雷石研究所:拥抱人工智能,紧跟时代机遇

首页 > 热点 > > 正文

日期:2021-09-01 10:04:53    来源:晶报网    

摘要:上世纪50年代诞生的人工智能经过一个甲子的发展,尤其是在计算机科学、数字技术和神经元理论的推动下,人工智能已逐步成为一个已远远超出了计算机科学,在理论和实践上都已自成一个系统的新兴科学。无论是基础层的芯片、云和数据科学的进步,还是技术层算法推动了语言、视觉和深度学习技术,都将人工智能技术推到了每一个人的面前,并开始深度影响我们的生活、改造我们的经济、颠覆我们的认知和社会秩序。

定义与概述

人工智能(Artificial Intelligence),英文缩写为AI。它是利用数字计算机或者数字计算机控制的机器研究、开发用于模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,将会是人类智慧的“容器”。人工智能可以模拟人的意识和思维。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。

人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

人工智能自二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。近三十年来它获得了迅速的发展,在很多学科领域都获得了广泛应用,并取得了丰硕的成果,人工智能已逐步成为一个独立的分支,其范围已远远超出了计算机科学的范畴,无论在理论和实践上都已自成一个系统。

发展历史

1956年,被认为是人工智能之父的JOHN MCCARTHY组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论.他请他们到VERMONT参加“DARTMOUTH人工智能夏季研究会”。从那时起,这个领域被命名为“人工智能”。

当20世纪50年代,数字计算机研制成功,研究者开始探索人类人工智能是否能简化成符号处理。60~70年代的研究者确信符号方法最终可以成功创造强人工智能的机器,并通过一些语言和程序进行了探索。专注于符号和逻辑。

80年代符号人工智能停滞不前,很多人认为符号系统永远不可能模仿人类所有的认知过程,特别是感知,机器人,机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。90年代,人工智能研究发展出复杂的数学工具来解决特定的分支问题,并通过编程设计出特定的智能Agent。Agent是指驻留在某一环境下,能持续自主地发挥作用,具备驻留性、反应性、社会性、主动性等特征的计算实体。这段时间专注的是连接与反馈。1997年5月3~11日,其中GARRY KASPAROV以2.5:3.5输于改进后的“深蓝”影响深远。

进入新世纪后,人工智能迎来的大的发展。特别是随着大数据和超级计算能力出现后,人工智能进入了广泛的开发与应用阶段。基于大数据、神经元网络和数学统计的综合,机器学习能力、硬件的提高都将识别率和准确率提高到新高度,并将人工智能推升到科技的浪尖。

技术逻辑

人工智能根据从底层到应用的技术逻辑可以分成基础层、技术层、应用层(如图1示)。

图1.人工智能技术逻辑示意图

基础层

基础层从硬件和理论层面,为人工智能的实现提供了根本保障,主要包括AI芯片和深度学习算法。全球人工智能芯片行业处于初步发展阶段,主要包括通用型GPU芯片、半定制FPGA芯片和全定制ASIC芯片。

GPU核心技术长期被海外企业垄断,中国进口依存度高于90%。ASIC的开发难度大,研发投入高,目前商用量处于较低水平。未来随着芯片行业的发展与进步,ASIC将凭借着体积小、功耗低、计算性能高、量产成本低的优势的抢占GPU的市场份额,成为行业内主流的芯片类型,预测ASIC市场规模在2025年达到331.4亿元,在2020至2025年期间年复合增长率为46.3%。

图1.国内AI芯片市场分析

(数据来源:WIND资讯,西南证券整理)

图像传感器分为CMOS图像传感器与CCD图像传感器两种,CMOS图像传感器的综合性能比CCD更具有优势,且生产成本更低,因此占据绝大部分市场份额;2019年,CMOS图像传感器在全球图像销售额中占比约为85%。国内图像处理芯片龙头主要是格科微(Galaxycore,688728)。

基于云的数据服务是人工智能的基础,该市场近十年成为全球信息产业领域的热点,互联网与通信巨头纷纷把云建设作为市场竞争的关键,全球公有云服务市场规模2022年将超过5000亿美元。

图2.全球云市场规模

(数据来源:WIND资讯,西南证券整理)

