人工智能行業(yè)研究報告2017.2人工智能行業(yè)研究報告2017年2月定義與研究范圍定義與研究范圍涵蓋AI基礎技術及終端產品行業(yè)分析師曹婷行業(yè)分析師曹婷caoting@36相關研究報告：《自動駕駛行業(yè)研究報告》2017.2《機器之眼，看懂世界：計算機視覺行業(yè)研究報告》2016.9《科技煉金，融匯未來：金融科技行業(yè)研究報告》2016.8人工智能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，人工智能在很多行業(yè)都有用武之地。既有人工智能+基礎行業(yè)的概念（如人工智能+金融=Fintech），也有其具體應用行業(yè)的概念（比如機器人）。按照技術應用的不同場景，可以將人工智能分為基礎技術類及終端產品類，本報告研究范圍涵蓋以下領域：片 覺 別片 覺 別 基礎技術別 機器人 終端產品 智能金融 智能醫(yī)療 智能家居 智能安防 計算機視 語音識 語義識注釋：自動駕駛行業(yè)是AI的一個重要分支，關于該領域的研究討論請參見36駕駛行業(yè)研究報告》。研究目的：本報告將集中探討：人工智能行業(yè)整體的發(fā)展現狀與技術發(fā)展趨勢各細分領域投融資熱度與技術成熟度巨頭在人工智能領域的布局與策略行業(yè)標桿的商業(yè)模式、核心競爭力、未來發(fā)展預期2目目錄Contents一、人工智能行業(yè)驅動力一、人工智能行業(yè)概述 一、人工智能行業(yè)驅動力行業(yè)驅動——數據量、運算力、算法技術政策法規(guī)投資熱度國際投資熱度分析國內投資熱度分析國內公司運營數據分析二、人工智能產業(yè)鏈與巨頭布局分析 產業(yè)鏈構成巨頭布局芯片布局技術布局司分析 語音識別語義識別計算機視覺六、人工智能芯片介紹與典型公司分析四、人工智能芯片介紹與典型公司分析 六、人工智能芯片介紹與典型公司分析人工智能芯片適用性分析人工智能芯片產業(yè)鏈分析

GPUFPGAASIC型公司分析 機器人六、人工智能行業(yè)趨勢展望 人工智能各行業(yè)綜述人工智能當前發(fā)展瓶頸CHAPTER1 人工智能行業(yè)概述 政策法規(guī)投資熱度國際投資熱度分析國內投資熱度分析國內公司運營數據分析人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月PAGEPAGE6數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

行業(yè)驅動力行業(yè)驅動力·數據量海量數據為人工智能發(fā)展提供燃料數據量、運算力和算法模型是影響人工智能行業(yè)發(fā)展的三大要素。2000年之后，數據量的上漲、運算力的提升和深度學習算法的出現極大的促進了人工智能行業(yè)的發(fā)展。海量數據為人工智能發(fā)展提供燃料要理解數據量的重要性，得先從算法說起。數據量和算法可以分別比作人工智能的燃料和發(fā)動機。算法是計算機基于所訓練的數據集歸納出的識別邏輯，好的算法模型可以實現精準的物體和場景識別。數據集的豐富性和大規(guī)模性對算法訓練尤為重要。因此可以說，實現機器精準視覺識別的第一步，就是獲取海量而優(yōu)質的應用場景數據。以人臉識別為例，訓練該算法模型的圖片數據量至少應為百萬級別。訓練模型 應用于具體場景場景應用大數據 算法模型場景應用2000年以來，得益于互聯網、社交媒體、移動設備和廉價的傳感器，這個世界產生并存儲的數據量急劇增加，這為通過深度學習的方法來訓練計算機視覺技術提供很好的土壤。IDC數據顯示，從2011年起，全球所產生的數據量已達到ZB級別（1ZB約為10億GB)，海量的數據將為計算機視覺算法模型提供遠遠不斷的素材。而關于數據量對提高算法準確率方面的重要性，更有學者提出：“It’snotwhohasthebestalgorithmthatwins.It’swhohasthemostdata.”2009-2020年全球總體數據量（單位：ZB）5040302010

準確率準確率

數據量與準確率之間的關系

測試字符數量02009

2020

1002003004005006007008009001000Window Memory-BasedPerceptron Na?veBayes來源：IDC，36氪研究院

說明：window、memory-based、perceptron、naivebayes均為不同算法來源：Stanford機器學習公開課，36氪研究院人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月1.1行業(yè)驅動數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

運算力的提升大幅推動人工智能發(fā)展行業(yè)驅動·運算力人工智能領域是一個數據密集的領域，傳統(tǒng)的數據處理技術難以滿足高強度、大數據的處理需求。AI行業(yè)驅動·運算力AI算法的處理需要大量的矩陣計算操作，因此特別適合使用并行運算芯片進行數據處理。而傳統(tǒng)的CPU一次只能同時做一兩個加減法運算，無法滿足并行運算的需求。目前，出現了GPU、NPU、FPGA和各種各樣的AI-PU專用芯片。而其中，出現最早的GPU為人工智能的發(fā)展做出了巨大的貢獻。擅長并行計算的GPU大幅提升機器學習效率。在GPU出現之前，算法運行的速度是很慢的，即使是一個簡單的神經網絡數據的培訓，也得花費幾天、甚至幾周的時間。1999年，Nvidia公司在推銷Geforce256芯片時，提出了GPU（圖像處理器)概念。GPU是專為執(zhí)行復雜的數學和集合計算而設計的數據處理芯片。它的出現讓并行計算成為可能，對數據處理規(guī)模、數據運算速度帶來了指數級的增長，極大的促進人工智能行業(yè)，尤其計算機視覺領域的發(fā)展。世界上第一款GPU-GeForce256 中科寒武紀即將投產的“寒武紀”NPU Altera的高端FPGA產品Stratix10 GPU與傳統(tǒng)CPU相比，在處理海量數據方面有壓倒性的優(yōu)勢。據RajatRaina與吳恩達的合作論文“用GPU進行大規(guī)模無監(jiān)督深度學習”顯示，在運行大規(guī)模無監(jiān)督深度學習模型時，使用GPU和使用傳統(tǒng)雙核CPU在運算速度上的差距最大會達到近七十倍。在一個四層，一億個參數的深度學習網絡上，使用GPU將程序運行時間從幾周降低到一天。要發(fā)揮專用芯片的計算優(yōu)勢，需要芯片結構和軟件算法兩者相匹配。目前的趨勢是，用于加速人工智能應用的AI-PU或將成為計算機另一個標配組件。數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

深度學習突破人工智能算法瓶頸行業(yè)驅動力·算法在深度學習出現之前，機器學習領域的主流是各種淺層學習算法，如神經網絡的反響傳播算法（BP算法）、支撐向量機（行業(yè)驅動力·算法Boosting、LogisticRegression等。這些算法的局限性在于對有限樣本和計算單元的情況下對復雜函數的表示能力有限，對復雜數據的處理受到制約。以計算機視覺為例，作為一個數據復雜的領域，淺層學習算法的識別準確率并不高。該類識別原理多為通過尋找合適的特征來讓機器辨識物品狀態(tài)，由于這個處理邏輯是淺層的，不能窮舉各種復雜的情境，因而算法擬合的準確率不高。深度學習突破人工智能算法瓶頸。2006年，GeoffreyHintonfastalgorithmfordeepbeliefnets”，此后“DeepLearning（深度學習）”的概念被提出。以計算機視覺為例，深度學習出現之前，基于尋找合適的特征來讓機器辨識物體狀態(tài)的方式幾乎代表了計算機視覺的全部。盡管對多層神經網絡的探索已經存在，然而實踐效果并不好。深度學習出現之后，計算機視覺的主要識別方式發(fā)生重大轉變，自學習狀態(tài)成為視覺識別主流。即，機器從海量數據庫里自行歸納物體特征，然后按照該特征規(guī)律識別物體。圖像識別的精準度也得到極大的提升，從70%+提升到95%。Googletranslate語義識別準確率 100%

2010-2015年ImageNet比賽圖像識別準確率 … 83.4%60%過去 現在 未來注釋：Googletranslate是語義識別項目。

93.00%95.00%89.00%84.70%72.00%74.50%2010 201193.00%95.00%89.00%84.70%72.00%74.50%來源：36氪研究院

