新智元中国人工智能产业发展报告资料下载.pdf

1、报告已尽量提供准确数据与资料，并进行多次校对，但也难免会有疏漏，如有错误，欢迎指正。前 言一、产业篇 1（一）人工智能 60 年 11人工智能：感知+理解+决策 12人工智能三“起”三“落”后迎来爆发 2（二）全球人工智能产业发展态势 31全球人工智能产业将进入快速增长期 32全球人工智能企业竞争日趋激烈 43人工智能已上升为国家战略 8（三）我国人工智能产业发展态势 101我国人工智能产业将在 2018 年突破 200 亿元 102百家人工智能企业助推产业转型升级 103国家和地方政策助力人工智能产业健康快速发展 13二、技术篇深度学习 15（一）技术演进 151深度学习：像人脑一样思考 1

2、52深度学习的三个里程碑 17（二）深度学习发展现状 191多家巨头力推产业布局 192三大领域技术革新 213三大开源框架促进技术落地 21（三）深度学习未来展望 23三、应用热点篇自动驾驶 25（一）概述 251四个等级两种路径 252无人车商用时间线：3-4 年之后 26（二）人工智能与自动驾驶（自动驾驶中的人工智能技术）261感知（数据）27目 录2决策（计算）323地图 344车联网 35（三）无人驾驶产业 371国外自动驾驶发展趋势 372中国自动驾驶的发展趋势 413趋势：智能出行公司的平台优势明显，成有力武器 42四、投融资篇新智元 100 报告 44（一）全球 AI 创业公司

3、投融资市场概览 44（二）中国人工智能创业与投融资概览 46（三）新智元 100 分析报告 47（四）新智元 100 最具竞争力榜单 Top 10 51附录：新智元 100 评选榜单 55人工智能经过 60 年的发展，已逐渐从技术走向应用。近几年，在深度学习的推动下，人工智能取得了飞速发展。世界各国纷纷将人工智能作为国家战略，积极推动产业发展，企业将人工智能作为未来的发展方向积极布局，围绕人工智能的创新创业也在不断涌现。未来，人工智能将深刻改变人类的生产、生活方式。（一）人工智能 60 年1人工智能：感知+理解+决策自 1956 年达特茅斯会议提出“人工智能”这个词以来，业界对“人工智能”的认

4、知也在不断发生变化。参考 Stuart Russell and Peter Norvig 的定义，对人工智能的认知可以按思考还是行动、像人还是理性两个维度分为四种，即像人一样行动、像人一样思考、合理地思考以及合理地行动。图表 1 对人工智能的不同认知及其特点资料来源：Artificial Intelligence:A Modern Approach3rd Edition一、产业篇12中国人工智能产业发展报告前三种认知方式下的人工智能由于技术受限和其它一些原因，尚未实现大规模产业化应用。像人一样行动以阿兰 图灵在 1950 年提出的图灵测试为代表，强调人工智能应该像人一样行动。近年来，又有人提出

5、全面图灵测试，增加了视觉信号和物理操纵需求，从而使图灵测试覆盖了自然语言处理、知识表示、自动推理、机器学习、计算机视觉和机器人六大学科。因此 60 年后，图灵测试对于验证一个系统是否具备智能，仍然有效。像人一样思考基于认知建模，更加强调像人一样思考。人的大脑一直是一个未解之谜，目前美国和欧盟均在开展人脑研究，一旦破解了大脑思考方式这个世界难题，类人的智能研究将取得重大突破。现阶段的人脑研究尚不足以支撑人工智能建立像人一样思考的系统。合理地思考则是逻辑主义流派提倡的通过制定规则使智能系统合理地思考。这种基于规则的认知方式开发出的人工智能系统精准度较高。但对非形式的知识制定规则并不容易，因此仅适用

6、于规则清晰的专业领域，在通用领域中难以得到大规模应用。以合理地行动为代表的人工智能带动了新一轮的人工智能浪潮。合理地行动现阶段以基于深度学习的人工智能为代表，强调通过感知+理解+决策来实现，是建立在大量先验知识的基础上做出的相对合理的判断和决策。尽管基于深度学习的人工智能需要基于大量先验知识做出判断，无法实现完美合理性，但在海量数据的支撑下，“感知+理解+决策”的人工智能有望不断接近完美合理，使得人工智能技术在产业上得到大规模应用。2人工智能三“起”三“落”后迎来爆发人工智能研究始于 20 世纪 40 年代，从人工智能概念的诞生至今已有 60 年。根据人工智能技术及产业发展的整体形势，我们将其

