宏觀層面上對我國當(dāng)前的人工智能產(chǎn)業(yè)鏈進(jìn)行了梳理，并在此基礎(chǔ)上分析了我國人工智能產(chǎn)業(yè)鏈的基本特征。

一、人工智能的定義

目前，人工智能的定義主要集中于對人類思考的模擬以及理性的思考兩方面，尚無統(tǒng)一的定義。但從產(chǎn)業(yè)發(fā)展來看，當(dāng)前人工智能都是立足于計算機(jī)的優(yōu)勢，以人智能的部分特征（如事物分辨、語音對話等）為參照，研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，并運用于各行各業(yè)之中。綜合來看，當(dāng)前人工智能產(chǎn)業(yè)的主流是弱人工智能，以計算與感知為核心支撐技術(shù)。

關(guān)于人工智能的定義

二、人工智能產(chǎn)業(yè)鏈

人工智能產(chǎn)業(yè)鏈包括三層：基礎(chǔ)層、技術(shù)層和應(yīng)用層。其中，基礎(chǔ)層為人工智能產(chǎn)業(yè)奠定網(wǎng)絡(luò)、算法、硬件鋪設(shè)、數(shù)據(jù)獲取等基礎(chǔ)；技術(shù)層以模擬人的智能相關(guān)特征為出發(fā)點，構(gòu)建技術(shù)路徑；應(yīng)用層集成一類或多類人工智能基礎(chǔ)應(yīng)用技術(shù)，面向特定應(yīng)用場景需求而形成的軟硬件產(chǎn)品或解決方案。

人工智能產(chǎn)業(yè)鏈

（一）基礎(chǔ)層

基礎(chǔ)層主要涉及數(shù)據(jù)的收集與運算，這是人工智能發(fā)展的基礎(chǔ)，主要包括AI芯片、傳感器、大數(shù)據(jù)與云計算。其中，傳感器及大數(shù)據(jù)主要負(fù)責(zé)數(shù)據(jù)的收集，而AI芯片和云計算負(fù)責(zé)運算。

1．AI芯片

AI芯片是人工智能的“大腦”，市場規(guī)模呈快速增長態(tài)勢。早期人工智能運算主要借助云計算平臺和傳統(tǒng)CPU相互結(jié)合的方式。但隨著深度學(xué)習(xí)等對大規(guī)模并行計算需求的提升，開始了針對AI專用芯片的研發(fā)。目前AI芯片主要類型有GPU（圖形處理器）、FPGA（現(xiàn)場可編輯門陣列）、ASIC（專用定制芯片）和類人腦芯片四種。預(yù)計至2021年，人工智能芯片市場有望達(dá)到111億美元，CAGR達(dá)20．99％。

AI芯片市場規(guī)模（資料來源：Gartner）

AI芯片技術(shù)發(fā)展呈現(xiàn)功能模仿與結(jié)構(gòu)逼近兩個方向。GPU、FPGA及ASIC是從功能層面模仿大腦能力，而類腦芯片則是從結(jié)構(gòu)層面去逼近大腦。雖然在結(jié)構(gòu)上模仿大腦運算是AI芯片終極目標(biāo)，但受制于技術(shù)上的限制，當(dāng)前AI芯片主流產(chǎn)品是在功能層面上的模仿。

目前，GPU和FPGA等通用芯片是人工智能領(lǐng)域的主要芯片，但由于它們起初并非針對深度學(xué)習(xí)而設(shè)計，在性能與功耗等方面存在天然的缺陷。因此，針對神經(jīng)網(wǎng)絡(luò)算法的專用芯片ASIC正被Intel、Google、英偉達(dá)和眾多初創(chuàng)公司陸續(xù)推出，有望在今后數(shù)年內(nèi)取代當(dāng)前的通用芯片成為人工智能芯片的主力。

我國AI芯片產(chǎn)業(yè)處于起步階段，但已呈現(xiàn)崛起之勢。目前我國專注于AI芯片的企業(yè)較少，且總體技術(shù)水平與發(fā)達(dá)國家有較大差距，高端芯片還主要依賴國外進(jìn)口。但目前也涌現(xiàn)了景嘉微、寒武紀(jì)科技等一批明星創(chuàng)業(yè)企業(yè)。國產(chǎn)AI芯片的崛起不僅帶來計算能力的提升，同樣可以起到降低成本的作用。

我國典型AI芯片企業(yè)