注釋：ImageNet是計算機視覺系統(tǒng)識別項目。來源：36氪研究院在短短幾年時間里，深度學習顛覆了語音識別、語義理解、計算機視覺等基礎應用領域的算法設計思路，逐漸形成了從一類訓練數據出發(fā)，經過一個端到端的模型，直接輸出最終結果的一種模式。由于深度學習是根據提供給它的大量的實際行為（訓練數據集）來自我調整規(guī)則中的參數，進而調整規(guī)則，因此在和訓練數據集類似的場景下，可以做出一些很準確的判斷。數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

政策加碼，人工智能發(fā)展如火如荼政策法規(guī)·國外政策法規(guī)·國外各國均在政策層面強調和推動人工智能的發(fā)展。其中，美國側重于研發(fā)新型腦研究技術；歐盟主攻以超級計算機技術來模擬腦功能；日本則聚焦以動物為模型研究各種腦功能和腦疾病的機理。國家相關措施美國20134項目局、國家科學基金會。2014HIN構的新工具，十年計劃共花費45歐盟2013年初，歐盟宣布了未來十年的“新興旗艦技術項目”——人腦計劃（HBP），該項目匯聚了來自24112資預計將達到122018日本2014年9月啟動大腦研究計劃Brain/MINDS。該計劃為期10年，由日本理化學研究所主導實施，旨在理解大腦如何工作以及通過建立動物模型，研究大腦神經回路技術，從而更好地診斷以及治療大腦疾病。來源：36氪研究院來源：36來源：36氪研究院PAGE10數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

政策加碼，人工智能發(fā)展如火如荼政策法規(guī)·政策法規(guī)·國內國內近幾年也出臺了相關扶植人工智能發(fā)展的政策，積極推動人工智能在各個細分領域的滲透。2016年5月，國家四部委更是頒布《“互聯網+”人工智能三年行動實施方案》，明確提出要培育發(fā)展人工智能新興產業(yè)、推進重點領域智能產品創(chuàng)新、提升終端產品智能化水平。實施時間頒布主體法律法規(guī)相關內容2015.5國務院《中國制造2025》提出“加快發(fā)展智能制造裝備和產品”，指出“組織研發(fā)具有深度感知、智慧決策、自動執(zhí)行功能的高檔數控機床、工業(yè)機器人、增材制造裝備等智能制造裝備以及智能化生產線，統(tǒng)籌布局和推動智能交通工具、智能工程機械、服務機器人、智能家電智能照明電器、可穿戴設備等產品研發(fā)和產業(yè)化。2015/7/4國務院《國務院關于積極推進“互聯網+”行動的指導意見》明確提出人工智能作為11個重點布局的領域之一，促進人工智能在智能家居、智能終端、智能汽車、機器人等領域的推廣應用。2015/7/9中央辦公廳、國務院加大公共安全視頻監(jiān)控覆蓋，將社會治安防控信息化納入智慧城市建設總體規(guī)劃，加深大數據、云計算和智能傳感等新技術的應用。2016.1國務院智能制造和機器人成為“科技創(chuàng)新-2030項目”重大工程之一。2016/3/18國務院草案）》人工智能概念進入“十三五”重大工程。2016/5/18國家發(fā)展改革委、科技部、工業(yè)和信息化部、中央網信辦《“互聯網+”人工智能三年行動實施方案》明確了要培育發(fā)展人工智能新興產業(yè)、推進重點領域智能產品創(chuàng)新、提升終端產品智能化水平，并且政府將在資金、標準體系、知識產權、人才培養(yǎng)、國際合作、組織實施等方面進行保障。人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月1.1行業(yè)驅動PAGEPAGE11數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

全球AI領域融資金額5年增長12倍投資熱度·全球投資熱度·全球咨詢公司VentureScanner統(tǒng)計，截止2016年Q2，全球人工智能公司已突破1000家，跨越13個子門類，融資金額高達48億美元。而人工智能創(chuàng)投金額在5年間增長了12倍。2011Q1-2016Q2全球人工智能行業(yè)融資規(guī)模（百萬美元）

112113

2220

63 703738 384350 4737

778480

9284

120

100

134

121

$1,200$1,000$800$600$400$200$62$96$66$68$64$138$125$102$186$283$211$141$321$555$394$942$769$398$911$485$636$1,0490 $0來源：VentureScanner，36氪研究院

投資額 成交量2000-2015年成立的人工智能公司數量1169811698100627049253642111017214851201008060402002000200120022003200420052006200720082009201020112012201320142015來源：VentureScanner，36氪研究院來源：VentureScanner來源：VentureScanner，36氪研究院PAGE12數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

深度學習、自然語言處理和計算機視覺為創(chuàng)業(yè)最火熱領域投資熱度·全球投資熱度·全球應用場景擴展方面，機器學習、計算機視覺、自然語言處理、智能機器人、手勢控制是應用范圍較為廣泛的幾個領域。教育業(yè)，對眾多傳統(tǒng)行業(yè)形成巨大沖擊。計算機視覺和自然語言處理作為主要的感知技術，應用范圍很廣。計算機視覺主要用于安防監(jiān)控系統(tǒng)、無人駕駛、機器人、工業(yè)制造、醫(yī)藥、教育和娛樂業(yè)等。自然語言處理可用于穿戴設備、智能家居、智能汽車、智能教育、智能金融等領域。人工智能企業(yè)平均融資前五名 人工智能企業(yè)最為“年”五領域平均融資額（百萬美元）151050

年齡中位數6420 來源：VentureScanner，36氪研究院 來源：VentureScanner，36氪研究院細分領域名稱活躍創(chuàng)新企業(yè)數量創(chuàng)新企業(yè)平均年齡融資總額（億元）深度學習/機器學習（通用）12065深度學習/機器學習（應用）260520自然語言處理（通用）15077語音識別7062計算機視覺/圖像識別（通用）10075計算機視覺/圖像識別（應用）8073手勢控制3082.5虛擬私人助手9062.5智能機器人6074推薦引擎和協(xié)助過濾算法651情境感知計算3061語音翻譯1513<1視頻內容自動識別15<1人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月PAGEPAGE16數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

投資熱度投資熱度·國內獲投最多領域為NLP、機器人和計算機視覺國內人工智能投資熱度：成立公司數量從1996年至今，國內至今仍在運營的人工智能公司有366家。通過數據分析可以看出，計算機視覺、機器人、自然語言處理是創(chuàng)業(yè)最熱門的領域。969296927738261510953100806040200

各領域人工智能公司數量 注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院獲投金額從我們收集到的數據來看，2015-2016年人工智能領域獲投金額在90億人民幣左右。由于我們的統(tǒng)計是基于已經披露了被投金額的交易，且單個公司是按照最近一次獲投金額計算，故這一數值將小于該領域獲投規(guī)模，僅供參考?？梢钥吹剑@投最多的細分領域有自然語言處理、機器人、計算機視覺，均在十億以上人民幣的級別。30 28.4225 20151050

人工智能公司獲投金額15.68.1 7 6.1 5.61

2.2 注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

投資熱度投資熱度·國內平均單個公司獲投金額為4000萬獲投公司數量從我們收集到的數據來看，2015-2016年人工智能領域獲投公司數量為226個，平均單個公司獲投金額為4000萬人民幣左右。由于我們的統(tǒng)計是基于已經披露了被投金額的交易，故獲投公司數量將小于真實值，僅供參考?？梢钥吹剑@投公司數量最多的細分領域有機器人、自然語言處理、計算機視覺，基本和獲投金額一致。人工智能公司獲投公司數量（單位：個)585358534822181286416050403020100注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院平均獲投金額分析通過數據分析可以看到，智能安防、智能家居為平均單個公司獲投金額最高的領域，平均獲投金額在一億以上。智能安防領域的獲投企業(yè)均是人工智能領域的明星企業(yè)，如曠視科技、商湯科技等。1750013500175001350059204675344829432772 2750 2611100015000

平均單個公司獲投金額（單位：萬元）1000050000注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月1.1行業(yè)驅動數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

獲投公司偏早期，C輪后公司較少投資熱度·投資熱度·國內從獲投公司數量來看，機器人、計算機視覺、自然語言處理是獲投公司數量（即，披露了融資信息的公司）最多的領域，分別為58個，53個，48個，占到該領域公司的一半以上；從對比圖來看，智能金融、深度學習、智能醫(yī)療、智能家居、智能安防為獲投比例最高的領域。531853181241822485861008060200

