2022年機(jī)器學(xué)習(xí)行業(yè)市場研究報告

2022年機(jī)器學(xué)習(xí)行業(yè)市場研究報告行業(yè)現(xiàn)狀發(fā)展歷程驅(qū)動因素行業(yè)痛點(diǎn)產(chǎn)業(yè)鏈行業(yè)環(huán)境目錄01、行業(yè)概述

02、發(fā)展環(huán)境03、行業(yè)現(xiàn)狀

04、行業(yè)痛點(diǎn)

05、行業(yè)前景趨勢行業(yè)概述行業(yè)定義行業(yè)發(fā)展歷程行業(yè)產(chǎn)業(yè)鏈01行業(yè)定義機(jī)器學(xué)習(xí)指專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為以獲取新的知識或技能的學(xué)科，使計算機(jī)重新組織已有的知識結(jié)構(gòu)并不斷改善自身的性能。機(jī)器學(xué)習(xí)以數(shù)據(jù)為基礎(chǔ)，通過研究樣本數(shù)據(jù)尋找規(guī)律，并根據(jù)所得規(guī)律對未來數(shù)據(jù)進(jìn)行預(yù)測。機(jī)器學(xué)習(xí)是人工智能的核心，廣泛應(yīng)用于數(shù)據(jù)挖掘、計算機(jī)視覺、自然語言處理、生物特征識別等人工智能領(lǐng)域。(1)按學(xué)習(xí)模式的不同，機(jī)器學(xué)習(xí)可分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí):(2)按算法網(wǎng)絡(luò)深度的不同，機(jī)器學(xué)習(xí)可分為淺層學(xué)習(xí)和深度學(xué)習(xí):發(fā)展歷程萌芽期（1949-1968年）：1949至1968年，機(jī)器學(xué)習(xí)基礎(chǔ)理論和模型開始出現(xiàn)，行業(yè)進(jìn)入萌芽期。1949年，DonaldHebb提出赫布學(xué)習(xí)理論，解釋了循環(huán)神經(jīng)網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的關(guān)聯(lián)性，為機(jī)器學(xué)習(xí)的發(fā)展奠定了理論基礎(chǔ)。1952年，IBM的ArthurSamuel設(shè)計出一款具有學(xué)習(xí)能力的西洋跳棋程序，該程序可通過觀察棋子的位置變化來構(gòu)建新模型，逐步改善下棋技巧。ArthurSamuel將機(jī)器學(xué)習(xí)定義為可提供計算機(jī)能力而無需顯式編程的研究領(lǐng)域。1957年，Rosenblatt提出感知器模型，其可在簡單結(jié)構(gòu)中表現(xiàn)出智能系統(tǒng)的基本屬性。1960年，Widrow將Delta學(xué)習(xí)規(guī)則應(yīng)用于感知器模型中，進(jìn)一步提高線性分類器的精確度。瓶頸期（1969-1979年）：1969至1979年，機(jī)器學(xué)習(xí)在理論研究方面遇到瓶頸，發(fā)展步伐趨于滯緩。1969年，Minsky提出神經(jīng)網(wǎng)絡(luò)異或問題，揭露感知器模型無法處理線性不可分問題的缺陷，機(jī)器學(xué)習(xí)開始面臨理論研究困境。Winston于1970年提出結(jié)構(gòu)學(xué)習(xí)系統(tǒng)，推動基于邏輯表示的符號主義學(xué)習(xí)技術(shù)進(jìn)一步發(fā)展，但該系統(tǒng)只能學(xué)習(xí)單一概念，未能突破機(jī)器學(xué)習(xí)的理論研究瓶頸。恢復(fù)期（1980-1989年）：1980至1989年，神經(jīng)網(wǎng)絡(luò)領(lǐng)域的理論研究從單一概念學(xué)習(xí)逐漸拓展至多個概念學(xué)習(xí)，機(jī)器學(xué)習(xí)的實踐應(yīng)用逐漸增多，行業(yè)進(jìn)入恢復(fù)期。1980年，首屆機(jī)器學(xué)習(xí)國際研討會于美國卡內(nèi)基梅隆大學(xué)召開，機(jī)器學(xué)習(xí)的關(guān)注度顯著提升。1981年，Werbos在神經(jīng)網(wǎng)絡(luò)反向傳播算法中提出多層感知器模型，機(jī)器學(xué)習(xí)理論研究步伐逐步加快。1986年，Quinlan提出ID3算法，該算法為機(jī)器學(xué)習(xí)領(lǐng)域的主流算法分支之一，其規(guī)則簡單，理論框架清晰，應(yīng)用場景不斷增多。突破期（1990-2005年）：1990至2005年，機(jī)器學(xué)習(xí)在算法模型方面實現(xiàn)突破，Boosting算法、支持向量機(jī)模型的提出有力推動機(jī)器學(xué)習(xí)進(jìn)一步發(fā)展。Schapire于1990年率先構(gòu)造出多項式級的Boosting算法，F(xiàn)reund于1991年提出更高效的Boosting算法，Boosting算法的提出和發(fā)展顯著提高弱分類器的準(zhǔn)確度。1995年，F(xiàn)reund和Schapire在改進(jìn)Boosting算法的過程中提出AdaBoost算法，AdaBoost算法無需弱學(xué)習(xí)器的先驗知識，更易于解決實際問題。1995年，Vapnik和Cortes提出支持向量機(jī)算法模型，該算法模型具有堅實的理論基礎(chǔ)以及出色的實證結(jié)果，是機(jī)器學(xué)習(xí)領(lǐng)域的重大突破。產(chǎn)業(yè)鏈上游產(chǎn)業(yè)鏈上游：人工智能芯片是機(jī)器學(xué)習(xí)產(chǎn)業(yè)鏈的核心底層硬件，為機(jī)器學(xué)習(xí)應(yīng)用提供算力基礎(chǔ)。