人工智能神经网络概念股,神经网络芯片概念股
1、人工智能概念股有哪些？人工智能芯片谁是龙头？人工智能包含硬件智能、软件智能和其他。
硬件智能包括：汉王科技、康力电梯、慈星股份、东方网力、高新兴、紫光股份。
软件智能包括：金自天正、科大讯飞。
其他类包括：中科曙光、京山轻机。
谷歌人工智能写作项目：小发猫
2、人工智能股票有哪些？1、苏州科达：苏州科达科技股份有限公司是领先的视讯与安防产品及解决方案提供商，致力于以视频会议、视频监控以及丰富的视频应用解决方案帮助各类政府及企业客户解决可视化沟通与管理难题ai神经网络概念股。
2012年，公司整体改制为股份有限公司；2016年12月1日，公司在上海证券交易所主板挂牌上市。
2、佳都科技：佳都科技（PCI）创立于1986年，总部位于中国广州，在中国30多个区域设有分公司或办事处，员工超过2000人，拥有科学家研发团队，
设立了佳都科技全球人工智能技术研究院和交通大脑研究院，建设或参与建设2个国家联合实验室、1个国家企业技术中心、4个省级工程技术中心。
3、千方科技：北京北大千方科技有限公司是由北京大学作为法人股东之一，以留学归国科技人员、清华大学和北京大学的教授、博士、硕士为主要技术力量，与北京大学地学院全面合作组建的高新技术企业、软件企业。
公司在交通领域的业务取得了快速的发展，在交通信息化建设的基础上，又拓展了交通信息服务和交通出行媒体运营等多方面的业务。
4、卫宁健康：公司成立于1994年，是国内第一家专注于医疗健康信息化的上市公司，致力于提供医疗健康卫生信息化解决方案，不断提升人们的就医体验和健康水平。
卫宁健康通过持续的技术创新，自主研发适应不同应用场景的产品与解决方案，业务覆盖智慧医院、区域卫生、基层卫生、公共卫生、医疗保险、健康服务等领域。
5、神思电子
神思电子是国内著名的身份识别解决方案提供商和服务商，也是公安部认证的居民身份证阅读机具定点生产企业。
6、科大讯飞
科大讯飞主要从事智能语音及语言技术研究、软件及芯片产品开发、语音信息服务及电子政务系统集成等等。
7、中科曙光
中科曙光是国内高性能计算领域的领军企业，也是亚洲第一大高性能计算机厂商。主要从事研究、开发、生产制造高性能计算机、通用服务器及存储产品，并围绕高端计算机提供软件开发、系统集成与技术服务等等。
8、浪潮信息
浪潮是中国最早的IT品牌之一，它是中国领先的云计算、大数据服务商。拥有云数据中心、云服务与大数据、智慧城市和智慧企业四大业务群组。浪潮服务器也位居中国市场第一、全球前三。
3、听说云知声是“AI语音第一股”，是真的吗？云知声怎么样？是真的。在AI人工智能领域，智能语音是发展得最为成熟的赛道。作为人工智能语音行业早期的入局者，云知声确实被称为“AI语音第一股”。通过在人工智能领域的不断深耕，如今云知声已经发展成为一家顶尖的物联网人工智能服务提供商，它以全栈AI技术为核心，立足云芯一体化平台，提供面向智慧物联、智慧医疗等场景的物联网智能化产品服务，深得众多合作伙伴的信赖与好评。
4、人工智能是怎么起源的人工智能（ArtificialIntelligence）,英文缩写为AI,是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。自问世以来AI经过波波折折，但终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。不仅许多其他学科开始引入或借用AI技术，而且AI中的专家系统、自然语言处理和图象识别已成为新兴的知识产业的三大突破口。人工智能的思想萌芽可以追溯到十七世纪的巴斯卡和莱布尼茨，他们较早萌生了有智能的机器的想法。十九世纪，英国数学家布尔和德o摩尔根提出了“思维定律“，这些可谓是人工智能的开端。十九世纪二十年代，英国科学家巴贝奇设计了第一架“计算机器“，它被认为是计算机硬件，也是人工智能硬件的前身。电子计算机的问世，使人工智能的研究真正成为可能。作为一门学科，人工智能于1956年问世，是由“人工智能之父“McCarthy及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在Dartmouth大学召开的会议上，首次提出。对人工智能的研究，由于研究角度的不同，形成了不同的研究学派。这就是：符号主义学派、连接主义学派和行为主义学派。传统人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统是由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组成成分出现，可通过各种操作生成其它符号结构。