2.1　全球人工智能行業(yè)發(fā)展綜況
2.1.1　驅動人工智能發(fā)展動因
2.1.2　全球人工智能產業(yè)格局
2.1.3　各國人工智能戰(zhàn)略布局
2.1.4　全球人工智能資金支持
2.1.5　全球人工智能支出規(guī)模
2.1.6　全球人工智能企業(yè)規(guī)模
2.1.7　全球AI創(chuàng)新力城市榜單
2.1.8　人工智能專利綜合指數
2.1.9　全球人工智能企業(yè)應用情況
2.1.10　全球人工智能未來發(fā)展趨勢
2.2　全球主要經濟體人工智能戰(zhàn)略特點
2.2.1　戰(zhàn)略任務分類
2.2.2　主要目標任務
2.2.3　重點研發(fā)布局
2.2.4　主要應用領域
2.2.5　長期戰(zhàn)略規(guī)劃
2.3　美國
2.3.1　美國人工智能發(fā)展狀況
2.3.2　美國人工智能就業(yè)市場
2.3.3　美國人工智能支出狀況
2.3.4　美國人工智能戰(zhàn)略演變
2.3.5　美國人工智能戰(zhàn)略特征
2.3.6　美國人工智能戰(zhàn)略影響
2.3.7　美國人工智能具體布局
2.3.8　美國人工智能相關主體
2.3.9　美國人工智能競爭策略
2.4　日本
2.4.1　日本人工智能戰(zhàn)略布局
2.4.2　人工智能發(fā)展優(yōu)劣勢分析
2.4.3　日本加大人工智能投入
2.4.4　日本人工智能發(fā)展動態(tài)
2.4.5　日本企業(yè)人工智能應用
2.4.6　日本人工智能發(fā)展規(guī)劃
2.5　歐洲
2.5.1　歐盟人工智能法發(fā)布
2.5.2　歐盟人工智能戰(zhàn)略布局
2.5.3　英國發(fā)布人工智能戰(zhàn)略
2.5.4　德國人工智能戰(zhàn)略布局
2.5.5　法國人工智能戰(zhàn)略布局
2.6　各國人工智能產業(yè)發(fā)展動態(tài)
2.6.1　韓國人工智能產業(yè)發(fā)展
2.6.2　俄羅斯加快人工智能布局
2.6.3　新加坡人工智能發(fā)展戰(zhàn)略

3.1　人工智能政策階段特點分析
3.1.1　第一階段
3.1.2　第二階段
3.1.3　第三階段
3.1.4　第四階段
3.2　人工智能行業(yè)獲得政策紅利
3.2.1　中央明確加快人工智能發(fā)展
3.2.2　科技部助推人工智能創(chuàng)新建設
3.2.3　教育部加快人工智能人才培養(yǎng)
3.2.4　人工智能被寫進政府工作報告
3.2.5　AI和實體經濟融合發(fā)展意見
3.2.6　人工智能成為行業(yè)政策導向
3.2.7　新一代人工智能倫理規(guī)范
3.2.8　人工智能標準體系建設加快
3.2.9　“十四五”規(guī)劃布局人工智能
3.2.10　“十四五”智能制造規(guī)劃發(fā)布
3.3　人工智能行業(yè)規(guī)劃相關內容
3.3.1　戰(zhàn)略目標
3.3.2　總體部署
3.3.3　構建創(chuàng)新體系
3.3.4　培育智能經濟
3.3.5　建設智能社會
3.3.6　加強軍民融合
3.3.7　構建基礎設施
3.3.8　布局重大項目
3.4　地區(qū)人工智能政策規(guī)劃逐步完善
3.4.1　濟南市人工智能發(fā)展計劃
3.4.2　陜西省人工智能推進計劃
3.4.3　四川省人工智能發(fā)展方案
3.4.4　重慶市人工智能發(fā)展方案
3.4.5　天津市人工智能行動計劃
3.4.6　湖北省人工智能發(fā)展規(guī)劃
3.4.7　武漢市人工智能試驗區(qū)規(guī)劃
3.4.8　福建省人工智能發(fā)展規(guī)劃
3.4.9　深圳市人工智能發(fā)展計劃
3.4.10　長沙市人工智能行動計劃
3.4.11　上海市人工智能發(fā)展規(guī)劃
3.5　機器人相關政策規(guī)劃分析
3.5.1　“十四五”機器人產業(yè)發(fā)展規(guī)劃
3.5.2　機器人納入研發(fā)重點專項
3.5.3　各地區(qū)加快機器人行業(yè)布局