各領域公司獲投情況（單位：個) 獲投公司融資輪次分布1059610596332334118100806040200種子輪 天使輪Pre-A輪 A輪 B輪 C輪 D輪 E輪 并注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

投資熱度·投資熱度·國內從我們收集到的數據來看，機器人、計算機視覺、智能駕駛、自然語言處理是獲投公司數量最多的四個領域；分析這四個領域創(chuàng)業(yè)公司的融資輪次特點可以看到，機器人和計算機視覺的獲投企業(yè)中處于天使輪的最多，而智能駕駛和自然語言處理的獲投企業(yè)中A輪企業(yè)最多；這四個領域獲投企業(yè)中B輪企業(yè)均占據一定比例；智能駕駛、自然語言處理的投資更趨于中后期。各領域公司獲投公司融資階段分布706050403020100機器人 計算機視覺 智能駕駛 自然語言處理天使輪 Pre-A輪 E輪 D輪 C輪 B輪 A輪注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院融資公司獲投金額：公司名稱成立年份融資輪次人民幣融資數額公司名稱成立年份融資輪次人民幣融資數額優(yōu)必選2012B輪6.6億猿題庫2013D輪2.6億Roobo智能管家2014A輪6.6億中譯語通2013B輪2.5億云知聲2012B輪3.3億百融金服2014B輪2億學霸君2013B輪3.3億達闥科技2015種子輪2億曠視科技） 2016C輪6.6億公子小白2013A輪2億人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月1.1行業(yè)驅動注釋：2016注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院PAGE19數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

2011年后AI創(chuàng)業(yè)興起，2014、2015迎來創(chuàng)業(yè)高峰公司運營狀況分析各細分領域公司數量分析公司運營狀況分析從1996年至今，國內至今仍在運營的人工智能公司有366家。機器人、計算機視覺、自然語言處理是創(chuàng)業(yè)熱度最高的領域。人工智能公司獲投公司數量（單位：個)585358534822181286416050403020100注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院人工智能總體領域公司成立時間分析從我們收集到的數據來看，2015-2016年人工智能領域在2011年之后迎來了創(chuàng)業(yè)熱潮，在2014、2015年達到創(chuàng)業(yè)高峰，企業(yè)平均年齡為3.2歲。人工智能公司逐年成立數量9899989950261 1 232 126 5331122238100806040200數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

智能安防、計算機視覺公司平均成立年齡最久公司運營狀況分析各領域創(chuàng)業(yè)公司平均年齡公司運營狀況分析通過數據分析可以看到，智能安防、計算機視覺領域的創(chuàng)業(yè)公司年齡最大，智能金融、芯片領域的公司大部分成立時間不久。各領域創(chuàng)業(yè)公司平均年齡543210

4.6

3.9

3.6

2.7

2.2 2.11 注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院機器人領域公司成立時間分析機器人領域至今仍在運營的創(chuàng)業(yè)公司最早在2005年出現，在2014、2015年迎來創(chuàng)業(yè)高潮，與人工智能整體領域趨勢基本一致；創(chuàng)業(yè)公司平均年齡為2.8歲。機器人公司逐年成立數量25262526146672301022520151050200520062007200820092010201120122013201420152016數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

CV、NLP企業(yè)平均年齡為3-4歲公司運營狀況分析計算機視覺領域公司成立時間分析公司運營狀況分析計算機視覺領域至今仍在運營的創(chuàng)業(yè)公司最早在1997年出現，在2011年之后快速增長，2014、2015年迎來創(chuàng)業(yè)高潮，與人工智能整體領域趨勢基本一致；創(chuàng)業(yè)公司平均年齡在3.9歲。計算機視覺公司逐年成立數量2112821128951330252015105011 2 0 0 2 0 2 2 1注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院自然語言處理領域公司成立時間分析自然語言處理領域至今仍在運營的創(chuàng)業(yè)公司最早在2000年出現，在2011年之后快速增長，2014年迎來創(chuàng)業(yè)高潮，與人工智能整體領域趨勢基本一致；企業(yè)平均年齡為3.4歲。自然語言處理公司逐年成立數量211521151291002451302220151050數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

自動駕駛領域2014年迎來創(chuàng)業(yè)熱潮公司運營狀況分析自動駕駛領域公司成立時間分析公司運營狀況分析自動駕駛領域至今仍在運營的創(chuàng)業(yè)公司最早在1997年出現，在2011年之前增長非常緩慢，2014年迎來創(chuàng)業(yè)高潮，與人工智能整體領域趨勢基本一致；創(chuàng)業(yè)公司平均年齡為3.8歲。智能駕駛公司逐年成立數量6 6336 6331 001 1 1 0 1 000 00114121086420注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院深度學習領域公司成立時間分析深度學習領域至今仍在運營的創(chuàng)業(yè)公司最早在2006年出現，這與深度學習實現突破的時間點一致，創(chuàng)業(yè)熱潮出現在2015年，企業(yè)平均年齡為2.2歲。深度學習領域公司逐年成立數量12812823000000112108642020062007200820092010201120122013201420152016PAGEPAGE21數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

180160100806040200

北京地區(qū)為AI公司創(chuàng)業(yè)集中地，占總體43%公司運營狀況分析總體創(chuàng)業(yè)公司地理分布公司運營狀況分析從366家人工智能創(chuàng)業(yè)公司的分布來看，北京市、上海市、深圳市是公司數量最多的三個地區(qū)。其中，北京地區(qū)的創(chuàng)業(yè)公司數量遙遙領先，占到總體的43%。各地區(qū)人工智能公司數量15915961402723221163 3 3 2 2 1 1 1 1北京市深圳市浙江省廣東省江蘇省貴州省黑吉林省注釋：北京市深圳市浙江省廣東省江蘇省貴州省黑吉林省機器人創(chuàng)業(yè)公司地理分布從92家機器人創(chuàng)業(yè)公司的分布來看，北京市、上海市、深圳市仍舊是公司數量最多的三個地區(qū)。其中，北京地區(qū)的創(chuàng)業(yè)公司數量遙遙領先，占到總體的三分之一左右。各地區(qū)機器人公司數量34153415148652211111135302520151050注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院來源：36來源：36氪研究院PAGE22數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

CV、NLP公司北京創(chuàng)業(yè)熱情高公司運營狀況分析計算機視覺創(chuàng)業(yè)公司地理分布公司運營狀況分析從96家計算機視覺創(chuàng)業(yè)公司的分布來看，北京市、上海市、深圳市是仍是公司數量最多的三個地區(qū)。其中，北京地區(qū)的創(chuàng)業(yè)公司數量遙遙領先，占到總體的37.5%。36各地區(qū)計算機視覺公司數量36各地區(qū)計算機視覺公司數量1411106653211135302520151050北京市深圳市上海市浙江省廣東省江蘇省四川省河南省陜西省福建省湖北省遼寧省注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院自然語言處理創(chuàng)業(yè)公司地理分布從77家自然語言處理創(chuàng)業(yè)公司的分布來看，北京市、上海市是公司數量最多的三個地區(qū)。其中，北京地區(qū)的創(chuàng)業(yè)公司數量仍是最高，占到總體將近一半。各地區(qū)自然語言處理公司數量3619361944444235302520151050北京市 上海市 廣東省 江蘇省 深圳市 四川省 浙江省 湖北省注釋：2016年數據統(tǒng)計截止至2016.10.31數據量運算力算法技術政策法規(guī)投資熱度全球投資熱度國內投資熱度國內公司運營數據分析

北京市、廣東省為自動駕駛創(chuàng)業(yè)集中地公司運營狀況分析深度學習創(chuàng)業(yè)公司地理分布公司運營狀況分析從26家深度學習創(chuàng)業(yè)公司的分布來看，北京市是公司數量最多的三個地區(qū)，占到總體的62%；由于大部分深度學習公司按照所應用的行業(yè)已計入其他細分領域，故此部分數據分析趨勢僅供參考。各地區(qū)深度學習公司數量1651652211614121086420北京市 上海市 陜西省 深圳市 浙江省注釋：2016年數據統(tǒng)計截止至2016.10.31來源：36氪研究院自動駕駛創(chuàng)業(yè)公司地理分布從35家智能駕駛創(chuàng)業(yè)公司的分布來看，北京市、廣東省為公司數量最多的兩個地區(qū)，分別為15個、8個。對于智能駕駛領域更詳細的數據分析，請參見同系列智能汽車行研報告。各地區(qū)深度學習智能駕駛公司數量855285522114121086420北京市 廣東省 江蘇省 上海市 深圳市 浙江省 吉林省注釋：2016年數據統(tǒng)計截止至2016.10.31，此處深圳市不計入廣東省創(chuàng)業(yè)數量。CHAPTER2 產業(yè)鏈與巨頭布局分析 產業(yè)鏈構成分析巨頭布局分析芯片布局技術布局人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月2525產業(yè)鏈構成分析巨頭布局分析芯片布局技術布局

