人工智能是一种引发诸多领域产生颠覆性变革的前沿技术,当今 的人工智能技术以机器学习,特别是深度学习为核心,在视觉、语音、 自然语言等应用领域迅速发展,已经开始像水电煤一样赋能于各个行 业。
我国高度重视人工智能产业的发展,习近平总书记在十九大报告中指出,要“推动互联网、大数据、人工智能和实体经济深度融合”,从 2016 年起已有《“互联网+人工智能三年行动实施方案》、《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划(2018-2020 年)》等多个国家层面的政策出台,也取得了积极的效果,我国逐渐形成了涵盖计算芯片、开源平台、基础应用、行业应用及产品等环节较完善的人工智能产业链。
人和动物的根本区别之一是:人类有创造意识,可以制造工具和 机械改变生存的空间和环境;而其他动物只能根据环境改造自己。
人类的发展史是不断制造和使用更高级工具的历史。计算机技术是人类发明创造的巅峰之作,从巴贝奇和艾达·奥古斯塔基于纯机械工程设计的第
一台计算机,到以图灵(Alan Turing)为代表的现代电子计算机的发 展;从认为计算机只能按照人类编好的程序来执行既定任务,到提出计算机可以模拟出人类思维,可以像人一样“独立思考”,图灵称之为“学习机器”1,人类一直在人工智能的发展方向上不断探索。
1956 年夏天在美国达特茅斯大学的一场学术会议上,人工智能的概念被提出并获得肯定,标志着人工智能科学诞生。不同于传统计算机技术是机器根据既定的程序执行计算或者控制任务,人工智能可以理解为用机器不断感知、模拟人类的思维过程,使机器达到甚至超越人类的智能。通常认为,人工智能应用具有自学习、自组织、自适应、自行动的特点,有近似生物智能的效果。
自人工智能科学诞生至今 60 多年的发展历史过程中,各行业的专家学者们做了大量的探索与实践。人工智能经历了三次发展高潮,分别是 1956-1970 年代,1980-1990 年代和 2000 年代至今。
1959 年Arthur Samuel 提出了机器学习,推动人工智能进入第一个发展高潮期。此后 70 年代末期出现了专家系统,标志着人工智能从理论研究 走向实际应用。80 年代到 90 年代随着美国和日本立项支持人工智能 研究,人工智能进入第二个发展高潮期,期间人工智能相关的数学模 型取得了一系列重大突破,如著名的多层神经网络、BP 反向传播算 法等,算法模型准确度和专家系统进一步提升。期间,研究者专门设 计了 LISP 语言与 LISP 计算机,最终由于成本高、难维护导致失败。 1997 年,IBM 深蓝战胜了国际象棋世界冠军 Garry Kasparov,是一个 里程碑意义的事件。当前人工智能处于第三个发展高潮期,得益于算 法、数据和算力三方面共同的进展。2006 年加拿大 Hinton 教授提出 了深度学习的概念,极大地发展了人工神经网络算法,提高了机器自 学习的能力,随后以深度学习、强化学习为代表的算法研究的突破, 算法模型持续优化,极大地提升了人工智能应用的准确性,如语音识 别和图像识别等。
大数据、云计算等信息技术的快速发展,GPU、NPU、FPGA 等各种人工智能专用计算芯片的应用,极大地提升了机器处理海量视频、图像等的计算能力。在算法、算力和数据能力不断提升的情况下,人工智能技术快 速发展。
当前人工智能理论和技术日益成熟,应用范围不断扩大,产业正在逐步形成、不断丰富,相应的商业模式也在持续演进和多元化。人工智能产业应用从下到上,分为软硬件支撑层、产品层和应用层。
(一) 软硬件支撑层 该层包括了硬件和软件平台。其中硬件主要包括 CPU、GPU 等通用芯片,深度学习、类脑等人工智能芯片以及传感器、存储器等感知存储硬件,主导厂商主要为云计算服务提供商、传统芯片厂商以及新兴人工智能芯片厂商。软件平台可细分为开放平台、应用软件等,开放平台层主要指面向开发者的机器学习开发及基础功能框架,如TensorFlow 开源开发框架、百度 PaddlePaddle 开源深度学习平台以及讯飞、腾讯、阿里等公司的技术开放平台;应用软件主要包括计算机视觉、自然语言处理、人机交互等软件工具以及应用这些工具开发的相关应用软件。
