浪潮：2019-2020中國人工智能計算力發展評估報告(31頁).pdf

《浪潮：2019-2020中國人工智能計算力發展評估報告(31頁).pdf》由會員分享，可在線閱讀，更多相關《浪潮：2019-2020中國人工智能計算力發展評估報告(31頁).pdf（31頁珍藏版）》請在三個皮匠報告上搜索。

1、算+態 中國智能邁向產業AI化 2019年8 3 3 內容錄 核觀點 . 、前. 1.1 智能的定義及核技術 1.2 國家政策引領中國智能速發展 1.3 數據、算法、算益成熟，為智能發展提供富饒的壤 、中國智能算及應的發展現狀 . 2.1 算基礎架構的發展 2.2 算是推動產業AI化前進的源動 2.3 態是產業AI化前進的必經之路 三、中國智能算發展評估. 3.1 評估體系框架 3.2 評估結果分析 四、動建議. 4.1 對業戶的建議 4.2 對智能解決案提供商的建議 04 05 08 18 29 4 計算是承載和推動智能向實際應的基礎平臺和決定性量，根據IDC 全球DataSphere的研究

2、，全球新創建的數據量將從2018年的33ZB增到2025年 的175ZB。隨著數據持續爆炸性增及算法的不斷演進，未來算仍有很的發 展空間。 預計2022年，智能推理市場占將超過訓練市場，GPU依然是數據中加 速的選，隨著邊緣、端側需求的快速增，智能芯市場將迎來多元化 發展。 預計2023年，中國智能基礎架構市場將超過80億美，未來五年年復合增 率達到33.8%，增速是中國整體基礎架構市場的三倍以上。 5G和物聯將推動邊緣、端側智能基礎架構的快速發展，性能、靈活性和能 效將成為未來重點考量因素。 計算的快速發展極促進了各業應場景的成熟，AI產業化加速向產業AI化 邁進?；ヂ?、智慧城市、融業產業A

3、I化已經在了前。未來五年，制造 、零售等業也有望逐步實現智能化。 互聯依然是智能算投資最的業，占據中國62.4%的智能算投資 市場份額；排名前五的業中，政府和融業增最迅速，2018年同增均 超過100.0%。 智能與云的融合將進步加速，未來五年，AIaaS市場規模的年復合增率為 66.0%，將成為推動云計算市場增的重要細分領域。 軟件框架市場TensorFlow和PyTorch憑借性能、靈活性及態優勢依然占據主導地 位；百度的深度學習開源平臺PaddlePaddle是國內主開發軟件框架的代表。 越來越多的智能領軍企業參與到業性能評測基準建設中，但總的來說業 界前缺少統的基準，多數現有的深度學習

4、性能基準相對單。隨著AI框 架不斷優化，模型不斷迭代以及算法不斷更新，各類基準也將持續的完善升級 與之適應。 2019年中國智能城市排榜，TOP5城市依次為北京、杭州、深圳、上海、 州，排名6-10的城市為合肥、蘇州、重慶、南京、西安。跟2018年相，北京超 越杭州位居第，州進第梯隊，蘇州、南京、西安次躋前。 核觀點 5 1.1 智能的定義及核技術 IDC將智能定義為具備學習、推理和我糾正能的系統。系統通過然語、語、圖像、 視頻等式與 類交互，從交互信息中抽取知識建知識庫，并采機器學習式建預測模型，基于模型進推理給出結果。 機器學習作為實現智能化的關鍵技術，可以分為傳統的機器學習和深度學習。過

5、去企業對于機器學習的采更 多是傳統機器學習做簡單的預測分析?，F在，企業已經開始探索采深度學習來提預測的準確率、處理結 構化數據，采圖算法、知識圖譜技術判斷相關性等等。從應落地的度，除了反欺詐、產品推薦、量化投資 等落地應場景，IDC也看到業企業在核產環節開始測試機器學習應，例如電器件產質檢、交通軌道 花檢測、配電站電壓器障礙評價等等。 由機器學習撐的智能核技術能可分成2類，分別是感知技術和認知技術?，F階段，感知技術的發展已 經相對成熟，認知技術的發展分為三個層次，分別是語理解；分析、推理以及格情感，認知技術應在未來 仍有很發展空間。 1.2 國家政策引領中國智能速發展 2015年以來，國家也從

6、政策層為中國智能技術的發展提供了利好環境。新代智能發展規劃和 促進新代智能產業發展三年動計劃（2018-2020年）的發布，不僅就未來智能相關戰略標、理論 技術、產業經濟、才培養、法律體系等進了論述，還重點提出了政府財政及社會資本投資的統籌安排，并 新輪科技命和產業變正在快速推進，數據的爆發式增、算法的新、算的提升及絡設施的演進驅動智能發展進 新階段，智能化成為技術和產業發展的重要向。智能具有顯著的溢出效應，將進步帶動其他技術的進步，推動戰略性新興產 業總體突破，正在成為推進供給側結構性改的新動能、振興實體經濟的新機遇、建設制造強國和絡強國的新引擎，源源不斷地為 數字經濟的發展提供持續創新動。

