智東西（公眾號：zhidxcom）

　　編 | 十四

　　近年來， 隨著PC市場、 移動終端市場漸于飽和，互聯(lián)網(wǎng)迎來人工智能時代。根據(jù)艾瑞咨詢預計，2020 年全球 AI 市場規(guī)模將達到 1190 億元， 年復合增速約 19.7%； 同期中國人工智能市場規(guī)模將達91億元，年復合增速超 50%。

　　事實上，隨著人口老齡化、人力成本攀升，以及危重工種從事意愿降低，AI的商業(yè)化進程正逐步加快。目前 AI 在眾多細分領域表現(xiàn)已優(yōu)于人類，未來或通過移動互聯(lián)網(wǎng)、云計算等將千千萬萬“專用腦”連接成“一腦萬用”的人造生物腦。本期的智能內參，我們推薦來自長城證券的AI行業(yè)報告，如果想收藏本文的報告全文，可以在 智東西（公眾號：zhidxcom）回復關鍵詞“nc102”下載。

　　以下為智能內參整理呈現(xiàn)的干貨：

　　PC 互聯(lián)網(wǎng)時代的企業(yè)核心競爭力為 軟件產(chǎn)品的快速反應能力，移動互聯(lián)網(wǎng)時代是構建移動端的生態(tài)系統(tǒng)，人工智能時代則 更為依賴 AI 核心技術。AI 技術擁有兩大要素： 核心技術平臺、 數(shù)據(jù)循環(huán)。只有將 AI 技術與數(shù)據(jù)結合，才可形成實用性的業(yè)務。本報告主要側重于介紹國外科技巨頭的 AI 戰(zhàn)略布局及技術現(xiàn)狀。

　　| IBM：入局早，深刻受益行業(yè)發(fā)展紅利

　　人工智能是 IBM在2014 年后的重點關注領域。IBM在AI 領域無出其右，如80年代的專家系統(tǒng)、1997 年擊敗國際象棋冠軍卡斯帕羅夫的深藍計算機、2011 年在美國智力競賽節(jié)目 《危險邊緣》 中戰(zhàn)勝其人類對手的沃森系統(tǒng)均出自 IBM。IBM在AI領域布局圍繞沃森和類腦芯片展開，試圖打造AI 生態(tài)系統(tǒng)。目前IBM已撤銷全球業(yè)務咨詢GBS和技術服務GTS等部門，并轉型成認知解決方案和云平臺公司。

　　IBM未來十年戰(zhàn)略核心是“智慧地球”計劃， IBM 每年在其投入研發(fā)投資約在 30 億美元以上。 未來 IBM 的創(chuàng)新解決方案在智慧能源、 智慧交通、智慧醫(yī)療、智慧零售、智慧能源和智慧水資源等領域全面開花，涵蓋節(jié)能減 排、食品安全、環(huán)保、交通、醫(yī)療、現(xiàn)代服務業(yè)、軟件及服務、云計算、虛擬化等熱點方向。

　　2016 年Q3， 以沃森為代表的認知解決服務實現(xiàn)營收 128.89 億美元 ，營收增長迅速，占比高達 22. 17%，IBM在AI領域盈利開始爆發(fā) 。我們預計2016-2018年IBM認知解決服務分別實現(xiàn)營業(yè)收入190.39 億元、218.95 億元 、240.84 億元 ，屆時認知解決服務占IBM營收比例將達24.56% 、 26.89% 、 28.72%， 成為驅動IBM業(yè)績增長的主要業(yè)務。

　　沃森引領認知商業(yè):

　　目前，IBM 不再將沃森作為單一系統(tǒng)開展業(yè)務，而將其功能分割成不同組成部分，每個部分都可被租用出去以解決特定商業(yè)問題。以 IBM沃森為代表的認知技術將商業(yè)帶入認知商業(yè)時代，幫助各行業(yè)挖掘商業(yè)價值，重塑產(chǎn)業(yè)格局。IBM在替客戶提供創(chuàng)新解決方案，客戶不斷向沃森輸入自己企業(yè)數(shù)據(jù)并對沃森進行訓練。

