人工智能行业研究报告样本.docx
《人工智能行业研究报告样本.docx》由会员分享,可在线阅读,更多相关《人工智能行业研究报告样本.docx(36页珍藏版)》请在咨信网上搜索。
1、概要人工智能是信息时代尖端技术。从人类建立起需要指引控制才干运营计算机,到计算机拥有可以自己去学习能力,这一奔腾对各行各业都产生了巨大影响。虽然此时此刻也许是下一种 AI 冬季(图8)到来之前予以承诺又让人失望周期,但这些投资和新技术至少会给咱们带来有形机器学习生产力经济利益。与此同步,人工智能、机器人和无人驾驶汽车已经成为了流行文化甚至是政治话语前沿。并且咱们在过去一年研究使咱们相信这不是一种错误开始,而是一种拐点。正如咱们将在本报告中探讨那样,这个变化因素有显而易见(更快更强计算资源和爆炸式增长数据库),也有细致入微(深度学习,专有硬件和开源崛起)。这个 AI 拐点(AI inflecti
2、on)中更令人兴奋一种方面是现实世界使用案例比比皆是。虽然深度学习使计算机视觉和自然语言解决等技术有了明显提高,例如苹果公司 Siri,亚马逊 Alexa 和 Google 图像辨认,但是 AI 不但仅是科技技术(tech for tech),也就是大数据集与足够强大技术相结合状况下,价值正在被慢慢创立,竞争优势也变得越来越明显。例如,在医疗保健中,图像辨认技术可以提高癌症诊断精确性。在农业中,农民和种子生产商可以运用深度学习技术来提高作物产量。在制药业中,深度学习可以用于改进药物研发。在能源方面,勘探效率正在提高,设备可用性正在不断增强。在金融服务方面,通过开辟新数据集,实现更快分析,从而减
3、少成本,提高回报。AI 当前还处在发现其可被运用场景初期阶段,这些必要技术会通过基于云服务实现大众化、平等化,咱们相信随之而来创新浪潮将在每个行业中创造新赢家和输家。AI 广泛应用让咱们得出了一种结论:它是一种可以变革全球经济技术,是提高生产力并结束美国生产率停滞增长驱动力。结合 GS 首席经济学家 Jan Hatzius 研究,咱们明确了资本深化当前停滞及其对美国生产率有关影响。咱们相信,AI 技术将会驱动生产力提高,就像 20 世纪 90 年代那样,驱动公司投资更多资本和劳动密集型项目,加快发展脚步,提高赚钱能力以及提高股票估值。启示虽然咱们看到了人工智能可以及时地影响到每个公司、行业和一
4、某些经济,但对投资者而言,咱们以为这其中有四个影响最为明显。生产率。AI 和机器学习具备激发生产率增长周期潜力,这会有助于经济增长,提高公司赚钱能力,资本回报率和资产估值。依照 GS 首席经济学家 Jan Hatzius 所说:大体上而言,AI 看起来似乎比上一次创新浪潮更有也许在记录数据中捕获到更有价值东西,人工智能可以减少成本,减少对高附加值生产类型劳动投入。举个例子,这些在商业部门成本节约上创新也许比在 iPhone 中增长应用程序可用性和多用性更利于记录学家去捕获有价值东西。考虑人工智能对商业部门成本构造广泛影响,我有理由相信它会被记录学家接受,并且会出当前整体生产力数据中。尖端技术。
5、AI 和机器学习在速度上价值有助于构建一种在建设数据中心和网络服务时让硬件更便宜趋势。咱们以为这也许推动硬件,软件和服务支出市场份额大幅度变化。例如,在原则数据中心计算资源上运营 AWS 工作负载成本低至 $ 0.0065 /小时,而在使用 AI 优化过 GPU 上运营成本为 0.900 美元一小时。竞争优势。咱们看到了 AI 和机器学习具备重新调节每个行业竞争秩序潜力。未能投资和运用这些技术管理团队在和受益于战略智能公司竞争时,有很大也许会被裁减掉,由于这些技术可以让公司生产力提高,并为它们创造资本效益。在第 41 页开始短文中,咱们将研究这些竞争优势是如何在医疗保健、能源、零售、金融和农业
