36氪：2017人工智能行業研究報告（74頁）.pdf

1、2017.2 36氪研究院 人工智能行業研究報告 關注【三個皮匠】微信公眾號獲取更多行業報告 2 36Kr-人工智能行業研究報告 2017年2月 定義與研究范圍 涵蓋AI基礎技術及終端產品 研究范圍： 人工智能是一門綜合了計算機科學、生理學、哲學的交叉學科。凡 是使用機器代替人類實現認知、識別、分析、決策等功能，均可認 為使用了人工智能技術。作為一種基礎技術，人工智能在很多行業 都有用武之地。既有人工智能+基礎行業的概念（如人工智能+金融 =Fintech），也有其具體應用行業的概念（比如機器人）。 按照技術應用的不同場景，可以將人工智能分為基礎技術類及終端 產品類，本報告研究范圍涵蓋以下領域

2、： 研究目的： 本報告將集中探討： 人工智能行業整體的發展現狀與技術發展趨勢 各細分領域投融資熱度與技術成熟度 巨頭在人工智能領域的布局與策略 各應用領域市場規模、競爭格局、進入壁壘、產業鏈上下游構成 行業標桿的商業模式、核心競爭力、未來發展預期 語義識別 芯片 計算機視覺 語音識別 機器人 智能金融 智能醫療 智能安防 智能家居 終 端 產 品 基 礎 技 術 注釋：自動駕駛行業是AI的一個重要分支，關于該領域的研究討論請參見36氪研究院系列報告自動 駕駛行業研究報告。 行業分析師 曹婷 相關研究報告： 自動駕駛行業研 究報告2017.2 機器之眼，看懂 世界：計算機視覺 行業研究報告 20

3、16.9 科技煉金，融匯 未來：金融科技行 業研究報告 2016.8 關注【三個皮匠】微信公眾號獲取更多行業報告 目 錄 Contents 一、人工智能行業驅動力 1. 行業驅動數據量、運算力、算法技術 2. 政策法規 3. 投資熱度 國際投資熱度分析 國內投資熱度分析 國內公司運營數據分析 二、人工智能產業鏈與巨頭布局分析 1. 產業鏈構成 2. 巨頭布局 開源平臺布局 芯片布局 技術布局 一、人工智能行業概述 三、人工智能基礎應用介紹與典型公司分析 1. 語音識別 2. 語義識別 3. 計算機視覺 關注【三個皮匠】微信公眾號獲取更多行業報告 目 錄 Contents 五、人工智能在各行業的

4、應用介紹與典型公司分析 1. 機器人 2. AI+金融 3. AI+醫療 4. AI+安防 5. AI+家居 六、人工智能芯片介紹與典型公司分析 六、人工智能行業趨勢展望 1. 人工智能各行業綜述 2. 人工智能當前發展瓶頸 四、人工智能芯片介紹與典型公司分析 1.人工智能芯片適用性分析 GPU FPGA ASIC 2.人工智能芯片產業鏈分析 3.人工智能芯片典型公司分析 關注【三個皮匠】微信公眾號獲取更多行業報告 人工智能行業概述 CHAPTER 1 行業驅動數據量、運算力、算法技術 政策法規 投資熱度 國際投資熱度分析 國內投資熱度分析 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取

5、更多行業報告 6 36Kr-人工智能行業研究報告 2017年2月 數據量、運算力和算法模型是影響人工智能行業發展的三大要素。 2000年之后，數據量的上漲、運算力的提升和深度學習算法的出現 極大的促進了人工智能行業的發展。 海量數據為人工智能發展提供燃料 要理解數據量的重要性，得先從算法說起。數據量和算法可以分別 比作人工智能的燃料和發動機。算法是計算機基于所訓練的數據集 歸納出的識別邏輯，好的算法模型可以實現精準的物體和場景識別 。數據集的豐富性和大規模性對算法訓練尤為重要。因此可以說， 實現機器精準視覺識別的第一步，就是獲取海量而優質的應用場景 數據。以人臉識別為例，訓練該算法模型的圖片數

