【行业报告】36Kr-人工智能行研报告.docxVIP

人工智能行业研究报告 36氪研究院 2017.2 36Kr-人工智能行业研究报告 2017年2月 定义与研究范围 定义与研究范围 涵盖AI基础技术及终端产品 行业分析师曹婷 行业分析师 曹婷 caoting@36 相关研究报告： 《自动驾驶行业研 究报告》2017.2 《机器之眼，看懂世界：计算机视觉行业研究报告》2016.9 《科技炼金，融汇未来：金融科技行业研究报告》 2016.8 人工智能是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。作为一种基础技术，人工智能在很多行业都有用武之地。既有人工智能+基础行业的概念（如人工智能+金融 =Fintech），也有其具体应用行业的概念（比如机器人）。 按照技术应用的不同场景，可以将人工智能分为基础技术类及终端产品类，本报告研究范围涵盖以下领域： 芯片计算机视觉 芯片 计算机视觉 语音识别 基础技术 语义识别 终端产品 智能金融 智能医疗 智能家居 智能安防 机器人 注释：自动驾驶行业是AI的一个重要分支，关于该领域的研究讨论请参见36氪研究院系列报告《自动驾驶行业研究报告》。 研究目的： 本报告将集中探讨： 人工智能行业整体的发展现状与技术发展趋势 各细分领域投融资热度与技术成熟度 巨头在人工智能领域的布局与策略 各应用领域市场规模、竞争格局、进入壁垒、产业链上下游构成 行业标杆的商业模式、核心竞争力、未来发展预期 2 目 录 目 录 Contents 一、人工智能行业驱动力 一、人工智能行业概述 一、人工智能行业驱动力 行业驱动——数据量、运算力、算法技术 政策法规 投资热度 国际投资热度分析国内投资热度分析 国内公司运营数据分析 二、人工智能产业链与巨头布局分析 产业链构成 巨头布局 开源平台布局芯片布局 技术布局 三、人工智能基础应用介绍与典型公司分析 语音识别 语义识别 计算机视觉 六、人工智能芯片介绍与典型公司分析 四、人工智能芯片介绍与典型公司分析 六、人工智能芯片介绍与典型公司分析 人工智能芯片适用性分析 人工智能芯片产业链分析 人工智能芯片典型公司分析  GPU FPGA ASIC 五、人工智能在各行业的应用介绍与典型公司分析 机器人 AI+金融 AI+医疗 AI+安防 AI+家居 六、人工智能行业趋势展望 人工智能各行业综述 人工智能当前发展瓶颈 CHAPTER 1 人工智能行业概述 行业驱动——数据量、运算力、算法技术 政策法规 投资热度 国际投资热度分析国内投资热度分析 国内公司运营数据分析 36Kr-人工智能行业研究报告2017年2月 36Kr-人工智能行业研究报告 2017年2月 PAGE PAGE 6 行业驱动 数据量 运 算 力 算法技术 政策法规 投资热度 全球投资热度国内投资热度 国内公司运营数据分析  行业驱动力 · 数据量 行业驱动力 · 数据量 海量数据为人工智能发展提供燃料 数据量、运算力和算法模型是影响人工智能行业发展的三大要素。2000年之后，数据量的上涨、运算力的提升和深度学习算法的出现极大的促进了人工智能行业的发展。 海量数据为人工智能发展提供燃料 要理解数据量的重要性，得先从算法说起。数据量和算法可以分别 比作人工智能的燃料和发动机。算法是计算机基于所训练的数据集 归纳出的识别逻辑，好的算法模型可以实现精准的物体和场景识别。数据集的丰富性和大规模性对算法训练尤为重要。因此可以说，实 现机器精准视觉识别的第一步，就是获取海量而优质的应用场景数 据。以人脸识别为例，训练该算法模型的图片数据量至少应为百万 级别。 训练模型 应用于具体场景 场景应用大数据 算法模型 场景应用 2000年以来，得益于互联网、社交媒体、移动设备和廉价的传感器， 这个世界产生并存储的数据量急剧增加，这为通过深度学习的方法 来训练计算机视觉技术提供很好的土壤。IDC数据显示，从2011年起，全球所产生的数据量已达到ZB级别（1ZB约为10亿GB )，海量的数据将为计算机视觉算法模型提供远远不断的素材。而关于数据量对提高算法准确率方面的重要性，更有学者提出：“It’s not who has the best algorithm that wins. It’s who has the most data. ” 2009-2020年全球总体数据量（单位：ZB） 50 40 30 20 10  100% 90% 80% 70% 准确率60% 准确率 50% 40% 30% 20% 10% 0% 数据量与准确率之间的关系  测试字符数量 0 2009  2020 100 200 300 400 500