智研精品報(bào)告

2017年中國(guó)人工智能行業(yè)發(fā)展概況分析【圖】

2018-01-26 05:21

1、人工智能的時(shí)代大幕拉開(kāi)

隨著互聯(lián)網(wǎng)的不斷發(fā)展，我們已經(jīng)步入了一個(gè)數(shù)據(jù)爆炸的時(shí)代，面對(duì)每天產(chǎn)生的海量數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)處理技術(shù)和方式日益顯得乏力，互聯(lián)網(wǎng)亟需新的數(shù)據(jù)處理技術(shù)和方式，于是人工智能信息處理技術(shù)應(yīng)運(yùn)而生,成為這一輪科技革命的核心。隨著人工智能算法模型在各個(gè)行業(yè)不斷地落地應(yīng)用，人工智能應(yīng)用場(chǎng)景必將進(jìn)一步拓展，最終實(shí)現(xiàn)賦能全行業(yè)。醫(yī)療、安防、金融、教育等一眾行業(yè)的人工智能初創(chuàng)公司紛紛建立，這必將給許多傳統(tǒng)行業(yè)帶來(lái)前所未有的變革。正因?yàn)槿绱耍还苁菢I(yè)界巨頭還是國(guó)家政府，都在紛紛布局人工智能領(lǐng)域，試圖成為人工智能時(shí)代的執(zhí)牛耳者。

人工智能將引領(lǐng)第四次科技革命

數(shù)據(jù)來(lái)源：公開(kāi)資料整理

當(dāng)前人工智能產(chǎn)業(yè)正在如火如荼的發(fā)展，這正是我國(guó)實(shí)現(xiàn)彎道超車(chē)的難得機(jī)遇。因此我國(guó)人工智能已逐步上升到了國(guó)家戰(zhàn)略層面，政府開(kāi)始多方布局人工智能，積極推動(dòng)人工智能的產(chǎn)業(yè)化應(yīng)用。與此同時(shí)，我國(guó)政府高度重視人工智能技術(shù)及產(chǎn)業(yè)化發(fā)展，近幾年持續(xù)出臺(tái)相關(guān)政策宏觀布局人工智能行業(yè)，支持人工智能技術(shù)及產(chǎn)業(yè)化。

2、人工智能熱度滲透到產(chǎn)業(yè)鏈各階層

人工智能產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層以及應(yīng)用層?；A(chǔ)層為人工智能提供基礎(chǔ)服務(wù)，包括人工智能芯片、人工智能訓(xùn)練算法框架、數(shù)據(jù)庫(kù)等；技術(shù)曾包括語(yǔ)音識(shí)別、圖像識(shí)別、語(yǔ)意理解等；應(yīng)用層則是具體將人工智能技術(shù)應(yīng)用到各行業(yè)（安防、教育、金融、工業(yè)、醫(yī)療等）。

人工智能產(chǎn)業(yè)鏈

數(shù)據(jù)來(lái)源：公開(kāi)資料整理

3、人工智能專(zhuān)用芯片有望成為下一個(gè)爆發(fā)點(diǎn)

PC 時(shí)代的 X86 架構(gòu)、移動(dòng)時(shí)代的 ARM 架構(gòu)的統(tǒng)治地位表明：計(jì)算平臺(tái)的變遷必然帶來(lái)芯片架構(gòu)的變遷。目前人工智能采用最多的是 GPU 芯片。相比 CPU，GPU 擁有更多的計(jì)算單元，適合大規(guī)模并行計(jì)算。但 GPU存在成本高，效能浪費(fèi)的問(wèn)題，業(yè)內(nèi)廠商積極研發(fā)高校低成本的人工智能專(zhuān)用芯片，例如 FPGA，它在性能功耗比上面比 GPU 更優(yōu)，實(shí)現(xiàn)了硬件結(jié)構(gòu)的可根據(jù)配置需求靈活編程，由于其半定制化的特性較為適用于深度學(xué)習(xí)訓(xùn)練階段。

人工智能芯片布局情況

公司	人工智能芯片布局詳情
Google	推出 TPU（Tensor Processing Unit），專(zhuān)為機(jī)器學(xué)習(xí)定制，針對(duì) TensorFlow 進(jìn)行優(yōu)化。
IBM	2014 年 8 月推出 True North 神經(jīng)形態(tài)計(jì)算項(xiàng)目，以神經(jīng)形態(tài)工程學(xué)設(shè)計(jì)了 CMOS 芯片，包含 4096 個(gè)硬件核心，每個(gè)核心包含 256 個(gè)可編程的神經(jīng)元芯片，擁有超過(guò)一百萬(wàn)的神經(jīng)元。主要服務(wù)軍事行業(yè)。
高通	Zeroth 神經(jīng)形態(tài)計(jì)算項(xiàng)目，不僅希望可以模仿類(lèi)似人類(lèi)的感知，而且還擁有學(xué)習(xí)生物大腦如何活動(dòng)的能力。
NVIDIA	2016 年 4 月發(fā)布 Tesla P100 GPU，首次設(shè)計(jì)了專(zhuān)門(mén)用于加速人工智能和深度學(xué)習(xí)的芯片架構(gòu)
Intel	2015 年收購(gòu)人工神經(jīng)網(wǎng)絡(luò)算法公司 Saffron，2016 年 8 月收購(gòu)深度學(xué)習(xí)算法公司 Nervana。
寒武紀(jì)	在 2014 年研制了全球首個(gè)多核深度學(xué)習(xí)處理器，致力于研發(fā)低成本人工智能專(zhuān)用處理器
西井科技	2016 年 6 月發(fā)布 100 億規(guī)模神經(jīng)元人腦仿真模擬器，以及全球首塊可商用 5000 萬(wàn)類(lèi)腦“神經(jīng)元”芯片

數(shù)據(jù)來(lái)源：公開(kāi)資料整理

4、智能語(yǔ)音：產(chǎn)業(yè)鏈逐漸成形，產(chǎn)業(yè)規(guī)模大幅提升

語(yǔ)音識(shí)別是將語(yǔ)音轉(zhuǎn)換為文本的技術(shù)。語(yǔ)音識(shí)別主要步驟為：語(yǔ)音搜集、降噪、特征提取、語(yǔ)音大數(shù)據(jù)訓(xùn)練、數(shù)據(jù)解碼、文本轉(zhuǎn)換。目前語(yǔ)音識(shí)別的技術(shù)已普遍較為成熟，準(zhǔn)確率可達(dá) 95%，未來(lái)準(zhǔn)確度的進(jìn)一步提升將會(huì)使人們從偶爾使用語(yǔ)音識(shí)別技術(shù)到普遍通用。

全球智能語(yǔ)音行業(yè)在大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算等技術(shù)的發(fā)展推動(dòng)下，已進(jìn)入快速應(yīng)用階段，預(yù)計(jì)到 2017年，全球智能語(yǔ)音產(chǎn)業(yè)規(guī)模將達(dá)到 95.6 億美元，年復(fù)合增長(zhǎng)率 31.1%；其中中國(guó)智能語(yǔ)音產(chǎn)業(yè)規(guī)模將達(dá)到 101.4億元，年復(fù)合增長(zhǎng)率達(dá) 63.6%，占全球智能語(yǔ)音產(chǎn)業(yè)規(guī)模的比重將由 2012 年的 5.6%增加到 17.1%。

自然語(yǔ)言關(guān)鍵技術(shù)持續(xù)進(jìn)步，達(dá)到使用門(mén)檻