第一篇：2018年中國人工智能自適應教育行業研究報告

2018年中國人工智能自適應教育行業研究報告

報告：電商、金融、營銷、醫療、AI、泛娛樂等等榜單：PC網站、APP、影視、移動設備、網絡廣告行業數據、用戶數據，你要的這里都有！本文摘要：1.自適應學習主張每個人都擁有自己獨特的學習路徑，是一種非常有前景的教育技術。國外起步早，應用廣，并多次被實證研究證明有效。2.自適應學習產品有智能程度之分，區分標準是看它的技術水平基于人工、基于計算機編程還是基于人工智能。人工智能自適應在教育的各個環節都可應用，其中教學環節的應用最核心、難度也最大。3.人工智能自適應教育的本質是可規模化的個性化教育。4.人工智能自適應教育行業處于發展早期的升溫階段，概念模糊，泡沫難免，目前至少40家公司已宣布入場。5.K12輔導和語言學習是2015-2017年業內融資事件最多的兩個細分領域，融資數量占比分別為52.2%和34.8%。6.目前國內產品總體處于初級階段；人工智能自適應教育始于技術，勝于內容，終于效果，學習效果才是企業競爭力的最終評判要素。▌國外的自適應學習產品起步早，應用廣自適應學習早在20世紀90年代的美國就已存在，目前已得到較為廣泛的應用。美國K-8（相當于中國的小學、初中）自適應學習公司DreamBox Learning曾在2010年后做過一項調查（調查樣本超過480個，其中大部分人為K-8公立校教師）, 結果表明49%的人正在自適應學習軟件上教授補充課程，42%的人正將其作為核心課程平臺使用。自適應學習產品在國外各個學習階段都有應用，包括早幼教、小學、初中、高中、大學、職業領域等，并已覆蓋多個學科。點擊查看大圖更清晰?▌自適應學習的概念自適應促使學習方式發生深刻變革：每個人都有自己的路徑自適應(Adaptive)，顧名思義是自我調節和匹配，具體含義是指根據數據的特征自動調整處理方法、順序、參數和條件，以取得最佳處理效果。它不是指某項具體技術，而是多種知識和技術融合達成的一個結果。這個概念類似于“共享經濟”，它不是指某個經濟領域，而是新場景、商業模式、技術等因素融合而成的一種經濟現象。自適應學習(Adaptive Learning)在國內引起廣泛關注是在2015年，彼時在線教育正野蠻生長，一小批人注意到在線教育完課率極低，這是因為在傳統學習模式下1）不同學習內容之間的跳轉邏輯是線性單一的，學生即使已經掌握了某一塊內容，還是需要花費時間去學習；2）學生有問題也不能得到即時的反饋和幫助。對此，自適應學習致力于通過計算機手段檢測學生當前的學習水平和狀態，并相應地調整后面的學習內容和路徑，幫助學生提升學習效率。然而，學習是一個復雜且隱性的過程，簡單的計算機編程很難實現好的效果，運用人工智能技術來實現的人工智能自適應學習應運而生。這是對傳統自適應學習的升級，也是對新型學習方式的探索，在教育領域意義重大。點擊查看大圖更清晰?▌自適應學習產品有智能程度之分基于人工、基于計算機編程還是基于人工智能？當大多數人提起自適應學習時，他們對自適應學習產品的智能程度缺少一個清晰的定義。看一個自適應學習產品，需要判斷它是基于人工的自適應，還是基于計算機編程的自適應，還是基于人工智能的自適應。目前人工智能總體上還處于初級階段，人工智能+自適應學習又是一個新興的領域，相關人才和經驗總體上處于匱乏狀態，因此市場上的人工智能自適應學習產品基本都屬于弱人工智能的范疇。但即便是弱人工智能，相比于基于人工的自適應和基于簡單計算機編程的自適應來說，也已經是一種進步。弱人工智能自適應學習進化到強人工智能自適應學習的突破口在于人工智能自適應技術的突破以及其在教育垂直領域的深度落地。點擊查看大圖更清晰?▌人工智能自適應學習的原理在大數據的基礎上構建學習模型并輸出學習建議在現階段，“搜集大數據——構建學習模型——輸出學習建議”是實現人工智能自適應學習的基本步驟。學習模型的構建過程非常復雜，常人難以理解，通俗來說，它是在“借鑒”人類大腦的思考過程，通過成千上萬個函數點互相傳導信息，用窮舉的方式從千絲萬縷的函數嵌套關系中找出學習規則，并不斷進化模型。它的輸出由三部分要素有機結合而成：學習材料（如：一段教學視頻、一道練習題），用來測評學生是否掌握學習材料的標準，學習材料的推送順序。這三部分的內容和時長都由人工智能算法來決定。學生使用系統的時間越多，留下的行為數據越多，系統的效率就越高。點擊查看大圖更清晰?▌人工智能自適應學習系統的運行流程像優秀教師一樣“思考”和“行動”老師是以經驗驅動教學的，整個過程雖然遵循一定的節奏，但每一步的“火候”非常依賴于教學經驗的積累，因此剛畢業的老師往往適合于答疑，而在教學的體系化上有所欠缺，教齡長的老師往往擅長全盤把控，而在親和力上稍顯不足；不同老師對學生學習情況的判斷是不一樣的，從而導致他們所規劃的學習路徑不同；兩個老師即使經驗值相等，還會在性格脾氣、教學風格、薪酬期待上有所差異，從而影響教學效果。人工智能自適應學習系統旨在聚集并量化優秀教師的寶貴經驗，以數據和技術來驅動教學，最大化地減小老師水平的差異，提高整體教學效率和效果。擊查看大圖更清晰?▌自適應與人工智能+教育的關系自適應能夠深入教學核心環節，而其他AI技術不一定能深入人工智能在教育領域的落地應用是大勢所趨。目前已有的智能產品包括拍照搜題、分層排課、口語測評、組卷閱卷、作文批改、作業布置等工具，這些工具應用了先進的人工智能技術，但應用場景只停留在學習過程的輔助環節上，而不會直接帶來教學質量和效果的提升。人工智能自適應則能夠把人工智能技術滲透到教學的核心環節中，既有助于從根本上改進學習的理念和方式，也有助于產品打通商業模式，直接面向C端用戶銷售變現。擊查看大圖更清晰?▌人工智能自適應在教育過程中的應用各個環節均有可為，教學環節最核心，全流程應用最高級完整的教育流程可劃分為內容開發——教學（學習）——練習——測評——管理五個環節，這些環節中都存在人工智能自適應學習可以應用的場景。其中，自適應內容開發是其他4個環節的基礎，需要耗費巨大的工作量，目前國內少有公司專門以這項工作為主要業務，大多數公司往往只把它作為一項內部產品開發的前續工作；自適應管理指的是通過分析教學、作業、測評環節的學生數據，對用戶進行智能預警、提醒和跟蹤，是其他4個環節成功應用后的附加產物。人工智能自適應學習技術在教學、練習和測評三個環節的應用能夠直接面對C端用戶，市場廣闊，是目前主要的三個應用環節，而其中教學環節的應用對學習效果的影響作用最大，也是整個教育流程中最核心、最復雜、最難的一環。隨著用戶對個性化和效果的需求越來越強烈，不同環節之間出現了一定的界限模糊，市場上也出現了能在五個環節同時應用的全流程自適應學習系統。點擊查看大圖更清晰?▌深入應用到教學核心環節難度較大需要先有教學環節的有效數據，不能僅有練測環節的數據教學環節對學習效果的影響作用最大，也是整個教育流程中最核心、最復雜、最難的一環，而測評、練習環節相對外圍、輕量、簡單，因此自適應學習產品最先在測評和練題場景中得到應用。如果把不同的人工智能自適應學習產品分為“只應用到測評環節”（自適應測評）、“只應用到測評和練習環節”（自適應練習）、“同時應用到測評、練習和教學環節”（自適應教學）三類，那么自適應教學是其中數據獲取難度和產品功能等級最高的一類。自適應教學產品的開發需要有教學環節的有效數據，而這些數據的獲取難度高，具體體現在：1）自然狀態下，教學過程數據是非結構化的；2）數據可挖掘的維度多，不限于測試成績和作業情況，還包括學習路徑、內容、速度、偏好、規律等深度數據；3）不同數據點之間的關系復雜。點擊查看大圖更清晰?▌人工智能自適應教育的價值核心價值是降本提效，促進行業升級人工智能自適應教育是一次行業改革實驗，對機構、對學生、對老師三方都具有降本提效的價值。其核心價值是把教育行業從勞動密集型的農業時代帶向成本更低、效率更高的工業時代。農業化向工業化發展的趨勢是不可阻擋的，即使不通過人工智能自適應教育來實現，也會通過其他渠道來實現。點擊查看大圖更清晰?▌中國人工智能自適應教育行業發展階段行業處于發展早期的升溫階段，概念模糊，泡沫難免不可否認的是，從行業發展階段來看，目前人工智能自適應教育行業仍處在發展早期，并且由于“人工智能”概念過熱，加上市場受到巨頭進入、大額融資等事件的刺激，從而存在一定的炒作現象。但這是一項新興事物發展的必經之路。人工智能本身受到的市場反應也呈現出“這是全能的——這是騙子——這是全能的——這是騙子”的反復性，人工智能在教育行業的落地應用不是一蹴而就的，必然也會因為初期效果的不甚理想而反復受到推崇和質疑。隨著人工智能技術進入穩定期，質疑的聲音才會漸漸消除，行業發展路徑才會穩定上升。點擊查看大圖更清晰?▌中國人工智能自適應教育行業玩家分布教育科技+課程變現前景良好，至少40家公司宣布入場不斷有企業瞄準、涌入人工智能自適應教育賽道。一類是提供在線英語課程和工具的公司，英語領域本身具有一定的國外自適應學習經驗，而且相關的學習材料、標準化測評和題庫數據都足夠多，開發環境相對較好。一類是以題庫、作業平臺為基礎，或進入公立學校做考試數據采集和分析的公司，他們能夠收集一部分學習數據，在大數據采集和用戶認知經驗上具有一定的先發優勢。另一類是主打自適應教育的公司，他們以自適應學習系統為主攻產品。此外，其他在線教育機構、線下教育機構、甚至非教育行業的機構都在試圖進入這一領域。點擊查看大圖更清晰?▌中國人工智能自適應教育行業特點邊際明顯：初期投入大，越往后數據的反哺能力越強毫無疑問，隨著越來越多的學生使用某個產品，產品所收集的數據量會越來越多。在一般的在線教育產品中，這些數據會被儲存起來，經由人工挖掘和分析，用于優化產品；而在人工智能自適應學習產品中，這些數據會像“燃料”一樣被輸送進人工智能算法這個“大鍋爐”中，由數據來訓練算法，輸出更接近真實情況的學習模型，賦予學習系統更好的性能和更高級的功能，從而吸引更多的學生使用。學生使用系統則產生更多的數據，繼續上述流程，形成良性循環。另外，系統通過數據對學生產生的“了解”會隨著時間遞增，學生之后更換產品的轉換成本會非常高。因此可以說，人工智能自適應教育行業比一般的在線教育行業具有更明顯的邊際效益。點擊查看大圖更清晰?▌中國人工智能自適應教育行業產業鏈產品開發吸納大量資金，產業鏈頭重腳輕，分工有待細化人工智能自適應教育行業產業鏈的結構與在線教育行業類似，都包含了從產品開發（內容研發+技術支持）到教學服務再到分發推廣的過程，兩者差別在于，前者的產品開發環節由于涉及到新興的人工智能技術，從而吸金能力更強、難度更高、耗時更長。產品開發需要教研經驗、教育學、心理學、計算機、大數據、人工智能等多個領域的跨界協作和共同摸索，前期投入可達千萬元人民幣級別。目前K12輔導和語言學習是產品的兩大重點應用場景。點擊查看大圖更清晰?▌企業的商業模式美國以To B為主，中國以To C為主，不能照搬在美國，自適應教育企業的商業模式一般以To B為主，這主要是因為美國C端用戶個人發展壓力小，接受額外培訓的意愿沒有中國人那么強，因此To C培訓空間小，另外與機器交互的自適應學習在機構內推廣也容易快速形成規模，發揮邊際效益。中國To C教育培訓市場比美國廣闊，并且高度分散，只要用心經營人人都可以分一杯羹，To B市場則更多地需要借助人脈關系，進入成本高。中美兩國的國情和文化土壤差異較大，不能照搬商業模式，但美國的產品和技術值得關注、學習。擊查看大圖更清晰?▌行業內投融資情況K12輔導和語言學習領域最受關注從2015年到2017年，中國人工智能自適應學習相關概念一直受到資本市場的關注，融資輪次逐漸呈現出從種子輪、天使輪的早期階段向A輪、B輪的中期階段發展的趨勢。其中K12輔導和語言學習兩個細分領域的融資事件最多，占比分別達52.2%和34.8%。K12輔導是中國教育培訓行業中市場規模最大的一個子領域，吸引力大；語言學習則因為學習內容輕量化、國際化，天然適合與科技接軌。點擊查看大圖更清晰?▌企業通常會面臨的難點新事物的發展之路上每一步都有“坑”人工智能自適應學習產品與傳統教育產品相比，改革跨度太大，因此不可避免地在團隊招募、產品開發、市場推廣等方面會面臨較大阻力。由于行業發展仍處于早期階段，所以目前最大的難點還是來自于產品開發。作為主要的使用者，老師群體也需要一定的適應時間，而且需要在心態上做一次轉變。點擊查看大圖更清晰?▌行業熱度持續教育科技大勢所趨，入局企業持續增多人工智能自適應教育領域的入局企業將持續增多。主要原因如下：1）人工智能火熱，市場風向如此；2）人工智能算法開源、技術進步，人才增多；3）教育市場是一個需求非常多樣、行業格局非常長尾的市場，人工智能+自適應學習幾乎可以應用在每一個細分領域，行業集中度短期內也不會明顯提升，因此各企業有空間做到差異化競爭、區域化競爭；4）在線教育狂奔三四年之后，各企業開始集體尋求變現，2017年是直播變現大年，而自適應學習系統有望成為直播平臺的底層標配，用來提高直播課程的標準化水平、解決直播平臺大規模擴張后師資不足的問題。點擊查看大圖更清晰?▌人工智能是關鍵技術短期內集中力量突破增強數據挖掘、認知專家顧問等技術根據Gartner的報告，未來2-5年內增強數據挖掘、認知專家顧問、深度學習、邊緣計算、機器學習、虛擬現實等技術將度過泡沫期，逐漸被主流所應用。未來2年內如果企業能率先在這些技術領域取得突破性進展，則可以搶占先機。人工智能自適應教育行業是一個技術驅動型行業，技術能力對企業至關重要，短期內內各企業之間技術能力的賽跑也將正式開始。但由于教育行業是一個典型的“慢”行業，因此這些技術在教育行業真正普及至少需要2-5年的時間。點擊查看大圖更清晰?▌企業競爭力要素悄然改變始于技術，勝于內容，終于結果人工智能無疑是未來趨勢，但它始終只是一種手段，如果在學習的某些環節，使用一些簡單的信息化手段或人為手段能實現更好的學習效果，那么這一環節就不需要也不應該借助人工智能。真正創造價值的是創新的問題解決模式，而不是某一項技術。人工智能自適應教育最早發展出的功能是反映學生的能力水平（測試功能），后來逐漸加入找出知識點盲區（評價功能）、推送內容彌補盲區（學習功能）的功能，但目前所推送的學習內容的表現形式仍然是視頻、題目等舊形式，其背后的學習方式仍然是傳統的“聽課”和“刷題”，這是由教學思路的固化導致的。隨著人工智能技術的突破、社會對人才評價標準的更替，未來人工智能自適應教育領域將迎來內容體系的新革命，實踐式教學、沉浸式教學等理念帶來的新型學習方式將更多地融入自適應學習系統，正如目前在線教育領域教研崗人才稀缺一樣，未來各人工智能自適應教育企業的技術差距將逐漸縮小，而能深刻理解教學教研、具備新技術條件下的創造能力的教研人才將受熱捧。點擊查看大圖更清晰?

