多重利好因素推動 人工智能+產(chǎn)業(yè)鏈日漸明晰 2016年09月27日10:31 來源：中國智能制造網(wǎng)|
巨頭的加入、資本的持續(xù)布局在一定程度上印證了人工＋行業(yè)的火爆，雖短期看人工智能＋仍處于大規(guī)模投入期，短期內(nèi)較難變現(xiàn)，但未來人工智能＋應(yīng)用于無人駕駛汽車、輔助診斷、刑偵監(jiān)測等領(lǐng)域?qū)a(chǎn)生巨大的商業(yè)價值和社會價值，資本層面的爆發(fā)將持續(xù)帶動人工智能＋行業(yè)加速爆發(fā)。
工智能是計算機(jī)科學(xué)的一個分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能產(chǎn)品背后的數(shù)據(jù)、軟件及算法等是人工智能的核心要素，而包括機(jī)器人、語音助手等在內(nèi)的軟硬件產(chǎn)品僅是人工智能的載體。
1.未來已來，人工智能＋時代開啟
1.1弱人工智能＋已加速滲透，強(qiáng)人工智能＋并不遙遠(yuǎn)
根據(jù)傳統(tǒng)認(rèn)知科學(xué)的研究成果，智能包含以下幾種能力：1)感知能力。感知能力即對外界情況的感受與認(rèn)知，其中包含兩種處理方式：一種是面對簡單或緊急情況，可不經(jīng)大腦思考進(jìn)行本能反應(yīng)與應(yīng)對。另一種是面對復(fù)雜情況，需要經(jīng)大腦皮層進(jìn)行處理與思考后，做出反應(yīng)與應(yīng)對;2)記憶與思維能力。其中，記憶是對感知到的外界信息或由思維產(chǎn)生的內(nèi)部知識的存儲過程，思維是對所存儲的信息或知識的本質(zhì)屬性、內(nèi)部規(guī)律等的認(rèn)識過程;3)學(xué)習(xí)和自適應(yīng)能力。能通過學(xué)習(xí)和自適應(yīng)進(jìn)行智能思維能力進(jìn)化是人類智能的重要體現(xiàn);4)決策與行為能力。即通過對信息或知識判別后，進(jìn)行主觀決策與行為。
人工智能＋是計算機(jī)科學(xué)的一個分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能＋產(chǎn)品背后的數(shù)據(jù)、軟件及算法等是人工智能＋的核心要素，而包括機(jī)器人、語音助手等在內(nèi)的軟硬件產(chǎn)品僅是人工智能＋的載體。
人工智能＋的概念很寬泛，可將人工智能＋依據(jù)實(shí)力劃分為三類：
1)弱人工智能＋：僅擅長某個單方面應(yīng)用的人工智能＋，超出特定領(lǐng)域外則無有效解;
2)強(qiáng)人工智能＋：人類級別的人工智能＋，在各方面都能和人類比肩，且無法簡單進(jìn)行人類與機(jī)器的區(qū)分;
3)超人工智能＋：在各個領(lǐng)域均可以超越人類，在創(chuàng)新創(chuàng)造、創(chuàng)意創(chuàng)作領(lǐng)域均可超越人類，可解決任何人類無法解決的問題。
我們認(rèn)為，從目前人工智能＋的應(yīng)用場景來看，當(dāng)前人工智能＋仍是以特定應(yīng)用領(lǐng)域?yàn)橹鞯娜跞斯ぶ悄埽鐖D像識別、語音識別等分析，如智能搜索、智能推薦、智能排序等智能算法等。而未來隨著運(yùn)算能力、數(shù)據(jù)量的大幅增長以及算法的提升，弱人工智能＋將逐步向強(qiáng)人工智能＋轉(zhuǎn)化，機(jī)器智能將從感知、記憶和存儲向認(rèn)知、自主學(xué)習(xí)、決策與執(zhí)行進(jìn)階。
1.2人工智能＋發(fā)展歷經(jīng)波折，現(xiàn)已進(jìn)入加速爆發(fā)期