按技術(shù)架構(gòu)的不同，人工智能芯片可分為GPU、ASIC、FPGA。GPU具有軟件生態(tài)齊全、并行計算能力強(qiáng)的特點(diǎn)，是現(xiàn)階段深度學(xué)習(xí)訓(xùn)練的首選芯片。GPU是一種具有大規(guī)模并行計算架構(gòu)，專為同時處理多重任務(wù)而設(shè)計的芯片，其發(fā)展時間長，產(chǎn)品成熟，支持CUDA統(tǒng)一架構(gòu)、OpenCL架構(gòu)等編程環(huán)境，編程語言成熟易用，便于開發(fā)者開發(fā)應(yīng)用。此外，GPU的峰值計算能力強(qiáng)，處理速度可達(dá)CPU的10至100倍，適用于并行計算大規(guī)模數(shù)據(jù)，可顯著加快深度學(xué)習(xí)計算速度。ASIC是全定制化的人工智能芯片，具有體積小、功耗低、通信效率高、計算速度快等特點(diǎn)。ASIC是為符合特定用戶需求而定制的專用人工智能芯片，其計算能力和通信效率均可通過算法進(jìn)行定制，專用化、定制化的設(shè)計將數(shù)據(jù)傳輸時間和數(shù)據(jù)等待時間壓制到最低，顯著提升芯片性能與運(yùn)行速率。ASIC的主要類型包括TPU、BPU和NPU，其中，TPU為谷歌于2016年研發(fā)的專用于機(jī)器學(xué)習(xí)的ASIC芯片。FPGA可靈活編譯，處理效率高，適用于深度學(xué)習(xí)預(yù)測。FPGA指現(xiàn)場可編程門陣列，是在可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的半定制電路，其處理重復(fù)計算指令能力強(qiáng)，相比GPU,“CPU+FPGA”混合異構(gòu)的功耗更低，運(yùn)用于深度學(xué)習(xí)預(yù)測的效率更高，性能優(yōu)勢更突出?，F(xiàn)階段，人工智能芯片市場由海外廠商主導(dǎo)，中國廠商的發(fā)展步伐逐步加快，但和海外頭部廠商相比仍有明顯差距。海外頭部廠商包括英偉達(dá)、英特爾、IBM、谷歌、微軟、高通等，英偉達(dá)于2018年推出新一代GPU產(chǎn)品NVIDIATeslaV100，英特爾通過收購Altera、Nervana、eASIC、NetSpeedSystems等芯片組廠商布局人工智能芯片產(chǎn)品線，谷歌于2018年發(fā)布其第三代人工智能專用處理器TPU0，蘋果于2018年發(fā)布的新款iphone手機(jī)均搭載了A12仿生芯片，IBM的人工智能團(tuán)隊于2018年利用大規(guī)模模擬存儲器陣列訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，達(dá)到與GPU相當(dāng)?shù)木取Ｖ袊斯ぶ悄苄酒瑥S商著重布局邊緣端芯片產(chǎn)品，針對安防、自動駕駛、智能家居、物聯(lián)網(wǎng)等領(lǐng)域的終端設(shè)備開發(fā)專用的人工智能芯片，代表廠商包括中星微、華為海思、瑞芯微、寒武紀(jì)、地平線、深鑒科技、云之聲、曠視科技等，中國人工智能芯片市場以初創(chuàng)型廠商居多。大數(shù)據(jù)服務(wù)商提供的服務(wù)包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)存儲、數(shù)據(jù)交易等，其類型包括學(xué)術(shù)機(jī)構(gòu)、數(shù)據(jù)外包服務(wù)公司、人工智能應(yīng)用服務(wù)公司。學(xué)術(shù)機(jī)構(gòu)通過自行采集、標(biāo)注大量數(shù)據(jù)來建立學(xué)術(shù)研究數(shù)據(jù)庫，以用于算法的創(chuàng)新性驗證、學(xué)術(shù)競賽等，該類數(shù)據(jù)庫迭代速度慢，商業(yè)應(yīng)用場景有限，典型代表有ImageNet。數(shù)據(jù)外包服務(wù)公司是最常見的大數(shù)據(jù)服務(wù)商類型，其業(yè)務(wù)類型包括出售現(xiàn)成數(shù)據(jù)訓(xùn)練集的使用授權(quán)以及根據(jù)用戶特定需求提供數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、數(shù)據(jù)轉(zhuǎn)寫等服務(wù)。人工智能應(yīng)用服務(wù)公司同是大數(shù)據(jù)服務(wù)的需求方和供給方，除購買數(shù)據(jù)外包服務(wù)公司的相關(guān)服務(wù)外，人工智能應(yīng)用服務(wù)公司還通過自建數(shù)據(jù)服務(wù)團(tuán)隊來構(gòu)建自用數(shù)據(jù)庫，部分人工智能應(yīng)用服務(wù)公司將自建數(shù)據(jù)庫包裝成產(chǎn)品出售，大數(shù)據(jù)服務(wù)成為其業(yè)務(wù)板塊之一。產(chǎn)業(yè)鏈中游產(chǎn)業(yè)鏈中游：中游的機(jī)器學(xué)習(xí)技術(shù)服務(wù)商是機(jī)器學(xué)習(xí)產(chǎn)業(yè)鏈的關(guān)鍵主體，其提供的服務(wù)包括機(jī)器學(xué)習(xí)基礎(chǔ)開源框架以及機(jī)器學(xué)習(xí)技術(shù)開放平臺。機(jī)器學(xué)習(xí)基礎(chǔ)開源框架是構(gòu)建機(jī)器學(xué)習(xí)模型的重要根基，市場中的機(jī)器學(xué)習(xí)基礎(chǔ)開源框架產(chǎn)品繁多，市場競爭激烈，谷歌、亞馬遜、Facebook等互聯(lián)網(wǎng)巨頭在機(jī)器學(xué)習(xí)基礎(chǔ)開源框架領(lǐng)域具有領(lǐng)先優(yōu)勢。