参考中国报告网发布《2017-2021年中国人工智能市场发展现状及投资方向研究报告》
人工智能(Artificial Intelligence ， AI)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，是一门综合了计算机科学、生理学、哲学的交又学科。
凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。人工智能是一项基础技术，因此理论上可以用于所有基础行业实现部分人类职能的替代。
人工智能基础要素获得突破性进展使得行业重新进入高速发展期。
人工智能发端于上世纪五十年代，经历了几次繁荣与低谷。2016年谷歌所收购的DeepMind公司的人工智能AIphaGo赢得与世界围棋冠军的比赛重新点燃了大众对人工智能的热情并且持续升温。
催生这波人工智能热潮的原因是产业发展的三个重要基础要素:超大规模的计算能力、大数据、机器学习尤其是深度学习算法都获得了突破性的进展。也可以看出，此前人工智能的发展一旦遇上三大要素的一个瓶颈就会陷入低潮。
全球数据量加速增长，为人工智能行业提供了基础资源。
近几年来，互联网行业及移动互联网的发展风起云涌，而电子商务、物联网以及社交媒体的快速发展使得人类社会快速进入了大数据时代。
截止目前，人们日常生活中的数据量已经从丁日( 1024GB=1 TB)级别跃升到了PB (1024TB=1 PB ), EB (1024PB=1 EB)乃至ZB(1024EB=1ZB)级别。
市场调研机构预计，未来全球数据总量年增长率将维持在50%左右，到2020年，全球数据总量将达到40ZB。其中，我国数据量将达到8.6ZB，占全球的21%左右。
另外，截至去年12月，我国网民规模达6.88亿人。其中，手机网民规模达6.20亿人，移动互联网流量呈现爆发式增长。工信部统计显示，去年全年移动互联网接入的流量超过400万丁B，同比增长了103%。
深度学习算法的出现极大降低了错误率，使得人工智能技术达到商业化应用程度。
现在主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原的能力。对算法来说，归纳和演绎同样重要，最终目的是提高识别效率。
最新Image Net测试结果显示，AI错误率低达3.5%，而人类对同一数据库识别错误率在5.1 %1，理想情况下，计算机图像识别能力已超越人类。
云计算、超级计算机、GPU加速、AI芯片等为人工智能提供了所需的运算能力。人工智能领域是数据密集的领域，传统的处理方法和计算设备难以满足高强度、大数据的处理需求。
云计算、超级计算机的应用分别代表了分布式和集中式两种计算方法的顶尖水平，从横向和纵向的扩展中满足了AI计算的需求。
而GPU加速和专用AI芯片的出现让大规模的数据处理效率得到了很大的提升，加速了深度神经网络的训练与迭代速度，为人工智能计算提供了强有力的基础元件。
AI计算需要大量的矩阵计算操作，因此特别适合使用并行计算技术。
在硬件实现上，传统的CPU的优势在流水顺序运算，而GPU, NP U, FPGA以及专门的AI芯片则适合进行大规模的并行计算，尤其是在早期这角色主要由GPU承担来大幅提升机器学习的效率。
中科院计算技术研究所在2016年推出“寒武纪”芯片，成为我国第一款人工神经网络计算专用处理器。
寒武纪是一款针对智能认知等应用的专用芯片，优势集中在人脸识别、声音识别等人工智能方面，比如传统手机或个人电脑主板上嵌入 “寒武纪”IP盒子或芯片后，将极大提高处理速度。
模拟实验表明，“寒武纪”相对于传统执行x86指令集的芯片，有两个数量级(几百倍)的性能提升。“寒武纪”处理器目前正在走产业化之路，一年半左右就会进入市场。
人工智能(Artificial Intelligence ， AI)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，是一门综合了计算机科学、生理学、哲学的交又学科。
凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。人工智能是一项基础技术，因此理论上可以用于所有基础行业实现部分人类职能的替代。
人工智能基础要素获得突破性进展使得行业重新进入高速发展期。
人工智能发端于上世纪五十年代，经历了几次繁荣与低谷。2016年谷歌所收购的DeepMind公司的人工智能AIphaGo赢得与世界围棋冠军的比赛重新点燃了大众对人工智能的热情并且持续升温。
催生这波人工智能热潮的原因是产业发展的三个重要基础要素:超大规模的计算能力、大数据、机器学习尤其是深度学习算法都获得了突破性的进展。也可以看出，此前人工智能的发展一旦遇上三大要素的一个瓶颈就会陷入低潮。
人工智能的各个发展阶段
资料来源：中国报告网整理
全球数据量加速增长，为人工智能行业提供了基础资源。
近几年来，互联网行业及移动互联网的发展风起云涌，而电子商务、物联网以及社交媒体的快速发展使得人类社会快速进入了大数据时代。
截止目前，人们日常生活中的数据量已经从丁日( 1024GB=1 TB)级别跃升到了PB (1024TB=1 PB ), EB (1024PB=1 EB)乃至ZB(1024EB=1ZB)级别。
市场调研机构预计，未来全球数据总量年增长率将维持在50%左右，到2020年，全球数据总量将达到40ZB。其中，我国数据量将达到8.6ZB，占全球的21%左右。
另外，截至去年12月，我国网民规模达6.88亿人。其中，手机网民规模达6.20亿人，移动互联网流量呈现爆发式增长。工信部统计显示，去年全年移动互联网接入的流量超过400万丁B，同比增长了103%。
全球数据量规模及增速
数据来源：中国统计数据库
深度学习算法的出现极大降低了错误率，使得人工智能技术达到商业化应用程度。
现在主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原的能力。对算法来说，归纳和演绎同样重要，最终目的是提高识别效率。
最新Image Net测试结果显示，AI错误率低达3.5%，而人类对同一数据库识别错误率在5.1 %1，理想情况下，计算机图像识别能力已超越人类。
2010年至2016年ImageNet图像识别冠军错误率
数据来源：中国统计数据库
云计算、超级计算机、GPU加速、AI芯片等为人工智能提供了所需的运算能力。人工智能领域是数据密集的领域，传统的处理方法和计算设备难以满足高强度、大数据的处理需求。
云计算、超级计算机的应用分别代表了分布式和集中式两种计算方法的顶尖水平，从横向和纵向的扩展中满足了AI计算的需求。
而GPU加速和专用AI芯片的出现让大规模的数据处理效率得到了很大的提升，加速了深度神经网络的训练与迭代速度，为人工智能计算提供了强有力的基础元件。
AI计算需要大量的矩阵计算操作，因此特别适合使用并行计算技术。
在硬件实现上，传统的CPU的优势在流水顺序运算，而GPU, NP U, FPGA以及专门的AI芯片则适合进行大规模的并行计算，尤其是在早期这角色主要由GPU承担来大幅提升机器学习的效率。
中科院计算技术研究所在2016年推出“寒武纪”芯片，成为我国第一款人工神经网络计算专用处理器。
寒武纪是一款针对智能认知等应用的专用芯片，优势集中在人脸识别、声音识别等人工智能方面，比如传统手机或个人电脑主板上嵌入 “寒武纪”IP盒子或芯片后，将极大提高处理速度。
模拟实验表明，“寒武纪”相对于传统执行x86指令集的芯片，有两个数量级(几百倍)的性能提升。“寒武纪”处理器目前正在走产业化之路，一年半左右就会进入市场。
GPU用于深度学习
数据来源：中国统计数据库
谷歌推出TPU用于AI计算
资料来源：互联网
中科院计算所推出“寒武纪”AI处理器
资料来源：互联网
资料来源：中国报告网整理，转载请注明出处（GQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
