人工智能行业研究报告（2017年）

《人工智能行业研究报告（2017年）》由会员分享，可在线阅读，更多相关《人工智能行业研究报告（2017年）（36页珍藏版）》请在金锄头文库上搜索。

1、人工智能行业业研究报报 告 （2017年）人工智能（Artificial Intelligence）是指使用机器代替人类类实实现认现认 知、识识别别 、分析、决策等功能，其本质质是对对人的意识识与思维维的信息过过程的模拟拟。在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个 阶段：技术驱动阶 段、数据驱动阶段和场景驱动阶段。其中技术驱动阶段 集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算 力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全 球AI市场规模等因素

2、，我们保守估计最迟至2019年我国AI 的市场规模将 突破百亿元，而2022年这一数字应在700 亿元左右。人工智能目前仍处处于发发展的早期阶阶段，整体看来技术术的发发展将先于应应用层层面 ，但技术层术层 面仍存在瓶颈颈需要突破；应应用场场景将不断丰富，它的扩扩充将会反 过过来驱动驱动 支撑技术术的持续发续发 展，AI的整体市场规场规 模将继继续扩续扩 大。相比应用场景层面的发展，基础应用层的技术将会是AI中较早发展的部分。 不过，从AI整体发展阶段来讲，我们认为AI仍处于早期，虽然语音识别、 计算机视觉等感知层的技术目前已经取得了一定成就，但语义识别等认知 层的技术仍不甚完善，即使是像计算机

3、视觉这样的感知层技术也存在发展 不均衡的问题。随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样 化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI 行业的持续 发展。但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡 到通用型AI。总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术 很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能 够与实际应 用场景结合的公司将有望产生难以被替代的商业价值。2报报告摘 要36kr-人工智能行业业研 究报报告 （2017年） 2017.6目 录录 Contents一. 人工智能综述AI是使用机器

4、代替人类实现认知、分析、决策等功能的综合学 科计算力、算法、数据量与应用场景是AI爆发的主要驱动力国内外巨头在AI领域纷纷布局资本扶持下，未来AI的市场规模应在百亿元以上人工智能产业链图二. 人工智能的技术支持层AI产业链综 述AI技术支撑层：数据标注、语音识别、语义识别与计算机视 觉三. 人工智能的应用场景层AI+安防AI+医疗AI+金融AI+家居、AI+教育与其他应用场景四. 人工智能行业总结AI行业总结AI未来发展&投资机会简析CHAPTER I人工智能综综述 AI是使用机器代替人类实现认 知、分析、决策等功能的综合学科计算力、算法、数据量与应用场景是A I爆发的主要驱动 力国内外巨头在

5、AI领域纷纷 布局资本扶持下，未来AI的市场规 模应在百亿元以上人工智能产业链图36kr-人工智能行业业研 究报报告 （2017年） 2017.6人工智能（Artificial Intelligence）是指使用机器代 替人类实现认 知、识别、分析、决策等功能，其本质 是对人的意识与思维的信息过程的模拟，是一门综合 了计算机科学、生理学、哲学的交叉学科。凡是使用 机器代替人类实现认 知、识别、分析、决策等功能， 均可认为使用了人工智能技术。作为一种基础技术，理论上讲人工智能能够被应用在 各个基础行业（如AI+金融、AI+ 医疗、AI+传统制造 业等），同时也有其如机器人这样具体应用行业的概 念

6、。本报告将以2017年上半年为时间节 点，对包括发展驱 动力、巨头布局、投融资情况、预测的市场规模等在 内的人工智能行业到目前为止的整体发展情况做简要 分析，并对包括数据标记、语音识别、语义识别、计 算机视觉等技术领域以及安防、医疗、金融等应用场 景在内的细分领域及其典型企业进行简析，探索人工 智能领域未来发展趋势和可能的投资/创业机会。行业业概 述AI是使用机器代替人类实现认类实现认 知 、分析、决策等功能的综综合学科1.1 行业业概 述 1.2 行业驱动 力 1.3 巨头布 局 1.4 行业市场规 模产产品智慧家居智慧工业基础应础应 用技术术语音识别自然语言处理计算机视觉关键键硬 件算法模