4.1　人工智能技術認知狀況調研
4.1.1　認知歷程
4.1.2　認知程度
4.1.3　認知渠道
4.1.4　認可領域
4.1.5　取代趨勢
4.1.6　爭議領域
4.2　中國人工智能專利申請狀況
4.2.1　專利申請排名
4.2.2　專利申請規(guī)模
4.2.3　申請地域分布
4.2.4　細分技術占比
4.2.5　疫情防控專利
4.3　中國人工智能專利申請?zhí)攸c
4.3.1　技術研發(fā)主體多樣
4.3.2　應用技術發(fā)展提速
4.3.3　細分技術專利特征
4.3.4　互聯(lián)網企業(yè)布局特點
4.3.5　專利技術發(fā)展要點
4.4　人工智能技術人才供需狀況分析
4.4.1　AI人才需求的崗位類型
4.4.2　人工智能行業(yè)從業(yè)情況
4.4.3　AI人才的區(qū)域供需狀況
4.4.4　AI崗位的能力要求分析
4.5　人工智能技術人才培養(yǎng)狀況分析
4.5.1　AI人才培養(yǎng)的相關政策
4.5.2　高校AI人才的培養(yǎng)情況
4.5.3　機構AI人才的培養(yǎng)情況
4.5.4　人工智能學院建設模式
4.5.5　AI人才培養(yǎng)存在的問題
4.5.6　AI人才培養(yǎng)的未來趨勢
4.5.7　AI人才培養(yǎng)的政策建議

5.1　人工智能行業(yè)發(fā)展進程
5.1.1　行業(yè)發(fā)展歷程
5.1.2　技術研究進程
5.1.3　轉型升級階段
5.2　人工智能行業(yè)發(fā)展價值
5.2.1　人工智能催生智能經濟
5.2.2　人工智能助力智能社會
5.2.3　AI帶來全方位商業(yè)化
5.2.4　AI技術推動產業(yè)升級
5.2.5　AI進入機器學習時代
5.3　中國產業(yè)智能化升級指數分析
5.3.1　產業(yè)智能化升級總指數
5.3.2　農業(yè)智能化升級指數
5.3.3　工業(yè)智能化升級指數
5.3.4　服務業(yè)智能化升級指數
5.4　2020-2022年人工智能行業(yè)發(fā)展綜況
5.4.1　人工智能應用需求加大
5.4.2　人工智能產業(yè)逐步成熟
5.4.3　市場發(fā)展規(guī)模逐步上升
5.4.4　人工智能基礎層發(fā)展規(guī)模
5.4.5　人工智能行業(yè)市場份額
5.4.6　人工智能產業(yè)發(fā)展特征
5.4.7　人工智能開放平臺發(fā)展
5.5　人工智能產業(yè)生態(tài)格局分析
5.5.1　生態(tài)格局基本架構
5.5.2　基礎資源支持層
5.5.3　技術實現路徑層
5.5.4　應用實現路徑層
5.5.5　未來生態(tài)格局展望
5.6　人工智能行業(yè)競爭格局分析
5.6.1　企業(yè)主體分類
5.6.2　企業(yè)注冊數量
5.6.3　企業(yè)地域分布
5.6.4　企業(yè)注冊資本
5.6.5　互聯(lián)網企業(yè)布局
5.6.6　企業(yè)上市情況
5.6.7　未來競爭格局
5.7　人工智能行業(yè)發(fā)展存在的主要問題
5.7.1　人工智能行業(yè)面臨的挑戰(zhàn)
5.7.2　人工智能發(fā)展的技術困境
5.7.3　人工智能發(fā)展的安全問題
5.7.4　人工智能發(fā)展的倫理問題
5.7.5　人工智能發(fā)展的隱私問題
5.7.6　AI企業(yè)被列入“實體清單”
5.8　人工智能行業(yè)發(fā)展對策及建議
5.8.1　人工智能的發(fā)展策略分析
5.8.2　人工智能的技術創(chuàng)新策略
5.8.3　人工智能的政策發(fā)展建議
5.8.4　推進人工智能標準化建設
5.8.5　人工智能倫理問題的對策
5.9　人工智能行業(yè)發(fā)展戰(zhàn)略分析
5.9.1　建立完善的數據生態(tài)系統(tǒng)
5.9.2　拓寬人工智能的傳統(tǒng)行業(yè)應用
5.9.3　加強人工智能專業(yè)人才儲備
5.9.4　確保教育和培訓體系與時俱進
5.9.5　相互不建立倫理和法律共識

