來源：智東西?

Mr L

隨著科技的進步，人工智能的發(fā)展愈發(fā)火熱，AI、大數(shù)據(jù)、機器人這些詞已經(jīng)滲透進我們生活的方方面面，我們有理由相信AI是下一個帶來巨大經(jīng)濟效益、提高社會生產(chǎn)力的突破口。下面這篇文章整理了高盛的人工智能重磅報告，從AI的技術支撐、產(chǎn)業(yè)布局、市場規(guī)模等角度為我們帶來詳實的分析。

Mr L

智東西 ?編｜十四

人工智能（AI），可以說是科技信息時代的大飛躍，既具備一定的類人邏輯性，又具備強大的計算能力和數(shù)據(jù)存儲能力。雖然，目前業(yè)界并不處在一個良好的投資狀態(tài)，但AI技術依舊被認為是下一個帶來巨大經(jīng)濟效益，提高社會生產(chǎn)力的巨大突破點。

事實上，在過去的這兩年時間里，AI、機器人、自動駕駛等概念已經(jīng)成為最前沿的文化、政治名詞。很多研究認為，我們目前正處于這樣一個技術拐點：計算能力更強更快，數(shù)據(jù)源更豐富，深度學習算法趨于成熟，專業(yè)的硬件（芯片）和開源代碼逐漸崛起，越來越多的實用性AI應運而生。本期的智能內(nèi)參，我們推薦來自高盛的AI產(chǎn)業(yè)調研報告，報告詳細介紹了AI的技術背景、應用前景和目前的產(chǎn)業(yè)競爭局勢及產(chǎn)業(yè)鏈地圖。以下為智能內(nèi)參整理呈現(xiàn)的干貨：

AI背后的三大推手：數(shù)據(jù)、芯片、算法

移動網(wǎng)絡大量普及 數(shù)據(jù)結構化或爆發(fā)

數(shù)據(jù)可以說是機器學習的關鍵。分布全球的無所不在的互聯(lián)設備，包括移動設備、物聯(lián)網(wǎng)等，使得非結構化的數(shù)據(jù)大量增長，也就是說，機器學習算法能夠用來模擬、訓練和測試的數(shù)據(jù)源更加充足。

僅以特斯拉互聯(lián)汽車為例，截至目前，特斯拉總行程78000萬英里，公司平臺額外驅動的互聯(lián)汽車也行駛了 100萬英里。無線運營方面，Verizon8月公布了新的傳輸標準，使得遠程傳感器聯(lián)通云端軟件的速度更快。同時，新的5G網(wǎng)絡也將促進傳輸數(shù)據(jù)，IDC預計截至2020年，年均數(shù)據(jù)量將達44澤字節(jié)（也就是44萬億字節(jié)），未來五年復合年增長率將達141%，大數(shù)據(jù)技術將逐漸滲透實用領域。

與此同時，移動網(wǎng)絡建立大規(guī)模數(shù)據(jù)庫和云端處理技術的成本也在不斷降低。智東西也曾在111期智能內(nèi)參援引世界經(jīng)濟論壇指出：預計不用三年，將有90%的人擁有被廣告商支持的無限的免費數(shù)據(jù)存儲。這是因為，硬盤驅動器的成本持續(xù)下降，激勵著數(shù)據(jù)的創(chuàng)造。事實上，近90%的數(shù)據(jù)是過去兩年中創(chuàng)建的。

IDC調研的數(shù)據(jù)量增長趨勢

GPU應用大勢 新硬件更適配并行結構

GPU被認為是低成本、高計算能力的處理單元，特別是針對云端服務和新的神經(jīng)網(wǎng)絡結構，它能提高準確性和計算速率。基于GPU的并行結構允許更快的機器學習培訓體系，遠遠優(yōu)于目前廣泛使用的基于CPU的數(shù)據(jù)架構。此外，通過額外的顯卡網(wǎng)絡，GPU體系可以加快迭代，實現(xiàn)更為精確的快速培訓。

基于GPU的云運算

芯片浮點能力發(fā)展之快可以以NVIDIA GPU（GTX 1080）為例：該芯片性能為9T浮點運算，價值約700美元，也就是每G約8美分。參考1961年的IBM 1620，不考慮浮點運算能力的話，通過串聯(lián)實現(xiàn)的每G浮點運算需耗9萬億美元。

