20160926-兴业研究-新兴行业前瞻之一_三位一体协同发展_人工智能应用加速落地_14页_981kb

2016年9月26日新兴行业专题报告总结

核心内容

本报告聚焦人工智能行业的发展现状与未来趋势，分析其在算法、计算能力和数据等基础技术上的突破，以及全球互联网巨头推动下的产业化进程。报告指出，人工智能是未来十年TMT行业最具成长性和确定性的方向之一，其应用正在加速落地。

主要观点

• 人工智能的愿景：人工智能旨在模拟、扩展人类智能，使其能够以类似人类的方式处理复杂任务。然而，由于算法、计算能力、数据等基础技术的限制，其发展历程曲折。
• 技术突破推动发展：近年来，深度学习算法、GPU计算能力、大数据的积累三者协同发展，极大提升了人工智能的准确性和可用性。
• 产业化进程加速：随着技术的成熟，人工智能在多个行业中已实现落地，如语音识别、机器视觉、自动驾驶、智能安防等。

关键信息

一、人工智能概念与简史

• 人工智能简介：人工智能是研究模拟、扩展人类智能的科学，核心在于学习算法、计算能力和训练数据。
• 发展历程：
  • 1956年达特茅斯会议：AI概念首次提出。
  • 1956-1974年：黄金年代，政府大量投资。
  • 1974-1980年：第一次低谷，计算能力不足。
  • 1980-1987年：繁荣期，专家系统兴起。
  • 1987-1993年：第二次低谷，政府削减资助。
  • 1993年至今：智能感知时代，AI开始广泛应用。

二、基础技术成熟推动AI发展

• 深度学习算法：模仿人脑处理信息，使AI在语音识别、图像识别等领域超越人类。
• GPU应用：相比CPU，GPU具有更强的并行计算能力，极大提升了AI的训练效率和准确性。
• 大数据：数据量与AI预测准确度呈正相关，数据积累为AI提供了丰富的训练素材。

三、行业应用加速落地

• 语音识别：成为人机交互的重要方式，代表产品包括Siri、Cortana、Google Now等。苹果开放Siri接口，推动行业发展。
• 机器视觉：作为AI的眼睛，广泛应用于自动驾驶、人脸识别、医学图像识别等领域。代表企业包括特斯拉、百度、Facebook、Google、微软等。

重要数据与趋势

• 深度学习突破：2012年ImageNet比赛错误率从26%降至16%，标志着AI的重大进展。
• GPU提升能力：NVIDIA GPU使深度学习运算能力提升50倍，远超摩尔定律。
• 数据流量增长：全球月数据流量预计从2015年的72EB增长到2020年的195EB，移动数据增长尤为显著。
• 语音识别出错率：微软将语音识别出错率降至6.3%，优于Watson的6.9%。
• 自动驾驶数据积累：特斯拉累计行驶数据超7564万公里，百度累计测试里程超100万公里。

结论

人工智能行业正迎来爆发期，基础技术的成熟使其应用不断扩展，成为推动未来科技发展的重要力量。全球互联网巨头的积极参与加速了AI的产业化进程，未来在更多垂直领域将实现深度应用。