1、目 錄 HYPERLINK l _TOC_250011 人工智能行業(yè)是人類進入智能時代的決定性力量 3 HYPERLINK l _TOC_250010 人工智能行業(yè)是人類進入智能時代的決定性力量 3 HYPERLINK l _TOC_250009 產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層、應(yīng)用層 5 HYPERLINK l _TOC_250008 我國人工智能行業(yè)仍將處于高增長階段 6 HYPERLINK l _TOC_250007 算力提升是人工智能行業(yè)發(fā)展的核心驅(qū)動因素 8 HYPERLINK l _TOC_250006 人工智能芯片類型多樣、場景有別 8 HYPERLINK l _TOC_250005

2、GPU、FPGA、ASIC 等各顯千秋 11 HYPERLINK l _TOC_250004 人工智能將在實現(xiàn)碳中和過程中發(fā)揮重要作用 13 HYPERLINK l _TOC_250003 AI+工業(yè)：重塑生產(chǎn)制造環(huán)節(jié) 14 HYPERLINK l _TOC_250002 AI+交通：智慧交通節(jié)能減排 17 HYPERLINK l _TOC_250001 AI+能源：應(yīng)用潛力更待挖掘 20 HYPERLINK l _TOC_250000 AI+環(huán)保：環(huán)保監(jiān)測的革命 22人工智能行業(yè)是人類進入智能時代的決定性力量人工智能行業(yè)是人類進入智能時代的決定性力量人工智能（Artificial Intel

3、ligence，AI）是通過普通計算機程序來呈現(xiàn)人類智能的技術(shù)。核心問題是建構(gòu)跟人相似甚至更高的能力，包括推理、規(guī)劃、學(xué)習(xí)、交流、感知、使用工具和操控機械等。人工智能的應(yīng)用包括四個方面：感知，即看、聽、讀、寫、說，典型應(yīng)用如語音識別、自然語言處理；認知，包括分析識別、預(yù)測、判斷、學(xué)習(xí)；創(chuàng)造力，如作詩、繪畫；智能，涉及到人類的自我意識、認知與價值觀。圖 1：人工智能的典型應(yīng)用包括深藍、Siri、AlphaGo 等數(shù)據(jù)來源：羅蘭貝格中國人工智能創(chuàng)新應(yīng)用白皮書美國計算機協(xié)會 1956 年組織的Dartmouth 學(xué)會上提出了人工智能概念。1956 年，麥卡錫、明斯基等科學(xué)家在美國達特茅斯學(xué)院開會研討

4、 “如何用機器模擬人的智能”，首次提出了“人工智能”這一概念，標(biāo)志著人工智能學(xué)科的誕生。根據(jù)中科院院士譚鐵牛的報告，在這之后，人工智能經(jīng)歷了起步發(fā)展期、反思發(fā)展期、應(yīng)用發(fā)展期、低迷發(fā)展期、穩(wěn)步發(fā)展期、蓬勃發(fā)展期等 6 個時期。因此，人工智能行業(yè)是在起起伏伏中向前發(fā)展的，既有經(jīng)費枯竭的寒冬，也有技術(shù)突破而大發(fā)展的春天。表 1：人工智能已經(jīng)進入蓬勃發(fā)展期時間發(fā)展階段發(fā)展情況1956 年20起步發(fā)展期世紀 60 年代初20 世紀60 年代反思發(fā)展期70 年代初人工智能概念提出后，相繼取得了一批令人矚目的研究成果，如機器定理證明、跳棋程序等，掀起人工智能發(fā)展的第一個高潮。發(fā)展初期的突破性進展提升了人們

5、的期望，開始嘗試更具挑戰(zhàn)性的任務(wù)，并提出了一些不切實際的目標(biāo)。然而，接二連三的失?。ɡ?，無法用機器證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)、機器翻譯鬧出笑話等），使人工智能的發(fā)展走入低谷。20 世紀70 年代應(yīng)用發(fā)展期初80 年代中20 世紀80 年代低迷發(fā)展期中90 年代中20 世紀 70 年代出現(xiàn)的專家系統(tǒng)模擬人類專家的知識和經(jīng)驗解決特定領(lǐng)域問題，實現(xiàn)人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運用專門知識的突破。專家系統(tǒng)在醫(yī)療、化學(xué)等領(lǐng)域取得成功，推動人工智能走入應(yīng)用發(fā)展的高潮。隨著人工智能應(yīng)用規(guī)模擴大，專家系統(tǒng)存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、推理方法單一、難以與現(xiàn)有數(shù)據(jù)庫兼容等