6、據量至少應為百 萬級別。 2000年以來，得益于互聯網、社交媒體、移動設備和廉價的傳感器 ，這個世界產生并存儲的數據量急劇增加，這為通過深度學習的方 法來訓練計算機視覺技術提供很好的土壤。IDC數據顯示，從2011 年起，全球所產生的數據量已達到ZB級別（1ZB約為10億GB )，海 量的數據將為計算機視覺算法模型提供遠遠不斷的素材。而關于數 據量對提高算法準確率方面的重要性，更有學者提出：“Its not who has the best algorithm that wins. Its who has the most data. ” 行業驅動力 數據量 海量數據為人工智能發展提供燃料 大

7、數據 訓練模型應用于具體場景 算法模型場景應用 0 10 20 30 40 50 來源：IDC，36氪研究院 2020 數據量與準確率之間的關系 2009-2020年全球總體數據量（單位：ZB） 2009 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 100200300400500600700800900 1000 準確率 測試字符數量 WindowMemory-Based PerceptronNave Bayes 說明：window、memory-based、perceptron、naive bayes 均為不同算法 來源：Stanford機器學習公

8、開課，36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 7 36Kr-人工智能行業研究報告 2017年2月 人工智能領域是一個數據密集的領域，傳統的數據處理技術難以滿 足高強度、大數據的處理需求。 AI芯片的出現讓大規模的數據效率 大大提升，加速了深層神經網絡的訓練迭代速度，極大的促進了人 工智能行業的發展。 AI算法的處理需要大量的矩陣計算操作，因此特別適合使用并行運 算芯片進行數據處理。而傳統的CPU一次只能同時做一兩個加減法 運算，無法滿足并行運算的需

9、求。目前，出現了GPU、NPU、 FPGA和各種各樣的AI-PU專用芯片。而其中， 出現最早的GPU為 人工智能的發展做出了巨大的貢獻。 擅長并行計算的GPU大幅提升機器學習效率。在GPU出現之前，算 法運行的速度是很慢的，即使是一個簡單的神經網絡數據的培訓， 也得花費幾天、甚至幾周的時間。 1999 年，Nvidia 公司在推銷 Geforce 256 芯片時，提出了GPU（ 圖像處理器) 概念。GPU是專 為執行復雜的數學和集合計算而設計的數據處理芯片。它的出現讓 并行計算成為可能，對數據處理規模、數據運算速度帶來了指數級 的增長，極大的促進人工智能行業，尤其計算機視覺領域的發展。 GPU

10、與傳統CPU相比，在處理海量數據方面有壓倒性的優勢。 據 Rajat Raina 與吳恩達的合作論文 “用 GPU 進行大規模無監督深 度學習” 顯示，在運行大規模無監督深度學習模型時，使用 GPU 和使用傳統雙核 CPU 在運算速度上的差距最大會達到近七十倍。 在一個四層，一億個參數的深度學習網絡上，使用 GPU 將程序運 行時間從幾周降低到一天。 今天，數據處理速度不再成為制約計算機視覺發展的主要瓶頸。想 要發揮專用芯片的計算優勢，需要芯片結構和軟件算法兩者相匹配 。目前的趨勢是，隨著對人工智能各類應用需求的不斷增強，專門 用于加速人工智能應用的AI-PU或將成為計算機另一個標配組件。 行

11、業驅動 運算力 運算力的提升大幅推動人工智能發展 世界上第一款GPU-GeForce 256中科寒武紀即將投產的 “寒武紀”NPUAltera的高端FPGA 產品 Stratix 10 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 8 36Kr-人工智能行業研究報告 2017年2月 在深度學習出現之前，機器學習領域的主流是各種淺層學習算法， 如神經網絡的反響傳播算法（BP算法）、支撐向量機（SVM）、 Boosting、Logistic Regression等。這些算