物理符号系统假设认为：物理符号系统是智能行为的充分和必要条件。主要工作是“通用问题求解程序“（GeneralProblemSolver,GPS）：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。连接主义学派是从人的大脑神经系统结构出发，研究非程序的、适应性的、大脑风格的信息处理的本质和能力，研究大量简单的神经元的集团信息处理能力及其动态行为。人们也称之为神经计算。研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程。行为主义学派是从行为心理学出发，认为智能只是在与环境的交互作用中表现出来。人工智能的研究经历了以下几个阶段：第一阶段：50年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（InternationalJointConferencesonArtificialIntelligence即IJCAI）。第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展日本1982年开始了“第五代计算机研制计划“，即“知识信息处理计算机系统KIPS“，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。第四阶段：80年代末，神经网络飞速发展1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。第五阶段：90年代，人工智能出现新的研究高潮由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。IBM公司“深蓝“电脑击败了人类的世界国际象棋冠军，美国制定了以多Agent系统应用为重要研究内容的信息高速公路计划，基于Agent技术的Softbot(软机器人)在软件领域和网络搜索引擎中得到了充分应用，同时，美国Sandia实验室建立了国际上最庞大的“虚拟现实“实验室，拟通过数据头盔和数据手套实现更友好的人机交互，建立更好的智能用户接口。图像处理和图像识别，声音处理和声音识别取得了较好的发展，IBM公司推出了ViaVoice声音识别软件，以使声音作为重要的信息输入媒体。国际各大计算机公司又开始将“人工智能“作为其研究内容。人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。目前人工智能主要研究内容是：分布式人工智能与多智能主体系统、人工思维模型、知识系统（包括专家系统、知识库系统和智能决策系统）、知识发现与数据挖掘（从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识）、遗传与演化计算（通过对生物遗传与进化理论的模拟，揭示出人的智能进化规律）、人工生命（通过构造简单的人工生命系统（如：机器虫）并观察其行为，探讨初级智能的奥秘）、人工智能应用（如：模糊控制、智能大厦、智能人机接口、智能机器人等）等等。人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。未来人工智能的研究方向主要有：人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型、智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。
5、AI深度学习是指什么？深度学习(DL,DeepLearning)是机器学习(ML,MachineLearning)领域bai中一个新的研究方du向，它被引入机zhi器学习使其更接近于最初的目标—dao—人工智能(AI,ArtificialIntelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
