《十大AI应用领域:AI从未如此美好》

  • 来源专题:装备制造监测服务
  • 编译者: zhangmin
  • 发布时间:2021-02-03
  • 从1956年达特茅斯会议提出AI开始,AI的研究经历几次沉浮。在一次次的高潮和低谷的交替中,不可否认的是,AI无论是在理论还是实践中都取得了长足的进步。尤其是近期以深度学习为代表的AI技术取得了突破性的进展,在计算机视觉、机器学习、自然语言处理、机器人技术方面取得了巨大的进步,深刻改变了我们的生活。

    1、智慧安防

    据《2019-2023年智能安防行业深度市场调研及投资策略建议报告》显示,国内的安防市场在急剧增长,从12年的3240亿元增长至2018年的6600亿元,年均复合增长率为12.6%。

    然而,智能安全已成为中国安防行业的发展趋势,其未来的比例将逐步增加。预计到2020年,中国智能安防市场规模将达到1000亿元以上,预计该行业的发展前景。

    完整的智能安防系统主要包括三个部分:门禁,报警和监控。常见的智能安防产品主要包括智能锁,气体传感器,烟雾传感器等,随着安全技术,电子技术和人工智能技术的不断进步,中国的智能安防产品种类越来越丰富。

    中国政府正在大力推进智慧城市和安全城市的建设。监控数量迅速增长,监控视频容量爆炸式增长,给存储市场带来了巨大挑战。通过智能安全检测,异常情况识别,存储关键信息的提取,可以大大降低监控视频的存储要求,有利于行业的健康发展。

    随着智能安防行业技术在不断进步,智能产品的造价成本也在降低,以及我国居民安全意识的提高,中国智能安防市场的需求正在快速增长,民用智能安防产品将成为智能安防行业的重要发展方向之一。

    2、智能化工业

    据埃森哲公司测算,到2035年,人工智能技术的应用将使制造业总增长值(GVA)增长近4万亿美元,年度增长率达到4.4%。而中国是制造业第一大国,2018 年制造业增加值达 26.5 万亿元,占 GDP 总量的 29.4%。

    在《新一代人工智能发展规划》中曾提出“到2030年,使中国成为世界主要人工智能创新中心”。人工智能市场前景巨大,预计到2025年人工智能应用市场总值将达1270亿美元。

    但值得注意的是,虽然人工智能技术刚刚越过曲线高峰处于狂热区,但是制造业真正应用到且效益非常高的场景比较少。除了制造业业务链冗长与复杂之外,AI技术的储存不足也是人工智能+制造业融合裹足不前的原因之一。

    3、智能医疗

    信息网络条件下,各种智能终端的普及和传感器的运用产生了大量的数据,为人工智能医学运用提供了源源不断的养分,不仅给医疗领域本身带来了一场新技术革命,更是具备了促进医疗服务模式改变的力量。人工智能在运营、预防、检查、诊断、治疗和康复等健康管理环节,以及药品研发、医疗器械生产等方面都有了不寻常的运用。

    在医院运营方面,可以利用人工智能检测医疗支出中的浪费、欺诈和滥用行为,计算预约患者的到院率,合理安排医护人员,监测床位使用率,追踪药物和医疗设备状态等,为医院决策者提供更多的决策信息。

    而在2020年刚开年,新冠肺炎病毒肆意入侵时,人工智能在医疗领域并未起到绝对的作用——复旦大学附属华山医院张文宏说道:“在整个疫情防控中,全部是靠人工,也就是靠传统智慧和城市管理实现的 ”。张文宏认为,尽管现在人工智能已经应用于多个场景,技术还算成熟,但在医疗、流行病防治领域,人工智能的建设还在起点。

    但并非说AI医疗尚未落地,据统计,目前全球有100多家初创企业在探索用AI 发现药物,传统的大型制药企业更倾向于采用合作的方式,如阿斯利康与Berg,强生与Benevolent AI,默沙东与Atomwise,赛诺菲和葛兰素史克与Exscientia,辉瑞与IBM Watson等。

    然而,专家认为, AI应用于新药研发与医疗AI落地面临同样的问题,如人才短缺、数据标准化与共享机制、商业模式创新等诸多问题。

    4、AI机器人

    随着AI产业的发展,几乎每一家互联网巨头,都已孵化出自己的机器人,并投入到实战应用中,与用户全方位交互。如亚马逊、谷歌、微软、苹果、百度、阿里、小米等公司开发的语音助手,包括Alexa、Google Assistant、小冰、Siri、小度、小爱等产品,正在成为我们重要的“私人助理”。