12、法的局限性在于對有限 樣本和計算單元的情況下對復雜函數的表示能力有限，對復雜數據 的處理受到制約。以計算機視覺為例，作為一個數據復雜的領域， 淺層學習算法的識別準確率并不高。該類識別原理多為通過尋找合 適的特征來讓機器辨識物品狀態，由于這個處理邏輯是淺層的，不 能窮舉各種復雜的情境，因而算法擬合的準確率不高。 深度學習突破人工智能算法瓶頸。2006年，Geoffrey Hinton 和合 作者發表論文，“A fast algorithm for deep belief nets”，此后 “Deep Learning（深度學習）”的概念被提出。 以計算機視覺為例，深度學習出現之前，基于尋找合適的

13、特征來讓 機器辨識物體狀態的方式幾乎代表了計算機視覺的全部。盡管對多 層神經網絡的探索已經存在，然而實踐效果并不好。深度學習出現 之后，計算機視覺的主要識別方式發生重大轉變，自學習狀態成為 視覺識別主流。即，機器從海量數據庫里自行歸納物體特征，然后 按照該特征規律識別物體。圖像識別的精準度也得到極大的提升， 從70%+提升到95%。 在短短幾年時間里，深度學習顛覆了語音識別、語義理解、計算機 視覺等基礎應用領域的算法設計思路，逐漸形成了從一類訓練數據 出發，經過一個端到端的模型，直接輸出最終結果的一種模式。由 于深度學習是根據提供給它的大量的實際行為（訓練數據集）來自 我調整規則中的參數，進而

14、調整規則，因此在和訓練數據集類似的 場景下，可以做出一些很準確的判斷。 行業驅動力 算法 深度學習突破人工智能算法瓶頸 72.00% 74.50% 84.70% 89.00% 93.00% 95.00% 60% 70% 80% 90% 100% 201020112012201320142015 2010-2015年 ImageNet 比賽圖像識別準確率 注釋：ImageNet是計算機視覺系統識別項目。 來源：36氪研究院 過去現在未來 Google translate語義識別準確率 60% 83.4% 注釋：Google translate是語義識別項目。 來源：36氪研究院 1.1行業驅動-

15、 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 9 36Kr-人工智能行業研究報告 2017年2月 其他國家人工智能相關政策 各國均在政策層面強調和推動人工智能的發展。其中，美國側重于 研發新型腦研究技術；歐盟主攻以超級計算機技術來模擬腦功能； 日本則聚焦以動物為模型研究各種腦功能和腦疾病的機理。 政策法規 國外 政策加碼，人工智能發展如火如荼 國家相關措施 美國 2013 年4 月，美國正式公布“推進創新神經技術腦 研究計劃”（BRAIN）。得到政府撥款1.1 億美元， 覆蓋美國國家

16、衛生研究院（HIN）、國防部高級研究 項目局、國家科學基金會。 2014 年HIN 小組制定了未來十年詳細計劃，預計每 年投入3-5 億美元開發用于監測和映射大腦活動和結 構的新工具，十年計劃共花費45 億美元。 歐盟 2013 年初，歐盟宣布了未來十年的“新興旗艦技 術項目”人腦計劃（HBP），該項目匯聚了來自 24 個國家的112 家企業、研究所和高校等機構，總投 資預計將達到12 億歐元。計劃在2018 年前開發出第 一個具有意識和智能的人造大腦. 日本 2014 年9 月啟動大腦研究計劃Brain/MINDS。該計劃 為期10 年，由日本理化學研究所主導實施，旨在理解 大腦如何工作以及

17、通過建立動物模型，研究大腦神經回 路技術，從而更好地診斷以及治療大腦疾病。 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 10 36Kr-人工智能行業研究報告 2017年2月 國內人工智能相關政策 國內近幾年也出臺了相關扶植人工智能發展的政策，積極推動人工 智能在各個細分領域的滲透。2016年5月，國家四部委更是頒布 “互聯網+”人工智能三年行動實施方案，明確提出要培育發展 人工智能新興產業、推進重點領域智能產品創新、提升終端產品智 能化水平。 政

