智能醫療行業研究
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇智能醫療行業研究范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
智能醫療行業研究范文第1篇
投資要點:
AI新品，進一步落地多個行業:2017年9月12日，公司了“精準醫療”、“AI+公安大數據”、“樂享智投‘三個行業的解決方案及產品。
(1)精準醫療:
目前還處于輔劣臨床診療階段，iMedical8.0P、臨床科研大數據分析平臺、感染智能監測系統、知識圖譜構建系統等實現了輔劣醫生優化治療方案和臨床科研的功能;
(2)AI+公安大數據:通過人臉識別、視頻檢索技術等不公安系統擁有的海量數據庫結合，解決了以往案件偵查過程中嫌疑人篩選的問題，大幅提高了篩選速度;
(3)樂享智投:作為一款智能投頊產品，主要向金融客戶提品評測、用戶畫像、投資組合、投資執行、風險監控、收益分析等服務，并提供個性化的解決方案。
本次AI產品的，公司實現AI技術在醫療、安防、金融三個熱點行業的落地，有望搭上AI行業高速發展的順風車，助力公司的進一步發展。
布局AI行業多年，技術成就應用:公司于2013年開始布局人工智能領域，是國內較早投入人工智能領域研發的企業之一，先后不中科院、清華大學、北航、IBM和微軟等國內外知名校企合作。經過多年研究，公司基于人像識別、車輛軟件識別、目標圖像提取不分析等技術，研發出智能人像服務、人像卡口等系統。本次人工智能新品的是對以往產品的進一步改進，是公司多年技術積累的結果，產品系列較為成熟、可靠，用戶滿意度較高。
業務行業覆蓋廣，公司發展空間大:公司立足數字化行業多年，服務對象涵蓋金融、電力、通訊、交通運輸等10余個行業，產品線主要包括行業應用軟件、人工智能解決方案、大數據服務。這不僅有利于公司率先占據AI行業的有利位置，更能夠使公司在數據量上存在優勢。公司能夠盡快實現AI產品在多個行業的落地，在AI市場還在高速發展期的今天，占據多個行業就意味著擁有更大市場規模的可能性。
除此之外，公司擁有各個行業的大量數據，能夠實現不同行業數據的相互補充，有利于AI系統的自我完善。
投資建議:作為國內IT企業龍頭，公司將不斷完善人工智能技術，并通過數據積累，在產品線和市場應用上不斷拓展，最終實現人工智能+戰略。我們公司預測2017年至2019年每股收益分別為0.48、0.53和0.68元，上調評級至買入-A，6個月目標價為13.92元，相當于2017年29倍的動態市盈率。
風險提示:
智能醫療行業研究范文第2篇
人工智能在醫療領域的廣泛應用價值
目前，人工智能在醫療領域的研究成果頻出，人工智能應用醫療領域已是大勢所趨。各個科技巨頭都相繼布局人工智能醫療行業。對人工智能在醫療的應用主要基于多方面的客觀現實：比如優質醫療資源供給不足，成本高，醫生培養周期長，誤診率高，疾病譜變化快，技術日新月異；此外，隨著人口老齡化加劇和慢性疾病發病率的增長，人們對健康重視程度普遍提高，醫療服務需求也在持續增加。
人工智能結合醫學應用有非常多的益處，可以讓患者、醫師和醫療體系均受益。比如對于患者來說，可以更快速地健康z查，獲得更為精準的診斷結果和更好的個性化治療方案建議；對于醫師來講，則可以消減診斷時間，降低誤診的概率并對可能的治療方案的副作用提前知曉；對于醫療體系來說，人工智能則可以提高各種準確率，同時系統性降低醫療成本。