核心器件多元化创新,带动AI计算产业发展。GPU、 DSP、FPGA、ASIC 以及类脑等人工智能芯片创新频繁,支撑云侧、端侧 AI 计算需求。AI 计算产业快速发展,尤其是云端深度学习计算平台的需求正在快速释放。以英伟达、谷歌、英特尔为首的国外企业加快各类AI技术创新,我国寒武纪、深鉴科技等企业也在跟进。
关键平台逐步形成,是产业竞争焦点。优势企业如谷歌、亚马逊、脸书加快部署机器学习、深度学习底层平台,建立产业事实标准。目前业内已有近 40 个各类 AI 学习框架,生态竞争异常激烈。典型企业如科大讯飞、商汤科技利用技术优势建设开放技术平台,为开发者提供 AI 开发环境,建设上层应用生态。
(二) 产品层 产品层包括基础产品和复合产品。其中基础产品又包括了基础语言处理产品、知识图谱产品、计算机视觉产品、人机交互产品四类,是人工智能底层的技术产品,是人工智能终端产品和行业解决方案的基础。复合产品可看作为人工智能终端产品,是人工智能技术的载体,目前主要包括可穿戴产品、机器人、无人车、智能音箱、智能摄像头、特征识别设备等终端及配套软件。
人工智能产品形式多样,已涵盖了听觉、视觉、触觉、认知等多种形态。无论是基础产品还是复合产品,能够支持处理文字、语音、图像、感知等多种输入或输出形式,产品形式多样,如语音识别、机器翻译、人脸识别、体感交互等。全球互联网企业积极布局各产品领域,加强各类产品 AI 技术创新,有效支撑各种应用场景。
(三) 应用层 应用层是指人工智能技术对各领域的渗透形成“人工智能+”的 行业应用终端、系统及配套软件,然后切入各种场景,为用户提供个 性化、精准化、智能化服务,深度赋能医疗、交通、金融、零售、教 育、家居、农业、制造、网络安全、人力资源、安防等领域。
人工智能产业与应用发展现状及趋势
从产业规模看,2017 年国内人工智能市场规模达到 237.4 亿元,相较于 2016 年增长 67%。其中以生物识别、图像识别、视频识别等技术为核心的计算机视觉市场规模最大,占比 34.9%,达到 82.8亿元。从产业结构看,人工智能产业可分为基础计算和软件平台、核心软件和设备、行业领域应用三大部分,其中核心软件和设备、行业领域应用是增长最快的部分。
多种人工智能芯片快速创新
人工智能发展浪潮成为拉动芯片市场增长的新的驱动力。根据预测,全球人工智能芯片市场规模在 2016 年约为 24 亿美元,到 2020年规模将接近 150 亿美元,复合年均增长率保持超过 40%的高速率。
人工智能芯片产业体系初步形成。人工智能芯片指能够实现各类深度学习算法加速的计算芯片。深度学习算法的运行对卷积、矩阵乘法运算任务以及内存存取等操作较为频繁,对于更擅长串行逻辑运算的 CPU 而言计算效率较低,难以满足需求。现阶段人工智能芯片类型主要涵盖包含 GPU、FPGA、ASIC、类脑芯片等。其中,GPU 芯片通用性较强且适合大规模并行计算,但售价贵、能耗高;FPGA 可通过编程灵活配置芯片架构适应算法迭代且能效优于 GPU 芯片,但产品开发技术门槛较高,开发生态不完善;ASIC 芯片通过将算法固化实现极致的性能和能效,且大规模量产后成本优势突显,但前期开发周期长易面临算法迭代风险。类脑芯片目前仍处于实验室研发阶段。
领先企业加快人工智能芯片布局。英伟达凭借高性能的 GPU 芯片占据应用规模优势,AMD、英特尔、谷歌等企业加速追赶。英伟达快速推出针对人工智能运算优化的 Tesla GPU 系列产品,其中最强V100 GPU 芯片提供每秒 120 万亿次张量计算能力,同时拓展 CUDA生态开发深度学习加速库 cuDNN,提升 GPU 面向深度学习算法和主流开发框架的运行效率,强劲的硬件性能和完善易用的开发者生态助力英伟达迅速形成了巨大的市场优势,现有客户覆盖谷歌、脸书、微软等巨头企业和大量的初创企业、科研院所等。 与此同时,英特尔、谷歌等企业开发兼具更高能效和低成本优势的 ASIC 芯片构筑竞争实力。谷歌面向谷歌云业务需求自研人工智能 ASIC 系列芯片 TPU,其中,训练芯片具备实现业界最高的每秒 180 万亿次峰值浮点计算能力,TPU 芯片也与旗下 TensorFlow 开发框架、算法和谷歌云平台深度耦合构建垂直完备的产业生态;英特尔收购芯片初创企业 Nervana 掌握 ASIC 训练芯片技术,第二代产品将于 2019 年下半年正式推出,性能对标谷歌 TPU 产品。
