datasheet

xsy-ai机器人文明

文章数:108 被阅读:58836

账号入驻

最全!人工智能产业梳理(附全球最有价值的百强公司)

2018-06-25
    阅读数:


每一次新技术的诞生和发展都孕育着暗流涌动的产业变革。如今,新一代人工智能崛起,深度学习将机器学习推进到成熟,计算能力和云计算的普及,互联网带来了海量数据和人机频繁互动。

 

科技巨头拥有巨大的技术、数据、人才、产品线和资金等资源优势,而初创企业也通过自身强大且灵活的技术创新能力和垂直场景的应用给行业带来惊喜。

 

人工智能已经逐渐渗入各行各业,并改变着我们的生活方式。不过,对于人工智能这个涉及众多学科的庞大复杂体系,我们应该关注什么?机器人文明君从人工智能的发展历程、技术分类、产品、资本、企业等多个方面带你全面了解整个产业链。


一、人工智能发展:历经三大浪潮

 

从诞生至今,人工智能已有60年的发展历史,大致经历了三次浪潮。第一次浪潮为20世纪50年代末至20世纪80年代初;第二次浪潮为20世纪80年代初至20世纪末;第三次浪潮为21世纪初至今。

 

在人工智能的前两次浪潮当中,由于技术未能实现突破性进展,相关应用始终难以达到预期效果,无法支撑起大规模商业化应用,最终在经历过两次高潮与低谷之后,人工智能归于沉寂。

 

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成长。


人工智能发展历程示意图



二、新一代人工智能的主要驱动因素


当前,随着移动互联网、大数据、云计算等新一代信息技术的加速迭代演进,人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构,人与人、机器与机器、人与机器的交流互动愈加频繁。

人工智能发展所处的信息环境和数据基础发生了深刻变化,愈加海量化的数据,持续提升的运算力,不断优化的算法模型,结合多种场景的新应用已构成相对完整的闭环,成为推动新一代人工智能发展的四大要素。

 

新一代人工智能主要驱动因素示意图


1、人机物互联互通成趋势,数据量呈现爆炸性增长。


近年来,得益于互联网、社交媒体、移动设备和传感器的大量普及,全球产生并存储的数据量急剧增加,为通过深度学习的方法来训练人工智能提供源源不断的素材,人工智能正从监督式学习向无监督学习演进升级。


2、数据处理技术加速演进,运算能力实现大幅提升。


人工智能领域富集了海量数据,传统的数据处理技术难以满足高强度、高频次的处理需求。


人工智能芯片的出现加速了深层神经网络的训练迭代速度,让大规模的数据处理效率显著提升,极大地促进了人工智能行业的发展。


目前,出现了GPU、NPU、FPGA和各种各样的AI-PU专用芯片。相比传统的CPU只能同时做一两个加减法运算,NPU等专用芯片多采用“数据驱动并行计算”的架构,特别擅长处理视频、图像类的海量多媒体数据。在具有更高线性代数运算效率的同时,只产生比CPU更低的功耗。


3、深度学习研究成果卓著,带动算法模型持续优化。


2006年,加拿大多伦多大学教授杰弗里·辛顿提出了深度学习的概念,极大地发展了人工神经网络算法,提高了机器自学习的能力,例如谷歌大脑团队在2012年通过使用深度学习技术,成功让电脑从视频中“认出”了猫。


随着算法模型的重要性进一步凸显,全球科技巨头纷纷加大了这方面的布局力度和投入,通过成立实验室,开源算法框架,打造生态体系等方式推动算法模型的优化和创新。目前,深度学习等算法已经广泛应用在自然语言处理、语音处理以及计算机视觉等领域,并在某些特定领域取得了突破性进展,从有监督式学习演化为半监督式、无监督式学习。


