前言
全球人工智能浪潮风起云涌。人工智能主要研究领域包括机器人、语言识别、图像识别、自然语言处理和专家系统等。自1956年达特茅斯夏季人工智能研究会议以来，人工智能技术的发展已经起起伏伏共经历了三次浪潮。千亿市场空间即将开启，世界各国加紧布局。我国已将人工智能提升至国家战略高度，政策助力人工智能产业崛起。
人工智能产业链包括三层：基础层(计算基础设施)、技术层(软件算法及平台)和应用层(行业应用及产品)。
基础层主要涉及数据的收集与运算，这是人工智能发展的基础，主要包括AI芯片、传感器、大数据与云计算。
技术层是人工智能产业发展的核心，技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模，以开发面向不同领域的应用技术，包括感知智能和认知智能。
应用层是建立在基础层与技术层基础上，实现与传统产业的融合发展以及不同场景的应用。
一、人工智能产业链基础层
基础层主要涉及数据的收集与运算，主要包括AI芯片、传感器、大数据与云计算。
其中，传感器及大数据主要负责数据的收集，而AI芯片和云计算负责运算。基础层为人工智能产业奠定网络、算法、硬件铺设、数据获取等基础。
AI芯片是人工智能的“大脑”，市场规模呈快速增长态势。
早期人工智能运算主要借助云计算平台和传统CPU相互结合的方式，但随着深度学习等对大规模并行计算需求的提升，开始了针对AI专用芯片的研发。
目前AI芯片主要类型有CPU、GPU(图形处理器)、FPGA(现场可编辑门阵列)、DSP、ASIC(针对神经网络算法的专用芯片)和类人脑芯片几种，ASIC有望在今后数年内取代当前的通用芯片成为人工智能芯片的主力。
金准产业研就团队预计至2021年，人工智能芯片市场规模有望达到111亿美元，年复合增长率达20.99%。
芯片生产商方面，据市场研究公司Compass Intelligence最新研究显示，在全球人工智能芯片企业排名表中，前三名依次是英伟达(Ividia)、英特尔(Intel)以及IBM，华为第12名，成为中国大陆地区最强芯片生产商。
英伟达目前占据全球GPU行业的市场份额超过70%，远超竞争对手。
华为从1991年开始，走上了开发ASIC芯片之路，2018年10月，推出昇腾910和昇腾310云端芯片，前者计算能力远超谷歌及英伟达，后者最大功耗功耗仅8W，预计2019年二季度上市。
GPU因其具备大规模并行计算能力而被广泛应用于深度学习之中，是目前人工智能芯片领域唯一能够实现大规模应用的方案，但GPU的树形拓扑通信结构也决定了其未必适合所有AI应用场景。
与GPU相比，FPGA则是可编程的，并且能够灵活地针对自己所用的算法修改电路。
就性能而言，在峰值性能上，GPU远远高于FPGA，而在平均性能上，GPU则逊于FPGA。
总体来说，在未来的工业制造领域，FPGA将有更大的发展空间。
ASIC是新一代人工智能芯片，在功耗上也远远优于GPU，而且一旦量产后，ASIC的成本会远远低于FPGA方案。
金准产业研究团队认为，这几种芯片都有其擅长的应用场景，未来一段时间将活跃在人工智能领域。
全球PCGPU芯片生产商主要有，Intel、Nvidia、AMD;移动GPU方面有ARM、Imagination、Qualcomm、Vivante及NVIDIA。
除芯片外，人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。
当前人工智能主要的计算平台还是云计算，而依据服务性质的不同，这些平台主要集中于三个服务层面，即基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)。
人工智能训练需要大量的素材，只有丰富、完备的数据，才能使人工智能持续优化。
近些年人工智能技术突飞猛进，一个非常重要的原因即是移动数据量的爆发。
优质的数据可以令人工智能深度学习得导更完美得结果，而人工智能得发展更进一步推动大数据产业发展。