7、 前 6 對撐體系和保障措施進了詳細規劃，明確了今后發展向及標，進步加快 滲透速度，為產業發展提供有的政策持，中國智能發展突猛進。在政策 的持引導下，國內科技巨頭紛紛布局，產業資本也將更多光聚焦于智能的發 展和應。2016AI產業化元年起，AI發展經歷了2017年的產業化布局，2018的AI應 落地之年，2019年，AI則會著側重于領域拓寬及各領域內部的競爭。智能正通過 不同的應快速滲透終端，使更闊的群切實感受到智能的產品魅及其 實價值。 1.3 數據、算法、算益成熟，為智能發展提供富饒的壤 作為智能的三要素，數據、算法、算撐起其核技術的應，在不同階 段發揮各的作，缺不可。數據、算法、算態條件

8、益成熟，智能發 展將迎來新輪的戰略機遇。 1.3.1多技術融合帶來數據井噴，未來五年數據市場將持續增 隨著多種新興技術產業的快速發展，數據總量呈現海量聚集爆發式增。2019年，5G的 部署以及物聯的進步發展，數據的增速度將越來越快。據IDC統計，世界領先的互 聯公司數據量已達到上千PB，傳統業頭型企業數據量也能達到PB級，個也能 夠產數千TB數據。這些類型豐富、場景各異的數據資源為智能系統主學習并建 預測模型提供了豐沃的壤。除了使實際數據，未來智能系統還將越來越多的 使量模擬數據于模型訓練，這也將使得智能模型的開發速度幅升。 1.3.3 算是智能發展的基礎保障，未來仍有很的發展空間 海量的數據

9、每時每刻都在產，新的數據正以前所未有的速度和式存儲下來，數 據不再是問題；算法經歷了數年的發展，在深度學習和加速計算出現之后，得到 了迅速的發展和優化，以最新的MegatronLM語模型為例，該模型包含了接近百億 個參數，在NLP領域取得突破性進展的同時，給算也提出了巨的挑戰，算已 經成為承載和推動智能向實際應的基礎平臺和決定性量?？梢灶A，未 來隨著數據持續爆炸性增以及算法的不斷演進，算仍有很的發展空間。 2018年5歐盟頒布了般數據保護條例 （General Data Protection Regulation，簡稱 GDPR），該項法規中明確規定了對于個數據 的定義以及保護規定，智能的發展

10、是基 于量數據來推進。短期看來GDPR為智能 的發展增加了些阻，但這法規也為智 能的發展和應提供了個良好的環境和有效的 法律監管。相對，數據保護規范對于智能 箱、智能標等AI產業化衍的針對個消費 者的市場影響較，對于智能在傳統業 的滲透影響相對較，例如制造業。未來中國在 數據保護也將趨嚴格，對于企業來說即是 機遇是挑戰，中國的企業需要提前布局，有效 規避險，在轉變的過程中獲得先機。數據保護 條例會讓數據的獲取和處理變得更加困難，企業 需要投更多的、資和時間，對于中企 業來說也是項巨的挑戰。 1.3.2 智能算法迅速發展，為其應帶來限可能 智能的算法從上世紀50年代開始，從機器學習到深度學習，經

11、過數年的不斷 演進，已經可以滿越來越多的場景需求。通過與垂直業相結合，新算法層出不 窮，向更細化發展，智能應的主要業如互聯、政府對于算法的研究投 也在逐年增加，推動了算法與其應的結合。 計算機視覺（CV）和然語處理（NLP）都 需要結合量的算法，前，CV的發展已較 成熟，NLP因為更注重感知之后的認知，如何 處理然語理解、發、噪擾等難題， 使其過去的發展相對較為緩慢。最近年，NLP 領域取得了重要突破，2018年底，歌發布了 BERT模型，打破了當時余項NLP測試記錄， 就 在 不 久 前 ， 英 偉 達 發 布 了 更 的 MegatronLM語模型，這些重要的突破為NLP 的應帶來了更加闊

12、的發展前景，例如醫療 業的智能診斷，教育業的語能管理， 以及辦公動化、服務機器、智能法庭、多 語種/的機器翻譯等等。 7 圖1 中國人工智能基礎架構生態圖譜 AI算 云服務提供商 應提供商 算法提供商 芯提供商 （AI服務器） 來源：IDC，2019 8 2.1 算基礎架構的發展 算，作為智能發展進步的基礎保障,其發展進步將對智能技術的進步和業應起到根本性的作。IDC從算 基礎架構層，重點研究和考量芯、服務器、邊緣設備、AIaaS和主流框架等個的發展及變化，旨在了解2019- 2020年算的新和進步，下就此進逐分析： 2.1.1 預計2022年，推理市場占將超過訓練，芯市場將迎來多元化發展 算

