人工智能AI對(duì)碳中和的影 響及發(fā)展導(dǎo)向

1、目 錄 HYPERLINK l _TOC_250011 人工智能行業(yè)是人類進(jìn)入智能時(shí)代的決定性力量 3 HYPERLINK l _TOC_250010 人工智能行業(yè)是人類進(jìn)入智能時(shí)代的決定性力量 3 HYPERLINK l _TOC_250009 產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層、應(yīng)用層 5 HYPERLINK l _TOC_250008 我國(guó)人工智能行業(yè)仍將處于高增長(zhǎng)階段 6 HYPERLINK l _TOC_250007 算力提升是人工智能行業(yè)發(fā)展的核心驅(qū)動(dòng)因素 8 HYPERLINK l _TOC_250006 人工智能芯片類型多樣、場(chǎng)景有別 8 HYPERLINK l _TOC_250005

2、GPU、FPGA、ASIC 等各顯千秋 11 HYPERLINK l _TOC_250004 人工智能將在實(shí)現(xiàn)碳中和過程中發(fā)揮重要作用 13 HYPERLINK l _TOC_250003 AI+工業(yè)：重塑生產(chǎn)制造環(huán)節(jié) 14 HYPERLINK l _TOC_250002 AI+交通：智慧交通節(jié)能減排 17 HYPERLINK l _TOC_250001 AI+能源：應(yīng)用潛力更待挖掘 20 HYPERLINK l _TOC_250000 AI+環(huán)保：環(huán)保監(jiān)測(cè)的革命 22人工智能行業(yè)是人類進(jìn)入智能時(shí)代的決定性力量人工智能行業(yè)是人類進(jìn)入智能時(shí)代的決定性力量人工智能（Artificial Intel

3、ligence，AI）是通過普通計(jì)算機(jī)程序來呈現(xiàn)人類智能的技術(shù)。核心問題是建構(gòu)跟人相似甚至更高的能力，包括推理、規(guī)劃、學(xué)習(xí)、交流、感知、使用工具和操控機(jī)械等。人工智能的應(yīng)用包括四個(gè)方面：感知，即看、聽、讀、寫、說，典型應(yīng)用如語音識(shí)別、自然語言處理；認(rèn)知，包括分析識(shí)別、預(yù)測(cè)、判斷、學(xué)習(xí)；創(chuàng)造力，如作詩(shī)、繪畫；智能，涉及到人類的自我意識(shí)、認(rèn)知與價(jià)值觀。圖 1：人工智能的典型應(yīng)用包括深藍(lán)、Siri、AlphaGo 等數(shù)據(jù)來源：羅蘭貝格中國(guó)人工智能創(chuàng)新應(yīng)用白皮書美國(guó)計(jì)算機(jī)協(xié)會(huì) 1956 年組織的Dartmouth 學(xué)會(huì)上提出了人工智能概念。1956 年，麥卡錫、明斯基等科學(xué)家在美國(guó)達(dá)特茅斯學(xué)院開會(huì)研討

4、 “如何用機(jī)器模擬人的智能”，首次提出了“人工智能”這一概念，標(biāo)志著人工智能學(xué)科的誕生。根據(jù)中科院院士譚鐵牛的報(bào)告，在這之后，人工智能經(jīng)歷了起步發(fā)展期、反思發(fā)展期、應(yīng)用發(fā)展期、低迷發(fā)展期、穩(wěn)步發(fā)展期、蓬勃發(fā)展期等 6 個(gè)時(shí)期。因此，人工智能行業(yè)是在起起伏伏中向前發(fā)展的，既有經(jīng)費(fèi)枯竭的寒冬，也有技術(shù)突破而大發(fā)展的春天。表 1：人工智能已經(jīng)進(jìn)入蓬勃發(fā)展期時(shí)間發(fā)展階段發(fā)展情況1956 年20起步發(fā)展期世紀(jì) 60 年代初20 世紀(jì)60 年代反思發(fā)展期70 年代初人工智能概念提出后，相繼取得了一批令人矚目的研究成果，如機(jī)器定理證明、跳棋程序等，掀起人工智能發(fā)展的第一個(gè)高潮。發(fā)展初期的突破性進(jìn)展提升了人們

5、的期望，開始嘗試更具挑戰(zhàn)性的任務(wù)，并提出了一些不切實(shí)際的目標(biāo)。然而，接二連三的失?。ɡ?，無法用機(jī)器證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)、機(jī)器翻譯鬧出笑話等），使人工智能的發(fā)展走入低谷。20 世紀(jì)70 年代應(yīng)用發(fā)展期初80 年代中20 世紀(jì)80 年代低迷發(fā)展期中90 年代中20 世紀(jì) 70 年代出現(xiàn)的專家系統(tǒng)模擬人類專家的知識(shí)和經(jīng)驗(yàn)解決特定領(lǐng)域問題，實(shí)現(xiàn)人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運(yùn)用專門知識(shí)的突破。專家系統(tǒng)在醫(yī)療、化學(xué)等領(lǐng)域取得成功，推動(dòng)人工智能走入應(yīng)用發(fā)展的高潮。隨著人工智能應(yīng)用規(guī)模擴(kuò)大，專家系統(tǒng)存在的應(yīng)用領(lǐng)域狹窄、缺乏常識(shí)性知識(shí)、推理方法單一、難以與現(xiàn)有數(shù)據(jù)庫(kù)兼容等

