2017年AI服务器行业分析报告

合集下载

2017年人工智能行业百度AI分析报告

2017年人工智能行业百度AI分析报告2017年10月目录一、百度AI平台将逐步开放，助力构建百度AI生态圈 (4)1、“云+大脑”打磨升级构成百度AI平台 (4)2、多领域在人工智能方向进行战略构建 (5)（1）机构设立方面 (5)（2）人才储备方面 (6)（3）技术落地方面 (6)（4）资本投入方面 (7)二、AI平台开放、百度生态建设延伸至端 (9)1、DuerOS：开放的对话式人工智能系统 (10)2、Apollo：自动驾驶开放平台 (13)（1）能力一：障碍物感知 (15)（2）能力二：决策规划 (16)（3）能力三：高精度地图 (17)（4）能力四：云端仿真 (17)（5）能力五：端到端 (18)3、PaddlePaddle：深度学习开放平台 (24)三、百度“能听会看”作为触手、带动技术领域的商业化落地 (26)1、从“能听”走向“能听懂”的学习之路 (26)（1）百度以语音识别为切入点，构建人工智能生态圈 (26)（2）自然语言处理技术赋予机器认知能力 (28)2、全方位视频理解技术使机器不仅“会看”，还会理解 (31)百度AI平台将逐步开放，助力构建百度AI生态圈。

今年的百度AI开发者大会（Baidu Create 2017）上，百度AI平台架构图首次完整亮相，全新开放了视频、语音、AR/VR、机器人视觉、自然语音处理等五大类目共14项全新能力。

此次开放的技术能力总共有60个，是目前最全面的AI技术开放平台，包括百度智能云及百度大脑。

此外，百度在AI方面的布局已经相对完善，无论是从AI部门的设置、集团战略定位，还是从开放的各类技术平台均能够帮助百度更快地构建生态圈，以此带来更多场景应用的落地。

AI平台开放、百度生态建设延伸至端。

百度AI平台以百度智能云为基础、百度大脑为核心，目前开放DuerOS 和Apollo 两大平台向终端下沉，与云端一起初步构建起AI生态圈。

百度以DuerOS 作为其人工智能的切入点，打造智能语音生态链；以Apollo 自动驾驶开放平台作为其人工智能的核心突破口。

2017年人工智能AI行业分析报告

2017年人工智能AI行业分析报告2017年9月目录一、计算瓶颈突破，AI迎来第三次爆发，颠覆传统竞争模式 (9)1、AI同时实现“低成本与差异化”，增强企业竞争力 (9)（1）“以人工智能为代表的新兴产业”正引导第四次产业革命 (9)（2）人工智能可同时实现“成本降低、及差异化”，大幅增强竞争优势 (10)（3）国内人力红利消退，AI可提高工作效率 (11)（4）个性化需求崛起，定制化生产成为潮流 (12)（5）实例分析：汽车制造业的变迁 (14)2、产学研全面推进，AI迎来第三次爆发 (16)（1）算法、数据、算力遭遇研究瓶颈，AI历经数次起伏 (16)（2）人工智能正处于第三轮爆发时期 (17)（3）AI上升为国家战略，政策红利有望持续释放 (19)3、“计算瓶颈突破&商用价值提升”引爆AI产业链 (20)（1）传统神经网络算法难以有效训练 (21)（2）深度学习可有效刻画复杂事物属性 (21)（3）英伟达GPU芯片突破“深度学习模型计算能力瓶颈” (23)（4）深度学习算法效果显著，语音识别/图像识别接近或达到人类水平，产业化进程有望加速 (24)二、各科技巨头加速布局，AI芯片进展迅速 (25)1、芯片制造工艺提升，“GPU、FPGA、ASIC”计算能力持续改善 (25)（1）CPU串行计算难满足深度学习需要 (25)（2）“芯片的计算效率与通用性”难以兼顾 (29)（3）芯片制造工艺提升，“GPU、FPGA、ASIC”计算能力改善，人工智能逐步走向实用 (30)（4）推理输出环节的AI芯片市场更为巨大，对芯片“实时性、能效性”要求较高 . 31（5）AI生态系统有望决定“AI芯片竞争态势” (31)（6）国内芯片进口依赖度较大、集中于产业链低端，国家高度重视芯片发展 (32)2、Google：通过“TensorFlow系统、TPU芯片”再塑AI时代生态 (34)（1）Google 拥有“TensorFlow、AlphaGo”两套AI系统 (34)3、NVIDIA：受AI市场强劲需求驱动，AI芯片业务持续爆发 (36)（1）NVIDIA业务重点从PC GPU转向人工智能领域 (36)（2）AI芯片业务营收呈现爆发增长 (38)4、英特尔：收购FPGA龙头Altera，巨资研发AI专用芯片（Xeon Phi）.. 40（1）Intel业务重心由PC芯片、移动芯片拓展至云计算、物联网及AI等领域 (40)5、IBM：重磅推出多款并行式类脑芯片，大幅提升AI算力 (41)（1）重磅推出多款并行式类脑芯片，大幅提升AI算力 (41)6、苹果：iPhoneX集成A11人工智能芯片，以支持Core ML及AI应用 (42)7、华为：发布全球首款AI移动芯片（麒麟970） (45)三、AI易取代“确定规则”的工作，关注智能安防、无人驾驶等领域 (47)1、AI可进行模式识别，易取代“确定规则”任务 (47)（1）人机结合，AI必然逐步取代人类工作 (47)（2）AI易于取代“具有明确规则的工作” (48)2、自然语言处理应用领域广泛，是当前AI技术瓶颈 (49)（1）自然语言处理实现“人机自由沟通”，带来极大便利 (49)（2）自然语言处理作为人机接口，应用前景广泛，是当前AI技术发展的瓶颈 (50)3、AI商业潜能受“技术成熟度、行业规模、渗透率”驱动 (51)（1）“AI商业潜能”取决于“技术成熟度、细分行业规模、及渗透率高低” (51)（2）“大数据+行业理解”构成AI企业的竞争壁垒 (53)4、智能安防：国内安防市场增速较快，智能安防成为行业趋势 (54)（1）国内安防市场增速较快，智能安防成为行业趋势 (54)（2）东方网力：国内领先的视频监控管理产品与解决方案提供商 (55)5、无人驾驶：行业前景广阔，ADAS系统受益行业快速发展 (57)（1）无人驾驶技术较为成熟、行业前景广阔，ADAS系统受益行业快速发展 (57)（2）Mobileye：全球ADAS芯片和自动驾驶解决方案的顶尖提供商 (57)（3）受ADAS系统强劲需求驱动，Mobileye在2011-2015年营收年增速高达65.90% (58)人工智能（AI）本质为“用机器取代人类工作”，结合了“机器规模化生产、与人工个性化生产的优势”。

