2018人工智能核心產(chǎn)業(yè)發(fā)展白皮書(shū)

人工智能核心產(chǎn)業(yè)是基于人工智能技術(shù)本身，由對(duì)外提供的產(chǎn)品和服務(wù)所構(gòu)成的產(chǎn)業(yè)，主要包含對(duì)外提供的產(chǎn)品、以平臺(tái)的方式對(duì)外提供的服務(wù)、人工智能解決方案和集成服務(wù)三種類(lèi)型，也是人工智能技術(shù)最直接的落地形式。人工智能應(yīng)用帶動(dòng)產(chǎn)業(yè)是指人工智能技術(shù)與其他傳統(tǒng)產(chǎn)業(yè)相結(jié)合，在傳統(tǒng)產(chǎn)業(yè)基礎(chǔ)上打造的新一代的智能產(chǎn)業(yè)，人工智能應(yīng)用帶動(dòng)產(chǎn)業(yè)更多體現(xiàn)了人工智能的帶動(dòng)性。

人工智能技術(shù)內(nèi)涵

（一）人工智能的定義

馬文·明斯基：將人工智能定義為讓機(jī)器做本需要人的智能才能做到的事情的一門(mén)科學(xué)。

約翰·麥卡錫：人工智能就是要讓機(jī)器的行為看起來(lái)就像是人所表現(xiàn)出的智能行為一樣。

美國(guó)麻省理工學(xué)院溫斯頓：“人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作?！?/p>

這些說(shuō)法反映了人工智能學(xué)科的基本思想和基本內(nèi)容，即人工智能是研究人類(lèi)智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來(lái)模擬人類(lèi)某些智能行為的基本理論、方法和技術(shù)。

（二）人工智能的主要理論范式及技術(shù)演進(jìn)

1.人工智能的發(fā)展的早期理論背景。上世紀(jì)40年代主要的理論包括：M-P模型，馮·諾伊曼自動(dòng)機(jī)理論，維納控制論。其中，McCulloch和Pitts在人工神經(jīng)網(wǎng)絡(luò)方面做出了突出貢獻(xiàn)，發(fā)表了《神經(jīng)系統(tǒng)中所蘊(yùn)含的思想的邏輯演算》，提出了形式神經(jīng)元的數(shù)學(xué)描述和結(jié)構(gòu)方法，建立了神經(jīng)網(wǎng)絡(luò)最早的M-P模型。馮·諾依曼從上世紀(jì)40年代開(kāi)始直到去世之前，一直是計(jì)算機(jī)和人工智能的領(lǐng)導(dǎo)者。當(dāng)時(shí)，馮·諾伊曼在 Princeton大學(xué)聚集了一批計(jì)算理論、博弈理論、智能理論和機(jī)器人理論的未來(lái)領(lǐng)袖，包括麥卡錫、明斯基等，這些人后來(lái)成為人工智能的主要領(lǐng)導(dǎo)人物。

1953年，麥卡錫和香農(nóng)在編輯《自動(dòng)機(jī)研究》一書(shū)時(shí)與香農(nóng)相互爭(zhēng)論。1956年，麥卡錫提出人工智能的概念，現(xiàn)在大部分認(rèn)為人工智能的起源是1956年的達(dá)特茅斯會(huì)議，它是第一個(gè)以人工智能為名的會(huì)議，是在馮·諾依曼的支持下，明斯基和麥卡錫等人召開(kāi)的。

20世紀(jì)50年代，真正重要的會(huì)議是美國(guó)東西部的計(jì)算機(jī)大會(huì)。分別由MIT和UCLA領(lǐng)導(dǎo)。早期，在M-P，馮·諾伊曼和明斯基的理解中，符號(hào)主義和聯(lián)結(jié)主義是統(tǒng)一的，但因?yàn)楣こ探嵌群茈y，線(xiàn)性異或問(wèn)題很難發(fā)現(xiàn)，研究的領(lǐng)域越來(lái)越狹窄，人工智能發(fā)生了研究范式的分化。

2.人工智能的兩種范式的發(fā)展。符號(hào)主義和聯(lián)結(jié)主義平行發(fā)展，但在不同的歷史時(shí)期，兩種主義相繼占據(jù)主流地位：