4、资本与技术深度耦合,助推行业应用快速兴起。


当前,在技术突破和应用需求的双重驱动下,人工智能技术已走出实验室,加速向产业各个领域渗透,产业化水平大幅提升。


在此过程中,资本作为产业发展的加速器发挥了重要的作用。一方面,跨国科技巨头以资本为杠杆,展开投资并购活动,得以不断完善产业链布局,另一方面,各类资本对初创型企业的支持,使得优秀的技术型公司迅速脱颖而出。


美国行业研究公司CB Insight公布了对美国人工智能初创企业的调查结果,这类企业的融资金额约是2012年的10倍。目前,人工智能已在智能机器人、无人机、金融、医疗、安防、驾驶、搜索、教育等领域得到了较为广泛的应用。


三、新一代人工智能主要发展特征


在数据、运算能力、算法模型、多元应用的共同驱动下,人工智能的定义正从用计算机模拟人类智能演进到协助引导提升人类智能,通过推动机器、人与网络相互连接融合,更为密切地融入人类生产生活,从辅助性设备和工具进化为协同互动的助手和伙伴。主要特征如下:

1、大数据成为人工智能持续快速发展的基石


与早期基于推理的人工智能不同,新一代人工智能是由大数据驱动的,通过给定的学习框架,不断根据当前设置及环境信息修改、更新参数,具有高度的自主性。例如,在输入30万张人类对弈棋谱并经过3千万次的自我对弈后,人工智能AlphaGo具备了媲美顶尖棋手的棋力。


2、文本、图像、语音等信息实现跨媒体交互


随着互联网、智能终端的不断发展,多媒体数据呈现爆炸式增长,并以网络为载体在用户之间实时、动态传播,文本、图像、语音、视频等信息突破了各自属性的局限,实现跨媒体交互,智能化搜索、个性化推荐的需求进一步释放。


3、基于网络的群体智能技术开始萌芽


如今人工智能研究的焦点已从单纯用计算机模拟人类智能,打造具有感知智能及认知智能的单个智能体,向打造多智能体协同的群体智能转变。


群体智能充分体现了“通盘考虑、统筹优化”思想,具有去中心化、自愈性强和信息共享高效等优点,相关的群体智能技术已经开始萌芽并成为研究热点。例如,我国研究开发了固定翼无人机智能集群系统,并于2017年6月实现了119架无人机的集群飞行。


4、自主智能系统成为新兴发展方向


在长期以来的人工智能发展历程中,对仿生学的结合和关注始终是其研究的重要方向。但受技术水平的制约和应用场景的局限,没有实现大规模应用推广。


当前,随着生产制造智能化改造升级的需求日益凸显,通过嵌入智能系统对现有的机械设备进行改造升级成为更加务实的选择,也是中国制造2025、德国工业4.0、美国工业互联网等国家战略的核心举措。在此引导下,自主智能系统正成为人工智能的重要发展及应用方向。


5、人机协同正在催生新型混合智能形态


人类智能在感知、推理、归纳和学习等方面具有机器智能无法比拟的优势,机器智能则在搜索、计算、存储、优化等方面领先于人类智能,两种智能具有很强的互补性。人与计算机协同,互相取长补短将形成一种新的“1+1>2”的增强型智能,也就是混合智能,这种智能是一种双向闭环系统,既包含人,又包含机器组件。其中人可以接受机器的信息,机器也可以读取人的信号,两者相互作用,互相促进。


四、产业链形成,带动实体经济转型升级


中国信通院报告指出,人工智能能够快速发展主要依靠数据资源、计算技术以及基础算法和AI平台三大因素推动。


互联网的发展提供了种类丰富的大数据资源,提升算法有效性;计算技术的变革使硬件成本指数下降,运算时间缩短,助力人工智能再度崛起;基础算法和AI平台的创新减少了传统算法和人类手工总结特征的不完备性,大幅提升算法有效性。


目前,人工智能全产业链基本形成,带动实体经济转型升级。在纵向融通中,人工智能触及产业链各层级深度融通,ICT供给能力产生质的飞跃;在横向融合中,从消费到生产,实体经济数字化、网络化、智能化转型升级步伐加快。


