來源：AI科技大本營

      在AI發(fā)展的不同階段,驅(qū)動力各有側(cè)重，我們可以將AI的發(fā)展劃分為三個階段：技術(shù)驅(qū)動階段、數(shù)據(jù)驅(qū)動階段和場景驅(qū)動階段。其中技術(shù)驅(qū)動階段集中誕生了基礎(chǔ)理論、基本規(guī)則和基本開發(fā)工具。在此階段,算法和計算力對AI的發(fā)展起到主要推動作用,其中計算力主要包含芯片、超級計算機、云計算等三個維度。

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

      人工智能目前仍處于發(fā)展的早期階段,整體看來技術(shù)的發(fā)展將先于應(yīng)用層面,但技術(shù)層面仍存在瓶頸需要突破；應(yīng)用場景將不斷豐富,它的擴充將會反過來驅(qū)動支撐技術(shù)的持續(xù)發(fā)展,AI的整體市場規(guī)模將繼續(xù)擴大。

      相比應(yīng)用場景層面的發(fā)展,基礎(chǔ)應(yīng)用層的技術(shù)將會是AI中較早發(fā)展的部分。不過,從AI整體發(fā)展階段來講，我們認(rèn)為AI仍處于早期,雖然語音識別、計算機視覺等感知層的技術(shù)目前已經(jīng)取得了一定成就,但語義識別等認(rèn)知層的技術(shù)仍不甚完善,即使是像計算機視覺這樣的感知層技術(shù)也存在發(fā)展不均衡的問題。

      隨著AI支撐技術(shù)的不斷發(fā)展,AI將持續(xù)拓展更多的應(yīng)用場景；而愈發(fā)多樣化的應(yīng)用場景需求又會反過來驅(qū)動支撐技術(shù),從而帶動整個AI行業(yè)的持續(xù)發(fā)展。但各應(yīng)用場景的發(fā)展并非均衡,整體看來將從垂直領(lǐng)域AI逐漸過渡到通用型AI。

總體來說,AI最重要的還是要將技術(shù)與應(yīng)用場景相結(jié)合,無法落地的技術(shù)很難得到資本青睞和市場認(rèn)可,而有閉環(huán)壟斷性的數(shù)據(jù),并且其技術(shù)能夠與實際應(yīng)用場景結(jié)合的公司將有望產(chǎn)生難以被替代的商業(yè)價值。

AI是使用機器代替人類實現(xiàn)認(rèn)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 替人類實現(xiàn)認(rèn)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程的模擬，是一門綜合了計算機科學(xué)、生理學(xué)、哲學(xué)的交叉學(xué)科。凡是使用機器代替人類實現(xiàn)認(rèn)知、識別、分析、決策等功能,均可認(rèn)為使用了人工智能技術(shù)。

      作為一種基礎(chǔ)技術(shù),理論上講人工智能能夠被應(yīng)用在各個基礎(chǔ)行業(yè)（如AI+金融、AI+醫(yī)療、AI+傳統(tǒng)制造業(yè)等),同時也有其如機器人這樣具體應(yīng)用行業(yè)的概念。

      本報告將以2017年上半年為時間節(jié)點,對包括發(fā)展驅(qū)動力、巨頭布局、投融資情況、預(yù)測的市場規(guī)模等在內(nèi)的人工智能行業(yè)到目前為止的整體發(fā)展情況做簡要分析,并對包括數(shù)據(jù)標(biāo)記、語音識別、語義識別、算機視覺等技術(shù)領(lǐng)域以及安防、醫(yī)療、金融等應(yīng)用場景在內(nèi)的細(xì)分領(lǐng)域及其典型企業(yè)進(jìn)行簡析，探索人工智能領(lǐng)域未來辦口可能的投資/創(chuàng)業(yè)機會。

技術(shù)驅(qū)動：算法和計算力是主要驅(qū)動力

      在AI發(fā)展的不同階段,驅(qū)動力各有側(cè)重,我們可以將AI的發(fā)展劃分為三個階段：技術(shù)驅(qū)動階段、數(shù)據(jù)驅(qū)動階段和場景驅(qū)動階段。

      技術(shù)驅(qū)動階段集中誕生了基礎(chǔ)理論、基本規(guī)則和基本開發(fā)工具。在此階段,算法和計算力對AI的發(fā)展起到主要推動作用。現(xiàn)在主流應(yīng)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(jù)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。對算法來說,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(jié)果顯示,AI錯誤率低達(dá)3.5% ,而人類對同一數(shù)據(jù)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。

計算力的三駕馬車：芯片、超級計算機、云計算

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

      芯片：人工智能領(lǐng)域作為一個數(shù)據(jù)密集的領(lǐng)域,傳統(tǒng)的數(shù)據(jù)處理技術(shù)難以滿足高強度并行數(shù)據(jù)的處理需求。為解決此問題,繼CPU之后,相繼出現(xiàn)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(jì)發(fā)布了全球首款深度學(xué)習(xí)專用處理器芯片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人電腦的概念無太大差異,但規(guī)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CPU和176個GPU；打敗柯潔的升級版AlphaGo使用到了TPU ,但數(shù)量只有4顆。

      可以發(fā)現(xiàn),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(qū)動階段應(yīng)該重點努力的方向之一。

      云計算：與主要應(yīng)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(yīng)用于社交網(wǎng)絡(luò)、企業(yè)IT建設(shè)和信息化等數(shù)據(jù)密集型、i/o密集型的領(lǐng)域。

      我們分析認(rèn)為,當(dāng)AI跨越入第二階段——數(shù)據(jù)驅(qū)動階段后,算法和計算力將變成人工智能領(lǐng)域的基礎(chǔ)設(shè)施——“水、電、煤”。就目前看來,多項算法開源平臺已將AI算法引入統(tǒng)一、公用階段,運算力也必將向同樣的趨勢發(fā)展。云計算則是一個初步嘗試,未來，計算力的發(fā)展方向或?qū)⑹窃朴嬎愫统売嬎銠C技術(shù)結(jié)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)。