2020年人工智能产业发展深度研究报告
一、人工智能市场格局
人工智能(Artificial Intelligence,AI)是利用机器学习和数据分析方法赋予机器模拟、延 申和拓展类人的智能的能力,本质上是对人类思维过程的模拟。AI 概念最早始于 1956 年 的达特茅斯会议,受限于算法和算力的不成熟,未能实现大规模的应用和推广。近年来, 在大数据、算法和计算机能力三大要素的共同驱动下,人工智能进入高速发展阶段。据中 国电子学会预测,2022全球人工智能市场将达到1630亿元,2018-2022年CAGR达31%。
人工智能赋能实体经济,为生产和生活带来革命性的转变。人工智能作为新一轮产业变革 的核心力量,将重塑生产、分配、交换和消费等经济活动各环节,催生新业务、新模式和 新产品。从衣食住行到医疗教育,人工智能技术在社会经济各个领域深度融合和落地应用。同时,人工智能具有强大的经济辐射效益,为经济发展提供强劲的引擎。据埃森哲预测, 2035 年,人工智能将推动中国劳动生产率提高 27%,经济总增加值提升 7.1 万亿美元。
二、多角度人工智能产业比较
目前,全球人工智能产业的生态系统正逐步成型。依据产业链上下游关系,可以将人工智 能划分为基础支持层、中间技术层和下游应用层。基础层是人工智能产业的基础,主要提 供硬件(芯片和传感器)及软件(算法模型)等基础能力;技术层是人工智能产业的核心, 以模拟人的
智能相关特征为出发点,将基础能力转化成人工智能技术,如计算机视觉、智 能语音、自然语言处理等应用算法研发。其中,技术层能力可以广泛应用到多个不同的应 用领域;应用层是人工智能产业的延伸,将技术应用到具体行业,涵盖制造、交通、金融、 医疗等 18 个领域,其中医疗、交通、制造等领域的人工智能应用开发受到广泛关注。
(一)战略部署:大国角逐,布局各有侧重
全球范围内,中美“双雄并立”构成人工智能第一梯队,日本、英国、以色列和法国等发 达国家乘胜追击,构成第二梯队。同时,在顶层设计上,多数国家强化人工智能战略布局, 并将人工智能上升至国家战略,从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国,局部领域有所突破。中国人工智能起步较晚,发展之路几经沉浮。自 2015 年以来,政府密集出台系列扶植政策,人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域,资金投向偏向终端市场。因此,相比美国产业布局,中国技术层(计算 机视觉和语音识别)和应用层走在世界前端,但基础层核心领域(算法和硬件算力)比较 薄弱,呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。
1、美国引领人工智能前沿研究,布局慢热而强势。美国政府稍显迟缓,2019 年人工智能国 家级战略(《美国人工智能倡议》)才姗姗来迟。但由于美国具有天时(5G 时代)地利(硅 谷)人和(人才)的天然优势,其在人工智能的竞争中已处于全方位领先状态。总体来看, 美国重点领域布局前沿而全面,尤其是在算法和芯片脑科学等领域布局超
前。此外,美国 聚焦人工智能对国家安全和社会稳定的影响和变革,并对数据、网络和系统安全十分重视。
2、伦理价值观引领,欧洲国家抢占规范制定的制高点。2018 年,欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》,在人工智能领域形成合力。从国家层面来看,受限于文化 和语言差异阻碍大数据集合的形成,欧洲各国在人工智能产业上不具备先发优势,但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准,在技术监管方面占据全球领先地位。
3、日本寻求人工智能解决社会问题。日本以人工智能构建“超智能社会”为引领,将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散,难以系统地发展人 工智能技术和产业。因此,日本政府在机器人、医疗健康和自动驾驶三大具有相对优势的 领域重点布局,并着力解决本国在养老、教育和商业领域的国家难题。
(二)基础层面:技术薄弱,芯片之路任重道远
基础层由于创新难度大、技术和资金壁垒高等特点,底层基础技术和高端产品市场主要被 欧美日韩等少数国际巨头垄断。受限于技术积累与研发投入的不足,国内在基础层领域相 对薄弱。具体而言,在 AI 芯片领域,国际科技巨头芯片已基本构建产业生态,而中国尚 未掌握核心技术,芯片布局难以与巨头抗衡;在云计算领域,服务器虚拟化、网络技术 (SDN)、 开发语音等核心技术被掌握在亚马逊、微软等少数国外科技巨头手中。虽国内 阿里、华为等科技公司也开始大力投入研发,但核心技术积累尚不足以主导产业链发展;在智能传感器领域,欧洲
(BOSCH,ABB)、美国(霍尼韦尔)等国家或地区全面布局传 感器多种产品类型,而在中国也涌现了诸如汇顶科技的指纹传感器等产品,但整体产业布 局单一,呈现出明显的短板。在数据领域,中国具有的得天独厚的数据体量优势,海量数 据助推算法算力升级和产业落地,但我们也应当意识到,中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。
“无芯片不 AI”,以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准,我们 将对 AI 芯片作详细剖析,以期对中国在人工智能基础层的竞争力更细致、准确的把握。
依据部署位置,AI 芯片可划分为云端(如数据中心等服务器端)和终端(应用场景涵盖手 机、汽车、安防摄像头等电子终端产品)芯片;依据承担的功能,AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算,对算法、精度、处理能力要 求非常高,仅适合在云端部署。目前,GPU(通用型)、FPGA(半定制化)、ASIC(全 定制化)成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势,在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。
GPU(Graphics Processing Unit)的设计和生产均已成熟,占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算,可平行处理海量信息,仍是 AI 芯片的首选。据 IDC 预测, 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内,英伟达和 AMD 形成双寡头 垄断,尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云
端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力,其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀,同时又具有强大的资金实力,中国短期内无法撼动 GPU 芯片的市场格局。
FPGA(Field Programmable Gate Array)芯片具有可硬件编程、配置高灵活性和低能耗 等优点。FPGA 技术壁垒高,市场呈双寡头垄断:赛灵思(Xilinx)和英特尔(Intel)合计 占市场份额近 90%,其中赛灵思的市场份额超过 50%,始终保持着全球 FPGA 霸主地位。国内百度、阿里、京微齐力也在部署 FPGA 领域,但尚处于起步阶段,技术差距较大。
ASIC(Application Specific Integrated Circuits)是面向特定用户需求设计的定制芯片, 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证,但在量产后, 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同,ASIC 仅是一种技术路线或方案,着力解决各应用领域突出问题及管理需求。目前, ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小,部分 领域处于世界前列。在海外,谷歌 TPU 是主导者;国内初创芯片企业(如寒武纪、比特 大陆和地平线),互联网巨头(如百度、华为和阿里)在细分领域也有所建树。
总体来看,欧美日韩基本垄断中高端云端芯片,国内布局主要集中在终端 ASIC 芯片,部 分领域处于世界前列,但多以初创企业为主,
2020年人工智能产业发展深度研究报告
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)