中国人工智能市场规模分析

2016年全球及中国人工智能产业发展分析报告

2016年2月出版

正文目录 1、人工智能是利用人工计算实现人类智能 (4) 1.1、本质：人工智能的本质是对人类智能的模拟甚至超越 (4) 1.2、原理：利用一系列算法驱动电脉冲模拟人脑神经元的运作过程 (5) 2、全球人工智能千亿市场爆发在即，AI+引领未来商业模式新风向 (6) 2.1、人工智能起源于上世纪50 年代，2006 年起进入加速发展的新阶段 (6) 2.2、发达国家火热布局，2040 年或有可能实现广义人工智能 (7) 2.2.1、欧盟：人脑工程项目（HBP） (8) 2.2.2、美国：大脑研究计划（BRAIN） (8) 2.2.3、日本：大脑研究计划（Brain/MINDS） (9) 2.3、下游应用需求迫切+上游技术基础成型，人工智能全球市场规模超千亿 (10) 2.3.1、下游应用需求倒逼、上游技术成型推动，人工智能技术加速发展 (10) 2.3.2、人工智能逐渐受到机构重视，2020 年全球市场规模超千亿 (11) 2.4、人工智能推动传统产业变革，AI+将成为未来普遍的商业模式 (13) 3、人工智能领域风云迭起，科技巨头雄霸天下 (14) 3.1、北美及西欧地区公司数量激增，科技巨头和初创企业是主要玩家 (14) 3.2、感知层技术领域竞争白热化，机器学习等空白蓝海已成大势所趋 (15) 3.3、投资+收购+顶级人才招聘、科技巨头动作频频上演实力争夺 (17) 4、2020年我国人工智能市场规模近百亿，有望实现弯道超车 (19) 4.1、受益四大利好因素，人工智能发展势头良好有望实现弯道超车 (19) 4.2、投资机构青睐有加，2020 年中国人工智能市场规模近百亿 (20) 4.3、感知智能试点阶段，预计我国将在5~10 年内实现感知智能全面普及 (22) 5、行业火爆：企业数量激增发展迅猛，机器人等是典型应用场景 (24) 5.1、巨头基础层切入引发技术革新，创业公司应用层进入带来产业升级 (24) 5.2、机器人、虚拟服务等是目前的典型应用场景，未来将进入各行各业 (26) 5.3、产业投资偏爱应用类企业，软件服务和机器视觉是热门细分领域 (29) 6、海外人工智能企业一览 (29) 6.1、人工智能基础平台领域：IBMWatson (29) 6.2、机器学习领域：Wise.io 实现高效大数据分析 (31) 6.3、语音识别和自然语言处理领域：Facebook、Apple、Microsoft (32) 6.4、图像识别领域：Clarifai 超越传统图像识别界限 (35) 6.5、预测分析领域：Google 云计算能力打造顶级预测API (35) 6.6、先发优势、技术实力、下游爆发潜力是人工智能企业的核心竞争力 (37) 7、我国人工智能投资机遇 (38) 7.1、投资逻辑：短期看好应用开发领域，长期技术研究是投资大势 (38) 7.2、主要公司分析 (39) 7.2.1、科大讯飞 (39) 7.2.2、东方网力 (40) 7.2.3、佳都科技 (41) 7.2.4、新松机器人 (42) 图表目录

2019年中国人工智能行业市场现状及发展前景分析 未来智能制造将成为行业主战场

2019年中国人工智能行业市场现状及发展前景分析未来智 能制造将成为行业主战场 未来智能制造将是人工智能的主战场 国家工业信息安全发展研究中心认为，目前我国人工智能和制造业融合有着广泛的基础，智能制造是“中国制造2025”的主攻方向，而人工智能是引领新一轮科技革命和产业变革的战略性技术。但新一代人工智能技术在制造业重点领域的应用刚刚起步，人工智能与制造业的融合尚处于初级阶段，未来智能制造将是人工智能的主战场。 1、人工智能+制造业创造新业态 目前中国人工人工智能迈向了2.0阶段，以通过互联网联系在一起的一套巨大的智能系统为标志。从智能制造业角度出发，人工智能技术正在深入改造制造行业。新一代人工智能技术与制造业实体经济的深度融合，成为应用市场一大亮点，催生了智能装备、智能工厂、智能服务等应用场景，创造出自动化的一些新需求、新产业、新业态。

2、政策春风利好工智能发展 2017年，人工智能被首次写入到政府工作报告中，2018年政府工作报告中提出：“发展壮大新动能，做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业，拓展智能生活。”，2019年的政府工作报告中，对人工智能的描述也由“加快人工智能等技术研发和转化”、“加强新一代人工智能研发应用”变为“深化大数据、人工智能等研发应用”，可见在国家层面上，对人工智能产业的重视程度日益加深。 3、2018年中国人工智能产业规模超400亿 在政策和技术的推动下，中国人工智能产业发展迅速。跟据中国信通院数据，2015年到2018年中国人工智能产业规模复合平均增长率为54.6%，高于全球平均水平(约36%)。2018年，中国人工智能产业市场规模已达到415.5亿元。其中，企业技术集成与方案提供、关键技术研发和应用平台两个应用领域据发展火热。

2019年版人工智能行业市场调研分析报告

2019年版人工智能行业市场调研分析报告（部分内容） China's Industrial Market Research and Prospect Forecast Analysis Report(2019-2025) （专业、精准、高效，助力企业决策）