13、法，數據和算是智能的三要素，其中數據的獲取以及處理的難度在慢慢下降，算法也在多種深度學習 的框架上不斷優化。因此，市場將光聚焦在將數據和算法協調起來的芯上。前，智能芯致可分為 以下類： 中國智能算及 應的發展現狀 按照作負載，智能芯可以分為訓練芯和推理芯，訓練是指在已有數據中學習，獲得某些能的過程，對計 算的精度要求較，它直接影響推斷的準確度。這就要訓練芯有強的單芯計算能，前GPU芯更適合于訓 練負載。推理過程則是指對新的數據，使這些能完成特定任務（如分類、識別等）。 9 IDC認為，未來智能市場，推理環 節將超過訓練環節，根據預測，到2022 年推理的市場占將超過訓練，推理類 芯將是未來最的

14、潛在市場，也是 智能芯市場的決勝點之。 81.3% 73.7% 66.6% 59.8% 51.7% 47.9% 42.7% 18.7% 2017201820192020202120222023 26.3% 33.4% 40.2% 48.3% 52.1% 57.3% TrainingInference 圖2 推理和訓練市場占比預測 來源：IDC，2019 GPU芯（GraphicsProcessingUnit）GPU芯是基于吞吐設計的，擁有 個由數以千計的更、更效的核組成的規模并計算架構。GPU芯是 單指令、多數據處理，采數量眾多的計算單元和超的流線，主要處理圖像 領域的運算加速。前，智能芯市場

15、相對較集中，短期看CPU+GPU芯 的架構將繼續占有領導地位。 FPGA芯（FieldProgrammable Gate Array）FPGA適于多指令，單數據 流的分析，與GPU相反，因此常于預測階段，如云端。FPGA是硬件實現軟件算 法，因此在實現復雜算法有定的難度，缺點是價格較，其優勢為靈活性 強。經常做ASIC芯的批量替代品，近年來也在微軟和百度等公司的數據中 規模部署，以提供強的計算和夠的靈活性。 ASIC芯（Application Specific Integrated Circuit）ASIC是為實現特定場景 應要求時，定制的專AI芯。除了不能擴展以外，在功耗、可靠性、體積 都有

16、優勢，尤其在低功耗的移動設備端。但由于該類芯靈活性相對較差，所以在AI 市場的應還不夠泛?；谝陨蟽瀯?，ASIC芯更多的于端或邊緣側。 智能市場的爆發帶動智能服務器的發展駛了快道，服務器商相繼推出搭載GPU、FPGA等多種加速 類型專向智能作負載的智能服務器，適于深度學習、計算機視覺、語識別、然語處理、 視頻分析等領域，泛應于視頻監控、圖像處理、動化客服、精準營銷推薦等典型AI應場景。另外，些 商也推出了專的GPU體機，如英偉達的DGX系列服務器和浪潮的AGX系列服務器。 智能服務器采異構架構進加速計算，可以分為CPU+GPU、CPU+FPGA、CPU+ASIC等多種形式。和傳統服務器 相，智

17、能服務器在組件上，如內存模塊、存儲模塊、絡模塊與傳統服務器差別不，主要的提升為持更 容量的內存滿當下實時負載增加的需求，提供更多外置硬盤插槽，并泛持NVMEPCIE等協議，滿數據洪流需 求。除此之外，各商也在不斷完善并發展新的互聯協議，例如英偉達推出的可實現GPU之間互聯的NVLink協議， 以及Intel推出的速互聯的CXL協議。盡管智能服務器可以采多種異構形式，但前市場上泛應的還是 CPU+GPU架構的服務器，隨著摩爾定律失效，CPU的物理藝和核數已接近極限，在萬物皆AI的時代下，數據總量 呈指數級增，僅由CPU提供算的傳統服務器很難滿這種密集型計算的需求，前CPU+GPU架構恰好能很好的

18、 解決算的問題，GPU的并計算能適于智能起步階段的數據量的訓練，擅處理密集型運算應；另外 智能推理通常需要實時進，并且需要強的處理性能。 未來智能將會是傳統企業數字化轉型的關鍵，到2023年全球35%的員將開始使機器或其他形式的 智能。隨著智能推理與各業的深度融合，搭載各類智能加速卡的服務器將會層出不窮。IDC預計，于 智能作負載的服務器是全球及中國服務器市場中迅速增的部分，全球智能基礎設施市場規模2018 年達到67億美元，同增46.0%，在2023年將達到229億美元，未來五年復合增率為27.9%；中國智能 基礎架構市場在2018年約為19億美元，2023年將達到83億美元，未來五年復合增

