编辑|十四、人工智能（AI）可以说是科技信息时代的一次伟大飞跃。
它不仅具有一定程度的类人逻辑，还具有强大的计算能力和数据存储能力。
尽管目前行业投资状况不佳，但人工智能技术仍被认为是下一个巨大突破，将带来巨大经济效益、提高社会生产力。
事实上，近两年来，人工智能、机器人、自动驾驶等概念已经成为最前沿的文化和政治术语。
许多研究认为，我们目前正处于一个技术拐点：计算能力更强更快、数据源更丰富、深度学习算法日趋成熟、专业硬件（芯片）和开源代码逐渐涌现、越来越实用性AI应运而生。
本期的智能内参，推荐高盛的AI行业研究报告。
报告详细介绍了人工智能的技术背景、应用前景、行业竞争现状以及产业链图谱。
如果您想收藏本报告全文，可以点击回复关键词“nc”下载。
以下为智能内参呈现的干货信息： AI背后的三大驱动力：数据、芯片、算法 1、移动网络大规模普及。
数据结构化或数据爆发可以说是机器学习的关键。
分布在世界各地无处不在的互联设备，包括移动设备、物联网等，导致非结构化数据大量增加。
换句话说，机器学习算法有更丰富的数据源用于模拟、训练和测试。
以特斯拉的联网汽车为例，到目前为止，特斯拉已累计行驶了 00,000 英里，而该公司平台驱动的联网汽车也额外行驶了 10,000 英里。
在无线操作方面，Verizon于8月份宣布了新的传输标准，允许远程传感器更快地连接到云软件。
同时，新的5G网络也将促进数据的传输。
IDC预测，到2020年，年均数据量将达到44泽字节（即44万亿字节），未来五年年复合增长率将达到%。
大数据技术将逐步渗透到实际领域。
与此同时，为移动网络构建大规模数据库和云处理技术的成本也在下降。
智能东方还在《智能内参》一期中引用了世界经济论坛的观点：预计三年内，90%的人将拥有广告商支持的无限免费数据存储。
这是因为硬盘驱动器的成本持续下降，刺激了数据的创建。
事实上，近90%的数据是在过去两年内创建的。
*IDC调查的数据量增长趋势 2. GPU应用趋势 新硬件更适合并行结构 GPU被认为是低成本、高算力的处理单元，特别是对于云服务和新的神经网络结构，它可以提高精度性能和计算速度。
基于 GPU 的并行架构可实现更快的机器学习训练系统，其性能远远优于当前广泛使用的基于 CPU 的数据架构。
此外，通过额外的显卡网络，GPU系统可以加快迭代速度，实现更准确、更快速的训练。
*基于GPU的云计算芯片浮点能力的快速发展可以以NVIDIA GPU（GTX）为例：该芯片具有9T浮点运算的性能，价值约为美元，约合每颗8美分G. 作为参考，IBM 在 2007 年，不包括浮点计算能力，通过级联实现的每 G 浮点计算将消耗 9 万亿美元。
智东西还强调了GPU的市场前景，并对智能内参的市场份额进行了分析。
与CPU相比，GPU拥有数千个计算核心和强大高效的并行计算能力，可实现10倍的应用吞吐量，特别适合AI海量训练数据情况。
当前的深度学习解决方案几乎完全依赖 GPU（来自 NVIDIA）。
*超级计算机浮点指数增长趋势*千兆位浮点运算成本变化趋势3.算法不断优化。
大公司正在推动开源。
越来越多的算法研究正在推动深度学习的实用化。
Berkeley、Google、Facebook也都公开了自己的源代码框架，分别是Caffe、TensorFlow和Torch。
源代码的开放吸引了越来越多的软件开发者尝试新的算法。
不到一年的时间，TensorFlow就形成了live仓库GitHub，是目前最大的开发者合作网站。
当然，并非所有人工智能都来自开源框架。
*AI进程时间表 AI产业三大布局 从技术更新周期来看，过去50年计算机在摩尔定律的驱动下持续前进。
只是在系统框架、计算能力、存储容量带宽、编程语言转换等方面都有了很大的进步。
看看20世纪90年代技术变革带来的经济繁荣，推动了软件、硬件、互联网公司的整顿。
公共软件公司的市值从2亿美元飙升至5亿美元，仅在一年左右就趋于平稳。
显然，人工智能也有这种趋势，引领着硬件、软件、数据和服务提供商等领域的增长。
事实上，今年以来，谷歌、亚马逊、微软和Salesforce已经完成了17起人工智能相关收购。
*2016年以来人工智能相关收购项目*人工智能风险投资增长趋势目前，科技巨头和风险投资家主要关注三个方面：DIY，即独立建立自己的人才和数据库，以及推出新的人工智能堆栈。