五、我国是人工智能发展高地


目前,中国在人工智能领域的发展力度之深有目共睹。过去10年来,中国庞大人口已表现出欣然接受各种新技术的迫切意愿。我国人工智能企业数量接近1500家,在全球位居第二,是全球人工智能发展高地之一。


 尽管现在断言中国是否将如愿以偿为时尚早,但目前所有相关因素似乎都对中国极为有利,例如市场准备、创业资金、人才储备等。

 


首先,中国拥有海量数据流。人工智能机器学习急需数据,数据越多,效果就越准。如今丰富的“训练数据”已使中国脸部识别技术跻身全世界先进行列。中国还将人工智能应用于医疗、自动驾驶、交通管理和智能城市建设。


其次,中国还在技术投资方面保持领先。美国一创投研究机构近期研究称,在去年总额为152亿美元的全球人工智能投资总额中,48%流入中国,美国仅占38%。


再者,在人才方面,中国也在引领人工智能研究。美国奥巴马政府时期发布的人工智能报告显示,早在2014年,中国就在该领域研究论文的数量和质量上双双超过美国。即便如此,中国在人工智能领域的爆炸式增长仍缺乏研究人员。2016年工信部估计中国人工智能人才缺口超500万。为此,中国高校与企业正利用各类国家引智计划高薪纳贤。


与吸引海外人才相比,培养本土新人同样重要。中国人工智能“路线图”要求小学和中学增加计算机编程和人工智能教育。这意味着中国儿童将比其他国家同龄人更早学习此类知识。此外,中国教育部也已推出高校人工智能人才培养计划,试图通过科教融合、学科交叉等方式助力中国铸就人工智能高峰。

 

六、主要国家加快布局人工智能


过去60年,人工智能经历了不寻常的跌宕起伏,但该领域的一个不变特征是,美国一直占据主导地位。另外,近些年来,中国、欧盟和日本也是不可忽视的大力支持人工作智能的国家。



据彭博社报道,美国科技巨头、欧洲电信公司、日本风险投资公司和英国政府共同出资10亿英镑(14亿美元),投资英国的人工智能(AI)行业。在优先发展人工智能方面,英国和其他几个国家一样,把发展新兴技术放在国家未来发展的核心地位。

 

日本政府和企业界高度重视人工智能的发展,不仅将物联网(IoT)、人工智能(AI)和机器人作为第四次产业革命的核心,还在国家层面建立了相对完整的研发促进机制。希望通过大力发展人工智能,保持并扩大其在汽车、机器人等领域的技术优势,逐步解决人口老化、劳动力短缺、医疗及养老等社会问题,扎实推进超智能社会5.0建设。

 

中国在去年立下目标,到2030年要成为世界人工智能领域的领头羊。中国政府从不讳言其推动本国人工智能发展的愿望,而这并非停留在言辞和战略层面,人工智能研究基础设施建设正在如火如荼展开。中国政府计划在未来几年内投入数千亿元用于人工智能配套建设。

 

七、国内人工智能产业链解构


人工智能产业链的三个核心环节包括“基础技术”、“人工智能技术”和“人工智能应用”。


1、基础技术提供平台


人工智能的基础技术主要依赖于大数据管理和云计算技术,经过近几年的发展,国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同,这些平台主要集中于三个服务层面,即“基础设施即服务(IaaS)”、“平台即服务(PaaS)”和“软件即服务(SaaS)”。


基础技术提供平台为人工智能技术的实现和人工智能应用的落地提供基础的后台保障,也是一切人工智能技术和应用实现的前提。


对于许多中小型企业来说,SaaS 是采用先进技术的最好途径,它消除了企业购买、构建和维护基础设施和应用程序的需要;而 IaaS 通过三种不同形态服务的提供(公有云、私有云和混合云)可以更快地开发应用程序和服务,缩短开发和测试周期;作为 SaaS 和 IaaS 中间服务的 PaaS 则为二者的实现提供了云环境中的应用基础设施服务。

