20170228-36氪-人工智能行业研究报告_74页_4mb

人工智能行业研究报告总结

核心内容

本报告分析了人工智能行业的发展现状、技术趋势、政策环境、投资热度以及产业链布局，重点探讨了人工智能基础技术及终端产品的应用现状与未来前景。报告还涵盖了人工智能在多个行业的应用案例，以及典型公司的运营情况和市场竞争格局。

主要观点

• 数据量、运算力和算法技术是推动人工智能发展的三大核心要素，其中数据量是基础，运算力是支撑，算法技术是关键。
• 政策支持在全球范围内持续加码，美国、欧盟、日本等国家均推出相关政策，推动人工智能技术发展。国内也出台了一系列扶持政策，如《“互联网+”人工智能三年行动实施方案》。
• 投资热度持续增长，全球人工智能融资金额在五年内增长了12倍。深度学习、自然语言处理和计算机视觉是当前最热门的细分领域。
• 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。其中，基础支撑层包括算法模型和AI芯片，技术应用层包括感知类技术，方案集成层涉及终端产品和应用场景。
• 科技巨头在人工智能领域积极布局，包括打造开源平台、研发AI芯片和收购/投资AI相关企业，以抢占技术先机。

关键信息

一、行业驱动

1. 数据量：数据是人工智能发展的燃料，尤其在计算机视觉领域，需要海量且优质的数据集进行训练。
2. 运算力：GPU等并行计算芯片极大提升了AI算法的处理效率，使大规模数据处理成为可能。
3. 算法技术：深度学习技术的突破使得AI在多个领域取得了显著进展，如语音识别、语义识别和计算机视觉。

二、政策法规

1. 国外：美国推进脑研究计划，欧盟启动人脑计划，日本聚焦大脑研究以理解脑功能和疾病。
2. 国内：国家出台多项政策推动人工智能在智能制造、智能家居、智能汽车、机器人等领域的应用和发展。

三、投资热度

1. 全球：人工智能领域融资金额从2011年到2016年增长了12倍，超过1000家公司活跃在该领域。
2. 国内：2015-2016年AI领域融资额约90亿元人民币，其中自然语言处理、机器人、计算机视觉是最热门的领域。
3. 融资轮次：大多数AI公司处于天使轮、Pre-A轮和A轮阶段，C轮之后的公司较少。
4. 明星公司：如优必选、云知声、旷视科技等，单次融资额可达数亿元人民币。

四、产业链与巨头布局

1. 产业链构成：
   • 基础支撑层：包括算法模型和AI芯片。
   • 技术应用层：包括计算机视觉、语音识别、语义识别等感知类技术。
   • 方案集成层：包括终端产品和应用系统。
2. 巨头布局：
   • 开源平台：Google（TensorFlow）、Facebook（Torchnet）、Microsoft（DMTK）、IBM（SystemML）、百度（Paddle-Paddle）等。
   • AI芯片：NVIDIA（GPU）、Google（TPU）、Intel（Xeon Phi）、IBM（TrueNorth）、中科院（寒武纪）等。
   • 核心技术：各大科技公司通过并购和投资获取前沿技术，如Google收购DeepMind、IBM与多家机构合作、百度与宝马合作自动驾驶等。

五、人工智能基础应用

1. 语音识别：

   • 技术较为成熟，准确率已达95%以上。
   • 应用场景包括电信级系统、嵌入式设备和特殊安全部门。
   • 主要瓶颈是背景噪音和消费者使用习惯。
   • 典型公司：云知声、普强科技、思必驰等。

2. 语义识别：

   • 技术难度较高，主要瓶颈在于语义的复杂性和上下文处理。
   • 应用场景包括机器翻译、舆情分析、智能客服等。
   • 典型公司与科研机构：科大讯飞、出门问问、智能360、百度、斯坦福大学等。

3. 计算机视觉：

   • 人脸识别和视频监控是当前最成熟的应用。
   • 技术瓶颈在于图像质量、光照条件和数据集的多样性。
   • 典型公司：旷视科技、商汤科技、格灵深瞳、依图科技、云从科技等。

六、人工智能芯片

1. 芯片类型：
   • GPU：适合大规模并行运算，生产设计成熟，是当前AI运算的主流选择。
   • FPGA：可编程、高性能、低功耗，适用于企业级应用。
   • ASIC：专为特定应用场景设计，性能和能耗优于现有芯片，但开发成本高，适合已知应用场景。
2. 产业链：
   • 上游：IC设计公司，如NVIDIA、Xilinx、高通等。
   • 中游：晶圆代工企业，如台积电、联电、中芯等。
   • 下游：专业封测企业，如日月光、艾克尔等。
3. 典型公司：
   • Kneron：专注于移动端AI软硬件研发，产品包括SDK和低功耗芯片。
   • NVIDIA：全球GPU行业龙头，产品包括GeForce、Tesla、Tegra系列。
   • Xilinx：提供高端FPGA产品，用于AI算法加速。

七、行业应用

1. 机器人：应用广泛，涵盖工业、服务、家庭等多个领域。
2. AI+金融：如百度投资金融科技公司，提升金融服务智能化。
3. AI+医疗：用于疾病诊断和辅助治疗。
4. AI+安防：人脸识别和视频监控是主要应用。
5. AI+家居：智能家居、语音助手等产品迅速发展。

八、行业趋势展望

1. 技术突破：深度学习、自然语言处理和计算机视觉将推动AI进一步发展。
2. 行业瓶颈：包括数据质量和算法优化、硬件成本、应用场景的不确定性。
3. 未来方向：AI将在更多行业深入应用，如自动驾驶、机器人、医疗等，形成更加智能的产品和服务。