人工智能产业的国内外政策环境与投资热度

人工智能产业的相关政策法规国外篇 政策加码,人工智能发展如火如荼 • 其他国家人工智能相关政策 各国均在政策层面强调和推动人工智能的发展。其中,美国侧重于研发新型脑研究技术;欧盟主攻以超级计算机技术来模拟脑功能;日本则聚焦以动物为模型研究各种脑功能和脑疾病的机理。 国内人工智能相关政策 国内近几年也出台了相关扶植人工智能发展的政策,积极推动人工智能在各个细分领域的渗透。2016年5月,国家四部委更是颁布《“互联网+”人工智能三年行动实施方案》,明确提出要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平。 人工智能产业全球投资热度 全球AI领域融资金额5年增长12倍 • 融资规模与成立公司数量总览 根据统计,截止2016年Q2,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。 而人工智能创投金额在5年间增长了12倍。 深度学习、自然语言处理和计算机视觉为创业最火热领域 • 人工智能在各细分领域的热度 应用场景扩展方面,机器学习、计算机视觉、自然语言处理、智能机器人、手势控制是...
More

人工智能产业链的商业模式

一个市场的形成会经历若干阶段,每一个阶段的环境造就不同的利润。 持有以上观点的一些探讨,AI大神吴恩达在一次访谈中提过: 一个新科技的出现要掐着时间,不能太早也能太晚。比如说iphone,2007年才是它发布的正确时间,而不是在1993年,因为那时的芯片,电池,屏幕技术还没到位。 另外一个极端的例子是达芬奇发明直升机,他发明直升机的时间是1480年代,而飞机引擎技术在1900年代才出现。 还有自动驾驶技术,2007年研究自动驾驶技术还太早,因为AI要用到的传感器还没生产出来。2015年以后,整个自动驾驶的生态系统才算比较完善。 同样在1990年代,网络,视频流还不足以支撑慕课问世,到2011年,整个网络基础建设才为在线视频教育提供了较好的环境。 深度学习也是,90年代数据/计算比较小,浅层算法效果更好。从2007开始,有了大数据做基础,深度学习才取得了更好的效果。 但是,我们还是要感谢历史中所有的革新者,包括早期的那些人,他们的工作对后来的发展进步也非常具有影响和帮助。 历史的条件具备,所谓天时。 产业链中的公司要赚钱,一定要等...
More

人工智能产业链重要产品和行业应用

在人工智能产业链三大模块中,除了英伟达英特尔公司属于基础层硬件供应商之外,其他的用户数据公司都是低调的赚钱大户,而最尴尬的是技术层公司,这部分部分公司套现都比较困难,尤其是通用技术和算法框架公司,因为在实际应用中,大部分算法的差异,用户是感受不到的,而且用户也无法看到算法的优势,更多时候是看能不能解决他们的实际问题。 所以技术一定要通过载体走出实验室,成为实际应用才能真正变现,在整个人工智能产业的节点上,直接与用户接触的都是解决方案商,他们打包了硬件和软件,参与了多个行业的项目。 人工智能产业链赚钱的公司分为两大类:基础硬件商+解决方案商 英伟达在人工智能领域提供大量的计算能力,比如下面这张标配TESLA P100: 然后配合英特尔的机器来跑数据(据说百度有好几个数据中心里面全部都是这个): 可以看到除了比特币之外,还有深度学习让 NVIDIA 和AMD的股票猛烈上扬,这些显卡基本连续跑半年到一年差不多要报废,可以说屌丝公司是无法做基础技术的。 还有一个叫赛灵思,专门做可FPGA的开发板。 别看价格小,装完跟下面这个比特...
More

人工智能产业链与国际巨头布局

巨头打造开源平台、布局AI芯片和核心技术 随着AlphaGo将AI带入人们的视野,AI逐渐被人们认为是下一个“ 互联网”类颠覆行业的技术。看重AI技术带来的巨大市场潜力,科技巨头们纷纷布局人工智能产业链,具体来讲有三种方式;打造AI 开源平台、布局AI芯片、布局AI核心技术。 从产业链的角度来讲,无论是开源平台,AI芯片还是AI核心技术,都是偏产业链上游的基础设施。 (1) 打造人工智能开源平台 AI开源平台是一个深度学习的工具箱,用户可以在其开放的平台上 使用其算法系统,获取开源代码。 自从深度学习取得突破性进展以后,巨头们频频开源。其根本原因在于,尽管算法是竞争的一个障碍,但数据和应用场景的甄别才是真正的山头。当AI公司们使用开源平台进行算法的迭代时,开源平台可以获取数据,以及市场对应用场景热度的反馈。 大量的创业公司会采用开源做垂直领域的业务,并试错验证,最终返回到开源,在算法被优化的同时,平台也可以通过用户行为的反馈甄别哪些是更有市场潜力的应用场景。 (2)布局人工智能芯片 人工智能芯片作为人工智能行业的重要底层架构,其战略重要性不能强调更多...
More

人工智能行业驱动力 之一: 数据量

海量数据为人工智能发展提供燃料 数据量、运算力和算法模型是影响人工智能行业发展的三大要素。2000年之后,数据量的上涨、运算力的提升和深度学习算法的出现极大的促进了人工智能行业的发展。 • 海量数据为人工智能发展提供燃料 要理解数据量的重要性,得先从算法说起。数据量和算法可以分别比作人工智能的燃料和发动机。算法是计算机基于所训练的数据集归纳出的识别逻辑,好的算法模型可以实现精准的物体和场景识别。数据集的丰富性和大规模性对算法训练尤为重要。因此可以说,实现机器精准视觉识别的第一步,就是获取海量而优质的应用场景数据。以人脸识别为例,训练该算法模型的图片数据量至少应为百万级别。 2000年以来,得益于互联网、社交媒体、移动设备和廉价的传感器,这个世界产生并存储的数据量急剧增加,这为通过深度学习的方法来训练计算机视觉技术提供很好的土壤。IDC数据显示,从2011 年起,全球所产生的数据量已达到ZB级别(1ZB约为10亿GB ),海量的数据将为计算机视觉算法模型提供远远不断的素材。而关于数据量对提高算法准确率方面的重要性,更有学者提出:“It’s not who has the ...
More

人工智能产业的国内外政策环境与投资热度

人工智能产业的相关政策法规国外篇 政策加码,人工智能发展如火如荼 • 其他国家人工智能相关政策 各国均在政策层面强调和推动人工智能的发展。其中,美国侧重于研发新型脑研究技术;欧盟主攻以超级计算机技术来模拟脑功能;日本则聚焦以动物为模型研究各种脑功能和脑疾病的机理。 国内人工智能相关政策 国内近几年也出台了相关扶植人工智能发展的政策,积极推动人工智能在各个细分领域的渗透。2016年5月,国家四部委更是颁布《“互联网+”人工智能三年行动实施方案》,明确提出要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平。 人工智能产业全球投资热度 全球AI领域融资金额5年增长12倍 • 融资规模与成立公司数量总览 根据统计,截止2016年Q2,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。 而人工智能创投金额在5年间增长了12倍。 深度学习、自然语言处理和计算机视觉为创业最火热领域 • 人工智能在各细分领域的热度 应用场景扩展方面,机器学习、计算机视觉、自然语言处理、智能机器人、手势控制是...
More