登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《中国人工智能产业发展格局及投资前景研究》

  • 来源专题：数控机床与工业机器人
  • 编译者： icad
  • 发布时间：2019-11-13

  • 伴随着市场各方的共同努力，我国人工智能创新成绩显著。2013年至2018年，全球人工智能领域的论文文献产出共30.5万篇，其中，中国发表7.4万篇位居全球第一，人工智能企业数量、融资规模居全球第二，跻身全球第一方阵。

    　　目前，我国正致力于实现经济高质量发展，“人工智能+”将成为企业转型升级的新方法、新模式，有力提高经济社会发展智能化水平。未来5年我国人工智能市场总体规模将保持高增长率，年复合增长率将达44.9%，超过170亿美元。在我国整个人工智能市场中，硬件市场规模最为突出，预计到2023年，人工智能硬件市场规模将达83亿美元。

    　　未来5年我国人工智能市场总体规模将保持高增长率，年复合增长率将达44.9%，超过170亿美元。在我国整个人工智能市场中，硬件市场规模最为突出，预计到2023年，人工智能硬件市场规模将达83亿美元。

    　　如同工业时代的蒸汽机和信息时代的互联网+，人工智能在“大智慧”时代扮演着越来越重要的角色。当前，新一代人工智能正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。作为新一轮科技革命的核心驱动力，人工智能在制造业领域的应用最具潜力。未来，人工智能将成为中国制造向中国智造迈进的强大引擎。

90浏览量
原文链接
相关报告

  • 《中国人工智能产业链“显山露水”》
    • 来源专题：数控机床——战略政策
    • 编译者：杨芳
    • 发布时间：2017-11-21
    • 近日，中国人工智能产业发展联盟组建成立。据介绍，联盟将快速推动人工智能技术在生产制造、健康医疗、生活服务、城市治理等场景的应用，提升产业发展能力与水平。同时，将整合全产业链资源，促进人工智能科技成果和资源的积累与转化。     业内比较一致的看法是，人工智能产业链可分为基础层、技术层和应用层。对此，全球巨头立足自身核心技术进行扩散，积极进行布局。与此同时，中国人工智能产业链也已“显山露水”，20余家A股公司正在“抢滩”产业链。     基础层：中国芯片尝试“弯道超车”     基础层主要包括计算芯片、大数据、存储。微软的最新研究报告称，在人工智能领域，传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求，这就需要新的底层硬件来更好地储备数据、加速计算过程。基础层主要以硬件为核心，其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件，这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力，目前多以传统的国际IT巨头为主。     目前，在GPU领域，英伟达主打工业级超大规模深度网络加速，并推出了基于Volta、首款速度超越100TFlops的处理器Tesla；英特尔主要围绕FPGA构建产业，推出了模仿人脑的人工智能芯片。谷歌也推出了第二代TPU芯片，为自己的开源TensorFlow框架提供芯片支撑。此外，在这一领域还有众多的初创公司，如中星微、寒武纪以及西井科技等，但在产业布局能力和研发实力方面，还不能与上述巨头匹敌。     记者注意到，中国在类人脑芯片上的探索起步并不晚。2015年，由浙江大学计算机学院牵头，浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料（CMOS）的支持脉冲神经网络（SNN）的类脑芯片——“达尔文”芯片。