人工智能基础条件储备就绪，千亿市场等待召唤

您当前位置：首页 > 中为资讯 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-09-23 14:03:29】【打印】【关闭】

相关报告

人工智能热浪的袭来并非偶然，而是基于技术的巨大进步。传感器质量和数量的快速提升、计算机运行能力的大幅提高、计算成本的迅速下降、大数据产业的成熟和深度学习算法的发展等令人工智能技术实现飞跃，感知层所需的基础技术已基本具备。

传感器的大规模部署和应用是人工智能发展不可或缺的基础条件。随着微电子技术的日益成熟，传感器的能力有了质的飞跃。作为智能设备的神经末梢，传感器将成为人类感知自然最核心的元件，智能设备的出现又进一步加速了传感器领域的繁荣，全球运动检测传感器市场规模从2010年的600万美元增至2015年12.86亿元，6年时间增长了200多倍，传感器与智能设备发展相辅相成。

运算能力的提高与计算成本的下降加速人工智能产业发展进程。云计算、GPU的大规模使用使得并行处理海量数据的能力变得前所未有的强大，极度提升了人工智能的运算速度，将训练深度神经网络模型对某一事物的认知时间从一年缩短到几天。1990年每100万晶体管售价527美元，而这一数据到2013年已经大幅降至0.05美元，在摩尔定律下，计算成本急剧下降。运算能力和计算成本的两大突破推动了人工智能产业的加速发展。

全球运动检测传感器市场规模

摩尔定律

海量数据触发机器学习的复兴，为人工智能训练提供大量素材。互联网的渗透和物联网的发展引爆了数据的井喷，据统计，我们所拥有的90%的信息数据都产生于最近几年。根据IDC出版的研究报告显示，2013年人类产生、复制和消费的信息数据总量达4.4ZB，而到2020年将达到44ZB，数据总量正在呈指数式增长，数据维度也越来越丰富。大数据产业的成熟为机器学习的发展和应用提供了良好的土壤，为人工智能训练提供了丰富的素材，大大提升了算法的性能。

全球信息数据总量增长趋势

随着数据规模的增加深度学习算法效果更佳

深度学习算法是本轮人工智能发展的主要驱动力。本轮人工智能的再次复苏源于深度学习算法的进步，2006年Hinton发表论文提出了深层神经网络（深度学习）逐层训练的高效算法，引发了人们对深度神经网络模型的关注，进一步推升了深度学习算法的快速发展，使其逐渐成为人工智能领域最先进、应用最广泛的核心技术。而深度学习的出现使人工智能对数据进行分析、判断和预测成为可能，并且输出结果将随着数据处理量的增大而更加精准，这是传统人工智能所无法做到的。深度学习算法大大提高了机器对语言和声音的识别和处理精度，目前机器的错误率皆已低于人类，后期产品大量投入商业应用，提升了人工智能的市场普及度和资本关注度。

百度语音识别技术错误率低于人类

2015ImageNet冠军图像识别错误率低于人类

2020年人工智能市场规模将突破1,000亿人民币，中国市场约91亿元人民币。人工智能已经悄然深入各行各业，充斥在我们生活的四周，根据估算，2015年全球人工智能市场规模约484亿人民币，其中中国市场规模约12亿元人民币，60%的贡献来自语音识别，视觉识别占比达12.5%。未来这一新兴行业将保持高速增长，根据BBCresearch的预测，2020年全球人工智能市场规模将达183亿美元，约合1,190亿元人民币，年均增长率达19.7%；艾瑞咨询预测中国市场增速将高达50%，届时将有约91亿人民币的市场蓝海等待开拓（其中不包括硬件产品销售收入、信息搜索、咨询分发和精准广告推送等）。

2015年中国人工智能市场组成

全球人工智能市场规模

感知智能技术应用普及还需等待5-10年。人工智能目前已经进入感知智能阶段，多个发展瓶颈的突破不断助推着新科技的热浪向前翻涌。但根据Gartner2015年发布的新兴技术成熟度曲线图来看，人工智能应用普及还需时日。目前语音识别、图像识别应用的产业化程度最高，其中语音翻译、机器学习、自然语言问答、手势控制等技术成熟度较高，处于商业应用化阶段；自动驾驶汽车和智能顾问正处于期望峰值；虚拟个人助理、民用人工智能、智能机器人等还处于预期上升阶段。虽然目前基础条件储备基本完成，但人工智能应用化技术有待成熟，更全面的数据还需完善，智能化的芯片性能有望在最近2-3年实现提升。未来的5-10年间，感知智能将逐步普及，但认知智能的突破尚不明朗。

2015年Gartner人工智能相关技术成熟度曲线