產業(yè)鏈構成分析產業(yè)鏈構成分析產業(yè)鏈可分為基礎支撐層、技術應用層和方案集成層從產業(yè)鏈來看，人工智能可以分為技術支撐層、基礎應用層和產品層。方案集成層產品方案集成層產品智慧家電 智慧工基礎應用技術基礎應用層 語音識別 自然語言處理計算機視覺技術支撐層關鍵硬件傳感器CPU GPU 算法模型深度學習（CNN、RNN等）路徑規(guī)劃來源：36氪研究院技術支撐層主要由算法模型（軟件）和關鍵硬件（AI芯片、傳感器）兩部分構成。傳感器負責收集數據，AI芯片（GPU,FPGA,NPU等）負責運算，算法模型負責訓練數據?；A應用層主要由感知類技術和其他深度學習應用構成。感知技術主要用于讓機器完成對外部世界的探測，即看懂世界、聽懂、讀懂世界，由計算機視覺、語音識別、語義識別一并構成，是人工智能產品或方案不可或缺的重要部分。唯有看懂、聽懂、讀懂，才能夠做出分析判斷，進而采取行動，讓更復雜層面的智慧決策、自主行動成為可能。方案集成為集成了一類或多類基礎應用技術的，面向應用場景特定需求的產品或方案。人工智能作為一類技術，應用在多種多樣的應用場景中；而在各類產品中人工智能的比重或有區(qū)別，但其本質都是讓機器更好的服務于我們的生產和生活。人工智能行業(yè)研究報告2017年2月人工智能行業(yè)研究報告2017年2月21產業(yè)鏈構成分析2.2巨頭布局分析開源平臺布局芯片布局巨頭布局巨頭打造開源平臺、布局AI芯片和核心技術來源：36來源：36氪研究院PAGE26技術布局

隨著AlphaGo將AI帶入人們的視野，AI逐漸被人們認為是下一個“互聯網”類顛覆行業(yè)的技術?？粗谹I技術帶來的巨大市場潛力，科技巨頭們紛紛布局人工智能產業(yè)鏈，具體來講有三種方式；打造AI開源平臺、布局AI芯片、布局AI核心技術。從產業(yè)鏈的角度來講，無論是開源平臺，AI芯片還是AI核心技術，都是偏產業(yè)鏈上游的基礎設施。打造人工智能開源平臺AI開源平臺是一個深度學習的工具箱，用戶可以在其開放的平臺上使用其算法系統(tǒng)，獲取開源代碼。自從深度學習取得突破性進展以后，巨頭們頻頻開源。其根本原因在于，盡管算法是競爭的一個障礙，但數據和應用場景的甄別才是真正的山頭。當AI公司們使用開源平臺進行算法的迭代時，開源平臺可以獲取數據，以及市場對應用場景熱度的反饋。饋甄別哪些是更有市場潛力的應用場景?？萍季揞^紛紛打造AI開源平臺公司開源時間開源平臺名稱簡介Google2015.11Tensorflow谷歌第二代聯機版人工智能深度學習系統(tǒng)，能同時支持多臺服務器。Facebook2015.12Torchnet深度學習函式庫Torch的框架，旨在鼓勵程序代碼再利用及模塊化編程。Microsoft2015.11DMTK一個將機器學習算法應用在大數據上的工具包。IBM2015.11SystemML使用Java編寫，可實現三大功能：定制算法、多個執(zhí)行模式、自動優(yōu)化。Yahoo2016.02CaffeOnSpark結合深度學習框架和大規(guī)模數據處理系統(tǒng)，從而更方便地處理多個服務器的內容。Amazon2016.05DSSTNE能同時支持兩個圖形處理器（GPU）參與運算的深度學習系統(tǒng)百度2016.09Paddle-Paddle對新手非常友好的并行分布式深度學習平臺，可以使用更少的代碼實現相同的功能Tesla2016.04Open-AI一套更專注于開發(fā)和對比強化學習（RL）算法的深度學習系統(tǒng)。PAGEPAGE27技術布局

（2）布局人工智能芯片人工智能芯片作為人工智能行業(yè)的重要底層架構，其戰(zhàn)略重要性不能強調更多。芯片行業(yè)雖然已有行業(yè)巨頭NVIDIA和Intel，且技術壁壘極高，但由于行業(yè)目前AI運算仍以GPU為主，并未出現大規(guī)模應用的人工智能定制類芯片，Google、IBM、乃至國內的中科院都在積極布局探索。科技巨頭的AI芯片布局公司發(fā)布時間ＡＩ芯片名稱簡介Google2016.05TPU專為其深度學習算法TensorFlow設計的專用集成芯片。Intel預計2017年XeonPhi能快速計算，并根據概率和聯系做決策，其設計將為計算帶來更多的浮點性能。NVIDIA2016.04特斯拉P100GPU目前世界上最大的芯片，可以執(zhí)行深度學習神經網絡任務，運算速度極快。IBM2015.10TrueNorth在不借助云計算基礎設施的情況下，讓移動計算機以極低能耗運行先進機器智能軟件。中科院預計2017年寒武紀專門面向深度學習技術設計的處理器芯片。Microsoft2016.09FPGA可以執(zhí)行Bing的機器學習算法的FPGA，同時也是Azure和Office365的“內芯”。來源：36氪研究院（3）布局人工智能核心技術并購擁有先進技術的AI公司。公司簡介公司簡介Google2013年3月 收購初創(chuàng)公司DNNresearch將深度學習鼻祖GeoffreyHinton招入麾下2013年12月 連續(xù)收購Schaft、IndustrialPerception等8家機器人公司2014年1月 收購人工智能初創(chuàng)企業(yè)DeepMind收購智能家居制作商Nest2014年10月 居中樞控設備司Revolv，積極局智家居和物聯網領域2015年3月 與強生旗下子公司愛康（Ethicon）進行略合，研機器人輔助手術平臺2015年10月 投資德國人工智能研中心DFKIIBM2014年3月 與紐約基因中心（NYGC）合，利超級算機運算力加速腦癌研究2015年3月 收購初創(chuàng)公司AlchemyAPI，把AlchemyAPI的深度學習技術整合利用2016年3月 與科大訊飛正式建立略合，致于在知計算法平臺架構等層面合作與希爾頓全球合作試驗酒店業(yè)機器人禮賓員Microsoft2016年3月 與海爾達成戰(zhàn)略合作共同動智家居展與invigr悅型合作推出情感型人工智能營養(yǎng)師Facebook2013年8月 收購語音識別及機器譯公司MobileTechnologies，助公司從圖片識別拓展到語識別域2015年1月 創(chuàng)業(yè)公司Wit.AI，助Messenger創(chuàng)建音輸入模式騰訊2016年2月 投資人工智能初創(chuàng)公司Diffbot2016年7月 投資初創(chuàng)公司ScaledInference，這家公司提供中立臺，來解決不同需求方關于人智能各種題2016年10月 投資智能可穿戴公司時科技百度2014年9月 與寶馬正式簽署合作議，同研自動駕駛術2016年7月 投資金融科技公司ZestFinance，可以更加精確評估款對象2016年8月 投資激光雷達公司VelodyneLiDAR阿里巴巴2015年6月 康向日本軟銀(SoftBank)下的器人司SBRH戰(zhàn)略注資

科技巨頭的AI技術布局來源：36氪研究院CHAPTER3 人工智能基礎應用介紹與典型公司分析 語音識別語義識別計算機視覺人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月3.1語音識別PAGEPAGE33技術簡介應用場景簡介市場規(guī)模競爭格局典型公司分析語義識別計算機視覺

