清科观察：《中国人工智能行业投融资发展研究报告》-16页-1mb

中国人工智能行业投融资发展研究报告总结

核心内容

本报告总结了中国人工智能行业的发展历程、关键因素、实现手段、解决问题及取得的效果，并分析了全球和中国AI投资情况、区域分布、产业链投资结构及未来发展趋势。

主要观点

• AI发展历程：AI自1950年发展至今，经历了多个阶段的技术突破，从早期的CNN（卷积神经网络）到DNN（深度神经网络）、RNN（循环神经网络），再到无监督预训练和修正的非线性激活函数，逐步提升了模型的分类能力和时序信息捕捉能力。
• 关键因素：AI行业的发展依赖于算法模型的优化、计算能力的提升以及大数据的积累。
• 实现手段：
  • 算法模型优化：包括CNN→DNN→RNN、无监督预训练网络权值、修正的非线性激活函数等。
  • 计算能力提升：高效CPU/GPU、AI专用芯片、多机集群并行化处理等。
  • 大数据积累：高阶统计数据充足，为AI模型训练提供支持。
• 解决问题：
  • 突破旧模型的局限性，提升AI的精准性和应用性。
  • 满足深度学习对计算能力和训练速度的需求。
  • 提高模型训练数据的量和质量，解决过拟合问题。
• 取得效果：人工智能行业在技术突破和应用拓展方面取得了显著进展，成为资本关注的重点领域。

全球与国内AI投资情况

• 全球投资热点：2017年1-4月，机器学习、智能机器人、自然语言处理是AI投资热度最高的垂直领域。机器学习最受关注，涉及融资金额超过60亿美元。
• 国内投资情况：2010-2017年5月，中国AI领域共发生2,218起投资事件，涉及金额达668.42亿元人民币。其中，2015年成为关键爆发年，投资案例和金额分别同比增长155.9%和190.67%。
• 投资热点领域：智能投顾、医疗诊断、智能教育、智能翻译等应用层领域更易吸引投资者。
• 投资区域分布：北京、上海、浙江、江苏、深圳是AI企业的主要聚集地，占全国投资案例总数的81.2%。湖北和四川也受到较高关注。

产业链投资结构

• 基础层：主要集中在计算能力和数据领域，目前互联网海量数据已足够支撑技术需求，云计算+大规模GPU并行计算较为成熟。未来机会集中在巨头手中，AI专用芯片研发加速。
• 技术层：视觉、语音识别等识别率已超过95%，感知层基础技术基本具备。
• 应用层：从实验室阶段发展到试点阶段，数据化程度高的行业率先启动。特定任务或垂直类应用驱动的AI更容易落地。

未来发展趋势

• 短期（3-5年）：AI可能仍以智能服务发展为主，拓展、整合多个垂直行业应用，丰富实用场景。
• 中期（5-10年）：随着数据和场景的增加，AI将全面改变现实生活。进入推广和普及阶段，需要更多大中型企业参与，利用云端资源进行分布式计算。
• 长期（>5年）：AI技术将更深入发展，需要更全面的数据获取（如物联网的发展）和更高效的本地化运算能力（如AI芯片的普及）。

互联网巨头与创业企业

• 互联网巨头：
  • 阿里巴巴：以数据资源和开放云计算平台服务为主，构建各种AI应用。
  • 腾讯：依托海量社交数据、算法，拓展图片识别、语义理解等虚拟服务。
• 主要创业企业：
  • 应用层：Mobvoi（智能移动语音搜索）、UBTECH（Dream Within Reach）、智齿客服、图灵机器人等。
  • 技术层：Megvii（旷视科技）、科大讯飞、捷通华声、云知声等。
  • 基础层：Horizon Robotics、IMICRO、中星微电子等。

投资建议

总结

中国人工智能行业在算法、计算能力和大数据的支持下取得了显著进展。未来3-5年，AI将更多地以智能服务形式发展，拓展垂直行业应用。随着数据和场景的丰富，AI有望全面改变现实生活。互联网巨头在数据和平台方面具有优势，而创业企业则在特定技术或应用场景上展现出潜力。