人工智能相关技术处在期望巅峰
一、人工智能未来市场规模预测
人工智能从诞生之日起，技术一直在探索，每次技术的突破都能带来一段人工智能的繁荣期，当前基于深度学习算法取得的新进展，大数据资源丰富，云计算及GPU等硬件基础设施完善，人工智能迎来了快速发展期，据Tractica预测，2016年全球人工智能收入预计将达到6.4亿美元，到2025年将增长至368亿美元。人工智能市场将实现爆发式增长。同时根据艾瑞咨询分析，2015年中国人工智能市场规模约12亿元人民币，预计2020年国内市场规模将达到91亿元人民币，未来5年的复合增长率将达50%。
2016-2025年人工智能全球市场规模预测
一级市场投资热度不减，有望带动二级市场投资热情：2016年11月乌镇世界互联网大会发布的全球人工智能发展报告指出，近两年，人工智能领域的投资呈爆发趋势，投资金额及投资频次均有明显增加，同时国内人工智能领域投资相比之下增长更为明显，2016年2季度投资金额创历史新高。人工智能在国内一级市场已经迎来了投资热潮，明年一级市场的持续升温，有望带动二级市场投资热情。
世界人工智能投资金额及频次
中国人工智能投资金额及频次
二、人工智能政策上升至国家层面
国家对人工智能的重视程度不断提升，今年2016 年5月25日发改委等四部委发布《“互联网+”人工智能三年行动实施方案》，明确了人工智能未来三年的发展重点，并表示到2018年形成千亿级的人工智能市场应用规模。2016 年8月8日国务院发布《“十三五”国家科技创新规划》强调重点发展大数据驱动的类人智能技术方法，对人工智能等战略高技术进行重点开发。通过梳理可以看到，人工智能最初在2015年下半年进入国家视野，此后相关政策推出速度加快，人工智能发展规划迅速出台，预计未来政策将不断加码。
人工智能国家政策梳理
时间 | 政策 | 相关内容 |
2015年7月 | 《关于积极推进“互联网+”行动的指导意见》 | 依托互联网平台提供人工智能公共创新服务，加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用，培育若干引领全球人工智能发展的骨干企业和创新团队，形成创新活跃、开放合作、协同发展的产业生态。 |
2016年3月 | 《中华人民共和国国民经济和社会发展第十三个五年规划纲要》 | 重点突破大数据和云计算关键技术、自主可控操作系统、高端工业和大型管理软件、新兴领域人工智能技术。 |
2016年5月 | 《“互联网+”人工智能三年行动实施方案》 | 到2018年，打造人工智能基础资源与创新平台，人工智能产业体系、创新服务体系、标准化体系基本建立，基础核心技术有所突破，总体技术和产业发展与国际同步，应用及系统级技术局部领先。在重点领域培育若干全球领先的人工智能骨干企业，初步建成基础坚实、创新活跃、开放协作、绿色安全的人工智能产业生态，形成千亿元级的人工智能市场应用规模。 |
2016年7月 | 《战略性新兴产业重点产品和服务指导目录》 | 新一代信息技术产业”中首次增加了人工智能产业。对人工智能平台、人工智能硬件、人工智能软件，人工智能系统四个方面进行来说明。 |
2016年8月 | 《“十三五”国家科技创新规划》 | 重点发展大数据驱动的类人智能技术方法；突破以人为中心的人机物融合理论方法和关键技术，研制相关设备、工具和平台；在基于大数据分析的类人智能方向取得重要突破，实现类人视觉、类人听觉、类人语言和类人思维，支撑智能产业的发展。 |
三、人工智能技术发展
人工智能技术的核心发展要素可以归结为三个方面，深度学习算法、高效计算芯片、丰富的训练数据。2016年这三个方面均取得较快发展，人工智能发展基础愈加牢固，技术突破存超预期可能。
人工智能发展三大核心技术
深度学习算法应用广泛探索，开源平台有望加速人工智能普及速度：当前卷积神经网络、脉冲神经网络等深度学习算法已经得到广大科研人员及应用厂商的认同，基于深度学习算法的人工智能应用探索在各个领域已经展开。而且我们看到一个比较好的趋势是目前众多厂商推出了许多优秀的深度学习开源平台，有力于加速人工智能算法的普及及相关人才的培养。众多开源平台具有不同特点，能够适应不同的学习群体。
1.功能主导的平台，如得到亚马逊支持的MXNet, 微软推出的CNTK ，Facebook的Torchnet等深度学习功能性平台。这类平台提供了非常完备的基本模块，可以让开发人员快速创建深度神经网络模型并且开始训练。
2.应用模块+底层数据：如Google的第二代人工智能学习系统TensorFlow，既有现成的神经网络模块，也可以为用户提供接触底层数据的可能。3.专注底层运算：如Theano, Theano 是深度学习界最早的平台软件，专注底层基本的运算。
高效专用人工智能芯片有望加速人工智能发展：目前人工智能算法处理芯片正从通用GPU朝人工智能专用芯片发展，中星微“数字多媒体芯片技术”国家重点实验室研发的中国首款嵌入式神经网络处理器（NPU）芯片“星光智能一号”已于今年3月6日实现量产。美国当地时间8月3日，IBM官方宣布了他们的最新成果——首个人造神经元，可用于制造高密度、低功耗的认知学习芯片。
2016年3月，国内中科院发布了在人脸识别、声音识别等方面具有优势的寒武纪1A深度神经网络处理器芯片，相对于执行x86指令集的芯片，有两个数量级的提升，同时其功耗为传统芯片1/10。同时北京中科寒武纪科技有限公司CEO陈天石透露，“寒武纪”处理芯片一年半左右会进入市场，也就是2017年下半年。这些专用芯片的推出，能够对人工智能在特定领域如视觉、语音等的应用起到加速推进作用。
大数据积累速度指数级增长，丰富的训练数据有望带来人工智能算法性能快速提升：人工智能近期的繁荣主要受益于各个领域大数据的积累，其核心深度学习算法是一种特征学习方法，主要通过分层学习模型，建立从底层基础信号到高层抽象信号的映射关系，这种方法随着训练数据增加效果能够得到明显改善。大数据对感知智能，认知智能等人工智能方向均具有重要意义。物联网时代传感器的大量使用使得感知数据迅速积累，同时用户的多维度使用数据可以同时记录，如在具体位置购买的具体物品支付了多少金额，目前这种多维度，海量数据呈指数级增长，大量的数据通过一定处理能够产生大量有价值的训练数据，人工智能技术发展有望受益从而取得快速发展。
