人工智能核心產(chǎn)業(yè)是基于人工智能技術(shù)本身，由對外提供的產(chǎn)品和服務(wù)所構(gòu)成的產(chǎn)業(yè)，主要包含對外提供的產(chǎn)品、以平臺的方式對外提供的服務(wù)、人工智能解決方案和集成服務(wù)三種類型，也是人工智能技術(shù)最直接的落地形式。人工智能應(yīng)用帶動產(chǎn)業(yè)是指人工智能技術(shù)與其他傳統(tǒng)產(chǎn)業(yè)相結(jié)合，在傳統(tǒng)產(chǎn)業(yè)基礎(chǔ)上打造的新一代的智能產(chǎn)業(yè)，人工智能應(yīng)用帶動產(chǎn)業(yè)更多體現(xiàn)了人工智能的帶動性。

人工智能技術(shù)內(nèi)涵

（一）人工智能的定義

馬文·明斯基：將人工智能定義為讓機器做本需要人的智能才能做到的事情的一門科學(xué)。

約翰·麥卡錫：人工智能就是要讓機器的行為看起來就像是人所表現(xiàn)出的智能行為一樣。

美國麻省理工學(xué)院溫斯頓：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！?/p>

這些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容，即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。

（二）人工智能的主要理論范式及技術(shù)演進

1.人工智能的發(fā)展的早期理論背景。上世紀40年代主要的理論包括：M-P模型，馮·諾伊曼自動機理論，維納控制論。其中，McCulloch和Pitts在人工神經(jīng)網(wǎng)絡(luò)方面做出了突出貢獻，發(fā)表了《神經(jīng)系統(tǒng)中所蘊含的思想的邏輯演算》，提出了形式神經(jīng)元的數(shù)學(xué)描述和結(jié)構(gòu)方法，建立了神經(jīng)網(wǎng)絡(luò)最早的M-P模型。馮·諾依曼從上世紀40年代開始直到去世之前，一直是計算機和人工智能的領(lǐng)導(dǎo)者。當時，馮·諾伊曼在 Princeton大學(xué)聚集了一批計算理論、博弈理論、智能理論和機器人理論的未來領(lǐng)袖，包括麥卡錫、明斯基等，這些人后來成為人工智能的主要領(lǐng)導(dǎo)人物。

1953年，麥卡錫和香農(nóng)在編輯《自動機研究》一書時與香農(nóng)相互爭論。1956年，麥卡錫提出人工智能的概念，現(xiàn)在大部分認為人工智能的起源是1956年的達特茅斯會議，它是第一個以人工智能為名的會議，是在馮·諾依曼的支持下，明斯基和麥卡錫等人召開的。

20世紀50年代，真正重要的會議是美國東西部的計算機大會。分別由MIT和UCLA領(lǐng)導(dǎo)。早期，在M-P，馮·諾伊曼和明斯基的理解中，符號主義和聯(lián)結(jié)主義是統(tǒng)一的，但因為工程角度很難，線性異或問題很難發(fā)現(xiàn)，研究的領(lǐng)域越來越狹窄，人工智能發(fā)生了研究范式的分化。

2.人工智能的兩種范式的發(fā)展。符號主義和聯(lián)結(jié)主義平行發(fā)展，但在不同的歷史時期，兩種主義相繼占據(jù)主流地位：

第一代人工智能：符號主義，又稱邏輯主義和物理符號系統(tǒng)假設(shè)。符號主義是以邏輯作為工具，發(fā)展起來的人工智能一派理論。符號主

義在剛開始占據(jù)主流地位，是因為聯(lián)結(jié)主義所需要的算法算力數(shù)據(jù)三

大條件不具備。1969年明斯基和Papert在Perception當中，提出一個重大困難，即單層的MP模型解決不了異或（XOR）問題，造成了人工智能的第一低潮。在該時期，基于符號主義的專家系統(tǒng)，如深藍（Deep Blue）成為當時人工智能發(fā)展的典型代表，該系統(tǒng)是一個基于兩人零和組合博弈的人工智能系統(tǒng)，該系統(tǒng)的核心技術(shù)是麥卡錫發(fā)明的Alpha-Beta剪枝術(shù)和專家系統(tǒng)，在1997年戰(zhàn)勝了世界象棋冠軍卡斯帕羅夫。

