2017-人工智能行研报告_75页_4mb

人工智能行业研究报告总结

核心内容

本报告由36氪研究院发布，于2017年2月完成，主要探讨人工智能行业的发展现状、技术趋势、投融资热度、巨头布局、产业链构成、基础应用及典型公司分析，以及未来趋势展望。报告由曹婷撰写，邮箱为 caoting@36氪研究院。

主要观点

• 人工智能作为交叉学科，融合了计算机科学、生理学和哲学，通过机器替代人类实现认知、识别、分析和决策等功能。
• 人工智能的发展依赖于数据量、运算力和算法技术三要素，其中数据量和算法技术是核心驱动力，而GPU等硬件的出现极大提升了运算效率。
• 政策法规对人工智能的发展起到了重要推动作用，国内外均出台了相关支持政策，如美国的“BRAIN计划”、欧盟的“人脑计划”、日本的“Brain/MINDS计划”以及中国的“互联网+人工智能三年行动实施方案”。
• 投资热度持续上升，全球AI领域融资金额在5年内增长了12倍，国内投资热度同样显著，主要集中在NLP、机器人和计算机视觉领域。

关键信息

行业驱动

• 数据量：数据是AI发展的燃料，尤其在计算机视觉领域，百万级别数据集是训练算法模型的基础。
• 运算力：GPU的出现极大提升了数据处理速度，使深度学习成为可能，NVIDIA的GPU被广泛用于AI领域。
• 算法技术：深度学习的出现是AI算法突破的关键，使识别准确率大幅提升，从70%+提升到95%。

政策法规

• 国外：美国、欧盟、日本均在政策层面支持AI发展，聚焦于脑研究、超级计算机和机器人技术。
• 国内：2015年及2016年国家出台多项政策，推动AI在智能制造、智能家居、智能汽车等领域的应用。

投资热度

• 全球：AI公司数量超过1000家，融资金额达48亿美元，深度学习、NLP和计算机视觉为最热门领域。
• 国内：AI公司数量达366家，获投金额约90亿元人民币，主要集中在NLP、机器人和计算机视觉领域。
• 融资轮次：多数公司处于早期阶段，C轮之后的公司较少，融资额最高的企业多为行业明星公司。

公司运营数据分析

• 成立时间：AI创业公司在2011年后快速增长，2014-2015年达到高峰。
• 地域分布：北京为AI创业集中地，占总体的43%，其次是上海和深圳。
• 公司平均年龄：CV、NLP企业平均年龄为3-4岁，智能安防和金融企业平均年龄较大。

产业链与巨头布局

• 人工智能产业链分为基础支撑层、技术应用层和方案集成层。
• 巨头在产业链上游布局，包括开源平台、AI芯片和核心技术。
• 典型巨头布局包括：
  • Google：TensorFlow、TPU、收购DeepMind等。
  • Facebook：Torchnet、收购Wit.AI等。
  • Microsoft：DMTK、FPGA、与海尔合作等。
  • IBM：SystemML、TrueNorth、与科大讯飞合作等。
  • 百度：Paddle-Paddle、收购DNNresearch等。

基础应用分析

• 语音识别：技术成熟度较高，准确率已达95%，但背景噪音和语速仍是瓶颈，主要应用于呼叫中心和在线教育。
• 语义识别：技术难度高，主要应用于机器翻译、舆情分析等领域，需深度学习技术，但尚未达到人类理解层次。
• 计算机视觉：在人脸识别和视频监控方面较为成熟，技术应用广泛，包括安防、金融、工业制造等。

典型公司分析

• 云知声：专注于智能家居、车载、医疗、教育领域，融资额达3.3亿人民币。
• 科大讯飞：在语音识别和语义识别领域处于领先地位，主要客户包括运营商、银行、汽车厂商等。
• 旷视科技(Face++)：专注于人脸识别，合作企业包括蚂蚁金服、中信银行等。
• 商汤科技：在人脸识别领域表现突出，合作企业包括华为、京东等。
• 依图科技：擅长人脸识别和车辆识别，合作企业包括招商银行、贵州省交通厅等。

人工智能芯片分析

• GPU：适用于大规模并行运算，目前仍是AI计算的主要选择，NVIDIA的GPU在AI领域广泛应用。
• FPGA：可编程芯片，适合高性能、低功耗应用，适用于科研和企业用户，尤其在军事和工业领域。
• ASIC：专用芯片，适用于确定场景后的大量生产，性能和能耗优于GPU和FPGA，但设计和生产成本高，进入门槛高。

芯片产业链

• 上游：IC设计，如高通、英伟达、赛灵思等。
• 中游：晶圆代工，如台积电、中芯等。
• 下游：专业封测，如日月光、艾克尔等。

未来趋势展望

• 行业综述：AI在多个行业有广泛应用，如机器人、金融、医疗、安防、家居等。
• 发展瓶颈：数据质量和算法优化仍是主要挑战，特别是复杂语义理解和动态图像识别。
• 发展趋势：AI芯片定制化趋势明显，ASIC将成为未来主流，深度学习技术将继续推动AI发展。

结构清晰内容

一、人工智能行业概述

• 行业驱动：数据量、运算力和算法技术是AI发展的三大要素。
• 政策法规：国内外均出台支持AI发展的政策，推动其在各行业的应用。
• 投资热度：全球和国内AI投资持续增长，深度学习、NLP和计算机视觉为热门领域。

二、人工智能产业链与巨头布局分析

• 产业链构成：分为基础支撑层、技术应用层和方案集成层。
• 巨头布局：包括开源平台、AI芯片和核心技术的布局，如Google、Facebook、Microsoft、IBM等。

三、人工智能基础应用介绍与典型公司分析

• 语音识别：技术成熟度高，应用场景广泛，主要瓶颈为背景噪音和语速。
• 语义识别：技术难度高，应用场景包括机器翻译和舆情分析。
• 计算机视觉：技术应用广泛，主要集中在人脸识别和视频监控，仍有发展空间。

四、人工智能芯片介绍与典型公司分析

• 芯片适用性：GPU、FPGA和ASIC是目前主要的AI芯片类型。
• 芯片产业链：分为IC设计、晶圆代工和专业封测。
• 典型公司：Kneron、NVIDIA、Xilinx等，各有其优势和应用场景。

五、人工智能在各行业的应用介绍与典型公司分析

• 机器人：主要应用于工业、家庭等场景。
• AI+金融：提升金融服务效率，如智能客服和金融分析。
• AI+医疗：辅助诊断和健康管理。
• AI+安防：人脸识别和视频监控。
• AI+家居：智能家居设备和系统。

六、人工智能行业趋势展望

• 行业综述：AI在多个行业有广泛应用，发展潜力巨大。
• 发展瓶颈：数据质量和算法优化仍是主要挑战。
• 发展趋势：AI芯片定制化趋势明显，ASIC将成为未来主流。