2015-2017年机器人产业发展综况 一、全球机器人行业规模分析 当前，全球机器人市场规模持续扩大，工业、特种机器人市场增速稳定，服务机器人增速突出。技术创新围绕仿生结构、人工智能和人机协作不断深入，产品在教育陪护、医疗康复、危险环境等领域的应用持续拓展，企业前瞻布局和投资并购异常活跃，全球机器人产业正迎来新一轮增长。 全球市场规模 根据调研的数据，2017年，全球机器人市场规模达到232亿美元，2012-2017年的平均增长率接近17%。其中，工业机器人147亿美元，服务机器人29亿美元，特种机器人56亿美元。 图1：2017年全球机器人规模占比 （一）工业机器人：销量稳步增长，亚洲市场依然最具潜力 目前，工业机器人在汽车、金属制品、电子、橡胶及塑料等行业已经得到了广泛的应用。随着性能的不断提升，以及各种应用场景的不断明晰，2012年以来，工业机器人的市场正以年均15.2%的速度快速增长。据IFR统计显示，2016年全球工业机器人销售额首次突破132亿美元，其中亚洲销售额76亿美元，欧洲销售额26.4亿美元，北美地区销售额达到17.9亿美元。中国、韩国、日本、美国和德国等主要国家销售额总计占到了全球销量的3/4，这些国家对工业自动化改造的需求激

活了工业机器人市场，也使全球工业机器人使用密度大幅提升，目前在全球制造业领域，工业机器人使用密度已经超过了70台/万人。2017年，工业机器人将进一步普及，销售额有望突破147亿美元，其中亚洲仍将是最大的销售市场。 图2：2012-2020年全球工业机器人销售额及增长率 （二）服务机器人：人工智能兴起，行业迎来高速发展新机遇 随着信息技术快速发展和互联网快速普及，以2006年深度学习模型的提出为标志，人工智能迎来第三次高速发展。与此同时，依托人工智能技术，智能公共服务机器人应用场景和服务模式正不断拓展，带动服务机器人市场规模高速增长。2017年，全球服务机器人市场达29亿美元。2020年将快速增长至69亿美元，2016-2020年的平均增速高达27.9%。2017年，全球医疗服务机器人、家用服务机器人和专用服务机器人市场规模分别为16.2亿美元、7.8亿美元和5亿美元，其中医疗服务机器人市场规模占比最高达55.9%，高于家用服务机器人29个百分点，其中智能服务机器人的比例快速提升。

人工智能芯片项目可行性报告

人工智能芯片项目可行性报告 规划设计/投资分析/产业运营

摘要 2018年全球正处于“后摩尔定律时代”，万物互联和万物智能得以实现，伴随着大数据的发展、计算能力的提升，全球人工智能近年迎来了新 一轮的爆发。2018年几乎每个月，全球主流科技公司推出的定制人工智能 芯片项目数量都会较上个月有所增加。与全球主流科技公司相比，我国人 工智能芯片厂商也相继发布新版、升级版AI芯片，并且新版本芯片都取得 了突破性发展。从全球人工智能芯片竞争格局来看，云端训练芯片方面英 伟达一家独大，推断芯片百花齐放。其中全球安防人工智能芯片市场竞争 格局稳定，现有厂商凭借与下游客户长期的合作，有望继续受益于安防智 能化的升级，属于新进入者的市场空间有限。 该人工智能芯片项目计划总投资21775.70万元，其中：固定资产 投资15290.38万元，占项目总投资的70.22%；流动资金6485.32万元，占项目总投资的29.78%。 本期项目达产年营业收入45161.00万元，总成本费用35900.08 万元，税金及附加382.55万元，利润总额9260.92万元，利税总额10920.84万元，税后净利润6945.69万元，达产年纳税总额3975.15 万元；达产年投资利润率42.53%，投资利税率50.15%，投资回报率31.90%，全部投资回收期4.64年，提供就业职位841个。

人工智能芯片项目可行性报告目录 第一章概况 一、项目名称及建设性质 二、项目承办单位 三、战略合作单位 四、项目提出的理由 五、项目选址及用地综述 六、土建工程建设指标 七、设备购置 八、产品规划方案 九、原材料供应 十、项目能耗分析 十一、环境保护 十二、项目建设符合性 十三、项目进度规划 十四、投资估算及经济效益分析 十五、报告说明 十六、项目评价 十七、主要经济指标

人工智能芯片的分类

人工智能芯片的分类 近年来人工智能芯片领域的科学家们进行了富有成果的广泛研究，主要集中在AI芯片目前的两种发展方向。一个方向是继续延续经典的冯·诺依曼计算架构，以加速计算能力为发展目标，主要分为并行加速计算的GPU(图形处理单元)、半定制化的FPGA(现场可编程门阵列)、全定制化的ASIC(专用集成电路)。另一个方向就是颠覆传统的冯·诺依曼计算架构，采用基于类脑神经结构的神经拟态芯片来解决算力问题。 一、按架构分类 (1)图形处理单元(graphics processing unit，GPU)。GPU是相对较早的加速计算处理器，具有速度快、芯片编程灵活简单等特点。由于传统CPU的计算指令遵循串行执行方式，不能发挥出芯片的全部潜力，而GPU具有

