|
从智能手表、手环等可穿戴设备，到服务机器人、无人驾驶、智能医疗、AR/VR 等热点词汇的兴起，智能产业成为新一代技术革命的急先锋，近期 Alpha Go 大胜李世石的人机围棋对战更进一步掀起了人工智能的浪潮。人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，国内外的高科技公司以及风险投资机构纷纷布局人工智能产业链。 据 V enture Scanner 统计，2014 年人工智能领域全球投资额为 10 亿美元，同比增长近 50%。2015 全球人工智能公司共获得近 12 亿美元的投资，这个数字放在过去 20年全年投资总额来看，已经超过了其中 17 年全年投资总额。2014 年风投领域共完成 40 笔交易，总金额高达 3.09 亿美元，同比增加 302%，预计 2020 年全球人工智能市场规模预计超千亿。在未来 10 年甚至更久的时间里，人工智能将是众多智能产业技术和应用发展的突破点。 人工智能领域全球投资总额 人工智能领域全球风险投资总额 enture Scanner 的统计，截至到 2016 年初，全球共有 957 家人工智能公司，美国以499 家位列第一。覆盖了深度学习/机器学习（通用） 、深度学习/机器学习（应用） 、自然语言处理（通用） 、自然语言处理（语音识别） 、计算机视觉/图像识别（通用） 、计算机视觉/图像识别（应用） 、手势控制、虚拟私人助手、智能机器人、推荐引擎和协助过滤算法、情境感知计算、语音翻译、视频内容自动识别 13 个细分行业。 人工智能各细分行业公司数量（家） 国外人工智能知名公司 数据显示，中国人工智能领域约 65 家创业公司获得投资，合计 29.1 亿人民币。覆盖范围从深度学习等软件算法以及 GPU、CPU、传感器等关键硬件组成的基础支撑层，到语音/图像识别、语义理解等人工智能软件应用以及数据中心、高性能计算平台等硬件平台组成的技术应用层，到 AI 解决方案集成层，再到工业机器人、服务机器人等硬件产品层以及智能客服、商业智能（BI）等软件组成的运营服务层。 人工智能 大幅度提升生产效率和生活质量 人工智能诞生于 20 世纪 50 年代中期，1956 年被确立为一门学科。人工智能至今经历了诞生、黄金时代（1956-1974） 、遭遇基础障碍 （1974-1980） 、繁荣 （1980-1987） 、低潮（1987-1993） 、爆发（1993-现在）多个时期，在波折中不断发展。 人工智能发展历程 一、大数据发展驱动人工智能进步 近期以深度学习为代表的人工智能技术取得突飞猛进的进展得益于良好的大数据基础。移动互联网、物联网等技术的发展让我们拥有了以往难以想象的海量数据，尤其是在某一细分领域更深度的、逻辑化的数据，而这些都是训练某一领域?智能的前提。从软件时代到互联网，再到如今的大数据时代，数据的量和复杂性都经历了从量到质的改变。 大数据的五大特征 据统计，2015 年全球有 10 亿部物联网设备出货，比 2014 年增加六成，全球的物联网设备总量高达 28 亿部。在此背景下，全球数据总量在快速膨胀。根据 IDC 监测，全球在 2010 年正式进入 ZB时代，总数据量大约每两年翻一番，这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量，预计到 2020 年，全球将总共拥有 35ZB的数据量。而根据 HIS 的估计，2015 年全球产生的数据总量已达到十年前的 20 多倍。 互联网、物联网带来海量数据 大数据具有体量大、 多样性、 价值密度低、速度快等特点。大数据技术能够通过数据采集、预处理、存储及管理、分析及挖掘等方式，从各种各样类型的海量数据中，快速获得有价值信息，为深度学习等人工智能算法提供坚实的素材基础。 大数据主要技术 大数据挖掘步骤 同人类的成长一样，人工智能的发展也需要学习大量的知识和经验，而这些知识和经验就是数据，人工智能需要有大数据支撑，反过来人工智能技术也同样促进了大数据技术的进步，两者相辅相成，任何一个技术的突破都会存进另外一方的发展。 二、人工智能应用快速发展 目前，人工智能的主流应用包括图像识别、语音识别、语义识别、预测规划和智能控制。