专题报告人工智能 产业链初具雏形颠覆革命行路致远附国内人工智能行业全梳理.docx
《专题报告人工智能 产业链初具雏形颠覆革命行路致远附国内人工智能行业全梳理.docx》由会员分享，可在线阅读，更多相关《专题报告人工智能 产业链初具雏形颠覆革命行路致远附国内人工智能行业全梳理.docx（18页珍藏版）》请在冰点文库上搜索。
专题报告人工智能产业链初具雏形颠覆革命行路致远附国内人工智能行业全梳理
【专题报告】人工智能：
产业链初具雏形，颠覆革命行路致远（附国内人工智能行业全梳理）
产业链初具雏形，核心技术应用加速落地人工智能风口已至已毋庸置疑，但需要声明的是，以算法、深度学习、增强学习为代表的核心技术研发周期较长，由此决定了人工智能的全面爆发不可能一蹴而就。
其发展必定是基于现有成熟技术率先在特定领域实现规模化应用。
而后随着高性能芯片及计算平台等软硬件架构的突破实现通用领域规模化推广。
“基础层-技术层-应用层”的产业架构日渐明晰通过梳理人工智能产业链可知，围绕“基础资源层—技术层—应用层”的AI产业架构已经初具雏形。
在政策与资本的叠加驱动下，国内企业已经从软硬件层面实现全产业链覆盖。
具体来看：
基础层主要涵盖数据工厂和运算平台。
其中，数据工厂提供海量信息并通过数据挖掘和搜索算法进行分类与关联，是机器学习与训练的绝佳素材；GPU并行计算及高性能计算芯片构成超级运算平台，提供AI所需的超强计算能力，二者结合为AI技术层的实现奠定硬件与软件基础。
进一步分析知，软件层面，以XX阿里为代表的巨头基于自身的财力与资源优势向计算平台等高难度技术发力；而以数多多及数据堂等为代表的创业型企业则主要聚焦数据资源。
硬件层面，以地平线机器人为代表的芯片与传感器创企正在迅速崛起。
技术层主要依托基础层的运算平台和数据资源进行机器学习建模，开发面向不同领域的应用技术，包含感知智能及认知智能两个阶段。
感知智能阶段通过传感器、搜索引擎和人机交互等实现人与信息的连接，获得建模所需的数据，如语音识别、图像识别、自然语音处理和生物识别等；认知智能阶段对获取的数据进行建模运算，利用深度学习等类人脑的思考功能得出结果，如机器学习、预测类API和人工智能平台等。
当前，技术层面的应用技术面向不同领域的需求各放异彩，语音识别、图像识别、机器学习、生物识别等各类应用层出不穷，国内技术层公司发展势头也随之迅猛。
应用层主要是基于基础层与技术层实现与传统产业融合，实现不同场景应用，为用户带来更便捷更优质的体验，如机器人、无人驾驶汽车、智能家居、智慧医疗、智慧农业等。
由系列一知，应用层是最受创业型企业青睐的领域，占据超70%的比例。
近年国内企业陆续推出应用层面的产品和服务，比如小i机器人、智齿客服等智能客服，“出门问问”、“度秘”等虚拟助手，工业机器人和服务型机器人也层出不穷，应用层产品和服务正逐步落地生活各处。
核心技术应用屡有突破
计算机视觉计算机视觉是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。
计算机视觉技术运用由图像处理操作及机器学习等技术所组成的序列来将图像分析任务分解为便于管理的小块任务。
计算机视觉系统的组成部分包括：
1、过程控制，例如工业机器人和无人驾驶汽车；2、事件监测，例如图像监测；3、信息组织，例如图像数据库和图像序列的索引创建；4、物体与环境建模，例如工业检查，医学图像分析和拓扑建模；5、交感互动，例如人机互动的输入设备。
计算机视觉有着广泛应用，比如，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被用来自动识别照片里的人物，在安防及监控领域运用广泛；在搜索方面，用户对于难以用语言准确描述的东西可以以图片搜索，提高了搜索的准确度和便捷性。
随着计算机视觉技术应用范围的持续扩大，巨大的商业前景吸引众多企业与资本争相布局，行业呈现欣欣向荣的大好局面。
