2023年中國人工智能產(chǎn)業(yè)趨勢報(bào)告

中國人工智能產(chǎn)業(yè)趨勢報(bào)告2023confidentialandprotectedbycopyrightLawsI序言盡管2022年人工智能市場發(fā)展活躍度不及預(yù)期對人工智能生成內(nèi)容的大量關(guān)注,年末chatGPT的橫空出世刷新了公眾對人工智能的智能化水平的—系列現(xiàn)象級(jí)的事件預(yù)示著人工智能產(chǎn)業(yè)正發(fā)生著深刻的變革,產(chǎn)業(yè)的進(jìn)步縮小了長久以來我們對人工智能的期待與功能間的差距的同時(shí),也進(jìn)—步拓展了我們對人工智能的想象空間,為更多智能化應(yīng)用走進(jìn)我們的生產(chǎn)生活奠定了堅(jiān)實(shí)的基礎(chǔ)。我們相信變革終將撥開發(fā)展迷霧,消弭技術(shù)堅(jiān)冰,讓易觀通過產(chǎn)業(yè)界前沿應(yīng)用、學(xué)術(shù)界研究進(jìn)展與投融資市場情況,結(jié)合專家意見、行業(yè)觀點(diǎn)、現(xiàn)象級(jí)事件與對人工智能產(chǎn)業(yè)的研究積累,發(fā)布2023年人工智能產(chǎn)業(yè)發(fā)展趨勢報(bào)告。并深度剖析趨勢的發(fā)展節(jié)點(diǎn)與核心驅(qū)動(dòng)力。易觀認(rèn)為人工智能將加速走進(jìn)千行百業(yè),深度參與數(shù)字中歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@ 12基礎(chǔ)設(shè)施篇 2趨勢1:人工智能發(fā)展需求將快速提升數(shù)據(jù)眾包產(chǎn)業(yè)規(guī)模與專業(yè)性 2趨勢2:我國將形成芯片-人工智能產(chǎn)業(yè)內(nèi)循環(huán) 2趨勢3:加速對邊緣智能的探索需不同類型參與方進(jìn)行緊密合作 33算法型 4趨勢4:文本-圖像生成模型將出現(xiàn)針對細(xì)分領(lǐng)域需求的定制化產(chǎn)品 4趨勢5:大規(guī)模語言模型在專業(yè)領(lǐng)域的商業(yè)化方向仍需持續(xù)探索 5趨勢6:強(qiáng)化學(xué)習(xí)應(yīng)用或?qū)⒃诳蒲信c產(chǎn)業(yè)研發(fā)領(lǐng)域率先商業(yè)化 6趨勢7:圖神經(jīng)網(wǎng)絡(luò)各類應(yīng)用的商業(yè)價(jià)值均將大幅提升 7趨勢8:擴(kuò)散模型將在年內(nèi)應(yīng)用于設(shè)計(jì)、建筑、廣告等行業(yè) 84產(chǎn)業(yè)應(yīng)用 9趨勢9:產(chǎn)業(yè)界將出現(xiàn)更多結(jié)合算法模型原理進(jìn)行設(shè)計(jì)的智能化應(yīng)用 9趨勢10:科研人工智能作為國家戰(zhàn)略其重要性將進(jìn)—步提升 9趨勢11:智能設(shè)備在工業(yè)領(lǐng)域的應(yīng)用滲透率將快速提升 趨勢12:消費(fèi)領(lǐng)域?qū)π袆?dòng)輔助的需求或?qū)⒋龠M(jìn)相關(guān)智能設(shè)備先行發(fā)展 5參考資料 11易觀分析版權(quán)聲明2023 關(guān)于易觀分析 歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@1易觀人工智能AMC模型顯示,圖像分類與圖像語義分割類應(yīng)用已經(jīng)較為成熟且有著較為穩(wěn)定的市場空間,文本處理、語音識(shí)別與雙模態(tài)等應(yīng)用正逐漸實(shí)現(xiàn)對于市場的滲透。強(qiáng)化學(xué)習(xí)、因果學(xué)習(xí)、語言大模型等相關(guān)應(yīng)用通過技術(shù)的迭代成功走出實(shí)驗(yàn)室,正不斷摸索其商業(yè)模式。