人工智能行业研究框架：政策助推产业发展，落地场景创新拓展

人工智能行业研究框架：政策助推产业发展，落地场景创新拓展 分析师 CHENYUJIA COST.N SFCCERef:BIH327 charlieychen@futuhk.com 联系人 WENBOWEI wendeywei@futunn.com 2022年11月09日 目录 1.行业概览：政策推动，人工智能迎来发展浪潮 2.计算机视觉：人工智能商业化落地进程最快的赛道 3.机器学习：人工智能的核心 4.人工智能的下游应用：安防是最快落地的赛道 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论，可以被划分为弱人工智能与 强人工智能 •1950年，英国科学家艾伦图灵发表了论文讨论创造出具有真正智能的机器的可能性，并提出了著名的图灵测试：如果一台机器 能够与人类展开对话而不能被辨别出其机器身份，那么称这台机器具有智能。 •人工智能（ArtificialIntelligence）是计算机科学的一个分支，被定义为能够模拟与人类大脑相关联的认知智能行为的“机器”，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1956年由约翰.麦卡锡首次提出，当时的定义为“制造智能机器的科学与工程”。人工智能目的就是让机器能够像人一样思考，让机器拥有智能。时至今日，人工智能的内涵已经大大扩展，是一门交叉学科。 •人工智能可以被划分为两个类别，即弱人工智能（ArtificialNarrowIntelligence，ANI）与强人工智能（ArtificialGeneralSuperIntelligence，AGI），弱人工智能只能完成单一、特定的任务，而强人工智能可以在各方面与人类的技能相类似。 图：人工智能的分类 弱人工智能 弱人工智能指为完成单一、特定的任务而设计、训练和优化的人工智能系统，擅长于单个方面。该类算法在特定技能上可以胜过人类，但其无法将能力扩展到新的领域。为了更改或扩展功能，需要额外的训练，即缺 乏通用性。如搜索引擎，自动语言翻译。 强人工智能 强人工智能能够克服弱人工智能的局限性，在各方面都可以与人类的水平和技能相类似，能够学习并为一系列多领域任务提出解决方案。目前在实际中还未能达到。 人工智能的发展史经历数次起伏，在2006年起随着深度学习算法的推出，迎来又一次发展浪 潮 •1956年的达特茅斯会议开始，人工智能（ArtificialIntelligence，AI）作为一个专门的研究领域出现。从1943年诞生至今，经历了数次发展繁荣期与低谷期，在2006年起随着深度学习算法的推出，迎来又一次发展浪潮，开始了重视数据、自主学习的认知智能时代。2012年以来，移动互联网技术、云计算和物联网等信息技术的发展，积累了大量数据，为人工智能的后续发展提供了坚实基础。 •人工智能的发展史经历数次起伏，研究与技术的突破激发产业界应用浪潮，随之提出各种大胆应用构想，而过于乐观的估计及应用未能达到预期则使得行业再次进入低谷期，直到下一波研究与技术取得突破。 图：人工智能的发展历程 第一次浪潮（1943-1974） 诞生并快速发展 第二次浪潮（1980-1987） 模型突破，初步产业化 第三次浪潮（1993-2001） 创新研究加速，技术进一步实用化 第四次浪潮（2012年至今） 人工智能新时代 •图灵测试的提出 •1956年达特茅斯会议 •1957年神经网络算法感知器发明 •STUDENT程序能够解 决高中程度代数应用题 •微世界(Microworld)概念被提出 •第一个专家系统DENDARL开发 •1988年CMU设计了XCON专家系统 •第一个试图解决常识问题的程 序Cyc出现 •1982年Hopfield网络被提出 •反向传播(BP)算法被提出并得到DavidRumelhart推广 •HansBerliner打造的计算机 战胜双陆棋世界冠军 •1955年支持向量机（SVM）首次被提出 •1997年深蓝计算机战胜国际象棋冠军 •1998年语义互联网路线图被 提出 •2006年深度学习概念被提出 •IBM沃森研发DeepQA算法框架，在2011年《危险边缘》竞赛表现惊人 •2012年谷歌发布知识图谱 •2014年生成对抗网络(GAN) 被提出 •2016年AlphaGo战胜李世石， 2017年战胜柯洁 •2018年BERT发表 •大数据、云计算和物联网等信息技术的发展，以泛在感知数据和图形处理器等计算平台推动深度神经网络为代表 •AI应用场景越来越多 人工智能核心产业规模超过1500亿元，计算机视觉仍将继续保持其AI技术赛道中贡献最大的 领先地位 •随着人工智能产业的不断发展和投资，人工智能产业规模在过去五年持续增长。根据2017年国务院发布的《新一代人工智能发展规划》，到2020年人工智能与世界先进水平同步，核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；到2025年，核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。 •2021年人工智能核心产业规模预计达到1998亿元规模，预计将于2026年超过6000亿元，对应2021年到2026年的CAGR为 24.8%，带动产业规模超过2万亿元。随着越来越多的头部企业登陆资本市场，市场份额将进一步集中。 •在技术赛道中，计算机视觉仍将继续保持其AI技术赛道中贡献最大的领先地位。此外，AI芯片作为底层算力资源的关键硬件，也是拉动整体产业规模增速的重要驱动力。 图：2019-2026年中国人工智能产业规模 21077 14044 11605 9396 7695 5687 605 3821 1157 3859 486 158 199 2476 310 5 8 6 9 0 17362 2019202020212022e2023e2024e2025e2026e 核心产品市场规模（亿元）带动相关产业规模（亿元） 各国纷纷从战略上布局人工智能，加强顶层设计和人才培养 •各国纷纷从战略上布局人工智能，加强顶层设计和人才培养。