机器学习机器学习是计算机模拟人类的学习活动，通过对已有的案例进行学习，借助归纳和总结的方法，对本身的能力加强或改进，使机器获得新知识和新技能，在下一次执行相同或类似任务时，会比现在做得更好或效率更高。
机器学习是从数据中自动发现模式，模式一旦被发现便可以做预测，处理的数据越多，预测也会越准确。
日前颇受瞩目AlphaGo的深度学习就是集中于深层神经网络的机器学习的一个分支。
机器学习的应用范围非常广泛，比如信用卡交易信息记录表中包含日期、时间、商家、商家位置、价格、交易是否合法等字段，机器学习系统可以学习或发现其中的模式和规律，最终预测诈骗。
除了欺诈甄别之外，还可以进行包括销售预测、库存管理、石油和天然气勘探、以及公共卫生等方面的活动。
机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉、语音识别、自然语言处理和数据挖掘等。
现在，机器学习已经成为人工智能领域中最炙手可热的技术之一，厓2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。
以下是一些使用深度学习或机器学习技术作为核心产品或应用的公司。
自然语言处理文本语言处理对自然语言文本的处理是指计算机拥有的与人类类似的对文本进行处理的能力，比如从文本中提炼出核心信息，从自然语言写成的文本中计算机可自主解读出含义，做到对文本的“理解”能力。
例如自动识别文档中被提及的人物、地点等，或将合同中的条款提取出来制作成表。
自然语言处理通过建立语言模型来预测语言表达的概率分布，确定某一串给定字符或单词表达某一特定语义的最大可能性。
选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件和正常邮件。
以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
应用与机器翻译、智能检索、自然语言理解、非结构化数据分析等方面。
下列公司会建立自然语言处理应用技术作为一个核心产品或者将其纳入到他们的一些产品或应用里。
语音识别语音识别是自然语言处理的一个分支，其侧重于处理人类语音的声音剪辑及分析提取语音派生的含义，主要是关注自动且准确的转录人类的语音。
语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。
机器人技术机器人即机器＋人工智能，将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，使得机器人有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。
例如无人机、家务机器人、医疗机器人等。
近年来，随着算法等核心技术提升，机器人取得重要突破。
首位高中生机器人Pepper。
Google机器人Atlas。
柯马SMART系列工业机器人。
综合来看，机器人的应用领域及深度均不断得到提升，市场空间广阔。
依据权威数据，截挈2020年，全球工业机器人市场有望突破100万台，中国市场将突破40万台。
未来10年，将迎来机器人产业2.0时代。
未来30年，中国将成为机器人及智能装备产业最大市场。
生物识别技术生物识别可融合计算机、光学、声学、生物传感器、生物统计学，利用人体固有的生体特性如指纹、人脸、虹膜、静脉、声音、步态等进行个人身份鉴定，最初运用于司法鉴定。
近年来，随着暴恐、偷盗等各种危害社会治安的事件纷至沓来，对体征形态的数据采集、比对、分析需求迫切，生物识别由此迎来发展良机。
随着生物识别技术的不断发展，触摸解锁、刷脸解锁甚至眼神解锁都成为现实；银行业务也可以通过刷脸办理，更便捷安全性更高；购物支付无需多步骤，只要看下摄像头就能实现支付。
由于生物个体特征的独一性特点，不易伪造和假冒，越来越多的生物识别技术被应用到现实生活中，极大提高了生活品质的同时，也实现了更高的安全性和更便捷的用户体验。
依据前瞻网统计数据，国内外生物识别市场规模将持续井喷式增长，产业空间巨大。
