36Kr-人工智能行研报告.pdf

《36Kr-人工智能行研报告.pdf》由会员分享，可在线阅读，更多相关《36Kr-人工智能行研报告.pdf（74页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、2017.2 36氪研究院 人工智能行业研究报告 2 36Kr-人工智能行业研究报告 2017年2月 定义与研究范围 涵盖AI基础技术及终端产品 研究范围： 人工智能是一门综合了计算机科学、生理学、哲学的交叉学科。凡 是使用机器代替人类实现认知、识别、分析、决策等功能，均可认 为使用了人工智能技术。作为一种基础技术，人工智能在很多行业 都有用武之地。既有人工智能+基础行业的概念（如人工智能+金融 =Fintech），也有其具体应用行业的概念（比如机器人）。 按照技术应用的不同场景，可以将人工智能分为基础技术类及终端 产品类，本报告研究范围涵盖以下领域： 研究目的： 本报告将集中探讨： 人工智能

2、行业整体的发展现状与技术发展趋势 各细分领域投融资热度与技术成熟度 巨头在人工智能领域的布局与策略 各应用领域市场规模、竞争格局、进入壁垒、产业链上下游构成 行业标杆的商业模式、核心竞争力、未来发展预期 语义识别 芯片 计算机视觉 语音识别 机器人 智能金融 智能医疗 智能安防 智能家居 终 端 产 品 基 础 技 术 注释：自动驾驶行业是AI的一个重要分支，关于该领域的研究讨论请参见36氪研究院系列报告自动 驾驶行业研究报告。 行业分析师 曹婷 caoting 相关研究报告： 自动驾驶行业研 究报告2017.2 机器之眼，看懂 世界：计算机视觉 行业研究报告 2016.9 科技炼金，融汇 未

3、来：金融科技行 业研究报告 2016.8 目 录 Contents 一、人工智能行业驱动力 1. 行业驱动数据量、运算力、算法技术 2. 政策法规 3. 投资热度 国际投资热度分析 国内投资热度分析 国内公司运营数据分析 二、人工智能产业链与巨头布局分析 1. 产业链构成 2. 巨头布局 开源平台布局 芯片布局 技术布局 一、人工智能行业概述 三、人工智能基础应用介绍与典型公司分析 1. 语音识别 2. 语义识别 3. 计算机视觉 目 录 Contents 五、人工智能在各行业的应用介绍与典型公司分析 1. 机器人 2. AI+金融 3. AI+医疗 4. AI+安防 5. AI+家居 六、人

4、工智能芯片介绍与典型公司分析 六、人工智能行业趋势展望 1. 人工智能各行业综述 2. 人工智能当前发展瓶颈 四、人工智能芯片介绍与典型公司分析 1.人工智能芯片适用性分析 GPU FPGA ASIC 2.人工智能芯片产业链分析 3.人工智能芯片典型公司分析 人工智能行业概述 CHAPTER 1 行业驱动数据量、运算力、算法技术 政策法规 投资热度 国际投资热度分析 国内投资热度分析 国内公司运营数据分析 6 36Kr-人工智能行业研究报告 2017年2月 数据量、运算力和算法模型是影响人工智能行业发展的三大要素。 2000年之后，数据量的上涨、运算力的提升和深度学习算法的出现 极大的促进了人

5、工智能行业的发展。 海量数据为人工智能发展提供燃料 要理解数据量的重要性，得先从算法说起。数据量和算法可以分别 比作人工智能的燃料和发动机。算法是计算机基于所训练的数据集 归纳出的识别逻辑，好的算法模型可以实现精准的物体和场景识别。 数据集的丰富性和大规模性对算法训练尤为重要。因此可以说，实 现机器精准视觉识别的第一步，就是获取海量而优质的应用场景数 据。以人脸识别为例，训练该算法模型的图片数据量至少应为百万 级别。 2000年以来，得益于互联网、社交媒体、移动设备和廉价的传感器， 这个世界产生并存储的数据量急剧增加，这为通过深度学习的方法 来训练计算机视觉技术提供很好的土壤。IDC数据显示，