據悉，人工智能在智能診療、智能影像識別、智能藥物研發和智能健康管理等方面都有廣泛的應用價值。
比如在智能診療方面，就是讓計算機“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推理，從而給出可靠診斷和治療方案。智能診療場景是人工智能在醫療領域最重要、也最核心的應用場景。谷歌宣布已嘗試將其面向消費者的機器學習能力應用到醫療保健領域中。今年谷歌的人工智能算法在乳腺癌診斷上也表現出了很高準確度；蘋果公司最近收購了Lattice，該公司在開發醫療診斷應用的算法方面具有很強能力。
在智能影像識別方面，人工智能的應用主要分為兩部分：一是圖像識別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息；二是深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。作為醫生，從一個大的圖像如CT、核磁共振圖像判斷一個非常小的陰影，是腫瘤是炎癥還是其他原因，需要很多經驗。如果通過大數據，通過智能醫療，就能夠迅速得出比較準確的判斷。
在智能藥物研發方面，則是將人工智能中的深度學習技術應用于藥物研究，通過大數據分析等技術手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率的目的。人工智能通過計算機模擬，可以對藥物活性、安全性和副作用進行預測。目前借助深度學習，人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領域取得了新突破，在抗擊埃博拉病毒中智能藥物研發也發揮了重要的作用。
在智能健康管理方面，則可以將人工智能技術應用到健康管理的很多場景中。目前主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫學的健康管理。比如通過獲取信息并運用人工智能技術進行分析，識別疾病發生的風險及提供降低風險的措施。計算機還能收集病人的飲食習慣、鍛煉周期、服藥習慣等個人生活習慣信息，運用人工智能技術進行數據分析并評估病人整體狀態，協助規劃日常生活。在精神健康領域，計算機可運用人工智能技術從語言、表情、聲音等數據進行情感識別。在健康干預層面，計算機則可以運用AI對用戶體征數據進行分析，定制健康管理計劃。
從IBM Watson的發展看醫學人工智能的未來
目前國內外已經有很多高科技企業將認知計算和深度學習等先進AI技術用于醫療領域，并出現了很多產品，其中以IBM的“沃森醫生”（IBM Watson）最有代表性。IBM Watson作為該領域中的翹楚，隨著人工智能技術的逐漸成熟，在2016年開始放開手腳，以腫瘤診斷為重心，開始在慢病管理、精準醫療、體外檢測等九大醫療領域中實現突破，逐步實現人工智能作為一種新型工具在醫療領域的獨特價值。
沃森是2007年由IBM公司開發的，IBM Watson具備了自然語言處理、信息檢索、知識表示、自動推理、機器學習等能力，能夠快速搜索分析非結構化的數據，獲取想要的結果。2015年，日本東京大學醫學院研究所最初的診斷結果，確診一位60歲的日本女性患了急髓白血病，但在經歷各種療法后，效果都不明顯。無奈之下，研究所只好求助IBM Watson，而IBM Watson則通過對比2000萬份癌癥研究論文，分析了數千個基因突變，最終確診這位60歲的日本女性患有一種罕見的白血病，并提供了適當的治療方案。整個過程IBM Watson只用了短短10分鐘。
