除了会炒股抄底，人工智能在金融领域还有什么主要应用场景
人工智能对金融机构的影响正在与日剧增，它不仅改变了人们存款、投资和借贷的方式，甚至还能预防金融犯罪。助推这一波人工智能大潮的一大核心是机器学习算法，而金融行业也正在借助于算法的优化不断发展。
此前，全球最大的对冲基金公司之一英仕曼集团（ManGroup）旗下的AHLDimension基金通过将机器学习算法用于自动贸易决策发现，在没有人为干预的情况下，该AI系统竟然自己学会了抄底。（后文会做详细介绍）
这一波操作让整个金融界为之震惊。
|包括对冲基金在内，以下我们列举了人工智能在金融领域应用的三个主要场景：1.基于算法的金融交易可以看到，借助机器学习，计算机已经可以完成诸如股票交易这样复杂而繁琐的任务。同时，在全球已经有不少对冲基金公司正在该领域不断探索，并取得了可与人类专家的判断相媲美的成果。
此前，旧金山的创业公司SentientTechnologies就开发了一种算法，通过获取数以百万计的数据点从而识别交易模式，预测趋势，制定成功的股票交易决策。在Sentient公司的平台上，运行着数以万亿计由大量在线公共数据创建的模拟交易程序。借助这些程序，该算法可以识别整合成功的交易模式，制定新的交易策略。同时，通过该算法，系统还可以在几分钟内完成传统方式中1800天的交易量，并在交易中不断实现自主优化。据该公司CEO安东万•布隆多（AntoineBlondeau）表示，其基金完全由人工智能操盘，整体思路就是做一些没有其他人也没有其他机器在做的事情。
Sentient的首席科学官巴贝克•霍加特（BabakHodjat）表示，这套系统允许公司调整特定的风险设置，并且是在没有人工干预的情况下运行的。“它会自动生成一套策略，并给我们下指示。它还会告诉我们要在何时退出，何时减小风险敞口，诸如此类。”霍加特说。
而在应用方面，目前，除了英仕曼之外，国外还有很多成功案例。美国的Wealthfront和Betterment、英国的MoneyonToast、德国的FinanceScout24、法国的MarieQuantier等均成功将人工智能引入投资理财，目前智能顾问已掌握大量资产；第一个以人工智能驱动的基金Rebellion曾成功预测了2008年股市崩盘，并在2009年给希腊债券F评级，而当时惠誉的评级仍然为A，通过人工智能，Rebellion比官方降级提前一个月；掌管900亿美元的对冲基金Cerebellum，使用了人工智能技术，从2009年以来一直处于盈利状态。
2.反欺诈检测随着电子商务的推广，网络诈骗愈发猖獗。然而，打击网络诈骗并非易事。过度拒绝交易从而预防网络犯罪会导致客户体验下降，可能造成大量客户的流失。2015年，JavelinStrategy市场调研机构发布的一项研究表明：网络零售商因错误拒绝合法交易造成的损失金额高达1180亿美元。在错误拒绝合法交易的案例中有三分之一的客户会放弃交易。此外，仅在美国地区，该类案例造成的经济损失是真正诈骗案件损失金额的13倍。
在这样的背景下，人工智能可以通过分析不同的数据点，利用机器学习算法检测人类分析师察觉不到的欺诈性交易。与此同时，还可提升实时审批的准确度，减少错误拒绝率。
如今，已经有很多机构开始借助人工智能预防诈骗。Mastercard（万事达卡）不久前推出的智能决策(DI)技术是个很好的例子。据了解，DI可以从持卡人的消费记录和习惯中采集模型，建立行为基准，从而对每笔新达成的交易进行比较和评估。相较于传统的多借助通用方法评估所有交易的犯罪预防技术，该技术的应用可谓是一项重大突破。
