爱吧机器人网 » 资讯 > 行业新闻 > 正文

人工智能全产业链深度透析(一):投资逻辑

核心提示:从A股角度看,很多个股都号称是“人工智能概念股”,其实不然!鱼龙混杂,鱼目混珠的多! 我们只做最实战的投资策略!

继经典的《5G全产业链深度分析》、《特斯拉产业链深度分析》之后,研究君团队将目标锁定在人工智能这个主题行业投资机会上!十篇系列的重磅干货,从今天开始,为您一一呈现!
 
【干货布局】①篇投资策略+①篇核心股池+⑧篇金股研报
 
关注“澄泓财经”wei 信号,回复关键字“人工智能”,可以免费观看。
 
从A股角度看,很多个股都号称是“人工智能概念股”,其实不然!鱼龙混杂,鱼目混珠的多! 我们只做最实战的投资策略!
 
OK,人工智能-全网最强系列投资策略,开启!
 
一、如何理解人工智能(AI)?
 
【定义】人工智能(Artificial Intelligence),英文缩写为AI。
 
人工智能是指计算机系统具备的能力,它可以履行原本只有依靠人类智慧才能完成的复杂任务。
 
AI(人工智能)概念,诞生于1956年达特茅斯(Dartmouth)会议,1959年划时代论文《计算机器与智能》中提出AI领域著名的图灵测试此后算法和研究不断迭代,经历1956-1974年的推理黄金时代、1974-1980年的第一次瓶颈期、1980-1987年专家系统发展、1987-1993年的第二次寒冬、1993-2010年学习期复苏,之后跟随大数据、云计算兴起,算法模型和并行运算的结合双轮驱动人工智能发展。

\
 
行业目前进入爆发期,表现在三个层面:
 
(1)生态基础层面:移动互联网、物联网的快速发展为人工智能产业奠定生态基础;
 
(2)软件层面:已有数学模型被重新发掘,新兴合适算法被发明,重要成果包括图模型、图优化、神经网络、深度学习、增强学习等;
 
(3)硬件层面:摩尔定律助力,服务器强大的计算能力尤其是并行计算单元的引入使人工智能训练效果显著提速,除原有 CPU 外,GPU、FPGA、ASIC(包括 TPU、NPU 等 AI 专属架构芯片)各种硬件被用于算法加速,提速人工智能在云端服务器和终端产品中的应用和发展。
 
二、四维度:全面剖析人工智能的多种内涵
 
1.人工智能的分类
 
根据人工智能的应用,人工智能可以分为专有人工智能、通用人工智能、超级人工智能。根据人工智能的内涵,人工智能可以分为类人行为(模拟行为结果)、类人思维(模拟大脑运作)、泛(不再局限于模拟人)智能。
 
2.人工智能与人的关系
 
机器主导、人主导、人机融合。现阶段,人工智能正在从专有人工智能向通用人工智能发展过渡,人工智能已不再局限于模拟人的行为结果,而拓展到“泛智能”应用,即更好地解决问题、有创意地解决问题和解决更复杂的问题。
 
3.人工智能的三个阶段
 
运算智能、感知智能、认知智能。
 
4.人工智能的三大驱动因素
 
算法/技术驱动、数据/计算、场景和颠覆性商业模式驱动。
 
下面,我们将重点围绕上述四个纬度的内容,展开和大家分享下。
 
三、人工智能的三阶段
 
人工智能分为三个阶段:运算智能、感知智能、认知智能。

\
 
1.运算智能
 
即快速计算和记忆存储能力。人工智能所涉及的各项技术的发展是不均衡的。现阶段计算机比较具有优势的是运算能力和存储能力。
 
1996年IBM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫。从此,人类在这样的强运算型的比赛方面就不能战胜机器了。

\
 
2.感知智能
 
即视觉、听觉、触觉等感知能力。人和动物都具备,能够通过各种智能感知能力与自然界进行交互。自动驾驶汽车,就是通过激光雷达等感知设备和人工智能算法,实现这样的感知智能的。
 
机器在感知世界方面,比人类还有优势。人类都是被动感知的,但是机器可以主动感知,如:激光雷达、微波雷达和红外雷达。
 
3.认知智能
 
即能理解会思考的能力。人类有语言,才有概念,才有推理,所以概念、意识、观念等都是人类认知智能的表现。
 
四、人工智能的三大驱动因素
 
人工智能的三大核心驱动因素包括:算法、数据、算力。

\
 
1.算法
 
⑴ 从1957年第一个神经网络——感知器被提出以来,便不断有新的算法涌现,尤其是在上世纪80年代,以及 20 世纪初至今,新算法出现频率比较高;
 
