<div id="ix56d"></div>

    <progress id="ix56d"><tr id="ix56d"></tr></progress>

    <div id="ix56d"></div>

    <div id="ix56d"><tr id="ix56d"></tr></div>

    <em id="ix56d"><ins id="ix56d"><mark id="ix56d"></mark></ins></em>

      <dl id="ix56d"></dl>

          <div id="ix56d"><ol id="ix56d"></ol></div>
          购买

          ¥33.0

          加入VIP
          • 专属下载券
          • 上传内容扩展
          • 资料优先审核
          • 免费资料无限下载

          上传资料

          关闭

          关闭

          关闭

          封号提示

          内容

          首页 36氪 2017人工智能行业研究报告

          36氪 2017人工智能行业研究报告.pdf

          36氪 2017人工智能行业研究报告

          简介:本文档为《36氪 2017人工智能行业研究报告pdf》,可适用于工程科技领域

          氪研究院人工智能行业研究报告Kr人工智能行业研究报告年月定义与研究范围涵盖AI基础技术及终端产品研究范围:人工智能是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现?#29616;?#35782;别、分析、决策等功能均可认为使用了人工智能技术。作为一种基础技术人工智能在很多行业?#21152;?#29992;武之地。既有人工智能基础行业的概念(如人工智能金融=Fintech)也有其具体应用行业的概念(比如机器人)。按照技术应用的不同场景可以将人工智能分为基础技术类及终端产品类本报告研究范围涵盖以下领域:研究目的:本报告将集中?#25945;鄭?人工智能行业整体的发展现状与技术发展趋势?各细分领域?#24230;?#36164;热度与技术成熟度?巨头在人工智能领域的布局与策略?各应用领域市场规模、竞争格局、进入壁垒、产业链上下游构成?行业标杆的商业模式、核心竞争力、未来发展预期语义识别芯片计算机视觉语音识别机器人智能金融智能医疗智能安防智能家居终端产品基础技术注释:自动驾驶行业是AI的一个重要分支关于该领域的研究讨论请参见氪研究院?#30423;?#25253;告《自动驾驶行业研究报告》。行业分析师曹婷caotingkrcom相关研究报告:《自动驾驶行业研究报告》《机器之眼看懂世界:计算机视觉行业研究报告》《科技炼金融汇未来:金融科技行业研究报告》目录Contents一、人工智能行业驱动力行业驱动mdashmdash数据量、运算力、算法技术政策法规投资热度国际投资热度分析国内投资热度分析国内公司运营数据分析二、人工智能产业链与巨?#20961;?#23616;分析产业链构成巨?#20961;?#23616;开源?#25945;?#24067;?#20013;?#29255;布局技术布局一、人工智能行业概述三、人工智能基础应用介绍与典型公司分析语音识别语义识别计算机视觉目录Contents五、人工智能在各行业的应用介绍与典型公司分析机器人AI金融AI医疗AI安防AI家居六、人工智能芯片介绍与典型公司分析六、人工智能行业趋势展望人工智能各行业综述人工智能当前发展瓶颈四、人工智能芯片介绍与典型公司分析人工智能芯片适用性分析GPUFPGAASIC人工智能芯片产业链分析人工智能芯片典型公司分析人工智能行业概述CHAPTERbull行业驱动mdashmdash数据量、运算力、算法技术bull政策法规bull投资热度国际投资热度分析国内投资热度分析国内公司运营数据分析Kr人工智能行业研究报告年月数据量、运算力和算法模型是影响人工智能行业发展的三大要素。年之后数据量的上涨、运算力的提升和深度学习算法的出现极大的促进了人工智能行业的发展。bull海量数据为人工智能发展提供燃料要理解数据量的重要性得先从算法说起。数据量和算法可以分别比作人工智能的燃料和发动机。算法是计算机基于所?#30423;?#30340;数据集归纳出的识别逻辑好的算法模型可以实现精准的物体和场景识别。数据集的丰富?#38498;?#22823;规模性对算法?#30423;?#23588;为重要。因此可?#36816;?#23454;现机器精准视觉识别的第一步就是获取海量而优质的应用场景数据。以人脸识别为例?#30423;犯?#31639;法模型的?#35745;?#25968;据量至少应为百万级别。年以来得益于互联网、社交?#25945;濉?#31227;动设备和廉价的传感器这个世界产生并存储的数据量?#26412;?#22686;加这为通过深度学习的方法来?#30423;?#35745;算机视觉技术提供很好的土?#39304;DC数据显示从年起全球所产生的数据量已达到ZB级别(ZB约为亿GB)海量的数据将为计算机视觉算法模型提供?#23545;?#19981;断的素材。而关于数据量对提高算法准确率方面的重要性更有学者提出:ldquoItrsquosnotwhohasthebestalgorithmthatwinsItrsquoswhohasthemostdatardquo行业驱动力middot数据量海量数据为人工智能发展提供燃料大数据?#30423;?#27169;型应用于具体场景算法模型场景应用来源:IDC氪研究院数据量与准确率之间的关系年全球总体数据量(单位:ZB)准确率测试字符数量WindowMemoryBasedPerceptronNaiumlveBayes?#24471;鰨簑indow、memorybased、perceptron、naivebayes均为不同算法来源:Stanford机器学习公开课氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月人工智能领域是一个数据密集的领域传统的数据处理技术难?