事实上，Mastercard并非第一家运用人工智能进行反欺诈检测的金融企业。有些公司采用的方法更为全面。例如，SiftScience从6000多家具备欺诈检测功能的网站中收集了大量数据，并通过多种渠道的设备追踪和数据分析，利用智能引擎关联了各种不同的数据点，包括网站上的付款信息和其他行为，建立优质用户行为模型，检测欺诈性交易。
3.智能客服近年来，借助由自然语言处理（NLG）和机器学习算法驱动的智能客服为用户提供个性化对话体验开始变得越来越普及。
而智能客服在金融业的应用也是比较常见的，比如帮助用户理财。举个例子，当用户点击Facebook的聊天窗口时，就可以启动Plum聊天机器人，从而进行小额分期存款的操作。在注册时，用户只需要将Plum与其银行账户关联。之后，Plum的人工智能系统就会分析用户的收入水平和消费习惯，并在此基础上预测其能接受的存款金额。然后适时分期向用户的储蓄账户中存储小笔金额，并定期通知用户。
此外，智能客服Cleo还可以跟踪多个账户的收入与支出，像私人会计师一样和客户交流，回答客户的问题，同时还可以提供理财指导，帮助用户做未来的资金规划和管理。今年年末，美国银行计划推出智能客服Erica（取银行名字的谐音）。Erica可以在银行手机客户端与客户进行语音和文字互动，从而帮助客户快速做出更明智的决定。例如，无需打开应用界面（UI）即可命令Erica汇钱给朋友或付款。智能客服的AI引擎还可分析管理客户的个人财务，如根据客户收入和支出模型，提供建议，实现储蓄目标。
|重点聊聊英仕曼集团会自己抄底的AI系统在对人工智能技术的应用中，英仕曼是个非常好的例子，这里我们重点介绍一下。
英仕曼集团作为全球最大的对冲基金公司之一，资产高达960亿美元。其旗下的AHLDimension基金从2014年就开始将机器学习算法用于自动贸易决策，并且获得了巨大收益。
据了解，英仕曼的工程师为机器学习算法设置了边界参数，包括敞口资本、资产类别以及交易成本。通过这些参数为算法提供数据，从而发现那些容易被人类分析师忽略的模式和联系。机器学习算法在新数据与历史模式进行不间断比对，推测将会发生的变化。目前，英仕曼已经将该模型用于加快贸易决策，从而实现对未来几周的形势作出合理预测。
2015年8月，当全球金融市场由于对中国经济的担忧引发了突然大量的抛售时。英仕曼的AI系统在此前就看空市场，并迅速从下跌中获利。而在美国股市下跌约3%后，该系统又发现了买入机会，重新回到市场。就在那一年，人工智能为英仕曼集团规模最大的一只基金AHLDimensionProgramme贡献了大约一半的利润。
去年11月和12月，当世界仍在努力消化川普当选美国总统的消息时，英仕曼的人工智能却迅速进入市场，并从随后的反弹中获利。
“没有人告诉它去怎么抄底和获利，它自己学会了如何观察以前的模式。”AHL Dimension的基金经理尼克.格兰杰(NickGranger)说。
自2014年初以来，英仕曼管理的资产总额已经飙升了77%。而AHLDimension基金的规模也已经扩大到当时的5倍。
AHLDimension基金首席科学家、牛津实验室的负责人莱德福德（AnthonyLedford）表示，英仕曼集团的AI工程师们用奖励和惩罚来引导机器，从技术角度来说，这会用到深度学习和强化学习。而通过深度学习，他们用历史信息构成的数据集，来训练算法发现预测模式、规律。比如说，当算法从股票和期货的价格数据中发现相似点时，就会受到“激励”。通过强化学习，算法会在运行过程中，根据某种行为的成败来重新校准。另外，研究者也会在算法中设置惩罚机制，来阻止AI的某些行为，比如说不让AI去创建人类已经用过的交易策略。