6、問題逐漸暴露出來。由于網(wǎng)絡(luò)技術(shù)特別是互聯(lián)網(wǎng)技術(shù)發(fā)展，加速人工智中2010 年1997 年 IBM 深藍超級計算機戰(zhàn)勝國際象棋世界冠軍，2008 年 IBM 提出“智慧地球”的概念。隨著大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等信息技術(shù)發(fā)展，泛2011 年至今蓬勃發(fā)展期在感知數(shù)據(jù)和圖形處理器等計算平臺推動以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)發(fā)展，跨越了科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”，諸如圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智能技術(shù)實現(xiàn)從“不能用、不好用”到“可以用”的技術(shù)突破，迎來爆發(fā)式增長的新高潮。20 世紀90 年代穩(wěn)步發(fā)展期能創(chuàng)新研究，促使人工智能技術(shù)進一步實用化。數(shù)據(jù)來源：求是，人工智能被視

7、作推動人類進入智能時代的決定性力量。地位與蒸汽時代的蒸汽機、電氣時代的發(fā)電機、信息時代的計算機和互聯(lián)網(wǎng)相當(dāng)。從競爭格局上看，全球產(chǎn)業(yè)界紛紛布局，但尚未形成壟斷。谷歌 2017 年提出其發(fā)展戰(zhàn)略從“移動優(yōu)先”轉(zhuǎn)向“人工智能優(yōu)先”，BAT 等國內(nèi)互聯(lián)網(wǎng)巨頭也相繼設(shè)立了人工智能實驗室，眾多創(chuàng)新企業(yè)憑借在細分領(lǐng)域的優(yōu)勢參與垂直應(yīng)用領(lǐng)域的競爭。世界各主要經(jīng)濟體把人工智能作為提升競爭力的抓手，2013 年以來已有 20 多個國家地區(qū)發(fā)布了人工智能相關(guān)的戰(zhàn)略或規(guī)劃。例如，我國國務(wù)院 2017 年發(fā)布新一代人工智能發(fā)展規(guī)劃，描繪了面向 2030 年的人工智能發(fā)展路線圖。圖 2：主要經(jīng)濟體的人工智能戰(zhàn)略相繼發(fā)布

8、數(shù)據(jù)來源：中國信通院，產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層、應(yīng)用層人工智能產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層、應(yīng)用層。基礎(chǔ)層包括算力、算法、數(shù)據(jù)，在產(chǎn)業(yè)鏈中起到基礎(chǔ)支撐的作用，如算力中的 CPU/GPU/FPGA提供了計算能力；技術(shù)層根據(jù)用途劃分為計算機視覺、智能語音、自然語言處理等；應(yīng)用層與特定場景綁定，如 2C 端的智能設(shè)備，2B 端的 AI+工業(yè)、AI+金融、AI+零售，2G 端的 AI+安防，它們的商業(yè)模式、競爭格局各異?；A(chǔ)層是構(gòu)建生態(tài)的基礎(chǔ)并且需要長期投入，技術(shù)層是構(gòu)建護城河的基礎(chǔ)，應(yīng)用層直戳行業(yè)痛點因而變現(xiàn)能力最強。圖 3：人工智能產(chǎn)業(yè)鏈結(jié)構(gòu)包括基礎(chǔ)層、技術(shù)層、應(yīng)用層數(shù)據(jù)來源：艾瑞咨詢GPU 加速器已

9、達到實質(zhì)生產(chǎn)的高峰期。Gartner 每年發(fā)布的人工智能技術(shù)成熟度曲線展現(xiàn)了各細分技術(shù)的發(fā)展階段與期望值高低。在 2020 年的曲線中，GPU 加速器在生產(chǎn)力上表現(xiàn)最佳，預(yù)計未來 2-5 年內(nèi)，其采用率將從 5%-20%增加到 20%-50%，為計算密集型工作負載提供性能。多數(shù)技術(shù)依然處于前三個階段，即技術(shù)萌芽期、期望膨脹的頂峰期、泡沫化的低谷期，比如通用人工智能（AGI）當(dāng)下還缺乏商業(yè)可行性。圖 4：Gartner 人工智能技術(shù)成熟度曲線顯示 GPU 進入成熟期數(shù)據(jù)來源：Gartner我國人工智能行業(yè)仍將處于高增長階段我國 2020 年人工智能市場規(guī)模約為 400 億元人民幣。IDC 將人工

10、智能市場分為硬件、軟件和服務(wù)三個部分，中國市場的硬件占比在 50%以上。 2020H1，中國加速服務(wù)器市場規(guī)模達到 12.9 億美元，其中 GPU 服務(wù)器占據(jù) 93.4%的份額；人工智能軟件及應(yīng)用市場規(guī)模達 15.3 億美元，其中計算機視覺應(yīng)用、語音語義應(yīng)用、機器學(xué)習(xí)開發(fā)平臺分別為 7.42、 6.45、1.4 億美元。綜合 IDC 數(shù)據(jù)，大致可推測出 2020 年中國人工智能市場規(guī)模約為 400 億元人民幣。展望未來，IDC 預(yù)計至 2024 年，中國 GPU 服務(wù)器市場規(guī)模將達到 60 億美元，人工智能軟件及應(yīng)用市場規(guī)模將達到 127.5 億美金，未來 5 年依然處于高速增長的階段。圖 5