6、人工神经网络，人工神经网络是什么意思一、人工神经网络的概念人工神经网络（ArtificialNeuralNetwork，ANN）简称神经网络(NN)，是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。该模型以并行分布的处理能力、高容错性、智能化和自学习等能力为特征，将信息的加工和存储结合在一起，以其独特的知识表示方式和智能化的自适应学习能力，引起各学科领域的关注。它实际上是一个有大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激活函数（activationfunction）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重（weight），神经网络就是通过这种方式来模拟人类的记忆。网络的输出则取决于网络的结构、网络的连接方式、权重和激活函数。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。神经网络的构筑理念是受到生物的神经网络运作启发而产生的。人工神经网络则是把对生物神经网络的认识与数学统计模型相结合，借助数学统计工具来实现。另一方面在人工智能学的人工感知领域，我们通过数学统计学的方法，使神经网络能够具备类似于人的决定能力和简单的判断能力，这种方法是对传统逻辑学演算的进一步延伸。人工神经网络中，神经元处理单元可表示不同的对象，例如特征、字母、概念，或者一些有意义的抽象模式。网络中处理单元的类型分为三类：输入单元、输出单元和隐单元。输入单元接受外部世界的信号与数据；输出单元实现系统处理结果的输出；隐单元是处在输入和输出单元之间，不能由系统外部观察的单元。神经元间的连接权值反映了单元间的连接强度，信息的表示和处理体现在网络处理单元的连接关系中。人工神经网络是一种非程序化、适应性、大脑风格的信息处理，其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理功能。神经网络，是一种应用类似于大脑神经突触连接结构进行信息处理的数学模型，它是在人类对自身大脑组织结合和思维机制的认识理解基础之上模拟出来的，它是根植于神经科学、数学、思维科学、人工智能、统计学、物理学、计算机科学以及工程科学的一门技术。二、人工神经网络的发展神经网络的发展有悠久的历史。其发展过程大致可以概括为如下4个阶段。1.第一阶段----启蒙时期(1)、M-P神经网络模型：20世纪40年代，人们就开始了对神经网络的研究。1943年，美国心理学家麦克洛奇（Mcculloch）和数学家皮兹（Pitts）提出了M-P模型，此模型比较简单，但是意义重大。在模型中，通过把神经元看作个功能逻辑器件来实现算法，从此开创了神经网络模型的理论研究。(2)、Hebb规则：1949年，心理学家赫布（Hebb）出版了《TheOrganizationofBehavior》（行为组织学），他在书中提出了突触连接强度可变的假设。这个假设认为学习过程最终发生在神经元之间的突触部位，突触的连接强度随之突触前后神经元的活动而变化。这一假设发展成为后来神经网络中非常著名的Hebb规则。这一法则告诉人们，神经元之间突触的联系强度是可变的，这种可变性是学习和记忆的基础。Hebb法则为构造有学习功能的神经网络模型奠定了基础。(3)、感知器模型：1957年，罗森勃拉特（Rosenblatt）以M-P模型为基础，提出了感知器（Perceptron）模型。感知器模型具有现代神经网络的基本原则，并且它的结构非常符合神经生理学。这是一个具有连续可调权值矢量的MP神经网络模型，经过训练可以达到对一定的输入矢量模式进行分类和识别的目的，它虽然比较简单，却是第一个真正意义上的神经网络。Rosenblatt证明了两层感知器能够对输入进行分类，他还提出了带隐层处理元件的三层感知器这一重要的研究方向。Rosenblatt的神经网络模型包含了一些现代神经计算机的基本原理，从而形成神经网络方法和技术的重大突破。(4)、ADALINE网络模型：1959年，美国著名工程师威德罗（B.Widrow）和霍夫（M.Hoff）等人提出了自适应线性元件(Adaptivelinearelement，简称Adaline)和Widrow-Hoff学习规则（又称最小均方差算法或称δ规则）的神经网络训练方法，并将其应用于实际工程，成为第一个用于解决实际问题的人工神经网络，促进了神经网络的研究应用和发展。ADALINE网络模型是一种连续取值的自适应线性神经元网络模型，可以用于自适应系统。2.第二阶段----低潮时期人工智能的创始人之一Minsky和Papert对以感知器为代表的网络系统的功能及局限性从数学上做了深入研究，于1969年发表了轰动一时《Perceptrons》一书，指出简单的线性感知器的功能是有限的，它无法解决线性不可分的两类样本的分类问题，如简单的线性感知器不可能实现“异或”的逻辑关系等。这一论断给当时人工神经元网络的研究带来沉重的打击。开始了神经网络发展史上长达10年的低潮期。(1)、自组织神经网络SOM模型：1972年，芬兰的KohonenT.教授，提出了自组织神经网络SOM(Self-Organizingfeaturemap)。