谷歌于2016年推出機(jī)器學(xué)習(xí)系統(tǒng)開源工具TensorFlow，適用于智能手機(jī)、大型數(shù)據(jù)中心服務(wù)器等各類硬件設(shè)備，市場關(guān)注度不斷提升。MXNet是亞馬遜的機(jī)器學(xué)習(xí)基礎(chǔ)開源框架產(chǎn)品，其適用于Python，R，Julia，Scala，Javascript等語言，可在多個CPU、GPU設(shè)備上進(jìn)行分布式訓(xùn)練，運(yùn)算效率優(yōu)勢突出。Facebook于2018年推出機(jī)器學(xué)習(xí)基礎(chǔ)開源框架產(chǎn)品Pytorch，該產(chǎn)品通用性強(qiáng)，語言簡單，用戶數(shù)量逐漸增多。其他機(jī)器學(xué)習(xí)基礎(chǔ)開源框架典型代表產(chǎn)品有Theano、Caffe、Keras等。機(jī)器學(xué)習(xí)技術(shù)開放平臺為開發(fā)者提供基于機(jī)器學(xué)習(xí)的應(yīng)用開發(fā)環(huán)境，可簡化開發(fā)者對算法的接口調(diào)用、可視化、參數(shù)調(diào)優(yōu)等自動化任務(wù)的管理。典型的機(jī)器學(xué)習(xí)技術(shù)開放平臺包括亞馬遜的AmazonMachineLearning、微軟的Azure機(jī)器學(xué)習(xí)工作臺、騰訊的DI-X機(jī)器學(xué)習(xí)平臺、阿里云機(jī)器學(xué)習(xí)PAI等。產(chǎn)業(yè)鏈下游產(chǎn)業(yè)鏈下游：下游的機(jī)器學(xué)習(xí)應(yīng)用服務(wù)商為最終用戶提供基于機(jī)器學(xué)習(xí)的垂直領(lǐng)域應(yīng)用服務(wù)，機(jī)器學(xué)習(xí)廣泛應(yīng)用于金融、教育、醫(yī)療、工業(yè)、零售等垂直領(lǐng)域。在金融領(lǐng)域，機(jī)器學(xué)習(xí)可滿足金融機(jī)構(gòu)在數(shù)據(jù)處理安全性、速度、精確度等方面的高要求，其在信用評分、投資組合管理、金融產(chǎn)品推薦、客戶關(guān)系管理、金融欺詐檢測等場景具有高適用性。金融領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用服務(wù)商有商湯科技、依圖科技、云從科技、竹間智能、京東金融等。在教育領(lǐng)域，應(yīng)用機(jī)器學(xué)習(xí)的產(chǎn)品包括語音測評產(chǎn)品、智能批改產(chǎn)品、分級閱讀產(chǎn)品等。語音測評產(chǎn)品通過機(jī)器學(xué)習(xí)提高口語測評、統(tǒng)計評分效率，智能批改產(chǎn)品通過機(jī)器學(xué)習(xí)大幅提升批改準(zhǔn)確率，分級閱讀產(chǎn)品通過機(jī)器學(xué)習(xí)為不同年齡段學(xué)生匹配合適讀物。教育領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用服務(wù)商有科大訊飛、馳聲科技、流利說、測評學(xué)、一起作業(yè)、高木學(xué)習(xí)等。在醫(yī)療領(lǐng)域，機(jī)器學(xué)習(xí)在疾病監(jiān)測、藥物發(fā)明、輔助診療等方面具有高適用性，可顯著提高疾病監(jiān)測效率，縮短藥物發(fā)明時間，提高診療精確度。醫(yī)療領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用服務(wù)商有碳云智能、騰訊覓影、天智航、萬里云、匯醫(yī)慧影等。在工業(yè)領(lǐng)域，機(jī)器學(xué)習(xí)可顯著提升工業(yè)生產(chǎn)中的設(shè)備維護(hù)、產(chǎn)品質(zhì)檢、能源管理、物流運(yùn)輸?shù)拳h(huán)節(jié)的效率，其在工業(yè)領(lǐng)域的滲透率不斷提高。工業(yè)領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用服務(wù)商有高視科技、庫柏特、Uptake等。發(fā)展環(huán)境政策環(huán)境經(jīng)濟(jì)環(huán)境社會環(huán)境02PartOne政策環(huán)境1提出要支持自然語言理解、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)創(chuàng)新，提升數(shù)據(jù)分析處理能力、知識發(fā)現(xiàn)能力和輔助決策能力。國務(wù)院《關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動的指導(dǎo)意見》《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》國務(wù)院《機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃（2016－2020年）》工信部、發(fā)改委、財政部提出要建設(shè)支撐超大規(guī)模深度學(xué)習(xí)的新型計算集群，構(gòu)建包括語音、圖像、視頻、地圖等數(shù)據(jù)的海量訓(xùn)練資源庫，加強(qiáng)人工智能基礎(chǔ)資源和公共服務(wù)等創(chuàng)新平臺建設(shè)提出要重點(diǎn)開展人工智能、機(jī)器人深度學(xué)習(xí)等基礎(chǔ)前沿技術(shù)研究，突破機(jī)器人通用控制軟件平臺、人機(jī)共存、安全控制、高集成一體化關(guān)節(jié)、靈巧手等核心技術(shù)?！