第二篇：人工智能行業研究報告

人工智能行業研究報告

從去年的Alpha Go對戰李世石開始，再到今年升級版的Alpha Go對戰柯潔，人工智能經過一年多的發酵早已不再是一個陌生的名詞。

截至目前，人工智能行業已發布了多篇報告，但我們仍致力于寫出不一樣的東西。除卻老生常談的算法、計算力、數據之外，我們認為人工智能的未來最重要的驅動力一定會是“場景驅動”。在人工智能的場景驅動階段，不但可以針對不同用戶做個性化服務，而且可在不同的場景下執行不同的決策，最終實現“給予決策支持”的目標。因此本報告中，我們用了較大的篇幅去描繪人工智能的場景應用。

那么，在不同的場景中，人工智能是如何發揮作用的？帶著這個問題，我們研究了國內外與此領域相關的企業，寫出了這份人工智能行業的研究報告。

報告摘要

人工智能（ArtificialIntelligence）是指使用機器代替人類實現認知、識別、分析、決策等功能，其本質是對人的意識與思維的信息過程的模擬。

1.在AI發展的不同階段，驅動力各有側重，我們可以將AI的發展劃分為三個階段：技術驅動階段、數據驅動階段和場景驅動階段。其中技術驅動階段集中誕生了基礎理論、基本規則和基本開發工具。在此階段，算法和計算力對AI的發展起到主要推動作用，其中計算力主要包含芯片、超級計算機、云計算等三個維度。

2.在市場規模方面，綜合考慮我國人工智能的爆發節點、技術成熟度以及全球AI市場規模等因素，我們保守估計最遲至2019年我國AI的市場規模將突破百億元，而2022年這一數字應在700億元左右。

3.隨著AI支撐技術的不斷發展，AI將持續拓展更多的應用場景；而愈發多樣化的應用場景需求又會反過來驅動支撐技術，從而帶動整個AI行業的持續發展。但各應用場景的發展并非均衡，整體看來將從垂直領域AI逐漸過渡到通用型AI。

總體來說，AI最重要的還是要將技術與應用場景相結合，無法落地的技術很難得到資本青睞和市場認可，而有閉環、壟斷性的數據，并且其技術能夠與實際應用場景結合的公司將有望產生難以被替代的商業價值。

行業概述

AI是使用機器代替人類實現認知、分析、決策等功能的綜合學科

人工智能（ArtificialIntelligence）是指使用機器代替人類實現認知、識別、分析、決策等功能，其本質是對人的意識與思維的信息過程的模擬，是一門綜合了計算機科學、生理學、哲學的交叉學科。凡是使用機器代替人類實現認知、識別、分析、決策等功能，均可認為使用了人工智能技術。作為一種基礎技術，理論上講人工智能能夠被應用在各個基礎行業（如AI+金融、AI+醫療、AI+傳統制造業等），同時也有其如機器人這樣具體應用行業的概念。

本報告將以2017年上半年為時間節點，對包括發展驅動力、巨頭布局、投融資情況、預測的市場規模等在內的人工智能行業到目前為止的整體發展情況做簡要分析，并對包括數據標記、語音識別、語義識別、計算機視覺等技術領域以及安防、醫療、金融等應用場景在內的細分領域及其典型企業進行簡析，探索人工智能領域未來發展趨勢和可能的投資/創業機會。

行業驅動力

技術驅動：算法和計算力是主要驅動力

在AI發展的不同階段，驅動力各有側重，我們可以將AI的發展劃分為三個階段：技術驅動階段、數據驅動階段和場景驅動階段。

技術驅動階段集中誕生了基礎理論、基本規則和基本開發工具。在此階段，算法和計算力對AI的發展起到主要推動作用。現在主流應用的基于多層網絡神經的深度算法，一方面不斷加強從海量數據庫中自行歸納物體特征的能力，一方面不斷加強對新事物多層特征提取、描述和還原的能力。對算法來說，歸納和演繹同樣重要，最終目的是提高識別效率。最新ImageNet測試結果顯示，AI錯誤率低達3.5%，而人類對同一數據庫識別錯誤率在5.1%，理想情況下，計算機圖像識別能力已超越人類。

如上圖所示，每年在ImageNet測試中錯誤率最低的算法模型都不盡相同（從NEC到ResNet），這也反映了人們對于算法的不斷探究、更迭過程。

計算力的三駕馬車：芯片、超級計算機、云計算 提高識別效率除依靠算法之外，也離不開計算力的支持。計算力可以分三個維度展開：芯片、超級計算機、云計算。

芯片：人工智能領域作為一個數據密集的領域，傳統的數據處理技術難以滿足高強度并行數據的處理需求。為解決此問題，繼CPU之后，相繼出現了GPU、NPU、FPGA、DSP等“AI”芯片。1999 年，Nvidia公司發布了全球首款圖片處理芯片GPU；2016年，寒武紀發布了全球首款深度學習專用處理器芯片NPU，芯片的更迭、進步可從根本上提高計算性能。

超級計算機：其基本組成組件與個人電腦的概念無太大差異，但規格與性能則強大許多，是一種超大型電子計算機。我國自主超級計算機“神威·太湖之光”，其處理器為眾核CPU“申威26010”，整臺“神威·太湖之光”共包含40960塊處理器；打敗李世石的AlphaGo共包含1202個CPU和176個GPU；打敗柯潔的升級版AlphaGo使用到了TPU，但數量只有 4 顆。

可以發現，真正用于人工智能的超級計算機芯片還只是處于CPU、GPU層，如何將更適用于網絡神經算法的NPU、FPGA等芯片量產化并融合入超級計算機芯片矩陣，是在人工智能發展的第一階段—技術驅動階段應該重點努力的方向之一。