多方布局人工智能计算框架
在人工智能时代,开发框架也具备媲美 Android 操作系统的核心地位,具有统领产业进步节奏、带动硬件配置、终端场景与云端服务协同发展的核心作用,占据承上启下的关键地位。以 Google 深度学习开发框架 TensorFlow 为例,TensorFlow向上与谷歌云紧密绑定,以云平台模式提供云机器学习服务,向下与芯片和硬件厂商紧密耦合做定制优化,谷歌TPU专用于TensorFlow。
领先企业围绕开发框架平台呈现多元化发展模式。一是纵向打通模式,从硬件到开源平台再到云平台至应用服务,贯通产业链上下游,构建全产业生态,谷歌为其典型代表;二是向上布局行业应用服务模式,以业务为导向,通过核心平台向上布局重点行业应用,如亚马逊、阿里等;三是算法下沉于硬件模式,核心算法固化于硬件,以硬件形态提供行业通用或专用计算能力,如寒武纪;四是以核心平台开放基础能力,为行业提供基础能力,如讯飞为行业提供基础语音识别基础技术,商汤为行业提供人脸识别基础技术等。在四种发展模式中,云平台和应用服务产生的所有数据均回流于训练平台进行数据反哺,可有效提升平台的综合能力。
国际巨头开源人工智能开发框架意图加快掌握技术产业组织的主动权。国际巨头纷纷布局开发框架,意图加快掌握技术产业组织的主动权,占领客户、应用和数据资源,逐步建立新的产业格局和技术标准。2013 年,伯克利大学贾清阳博士宣布开源深度学习框架 Caffe,成为第一个主流工业级深度学习工具。2015 年 11 月,Google 开源深度学习框架 TensorFlow,具备深度学习基本算法,可满足图形分类、音频处理、推荐系统和自然语言处理等基本功能,成为 GitHub 最受欢迎的机器学习开源项目,目前吸引 ARM、京东等大批合作伙伴。2016 年,亚马逊宣布 MXNet 作为其官方支持框架,具有优异分布式计算性能,拥有卡耐基梅隆、英特尔、英伟达等众多合作伙伴,国内图森互联和地平线等公司也有使用。2015 年 11 月,IBM 宣布开源机器学习平台 SystemML,可根据数据和集群特性使用基于规则和基于成本的优化技术动态地编译和优化,应用在不同工业领域。2016 年 9月,百度开源其深度学习平台 PaddlePaddle,可提供机器视觉、自然语言理解、搜索引擎排序、推荐系统等功能。2017 年 6 月,腾讯和北京大学、中国香港科技大学联合开发的高性能分布式计算平台 Angel正式开源,具有较强的容错设计和稳定性。众多开源学习框架促进人工智能应用程序发展。据 IDC 预测,到 2020 年,60%的人工智能应用程序将在开源平台上运行。
人工智能基础产品
自然语言处理产品呈现实用化发展趋势
自然语言处理(NLP)是指机器理解并解释人类写作、说话方式的能力,是人工智能和语言学的一部分,它致力于使用计算机理解或产生人类语言中的词语或句子。自然语言处理主要涉及语音识别、语音合成、语义理解、机器翻译,自然语言类产品呈现实用化的发展趋势,但是产品成熟度上仍存在较大的提升空间。
语音识别受到国内外商业和学术界的广泛关注,在无噪音无口音干扰情况下可接近人类水平。目前语音识别的技术成熟度较高,已达到 95%的准确度,但背景噪音仍难解决,实际应用仅限于近距离使用。我国语音识别技术研究水平良好,基本上与国外同步,科大讯飞语音识别成功率达到 97%,离线识别率亦达 95%。此外,我国在汉语语识别技术上还有自己的特点与优势,已达到国际先进水平。语音识别产品方面,微软、谷歌、亚马逊,以及国内的百度、讯飞、思必驰等企业均推出了各自基于语音交互的产品,其中以输入法、车载语音、智能家居、教育测评最为普遍。
机器翻译是当前最热门的应用方向,由于自然语言语义分析的复杂性,翻译水平还远不能和人类相比。近年来机器翻译技术越发成熟,各大厂商都积极投身于这个备受关注的机器翻译领域,谷歌使用深度学习技术,显著提升了翻译的性能与质量。各大互联网公司相继推出自己的翻译系统,谷歌、微软、有道、科大讯飞、百度、搜狗等均上线或更新了翻译产品。例如阿里机器翻译基于阿里巴巴海量电商数据,并结合机器学习、自然语言处理技术,实现多语言语种识别与自动翻译功能,为跨境电商信息本地化与跨语言沟通提供精准、快捷、可靠的在线翻译服务。2017 年科大讯飞晓译翻译机 1.0plus 可以在没有网络的情况下提供基本翻译功能。