该课题组认为，“达尔文”虽是国内首款支持脉冲神经网络的类脑芯片，但与国际先进水平的IBM TrueNorth芯片比较，还有一定距离。     中国在类人脑计算上的探索目前比较受关注的是中国科学院计算技术研究所陈云霁、陈天石主导的“寒武纪”课题组。计算所的有关专家告诉记者，寒武纪深度学习处理器的能效比主流CPU和GPU有两个数量级的提升，具有较强的市场竞争优势。从2017年起，“寒武纪”课题组获得了中国科学院为期18个月共计1000万元的专项资金支持，用于项目研发及产业化。据中国科学院计算技术研究所智能处理器研究中心介绍，这1000万元专项资金一方面用于人工智能芯片的基础性研究，探索下一代人工智能芯片的架构、算法以及在一些新型场景（如AR/VR）中的应用开发方法。这将为我国参与智能时代国际芯片市场角逐打下科学和技术基础。专项资金另一方面用于寒武纪芯片在各种智能云服务器、智能终端和智能机器人市场中的推广，力争在18个月内初步奠定寒武纪芯片在智能芯片市场上的地位。     中国科学院计算所有关负责人表示，“‘龙芯’是一条路，寒武纪是一条路，而与IBM、英特尔、AMD合作是另一条路。‘龙芯’走的是‘人有我有’之路，寒武纪走的是‘弯道超车’之路。”     技术层：国产语音识别算法取得突破     技术层包括算法平台、图像识别、自然语言识别处理和智能机器人。当前，国内的人工智能技术平台主要聚焦于计算机视觉、语音识别和语言技术处理领域，国内技术层公司发展势头也随之迅猛，其中有代表性的企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、地平线、SenseTime、永洪科技、旷视科技、云知声等。     麦肯锡的一份研究报告对中国人工智能发展状态进行了全面而细致的梳理。麦肯锡认为，中国在算法开发方面与其他国家相当。中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。     中国科技战略研究院有关专家对记者表示，“人工智能产业的发展离不开海量数据的支撑，数据训练量的大小影响着算法实现的成熟度。”阿里云iDST总监初敏表示，算法、数据、计算平台、用户、商业模式，用互联网的思维把这五个因素串起来，人工智能迭代才能非常快。以更快的速度使用反馈数据来更新模型，形成这样的正循环周期后，效果就会越来越好。哪怕就是算法不变，只要能不断地反馈数据并不断优化，过一两个月之后，它的能力也会好很多。     国内的曙光公司联合众多企业成立了航天星图、中科三清、曙光易通，锁定数据。航天星图专注于地理空间大数据处理、可视化应用，中科三清由曙光与中国科学院物理所合资，专注于大气、水以及土壤污染的预报、预警，治理评估和应急提供可行性的解决方案。除了传统IT企业在抢数据资源之外，事实上，中国也涌现了很多运营和经营数据的公司，比如数据堂、星图数据、百分点等，并涌现了更多公共数据开放平台。     数据显示，2016年中国数据总量占全球数据总量的14%。据预测，到2020年，中国的数据总量将占全球数据总量的20%，届时中国将成为世界第一数据资源大国和全球的数据中心。     创新工场人工智能战略白皮书显示，数据隐私、数据安全对人工智能技术建立跨行业、跨领域的大数据模型提出了政策、法规与监管方面的要求。各垂直领域的从业者从商业利益出发，也为数据的共享和流转限定了基本的规则和边界。此外，许多传统行业的数据积累在规范程度和流转效率上还远未达到可充分发挥人工智能技术潜能的程度。     麦肯锡表示，中国的大技术公司通过它们专有的平台收集数据，但中国在创建数据友好的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。从世界有关国家看，开放政府数据有助于私营部门的创新，但中国公共部门开放的数据相对较少。     应用层：驾驶、医疗等成热点领域     应用层包括无人驾驶、智能安防和智慧医疗等。