6.1　人工智能行業(yè)區(qū)域發(fā)展格局分析
6.1.1　人工智能區(qū)域發(fā)展指數
6.1.2　省市人工智能發(fā)展指數
6.1.3　城市人工智能發(fā)展指數
6.1.4　人工智能產業(yè)園區(qū)建設
6.1.5　人工智能創(chuàng)新應用先導區(qū)
6.1.6　人工智能創(chuàng)新發(fā)展試驗區(qū)
6.2　北京市
6.2.1　產業(yè)競爭力指數
6.2.2　政策環(huán)境分析
6.2.3　產業(yè)發(fā)展規(guī)模
6.2.4　行業(yè)創(chuàng)新能力
6.2.5　產業(yè)集聚情況
6.2.6　產業(yè)聯(lián)盟成立
6.2.7　產業(yè)發(fā)展問題
6.2.8　行業(yè)融資現狀
6.3　上海市
6.3.1　產業(yè)競爭力指數
6.3.2　產業(yè)發(fā)展優(yōu)勢
6.3.3　政策環(huán)境分析
6.3.4　產業(yè)發(fā)展現狀
6.3.5　產業(yè)創(chuàng)新能力
6.3.6　產業(yè)投融資情況
6.3.7　地區(qū)發(fā)展布局
6.4　廣東省
6.4.1　產業(yè)競爭力指數
6.4.2　政策環(huán)境分析
6.4.3　產業(yè)發(fā)展特點
6.4.4　廣州AI產業(yè)布局
6.4.5　深圳AI產業(yè)綜況
6.4.6　產業(yè)聯(lián)盟成立
6.4.7　產業(yè)發(fā)展問題
6.4.8　產業(yè)發(fā)展策略
6.5　浙江省
6.5.1　產業(yè)競爭力指數
6.5.2　政策環(huán)境分析
6.5.3　產業(yè)發(fā)展綜況
6.5.4　產業(yè)聯(lián)盟發(fā)展
6.5.5　產業(yè)發(fā)展經驗
6.5.6　產業(yè)發(fā)展對策
6.5.7　產業(yè)發(fā)展趨勢
6.5.8　杭州產業(yè)發(fā)展
6.6　江蘇省
6.6.1　產業(yè)競爭力指數
6.6.2　行業(yè)發(fā)展狀況
6.6.3　蘇州發(fā)展布局
6.6.4　項目簽約動態(tài)
6.6.5　重點企業(yè)匯總
6.6.6　產業(yè)發(fā)展機遇
6.6.7　產業(yè)發(fā)展挑戰(zhàn)
6.7　安徽省
6.7.1　產業(yè)競爭力指數
6.7.2　政策環(huán)境分析
6.7.3　產業(yè)發(fā)展優(yōu)勢
6.7.4　產業(yè)運行成效
6.7.5　重點園區(qū)發(fā)展
6.7.6　產業(yè)發(fā)展挑戰(zhàn)
6.7.7　政策建議分析
6.8　貴州省
6.8.1　產業(yè)競爭力指數
6.8.2　政策環(huán)境分析
6.8.3　產業(yè)發(fā)展現狀
6.8.4　人才培養(yǎng)加快
6.8.5　產業(yè)融合發(fā)展