基礎技術分類基礎技術分類語音、語義識別和計算機視覺幫助機器感知這個世界目前，人工智能基礎技術主要為感知類技術。因為機器唯有探測到、看懂、聽懂、讀懂這個世界，才能更進一步的分析、預測。感知類技術包括計算機視覺、語音識別、自然語言處理。此外，我們將深度學習技術也納入到基礎技術層的范圍的原因，是因為很多未能歸類到感知類的技術也會作為一種基礎應用出現在各種應用場景，如推理與歸納。從產業(yè)鏈的角度講，基礎層的技術可以作為核心技術直接應用于終端產品中，也可以僅作為一種感知類技術集成于產品中。如，語音識別既可以作為一種產品來解決演講錄音電子化的產品，也可以作為機器人人機交互必不可少的核心技術。計算機視覺 語音識別 語義識別深度學習計算機視覺語音識別語義識別深度學習技術成熟度人臉識別較為成熟；物體與場景識別仍在探索技術成熟度

整體較為成熟；但背景噪音仍難解決

技術仍待提升，規(guī)則場景的語義識別較為成熟

涵蓋多類人工智能基礎應用，仍在發(fā)展投資熱度很高投資熱度語音識別

較高 高 很高3.1.1語音識別技術簡介語音識別是將語音轉換為文本的技術，是自然語言處理的一個分支機器識別和理解語音。 語音/語言數據庫語音信號語音語音信號語音/數據挖掘技術訓練信號處理技術統(tǒng)計建模方法前臺前臺特征提取解碼語音/語言模型端點檢測降噪識別結果后臺技術簡介應用場景簡介技術成熟度與主要瓶頸市場規(guī)模競爭格局典型公司分析語義識別計算機視覺

語音識別語音識別語音識別整體成熟度高，但背景噪音仍難解決語音識別應用場景簡介按照應用場景的不同，可以大致分為三類；電信級系統(tǒng)應用：嵌入式應用：人、手機、車載系統(tǒng)等；電信級系統(tǒng)應用電話銀行機器人身份辨認股票交易電信級系統(tǒng)應用電話銀行機器人身份辨認股票交易智能手機案件偵破金融產品客服車載系統(tǒng)國家安全電子商務智能家居旅游服務其他智能終端嵌入式應用 特殊應用嵌入式應用特殊應用語音識別技術成熟度與主要瓶頸目前語音識別的技術成熟度較高，已達到95%的準確度。然而，需要指出的是，從95%的準確度到99%的準確度帶來的改變才是質量的飛躍，是人們從偶爾使用語音變到常常使用。百度語音識別算法模型的迭代百度語音識別算法模型的迭代主要瓶頸：別較大，實際應用僅限近距離使用；數消費者尚未形成語音使用習慣。技術簡介應用場景簡介技術成熟度與主要瓶頸市場規(guī)模競爭格局典型公司分析語義識別計算機視覺

語音識別語音識別呼叫中心和在線教育為目前剛需場景，科大訊飛一家獨大3.1.4語音識別市場規(guī)模語音識別作為一種基礎技術，在產業(yè)鏈的多個環(huán)節(jié)都有所涉及，因而市場規(guī)模難以測算。其中，目前已被驗證的真需求的場景有兩個。中國呼叫中心投資規(guī)模

中國在線教育市場規(guī)模140012001000

2014 2015 2016E 2017E

2000投資規(guī)模（億元人民幣）CAGR7%投資規(guī)模（億元人民幣）CAGR7%0

投資規(guī)模（億元人民幣）CAGR15%2014 2015 2016E投資規(guī)模（億元人民幣）CAGR15%來源：Capvision，36氪研究院 來源：Capvision，36氪研究院語音識別國內競爭格局從事語音識別的企業(yè)較多，科大訊飛、百度均為主要的市場參與者。然而，由于該行業(yè)市場規(guī)模在不斷增長，技術仍在不斷迭代，仍有新的存量市場來容納創(chuàng)業(yè)企業(yè)?？拼笥嶏w是我國語音識別領域的重要企業(yè)，占據了44%的市場份額。從其營收來看，一方面，公司總營收增長很快，其2016收為14.6億元，同比增長40.6%；另一方面，公司在教育、政府、汽車、客服等額中國，40.68億44.2%

百度，27.8%

6.8%

Nuance，3.0%來源：Capvision，36氪研究院人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月3.1語音識別技術簡介應用場景簡介市場規(guī)模競爭格局典型公司分析

語義識別語義識別語義識別應用場景廣泛，技術難度高語音識別典型公司分析代表公司成立時間代表公司成立時間融資信息主要客戶主要業(yè)務云知聲2012.062015年底完成了美的、格力、華帝、海信、華為、暴風魔鏡、樂視、通用汽車等專注物聯網的B端市場4769000萬臺接入設備普強科技2010.092016年完成了四維圖新領投的C輪數千萬美元融資運營商、保險、銀行等企業(yè)呼叫中心、汽車廠商提供語音服務思必馳：36氪研究院20082016年年初完成2億元融資易圖、小米、穿戴和機器人4個場景B端市場來源3.2語義識別3.2.1語義識別技術簡介語音識別解決的是計算機“聽得見”的問題，而語義識別解決的是“聽得懂”的問題。自然語言處理（NLP）研究表示語言能力、語言應用的模型，通過建立計算機框架來實現該語言模型，并根據該語言模型來設計各種實用系統(tǒng)。人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月3.1語音識別語義識別技術簡介應用場景簡介典型公司與科研院所計算機視覺

語義識別語義識別背景知識的表達、上下文環(huán)境等技術瓶頸難以突破語義識別應用場景介紹應用場景應用 嵌入式應用應用場景應用嵌入式應用機器翻譯 機器翻譯機器人智能手機車載系統(tǒng)智能家居其他智能終端語義識別典型公司與科研院所科大訊飛科大訊飛出門問問智能360百度典型公司 典型科研院所 斯坦福大學自然語言處理研究小組卡內基梅隆大學語言技術研究院約翰霍普金斯大學語言和語音處理研究組谷歌蘇黎世研究院亞馬遜NLP研究組香港科技大學NLP實驗室

中科院計算機所自然語言處理研究組中科院聲學所語言聲學與內容理解重點實驗室中科院自動化所模式識別重點室百度自然語言處理部中科大人機語音通信研究評測實驗室2.4語義識別技術成熟度與主要瓶頸技術成熟度較低，主要瓶頸在于深度學習并非語義識別最佳解決方案。NLP現在實際的技術困難還是語義的復雜性，包含因果關系和邏輯推理的上下文等，現在解決這些問題的思路主要還是深度學習。深度學習拓展了神經網絡的層次，而且大數據的積累和并行計算的增強則給這種方法奠定了基礎，這也是最近機器學習非?；馃岬脑?。因此基于大數據、并行計算的深度學習將會給NLP帶來長足的進步，但是若想達到人類的這種理解層次，恐怕僅靠這種方法也很難實現。人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月3.1語音識別語義識別技術簡介應用場景簡介市場規(guī)模競爭格局典型公司分析

計算機視覺計算機視覺計算機視覺應用場景廣泛，可用于安防監(jiān)控、無人駕駛、機器人、工業(yè)制造、醫(yī)療、教育等行業(yè)3.3計算機視覺3.3.1計算機視覺技術簡介計算機視覺是指用計算機來模擬人的視覺系統(tǒng)，實現人的視覺功能，以適應、理解外界環(huán)境和控制自身的運動。概括的說，視覺系統(tǒng)主要解決的是物體識別、物體形狀和方位確認以及物體運動判斷這三個問題。而計算機視覺的研究，則是專注于讓機器代替人眼，解決這些問題。從技術流程上看，計算機視覺識別通常需要三個過程：目標檢測、目標識別、行為識別，分別解決了“去背景”、“是什么”、“干什么”的問題。目標檢測 目標識別 行為識別目標檢測目標識別行為識別圖像預處理圖像分割特征提取目標分類判斷匹配圖像預處理圖像分割特征提取目標分類判斷匹配行為識別3.2終端產品開發(fā)底層技術開發(fā)是指通用的計算機視覺，主要解決通用場景的識別問題，包含圖像識別平臺和嵌入式視覺軟件兩類。前者直接提供應用服務，后者需要和硬件進行系統(tǒng)集成后在終端產品中使用。場景應用層作為直接解決具體應用場景的需求，產品的形式可能是應用系統(tǒng)，也可能是軟硬件一體的終端產品或服務。終端產品開發(fā)產品與方案集成 搜索引擎視頻分析門禁監(jiān)視應用系統(tǒng)開發(fā)產品與方案集成搜索引擎視頻分析門禁監(jiān)視應用系統(tǒng)開發(fā)智能工業(yè) ?智能安防智能家居 ? 機器人底層技術開發(fā)底層技術開發(fā)字符識別場景識別物體識別視頻對象提取人像識別表情識別字符識別場景識別物體識別視頻對象提取人像識別表情識別嵌入式視覺軟件圖像識別平臺人工智能行業(yè)研究報告2017年2人工智能行業(yè)研究報告2017年2月3.1語音識別計算機視覺PAGEPAGE36語義識別計算機視覺技術簡介應用場景簡介市場規(guī)模競爭格局典型公司分析

