智研简报2023第4期

智研简报

Sdaict Monthly

智能计算 计算未来

2023年04月第4期 | 总28期

中国 · 济南

山东产业技术研究院智能计算研究院

CONTENTS

目录

01

腾讯AI研究成果入选Nature子刊，预测准确率刷新纪录

数字经济专题报告：AI，第四次场景革命

陈益强院长应邀赴新加坡南洋理工大学考察交流

04

05

02

Science Bulletin | 中国脑计划——从基础研究到临床应用

06

陈益强院长应邀参加第三届中国老年脑健康大会暨第五届北京·山东脑健康与认知障碍高峰论坛并做专题演讲

03

智研院开展2023年第一次安全培训

       4月12日，中科院计算所所务委员、山东产业技术研究院智能计算研究院院长陈益强与济南市委常委、副市长，济南新旧动能转换起步区党工委副书记、管委会主任孙斌考察团组，山东产业技术研究院院长孙殿义考察团组，应邀访问了新加坡南洋理工大学，南大校长何德华、副校长蓝钦扬参加会见。

       陈益强表示，新加坡南洋理工大学在亚洲乃至全世界都享有盛誉，培育了大批具有国际化视野的高端人才，智研院未来将积极与新加坡南洋理工大学、山东大学开展人才培养、科研合作，在人工智能研发及应用领域搭建起产学研人才交流和科技创新的平台，共同推动人工智能产业的快速发展。孙殿义表示，产研院作为山东省和济南市倾力打造的新型研发机构，坚持商业成功理念，致力于科技成果的产业化，愿意为南大的科技成果在山东转化落地提供有力支撑，并与南大达成产业、技术以及人才团队的深入合作意向。

       何德华对考察团组访问南大表示热烈欢迎。他指出，济南市、产研院和智研院都是南大的重要合作伙伴，双方长期保持着良好的交往与合作，希望借助此次宝贵的交流机会为推动双方进一步的合作打下坚实基础。

陈益强院长应邀赴

新加坡南洋理工大学考察交流

智研快讯

       4月21日，第三届中国老年脑健康大会暨第五届北京·山东脑健康与认知障碍高峰论坛在济南成功召开，会议期间成立了相关脑健康与认知障碍专家委员会，引领辐射脑健康行业协同创新，共同推进脑健康与认知障碍学科与医学应用发展。

       会上，中科院计算所所务委员、山东产业技术研究院智能计算研究院院长陈益强进行会议主持并作《数据与智能融合驱动的认知与计算方法》专题报告，他指出，面对认知与计算的应用场景的的协同创新研究需求，打造联邦医工交叉科研平台，通过在多个拥有本地数据的数据源之间进行分布式模型训练，在不违反数据隐私保护法律法规的前提下，仅通过交换模型参数或中间结果的方式，得到最优模型结果，从而实现数据隐私保护和数据共享计算的平衡，实现医疗数据资源共享，推动科学研究的进程。

陈益强院长应邀参加第三届中国老年

脑健康大会暨第五届北京·山东脑健康

智研快讯

       会见后，考察团组还分别参观了南洋公共管理研究生院、南大计算机科学与工程学院、阿里巴巴-NTU联合研究院、南洋理工大学-英属哥伦比亚大学百合卓越联合研究中心、NTUitive、南大机器人研究中心等机构。

       南洋理工大学（Nanyang Technology University,简称NTU）是新加坡政府于1992年建立的国立大学，它的前身是1981年成立的南洋理工学院。南洋理工大学设有工、理、商、文四大学部，下设12所学院，并拥有国立教育学院及拉惹勒南国际研究院两个自主机构，为超过24300名本科生及9000名研究生提供国际一流的高品质全球教育，吸引着来自区域内及世界各地的众多精英学者，是一所科研密集、名列全球前50名的世界顶尖大学（2016年QS世界大学排名第13位）。

       本届大会由中国老年学和老年医学学会主办，汇聚了来自认知神经科学、神经影像学、基因学、神经心理学等脑健康领域的专家学者为与会者带来一场异彩纷呈的学术盛宴。

       为进一步增强智研院全体职工的安全意识，掌握常用安全知识和技能，防止安全事故的发生。根据《安全生产法》《消防法》等法律法规，以及山东产业技术研究院智能计算研究院的要求，4月24日下午2点，我院全体职工在国际会议室进行山东智研院2023年第一次安全培训。