2017年人工智能行业现状与发展趋势报告

目录CONTENTS1人工智能行业产业链结构2人工智能行业整体市场发展3人工智能行业投资现状4人工智能行业发展前景人工智能行业产业链结构l人工智能产业链结构l人工智能基础技术提供平台l人工智能技术平台l人工智能应用领域PART 01人工智能产业链结构人工智能产业链的主要包含三个核心环节——基础技术、人工智能技术和人工智能应用。

其中，基础技术主要包括数据平台、数据存储以及数据挖掘等，人工智能技术包括语音识别、自然语言处理、图像识别和生物识别等，人用智能应用有工业4.0、无人驾驶汽车、智能家居、智能金融、智慧医疗、智能营销、智能教育以及智能农业等。

基础技术支撑数据平台数据存储数据挖掘计算智能语音识别自然语音处理图像识别生物识别感知智能机器学习预测类API 人工智能平台认知智能工业4.0无人驾驶汽车智能家居智能金融智慧医疗智能营销智能教育智能农业基础技术支撑人工智能技术人工智能应用人工智能产业链结构IaaS代表企业：阿里云、电信天翼云、联通沃云、Ucloud 、青云、万国数据、首都在线等。

基础设施即服务，它是把ICT 基础设施作为一种服务提供的商业模式。

用户通过Internet 可以从服务提供商那里得到完善的计算机基础设施服务。

这些服务包括服务器或虚拟服务器的计算资源、处理能力及基础网络。

PaaS代表企业：科大讯飞、环信、容联、亲加、云知声、思必驰等。

PaaS 的功能主要体现在将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力，通过IaaS 提供的API 调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过API 开放给SaaS 用户。