6、問題逐漸暴露出來。由于網(wǎng)絡(luò)技術(shù)特別是互聯(lián)網(wǎng)技術(shù)發(fā)展，加速人工智中2010 年1997 年 IBM 深藍(lán)超級(jí)計(jì)算機(jī)戰(zhàn)勝國(guó)際象棋世界冠軍，2008 年 IBM 提出“智慧地球”的概念。隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等信息技術(shù)發(fā)展，泛2011 年至今蓬勃發(fā)展期在感知數(shù)據(jù)和圖形處理器等計(jì)算平臺(tái)推動(dòng)以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)發(fā)展，跨越了科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”，諸如圖像分類、語音識(shí)別、知識(shí)問答、人機(jī)對(duì)弈、無人駕駛等人工智能技術(shù)實(shí)現(xiàn)從“不能用、不好用”到“可以用”的技術(shù)突破，迎來爆發(fā)式增長(zhǎng)的新高潮。20 世紀(jì)90 年代穩(wěn)步發(fā)展期能創(chuàng)新研究，促使人工智能技術(shù)進(jìn)一步實(shí)用化。數(shù)據(jù)來源：求是，人工智能被視

7、作推動(dòng)人類進(jìn)入智能時(shí)代的決定性力量。地位與蒸汽時(shí)代的蒸汽機(jī)、電氣時(shí)代的發(fā)電機(jī)、信息時(shí)代的計(jì)算機(jī)和互聯(lián)網(wǎng)相當(dāng)。從競(jìng)爭(zhēng)格局上看，全球產(chǎn)業(yè)界紛紛布局，但尚未形成壟斷。谷歌 2017 年提出其發(fā)展戰(zhàn)略從“移動(dòng)優(yōu)先”轉(zhuǎn)向“人工智能優(yōu)先”，BAT 等國(guó)內(nèi)互聯(lián)網(wǎng)巨頭也相繼設(shè)立了人工智能實(shí)驗(yàn)室，眾多創(chuàng)新企業(yè)憑借在細(xì)分領(lǐng)域的優(yōu)勢(shì)參與垂直應(yīng)用領(lǐng)域的競(jìng)爭(zhēng)。世界各主要經(jīng)濟(jì)體把人工智能作為提升競(jìng)爭(zhēng)力的抓手，2013 年以來已有 20 多個(gè)國(guó)家地區(qū)發(fā)布了人工智能相關(guān)的戰(zhàn)略或規(guī)劃。例如，我國(guó)國(guó)務(wù)院 2017 年發(fā)布新一代人工智能發(fā)展規(guī)劃，描繪了面向 2030 年的人工智能發(fā)展路線圖。圖 2：主要經(jīng)濟(jì)體的人工智能戰(zhàn)略相繼發(fā)布

8、數(shù)據(jù)來源：中國(guó)信通院，產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層、應(yīng)用層人工智能產(chǎn)業(yè)鏈分為基礎(chǔ)層、技術(shù)層、應(yīng)用層。基礎(chǔ)層包括算力、算法、數(shù)據(jù)，在產(chǎn)業(yè)鏈中起到基礎(chǔ)支撐的作用，如算力中的 CPU/GPU/FPGA提供了計(jì)算能力；技術(shù)層根據(jù)用途劃分為計(jì)算機(jī)視覺、智能語音、自然語言處理等；應(yīng)用層與特定場(chǎng)景綁定，如 2C 端的智能設(shè)備，2B 端的 AI+工業(yè)、AI+金融、AI+零售，2G 端的 AI+安防，它們的商業(yè)模式、競(jìng)爭(zhēng)格局各異。基礎(chǔ)層是構(gòu)建生態(tài)的基礎(chǔ)并且需要長(zhǎng)期投入，技術(shù)層是構(gòu)建護(hù)城河的基礎(chǔ)，應(yīng)用層直戳行業(yè)痛點(diǎn)因而變現(xiàn)能力最強(qiáng)。圖 3：人工智能產(chǎn)業(yè)鏈結(jié)構(gòu)包括基礎(chǔ)層、技術(shù)層、應(yīng)用層數(shù)據(jù)來源：艾瑞咨詢GPU 加速器已

9、達(dá)到實(shí)質(zhì)生產(chǎn)的高峰期。Gartner 每年發(fā)布的人工智能技術(shù)成熟度曲線展現(xiàn)了各細(xì)分技術(shù)的發(fā)展階段與期望值高低。在 2020 年的曲線中，GPU 加速器在生產(chǎn)力上表現(xiàn)最佳，預(yù)計(jì)未來 2-5 年內(nèi)，其采用率將從 5%-20%增加到 20%-50%，為計(jì)算密集型工作負(fù)載提供性能。多數(shù)技術(shù)依然處于前三個(gè)階段，即技術(shù)萌芽期、期望膨脹的頂峰期、泡沫化的低谷期，比如通用人工智能（AGI）當(dāng)下還缺乏商業(yè)可行性。圖 4：Gartner 人工智能技術(shù)成熟度曲線顯示 GPU 進(jìn)入成熟期數(shù)據(jù)來源：Gartner我國(guó)人工智能行業(yè)仍將處于高增長(zhǎng)階段我國(guó) 2020 年人工智能市場(chǎng)規(guī)模約為 400 億元人民幣。IDC 將人工