因此，在莱德福德看来，只靠一群极客敲代码还不能构建出能用的AI，问题的关键在于数据。如果说处理能力是人工智能的引擎，信息就是它的燃料。它能让工程师们教给算法在没有人为干预的情况下适应和学习各种技能。
据说在英仕曼的办公室里，每周都会有一群销售来来往往，推销着各种各样的数据集。金融数据通常毫无组织，就像一幅被摇散了的拼图，对于计算机来说非常难以理解，但却是非常关键的。
|尚需解决的问题金融业或许是人工智能最好应用的行业，但同时，也是人工智能应用所面临的最具挑战的行业。虽然机器学习已经在金融领域得到了广泛应用，然而还有不少问题还需要解决。
首先，如何借助人工智能有效操作复杂交易还有待讨论，因为这会受到一些难以预测的意外因素的影响。训练计算机如何搞清楚债券市场的运行规律，不同于教它认猫。市场的运行方式神秘莫测，新闻事件、经济、政治、监管、自然灾害和人类的判断等等都会对其产生影响。对于英仕曼而言，在人工智能投入使用后，AHL基金的收益三年中增长了15%，这个成绩虽然高于行业平均近一倍，但仍然尚未达到S&P500（标准普尔500指数）。
▲对冲基金、AI策略基金、和标普500近四年的业绩
图片来源：Bloomberg
此外，很多人，尤其是传统交易者，仍然认为人工智能算法不够透明。随着人工智能算法所含数据和精密度的增加，创建者已经难以轻易解释其运作原理。因此，当算法决策失误，损害用户利益时，问题就变得非常棘手。为避免失误，英仕曼研发了一种供人类分析师执行算法决策前进行检查的分析工具。
同时，过度使用大数据也促使对冲基金走进法律的灰色地带。多年来，计算机代码一直是交易大厅的标准工具。在某些事情发生时告诉计算机应该做什么，是量化基金的基础，这些基金长期以来一直使用统计分析来寻找优势。人工智能在此基础上更进一步，它能够根据其接收到的信息进行调整。而在英仕曼，通过设定敞口上限、资产类别、波动率、交易成本等参数，合规和风险控制规则根植于系统的基因中，防止它在快速盈利的过程中偏离轨道或违反法律。
|总结虽然，我们现在还不清楚有多少像英仕曼这样的对冲基金公司正在使用AI来提升业绩，以及有多少机构取得了成功。但如谷歌前执行总裁、现Alphabet执行董事长EricSchmidt此前所说，五十年后，所有交易决策都将依赖于计算机对数据和市场信号的解析。
无论这样的预测能否实现，毫无疑问的是，AI正在改变金融市场的运作方式，以及交易者未来进行资金管理的方式，并且还将给金融领域带来更多的惊喜。
人工智能产业的应用场景和发展模式
1、基础层面：主要有AI芯片、传感器、云计算、减速器等四类核心产品
（1）AI芯片——主要包括GPUFPGA等加速硬件与神经网络芯片、为深度学习提供计算硬件，是重点底层硬件。
（2）传感器——主要对环境、动作、图像等内容进行智能感知，是人工智能的重要数据输入和人机交互硬件。
（3）云计算/大数据——主要为人工智能开发提供云端计算资源和服务，以分布式网络为基础，提高计算效率，包括数据挖掘、监测、交易等，为人工智能产业提供数据的收集、处理、交易等服务。
（4）减速器——作为一种相对精密的机械，主要为人工智能产品降低转速，增加转矩，以满足不同场合下的工作需要，是重要的底层硬件。
2、技术层面：主要有计算机视觉、自然语言处理、语音识别、机器学习等四类核心技术
（1）计算机视觉——包括静动态图像识别与处理等，对目标进行识别、测量及计算。主要应用在智能家居、语音视觉交互、ARVR、电商搜图购物、标签分类检索、美颜特效、智能安防、直播监管、视频平台营销、三维分析等场景。
（2）自然语言处理——基于数据化和框架化，研究语言的收集、识别理解、处理等内容。主要应用在知识图谱、深度问答、推荐引导、机器翻译、预料处理、模型处理等场景。