SaaS:提供给客户的服务是运营商运行在云计算基础设施上的应用程序,用户可以在各种设备上通过客户端界面访问,如浏览器。


PaaS:将软件研发的平台作为一种服务,以 SaaS 的模式提交给用户。


IaaS:分为公有云、私有云和混合云三种形态,提供给消费者的服务是对所有设施的利用,包括处理器、存储、网络和其它基本的计算资源,用户能够部署和运行任意软件,包括操作系统和应用程序。


2、人工智能技术平台


与基础技术提供平台不同,人工智能技术平台主要专注于“机器学习”、“模式识别”和“人机交互”三项与人工智能应用密切相关的技术,所涉及的领域包括机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学、语言和图像理解和遗传编程等。


机器学习:通俗的说就是让机器自己去学习,然后通过学习到的知识来指导进一步的判断。我们用大量的待遇标签的样本数据来让计算机进行运算并设计惩罚函数,通过不断的迭代,机器就学会了怎样进行分类,使得惩罚最小。这些学到的分类规则可以进行预测等活动,具体应用覆盖了从通用人工智能应用到专用人工智能应用的大多数领域,如:计算机视觉、自然语言处理、生物特征识别、证券市场分析和 DNA 测序等。


模式识别:模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读,它偏重于对信号、图像、语音、文字、指纹等非直观数据方面的处理,如语音识别,人脸识别等,通过提取出相关的特征来实现一定的目标。文字识别、语音识别、指纹识别和图像识别等都属于模式识别的场景应用。


人机交互:人机交互是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。在应用层面,它既包括人与系统的语音交互,也包含了人与机器人实体的物理交互。


而在国内,人工智能技术平台在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域,其中的代表企业包括科大讯飞、格灵深瞳、捷通华声(灵云)、地平线、SenseTime、永洪科技、旷视科技、云知声等。


3、人工智能应用


人工智能应用涉及到专用应用和通用应用两个方面,这也是“机器学习”、“模式识别”和“人机交互”这三项人工智能技术的落地实现形式。


其中,专用领域的应用涵盖了目前国内人工智能应用的大多数应用,包括各领域的人脸和语音识别以及服务型机器人等方面;而通用型则侧重于金融、医疗、智能家居等领域的通用解决方案,目前国内人工智能应用正处于由专业应用向通用应用过度的发展阶段。


(1)计算机视觉


在国内计算机视觉领域,动静态图像识别和人脸识别是主要研究方向:


图像识别,是计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。


人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。

目前,由于动态检测与识别的技术门槛限制,静态图像识别与人脸识别的研究暂时处于领先位置,其中既有腾讯、蚂蚁金服、百度和搜狗这样基于社交、社交、搜索大数据整合的互联网公司,也有三星中国技术研究院、微软亚洲研究院、Intel 中国研究院这类的传统硬件与技术服务商;同时,类似于 Face++ 和 FaceID 这类的新兴技术公司也在各自专业技术和识别准确率上取得了不错的突破。


而在难度最大的动态视觉检测领域,格灵深瞳、东方网力和 Video++ 等企业的着力点主要在企业和家庭安防,在一些常见的应用场景也与人脸识别技术联动使用。


图像识别代表企业:百度、搜狗、三星中国技术研究院、微软亚洲研究院、Intel 中国研究院等。


人脸识别代表企业:旷视科技、腾讯优图、蚂蚁金服、FaceID、汉王科技、三星中国技术研究院、微软亚洲研究院、中科奥森、深圳科葩、linkface、SenseTime 等。


动态视觉检测代表企业:格灵深瞳、东方网力、Video++ 等。


(2)语音/语义识别


语音识别的关键在于基于大量样本数据的识别处理,因此,国内大多数语音识别技术商都在平台化的方向上发力,希望通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。