圖神經(jīng)網(wǎng)絡(luò)、多模態(tài)泛化與自監(jiān)督學(xué)習(xí)等應(yīng)用正加速跨越從試驗(yàn)研發(fā)到產(chǎn)業(yè)落地的難關(guān),對擴(kuò)散模型、量子AI、具身智能等的研究也將孕育智能程度更高、通用性更強(qiáng)的應(yīng)用。建議短期關(guān)注處于市場啟動(dòng)期與高速發(fā)展期之間的應(yīng)用成熟情況,長期關(guān)注處于探索期與市場啟動(dòng)期的應(yīng)用研發(fā)進(jìn)展。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@22基礎(chǔ)設(shè)施篇趨勢1:人工智能發(fā)展需求將快速提升數(shù)據(jù)眾包產(chǎn)業(yè)規(guī)模與專業(yè)性數(shù)據(jù)作為人工智能的產(chǎn)業(yè)基礎(chǔ),其重要性毋料數(shù)據(jù),隨著人工智能研究的不斷推進(jìn)以及產(chǎn)業(yè)領(lǐng)域高質(zhì)高量數(shù)據(jù)的需求也正迅速增長。易觀認(rèn)為人工智能產(chǎn)業(yè)的整體發(fā)展致使對數(shù)據(jù)的需求快速增長,而這將刺激數(shù)據(jù)眾包產(chǎn)業(yè)蓬勃發(fā)展,同時(shí)對數(shù)據(jù)質(zhì)量要求的提升也對數(shù)據(jù)眾包產(chǎn)業(yè)的專業(yè)性提出了更高的要求。從產(chǎn)業(yè)應(yīng)用來看,部分產(chǎn)業(yè)的智能化應(yīng)用如能的局限性已難以滿足產(chǎn)業(yè)智能化發(fā)展的要求,行支持。易觀認(rèn)為目前制造業(yè)、醫(yī)療、工程建筑等行業(yè)對智能化應(yīng)用的功能升級(jí)需求較大,因此將推動(dòng)數(shù)據(jù)眾包產(chǎn)業(yè)在相關(guān)行業(yè)率先發(fā)展。此外,“數(shù)據(jù)二十條”在數(shù)據(jù)資產(chǎn)化和數(shù)據(jù)價(jià)值開發(fā)方面的探索將形成對數(shù)據(jù)眾包產(chǎn)業(yè)的利益據(jù)眾包產(chǎn)業(yè),有效降低行業(yè)內(nèi)企業(yè)的經(jīng)營成本與趨勢2:我國將形成芯片-人工智能產(chǎn)業(yè)內(nèi)循環(huán)我國芯片產(chǎn)業(yè)在關(guān)鍵核心技術(shù)方面與國際先進(jìn)水平存在代差,但芯片法案將倒逼我國切斷對全球芯片產(chǎn)業(yè)鏈的依賴,進(jìn)而加速促進(jìn)我國進(jìn)行核心技術(shù)迭代。易觀預(yù)計(jì)我國芯片產(chǎn)業(yè)將在3年后實(shí)現(xiàn)12nm工藝芯片量產(chǎn)。從芯片產(chǎn)業(yè)生態(tài)來看,我國由龍頭企業(yè)與核心科研機(jī)構(gòu)主導(dǎo)的產(chǎn)業(yè)生態(tài)較為繁榮且頗具韌性,可以很好地應(yīng)對市場沖擊,也具備較高的價(jià)值與信息傳導(dǎo)效率,目前我國人工智能產(chǎn)業(yè)發(fā)展增速居世界前列,基于人工智能產(chǎn)業(yè)對芯片的巨大需求,易觀個(gè)人研究者對高性能圖形計(jì)算芯片需求量較大;二是大型公司與研究機(jī)構(gòu)對大規(guī)模異構(gòu)分布式求;三是產(chǎn)業(yè)智能化應(yīng)用對芯片的需求同樣較大,已成為芯片產(chǎn)業(yè)電路設(shè)計(jì)與缺陷檢測等環(huán)節(jié)不可或缺的因素,且應(yīng)用智能動(dòng)態(tài)規(guī)劃與大語言模重大意義,因此易觀認(rèn)為我國將形成“芯片-人工智能”的產(chǎn)業(yè)內(nèi)循環(huán)。