    据iiMedia Research(艾媒咨询)数据显示,全球机器人出货量逐年走高,预计2020年全球机器人出货量达到13,2百万个。但值得注意的是,目前的AI技术仍是弱AI阶段,不具备自主推理能力,与市场期待存在一定距离。

    但在2020年,由于新冠肺炎的影响,AI机器人得到快速的发展,而在这一发展中,针对性机器人成为发展重点。但不可否认的是,一旦新冠肺炎得到全面的控制,这类机器人通常会出现供过于求的现状,未来如何发展,还需企业进行相应的提前布局。

    5、智能客服

    由于客服人员招人难、培训成本高、流动性大,不易管理,而客服机器人可以全天24小时工作,还能通过实时数据反馈不断学习,企业有足够的动力用客服机器人取代一部分人工客服。

    据媒体报道称,中国大约有500万全职客服,以年平均工资6万计算,再加上硬件设备和基础设施,整体规模约4000亿人民币。按照40-50%的替代比例,并排除场地、设备等基础设施以及甲方预算缩减,大概会有200-300亿规模留给智能客服公司。

    但值得注意的是,由于AI技术人才成本极高,对于收入和盈利状况都不够理想的客服公司来说,投入巨资搭建AI团队无疑是一项豪赌,赌的是未来,危险的是现在。在整体宏观经济下滑、市场资金短缺的情况下,这样做无疑会增加经营风险。加上市场竞争激烈,AI产品短期内难以快速获得高额回报。而客服机器人公司技术投入更大,加上AI技术本身的高资金和人才投入壁垒,使得创业公司难以和巨头比肩,未来有可能遭遇巨头技术开源或平台化冲击。

    6、智能家居

    人工智能如何与智能家居相结合?BroadLinkCEO刘宗儒曾对OFweek维科网编辑说道:“实际智能家居并不需要太过于深入的人工智能系统,‘浅’人工智能即可。”

    而智能家居现在有明显人工智能特点的,主要体现语言交互上面——在传统的鼠标操作、触屏操作逐渐向语音交互这种更为自然的交互方式演进,语音交互的未来价值在于用户数据挖掘,以及背后内容、服务的打通,以语音作为入口的物联网时代将会产生新的商业模式。

    这种模式的新奇其实是暂时的,如果真要提高整个家居的智能程度,那么情绪识别、手势识别功能也必须跟着一同进步才可以。目前智能家居仍处于从手机控制向多控制结合的过渡阶段,手机APP仍是智能家居的主要控制方式,但是随着人工智能技术的不断发展,更多的操作方式会被研发出来。

    7、智慧营销

    在错综复杂的市场环境下,中小企业营销陷入困境。而随着人工智能(AI)在营销领域的深入应用,掀起了一股前所未有的热潮,改变每一个行业的营销方式。人工智能营销软件已被企业加以重视。

    据艾瑞的相关数据显示,2019年人工智能在营销方面的产业份额占人工智能赋能实体经济的11.6%,前瞻分析,民企活力将逐步显现,来来的发展趋势,人工智能在营销方面的发展将成为普及趋势。

    人工智能在营销方面的应用优势在于它具有从广泛的客户、行为、业务和渠道来源,在规模上和实时地、分析数据的内在能力。

    简单来说,言通智能营销系统的应用,一方面实现企业销售管理自动化,提高销售人工工作效率;另一方面则结合相应的大数据分析,进一步促进企业拓客,并发挥人工智能销售的优势,从而使企业实现更大的经济效益。

    实际上,言通智能营销系统作为一站式智能营销解决方案服务平台,本质上就是为了最大化激发企业客户信息资源的商业价值,并帮助企业建立智能营销,在智能化转型的过程中抢得先机。

    8、自动驾驶

    自从2016 年中国汽车工程协会正式对外发布了自动驾驶领域技术标准——《节能与新能源汽车技术路线图》。

    路线图中制定了我国自动驾驶汽车未来发展的三个五年阶段需要达成的目标,而2020 年是起步期也是关键期——汽车产业规模需达3000万辆,驾驶辅助或部分自动驾驶车辆市场占有率将达到 50%。2025年高度自动驾驶车辆市场占有率需达到约15%;到2030年,中国将力争实现拥有完全自动驾驶车辆规模3800万辆,市场占有率接近10%。