人臉識別、OCR識別較為成熟，安防為其剛需應用市場計算機視覺技術成熟度與主要瓶頸技術成熟度：計算機視覺各細分領域的成熟度相差較大。在生物特征識別領域，如人臉識別、指紋識別、瞳孔識別，技術成熟度高，工業(yè)化程度高，廣泛應用于安防和考勤。在物體和場景識別方面，由于識別的物體種類繁雜，表現形態(tài)多樣，技術成熟度較低?，F階段多數公司著力數據標注。靜態(tài)物體的識別技術較為成熟，動態(tài)圖像的圖像識別難度較大。主要瓶頸：受圖片質量、光照環(huán)境的影響，現有圖像識別技術較難解決圖像殘缺、光線過爆、過暗的圖像。此外，受制于被標記數據的體量和數量，若無大量、優(yōu)質的細分應用場景數據，該特定應用場景的算法迭代很難實現突破。比賽名稱2016年冠軍比賽成績物體探測比賽名稱2016年冠軍比賽成績物體探測CUImage平均準確率66.28%物體定位Trimps-Soushen分類錯誤率2.99%視頻物體識別NUIST平均準確率80.83%場景識別海康威視分類錯誤率9.01%來源：36氪研究院計算機視覺市場規(guī)模計算機視覺作為一種人工智能的基礎技術應用，使用場景多樣，市場潛力巨大。其中，人臉識別和視頻監(jiān)控作為計算機視覺的重要應用領域，2015年市場容量已達十億和百億級別。0

人臉識別市場規(guī)模（億元人民幣）2014 2015 2016E 2017E 2018E 2019E 中國 全球

18001300800300

2012-2018年中國視頻監(jiān)控市場規(guī)模15.3%15.3%26.50%19.40%17.20%14.10%12.60%98911147408674254906202012 2013 2014 2015 2016 2017 2018市場規(guī)模 增長率來源：Capvision，36氪研究院 來源：Capvision，36氪研究院人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月語音識別語義識別計算機視覺技術簡介應用場景簡介市場規(guī)模競爭格局典型公司分析

計算機視覺計算機視覺我國創(chuàng)業(yè)公司人臉識別水平國際領先，智能安防、自動駕駛為計算機視覺公司主攻方向3.3.5計算機視覺競爭格局國內從事計算機視覺領域的公司在2011年后顯著增加，至今熱度不減。據36氪研究院不完全統(tǒng)計，目前國內從事計算機視覺技術的公司有104個。但是，我們也觀測到，不少公司仍在調整公司定位，是做底層技術提供者，還是直接對接某細分領域，提供行業(yè)技術解決方案。大部分公司的商業(yè)化發(fā)展道路仍不明晰。從技術水平來看，國內廠商在人臉識別領域處于國際領先地位。而而綜合各細分領域熱度來看，目前人臉識別是計算機視覺領域的競爭熱點，金融、安防領域的人臉識別為重點布局場景。而此類公司多有未來涉足機器人視覺、無人機視覺領域的計劃。此外，自動駕駛也有創(chuàng)業(yè)公司布局。我們認為，各應用場景的視覺識別技術探索剛剛起步。更多關于各類應用場景的討論參見后續(xù)章節(jié)。計算機視覺識別技術領先廠家計算機視覺識別技術領先廠家曠視科技碼隆科技來源：36氪研究院人工智能行業(yè)研究報告2017年人工智能行業(yè)研究報告2017年2月3.1語音識別語義識別計算機視覺技術簡介應用場景簡介市場規(guī)模競爭格局典型公司分析

計算機視覺計算機視覺典型公司案例分析計算機視覺典型公司分析公司名稱成立時間融資信息核心業(yè)務類別合作企業(yè)未來發(fā)展預期曠視科技（Face++）20112015年獲啟明創(chuàng)投構輪4700資人臉識別機關等將人臉檢測領域做深做覺技術領域商湯科技20142014年獲IDG1000年StarVC金額未公開人臉識別華為、Nvidia銀聯、華為、小米、微博、科大訊飛、宜信等域格靈深曈20132014年獲紅杉資本A輪數千萬美元投資人臉識別北京新天地、中國農業(yè)銀行等做強人臉識別領域，未來可能進軍無人車行業(yè)依圖科技20122016年獲云鋒基金B(yǎng)輪數千萬美元投資人臉識別、車輛識別做強金融和安防領域的人像和車輛識別云從科技2007目前融到A輪人臉識別銀行等域人臉識別飛搜科技來源：362015研究院2016年獲天使輪1000萬人民幣投資人臉識別頻識別移動互聯網，金融，智能硬件集成商等域CHAPTER4 人工智能芯片介紹與典型公司分析

GPUFPGAASIC人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月PAGEPAGE42GPUFPGAASIC芯片產業(yè)鏈分析典型公司分析

人工智能芯片人工智能芯片目前適應深度學習的芯片有GPU、FPGA、ASIC等，GPU集成與制造成熟度高芯片又叫集成電路，按照功能不同可分為很多種，有負責電源電壓輸出控制的，有負責音頻視頻處理的，還有負責復雜運算處理的。算法必須借助芯片才能夠運行，而由于各個芯片在不同場景的計算能力不同，算法的處理速度、能耗也就不同。在人工智能市場高速發(fā)展的今天，人們都在尋找更能讓深度學習算法更快速、更低能耗執(zhí)行的芯片。目前，能夠適應深度學習需要的芯片類型有GPU、FPGA和ASIC等。4.1AI芯片適用性分析4.1.1GPU：適合大規(guī)模并行運算，生產設計成熟度高，未必為人工智能最適用芯片GPU最初是作為應對圖像處理需求而出現的芯片。其特點為擅長大規(guī)模并行運算，可以平行處理大量信息。在人工智能技術發(fā)展早期，因其優(yōu)異的大規(guī)模數據處理能力，GPU被使用在多個項目之中。谷歌的圖像識別項目、AlphaGo項目、特斯拉/沃爾沃等諸多汽車廠商的輔助駕駛系統(tǒng)和無人駕駛實驗中，均使用了GPU作為加速芯片。然而，從芯片底層架構來講，由于GPU并非專為深度學習設計的專業(yè)芯片，未必為人工智能加速硬件的最終答案。目前，GPU的設計和生產均已非常成熟，在集成度和制造工藝上具有優(yōu)勢，因而從成本和性能的平衡來講，是當下人工智能運算的很好選擇。NVIDIAGTX960M/950M系列移動GPU來源：36氪研究院芯片適用性分析GPUFPGAASIC芯片產業(yè)鏈分析典型公司分析

人工智能芯片人工智能芯片FPGA可編程但不適合大規(guī)模生產，ASIC為為后起之秀，確定場景規(guī)模后適用于大量生產4.1.2FPGA：高性能、低功耗的可編程芯片FPGA全稱為「可編輯門陣列」(FieldProgrammableGateArray)，它是一種通用型的芯片，設計更接近于硬件底層的架構，其最大特用戶可以通過燒入FPGA配置文件來實現應用場景的高度定制，進而實現高性能，低功耗。FPGA成本較高，更適用于企業(yè)用戶，尤其是可重配置需求較高的軍事和工業(yè)電子領域（在這些領域可重配置可能真的需要）。此外，百度、微軟、IBM等公司都有專門做FPGA的團隊為服務器加速。CPU,FPGA算法能耗對比算法能耗對比（毫焦）403020100CPU

