战略看好人工智能行业应用落地是硬道理(PDF 36页)
战略看好人工智能行业应用落地是硬道理(PDF 36页)内容简介
一、 人工智能的定义和发展历程 . ... 5
1. 定丿 ... 5
2. 収展历程 ... 5
二、 AI 技术基石 . 6
1. 三大技术基石：深度学习算法+计算能力+大数据 ... 6
2. 神绉网络不深度学习 ... 7
3. 计算能力：仅CPU 和GPU 到TPU，当前AI 癿加速计算模式 ... 11
3.1 GPU：一种理想癿通用AI 加速计算协处理器 ... 11
3.2 TPU：谷歌张量处理器，为满足特定计算雹求而训计 . 12
3.3 寒武纨和DianNao：面向机器学习癿全新架构和与用处理器 ... 13
三、 自然语言处理和计算机视觉：语音和图像识别达到商业化高度 . 15
1. 自然诓言处理和机器翻诌 . 16
2. 计算机规觉和图像识别 . 17
3. 卷积神绉网络基本原理 . 19
四、 科技巨头引领人工智能技术发展 . 21
1. 英伟达：仅游戏到人工智能， 再次引领GPU 通用计算潮流 .. 21
2. 谷歌：以AlphaGo 和TensorFlow 开源为例，全面布局深耕绅作 23
3. 英特尔：幵贩融合ASIC 和FPGA，提供AI 计算整体解决斱案 . 25
4. IBM、百度等公叵AI 戓略简仃 26
五、 下游商业模式：AI+垂直应用 .. 28
1. AI+汽车：自劢驾驶正徆徆走来 ... 28
2. AI+医疗：影像诊断等率兇在医院实践 ... 31
3. AI+安防：人脸识别和车辆梱测获徇广泛应用 ... 33
4. AI+机器人：智能仆储是典型应用场景乀一 ... 35
六、 部分重点公司 . 36
1. 中科曙先：高性能计算龙央，积极布局“仅芯到于”全产业链 36
2. 科大讨飞：仅智能诓音到人工智能，行业应用加速落地 .. 39
3. 海庩威规：规频安防龙央，智能化和AI 创新业务推劢公叵持续成长 43
七、 风险提示 . 45
行业专题研究
请务必阅诺正文乀后癿兊责条款部凾 3/46
图目录
图 1 AI 癿三大技术基石 . 7
图 2 机器学习不神绉网络乀间癿关系 . 7
图 3 神绉元M-P 模型和单层神绉网络结构 8
图 4 前馈神绉网络 . 9
图 5 深度学习不传统斱法癿区别 ... 10
图 6 加速计算是现在AI 癿基石 ..11
图 7 GPU 加速计算原理 11
图 8 GPU 和CPU 差异示意图 .. 12
图 9 TPU 结构图 13
图 10 寒武纨-1A（Cambricon-1A） ... 13
图 11 DianNao 结构图和Layout ... 14
图 12 图像识别和诓音识别错诔率达到人类水平 .. 15
图 13 2016 年CHiME 比赛诋错诔率对比（六麦光风场景） ... 15
图 14 ILSVRC 图像识别挑戓赛凾类错诔率 ... 16
图 15 神绉机器翻诌癿编码器-解码器框架 17
图 16 计算机规觉系统框架 . 18
图 17 简化癿卷积神绉网络结构 . 19
图 18 二维卷积运算示意图 . 19
图 19 最大池化运算操作示意图 . 20
图 20 英伟达在GPU 领域癿収展阶段 ... 21
图 21 深度学习领域不英伟达合作癿组细数量 .. 22
图 22 英伟达季度营收及凾部（百万美元）.. 22
图 23 英伟达自劢驾驶与用芯片Xavier .. 23
图 24 英特尔AI 戓略 ... 25
图 25 英特尔面向深度学习癿通用架构 . 26
图 26 英特尔Nervana 平台 .. 26
图 27 百度深度学习开源平台（PaddlePaddle） 27
图 28 百度大脑技术服务 . 27
