中国人工智能行业发展现状及发展前景分析


    宏观层面上对我国当前的人工智能产业链进行了梳理,并在此基础上分析了我国人工智能产业链的基本特征。
    一、人工智能的定义
    目前,人工智能的定义主要集中于对人类思考的模拟以及理性的思考两方面,尚无统一的定义。但从产业发展来看,当前人工智能都是立足于计算机的优势,以人智能的部分特征(如事物分辨、语音对话等)为参照,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,并运用于各行各业之中。综合来看,当前人工智能产业的主流是弱人工智能,以计算与感知为核心支撑技术。
    关于人工智能的定义
    二、人工智能产业链
    人工智能产业链包括三层:基础层、技术层和应用层。其中,基础层为人工智能产业奠定网络、算法、硬件铺设、数据获取等基础;技术层以模拟人的智能相关特征为出发点,构建技术路径;应用层集成一类或多类人工智能基础应用技术,面向特定应用场景需求而形成的软硬件产品或解决方案。
    人工智能产业链
    (一)基础层
    基础层主要涉及数据的收集与运算,这是人工智能发展的基础,主要包括AI芯片、传感器、大数据与云计算。其中,传感器及大数据主要负责数据的收集,而AI芯片和云计算负责运算。
    1.AI芯片
    AI芯片是人工智能的“大脑”,市场规模呈快速增长态势。早期人工智能运算主要借助云计算平台和传统CPU相互结合的方式。但随着深度学习等对大规模并行计算需求的提升,开始了针对AI专用芯片的研发。目前AI芯片主要类型有GPU(图形处理器)、FPGA(现场可编辑门阵列)、ASIC(专用定制芯片)和类人脑芯片四种。预计至2021年,人工智能芯片市场有望达到111亿美元,CAGR达20.99%。
    AI芯片市场规模(资料来源:Gartner)
    AI芯片技术发展呈现功能模仿与结构逼近两个方向。GPU、FPGA及ASIC是从功能层面模仿大脑能力,而类脑芯片则是从结构层面去逼近大脑。虽然在结构上模仿大脑运算是AI芯片终极目标,但受制于技术上的限制,当前AI芯片主流产品是在功能层面上的模仿。
    目前,GPU和FPGA等通用芯片是人工智能领域的主要芯片,但由于它们起初并非针对深度学习而设计,在性能与功耗等方面存在天然的缺陷。因此,针对神经网络算法的专用芯片ASIC正被Intel、Google、英伟达和众多初创公司陆续推出,有望在今后数年内取代当前的通用芯片成为人工智能芯片的主力。
    我国AI芯片产业处于起步阶段,但已呈现崛起之势。目前我国专注于AI芯片的企业较少,且总体技术水平与发达国家有较大差距,高端芯片还主要依赖国外进口。但目前也涌现了景嘉微、寒武纪科技等一批明星创业企业。国产AI芯片的崛起不仅带来计算能力的提升,同样可以起到降低成本的作用。
    我国典型AI芯片企业
    2.云计算
    传统实现移动终端人工智能的方法是通过网络把终端数据传送至云端,云端计算后再把结果发回终端,例如苹果的Siri服务。当前人工智能主要的计算平台还是云计算。根据部署模式或服务形式的不同,云计算可分为基础设施即服务(IAAS)、平台即服务(PAAS)、软件即服务(SAAS)三类。
    IAAS,分为公有云、私有云和混合云三种形态,提供给客户的服务是对基础设施的使用,包括处理器、存储和网络等基本计算资源,用户能够部署和运行操作系统、应用软件等程序。
    PAAS,将软件研发的平台作为一种服务,用户可以在此平台研发、存储各种软件或应用程序。
    SAAS,提供给客户的服务是运行在基础设施上的应用程序,用户可以在各种设备上通过互联网访问,如浏览器。
    云计算种类及代表性企业
    (二)技术层
    技术层是人工智能产业发展的核心。技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模,以开发面向不同领域的应用技术,包括感知智能和认知智能。
    其中,感知智能通过传感器、搜索引擎和人机交互等实现人与信息的连接,获得建模所需数据,如语音识别、图像识别、自然语音处理和生物识别等;认知智能对获取的数据进行建模运算,利用深度学习等类人脑的思考功能得出结果。可见,只有在技术层基础上,人工智能才能够掌握“看”与“听”的基础性信息输入与处理能力,才能面向用户演变出更多的应用型产品。
    国内的人工智能技术层主要聚焦于计算机视觉、自然语言处理以及机器学习领域。
    在计算机视觉领域,动静态图像识别和人脸识别是主要研究方向,目前由于动态检测与识别的技术门槛限制,静态图像识别与人脸识别的研究暂时处于领先位置,代表企业如百度、旷视科技、格灵深瞳等。
    自然语言处理包括语音与语义识别两方面。语音识别的关键是基于大量样本数据的识别处理,国内大多数语音识别技术商都在平台化的方向上发力,以通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。在通用识别率上,各企业的成绩基本维持在95%左右,真正差异化在于对垂直领域的定制化开发,代表企业如科大讯飞、思必驰、云知声等。
    机器学习目前重点谋求在算法领域实现突破,当前主流算法如深度神经网络、卷积神经网络及循环神经网络等都需要构建庞大的神经元体系,投入非常大,因此该领域主要为互联网巨头公司布局。由于巨头公司业务领域和战略不同,机器学习侧重方向也略有不同,各公司在基础算法研究的同时也会注重在特定行业的应用,例如京东DNN实验室研究神经网络算法,但主要方向在智能客服领域。
    技术层分类及其代表性企业
    
    
    1  2  3  下一页>