2017-36Kr：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

本报告主要探讨了人工智能行业的整体发展现状、技术发展趋势、各细分领域投融资热度、巨头布局与技术应用，以及人工智能在各行业的应用与未来趋势。重点分析了数据量、运算力和算法技术作为人工智能发展的三大驱动力，同时涉及政策法规对行业的影响、投资热度的变化、产业链构成及典型公司案例。

主要观点

1. 行业驱动

• 数据量：数据是人工智能发展的燃料，深度学习算法的出现使得数据量对算法准确率的提升至关重要。
• 运算力：GPU的出现极大提升了人工智能的运算能力，使得大规模数据处理成为可能。随着技术发展，专用AI芯片（如NPU、FPGA、ASIC）将成为未来趋势。
• 算法技术：深度学习突破了传统浅层算法的瓶颈，成为人工智能发展的核心技术，尤其在语音识别、语义识别和计算机视觉等领域表现突出。

2. 政策法规

• 国外：美国、欧盟和日本均在政策层面推动人工智能发展，如美国的“BRAIN计划”、欧盟的“人脑计划”和日本的“Brain/MINDS”。
• 国内：中国也出台多项政策支持人工智能发展，如《“互联网+”人工智能三年行动实施方案》等，推动其在多个领域的应用。

3. 投资热度

• 全球：人工智能行业融资金额在5年内增长12倍，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：2015-2016年，人工智能融资金额约90亿人民币，融资集中在天使轮、Pre-A轮和A轮，C轮之后公司较少。获投金额最高的领域为智能安防、智能家居和计算机视觉。

关键信息

4. 产业链构成

人工智能产业链可分为三部分：

• 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：如计算机视觉、语音识别、语义识别等。
• 方案集成层：如智能机器人、智能汽车、智能家居等。

5. 巨头布局

• 开源平台：Google（TensorFlow）、Facebook（Torchnet）、Microsoft（DMTK）、IBM（SystemML）等均积极构建开源平台。
• AI芯片：NVIDIA（GPU）、Google（TPU）、Intel（Xeon Phi）、IBM（TrueNorth）、中科寒武纪（NPU）等布局AI芯片。
• 核心技术：科技巨头通过收购、合作、投资等方式布局AI核心技术，如深度学习、自然语言处理、计算机视觉等。

6. 基础应用

• 语音识别：技术成熟度较高，但背景噪音仍为瓶颈。主要应用于呼叫中心、在线教育等刚需场景，科大讯飞和云知声是代表企业。
• 语义识别：技术难度较高，主要瓶颈为语义复杂性和上下文理解。典型公司包括科大讯飞、出门问问、百度等。
• 计算机视觉：技术应用广泛，人脸识别和视频监控为当前主要市场。典型企业包括旷视科技、商汤科技、依图科技等。

7. 芯片适用性分析

• GPU：擅长大规模并行运算，设计成熟，适用于大多数AI应用，如图像识别和深度学习。
• FPGA：高性能、低功耗，适用于特定场景，如军事和工业电子，适合需要可重配置的项目。
• ASIC：为特定应用定制，性能和能耗优于现有芯片，但开发成本高，适用性尚不明确。

8. 芯片产业链

• 上游：IC设计（如NVIDIA、高通、联发科等）。
• 中游：晶圆代工（如台积电、中芯国际等）。
• 下游：专业封测（如日月光、矽品等）。

9. 行业趋势展望

• 技术发展：人工智能技术在多个领域快速成熟，但仍存在算法优化、数据质量、硬件适配等瓶颈。
• 应用扩展：AI在机器人、金融、医疗、安防、家居等领域应用广泛，未来有望进一步拓展至自动驾驶等新兴领域。
• 市场竞争：AI行业竞争激烈，技术壁垒高，进入门槛大，未来将向垂直领域和定制化方向发展。

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。政策支持和资本投入进一步加速了技术进步和商业化进程。各大科技巨头通过布局开源平台、AI芯片和核心技术，推动行业发展。当前，语音识别、语义识别和计算机视觉是主要的基础技术，而智能安防、智能家居和计算机视觉是主要的应用市场。未来，随着技术成熟和市场需求增长，人工智能将在更多行业实现深度应用，并推动AI芯片向定制化、高效化方向发展。