18、策法規 國內 政策加碼，人工智能發展如火如荼 來源：36氪研究院 實施時間頒布主體法律法規相關內容 2015.5國務院中國制造2025 提出“加快發展智能制造裝備和產品”，指出“組 織研發具有深度感知、智慧決策、自動執行功能的 高檔數控機床、工業機器人、增材制造裝備等智能 制造裝備以及智能化生產線，統籌布局和推動智能 交通工具、智能工程機械、服務機器人、智能家電、 智能照明電器、可穿戴設備等產品研發和產業化?！?2015/7/4國務院 國務院關于積極推進 “互聯網+”行動的指導 意見 明確提出人工智能作為11個重點布局的領域之一， 促進人工智能在智能家居、智能終端、智能汽車、 機器人等領域的推

19、廣應用。 2015/7/9 中央辦公廳、 國務院 關于加強社會治安防控 體系建設的意見 加大公共安全視頻監控覆蓋，將社會治安防控信息 化納入智慧城市建設總體規劃，加深大數據、云計 算和智能傳感等新技術的應用。 2016.1國務院 “十三五”國家科技創 新規劃 智能制造和機器人成為“科技創新-2030 項目”重 大工程之一。 2016/3/18國務院 國民經濟和社會發展第 十三個五年規劃綱要（草 案） 人工智能概念進入“十三五”重大工程。 2016/5/18 國家發展改革 委、科技部、 工業和信息化 部、中央網信 辦 “互聯網+”人工智能 三年行動實施方案 明確了要培育發展人工智能新興產業、推進

20、重點領 域智能產品創新、提升終端產品智能化水平，并且 政府將在資金、標準體系、知識產權、人才培養、 國際合作、組織實施等方面進行保障。 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 11 36Kr-人工智能行業研究報告 2017年2月 融資規模與成立公司數量總覽 咨詢公司Venture Scanner統計，截止2016年Q2，全球人工智能 公司已突破1000家，跨越13個子門類，融資金額高達48億美元。 而人工智能創投金額在5年間增長了12倍。 投資熱度 全球 全球A

21、I領域融資金額5年增長12倍 $62 $96 $66 $68 $64 $138$125$102$186$283$211$141$321$555$394$942$769$398$911$485$636 $1,049 11 21 13 22 20 38 37 38 43 50 63 47 70 77 84 80 92 84 120 100 134 121 $0 $200 $400 $600 $800 $1,000 $1,200 0 20 40 60 80 100 120 140 160 2011Q1-2016Q2 全球人工智能行業融資規模（百萬美元） 投資額成交量 1110 4 8 5 17 25

22、 36 49 42 62 98 100 116 70 21 0 20 40 60 80 100 120 140 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2000-2015年成立的人工智能公司數量 來源：Venture Scanner， 36氪研究院 來源：Venture Scanner，36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 12

23、 36Kr-人工智能行業研究報告 2017年2月 人工智能在各細分領域的熱度 應用場景擴展方面，機器學習、計算機視覺、自然語言處理、智能 機器人、手勢控制是應用范圍較為廣泛的幾個領域。 機器學習是一類通用的技術，廣泛應用于廣告、媒體、消費等行 業，并且需求不斷增加，未來還將快速滲入醫療、制造、金融、 教育業，對眾多傳統行業形成巨大沖擊。 計算機視覺和自然語言處理作為主要的感知技術，應用范圍很廣 。計算機視覺主要用于安防監控系統、無人駕駛、機器人、工業 制造、醫藥、教育和娛樂業等。自然語言處理可用于穿戴設備、 智能家居、智能汽車、智能教育、智能金融等領域。 投資熱度 全球 深度學習、自然語言處理

