2022年AI行業(yè)市場空間及產(chǎn)業(yè)鏈分析

1、2022年Al行業(yè)市場空間及產(chǎn)業(yè)鏈分析.算力、算法、數(shù)據(jù)的三大因素驅(qū)動人工智能的開展近年來，數(shù)據(jù)、算法與算力三大驅(qū)動因素顯著開展，推 動了人工智能行業(yè)的開展。Google和CMU在Revisiting Unreasonable Effectiveness of Data in Deep Learning Era也指 出，深度學習在視覺問題上所取得的成功可歸因于高容量模型、 高速增長的計算力、大規(guī)模標記數(shù)據(jù)的可用性。在數(shù)據(jù)方面，移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速開展，使高質(zhì) 量的海量數(shù)據(jù)成為可能，海量的高質(zhì)量數(shù)據(jù)為人工智能技術 的開展提供了充足的原材料。深度學習是本輪人工智能開展的主要重大突破，深度學 習

2、的基本特點，是試圖模仿大腦的神經(jīng)元之間傳遞，處理信 息的模式，深度學習需要大量不同實例的數(shù)據(jù)集，模型從中學 習要查找的特征并生成帶有概率向量的輸出。深度學習的性 能能否提升取決于數(shù)據(jù)集的大小。模型學習的參數(shù)越多，訓 練所需的數(shù)據(jù)也會增加，其數(shù)據(jù)量至少是參數(shù)量的10倍不然 很容易欠擬合。深度學習與其他機器學習方法的不同就是在 于訓練數(shù)據(jù)量和所需的計算能力。圖70:神經(jīng)網(wǎng)絡應用中的輸入層、輸出層與多個隱藏層hicklcn layer 1 hidden layer 2 hkiden la*cr 3 input layer資料來源:Nhy go large with data for deep lea

3、rnings ,信達證券研發(fā)中心整理當圣是全球數(shù)據(jù)總量爆炸式增長。據(jù)IDC預測，全球每年生產(chǎn) 的數(shù)據(jù)量將從2016年的16.1ZB猛增至2025年的163ZB。數(shù) 據(jù)集也隨之呈現(xiàn)迅猛增長態(tài)勢，谷歌數(shù)據(jù)集搜索引擎數(shù)據(jù)顯 示，截至2021年初，共收錄了自4600多個網(wǎng)站的3100多萬 個數(shù)據(jù)集。我國數(shù)據(jù)集增速明顯，2020年3月5個數(shù)據(jù)集搜 索結(jié)果中，中文數(shù)據(jù)集達185.1萬，2019年6月至2020年3 月期間增速達82%。在算法方面，機器學習算法取得重大突破，特別是在視 覺和語音技術方面的成就尤為突出。以多層神經(jīng)網(wǎng)絡模型為基 礎的算法，使得機器學習算法在人臉識別等領域的準確性取得 了飛躍性的提

4、高，為商業(yè)化應用奠定了重要技術基礎。深度 神經(jīng)網(wǎng)絡日趨成熟，各大廠商紛紛投入到深度神經(jīng)網(wǎng)絡算法 的工程實現(xiàn)并發(fā)力建設算法模型工具，進一步將其封裝為軟件 框架供開發(fā)者使用，這個過程中AI框架（業(yè)界也稱AI開發(fā) 框架、深度學習框架等）應運而生。AI算法框架是人工智能基礎設施的底層操作系統(tǒng)，在整 個AI開發(fā)環(huán)境中，AI算法框架對上層應用提供研發(fā)環(huán)境和 落地的標準環(huán)境，對下層硬件設備進行資源的調(diào)度，屏蔽掉硬 件之間的差異。AI框架負責給開發(fā)者提供構(gòu)建神經(jīng)網(wǎng)絡模型 的數(shù)學操作，把復雜的數(shù)學表達轉(zhuǎn)換成計算機可識別的計算 圖，自動對神經(jīng)網(wǎng)絡進行訓練，得到一個神經(jīng)網(wǎng)絡模型用于解 決機器學習中分類、回歸的問題，

5、實現(xiàn)目標分類、語音識別 等應用場景。AI算法框架大大的減少了開發(fā)者的工作量，降 低了從事AI開發(fā)的技術門檻，讓AI技術從實驗室中的高精 尖“產(chǎn)品”逐步走入市場，實現(xiàn)了產(chǎn)業(yè)化落地。在算力方面，計算力提升突破瓶頸，GPU和AI芯片正 在加速開展。以GPU為代表的新一代計算芯片提供了更強大 的計算力，使得運算更快，同時在集群上實現(xiàn)的分布式計算， 幫助算法模型可以在更大的數(shù)據(jù)集上運行。GPU、CPU和AI 加速芯片在市面上被廣泛使用，其中推理局部CPU占比擬大, 訓練局部GPU占據(jù)主導。我國2020年算力規(guī)模到達 135EFlops,全球占比約為31%,在全球疫情背景下，我國算 力依然同比保持55%的

