a850

高盛史上最全面AI产业盘点 99页报告解读技术秘密【附下载】

Fourteen人工智能 智能内参2016/12/17

AI-aaS将是创业者最容易进入的风口,在很多领域都大有可为;而芯片、算法框架等基础层的AI建设更像是大佬的游戏。

智东西(公众号:zhidxcom)
编 | 十四

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。

b_%e5%89%af%e6%9c%ac

本期的智能内参,我们推荐来自高盛的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,如果想收藏本文的报告全文,可以在智东西(公众号:zhidxcom)回复关键词“nc113”下载。

以下为智能内参整理呈现的干货:

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。智东西也曾在111期智能内参援引世界经济论坛指出: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。

1

*IDC调研的数据量增长趋势

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。

10

*基于GPU的云运算

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。

智东西也曾在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。

2

*超级计算机浮点指数增长趋势

3

*千兆次浮点运算所需成本变化趋势

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。

6

*AI进程时间表

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。

7

*2014年以来的AI相关收购项目

5

*AI风投增长趋势

目前,科技大佬和风投人主要关注的有三个方面:DIY,也就是自主建立自己的人才和数据库,推出新的AI栈,主要玩家包括微软、谷歌、亚马逊和百度;咨询服务,为垂直和特定的领域提供专业的AI咨询,如IBM的沃森;开发服务型AI(AI-aaS),如谷歌图片识别模型。

8

*人工智能系统框架示意图

9

*AI栈的演化

1、DIY趋势:云平台和开源

高盛咨询了各大公司和风投机构,总结认为,AI或者机器学习(ML)将被互联网公司大量的使用,这就需要有效数据收集和相关人才稀缺。不过,随着移动互联设备和物联网的普及,数据量越来越多,数据收集变得越来越容易。

目前,AI堆栈与其他前沿技术最大的区别在于,大部分的机器学习严重依赖于开源技术和基于云平台供应商的服务。这是因为,AI和ML需要大量数据支持,并且按需计算。目前,AI主要的基础技术投资都来自于微软、谷歌、亚马逊等云服务提供者,其中,云运算的首选是GPU和FPGA,它们能够进行并行的,快速的数据处理。很多公司都会购买这些开源或者云服务来帮助开拓客户,减少运营成本。

12

*主要的开源项目

2、咨询服务:资本弥补技术差距

人才缺乏为IBM、埃森哲和德勒等公司的资讯服务营造了市场环境。因此,机器学习的相关人才有着非常大的机遇,甚至有组织举行数据科学大赛,提供奖励。

13

*机器学习人才招聘状况

3、AI-aaS:或将造就最大蓝海

AI需要独特的数据集和专业的人才,这似乎使得五年内看到大量AI公司成为一件奢望。事实上,最可能的情况是,公司们利用AI提供商的数据和框架等来创造附加价值的AI服务,也就是API,研发AI应用程序是最基本的例子,尤其是图像识别和语音识别等。目前,谷歌和微软都提供收费API,开发者可以讲该API嵌入自己的应用程序,提高产品定位和水平。

AI-aaS应用于垂直领域可以帮助大公司组合数据,构建机器学习模型,卖给合作伙伴或者客户、供应商。初创公司也可以据此构建专门的数据集,用于诸如医学成像、广告、零售等领域。

值得注意的是,除了这些高端技术层面,跟我们更为密切的AI应用即聊天机器人(聊天程序,bots),这被认为是未来人机交互的入口,尤其是自然语言识别、讯息平台和虚拟助手,是目前技术关注的关键点。

14

*AI-aaS案例

15

*AI-aaS API及价格

2025年:五大领域的千亿级市场

p38

1、AI农业规模达200亿美元

基于传感器和卫星等技术提供的有效的视听数据,机器学习有望帮助增加作物产量(即繁殖能力),减少肥料和灌溉成本,协作作物和牲畜疾病的早期检测,降低劳动力成本,帮助收获后进行分类物流,进入市场。

19

*机器学习用于农业

2、金融服务规模达340-4302亿美元

机器学习和人工智能在金融服务行业有广泛的应用,随着数据集的丰富,AI可以用于投资决策、信贷风险概况等,利用更少的时间处理更为丰富全面的市场信息,提供专业可观,甚至更准确的分析。

20

*AI用于金融服务

3、AI医疗每年能省540亿美元

机器学习在医疗方面的可用性非常广,能够提供实时监测,帮助发现高回报的技术和药物,帮助测试分析、优化治疗。预计随着机器学习的人工智能的技术逐渐成熟,将推动药物研发过程,每年减少260亿成本支出,同时还能驱动医疗信息高效化。

21

*未来十年医疗AI的投资回报率

16

*AI在医疗垂直领域的应用

4、零售业年均消费540亿美元省410亿美元

线上对线下已经被证实是对传统零售业的挑战,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的为目标客户服务,更有效的传递产品信息。

22

*全球电子商务发展趋势

5、AI能帮助能源工程节约1400亿美元

石油和天然气行业的探测和采炼有时处在极端条件,因此设备和工艺的可靠性很重要,影响着项目的经济效益。为了避免操作失误,这个行业往往采用了过渡冗杂的工程化设备和过多的人力。事实上,AI可以帮助设计更为可靠的设备和流程,降低资本支出和运营成本,预计未来时间,基于AI的能源工程可以帮助节省1400亿美元的开支。