知识图谱从实际问题出发呈现多维度应用
知识图谱概念由谷歌 2012 年正式提出,其初衷是为了提高搜索引擎的能力,改善用户的搜索质量以及搜索体验。知识图谱是具有向图结构的一个知识库,其中图的节点代表实体或概念,而图的边代表实体/概念之间的各种语义关系,其起源可以追溯到 20 世纪 50 年代的语义网络,本质上是使机器用接近于自然语言语义的方式存储信息,从而提升智能信息检索能力,现已被广泛应用于智能搜索、智能问答、个性化推荐等领域。
在知识问答方面,基于知识图谱的问答系统通过对用户使用自然语言提出的问题进行语义分析和语法分析,进而将其转化成结构化形式的查询语句,然后在知识图谱中查询答案。目前,国内外形式多样的问答平台都引入了知识图谱,例如苹果的智能语音助手 Siri 能够为用户提供回答、介绍以及搜索服务;亚马逊收购的自然语言助手 Evi,采用 True Knowledge 引擎进行开发,也可提供类似 Siri 的服务。国内百度公司研发的小度机器人、小米智能音响、阿里巴巴天猫精灵等都引入知识图谱技术,开始提供交互式问答服务。
在分析与决策方面,利用知识图谱可以辅助行业和领域的大数据分析和决策。例如在股票投研情报分析方面,通过知识图谱技术从招股书、公司年报/公告、券商研究报告、新闻等半结构化文本数据中自动抽取公司相关信息,可在某个宏观经济事件或者企业突发事件中通过此图谱做更深层次分析和更好的投资决策。目前,高盛、JP 摩根、花旗银行等国际著名投行均开展了相关探索和应用。美国 Netflix也利用其订阅用户的注册信息和观看行为构建知识图谱,分析用户喜好从而推出新的在线剧集。
技术产业协同发展推动计算机视觉实现商业价值
计算机视觉指通过电子化的方式来感知和认知影像,以达到甚至超越人类视觉智能的效果,是人工智能领域最受关注的方向之一。虽然计算机视觉在当前阶段仍然存在大量尚待解决的问题,但得益于深度学习算法的成熟和应用,以图像分类识别为代表的侧重感知智能的计算机视觉产品已经广泛应用于安防、金融、零售等产业,助力相关产业向智能化方向升级。
神经网络和深度学习的快速发展极大地推动计算机视觉的发展,大型神经网络在计算机视觉的部分细分领域已经取得优秀的成果。2017年ImageNet 最后一届图像分类竞赛上,基于大型神经网络的分类算法在图像分类(1000 类)任务中,将 TOP5 分类的错误率降至2.25%6,已经大幅领先于人眼的分类识别能力。2018 年在 ActivityNet视频理解竞赛上,百度团队在 Kinetics 视频动作识别任务中将平均错误率降至 10.9%7。
计算机视觉产品已在安防、金融、互联网、零售、医疗、移动及娱乐等产业逐步输出商业价值。在金融、移动、安防等产业,人脸识别是当前商业成熟度较高的计算机视觉产品,广泛应用于账号身份认证、手机刷脸解锁、人流自动统计和特定人物甄别等诸多场景。在互联网、零售、移动产业,图像搜索产品可为用户提供更为便捷的视觉搜索能力。例如:eBay 于 2017 年 10 月在其购物平台上增加了新的反向图像搜索工具,以帮助用户使用现有照片查找商品项目;Google公司 2018 年 3 月宣布其 Google Lens 图像搜索服务目前已可应用于android 和 IOS(通过 GooglePhoto 项目)智能手机,该服务通过手机摄像头查看周遭环境并为用户提供与之相关的情境信息。在医疗产业,计算机视觉可提供临床治疗中早期病理筛查能力。加州大学伯克利分校放射与生物医学成像系和放射学大数据小组在对早期阿尔茨海默症诊断研究中,通过计算机视觉技术在小规模测试(对来自 40 名患者的 40 个成像检查的单独测试)中,对平均发病超过 6 年的阿尔茨海默症病例发现率达到了 100%。
全球计算机视觉产业发展迅速,计算机视觉公司快速涌现。根据MarketsandMarkets 报告显示,2017 年基于人工智能的计算机视觉全 球市场规模为 23.7 亿美元,预计 2023 年会达到 253.2 亿美元。