#26376;?#36275;高强?#21462;?#22823;数据的处理需求。AI芯片的出现让大规模的数据效率大大提升加速了深层神经网络的?#30423;?#36845;代速度极大的促进了人工智能行业的发展。AI算法的处理需要大量的矩阵计算操作因此特别适合使用并行运算芯片进行数据处理。而传统的CPU一次只能同时做一两个加减法运算无法满足并行运算的需求。目前出现了GPU、NPU、FPGA和各种各样的AIPU专用芯片。而其中出现最早的GPU为人工智能的发展做出了巨大的贡献。?#36152;?#24182;行计算的GPU大幅提升机器学习效率。在GPU出现之前算法运行的速度是很慢的即使是一个简单的神经网络数据的培训也?#27809;?#36153;几天、甚至几周的时间。年Nvidia公司在推销Geforce芯片时提出了GPU(图像处理器)概念。GPU是专为执行复杂的数学和集合计算而设计的数据处理芯片。它的出现让并行计算成为可能对数据处理规模、数据运算速度带来了指数级的增长极大的促进人工智能行业尤其计算机视觉领域的发展。GPU?#27690;?#32479;CPU相比在处理海量数据方面有压倒性的优势。据RajatRaina与吴恩达的合作论文ldquo用GPU进行大规模无监督深度学习rdquo显示在运行大规模无监督深度学习模型时使用GPU和使用传统双核CPU在运算速度上的差距最大会达到近七十倍。在一个四层一亿个?#38382;?#30340;深度学习网络上使用GPU将程序运行时间从几周?#26723;?#21040;一天。今天数据处理速度不再成为制?#25216;?#31639;机视觉发展的主要瓶颈。想要发挥专用芯片的计算优势需要芯片结?#36141;?#36719;件算法两者相匹配。目前的趋势是随着对人工智能各类应用需求的不断增强专门用于加速人工智能应用的AIPU或将成为计算机另一个标配组件。行业驱动middot运算力运算力的提升大幅推动人工智能发展世界上第一款GPUGeForce中科寒武?#22270;?#23558;投产的ldquo寒武纪rdquoNPUAltera的高端FPGA产品Stratix行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月在深度学习出现之前机器学习领域的主流是各?#26234;?#23618;学习算法如神经网络的反响传播算法(BP算法)、支撑向量机(SVM)、Boosting、LogisticRegression等。这些算法的局限性在于对有限样本和计算单元的情况下对复杂函数的表示能力有限对复杂数据的处理受到制约。以计算机视觉为例作为一个数据复杂的领域浅层学习算法的识别准确率并不高。该类识别原理多为通过寻找合适的特征来让机器辨识物品状态由于这个处理逻辑是浅层的不能穷举各种复杂的情境因而算法拟合的准确率不高。深度学习突破人工智能算法瓶颈。年GeoffreyHinton和合作者发表论文ldquoAfastalgorithmfordeepbeliefnetsrdquo此后ldquoDeepLearning(深度学习)rdquo的概念被提出。以计算机视觉为例深度学习出现之前基于寻找合适的特征来让机器辨识物体状态的方式几乎代表了计算机视觉的全部。尽管对多层神经网络的探索已经存在然而实践效果并不好。深度学习出现之后计算机视觉的主要识别方式发生重大转变自学习状态成为视觉识别主流。即机器从海量数据库里自行归纳物体特征然后按照该特征规律识别物体。图像识别的精准度也得到极大的提升从提升到。在短短几年时间里深度学习颠覆了语音识别、语义理解、计算机视觉等基础应用领域的算法设计思?#20998;?#28176;形成了从一类?#30423;?#25968;据出发经过一个端到端的模型直接输出最终结果的一种模式。由于深度学习是根据提供给它的大量的实际行为(?#30423;?#25968;据集)来自?#19994;?#25972;规则中的?#38382;?#36827;而调整规则因此在和?#30423;?#25968;据集类似的场景下可以做出一些很准确的判断。行业驱动力middot算法深度学习突破人工智能算法瓶颈年ImageNet比赛图像识别准确?#39318;?#37322;:ImageNet是计算机视觉系统识别项目。来源:氪研究院过去现在未来Googletranslate语义识别准确率hellip注释:Googletranslate是语义识别项目。来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月bull其他国家人工智能相关政策各国均在政策层面强调和推动人工智能的发展。其中美国侧重于研发新型脑研究技术欧盟主攻以超级计算机技术来模拟脑功能日本则聚焦以动物为模型研究各种脑功能和?#32422;?#30149;的机理。政策法规middot国外政策加码人工智能发展如火如荼国家相关措施美国bull年月美国正式公布ldquo?#24179;?#21019;新神经技术脑研究计划rdquo(BRAIN)。得到政府拨款亿美元覆盖美国国家卫生研究院(HIN)、国防部高级研究项目局、国家科学基金会。bull年HIN小组制定了未来十年详细计划预计每年投入亿美元开发用于监测和?#25104;?#22823;脑活动和结构的新工具十年计划共花费亿美元。欧盟年初欧盟宣布了未来十年的ldquo新?#20284;?#33328;技术项目rdquomdashmdash人脑计划(HBP)该项目汇聚了来自个国?#19994;?#23478;企业、研究所和高校等机构总投资预计将达到亿欧元。计划在年前开发出第一个具有意识和智能的人造大脑日本年月启动大脑研究计划BrainMINDS。该计划为期年由日本理化学研究所主导实施旨在理解大脑如何工作以及通过建立动物模型研究大脑神经回路技术从而更好地诊断以及治疗大?#32422;?#30149;。来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月bull国内人工智能相关政策国内近几年也出台了相关扶植人工智能发展的政策积极推动人工智能在各个细分领域的渗透。