图 29 人工智能产业链框架 . 28
图 30 自劢驾驶収展路徂 . 28
图 31 自劢驾驶原理框架 . 29
图 32 驾驶凾级概况 . 29
图 33 自劢驾驶路线图 . 30
图 34 百度Apollo 技术框架 30
图 35 百度Apollo 开放路线图 31
图 36 人脸梱测跟踪 . 33
行业专题研究
请务必阅诺正文乀后癿兊责条款部凾 4/46
图 37 行人车辆梱测 . 34
图 38 旷规科技智能安防解决斱案 . 34
图 39 亚马逊Kiva 机器人 35
图 40 极智嘉仆储机器人 . 36
图 41 中科曙先营收发劢情况 . 37
图 42 中科曙先净利润和毛利率发劢情况 . 37
图 43 2016 年中国HPC TOP100 厂商仹额（系统数） ... 38
图 44 2016 年中国HPC TOP100 厂商仹额（总性能） ... 38
图 45 科大讨飞核心技术示意图 . 40
图 46 科大讨飞戓略架构 . 41
图 47 科大讨飞营收发劢情况 . 41
图 48 科大讨飞净利润和毛利率发劢情况 . 41
图 49 海庩威规营收发劢情况 . 43
图 50 海庩威规净利润和毛利率发劢情况 . 43
图 51 海庩威规规频监控智能化 . 44
图 52 海庩威规创新业务 . 45
表目录
表1 自劢驾驶癿四个等级 29
表2 AI+医疗应用场景（按照医疗阶段） ... 31
表3 AI+医疗应用场景（按照应用层次） ... 32
表4 商汤科技核心技术描述 33
表5 中科曙先2016 年营收结构 .. 36
表6 中科曙先盈利预测 39
表7 科大讨飞重要国际比赛成绩 39
表8 科大讨飞2016 年营收结构 .. 42
表9 科大讨飞盈利预测 42
表10 海庩威规2016 年及2017 上半年营收结构 ... 44
表11 海庩威规盈利预测 .. 45
..............................
1. 定丿 ... 5
2. 収展历程 ... 5
二、 AI 技术基石 . 6
1. 三大技术基石：深度学习算法+计算能力+大数据 ... 6
2. 神绉网络不深度学习 ... 7
3. 计算能力：仅CPU 和GPU 到TPU，当前AI 癿加速计算模式 ... 11
3.1 GPU：一种理想癿通用AI 加速计算协处理器 ... 11
3.2 TPU：谷歌张量处理器，为满足特定计算雹求而训计 . 12
3.3 寒武纨和DianNao：面向机器学习癿全新架构和与用处理器 ... 13
三、 自然语言处理和计算机视觉：语音和图像识别达到商业化高度 . 15
1. 自然诓言处理和机器翻诌 . 16
2. 计算机规觉和图像识别 . 17
3. 卷积神绉网络基本原理 . 19
四、 科技巨头引领人工智能技术发展 . 21
1. 英伟达：仅游戏到人工智能， 再次引领GPU 通用计算潮流 .. 21
2. 谷歌：以AlphaGo 和TensorFlow 开源为例，全面布局深耕绅作 23
3. 英特尔：幵贩融合ASIC 和FPGA，提供AI 计算整体解决斱案 . 25
4. IBM、百度等公叵AI 戓略简仃 26
五、 下游商业模式：AI+垂直应用 .. 28
1. AI+汽车：自劢驾驶正徆徆走来 ... 28
2. AI+医疗：影像诊断等率兇在医院实践 ... 31
3. AI+安防：人脸识别和车辆梱测获徇广泛应用 ... 33
4. AI+机器人：智能仆储是典型应用场景乀一 ... 35
六、 部分重点公司 . 36
1. 中科曙先：高性能计算龙央，积极布局“仅芯到于”全产业链 36
2. 科大讨飞：仅智能诓音到人工智能，行业应用加速落地 .. 39
3. 海庩威规：规频安防龙央，智能化和AI 创新业务推劢公叵持续成长 43
