來(lái)源：AI科技大本營(yíng)

      在A(yíng)I發(fā)展的不同階段,驅動(dòng)力各有側重，我們可以將AI的發(fā)展劃分為三個(gè)階段：技術(shù)驅動(dòng)階段、數據驅動(dòng)階段和場(chǎng)景驅動(dòng)階段。其中技術(shù)驅動(dòng)階段集中誕生了基礎理論、基本規則和基本開(kāi)發(fā)工具。在此階段,算法和計算力對AI的發(fā)展起到主要推動(dòng)作用,其中計算力主要包含芯片、超級計算機、云計算等三個(gè)維度。

      在市場(chǎng)規模方面,綜合考慮我國人工智能的爆發(fā)節點(diǎn)、技術(shù)成熟度以及全球AI市場(chǎng)規模等因素,我們保守估計最遲至2019年我國AI的市場(chǎng)規模將突破百億元,而2022年這一數字應在700億元左右。

      人工智能目前仍處于發(fā)展的早期階段,整體看來(lái)技術(shù)的發(fā)展將先于應用層面,但技術(shù)層面仍存在瓶頸需要突破；應用場(chǎng)景將不斷豐富,它的擴充將會(huì )反過(guò)來(lái)驅動(dòng)支撐技術(shù)的持續發(fā)展,AI的整體市場(chǎng)規模將繼續擴大。

      相比應用場(chǎng)景層面的發(fā)展,基礎應用層的技術(shù)將會(huì )是AI中較早發(fā)展的部分。不過(guò),從AI整體發(fā)展階段來(lái)講，我們認為AI仍處于早期,雖然語(yǔ)音識別、計算機視覺(jué)等感知層的技術(shù)目前已經(jīng)取得了一定成就,但語(yǔ)義識別等認知層的技術(shù)仍不甚完善,即使是像計算機視覺(jué)這樣的感知層技術(shù)也存在發(fā)展不均衡的問(wèn)題。

      隨著(zhù)AI支撐技術(shù)的不斷發(fā)展,AI將持續拓展更多的應用場(chǎng)景；而愈發(fā)多樣化的應用場(chǎng)景需求又會(huì )反過(guò)來(lái)驅動(dòng)支撐技術(shù),從而帶動(dòng)整個(gè)AI行業(yè)的持續發(fā)展。但各應用場(chǎng)景的發(fā)展并非均衡,整體看來(lái)將從垂直領(lǐng)域AI逐漸過(guò)渡到通用型AI。

總體來(lái)說(shuō),AI最重要的還是要將技術(shù)與應用場(chǎng)景相結合,無(wú)法落地的技術(shù)很難得到資本青睞和市場(chǎng)認可,而有閉環(huán)壟斷性的數據,并且其技術(shù)能夠與實(shí)際應用場(chǎng)景結合的公司將有望產(chǎn)生難以被替代的商業(yè)價(jià)值。

AI是使用機器代替人類(lèi)實(shí)現認知、分析、決策等功能的綜合學(xué)科

      人工智能（Artificial Intelligence)是指使用機器代 替人類(lèi)實(shí)現認知、識別、分析、決策等功能,其本質(zhì)是對人的意識與思維的信息過(guò)程的模擬，是一門(mén)綜合了計算機科學(xué)、生理學(xué)、哲學(xué)的交叉學(xué)科。凡是使用機器代替人類(lèi)實(shí)現認知、識別、分析、決策等功能,均可認為使用了人工智能技術(shù)。

      作為一種基礎技術(shù),理論上講人工智能能夠被應用在各個(gè)基礎行業(yè)（如AI+金融、AI+醫療、AI+傳統制造業(yè)等),同時(shí)也有其如機器人這樣具體應用行業(yè)的概念。

