中國人工智能產(chǎn)業(yè)發(fā)展報告

目 錄一、產(chǎn)業(yè)篇 1）人工智能60年 11．人工智能：感知+理解+決策 12．人工智能三“起”三“落”后迎來爆發(fā) 2）全球人工智能產(chǎn)業(yè)發(fā)展態(tài)勢 3全球人工智能產(chǎn)業(yè)將進入快速增長期 3全球人工智能企業(yè)競爭日趨激烈 4人工智能已上升為國家戰(zhàn)略 8）我國人工智能產(chǎn)業(yè)發(fā)展態(tài)勢 10我國人工智能產(chǎn)業(yè)將在2018年突破200億元 10百家人工智能企業(yè)助推產(chǎn)業(yè)轉(zhuǎn)型升級 10國家和地方政策助力人工智能產(chǎn)業(yè)健康快速發(fā)展 13二、技術(shù)篇——深度學(xué)習 15）技術(shù)演進 15深度學(xué)習：像人腦一樣思考 15深度學(xué)習的三個里程碑 17）深度學(xué)習發(fā)展現(xiàn)狀 19多家巨頭力推產(chǎn)業(yè)布局 19三大領(lǐng)域技術(shù)革新 21三大開源框架促進技術(shù)落地 21）深度學(xué)習未來展望 23三、應(yīng)用熱點篇——自動駕駛 25）概述 25四個等級兩種路徑 25無人車商用時間線：3-4年之后 26）人工智能與自動駕駛自動駕駛中的人工智能技261．感知數(shù)272．決策計323．地圖 344．車聯(lián)網(wǎng) 35）無人駕駛產(chǎn)業(yè) 37國外自動駕駛發(fā)展趨勢 37中國自動駕駛的發(fā)展趨勢 41趨勢：智能出行公司的平臺優(yōu)勢明顯，成有力武器 42四、投融資篇——新智元100報告 44）全球AI創(chuàng)業(yè)公司投融資市場概覽 44）中國人工智能創(chuàng)業(yè)與投融資概覽 46）新智元100分析報告 47）新智元100最具競爭力榜單Top10 51附錄：新智元100評選榜單 55PAGEPAGEPAGEPAGE一、產(chǎn)業(yè)篇人工智能經(jīng)過60年的發(fā)展，已逐漸從技術(shù)走向應(yīng)用。近幾年，在深度學(xué)習的推動下，人工智能取得了飛速發(fā)展。世界各國紛紛將人工智能作為國家戰(zhàn)略，積極推動產(chǎn)業(yè)發(fā)展，企業(yè)將人工智能作為未來的發(fā)展方向積極布局，圍繞人工智能的創(chuàng)新創(chuàng)業(yè)也在不斷涌現(xiàn)。未來，人工智能將深刻改變?nèi)祟惖纳a(chǎn)、生活方式。一、產(chǎn)業(yè)篇（一）人工智能60年1．人工智能：感知+理解+決策1956年達特茅斯會議提出“人工智能”這個詞以來，業(yè)界對“人工智能”的認知也在不斷StuartRussellandPeterNorvig的定義，對人工智能的認知可以按思考還是行動、像人還是理性兩個維度分為四種，即像人一樣行動、像人一樣思考、合理地思考以及合理地行動。圖表1對人工智能的不同認知及其特點資料來源：《Arti?cialIntelligence:AModernApproach》3rdEdition中國人工智能產(chǎn)業(yè)發(fā)展報告中國人工智能產(chǎn)業(yè)發(fā)展報告一、產(chǎn)業(yè)篇一、產(chǎn)業(yè)篇前三種認知方式下的人工智能由于技術(shù)受限和其它一些原因，尚未實現(xiàn)大規(guī)模產(chǎn)業(yè)化應(yīng)用。像人一樣行動以阿蘭?圖靈在1950年提出的圖靈測試為代表，強調(diào)人工智能應(yīng)該像人一樣行動。