人工智能行业研究应用报告.doc

人工智能行业研究汇报 从去年Alpha Go对战李世石开始，再到今年升级版Alpha Go对战柯洁，人工智能经过十二个月多发酵早已不再是一个陌生名词。截至现在，人工智能行业已公布了多篇汇报，但我们仍致力于写出不一样东西。除却老生常谈算法、计算力、数据之外，我们认为人工智能未来最关键驱动力一定会是“场景驱动”。在人工智能场景驱动阶段，不仅能够针对不一样用户做个性化服务，而且可在不一样场景下实施不一样决议，最终实现“给决议支持”目标。所以本汇报中，我们用了较大篇幅去描绘人工智能场景应用。那么，在不一样场景中，人工智能是怎样发挥作用？带着这个问题，我们研究了中国外和此领域相关企业，写出了这份人工智能行业研究汇报。汇报摘要人工智能（ArtificialIntelligence）是指使用机器替换人类实现认知、识别、分析、决议等功效，其本质是对人意识和思维信息过程模拟。1. 在AI发展不一样阶段，驱动力各有侧重，我们能够将AI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、基础规则和基础开发工具。在此阶段，算法和计算力对AI发展起到关键推进作用，其中计算力关键包含芯片、超级计算机、云计算等三个维度。2. 在市场规模方面，综合考虑中国人工智能爆发节点、技术成熟度和全球AI市场规模等原因，我们保守估量最迟至中国AI市场规模将突破百亿元，而2022年这一数字应在700亿元左右。3. 伴随AI支撑技术不停发展，AI将连续拓展更多应用场景；而愈发多样化应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业连续发展。但各应用场景发展并非均衡，整体看来将从垂直领域AI逐步过渡到通用型AI。总体来说，AI最关键还是要将技术和应用场景相结合，无法落地技术极难得到资本青睐和市场认可，而有闭环、垄断性数据，而且其技术能够和实际应用场景结合企业将有望产生难以被替换商业价值。行业概述AI是使用机器替换人类实现认知、分析、决议等功效综合学科人工智能（ArtificialIntelligence）是指使用机器替换人类实现认知、识别、分析、决议等功效，其本质是对人意识和思维信息过程模拟，是一门综合了计算机科学、生理学、哲学交叉学科。通常使用机器替换人类实现认知、识别、分析、决议等功效，均可认为使用了人工智能技术。作为一个基础技术，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么具体应用行业概念。本汇报将以上六个月为时间节点，对包含发展驱动力、巨头布局、投融资情况、估计市场规模等在内人工智能行业到现在为止整体发展情况做简明分析，并对包含数据标识、语音识别、语义识别、计算机视觉等技术领域和安防、医疗、金融等应用场景在内细分领域及其经典企业进行简析，探索人工智能领域未来发展趋势和可能投资/创业机会。行业驱动力技术驱动：算法和计算力是关键驱动力在AI发展不一样阶段，驱动力各有侧重，我们能够将AI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、基础规则和基础开发工具。在此阶段，算法和计算力对AI发展起到关键推进作用。现在主流应用基于多层网络神经深度算法，首先不停加强从海量数据库中自行归纳物体特征能力，首先不停加强对新事物多层特征提取、描述和还原能力。对算法来说，归纳和演绎一样关键，最终目标是提升识别效率。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%，理想情况下，计算机图像识别能力已超越人类。如上图所表示，每十二个月在ImageNet测试中错误率最低算法模型全部不尽相同（从NEC到ResNet），这也反应了大家对于算法不停探究、更迭过程。