2007-2013年全球生物识别市场规模CAGR高锛22%，截至2020年全球生物识别市场规模将由当前的130亿美元增长寽250亿美元。
中国的市场规模将由当前的100亿元增加至300亿元，增速远超全球平均水平，侧面说明统计机构对该行业前景的看好。
在各项生物识别技术中，指纹识别的市场份额位居榜首，但整体呈下降趋势，从2007年的67%降至目前的60%，预计到2020年将下降至52%左右；而语音识别、人脸识别及肛膜识别则会保持高增长态势，其占比份额有望分别达寽22.4%、9.6%雇6.4%。
这无疑会给市场参与者带来发展的绝佳机遇。
全场景应用行路致远，特定场景应用先行认知智能突破尚不明朗。
在行业前景高景气的背景下，人工智能的发展尚存在认知智能突破尚不明朗这一关键问题：
人工智能分为计算智能、感知智能及认知智能三个阶段。
其中，计算智能旨在协助存数和快速处理海量数据，是认知和感知的基础；感知智能旨在让机器看懂与听懂，并据此辅助人类高效地完成“看”与“听”相关工作；而认知智能的目标为让机器学会主动思考及行动，实现全面辅助或替代人类工作。
当前时点，数据、计算能力及深度学习算法的提升已经辅助感知智能实现突破，但是基于认知机理与认知算法的限制，认知智能实现突破的时间尚不明朗。
综合来看，人工智能的产业链较长、业内公司与技术尚不成熟，导致产业链整合难度大，人工智能的全面爆发尚需时间积淀。
当前其最有可能依据部分细分技术的优势在金融、农业、医疗、安防等特定领域率先爆发。
AI重塑金融：
改善用户体验，提升投资效率人工智能的相关技术已在金融行业实现大规模应用，除了简单的人脸识别、ETM可视化柜台、远程开户等场景，其逐渐被应用在大数据征信、贷款、风控、保险、资产配置、财经信息分析等众多技术含量高的细分领域。
量化交易模型，机器变身投资专家。
自动进化交易策略，投资决策更智能。
AI重塑医疗：
力助缓解看病“两难”人工智能的深度学习和数据分析能力，对医生、患者和医疗机构等方面都将产生重要影响。
人工智能技术可实现从海量数据，比如电子健康记录、影像诊断、处方、基因组分析、保险记录甚至是可穿戴设备所产生的数据中来提取有用信息，实现个人的健康大数据准确、永久地记录和监控。
AI重塑社交：
交互纵深延伸人工智能在社交领域的依赖于数据挖掘、机器人对话、机器视觉、语音识别等技术，大数据+人工智能使得传统的社交活动得以深入和延伸，且社交活动中产生的数据能被更有效利用，用户也获得更好的社交体验。
虚拟客服机器人：
语音与图片识别：
数据价值挖掘：
AI重塑教育：
提供“课前-课中-课后”一站式服务，满足长尾服务需求人工智能所包含的语言的学习与处理、知识表现、智能搜索、推理、规划及知识获取等内容与现在教育行业所做内容高度吻合，意味着很多传统的教育机构和教师的工作可以依托人工智能来实现部分或全部替代。
人工智能目前在教育行业的应用主要分为以下几类：
自动批改作业：
个性化学习：
智能辅导系统（ITS）：
互动学习环境（ILE）：
对教学体系进行反馈和评测：
人工智能与教育产业的结合衍生出的是以机器智能部分或完全替代人力教授的教育新方式，节约人力资源的同时又打破了空间限制，扩大了受众面，教与学双向受益。
AI重塑工业：
中国制造2025的助推器工业4.0项目主要分为两大主题，一是智能工厂，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现。
二是智能生产，主要涉及整个企业的生产物流管理、人机互动以雇3D技术在工业生产过程中的应用等。
人工智能在工业领域最直接的应用就是工业机器人，穿梭在工厂车间的生产线旁，实现工业自动化制造。
工业4.0的推进直接带动工业机器人的发展，2014年我国工业机器人新安装量达寽5.7万台，约占全球销量的1/4，同比增圽55%。
2015年中国市场工业机器人锛75000台，同比增圽36.6%。
预计寽2020年，我国工业机器人年销量将达寽15万台，保有量达寽80万台，将较十二五末新增40万台；寽2025年，工业机器人年销量将达寽26万台，保有量达寽180万台，较十二五末增併140万台。
