2016-07-21 14:09:49 来源：IT时代周刊
基础层——AI产业的基石
基础层是人工智能的基石。基础层主要是支持人工智能产业一些基础设施建设，如芯片、存储、大数据等，主要目的在于辅助人工智能的运行，如芯片是为了提升计算能力、大数据为人工智能提供全面完备的学习素材。因此，基础层的核心驱动力量是技术创新。
人工智能产业产业链可分为基础层、技术层和应用层，我们认为可以沿着产业链三层寻找相关投资机会。总体来看，基础层和技术层难度最大，而一旦获得突破，则会带来上层应用质变。因此，从投资机会看，突破基础层和技术层的公司一定会受到追捧，应用层则相对竞争激烈，但投资机会精彩纷呈。1、计算机芯片
GPU是当前人工智能的主流硬件加速器，但未必是唯一解决方案。GPU因其具备大 规模并行计算能力而被广泛应用于深度学习之中，但GPU的树形拓扑通信结构也决定了其未必适合所有AI应用场景。GPU的树状拓扑传输需要不断通过写入/ 读取存储来进行通信，而不是直接的I/O，数据传输量大时甚至有可能造成堵塞，这必然会限制GPU的处理速度。同时GPU优势在于计算并行度和计算吞吐 量，而在计算精度、实时性以及并行进程交互方面则显得乏力。
FPGA/ASIC未来或将广泛应用。与GPU相比，FPGA在处理数据时是直接的I/O方式;同时FPGA一般主频远低于GPU，因此在能耗上也低于GPU。新一代FPGA/ASIC在能耗效率上显著优于GPU，谷歌的TPU即宣 称比此前GPU方案在能效上高出一个数量级。而随着国内外巨头对于FPGA的青睐，如英特尔167 亿美元收购Altera、IBM与Xilinx 的合作、百度大脑采用FPGA芯片，FPGA/ASIC或将在人工智能领域被广泛应用。
未来将是GPU、FPGA/ASIC等多种加速芯片 共存的局面，可根据不同应用场景各取所需。尽管新一代芯片在能效上高于GPU，但GPU仍是图像处理领域的王者。因此，这几种芯片都有其擅长的应用场景， 未来一段时间仍将活跃在人工智能领域。生产GPU的公司主要有Nvidia、AMD、景嘉微等，生产FPGA的公司有Altera、Xilinx、 Actel Altera、紫光国芯、寒武纪、嘉楠耘智、比特大陆、地平线等。
2、大数据
大数据助力人工智能的持续优化。人工智能训练需要大量的素材，只有全面、完备的数据才能使人工智能持续优化。人工智能近些年突飞猛进，一个非常重要的原因即是移动互联时代带来数据量的爆棚。大数据与人工智能是相辅相成的关系，优质的大数据可以令深度学习得到更完美的结果，而人工智能的发展也进一步推动了大数据产业。
优质的数据源或数据平台在人工智能时代具有最大的价值。大数据 从产业链上可以划分为采集与整合、存储和运算、分析、应用四个环节。分析和应用阶段是大数据与人工智能相结合的部分，而经过采集、初步清洗后的大数据则为分析应用提供基础。政府数据管理部门、通讯运营商和互联网平台使数据源的主要提供者，如中国移动、中国联通、中国电信、百度、腾讯、阿里等;此外还包括一些第三方数据提供商，如数据堂、数多多等公司。
3、存储
人工智能的发展必然会带动IDC机房的需求提升。大数据存储是预处理后一项必不可少的环 节，存储设施的硬件设备和软件设施直接影响了大数据存取效率。IDC一般为用户提供专业化一体化网络解决方案，提供数据传输和接入服务，需要满足网络带宽 容量大、数据存取速度快、信息安全和可即时监控等条件。
我国IDC市场规模未来将维持快速增长。2014年我国IDC市场规模总量达到 372.2亿元，增长率达到41.8%。预计到2017年市场总量将达到910亿以上。目前我国IDC业务仍以电信运营商占主导地位，民营企业所占市场份 额较少。未来发展方向为建立统一的数据语言以便数据中心系统之间进行连接、由集中化数据中心走向分散化数据中心等。相关公司主要有美利纸业、光环新网、宝信软件、鹏博士、中兴通讯等。
技术层——AI产业的灵魂
