2017-人工智能行业研究报告_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，旨在全面分析人工智能行业的整体发展现状、技术趋势、投融资情况、产业链构成、巨头布局及典型应用领域。报告涵盖了人工智能的基础技术、终端产品、产业链结构及主要应用行业，如机器人、金融、医疗、安防、家居等。

主要观点

• 行业驱动力：人工智能的发展主要依赖于数据量、运算力和算法技术的三要素。其中，数据量为算法提供训练素材，运算力推动算法的高效执行，算法技术是核心突破点。
• 政策支持：国内外均在政策层面推动人工智能发展。国外以美国、欧盟、日本为主，强调脑科学研究和AI应用；国内则通过多项政策支持AI在智能制造、智能终端、智能产品等领域的应用。
• 投资热度：全球AI融资在5年内增长12倍，其中深度学习、自然语言处理和计算机视觉是最受关注的领域。国内AI投资主要集中在计算机视觉、机器人和自然语言处理，平均单个公司融资额约为4000万元人民币。
• 产业链构成：人工智能产业链可分为基础支撑层（算法模型和AI芯片）、技术应用层（感知技术）和方案集成层（终端产品）。其中，AI芯片是核心基础设施，包括GPU、FPGA和ASIC。
• 技术布局：各大科技巨头通过开源平台、AI芯片和核心技术布局人工智能领域。Google、Facebook、Microsoft等公司均推出了AI开源平台，如TensorFlow、Torch和DMTK。同时，NVIDIA、Intel、IBM等公司积极布局AI芯片，而国内企业如中科寒武纪、百度等也在探索AI芯片研发。
• 应用场景：人工智能在多个领域均有广泛应用，包括语音识别、语义识别、计算机视觉、自动驾驶、智能金融、智能医疗、智能安防和智能家居等。其中，计算机视觉在人脸识别和视频监控领域较为成熟，而语音识别在呼叫中心和在线教育等场景中需求旺盛。

关键信息

技术与应用

• 语音识别：技术成熟度较高，但背景噪音和语速仍是主要瓶颈。主要应用场景包括电信级系统、嵌入式应用和特殊应用（如安全部门的声纹识别）。科大讯飞、云知声、思必驰等公司是该领域的代表。
• 语义识别：技术难度高，主要应用于机器翻译、舆情分析、智能客服等领域。典型公司包括科大讯飞、出门问问、百度等。
• 计算机视觉：技术成熟度差异较大，人脸识别和OCR识别较为成熟，应用广泛。主要应用场景包括安防监控、无人驾驶、工业制造等。典型公司包括旷视科技、商汤科技、依图科技、格灵深瞳等。

投资与融资

• 全球融资：2016年全球AI融资金额达48亿美元，其中深度学习、自然语言处理和计算机视觉是最受关注的细分领域。
• 国内融资：2015-2016年国内AI融资总额约90亿元人民币，融资集中在计算机视觉、机器人和自然语言处理领域。其中，智能安防和智能家居的平均单个公司融资额最高。

地理分布

• 国内：北京、上海、深圳是AI创业公司最集中的地区，其中北京占比最高，约为43%。
• 细分领域：机器人、计算机视觉和自然语言处理的创业公司数量最多，且平均年龄较高，显示这些领域在AI市场中发展较为成熟。

芯片分析

• GPU：适用于大规模并行运算，集成度和制造工艺成熟，是目前AI运算的主要选择。
• FPGA：高性能、低功耗，适用于可编程场景，适合科研和企业级应用。
• ASIC：为特定应用场景定制的芯片，性能和能耗优于现有芯片，但开发成本高，需明确应用场景后方可大规模生产。

未来趋势展望

• 行业趋势：人工智能将在多个行业持续深化应用，尤其在计算机视觉、语音识别和自然语言处理等基础技术领域。
• 发展瓶颈：AI技术仍面临数据质量、运算效率、算法复杂性等问题，尤其是语义识别和行为识别领域，需要更深入的研究。
• 未来方向：随着深度学习的发展，AI在更多应用场景中将实现突破，如自动驾驶、智能机器人、医疗诊断等。AI芯片的定制化发展将成为趋势，提升运算效率和降低能耗。

产业链与巨头布局

• 产业链：分为基础支撑层、技术应用层和方案集成层，其中AI芯片是核心基础设施。
• 巨头布局：科技公司通过开源平台、AI芯片和核心技术布局AI领域，如Google的TensorFlow、NVIDIA的GPU、IBM的TrueNorth、中科寒武纪的NPU等。
• 技术合作：各大科技公司积极与高校和研究机构合作，如Google与斯坦福大学、IBM与卡内基梅隆大学等。

总结

本报告全面分析了人工智能行业的发展现状、技术趋势、政策支持、投融资情况及主要应用领域，揭示了AI技术在多个行业的潜力与挑战。随着数据量的增加、运算力的提升和算法的优化，AI行业将持续增长，并在更多领域实现突破。科技巨头和创业公司的共同努力将推动AI技术向更广泛的应用场景扩展，成为未来技术发展的核心方向。