读人工智能全球格局：未来趋势与中国位势09商业争雄(下)

1. 资本市场的涌动

1.1. 抢占核心技术和人才是人工智能投融资的主要目的

1.2. 未来5～10年，各路企业对人工智能的布局将更加广泛和深入，对核心技术和人才的争夺也将越来越激烈，而投资和收购是占领核心技术和人才高地的重要途径

1.3. 美国旧金山湾区是全球人工智能的高地

• 1.3.1. 美国是全球人工智能企业数量最多的国家，其超过1/3的人工智能企业诞生于旧金山湾区

1.4. 英国的人工智能融资规模自2015年开始飙升，英国是欧洲各国中人工智能融资规模最大、提升最快的国家，远远将德国、法国甩开，成为欧洲人工智能投融资的火车头

1.5. 中国人工智能融资规模占亚洲累计总额的60.2%，以色列为20.4%，日本为9.5%，印度为4.9%

2. 产业生态的发展

2.1. 人工智能产业生态通常可以分为基础层、技术层、应用层三大板块

2.2. 基础层包括芯片、传感器、算法模型、云计算、大数据等基础技术

2.3. 技术层涉及人工智能的核心技术，如智能语音语义、计算机视觉、机器学习等

2.4. 应用层即人工智能与垂直细分领域的融合发展，包括智能医疗、智能安防、智能教育、智能家居等

2.5. 智能芯片

• 2.5.1. 智能芯片就是专门针对人工智能算法而设计的芯片，比传统芯片更能满足人工智能算法所需的庞大计算量

• 2.5.2. 三类

• 2.5.2.1. 面向各大人工智能企业及实验室研发阶段的训练环节市场

• 2.5.2.2. 面向数据中心的云端推断(inference on cloud)市场，如亚马逊Alexa、​“出门问问”等应用均需通过云端而非用户端设备提供服务

• 2.5.2.3. 面向智能手机、智能摄像头、无人机、自动驾驶、虚拟现实、机器人等设备的设备端推断(inference on device)市场，需要高度定制化、低功耗的智能芯片产品

2.6. 智能传感器

• 2.6.1. 智能传感器的概念最早是由美国宇航局提出来的，并于1979年形成产品

• 2.6.2. 宇宙飞船需要大量传感器不断向地面或飞船上的处理器发送温度、位置、速度和姿态等数据信息，即便使用一台大型计算机也很难同时处理如此庞大的数据，况且飞船又限制了计算机的体积和重量

• 2.6.3. 具有信息处理功能的传感器即智能传感器便应运而生

• 2.6.4. 智能传感器最大的价值就是将传感器的信号检测功能与微处理器的信号处理功能有机地融合在一起

• 2.6.5. 中国智能传感器市场被国外厂商占据了87%的市场份额

• 2.6.6. 霍尼韦尔的产品包括了压力传感器、温度传感器、湿度传感器等多个类型，涉及航空航天、交通运输、医疗等领域

• 2.6.7. 美国压电的产品涵盖了加速度传感器、压力传感器、扭矩传感器等，涉及核工业、石化、水力、电力和车辆等领域

• 2.6.8. 高德红外主要生产红外热成像仪，华润半导体主要生产光敏半导体，但也出现了华工科技、中航电测等少数综合性传感器厂商

2.7. 算法模型

• 2.7.1. 算法创新是推动本轮人工智能大发展的重要驱动力

• 2.7.2. 深度学习、强化学习等技术的出现大大提升了机器智能的水平

• 2.7.3. 科技巨头是算法模型领域的执牛耳者

2.8. 云计算

• 2.8.1. 云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，使用户进入可配置的计算资源共享池（资源包括网络、服务器、存储、应用软件、服务）​，用户只需投入很少的管理工作，或与服务供应商进行很少的交互，便可迅速获取这些资源

• 2.8.2. 云计算是分布式计算(distributed computing)、并行计算(parallel computing)、效用计算(utility computing)、网络存储(network storage)、虚拟化(virtualization)、负载均衡(load balance)、热备份冗余(high available)等传统计算机和网络技术发展融合的产物