　　認知商業(yè)時代中，以認知計算、大數(shù)據(jù)分析、物聯(lián)網(wǎng)、異構計算、神經(jīng)元芯片 Synapse、認知型機器系統(tǒng)等為代表的一批新興前沿技術應用逐步走進新能源利用、污染防治、城市管理、生態(tài)改善、醫(yī)療、交通、食品安全追溯及社區(qū)服務等領域。

　　沃森在分析問題并確定最佳解答時， 運用了先進自然語言處理、 信息檢索、 知識表達、推理和機器學習技術，來收集大量證據(jù)、生成假設、并進行分析和估。目前，沃森已開發(fā)40 種不同產(chǎn)品，包括常見語言識別服務等。沃森善于認知， 專為理解、推理和學習而設計，有機會戰(zhàn)勝從前無法完成挑戰(zhàn)，如智勝醫(yī)療挑戰(zhàn)、智勝水資源管理挑戰(zhàn)、智勝保險詐騙挑戰(zhàn)、智勝時尚挑戰(zhàn)、智勝環(huán)境挑戰(zhàn)、智勝并購風險挑戰(zhàn)等。

　　沃森+醫(yī)療構建智慧保健平臺:

　　沃森在醫(yī)療領域主要關注腫瘤和癌癥的診斷，其優(yōu)勢在于自然語言處理，通過挖掘非結構化數(shù)據(jù)尋找深層關系。沃森醫(yī)療商業(yè)戰(zhàn)略為：

　　1、深度聚焦腫瘤領域，并向其他領域擴展；

　　2、通過大規(guī)模收購獲取數(shù)據(jù)資 源；

　　3、通過合作等擴展使用場景，輸出生態(tài)能力。

　　匯聚了醫(yī)療保健數(shù)據(jù)、人力、能力、客戶后，Watson Health 將成為潛力巨大的醫(yī)療保健大平臺，沃森認知計算助力智慧醫(yī)療領域。沃森效率、精確度大幅高于人類，“認知計算+醫(yī)療”前景廣闊，IBM 深刻受益行業(yè)發(fā)展紅利。

　　強力研發(fā)類腦芯片:

　　此外，IBM 還憑借其強大的認知計算能力，應用于數(shù)字顧問、虛擬助理、云計算、科學研究等多領域，大力研發(fā)量子計算電路，開放量子計算平臺，推出多款并行式類腦芯片，提升AI 算力。2015 年 11 月， IBM 開源了人工智能基礎平臺 SystemML，可支持描述性分析、分類、聚類、回歸、矩陣分解及生存分析等算法，沃森整合了諸多 SystemML 功能。

　　| 谷歌：軟硬件結合，開源系統(tǒng)構建AI生態(tài)

　　谷歌大數(shù)據(jù)檢索核心技術領先于全世界，并建立了全球最大的數(shù)據(jù)庫系統(tǒng)。廣告盈利是谷歌的主要盈利模式，目前九成以上營收來自其廣告系統(tǒng)。2015年8月，谷歌宣布架構重組，設立母公司 Alphabet，谷歌由搜索引擎公司全面轉向為覆蓋諸多領域的高科技企業(yè)。

　　谷歌在2011 年成立 AI 部門，目前已經(jīng)有100 多個團隊用上了機器學習技術，包括谷歌搜索、 Google Now、 Gmail 等， 并往其開源 Android 手機系統(tǒng)中注入大量機器學習功能 （如 用卷積神經(jīng)網(wǎng)絡開發(fā) Android 手機語音識別系統(tǒng)） 。谷歌目前產(chǎn)品和服務依靠主要AI 技術驅動，如谷歌使用深度學習技術改善搜索引擎、識別 Android 手機指令、鑒別其Google+社交網(wǎng)絡的圖像。

　　谷歌 AI 途徑為：

　　1、覆蓋更多用戶使用場景， 從互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等傳統(tǒng)業(yè)務延伸到智能家居、自動駕駛、機器人等領域，積累更 多數(shù)據(jù)信息；