19、率為33.8%，其中，服務器市 場規模占整個硬件市場85%以上。2018年GPU服務器繼續保持速增，銷售額同增131.2%，仍然是智 10 前，智能領域的主流芯依然是GPU芯，其中英偉達和AMD是較突出的兩商。英偉達的優勢在于矩 陣運算，先后推出了Pascal GPU和Volta架構；AMD作為GPU的另商，也推出Radeon Instinct系列，預計將 于數據中等智能基礎設施上。FPGA經常做ASIC芯的批量替代品，近年來在微軟和百度等公司的數 據中有部署，以提供強的計算和夠的靈活性。前市場上應較多的是Xilinx和Intel 兩商。ASIC芯 是針對專應特別設計的，所以可以滿體積，功耗低

20、，保密性強，計算效率等需求，并且出貨量 越其成本越低。前，國內主要的ASIC芯供應商，國內有寒武紀、地平線、華為等，國外有Graphcore等。 IDC預測，智能芯的市場將保持速增，未來五年復合增率將達到53.0%。GPU依然是 數據中加速的選，隨著智能在邊緣推理端的泛應，ASIC芯的市占率將有所增。 同時，針對不同的領域、業及應場景的不同需求，芯種類將越來越豐富，這也決定了未來 的智能芯市場將出現百花放的局。 2.1.2 未來五年，中國智能服務器市場復合增率將超過30%，增速達到中國整體服務器市場增 速的三倍 能服務器的主流。其中16卡GPU服務器增迅速，銷售額從2017年的2090萬美元增

21、到2018 年的2.63億美元，同增速達1161.7%，在GPU服務器整體份額中的例從2017年的3.7% 增2018年的20.2%，浪潮在這細分市場占最，份額接近8成。另外，GPU中的M4 、P4、T4型號銷售額從2017年的4810萬美元，增到2018年的3.6億美元，在整個GPU的份 額占從8.5%提升到27.6%。同時，2018年FPGA銷售額達到1300萬美元，同幅增了 1736.1%，這趨勢表明，中國智能已逐漸步規模應階段，產業AI化進程正不斷 加速。從供應商來看，中國本供應商占據了部分國內的市場份額，2018年中國GPU服務 器市場份額排名前三的供應商依次為浪潮、華為和曙光，其中

22、浪潮占超過50%。浪潮憑借 較早的進智能領域，通過JDM模式與領先互聯公司進深合作，在中國互聯 業，浪潮GPU服務器市場份額超過60%，并不斷向傳統業滲透。 2.1.35G和物聯推動邊緣、端側智能快速發展，性能、靈活性和能效將成為 未來重點考量因素 隨著5G和物聯的發展，傳感器、攝像頭等終端設備產了空前規模的數據量，雖然核數 據中對于數據分析、機器學習和智能算法的開發關重要，但越來越需要將智能靠近 邊緣端以便及時做出決策，“核計算”向“邊緣計算”轉化的過程中，將會激發邊緣IT基 礎設施的進步發展。 邊緣位于終端和核之間，IDC將邊緣分為輕邊緣和重邊緣，輕邊緣于特定功能，例如控 制，數據采集和傳

23、輸的低功耗計算平臺，有時也需要提供分析功能，例如載計算平臺等； 重邊緣相輕邊緣更靠近核層，是集成的計算平臺，常部署于型數據中，主要提供 IT功能，有時也會集成OT功能。同時，專向邊緣計算和5G作負載的邊緣計算服務器應 運，具有在極端邊緣部署環境中抗溫、防塵、防腐蝕、電磁兼容、抗震等特性，適 于圖像識別、視頻監控等邊緣AI應場景，以及物聯、MEC、NFV等5G應場景。 11 盡管前智能攝像頭的滲透率較低，約只有 2%的攝像頭配置了智能加速芯，但年復合增 率達42.0%，遠快于攝像頭市場13.9%的平均增 速，同時，智能攝像頭對于加速芯的性能要求也會 逐年提升。 物聯終端設備以攝像頭為例，全球范圍

24、內有數以億計的攝像 頭，每天都在產EB級的數據，其中，中國在全球占最。 隨著智能技術的迅速發展，智能攝像頭在智慧城市（異常 為識別、群異常聚集識別、交通紅綠燈配時優化等），制 造（機器視覺質檢）等領域被泛應，以應對海量的圖和 視頻數據處理。 前，36%的中國正在使邊緣計算設備來分析物聯數 據，領先的服務器商已經開始布局邊緣計算平臺。另外，5G 即將商也將極推動邊緣計算的規模部署，對于5G帶寬、 低時延、本地化的業務特性，量的業務需求將發在邊緣場景， 中國的電信運營商也將積極推進MEC邊緣云的建設。IDC預計未來 邊緣數據中將會分擔部分核數據中和端側功能，與云起 構建融合計算、存儲和絡功能的邊緣