高并行结构，在处理图形数据和复杂算法方面拥有比CPU更高的效率。在结构上，CPU主要由控制器和寄存器组成，而GPU则拥有更多的逻辑运算单元(arithmetic logic unit，ALU)用于数据处理，这样的结构更适合对密集型数据进行并行处理，程序在GPU系统上的运行速度相较于单核CPU往往提升几十倍乃至上千倍。同时，GPU 拥有了更加强大的浮点运算能力，可以缓解深度学习算法的训练难题，释放人工智能的潜能。但是GPU也有一定的局限性。深度学习算法分为训练和推断两部分，GPU平台在算法训练上非常高效。但在推断中对于单项输入进行处理的时候，并行计算的优势不能完全发挥出来。 (2)现场可编程门阵列(field programmable gate array，FPGA)。FPGA是在PAL、GAL、CPLD等可编程器件基础上进一步发展的产物。其基本原理是在FPGA芯片内集成大量的基本门电路以及存储器，用户可以通过更新FPGA配置文件(即烧入)来定义这些门电路以及存储器之间的连线。这种烧入不是一次性的，因此，它既解决了定制电路灵活性的不足，又克服了原有可编程器件门电路数有限的缺点。与GPU不同，FPGA同时拥有进行数据并行和任务并行计算的能力，适用于以硬件流水线方式处理一条数据，且整数运算性能更高，因此常用于深度学习算法中的推断阶段。不过FPGA通过硬件的配置实现软件算法，

人工智能市场调研分析报告

人工智能市场调研分析报告

目录 第一节人工智能与深度学习 (3) 一、人工智能：让机器像人一样思考 (3) 二、机器学习：使人工智能真实发生 (4) 三、人工神经网络：赋予机器学习以深度 (4) 四、深度学习：剔除神经网络之误差 (5) 第二节深度学习的实现 (5) 一、突破局限的学习算法 (6) 二、骤然爆发的数据洪流 (6) 三、难以满足的硬件需求 (7) 第三节现有市场——通用芯片GPU (8) 一、GPU是什么？ (8) 二、GPU和CPU的设计区别 (8) 三、GPU和CPU的性能差异 (9) 四、GPU行业的佼佼者：Nvidia (10) 五、Nvidia的市场定位：人工智能计算公司 (11) 六、Nvidia的核心产品：Pascal家族 (12) 七、Nvidia的应用布局：自动驾驶 (13) 八、Nvidia的产业优势：完善的生态系统 (14) 第四节未来市场：半定制芯片FPGA (14) 一、FPGA是什么？ (14) 二、FPGA和GPU的性能差异 (15) 三、FPGA市场前景 (16) 四、FPGA现有市场 (17) 五、FPGA行业的开拓者：Intel (17) 六、Intel的产品布局 (17) 七、Intel的痛点：生态不完善 (18) 八、Intel的优势 (19) 第五节投资前景 (20)

第一节人工智能与深度学习 2016年，AlphaGo与李世石九段的围棋对决无疑掀起了全世界对人工智能领域的新一轮关注。在与李世石对战的5个月之前，AlphaGo因击败欧洲围棋冠军樊麾二段，围棋等级分上升至3168分，而当时排名世界第二的李世石是3532分。按照这个等级分数对弈，AlphaGo每盘的胜算只有约11%，而结果是3个月之后它在与李世石对战中以4比1大胜。AlphaGo的学习能力之快，让人惶恐。 一、人工智能：让机器像人一样思考 自AlphaGo之后，“人工智能”成为2016年的热词，但早在1956年，几个计算机科学家就在达特茅斯会议上首次提出了此概念。他们梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，也就是我们今日所说的“强人工智能”。这个无所不能的机器，它有着我们所有的感知、所有的理性，甚至可以像我们一样思考。 人们在电影里也总是看到这样的机器：友好的，像星球大战中的C-3PO；邪恶的，如终结者。强人工智能目前还只存在于电影和科幻小说中，原因不难理解，我们还没法实现它们，至少目前还不行。 我们目前能实现的，一般被称为“弱人工智能”。弱人工智能是能够与人一样，甚至比人更好地执行特定任务的技术。例如，Pinterest上的图像分类，或者Facebook的

人工智能芯片技术趋势研究分析报告

人工智能芯片技术趋势研究分析报告 2010 年以来，由于大数据产业的发展，数据量呈现爆炸性增长态势，而传统的计算架构又无法支撑深度学习的大规模并行计算需求，于是研究界对AI 芯片进行了新一轮的技术研发与应用研究。AI 芯片是人工智能时代的技术核心之一，决定了平台的基础架构和发展生态。 AI芯片基本知识及现状从广义上讲只要能够运行人工智能算法的芯片都叫作AI 芯片。但是通常意义上的AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。人工智能与深度学习的关系如图所示。 人工智能与深度学习深度学习算法，通常是基于接收到的连续数值，通过学习处理，并输出连续数值的过程，实质上并不能完全模仿生物大脑的运作机制。基于这一现实，研究界还提出了SNN（Spiking Neural Network，脉冲神经网络）模型。作为第三代神经网络模型，SNN 更贴近生物神经网络——除了神经元和突触模型更贴近生物神经元与突触之外，SNN 还将时域信息引入了计算模型。目前基于SNN 的AI 芯片主要以IBM 的TrueNorth、Intel 的Loihi 以及国内的清华大学天机芯为代表。 1、AI 芯片发展历程从图灵的论文《计算机器与智能》和图灵测试，到最初级的神经元模拟单元——感知机，再到现在多达上百层的深度神经网络，人类对人工智能的探索从来就没有停止过。上世纪八十年代，多层神经网络和反向传播算法的出现给人工智能行业点燃了新的火花。 反向传播的主要创新在于能将信息输出和目标输出之间的误差通过多层网络往前一级迭代反馈，将最终的输出收敛到某一个目标范围之内。1989 年贝尔实验室成功利用反向传播算法，在多层神经网络开发了一个手写邮编识别器。