10、智能市場(chǎng)分為硬件、軟件和服務(wù)三個(gè)部分，中國(guó)市場(chǎng)的硬件占比在 50%以上。 2020H1，中國(guó)加速服務(wù)器市場(chǎng)規(guī)模達(dá)到 12.9 億美元，其中 GPU 服務(wù)器占據(jù) 93.4%的份額；人工智能軟件及應(yīng)用市場(chǎng)規(guī)模達(dá) 15.3 億美元，其中計(jì)算機(jī)視覺應(yīng)用、語音語義應(yīng)用、機(jī)器學(xué)習(xí)開發(fā)平臺(tái)分別為 7.42、 6.45、1.4 億美元。綜合 IDC 數(shù)據(jù)，大致可推測(cè)出 2020 年中國(guó)人工智能市場(chǎng)規(guī)模約為 400 億元人民幣。展望未來，IDC 預(yù)計(jì)至 2024 年，中國(guó) GPU 服務(wù)器市場(chǎng)規(guī)模將達(dá)到 60 億美元，人工智能軟件及應(yīng)用市場(chǎng)規(guī)模將達(dá)到 127.5 億美金，未來 5 年依然處于高速增長(zhǎng)的階段。圖 5

11、：中國(guó)加速服務(wù)器市場(chǎng)依然高速增長(zhǎng)圖 6：中國(guó) GPU 服務(wù)器市場(chǎng) 2024 年將達(dá) 60 億美元數(shù)據(jù)來源：IDC數(shù)據(jù)來源：IDC人工智能硬件市場(chǎng)集中度高。加速服務(wù)器對(duì)應(yīng)的下游行業(yè)主要包括互聯(lián)網(wǎng)、政府、服務(wù)業(yè)，浪潮、華為、曙光這幾家傳統(tǒng)服務(wù)器廠商主導(dǎo)了中國(guó)加速服務(wù)器市場(chǎng)，三者合計(jì)的市場(chǎng)份額超過了 80%。而中國(guó)人工智能軟件及應(yīng)用市場(chǎng)呈現(xiàn)出百花齊放的競(jìng)爭(zhēng)格局，新興創(chuàng)業(yè)公司比較活躍，例如計(jì)算機(jī)視覺應(yīng)用的商湯科技、依圖科技，語音語義應(yīng)用的思必馳，機(jī)器學(xué)習(xí)開發(fā)平臺(tái)的第四范式等。圖 7：浪潮、華為主導(dǎo)中國(guó)加速服務(wù)器市場(chǎng)圖 8：中國(guó)計(jì)算機(jī)視覺應(yīng)用市場(chǎng)相對(duì)分散數(shù)據(jù)來源：IDC備注：市場(chǎng)份額對(duì)應(yīng)時(shí)間為 2020

12、H1，按廠商銷售額統(tǒng)計(jì)數(shù)據(jù)來源：IDC備注：市場(chǎng)份額對(duì)應(yīng)時(shí)間為 2020H1，統(tǒng)計(jì)口徑未明確說明2019 年，我國(guó)人工智能行業(yè)投融資規(guī)模有所回落，泡沫弱化。2014 年至 2019Q3，中國(guó)人工智能行業(yè)共發(fā)生 2845 起投融資事件，總金額為 3583.65 億元人民幣。資金重點(diǎn)投向了應(yīng)用及平臺(tái)、硬件方面，而 AI基礎(chǔ)技術(shù)的投融資規(guī)模較小，反映出我國(guó)人工智能行業(yè)偏重應(yīng)用、技術(shù)基礎(chǔ)仍待夯實(shí)的特點(diǎn)。14001200100080060040020007006005004003002001000120010008006001141981630570400200020259基礎(chǔ)技術(shù)應(yīng)用及平臺(tái)視覺技術(shù)語音

13、技術(shù)硬件其他總體融資規(guī)模（億元）融資事件數(shù)（起）融資規(guī)模（億元）圖 9:2014-2019 中國(guó)人工智能行業(yè)投融資情況圖 10:2014-2019 中國(guó)人工智能行業(yè)投融資領(lǐng)域分布2019Q1-Q320182017201620152014數(shù)據(jù)來源：CVSource，投中研究院，數(shù)據(jù)來源：CVSource，投中研究院，算力提升是人工智能行業(yè)發(fā)展的核心驅(qū)動(dòng)因素算力是人工智能三大要素的核心。正如人工智能學(xué)者吳恩達(dá)所比喻：發(fā)展人工智能就像用火箭發(fā)射衛(wèi)星，需要強(qiáng)有力的引擎和充足的燃料；那么，算法模型相當(dāng)于是火箭引擎，算力可以理解為打造引擎的工具，海量的數(shù)據(jù)則是引擎的燃料。算力提升提高了算法效率和演進(jìn)節(jié)奏。

14、2012 年時(shí)，深度學(xué)習(xí)模型 AlexNet 識(shí)別一張 ImageNet 圖片需要 7.6108 次基本運(yùn)算，訓(xùn)練該 模型需要 3.171017 次基本運(yùn)算。如以 1993 年出品的 Intel CPU 奔 騰 P5 執(zhí)行，需要近百年才能完成訓(xùn)練，至少需要 10 分鐘完成推理，而 如今的品牌旗艦手機(jī)只用數(shù)百微秒就能完成這樣的圖像識(shí)別。在度量上，算力以芯片每秒可執(zhí)行的基本運(yùn)算次數(shù)來度量，1TOPS 代表處理器每秒 可進(jìn)行一萬億次基本運(yùn)算操作。人工智能芯片類型多樣、場(chǎng)景有別AI 芯片向上為應(yīng)用和算法提供支持，向下對(duì)器件和電路、工藝和材料提出需求。應(yīng)用和算法的快速發(fā)展，尤其是深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)，