2．云計算

傳統(tǒng)實現(xiàn)移動終端人工智能的方法是通過網(wǎng)絡(luò)把終端數(shù)據(jù)傳送至云端，云端計算后再把結(jié)果發(fā)回終端，例如蘋果的Siri服務(wù)。當(dāng)前人工智能主要的計算平臺還是云計算。根據(jù)部署模式或服務(wù)形式的不同，云計算可分為基礎(chǔ)設(shè)施即服務(wù)（IAAS）、平臺即服務(wù)（PAAS）、軟件即服務(wù)（SAAS）三類。

IAAS，分為公有云、私有云和混合云三種形態(tài)，提供給客戶的服務(wù)是對基礎(chǔ)設(shè)施的使用，包括處理器、存儲和網(wǎng)絡(luò)等基本計算資源，用戶能夠部署和運行操作系統(tǒng)、應(yīng)用軟件等程序。
PAAS，將軟件研發(fā)的平臺作為一種服務(wù)，用戶可以在此平臺研發(fā)、存儲各種軟件或應(yīng)用程序。

SAAS，提供給客戶的服務(wù)是運行在基礎(chǔ)設(shè)施上的應(yīng)用程序，用戶可以在各種設(shè)備上通過互聯(lián)網(wǎng)訪問，如瀏覽器。

云計算種類及代表性企業(yè)

（二）技術(shù)層

技術(shù)層是人工智能產(chǎn)業(yè)發(fā)展的核心。技術(shù)層主要依托基礎(chǔ)層的運算平臺和數(shù)據(jù)資源進(jìn)行海量識別訓(xùn)練和機(jī)器學(xué)習(xí)建模，以開發(fā)面向不同領(lǐng)域的應(yīng)用技術(shù)，包括感知智能和認(rèn)知智能。

其中，感知智能通過傳感器、搜索引擎和人機(jī)交互等實現(xiàn)人與信息的連接，獲得建模所需數(shù)據(jù)，如語音識別、圖像識別、自然語音處理和生物識別等；認(rèn)知智能對獲取的數(shù)據(jù)進(jìn)行建模運算，利用深度學(xué)習(xí)等類人腦的思考功能得出結(jié)果�？梢�，只有在技術(shù)層基礎(chǔ)上，人工智能才能夠掌握“看”與“聽”的基礎(chǔ)性信息輸入與處理能力，才能面向用戶演變出更多的應(yīng)用型產(chǎn)品。
國內(nèi)的人工智能技術(shù)層主要聚焦于計算機(jī)視覺、自然語言處理以及機(jī)器學(xué)習(xí)領(lǐng)域。

在計算機(jī)視覺領(lǐng)域，動靜態(tài)圖像識別和人臉識別是主要研究方向，目前由于動態(tài)檢測與識別的技術(shù)門檻限制，靜態(tài)圖像識別與人臉識別的研究暫時處于領(lǐng)先位置，代表企業(yè)如百度、曠視科技、格靈深瞳等。

自然語言處理包括語音與語義識別兩方面。語音識別的關(guān)鍵是基于大量樣本數(shù)據(jù)的識別處理，國內(nèi)大多數(shù)語音識別技術(shù)商都在平臺化的方向上發(fā)力，以通過不同平臺以及軟硬件方面的數(shù)據(jù)和技術(shù)積累不斷提高識別準(zhǔn)確率。在通用識別率上，各企業(yè)的成績基本維持在95％左右，真正差異化在于對垂直領(lǐng)域的定制化開發(fā)，代表企業(yè)如科大訊飛、思必馳、云知聲等。

機(jī)器學(xué)習(xí)目前重點謀求在算法領(lǐng)域?qū)崿F(xiàn)突破，當(dāng)前主流算法如深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)及循環(huán)神經(jīng)網(wǎng)絡(luò)等都需要構(gòu)建龐大的神經(jīng)元體系，投入非常大，因此該領(lǐng)域主要為互聯(lián)網(wǎng)巨頭公司布局。由于巨頭公司業(yè)務(wù)領(lǐng)域和戰(zhàn)略不同，機(jī)器學(xué)習(xí)側(cè)重方向也略有不同，各公司在基礎(chǔ)算法研究的同時也會注重在特定行業(yè)的應(yīng)用，例如京東DNN實驗室研究神經(jīng)網(wǎng)絡(luò)算法，但主要方向在智能客服領(lǐng)域。

技術(shù)層分類及其代表性企業(yè)