1.未來(lái)已來(lái)，人工智能時(shí)代開(kāi)啟
1.1弱人工智能已加速滲透，強(qiáng)人工智能并不遙遠(yuǎn)
根據(jù)傳統(tǒng)認(rèn)知科學(xué)的研究成果，智能包含以下幾種能力：1）感知能力。感知能力即對(duì)外界情況的感受與認(rèn)知，其中包含兩種處理方式：一種是面對(duì)簡(jiǎn)單或緊急情況，可不經(jīng)大腦思考進(jìn)行本能反應(yīng)與應(yīng)對(duì)。另一種是面對(duì)復(fù)雜情況，需要經(jīng)大腦皮層進(jìn)行處理與思考后，做出反應(yīng)與應(yīng)對(duì)；2）記憶與思維能力。其中，記憶是對(duì)感知到的外界信息或由思維產(chǎn)生的內(nèi)部知識(shí)的存儲(chǔ)過(guò)程，思維是對(duì)所存儲(chǔ)的信息或知識(shí)的本質(zhì)屬性、內(nèi)部規(guī)律等的認(rèn)識(shí)過(guò)程；3）學(xué)習(xí)和自適應(yīng)能力。能通過(guò)學(xué)習(xí)和自適應(yīng)進(jìn)行智能思維能力進(jìn)化是人類(lèi)智能的重要體現(xiàn)；4）決策與行為能力。即通過(guò)對(duì)信息或知識(shí)判別后，進(jìn)行主觀決策與行為。
圖1：智能具體包含四種能力
人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專(zhuān)家系統(tǒng)等。人工智能產(chǎn)品背后的數(shù)據(jù)、軟件及算法等是人工智能的核心要素，而包括機(jī)器人、語(yǔ)音助手等在內(nèi)的軟硬件產(chǎn)品僅是人工智能的載體。
人工智能的概念很寬泛，可將人工智能依據(jù)實(shí)力劃分為三類(lèi)：
1）弱人工智能：僅擅長(zhǎng)某個(gè)單方面應(yīng)用的人工智能，超出特定領(lǐng)域外則無(wú)有效解；
2）強(qiáng)人工智能：人類(lèi)級(jí)別的人工智能，在各方面都能和人類(lèi)比肩，且無(wú)法簡(jiǎn)單進(jìn)行人類(lèi)與機(jī)器的區(qū)分；
3）超人工智能：在各個(gè)領(lǐng)域均可以超越人類(lèi)，在創(chuàng)新創(chuàng)造、創(chuàng)意創(chuàng)作領(lǐng)域均可超越人類(lèi)，可解決任何人類(lèi)無(wú)法解決的問(wèn)題。
我們認(rèn)為，從目前人工智能的應(yīng)用場(chǎng)景來(lái)看，當(dāng)前人工智能仍是以特定應(yīng)用領(lǐng)域?yàn)橹鞯娜跞斯ぶ悄�，如圖像識(shí)別、語(yǔ)音識(shí)別等生物識(shí)別分析，如智能搜索、智能推薦、智能排序等智能算法等。而未來(lái)隨著運(yùn)算能力、數(shù)據(jù)量的大幅增長(zhǎng)以及算法的提升，弱人工智能將逐步向強(qiáng)人工智能轉(zhuǎn)化，機(jī)器智能將從感知、記憶和存儲(chǔ)向認(rèn)知、自主學(xué)習(xí)、決策與執(zhí)行進(jìn)階。
圖2：人工智能分類(lèi)與應(yīng)用場(chǎng)景
1.2人工智能發(fā)展歷經(jīng)波折，現(xiàn)已進(jìn)入加速爆發(fā)期
人工智能發(fā)展歷經(jīng)波折，歷史上經(jīng)歷過(guò)2次低谷。傳統(tǒng)人工智能受制于計(jì)算能力，并沒(méi)能完成大規(guī)模的并行計(jì)算和并行處理，人工智能系統(tǒng)的能力較差。2006年，Hinton教授提出“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)使得人工智能性能獲得突破性進(jìn)展，進(jìn)而促使人工智能產(chǎn)業(yè)又一次進(jìn)入快速發(fā)展階段。