CPU,FPGA算法性能對比算法性能對比（毫秒）4003002001000CPU FPGA來源：浙商證券，36氪研究院 來源：浙商證券，36氪研究院4.1.3ASIC：后起之秀，AI定制芯片必為趨勢ASIC的全稱為ApplicationSpecificIntegratedCircuits,即專用集成電路，是對應特定應用場景，針對特定用戶需求是的專用類芯片。假如把FPGA比作科研研發(fā)專用芯片，那么ASIC就是確定應用市場后，大量生產的專用芯片?；诖耍瑥S家可以針對特定用戶場景使用FPGA進行研發(fā)，當算法成熟、芯片設計固定后可以以ASIC的方式進行大規(guī)模生產。因此，毫不意外的，作為全定制設計的ASIC芯片，針對適用的應用場景，ASIC的性能和能耗都要優(yōu)于市場上的現有芯片，包括FPGA和GPU。目前，人工智能類ASIC的發(fā)展仍處于早期。其根本原因是，ASIC一旦設計制造完成后電路就固定了，只能微調，無法大改。而硬件的研發(fā)設計與生產成本很高，如果應用場景是否為真市場尚不清晰，企業(yè)很難貿然嘗試。此外，能設計出適用于人工智能芯片的公司必然是要既具備人工智能算法又擅長芯片研發(fā)的公司，進入門檻較高GPUFPGAASIC芯片產業(yè)鏈分析KneronNvidia高通博通聯發(fā)科高通博通聯發(fā)科英偉達賽靈思IC設計上游上游高附加價值低高附加價值低高資本投入效益低

人工智能芯片人工智能芯片芯片上下游分為IC設計、晶圓代工和專業(yè)測封，技術及資本壁壘都較高AI芯片產業(yè)鏈分析下游中游芯片市場依上、中、下游分為IC設計、晶圓代工和專業(yè)封測。在專業(yè)分工的價值鏈中，由與各自于產業(yè)之腦力密集、資本密集與勞力密集的程度不同，所以其人均產值、附加價值以及資本投入效益均有不同。下游中游晶圓代工專業(yè)封測晶圓代工專業(yè)封測臺積電羅格方德聯電臺積電羅格方德聯電三星中芯日月光艾克爾矽品星科金朋紫光AI芯片行業(yè)典型公司分析公司Kneron成立日期2015年11月主要產品1、軟件sdk（覆蓋汽車ADAS系統(tǒng)、人臉識別、物體識別領域，可做到實時識別）；2、芯片IP，可用于物聯網終端裝置，功耗低主要客戶騰訊，華碩，經緯航太及臺灣志伸主要優(yōu)勢優(yōu)秀的硬件IP設計能力可使其在移動端而非云端實現運算加速，且所用加速器滿足低功耗要求未來發(fā)展預期致力于移動端的人工智能軟硬件研發(fā)，重點關注領域有安防、機器人和智能駕駛團隊背景核心團隊來自高通、谷歌、英特爾、三星等；擁有61項專利，7項國際獎項和112篇發(fā)表文章。來源：36氪研究院人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月GPU公司名稱NVIDIA公司名稱NVIDIA（NASDAQ:NVDA)立日期1993年析主營產品包括游戲顯卡GeForceTeslaTegra等主要客戶Baidu、Facebook，Google，IBM等企業(yè)及Oxford，NYU等知名教育機構行業(yè)地位GPU全球行業(yè)龍頭，圖形技術處理器領袖發(fā)展現狀打造平臺，建立包含、、深度感知網絡、RNN以及強化學習網絡等算法的平臺截止2015年，與在深度學習方面展開合作的企業(yè)增至3400多家企業(yè)，年增長率為120%，客戶涉及醫(yī)療、生命科學、能源、金融服務、汽車、制造業(yè)以及娛樂業(yè)等多個領域相關財務數據（單位：百萬美元）財政年度2016.Q12015.Q12014.Q12016.Q22015.Q22014.Q2總營業(yè)收入130511511103142811531103營業(yè)利潤751653604826634619研發(fā)費用346339334350320337研發(fā)占比68%71%74%69%57%74%凈利潤19613413725326128芯片產業(yè)典型公司KneronNvidiaXlinx

人工智能芯片人工智能芯片典型公司分析公司名稱Xilinx(NASDAQ:XLNX)成立日期1984年主營產品ARTIX,KINTEXVIRTEX,ZYNQ等多個系列的FPGA芯片主要客戶不僅有ARM,ADI,Avnet等企業(yè)，也包含Oxford，NYU等知名教育機構行業(yè)地位全球領先的可編程邏輯完整解決方案的供應商發(fā)展前景目前為止不論是28nm、20nm還是16nm節(jié)點的產品，賽靈思的份額都遠大于對手將FPGA的生態(tài)系統(tǒng)建立起來，成為目前幾個最重要的主處理平臺生態(tài)中最具發(fā)展活力又恰是最年輕的一個相關財務數據（單位：百萬美元）財政年度2016.Q12015.Q12014.Q12016.Q22015.Q22014.Q2總營業(yè)收入575 549 613 579527604營業(yè)利潤407389423403369435研發(fā)費用136 127 122 142130138研發(fā)占比62%60%56%63%60%59%凈利潤163 148 174 16412717243 來源：36氪研究院CHAPTER5 人工智能在各行業(yè)的應用分析 機器人人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月PAGEPAGE45機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防AI+家居

機器人機器人機器人可分為工業(yè)機器人、專業(yè)服務機器人和家庭機器人5.1機器人機器人是一種自動化的機器，與其他機器所不同的是，這種機器具備一些與人或生物相似的智能能力，如感知能力、規(guī)劃能力、動作能力和協(xié)同能力，具有高級靈活性。傳統(tǒng)意義上，機器人主要是指具備傳感器、智能控制系統(tǒng)、驅動系統(tǒng)等三個要素的機械。然而，隨著數字化的進展、以及人工智能技術的進步，一些機器人即便沒有驅動系統(tǒng)，也能通過獨立的智能控制系統(tǒng)驅動，來聯網訪問現實世界的各種物體或人類。未來，隨著物聯網的發(fā)展，機器人僅僅通過智能控制系統(tǒng)，就能夠應用于社會的各個場景之中。例如，無人駕駛汽車、智能家電、智能手機等也將成為機器人之一。在這個章節(jié)，我們將討論范圍僅僅限定在傳統(tǒng)意義上的工業(yè)機器人和服務機器人。在其他章節(jié)和報告中，將詳細討論智能家電和智能駕駛。機器人的分類：工業(yè)機器人、專業(yè)服務機器人和家庭機器人按照國際機器人聯盟（IFR）的分類，機器人一般分為工業(yè)機器人和服務機器人，而服務機器人按照應用領域劃分，可分為專業(yè)服務機器人和家庭機器人。機器人分類服務機器人專業(yè)服務機器人 個人服務機器人專業(yè)服務機器人 個人/家庭機器人國防家政醫(yī)療物流農業(yè)娛樂/教育工業(yè)機器人 焊接 鑄造 裝配 沖壓 搬運 噴漆 全球機器人銷售額占比，2015工業(yè)服務機器人64%專業(yè)服務機器人工業(yè)服務機器人64%個人/家庭服務機器人13%

400CAGR10%300CAGR10%2001000

全球機器人市場規(guī)模預測20152016E2017E2018E2019E2020E來源：IFR，36氪研究院 來源：Capvision，36氪研究院機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防AI+家居

機器人機器人工業(yè)機器人增長空間巨大，2020年將超過180億美元5.1.1工業(yè)機器人工業(yè)機器人是指在工業(yè)自動化的應用中，既可以固定又可以以移動形態(tài)存在，可重復編程及自動控制的操作機器。ABB生產的IRB2400機器人注：該機器人用于物料搬運、機械管理和過程應用，是ABB公司推出的應用最廣的工業(yè)機器人之一。來源：ABB官網，36氪研究院市場規(guī)模隨著工業(yè)自動化的推進，人力成本的上升，未來對工業(yè)機器人的需求將繼續(xù)增加，工業(yè)機器人市場規(guī)模不斷增大。據國際機器人聯合會(IFR)統(tǒng)計，2014年全球工業(yè)機器人銷量為22.9萬臺，比2013年增長29％，其中亞洲銷量約占三分之二，中國、韓國、日本、美國和德國五大市場的銷量占全球工業(yè)機器人總銷量的75%左右。BCG咨詢預測，2020年工業(yè)機器人市場規(guī)模將超過180億美元。2010-2014年我國工業(yè)機器人銷量（萬臺，增長百分比）171.1%8171.1%859.1%650.7%5.755.9%1.8%21.50來源：IFR，36氪研究院人工智能行業(yè)研究報告2017人工智能行業(yè)研究報告2017年2月機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防AI+家居