云計算：與主要應用于密集型計算的超級計算機不同，云計算依靠其靈活的擴展能力主要應用于社交網絡、企業IT建設和信息化等數據密集型、I/O密集型的領域。

我們分析認為，當AI跨越入第二階段—數據驅動階段后，算法和計算力將變成人工智能領域的基礎設施—“水、電、煤”。就目前看來，多項算法開源平臺已將AI算法引入統一、公用階段，運算力也必將向同樣的趨勢發展。云計算則是一個初步嘗試，未來，計算力的發展方向或將是云計算和超級計算機技術結合，為企業提供既可密集運算又可靈活擴展的計算服務，將人工智能賦能全行業。

數據驅動：描繪個性化畫像；場景驅動：給予決策支持

人工智能發展的第二個階段，算法和計算力已基本不存在壁壘，數據將成為主要驅動力，推動人工智能更迭。此階段，大量結構化、可靠的數據被采集、清洗和積累，甚至變現。例如，大量的數據基礎上可以精確地描繪消費者畫像，制定個性化營銷方案，提高成單率，縮短達到預設目標的時間，推動社會運行效率提升。

到了人工智能發展的第三個階段，場景驅動作為主要驅動力，不僅可以針對不同用戶做個性化服務，而且可在不同的場景下執行不同的決策。此階段，對數據收集的維度和質量的要求更高，并且可實時根據不同的場景，制定不同的決策方案，推動事件向良好的態勢發展，幫助決策者更敏銳的洞悉事件根本，產生更精準更智慧的決策。

人工智能產業鏈綜述

AI產業鏈主要包括技術支撐層、基礎應用層和方案集成層

正如報告開頭所述，人工智能是指使用機器代替人類實現認知、識別、分析、決策等功能，是一門綜合了計算機科學、生理學、哲學的交叉學科。完整的人工智能產業鏈可以分為技術支撐層、基礎應用層和方案集成層，或者說應用場景層。

技術支撐層主要由AI芯片、傳感器等硬件和算法模型（軟件）和兩部分構成。其中傳感器與IoT的感知層相似，包括GPU、FPGA、NPU等在內的AI芯片負責運算，算法模型則負責訓練數據。

基礎應用層的技術則是為了讓機器完成對外部世界的探測，主要由計算機視覺、語音識別等感知層和語義識別等認知層構成，這些技術是機器能夠做出分析判斷的基礎。此外，在感知與認知技術之下還有數據標注作為其底層支撐。

方案集成層是集成了某種或多種基礎應用技術的、面向如工業、自動駕駛、家居、倉儲物流、金融、醫療等不同應用場景的產品或方案。

本篇報告將主要圍繞AI中基礎應用層和方案集成層，即應用場景層進行分析。

語音識別：語音識別過程雖存在難點，但目前技術已趨于成熟

語音識別是將語音轉換為文本的技術，是自然語言處理的一個分支。前臺主要步驟分為信號搜集、降噪和特征提取三步，提取的特征在后臺由經過語音大數據訓練得到的語音模型對其進行解碼，最終把語音轉化為文本，實現達到讓機器識別和理解語音的目的。根據公開資料顯示，目前語音識別的技術成熟度較高，已達到95%的準確度。然而，需要指出的是，從95%到99%的準確度帶來的改變才是質的飛躍，將使人們從偶爾使用語音變到常常使用。

語音識別作為一種一維時域信號，在實際操作中主要有兩個難點。首先是數據的獲取、清洗。語音識別需要大量細分領域的標準化語料數據作為支撐，尤其是各地方言的多樣性更是加大了語料搜集的工作量。據媒體消息，蘋果iOS 10.3版本中Siri已支持上海話。

第二個難點是語音特征的提取，目前主要通過具備多層神經網絡的深度學習來解決，多層的神經網絡相當于一個特征提取器，可對信號進行逐層深化的特征描述，最終從部分到整體，從籠統到具象，做到最大程度地還原信號原始特征。

語音識別雖市場龐大但已出現領航者，留給創業公司的機會不多

據Research andMarkets研究報告顯示，全球智能語音市場將持續顯著增長，預計到2020年，全球語音市場規模預計將達191.7億美元。根據Capvision報告顯示，從語音行業市場份額角度來看，全球范圍內，由Nuance領跑，國內則是科大訊飛占據主導地位。

企業案例：科大訊飛

科大訊飛專注于To B的語音識別技術，目前已領跑中文語音市場

科大訊飛創辦于1999年，主要從事智能語音及語言技術、人工智能技術研究，軟件及芯片產品的開發，而應用集成則由下游的開發商或客戶自己完成。根據公開資料顯示，科大訊飛是目前我國少數掌握核心技術的語音領域企業之一，已于2008年5月在深圳證券交易所掛牌上市。

科大訊飛擁有六大核心技術，分別是語音識別、語音合、自然語言處理、語音評測、聲紋識別和手寫識別。其中更重要的是其同時擁有語音合成和語音識別，能夠把“聽”和“說”組合起來。此外科大訊飛還提出訊飛超腦計劃，瞄準語音理解力市場。

隨著人工智能熱度高漲，科大訊飛等企業技術得以規模性落地

科大訊飛以訊飛超腦、AIUI 為內核，積極打造基于訊飛開放平臺的AI 生態，面對不同場景，推出覆蓋全行業的語音產品及服務，深耕智慧教育、智慧城市、智慧汽車、智慧醫療以及智慧家居五個行業，全方位挖掘G 端、B 端及C 端客戶。

隨著全球范圍內人工智能熱度的高漲，語音識別作為其中重要的技術應用層落地項目也愈加多元化。科大訊飛在智慧教育、智慧城市、智能家居、智能汽車、機器人等領域規模化的應用，促進了其營收近幾年內持續穩定走高，尤其是在教育行業，科大訊飛構建了智慧考試、智慧校園、智慧課堂、智慧學習等一體化的智慧教育產品體系，2017年智慧課堂產品有望成為其在教育行業收入和毛利的重要增長點。

企業案例：Nuance＆云知聲

Nuance領銜全球市場，云知聲重點布局家居領域

從世界范圍來看，Nuance是全球最大的獨立語音識別公司之一。Nuance于1994年成立于美國麻省伯靈頓，并于2000年4月在納斯達克上市。Nuance曾為蘋果、三星提供語音支持服務，在語音識別領域一度處于壟斷地位，后隨深度算法的普及，各巨頭逐漸開始自主研發語音識別技術，差距逐漸縮小。但直到今天，其發布的Dragon Drive（聲龍駕駛）——互聯汽車語音和內容平臺，仍為眾多知名車企提供著車載語音技術支持，如梅賽德斯-奔馳、戴姆勒、寶馬、豐田、雷克薩斯、榮威等汽車品牌。

此外，還有重點布局家居領域的語音企業—云知聲。云知聲于2012年6月創辦于北京，目前融資輪次為B+，是智能語音領域新銳玩家。據官方數據顯示，云知聲目前已覆蓋了476個城市，覆蓋用戶超過1.8億，代表客戶有網易易信、錘子手機、樂視超級電視等。

語義識別：解決“聽得懂”的語義識別領域中，新進入者仍具有一定機會

語義識別是人工智能的重要分支之一，解決的是“聽得懂”的問題。其最大的作用是改變人機交互模式，將人機交互由最原始的鼠標、鍵盤交互轉變為語音對話的方式。此外，我們認為目前的語義識別行業還未出現絕對壟斷者，新進入的創業公司仍具備一定機會。

語義識別是自然語言處理(NLP)技術的重要組成部分。NLP在實際應用中最大的困難還是語義的復雜性，此外，深度學習算法也不是語義識別領域的最優算法。但隨著整個AI行業發展進程加速，將為NLP帶來長足的進步。

語義識別技術擁有多樣性的應用領域以及行業參與者

我們認為，基于語音識別和語義識別的智能語音交互技術在車載場景中存在剛需，也會成為最先爆發的領域之一。并且，隨著車聯網的縱深化發展，相關硬件趨于免費，依靠語音交互天然流量入口，做個性化增值服務將是未來車載領域的主要盈利點。

從1996年至今，國內至今仍在運營的人工智能公司接近400家1。從下圖可看出，自然語言處理（NLP）無論在創業熱度、獲投數量還是獲投金額都處于細分領域的前三。據 Global Market Insights數據，預計到2024年市場規模達到110億美元。

科技巨頭樂衷于收購，小而美的企業更偏好細分場景

科技巨頭尤其是微軟早在2008年就已開始布局語義技術領域。對于巨頭來說，自主研發耗時久、投入高，同時效果也是未知的，直接收購是多數巨頭選擇的最快方式。

關于語義識別領域的創業公司，國內代表企業有出門智能360、出門問問、三角獸、驀然認知等。其中，三角獸的智能語音交互功能已被應用在Rokid、錘子手機、威馬汽車等產品上。此外，由于自然語境和細分行業語境下，同一名詞可能具備不同含義，因此除了行業通用型的語義識別公司之外，還存在一些深耕細分場景的公司，例如律師行業國外有基于IBM Watson的ROSS，國內有無訟、法律谷等。

計算機視覺：計算機視覺主要研究如何使機器具備“看”的能力

計算機視覺（computer vision，簡稱CV）是指用計算機來模擬人的視覺系統，實現人的視覺功能，以適應、理解外界環境和控制自身運動。主要解決的是物體識別、物體形狀和方位確認以及物體運動判斷這三個問題。計算機視覺識別系統通常需要三個過程：目標檢測、目標識別、行為識別，分別解決了“去背景”、“是什么”、“干什么”的問題。

計算機視覺在技術流程上，首先要得到實時數據，此步驟可通過一系列傳感器獲取，少部分數據可直接在具備MEMS功能的傳感器端完成處理，大部分數據會繼續傳輸至大腦平臺，大腦由運算單元和算法構成，在此處進行運算并給出決策支持。

動態人臉識別是最熱領域，金融和安防是最熱場景

計算機視覺應用場景可分為兩大類：圖像識別和人臉識別，每類又可繼續劃分為動、靜共四個類別，基本覆蓋了目前計算機視覺的各項應用場景。其中動態人臉識別技術是目前創業熱度最高的細分領域，尤其是金融和安防場景，是其重點布局場景。

國內，計算機視覺領域的企業最早出現在1997年，2014年出現創業高潮，企業平均年齡在3.9歲。下表格為該領域目前存續的具備代表性的創業公司。

各細分領域成熟度相差大，其中人臉識別未來幾年市場潛力巨大

計算機視覺作為一種人工智能的基礎技術應用，使用場景多樣，市場潛力巨大。其中人臉識別領域在2016年已接近百億規模，中國市場在全球范圍扮演著十分重要的角色。

由此可見，計算機視覺各細分領域的成熟度目前相差較大。人臉識別、指紋識別等所在的生物特征識別領域相對來說技術成熟度、工業化程度較高。在物體和場景識別方面，由于識別的物體種類繁雜，表現形態多樣，技術成熟度較低。

對于計算機視覺而言，其主要瓶頸在于受圖片質量、光照環境的影響，現有圖像識別技術較難解決圖像殘缺、光線過爆、過暗的圖像。此外，受制于被標記數據的體量和數量，若無大量、優質的細分應用場景數據，該特定應用場景的算法迭代很難實現突破。

