2017年中国人工智能行业发展概况分析【图】

2018-01-26 05:21

1、人工智能的时代大幕拉开

随着互联网的不断发展，我们已经步入了一个数据爆炸的时代，面对每天产生的海量数据，传统的数据处理技术和方式日益显得乏力，互联网亟需新的数据处理技术和方式，于是人工智能信息处理技术应运而生,成为这一轮科技革命的核心。随着人工智能算法模型在各个行业不断地落地应用，人工智能应用场景必将进一步拓展，最终实现赋能全行业。医疗、安防、金融、教育等一众行业的人工智能初创公司纷纷建立，这必将给许多传统行业带来前所未有的变革。正因为如此，不管是业界巨头还是国家政府，都在纷纷布局人工智能领域，试图成为人工智能时代的执牛耳者。

人工智能将引领第四次科技革命

数据来源：公开资料整理

当前人工智能产业正在如火如荼的发展，这正是我国实现弯道超车的难得机遇。因此我国人工智能已逐步上升到了国家战略层面，政府开始多方布局人工智能，积极推动人工智能的产业化应用。与此同时，我国政府高度重视人工智能技术及产业化发展，近几年持续出台相关政策宏观布局人工智能行业，支持人工智能技术及产业化。

2、人工智能热度渗透到产业链各阶层

人工智能产业链分为基础层、技术层以及应用层。基础层为人工智能提供基础服务，包括人工智能芯片、人工智能训练算法框架、数据库等；技术曾包括语音识别、图像识别、语意理解等；应用层则是具体将人工智能技术应用到各行业（安防、教育、金融、工业、医疗等）。

人工智能产业链

数据来源：公开资料整理

3、人工智能专用芯片有望成为下一个爆发点

PC 时代的 X86 架构、移动时代的 ARM 架构的统治地位表明：计算平台的变迁必然带来芯片架构的变迁。目前人工智能采用最多的是 GPU 芯片。相比 CPU，GPU 拥有更多的计算单元，适合大规模并行计算。但 GPU存在成本高，效能浪费的问题，业内厂商积极研发高校低成本的人工智能专用芯片，例如 FPGA，它在性能功耗比上面比 GPU 更优，实现了硬件结构的可根据配置需求灵活编程，由于其半定制化的特性较为适用于深度学习训练阶段。

人工智能芯片布局情况

公司	人工智能芯片布局详情
Google	推出 TPU（Tensor Processing Unit），专为机器学习定制，针对 TensorFlow 进行优化。
IBM	2014 年 8 月推出 True North 神经形态计算项目，以神经形态工程学设计了 CMOS 芯片，包含 4096 个硬件核心，每个核心包含 256 个可编程的神经元芯片，拥有超过一百万的神经元。主要服务军事行业。
高通	Zeroth 神经形态计算项目，不仅希望可以模仿类似人类的感知，而且还拥有学习生物大脑如何活动的能力。
NVIDIA	2016 年 4 月发布 Tesla P100 GPU，首次设计了专门用于加速人工智能和深度学习的芯片架构
Intel	2015 年收购人工神经网络算法公司 Saffron，2016 年 8 月收购深度学习算法公司 Nervana。
寒武纪	在 2014 年研制了全球首个多核深度学习处理器，致力于研发低成本人工智能专用处理器
西井科技	2016 年 6 月发布 100 亿规模神经元人脑仿真模拟器，以及全球首块可商用 5000 万类脑“神经元”芯片

数据来源：公开资料整理

4、智能语音：产业链逐渐成形，产业规模大幅提升

语音识别是将语音转换为文本的技术。语音识别主要步骤为：语音搜集、降噪、特征提取、语音大数据训练、数据解码、文本转换。目前语音识别的技术已普遍较为成熟，准确率可达 95%，未来准确度的进一步提升将会使人们从偶尔使用语音识别技术到普遍通用。

全球智能语音行业在大数据、移动互联网、云计算等技术的发展推动下，已进入快速应用阶段，预计到 2017年，全球智能语音产业规模将达到 95.6 亿美元，年复合增长率 31.1%；其中中国智能语音产业规模将达到 101.4亿元，年复合增长率达 63.6%，占全球智能语音产业规模的比重将由 2012 年的 5.6%增加到 17.1%。

自然语言关键技术持续进步，达到使用门槛