符號主義沒有產(chǎn)生跟聯(lián)結(jié)主義一樣強大的工具，因為沒有聯(lián)結(jié)主義靈活。所以只有專家系統(tǒng)和深藍。而專家系統(tǒng)是在解決讓計算機認識世界的過程中遇到很多困難。第二代人工智能：聯(lián)結(jié)主義，是一種基于神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)間的連接機制與學(xué)習(xí)算法的智能模擬方法，核心是神經(jīng)元網(wǎng)絡(luò)與深度學(xué)習(xí)，仿造人的神經(jīng)系統(tǒng)，把人的神經(jīng)系統(tǒng)的模型用計算的方式呈現(xiàn)，用它來仿造智能，目前人工智能的熱潮實際上是聯(lián)結(jié)主義的勝利。研究重點側(cè)重于模擬和實現(xiàn)人的認知過程中的感覺、直覺過程、形象思維、自學(xué)習(xí)過程。

聯(lián)結(jié)主義是以統(tǒng)計方法為基礎(chǔ)發(fā)展起來的人工智能一派理論。1986年，通過反向傳播（Back Propagation）的方法來訓(xùn)練，多層感知機解決了單層感知機解決不了的問題，但由于算法、算力和數(shù)據(jù)三大條件依然均不具備，聯(lián)結(jié)主義的發(fā)展經(jīng)歷了漫長的復(fù)興。上世紀90年代中期，由于核方法和圖模型的效果好于人工神經(jīng)網(wǎng)絡(luò)（ANN），再加上基于ANN的創(chuàng)業(yè)公司無法實現(xiàn)其宣稱的預(yù)期效果，聯(lián)結(jié)主義進入第二次低潮。

2006年，Hinton發(fā)明了深度訓(xùn)練網(wǎng)絡(luò)，使用的技術(shù)是貪婪逐層預(yù)訓(xùn)練，起到了普及了深度學(xué)習(xí)的概念。深度學(xué)習(xí)復(fù)興了聯(lián)結(jié)主義。在2012，Hinton小組拿到了李飛飛創(chuàng)辦的ImageNet比賽的第一名。深度學(xué)習(xí)爆發(fā)了，聯(lián)結(jié)主義回歸。當時，算法、算力和數(shù)據(jù)得到極大發(fā)展，深度學(xué)習(xí)迎來了春天。2016年AlphaGo戰(zhàn)勝李世石，其核心技術(shù)是隨機二人零和組合博弈。其中的神經(jīng)虛擬自我學(xué)習(xí)（NSFP），深度強化學(xué)習(xí)（DRL），蒙特卡洛樹搜索（MCTS），開啟了人工智能發(fā)展的新時代。

3.人工智能發(fā)展的技術(shù)約束條件：算法、硬件算力和數(shù)據(jù)。算法、數(shù)據(jù)和硬件算力組成了人工智能高速發(fā)展的三要素。三要素缺一不可。人工智能到最近才開始呈現(xiàn)爆發(fā)的主要是因為直到今日，人工智能的算法、數(shù)據(jù)和硬件才滿足了人工智能的基本需求。

第一個是優(yōu)秀的算法，比如現(xiàn)在最流行的深度學(xué)習(xí)算法，就是近期人工智能領(lǐng)域中最大的突破之一，為人工智能的商業(yè)化帶來了希望；第二個是大量高性能硬件組成的計算能力，以前的硬件算力并不能滿足人工智能的需求，當GPU和人工智能結(jié)合后，人工智能才迎來了真正的高速發(fā)展；第三個是被收集的大量數(shù)據(jù)，數(shù)據(jù)是驅(qū)動人工智能取得更好的識別率和精準度的核心因素。以人臉識別為例，在2013年深度學(xué)習(xí)應(yīng)用到人臉識別之前，各種方法的識別成功率只有不到93%，低于人眼的識別率95%，因此不具備商業(yè)價值。而隨著算法的更新，深度學(xué)習(xí)使得人臉識別的成功率提升到了97%。這才為人臉識別的應(yīng)用奠定了商業(yè)化基礎(chǔ)。

