智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
明基環(huán)保
AI浪潮此起彼伏 未來市場格局及發(fā)展態(tài)勢詳解
人工智能可以說是VC界今年以來除了自行車(摩拜、OFO等)外火的投資主題了,作為風(fēng)險(xiǎn)投資人如果不在自家的基金投資策略矩陣上放一個(gè)人工智能投資方向,你都不好意思說自己是做VC的。特別是,自今年3月份,Alphago戰(zhàn)勝韓國圍棋高手李世石的世紀(jì)之戰(zhàn)開始,很多投資者及創(chuàng)業(yè)者的目光都聚焦于人工智能這一塊,資本跑馬圈地,創(chuàng)業(yè)BP一言不合必稱AI+,不時(shí)冒出機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等炫酷名詞。
就像幾年前的O2O、P2P、共享經(jīng)濟(jì)的創(chuàng)投浪潮一般,AI是不是一個(gè)未來趨勢的風(fēng)口,還是只是一個(gè)燒錢走火入魔的“瘋口”?
人工智能爆發(fā)的原因
熟悉人工智能發(fā)展歷史的同學(xué)都知道,這已經(jīng)是人工智能的第三次高潮,波高潮是源于1956年的達(dá)特茅斯會議,人工智能概念初出茅廬就得到各界的吹捧,然而,人工智能并不如人們所想象的那樣樂觀,1970年左右研究就陷入緩慢的泥沼,熱情消退。
80年代,崛起的日本提出雄心勃勃的“人工智能電腦”計(jì)劃,該計(jì)劃隨著1987年Lisp機(jī)器商業(yè)化的失敗,AI再次進(jìn)入低迷期,人們意識到人工智能的問題不僅僅是硬件,更多的是軟件及算法層面得不到突破。
第三次的浪潮基本上源于90年代,由于摩爾定律所到來的產(chǎn)業(yè)變革,人工智能得到長足發(fā)展,代表性事件如1997年IBM的深藍(lán)在象棋比賽中戰(zhàn)勝世界卡斯帕羅夫,Geoff Hinton在2006年發(fā)現(xiàn)了訓(xùn)練高層神經(jīng)網(wǎng)絡(luò)的有效算法,并且在2012年的ImageNet評測領(lǐng)域大大突破了以前的算法。
深度學(xué)習(xí)算法的應(yīng)用使得語音識別、圖像識別、取得長足進(jìn)步,圍繞語音、圖像、機(jī)器人、自動(dòng)駕駛等人工智能技術(shù)的創(chuàng)新企業(yè)大量涌現(xiàn)。
如果我們深層次去探究這次人工智能浪潮的原因,可以歸為于以下幾個(gè)變量:
云計(jì)算,云計(jì)算技術(shù)的這些年已經(jīng)發(fā)展成熟為大眾化的服務(wù)平臺,無論是IAAS、PAAS還是SAAS,它們所提供的基礎(chǔ)技術(shù)平臺為人工智能技術(shù)的實(shí)現(xiàn)和應(yīng)用落地提供了強(qiáng)大的后臺保障。云計(jì)算降低了IT資源使用門檻,為數(shù)據(jù)集中化創(chuàng)造了基礎(chǔ),極大地促進(jìn)了大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展。
大數(shù)據(jù),大數(shù)據(jù)是智能的基礎(chǔ)和土壤,沒有數(shù)據(jù)就沒有智能,所有的智能都是建立在數(shù)據(jù)的基礎(chǔ)上,移動(dòng)互聯(lián)網(wǎng)及物聯(lián)網(wǎng)的普及使得大數(shù)據(jù)這今年的的迅猛發(fā)展,從而也助推了人工智能的長足進(jìn)步,這是因?yàn)槿斯ぶ悄芗夹g(shù)使用統(tǒng)計(jì)模型來進(jìn)行數(shù)據(jù)的概率推算,只有把這些模型經(jīng)過大數(shù)據(jù)海洋中的不斷優(yōu)化或者“訓(xùn)練”,深度學(xué)習(xí)算法輸出的結(jié)果才能更為準(zhǔn)確。
從市場規(guī)模來看,大數(shù)據(jù)總量仍出資不斷擴(kuò)大,2015年數(shù)據(jù)總量達(dá)到8ZB(1ZB=1萬億GB),2020年將達(dá)到44ZB,今后的5年預(yù)計(jì)仍將維持CAGR141%的高增長。
GPU及計(jì)算能力,這幾年計(jì)算能力的指數(shù)級增長、成本急劇下滑是人工智能得以迅速發(fā)展的前提,而GPU的崛起則是一大重要突破點(diǎn),GPU圖像核心處理器是吳恩達(dá)團(tuán)隊(duì)于2009年發(fā)現(xiàn)的,GPU芯片相比于CPU擁有更多的計(jì)算單元,GPU實(shí)現(xiàn)了并行計(jì)算架構(gòu),可一次執(zhí)行多個(gè)指令,從而可以迅速解決計(jì)算問題。
