AI+应用前景分析

一 AI概述——驱动因素
上游技术成型推动
（1）GPU的应用得使得AI摆脱计算能力的禁锢：CPU 的功能是指令执行、任务调度、逻辑运算等，计算只占其任 务很小的一部分，因此 CPU 里的 ALU单元较少。GPU 诞生之初就是为了加速计算机对图形的处理速度，由数以千计 的计算单元阵列组成，计算单元的数目远远超过 CPU，并行计算的能力远胜 CPU。
AI是一个正在消失的投资领域，纯粹的人工智能是没有商业模式的，未来的AI投资将会分散到各个应用领域中。
三 AI+投资逻辑和机会
自然语言处理与计算机视觉自2013年开始下滑，机器学习与机器人则晚一年，但都早于全球人工智能整 个行业回落的的总体趋势。
三 AI+投资逻辑和机会
三 AI+投资逻辑和机会
“AI+”发展前景分析
目录
第一章 AI概述 第二章 AI+——一种新的商业模式 第三章 AI+的投资逻辑与机会
一 AI概述——概念
人工智能(简称 AI)，
是研究模拟、扩展人类智
能的理论方法及应用系统 的一门科学，目的是生产 出能以人类智能相似方式 做出反应的智能机器，处
理一些需要人类智能才能
完成的复杂任务。
三 AI+投资逻辑和机会
三 AI+投资逻辑和机会
三 AI+投资逻辑和机会
三 AI+投资逻辑和机会
三 AI+投资逻辑和机会
水平。
二 AI+——未来的商业模式
互联网+
连接一切 跨界融合 重塑结构
AI+
智能工具 ？
AI+是互联网+的延伸和下一站，当互联网成为
开放生态
各行各业的基础设施时，பைடு நூலகம்I+也许会成为区分
新兴产业和传统产业的关键因素。
二 AI+——未来的商业模式
AI将完成企业、产业、人体自身三层智能化重构：
三 AI+投资逻辑和机会
一 AI概述——驱动因素
下游应用需求倒逼
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。
（1）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；
（2）产品周期缩短、个性化定制需求倒逼柔性生产，但工业机器人的机器视觉还很有限； （3）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； （4）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
（2） 深度学习算法助力AI实现突破：深度学习基于神经网络算法发展而来，通过多隐层神经元模拟人脑多层次的抽 象方法来提高学习的准确性。深度学习的第一步是对神经网络进行训练，训练的过程可以简化为：利用数据训练每一 层，得到特征参数，通过大量的训练对参数进行调整，以提高在不同的外界条件下的识别准确率。
（3）大数据充分掘挖掘 AI 算法的潜力：数据量对AI训练的效果起决定性作用，而目前全球90%以上的数据都是近5 年产生的（移动互联网的普及）。
一 AI概述——发展历程
AI自计算机诞生以来， 一直是人类技术发展的
重中之重，经历过诸多
挫折。本世纪初以来， 随着计算能力的提高， 大数据、机器感知、深 度学习等技术的出现和 成熟，AI应用的曙光初 显。
一 AI概述——产业链构成
从产业链上看，人工智能产业链包括基础技术支撑、人工智能技术及人工智能应用三个层次：