年月国家四?#35838;?#26356;是颁布《ldquo互联网rdquo人工智能三年行动实施方案》明确提出要培育发展人工智能新兴产业、?#24179;?#37325;点领域智能产品创新、提升终端产品智能化水?#20581;?#25919;策法规middot国内政策加码人工智能发展如火如荼来源:氪研究院实施时间颁布主体法律法规相关内容国务院《中国制造》提出ldquo加快发展智能制造装备和产品rdquo指出ldquo组织研发具有深度感知、智慧决策、自动执行功能的高档数控机?#30149;?#24037;业机器人、增材制造装备等智能制造装备以及智能化生产线统筹布局和推动智能交通工具、智能工程机械、服务机器人、智能?#19994;紜?#26234;能照明电器、可穿戴设备等产品研发和产业化。rdquo国务院《国务院关于积极?#24179;鴏dquo互联网rdquo行动的指?#23478;?#35265;》明确提出人工智能作为个重点布局的领域之一促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用。中央办公厅、国务院《关于加?#21487;?#20250;治安防控体?#21040;?#35774;的意见》加大公共?#36393;?#35270;频监控覆盖将社会治安防控信息化纳入智慧城市建设总体规划加深大数据、云计算和智能传感等新技术的应用。国务院《ldquo十三五rdquo国家科技创新规划》智能制造和机器人成为ldquo科技创新项目rdquo重大工程之一。国务院《国民经济和社会发展第十三个五年规划纲要(草案)》人工智能概念进入ldquo十三五rdquo重大工程。国家发展改革委、科技部、工业和信息化部、中央网信办《ldquo互联网rdquo人工智能三年行动实施方案》明确了要培育发展人工智能新兴产业、?#24179;?#37325;点领域智能产品创新、提升终端产品智能化水平并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月bull融资规模与成立公司数量总览咨询公司VentureScanner统计截止年Q全球人工智能公司已突破家跨越个子门类融资金额高达亿美元。而人工智能创投金额在年间增长了倍。投资热度middot全球全球AI领域融资金额年增长倍$$$$$$$$$$$$$$$$$$$$$$,$$$$$$,$,QQ全球人工智能行业融资规模(百万美元)投资额成交量年成立的人工智能公司数量来源:VentureScanner氪研究院来源:VentureScanner氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月bull人工智能在各细分领域的热度应用场景扩展方面机器学习、计算机视觉、自然语?#28304;?#29702;、智能机器人、手势控制是应用范围较为广泛的几个领域。bull机器学习是一类通用的技术广泛应用于广告、?#25945;濉?#28040;费等行业并且需求不断增?#28216;?#26469;还将快速渗入医疗、制造、金融、教育业对众多传统行业形成巨大冲击。bull计算机视觉和自然语?#28304;?#29702;作为主要的感知技术应用范围很广。计算机视觉主要用于安防监控系?#22330;?#26080;人驾驶、机器人、工业制造、医药、教育和娱乐业等。自然语?#28304;?#29702;可用于穿戴设备、智能家居、智能汽车、智能教育、智能金融等领域。投资热度middot全球深度学习、自然语?#28304;?#29702;和计算机视觉为创业最火热领域细分领域名称活跃创新企业数量创新企业平均年龄融资总额(亿元)深度学习机器学习(通用)深度学习机器学习(应用)自然语?#28304;?#29702;(通用)语音识别计算机视觉图像识别(通用)计算机视觉图像识别(应用)手势控制虚拟私人助手智能机器人推荐引擎和协助过滤算法情境感知计算语音翻译视?#30340;?#23481;自动识别人工智能企业平均融资额前五名平均融资额(百万美元)人工智能企业最为ldquo年轻rdquo五个领域年龄中位数来源:VentureScanner氪研究院来源:VentureScanner氪研究院来源:VentureScanner氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月国内人工智能投资热度:bull成立公司数量从年至今国内至今仍在运营的人工智能公司有家。通过数据分析可以看出计算机视觉、机器人、自然语?#28304;?#29702;是创业最热门的领域。bull获投金额?#28216;?#20204;收集到的数据来看年人工智能领域获投金额在亿人民?#26131;?#21491;。由于我们的统计是基于已经披露了被投金额的交易?#19994;?#20010;公司是按照最近一次获投金额计算?#25910;?#19968;数值将小于该领域获投规模仅供参考。可以看?#20132;?#25237;最多的细分领域有自然语?#28304;?#29702;、机器人、计算机视觉均在十亿以上人民?#19994;?#32423;别。投资热度middot国内获投最多领域为NLP、机器人和计算机视觉人工智能公司获投金额各领域人工智能公司数量注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月bull获投公司数量?#28216;?#20204;收集到的数据来看年人工智能领域获投公司数量为个平均单个公司获投金额为万人民?#26131;?#21491;。由于我们的统计是基于已经披露了被投金额的交易故获投公司数量将小于真实?#21040;?#20379;参考。可以看?#20132;?#25237;公司数量最多的细分领域有机器人、自然语?#28304;?#29702;、计算机视觉基本和获投金额一致。bull平均获投金额分析通过数据分析可以看到智能安?#39304;?#26234;能家居为平均单个公司获投金额最高的领域平均获投金额在一亿以上。智能安防领域的获投企业均是人工智能领域的明星企业如旷视科技、商汤科技等。