6、等领域发展起来。开办新公司。咱们发现了 150 多家在过去十年中创立人工智能和机器学习公司(附录 69-75)。虽然咱们相信人工智能大某些价值都掌握在具备资源、数据和投资能力大公司手中,但咱们也盼望风险投资家、公司家和技术专家可以继续推动新公司创立,从而增进实质性创新和价值创造,虽然最后创业公司会被收购。固然咱们也不能忽视人工智能巨头(人工智能领域google或 Facebook)浮现。在接下来篇幅中,咱们将进一步探讨 AI 技术,历史,机器学习生态系统以及这些技术在行业和领头公司中应用。什么是人工智能?人工智能是做出可以以人类智能方式学习并解决问题智能机器和计算机程序理工科。老式而言,该领域
7、涉及自然语言解决与翻译、视觉感知与模式辨认,以及决策制定。但该领域以及应用复杂度都在急剧扩展。在此报告中,咱们大某些分析集中在机器学习(人工智能一种分支)与深度学习(机器学习分支)上。咱们强调两点:简言之,机器学习是从样本和经验(即数据集)中进行学习算法,而不是依托硬编码和预先定义规则。换言之,也就是开发者不再告诉程序如何区别苹果和橘子,而是向算法输入数据(训练),然后自己学习如何区别苹果和橘子。深度学习重大发展是人工智能拐点背后重要驱动。深度学习是机器学习一种子集。在大某些老式机器学习办法中,特性(即有预测性输入或属性)由人来设计。特性工程是一大瓶颈,需要大量专业知识。在无监督学习中,重要特
8、性并非由人预定义,而是由算法学习并创造。为了更加明了,咱们不注重真人工智能、强人工智能或通用人工智能这样概念,它们意味着复制人类智能,也经常出当前流行文化中。虽然已有了某些有潜力突破,例如google DeepMind AlphaGo 系统,咱们还是更注重及时有实在经济人工智能发展。为什么人工智能发展加速?深度学习能力极大发展是如今人工智能拐点背后催化剂之一。深度学习底层技术框架神经网络,已经存在了数十年,但过去 5 到 10 年 3 种东西变化了深度学习:1. 数据。随着全球设备、机器和系统连接,大量无构造数据被创造出来。神经网络有了更多数据,就变得更为有效,也就是说随着数据量增长,机器学习
9、可以解决问题也增长。手机、IoT 、低成本数据存储和解决(云)技术成熟使得可用数据集大小、构造均有了极大增长。例如,特斯拉收集了 780mn 英里驾驶数据,并且通过她们互连汽车,每 10 小时就能增长 100 万英里数据。此外,Jasper 有一种平台,能让多家汽车制造商和电信公司进行机器间交流,这家公司于今年 2 月份被 Cisco 收购。Verizon 在 8 月份做了类似投资,宣布收购 Fleetmatics,Fleetmatics 做是将汽车上远程传感器通过无线网络连接到云软件。将来,5G 网络上线将会加速数据生成与传播速率。据 IDC Digital Universe Report
10、显示,年度数据生成预期到 年达到 44zettabytes,表白咱们正在见证应用这些技术使用案例。图 1:年度数据生成预期到 年达到 44zettabytes2. 更快硬件。GPU 再次使用、低成本计算能力普遍化,特别是通过云服务,以及建立新神经网络模型,已经极大增长了神经网络产生成果速度与精确率。GPU 和并行架构要比老式基于数据中心架构 CPU 能更快训练机器学习系统。通过使用图像芯片,网络能更快迭代,能在短期内进行更精确训练。同步,特制硅发展,例如微软和百度使用 FPGA,可以用训练出深度学习系统做更快推断。此外,从 1993 年开始超级计算机原计算能力有了极大发展(图 2)。在 年,单
11、张英伟达游戏显卡就有了类似于 年之前最强大超级计算机拥有计算能力。图 2:全球超级计算机原计算性能,以 GFLOPs 测试成本也有了极大减少。英伟达 GPU(GTX 1080)有 9 TFLOPS 性能,只要 700 美元,意味着每 GFLOPS 只要 8 美分。在 1961 年,串够 IBM 1620s 每提供 1 GFLOPS 需要钱超过 9 万亿。图 3:每单位计算价格有了极大下降3. 更好、更普遍可用算法。更好输入(计算和数据)使得更多研发是面向算法,从而支持深度学习使用。例如伯克利 Caffe、google TensorFlow 和 Torch 这样开源框架。例如,刚开源一周年 Te