包括美国、欧洲和中国在内的多个国家都大力发展AI产业提升到国家战略层面。2019年2月，美国总统特朗普签署行政命令，正式启动美国人工智能计划，为美国首次推出国家层面的人工智能促进计划。欧盟于2018年发布《欧盟人工智能战略》，并计划在2020年底至少投入200亿欧元。 •中国方面，以2015年《中国制造2025》出台为开端，人工智能被写入“十三五”规划纲要及政府工作报告。2017年国务院发布 《新一代人工智能发展规划》，将人工智能上升到了国家战略层面。随后多部门相继出台的若干核心政策和规划，为我国人工智能行业快速发展提供助力。 图：中国人工智能发展重要政策 2016 《“互联网+”》人工智能三年行动实施方案《“十三五”国家科技创新规划》《“十三五”国家战略性新兴产业发展规划》 2017 《国务院关于印发新一代人工智能发展规划的通知》《促进新一代人工智能产业发展三年行动计划（2018-2020年）》 2018 《高等学校人工智能创新行动计划》《新一代人工智能产业创新重点任务揭榜工作方案》 2019 《关于促进人工智能和实体经济深度融合的指导意见》《新一代人工智能治理原则——发展负责任的人工智能》《国家新一代人工智能创新发展试验区建设指引》 2020 《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》中央与一号文件提到加快人工智能等技术在农业领域的应用 2021 我国十四五规划纲要出台，提出打造“数字经济新优势”的建设方针并强调了人工智能等新兴数字产业在提高国家竞争力上的重要价值 中美领跑，中国人工智能人才数量快速增长,已发展成为人工智能大国 •近年来，中国人工智能人才数量快速增长,已发展成为人工智能大国。从发表论文和论文被引用的数量可以反映中国人才和技术研究能力与美国和欧洲相比的快速进步 •根据斯坦福研究院Human-CenteredAI发布的《2021年人工智能指数报告》，在三大人工智能强国（中国、美国和欧盟）中，中国的人工智能论文发表量和被引用量均居全球首位。2020年中国期刊发表数量以18.0%的比例超过美国（12.3%）和欧盟 （8.6%）。 人工智能的层次结构可以分为基础设施层、技术层与应用层 •人工智能的层次结构可以分为基础设施层、技术层与应用层。基础层提供硬件基础设施、芯片、传感器、云计算和大数据服务等，AI平台层支撑AI大规模训练生产、部署，技术层包括关键技术领域和通用技术，包括机器学习、计算机视觉、自动语音识别和自然语言处理，应用层包括安防、医疗、金融等各行各业。 图：中国人工智能产业链图谱 目录 1.行业概览：政策推动，人工智能迎来发展浪潮 2.计算机视觉：人工智能商业化落地进程最快的赛道 3.机器学习：人工智能的核心 4.人工智能的下游应用：安防是最快落地的赛道 技术层关键领域技术主要包括计算机视觉、语音识别和自然语言处理 •技术层包括关键技术领域和通用技术，关键领域技术包括计算机视觉（ComputerVision）、语音识别和自然语言处理，关键通用技术包括机器学习和知识图谱。 智能语音技术 图：技术层技术分类及应用 语音识别语音合成声纹识别语音评测 •技术概述：主要研究人机之间语音信息的处理问题，通过对语音进行分析，使得系统或设备实现“能听会说”、具备自然语言交流的能力 •示例：智能音箱；个人智能语音助手；以API形式提供的智能语音服务 文本分类信息抽取情感分析机器翻译 •技术概述：以语言为对象，将计算机作为语言研究的工具，通过构建算法使计算机自动分析、理解并表征人类自然语言，包括分词、词法分析、语法分析、语义分析 •示例：文本分类和聚类；信息检索和过滤；信息抽取；机器翻译 图像分类 目标检测 •技术概述：使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力 •示例：人脸识别；视频结构化；姿态识别 计算机视觉 自然语言处理 目标跟踪 关键领域技术 图像分割 计算机视觉是人工智能重要的分支领域，是使用计算机模仿人类视觉系统的科学，让计算机 拥有类似人类提取、处理、理解和分析图像以及图像序列的能力 •计算机视觉是人工智能重要的分支领域，是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解 和分析图像以及图像序列的能力。 •人类从外界接受到的各种信息中有超过80%是通过视觉获得的，计算机视觉亦成为人工智能领域中占比最大的分支领域。计 算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像的能力。 •从技术的应用分类来看，可以分为人脸识别、OCR、物体和场景识别、动态视频识别和姿态识别。 图：计算机视觉按技术应用分类 分类 说明 人脸识别 作为一种身份鉴别的识别技术，包括图像采集、检测定位、特征提取、模型对比 OCR 即光学字符文本识别技术，计算机通过光学设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程 物体和场景识别 计算机将采集影像与数据库资料比对后，识别物体与场景的技术 动态视频识别 基于动态图像，与人脸识别、物体和场景识别具有应用领域交叉 姿态识别 通过对成像设备中获取的人体图像进行检测、识别和跟踪，对人体行为进行理解和描述。姿态识别让机器“察言观色”，带来全新人机交互体验。 计算机视觉是人工智能商业化落地进程最快的赛道，2020年我国计算机视觉产品的市场规 模占整个人工智能行业的57% •计算机视觉是人工智能商业化落地进程最快的赛道，2020年我国计算机视觉产品的市场规模占整个人工智能行业的57%。2021年，中国计算机视觉核心产品的市场规模已接近千亿元大关。此外，与计算机视觉相关的计算机通信设备销售、工程建设、传统业务效益转化等带动相关产业规模超过3