以下内容主要以截图为主
第一章、概述
省略，这部分内容不重要。只放一张图：
第二章、产业发展环境
2.1、人工智能发展大事件
2.2、各国AI相关政策
2.3、发展条件
2.3.1、算法的改进
人工神经网路到深度学习的演进过程。
2.3.2、算力的提升
2015年起，GPU使得硬件算力大幅度提升。
2017年，NVIDIA推出了新一代的图形处理芯片Tesla V100。
2.3.3、芯片之争
2.3.4、数据的支撑
第三章、技术环境
3.1、专利
3.2、论文
3.3、科研环境
3.4、技术竞赛
ILSVRC:大规模视觉识别挑战赛：
基于斯坦福问题答案数据集(SQuAD)的系统问答竞赛：
第四章、全球人工智能企业的情况
4.1、企业结构
4.2、企业结构
4.3、企业区域
第五章、全球投融资的情况
5.1、投融资分布
5.2、投融资规模
第六章、产业发展情况
6.1、产业发展技术
6.1.1、智能硬件
6.1.2、机器视觉技术
机器视觉是指对图像特征的识别与感知。主要用到了图像处理技术。
6.1.3、智能语音技术
6.1.4、 自然语言处理
参考：https://blog.csdn.net/weixin_41064957/article/details/78565314
自然语言处理研究的内容包括但不限于如下分支领域：文本分类、信息抽取、自动摘要、智能问答、话题推荐、机器翻译、主题词识别、知识库构建、深度文本表示、命名实体识别、文本生成、文本分析（词法、句法、语法）、语音识别与合成等。
知识库构建（参考http://www.xjishu.com/zhuanli/55/201711178205.html）
为解决已建立的常规知识库会耗费用户大量的时间、限制用户的学习效率、影响用户体验等问题，本发明创新提出了一种基于自然语言处理的知识库建立方法，该方法通过对待学习材料的处理和加工的方式提取用户需要的核心内容，以该核心内容作为知识库建立的基础内容，实现在用户进行检索和查询过程中能够更快的接触到主干知识点，并可按照知识库中预先创立的知识构架进行高效学习，避免用户将宝贵的时间浪费在冗杂的无用内容上；因此，本发明能够显著地提高用户的检索和学习效率，提高用户满意度。
舆情监控（可用在国家、企业管理、对客户购买产品后的兴趣爱好等等进行管理从而形成报告）
舆情监控，是指整合互联网信息采集技术及信息智能处理技术通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，实现用户的网络舆情监测和新闻专题追踪等信息需求，形成简报、报告、图表等分析结果，为客户全面掌握群众思想动态，做出正确舆论引导，提供分析依据。
自动文摘
所谓自动文摘就是利用计算机自动地从原始文献中提取文摘，文摘是全面准确地反映某一文献中心内容地简单连贯的短文。常用方法是自动摘要将文本作为句子的线性序列，将句子视为词的线性序列。
观点提取（参考https://www.cnblogs.com/huangyc/p/10279254.html）
字幕生成（可做播放器将没有字幕的视频，根据语音自动生成字幕）
文本分类（智能识别垃圾邮箱、新闻主题分类、情感分析、智能信息推荐）
http://www.yuyidata.com/solutions?renqun_youhua=626052（语忆科技）
文本问答、智能问答
参考http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1193726#
http://www.360doc.com/content/16/0130/11/30278942_531635031.shtml
命名实体识别
命名实体识别（Named Entity Recognition，简称NER），又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。
文本生成（参考：https://blog.csdn.net/jinhao_2008/article/details/78695508）
文本自动生成是自然语言处理领域的一个重要研究方向，实现文本自动生成也是人工智能走向成熟的一个重要标志。简单来说，我们期待未来有一天计算机能够像人类一样会写作，能够撰写出高质量的自然语言文本。文本自动生成技术极具应用前景。例如，文本自动生成技术可以应用于智能问答与对话、机器翻译等系统，实现更加智能和自然的人机交互；我们也可以通过文本自动生成系统替代编辑实现新闻的自动撰写与发布，最终将有可能颠覆新闻出版行业；该项技术甚至可以用来帮助学者进行学术论文撰写，进而改变科研创作模式。
6.2、产业发展技术
6.3、产业发展技术
6.4、产业发展技术
6.5、产业发展技术