　　2、積累底層人工智能技術，研發(fā)更高級的深度學習算法，增強圖形識別和語音識別能力，對信息進行更深層加工、處理。谷歌試圖將AI滲透到了旗下各產(chǎn)品，為用戶帶來更多使用場景、及更智能化功能。

　　研發(fā)+并購坐擁兩套AI 系統(tǒng):

　　2015年11月谷歌開源第二代深度學習系統(tǒng) Tensorflow。Tensorflow 可編寫并編譯執(zhí)行機器學習算法代碼，并將機器學習算法變成符號表達的各類圖表，縮短重新寫代碼時間。TensorFlow 可模仿人類大腦工 作的方式并識別出模式，被用于語音識別或照片識別等多領域。另外，使TensorFlow 編寫的運算幾乎不用更改就能在多種異質系統(tǒng)上運行。在開放源代碼后，所有工 程師都將幫助谷歌修改和完善這項技術，谷歌收到反饋以后，可推出更好地服務和產(chǎn)品，進而推動整個 AI 產(chǎn)業(yè)發(fā)展。

　　DeepMind 創(chuàng)立于2010年，其將機器學習和系統(tǒng)神經(jīng)科學最先進技術結合，建立 強大通用機器學習算法。2014年1 月，谷歌耗資 2.63 億美元收購 Deepmind， 同年12月， 谷歌通過DeepMind與牛津大學的兩支AI研究隊伍建立了合作關系。 2015 年 2 月，Deepmind 系統(tǒng)學會了 49 款雅達利經(jīng)典游戲。2016年3月，由 Deepmind 研發(fā)AlphaGo 以 4:1 嘉績擊敗世界圍棋冠軍李世石，激發(fā)全世界對人 工智能的關注。當前 AlphaGo 專注于棋賽發(fā)展，但其未來還將應用于醫(yī)療診斷， 或投入無人駕駛等領域，以加速 AI 商業(yè)化進程。

　　虛擬助理融合智能家居，推進生態(tài)建設：

　　谷歌認為智能家居領域將是未來 AI 應用的 一個重要市場， 目前世界各國的智能家居滲透率均較低， 為此 Google 正加速以 Nest、Google Assistant 為基礎智能家居生態(tài)系統(tǒng)建設，通過一系列并購、開放平臺的建立、軟件硬件一體化來打造 這個生態(tài)系統(tǒng)。

　　谷歌2016年5月，推出語音智能助手Google Assistant，是語音識別、人工智能、自然語音理解的集大成者。Google Assistant 能完整地理解上下文語境并回答問題，將和Alexa， Siri和Hound等智能助手競爭。 相比 Google Now 主要用于手機和 PC 上， Google Assistant 則開始融入各種設備（Google Home、Allo聊天機器人） 。根據(jù) MarketsandMarkets 預測，自然語言處理市場規(guī)模將從2016年76.3 億美元增長至2021年的160.7 億美元， 年增速達16.1%。

　　2014年6月， 谷歌通過 Nest 耗資 5.55 億美元收購了基于云端的家庭監(jiān)控公司 Dropcam，10月又收購了智能家居中樞控制設備公司Revolv，Revolv 將參與 Nest “Works with Nest” 開放計劃。2016 年5月推出 Google Home （智能音箱） 。 Google Home是一個基于Google Assistant語音控制的智能音 箱。相比亞馬遜 Echo 而言，Google Home 將利用谷歌龐大數(shù)據(jù)庫去理解用戶需求。

　　傳感器結合AI算法研發(fā)無人駕駛原型車：

　　谷歌無人駕駛汽車項目始于 2009 年，2011 年為其收購510 Systems、 Anthony’sRobots等公司。 目前無人駕駛行駛里程達180萬英里， 且成功發(fā)布了全球第一款完全能夠自動駕駛的原型車“豆莢車”，并宣稱到 2020 年谷歌自動車將正式上市。