表1：人工智能發(fā)展歷程
其中，谷歌AlphaGO戰(zhàn)勝李世石九段對(duì)業(yè)界產(chǎn)生的轟動(dòng)效應(yīng)最大。AlphaGo是一款基于深度學(xué)習(xí)技術(shù)研究開(kāi)發(fā)的圍棋人工智能程序這個(gè)程序利用“價(jià)值網(wǎng)絡(luò)”去計(jì)算局面，用“策略網(wǎng)絡(luò)”去選擇下子。2015年10月阿爾法圍棋以5：0完勝歐洲圍棋冠軍、職業(yè)二段選手樊麾。為了測(cè)試阿爾法圍棋的水平，谷歌于2016年3月份向圍棋世界冠軍、韓國(guó)頂尖棋手李世石發(fā)起挑戰(zhàn)，并以4：1的總比分獲勝。AlphaGO與傳統(tǒng)圍棋程序最大的區(qū)別在于其利用深度學(xué)習(xí)方法進(jìn)行訓(xùn)練，AlphaGo學(xué)習(xí)了3000萬(wàn)步人類(lèi)實(shí)戰(zhàn)的圍棋下法，學(xué)習(xí)完畢后，可以通過(guò)“左右互博”，自己跟自己下棋，在下了幾千盤(pán)棋局后，AlphaGo能從這些棋局中學(xué)習(xí)新的圍棋策略，這個(gè)過(guò)程被Deep-Mind稱(chēng)為“強(qiáng)化學(xué)習(xí)”。正是由于深度學(xué)習(xí)方法的引入，谷歌AlphaGO才能迅速躋身頂尖圍棋高手水平。
1.3算法層、硬件層、數(shù)據(jù)層均實(shí)現(xiàn)突破，人工智能加速爆發(fā)
1.3.1深度學(xué)習(xí)推動(dòng)人工智能邁上新臺(tái)階
深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，是由Hinton等人在2006年提出，主要機(jī)理是通過(guò)深層神經(jīng)網(wǎng)絡(luò)算法來(lái)模擬人的大腦學(xué)習(xí)過(guò)程，希望借鑒人腦的多層抽象機(jī)制來(lái)實(shí)現(xiàn)對(duì)現(xiàn)實(shí)對(duì)象或數(shù)據(jù)的機(jī)器化語(yǔ)言表達(dá)。深度學(xué)習(xí)是通過(guò)大量的簡(jiǎn)單神經(jīng)元組成，每層的神經(jīng)元接收更低層神經(jīng)元的輸入，通過(guò)輸入與輸出的非線性關(guān)系將低層特征組合成更高層的抽象表示，直至完成輸出。
圖3：深度學(xué)習(xí)模型
傳統(tǒng)機(jī)器學(xué)習(xí)為了進(jìn)行某種模式的識(shí)別，通常的做法首先是以某種方式，提取這個(gè)模式中的特征。在傳統(tǒng)機(jī)器模型中，良好的特征表達(dá)，對(duì)最終算法的準(zhǔn)確性起了非常關(guān)鍵的作用，且識(shí)別系統(tǒng)的計(jì)算和測(cè)試工作耗時(shí)主要集中在特征提取部分，特征的提取方式有時(shí)候是人工設(shè)計(jì)或指定的，主要依靠人工提取。
與傳統(tǒng)機(jī)器學(xué)習(xí)不同的是，深度學(xué)習(xí)提出了一種讓計(jì)算機(jī)自動(dòng)學(xué)習(xí)出模式特征的方法，并將特征學(xué)習(xí)融入到了建立模型的過(guò)程中，從而減少了人為設(shè)計(jì)特征造成的不完備性。而目前以深度學(xué)習(xí)為核心的某些機(jī)器學(xué)習(xí)應(yīng)用，在滿足特定條件的應(yīng)用場(chǎng)景下，已經(jīng)達(dá)到了超越現(xiàn)有算法的識(shí)別或分類(lèi)性能。