15、對(duì)底層芯片提出了 2-3 個(gè)數(shù)量級(jí)的性能優(yōu)化需求。例如，Google 在 2019年提出的 EfficientNet B7 深度學(xué)習(xí)模型，每完成一次前向計(jì)算，需要 3.611010 次基本運(yùn)算，是 7 年前同類模型 AlexNet 運(yùn)算需求的 50倍。同時(shí)，新型材料、工藝和器件的發(fā)展，也為 AI 芯片提供了性能提升、功耗降低的可行性。圖 11：人工智能芯片相關(guān)技術(shù)概覽數(shù)據(jù)來源：人工智能芯片技術(shù)白皮書（2018）AI 芯片包括傳統(tǒng)芯片與智能芯片兩類。AI 芯片并沒有一個(gè)公認(rèn)的定義。廣義上來說，面向人工智能應(yīng)用的芯片都可以稱為 AI 芯片。傳統(tǒng)芯片如 CPU、GPU、FPGA 等，起初并非面向人工

16、智能，但在功能上可以滿足人工智能應(yīng)用的需求；不過，芯片架構(gòu)、性能、能效等方面不能適應(yīng)人工智能技術(shù)的快速發(fā)展。智能芯片則專門針對(duì)人工智能設(shè)計(jì)，包括通用型與專用型。通用型智能芯片是針對(duì)人工智能領(lǐng)域內(nèi)多樣化的應(yīng)用設(shè)計(jì)的芯片，對(duì)視覺、語音、自然語言處理、傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)等各類人工智能技術(shù)具備較好的普適性；專用型智能芯片是面向特定、具體、相對(duì)單一的人工智能應(yīng)用所設(shè)計(jì)的專用集成電路，即ASIC。圖 12：人工智能芯片包括傳統(tǒng)芯片、通用型智能芯片和專用型智能芯片數(shù)據(jù)來源：從場(chǎng)景來看，云端、終端和邊緣端對(duì) AI 芯片的算力和功耗有著不同要求。人工智能技術(shù)在云端、終端、邊緣端均有應(yīng)用。云端是指在大規(guī)模數(shù)據(jù)中心進(jìn)

17、行的遠(yuǎn)程計(jì)算處理；終端則是個(gè)人可以直接使用的設(shè)備，比如手機(jī)、平板電腦等；邊緣端靠近數(shù)據(jù)源頭。表 2：不同場(chǎng)景對(duì)芯片的需求、算力、功耗有著不同要求場(chǎng)景芯片需求典型計(jì)算能力典型功耗典型應(yīng)用領(lǐng)域云端高性能、高計(jì)算密度、兼有推理和訓(xùn)練任務(wù)、單價(jià)30TOPS50 瓦云計(jì)算數(shù)據(jù)中心、企業(yè)私有云等高、硬件產(chǎn)品形態(tài)少終端低功耗、高能效、推理任務(wù)為主、成本敏感、硬件8TOPS5 瓦各類消費(fèi)類電子、物聯(lián)網(wǎng)產(chǎn)品等產(chǎn)品形態(tài)眾多對(duì)功耗、性能、尺寸的要邊緣求常介于終端與云端之端間、推理任務(wù)為主、多用于插電設(shè)備、硬件產(chǎn)品形態(tài)相對(duì)較少5 至 30TOPS4 至 15 瓦智能制造、智能家居、智能零售、智慧交通、智慧金融、智慧醫(yī)

18、療、智能駕駛等眾多應(yīng)用領(lǐng)域數(shù)據(jù)來源：寒武紀(jì)招股說明書，備注：云、邊、端場(chǎng)景尚無標(biāo)準(zhǔn)劃分界限，上表為寒武紀(jì)基于研發(fā)體系劃分。云端兼有訓(xùn)練和推理任務(wù)，終端和邊緣端以推理為主。對(duì)于訓(xùn)練階段，要基于巨大的數(shù)據(jù)集來調(diào)整模型參數(shù)，以提高準(zhǔn)確度，比如圖像識(shí)別、語音識(shí)別這些復(fù)雜問題，訓(xùn)練階段要做反復(fù)的迭代計(jì)算。推理階段是在已經(jīng)建立的人工智能模型中輸入數(shù)據(jù)，然后得到輸出，比如給定圖片，識(shí)別物體。推理階段對(duì)單個(gè)任務(wù)的計(jì)算能力要求沒有訓(xùn)練階段那么大，但推理的次數(shù)會(huì)很多。IDC 預(yù)計(jì)到 2021 年，人工智能推理市場(chǎng)占比將超過訓(xùn)練市場(chǎng)。圖 13：用于推理工作負(fù)載的服務(wù)器市場(chǎng)份額將超過訓(xùn)練120.0100.080.06

19、0.040.020.00.02018201920202021202220232024訓(xùn)練推理數(shù)據(jù)來源：IDC，GPU、FPGA、ASIC 等各顯千秋GPU 已經(jīng)發(fā)展到相對(duì)成熟階段。GPU 即圖形處理器，是個(gè)人電腦、游戲設(shè)備、平板電腦、智能手機(jī)中進(jìn)行圖像和圖形運(yùn)算的芯片。由于深度學(xué)習(xí)算法需要很高的內(nèi)在并行度、浮點(diǎn)計(jì)算能力以及矩陣運(yùn)算能力，基于 CPU 的傳統(tǒng)計(jì)算架構(gòu)逐漸無法充分滿足高性能并行計(jì)算需求，2015年后，GPU 的應(yīng)用使得硬件計(jì)算能力的不足得以被彌補(bǔ)。GPU 擅長(zhǎng)數(shù)據(jù)級(jí)并行處理，峰值運(yùn)算性能高，但能耗也較高。在人工智能領(lǐng)域，GPU多應(yīng)用于數(shù)據(jù)中心服務(wù)器，在終端應(yīng)用較少。FPGA 具有可