计算力三驾马车：芯片、超级计算机、云计算提升识别效率除依靠算法之外，也离不开计算力支持。计算力能够分三个维度展开：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领域，传统数据处理技术难以满足高强度并行数据处理需求。为处理此问题，继CPU以后，相继出现了GPU、NPU、FPGA、DSP等“AI”芯片。1999 年，Nvidia企业公布了全球首款图片处理芯片GPU；，寒武纪公布了全球首款深度学习专用处理器芯片NPU，芯片更迭、进步可从根本上提升计算性能。超级计算机：其基础组成组件和个人电脑概念无太大差异，但规格和性能则强大很多，是一个超大型电子计算机。中国自主超级计算机“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AlphaGo共包含1202个CPU和176个GPU；打败柯洁升级版AlphaGo使用到了TPU，但数量只有 4 颗。能够发觉，真正用于人工智能超级计算机芯片还只是处于CPU、GPU层，怎样将更适适用于网络神经算法NPU、FPGA等芯片量产化并融合入超级计算机芯片矩阵，是在人工智能发展第一阶段技术驱动阶段应该关键努力方向之一。云计算：和关键应用于密集型计算超级计算机不一样，云计算依靠其灵活扩展能力关键应用于社交网络、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基础设施“水、电、煤”。就现在看来，多项算法开源平台已将AI算法引入统一、公用阶段，运算力也必将向一样趋势发展。云计算则是一个初步尝试，未来，计算力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计算服务，将人工智能赋能全行业。数据驱动：描绘个性化画像；场景驱动：给决议支持人工智能发展第二个阶段，算法和计算力已基础不存在壁垒，数据将成为关键驱动力，推进人工智能更迭。此阶段，大量结构化、可靠数据被采集、清洗和积累，甚至变现。比如，大量数据基础上能够正确地描绘消费者画像，制订个性化营销方案，提升成单率，缩短达成预设目标时间，推进社会运行效率提升。到了人工智能发展第三个阶段，场景驱动作为关键驱动力，不仅能够针对不一样用户做个性化服务，而且可在不一样场景下实施不一样决议。此阶段，对数据搜集维度和质量要求更高，而且可实时依据不一样场景，制订不一样决议方案，推进事件向良好态势发展，帮助决议者更敏锐洞悉事件根本，产生更正确更智慧决议。人工智能产业链综述AI产业链关键包含技术支撑层、基础应用层和方案集成层正如汇报开头所述，人工智能是指使用机器替换人类实现认知、识别、分析、决议等功效，是一门综合了计算机科学、生理学、哲学交叉学科。完整人工智能产业链能够分为技术支撑层、基础应用层和方案集成层，或说应用场景层。技术支撑层关键由AI芯片、传感器等硬件和算法模型（软件）和两部分组成。其中传感器和IoT感知层相同，包含GPU、FPGA、NPU等在内AI芯片负责运算，算法模型则负责训练数据。基础应用层技术则是为了让机器完成对外部世界探测，关键由计算机视觉、语音识别等感知层和语义识别等认知层组成，这些技术是机器能够做出分析判定基础。另外，在感知和认知技术之下还有数据标注作为其底层支撑。方案集成层是集成了某种或多个基础应用技术、面向如工业、自动驾驶、家居、仓储物流、金融、医疗等不一样应用场景产品或方案。本篇汇报将关键围绕AI中基础应用层和方案集成层，即应用场景层进行分析。语音识别：语音识别过程虽存在难点，但现在技术已趋于成熟语音识别是将语音转换为文本技术，是自然语言处理一个分支。前台关键步骤分为信号搜集、降噪和特征提取三步，提取特征在后台由经过语音大数据训练得到语音模型对其进行解码，最终把语音转化为文本，实现达成让机器识别和了解语音目标。