1703 UseitEditor
2016-1-20 09:15 電腦版 
艾瑞：2015年中國人工智慧應用市場研究報告.pdf(2016-1-20 08:59 上傳)
2.1 MB, 下載次數: 94
艾瑞《2015年中國人工智慧應用市場研究報告》目錄：一、人工智慧發展現狀分析
人工智慧概況
人工智慧國內發展情況
二、人工智慧應用現狀分析三、人工智慧前景及市場機會分析
2015年中國人工智慧應用市場研究報告
定義：用計算機實現目前必須藉助人類智慧才能實現的任務什麼是人工智慧？人工智慧(Artificial Intelligence)：用機器去實現所有目前必須藉助人類智慧才能實現的任務。
狹義人工智慧定義指基於人工智慧演算法和技術進行研發及拓展應用的企業。 本報告第一部分內容圍繞狹義人工智慧展開。
廣義人工智慧定義指包括計算、數據資源、人工智慧演算法和計算研究、應用構建在內的產業。本報告第二、三部分內容圍繞廣義人工智慧展開。
發展歷程：兩起兩落，正經歷第三次高潮人工智慧發展歷程：
1955 達特茅斯會議標誌著AI的誕生
1957 羅森布拉特發明第一款神經網路Perceptron，將人工智慧推向第一個高峰
1970 計算能力突破沒能使機器完成大規模數據訓練和複雜任務，AI進入第一個低谷
1982 霍普菲爾德神經網路被提出
1986 BP演算法出現使得大規模神經網路的訓練成為可能，將AI推向第二個黃金期
1990 人工智慧計算機DARPA沒能實現，政府投入縮減，AI進入第二次低谷
2006 Hinton提出「深度學習」神經網路使得人工智慧性能獲得突破性進展
2013 深度學習演算法在語音和視覺識別上取得成功，識別率分別超過99%和95%， 進入感知智能時代
要素：演算法是核心，計算、數據是基礎演算法的地位：實現人工智慧的核心方法是演算法，工程學方法和模擬法是人工智慧提升的兩個途徑；演算法的發展現狀：目前認知層演算法尚未突破。演算法：實現核心：機器通過演算法實現人工智慧突破方向：認知智能是下一個突破方向突破途徑：人工智慧突破主要通過演算法性能的提升，主要有工程學法和模擬法方法一：工程學方法 （Engineering Approach） 採用傳統的編程技術，利用大量數據處理經驗改進提升演算法性能。方法二：模擬法（Modeling Approach）模仿人類或其他生物所用的方法或機理，提升演算法性能，例如遺傳演算法和神經網路。計算能力：現狀：使用GPU並行計算神經網路作用：提升運算速度，降低計算成本未來：量子計算、速度更快的晶元數據：現狀：互聯網發展積累了一定數據作用：訓練機器，提升演算法性能未來：物聯網發展帶來環境、行為等全面數據
路徑：基於計算機、互聯網等發展，在數據應用環節突破
價值：提升效率，解放勞動力階段：人工智慧分為計算智能、感知智能、認知智能三個階段；價值：機器代替或輔助人類完成任務，能夠有效地解放勞動力，提升效率。
中國人工智慧發展環境：較多利好因素，基礎條件已經具備政策和資金的支持、人才儲備、技術的積累和突破已為人工智慧的發展提供了基礎條件；未來仍需要更多政策支持、技術突破促進人工智慧的發展和成熟。
國內狀況：部分技術已達國際水平，巨頭創業公司表現活躍中國的視覺、語音識別的技術處於國際領先水平；百度、騰訊、阿里等巨頭均在人工智慧領域發力，曠視科技等創業企業也獲得大量融資，表現活躍。大批巨頭和創業公司在該領域發力：百度：
2014年研發投入接近70億
推出度秘等AI產品
成立無人駕駛事業部
阿里：
開放中國首個人工智慧計算平台DTPAI
推出阿里客服機器人平台
騰訊：
推出撰稿機器人Dreamwriter
開放視覺識別平台騰訊優圖
成立騰訊智能計算與搜索實驗室
產業結構：人工智慧生態分為基礎、技術、應用三層
中國人工智慧產業全景圖
人機交互方式變遷發展概覽現在：交互形式：鍵盤、滑鼠或觸控，人的指令需轉化為機器語言；人機關係：人是命令主體，主動操控方；未來：交互形式：人類的語言、視覺及動作或者腦電波；人機關係：平行關係，各為主體。
服務模式變遷概覽應用模式：由執行式服務向互動式服務轉變現在：機器只能執行人類指令提供單向服務未來：將在人機交互方面取得突破，產生持續性、個性化服務。