企業案例：商湯科技

專注計算機視覺算法研發，推動視覺技術融入各行各業 商湯科技創辦于2014年11月，位于北京，2017年4月完成了賽領資本領投的戰略投資6000萬美元。商湯科技專注于核心算法開發，通過視覺技術賦予計算機視覺感知和認知的能力，業務覆蓋金融、商業、安防、互聯網+等行業，意圖為企業提供低門檻的計算機視覺技術，打造“商湯驅動”的人工智能商業生態。

商湯科技的核心能力在于其能夠自主開發原創深度學習模型，其自有的高性能算法庫相對行業內開源平臺庫，較大程度提高了算法效率，帶來2-5倍的性能提升。性能的提升直接導致的是極大地降低了計算機視覺硬件門檻，例如一般情況下雙目、深度攝像頭才具備視頻處理能力，但利用商湯科技的算法模型，單目攝像頭也具備此能力。此外，商湯科技自身構建了具備200塊GPU鏈接能力的DeepLink超算平臺，過去耗時1個月的運算，現在只需5-6個小時即可完成。硬件門檻降低+計算能力提升，使得大部分企業快速接入計算機視覺技術成為現實。

作為算法層企業，商湯科技通過與京東、小米、新浪微博等應用層級公司合作，使得自己的算法可以很好地融合多類細分領域的特點，快速移植復制到各行各業。除此之外，商湯還在技術層與多家企業合作，例如，商湯科技與科大訊飛合作研發具備人臉+語音雙重識別的產品；與英偉達合作研發適用于深度學習的GPU芯片，該芯片可實時處理雙路視頻，為智慧視頻提供支持。

商湯科技誕生于香港中文大學的多媒體實驗室，團隊成員主要由兩部分構成，其一是來自MIT、斯坦福、香港大學、清華大學等高校及其實驗室的科研人員；其二是來自谷歌、百度、微軟、阿里巴巴等產業界的商業人員。商湯科技意圖將實驗室最新成果與商業變現之間的時空差距縮到最低限度。2017年4月，商湯科技宣布完成了新一輪的戰略融資，將進一步加速商業化布局。

企業案例：觸景無限

觸景無限專注嵌入式感知模組的研發，試圖在前端解決感知問題

除商湯科技這類依靠算法作為計算機視覺解決方案的流派之外，還存在觸景無限這類專注于前端嵌入式硬件并搭載軟件的打法。觸景無限成立于2010年，提供嵌入式智能感知平臺——視覺卡，并于2017年3月完成A+輪5000萬元人民幣融資。

觸景無限視覺卡基于英偉達、英特爾等嵌入式芯片，融合了人臉識別、物體識別、雙目測距、GPS、TOF、IMU等多種傳感器、數據處理平臺和壓縮算法模型，提供的嵌入式智能感知平臺，具備體積小、功耗低、實時圖像處理、處理能力高、多目攝像頭支持、通用API接口等特點。例如基于深度學習的人臉識別技術運行在視覺卡上能達到每幀100ms的速度（分辨率為1080P時的檢測+識別速度），在1:1人證比對的情況下識別率大于99%，在1:50000的情況下識別率大于90%。通過該視覺卡，信息處理可以直接在前端完成，幫助前端硬件完成“感”與“知”的融合。

在具體產品方面，截止2017年6月，觸景無限視覺卡已完成兩代視覺卡的研發，其中一代V10X系列已于2016年底實現量產，二代V20X系列亦于日前發布。相較于一代，二代基于Intel-Movidius芯片研發，芯片體積更小（一元硬幣大小），功耗更低（低至2瓦），處理速度更強（約1Tflops）。兩代視覺卡產品均可用于安防、無人機、機器人、智能家居、智能汽車輔助駕駛等領域。

人工智能的應用場景層

AI+醫療：融合目前主要體現在智能設備和識別診斷兩方面

人工智能在醫療領域的應用，我們認為主要體現在“軟”和“硬”兩方面。“硬”指的是主要用于醫院、診所的醫療或輔助醫療的智能型服務機器人。種類包括手術機器人、假肢機器人、康復機器人、心理康復輔助機器人、個人護理機器人和智能健康監控系統等六大類。

手術機器人領域代表公司Intuitive Surgical成立于1995年，其產品達芬奇手術機器人是目前全球范圍內應用最廣泛、技術水平最高的手術機器人之一。達芬奇手術機器人屬于人機協作型機器人，主要由醫生控制臺、機械臂系統、三維成像系統三部分構成。手術實施過程中，主刀醫師不與病人直接接觸，而是通過三維視覺系統和動作定標系統操作控制，由機械臂以及手術器械模擬完成醫生的技術動作和手術操作。目前，整個手術機器人行業正在由大型開放性手術向人體微創精細型手術轉型。

手術機器人行業急需打破壟斷，降低成本，普惠國人

就全球而言，目前醫療機器人的研發與銷售仍主要集中在北美地區。截至2016年6月，達芬奇手術機器人全球累計安裝3745臺，其中美國2474臺，全球累計完成手術300萬例。達芬奇手術機器人是國內唯一獲批上市的醫療機器人，截至2016年12月，全國各地共引進了59臺，2016共完成手術11445例，歷年總計完成手術22917例，國內滲透率極低。

隨著我國老齡化進程加速和中產階級的崛起，人們對醫療的精準度、無痛化等要求逐步攀升，同時也由于醫療人員的稀缺，中國的醫療機器人的需求空間非常大。據OFweek消息，2021年，全球手術機器人市場規模將達200億美元，手術機器人國產化已迫在眉睫。

AI+醫療衍生出的識別診斷領域中，數據是關鍵

在AI與醫療的軟性結合上，具體應用包括診前的疾病預防、健康管理；診中的輔助診斷、醫學圖像處理；診后的虛擬醫護助手等。目前，發展較為成熟的領域有醫學影像識別和智能診斷等。

算法和數據是醫學影像識別和智能診斷的技術基礎，其中，醫療垂直領域的圖像算法和自然語言處理技術已可基本滿足行業需求，而數據方面例如醫學影像數據、電子病歷等，存在各醫院之間信息不流通、企業與醫院之間合作不透明等問題，使得技術發展與數據供給之間存在矛盾。

但隨著全球醫療保健進入數字化拐點，可授權使用的數據量得以快速增長，另一方面也由于醫療機器人這類新的醫療數據終端的逐步普及，都將為智慧醫療行業帶來新的發展契機。

政策鼓勵+需求爆發，大健康領域或將出現更多創業者加入

基于數據的稀缺性，擁有一手醫療數據、和政府、醫療機構有大量渠道的創業公司將會建立起壁壘。或者通過對擁有數據的企業進行全資收購也是快速壁壘的好方式。目前，AI+醫療的軟性應用方面的主要玩家國外有IBM Wastson，國內有碳云智能、推想科技等。

2015年，國務院發布《關于印發全國醫療衛生服務體系規劃綱要(2015年—2020年)》，提出推動惠及全民的健康信息服務和智慧醫療服務，推動健康大數據的應用，逐步轉變服務模式。IDC預計，2017年國內醫療行業IT花費市場規模將達到336.5億元，2012至2017年的年復合增長率為14.5%，增速高于中國IT市場的平均增速，需求旺盛。

整體而言，醫療“軟”市場急需醫療數字化、開放化，“硬”市場需要大量創業者加入共同開發醫療機器人這片國內藍海。

AI+金融：AI技術的融入，賦予了金融行業更多想象力

從信息技術變革角度來看，金融歷經金融IT、互聯網金融到金融科技三大發展階段。金融IT，通過 IT 軟硬件實現傳統金融機構辦公和業務電子化；互聯網金融，利用互聯網實現資產端、交易端、支付端、資金端等互聯互通，達到信息共享和業務撮合；金融科技，通過大數據、云計算、人工智能、區塊鏈等最新技術，提高金融業務的智能化。

人工智能與金融的結合可從以下三方面展開說明

生物特征識別功能。

一方面活體驗證降低了隱藏風險，一方面遠程身份驗證提升了工作效率。

千人千面、精準營銷。

基于大數據、機器學習、標簽計算，實現實時精準畫像描繪，提供個性化營銷是未來趨勢之一。進一步還可發展為智能投顧、輔助量化交易等。

大數據征信、普惠金融。

基于大數據的征信系統彌補了中小型企業的征信空白，擴大了客戶范圍的同時，也提升了金融機構的風控能力。企業案例：平安科技

平安科技從金融領域的高頻需求出發，主攻遠程身份驗證業務

平安科技成立于2008年，是平安集團旗下的全資子公司，擁有超過4000名專業IT技術人員和IT管理專家，基于母公司金融背景和需求理解，深挖人工智能在金融行業的應用，主要應用于基于人臉識別的遠程身份驗證，例如遠程開戶、綁卡核身、賬戶登錄、分期購物、人臉考勤、人臉支付等業務場景。

平安科技以深度學習、神經網絡為基礎，精準定位人臉和快速面部特征信息提取完成身份驗證，具備人臉檢測、人臉比對、活體檢測和去網紋等多項能力，目前累積使用已超過2.5億人次。

平安科技人臉識別已服務逾百家合作客戶，包括深圳、天津、福州、鎮江人社局，深圳機場、房管局等。服務應用涵蓋金融風控、安防、醫保社保、鐵路交通、機場安全、互聯網、教育、社會公共服務等多個領域。

人工智能行業總結

深度算法、計算力、數據量以及應用場景共同推動AI迎來爆發期

自從1956年美國計算機協會組織的達特莫斯（Dartmouth）學會上提出“人工智能”一詞，這個概念隨著眾多理論、技術和應用的出現而被不斷豐富。經過半個多世紀的發展，人工智能已經成為時下最為熱門的話題之一，“AI”與“AI+”亦成為一級市場的最火熱的創業/投資領域。

在經歷了誕生、黃金時代、遭遇障礙、繁榮、低潮等數個階段之后，人工智能迎來了爆發期。總結本次AI爆發的驅動力主要是包括目前主流應用的基于多層網絡神經的深度算法和以及包括芯片、超級計算機、云計算等在內的計算力等。此外，被記錄下的海量數據和越發豐富的應用場景也同樣推動了AI爆發期的到來。

第三篇：金準人工智能 2018年中國掃地機器人行業 研究報告

金準人工智能 2018年中國掃地機器人行業 研究報告

前言

近年來，隨著國內生活水平的不斷提高，城鎮化的持續推進，掃地機器人正成為家庭智能新寵，發展速度加速提升。據金準人工智能專家了解，目前，掃地機器人已經成為很多一二線城市家中必備的產品，而平時工作、生活比較忙碌的人群成為掃地機器人的消費主力軍。

一、掃地機器人相關概述

1.掃地機器人定義

掃地機器人，又稱自動打掃機、智能吸塵、機器人吸塵器等，是智能家用電器的一種，能憑借一定的人工智能，自動在房間內完成地板清理工作。一般采用刷掃和真空方式，將地面雜物先吸納進入自身的垃圾收納盒，從而完成地面清理的功能。一般來說，將完成清掃、吸塵、擦地工作的機器人，也統一歸為掃地機器人。