依据公开资料显示，现在语音识别技术成熟度较高，已达成95%正确度。然而，需要指出是，从95%到99%正确度带来改变才是质飞跃，将使大家从偶然使用语音变到常常使用。语音识别作为一个一维时域信号，在实际操作中关键有两个难点。首先是数据获取、清洗。语音识别需要大量细分领域标准化语料数据作为支撑，尤其是各地方言多样性更是加大了语料搜集工作量。据媒体消息，苹果iOS 10.3版本中Siri已支持上海话。第二个难点是语音特征提取，现在关键经过含有多层神经网络深度学习来处理，多层神经网络相当于一个特征提取器，可对信号进行逐层深化特征描述，最终从部分到整体，从笼统到具象，做到最大程度地还原信号原始特征。语音识别虽市场庞大但已出现领航者，留给创业企业机会不多据Research andMarkets研究汇报显示，全球智能语音市场将连续显著增加，估计到，全球语音市场规模估计将达191.7亿美元。依据Capvision汇报显示，从语音行业市场份额角度来看，全球范围内，由Nuance领跑，中国则是科大讯飞占据主导地位。企业案例：科大讯飞科大讯飞专注于To B语音识别技术，现在已领跑汉字语音市场科大讯飞创办于1999年，关键从事智能语音及语言技术、人工智能技术研究，软件及芯片产品开发，而应用集成则由下游开发商或用户自己完成。依据公开资料显示，科大讯飞是现在中国少数掌握关键技术语音领域企业之一，已于5月在深圳证券交易所挂牌上市。科大讯飞拥有六大关键技术，分别是语音识别、语音合、自然语言处理、语音评测、声纹识别和手写识别。其中更关键是其同时拥有语音合成和语音识别，能够把“听”和“说”组合起来。另外科大讯飞还提出讯飞超脑计划，瞄准语音了解力市场。伴随人工智能热度高涨，科大讯飞等企业技术得以规模性落地科大讯飞以讯飞超脑、AIUI 为内核，主动打造基于讯飞开放平台AI 生态，面对不一样场景，推出覆盖全行业语音产品及服务，深耕智慧教育、智慧城市、智慧汽车、智慧医疗和智慧家居五个行业，全方位挖掘G 端、B 端及C 端用户。伴随全球范围内人工智能热度高涨，语音识别作为其中关键技术应用层落地项目也愈加多元化。科大讯飞在智慧教育、智慧城市、智能家居、智能汽车、机器人等领域规模化应用，促进了其营收近几年内连续稳定走高，尤其是在教育行业，科大讯飞构建了智慧考试、智慧校园、智慧课堂、智慧学习等一体化智慧教育产品体系，智慧课堂产品有望成为其在教育行业收入和毛利关键增加点。企业案例：Nuance云知声Nuance领衔全球市场，云知声关键布局家居领域从世界范围来看，Nuance是全球最大独立语音识别企业之一。Nuance于1994年成立于美国麻省伯灵顿，并于4月在纳斯达克上市。Nuance曾为苹果、三星提供语音支持服务，在语音识别领域一度处于垄断地位，后随深度算法普及，各巨头逐步开始自主研发语音识别技术，差距逐步缩小。但直到今天，其公布Dragon Drive（声龙驾驶）互联汽车语音和内容平台，仍为众多著名车企提供着车载语音技术支持，如梅赛德斯-奔驰、戴姆勒、宝马、丰田、雷克萨斯、荣威等汽车品牌。另外，还相关键布局家居领域语音企业云知声。云知声于6月创办于北京，现在融资轮次为B+，是智能语音领域新锐玩家。据官方数据显示，云知声现在已覆盖了476个城市，覆盖用户超出1.8亿，代表用户有网易易信、锤子手机、乐视超级电视等。语义识别：处理“听得懂”语义识别领域中，新进入者仍含有一定机会语义识别是人工智能关键分支之一，处理是“听得懂”问题。其最大作用是改变人机交互模式，将人机交互由最原始鼠标、键盘交互转变为语音对话方法。另外，我们认为现在语义识别行业还未出现绝对垄断者，新进入创业企业仍含有一定机会。语义识别是自然语言处理(NLP)技术关键组成部分。NLP在实际应用中最大困难还是语义复杂性，另外，深度学习算法也不是语义识别领域最优算法。但伴随整个AI行业发展进程加速，将为NLP带来长足进步。