本月，騰訊研究院與IT桔子聯合發布了《2017年中美人工智能創投現狀與趨勢研究報告》，針對國內外1000多家人工智能企業進行了深入分析，并在報告中給出了眾多富有洞察的結論。但遺憾的是，此份報告針對國內人工智能初創公司雖然作出了一定的宏觀分析，但可能限于篇幅問題，在更多的細分數據維度，比如企業平均融資輪次、各路資金在整體AI產業鏈上投資布局等方向尚未進行深入的數據分析，這是比較可惜的地方。因此，本文產生了從IT桔子爬取國內所有人工智能初創企業數據，繼續挖掘其中更深入的產業特征的想法。本文基于從IT桔子爬取的國內人工智能初創企業數據，在AI初創公司產業鏈分布、融投資事件、投資機構風格與產業鏈布局等維度進行深入分析。

基礎數據源

本文使用到的數據，來自于通過爬蟲獲取的IT桔子截止到2017年9月國內所有人工智能領域的初創公司基本信息與投資事件數據，包括公司信息、獲投時間、輪次、投資金額和投資方等等，需要說明的是，本文數據中剔除了阿里、百度、騰訊等互聯網巨頭，以及帶有人工智能概念的上市公司，以免他們對整體數據的分布產生影響，本文研究范圍主要圍繞國內591家AI初創企業開展。

研究目的

通過分析目前國內所有AI產業初創公司的產業鏈分布，了解當前的AI產業結構，并鳥瞰其中的融投資熱點。同時再以投資方視角，分析各家投資機構在AI產業鏈的布局和風格，并統計一下從Google、微軟亞洲研究院、BAT等巨頭出來的科學家們所創辦的AI公司當前情況，從數據角度形成對整體AI產業的新認知。

AI產業鏈模型

由于產業鏈模型涉及到了如何對這591家國內人工智能企業進行領域分類，需要重視對待。而本文并未完全采用《2017年中美人工智能創投現狀與趨勢研究報告》中對人工智能企業的分類方法，因為該分類可能會存在一點小問題。本文特意提出以下人工智能產業鏈模型，對這591家企業進行領域分類：

整個AI產業鏈通過三個層級將從業的公司分為了20個子類，簡要說明如下：

基礎層為整體產業提供算力，其中硬件部分包括芯片、傳感器與中間件。芯片領域典型公司如寒武紀、深鑒科技，從事包括GPU、FPGA及ASIC等各類AI芯片的研發設計，由于技術門檻過高、投資周期長，目前國內僅有極少部分具備足夠技術積累的初創企業參與其中。而計算能力平臺以云計算為整個AI產業鏈提供算力，除了3A（AWS、Azure、阿里云）外，國內典型的初創公司有如七牛云、青云，由于深度學習的持續火爆讓全球AI產業普遍面臨算力瓶頸，未來預期將有更多參與者進入計算能力平臺這一領域。

技術層主要為整體產業鏈提供通用AI技術能力。其中感知層包括計算機視覺和語言識別兩項重要的機器感知任務，由于這兩項技術由于相對成熟，目前有大量的初創公司選擇了這兩個領域，如計算機視覺云集了商湯科技、曠視科技、云從科技等大量獨角獸；而認知層定位為“機器大腦”，包括知識圖譜/語義分析，以及智能問答/虛擬助手兩個核心領域，頂部的平臺層則以通用技術應用平臺的形式提供深度學習、模式識別等技術應用服務，對接應用層。

應用層按照對象不同，可分為消費級終端應用以及行業場景應用兩部分。消費級終端包括智能機器人、智能無人機以及智能硬件三個方向，其中智能硬件領域從業公司包括如Rokid等智能音箱玩家，致力于消費級硬件的智能化。場景應用部分對接各類外部行業的AI應用場景，比如智慧醫療、智慧金融等。

最后需要說明的是，深耕AI行業應用場景的公司往往也具備了技術層的一些核心技術能力，比如雅森科技等醫學影像公司使用計算機視覺技術對心臟、肺、腎等醫療影像進行模式分析，幫助提高重要疾病診斷的正確性。這類公司顯然定位是“技術的行業探索者”，因此我們不能認為它們是計算機視覺技術公司，而需要歸類到智慧醫療領域之中。因此這里涉及到一家公司產業鏈定位分類的多義性，本文的原則是，凡是深耕行業場景應用的公司，都傾向于歸類到對應的應用層領域之中。

AI產業鏈初創公司分布