智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
湖北高天
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,作為風險投資人如果不在自家的基金投資策略矩陣上放一個人工智能投資方向,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+,不時冒出機器學習、深度學習等炫酷名詞。
就像幾年前的O2O、P2P、共享經(jīng)濟的創(chuàng)投浪潮一般,AI是不是一個未來趨勢的風口,還是只是一個燒錢走火入魔的“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”計劃,該計劃隨著1987年Lisp機器商業(yè)化的失敗,AI再次進入低迷期,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)了訓練高層神經(jīng)網(wǎng)絡的有效算法,并且在2012年的ImageNet評測領(lǐng)域大大突破了以前的算法。
深度學習算法的應用使得語音識別、圖像識別、取得長足進步,圍繞語音、圖像、機器人、自動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變量:
云計算,云計算技術(shù)的這些年已經(jīng)發(fā)展成熟為大眾化的服務平臺,無論是IAAS、PAAS還是SAAS,它們所提供的基礎技術(shù)平臺為人工智能技術(shù)的實現(xiàn)和應用落地提供了強大的后臺保障。云計算降低了IT資源使用門檻,為數(shù)據(jù)集中化創(chuàng)造了基礎,極大地促進了大數(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)的基礎上,移動互聯(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步,這是因為人工智能技術(shù)使用統(tǒng)計模型來進行數(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“訓練”,深度學習算法輸出的結(jié)果才能更為準確。
從市場規(guī)模來看,大數(shù)據(jù)總量仍出資不斷擴大,2015年數(shù)據(jù)總量達到8ZB(1ZB=1萬億GB),2020年將達到44ZB,今后的5年預計仍將維持CAGR141%的高增長。
GPU及計算能力,這幾年計算能力的指數(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,GPU圖像核心處理器是吳恩達團隊于2009年發(fā)現(xiàn)的,GPU芯片相比于CPU擁有更多的計算單元,GPU實現(xiàn)了并行計算架構(gòu),可一次執(zhí)行多個指令,從而可以迅速解決計算問題。
同時微軟及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,尤其在處理小計算量大批次的運算時也更有效率些,FGPAs主要來自一家名為Altera的公司,由于錯過GPU,Intel不惜以167億美金的代價豪賭將Alter收入囊中。
深度學習算法,2006年Hinton提出“深度學習”神經(jīng)網(wǎng)絡是人工智能的重大突破,學術(shù)上對神經(jīng)網(wǎng)絡有區(qū)分為DNN(深度神經(jīng)網(wǎng)絡),CNN(卷積神經(jīng)網(wǎng)絡)、RNN(遞歸神經(jīng)網(wǎng)絡),CNN初用來處理圖像,RNN早用來處理語音,在實際應用中,CNN、RNN等并不是獨立使用,需要與不同算法及策略相結(jié)合,Alphago即是結(jié)合了增強深度學習和相關(guān)搜索的綜合。深度學習的發(fā)展大大加速了人工智能的發(fā)展。
(注:深度學習過于學術(shù),希望深度了解的同學可自行搜索公開課腦補,斯坦福大學公開課:機器學習課程,由大牛AndrewNg主講;斯坦福的公開課:卷積神經(jīng)網(wǎng)絡CNN,由大牛李飛飛教授主講;)
人才:AI的爆發(fā)離不開的科學家,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習的四劍客;
Geoff Hinton,多倫多大學的特聘教授,Google AI團隊人,Hinton是將BP算法應用到神經(jīng)網(wǎng)絡與深度學習的主導者。
Yann LeCun,紐約大學終身教授,Facebook AI實驗室負責人,LeCun負盛名的是在CNN(卷積神經(jīng)網(wǎng)絡)領(lǐng)域的杰出貢獻。
Youshua Benqio,蒙特利爾大學終身教授,CIFAR項目負責人,Bengio的主要貢獻在于他對RNN領(lǐng)域研究的推動,現(xiàn)任ElonMusk主導的Open AI顧問。
Andrew Ng,斯坦福大學教授,曾就職于谷歌,現(xiàn)任百度科學家。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“基礎層-技術(shù)層-應用層”,基礎層多為數(shù)據(jù)源、計算平臺、芯片及傳感器等人工智能運營的基礎設施;數(shù)據(jù)工廠提供海量信息并通過數(shù)據(jù)挖掘及搜索算法進行分類與關(guān)聯(lián),提供給機器學習,GPU并行計算及高性能計算機芯片構(gòu)成超級運算平臺。目前基礎層多為IBM、Intel、Google等巨頭公司的主戰(zhàn)場;
技術(shù)層依托基礎層的運算平臺及數(shù)據(jù)源進行機器學習建模,開發(fā)面向不同領(lǐng)域的應用技術(shù),包含感知智能和認知智能兩個階段。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;認知智能主要是利用深度學習等類人腦進行預測、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。
基礎層多為數(shù)據(jù)源、計算平臺、芯片及傳感器等人工智能運營的基礎設施;數(shù)據(jù)工廠提供海量信息并通過數(shù)據(jù)挖掘及搜索算法進行分類與關(guān)聯(lián),提供給機器學習,GPU并行計算及高性能計算機芯片構(gòu)成超級運算平臺。目前基礎層多為IBM、Intel、Google等巨頭公司的主戰(zhàn)場;
技術(shù)層依托基礎層的運算平臺及數(shù)據(jù)源進行機器學習建模,開發(fā)面向不同領(lǐng)域的應用技術(shù),包含感知智能和認知智能兩個階段。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;認知智能主要是利用深度學習等類人腦進行預測、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。
應用層主要是基于基礎層及技術(shù)層實現(xiàn)人工智能的各行業(yè)的場景化應用,諸如智能硬件、工業(yè)及服務機器人、智能駕駛、智能醫(yī)療、智能客服、智能投顧、BI、個人助理等。應用層因為技術(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 個細分行業(yè),包括深度學習/ 機器學習(通用)、深度學習/ 機器學習(應用)、自然語言處理、計算機視覺/ 圖像識別(通用)、計算機視覺/ 圖像識別(應用)、手勢控制、虛擬私人助手、智能機器人、視頻內(nèi)容識別、內(nèi)容感知計算、語音識別、推薦引擎、語音到語音翻譯13 個細分行業(yè)。其中深度/機器學習(應用)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)計的創(chuàng)業(yè)數(shù)量只是957家,在不到一年的時間里保持了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投資也達到了創(chuàng)紀錄的2.5billion$。從融資階段上看,人工智能項目的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)的越來越成熟的應用,包括VC資本助推的水漲船高,這或許預示著,一個人工智能投資及創(chuàng)業(yè)的黃金時代的到來。
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瓨祟}：【深度】長石資本袁皓：人工智能，風口？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