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@3趨勢3:加速對邊緣智能的探索需不同類型參與方進(jìn)行緊密合作近年來邊緣算力加速發(fā)展,在云-邊-端協(xié)同的算力與通信基礎(chǔ)建設(shè)框架內(nèi),邊緣算力可以大幅降低產(chǎn)業(yè)應(yīng)用對云端通信的需求,也可與端側(cè)設(shè)備的算力形成互補(bǔ),對智能化產(chǎn)業(yè)應(yīng)用來說,易觀認(rèn)為邊緣算力的發(fā)展對人工智能產(chǎn)業(yè)具有積極影響,但發(fā)展部署在邊緣側(cè)的人工智能應(yīng)用仍需面對適配與優(yōu)化的問題。與研發(fā)和云端算力相比,邊緣算力的芯片架構(gòu)不同,因此大量原本部署于云側(cè)、端側(cè)與私有化部署的智能化應(yīng)用需要進(jìn)行適配才能在邊緣側(cè)進(jìn)行部署,這需要針對以上問題,目前如華為、百度等互聯(lián)網(wǎng)背景廠商與京東、卡奧斯等產(chǎn)業(yè)背景廠商均已在相關(guān)方面做出大量努力,且已取得可觀成績,因此易觀認(rèn)為邊緣側(cè)的人工智能應(yīng)用市場空間廣闊。但由于產(chǎn)業(yè)對智能化應(yīng)用的多樣化需求與人工智能應(yīng)用開發(fā)的工程化需求,產(chǎn)業(yè)界仍需要對應(yīng)用適配與優(yōu)化的問題進(jìn)行大量的探索,而這需要來自不同行業(yè)的、擁有不同核心技術(shù)的廠商們從另一個(gè)角度來看,生產(chǎn)端出于對數(shù)字化轉(zhuǎn)型的需求,對邊緣算力的需求相較于消費(fèi)端也更大,而生產(chǎn)端對于智能化應(yīng)用的功能與成本也更加敏感,因此更需要緊密合作的邊緣智能產(chǎn)業(yè)生態(tài)來降低技術(shù)開發(fā)與應(yīng)用成本,加速產(chǎn)業(yè)數(shù)字化另外,邊緣算力的發(fā)展也將帶來更多閑置算力,這部分算力理論上可以用來進(jìn)行人工智能的訓(xùn)練,但仍然需要解決異步通信、異構(gòu)算力等問題,而這需要人工智能產(chǎn)業(yè)界與計(jì)算機(jī)、通信等學(xué)術(shù)界進(jìn)行更加緊密的合作,形成研究-研發(fā)-檢驗(yàn)-應(yīng)用的產(chǎn)學(xué)研用閉環(huán)后,加速驗(yàn)證并迭代相關(guān)歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@43算法模型篇趨勢4:文本-圖像生成模型將出現(xiàn)針對細(xì)分領(lǐng)域需求的定制化產(chǎn)品2022年,文本-圖像生成模型實(shí)現(xiàn)了在用戶側(cè)的快速推廣,大眾普遍認(rèn)為其對語義的圖像化表達(dá)精準(zhǔn)度較高,可以很大程度降低將想象進(jìn)行具象化的難度。由于巨大的應(yīng)用潛力,產(chǎn)業(yè)界正目前文本-圖像生成較為明確的商業(yè)模式為按需付費(fèi)與訂閱制,也存在使用文本-圖像生成類應(yīng)用進(jìn)行平臺(tái)引流的商業(yè)模式。但由于目前相關(guān)應(yīng)用仍存在生成作品與訓(xùn)練數(shù)據(jù)的版權(quán)問題,因此易觀認(rèn)為對于文本-圖像生成類應(yīng)用可持續(xù)發(fā)展的商業(yè)模式應(yīng)當(dāng)積極探索向上游圖庫分潤的機(jī)制,也應(yīng)明確生成作品的版權(quán)歸屬。目前各家文本-圖像生成模型因?yàn)樵谟?xùn)練數(shù)據(jù)、模型架構(gòu)與模型版本等方面的區(qū)別,已經(jīng)形成不同的圖像風(fēng)格,因此不同的用戶也對不同的模型產(chǎn)生了偏好,產(chǎn)業(yè)界也會(huì)因需求不同而選擇同行業(yè)不同環(huán)節(jié)的多樣化需求的針對性仍不強(qiáng),易觀認(rèn)為在工業(yè)設(shè)計(jì)、產(chǎn)品設(shè)計(jì)等領(lǐng)域存在大量專業(yè)屬性非常明顯的細(xì)分需求,因此在2年內(nèi)會(huì)出現(xiàn)針對細(xì)分需求的文本-圖像類應(yīng)用,定制化開發(fā)也有可能成為下一階段產(chǎn)業(yè)界主流的商業(yè)模式。