自2012年羅睿蘭接手IBM開始，IBM公司發展方向與業務架構就一直在進行根本性調整。傳統硬件與系統軟件業務地位不斷退后，而云計算、網絡安全、數據分析與人工智能成為了公司現金流的核心投放領域。現在的IBM正在轉型為一家認知計算和云平臺的公司。其中在醫學人工智能的優勢也越來越明顯。
IBM Watson首先進入的領域是復雜的癌癥診斷和治療領域，這也是目前全世界醫學界聚焦的重點。Watson的第一步商業化運作就是通過和紀念斯隆?凱特琳癌癥中心進行合作，共同訓練IBM Watson腫瘤解決方案（Watson for Oncology）。癌癥專家在Watson上輸入了紀念斯隆?凱特琳癌癥中心的大量病歷研究信息進行訓練。在此期間，該系統的登入時間共計1.5萬小時，一支由醫生和研究人員組成的團隊一起上傳了數千份病人的病歷，近500份醫學期刊和教科書，1500萬頁的醫學文獻，把Watson訓練成了一位杰出的“腫瘤醫學專家”。隨后該系統被Watson Health部署到了許多頂尖的醫療機構，如克利夫蘭診所和MD安德森癌癥中心，提供基于證據的醫療決策系統。
相繼攻克肺癌、乳腺癌、結腸癌、直腸癌后，2015年7月IBM Watson for Oncology成為IBM Watson health的首批商用項目之一，正式將上述四個癌種的腫瘤解決方案進入商用。2016年8月IBM宣布已經完成了對胃癌輔助治療的訓練，并正式推出使用。此外沃森還在2016年11月訓練完上線了宮頸癌的服務。
目前IBM Watson腫瘤解決方案已經進入中國。2016年12月，浙江省中醫院聯合思創醫惠、杭州認知三方共同宣布成立沃森聯合會診中心，三方將合作開展IBM Watson for Oncology服務內容的長期合作，這是自IBM Watson for Oncology引入中國以來，首家正式宣布對外提供服務的Watson聯合會診中心，意味著中國醫療行業將開啟一個新型人工智能輔助診療時代。目前Watson可以為肺癌、乳腺癌、直腸癌、結腸癌、胃癌和宮頸癌6種癌癥提供咨詢服務，2017年將會擴展到8-12個癌種。在醫生完成癌癥類型、病人年齡、性別、體重、疾病特征和治療情況等信息輸入后，沃森能夠在幾秒鐘內反饋多條治療建議。
此外，IBM Watson還與輝瑞達成了一項新協議，會將前者的超級計算能力用于癌癥藥物研發。輝瑞將用上Watson for Drug Discovery的機器學習、自然語言處理及其它認知推理能力，用于免疫腫瘤學（Immuno-oncology）中的新藥物識別，聯合療法和患者選擇策略。由于免疫腫瘤學的未來在于針對獨特腫瘤特征的組合，這會改變癌癥治療方式。而在藥物研發中利用Watson的認知能力，可以更快地為患者帶來可能的新免疫腫瘤治療。
毫無疑問，人工智能將會成為未來IBM的成長引擎。沃森目前已經不僅僅滿足于涉及糖尿病等慢病、大健康、醫療影像、體外檢測、精準醫療、機器人、疾病研究治療這幾個領域，未來，沃森的觸角還會伸到醫療的其他行業，為整個醫療行業服務。
中國版小小“沃森”不斷面世
與IBM Watson十年的發展軌跡不同，中國在醫學人工智能領域的發展屬于追趕者。由于中國沒有統一的醫療數據格式以及數據孤島的隔離，中國在醫學人工智能I域投放的資源相對要少很多。不過這并不妨礙國人對其發展的熱情。在智能影像識別和診斷方面，中國已經出現了若干版本的小小“沃森”，他們的功能雖然沒有IBM Watson那么強大，但也在各個領域顯示出獨特的應用價值。
