《2017中国人工智能趋势报告》瞎读瞎写

今天翻看微信中的备忘录发现前几天有一个名字不错的文章，应该是概括性的综述了人工智能的发展，拿来随便记录点什么。

原文发表在战略前沿技术微信号上

原文分为六个部分：一 人工智能综述，二 巨头的进击，三 机器视觉技术解读及行业分析，四 智能语音技术，五 自动驾驶行业分析，六 中国人工智能创业投资现状。

 

一

 

人工智能在其诞生62年后的这个时间上再度热火起来，大概是因为两年前AlphaGo击败人类顶尖棋手李世石开始的。能否成为像工业革命和信息革命一样的极大促进生产力的现象还有待历史观察。

 

人工智能到底是什么，众说纷纭。简单来说就是计算机模拟人类智能。但是由于从生物学上和医学上、心理学等角度解释人类智能都模糊不清，所以人工智能发展方向也不明确，延拓的边界也不甚明确。随着生物学医学心理等科学的进步，人工智能也会跟着进步和发展。

 

人工智能按照其智能程度分为三个阶段：弱 强 超级。

弱：说的是人工智能可以基本模仿人类感知，在单一领域达到或超过人类

强：比弱人工智能强在具备感情、认知、推理、思考、抽象等能力，并且有较快的学习能力，可应用在一或多领域

超级：其能力全面且大幅度超过人类，包括在科学创新和社交等领域

现在的人工智能还处于弱人工智能阶段。

 

现在火热的人工智能核心是机器学习。机器学习里面又有普通机器学习和深度学习之分。可以认为特征提取+普通机器学习=深度学习，或者说深度学习将之前工作量较大且具有一定难度的特征提取工作纳入到了机器学习中，使这部分工作自动化了。

 

人工智能产业上下游：基础设施（大数据 半导体芯片 云服务 传感器）应用技术层（计算机视觉算法 自然语言处理算法 语言识别 其他机器学习算法）方案集成（个人助理 无人驾驶 智能金融 智能家居 智能医疗 机器人）

 

二

 

可能这波人工智能的火热和巨头的投入有强烈的联系，毕竟“你看人家谷歌都投入那么多钱了，如果可研和可行都没过的话不可能投入这么多钱”。成立的相关的实验室或者研究院大家耳熟能详谷歌deepmind googleX 微软亚洲研究院 艾伦AI研究院 facebook fair实验室 腾讯优图 阿里达摩院 百度深度学习研究院等等

除了巨头自建的，还有收购，微软谷歌脸书阿里百度腾讯亚马逊因特尔高通都收购了不少人工智能的初创公司

 

相关公司开源的算法：TensorFlow CNTK DMNK DSSTNE Torch ParlAI Paddle Angel （原文没有提像Keras这样的封装）

 

相关芯片的探索也很多，NPU和TPU这类

 

面向消费者的对话机器人：谷歌助手 小冰 小娜 siri alexa facebookM 度秘 小鲸 小蜜

作为智能家居的人机交互入口——音响——是各大公司不可放过的风口。

 

科技巨头的布局：

 

 

三

 

机器视觉由于深度学习的出现，相关比赛的准确度已经从70%跃升到95%+，提升不可谓不大。同时大家的研究比拼的内容从算法扩充到了数据、算力和算法。

 

机器视觉的技术流程大致是图像采集（图像捕获 压缩 存储）目标提取（图像预处理 图像分割）目标识别（特征提取 目标分类）目标分析（模型与行为识别）

 

应用较多的是生物特征识别（面部识别 指纹识别 语音识别）还有光学字符识别（扫描文档 扫描银行卡 物流扫码等）此外物体与场景识别在自动驾驶领域使用频繁，在直播和视频领域对象提取与分析在海量监控分析、疑犯追踪、车牌识别等场景应用良好。

 

相关产业链：芯片（CPU GPU 视频处理器VPU）算法（DNN CNN RNN（原文这里写错了））相关技术（生物特征识别 物体与场景识别 光学字符识别 视频对象提取与分析）终端系统（支付验证 安检 物流 工业检测 监控 医疗影像 无人机 无人驾驶等）

芯片国内起步晚、应用少、技术存在瓶颈，景嘉微JM5400

 

 

 

产业下游，智能制造和消费市场广大。智能制造2025政策利好叠加，再加上国内制造业水平较低，发展潜力巨大。消费领域人脸识别、图片搜索、医疗诊断、无人驾驶、消费升级也将催生更广阔的市场。但是国内企业在机器视觉行业起步较晚，与上游芯片制造商和基础算法公司以及中游技术提供商的差距较大，产品代理商占据先机，导致我国的机器视觉行业发展较慢并有价格战、无序竞争等现象。商业模式大多是技术+场景应用或全产业链生态+场景应用。

 

产业现状：增长中

 

四

 

语音技术在单纯语音识别准确率达到96%以上后转向整体的智能语音交互解决方案。

 

从历史的角度来看人机交互：键盘命令行 鼠标键盘 触屏 声音

 

语音识别技术已经成熟（常用模型DNN LSTM BLSTM双向长短时记忆）

 

语音识别技术的改进方向：远场识别 方言口音

 