同時(shí)微軟及Intel也在力推FPGA(現(xiàn)場可編程邏輯門陣列), 相對于GPU來說,FGPA在峰值處理上較弱,但架構(gòu)靈活性方面更為突出,尤其在處理小計(jì)算量大批次的運(yùn)算時(shí)也更有效率些,FGPAs主要來自一家名為Altera的公司,由于錯(cuò)過GPU,Intel不惜以167億美金的代價(jià)豪賭將Alter收入囊中。
深度學(xué)習(xí)算法,2006年Hinton提出“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)是人工智能的重大突破,學(xué)術(shù)上對神經(jīng)網(wǎng)絡(luò)有區(qū)分為DNN(深度神經(jīng)網(wǎng)絡(luò)),CNN(卷積神經(jīng)網(wǎng)絡(luò))、RNN(遞歸神經(jīng)網(wǎng)絡(luò)),CNN初用來處理圖像,RNN早用來處理語音,在實(shí)際應(yīng)用中,CNN、RNN等并不是獨(dú)立使用,需要與不同算法及策略相結(jié)合,Alphago即是結(jié)合了增強(qiáng)深度學(xué)習(xí)和相關(guān)搜索的綜合。深度學(xué)習(xí)的發(fā)展大大加速了人工智能的發(fā)展。
(注:深度學(xué)習(xí)過于學(xué)術(shù),希望深度了解的同學(xué)可自行搜索公開課腦補(bǔ),斯坦福大學(xué)公開課:機(jī)器學(xué)習(xí)課程,由大牛AndrewNg主講;斯坦福的公開課:卷積神經(jīng)網(wǎng)絡(luò)CNN,由大牛李飛飛教授主講;)
人才:AI的爆發(fā)離不開的科學(xué)家,需要有能力部署人工智能技術(shù)并且使之產(chǎn)品化的資深工程師,讓我們先看看深度學(xué)習(xí)的四劍客;
Geoff Hinton,多倫多大學(xué)的特聘教授,Google AI團(tuán)隊(duì)人,Hinton是將BP算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的主導(dǎo)者。
Yann LeCun,紐約大學(xué)終身教授,Facebook AI實(shí)驗(yàn)室負(fù)責(zé)人,LeCun負(fù)盛名的是在CNN(卷積神經(jīng)網(wǎng)絡(luò))領(lǐng)域的杰出貢獻(xiàn)。
Youshua Benqio,蒙特利爾大學(xué)終身教授,CIFAR項(xiàng)目負(fù)責(zé)人,Bengio的主要貢獻(xiàn)在于他對RNN領(lǐng)域研究的推動(dòng),現(xiàn)任ElonMusk主導(dǎo)的Open AI顧問。
Andrew Ng,斯坦福大學(xué)教授,曾就職于谷歌,現(xiàn)任百度科學(xué)家。Coursera的聯(lián)合創(chuàng)始人,在人工智能特別是在工程領(lǐng)域上的學(xué)者之一。
人工智能的市場格局及發(fā)展態(tài)勢
人工智能還能目前還是國內(nèi)外科技巨頭為主,國外以Google、Facebook、IBM、Microsoft、Amazon、Intel等為主,國內(nèi)以BAT及語音巨頭科大訊飛為主。
人工智能的市場格局
我們一般把人工智能的產(chǎn)業(yè)鏈,分為“基礎(chǔ)層-技術(shù)層-應(yīng)用層”,基礎(chǔ)層多為數(shù)據(jù)源、計(jì)算平臺、芯片及傳感器等人工智能運(yùn)營的基礎(chǔ)設(shè)施;數(shù)據(jù)工廠提供海量信息并通過數(shù)據(jù)挖掘及搜索算法進(jìn)行分類與關(guān)聯(lián),提供給機(jī)器學(xué)習(xí),GPU并行計(jì)算及高性能計(jì)算機(jī)芯片構(gòu)成超級運(yùn)算平臺。目前基礎(chǔ)層多為IBM、Intel、Google等巨頭公司的主戰(zhàn)場;