人工智能＋發(fā)展歷經(jīng)波折，歷史上經(jīng)歷過2次低谷。傳統(tǒng)人工智能＋受制于計算能力，并沒能完成大規(guī)模的并行計算和并行處理，人工智能＋系統(tǒng)的能力較差。2006年，Hinton教授提出“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)使得人工智能＋性能獲得突破性進(jìn)展，進(jìn)而促使人工智能＋產(chǎn)業(yè)又一次進(jìn)入快速發(fā)展階段。
其中，谷歌AlphaGO戰(zhàn)勝李世石九段對業(yè)界產(chǎn)生的轟動效應(yīng)最大。AlphaGo是一款基于深度學(xué)習(xí)技術(shù)研究開發(fā)的圍棋人工智能＋程序這個程序利用“價值網(wǎng)絡(luò)”去計算局面，用“策略網(wǎng)絡(luò)”去選擇下子。2015年10月阿爾法圍棋以5:0完勝歐洲圍棋冠軍、職業(yè)二段選手樊麾。為了測試阿爾法圍棋的水平，谷歌于2016年3月份向圍棋世界冠軍、韓國頂尖棋手李世石發(fā)起挑戰(zhàn)，并以4:1的總比分獲勝。AlphaGO與傳統(tǒng)圍棋程序最大的區(qū)別在于其利用深度學(xué)習(xí)方法進(jìn)行訓(xùn)練，AlphaGo學(xué)習(xí)了3000萬步人類實(shí)戰(zhàn)的圍棋下法，學(xué)習(xí)完畢后，可以通過“左右互博”，自己跟自己下棋，在下了幾千盤棋局后，AlphaGo能從這些棋局中學(xué)習(xí)新的圍棋策略，這個過程被Deep-Mind稱為“強(qiáng)化學(xué)習(xí)”。正是由于深度學(xué)習(xí)方法的引入，谷歌AlphaGO才能迅速躋身頂尖圍棋高手水平。
1.3算法層、硬件層、數(shù)據(jù)層均實(shí)現(xiàn)突破，人工智能＋加速爆發(fā)
1.3.1深度學(xué)習(xí)推動人工智能＋邁上新臺階
深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，是由Hinton等人在2006年提出，主要機(jī)理是通過深層神經(jīng)網(wǎng)絡(luò)算法來模擬人的大腦學(xué)習(xí)過程，希望借鑒人腦的多層抽象機(jī)制來實(shí)現(xiàn)對現(xiàn)實(shí)對象或數(shù)據(jù)的機(jī)器化語言表達(dá)。深度學(xué)習(xí)是通過大量的簡單神經(jīng)元組成，每層的神經(jīng)元接收更低層神經(jīng)元的輸入，通過輸入與輸出的非線性關(guān)系將低層特征組合成更高層的抽象表示，直至完成輸出。
傳統(tǒng)機(jī)器學(xué)習(xí)為了進(jìn)行某種模式的識別，通常的做法首先是以某種方式，提取這個模式中的特征。在傳統(tǒng)機(jī)器模型中，良好的特征表達(dá)，對最終算法的準(zhǔn)確性起了非常關(guān)鍵的作用，且識別系統(tǒng)的計算和測試工作耗時主要集中在特征提取部分，特征的提取方式有時候是人工設(shè)計或指定的，主要依靠人工提取。
與傳統(tǒng)機(jī)器學(xué)習(xí)不同的是，深度學(xué)習(xí)提出了一種讓計算機(jī)自動學(xué)習(xí)出模式特征的方法，并將特征學(xué)習(xí)融入到了建立模型的過程中，從而減少了人為設(shè)計特征造成的不完備性。而目前以深度學(xué)習(xí)為核心的某些機(jī)器學(xué)習(xí)應(yīng)用，在滿足特定條件的應(yīng)用場景下，已經(jīng)達(dá)到了超越現(xiàn)有算法的識別或分類性能。