（3）机器学习——主要以深度学习、增强学习等算法研究为主、赋予机器自主学习并提高性能的能力。主要应用在压缩技术、安防、数据中心、智能家居、公共安全等场景。
（4）语音识别——通过信号处理和识别技术让机器自动识别和理解人类口述的语言，并转换成文本和命令。主要应用在智能电视、智能车载、电话呼叫中心、语音助手、智能移动终端、智能家电等场景。
3、应用层面：主要分为智慧城市、智慧生产、智慧生活三大类应用场景
（1）智慧城市：智慧城市涉及到交通、教育、医疗、零售等与用户生活息息相关的场景，把这些场景集合在同一平台上，增强用户使用习惯将会增强，粘性就会提升。各类场景互联互通，最终达到提升城市运维效率、提升资源管理效率、提升居民生活品质的目的。
典型智慧城市应用场景
（2）智慧生产：形成产品生产导向向需求生产导向转变的智慧生产流程体系
（3）智慧生活：涵盖智慧居住、饮食、健康监护管理、家庭管理等应用场景
人工智能属于面向未来的新事物，应用场景是人工智能发展的主要驱动力。下面简要分析医疗、交通、教育、金融、生活、零售、安防、园区、环保、政务等10个细分领域的人工智能应用场景及商业模式。
典型应用1：AI+医疗——中国医疗人工智能处于风口期，医学影像和疾病风险管理为热点
智能医疗，从技术细分角度看，主要包括使用机器学习技术实现药物性能、晶型预测、基因测序预测等；使用智能语音与自然语言处理技术实现电子病历、智能问诊、导诊等；使用机器视觉技术实现医学图像识别、病灶识别、皮肤病自检等。从应用场景来看，主要有虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究平台等八大AI+医疗市场应用场景，其中医学影像和疾病风险管理为热门领域。
典型应用2：AI+交通——中国市场规模庞大，形成四类无人驾驶主流商业产品
智能驾驶其涉及的领域包括芯片、软件算法、高清地图、安全控制等。目前主要商业产品有无人驾驶出租车、无人驾驶卡车、无人巴士和无人驾驶送货车；无人驾驶车辆将设计拥有更高的安全性且能极大地降低人力成本，成为诸多相关企业的关注的焦点。
（1）无人驾驶出租车：人驾驶出租车因为其安全性更高，因此被很多汽车服务业关注，目前，无人驾驶出租车已经处于测试阶段。2015年软件公司NuTonomy在新加坡开始无人驾驶出租车测试，计划2018年完成整个无人驾驶服务的商业化
（2）无人驾驶卡车：无人驾驶卡车能有效降低司机因长时间、长距离运输而疲惫导致的安全事故。2016年11月，中国福田汽车联合百度在上海发布了国内首款无人驾驶卡车。
（3）无人巴士：固定的行驶路径、固定的停靠车站，使得无人驾驶巴士成为解决公众出行的新办法。2017年10月，百度联合金龙客车合作生产无人公交车，预计在2018年实现整车量产。
（4）无人驾驶送货车：货物运输最后一公里为运输行业的瓶颈，无人送货车能够全天候工作，加大增加工作效率。2017年7月，英国杂货电商公司Ocado在伦敦东部测试了无人送货车。
典型应用3：AI+生活——以IoT为基础的家居生态圈，主要有八大市场热点领域
智慧生活是一个以IoT为基础的家居生态圈，其主要包括智能照明系统、智能能源管理系统、智能视听系统、智能安防系统等。市场热点集中在硬件支持、智慧场景应用、产品、平台等方面，主要有机器学习、无线模块、智能家庭平台、智能家居娱乐系统、家居安防、健康家庭医疗系统等智能家居市场八大热点。
典型应用4：AI+金融——智能金融变革金融业务全流程
AI技术赋能金融领域，主要包括智能风控、智能投顾、智能投研、智能支付、智能营销和智能客服等。从金融角度来讲，智能的发展依附产业链涉及资金获取、资金生成、资金对接到场景深入的资金流动全流程，主要应用于银行、证券、保险、p2p、众筹等领域。