深度學(xué)習(xí)直接嘗試解決抽象認(rèn)知的難題，并取得了突破性的進(jìn)展。深度學(xué)習(xí)的提出、應(yīng)用與發(fā)展，無(wú)論從學(xué)術(shù)界還是從產(chǎn)業(yè)界來(lái)說(shuō)均將人工智能帶上了一個(gè)新的臺(tái)階，將人工智能產(chǎn)業(yè)帶入了一個(gè)全新的發(fā)展階段。
1.3.2計(jì)算成本指數(shù)級(jí)下降，GPU加速發(fā)展為深度學(xué)習(xí)奠定計(jì)算基礎(chǔ)
英特爾創(chuàng)始人之一戈登〃摩爾于1975年開(kāi)創(chuàng)性的提出摩爾定律，即當(dāng)價(jià)格不變時(shí)，集成電路上可容納的晶體管數(shù)目約每隔18個(gè)月便會(huì)增加一倍，性能也將提升一倍。計(jì)算成本的極速下降也為人工智能加速發(fā)展提供可能。
未來(lái)科學(xué)家Kurzweil對(duì)人腦進(jìn)行估算，得到的人腦運(yùn)算速度估算值是10^16cps（calculationspersecond，每秒計(jì)算次數(shù)，描述運(yùn)算能力的單位），也就是1億億次計(jì)算每秒。現(xiàn)在最快的超級(jí)計(jì)算機(jī)，中國(guó)的天河二號(hào)，其實(shí)已經(jīng)超過(guò)這個(gè)運(yùn)算力了，天河每秒能進(jìn)行3.4億億，但由于天河二號(hào)占地大、造價(jià)高、運(yùn)行成本高等特點(diǎn)注定難以廣泛應(yīng)用。根據(jù)Kurzweil的觀點(diǎn)，認(rèn)為當(dāng)1000美元能買(mǎi)到人腦級(jí)別的1億億運(yùn)算能力的時(shí)候，強(qiáng)人工智能可能成為生活中的一部分。
圖4：1000美元能買(mǎi)到的計(jì)算能力呈指數(shù)級(jí)增長(zhǎng)
在深度學(xué)習(xí)模型中，矢量化編程是提高算法速度的一種有效方法。深層模型的算法，如BP，Auto-Encoder，CNN等，都可以寫(xiě)成矢量化的形式。然而，在單個(gè)CPU上執(zhí)行時(shí)，矢量運(yùn)算會(huì)被展開(kāi)成循環(huán)的形式，本質(zhì)上還是串行執(zhí)行。隨著人工智能的不斷發(fā)展，基于深度學(xué)習(xí)模型的算法對(duì)大規(guī)模并行計(jì)算能力的需求不斷增加，CPU不再能很好地滿足科學(xué)家們對(duì)于并行計(jì)算能力的需求，而GPU天然強(qiáng)大的并行計(jì)算能力被科學(xué)家們充分挖掘，GPU逐漸從由若干專(zhuān)用的固定功能單元組成的專(zhuān)用并行處理器向以通用計(jì)算資源為主，固定功能單元為輔的架構(gòu)轉(zhuǎn)變。
圖5：CPU和GPU邏輯架構(gòu)對(duì)比
而GPU則與CPU存在明顯區(qū)別，GPU的眾核體系結(jié)構(gòu)包含幾千個(gè)流處理器，可將矢量運(yùn)算并行化執(zhí)行，大幅縮短計(jì)算時(shí)間。隨著NVIDIA、AMD等公司不斷推進(jìn)其GPU的大規(guī)模并行架構(gòu)支持，面向通用計(jì)算的GPU已成為加速可并行應(yīng)用程序的重要手段。得益于GPU眾核體系結(jié)構(gòu)，程序在GPU系統(tǒng)上的運(yùn)行速度相較于單核CPU往往提升幾十倍乃至上千倍。