25、能，承載邊緣產的數 據計算、分析等需求，充分釋放與俱增的算的潛。 2.1.5 軟件框架市場逐漸呈現雙之勢，并向標準化發展；TensorFlow依然占據主導地位，PyTorch 將從優勢領域突破，未來的競爭格局更加激烈 前，主要的軟件框架包括TensorFlow, PyTorch, Caffe, MXNet, CNTK, Theano, PaddlePaddle等，其中被應最泛 的是TensorFlow和PyTorch。TensorFlow功能全，可被于語識別或圖像識別等機器學習和深度學習領域，具 有泛的兼容性和完備的態系統，前依然是接受度最的主流框架；PyTorch是基于Python語的于深

26、度學習計算包，包含量機器學習、計算機視覺、并計算、圖像、視頻處理的庫，常靈活和快速，并且能實現 在GPU上的計算優化。從發展趨勢來看，軟件框架逐漸向標準化發展，例如歌也開始在TensorFlow最新版本中也 提供了動態圖持，增加了易性；Facebook將PyTorch和Caffe2的優點整合到起，幅增加了其性能，實現了 平穩過渡；百度的深度學習開源平臺PaddlePaddle是國內主開發軟件框架的代表，其最的特點就是易性并 持業級應，隨著中國對深度學習框架的逐年重視，百度的PaddlePaddle需要建更完備的態，未來依然有很 的發展潛。 12 近年來，企業IT基礎架構的部署模式已經發了顯著的

27、變化。企業 從傳統采購服務器、存儲和絡等硬件和軟件及服務加速向公有云 上遷移，相應從AI的能來看，企業也逐步開始向公有云服務供應 商采購云上GPU和FPGA等計算能以及AI能的AIaaS服務。AI與 云的融合是必然趨勢，AI將會以公有云服務的形式使企業能夠輕松 在云上獲取AI能從有效的訪問和使AI技術。 AIaaS發展潛巨，也將成為推動云計算市場發展的最主要動之。 IDC預計，未來五年，AIaaS市場規模的年復合增率將為66.0%，將成為 推動云計算市場增的重要細分領域。AIaaS的發展與AI態的發展息息 相關，在過去年隨著AI在數據、算法和算的益成熟，業應更加 豐富，以及AI產業鏈各個商的貢

28、獻，尤其是以云服務商為代表的的軟件 平臺型商在AI平臺和技術上的投與創新，使得AIaaS應場景更加豐 富和成熟。 AI態中軟件平臺型商是不可或缺的類參與者，軟件平臺型 商按照技術分類可以分為通機器學習平臺、可分為通機器學習 平臺、然語處理類、計算機視覺類、知識圖譜類商。平臺型 商提供包含了訓練好的模型的通技術平臺，可以向應場景 提供推理服務。云服務商是典型的軟件平臺型商，以阿云、百 度云、騰訊云、AWS等為代表的云服務商提供包括GPU和FPGA的 云服務器實例，以及語語義、計算機視覺、然語處理、知識 圖譜、深度學習等豐富的AIaaS服務，同時提供向融、政府、 制造、零售、教育、交通、醫療等業A

29、I解決案。 2.1.4 智能與云的融合將進步加速，未來五年，AIaaS市場規模的年復合增率為66.0%，將成 為推動云計算市場增的重要細分領域 前部分中國的企業已經開始采機器學 習的數據科學平臺，其中互聯和融業 的使率最；被使最多的開發語是 Python和Java，部分企業在使阿云的 PAI以及百度的Infinite平臺，其中阿PAI被 普遍認為靈活性更，百度的數據科學平臺 在性能上被更多認可 13 越來越多的智能領軍企業參與到業性能評測基準建設中，各類基準將持續創新完善 在智能技術領域的研究中，業界持續推進Benchmark（基準測試）來對系統、算法和硬件進研究以評估深度學習的性能。AI領域

30、 Benchmark可以分為云端AI和移動端AI，其中云端AI的Benchmark，針對深度學習核的訓練和推理兩個環節，有著不同的評判體系。 前業界主流的AI Benchmark有DAWNBench、MLPerf等基準。DAWNBench由斯坦福提出，是種于端到端深度學習訓練和推理的基準套件， 它提供了組常的深度學習作負載，于在不同的優化策略、模型架構、軟件框架、云和硬件上量化訓練時間、訓練成本、推理延遲和推理成 本。MLPerf由歌、Intel、NVIDIA、AMD、浪潮、阿、百度、哈佛、斯坦福等產學界機構組成，MLPerf是衡量機器學習軟件框架（如 TensorFlow、PyTorch和M