    而在2018年12月,工信部印发的《车联网(智能网联汽车)产业发展行动计划》要求:“车联网用户渗透率达到30%以上,新车驾驶辅助系统(L2)搭载率达到30%以上,联网车载信息服务终端的新车装配率达到60%以上”。此外,还提及了一个更高目标:到 2020 年,具备高级别自动驾驶功能的智能网联汽车实现特定场景规模应用”。

    据智研咨询发布的《2020-2026年中国无人驾驶行业市场经营风险及竞争策略建议分析报告》显示:随着汽车智能化的不断发展,截止2018年,中国智能驾驶市场规模增长至893亿元,同比增长31%,市场渗透率达到47%。根据初步测算2019年中国智能驾驶市场规模将突破千亿,未来4年(2020-2023)年均复合增长率约为20.62%,智能驾驶乘用车的渗透率也将由2016年的20%上升至2020年的61%,且智能驾驶系统的级别会提升,更高智能驾驶水平的汽车占比亦将大幅提升。预测2035年前,全球将有1800万辆汽车拥有部分无人驾驶功能,1200万辆汽车成为完全无人驾驶汽车,中国或将成为最大市场。

    9、AI数据服务

    中国AI数据服务行业从2010年的野蛮生长期到现如今的规范化发展阶段,伴随着需求升级,技术更硬核、效率度极高的专业AI数据服务企业将成为主流趋势。

    据国务院印发的《新一代人工智能发展规划》提出,到2020年人工智能总体技术和应用与世界先进水平同步,核心产业规模超过1500亿元,到2025年人工智能核心产业规模超过4000亿元,到2030年人工智能理论、技术与应用总体达到世界领先水平,核心产业规模超过1万亿元。

    随着政策的进一步推动以及技术的进步成熟,人工智能产业落地速度将明显提速,中国AI数据服务行业也将迎来巨大的发展浪潮。

    10、图像搜索

    图像搜索是近几年用户需求日益旺盛的信息检索类应用,分为基于文本的和基于内容的两类搜索方式。传统的图像搜索只识别图像本身的颜色、纹理等要素,基于深度学习的图像搜索还会计入人脸、姿态、地理位置和字符等语义特征,针对海量数据进行多维度的分析与匹配。

    该技术的应用与发展,不仅是为了满足当下用户利用图像匹配搜索以顺利查找到相同或相似目标物的需求,更是为了通过分析用户的需求与行为,如搜索同款、相似物比对等,确保企业的产品迭代和服务升级在后续工作中更加聚焦。

    写在最后

    从蒸汽时代、电气时代再到现在的以互联网为代表的万物互联时代,每一次的技术革新都推动着世界经济的发展,人工智能的出现将有助于推动新一轮的创新热潮,催生出新的商业模式与经济增长点。百度CEO李彦宏曾在第六届世界互联网大会演讲中说道:“人工智能不仅不会毁灭人类,反而会让人们获得“永生””。

