36kr-人工智能行业研究报告（2017年）全版(1).pdf

2017年6月36氪研究院人工智能行业研究报告（2017年）2报告摘要人工智能（Artificial Intelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。•在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。•在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。人工智能目前仍处于发展的早期阶段，整体看来技术的发展将先于应用层面，但技术层面仍存在瓶颈需要突破；应用场景将不断丰富，它的扩充将会反过来驱动支撑技术的持续发展，AI的整体市场规模将继续扩大。•相比应用场景层面的发展，基础应用层的技术将会是AI中较早发展的部分。不过，从AI整体发展阶段来讲，我们认为AI仍处于早期，虽然语音识别、计算机视觉等感知层的技术目前已经取得了一定成就，但语义识别等认知层的技术仍不甚完善，即使是像计算机视觉这样的感知层技术也存在发展不均衡的问题。•随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。•总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。36kr-人工智能行业研究报告（2017年）2017.6目 录 Contents一. 人工智能综述•AI是使用机器代替人类实现认知、分析、决策等功能的综合学科•计算力、算法、数据量与应用场景是AI爆发的主要驱动力•国内外巨头在AI领域纷纷布局•资本扶持下，未来AI的市场规模应在百亿元以上•人工智能产业链图二. 人工智能的技术支持层•AI产业链综述•AI技术支撑层：数据标注、语音识别、语义识别与计算机视觉三. 人工智能的应用场景层•AI+安防•AI+医疗•AI+金融•AI+家居、AI+教育与其他应用场景四. 人工智能行业总结•AI行业总结•AI未来发展&投资机会简析人工智能综述CHAPTER I•AI是使用机器代替人类实现认知、分析、决策等功能的综合学科•计算力、算法、数据量与应用场景是AI爆发的主要驱动力•国内外巨头在AI领域纷纷布局•资本扶持下，未来AI的市场规模应在百亿元以上•人工智能产业链图536kr-人工智能行业研究报告（2017年）2017.6•人工智能（Artificial Intelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。•作为一种基础技术，理论上讲人工智能能够被应用在各个基础行业（如AI+金融、AI+医疗、AI+传统制造业等），同时也有其如机器人这样具体应用行业的概念。•本报告将以2017年上半年为时间节点，对包括发展驱动力、巨头布局、投融资情况、预测的市场规模等在内的人工智能行业到目前为止的整体发展情况做简要分析，并对包括数据标记、语音识别、语义识别、计算机视觉等技术领域以及安防、医疗、金融等应用场景在内的细分领域及其典型企业进行简析，探索人工智能领域未来发展趋势和可能的投资/创业机会。行业概述AI是使用机器代替人类实现认知、分析、决策等功能的综合学科1.1 行业概述1.2 行业驱动力1.3 巨头布局1.4 行业市场规模自然语言处理计算机视觉语音识别智慧家居智慧工业关键硬件算法模型路径规划GPUNPU传感器深度学习（CNN、RNN等）CPU基础应用技术产品技术支撑层基础应用层方案集成层图片来源：36氪研究院注释：结合了物联网与人工智能的智能制造行业也是AI的重要应用场景之一，关于该领域的详细研究讨论请见36氪研究院系列报告《新制造研究报告》。6•在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。•技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用。现在主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原的能力。对算法来说，归纳和演绎同样重要，最终目的是提高识别效率。最新ImageNet测试结果显示，AI错误率低达3.5%，而人类对同一数据库识别错误率在5.1%1，理想情况下，计算机图像识别能力已超越人类。技术驱动：算法和计算力是主要驱动力行业驱动力28.20%25.80%16.40%11.70%7.30%6.70%3.50%0501001502000%5%10%15%20%25%30%2010-2016年 ImageNet 图像识别错误率2010年NEC美国2011年Xerox2012年AlexNet2013年Clarifi2014年VGG2015年GoogleNet2016年ResNet8层神经网络8层神经网络19层神经网络22层神经网络152层神经网络来源：公开资料整理•如上图所示，每年在ImageNet测试中错误率最低的算法模型都不尽相同（从NEC到ResNet），这也反映了人们对于算法的不断探究、更迭过程。1根据公开资料整理定位测试优化技术驱动数据驱动预测分析精准画像场景驱动决策支持场景模型1.1 行业概述1.2 行业驱动力1.3 巨头布局1.4 行业市场规模36kr-人工智能行业研究报告（2017年）2017.67•提高识别效率除依靠算法之外，也离不开计算力的支持。计算力可以分三个维度展开：芯片、超级计算机、云计算。•芯片：人工智能领域作为一个数据密集的领域，传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题，继CPU之后，相继出现了GPU、NPU、FPGA、DSP等“AI”芯片。