2022年AI行業(yè)市場(chǎng)空間及產(chǎn)業(yè)鏈分析

1、2022年Al行業(yè)市場(chǎng)空間及產(chǎn)業(yè)鏈分析.算力、算法、數(shù)據(jù)的三大因素驅(qū)動(dòng)人工智能的開(kāi)展近年來(lái)，數(shù)據(jù)、算法與算力三大驅(qū)動(dòng)因素顯著開(kāi)展，推 動(dòng)了人工智能行業(yè)的開(kāi)展。Google和CMU在Revisiting Unreasonable Effectiveness of Data in Deep Learning Era也指 出，深度學(xué)習(xí)在視覺(jué)問(wèn)題上所取得的成功可歸因于高容量模型、 高速增長(zhǎng)的計(jì)算力、大規(guī)模標(biāo)記數(shù)據(jù)的可用性。在數(shù)據(jù)方面，移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速開(kāi)展，使高質(zhì) 量的海量數(shù)據(jù)成為可能，海量的高質(zhì)量數(shù)據(jù)為人工智能技術(shù) 的開(kāi)展提供了充足的原材料。深度學(xué)習(xí)是本輪人工智能開(kāi)展的主要重大突破，深度學(xué) 習(xí)

2、的基本特點(diǎn)，是試圖模仿大腦的神經(jīng)元之間傳遞，處理信 息的模式，深度學(xué)習(xí)需要大量不同實(shí)例的數(shù)據(jù)集，模型從中學(xué) 習(xí)要查找的特征并生成帶有概率向量的輸出。深度學(xué)習(xí)的性 能能否提升取決于數(shù)據(jù)集的大小。模型學(xué)習(xí)的參數(shù)越多，訓(xùn) 練所需的數(shù)據(jù)也會(huì)增加，其數(shù)據(jù)量至少是參數(shù)量的10倍不然 很容易欠擬合。深度學(xué)習(xí)與其他機(jī)器學(xué)習(xí)方法的不同就是在 于訓(xùn)練數(shù)據(jù)量和所需的計(jì)算能力。圖70:神經(jīng)網(wǎng)絡(luò)應(yīng)用中的輸入層、輸出層與多個(gè)隱藏層hicklcn layer 1 hidden layer 2 hkiden la*cr 3 input layer資料來(lái)源:Nhy go large with data for deep lea

3、rnings ,信達(dá)證券研發(fā)中心整理當(dāng)圣是全球數(shù)據(jù)總量爆炸式增長(zhǎng)。據(jù)IDC預(yù)測(cè)，全球每年生產(chǎn) 的數(shù)據(jù)量將從2016年的16.1ZB猛增至2025年的163ZB。數(shù) 據(jù)集也隨之呈現(xiàn)迅猛增長(zhǎng)態(tài)勢(shì)，谷歌數(shù)據(jù)集搜索引擎數(shù)據(jù)顯 示，截至2021年初，共收錄了自4600多個(gè)網(wǎng)站的3100多萬(wàn) 個(gè)數(shù)據(jù)集。我國(guó)數(shù)據(jù)集增速明顯，2020年3月5個(gè)數(shù)據(jù)集搜 索結(jié)果中，中文數(shù)據(jù)集達(dá)185.1萬(wàn)，2019年6月至2020年3 月期間增速達(dá)82%。在算法方面，機(jī)器學(xué)習(xí)算法取得重大突破，特別是在視 覺(jué)和語(yǔ)音技術(shù)方面的成就尤為突出。以多層神經(jīng)網(wǎng)絡(luò)模型為基 礎(chǔ)的算法，使得機(jī)器學(xué)習(xí)算法在人臉識(shí)別等領(lǐng)域的準(zhǔn)確性取得 了飛躍性的提

4、高，為商業(yè)化應(yīng)用奠定了重要技術(shù)基礎(chǔ)。深度 神經(jīng)網(wǎng)絡(luò)日趨成熟，各大廠商紛紛投入到深度神經(jīng)網(wǎng)絡(luò)算法 的工程實(shí)現(xiàn)并發(fā)力建設(shè)算法模型工具，進(jìn)一步將其封裝為軟件 框架供開(kāi)發(fā)者使用，這個(gè)過(guò)程中AI框架（業(yè)界也稱(chēng)AI開(kāi)發(fā) 框架、深度學(xué)習(xí)框架等）應(yīng)運(yùn)而生。AI算法框架是人工智能基礎(chǔ)設(shè)施的底層操作系統(tǒng)，在整 個(gè)AI開(kāi)發(fā)環(huán)境中，AI算法框架對(duì)上層應(yīng)用提供研發(fā)環(huán)境和 落地的標(biāo)準(zhǔn)環(huán)境，對(duì)下層硬件設(shè)備進(jìn)行資源的調(diào)度，屏蔽掉硬 件之間的差異。AI框架負(fù)責(zé)給開(kāi)發(fā)者提供構(gòu)建神經(jīng)網(wǎng)絡(luò)模型 的數(shù)學(xué)操作，把復(fù)雜的數(shù)學(xué)表達(dá)轉(zhuǎn)換成計(jì)算機(jī)可識(shí)別的計(jì)算 圖，自動(dòng)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到一個(gè)神經(jīng)網(wǎng)絡(luò)模型用于解 決機(jī)器學(xué)習(xí)中分類(lèi)、回歸的問(wèn)題，