利用GPU來(lái)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，可以充分發(fā)揮其數(shù)以千計(jì)計(jì)算核心的高效并行計(jì)算能力，在使用海量訓(xùn)練數(shù)據(jù)的場(chǎng)景下，所耗費(fèi)的時(shí)間大幅縮短，占用的服務(wù)器也更少。如果對(duì)針對(duì)適當(dāng)?shù)纳疃壬窠?jīng)網(wǎng)絡(luò)進(jìn)行合理優(yōu)化，一塊GPU卡可相當(dāng)于數(shù)十甚至上百臺(tái)CPU服務(wù)器的計(jì)算能力，因此GPU已經(jīng)成為業(yè)界在深度學(xué)習(xí)模型訓(xùn)練方面的首選解決方案。
圖6：GPU與CPU性能與帶寬對(duì)比
1.3.3數(shù)據(jù)量爆炸，為深度學(xué)習(xí)奠定數(shù)據(jù)基礎(chǔ)
人類(lèi)大腦在進(jìn)化中是一個(gè)不斷學(xué)習(xí)、吸收理解與自我完善的過(guò)程，經(jīng)歷了歷史積淀知識(shí)的學(xué)習(xí)、吸收與理解掌握過(guò)程，完成大腦意識(shí)進(jìn)階過(guò)程。而深度學(xué)習(xí)則是利用機(jī)器算法模擬人腦對(duì)歷史知識(shí)學(xué)習(xí)、吸收與理解并掌握運(yùn)用的訓(xùn)練過(guò)程，因此數(shù)據(jù)量的豐富程度決定了是否有充足數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，進(jìn)而使人工智能系統(tǒng)經(jīng)過(guò)深度學(xué)習(xí)訓(xùn)練后達(dá)到強(qiáng)人工智能水平。因此，能否有足夠多的數(shù)據(jù)對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行深度訓(xùn)練，提升算法有效性是人工智能能否達(dá)到類(lèi)人或超人水平的決定因素之一。
近年來(lái)，隨著移動(dòng)設(shè)備滲透率的逐步提升，全球數(shù)據(jù)量加速爆發(fā)。據(jù)國(guó)際數(shù)據(jù)資訊公司估測(cè)，數(shù)據(jù)數(shù)量一直在快速增加，這個(gè)速度不僅是指數(shù)據(jù)流的增長(zhǎng)，而且還包括全新的數(shù)據(jù)種類(lèi)的增多。據(jù)統(tǒng)計(jì)，2013年全球產(chǎn)生的數(shù)據(jù)達(dá)到3.5ZB，到2020年產(chǎn)生的數(shù)量將增至44ZB，CAGR達(dá)到43.57%。
圖7：全球產(chǎn)生的數(shù)據(jù)量快速增長(zhǎng)
我們認(rèn)為，深度學(xué)習(xí)的根本是能否有足夠多的數(shù)據(jù)對(duì)人工智能系統(tǒng)進(jìn)行訓(xùn)練，隨著移動(dòng)互聯(lián)網(wǎng)的爆發(fā)，數(shù)據(jù)量指數(shù)級(jí)的增長(zhǎng)，這都為利用大數(shù)據(jù)進(jìn)行深度學(xué)習(xí)提供了可能。因此，在DT時(shí)代，大數(shù)據(jù)在知識(shí)解析、機(jī)器智能與人類(lèi)智能協(xié)調(diào)工作及智能分析系統(tǒng)中將會(huì)扮演要角色，在大數(shù)據(jù)的支撐下，人工智能應(yīng)用也將變的更加廣泛，大數(shù)據(jù)將支撐人工智能產(chǎn)業(yè)爆發(fā)。