典型应用5：AI+教育——千亿庞大市场规模，三大应用主体与十三大应用场景
智能教育可分为学习管理、学习评测、教学辅导、教学认知思考四个环节，全面覆盖“教、学、考、评、管”产业链条，并已在幼教、K12、高等教育、职业教育、在线教育等各类细分赛道加速落地。围绕教育机构、教师、学生等三大主体，智能教育产品主要应用于教育评测、拍照答题、智能教学、智能教育、智能阅卷等十三大场景。
典型应用6：AI+零售——实现零售购物的无人化、定制化、智能化，提升购物体验
AI+零售将实现零售购物的全面无人化、定制化、智能化，实现消费者购物体验的全面升级。典型的应用场景主要有智能提车和找车、室内定位及营销、客流统计、智能穿衣镜、机器人导购、自助支付、库存盘点等场景。
（1）智能停车和找车。为智能停车模块，帮助用户解决“快速停车及找车”的痛点。如阿里巴巴推出的喵街App中包含智能停车及找车模块，目前已经应用于几十家购物中心。
（2）室内定位及营销。在用户购物及浏览过程中快速根据用户需求、物品位置实现精准匹配。如北京大悦城等商场已经实现了室内导航及定位营销，iBeacon的技术解决方案颇受青睐。
（3）客流统计。实时统计客流、输出特定人群预警、定向营销及服务建议。如图普科技，利用开发客流统计解决方案，为天佑城的活动策划和招商部门提供客观数据佐证。
（4）智能穿衣镜。为用户提供个性化的定制服务，增加用户实际购物体验。智能虚拟穿衣镜已经在Lily、马克华菲等诸多品牌门店中部署。
（5）机器人导购。增加用户购物过程的趣味性，从而提升销售。如零售机器人“豹小贩”实现从“人找货”到“货找人”的转变，自动走到人流量大的地方，主动推荐商品。
（6）自助支付。收银服务机提供屏幕视频、文字、语音三种指引方式，引导自助支付。如国内阿里的刷脸支付尝试。
（7）库存盘点。库存盘点机器人替代仓库管理员，提升工作效率。如德国MetraLabs推出机器人Tory，为德国服装零售商AdlerModemrkte提供库存盘点服务。
典型应用7：AI+安防——平安城市、园区、校园、家居、金融等一体化智能安防建设
智能安防是人工智能最先大规模应用，并持续产生商业价值的领域，主要依托低速无人驾驶、环境感知、目标检测、物体识别、多模态交互等技术，实现目标跟踪检测与异常行为分析，视频质量诊断与摘要分析，人脸识别与特征提取分析，车辆识别与特征提取分析等，实现平安城市、园区智能安防、校园智能安防、家居智能安防、金融智能安防等一体化智能建设。
（1）平安城市——开展城市监控报警联网系统建设，公安机关建监控系统，省级监控平台，地市级平台，实现城市智能公安联网监测检查。
（2）园区智能安防——工业园区安防系统由视频监控系统、入侵报警系统、门禁管理系统、电子巡更系统、停车管理系和综合管理平台等构成。
（3）校园智能安防——主要构建透明食堂监控、校园车辆卡口系统、手机移动监控等系统，实现技防各子系统高度集成联动、海量数据智能化分析并自动导出，实现安保工作基础平台信息化。
（4）家居智能安防——家居安防系统主要包括报警控制主机、无线传感器网络节点两大模块，负责对采集的信号进行分析和处理，以及安防情况进行远程监控。
（5）金融智能安防——金融安防系统包括技术防范系统和实体防护设施，技术防范系统主要包括视频安防监控系统、出入口控制系统、入侵报警系统和监听对讲系统等，实体防护设施主要包括专用门体、防弹复合玻璃、提款箱、运钞车、保管箱和ATM自动柜员机等。
典型应用8：AI+园区——实现物业硬件互联信息化、服务智慧化、产业智能化