大数据、云计算的发展必然推动IDC机房需求的提升。
目前我国IDC业务主要以电信运营商占主导地位，未来发展方向为建立统一的数据语言以便数据中心互相连接，由集中化数据中心走向分散化数据中心。
二、人工智能产业链技术层
技术层是人工智能产业发展的核心。
技术层主要依托由智能芯片构建的基础层、运算平台和数据资源进行海量识别训练和机器学习建模，以开发面向不同领域的应用技术，包括感知智能和认知智能。
感知智能通过传感器、搜索引擎和人机交互等实现人与信息的连接，获得建模所需数据，如计算机视觉(图像识别)、自然语音处理和生物识别等;认知智能对获取的数据进行建模运算，利用深度学习等类人脑的思考功能得出结果。
国内的人工智能技术层主要聚焦于计算机视觉、语音及自然语言处理以及机器学习领域。
源自于卷积神经网络研究的深度学习带来了人工智能算法上的突破，其本质是构建多隐层的机器学习模型，通过海量数据的学习得出相应特征，实现准确预测，来模仿人脑的机制来解释数据，例如图像，声音和文本。
2.1计算机视觉（图像识别）
图像识别的核心是让计算机像人一样能读懂图像的内容。
图像识别通过多层神经网络逐层对图像的特征进行提取，以识别不同模式目标的技术。
一般来说，会先对图像进行信号变换、降噪等预处理，再来利用分类器对输入图像进行目标检测。
目前，图像识别准确率已经很高，据报道，几年前，百度图像识别的错误率仅为4.58%，人脸识别准确率更已达99.7%，超越了人类水平，同时也超越了微软和谷歌。
图像识别技术在许多领域发挥重要的作用。
图像识别技术以图像的主要特征为基础的，其技术是立体视觉、运动分析、数据融合等实用技术的基础，在导航、地图与地形配准、交通安防、工业4.0、自然资源分析、天气预报、环境监测、社交领域人脸识别等许多领域可广泛应用。
据Reseachand Markets报告显示，2017年基于人工智能的计算机视觉全球市场规模为23.7亿美元，预计2023年会达到253.3亿美元。预计2018-2023年复合增长率为47.54%。
目前，国内图像识别领域里不乏优秀企业，如旷视科技是国内计算机视觉领域最早创业的公司之一;商汤科技专注于计算机视觉和深度学习原创技术，通过研发视觉技术，赋予计算机视觉感知和认知的能力;依图科技研发的“蜻蜓眼”人像大平台已服务全国上百个地市公安系统，是全国唯一拥有十亿级人像库比对能力的公司。
2.2语音及自然语言处理
人工智能的交互核心在语音。
人工智能是一个复杂的系统工程，“机器学习”作为其中的必备环节之一，采用了大量前沿的技术，TTS(智能语音合成)就是其中重要的技术。
语音识别技术正逐步成为计算机信息处理技术中的关键技术，自然语言识别是指让计算机能够听懂、理解人类的自然语言，使人机交换更加简单直接。
2017年4月，谷歌旗下Lyerbird公司，推出能模仿任何人说话的系统。
2018年5月，微软在其公有云平台上推出了语音合成定制服务产品Custom Voice，可对声音进行模拟。
根据中商产业研究院数显示，2017年，全球智能语音市场规模110.3亿美元，同比增长30%。2017年中国智能语音市场规模达到105.7亿元，与2016年相比增长70%，预计2018年规模将进一步增长，达到159.7亿元。
基于深度学习的语音识别技术，目前国内仅有三家公司拥有自己的算法模型：百度CLD模型、科大讯飞FSMN模型、思必驰VDCNN模型。
科大讯飞公司拥有国内领先的语音技术，目前其语言云识别准确率优于95%，有较好的语音听写市场。
2017年11月，科大讯飞(002230)推出“讯飞留声”的测试版本，只需10句的声音采集，即可完成个人声音的复刻，采集量只有行业平均的百分之一(远低于微软的500句与行业的千句)。
语义识别方面，江南化工的图灵机器人准确率也在在95%以上，已达实用水平。
语音识别技术在人机交互、语音理解、内容推荐、车音系统、语音导航、远程医疗、智能社区以及各类语音咨询平台发挥重要作用。
国内有影响力的智能语音识别企业还有阿里云、云知声等。