计算机利用图像识别、语音识别、语义识别技术采集数据并进行处理、分析和理解，进而根据目标和需要做出预测判断，最终通过各种智能硬件设备实现智能控制，形成了弱人工智能时代AI的主要应用模式。 1、生物特征识别 生物特征识别利用了图像识别技术，采集具有生物特征的图像，提取其特征，再与资料库中的图像进行特征匹配，最后达到识别的目的。生物特征识别主要包括人脸识别、指纹识别、虹膜识别等方式，是目前最方便与安全的识别技术，它不需要记住复杂的密码，也不需随身携带钥匙、智能卡之类的东西。由于每个人的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全、可靠、准确。 三种图像类生物识别技术比较
2007-2013年全球生物识别行业市场规模复合增长率达 22%左右，生物识别行业在未来的十年内仍将保持快速增长，预计到 2020 年全球生物识别行业市场的规模将达到 250 亿美元。据前瞻产业研究院数据显示，指纹识别占生物识别技术的份额最高，但整体呈下降趋势，从 2007 年的 66.9%降至 2013 年的 60.1%，预计到 2020 年将下降至 52%左右； 而语音识别、 人脸识别、 虹膜识别则增长迅速， 2020 年比重预计分别达 22.4%、9.6%、6.4%。 全球生物识别行业市场规模预测（亿美元） 全球生物识别行业细分市场规模（亿美元） 2、人脸识别： 人脸识别是指通过分析比较人脸视觉特征信息进行身份鉴别的计算机技术。具体来说就是用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部分析的一系列相关技术。 人脸识别过程 人脸识别技术 人脸识别的过程包括人脸图像采集、人脸定位、特征提取和特征对比几个部分。人脸识别过程中的关键技术包括两部分：检测技术（Face Detect）和识别技术（FaceIdentification） 。检测技术有两个功能：一是判断图像中是否存在人脸，二是如果存在人脸，确定人脸的确切位臵。识别技术的功能是通过把检测到的人脸与资料库中的人脸进行特征对比，最终得出匹配结果。 人脸识别技术的优势
人脸识别应用领域
3、机器视觉 机器视觉是用机器代替人眼来做测量和判断的技术，通过图像摄取设备将被摄取目标转换成图像信号，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征和状态，进而控制设备动作。机器视觉把计算机的快速性、可重复性与人眼视觉的高度智能化和抽象能力相结合，大大提高了机械设备的柔性和自动化程度。 机器视觉的应用方向
机器视觉最早应用于工业视觉的检测方面，根据环境的不同，工业机器视觉主要分为以下类：一类是用于大规模或者高测试要求的生产线上，如包装、印刷、分拣等；第二类是在野外、核电等不适合人员工作的环境中；第三类是高精密的专业设备制造。一个典型的工业机器视觉系统包括：光源、镜头、相机（包括 CCD 相机和 COMS 相机） 、图像处理单元（或图像捕获卡） 、图像处理软件、监视器、通讯/输入输出单元等。 典型的工业用机器视觉系统 全球机器视觉市场规模预测（亿美元） 2014 年，全球机器视觉系统及部件市场规模是 36.7 亿美元，预计 2018 年，全球机器视觉系统及部件市场规模达到 50 亿美元，预计年均增长率为 8%。目前，中国正成为世界机器视觉发展最活跃的地区之一，而机器视觉在工业领域的应用范围和深度也在不断地增强。 三、“人工智能+”引领人类社会变革 近年来，深度学习+大数据+并行计算共同推动人工智能技术实现跨越式发展。 ?人工智能+应用已开始落地开花，从智能安防，到智能客服，再到智慧教育和智慧医疗等等。基于人工智能技术的各种产品在各个领域代替人类从事简单重复的体力或脑力劳动，大大提升了生产效率和生活质量，也促进了各个行业的发展和变革。 1、智慧城市 智慧城市本质上是一种对城市的重构，一方面是对现有资源的科学配臵，提升整体社会的效率，另一方面是对创新环境的培育营造，提升未来发展潜力。 城市化1.0-4.0的演变 智慧城市系统 人工智能作为智慧城市建设依赖的核心技术之一， 它的快速发展为智慧城市建设提供了基础技术支撑， 助推智慧城市建设大提速。近年来国家决策层频频释放提速智慧城市建设的信号，智慧城市建设与发展正上升为国家战略，这对中国相关行业企业来说，将带来数万亿元的市场。 数据显示，截至 2015 年 9 月，我国 95%的副省级以上城市、76%的地级以上城市，总计约 500 多个城市提出要建设智慧城市。预计智慧城市的市场空间在 9706-48530 亿元之间。2016 年是国家?十三五规划的开局之年，住建部相关规划显示，对智慧城市的投资总规模将逾 5000 亿元。 智慧城市市场空间（亿元）