24、和計算機視覺為創業最火熱領域 細分領域名稱活躍創新企業數量創新企業平均年齡融資總額（億元） 深度學習/機器學習（通用）12065 深度學習/機器學習（應用）260520 自然語言處理（通用）15077 語音識別7062 計算機視覺/圖像識別（通用）10075 計算機視覺/圖像識別（應用）8073 手勢控制3082.5 虛擬私人助手9062.5 智能機器人6074 推薦引擎和協助過濾算法651 情境感知計算3061 語音翻譯15131 視頻內容自動識別151 0 5 10 15 人工智能企業平均融資額前五名 平均融資額（百萬美元） 0 2 4 6 人工智能企業最為“年輕”五個領域 年齡中位數 來

25、源：Venture Scanner，36氪研究院 來源：Venture Scanner，36氪研究院 來源：Venture Scanner，36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 13 36Kr-人工智能行業研究報告 2017年2月 國內人工智能投資熱度： 成立公司數量 從1996年至今，國內至今仍在運營的人工智能公司有366家。通過 數據分析可以看出，計算機視覺、機器人、自然語言處理是創業最 熱門的領域。 獲投金額 從我們收集到的數據來看， 20

26、15-2016年人工智能領域獲投金額 在90億人民幣左右。由于我們的統計是基于已經披露了被投金額的 交易，且單個公司是按照最近一次獲投金額計算，故這一數值將小 于該領域獲投規模，僅供參考。 可以看到，獲投最多的細分領域有自然語言處理、機器人、計算機 視覺，均在十億以上人民幣的級別。 投資熱度 國內 獲投最多領域為NLP、機器人和計算機視覺 28.42 20 15.6 8.1 7 6.1 5.61 4.7 2.2 0 5 10 15 20 25 30 人工智能公司獲投金額 96 92 77 38 26 15 109 5 3 0 20 40 60 80 100 120 各領域人工智能公司數量 注釋

27、：2016年數據統計截止至2016.10.31 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 14 36Kr-人工智能行業研究報告 2017年2月 獲投公司數量 從我們收集到的數據來看， 2015-2016年人工智能領域獲投公司 數量為226個，平均單個公司獲投金額為4000萬人民幣左右。由于 我們的統計是基于已經披露了被投金額的交易，故獲投公司數量將 小于真實值，僅供參考。

28、可以看到，獲投公司數量最多的細分領域有機器人、自然語言處理 、計算機視覺，基本和獲投金額一致。 平均獲投金額分析 通過數據分析可以看到，智能安防、智能家居為平均單個公司獲投 金額最高的領域，平均獲投金額在一億以上。智能安防領域的獲投 企業均是人工智能領域的明星企業，如曠視科技、商湯科技等。 投資熱度 國內 平均單個公司獲投金額為4000萬 58 53 48 22 18 12 8 6 4 1 0 10 20 30 40 50 60 70 人工智能公司獲投公司數量（單位：個) 17500 13500 5920 4675 3448 2943 2772 2750 2611 1000 0 5000 10

29、000 15000 20000 平均單個公司獲投金額（單位：萬元） 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 15 36Kr-人工智能行業研究報告 2017年2月 獲投比例分析 從獲投公司數量來看，機器人、計算機視覺、自然語言處理是獲投 公司數量（即，披露了融資信息的公司）最多的領域，分別為58個 ，53個，48個，占到該

30、領域公司的一半以上；從對比圖來看，智能 金融、深度學習、智能醫療、智能家居、智能安防為獲投比例最高 的領域。 獲投公司融資輪次分布 通過數據分析可以看到， 獲投公司融資輪次整體偏中期，公司融資 階段集中在天使輪、Pre-A輪和A輪，C輪之后的公司較少。 投資熱度 國內 獲投公司偏早期，C輪后公司較少 53 58 48 22 18 12 86 4 10 20 40 60 80 100 120 各領域公司獲投情況（單位：個) 未披露融資信息披露融資信息 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 3 105 23 96 33 4 11 8 0 20 40 60 80 1