相关报告
  • 《盘点2019年全球十大AI芯片》

    • 来源专题:集成电路
    • 编译者:shenxiang
    • 发布时间:2019-12-25
    • 人工智能 浪潮的推动下,AI相关产业的商用场景正逐步大规模落地,基于AI技术的三大支柱:“算法+大数据+计算能力”智能应用已成为计算机最主要的负载之一。我国在用户数据方面拥有数量的先天优势,但面对有限的规模、结构固定、能耗受限的硬件制约下,如何用AI芯片处理海量的并不断演进的深度学习算法呢?跟随OFweek编辑一起来看看各大科技巨头们研发的AI芯片吧。(排名按首字母顺序排列) 1.含光800 2019年的杭州云栖大会上,达摩院院长张建锋现场展示了这款全球最强的 AI芯片——含光800。在业界标准的 ResNet-50 测试中,含光 800 推理性能达到 78563 IPS,比目前业界最好的 AI 芯片性能高 4 倍;能效比500 IPS/W,一个含光800的算力相当于10个GPU。 目前,含光800已经实现了大规模应用于阿里巴巴集团内多个场景,例如视频图像识别/分类/搜索、城市大脑等,未来还可应用于医疗影像、自动驾驶等领域。以杭州城市大脑实时处理1000路视频为例,过去使用GPU需要40块,延时为300ms,单路视频功耗2.8W;使用含光800仅需4块,延时150ms,单路视频功耗1W。 2.Graphcore IPU 总部位于英国布里斯托的Graphcore公司日前推出了一款称为智能处理单元(IPU)的新型AI加速处理器。芯片本身,即IPU处理器,是迄今为止最复杂的处理器芯片:它在一个16纳米芯片上有几乎240亿个晶体管,每个芯片提供125 teraFLOPS运算能力。一个标准4U机箱中可插入8张卡,卡间通过IPU链路互连。8张卡中的IPU可以作为一个处理器元件工作,提供两个petaFLOPS的运算能力。与芯片在CPU和GPU中的存在形式不同,它为机器智能提供了更高效的处理平台。 Graphcore公司于2016年启动风险投资计划,并在2018年12月的最后一轮融资中募集了2亿美元。基于其17亿美元的公司估值,Graphcore已成为西方半导体界的唯一“独角兽”。它的投资者们包括戴尔、博世、宝马、微软和三星。 3.Inferentia芯片 2019年,亚马逊的云服务业务AWS在其发布会AWS re:Invent上带来了高性能机器学习加速芯片Inferentia。据了解,AWS Inferentia 是一个由 AWS 定制设计的机器学习推理芯片,旨在以极低成本交付高吞吐量、低延迟推理性能。该芯片将支持 TensorFlow、Apache MXNet 和 PyTorch 深度学习框架以及使用 ONNX 格式的模型。 每个 AWS Inferentia 芯片都能在低功率下支持高达 128 TOPS(每秒数万亿次运行)的性能,从而为每个 EC2 实例启用多个芯片。AWS Inferentia 支持 FP16、BF16 和 INT8 数据类型。此外,Inferentia 可以采用 32 位训练模型,并使用 BFloat16 以 16 位模型的速度运行该模型。与EC4上的常规Nvidia G4实例相比,借助Inferentia,AWS可提供更低的延迟和三倍的吞吐量,且每次推理成本降低40%。 4.昆仑芯片 2019年尾声,百度宣布首款AI芯片昆仑已经完成研发,将由三星代工生产。该芯片使用的是三星14nm工艺技术,封装解决方案采用的是I-Cube TM。 据悉,昆仑AI芯片提供512Gbps的内存带宽,在150瓦的功率下实现260TOPS的处理能力,能支持语音,图像,NLP等不同的算法模型,其中ERNIE模型的性能是T4GPU的三倍以上,兼容百度飞桨等主流深度学习框架。该款芯片主要用于云计算和边缘计算,预计在2020年初实现量产, 5.Nervana NNP 芯片 2019 英特尔人工智能峰会,英特尔推出面向训练 (NNP-T1000) 和面向推理 (NNP-I1000) 的英特尔 Nervana 神经网络处理器 (NNP)。据了解,Nervana NNP-T 代号 Spring Crest,采用了台积电的 16nm FF+ 制程工艺,拥有 270 亿个晶体管,硅片面积 680 平方毫米,能够支持 TensorFlow、PaddlePaddle、PYTORCH 训练框架,也支持 C++ 深度学习软件库和编译器 nGraph。 Nervana NNP-I,代号为 Spring Hill,是一款专门用于大型数据中心的推理芯片。这款芯片是基于 10nm 技术和 Ice Lake 内核打造的,打造地点是以色列的 Haifa ,Intel 号称它能够利用最小的能量来处理高负载的工作,它在 ResNet50 的效率可达 4.8TOPs/W,功率范围在 10W 到 50W 之间。 6.Orin芯片 2019年NVIDIA GTC中国大会中英伟达发布了全新的软件定义自动驾驶平台——NVIDIA DRIVE AGX Orin,该平台内置全新Orin系统级芯片,由170亿个晶体管组成。 