近年來，又有人提出全面圖靈測試，增加了視覺信號和物理操縱需求，從而使圖靈測試覆蓋了自然語言處理、知識表示、自動推理、機器學(xué)習、計算機視覺和機器人六大學(xué)科。因此60年后，圖靈測試對于驗證一個系統(tǒng)是否具備智能，仍然有效。像人一樣思考基于認知建模，更加強調(diào)像人一樣思考。人的大腦一直是一個未解之謎，目前美國和歐盟均在開展人腦研究，一旦破解了大腦思考方式這個世界難題，類人的智能研究將取得重大突破?，F(xiàn)階段的人腦研究尚不足以支撐人工智能建立像人一樣思考的系統(tǒng)。合理地思考則是邏輯主義流派提倡的通過制定規(guī)則使智能系統(tǒng)合理地思考。這種基于規(guī)則的認知方式開發(fā)出的人工智能系統(tǒng)精準度較高。但對非形式的知識制定規(guī)則并不容易，因此僅適用于規(guī)則清晰的專業(yè)領(lǐng)域，在通用領(lǐng)域中難以得到大規(guī)模應(yīng)用。以合理地行動為代表的人工智能帶動了新一輪的人工智能浪潮。合理地行動現(xiàn)階段以基于深度學(xué)習的人工智能為代表，強調(diào)通過感知++決策來實現(xiàn)，是建立在大量先驗知識的基礎(chǔ)上做出的相對合理的判斷和決策。盡管基于深度學(xué)習的人工智能需要基于大量先驗知識做出判斷，無法實++決策”的人工智能有望不斷接近完美合理，使得人工智能技術(shù)在產(chǎn)業(yè)上得到大規(guī)模應(yīng)用。2．人工智能三“起”三“落”后迎來爆發(fā)204060年。根據(jù)人工智能技術(shù)及產(chǎn)業(yè)發(fā)展的整體形勢，我們將其分為三個階段。第一階段（20世紀50年代中期到80年代初期深耕細作，30年技術(shù)發(fā)展為人工智能產(chǎn)業(yè)化奠定基礎(chǔ)。1956年之前，人工智能就已經(jīng)開始孕育。神經(jīng)元模型、圖靈測試的提出以及SNARC神經(jīng)網(wǎng)絡(luò)計算機的發(fā)明，為人工智能的誕生奠定了基礎(chǔ)。1956年的達特茅斯會議代表人工AlphaGo增強學(xué)習的雛形——感知器均在這個階段得以發(fā)明。隨后由于早期的系統(tǒng)適用于更寬的問題選擇和更難的問題時效果均不理想，因此美國、英國相繼縮減經(jīng)費支持，人工智能進入低谷。第二階段（208021急功近利，人工智能成功商用但跨越式發(fā)展失敗。80年代初期，人工智能逐漸成為產(chǎn)業(yè)，第一個成功的商用專家系統(tǒng)R1DEC公司每年節(jié)40002080500強”都在開發(fā)或使用“專家系統(tǒng)”。受此鼓勵，日本、美國等國家投入巨資開發(fā)第5代計算機——人工智能計算機。在90年代初，IBM、蘋果推出的臺式機進入普通百姓家庭中，奠定了計算機工業(yè)的發(fā)展方向。第5代計算機由于技術(shù)路線明顯背離計算機工業(yè)的發(fā)展方向，項目宣告失敗，人工智能再一次進入低谷。盡管如此，淺層學(xué)習如支持向量機、Boosting和最大熵方法等在90年代得到了廣泛應(yīng)用。第三階段（21量變產(chǎn)生質(zhì)變，人工智能有望實現(xiàn)規(guī)?；瘧?yīng)用。摩爾定律和云習算法在各行業(yè)得到快速應(yīng)用，并推動語音識別、圖像識別等技術(shù)快速發(fā)展并迅速產(chǎn)業(yè)化。2006PAGEPAGEPAGEPAGE年，GeoffreyHinton和他的學(xué)生在《Science》上提出基于深度信念網(wǎng)絡(luò)（DeepBeliefNetworks,DBN）可使用非監(jiān)督學(xué)習的訓(xùn)練算法，使得深度學(xué)習在學(xué)術(shù)界持續(xù)升溫。