SaaS代表企业：百度云、用友云、浪潮、 Ucloud、 Oracle、Infor、Microsoft 等。

SaaS 是一种通过Internet 提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。

2017年人工智能AI行业现状及发展趋势分析报告

(此文档为word格式，可任意修改编辑！）正文目录1. 人工智能厚积薄发，引领IT新一轮革命 (13)1.1. 人工智能发展的三大背景 (13)1.1.1. 神经网络的出现，为人工智能的出现提供动力 (13)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 (16)1.1.3. 各界需求的不断攀升，为人工智能的完善保驾护航 (20)1.2. 人工智能在IT中的架构中处于核心地位 (21)1.3. 人工智能演化历史，三起两落 (22)2. 人工智能前沿解析——人工智能全方位超越人类 (24)2.1. 感知智能全方面超越人类 (25)2.1.1. 人脸识别率达99.80%，机器视觉超越人眼 (26)2.1.2. 语音识别率接近人类，实验环境更待普遍化 (28)2.2. 语言领域功能创新让机器不再冰冷 (30)2.2.1. 语音转录技术已成熟，正在逐步实现各场景渗透 (30)2.2.2. 语音交互从各个特殊场景起步，功能日渐强大 (33)2.2.3. 特征识别通过语音来实现身份认证 (35)2.2.4. 机器翻译帮助人类迅速实现地球村概念 (36)2.3. 计算机视觉让机器成为敏锐的观察者 (37)2.3.1. 特定物体识别已实现突破，其中人脸识别最具价值 (37)2.3.2. 通用物体识别是真正强智能时代的标志 (39)2.3.3. 空间位置感知技术构成无人驾驶最核心功能 (40)2.4. 人工智能连下数城，认知智能逐渐突破 (42)2.4.1. AlphaGo攻下围棋领域，完整信息博弈先下一城 (43)2.4.2. Libratus斩获德州扑克，非完整信息博弈再下一城 (45)2.4.3. 认知智能下一座城在何处？ (48)2.5. 逻辑推断完成机器认知智能第一步 (50)2.5.1. 行为决策源于游戏，却高于游戏 (50)2.5.2. 知识图谱为机器提供更加庞大的认知体系 (51)3. 人工智能算法的突破将为AI应用提供无限可能 (53)3.1. 神经网络是人工智能算法的核心 (53)3.2. 监督学习算法让人工智能成为可能 (57)3.2.1. CNN算法带领机器视觉全面超越人类 (60)3.2.2. RNN算法帮助机器听懂人类语言 (64)3.3. 未来智能学习新领域——非监督学习算法 (68)3.3.1. Apriori算法 (68)3.3.2. K-Means算法 (69)3.3.3. 高斯混合模型算法 (70)3.4. 聚焦算法创新进展 (70)3.4.1. FSMN改善语音实时交互延时问题 (70)3.4.2. DFCNN让卷积神经网络“听得更多” (72)3.4.3. 迁移学习扩宽深度学习算法应用边界 (73)4. 人工智能芯片为AI提供物理基础 (74)4.1. 算力提升是人工智能发展的前提保障 (74)4.2. AI硬件架构战场烽火未定 (74)4.2.1. 英伟达在AI硬件领域率先起跑，已获得生态圈优势 (75)4.2.1.1. 英伟达GPU行业霸主，逐渐形成AI生态圈 (75)4.2.1.2. 英伟达正着力制定无人驾驶硬件标准 (76)4.2.2. Intel大举并购，成为CPU+FPGA阵营的领军者 (84)4.2.3. 以高通、ARM为代表的ARM阵营有望统一终端计算市场 (86)4.2.4. 其他技术路线应受到更大重视 (88)5. 人工智能下游应用 (89)5.1. AI+安防——构建城市“最强大脑” (89)5.1.1. 高清摄像头升级为“AI+安防”提供可能性 (89)5.1.2. AI实现安防点线面全维度布局，打开市场增长空间 (90)5.1.2.1. 单点布防，刷脸认证 (90)5.1.2.2. 连线成网，智能交通 (92)5.1.2.3. 从点到面，行为与人群识别 (94)5.1.2.4. 断文识字，智能案情分析 (95)5.1.3. 我国安防产业链逐渐完善 (96)5.1.4. 技术实力与三个产业化壁垒下AI安防企业核心竞争力 (97)5.2. AI+医疗——用数据造福人类健康 (101)5.2.1. IBM：医疗人工智能的先行军 (101)5.2.2. Enlitic：人工智能医疗影像诊断服务商 (103)5.2.3. Arterys：云计算医疗成像分析拟进军肿瘤领域 (104)5.2.4. 阿里ET医疗大脑：为医生配一个24小时“全能”助手 (106)5.3. AI+金融——为资产配置打开“上帝视角” (108)5.3.1. AI+金融行业背景 (108)5.3.1.1. 金融数据的复杂度较高，但价值巨大 (108)5.3.1.2. 全球金融科技100榜单中模式创新为主，技术创新较少 (110)5.3.1.3. 可能在金融领域应用的人工智能技术 (110)5.3.2. 人工智能在金融领域应用 (111)5.3.2.1. 智能投顾 (112)5.3.2.2. 智能风控 (120)5.3.2.3. 智能资管 (124)5.4. AI+汽车——移动的智能载人机器人 (129)5.4.1. 无人驾驶“升级”路径 (129)5.4.2. 三大传感器比较 (130)5.4.3. 无人驾驶两大阵营 (132)5.4.3.1. 递进式阵营 (132)5.4.3.2. 越级式阵营 (133)5.4.4. 各国政府政策指引 (133)5.4.4.1. 各地区安全政策进展 (134)5.4.5. 谷歌的超级司机 (135)5.4.5.1. Waymo的Tier One野心 (138)5.4.6. Elon Musk与他的大师计划：Autopilot车队学习 (141)5.4.6.1. Autopilot 1.0的诞生 (141)5.4.6.2. Autopilot 2.0的启动 (143)5.5. AI+服务——替代人在服务业中的作用 (145)5.5.1. AI在语音识别领域的应用 (145)5.5.2. AI在智能呼叫中心服务领域的应用 (147)5.5.3. 人工智能智能玩具 (149)5.5.4. AI在教育领域应用 (154)5.5.5. AI在电商零售领域应用 (156)5.5.6. AI在云计算领域中的应用 (160)6. 人工智能发展趋势与投资策略 (161)6.1. MIT Tech Review 2017年人工智能5大趋势预测 (162)6.1.1. 趋势一：正向强化学习 (Positive reinforcement) (162)6.1.2. 趋势二：对抗性神经网络 (Dueling neural networks) (162)6.1.3. 趋势三：中国的人工智能热潮 (China's AI boom) (163)6.1.4. 趋势四：语言学习 (Language learning) (168)6.1.5. 趋势五：反对人工智能过度炒作 (Backlash to the hype) (169)6.2. 各行业投资及重点关注标的 (169)6.2.1. AI+安防 (169)6.2.2. AI+金融 (170)6.2.3. AI+医疗 (170)6.2.4. AI+汽车 (171)6.2.5. AI+服务 (171)6.2.6. AI海外标的 (171)图目录图1：人工神经网络示意图 (14)图2：神经网络发展阶段一 (15)图3：神经网络发展阶段二 (15)图4：深度学习近期标杆事件 (15)图5：基本完整的深度学习网络 (16)图6：CPU架构 (16)图7：GPU架构 (17)图8：CPU和GPU 计算能力比较 (18)图9：摩尔定律驱动的产业 (18)图10：机械硬盘：容量增加了100万倍 (19)图11：服务器磁盘存储：36万倍的提升 (19)图12：人工智能板块蓝图 (20)图13：ICT 在过去的变革 (21)图14：人工智能产业生态格局的三层基本架构 (22)图15：人工智能的演化历史 (23)图16：人工智能三大阶段 (24)图17：机器视觉工作原理 (26)图18：人工智能99.80%超越人类 (27)图19：高置信度条件人工智能显优势 (27)图20：微软语音识别Cortana (28)图21：苹果语音识别 (29)图22：英文语音识错率 (29)图23：中文语音识错率 (30)图24：亚马逊Echo及无线遥控器 (31)图25：Google Home多房间支持 (32)图26：阿里小蜜和京东JIMI机器人 (33)图27：Siri、谷歌助理、百度度秘提问测试对比 (35)图28：谷歌翻译、有道翻译、百度翻译实例对比 (36)图29：人脸识别进行身份验证 (38)图30：谷歌可以识别照片上的各种物体 (39)图31：谷歌图片识别原理图 (40)图32：特斯拉Autopilot升级阶段 (41)图33：谷歌无人车的3D LIDAR图像 (42)图34：LIDAR扫描车身周围环境示意图 (42)图35：认知智能连下数城 (43)图36：被AlphaGo逼入苦战的李世石 (44)图37：AlphaGo解空间 (45)图38：信息集量级对比 (45)图39：Libratus完胜人类选手 (46)图40：信息集量级对比 (47)图41：Libratus残局解算器 (48)图42：Libratus运算过程 (48)图43：认知智能未来发展预期 (49)图44：认知智能逐步发展 (50)图45：AlphaGo的神经网络 (51)图46：中文知识图谱网站zhishi.me (52)图47：人工神经网络算法 (54)图48：深度学习算法训练模型 (55)图49：无标签数据训练过程 (55)图50：监督学习微调之只调整分类器过程 (56)图51：监督学习微调之调整整个系统过程 (56)图52：监督学习算法的主要步骤 (57)图53：KNN在图像识别应用 (58)图54：IRIS数据特征自己的分类效果图 (59)图55：两层之间卷积网络传输示意图 (61)图56：卷积神经网络算法全部感知和局部感知 (61)图57：CNN在Image Net图像分类的应用 (62)图58： CNN算法在膝关节软骨的分割识别中处理方法 (63)图59：Policy Network的CNN结构 (64)图60：RNN算法一般逻辑 (64)图61：RNN使用形式 (65)图62：标准RNN重复模块 (65)图63：LSTM重复模块 (66)图64：三大语音助手问题答复率 (66)图65：三大语音助手问题答复完整度 (67)图66：基于RNN——CTC的主流语音识别系统框架 (67)图67：非监督学习算法模型 (68)图68：Apriori算法每轮候选集与剪枝结果 (69)图69：K-means算法示意图 (70)图70：高斯混合模型算法分类前后 (70)图71：FSMN结构示意图 (71)图72：隐含层记忆模块时序展开示意图 (72)图73：DFCNN示意图 (72)图74：传统的监督学习模式 (73)图75：迁移学习模式 (74)图76：英伟达各项业务营收比较（百万美元） (75)图77：英伟达游戏、数据中心、汽车三块业务同比增速 (75)图78：英伟达GPU在人工智能的主要合作平台 (76)图79：英伟达DRIVE PX 2车载电脑平台 (77)图80：英伟达CES 2017大会开幕演讲 (78)图81：英伟达宣布多项合作 (78)图82：英伟达Xavier下一代车载超级电脑 (79)图83：BB8内部的演示屏幕，包括图像识别和实时分析 (79)图84：BB8在CES上的展示 (80)图85：DriveWorks软件开发平台 (80)图86：AI Co-Pilot功能展示 (81)图87：英伟达与奥迪宣布新合作 (82)图88：奥迪Q7展示车辆 (82)图89：采埃孚开发ZF ProAI系统 (83)图90：英伟达宣布与博世合作 (83)图91：英伟达在CES宣布合作伙伴 (84)图92：Intel CPU+FPGA解决方案产品演进图 (85)图93：Intel的人工智能战略 (85)图94：高通提供的Zeroth技术路线 (87)图95：移动端智能化是大势所趋 (87)图96：我国视频监控的四个阶段 (89)图97：中国生物识别市场规模与预测（亿元） (91)图98：中国人脸识别行业市场规模预测（亿元） (91)图99：图像识别在道路监控及交通执法中的应用 (93)图100：套牌车分析系统应用 (93)图101：人群分析与重点区域布防应用 (94)图102：语言要素及语义理解模型 (95)图103：安防行业产业链示意图 (97)图104：AI图像识别的技术梯队化 (97)图105：数据获取能力比较 (98)图106：产品化能力比较 (99)图107：渠道能力比较 (99)图108：医疗资料浪费严重 (101)图109：人工智能在医疗领域应用潜力巨大 (101)图110：IBM Watson近三年布局 (102)图111：IBM Watson所拥有的数据量与功能 (103)图112：公司近年发展历程 (104)图113：Enlitic软件的四大功能 (104)图114：4.3. Arterys公司发展历程 (105)图115：4D血流分析软件特点 (105)图116：阿里发布ET医疗大脑 (106)图117：阿里云希望挑战肺结节领域的机器读片 (107)图118：阿里联合英特尔、LindDoc启动天池医疗AI系列赛 (108)图119：金融数据价值巨大（圆圈大小表示价值占GDP的大小） (109)图120：2016年Fintech100领域分类 (110)图121：可应用于金融领域的人工智能技术及其特征 (111)图122：人工智能在金融领域的三大应用 (111)图123：智能投顾的主要流程 (112)图124：智能投顾软件核心步骤 (113)图125：智能投顾的主要AI和理论技术 (114)图126：个人理财业务三大分类 (115)图127：智能投顾的三大模式 (116)图128：美国智能投顾软件资金管理规模 (116)图129：wealthfront智能投顾四个步骤 (117)图130：采用了Monte-Carlo算法预测退休金需求 (118)图131：资金管理的两种模式 (119)图132：根据用户分类匹配的投资建议 (119)图133：退休账户情景分析 (120)图134：AI技术在风险管理领域的应用 (121)图135：智能风控三步走 (121)图136：智能风控三大分类 (122)图137：WatsonAnalyics主要业务 (122)图138：Algo服务流程 (123)图139：新一代“认知计算”的AI大脑引擎 (123)图140：AI大脑引擎技术与应用 (124)图141：算法交易的分类 (124)图142：AI模型辅助交易称为必然趋势 (125)图143：AI算法交易底层技术 (126)图144：舆情交易分析技术 (126)图145：Rebellion投资行业 (127)图146：KFL 每月收益一览 (128)图147：David Ferrucci与Watson (128)图148：Bridgewater CEO Ray Dalio (129)图149：SAE自动驾驶安全等级划分 (130)图150：三款传感器主要应用比较 (131)图151：主流完全自动驾驶系统车辆传感器配置 (131)图152：无人驾驶两大阵营 (132)图153：谷歌无人车原型主要配置 (136)图154：谷歌无人车LiDAR绘制的3D地图 (136)图155：谷歌使用的Velodyne 64束激光雷达 (137)图156：Velodyne的主要LiDAR产品 (137)图157：搭载Waymo传感器套件的Pacifica (138)图158：Waymo在车展上进行展示 (139)图159：Waymo在车展上进行展示 (139)图160：Waymo在车展上进行展示 (140)图161：谷歌发布“共享出租”专利 (141)图162：谷歌发布“共享出租”专利 (141)图163：特斯拉Autopilot升级阶段 (142)图164：特斯拉硬件升级Autopilot 2.0渲染图 (143)图165：特斯拉车队学习模式 (143)图166：特斯拉Model S与奔驰E200的智能驾驶测试对比 (144)图167：Amazon Alexa工作原理 (146)图168：晓译翻译机能够实现多场景语音识别 (147)图169：晓译翻译机能实现多种方式翻译 (147)图170：人智能呼叫中心服务 (148)图171：salesforce将人工智能应用于呼叫中心业务 (148)图172：salesforce将人工智能应用于呼叫中心业务 (149)图173：人工智能玩具未来趋势 (150)图174：Hello Barbie产品 (151)图175：Hello Barbie产品 (151)图176：Thomas&Friends Talk toYou产品 (152)图177：Thomas&Friends Talk toYou产品 (152)图178：hi乐迪智能玩具外形 (153)图179：hi乐迪智能玩具 (154)图180：人工智能教育的优势 (155)图181：科大讯飞智学云教育系统 (156)图182：JIMI客服聊天界面 (157)图183：应用于JIMI机器人的人工智能技术 (157)图184：京东无人仓——Shuttle货架穿梭车 (158)图185：京东配送无人机 (159)图186：手机淘宝的拍立淘功能 (160)图187：拍立淘能够通过图像识别技术满足客户购物需求 (160)图188：数据中心PUE的机器学习测试结果 (161)图189：Deep Speech与苹果Dictation、微软Bing Speech、Facebook wit.ai、谷歌API的语音识别错误率比较 (163)图190：Deep Speech 2用于英文和中文的深度RNN结构 (164)图191：百度展示人脸识别错误率已经降到2.3% (164)图192：百度深度学习研究员主攻方向 (165)图193：百度的AR技术交互模式展示 (165)图194：神经网络在人脸识别上超过人眼 (166)图195：蚂蚁金服漆远介绍金融领域AI元素 (167)图196：蚂蚁金服漆远介绍金融领域AI应用 (168)表目录表1：人工智能最新进展 (25)表2：监督学习算法部分类别特征 (60)表3：ILSVRC-2012验证集和测试集错误率对比 (62)表4：智能安防领域企业实力比较 (100)表5：投资顾问与机器人智能理财顾问对比 (115)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。