此外,隨著對擴(kuò)散模型與輻射神經(jīng)場模型等研究的深入,文本-圖像生成模型或許將增加從文字到草稿再到三維建模的能力,而這也將極大歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@5趨勢5:大規(guī)模語言模型在專業(yè)領(lǐng)域的商業(yè)化方向仍需持續(xù)探索chatGPT的出現(xiàn)使社會(huì)普遍承認(rèn)大規(guī)模語的知識(shí),但目前專業(yè)領(lǐng)域知識(shí)較少。對LLM掌握眾多專業(yè)領(lǐng)域知識(shí)對訓(xùn)練數(shù)據(jù)量與模型參數(shù)量均有非常高的要求,而在技術(shù)與成本方面的嚴(yán)觀認(rèn)為未來2年內(nèi)由于搜索與推薦對通用領(lǐng)域與眾多專業(yè)領(lǐng)域知識(shí)的要求,LLM在相關(guān)應(yīng)用上僅能作為輔助方式進(jìn)行商業(yè)推廣,而在文本內(nèi)容生產(chǎn)與編程方面對多領(lǐng)域?qū)I(yè)知識(shí)的要求相對較低,因此相關(guān)應(yīng)用的商業(yè)模式或?qū)⒃缬谒阉髋c推薦成熟。除了在自然語言處理任務(wù)方面,chatGPT已邏輯語言進(jìn)行表述的領(lǐng)域。易觀認(rèn)為LLM在概念的精準(zhǔn)與模糊映射、概念間的邏輯關(guān)系、概念的推理等方面已經(jīng)具備在多領(lǐng)域進(jìn)行應(yīng)用的功能基礎(chǔ)。但從商業(yè)化應(yīng)用的要求出發(fā),LLM的開發(fā)在數(shù)據(jù)與算力方面的成本仍然非常高,且專業(yè)領(lǐng)域LLM應(yīng)用開發(fā)對跨領(lǐng)域人才的依賴度非常高,但跨領(lǐng)域人才仍存在非常大的供需缺口。因此雖然應(yīng)用潛力巨大,但易觀認(rèn)為LLM在未來3到5年的商業(yè)化方向仍需持續(xù)探索。綜合考慮功能、需求、戰(zhàn)略重要性、成本、人才等方面,易觀認(rèn)為5年后在先進(jìn)制造業(yè)、航空航天業(yè)等對技術(shù)要求高,且對成本敏感性相對較低的領(lǐng)域,LLM的應(yīng)用將實(shí)現(xiàn)快速滲透。量不匹配,以至于其潛力并未得到充分挖掘。易觀認(rèn)為LLM訓(xùn)練數(shù)據(jù)與參數(shù)量級(jí)間的關(guān)系存在最優(yōu)路徑,而這需要在學(xué)術(shù)界與產(chǎn)業(yè)界形成一定共識(shí),從而可以更好地平衡LLM的功能與成本,這將有利于LLM應(yīng)用進(jìn)行商業(yè)化探索。易觀預(yù)計(jì)共識(shí)的形成至少需要5年的時(shí)間。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@6趨勢6:強(qiáng)化學(xué)習(xí)應(yīng)用或?qū)⒃诳蒲信c產(chǎn)業(yè)研發(fā)領(lǐng)域率先商業(yè)化長久以來,強(qiáng)化學(xué)習(xí)探索的重點(diǎn)為模仿人類的行為與決策,甚至是超越平均人類水準(zhǔn)的自主決策能力,因此目前強(qiáng)化學(xué)習(xí)的應(yīng)用主要由兩方面組成。一方面是以規(guī)則、策略與博弈為核心的兵棋推演、游戲、交易策略等,易觀認(rèn)為這部分應(yīng)用目前市場空間較小。另一方面是以類人決策為核心的無人駕駛、機(jī)器人行動(dòng)控制等,易觀認(rèn)為這部分因?yàn)榧夹g(shù)的限制,目前應(yīng)用的性能不足chatGPT使用基于人類反饋的強(qiáng)化學(xué)習(xí)進(jìn)行指令微調(diào)。從效果來看,chatGPT的強(qiáng)大能力與強(qiáng)化學(xué)習(xí)密不可分,易觀認(rèn)為強(qiáng)化學(xué)習(xí)證明了其能力的同時(shí)也為其商業(yè)化應(yīng)用帶來了新的視角,即從對能力的需求出發(fā),探索強(qiáng)化學(xué)習(xí)的應(yīng)用方向?