來源：AI科技大本營

      在AI發展的不同階段,驅動力各有側重，我們可以將AI的發展劃分為三個階段：技術驅動階段、數據驅動階段和場景驅動階段。其中技術驅動階段集中誕生了基礎理論、基本規則和基本開發工具。在此階段,算法和計算力對AI的發展起到主要推動作用,其中計算力主要包含芯片、超級計算機、云計算等三個維度。

      在市場規模方面,綜合考慮我國人工智能的爆發節點、技術成熟度以及全球AI市場規模等因素,我們保守估計最遲至2019年我國AI的市場規模將突破百億元,而2022年這一數字應在700億元左右。

      人工智能目前仍處于發展的早期階段,整體看來技術的發展將先于應用層面,但技術層面仍存在瓶頸需要突破；應用場景將不斷豐富,它的擴充將會反過來驅動支撐技術的持續發展,AI的整體市場規模將繼續擴大。

      相比應用場景層面的發展,基礎應用層的技術將會是AI中較早發展的部分。不過,從AI整體發展階段來講，我們認為AI仍處于早期,雖然語音識別、計算機視覺等感知層的技術目前已經取得了一定成就,但語義識別等認知層的技術仍不甚完善,即使是像計算機視覺這樣的感知層技術也存在發展不均衡的問題。

      隨著AI支撐技術的不斷發展,AI將持續拓展更多的應用場景；而愈發多樣化的應用場景需求又會反過來驅動支撐技術,從而帶動整個AI行業的持續發展。但各應用場景的發展并非均衡,整體看來將從垂直領域AI逐漸過渡到通用型AI。

總體來說,AI最重要的還是要將技術與應用場景相結合,無法落地的技術很難得到資本青睞和市場認可,而有閉環壟斷性的數據,并且其技術能夠與實際應用場景結合的公司將有望產生難以被替代的商業價值。

AI是使用機器代替人類實現認知、分析、決策等功能的綜合學科

      人工智能（Artificial Intelligence)是指使用機器代 替人類實現認知、識別、分析、決策等功能,其本質是對人的意識與思維的信息過程的模擬，是一門綜合了計算機科學、生理學、哲學的交叉學科。凡是使用機器代替人類實現認知、識別、分析、決策等功能,均可認為使用了人工智能技術。

      作為一種基礎技術,理論上講人工智能能夠被應用在各個基礎行業（如AI+金融、AI+醫療、AI+傳統制造業等),同時也有其如機器人這樣具體應用行業的概念。

      本報告將以2017年上半年為時間節點,對包括發展驅動力、巨頭布局、投融資情況、預測的市場規模等在內的人工智能行業到目前為止的整體發展情況做簡要分析,并對包括數據標記、語音識別、語義識別、算機視覺等技術領域以及安防、醫療、金融等應用場景在內的細分領域及其典型企業進行簡析，探索人工智能領域未來辦口可能的投資/創業機會。

技術驅動：算法和計算力是主要驅動力

      在AI發展的不同階段,驅動力各有側重,我們可以將AI的發展劃分為三個階段：技術驅動階段、數據驅動階段和場景驅動階段。

      技術驅動階段集中誕生了基礎理論、基本規則和基本開發工具。在此階段,算法和計算力對AI的發展起到主要推動作用?，F在主流應用的基于多層網絡神經的深度算法,一方面不斷加強從海據庫中自行歸納物體特征的能力,一方面不斷加強對新事物多層特征提取、描述和還原的能力。對算法來說,歸納和演繹同樣重要,最終目的是提高識別效率。最新ImageNet測試結果顯示,AI錯誤率低達3.5% ,而人類對同一數據庫識別錯誤率在5.1%,理想情況下,計算機圖像識別能力已超越人類。

計算力的三駕馬車：芯片、超級計算機、云計算

      提高識別效率除依靠算法之外,也離不開計算力的支持。計算力可以分三個維度展開:芯片、超級計算機、云計算。

      芯片：人工智能領域作為一個數據密集的領域,傳統的數據處理技術難以滿足高強度并行數據的處理需求。為解決此問題,繼CPU之后,相繼出現了GPU、NPU、FPGA、DSP等"AI"芯片。1999年,Nvidia公司發布了全球首款圖片處理芯片GPU；2016年，寒武紀發布了全球首款深度學習專用處理器芯片NPU ,芯片的更迭、進步可從根本上提高計算性能。

       超級計算機：其基本組成組件與個人電腦的概念無太大差異,但規格與性能則強大許多,是一種超大型電子計算機。我國自主超級計算機"神威?太湖之光〃,其處理器為眾核CPU "申威26010",整臺"神威.太湖之光"共包含40960塊處理器；打敗李世石的AlphaGo共包含1202個CPU和176個GPU；打敗柯潔的升級版AlphaGo使用到了TPU ,但數量只有4顆。

      可以發現,真正用于人工智能的超級計算機芯片還只是處于CPU、GPU層,如何將更適用于網絡神經算法的NPU、FPGA等芯片量產化并融合入超級計算機芯片矩陣,是在人工智能發展的第一階段——技術驅動階段應該重點努力的方向之一。

      云計算：與主要應用于密集型計算的超級計算機不同,云計算依靠其靈活的擴展能力主要應用于社交網絡、企業IT建設和信息化等數據密集型、i/o密集型的領域。

      我們分析認為,當AI跨越入第二階段——數據驅動階段后,算法和計算力將變成人工智能領域的基礎設施——“水、電、煤”。就目前看來,多項算法開源平臺已將AI算法引入統一、公用階段,運算力也必將向同樣的趨勢發展。云計算則是一個初步嘗試,未來，計算力的發展方向或將是云計算和超級計算機技術結合，為企業提供既可密集運算又可靈活擴展的計算服務,將人工智能賦能全行業。