這年頭，沒掛上AI的名號，都不好意思說自己是旗艦機。德勤也預測到：2023年，人工智能芯片將成為智能手機的標配。除了手機，智能音箱作為AI的一大入口，也是迅速風靡：2017年銷售量達165萬臺。

人工智能，這個科幻感十足的名詞，正在走進現實：各國將AI融入頂層設計，巨頭們積極布局生態，小廠商們紛紛在各大場景找突破，金融、醫療、公共服務等領域的新應用雨后春筍般的冒出來。

以下為智能內參整理呈現的干貨：

AI浪潮爆發的背后

隨著PC市場、 移動終端市場漸于飽和，互聯網正在迎接人工智能時代。

▲全球爆發人工智能產業浪潮

人工智能（AI）一詞最早出現于1956年的達特茅斯會議，受限于早期的計算性能和算法發展，AI經歷了半個多世紀的起起伏伏，概念更迭。

21世紀，隨著計算能力大幅提升（特別是GPU的引入）、云計算的興起、機器學習（特別是深度學習）變得更加強大、互聯網數據量急劇增長，人工智能從此進入了加速增長的新階段。

▲三大因素推動人工智能快速發展

2016年，隨著AlphaGo在人機大戰（韓國圍棋高手李世石敗給谷歌人工智能AlphaGo）中，完成了傳統算法在傳統硬件架構下的不可能任務，“人工智能”成為熱詞，一夜躥紅。

人類看到了機器智能的曙光，產業看到了信息革命的風口。

▲信息革命：人工智能將成為各個產業的核心（援引軟銀世界大會.2017）

普華永道分析指出，截至2030年，AI將為全球GDP帶來14%的增長，也就是15.7萬億美元（6.6萬億美元來自生產力的提高，9.1萬億美元來自相關消費/商業市場）。

▲主要國家加快布局人工智能

為此，各國政府將AI融入頂層設計，相關政策層出不窮，聯手資本推動技術向產業轉化；科技巨頭致力于AI底層技術，并購交易數量飆升，圍繞自家主業打造AI生態并加速向其他業務的擴散；中小企業在各個細分領域找到了生存空間并紛紛站隊，傳統企業走上轉型之路……

▲人工智能分類與應用場景（援引渤海證券）

目前，人工智能全產業鏈基本形成。

從提高生產力的角度來看，AI為交通、醫療、教育、工業等行業的各層級提供深度融通，ICT（信息與通信技術）供給能力產生質的飛躍；從相關消費/商業市場的角度來看，AI加持下，實體經濟數字化、網絡化、智能化轉型升級步伐加快。

▲AI全產業鏈基本形成

從AI創新的活躍度來看，科研機構和企業都在加快人工智能研究和創新，相關專利數指數型增長。2016年科技巨頭在AI上的相關投入已經達到200億到300億美元，2017年AI投融資金額呈現井噴，2018年國產AI獨角獸創企更是迎來了上市良機。

▲AI產業熱度逐步提升

從規模來看，語音、視覺等AI技術已經步入實用和商用，智能音箱、智能安防等新興市場備受追捧。我國現有人工智能企業數量已經接近1500家；全球來看，歐洲和亞洲的新增AI企業數增速逐步提升。

▲創新AI企業快速涌現，我國是人工智能發展高地

全球產業地圖

人工智能產業鏈結構分為基礎層（計算基礎設施）、技術層（軟件算法及平臺）與應用層（行業應用及產品）。

基礎層

▲AI基礎層產業地圖

基礎層主要包括計算硬件（AI芯片）、計算系統技術（云計算、大數據和5G通信）和數據（數據采集、標注和分析）。

▲AI芯片產業梳理

以AI芯片為例，作為AI產業的核心硬件，有分析認為，到2020年AI芯片市場規模將達到146.16億美元，約占全球人工智能市場規模12.18%，故此發展迅猛。

AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責），支撐于側、端側AI計算需求。

當前，AI芯片主要分為GPU、DSP、FPGA、ASIC以及類腦芯片等，尤其是于端深度學習計算平臺的需求正在快速釋放。其中，來自我國的亮點企業有寒武紀、深鑒科技等。