6、从2011年 起，全球所产生的数据量已达到ZB级别（1ZB约为10亿GB )，海量 的数据将为计算机视觉算法模型提供远远不断的素材。而关于数据 量对提高算法准确率方面的重要性，更有学者提出：“Its not who has the best algorithm that wins. Its who has the most data. ” 行业驱动力 数据量 海量数据为人工智能发展提供燃料 大数据 训练模型应用于具体场景 算法模型场景应用 0 10 20 30 40 50 来源：IDC，36氪研究院 2020 数据量与准确率之间的关系 2009-2020年全球总体数据量（单位：ZB） 2009

7、 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 100200300400500600700800900 1000 准确率 测试字符数量 WindowMemory-Based PerceptronNave Bayes 说明：window、memory-based、perceptron、naive bayes 均为不同算法 来源：Stanford机器学习公开课，36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 7 36Kr-人工智能行业研究报告 2017年2月 人

8、工智能领域是一个数据密集的领域，传统的数据处理技术难以满 足高强度、大数据的处理需求。 AI芯片的出现让大规模的数据效率 大大提升，加速了深层神经网络的训练迭代速度，极大的促进了人 工智能行业的发展。 AI算法的处理需要大量的矩阵计算操作，因此特别适合使用并行运 算芯片进行数据处理。而传统的CPU一次只能同时做一两个加减法 运算，无法满足并行运算的需求。目前，出现了GPU、NPU、 FPGA和各种各样的AI-PU专用芯片。而其中， 出现最早的GPU为 人工智能的发展做出了巨大的贡献。 擅长并行计算的GPU大幅提升机器学习效率。在GPU出现之前，算 法运行的速度是很慢的，即使是一个简单的神经网络

9、数据的培训， 也得花费几天、甚至几周的时间。 1999 年，Nvidia 公司在推销 Geforce 256 芯片时，提出了GPU（ 图像处理器) 概念。GPU是专 为执行复杂的数学和集合计算而设计的数据处理芯片。它的出现让 并行计算成为可能，对数据处理规模、数据运算速度带来了指数级 的增长，极大的促进人工智能行业，尤其计算机视觉领域的发展。 GPU与传统CPU相比，在处理海量数据方面有压倒性的优势。 据 Rajat Raina 与吴恩达的合作论文 “用 GPU 进行大规模无监督深 度学习” 显示，在运行大规模无监督深度学习模型时，使用 GPU 和使用传统双核 CPU 在运算速度上的差距最大会

10、达到近七十倍。 在一个四层，一亿个参数的深度学习网络上，使用 GPU 将程序运 行时间从几周降低到一天。 今天，数据处理速度不再成为制约计算机视觉发展的主要瓶颈。想 要发挥专用芯片的计算优势，需要芯片结构和软件算法两者相匹配 。目前的趋势是，随着对人工智能各类应用需求的不断增强，专门 用于加速人工智能应用的AI-PU或将成为计算机另一个标配组件。 行业驱动 运算力 运算力的提升大幅推动人工智能发展 世界上第一款GPU-GeForce 256中科寒武纪即将投产的 “寒武纪”NPUAltera的高端FPGA 产品 Stratix 10 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规

11、1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 8 36Kr-人工智能行业研究报告 2017年2月 在深度学习出现之前，机器学习领域的主流是各种浅层学习算法， 如神经网络的反响传播算法（BP算法）、支撑向量机（SVM）、 Boosting、Logistic Regression等。这些算法的局限性在于对有限 样本和计算单元的情况下对复杂函数的表示能力有限，对复杂数据 的处理受到制约。以计算机视觉为例，作为一个数据复杂的领域， 浅层学习算法的识别准确率并不高。该类识别原理多为通过寻找合 适的特征来让机器辨识物品状态，由于这个处理逻辑是浅层的，不 能穷举各种复杂的情境，因而算法