⑵ 算法的不断迭代使得模型的准确率不断提高 ,另一方面神经网络自身隐含层数的增加,也明显提升了模型性能,及模型对现实的刻画能力。
 
⑶ 下图是常见的神经网络提出的时间及其应用领域:

\\
 
⑷ 近几年各大知名互联网科技公司以及科研机构都相继开源了自己的深度学习框架,大大缩短了构建算法的时间。像谷歌 Tensorflow、伯克利 Caffe、微软 CNTK 等等这样的深度学习框架实际上是一个神经网络模型库,里面汇集了各种各样的神经网络模型。

\
 
2.数据
 
⑴ 数据和云存储遵从摩尔定律每过两年,世界上的数据量就会翻倍,同时用于存储这些数据的成本则会以同样的速度下降;
 
⑵ 得益于互联网时代的到来以及移动互联网时代的发展,每天数据都已惊人的速度增长。IDC 报告显示,在2013年的人类产生数据是4.4个ZB ,到2020年这个数字将会增加到 444个ZB(1ZB=1012GB), 复合年增长率达到36%。
 
⑶ 目前已经积累的数据量,已经远远超过人工智能需求的数据量。在目前人工智能算法,还是以监督学习算法为主导的背景下, 需要对数据进行标注才可用于模型训练 ,而且标记数据成本高昂,所以从这个意义上而言,虽然目前数据数量巨大并且还在高速增长,但是“可用”数据很少。
 
机器学习算法可分为监督学习、半监督学习、无监督学习。监督学习和无监督学习的区别,在于当训练模型优化模型参数时,是否需要带标记的数据(在图像识别中,如果一张小猫的图片被研究人员标记为“猫”,并且输入到模型中用以训练模型,那么这里被标记为“猫”的图片就被称为带标记的数据);
 
⑸ 标记数据的费用往往十分昂贵。以机器翻译为例,如果请人工来翻译,一个单词的费用大约为 5-10美分,一个句子平均长度大约为30个单词,如果需要标注1000万个双语句对,亦即找专家翻译 1000 万句话,所有标注费用估算下来大约为 2200万美元(数据来源:微软亚洲研究院)。

\
 
3.算力
 
⑴ 训练深度学习算法的所需要的时间,很大程度上取决于硬件配置;
 
⑵ 训练一个模型大概需要1-3周的时间,训练一个复杂的模型的时间则更多(例如 AlphaGo的策略神经网络和价值网络合计需要4周即一个月的时间);
 
⑶ 而且在训练模型的过程中,往往需要尝试很多组参数,每调整一次就需要重新训练,所花费的时间将更长(例如在训练百度的机器翻译系统的过程中一共尝试了10组参数,那么整个训练时间就是100天);
 
⑷ 如果计算资源不足以支撑大规模计算,那么对于产品更新换代和技术创新将十分不利。
 
\
 
⑸ 计算能力取决于计算机的硬件部分,而芯片是硬件体系的核心。在整个硬件体系中,只有CPU、GPU等芯片有运算器、控制器。所以芯片是硬件体系的核心,决定了计算机的计算能力;
 
⑹ 目前用于机器学习的计算芯片主要有 CPU(中央处理器)、GPU(图形处理器)、FPGA(现场可编程门阵列)、ASIC(应用型专用集成电路)四种架构。其中,GPU是深度学习领域首选的芯片,在该领域拥有最高的市占率。

\
\
 
(7)四种芯片的对比情况

\
\

五、人工智能:第三次浪潮!
 