感知智能應用發展階段應用發展階段：當前尚處於試點階段，已有企業切入實驗室：重點針對演算法的訓練和研究；試點：大企業切入，出現試點應用；推廣：推廣到大中型企業應用，雲端資源集中計算；普及：實現分散式計算，普及到個人在具體細分場景下的應用。
目前典型應用場景-智能硬體、機器人人工智慧通過對數據的理解、計算、學習實現決策並執行，推動智能硬體向自主階段發展。
目前典型應用場景-虛擬場景人工智慧可以應用到虛擬場景上，通過改變呈現及互動方式，可以應用到各個行業。
目前典型應用場景-安防人工智慧應用於安防，主要在城市安全、金融安全及個人安全三個方面。
目前典型應用場景-虛擬服務人工智慧應用於虛擬服務，主要改變了服務溝通方式及後台數據的分析方式，從而提高效率，可以應用在多個行業。
目前典型應用場景-商業智能（BI）人工智慧應用於商業智能，主要改善了商業智能在挖掘數據過程。
人工智慧應用想像
企業應用切入點：大企業偏底層切入，創業企業偏上層應用自下而上切入：大企業從底層基礎切入，研究核心演算法；從中間切入：從中間相關的語音、視覺識別等技術切入到教育、安防交通等各個領域；自上而下切入：從上層應用場景切入發展產品或服務。
國內人工智慧主要企業一覽
企業競爭優勢分析根據企業在技術和應用兩個維度情況評價，得出企業的競爭優勢，並將企業分為技術優勢、應用優勢、雙向發展三個類型。
典型企業—百度
基礎資源積累+深度學習是百度的核心；
基礎資源和核心技術：以雲服務形式開發+基於技術開發應用商業化；
百度提出「百度大腦計劃」將對人工智慧技術進行全面研究。
典型企業—科大訊飛
科大訊飛是以技術研發為核心的公司，目前以語音識別等人工智慧技術為核心，構建技術開發平台，開發人工智慧應用；
訊飛未來戰略依舊以技術研發為核心，提出「訊飛大腦計劃」，從感知智能向認知智能發展。
典型企業—優必選
優必選的核心是基於運動控制等技術實現AI基礎開發、生產機器人；
未來將以機器人為載體，接入服務打造機器人生態。
典型企業—羽扇智（出門問問）羽扇智針對用戶需求，利用人工智慧技術開發個人助手應用，向用戶提供類似私人助理的服務體驗。
典型企業—曠視科技
曠視科技是以機器視覺技術研發為核心的創業公司，公司基於技術開放雲服務和視覺技術應用開發實現商業化；
曠視科技未來戰略方向依舊是機器視覺技術的研發，期望實現讓機器「看」懂世界。
行業前景：認知智能突破尚不明朗仿生學派的深度學習神經網路加上工程學派的數據、計算的積累提升實現了感知智能的突破；認知智能演算法尚未突破，僅靠工程學派難以實現，認知智能實現前景尚不明朗。
行業前景：基礎條件具備，感知智能發展普及還需5~10年應用化技術、全面完善的數據、高性能晶元還需發展，感知智能技術應用普及還需要5~10年。
機會：短期著眼應用開發，長期致力技術研究
應用發展基於技術，應用周期較短，技術周期較長；
目前條件具備，應用開發將是短期機會；
認知層的技術突破和基礎資源積累依然是長期重點。
市場規模：2020年全球市場規模超千億，中國約91億人工智慧市場將保持高速增長，2020年全球AI市場規模約為1190億人民幣，中國約為91億。
投資情況分析：人工智慧逐漸受到機構重視2014年開始，人工智慧領域投資金額、數量、參與投資機構數量均大幅增加。
細分領域分析：應用企業獲投多，技術領域機器視覺創業多國內獲得投資的人工智慧企業72%屬於應用類企業；從技術領域看，機器視覺領域的公司佔了一半以上。
附：國內主要創業公司清單
附：國內其他創業公司清單
附：國內其他創業公司清單
2015年度 , 艾瑞 , 智能設備 , 人工智慧 , 研究報告
推薦閱讀：
※王朝的歸宿——中國皇陵最後的輝煌
※他剛當上主席，就要和中國幹了件大事 引各國關注！
※冬季的東三省這麼好玩，你知道嗎？
※全球國防科技美國第一日本第四：中國排名讓人大跌眼鏡
※直擊中國最強避暑勝地 除了它誰敢認第一（圖）
TAG:中國 | 市場 | 人工智慧 | 中國人 | 市場研究 | 研究報告 | 智慧 | 2015年 | 報告 | 研究 | 2015 | 應用市場 | 人工 |