浙江德尚韻興圖像科技有限公司是由浙江大學知名專家和珠海和佳醫療設備股份有限公司共同投資成立一家高科技公司。浙江德尚韻興利用深度學習處理超聲影像，同時加入旋轉不變性等現代數學的概念，形成了“DE-超聲機器人”。該機器人算法借助計算機視覺技術，可以對甲狀腺B超快速掃描分析，圈出結節區域，并給出良性與惡性的判斷，大大節省了醫生的診斷時間。一般來說，人類醫生的準確率為60%-70%，而當下算法的準確率已經達到85%。
據悉，人體甲狀腺結節已成常見病，如果不加重視，甲狀腺結節可能會發生惡變，進而發展成癌癥，危及生命。但由于個體化差異，目前三甲醫院甲狀腺結節的診斷準確率平均也只有60%，如果不做活檢，不同醫生對同一張片子可能會做出不同判斷。而超聲機器人的出現，不僅能輔助醫生做出精準判斷，還能縮短病人就醫時間，提升醫療效率。目前“DE-超聲機器人”已經在浙江大學第一附屬醫院、中國電子科技集團公司第五十五所職工醫院和杭州下城區社區醫院臨床應用，一年病例達到8萬多，準確率達86%以上。
2017年2月，中山大學中山眼科中心劉奕志教授領銜中山大學聯合西安電子科技大學的研究團隊，利用深度學習算法，建立了“CC-Cruiser先天性白內障人工智能平臺”。該人工智能程序模擬人腦，對大量的先天性白內障圖片進行分析和深度學習，不斷反饋提高診斷的準確性。將該程序嵌入云平臺后，通過云平臺上傳圖片，即可獲得先天性白內障的診斷、風險評估和治療方案。
據悉，先天性白內障是一種嚴重威脅兒童視力的疑難罕見病。中山眼科中心有全球最大的先天性白內障隊列（隊列人數近2000名），基于該隊列開展了一系列嚴謹的研究，積累了大量高質量的先天性白內障臨床數據。中山大學眼科中心于2017年4月設立“人工智能應用門診”，由人工智能云平臺輔助臨床醫師進行診療。在人工智能門診就診的患者，除接受常規診療外，其檢查數據即時同步到CC-Cruiser云平臺，同時享受由人工智能機器人提供的“專家級”診療。目前CC-Cruiser已在3家協作醫院完成臨床試點應用，并取得理想效果。此外，中山眼科中心已經連接了、新疆、云南、青海等邊遠省區上百家基層醫院，每天有大量眼科檢查數據上傳云平臺請求專家協助診斷。在醫學人工智能應用場景下，病例以及圖像數據將首先通過人工智能程序進行初審，再由專家復核，效率將提升70%以上，極大提高了專家協診效率。
2017年5月，丁香園、中南大學湘雅二醫院和大拿科技共同宣布就皮膚病人工智能輔助診斷達成獨家戰略合作，并了國內首個“皮膚病人工智能輔助診斷系統”。資料顯示，系統性紅斑狼瘡是一種慢性自身免疫性疾病，屬于風濕性疾病中的彌漫性結締組織病，可引起全身多個臟器受累，包括皮膚、關節、腎臟、血液等。如何精準診斷系統性紅斑狼瘡，一直是困擾各國科學家的世界醫學難題。
目前三方合作研發出的是紅斑狼瘡人工智能輔助診斷模型，該模型對紅斑狼瘡各種亞型及其鑒別診斷疾病能進行有效區分，識別準確率超過85%。據悉，該系統一方面是面向皮膚科醫生，醫生通過APP，把圖像傳到系統以后，系統提示最有可能的皮膚病類型，然后建立皮膚病電子百科全書，通過百科全書再去學習，輔助臨床診斷；另一方面是面向患者，系統提供圖片鑒別和導診意見。據悉，該系統第一期主要實現以紅斑狼瘡為代表的皮膚病人工智能輔助診斷，下一步將“滲透”到其他醫療機構，并將開放患者端服務。
醫學人工智能真正落地
需要全產業鏈配合