技术层是人工智能产业的灵魂，没有技术层就没有人工智能。技术层包括算 法以及利用算法开发的相关技术应用。算法包括工程学法和模拟法，神经网络是模拟法中最成功的一种。神经网络的发展带动了人工智能的崛起，而当前通过深层神 经网络即深度学习实现了诸多的成功技术应用，如机器视觉、自然语言识别及处理。技术层的核心在算法的创新和相应技术的突破及成熟应用。
1、图象识别
图像识别的核心是让图像计算机像人一样能读懂图像的内容。图像识别是指通过多层神经 网络逐层对图像的特征进行提取，以识别不同模式目标的技术。广义上的图像识别即机器视觉主要包括图片识别、视频识别、生物特征识别等等。识别过程包括图像 预处理、图像分割、特征提取和判断匹配。当前图像识别技术已比较成熟，百度已将准确率提高到95.42%，超过人类水平。而在人脸识别和指纹识别的领域， 排名TOP5的公司准确率已经达到99%以上。
图像识别在图像识别诸多领域发挥着重要的作用。图像识别的应用领域非常广泛，如社交网站的人 脸识别、金融领域的指纹虹膜识别、安防和交通监控领域、产品安全检测、工业4.0甚至无人驾驶等领域已经有了比较成熟的应用，未来将大规模应用于智能机器人开发中。艾瑞咨询预测，2015年国内图像识别占人工智能技术市场总规模的12.5%，未来仍将维持高速增长。国内外图像识别不乏优秀的公司，如 Clarifai、Madbits、DNNresearch、川大智胜、佳都科技、汉王科技、旷视科技、商汤科技等公司。
2、自然语言识别及处理
自然语言识别是人机交互的前提。自然语言识别是指让计算机能够听懂、理解人类的语言，使人机交互更加简单直接，主要包括语音识别和语义识别。语音识别是让机器能够“听懂会说”人类的语言，语义识别是让机器能够理解文字后面的真 实内涵。自然语言识别的目的是让人机交流回归到人类交流最自然的方式，因此让所有信息设备能够听懂理解人类的语言是未来的必然趋势。
当前自 然语言处理已经达到实用水平，应用领域广泛。随着深度学习的不断推进，目前语音识别准确率已达到95%以上，Nuance的语音辨识率已经达到99%，国内百度和科大讯飞也超过97%;语义识别方面，江南化工的图灵机器人的准确率也在95%以上，均已达到实用水平。当前自然语言识别在各类智能机器人和智能助手、机器翻译、信息收集与监测等多领域被广泛应用。
3、智能机器人
智能机器人多种技术的集合体。智能机器人是将机器视觉、语言识别、分析预测、动作 控制等多种技术结合到一体，以辅助或者替代人类在复杂环境中从事各种任务。智能机器人可分为工业机器人和服务机器人，服务机器人又分为家庭服务和专业服务 两类。家庭服务包括家政服务、儿童老人看护和教育娱乐等等;专业服务包括医疗、安防、军事、救援、勘探等多类机器人。当前通用机器人短期内还比较困难，但 某一垂直领域的机器人已经逐渐开始商用。
智能机器人借助人工智能快速发展，应用前景广阔。随着人工智能技术的快速发展，智能机器人也越发成熟，并参与到越来越多的领域之中。根据MarketsAndMarkets的机器人市场研究数据显示，机器人行业的总市值以每年20%的增速增长，预计 2020年可达到80亿美元。国内外智能机器人制造商主要有Fanuc、Yaskawa、Kuka 、ABB、科大智能、机器人、紫光股份、慈星股份、康力电梯、北冥星眸、祈飞科技。
应用层——AI产业的终极目的
应用层是AI产业的终极目的。应用层是依托于基础层和技术层并与实 际场景相结合形成的具体解决方案，从而真正为人类社会服务，是人工智能发展的真正目的。具体表现形式为人工智能与行业结合而形成的裂变，如无人驾驶、工业 4.0、智能安防等等。应用层市场空间最大，2015年应用层企业占人工智能企业总数的70%，因此投资机会必将精彩纷呈。
1、无人驾驶