丁盎ヂ?lián)網(wǎng)+”人工智能三年行動實施方案》提出要重點(diǎn)突破自適應(yīng)學(xué)習(xí)、自主學(xué)習(xí)等理論方法，實現(xiàn)具備高可解釋性、強(qiáng)泛化能力的人工智能，要突破量子加速機(jī)器學(xué)習(xí)方法，建立高性能計算與量子算法混合模型，形成高效精確自主的量子人工智能系統(tǒng)架構(gòu)神經(jīng)網(wǎng)絡(luò)芯片領(lǐng)域的揭榜任務(wù)為:研發(fā)面向機(jī)器學(xué)習(xí)訓(xùn)練應(yīng)用的云端神經(jīng)網(wǎng)絡(luò)芯片、面向終端應(yīng)用發(fā)展適用于機(jī)器學(xué)習(xí)計算的終端神經(jīng)網(wǎng)絡(luò)芯片，研發(fā)與神經(jīng)網(wǎng)絡(luò)芯片配套的編譯器、驅(qū)動軟件、開發(fā)環(huán)境等產(chǎn)業(yè)化支撐工具。提出要建設(shè)滿足深度學(xué)習(xí)等智能計算需求的新型計算集群共享平臺、云端智能分析處理服務(wù)平臺、算法與技術(shù)開放平臺、智能系統(tǒng)安全公共服務(wù)平臺、多種生物特征識別的基礎(chǔ)身份認(rèn)證平臺等基礎(chǔ)資源服務(wù)平臺?！蛾P(guān)于深化“互聯(lián)網(wǎng)+先進(jìn)制造業(yè)”發(fā)展工業(yè)互聯(lián)網(wǎng)的指導(dǎo)意見》提出要著力提升數(shù)據(jù)分析算法與工業(yè)知識、機(jī)理、經(jīng)驗的集成創(chuàng)新水平，形成一批面向不同工業(yè)場景的工業(yè)數(shù)據(jù)分析軟件與系統(tǒng)以及具有深度學(xué)習(xí)等人工智能技術(shù)的工業(yè)智能軟件和解決方案?！缎乱淮斯ぶ悄墚a(chǎn)業(yè)創(chuàng)新重點(diǎn)任務(wù)揭榜工作方案》《新一代人工智能發(fā)展規(guī)劃》政策環(huán)境2社會環(huán)境中國國電子技術(shù)標(biāo)準(zhǔn)化研究院在《人工智能標(biāo)準(zhǔn)化白皮書(2018版)》中，將人工智能定義為:人工智能是利用數(shù)字計算機(jī)或者數(shù)字計算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。人工智能作為一門前沿交叉學(xué)科，其定義一直存有不同的觀點(diǎn):《人工智能——一種現(xiàn)代方法》中將已有的一些人工智能定義分為四類:像人一樣思考的系統(tǒng)、像人一樣行動的系統(tǒng)、理性地思考的系統(tǒng)、理性地行動的系統(tǒng)。維基百科上定義“人工智能就是機(jī)器展現(xiàn)出的智能”，即只要是某種機(jī)器，具有某種或某些“智能”的特征或表現(xiàn)，都應(yīng)該算作“人工智能”。社會環(huán)境人工智能行業(yè)迎發(fā)展黃金期。4月19日，在首屆濟(jì)南國家級人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)高端峰會上中國信息通信研究院發(fā)布《2020年全球人工智能產(chǎn)業(yè)地圖》(以下簡稱《產(chǎn)業(yè)地圖》)?！懂a(chǎn)業(yè)地圖》顯示，中國AI企業(yè)數(shù)量全球排名第二，中美兩國在人工智能領(lǐng)域占絕對競爭優(yōu)勢。中國信息通信研究院副院長魏亮在現(xiàn)場介紹說，2020年，美國人工智能企業(yè)占據(jù)全球總數(shù)38.3%，中國緊隨其后，占266%。中美兩國AI企業(yè)數(shù)量占據(jù)全球半數(shù)以上，保持絕對競爭優(yōu)勢。美、中、英、加等名列前10名國家的AI企業(yè)數(shù)量排名連續(xù)四年無明顯變化。經(jīng)濟(jì)環(huán)境高性能計算技術(shù)融入智能計算體系，新型智能計算也正助力人工智能發(fā)展。2020年，在疫情防控和復(fù)工復(fù)產(chǎn)中，人工智能技術(shù)發(fā)揮著重要作用，資本市場對于人工智能的熱度升溫，全球AI投資金額基本止跌，中國國內(nèi)AI投資金額轉(zhuǎn)降為升。全球人工智能產(chǎn)業(yè)規(guī)模達(dá)到1565億美元，同比增長13%，但由于疫情影響，增速低于2019年。中國人工智能產(chǎn)業(yè)規(guī)模為434億美元，同比增長175%，超過全球增速。行業(yè)現(xiàn)狀分析03PartOne行業(yè)現(xiàn)狀分析2006年以來，深度學(xué)習(xí)的推廣應(yīng)用速度逐步加快，應(yīng)用領(lǐng)域不斷拓寬，其逐漸成為機(jī)器學(xué)習(xí)領(lǐng)域的主流算法。在深度學(xué)習(xí)的帶動發(fā)展下，機(jī)器學(xué)習(xí)在人工智能應(yīng)用市場中的應(yīng)用占比從2014年的9.6%上升至2018年的12%。人工智能市場規(guī)模從2014年77億元增長至2018年的339.0億元，年復(fù)合增長率達(dá)47.5%，在人工智能商業(yè)化應(yīng)用步伐逐步加快以及機(jī)器學(xué)習(xí)應(yīng)用占比不斷提高的發(fā)展背景下，機(jī)器學(xué)習(xí)發(fā)展進(jìn)一步加快。