12、nsorFlow,成为了 GitHub 上有最多 forked repositories 框架。虽然不是所有人工智能发生于普遍可用开源框架中,但开源的确在加速发展,并且也有更多先进工具正在开源。方向虽然本报告重点是人工智能发展方向以及公司如何把握这个方向,但是理解人工智能对咱们生活影响限度也是很重要。在线搜索。就在一年多此前,google透露,它们已经开始将大量搜索工作移植到了 RankBrain(一种人工智能系统),使其和链接(links)以及内容(content)成为了google搜索算法三个最重要标志。推荐引擎。Netflix,亚马逊 和 Pandora 都在使用人工智能来拟定推荐什么样
13、电影和歌曲,突出哪些产品。5 月,亚马逊开源了它们深度可扩展稀疏传感网络引擎(the Deep Scalable Sparse Tensor Network Engine(DSSTNE),简称Destiny),它被用于产品推荐,同步可以被扩展以实现超越语言和语言理解以及异议辨认目。人脸辨认。Google(FaceNet)和 Facebook(DeepFace)都投入了大量技术来拟定您照片中人脸和真实人脸是不是几乎完全吻合。1 月,苹果采用了进一步办法,购买了 Emotient(一种致力于通过读取人面部表情来拟定其情绪状态 AI 创业公司)显然,这些技术远远不止于对照片进行标记。虽然个人助理应用
14、产品有无数顾客,例如苹果 Siri,信用贷,保险风险评估,甚至天气预测。在接下来篇幅中,咱们探讨公司该如何使用这些技术来加速增长,减少成本和控制风险。从这些技术及其使用这些技术应用发展速度来看,它们充其量但是可觉得公司和投资者提供某些方向,以保持她们竞争力。加强将来生产率美国劳动生产率在 90 年代中期迅速增长和过去十年缓慢增长和之后,近年来已经停止增长了。咱们以为,就像 20 世纪 90 年代互联网技术被广泛采用那样,消费类机器学习和人工智能扩散有也许大幅度地变化全球产业生产范式。在整个行业中,咱们发当前自动化促使下,劳动时间减少了约 0.5-1.5,同步,由于 AI / ML 技术带来效率
15、增益,到 2025 年,这些技术将对生产力增长产生高达 51-1154 个基点(bps)影响。虽然咱们盼望 AI / ML 可以随着时间同步提高生产率分母和分子,但是咱们以为最重要是,初期影响将是低工资任务自动化,即以更少劳动时间推动类似产出增长水平。咱们基本案例 AI / ML 驱动提高了 97 个基点,这意味着 2025 年增长生产率中 1.61 将由 IT 贡献,比 1995 - 年高出 11 个基点(图 9,10)。图 9:生产力分析;单位百万美元,假设 年之后 GDP 线性增长生态系统:云服务,开源在将来 AI 投资周期中核心受益人咱们相信,在将来几年中,一种公司运用人工智能技术能力
16、将成为体现公司在所有重要行业竞争力一种属性。虽然战略会因公司规模和行业而有所不同,但如果管理团队不会把重心放在领导人工智能和在此基本上利益上,那么将来产品创新、劳动效率和资本杠杆都会存在落后风险。因而,咱们以为公司需要投资这些新技术以保持竞争力,同步这将导致对人工智能因此依赖人才、服务和硬件空前需求。作为比较,20 世纪 90 年代技术驱动生产力繁华推动了相应激增。增长对技术资本支出导致了新公司和业务增长来捕获这些资本支出。在不可避免行业整合发生之前,成立软件、硬件和网络公司开始发生转变。下图 13 突出了软件行业内这种模式。在 1995 - 1999 年期间,在通货膨胀调节后,市值在 20
