2019-2020中国人工智能计算力发展评估报告

算⼒+⽣态 中国⼈⼯智能迈向产业AI化2019年8⽉3内容⽬录核⼼观点 ....................................................................⼀、前⾔......................................................................1.1 ⼈⼯智能的定义及核⼼技术1.2 国家政策引领中国⼈⼯智能⾼速发展1.3 数据、算法、算⼒⽇益成熟，为⼈⼯智能发展提供富饶的⼟壤⼆、中国⼈⼯智能算⼒及应⽤的发展现状 ..................2.1 算⼒基础架构的发展2.2 算⼒是推动产业AI化前进的源动⼒2.3 ⽣态是产业AI化前进的必经之路三、中国⼈⼯智能算⼒发展评估..................................3.1 评估体系框架3.2 评估结果分析四、⾏动建议...............................................................4.1 对⾏业⽤户的建议4.2 对⼈⼯智能解决⽅案提供商的建议04050818294▪计算⼒是承载和推动⼈⼯智能⾛向实际应⽤的基础平台和决定性⼒量，根据IDC全球DataSphere的研究，全球新创建的数据量将从2018年的33ZB增⻓到2025年的175ZB。随着数据持续爆炸性增⻓及算法的不断演进，未来算⼒仍有很⼤的发展空间。▪预计2022年，⼈⼯智能推理市场占⽐将超过训练市场，GPU依然是数据中⼼加速的⾸选，随着边缘、端侧需求的快速增⻓，⼈⼯智能芯⽚市场将迎来多元化发展。▪预计2023年，中国⼈⼯智能基础架构市场将超过80亿美⾦，未来五年年复合增⻓率达到33.8%，增速是中国整体基础架构市场的三倍以上。▪5G和物联⽹将推动边缘、端侧⼈⼯智能基础架构的快速发展，性能、灵活性和能效将成为⽤⼾未来重点考量因素。▪计算⼒的快速发展极⼤促进了各⾏业应⽤场景的成熟，AI产业化加速向产业AI化迈进。互联⽹、智慧城市、⾦融⾏业产业AI化已经⾛在了前⾯。未来五年，制造、零售等⾏业也有望逐步实现智能化。▪互联⽹依然是⼈⼯智能算⼒投资最⼤的⾏业，占据中国62.4%的⼈⼯智能算⼒投资市场份额；排名前五的⾏业中，政府和⾦融⾏业增⻓最迅速，2018年同⽐增⻓均超过100.0%。▪⼈⼯智能与云的融合将进⼀步加速，未来五年，AIaaS市场规模的年复合增⻓率为66.0%，将成为推动云计算市场增⻓的重要细分领域。▪软件框架市场TensorFlow和PyTorch凭借性能、灵活性及⽣态优势依然占据主导地位；百度的深度学习开源平台PaddlePaddle是国内⾃主开发软件框架的代表。▪越来越多的⼈⼯智能领军企业参与到⾏业性能评测基准建设中，但总的来说业界⽬前缺少统⼀的基准，⼤多数现有的深度学习性能基准相对单⼀。随着AI框架不断优化，模型不断迭代以及算法不断更新，各类基准也将持续的完善升级与之适应。▪2019年中国⼈⼯智能城市排⾏榜，TOP5城市依次为北京、杭州、深圳、上海、⼴州，排名6-10的城市为合肥、苏州、重庆、南京、西安。跟2018年相⽐，北京超越杭州位居第⼀，⼴州进⼊第⼀梯队，苏州、南京、西安⾸次跻⾝前⼗。核⼼观点51.1 ⼈⼯智能的定义及核⼼技术IDC将⼈⼯智能定义为具备学习、推理和⾃我纠正能⼒的系统。系统通过⾃然语⾔、语⾳、图像、 视频等⽅式与⼈类交互，从交互信息中抽取知识建⽴知识库，并采⽤机器学习⽅式建⽴预测模型，基于模型进⾏推理给出结果。