第一代人工智能：符號(hào)主義，又稱(chēng)邏輯主義和物理符號(hào)系統(tǒng)假設(shè)。符號(hào)主義是以邏輯作為工具，發(fā)展起來(lái)的人工智能一派理論。符號(hào)主

義在剛開(kāi)始占據(jù)主流地位，是因?yàn)槁?lián)結(jié)主義所需要的算法算力數(shù)據(jù)三

大條件不具備。1969年明斯基和Papert在Perception當(dāng)中，提出一個(gè)重大困難，即單層的MP模型解決不了異或（XOR）問(wèn)題，造成了人工智能的第一低潮。在該時(shí)期，基于符號(hào)主義的專(zhuān)家系統(tǒng)，如深藍(lán)（Deep Blue）成為當(dāng)時(shí)人工智能發(fā)展的典型代表，該系統(tǒng)是一個(gè)基于兩人零和組合博弈的人工智能系統(tǒng)，該系統(tǒng)的核心技術(shù)是麥卡錫發(fā)明的Alpha-Beta剪枝術(shù)和專(zhuān)家系統(tǒng)，在1997年戰(zhàn)勝了世界象棋冠軍卡斯帕羅夫。

符號(hào)主義沒(méi)有產(chǎn)生跟聯(lián)結(jié)主義一樣強(qiáng)大的工具，因?yàn)闆](méi)有聯(lián)結(jié)主義靈活。所以只有專(zhuān)家系統(tǒng)和深藍(lán)。而專(zhuān)家系統(tǒng)是在解決讓計(jì)算機(jī)認(rèn)識(shí)世界的過(guò)程中遇到很多困難。第二代人工智能：聯(lián)結(jié)主義，是一種基于神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法的智能模擬方法，核心是神經(jīng)元網(wǎng)絡(luò)與深度學(xué)習(xí)，仿造人的神經(jīng)系統(tǒng)，把人的神經(jīng)系統(tǒng)的模型用計(jì)算的方式呈現(xiàn)，用它來(lái)仿造智能，目前人工智能的熱潮實(shí)際上是聯(lián)結(jié)主義的勝利。研究重點(diǎn)側(cè)重于模擬和實(shí)現(xiàn)人的認(rèn)知過(guò)程中的感覺(jué)、直覺(jué)過(guò)程、形象思維、自學(xué)習(xí)過(guò)程。

聯(lián)結(jié)主義是以統(tǒng)計(jì)方法為基礎(chǔ)發(fā)展起來(lái)的人工智能一派理論。1986年，通過(guò)反向傳播（Back Propagation）的方法來(lái)訓(xùn)練，多層感知機(jī)解決了單層感知機(jī)解決不了的問(wèn)題，但由于算法、算力和數(shù)據(jù)三大條件依然均不具備，聯(lián)結(jié)主義的發(fā)展經(jīng)歷了漫長(zhǎng)的復(fù)興。上世紀(jì)90年代中期，由于核方法和圖模型的效果好于人工神經(jīng)網(wǎng)絡(luò)（ANN），再加上基于ANN的創(chuàng)業(yè)公司無(wú)法實(shí)現(xiàn)其宣稱(chēng)的預(yù)期效果，聯(lián)結(jié)主義進(jìn)入第二次低潮。

2006年，Hinton發(fā)明了深度訓(xùn)練網(wǎng)絡(luò)，使用的技術(shù)是貪婪逐層預(yù)訓(xùn)練，起到了普及了深度學(xué)習(xí)的概念。深度學(xué)習(xí)復(fù)興了聯(lián)結(jié)主義。在2012，Hinton小組拿到了李飛飛創(chuàng)辦的ImageNet比賽的第一名。深度學(xué)習(xí)爆發(fā)了，聯(lián)結(jié)主義回歸。當(dāng)時(shí)，算法、算力和數(shù)據(jù)得到極大發(fā)展，深度學(xué)習(xí)迎來(lái)了春天。2016年AlphaGo戰(zhàn)勝李世石，其核心技術(shù)是隨機(jī)二人零和組合博弈。其中的神經(jīng)虛擬自我學(xué)習(xí)（NSFP），深度強(qiáng)化學(xué)習(xí)（DRL），蒙特卡洛樹(shù)搜索（MCTS），開(kāi)啟了人工智能發(fā)展的新時(shí)代。