7.1　人工智能行業(yè)發(fā)展的技術機遇
7.1.1　互聯(lián)網基礎建設加快
7.1.2　科技研發(fā)支出上升
7.1.3　數據數量規(guī)模上升
7.1.4　應用技術逐步完善
7.2　硬件基礎日益成熟
7.2.1　高性能CPU
7.2.2　類人腦芯片
7.2.3　量子計算機
7.2.4　仿生計算機
7.3　人工智能芯片技術發(fā)展提速
7.3.1　人工智能對芯片的要求提高
7.3.2　人工智能芯片成為戰(zhàn)略高點
7.3.3　中國人工智能芯片市場規(guī)模
7.3.4　中國人工智能芯片行業(yè)現狀
7.3.5　中國人工智能芯片代表企業(yè)
7.3.6　中國人工智能芯片發(fā)展困境
7.3.7　人工智能芯片未來發(fā)展趨勢
7.4　物聯(lián)網提供基礎環(huán)境
7.4.1　物聯(lián)網技術的分析
7.4.2　物聯(lián)網產業(yè)政策環(huán)境
7.4.3　中國物聯(lián)網產業(yè)規(guī)模
7.4.4　企業(yè)加快物聯(lián)網布局
7.4.5　物聯(lián)網是智能分析的基礎
7.4.6　物聯(lián)網與人工智能融合
7.5　大規(guī)模并行運算的實現
7.5.1　云計算的關鍵技術
7.5.2　云計算的應用模式
7.5.3　云計算產業(yè)發(fā)展規(guī)模
7.5.4　云計算市場競爭排名
7.5.5　云計算成人工智能基礎
7.5.6　云計算與人工智能協(xié)同發(fā)展
7.5.7　人工智能云計算主要企業(yè)
7.6　大數據技術的崛起
7.6.1　大數據技術內涵及環(huán)節(jié)
7.6.2　大數據市場規(guī)模分析
7.6.3　大數據的主要應用領域
7.6.4　大數據與人工智能的關系
7.6.5　大數據成人工智能數據源
7.6.6　數據視角下AI的應用場景
7.6.7　人工智能數據的安全風險
7.6.8　人工智能數據的安全治理
7.7　深度學習技術的出現
7.7.1　機器學習的階段
7.7.2　深度學習技術內涵
7.7.3　深度學習發(fā)展歷程
7.7.4　深度學習算法技術
7.7.5　深度學習的技術應用
7.7.6　深度學習領域發(fā)展狀況
7.7.7　機器學習主要企業(yè)概覽

8.1　自然語言處理技術
8.1.1　自然語言處理內涵
8.1.2　自然語言處理分類
8.1.3　自然語音處理研究
8.1.4　語音識別系統(tǒng)框架
8.1.5　語音技術應用規(guī)模
8.1.6　自動翻譯技術內涵
8.1.7　語音識別研究歷程
8.1.8　語音識別技術趨勢
8.2　計算機視覺技術
8.2.1　計算機視覺基本內涵
8.2.2　計算機視覺主要分類
8.2.3　計算機視覺應用領域
8.2.4　計算機視覺應用規(guī)模
8.2.5　計算機視覺運作流程
8.3　模式識別技術
8.3.1　模式識別技術內涵
8.3.2　文字識別技術應用
8.3.3　生物特征識別技術
8.3.4　人工智能語音識別
8.3.5　人臉識別技術應用
8.3.6　模式識別發(fā)展?jié)摿?br />8.4　知識表示技術
8.4.1　知識表示的內涵
8.4.2　知識表示的方法
8.4.3　知識表示的進展
8.5　其他基礎技術分析
8.5.1　自動推理技術
8.5.2　環(huán)境感知技術
8.5.3　自動規(guī)劃技術
8.5.4　專家系統(tǒng)技術