       本次培训上，智研院行政部孟辉从安全用电与预防措施、防触电常识、触电急救、企业安全用电措施、智研院日常行政管理等方面对大家进行了相关安全知识培训，并带领大家观看了警示视频。

       智研院行政主管杨建对此次安全培训做了总结，强调大家要充分提高对安全工作的认识、时刻紧绷安全这根弦，切实做好安全工作的紧迫感和责任感。

       最后，智研院全体职工签署了《个人安全包保责任承诺书》。在未来工作中，我院将继续落实安全生产责任制，强化领导责任、监管责任和主体责任，严格执行安全管理各项规定，开展安全专项检查行动，及早发现安全隐患，堵住安全漏洞，将事故扼杀在萌芽状态，加强安全体系建设，强化安全工作机制，完善安全应急管理，开展安全应急演练，提高安全管理水平和应急处置能力。

智研院开展2023年第一次

智研快讯

       图1：蛋白质结构和网络结构都对PPI的准确预测至关重要。（a）蛋白质序列通常能提供关于PPI的细节信息，但它也可能导致PPI的预测准确性降低，例如不具备序列相似性的两个蛋白质（SERPINA1、3）可能和同一蛋白质（ELANE）在相同作用界面发生PPI；（b）包含网络结构信息的PPI，将蛋白质区分为不同的社区，社区内的蛋白质之间存在密集的交互，而社区之间通常只有微弱的连结；（c）HIGH-PPI具备双视图层次，顶视图包含网络结构信息，底视图包含蛋白质结构信息。

技术前沿

ADVABCED TECHNONLGY

子刊，预测准确率刷新纪录

       为了更好地预测和解读PPI，并深入挖掘相关分子信息，2023年3月，腾讯 AI Lab 联合香港科技大学、中国科学院大学相关团队，将深度学习领域的层次图学习技术引入PPI研究，提出了一种双视图层次图学习模型（HIGH-PPI），模型被证明在PPI研究中具有更高的预测准确性和更好的可解释性，研究成果在知名国际学术期刊《自然-通讯》（Nature Communications）发表。

       人类蛋白质组学数据分析表明，人体的PPI网络涉及约65万个相关接触位点。处理这样量级的数据，人工智能的效率要明显高于人类，相关技术引入可以更加高效、准确地帮助人们找出重要信息，促进靶向药物的开发和癌症等疾病的治疗。

       这项研究是腾讯 AI Lab 对PPI层次问题建模的首次尝试，得到了审稿人的高度评价，被视为生物信息领域一项富有潜力的创新贡献，文章也得到了学界的认可，被选入《自然-通讯》年度编辑精选文章合集。

       引入深度学习技术，首次提出模拟自然PPI层次结构的模型

为了高效且低成本地绘制出人类蛋白质相互作用组，近年来，研究领域越来越多地使用计算方法来自动预测PPI，其中就包括深度学习的引入，但是，此前尚未出现用于模拟自然PPI层次结构的模型。

       在HIGH-PPI模型中，腾讯 AI Lab 研究团队创建了一种层次图，包含蛋白质外顶视图和蛋白质内底视图。顶视图描述蛋白质之间的相互作用，每种蛋白质就是一个节点，蛋白质之间的相互作用就是图的边；而底视图描述每种蛋白质内部的信息，关键氨基酸或残基组合就是图的节点，物理位置相邻的残基以边相连。

       此前，业内学者大多关注PPI的外部层次（交互作用组学）或内部层次（蛋白质组学），并未考虑PPI本身的层次结构。

       HIGH-PPI模型受到生物学家研究方法的启发，使用两个图神经网络（GNN）, 从两个视角分别进行学习。通过具体案例和统计实验，研究发现在端到端模型中，两个层次之间存在相互增益关系，缺失任一层次的结构信息都将损害机器学习模型的性能。