2.掃地機器人分類

按清潔系統來分，掃地機器人一般可分為單吸口式、中刷對夾式以及升降V刷清掃系統式掃地機器人。按偵測系統來分，掃地機器人則可分為紅外線傳感和超聲波仿生技術。

按清潔系統分類：

（1）單吸口式：單吸入式的清潔方式對地面的浮灰有用，但對桌子下面久積的灰及靜電吸附的灰塵清潔效果不理想。

（2）中刷對夾式：它對大的顆粒物及地毯清潔效果較好，但對地面微塵處理稍差，較適歐洲全地毯的家居環境。對亞州市場的大理石頭地板及木地板微塵清理較差。（3）升降V刷清掃系統：以臺灣機型為代表，它采用升降V刷浮動清潔，可以更好的將掃刷系統貼合地面環境，相對來說對面靜電吸附灰塵清潔更加到位。

按偵測系統分類：

（1）紅外線傳感：紅外線傳輸距離遠，但對使用環境有相當高的要求，當遇上淺色或是深色的家居物品它無法反射回來，會造成機器與家居物品發生碰撞時間一久，底部的家居物品會被它撞的斑斑點點。

（2）超聲波仿生技術：采用仿生超聲波技術，類似鯨魚，蝙蝠采用聲波來偵測判斷家居物品及空間方位，靈敏度高，技術成本高。在航空工業上都有系統的運用。

掃地機器人分類圖

3.掃地機器人產業鏈

掃地機器人行業的產業鏈可以分為上游、中游和下游。上游企業是指生產各種掃地機器人所需零部件的零部件供應商或材料供應商。其中，主要零部件包括橡膠輪胎、電機、電池、吸塵主機設備、旋轉毛刷等。中游制造環節包括紅外線傳感機器人、超聲波仿生機器人。掃地機器人產業的下游則主要是通過商超、品牌專賣店、電商環節等渠道到達最終消費者。

掃地機器人產業鏈圖

二、掃地機器人行業發展現狀

1.全球掃地機器人市場發展情況

目前，家務機器人在個人及家用服務機器人的銷售量中占據主要部分，發展速度較快，而家務機器人的發展主要得益于掃地機器人市場的崛起。據金準人工智能專家統計數據顯示，2015年全球個人及家用服務機器人銷售量為540萬臺，其中家務服務機器人370萬臺，占比將近70%。金準人工智能專家預計，2016年-2019年全球個人及家用服務機器人銷售總量為4,200萬臺，其中家務服務機器人銷售總量為3,080萬臺，占比將近75%。掃地機器人是目前家務機器人中的主導品類，金準人工智能專家預計，2016年-2019三年間全球掃地機器人銷售總量將達到3,000萬臺，占家務服務機器人銷售總量的比例為97.4%。此外，根據金準數據統計，全球個人及家用服務機器人2015年銷售額約22億美元。2016-2019年全球服務機器人銷售總額將達到455億美元，其中個人及家用服務機器人銷售總額為224億美元。

2.中國掃地機器人市場發展情況

（1）我國掃地機器人行業發展速度較快，前景廣闊

雖然我國掃地機器人起步較晚，但發展速度較快，未來發展前景廣闊。隨著國民經濟不斷發展，人均可支配收入水平不斷提高，人均住房面積不斷增加，在城市化、智能化等因素的影響下，掃地機器人逐漸被廣大消費者所接受，特別是被年輕一代消費群體所青睞。同時，隨著科技的進步，我國消費者的消費觀念也在不斷變化，對智能化產品的需求逐漸增強。此外，城市化進程帶來的快節奏生活導致人們家務勞作時間減少，人口結構逐漸向老齡化發展等問題使得人們對家務機器人的剛性需求越來越明顯。根據金準人工智能專家統計數據顯示，2017年我國掃地機器人銷售量近400萬臺，銷售額達56.7億元。據金準人工智能專家統計數據，預計2018年我國掃地機器人銷售量將達483.4萬臺，銷售額將近70億元。

（2）我國互聯網電商平臺發展迅速，促進掃地機器人線上銷售快速增長

隨著我國互聯網電商平臺快速的發展，越來越多的消費者適應并熱衷于電商平臺購物，越來越多的商家也由傳統的線下銷售轉為線上銷售。如今，電商平臺使得消費者足不出戶即可通過線上平臺了解產品的外觀、價格以及產品特點等，同時天貓、京東等電商平臺定期的促銷活動促進了各類產品的線上銷售。根據金準人工智能專家統計數據顯示：近幾年來，我國掃地機器人線下銷售情況比較穩定，但線上銷售增速較快。2017年線下和線上的銷售額分別為6.1億元和50.6億元，預計2018年我國掃地機器人線上銷售額將近60億元。

三、國內掃地機器人市場競爭格局

目前國內掃地機器人企業大致可以分為五個梯隊集團，分別是：以科沃斯和Irobot等擁有核心研發實力的企業為主，形成第一梯隊，在產品研發能力，產品體系和產能創新能力方面都領先其他梯隊的公司，這部分市占率大約在60-65%左右；

第二梯隊主要是國內早期從事ODM的廠商，轉型較早的公司，在產品設計和制造方面有一定的基礎，代表性企業包括福瑪特、地貝和Xrobot等，市占率約為5-10%；

第三梯隊主要是一些國外領先品牌，這部分品牌在技術研發實力上優勢非常明顯，唯一不足的是渠道優勢較弱以及售后能力不足，以浦桑尼克、飛利浦和三星為主，市占率在5%左右；

第四梯隊是國內的傳統家電廠商，例如海爾、美的等，這類企業在轉型方向進入比較遲，但是擁有渠道優勢，后續發展空間不容忽視；其他小企業為主體的第五梯隊，這類公司目前占比高達20%左右，未來這類公司的市場空間會逐漸被削弱，眾多沒有核心技術和產業鏈整合能力的公司將會被行業整合。

掃地機器人主要品牌及梯隊分布

四、掃地機器人主要品牌企業

據金準人工智能專家收集的2017年中國市場掃地機器人銷量排行榜榜單顯示：進入2017年中國市場掃地機器人銷量排行榜前十的機器人品牌分別為：科沃斯、iRobot、米家、福瑪特、浦桑尼克、飛利浦、美的、海爾、地貝以及斐納。

1.科沃斯機器人股份有限公司——科沃斯（ECOVACS）

科沃斯機器人公司主營業務是各類家庭服務機器人、清潔類小家電等智能家用設備及相關零部件的研發、設計、生產與銷售，為全球知名的家庭服務機器人制造商之一。經過多年的發展，公司已形成了包括掃地機器人、擦窗機器人、空氣凈化機器人、管家機器人在內的較為完整的家庭服務機器人產品線以及品類豐富的清潔類小家電產品線。

據金準人工智能專家了解，公司在服務機器人模塊的主要產品為“Ecovacs科沃斯”品牌家庭服務機器人。2017年雙11科沃斯機器人創歷史新高，以全網成交額5.28億的成績完美收官，又一次刷新了行業紀錄，并且繼續領跑全網雙11生活電器榜。其中，天貓科沃斯旗艦店的主推爆款——DD35掃地機器人，更是引起了一波搶購熱潮，最終達成了單品加套餐總計13萬臺的超高成交！

2.iRobot Corporation iRobot Corporation成立于1990年，主要生產包括掃地機器人、擦地機器人、泳池清潔機器人在內的家用機器人，包括遠程視頻協作機器人、遠程醫護機器人在內的商用機器人以及應用于國防安全的各類軍用機器人。至今，公司家用機器人累計銷售量超過1500萬個，軍用機器人近6000個。其總部位于馬薩諸塞州的貝德福德，并且在加利福尼亞州的帕薩迪納，倫敦、上海和香港特別行政區設立了分支機構，并于2005年在納斯達克掛牌上市。

2014-2016年iRobot Corporation銷售額分別為5.57億、6.17億和6.61億美元，凈利潤分別為0.38億、0.44億和0.42億美元，其中2015年56%的銷售額來自海外，家用機器人銷售收入占其總收入的91%。

3.北京小米科技有限責任公司——米家掃地機器人

北京小米科技有限責任公司成立2010年4月，是一家專注于智能硬件和電子產品研發的移動互聯網公司。“為發燒而生”是小米的產品概念。2016年8月31日下午，小米公司旗下品牌米家最新智能化產品——米家掃地機器人正式發布。米家掃地機器人搭載的是Neato家采用的LDS激光測距傳感器，通過SLAM算法實時構建房間地圖，在路徑規劃算法上有了革命性的突破。

2018年2月5日，米家官方微博發出了一張海報，對外宣布截至2018年1月31日，米家掃地機器人銷量已經正式突破了100萬臺，對于一款從2016年9月初開售，上市至今尚不到1年半的掃地機器人來說這個速度可謂相當驚人，可以說米家掃地機器人已經成為一款真正的單品爆款產品。

4.美的集團股份有限公司——美的Midea 美的集團股份有限公司，始于1981年，中國家電行業領導者，福布斯全球企業500強。美的提供多元化的產品種類，包括空調、冰箱、洗衣機、廚房家電、及各類小型家電。美的掃地機作為美的的小家電一塊，也是美的主要發展的一款產品。美的目前主要停留在研發階段，前期投入市場的產品主要依靠自身現有的渠道消化。

據美的集團2017年財報顯示，2017年美的實現營業總收入為2407.12億，增長51.35%，凈利潤172.84億，增長17.7%，歸母凈利潤172.84億，增長17.70%，每股收益2.66元。

5.海爾電器集團有限公司——海爾Haier 海爾電器集團有限公司，家電十大品牌，創立于1984年，全球領先的整套家電解決方案提供商，從開始單一生產冰箱起步，拓展到家電、通訊、IT數碼產品、家居、物流、金融、房地產、生物制藥等領域，成為全球領先的美好生活解決方案提供商。海爾掃地機器人采用全程語音提醒功能,多重清掃模式,多種顏色可供選擇。

據青島海爾（600690）發布2017年業績快報數據顯示，海爾公司2017全年實現收入1593億元，增長33.79%；實現歸母凈利潤69.3億元，增長37.59%；收入與凈利潤均創歷史新高。加權平均凈資產收益率為23.59%，同比增加3.21個百分點。據了解，海爾公司業績實現主要得益于公司始終聚焦技術創新與產品引領，專注用戶體驗與客戶價值、堅持海外創牌與盈利引領策略以及人單合一機制的深入推進。

五、掃地機器人技術發展趨勢 1.應用高性價比、高性能傳感器

目前，掃地機器人多采用紅外傳感器、接觸式傳感器、超聲波傳感器等，少部分高端機型使用了線掃描激光雷達傳感器。對于智能化的掃地機器人室內定位和復雜路徑規劃的需求而言，傳感器提供的信息尚顯不足。將來，視覺傳感器、低成本高性能激光雷達傳感器、軟體防碰撞接觸式傳感器等高性能、新型傳感器的應用，將給掃地機器人決策提供更豐富的參考信息。

