中國人工智能行業發展現狀及發展前景分析

2018-12-06 03:40

宏觀層面上對我國當前的人工智能產業鏈進行了梳理，并在此基礎上分析了我國人工智能產業鏈的基本特征。

一、人工智能的定義

目前，人工智能的定義主要集中于對人類思考的模擬以及理性的思考兩方面，尚無統一的定義。但從產業發展來看，當前人工智能都是立足于計算機的優勢，以人智能的部分特征（如事物分辨、語音對話等）為參照，研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統，并運用于各行各業之中。綜合來看，當前人工智能產業的主流是弱人工智能，以計算與感知為核心支撐技術。

關于人工智能的定義

二、人工智能產業鏈

人工智能產業鏈包括三層：基礎層、技術層和應用層。其中，基礎層為人工智能產業奠定網絡、算法、硬件鋪設、數據獲取等基礎；技術層以模擬人的智能相關特征為出發點，構建技術路徑；應用層集成一類或多類人工智能基礎應用技術，面向特定應用場景需求而形成的軟硬件產品或解決方案。

人工智能產業鏈

（一）基礎層

基礎層主要涉及數據的收集與運算，這是人工智能發展的基礎，主要包括AI芯片、傳感器、大數據與云計算。其中，傳感器及大數據主要負責數據的收集，而AI芯片和云計算負責運算。

1．AI芯片

AI芯片是人工智能的“大腦”，市場規模呈快速增長態勢。早期人工智能運算主要借助云計算平臺和傳統CPU相互結合的方式。但隨著深度學習等對大規模并行計算需求的提升，開始了針對AI專用芯片的研發。目前AI芯片主要類型有GPU（圖形處理器）、FPGA（現場可編輯門陣列）、ASIC（專用定制芯片）和類人腦芯片四種。預計至2021年，人工智能芯片市場有望達到111億美元，CAGR達20．99％。

AI芯片市場規模（資料來源：Gartner）

AI芯片技術發展呈現功能模仿與結構逼近兩個方向。GPU、FPGA及ASIC是從功能層面模仿大腦能力，而類腦芯片則是從結構層面去逼近大腦。雖然在結構上模仿大腦運算是AI芯片終極目標，但受制于技術上的限制，當前AI芯片主流產品是在功能層面上的模仿。

目前，GPU和FPGA等通用芯片是人工智能領域的主要芯片，但由于它們起初并非針對深度學習而設計，在性能與功耗等方面存在天然的缺陷。因此，針對神經網絡算法的專用芯片ASIC正被Intel、Google、英偉達和眾多初創公司陸續推出，有望在今后數年內取代當前的通用芯片成為人工智能芯片的主力。

我國AI芯片產業處于起步階段，但已呈現崛起之勢。目前我國專注于AI芯片的企業較少，且總體技術水平與發達國家有較大差距，高端芯片還主要依賴國外進口。但目前也涌現了景嘉微、寒武紀科技等一批明星創業企業。國產AI芯片的崛起不僅帶來計算能力的提升，同樣可以起到降低成本的作用。

我國典型AI芯片企業

2．云計算

傳統實現移動終端人工智能的方法是通過網絡把終端數據傳送至云端，云端計算后再把結果發回終端，例如蘋果的Siri服務。當前人工智能主要的計算平臺還是云計算。根據部署模式或服務形式的不同，云計算可分為基礎設施即服務（IAAS）、平臺即服務（PAAS）、軟件即服務（SAAS）三類。

IAAS，分為公有云、私有云和混合云三種形態，提供給客戶的服務是對基礎設施的使用，包括處理器、存儲和網絡等基本計算資源，用戶能夠部署和運行操作系統、應用軟件等程序。
PAAS，將軟件研發的平臺作為一種服務，用戶可以在此平臺研發、存儲各種軟件或應用程序。

SAAS，提供給客戶的服務是運行在基礎設施上的應用程序，用戶可以在各種設備上通過互聯網訪問，如瀏覽器。

云計算種類及代表性企業

（二）技術層

技術層是人工智能產業發展的核心。技術層主要依托基礎層的運算平臺和數據資源進行海量識別訓練和機器學習建模，以開發面向不同領域的應用技術，包括感知智能和認知智能。

其中，感知智能通過傳感器、搜索引擎和人機交互等實現人與信息的連接，獲得建模所需數據，如語音識別、圖像識別、自然語音處理和生物識別等；認知智能對獲取的數據進行建模運算，利用深度學習等類人腦的思考功能得出結果。可見，只有在技術層基礎上，人工智能才能夠掌握“看”與“聽”的基礎性信息輸入與處理能力，才能面向用戶演變出更多的應用型產品。
國內的人工智能技術層主要聚焦于計算機視覺、自然語言處理以及機器學習領域。

在計算機視覺領域，動靜態圖像識別和人臉識別是主要研究方向，目前由于動態檢測與識別的技術門檻限制，靜態圖像識別與人臉識別的研究暫時處于領先位置，代表企業如百度、曠視科技、格靈深瞳等。

自然語言處理包括語音與語義識別兩方面。語音識別的關鍵是基于大量樣本數據的識別處理，國內大多數語音識別技術商都在平臺化的方向上發力，以通過不同平臺以及軟硬件方面的數據和技術積累不斷提高識別準確率。在通用識別率上，各企業的成績基本維持在95％左右，真正差異化在于對垂直領域的定制化開發，代表企業如科大訊飛、思必馳、云知聲等。

機器學習目前重點謀求在算法領域實現突破，當前主流算法如深度神經網絡、卷積神經網絡及循環神經網絡等都需要構建龐大的神經元體系，投入非常大，因此該領域主要為互聯網巨頭公司布局。由于巨頭公司業務領域和戰略不同，機器學習側重方向也略有不同，各公司在基礎算法研究的同時也會注重在特定行業的應用，例如京東DNN實驗室研究神經網絡算法，但主要方向在智能客服領域。

技術層分類及其代表性企業

1 2 3 下一頁>