5、實(shí)現(xiàn)目標(biāo)分類(lèi)、語(yǔ)音識(shí)別 等應(yīng)用場(chǎng)景。AI算法框架大大的減少了開(kāi)發(fā)者的工作量，降 低了從事AI開(kāi)發(fā)的技術(shù)門(mén)檻，讓AI技術(shù)從實(shí)驗(yàn)室中的高精 尖“產(chǎn)品”逐步走入市場(chǎng)，實(shí)現(xiàn)了產(chǎn)業(yè)化落地。在算力方面，計(jì)算力提升突破瓶頸，GPU和AI芯片正 在加速開(kāi)展。以GPU為代表的新一代計(jì)算芯片提供了更強(qiáng)大 的計(jì)算力，使得運(yùn)算更快，同時(shí)在集群上實(shí)現(xiàn)的分布式計(jì)算， 幫助算法模型可以在更大的數(shù)據(jù)集上運(yùn)行。GPU、CPU和AI 加速芯片在市面上被廣泛使用，其中推理局部CPU占比擬大, 訓(xùn)練局部GPU占據(jù)主導(dǎo)。我國(guó)2020年算力規(guī)模到達(dá) 135EFlops,全球占比約為31%,在全球疫情背景下，我國(guó)算 力依然同比保持55%的

6、高位增長(zhǎng)，高于全球增速約16個(gè)百分 點(diǎn)。數(shù)據(jù)、算法與算力的進(jìn)步極大的促進(jìn)了人工智能技術(shù)的 開(kāi)展，局部技術(shù)已接近、超越人類(lèi)水平。尤其是以深度學(xué)習(xí)為 代表的機(jī)器學(xué)習(xí)算法，及以計(jì)算機(jī)視覺(jué)、智能語(yǔ)音、自然語(yǔ)言 處理、生物特征識(shí)別為代表的關(guān)鍵技術(shù)取得重要突破，局部技 術(shù)已接近、甚至超越人類(lèi)水平。在計(jì)算機(jī)視覺(jué)方面，2015年 基于深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué)算法在ImageNet數(shù)據(jù)庫(kù)上的識(shí)別 準(zhǔn)確率首次超過(guò)人類(lèi)。.政策加速AI產(chǎn)業(yè)化進(jìn)程人工智能屬于十四五規(guī)劃的國(guó)家戰(zhàn)略性創(chuàng)新領(lǐng)域，我國(guó) 出臺(tái)了一系列支持的相關(guān)政策支持人工智能產(chǎn)業(yè)，其中，中 華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)開(kāi)展第十四個(gè)五年規(guī)劃和2035 年遠(yuǎn)景目標(biāo)綱要（

7、以下簡(jiǎn)稱(chēng)“綱要”）明確指出要瞄準(zhǔn)人工智 能等前沿領(lǐng)域，實(shí)施一批具有前瞻性、戰(zhàn)略性的國(guó)家重大科技 工程。. AI行業(yè)市場(chǎng)空間和產(chǎn)業(yè)鏈分析人工智能對(duì)傳統(tǒng)行業(yè)的智能化改造，帶來(lái)萬(wàn)億級(jí)的市場(chǎng) 空間。隨著人工智能技術(shù)的不斷進(jìn)步與開(kāi)展，局部技術(shù)進(jìn)入產(chǎn)業(yè)化開(kāi)展階段。與此同時(shí)，人工智能正與生產(chǎn)生活的各個(gè)領(lǐng) 域相融合，有效提升各領(lǐng)域的智能化水平，在帶動(dòng)新產(chǎn)業(yè)興 起的同時(shí)也為傳統(tǒng)領(lǐng)域帶來(lái)變革機(jī)遇，從而擁有極為廣闊的 市場(chǎng)前景。根據(jù)艾瑞咨詢(xún)的數(shù)據(jù)，2019年，我國(guó)人工智能核 心產(chǎn)業(yè)及帶動(dòng)產(chǎn)業(yè)規(guī)模分別為1,088.6億元和3,821.5億元， 預(yù)計(jì)至2025年將分別到達(dá)4,532.6億元和16,648.3億元，年均