从全球看，IBM最早布局人工智能应用，“万能Watson”推动多行业变革。百度推出“百度大脑”计划，重点布局无人驾驶汽车。而谷歌的人工智能业务则较为繁杂，多领域遍地开花，包括AlphaGo、无人驾驶汽车、智能手术机器人等。微软则在语言语义识别、计算机视觉等领域保持领先。     科大讯飞董事长刘庆峰表示，2017年是中国人工智能应用的落地年，成为人工智能产业发展的分水岭。他认为，应用才是人工智能发展的硬道理，只有技术不断地应用在各个领域，才能得到发展。     腾讯集团董事长马化腾表示，没有场景支持的人工智能研究是空中楼阁。这些年，人工智能技术的快速发展，让人工智能在个人助理、汽车领域、医疗健康、安防、电商零售、金融、教育等方面的应用覆盖了生活的各个方面。     百度公司总裁张亚勤表示，百度要做人工智能时代的操作系统，需要建立一个生态，没有场景的人工智能是没有用的。百度未来10至20年的战略都押注在人工智能领域，公司所有的资源和技术都向其倾斜。     人工智能在汽车领域的应用前景十分广阔，其中自动驾驶最受人关注。在自动驾驶领域，很多厂商已经深耕数年，这让2016年成为自动驾驶充分竞争的一年。今年百度智能汽车正式亮相，向全球展示了百度在高精地图生产制造、自动驾驶环境感知等领域的领先技术，并发布自动驾驶开放平台。通过应用人工智能技术，能够提高公共交通系统的安全性和效率，自动驾驶车辆也可以减少交通事故、缓解交通压力，为实现指挥交通发挥重要作用。     阿里巴巴与杭州市政府合作，通过整合人工智能技术的交通信号灯，使城市交通更加智能化，减少了拥堵，在特定区域提升了11%的交通流量。吉利汽车搭建新一代核心业务系统整体上云，实现了传统业务的在线化和数据化运营，助力吉利汽车引领汽车行业的“互联网+”潮流。     最近，国防科技大学相关团队研发的医疗机器人对外公布。该机器人通过运用超级计算机的大数据运算以及人工智能技术，可以提供挂号、诊疗、体检等一体化智能医疗服务，包括智能挂号、智能诊疗、智能健康体检三大功能系统。百度在医疗O2O智能分诊、人工智能参与的智能问诊、基因分析和精准医疗、基于大数据的新药研发等四方面进行研发，期望把几十万台服务器的运算能力和最先进的算法，运用到医疗和健康领域。     近两年来，长虹、美的、格力、格兰仕等家电公司都在向智能制造转型，在机器人生产及应用领域进行布局。同时，几乎所有的家电厂商都立足“Smart Home”，将人工智能和智慧家庭更紧密地结合在一起。     不过，接受采访的专家表示，大多数传统行业的业务需求与人工智能的前沿科技成果之间尚存在不小距离。面向普通消费者的移动互联网应用与人工智能技术之间的结合尚处在探索阶段。
    174浏览量
    原文链接

  • 《张宏江：人工智能的长远发展需要有人坐冷板凳》
    • 来源专题：数控机床——战略政策
    • 编译者：icad
    • 发布时间：2019-03-28
    • 从金山CEO退休两年后，除了在源码资本任职投资合伙人，张宏江又在北京智源人工智能研究院担任首届理事长，致力于推动不同行业分享大数据，让从事基础研究院所和 AI 的创业公司更容易获得数据。 　　 从金山CEO退休两年后，除了在源码资本任职投资合伙人，张宏江又在北京智源人工智能研究院担任首届理事长，致力于推动不同行业分享大数据，让从事基础研究院所和 AI 的创业公司更容易获得数据。 　　 作为一个横跨产学研、投资四界的人，他对 AI 产业发展无疑有着更全面的了解。近期他接受了 我们的专访，讲述了AI产业投资、AI公司发展和人才培养三方面的内容。 　　　　 谈 AI 投资：投资正趋于理性 　　 问：从投资角度，你觉得中国在“智能+”领域投资的短板是什么? 　　 张宏江：中国人工智能投资聚焦在应用层，算法、芯片这些基础层的公司与美国相比确实少一些，这跟我们的发展阶段相关，但这会逐渐改善。 　　 