7、分为三个阶段。第一阶段（20 世纪 50 年代中期到 80 年代初期）：深耕细作，30 年技术发展为人工智能产业化奠定基础。在 1956 年之前，人工智能就已经开始孕育。神经元模型、图灵测试的提出以及SNARC 神经网络计算机的发明，为人工智能的诞生奠定了基础。1956 年的达特茅斯会议代表人工智能正式诞生和兴起。此后人工智能快速发展，深度学习模型以及 AlphaGo 增强学习的雏形感知器均在这个阶段得以发明。随后由于早期的系统适用于更宽的问题选择和更难的问题时效果均不理想，因此美国、英国相继缩减经费支持，人工智能进入低谷。第二阶段（20 世纪 80 年代初期至 21 世纪初期）：急功近利，人

8、工智能成功商用但跨越式发展失败。80 年代初期，人工智能逐渐成为产业，第一个成功的商用专家系统 R1 为 DEC 公司每年节约 4000 万美元左右的费用。截止到 20 世纪 80 年代末，几乎一半的“财富 500 强”都在开发或使用“专家系统”。受此鼓励，日本、美国等国家投入巨资开发第 5 代计算机人工智能计算机。在 90 年代初，IBM、苹果推出的台式机进入普通百姓家庭中，奠定了计算机工业的发展方向。第5 代计算机由于技术路线明显背离计算机工业的发展方向，项目宣告失败，人工智能再一次进入低谷。尽管如此，浅层学习如支持向量机、Boosting 和最大熵方法等在 90 年代得到了广泛应用。第三

9、阶段（21 世纪初期至今）：量变产生质变，人工智能有望实现规模化应用。摩尔定律和云计算带来的计算能力的提升，以及互联网和大数据广泛应用带来的海量数据量的积累，使得深度学习算法在各行业得到快速应用，并推动语音识别、图像识别等技术快速发展并迅速产业化。20063一、产业篇年，Geoffrey Hinton 和他的学生在 Science上提出基于深度信念网络（Deep Belief Networks,DBN）可使用非监督学习的训练算法，使得深度学习在学术界持续升温。2012 年，DNN 技术在图像识别领域的应用使得 Hinton 的学生在 ImageNet 评测中取得了非常好的成绩。深度学习算法的应

10、用使得语音识别、图像识别技术取得了突破性进展，围绕语音、图像、机器人、自动驾驶等人工智能技术的创新创业大量涌现，人工智能迅速进入发展热潮。未来，人工智能的热度将可能会有所回落，但人工智能技术的发展将深入到金融、交通、医疗、工业等各个领域，逐渐改变人类的生产生活方式。图表 2 人工智能发展历程（二）全球人工智能产业发展态势经过 60 年的发展，人工智能在深度学习、海量数据和高性能计算的支撑下，现已进入产业化应用初期。2016 年，基于深度学习的智能语音、图像识别、智能驾驶等技术开始向各个应用领域渗透，全球人工智能产业规模快速增长。为抢占人工智能高地，谷歌、微软、IBM、Facebook 等企业在

11、人工智能领域的战略布局进一步突出，围绕人工智能的创新创业进一步繁荣。美国、日本等国家也先后出台人工智能相关政策及国家计划，为产业发展创造良好的生态环境。1全球人工智能产业将进入快速增长期在深度学习技术和开源平台的推动下，人工智能技术门槛逐渐降低，受到全球下游应用需求的迫切倒逼，人工智能赢得了加速发展的黄金期，围绕人工智能的应用和创新不断涌现。2015 年，全球人工智能产业规模达到 82.2 亿美元，预计 2016 年将突破 100 亿美元。据 BBC 预计，2020 年全球人工智能市场规模将达 183 亿美元。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。4

12、中国人工智能产业发展报告图表 3 2014-2020 年全球人工智能产业规模除产业规模快速增长外，围绕人工智能的创业企业数量也大幅提升。根据 Venture Scanner 对全球 71 个国家人工智能公司的统计，截至到 2016 年第三季度，全球人工智能创业公司数量已有1287 家，其中 585 家获得投资，投资金额总计达到 77 亿美元，其中美国投资金额超过 31 亿美元。图表 4 2016 年全球人工智能企业区域分布资料来源：Venture Scanner2全球人工智能企业竞争日趋激烈谷歌、微软、IBM、Facebook 等企业凭借自身优势，积极布局整个人工智能领域。各大企业通过加大研发