2017年我国人工智能行业市场综合发展态势图文深度分析报告

2017年我国人工智能行业市场综合发展态势图文深度分析报告
（2017.5.19）
人工智能首次进入“十三五”规划，2018年目标形成千亿级规模市场。

自2016年起，人工智能领域建设已上升至国家战略层面，相关政策进入全面爆发期。

2016年5月，发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018年国内要形成千亿元级的人工智能市场应用规模。

未来几年内，人工智能产业有望持续获得国家大力支持，预计更多细化政策将陆续出台，加速人工智能需求落地。

人工智能上升国家战略地位，政策支持力度逐步加大
从布局方向上看，巨头底层发力革新技术，创企顶层切入拓宽应用。

以BAT为代表的互联网巨头由于资金实力和整合能力较强，因此对于人工智能领域偏向于从底层基础技术层进行布局，研究算法、研发芯片等以此为触角向AI其他环节延伸。

同时还有上市公司中如科大讯飞、远方光电和川大智胜等实力较强的公司则通过语音和图像技术开放平台和应用切入人工智能等。

对于初创企业来说，则倾向于从应用层入手，直接开发相关人工智能应用产品或者服务，如智能家居、车载智能、安防中身份识别和验证、语音翻译等，呈现出一片百花齐放的局面。

资本市场敏锐地捕捉到人工智能的商业化前景，我国人工智能领域投融资热度快速升温。

自2012-2015年开始，我国人工智能行业的投融资金额、次数及参与机构数量等均迅速增长，年增长率均超过。

2017年我国人工智能行业发展态势图文综合分析报告

2017年我国人工智能行业发展态势
图文综合分析报告
（2017.09.06）
一、人工智能产业链明晰，算法处核心地位
人工智能产业链可简单划为三层，即底层基础层、中间层技术层与上层应用层。

其中， 1）基础层包含硬件存储与计算资源和数据资源等， GPU 芯片、云计算平台、传感器、数据等均包含在此层中； 2）技术层包含算法、模型平台，感知智能算法、认知智能算法等均在此层中； 3）应用层包含硬件产品和软件与服务，硬件中包含无人机、机器人及其他智能硬件等，软件与服务包含语音输入法、虚拟助手、自动驾驶及智能安防等。

人工智能产业链
从目前的发展情况看，算法层为人工智能产业链的核心，支撑上层应用的发展，目前感知智能已加速发展，认知智能为人工智能在算法层面的下一个突破方向。

而底层基础层中的数据能力与计算能力主要的发展方向为低成本与小型化，数据采集的发展方向为多样化，移动互联网的发展已经为产业积累了一定的数据，未来随着物联网的发展将积累更多的环境与行为层面数据，丰富数据构成。

应用层主要与各垂直行业结合开发深度人工智能应用。

人工智能行业研究报告（2017年）

人工智能行业研究报告（2017年）从去年的Alpha Go对战李世石开始，再到今年升级版的Alpha Go对战柯洁，人工智能经过一年多的发酵早已不再是一个陌生的名词。

截至目前，人工智能行业已发布了多篇报告，但我们仍致力于写出不一样的东西。

除却老生常谈的算法、计算力、数据之外，我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。

在人工智能的场景驱动阶段，不但可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策，最终实现“给予决策支持”的目标。