问：在应用层，你看好哪些“智能+”领域的发展前景? 　　 张宏江：我不是应用领域的专家，但发展前景一般与这两点有关：一是应用场景能够产生大数据，二是能够产生很多收入或者它本身就有很大的资源，也就是钱多、数据多的行业，比如金融、医疗和移动互联网。 　　 问：钱多、数据多的行业有很大的发展前景，但今年的投融资数据显示，获得最多融资额的是智能制造，这说明了什么? 　　 张宏江：应用场景越大，未来所能够影响的市场越大，显然潜力也就越大。我们谈的所有概念都是相对概念，制造业是中国最大的产业，进一步智能化后显然有最大的市场，所以在这个领域吸引到投资是正常的、比较健康的。 　　 问：去年年初，李开复等业内人士就预言今年年底寒冬来临，AI 泡沫会破掉，不过投融资数据同样显示，相比去年，今年的 AI 投资事件在数量减少了 1/3，但整个投资的融资额度却增加了将近 1/4，AI 投资的热度似乎不降反升了? 　　 张宏江：我们说泡沫破灭还是寒冬来临都是相对概念。换句话说，今天人们看人工智能公司已经不像三年前，钱就会跟着几个从大学出来的博士或者教授，从这一点来说泡沫已经破了。 　　今天投资额度的增加在于很多钱投到了 B 轮以上的公司，所以(总体投资)数量降低是正常的，这恰恰说明了整个市场趋于成熟，投资也越来越理性，人们对于一家 AI 公司所需要具备的核心竞争力在什么地方也越来越清楚。 　　另外，关于投资寒冬，其实大家更多看的是经济周期，当经济下行的时候投资一定会变得更加小心。 　　 问：如果对 AI 初创企业的创业者们说一句话，你会说什么? 　　 张宏江：想清楚自己到底要做什么。第一个问题是你覆盖的用户到底有没有这种需求;第二个问题是有这种需求，你和现在已经在满足他们这种需求的公司有什么核心的差异化。 　　谈 AI 公司：要形成数据生产的闭环 　　 问：你强调 AI 公司的护城河是数据和人才，算法和技术形成不了商业模式，但关键问题是他们如何获得高质量的数据以及正确地使用数据? 　　 张宏江：如何获取高质量的数据这个问题今天已经有非常好的答案，这也是为什么这一波AI浪潮能够起来的根本原因之一。20 年前人们做神经网络的时候，并不是完全不知道算法应该怎么往下延伸，而是说那时候根本就没有这么多数据。但尤其过去 10 年移动互联网的快速发展，人和数据有了大量的深度交互，这本身就是产生高质量标注数据的过程。比如用手机拍一张照片，你至少知道是谁在什么地方、什么时候、用哪个手机照的，这些摄像机参数都有，然后就能很容易做场景识别。 　　同样的道理，我认为未来的人工智能公司一定是所谓的闭环公司，就是说你有产品，产品跟用户进行交互，这个过程中又产生大量反馈去改善产品以及用户体验，吸引更多用户之后，也就能产生更多数据从而训练更好的算法。整体来说是一个循环，尤其是移动互联网的“环”。 　　所以我不认为产生高质量大数据是个问题，实际上更大的问题是怎么分享不同行业的大数据，怎么让做基础算法研究的人能够用它训练更好的算法，这是核心问题所在。 　　 问：既然数据起决定性作用，那是不是可以认为未来没有数据的 AI 公司都会死掉? 　　 张宏江：也不能说它会死掉，总归会留下一些AI技术和解决方案 咨询公司，但这些公司很难成为真正的具有领军地位的平台型公司。 　　问：反过来看，如果现在的大数据公司或者数据平台快速地跟进算法或技术，那他们在未来竞争中应该更有优势。 　　张宏江：没错，因为今天那些在人工智能上有优势的公司，比如 Google，Facebook，微软，Amazon 的核心在于他们能够获得大量实用场景的数据，当然他们也有很强的技术团队，尤其是 Google 和微软。另外像中国的 BAT、今日头条、美团也一样，他们能够持续获得大量高质量的数据，加上他们本身的技术实力，他们成为人工智能领军企业是毫无疑问的。 　　 