機(jī)器學(xué)習(xí)廣泛應(yīng)用于金融、教育、醫(yī)療、工業(yè)、零售、能源等多個垂直領(lǐng)域，2014至2018年，各垂直領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用項目平均市場價格處于500萬元至580萬元區(qū)間內(nèi)，根據(jù)各垂直領(lǐng)域機(jī)器學(xué)習(xí)項目平均市場價格以及項目數(shù)量進(jìn)行計算，中國機(jī)器學(xué)習(xí)行業(yè)市場規(guī)模從2014年的8.7億元增長至2018年的55億元，年復(fù)合增長率達(dá)56.7%。隨著機(jī)器學(xué)習(xí)算法的不斷改進(jìn)，其在各垂直領(lǐng)域的應(yīng)用將進(jìn)一步加深，各垂直領(lǐng)域的機(jī)器學(xué)習(xí)應(yīng)用項目數(shù)量將不斷增多，至2023年，機(jī)器學(xué)習(xí)市場規(guī)模將達(dá)336.7億元，2019至2023年年復(fù)合增長率達(dá)46.3%。行業(yè)現(xiàn)狀分析機(jī)器學(xué)習(xí)的核心價值是通過特定算法分析已知數(shù)據(jù)，識別隱藏在數(shù)據(jù)中的可能性，并基于此獨(dú)立或輔助使用者進(jìn)行預(yù)測與決策。機(jī)器學(xué)習(xí)體現(xiàn)價值的前提是存在大量可供分析的數(shù)據(jù)，具體到企業(yè)的實際應(yīng)用當(dāng)中，就是要求企業(yè)能夠提供連續(xù)準(zhǔn)確的硏發(fā)設(shè)計、生產(chǎn)經(jīng)營、設(shè)備運(yùn)行、營銷獲客等各方面業(yè)務(wù)數(shù)據(jù)，以此訓(xùn)練、修正、完善算法模型，再利用模型挖掘企業(yè)數(shù)據(jù)的真正價值?？梢哉f，行業(yè)或區(qū)域的數(shù)字化程度決定著機(jī)器學(xué)習(xí)能夠在其中發(fā)揮多大作用。2016-2019年我國數(shù)字經(jīng)濟(jì)規(guī)模快速增長，占GDP的比重也逐年增加，2019年我國數(shù)字機(jī)構(gòu)及規(guī)模達(dá)到5.2億元，占GDP比重達(dá)到36.2%。目前，機(jī)器學(xué)習(xí)還缺少在各行各業(yè)大面積應(yīng)用的數(shù)據(jù)基礎(chǔ)，短期內(nèi)只能在金融、制造、電力、醫(yī)藥等數(shù)字化水平較好的領(lǐng)域謀求發(fā)展。隨著企業(yè)數(shù)字化轉(zhuǎn)型不斷深化和數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，機(jī)器學(xué)習(xí)還擁有極為廣闊的空間。行業(yè)現(xiàn)狀在近年獲投的機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司中，熱門賽道集中于金融、互聯(lián)網(wǎng)、工業(yè)、政務(wù)、醫(yī)療等。其中，金融賽道與機(jī)器學(xué)習(xí)契合度高且需求強(qiáng)烈，90%以上的機(jī)器學(xué)習(xí)企業(yè)都開展了金融相關(guān)業(yè)務(wù)板塊，機(jī)器學(xué)習(xí)在金融領(lǐng)域的應(yīng)用場景主要在智能風(fēng)控、保險核定、精準(zhǔn)營銷等方面;機(jī)器學(xué)習(xí)在工業(yè)(含電力)領(lǐng)域也有著充分的施展空間，科學(xué)的算法模型應(yīng)用能夠幫助工業(yè)企業(yè)優(yōu)化生產(chǎn)工藝、提升生產(chǎn)效率、減少資產(chǎn)損失;醫(yī)療領(lǐng)域，機(jī)器學(xué)習(xí)的應(yīng)用集中于兩方面，一是藥物發(fā)現(xiàn)中通過算法提高靶點(diǎn)篩選、晶型預(yù)測等環(huán)節(jié)的效率，二是以算法模型賦能基因測序，提升疾病風(fēng)險預(yù)測與輔助診療的準(zhǔn)確性。金融賽道受到投資高度喜愛未來五年年復(fù)合增長率有望高達(dá)20%未來我國機(jī)器學(xué)習(xí)的核心產(chǎn)品將以26%的復(fù)合增長率增長，2025年中國機(jī)器學(xué)習(xí)核心產(chǎn)品市場規(guī)模將達(dá)到506.5億元，帶動相關(guān)產(chǎn)業(yè)市場規(guī)模也將增長到3238億元。明確的政策指引是中國機(jī)器學(xué)習(xí)行業(yè)發(fā)展的重要驅(qū)動因素，中國政府發(fā)布的多部重要產(chǎn)業(yè)規(guī)劃均對機(jī)器學(xué)習(xí)行業(yè)提出相關(guān)發(fā)展要求及指引，有力推動機(jī)器學(xué)習(xí)行業(yè)進(jìn)一步發(fā)展。政策驅(qū)動政策驅(qū)動、機(jī)器學(xué)習(xí)技術(shù)開放平臺、深度學(xué)習(xí)發(fā)展迅速、資本投入推動行業(yè)發(fā)展等是行業(yè)主要驅(qū)動因素作為機(jī)器學(xué)習(xí)領(lǐng)域的主流算法之一，深度學(xué)習(xí)憑借其適應(yīng)性強(qiáng)、準(zhǔn)確率高等特點(diǎn)獲得市場高度關(guān)注，應(yīng)用領(lǐng)域不斷拓寬，其在圖像識別、語音識別、人臉識別等領(lǐng)域的應(yīng)用逐步加深，發(fā)展步伐顯著加快，深度學(xué)習(xí)的迅速發(fā)展是推動機(jī)器學(xué)習(xí)行業(yè)升級發(fā)展的重要因素。深度學(xué)習(xí)通過加深在圖像識別、語音識別、人臉識別等技術(shù)領(lǐng)域的應(yīng)用進(jìn)一步滲透至金融、安防、智能駕駛等垂直應(yīng)用領(lǐng)域，應(yīng)用推廣速度提升明顯，助力機(jī)器學(xué)習(xí)行業(yè)升級發(fā)展。