而基于云数据、云计算的人工智能赋能也在各个领域迅速展开。云端的主要作用是存储数据,中国大数据储量居世界首位,其中金融征信是最主要的大数据交易行业及用途。

技术层

技术层是基于基础层的支撑,设计出的解决某一类过去需要人脑解决问题的通用方法,具体包括智能语音、计算机视觉、自然语言处理以及机器学习技术等四大人脑功能的处理方法。这些方法基于深度学习算法,根据具体的数据以及处理场景,形成了专门的成套技术处理方法和最佳实践。通过技术层的实现,可以将基础层提供的算力以及计算方法运用到具体领域。

人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术,使系统呈现智能的效果,而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法(ENGINEERING APPROACH),它已在一些领域内作出了成果,如文字识别、电脑下棋等。另一种是模拟法(MODELING APPROACH),它不仅要看效果,还要求实现方法也和人类或生物机体所用的方法相同或相类似。如遗传算法(GENERIC ALGORITHM,简称GA)和人工神经网络(ARTIFICIAL NEURAL NETWORK,简称ANN)。

2014至2019年,中国计算机视觉市场规模由11.1亿元增长至136.7亿元,年复合增长率达51.9%。从短期来看,中国计算机视觉市场规模将保持快速增长趋势,预测2019至2023年中国计算机视觉行业市场规模年均复合增长率将达45%,2023年规模达603.5亿元。

图3.计算机视觉市场规模

(数据来源:WIND资讯,西南证券整理)

自然语言处理技术是人工智能的关键技术,现阶段的自然语言处理技术商业化并不成熟,部分已实现商业化应用的自然语言处理技术相关产品(如智能客服)均无法将直接收益归因于自然语言处理技术,因此自然语言处理技术产生的市场营收规模较小。2014至2019年,中国自然语言处理市场规模从4.1亿元增长至30.7亿元,年均复合增长率为49.6%。随着智能设备数量的增长以及行业智能化业务处理水平要求的提高,自然语言处理市场有望得到进一步拓展,预测2019至2023年中国自然语言处理市场营收规模年均复合增长率将达48.8%,在2023年达到150.7亿元。

图4.中国自然语言处理市场

(数据来源:WIND资讯,西南证券整理)

语音识别技术是自然语言处理技术的一个方面,主要应用于声纹核身、身纹解锁、电话与机器人服务等业务场景中。中国语音识别技术不断进步,专利申请数量上升趋势明显。银行客户对语音客服需求性高,因此银行业对语音识别的准确率上有很高的要求,目前中国工商银行智能客服“工小智”的语音识别准确率已达98%。中国人工智能语音识别领域的专利申请量总体上呈上升趋势,2010至2018年,年均复合增长率达34.3%,在2018年达到峰值7,249项。由此可见,人工智能语音识别领域的发展受到各科研企业的重视,正在迎来全面的技术进步,将更有效、更广泛地应用业务场景。

图5.中国机器学习市场规模

(数据来源:WIND资讯,西南证券整理)

人工智能应用的核心,是基于神经网络的深度学习,也称机器学习。机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,是人工智能核心。该方法的特点是需要根据特定应用目的,利用大量且优质的数据,对学习网络进行反复训练,通过传播算法,不断自动变换各层以及各节点的参数,以最终得到符合实际应用要求的训练结果。

应用层

应用层主要是指场景和产品。产品可以定义为智能操作系统,如机器人(工业、客服)、无人机、自动驾驶汽车、无人舰艇等。而应用场景主要集中于劳动密集型行业、危险及复杂环境。包括工业、军事、安防、金融、教育、医疗、交通、物流、城市管理等。决定于人工智能应用的约束指标有IT化程度和试错成本。IT化水平越高+试错成本越低应用场景越广泛,反之越难。目前在民用市场,安防、金融、教育、城市管理、物流等行业人工智能应用越来越广泛。而交通和医疗领域目前处于加快发展阶段。

图6.我国大数据交易行业分析

(数据来源:WIND资讯,西南证券整理)

中国人工智能产业在各方的共同推动下进入爆发式增长阶段,市场发展潜力巨大。iiMedia Research(艾媒咨询)数据显示,2020年人工智能行业核心产业市场规模超过1500亿元,预计在2025年将超过4000亿元,未来中国有望发展为全球最大的人工智能市场。