语义识别技术拥有多样性应用领域和行业参与者我们认为，基于语音识别和语义识别智能语音交互技术在车载场景中存在刚需，也会成为最先爆发领域之一。而且，伴随车联网纵深化发展，相关硬件趋于无偿，依靠语音交互天然流量入口，做个性化增值服务将是未来车载领域关键盈利点。从1996年至今，中国至今仍在运行人工智能企业靠近400家1。从下图可看出，自然语言处理（NLP）不管在创业热度、获投数量还是获投金额全部处于细分领域前三。据 Global Market Insights数据，估计到2024年市场规模达成110亿美元。科技巨头乐衷于收购，小而美企业更偏好细分场景科技巨头尤其是微软早在就已开始布局语义技术领域。对于巨头来说，自主研发耗时久、投入高，同时效果也是未知，直接收购是多数巨头选择最快方法。相关语义识别领域创业企业，中国代表企业有出门智能360、出门问问、三角兽、蓦然认知等。其中，三角兽智能语音交互功效已被应用在Rokid、锤子手机、威马汽车等产品上。另外，因为自然语境和细分行业语境下，同一名词可能含有不一样含义，所以除了行业通用型语义识别企业之外，还存在部分深耕细分场景企业，比如律师行业国外有基于IBM WatsonROSS，中国有没有讼、法律谷等。计算机视觉：计算机视觉关键研究怎样使机器含有“看”能力计算机视觉（computer vision，简称CV）是指用计算机来模拟人视觉系统，实现人视觉功效，以适应、了解外界环境和控制本身运动。关键处理是物体识别、物体形状和方位确定和物体运动判定这三个问题。计算机视觉识别系统通常需要三个过程：目标检测、目标识别、行为识别，分别处理了“去背景”、“是什么”、“干什么”问题。计算机视觉在技术步骤上，首先要得到实时数据，此步骤可经过一系列传感器获取，少部分数据可直接在含有MEMS功效传感器端完成处理，大部分数据会继续传输至大脑平台，大脑由运算单元和算法组成，在此处进行运算并给出决议支持。动态人脸识别是最热领域，金融和安防是最热场景计算机视觉应用场景可分为两大类：图像识别和人脸识别，每类又可继续划分为动、静共四个类别，基础覆盖了现在计算机视觉各项应用场景。其中动态人脸识别技术是现在创业热度最高细分领域，尤其是金融和安防场景，是其关键布局场景。中国，计算机视觉领域企业最早出现在1997年，出现创业高潮，企业平均年纪在3.9岁。下表格为该领域现在存续含有代表性创业企业。各细分领域成熟度相差大，其中人脸识别未来几年市场潜力巨大计算机视觉作为一个人工智能基础技术应用，使用场景多样，市场潜力巨大。其中人脸识别领域在已靠近百亿规模，中国市场在全球范围饰演着十分关键角色。由此可见，计算机视觉各细分领域成熟度现在相差较大。人脸识别、指纹识别等所在生物特征识别领域相对来说技术成熟度、工业化程度较高。在物体和场景识别方面，因为识别物体种类繁杂，表现形态多样，技术成熟度较低。对于计算机视觉而言，其关键瓶颈在于受图片质量、光照环境影响，现有图像识别技术较难处理图像残缺、光线过爆、过暗图像。另外，受制于被标识数据体量和数量，若无大量、优质细分应用场景数据，该特定应用场景算法迭代极难实现突破。企业案例：商汤科技专注计算机视觉算法研发，推进视觉技术融入各行各业商汤科技创办于11月，在北京，4月完成了赛领资本事投战略投资6000万美元。商汤科技专注于关键算法开发，经过视觉技术给予计算机视觉感知和认知能力，业务覆盖金融、商业、安防、互联网+等行业，意图为企业提供低门槛计算机视觉技术，打造“商汤驱动”人工智能商业生态。商汤科技关键能力在于其能够自主开发原创深度学习模型，其自有高性能算法库相对行业内开源平台库，较大程度提升了算法效率，带来2-5倍性能提升。性能提升直接造成是极大地降低了计算机视觉硬件门槛，比如通常情况下双目、深度摄像头才含有视频处理能力，但利用商汤科技算法模型，单目摄像头也含有此能力。