智東西也曾在102期智能內(nèi)參中強調GPU的市場前景，并分析市場份額。相比于CPU，GPU 具有數(shù)以千計的計算核心，及強大、高效并行計算能力，可實現(xiàn) 10-100倍應用吞吐量，特別適用于AI 海量訓練數(shù)據(jù)情形。目前深度學習解決方案幾乎完全依賴 （NVIDIA的）GPU。

于AI 海量訓練數(shù)據(jù)情形。目前深度學習解決方案幾乎完全依賴 （NVIDIA的）GPU。

超級計算機浮點指數(shù)增長趨勢

千兆次浮點運算所需成本變化趨勢

算法不斷優(yōu)化 大公司推動開源

越來越多的算法研究推動著深度學習的實用性，伯克利、谷歌、Facebook也紛紛公開自家的源代碼框架，也就是Caffe、TensorFlow和Torch。源代碼的開放吸引著越來越多的軟件開發(fā)者嘗試新的算法，不到一年，TensorFlow就以及該形成了一個活絡的存儲庫GitHub，作為目前最大的開發(fā)商合作網(wǎng)站。當然，并不是所有的AI都出自于開源框架。

AI進程時間表

AI產(chǎn)業(yè)的三大類布局

從技術更新周期來看，過去50年，計算機在摩爾定律的推動下不斷進步，僅僅在系統(tǒng)框架方面，計算能力、存儲容量帶寬、編程語言轉換都有很大的進展。參見90年代技術變革帶來的經(jīng)濟繁榮，推動了軟件、硬件、網(wǎng)絡公司的整改。公共軟件公司1995至今市值從2億美元暴漲到5億美元，只有2000年左右趨于平緩。顯然，AI也有這樣的趨勢，引領硬件、軟件、數(shù)據(jù)和服務提供商等領域的增長。事實上，谷歌、亞馬遜、微軟和Salesforce自2014年來就已經(jīng)完成了17起AI相關的收購。

2014年以來的AI相關收購項目

AI風投增長趨勢

目前，科技大佬和風投人主要關注的有三個方面：DIY，也就是自主建立自己的人才和數(shù)據(jù)庫，推出新的AI棧，主要玩家包括微軟、谷歌、亞馬遜和百度；咨詢服務，為垂直和特定的領域提供專業(yè)的AI咨詢，如IBM的沃森；開發(fā)服務型AI（AI-aaS），如谷歌圖片識別模型。

人工智能系統(tǒng)框架示意圖

AI棧的演化

DIY趨勢：云平臺和開源

高盛咨詢了各大公司和風投機構，總結認為，AI或者機器學習（ML）將被互聯(lián)網(wǎng)公司大量的使用，這就需要有效數(shù)據(jù)收集和相關人才稀缺。不過，隨著移動互聯(lián)設備和物聯(lián)網(wǎng)的普及，數(shù)據(jù)量越來越多，數(shù)據(jù)收集變得越來越容易。

目前，AI堆棧與其他前沿技術最大的區(qū)別在于，大部分的機器學習嚴重依賴于開源技術和基于云平臺供應商的服務。這是因為，AI和ML需要大量數(shù)據(jù)支持，并且按需計算。目前，AI主要的基礎技術投資都來自于微軟、谷歌、亞馬遜等云服務提供者，其中，云運算的首選是GPU和FPGA，它們能夠進行并行的，快速的數(shù)據(jù)處理。很多公司都會購買這些開源或者云服務來幫助開拓客戶，減少運營成本。

主要的開源項目

咨詢服務：資本彌補技術差距

人才缺乏為IBM、埃森哲和德勒等公司的資訊服務營造了市場環(huán)境。因此，機器學習的相關人才有著非常大的機遇，甚至有組織舉行數(shù)據(jù)科學大賽，提供獎勵。

機器學習人才招聘狀況

AI-aaS：或將造就最大藍海

AI需要獨特的數(shù)據(jù)集和專業(yè)的人才，這似乎使得五年內(nèi)看到大量AI公司成為一件奢望。事實上，最可能的情況是，公司們利用AI提供商的數(shù)據(jù)和框架等來創(chuàng)造附加價值的AI服務，也就是API，研發(fā)AI應用程序是最基本的例子，尤其是圖像識別和語音識別等。目前，谷歌和微軟都提供收費API，開發(fā)者可以講該API嵌入自己的應用程序，提高產(chǎn)品定位和水平。