因此本报告中，我们用了较大的篇幅去描绘人工智能的场景应用。

那么，在不同的场景中，人工智能是如何发挥作用的？带着这个问题，我们研究了国内外与此领域相关的企业，写出了这份人工智能行业的研究报告。

报告摘要人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。

1. 在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。

其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。

在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。

2. 在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。

3. 随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。

但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。

总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。

2017年人工智能行业深度分析报告

２０１７年人工智能行业深度分析报告内容目录1、黎明已至，未来已来 (6)1.1、群雄逐鹿，人工智能掀全球并购浪潮 (6)1.2、渗透加速：B/C端，应用不断创新 (8)2、三大驱动要素相继突破瓶颈，人工智能已至爆发节点 (9)2.1、算法：层数更深使模型性能更优，巨头开源DL框架意在“集思广益” (10)2.2、数据：数据“量”已足够，标注成本大成“隐忧” (16)2.3、计算力：GPU为密集计算提速，专用芯片兴起大势所趋 (19)3、政策密集发布，推动我国AI水平赶超国外 (25)3.1、国外政策已先行，AI成为各国争抢的高地 (25)3.2、《发展规划》出台，我国AI上升至国家战略层面 (26)4、多领域应用落地，引领智能化升级浪潮 (29)4.1、语音识别：DNN助力模型性能提升，中美应用场景存异 (29)深度学习使得语音识别技术上获得突破，但仍有多种困难待解决 (29)国内外语音龙头公司对比：语音电子病历能否成为讯飞第一营收来源？..314.2、智能投顾：美国领跑全球市场，中国监管环境使得智投受限 (45)美国领跑全球智能投顾市场，呈现出“低管理费率、低门槛”特征 (46)案例：嘉信理财智能投顾产品——零费率模式下转向B端收费 (49)中美对比之下，国内智能投顾因面临多重监管限制而掣肘 (50)4.3、智能安防：智能化是未来增长引擎，前后端智能分工协作 (54)简单算法往前端迁移，后端与前端智能化分工协作 (56)《行业标准》出炉，加速视频监控智能化步伐 (59)高成本不会阻碍智能化过程，可用数据和算法是未来竞争高点 (59)4.4、AI正成为基础设施，AI-aaS降低企业智能化实施门槛 (62)5、投资建议 (66)6、风险提示 (71)图表目录图表 1、从2011年开始全球人工智能/机器学习领域的风投投资额显著上升 (6)图表 2、科技巨头纷纷加入人工智能并购之战 (6)图表 3、各科技巨头公司频频并购人工智能领域初创公司 (7)图表 4、AI技术深入各大垂直领域使得C端新品不断涌现B端应用日渐成熟 (9)图表 5、人工智能从1956年发展至今一共经历了三次浪潮 (10)图表 6、机器学习的实施步骤 (11)图表 7、深度学习网络（算法）实际上是由一组复杂的函数构成 (11)图表 8、常见的神经网络提出的时间及其应用领域 (12)图表 9、机器学习常用的神经网络模型（算法）结构汇总 (13)图表 10、语音识别词错误率与训练小时数量及算法模型之间的关系 (14)图表 11、百度在语音识别技术中通过不断迭代算法，使得模型的准确率不断提高 (14)图表 12、在ImageNet竞赛中，深度学习算法隐含层数越深，则图像识别错误率随之显著降低 (15)图表 13、GitHub 中最受欢迎的开源深度学习框架排名 (16)图表 14、已经开源的主流深度学习框架 (16)图表15、近年数据产生速度不断上升而数据的储存成本在不断下降 (17)图表 16、智能安防带标记的数据价格一览表 (17)图表17、随着训练集样本数量的不断增加，CT图像识别准确率随之增加 (18)图表 18、训练深度学习模型的时间很大程度上取决于硬件配置 (20)图表 19、计算机的硬件体系可分为主机和外部设备两部分，其中芯片是硬件体系的核心.20图表 20、CPU是基于低延时的设计而GPU是基于大吞吐量的设计 (21)图表 21、在“CPU+GPU”的组合中5%的任务交给了GPU来执行 (22)图表 22、利用GPU加速后，浮点运算性能得到极大提升 (22)图表 23、专用芯片（ASIC）的计算效率虽然最高，但是灵活性最低 (23)图表 24、CPU、GPU、TPU在LSTM、CNN等六种神经网络上的性能表现 (24)图表 25、CPU、GPU、FPGA、ASIC在处理计算密集型任务时的性能比较 (24)图表 26、CPU、GPU、FPGA、ASIC的实现比较 (24)图表27、各类芯片主要厂商 (25)图表 28、美国人工智能产业政策梳理 (25)图表 29、日本人工智能产业政策梳理 (26)图表 30、中国政府密集出台人工智能相关政策 (27)图表 31、“新一代人工智能发展规划”与其他“6+9”个重大项目处于同样的战略地位 (28)图表 32、《新一代人工智能发展规划》三个阶段的战略目标侧重点各有不同 (28)图表 33、《新一代人工智能发展规划》六大重点任务 (29)图表 34、典型的语音识别（ASR）原理概要 (29)图表 35、语音识别经过多年发展目前正处于第三阶段 (30)图表 36、基于深度学习算法（DNN）的语音识别词错误率较传统方法（GMM）明显下降 (30)图表37、目前语音识别还面临着多种技术困难 (31)图表38、噪声数据库Aurora4世界最高水平研究机构的系统性能对比 (31)图表39、2002年全球语音识别市场份额 (32)图表40、2015年全球语音识别市场份额 (32)图表41、2015年中国语音识别市场份额 (32)图表42、Nuance主要产品、解决方案及其盈利模式 (33)图表43、Nuance在2006年通过收购Dictaphone进入医疗市场 (33)图表44、科大讯飞主要产品、解决方案及其盈利模式 (34)图表45、教育行业是科大讯飞第一大营收来源（2016年） (35)图表46、医疗业务是Nuance的第一大营收来源，但是近几年业务已“增长乏力” (35)图表47、Nuance各业务毛利率变化情况 (36)图表48、近三年Nuance各业务营收比重变化情况 (36)图表49、在政策推进上中国正式启动电子病历建设的时间晚于美国5年 (37)图表50、美国电子病历分级情况 (37)图表51、中美电子病历系统发展情况对比 (38)图表52、美国语音输入电子病历的需求在2005年开始爆发 (38)图表53、从2005年到2012年底，美国语音电子病历的渗透率提高了35.39% (39)图表54、深度学习出现之后语音识别词错误率明显下降 (40)图表55、美国医学转录（MT）工作流程 (41)图表56、中国医生每天需要花费大量时间用于病历书写 (42)图表57、中国医生使用电子模板书写病历，只需对模板中的文字稍作修改即可 (42)图表58、北大口腔医院使用语音电子病历系统为病人看诊 (43)图表59、医院规模越大，语音电子病历的渗透率越高 (43)图表60、我国大中型医院的数目远超美国 (44)图表61、2009年医疗语音市场竞争格局 (44)图表62、构建医学语料库需要和各大医院合作 (45)图表 63、“AI+金融”细分应用领域及典型公司 (46)图表 64、美国智能投顾市场发展历程 (46)图表65、智能投顾全球客户数量及市场渗透率 (47)图表66、智能投顾全球资产管理规模预测（AUM） (47)图表 67、全球明星智能投顾公司资产管理规模（AUM）排名（截至2017.2） (48)图表 68、2017年全球TOP15的智能投顾公司基本信息及其管理费率（数据更新至2017.6.3） (48)图表 69、CSIA从这27种不同风格的ETF中每种选出两支ETF供机器再次筛选 (49)图表70、Schwab Intelligent Portfolios向一位以管理养老金为投资目的的客户提供的资产配置建议 (50)图表71、嘉信理财旗下智能投顾产品（Schwab Intelligence Portfolios）的盈利模式及业务流程 (51)图表72、国内智能投顾平台及其背景 (51)图表73、美国是全球最大的ETF市场 (52)图表74、截至2016年底美国共有1716支ETF，管理规模达到2.5万亿美元 (52)图表 75、美国智能投顾所投资的标的以ETF为主 (53)图表 76、智能投顾在国内无法完成交易执行环节导致服务链被打断 (53)图表 77、从2016年9月开始基金代销牌照已经呈现放缓趋势 (54)图表 78、安防系统由8个子系统构成 (55)图表79、2016年视频监控市场市占率排名 (56)图表 80、国内外监控设备厂商及计算机视觉初创公司纷纷布局“AI+安防” (56)图表81、公安视频图像分析系统功能分类 (57)图表82、前端实现简单的图像分析功能，后端再进行复杂的二次加工处理 (57)图表83、使用智能摄像机之后“人脸检出率”和“抓拍准确率”均大幅提升 (58)图表84、后端智能化视频监控系统工作原理 (59)图表85、公安和交通部门对安防产品的需求最大 (59)图表86、公安视频图像系统主要由图像采集系统、分析系统、应用系统3部分组成 (60)图表87、公安视频图像分析系统“目标检测与识别”功能的准确率要求 (60)图表88、去年中国视频监控摄像机出货量增速明显放缓 (61)图表89、由于智能化中国视频监控市场仍将快速增长 (61)图表90、前后端智能化产品嵌入的GPU模块 (61)图表91、智能安防前后端智能设备及训练阶段都需要GPU提供支持 (62)图表92、安防行业拥有海量数据 (62)图表93、海康威视通过建立半监督学习框架解决数据标记成本问题 (63)图表94、海康威视在互联网文字识别竞赛中成绩排名第一 (63)图表95、亚马逊、谷歌、微软纷纷提供“按需付费”的AI-aaS（AI即服务） (63)图表96、国内阿里云、百度云、初创公司及上市公司推出的AI-aas服务 (64)图表97、我国人工智能产业链上市公司及主要创业公司全景图 (67)图表98、推荐标的及AI业务进展 (68)1、黎明已至，未来已来1.1、群雄逐鹿，人工智能掀全球并购浪潮从2011年开始，人工智能并购潮初现端倪，且近五年全球一级市场每年在AI/ML领域的投资额都一直维持在百亿美元级别。