算法方面，隨著深度學(xué)習(xí)理論和工程技術(shù)體系的成熟，包括通過云服務(wù)或者開源的方式向行業(yè)輸出技術(shù)，先進的算法被封裝為易于使用的產(chǎn)品和服務(wù)，越來越多的人和公司能夠開始使用這些算法。人工智能相關(guān)的技術(shù)包括了水平層和垂直層的技術(shù)，水平層面上主要體現(xiàn)在算法方面。進入互聯(lián)網(wǎng)時代后，才出現(xiàn)了大數(shù)據(jù)的高速發(fā)展與積累，這為人工智能的訓(xùn)練學(xué)習(xí)過程奠定了良好的基礎(chǔ)。比如，在AlphaGo的學(xué)習(xí)過程中，核心數(shù)據(jù)是來自互聯(lián)網(wǎng)的3000萬例棋譜，而這些數(shù)據(jù)的積累是歷經(jīng)了十多年互聯(lián)網(wǎng)行業(yè)的發(fā)展。所以直到今年，基于深度學(xué)習(xí)算法的 AlphaGo 才取得突破性進展。離開了這些棋譜數(shù)據(jù)的積累，機器戰(zhàn)勝人是無法實現(xiàn)的。

算力方面，云計算的興起起到了非常關(guān)鍵的作用。因為深度學(xué)習(xí)是極其消耗計算資源的，而通過云計算就可以以低成本獲取大規(guī)模的算力，動態(tài)地獲取幾千個CPU，甚至上萬個CPU的算力都很輕松。除了云計算之外，GPU計算的進步對深度學(xué)習(xí)也有很大的推動作用，它能夠加速深度學(xué)習(xí)中的計算速度，有些情況下甚至成百上千倍的提高。例如，現(xiàn)在深度學(xué)習(xí)的算法涉及到了大量可以并行化的矩陣運算，而GPU的工作方式就是多核并行計算流的方式，這個特點特別適合于人工智能領(lǐng)域中的計算。此外，一些面向人工智能的專用硬件架構(gòu)也開始出現(xiàn)，比如說用FPGA去做專用的人工智能加速芯片和加速的基礎(chǔ)設(shè)施，微軟的數(shù)據(jù)中心就大量運用了FPGA技術(shù)。在二十年前，一個機器人，當時是用32個CPU， 達到120MHz的速度?，F(xiàn)在的人工智能系統(tǒng)使用的是成百上千個GPU來提升的計算能力。這使得處理學(xué)習(xí)或者智能的能力得到比較大的增強。之前用CPU一個月才能出結(jié)果，然后再去調(diào)整參數(shù)，一年只能調(diào)整12次，也就是有12次迭代。 GPU產(chǎn)生后大幅提升了計算量，現(xiàn)在用GPU可以一天就出結(jié)果，這樣可以迭代得更快，這是技術(shù)大幅發(fā)展的條件。

數(shù)據(jù)方面，近年來由于移動互聯(lián)網(wǎng)的爆發(fā)，積累了大量的數(shù)據(jù)，同時物聯(lián)網(wǎng)也極大的擴展了獲取數(shù)據(jù)的數(shù)量和類型。事實上，相比較于算法和算力，數(shù)據(jù)的獲取會更難一點。因為它是建立在已有業(yè)務(wù)基礎(chǔ)上的，以往我們都是先通過非人工智能的方式積累大量的數(shù)據(jù)，而現(xiàn)在初創(chuàng)企業(yè)要去獲得它就需要一些巧勁。每個時代都要解決不同的問題，今天人工智能公司也一樣需要去解決問題，就怕打著人工智能的旗號，做一些不接地氣的事，不能夠為用戶解決實質(zhì)性問題。進入互聯(lián)網(wǎng)時代后，才出現(xiàn)了大數(shù)據(jù)的高速發(fā)展與積累，這為人工智能的訓(xùn)練學(xué)習(xí)過程奠定了良好的基礎(chǔ)。

只有當以上三方面都做好準備的時候，人工智能時代才能真正地到來。而現(xiàn)在是三個要素剛剛開始具備的起點。

人工智能核心產(chǎn)業(yè)的定義

人工智能核心產(chǎn)業(yè)是基于人工智能技術(shù)本身，由對外提供的產(chǎn)品和服務(wù)所構(gòu)成的產(chǎn)業(yè)，主要包含對外提供的產(chǎn)品、以平臺的方式對外提供的服務(wù)、人工智能解決方案和集成服務(wù)三種類型，也是人工智能技術(shù)最直接的落地形式。其中，對外提供產(chǎn)品包絡(luò)軟件產(chǎn)品和硬件產(chǎn)品，比如語音輸入法、機器人等；以平臺的方式對外提供服務(wù)，例如深度學(xué)習(xí)平臺；人工智能解決方案，通過解決方案的形式，對傳統(tǒng)產(chǎn)業(yè)進行升級，例如，在汽車中加入無人駕駛方案構(gòu)成無人駕駛汽車。