2.多功能、模塊化集成

在實現掃地機器人基本的掃地、吸塵、拖地等功能的基礎上，模塊化集成。掃地機器人本體可以平臺化，即實現室內智能移動平臺的功能，具備基本的避障、路徑規劃、軟硬件交互接口等功能，而其他功能均以模塊化的形式進行加載，給用戶更多的自主選擇余地，實現細分市場的拓展。

3.智能程度及智能算法拓展應用

借助語音識別技術和圖像處理技術的逐步發展，物品識別技術性能的不斷提高可更有效地提高掃地機器人對家庭環境的融入程度，提升掃地機器人與家庭成員的智能交互能力。研究并設計各種智能人機接口以更好地適應不同用戶和不同的應用任務，提高人與機器人交互的和諧性，實現人機交互的簡單化、多樣化、智能化、人性化。未來，機器人將掌握更多的自主性能力，實現智能掃地機器人功能定位的本質性革新與發展。

總結 自2007年至今，更多的公司開始進入掃地機器人市場，投入了更多的人力物力進行掃地機器人的產品研發與市場推廣，很大程度上推動了掃地機器人產品的技術進步與產業升級，并使得更多的消費者開始接觸這款產品。目前，iRobot以及國內的科沃斯等均已成為掃地機器人領域的知名品牌。隨著家庭服務機器人市場容量的迅速增加，飛利浦、海爾、美的、松下等國內外大型家電品牌商也開始進入掃地機器人領域。

國內掃地機器人方面，科沃斯等國內一線廠商目前研產結合良好，其掃地機器人產品在各項關鍵技術方面與iRobot等國際一流廠商水平相近。相對于其他國內廠商而言，這些公司在家庭服務機器人領域具有業務起步早、技術研發實力較強、產品性能優越、品牌知名度較高等優勢。

與此同時，國內市場還存在著數量較多的中小型競爭對手，其產品以中低端掃地機器人為主，清掃系統大多模仿一線廠商；由于在移動導航算法上受核心專利技術的限制，清掃效果和智能程度與一線的品牌存在較大差異。

第四篇：中國茶葉行業研究報告[范文]

中國茶葉行業研究報告

中國是茶葉的故鄉，擁有世界上最大的種植面積和位居第二的產量，國人對飲茶情有獨鐘。

中國茶業發展面臨的問題與挑戰

雖然中國茶葉收獲面積位居世界第一，茶葉產量位居世界第二，但茶葉產品占據的世界市場份額卻只有6%。

中國茶業生產銷售企業規模小，專業化程度低 中國茶葉年產值約為70億元，茶場卻有6萬家左右，大部分茶場的年產值只不過幾百萬元，不少茶場生產設備落后，工藝粗糙，管理水平低下，很難在國際競爭中占據優勢。目前茶葉生產和

銷售企業都存在小而散的問題，造成技術推廣難、信息溝通難，影響最大的是茶葉出口，由于小企業間的無序競爭，使得出口市場出現混亂。

中國茶葉有名茶無名牌 中國海關總署的數據顯示，2002年中國出口茶葉25.23萬噸，同比增長1.1%，但出口額卻下降了3%，出口平均單價只有每公斤1.31美元。1公斤茶葉還不到10元人民幣，僅相當于日本國產茶平均批發價格的1/擴5]，原因究竟在哪里?中國有名茶無名牌是最主要的原因。雖然中國有著悠久的茶文化歷史，但中國茶葉的科技含量和附加值低，國際知名品牌少。如龍井茶葉雖享譽中外，一可“龍井”只是一個品種、一個地名，而不是一個商標品牌。沒有叫得響的品

牌，使中國茶葉在國際市場上處于很尷尬的境地，即茶葉種植面積第一、產量第二、出口第三、創匯第四。而英國雖然不種茶，但在這方面做得卻很成功。在日本，許多消費者都知道英國的“立頓”茶，一些年輕人甚至以為英國是個茶葉生產

大國，其實英國雖然擁有眾多知名茶葉品牌，但根本不產茶，像“立頓”茶就是用講口茶葉拼配而成的。“立頓”茶在世界五大洲市場占有率達40%-60%，年銷售額達數十億美元，令人咋舌。

第五篇：中國高速公路行業研究報告

中國高速公路行業研究報告

高速公路在國家交通運輸體系中具有重要地位。中國國民經濟持續發展，汽車保有量快速提高，客、貨運輸量等指標均保持較快增長，為高速公路行業發展營造了良好的外部環境。近年來，中國高速公路建設速度較快，但與發達國家相比，中國路網密度仍處于較低水平，未來建設需求較大。分區域看，西部地區投資額增速較快，投資額占比較高，東、中部地區投資額占比相對較低。2012 年以來，宏觀經濟增速放緩，客貨運輸量、客貨周轉量、公路建設投資支出等均同比出現下降趨勢。“十二五”期間全國計劃新增通車里程規模較大，隨著高速路網的日趨完善，高速公路企業車輛通行量及通行費收入有望保持一定水平的自然增長。但鑒于高速公路行業整體仍處于規模建設期，而高速公路建設初始投資大、投資回收期長、投資效益滯后的特點，造成企業資本支出壓力大，債務融資需求強烈。中國高速公路企業大多肩負運營及投資建設的雙重任務，建設資金主要來源于銀行貸款等外部融資渠道。在此背景下，高速公路企業一方面表現為營業利潤率較高，經營性現金流狀況較好；另一方面則表現為建設任務重，財務費用對利潤的侵蝕作用較大。以債務融資支撐的大規模資本支出可能進一步推升行業內企業債務負擔，對行業整體信用水平帶來負面影響。

一、行業概況 1.公路分類

根據《中華人民共和國公路法》，公路按其在公路路網中的地位分為國道、省道、縣道和鄉道，并按技術等級分為高速公路、一級公路、二級公路、三級公路和四級公路。根據目前規定，國道一般需達到二級以上公路標準；在實際操作中，一般高速公路都為省道以上道路。

從使用年限來看，高速公路和一級公路為 20 年；二級公路為 15 年；三級公路為 10 年；四級公路一般為 10 年。

高速公路：全部控制出入、專供汽車在分隔的車道上高速行駛的公路。主要用于連接政治、經濟、文化上重要的城市和地區，是國家公路干線網中的骨架。一般年平均每晝夜汽車通過量 2.5萬輛以上。

一級公路：為供汽車分向、分車道行駛，并部分控制出入、部分立體交叉的公路，主要連接

重要政治、經濟中心，通往重點工礦區，是國家的干線公路。一般能適應按各種汽車折合成小客車的遠景設計年平均晝夜交通量為 15000～30000 輛。二級公路：連接政治、經濟中心或大工礦區等地的干線公路，或運輸繁忙的城郊公路。一般能適應各種車輛行駛，二級公路一般能適應按各種車輛折合成中型載重汽車的遠景設計年限年平均晝夜交通量為 3000～7500 輛。

三級公路：溝通縣及縣以上城鎮的一般干線公路。通常能適應各種車輛行駛，三級公路一般能適應按各種車輛折合成中型載重汽車的遠景設計年限年平均晝夜交通量為 1000～4000 輛。

四級公路：溝通縣、鄉、村等的支線公路。通常能適應各種車輛行駛，四級公路一般能適應按各種車輛折合成中型載重汽車的遠景設計年限年平均晝夜交通量為：雙車道 1500 輛以下；單車道 200 輛以下。從技術等級看，目前，全國等級公路里程 345.36 萬公里，占公路總里程的 84.1%，其中高速公路僅占 2.07%；一級公路占 1.66%；二級公路占 7.81%，三級公路占 9.59%，四級公路占 62.97%，其余為等外公路。從行政等級看，中國國道 16.94 萬公里、省道 30.40 萬公里，分別占全國公路總里程的 4.13%和 7.40％。一般各國的高速公路占總公路里程的 1～2%，但承擔公路年客貨運量的30%以上。2.中國高速公路發展

中國高速公路建設起步較晚，但發展迅速。自1988年中國修建第一條滬嘉（上海—嘉定）高速公路以來，中國高速公路建設經歷了三個發展階段：1988～1992年為起步階段，期間每年高速公路通車里程在50～250公里之間；1993～1997年為高速公路的第一個發展高潮，期間高速公路發展有了明顯的加快，年通車里程保持在450～1400公里之間；1998年至今為高速公路的大發展時期，在國家積極財政政策的推動下，這一階段年通車里程基本保持在 3000～5000公里之間。2000年以來，中國高速公路通車里程一直保持較高的增長速度，“五縱七橫”國道主干線于2007年全線貫通。截至2011年底，中國高速公路由“十五”期末的4.1萬公里發展到8.49萬公里，新增1.08萬公里（見圖1）。截至2011年底，高速公路里程超過3000公里的省份增加至14個，包括河南、廣東、河北、山東等省。3.國家高速路網

《國家高速公路網規劃》于 2004 年經國務院審議通過，是中國公路網中最高層次的公路通道。根據該規劃，中國國家高速公路網采用放射線與縱橫網格相結合的布局方案，形成由中心城市向外放射以及橫貫東西、縱貫南北的大通道，由 7 條首都放射線、9 條南北縱向線和 18 條東西橫向線組成，簡稱為“7918 網”。總規模約 8.5 萬公里，其中：主線 6.8 萬公里，地區環線、聯絡線等其他路線約 1.7 萬公里。地區環線為遼中環線、成渝環線、海南環線、珠三角環線、杭州灣環線共5 條地區性環線，聯絡線包括 19 條橫向聯絡線和 17 條縱向聯絡線。

該規劃采用“東部加密、中部成網、西部連通”的布局思路，建成后可以在全國范圍內形成“首都連接省會、省會彼此相通、連接主要地市、覆蓋重要縣市”的高速公路網絡。

二、行業現狀

1.高速公路行業運行環境 國民經濟發展

交通運輸行業在國民經濟中被劃為第三產業，其運行狀況與國民經濟運行密切相關。從下圖看，2007 年以來，交通運輸業、倉儲及郵電通信業 GDP 與全國 GDP 增長趨勢呈現出較高的一致性。近年來，國民經濟的快速發展為高速公路行業的發展奠定了基礎。根據國家統計局《2011 年國民經濟和社會發展統計公報》，2011 年中國國內生產總值達 471564 億元，較上年增長 9.2%（參見圖 3），全年全社會固定資產投資較上年增長 23.6%。國民經濟的穩定發展帶來了客運、貨運需求量的不斷增長，為高速公路運營企業的通行費收入增長提供了良好的空間。

分地區來看，高速公路發展和當地經濟發展水平也是密切相關。在經濟越發達的地區，其高速公路路網越完善，車輛通行量越大。表 3 中企業所運營的高速公路在全省高速公路里程中占比在 60%以上，大致可以代表所在省份的高速公路水平。從表 3 可以看出，經濟越發達的地區（如廣東、浙江等省），高速公路運營里程規模越大，車輛通行量及通行費收入規模也越大。