；诳茖W(xué)研究與產(chǎn)業(yè)研發(fā)對強(qiáng)化學(xué)習(xí)在規(guī)則、策略、博弈與類人決策方面能力的旺盛需求,易觀認(rèn)為強(qiáng)化學(xué)習(xí)的商業(yè)化應(yīng)用將轉(zhuǎn)向相關(guān)市場。在科學(xué)研究方面,強(qiáng)化學(xué)習(xí)可以用來學(xué)習(xí)人類決策以替代重復(fù)性強(qiáng)的任務(wù),或輔助進(jìn)行新規(guī)則的發(fā)現(xiàn);產(chǎn)業(yè)研發(fā)方面,強(qiáng)化學(xué)習(xí)可以用來進(jìn)行新工藝的研發(fā),或用來操控復(fù)雜機(jī)械設(shè)備。易觀預(yù)計(jì)強(qiáng)化學(xué)習(xí)在科學(xué)研究與產(chǎn)業(yè)研發(fā)方面的市場雖然對專業(yè)性要求較高,但由于應(yīng)用價(jià)值更高,在3年內(nèi)相關(guān)應(yīng)用將進(jìn)行商業(yè)化推廣。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@7趨勢7:圖神經(jīng)網(wǎng)絡(luò)各類應(yīng)用的商業(yè)價(jià)值均將大幅提升易觀認(rèn)為由于功能的大幅提升,圖神經(jīng)網(wǎng)絡(luò) (GNN)將加速應(yīng)用滲透。在圖的學(xué)習(xí)方面,針已有通用的模型-任務(wù)匹配評(píng)估方法,可以為動(dòng)態(tài)模型的復(fù)合型任務(wù),設(shè)計(jì)更加具有功能針對性的應(yīng)用。在分類、聚類、搜索與推薦等任務(wù)中,對節(jié)點(diǎn)位置信息與節(jié)點(diǎn)身份信息更具表達(dá)性的深度圖網(wǎng)絡(luò)(DGN)相較于原有的DGN有著更佳的表現(xiàn),在營銷人群匹配、三維空間分類與分割與在圖的生成方面,相較于傳統(tǒng)的圖生成模型,圖循環(huán)神經(jīng)網(wǎng)絡(luò)(GraphRNN)已經(jīng)可以實(shí)現(xiàn)單一圖的學(xué)習(xí)與生成、生成的圖的規(guī)模也與之前的子結(jié)構(gòu)發(fā)現(xiàn)等方面的應(yīng)用效果有著大幅提升,在生物學(xué)、工程學(xué)與社會(huì)學(xué)等學(xué)術(shù)研究中也有著更高的應(yīng)用價(jià)值。在生成滿足條件約束的圖方面,相較于其他圖模型,圖卷積策略網(wǎng)絡(luò)(GCPN)在分子發(fā)現(xiàn)方面的應(yīng)用效果有著非常明顯地提升,而其算法也可應(yīng)用在生成布爾可滿足方程與電路對圖的研究也打開了從圖的方向?qū)徱暼斯ぶ且詧D的方式學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)內(nèi)信息交換的過程,可以改進(jìn)深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì),加深對神經(jīng)此外,圖也可以用來處理數(shù)據(jù)缺失,而圖神經(jīng)網(wǎng)絡(luò)也可以用來表示多個(gè)任務(wù)間的關(guān)系,以更好地易觀預(yù)計(jì)圖神經(jīng)網(wǎng)絡(luò)的相關(guān)應(yīng)用將逐漸推進(jìn)商業(yè)化進(jìn)程。從目前研究進(jìn)展來看,GNN的功能有很大可能出現(xiàn)質(zhì)的飛躍,可以大幅提升其商業(yè)化的價(jià)值,且可降低技術(shù)擁有成本。另外數(shù)據(jù)歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@8趨勢8:擴(kuò)散模型將在年內(nèi)應(yīng)用于設(shè)計(jì)、建筑、廣告等行業(yè)作為目前文本-圖像生成類任務(wù)的主流底層模型,易觀認(rèn)為擴(kuò)散模型的性能與功能均有望快速提升。