2012年，DNN技術(shù)在圖像識別領(lǐng)域的應(yīng)用使得Hinton的學(xué)生在ImageNet評測中取得了非常好的成績。深度學(xué)習算法的應(yīng)用使得語音識別、圖像識別技術(shù)取得了突破性進展，圍繞語音、圖像、機器人、自動駕駛等人工智能技術(shù)的創(chuàng)新創(chuàng)業(yè)大量涌現(xiàn)，人工智能迅速進入發(fā)展熱潮。未來，人工智能的熱度將可能會有所回落，但人工智能技術(shù)的發(fā)展將深入到金融、交通、醫(yī)療、工業(yè)等各個領(lǐng)域，逐漸改變?nèi)祟惖纳a(chǎn)生活方式。圖表2人工智能發(fā)展歷程（二）全球人工智能產(chǎn)業(yè)發(fā)展態(tài)勢經(jīng)過60年的發(fā)展，人工智能在深度學(xué)習、海量數(shù)據(jù)和高性能計算的支撐下，現(xiàn)已進入產(chǎn)業(yè)化應(yīng)用初期。2016年，基于深度學(xué)習的智能語音、圖像識別、智能駕駛等技術(shù)開始向各個應(yīng)用領(lǐng)域滲透，全球人工智能產(chǎn)業(yè)規(guī)?？焖僭鲩L。為搶占人工智能高地，谷歌、微軟、IBM、Facebook等企業(yè)在人工智能領(lǐng)域的戰(zhàn)略布局進一步突出，圍繞人工智能的創(chuàng)新創(chuàng)業(yè)進一步繁榮。美國、日本等國家也先后出臺人工智能相關(guān)政策及國家計劃，為產(chǎn)業(yè)發(fā)展創(chuàng)造良好的生態(tài)環(huán)境。全球人工智能產(chǎn)業(yè)將進入快速增長期在深度學(xué)習技術(shù)和開源平臺的推動下，人工智能技術(shù)門檻逐漸降低，受到全球下游應(yīng)用需求的2015球人工智能產(chǎn)業(yè)規(guī)模達到82.22016100BBC預(yù)計，2020年全18310年甚至更久的時間里，人工智能將是眾多智能產(chǎn)業(yè)技術(shù)和應(yīng)用發(fā)展的突破點。圖表32014-2020年全球人工智能產(chǎn)業(yè)規(guī)模除產(chǎn)業(yè)規(guī)?？焖僭鲩L外，圍繞人工智能的創(chuàng)業(yè)企業(yè)數(shù)量也大幅提升。根據(jù)Scanner對71個國家人工智能公司的統(tǒng)計，截至到2016年第三季度，全球人工智能創(chuàng)業(yè)公司數(shù)量已有12875857731億美元。圖表42016年全球人工智能企業(yè)區(qū)域分布資料來源：VentureScanner全球人工智能企業(yè)競爭日趨激烈谷歌、微軟、IBM、Facebook等企業(yè)憑借自身優(yōu)勢，積極布局整個人工智能領(lǐng)域。各大企業(yè)通過加大研發(fā)投入力度、招募高端人才、建設(shè)實驗室等方式加快關(guān)鍵技術(shù)研發(fā)；同時，通過收購等方式吸收人工智能優(yōu)秀中小企業(yè)來提升整體競爭力；此外，各大企業(yè)還積極開放、開源技術(shù)平臺，構(gòu)建圍繞自有體系的生態(tài)環(huán)境。2016年4月，谷歌CEOSundarPichai第一次明確提出將AI優(yōu)先作為公司大戰(zhàn)略。谷歌以深度學(xué)習技術(shù)為依托，涉足人機交互、語言理解、機器人等人工智能核心技術(shù)應(yīng)用領(lǐng)域，全方位布局人工智能產(chǎn)業(yè)。