專家指出，要真正實現醫療產業的人工智能化，僅靠單方面的力量難以實現，這需要依托全產業鏈包括醫療主管部門、醫療機構的參與和信息化服務商等各個環節的共同努力。
比如像前文所述的甲狀腺結節、紅斑狼瘡、先天性白內障的診斷，都要依靠形態學的圖像數據，這些在皮膚病和病理科特別常見，所以人工智能的優勢在此可以得到充分體現。訓練一個好的皮膚科醫生可能要十年，把人工智能引進后，可以大大縮短時間。但是醫學人工智能研發成本高、數據獲取難、尚未深入診療核心等成為阻礙其真正落地的因素。
人工智能技術形成產品，最重要是要有大量高質量的數據。深度學習靠的是“吃透”大量樣本。但目前大部分醫療機構并不愿公開數據。比如前文介紹的德尚韻興，為了收集數據，嘗試通過多個渠道，有社區檢查，有付費志愿者，也有試點醫院。最后該公司收集了兩三萬張超聲圖像，不嗟厥淙胂低持脅瘧Vち蘇鋃獻既仿試85%以上。該公司負責人也評價到，如果樣本量能提高一倍，診斷準確率還有較大的提升空間。
在獲取高質量的醫療數據方面，國內醫院在過去信息化程度不高，數據雖然多，但相對雜亂，使用難度大。如何找到合適的切入點，并快速獲取數據會是一個很高的門檻。同時，醫院信息孤島現象長期存在，各個醫療機構的數據尚未實現互聯互通。這一局面則逐步從政策層面迎來破冰。去年6月，國務院公布了《關于促進和規范健康醫療大數據應用發展的指導意見》，明確指出健康醫療大數據是國家重要的基礎性戰略資源，需要規范和推動健康醫療大數據融合共享、開放應用。但該政策的真正落地依然需要時間。
智能醫療行業研究范文第3篇
隨著醫療信息化的進展，緊跟著而來的，就是醫療大數據的運用。多年來，我國醫療機構大都各自為政，即便是一個醫院內部也很難做到信息共享，如今，國家力推健康醫療大數據的共享和應用。
國務院辦公廳《關于促進和規范健康醫療大數據應用發展的指導意見》指出，數據不能只是躺在某個醫院的信息系統中，各家醫療衛生機構的數據應該匯聚到一塊；數據也不能只是在健康醫療行業中實現聚合，應該打破衛生計生、工信、民政、公安、社保、環保、食藥品監管等部門的壁壘，做到跨部門的數據互聯共享；數據還不能只是在公共部門內流轉，還應該探索推進“可穿戴設備、智能健康電子產品、健康醫療移動應用等產生的數據資源規范接入人口健康信息平臺”。
那么未來，醫療大數據能怎么玩，又將在哪些領域發揮其作用呢？
領域一：臨床決策支持系統
臨床決策支持系統可提高工作效率和診療質量。臨床決策支持系統分析醫生輸入條目，比較其與醫學指引不同地方，提醒醫生防止潛在的錯誤，如藥物不良反應。醫療服務提供方可以降低醫療事故率和索賠數，尤其是那些臨床錯誤引起的醫療事故。大數據分析技術將使臨床決策支持系統更智能，如可以使用圖像分析和識別技術，識別醫療影像（X光、CT、MRI）數據，或者挖掘醫療文獻數據建立醫療專家數據庫，從而給醫生提出診療建議。
領域二：醫療保險行業
在社保面臨收支壓力的困境下，商業健康保險規模出現了40%以上的行業增速。在傳統醫療環境痛點多、互聯網對醫療領域逐漸滲透、以及傳感器等硬件技術進步的大環境下，移動醫療行業蓬勃發展。而商業保險和移動醫療企業需基于核心的醫療大數據，才能最終實現為個人提供服務，商業企業的崛起正在加速醫療大數據形成閉環。
領域三：遠程病人監控系統
根據統計，中國各類慢性病患者超過3億人，尤其是我國進入老齡化時代以后，將存在非常大的照護缺口，遠程病人監護系統對治療慢性病患者非常有用。遠程病人監護系統包括家用心臟監測設備、血糖儀，甚至還包括芯片藥片，芯片藥片被患者攝入后，實時傳送數據到電子病歷數據庫。更多的好處是，通過對遠程監控系統產生的數據的分析，可以減少病人住院時間，減少急診量，實現提高家庭護理比例和門診醫生預約量的目標。