市场上一大批计算机视觉公司如雨后春笋般快速涌现,其中以谷歌、微软、亚马逊为代表的大型跨国科技企业除计算机视觉领域外,还积极布局人工智能全产业各个领域。我国企业虽然在计算机视觉领域起步较晚,但发展速度很快,已经涌现出一批市场估值高达百亿人民币的独角兽企业。例如:成立于 2014 年的商汤科技,广泛服务于安防、金融、移动等产业,客户包括 Qualcomm、英伟达、银联、华为等知名企业及政府机构。 2017 年 7 月,商汤科技宣布完成 4.1 亿美元 B 轮融资,创下当时全球人工智能领域单轮融资最高纪录。2018 年,商汤科技在 4 月和 5月连续宣布获得 6 亿美元 C 轮融资和 6.2 亿美元 C+轮融资。成立于2015 年的云从科技,深耕安防、银行、机场等重点产业场景,先后与公安部、四大银行、民航总局等产业界成立联合实验室。2017 年11月云从科技正式完成B轮融资,总计获得25亿元人民币发展资金。成立于 2014 年的码隆科技,为京东、唯品会、可口可乐、蒙牛等零售企业提供商品属性识别、商品图像检索服务。2017 年 11 月码隆科技完成由软银中国领投的 2.2 亿元人民币的 B 轮融资,成为软银中国在华投资的第一家人工智能公司。
人机交互产品已在多个领域实现落地
人机交互主要是研究人和计算机之间的信息交换,按照交互方式分为语音交互、情感交互、体感交互、脑机交互。目前,人机交互已取得一定研究成果,依赖不同的人机交互技术,不少产品已经问世,并覆盖多个领域。但从整体上来看,受语音、视觉、语义理解等技术条件的限制,人机交互产业还处于萌芽期。
人机交互的发展过程,经历了 PC 时代、移动互联网时代,现在已进入智能生活时代。PC 时代的交互方式主要是键盘+鼠标,移动互联网时代的交互方式主要是触摸、手写和手势,而智能生活时代的交互方式开始走向语音和视觉。人机交互的发展史,就是走向自然交互的发展过程——从以机器为中心的人机交互,走向以人为中心的自然交互。
语音助手在人工智能领域的发展已相对完善。据市场研究机构Strategy Analytics 的数据显示,2017 年,GoogleAssistant 在智能手机语音助手市场中占主导,为 46%,苹果 Siri 排名第二,占 40.1%,百度 DuerOS 和三星 Bixby 分别占 13%。2019 年全球超过一半的智能手机将拥有语音助手,甚至到 2023 年,这一份额将增长至 90%。目前,智能语音助手还处于智能应用的早期,只是作为一个内置或用户下载的 APP 供用户使用,在实际应用中并没有起到杀手级效应。智能语音助手使用率、活跃率、留存率都较低,即使 Siri 也不例外。
语音助手的语音交互输出在很多场景下是无法展现图片那样丰富的信息的,一句语音的输入反馈输出的信息量更少,得不断进行高频率的互动来提高识别率。从应用方向和场景来看,语音助手主要用于消费级产品和专业级行业应用,消费级市场主要应用于衣食住行等生活场景,如手机、智能车载、智能家居、可穿戴设备等,专业级行业应用主要应用于医疗、教育、呼叫中心、庭审等特定场景。
生物识别技术持续融合至各领域
生物识别产品主要是指通过人类生物特征进行身份认证的一种产品。生物识别产品包含诸如指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别以及眼纹识别等。
指纹识别技术是最成熟成本最低的生物识别技术。
人脸识别通过面部特征和面部器官之间的距离、角度、大小外形而量化出一系列的参数来进行识别。由于人脸识别具有使用方便且适用于公共安全等多人群领域,被广泛应用于智能家居、手机识别以及人脸联网核查等领域,其占比逐渐攀升。
虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份。因为每个虹膜都包含着一个独一无二的基于像冠、水晶体、细丝、斑点、凹点、皱纹和条纹等特征的结构。虹膜识别的认假率为 1/1500000,高于指纹识别的 1/50000,安全程度高,更适合作为“密码”。
声纹识别通过测试、采集声音的波形和变化,与登记过的声音模板进行匹配。这是一种非接触式的识别技术,实现方式非常自然。但是,声音变化范围非常大,音量、速度、音质的变化都会影响到采集与对比的结果。但通过录音或者合成,能很轻松的伪造声音,安全性较差,目前应用于社保、公安刑侦手机锁屏等领域。