機(jī)器學(xué)習(xí)技術(shù)開放平臺為行業(yè)發(fā)展提供有力支持作為機(jī)器學(xué)習(xí)領(lǐng)域的主流算法之一，深度學(xué)習(xí)憑借其適應(yīng)性強(qiáng)、準(zhǔn)確率高等特點(diǎn)獲得市場高度關(guān)注，應(yīng)用領(lǐng)域不斷拓寬，其在圖像識別、語音識別、人臉識別等領(lǐng)域的應(yīng)用逐步加深，發(fā)展步伐顯著加快，深度學(xué)習(xí)的迅速發(fā)展是推動機(jī)器學(xué)習(xí)行業(yè)升級發(fā)展的重要因素。深度學(xué)習(xí)通過加深在圖像識別、語音識別、人臉識別等技術(shù)領(lǐng)域的應(yīng)用進(jìn)一步滲透至金融、安防、智能駕駛等垂直應(yīng)用領(lǐng)域，應(yīng)用推廣速度提升明顯，助力機(jī)器學(xué)習(xí)行業(yè)升級發(fā)展。深度學(xué)習(xí)發(fā)展迅速機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的重要技術(shù)，是資本市場重點(diǎn)關(guān)注對象之一。在資本力量推動下，一批以機(jī)器學(xué)習(xí)為核心驅(qū)動的初創(chuàng)型公司進(jìn)入到市場中，逐漸成為市場中的有力競爭者。2012年至2019年7月，機(jī)器學(xué)習(xí)領(lǐng)域的一級市場投資事件共有164起，總投資額達(dá)208億元人民幣。隨著資本市場對機(jī)器學(xué)習(xí)的重視程度逐漸提升，多個機(jī)器學(xué)習(xí)項目落地并迅速發(fā)展，充足的投資資金成為初創(chuàng)型機(jī)器學(xué)習(xí)公司進(jìn)一步發(fā)展的重要力量。資本投入推動行業(yè)發(fā)展驅(qū)動因素70%50%深度學(xué)習(xí)發(fā)展迅速機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的重要技術(shù)，是資本市場重點(diǎn)關(guān)注對象之一。在資本力量推動下，一批以機(jī)器學(xué)習(xí)為核心驅(qū)動的初創(chuàng)型公司進(jìn)入到市場中，逐漸成為市場中的有力競爭者。2012年至2019年7月，機(jī)器學(xué)習(xí)領(lǐng)域的一級市場投資事件共有164起，總投資額達(dá)208億元人民幣。隨著資本市場對機(jī)器學(xué)習(xí)的重視程度逐漸提升，多個機(jī)器學(xué)習(xí)項目落地并迅速發(fā)展，充足的投資資金成為初創(chuàng)型機(jī)器學(xué)習(xí)公司進(jìn)一步發(fā)展的重要力量。作為機(jī)器學(xué)習(xí)領(lǐng)域的主流算法之一，深度學(xué)習(xí)憑借其適應(yīng)性強(qiáng)、準(zhǔn)確率高等特點(diǎn)獲得市場高度關(guān)注，應(yīng)用領(lǐng)域不斷拓寬，其在圖像識別、語音識別、人臉識別等領(lǐng)域的應(yīng)用逐步加深，發(fā)展步伐顯著加快，深度學(xué)習(xí)的迅速發(fā)展是推動機(jī)器學(xué)習(xí)行業(yè)升級發(fā)展的重要因素。深度學(xué)習(xí)通過加深在圖像識別、語音識別、人臉識別等技術(shù)領(lǐng)域的應(yīng)用進(jìn)一步滲透至金融、安防、智能駕駛等垂直應(yīng)用領(lǐng)域，應(yīng)用推廣速度提升明顯，助力機(jī)器學(xué)習(xí)行業(yè)升級發(fā)展。驅(qū)動因素2資本投入推動行業(yè)發(fā)展行業(yè)痛點(diǎn)及發(fā)展建議行業(yè)痛點(diǎn)行業(yè)發(fā)展建議04PartOne行業(yè)痛點(diǎn)訓(xùn)練數(shù)據(jù)問題突出機(jī)器學(xué)習(xí)以數(shù)據(jù)為基礎(chǔ)，訓(xùn)練數(shù)據(jù)的數(shù)量、質(zhì)量、代表性與機(jī)器學(xué)習(xí)模型的性能緊密相連?，F(xiàn)階段，機(jī)器學(xué)習(xí)模型構(gòu)建常因訓(xùn)練數(shù)據(jù)數(shù)量不足，質(zhì)量不佳，代表性不高而出現(xiàn)過擬合、欠擬合、泛化能力減弱、準(zhǔn)確度不足等狀況，是制約機(jī)器學(xué)習(xí)行業(yè)發(fā)展的重要因素。訓(xùn)練數(shù)據(jù)的代表性亦是影響機(jī)器學(xué)習(xí)模型性能的重要因素，訓(xùn)練數(shù)據(jù)缺乏代表性對模型準(zhǔn)確度產(chǎn)生明顯負(fù)面影響。以人臉識別為例，當(dāng)機(jī)器學(xué)習(xí)模型缺乏具有代表性、典型性的人臉特征數(shù)據(jù)時（如高鼻梁、沒有眉毛等），模型會出現(xiàn)樣本偏差，導(dǎo)致人臉識別準(zhǔn)確度大幅下降。機(jī)器學(xué)習(xí)模型可解釋性差復(fù)雜性和質(zhì)量之間的權(quán)衡可解釋性指合理地說明事物變化的原因、事物之間的聯(lián)系、事物發(fā)展的規(guī)律等，機(jī)器學(xué)習(xí)可解釋性差，通常只輸出結(jié)果，而難以闡釋推理和運(yùn)算過程。機(jī)器學(xué)習(xí)模型可解釋性差不利于行業(yè)進(jìn)一步發(fā)展。在機(jī)器學(xué)習(xí)的算法類型中，深度學(xué)習(xí)的可解釋問題最為突出。