12、拟合的准确率不高。 深度学习突破人工智能算法瓶颈。2006年，Geoffrey Hinton 和合 作者发表论文，“A fast algorithm for deep belief nets”，此后 “Deep Learning（深度学习）”的概念被提出。 以计算机视觉为例，深度学习出现之前，基于寻找合适的特征来让 机器辨识物体状态的方式几乎代表了计算机视觉的全部。尽管对多 层神经网络的探索已经存在，然而实践效果并不好。深度学习出现 之后，计算机视觉的主要识别方式发生重大转变，自学习状态成为 视觉识别主流。即，机器从海量数据库里自行归纳物体特征，然后 按照该特征规律识别物体。图像识别的精准度也

13、得到极大的提升， 从70%+提升到95%。 在短短几年时间里，深度学习颠覆了语音识别、语义理解、计算机 视觉等基础应用领域的算法设计思路，逐渐形成了从一类训练数据 出发，经过一个端到端的模型，直接输出最终结果的一种模式。由 于深度学习是根据提供给它的大量的实际行为（训练数据集）来自 我调整规则中的参数，进而调整规则，因此在和训练数据集类似的 场景下，可以做出一些很准确的判断。 行业驱动力 算法 深度学习突破人工智能算法瓶颈 72.00% 74.50% 84.70% 89.00% 93.00% 95.00% 60% 70% 80% 90% 100% 20102011201220132014201

14、5 2010-2015年 ImageNet 比赛图像识别准确率 注释：ImageNet是计算机视觉系统识别项目。 来源：36氪研究院 过去现在未来 Google translate语义识别准确率 60% 83.4% 注释：Google translate是语义识别项目。 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 9 36Kr-人工智能行业研究报告 2017年2月 其他国家人工智能相关政策 各国均在政策层面强调和推动人工智能的发展。其中，美国侧重于 研发新型脑研究技术；欧盟主攻以超级计算机

15、技术来模拟脑功能； 日本则聚焦以动物为模型研究各种脑功能和脑疾病的机理。 政策法规 国外 政策加码，人工智能发展如火如荼 国家相关措施 美国 2013 年4 月，美国正式公布“推进创新神经技术脑 研究计划”（BRAIN）。得到政府拨款1.1 亿美元， 覆盖美国国家卫生研究院（HIN）、国防部高级研究 项目局、国家科学基金会。 2014 年HIN 小组制定了未来十年详细计划，预计每 年投入3-5 亿美元开发用于监测和映射大脑活动和结 构的新工具，十年计划共花费45 亿美元。 欧盟 2013 年初，欧盟宣布了未来十年的“新兴旗舰技 术项目”人脑计划（HBP），该项目汇聚了来自 24 个国家的112

16、 家企业、研究所和高校等机构，总投 资预计将达到12 亿欧元。计划在2018 年前开发出第 一个具有意识和智能的人造大脑. 日本 2014 年9 月启动大脑研究计划Brain/MINDS。该计划 为期10 年，由日本理化学研究所主导实施，旨在理解 大脑如何工作以及通过建立动物模型，研究大脑神经回 路技术，从而更好地诊断以及治疗大脑疾病。 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 10 36Kr-人工智能行业研究报告 2017年2月 国内人工智能相关政策 国内近几年也出台了相关扶植人工智能

17、发展的政策，积极推动人工 智能在各个细分领域的渗透。2016年5月，国家四部委更是颁布 “互联网+”人工智能三年行动实施方案，明确提出要培育发展 人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智 能化水平。 政策法规 国内 政策加码，人工智能发展如火如荼 来源：36氪研究院 实施时间颁布主体法律法规相关内容 2015.5国务院中国制造2025 提出“加快发展智能制造装备和产品”，指出“组 织研发具有深度感知、智慧决策、自动执行功能的 高档数控机床、工业机器人、增材制造装备等智能 制造装备以及智能化生产线，统筹布局和推动智能 交通工具、智能工程机械、服务机器人、智能家电、 智能照明电器