機器人機器人汽車和電氣、電子行業(yè)為工業(yè)機器人主要驅動力市場發(fā)展狀況中國為全球工業(yè)機器人銷量份額最大的國家，2014年約占市場份額的25%不到日本的1/4,2013年日本、韓國、德國機器人保有量分別為30.4萬臺、15.6萬臺、16.8萬臺，且韓國、日本的機器人密度在全球居前兩位。生產的工業(yè)機器人數量較少。其他26%中國其他26%中國26%德國8%韓國15%美國11%日本14%

我國機器人密度遠低于世界平均水平每百萬員工擁有機器人數量500每百萬員工擁有機器人數量4003002001000 來源：IFR，36氪研究院 來源：IFR，36氪研究院應用領域分布工業(yè)機器人廣泛應用于汽車、機械加工、電氣/料、食品、物流等諸多工業(yè)行業(yè)，其中，汽車產業(yè)和電氣/行業(yè)是增長主要驅動力。汽車行業(yè)為工業(yè)機器人的主要應用行業(yè)，占比全行業(yè)的43%，目前增速放緩。電子家電和金屬器械分別占比20%、10%左右。2014年全球工業(yè)機器人應用行業(yè)分布金屬制品10%7%食品加工

電氣/電子行業(yè)21%14%

汽車行業(yè)44%3% 玻璃水泥47 1%PAGEPAGE55機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防AI+家居

機器人機器人產業(yè)鏈構成來源：36氪研究院機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防AI+家居

機器人機器人服務機器人2014年銷售額為60億美元5.1.2服務機器人服務機器人按照其應用領域劃分，主要包括專業(yè)服務機器人和個人/家用服務機器人。專用服務機器人主要包括國防機器人、擠奶機器人、野外機器人、醫(yī)療機器人、物流機器人等；個人/窗戶機器人及娛樂機器人等。市場規(guī)模從201460億美元；其中，專業(yè)機器人收入占比63.1%；家庭服務機器人占比36.9%；從增長潛力來看，IFR預測顯示，2015-2018年，專業(yè)服務機器人銷售量將增加到15.2萬臺，市場規(guī)模上升至196億美元（）。于此同時，家用服務機器人銷量將增加到2590萬臺，市場規(guī)模高達122億美元（2015-2018年加總）。要增長方向。2011—2018年全球服務機器人銷售額（億美元）CAGR≈11%CAGR≈11%290240190

2014年全球服務機器人收入份額個人/家庭服務機器人1409040 注釋：其中2011-2014年數據源自IFR,2015-2018年數據為總的預測數據20 個人/家庭服務機器人銷量（萬臺

專業(yè)服務機器人63%來源：IFR，36氪研究院20 專業(yè)服務機器人銷量（萬臺

37%15 2013 1510 2014 105 2015-2018 5預計總量0 0

201320142015-2018預計總量注釋：其中2011-2014年數據源自IFR,2015-2018年數據為預測數據數據來源：IFR,36氪研究院

注釋：其中2011-2014年數據源自IFR,2015-2018年數據為預測數據數據來源：IFR,36氪研究院機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防AI+家居

機器人機器人醫(yī)療、國防、物流為專業(yè)服務機器人主要增長方向，家庭機器人容易做成智能不足的玩具應用領域分布2014年IFR數據顯示，在專業(yè)服務機器人中，國防機器人占據了比5%、736氪研究院認為，物流、醫(yī)療領域的機器人份額的主導市場力量。在家庭服務機器人中，2014年家政機器人仍占據市場主導，其次為教育、陪伴類的娛樂機器人。未來，隨著機器人行業(yè)技術的不斷提升、人口老齡化趨勢的增強，陪護類機器人的市場份額將不斷提升。2014年個人/家用服務機器人份額 2014年全球專用服務機器人應用領域分布

2%

5%

物流機器人7%28%

其他

國防機器人45%類型應用場景代表廠商家政服務機器人代替人完成家政服務工作，如除草機器人、掃地機器人眾筑機械，科沃斯機器人陪伴類機器人類型應用場景代表廠商家政服務機器人代替人完成家政服務工作，如除草機器人、掃地機器人眾筑機械，科沃斯機器人陪伴類機器人交流，從而與家庭成員互動，如教育機器人、情感陪伴機器人小魚在家，Roboo醫(yī)療機器人協(xié)助人完成醫(yī)療服務，如微創(chuàng)手術機器人能夠輔助醫(yī)生完成手術任務；康復機器人能夠代替醫(yī)生幫助病人做康復理療IntuitiveSurgucal、博實股份物流機器人搬運等動作Kiwa，Effi-BOTDHL國防機器人通過傳感器、物體識別等技術，在特殊環(huán)境下代替軍人執(zhí)行特殊任務的機器人iRobot,波士頓動力來源：36

家政服務機器人70%

野外機器人24%來源：36氪研究院，IFR機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防 操作系統(tǒng) 操作系統(tǒng) 芯片供應商

機器人機器人產業(yè)鏈圖譜產業(yè)鏈圖譜 軟件供應商 軟件供應商 云服務平臺 零部件供應商 零部件供應商 設備制造商 OEM/ODM 源軟件/硬件平臺 源軟件/硬件平臺 來源：易觀智庫，36氪研究院機器人工業(yè)機器人服務機器人AI+金融AI+醫(yī)療AI+安防AI+家居

機器人機器人服務機器人中看好家政服務、醫(yī)療、物流等方向家政服務機器人技術含量相對低，產業(yè)較為成熟家政服務機器人技術含量相對低，產業(yè)較為成熟隨著滲透率的增加，市場規(guī)模將持續(xù)增長家庭陪伴機器人家庭陪伴機器人技術成熟度較低，只能實現較低層次的交互目前主要增速來自大量低端玩具機器人，技術瓶頸仍未突破醫(yī)療機器人醫(yī)療機器人景看好康復類機器人為二類器械，審批時間較短；微創(chuàng)手術類機器人為三類器械，審批需3-5年物流機器人技術成熟度較高，國內應用時成本為最大瓶頸市場前景非常廣闊，未來將大量替代人力，但行業(yè)發(fā)展將大大取決于物流行業(yè)信息系統(tǒng)的標準化、數字化進程來源：36氪研究院機器人AI+金融AI+醫(yī)療AI+安防AI+家居

來源：36

機器人機器人典型案例分析案例分析公司圖靈機器人公司圖靈機器人成立日期2010年7月主要產品1、圖靈機器人操作系統(tǒng)；2、通用軟件服務平臺，提供語音識別、語義識別等軟件算法主要客戶HTC語音助手、NAO機器人、中國電信客服、Microsoft、IBM、海爾、百度主要優(yōu)勢在國內機器人操作系統(tǒng)和技術開發(fā)方面具有優(yōu)勢，已經和主要的硬件廠商建立合作未來發(fā)展預期致力于移動端的人工智能軟硬件研發(fā)，重點關注領域有安防、機器人和智能駕駛手術機器人-IntuitiveSurgucal手術機器人代表公司-IntuitiveSurgical代表公司IntuitiveSurgical（NASDAQ：ISRG)主營產品手術機器人產品特點未來計劃公司可能通過已有病例庫逐漸累積為數據庫，為今后機器學習累積樣本。相關財務數據（單位：萬美元）2016.Q220152014總營業(yè)收入6829023844021370營業(yè)利潤487007400054480研發(fā)費用62601974017800研發(fā)費用占比27%8%8%凈利潤211008480065730來源：36氪研究院機器人工業(yè)機器人服務機器人AI+金融典型企業(yè)圖譜典型企業(yè)分析AI+醫(yī)療安防AI+家居

AI+AI+金融應用場景包括智能投顧、征信、風控、身份驗證、智能客服等5.2AI+金融5.2.1技術與應用場景簡介人工智能在金融領域的應用場景有智能投顧、征信、風險控制、身份驗證、智能客服等，主要采用的方法有機器學習、自然語言處理、知識圖譜、人臉識別等。AI+金融典型應用場景簡介應用領域所用AI技術應用領域所用AI技術應用場景簡介應用成熟度未來發(fā)展預期智能投顧機器學習自然語言處理知識圖譜利用機器學習技術，結合預測算法，可根據歷史經驗和新的市場信