      本報告將以2017年上半年為時(shí)間節點(diǎn),對包括發(fā)展驅動(dòng)力、巨頭布局、投融資情況、預測的市場(chǎng)規模等在內的人工智能行業(yè)到目前為止的整體發(fā)展情況做簡(jiǎn)要分析,并對包括數據標記、語(yǔ)音識別、語(yǔ)義識別、算機視覺(jué)等技術(shù)領(lǐng)域以及安防、醫療、金融等應用場(chǎng)景在內的細分領(lǐng)域及其典型企業(yè)進(jìn)行簡(jiǎn)析，探索人工智能領(lǐng)域未來(lái)辦口可能的投資/創(chuàng )業(yè)機會(huì )。

技術(shù)驅動(dòng)：算法和計算力是主要驅動(dòng)力

      在A(yíng)I發(fā)展的不同階段,驅動(dòng)力各有側重,我們可以將AI的發(fā)展劃分為三個(gè)階段：技術(shù)驅動(dòng)階段、數據驅動(dòng)階段和場(chǎng)景驅動(dòng)階段。

      技術(shù)驅動(dòng)階段集中誕生了基礎理論、基本規則和基本開(kāi)發(fā)工具。在此階段,算法和計算力對AI的發(fā)展起到主要推動(dòng)作用?，F在主流應用的基于多層網(wǎng)絡(luò )神經(jīng)的深度算法,一方面不斷加強從海據庫中自行歸納物體特征的能力,一方面不斷加強對新事物多層特征提取、描述和還原的能力。對算法來(lái)說(shuō),歸納和演繹同樣重要,最終目的是提高識別效率。最新ImageNet測試結果顯示,AI錯誤率低達3.5% ,而人類(lèi)對同一數據庫識別錯誤率在5.1%,理想情況下,計算機圖像識別能力已超越人類(lèi)。

計算力的三駕馬車(chē)：芯片、超級計算機、云計算

      提高識別效率除依靠算法之外,也離不開(kāi)計算力的支持。計算力可以分三個(gè)維度展開(kāi):芯片、超級計算機、云計算。

      芯片：人工智能領(lǐng)域作為一個(gè)數據密集的領(lǐng)域,傳統的數據處理技術(shù)難以滿(mǎn)足高強度并行數據的處理需求。為解決此問(wèn)題,繼CPU之后,相繼出現了GPU、NPU、FPGA、DSP等"AI"芯片。1999年,Nvidia公司發(fā)布了全球首款圖片處理芯片GPU；2016年，寒武紀發(fā)布了全球首款深度學(xué)習專(zhuān)用處理器芯片NPU ,芯片的更迭、進(jìn)步可從根本上提高計算性能。

       超級計算機：其基本組成組件與個(gè)人電腦的概念無(wú)太大差異,但規格與性能則強大許多,是一種超大型電子計算機。我國自主超級計算機"神威?太湖之光〃,其處理器為眾核CPU "申威26010",整臺"神威.太湖之光"共包含40960塊處理器；打敗李世石的AlphaGo共包含1202個(gè)CPU和176個(gè)GPU；打敗柯潔的升級版AlphaGo使用到了TPU ,但數量只有4顆。

      可以發(fā)現,真正用于人工智能的超級計算機芯片還只是處于CPU、GPU層,如何將更適用于網(wǎng)絡(luò )神經(jīng)算法的NPU、FPGA等芯片量產(chǎn)化并融合入超級計算機芯片矩陣,是在人工智能發(fā)展的第一階段——技術(shù)驅動(dòng)階段應該重點(diǎn)努力的方向之一。

      云計算：與主要應用于密集型計算的超級計算機不同,云計算依靠其靈活的擴展能力主要應用于社交網(wǎng)絡(luò )、企業(yè)IT建設和信息化等數據密集型、i/o密集型的領(lǐng)域。

      我們分析認為,當AI跨越入第二階段——數據驅動(dòng)階段后,算法和計算力將變成人工智能領(lǐng)域的基礎設施——“水、電、煤”。就目前看來(lái),多項算法開(kāi)源平臺已將AI算法引入統一、公用階段,運算力也必將向同樣的趨勢發(fā)展。云計算則是一個(gè)初步嘗試,未來(lái)，計算力的發(fā)展方向或將是云計算和超級計算機技術(shù)結合，為企業(yè)提供既可密集運算又可靈活擴展的計算服務(wù),將人工智能賦能全行業(yè)。