在通用识别率上,各企业的成绩基本维持在 95% 左右,真正的差异化在于对垂直领域的定制化开发。


类似百度、科大讯飞这样的上市公司凭借着深厚的技术、数据积累占据在市场前列的位置,并且通过软硬件服务的开发不断进化着自身的服务能力;此外,在科大讯飞之后发布国内第二家「语音识别公有云」的云知声在各项通用语音服务技术的提供上也占据着不小的市场空间。


另外,除了科大讯飞,依托中科院自动化所的紫冬锐意和纳象立方以及有着海外背景的苏州思必驰在教育领域的语音识别上占据着领先的位置。


值得注意的是,不少机器人和通用硬件制造商在语音、语义的识别上也取得了不错的进展,例如智臻智能推出的小 i 机器人的语义识别、图灵机器人的个性化语音助手机器人和服务、被 Google 投资的出门问问的软硬件服务。


语音识别:科大讯飞、百度、出门问问、智齿客服、思必驰、云知声、助理来也、京东 JIMI 智能客服、普强科技、捷通华声、紫冬锐意、纳象立方等。


语义识别:科大讯飞、百度、腾讯、智臻智能、智齿客服、助理来也、京东 JIMI 智能客服等。


(3)智能机器人


由于工业发展和智能化生活的需要,目前国内智能机器人行业的研发主要集中于家庭机器人、工业\企业服务和智能助手三个方面。


根据《中国服务机器人市场现状调研与发展前景分析报告(2015-2020年)》中的数据,2014 年,我国服务机器人销售额 45.56 亿元,同比增长 34%;分布地区主要集中在经济较为发达的环渤海(27.3%)及长三角(29.6%)、珠三角地区(32.7%),中部地区(8.9%)和西部地区(1.5%)应用较少。

其中,工业及企业服务类的机器人研发企业依托政策背景和市场需要处于较为发达的发展阶段,代表性企业包括依托中科院沈阳自动化研究所的新松机器人、聚焦智能医疗领域的博实股份,以及大疆、优爱宝机器人、Slamtec 这类专注工业生产和企业服务的智能机器人公司。


在以上三个分类中,从事家庭机器人和智能助手的企业占据着绝大多数比例,涉及到的国内企业近 300 家,其中的代表性企业包括:


家庭机器人:优必选、Rokid、公子小白机器人、北冥星眸GalaxyEye、A.I.Nemo、极思维智能科技等。


智能助手:百度、小 i 机器人、图灵机器人、优必选、北冥星眸GalaxyEye、萝卜科技等。


工业\企业服务:新松机器人、博实股份、优爱宝机器人和 Slamtec 等。


(4)智能家居

 

与家庭机器人不同,智能家居和物联企业的主要着力点在于智能设备和智能中控两个方面。


在这其中,以海尔和美的为代表的传统家电企业依托自身渠道、技术和配套产品优势建立起了实体化智能家居产品生态。


而以阿里、腾讯、京东、小米和乐视等互联网企业为代表的公司则通过各自平台内的数据和终端资源提供不同的软硬件服务。


值得关注的是,科沃斯、broadlink、感居物联、风向标科技、欧瑞博、物联传感和华为等技术解决方案商在通用硬件和技术、系统级解决方案上已成为诸多智能家居和物联企业的合作伙伴。


综合来看,智能家居和物联企业由于市场分类、技术种类和数据积累的不同各自提供着差异化的解决方案。在既定市场中,没有绝对意义上的排斥竞争,各企业之间的合作融合度较强。


传统家电企业:海尔U+、美的M-Smart 等。


互联网企业:阿里小智、QQ 物联、京东微联、小米、乐视乐居家等。


技术解决方案商:科沃斯、broadlink、感居物联、风向标科技、欧瑞博、物联传感、华为等。


(5)智能医疗


目前国内智能医疗领域的研究主要集中于医疗机器人、医疗解决方案和生命科学领域。


由于起步较晚和技术门槛的限制,目前国内医用机器人的研发水平和普及率相较于国际一线水平仍存在一定的差距,从事企业主要集中与手术机器人和康复机器人两大领域,以新松机器人、博实股份、妙手机器人、璟和技创等企业为代表。