机器学习作为实现智能化的关键技术，⼜可以分为传统的机器学习和深度学习。过去企业对于机器学习的采⽤更多是⽤传统机器学习做简单的预测分析。现在，企业已经开始探索采⽤深度学习来提⾼预测的准确率、处理⾮结构化数据，采⽤图算法、知识图谱技术判断相关性等等。从应⽤落地的⻆度，除了反欺诈、产品推荐、量化投资等落地应⽤场景，IDC也看到⾏业企业在核⼼⽣产环节开始测试机器学习应⽤，例如电⼦器件⽣产质检、交通轨道⽕花检测、配电站电压器障碍评价等等。由机器学习⽀撑的⼈⼯智能核⼼技术能⼒可分成2⼤类，分别是感知技术和认知技术。现阶段，感知技术的发展已经相对成熟，认知技术的发展分为三个层次，分别是语⾔理解；分析、推理以及⼈格情感，认知技术应⽤在未来仍有很⼤发展空间。1.2 国家政策引领中国⼈⼯智能⾼速发展2015年以来，国家也从政策层⾯为中国⼈⼯智能技术的发展提供了利好环境。《新⼀代⼈⼯智能发展规划》和《促进新⼀代⼈⼯智能产业发展三年⾏动计划（2018-2020年）》的发布，不仅就未来⼈⼯智能相关战略⽬标、理论技术、产业经济、⼈才培养、法律体系等⽅⾯进⾏了论述，还重点提出了政府财政及社会资本投资的统筹安排，并新⼀轮科技⾰命和产业变⾰正在快速推进，⼤数据的爆发式增⻓、算法的⾰新、算⼒的提升及⽹络设施的演进驱动⼈⼯智能发展进⼊新阶段，智能化成为技术和产业发展的重要⽅向。⼈⼯智能具有显著的溢出效应，将进⼀步带动其他技术的进步，推动战略性新兴产业总体突破，正在成为推进供给侧结构性改⾰的新动能、振兴实体经济的新机遇、建设制造强国和⽹络强国的新引擎，源源不断地为数字经济的发展提供持续创新动⼒。前⾔6对⽀撑体系和保障措施进⾏了详细规划，明确了今后发展⽅向及⽬标，进⼀步加快渗透速度，为产业发展提供有⼒的政策⽀持，中国⼈⼯智能发展突⻜猛进。在政策的⽀持引导下，国内科技巨头纷纷布局，产业资本也将更多⽬光聚焦于⼈⼯智能的发展和应⽤。⾃2016AI产业化元年起，AI发展经历了2017年的产业化布局，2018的AI应⽤落地之年，⾄2019年，AI则会着侧重于领域拓宽及各领域内部的竞争。⼈⼯智能正通过不同的应⽤快速渗透终端⽤⼾，使更⼴阔的⽤⼾群切实感受到⼈⼯智能的产品魅⼒及其实⽤价值。1.3 数据、算法、算⼒⽇益成熟，为⼈⼯智能发展提供富饶的⼟壤作为⼈⼯智能的三⼤要素，数据、算法、算⼒⽀撑起其核⼼技术的应⽤，在不同阶段发挥各⾃的作⽤，缺⼀不可。数据、算法、算⼒⽣态条件⽇益成熟，⼈⼯智能发展将迎来新⼀轮的战略机遇。1.3.1多⽅技术融合带来数据井喷，未来五年数据市场将持续增⻓随着多种新兴技术产业的快速发展，数据总量呈现海量聚集爆发式增⻓。2019年，5G的部署以及物联⽹的进⼀步发展，数据的增⻓速度将越来越快。据IDC统计，世界领先的互联⽹公司⼤数据量已达到上千PB，传统⾏业⻰头型企业数据量也能达到PB级，个⼈也能够产⽣数千TB数据。这些类型丰富、场景各异的数据资源为⼈⼯智能系统⾃主学习并建⽴预测模型提供了丰沃的⼟壤。除了使⽤实际数据，未来⼈⼯智能系统还将越来越多的使⽤⼤量模拟数据⽤于模型训练，这也将使得⼈⼯智能模型的开发速度⼤幅升。1.3.3 算⼒是⼈⼯智能发展的基础保障，未来仍有很⼤的发展空间海量的数据每时每刻都在产⽣，新的数据正以前所未有的速度和⽅式存储下来，数据不再是问题；算法经历了数⼗年的发展，在深度学习和加速计算出现之后，得到了迅速的发展和优化，以最新的MegatronLM语⾔模型为例，该模型包含了接近百亿个参数，在NLP领域取得突破性进展的同时，给算⼒也提出了巨⼤的挑战，算⼒已经成为承载和推动