人工智能應(yīng)用帶動產(chǎn)業(yè)是指人工智能技術(shù)與其他傳統(tǒng)產(chǎn)業(yè)相結(jié)合，在傳統(tǒng)產(chǎn)業(yè)基礎(chǔ)上打造的新一代的智能產(chǎn)業(yè)，例如人工智能與汽車相結(jié)合，形成智能駕駛汽車產(chǎn)業(yè)，人工智能技術(shù)與制造業(yè)相結(jié)合，形成智能制造產(chǎn)業(yè)，人工智能技術(shù)與傳統(tǒng)的家電家居行業(yè)結(jié)合，形成智能家居產(chǎn)業(yè)等，人工智能應(yīng)用帶動產(chǎn)業(yè)更多體現(xiàn)了人工智能的帶動性。

人工智能核心產(chǎn)業(yè)統(tǒng)計口徑

支撐層主要包括GPU/TPU/FPGA 等計算芯片，人工智能專用芯片和傳感器，其中傳感器占據(jù)較大產(chǎn)值。

軟件產(chǎn)品主要包括語音識別平臺、機器視覺系統(tǒng)、機器學(xué)習(xí)平臺等產(chǎn)品。統(tǒng)計API調(diào)用、SDK、解決方案等產(chǎn)值。

硬件產(chǎn)品主要包括智能工業(yè)機器人、智能特種機器人、服務(wù)機器人，僅統(tǒng)計機器人產(chǎn)值中智能模塊和解決方案部分。

無人/輔助駕駛?cè)匀灰暂o助駕駛為主，其中，ADAS相關(guān)軟硬件占據(jù)大部分產(chǎn)值。

智能無人設(shè)備包括智能家電、智能可穿戴設(shè)備、智能無人機等產(chǎn)品，統(tǒng)計具備人工智能的模塊和解決方案部分。

2017年，中國人工智能整體產(chǎn)業(yè)規(guī)模超過4000億元。其中人工智能核心產(chǎn)業(yè)規(guī)模達到708.5億元，人工智能應(yīng)用帶動產(chǎn)業(yè)規(guī)模超過3200億元。

預(yù)計2020年，中國人工智能整體產(chǎn)業(yè)規(guī)模將超過1萬億元，其中人工智能核心產(chǎn)業(yè)規(guī)模將超1600億元，由人工智能應(yīng)用帶動相關(guān)產(chǎn)業(yè)規(guī)模接近9000億元。

2017年，人工智能核心產(chǎn)業(yè)規(guī)模達到708.5億元。其中硬件占比最大，達到總產(chǎn)值的55%，軟件規(guī)模最小，總產(chǎn)值89億元，占比為14%。由人工智能芯片和傳感器構(gòu)成的支撐層產(chǎn)業(yè)規(guī)模為141.8億元，占比31%。在傳統(tǒng)硬件行業(yè)中，機器人和家電產(chǎn)業(yè)體量大，但人工智能技術(shù)在此類行業(yè)的滲透率仍然偏低。

人工智能產(chǎn)業(yè)鏈分析

基礎(chǔ)層

1.基礎(chǔ)層的構(gòu)成與特點?；A(chǔ)層主要包括智能傳感器、智能芯片、算法模型，其中，智能傳感器和智能芯片屬于基礎(chǔ)硬件，算法模型屬于核心軟件。隨著應(yīng)用場景的快速鋪開，既有的人工智能產(chǎn)業(yè)在規(guī)模和技術(shù)水平方面均與持續(xù)增長的市場需求尚有差距，促使相關(guān)企業(yè)及科研院所進一步加強對智能傳感器、智能芯片及算法模型的研發(fā)及產(chǎn)業(yè)化力度。

2.國內(nèi)外基礎(chǔ)層發(fā)展情況。芯片方面，近十年來，人工智能的通用計算GPU完全由英偉達引領(lǐng)，該公司2016年收入69億美元，市值1000億美元。AMD也在逐步進入該市場。除了傳統(tǒng)的CPU、GPU大廠，移動領(lǐng)域的眾巨頭在GPU 的布局也非常值得關(guān)注。ARM也開始重視GPU市場，其推出的MALI系列 GPU 憑借低功耗、低價等優(yōu)勢逐漸崛起。蘋果也在搜羅GPU開發(fā)人才以進軍人工智能市場，目前蘋果A11提供自主設(shè)計GPU，性能比上一代A10提升30%。