后来的神经网络主要是根据KohonenT.的工作来实现的。SOM网络是一类无导师学习网络，主要用于模式识别﹑语音识别及分类问题。它采用一种“胜者为王”的竞争学习算法，与先前提出的感知器有很大的不同，同时它的学习训练方式是无指导训练，是一种自组织网络。这种学习训练方式往往是在不知道有哪些分类类型存在时，用作提取分类信息的一种训练。(2)、自适应共振理论ART：1976年，美国Grossberg教授提出了著名的自适应共振理论ART(AdaptiveResonanceTheory)，其学习过程具有自组织和自稳定的特征。3.第三阶段----复兴时期(1)、Hopfield模型：1982年，美国物理学家霍普菲尔德（Hopfield）提出了一种离散神经网络，即离散Hopfield网络，从而有力地推动了神经网络的研究。在网络中，它首次将李雅普诺夫（Lyapunov）函数引入其中，后来的研究学者也将Lyapunov函数称为能量函数。证明了网络的稳定性。1984年，Hopfield又提出了一种连续神经网络，将网络中神经元的激活函数由离散型改为连续型。1985年，Hopfield和Tank利用Hopfield神经网络解决了著名的旅行推销商问题（TravellingSalesmanProblem）。Hopfield神经网络是一组非线性微分方程。Hopfield的模型不仅对人工神经网络信息存储和提取功能进行了非线性数学概括，提出了动力方程和学习方程，还对网络算法提供了重要公式和参数，使人工神经网络的构造和学习有了理论指导，在Hopfield模型的影响下，大量学者又激发起研究神经网络的热情，积极投身于这一学术领域中。因为Hopfield神经网络在众多方面具有巨大潜力，所以人们对神经网络的研究十分地重视，更多的人开始了研究神经网络，极大地推动了神经网络的发展。(2)、Boltzmann机模型：1983年，Kirkpatrick等人认识到模拟退火算法可用于NP完全组合优化问题的求解，这种模拟高温物体退火过程来找寻全局最优解的方法最早由Metropli等人1953年提出的。1984年，Hinton与年轻学者Sejnowski等合作提出了大规模并行网络学习机，并明确提出隐单元的概念，这种学习机后来被称为Boltzmann机。Hinton和Sejnowsky利用统计物理学的感念和方法，首次提出的多层网络的学习算法，称为Boltzmann机模型。(3)、BP神经网络模型：1986年，儒默哈特（D.E.Rumelhart）等人在多层神经网络模型的基础上，提出了多层神经网络权值修正的反向传播学习算法----BP算法（ErrorBack-Propagation），解决了多层前向神经网络的学习问题，证明了多层神经网络具有很强的学习能力，它可以完成许多学习任务，解决许多实际问题。(4)、并行分布处理理论：1986年，由Rumelhart和McCkekkand主编的《ParallelDistributedProcessing：ExplorationintheMicrostructuresofCognition》，该书中，他们建立了并行分布处理理论，主要致力于认知的微观研究，同时对具有非线性连续转移函数的多层前馈网络的误差反向传播算法即BP算法进行了详尽的分析，解决了长期以来没有权值调整有效算法的难题。可以求解感知机所不能解决的问题，回答了《Perceptrons》一书中关于神经网络局限性的问题，从实践上证实了人工神经网络有很强的运算能力。(5)、细胞神经网络模型：1988年，Chua和Yang提出了细胞神经网络（CNN）模型，它是一个细胞自动机特性的大规模非线性计算机仿真系统。Kosko建立了双向联想存储模型（BAM），它具有非监督学习能力。(6)、Darwinism模型：Edelman提出的Darwinism模型在90年代初产生了很大的影响，他建立了一种神经网络系统理论。(7)、1988年，Linsker对感知机网络提出了新的自组织理论，并在Shanon信息论的基础上形成了最大互信息理论，从而点燃了基于NN的信息应用理论的光芒。(8)、1988年，Broomhead和Lowe用径向基函数(Radialbasisfunction,RBF)提出分层网络的设计方法，从而将NN的设计与数值分析和线性适应滤波相挂钩。(9)、1991年，Haken把协同引入神经网络，在他的理论框架中，他认为，认知过程是自发的，并断言模式识别过程即是模式形成过程。(10)、1994年，廖晓昕关于细胞神经网络的数学理论与基础的提出，带来了这个领域新的进展。通过拓广神经网络的激活函数类，给出了更一般的时滞细胞神经网络(DCNN)、Hopfield神经网络（HNN）、双向联想记忆网络（BAM）模型。(11)、90年代初，Vapnik等提出了支持向量机(Supportvectormachines,SVM)和VC(Vapnik-Chervonenkis)维数的概念。经过多年的发展，已有上百种的神经网络模型被提出。