AI-aaS應用于垂直領域可以幫助大公司組合數(shù)據(jù)，構建機器學習模型，賣給合作伙伴或者客戶、供應商。初創(chuàng)公司也可以據(jù)此構建專門的數(shù)據(jù)集，用于諸如醫(yī)學成像、廣告、零售等領域。

值得注意的是，除了這些高端技術層面，跟我們更為密切的AI應用即聊天機器人（聊天程序，bots），這被認為是未來人機交互的入口，尤其是自然語言識別、訊息平臺和虛擬助手，是目前技術關注的關鍵點。

AI-aaS案例

AI-aaS API及價格

2025年：五大領域的千億級市場

AI農(nóng)業(yè)規(guī)模達200億美元

基于傳感器和衛(wèi)星等技術提供的有效的視聽數(shù)據(jù)，機器學習有望幫助增加作物產(chǎn)量（即繁殖能力），減少肥料和灌溉成本，協(xié)作作物和牲畜疾病的早期檢測，降低勞動力成本，幫助收獲后進行分類物流，進入市場。

機器學習用于農(nóng)業(yè)

金融服務規(guī)模達340-4302億美元

機器學習和人工智能在金融服務行業(yè)有廣泛的應用,隨著數(shù)據(jù)集的豐富，AI可以用于投資決策、信貸風險概況等，利用更少的時間處理更為豐富全面的市場信息，提供專業(yè)可觀，甚至更準確的分析。

AI用于金融服務

AI醫(yī)療每年能省540億美元

機器學習在醫(yī)療方面的可用性非常廣，能夠提供實時監(jiān)測，幫助發(fā)現(xiàn)高回報的技術和藥物，幫助測試分析、優(yōu)化治療。預計隨著機器學習的人工智能的技術逐漸成熟，將推動藥物研發(fā)過程，每年減少260億成本支出，同時還能驅動醫(yī)療信息高效化。

未來十年醫(yī)療AI的投資回報率

AI在醫(yī)療領域的應用

零售業(yè)年均消費540億美元省410億美元

線上對線下已經(jīng)被證實是對傳統(tǒng)零售業(yè)的挑戰(zhàn)，電子商務可以積累大量的客戶信息，基于這些數(shù)據(jù)，AI零售可以幫助企業(yè)更好的為目標客戶服務，更有效的傳遞產(chǎn)品信息。

全球電子商務發(fā)展趨勢

AI為能源工程節(jié)約1400億美元

石油和天然氣行業(yè)的探測和采煉有時處在極端條件，因此設備和工藝的可靠性很重要，影響著項目的經(jīng)濟效益。為了避免操作失誤，這個行業(yè)往往采用了過渡冗雜的工程化設備和過多的人力。事實上，AI可以幫助設計更為可靠的設備和流程，降低資本支出和運營成本，預計未來時間，基于AI的能源工程可以幫助節(jié)省1400億美元的開支。

從能源產(chǎn)業(yè)結構看可出AI的潛力

巨頭的游戲：軟件與硬件之歌

智東西第102和107期智能內(nèi)參詳細介紹過目前各大科技巨頭在AI產(chǎn)業(yè)上的布局，可以看到，硬件、開源算法、云服務已經(jīng)成為必爭之地。

谷歌：貫徹軟硬件結合的理念

谷歌，或者說現(xiàn)在的Alphabet，已經(jīng)建立了獨一無二的AI檢索算法，在自然語言處理上面頗具優(yōu)勢，并應用于谷歌搜索，預計還將在谷歌智能家居生態(tài)中大顯身手。公司的開源軟件庫/云計算平臺TensorFlow還在結合了很多前沿的硬件加速器，推出新的AI張量處理單元TPU。此外，收購的DeepMind也在擊敗李世石的戰(zhàn)役中一舉成名。

亞馬遜：籌備開源服務

亞馬遜AWS在云服務的布局已經(jīng)頗具優(yōu)勢，2015年4月，公司宣布推出機器學習服務亞馬遜ML，提供針對性的用戶體驗。今年5月，亞馬遜推出了自家的開源軟件DSSTNE，幫助建立深度學習開發(fā)庫。

蘋果：活躍的收購者

過去一年間，評估已經(jīng)收購了Emotient、Turi、Tuplejump等AI創(chuàng)業(yè)公司，并雇傭了之前在NVIDIA從事GPU軟件項目的Johnathan Cohen，并找來Ruslan Salakhutdinov作為其AI研發(fā)部主管。Siri可以算作蘋果在AI方面最主要的成就之一，此外，蘋果大腦的傳言也甚囂塵上。