31、Xnet）、機器學習硬件平臺（包括Google TPU、Intel CPU和Nvidia GPU）和機器學習云平臺中訓練和推理性能的個 泛的基準套件。除此之外，中國智能業領軍企業也開始積極推進業基準建設，如SPEC于2019年設SPEC Machine Learning技術委員會 ，由發起者浪潮擔任任主席，Intel擔任秘書，成員包括浪潮、Intel、Alibaba、AMD、ARM、HPE、IBM等12家企業，涵蓋了從芯、整機、 框架、應等不同產業環節的領先企業和科研機構，以推進機器學習測試標準；另外，阿巴巴發布的AI Matrix基準，于阿內部的芯設計和 技術選型，同時也向開發者開放部分能。

32、 客觀和完善的基準測試可以給AI產業帶來活，同時推進AI技術的泛應。但總的來說業界前仍缺少統的基準，多數現有的深度學習性能 基準相對單。隨著智能框架不斷優化，模型不斷迭代以及算法不斷更新，各類基準也將進持續的創新、完善、和升級與之適應。 隨著算的提，越來越多的企業和開源組織參與到 智能開源軟件的研發中，新的軟件平臺正在不斷 進市場。TensorFlow憑借性能及態優勢依然占 據主導地位，PyTorch憑借其靈活性和增強的性能， 具有更的增潛；百度的深度學習開源平臺 PaddlePaddle是國內主開發軟件框架的代表。未 來，軟件框架所包含的算法更加復雜，對算的要求 將不斷提。 14 力 能 如

33、 測的解熟和得到廣泛應用的時。 圖3 20202025 互聯網 71.9 11.2 13.6 7.9 17.5 10.8 8.5 15.4 金融 零售 制造 電信 教育 智慧城市 醫療 15 人工智能經過數十年的發展，已經從實驗室階段到進化到AI產業，領先的人工智能、互聯網公司相繼推出人工智能產品， 例如智能音箱。2019年，智能音箱的市場得到飛速發展，根據IDC報道，2019年第一季度智能音箱市場出貨量達到1122萬 臺，同比增長787.2%，家庭普及率已經和PC、智能電視等產品相當，且未來發展空間巨大。 隨著應用場景的不斷成熟，人工智能也正逐漸滲透到各行各業，中國人工智能產業AI化將迎來高

34、速發展，IDC預測，未 來五年人工智能市場復合增長率將達到44.9%，整體規模將達到175億美金，其中互聯網、政府和金融依然是市場的主 導。目前，中國較為成熟的應用場景包括生物識別、欺詐分析與調查、智能客服、公共安全等。 生物識別包括金融行業的身份驗證、支付過程中的人臉識別等，該應用場景已經被廣泛應用； 欺詐分析與調查是指系統利用機器學習自動識別出隱含欺詐行為或存在高欺詐風險的交易活動， 該應用的關鍵在于海量數據相關性分析技術，目前已有諸多銀行開始使用； 智能客服通過語言或文本學習來了解客戶需求并為客戶提供服務，降低企業的時間和資源成本， 該應用場景主要服務于互聯網、金融、電信等行業； 公共安

35、全及預警采用圖像識別技術追蹤視頻監控中的可疑人員及行為，實時監控公共場所的安全 狀態，并利用知識圖譜等技術提高政府公共安全部門的緊急事件響應能力，同時達到預防和減少 犯罪的效果，維護社會安全。 除此之外，基于計算機視覺的內容鑒定和基于數據挖掘的智能推薦和精準營銷應用也已經被互聯 網行業廣泛采用。 圖4 2023年中國人工智能產業投資額（美元） 來源：IDC中國人工智能基礎架構市場跟蹤報告， 2019H1 市 場 時間 發 展 潛 力 16 預計在2025年之后被泛應的場景包括動駕駛、智能診斷、適應學習等： IDC預測，在2020年-2025年，有望得到泛使的應場景包括制造業領域的IT動化、QC

36、動化、ERP動化；零售 業的動結賬、客流分析、商品稽核；電信業的智能絡、智能服務等。 IT動化是指在IT系統上嵌機器學習功能，使之能夠我運并調節，實現常軟件維護作 的動化。動化引擎可以為IT系統制定決策并執任務，些型的企業已經在數據平臺上 部署了應，隨著機器學習的普及和滲透，預計2-3年內將有更多企業實施IT動化項； 智能質量管理系統（QC動化）能夠察覺制造流程中可能影響產品質量的規格變化，預測規格的 異常波動，并確保產過程保持在質量標之內； 另外，智能系統通過理解圖、本、語等數據，連接不同的作流程，在未來5年之內 可以實現智能流程動化（ERP動化）。典型的場景有發票報銷、保險核保理賠等流程的

37、 動化，該類應不但能夠提升體驗，更能為企業帶來顯著的運營效率提升。 動駕駛的概念在很早便提出，于倉儲物流的動駕駛有望在短期內實現，部分領先的電商已開 始部署；于農業以及于機場、建筑地、度假區等封閉場所的動駕駛輛，因為場景單，移動 相對緩慢，也有望在短期內被使。隨著技術進步發展，更多動駕駛場景將得以實現，如使專 駛路線的公共交通動駕駛，杭州已經在進相關建設。但是動駕駛要達到允許在任何時間，任何 開放道路上都可以駛的最終標還有很的路要； 于醫療業的智能診斷從不同的數據集（包括醫療記錄、實驗室測試數據、臨床研究和醫學影 像等）中提取關鍵信息，采語義理解、圖像分析技術等輔助患者診斷，或者提供個性化治療