18、、可穿戴设备等产品研发和产业化。” 2015/7/4国务院 国务院关于积极推进 “互联网+”行动的指导 意见 明确提出人工智能作为11个重点布局的领域之一， 促进人工智能在智能家居、智能终端、智能汽车、 机器人等领域的推广应用。 2015/7/9 中央办公厅、 国务院 关于加强社会治安防控 体系建设的意见 加大公共安全视频监控覆盖，将社会治安防控信息 化纳入智慧城市建设总体规划，加深大数据、云计 算和智能传感等新技术的应用。 2016.1国务院 “十三五”国家科技创 新规划 智能制造和机器人成为“科技创新-2030 项目”重 大工程之一。 2016/3/18国务院 国民经济和社会发展第 十三个

19、五年规划纲要（草 案） 人工智能概念进入“十三五”重大工程。 2016/5/18 国家发展改革 委、科技部、 工业和信息化 部、中央网信 办 “互联网+”人工智能 三年行动实施方案 明确了要培育发展人工智能新兴产业、推进重点领 域智能产品创新、提升终端产品智能化水平，并且 政府将在资金、标准体系、知识产权、人才培养、 国际合作、组织实施等方面进行保障。 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 11 36Kr-人工智能行业研究报告 2017年2月 融资规模与成立公司数量总览 咨询公司Venture Scan

20、ner统计，截止2016年Q2，全球人工智能 公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。 而人工智能创投金额在5年间增长了12倍。 投资热度 全球 全球AI领域融资金额5年增长12倍 $62 $96 $66 $68 $64 $138$125$102$186$283$211$141$321$555$394$942$769$398$911$485$636 $1,049 11 21 13 22 20 38 37 38 43 50 63 47 70 77 84 80 92 84 120 100 134 121 $0 $200 $400 $600 $800 $1,000 $1,20

21、0 0 20 40 60 80 100 120 140 160 2011Q1-2016Q2 全球人工智能行业融资规模（百万美元） 投资额成交量 1110 4 8 5 17 25 36 49 42 62 98 100 116 70 21 0 20 40 60 80 100 120 140 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2000-2015年成立的人工智能公司数量 来源：Venture Scanner， 36氪研究院 来源：Venture Scanner，36氪研究院 1

22、.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 12 36Kr-人工智能行业研究报告 2017年2月 人工智能在各细分领域的热度 应用场景扩展方面，机器学习、计算机视觉、自然语言处理、智能 机器人、手势控制是应用范围较为广泛的几个领域。 机器学习是一类通用的技术，广泛应用于广告、媒体、消费等行 业，并且需求不断增加，未来还将快速渗入医疗、制造、金融、 教育业，对众多传统行业形成巨大冲击。 计算机视觉和自然语言处理作为主要的感知技术，应用范围很广 。计算机视觉主要用于安防监控系统、无人驾驶、机器人、工业 制造、医药、

23、教育和娱乐业等。自然语言处理可用于穿戴设备、 智能家居、智能汽车、智能教育、智能金融等领域。 投资热度 全球 深度学习、自然语言处理和计算机视觉为创业最火热领域 细分领域名称活跃创新企业数量创新企业平均年龄融资总额（亿元） 深度学习/机器学习（通用）12065 深度学习/机器学习（应用）260520 自然语言处理（通用）15077 语音识别7062 计算机视觉/图像识别（通用）10075 计算机视觉/图像识别（应用）8073 手势控制3082.5 虚拟私人助手9062.5 智能机器人6074 推荐引擎和协助过滤算法651 情境感知计算3061 语音翻译15131 视频内容自动识别151 0 5