1.第三次浪潮、国家级战略
 
在人工智能发展最为领先的美国,总统奥巴马在2016年5月发表报告《为了人工智能的未来做好准备》,并发布《美国国家人工智能研究与发展战略规划》,从研发、法律法规、技术标准、人才引进等各方面作了详尽的规划,从此人工智能成为美国国家战略产业之一。

\
 
近两年,我国也将人工智能上升到国家战略行业。2017年7月,国家发布《新一代人工智能发展规划》,到2020年人工智能总体技术和应用与世界先进水平同步,核心产业规模超过1500亿元,到2025年人工智能核心产业规模超过4000亿元,到2030年人工智能理论、技术与应用总体达到世界领先水平,核心产业规模超过1万亿元。

\
 
《新一代人工智能发展规划》分三阶段分别在AI理论和技术体系、应用领域、政策法规、产业规模、产业竞争力等方面设定了战略目标, 每个阶段的目标侧重点各有不同。

\
 
《规划》中的六大重点任务从底层理论和技术,到中间的平台,再到上层应用作了全面而详尽的规划。

\
 
六、巨头争霸赛
 
2016年全球人工智能市场规模达到 293亿美元。预计2020年全球人工智能市场规模将达到1200亿美元,复合增长率约为20%。这种爆发式增长的科技,离不开巨头的引领。
 
1.谷歌
 
谷歌的搜索算法从1998年Page Rank演变至2015年的Rank Brain,从基于链接的网站排名转变为采用人工智能驱动的查询匹配系统;
 
2.亚马逊
 
2015年4月,亚马逊发布Amazon ML,能够为毫无经验的客户提供云数据的机器学习功能。2016年5月,亚马逊开源DSSTNE,并通过改善搜索、定制化产品推荐以及语音识别,改善端到端的用户体验。
 
3.苹果
 
苹果同样是人工智能领域活跃的收购商。被其收入囊中的公司,包括Vocal IQ、Perceptio、Emotient、Turi以及Tuplejump等。
 
苹果公司挖到英伟达CUDA库以及GPU加速软件项目负责人。在此之前,公司最初的人工智能成功之一是Siri,它也是首款嵌入移动技术的虚拟助手。
 
4.微软
 
微软正在试图将人工智能大众化。据了解,微软公司的人工智能研究团队人数超过5000人,关注于改变人类与机器互动的体验。  
 
5.IBM
 
IBM一直是人工智能领域的先驱。过去10年内,IBM在认知计算方面拥有超过1400项专利,硅/纳米技术上有7200项专利。其取得的成就不仅包括上世纪90年代的深蓝,还有2011年的Watson。
 
目前,Watson的应用包括病患治疗分析、基于Twitter数据的股票推荐、零售行业的消费者行为分析及对抗网络安全威胁。
 
6.中国企业
 
我们的企业正在拼命追赶。5月4日,百度董事长李彦宏通过内网发布全员信,希望百度从全球最大的中文搜索引擎彻底转型人工智能科技公司。将人工智能作为公司发展的战略转型方向,这称得上是拼尽全力了。

\
\

 
七、A股人工智能题材炒作复盘
 
人工智能领域,这一系列重磅动作,在A股市场都可找到相应的股票上涨反应。
 
(1)2017年5月底,中国围棋天才柯洁对决AlphGo,“人工智能”引发激烈讨论,A股科大讯飞(002230)自6月起持续上涨。

\
 
(2)2017年7月5号,百度AI开发者大会,路畅科技(002813)成为Apollo计划首批合作伙伴。

\
 
(3)2017年8月,国内顶尖的人工智能芯片公司:寒武纪宣布完成1亿美元A轮融资。A股中科曙光(603019)次日涨停。关联逻辑:2016年 4月26日,中科曙光与人工智能芯片研发公司“寒武纪”签署深化合作协议。

\
 
(4)2017年9月2日,华为在德国发布人工智能首款芯片:麒麟970(集成了寒武纪1A处理器作为其核心人工智能处理单元)。这一事件彻底引爆了人工智能 + 芯片复合概念。A股中科曙光,以及芯片类的公司:国科微、富瀚微、景嘉微等,从9月初开启了一轮大涨。
 
\

上一篇:今日人工智能精选要闻
下一篇:人工智能前景仍不明朗 CES上百度对AI表态最自信

本周栏目热点

[2018-04-18]  【文 西门】2018年2月27日,汇川技术发布业绩快报称,公司2017年实现总营业收入47 78亿元,比上年同期增长30 55%;实现利润总额12 07亿元, ...

[2018-04-24]  广州日报讯 (全媒体记者杨博)《佛山市推动机器人应用及产业发展扶持方案(2018-2020年)》将从5月11日起正式施行。昨日,记者从市经信局 ...

机器人产业在中国的发展机会在哪?

[2018-04-14]  据了解,中国已连续三年成为全球工业机器人最大市场,中国的工业机器人已经进入发展成熟期。那么,中国机器人产业在2016年的投资机会会在哪里?...