无人驾驶是人工智能对传统汽车的颠覆。无人驾驶是集自动控制、体系结构、人工智能、 视觉计算等众多技术于一体的产物。基于无人驾驶的汽车，实质上是一台移动的智能机器人，通过智能感知技术、智能决策和控制技术、高精度地图自动完成驾驶过 程。其中智能决策和控制是核心，其背后的算法是深度学习。深度学习可以对系统精确度、地图精度等进行训练，从而使驾驶技术得到提升。
无人驾驶商业化进程渐行渐近，发展前景无限。无人驾驶可以使出行更加经济、安全、高效而备受期待。当前在技术上已经相对成熟，Mobileye的ADAS已非常先进，谷歌、特斯拉的无人驾驶汽车也早已完成数千公里的路测。当前虽然在法律和伦理上还存障碍，但无人驾驶商用时代已经不远。根据麦肯锡的预测，未来十年内无人驾驶将走进普通人的生活，2025年无人驾驶可产生2000-19000亿的产值。国内外无人驾驶相关的公司主要有谷歌、特斯拉、 Mobileye、百度、长安汽车、万安科技、亚太股份、保千里、四维图新等。
2、工业4.0
工业4.0是人工智能对传统工业的深度重塑。工业4.0是利用人工智能将自动化和信息化深度融合到工业生产中，从而实现智能生产和智能工厂，使生产效率得到极大提升。智能生产涉及主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等;智能工厂重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现。
工业4.0细分领域广泛，万亿市场空间被引爆。工业4.0细分领域包含运动控制及机器人、工业软件、传感检测、变频传统、监控系统等诸多领域。而最直接的应用工业机器人，可以在焊接、刷漆、 组装、采集与放置(包装、码垛等)、产品检测和测试等方面高效、持久、精确的完成相关任务。政策上，我国也将“中国制造2025” 提升到国家发展战略的高度，未来必然带来万亿的市场空间。与工业4.0相关的公司包括科远股份、慈星股份、华中数控、机器人、京山轻机等3、智能安防
人工智能助力安防从被动转向主动，真正实现智能化。安防系统产生海量的数据，以往只能被动的靠人力筛选，效率低下。而人工智能技术可以对图像视频、人脸甚至面部表情进行自动分析、识别、理解、反向追踪、自动报警等，从而实现高精度、高效率、全天候的主动防护体系。同时人工智能还可以应用于反恐与情报分析，通过深度学习进行云端数据分析预测，如Palantir曾通过情报分析协助美军抓获本拉登。
智能安防未来市场空间巨大。安防从经历了数据化、网络化的过程，未来的趋势一定是智能化。而随着外部环境日益复杂、恐怖事件频发， 智能安防需求也必将被引爆。我国主导的193个智慧城市项目前处于第二轮建设周期，总投资近3万亿。2016年要开展100个智慧城市项目建设，也就意味着智能安防需求进入加速阶段。国内外智能安防的公司有Palantir、佳都科技、东方网力、天源迪科、美亚柏科、蓝灯数据、智器云等。
4、智慧医疗
人工智能将医疗带入新纪元。“人工智能+医疗”主要表现在医疗诊断、健康管理和新药研发三个方面，可直击传统医疗行业的痛点。通过深度学习“机器人医生”可以掌握所有最新的医学知识，通过海量数据分析迅速协助做出诊断;个人健康助手可以整合分析生活中的健康数据，对健康情况及时做出预警;药物研发机构同样可以对新药进行大量模拟实验，通过数据分析提高研发效率。
人工智能巨头争相进入医疗行业，智慧医疗进入爆发阶段。IBM 的Watson是智慧医疗最典型的应用，它具有强大的语言理能力，通过云平台建立医疗领域的云数据中心，协助医生了解病人的病历、药物、行为信息、治疗方 案等多方面信息，指导医生做出准确诊断和治疗决策。日前，谷歌的Deepmind也宣布进入医疗保健领域。相信在巨头的示范作用之下，未来人工智能对医疗 行业的渗透将进一步加速。智慧医疗的相关公司包括IBM、谷歌、Enlitic、荣科科技、三诺生物、海虹控股等。
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