汽車保有量增長 汽車保有量的增長將促進高速公路車流量的自然增長。近年來隨著國民經濟的發展，汽車行業也表現出較快的增長勢頭，在 2010 年更是出現爆發式增長，2011 年汽車市場增速有所放緩，但未來仍有一定的發展空間。截至 2012 年 6 月底，中國機動車保有量達 2.33 億輛，汽車保有量達1.14 億輛，全國 17 個城市的汽車保有量超過 100 萬輛，其中北京、成都、天津、深圳、上海等 5個城市的汽車保有量超過 200 萬輛。預計 2020 年中國汽車保有量將突破 2 億輛。汽車保有量的增長將給高速公路運量提供有效支持，高速公路運營企業整體通行費收入有望持續增長。

利率政策變化

高速公路企業普遍采取“貸款修路，收費還貸”的方式，負債率大多在 80%以上，債務負擔較重，利息支出對其盈利影響較大。下表為 2006-2011 年 5 年以上中長期貸款利率，可以看出，2008年，受金融危機影響，央行利率政策的主要方向為下調；2011 年中國經濟出現通脹勢頭，央行利率政策主要表現為上調。以廣東省交通投資集團為例，2011 年，公司全部債務為 1062.50 億元，同比增長 14.98%，但財務費用為 40.35 億元，同比增長 26.11%。當期公司營業收入為 308.87 億元，營業利潤為 47.55 億元，財務費用占營業收入和營業利潤的比重分別為 1.41%和 84.86%。2012 年以來，中國經濟增速放緩，貨幣政策已逐漸轉向寬松，存貸款基準利率的下調有利于減輕高速公路企業的債務負擔。

2.高速公路運輸運行情況

交通運輸主要分為客運和貨運，衡量交通運輸行業運行狀況的指標主要為客貨運輸量及周轉量。公路客運量與當地經濟水平、居民出行習慣、交通設施等關聯性較大；貨運量與貨物周轉量受工業運行的影響較大，比如在 2010 年上半年 GDP、發電量和工業增加值都處于較快增長時，同期全國的貨運量和貨運周轉量增速也處于高位。從下表可以看出，近年來，中國公路運輸發展較為平穩（2009 年增長率較低的主要原因是 2008年基數較高），整體而言，貨運量及貨物周轉量增長速度高于客運量及客運周轉量的增長速度，這也說明在宏觀經濟整體向好的情況下，貨運受到拉動較為明顯。2008 年，在中國經濟較為疲軟的前提下，政府出臺 4 萬億經濟刺激計劃，受此影響，中國客、貨運輸量和周轉量均出現較大幅度的增長，尤其是貨運周轉量，同比增長 189.41%，此后增幅較為平穩。根據交通運輸部統計數據顯示，2011 年，全國營業性客車完成公路客運量 328.62 億人、旅客周轉量 16760.25 億人公里，比上年分別增長 7.6%和 11.6%；全國營業性貨運車輛全年完成貨運量282.01 億噸、貨物周轉量 51374.74 億噸公里，分別增長 15.2%和 18.4%，平均運距 182.17 公里，比上年提高 2.8%。2012 年以來，中國宏觀經濟增速放緩。2012 年 1-6 月，客運量完成 174.70 億人，同比增長 8.7%，旅客周轉量為 9027.35 億人公里，同比增長 10.7%；貨運量完成 149.82 億噸，同比增長 14.0%；貨物周轉量完成 26891.67 億噸公里，同比增長 15.0%。2011 年 1-6 月，客運量、旅客周轉量、貨運量、貨物周轉量同比增速分別為 8.0%、11.8%、14.7%和 16.3%。相比較而言，2012 年以來的經濟形勢對公路運輸的發展產生了一定影響。如果經濟持續疲軟，其對公路運輸的影響將持續并加深。

從公路的利用率來看，高速公路利用率明顯高出國道的利用率。根據交通運輸部的統計數據，2011 年，全國國道網年平均日交通量為 12330 輛/日（當量標準小客車，下同），北京、天津、上海、江蘇、浙江、廣東和山東的國道網年平均日交通量均超過 2 萬輛。全國國道網年平均行駛量為 208852 萬車?公里/日（當量標準小客車，下同），比上年增長 6.8%。河北、江蘇、山東、廣東的國道網年平均行駛量均超過 10000 萬車?公里/日。全國高速公路年平均日交通量為 18941 輛/日，年平均行駛量為 160897 萬車?公里/日。

3.高速公路投資建設情況 公路投資建設概況

中國公路投資主要經歷了兩輪增長行情，第一輪始于1998年的財政刺激政策，直至“十五”期末，公路投資增長基本告一段落，2008年四萬億刺激政策推出，公路投資重新取得大幅增長，至2011年公路投資規模達到1.2萬億元。高速公路建設技術標準高，屬于資金密集型行業，其建設成本主要包括路面材料費、征地拆遷費、人工成本和通訊監控等交通設施費等。高速公路行業建設成本地區差異較大。以重慶市為例，重慶市山地和丘陵面積約占 94%，公路建設技術標準高，所需的材料及人工成本也較高。重慶高速公路集團有限公司（以下簡稱“重慶高速”）每公里建設成本一般為 7000～8000 萬元，而平原地區僅為 3000 萬元左右。而廣東等發達地區則是由于拆遷成本較高從而推高建設成本。目前，廣東省交通集團有限公司（以下簡稱“廣東交通”）在建高速公路的平均成本已接近1 億元/公里，主要原因便是公司在建的高速公路有相當長的里程在珠三角地區，而珠三角地區經濟發達，征地拆遷成本較高，同時人工及材料采購成本均不斷提高。2006-2011 年高速公路里程增長率一般在 10%以上(見表 6)。截至 2011 年底，全國公路總里程達 410.64 萬公里，全國公路密度為 42.77 公里/百平方公里。其中，高速公路里程達 8.49 萬公里（其中，國家高速公路 6.36 萬公里）；高速公路車道里程為 37.59 萬公里。由于高速公路高成本的特性，盡管從總里程看高速公路在整個公路體系中的占比不大，但其投資額在公路投資中的占比一直在50%以上。“十一五”期間，全國累計完成公路建設投資40752.63億元，年均增長15.9%；其中高速公路建設投資22159.01億元，占“十一五”公路建設投資總額的54.37%。受四萬億投資政策的影響，2009年，中國公路建設投資完成9668.75億元，同比大幅增長40.5%，增速較上年上升34.5個百分點；2010年完成投資11482.28億元，同比增長18.8%。2011年，全年完成公路建設投資12596.36億元，同比增長9.7%，增速有所下滑。其中高速公路建設完成投資7424.14億元，占當年公路建設投資總額的58.94%。2012年1-6月，全國基建投資速度放緩，公路建設投資完成4733.25億元，較上年同期下降7.82%。

各地區公路投資情況

分地區來看，東部和西部地區公路建設投資占比相對較高，中部地區投資額相對較低。此外，2009年及之前，東部地區處于集中建設期，投資額占比高于西部地區；2010年以來，由于東部地區路網已相對發達，加上近兩年西部地區建設增速較快，使得東部地區投資額占比有所下降，2011年1-11月，東部、中部、西部地區投資額占比分別為31.84%、27.86%和40.30%。2012年1-6月，公路建設固定資產投資結構中，東部、中部、西部地區占比分別為29.58%、24.01%和46.41%，西部地區投資額占比進一步上升。4萬億刺激政策對各地區公路投資建設有所不同，其中，中部地區公路建設投資增長尤為明顯。2009年1-11月，中部地區投資較上年增加1002.31億元，同比增長64.39%，無論是從增加的絕對值還是同比增速來看，都高于其他地區。

資金來源

從國外的情況看，美國通過征收燃油稅、輪胎稅等稅種所得的費用作為公路信托基金，基本可以滿足公路發展資金需求的 70%，以收費和發行債券解決的資金約占 10%和 20%。且由于美國公路網已經形成，公路基金的 60%即可滿足公路的養護需求。但中國公路網仍處于拓展階段，路網密度不高（美國接近70 公里/百平方公里，德國為 180.53 公里/百平方公里，日本為 318.47 公里/百平方公里），中國的專項稅收只能滿足建設需求資金的 18%和公路養護需求資金的 33%。在上述背景下，中國高速公路運營企業投資運營主體大多是各省交通投資集團，其建設資金一方面來源于通行費收入、政府資金支持（主要體現為項目資本金投入、財政貼息等方式）等；另一方面，大部分仍需依賴銀行貸款。在整個行業處于大規模投資建設期的情況下，高速公路行業整體債務負擔較重，大多企業資產負債率都在 60%以上，部分企業接近80%。以安徽省高速公路控股集團有限公司為例，該公司主要負責安徽省內高速公路及橋梁的投資和運營，2011 年底，該公司資產負債率和全部債務資本化比率分別高達 79.05%和 75.71%，當年的財務費用為 24.63 億元，對其利潤水平的侵蝕作用明顯。

4.高速公路運營管理模式 運營管理模式

目前，高速公路管理有“一路一橋一公司”和“按主線劃分的集中委托管理”這兩種管理模式。“一路一橋一公司”是指一個路橋項目專門設立一個項目公司進行管理，這種方式的特點是組織結構清晰、管理責任明確。目前采取“一路一橋一公司”管理方式的公司主要有寧波市杭州灣大橋發展有限公司、南京長江第二大橋有限責任公司、南京長江第三大橋有限責任公司、重慶渝涪高速公路有限公司、蘇州蘇嘉杭高速公路有限公司等。集中委托管理是在高速公路路網不斷完善的情況下，在適當的地域范圍內，將該地域內的高速公路路段集中管理，以實現內部資源合理配置、降低經營成本、提高經濟效益、并適應全省聯網收費和新技術發展的有效模式。這種管理模式是對傳統“一路一橋一公司”管理模式的突破，具有跨路段性、專業性、集中性等優點，在實踐中已成為主流的管理方式。大多以省為單位設立省級高速公路投資管理公司，對省內主要高速公路路段進行集中統一管理。如安徽省高速公路控股集團有限公司、河南交通投資集團有限公司、廣東省交通集團有限公司等均是采取這種管理方式。

建設經營模式 中國高速公路的建設和經營大致分經營性收費高速公路和政府還貸高速公路（非經營高速公路）。經營性收費高速公路項目一般是由國內外的經濟組織投資建設，從企業設立、融資、項目建設、經營管理等都按照市場化運作。政府還貸性高速公路則是政府交通主管部門通過向銀行貸款，組織建設、管理，建成后收取車輛通行費進行還貸。兩種收費公路的差別主要體現在：

１.主體不同。政府還貸公路的投資主體是縣級以上人民政府交通主管部門；經營性公路的投資主體則為國內外經濟實體。

２.來源不同。政府還貸公路的投資來源為政府投資與市場融資；經營性公路的投資來源則為自有資本與市場融資。收費主體不同。政府還貸公路的收費主體是縣級以上地方人民政府交通主管部門或其不以營利為目的的專門機構；經營性公路的收費主體則為經授權的投資主體，以營利為目的。