技術(shù)方面，谷歌通過加強自身技術(shù)水平，提升谷歌傳統(tǒng)搜索、翻譯和社交業(yè)務(wù)；推動TensorFlow以及自然語言理解軟件SyntaxNet的源代碼，引領(lǐng)互聯(lián)網(wǎng)巨頭在人工智能領(lǐng)域開源的趨勢改為浪DeepMind等人工智能行業(yè)創(chuàng)業(yè)企業(yè)的并購以及與強生、福特等傳統(tǒng)產(chǎn)業(yè)巨頭的合作，實現(xiàn)人工智能領(lǐng)域的全面布局及縱深式發(fā)展。圖表5谷歌的人工智能布局CortanaSkypeTranslator20155月初發(fā)布了人工智能領(lǐng)域的牛津計劃，由一系A(chǔ)PI、SDK和相關(guān)服務(wù)等組成，旨在讓開發(fā)人員們不需要繁復(fù)的機器理和計算機視覺三個部分。1在2016年的WindowBuild開發(fā)者大會上，微軟開放了MicrosoftBotFramework，開發(fā)者可以直接接入MicrosoftBotFramework來開發(fā)類似微軟小冰這樣的聊天機器人。9月，公司更宣布成立5000人的人工智能部門，與Windows和Of?ce、云計算等部門并列。圖表6微軟人工智能布局Facebook積極組建人工智能實驗室，并通過開源技術(shù)平臺等方式來獲取更大的成功。FacebookFacebookLeCun負責，主要專注于基礎(chǔ)科學(xué)和長期研究?，F(xiàn)有三個實驗室，分別位于美國紐約、加州門洛帕克以及130位人工智能專家。）JoaquinCandela負責。AML正試圖為排名、廣告、搜索、語言翻譯、語音識別、自動產(chǎn)生視頻字幕以及自然語言理解等領(lǐng)域開發(fā)更好的算法以提升Facebook的基礎(chǔ)。為了進一步彌補在語音技術(shù)方面的短板，2015年初，F(xiàn)acebook收購了語音指令創(chuàng)業(yè)公司W(wǎng)it.AI，之后建立了語言技術(shù)部門。為了進一步提升技術(shù)水平，F(xiàn)acebookfbcunn上更快速地訓(xùn)練神經(jīng)網(wǎng)絡(luò)的模塊、人工智能硬件平臺BigSur等十余個項目。FacebookAI系統(tǒng)進行開源，有助于整個產(chǎn)業(yè)加速發(fā)展。圖表7Facebook人工智能布局在認知計算平臺項目上持續(xù)投入，并成立專門部門推動9發(fā)布基于自然語言處nns5圖表8IBM人工智能布局人工智能發(fā)展條件的成熟同時催生了大量人工智能創(chuàng)業(yè)企業(yè)。Scanner1139家人工13個細分行業(yè)，包括深度學(xué)習/機器學(xué)習/機器學(xué)習、自然語言處理、自然語言處理/圖像識別/圖像識別、手勢控制、虛擬私人助手、智能機器人、推薦引擎和協(xié)助過濾算法、情境感知計13個細分行業(yè)。其中機器學(xué)習）300家企業(yè)的數(shù)量遙遙領(lǐng)先，自然語言處理公司數(shù)量位列第二。圖表92016年第一季度全球人工智能創(chuàng)業(yè)企業(yè)圖譜資料來源：VentureScanner隨著人工智能的持續(xù)發(fā)展，圍繞人工智能的競爭將日趨激烈?？v觀智能語音、智能圖像、自然語言處理、智能駕駛等人工智能技術(shù)的廣泛應(yīng)用，人工智能已成為推動產(chǎn)業(yè)升級、創(chuàng)新發(fā)展的關(guān)鍵動力。