问：即将举办的 2018 大数据技术大会(BDTC)的演讲议题至少有一半都与人工智能技术强相关，怎么看大数据会议“AI 化”的趋向? 　　 张宏江：大数据会议持续举办很多年了，甚至没有因为人工智能的热度把名字给改掉，我感到非常高兴。大数据我们谈了 15 年，但它的应用落地很有限，深度学习算法的突破给大数据的应用提供了强有力工具。在智能化之前，企业首先要先做到数据化，要意识到用数据来驱动业务、驱动产业。所以对于大数据的未来发展，我们应该非常乐观地认识到它是这次产业革命最核心的生产资料，而再利用人工智能这种工具，会找到更好、更多的大数据应用场景。 　　 谈 AI 人才：一窝蜂扎堆的方式不可取 　　 问：从技术人员角度，你认为 AI 时代需要的优秀人才都有哪些特征? 　　 张宏江：任何时代业界对技术人员的要求都是同样的，最核心的是热爱技术，有扎实的技术基础，动手能力极强，只是说 AI 时代可能对人才的技能要求更高，人工智能工程师不只是写程序，还要学会不断开发算法，要有很强的数据分析能力、应用场景的理解能力。 　　 问：大学是为企业输送 AI 人才的重要基地，去年以来有一个显著的趋势是至少有 50 家高校的本科都设置了人工智能学院。在人才培养方面你与高校也有交流，你觉得高校培养 AI 人才方面存在哪些误区? 　　 张宏江：任何一窝蜂的做法都不可取，尤其是大学都这样做，却不看具体要求。比如我们 15 年前都做软件学院，今天谁告诉我软件学院跟计算机学院的区别?10 年前大家开始开设电商专业，电商专业到底学的是什么?今天人工智能的兴起让我们对人工智能人才的技能要求更多，那我们本科教育应该去加强人工智能课程的设置和质量，让它成为计算机专业方向的侧重方向。你做人工智能专业修不修计算机基础课?要不要懂计算机系统架构?要不要懂计算机基本算法?你前面还要学数学、代数，这些都要做。 　　所以我看不出今天一窝蜂做人工智能本科专业对这个产业有任何益处。五年以后，如果需要更多芯片人才、网络人才怎么办?10 年前为什么不设 AI 本科专业?我们需要的恰恰是建立起持之以恒的计算机本科教育，强调计算机基础能力，需要课程内容设置更扎实、丰富，包括教材、讲课的内容要不断跟上技术发展的需求。 　　 问：另一方面，这么多人工智能学院的成立也说明对 AI 人才的需求很旺盛。 　　 张宏江：我没有看到美国排名前 50 的学校一窝蜂地扎堆。过去 30 年人工智能都在坐冷板凳，因为热了再开这个课，那五年以后再坐冷板凳怎么办?我们要的是扎实的本科教育，不是追噱头的一窝蜂。 　　 问：美国的 AI 人才教育有什么值得借鉴的地方? 　　 张宏江：过去几十年我们一直在向美国学习教育(课程)怎么设置，这种过程应该持续下去，但我们经常学到的是外表或者是一些“时髦”的东西，比如今天大学大多强调的是论文、SC 检索。 　　我前段时间跟一位院士聊天，聊到在学术上中国人工智能的人才数量已经不少。他说量是比以前增加了很多，但你看看他们在做什么?国际人工智能大会上发表的文章数量已经不少，但这些文章据说 90% 都分布在最热的深度神经网络，就跟设置本科人工智能专业的情形一模一样，这是令人忧虑的。 　　大家有没有想过今天的神经网络或者深度学习缺陷在哪?它不能解决的问题是什么?这些算法未来的演进是什么?是不是应该在 AI 的其他地方再多做点?我们更应该强调持续的基础研究，真正能够坐很长时间冷板凳的东西。 　　 问：你认为目前人们对人工智能行业的发展最需要重视的问题是什么? 　　 张宏江：最大的风险是人们认为人工智能只有深度学习或者只有神经网络学习。我们知道每个算法都有它的局限性，如果只考虑一种算法，也应该更多地看一看这种算法的改善空间，这种算法能不能跟其他算法结合，从而应用到更好的应用场景去创造更大的价值。 　　 今天人工智能取得的突破都是长期坐冷板凳的结果，下一个突破可能也在于今天坐冷板凳的那些人，希望 AI 的基础研究能够放眼更远的未来。
    59浏览量
    原文链接