关系，也能关联人与人，人与业务之间的关系。具体包括：关联人员与项目、产品文档的关系;通过业务场景中人机或人与人的交互沉淀的业务知识反哺知识库;通过用户的点赞、标记、意见反馈支撑智能推荐、舆情分析等。

　　在查询速度方面，竹间智能Emoti Knows知识管理平台支撑的智能知识库采用分布式存储架构，能实现智能检索，以及数据的智能分配，从而可在毫秒级的时间内处理和检索数十亿的实体、数百亿的知识关联。

　　典型客户：

　　比亚迪、中银三星人寿、广州12345政府服务热线等

　　客户案例：

　　某国内头部车企于近年构建智慧客服2.0项目，打造智能一体化客服服务平台，旨在提升客服工作效率及服务质量、为企业服务提供数据支撑、助力业务数据智能决策。由于客服平台底层没有完整的知识库平台，缺少对于知识全生命周期的追踪管理能力，不能对知识进行智能化地加工，也无法针对不同知识场景进行NLP算法的二次开发，该车企使用竹间智能自研的Emoti Knows知识管理平台创建其智能知识库，为智能客服平台提供基础数据能力。

　　竹间智能为该车企搭建的智能知识库平台提供了集知识采集、知识采编、知识审核、知识管理、知识搜索、知识互动和知识分享于一体，涵盖知识全生命周期的追踪管理能力。同时，智能知识库平台可以对企业知识进行的智能化地解析及处理，将非结构化的知识自动转化为结构化知识，并应用到实际业务场景中。此外，智能知识库平台提供了自动机器学习平台，能够支持该车企针对其知识场景做NLP算法的二次开发。

　　通过启用智能知识库，该车企达到的效果包括：1)知识生命周期管理可追踪，从知识的产生(采编)、知识的发布及搜索应用及知识反馈，全生命周期线上化功能齐全;2)支持知识审核及自定义，知识质量可以得到有效控制，推到终端用户使用满意度更高;3)智能化知识加工，包括支持知识抽取、知识图谱存储展示、智能搜索等;4)借助NLP机器学习平台，未来可以针对不同知识场景做响应算法功能。

　　3.3.AI工业质检

　　定义：

　　AI工业质检是指基于AI视觉算法，以及相关硬件解决方案，对工业产品的外观表面细粒度质量进行检测，实现对产品缺陷的自动识别和分类，典型应用场景包括：3C零部件缺陷检测、汽车零部件缺陷检测、钢铁外表面缺陷检测等。

　　终端用户：

　　工业企业的质检、质控部门

　　核心需求：

　　在工业企业里，存在着大量需要对产品质量进行检测的场景，但传统的依靠人工进行质检的方式，不仅消耗大量人力劳动，导致人力成本高，而且人工进行质量检测的方式其稳定性和精确度都存在不足。AI工业质检通过采集产品图像，并基于AI算法自动识别图像中的瑕疵缺陷，从而解决了上述问题。企业对AI工业质检的核心需求包括：

　　高效地进行工业缺陷检测模型的训练、验证和部署。工业质检领域存在大量长尾场景，企业需要能够快速地针对众多细分场景训练、验证、修改和部署模型，同时，针对相似场景的质检需求，企业需要能够将检测模型迁移到相似场景，提高模型泛化能力。

　　高质量的成像分析。工业质检领域采集的图像经常会出现因大倍率景深、运动模糊、拍摄失焦等原因造成的成像效果不佳的问题，企业需要采用相应的成像分析算法，提高图像质量，为检测模型准确识别瑕疵奠定基础。

　　需要对工业光源、工业相机、机械手、控制器等外部硬件进行定制化的设计，解决图像采集、动作控制等问题，并与软件平台结合，形成完整的AI工业质检解决方案。

　　厂商能力要求：

　　提供工业视觉模型训练平台，具备包括数据上传、数据标注，到模型训练、模型测试、模型部署、运行监控在内的全流程功能，并支持用户通过不断上传新数据，自行迭代模型，提高模型准召率的闭环能力。同时，需要平台内置多种机器视觉和深度学习算法组件，支持用户快速组合算法，搭建应用，以及方便对模型进行泛化。

　　在成像分析领域有较深厚的计算机视觉技术能力，能通过光度立体算法等技术提高采集的图像的质量，解决成像不佳的问题，从而提高缺陷识别准确度。

　　能够与工业光源、工业相机、机械手、控制器等外部硬件进行灵活兼容，或能提供相关硬件的定制化解决方案。

　　具备工业相关领域的行业know-how，能够对产品生产流程、加工工艺等业务场景的知识有深入理解，并形成解决方案。

　　代表厂商：

　　(入选标准：1.最近一年在该市场服务客户数5家以上;2.最近一年在该市场收入300万以上。)

　　京东科技

　　厂商介绍：

　　京东科技集团是京东集团旗下专注于以技术为产业服务的业务子集团，致力于为企业、金融机构、政府等各类客户提供全价值链的技术性产品与解决方案。依托人工智能、大数据、云计算、物联网等前沿科技能力，京东科技打造出了面向不同行业的产品和解决方案。