未来人工智能的应用场景范围将持续扩大,深度渗透到各个领域,引领产业向价值链高端迈进,同时也为改善民生起到重要作用。目前企业正加大自主研发投入,促进人工智能与大数据、云计算以及区块链技术相互融合,引领生产变革成为促进新经济增长的主要投资方向。

市场与展望

人工智能目前已经在安防、金融、工业制造、商业贸易、文体教育、城市管理等方面得到了广泛的应用,2020年人工智能产业规模保持平稳增长,产业规模达到了3031亿元,同比增长15%,增速略高于全球的平均增速。产业主要集中在北京、上海、广东、浙江等省份,我国在人工智能芯片领域、深度学习软件架构领域、中文自然语言处理领域进展显著。AI+安防在2019年人工智能的各类应用中占比超过50%,紧随其后的是AI+金融(占比15.80%)和AI+营销(占比为11.60%),随着技术的进一步发展,人工智能未来还将在医疗服务和自动驾驶等交通领域迅速得到拓展。

安防

利用AI技术进行模型训练,能够提升警务效率。当前视频监控为安防的主要手段,人工智能参与到视频图片中的信息提取,从而构建模型,主要包括行为人、随行人员、车辆、周边物品的特点与行为,获得高阶语义、强表达能力的特征,分类储存。需要使用信息时,可通过行为人车物特征、时间段、区域等条件搜索,或是以事件(现场图片)进行搜索,实现高效筛选,加之以公安系统中的信息,能够快速勾勒出行为人的行动轨迹,提高抓捕、寻人等警务的办案效率,实现“利用科技手段提升警力”的目的。

借助AI技术,还可以将安防由被动监控向主动预警发展。一方面,利用人工智能和大数据技术,可以对大型公共场所和道路进行监控,并根据流量变化实行有效管控和交通疏导;此外还可利用大数据进行潜在犯罪预判,结合犯罪前科云数据,对其可疑行为进行识别和预警。

2020年以来,政策持续鼓励AI在安防中的创新。公安部、市场监督总局和工信部发布了一系列支持AI+安防行业发展的政策,如《公共安全重点区域视频图像信息采集规范》(公安部)、《工业和信息化部办公厅关于推动工业互联网加快发展的通知》(工信部)等法规,进一步引导人工智能安防向社会各个领域延申。

金融

金融尤其是银行业,近年来面临人工成本和利差挤压双重压力,为了应对未来竞争,近年来各银行相继成立金融科技子公司,加大在金融科技领域的资金投入,扩大科技人员储备,加强人工智能在各业务场景的应用。2020年五大国有银行在金融科技领域的投资约占营业收入的3%,其中工商银行资金投入最多,增速最快。2014至2019年期间银行业平均离柜率整体趋势上升明显,从67.88%持续上升至的89.77%。

表2.主要国有商业银行对金融科技的投入

(数据来源:WIND资讯,西南证券整理)

中国银行业已经历金融电子化、金融信息化、互联网金融阶段,目前正处于金融科技迅速发展的阶段,各银行积极发展金融科技,陆续推出多种创新型智能机具,全面向智能化、数字化银行转型升级。从云及大数据在金融领域的市场规模就可见一斑。

图7.云及大数据在金融领域的市场规模

(数据来源:WIND资讯,西南证券整理)

计算机视觉技术主要应用于银行业务中人脸识别的身份认证环节中,助力银行业电子支付、刷脸取款、远程开户、安保监控等领域快速发展,为银行客户金融安全及消费安全提供保障。银行中的智能机具主要通过人脸识别对客户进行身份验证,人脸识别准确率达99%以上。

语音识别技术主要应用于声纹核身、身纹解锁、电话银行等业务场景中,助力银行降低人力负担,提升业务效率及用户体验;中国语音识别技术不断进步,专利申请数量上升趋势明显。银行客户对语音客服需求性高,因此银行业对语音识别的准确率上有很高的要求,目前中国工商银行智能客服“工小智”的语音识别准确率已达98%。

目前中国银行业依托人工智能加速转型升级,将人工智能覆盖到前、中、后台各个领域,使各项业务、流程能够智能化、自动化办理,目前智能客服、生物识别、智能风控在银行的应用率高,未来智能投顾的商用率有望提升。大力发展人工智能,打造“智能银行”,改变传统的营销、服务、管理模式,优化升级其金融体系,为消费者提供更便捷、安全、有效的服务体验。