人工智能芯片项目申报材料

人工智能芯片项目申报材料 规划设计/投资方案/产业运营

报告说明— 该人工智能芯片项目计划总投资21266.68万元，其中：固定资产投资16354.87万元，占项目总投资的76.90%；流动资金4911.81万元，占项目总投资的23.10%。 达产年营业收入36306.00万元，总成本费用28621.56万元，税金及附加352.90万元，利润总额7684.44万元，利税总额9097.26万元，税后净利润5763.33万元，达产年纳税总额3333.93万元；达产年投资利润率36.13%，投资利税率42.78%，投资回报率27.10%，全部投资回收期5.19年，提供就业职位532个。 2018年全球正处于“后摩尔定律时代”，万物互联和万物智能得以实现，伴随着大数据的发展、计算能力的提升，全球人工智能近年迎来了新一轮的爆发。2018年几乎每个月，全球主流科技公司推出的定制人工智能芯片项目数量都会较上个月有所增加。与全球主流科技公司相比，我国人工智能芯片厂商也相继发布新版、升级版AI芯片，并且新版本芯片都取得了突破性发展。从全球人工智能芯片竞争格局来看，云端训练芯片方面英伟达一家独大，推断芯片百花齐放。其中全球安防人工智能芯片市场竞争格局稳定，现有厂商凭借与下游客户长期的合作，有望继续受益于安防智能化的升级，属于新进入者的市场空间有限。

第一章总论 一、项目概况 （一）项目名称及背景 人工智能芯片项目 （二）项目选址 某产业基地 对各种设施用地进行统筹安排，提高土地综合利用效率，同时，采用先进的工艺技术和设备，达到“节约能源、节约土地资源”的目的。项目建设区域以城市总体规划为依据，布局相对独立，便于集中开展科研、生产经营和管理活动，并且统筹考虑用地与城市发展的关系，与项目建设地的建成区有较方便的联系。undefined （三）项目用地规模 项目总用地面积56428.20平方米（折合约84.60亩）。 （四）项目用地控制指标 该工程规划建筑系数79.69%，建筑容积率1.52，建设区域绿化覆盖率5.64%，固定资产投资强度193.32万元/亩。 （五）土建工程指标

人工智能行业发展前景展望及市场规模预测

一、人工智能的内涵及分类 （一）人工智能的内涵 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能被发达国家视为人类的最后科学尖端，科研领域皇冠上的明珠。 （二）人工智能的分类 人工智能的概念很宽泛，按照人工智能的实力可分为三大类： 1、弱人工智能：在特定领域等同或者超过人类智能或效率的机器智能。 2、强人工智能：各方面都能和人类比肩的人工智能。 3、超人工智能：在包括科学创新、通识和社交技能等各个领域都超越人类的人工智能。 人工智能的革命就是从弱人工智能，通过强人工智能，最终达到超人工智能的过程。目前人类已经掌握弱人工智能，生活中弱人工智能无处不在，比如Siri、垃圾邮件过滤器、谷歌翻译、电商网站上的商品推送、谷歌无人驾驶汽车等等。 人脑与电脑的最大差别在于，一些我们认为困难的事情，如微积分、金融市场策略、翻译等，对于电脑来说都十分容易；但一些人类认为容易的事情，如视觉、动态、移动、直觉，对于电脑来说却是十分困难。而要达到人类级别的智能，电脑必须要理解更高深的东西，比如微小的脸部表情变化，以为为什么喜欢这个而不喜欢那个，要达到这样的水平首先在硬件方便要增加电脑处理速度，其次在软件方面要让电脑变得智能。 美国发明家、未来学家Kurzweil估算出人脑的运算能力是10^16 cps（calculations per second，每秒计算次数，描述运算能力的单位），即1亿亿次计算每秒。现在世界上最快的超级计算机，中国的天河二号，运行能力已达到3.4亿亿次，已经超过人脑，但由于其成本高、规模大、功耗高，使其并不能够被商业及广泛运用。Kurzweil认为考虑电脑发展程度的标杆是看1000美元能买到多少cps，当1000美元能买到人脑级别的1亿亿运算能力的时候，强人工智能就成为生活的一部分。而目前1000美元能买到10万亿cps（人脑的千分之一），根据加速回报定律，科技的进步将呈指数型增长，按照这个速度，到2025年1000美元就可以买到和人脑运算速度抗衡的电脑了。 二、人工智能的产业链分析 从发展路径及阶段上看，实现人工智能需经历三个阶段：计算智能（能存会算）、感知智能（能听会说、能看会认）和认知智能（能理解会思考）。

【完整版】2020-2025年中国人工智能基础数据服务行业成本领先战略制定与实施研究报告

（二零一二年十二月） 2020-2025年中国人工智能基础数据服务行业成本领先战略制定与实施研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……

