人工智能行业研究报告

人工智能行业研究报告一、行业概述人工智能技术是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的科学技术。

人工智能技术是具有显著产业溢出效应的基础性技术，可以在城市治理、医疗、工业、农业、商业、金融、教育等领域取得广泛应用，催生新的业态和商业模式，引发产业结构的深刻变革。

人工智能行业的产业链可以分为基础设施层、技术平台层和场景应用层。

基础设施层是人工智能行业发展的基石，具体包括支撑计算、网络、存储、感知等功能的芯片、硬件设备、系统和软件等，它的任务是保障人工智能算法和系统功能的数据传输和存储、算法训练和推理等物理实现。

技术平台层是人工智能行业发展的核心驱动力，依托海量数据和强大算力进行深度学习训练和机器学习建模，以解决机器的“看”、“听”、“理解”问题，相关技术主要包括计算机视觉、语音技术、自然语言理解等；场景应用层建立在基础设施层与技术平台层的基础上，融合大数据和分布式计算技术，解决现实行业问题，解锁行业的人工智能应用场景。

近年来，随着计算机视觉技术、语音技术、自然语言理解技术等人工智能技术的快速发展，人工智能与传统行业的融合正持续加速，人工智能对传统的城市管理、医疗健康、园区管理、安全生产、交通出行、自动驾驶等场景正在产生全面影响。

人工智能行业产业链二、行业发展概况自1956年达特茅斯会议上首次提出人工智能概念以来，人工智能技术与应用已经发展60多年。

在半个多世纪的发展历程中，由于受到算法、算力、存储水平等多方面因素的影响，人工智能技术和应用发展经历了多次高潮和低谷。

2006年以来，以深度学习为代表的机器学习算法在计算机视觉、语音识别、自然语言理解等领域取得了巨大突破，人工智能行业进入第三次发展浪潮。

目前，人工智能技术在各个行业中有着广泛和深入的应用，具有巨大的发展前景。

根据沙利文咨询的统计预测，2019年全球人工智能行业的市场规模约为1,917亿美元，预计2024年全球市场规模将达到6,157.2亿美元，2016年至2024年的年均复合增长率达到33.98%，市场规模保持高速增长。

数据来源：沙利文咨询受益于国家政策的大力支持、人工智能企业的涌现和广阔的应用场景等因素，中国人工智能行业的发展走在世界前列。

根据沙利文咨询的统计预测，2019年中国人工智能行业市场规模约为1,372.4亿元人民币，预计2024年将达到7,993.9亿元人民币，2016年至2024年的年均复合增长率高达48.97%，高于世界平均水平。

数据来源：沙利文咨询三、行业在新技术方面的发展情况和未来发展趋势随着深度学习技术的快速发展，以及互联网和云计算时代海量数据和高效计算能力的支撑，计算机视觉技术、语音技术、自然语言理解技术等人工智能技术取得了突破性进展，并解锁多个行业的人工智能场景，产生了巨大的商业价值，驱动了人工智能行业的发展。

同时，伴随人工智能技术的复杂性不断增加，其对于人工智能计算能力的需求随之增长。

1、人工智能芯片及算力硬件产品由于实现人工智能所需的深度学习算法需要很高的内在并行度、大量浮点计算能力以及强大的矩阵运算能力，基于CPU的传统计算架构逐渐无法充分满足人工智能高性能并行计算的需求。

2015年以来，GPU的广泛应用使得硬件计算能力的不足得以被快速弥补，人工智能行业迎来了第一次爆发。

然而随着人工智能技术不断解锁新场景，其数据量与算法复杂度的快速提升对单位面积的计算能力要求产生爆炸式增长。

人工智能芯片是人工智能计算任务的重要承载实体，通常有如下衡量指标：更先进的人工智能芯片往往需要更小纳米的制程、更小的芯片面积、更低的功耗和更高的理论和实际算力。

根据Tractica的研究数据，2019年全球人工智能芯片市场规模约为110亿美元，预计到2025年市场规模将达到726亿美元，2018年至2025年的年均复合增长率达到46.14%，市场规模保持高速增长。

数据来源：Tractica根据前瞻产业研究院的统计数据，2019年中国人工智能芯片市场规模约为122亿元人民币，预计到2024年市场规模将达到785亿元人民币，2019年至2024年的年均复合增长率达到45.11%，市场规模保持高速增长。

数据来源：前瞻产业研究院不同应用场景对人工智能芯片的功能、性能、功耗等要求存在着巨大差异。

根据不同场景下的功能、性能和功耗要求，一般把人工智能芯片细分为云端高性能芯片、边缘计算芯片、智能终端芯片和消费电子智能芯片等。

云端高性能芯片主要面向人工智能计算中的数据中心集中计算需求，主要用在智能服务器产品和云端人工智能计算场景中。

根据IDC的研究数据，2019 年中国智能服务器市场规模约为19.5亿美元，预计到2023年市场规模将达到43.3 亿美元，2018年至2023年的年均复合增长率达到27.09%，市场规模快速增长。

数据来源：IDC智能城市、智能商业等人工智能应用需要在边缘侧进行小规模处理和分析，基于深度学习的智能NVR、XVR等边缘端设备需要人工智能芯片的专用运算能力。

在中国的NVR市场，智能芯片渗透率显著高于终端感知设备。

根据沙利文咨询的数据预测，2019年NVR产品市场规模约为52.9亿元人民币，其中智能NVR产品渗透率约为23.5%，预计到2024年，NVR 产品市场规模约为201.4亿元，其中智能NVR产品渗透率将增长至约54.50%。