24、 10 15 人工智能企业平均融资额前五名 平均融资额（百万美元） 0 2 4 6 人工智能企业最为“年轻”五个领域 年龄中位数 来源：Venture Scanner，36氪研究院 来源：Venture Scanner，36氪研究院 来源：Venture Scanner，36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 13 36Kr-人工智能行业研究报告 2017年2月 国内人工智能投资热度： 成立公司数量 从1996年至今，国内至今仍在运营的人工智能公司有366家。通过 数据分析可以看出，计算机视

25、觉、机器人、自然语言处理是创业最 热门的领域。 获投金额 从我们收集到的数据来看， 2015-2016年人工智能领域获投金额 在90亿人民币左右。由于我们的统计是基于已经披露了被投金额的 交易，且单个公司是按照最近一次获投金额计算，故这一数值将小 于该领域获投规模，仅供参考。 可以看到，获投最多的细分领域有自然语言处理、机器人、计算机 视觉，均在十亿以上人民币的级别。 投资热度 国内 获投最多领域为NLP、机器人和计算机视觉 28.42 20 15.6 8.1 7 6.1 5.61 4.7 2.2 0 5 10 15 20 25 30 人工智能公司获投金额 96 92 77 38 26 15

26、109 5 3 0 20 40 60 80 100 120 各领域人工智能公司数量 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 14 36Kr-人工智能行业研究报告 2017年2月 获投公司数量 从我们收集到的数据来看， 2015-2016年人工智能领域获投公司 数量为226个，平均单个公司获投金额为4000万人民币左右。由于 我们的统计是基于已经披露了被投金额的交易

27、，故获投公司数量将 小于真实值，仅供参考。 可以看到，获投公司数量最多的细分领域有机器人、自然语言处理 、计算机视觉，基本和获投金额一致。 平均获投金额分析 通过数据分析可以看到，智能安防、智能家居为平均单个公司获投 金额最高的领域，平均获投金额在一亿以上。智能安防领域的获投 企业均是人工智能领域的明星企业，如旷视科技、商汤科技等。 投资热度 国内 平均单个公司获投金额为4000万 58 53 48 22 18 12 8 6 4 1 0 10 20 30 40 50 60 70 人工智能公司获投公司数量（单位：个) 17500 13500 5920 4675 3448 2943 2772 27

28、50 2611 1000 0 5000 10000 15000 20000 平均单个公司获投金额（单位：万元） 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 15 36Kr-人工智能行业研究报告 2017年2月 获投比例分析 从获投公司数量来看，机器人、计算机视觉、自然语言处理是获投 公司数量（即，披露了融资信息的公司）最多的领域，分别为58个 ，53个，48个，占到该

29、领域公司的一半以上；从对比图来看，智能 金融、深度学习、智能医疗、智能家居、智能安防为获投比例最高 的领域。 获投公司融资轮次分布 通过数据分析可以看到， 获投公司融资轮次整体偏中期，公司融资 阶段集中在天使轮、Pre-A轮和A轮，C轮之后的公司较少。 投资热度 国内 获投公司偏早期，C轮后公司较少 53 58 48 22 18 12 86 4 10 20 40 60 80 100 120 各领域公司获投情况（单位：个) 未披露融资信息披露融资信息 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 3 105 23 96 33 4 11 8 0 20 40 60 80 1

30、00 120 种子轮天使轮Pre-A轮A轮B轮C轮D轮E轮并购 获投公司融资轮次分布 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 16 36Kr-人工智能行业研究报告 2017年2月 各领域获投公司融资轮次分布 从我们收集到的数据来看， 机器人、计算机视觉、智能驾驶、自然 语言处理是获投公司数量最多的四个领域；分析这四个领域创业公 司的融资轮次特点可以看到，机器人和计算机视觉的获投企业中处 于天使轮的最多，而智能驾驶和自然语言处理的获投企