３.通行費的性質不同。政府還貸公路的車輛通行費是國家行政事業性收費，要納入國家財政專戶管理；而經營性公路的車輛通行費則企業經營收費，由企業進行管理。

４.費用途不同。政府還貸公路的收費只能用于償還貸款、集資款和必要的養護管理支出；經營性公路的收費則是為收回投資并取得合理回報，企業對其收益的支配，除有法律、法規、規章限定和合同約定的事項，以及用于養護管理支出外，其他基本不受限制。

５.費期限不同。政府還貸公路的收費期限最長不超過20年；經營性公路的收費期限最長不超過30年。

６.項目要求不同。政府還貸公路對建設項目的收益要求較低；經營性公路對建設項目的收益要求較高。

７.享受的稅費政策不同。政府還貸公路不繳納營業稅，而經營性公路要依法納稅。中國較早開始運行的高速公路部分屬于政府還貸性質，而目前大部分的高速公路則屬于經營性收費高速公路。政府還貸性高速公路所收取的通行費一般而言是先上繳財政，然后再由財政向高速公路撥付專項資金以用于公路養護及償還銀行貸款等用途。

三、競爭因素 目前客貨運輸方式主要有公路運輸、水路運輸、鐵路運輸和航空運輸等。各種運輸方式都有其合理運距和特定運輸對象，而其運輸對象也在一定程度上存在重合現象。就公路運輸而言，由于其較為靈活，適合運輸短程、量小的貨物。

從中國目前的運輸結構看，公路運輸占據了絕對優勢。2011 年，公路運輸客運量為 328.62 億人，客運周轉量為 16760.00 億人公里，貨運量為 282.01 億噸，上述三項指標均超過其他三種運輸方式的總和。而在貨運周轉量方面，水路運輸憑借其在運輸大宗貨物方面的優勢而占據領先地位。

一般而言，公路與水路、航空運輸之間沖突不大，但在一定范圍內與鐵路運輸的對象存在重合。近年來，中國高鐵發展速度較快。高鐵的運行速度在 250～300 公里/小時，目前京津城際高鐵運行時間僅為 29 分鐘，成渝高鐵全程運行時間 1 小時。高鐵的發展對中短距離的航空運輸影響較大，在對公路客運的影響方面，高鐵在運輸速度和效率方面具有較強的優勢，與公路的競爭領域主要是跨省的長途客運市場，對公路運輸的車流量起到一定的分流作用。但另一方面，由于公路運輸自身具有較為靈活及低成本等優勢，加上公路運輸中貨運收入占比較大（高鐵分流作用主要體現在客運方面），高鐵對高速公路車流量的影響并不十分明顯。以滬寧高鐵為例，滬寧高鐵于 2010 年 7 月 1 日通車，目前運行速度分為 250 公里/小時和 300公里/小時兩種。從上海出發，途徑蘇州、無錫、常州、鎮江等地到達南京。全程最短運行時間 1小時 38 分鐘（2012 年 7 月數據），二等座票價 140 元左右。與之重合度較高的高速公路為寧滬高速，從上海出發，途徑蘇州、無錫、常州等地到達南京。從寧滬高速（股票代碼 600377）公布的2009、2010 年及 2011 年的對比數據來看，在高鐵開通的前后，公司所屬寧滬高速公路車流量及通行費收入仍呈現出合理的自然增長，受高鐵影響較小。從各高速公路公司之間來說，存在的競爭較小，合理的高速公路規劃和布局能使得路網效應更好的發揮，降低整體通行成本。總體而言，高鐵的開通對高速公路企業運營帶來的影響不大。

四、行業政策 1.計重收費制度

貨車車主通過超過額定載重并降低車速，在耗油僅增加 10%-30%來運送標定載重 150%以上貨物獲得超額收益。但是超載貨車對公路的損耗很大，提高了道路養護成本，同時也增大了交通事故發生率。為了解決超載問題，2006 年，相關部門開始制定計重收費制度。截至目前，全國大部分地區高速公路已實現計重收費。計重收費是按照“標準車型、標準裝載、標準收費；標準車型、超額裝載、超額收費”原則實施的，更加充分地體現出通行費收取的合理性、公平性與科學性。計重收費政策的實施，有效地抑制了超限運輸問題，使高速公路路面、橋梁等得到了有效保護。從對高速公路運營企業的影響來看，計重收費短期內會給企業帶來收入的較快增長，但由于這種方式對超載車數量和車流量的限制作用，長期內企業通行費收入較難保持這種較快增長的勢頭。計重費率向輕車傾斜，可以吸引空車和小型車使用高速公路，促進高速公路車輛結構的優化。單車總質量降低后，剩余的運載量將由其它運輸工具承擔，通行費收入將有適當增長。此外，超重汽車的減少將使得高速公路使用壽命延長、養護成本降低。計重收費政策的實行對高速公路運營企業的信用面形成支撐。

吉林高速于 2010 年 10 月起，在吉林省高速公路對載貨類汽車按車貨總質量試運行計重收費。此外，對于超過公路承載能力的車輛實行較高的收費標準：超過對應的公路承載能力認定標準 30%以下，超限部分按基本費率（0.07 元/噸公里）計收；超過 30%～100%部分，按基本費率的3 倍線性遞增至 6 倍計收；超過 100%以上部分，按基本費率的 6 倍計收。計重收費政策實施后，根據吉林高速 2011 年年報信息，2011 年公司營業收入同比增長 39.64%，主要影響因素：一是公司收費標準調高 10～15%；二是計重收費制度的實施；三是新增投入運營的高速公路（長春高速）。

2.收費期限規定

從收費期限來看，根據2004年發布的《收費公路管理條例》，政府還貸公路的收費期限，按照用收費償還貸款、償還有償集資款的原則確定，最長不得超過15年。國家確定的中西部省、自治區、直轄市的政府還貸公路收費期限，最長不得超過20年。經營性公路的收費期限，按照收回投資并有合理回報的原則確定，最長不得超過25年。國家確定的中西部省、自治區、直轄市的經營性公路收費期限，最長不得超過30年。2011年11月11日，交通部公路局路網管理處處長吳春耕在全國第十七次高速公路管理工作研討會上發言提出，目前交通部正在著力推動《收費公路管理條例》的修訂，將進一步完善收費公路發展政策，建立更加完善的收費公路收費年限和收費標準調整機制。修訂完成后，可能會允許到期的高速公路按“低費率、長年限”和“以路養路”的原則繼續收費。但截至目前尚沒有正式的改革方案出臺。

3.綠色通道政策

綠色通道政策是交通運輸部為降低鮮活農產品流通成本而出臺的一系列政策。交通運輸部最早于2005年1月發布《全國高效率鮮活農產品流通“綠色通道”建設實施方案》（交公路發〔2005〕20號），方案提出以現有國道網為基礎，結合主要鮮活農產品的流量和流向，在全國建立布局為“五縱二橫1”的“綠色通道”網絡。網絡累計長度2.7萬公里，全面實現了省際互通，直接連通了全國29個省會城市，71個地市級城市，覆蓋了全國所有具備一定規模的重要鮮活農產品生產基地和銷售市場。并界定“綠色通道”網絡內運輸的鮮活農產品為新鮮蔬菜、水果，鮮活水產品，活的畜禽，新鮮的肉、蛋、奶。在2008年初抗擊低溫雨雪冰凍災害工作中，國務院將“綠色通道”鮮活農產品運輸全免通行費作為一項應急措施，對保障市場供應、穩定物價和促進農民增收起到了積極作用。2009年12月，交通運輸部發布《關于進一步完善和落實鮮活農產品運輸綠色通道政策的通知》（交公路發〔2009〕784號），進一步規定對“五縱二橫”鮮活農產品運輸“綠色通道”免收整車合法裝載運輸鮮活農產品車輛的車輛通行費。2010年，國務院公布了16項穩定物價措施，要求自2010年12月1日起，所有收費公路對整車合法裝載鮮活農產品的車輛免收通行費并將馬鈴薯、甘薯、鮮玉米、鮮花生列入綠色通道品種目錄。“綠色通道”政策的執行，對涉及“綠色通道道路較多的高速公路公司影響相對較大。以廣東省交通投資集團有限公司為例，每年因綠色通道政策的執行而減少的通行費收入約為9億元左右，占2010年通行費收入的4.48%。

4.油價調整及稅費改革

2008年12月18日，國務院印發了關于實施成品油價格和稅費改革的通知，決定從2009年1月1日起實施成品油稅費改革，取消公路養路費、公路運輸管理費、公路客貨運附加費等六項收費，逐步有序取消政府還貸二級公路收費；同時，將汽油消費稅單位稅額由每升0.2元提高到1元，柴油消費稅單位稅額由每升0.1元提高到0.8元。燃油稅的征收將可能增加公路運輸成本，抑制人們的出行欲望并導致客貨流轉移到其他運輸方式。但另一方面，燃油成本的上升將使得高速公路的節油優勢得到明顯體現，部分車輛會從普通公路分流到高速公路上來。從公路投資及養護資金來源看，“費改稅”后，公路建設養護資金的撥付方式發生了變化，由原來的交通主管部門直接撥付轉為政府財政撥付。資金撥付方式和渠道的變化，使得公司建養資金存在不能及時到位的可能。從目前主要高速公路企業實際運行情況來看，部分資金到位存在一定的滯后性，但總體而言并未對其還本付息能力造成不利影響。

5.收費公路專項清理

近兩年，高速公路超期收費的現象引起社會廣泛關注。2011年6月14日，交通運輸部、國家發展改革委、財政部、監察部、國務院糾風辦日前聯合下發關于開展收費公路專項清理工作的通知。根據通知要求，這次清理工作分4個階段，為期一年。本次對收費公路專項清理工作主要集中在過高、超高的收費路段上，部分路段已采取了一定措施，但涉及的范圍有限，主要涉及二級公路及部分收費期限較長的高速公路。從長遠看，高速公路行業整體債務負擔重，加之未來將繼續維持較大規模的投資，未來債務仍將繼續增長，通行標準下調存在較大阻力。此外，當初收費清理政策的提出部分原因是為了配套國務院發展物的“國八條”，但運輸費用在物流成本中的占比較小，下調通行費標準對降低物流成本影響有限。預計未來較長一段時間內，高速公路收費模式仍將存在。總體而言，綠色通道政策對高速公路運營企業通行費收入帶來一定的負面影響，計重收費政策對通行費收入帶來正面影響，“費改稅”則對建設及養護資金來源產生一定影響。收費期限、收費公路專項清理等政策對高速公路運營企業影響不大，高速公路收費模式仍將持續，行業整體信用水平受此影響不大。

五、重點企業信用分析

1.高速公路發債企業信用情況概覽

截至 2012 年 8 月 10 日，存續期內的高速公路發債企（含所有信用債品種）共 49 家。從主體信用級別分布看，大部分集中于 AA 和 AA+，其次為 AAA 的企業。從表 13 可以看出高速公路運營企業的幾個特點：

① 債務負擔較重，行業平均資產負債率為59.04%； ② 營業利潤率較高，行業平均利潤率為 48.48%； ③ 財務費用較高，對利潤總額的侵蝕作用較明顯；

④ 建設任務重，在建工程金額較大；⑤經營性凈現金流狀況較好。