报告目录 第一章企业成本领先战略概述 (8) 第一节报告简介 (8) 第二节企业成本领先战略的重要性及作用 (9) 一、成本领先战略是构建竞争优势的基础 (9) 二、成本领先战略还具有无可比拟的优势作用 (9) 二、是决定企业经营活动成败的关键性因素 (10) 三、是实现企业快速、健康、持续发展的需要 (10) 四、是企业扩展市场、高效持续发展的有效途径 (11) 五、是强化企业核心竞争力的有利武器 (11) 第三节企业成本领先战略的特性 (11) 一、长期性 (11) 二、全局性 (12) 三、外向性 (12) 四、竞争性 (12) 五、动态性 (12) 第二章市场调研：2019-2020年中国人工智能基础数据服务行业市场深度调研 (13) 第一节前言 (13) 第二节人工智能基础数据服务行业概述 (13) 一、人工智能基础数据服务定义 (13) 二、人工智能基础数据服务发展历程 (14) 三、人工智能基础数据服务的行业价值 (15) 四、人工智能基础数据服务的主要产品形式 (16) 第三节2019-2020年人工智能基础数据服务的发展背景 (17) 一、人工智能经济崛起为基础数据服务提供长期向好的基本面 (17) 二、数据量呈指数式增长，非结构化数据的应用依赖于清洗标注 (18) 第四节2019-2020年人工智能基础数据服务市场现状 (19) 一、人工智能基础数据服务产业链 (19) 二、人工智能基础数据服务产业图谱 (20) 三、人工智能基础数据服务行业投融资 (20) 四、人工智能基础数据服务行业商业模式 (21) 五、人工智能基础数据服务市场规模 (22) 六、人工智能基础数据服务细分结构 (23) 七、人工智能基础数据服务市场格局 (24) 第五节2019-2020年人工智能基础数据服务场景分析 (26) 一、视图基础数据服务市场现状 (26) 二、视图基础数据服务技术趋势 (27) 三、自动驾驶基础数据服务应用场景 (27) 四、自动驾驶基础数据服务市场现状 (28) 五、智能交互基础数据服务市场现状 (29) 六、智能交互基础数据服务技术趋势 (30)

人工智能芯片项目可行性报告 (3)

人工智能芯片项目可行性报告 xxx有限公司

摘要 近年来，各类势力均在发力AI芯片，参与者包括传统芯片设计、 IT厂商、技术公司、互联网以及初创企业等，产品覆盖了CPU、GPU、FPGA、ASIC等。在市场调研机构CompassIntelligence2018年发布的AIChipsetIndexTOP24榜单中，前十依然是欧美韩日企业，国内芯片企业如华为海思、联发科、Imagination(2017年被中国资本收购)、寒武纪、地平线机器人等企业进入该榜单，其中华为海思排12位，寒武纪 排23位，地平线机器人排24位。 按厂商来看，Intel作为全球第二大半导体企业，在数据处理类芯 片市场中拥有三成左右的份额。而与数据处理相关的DRAM/NAND存储 芯片厂商合计市场份额达37%，三星、SK海力士、镁光均进入竞争。Nvidia/AMD/Xilinx虽绝对收入占比仍然较低，但将受益于“CPU+xPU”异构计算方式的普及，享受市场需求高速增长带来的红利。 城市AI技术的创新在一定程度上也代表着这个城市的AI芯片的 发展水平以及发展潜力。城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。过去几年，全球 各地的主要城市都在AI技术的发展中发挥了差异化作用，构建了各自

的生态体系，并在赋能产业应用、助力区域经济发展方面实现初步效果，掀起了人类对新一轮产业革命的思考、认知和行动。 随着AI应用纷纷落地于城市层面，城市逐渐成为AI创新融合应 用的主战场。虽然全球各地AI技术的关键成功要素各有差异，但总体 而言都构建了有利于技术与城市融合的生态发展体系。通过对超过50 个AI技术细分应用行业、100多个AI技术相关的大学及研究机构、 200多家头部企业、500多个投资机构、7000家AI企业、10万名AI 领域核心人才的持续跟踪观察，总结了以城市为主体的AI技术及产业 生态体系的特点、框架及发展路径。 计算芯片(如CPU、GPU、FPGA、ASIC)在数据处理类芯片中占比最高，其中GPU拥有27%左右的份额，CPU和ASIC市占率不相上下，分 别为17%/15%。FPGA灵活度强但普及度低，在开发早期和小规模应用 时优势比较明显。 该人工智能芯片项目计划总投资20648.88万元，其中：固定资产 投资14195.56万元，占项目总投资的68.75%；流动资金6453.32万元，占项目总投资的31.25%。 达产年营业收入46583.00万元，总成本费用35848.43万元，税 金及附加383.86万元，利润总额10734.57万元，利税总额12599.06

2020年中国人工智能产业发展分析报告

2020年中国人工智能产业发展分析报告

目录 一、对2020年形势的基本判断 (4) （一）从产业链建设看，人工智能数据、算法、算力生态条件日益成熟。 4 （二）从政策推动来看，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区。 (6) （三）从投融资情况看，我国人工智能产业投资市场将关注易落地的底层技术公司。 (7) 二、需要关注的几个问题 (9) （一）我国人工智能领域的基础创新投入严重不足。 (9) （二）我国人工智能产业的算力算法核心基础相对薄弱。 (10) 三、应采取的对策建议 (13) （一）以算力为核心加强人工智能基础能力建设。 (13) （二）体系化梳理我国人工智能产业供应链现状。 (13) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力。 (14) （四）在国际社会上提出发展“负责任的人工智能”。 (14)