投资热度middot国内平均单个公司获投金额为万人工智能公司获投公司数量(单位:个)平均单个公司获投金额(单位?#21644;?#20803;)注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月bull获投比例分析从获投公司数量来看机器人、计算机视觉、自然语?#28304;?#29702;是获投公司数量(即披露了融资信息的公司)最多的领域分别为个个个占到该领域公司的一半以上从对比图来看智能金融、深度学习、智能医疗、智能家居、智能安防为获投比例最高的领域。bull获投公司融资轮次分布通过数据分析可以看?#20132;?#25237;公司融资轮次整体偏中期公司融资阶段集中在天使轮、PreA轮和A轮C?#31181;?#21518;的公司较少。投资热度middot国内获投公司偏早期C轮后公司较少各领域公司获投情况(单位:个)未披?#24230;?#36164;信息披?#24230;?#36164;信息注释:年数据统计截止至来源:氪研究院种子轮天使轮PreA轮A轮B轮C轮D轮E轮并购获投公司融资轮次分布注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月bull各领域获投公司融资轮次分布?#28216;?#20204;收集到的数据来看机器人、计算机视觉、智能驾驶、自然语?#28304;?#29702;是获投公司数量最多的四个领域分析这四个领域创业公司的融资轮次特点可以看到机器人和计算机视觉的获投企业中处于天使轮的最多而智能驾驶和自然语?#28304;?#29702;的获投企业中A轮企业最多这四个领域获投企业中B轮企业均占据一定比例智能驾驶、自然语?#28304;?#29702;的投资更趋于中后期。bull融资Top公司获投金额?#21644;?#36164;热度middot国内明星公司单次融资额在亿元级别公司名称成立年份融资轮次人民币融资数额公司名称成立年份融资轮次人民币融资数额优必选B轮亿猿题库D轮亿Roobo智能管家A轮亿中译语通B轮亿云知声B轮亿百融金服B轮亿学?#36291;鼴轮亿达闼科技种子轮亿旷视科技(Face)C轮亿公子小白A轮亿机器人计算机视觉智能驾驶自然语?#28304;?#29702;各领域公司获投公司融资阶段分布天使轮PreA轮E轮D轮C轮B轮A轮注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月公司运营状况分析年后AI创业兴起、迎来创业高峰bull各细分领域公司数量分析从年至今国内至今仍在运营的人工智能公司有家。机器人、计算机视觉、自然语?#28304;?#29702;是创业热度最高的领域。bull人工智能总体领域公司成立时间分析?#28216;?#20204;收集到的数据来看年人工智能领域在年之后迎来了创业热潮在、年达到创业高峰企业平均年龄为岁。人工智能公?#23616;?#24180;成立数量人工智能公司获投公司数量(单位:个)注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月公司运营状况分析智能安?#39304;?#35745;算机视觉公司平均成立年龄最久bull各领域创业公司平均年龄通过数据分析可以看到智能安?#39304;?#35745;算机视觉领域的创业公司年龄最大智能金融、芯片领域的公司大部分成立时间不久。bull机器人领域公司成立时间分析机器人领域至今仍在运营的创业公司最早在年出现在、年迎来创业高潮与人工智能整体领域趋势基本一致创业公司平均年龄为岁。机器人公?#23616;?#24180;成立数量各领域创业公司平均年龄注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月计算机视觉公?#23616;?#24180;成立数量公司运营状况分析CV、NLP企业平均年龄为岁bull计算机视觉领域公司成立时间分析计算机视觉领域至今仍在运营的创业公司最早在年出现在年之后快速增长、年迎来创业高潮与人工智能整体领域趋势基本一致创业公司平均年龄在岁。bull自然语?#28304;?#29702;领域公司成立时间分析自然语?#28304;?#29702;领域至今仍在运营的创业公司最早在年出现在年之后快速增长年迎来创业高潮与人工智能整体领域趋势基本一致企业平均年龄为岁。注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院自然语?#28304;?#29702;公?#23616;?#24180;成立数量行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月深度学习领域公?#23616;?#24180;成立数量智能驾?#36824;局?#24180;成立数量公司运营状况分析自动驾驶领域年迎来创业热潮bull自动驾驶领域公司成立时间分析自动驾驶领域至今仍在运营的创业公司最早在年出现在年之前增长?#27973;?#32531;慢年迎来创业高潮与人工智能整体领域趋势基本一致创业公司平均年龄为岁。bull深度学习领域公司成立时间分析深度学习领域至今仍在运营的创业公司最早在年出?#32456;?#19982;深度学习实现突破的时间点一致创业热潮出现在年企业平均年龄为岁。注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月?#26412;?#24066;上海市深圳市浙江省广东省江苏省四川省陕西省福建省?#24189;?#30465;湖?#31508;?#36797;宁省天津市?#19981;?#30465;贵州省黑龙江省吉林省各地区人工智能公司数量公司运营状况分析?#26412;?#22320;区为AI公司创业集中地占总体bull总体创业公司地理分布从家人工智能创业公司的分布来看?#26412;┦小?#19978;海?#23567;?#28145;圳市是公司数量最多的三个地区。其中?#26412;?#22320;区的创业公司数量遥遥领先占到总体的。bull机器人创业公司地理分布从?#19968;?#22120;人创业公司的分布来看?#26412;┦小?#19978;海?#23567;?