生物识别产业呈现多元化发展,安防领域成为应用热点。目前,在我国生物特征识别产业中,指纹识别技术和产品仍然占据主导地位,但随着人脸识别、虹膜识别、静脉识别、声纹识别等技术迅猛发展,各种模态的生物特征识别产品和市场潜力不可低估。当前随着人们对安全性的不断重视,出现了如生物特征识别门禁在内的一批安防产品,未来安防领域将逐步采用生物识别技术以提升安全性能。
以自动驾驶为代表的智能运载产品发展迅速
智能运载产品主要应用有自动驾驶、无人机、无人船等,目前智能运载产品应用处于迅速发展阶段,无人机和无人船的发展较成熟,已有初步应用,而自动驾驶还处于研发和实验阶段。近两年,各大自动驾驶的企业相继公布了实现自动驾驶量产的时间表,大都集中在 2020-2025 年之间。Level-2 级别的自动驾驶车辆,即高级辅助驾驶(ADAS)车辆已实现量产化。2017 年全球ADAS 市场规模在 300 亿美元左右,并呈现稳定增长的趋势。
自动驾驶可分为“渐进性”、“革命性”两大技术路线。当前自动驾驶领域根据入局企业所采用技术可大致分为两大路线,一是福特、宝马、奥迪等传统车企所采用的“渐进性”路线,即在汽车上逐步增加一些自动驾驶功能,依托摄像头、导航地图以及各种传感器,为驾驶员提供自动紧急制动、全景泊车、自适应巡航等辅助驾驶功能;二是谷歌、百度等互联网科技巨头所采用的“革命性”路线,通过使用激光雷达、高清地图和人工智能技术直接实现无人驾驶目的,强调产品的创新和便捷性。谷歌早于 2009 年就开始布局自动驾驶,成为第一个拿到美国政府路测牌照的企业,其自动驾驶车辆 Waymo 已完成800 万公里的自动驾驶路测里程,技术水平在世界保持领先态势。特斯拉于 2015 年推出第一代 Autopilot 汽车,为全球第一辆量产自动驾驶车辆。百度于 2013 年开始开展无人驾驶车项目,其无人驾驶汽车目前已取得了国内首批自动驾驶牌照,2018 年百度 Apollo 和金龙客车合作生产的全球首款 L4 级无人驾驶巴车“阿波龙”已经正式量产下 线。除谷歌、百度、特斯拉外,英特尔、苹果、Uber 等科技巨头也在无人驾驶领域开展布局。英特尔收购 Altera 以及 Mobileye 后,开始启动 L4 级别自动驾驶技术研发。2018 年英伟达公布了其 Drive PX 旗下的最新产品Xavier以及未来的下一代产品Pegasus,并基于Xavier分别联合博世以及采埃孚推出了车载 AI 超级电脑。
无人机以军用无人机为主,需求额呈现上升趋势。随着无人机研发技术逐渐成熟,制造成本大幅降低,无人机在各个领域得到了广泛应用。无人机按照应用领域主要分为军用无人机、工业无人机、消费无人机。军用无人机主要应用有侦查、电子对抗、无人战斗机等,工业无人机主要应用于农业植保、电力巡检、警用执法、地质勘探、环境监测、森林防火等领域,消费无人机主要应用于个人航拍、影视航拍和遥控玩具等。2017 年无人机市场规模将达 60 亿美元,而 2020年则会进一步增长至 112 亿美元。全球无人机产量将达 300 万架,同比增幅高达 39%,其中消费类无人机的销售量将会占到 94%,但只占到无人机市场销售额的 40%左右。
消费级无人机仍处于初级阶段,自主能力仍待提升。目前部分消费级无人机已能通过传感器、摄像头等进行自动避障,同时还能依靠机器视觉对飞行环境进行检测,分析所处环境特征从而实现自我规划路径。2016 年,Intel 通过智能算法成功实现 500 架多旋翼无人机上演空中编队灯光秀,消费级无人机开始朝更高级别的无人机智能化迈进。我国作为全球无人机第一制造大国,大疆占全球消费无人机 70%消费级无人机市场份额,然而依照无人机系统路线图标准,大疆消费级无人机技术水平仍属于初级阶段。
智能机器人技术与产品创新活跃
从应用的角度区分,智能机器人可以分为工业机器人、个人/家用服务机器人、公共服务机器人和特种机器人四类。其中,工业机器人包括焊接机器人、喷涂机器人、搬运机器人、加工机器人、装配机器人、清洁机器人以及其他工业机器人。个人/家用服务机器人包括家政服务机器人、教育娱乐服务机器人、养老助残服务机器人、个人运输服务机器人和安防监控机器人等。公共服务机器人包括酒店服务机器人、银行服务机器人、场馆服务机器人和餐饮服务机器人等。个人/家用服务机器人和公共服务机器人也可统称为服务机器人。特种机器人包括特种极限机器人、康复辅助机器人、农业机器人、水下机器人、军用和警用机器人、电力机器人、石油化工机器人、矿业机器人、建筑机器人、物流机器人、安防机器人、清洁机器人和医疗服务机器人等。