6、高位增長，高于全球增速約16個百分 點。數(shù)據(jù)、算法與算力的進步極大的促進了人工智能技術的 開展，局部技術已接近、超越人類水平。尤其是以深度學習為 代表的機器學習算法，及以計算機視覺、智能語音、自然語言 處理、生物特征識別為代表的關鍵技術取得重要突破，局部技 術已接近、甚至超越人類水平。在計算機視覺方面，2015年 基于深度學習的計算機視覺算法在ImageNet數(shù)據(jù)庫上的識別 準確率首次超過人類。.政策加速AI產(chǎn)業(yè)化進程人工智能屬于十四五規(guī)劃的國家戰(zhàn)略性創(chuàng)新領域，我國 出臺了一系列支持的相關政策支持人工智能產(chǎn)業(yè)，其中，中 華人民共和國國民經(jīng)濟和社會開展第十四個五年規(guī)劃和2035 年遠景目標綱要（

7、以下簡稱“綱要”）明確指出要瞄準人工智 能等前沿領域，實施一批具有前瞻性、戰(zhàn)略性的國家重大科技 工程。. AI行業(yè)市場空間和產(chǎn)業(yè)鏈分析人工智能對傳統(tǒng)行業(yè)的智能化改造，帶來萬億級的市場 空間。隨著人工智能技術的不斷進步與開展，局部技術進入產(chǎn)業(yè)化開展階段。與此同時，人工智能正與生產(chǎn)生活的各個領 域相融合，有效提升各領域的智能化水平，在帶動新產(chǎn)業(yè)興 起的同時也為傳統(tǒng)領域帶來變革機遇，從而擁有極為廣闊的 市場前景。根據(jù)艾瑞咨詢的數(shù)據(jù)，2019年，我國人工智能核 心產(chǎn)業(yè)及帶動產(chǎn)業(yè)規(guī)模分別為1,088.6億元和3,821.5億元， 預計至2025年將分別到達4,532.6億元和16,648.3億元，年均

8、復合增長率分別為26.8%和27.8%o圖79: 20192025年中國人工智能市場產(chǎn)業(yè)規(guī)模人工智能核心產(chǎn)業(yè)規(guī)模（億元）人工智能帶動產(chǎn)業(yè)規(guī)模（億元）100009200.81OVUU1600014000120002019-2025 核心產(chǎn)品 CAGR=26.8%16648.32019-2025人工智能帶動相關產(chǎn)業(yè)CAGR=27.8%13939.811374.820192020e2021e2022e2023e2024e2025e責料來源:艾囑咨詢,信達證券研發(fā)中心人工智能的產(chǎn)業(yè)鏈，包括基礎層，技術層和應用層?；A層：包括AI模型生產(chǎn)、算力基礎、數(shù)據(jù)處理及存儲。模型生產(chǎn)包括了 AI開源框架、AI開放

9、平臺、應用模型效率化 生產(chǎn)平臺。算力基礎包括芯片、智能云等。AI數(shù)據(jù)資源管理 包括技術層：包括關鍵領域技術和關鍵通用技術；關鍵領域 技術如計算機視覺、智能語音、自然語言處理等，關鍵通用 技術如機器學習、知識圖譜等通用型技術。應用層：應用層是指結(jié)合特定行業(yè)的應用場景和數(shù)據(jù)， 形成特定的軟硬件產(chǎn)品或解決方案。目前比擬熱門的應用領 域有安防、醫(yī)療、工業(yè)、教育、金融等領域。技術角度，人工智能技術正在走向生產(chǎn)成熟期，局部細 分技術賽道產(chǎn)業(yè)已跨過高速增長期，步入穩(wěn)步爬升期。其中, 智能語音的語音識別、語音合成和語音轉(zhuǎn)寫能力已落地應用在 互聯(lián)網(wǎng)、療健康、司法、教育和工業(yè)等多行業(yè)領域?；谥?能語音技術實現(xiàn)文