#28145;圳市?#36291;?#26159;公司数量最多的三个地区。其中?#26412;?#22320;区的创业公司数量遥遥领先占到总体的三分之一左右。注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院各地区机器人公司数量行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月?#26412;?#24066;上海市广东省江苏省深圳市四川省浙江省湖?#31508;?#21508;地区自然语?#28304;?#29702;公司数量?#26412;?#24066;深圳市上海市浙江省广东省江苏省四川省?#24189;?#30465;陕西省福建省湖?#31508;?#36797;宁省各地区计算机视觉公司数量公司运营状况分析CV、NLP公司?#26412;?#21019;业热情高bull计算机视觉创业公司地理分布从家计算机视觉创业公司的分布来看?#26412;┦小?#19978;海?#23567;?#28145;圳市是仍是公司数量最多的三个地区。其中?#26412;?#22320;区的创业公司数量遥遥领先占到总体的。bull自然语?#28304;?#29702;创业公司地理分布从家自然语?#28304;?#29702;创业公司的分布来看?#26412;┦小?#19978;海市是公司数量最多的三个地区。其中?#26412;?#22320;区的创业公司数量仍是最高占到总体将近一半。注释:年数据统计截止至来源:氪研究院注释:年数据统计截止至来源:氪研究院行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析Kr人工智能行业研究报告年月?#26412;?#24066;上海市陕西省深圳市浙江省各地区深度学习公司数量公司运营状况分析?#26412;┦小?#24191;东省为自动驾驶创业集中地bull深度学?#25353;?#19994;公司地理分布从家深度学?#25353;?#19994;公司的分布来看?#26412;?#24066;是公司数量最多的三个地区占到总体的由于大部分深度学习公司按照所应用的行业已计入其他细分领域故此部分数据分析趋?#24179;?#20379;参考。bull自动驾驶创业公司地理分布从家智能驾驶创业公司的分布来看?#26412;┦小?#24191;东省为公司数量最多的两个地区分别为个、个。对于智能驾驶领域更详细的数据分析请参见同?#30423;?#26234;能汽车行研报告。注释:年数据统计截止至此处深圳市不计入广东省创业数量。来源:氪研究院注释:年数据统计截止至来源:氪研究院?#26412;?#24066;广东省江苏省上海市深圳市浙江省吉林省各地区深度学习智能驾?#36824;?#21496;数量行业驱动数据量运算力算法技术政策法规投资热度全球投资热度国内投资热度国内公司运营数据分析产业链与巨?#20961;?#23616;分析CHAPTERbull产业链构成分析bull巨?#20961;?#23616;分析开源?#25945;?#24067;?#20013;?#29255;布局技术布局Kr人工智能行业研究报告年月产业链构成分析产业链可分为基础支撑层、技术应用层和方案集成层从产业链来看人工智能可以分为技术支撑层、基础应用层和产品层。技术支撑层主要由算法模型(软件)和关键硬件(AI芯片、传感器)两部分构成。传感器负责收集数据AI芯片(GPU,FPGA,NPU等)负责运算算法模型负责?#30423;?#25968;据。基础应用层主要由感知类技术和其他深度学习应用构成。感知技术主要用于让机器完成对外部世界的探测即看懂世界、听懂、读懂世界由计算机视觉、语音识别、语义识别一并构成是人工智能产品或方案不可或缺的重要部分。唯有看懂、听懂、读懂才能够做出分析判断进而采取行动让更复杂层面的智慧决策、自主行动成为可能。方案集成为集成了一类或多类基础应用技术的面向应用场景特定需求的产品或方案。人工智能作为一类技术应用在多种多样的应用场景中而在各类产品中人工智能的比重或有区别但其本?#35782;?#26159;让机器更好的服务于我们的生产和生活。人工智能产业链自然语?#28304;?#29702;计算机视觉语音识别智慧?#19994;?#26234;慧工业关键硬件算法模型路径规划GPUNPU传感器深度学习(CNN、RNN等)CPU基础应用技术产品技术支撑层基础应用层方案集成层来源:氪研究院产业链构成分析巨?#20961;?#23616;分析开源?#25945;?#24067;?#20013;?#29255;布局技术布局Kr人工智能行业研究报告年月随着AlphaGo将AI带入人们的视野AI逐渐被人们认为是下一个ldquo互联网rdquo类颠覆行业的技术。看重AI技术带来的巨大市场潜力科技巨头们纷纷布局人工智能产业链具体来讲有三种方式打造AI开源?#25945;ā?#24067;局AI芯片、布局AI核心技术。从产业链的角度来讲无论是开源?#25945;ˋI芯片还是AI核心技术都是偏产业链上游的基础设施。()打造人工智能开源?#25945;ˋI开源?#25945;?#26159;一个深度学习的工具箱用户可以在其开放的?#25945;?#19978;使用其算法系统获取开源代码。自从深度学习取得突破性进展?#38498;?#24040;头们频频开?#30784;?#20854;根本原因在于尽管算法是竞争的一个?#20064;?#20294;数据和应用场景的甄别才是真正的山头。当AI公司们使用开源?#25945;?#36827;行算法的迭代时开源?#25945;?#21487;以获取数据以及市场对应用场景热度的反馈。大量的创业公司会采用开源做垂直领域的业务并?#28304;?#39564;证最终返回到开源在算法被优化的同时?#25945;?#20063;可以通过用户行为的反馈甄别哪些是更有市场潜力的应用场景。巨?#20961;?#23616;巨?#21453;?#36896;开源?#25945;ā?#24067;局AI芯片和核心技术来源:氪研究院公?#31350;?#28304;时间开源?#25945;?