23

*从能源产业结构看可出AI的潜力

巨头的游戏:软件与硬件之歌

p37

智东西第102和107期智能内参详细介绍过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。

1、谷歌:贯彻软硬件结合的理念

谷歌,或者说现在的Alphabet,已经建立了独一无二的AI检索算法,在自然语言处理上面颇具优势,并应用于谷歌搜索,预计还将在谷歌智能家居生态中大显身手。公司的开源软件库/云计算平台TensorFlow还在结合了很多前沿的硬件加速器,推出新的AI张量处理单元TPU。此外,收购的DeepMind也在击败李世石的战役中一举成名。

2、亚马逊:筹备开源服务

亚马逊AWS在云服务的布局已经颇具优势,2015年4月,公司宣布推出机器学习服务亚马逊ML,提供针对性的用户体验。今年5月,亚马逊推出了自家的开源软件DSSTNE,帮助建立深度学习开发库。

3、苹果:活跃的收购者

过去一年间,评估已经收购了Emotient、Turi、Tuplejump等AI创业公司,并雇佣了之前在NVIDIA从事GPU软件项目的Johnathan Cohen,并找来Ruslan Salakhutdinov作为其AI研发部主管。Siri可以算作苹果在AI方面最主要的成就之一,此外,苹果大脑的传言也甚嚣尘上。

4、微软:力推基于GPU和FPGA的云

微软首席执行官纳德拉介绍称,微软正在建立“民主化的AI(democratizing AI)”,目前AI研究小组员工人数超过5000人,目标在于改变人机体验和交互技术,小娜是比较有代表性的一个成果。此外,公司还在建立基于GPU和FPGA的云(Azure)方面做努力。

5、Facebook:开源工具组建开发者社群

Facebook在AI方面的主要布局集中在建立开发者社群,开源Torch、Chef、fastText、BigSur 等一系列 AI 工具及资料库,并推出具体的应用程序,比如已经出现的图象识别、语音文字转换和智能翻译等。

6、Salesforce:建立云生态

2014和2015年,Salesforce开始利用自家电开发平台执行云机器学习任务。公司还收购了Minhash,、PredictionIO、MetaMind等AI公司,目的在于建立云销售、云营销、云服务、云社区、云物联网、基于云的应用程序等。

7、NVIDIA:借力GPU大势

GPU在之前的计算机应用不多,但AI算法给了它莫大的基于,目前,几乎所有的AI算法都采用了NVIDIA的GPU,虽然英特尔也在加快研发新的替代芯片FPGA,但目前来看,GPU依旧是比较好的选择。借此大势,NVIDIA还专门设计了全球首款针对深度学习的GPU架构(Pascal 架构) 。

8、英特尔:加快芯片研发

GPU的大势让英特尔感到了危机,英特尔收购Nervana systems和Altera,加快FPGA的推进,在运算速度和编程灵活性取得一系列进展。2016年中期,英特尔推出了至强二代,用于智能家庭产品的网络服务和云服务。

9、Uber:合作汽车制造商

Uber在AI方面的主要布局更趋近于物联网,尤其是汽车传感器。2016年9月,Uber在匹兹堡推出了自动驾驶试点项目,并于卡内基梅隆大学教授、汽车制造商合作,研发基于传感器获得的数百万数据点,建立安全、有序、自动的交通模式。

10、IBM:沃森成AI之星

IBM在AI方面的布局很早,公司在全球的AI研发每人元超过3000名,专利超过1400项,覆盖云计算和硅纳米科学,其超级智脑沃森在自然语言处理和模式识别、非结构化数据处理方面有着出色的表现,已经应用于虚拟代理,帮助金融、医疗等合作伙伴处理和分析数据。

11、中国方面:BAT着力构建神经网络

目前,国内对于AI的支持力度也比较大,在学术方面也有很是很大的研究热点。学术机构,以及百度、阿里、腾讯等公司也在语音识别、图像识别、神经网络、自然语言处理等方面都有重要的突破。艾瑞咨询认为,国内AI市场将从2015年的12亿元增至2020年的91亿元。

18

*国内公司主要的AI进展

智东西认为:一方面,当前的社会经济、产业的发展急需的新的变革式刺激;另一方面,大数据科技、硬件工艺、并行算法的急速发展,也使得AI成为一个备受瞩目的变革动力。目前来看,服务型AI(AI-aaS)将作为创业者最容易进入的风口,并且在相当多的领域都大有可为;而神经网络、运算芯片、算法框架等基础层的AI建设更像是大佬的游戏。

就像高盛首席经济学家Jan Hatzius说的:AI的广泛适用性带动了各项针对全球经济增长和生产力优化的应用,这主要是由于目前的资本深化和(美国的)生产力现状。我们相信,AI将像90年代的技术变革一样,加速经济增长,提高盈利能力,扩大股本估值。

下载提醒:如果想收藏本文的报告全文,可以在智东西(公众号:zhidxcom)回复关键词“nc113”下载。


智能内参

权威数据·专业解读 读懂智能行业必看的报告

在智东西回复“智能内参”查看全部报告

智东西