3.人工智能發(fā)展的技術(shù)約束條件：算法、硬件算力和數(shù)據(jù)。算法、數(shù)據(jù)和硬件算力組成了人工智能高速發(fā)展的三要素。三要素缺一不可。人工智能到最近才開(kāi)始呈現(xiàn)爆發(fā)的主要是因?yàn)橹钡浇袢?，人工智能的算法、?shù)據(jù)和硬件才滿(mǎn)足了人工智能的基本需求。

第一個(gè)是優(yōu)秀的算法，比如現(xiàn)在最流行的深度學(xué)習(xí)算法，就是近期人工智能領(lǐng)域中最大的突破之一，為人工智能的商業(yè)化帶來(lái)了希望；第二個(gè)是大量高性能硬件組成的計(jì)算能力，以前的硬件算力并不能滿(mǎn)足人工智能的需求，當(dāng)GPU和人工智能結(jié)合后，人工智能才迎來(lái)了真正的高速發(fā)展；第三個(gè)是被收集的大量數(shù)據(jù)，數(shù)據(jù)是驅(qū)動(dòng)人工智能取得更好的識(shí)別率和精準(zhǔn)度的核心因素。以人臉識(shí)別為例，在2013年深度學(xué)習(xí)應(yīng)用到人臉識(shí)別之前，各種方法的識(shí)別成功率只有不到93%，低于人眼的識(shí)別率95%，因此不具備商業(yè)價(jià)值。而隨著算法的更新，深度學(xué)習(xí)使得人臉識(shí)別的成功率提升到了97%。這才為人臉識(shí)別的應(yīng)用奠定了商業(yè)化基礎(chǔ)。

算法方面，隨著深度學(xué)習(xí)理論和工程技術(shù)體系的成熟，包括通過(guò)云服務(wù)或者開(kāi)源的方式向行業(yè)輸出技術(shù)，先進(jìn)的算法被封裝為易于使用的產(chǎn)品和服務(wù)，越來(lái)越多的人和公司能夠開(kāi)始使用這些算法。人工智能相關(guān)的技術(shù)包括了水平層和垂直層的技術(shù)，水平層面上主要體現(xiàn)在算法方面。進(jìn)入互聯(lián)網(wǎng)時(shí)代后，才出現(xiàn)了大數(shù)據(jù)的高速發(fā)展與積累，這為人工智能的訓(xùn)練學(xué)習(xí)過(guò)程奠定了良好的基礎(chǔ)。比如，在AlphaGo的學(xué)習(xí)過(guò)程中，核心數(shù)據(jù)是來(lái)自互聯(lián)網(wǎng)的3000萬(wàn)例棋譜，而這些數(shù)據(jù)的積累是歷經(jīng)了十多年互聯(lián)網(wǎng)行業(yè)的發(fā)展。所以直到今年，基于深度學(xué)習(xí)算法的 AlphaGo 才取得突破性進(jìn)展。離開(kāi)了這些棋譜數(shù)據(jù)的積累，機(jī)器戰(zhàn)勝人是無(wú)法實(shí)現(xiàn)的。

算力方面，云計(jì)算的興起起到了非常關(guān)鍵的作用。因?yàn)樯疃葘W(xué)習(xí)是極其消耗計(jì)算資源的，而通過(guò)云計(jì)算就可以以低成本獲取大規(guī)模的算力，動(dòng)態(tài)地獲取幾千個(gè)CPU，甚至上萬(wàn)個(gè)CPU的算力都很輕松。除了云計(jì)算之外，GPU計(jì)算的進(jìn)步對(duì)深度學(xué)習(xí)也有很大的推動(dòng)作用，它能夠加速深度學(xué)習(xí)中的計(jì)算速度，有些情況下甚至成百上千倍的提高。例如，現(xiàn)在深度學(xué)習(xí)的算法涉及到了大量可以并行化的矩陣運(yùn)算，而GPU的工作方式就是多核并行計(jì)算流的方式，這個(gè)特點(diǎn)特別適合于人工智能領(lǐng)域中的計(jì)算。此外，一些面向人工智能的專(zhuān)用硬件架構(gòu)也開(kāi)始出現(xiàn)，比如說(shuō)用FPGA去做專(zhuān)用的人工智能加速芯片和加速的基礎(chǔ)設(shè)施，微軟的數(shù)據(jù)中心就大量運(yùn)用了FPGA技術(shù)。在二十年前，一個(gè)機(jī)器人，當(dāng)時(shí)是用32個(gè)CPU， 達(dá)到120MHz的速度?，F(xiàn)在的人工智能系統(tǒng)使用的是成百上千個(gè)GPU來(lái)提升的計(jì)算能力。這使得處理學(xué)習(xí)或者智能的能力得到比較大的增強(qiáng)。之前用CPU一個(gè)月才能出結(jié)果，然后再去調(diào)整參數(shù)，一年只能調(diào)整12次，也就是有12次迭代。 GPU產(chǎn)生后大幅提升了計(jì)算量，現(xiàn)在用GPU可以一天就出結(jié)果，這樣可以迭代得更快，這是技術(shù)大幅發(fā)展的條件。