11、：中國加速服務(wù)器市場依然高速增長圖 6：中國 GPU 服務(wù)器市場 2024 年將達 60 億美元數(shù)據(jù)來源：IDC數(shù)據(jù)來源：IDC人工智能硬件市場集中度高。加速服務(wù)器對應(yīng)的下游行業(yè)主要包括互聯(lián)網(wǎng)、政府、服務(wù)業(yè)，浪潮、華為、曙光這幾家傳統(tǒng)服務(wù)器廠商主導(dǎo)了中國加速服務(wù)器市場，三者合計的市場份額超過了 80%。而中國人工智能軟件及應(yīng)用市場呈現(xiàn)出百花齊放的競爭格局，新興創(chuàng)業(yè)公司比較活躍，例如計算機視覺應(yīng)用的商湯科技、依圖科技，語音語義應(yīng)用的思必馳，機器學(xué)習(xí)開發(fā)平臺的第四范式等。圖 7：浪潮、華為主導(dǎo)中國加速服務(wù)器市場圖 8：中國計算機視覺應(yīng)用市場相對分散數(shù)據(jù)來源：IDC備注：市場份額對應(yīng)時間為 2020

12、H1，按廠商銷售額統(tǒng)計數(shù)據(jù)來源：IDC備注：市場份額對應(yīng)時間為 2020H1，統(tǒng)計口徑未明確說明2019 年，我國人工智能行業(yè)投融資規(guī)模有所回落，泡沫弱化。2014 年至 2019Q3，中國人工智能行業(yè)共發(fā)生 2845 起投融資事件，總金額為 3583.65 億元人民幣。資金重點投向了應(yīng)用及平臺、硬件方面，而 AI基礎(chǔ)技術(shù)的投融資規(guī)模較小，反映出我國人工智能行業(yè)偏重應(yīng)用、技術(shù)基礎(chǔ)仍待夯實的特點。14001200100080060040020007006005004003002001000120010008006001141981630570400200020259基礎(chǔ)技術(shù)應(yīng)用及平臺視覺技術(shù)語音

13、技術(shù)硬件其他總體融資規(guī)模（億元）融資事件數(shù)（起）融資規(guī)模（億元）圖 9:2014-2019 中國人工智能行業(yè)投融資情況圖 10:2014-2019 中國人工智能行業(yè)投融資領(lǐng)域分布2019Q1-Q320182017201620152014數(shù)據(jù)來源：CVSource，投中研究院，數(shù)據(jù)來源：CVSource，投中研究院，算力提升是人工智能行業(yè)發(fā)展的核心驅(qū)動因素算力是人工智能三大要素的核心。正如人工智能學(xué)者吳恩達所比喻：發(fā)展人工智能就像用火箭發(fā)射衛(wèi)星，需要強有力的引擎和充足的燃料；那么，算法模型相當(dāng)于是火箭引擎，算力可以理解為打造引擎的工具，海量的數(shù)據(jù)則是引擎的燃料。算力提升提高了算法效率和演進節(jié)奏。

14、2012 年時，深度學(xué)習(xí)模型 AlexNet 識別一張 ImageNet 圖片需要 7.6108 次基本運算，訓(xùn)練該 模型需要 3.171017 次基本運算。如以 1993 年出品的 Intel CPU 奔 騰 P5 執(zhí)行，需要近百年才能完成訓(xùn)練，至少需要 10 分鐘完成推理，而 如今的品牌旗艦手機只用數(shù)百微秒就能完成這樣的圖像識別。在度量上，算力以芯片每秒可執(zhí)行的基本運算次數(shù)來度量，1TOPS 代表處理器每秒 可進行一萬億次基本運算操作。人工智能芯片類型多樣、場景有別AI 芯片向上為應(yīng)用和算法提供支持，向下對器件和電路、工藝和材料提出需求。應(yīng)用和算法的快速發(fā)展，尤其是深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)，

15、對底層芯片提出了 2-3 個數(shù)量級的性能優(yōu)化需求。例如，Google 在 2019年提出的 EfficientNet B7 深度學(xué)習(xí)模型，每完成一次前向計算，需要 3.611010 次基本運算，是 7 年前同類模型 AlexNet 運算需求的 50倍。同時，新型材料、工藝和器件的發(fā)展，也為 AI 芯片提供了性能提升、功耗降低的可行性。圖 11：人工智能芯片相關(guān)技術(shù)概覽數(shù)據(jù)來源：人工智能芯片技術(shù)白皮書（2018）AI 芯片包括傳統(tǒng)芯片與智能芯片兩類。AI 芯片并沒有一個公認的定義。廣義上來說，面向人工智能應(yīng)用的芯片都可以稱為 AI 芯片。傳統(tǒng)芯片如 CPU、GPU、FPGA 等，起初并非面向人工