在智慧园区场景下，从硬件设施到系统软件，从智慧物业到智慧服务，实现物业硬件信息化互联，服务智慧化、产业智能化。园区形成微型智慧生态，物业信息化互联，并为园区企业提供智慧化办公生产相关服务，吸引智慧产业入驻发展。
（1）园区互联信息化。园区安防、管网、能源等硬件设施互联互通，信息化自动化。场景构建主要打造智能化信息系统、智能门禁系统，集成园区智能硬件系统。
（2）园区服务智慧化。为园区企业提供智慧化科技创新、办公智慧化、园区生活智慧化相关服务。商务办公智慧化场景构建主要依托智能会议系统、智能客服系统、办公场景语音系统实现；科创孵化智慧化场景构建主要打造智慧产业孵化器。
（3）产业发展智能化。集聚信息技术、智能制造企业，推动产业化升级和智慧城市发展。场景构建主要依托导入相关产业资源，形成产业集聚。
典型应用9：AI+环保——实现环境监测实时动态化、环保装备智能化、管理智慧化
智慧环保场景下，从监测到管理，从环保硬件到服务平台软件，实现环保装备智能化、环保管理智慧化，并融合机器学习、机器人、人机交互、智能语音、大数据等技术，在智能环保机器人、环保服务平台领域发力，构建场景新生态。
典型应用10：AI+政务——打造政务部门数据集成共享，实现政务决策IT化
（1）城市全景精细呈现。打造GIS地理信息技术平台，依托智能化城市基础设施建设，展现城市数据。
（2）部门数据融合互通。引入信息技术集成服务商，集成市政、警务、交通、电力、等部门数据库系统，开辟数据接口，实现数据融合互通。
（3）智能化统计分析。构建城市政务管理云服务平台，实现智能化数据分析，为城市智慧化精细化管理提供决策依据和建议。
（4）对话数据，交互查询。建设统一查询系统，引入系统开发服务商，设计实现交互查询的查询系统，非隐私数据可民用开放。
（5）可视化部署、指挥调度。通过数据可视化云平台打造，实现突发事件应急联动，有效结合各部门数据资源，达到高效决策、部门联动、信息共享的指挥调度系统。
根据东滩产业内参《人工智能产业投资趋势及发展模式》的研究，中国人工智能产业空间集聚模式主要呈现智慧城市、产业集聚区/创新区、产业小镇/产业园区等三种形式。智慧城市建设、产业集聚区/创新区、产业小镇/产业园区三个层面互为促进，成为推动人工智能产业发展的主要路径。
（1）智慧城市
通过打造人工智能创新应用示范区/产业集聚区/小镇/园区等形式，形成深度应用场景，建设应用示范项目；促进人工智能在智慧政务、智慧交通、智能医疗、智能健康和养老等领域深化应用。典型的案例有上海、杭州、北京、深圳等智慧城市的建设。
（2）产业集聚区/创新区
依托区域较好的智能制造基础及信息技术优势，集聚人工智能、大数据、云计算、区块链、VR/AR等数字产业项目，将技术和应用扩散至周边区域，与其他产业交叉融合发展。典型的案例有上海张江人工智能岛、杭州高新区（人工智能）优势产业集聚地等。
（3）产业小镇/产业园区
作为大型经济开发区里的专业园区，或是以人工智能产业为特色的产业小镇，与周边科技、制造、新一代信息技术等产业协同发展。典型案例有苏州工业园人工智能产业园、杭州人工智能产业园、沧州高新技术产业开发区人工智能科技产业园等。
案例链接1：智慧上海
打造六大人工智能创新示范区
上海将着力打造6个人工智能创新应用示范区，形成60个深度应用场景，建设100个以上应用示范项目。构建“一带一区多点联动”的产业空间布局，包括“徐汇滨江-漕河泾-闵行紫竹”人工智能创新带、“张江-临港”人工智能创新承载区、华泾北杨人工智能特色小镇、上海松江洞泾人工智能特色产业基地。
上海人工智能产业空间格局
专业园区——上海张江人工智能岛