到十三五末，我国机器人产业集群年产值预计将突破1000亿元。
人工智能助力传统产业升级，工厂拥有智能移动、智能物流和智能系统网络，从生产到最后的产品回收服务，都能实时监控。
AI重塑农业：
大幅提升效率，颠覆传统模式随着互联网+农业模式的兴起，智慧农业的推进已是大势所趋。
目前，人工智能已经从产前、产中及产后全面渗透至农业生产的各个环节。
智能硬件、物联网和智能分析软件被引入农业领域。
“一、国内人工智能产业链解构「基础技术」、「人工智能技术」和「人工智能应用」构成了人工智能产业链的三个核心环节，我们将主要从这三个方面对国内人工智能产业进行梳理，并对其中的「人工智能应用」进行重点解构。
1.基础技术提供平台人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。
而依据服务性质的不同，这些平台主要集中于三个服务层面，即「基础设施即服务（IaaS）」、「平台即服务（PaaS）」和「软件即服务（SaaS）」。
基础技术提供平台为人工智能技术的实现和人工智能应用的落地提供基础的后台保障，也是一切人工智能技术和应用实现的前提。
对于许多中小型企业来说，SaaS是采用先进技术的最好途径，它消除了企业购买、构建和维护基础设施和应用程序的需要；而IaaS通过三种不同形态服务的提供（公有云、私有云和混合云）可以更快地开发应用程序和服务，缩短开发和测试周期；作为SaaS和IaaS中间服务的PaaS则为二者的实现提供了云环境中的应用基础设施服务。
SaaS：
提供给客户的服务是运营商运行在云计算基础设施上的应用程序，用户可以在各种设备上通过客户端界面访问，如浏览器。
PaaS：
将软件研发的平台作为一种服务，以SaaS的模式提交给用户。
IaaS：
分为公有云、私有云和混合云三种形态，提供给消费者的服务是对所有设施的利用，包括处理器、存储、网络和其它基本的计算资源，用户能够部署和运行任意软件，包括操作系统和应用程序。
2.人工智能技术平台与基础技术提供平台不同，人工智能技术平台主要专注于「机器学习」、「模式识别」和「人机交互」三项与人工智能应用密切相关的技术，所涉及的领域包括机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学、语言和图像理解和遗传编程等。
机器学习：
通俗的说就是让机器自己去学习，然后通过学习到的知识来指导进一步的判断。
我们用大量的待遇标签的样本数据来让计算机进行运算并设计惩罚函数，通过不断的迭代，机器就学会了怎样进行分类，使得惩罚最小。
这些学到的分类规则可以进行预测等活动，具体应用覆盖了从通用人工智能应用到专用人工智能应用的大多数领域，如：
计算机视觉、自然语言处理、生物特征识别、证券市场分析和DNA测序等。
模式识别：
模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读，它偏重于对信号、图像、语音、文字、指纹等非直观数据方面的处理，如语音识别，人脸识别等，通过提取出相关的特征来实现一定的目标。
文字识别、语音识别、指纹识别和图像识别等都属于模式识别的场景应用。
人机交互：
人机交互是一门研究系统与用户之间的交互关系的学问。
系统可以是各种各样的机器，也可以是计算机化的系统和软件。
在应用层面，它既包括人与系统的语音交互，也包含了人与机器人实体的物理交互。
而在国内，人工智能技术平台在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域，其中的代表企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、地平线、SenseTime、永洪科技、旷视科技、云知声等。
3.人工智能应用人工智能应用涉及到专用应用和通用应用两个方面，这也是「机器学习」、「模式识别」和「人机交互」这三项人工智能技术的落地实现形式。