16、智能，但在功能上可以滿足人工智能應(yīng)用的需求；不過，芯片架構(gòu)、性能、能效等方面不能適應(yīng)人工智能技術(shù)的快速發(fā)展。智能芯片則專門針對人工智能設(shè)計，包括通用型與專用型。通用型智能芯片是針對人工智能領(lǐng)域內(nèi)多樣化的應(yīng)用設(shè)計的芯片，對視覺、語音、自然語言處理、傳統(tǒng)機器學(xué)習(xí)技術(shù)等各類人工智能技術(shù)具備較好的普適性；專用型智能芯片是面向特定、具體、相對單一的人工智能應(yīng)用所設(shè)計的專用集成電路，即ASIC。圖 12：人工智能芯片包括傳統(tǒng)芯片、通用型智能芯片和專用型智能芯片數(shù)據(jù)來源：從場景來看，云端、終端和邊緣端對 AI 芯片的算力和功耗有著不同要求。人工智能技術(shù)在云端、終端、邊緣端均有應(yīng)用。云端是指在大規(guī)模數(shù)據(jù)中心進

17、行的遠程計算處理；終端則是個人可以直接使用的設(shè)備，比如手機、平板電腦等；邊緣端靠近數(shù)據(jù)源頭。表 2：不同場景對芯片的需求、算力、功耗有著不同要求場景芯片需求典型計算能力典型功耗典型應(yīng)用領(lǐng)域云端高性能、高計算密度、兼有推理和訓(xùn)練任務(wù)、單價30TOPS50 瓦云計算數(shù)據(jù)中心、企業(yè)私有云等高、硬件產(chǎn)品形態(tài)少終端低功耗、高能效、推理任務(wù)為主、成本敏感、硬件8TOPS5 瓦各類消費類電子、物聯(lián)網(wǎng)產(chǎn)品等產(chǎn)品形態(tài)眾多對功耗、性能、尺寸的要邊緣求常介于終端與云端之端間、推理任務(wù)為主、多用于插電設(shè)備、硬件產(chǎn)品形態(tài)相對較少5 至 30TOPS4 至 15 瓦智能制造、智能家居、智能零售、智慧交通、智慧金融、智慧醫(yī)

18、療、智能駕駛等眾多應(yīng)用領(lǐng)域數(shù)據(jù)來源：寒武紀招股說明書，備注：云、邊、端場景尚無標(biāo)準劃分界限，上表為寒武紀基于研發(fā)體系劃分。云端兼有訓(xùn)練和推理任務(wù)，終端和邊緣端以推理為主。對于訓(xùn)練階段，要基于巨大的數(shù)據(jù)集來調(diào)整模型參數(shù)，以提高準確度，比如圖像識別、語音識別這些復(fù)雜問題，訓(xùn)練階段要做反復(fù)的迭代計算。推理階段是在已經(jīng)建立的人工智能模型中輸入數(shù)據(jù)，然后得到輸出，比如給定圖片，識別物體。推理階段對單個任務(wù)的計算能力要求沒有訓(xùn)練階段那么大，但推理的次數(shù)會很多。IDC 預(yù)計到 2021 年，人工智能推理市場占比將超過訓(xùn)練市場。圖 13：用于推理工作負載的服務(wù)器市場份額將超過訓(xùn)練120.0100.080.06

19、0.040.020.00.02018201920202021202220232024訓(xùn)練推理數(shù)據(jù)來源：IDC，GPU、FPGA、ASIC 等各顯千秋GPU 已經(jīng)發(fā)展到相對成熟階段。GPU 即圖形處理器，是個人電腦、游戲設(shè)備、平板電腦、智能手機中進行圖像和圖形運算的芯片。由于深度學(xué)習(xí)算法需要很高的內(nèi)在并行度、浮點計算能力以及矩陣運算能力，基于 CPU 的傳統(tǒng)計算架構(gòu)逐漸無法充分滿足高性能并行計算需求，2015年后，GPU 的應(yīng)用使得硬件計算能力的不足得以被彌補。GPU 擅長數(shù)據(jù)級并行處理，峰值運算性能高，但能耗也較高。在人工智能領(lǐng)域，GPU多應(yīng)用于數(shù)據(jù)中心服務(wù)器，在終端應(yīng)用較少。FPGA 具有可