2.資本層加速爆發(fā)，推動(dòng)人工智能產(chǎn)業(yè)發(fā)展
科技巨頭在人工智能領(lǐng)域的布局始終領(lǐng)先，以Google為例，其在2014年斥巨資收購(gòu)的DeepMind公司，后者在2015年開(kāi)發(fā)出的基于深度學(xué)習(xí)模型的圍棋程序AlphaGo先是在2015年擊敗歐洲冠軍樊麾二段，后又于2016年3月?lián)魯∈澜绻谲娎钍朗哦巍ｏ@示出人工智能在圍棋領(lǐng)域的強(qiáng)大實(shí)力，也在一定程度上引發(fā)社會(huì)對(duì)人工智能的關(guān)注。除Google外，F(xiàn)acebook在人工智能領(lǐng)域也較為領(lǐng)先，其在圖像識(shí)別、機(jī)器圍棋等領(lǐng)域也在不斷投入。國(guó)內(nèi)互聯(lián)網(wǎng)廠商諸如百度、騰訊，同樣在人工智能領(lǐng)域加大投入，持續(xù)布局人工智能領(lǐng)域。
表2：國(guó)內(nèi)外巨頭“人工智能”大事記
除互聯(lián)網(wǎng)巨頭外，敏銳的資本方也在積極布局人工智能領(lǐng)域，近年來(lái)風(fēng)投不斷加大對(duì)人工智能初創(chuàng)企業(yè)的投資，持續(xù)布局人工智能這個(gè)重要“風(fēng)口”。根據(jù)VentureScanner統(tǒng)計(jì)數(shù)據(jù)，近年來(lái)全球人工智能領(lǐng)域的投資金額已成爆發(fā)增長(zhǎng)態(tài)勢(shì)。
2014年人工智能企業(yè)融資總量首次超過(guò)10億美金，2015年融資總量更是超過(guò)12億美金。2016年前三個(gè)月的不完全統(tǒng)計(jì)顯示，全球在人工智能領(lǐng)域的投資已經(jīng)超過(guò)4億美金。
圖8：全球人工智能投資金額
根據(jù)VentureScanner統(tǒng)計(jì)，從人工智能投資分布情況看，機(jī)器學(xué)習(xí)（應(yīng)用）分類(lèi)以263家公司的數(shù)量遙遙領(lǐng)先，自然語(yǔ)言處理公司以154的數(shù)量位列第二，通用計(jì)算機(jī)視覺(jué)排名第四。從資本方的投資意愿看，對(duì)機(jī)器學(xué)習(xí)、自然語(yǔ)言理解、計(jì)算機(jī)視覺(jué)等技術(shù)與應(yīng)用關(guān)注度較高。
圖9：人工智能領(lǐng)域投資分布
我們認(rèn)為，巨頭的加入、資本的持續(xù)布局在一定程度上印證了人工智能行業(yè)的火爆，雖短期看人工智能仍處于大規(guī)模投入期，短期內(nèi)較難變現(xiàn)，但未來(lái)人工智能應(yīng)用于無(wú)人駕駛汽車(chē)、輔助診斷、刑偵監(jiān)測(cè)等領(lǐng)域?qū)?huì)產(chǎn)生巨大的商業(yè)價(jià)值和社會(huì)價(jià)值，資本層面的爆發(fā)將持續(xù)帶動(dòng)人工智能行業(yè)加速爆發(fā)。
3.產(chǎn)業(yè)鏈明晰，市場(chǎng)空間巨大
3.1人工智能產(chǎn)業(yè)鏈明晰
人工智能產(chǎn)業(yè)鏈可簡(jiǎn)單劃為三層，即底層基礎(chǔ)層、中間層技術(shù)層與上層應(yīng)用層。其中，1）基礎(chǔ)層包含硬件存儲(chǔ)與計(jì)算資源和數(shù)據(jù)資源等，GPU芯片、云計(jì)算平臺(tái)、傳感器、數(shù)據(jù)等均包含在此層中；2）技術(shù)層包含算法、模型平臺(tái)，感知智能算法、認(rèn)知智能算法等均在此層中；3）應(yīng)用層包含硬件產(chǎn)品和軟件與服務(wù)，硬件中包含無(wú)人機(jī)、機(jī)器人及其他智能硬件等，軟件與服務(wù)包含語(yǔ)音輸入法、虛擬助手、自動(dòng)駕駛及智能安防等。