　　谷歌無人駕駛以技術驅動，側重于基礎技術研究及AI核心科技開發(fā)。在攻克相關深度學習及大腦技術開發(fā)等軟件算法基礎上，集成各種傳感器。2015年12月，谷歌和福特將成立一家合資公司，基于谷歌AI 技術研發(fā)無人駕駛汽車，可節(jié)省造車技術的時間和資金。

　　聯(lián)手NASA研發(fā)量子硬件，發(fā)布TPU進軍芯片市場：

　　谷歌已建立量子人工智能實驗室（QuAIL） ，該實驗室由美國宇航局（NASA） 、大學空間研究協(xié)會共同承辦。2013年，谷歌已利用D-Wave機器在 Web 搜索、語音/圖像模式識別、規(guī)劃和行程安排、空中交通管 理、 機器人外太空任務等應用中進行量子計算的探索， 并支持任務控制中心的操作。2014年，谷歌利用其在 D-Wave 機器上經(jīng)驗來開發(fā)量子硬件，通過聘任加州大學物理學教授John Martinis及其團隊，來建立谷歌的專屬量子芯片。

　　2016年5月，谷歌發(fā)布為機器學習特別研發(fā)的 TPU（張量處理單元）芯片。TPU 芯片在 計算精度降低時更耐用，用更多精密且大功率機器學習模型。通過快速應用這些模型， 用戶得到更正確結果。Google 宣稱，TPU 將機器學習能力提高三代，TPU 將摩爾規(guī)律向 前推進 7 年。在“深度學習”領域，TPU 也比“GPU”和“FPGA”單位耗電量性能提升 10 倍。

　　| NVIDIA：GPU大勢中，布局端到端AI平臺

　　基于傳統(tǒng) PC GPU業(yè)務漸于飽和、及對 AI 潛在市場強烈看好，NVIDIA正積極謀求戰(zhàn)略轉型。2015 年 Q1已不再提及傳統(tǒng)PC GPU 業(yè)務，并將戰(zhàn)略重點投向游戲、專業(yè)工作站、數(shù)據(jù)中心和汽車電子等四大市場，NVIDIA GPU 芯片目前在虛擬現(xiàn)實、人工智能和無人駕駛汽車等領域位于重要中心。2016 年Q2 ，NVIDIA 實現(xiàn) 營收高達14.3 億美元，同比上年增長24% ，同比 2016年Q1增長9% ， 這主要是受游戲、數(shù)據(jù)中心及專業(yè)虛擬化、Tegra無人駕駛系等產(chǎn)品強勁需求驅動。AI 芯片市場需求旺盛，呈現(xiàn)爆發(fā)增長態(tài)勢。

　　與CPU相比，GPU 具有數(shù)以千計的計算核心，及強大、高效并行計算能力， 可實現(xiàn) 10-100倍應用吞吐量，特別適用于AI 海量訓練數(shù)據(jù)情形。目前深度學習解決方案幾乎完全依賴 NVIDIA GPU。根據(jù)艾瑞咨詢，2020年全球AI 市場規(guī)模達1190 億元，市場潛力巨大。據(jù)機構預測，硬件市場占AI市場份額將達30%。此外，NVIDIA還專門設計了全球首款針對深度學習的GPU架構（Pascal 架構） 。

　　AI領域，NVIDIA不想做單純的硬件或者軟件廠商，致力于打造于基于AI平臺化公司，構建端到端的深度學習平臺。NVIDIA CEO黃仁勛表示，未來NVIDIA 將是基于人工 智能平臺化的公司，業(yè)務將涵蓋智慧城市、交通、超級運算等領域。

