全球及中国人工智能产业发展分析报告.docx
- 文档编号:27445543
- 上传时间:2023-07-01
- 格式:DOCX
- 页数:41
- 大小:6.99MB
全球及中国人工智能产业发展分析报告.docx
《全球及中国人工智能产业发展分析报告.docx》由会员分享,可在线阅读,更多相关《全球及中国人工智能产业发展分析报告.docx(41页珍藏版)》请在冰豆网上搜索。
全球及中国人工智能产业发展分析报告
2016年全球及中国人工智能产业发展分析报告
2016年2月出版
正文目录
图表目录
1、人工智能是利用人工计算实现人类智能
曾经以5:
0完胜欧洲围棋冠军FanHui,同时也击败了目前最好的围棋程序中99.8%的对手的谷歌人工智能机器人DeepMind,将在3月9日-15日征战韩国,对决韩国九段、世界冠军李世石。
此事件引起的有关人工智能的讨论不绝于耳。
但早在此之前,人工智能就已在全球范围内掀起了铺天盖地的技术潮流。
1.1、本质:
人工智能的本质是对人类智能的模拟甚至超越
人工智能(ArtificialIntelligence)也称机器智能,是指用机器去实现所有目前必须借助人类智慧才能实现的任务。
人工智能是一个非常宽泛的概念,从Siri识别到无人驾驶,都是人工智能的实现载体,涉及到的技术和领域跨越多学科,包括深度学习、智能识别、专家系统、神经网络、自然语言理解、知识发现、遗传算法、符号推理、智能机器人等。
英国数学家、计算机科学奠基人阿兰•图灵在1950年发表的著名论文“计算机器与智能”(ComputingMachineryandIntelligence)中,详细讨论了“机器能否拥有智能”的问题,提出了关于人工智能概念的三个重要命题。
首先,人工智能关注如何模拟人类的智能活动,而不是全部脑力活动。
其次,人工智能关注计算机的外部智能行为,而不是产生该行为的内部过程。
第三,人工智能的主题是设计能够综合适应“人类所在环境”的单一智能体,而不是专门解决特定数学问题的算法。
因此,本质上来说,人工智能是一种技术,一种对人的特定思想、意识、智慧的模拟甚至超越。
图表1:
人工智能的本质是对人类智能的模拟甚至超越
1.2、原理:
利用一系列算法驱动电脉冲模拟人脑神经元的运作过程
人脑的主要功能部件是一个由大约1000亿个神经元细胞组成的神经网络。
每个神经元平均有7000个被称为“突触”的输入结构,用于接收其他神经元传递来的电脉冲。
当一个神经元收到足够多的电脉冲,其内局部累积的电位差达到一定阈值时就会在该神经元内引发一个新的电脉冲。
这个新脉冲会通过一个称为“轴突”的输出结构向其他神经元传播。
很重要的一点是,被激活的突触所引发的电位差变化并不依赖电脉冲的强度,而是主要取决于该突触自身的“活性”。
换句话说,人脑中的神经元是通过“有还是没有”电脉冲来互相传递“信息”的,这和数字电路中使用0/1信号的方式如出一辙。
因此,人类大脑的运行可以被认为是一个高度复杂的计算过程,这是人工计算能够模拟人类智能的前提。
图表2:
人脑中神经元的运作能够通过数字电路中的信号运作模拟
数字电路各种运作的实现依赖于一系列的算法,算法是实现人工智能的核心方法。
人工智能突破主要通过算法性能的提升,工程学方法和模拟法是算法性能提升的两个途径。
目前认知层算法尚未完全突破。
图表3:
算法是决定数字电路运作、实现人工智能的核心方法
2、全球人工智能千亿市场爆发在即,AI+引领未来商业模式新风向
2.1、人工智能起源于上世纪50年代,2006年起进入加速发展的新阶段
1950年图灵预言了创造出具有真正智能的机器的可能性。
1956年夏季,以麦卡锡、闵斯基等为首的年轻科学家首次提出了“人工智能”这一术语,标志着“人工智能”这门新兴学科的诞生。
从1956年至今已过半个世纪,期间,人工智能经历过经费枯竭的两个寒冬(1974~1980,1987~1993),也经历过两个大发展的春天(1956~1974,1993~2005)。