主要参与者包括微软、谷歌、亚马逊和百度；咨询服务，提供垂直领域、特定领域的专业人工智能咨询，如IBM的Watson；开发人工智能即服务（AI-aaS），例如谷歌图像识别模型。
*人工智能系统框架示意图*AI堆栈的演变 1. DIY趋势：云平台和开源 高盛咨询了各大公司和风险投资机构，得出的结论是AI或机器学习（ML）将被互联网公司广泛使用。
这就需要有效的数据收集，而相关人才却很稀缺。
然而，随着移动互联网设备和物联网的普及，数据量不断增加，数据采集也变得越来越容易。
目前，AI堆栈与其他前沿技术最大的区别在于，大多数机器学习严重依赖开源技术和基于云的平台提供商服务。
这是因为AI和ML需要大量的数据支持，并且是按需计算。
目前，人工智能的基础技术投资主要来自微软、谷歌、亚马逊等云服务提供商。
其中，云计算的首选是GPU和FPGA，它们可以进行并行且快速的数据处理。
许多公司会购买这些开源或云服务来帮助开发客户并降低运营成本。
*主要开源项目 2、咨询服务：缺乏弥补技术差距和人才的资金，为IBM、埃森哲、德勤等公司的信息服务创造了市场环境。
因此，机器学习相关人才有很大的机会，甚至有组织举办数据科学竞赛来提供奖励。
* 机器学习人才招聘现状 3. AI-aaS：可能创造最大的蓝海。
人工智能需要独特的数据集和专业人才，这使得五年内出现大量人工智能公司似乎成为一种奢侈。
事实上，最有可能的场景是企业利用AI提供商的数据和框架来创建增值AI服务，即API。
人工智能应用的开发是最基本的例子，尤其是图像识别和语音识别。
。
目前，谷歌和微软都提供付费API。
开发者可以将API嵌入到自己的应用程序中，以提高产品定位和水平。
AI-aaS可以应用于垂直领域，帮助大公司整合数据，构建机器学习模型，并将其出售给合作伙伴、客户和供应商。
初创公司还可以构建专门的数据集，用于医疗影像、广告、零售等领域。
值得注意的是，除了这些高端技术方面，与我们关系比较密切的AI应用是聊天机器人（聊天程序，bots），被认为是未来人机交互的入口，特别是自然语言识别、消息平台和虚拟助手是当前技术关注的重点。
*AI-aaS案例*AI-aaS API及价格年份：五大领域千亿市场 1、AI农业规模达1亿美元。
基于传感器和卫星等技术提供的有效视听数据，机器学习有望帮助提高农作物产量（即繁殖能力）、减少化肥和灌溉成本、协作早期发现农作物和牲畜疾病、降低劳动力成本，并协助收获后分拣物流至市场。
*机器学习应用于农业2.金融服务规模达1亿美元。
机器学习和人工智能广泛应用于金融服务行业。
随着数据集的丰富，人工智能可以用于投资决策、信用风险概况等，用更少的时间处理更全面的市场信息，并提供专业、令人印象深刻甚至更准确的分析。
*AI应用于金融服务3.AI医疗每年可节省1亿美元。
机器学习在医疗保健领域具有广泛的可用性。
它可以提供实时监测，帮助发现高回报的技术和药物，并帮助测试分析和优化治疗。
预计，随着机器学习和人工智能技术逐渐成熟，将推动药物研发进程，每年降低数亿成本，同时也带动医疗信息化的效率提升。
*未来十年医疗AI的投资回报*AI在医疗垂直领域的应用 4、零售行业年均消费1亿美元，节省1亿美元。
线上到线下已经被证明对传统零售业是一个挑战，而电子商务可以积累大量的客户信息。
基于这些数据，AI零售可以帮助企业更好地服务目标客户，更有效地传递产品信息。
*全球电子商务发展趋势5.人工智能可以帮助能源项目节省数十亿美元。
石油天然气行业的检测和开采有时会处于极端条件下，因此设备和工艺的可靠性非常重要，影响着项目的经济效益。
为了避免操作失误，该行业经常使用过于复杂的工程设备和过多的人力。
事实上，人工智能可以帮助设计更可靠的设备和流程，减少资本支出和运营成本。
据估计，基于人工智能的能源工程未来可以帮助节省数十亿美元。
*从能源行业的结构可以看出人工智能的潜力。
巨人的游戏：软硬件之歌。
智熙迪和奇智能内参详细介绍了目前各大科技巨头在AI行业的布局。
可见硬件、开源算法、云服务已经成为兵家必争之地。
1.谷歌：贯彻软件和硬件结合的理念，谷歌，或者现在的Alphabet，建立了独特的AI搜索算法，该算法在自然语言处理方面具有优势，并应用于谷歌搜索。
它还有望用于谷歌智能家居生态系统。
展示你的技能。
该公司的开源软件库/云计算平台TensorFlow也正在结合众多尖端硬件加速器推出全新的AI张量处理单元TPU。