20、編程性。FPGA 是一種在硬件層面可編程的芯片，利用門電路直接運算，用戶可以自由定義門電路和存儲器之間的布線，改變執(zhí)行方案。換而言之，F(xiàn)PGA 上的電路可以更改，具有很高靈活性。相較于 ASIC，F(xiàn)PGA 在性能、功耗上有提升空間。不過，由于 FPGA 靈活性好、處理簡單指令的重復(fù)計算比較強，CPU+FPGA 的混合異構(gòu)相比GPU具備更低功效和高性能，在深度學(xué)習(xí)的推理階段有著更高的效率和更低的成本。ASIC 是專用定制芯片的統(tǒng)稱，在設(shè)計、架構(gòu)、工具鏈等方面的個性化強。ASIC 即專用集成電路，是應(yīng)特定應(yīng)用場景的需求專門設(shè)計和制造的集成電路，不能重復(fù)編程。ASIC 基于人工智能算法進行定制，在大

21、規(guī)模量產(chǎn)的情況下具備性能更強、體積更小、功耗更低、成本更低、可靠性更高等優(yōu)點，常用于在低功耗、成本敏感的終端上支撐特定的智能應(yīng)用。其缺點在于通用性差，前期研發(fā)成本高，研發(fā)周期長。表 3：各類人工智能芯片的對比類型特點優(yōu)勢與局限性云邊端普遍使用的芯片類型云邊端推理與訓(xùn)練場景的滲透率CPUGPUDSPFPGA技術(shù)成熟，通用性最強，可執(zhí)行各種類型的計算機應(yīng)用程序，非常適合傳統(tǒng)的控制密集型計算任務(wù)技術(shù)成熟，通用性較好，擅長數(shù)據(jù)級并行處理，為圖形處理、科學(xué)計算等傳統(tǒng)任務(wù)提供了良好的硬件支持技術(shù)成熟，最初為數(shù)字信號處理任務(wù)設(shè)計，早期多用于傳統(tǒng)的通信和音視頻信號處理主流技術(shù)路徑仍有差距市場滲透率較低（1）云

22、端和邊緣通用型智能芯片相關(guān)技術(shù)持續(xù)發(fā)展中，全性能、功耗比較傳統(tǒng)芯片處于應(yīng)用推廣期，主要廠商為寒在云端、邊緣端和消通用型智新指令集完備高效，可覆優(yōu)勢明顯，可適應(yīng)各種場武紀、華為海思、Google 等費類電子終端都開能芯片蓋各類智能算法所需的基景和規(guī)模的人工智能計算（2）終端通用型智能處理器多集始出現(xiàn)廣泛應(yīng)用，滲本運算操作需求成于手機 SoC 中，已實現(xiàn)大規(guī)模透率將逐漸提升應(yīng)用，主要廠商為華為海思等技術(shù)成熟，包含充裕的可重構(gòu)邏輯單元陣列，硬件編程開發(fā)和調(diào)試門檻較高人工智能應(yīng)用開發(fā)生態(tài)成熟，但性能已無法滿足人工智能快速增長的計算能力需求峰值運算性能高，但整體能耗較高；在云端具備成熟的應(yīng)用開發(fā)生態(tài)，但

23、在終端生態(tài)尚不成熟在人工智能領(lǐng)域主要用于處理圖像、語音等任務(wù)，編程開發(fā)門檻高可通過硬件重構(gòu)方式靈活實現(xiàn)適合于人工智能應(yīng)用的架構(gòu)，但成本和能效與云端服務(wù)器和 PC 市場多使用 X86 CPU，已經(jīng)迭代成熟，主流芯片基于 X86-64 架構(gòu)終端和邊緣端多使用 ARM CPU，也已經(jīng)迭代成熟，主流芯片基于 ARMv8 架構(gòu)云端主流產(chǎn)品為 NVIDIA和 AMD邊緣端或終端主流產(chǎn)品為 SoC 集成的 GPU IP，主流廠商包括 ARM、Imagination 等在分立 DSP 芯片市場，主流廠商為 TI 等企業(yè)對于嵌入到 SoC 的 DSP，主流廠商有 CEVA、Cadence 等主流廠商包括 Xil

24、inx 和 Intel 等廣泛應(yīng)用于個人電 腦、移動終端、傳統(tǒng)服務(wù)器等領(lǐng)域，在人工智能芯片市場滲透率相對較低在人工智能領(lǐng)域， GPU 多用于數(shù)據(jù)中心，是滲透率最高且最主流芯片類型，在終端應(yīng)用少在云端應(yīng)用較少，但在手機等終端設(shè)備中有一定生態(tài)基礎(chǔ)在芯片原型驗證與仿真中有著廣泛應(yīng)用，在人工智能芯片專用型智能芯片（ASIC）相關(guān)技術(shù)持續(xù)發(fā)展中，在架構(gòu)層面對特定智能算法作硬化支持，指令集簡單或指令完全固化成本相對較低，軟件棧相對簡單，設(shè)計和生產(chǎn)周期短，但通用性較差目前主要應(yīng)用于終端，主要形態(tài)為行業(yè)專用 SoC，較多集中于語音處理領(lǐng)域常用于在低功耗、成本敏感的終端上支撐特定的應(yīng)用，在云端、邊緣端等場景滲透