Orin系统级芯片集成了NVIDIA新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和 计算机视觉 加速器,每秒可运行200万亿次计算,几乎是NVIDIA上一代Xavier系统级芯片性能的7倍。此外,Orin可处理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络,并且达到了ISO 26262 ASIL-D等系统安全标准。 7.邃思DTU 由腾讯领投、融资累计超过 6 亿元的 AI 芯片公司燧原科技,在2019年发布会中推出自主研发的首款 AI 训练芯片“邃思 DTU”。 据了解邃思DTU采用格罗方德12nm FinFET工艺,480平方毫米主芯片上承载141亿个晶体管,实现2.5D高级立体封装,据称单卡单精度算力为业界第一,达20TFLOPS,首次支持混合精度,半精度及混合精度下算力达80TFLOPS,最大功耗仅225W。 邃思芯片基于可重构芯片的设计理念,其计算核心包含 32 个通用可扩展神经元处理器(SIP),每 8 个 SIP 组合成 4 个可扩展智能计算群(SIC)。SIC 之间通过 HBM 实现高速互联,通过片上调度算法,数据在迁移中完成计算,实现了 SIP 利用率最大化。 8.思元220芯片 寒武纪在第21届高交会正式发布边缘AI系列产品思元220(MLU220)芯片及M.2加速卡产品,标志寒武纪在云、边、端实现了全方位、立体式的覆盖。 思元220芯片采用了寒武纪在处理器架构领域的一系列创新性技术,其架构为寒武纪最新一代智能处理器MLUv02,实现最大32TOPS(INT4)算力,而功耗仅10W,可提供16/8/4位可配置的定点运算。作为通用处理器,支持各类深度学习技术,支持多模态智能处理(视觉、语音和 自然语言处理 ),应用领域广泛,客户可以根据实际应用灵活的选择运算类型来获得卓越的人工智能推理性能。 9.昇腾910 2019年8月,华为在深圳总部发布AI处理器Ascend 910(昇腾910),据华为发布的参数显示,昇腾910是一款具有超高算力的AI处理器,其最大功耗为310W,华为自研的达芬奇架构大大提升了其能效比。八位整数精度(INT8)下的性能达到512TOPS,16位浮点数(FP16)下的性能达到256 TFLOPS。 作为一款高集成度的片上系统(SoC),除了基于达芬奇架构的AI核外,昇腾910还集成了多个CPU、DVPP和任务调度器(Task Scheduler),因而具有自我管理能力,可以充分发挥其高算力的优势。 昇腾910集成了HCCS、PCIe 4.0和RoCE v2接口,为构建横向扩展(Scale Out)和纵向扩展(Scale Up)系统提供了灵活高效的方法。HCCS是华为自研的高速互联接口,片内RoCE可用于节点间直接互联。最新的PCIe 4.0的吞吐量比上一代提升一倍。 10.征程二代 2019世界 人工智能大会 中,人工智能芯片初创公司地平线正式宣布量产中国首款车规级人工智能芯片——征程二代,并且获得五个国家市场客户的前装定点项目。 据介绍,征程二代于今年初流片成功,搭载地平线自主创新研发的高性能计算架构BPU2.0(Brain Processing Unit),可提供超过4TOPS的等效算力,典型功耗仅2瓦,满足AEC-Q100标准,算力利用率超过90%,每TOPS算力可以处理的帧数可达同等算力GPU的10倍以上,识别精度超过99%,延迟少于100毫秒,多任务模式下可以同时跑超过60个分类任务,每秒钟识别目标数可以超过2000个。 此次地平线率先推出首款车规级AI芯片不仅实现了中国车规级AI芯片量产零的突破,也补齐了国内自动驾驶产业生态建设的关键环节。 小结 目前通过CPU/GPU处理人工神经网络效率低下,谷歌大脑需要1.6万个CPU核跑数天方能完成猫脸识别训练;AIpha GO与李世石下棋时用了1000个CPU和200个GPU,AI芯片的发展是第三次AI浪潮中极为明显的趋势,算法已渗透到云服务器和智能手机的方方面面,未来每台计算机可能都需要一个专门的深度学习处理器。
  • 《科技文献垂直领域大模型及其应用荣获“2023AIIA人工智能十大先锋应用案例”奖【中国科讯】》

    • 来源专题:数智化图书情报
    • 编译者:于彰淇
    • 发布时间:2023-12-21
    • 2023年12月7日,科技文献垂直领域大模型及其应用入选AIIA(中国人工智能产业发展联盟)2023人工智能十大先锋案例。科技文献垂直领域大模型及其应用由中国科学院文献情报中心(以下简称文献中心)和科大讯飞股份有限公司(以下简称科大讯飞)合作建设。 AIIA是在国家发改委、科技部、工信部、网信办指导下,由中国信息通信研究院等单位共同发起成立的组织。今年10月,AIIA启动了“2023人工智能十大先锋应用案例征集”活动,旨在甄选具有高价值、标杆性、真落地的行业典型应用实践。 科技文献垂直领域大模型及其应用从百余项入围案例中脱颖而出,荣获 “2023AIIA 人工智能十大先锋应用案例”奖,也是本次十大先锋应用案例奖中的唯一科技文献领域 AI 应用。 科技文献大模型-星火科研助手是文献中心携手科大讯飞共同研发的智能知识服务平台。它基于海量科技文献资源,提供“成果调研、论文研读和学术写作”等三大科研助手功能。