人工智能(AI)概念股有哪些?人工智能龙头股一览
想象下，未来的生活将有多个人工智能设备辅助完成所需事项，生活购物、旅游、就医、学习等，处理事情便捷化统统得以解决。人工智能概念股有哪些?人工智能龙头股一览表。我们将从多个层面、案例的方式同看客描述人工智能。部分接触人工智能人朋友第一反应想着机器人，例如部分地区的工商银行已提供机器人服务，还有特色餐厅提供机器人服务员，这也是导致想到人工智能就联想到机器人。机器人只是人工智能的容器，机器人有时候是人形，有时候不是，但是人工智能自身只是机器人体内的电脑。
本文从三个方面来讲述人工智能：第一：人工智能的定义概念;第二：国内重点布局人工智能的公司介绍及人工智能产业链;第三：A股人工智能概念股。
第一：人工智能的定义
通俗讲人工智能不是人的智能，是通过计算机用来模拟人的某些思维过程和智能行为，它是研究、开发用民模拟、延伸和扩展人的智能的理论，是一技术方法及应用的一门新的技术科学。但它能像人一样思考、有意识、自我、思维等。人工智能的概念很宽，所以人工智能也分很多种，我们按照人工智能的实力将其分成三大类。
弱人工智能ArtificialNarrowIntelligence(ANI):弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。
强人工智能ArtificialGeneralIntelligence(AGI):人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。LindaGottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该和人类一样得心应手。
超人工智能ArtificialSuperintelligence(ASI):牛津哲学家，知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。超人工智能也正是为什么人工智能这个话题这么火热的缘故，同样也是为什么永生和灭绝这两个词会在本文中多次出现。
第二：国内重点布局人工智能的公司介绍及人工智能产业链
工智能产业链的三个核心：「基础技术」、「人工智能技术」和「人工智能应用」构成了三个环节，我们将主要从这三个方面对国内人工智能产业进行梳理。
1、基础技术提供平台
人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同，这些平台主要集中于三个服务层面，即「基础设施即服务(IaaS)」、「平台即服务(PaaS)」和「软件即服务(SaaS)」。
2、人工智能技术平台
与基础技术提供平台不同，人工智能技术平台主要专注于「机器学习」、「模式识别」和「人机交互」三项与人工智能应用密切相关的技术，所涉及的领域包括机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学、语言和图像理解和遗传编程等。
除了以BAT和科大讯飞为代表的核心势力，近几年来国内也涌现出了一大批极具发展前景和投资价值的初创型人工智能企业。他们分别在计算机视觉、语音识别、智能生活解决方案和医疗基因等领域形成自己差异化的竞争态势，并在各自领域内的技术领先度和市场占有率上领先其他对手。
3、人工智能应用
人工智能应用涉及到专用应用和通用应用两个方面，这也是「机器学习」、「模式识别」和「人机交互」这三项人工智能技术的落地实现形式。
其中，专用领域的应用涵盖了目前国内人工智能应用的大多数应用，包括各领域的人脸和语音识别以及服务型机器人等方面;而通用型则侧重于金融、医疗、智能家居等领域的通用解决方案，目前国内人工智能应用正处于由专业应用向通用应用过度的发展阶段。
布局人工智能的公司
医疗解决方案代表企业：腾讯、阿里巴巴、百度、科大讯飞等。
生命科学代表企业：华大基因、碳云智能、贝瑞和康、安诺优达、联合基因、北科生物等。
互联网企业：阿里小智、QQ物联、京东微联、小米、乐视乐居家等。
技术解决方案商：科沃斯、broadlink、感居物联、风向标科技、欧瑞博、物联传感、华为等。
家庭机器人：优必选、Rokid、公子小白机器人、北冥星眸GalaxyEye、A.I.Nemo、极思维智能科技等。
智能助手：百度、小i机器人、图灵机器人、优必选、北冥星眸GalaxyEye、萝卜科技等。