25、率較低數(shù)據(jù)來源：寒武紀招股說明書，人工智能將在實現(xiàn)碳中和過程中發(fā)揮重要作用互聯(lián)網(wǎng)、制造、金融位列全球算力投資前三大行業(yè)。從全球來看，制造業(yè)是算力投資的第二大行業(yè)，投資集中在研發(fā)、生產(chǎn)、供應(yīng)鏈管理和服務(wù)等環(huán)節(jié)。但在國內(nèi)，金融位列第二，原因是金融業(yè)大而強，特別是其中的銀行業(yè)，信息化投資較為集中；而制造業(yè)相對小而散，信息化投資與西方國家相比仍有很大的提升空間。圖 14：全球算力投資前三大行業(yè)是互聯(lián)網(wǎng)、制造、金融80706050403020100互 制 金 政聯(lián) 造 融 府網(wǎng)電服零媒教信務(wù)售體育/批發(fā)醫(yī)公交能療共通源事業(yè)數(shù)據(jù)來源：IDC2020 全球計算力指數(shù)評估報告，我國將在 2030 年實現(xiàn)碳達峰

26、，2060 年實現(xiàn)碳中和。這兩個階段性目標(biāo)，既是我國經(jīng)濟社會高質(zhì)量發(fā)展的必然要求，也是在應(yīng)對氣候變化方面對世界的承諾。隨著人工智能技術(shù)的發(fā)展、算力的提升，人工智能在現(xiàn)實中的應(yīng)用場景不斷得到拓寬，有望在實現(xiàn)碳達峰、碳中和的過程中扮演著重要角色。圖 15：人工智能在傳統(tǒng)經(jīng)濟、新興經(jīng)濟、數(shù)字經(jīng)濟三大場景均可有所作為數(shù)據(jù)來源：IDC中國人工智能計算力發(fā)展評估報告AI+工業(yè)：重塑生產(chǎn)制造環(huán)節(jié)人工智能在制造業(yè)的應(yīng)用潛力被低估。 對中國 2015-2018 年最大的 300 項人工智能項目的分析表明，制造業(yè)相關(guān)的投資不到 1%。然而，制造業(yè)是人工智能最具應(yīng)用潛力的領(lǐng)域之一。其一，未來的制造業(yè)不僅僅是規(guī)?；?/p>

27、標(biāo)準化，也要是智能化、定制化；其二，人工智能與相關(guān)技術(shù)結(jié)合，可優(yōu)化制造業(yè)各流程的效率，通過工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)數(shù)據(jù)，再借助深度學(xué)習(xí)算法處理后，提供建議甚至自主優(yōu)化。圖 16：機器智能工廠是自動化、數(shù)字化、智能化的終局數(shù)據(jù)來源：阿里云研究中心人工智能紅利滲透與爆發(fā)制造業(yè)正大踏步地邁入機器智能時代。BCG 認為，人工智能的使用可降低制造商 20%的加工成本，而這一減少最高有 70%源自于更高的勞動生產(chǎn)率。 原全球高級副總裁李強曾指出，到 2030 年，因人工智能的推動，全球?qū)⑿略?15.7 萬億美元的 GDP，中國就占到了 7 萬億美元；到 2035 年，人工智能將推動勞動生產(chǎn)力提升 27%，拉

28、動制造業(yè)的 GDP高達 27 萬億美元。德勤研究估計，全球人工智能及相關(guān)場景在制造業(yè)應(yīng)用的市場規(guī)模在 2016 年約為 1.2 千億美元，到 2025 年有望超過 7.2千億美元，復(fù)合年均增長率預(yù)計超過 25%。圖 17：全球人工智能及相關(guān)場景在制造業(yè)應(yīng)用的市場分布1009080706050403020100373131217514921150.125420162025E工業(yè)機器人制造業(yè)物聯(lián)網(wǎng)制造云（公有）制造業(yè)大數(shù)據(jù)及商業(yè)分析制造業(yè)人工智能智能工廠應(yīng)用/解決方案數(shù)據(jù)來源：Markets and Markets Insights，德勤研究，人工智能在制造業(yè)的應(yīng)用場景分為三類。產(chǎn)品智能化研發(fā)設(shè)計

29、和為產(chǎn) 品注智；在制造和管理流程中運用人工智能提高產(chǎn)品質(zhì)量和生產(chǎn)效率；供應(yīng)鏈的智能化。圖 18：人工智能制造業(yè)應(yīng)用場景譜圖數(shù)據(jù)來源：德勤研究中國人工智能產(chǎn)業(yè)白皮書與碳中和聯(lián)系最為密切的是生產(chǎn)制造環(huán)節(jié)，包括生產(chǎn)、維護、質(zhì)量、物流等子環(huán)節(jié)。以最核心的生產(chǎn)過程為例，基于收集的生產(chǎn)數(shù)據(jù)，人工智能可以自動設(shè)置和調(diào)整機器的運行參數(shù)，讓機器和部件成為自優(yōu)化的系統(tǒng)，更加節(jié)能高效。例如，在注塑過程中，需要關(guān)注的外部因素是外界溫度，需要控制塑料的溫度、冷卻時間表、速度等，基于人工智能的自主監(jiān)測與調(diào)節(jié)效率更高。BCG 的研究案例還提及，一些鋼鐵廠利用人工智能，讓熔爐自動優(yōu)化設(shè)置，識別穩(wěn)定工藝條件的最低溫度，從而降低

