人工智能作為新一輪產業(yè)變革的核心驅動力，將催生新的技術、產品、產業(yè)、 業(yè)態(tài)、模式，從而引發(fā)經濟結構的重大變革，實現社會生產力的整體提升。麥肯 錫預計，到 2025 年全球人工智能應用市場規(guī)?？傊祵⑦_到 1270 億美元，人工智 能將是眾多智能產業(yè)發(fā)展的突破點。

通過對人工智能產業(yè)分布進行梳理，提出了人工智能產業(yè)生態(tài)圖，主要分為 核心業(yè)態(tài)、關聯業(yè)態(tài)、衍生業(yè)態(tài)三個層次。

下面將重點對核心業(yè)態(tài)包含的智能基礎設施建設、智能信息及數據、智能技術服務、智能產品四個方面展開介紹，并總結人工智能行業(yè)應用及產業(yè)發(fā)展趨勢。

智能基礎設施

智能基礎設施為人工智能產業(yè)提供計算能力支撐，其范圍包括智能傳感器、 智能芯片、分布式計算框架等，是人工智能產業(yè)發(fā)展的重要保障。

(1)智能芯片

智能芯片從應用角度可以分為訓練和推理兩種類型。從部署場景來看，可以 分為云端和設備端兩步大類。訓練過程由于涉及海量的訓練數據和復雜的深度神 經網絡結構，需要龐大的計算規(guī)模，主要使用智能芯片集群來完成。與訓練的計 算量相比，推理的計算量較少，但仍然涉及大量的矩陣運算。目前，訓練和推理 通常都在云端實現，只有對實時性要求很高的設備會交由設備端進行處理。

按技術架構來看，智能芯片可以分為通用類芯片(CPU、GPU、FPGA)、基 于 FPGA 的半定制化芯片、全定制化 ASIC 芯片、類腦計算芯片(IBM TrueNorth)。 另外，主要的人工智能處理器還有 DPU、BPU、NPU、EPU 等適用于不同場景 和功能的人工智能芯片。

隨著互聯網用戶量和數據規(guī)模的急劇膨脹，人工智能發(fā)展對計算性能的要求 迫切增長，對 CPU 計算性能提升的需求超過了摩爾定律的增長速度。同時，受 限于技術原因，傳統(tǒng)處理器性能也無法按照摩爾定律繼續(xù)增長，發(fā)展下一代智能 芯片勢在必行。未來的智能芯片主要是在兩個方向發(fā)展:一是模仿人類大腦結構 的芯片，二是量子芯片。智能芯片是人工智能時代的戰(zhàn)略制高點，預計到 2020 年人工智能芯片全球市場規(guī)模將突破百億美元。

(2)智能傳感器

智能傳感器是具有信息處理功能的傳感器。智能傳感器帶有微處理機，具備 采集、處理、交換信息等功能，是傳感器集成化與微處理機相結合的產物。智能 傳感器屬于人工智能的神經末梢，用于全面感知外界環(huán)境。各類傳感器的大規(guī)模 部署和應用為實現人工智能創(chuàng)造了不可或缺的條件。不同應用場景，如智能安防、 智能家居、智能醫(yī)療等對傳感器應用提出了不同的要求。未來，隨著人工智能應 用領域的不斷拓展，市場對傳感器的需求將不斷增多，2020 年市場規(guī)模有望突 破 4600 億美元。未來，高敏度、高精度、高可靠性、微型化、集成化將成為智 能傳感器發(fā)展的重要趨勢。

(3)分布式計算框架

面對海量的數據處理、復雜的知識推理，常規(guī)的單機計算模式已經不能支撐。 所以，計算模式必須將巨大的計算任務分成小的單機可以承受的計算任務，即云 計算、邊緣計算、大數據技術提供了基礎的計算框架。目前流行的分布式計算框 架如 OpenStack、Hadoop、Storm、Spark、Samza、Bigflow 等。各種開源深度學 習框架也層出不窮，其中包括 TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、 Leaf、Theano、DeepLearning4、Lasagne、Neon 等。

智能信息及數據

信息數據是人工智能創(chuàng)造價值的關鍵要素之一。我國龐大的人口和產業(yè)基數 帶來了數據方面的天生優(yōu)勢。隨著算法、算力技術水平的提升，圍繞數據的采集、 分析、處理產生了眾多的企業(yè)。目前，在人工智能數據采集、分析、處理方面的 企業(yè)主要有兩種:一種是數據集提供商，以提供數據為自身主要業(yè)務，為需求方 提供機器學習等技術所需要的不同領域的數據集;另一種是數據采集、分析、處理綜合性廠商，自身擁有獲取數據的途徑，并對采集到的數據進行分析處理，最 終將處理后的結果提供給需求方進行使用。對于一些大型企業(yè)，企業(yè)本身也是數 據分析處理結果的需求方。

智能技術服務