13、投入力度、招募高端人才、建设实验室等方式加快关键技术研发；同时，通过收购等方式吸收人工智能优秀中小企业来提升整体竞争力；此外，各大企业还积极开放、开源技术平台，构建围绕自有体系的生态环境。2016 年 4 月，谷歌 CEO Sundar Pichai 第一次明确提出将 AI 优先作为公司大战略。谷歌以深度5一、产业篇学习技术为依托，涉足人机交互、语言理解、机器人等人工智能核心技术应用领域，全方位布局人工智能产业。技术方面，谷歌通过加强自身技术水平，提升谷歌传统搜索、翻译和社交业务；推动集视、听、说、感知和控制于一体的无人驾驶汽车；并先后开源了第二代机器学习平台 TensorFlow以及自然语言

14、理解软件 SyntaxNet 的源代码，引领互联网巨头在人工智能领域开源的趋势改为浪潮。谷歌通过对 DeepMind 等人工智能行业创业企业的并购以及与强生、福特等传统产业巨头的合作，实现人工智能领域的全面布局及纵深式发展。图表 5 谷歌的人工智能布局微软在人工智能领域动作不断。微软研究院是最早开始从事人工智能研究的，发布了 Cortana和 Skype Translator 等一系列产品。微软在 2015 年 5 月初发布了人工智能领域的牛津计划，由一系列基于云端的机器学习相关的 API、SDK 和相关服务等组成，旨在让开发人员们不需要繁复的机器学习背景也能开发跨平台的更智能和更交互的应用。

15、当时，牛津计划率先开源了人脸识别、语音处理和计算机视觉三个部分。2016 年 1 月 25 日，微软在 GitHub 上发布了其深度学习工具包Computational Network Toolkit（简称 CNTK）。CNTK 是一个统一的深度学习工具包，它通过一个有向图将神经网络描述为一系列计算步骤。在有向图中，叶节点表示输入值或网络参数，边表示输入之上的矩阵运算。CNTK 使得实现和组合前馈型神经网络 DNN、卷积神经网络（CNN）和循环神经网络（RNN/LSTM）变得非常容易。在 2016 年的 Window Build 开发者大会上，微软开放了 Microsoft Bot Frame

16、work，开发者可以6中国人工智能产业发展报告直接接入 Microsoft Bot Framework 来开发类似微软小冰这样的聊天机器人。9 月，公司更宣布成立5000 人的人工智能部门，与 Windows 和 Office、云计算等部门并列。图表 6 微软人工智能布局Facebook 积极组建人工智能实验室，并通过开源技术平台等方式来获取更大的成功。Facebook现有两大实验室，其中一个是重点发展基础研究的 Facebook AI（FAIR）项目，由 Yann LeCun 负责，主要专注于基础科学和长期研究。FAIR 现有三个实验室，分别位于美国纽约、加州门洛帕克以及法国巴黎，拥有超过

17、130 位人工智能专家。AML（应用机器学习部门）则专注于人工智能产品应用，由西班牙裔机器学习专家 Joaquin Candela 负责。AML 正试图为排名、广告、搜索、语言翻译、语音识别、自动产生视频字幕以及自然语言理解等领域开发更好的算法以提升 Facebook 的基础。为了进一步弥补在语音技术方面的短板，2015 年初，Facebook 收购了语音指令创业公司 Wit.AI，之后建立了语言技术部门。为了进一步提升技术水平，Facebook 先后开源 fbcunn用于在 Torch 上更快速地训练神经网络的模块、人工智能硬件平台 Big Sur 等十余个项目。Facebook 将其 AI

18、 系统进行开源，有助于整个产业加速发展。7一、产业篇图表 7 Facebook 人工智能布局IBM 在认知计算平台 Waston 项目上持续投入，并成立专门部门推动 Watson 商业化，目前Waston 海量内容的分析能力已在医疗和金融领域率先使用。2014 年 9 月，IBM 发布基于自然语言处理的数据分析服务沃森分析（Watson Analytics），并向公众提供免费试用。Watson Analytics 云服务支持用户上传数据并通过英语语句查询分析结果，还能根据不同的分析场景向用户建议数据清洗步骤，以及最佳的数据可视化方法。2015 年 5 月，IBM 宣布 14 家来自美国和加拿大