其中，专用领域的应用涵盖了目前国内人工智能应用的大多数应用，包括各领域的人脸和语音识别以及服务型机器人等方面；而通用型则侧重于金融、医疗、智能家居等领域的通用解决方案，目前国内人工智能应用正处于由专业应用向通用应用过度的发展阶段。
（1）计算机视觉在国内计算机视觉领域，动静态图像识别和人脸识别是主要研究方向：
图像识别，是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。
识别过程包括图像预处理、图像分割、特征提取和判断匹配。
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。
用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
目前，由于动态检测与识别的技术门槛限制，静态图像识别与人脸识别的研究暂时处于领先位置，其中既有腾讯、蚂蚁金服、XX和搜狗这样基于社交、社交、搜索大数据整合的互联网公司，也有三星中国技术研究院、微软亚洲研究院、Intel中国研究院这类的传统硬件与技术服务商；同时，类似于Face++和FaceID这类的新兴技术公司也在各自专业技术和识别准确率上取得了不错的突破。
而在难度最大的动态视觉检测领域，格灵深瞳、东方网力和Video++等企业的着力点主要在企业和家庭安防，在一些常见的应用场景也与人脸识别技术联动使用。
图像识别代表企业：
XX、搜狗、三星中国技术研究院、微软亚洲研究院、Intel中国研究院等。
人脸识别代表企业：
旷视科技、腾讯优图、蚂蚁金服、FaceID、汉王科技、三星中国技术研究院、微软亚洲研究院、中科奥森、深圳科葩、linkface、SenseTime等。
动态视觉检测代表企业：
格灵深瞳、东方网力、Video++等。
（2）语音/语义识别语音识别的关键在于基于大量样本数据的识别处理，因此，国内大多数语音识别技术商都在平台化的方向上发力，希望通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。
在通用识别率上，各企业的成绩基本维持在95%左右，真正的差异化在于对垂直领域的定制化开发。
类似XX、科大讯飞这样的上市公司凭借着深厚的技术、数据积累占据在市场前列的位置，并且通过软硬件服务的开发不断进化着自身的服务能力；此外，在科大讯飞之后发布国内第二家「语音识别公有云」的云知声在各项通用语音服务技术的提供上也占据着不小的市场空间。
另外，除了科大讯飞，依托中科院自动化所的紫冬锐意和纳象立方以及有着海外背景的苏州思必驰在教育领域的语音识别上占据着领先的位置。
值得注意的是，不少机器人和通用硬件制造商在语音、语义的识别上也取得了不错的进展，例如智臻智能推出的小i机器人的语义识别、图灵机器人的个性化语音助手机器人和服务、被Google投资的出门问问的软硬件服务。
语音识别：
科大讯飞、XX、出门问问、智齿客服、思必驰、云知声、助理来也、京东JIMI智能客服、普强科技、捷通华声、紫冬锐意、纳象立方等。
语义识别：
科大讯飞、XX、腾讯、智臻智能、智齿客服、助理来也、京东JIMI智能客服等。
（3）智能机器人由于工业发展和智能化生活的需要，目前国内智能机器人行业的研发主要集中于家庭机器人、工业\企业服务和智能助手三个方面。
根据《中国服务机器人市场现状调研与发展前景分析报告（2015-2020年）》中的数据，2014年，我国服务机器人销售额45.56亿元，同比增长34%；分布地区主要集中在经济较为发达的环渤海（27.3%）及长三角（29.6%）、珠三角地区（32.7%），中部地区（8.9%）和西部地区（1.5%）应用较少。
其中，工业及企业服务类的机器人研发企业依托政策背景和市场需要处于较为发达的发展阶段，代表性企业包括依托中科院沈阳自动化研究所的新松机器人、聚焦智能医疗领域的博实股份，以及大疆、优爱宝机器人、Slamtec这类专注工业生产和企业服务的智能机器人公司。
在以上三个分类中，从事家庭机器人和智能助手的企业占据着绝大多数比例，涉及到的国内企业近300家，其中的代表性企业包括：