圖10：人工智能產(chǎn)業(yè)鏈
從目前的發(fā)展情況看，算法層為人工智能產(chǎn)業(yè)鏈的核心，支撐上層應(yīng)用的發(fā)展，目前感知智能已加速發(fā)展，認(rèn)知智能為人工智能在算法層面的下一個(gè)突破方向。而底層基礎(chǔ)層中的數(shù)據(jù)能力與計(jì)算能力主要的發(fā)展方向?yàn)榈统杀九c小型化，數(shù)據(jù)采集的發(fā)展方向?yàn)槎鄻踊�，移�?dòng)互聯(lián)網(wǎng)的發(fā)展已經(jīng)為產(chǎn)業(yè)積累了一定的數(shù)據(jù)，未來(lái)隨著物聯(lián)網(wǎng)的發(fā)展將積累更多的環(huán)境與行為層面數(shù)據(jù)，豐富數(shù)據(jù)構(gòu)成。應(yīng)用層主要與各垂直行業(yè)結(jié)合開(kāi)發(fā)深度人工智能應(yīng)用。
表3：人工智能發(fā)展三個(gè)階段
隨著計(jì)算機(jī)、互聯(lián)網(wǎng)與移動(dòng)互聯(lián)網(wǎng)等網(wǎng)絡(luò)技術(shù)的發(fā)展，基于計(jì)算機(jī)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)在數(shù)據(jù)生成、采集、存儲(chǔ)、計(jì)算等環(huán)節(jié)的突破，推進(jìn)人工智能發(fā)展。
圖11：不同發(fā)展階段數(shù)據(jù)處理與應(yīng)用流程
3.2基礎(chǔ)層相對(duì)成熟，認(rèn)知智能尚待突破
目前，全球人工智能產(chǎn)業(yè)在基礎(chǔ)層發(fā)展已相對(duì)成熟，1）計(jì)算能力方面。目前云計(jì)算+大規(guī)模GPU并行計(jì)算的計(jì)算方式已較為成熟，本地化高性能運(yùn)算芯片也在加速發(fā)展中；2）數(shù)據(jù)層面�；ヂ�(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的發(fā)展為人工智能發(fā)展積累了海量數(shù)據(jù)，目前此類(lèi)數(shù)據(jù)已能支撐技術(shù)開(kāi)發(fā)與應(yīng)用開(kāi)發(fā)。近期，物聯(lián)網(wǎng)標(biāo)準(zhǔn)統(tǒng)一，未來(lái)物聯(lián)網(wǎng)發(fā)展在行為、環(huán)境層獲取并積累更為全面和豐富的數(shù)據(jù)，支撐人工智能應(yīng)用開(kāi)發(fā)。
而與基礎(chǔ)層相對(duì)應(yīng)的是，目前人工智能在技術(shù)開(kāi)發(fā)與應(yīng)用層面仍有較大的發(fā)展空間。目前在人工智能的應(yīng)用主要在感知層面，如聲音、圖像等，感知層技術(shù)儲(chǔ)備相對(duì)豐富，而在認(rèn)知層仍未能獲得大幅突破，諸如無(wú)人駕駛、全自動(dòng)智能機(jī)器人等仍處于開(kāi)發(fā)中，與大規(guī)模應(yīng)用仍有一定距離。
圖12：2015年GartnerAI相關(guān)技術(shù)成熟度曲線