2.3机器学习
机器学习主要以深度学习、增强学习等算法研究为主，赋予机器自主学习并提高性能的能力。
目前重点谋求在算法领域实现突破，2019年将是机器学习关键的一年，预计到2021年底，机器学习领域累计投资或将达到580亿美元。
当前主流算法如深度神经网络、卷积神经网络及循环神经网络等都需要构建庞大的神经元体系，投入非常大，因此该领域主要为互联网巨头公司布局，据“AI前线”估算，全球机器学习行业的年平均增长率约为42%。
由于巨头公司业务领域和战略不同，机器学习侧重方向也略有不同，各公司在基础算法研究的同时也会注重在特定行业的应用，例如京东DNN实验室研究神经网络算法，但主要方向在智能客服领域。
第四范式是国内有影响力的机器学习相关技术企业，2017年5月，第四范式入选"Gartner2017CoolVendor”，是国内唯一入榜的通用平台型人工智能公司。
另外，阿里数加、百度IDL、腾讯机智都有不错的产品。
三、人工智能产业链应用层
应用层是建立在基础层与技术层基础上，实现与传统产业的融合发展以及不同场景的应用。
随着图像识别及计算机视觉、语音识别、深度学习等人工智能技术的快速发展，各终端和垂直行业与人工智能的融合将持续加速，对传统的金融、农业、家电、制造、医疗、教育等行业将形成全面而彻底的塑造。
根据金准产业研究团队的统计，2017年进军人工智能领域的企业仅为13%，而在2019年之前，30%的企业将会进军人工智能领域。
据麦肯锡预计，随着人工智能与传统行业的融合，到2025年，人工智能将催生10万亿美元以上的市场规模。而埃森哲的研究表明，到2035年，人工智能有潜力使各行业公司的盈利能力平均提高38%，届时，将使12个经济体在16个行业的产出提高14万亿美元。
以下重点选择当前及未来几年较为火热的AI+领域进行分析，包括AI+医疗、AI+安防、AI+汽车、AI+家居、AI+工业制造。
3.1智慧医疗
人工智能很容易与医疗行业相结合，因为医疗行业已经积累了大量的诊断数据和以往病例。
随着人工智能的发展，在不久的将来人工智能技术或成为医生的顾问，协助进行诊断;
应用人工智能技术，可以整合生活中的健康数据，对情况及时做出预警;药物研发机构同样可以进行大量模拟实验，通过数据分析，提高研发效率。
金准产业研究团队的研究显示，2014年至2021年，医疗领域中人工智能的市场规模将增长11倍，即6亿美元至66亿美元。
目前，尽管智能安防领域最为火热，但率先落地的可能会在医疗领域。智慧医疗将人工智能、大数据、物联网、云计算等新技术运用在医疗领域，科技巨头正争相介入。
IBM的沃森超级计算机于2010年推出，系统以人工智能和软件分析结合起来去解决问题，从海量病历中，挖掘整理人类医生的临床诊疗经验，采用归纳法，改变了人工智能医疗所使用的方法论。
IBM的沃森在行业中几乎占领市场，很少有竞争对手。
谷歌旗下的Dee pMind近年来将人工智能算法更多地应用于医疗健康领域，将机器学习技术用于处理英国NHS(国家医疗服务系统)的数据。
谷歌公司的Google Medical Brain项目，被视为人工智能医疗的业界领袖。
国内有不少公司进入了智慧医疗领域，国内该领域关注度较高的相关企业有：阿里健康、平安好医生、深睿医疗、图玛深维、依图科技、翼展科技、科大讯飞、汇医慧影、碳云智能、妙手机器人等。
3.2智能安防
人工智能技术给安防行业带来的变化可以说是具有划时代意义的。
尤其是在2016年人工智能技术成熟地在安防行业开始应用以来，安防行业进入了一个智能时代。
传统的视频摄像机存储的是标准视频流，现在人工智能摄像机把采集到的视频流进行视频结构化处理，给后台只传递结构化以后的数据。
这样存储空间就可以有一个非常大的下降，包括传输带宽也有非常大的下降。同时，存储的视频结构化数据也可以做快速检索，秒级检索。
近年来，我国安防市场规模上涨态势更明显，增长率远高于全球市场，呈现了十分强劲的势头。