       图2：将HIGH-PPI（红色）与四种主流模型 GNN-PPI、PIPR、DrugVQA和RF-PPI对比。（a）PPI预测精确率-召回率曲线；（b）PPI网络扰动下模型鲁棒性测试；（c）分布外场景下模型泛化性测试；（d）各PPI类别下精度测试。

       蛋白质相互作用（PPI）可以说是人体最重要的分子事件之一，事关人体生长发育、新陈代谢，是疾病治疗干预的重要来源，PPI失调会导致癌症等疾病发生，因而该领域也是医药行业关注的研究热点。

       据介绍，模型的架构设计主要有两个层面的考虑：

       其次，在交互作用组学层面，模型关注PPI网络结构，倾向于将蛋白质划分为不同的社区，社区内的蛋白质之间存在密集的交互，而社区之间通常只有微弱的连结（见图1b）。先前研究已经证明，PPI网络的结构属性能够预测缺失的链接，发现未知的PPI。

       图3：蛋白内视图带来增益。（a）引入蛋白质3D信息显著提升预测性能，且在保证输入信息相同的前提下，图结构（Graph）相对循环神经网络（RNN）和卷积神经网络（CNN）具有明显优势；（b）和基线（蓝色点虚线）对比，采用相同的输入信息训练后，图结构数据对蛋白结构误差表现出高容忍度；此外，图结构数据还具备较高的可解释性，例如（c）精确识别蛋白中对接位点和（d）对残基的属性重要性打分。

       图4：交互作用组学信息的应用。（a）PPI网络节点度（左）和社区属性（右）分别与PPI预测结果F1分数的高相关性；（b）不同链路预测方法的F1分数，有效的链路预测方法都倾向于高度还原PPI网络的结构属性；（c）PPI网络示意图，每个节点的面积代表它的度值，只有两条外部的边连接检测到的两个社区（左），真实计算结果显示其他链路预测方法会产生错误的链路，这可能会破坏社区的划分（中），并且在恢复节点度方面存在缺陷（右）。

       预测准确率、可解释性大幅提升，为后续实验提供指导

       为训练和评估HIGH-PPI，这项研究使用了STRING数据库中的人类PPI数据集，包含1,690种蛋白质和7,624个PPI。

       对比发现，HIGH-PPI的表现超出四种业内现有预测模型，和排名第二的GNN-PPI相比表现提升4.42%。为了模拟实际应用中的数据不可靠性，研究还对PPI网络进行随机扰动，并测试其性能指标。实验证明，当测试集中存在70%的未知蛋白时，HIGH-PPI仍可保持较高精度。

       机器预测、实验验证，是未来生物、医药研究的重要趋势，为了让后续的验证实验更加高效，科学家需要能够充分理解模型的预测结果，这一指标称为模型的可解释性。例如，假设HIGH-PPI预测某个蛋白质对存在催化相互作用，但识别出与催化无关的重要位点，我们将很难相信模型的决定。

       这项研究将模型经过学习预测的蛋白质功能域与真实数据进行对比，证明HIGH-PPI模型具有出色的可解释性，能够为后续的湿实验验证（实验室生化实验）提供可靠指导。例如，如果HIGH-PPI认为某个催化位点很重要，就可以针对特定位点，设计相应的验证实验。

       近期，北京大学第六医院院长陆林院士联合复旦大学-国王学院群体神经科学中心负责人Gunter Schumann教授，在Science Bulletin发表了题目为“China Brain Project: from bench to bedside”的专家评介文章，从脑图谱、类脑计算与脑机智能、脑疾病防治等角度介绍了各国脑计划，特别是中国脑计划的特色，其中重点介绍了中国脑计划在脑疾病临床研究大数据与样本库平台的建设情况，并指出了整体推进过程中面临的挑战。

       全球脑计划项目纷纷启动。如：瑞士的“蓝脑计划”，欧盟的“人脑计划”，美国的“创新性神经技术大脑研究”项目以及2.0更新计划，日本的“综合神经技术用于疾病研究的脑图谱”计划，澳大利亚和韩国也分别于2016年发起相关脑科学项目。各国脑计划研究目标略有不同，但都在脑图谱、人工智能或脑疾病领域取得了较大进展。