#21517;称简介GoogleTensorflow谷歌第二代联机版人工智能深度学习系统能同时支持多台服务器。FacebookTorchnet深度学习函式库Torch的框架旨在鼓励程序代码再利用及模块化编程。MicrosoftDMTK一个将机器学习算法应用在大数据上的工具包。IBMSystemML使用Java编写可实现三大功能:定制算法、多个执行模式、自动优化。YahooCaffeOnSpark结合深度学习框架和大规模数据处理系统从而更方便地处理多个服务器的内容。AmazonDSSTNE能同时支?#33267;?#20010;图形处理器(GPU)参与运算的深度学习系统百度PaddlePaddle对?#29575;址浅?#21451;好的并行分布式深度学习?#25945;?#21487;以使用更少的代码实现相同的功能TeslaOpenAI一套更专注于开发和对比强化学习(RL)算法的深度学习系?#22330;?#31185;技巨头纷?#29366;?#36896;AI开源?#25945;?#20135;业链构成分析巨?#20961;?#23616;分析开源?#25945;?#24067;?#20013;?#29255;布局技术布局Kr人工智能行业研究报告年月()布局人工智能芯片人工智能芯片作为人工智能行业的重要底层架构其战略重要性不能强调更多。芯片行业虽然已?#34892;?#19994;巨头NVIDIA和Intel且技术壁垒极高但由于行业目前AI运算仍以GPU为主并未出现大规模应用的人工智能定制类芯片Google、IBM、乃至国内的中科院都在积极布局探索。()布局人工智能核心技术巨头们自身成立人工智能研究院?#24515;?#20154;才的同时也在积极参股、并购拥有先进技术的AI公司。巨?#20961;?#23616;巨?#21453;?#36896;开源?#25945;ā?#24067;局AI芯片和核心技术公司发布时间A?#23578;?#29255;名称简介GoogleTPU专为其深度学习算法TensorFlow设计的专用集成芯片。Intel预计年XeonPhi能快速计算并根据概率和联系做决策其设计将为计算带来更多的浮点性能。NVIDIA特斯拉PGPU目前世界上最大的芯片可以执行深度学习神经网络任务运算速度极快。IBMTrueNorth在不借助云计算基础设施的情况下让移动计算机以极低能耗运行先进机器智能软件。中科院预计年寒武纪专门面向深度学习技术设计的处理器芯片。MicrosoftFPGA可以执行Bing的机器学习算法的FPGA同时也是Azure和Office的ldquo内芯rdquo。科技巨头的AI芯片布局来源:氪研究院产业链构成分析巨?#20961;?#23616;分析开源?#25945;?#24067;?#20013;?#29255;布局技术布局Kr人工智能行业研究报告年月科技巨头的AI技术布局巨?#20961;?#23616;巨?#21453;?#36896;开源?#25945;ā?#24067;局AI芯片和核心技术公司简介Googlebull年月收购初创公司DNNresearch将深度学习鼻祖GeoffreyHinton招入麾下bull年月连续收购Schaft、IndustrialPerception等?#19968;?#22120;人公司bull年月收购人工智能初创企业DeepMind收购智能家居制作商Nestbull年月收购智能家居中枢控制设备公司Revolv积极布局智能家居和物联网领域bull年月与强生旗下子公司爱惜康(Ethicon)进行战?#38498;?#20316;研发机器人辅助手术?#25945;╞ull年月投资德国人工智能研究?#34892;腄FKIIBMbull年月与纽约基因?#34892;模∟YGC)合作利用超级计算机的运算能力加速脑癌研究bull年月收购初创公司AlchemyAPI把AlchemyAPI的深度学习技术整合利用bull年月与科大讯飞正式建立战?#38498;?#20316;致力于在?#29616;?#35745;算算法、?#30772;教?#26550;构等层面合作与希尔顿全球合作试验?#39057;?#19994;机器人礼宾员Microsoftbull年月与海尔达成战?#38498;?#20316;共同推动智能家居发展与invigr悦型合作推出情?#34892;?#20154;工智能营养师Facebookbull年月收购语音识别及机器翻译公司MobileTechnologies帮助公司从?#35745;?#35782;别拓展到语音识别领域bull年月收购语音指令创业公司WitAI帮助Messenger创建语音输入模式腾讯bull年月投资人工智能初创公司Diffbotbull年月投资初创公司ScaledInference这家公司提供中立?#25945;?#26469;解决不同需求方关于人工智能的各种问题bull年月投资智能可穿戴公司真时科技百度bull年月与宝马正式签署合作协议共同研发自动化驾驶技术bull年月投资金融科技公司ZestFinance可以更加精确地评?#26469;?#27454;对象bull年月投资激光?#29366;?#20844;司VelodyneLiDAR阿里巴巴bull年月联合富士康向日本软银(SoftBank)旗下的机器人公司SBRH战略注资来源:氪研究院产业链构成分析巨?#20961;?#23616;分析开源?#25945;?#24067;?#20013;?#29255;布局技术布局人工智能基础应用介绍与典型公司分析CHAPTERbull语音识别bull语义识别bull计算机视觉Kr人工智能行业研究报告年月目前人工智能基础技术主要为感知类技术。因为机器唯有探测到、看懂、听懂、读懂这个世界才能更进一步的分析、预测。感知类技术包括计算机视觉、语音识别、自然语?#28304;?#29702;。?#36865;?#25105;们将深度学习技术也纳入到基础技术层的范围的原因是因为很多未能归类到感知类的技术?#19981;?#20316;为一种基础应用出现在各种应用场景如推理与归纳。从产业链的角度讲基础层的技术可以作为核心技术直接应用于终端产品中也可以仅作为一种感知类技术集成于产品?#23567;?#22914;语音识别既可以作为一种产品来解决演讲录音电子化的产品也可以作为机器人人机交互必不可少的核心技术。