　　产品服务介绍：

　　京东科技基于京东人工智能AI开放平台NeuHub的计算机视觉等技术，提供工业AI视觉检测解决方案，该方案包括质检一体机硬件、云边协同算力、工业质检算法平台以及应用系统模块，覆盖玻璃崩边检测、钢材表面划伤检测、包装表面异物检测、工业字符检测等典型应用，能够实时检测生产现场产品缺陷，实现质量监控和预测，为制程改善提供参考。

　　厂商评估：

　　京东科技工业AI视觉检测解决方案具备以下优势。

　　在算法层面，京东科技工业AI视觉检测解决方案具备面向3C、服装、快消等行业常用视觉质检场景的完整算法能力矩阵。同时，通过将行业机理模型与机器学习算法相结合，可以数倍降低模型训练对工业品瑕疵数据量的要求，降低应用部署的冷启动门槛。

　　在算力层面，京东科技工业AI视觉检测解决方案具备云边端部署方案协同能力，支持“5G+边缘算力集群+云端管理”的部署方式，可以实现算力的弹性缩扩容，大幅度算力降低成本。

　　京东科技工业AI视觉检测解决方案提供包含机械臂、成像系统、光学系统、工业控制器、传感器等硬件的质检一体机，通过交付软硬一体的解决方案，可以实现AI视觉检测的灵活、快速部署上线，并帮助客户实现一机多用的功能。

　　在应用价值层面，京东科技工业AI视觉检测解决方案从质检切入，可以进一步延伸到质量管理和优化。结合京东科技全链路智能制造解决方案中的排产排产、工艺优化解决方案，基于对质检数据的分析，挖掘质量缺陷成因，进而提供制程改善决策参考，从而改善良品率、提升生产效率。

　　典型客户：

　　某快消品牌，某智能手机外壳生产商，某电池生产厂商等

　　3.4.智能营销

　　定义：

　　智能营销指在“用户洞察-营销策略制定-用户触达与转化-效果评估”的数字营销流程中，能够运用大数据挖掘、自然语言处理、知识图谱、算法模型等智能技术，通过对某类营销方式全过程或部分环节的智能化来提升营销质效，例如大数据用户洞察、舆情趋势洞察、精准投放、个性化推荐等智能营销场景。

　　终端用户：

　　营销部门、运营部门、品牌部门

　　核心需求：

　　已初步搭建数字营销体系的企业，仍然在用户洞察、营销策略制定、用户触达与转化、效果评估等环节存在业务痛点，需要借助更全面的数据源以及大数据技术更好地完成营销目标。具体需求包括：

　　传统的用户洞察依托企业CRM或CDP已有会员数据，缺少合规的外部数据;用户画像和潜客预测等洞察场景仍很大程度上依赖人工经验，准确度不够高。随着数据智能技术的发展，企业希望合规使用人群特征偏好、行动轨迹、舆论趋势等各项数据，并由算法模型进行实时性的智能分析，生成更准确的洞察结论和可视化的数据展示，支撑策略制定优化。

　　多样化的渠道和庞杂的市场信息给企业制定营销策略带来挑战，要了解市场全局、确保营销效果变得更困难。因此企业基于专业知识与经验去制定整体营销策略的同时，愈发强烈需要对全局市场环境形成系统性的分析方法，在客群趋势、竞品策略、市场反馈等方面获得及时准确的数据。

　　随着营销精细化程度不断提高，企业需要提高用户触达与转化环节的自动化智能化水平，基于用户生命周期或基于用户分群构建丰富的营销模型，支撑拉新、促活、个性化推荐、首购、复购、交叉购买等场景，实现精准的千人千面营销，进一步提升各环节转化效果。

　　企业需要营销效果评估与策略优化紧密结合，将量化、实时、全面的效果反馈快速应用于策略调整与优化，持续提升营销ROI。评估维度上一方面需要宏观上更长期的营销态势量化数据，另一方面需要单项活动、产品各转化环节的实时效果数据，并分别运用适配的评估模型实现自动分析。

　　厂商能力要求：

　　厂商可以在活动营销、内容营销或整合营销等领域，提供不同的营销工具、服务和方法论，且应具备大数据挖掘、自然语言处理、知识图谱、算法模型等底层技术，对数字化营销全过程或部分环节的实现智能化升级，主要应提供以下能力：

　　大数据用户洞察能力。厂商应提供丰富合规的数据源以及AI分析模型，针对企业所需的线上线下营销场景，运用大数据与机器学习技术对客群人口属性、手机及APP偏好、兴趣关注、品牌关注、位置分布等维度，进行实时全面的用户洞察，为营销策划提供更敏捷可靠的数据支持。

　　市场环境洞察能力。厂商应具备营销业务理解和市场分析方法论，并能运用自然语言处理、知识图谱、数据挖掘等技术手段收集充分的市场信息，包括线下场景的区位、人流情况，以及线上场景的舆论趋势、媒体热点、渠道分布、KOL详情等，代替传统的人工调研和数据分析，形成对营销态势的洞察。

　　智能化运营能力。厂商提供的CDP、MA等智能营销产品，需具备智能的标签体系、丰富的营销模型和效果监测功能，通过智能打标使用户标签更加丰富准确，通过个性化推荐、交叉推荐、复购预测、需求升级预测等营销模型实现精准投放，并提供细致的统计数据和指标，帮助企业提升用户运营的智能化水平。