机遇：机器翻译和应用于垂直领域的自然语言处理技术

 

产业现状：快速增长中

 

商业模式：提供API接口或者整体解决方案，智能硬件，细分领域（智能客服）

 

五

 

自动驾驶领域有两类阵营：传统汽车厂商和科技公司。传统汽车厂商是在传统汽车基础上叠加人工智能应用，逐步达到最终愿景。科技公司在希望跨越式发展。

 

现有的驾驶辅助系统与无人驾驶系统的目的不一样，驾驶辅助系统可以成为自动驾驶的一个路径，也可以结合人工智能算法和更多的传感器演化成自动驾驶。

 

技术路径：感知（GPS 各种雷达 各种摄像头）识别（道路 标志 行人 车辆）决策（路径规划 车通讯 自动驾驶 运营）执行（制动 转向 加减速 导航 中控 交互）

 

产业链：或呈现金字塔结构 OEM和科技型公司、自动驾驶供应商、零配件供应商。

单目摄像头：国内公司技术差距不大，逐步开始前装，现在后装为主。

双目摄像头：与单目类似。

超声波雷达：主要用于倒车雷达。

激光雷达：对小型目标探测效果较差，对物体边缘和距离探测较好，成本高。

毫米波雷达：主要用于计算距离、方向、角度、大小、相对速度。用于自动巡航、紧急制动避免碰撞等功能。

芯片：主要是国外公司，EyeQ5 BF60X TDA Rcar BlueBox 820A DrivePX等

算法：研发算法需要巨大的财力，且短期内商业化的可能性比较小，相关创业公司寥寥。

地图：高精度地图误差在10厘米时就可以定位车道，结合定位系统和地图信息可以辨识车辆位置并导航。地图已被各大公司垄断，定位服务由北斗系统 GPS Glonass 伽利略 日本定位服务提供。

车联网：车车 车路 车人 车网 车基础设施 相互连接，前装市场由上市公司垄断后装市场由BAT等主要科技公司垄断。苹果carplay 百度carlife 腾讯车联 Mycar 路宝 阿里巴巴智驾 还有路畅 博泰 远特 凯立德 安吉星 九五智驾等参与

市场分析：伴随着辅助驾驶系统的进步，全球智能驾驶市场会在接下来的五年内处于高速渗透期。随着无人驾驶的普及和放量，相关产业链的完善，将在2025-2035进入无人驾驶的黄金十年，年复合增长率预计将达到43%，届时将有接近一亿俩L4等级以上的自动驾驶汽车。

成本：在L4等级的智能驾驶汽车大约在每车3100美元，硬件45%，软件30%，整合14%，外围（联网等基础设施需求花费）11%。再细分成本，占比较大的是传感器、软件功能、控制单元、联网功能与需求。

投资趋势：低成本的激光雷达方案，除特斯拉没有使用激光雷达作为其自动驾驶传感器系统的组成部件，其余自动驾驶厂商的自动驾驶方案传感器部分都包括了激光雷达并扮演重要角色。多传感器融合方案提供商，单目、双目、多目、毫米波、激光传感器各有优劣需要搭配使用，所以融合传感器是趋势。深度学习算法公司和先进辅助驾驶系统开发公司。集成电路与处理芯片。物流等无人驾驶应用。自动驾驶车载集成系统商。

 

六

 

中国创业投资 人工智能 应该是一个很热很热的词了。有报告分析全球人工智能产业年增长率达到56%，BBC预测在2020年全球市场规模将达到千亿元。

企业成立时间：人工智能领域公司成立五年以上的16.8%，三年内成立的48.9%。

行业分布：机器人28.5%，视觉24.1%，金融14.6%，语言语音19%，其余还有安防、医疗、教育。

企业地域：北京占一半，上海、深圳、杭州、广州在之后。

其他情况：超过9成人工智能公司都采用自主研发核心技术的路线，研发人员大多占总人数的5-8成。超6成公司企业没有盈利，超六成公司规模在100人以内。近六成企业的服务对象是B端。一半企业融资情况是A轮。创始人有五成是第一次创业。创始人籍贯按数量北京8.9%、湖南、河南、河北、广东5.2%。

投资人情况：九成投资人在北京办公。海外学历占比五成以上（非人工智能领域投资人海外学历占比2.5成）。八到九成投资人关注天使轮和A轮阶段的企业。关注的方向依次是视觉、机器人、语言处理、金融。七成以上的投资人投了10个以内的项目。近七成投资人单项目投出5千万以内。七成投资人总投资在一亿元以内。投资人较为看重的硬件成本、算法突破、语言处理。九成以上投资人认为中美在人工智能领域存在差距。方案集成商是超七成投资人认为比较容易成功的一类（还有基础技术（算法芯片传感器等）、基础应用（视觉语言语音等））

主要投资机构：创新工场、IDG资本、联想创投集团、启明创投、联想之星、英诺天使基金、真格基金、北极光创投、洪泰基金、源码资本等

 

 

 

现在读完来看，其实这篇文章对于现在的我来说没有什么价值，可能对一个领域外投资人了解这个领域的发展情况会有不少帮助。

 

公司老大又发文了，赶紧学习去了