深度學(xué)習(xí)直接嘗試解決抽象認(rèn)知的難題，并取得了突破性的進(jìn)展。深度學(xué)習(xí)的提出、應(yīng)用與發(fā)展，無論從學(xué)術(shù)界還是從產(chǎn)業(yè)界來說均將人工智能＋帶上了一個新的臺階，將人工智能＋產(chǎn)業(yè)帶入了一個全新的發(fā)展階段。
1.3.2計算成本指數(shù)級下降，GPU加速發(fā)展為深度學(xué)習(xí)奠定計算基礎(chǔ)
英特爾創(chuàng)始人之一戈登〃摩爾于1975年開創(chuàng)性的提出摩爾定律，即當(dāng)價格不變時，集成電路上可容納的晶體管數(shù)目約每隔18個月便會增加一倍，性能也將提升一倍。計算成本的極速下降也為人工智能＋加速發(fā)展提供可能。
未來科學(xué)家Kurzweil對人腦進(jìn)行估算，得到的人腦運(yùn)算速度估算值是10^16cps(calculationspersecond，每秒計算次數(shù)，描述運(yùn)算能力的單位)，也就是1億億次計算每秒?，F(xiàn)在最快的超級計算機(jī)，中國的天河二號，其實(shí)已經(jīng)超過這個運(yùn)算力了，天河每秒能進(jìn)行3.4億億，但由于天河二號占地大、造價高、運(yùn)行成本高等特點(diǎn)注定難以廣泛應(yīng)用。根據(jù)Kurzweil的觀點(diǎn)，認(rèn)為當(dāng)1000美元能買到人腦級別的1億億運(yùn)算能力的時候，強(qiáng)人工智能＋可能成為生活中的一部分。
在深度學(xué)習(xí)模型中，矢量化編程是提高算法速度的一種有效方法。深層模型的算法，如BP，Auto-EnCODer，CNN等，都可以寫成矢量化的形式。然而，在單個CPU上執(zhí)行時，矢量運(yùn)算會被展開成循環(huán)的形式，本質(zhì)上還是串行執(zhí)行。隨著人工智能＋的不斷發(fā)展，基于深度學(xué)習(xí)模型的算法對大規(guī)模并行計算能力的需求不斷增加，CPU不再能很好地滿足科學(xué)家們對于并行計算能力的需求，而GPU天然強(qiáng)大的并行計算能力被科學(xué)家們充分挖掘，GPU逐漸從由若干專用的固定功能單元組成的專用并行處理器向以通用計算資源為主，固定功能單元為輔的架構(gòu)轉(zhuǎn)變。
而GPU則與CPU存在明顯區(qū)別，GPU的眾核體系結(jié)構(gòu)包含幾千個流處理器，可將矢量運(yùn)算并行化執(zhí)行，大幅縮短計算時間。隨著NVIDIA、AMD等不斷推進(jìn)其GPU的大規(guī)模并行架構(gòu)支持，面向通用計算的GPU已成為加速可并行應(yīng)用程序的重要手段。得益于GPU眾核體系結(jié)構(gòu)，程序在GPU系統(tǒng)上的運(yùn)行速度相較于單核CPU往往提升幾十倍乃至上千倍。
利用GPU來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，可以充分發(fā)揮其數(shù)以千計計算核心的高效并行計算能力，在使用海量訓(xùn)練數(shù)據(jù)的場景下，所耗費(fèi)的時間大幅縮短，占用的服務(wù)器也更少。如果對針對適當(dāng)?shù)纳疃壬窠?jīng)網(wǎng)絡(luò)進(jìn)行合理優(yōu)化，一塊GPU卡可相當(dāng)于數(shù)十甚至上百臺CPU服務(wù)器的計算能力，因此GPU已經(jīng)成為業(yè)界在深度學(xué)習(xí)模型訓(xùn)練方面的首選。 #hc360分頁符
1.3.3數(shù)據(jù)量，為深度學(xué)習(xí)奠定數(shù)據(jù)基礎(chǔ)