30、整體的能耗。表 4：人工智能在未來的工廠中將變得無所不在場景 過程功能AI 支持生成式產(chǎn)品設(shè)計，根據(jù)既定目標(biāo)，利用算法探索可能的設(shè)計方案。通過迭代式測試和學(xué)習(xí)，AI 算法優(yōu)化設(shè)計，工程推薦在人類看來非傳統(tǒng)的解決方案。工廠一些航天公司利用生成式設(shè)計，開發(fā)飛行器部件，比如提供應(yīng)鏈管理需求預(yù)測是供應(yīng)鏈管理領(lǐng)域應(yīng)用 AI 的關(guān)鍵主題。AI 通過分析和學(xué)習(xí)產(chǎn)品發(fā)布以及天氣情況等來支持需求預(yù)測。一些公司利用機器學(xué)習(xí)算法識別需求模式，手段是將倉庫、ERP 系統(tǒng)與客戶洞察的數(shù)據(jù)合并起來。工廠生產(chǎn)一些鋼鐵廠利用 AI 讓熔爐自動優(yōu)化設(shè)置。在汽車業(yè)，得到智能圖像識別能力增強的機器人，可以從內(nèi)部未定義的位置（比如箱

31、子里或傳送帶上）撿起未分類零件。維護AI 支持預(yù)測性維護根據(jù)實際情況替換磨損部件。之外供跟傳統(tǒng)設(shè)計功能相同但是卻輕便許多的仿生學(xué)結(jié)構(gòu)。一些煉油廠實現(xiàn)了在設(shè)備失效前估計剩余時間的機器學(xué)習(xí) 模型。這種模型會考慮超過 1000 個與材料投入、材料輸出、工藝參數(shù)以及氣候條件有關(guān)的變量。汽車供應(yīng)商利用帶機器學(xué)習(xí)算法的視覺系統(tǒng)，識別有質(zhì)量質(zhì)量問題的部件，包括檢測沒有出現(xiàn)在訓(xùn)練集內(nèi)的缺陷。AI 還可以學(xué)習(xí)由機器和生產(chǎn)環(huán)境產(chǎn)生的數(shù)據(jù)，如將材料屬性和行為與鉆床信息比較，預(yù)測鉆孔超出耐受度風(fēng)險。在工廠和倉庫內(nèi)運輸物品的無人車，會利用 AI 感應(yīng)障礙，調(diào)整車輛路線。物流機器學(xué)習(xí)算法會利用物流數(shù)據(jù)，比如材料進出數(shù)據(jù)、

32、庫存量、零件周轉(zhuǎn)率等，促進倉庫自主優(yōu)化運營。比方說，有一個算法會建議將低需求的零件轉(zhuǎn)移到更遠的地方，并且將高需求的零件放到可以更快獲取的附近區(qū)域。數(shù)據(jù)來源：BCG，36 氪，AI+交通：智慧交通節(jié)能減排交通運輸行業(yè)是全球第二大碳排放源，對我國實現(xiàn)碳達峰目標(biāo)與碳中和愿景有重要影響。統(tǒng)計顯示，交通領(lǐng)域的碳排放占全國終端碳排放的 15%；過去 9 年，這一領(lǐng)域的碳排放年均增速在 5%以上。以機動車為例，截至 2021 年 3 月，全國機動車保有量達 3.78 億輛，其中汽車 2.87億輛；根據(jù)測算，1 輛汽車每燃燒 1 升燃料大約排放 2.5 千克二氧化碳，總共的碳排放量非?？捎^，減排空間也很大。圖

33、 19：交通運輸行業(yè)長期面臨安全、效率、綠色等痛點數(shù)據(jù)來源：騰訊未來交通白皮書人工智能在交通領(lǐng)域的應(yīng)用包括智能汽車（自動駕駛）與智慧交通，提升了交通領(lǐng)域的減排潛力。智慧交通旨在于解決交通行業(yè)存在的擁堵、安全等問題，將核心交通元素聯(lián)通，建立一個人、車、路協(xié)同的環(huán)境。自動駕駛通過傳感器、計算機視覺技術(shù)、算法模型，解放駕駛員的雙手。智能化、電動化是汽車產(chǎn)業(yè)發(fā)展趨勢，自動駕駛是加速新能源汽車普及的關(guān)鍵。事實上，自動駕駛的實現(xiàn)與落地應(yīng)用離不開智慧交通的支持。圖 20：車路智行技術(shù)發(fā)展路線圖數(shù)據(jù)來源：百度Apollo 智能交通白皮書智慧交通是交通運輸、信息技術(shù)交叉融合的產(chǎn)物，是應(yīng)對交通擁堵、安全、節(jié)能減排