从2006年开始,人工智能进入了加速发展的新阶段。
并行计算能力、大数据和先进算法,使当前人工智能加速发展;同时,近年来人工智能的研究越来越受到产业界的重视,产业界对AI的投资和收购如火如荼。
图表4:
人工智能发展
2.2、发达国家火热布局,2040年或有可能实现广义人工智能
欧美发达国家充分认识到人工智能的战略意义,纷纷从国家战略层面对人工智能加紧布局,推出了自己的人工智能计划。
人工智能技术已经成为发达国家经济体向前继续迈进的动力和标志。
2.2.1、欧盟:
人脑工程项目(HBP)
2013年初,欧盟委员会宣布人脑计划(HBP)为欧盟未来十年的“新兴旗舰技术项目”,汇聚了来自24个国家的112家企业、研究所、高校等机构,总投资预计将达到12亿欧元。
欧盟脑计划强调实用性,重点包括对脑结构、功能和机理的研究;对与脑有关疾病的研究,并加大力度研发新的诊断和治疗方法;利用信息技术建立大脑的工作模型。
计划在2018年前开发出世界上第一个具有意识和智能的人造大脑。
欧盟官员认为,欧洲人脑工程项目(HBP)如果在人工智能领域占据领先地位,则对保持欧洲在世界经济中的竞争地位起到关键作用。
2.2.2、美国:
大脑研究计划(BRAIN)
2013年4月,美国正式公布“推进创新神经技术脑研究计划”,简称“脑计划”(BRAIN)。
该计划第一目标是绘制出一幅囊括大脑所有活动的详图,其最终的临床应用包括通过直接改变神经回路来诊断和治疗疾病。
奥巴马总统当年为该计划拨款1.1亿美元,覆盖美国国家卫生研究院(HIN)、国防部高级研究项目局、国家科学基金会。
2014年HIN工作小组围绕该计划制定出未来十年详细计划,预计每年将投入3亿-5亿美元开发用于监测和映射大脑活动和结构的新工具,十年进程共需花费45亿美元,该计划同时暗示在最初5-6年脑计划将着重发展新工具,随后逐渐将资金向新技术方面倾斜。
图表5:
美国大脑研究计划投资预算
该计划由美国国家卫生研究院、国防高级研究计划局及国家科学基金会等单位组织实施,被誉为人类基因组计划后最宏大的研究项目。
美欧人脑计划的共同目的,是采用计算机模拟法绘制详细的人脑模型,促进人工智能、机器人和神经形态计算系统的发展,实现人工智能由低级别人脑模拟向高级别人脑模拟的飞跃,从而助推人工智能实现终极理想和目标。
2.2.3、日本:
大脑研究计划(Brain/MINDS)
紧随美国和欧盟之后,2014年9月日本宣布启动大脑研究计划Brain/MINDS。
该计划为期10年,由日本理化学研究所主导实施,旨在理解大脑如何工作以及通过建立动物模型,研究大脑神经回路技术,从而更好地诊断以及治疗大脑疾病。
按照智能程度,人工智能的目标分为超级智能、广义人工智能和狭义人工智能。
发达国家一致认为目前已经达到或接近实现狭义人工智能。
2013年,牛津大学人类未来研究院院长NickBostrom做了一份涵盖数百位人工智能专家的调查问卷,结果显示中位的人工智能专家认为:
通过全球个国家的加速布局,在2040年左右有50%的概率实现广义人工智能,2075年前实现广义人工智能的概率高达90%。
到达广义人工智能以后,再花2~30年实现超级智能。
图表6:
牛津大学预测2040年左右可能实现广义人工智能
2.3、下游应用需求迫切+上游技术基础成型,人工智能全球市场规模超千亿
2.3.1、下游应用需求倒逼、上游技术成型推动,人工智能技术加速发展
人工智能下游应用场景众多,主要为人工智能与传统产业相结合实现不同场景的应用,如无人驾驶汽车、智能家居、智能医疗等领域。
目前,许多下游行业的发展都遭遇到了技术无法支撑的瓶颈。
例如:
人口老龄化程度严重倒逼服务机器人的需求,但服务机器人智能水平达不到要求;产品周期缩短、个性化定制需求倒逼挠性生产,但工业机器人的机器视觉还很有限;人机互动多元化倒逼互动模式升级,但自然语言识别还停留在初期;海量数据产生倒逼监控、关联、分析无人化,但智能识别和分析技术仍处于实验室水平。