38、 案。智能診斷已經在肺結節、眼底病變等領域采，要實現完全輔助臨床決策，同樣還需要較 段時間。 17 從TOP10技術和應場景來看，跟2018年相，然語處理和語識別技術取得了 較的進步，基于數據分析的險評估應被越來越多的銀使，發展迅速?？?體來說，智能向產業AI化的進程正在進步加快。例如制造業的QC動化、智能 ，零售業的商品稽核都預計發展成熟得更快；基于語處理的智能箱、智 能機器、智能導診等產品和應借助NLP領域取得的突破，也有較的發展潛； 另外，電信和教育等業也根據業特點，制定了智能絡、智能服務、適應 學習等智能場景規劃；動駕駛也開始由點到，進到落地階段。 2.3 態是跨越鴻溝的必經之路 通過

39、本次調研我們看到，部分業對于智能采取了開放的態，但是未來的挑戰在于如何快速建 智能的應。傳統企業的IT供應商不具備智能技術的優勢，智能技術的開發者對于垂直業沒有很 強的耦合。算雖然提供了前進的源動，但智能在產業的滲透最終還需要可供的公路。前，中國已經 有部分領軍企業開始推動智能態的建，例如前提到的阿和百度等互聯企業，通過在公有云上提供AI服 務來幫助企業解決應落地的問題。在本地環境，也有浪潮等智能領先企業在推動態的建設，浪潮提出的“元 腦”態，包含智能算、算法框架和服務，拉通業、扎根業的SV、SI，以及智能開發者，提供 向場景的整體解決案。未來，基于態的創新變得益重要，如何構建產業態，為更多上

40、下游供應商提供整合的 平臺，為最終輸出理想的解決案在未來也變得關重要。 2019年，在算+態的推動下，智能正加速在各個傳統業的滲透，企業應該提前制 定或完善智能的整體發展戰略，以應對未來的變化和轉型。 IDC從宏觀經濟、技術成熟度、勞動供給三個維度對智能算的發展平和未來發展潛進評估，重點考量了 包括經濟狀況、基礎架構、第三平臺、員平等核因素。這些因素對本次評估的定性和定量部分關重要。如 下表所： 中國智能 算發展評估 18 19 維度核因素評估項影響 宏觀經濟 經濟 各地區的經濟總量及增速 經濟增速的快慢會影響企業的期投資。 不斷增的經濟將推動企業需求，并增加 智能系統的采，推動智能市場 的增

41、，相反，如果經濟形勢變得不那么 有利，并且變得更加不穩定，則可能導致 技術出減少和智能的采。 各業/地區總IT投資規模 各業/地區智能投資規模 各業/地區智能算投資規模 各業/地區智能算的未來投資計劃 政策 智能相關的政策扶持 中 國家或地政府的政策可以通過指導思想，保 障措施，建信來推動IT及智能出 政策的落地情況和實施進展 利潤業的平均利潤率中 業利潤率的低會影響其IT出，如果利 潤低于預期，可能會導致企業推遲智 能項 技術成熟度 基礎架構 采的智能算加速案 基礎架構是智能應的核部分， 智能算的平將直接影響其應的發展 智能服務器配置情況 智能算的局限及挑戰 應成熟度 使智能應的年限 中 智

42、能的應成熟度取決于關鍵技術在 垂直領域的突破，應成熟度的低對企 業是否采會產定影響 智能的應類型 第三平臺 云服務應情況 如今，核系統正在逐步升級第三平臺技 術，第三平臺解決案，包括云、移動和 數據，推動了許多企業或組織的IT出和 新的智能項 數據平臺成熟度 勞動供給 AI員 智能開發和運維員數和技能平 中 前，中國的智能才缺較， 才的儲備對企業智能的部署和未來發 展將發揮重要作 智能開發和運維員的才儲備 3.1 評估體系框架 3.2評估結果分析 3.2.1 中國智能市場未來五年將持續保持增率，硬件市場規模占將持續在50%以上 IDC將智能市場按技術類別分成硬件、軟件和服務，未來5年中國智能市

43、場總體規模將繼續保持增率， 年復合增率將達到44.9%并超過170億美。在整個智能市場中，硬件市場規模異常突出，IDC預測，2023年 智能硬件市場將達到83億美。原因是中國市場投資新興技術時傾向于先投資硬件，另原因是 在智能模型的訓練及預測市場中，以圖形處理器（GPU）為代表的異構服務器價格遠于CPU，IDC預計在2021 年之前，智能硬件市場規模占都將在50%以上，其中，服務器市場規模占整個硬件市場85%以上。 服務 軟件 硬件 總體 GAGR 總體 GR 0 4k 8k 12k 16k 2k 6k 10k 14k 18k 20k 2731.7 17,468.0 44.9% 64.0% 5