【内容提要】 2019年以来，中国人工智能产业发展迅猛，在产业链建设、政策推动、投融资发展上取得新进展，但也面临各种内外部压力和挑战。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注落地前景好的底层技术公司，但产业整体面临的外部形势将更为严峻。需关注的问题有我国人工智能领域的基础创新投入严重不足，国内人工智能产业的算力算法基础相对薄弱，以算法战、深度伪造为代表的人工智能技术滥用给我国经济社会带来潜在负面影响等。基于上述分析，赛迪智库电子信息研究所提出，以算力为核心加强人工智能基础能力建设、体系化梳理我国人工智能产业供应链现状、加快开拓国内外应用市场并提升出海抗风险能力、发展“负责任的人工智能”等措施建议。 2019年人工智能数据、算法、算力生态条件日益成熟，我国人工智能产业发展将迎来新一轮战略机遇，智能芯片、智能无人机、智能网联汽车、智能机器人等细分产业，以及医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域发展势头良好。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注易落地的底层技术公司，但同时产业发展的外部形势将更为严峻，美国对我国人工智能产业的压制可能从上游元器件转向下游行业应用。

2018-2019年度中国人工智能市场研究报告

2018-2019年度中国人工智能 市场研究报告

一、2018年中国人工智能产业整体概述 (4) (一) 产业发展概述 (4) 1、产业概述 (4) 2、产业规模与增长 (5) 3、基本特点 (5) (二) 产业结构分析 (7) 1、产业结构 (7) 2、产品结构 (8) 二、2019-2021年中国人工智能产业发展预测 (8) (一) 市场发展趋势 (8) 1、开源平台成为巨头生态之争主战场 (8) 2、人工智能产业将与智慧城市建设协同发展 (8) 3、高校跨界创新成为新趋势 (9) 4、人工智能加速阶段，人工智能芯片成为新机遇 (9) (二) 2019-2021年中国人工智能产业规模预测 (9) (三) 2019-2021年细分结构预测 (10) 1、产业结构 (10) 2、产品结构 (10) 三、中国人工智能产业重点企业分析 (11) (一) 阿里AI (11) (二) 商汤科技 (13) (三) 明略数据 (14) (四) 思特奇 (16) 四、建议 (17) (一) 以政府示范带动重点行业应用落地 (17) (二) 构建人工智能开放创新平台 (17) (三) 针于不同发展阶段进行差异化布局 (17) (四) 针对重点应用领域构建技术创新壁垒 (18) 表目录 表1 2016-2018年中国人工智能产业规模及增长 (5) 表4 2016-2018年中国人工智能产业结构细分 (7) 表5 2018- 2021年中国人工智能产业规模与增长预测 (9) 表6 2019- 2021年中国人工智能产业结构预测 (10) 表7 2019-2021年中国人工智能产业产品结构预测 (10) 表8 阿里巴巴人工智能产品分析 (12) 表9 商汤科技人工智能技术分析 (14) 表10 思特奇人工智能AIPaaS 产品 (17)

2017年AI芯片行业深度研究报告

２０１７年ＡＩ芯片行业深度研究报告

投资要点： ?AI应用爆发，底层芯片架构亟待革新：科技巨头的大力投入及政策 扶持正推动AI下游应用的迅猛增长，AI正在安防、无人驾驶、医疗等市场快速落地。而AI应用的发展离不开底层芯片架构的革新。传统芯片架构在处理神经网络算法时功耗较高，速度无法满足需求，因此催生了AI芯片的诞生，例如Google的TPU、寒武纪的NPU 等均是专门为AI应用度身定做的专有芯片，未来AI芯片将成为无论是移动端还是云端的标配，将成为下一阶段AI产业竞争的关键所在。 ?AI产业链中，最为看好上游AI芯片环节：目前时间点，AI产业链 上游的芯片企业的成长性最为确定，盈利模式最为清晰，AI芯片市场是率先受益于AI产业高速发展的环节，无论下游哪个应用领域率先落地，AI芯片市场都将迎来数倍的高速增长。根据智研咨询统计，2016 年人工智能芯片市场规模达到6亿美元，预计到2021年将达到52 亿美元，年复合增长率达到53%。仅测算安防前端智能摄像头市场，目前国内安防芯片市场规模约30亿人民币左右，预计未来三年，搭载人工智能模块的安防芯片市场存在三倍以上的成长空间，可达百亿级。 ?看好低成本高性能的ASIC发展路线，国内厂商或将弯道超车：目 前AI芯片技术主流路径为GPU、FPGA、ASIC等，场景方面分为云端、终端两大类，其中云端环境条件较为宽松，GPU暂时满足需求，未来AI ASIC芯片有望成为重要组成部分。终端受制于能耗，体积约束，同时应用场景相对明晰，对ASIC芯片需求强烈，我们看好ASIC路径发展前景。NVIDEA、INTEL、AMD等传统芯片巨头在GPU及FPGA领域具有不可撼动的优势，而国内中小芯片设计公司的优势在于细分场景下的ASIC芯片。随着AI芯片市场的快速发展，国内AI芯片设计公司在ASIC路线存在弯道超车的良好机遇。 ?行业评级及投资策略维持计算机行业“中性评级”，给予人工智能 板块买入评级，AI应用普及，AI芯片市场需求迅速上升，我们看好国内公司在ASIC芯片方面存在弯道超车的机遇，未来三年迎来爆发式成长，建议积极关注行业投资机会，短期重点推荐智能安防芯片市场。 ?重点推荐个股1、富瀚微：安防芯片A股龙头，受益安防人工智能 化发展；2、中科创达：芯片嵌入式解决方案A股龙头，麒麟970采用公司方案。建议关注：1、东软集团：无人驾驶芯片技术储备丰富，发展潜力较大；2、四维图新：无人驾驶芯片技术储备丰富，发展潜力较大；3、中科曙光：云端人工智能服务器潜力巨大；4、浪潮信息：与IBM建立合资企业研发人工智能服务器，前景远大。 ?风险提示：1）相关公司业绩不达预期的风险；2）行业政策变动风 险；3）市场系统性风险。

