人工智能产业链介绍

人工智能产业链介绍

一、人工智能产业基础支撑

人工智能产业链可以分为技术支撑层、基础应用层和产品层。

图表：人工智能产业链

技术支撑层主要由算法模型(软件)和关键硬件(AI芯片、传感器)两部分构成。传感器负责收集数据，AI芯片(GPU，FPGA，NPU等)负责运算，算法模型负责训练数据。

基础应用层主要由感知类技术和其他深度学习应用构成。感知技术主要用于让机器完成对外部世界的探测，即看懂世界、听懂、读懂世界，由计算机视觉、语音识别、语义识别一并构成，是人工智能产品或方案不可或缺的重要部分。 唯有看懂、听懂、读懂，才能够做出分析判断，进而采取行动，让更复杂层面的智慧决策、自主行动成为可能。

方案集成为集成了一类或多类基础应用技术的，面向应用场景特定需求的产品或方案。人工智能作为一类技术，应用在多种多样的应用场景中;而在各类产品中人工智能的比重或有区别，但其本质都是让机器更好的服务于我们的生产和生活。

人工智能风口已至已毋庸置疑，但需要声明的是，以算法、深度学习、增强学习为代表的核心技术研发周期较长，由此决定了人工智能的全面爆发不可能一蹴而就。其发展必定是基于现有成熟技术率先在特定领域实现规模化应用。而后随着高性能芯片及计算平台等软硬件架构的突破实现通用领域规模化推广。

“基础层-技术层-应用层”的产业架构日渐明晰：

通过梳理人工智能产业链可知，围绕“基础资源层—技术层—应用层”的 AI 产业架构已经初具雏形。在政策与资本的叠加驱动下，国内企业已经从软硬件层面实现全产业链覆盖。

二、人工智能关键技术介绍

当前，人工智能已经发展成为一门拥有庞大技术体系的分支。包括了深度学习、机器学习、机器视觉、神经网络、自然语言处理等多个细分领域。下图展示了目前主流的人工智能技术和研究领域。

深度学习技术：深度学习的概念由Hinton等人于2006年提出。深度学习可以有人监督(需要人工干预来培训基本模型的演进)，也可以无人监督(通过自我评估自动改进模型)。深度学习目前广泛运用于各类场合，在财资管理领域，如可以通过深度学习来进行现金流预测和头寸智能化管理。

循症技术：指应用AI技术为医疗诊断提供辅助，基本方法是将病人情况和医学数据库进行数据挖掘和匹配，降低医疗人员主观失误的概率乃至最终完全取代人工医疗。在财务和金融领域，可以用于管理诊断、交易事故审查和合规性审计。

推荐引擎：推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。推荐系统可用于支付结算中智能路由的设计，以及金融超市和卖场中交易的智能撮合。

机器学习系统：机器学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为， 以获取新的知识或技能。深度学习技术是机器学习各项技术中发展最旺盛也是最成功的一个分支。我们常说的人工神经网络是机器学习中的一种算法。机器学习的其他算法包括聚类算法、贝叶斯算法等。在量化交易、智能投资和智能风控中，往往会应用机器学习技术。

预测分析：是指一类对数据假设的预测性分析。其表现在使用数据挖掘技术、历史数据和对未来状况的假设，来预测未来的可能性。如应收账款分析、现金流预测，以及未来金融市场的汇率、利率等的波动。

规范性分析：大数据技术的一个分支，指基于尽可能获得的数据和计算得到确切的最优方案，以模拟或超越人脑的决策能力。该技术目前正处于相当早期阶段。

自然语言处理和文本挖掘技术：泛指各类通过处理自然的语言数据并转化为电脑可以“理解”的数据技术。自然语言处理一方面可以辅助财务共享服务中心进行客户服务;另一方面，结合自然语言技术，便利知识管理和智能搜索。

自然语言产生技术：指将电脑与人类通过自然语言的方式交互的技术，核心是将电脑计算的二进制结果转化为人类可以快速方便理解的语音/文字交互的载体。

机器学习是人工智能的核心技术，指从数据中自动分析获得规律，并利用规律对未知数据进行预测的技术，是计算机具有智能的根本途径。机器学习中一个重要分支就是深度学习技术，其已经遍及人工智能的各个领域，它的工作流程表现为利用感知层产生大数据，进而进行数据分析处理，处理后数据最后反哺给前台应用系统，使得系统做出相应的反应。

机器学习往往遵循一些基本的流程，主要步骤包括：数据获取、特征提取、数据转换、模型训练、模型选择和模型预测。数据获取可以通过数据库以及网络爬虫技术，途径日趋多元化。特征提取基于人的经验和探索，优质的特征能够起到事半功倍的效果。数据转换包括缺失值填充、标准化和降维。机器学习模型可分为监督学习和非监督学习。模型选择通常借助交互验证和一系列评价指标。

三、人工智能应用场景介绍

1、人工智能水平应用场景

人工智能水平应用场景包括：机器学习/深度学习算法，计算机视觉技术，语音识别/自然语言处理技术。

人工智能水平应用场景一：机器学习/深度学习算法

机器学习/深度学习算法是人工智能的底层技术，人工智能在各个垂直领域的应用都离不开用行业数据训练机器学习/深度学习算法，进而提升算法处理新数据和预测分析的能力。因此专注研发机器学习/深度学习算法的人工智能公司是人工智能的第一个水平应用场景。

人工智能水平应用场景二：计算机视觉技术

计算机视觉技术基于机器学习/深度学习算法，经图片、视频等图像资料训练所得。目前，计算机视觉技术在多个垂直领域均有所应用，例如无人超市中的自助结账系统、iPhone X面部识别解锁功能、无人驾驶汽车自动驾驶功能以及医疗影像诊断等。

人工智能水平应用场景三：语音识别&自然语言处理技术

语音识别/自然语言处理技术基于机器学习/深度学习算法，经音频等语音资料训练所得。目前，语音识别&自然语言处理技术的主要应用体现为智能语音助手如，苹果Siri、亚马逊Alexa、微软小冰等。智能语音助手在多个垂直领域均有所应用，如智能家居、电商客服、医疗诊断语音助理、交通出行等领域。

2、人工智能垂直应用场景

人工智能垂直应用场景包括：企业服务、医疗健康、物联网、新零售、网络安全、金融科技、新型应用。

人工智能x 企业服务：

2017年预计共有308个人工智能x 企业服务项目获得投资。人工智能在企业服务领域中的应用可以细分为三个场景：市场营销、商业分析、人力资源，其中市场营销类项目获得投资的比例最高。

欲了解更多行业的未来发展前景，可以点击查看中研普华产业院研究报告《2024-2030年中国人工智能行业发展前景及投资战略分析报告》。