2017年-数据局_36Kr：人工智能行业研究报告_74页_4mb

报告摘要

人工智能行业研究报告总结

核心内容

本报告由36氪研究院发布，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结构与巨头布局。报告涵盖了人工智能的基础技术、终端产品和各行业的应用情况，同时对主要技术类型（如GPU、FPGA、ASIC）进行了详细分析。

主要观点

人工智能行业的发展依赖于三大要素：数据量、运算力和算法技术。其中，数据量是核心驱动力，深度学习的出现极大推动了算法的突破。
国内外均在政策层面大力支持人工智能发展，尤其是中国，通过多项政策推动其在智能制造、互联网+、智慧城市建设等领域的应用。
投资热度持续增长，全球人工智能融资额在五年内增长12倍，中国AI公司融资额也在2015-2016年达到90亿人民币。其中，NLP、机器人和计算机视觉是最受关注的领域。
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，其中基础层包括算法模型和AI芯片，技术层包括感知类技术，方案层包括具体产品或服务。

关键信息

行业驱动

数据量：数据量的增加是AI发展的关键燃料，尤其在计算机视觉领域，百万级别的数据集是训练模型的基础。
运算力：GPU的出现极大提升了AI的运算能力，使大规模数据处理成为可能。NVIDIA、Google等公司均布局了AI芯片。
算法技术：深度学习是当前AI算法的突破点，极大提升了图像识别、语音识别和语义识别的准确率。

政策法规

国外：美国、欧盟、日本分别在神经技术、超级计算机和脑研究方面有重点支持。
国内：2015-2016年出台多项政策，如《“互联网+”人工智能三年行动实施方案》，推动AI在多个行业的应用。

投资热度

全球：AI行业融资金额增长迅速，深度学习、自然语言处理和计算机视觉是融资最热的领域。
国内：2016年AI公司融资总额约90亿人民币，主要集中在NLP、机器人和计算机视觉领域，其中智能安防和智能家居的平均融资额最高。

公司运营数据分析

2016年，中国仍在运营的AI公司有366家，其中北京地区占比最高，达43%。
创业公司平均年龄为3.2岁，大部分处于早期阶段，C轮之后的公司较少。
机器人、计算机视觉和自然语言处理是获投公司最多的领域。

产业链与巨头布局

产业链构成：分为基础支撑层（算法模型、AI芯片、传感器）、技术应用层（感知类技术）、方案集成层（具体产品）。
巨头布局：
- 开源平台：Google（TensorFlow）、Facebook（Torchnet）、Microsoft（DMTK）等公司均推出AI开源平台。
- AI芯片：NVIDIA、Google、Intel等公司布局GPU、TPU等芯片，以提升AI运算效率。
- 核心技术：科技巨头通过并购和合作，积极布局AI核心技术，如深度学习、自然语言处理等。

基础应用分析

语音识别：技术成熟度较高，准确率已达95%。主要应用场景包括电信系统、嵌入式设备和特殊安全部门。科大讯飞、云知声等公司是该领域的领先者。
语义识别：技术成熟度较低，主要瓶颈在于语义的复杂性和上下文理解。代表公司包括科大讯飞、出门问问等。
计算机视觉：技术成熟度差异较大，人脸识别和视频监控较为成熟，应用场景包括安防、无人驾驶、工业制造等。旷视科技、商汤科技、依图科技等公司是该领域的代表。

AI芯片分析

GPU：适合大规模并行运算，已被广泛应用于AI领域，如谷歌、AlphaGo、特斯拉等项目。
FPGA：高性能、低功耗，适用于可编程场景，如军事、工业电子等。
ASIC：作为定制芯片，具有高性能和低能耗，但设计成本高，目前仍处于早期阶段。

各行业应用分析

机器人：应用广泛，涵盖教育、医疗、工业等领域。
AI+金融：如金融科技、智能客服等，代表公司包括百度、中译语通、百融金服等。
AI+医疗：如医学影像分析、辅助诊断等。
AI+安防：如人脸识别、视频监控，代表公司包括旷视科技、商汤科技等。
AI+家居：如智能家居、语音助手等，代表公司包括云知声、思必驰等。

行业趋势展望

技术趋势：深度学习、自然语言处理、计算机视觉等技术不断突破，推动AI在多个行业的应用。
发展瓶颈：数据质量、运算效率、算法优化、应用场景的复杂性等仍是AI发展的主要障碍。
未来方向：AI芯片的定制化、多模态感知技术的发展、AI在各行业的深度融合。

总结

人工智能行业正处于快速发展的阶段，其核心驱动力包括海量数据、强大运算力和深度学习技术。政策支持、投资热度上升以及技术突破推动了AI在多个领域的应用。随着AI芯片的发展，尤其是ASIC的兴起，AI运算效率和能耗将进一步优化。未来，AI将在机器人、金融、医疗、安防、家居等领域持续深化应用，形成更加智能化的解决方案。

展开完整摘要