人工智能是解决以上瓶颈的核心技术,需求倒逼技术进步的迫切性空前集聚。
人工智能的上游基础技术的核心是计算智能,计算智能的实现依赖于机器学习。
机器学习与人类学习思考的过程类似,也是基于对数据的不断挖掘和有效关联,才能形成新的认知。
目前全球90%以上的数据都是在最近几年产生的,尤其是随着移动互联网、移动终端和数据感应器的出现,在过去的几年中,全球数据以年均58%的速度增长。
根据IDC的预测,2020年全球数据总量将超过40ZB(1ZB等于1万亿GB),这一数据量是2011年的22倍。
数据平台、数据存储和数据挖掘技术的成型是人工智能得以发展的基础,推动人工智能加速爆发。
图表7:
人工智能技术下游应用需求迫切,上游技术基础成型
2.3.2、人工智能逐渐受到机构重视,2020年全球市场规模超千亿
随着下游应用场景的增多和基础技术的成熟,近年来,欧美国家回归前沿科学的战略布局,更加重视人工智能技术的研究,特别是在人工智能基础研究、人脑研究、网络融合、3D智能打印等领域不断有研究突破。
各大机构纷纷加码人工智能产业布局,2014年全球投资总额超过19亿美元,同比增长超过50%。
图表8:
2010-2015人工智能领域全球投资总额
以最为热门的风投领域为例,2014年人工智能领域共完成40笔风投交易,总金额高达3.09亿美元,比2013年增加302%。
图表9:
2010-2014人工智能领域全球风险投资总额
风投目前主要投资在智慧金融、智能家居等应用领域,对于人工智能的发展空间来说,这只是冰山一角。
由于人工智能属于基础型技术,与机器人和大数据联系紧密,其水平的提升将带来多领域的应用扩展,大幅拓宽传统产业的发展之路,造成未来5-10年的巨大颠覆性影响,产生10-100倍的溢出效应,由此打开万亿规模的市场空间。
以工业机器人领域为例,智能化水平提高后将给工业机器人带来机器视觉、云端控制等,能够迎合目前柔性生产线应用的需求,多条小批量定制化生产线可以共用一条生产线,降低固定资产投资成本近30%,降低人工成本近60%-70%,在汽车整车、汽车零部件制造、电子电气行业、食品工业及物流等行业产生8-10倍的产业集群带动作用,对应800-1000亿元的市场规模。
根据上述溢出效应,BBC预测,人工智能市场将继续保持高速增长,促进产业爆发的新浪潮。
预计到2020年,全球人工智能市场规模将达到183亿美元,约合人民币1190亿元。
图表10:
BBC预测2020年全球人工智能市场规模超过千亿
2.4、人工智能推动传统产业变革,AI+将成为未来普遍的商业模式
传统行业在发展过程中遇到了许多瓶颈。
虽然互联网+已经带来了各行各业发展的巨大变革,但也只是提供了信息搜索和事物处理的平台,在信息筛选理论与智能方法领域仍面临巨大挑战,难以从根本上满足客户的深层次需求。
例如:
XX能够一次性快速提供用户搜索的大量信息,却很难一步到位满足用户需求;阿里能够为用户提供大量所需商品信息,但却不能替用户在海量商品中快速决策最合适的那一款;腾讯让人与人社交突破了时空的限制,但却不能帮助用户在面对海量社交信息时如何高效吸收与应答以维系良好的社交关系。
人工智能的发展是当今互联网+面临的一系列问题的突破口。
作为21世纪科技领域最为前沿的技术之一,人工智能能够推动多个领域的变革和跨越式发展,将对传统行业产生重大颠覆性影响。
无论人体自身还是企业、产业,都将面临智能化重构的冲击。
例如,人工智能可以加速发现医治疾病的新疗法,大幅降低新药研发成本;可以在国防、医疗、工业、农业、金融、商业、教育、公共安全等领域取得广泛应用,催生新的业态和商业模式,引发产业结构的深刻变革;还可以带动工业机器人、无人驾驶汽车等新兴产业的飞跃。
图表11:
人工智能将完成人体自身、企业和产业的三层智能化重构
传统产业将在现实应用需求和互联网+应用缺陷的双重的倒逼下搭载人工智能,构成“人工智能+”的新商业模式。