1999 年，Nvidia公司发布了全球首款图片处理芯片GPU；2016年，寒武纪发布了全球首款深度学习专用处理器芯片NPU，芯片的更迭、进步可从根本上提高计算性能。计算力的三驾马车：芯片、超级计算机、云计算行业驱动力Nvidia GPU—GeForce 256寒武纪NPU—1A•超级计算机：其基本组成组件与个人电脑的概念无太大差异，但规格与性能则强大许多，是一种超大型电子计算机。我国自主超级计算机“神威·太湖之光”，其处理器为众核CPU“申威26010”，整台“神威·太湖之光”共包含40960块处理器；打败李世石的AlphaGo共包含1202个CPU和176个GPU；打败柯洁的升级版AlphaGo使用到了TPU，但数量只有 4 颗。（未完接下页）36kr-人工智能行业研究报告（2017年）2017.61.1 行业概述1.2 行业驱动力1.3 巨头布局1.4 行业市场规模8•可以发现，真正用于人工智能的超级计算机芯片还只是处于CPU、GPU层，如何将更适用于网络神经算法的NPU、FPGA等芯片量产化并融合入超级计算机芯片矩阵，是在人工智能发展的第一阶段—技术驱动阶段应该重点努力的方向之一。计算力的三驾马车：芯片、超级计算机、云计算行业驱动力•云计算：与主要应用于密集型计算的超级计算机不同，云计算依靠其灵活的扩展能力主要应用于社交网络、企业IT建设和信息化等数据密集型、I/O密集型的领域。•我们分析认为，当AI跨越入第二阶段—数据驱动阶段后，算法和计算力将变成人工智能领域的基础设施—“水、电、煤”。就目前看来，多项算法开源平台已将AI算法引入统一、公用阶段，运算力也必将向同样的趋势发展。云计算则是一个初步尝试，未来，计算力的发展方向或将是云计算和超级计算机技术结合，为企业提供既可密集运算又可灵活扩展的计算服务，将人工智能赋能全行业。众核CPU“申威26010神威·太湖之光36kr-人工智能行业研究报告（2017年）2017.61.1 行业概述1.2 行业驱动力1.3 巨头布局1.4 行业市场规模9•人工智能发展的第二个阶段，算法和计算力已基本不存在壁垒，数据将成为主要驱动力，推动人工智能更迭。此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础上可以精确地描绘消费者画像，制定个性化营销方案，提高成单率，缩短达到预设目标的时间，推动社会运行效率提升。•到了人工智能发展的第三个阶段，场景驱动作为主要驱动力，不仅可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策。此阶段，对数据收集的维度和质量的要求更高，并且可实时根据不同的场景，制定不同的决策方案，推动事件向良好的态势发展，帮助决策者更敏锐的洞悉事件根本，产生更精准更智慧的决策。数据驱动：描绘个性化画像；场景驱动：给予决策支持行业驱动力•“场景驱动”不仅会驱动人类决策，也会驱动机器的自我进化和升级。•“场景驱动”的基础是经过治理的数据。•“场景驱动”的“场景“对应的是有应用价值的场景。用户基本信息LBS数据挖掘社交网络数据其他用户画像建模标签A标签B标签C…来源：36氪研究院图示：“场景驱动”三要素来源：互联网36kr-人工智能行业研究报告（2017年）2017.61.1 行业概述1.2 行业驱动力1.3 巨头布局1.4 行业市场规模10公司人工智能领域布局百度•2016年，百度发布了人工智能平台级解决方案“天智”，这是继“天算”“天像”和“天工”之后的第四大平台级解决方案。至此，百度云实现了人工智能、智能大数据、智能多媒体和智能物联网全方位的智能平台服务。•2016年8月，投资激光雷达公司 Velodyne LiDAR。•2017年以来，百度收购了xPerception、渡鸦科技，参与投资了蔚来汽车、8i等AI公司。腾讯•2016 年4 月，腾讯成立人工智能实验室，基于计算机视觉、语音识别、自然语言处理和机器学习四个垂直领域，围绕内容、社交、游戏和平台工具四大特色业务场景，腾讯AI致力于将人工智能工具以API形式开放出去。•2016年，碳云智能完成近10亿元的A轮融资，腾讯为主要投资方之一。•2017年，腾讯买入电动汽车制造商特斯拉(Tesla)5%股权，腾讯成为特斯拉的第五大股东。阿里巴巴•阿里云面向人工智能的布局,核心爆点就三个：ET医疗大脑、ET工业大脑和机器学习平台PAI2.0•2017年3月，阿里宣布开始推动“NASA”计划，着重发力机器学习、芯片、IoT、操作系统和生物识别。Apple•2017年5月，苹果收购了人工智能公司Lattice Data。该公司使用人工智能推理引擎去处理非结构化的“暗数据”，将其变成结构化信息，从而发挥更大的作用。Google•2014年1月，收购Deepmind、收购后，DeepMind仍保持独立运营的，目标是开发能够“独立思考”的软件。•2016年9月，收购api.ai，能够协助谷歌指导开发者持续开发优秀的自然语言界面。•2016年3月与海尔达成战略合作，共同推动智能家居发展 。Microsoft•2017年6月，Element AI完成了1.02亿美元A轮融资，微软是主要投资方之一。•2017年6月，收购了以色列初创公司Hexadite，以便将AI支持的安全功能整合到企业版Windows 10中。Facebook2015年1月，收购语音指令创业公司Wit.AI，帮助Messenger创建语音输入模式。36kr-人工智能行业研究报告（2017年）2017.6巨头布局国内外科技巨头在AI领域的布局1.1 行业概述1.2 行...