       中国脑计划以“一体两翼”为发展战略。2021年，中国脑计划共部署59个指南方向，其中，脑图谱研究、类脑计算技术和脑疾病诊疗作为中国脑计划的重点发展方向，已经积累了坚实的技术储备和成功经验。在脑图谱研究方面，中国脑计划拟利用多种动物模型以及招募多个年龄段人群，从微观、介观和宏观水平构建大脑图谱，比如在单细胞水平对大脑进行基因和蛋白质表达谱分析，以及构建婴儿和儿童大脑的发育图谱等。在类脑计算和脑机智能方面，中国脑计划拟重点开发类脑芯片和无创脑机接口技术，为基础研究向临床应用转化提供新的动力。

       中国脑计划在脑疾病方面的建设举措。我国脑疾病负担严重，并缺乏有效的预防和诊疗手段，亟需通过大规模队列研究和建立临床研究数据库与样本库平台，揭示脑疾病发病机制和发展轨迹，开发早诊、优治与康复技术。中国脑计划拟通过建设“脑健康大数据平台（Brain Health Platform）”，以涵盖健康人群和脑疾病患者的全生命周期为特点，结合基因组学、影像学、症状学等多模态数据，打造集采集、分析、共享于一体的大数据平台。除了在线数据平台外，脑健康大数据平台还包括可供收集和存储血液、尿液、粪便和脑脊液等多种样本的大型生物样本库。该平台为我国的多种脑疾病图谱、AI技术转化应用及多种脑疾病的预防干预研究提供支撑。

       中国脑计划未来还面临诸多挑战。在研究方面，个体差异性增加了从基础研究到临床应用的转化难度。并且，如何将来源于不同物种、不同层次、不同模式的海量数据交互操作，也是未来的重大技术挑战。在管理方面，如何整体规划和确定未来优先发展哪些项目也是一个重要问题，在未来还需要进一步广开言路，并积极为有潜力的年轻研究人员提供机会，同时，开拓更多跨学科领域的合作渠道，整合多学科人才通力协作，促进从基础研究到临床应用的高效转化。

       北京大学第六医院刘晓星博士和高腾博士生为该文的第一作者，陆林院士为通讯作者。该文获得了科技创新2030项目（2021ZD0200800）支持。

行业资讯

“

”

       数据要素对经济增长与企业盈利有显著的正向影响。（1）从宏观经济的角度看， 国家工业信息安全发展研究中心数据显示，数据要素对我国2021年GDP增长的贡献率达到14.7%，较2018年增加幅度超过2个百分点；贡献度达到0.83个百分点。2022 年，中国数据要素市场规模达到815亿元，预计“十四五”期间市场规模CAGR将超过25%。（2）从企业经营的角度看，数据要素使用较多的上市公司，ROA相应地较高。2021年，数据要素应用水平较高的上市公司的平均ROA比要素应用水平较低的公司高出4.7个百分点。

       （二）驱动力之二：数字技术全面赋能生活/办公/生产等重要场景

       从数字技术的角度看，“场景革命4.0”同时赋能数据的六大使用环节。（1）数据获取环节，物联网的发展大大增加了全社会的数据总量；（2）数据存储环节，大数据存储技术使得海量数据的保存和应用成为可能；（3）数据传输环节，5G作为基础设施提升了数据传输速度，为物联网的广泛应用打下坚实的基础；（4）数据分析环节，AI大幅提高了计算机的数据分析能力；（5）数据应用环节，云计算突破了数据应用的地理界限；（6）数据共享环节，网络安全技术为数据共享提供不可或缺的保障。从用户群体的角度看，“场景革命4.0”是覆盖B端、C端、G端的全方位变革。（1）在B端，“万物互联”意味着生产与服务过程高度自动化，涌现出无人工厂、企业管理、智慧供应链等应用场景；（2）在C端，远程办公、智能家居、在线教育极大地方便和丰富了人们的生活；（3）在G端，政务云平台、智慧城市持续推动社会治理水平的提升。

行业资讯

INDUSTRY INFORMATION

       前三次场景革命：（1）在PC互联网时代，即时通讯、网购、端游的出现标志着数字经济的第一次场景革命；（2）智能手机与APP开启了移动互联网时代，以外卖、团购、打车为代表的平台经济掀起了第二次场景革命。（3）2018年，移动互联网进入存量时代，5G技术带来的万物互联推动了第三次场景革命。“第四次场景革命”：2023年，以AIGC（ChatGPT）为首的AI下游应用迅速爆发，标志着“场景革命4.0”到来，推动完成从“万物互联”到“万物赋能”的跨越。