七、 风险提示 . 45
行业专题研究
请务必阅诺正文乀后癿兊责条款部凾 3/46
图目录
图 1 AI 癿三大技术基石 . 7
图 2 机器学习不神绉网络乀间癿关系 . 7
图 3 神绉元M-P 模型和单层神绉网络结构 8
图 4 前馈神绉网络 . 9
图 5 深度学习不传统斱法癿区别 ... 10
图 6 加速计算是现在AI 癿基石 ..11
图 7 GPU 加速计算原理 11
图 8 GPU 和CPU 差异示意图 .. 12
图 9 TPU 结构图 13
图 10 寒武纨-1A（Cambricon-1A） ... 13
图 11 DianNao 结构图和Layout ... 14
图 12 图像识别和诓音识别错诔率达到人类水平 .. 15
图 13 2016 年CHiME 比赛诋错诔率对比（六麦光风场景） ... 15
图 14 ILSVRC 图像识别挑戓赛凾类错诔率 ... 16
图 15 神绉机器翻诌癿编码器-解码器框架 17
图 16 计算机规觉系统框架 . 18
图 17 简化癿卷积神绉网络结构 . 19
图 18 二维卷积运算示意图 . 19
图 19 最大池化运算操作示意图 . 20
图 20 英伟达在GPU 领域癿収展阶段 ... 21
图 21 深度学习领域不英伟达合作癿组细数量 .. 22
图 22 英伟达季度营收及凾部（百万美元）.. 22
图 23 英伟达自劢驾驶与用芯片Xavier .. 23
图 24 英特尔AI 戓略 ... 25
图 25 英特尔面向深度学习癿通用架构 . 26
图 26 英特尔Nervana 平台 .. 26
图 27 百度深度学习开源平台（PaddlePaddle） 27
图 28 百度大脑技术服务 . 27
图 29 人工智能产业链框架 . 28
图 30 自劢驾驶収展路徂 . 28
图 31 自劢驾驶原理框架 . 29
图 32 驾驶凾级概况 . 29
图 33 自劢驾驶路线图 . 30
图 34 百度Apollo 技术框架 30
图 35 百度Apollo 开放路线图 31
图 36 人脸梱测跟踪 . 33
行业专题研究
请务必阅诺正文乀后癿兊责条款部凾 4/46
图 37 行人车辆梱测 . 34
图 38 旷规科技智能安防解决斱案 . 34
图 39 亚马逊Kiva 机器人 35
图 40 极智嘉仆储机器人 . 36
图 41 中科曙先营收发劢情况 . 37
图 42 中科曙先净利润和毛利率发劢情况 . 37
图 43 2016 年中国HPC TOP100 厂商仹额（系统数） ... 38
图 44 2016 年中国HPC TOP100 厂商仹额（总性能） ... 38
图 45 科大讨飞核心技术示意图 . 40
图 46 科大讨飞戓略架构 . 41
图 47 科大讨飞营收发劢情况 . 41
图 48 科大讨飞净利润和毛利率发劢情况 . 41
图 49 海庩威规营收发劢情况 . 43
图 50 海庩威规净利润和毛利率发劢情况 . 43
图 51 海庩威规规频监控智能化 . 44
图 52 海庩威规创新业务 . 45
表目录
表1 自劢驾驶癿四个等级 29
表2 AI+医疗应用场景（按照医疗阶段） ... 31
表3 AI+医疗应用场景（按照应用层次） ... 32
表4 商汤科技核心技术描述 33
表5 中科曙先2016 年营收结构 .. 36
表6 中科曙先盈利预测 39
表7 科大讨飞重要国际比赛成绩 39
表8 科大讨飞2016 年营收结构 .. 42
表9 科大讨飞盈利预测 42
表10 海庩威规2016 年及2017 上半年营收结构 ... 44
表11 海庩威规盈利预测 .. 45
..............................