人工智能芯片项目可行性报告 (1)

人工智能芯片项目可行性报告 xxx科技发展公司

摘要 人工智能产业规模高速增长，全球市场调研机构IHSMarkit发布 数据显示，到2025年AI应用市场规模将从2019年的428亿美元激增 到1289亿美元。 回顾2019年，AI机器人群聊、管控道路桥梁积水、写作、智能客服……人工智能做了许多原本人类才会做的事情。数不尽的纷繁应用 背后离不开AI芯片的基础支撑。 日前，AI芯片新老牌厂商“混战”国际消费类电子产品展览会， 全面覆盖当前人工智能六大核心落地场景，包括云端训练、云端推理、智能手机、AIoT视觉推理、AIoT语音推理、自动驾驶等，国内AI芯 片进入落地阶段。 根据中国人工智能产业发展联盟(以下简称联盟)提供的数据， 2019年以来国内外芯片厂商共发布AI芯片近30款。 AI芯片怎样支撑多姿多彩的人工智能应用落地?评测标准进展如何?今年的亮点、看点又在哪?科技日报记者采访了相关专家。 回顾2019年，AI机器人群聊、管控道路桥梁积水、写作、智能客服……人工智能做了许多原本人类才会做的事情。数不尽的纷繁应用 背后离不开AI芯片的基础支撑，它是如何驱动AI“作业”的呢?

目前消费类智能产品大量应用人工智能、大数据等技术，芯片作 为硬件载体，承担了“让智能产品发挥作用”的功能。鲲云科技创始 人兼CEO牛昕宇介绍，人工智能行业有三个核心驱动力：算法、算力 和数据。人工智能芯片作为人工智能应用的底层硬件，为其提供算力 支撑。“通过技术创新，不断提升人工智能计算的性能、降低其成本 和功耗，从而支持越来越复杂的人工智能应用。” 如果把运行各种人工智能技术集合比作一个人的话，人工智能芯 片就是它的大脑实体，而各种聊天、视频制作、自动驾驶应用就是它 根据自己所能接触到的数据，学习到的经验知识进行的操作。一方面，随着数据经验的积累，它们运行的人工智能应用会越来越精确，另一 方面，它的学习受限于大脑的容量(芯片计算能力)、培养成本(芯片成本)以及大脑运算消耗的热量(芯片功耗)。 AI芯片的发展，离不开人工智能技术的发展。人工智能从1956年诞生至今，共经历过三次大的浪潮。进入21世纪，随着计算机性能的 提升和海量数据的产生，机器学习和CNN网络(卷积神经网络)获得突破，算法、算力和数据满足了人工智能的商业化落地需求，人工智能 迎来了高速发展的阶段。

一文读懂国内人工智能产业链(附人工智能企业TOP100)

一文读懂国内人工智能产业链（附2017 人工智能企业 TOP100 ） 随着互联网的快速发展及信息化建设的大力推进，人工智能逐渐进入人们的视野中。近年来，AI 厚积薄发，因深度学习获得突破，创业和投资的情绪高涨，全球科技巨头如谷歌、微软、苹果、IBM 、Facebook 、英特尔等都砸入巨额投资，将人工智能视为下一个技术引爆点，包括欧、美、日本与中国大陆等国纷纷将人工智能技术纳入国家蓝图，人工智能显然已成为各国、各科技企业竞争的下一个战场。 一、什么是人工智能？ 人工智能，英文缩写为AI ，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学，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作出防御的智能机器，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。如今，人工智能已经演化成了机器学习、自然语言处理、图像识别以及人机交互这四大模块。 机器学习技术：指计算机通过对大量已有数据的处理分析和学习，从而拥有预测判断和做出最佳决策的能力。这项技术与计算机科学、统计学、数学优化算法等都有着密不可分的关系。其代表算法有深入学习、人工神经网络、决策树、增强算法等。 自然语言处理技术：指让计算机可以理解人类的语言，包括将人类语言转化为计算机程序可以处理的形式及将计算机数据转化为人类自然语言两种形式。这里指的语言可以是声音也可以是文字。这项技术的主要内容包括信息检索、信息抽取、词性标注、句法分析、多语处理、语音识别等。

图像处理技术：指让计算机拥有人类的视觉功能，可以获得、处理并分析和理解图片或多维度数据。这项技术的主要内容包括图像获得、图像过滤和调整、特征提取等。 人机交互技术：指计算机系统和用户可以通过人机交互界面进行交流。这项技术包括的主要内容包括计算机图像学、交互界面设计、增强现实等。 二、人工智能发展前景无限 咨询公司Venture Scanner 统计，2016 年全球人工智能公司已突破1000 家，跨越13 个子门类，融资金额高达48 亿美元。整体来看，AI 产业不论是行业规模、还是吸金能力都在飞速扩张中。根据Bank of America 预测的数据：未来五年人工智能的年复合增速36% ，预计2020 年将达到700 亿美元。 数据显示，中国人工智能产业规模2016 年已突破100 亿，以43.3% 的增长率达到了100.60 亿元，预计2017 年增长率将提高至51.2% ，产业规模达到152.10 亿元，并于2019 年增长至345.2 亿元。 三、人工智能产业链分布 一般而言，人工智能产业链可以分为基础层、技术层和应用层。当前中国还处于行业应用层起步到快速发展的阶段，应用层的投资机会和投入回报率远高于技术层和基础设施层，当这个阶段出现泡沫时，投资机会可能更多地出现在技术层，当技术层停滞并出现泡沫时，投资机会可能更多在基础设施层。

