2017-人工智能时代呼啸而来_73页-7mb
报告摘要
人工智能发展与产业应用研究报告
核心内容
本报告围绕人工智能的第三次浪潮展开，重点分析了人工智能在开源平台、芯片、应用等领域的竞争与发展趋势，并提出了相关投资建议。
主要观点
- 人工智能是模拟、延伸和扩展人类智能的技术科学，其发展经历了两次高潮和低谷，如今迎来第三次浪潮。
- 人工智能的第三次浪潮由大数据、云计算和算法三方面推动，使得AI产业进入爆发式增长期。
- 各大科技巨头和科研机构纷纷开源人工智能技术，争夺生态圈话语权，这将成为影响世界的重要力量。
- 人工智能芯片是AI发展的战略制高点，GPU、FPGA和专用芯片将推动AI算法效率的提升。
- 人工智能将广泛应用于安防、制造业、金融、交通、教育、法律、医疗等多个行业，带来产业重构。
- 投资建议聚焦于“人工智能+”领域，推荐具有较强数据和应用能力的公司。
关键信息
人工智能发展历程
- 1956年达特茅斯会议：人工智能学科诞生。
- 1956-1974年：AI第一次大发展，取得多项成果，但随后因技术瓶颈进入低谷。
- 1980-1987年：AI第二次大发展，专家系统广泛应用，随后因成本和维护问题进入低谷。
- 1993-2010年：AI复苏期，大数据和云计算推动技术进步。
- 2010年至今：AI进入爆发式增长期，成为新一轮技术变革的核心。
人工智能开源平台
- TensorFlow：Google的深度学习平台，性能优越，支持分布式计算。
- DMTK：微软的机器学习工具包，支持大规模数据处理。
- Torchnet：Facebook基于Torch7开发的轻量级平台，适用于图像识别等任务。
- OpenAI：非盈利性开源组织，致力于降低AI威胁。
- Paddle：百度的深度学习平台，广泛应用于图像处理、语音识别等。
人工智能芯片
- NVIDIA GPU：在深度学习领域占据主导地位，推动AI发展。
- FPGA：兼顾性能与灵活性，与GPU竞争。
- 专用AI芯片：如TPU、TrueNorth等，将大幅提升AI算法运行效率。
人工智能应用
- 安防：生物识别技术是核心，应用广泛。
- 制造业：推动从半自动化到全自动化生产。
- 金融：应用于投资决策、信用风控、智能支付等。
- 无人驾驶：技术突破和立法加快，AI决定可靠性。
- 法律：案件预判与文案编纂，解放律师双手。
- 智能家居：AI有望成为核心，推动行业发展。
- 医疗：提升健康诊断和药品研发效率。
投资建议
- 推荐公司：东方网力（人工智能+安防）、同花顺（人工智能+金融）、思创医惠（人工智能+医疗）、中科创达（人工智能+底层操作系统）、神州泰岳（人工智能+大数据）。
- 关注公司：科大讯飞、佳都科技、汉王科技。
- 建议角度：关注数据能力和应用能力。
风险提示
- 政策支持力度低于预期。
- 核心技术发展遭遇瓶颈。
图表目录
- 图1：人工智能从开源平台、芯片到应用的产业链
- 图2：人工智能发展历程第三次浪潮
- 图3：人工智能发展历程：从萌芽到爆发
- 图4：深度学习的效果随着数据量的增大显著提升
- 图5：各国纷纷在战略层面布局人工智能
- 图6：各个行业对人工智能投资的顶级公司
- 图7：人工智能领域的并购：2012-2016
- 图8：Google成为收购人工智能创业公司最活跃的巨头
- 图9：人工智能风险投资领域活跃度排名
- 图10：人工智能公司融资历史
- 图11：人工智能领域的创投金额5年间增长了12倍
- 图12：美国各个行业对人工智能的投资占比
- 图13：TensorFlow核心在于阐释高层次机器学习运算过程
- 图14：TensorFlow中包含张量的运算数据流
- 图15：TensorFlow高度匹配深度学习运算需求
- 图16：TensorFlow支持分布式计算
- 图17：TensorFlow：最受欢迎的人工智能开源平台
- 图18：TensorFlow版本更新历史
- 图19：DMTK核心架构
- 图20：DMTK的分布式机器学习框架——Multiverso
- 图21：DMTK三大核心研究方向
- 图22：Torchnet在Github平台上的用户贡献排名
- 图23：OpenAI Gym三大核心研究方向
- 图24：OpenAI Gym简单计算任务测试环境
- 图25：OpenAI Gym MuJoCo机器人测试环境
- 图26：Spark异构系统计算平台
- 图27：Paddle平台主要特点
- 图28：基于Paddle平台的相关基础工具和应用案例
- 图29：人工智能芯片分类
- 图30：人工智能大脑的进化
- 图31：GPU VS CPU
- 图32：采用GPU加速与只采用CPU训练CNN的性能比较
- 图33：GPU发展历程
- 图34：GPU实现加速计算的原理
- 图35：nvidia游戏领域收入
- 图36：nvidia可视化领域收入
- 图37：nvidia数据中心领域收入
- 图38：nvidia无人驾驶领域收入
- 图39：在深度学习上使用英伟达的组织2年增长了30多倍
- 图40：NVIDIA为绝大部分的人工智能平台提供计算能力
- 图41：FPGA的结构
- 图42：FPGA、GPP、ASIC比较
- 图43：FPGA深度学习研究里程碑
- 图44：谷歌TPU芯片
- 图45：Nvidia Tesla P100芯片
- 图46：IBM集成16块TrueNorth芯片的电路板
- 图47：IBM随机相变神经元组成的人工神经元网络
- 图48：英特尔XeonPhi家族成员
- 图49：中星微电子“星光智能一号”芯片和主板
- 图50：DianNao结构
- 图51：PuDianNao结构
- 图52：通用人工智能和专用人工智能的关系
- 图53：人工智能应用分类
- 图54：人工智能项目按应用方向分类
- 图55：人工智能项目按成熟度分类
- 图56：美国人工智能应用案例占比
- 图57：各类型人工智能公司数量
- 图58：美国人工智能公司的地理分布
- 图59：人工智能细分应用领域投资热度分布
- 图61：2007-2020年全球生物识别技术市场规模
- 图62：通过V字手进行恐怖分子身份识别
- 图63：人工智能将催生全自动化智能生产工厂
- 图64：AlphaSense智能搜索帮助提高投资决策效率
- 图65：LendingClub的智能风控模式
- 图66：无人驾驶技术发展历程的四个阶段
- 图67：无人驾驶的关键技术
- 图68：截至2015年，美国已经有16个州启动无人驾驶立法
- 图69：NVIDIA具有学习功能的自动驾驶系统
- 图70：Lex Machina协助律师进行案件分析与预判
- 图71：2012-2020年我国智能家居市场规模
- 图72：智能家居产品分类
- 图73：智能健康管理公司Welltok近年融资额不断创新高
- 图74：人工智能应用于药品研发
- 图75：计算机行业历史PE Band
- 图76：计算机行业历史PB Band
表格目录
- 表1：人工智能开源平台对比
- 表2：GPU通用计算标准
- 表3：GPU主流生产厂商
- 表4：人工智能芯片对比
- 表5：人工智能可能的重构的领域与方式
- 表6：重点公司主要财务指标
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