       纵观四次生产力变革，新兴生产要素的诞生，是社会生产力变革的重要推动因素。新兴生产要素使得技术发展跳出原有的路径，为经济发展注入全新的驱动力。在人类历史上，土地、资本、技术作为生产要素出现的阶段，都是 生产力快速发展的时期，分别对应农业革命、商业革命与工业革命。自5G技术大范围应用开始，数据要素逐步起量，至AI技术应用场景爆发，数据要素重要性进一步凸显。

       数字经济“场景革命4.0”作为产业升级与消费升级的重要抓手，近年来政策权重持续提升。1. 产业升级：发展数字经济是推动产业升级、实现经济高质量发展的应有之义。2021年底，《“十四五”智能制造发展规划》对产业数字化进行了中长期部署。2022 年1月，国务院发布《“十四五”数字经济发展规划》，是我国数字经济领域的首部国家级专项规划，首次在国家级文件中针对数字经济的概念进行了界定，对数字技术在C端、B端、G端的应用做出整体规划。2. 消费升级：2023年总需求动能不足，数字经济是促进消费升级的重要抓手。2022年12月《扩大内需战略规划纲要（2022-2035年）》、2023年2月《数字中国 建设整体布局规划》均提及数字教育、数字医疗、数字文化消费，相关场景复苏可期。

       （四）“场景革命 4.0”：11 大新场景赋能一览

       AI为首的数字技术赋能出行、社交、办公、搜索、娱乐、居住、教育、生产、 管理、金融、医疗等11大场景、37个细分场景。

       二、场景价值：“五维度”场景价值分析框架

       数字技术应用广泛，新兴场景层出不穷，如何筛选有增长潜力的新场景？我们 提出“五维场景商业价值分析框架”，全方位评价数字新场景的价值几何。

       （一）用户规模：场景的日常性、网络效应

       用户是场景的参与者，也是数字新场景价值创造的基础。场景在生产生活中的出现频率，以及网络效应的强弱，直接决定了场景的用户规模。1. 场景的日常性：历史上具有颠覆性的场景革命，往往是通过影响普通民众的日常生活，改变基础的生产和流通方式来实现的。CNNIC数据显示，截至2022年6 月，网民使用率超过70%的数字场景包括即时通信、网络视频、短视频、移动支付、 网络购物、搜索引擎和网络新闻，均为日常生活中的高频场景。2. 场景的网络效应：网络效应较强的场景通常能吸引大量用户。以在线社交为 例，QQ和微信的月活跃用户峰值分别达到8.99亿户和13.13亿户。

       （二）单用户价值：用户支付意愿与支付能力、产品定价方式

       数字场景之所以能产生商业价值，是因为用户愿意并有能力支付产品与服务的费用。因此除了用户规模，单个用户为厂商创造的价值同样值得关注。1. 用户支付意愿与支付能力：大型企业对数字化转型的要求更高，所需的生产流程、管理系统更为复杂，因而有较高的支付意愿，同时也具备更强的支付能力；而中小企业和C端用户往往对价格较为敏感。赛迪智库数据显示，美国收入超过10 亿美元的企业，数字化投入规模显著高于收入在2.5-10亿美元之间的企业。2. 产品定价方式：与一次性收费相比，订阅制收费方式下的单用户价值更高， 即各个模块按年度或月度付费，有利于企业获得持续的现金流。在订阅制下，用户 可以将多个功能模块自由组合，根据当前需要订购或取消。订阅制不仅降低了产品 首次使用的门槛，还能使产品尽可能适配使用者的需求，有利于厂商挖掘用户潜力。