据前瞻产业研究院《中国智能安防行业市场前瞻与投资分析报告》整理显示，2016年，全球安防产品产值达到了284亿美元，前瞻产业研究院预计，到2022年全球安防行业市场规模将达到3526亿美元。
随着人工智能产业化的加快落地，民用安防产品将得到快速发展，2020年国内安防市场规模达到8000亿元以上，至2022年，国内安防行业市场规模将达到近万亿。
在智慧城市、平安城市、智慧社区等重点建设项目的背景下，安防已经成为人工智能最重要的落地场景之一。
国内主要智能安防企业有海康威视、大华股份、佳都科技、东方网力等。
3.3智能驾驶
智能驾驶(无人驾驶)作为战略性新兴产业的重要组成部分，是由互联网时代到人工智能时代过程中，人工智能与汽车行业结合形成的战略制高点之一。
从技术上看，智能驾驶与电动车有着天然关联性;从交通方面看，智能驾驶将大大提升生产效率和交通效率，并有可能成为人工智能首先突破的领域。
基于智能驾驶技术的汽车，实质上是一台移动智能机器人，通过智能感知技术、智能决策和控制技术、高精度地图自动完成驾驶里程。
目前全球智能驾驶研究竞赛处于白热化阶段，率先推出相应产品的企业将在其领域中存有一席之地。
2018年10月底，美国加州车管所正式向谷歌旗下自动驾驶公司Waymo颁发了完全无人驾驶测试牌照，在未来国家智能驾驶相关政策法规逐渐成型、行业内技术不断完善、中国智能驾驶企业积极推动应用落地的情况下，中国智能驾驶市场规模将保持持续扩大趋势。
作为未来汽车工业的发展方向，麦肯锡预测到2025年全球无人(智能)驾驶汽车可以产生2000亿至1.9万亿美元的产值。
中国智能驾驶产业市场规模预计到2020年将达到1214亿元人民币，前景可期。
国内关注度较高的相关企业有：蔚来汽车、威马智慧出行、图森互联、智车优行、Minieye、车和家、橙行智动、智车优行等。
3.4智能家居
智能家居最初的发展主要以灯光遥控控制、电器远程控制和电动窗帘控制为主，随着行业的发展，随着人工智能技术的不断渗透，智能家居几乎可以涵盖所有传统的弱电行业，当前除了语音识别技术外，图像识别、视频处理等人工智能技术逐步运用到智能家居产业。
金准产业研究团队预计，未来的智能家居将是一个主动型的超级智能体系。
在这个体系环境中，人可以“所想即所得”及“所需即所得”，一切智能效果，会依据人的日常习惯或需求进行全自主完成。
据权威研究机构发布报告预测，未来全球智能家居设备和服务市场将迅速增长，预计2018年市场规模将达到680亿美元。
巨大的市场蛋糕吸引来自国内外各巨头们及创新型创业公司争相进入，易观数据预测，2018年中国智能家居市场前景可观，或将达到1800亿，在此前景下，2019年至2020年市场规模则可能达到2500亿，对于智能家居未来趋势来说，2018年无疑就是起点。
该领域关注度较高的企业有：海尔、京东、华为、阿里巴巴、小米、美的、杜压机电等。
3.5智能制造
人工智能与工业制造结合，形成新一代智能制造技术，显著改善作业环境，提升生产力，降低成本，将从根本上引领和推进新一代工业革命。
对于传统产业来说，及早利用人工智能推动下的物联网和大数据升级进行产业转型方为上策，人工智能技术正在为逐渐衰落的传统制造业带来新的生机。
“人工智能+制造业”存在巨大市场空间，波士顿咨询在一份名为《工业4.0——未来生产力和制造业发展前景》的报告中明确指出，以云计算、大数据分析为代表的新技术将为中国制造业的生产效率带来15%—25%的提升，额外创造附加值4-6万亿元人民币。
从目前来看，人工智能与工业制造结合，主要有六大领域：工业机器人、制造业物联网、制造云、制造业大数据及商业分析、制造业人工智能、智能工厂应用及解决方案。
全球范围来看，制造业依然是国家竞争的核心战场。
在人口红利消失、进口替代等因素的驱动下，智能制造将成为中国制造业的发展趋势，从德国的“工业4.0”到中国的“中国制造2025”，以及美国政府近年来对于制造业回流的推动，新一轮制造业的竞争愈演愈烈，但与之前所不同的是，人工智能、云计算、大数据如何与制造业融合将成为左右此次竞争的重要要素。