未來將會有越來越多的企業(yè)融入到人工智能產(chǎn)業(yè)之中，推動新一輪的技術(shù)浪潮。人工智能在眾多領(lǐng)域的應(yīng)用潛力，也會給行業(yè)發(fā)展帶來無限的想象力。人工智能已上升為國家戰(zhàn)略新一輪的人工智能浪潮受到各國政府的高度關(guān)注，美國、日本、韓國等國家近幾年紛紛出臺多項戰(zhàn)略、計劃積極推動人工智能發(fā)展，人工智能已逐漸上升為國家戰(zhàn)略。2013年啟動創(chuàng)新神經(jīng)技術(shù)腦研究（BRAI）計劃，由美國國立衛(wèi)生研究院（、國家科學(xué)基金會（、1045億美元。A201530年的技術(shù)發(fā)展。美國白宮于20165月宣布成立前多用人工智能提高政府辦公效率。圖表10 美國人工智能相關(guān)戰(zhàn)略、計劃時 間戰(zhàn)略、計劃備 注2013年4月“推進創(chuàng)新神經(jīng)技術(shù)腦研究計劃BRAI）政府撥款1.1億美元2014年NIH小組制定未來十年詳細計劃十年總投資45億美元2015年10月DARPA“未來技術(shù)論壇”未來30年技術(shù)發(fā)展預(yù)測2015年11月CSIS發(fā)布《國防2045：為國防政策制定者評估未來的安全環(huán)境及影響》報告指出人工智能是影響未來安全環(huán)境的重要因素2016年2月DARPA表示正在發(fā)展人工智能技術(shù)，以奠定其理論基礎(chǔ)支撐美國第三次“抵消戰(zhàn)略”2016年5月美國白宮成立人工智能和機器學(xué)習委員會探討制定人工智能相關(guān)政策和法律日本政府近年來高度重視人工智能技術(shù)。2015110億日元在東京成立“人工2015年底，日本政府發(fā)布第五個科學(xué)與技術(shù)基礎(chǔ)五年計劃。計劃中，日本政府提出了名為“超級智能社會（rt”的未來社會構(gòu)想，要262016年制定高級綜合智能平臺計劃，是為實現(xiàn)日本第五個科技基礎(chǔ)五年計劃、建設(shè)“超級智能社會”而提出的人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、網(wǎng)絡(luò)安全綜合發(fā)展計劃。圖表11日本人工智能相關(guān)戰(zhàn)略、計劃時 間戰(zhàn)略、計劃備 注2015年1月新機器人戰(zhàn)略通過發(fā)展機器人技術(shù)，推動工業(yè)生產(chǎn)力的提高。2015年人工智能研究中心前期投入10億日元。2015年12月第五個科學(xué)與技術(shù)基礎(chǔ)五年計劃提出名為“超級智能社會（supersmartsociet”的未來社會構(gòu)想，發(fā)展信息技術(shù)、人工智能以及機器人技術(shù)，預(yù)算26萬億日元。2016年高級綜合智能平臺計劃（AIP）人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、網(wǎng)絡(luò)安全綜合發(fā)展計劃。20135Exobrain計劃，計劃由韓國未來創(chuàng)造科學(xué)部102014年，韓國發(fā)布的第二個智能機器人總規(guī)劃（2014-2018）希望能將機器人產(chǎn)業(yè)與其他制造業(yè)和服務(wù)業(yè)相結(jié)合，保持在機器人技術(shù)及相關(guān)重點產(chǎn)業(yè)的優(yōu)勢。2015年，韓國未來創(chuàng)造科學(xué)部StarLab軟件研發(fā)項目，人工智能是五大關(guān)鍵領(lǐng)域之一。