家庭机器人：
优必选、Rokid、公子小白机器人、北冥星眸GalaxyEye、A.I.Nemo、极思维智能科技等。
智能助手：
XX、小i机器人、图灵机器人、优必选、北冥星眸GalaxyEye、萝卜科技等。
工业\企业服务：
新松机器人、博实股份、优爱宝机器人和Slamtec等。
（4）智能家居与家庭机器人不同，智能家居和物联企业的主要着力点在于智能设备和智能中控两个方面。
在这其中，以海尔和美的为代表的传统家电企业依托自身渠道、技术和配套产品优势建立起了实体化智能家居产品生态。
而以阿里、腾讯、京东、小米和乐视等互联网企业为代表的公司则通过各自平台内的数据和终端资源提供不同的软硬件服务。
值得关注的是，科沃斯、broadlink、感居物联、风向标科技、欧瑞博、物联传感和华为等技术解决方案商在通用硬件和技术、系统级解决方案上已成为诸多智能家居和物联企业的合作伙伴。
综合来看，智能家居和物联企业由于市场分类、技术种类和数据积累的不同各自提供着差异化的解决方案。
在既定市场中，没有绝对意义上的排斥竞争，各企业之间的合作融合度较强。
传统家电企业：
海尔U＋、美的M-Smart等。
互联网企业：
阿里小智、QQ物联、京东微联、小米、乐视乐居家等。
技术解决方案商：
科沃斯、broadlink、感居物联、风向标科技、欧瑞博、物联传感、华为等。
（5）智能医疗目前国内智能医疗领域的研究主要集中于医疗机器人、医疗解决方案和生命科学领域。
由于起步较晚和技术门槛的限制，目前国内医用机器人的研发水平和普及率相较于国际一线水平仍存在一定的差距，从事企业主要集中与手术机器人和康复机器人两大领域，以新松机器人、博实股份、妙手机器人、璟和技创等企业为代表。
在医疗解决方案方面，以腾讯、阿里巴巴、XX和科大讯飞为代表的公司通过和政府、医疗机构的合作，为脑科学、疾病防治与医疗信息数据等领域提供智能解决方案。
而在生命科学领域，研究的着眼点在以基因和细胞检测为代表的前沿研究领域，代表企业有华大基因、碳云智能和贝瑞和康等。
医疗机器人代表企业：
新松机器人、博实股份、妙手机器人、璟和技创等。
医疗解决方案代表企业：
腾讯、阿里巴巴、XX、科大讯飞等。
生命科学代表企业：
华大基因、碳云智能、贝瑞和康、安诺优达、联合基因、北科生物等。
综合来看，国内人工智能产业链的基础技术链条已经构建成熟，人工智能技术和应用则集中在人脸和图像识别、语音助手、智能生活等专用领域的场景化解决方案上。
就趋势来看，未来国内人工智能领域的差异化竞争和突破将主要集中在人工智能相关技术的突破和应用场景升级两个层面。
“二、国内人工智能行业关键力量在国内人工智能产业链中，虽然80%的企业属于B轮或B轮以前的初创企业，但值得注意的是，仍有一批关键势力依托自身技术、资金与数据门槛构成了国内人工智能行业的第一梯队。
这其中既包括以BAT为代表的传统巨头，也有科大讯飞这样的细分领域龙头。
从日渐完善产品线到平台构建，这些企业形成了国内人工智能行业的核心力量与关键势力。
1.XX：
技术驱动的应用型生态XX在人工智能领域的布局更侧重于应用型生态，在BAT三家中，XX也是最接近由专用应用向通用应用过度的公司。
目前，XX研究院有三大实验室，分别是北美硅谷人工智能实验室、北京深度学习实验室和北京大数据实验室，目前已在图像识别、图像搜索、语音识别、自然语言处理、智能语义、机器翻译和精准广告等方面取得了显著进展（超过500项国际专利，其中包括超过270项的神经语言程序学领域专利和超过120项的深度学习专利）。
凭借搜索引擎发家的XX拥有强大的数据获取和挖掘的能力，XX为外界提供了大数据存储、分析和挖掘技术，促进其在医疗、交通等多领域的具体运用，并在若干领域开放了自己的人工智能生态并发布了多款应用型产品。
语音识别在语音识别方面，吴恩达及研究团队发明了一种新的语音识别方法，这款基于深度学习的语音识别系统可以在嘈杂环境下实现将近81%的辨识准确率。
该语音识别系统采用深度学习算法取代了原来的模型，在递归神经网络或者模拟神经元
升级会员 