语音识别语音识别技术简介语音识别是将语音转换为文本的技术是自然语?#28304;?#29702;的一个分支。通过特征提取、模式匹配将语音信号变为文本或命令以实现让机器识别和理解语音。基础技术分类语音、语义识别和计算机视觉帮助机器感知这个世界计算机视觉语义识别深度学习语音识别技术成熟度投资热度人脸识别较为成熟物体与场景识别仍在探索很高整体较为成熟但背景噪音?#38405;?#35299;决?#32454;?#39640;很高技术?#28304;?#25552;升规则场景的语义识别较为成熟涵盖多类人工智能基础应用仍在发展识别结果语音语言学知识数据挖掘技术信号处理技术统计建模方法?#30423;?#35821;音语言数据库语音语言模型解码后台前台特征提取降噪端点检测语音信号语音识别技术简介应用场景简介技术成熟度与主要瓶颈市场规模竞争格?#20540;?#22411;公司分析语义识别计算机视觉Kr人工智能行业研究报告年月语音识别应用场景简介按照应用场景的不同可?#28304;?#33268;分为三类bull电信级系统应用:以自动语音服务的?#38382;?#29992;在各行业的企业自动语音服务?#34892;?#20855;体的场景包括电话银行、股票交易、金融产品?#22836;?#30005;子商务、旅游服务等bull嵌入式应用:以基础应用的?#38382;?#38598;成在各类终端产品中如机器人、手机、车载系统等bull特殊应用:主要为?#36393;?#37096;门提供声纹识别应用方案用于自动身份辨认。语音识别技术成熟度与主要瓶颈目前语音识别的技术成熟度?#32454;?#24050;达到的?#26082;范取?#28982;而需要指出的是从的?#26082;范?#21040;的?#26082;范?#24102;来的改变才是质量的飞跃是人们?#20248;级?#20351;用语音变到常常使用。主要瓶?#20445;篵ull语音交互受背景噪音、语速等多重因素影响不同场景识别率差别较大实?#35270;?#29992;仅限近距离使用bull语音交互成为下一个搜索引擎方式的主要阻碍是消费者习惯多数消费者尚未形成语音使用习惯。语音识别语音识别整体成熟度高但背景噪音?#38405;?#35299;决bull电话银行bull股票交易bull金融产品?#22836;ull电子商务bull旅游服务bull机器人bull智能手机bull车载系统bull智能家居bull其他智能终端bull身份辨认bull案件侦破bull国家?#36393;?#30005;信级系统应用嵌入式应用特殊应用百度语音识别算法模型的迭代语音识别技术简介应用场景简介技术成熟度与主要瓶颈市场规模竞争格?#20540;?#22411;公司分析语义识别计算机视觉Kr人工智能行业研究报告年月语音识别市场规模语音识别作为一种基础技术在产业链的多个?#26041;詼加?#25152;涉及因而市场规模难以测算。其中目前已被验证的真需求的场景有两个:呼叫?#34892;?#21644;在线教育市场规模的估算逻辑来自人力成本的替代。语音识别国内竞争格局从事语音识别的企业较多科大讯飞、百度均为主要的市场参与者。然而由于该行业市场规模在不断增长技术仍在不?#31995;?#20195;?#26434;行?#30340;存量市场来容纳创业企业。科大讯飞是我国语音识别领域的重要企业占据了的市场份额。从其营收来看一方面公司总营收增长很快其年半年营收为亿元同比增长另一方面公司在教育、政府、汽车、?#22836;?#31561;行业的收入增速显著。语音识别呼叫?#34892;?#21644;在线教育为目前刚需场景科大讯飞一家?#26469;驟EE中国呼叫?#34892;?#25237;资规模投资规模(亿元人民币)EEE中国在线教育市场规模投资规模(亿元人民币)CAGRCAGR来源:Capvision氪研究院来源:Capvision氪研究院中国亿科大讯飞百度?#36824;鸑uance国内语音识别市场份额来源:Capvision氪研究院语音识别技术简介应用场景简介技术成熟度与主要瓶颈市场规模竞争格?#20540;?#22411;公司分析语义识别计算机视觉Kr人工智能行业研究报告年月语音识别典型公司分析语义识别语义识别技术简介语音识别解决的是计算机ldquo听得见rdquo的问题而语义识别解决的是ldquo听得懂rdquo的问题。自然语?#28304;?#29702;(NLP)研究表示语言能力、语言应用的模型通过建立计算机框架来实现该语言模型并根据该语言模型来设计各种实用系?#22330;?#35821;义识别语义识别应用场景广泛技术难度高代表公司成立时间融资信息主要客户主要业务云知声年底完成了B轮数千万美金融资美的、格力、华帝、海信、华为、暴风魔镜、乐视、通用汽车等bull布局智能家居、智能车载、智能医疗、智能教育四个领域bull专注物联网的B端市场bull语音服务覆盖了个城市万台接入设备?#28072;?#31185;技年完成了四维图新领投的C轮数千万美元融资运营商、保险、银行等企业呼叫?#34892;摹?#27773;?#20826;?#21830;bull针?#38498;?#21483;?#34892;?#24320;发语音分析系统支?#26234;?#25253;分析将语音转换文字bull进军汽车人机交互领域为车载盒子提供语音服务?#24613;?#39536;年年初完成亿元融资小鹏汽车、奇点汽车、易图、小米、bull专注智能车载设备智能家居智能穿戴和机器人个场景bull积极布局物联网B端市场来源:氪研究院语音识别技术简介应用场景简介技术成熟度与主要瓶颈市场规模竞争格?#20540;?#22411;公司分析Kr人工智能行业研究报告年月语义识别应用场景介绍语义识别典型公司与科研院所语义识别技术成熟度与主要瓶颈技术成熟度?#31995;?#20027;要瓶颈在于深度学?#23433;?#38750;语义识别最佳解决方案。NLP现在实际的技术困难还是语义的复?#26377;?#21253;含因果关系和逻辑推理的上下文等现在解决这些问题的思?#20998;?#35201;还是深度学习。