微軟：力推基于GPU和FPGA的云

微軟首席執(zhí)行官納德拉介紹稱，微軟正在建立“民主化的AI（democratizing AI）”，目前AI研究小組員工人數(shù)超過5000人，目標在于改變?nèi)藱C體驗和交互技術，小娜是比較有代表性的一個成果。此外，公司還在建立基于GPU和FPGA的云（Azure）方面做努力。

Facebook：開源工具

Facebook在AI方面的主要布局集中在建立開發(fā)者社群，開源Torch、Chef、fastText、BigSur 等一系列 AI 工具及資料庫，并推出具體的應用程序，比如已經(jīng)出現(xiàn)的圖象識別、語音文字轉換和智能翻譯等。

Salesforce：建立云生態(tài)

2014和2015年，Salesforce開始利用自家電開發(fā)平臺執(zhí)行云機器學習任務。公司還收購了Minhash,、PredictionIO、MetaMind等AI公司，目的在于建立云銷售、云營銷、云服務、云社區(qū)、云物聯(lián)網(wǎng)、基于云的應用程序等。

NVIDIA：借力GPU大勢

GPU在之前的計算機應用不多，但AI算法給了它莫大的基于，目前，幾乎所有的AI算法都采用了NVIDIA的GPU，雖然英特爾也在加快研發(fā)新的替代芯片F(xiàn)PGA，但目前來看，GPU依舊是比較好的選擇。借此大勢，NVIDIA還專門設計了全球首款針對深度學習的GPU架構（Pascal 架構）。

英特爾：加快芯片研發(fā)

GPU的大勢讓英特爾感到了危機，英特爾收購Nervana systems和Altera，加快FPGA的推進，在運算速度和編程靈活性取得一系列進展。2016年中期，英特爾推出了至強二代，用于智能家庭產(chǎn)品的網(wǎng)絡服務和云服務。

Uber：合作汽車制造商

Uber在AI方面的主要布局更趨近于物聯(lián)網(wǎng)，尤其是汽車傳感器。2016年9月，Uber在匹茲堡推出了自動駕駛試點項目，并于卡內(nèi)基梅隆大學教授、汽車制造商合作，研發(fā)基于傳感器獲得的數(shù)百萬數(shù)據(jù)點，建立安全、有序、自動的交通模式。

IBM：沃森成AI之星

IBM在AI方面的布局很早，公司在全球的AI研發(fā)每人元超過3000名，專利超過1400項，覆蓋云計算和硅納米科學，其超級智腦沃森在自然語言處理和模式識別、非結構化數(shù)據(jù)處理方面有著出色的表現(xiàn)，已經(jīng)應用于虛擬代理，幫助金融、醫(yī)療等合作伙伴處理和分析數(shù)據(jù)。

BAT著力構建神經(jīng)網(wǎng)絡

目前，國內(nèi)對于AI的支持力度也比較大，在學術方面也有很是很大的研究熱點。學術機構，以及百度、阿里、騰訊等公司也在語音識別、圖像識別、神經(jīng)網(wǎng)絡、自然語言處理等方面都有重要的突破。艾瑞咨詢認為，國內(nèi)AI市場將從2015年的12億元增至2020年的91億元。

國內(nèi)公司主要的AI進展

智東西認為：一方面，當前的社會經(jīng)濟、產(chǎn)業(yè)的發(fā)展急需的新的變革式刺激；另一方面，大數(shù)據(jù)科技、硬件工藝、并行算法的急速發(fā)展，也使得AI成為一個備受矚目的變革動力。目前來看，服務型AI（AI-aaS）將作為創(chuàng)業(yè)者最容易進入的風口，并且在相當多的領域都大有可為；而神經(jīng)網(wǎng)絡、運算芯片、算法框架等基礎層的AI建設更像是大佬的游戲。

就像高盛首席經(jīng)濟學家Jan Hatzius說的：AI的廣泛適用性帶動了各項針對全球經(jīng)濟增長和生產(chǎn)力優(yōu)化的應用，這主要是由于目前的資本深化和（美國的）生產(chǎn)力現(xiàn)狀。我們相信，AI將像90年代的技術變革一樣，加速經(jīng)濟增長，提高盈利能力，擴大股本估值。