圖表12 韓國人工智能相關(guān)戰(zhàn)略、計劃時 間戰(zhàn)略、計劃備 注2013年5月Exobrain計劃歷時10年，總預(yù)算為九千萬美元，計劃的目標是開發(fā)專業(yè)領(lǐng)域人機交流的自然語言對話系統(tǒng)。2014年第二個智能機器人總規(guī)劃（2014-2018）將機器人產(chǎn)業(yè)與其他制造業(yè)和服務(wù)業(yè)相結(jié)合，保持在機器人技術(shù)及相關(guān)重點產(chǎn)業(yè)的優(yōu)勢。2015年AIStarLab人工智能是項目五大關(guān)鍵領(lǐng)域之一。（三）我國人工智能產(chǎn)業(yè)發(fā)展態(tài)勢在全球人工智能浪潮下，我國人工智能產(chǎn)業(yè)正在積極健康發(fā)展。2016年，我國人工智能產(chǎn)業(yè)規(guī)模將進一步提升。產(chǎn)業(yè)規(guī)模增長的背后是百度、阿里巴巴、騰訊、科大訊飛等企業(yè)在人工智能領(lǐng)域的不懈努力，以及圍繞人工智能積極創(chuàng)新的中小企業(yè)。此外，國家和地方政府通過戰(zhàn)略指引、政策支持等方式積極推動我國人工智能產(chǎn)業(yè)做大做強。2018200億元人工智能技術(shù)在我國移動互聯(lián)網(wǎng)、智能家居、無人駕駛等領(lǐng)域的應(yīng)用繼續(xù)不斷深入，人工智能產(chǎn)業(yè)規(guī)模持續(xù)高速增長。根據(jù)新智元統(tǒng)計，2015年，中國人工智能產(chǎn)業(yè)規(guī)模進一步擴大，達到69.33億元，同比增長42.65%。預(yù)計2016年，中國人工智能產(chǎn)業(yè)規(guī)模將達到95.61億元。此后，在無人駕駛及機器人等應(yīng)用的推動下，人工智能產(chǎn)業(yè)規(guī)?？焖僭鲩L，預(yù)計2018年將突破200億元，并帶動相關(guān)產(chǎn)業(yè)規(guī)模增長超過1000億元。圖表132014-2020年中國人工智能產(chǎn)業(yè)規(guī)模百家人工智能企業(yè)助推產(chǎn)業(yè)轉(zhuǎn)型升級我國人工智能產(chǎn)業(yè)快速增長的背后，是不斷壯大的人工智能企業(yè)和不斷涌現(xiàn)的圍繞人工智能的創(chuàng)新創(chuàng)業(yè)。百度、阿里巴巴、騰訊、科大訊飛等將人工智能作為整體戰(zhàn)略提前布局。圍繞人工智能的創(chuàng)業(yè)企業(yè)瞄準細分市場深耕細作，希望在未來人工智能競爭中占據(jù)一席之地。在技術(shù)研發(fā)的基礎(chǔ)上，百度也積極將實驗室中的技術(shù)投入產(chǎn)品進行實踐?；A(chǔ)功能方面，百度基于智能語義、圖像識別技術(shù)推出語音搜索、百度識圖等產(chǎn)品，并在百度主流產(chǎn)品中均加入了這部分基礎(chǔ)功能。商業(yè)實踐方面，百度的人工智能技術(shù)與百度外賣、百度糯米等應(yīng)用深度融合，通過深度學(xué)習算法，利用海量的O2O線上數(shù)據(jù)進行推算，從而幫助用戶規(guī)劃時間、路線，提升工作效率。傳統(tǒng)產(chǎn)業(yè)方面，百度目前已經(jīng)將圖像識別、數(shù)據(jù)風控技術(shù)用于信貸產(chǎn)品的審批當中，在提高審批效率的同時有效控制風險。相對來說，金融，醫(yī)療、教育等行業(yè)的應(yīng)用還處于起步階段。