19、的癌症治疗机构将开始部署沃森（Watston）计算机系统，该套系统将能根据病人肿瘤的基因指纹选择出适合的治疗方案。图表 8 IBM 人工智能布局8中国人工智能产业发展报告人工智能发展条件的成熟同时催生了大量人工智能创业企业。Venture Scanner 将 1139 家人工智能公司划分为 13 个细分行业，包括深度学习/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。其

20、中机器学习（应用）分类以约 300 家企业的数量遥遥领先，自然语言处理公司数量位列第二。图表 9 2016 年第一季度全球人工智能创业企业图谱资料来源：Venture Scanner随着人工智能的持续发展，围绕人工智能的竞争将日趋激烈。纵观智能语音、智能图像、自然语言处理、智能驾驶等人工智能技术的广泛应用，人工智能已成为推动产业升级、创新发展的关键动力。未来将会有越来越多的企业融入到人工智能产业之中，推动新一轮的技术浪潮。人工智能在众多领域的应用潜力，也会给行业发展带来无限的想象力。3人工智能已上升为国家战略新一轮的人工智能浪潮受到各国政府的高度关注，美国、日本、韩国等国家近几年纷纷出台多项战

21、略、计划积极推动人工智能发展，人工智能已逐渐上升为国家战略。美国于 2013 年启动创新神经技术脑研究（BRAIN）计划，由美国国立卫生研究院（NIH）、国家科学基金会（NSF）、DARPA、白宫科技政策办联合承担，并计划 10 年投入 45 亿美元。DARPA于 2015 年召开“未来技术论坛”，预测未来 30 年的技术发展。美国白宫于 2016 年 5 月宣布成立“人工智能和机器学习委员会”，用于协调全美各界在人工智能领域的行动，并将在奥巴马任期结束前多用人工智能提高政府办公效率。9一、产业篇图表 10 美国人工智能相关战略、计划时 间战略、计划备 注2013 年 4 月“推进创新神经技术

22、脑研究计划”（BRAIN）政府拨款 1.1 亿美元2014 年NIH 小组制定未来十年详细计划十年总投资 45 亿美元2015 年 10 月DARPA“未来技术论坛”未来 30 年技术发展预测2015 年 11 月CSIS 发布国防 2045：为国防政策制定者评估未来的安全环境及影响报告指出人工智能是影响未来安全环境的重要因素2016 年 2 月DARPA 表示正在发展人工智能技术，以奠定其理论基础支撑美国第三次“抵消战略”2016 年 5 月美国白宫成立人工智能和机器学习委员会探讨制定人工智能相关政策和法律日本政府近年来高度重视人工智能技术。2015 年 1 月，日本发布“新机器人战略”，希

23、望通过发展机器人技术，推动工业生产力的提高。同年，日本政府先期投入 10 亿日元在东京成立“人工智能研究中心”，集中开发人工智能相关技术。2015 年底，日本政府发布第五个科学与技术基础五年计划。计划中，日本政府提出了名为“超级智能社会（super smart society）”的未来社会构想，要发展信息技术、人工智能以及机器人技术，整个计划的预算为 26 万亿日元。日本还于 2016 年制定高级综合智能平台计划（AIP），是为实现日本第五个科技基础五年计划、建设“超级智能社会”而提出的人工智能、大数据、物联网、网络安全综合发展计划。图表 11 日本人工智能相关战略、计划时 间战略、计划备 注

24、2015 年 1 月新机器人战略通过发展机器人技术，推动工业生产力的提高。2015 年人工智能研究中心前期投入 10 亿日元。2015 年 12 月第五个科学与技术基础五年计划提出名为“超级智能社会（super smart society）”的未来社会构想，发展信息技术、人工智能以及机器人技术，预算 26 万亿日元。2016 年高级综合智能平台计划（AIP）人工智能、大数据、物联网、网络安全综合发展计划。2013 年 5 月，韩国启动 Exobrain 计划，计划由韩国未来创造科学部（MSIP）主持，历时 10年，总预算为九千万美元，计划的目标是开发专业领域人机交流的自然语言对话系统。2014

25、 年，韩国发布的第二个智能机器人总规划（2014-2018）希望能将机器人产业与其他制造业和服务业相结合，保持在机器人技术及相关重点产业的优势。2015 年，韩国未来创造科学部（MSIP）发布了 Star Lab 软件研发项目，人工智能是五大关键领域之一。图表 12 韩国人工智能相关战略、计划时 间战略、计划备 注2013 年 5 月Exobrain 计划历时 10 年，总预算为九千万美元，计划的目标是开发专业领域人机交流的自然语言对话系统。2014 年第二个智能机器人总规划（2014-2018）将机器人产业与其他制造业和服务业相结合，保持在机器人技术及相关重点产业的优势。2015 年AI S

