人工智能行业报告
欢迎点击上方文琳阅读 关注！
人工智能的起源与发展
人工智能从 1956 年被正式提出以来，一共有 61 年的历史了，期间经历 3 次高潮，2 次低谷，而最后一次高潮开始于 2006 年，至今仍在延续，并随着各项技术的提升和相关应用的推广继续将人工智能推上新的高峰。
人工智能的起源(1943—1956)
1943 年，二战期间，各类科学家集聚一堂，人工神经网络和数学模型得以建立，人工神经网络时代开启。
1950 年，图灵提出“图灵测试”，为智能机器设立了判断标准，如果一台机器能够与人展开对话(通过电传设备)，并且会被人误以为它也是人，那么这台机器就具有人工智能。
1956 年达特矛斯会议正式提出人工智能这个术语，标志着人工智能领域的正式诞生，并设下了他们关于人工智能的目标——使机器能够模拟人类智力行为的各个方面，如感知、学习、推理论证、交流等能力。
这个核心观念持续推动了人工智能领域的发展。
人工智能的发展(1956—至今)
第一个黄金发展期(1956——1974)
在此期间，全球政府投入并启动了大量关于人工智能领域的研究项目。与此同时，纽厄尔与西蒙开发了启发式搜索(heuristic search)，这是一种在大型的组合空间寻求答案的有效程序。
之后他们运用这种程序证明了各种数学定理，罗素的《数学原理》被全部证明。
人工智能的冬天(1974——1980)
由于人工智能之前的投入，产出不成正比，四大预言遥遥无期。
政府，投资者的信心急剧减弱，1973 年英国政府宣布从人工智能领域撤资。
虽然这时是人工智能的低谷，但是人工智能也完成了重大的进展。比如逻辑程序设计法，常识推理领域均在此时期创立。
发展期(1980——2006)
随着专家系统的繁荣发展，人工智能正式投入到了工业生产和政府应用中，再次掀起了AI 研究的投资浪潮。
专家系统是存储了某个领域专家水平的知识和经验的数据，并能根据这些数据进行推理判断从而处理该领域专家才能处理的复杂问题的智能计算机程序系统。
1986 年，BP 算法出现，神经网络重新受到重视。
90 年代，机器学习被提出，并得到了迅速发展。新的研究领域也如雨后春笋般兴起。其中最出名的有人工神经网络和支持向量机。
1997 年，深蓝超级计算机战胜了国际象棋世界冠军加里·卡斯帕罗夫。这是首次人工智能在人机大战中的胜利。
2002 年，第一个成功的商业化家用机器人——自动真空吸尘器 Roomba 诞生。
2005 年，美军开始投资战争机器人 BigDog。
高速发展期(2006—)
2006 年，当今人工智能最流行的方法——深度学习被正式创立，人工智能再次得到了突破性的发展。
2010 年，移动互联网发展，人工智能运用场景更加广泛。
2012 年，深度学习算法在语音和图像识别上取得了突破，融资规模开始迅速扩大，人工智能商业化高速发展。
2016 年，Alphago 战胜李世石，人工智能受到世界空前的关注。
人工智能产业链明晰，未来市场规模巨大
人工智能行业产业链明晰，可以分为基础层、技术层和应用层。
数据与运算力是人工智能的基础
基础层主要涉及数据的收集以及运算。其中传感器以及数据服务机构主要负责收集数据，而 AI 芯片(GPU、FPGA、ASIC、类脑芯片)和云计算负责运算。
芯片的快速发展带动运算力的提升
GPU 和云计算的兴起，为人工智能带来了质的飞跃。其中 GPU 等芯片性能的快速提升，为人工智能的快速发展提供了可能性。与此同时，分布式计算(云计算)的兴起，大大降低了计算的时间、硬件成本，也为人工智能的快速发展提供了契机。
国外知名 GPU 制造商 NVIDIA 已经将传统 PC GPU 业务进行了转型，并推出了专门运用与人工智能、深度学习、大数据研究和分析 GPU 芯片，如 Tesla 系列运算卡，并取得令人瞩目的成绩。
人工智能的客户在 2 年内提升了 33 倍，并在 17 年 1 月的 FY2017 年报指出相关AI、深度学习以及云计算的 GPU 芯片收入的年增长率高达 145%并预测到 FY 2018 第一季度这个数字会继续增长到 186%。
研究积累与发达国家差距不大，然而国内目前专注于人工智能芯片开发的企业有限，且总体技术水平与发达国家存在较大的差距，高端芯片严重依赖国外进口。
中国是人工智能芯片制造的后起之秀，目前已推出中科院“寒武纪”、中星微“星光智能一号”等多款人工智能芯片，华为也表示将在年内推出人工智能芯片产品。
国产人工智能芯片的崛起不仅带来计算能力的提升，同样也可以起到降低成本的作用。