9.1　疫情防控領域
9.1.1　智能技術應用背景
9.1.2　智能識別技術應用
9.1.3　算法算力技術應用
9.1.4　智能機器人技術應用
9.1.5　智能大數據技術應用
9.1.6　AI輔診系統(tǒng)研發(fā)應用
9.1.7　地區(qū)AI技術抗疫狀況
9.2　工業(yè)領域
9.2.1　人工智能的工業(yè)應用
9.2.2　智能工廠人工智能應用
9.2.3　智能工廠進一步轉型
9.2.4　人工智能應用于制造領域
9.2.5　AI智能制造主要企業(yè)發(fā)展
9.2.6　人工智能成工業(yè)發(fā)展方向
9.2.7　AI工業(yè)應用的發(fā)展趨勢
9.3　醫(yī)療領域
9.3.1　人工智能醫(yī)療行業(yè)應用場景
9.3.2　人工智能醫(yī)療細分領域應用
9.3.3　人工智能醫(yī)療市場發(fā)展狀況
9.3.4　人工智能醫(yī)學影像市場分析
9.3.5　企業(yè)布局人工智能醫(yī)療市場
9.3.6　人工智能醫(yī)療領域投資機會
9.4　安防領域
9.4.1　AI對安防行業(yè)的重要意義
9.4.2　AI識別技術的安防應用
9.4.3　AI在安防領域的應用場景
9.4.4　人工智能+安防產業(yè)鏈
9.4.5　AI+安防市場發(fā)展規(guī)模
9.4.6　AI+安防企業(yè)發(fā)展情況
9.4.7　快速崛起的巡邏機器人
9.4.8　AI+安防行業(yè)發(fā)展趨勢
9.4.9　AI+安防市場發(fā)展前景
9.5　金融領域
9.5.1　AI提升金融經營效能
9.5.2　金融領域AI投入狀況
9.5.3　智能客服提升服務效率
9.5.4　智能風控降低金融風險
9.5.5　智能支付應用狀況分析
9.5.6　人工智能金融應用評價
9.5.7　智慧銀行人工智能應用
9.5.8　智能投資顧問應用分析
9.6　零售領域
9.6.1　AI在零售行業(yè)的應用場景分析
9.6.2　人工智能應用于零售業(yè)的規(guī)模
9.6.3　人工智能應用于零售典型案例
9.6.4　人工智能應用于新零售的問題
9.6.5　人工智能+零售相關布局企業(yè)
9.6.6　人工智能+零售未來趨勢展望
9.7　社交領域
9.7.1　人工智能社交產品應用
9.7.2　組織開展機器情感測試
9.7.3　語音交互產品市場火熱
9.7.4　微信人工智能社交系統(tǒng)
9.7.5　人工智能社交現存問題
9.8　其他應用領域分析
9.8.1　智能物流領域
9.8.2　智能教育領域
9.8.3　智能交通領域
9.8.4　智能政務領域

10.1　機器人產業(yè)發(fā)展綜述
10.1.1　機器人產業(yè)發(fā)展階段
10.1.2　機器人產業(yè)發(fā)展圖譜
10.1.3　機器人行業(yè)產業(yè)鏈構成
10.1.4　機器人下游應用產業(yè)多
10.1.5　機器人專利申請技術流向
10.2　2020-2022年機器人產業(yè)發(fā)展狀況
10.2.1　全球機器人產業(yè)發(fā)展狀況
10.2.2　中國機器人市場結構分析
10.2.3　中國機器人區(qū)域發(fā)展現狀
10.2.4　中國機器人企業(yè)數量規(guī)模
10.2.5　中國機器人行業(yè)投融資情況
10.2.6　機器人產業(yè)國產化進程加快
10.2.7　機器人產業(yè)發(fā)展問題及對策
10.2.8　機器人產業(yè)“十四五”展望
10.2.9　機器人產業(yè)未來發(fā)展趨勢
10.3　人工智能在機器人行業(yè)的應用狀況
10.3.1　人工智能與機器人的關系
10.3.2　AI于機器人的應用過程
10.3.3　AI大量運用于小型機器人
10.3.4　人工智能促進機器人發(fā)展
10.4　人工智能技術在機器人領域的應用
10.4.1　專家系統(tǒng)的應用
10.4.2　模式識別的應用
10.4.3　機器視覺的應用
10.4.4　機器學習的應用
10.4.5　分布式AI的應用
10.4.6　進化算法的應用
10.5　機器人重點應用領域分析
10.5.1　醫(yī)療機器人
10.5.2　軍用機器人
10.5.3　工業(yè)機器人
10.5.4　教育機器人
10.5.5　服務機器人
10.5.6　物流機器人