31、业中A轮企 业最多；这四个领域获投企业中B轮企业均占据一定比例；智能驾 驶、自然语言处理的投资更趋于中后期。 融资Top公司获投金额： 投资热度 国内 明星公司单次融资额在亿元级别 公司名称成立年份融资轮次 人民币融资 数额 公司名称成立年份融资轮次 人民币融资 数额 优必选2012B轮6.6亿猿题库2013D轮2.6亿 Roobo智 能管家 2014A轮6.6亿中译语通2013B轮2.5亿 云知声2012B轮3.3亿百融金服2014B轮2亿 学霸君2013B轮3.3亿达闼科技2015种子轮2亿 旷视科技 （Face+） 2016C轮6.6亿公子小白2013A轮2亿 0 10 20 30 40

32、 50 60 70 机器人计算机视觉智能驾驶自然语言处理 各领域公司获投公司融资阶段分布 天使轮Pre-A轮E轮D轮C轮B轮A轮 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 17 36Kr-人工智能行业研究报告 2017年2月 公司运营状况分析 2011年后AI创业兴起，2014、2015迎来创业高峰 各细分领域公司数量分析 从1996年至今，国内至今仍在运营的人工智能公司有366家。机器 人、计算机视觉、自然语言处理是创业热度最高的领域

33、。 人工智能总体领域公司成立时间分析 从我们收集到的数据来看， 2015-2016年人工智能领域在2011年 之后迎来了创业热潮，在2014、2015年达到创业高峰，企业平均 年龄为3.2 岁。 112 32 12 65 33 11 8 22 26 50 9899 23 0 20 40 60 80 100 120 人工智能公司逐年成立数量 58 53 48 22 18 12 8 6 4 1 0 10 20 30 40 50 60 70 人工智能公司获投公司数量（单位：个) 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31

34、 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 18 36Kr-人工智能行业研究报告 2017年2月 公司运营状况分析 智能安防、计算机视觉公司平均成立年龄最久 各领域创业公司平均年龄 通过数据分析可以看到，智能安防、计算机视觉领域的创业公司年 龄最大，智能金融、芯片领域的公司大部分成立时间不久。 机器人领域公司成立时间分析 机器人领域至今仍在运营的创业公司最早在2005年出现，在2014 、2015年迎来创业高潮，与人工智能整体领域趋势基本一致；创业 公司平均年龄为2.8岁。 2 0 1

35、0 2 3 66 14 25 26 7 0 5 10 15 20 25 30 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 机器人公司逐年成立数量 4.6 3.9 3.8 3.6 3.4 2.7 2.6 2.2 2.1 1 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 各领域创业公司平均年龄 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3

36、投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 19 36Kr-人工智能行业研究报告 2017年2月 11 2 00 2 0 22 1 5 1 8 9 12 26 21 3 0 5 10 15 20 25 30 计算机视觉公司逐年成立数量 公司运营状况分析 CV、NLP企业平均年龄为3-4岁 计算机视觉领域公司成立时间分析 计算机视觉领域至今仍在运营的创业公司最早在1997年出现，在 2011年之后快速增长，2014、2015年迎来创业高潮，与人工智能 整体领域趋势基本一致；创业公司平均年龄在3.9岁。 自然语言处理领域公司成立时间分析 自然语言处理领域至今仍在运营的创业公司最早在

37、2000年出现，在 2011年之后快速增长，2014年迎来创业高潮，与人工智能整体领 域趋势基本一致；企业平均年龄为3.4岁。 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1 00 2 1 0 2 4 2 5 9 12 21 15 3 0 5 10 15 20 25 自然语言处理公司逐年成立数量 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 20 36Kr-人工智能行业研究报告 2017年2月 2 000000

38、3 8 12 1 0 2 4 6 8 10 12 14 20062007200820092010201120122013201420152016 深度学习领域公司逐年成立数量 1 00 111 0 1 00000 3 1 66 14 3 0 2 4 6 8 10 12 14 16 智能驾驶公司逐年成立数量 公司运营状况分析 自动驾驶领域2014年迎来创业热潮 自动驾驶领域公司成立时间分析 自动驾驶领域至今仍在运营的创业公司最早在1997年出现，在 2011年之前增长非常缓慢，2014年迎来创业高潮，与人工智能整 体领域趋势基本一致；创业公司平均年龄为3.8岁。 深度学习领域公司成立时间分析 深