從擴(kuò)散模型的相關(guān)研究來看,性能的提升主要在體現(xiàn)為對采樣過程的改進(jìn);功能的提升主要體現(xiàn)為使擴(kuò)散模型具備處理特殊結(jié)構(gòu)數(shù)據(jù)域設(shè)計(jì)、應(yīng)用等方面的交叉有可能提升各類模型的易觀認(rèn)為除文本-圖像生成外,文本-語音生成、超分辨率、圖像修復(fù)等應(yīng)用有望在1年內(nèi)實(shí)現(xiàn)在設(shè)計(jì)、建筑、廣告、電影、醫(yī)療等行業(yè)的商業(yè)化探索。易觀認(rèn)為更多擴(kuò)散模型的應(yīng)用在3年內(nèi)將逐漸成熟。聲波信號(hào)處理和點(diǎn)云補(bǔ)全與生成的應(yīng)用會(huì)進(jìn)行商業(yè)化試水,且點(diǎn)云補(bǔ)全與生成的應(yīng)用將為工業(yè)制造業(yè)的設(shè)計(jì)環(huán)節(jié)帶來巨大突破。時(shí)間序列補(bǔ)全與預(yù)測在金融業(yè)、供應(yīng)鏈、營銷與銷售等方面均有應(yīng)用,金融業(yè)的相關(guān)應(yīng)用或?qū)⒅饾u成熟,而出于成本與效率方面的限制,在供應(yīng)鏈、營銷與銷售等環(huán)節(jié)的應(yīng)用范圍或?qū)⑤^小。學(xué)術(shù)研究中,分子學(xué)與材料學(xué)對于擴(kuò)散模型的應(yīng)用可能對于語義分割、異常檢測等商業(yè)空間更大的擴(kuò)散模型應(yīng)用,易觀認(rèn)為5年后其成本與效率可以初步滿足商業(yè)化的基本要求。由于算力與技術(shù)的限制,視頻生成在3年后才能實(shí)現(xiàn)在小范圍內(nèi)擴(kuò)散模型在自然語言處理、穩(wěn)健學(xué)習(xí)方面的任務(wù)中均有不錯(cuò)的表現(xiàn),但具體應(yīng)用的商業(yè)化可能性還需要進(jìn)一步驗(yàn)證。易觀認(rèn)為擴(kuò)散模型的價(jià)歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@94產(chǎn)業(yè)應(yīng)用篇趨勢9:產(chǎn)業(yè)界將出現(xiàn)更多結(jié)合算法模型原理進(jìn)行設(shè)計(jì)的智能化應(yīng)用易觀認(rèn)為科研中對人工智能應(yīng)用方式的思考,對產(chǎn)業(yè)界如何應(yīng)用人工智能具有很強(qiáng)的參考型功能的直接應(yīng)用,但科研中的許多應(yīng)用需要充分考慮算法特性與模型結(jié)構(gòu),并結(jié)合各學(xué)科的科研規(guī)則來設(shè)計(jì)相關(guān)應(yīng)用。產(chǎn)業(yè)界可以充分借鑒其成功經(jīng)驗(yàn),從底層原理入手進(jìn)行應(yīng)用的設(shè)計(jì):如可將各參與方視為節(jié)點(diǎn),將參與方間的信息交換視為邊并形成圖,結(jié)合不同行業(yè)的業(yè)務(wù)目的以圖神經(jīng)網(wǎng)絡(luò)的方式設(shè)計(jì)用于流程優(yōu)化的智能化應(yīng)用;也可將生產(chǎn)工藝中的各項(xiàng)規(guī)則進(jìn)行整理并視為工藝規(guī)則語言,結(jié)合大語言模型的能力設(shè)計(jì)進(jìn)行工藝優(yōu)化的智能化應(yīng)用。易觀認(rèn)為從底層原理出發(fā)進(jìn)行設(shè)計(jì)的產(chǎn)業(yè)應(yīng)用其潛在市場空間遠(yuǎn)大于目前人工智能市場規(guī)模,且產(chǎn)業(yè)智能化深化發(fā)展的需求將促進(jìn)此類應(yīng)用的開發(fā)。從底層原理出發(fā)進(jìn)行設(shè)計(jì)的產(chǎn)業(yè)應(yīng)用也需要大量高水平跨學(xué)科人才以支撐其發(fā)展。目前相關(guān)人才的供應(yīng)缺口已經(jīng)顯現(xiàn)且缺口將在未來幾年內(nèi)加速擴(kuò)大。