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，互聯網迎來人工智能時代。根據艾瑞咨詢預計，2020 年全球 AI 市場規模將達到 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的商業化進程正逐步加快。目前 AI 在眾多細分領域表現已優于人類，未來或通過移動互聯網、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的干貨：

PC 互聯網時代的企業核心競爭力為 軟件產品的快速反應能力，移動互聯網時代是構建移動端的生態系統，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、 數據循環。只有將 AI 技術與數據結合，才可形成實用性的業務。本報告主要側重于介紹國外科技巨頭的 AI 戰略布局及技術現狀。

　　 | IBM：入局早，深刻受益行業發展紅利

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、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目 《危險邊緣》 中戰勝其人類對手的沃森系統均出自 IBM。IBM在AI領域布局圍繞沃森和類腦芯片展開，試圖打造AI 生態系統。目前IBM已撤銷全球業務咨詢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未來十年戰略核心是“智慧地球”計劃， IBM 每年在其投入研發投資約在 30 億美元以上。 未來 IBM 的創新解決方案在智慧能源、 智慧交通、智慧醫療、智慧零售、智慧能源和智慧水資源等領域全面開花，涵蓋節能減 排、食品安全、環保、交通、醫療、現代服務業、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 。我們預計2016-2018年IBM認知解決服務分別實現營業收入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業績增長的主要業務。

　　 沃森引領認知商業:

目前，IBM 不再將沃森作為單一系統開展業務，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問題。以 IBM沃森為代表的認知技術將商業帶入認知商業時代，幫助各行業挖掘商業價值，重塑產業格局。IBM在替客戶提供創新解決方案，客戶不斷向沃森輸入自己企業數據并對沃森進行訓練。

認知商業時代中，以認知計算、大數據分析、物聯網、異構計算、神經元芯片 Synapse、認知型機器系統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、生態改善、醫療、交通、食品安全追溯及社區服務等領域。

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、生成假設、并進行分析和估。目前，沃森已開發40 種不同產品，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，有機會戰勝從前無法完成挑戰，如智勝醫療挑戰、智勝水資源管理挑戰、智勝保險詐騙挑戰、智勝時尚挑戰、智勝環境挑戰、智勝并購風險挑戰等。

　　 沃森+醫療構建智慧保健平臺:

沃森在醫療領域主要關注腫瘤和癌癥的診斷，其優勢在于自然語言處理，通過挖掘非結構化數據尋找深層關系。沃森醫療商業戰略為：

1、深度聚焦腫瘤領域，并向其他領域擴展；

2、通過大規模收購獲取數據資 源；

3、通過合作等擴展使用場景，輸出生態能力。

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

　　 強力研發類腦芯片:

此外，IBM 還憑借其強大的認知計算能力，應用于數字顧問、虛擬助理、云計算、科學研究等多領域，大力研發量子計算電路，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，開源系統構建AI生態

谷歌大數據檢索核心技術領先于全世界，并建立了全球最大的數據庫系統。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。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。

谷歌在2011 年成立 AI 部門，目前已經有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 手機系統中注入大量機器學習功能 （如 用卷積神經網絡開發 Android 手機語音識別系統） 。谷歌目前產品和服務依靠主要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+社交網絡的圖像。

谷歌 AI 途徑為：

1、覆蓋更多用戶使用場景， 從互聯網、移動互聯網等傳統業務延伸到智能家居、自動駕駛、機器人等領域，積累更 多數據信息；

2、積累底層人工智能技術，研發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滲透到了旗下各產品，為用戶帶來更多使用場景、及更智能化功能。

　　 研發+并購坐擁兩套AI 系統:

2015年11月谷歌開源第二代深度學習系統 Tensorflow。Tensorflow 可編寫并編譯執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品，進而推動整個 AI 產業發展。

DeepMind 創立于2010年，其將機器學習和系統神經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 系統學會了 49 款雅達利經典游戲。2016年3月，由 Deepmind 研發AlphaGo 以 4:1 嘉績擊敗世界圍棋冠軍李世石，激發全世界對人 工智能的關注。當前 AlphaGo 專注于棋賽發展，但其未來還將應用于醫療診斷， 或投入無人駕駛等領域，以加速 AI 商業化進程。