39、度学习领域至今仍在运营的创业公司最早在2006年出现，这与深 度学习实现突破的时间点一致，创业热潮出现在2015年，企业平均 年龄为2.2岁。 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 21 36Kr-人工智能行业研究报告 2017年2月 159 61 40 27 2322 11 6 33322 1111 0 20 40 60 80 100 120 140 160

40、180 北京市 上海市 深圳市 浙江省 广东省 江苏省 四川省 陕西省 福建省 河南省 湖北省 辽宁省 天津市 安徽省 贵州省 黑龙江省 吉林省 各地区人工智能公司数量 公司运营状况分析 北京地区为AI公司创业集中地，占总体43% 总体创业公司地理分布 从366家人工智能创业公司的分布来看，北京市、上海市、深圳市 是公司数量最多的三个地区。其中，北京地区的创业公司数量遥遥 领先，占到总体的43%。 机器人创业公司地理分布 从92家机器人创业公司的分布来看，北京市、上海市、深圳市仍旧 是公司数量最多的三个地区。其中，北京地区的创业公司数量遥遥 领先，占到总体的三分之一左右。 注释：2016年数据

41、统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 34 15 14 8 6 5 22 111111 0 5 10 15 20 25 30 35 40 各地区机器人公司数量 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 22 36Kr-人工智能行业研究报告 2017年2月 36 19 44444 2 0 5 10 15 20 25 30 35 40 北京市上海市广东省江苏省深圳市四川省浙江省湖北省 各地区自然语言处理公司数量 36 14 1

42、1 10 66 5 3 2 111 0 5 10 15 20 25 30 35 40 北京市深圳市上海市浙江省广东省江苏省四川省河南省陕西省福建省湖北省辽宁省 各地区计算机视觉公司数量 公司运营状况分析 CV、NLP公司北京创业热情高 计算机视觉创业公司地理分布 从96家计算机视觉创业公司的分布来看，北京市、上海市、深圳市 是仍是公司数量最多的三个地区。其中，北京地区的创业公司数量 遥遥领先，占到总体的37.5%。 自然语言处理创业公司地理分布 从77家自然语言处理创业公司的分布来看，北京市、上海市是公司 数量最多的三个地区。其中，北京地区的创业公司数量仍是最高， 占到总体将近一半。 注释：2

43、016年数据统计截止至2016.10.31 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 23 36Kr-人工智能行业研究报告 2017年2月 16 5 22 1 0 2 4 6 8 10 12 14 16 18 北京市上海市陕西省深圳市浙江省 各地区深度学习公司数量 公司运营状况分析 北京市、广东省为自动驾驶创业集中地 深度学习创业公司地理分布 从26家深度学习创业公司的分布来看，北京市是公司数量最多的三 个地区，占到

44、总体的62%；由于大部分深度学习公司按照所应用的 行业已计入其他细分领域，故此部分数据分析趋势仅供参考。 自动驾驶创业公司地理分布 从35家智能驾驶创业公司的分布来看，北京市、广东省为公司数量 最多的两个地区，分别为15个、8个。对于智能驾驶领域更详细的 数据分析，请参见同系列智能汽车行研报告。 注释：2016年数据统计截止至2016.10.31，此处深圳市不计入广东省创业数量。 来源：36氪研究院 注释：2016年数据统计截止至2016.10.31 来源：36氪研究院 15 8 55 22 1 0 2 4 6 8 10 12 14 16 北京市广东省江苏省上海市深圳市浙江省吉林省 各地区深度