我国人工智能市场营销趋势及策略分析(上海环盟)

我国人工智能市场营销趋势及策略分析

我国人工智能市场营销趋势及策略分析 (3) 第一节人工智能市场销售渠道分析 (3) 一、营销分析与营销模式推荐 (3) 1、渠道构成 (3) 2、销售贡献比率 (4) 3、覆盖率 (4) 4、销售渠道效果 (4) 5、渠道建设方向 (5) 二、销售渠道存在的主要问题 (5) 三、营销渠道发展趋势与策略 (6) 第二节人工智能市场营销策略分析 (9) 一、中国人工智能营销概况 (9) 二、人工智能营销策略探讨 (13) 1、中国人工智能产品营销策略浅析 (13) 1、营销策略的目标的制定 (13) 2、选择合适的市场营销途径 (13) 3、产品组合策略 (14) 4、价格组合策略 (14) 5、促销组合策略 (14) 2、人工智能新产品的市场推广策略 (15) 2、户外广告 (15) 3、报纸书刊 (15) 4、网络信息推广 (15) 3、人工智能细分产品营销策略分析 (15) 1、品牌营销策略 (16) 2、销售渠道营销策略 (16) 3、价格营销策略 (16) 1

第三节人工智能营销的发展趋势 (17) 一、未来人工智能市场营销的出路 (17) 二、中国人工智能营销的趋势预测 (17) 2

我国人工智能市场营销趋势及策略分析 第一节人工智能市场销售渠道分析 一、营销分析与营销模式推荐 1、渠道构成 人工智能行业产品主要体现在终端应用上，我国人工智能产品销售渠道主要由线上、线下渠道构成。 1）线上渠道 由于互联网的威力越来越大，网络营销因其独有的优势和特点逐渐成为人工智能行业营销新宠。尤其针对人工智能产品的自身特点来说，网络营销在打造品牌的知名度和美誉度等方面有着得天独厚的优势。 2）线下渠道 1、传统销售渠道。这种模式是由一群独立的制造商、批发商和零售商组成的分销组织形态，各渠道成员之间是一种松散的合作关系，每个成员都是一个独立的利益主体，他们各自追求自身利益的最大户，渠道中没有一个成员对其他成员有足够的控制力，最终使整个分销渠道效率低下。所以也被称为松散型分销模式。该模式的优点是成员独立性强，进退自由；能够促使企业不断创新；适用于中小企业，在进入市场时可以借助这种关系迅速成长。缺点则是各自谋求自身利益的最大化，整体效率下降；成员之间缺少信任感和忠诚度；临时性的交易关系，安全系数低；各种渠道资源无法有效共享；成员缺少渠道建设的积极性。 2、垂直销售渠道。该模式是由制造商、批发商、零售商所组成的一种统一的联合体，每个成员把自己视为分销系统的一份子，关注整个垂直系统的成功。该模式的优点是合理管理库存，削减分销成本；便于把握需求动向；抑郁安排生产与销售；渠道控制力强；有利于组织竞争者加入；商品质量有保障，服务水品高。缺点则较为明显，系统维系成本高，经销商缺乏独立创造性。 3、水平销售渠道。该模式是指由两个或两个以上的公司联合开发新的营销 3

人工智能行业分析

人工智能行业分析 人工智能行业可谓是现在科技的前端，高科技的行业，那么关于人工智能行业的分析有哪些知识呢?下面是为你整理的人工智能行业分析，供大家阅览! 人工智能行业简要分析 一、机遇 在2017政府工作报告中提到：“2017年将加快培育壮大新兴产业。全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化，做大做强产业集群。”这是“人工智能”首次被列入政府工作报告。 3月11日，科技部部长万钢在“全国人大会议新闻中心记者会”上表示，正在起草促进中国人工智能(AI)创新发展的规划，并估计两会后将很快出台。 二、行业简介 人工智能英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的重要分支，它的研究目标是了解智能的实质，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，该领域的研究包括智能语音技术、图像识别技术、自然语言理解、专家系统和机器人等。

人工智能可分为基础层、技术层和应用层。基础层为算力支撑(AI 芯片、云计算)，技术层为算法平台，应用层是AI向各传统行业的渗透应用。 AI 产业链中，芯片产业率先引来爆发。PC GPU 巨头NVIDIA 已经将业务重点转向AI 领域，应用在人工智能领域的可进行通用计算的GPU市场基本被NVIDIA垄断。但是芯片巨头英特尔明显对人工智能市场虎视眈眈，至强处理器Xeon+FPGA也将在2017年下半年量产，预计英特尔有很大的机会在2017年四季度迎来人工智能的第一波红利。 云计算方面，亚马逊、微软云计算业务爆发，其中亚马逊的AWS 云服务平台表现尤为靓丽。(先前我写的文章《网宿科技为什么大跌?》也有所涉及)。 技术层方面，Google、IBM 专注于人工智能(AI)技术层，研发更高级AI 算法，积累AI 底层技术。国内百度在这方面也有相当的投入并取得较大的进展。 应用层方面各显神通，Facebook、苹果在AI 应用层的布局集中在语音识别、图像识别、智能助理等领域;IBM 加速向医疗领域渗透，盈利前景已开始显现。 国内的话，目前主要还是在应用层耕耘较多，基础层和技术层方面与外国的差距较大。 三、部分上市公司 科大讯飞作为中国智能语音及人工智能产业的领导者，以“从能