8、復(fù)合增長(zhǎng)率分別為26.8%和27.8%o圖79: 20192025年中國(guó)人工智能市場(chǎng)產(chǎn)業(yè)規(guī)模人工智能核心產(chǎn)業(yè)規(guī)模（億元）人工智能帶動(dòng)產(chǎn)業(yè)規(guī)模（億元）100009200.81OVUU1600014000120002019-2025 核心產(chǎn)品 CAGR=26.8%16648.32019-2025人工智能帶動(dòng)相關(guān)產(chǎn)業(yè)CAGR=27.8%13939.811374.820192020e2021e2022e2023e2024e2025e責(zé)料來(lái)源:艾囑咨詢(xún),信達(dá)證券研發(fā)中心人工智能的產(chǎn)業(yè)鏈，包括基礎(chǔ)層，技術(shù)層和應(yīng)用層?；A(chǔ)層：包括AI模型生產(chǎn)、算力基礎(chǔ)、數(shù)據(jù)處理及存儲(chǔ)。模型生產(chǎn)包括了 AI開(kāi)源框架、AI開(kāi)放

9、平臺(tái)、應(yīng)用模型效率化 生產(chǎn)平臺(tái)。算力基礎(chǔ)包括芯片、智能云等。AI數(shù)據(jù)資源管理 包括技術(shù)層：包括關(guān)鍵領(lǐng)域技術(shù)和關(guān)鍵通用技術(shù)；關(guān)鍵領(lǐng)域 技術(shù)如計(jì)算機(jī)視覺(jué)、智能語(yǔ)音、自然語(yǔ)言處理等，關(guān)鍵通用 技術(shù)如機(jī)器學(xué)習(xí)、知識(shí)圖譜等通用型技術(shù)。應(yīng)用層：應(yīng)用層是指結(jié)合特定行業(yè)的應(yīng)用場(chǎng)景和數(shù)據(jù)， 形成特定的軟硬件產(chǎn)品或解決方案。目前比擬熱門(mén)的應(yīng)用領(lǐng) 域有安防、醫(yī)療、工業(yè)、教育、金融等領(lǐng)域。技術(shù)角度，人工智能技術(shù)正在走向生產(chǎn)成熟期，局部細(xì) 分技術(shù)賽道產(chǎn)業(yè)已跨過(guò)高速增長(zhǎng)期，步入穩(wěn)步爬升期。其中, 智能語(yǔ)音的語(yǔ)音識(shí)別、語(yǔ)音合成和語(yǔ)音轉(zhuǎn)寫(xiě)能力已落地應(yīng)用在 互聯(lián)網(wǎng)、療健康、司法、教育和工業(yè)等多行業(yè)領(lǐng)域。基于智 能語(yǔ)音技術(shù)實(shí)現(xiàn)文

10、本到語(yǔ)音、語(yǔ)音到文本的快速轉(zhuǎn)換，在各 產(chǎn)業(yè)應(yīng)用中實(shí)現(xiàn)語(yǔ)音文本的信息同步，讓資料整理和信息檢索 都更加方便快捷，讓機(jī)器與人類(lèi)的交互更加快速直接。產(chǎn)業(yè)角度，AI在行業(yè)信息化重的占比正在快速提升，引 導(dǎo)行業(yè)從信息化走向智能化。語(yǔ)音識(shí)別技術(shù)在2019年就已經(jīng) 進(jìn)入了生產(chǎn)成熟期，這就意味著頭部語(yǔ)音技術(shù)研發(fā)機(jī)構(gòu)已經(jīng)能 在行業(yè)中大規(guī)模應(yīng)用并獲得海量真實(shí)數(shù)據(jù)，數(shù)據(jù)量積累的差距 也將進(jìn)一步抬高技術(shù)壁壘并反映在語(yǔ)音識(shí)別的準(zhǔn)確度及可靠性 o4,降本增效是下游主要需求，AI技術(shù)開(kāi)始滲透核心環(huán)節(jié)AI技術(shù)目前在下游行業(yè)中實(shí)現(xiàn)的規(guī)模化的應(yīng)用，主要用 于滿(mǎn)足下游行業(yè)的降本增效的需求，主要表達(dá)為替代重復(fù)性 工作、降低本錢(qián)、提高