人工智能+应用场景将成开锁的金钥匙定位于基于PC的互联网、基于手机和平板电脑的移动互联网以及基于各种其他设备的物联网,其本质是解决了“连接”问题:
连接人与人、人与物以及物与物,并且在连接的基础上创造出新的商业模式。
目前倍受追捧的工业4.0、智能家居、无人驾驶、智能监控、智能医疗等方向,所代表的无一不是“人工智能+应用场景”发展的最终形态。
图表12:
“人工智能+”将成为未来普遍的商业模式
“人工智能+”将极大地提升和扩展人类的能力边界,对促进技术创新、提升国家竞争优势乃至推动人类社会发展都将产生深远影响,成为未来普遍的商业模式。
3、人工智能领域风云迭起,科技巨头雄霸天下
3.1、北美及西欧地区公司数量激增,科技巨头和初创企业是主要玩家
如今,智能化浪潮已席卷社会各个领域。
人工智能公司数量激增,据VentureScanner在2013年的不完全统计,该领域公司至少有900家,横跨十三个品类,总估值超过87亿美金。
图表13:
2013年全球人工智能领域公司一览
就公司的全球分布来看,人工智能的主战场集中在北美和西欧,中国的公司还很少,目前主要是XX、阿里巴巴和腾讯三大巨头。
图表14:
人工智能领域公司全球分布
从参与公司类型来看,Google、IBM、Facebook、Apple等科技巨头在人工智能方面均有所投入,大多关注通用方向,其中Google在全世界范围来看遥遥领先。
此外,近几年还涌现了大量的专注于某个特定领域的创业公司。
3.2、感知层技术领域竞争白热化,机器学习等空白蓝海已成大势所趋
就目前来看,围绕特定应用的深度学习/机器学习公司最多,有200家,其次是关注语音识别的自然语言处理类的公司,有超过一百家。
就技术成熟度而言,随着核心算法的开源,语音识别、视觉识别和图像识别等感知层技术已经非常成熟,甚至趋于同质化,公司数目众多,行业竞争非常激烈。
例如BAT、Google、微软、IBM、Facebook等都有自己的语音团队。
图表15:
人工智能领域公司类别及各类别技术成熟度分布(只选取了主要的类别)
从投资量来看,各类别公司的投资热度与技术成熟度成反向关系。
风投对各个品类的关注度,同时辅助以各个品类的公司数量,从中可以看出一些品类已经不太容易融资,而有些品类机会则很大。
围绕深度学习/机器学习公司再次夺冠,而智慧机器人融资额度也非常喜人。
图表16:
各类别公司获得的投资关注度和融资额度
风投和公司管理层正逐步战略性避开竞争白热化的语音识别、视觉识别和图像识别等感知层领域,转向空间巨大的机器学习、自然语言处理等空白蓝海进发。
下一阶段的技术和产业突破很可能来自于语义识别、情绪识别等思考层。
3.3、投资+收购+顶级人才招聘、科技巨头动作频频上演实力争夺
近年来,谷歌、Facebook、微软等全球主要的科技巨头在人工智能领域动作频频。
事实上,科技巨头拥有投资、收购和招聘顶级人才的资金实力,更有推动AI应用的用户数据和场景,并受益于网络效应,不论是平台型还是垂直型的创业企业,行业领先者都将被科技巨头收购。
因此,未来几年的人工智能领域的争夺将是科技巨头们实力的较量。
首先,科技巨头的投资力度显著加大。
2014年有超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。
IBM目前正在研究一种新型的仿生芯片模仿人脑的运算过程,预计2019年可完全模拟出人类大脑。
Facebook的Deepface技术也不甘落后,脸部识别率高达97%。
Facebook还训练机器在步法变化繁多的中国围棋上达到专业选手的水平,并使用非监督学习算法训练机器的预测能力;甚至还小范围公测由人工和机器智能相结合的虚拟个人助手M,并在Newsfeed中自动为盲人用户朗读照片内容。
图表17:
科技巨头加速投资研发人工智能
其次,科技巨头积极网罗科研领域顶尖人才,垄断了尖端的研究领域。