20、編程性。FPGA 是一種在硬件層面可編程的芯片，利用門電路直接運(yùn)算，用戶可以自由定義門電路和存儲(chǔ)器之間的布線，改變執(zhí)行方案。換而言之，F(xiàn)PGA 上的電路可以更改，具有很高靈活性。相較于 ASIC，F(xiàn)PGA 在性能、功耗上有提升空間。不過，由于 FPGA 靈活性好、處理簡(jiǎn)單指令的重復(fù)計(jì)算比較強(qiáng)，CPU+FPGA 的混合異構(gòu)相比GPU具備更低功效和高性能，在深度學(xué)習(xí)的推理階段有著更高的效率和更低的成本。ASIC 是專用定制芯片的統(tǒng)稱，在設(shè)計(jì)、架構(gòu)、工具鏈等方面的個(gè)性化強(qiáng)。ASIC 即專用集成電路，是應(yīng)特定應(yīng)用場(chǎng)景的需求專門設(shè)計(jì)和制造的集成電路，不能重復(fù)編程。ASIC 基于人工智能算法進(jìn)行定制，在大

21、規(guī)模量產(chǎn)的情況下具備性能更強(qiáng)、體積更小、功耗更低、成本更低、可靠性更高等優(yōu)點(diǎn)，常用于在低功耗、成本敏感的終端上支撐特定的智能應(yīng)用。其缺點(diǎn)在于通用性差，前期研發(fā)成本高，研發(fā)周期長(zhǎng)。表 3：各類人工智能芯片的對(duì)比類型特點(diǎn)優(yōu)勢(shì)與局限性云邊端普遍使用的芯片類型云邊端推理與訓(xùn)練場(chǎng)景的滲透率CPUGPUDSPFPGA技術(shù)成熟，通用性最強(qiáng)，可執(zhí)行各種類型的計(jì)算機(jī)應(yīng)用程序，非常適合傳統(tǒng)的控制密集型計(jì)算任務(wù)技術(shù)成熟，通用性較好，擅長(zhǎng)數(shù)據(jù)級(jí)并行處理，為圖形處理、科學(xué)計(jì)算等傳統(tǒng)任務(wù)提供了良好的硬件支持技術(shù)成熟，最初為數(shù)字信號(hào)處理任務(wù)設(shè)計(jì)，早期多用于傳統(tǒng)的通信和音視頻信號(hào)處理主流技術(shù)路徑仍有差距市場(chǎng)滲透率較低（1）云

22、端和邊緣通用型智能芯片相關(guān)技術(shù)持續(xù)發(fā)展中，全性能、功耗比較傳統(tǒng)芯片處于應(yīng)用推廣期，主要廠商為寒在云端、邊緣端和消通用型智新指令集完備高效，可覆優(yōu)勢(shì)明顯，可適應(yīng)各種場(chǎng)武紀(jì)、華為海思、Google 等費(fèi)類電子終端都開能芯片蓋各類智能算法所需的基景和規(guī)模的人工智能計(jì)算（2）終端通用型智能處理器多集始出現(xiàn)廣泛應(yīng)用，滲本運(yùn)算操作需求成于手機(jī) SoC 中，已實(shí)現(xiàn)大規(guī)模透率將逐漸提升應(yīng)用，主要廠商為華為海思等技術(shù)成熟，包含充裕的可重構(gòu)邏輯單元陣列，硬件編程開發(fā)和調(diào)試門檻較高人工智能應(yīng)用開發(fā)生態(tài)成熟，但性能已無法滿足人工智能快速增長(zhǎng)的計(jì)算能力需求峰值運(yùn)算性能高，但整體能耗較高；在云端具備成熟的應(yīng)用開發(fā)生態(tài)，但

23、在終端生態(tài)尚不成熟在人工智能領(lǐng)域主要用于處理圖像、語音等任務(wù)，編程開發(fā)門檻高可通過硬件重構(gòu)方式靈活實(shí)現(xiàn)適合于人工智能應(yīng)用的架構(gòu)，但成本和能效與云端服務(wù)器和 PC 市場(chǎng)多使用 X86 CPU，已經(jīng)迭代成熟，主流芯片基于 X86-64 架構(gòu)終端和邊緣端多使用 ARM CPU，也已經(jīng)迭代成熟，主流芯片基于 ARMv8 架構(gòu)云端主流產(chǎn)品為 NVIDIA和 AMD邊緣端或終端主流產(chǎn)品為 SoC 集成的 GPU IP，主流廠商包括 ARM、Imagination 等在分立 DSP 芯片市場(chǎng)，主流廠商為 TI 等企業(yè)對(duì)于嵌入到 SoC 的 DSP，主流廠商有 CEVA、Cadence 等主流廠商包括 Xil

24、inx 和 Intel 等廣泛應(yīng)用于個(gè)人電 腦、移動(dòng)終端、傳統(tǒng)服務(wù)器等領(lǐng)域，在人工智能芯片市場(chǎng)滲透率相對(duì)較低在人工智能領(lǐng)域， GPU 多用于數(shù)據(jù)中心，是滲透率最高且最主流芯片類型，在終端應(yīng)用少在云端應(yīng)用較少，但在手機(jī)等終端設(shè)備中有一定生態(tài)基礎(chǔ)在芯片原型驗(yàn)證與仿真中有著廣泛應(yīng)用，在人工智能芯片專用型智能芯片（ASIC）相關(guān)技術(shù)持續(xù)發(fā)展中，在架構(gòu)層面對(duì)特定智能算法作硬化支持，指令集簡(jiǎn)單或指令完全固化成本相對(duì)較低，軟件棧相對(duì)簡(jiǎn)單，設(shè)計(jì)和生產(chǎn)周期短，但通用性較差目前主要應(yīng)用于終端，主要形態(tài)為行業(yè)專用 SoC，較多集中于語音處理領(lǐng)域常用于在低功耗、成本敏感的終端上支撐特定的應(yīng)用，在云端、邊緣端等場(chǎng)景滲透