31、00 120 種子輪天使輪Pre-A輪A輪B輪C輪D輪E輪并購 獲投公司融資輪次分布 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 16 36Kr-人工智能行業研究報告 2017年2月 各領域獲投公司融資輪次分布 從我們收集到的數據來看， 機器人、計算機視覺、智能駕駛、自然 語言處理是獲投公司數量最多的四個領域；分析這四個領域創業公 司的融資輪次特點可以看到，機器人和計算機視覺的獲投企業中處 于天

32、使輪的最多，而智能駕駛和自然語言處理的獲投企業中A輪企 業最多；這四個領域獲投企業中B輪企業均占據一定比例；智能駕 駛、自然語言處理的投資更趨于中后期。 融資Top公司獲投金額： 投資熱度 國內 明星公司單次融資額在億元級別 公司名稱成立年份融資輪次 人民幣融資 數額 公司名稱成立年份融資輪次 人民幣融資 數額 優必選2012B輪6.6億猿題庫2013D輪2.6億 Roobo智 能管家 2014A輪6.6億中譯語通2013B輪2.5億 云知聲2012B輪3.3億百融金服2014B輪2億 學霸君2013B輪3.3億達闥科技2015種子輪2億 曠視科技 （Face+） 2016C輪6.6億公子小白

33、2013A輪2億 0 10 20 30 40 50 60 70 機器人計算機視覺智能駕駛自然語言處理 各領域公司獲投公司融資階段分布 天使輪Pre-A輪E輪D輪C輪B輪A輪 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 17 36Kr-人工智能行業研究報告 2017年2月 公司運營狀況分析 2011年后AI創業興起，2014、2015迎來創業高峰 各細分領域公司數量分析 從1996年至今，國內至今

34、仍在運營的人工智能公司有366家。機器 人、計算機視覺、自然語言處理是創業熱度最高的領域。 人工智能總體領域公司成立時間分析 從我們收集到的數據來看， 2015-2016年人工智能領域在2011年 之后迎來了創業熱潮，在2014、2015年達到創業高峰，企業平均 年齡為3.2 歲。 112 32 12 65 33 11 8 22 26 50 9899 23 0 20 40 60 80 100 120 人工智能公司逐年成立數量 58 53 48 22 18 12 8 6 4 1 0 10 20 30 40 50 60 70 人工智能公司獲投公司數量（單位：個) 注釋：2016年數據統計截止至20

35、16.10.31 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 18 36Kr-人工智能行業研究報告 2017年2月 公司運營狀況分析 智能安防、計算機視覺公司平均成立年齡最久 各領域創業公司平均年齡 通過數據分析可以看到，智能安防、計算機視覺領域的創業公司年 齡最大，智能金融、芯片領域的公司大部分成立時間不久。 機器人領域公司成立時間分析 機器人領域至今仍在運營的創業公司最早

36、在2005年出現，在2014 、2015年迎來創業高潮，與人工智能整體領域趨勢基本一致；創業 公司平均年齡為2.8歲。 2 0 1 0 2 3 66 14 25 26 7 0 5 10 15 20 25 30 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 機器人公司逐年成立數量 4.6 3.9 3.8 3.6 3.4 2.7 2.6 2.2 2.1 1 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 各領域創業公司平均年齡 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 注釋：20

37、16年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 19 36Kr-人工智能行業研究報告 2017年2月 11 2 00 2 0 22 1 5 1 8 9 12 26 21 3 0 5 10 15 20 25 30 計算機視覺公司逐年成立數量 公司運營狀況分析 CV、NLP企業平均年齡為3-4歲 計算機視覺領域公司成立時間分析 計算機視覺領域至今仍在運營的創業公司最早在1997年出現，在 2011年之后快速增長，

38、2014、2015年迎來創業高潮，與人工智能 整體領域趨勢基本一致；創業公司平均年齡在3.9歲。 自然語言處理領域公司成立時間分析 自然語言處理領域至今仍在運營的創業公司最早在2000年出現，在 2011年之后快速增長，2014年迎來創業高潮，與人工智能整體領 域趨勢基本一致；企業平均年齡為3.4歲。 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1 00 2 1 0 2 4 2 5 9 12 21 15 3 0 5 10 15 20 25 自然語言處理公司逐年成立數量 1.1行業驅動- 數據量