博彦科技自主研发的人工智能平台慧智能平台(BAI Plat form)定位为企业的人工智能应用专家，可向企业提供基于数据和人工智能的多项服务。
大疆创新是国内在智能制造尤其是无人机细分市场占据统治级别份额的科技公司，其它智能无人机相关企业有：中科遥感、爱生科技等。
服务机器人方面，优必选专注于智能家庭服务机器人的研发，目前已推出消费级人形机器人Alpha系列、STEM教育智能编程机器人Jimu、智能云平台商用服务机器人Cruzr，其它智能服务机器人有：金刚蚁机器人、康力优蓝机器人等。
工业机器人方面，埃斯顿是国内领先的机器人生产商，通过外延并购深耕于细分领域的技术型公司，已形成工业机器人全产业链，可提供全系列机器人产品，自主生产比例高达80%。
海内外科技巨头纷纷布局人工智能，带动行业纵深发展。海外市场上以亚马逊、谷歌、英特尔、微软、苹果等为代表的巨头公司早已深入AI产业链;国内市场上BATJ(百度、阿里、京东、腾讯)等一干科技巨头以及相当一部分新兴的“独角兽”企业，在国家政策的大力支持下也在纷纷追赶。
四、人工智能产业链
从人工智能的发展路径角度，可拆解人工智能产业链。
金准产业研究团队认为，在人工智能平台化的趋势下，未来人工智能将呈现若干主导平台加广泛场景应用的竞争格局，生态构建者将成为其中最重要的一类模式。
4.1模式一：生态构建者
全产业链生态+场景应用作为突破口。以互联网公司为主，长期投资基础设施和技术，同时以场景应用作为流量入口，积累应用，成为主导的应用平台，将成为人工智能生态构建者（如Google、Amazon、Facebook、阿里云等）；
关键成功因素：大量计算能力投入，积累海量优质多维度数据，建立算法平台、通用技术平台和应用平台，以场景应用为入口，积累用户。
4.2模式二：技术算法驱动者
技术层+场景应用作为突破口。以软件公司为主，深耕算法平台和通用技术平台，同时以场景应用作为流量入口，逐渐建立应用平台（如Microsoft、IBM Watson等）。
关键成功因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户。
4.3模式三：应用聚焦者
场景应用以创业公司和传统行业公司为主，基于场景或行业数据，开发大量细分场景应用；
关键成功因素：掌握细分市场数据，选择合适的场景构建应用，建立大量多维度的场景应用，抓住用户；同时，与互联网公司合作，有效结合传统商业模式和人工智能。
4.4模式四：垂直领域先行者
杀手级应用+逐渐构建垂直领域生态，以垂直领域先行者为主，在垂直领域依靠杀手级应用（如出行场景应用、面部识别应用等）积累大量用户和数据，并深耕该领域的通用技术和算法，成为垂直领域的颠覆者（如滴滴出行、旷视科技等）。
关键成功因素：在应用较广泛且有海量数据的场景能率先推出杀手级应用，从而积累用户，成为该垂直行业的主导者；通过积累海量数据，逐步向应用平台、通用技术、基础算法拓展。
4.5模式五：基础设施提供者
从基础设施切入，并向产业链下游拓展。以芯片或硬件等基础设施公司为主，从基础设施切入，提高技术能力，向数据、算法等产业链上游拓展；
关键成功因素：开发具有智能计算能力的新型芯片，如图像、语音识别芯片等，拓展芯片的应用场景；在移动智能设备、大型服务器、无人机（车），机器人等设备 、设施上广泛集成运用，提供更加高效、低成本的运算能力、服务，与相关行业进行深度整合。
结语
我国已将人工智能提升至国家战略高度，政策助力人工智能产业崛起。人工智能产业链蕴藏着巨大的机会，行业应用成最大的风口。应用层是建立在基础层与技术层基础上，实现与传统产业的融合发展以及不同场景的应用。人工智能在农业领域的应用就是其中之一。
以新一代人工智能技术的产业化和集成应用为重点，推进人工智能和制造业深度融合，随着人工智能在各行各业应用逐步深入，从算法和技术层面走入实体经济的步伐正逐渐加快，作为支撑我国制造强国和网络强国战略的重要举措，人工智能在产业化发展方面需要持续服务行业。
