2017年人工智能行业发展前景预测研究咨询分析报告
- 格式：docx
- 大小：2.51 MB
- 文档页数：16
2017年人工智能行业发展前景分析报告(此文档为word格式，可任意修改编辑！）2017年9月正文目录1.人工智能成为国家级战略布局空前，有望实现跳跃式发展 (4)1.1.人工智能上升为国家战略，政策落地速度超预期 (4)1.2.人工智能产业投资规模持续增长 (7)2.软硬件基础逐渐成熟，应用场景不断扩张 (9)2.1.AI芯片领域井喷发展，终端+云端协作成为趋势 (9)2.1.1.AI芯片纷纷涌现，AI-PU有望成为未来趋势 (9)2.1.2.首个大批量应用的终端AI芯片麒麟970粉墨登场 (12)2.2.行业应用加速，关注计算机视觉、智能医疗、零售、无人驾驶进展. 13 2.2.1.人工智能技术持续进步，行业应用加速 (13)2.2.2. 阿里亮相无人超市指出新场景 (14)3.政策资本投入力度超预期，产业有望迎来加速发展 (16)4.风险提示 (16)图目录图 1：人工智能的百度搜索指数 (4)图 2：人工智能发展规划三步走 (6)图 3：旧金山湾区AI融资高速增长 (8)图 4：国内AI融资高速增长 (8)图 5：当前人工智能产业应用芯片类型和代表厂商 (10)图 6：基于深度网络的应用Prisma (12)图 7：计算机视觉技术在2015年已经超越人类水平，迎来广泛应用 (14)图 8：无人超市 (15)表目录表 1：近期涉及人工智能重要文件整理 (5)表 2：《新一代人工智能发展规划》提及的政策手段 (7)表 3：人工智能重要领域融资状况 (9)表 4：AI芯片领域近期的重要突破 (11)表 5：2017年7月部分人工智能应用场景进展 (13)1.人工智能成为国家级战略布局空前，有望实现跳跃式发展人工智能在过去的一年里受到了市场广泛关注。
代表草根关注度的人工智能百度搜索指数渐渐走高，表明影响大大提高，吸引了大量的新增关注者，同时脉冲的波动显著减弱，这意味着对人工智能的关注开始超出以AlphaGo为代表的个别事件因素主导。
从行业发展的角度来看，这段时间里人工智能行业的政策、规模、发展进程都发生了重大变化，人工智能行业迎来新局面。
图 1：人工智能的百度搜索指数1.1.人工智能上升为国家战略，政策落地速度超预期国内政府对于人工智能行业的政策支持力度越来越大。
回顾相关文件，人工智能从作为互联网和新兴技术一部分被提及，到成为重点阐述和关注的关键技术，再到被放到国家战略层面高度关注，作为未来国家间竞争的技术高地，人工智能越发得到政府重视和政策支持。
表 1：近期涉及人工智能重要文件整理2017年7月《新一代人工智能发展规划》发布，人工智能上升到国家战略。
《新一代人工智能发展规划》里，国家明确对人工智能发展指出分三步走的目标，以全面支撑科技、经济、社会发展和国家安全。
第一步，到2020年人工智能产业竞争力进入国际第一方阵。
初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。
第二步，到2025年人工智能产业进入全球价值链高端。
新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。
第三步，到2030年人工智能产业竞争力达到国际领先水平。
人工智能在生产生活、社会治理、国防建设各方面应用的广度深度极大拓展，形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。
图 2：人工智能发展规划三步走发展规划在广阔的领域做出了明确的支持政策，力度和落地速度超出预期。
在涉及领域上，对基础理论、算法、基础设施、设备、行业应用等做了全面覆盖；在细分政策上，政府从资金和人才等资源配臵和法律法规、伦理等保障措施做出了规划；在具体手段上，以组织领导、保障落实、试点示范、舆论引导等全面支持人工智能发展。
这样的政策大大超出预期，例如保障措施中不是很显眼的一条广泛开展人工智能科普活动，实际上就包含了在中小学开展相关课程。
表 2：《新一代人工智能发展规划》提及的政策手段人工智能政策未来有望受到更多政策落地支持。
中短期来看，人工智能技术与机器人和大数据的联系，将会大幅拓宽传统产业的互联网之路，与我国产业结构调整升级方向高度重合。
而放眼长远，人工智能是关系到国家经济转型和国家安全的支撑性技术，是目前最可能的产业革命机会，而中国在人工智能的众多领域与国际先进水平起点差距不大并有着数据等优势，这有望成为带来国运的国际产业洗牌机会。
发展人工智能会成为我国长期的科技重点战略发展方向，有望获得更多的政策落地支持。
1.2.人工智能产业投资规模持续增长过去一年左右的时间里人工智能产业规模迎来爆发。
人工智能市场跨度大，衡量全局发展的数据上，一级融资市场是反映行业活力和发展状况的较具可比性的指标。
2016年中，尽管新增AI企业数目出现回落，但国际主要AI企业聚集的旧金山湾区以及中国国内融资金额和融资次数都在去年保持了高速增长，根据今年已有的一些融资来看，融资额今年预计将继续爆发增长。
除了一级市场融资的资本活动，并购和新增相关业务部门等事件也频繁发生，谷歌、英特尔、苹果等巨头抓紧布局相关产业，并购已成为市场的热门，特别是英特尔2017年153亿美元天价收购智能驾驶摄像头解决方案领先厂商Mobileye具有标志性意义，资本市场热度高涨。