2、智能安防 传统安防通常是离散式的被动安防，这主要体现在两个方面：（1）安防设备仅作为传输图像的媒介，不具备主动识别与报警功能，需要人力对接收的图像进行处理和判断；（2）对于人工判断所得的结果，安防设备不能运用结果进行反向追踪。因此需要将大量的时间精力花费在海量的视频监控信息中， 效率低且容易错过线索。 而智能安防可以通过人工智能，构建一个全方位、24 小时不间断的主动安防体系。不但可以主动识别可疑嫌犯，报警后亦可根据指定结果智能追踪目标，可极大提高工作效率，还可避免人在工作中的主观失误，提升业务的精确性。 人脸识别在公安系统的应用 人工智能在安防行业的应用领域 伴随着城镇化步伐加快、社会结构变迁及国际环境变化，治安突发事件、恐怖案件屡有发生，智能安防需求日益提升。2015 年两会政府工作报告提出要?深化平安中国建设，健全立体化社会治安防控体系，政府需求将推动安防行业进一步快速发展。以政府主导的 193 个智慧城市项目在 2014-2018年进入第二轮实施周期，总投资近 3 万亿规模，对以高清网络视频监控为核心的智能安防产业需求巨大。 伴随前端设备由模拟向高清进阶， 联网监控向智能监控发展，智能安防产业仍将高速成长。 安防行业发展趋势 安防行业市场规模及增速 3、智能家居 智能家居市场推广遇冷的根源主要在于：（1）智能化程度不足导致操作繁琐已经成为了智能家居普及过程中最关键的技术瓶颈，尤其在?万物互联时代，人机交互的重要性更加明显；（2）缺乏统一的智能家居标准和体系。当前的智能家居市场正处于各自为战的时期，不同的厂商都试图建立自己的智能家居体系，不可避免地造成市场的碎片化状况，在很大程度上阻碍了市场的规模发展。人工智能技术能够通过语音识别和语义理解技术大幅度提升智能家居的智能水平，让家居?懂得人类的需求，让生活更加舒适便捷。 智能家居构成 中国智能家居发展历程 目前，智能电视应用的主要人工智能技术是语音识别和语义理解，支持用户通过自然语音进行人机自由交互。智能电视形式上类似于一个固定的放大版的“智能手机”，具备其他智能家居设备难以替代的功能：（1）网上冲浪：支持用户网上娱乐、社交、购物等活动；（2）智能家居交互平台： 用户通过向智能电视发出语音信号， 来对家中的智能设备进行管理。因此，智能电视有潜力成为智能家居的核心入口。国内乐视、TCL&爱奇艺、小米、阿里&创维先后发布自己的智能产品，传统电视厂商、手机厂商、视频网站、电商等也都和智能语音厂商积极深入合作。数据显示，2015 年前三季度中国智能电视的市场销量为 2376 万台，2015 年全年中国智能电视的销量突破 4000 万台，2016 年市场需求量将超过 6000 万台。 中国智能电视销量 数据显示，2014 年中国智能家居市场规模将达到 431 亿元，同比增长 41.78%，全球智能家居市场规模将达到 520 亿美元，同比增长 55.69%；预计 2016 年中国智能家居市场将达到 660 亿元，全球智能家居市场将达到 820 亿美元。巨大的 “蛋糕”吸引国内外巨头企业及创新型创业公司争相涌入，打造自己的智能家居生态圈， 例如 2014 年 1 月 Google 以 32 亿美元收购智能家居制作商 Nest，国内知名 IT 公司华为、小米等也向智能家居伸出触角。随着人工智能在智能家居领域的应用，切中消费者需求痛点的智能家居有望加速落地，智能家居市场大规模产业化即将来临。 中国智能家居市场规模及增速 全球智能家居市场规模及增速 相关报告：智研咨询发布的《2016-2022年中国人工智能市场运行态势及投资战略研究报告》 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