17、亿美元到 50 亿美元之间公共软件公司数量几乎增长了两倍,在 年代中期才得到巩固。图 13:随着 20 世纪 90 年代生产力激增驱动者生态系统(enabler ecosystem)图 14:这十年来,投资人工智能风险资本浮现了暴增咱们看到了由 AI 驱动生产率具备产生下一种相似繁华周期潜力,可以通过运用这些潜力,把软件、硬件、数据和服务提供商作为商业投资来创造价值。如上图 14 所反映那样,与 AI 有关初创公司风险投资在这十年中急剧增长。AI 公司投资繁华现象巨大潜力也开始推动整合。特别是云平台对 AI 有关人才进行了大量投入,自 年以来,google、亚马逊、微软和 Salesforce
18、 共进行了 17 项与 AI 有关收购(下图)。在上下文中对 AI 和 ML 技术发展和历史技术周期比较中,咱们看到了前者某些益处。与过去 50 年其她重要技术周期同样,计算(和摩尔定律)始终是进步抑制剂和推动者。例如,在系统架构方面,咱们目睹了从大型机系统转变为客户端-服务器模型整个过程,并且近年来已经开始被云/移动模式所取代。这种进化驱动因素是计算能力、存储容量和带宽改进。每个转换都随着着应用开发转变,涉及各种新编程语言浮现和演变(见图表 15)和各种也许应用程序各种类型。如上下文中所提及同样,AI 这个概念已经存在几十年了,其中神经网络概念出当前 20 世纪 60 年代,虽然直到近来几年
19、,计算能力才开始让神经网络能在实际环境中使用。咱们相信咱们正处在 AI 平台初期阶段,就犹如 20 世纪 50 年代大型机才开始商业化到 21 世纪智能手机和云商业化。随着平台曲线变化(咱们以为它正在发生),应用程序、工具和服务驱动者(enabler)会爆炸式增长,咱们将在下面更详细地讨论。图 15:人工智能发展可以与历史上系统架构和编程语言采用技术革命相比,尽管咱们以为咱们当前依然处在人工智能发展和应用初期阶段stack 演变过程以及和 AI 之间相应关系蓝色 =专有供应商,橙色 =开源,绿色 =云服务(注意:某些供应商,如 IBM 和 Microsoft 都是专有服务和云服务)图 17:生
20、产中机器学习:如何在机器学习管道中运用各种开源和云技术图 18:机器学习管道中核心开源项目。可用项目支持公司和风险投资图表 20:人工智能即服务(AI-as-a-Service(AI-aaS)概览:机器学习 API 正在被开发以解决水平和垂直使用案例图表 21:水平 AI-aaS 产品和定价:来自云平台 AI-aaS 产品示例中华人民共和国人工智能现状iResearch 预测, 年,中华人民共和国人工智能市场将从 年 12 亿人民币增长至 91 亿人民币。 年,约 14 亿资本(年增长率 76%)流入了中华人民共和国人工智能市场。在政府政策方面,中华人民共和国国家发展改革委员会(发改委)和其她
21、有关政府机构于 年 5 月 18 日发布了互联网+人工智能三年行动实行方案。方案指出了人工智能领域发展六大保障办法,涉及资金支持、原则体系、知识产权保护、人才培养、国际合伙和组织实行。方案提出,到 年,中华人民共和国人工智能基本资源与创新平台、产业体系、创新服务体系、原则化体系应基本建立。发改委盼望中华人民共和国人工智能产业整体与国际同步,系统级别(system-level)人工智能技术和应用要位于市场领先位置。中华人民共和国已经做出某些重大举措,并且依照提及深度学习和深度神经网络被引用期刊论文数量, 年,中华人民共和国已经超越美国(Exhibit 23)。中华人民共和国拥有世界领先语音和视觉
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 行业 研究 报告 样本
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【二***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【二***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。