图 3：旧金山湾区AI融资高速增长图 4：国内AI融资高速增长从细分领域来看，人工智能在融资上全面开花。
包括芯片、技术平台等基础性技术，自然语言处理、语音识别、机器学习应用、计算机视觉与图像等人工智能应用，智能无人机、智能机器人、自动驾驶等重点行业应用都有频繁的融资和并购，研发和应用都取得了一定进展。
表 3：人工智能重要领域融资状况2.软硬件基础逐渐成熟，应用场景不断扩张2.1.AI芯片领域井喷发展，终端+云端协作成为趋势2.1.1.AI芯片纷纷涌现，AI-PU有望成为未来趋势人工智能通用计算方案存在缺陷，多种方案试图弥补。
随着人工智能计算需求的增长，通用计算方案开始表现出自身的瓶颈，当前占据人工智能训练芯片市场绝对优势的“CPU+GPU”计算方案中，主机或控制器总是在CPU上运行， GPU 必须等CPU的指令，而且GPU的运算方式也没有针对AI优化，因此尽管对神经网络支持的通用性较好，但这种异构计算运算效率和能耗上有很大的提高空间。
FPGA 和 ASIC分别对应两种解决问题的想法，FPGA允许后续以软件方式实现较灵活的调整，优点是运算较高效且灵活，运算延迟效果好于GPU，缺点是单片成本较贵且单位算力价格高于GPU；ASIC意为为专门目的而设计的集成电路，并不只针对AI芯片，在AI芯片设计中的解决方案为在设计时就专门针对神经网络的运算优化，这样针对设计的电路运算速度和能耗都更好，缺点是研发成本较高需分摊，以及理论上（目前还看不到这样情景的发生）存在人工智能模型结构转变导致矩阵运算权重大幅降低，当前架构被废弃的风险。
对于 AI 芯片行业来说，下图为一种常见的分类和对应的主要芯片厂商。
图 5：当前人工智能产业应用芯片类型和代表厂商芯片市场井喷发展，专用芯片开始崭露头角。
根据市场调研公司Tractica 预测，仅深度学习芯片组市场收入将从2016年的5.13亿美元增长到2025年的122亿美元，复合年增长率（CAGR）为42.2％，各路运算方案你追我赶，今年上半年迎来井喷式突破，特别是ASIC，以谷歌TPU为代表，包括微软、英特尔，国内的寒武纪、地平线机器人、西井科技、云知声等众多的公司都提出了自己的AI芯片设计方案。
实践中，ASIC表现良好，投产的谷歌TPU比较同代的英伟达GPU在训练数据集时用更小的能耗将训练时间缩小到原四分之一不到，综合考虑能耗和算力提升相当于GPU发展7年的结果，优秀的性能使得AI专用芯片在未来有望在所有人工智能运算领域展开竞争。
（涉及的SoC为包含人工智能ASIC芯片的系统级芯片）表 4：AI芯片领域近期的重要突破AI专用芯片应用广泛，有望带来相关应用爆发。
目前来看，AI芯片最大的应用机会在训练、云端推断和智能手机、ADAS、安防设备、VR设备、语音交互设备以及机器人这类高度依赖深度神经网络的终端推断设备。
训练和云端推断是当前人工智能算力消耗最大的部分，批量采用后，ASIC芯片具有高效低价的竞争优势。
对于终端设备来说，当前的计算能力并不能满足这些终端设备的本地深度神经网络推断，未来也难以全部依赖云，例如无人驾驶当前的计算量既大也不能依赖云，业界需要全新的低功耗异构芯片，赋予设备足够的算力去应对未来越发增多的人工智能应用场景。
人工智能芯片ASIC化，国产企业迎来良机。
过去IT产业，软硬件生态都是建立在ARM和x86指令集之上，错过了这两次机会也是中国芯片业赶不上来的核心原因，当前AI产业刚起步，中国有最大的AI市场，完全有可能影响国际AI 生态发展。
事实也是如此，换代机会下，我国的寒武纪研发了国际首个商用深度学习专用处理器芯片，其IP指令集扩大范围授权集成到手机、安防、可穿戴设备等终端芯片中，走到了时代的前列。
相关行业建议关注与寒武纪等ASIC厂商有密切合作的公司以及半导体封装产业链。
2.1.2.首个大批量应用的终端AI芯片麒麟970粉墨登场2017年9月2日，华为海思发布全球首款内臵AI芯片的移动处理芯片麒麟970。
主要用于加速人工智能中深度神经网络所带来的复杂计算，根据发布会上的描述，在人工智能应用上达到了四核CPU 25倍以上的性能和50倍以上的能效，实现了手机上本地、实时、高效的智能处理。
尽管芯片缺乏确切的表述，但依然可以从一些陈述来推断这一芯片可能的应用场景。
根据寒武纪1A自身某论文的说法，该芯片是面向于目前神经网络技术，集成了常量运算、向量运算、矩阵运算、逻辑运算、数据转换以及控制指令等功能，是深度神经网络加速芯片。
那么可预计其应用场景包括智能图像编辑、图像识别、生物识别、语音识别等基于神经网络的应用，例如基于深度学习网络的应用Prisma，将一张照片实现特定风格的转换，普通的手机完成可能需要数十秒，在使用了这样的芯片后有望实现即时转换。
图 6：基于深度网络的应用PrismaAI芯片用于移动终端的纪元，广阔市场空间有望打开。
除了海思，高通SDK 的发布意味着其下一代旗舰甚至中端产品也会集成类似的AI专用芯片核心，AI 硬件的推广与AI应用的开发将构成良性互动，Facebook、微软等均已有在未来移动应用中集成基于深度神经网络的算法的打算，一旦出现杀手级的应用将快速推动智能手机中嵌入深度神经网络加速芯片。