新興技術(shù)產(chǎn)業(yè)方面，無人車成為百度的重點方向，投入較大。由于無人車的發(fā)展和普及需要法律法規(guī)、交通等全面配套，因此短期內(nèi)難以獲利。圖表14 百度人工智能布局阿里巴巴2016年之前，阿里巴巴重點開放計算資源及人工智能共性技術(shù)，并將人工智能統(tǒng)一到云服務(wù)2012年開始組織團隊從事人工智能研究，經(jīng)過多年的厚積薄發(fā)，2015DT，集成了阿里的核心算法庫。在此技術(shù)基Ai。20168Ai的基礎(chǔ)上ET機器人，ET學(xué)家周靖人介紹，ET1.0業(yè)生產(chǎn)、健康等領(lǐng)域輸出決策。此外，阿里將其人工智能技術(shù)與電商平臺、大數(shù)據(jù)、云計算等原有業(yè)務(wù)相融合，提升各板塊的技術(shù)水平，并且成立智能生活事業(yè)部，整合電商、數(shù)據(jù)、平臺資源，與其他廠商合作，推出智能家居產(chǎn)品。圖表15阿里巴巴人工智能布局騰訊、5戰(zhàn)圖表16騰訊人工智能布局科大訊飛不同于互聯(lián)網(wǎng)巨頭依托數(shù)據(jù)資源和技術(shù)基礎(chǔ)發(fā)展人工智能技術(shù)的路徑，科大訊飛以語音技術(shù)為產(chǎn)業(yè)化方向，核心技術(shù)集中于語音識別、語音合成、自然語言處理等幾個方向。在此基礎(chǔ)上，科大訊飛構(gòu)建了全面的語音技術(shù)平臺，推出語音技術(shù)引擎、訊飛語音云以及嵌入式軟件，提供語音技術(shù)服務(wù)。此外，科大訊飛開發(fā)了多種語音應(yīng)用軟件，在電信、公共安全、教育、智能建筑等領(lǐng)域提供相關(guān)行業(yè)應(yīng)用解決方案。作為國內(nèi)最大的語音技術(shù)供應(yīng)商，科大訊飛與電信、金融、家電、汽車等多個主流行業(yè)的龍頭企業(yè)建立合作關(guān)系，形成對語音市場的絕對占有。圖表17科大訊飛人工智能布局科大訊飛超腦計劃科大訊飛目前正在執(zhí)行的訊飛超腦計劃，就是想實現(xiàn)包括感知智能和認知智能在內(nèi)的全面突30%～50%的錯誤率的下降。訊飛在認知智能上的研究目標，關(guān)鍵是讓機器能理解會思考，這必須要突破語言理解、知識表示、聯(lián)想推理，自主學(xué)習等多個方面。美國華盛頓圖靈中心在研究如何讓機器人通過美國高中生物測試。日本國立情報研究所在研發(fā)863其目的就是要研發(fā)高考機器人。該項目包括9個課題組，全國共有31家單位參加聯(lián)合攻關(guān)，其中科大訊飛作為牽頭單位。除龍頭企業(yè)外，我國近幾年圍繞人工智能的創(chuàng)新創(chuàng)業(yè)大量涌現(xiàn)。新智元對14個應(yīng)用領(lǐng)域的人工智能創(chuàng)業(yè)企業(yè)從營收規(guī)模、估值等角度進行梳理分析，具體內(nèi)容將在投融資篇呈現(xiàn)。國家和地方政策助力人工智能產(chǎn)業(yè)健康快速發(fā)展我國政府近幾年持續(xù)關(guān)注人工智能發(fā)展，并針對人工智能制定多項國家戰(zhàn)略。20155月，202520157中國人工智能產(chǎn)業(yè)發(fā)展報告中國人工智能產(chǎn)業(yè)發(fā)展報告中國人工智能產(chǎn)業(yè)發(fā)展報告中國人工智能產(chǎn)業(yè)發(fā)展報告PAGEPAGEPAGEPAGE務(wù)院關(guān)于積極推進“互聯(lián)網(wǎng)+”行動的指導(dǎo)意見》中將人工智能作為重點布局的個領(lǐng)域之一。