       （三）用户规模增速：场景渗透率、需求迫切性

       不同于现有用户规模，用户规模增速反映了场景在未来的商业化前景。用户规模的增速取决于当前所处的渗透率水平，以及用户需求的迫切性。1. 场景渗透率：回顾数字经济的前两次场景革命，即时通信、搜索引擎、智能手机的渗透率已达到饱和，用户增量非常有限。而在“场景革命4.0”的背景下， AI 的渗透率仍有较大提升空间。智联招聘调查数据显示，2021年进行数字化转型的公 司中，只有6.3%的企业经常使用AI、机器人等技术。2. 需求迫切性：对于渗透率还未达到饱和的场景，用户规模增速与需求的迫切 性紧密相关。例如，部分正在进行数字化转型的企业，虽然系统当前运转良好，但出现信息安全漏洞、遭遇计算机病毒威胁的概率是客观存在的。Wind数据显示，2013 年以来我国新增信息安全漏洞数量呈上升趋势，且高危漏洞占比保持在30%左右。随着企业数字化、智能化水平提升，增强网络安全防护水平的需求将日益迫切。咨询数据显示，近年来国内网络信息安全市场规模增速保持在20%以上。

       在数字经济“场景革命”的过程中，场景的单用户价值实现增长，通常来源于场景用户粘性与商业模式革新。其中，前者是指一种场景能为用户提供更多的服务， 后者则是指在场景之间建立联系，实现用户需求的导流。1. 场景用户粘性：如远程办公、直播带货对C端用户习惯的引导，以及ERP对 B端企业管理模式的长期影响。由于ERP存在较高的迁移成本（包括部署成本、学习成本等），此类产品通常具有较高的用户粘性，可通过增值服务获得更高的单用户价值。海外各细分场景的互联网龙头公司的续费率大多在110%以上，意味着老用户的单用户价值的增速在10%以上。2. 商业模式革新：典型的案例是平台经济。当前国内的主要互联网平台已经打通了购物、餐饮、出行、娱乐等场景，为用户提供本地生活的一站式服务，将用户在不同场景的需求在平台的各个板块之间导流。

       技术应用的负外部性可能影响政策监管，为场景商业价值的实现带来不确定性。政策监管的重点包括：（1）反垄断：平台经济曾经出现的垄断问题，导致了2021年针对互联网平台的严监管，多家头部公司受到行政处罚，部分线上场景受到波及。（2）金融风险：以加密货币为例，其“去中心化”的特征可能引发金融违法犯罪风险，危害社会稳定。2018年以来对比特币的监管趋严，区块链新增企业数量大幅减少。（3）数据安全：2021年7月，网络安全审查办公室关于对滴滴出行启动网络安全审查，最终滴滴因严重违反《数据安全法》被罚款80.26亿元。（4）道德伦理问 题：如平台经济的算法歧视、AI技术可能引发数字身份风险等。

       1. 生产场景：智能工厂（数字化车间、工业机器人）

相当于2011年的13倍，跃居世界第五。2023年1月，十七部门印发《“机 器人+”应用行动实施方案》，提出到2025年，制造业机器人密度较2020年实现翻番， 意味着2025年我国机器人密度将接近每万名工人500台的水平。

       云ERP将受益于企业管理的数字化进程。（1）用户规模方面，企业对管理系统的需求具有确定性，意味着庞大的用户规模。云ERP采用SaaS模式，不需要本地服务器，部署周期显著短于本地部署模式，且具备更高的扩展性与安全性，逐渐成为企业的主流选择。海比研究院数据显示，2021年我国SaaS企业用户数量达到915万 家，占全国法人数量的43%。（2）单用户价值方面，当前我国SaaS付费比例低，单用户价值有较大的提升空间。据海比研究院，2021年我国SaaS付费用户数量仅占用户总数的11.1%，主要原因是国内软件行业起步较晚，企业信息化程度不高，软 件付费意识欠缺。与云基础设施（IaaS）相比，国内SaaS发展明显滞后，在云计算整体市场中的占比远低于全球平均水平。随着企业云转型的不断推进，预计国内云ERP将迎来发展机遇。当前，云ERP头部公司的大数据分析能力持续提升，PaaS和SaaS协同发展。2022年，国内头部云ERP提供商的大型企业客户续费率已超过105%，与海外互联网龙头的差距正在缩 小。