11.1　微軟（Microsoft　Corporation）
11.1.1　企業(yè)發(fā)展概況
11.1.2　企業(yè)財務狀況
11.1.3　人工智能發(fā)展實力
11.1.4　人工智能布局領域
11.1.5　AI平臺服務范圍
11.1.6　人工智能云業(yè)務
11.1.7　企業(yè)合作動態(tài)
11.2　IBM
11.2.1　企業(yè)發(fā)展概況
11.2.2　企業(yè)經營范圍
11.2.3　企業(yè)財務狀況
11.2.4　技術研發(fā)布局
11.2.5　布局人工智能
11.2.6　人工智能咨詢服務
11.2.7　人工智能產品動態(tài)
11.3　谷歌（Alphabet　Inc.）
11.3.1　企業(yè)發(fā)展概況
11.3.2　企業(yè)財務狀況
11.3.3　人工智能重點布局
11.3.4　人工智能芯片研發(fā)
11.3.5　人工智能技術動態(tài)
11.3.6　人工智能技術趨勢
11.4　英特爾（Intel）
11.4.1　企業(yè)發(fā)展概況
11.4.2　企業(yè)財務狀況
11.4.3　人工智能計算戰(zhàn)略
11.4.4　人工智能技術布局
11.4.5　人工智能發(fā)展動態(tài)
11.4.6　收購人工智能企業(yè)
11.5　亞馬遜公司（Amazon）
11.5.1　企業(yè)發(fā)展概況
11.5.2　企業(yè)財務狀況
11.5.3　布局人工智能
11.5.4　產品研發(fā)動態(tài)
11.6　其他企業(yè)
11.6.1　蘋果公司
11.6.2　NVIDIA（英偉達）
11.6.3　Uber（優(yōu)步）

12.1　百度公司
12.1.1　企業(yè)發(fā)展概況
12.1.2　企業(yè)財務狀況
12.1.3　人工智能布局
12.1.4　人工智能應用
12.1.5　AI業(yè)務合作動態(tài)
12.2　騰訊控股有限公司
12.2.1　企業(yè)發(fā)展概況
12.2.2　企業(yè)財務狀況
12.2.3　人工智能發(fā)展布局
12.2.4　人工智能發(fā)展動態(tài)
12.2.5　人工智能合作動態(tài)
12.3　阿里巴巴（Alibaba）
12.3.1　企業(yè)發(fā)展概況
12.3.2　企業(yè)財務狀況
12.3.3　人工智能應用領域
12.3.4　人工智能發(fā)展現狀
12.3.5　阿里云發(fā)展動態(tài)
12.4　科大訊飛股份有限公司
12.4.1　企業(yè)發(fā)展概況
12.4.2　主要業(yè)務分析
12.4.3　業(yè)務開展情況
12.4.4　經營效益分析
12.4.5　業(yè)務經營分析
12.4.6　財務狀況分析
12.4.7　核心競爭力分析
12.4.8　公司發(fā)展戰(zhàn)略
12.4.9　未來前景展望
12.5　科大智能科技股份有限公司
12.5.1　企業(yè)發(fā)展概況
12.5.2　主要業(yè)務分析
12.5.3　企業(yè)布局分析
12.5.4　經營效益分析
12.5.5　業(yè)務經營分析
12.5.6　財務狀況分析
12.5.7　核心競爭力分析
12.5.8　公司發(fā)展戰(zhàn)略
12.5.9　未來前景展望
12.6　北京曠視科技有限公司
12.6.1　企業(yè)基本概況
12.6.2　重點產品系統(tǒng)
12.6.3　核心硬件分析
12.6.4　合作伙伴分布
12.6.5　企業(yè)經營分析
12.6.6　企業(yè)發(fā)展動態(tài)
12.6.7　融資進程分析
12.7　云知聲智能科技股份有限公司
12.7.1　企業(yè)基本概述
12.7.2　企業(yè)營收情況
12.7.3　企業(yè)競爭優(yōu)勢
12.7.4　企業(yè)業(yè)務體系
12.7.5　主要產品分析
12.7.6　平臺用戶分布
12.7.7　企業(yè)合作動態(tài)
12.7.8　企業(yè)人才培養(yǎng)

13.1　投資價值評估
13.2　投資機會評估
13.3　投資驅動因素
13.3.1　發(fā)展動力評估
13.3.2　經濟因素
13.3.3　技術因素
13.3.4　政策因素
13.3.5　社會因素
13.4　投資壁壘分析
13.4.1　進入壁壘評估
13.4.2　競爭壁壘分析
13.4.3　技術壁壘分析
13.4.4　資金壁壘分析
13.4.5　政策壁壘分析
13.5　人工智能行業(yè)投資風險分析
13.5.1　環(huán)境風險
13.5.2　行業(yè)風險
13.5.3　技術風險
13.5.4　內部風險
13.5.5　競爭風險
13.5.6　合同毀約風險
13.6　投資時機及建議
13.6.1　進入時機分析
13.6.2　投資建議分析