• 2.8.3. 云计算生态分为三层

• 2.8.3.1. Infrastructure（基础设施）-as-a-Service(IaaS)

>  2.8.3.1.1. 基础设施在最下端

>  2.8.3.1.2. IaaS公司提供场外服务器、存储和网络硬件

• 2.8.3.2. Platform（平台）-as-a-Service(PaaS)

>  2.8.3.2.1. 平台在中间

• 2.8.3.3. Software（软件）-as-a-Service(SaaS)

>  2.8.3.3.1. 软件在顶端

• 2.8.4. 大数据为人工智能提供信息来源，云计算为人工智能提供平台，人工智能关键技术在云计算和大数据日益成熟的背景下取得了突破性进展

2.9. 大数据

• 2.9.1. 大数据是通过现有的数据管理技术难以应对的超大、复杂的数据集

• 2.9.2. 数据量巨大、来源多样和类型多样的数据集

• 2.9.3. 新型的数据处理和分析技术

• 2.9.4. 运用数据分析形成价值

• 2.9.5. 一个大而复杂的、难以用现有数据库管理工具处理的数据集

• 2.9.6. 早在大数据概念火起来之前，美国信息技术产业在大数据领域就已经有了很多技术积累，这使得美国的大型信息技术企业可以迅速转型为大数据企业，从而推动美国整个大数据产业的发展壮大

• 2.9.7. 中国数据大多数都掌握在政府手里，数据源比美国相对封闭，数据分析受到局限，也影响了大数据的发展

2.10. 智能语音语义

• 2.10.1. 智能语音语义是目前人工智能落地最成功的领域之一

• 2.10.2. 随着技术的成熟，语音交互几乎已经成为各类智能助理、导航软件甚至是智能摄像头等智能产品的标配，这其中也涌现出了一大批语音技术商业化相当成功的互联网巨头和创业公司

• 2.10.3. Nuance曾经是全球最大的语音识别技术厂商，侧重于为服务提供商提供底层技术解决方案，随着企业战略目标以及商业环境的改变，目前转型为客户端解决方案提供商

2.11. 计算机视觉

• 2.11.1. 计算机视觉是指利用计算机来模拟人的视觉，从图像中识别出物体、场景和活动的能力，也是人工智能技术层商业化比较成功的一个分支

• 2.11.2. 人脸识别、视频监控、互联网图像内容审查，已经成为计算机视觉技术的产业入口

• 2.11.3. 人脸识别又是计算机视觉最热门的应用，已具备大规模商用条件，未来将在金融、安防等领域迎来大爆发

• 2.11.4. 计算机视觉可划分为图像预处理、初级视觉、中级视觉和高级视觉四个层次

• 2.11.4.1. 初级视觉的任务是找到图像之间的一致性，高级视觉的目标是图像理解

• 2.11.5. 国外公司大多进行底层技术研发，同时偏重于提出整体解决方案，积极建立开源代码生态体系

• 2.11.6. 国内企业直接对接细分领域，商业化发展道路较为明确

• 2.11.6.1. 旷视科技重点研发人脸识别技术产品，加强管控卡口综合安检、重点场所管控、小区管控、智慧营区等领域的业务布局

• 2.11.6.2. 图普科技在阿里云市场提供识别色情图像和暴恐图像的产品和服务，确定准确率超过99.5%，满足了云端用户的安全需求

• 2.11.6.3. 商汤科技目前已经形成了视频智能、身份验证、移动互联网、智慧城市四大产品矩阵，广泛应用于智能手机、金融、交通、娱乐等领域

• 2.11.7. 计算机视觉正值横向扩张的红利期，但迟早有一天需要凭借纵向发展展开更高层次上的技术竞争

2.12. 机器学习

• 2.12.1. 机器学习是一种能够赋予机器学习的能力来让它完成直接编程无法完成的任务的方法

• 2.12.2. 机器学习是一种通过利用数据，训练出模型，然后使用模型预测的方法，机器学习的过程与人类思考的过程颇为相似

• 2.12.3. 机器学习一直以来都是人工智能的核心研究领域