除了银行,未来面临国际竞争压力的证券公司的人工智能也将步入快车道,智能投资、智能投顾和投资客服机器人将迅速进入市场。

工业制造

随着劳动力成本上升以及复杂条件下的制造场景越来越多,基于人工智能技术的机器人越来越进入现代工业领域,智慧设计、智能制造、自动物流越来越成为制造业的投资方向。其中生产/制造是应用人工智能技术感知最强的环节,占比达57.3%,供应链/物流占比为37.1%销售拓展占比为33.7%,工程研发占比为28.1%。人工智能技术极大地提高了生产效率,提高企业高质量的生产服务。同时也是传统企业数字化转型的重要力量。

图8.工业机器人供应

(数据来源:WIND资讯,西南证券整理)

医疗服务

随着老年社会和全民医疗体系的建立。我国诊疗人次接近40亿人次,巨大的市场和医疗资源分布不均衡为人工智能在医疗领域的应用打开了空间。其主要应用在电子病历、影像诊断、药物研发、健康管理、精准医疗和医疗机器人等六个方面。2020年,新冠疫情的爆发加速了AI+医疗的发展与应用。

由于医疗要求的精准性很高,因此人工智能的应用目前依然处于早期阶段。

自动驾驶

自动驾驶是百姓最感兴趣的人工智能应用场景,也是目前人工智能领域投资最活跃的研究方向。2020年4月,长沙率先全面开放了无人驾驶出租车服务;10月12日,北京也开放了无人驾驶出租车试乘,当日订单量突破2600单;10月21日,苏州落地全国首个常态化运营的5G无人公交。无人公交在开放的城市道路上运行,且速度最高达到50km/h。该无人公交车除了具备避让行人车辆、自动变道、自动转向、红绿灯识别等基本功能,还能应对各类城市复杂交通场景,例如穿行人车混杂的路口、应对后车加塞、“鬼探头”等。

根据IDC报告的预测,全球智能驾驶汽车出货量在2021年会迎来拐点。

图9.全球智能驾驶汽车出货量

(数据来源:IDC报告,西南证券整理)

我国顶层设计非常重视自动驾驶技术的应用,将自动驾驶汽车继新能源汽车之后,我国汽车产业跨越式发展的主要方向。2020年11月11号国家智能网联汽车创新中心首席科学家发布了智能网联汽车技术路线图2.0》的指引,计划到2025年,PA、CA新车占比超过50%;C-V2X终端新车装配率50%;到2035年,中国方案智能网联汽车技术和产业体系全面建成,网联式高度自动驾驶智能网联汽车实现大规模应用。

此外,人工智能在智慧城市、智慧教育、智慧家电、智慧建筑、智慧农业等领域也发展迅速,应用场景越来越多的被得到开发。

政策支持

2017年7月国务院发布《新一代人工智能发展规划》,将新一代人工智能放在国家战略层面进行部署。

《2019年政府工作报告》将人工智能升级为智能+,要推动传统产业改造提升,特别是要打造工业互联网平台,拓展“智能+”,为制造业转型升级赋能。要促进新兴产业加快发展,深化大数据、人工智能等研发应用壮大数字经济。

2019年3月19日主持召开中央全面深化改革委员会第七次会议并发表重要讲话。会议审议通过了《关于促进人工智能和实体经济深度融合的指导意见》。

2020年3越,教育部《关于公布2019年度普通高等学校本科专业备案和审批结果的通知》,180所高校开设人工智能专业。

2020年6月,《全国人大常委会2020年度立法工作计划》,重视对人工智能、区块链、基因编辑等新技术新领域相关法律问题的研究:继续推动理论研究工作常态化、机制化,发挥科研机构、智库等“外脑”作用,加强与有关方面的交流合作,抓紧形成高质量的研究成果。

此外,北京、上海、山东、广东、江西、重庆、福建、安徽、辽宁等省市以及深圳、杭州、成都、济南等城市均发布了支持人工智能的相关法规和政策。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。

下一篇:​网易发布Q2财报 网易云音乐毛利率首次转正 会员付费率同比翻番
上一篇:最后一页

科技