项目概况：上海张江人工智能岛位于张江科学城中区，占地面积6.6万平方米，建筑面积10万平方米，由张江集团负责开发运营的人工智能产业新标杆。产业方向以语音识别、视觉识别技术世界领先，信息处理、智能监控、生物特征识别、工业机器人、无人驾驶为主。目前吸引了包括微软、阿里巴巴、同济大学、云从科技在内的跨国巨头、BAT龙头、科研院所和独角兽企业入驻园区。成为上海市首批人工智能应用场景，并成为唯一的“AI+园区”实施载体。
产业发展策略：
（1）基金政企合作，打造开放创新平台。与龙头企业共建孵化器、共设投资基金，并搭建集创新转型工坊、创新实验室、项目实战空间、应用演进与运营四维一体的人工智能“能力开放工场”，塑造产业垂直生态。
（2）集聚世界创新大脑，引领高端发展。加强前瞻性研究，集聚世界一流科学家、学者开展人工智能基础理论、核心算法以及脑科学、基础系统等方面的基础研究，实现高端引领发展。
（3）技术与场景联合试验，助推远期产品落地。围绕智能安防、语音识别、机器视觉、深度学习等人工智能新技术，与应用场景进行深度融合，并在岛上进行联合试验和交互体验，并将技术和应用扩展至整个张江科学城。
典型案例2：智慧杭州
打造十大人工智能应用示范区
杭州人工智能产业发展规划建设10个人工智能应用示范园区和特色小镇，构建数据驱动、人机协同、跨界融合、共创分享的智能经济生态圈。构建“一廊一区多点联动”的产业空间布局。打造杭州城西科创大走廊，构筑杭州高新区（滨江）优势产业集聚地，人工智能产业基地多点布局。
专业园区——杭州人工智能产业园
项目概况：位于杭州高新技术开发区滨江区江虹路，与阿里巴巴、浙江大学等比邻而居，规划面积3.43平方公里，总建筑面积8万平方米，由四幢主体建筑合围而成。项目定位于打造集专业化服务功能、创新型孵化功能、多资源聚合功能、产学研转化功能于一体的人工智能产业新平台，成为省级人工智能技术研发、应用、产业化的示范基地，重点打造产业资源交换、孵化研发、传媒、生活等四大中心。以人工智能为特色，覆盖大数据、云计算、物联网等业态，集中力量招引机器人、智能可穿戴设备、无人机、虚拟/增强现实、新一代芯片涉及研发等领域。
产业发展策略：打造全球创客中心人工智能集聚区，广泛集聚以人工智能为代表的智慧产业创客极客，发挥创业创新集聚效应，在引领区域创新上发挥重要的作用与市场影响力，着力构建“一主三化五平台”产业发展服务体系及综合运营管理服务体系。
（1）一大生态——打造有利于人工智能产业快速发展的生态系统；
（2）三化产业载体——人工智能技术成果化(孵化器)、人工智能成果产业化(加速器)、人工智能产业资本化(倍增器)；
（3）五大发展平台——产业产学研合作平台、产业技术成果交易平台、产业公共服务平台、产业企业家交流平台、产业投资发展平台；
（4）运营管理体系——建立人工智能产业联盟，与投资行业协会、国内知名投资机构、金融服务机构、投融资服务组织等建立紧密的合作关系，为创新创业者提供全面专业的资本服务。
总的看来，中国人工智能产业集聚创新发展主要体现在四方面，即集中展示AI在特点场景下的纵向应用，如：学校、医院、工厂、家庭等，整合各类AI技术，打造整体式的解决方案；体现AI在特定行业中的创新应用，如：交通、政务、安防、环保、教育、金融等行业，推动人工智能对行业产生显著的带动作用；通过AI跨领域跨行业的集中应用，如：园区、社区等，实现人工智能对区域的全面赋能；通过龙头企业的带动，搭建AI产业发展开放平台，集聚产业链上下游资源，实现区域人工智能产业的协同创新发展。
▌说明：东滩顾问·廖义桃原创文章，转载请注明出处！
▌编辑：波波
▌关注：请搜索“东滩顾问”公众号关注我们哦！返回搜狐，查看更多