44、2.6% 41.6% 38.8% 30.0% 34.2% 59.9% 40.1% 23.3% 27.6% 23.4% 0 2k 4k 6k 8k 1k 3k 5k 7k 1,680.6 7,303.4 20 圖5 中國人工智能整體市場規模及預測，2018-2023 數據來源：IDC 2019 數據來源：IDC 2019 圖6 中國人工智能服務器市場規模及預測，2018-2023 2018 2018 2019 2019 2020 2020 2021 2021 2022 2022 2023 2023 服務器 服務器GAGR 服務器GR $M $M $M $M 21 3.2.2 接受度相去年有較提，

45、未來投資計劃也隨之增 根據IDC調研結果顯，2019年中國智能的市場接受度從2017年的10%提升到45%，同時，82%未使 智能的企業計劃在未來1-2年內部署，部分正在采智能的企業計劃在未來兩年增加少倍的部署投 資，智能市場未來兩年仍將保持速增。另外我們看到，企業部署智能最主要的原因是希望通過采 智能來縮短流程所需時間、降低需求以及降低企業總成本，除此之外，還有提產效率、提資 產利率等主要原因。通過越多越多的智能場景被采并驗證，對智能帶來的的巨收益有了更 深的認知，并希望通過智能技術更有效的實現企業標。 62% 15% 8% 15% 25%35%45%55%65% 75%85% 74% 68

46、% 58% 52% 36% 縮短流程時間 降低需求 降低成本 提員產效率 提資產利率 從加速式來看，超過50%的選擇采CPU+GPU的加速案，其中互聯相其他業更多 的采；CPU+FPGA的加速案在政府、融和服務業被較多采。前，只有不到10%的選 擇CPU+ASIC的加速案。另外，企業認為智能加速案最重要的三個因素分別是：計算能、可 擴展性和穩定性。 數據來源：IDC 2019 數據來源：IDC 2019中國人工智能用戶市場調研，N=200 數據來源：IDC 2019中國人工智能用戶市場調研，N=200 數據來源：IDC 2019 圖7 如果您目前還沒有采用過人工智能，您計劃 什么時間采用？ 圖

47、8 您認為采用人工智能會給您的企業帶來哪些價值？ 1-2年 7-12個 2年以后 2-6個 智能正在成為所有業中企業的股顛覆性量，智能例的范圍已經很泛，并且每年都保持速增 。數據、性能計算和復雜的機器學習能的融合使得智能成為現實，智能在各業的應也更加 豐富和成熟，其中在互聯、政府、融、電信、制造等業已經形成了較典型的應場景，但在不同的產業 間、產業內不同規模的企業間，在智能應的進程上差異明顯。隨著企業繼續看到智能技術的價值， 們對智能系統的熱情已經超出了炒作的范圍，智能技術也真正開始應，成為傳統企業數字化轉型的關 鍵步，為整個商業界、IT界和普通眾產前所未有的影響。 0%20%40%60%80

48、%100% 93% 75% 54% 40% 21% 9% 計算能 可擴展性 穩定性 價格成本因素 開發難度 能耗 3.2.3互聯依然是智能算投資最的業，占據中國62.4%的智能算投資市場份額；排名 前五的業中，政府和融業增最迅速，增率均超過100% 基于IDC持續的研究和最新針對最終調研，中國智能業應滲透度及算投資分布如下圖所： 78 45 38 35 33 30 21 16 14 互聯融電信教育政府制造服務醫療其他 22 圖9 您認為對人工智能加速方案最重要的三個要素是？ 圖10 中國人工智能行業滲透度，2019H1 數據來源：IDC 2019中國人工智能用戶市場調研，N=200 數據來源：

49、IDC ，2019 62% 15% 8% 5% 3%3%2% 1%1% 互聯融服務教育政府制造電信醫療其他 與2018年，2019年上半年按照智能業應滲透度排名的TOP4業和去年排名保持致，為互聯、政 府、融和制造，電信超過了服務位列第五。電信運營商在對應體驗及在絡重構過程中對于 智能的需求雙重因素的驅動下，加速布局智能客服、精準營銷及智能絡等應場景以實現智能戰略轉型。 制造業企持續布局動駕駛，另外以電制造為代表的企業在質量檢測等產環節推進智能的應。 2019年上半年，按照智能算投資排名的TOP5業與去年排名保持致，依次為互聯、政府、融、制 造和服務。其中，服務業中以科訊、商湯、曠視、依圖、寒武紀、第四范式等為代表的的智能科技企 業加快對智能