領域四：醫療護理系統
通過全面分析病人特征數據和療效數據，然后比較多種干預措施的有效性，可以找到針對特定病人的最佳治療途徑。研究表明，對同一病人來說，醫療服務提供方不同，醫療護理方法和效果不同，成本上也存在很大差異。醫療護理系統實現CER，將有可能減少過度治療（比如避免那些副作用比療效明顯的治療方式），以及治療不足。
領域五：疾病預防
在病人檔案方面應用高級分析可以確定哪些人是某類疾病的易感人群。舉例說，應用高級分析可以幫助識別哪些病人有患糖尿病的高風險，使他們盡早接受預防性保健方案。這些方法也可以幫患者從已經存在的疾病管理方案中找到最好的治療方案。
領域六：醫藥公司藥物研發
大數據和先進的分析方法可以讓制藥企業的藥物預測建模更為精準，加速藥物開發過程。醫藥公司在新藥物的研發階段，可以通過數據建模和分析，加上數以百萬計的患者診療記錄，創新商業模式，設計更好的藥物治療方案。
領域七：人工智能的運用
大數據和人工智能正在徹底改變醫療的現狀。人工智能充分利用了智能醫療搜索引擎，從海量數據中不斷學習新技術及案例，以輔助醫生做出最合理的診療方案。如何收集到有效數據，互聯網網上醫院或許是一大突破口。
目前，四川大學華西婦女兒童醫院、武漢市中心醫院、浙大一院等著名醫療機構已經建立起了互聯網醫院，患者可以在網絡上輕松完成分診咨詢、遠程門診、線上付費、檢查預約、住院床位預約、藥物配送、慢病隨訪等互聯網醫療服務。而在人工智能的運用上，浙江省屬于“第一個吃螃蟹的人”：早在2016年底，浙江省中醫院成立了“浙江省中醫院沃森聯合會診中心”，隨后2017年3月25日，浙江大學也正式對外宣布成立醫療人工智能研究中心。由此可見，隨著大數據的開發，人工智能會越來越火爆。
醫療大數據面臨的隱私挑戰
醫療健康大數據的共享和用是政府管理、商業發展和技術創新的需要，但也給個人隱私安全帶來了威脅，使得醫療領域的大數據共享變成了雙刃劍。這樣的情況在發達國家表現尤為明顯。
智能醫療行業研究范文第4篇
《白皮書》首次摸清了北京人工智能產業底數。綜合清科、WIND、IT桔子、藍海巨浪等公開數據及投資機構定向采集數據，由課題組整理，截至2018年5月8日，全國人工智能企業4040家，北京市人工智能企業1070家，占比26% ;全國拿過風險投資的人工智能公司合計1237家，北京市拿過風險投資的人工智能企業431家，占比35%。從融資階段看，北京人工智能企業一半以上仍處于初創期，在A輪之前的企業占比達56.97%，具有創新發展潛力。從企業成立時間看，北京人工智能企業2015-2016年呈現出爆發性增長，人工智能快速增長特征明顯。從區域看，60.96%的人工智能企業注冊在海淀區。中關村成為我國人工智能創新高地。
同時，《白皮書》不僅繪制了北京人工智能全產業鏈圖，而且針對智慧醫療、智能家居、智慧城市、智慧零售和無人駕駛等5個特色鮮明的領域繪制了分領域產業鏈圖。《白皮書》總結了北京人工智能產業在政策、人才、創新、軟件研發、專利等5個方面的優勢，以及在原始創新、高端芯片等4個方面面臨的挑戰，并給出了大力發展核心技術、超前布局原始創新等6項策略。北京將以建設全國科技創新中心為契機，抓住新機遇，施展新作為，將北京打造成引領全球人工智能產業發展的高地。
本文從幾個角度介紹這部白皮書：
一些關鍵數據：北京人工智能產業發展情況。
AI在醫療、自動駕駛、零售等重點領域與實體經濟融合。