工业机器人市场集中度高,是机器人应用最为广泛的行业领域。根据 IFR(国际机器人学联合会)发布的数据,2017 年,工业机器人在全球机器人市场中占据高达 63.4%的市场份额,发展最为蓬勃。中、韩、日、美、德五国 2017 年工业机器人销售占全球总销量的 71%。其中中国工业机器人销量达到 13.8 万台,其次是韩国约 4 万台,日本约 3.8 万台,美国约 3.3 万台,德国约 2.2 万台。新型工业机器人能够取代人工进行繁重的制造过程,在专业的金属加工自动化中它可用于金属器件制作,搬运、码垛,还拥有智能服务内核、学习型“大脑”,在训练与实践过程中可以不断地提升金属产品的加工精度。
人工智能的兴起推动了家政行业的智能化,个人/家用机器人的应用更加广泛。家政行业的领导企业“管家帮”推出家庭服务类智能管家机器人,可实现语音交互控制完成家政服务在线下单、拨打电话、家居布防、亲情陪护、健康监测、远程监控、主动提醒、居家娱乐、启蒙早教、应急报警、语言学习等诸多服务,是儿童的玩伴及老年人的贴心守护者。日本软银开售的类人机器人,有学习能力,可表达情感,会说话,能看护婴幼儿和病人,甚至在聚会时给人做伴。它们可以使用云计算分享数据,从而发展自己的情感能力,但不会共享主人的个人信息。英特尔公司推出的 3D 打印机器人,除了走路、说话,还能帮主人发微博、翻译语言,或开冰箱拿饮料。我国小米公司开发的扫地机器人能够自主探知障碍物和室内地形,实现对室内的自动化清洁。
公共服务机器人在酒店、金融、电信、电力、物流等具有大规模智能服务需求的行业中广泛应用,在低投入的基础上为企业提供优质高效的服务。米克力美的智能酒店服务机器人能自动学习酒店的通道、电梯和房间位置,自动构建虚拟电子地图来进行导航,确定行走道路,能自动避让人和障碍物,并且可自动乘坐电梯。实现无人陪伴的情况下独自完成各项服务,降低了酒店人工成本的同时提升运营效率。小i 智能客服机器人是一种全新的智能工具,可以 24 小时在线实时回复用户提问,作为人工客户服务的有效补充。目前已经与招商银行、平安银行、建设银行等银行及中国联通、中国移动等近千家公司达成合作。在仓储物流领域,具备搬运、码垛、分拣等功能的智能机器人,已成为物流行业当中的一大热点。2012 年亚马逊以 6.78 亿美元买下自动化物流提供商 Kiva 的机器人仓储业务后,利用机器人来处理仓库的货物盘点以及配货等工作。所有员工只需要在固定的位置进行盘点或配货,而 Kiva 机器人则负责将货物(连同货架)一块搬到员工面前。Starship 公司推出了一种专门用来小件货物配送的“盒子机器人”,其硬件上配置了一系列摄像头和传感器,能够保障其安全行走在人行道上,在指定时间从物流中心出发,穿越大街小巷,来到顾客家门口完成快递任务。在配送过程中,所携带的包裹都是被严密封锁,接收者只有通过其智能手机才能打开。阿里自主研发的机器人“曹操”接到订单后,可以迅速定位出商品在仓库分布的位置,并且规划最优拣货路径,拣完货后会自动把货物送到打包台。在 2018 年 618 购物节期间,京东、阿里菜鸟、顺丰等物流企业积极应用仓内机器人、分拣机器人等智能设备,提升仓储自动化智能化水平。
特种机器人智能化水平不断提升,替代人类完成特殊环境下难以完成的工作。在医疗领域,国产手术机器人“天玑”,在骨科类手术中已经进入临床实践,有效减少了骨科手术人工操作过程中可能造成的脊髓、血管损伤风险。在诊后康复环节,具有轻量化、高柔韧性的康复机器人开始逐步应用推广。上海璟和机器人公司推出的多体位智能康复机器人系统 Flexbot,适用于各级医疗机构的康复科、骨科、神经内科、脑外科等相关临床科室,用以开展临床步态分析,具有机器人步态训练、虚拟行走互动训练、步态分析和康复评定等功能。在农业特种机器人领域,美国投资公司 Khosla Ventures 的报告指出,农业特种机器人能够自己识别区分作物与杂草,用专门的除草剂对杂草选点喷洒,能够降低农药污染 20%,同时降低种植成本。