深度學(xué)習(xí)的神經(jīng)元、隱含層數(shù)量眾多，其神經(jīng)網(wǎng)絡(luò)參數(shù)對應(yīng)的特征并非人工設(shè)計，而是神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過程中其本身選擇所得。人不能了解深度學(xué)習(xí)模型的學(xué)習(xí)內(nèi)容以及參數(shù)含義，亦無法解釋模型的運(yùn)作機(jī)制，難以對深度學(xué)習(xí)模型提出具有針對性的優(yōu)化方案。建立健壯的機(jī)器學(xué)習(xí)模型需要大量的計算資源來處理特征和標(biāo)簽。編碼復(fù)雜的模型需要數(shù)據(jù)科學(xué)家和軟件工程師付出巨大的努力。復(fù)雜的模型可能需要大量的計算能力才能執(zhí)行，并且可能需要更長的時間才能得出可用的結(jié)果。這代表了企業(yè)的權(quán)衡。他們可以選擇較快的響應(yīng)，但結(jié)果可能不太準(zhǔn)確?；蛘咚麄兛梢越邮茌^慢的響應(yīng)，但可以從模型中獲得更準(zhǔn)確的結(jié)果。但是，這些妥協(xié)并非全是壞消息。是否要以更快的響應(yīng)獲得更高的成本和更準(zhǔn)確的模型的決定取決于用例。發(fā)展建議1發(fā)展建議2發(fā)展建議3提升產(chǎn)品質(zhì)量（1）政府方面：政府應(yīng)當(dāng)制定行業(yè)生產(chǎn)標(biāo)準(zhǔn)，規(guī)范機(jī)器學(xué)習(xí)行業(yè)生產(chǎn)流程，并成立相關(guān)部門，對科研用機(jī)器學(xué)習(xí)行業(yè)的研發(fā)、生產(chǎn)、銷售等各個環(huán)節(jié)進(jìn)行監(jiān)督，形成統(tǒng)一的監(jiān)督管理體系，完善試劑流通環(huán)節(jié)的基礎(chǔ)設(shè)施建設(shè)，重點(diǎn)加強(qiáng)冷鏈運(yùn)輸環(huán)節(jié)的基礎(chǔ)設(shè)施升級，保證機(jī)器學(xué)習(xí)行業(yè)產(chǎn)品的質(zhì)量，促進(jìn)行業(yè)長期穩(wěn)定的發(fā)展；（2）生產(chǎn)企業(yè)方面：機(jī)器學(xué)習(xí)行業(yè)生產(chǎn)企業(yè)應(yīng)嚴(yán)格遵守行業(yè)生產(chǎn)規(guī)范，保證產(chǎn)品質(zhì)量的穩(wěn)定性。目前市場上已有多個本土機(jī)器學(xué)習(xí)行業(yè)企業(yè)加強(qiáng)生產(chǎn)質(zhì)量的把控，對標(biāo)優(yōu)質(zhì)、高端的進(jìn)口產(chǎn)品，并憑借價格優(yōu)勢逐步替代進(jìn)口。此外，機(jī)器學(xué)習(xí)行業(yè)企業(yè)緊跟行業(yè)研發(fā)潮流，加大創(chuàng)新研發(fā)力度，不斷推出新產(chǎn)品，進(jìn)一步擴(kuò)大市場占有率，也是未來行業(yè)發(fā)展的重要趨勢。全面增值服務(wù)單一的資金提供方角色僅能為機(jī)器學(xué)習(xí)行業(yè)企業(yè)提供“凈利差”的盈利模式，機(jī)器學(xué)習(xí)行業(yè)同質(zhì)化競爭日趨嚴(yán)重，利潤空間不斷被壓縮，企業(yè)業(yè)務(wù)收入因此受影響，商業(yè)模式亟待轉(zhuǎn)型除傳統(tǒng)的機(jī)器學(xué)習(xí)行業(yè)需求外，設(shè)備管理、服務(wù)解決方案、貸款解決方案、結(jié)構(gòu)化融資方案、專業(yè)咨詢服務(wù)等方面多方位綜合性的增值服務(wù)需求也逐步增強(qiáng)。中國本土機(jī)器學(xué)習(xí)行業(yè)龍頭企業(yè)開始在定制型服務(wù)領(lǐng)域發(fā)力，鞏固行業(yè)地位多元化融資渠道可持續(xù)公司債等創(chuàng)新產(chǎn)品，擴(kuò)大非公開定向債務(wù)融資工具（PPN）、公司債等額度獲取，形成了公司債、PPN、中期票據(jù)、短融、超短融資等多產(chǎn)品、多市場交替發(fā)行的新局面；企業(yè)獲取各業(yè)態(tài)銀行如國有銀行、政策性銀行、外資銀行以及其他中資行的授信額度，確保了銀行貸款資金來源的穩(wěn)定性。機(jī)器學(xué)習(xí)行業(yè)企業(yè)在保證間接融資渠道通暢的同時，能夠綜合運(yùn)用發(fā)債和資產(chǎn)證券化等方式促進(jìn)自身融資渠道的多元化，降低對單一產(chǎn)品和市場的依賴程度，實現(xiàn)融資地域的分散化，從而降低資金成本，提升企業(yè)負(fù)債端的市場競爭力。以遠(yuǎn)東宏信為例，公司依據(jù)自身戰(zhàn)略發(fā)展需求，堅持“資源全球化”戰(zhàn)略，結(jié)合實時國內(nèi)外金融環(huán)境，有效調(diào)整公司直接融資和間接融資的分布結(jié)構(gòu)，在融資成本方面與同業(yè)相比優(yōu)勢突出。行業(yè)發(fā)展建議行業(yè)前景及競爭格局行業(yè)前景行業(yè)競爭格局行業(yè)標(biāo)桿企業(yè)05PartOne深度強(qiáng)化學(xué)習(xí)（DRL，DeepReinforcementLearning）由深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合而成，其同時具有深度學(xué)習(xí)的感知能力和強(qiáng)化學(xué)習(xí)的決策能力。深度強(qiáng)化學(xué)習(xí)具有靈活度高、擴(kuò)展性強(qiáng)、所需訓(xùn)練數(shù)據(jù)量少等特點(diǎn)，其應(yīng)用范圍不斷擴(kuò)展，推廣速度逐漸加快，發(fā)展深度強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)行業(yè)的一大發(fā)展趨勢。