2017年人工智能行业市场分析报告

2017年人工智能行业市场分析报告目录第一节人工智能是利用人工计算实现人类智能 (4)一、本质：人工智能的本质是对人类智能的模拟甚至超越 (4)二、原理：利用一系列算法驱动电脉冲模拟人脑神经元的运作过程 (5)第二节全球人工智能千亿市场爆发在即，AI+引领未来商业模式新风向 (7)一、人工智能起源于上世纪50年代，2006年起进入加速发展的新阶段 (7)二、发达国家火热布局，2040年或有可能实现广义人工智能 (8)1、欧盟：人脑工程项目（HBP） (8)2、美国：大脑研究计划（BRAIN） (8)3、日本：大脑研究计划（Brain/MINDS） (9)三、下游应用需求迫切+上游技术基础成型，人工智能全球市场规模超千亿 (10)1、下游应用需求倒逼、上游技术成型推动，人工智能技术加速发展 (10)2、人工智能逐渐受到机构重视，2020年全球市场规模超千亿 (11)四、人工智能推动传统产业变革，AI+将成为未来普遍的商业模式 (13)第三节人工智能领域风云迭起，科技巨头雄霸天下 (16)一、北美及西欧地区公司数量激增，科技巨头和初创企业是主要玩家 (16)二、感知层技术领域竞争白热化，机器学习等空白蓝海已成大势所趋 (17)三、投资+收购+顶级人才招聘、科技巨头动作频频上演实力争夺 (18)第四节龙头企业一览：先发优势、技术实力、下游爆发潜力是核心竞争力 (21)一、人工智能基础平台领域：IBMWatson成技术领导者和商业先锋 (21)二、机器学习领域：Wise.io实现高效大数据分析 (23)三、语音识别和自然语言处理领域：Facebook、Apple、Microsoft坐拥亿万用户资源 (24)四、图像识别领域：Clarifai超越传统图像识别界限 (26)五、预测分析领域：Google云计算能力打造顶级预测API (27)六、先发优势、技术实力、下游爆发潜力是人工智能企业的核心竞争力 (28)图表目录图表1：人工智能的本质是对人类智能的模拟甚至超越 (4)图表2：人脑中神经元的运作能够通过数字电路中的信号运作模拟 (5)图表3：算法是决定数字电路运作、实现人工智能的核心方法 (6)图表4：人工智能发展 (7)图表5：美国大脑研究计划投资预算 (8)图表6：牛津大学预测2040年左右可能实现广义人工智能 (9)图表7：人工智能技术下游应用需求迫切，上游技术基础成型 (11)图表8：2010-2015人工智能领域全球投资总额 (11)图表9：2010-2014人工智能领域全球风险投资总额 (12)图表10：BBC预测2020年全球人工智能市场规模超过千亿 (12)图表11：人工智能将完成人体自身、企业和产业的三层智能化重构 (13)图表12：“人工智能+”将成为未来普遍的商业模式 (14)图表13：2013年全球人工智能领域公司一览 (16)图表14：人工智能领域公司全球分布 (16)图表15：人工智能领域公司类别及各类别技术成熟度分布（只选取了主要的类别） (17)图表16：各类别公司获得的投资关注度和融资额度 (17)图表17：人工智能领域巨头收购如火如荼 (20)图表18：通过兼并收购，Watson在人工智能驱动的医疗领域拥有明显的竞争优势 (22)图表19：机器学习的方式是模仿人类学习过程，是人工智能的核心技术 (23)图表20：Wise的测试错误率（左）和训练时间（右）远低于其他机器学习模型 (23)图表21;Siri懂你所说、知你所谓，能够帮你打理日常生活的点点滴滴 (24)图表22：Microsoft基于WP8.1平台推出的虚拟语音助理Cortana (25)图表23：FaceBook试图以“真人”模式颠覆现有的语音及自然语义处理服务 (26)图表24：Clarifai可以理解视频中的图像并为其智能匹配广告 (26)图表25：Google预测API可以实现的功能 (28)图表26：目前来看较有爆发潜力的人工智能方向 (29)表格目录表格1：科技巨头加速投资研发人工智能 (19)表格2：全球主要的人工智能基础平台 (21)第一节人工智能是利用人工计算实现人类智能曾经以5：0完胜欧洲围棋冠军FanHui，同时也击败了目前最好的围棋程序中99.8%的对手的谷歌人工智能机器人DeepMind，将在3月9日-15日征战韩国，对决韩国九段、世界冠军李世石。