45、学习智能驾驶公司数量 1.1行业驱动- 数据量 运算力 算法技术 1.2 政策法规 1.3 投资热度 全球投资热度 国内投资热度 国内公司运营数据分析 产业链与巨头布局分析 CHAPTER 2 产业链构成分析 巨头布局分析 开源平台布局 芯片布局 技术布局 25 36Kr-人工智能行业研究报告 2017年2月 产业链构成分析 产业链可分为基础支撑层、技术应用层和方案集成层 从产业链来看，人工智能可以分为技术支撑层、基础应用层和产品 层。 技术支撑层主要由算法模型（软件）和关键硬件（AI芯片、传感器 ）两部分构成。传感器负责收集数据，AI芯片（GPU,FPGA,NPU等 ）负责运算，算法模型负责

46、训练数据。 基础应用层主要由感知类技术和其他深度学习应用构成。感知技术 主要用于让机器完成对外部世界的探测，即看懂世界、听懂、读懂 世界，由计算机视觉、语音识别、语义识别一并构成，是人工智能 产品或方案不可或缺的重要部分。唯有看懂、听懂、读懂，才能够 做出分析判断，进而采取行动，让更复杂层面的智慧决策、自主行 动成为可能。 方案集成为集成了一类或多类基础应用技术的，面向应用场景特定 需求的产品或方案。人工智能作为一类技术，应用在多种多样的应 用场景中；而在各类产品中人工智能的比重或有区别，但其本质都 是让机器更好的服务于我们的生产和生活。 人工智能产业链 自然语言处理 计算机视觉 语音识别 智

47、慧家电智慧工业 关键硬件 算法模型 路径规划GPUNPU 传感器 深度学习（CNN、RNN等） CPU 基础应用技术 产品 技术支撑层 基础应用层 方案集成层 来源：36氪研究院 2.1 产业链构成分析 2.2 巨头布局分析 开源平台布局 芯片布局 技术布局 26 36Kr-人工智能行业研究报告 2017年2月 随着AlphaGo将AI带入人们的视野，AI逐渐被人们认为是下一个“ 互联网”类颠覆行业的技术。看重AI技术带来的巨大市场潜力，科 技巨头们纷纷布局人工智能产业链，具体来讲有三种方式；打造AI 开源平台、布局AI芯片、布局AI核心技术。 从产业链的角度来讲，无论是开源平台，AI芯片还是

48、AI核心技术， 都是偏产业链上游的基础设施。 （1） 打造人工智能开源平台 AI开源平台是一个深度学习的工具箱，用户可以在其开放的平台上 使用其算法系统，获取开源代码。 自从深度学习取得突破性进展以后，巨头们频频开源。其根本原因 在于，尽管算法是竞争的一个障碍，但数据和应用场景的甄别才是 真正的山头。当AI公司们使用开源平台进行算法的迭代时，开源平 台可以获取数据，以及市场对应用场景热度的反馈。 大量的创业公司会采用开源做垂直领域的业务，并试错验证，最终 返回到开源，在算法被优化的同时，平台也可以通过用户行为的反 馈甄别哪些是更有市场潜力的应用场景。 巨头布局 巨头打造开源平台、布局AI芯片和

49、核心技术 来源：36氪研究院 公司开源时间开源平台名称简介 Google2015.11Tensorflow 谷歌第二代联机版人工智能深度学习系统， 能同时支持多台服务器。 Facebook2015.12Torchnet 深度学习函式库Torch的框架，旨在鼓励程 序代码再利用及模块化编程。 Microsoft2015.11DMTK 一个将机器学习算法应用在大数据上的工具 包。 IBM2015.11SystemML 使用Java编写，可实现三大功能：定制算法、 多个执行模式、自动优化。 Yahoo2016.02 CaffeOnSpar k 结合深度学习框架 和大规模数据处理系统， 从而更方便地处理多个服务器的内容。 Amazon2016.05DSSTNE 能同时支持两个图形处理器（GPU）参与运 算的深度学习系统 百度2016.09 Pa