從我國(guó)目前人工智能產(chǎn)業(yè)發(fā)展情況看，我國(guó)互聯(lián)網(wǎng)巨頭、創(chuàng)業(yè)公司在人工智能基礎(chǔ)層、技術(shù)層與應(yīng)用層的參與熱情均較高，產(chǎn)業(yè)鏈各環(huán)節(jié)均已涌現(xiàn)出龍頭公司。在基礎(chǔ)層中，有百度、阿里為代表的互聯(lián)網(wǎng)巨頭也有數(shù)據(jù)堂為代表的專(zhuān)業(yè)化數(shù)據(jù)公司；技術(shù)層中，百度在機(jī)器學(xué)習(xí)、語(yǔ)音識(shí)別與視覺(jué)方面均有較深布局，此外如曠視科技、科大訊飛等也分別在其垂直領(lǐng)域有叫深厚的技術(shù)儲(chǔ)備積累；應(yīng)用層中，虛擬助手、智能客服、BI與語(yǔ)音識(shí)別和圖像識(shí)別等軟件與服務(wù)產(chǎn)品較為豐富，硬件產(chǎn)品中諸如服務(wù)機(jī)器人、教育機(jī)器人等產(chǎn)品也處于快速發(fā)展中。
從艾瑞咨詢發(fā)布的中國(guó)人工智能產(chǎn)業(yè)全景圖看，我國(guó)人工智能產(chǎn)業(yè)目前發(fā)展現(xiàn)狀與國(guó)外類(lèi)似，在基礎(chǔ)層與感知智能技術(shù)方面積累較為深厚，圖像識(shí)別、語(yǔ)音識(shí)別等感知層技術(shù)與應(yīng)用發(fā)展較為完善，而在諸如認(rèn)知智能技術(shù)開(kāi)發(fā)與應(yīng)用方面尚未找到突破口。
圖13：中國(guó)人工智能產(chǎn)業(yè)全景圖
3.3市場(chǎng)空間大，下游應(yīng)用前景廣闊
根據(jù)Tractica的預(yù)測(cè)數(shù)據(jù)，2016年全球人工智能收入預(yù)計(jì)將達(dá)到6.437億美元，到2025年將增長(zhǎng)至368億美元。根據(jù)艾瑞咨詢預(yù)測(cè)數(shù)據(jù)，2015年我國(guó)人工智能市場(chǎng)規(guī)模約為12億人民幣，其中語(yǔ)音識(shí)別和視覺(jué)識(shí)別占比分別約為60%和12.5%，其他約占27.5%，預(yù)計(jì)到2020年，中國(guó)AI市場(chǎng)規(guī)模將達(dá)到91億人民幣。
圖14：全球人工智能產(chǎn)業(yè)規(guī)模
我們認(rèn)為，目前人工智能應(yīng)用尚不完善，以國(guó)內(nèi)市場(chǎng)為例，商業(yè)模式主要集中在License授權(quán)、項(xiàng)目等模式中，應(yīng)用也多局限在以語(yǔ)音識(shí)別、語(yǔ)義理解為核心的智能客服、語(yǔ)音助手等及以人臉識(shí)別為代表的門(mén)禁、打卡及安防領(lǐng)域。由于目前人工智能技術(shù)主要應(yīng)用感知智能技術(shù)，因此市場(chǎng)空間尚未打開(kāi)，預(yù)計(jì)隨著諸如無(wú)人駕駛汽車(chē)等認(rèn)知智能技術(shù)的加速突破與應(yīng)用，人工智能市場(chǎng)將加速爆發(fā)，未來(lái)人工智能+汽車(chē)、人工智能+醫(yī)療等產(chǎn)業(yè)均將創(chuàng)造巨大的商業(yè)價(jià)值。
核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴(lài)品牌。
轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
本文標(biāo)題：2016年人工智能產(chǎn)業(yè)專(zhuān)題研究報(bào)告
本文網(wǎng)址：http://www.ezxoed.cn/html/support/11121820314.html
相關(guān)文章