我国智能机器人产业技术水平持续提升。工业机器人领域,新松、新时达、云南昆船、北京机科领衔本土工业机器人第一梯队,相关产品逐步获得市场认可。新松集团将人工智能和虚拟现实技术应用于国内首台 7 自由度协作机器人,实现了快速配置、牵引示教、视觉引导、碰撞检测等功能。服务机器人领域,我国服务机器人的智能化水平已基本可与国际先进水平媲美,涌现出一批以深圳旗瀚科技、深圳越疆等为代表的有竞争力的创新创业企业。特种机器人领域,开诚智能、GQY 视讯、海伦哲等企业创新活跃,技术水平不断进步,在室内定位、高精度定位导航与避障、汽车底盘危险物品快速识别等技术领域取得了突破。
智能设备未来市场空间广阔
智能手表、智能眼镜、智能服装、计步器等多种产品形态,通 过采用感知、识别、无线通信、大数据等技术实现用户互动、生活娱 乐、医疗健康等功能,为佩戴者提供一个完美的科技体验。可穿戴智 能设备将会成为人的一部分,作为传感器的载体,进一步补充和延伸 人体感知能力,实现人、机、云端更高级、无缝的交互,实现情景感知。
可穿戴设备市场目前处于初期阶段,产品同质化严重。全球可穿戴设备将持续高增长,据市场调研机构 ABI Research 数据显示,2018年全球可穿戴设备市场出货量将达 4.85 亿台,市场调研机构 IHS 预计,2018 年销售额将达 336 亿美元,年均复合增长率高达 22.9%。可穿戴智能设备被广泛应用在社会多个领域,在医疗、金融支付、身份认证甚至工业领域发挥重要作用。就目前来看,可穿戴设备市场仍处于初期阶段,继苹果、三星、华为等企业进入智能穿戴领域后,康佳、联想等越来越多的企业开始瞄准细分领域,并纷纷推出相关产品,如三星 Galaxy Gear 智能手表、爱普生智能手表 PS-500 等。国内厂商也在积极布局,如果壳电子的智能手表 Geak Watch、百度联合 TCL 发布的 Boom Band 手环、华为 TalkBand B1 等。然而,目前智能穿戴市场的同质化严重,很多产品即无痛点又非刚需,实用性难以让人满意,消费者对可穿戴设备的依赖性并不强。如健康手环种类很多,核心功能就是测步、监控睡眠等。
智能音箱市场进入发展快车道。
作为智能家居的组成部分之一,智能音箱独特的人机交互功能可以成为智能家居领域的入口终端,智能家居的广泛普及推动智能音箱行业的快速发展。从 2014 年亚马逊Echo 发布至今,2017 年全球智能音箱市场规模已经突破了 120 亿元。根据 StrategyAnalytics 发布的研究报告指出,2017 年智能音箱全年出货量达到 3200 万部,同比增长超过 300%。据不完全统计,近几年国内外已经有超过 500 家公司开始布局智能音箱市场。整个智能音箱产业链上下游覆盖芯片和麦克风等硬件厂商、语音技术服务商、内容供应商、OEM/ODM 供应商和互联网企业。随着智能音箱的发展,产
业链将实现“硬件+软件+内容+服务”的资源整合,逐渐形成生态闭环。智能音箱厂商通过开放语音识别和麦克风等软硬件技术、丰富语音服务技能、扩展智能设备连接,不断完善智能语音生态,也为企业通过捆绑内容与服务盈利提供条件,带动智能音箱销量增长。
智能摄像头智能化水平快速提升
智能摄像头是民用安防市场最大的蓝海,除了传统安防企业,包括 360、小米、康佳在内的众多互联网、家电企业都发布了智能摄像头产品。随着谷歌以 5.55 亿美元的价格收购美国家庭监控摄像头创业公司 Dropcam,
家庭监控类产品概念被引爆,开始掀起中国智能摄像机的浪潮。从市场占有率来看,360、中兴智能摄像机、小蚁、萤石、乐橙、联想看家宝、乔安、富视康等占据国内大部分市场。通过内嵌智能 SOC 芯片、GPU 等硬件以及结构化分析、深度学习等机器视觉算法,智能摄像头智能化水平不断提升。目前主流智能摄像头一般具备行为分析、异常侦测、识别检测、统计等功能,以海康“深眸”为代表的深度学习摄像头内置 GPU 处理器,采用深度学习算法在摄像头前端能够提取目标特征,形成深层可供学习的图像数据,极大的提升了目标的检出率。
本文分享自 SmellLikeAISpirit 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!