国际首个深度学习专用处理器芯片，性能超主流 CPU100 倍，但面积和功耗仅为十分之一。
基于 ASIC 架构的人工智能语音识别芯片，包含了脑神经网络处理硬件单元，能够完美支持 DNN 运算架构，进行高性能的数据并行计算，可极大的提高人工智能深度学习语音技术对大量数据的处理效率。
自主设计研发高效的人工智能处理器架构 IP，支持 ARM/GPU/FPGA/ASIC 实现神经网络压缩、编译、神经网络处理器 DPU 设计、FPGA 开发正研发人工智能处理器 有望年内发布。
互联网与移动互联网的迅猛发展使得人们的生活中产生海量数据，并得益于大数据概念的爆发，国内对数据积累与标注十分重视，从数据收集、数据分析、数据管理到数据应用，已经形成了完整的产业链，这也为国内人工智能输入海量数据进行训练提供了坚实的基础。
乐晴智库，行业深度研究（微信ID: lqzk767)
企业与政府共同致力于实现数据共享与开放。相比于国外公司对数据的严密保护，国内公司对数据保持着较为开放的态度。谷歌旗下的 Waymo 以及特斯拉对其数据进行严格保密，而国内方面百度不仅对软件进行开源，而且打算进一步分享数据，创造一个无人驾驶汽车的开放数据平台。
手握巨量数据的政府也已制定好数据共享与开放计划，到 2018 年底前，中央政府层面实现数据统一共享交换平台的全覆，建成国家政府数据统一开放平台;2020 年底前，逐步实现多个民生保障服务相关领域的政府数据集向社会开放。
数据的开放共享使得数据能够大范围内的流动，并衍生出各类对数据处理与应用，做出更可靠的标注，从长期看给人工智能带来更大的市场价值。
在云服务领域，亚马逊由于起步较早，占据了最大的云计算市场份额。据 synergy researchgroup 的数据，在 16 年年底，亚马逊占据了公有云市场的 40%份额。而且据亚马逊今年 4 月公布的一季度财报中，AWS 的营业收入同比上涨了 42%，达到了 36.6 亿美元。 微软已将云计算列入自己的重点战略方向，2016 年上边年，微软智能云营业收入占比已经高达 26.32%。
人工智能技术逐渐成熟，驱动未来发展
在收集到数据之后，技术层所做的事就是模拟人脑，对数据进行有效的处理和分析。算法是技术层的一项核心内容，而在人工智能算法里最出名的，也是将人工智能推向发展高潮的，就是深度学习算法。
人工智能产品与服务不断推出，得到市场的广泛认可
随着基础层和技术层的快速发展和逐渐成熟，AI 产业红利将传导至应用层。
AI 应用层主要是 AI 算法在传统行业的渗透和改造。
在国外，已推出多款人工智能产品与服务，并取得了十分成功的成绩。亚马逊 Echo 智能音箱的销量暴涨，2015 年 Q2 的销量仅为 20 万台，2016 年 Q2 销量已经较去年增加了 5 倍，预计 2017 年底销量会突破 1 千万台，为亚马逊贡献 10 亿美元的营收。
全球最大社交网络网站 Facebook，充分利用 AI 分析社交网络大数据，来提升用户体验，持续扩大用户流量，2016 年，Facebook 越活跃用户达 18.6 亿，同比增长 17%。同时 Facebook将巨大的用户流量进一步变现为广告收入。
2016 年，Facebook 实现营业收入 268.85 亿美元，同比上年增长 57%，实现净利润 102.17 亿美元，同比上年增长 177%。
在国内人工智能的应用中，BAT 手握大量资源，无疑是其中的第一梯队，而三家之中的百度更是行业中的领军者;阿里巴巴与腾讯也在积极推进人工智能项目，凭借公司规模优势奋起直追，虽然目前落后于百度，但发展后劲不可小觑;
而像地平线机器人这样独立人工智能企业，以及互联网细分领域取得成绩的京东、搜狗、滴滴、今日头条等垂直优势同样值得关注。
中国巨大的消费市场可以衍生出无数的细分领域，互联网对各行业各领域的渗透给人工智能应用提供了最真切的参考，并且相比于互联网，人工智能的应用场景只会更广阔。
政策密集出台，助力人工智能发展
国内政策密集出台，助力人工智能发展。政府大力扶持人工智能产业，今年三月的《政府工作报告》与七月的《新一代人工智能发展规划》中提出，到 2020 年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点;
到 2025 年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平;
到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。