语音识别：科大讯飞、百度、出门问问、智齿客服、思必驰、云知声、助理来也、京东JIMI智能客服、普强科技、捷通华声、紫冬锐意、纳象立方等。
语义识别：科大讯飞、百度、腾讯、智臻智能、智齿客服、助理来也、京东JIMI智能客服等。
人脸识别代表企业：旷视科技、腾讯优图、蚂蚁金服、FaceID、汉王科技、三星中国技术研究院、微软亚洲研究院、中科奥森、深圳科葩、linkface、SenseTime等。
动态视觉检测代表企业：格灵深瞳、东方网力、Video++等。
第三：人工智能(AI)概念股有哪些?人工智能龙头股一览表
科大讯飞(002230)：公司旗下讯飞开放平台作为全球首个开放的智能交互技术服务平台，致力于为开发者打造一站式智能人机交互解决方案。用户可通过互联网、移动互联网，使用任何设备、在任何时间、任何地点，随时随地享受讯飞开放平台提供的“听、说、读、写”等全方位的人工智能服务。目前，开放平台以“云+端”的形式向开发者提供语音合成、语音识别、语音唤醒、语义理解、人脸识别、个性化彩铃、移动应用分析等多项服务。
东方网力(300367)：2016年2月3日公告，公司拟非公开发行不超8000万股，募集资金总额不超18.30亿元。募投项目中，14.23亿元拟投入视频大数据及智能终端产业化项目，1.57亿元拟投入智能服务机器人项，2.5亿元拟补充流动资金。通过本次非公开发行，公司将凭借在云计算，大数据和人工智能取得技术突破在行业市场和消费者市场分别打造视频大数据和服务机器人等核心产品;2016年8月15日晚间公告，全资孙公司美国网力拟与BrainRoboticsCapitalLLC共同投资设立BRCInnovationLP。该基金设立在美国特拉华州，主要投资领域为人工智能与机器人相关技术领域，包括以语音为主的人机交互、基于大数据的深度学习、嵌入式智能、语义和图义处理和理解、个性化的呈现技术、新的感知技术等。
科大智能(300222)：2016年7月19日晚间公告，公司全资子公司上海科大智能电气有限公司与深圳力子机器人有限公司及其股东王斌共同签署了《投资意向协议书》，科大智能电气拟以自有资金对力子机器人增资850万元。增资完成后，科大智能电气将持有力子机器人25%的股权。力子机器人主要从事生产及销售物流机器人设备及智能物流系统软件相关技术的研发、生产和销售，致力于智能物流设备导航核心算法与控制调度系统的开发，已经累计申请15项核心技术专利。
佳都科技(600728)：佳都科技2015年4月15日晚公告，佳都科技及关联方卓安投资拟现金出资5000万元并持有云从公司27%的股权。同时，云从公司与中国科学院重庆绿色智能技术研究院在重庆共同设立子公司，云从公司持有控股权，中科院重庆研究院以其所拥有的与人脸识别系统有关的全部技术和知识产权出资。此外，佳都科技还与中科院重庆研究院签署了《战略合作框架协议》，双方共同拟建立在“人工智能、大数据”等领域的联合实验室、工程技术中心等前沿技术研究方面的合作，推进研究院前沿技术产业化。互联网银行远程开户、“刷脸支付”等需求催化，人脸识别应用边界正加速扩展，未来市场潜力巨大。云从公司致力于研发人脸识别等智能分析算法及产品，拥有双层异构深度神经网络等创新理论体系和核心专有技术，其算法和技能现已处在世界领先水平。佳都科技表示，公司和卓安投资共同投资云从公司，将增强公司产品和技术的核心竞争力，通过技术和市场资源的有效整合，加快人工智能商业化应用的进程，布局互联网鉴权等“互联网+泛安全”战略的落地。公司牵手中科院重庆研究院，则有助于通过院企合作掌握核心科技，从而进一步提升佳都科技向未来市场的核心竞争力。
汉王科技(002362)：公司专注于“以模式识别为核心的智能人机交互”技术应用领域，依托自主研发的手写识别、笔迹输入、OCR和嵌入式软硬件四大核心技术。
江南化工(002226)：2015年7月，公司以自有资金出资5000万元对北京光年以现金方式增资，投资完成后，公司持有北京光年注册资本的12.62%。资料显示，北京光年主要致力于人工智能深度学习的语义理解和认知计算技术的研发和场景应用，研发图灵机器人大脑云服务平台，向第三方提供一体化、接入和使用门槛低的云端机器人大脑服务，使第三方产品快速拥有智能人机交互功能。
刚刚结束的G20会议中，国家主席习近平谈到未来国家发展中人工智将改善生产方式和生活方式，是新技术的革命性变化，足以体现国家最高层对于人工智能战略意义的空前重视，相关人工智能低端产品已便民化，随着技术升级将覆盖人类的方面，请看客们关注更多热点股票概念类文章。
上一篇:基因编辑概念再获关注基因
下一篇:热点股票概念集成电路集成