此外，收购的DeepMind也在击败李世石的战斗中名声大噪。
2、亚马逊：准备开源服务 亚马逊AWS在云服务布局上具有相当的优势。
今年4月，该公司宣布推出机器学习服务Amazon ML，以提供有针对性的用户体验。
今年5月，亚马逊推出了自己的开源软件DSSTNE，帮助构建深度学习开发库。
3. 苹果：活跃的收购者。
在过去的一年里，Evaluate收购了Emotient、Turi、Tuplejump等AI初创公司，聘请了此前在NVIDIA从事GPU软件项目的Johnathan Cohen，并聘请了Ruslan Salakhutdinov作为其AI研发部门。
导演。
Siri可以称得上是苹果在AI领域最重要的成就之一。
此外，有关苹果大脑的传闻也甚嚣尘上。
4、微软：力推基于GPU和FPGA的云。
微软首席执行官纳德拉表示，微软正在打造“民主化人工智能”。
目前，AI研究组的员工数量超过了人，目标是改变人类和机器。
从体验和交互技术上来说，Cortana是比较有代表性的成果。
此外，该公司还致力于构建基于GPU和FPGA的云（Azure）。
5. Facebook：构建开发者社区的开源工具。
Facebook在AI方面的主要布局是专注于打造开发者社区，开源Torch、Chef、fastText、BigSur等一系列AI工具和数据库，并推出具体应用。
例如图像识别、语音转文字、智能翻译等已经出现。
6. Salesforce：建立云生态系统 2017年，Salesforce开始使用自己的设备开发平台来执行云机器学习任务。
该公司还收购了Minhash、PredictionIO、MetaMind等AI公司，目的是建立云销售、云营销、云服务、云社区、云物联网、云应用等。
7、NVIDIA ：趁着GPU大势所趋，GPU之前在计算机中的应用还没有广泛，但是AI算法已经给了它很大的基础。
目前，几乎所有人工智能算法都使用 NVIDIA GPU，尽管英特尔也在加速开发新的替代方案。
芯片FPGA，但目前来看，GPU仍然是更好的选择。
利用这一趋势，NVIDIA还专门设计了全球首个用于深度学习的GPU架构（Pascal架构）。
8、英特尔：加速芯片研发和GPU的大趋势让英特尔感受到了危机。
Intel收购了Nervana Systems和Altera，加速了FPGA的进步，在计算速度和编程灵活性方面取得了一系列进步。
年中，英特尔推出了第二代至强，用于智能家居产品的网络服务和云服务。
9、Uber：合作汽车厂商Uber在AI方面的主要布局更贴近物联网，尤其是汽车传感器。
2019年9月，Uber在匹兹堡启动自动驾驶试点项目，并与卡内基梅隆大学教授和汽车制造商合作，基于从传感器获得的数百万个数据点开发安全、有序、自动化的交通模型。
。
10. IBM：沃森已成为人工智能的明星。
IBM 涉足 AI 领域已久。
公司全球AI研发人均超过100元，拥有10余项专利，涵盖云计算、硅纳米科学等领域。
其超级智能大脑Watson在自然语言处理、模式识别、非结构化数据处理等方面都有着出色的表现。
它已应用于虚拟代理，帮助金融、医疗和其他合作伙伴处理和分析数据。
11.中国：BAT专注于构建神经网络。
目前国内对人工智能的支持力度比较大，学术方面也有非常大的研究热点。
学术机构以及百度、阿里巴巴、腾讯等企业也在语音识别、图像识别、神经网络、自然语言处理等方面取得了重要突破。
艾瑞认为国内AI市场将从12亿元增长今年增至91亿元。
*国内企业主要人工智能进展 志东西认为：一方面，当前社会经济和产业发展急需新的变革刺激；另一方面，大数据技术、硬件技术、并行算法的快速发展也让AI成为备受瞩目的变革推动者。
目前，基于服务的人工智能（AI-aaS）将是创业者最容易进入的风口，在很多领域都具有巨大的潜力；而神经网络、计算芯片、算法框架等AI基础层建设则更像是一场大佬的游戏。
正如高盛首席经济学家 Jan Hatzius 所言：人工智能的广泛适用性推动了全球经济增长和生产率优化的各种应用，这主要得益于当前的资本深化和生产率状况（在美国）。
我们相信，人工智能将加速经济增长、提高盈利能力、扩大股票估值，就像 20 世纪 90 年代的技术变革一样。
下载提醒：如果您想收藏本文完整报告，可回复关键词“nc”即可下载。
智能内参权威数据·专业解读。
了解智能行业必看报告。
在知东西里回复“智能内参”即可查看全部报道。