39、運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 20 36Kr-人工智能行業研究報告 2017年2月 2 000000 3 8 12 1 0 2 4 6 8 10 12 14 20062007200820092010201120122013201420152016 深度學習領域公司逐年成立數量 1 00 111 0 1 00000 3 1 66 14 3 0 2 4 6 8 10 12 14 16 智能駕駛公司逐年成立數量 公司運營狀況分析 自動駕駛領域2014年迎來創業熱潮 自動駕駛領域公司成

40、立時間分析 自動駕駛領域至今仍在運營的創業公司最早在1997年出現，在 2011年之前增長非常緩慢，2014年迎來創業高潮，與人工智能整 體領域趨勢基本一致；創業公司平均年齡為3.8歲。 深度學習領域公司成立時間分析 深度學習領域至今仍在運營的創業公司最早在2006年出現，這與深 度學習實現突破的時間點一致，創業熱潮出現在2015年，企業平均 年齡為2.2歲。 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度

41、 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 21 36Kr-人工智能行業研究報告 2017年2月 159 61 40 27 2322 11 6 33322 1111 0 20 40 60 80 100 120 140 160 180 北京市 上海市 深圳市 浙江省 廣東省 江蘇省 四川省 陜西省 福建省 河南省 湖北省 遼寧省 天津市 安徽省 貴州省 黑龍江省 吉林省 各地區人工智能公司數量 公司運營狀況分析 北京地區為AI公司創業集中地，占總體43% 總體創業公司地理分布 從366家人工智能創業公司的分布來看，北京市、上海市、深圳市 是公司數量最多的三個

42、地區。其中，北京地區的創業公司數量遙遙 領先，占到總體的43%。 機器人創業公司地理分布 從92家機器人創業公司的分布來看，北京市、上海市、深圳市仍舊 是公司數量最多的三個地區。其中，北京地區的創業公司數量遙遙 領先，占到總體的三分之一左右。 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 34 15 14 8 6 5 22 111111 0 5 10 15 20 25 30 35 40 各地區機器人公司數量 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱

43、度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 22 36Kr-人工智能行業研究報告 2017年2月 36 19 44444 2 0 5 10 15 20 25 30 35 40 北京市上海市廣東省江蘇省深圳市四川省浙江省湖北省 各地區自然語言處理公司數量 36 14 11 10 66 5 3 2 111 0 5 10 15 20 25 30 35 40 北京市深圳市上海市浙江省廣東省江蘇省四川省河南省陜西省福建省湖北省遼寧省 各地區計算機視覺公司數量 公司運營狀況分析 CV、NLP公司北京創業熱情高 計算機視覺創業公司地理分布 從96家計算機視覺創業公司的

44、分布來看，北京市、上海市、深圳市 是仍是公司數量最多的三個地區。其中，北京地區的創業公司數量 遙遙領先，占到總體的37.5%。 自然語言處理創業公司地理分布 從77家自然語言處理創業公司的分布來看，北京市、上海市是公司 數量最多的三個地區。其中，北京地區的創業公司數量仍是最高， 占到總體將近一半。 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號

45、獲取更多行業報告 23 36Kr-人工智能行業研究報告 2017年2月 16 5 22 1 0 2 4 6 8 10 12 14 16 18 北京市上海市陜西省深圳市浙江省 各地區深度學習公司數量 公司運營狀況分析 北京市、廣東省為自動駕駛創業集中地 深度學習創業公司地理分布 從26家深度學習創業公司的分布來看，北京市是公司數量最多的三 個地區，占到總體的62%；由于大部分深度學習公司按照所應用的 行業已計入其他細分領域，故此部分數據分析趨勢僅供參考。 自動駕駛創業公司地理分布 從35家智能駕駛創業公司的分布來看，北京市、廣東省為公司數量 最多的兩個地區，分別為15個、8個。對于智能駕駛領域更