10、本到語音、語音到文本的快速轉(zhuǎn)換，在各 產(chǎn)業(yè)應用中實現(xiàn)語音文本的信息同步，讓資料整理和信息檢索 都更加方便快捷，讓機器與人類的交互更加快速直接。產(chǎn)業(yè)角度，AI在行業(yè)信息化重的占比正在快速提升，引 導行業(yè)從信息化走向智能化。語音識別技術在2019年就已經(jīng) 進入了生產(chǎn)成熟期，這就意味著頭部語音技術研發(fā)機構(gòu)已經(jīng)能 在行業(yè)中大規(guī)模應用并獲得海量真實數(shù)據(jù)，數(shù)據(jù)量積累的差距 也將進一步抬高技術壁壘并反映在語音識別的準確度及可靠性 o4,降本增效是下游主要需求，AI技術開始滲透核心環(huán)節(jié)AI技術目前在下游行業(yè)中實現(xiàn)的規(guī)?；膽?，主要用 于滿足下游行業(yè)的降本增效的需求，主要表達為替代重復性 工作、降低本錢、提高

11、生產(chǎn)效率、復制專家能力等。當前人工 智能在工業(yè)質(zhì)量檢測、智能客服、智慧醫(yī)療、智慧城市等領 域已經(jīng)得到了價值驗證，進入到了規(guī)?；涞氐碾A段。根據(jù)IDC的調(diào)研數(shù)據(jù)，近半數(shù)企業(yè)（46.0%）在2021年 已經(jīng)開始初始處于局部推廣落地階段。IDC在2021年對中國 市場企業(yè)AI成熟度現(xiàn)狀進行了調(diào)研，收集了中國金融、零售、 制造、醫(yī)療等多個行業(yè)共計200個企業(yè)樣本，來了解中國企 業(yè)AI成熟度的總體開展情況。26.0%的企業(yè)仍處于探索階段: 處于該階段的企業(yè)對AI僅有初步認知，以POC或試點形式 小范圍嘗試，主要在通用場景或者簡單的行業(yè)場景開始試點 探索。近半數(shù)企業(yè)（46.0%）處于落地階段：處于該階段的

12、企 業(yè)首次實現(xiàn)局部場景AI應用上線，獲得可衡量的業(yè)務影響。 企業(yè)最先落地AI的場景往往是場景所匹配的AI單點技術較 成熟、業(yè)務有痛點亟需解決或已有數(shù)據(jù)基礎較好的營銷、風控 輔助人工決策等場景，如機器學習、CV、NLP等在銀行網(wǎng)點 的應用（智能營銷、智能風控等）。圖83:中國企業(yè)Al成熟度資料來源：IDC.信達證務研發(fā)中心資料來源：IDC.信達證務研發(fā)中心5.商業(yè)模式：服務下游需要行業(yè)深耕人工智能的商業(yè)模式還在不斷摸索與豐富，尚未形成定 局。AI企業(yè)的商業(yè)模式有工程解決方案交付、一站式產(chǎn)品方 案、軟件銷售、硬件銷售、算法授權(quán)許可費、AI云端服務 （單項AI能力或模型）、免費API結(jié)合廣告分成等多

13、種模式, 仍然處于變化當中。根據(jù)草根調(diào)研，以目前較為成熟的視覺及語音類產(chǎn)品為 例，商業(yè)化比擬成功的商業(yè)模式有：1、AI解決方案，包括自 有方案集成，和合作方案集成。也就是AI在傳統(tǒng)行業(yè)信息化 中的占比提升；2、產(chǎn)品（特定AI技術在特定場景），產(chǎn)品 包括硬件產(chǎn)品和軟件產(chǎn)品；3,技術或服務（API調(diào)用服務或 SDK調(diào)用服務），以及此基礎之上升級而來的云端服務（模 型或者方案+算力）。AI本質(zhì)上會對原有行業(yè)進行改造，重構(gòu)原有業(yè)務流程或 者價值鏈，當前城市管理、教育、金融、零售、工業(yè)制造等成 為的重要應用領域。商業(yè)模式上，AI行業(yè)有著濃重的ToG/B 企業(yè)服務色彩。各個行業(yè)的Know-how有著高壁壘，AI技 術專家如果沒有與行業(yè)專家配合，走入場景、直面客戶個性 化的痛點，很難提供行之有效的解決方案。對于客戶來說，價 值與落地是人工智能工程可行性評估的首要考量，大而全的 方案吸引力有限，如果人工智能產(chǎn)品在POC階段與落地階段 表現(xiàn)差異大，也會損害市場的認可。由于每個下游行業(yè)場景都 有自身原生的價值鏈條，如果不在原行業(yè)內(nèi)鋪設大量的資源, 難以進入原價值鏈（更不用說重構(gòu)）。因