人工智能千亿市场未来走向：软件与硬件之歌

　　 目前，各大科技巨头在AI产业上的布局，可以看到，硬件、开源算法、云服务已经成为必争之地。本文是来自高盛的AI产业调研报告，报告详细介绍了AI的技术背景、应用前景和目前的产业竞争局势及产业链地图。

 

 

　　人工智能千亿市场未来走向：软件与硬件之歌

 

　　人工智能(AI)，可以说是科技信息时代的大飞跃，既具备一定的类人逻辑性，又具备强大的计算能力和数据存储能力。虽然，目前业界并不处在一个良好的投资状态，但AI 技术依旧被认为是下一个带来巨大经济效益，提高社会生产力的巨大突破点。
 

　　事实上，在过去的这两年时间里，AI、机器人、自动驾驶等概念已经成为最前沿的文化、政治名词。很多研究认为，我们目前正处于这样一个技术拐点：计算能力更强更快，数据源更丰富，深度学习算法趋于成熟，专业的硬件(芯片)和开源代码逐渐崛起，越来越多的实用性AI应运而生。本文是来自高盛的AI产业调研报告，报告详细介绍了AI的技术背景、应用前景和目前的产业竞争局势及产业链地图。
 

　　AI背后的三大推手：数据、芯片、算法
 

　　1、移动网络大量普及 数据结构化或爆发
 

　　数据可以说是机器学习的关键。分布全球的无所不在的互联设备，包括移动设备、物联网等，使得非结构化的数据大量增长，也就是说，机器学习算法能够用来模拟、训练和测试的数据源更加充足。
 

　　仅以特斯拉互联汽车为例，截至目前，特斯拉总行程78000万英里，公司平台额外驱动的互联汽车也行驶了 100万英里。无线运营方面，Verizon8月公布了新的传输标准，使得远程传感器联通云端软件的速度更快。同时，新的5G网络也将促进传输数据，IDC预计截至2020年，年均数据量将达44泽字节(也就是44万亿字节)，未来五年复合年增长率将达141%，大数据技术将逐渐渗透实用领域。
 

　　与此同时，移动网络建立大规模数据库和云端处理技术的成本也在不断降低。预计不用三年，将有90%的人拥有被广告商支持的无限的免费数据存储。这是因为，硬盘驱动器的成本持续下降，激励着数据的创造。事实上，近90%的数据是过去两年中创建的。
 

　　2、GPU应用大势 新硬件更适配并行结构
 

　　GPU被认为是低成本、高计算能力的处理单元，特别是针对云端服务和新的神经网络结构，它能提高准确性和计算速率。基于GPU的并行结构允许更快的机器学习培训体系，远远优于目前广泛使用的基于CPU的数据架构。此外，通过额外的显卡网络，GPU体系可以加快迭代，实现更为精确的快速培训。
 

　　芯片浮点能力发展之快可以以NVIDIA GPU(GTX 1080)为例：该芯片性能为9T浮点运算，价值约700美元，也就是每G约8美分。参考1961年的IBM 1620，不考虑浮点运算能力的话，通过串联实现的每G浮点运算需耗9万亿美元。
 

　　我们也曾在102期智能内参中强调GPU的市场前景，并分析市场份额。相比于CPU，GPU 具有数以千计的计算核心，及强大、高效并行计算能力， 可实现 10-100倍应用吞吐量，特别适用于AI 海量训练数据情形。目前深度学习解决方案几乎完全依赖 (NVIDIA的)GPU。
 

　　3、算法不断优化 大公司推动开源
 

　　越来越多的算法研究推动着深度学习的实用性，伯克利、谷歌、Facebook也纷纷公开自家的源代码框架，也就是Caffe、TensorFlow和Torch。源代码的开放吸引着越来越多的软件开发者尝试新的算法，不到一年，TensorFlow就以及该形成了一个活络的存储库GitHub，作为目前最大的开发商合作网站。当然，并不是所有的AI都出自于开源框架。
 

　　AI产业的三大类布局
 

　　从技术更新周期来看，过去50年，计算机在摩尔定律的推动下不断进步，仅仅在系统框架方面，计算能力、存储容量带宽、编程语言转换都有很大的进展。参见90年代技术变革带来的经济繁荣，推动了软件、硬件、网络公司的整改。公共软件公司1995至今市值从2亿美元暴涨到5亿美元，只有2000年左右趋于平缓。显然，AI也有这样的趋势，引领硬件、软件、数据和服务提供商等领域的增长。事实上，谷歌、亚马逊、微软和Salesforce自2014年来就已经完成了17起AI相关的收购。