26、tar Lab人工智能是项目五大关键领域之一。10中国人工智能产业发展报告（三）我国人工智能产业发展态势在全球人工智能浪潮下，我国人工智能产业正在积极健康发展。2016 年，我国人工智能产业规模将进一步提升。产业规模增长的背后是百度、阿里巴巴、腾讯、科大讯飞等企业在人工智能领域的不懈努力，以及围绕人工智能积极创新的中小企业。此外，国家和地方政府通过战略指引、政策支持等方式积极推动我国人工智能产业做大做强。1我国人工智能产业将在 2018 年突破 200 亿元人工智能技术在我国移动互联网、智能家居、无人驾驶等领域的应用继续不断深入，人工智能产业规模持续高速增长。根据新智元统计，2015 年，中国

27、人工智能产业规模进一步扩大，达到69.33 亿元，同比增长 42.65%。预计 2016 年，中国人工智能产业规模将达到 95.61 亿元。此后，在无人驾驶及机器人等应用的推动下，人工智能产业规模快速增长，预计 2018 年将突破 200 亿元，并带动相关产业规模增长超过 1000 亿元。图表 13 2014-2020 年中国人工智能产业规模2百家人工智能企业助推产业转型升级我国人工智能产业快速增长的背后，是不断壮大的人工智能企业和不断涌现的围绕人工智能的创新创业。百度、阿里巴巴、腾讯、科大讯飞等将人工智能作为整体战略提前布局。围绕人工智能的创业企业瞄准细分市场深耕细作，希望在未来人工智能竞争

28、中占据一席之地。2.1 百度总体来看，百度希望依托人工智能技术进行全面转型，建立完整的人工智能生态体系。在国内的互联网巨头公司中，百度最早开始人工智能战略布局。在底层基础资源支撑方面，百度拥有网络搜索引擎核心业务积累的丰厚的数据资源，全国多个计算中心和国内最大的 GPU 集群，为其提供了高性能的计算能力。在此基础上，百度重点发力人工智能技术的自主研发，先后成立了深度学习研究院、大数据研究院、硅谷人工智能实验室以及硅谷智能驾驶团队，并聘请吴恩达等人工智能顶级专家，开展机器学习、深度学习、机器人、图像识别、语音识别、无人驾驶等各个人工智能领域的技术研究。11一、产业篇在技术研发的基础上，百度也积极

29、将实验室中的技术投入产品进行实践。基础功能方面，百度基于智能语义、图像识别技术推出语音搜索、百度识图等产品，并在百度主流产品中均加入了这部分基础功能。商业实践方面，百度的人工智能技术与百度外卖、百度糯米等应用深度融合，通过深度学习算法，利用海量的 O2O 线上数据进行推算，从而帮助用户规划时间、路线，提升工作效率。传统产业方面，百度目前已经将图像识别、数据风控技术用于信贷产品的审批当中，在提高审批效率的同时有效控制风险。相对来说，金融，医疗、教育等行业的应用还处于起步阶段。新兴技术产业方面，无人车成为百度的重点方向，投入较大。由于无人车的发展和普及需要法律法规、交通等全面配套，因此短期内难以获

30、利。图表 14 百度人工智能布局2.2 阿里巴巴2016 年之前，阿里巴巴重点开放计算资源及人工智能共性技术，并将人工智能统一到云服务中进行宣传推广，以实现错位营销。阿里巴巴从 2012 年开始组织团队从事人工智能研究，经过多年的厚积薄发，2015 年推出可视化人工智能平台 DT PAI，集成了阿里的核心算法库。在此技术基础上，阿里推出了虚拟助理阿里小蜜以及智能程序阿里小 Ai。2016 年 8 月，阿里在小 Ai 的基础上推出 ET 机器人，ET 机器人拥有智能语音识别、图像或视频识别、情感分析等技术。阿里云首席科学家周靖人介绍，ET 目前处于 1.0 阶段，已初步具备听、说、看的感知能力，未来能够在交通、工业生产、健康等领域输出决策。此外，阿里将其人工智能技术与电商平台、大数据、云计算等原有业务相融合，提升各板块的技术水平，并且成立智能生活事业部，整合电商、数据、平台资源，与其他厂商合作，推出智能家居产品。12中国人工智能产业发展报告图表 15 阿里巴巴人工智能布