7、型深度学习（CNN、RNN等）路径规划GPUNPU传感器CPU技术术支撑 层层基础应础应 用 层层方案集成 层层注释：结合了物联网与人工智能的智 能制造行业也是AI的重要应用场景之 一，关于该领 域的详细研究讨论请见 36氪研究院系列报告新制造研究报 告。5 图片来源：36氪研究 院在AI发展的不同阶段，驱动力各有侧重，我们可以 将AI的发展划分为三个阶段：技术驱动阶段、数据 驱动阶 段和场景驱动阶 段。技术驱动阶术驱动阶 段集中诞诞生了基础础理论论、基本规规则则和基 本开发发工具。在此阶段，算法和计算力对AI的发展 起到主要推动作用。现在主流应用的基于多层网络 神经的深度算法，一方面不断加强

8、从海量数据库中 自行归纳物体特征的能力，一方面不断加强对新事 物多层特征提取、描述和还原的能力。对对算法来说说，归纳归纳 和演绎绎同样样重要，最终目的是提高识别效 率。最新ImageNet测试结果显示，AI 错误率低达3.5%，而人类对同一数据库识别 错误率在5.1%1， 理想情况下，计算机图像识别能力已超越人类。2010-2016年 ImageNet 图像识别错误 率技术驱动术驱动 ：算法和计计算力是主 要 驱动驱动 力行业驱动业驱动 力28.20% 25.80%16.40% 19层层神经经网 络络 11.70%7.30%6.70% 3.50%30%25%20%15%10%5%0%2010年

9、 NEC美国XeroxAlexNetClarifi2011年2012年2013年2014年2015年2016年 VGGGoogleNet ResNet8层层神经经网 络络 8层层神经经网 络络22层层神经经网 络络152层层神经经 网来源：公开资料整理 如上图所示，每年在ImageN et测试中错误率最低 的算法模型都不尽相同（从NEC到ResNet ），这也反 映了人们对于算法的不断探究、更迭过程。1根据公开资料整理定位测试优 化技术驱术驱 动动数据驱驱 动动预测 分 析精准画像场场景驱驱 动动决策支持场景模 型1.1 行业概 述61.2 行业驱动业驱动 力 1.3 巨头布 局 1.4 行业

10、市场规 模36kr-人工智能行业业研 究报报告 （2017年） 2017.6提高识别效率除依靠算法之外，也离不开计算力的 支持。计算力可以分三个维度展开：芯片、超级计 算机、云计算。芯片：人工智能领域作为一个数据密集的领域，传 统的数据处理技术难以满足高强度并行数据的处理 需求。为解决此问题，继CPU之后，相继出现了GPU、NPU、FPGA、DSP等 “ AI”芯片 。1999 年，Nvidia公司发布了全球首款图片处理芯片GPU ； 2016年，寒武纪发布了全球首款深度学习专用处理 器芯片NPU，芯片的更迭、进步可从根本上提高计 算性能。计计算力的三驾马车驾马车 ：芯片、超 级级 计计算机、

11、云计计算行业驱动业驱动 力Nvidia GPUGeForce 256寒武纪纪NPU1A超级计级计 算机：其基本组成组件与个人电脑的概念无 太大差异，但规格与性能则强大许多，是一种超大 型电子计算机。我国自主超级计算机 “ 神威太湖之 光”，其处理器为众核CPU“申 威26010”，整台 “ 神 威 太湖之光”共包含40960块处理器；打败李 世石的AlphaGo共包含1202个C PU和176个GPU； 打败柯洁的升级版AlphaGo使用到了TPU，但数量 只有 4 颗。（未完接下页）736kr-人工智能行业业研 究报报告 （2017年） 2017.61.1 行业概 述 1.2 行业驱动业驱动