 

在医疗解决方案方面,以腾讯、阿里巴巴、百度和科大讯飞为代表的公司通过和政府、医疗机构的合作,为脑科学、疾病防治与医疗信息数据等领域提供智能解决方案。


而在生命科学领域,研究的着眼点在以基因和细胞检测为代表的前沿研究领域,代表企业有华大基因、碳云智能和贝瑞和康等。


医疗机器人代表企业:新松机器人、博实股份、妙手机器人、璟和技创等。


医疗解决方案代表企业:腾讯、阿里巴巴、百度、科大讯飞等。


生命科学代表企业:华大基因、碳云智能、贝瑞和康、安诺优达、联合基因、北科生物等。


综合来看,国内人工智能产业链的基础技术链条已经构建成熟,人工智能技术和应用则集中在人脸和图像识别、语音助手、智能生活等专用领域的场景化解决方案上。就趋势来看,未来国内人工智能领域的差异化竞争和突破将主要集中在人工智能相关技术的突破和应用场景升级两个层面。


另附国内知名投资机构在人工智能领域的代表性投资:


真格基金:地平线机器人、智齿科技、格灵深瞳、助理来也、亿航无人机、泼辣熊、零零无限科技。


红杉资本中国:地平线机器人、格灵深瞳、助理来也、大疆科技等。


IDG资本:小i机器人、智齿科技、SenseTime、碳原子科技、芋头科技、零零无限科技、科沃斯机器人等。


创新工场:蓝胖子机器人、小鱼在家、易致机器人、旷世科技等。


金沙江创投:地平线机器人、零零无限科技、天机等。


北极光创投:图谱科技、进化动力等。


启明创投:云知声、旷世科技等。


东方富海:亿航无人机、永洪科技等。


联想之星:旷世科技、思必驰、乐驾等。


晨兴资本:地平线机器人、碳原子科技、美洽等。


英诺天使基金:臻迪智能、通用机器人、速感科技等。


GGV纪源资本:亿航无人机、深之蓝水下机器人、元趣味等。


湖杉资本:天博智、元趣等。


光速安振中国创业投资:助理来也、小鱼在家等。


高通:云知声、七鑫易维等。


线性资本:地平线机器人、芋头科技等。


经纬中国:Camera360、永洪科技等。


达泰资本:金石机器人、永洪科技。


极客帮创投:异构智能、碳原子科技等。


八、产业链整体发展情况


 人工智能产业地图整体结构

 

1、计算基础设施:核心器件多元化创新,带动AI计算产业发展

 


2、软件算法及平台:公共数据集不断丰富,推动初创企业成长

 


3、软件算法及平台:关键平台逐步形成,是产业竞争焦点

 


4、软件算法及平台:部分应用技术快速成熟,进入使实用阶段

 


5、行业应用及产品:“AI+传统行业”加快融合创新,推动社会转型升级

 

6、产业分布:全球化趋势明显,我国人工智能发展日益向好


九、全球最具价值的100家人工智能公司


关于人工智能行业,到底哪些才是最值得我们关注的公司,而哪些公司又将主导人工智能的未来?我们从基础研究、技术和产品、行业潜力、公司运营能力、资本实力等五个维度,甄选出了全球范围内最具前途的二十几家人工智能公司,它们包括那些我们已经熟知的科技巨头,垂直行业独角兽,也有尚在萌芽的初创公司。


 

声明:

来源:中国信通院、中国电子学会、

机器之心、极客公园、彭博社、Techweb

由机器人文明综合整理,转载请注明来源!

如有侵权,请在后台联系管理员,谢谢! 

 

— 完 —



 往 期 精 选 



 

 

 


About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: TI培训

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved