人工智能行业分析报告

发布时间：2018-03-10 15:59:42 来源：文档文库

小中大

字号：

手机查看

人工智能行业分析报告

2017年9月

1. 人工智能厚积薄发，引领IT 新一轮革命

1.1. 人工智能发展的三大背景

2016 年是人工智能的元年，Alpha Go 的胜利引爆了全民的热情。如今，人工智能其实已经无所不在，打开你的手机，每个APP 里面都是人工智能：百度的搜索栏总会跳出你想要的词条；淘宝的首页推荐总是你想要的宝贝；美团里推荐的店铺总是你想去的。如今深度学习进入一个井喷时代，它就是一个智能大脑，未来人类将会被取代吗？当下在各类新观点的充斥中，有人说：70%的制造业工人会下岗，“机械式体力劳动”被取代；90%医生，程序员和编辑也会失业，“可重复式经验判断”被取代；大学生的英语四六级不用考了，学外语变得没有那么必要，手机翻译软件会做的比你更优秀。人类会被A取代吗？这篇文章会给你答案。

1.1.1. 神经网络的出现，为人工智能的出现提供动力

人类的大脑中有数百至上千亿个神经元，而且每个神经元都通过成千上万个“突触”与其他神经元相连，形成超级庞大和复杂的神经元网络，以分布和并发的方式传导信号，相当于超大规模的并行计算（Parallel Computing）。因此尽管单个神经元传导信号的速度很慢（每秒百米的级别，远低于计算机的CPU），但这种超大规模的并行计算结构仍然使得人脑远超计算机，成为世界上到目前为止最强大的信息处理系统。

图1：人工神经网络示意图

人工神经网络算法模拟生物神经网络，是一类模式匹配算法。通常用于解决分类和回归问题。重要的人工神经网络算法包括：感知器神经网络（Perceptron Neural Network），反向传递（Back Propagation），Hopfield 网络，自组织映射（Self-Organizing Map, SOM）。

深度学习算法对人工神经网络的进一步发展，百度开始大力发展深度学习，引起了国内的广泛关注。在计算能力变得日益发展的今天，深度学习试图建立更大更复杂的神经网络。很多深度学习的算法是半监督式学习算法，用来处理存在少量未标识数据的大数据集。利用数学模型的支撑，深度学习首先在图像、声音和语义识别取得了长足的进步，特别是在图像和声音领域相比传统的算法大大提升了识别率。目前，在短短的不到10 年时间里，深度学习带来了在视觉、语音等领域革命性的进步，引爆了人工智能爆发的新浪潮。

图2：神经网络发展阶段一

图3：神经网络发展阶段二

图4：深度学习近期标杆事件

图5：基本完整的深度学习网络

1.1.2. 运算能力和储存能力提升,为人工智能第三次浪潮的到来提供基础

1946 年计算机正式出现在人们的视野中，至今已有70 年的发展历史，从5000 次/秒的加法运算能力到现在5.59 亿次/秒的峰值计算速度；从简单的科学计算到现在各领域数据处理的应用；从单机处理到全球网络互联互通的协同作业；从人工连线驱动计算到现在的智能大脑的诞生；计算机运算能力的不断提升，为人工智能大时代的到来提供了物理硬件基础。

图6：CPU架构

图7：GPU架构

CPU 和GPU 架构差异很大，其中绿色的是计算单元，橙色的是存储单元，黄色的是控制单元。CPU 功能模块很多，能适应复杂运算环境；GPU 构成则相对简单，目前流处理器和显存控制器占据了绝大部分晶体管。

相比于CPU，GPU 的计算速度有了质的飞跃，它拥有惊人的处理浮点运算的能力。2005 年GPU 的出现，极大地提高了运算效率,并促使无人监督学习技术(深度学习涉及技术中的一种)成功。摩尔定律其实不是预测CPU 性能提高的规律，而是预测半导体技术提高幅度的规律，主要是晶体管的集成度。现在CPU 的技术进步正在慢于摩尔定律，而GPU（视频卡上的图形处理器）的运行速度已超过摩尔定律，而且每6 个月其性能都会增加一倍。

2006 年，在GPU 与CPU 价格相当的情况下，GPU 的计算能力已经远远高于CPU 的计算能力。可见GPU 并行计算已成未来趋势。

图8：CPU 和GPU 计算能力比较

并行计算是指同时对多个任务或多条指令、或对多个数据项进行处理。完成此项处理的计算机系统称为并行计算机系统，它是将多个处理器（可以几个、几十个、几千个、几万个等）通过网络连接以一定的方式有序地组织起来。

将摩尔定律简单应用在芯片集成度的增长方面，我们可以得出这在今天意味着：每年单芯片中可以大约多放置50%的元件。通过集成度的指数倍增长，计算成本被不断压缩。

图9：摩尔定律驱动的产业

word/media/image9.emf

就存储行业方面而言，从最初的SAN 和NAS 存储到今天的云存储，我们能够看到存储行业的变迁。

图10：机械硬盘：容量增加了100 万倍

word/media/image10.emf

图11：服务器磁盘存储：3 6万倍的提升

word/media/image11.emf

1956 年，世界上第一款硬盘驱动器RAMAC 350 问世，看上去像是一个空气净化器，重量达到了一吨，存储容量仅为5MB，当时的售价超过5000 美元（时值人民币13000 元），可谓天价。现在，台式机硬盘普遍为3.5 英寸大小，单块容量可达4TB。同时，硬盘技术仍在不断进化，在2020 年，使用磁记录技术（HAMR）的硬盘可以实现60TB 的容量。

第一代的服务器仅用于256MB RAM 和2GB 的硬盘空间，而22 年后，则进化至128GB RAM和720TB 的硬盘空间，实现了36 万倍的提升。当然，存储机制、速度的进化也是不能忽略的。

基于云计算发展起来的云储存系统，不仅能使人们在任何时间地点，只要通过可联网装置便可链接到云端方便存储。云储存除了给人们生活带来了几大的便利，还大大减少了移动储存设备的使用，降低了企业成本；基于使用人数和空间可以及时的进行持续扩展，而且不会影响前端客户；数据的实时同步有效避免了介质存储数据造成丢失损坏的问题，提升了安全性。

随着摩尔定律的不断印证，计算机计算性能大幅度提升，再加上不断扩大的储存空间和不断降低的储存成本，为人工智能的飞速发展奠定了硬件基础。

1.1.3. 各界需求的不断攀升，为人工智能的完善保驾护航

如今，人类对人工智能的需求不断增加：在工业制造业中，大量的机器人可以提升制造效率，可以减少产品的残次率，更重要的是在人力成本上的节省；在安防领域中，通过视频监控，人脸识别，人群监控等技术为市民安全带来保障；在医疗健康方面，通过海量数据对比辅助医生进行诊断，自动读片等；在智能驾驶方面，路标识别的准确率不断提高，图像和运动传感器与全球定位系统结合，大大地降低了成本，提升了整体安全系数。

短期阶段，人工智能在金融领域会取得较大发展；到了中期，随着大数据技术的不断完善，海量的数据积累，会推动人工智能在医疗方面取得新的突破；从长期来看，人工智能的最终点就是无人驾驶，计算力、海量数据、算法与决策、以及传感器的数据采集四要素完备以后，人类才能逐步实现全天候、全自动化的无人驾驶。

图12：人工智能板块蓝图

1.2. 人工智能在IT 中的架构中处于核心地位

图13：ICT 在过去的变革

word/media/image13.emf

信息和通讯技术（ICT），它是信息技术与通讯技术相融合而形成的一个新的概念和新的技术领域。如今云计算、移动化、网络和大数据技术不断走向深度融合，人工智能在IT 架构中的核心地位也日益显现。从移动互联时代开始，从软件到硬件、从信息收集到平台服务，人工智能在各个领域的生态会更加完整，未来随着物联网和云计算的发展，人工智能在应用方面的深度和广度会越来越大。

全球市场研究机构IDC 公司首席分析师Frank Gens 指出：“未来4 到5 年，云解决方案的数量预计将增加10 倍。许多云解决方案的战略重要性将超过传统IT。与此同时，领先的云提供商将面临前所未有的竞争和整合压力。大规模创新将不断涌现，企业之间的竞争日趋白热化，未来几年将成为当前和新兴IT 市场领导者的关键时期。”

到2025 年，全球将有1000 亿台数字设备接入物联网，物联网市场估值将高达2 万亿美元。届时，ICT 供应商需要以互联基础设施和移动宽带技术为基础，打造最高水准的数字生态体系，让人们无论何时何地都能享受高速联接服务。