14.1　全球人工智能創(chuàng)業(yè)企業(yè)融資分析
14.1.1　融資規(guī)模走勢
14.1.2　獨角獸企業(yè)數量
14.1.3　各國融資占比
14.1.4　重點融資企業(yè)
14.1.5　融資輪次分布
14.1.6　IPO及并購數量
14.2　中國人工智能相關企業(yè)融資狀況
14.2.1　融資規(guī)模走勢
14.2.2　重點融資事件
14.2.3　融資金額分布
14.2.4　融資輪次分布
14.2.5　投資區(qū)域分布
14.2.6　投資活躍機構
14.2.7　企業(yè)沖刺IPO
14.3　A股及新三板上市公司在人工智能領域投資動態(tài)分析
14.3.1　投資項目綜述
14.3.2　投資區(qū)域分布
14.3.3　投資模式分析
14.3.4　典型投資案例

15.1　人工智能行業(yè)發(fā)展前景展望
15.1.1　人工智能經濟效益巨大
15.1.2　人工智能區(qū)塊鏈應用前景
15.1.3　人工智能生產方式前景
15.1.4　人工智能項目投資機遇
15.1.5　人工智能投資機會分析
15.1.6　人工智能產業(yè)投資方向
15.1.7　人工智能技術發(fā)展方向
15.1.8　人工智能“十四五”發(fā)展機遇
15.2　人工智能行業(yè)發(fā)展趨勢預測
15.2.1　人工智能宏觀發(fā)展趨勢
15.2.2　人工智能應用趨勢展望
15.2.3　人工智能產業(yè)發(fā)展趨勢
15.2.4　人工智能城市發(fā)展方向
15.2.5　“智能+X”將成新時尚
15.3　2022-2027年中國人工智能行業(yè)預測分析
15.3.1　2022-2027年中國人工智能行業(yè)影響因素分析
15.3.2　2022-2027年中國人工智能產業(yè)規(guī)模預測
附錄
附錄一：新一代人工智能倫理規(guī)范

圖表1　人工智能、機器學習、深度學習的隸屬關系
圖表2　專用人工智能與通用人工智能的區(qū)別
圖表3　人工智能產業(yè)生態(tài)圖
圖表4　人工智能產業(yè)鏈結構
圖表5　人工智能產業(yè)鏈相關產品
圖表6　人工智能產業(yè)鏈基礎層構成及代表企業(yè)
圖表7　人工智能產業(yè)鏈技術層構成及代表企業(yè)
圖表8　人工智能產業(yè)鏈應用層構成及代表企業(yè)
圖表9　全球人工智能產業(yè)鏈及代表廠商
圖表10　全球人工智能企業(yè)地區(qū)分布
圖表11　2020年國家入選500強人工智能最具創(chuàng)新力城市數量TOP10
圖表12　2020年全球人工智能最具創(chuàng)新力城市TOP10
圖表13　人工智能相關專利申請量Top10企業(yè)排名情況
圖表14　2021年人工智能TOP10企業(yè)專利綜合指數
圖表15　2021年人工智能TOP10企業(yè)專利基礎指標排名
圖表16　2021年人工智能TOP10企業(yè)技術寬度和質量指標排名
圖表17　2021年人工智能TOP10企業(yè)專利技術集中度排名
圖表18　2021年人工智能TOP10企業(yè)專利質量與布局指標排名
圖表19　2021年人工智能TOP10企業(yè)當前及未來影響力指標排名
圖表20　2021年人工智能TOP10企業(yè)自研能力指標排名
圖表21　2020年各行業(yè)AI采用情況
圖表22　2020年各行業(yè)和職能部門采用AI的情況
圖表23　主要國家人工智能戰(zhàn)略目標和任務
圖表24　各國在人工智能各領域的重點研發(fā)布局情況
圖表25　各主要經濟體高度關注的人工智能應用領域
圖表26　2001-2020財年美國政府在AI上的總合約支出
圖表27　2020年美國政府部門和代理商在AI方面的前十大合約支出
圖表28　2001-2020年美國政府部門和代理商在AI方面前十大合約支出（總和）
圖表29　美國人工智能典型研發(fā)機構
圖表30　人工智能典型研發(fā)企業(yè)