　　 虛擬助理融合智能家居，推進生態建設：

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系統建設，通過一系列并購、開放平臺的建立、軟件硬件一體化來打造 這個生態系統。

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 MarketsandMarkets 預測，自然語言處理市場規模將從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 將利用谷歌龐大數據庫去理解用戶需求。

　　 傳感器結合AI算法研發無人駕駛原型車：

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。在攻克相關深度學習及大腦技術開發等軟件算法基礎上，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 技術研發無人駕駛汽車，可節省造車技術的時間和資金。

　　 聯手NASA研發量子硬件，發布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 機器上經驗來開發量子硬件，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，谷歌發布為機器學習特別研發的 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 PC GPU業務漸于飽和、及對 AI 潛在市場強烈看好，NVIDIA正積極謀求戰略轉型。2015 年 Q1已不再提及傳統PC GPU 業務，并將戰略重點投向游戲、專業工作站、數據中心和汽車電子等四大市場，NVIDIA GPU 芯片目前在虛擬現實、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 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、數據中心及專業虛擬化、Tegra無人駕駛系等產品強勁需求驅動。AI 芯片市場需求旺盛，呈現爆發增長態勢。

與CPU相比，GPU 具有數以千計的計算核心，及強大、高效并行計算能力， 可實現 10-100倍應用吞吐量，特別適用于AI 海量訓練數據情形。目前深度學習解決方案幾乎完全依賴 NVIDIA GPU。根據艾瑞咨詢，2020年全球AI 市場規模達1190 億元，市場潛力巨大。據機構預測，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 為核心的數據中心推理體系， 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+收購搶奪芯片市場份額

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

根據 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據中心到設備終端， 歷經大數據處理環節，再回到云端數據中心等AI閉環，打造AI生態系統以謀求領導地位。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， 并將設備數據上傳至后端數據中心。 AI 后端布局主要是研發適合機器學習 CPU 芯片（如 Xeon Phi） 、及 FPGA 芯片，以拓展 AI 計算性能。

　　 軟件上，致力于數學核心函數庫和數據分析加速庫：

目前，英特爾已開源針對深度學習數學核心函數庫――深度學習神經網絡 (Intel MKL-DNN)，以 供 MKL 深度學習神經網絡層的使用。 2015年發布數據分析加速庫DAAL，可幫助第三方開發者在 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“數學核心函數庫”產品中發布神經網絡 API，供開 發者直接調取，降低了開發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、自然語言處理初創企業 Indisys、聯想記憶 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字著稱，但NVIDIA GPU芯片在處理視頻、語音等非結構化數據及識別模型時 更為高效，在深度學習、神經網絡服務器等性能表現遠超英特爾。

2016年4月，英特爾發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平臺數據中心將使用這款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企業Nervana， 試圖通過Nervana Systems 在硅層實現機器學習，而非基于 GPU 架構。 Nervana針對神經網絡設計了Engine 芯片，在深度學習訓練時，Engine 芯片比傳統 GPU 的能耗和性能優勢更為突出（據稱 Nervana 處理器速度可達到 GPU 的 10 倍） 。收購Nervana，Intel 可將 CPU 優勢延伸至深 度學習領域，縮短開發深度學習應用、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。 目前英特爾正開發統一的接口，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、發現大數據規律的效率。

　　 在無人駕駛 、 機器視覺領域頻頻發力

英特爾在車聯網領域頻頻發力，著力研發“ADAS 高級駕駛助手系統”，并與眾多汽車廠商進行合作測試。在中國與中交興路組建“車聯網聯合創新中心”，共同探討智能車載終端技術、車聯網云平臺、行業大數據解決方案及業務模式創新。

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助力英特爾研發創新型深度學習的CV應用（如數字安全監控、自動駕駛、工業檢測），以打造從汽車到安全系統的物聯網（IoT） 。2016年9月，英特爾收購計算機視覺開發商 Movidius。 Movidius 技術被用于Google、大疆、聯想等公司，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已經轉型成認知解決方案和云平臺公司，沃森將開啟認知商業時代。谷歌則聚焦機器學習，并充分發揮平臺優勢，構建軟硬件結合生態。NVIDIA和英特爾作為傳統芯片公司，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，致力于研發可行的AI硬件，并在AI框架和商業化應用有著諸多嘗試。

　　 下載提醒：

　　1.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。