46、詳細的 數據分析，請參見同系列智能汽車行研報告。 注釋：2016年數據統計截止至2016.10.31，此處深圳市不計入廣東省創業數量。 來源：36氪研究院 注釋：2016年數據統計截止至2016.10.31 來源：36氪研究院 15 8 55 22 1 0 2 4 6 8 10 12 14 16 北京市廣東省江蘇省上海市深圳市浙江省吉林省 各地區深度學習智能駕駛公司數量 1.1行業驅動- 數據量 運算力 算法技術 1.2 政策法規 1.3 投資熱度 全球投資熱度 國內投資熱度 國內公司運營數據分析 關注【三個皮匠】微信公眾號獲取更多行業報告 產業鏈與巨頭布局分析 CHAPTER 2 產業鏈構成

47、分析 巨頭布局分析 開源平臺布局 芯片布局 技術布局 關注【三個皮匠】微信公眾號獲取更多行業報告 25 36Kr-人工智能行業研究報告 2017年2月 產業鏈構成分析 產業鏈可分為基礎支撐層、技術應用層和方案集成層 從產業鏈來看，人工智能可以分為技術支撐層、基礎應用層和產品 層。 技術支撐層主要由算法模型（軟件）和關鍵硬件（AI芯片、傳感器） 兩部分構成。傳感器負責收集數據，AI芯片（GPU,FPGA,NPU等） 負責運算，算法模型負責訓練數據。 基礎應用層主要由感知類技術和其他深度學習應用構成。感知技術 主要用于讓機器完成對外部世界的探測，即看懂世界、聽懂、讀懂 世界，由計算機視覺、語音識別

48、、語義識別一并構成，是人工智能 產品或方案不可或缺的重要部分。唯有看懂、聽懂、讀懂，才能夠 做出分析判斷，進而采取行動，讓更復雜層面的智慧決策、自主行 動成為可能。 方案集成為集成了一類或多類基礎應用技術的，面向應用場景特定 需求的產品或方案。人工智能作為一類技術，應用在多種多樣的應 用場景中；而在各類產品中人工智能的比重或有區別，但其本質都 是讓機器更好的服務于我們的生產和生活。 人工智能產業鏈 自然語言處理 計算機視覺 語音識別 智慧家電智慧工業 關鍵硬件 算法模型 路徑規劃GPUNPU 傳感器 深度學習（CNN、RNN等） CPU 基礎應用技術 產品 技術支撐層 基礎應用層 方案集成層

49、來源：36氪研究院 2.1 產業鏈構成分析 2.2 巨頭布局分析 開源平臺布局 芯片布局 技術布局 關注【三個皮匠】微信公眾號獲取更多行業報告 26 36Kr-人工智能行業研究報告 2017年2月 隨著AlphaGo將AI帶入人們的視野，AI逐漸被人們認為是下一個“ 互聯網”類顛覆行業的技術?？粗谹I技術帶來的巨大市場潛力，科 技巨頭們紛紛布局人工智能產業鏈，具體來講有三種方式；打造AI 開源平臺、布局AI芯片、布局AI核心技術。 從產業鏈的角度來講，無論是開源平臺，AI芯片還是AI核心技術， 都是偏產業鏈上游的基礎設施。 （1） 打造人工智能開源平臺 AI開源平臺是一個深度學習的工具箱，用戶可以在其開放的平臺上 使用其算法系統，獲取開源代碼。 自從深度學習取得突破性進展以后，巨頭們頻頻開源。其根本原因 在于，盡管算法是競爭的一個障礙，但數據和應用場景的甄別才是 真正的山頭。當AI公司們使用開源平臺進行算法的迭代時，開源平 臺可以獲取數據，以及市場對應用場景熱度的反饋。 大量的創業公司會采用開源做垂直