技術(shù)層依托基礎(chǔ)層的運(yùn)算平臺及數(shù)據(jù)源進(jìn)行機(jī)器學(xué)習(xí)建模,開發(fā)面向不同領(lǐng)域的應(yīng)用技術(shù),包含感知智能和認(rèn)知智能兩個(gè)階段。感知智能包括語音識別、圖形識別、生物識別及自然語言處理等;認(rèn)知智能主要是利用深度學(xué)習(xí)等類人腦進(jìn)行預(yù)測、判定等,技術(shù)層有大量創(chuàng)業(yè)公司,像視覺識別領(lǐng)域的Megvii、Sensetime、格靈深瞳、依圖科技等,自然語言處理領(lǐng)域有云知聲、思必馳等,其中語音識別是目前為成熟的人工智能技術(shù),目前排名靠前的有Nuance、谷歌、蘋果,及來自國內(nèi)的科大訊飛及百度的行業(yè)領(lǐng)先者。
基礎(chǔ)層多為數(shù)據(jù)源、計(jì)算平臺、芯片及傳感器等人工智能運(yùn)營的基礎(chǔ)設(shè)施;數(shù)據(jù)工廠提供海量信息并通過數(shù)據(jù)挖掘及搜索算法進(jìn)行分類與關(guān)聯(lián),提供給機(jī)器學(xué)習(xí),GPU并行計(jì)算及高性能計(jì)算機(jī)芯片構(gòu)成超級運(yùn)算平臺。目前基礎(chǔ)層多為IBM、Intel、Google等巨頭公司的主戰(zhàn)場;
技術(shù)層依托基礎(chǔ)層的運(yùn)算平臺及數(shù)據(jù)源進(jìn)行機(jī)器學(xué)習(xí)建模,開發(fā)面向不同領(lǐng)域的應(yīng)用技術(shù),包含感知智能和認(rèn)知智能兩個(gè)階段。感知智能包括語音識別、圖形識別、生物識別及自然語言處理等;認(rèn)知智能主要是利用深度學(xué)習(xí)等類人腦進(jìn)行預(yù)測、判定等,技術(shù)層有大量創(chuàng)業(yè)公司,像視覺識別領(lǐng)域的Megvii、Sensetime、格靈深瞳、依圖科技等,自然語言處理領(lǐng)域有云知聲、思必馳等,其中語音識別是目前為成熟的人工智能技術(shù),目前排名靠前的有Nuance、谷歌、蘋果,及來自國內(nèi)的科大訊飛及百度的行業(yè)領(lǐng)先者。
應(yīng)用層主要是基于基礎(chǔ)層及技術(shù)層實(shí)現(xiàn)人工智能的各行業(yè)的場景化應(yīng)用,諸如智能硬件、工業(yè)及服務(wù)機(jī)器人、智能駕駛、智能醫(yī)療、智能客服、智能投顧、BI、個(gè)人助理等。應(yīng)用層因?yàn)榧夹g(shù)門檻較低,吸引到眾多創(chuàng)業(yè)公司的涌入。
人工智能發(fā)展條件的成熟同時(shí)催生了大量人工智能創(chuàng)業(yè)企業(yè)。截止2016年11月,Venture Scanner 將1485 家人工智能公司劃分為13 個(gè)細(xì)分行業(yè),包括深度學(xué)習(xí)/ 機(jī)器學(xué)習(xí)(通用)、深度學(xué)習(xí)/ 機(jī)器學(xué)習(xí)(應(yīng)用)、自然語言處理、計(jì)算機(jī)視覺/ 圖像識別(通用)、計(jì)算機(jī)視覺/ 圖像識別(應(yīng)用)、手勢控制、虛擬私人助手、智能機(jī)器人、視頻內(nèi)容識別、內(nèi)容感知計(jì)算、語音識別、推薦引擎、語音到語音翻譯13 個(gè)細(xì)分行業(yè)。其中深度/機(jī)器學(xué)習(xí)(應(yīng)用)分類以約436家企業(yè)的數(shù)量,自然語言處理公司數(shù)量232家位列第二。
從人工智能的創(chuàng)業(yè)公司數(shù)量來看,人工智能的創(chuàng)業(yè)呈爆發(fā)式增長,今年1季度所統(tǒng)計(jì)的創(chuàng)業(yè)數(shù)量只是957家,在不到一年的時(shí)間里保持了55%的增長。
從融資情況來看,人工智能的投資的資本投入仍保持每年42%的增長,2016年VC投資也達(dá)到了創(chuàng)紀(jì)錄的2.5billion$。從融資階段上看,人工智能項(xiàng)目的B輪、C輪的融資情況保持良性增長。
伴隨著人工智的技術(shù)上的迅猛發(fā)展,智能語音、智能圖像、自然語言處理等技術(shù)的越來越成熟的應(yīng)用,包括VC資本助推的水漲船高,這或許預(yù)示著,一個(gè)人工智能投資及創(chuàng)業(yè)的黃金時(shí)代的到來。
世界盡頭的地方,是雄獅落淚的地方,是月亮升起的地方,是美夢誕生的地方。
——大衛(wèi)《人工智能》
?。ㄔ瓨?biāo)題：【深度】長石資本袁皓：人工智能，風(fēng)口？瘋口？）
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