數(shù)據(jù)方面，近年來(lái)由于移動(dòng)互聯(lián)網(wǎng)的爆發(fā)，積累了大量的數(shù)據(jù)，同時(shí)物聯(lián)網(wǎng)也極大的擴(kuò)展了獲取數(shù)據(jù)的數(shù)量和類(lèi)型。事實(shí)上，相比較于算法和算力，數(shù)據(jù)的獲取會(huì)更難一點(diǎn)。因?yàn)樗墙⒃谝延袠I(yè)務(wù)基礎(chǔ)上的，以往我們都是先通過(guò)非人工智能的方式積累大量的數(shù)據(jù)，而現(xiàn)在初創(chuàng)企業(yè)要去獲得它就需要一些巧勁。每個(gè)時(shí)代都要解決不同的問(wèn)題，今天人工智能公司也一樣需要去解決問(wèn)題，就怕打著人工智能的旗號(hào)，做一些不接地氣的事，不能夠?yàn)橛脩?hù)解決實(shí)質(zhì)性問(wèn)題。進(jìn)入互聯(lián)網(wǎng)時(shí)代后，才出現(xiàn)了大數(shù)據(jù)的高速發(fā)展與積累，這為人工智能的訓(xùn)練學(xué)習(xí)過(guò)程奠定了良好的基礎(chǔ)。

只有當(dāng)以上三方面都做好準(zhǔn)備的時(shí)候，人工智能時(shí)代才能真正地到來(lái)。而現(xiàn)在是三個(gè)要素剛剛開(kāi)始具備的起點(diǎn)。

人工智能核心產(chǎn)業(yè)的定義

人工智能核心產(chǎn)業(yè)是基于人工智能技術(shù)本身，由對(duì)外提供的產(chǎn)品和服務(wù)所構(gòu)成的產(chǎn)業(yè)，主要包含對(duì)外提供的產(chǎn)品、以平臺(tái)的方式對(duì)外提供的服務(wù)、人工智能解決方案和集成服務(wù)三種類(lèi)型，也是人工智能技術(shù)最直接的落地形式。其中，對(duì)外提供產(chǎn)品包絡(luò)軟件產(chǎn)品和硬件產(chǎn)品，比如語(yǔ)音輸入法、機(jī)器人等；以平臺(tái)的方式對(duì)外提供服務(wù)，例如深度學(xué)習(xí)平臺(tái)；人工智能解決方案，通過(guò)解決方案的形式，對(duì)傳統(tǒng)產(chǎn)業(yè)進(jìn)行升級(jí)，例如，在汽車(chē)中加入無(wú)人駕駛方案構(gòu)成無(wú)人駕駛汽車(chē)。

人工智能應(yīng)用帶動(dòng)產(chǎn)業(yè)是指人工智能技術(shù)與其他傳統(tǒng)產(chǎn)業(yè)相結(jié)合，在傳統(tǒng)產(chǎn)業(yè)基礎(chǔ)上打造的新一代的智能產(chǎn)業(yè)，例如人工智能與汽車(chē)相結(jié)合，形成智能駕駛汽車(chē)產(chǎn)業(yè)，人工智能技術(shù)與制造業(yè)相結(jié)合，形成智能制造產(chǎn)業(yè)，人工智能技術(shù)與傳統(tǒng)的家電家居行業(yè)結(jié)合，形成智能家居產(chǎn)業(yè)等，人工智能應(yīng)用帶動(dòng)產(chǎn)業(yè)更多體現(xiàn)了人工智能的帶動(dòng)性。