較為合理的人才培養(yǎng)機(jī)制需要下游應(yīng)用企業(yè)、上游技術(shù)供應(yīng)商、學(xué)校和學(xué)術(shù)機(jī)構(gòu)戮力同心,針對細(xì)分行業(yè)智能化轉(zhuǎn)型需求設(shè)計(jì)人才培養(yǎng)項(xiàng)目,且需從應(yīng)用開發(fā)分工角度考慮細(xì)分專趨勢10:科研人工智能作為國家戰(zhàn)略其重要性將進(jìn)—步提升近年來人工智能在數(shù)學(xué)、理論物理學(xué)、應(yīng)用醫(yī)學(xué)等多個(gè)科研領(lǐng)域均有應(yīng)用探索,且人工智能的應(yīng)用均為相關(guān)領(lǐng)域的研究帶來新的思考與發(fā)現(xiàn),如利用人工智能重新審視現(xiàn)有物理規(guī)律,利用強(qiáng)化學(xué)習(xí)操控可控核聚變的研究裝置等?？茖W(xué)技術(shù)的發(fā)展決定了一個(gè)國家甚至一個(gè)時(shí)代的發(fā)展上限,因此易觀認(rèn)為人工智能在科研領(lǐng)域的應(yīng)用對于國家發(fā)展的戰(zhàn)略意義已經(jīng)十分明顯且仍將不斷增強(qiáng)。由于科研智能化在發(fā)展戰(zhàn)略中的基礎(chǔ)重要性,易觀預(yù)計(jì)人工智能賦能的科研服務(wù)將在3年后形成可觀的市場空間,但由于科研服務(wù)與人工智能結(jié)合帶來的技術(shù)門檻,相關(guān)市場的進(jìn)入難度極高,因此需要加速探索更加合理的市場機(jī)另外,易觀認(rèn)為人工智能科研應(yīng)用安全性問題的重要性也將迅速提升,而因此形成的市場空間也將十分可觀。但相關(guān)市場的技術(shù)門檻同樣極高,也會(huì)設(shè)置準(zhǔn)入門檻,因此先發(fā)優(yōu)勢將是企業(yè)歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@趨勢11:智能設(shè)備在工業(yè)領(lǐng)域的應(yīng)用滲透率將快速提升隨著工業(yè)數(shù)字化轉(zhuǎn)型將更多地向生產(chǎn)制造環(huán)節(jié)滲透,對智能設(shè)備的需求也將穩(wěn)步增長。同時(shí)備的價(jià)格隨著產(chǎn)能的上升,平均單價(jià)也在逐漸下普及,工業(yè)智能設(shè)備的智能化水平也將有大幅度提升,工業(yè)智能設(shè)備的應(yīng)用價(jià)值將迅速放大,因此易觀預(yù)計(jì)工業(yè)領(lǐng)域智能設(shè)備的市場規(guī)模將在未來5年內(nèi)穩(wěn)步增長,而5年后將迎來增長拐點(diǎn)。趨勢12:消費(fèi)領(lǐng)域?qū)π袆?dòng)輔助的需求或?qū)⒋龠M(jìn)相關(guān)智能設(shè)備先行發(fā)展度、材料、設(shè)備等方面技術(shù)與工藝的限制,自動(dòng)駕駛、行動(dòng)輔助裝備、人工外骨骼、人型機(jī)器人等行動(dòng)智能設(shè)備的收益與成本間仍存在較大的不平衡,因此5年內(nèi)相關(guān)市場的發(fā)展速度或?qū)⑤^低。易觀預(yù)計(jì)5年后因行動(dòng)姿態(tài)估計(jì)、增材制造等技術(shù)的逐漸成熟,如義肢、運(yùn)動(dòng)康復(fù)設(shè)備與助老設(shè)備等行動(dòng)輔助設(shè)備的成本將逐漸降低,而在醫(yī)療、康養(yǎng)、養(yǎng)老等方面的相關(guān)需求也將出現(xiàn)明顯增長,且相關(guān)領(lǐng)域?qū)Ω呖蛦蝺r(jià)的接受度相對較高,因此相較于其他消費(fèi)領(lǐng)域行動(dòng)智能設(shè)備,行動(dòng)輔助智能設(shè)備的商業(yè)化將先行發(fā)展,而之后大眾對行動(dòng)輔助智能設(shè)備接受度的提升也將促進(jìn)人工外骨骼歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@5參考資料(2021):202-202.