另外，商汤科技本身构建了含有200块GPU链接能力DeepLink超算平台，过去耗时1个月运算，现在只需5-6个小时即可完成。硬件门槛降低+计算能力提升，使得大部分企业快速接入计算机视觉技术成为现实。作为算法层企业，商汤科技经过和京东、小米、新浪微博等应用层级企业合作，使得自己算法能够很好地融合多类细分领域特点，快速移植复制到各行各业。除此之外，商汤还在技术层和多家企业合作，比如，商汤科技和科大讯飞合作研发含有人脸+语音双重识别产品；和英伟达合作研发适适用于深度学习GPU芯片，该芯片可实时处理双路视频，为智慧视频提供支持。商汤科技诞生于香港汉字大学多媒体试验室，团体组员关键由两部分组成，其一是来自MIT、斯坦福、香港大学、清华大学等高校及其试验室科研人员；其二是来自谷歌、baidu、微软、阿里巴巴等产业界商业人员。商汤科技意图将试验室最新结果和商业变现之间时空差距缩到最低程度。4月，商汤科技宣告完成了新一轮战略融资，将深入加速商业化布局。企业案例：触景无限触景无限专注嵌入式感知模组研发，试图在前端处理感知问题除商汤科技这类依靠算法作为计算机视觉处理方案流派之外，还存在触景无限这类专注于前端嵌入式硬件并搭载软件打法。触景无限成立于，提供嵌入式智能感知平台视觉卡，并于3月完成A+轮5000万元人民币融资。触景无限视觉卡基于英伟达、英特尔等嵌入式芯片，融合了人脸识别、物体识别、双目测距、GPS、TOF、IMU等多个传感器、数据处理平台和压缩算法模型，提供嵌入式智能感知平台，含有体积小、功耗低、实时图像处理、处理能力高、多目摄像头支持、通用API接口等特点。比如基于深度学习人脸识别技术运行在视觉卡上能达成每帧100ms速度（分辨率为1080P时检测+识别速度），在1:1人证比正确情况下识别率大于99%，在1:50000情况下识别率大于90%。经过该视觉卡，信息处理能够直接在前端完成，帮助前端硬件完成“感”和“知”融合。在具体产品方面，截止6月，触景无限视觉卡已完成两代视觉卡研发，其中一代V10X系列已于底实现量产，二代V20X系列亦于日前公布。相较于一代，二代基于Intel-Movidius芯片研发，芯片体积更小（一元硬币大小），功耗更低（低至2瓦），处理速度更强（约1Tflops）。两代视觉卡产品均可用于安防、无人机、机器人、智能家居、智能汽车辅助驾驶等领域。人工智能应用场景层AI+医疗：融合现在关键表现在智能设备和识别诊疗两方面人工智能在医疗领域应用，我们认为关键表现在“软”和“硬”两方面。“硬”指是关键用于医院、诊所医疗或辅助医疗智能型服务机器人。种类包含手术机器人、假肢机器人、康复机器人、心理康复辅助机器人、个人护理机器人和智能健康监控系统等六大类。手术机器人领域代表企业Intuitive Surgical成立于1995年，其产品达芬奇手术机器人是现在全球范围内应用最广泛、技术水平最高手术机器人之一。达芬奇手术机器人属于人机协作型机器人，关键由医生控制台、机械臂系统、三维成像系统三部分组成。手术实施过程中，主刀医师不和病人直接接触，而是经过三维视觉系统和动作定标系统操作控制，由机械臂和手术器械模拟完成医生技术动作和手术操作。现在，整个手术机器人行业正在由大型开放性手术向人体微创精细型手术转型。手术机器人行业急需打破垄断，降低成本，普惠国人就全球而言，现在医疗机器人研发和销售仍关键集中在北美地域。截至6月，达芬奇手术机器人全球累计安装3745台，其中美国2474台，全球累计完成手术300万例。达芬奇手术机器人是中国唯一获批上市医疗机器人，截至12月，全国各地共引进了59台，共完成手术11445例，历年总计完成手术22917例，中国渗透率极低。伴随中国老龄化进程加速和中产阶级崛起，大家对医疗正确度、无痛化等要求逐步攀升，同时也因为医疗人员稀缺，中国医疗机器人需求空间很大。据OFweek消息，2021年，全球手术机器人市场规模将达200亿美元，手术机器人国产化已迫在眉睫。