11、生產(chǎn)效率、復(fù)制專(zhuān)家能力等。當(dāng)前人工 智能在工業(yè)質(zhì)量檢測(cè)、智能客服、智慧醫(yī)療、智慧城市等領(lǐng) 域已經(jīng)得到了價(jià)值驗(yàn)證，進(jìn)入到了規(guī)模化落地的階段。根據(jù)IDC的調(diào)研數(shù)據(jù)，近半數(shù)企業(yè)（46.0%）在2021年 已經(jīng)開(kāi)始初始處于局部推廣落地階段。IDC在2021年對(duì)中國(guó) 市場(chǎng)企業(yè)AI成熟度現(xiàn)狀進(jìn)行了調(diào)研，收集了中國(guó)金融、零售、 制造、醫(yī)療等多個(gè)行業(yè)共計(jì)200個(gè)企業(yè)樣本，來(lái)了解中國(guó)企 業(yè)AI成熟度的總體開(kāi)展情況。26.0%的企業(yè)仍處于探索階段: 處于該階段的企業(yè)對(duì)AI僅有初步認(rèn)知，以POC或試點(diǎn)形式 小范圍嘗試，主要在通用場(chǎng)景或者簡(jiǎn)單的行業(yè)場(chǎng)景開(kāi)始試點(diǎn) 探索。近半數(shù)企業(yè)（46.0%）處于落地階段：處于該階段的

12、企 業(yè)首次實(shí)現(xiàn)局部場(chǎng)景AI應(yīng)用上線，獲得可衡量的業(yè)務(wù)影響。 企業(yè)最先落地AI的場(chǎng)景往往是場(chǎng)景所匹配的AI單點(diǎn)技術(shù)較 成熟、業(yè)務(wù)有痛點(diǎn)亟需解決或已有數(shù)據(jù)基礎(chǔ)較好的營(yíng)銷(xiāo)、風(fēng)控 輔助人工決策等場(chǎng)景，如機(jī)器學(xué)習(xí)、CV、NLP等在銀行網(wǎng)點(diǎn) 的應(yīng)用（智能營(yíng)銷(xiāo)、智能風(fēng)控等）。圖83:中國(guó)企業(yè)Al成熟度資料來(lái)源：IDC.信達(dá)證務(wù)研發(fā)中心資料來(lái)源：IDC.信達(dá)證務(wù)研發(fā)中心5.商業(yè)模式：服務(wù)下游需要行業(yè)深耕人工智能的商業(yè)模式還在不斷摸索與豐富，尚未形成定 局。AI企業(yè)的商業(yè)模式有工程解決方案交付、一站式產(chǎn)品方 案、軟件銷(xiāo)售、硬件銷(xiāo)售、算法授權(quán)許可費(fèi)、AI云端服務(wù) （單項(xiàng)AI能力或模型）、免費(fèi)API結(jié)合廣告分成等多

13、種模式, 仍然處于變化當(dāng)中。根據(jù)草根調(diào)研，以目前較為成熟的視覺(jué)及語(yǔ)音類(lèi)產(chǎn)品為 例，商業(yè)化比擬成功的商業(yè)模式有：1、AI解決方案，包括自 有方案集成，和合作方案集成。也就是AI在傳統(tǒng)行業(yè)信息化 中的占比提升；2、產(chǎn)品（特定AI技術(shù)在特定場(chǎng)景），產(chǎn)品 包括硬件產(chǎn)品和軟件產(chǎn)品；3,技術(shù)或服務(wù)（API調(diào)用服務(wù)或 SDK調(diào)用服務(wù)），以及此基礎(chǔ)之上升級(jí)而來(lái)的云端服務(wù)（模 型或者方案+算力）。AI本質(zhì)上會(huì)對(duì)原有行業(yè)進(jìn)行改造，重構(gòu)原有業(yè)務(wù)流程或 者價(jià)值鏈，當(dāng)前城市管理、教育、金融、零售、工業(yè)制造等成 為的重要應(yīng)用領(lǐng)域。商業(yè)模式上，AI行業(yè)有著濃重的ToG/B 企業(yè)服務(wù)色彩。各個(gè)行業(yè)的Know-how有著高壁壘，AI技 術(shù)專(zhuān)家如果沒(méi)有與行業(yè)專(zhuān)家配合，走入場(chǎng)景、直面客戶(hù)個(gè)性 化的痛點(diǎn)，很難提供行之有效的解決方案。對(duì)于客戶(hù)來(lái)說(shuō)，價(jià) 值與落地是人工智能工程可行性評(píng)估的首要考量，大而全的 方案吸引力有限，如果人工智能產(chǎn)品在POC階段與落地階段 表現(xiàn)差異大，也會(huì)損害市場(chǎng)的認(rèn)可。由于每個(gè)下游行業(yè)場(chǎng)景都 有自身原生的價(jià)值鏈條，如果不在原行業(yè)內(nèi)鋪設(shè)大量的資源, 難以進(jìn)入原價(jià)值鏈（更不用說(shuō)重構(gòu)）。因