北京發展人工智能產業還有哪些策略？
國內外人工智能行業發展的情況。
北京人工智能產業發展白皮書(2018年)目錄
第一章 國內外人工智能行業發展概況
1.1 人工智能產業進入快速發展期
1.2 人工智能成為國家戰略制高點
1.3 IT 巨頭搶灘人工智能產業
1.4 人才是人工智能競爭關鍵要素
1.5 人工智能專利的中國機會
第二章 北京人工智能產業發展情況
2.1 北京人工智能產業發展概述
2.2 北京人工智能產業發展特點
2.2.1 北京重視人工智能產業發展，多重政策支持
2.2.2 北京有優質學術和人才資源，研發優勢明顯
2.2.3 北京人工智能創新創業活躍，資本推動創新
2.2.4 北京人工智能軟件優勢突出，位居全國先列
2.2.5 北京重視人工智能專利保護，數量列居前位
2.3 北京人工智能產業發展面臨的挑戰
第三章 北京人工智能與實體經濟融合重點領域介紹
3.1 智慧醫療產業
3.2 智能家居產業
3.3 智慧零售產業
3.4 無人駕駛產業
3.5 智慧城市產業
3.6 人工智能專利概況
第四章 北京人工智能產業發展策略
4.1 大力發展核心技術，超前布局形成原始創新重大突破
4.2 重點支持人工智能新興產業，形成高端產業集群優勢
4.3 推動人工智能廣泛應用，建設智能社會和智慧城市
4.4 加快推動產業智能化升級，發展科技服務業
4.5 建設多層次培養體系，吸引人工智能尖端人才
4.6 構建公共平臺和服務體系，完善行業生態體系
附錄 27
（一）北京部分重點領域人工智能企業名單
（二）人工智能重點投資機構名單
智能醫療行業研究范文第5篇
物聯網、軟件與信息安全“十二五”規劃正式出爐
12月8日，工業與信息化部正式印發了物聯網、信息安全和軟件與信息技術服務產業“十二五”規劃，在總結“十一五”信息安全產業發展現狀、分析面臨形勢的基礎上，規劃明確了“十二五”的發展思路和目標，確定了發展重點和重大工程，提出了相關政策措施。
對行業及重點公司的影響
軟件行業
根據十二五規劃綱要，軟件行業方面，我們認為，“十二五”規劃中，軟件與信息技術行業的支持力度將不會低于以往，以軟件產業為代表的現代服務業將在未來成為我國的支柱產業之一，行業未來增長的前景比較廣闊。
我們建議投資者關注軟件收入占比較大的軟件業龍頭公司，如用友軟件，廣聯達等，另外的主線是下游行業對信息化的需求持續且旺盛的細分行業龍頭企業，如POS機行業的龍頭―新國都；電子取證行業的龍頭―美亞柏科；非結構化信息搜索行業的龍頭―拓爾思；商業智能技術提供商―東方國信等。建議投資者予以關注。
物聯網領域
根據十二五規劃綱要，在物聯網行業，政府要求在2015年前，在核心技術研發與產業化、關鍵標準研究與制定、產業鏈條建立與完善、重大應用示范與推廣等方面取得顯著成效，培育和發展10個產業聚集區，100家以上骨干企業，提出了9大重點領域應用示范工程，分別是：智能化工業，農業，物流，交通，電網，環保，安防，醫療，家居。
我們認為，計算機軟硬件行業中，目前已經在這些領域中確立領先地位的公司將在未來3年的大規模投資期中獲得快速增長的發展機遇，分別是專注于智能交通的銀江股份和賽為智能，智能電網的核心元器件提供商―東軟載波，智能醫療的領先者―東軟集團和衛寧軟件，智能農業的溯源感知產品提供―商遠望谷，智能安防的設備提供商―海康威視和大華股份，智能家居的先行者―安居寶，城市管理的細分行業龍頭―數字政通，智能環保領域的專家―同方股份。建議投資者予以關注。