　　NVIDIA在AI 和自動駕駛領域，形成了以Tesla P100 和 和 DGX-1 為核心的訓練體系，以 P4/P40 和Tensor-RT 為核心的數(shù)據(jù)中心推理體系， 及以Jetson TX1 與Jetpack 2.3、 DRIVEPX 2與Driveworks 為核心的智能設備體系。NVIDIA 在上述領域從硬軟件到解決方案 上都進行了全面布局，構建了端到端的深度學習平臺。

　　| 英特爾：研發(fā)+收購搶奪芯片市場份額

　　近年來， 英特爾傳統(tǒng)業(yè)務表現(xiàn)不佳， 為避免對 PC、 服務器的過度依賴，公司基于主業(yè)積極謀求戰(zhàn)略轉型，將業(yè)務從PC芯片、移動芯片拓展至數(shù)據(jù)中心（云服務） 、物聯(lián)網(wǎng)、人工智能等領域，還提出“2016 重建計劃”，將未來工作重心從 PC 芯片轉向物聯(lián)網(wǎng)和云計算。 隨著戰(zhàn)略轉型推進， 預計未來三年英特爾數(shù)據(jù)中心 、物聯(lián)網(wǎng)營收增速將維持在5%-10%之間。

　　根據(jù) CB Insights，英特爾在AI領域總投資額排在第二位， 這將加強AI核心競爭力。未來英特爾將打通從云端數(shù)據(jù)中心到設備終端， 歷經(jīng)大數(shù)據(jù)處理環(huán)節(jié)，再回到云端數(shù)據(jù)中心等AI閉環(huán)，打造AI生態(tài)系統(tǒng)以謀求領導地位。英特爾AI 終端布局聚焦于人機交互，通過提供英特爾 Curie 模塊、Edison 計算平臺、Cedar Trail 芯片平臺、RealSense 實感技術及凌動處理器等技術，進一步提升終端設備智能化水平， 并將設備數(shù)據(jù)上傳至后端數(shù)據(jù)中心。 AI 后端布局主要是研發(fā)適合機器學習 CPU 芯片（如 Xeon Phi） 、及 FPGA 芯片，以拓展 AI 計算性能。

　　軟件上，致力于數(shù)學核心函數(shù)庫和數(shù)據(jù)分析加速庫：

　　目前，英特爾已開源針對深度學習數(shù)學核心函數(shù)庫——深度學習神經(jīng)網(wǎng)絡 (Intel MKL-DNN)，以 供 MKL 深度學習神經(jīng)網(wǎng)絡層的使用。 2015年發(fā)布數(shù)據(jù)分析加速庫DAAL，可幫助第三方開發(fā)者在 Intel 底層硬件上更好進行機器學習模型的 搭建和訓練。Intel 在 2017 年還將在“數(shù)學核心函數(shù)庫”產(chǎn)品中發(fā)布神經(jīng)網(wǎng)絡 API，供開 發(fā)者直接調取，降低了開發(fā)者入門機器學習的門檻。

　　此外英特爾還圍繞 AI 領域進行了一系列收購 （如體感識別公司 Omek Interactive、 Hadoop 咨詢公司 Xtremeinsights、自然語言處理初創(chuàng)企業(yè) Indisys、聯(lián)想記憶 Saffron Technology、 半導體廠商 Altera、半導體功能性安全方案廠商Yogitech、計算機視覺公司 Itseez、AI 初 創(chuàng)公司 Nervana、計算機視覺公司Movidius） 。

　　硬件上，三管齊下對抗NVIDIA GPU：

　　英特爾芯片雖以高速處理數(shù)字著稱，但NVIDIA GPU芯片在處理視頻、語音等非結構化數(shù)據(jù)及識別模型時 更為高效，在深度學習、神經(jīng)網(wǎng)絡服務器等性能表現(xiàn)遠超英特爾。

　　2016年4月，英特爾發(fā)布極適宜處理機器學習模型評分（scoring）應用的雙路服務器芯 片 Xeon E5-2600 v。 目前英特爾正為AI應用研發(fā)至強融核處理器家族 Xeon Phi， 計劃2017年推出至強 Xeon Phi 新型芯片（代號為 Knights Mill） 。

　　借助英特爾底層芯片架構，京東、奇虎 360 將機器學習模塊可擴展性提高10倍，部分機器學習周期縮短8倍。未來百度Deep Speech平臺數(shù)據(jù)中心將使用這款Xeon Phi 芯片， 以最大限度地提高自然語言的語音的解析速度。 預期未來至強Phi將廣泛應用于語音識別、圖像識別、及自動駕駛等領域。