發(fā)展深度強(qiáng)化學(xué)習(xí)01020304從技術(shù)本身來看，人工智能自身并不能脫離產(chǎn)業(yè)單獨(dú)發(fā)展，必須與實體企業(yè)相結(jié)合，才能發(fā)揮出更大作用。加快實體經(jīng)濟(jì)與人工智能技術(shù)的深度融合，創(chuàng)造新模式、新業(yè)態(tài)、新產(chǎn)業(yè)，改造傳統(tǒng)產(chǎn)業(yè)、推進(jìn)智能產(chǎn)業(yè)將成為具有極強(qiáng)吸引力的發(fā)展方向，人工智能和實體經(jīng)濟(jì)的融合不僅是新舊經(jīng)濟(jì)轉(zhuǎn)換的核心，更將為保障以及改善民生提供更多更好的路徑。人工智能將會更緊密地與實體經(jīng)濟(jì)結(jié)合，改善民生生成對抗網(wǎng)絡(luò)（GAN，GenerativeAdversarialNetworks）是一種由兩個相互博弈的神經(jīng)網(wǎng)絡(luò)組成的無監(jiān)督深度學(xué)習(xí)系統(tǒng)，兩個神經(jīng)網(wǎng)絡(luò)分別為生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，生成網(wǎng)絡(luò)通過捕捉真實數(shù)據(jù)樣本的潛在分布生成新數(shù)據(jù)樣本，判別網(wǎng)絡(luò)負(fù)責(zé)區(qū)分真實數(shù)據(jù)和生成的樣本數(shù)據(jù)。生成對抗網(wǎng)絡(luò)進(jìn)一步拓展了深度學(xué)習(xí)，使其能處理更大范圍的無監(jiān)督任務(wù)。生成對抗網(wǎng)絡(luò)的對抗訓(xùn)練機(jī)制優(yōu)勢逐漸突出，其應(yīng)用領(lǐng)域不斷擴(kuò)展，發(fā)展生成對抗網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)行業(yè)的重要發(fā)展趨勢。發(fā)展生成對抗網(wǎng)絡(luò)膠囊網(wǎng)絡(luò)（CapsNets）是一種新型深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，其以膠囊單元為神經(jīng)元載體，膠囊輸出的高維向量可顯示實體的各種屬性信息。膠囊網(wǎng)絡(luò)是在卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上發(fā)展而來，可克服卷積神經(jīng)網(wǎng)絡(luò)在物體大幅度旋轉(zhuǎn)后識別能力不足、對物體之間的空間辨識度差等問題。膠囊網(wǎng)絡(luò)所需訓(xùn)練數(shù)據(jù)量少，能靈活應(yīng)對存在重疊對象的擁擠場景，在圖像識別領(lǐng)域具有廣闊應(yīng)用發(fā)展前景，具有多年機(jī)器學(xué)習(xí)行業(yè)研究經(jīng)驗的專家表示，發(fā)展膠囊網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)行業(yè)的重要發(fā)展趨勢。在膠囊網(wǎng)絡(luò)中，膠囊單元可將輸入對象的位置、旋轉(zhuǎn)、大小等詳細(xì)屬性信息保留于神經(jīng)網(wǎng)絡(luò)中，膠囊網(wǎng)絡(luò)因而能將學(xué)習(xí)到的規(guī)律推廣到新場景中，在同一對象發(fā)生平移、旋轉(zhuǎn)、縮放等情況下仍能保持較高識別率，其無需通過龐大訓(xùn)練數(shù)據(jù)來學(xué)習(xí)如何在多種變化情況下有效識別目標(biāo)對象。相較于膠囊網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)所需訓(xùn)練數(shù)據(jù)量大，在物體大幅度旋轉(zhuǎn)、縮放、顛倒、傾斜后識別能力顯著下降，在圖像識別方面的缺陷逐漸突出。膠囊網(wǎng)絡(luò)可克服卷積神經(jīng)網(wǎng)絡(luò)的多種缺陷，在圖像識別領(lǐng)域具有廣闊應(yīng)用前景?，F(xiàn)階段，膠囊網(wǎng)絡(luò)仍處于初步發(fā)展階段，伴隨著訓(xùn)練算法不斷改善，膠囊網(wǎng)絡(luò)性能將進(jìn)一步提高，其在圖像識別領(lǐng)域的應(yīng)用將逐步深化。發(fā)展膠囊網(wǎng)絡(luò)行業(yè)趨勢機(jī)器學(xué)習(xí)行業(yè)標(biāo)準(zhǔn)化與定制化界限被打破，未來趨于融合。標(biāo)準(zhǔn)化加微定制的產(chǎn)品戰(zhàn)略，有效平衡企業(yè)操作層面與消費(fèi)者需求層面的矛盾讓消費(fèi)者既擁有足夠的確定性，也有足夠的彈性。機(jī)器學(xué)習(xí)行業(yè)大數(shù)據(jù)應(yīng)用使得實際操作和施工賦能方式深入介入，使得平臺從簡單的流量供給入口轉(zhuǎn)變?yōu)楣ぞ吖┙o、技術(shù)供給、工人供給的模式。中國消費(fèi)升級倒逼機(jī)器學(xué)習(xí)行業(yè)提高服務(wù)質(zhì)量，用戶需求從獲取公司信息并與公司對接暢通轉(zhuǎn)變?yōu)楦幼⒅伢w驗注重實際的效果，滿足用戶需求，提供個性化定制服務(wù)，成為機(jī)器學(xué)習(xí)行業(yè)新的發(fā)展方向.行業(yè)面臨洗牌標(biāo)準(zhǔn)化趨勢融合行業(yè)平臺職能轉(zhuǎn)化注重用戶體驗行業(yè)趨勢由于新冠