AI+医疗衍生出识别诊疗领域中，数据是关键在AI和医疗软性结合上，具体应用包含诊前疾病预防、健康管理；诊中辅助诊疗、医学图像处理；诊后虚拟医护助手等。现在，发展较为成熟领域有医学影像识别和智能诊疗等。算法和数据是医学影像识别和智能诊疗技术基础，其中，医疗垂直领域图像算法和自然语言处理技术已可基础满足行业需求，而数据方面比如医学影像数据、电子病历等，存在各医院之间信息不流通、企业和医院之间合作不透明等问题，使得技术发展和数据供给之间存在矛盾。但伴随全球医疗保健进入数字化拐点，可授权使用数据量得以快速增加，其次也因为医疗机器人这类新医疗数据终端逐步普及，全部将为智慧医疗行业带来新发展契机。政策激励+需求爆发，大健康领域或将出现更多创业者加入基于数据稀缺性，拥有一手医疗数据、和政府、医疗机构有大量渠道创业企业将会建立起壁垒。或经过对拥有数据企业进行全资收购也是快速壁垒好方法。现在，AI+医疗软性应用方面关键玩家国外有IBM Wastson，中国有碳云智能、推想科技等。，国务院公布相关印发全国医疗卫生服务体系计划纲要()，提出推进惠及全民健康信息服务和智慧医疗服务，推进健康大数据应用，逐步转变服务模式。IDC估计，中国医疗行业IT花费市场规模将达成336.5亿元，至年复合增加率为14.5%，增速高于中国IT市场平均增速，需求旺盛。整体而言，医疗“软”市场急需医疗数字化、开放化，“硬”市场需要大量创业者加入共同开发医疗机器人这片中国蓝海。AI+金融：AI技术融入，给予了金融行业更多想象力从信息技术变革角度来看，金融历经金融IT、互联网金融到金融科技三大发展阶段。金融IT，经过 IT 软硬件实现传统金融机构办公和业务电子化；互联网金融，利用互联网实现资产端、交易端、支付端、资金端等互联互通，达成信息共享和业务撮合；金融科技，经过大数据、云计算、人工智能、区块链等最新技术，提升金融业务智能化。人工智能和金融结合可从以下三方面展开说明 生物特征识别功效。首先活体验证降低了隐藏风险，首先远程身份验证提升了工作效率。千人千面、正确营销。基于大数据、机器学习、标签计算，实现实时正确画像描绘，提供个性化营销是未来趋势之一。深入还可发展为智能投顾、辅助量化交易等。大数据征信、普惠金融。基于大数据征信系统填补了中小型企业征信空白，扩大了用户范围同时，也提升了金融机构风控能力。企业案例：平安科技平安科技从金融领域高频需求出发，主攻远程身份验证业务平安科技成立于，是平安集团旗下全资子企业，拥有超出4000名专业IT技术人员和IT管理教授，基于母企业金融背景和需求了解，深挖人工智能在金融行业应用，关键应用于基于人脸识别远程身份验证，比如远程开户、绑卡核身、账户登录、分期购物、人脸考勤、人脸支付等业务场景。平安科技以深度学习、神经网络为基础，正确定位人脸和快速面部特征信息提取完成身份验证，含有人脸检测、人脸比对、活体检测和去网纹等多项能力，现在累积使用已超出2.5亿人次。平安科技人脸识别已服务逾百家合作用户，包含深圳、天津、福州、镇江人社局，深圳机场、房管局等。服务应用涵盖金融风控、安防、医保社保、铁路交通、机场安全、互联网、教育、社会公共服务等多个领域。人工智能行业总结深度算法、计算力、数据量和应用场景共同推进AI迎来爆发期自从1956年美国计算机协会组织达特莫斯（Dartmouth）学会上提出“人工智能”一词，这个概念伴随众多理论、技术和应用出现而被不停丰富。经过半个多世纪发展，人工智能已经成为时下最为热门话题之一，“AI”和“AI+”亦成为一级市场最火热创业/投资领域。在经历了诞生、黄金时代、遭遇障碍、繁荣、低潮等数个阶段以后，人工智能迎来了爆发期。总结此次AI爆发驱动力关键是包含现在主流应用基于多层网络神经深度算法和和包含芯片、超级计算机、云计算等在内计算力等。另外，被统计下海量数据和越发丰富应用场景也一样推进了AI爆发期到来。