“人工智能+”重塑各行各业，推动行业革新
(一) AI+安防
未来国内安防市场可达万亿，保持高速迅猛增长。2011-2016 年安防市场连续五年维持两位数的增长，2016 年国内安防市场规模达到 5000 亿以上，根据前瞻产业研究院的预测，到 2022 年国内安防市场规模将达到接近万亿的规模。
2016 年安防市场规模中安防设备市场大约占比为 1900 亿，从产品形式上看，视频监控领域是安防行业最大的应用产品。
(二) AI+金融
据量巨大的金融行业是人工智能应用的温床。金融行业每天产生的数据量在各个行业中遥遥领先，并且与其它行业不同，金融行业对数据的依赖性十分高，大部分金融从业人员每天都要花费大量的时间对数据进行处理与分析，因此金融数据往往标注准确且公开透明。
目前互联网化的金融每年产生的数据都在呈现指数型增长，海量的金融数据给以数据为基础进行深度学习的人工智能的应用奠定了基础。
人工智能降低成本，抓住金融长尾市场。目前除了一些新兴的互联网金融机构愿意为低净值的客户提供完善的投资与资产管理等业务外，绝大多数传统金融机构将大量的资源投入到服务政府、大型企业以及高净值客户中，因拉拢、征信及制定投资策略等高成本问题而主动放弃了长尾市场中的大量客户。
从蚂蚁金服推出的余额宝火热增长可以看出，低净值客户的投资热情高涨，不简单满足于银行低利率的活期存款，而希望能够得到更多的金融服务。人工智能的应用可以大大降低成本，从而抓住更多的客户。
目前人工智能领域在金融行业比较成熟的应用主要有智能投顾、智能量化交易与智能客服,主要采用的方法有机器学习、自然语言处理、知识图谱和计算机视觉等。
(三) AI+家居
智能家居也称智能住宅，是以住宅为平台，兼备建筑、网络通信、信息家电、设备自动化，集系统、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境。智能家居利用先进的人工智能技术、网络通信技术、综合布线技术，将与家居生活有关的各种子系统有机地结合在一起，通过统筹管理，让家居生活更加智能、舒适、安全。
智能家居未来市场规模近五千亿，有望实现高速增长。根据中国产业信息网的数据，2014年，我国智能家居产业市场规模达到 290 亿元;
2015 年，我国智能家居市场规模达 403.40 亿元，同比增长 41%，并且预计 2017 年国内智能家居市场规模将达到 908 亿元，未来五年(2017-2021)年均复合增长率约为 48.12%，2021 年市场规模将达到 4369 亿元。
(四) AI+汽车
随着机动车逐渐在中国的普及，最近 5 年中国机动车驾驶员的数量每年都以超过 10%的速率上涨。截至 2016 年底，全国机动车驾驶人已达 3.6 亿人，驾驶汽车渐渐成为每个人生活中不可缺少的一件事。而随着人工智能的发展，自动驾驶正在变为可能，各大车商纷纷计划在2021 年前后推出全自动驾驶车型。
(五) AI+医疗
在当今医疗领域，医生资源的短缺是造成看病难的重要原因，尤其是在不发达地区，这一问题尤为严重。智能医疗的可复制性，可以很好的解决优质医生的稀缺性问题。
随着人工智能领域，语音交互、计算机视觉和认知计算等技术的逐渐成熟，人工智能医疗领域的各项运用变成了可能。这其中主要包括:语音录入病历、医疗影像智能识别、辅助诊疗/癌症诊断、医疗机器人、个人健康大数据的智能分析等。
医疗机器人:手术机器人占领主要市场份额，达芬奇机器人垄断微创手术
在传统手术中，医生和病人都会受到不同的煎熬，医生需要长时间手持手术工具并保持高度紧张状态，而由于人工操作精度不高，病人会在手术中遭受额外的创伤。而手术机器人的出现，可以极大的缓解这两个问题。目前手术机器人占据了医疗机器人的 60%以上的市场份额。
(六) AI+教育
如何提供高效的教育，是一个困扰了人们多年的问题。孔子曾提出过因材施教的解决方案，然而在现实中，由于信息不对称和一对一教学成本极大等问题，“因材施教”这一理念一直不能再传统教育中得以真正实现。而随着科技的迅猛发展，越来越多的教育方式被开发，教育的效率也逐步得到提高，随着人工智能的逐步成熟，个性化的教育服务将会步上新的台阶，“因材施教”这一问题也最终会得到解决。
文琳编辑
免责声明：转载内容仅供读者参考，观点仅代表作者本人，不代表本平台立场。若文章涉及版权问题，敬请原作者添加 wenlin-swl 微信联系删除。
今日导读：点击下面链接可查阅
公众号 wenlin-yd：文琳阅读