2013年3月谷歌以收购初创公司DNNResearch的方式将深度学习发明者、机器学习泰斗GeoffreyHinton招入麾下;2013年12月,Facebook重金聘请纽约大学教授、计算机研究领域顶尖科学家YannLeCun作为人工智能研究院主任;2014年5月,XX成立美国研发中心,任命人工智能泰斗、原谷歌大脑项目负责人吴恩达为首席科学家,全面负责XX研究院。
再者,巨头利用资金优势,企业收购如火如荼。
超过100家相关公司已被巨头收购。
谷歌这两年通过并购、软硬件一体化以及开放平台战略打造人工智能生态圈,2013年短短一年之内收购了8家知名机器人公司,主要集中在运动控制和软件识别方面,包括精于3D机器视觉的IndustrialPerception;2014年收购深度学习公司Deepmind和图片分析公司Jetpac,用两年不到的时间就将语音识别的精度从2012年的84%提升至98%,将图像分析识别的准确度提高了4倍。
IBM、微软、英特尔等,则将AI用于医疗等专业企业市场。
图表18:
人工智能领域巨头收购如火如荼
4、2020年我国人工智能市场规模近百亿,有望实现弯道超车
受到全球范围内下游应用需求迫切倒逼和上游技术基础成型推动的双重压力,近年来人工智能赢来了加速发展的黄金期。
以美国、欧盟和日本为代表的发达国家分别推出了大脑研究计划(BRAIN)、人脑工程项目(HBP)、人脑探究计划(MINDS)等支持政策;Google、Microsoft、Facebook、Apple、IBM等巨头也纷纷战略布局人工智能。
BBC预测2020年人工智能全球市场规模将超过千亿,人工智能的发展也将引起未来的产业变革。
在全球火热浪潮的背景下,中国不甘其后,将作为重要参与者分享人工智能行业盛宴。
4.1、受益四大利好因素,人工智能发展势头良好有望实现弯道超车
当下我国社会面临老龄化压力、经济转型和制造业升级,对此,国务院在印发的《中国制造2025》明确指示,要把智能制造和高端技术创新作为重点建设工程。
特别的,要将服务机器人等人工智能技术作为未来优先发展的战略技术,重点攻克一批智能化高端装备,发展和培育一批产值超过100亿元的人工智能核心企业。
政策和资金的支持、人才储备、技术的积累和突破等都已为人工智能的发展提供了基础条件。
图表19:
中国人工智能发展环境:
较多利好因素,基础条件已经具备
在利好因素的促进下,我国人工智能技术攻关和产业应用发展势头良好。
我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人等智能科技成果已进入广泛的实际应用。
2014年,中国市场的工业机器人销量猛增54%,2014年我国智能语音交互产业规模达到100亿元;指纹、人脸、虹膜识别等产业规模达100亿元。
同时,我国已经拥有一支人工智能研发队伍和国家重点实验室等设施齐全的研发机构。
目前国际巨头在人工智能技术上还没有完全形成垄断。
我国在人工智能的研究上与发达国家相比、甚至与美国相比都不算落后,这对于我们国家来说是难得的历史机遇,是提升综合国力和影响力的绝佳机会。
如果我国在国家层面制订人工智能发展战略,并加快推进,我国完全有可能利用市场需求优势、用户数据优势等,抢占人工智能技术和产业的制高点,实现人工智能技术“弯道超车”。
4.2、投资机构青睐有加,2020年中国人工智能市场规模近百亿
近年来,我国人工智能技术在人工智能基础研究、人脑研究、网络融合、3D智能打印等领域不断产生新的突破。
2014年开始,我国人工智能领域投资金额、数量、参与投资机构数量均大幅增加,2015年更是实现了跨越式的增长。
2015年我国投资人工智能的机构数量已经高达48家,同比增长71.4%,是2012年投资机构数量的6倍;投资额为14.23亿元,同比增长75.7%,是2012年投资额的23倍;投资次数为43次,同比增长65.4%,与2012年相比增长了近5倍。
图表20:
