Gartner：中国主流AI技术瞭望

在最新一期的五年计划中，人工智能已被中国政府确定为国家重点工作。国务院发布关于人工智能发展的指导方针，确立了到2030年成为世界主要人工智能创新中心的目标。尽管相比美国，中国在资金筹集、人才和基础研究方面的差距仍然很大，中国人工智能领域的投资已位列全球第二。

在政府的积极助推下，越来越多中国企业开始引入人工智能技术。根据2019年Gartner CIO的调查，59%的中国受访企业已经或即将在未来12个月内部署人工智能，远超37%的全球平均水平。

 

基于Gartner 技术成熟度曲线，在包罗万象的人工智能中，AI PaaS、边缘AI、AI加速处理器，这三大关键技术领域将为垂直行业带来巨额商机。

1

AI PaaS

（成熟度：发展期）

预测：到2022年，AI PaaS将成为中国人工智能/机器学习应用的主流技术选择。

云人工智能和机器学习平台服务统称为AI云服务或AI PaaS。这些解决方案提供了AI建模工具、SDKs/ APIs和相关的中间件，帮助用户在预先构建的基础设施上构建/训练、部署和使用机器学习模型，涵盖视觉、语音和一般数据分类与预测模型等各种类型。

 

AI PaaS具有专门的AI优化芯片和大量的数据存储，拥有低成本、低风险优势，可以提高企业采用人工智能的成功机会，并且支持更简单的部署和弹性扩展。

 

根据企业AI/ML技术的成熟程度，AI PaaS在中国提供不同层次的服务。

对于AI开发经验有限的开发人员，AI PaaS提供入门级的AI/ML训练、模型验证并推出服务来启动AI/ML之旅；

对于专业的AI工程师/开发人员，AI PaaS提供特定AI能力(如图像识别和语言翻译)的SDKs/APIs，各种ML框架，如TensorFlow、Caffe、PyTorch和MindSpore，以及为特定用例创建定制化模型的操作库；

对于AI专家/数据科学家，AI PaaS提供了更高的灵活性，使他们能够开发新的操作符，创建特定领域的人工智能框架，以及创建激活函数和神经网络；

AI PaaS中还提供了AI市场，供开发人员买卖自己开发的模型，以满足特定的业务需求。

 

2

边缘AI

（成熟度：新兴）

预测：到2021年，中国大部分人工智能/机器学习推理将在边缘设备而非云上进行。

边缘AI指的是嵌入物联网终端、网关和边缘设备的人工智能技术，应用范围涵盖从自动驾驶到流分析。边缘AI主要集中在人工智能推理，但更复杂的系统可能包括局部训练能力，提供本地优化的人工智能模型。

边缘AI架构主要有两种类型：(1) 在物联网终端进行数据抓取，然后将其传输到位于边缘计算机、网关或聚合点的AI系统；(2) 嵌入物联网终端的AI，在这种架构中，物联网终端能够运行AI模型来解释在该终端抓取到的数据，并驱动某些终端的功能。

 

在中国，AI在边缘的应用主要集中在对延迟有较高要求、数据密集和具备隐私需求的用例中。

自动驾驶

安全是汽车工业中最重要的考虑因素。一辆自动驾驶汽车在高速行驶时每秒产生1 GB的数据，这些数据需要实时处理。因此，在云中进行的人工智能推理可能会因为网络延迟导致灾难性的结果。

试想，如果一个孩子走在或穿过一条不断有车辆行驶的马路，或者不遵守交通规则，由于网络带宽和连通性不可靠，一辆自动驾驶汽车需要将传感器收集的数据传输到云上再做决策，那么会发生什么？

用于自动驾驶的边缘AI具备实时推理能力，能够实现毫秒级别的延迟和单帧识别数百个对象。

 

流分析

 

流分析要求在低延迟下进行大规模数据处理。出于安全监控的目的，所有中国的大城市都部署了成千上万，甚至数百万个高清监控摄像头用于面部识别和交通监测。如果流分析任务需要在云端完成，摄像机捕捉到的海量数据将会给网络带来巨大压力，更不用说应对即时响应的要求了。

 

许多供应商现在已经将人工智能芯片嵌入到产品中，从而使边缘AI作为流分析解决方案的一部分，比如传统的安全供应商以及商用无人机制造商。

 

智能消费类电子产品

消费类电子产品，如智能手机、智能家电和智能设备（例如支持VPA的无线扬声器）通过嵌入人工智能优化芯片来实现智能、低功耗、更快的本地数据处理和隐私保护的目标。边缘AI可以用来识别人脸/语音、优化图片和执行自然语言处理，速度比CPU/GPU快得多，功耗也低得多。通过避免将数据传输到云，边缘AI能够节省数据流量，保护数据隐私。

在中国，智能消费类电子产品的应用仍在不断扩展，智能空间更加互联，处于边缘的人工智能可以跨设备使用。

 

3

AI加速处理器

（成熟度：新兴）

预测：到2025年，至少有两家中国人工智能加速处理器企业将成为全球市场的主要参与者。

AI加速处理器主要指AI优化的处理器。

 

随着5G和物联网的应用，越来越多的非结构化数据将由人工智能在云以及边缘/终端上生成和处理。数据的爆炸式增长将促使大量AI加速处理器需求的产生。

适用于云的深度神经网络ASIC

深度神经网络（DNN）专用芯片ASIC是一个用于加速DNN计算的专用处理器。DNN是统计模型，支持检测和分类输入数据的模式，例如声音和图像或文本模式。DNN ASIC能够以更低功耗提供比CPU或GPU更高的性能。

 

Google发布其DNN ASICs（TPU）后，中国的一些云提供商也加入了市场竞争，依靠自己的DNN ASIC在他们的业务领域内提供推理，并加快了训练进程。

 

边缘AI芯片

边缘AI越来越多地出现在在对延迟有较高要求的应用，如自主导航；受网络中断影响的应用，如远程监控、自然语言处理和面部识别；以及数据密集型应用，例如流分析中。

综上所述，中国的AI生态版图正在迅速扩张并成为重要的投资领域，包括大型云提供商、软件供应商和初创公司在内的各类公司都在快速发展。企业架构和技术创新领导者应当与正在开发的新兴技术保持同步，合理评估机会与风险，从而这一生态系统中受益。