人工智能核心產(chǎn)業(yè)統(tǒng)計(jì)口徑

支撐層主要包括GPU/TPU/FPGA 等計(jì)算芯片，人工智能專(zhuān)用芯片和傳感器，其中傳感器占據(jù)較大產(chǎn)值。

軟件產(chǎn)品主要包括語(yǔ)音識(shí)別平臺(tái)、機(jī)器視覺(jué)系統(tǒng)、機(jī)器學(xué)習(xí)平臺(tái)等產(chǎn)品。統(tǒng)計(jì)API調(diào)用、SDK、解決方案等產(chǎn)值。

硬件產(chǎn)品主要包括智能工業(yè)機(jī)器人、智能特種機(jī)器人、服務(wù)機(jī)器人，僅統(tǒng)計(jì)機(jī)器人產(chǎn)值中智能模塊和解決方案部分。

無(wú)人/輔助駕駛?cè)匀灰暂o助駕駛為主，其中，ADAS相關(guān)軟硬件占據(jù)大部分產(chǎn)值。

智能無(wú)人設(shè)備包括智能家電、智能可穿戴設(shè)備、智能無(wú)人機(jī)等產(chǎn)品，統(tǒng)計(jì)具備人工智能的模塊和解決方案部分。

2017年，中國(guó)人工智能整體產(chǎn)業(yè)規(guī)模超過(guò)4000億元。其中人工智能核心產(chǎn)業(yè)規(guī)模達(dá)到708.5億元，人工智能應(yīng)用帶動(dòng)產(chǎn)業(yè)規(guī)模超過(guò)3200億元。

預(yù)計(jì)2020年，中國(guó)人工智能整體產(chǎn)業(yè)規(guī)模將超過(guò)1萬(wàn)億元，其中人工智能核心產(chǎn)業(yè)規(guī)模將超1600億元，由人工智能應(yīng)用帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模接近9000億元。

2017年，人工智能核心產(chǎn)業(yè)規(guī)模達(dá)到708.5億元。其中硬件占比最大，達(dá)到總產(chǎn)值的55%，軟件規(guī)模最小，總產(chǎn)值89億元，占比為14%。由人工智能芯片和傳感器構(gòu)成的支撐層產(chǎn)業(yè)規(guī)模為141.8億元，占比31%。在傳統(tǒng)硬件行業(yè)中，機(jī)器人和家電產(chǎn)業(yè)體量大，但人工智能技術(shù)在此類(lèi)行業(yè)的滲透率仍然偏低。

人工智能產(chǎn)業(yè)鏈分析

基礎(chǔ)層

1.基礎(chǔ)層的構(gòu)成與特點(diǎn)?；A(chǔ)層主要包括智能傳感器、智能芯片、算法模型，其中，智能傳感器和智能芯片屬于基礎(chǔ)硬件，算法模型屬于核心軟件。隨著應(yīng)用場(chǎng)景的快速鋪開(kāi)，既有的人工智能產(chǎn)業(yè)在規(guī)模和技術(shù)水平方面均與持續(xù)增長(zhǎng)的市場(chǎng)需求尚有差距，促使相關(guān)企業(yè)及科研院所進(jìn)一步加強(qiáng)對(duì)智能傳感器、智能芯片及算法模型的研發(fā)及產(chǎn)業(yè)化力度。

2.國(guó)內(nèi)外基礎(chǔ)層發(fā)展情況。芯片方面，近十年來(lái)，人工智能的通用計(jì)算GPU完全由英偉達(dá)引領(lǐng)，該公司2016年收入69億美元，市值1000億美元。AMD也在逐步進(jìn)入該市場(chǎng)。除了傳統(tǒng)的CPU、GPU大廠(chǎng)，移動(dòng)領(lǐng)域的眾巨頭在GPU 的布局也非常值得關(guān)注。ARM也開(kāi)始重視GPU市場(chǎng)，其推出的MALI系列 GPU 憑借低功耗、低價(jià)等優(yōu)勢(shì)逐漸崛起。蘋(píng)果也在搜羅GPU開(kāi)發(fā)人才以進(jìn)軍人工智能市場(chǎng)，目前蘋(píng)果A11提供自主設(shè)計(jì)GPU，性能比上一代A10提升30%。