20170228-36氪-人工智能行业研究报告_75页_3mb

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，旨在探讨人工智能行业的发展现状、技术趋势、政策法规、投资热度及主要应用领域。报告涵盖AI基础技术及终端产品，包括语音识别、语义识别、计算机视觉、自动驾驶、金融科技、医疗、安防、家居等。研究重点包括产业链构成、巨头布局、各细分领域投融资情况及典型公司分析。

主要观点

行业驱动力

• 数据量：海量数据是人工智能发展的关键燃料，尤其是计算机视觉领域，需要大量优质数据进行训练。
• 运算力：GPU等并行计算芯片的出现极大提升了AI算法的处理效率，使得大规模数据处理成为可能。
• 算法技术：深度学习的突破性发展推动了AI在多个领域的应用，提升了识别准确率，从70%提升至95%。

政策法规

• 国外：美国、欧盟、日本均在政策层面推动AI发展，分别侧重脑研究、超级计算机模拟脑功能及动物模型研究。
• 国内：2015年起，中国出台多项政策支持AI发展，如《“互联网+”人工智能三年行动实施方案》等，推动AI在智能制造、智能产品等领域的应用。

投资热度

• 全球：2016年全球AI融资达48亿美元，5年间增长12倍。深度学习、自然语言处理和计算机视觉是主要热门领域。
• 国内：2015-2016年AI融资总额约90亿元人民币，融资金额最高的领域为自然语言处理、机器人和计算机视觉。平均单个公司融资额约4000万元人民币，多数公司处于早期阶段。

关键信息

产业链构成

人工智能产业链可分为基础支撑层、技术应用层和方案集成层：

• 基础支撑层：包括算法模型和关键硬件（如AI芯片、传感器）。
• 技术应用层：包括感知类技术，如计算机视觉、语音识别、语义识别。
• 方案集成层：涉及具体应用场景的产品或服务，如智能安防、智能驾驶等。

巨头布局

科技巨头在人工智能领域有三大布局：

1. 开源平台：如Google的TensorFlow、Facebook的Torch等。
2. AI芯片：如NVIDIA的GPU、Google的TPU、IBM的TrueNorth等。
3. 核心技术：通过收购、投资等方式获取先进技术，如Google收购DeepMind、百度投资Velodyne LiDAR等。

基础应用

• 语音识别：技术成熟度较高，但背景噪音仍是主要瓶颈。主要应用于呼叫中心、在线教育等刚需场景，科大讯飞在该领域占据主导地位。
• 语义识别：技术成熟度较低，主要瓶颈在于语义的复杂性及上下文理解。典型公司包括科大讯飞、出门问问等。
• 计算机视觉：技术成熟度差异较大，人脸识别和视频监控是主要应用领域，市场潜力巨大。典型公司包括旷视科技、商汤科技、依图科技等。

AI芯片

• GPU：适合大规模并行运算，生产设计成熟，广泛应用于深度学习领域。
• FPGA：高性能、低功耗，适合定制化应用，但成本较高。
• ASIC：专用芯片，性能和能耗优于GPU和FPGA，但开发成本高，适合已明确应用场景的大量生产。

地理分布

• 国内：北京地区是AI创业的主要集中地，占总数的43%。机器人、计算机视觉和自然语言处理是主要热门领域。
• 国际：主要集中在硅谷及亚洲地区，如Google、Facebook、NVIDIA等。

重点数据

投资热度

• 全球：2011Q1-2016Q2融资金额增长12倍，超过1000家AI公司。
• 国内：2016年AI公司总数为366家，融资总额约90亿元人民币，其中自然语言处理、机器人、计算机视觉获投金额最高。

公司运营数据分析

• 平均年龄：AI公司平均年龄为3.2岁，其中智能安防、计算机视觉公司平均年龄最大。
• 融资轮次：多数公司处于天使轮、Pre-A轮和A轮阶段，C轮之后较少。

技术瓶颈

• 语音识别：背景噪音、语速影响识别率，消费者习惯尚未形成。
• 语义识别：语义复杂性、上下文理解仍是主要挑战。
• 计算机视觉：图像质量、光照环境影响识别效果，数据标注是当前重点。

行业趋势展望

人工智能行业在多个领域呈现快速增长趋势，尤其在计算机视觉、自然语言处理和机器人领域。未来的发展方向包括：

• 技术深化：在特定应用场景中进一步优化算法，提升准确率。
• 商业化落地：推动AI技术在更多行业落地，如金融、医疗、安防等。
• 芯片定制化：随着AI应用的扩展，专用芯片（如ASIC）将逐步成为主流。
• 政策与资本支持：政府和资本将继续推动AI技术发展，特别是在智能制造和智能产品领域。

典型公司分析

语音识别

• 云知声：成立于2012年，融资额较高，主要客户包括美的、格力、华为等。
• 普强科技：成立于2010年，专注于呼叫中心语音分析系统。
• 思必驰：成立于2008年，布局智能车载、智能家居等。

语义识别

• 科大讯飞：在语义识别领域有较强实力，与多家企业合作。
• 出门问问：专注于智能语音助手，与小米等合作。

计算机视觉

• 旷视科技：专注于人脸识别，与多家金融机构及公安部门合作。
• 商汤科技：在人脸识别和视频分析领域有较强竞争力。
• 依图科技：在车辆识别和人脸识别方面表现突出。

AI芯片

• Kneron：专注于移动端AI芯片，功耗低，主要客户包括腾讯、华硕等。
• NVIDIA：提供高性能GPU，广泛应用于AI领域。
• Xilinx：专注于FPGA，支持深度学习和大规模数据处理。

总结

人工智能行业正处于快速发展阶段，受到数据量、运算力和算法技术的共同推动。政策支持和投资热情为行业提供了良好的发展环境，尤其是在计算机视觉、语音识别和语义识别等基础技术领域。科技巨头通过开源平台、AI芯片和核心技术布局，推动了整个产业链的发展。未来，随着技术的不断成熟和应用场景的拓展，人工智能将在更多行业实现商业化落地，成为推动社会进步的重要力量。