我国人工智能领域投资金额、数量、参与投资机构数量均大幅增加
由于人工智能属于基础型技术,与机器人和大数据联系紧密,其水平的提升将带来多领域的应用扩展,大幅拓宽传统产业的发展之路,产生10-100倍的溢出效应。
以工业机器人领域为例,智能化水平提高后将给工业机器人带来机器视觉、云端控制等,能够迎合目前柔性生产线应用的需求,多条小批量定制化生产线可以共用一条生产线,降低固定资产投资成本近30%,降低人工成本近60%-70%,在汽车整车、汽车零部件制造、电子电气行业、食品工业及物流等行业产生8-10倍的产业集群带动作用,对应800-1000亿元的市场规模。
本
根据上述溢出效应,BBC预测,人工智能市场将继续保持高速增长,促进产业爆发的新浪潮。
预计到2020年,全球人工智能市场规模将达到183亿美元,约合人民币1190亿元。
在参考人工智能行业全球市场规模,统计了行业内国内上市公司财报,公开资料,专家意见后推算得出:
在不包括硬件产品销售收入(如机器人、无人机、智能家居等销售)、信息搜索、资讯分发、精准广告推送等的情况下,预计2020年中国人工智能市场规模将达到91亿元人民币。
其中,语音识别约占60%,视觉识别占12.5%,图像处理、机器学习等其他种类占27.5%。
图表21:
预计2020年中国人工智能市场规模将达到91亿元人民币
4.3、感知智能试点阶段,预计我国将在5~10年内实现感知智能全面普及
基于计算机、互联网、物联网在数据生成、采集、存储、计算等环节的突破,人工智能的发展也将从简单的算法+数据库发展演化到机器学习+深度理解的状态。
按照智能程度的不同,可将人工智能分为计算智能、感知智能、认知智能三个阶段。
图表22:
人工智能发展的三个阶段
按照不同时期的技术成熟度、推广应用度不同,人工智能的每个阶段又可以被分为实验室阶段、试点阶段、推广阶段和普及阶段。
实验室阶段重点是针对算法的训练和研究;试点阶段的特征是大企业切入,出现试点应用;推广阶段意味着技术已经推广到大中型企业应用,云端资源集中计算;普及阶段则实现分布式计算,普及到个人在具体细分场景下的应用。
图表23:
人工智能各个应用普及阶段的特点
目前,我国正处在感知智能的试点阶段。
主要的试点领域包括:
智能硬件、机器人、虚拟场景、安防、虚拟服务和商业智能。
研究分析机构GartnerGroup公司推出了2015年HypeCycleforEmergingTechnologies(新兴技术成熟度曲线图),艾瑞咨询据此作出了AI相关技术成熟度曲线,该曲线预测5~10年之后我国感知智能技术应用将发展至普及阶段。
图表24:
2015年GartnerAI相关技术成熟度曲线
具体来说,技术方面,视觉、语音识别识别率超过95%,感知层技术基本具备,但语音翻译等应用化技术还需5~10年才能够完全成熟;数据方面,互联网发展积累的海量数据已经能够支持目前的技术需求,但行为、环境等更全面数据还需要物联网的发展和普及,尚需5~10年;计算方面,目前使用云计算+大规模GPU并行计算的解决方案已经较为成熟,但例如IBMTrueNorth等能够实现高速、本地化运算的AI芯片还需2~3年成熟。
5、行业火爆:
企业数量激增发展迅猛,机器人等是典型应用场景
5.1、巨头基础层切入引发技术革新,创业公司应用层进入带来产业升级
出于对人工智能行业商业前景的看好,国内巨头纷纷战略进军人工智能领域,XX、阿里、腾讯均在人工智能领域发力。
其中,XX2014年研发投入接近70亿,同时涉足了深度学习与自动驾驶领域,并推出了“XX大脑”计划;阿里巴巴推出了国内首个人工智能平台”DTPAI;腾讯推出了撰稿机器人Dreamwriter,开放了视觉识别平台腾讯优图,同时成立了腾讯智能计算与搜索实验室。
除B
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 全球 中国 人工智能 产业 发展 分析 报告