       当前，自动驾驶在B端率先取得突破。在C端，自动驾驶技术正处于从L2向L3级过渡的阶段，自动驾驶出租车的商业运营仅在少数几个试验区有条件地进行，短期内难以规模化运营。而在B端，“5G+无人驾驶”已经在采掘（露天矿车）、港口（货物集装）等低速场景率先落地。智慧供应链方向之一：无人矿车。（1）用户规模方面，新战略低速无人驾驶产业研究所数据显示，2022年1-8月国内新增落地近20个矿区无人驾驶项目。地方政策支持逐渐加码，以矿产大省内蒙古为例，政府提出智慧矿山无人驾驶车辆将由2021 年的110台增加到2025年的1200台。（2）单用户价值方面，矿山运输的基建投资约占矿山基建总投资额的60%，运输成本和劳动量分别占矿石总成本和总劳动量的一半以上，无人驾驶设备的应用将会大幅降低矿山运输成本。在保证安全的前提下，采掘企业无人矿车使用量增加具有确定性。

       三年疫情后，协作办公场景仍有渗透空间。关于在线办公的一大预期差在于， 市场普遍认为在线协作场景的增长潜力已经在2020年急剧释放，随后增速将大幅下降。部分海外头部厂商的经营数据似乎支撑这一观点，如视频会议龙头Zoom，其用户数增速从2021年起大幅放缓。但在我国，中国信通院数据表明，在线办公潜力的 释放在2020年初的第一波疫情期间远没有完成，而是以一种渐进式的节奏渗透。2022年6月，我国在线办公场景渗透率为43.8%，较2020年6月大幅提升22.6个百分点，在主要C端场景中提升幅度最为显著。在线办公方向之一：办公云平台。在线协作是办公环境演变的大方向，办公云平台龙头公司有望受益。（1）用户规模方面，2022年，金山WPS付费用户数达2997万，较上年增长18%；上传到金山WPS公有云的文档数量超过1752亿，较上年增长35%。2022年9月，办公云平台钉钉的用户数超过6亿，同比增幅达20%。随着企业数字化的推进，以及人们对远程办公接受程度的提升，预计办公云平台的用户规模仍将稳步扩张。（2）单用户价值方面，办公云平台对ARPU（每用户平均收入）的提升效果显著。以微软为例，2011年云服务版本的Office 365推出，支持云存储和多端协作，利用增值服务推动ARPU持续增加，目前微软Office 365 ARPU仍保持每 年约5%的增速。

       在线办公方向之二：AI辅助办公软件。以ChatGPT为代表的AIGC技术革命浪潮让“智能办公”成为可能，符合人们提高生产力的需求。2023年3月16日，微软推出Microsoft 365 Copilot，将传统Office组件、用户个人数据、AI大模型三者打通，有望成为一项热门增值服务，推动ARPU加速提升。3月21日，Adobe发布创意生成式AI模型集Adobe Firefly，AIGC在图片、视频等创意设计领域的应用同样值得期待。

智慧供应链方向之二：无人港口集装。（1）用户规模方面，根据佐思汽车研究， 2021年无人驾驶集装箱卡车已在国内13个港口落地，是自动驾驶实现商业化应用较 快的场景。而我国沿海港口共有87个，当前渗透率仍处于较低水平。（2）单用户价 值方面，我国100万TEU吞吐量以上的集装箱码头中，共有6000-8000辆内集卡，每 年内集卡司机的人工成本达数十亿元，无人驾驶集装箱卡车替代空间广阔。

       生活场景方向之一：对话式AI操作助手。（1）用户规模方面，消费升级与人口老龄化趋势下，智能家居的目标客户群体正在扩张。智能家居具有自动化、方便控制的特点，提升人们的居住体验，尤其为老年人带来便利，同时也符合大众消费升级的趋势。根据中国信通院对老年网民的调查，2021年仅有7.1%的老年网民使用智能家居，仍处于“破壁渗透期”。（2）单用户价值方面，对话式AI操作助手可实现智能家居与人之间的交互，充分挖掘高端用户需求，推动单用户价值提升。对话式 AI操作助手有望在全屋智能市场率先落地，IDC预测，2022年中国全屋智能市场销售额突破100亿元，未来5年的CAGR可达46.9%。生活场景方向之二：聊天机器人。（1）用户规模方面，聊天机器人符合人们休 闲娱乐和获取信息的需求。ChatGPT自推出以来立即受到热捧，月活跃用户数突破1亿仅用了2个月时间，成为史上用户增长速度最快的消费级应用程序。（2）单用户价值方面，ChatGPT正处在商业化的起步阶段。为满足部分用户对新功能和快速响应的需求，OpenAI已推出按月付费的订阅版本，“人工智能即服务”（AIaaS）的模式有望在C端逐步普及。