34、的有效方式。將云計算、通訊傳輸、電子傳感、電子控制以及人工智能算法等，集成運用于交通管理，建立起智能交通運輸系統(tǒng)（ITS），提高交通系統(tǒng)的感知、計算、決策以及調(diào)度能力?？萍既請笤嚓P(guān)數(shù)據(jù)指出，智慧交通可使車輛安全事故率降低 20以上，交通堵塞減少約 60，短途運輸效率提高近 70，現(xiàn)有道路網(wǎng)的通行能力提高 23 倍。但是，目前我國的智慧交通系統(tǒng)技術(shù)和應(yīng)用水平與國外相比還有相當(dāng)大的差距。巨頭入場，參與 2G 大訂單業(yè)務(wù)?？萍蓟ヂ?lián)網(wǎng)巨頭BATH 均在智慧交通領(lǐng)域就位，百度推出“ACE 交通引擎”，華為有“交通智能體”解決方案，騰訊亮相了城市智慧交通解決方案“We Transport”，阿里在其城

35、市大腦業(yè)務(wù)中探索。智慧交通是 2G 業(yè)務(wù)，政府的大金額項目會更加關(guān)注企業(yè)的技術(shù)能力、執(zhí)行能力，因而 BATH 在行業(yè)前期開拓訂單更加順利。表 5：巨頭紛紛布局智慧交通領(lǐng)域并獲取G 端訂單廠商城市合作情況2020 年 8 月，百度 Apollo 旗下子公司阿波羅智行科技（廣州）有限公司中標(biāo)“廣州市黃埔區(qū)廣州開發(fā)區(qū)百度廣東廣州面向自動駕駛與車路協(xié)同的智慧交通新基建項目”。項目金額近 4.6 億元，訂單包括車路協(xié)同路網(wǎng)基礎(chǔ)設(shè)施、智能路口、車聯(lián)網(wǎng)等相關(guān)應(yīng)用系統(tǒng)的建設(shè)。2020 年 9 月，深圳智能網(wǎng)聯(lián)交通測試示范平臺項目招標(biāo)結(jié)果公示，騰訊華為聯(lián)合體中標(biāo)，項目金額 1.49騰訊&華為廣東深圳華為河南許昌

36、蘑菇車聯(lián)湖南衡陽億。騰訊自動駕駛將運用自身在融合感知、決策規(guī)劃、高精度地圖、虛擬仿真、云計算等方面的技術(shù)優(yōu)勢，助力深圳市坪山區(qū)打造集研發(fā)、測試、示范、產(chǎn)業(yè)化于一體的立體化智能網(wǎng)聯(lián)產(chǎn)業(yè)創(chuàng)新示范區(qū)。2020 年 12 月，河南許昌市云政智慧城市建設(shè)運營有限公司“許昌市新型智慧城市建設(shè)（一期）項目之城市數(shù)字平臺、智慧大腦、互聯(lián)網(wǎng)+政務(wù)、12345 熱線、智慧交通、智慧停車、企業(yè)服務(wù)一體化平臺子項目（不見面開標(biāo)）” 單一來源采購公告發(fā)布， 概算金額 32138.37 萬元，華為技術(shù)有限公司中標(biāo)。2021 年 3 月，衡陽市與蘑菇車聯(lián)簽署戰(zhàn)略合作協(xié)議，雙方在智能終端、車路協(xié)同、自動駕駛及智慧交通領(lǐng)域展開

37、深度合作，共建智慧交通創(chuàng)新示范城市，推動城市級自動駕駛大規(guī)模落地和商業(yè)化運營。項目總投資約 5 億元，一期計劃投資 7000 萬元。數(shù)據(jù)來源：新智駕，百度 2020 年 4 月發(fā)布“ACE 交通引擎”國內(nèi)外首個車路行融合的全棧式智慧交通解決方案。ACE 交通引擎依托了百度多年來在人工智能、自動駕駛、車路協(xié)同方面的積累和實踐，采用“1+2+N”的系統(tǒng)架構(gòu)，即“一大數(shù)字底座、兩大智能引擎、N 大應(yīng)用生態(tài)”。百度披露， ACE 交通引擎已在長沙、北京、重慶、南京、保定等 10 余個城市落地實踐。圖 21：百度 ACE 交通引擎總體架構(gòu)數(shù)據(jù)來源：Apollo 智能交通白皮書AI+能源：應(yīng)用潛力更待挖掘能源行業(yè)涵蓋多個子行業(yè)，在此我們主要討論“石油/礦物”和“