(2022).mode|s.narxivpreprintarxiv:2209.00588(2022).RepresentationTheoryoftheAmericanMathematica|society26.37(2022):1145-1191.arxiv:2111.15323(2021).preprintarxiv:2206.13517(2022).organization.nscience375.6585science.narxivpreprintarxiv:2207.07048(2022).arxivpreprintarxiv:2206.11795(2022).synthesis.nArxivpreprintMode|ing.narxivpreprintarxiv:2207.11280(2022).[19]Tay,yi,eta|.nEfficienttransformers:Asurvey.nAcMcomputingsurveys55.6(2022):1-28.歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@preprintarxiv:2206.14858(2022).arxiv:2202.01344(2022).[23]xia,weihao,andJing-Haoxue.nAsurveyon3D-aWareImagesynthesis.narxivpreprintarxiv:2210.14267(2022).capabi|itiesof|anguagemode|s.narxivpreprintarxiv:2206.preprintarxiv:2207.14255(2022).[26]Tay,yi,eta|.nEfficienttransformers:Asurvey.nAcMcomputingsurveys55.6(2022):1-28.[27]peeb|es,wi||iam,arxiv:2212.09748(2022).survey.narxivpreprintarxiv:2212.10403(2022).arxiv:2203.15556(2022).preprintarxiv:2203.02155(2022).MachineLearning.narxivpreprintarxiv:2211.04325(202FoundationsandTrends?incomputerGraphicsandvision14.3-4(2022):163-352.interaction.nproceedingsoftheNationa|Academyofsciences119.39(2022):e2115730119.Nationa|Academyofsciences119.47(2022):e2206625119.preprintarxiv:2209.00796(2022).preprintarxiv:2209.00796(2022).[37]“A|phafo|dRevea|sthestructureoftheproteinuniverse.”Rss,[38]peeb|es,wi||iam,andarxiv:2212.09748(2022).survey.narxivpreprintarxiv:2210.00105(2022).onpatternAna|ysisandMachineInte||igence(2022).歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@[42]Tan,xu,eta|.nAsurveyonneura|speechsynthesis.narxivpreprintarxiv:2106.15561preprintarxiv:2210.17332(2022).and|anguage.narxivpreprintarxiv:2202.03555(2022).Extremecomputingconference(HpEc).IEEE,2022.[47]Li,xiang.ThestudyontheArchitectureandoptimizationofDeepconvo|utiona|stanforduniversity(2021).歡迎登陸易觀分析