25、率較低數(shù)據(jù)來源：寒武紀(jì)招股說明書，人工智能將在實(shí)現(xiàn)碳中和過程中發(fā)揮重要作用互聯(lián)網(wǎng)、制造、金融位列全球算力投資前三大行業(yè)。從全球來看，制造業(yè)是算力投資的第二大行業(yè)，投資集中在研發(fā)、生產(chǎn)、供應(yīng)鏈管理和服務(wù)等環(huán)節(jié)。但在國(guó)內(nèi)，金融位列第二，原因是金融業(yè)大而強(qiáng)，特別是其中的銀行業(yè)，信息化投資較為集中；而制造業(yè)相對(duì)小而散，信息化投資與西方國(guó)家相比仍有很大的提升空間。圖 14：全球算力投資前三大行業(yè)是互聯(lián)網(wǎng)、制造、金融80706050403020100互 制 金 政聯(lián) 造 融 府網(wǎng)電服零媒教信務(wù)售體育/批發(fā)醫(yī)公交能療共通源事業(yè)數(shù)據(jù)來源：IDC2020 全球計(jì)算力指數(shù)評(píng)估報(bào)告，我國(guó)將在 2030 年實(shí)現(xiàn)碳達(dá)峰

26、，2060 年實(shí)現(xiàn)碳中和。這兩個(gè)階段性目標(biāo)，既是我國(guó)經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展的必然要求，也是在應(yīng)對(duì)氣候變化方面對(duì)世界的承諾。隨著人工智能技術(shù)的發(fā)展、算力的提升，人工智能在現(xiàn)實(shí)中的應(yīng)用場(chǎng)景不斷得到拓寬，有望在實(shí)現(xiàn)碳達(dá)峰、碳中和的過程中扮演著重要角色。圖 15：人工智能在傳統(tǒng)經(jīng)濟(jì)、新興經(jīng)濟(jì)、數(shù)字經(jīng)濟(jì)三大場(chǎng)景均可有所作為數(shù)據(jù)來源：IDC中國(guó)人工智能計(jì)算力發(fā)展評(píng)估報(bào)告AI+工業(yè)：重塑生產(chǎn)制造環(huán)節(jié)人工智能在制造業(yè)的應(yīng)用潛力被低估。 對(duì)中國(guó) 2015-2018 年最大的 300 項(xiàng)人工智能項(xiàng)目的分析表明，制造業(yè)相關(guān)的投資不到 1%。然而，制造業(yè)是人工智能最具應(yīng)用潛力的領(lǐng)域之一。其一，未來的制造業(yè)不僅僅是規(guī)?；?/p>

27、標(biāo)準(zhǔn)化，也要是智能化、定制化；其二，人工智能與相關(guān)技術(shù)結(jié)合，可優(yōu)化制造業(yè)各流程的效率，通過工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)數(shù)據(jù)，再借助深度學(xué)習(xí)算法處理后，提供建議甚至自主優(yōu)化。圖 16：機(jī)器智能工廠是自動(dòng)化、數(shù)字化、智能化的終局?jǐn)?shù)據(jù)來源：阿里云研究中心人工智能紅利滲透與爆發(fā)制造業(yè)正大踏步地邁入機(jī)器智能時(shí)代。BCG 認(rèn)為，人工智能的使用可降低制造商 20%的加工成本，而這一減少最高有 70%源自于更高的勞動(dòng)生產(chǎn)率。 原全球高級(jí)副總裁李強(qiáng)曾指出，到 2030 年，因人工智能的推動(dòng)，全球?qū)⑿略?15.7 萬億美元的 GDP，中國(guó)就占到了 7 萬億美元；到 2035 年，人工智能將推動(dòng)勞動(dòng)生產(chǎn)力提升 27%，拉

28、動(dòng)制造業(yè)的 GDP高達(dá) 27 萬億美元。德勤研究估計(jì)，全球人工智能及相關(guān)場(chǎng)景在制造業(yè)應(yīng)用的市場(chǎng)規(guī)模在 2016 年約為 1.2 千億美元，到 2025 年有望超過 7.2千億美元，復(fù)合年均增長(zhǎng)率預(yù)計(jì)超過 25%。圖 17：全球人工智能及相關(guān)場(chǎng)景在制造業(yè)應(yīng)用的市場(chǎng)分布1009080706050403020100373131217514921150.125420162025E工業(yè)機(jī)器人制造業(yè)物聯(lián)網(wǎng)制造云（公有）制造業(yè)大數(shù)據(jù)及商業(yè)分析制造業(yè)人工智能智能工廠應(yīng)用/解決方案數(shù)據(jù)來源：Markets and Markets Insights，德勤研究，人工智能在制造業(yè)的應(yīng)用場(chǎng)景分為三類。產(chǎn)品智能化研發(fā)設(shè)計(jì)