2017年AI服务器行业分析报告

2017年AI服务器行业分析报告2017年9月目录一、AI服务器的定义和产品现状 (4)1、AI服务器构成和种类 (4)2、AI加速芯片的竞争格局 (4)3、AI服务器的发展趋势 (6)（1）AI服务器的技术壁垒 (6)（2）AI服务器的发展路线除了集成更多的GPU计算能力外，更重要的是与更多的AI开发框架相融合 (7)二、AI服务器的应用场景 (7)1、深度学习训练场景 (7)2、视频监控解码场景 (8)三、AI服务器的商业分析 (9)1、AI服务器的市场空间估算 (9)（1）增长驱动力 (9)2、AI服务器的利润空间 (11)3、AI服务器的主要客户和销售模式 (12)四、AI服务器的竞争格局 (13)1、浪潮：最早推广AI服务器的厂商之一，在AI服务器产品开发上保持领先 (13)2、曙光：低调的AI服务器厂商，在互联网、视频监控领域取得较大份额 143、IBM：Power AI体系逐渐发力，国内业务刚刚起步 (15)4、华为：新款AI服务器刚刚发布，后发实力不容小觑 (15)5、新华三系统定义架构满足深度学习场景 (16)6、联想：放弃OEM/ODM模式，专注自主研发AI服务器新产品 (16)7、超微：超大规模数据中心和深度学习需求下最大受益者 (16)一、AI服务器的定义和产品现状1、AI服务器构成和种类AI服务器以2U 和4U 尺寸为主。

（1）2U 服务器由于其空间有限，普遍配臵4 块GPU加速卡，但以浪潮为代表的厂商突破功耗和散热技术，在2U 空间内可集成多达8 块GPU卡，显著提升计算密度。

（2）4U 服务器以曙光W780-G20、浪潮NF5568M4、华为G5500为代表，集成4~8 块GPU 卡。

（3）多节点服务器以浪潮NF6248、HPE Apollo 6500 为代表，2U4 节点且可扩展的架构满足灵活且快速变化的互联网行业。

（4）刀片服务器由于其尺寸原因不适合放入多块GPU 卡，因此较少应用于AI服务器设计。

2017年人工智能行业市场分析报告

2017年人工智能行业市场分析报告目录第一节人工智能大模型 (5)一、阿尔法狗：深度学习嵌入蒙特卡洛树搜索 (5)二、百度ApolloOS: 基于卷积神经网络的车道和车辆检测感知 (9)第二节人工智能发展历史 (13)一、机器学习以统计学方法为主构建模型算法 (13)二、深度学习以神经网络架构为主的生物模拟工程 (16)第三节人工智能大计算演变 (20)一、硬件芯片方案 (20)二、深度学习的平台和系统 (23)第四节人工智能大数据 (25)一、谷歌 (25)二、百度 (27)三、苹果 (28)四、亚马逊 (29)五、腾讯 (30)第五节全球各大AI公司财务分析 (32)图表1：阿尔法狗执黑在一场业余赛中的下棋过程 (7)图表2：强化学习图示 (7)图表3：蒙特卡洛树搜索 (8)图表4：深度学习如何嵌入蒙特卡洛树搜索 (9)图表5：网格检测方式 (11)图表6：overfeat网格 (11)图表7：车道边界检测 (12)图表8：DBSCAN聚类后的车道检测输出 (12)图表9：深度神经网络的结构 (16)图表10：初级图像特征的提取和表示 (17)图表11：CPU和GPU的不同架构 (20)图表12：CPU的延迟型设计 (21)图表13：GPU的面向对象设计 (22)图表14：谷歌TPU架构 (22)图表15：深度学习主要市场参与者及开源平台 (23)图表16：伟大的Hinton教授实验室 (27)图表17：苹果12月份上市的Homepod (28)图表18：亚马逊的Echo音箱和谷歌的Google Home (30)图表19：微信语音识别：微信语音输入法、语音消息转文字、语音开放平台 (30)表格1：SAE International汽车智能化的分级标准 (10)表格2：根据职业类型分类的10大算法+深度学习使用情况 (15)表格3：2016年数据科学家使用的算法 (15)表格4：几种任务领域的特征层次结构 (17)表格5：浅层模型和深层模型的对比 (19)表格6：MIT十大新兴科技趋势2017年人工智能相关主题 (25)表格7：谷歌AI发展事件 (25)表格8：谷歌收购AI公司列表 (26)表格9：美国和中国科技公司研发投入对比 (32)表格10：人工智能行业可比公司 (32)第一节人工智能大模型一、阿尔法狗：深度学习嵌入蒙特卡洛树搜索2017年行业发生了两件大事，一是阿尔法狗战胜柯洁继续巩固了谷歌在深度神经网络运用于强化学习策略中的地位。

2017年人工智能行业分析报告

2017年人工智能行业分析报告2017年6月目录一、2017年将是人工智能产业的加速点 (4)1、应用初显：进入‚超人‛领域 (5)2、软件突破：深度学习为核心算法 (8)3、硬件创新：智能芯片刷新纪录 (10)4、大数据：为AI进化提供养料 (12)二、制霸人工智能，技术革命的核心先导 (13)1、巨头布局AI，兼并投资稳步上升 (13)2、发达国家抓紧布局人工智能，争夺未来话语权 (15)3、多维度看中国在AI领域弯道超车机会 (16)三、三领域看人工智能投资机会 (21)1、智能感知领域 (21)2、智能分析领域 (22)3、智能服务领域 (22)2017 年将是人工智能产业的加速点：人工智能此轮产业浪潮经历了5年的发展，其基础软硬件和产品应用都已经进入高速发展期。

人工智能早期研发的瓶颈（算法、计算能力、数据量）已经突破：‚深度学习‛成为引领此轮人工智能浪潮的核心算法，围绕GPU 的基础芯片生态的成功加速了人工智能产业的发展，应用领域则随着软硬件技术突破而不断扩张边界。

产业联盟成立，新一代规划即将发布：2017 年6 月21，人工智能产业联盟成立。

该联盟将团结联盟内人工智能领域领军企业、成长型中小企业、科研机构、投资机构以及第三方产业服务平台，自下而上、抱团取暖、共谋发展。

目前，申请入盟的企业和机构已经超过150 家，包括多家上市公司。

6 月29 日上午，科技部部长万钢在首届世界智能大会上透露，党中央国务院及科技部、发改委等多个部委推动制定的新一代人工智能发展规划和重大项目规划即将发布。

这将是中国面向2030 年的人工智能发展规划，未来行业有望迎来更多的政策催化。

人工智能全球竞赛，中国具备弯道超车的潜力：全球顶尖巨头谷歌、微软、苹果、IBM、Facebook，英特尔、百度、阿里，腾讯等都将人工智能视为下一次技术革命的突破点重资研究。

在人工智能领域，虽然美国有先发优势，尤其在前沿基础算法领域强于中国，但中国在数据资源、标注成本、市场规模、应用场景四大方面具有优势，在未来仍有机会超过美国。