韩国高校研发智能机器人武器,遭全球AI专家抵制

[2018-04-12]  机器人可以用来干家务,也可以用于暴力目的。如何划定机器人的用途界限?针对这个问题,人工智能(AI)领域产生了很大分歧。韩国科学技术院 ...

[2018-04-13]  9日,2018年国际消费电子展在深圳开幕,展会间在深圳国际机器人与智能系统院士论坛上,来自国内外的科学家、企业家、投资家等相关领域的专 ...

[2018-04-18]  日前,福建首个5G基站在福州开通。有业内人士分析,未来5G网络投入商业化应用后,将催化车联网大数据价值的提升。记者从福州市科技局获悉, ...

印度莫迪全力推动人工智能发展 不愿落后中国

[2018-04-19]  据印度《经济时报》网站4月17日报道,为推动印度在人工智能领域的发展,印度总理纳伦德拉•莫迪要求印度政府智库NitiAayog研究如何利用人 ...

家电巨头转型智能制造 望助中国机器人产业升级

[2018-04-19]  中国工业机器人进口多出口少,低端多高端少,广交会上机器人如何说好故事在经济结构转型和劳动力成本上升的背景下,全球机器人市场需求持续提 ...

精选推荐

揭秘达芬奇手术机器人
揭秘达芬奇手术机器人

[2018-04-19]  达芬奇手术系统是由美国Intuitive Surgical公司制造的机器人手术系统。美国食品和药物管理局(FDA)于2000年通过该标准,旨在利用微创手段 ...

通过对抗性图像黑入大脑
通过对抗性图像黑入大脑

[2018-03-02]  在上面的图片中,左边是一张猫的照片。在右边,你能分辨出它是同一只猫的图片,还是一张看起来相似的狗的图片?这两张图片之间的区别在于, ...

德国研发出一种能在你体内工作的微型机器人

[2018-01-26]  纽约时报的报道,德国的研究人员已经开发出一种长约七分之一英寸的机器人,首先看起来不过是一小块橡皮条。然后它开始移动。机器人走路,跳跃,爬行,滚动和游泳。它甚至爬出......

机器人灵巧手将成为智能机器人的下一个重大突破
机器人灵巧手将成为智能机器人的下一个重大突破

[2018-01-25]  计算机科学教授兼东北地区助手机器人实验室负责人罗伯特·普拉特(Robert Platt)说:“机器人手操作是下一步要解决的问题。想象一下,一个机器人可以在现实世界中用手去做事......

CES 2018:英特尔推出49量子位芯片争夺量子霸权
CES 2018:英特尔推出49量子位芯片争夺量子霸权

[2018-01-10]  在与Google、IBM的一场关于建立量子计算系统的马拉松比赛中,英特尔通过了一个关键的里程碑。近日,这个科技巨头已经推出了一个49个量子位 ...

从AI中窥探人性
从AI中窥探人性

[2018-01-03]  人们对人造智能的恐惧早已成为科幻书籍和电影的极好题材。但现在,一些同样的担忧开始影响关于现实世界AI技术的政策讨论。如果这样的担忧演变成为一种技术恐慌...

2017年:AI渗入云端
2017年:AI渗入云端

[2017-12-29]  云中的人工智能不仅仅是科技巨头的权力游戏,它也可能是人工智能领域的下一个飞跃。加利福尼亚州的Rigetti Computing公司刚刚使用其原型量子芯片之一在其云平台上运行机器学......

人工智能民主化能否实现取决于科技巨头
人工智能民主化能否实现取决于科技巨头

[2017-12-29]  我们经常听到像谷歌和微软这样的公司说他们希望人工智能民主化。这是一个很好的词,民主化。 但这些公司如何界定“民主化”还不清楚,像AI本身一样,它似乎有点炒作的味道...

美国Natilus公司试飞水上无人货机 设计简单成本降低
美国Natilus公司试飞水上无人货机 设计简单成本降低

[2017-12-28]  Natilus创业公司成立于2014年,其梦想是建造大型无人机,以半价提供比船舶快得多国际货运。在十二月份,Natilus计划在旧金山湾测试一个9米翼展的小型原型无人机的水上滑行能力......

助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出
助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出

[2017-12-25]  本文提出了一个大型的、长序列的、用于行人重识别的视频数据集,简称LVreID。与现有的同类数据集相比,该数据集具有以下特点:1)长序列:平均每段视频序列长为200帧,包含丰......