　　同時，2016年8月， 英特爾耗資4億美元收購深度學習初創(chuàng)企業(yè)Nervana， 試圖通過Nervana Systems 在硅層實現(xiàn)機器學習，而非基于 GPU 架構。 Nervana針對神經(jīng)網(wǎng)絡設計了Engine 芯片，在深度學習訓練時，Engine 芯片比傳統(tǒng) GPU 的能耗和性能優(yōu)勢更為突出（據(jù)稱 Nervana 處理器速度可達到 GPU 的 10 倍） 。收購Nervana，Intel 可將 CPU 優(yōu)勢延伸至深 度學習領域，縮短開發(fā)深度學習應用、及應用推廣時間。

　　此外，2015年12 月，英特爾以167 億美元收購了FPGA 廠商 Altera。 目前英特爾正開發(fā)統(tǒng)一的接口，試圖將 Altera的 FPGAs 和英特爾至強系列處理器封裝到一 顆芯片， 新芯片將以互補、 配合方式完成深度學習訓練。2016年4月，英特爾與科大訊飛聯(lián)手推出的深度學習計算平臺， 借助英特爾至強處理器及Altera FPGA 的底層硬件技術，依托科大訊飛在自然語言處理、語音識別方面的核心技術，可實時將發(fā)言者的語音轉化成文字，準確率高達95%。 未來至強、FPGAs 一體化芯片將大幅提高 CNN 影像識別、目標探測、發(fā)現(xiàn)大數(shù)據(jù)規(guī)律的效率。

　　在無人駕駛 、 機器視覺領域頻頻發(fā)力

　　英特爾在車聯(lián)網(wǎng)領域頻頻發(fā)力，著力研發(fā)“ADAS 高級駕駛助手系統(tǒng)”，并與眾多汽車廠商進行合作測試。在中國與中交興路組建“車聯(lián)網(wǎng)聯(lián)合創(chuàng)新中心”，共同探討智能車載終端技術、車聯(lián)網(wǎng)云平臺、行業(yè)大數(shù)據(jù)解決方案及業(yè)務模式創(chuàng)新。

　　英特爾還在機器視覺領域進行系列重磅收購，以加速無人駕駛項目推進。2016年5月，英特爾收購計算機視覺（CV）算法公司 Itseez，Itseez助力英特爾研發(fā)創(chuàng)新型深度學習的CV應用（如數(shù)字安全監(jiān)控、自動駕駛、工業(yè)檢測），以打造從汽車到安全系統(tǒng)的物聯(lián)網(wǎng)（IoT） 。2016年9月，英特爾收購計算機視覺開發(fā)商 Movidius。 Movidius 技術被用于Google、大疆、聯(lián)想等公司，為無人駕駛飛機、安全攝像 頭、AR/VR耳機等智能設備提供視覺功能。收購后，Movidius將與英特爾的 RealSense 技術配合。

　　智東西認為，隨著谷歌、IBM 等巨頭相繼開源 AI 平臺，NVIDIA 、英特爾公司深攻AI芯片，AI 商用化的技術壁壘大幅降低 ，AI將迎來商用化高潮。智能家居、無人駕駛、模糊檢索等領域將率先發(fā)展。

　　目前來看，IBM、谷歌在基礎層、技術層、應用層全面布局。IBM已經(jīng)轉型成認知解決方案和云平臺公司，沃森將開啟認知商業(yè)時代。谷歌則聚焦機器學習，并充分發(fā)揮平臺優(yōu)勢，構建軟硬件結合生態(tài)。NVIDIA和英特爾作為傳統(tǒng)芯片公司，面臨著PC、移動智能終端等市場逐漸飽和的壓力，以及AI市場強勁的市場前景，致力于研發(fā)可行的AI硬件，并在AI框架和商業(yè)化應用有著諸多嘗試。