29、和為產(chǎn) 品注智；在制造和管理流程中運(yùn)用人工智能提高產(chǎn)品質(zhì)量和生產(chǎn)效率；供應(yīng)鏈的智能化。圖 18：人工智能制造業(yè)應(yīng)用場(chǎng)景譜圖數(shù)據(jù)來源：德勤研究中國(guó)人工智能產(chǎn)業(yè)白皮書與碳中和聯(lián)系最為密切的是生產(chǎn)制造環(huán)節(jié)，包括生產(chǎn)、維護(hù)、質(zhì)量、物流等子環(huán)節(jié)。以最核心的生產(chǎn)過程為例，基于收集的生產(chǎn)數(shù)據(jù)，人工智能可以自動(dòng)設(shè)置和調(diào)整機(jī)器的運(yùn)行參數(shù)，讓機(jī)器和部件成為自優(yōu)化的系統(tǒng)，更加節(jié)能高效。例如，在注塑過程中，需要關(guān)注的外部因素是外界溫度，需要控制塑料的溫度、冷卻時(shí)間表、速度等，基于人工智能的自主監(jiān)測(cè)與調(diào)節(jié)效率更高。BCG 的研究案例還提及，一些鋼鐵廠利用人工智能，讓熔爐自動(dòng)優(yōu)化設(shè)置，識(shí)別穩(wěn)定工藝條件的最低溫度，從而降低

30、整體的能耗。表 4：人工智能在未來的工廠中將變得無所不在場(chǎng)景 過程功能AI 支持生成式產(chǎn)品設(shè)計(jì)，根據(jù)既定目標(biāo)，利用算法探索可能的設(shè)計(jì)方案。通過迭代式測(cè)試和學(xué)習(xí)，AI 算法優(yōu)化設(shè)計(jì)，工程推薦在人類看來非傳統(tǒng)的解決方案。工廠一些航天公司利用生成式設(shè)計(jì)，開發(fā)飛行器部件，比如提供應(yīng)鏈管理需求預(yù)測(cè)是供應(yīng)鏈管理領(lǐng)域應(yīng)用 AI 的關(guān)鍵主題。AI 通過分析和學(xué)習(xí)產(chǎn)品發(fā)布以及天氣情況等來支持需求預(yù)測(cè)。一些公司利用機(jī)器學(xué)習(xí)算法識(shí)別需求模式，手段是將倉(cāng)庫(kù)、ERP 系統(tǒng)與客戶洞察的數(shù)據(jù)合并起來。工廠生產(chǎn)一些鋼鐵廠利用 AI 讓熔爐自動(dòng)優(yōu)化設(shè)置。在汽車業(yè)，得到智能圖像識(shí)別能力增強(qiáng)的機(jī)器人，可以從內(nèi)部未定義的位置（比如箱

31、子里或傳送帶上）撿起未分類零件。維護(hù)AI 支持預(yù)測(cè)性維護(hù)根據(jù)實(shí)際情況替換磨損部件。之外供跟傳統(tǒng)設(shè)計(jì)功能相同但是卻輕便許多的仿生學(xué)結(jié)構(gòu)。一些煉油廠實(shí)現(xiàn)了在設(shè)備失效前估計(jì)剩余時(shí)間的機(jī)器學(xué)習(xí) 模型。這種模型會(huì)考慮超過 1000 個(gè)與材料投入、材料輸出、工藝參數(shù)以及氣候條件有關(guān)的變量。汽車供應(yīng)商利用帶機(jī)器學(xué)習(xí)算法的視覺系統(tǒng)，識(shí)別有質(zhì)量質(zhì)量問題的部件，包括檢測(cè)沒有出現(xiàn)在訓(xùn)練集內(nèi)的缺陷。AI 還可以學(xué)習(xí)由機(jī)器和生產(chǎn)環(huán)境產(chǎn)生的數(shù)據(jù)，如將材料屬性和行為與鉆床信息比較，預(yù)測(cè)鉆孔超出耐受度風(fēng)險(xiǎn)。在工廠和倉(cāng)庫(kù)內(nèi)運(yùn)輸物品的無人車，會(huì)利用 AI 感應(yīng)障礙，調(diào)整車輛路線。物流機(jī)器學(xué)習(xí)算法會(huì)利用物流數(shù)據(jù)，比如材料進(jìn)出數(shù)據(jù)、

32、庫(kù)存量、零件周轉(zhuǎn)率等，促進(jìn)倉(cāng)庫(kù)自主優(yōu)化運(yùn)營(yíng)。比方說，有一個(gè)算法會(huì)建議將低需求的零件轉(zhuǎn)移到更遠(yuǎn)的地方，并且將高需求的零件放到可以更快獲取的附近區(qū)域。數(shù)據(jù)來源：BCG，36 氪，AI+交通：智慧交通節(jié)能減排交通運(yùn)輸行業(yè)是全球第二大碳排放源，對(duì)我國(guó)實(shí)現(xiàn)碳達(dá)峰目標(biāo)與碳中和愿景有重要影響。統(tǒng)計(jì)顯示，交通領(lǐng)域的碳排放占全國(guó)終端碳排放的 15%；過去 9 年，這一領(lǐng)域的碳排放年均增速在 5%以上。以機(jī)動(dòng)車為例，截至 2021 年 3 月，全國(guó)機(jī)動(dòng)車保有量達(dá) 3.78 億輛，其中汽車 2.87億輛；根據(jù)測(cè)算，1 輛汽車每燃燒 1 升燃料大約排放 2.5 千克二氧化碳，總共的碳排放量非?？捎^，減排空間也很大。圖

33、 19：交通運(yùn)輸行業(yè)長(zhǎng)期面臨安全、效率、綠色等痛點(diǎn)數(shù)據(jù)來源：騰訊未來交通白皮書人工智能在交通領(lǐng)域的應(yīng)用包括智能汽車（自動(dòng)駕駛）與智慧交通，提升了交通領(lǐng)域的減排潛力。智慧交通旨在于解決交通行業(yè)存在的擁堵、安全等問題，將核心交通元素聯(lián)通，建立一個(gè)人、車、路協(xié)同的環(huán)境。自動(dòng)駕駛通過傳感器、計(jì)算機(jī)視覺技術(shù)、算法模型，解放駕駛員的雙手。智能化、電動(dòng)化是汽車產(chǎn)業(yè)發(fā)展趨勢(shì)，自動(dòng)駕駛是加速新能源汽車普及的關(guān)鍵。事實(shí)上，自動(dòng)駕駛的實(shí)現(xiàn)與落地應(yīng)用離不開智慧交通的支持。圖 20：車路智行技術(shù)發(fā)展路線圖數(shù)據(jù)來源：百度Apollo 智能交通白皮書智慧交通是交通運(yùn)輸、信息技術(shù)交叉融合的產(chǎn)物，是應(yīng)對(duì)交通擁堵、安全、節(jié)能減排

