深度-中国机器学习行业市场分析.docx

? ? ? ? ? ? ? ? 深度：中国机器学习行业市场分析 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?  机器学习指专门研究计算机怎样模拟或实现人类的学习行为以获取新的知识或技能的学科，使计算机重新组织已有的知识结构并不断改善自身的性能。机器学习以数据为基础，通过研究样本数据寻找规律，并根据所得规律对未来数据进行预测。机器学习是人工智能的核心，广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别等人工智能领域。 (1)按学习模式的不同，机器学习可分为监督学习、无监督学习、强化学习： ①监督学习的训练数据具有分类标签，分类标签精确度越高，学习模型准确度越高。监督学习根据给定的训练数据建立函数模型，可实现对新数据的标记映射。监督学习的算法包括回归和分类，应用领域包括自然语言处理、信息检索、文本挖掘、手写体辨识、垃圾邮件侦测等。 ②无监督学习利用无标记的有限数据描述隐藏于数据中的结构或规律，其典型算法为聚类。无监督学习无需以人工标注数据为训练样本，可避免正、负样本偏移引起的分类错误问题。无监督学习的应用领域包括经济预测、异常检测、数据挖掘、图像处理、模式识别等。 ③强化学习指智能体在与环境的交互过程中达成回报最大化的学习模式。强化学习以外部环境对智能体评价达到最优为目标。强化学习广泛应用于机器人控制、无人驾驶、工业控制等领域。 (2)按算法网络深度的不同，机器学习可分为浅层学习和深度学习： ①浅层学习算法网络的隐藏层数量少，算法框架简单，无需提取多层次抽象特征。典型的浅层学习包括支持向量机、逻辑回归等。 ②深度学习是一种基于多层神经网络并以海量数据为输入规则的自学习方法，依靠提供给它的大量实际行为数据，即训练数据集，进行规则中的参数和规则调整。深度学习算法网络的隐藏层数量多，算法复杂，相比浅层学习，深度学习更注重特征学习的重要性。 典型的深度学习算法包括卷积神经网络、循环神经网络等。 机器学习产业链包括上游的人工智能芯片供应商、云计算平台服务商、大数据服务商，中游的机器学习技术服务商以及下游的机器学习应用服务商。机器学习产业链上游为支持基础层，上游的人工智能芯片供应商主要负责提供GPU、ASIC、FPGA等人工智能专用芯片，大数据服务商提供的服务包括数据采集、数据处理、数据存储、数据交易等，云计算平台服务商提供的服务包括IaaS、PaaS、SaaS等。 来源：头豹研究院 产业链中游为技术层，中游的机器学习技术服务商为下游的机器学习应用服务商提供机器学习基础开源框架、机器学习技术开放平台等机器学习技术服务。 产业链下游为应用层，下游的应用服务商为最终用户提供基于机器学习的垂直领域应用服务，机器学习的垂直应用领域包括金融、教育、医疗、零售、工业等。 (1)人工智能芯片供应商 人工智能芯片是机器学习产业链的核心底层硬件，为机器学习应用提供算力基础。按技术架构的不同，人工智能芯片可分为GPU、ASIC、FPGA。 GPU具有软件生态齐全、并行计算能力强的特点，是现阶段深度学习训练的首选芯片。 GPU是一种具有大规模并行计算架构，专为同时处理多重任务而设计的芯片，其发展时间长，产品成熟，支持 CUDA统一架构、OpenCL架构等编程环境，编程语言成熟易用，便于开发者开发应用。此外，GPU的峰值计算能力强，处理速度可达CPU的10 至100倍，适用于并行计算大规模数据，可显著加快深度学习计算速度。 ASIC是全定制化的人工智能芯片，具有体积小、功耗低、通信效率高、计算速度快等特点。ASIC是为符合特定用户需求而定制的专用人工智能芯片，其计算能力和通信效率均可通过算法进行定制，专用化、定制化的设计将数据传输时间和数据等待时间压制到最低，显著提升芯片性能与运行速率。ASIC的主要类型包括TPU、BPU和NPU，其中，TPU为谷歌于2016年研发的专用于机器学习的ASIC芯片。 FPGA可灵活编译，处理效率高，适用于深度学习预测。FPGA指现场可编程门阵列，是在可编程器件的基础上进一步发展的半定制电路，其处理重复计算指令能力强，相比GPU,“CPU+FPGA”混合异构的功耗更低，运用于深度学习预测的效率更高，性能优势更突出。 现阶段，人工智能芯片市场由海外厂商主导，中国厂商的发展步伐逐步加快，但和海外头部厂商相比仍有明显差距。 海外头部厂商包括英伟达、英特尔、IBM、谷歌、微软、高通等，英伟达于2018年推出新一代GPU产品NVIDIATeslaV100，英特尔通过收购Altera、Nervana、eASIC、NetSpeedSystems等芯片组厂商布局人工智能芯片产品线，谷歌于2018年发布其第三代人工智能专用处理器TPU3.0，苹果于2018年发布的新款iphone手机均搭载了A12仿生芯