2022年机器学习行业发展报告.pptx

2022年机器学习行业发展报告汇报人姓名汇报日期12行业综述3行业发展环境目录4行业现状分析5CONTENTS行业竞争格局及趋势行业标杆企业行业定义机器学习行业综述行业产业链行业发展历程机器学习行业定义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:(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:产业链分析上游中游下游GPU、FPGA、ASIC、IaaS、PaaS、学术机构、人工智能应用公司机器学习框架、机器学习技术开放平台金融、教育、医疗、工业、零售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仿生芯片，IBM的人工智能团队于2018年利用大规模模拟存储器阵列训练深度神经网络，达到与GPU相当的精度。中国人工智能芯片厂商着重布局边缘端芯片产品，针对安防、自动驾驶、智能家居、物联网等领域的终端设备开发专用的人工智能芯片，代表厂商包括中星微、华为海思、瑞芯微、寒武纪、地平线、深鉴科技、云之声、旷视科技等，中国人工智能芯片市场以初创型厂商居多。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，其类型包括学术机构、数据外包服务公司、人工智能应用服务公司。学术机构通过自行采集、标注大量数据来建立学术研究数据库，以用于算法的创新性验证、学术竞赛等，该类数据库迭代速度慢，商业应用场景有限，典型代表有ImageNet。数据外包服务公司是最常见的大数据服务商类型，其业务类型包括出售现成数据训练集的使用授权以及根据用户特定需求提供数据采集、数据标注、数据转写等服务。人工智能应用服务公司同是大数据服务的需求方和供给方，除购买数据外包服务公司的相关服务外，人工智能应用服务公司还通过自建数据服务团队来构建自用数据库，部分人工智能应用服务公司将自建数据库包装成产品出售，大数据服务成为其业务板块之一。产业链上游中游的机器学习技术服务商是机器学习产业链的关键主体，其提供的服务包括机器学习基础开源框架以及机器学习技术开放平台。机器学习基础开源框架是构建机器学习模型的重要根基，市场中的机器学习基础开源框架产品繁多，市场竞争激烈，谷歌、亚马逊、Facebook等互联网巨头在机器学习基础开源框架领域具有领先优势。谷歌于2016年推出机器学习系统开源工具TensorFlow，适用于智能手机、大型数据中心服务器等各类硬件设备，市场关注度不断提升。MXNet是亚马逊的机器学习基础开源框架产品，其适用于Python，R，Julia，Scala，Javascript等语言，