       智慧教育方向之一：教育新基建。（1）从用户规模的角度看，教学硬件智能化进展顺利，近年来网络多媒体教室迅速普及。Wind数据显示，2021年城区、镇区、乡村小学网络多媒体教室数量较2013年分别增长135%、205%和300%，越来越多的学生具备参与智慧教育的条件。（2）从单用户价值的角度看，5G、VR/AR、AIGC、云计算等技术有望赋能智慧教育，实现技术商业化与教学质量提升的统一。5G网络为高清多媒体应用提供基础设施保障；VR/AR虚拟交互教学有助于提升教学的体验感，AIGC在语言类课程教学中应用潜力广阔。智慧教育方向之二：教育云平台。（1）从用户规模的角度看，截至2020年12 月，国家中小学网络云平台累计浏览量达到24.60亿次，并于2022年2月突破60亿次，浏览量的增加反映了中小学教育与云平台的结合日益紧密。截至2023年1月，国家中小学智慧

教育平台注册人数达7251万，覆盖率达39.1%。（2）从单用户价值的角度看，教育云平台有助于高效管理教学数据，同时具备整合学习资源，促进家校交流等功能，满足家校双方的需求，未来投入有望增加。

       政务云是智慧政务建设的关键。（1）用户规模方面，近年来政务信息化迅速推进，2021年国内已有235个地级行政区已经或正在部署政务云，占比超70%，是国内云计算市场增长的主要引擎之一。截至2021年底，我国数字政务服务用户规模达到9.21亿人，较2018年底增长133%，已覆盖全国人口的65%。（2）单用户价值方面，各地政府在智慧政务领域的投入还将增加。得益于政务云的建设，近年来“零跑动”和“最多跑一次”的省级行政许可事项占比稳步提升，其中“零跑动”的事项仍有一定的提升空间。未来ChatGPT在G端的应用有望落地，能够高效地解决人们在办理业务时遇到的问题，提升政府与民众的互动体验。

       智慧城市是我国新型城镇化的重要抓手，早在2016年已上升为国家战略。（1）用户规模方面，当前全国大多数地级市均已参与智慧城市的试点，截至2021年，19个副省级及以上城市，200个地级市已出台智慧城市顶层设计。（2）单用户价值方面，我国智慧城市建设初具规模，未来各地政府加大投入的确定性高。国家及各省、市、区级公共采购数据显示，2021年智慧城市总中标金额约1085亿元，平均每个地级市政府的开支约为5亿元；2022年上半年，即使是在疫情的冲击下，智慧城市总中标金额达到780亿元，估计全年增速超过40%。

       智慧城市方向之一：智慧交通。根据智慧城市行业分析网，智慧交通是2022H1除智慧政务外中标金额最高的细分领域。5G实时数据传输，AI提供的道路交通数据分析能力是智慧交通项目落地的重要推动力。以智能交通为例，2021年中国城市智能交通千万级项目中，电信系、移动系、百度、海信网络科技等企业凭借云计算、 AI领域的技术优势，市场份额取得领先。智慧城市方向之二：智慧安防。视频联网、智慧公安同样是2022H1中标金额较高的智慧城市细分领域。根据2021年6月发布的《中国安防行业“十四五”发展规 划》，智慧安防将为新型智慧城市、无人驾驶等场景提供技术支撑，“十四五”期 间安防市场年均增长率达到7%左右，2025年全行业市场总额达到1万亿以上。

       结合“五维场景商业价值分析框架”，对B、C、G端新场景进行打分（满5分）：1. “5分场景”：办公云、智能家居、教育新基建、数字化车间、工业机器人、 智慧政务；2. “4分场景”：AI辅助办公软件、教育云平台、云ERP、智慧交通、智慧安防。