34、的有效方式。將云計(jì)算、通訊傳輸、電子傳感、電子控制以及人工智能算法等，集成運(yùn)用于交通管理，建立起智能交通運(yùn)輸系統(tǒng)（ITS），提高交通系統(tǒng)的感知、計(jì)算、決策以及調(diào)度能力?？萍既?qǐng)?bào)援引相關(guān)數(shù)據(jù)指出，智慧交通可使車輛安全事故率降低 20以上，交通堵塞減少約 60，短途運(yùn)輸效率提高近 70，現(xiàn)有道路網(wǎng)的通行能力提高 23 倍。但是，目前我國(guó)的智慧交通系統(tǒng)技術(shù)和應(yīng)用水平與國(guó)外相比還有相當(dāng)大的差距。巨頭入場(chǎng)，參與 2G 大訂單業(yè)務(wù)。科技互聯(lián)網(wǎng)巨頭BATH 均在智慧交通領(lǐng)域就位，百度推出“ACE 交通引擎”，華為有“交通智能體”解決方案，騰訊亮相了城市智慧交通解決方案“We Transport”，阿里在其城

35、市大腦業(yè)務(wù)中探索。智慧交通是 2G 業(yè)務(wù)，政府的大金額項(xiàng)目會(huì)更加關(guān)注企業(yè)的技術(shù)能力、執(zhí)行能力，因而 BATH 在行業(yè)前期開拓訂單更加順利。表 5：巨頭紛紛布局智慧交通領(lǐng)域并獲取G 端訂單廠商城市合作情況2020 年 8 月，百度 Apollo 旗下子公司阿波羅智行科技（廣州）有限公司中標(biāo)“廣州市黃埔區(qū)廣州開發(fā)區(qū)百度廣東廣州面向自動(dòng)駕駛與車路協(xié)同的智慧交通新基建項(xiàng)目”。項(xiàng)目金額近 4.6 億元，訂單包括車路協(xié)同路網(wǎng)基礎(chǔ)設(shè)施、智能路口、車聯(lián)網(wǎng)等相關(guān)應(yīng)用系統(tǒng)的建設(shè)。2020 年 9 月，深圳智能網(wǎng)聯(lián)交通測(cè)試示范平臺(tái)項(xiàng)目招標(biāo)結(jié)果公示，騰訊華為聯(lián)合體中標(biāo)，項(xiàng)目金額 1.49騰訊&華為廣東深圳華為河南許昌

36、蘑菇車聯(lián)湖南衡陽億。騰訊自動(dòng)駕駛將運(yùn)用自身在融合感知、決策規(guī)劃、高精度地圖、虛擬仿真、云計(jì)算等方面的技術(shù)優(yōu)勢(shì)，助力深圳市坪山區(qū)打造集研發(fā)、測(cè)試、示范、產(chǎn)業(yè)化于一體的立體化智能網(wǎng)聯(lián)產(chǎn)業(yè)創(chuàng)新示范區(qū)。2020 年 12 月，河南許昌市云政智慧城市建設(shè)運(yùn)營(yíng)有限公司“許昌市新型智慧城市建設(shè)（一期）項(xiàng)目之城市數(shù)字平臺(tái)、智慧大腦、互聯(lián)網(wǎng)+政務(wù)、12345 熱線、智慧交通、智慧停車、企業(yè)服務(wù)一體化平臺(tái)子項(xiàng)目（不見面開標(biāo)）” 單一來源采購(gòu)公告發(fā)布， 概算金額 32138.37 萬元，華為技術(shù)有限公司中標(biāo)。2021 年 3 月，衡陽市與蘑菇車聯(lián)簽署戰(zhàn)略合作協(xié)議，雙方在智能終端、車路協(xié)同、自動(dòng)駕駛及智慧交通領(lǐng)域展開

37、深度合作，共建智慧交通創(chuàng)新示范城市，推動(dòng)城市級(jí)自動(dòng)駕駛大規(guī)模落地和商業(yè)化運(yùn)營(yíng)。項(xiàng)目總投資約 5 億元，一期計(jì)劃投資 7000 萬元。數(shù)據(jù)來源：新智駕，百度 2020 年 4 月發(fā)布“ACE 交通引擎”國(guó)內(nèi)外首個(gè)車路行融合的全棧式智慧交通解決方案。ACE 交通引擎依托了百度多年來在人工智能、自動(dòng)駕駛、車路協(xié)同方面的積累和實(shí)踐，采用“1+2+N”的系統(tǒng)架構(gòu)，即“一大數(shù)字底座、兩大智能引擎、N 大應(yīng)用生態(tài)”。百度披露， ACE 交通引擎已在長(zhǎng)沙、北京、重慶、南京、保定等 10 余個(gè)城市落地實(shí)踐。圖 21：百度 ACE 交通引擎總體架構(gòu)數(shù)據(jù)來源：Apollo 智能交通白皮書AI+能源：應(yīng)用潛力更待挖掘能源行業(yè)涵蓋多個(gè)子行業(yè)，在此我們主要討論“石油/礦物”和“