目前，各大科技巨頭在AI產業(yè)上的布局，可以看到，硬件、開源算法、云服務已經成為必爭之地。本文是來自高盛的AI產業(yè)調研報告，報告詳細介紹了AI的技術背景、應用前景和目前的產業(yè)競爭局勢及產業(yè)鏈地圖。

　　人工智能千億市場未來走向：軟件與硬件之歌

　　人工智能(AI)，可以說是科技信息時代的大飛躍，既具備一定的類人邏輯性，又具備強大的計算能力和數據存儲能力。雖然，目前業(yè)界并不處在一個良好的投資狀態(tài)，但AI 技術依舊被認為是下一個帶來巨大經濟效益，提高社會生產力的巨大突破點。
 

　　事實上，在過去的這兩年時間里，AI、機器人、自動駕駛等概念已經成為最前沿的文化、政治名詞。很多研究認為，我們目前正處于這樣一個技術拐點：計算能力更強更快，數據源更豐富，深度學習算法趨于成熟，專業(yè)的硬件(芯片)和開源代碼逐漸崛起，越來越多的實用性AI應運而生。本文是來自高盛的AI產業(yè)調研報告，報告詳細介紹了AI的技術背景、應用前景和目前的產業(yè)競爭局勢及產業(yè)鏈地圖。
 

　　AI背后的三大推手：數據、芯片、算法
 

　　1、移動網絡大量普及 數據結構化或爆發(fā)
 

　　數據可以說是機器學習的關鍵。分布全球的無所不在的互聯(lián)設備，包括移動設備、物聯(lián)網等，使得非結構化的數據大量增長，也就是說，機器學習算法能夠用來模擬、訓練和測試的數據源更加充足。
 

　　僅以特斯拉互聯(lián)汽車為例，截至目前，特斯拉總行程78000萬英里，公司平臺額外驅動的互聯(lián)汽車也行駛了 100萬英里。無線運營方面，Verizon8月公布了新的傳輸標準，使得遠程傳感器聯(lián)通云端軟件的速度更快。同時，新的5G網絡也將促進傳輸數據，IDC預計截至2020年，年均數據量將達44澤字節(jié)(也就是44萬億字節(jié))，未來五年復合年增長率將達141%，大數據技術將逐漸滲透實用領域。
 

　　與此同時，移動網絡建立大規(guī)模數據庫和云端處理技術的成本也在不斷降低。預計不用三年，將有90%的人擁有被廣告商支持的無限的免費數據存儲。這是因為，硬盤驅動器的成本持續(xù)下降，激勵著數據的創(chuàng)造。事實上，近90%的數據是過去兩年中創(chuàng)建的。
 

　　2、GPU應用大勢 新硬件更適配并行結構
 

　　GPU被認為是低成本、高計算能力的處理單元，特別是針對云端服務和新的神經網絡結構，它能提高準確性和計算速率?；贕PU的并行結構允許更快的機器學習培訓體系，遠遠優(yōu)于目前廣泛使用的基于CPU的數據架構。此外，通過額外的顯卡網絡，GPU體系可以加快迭代，實現更為精確的快速培訓。
 

　　芯片浮點能力發(fā)展之快可以以NVIDIA GPU(GTX 1080)為例：該芯片性能為9T浮點運算，價值約700美元，也就是每G約8美分。參考1961年的IBM 1620，不考慮浮點運算能力的話，通過串聯(lián)實現的每G浮點運算需耗9萬億美元。
 

　　我們也曾在102期智能內參中強調GPU的市場前景，并分析市場份額。相比于CPU，GPU 具有數以千計的計算核心，及強大、高效并行計算能力， 可實現 10-100倍應用吞吐量，特別適用于AI 海量訓練數據情形。目前深度學習解決方案幾乎完全依賴 (NVIDIA的)GPU。
 

　　3、算法不斷優(yōu)化 大公司推動開源
 

　　越來越多的算法研究推動著深度學習的實用性，伯克利、谷歌、Facebook也紛紛公開自家的源代碼框架，也就是Caffe、TensorFlow和Torch。源代碼的開放吸引著越來越多的軟件開發(fā)者嘗試新的算法，不到一年，TensorFlow就以及該形成了一個活絡的存儲庫GitHub，作為目前最大的開發(fā)商合作網站。當然，并不是所有的AI都出自于開源框架。
 

　　AI產業(yè)的三大類布局
 

　　從技術更新周期來看，過去50年，計算機在摩爾定律的推動下不斷進步，僅僅在系統(tǒng)框架方面，計算能力、存儲容量帶寬、編程語言轉換都有很大的進展。參見90年代技術變革帶來的經濟繁榮，推動了軟件、硬件、網絡公司的整改。公共軟件公司1995至今市值從2億美元暴漲到5億美元，只有2000年左右趨于平緩。顯然，AI也有這樣的趨勢，引領硬件、軟件、數據和服務提供商等領域的增長。事實上，谷歌、亞馬遜、微軟和Salesforce自2014年來就已經完成了17起AI相關的收購。