12、 力 1.3 巨头布 局 1.4 行业市场规 模可以发现，真正用于人工智能的超级计算机芯片还 只是处于CPU、GPU层，如何将更适用于网络络神经经 算法的NPU、FPGA等芯片量产产化并融合入超级级计计 算机芯片矩阵阵，是在人工智能发展的第一阶段技 术驱动阶 段应该重点努力的方向之一。计计算力的三驾马车驾马车 ：芯片、超 级级 计计算机、云计计算行业驱动业驱动 力神威 太湖之光众核CPU“申威26010云计计算：与主要应用于密集型计算的超级计算机不 同，云计算依靠其灵活的扩展能力主要应用于社交 网络、企业IT建设和信息化等数据密集型、I/O密集 型的领域。我们分析认为，当AI跨越入第二阶段数据

13、驱动阶 段后，算法和计算力将变成人工智能领域的基础设 施“水、电 、煤”。就目前看来，多项算法开源 平台已将AI算法引入统一、公用阶段，运算力也必 将向同样的趋势发 展。云计算则是一个初步尝试， 未来，计算力的发展方向或将是云计算和超级计算 机技术结合，为企业提供既可密集运算又可灵活扩 展的计算服务，将人工智能赋能全行业。836kr-人工智能行业业研 究报报告 （2017年） 2017.61.1 行业概 述 1.2 行业驱动业驱动 力 1.3 巨头布 局 1.4 行业市场规 模人工智能发展的第二个阶段，算法和计算力已基本 不存在壁垒，数据将成为主要驱动力，推动人工智 能更迭。此阶段，大量结构化

14、、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础 上可以精确地描绘消费者画像，制定个性化营销方 案，提高成单率，缩短达到预设目标的时间，推动 社会运行效率提升。用户基本信息 用户户画像建模来源：36氪研究院到了人工智能发展的第三个阶段，场景驱动作为 主要驱动力，不仅可以针对不同用户做个性化服务， 而且可在不同的场景下执行不同的决策。此阶段， 对数据收集的维度和质量的要求更高，并且可实时 根据不同的场景，制定不同的决策方案，推动事件 向良好的态势发 展，帮助决策者更敏锐的洞悉事件根本，产生更精准更智慧的决策。数据驱动驱动 ：描绘绘个性化画像 ； 场场景驱动驱动 ：给给予决策支持行业

15、驱动业驱动 力 “场场 景驱动驱动 ”不仅仅 会驱驱动动 人 类类决策，也会驱动驱动 机器 的自 我进进化和升级级。 “场场 景驱动驱动 ”的基础础是经经 过过 治理的数据。 “场场 景驱动驱动 ”的“场场景“ 对对 应应的是有应应用价值值的场场 景。图示：“场景驱动 ” 三要素LBS数据挖掘社交网络数 据 其他标签A 标签B 标签C36kr-人工智能行业业研 究报报告 （2017年） 2017.6来源：互联网91.1 行业概 述 1.2 行业驱动业驱动 力 1.3 巨头布 局 1.4 行业市场规 模公司人工智能领领域布 局腾腾 讯讯 2016 年4 月，腾讯 成立人工智能实验室，基于计算机视

16、觉、语音识别、自然语言处理和机 器学 习四个垂直领域，围绕内容、社交、游戏和平台工具四大特色业务场景，腾讯AI致力于 将人工 智能工具以API形式开放出去。 2016年，碳云智能完成近10亿元的A轮融资，腾讯 为主要投资方之一 。 2017年，腾讯买 入电动 汽车制造商特斯拉(Tesla)5%股权，腾讯成为特斯拉的第五大股 东。阿里 巴巴 阿里云面向人工智能的布局,核心爆点就三个：ET医疗大脑、ET工业大脑和机器学习平台 PAI2.0 2017年3月，阿里宣布开始推动“ NASA” 计划，着重发力机器学习、芯片、IoT、操作系统 和 生物识别 。Apple 2017年5月，苹果收购了人工智能公司Lattice Data。该公司使用人工智能推理引擎去处理非 结 构化的“暗数据”，将其变成结构化信息，从而发挥更大的作用。Google 2014年1月，收购Deepmi