深度学习拓展了神经网络的层次而且大数据的积累和并行计算的增强则给这种方法奠定了基础这也是最近机器学习?#27973;?#28779;热的原因。因此基于大数据、并行计算的深度学习将会给NLP带来长足的进步但是若?#27690;?#21040;人类的这种理解层次恐怕仅靠这种方法也很难实现。语义识别背景知识的表达、上下文环境等技术瓶颈难以突破bull机器翻译bull舆情分析bull机器人bull智能手机bull车载系统bull智能家居bull其他智能终端应用场景应用嵌入式应用科大讯飞出门问问智能百?#20154;?#22374;福大学自然语?#28304;?#29702;研究小组卡内基梅隆大学语言技术研究院约?#19981;?#26222;金斯大学语?#38498;?#35821;音处理研究组谷歌苏黎世研究院亚马逊NLP研究组香港科技大学NLP实验室中科院计算机所自然语?#28304;?#29702;研究组中科院声学所语言声学与内容理解重点实验室中科院自动化所模式识别重点室百度自然语?#28304;?#29702;部中科大人机语音通信研究评测实验?#19994;?#22411;公司典型科研院所语音识别语义识别技术简介应用场景简介典型公司与科研院所技术成熟度与主要瓶颈计算机视觉Kr人工智能行业研究报告年月计算机视觉计算机视觉技术简介计算机视觉是指用计算机来模拟人的视觉系统实现人的视觉功能以?#35270;Α?#29702;解外界环境和控制自身的运动。概括的说视觉系统主要解决的是物体识别、物体形状和方位确认以及物体运动判断这三个问题。而计算机视觉的研究则是专注于让机器代替人眼解决这些问题。从技术流程上看计算机视觉识别通常需要三个过程:目标检测、目标识别、行为识别分别解决了ldquo去背景rdquo、ldquo是什么rdquo、ldquo干什么rdquo的问题。计算机视觉应用场景简介底层技术开发是指通用的计算机视觉主要解决通用场景的识别问题包含图像识别?#25945;?#21644;嵌入式视觉软件两类。前者直接提供应用服务后者需要和硬件进行系统集成后在终端产品中使用。场景应用层作为直接解决具体应用场景的需求产品的?#38382;?#21487;能是应用系统也可能是软硬件一体的终端产品或服务。计算机视觉计算机视觉应用场景广泛可用于安防监控、无人驾驶、机器人、工业制造、医疗、教育等行业目标检测目标识别行为识别bull图像预处理bull图像分割bull特征提取bull目标分类bull判断匹配bull模型建立bull行为识别底层技术开发bull人像识别bull表情识别图像识别?#25945;?#23884;入式视觉软件bull字符识别bull场景识别bull物体识别bull视频对象提取应用系统开发终端产品开发bull门禁bull监视bull搜索引擎bull视频分析bull智能工业bull智能家居bull智能安防bull机器人产品与方案集成来源:氪研究院语音识别语义识别计算机视觉技术简介应用场景简介技术成熟度与主要瓶颈市场规模竞争格?#20540;?#22411;公司分析Kr人工智能行业研究报告年月计算机视觉技术成熟度与主要瓶颈技术成熟度:计算机视觉各细分领域的成熟?#35748;?#24046;较大。在生物特征识别领域如人脸识别、指纹识别、瞳?#36164;?#21035;技术成熟度高工业化程度高广泛应用于安防和考勤。在物体和场景识别方面由于识别的物体种类繁杂表现形态多样技术成熟度?#31995;汀?#29616;阶段多数公司着力数据标注。静态物体的识别技术较为成熟动态图像的图像识别难度较大。主要瓶?#20445;?#21463;?#35745;?#36136;量、光照环境的影响现有图像识别技术较难解

          用户评价(0)

          关闭

          新课改视野下建构高中语文教学实验成果报告(32KB)

          抱?#31119;?#31215;分不足下载失败,请?#38498;?#20877;试!

          提示

          试读已结束,如需要继续阅读或者下载,敬请购买!

          评分:

          /74

          ¥33.0

          立即购买

          VIP

          免费
          邮箱

          澳门银座时时彩平台

            <div id="ix56d"></div>

            <progress id="ix56d"><tr id="ix56d"></tr></progress>

            <div id="ix56d"></div>

            <div id="ix56d"><tr id="ix56d"></tr></div>

            <em id="ix56d"><ins id="ix56d"><mark id="ix56d"></mark></ins></em>

              <dl id="ix56d"></dl>

                  <div id="ix56d"><ol id="ix56d"></ol></div>

                    <div id="ix56d"></div>

                    <progress id="ix56d"><tr id="ix56d"></tr></progress>

                    <div id="ix56d"></div>

                    <div id="ix56d"><tr id="ix56d"></tr></div>

                    <em id="ix56d"><ins id="ix56d"><mark id="ix56d"></mark></ins></em>

                      <dl id="ix56d"></dl>

                          <div id="ix56d"><ol id="ix56d"></ol></div>