数据来源：沙利文咨询伴随着网络摄像机从高清化、数字化向智能化发展，前端摄像机设备不断升级换代。

通过在前端摄像机嵌入人工智能芯片，摄像机可实现视频数据结构化处理，促使视频摄像设备从被动记录向主动识别过渡。

终端智能芯片在设计上需要平衡面积、功耗、成本、可靠性等问题，一般采取低功耗、低成本解决方案。

根据沙利文咨询的统计预测，2019年中国终端摄像机市场规模约为154.9亿元，其中智能终端摄像机渗透率约为8.4%，预计到2024年，终端摄像机市场规模约为625.1亿元，其中智能终端摄像机渗透率将增长至35.0%。

数据来源：沙利文咨询2、计算机视觉技术计算机视觉技术是研究如何赋予机器“看”的能力的科学技术。

即用机器代替人对目标进行检测、识别、跟踪和分析的技术。

近年来，随着深度学习算法的发展，在计算机视觉领域，很多研究成果已取得接近甚至超过人类视觉系统的突破性进展。

计算机视觉技术通常以准确率、召回率和误报率作为衡量指标，准确率是指提取正确的信息占全部需要待提取信息的比例，召回率是指算法选择报告样本中正确样本的比例，误报率是指算法选择报告样本中错误样本的比例。

通常情况下准确率越高、召回率越高或误报率越低表明计算机视觉算法的性能表现越好。

以物体识别为例，2012年，AlexNet模型以超越第二名10%的成绩在ImageNet竞赛中获得冠军；2015年，基于深度学习技术的计算机视觉算法在ImageNet数据库上的识别准确率首次超过人类；2017年，ImageNet图像分类竞赛Top5的误报率低至2.25%，相对于2010年有了10倍以上的下降。

数据来源：随着计算机视觉技术的逐渐成熟，其实际应用的技术领域不断扩展，由最初的静态人脸识别和光学字符识别，扩展到人脸识别分析、活体检测、人体识别分析、物体检测识别、行为识别分析、人体重识别、医疗影像诊断技术等诸多种方向。

同时，计算机视觉技术和场景应用正在相互促进发展。

从商业化角度来看，应用场景由最早基于1:1识别算法的人证核验场景迈向基于1:N识别算法的动态比对场景；从基于图像的场景分析迈向基于视频的事件、动作识别；从基于2D 医疗影像数据的病灶检测迈向基于3D医疗影像数据的病灶分析。

伴随着海量数据的采集以及人工智能算力的提升，不断发展的计算机视觉算法将解锁更多的应用场景。

计算机视觉技术的应用领域也越来越广泛，除应用较早的安防、金融、互联网等领域之外，城市治理、楼宇园区、医疗影像等创新领域正逐步实现应用，成为计算机视觉技术快速发展的重要支撑，计算机视觉领域市场规模仍处在高速增长阶段。

根据沙利文咨询的统计预测，2019年中国计算机视觉行业市场规模约为219.64亿元人民币，预计2024年将达到1,613.03亿元人民币，2016年至2019年的年均复合增长率高达168.10%，2019年到2024年预计年均增长率为49.00%，市场规模保持高速增长。

数据来源：沙利文咨询3、语音技术及自然语言理解技术语音技术是研究如何赋予机器“听”的能力的科学技术，即对音频中的各类信息进行解析的技术，典型的如语音识别技术可以从音频中提取人类说话的文字，如声纹识别可以识别音频中说话人的身份。

自然语言理解技术是研究如何赋予机器“理解文字”的能力的科学技术，即对文字进行理解或者生成，典型的如文本翻译可以将英语文字翻译为中文汉字，又如文本分类可以对句子或段落的内容进行分类。

在众多实践场景中，语音及自然语言理解技术通常综合运用于解决方案中。

语音技术主要是围绕音频进行各类信息的解析以及合成，具体来说包含若干子领域，比如音频分类、语音识别、声纹识别、说话人分类、音频检索、语音合成、语音增强、音乐理解和合成、语音评测等具体任务。

经过过去业界若干年的努力，各个子领域已有显著进展，并且已落地在众多应用场景上，但技术上仍有挑战，这些都是语音技术更广泛落地的关键问题。

语音识别任务是将音频中人类说话的声音信息转化为文字的任务，属于整个语音技术领域落地应用较多且难度较大的子领域。

虽然业界已有多家公司提供语音识别能力，但是语音识别仍有较多技术上的挑战需要解决。

在真实对话过程中，人的语速、语气、口音、噪声、麦克风质量、音频编码质量、说话内容等都会不同程度的增加语音识别的难度，尤其是上述若干维度会在真实场景上组合出现，这些情况都会影响语音识别算法的识别准确度，这给实际落地应用带来了更多的挑战。

语音识别通常以字错率作为衡量指标，指推理结果的语句与正确语句的编辑距离占语句总字数的比值，通常情况下该值越小，语音识别的算法性能越好。

在语音识别的落地应用上，字错率超过15%意味着文字基本不具备可读性，而当字错率小于3%时可以认为机器在该场景的语音识别能力基本与人类相当。

当前，语音识别技术已逐渐在多个领域开始提供服务，例如司法领域的庭审记录和客服场景的语音识别等。

自然语言理解技术是进行各类语义理解和语言合成的技术，具体来说包含若干子领域，比如文本结构化、文本合成、对话系统、文本预训练、文本翻译、文本摘要、知识图谱等子问题，其中文本结构化中又有阅读理解、序列标注、文本分类、命名实体识别、关系抽取等问题。

其中，文本结构化以准确率作为衡量指标，指提取正确的信息占全部需要待提取信息的比例，通常情况下该值越大越好。

文本翻译以BLEU作为衡量指标，指机器和人类文本翻译质量的评价，该值越大越好。