▲全球部分人工智能公共數據集情況

除了計算硬件的支持，全球數據流量的快速增長也為AI倚仗的深度學習提供了良好基礎，公共數據集為創新創業和行業競賽提供優質數據，給初創企業帶來必丌可少的資源。

有這樣一種說法：深度學習是人工智能這臺火箭的發動機，燃料是大數據，云計算是引擎。

技術層

▲AI技術層產業地圖

技術層面，我們可以從三個維度來理解：算法理論（機器學習算法、類腦算法）、開發平臺（基礎開源框架、技術開放平臺）和應用技術（計算機視覺、自然語言理解和人機交互）。

▲關鍵平臺逐步形成，是產業競爭焦點

其中，開發平臺可謂巨頭云集。以平臺為核心既能縱向打通全產業，又能以業務為導向搶灘重點產業，拓展基礎技術，從而與自家的硬件戰略打配合戰。

基礎開源框架方面，優勢企業如谷歌、亞馬遜、臉書加快部署機器學習、深度學習底層平臺，建立產業事實標準。目前業內已有近40個各類AI學習框架，生態競爭異常激烈。

技術開放平臺方面， 典型企業如科大訊飛、商湯科技利用技術優勢建設開放技術平臺，為開發者提供AI開發環境，建設上層應用生態。

▲部分應用技術快速成熟，進入實用階段

應用技術方面，以語音識別、機器視覺為代表的人工智能技術快速成熟，達到實用化水平（詳細成熟度評估參考智東西第209期內參）。

鑒于語音識別、機器視覺的成熟化，機器視覺、智能語音成為AI產業化水平最高的人工智能領域，企業數量和初創企業快速增長。

應用層

▲AI應用層產業地圖

應用層面，我們可以從行業解決方案（“AI+”）和典型產品（機器人、智能音箱、智能汽車、無人機等）兩個角度來看。

▲“AI+傳統行業”：加快融合創新，推動社會轉型升級

先來說行業解決方案，主要也就是“AI+傳統行業”，這就覆蓋了安防、交通、醫療、制造、教育、金融、家居等諸多垂直領域。

對于安防產業，AI指向了智能化檢測預警與控制，將帶來行業變革；對于交通，駕駛模式、交通優化等AI方案將提高城市通行效率，改變人們的出行模式；對于消費市場，智能音箱、智能家居等多通道交互產品將改變用戶模式，催生新的O2O平臺；對于工業而言，AI指向的工業機器人，甚至無人工廠將改善作業環境，提升生產力，降低成本。

本土AI的發展

▲當前各國AI實力：美國領跑，中國猛追

▲AI企業分布

目前，美國仍是人工智能核心發源地之一，坐擁卓越的技術研發機構、理論學科以及各類實驗室，加上資本、政策利好，AI產業發展前景樂觀，在基礎算法和理論研究方面，相對領先，其它國家人工智能發展正在快速跟進。

中國已經成為全球AI中心之一。但數據環境、人才緊缺和智能硬件，特別是微晶片、CPU等產業的不成熟，可以說是中國人工智能發展面臨的最大難題。

▲三個維度推動我國AI基礎環境建設

不過，在政策指導和監管下，強烈的市場需求，包括工業、商業市場和消費場景，將會強力作用于AI技術研發和人才培養。目前，國內北京人工智能發展領跑全國，滬粵江浙發展逐步加速。

▲加快關鍵環節布局，推動我國人工智能產業生態化發展

人工智能在經歷了2017年的爆炸式發展后，并沒有冷卻起來，巨頭們強勢布局，各大創企紛紛進入成長期，在政策和資本的支持下加速建設技術壁壘并推廣商業應用。預計AI+安防、出行、工業、金融等行業將率先增長，計算芯片、模式識別（語音和圖像）、自然語言理解的可用性將得到檢驗，新的消費場景和商業模式將得到探索。