人類大腦在進(jìn)化中是一個不斷學(xué)習(xí)、吸收理解與自我完善的過程，經(jīng)歷了歷史積淀知識的學(xué)習(xí)、吸收與理解掌握過程，完成大腦意識進(jìn)階過程。而深度學(xué)習(xí)則是利用機(jī)器算法模擬人腦對歷史知識學(xué)習(xí)、吸收與理解并掌握運(yùn)用的訓(xùn)練過程，因此數(shù)據(jù)量的豐富程度決定了是否有充足數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，進(jìn)而使人工智能＋系統(tǒng)經(jīng)過深度學(xué)習(xí)訓(xùn)練后達(dá)到強(qiáng)人工智能＋水平。因此，能否有足夠多的數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行深度訓(xùn)練，提升算法有效性是人工智能＋能否達(dá)到類人或超人水平的決定因素之一。
近年來，隨著移動設(shè)備滲透率的逐步提升，全球數(shù)據(jù)量加速爆發(fā)。據(jù)國際數(shù)據(jù)資訊公司估測，數(shù)據(jù)數(shù)量一直在快速增加，這個速度不僅是指數(shù)據(jù)流的增長，而且還包括全新的數(shù)據(jù)種類的增多。據(jù)統(tǒng)計，2013年全球產(chǎn)生的數(shù)據(jù)達(dá)到3.5ZB，到2020年產(chǎn)生的數(shù)量將增至44ZB，CAGR達(dá)到43.57%。
我們認(rèn)為，深度學(xué)習(xí)的根本是能否有足夠多的數(shù)據(jù)對人工智能＋系統(tǒng)進(jìn)行訓(xùn)練，隨著移動互聯(lián)網(wǎng)的爆發(fā)，數(shù)據(jù)量指數(shù)級的增長，這都為利用進(jìn)行深度學(xué)習(xí)提供了可能。因此，在DT時代，大數(shù)據(jù)在知識解析、機(jī)器智能與人類智能協(xié)調(diào)工作及智能分析系統(tǒng)中將會扮演要角色，在大數(shù)據(jù)的支撐下，人工智能＋應(yīng)用也將變的更加廣泛，大數(shù)據(jù)將支撐人工智能＋產(chǎn)業(yè)爆發(fā)。
2.資本層加速爆發(fā)，推動人工智能＋產(chǎn)業(yè)發(fā)展
科技巨頭在人工智能＋領(lǐng)域的布局始終領(lǐng)先，以Google為例，其在2014年斥巨資收購的DeepMind公司，后者在2015年開發(fā)出的基于深度學(xué)習(xí)模型的圍棋程序AlphaGo先是在2015年擊敗歐洲冠軍樊麾二段，后又于2016年3月?lián)魯∈澜绻谲娎钍朗哦?。顯示出人工智能＋在圍棋領(lǐng)域的強(qiáng)大實(shí)力，也在一定程度上引發(fā)社會對人工智能＋的關(guān)注。除Google外，F(xiàn)acebook在人工智能＋領(lǐng)域也較為領(lǐng)先，其在圖像識別、機(jī)器圍棋等領(lǐng)域也在不斷投入。國內(nèi)互聯(lián)網(wǎng)廠商諸如百度、騰訊，同樣在人工智能＋領(lǐng)域加大投入，持續(xù)布局人工智能＋領(lǐng)域。
除互聯(lián)網(wǎng)巨頭外，敏銳的資本方也在積極布局人工智能＋領(lǐng)域，近年來風(fēng)投不斷加大對人工智能＋初創(chuàng)企業(yè)的投資，持續(xù)布局人工智能＋這個重要“風(fēng)口”。根據(jù)VentureScanner統(tǒng)計數(shù)據(jù)，近年來全球人工智能＋領(lǐng)域的投資金額已成爆發(fā)增長態(tài)勢。
2014年人工智能＋企業(yè)融資總量首次超過10億美金，2015年融資總量更是超過12億美金。2016年前三個月的不完全統(tǒng)計顯示，全球在人工智能＋領(lǐng)域的投資已經(jīng)超過4億美金。
根據(jù)VentureScanner統(tǒng)計，從人工智能＋投資分布情況看，機(jī)器學(xué)習(xí)(應(yīng)用)分類以263家公司的數(shù)量遙遙領(lǐng)先，自然語言處理公司以154的數(shù)量位列第二，通用計算機(jī)視覺排名第四。從資本方的投資意愿看，對機(jī)器學(xué)習(xí)、自然語言理解、計算機(jī)視覺等技術(shù)與應(yīng)用關(guān)注度較高。
我們認(rèn)為，巨頭的加入、資本的持續(xù)布局在一定程度上印證了人工智能＋行業(yè)的火爆，雖短期看人工智能＋仍處于大規(guī)模投入期，短期內(nèi)較難變現(xiàn)，但未來人工智能＋應(yīng)用于無人駕駛汽車、輔助診斷、刑偵監(jiān)測等領(lǐng)域?qū)a(chǎn)生巨大的商業(yè)價值和社會價值，資本層面的爆發(fā)將持續(xù)帶動人工智能＋行業(yè)加速爆發(fā)。
3.產(chǎn)業(yè)鏈明晰，市場空間巨大
3.1人工智能＋產(chǎn)業(yè)鏈明晰
人工智能＋產(chǎn)業(yè)鏈可簡單劃為三層，即底層基礎(chǔ)層、中間層技術(shù)層與上層應(yīng)用層。其中，1)基礎(chǔ)層包含硬件存儲與計算資源和數(shù)據(jù)資源等，GPU芯片、云計算平臺、傳感器、數(shù)據(jù)等均包含在此層中;2)技術(shù)層包含算法、模型平臺，感知智能算法、認(rèn)知智能算法等均在此層中;3)應(yīng)用層包含硬件產(chǎn)品和軟件與服務(wù)，硬件中包含無人機(jī)、機(jī)器人及其他智能硬件等，軟件與服務(wù)包含語音輸入法、虛擬助手、自動駕駛及智能安防等。
從目前的發(fā)展情況看，算法層為人工智能＋產(chǎn)業(yè)鏈的核心，支撐上層應(yīng)用的發(fā)展，目前感知智能已加速發(fā)展，認(rèn)知智能為人工智能＋在算法層面的下一個突破方向。而底層基礎(chǔ)層中的數(shù)據(jù)能力與計算能力主要的發(fā)展方向?yàn)榈统杀九c小型化，數(shù)據(jù)采集的發(fā)展方向?yàn)槎鄻踊?，移動互?lián)網(wǎng)的發(fā)展已經(jīng)為產(chǎn)業(yè)積累了一定的數(shù)據(jù)，未來隨著物聯(lián)網(wǎng)的發(fā)展將積累更多的環(huán)境與行為層面數(shù)據(jù)，豐富數(shù)據(jù)構(gòu)成。應(yīng)用層主要與各垂直行業(yè)結(jié)合開發(fā)深度人工智能＋應(yīng)用。
隨著計算機(jī)、互聯(lián)網(wǎng)與移動互聯(lián)網(wǎng)等網(wǎng)絡(luò)技術(shù)的發(fā)展，基于計算機(jī)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)在數(shù)據(jù)生成、采集、存儲、計算等環(huán)節(jié)的突破，推進(jìn)人工智能＋發(fā)展。
3.2基礎(chǔ)層相對成熟，認(rèn)知智能尚待突破
目前，全球人工智能＋產(chǎn)業(yè)在基礎(chǔ)層發(fā)展已相對成熟，1)計算能力方面。目前云計算＋大規(guī)模GPU并行計算的計算方式已較為成熟，本地化高性能運(yùn)算芯片也在加速發(fā)展中;2)數(shù)據(jù)層面?；ヂ?lián)網(wǎng)、移動互聯(lián)網(wǎng)的發(fā)展為人工智能＋發(fā)展積累了海量數(shù)據(jù)，目前此類數(shù)據(jù)已能支撐技術(shù)開發(fā)與應(yīng)用開發(fā)。近期，物聯(lián)網(wǎng)統(tǒng)一，未來物聯(lián)網(wǎng)發(fā)展在行為、環(huán)境層獲取并積累更為全面和豐富的數(shù)據(jù)，支撐人工智能＋應(yīng)用開發(fā)。
而與基礎(chǔ)層相對應(yīng)的是，目前人工智能＋在技術(shù)開發(fā)與應(yīng)用層面仍有較大的發(fā)展空間。目前在人工智能＋的應(yīng)用主要在感知層面，如聲音、圖像等，感知層技術(shù)儲備相對豐富，而在認(rèn)知層仍未能獲得大幅突破，諸如無人駕駛、全自動智能機(jī)器人等仍處于開發(fā)中，與大規(guī)模應(yīng)用仍有一定距離。
從我國目前人工智能＋產(chǎn)業(yè)發(fā)展情況看，我國互聯(lián)網(wǎng)巨頭、創(chuàng)業(yè)公司在人工智能＋基礎(chǔ)層、技術(shù)層與應(yīng)用層的參與熱情均較高，產(chǎn)業(yè)鏈各環(huán)節(jié)均已涌現(xiàn)出龍頭公司。在基礎(chǔ)層中，有百度、阿里為代表的互聯(lián)網(wǎng)巨頭也有數(shù)據(jù)堂為代表的專業(yè)化數(shù)據(jù)公司;技術(shù)層中，百度在機(jī)器學(xué)習(xí)、語音識別與視覺方面均有較深布局，此外如曠視科技、科大訊飛等也分別在其垂直領(lǐng)域有叫深厚的技術(shù)儲備積累;應(yīng)用層中，虛擬助手、智能客服、BI與語音識別和圖像識別等軟件與服務(wù)產(chǎn)品較為豐富，硬件產(chǎn)品中諸如服務(wù)機(jī)器人、教育機(jī)器人等產(chǎn)品也處于快速發(fā)展中。
從艾瑞咨詢發(fā)布的中國人工智能＋產(chǎn)業(yè)全景圖看，我國人工智能＋產(chǎn)業(yè)目前發(fā)展現(xiàn)狀與國外類似，在基礎(chǔ)層與感知智能技術(shù)方面積累較為深厚，圖像識別、語音識別等感知層技術(shù)與應(yīng)用發(fā)展較為完善，而在諸如認(rèn)知智能技術(shù)開發(fā)與應(yīng)用方面尚未找到突破口。
3.3市場空間大，下游應(yīng)用前景廣闊
根據(jù)Tractica的預(yù)測數(shù)據(jù)，2016年全球人工智能＋收入預(yù)計將達(dá)到6.437億美元，到2025年將增長至368億美元。根據(jù)艾瑞咨詢預(yù)測數(shù)據(jù)，2015年我國人工智能＋市場規(guī)模約為12億人民幣，其中語音識別和視覺識別占比分別約為60%和12.5%，其他約占27.5%，預(yù)計到2020年，中國AI市場規(guī)模將達(dá)到91億人民幣。
我們認(rèn)為，目前人工智能＋應(yīng)用尚不完善，以國內(nèi)市場為例，商業(yè)模式主要集中在License授權(quán)、項(xiàng)目等模式中，應(yīng)用也多局限在以語音識別、語義理解為核心的智能客服、語音助手等及以人臉識別為代表的、打卡及安防領(lǐng)域。由于目前人工智能＋技術(shù)主要應(yīng)用感知智能技術(shù)，因此市場空間尚未打開，預(yù)計隨著諸如無人駕駛汽車等認(rèn)知智能技術(shù)的加速突破與應(yīng)用，人工智能＋市場將加速爆發(fā)，未來人工智能＋＋汽車、人工智能＋＋醫(yī)療等產(chǎn)業(yè)均將創(chuàng)造巨大的商業(yè)價值。
責(zé)任編輯：姚泓澤