20163月，國務(wù)院《國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》指出將重點突破新興領(lǐng)域人工智能技術(shù)等。201654+”人工智能三2018年，打造人工智能基礎(chǔ)資源與創(chuàng)新平臺，人工智能產(chǎn)業(yè)體系、創(chuàng)新服務(wù)體系、標準化體系基本建立，基礎(chǔ)核心技術(shù)有所突破，總體技術(shù)和產(chǎn)業(yè)發(fā)展與國際同圖表18 我國人工智能相關(guān)政策時 間發(fā)布單位戰(zhàn)略、規(guī)劃備 注2015年5月國務(wù)院《中國制造2025》明確提出“加快發(fā)展智能制造裝備和產(chǎn)品”2015年7月國務(wù)院《國務(wù)院關(guān)于積極推進“互聯(lián)網(wǎng)”行動的指導(dǎo)意見》明確提出人工智能作為重點布局的11個領(lǐng)域之一。2016年3月國務(wù)院《國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要重點突破新興領(lǐng)域人工智能技術(shù)等。2016年5月發(fā)改委《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》2018年，打造人工智能基礎(chǔ)資源與創(chuàng)新平臺，人工智能產(chǎn)業(yè)體系、創(chuàng)新服務(wù)體系、標準化體系基本建立，基礎(chǔ)核心技術(shù)有所突破，總體技術(shù)和產(chǎn)業(yè)發(fā)展與國際同步，應(yīng)用及系統(tǒng)級技術(shù)局部領(lǐng)先。二、技術(shù)篇——深度學(xué)習二、技術(shù)篇——深度學(xué)習二、技術(shù)篇——深度學(xué)習（一）技術(shù)演進二、技術(shù)篇——深度學(xué)習深度學(xué)習：像人腦一樣思考圖表19 深度學(xué)習結(jié)構(gòu)示意圖1深度學(xué)習pLearnin，是目前人工智能領(lǐng)域最流行的技術(shù)。具體來講，深度學(xué)習模型由一1/blog/?p=804中國人工智能產(chǎn)業(yè)發(fā)展報告中國人工智能產(chǎn)業(yè)發(fā)展報告二、技術(shù)篇——深度學(xué)習二、技術(shù)篇——深度學(xué)習PAGEPAGEPAGEPAGE的特征表示，進一步可以直接用于分類圖像和語音，甚至是控制無人機或是無人車。深度學(xué)習試圖使用包含復(fù)雜結(jié)構(gòu)或由多重非線性變換構(gòu)成的多個處理層對數(shù)據(jù)進行高層抽象，與目前的人腦模型接近，符合人類層次化地組織概念、由簡至繁分層抽象的認知過程。深度學(xué)習可以模擬人腦從外界環(huán)境中學(xué)習、理解甚至解決模糊歧義的過程。與淺層學(xué)習相比，深度學(xué)習最大的不同在于利用簡單的神經(jīng)網(wǎng)絡(luò)實現(xiàn)更層次化的特征表示，取代人工挑選的復(fù)雜特征（即特征工程）表示，并能夠在具體任務(wù)上達到更好的效果。深度學(xué)習的概念并不新穎，但直到近年才得到認可。業(yè)界普遍認為，是超大規(guī)模訓(xùn)練數(shù)據(jù)、復(fù)雜的深層模型和分布式并行訓(xùn)練造就了今天深度學(xué)習的繁榮。具體來講，包含多個隱藏層的神經(jīng)網(wǎng)絡(luò)，利用現(xiàn)在的高性能計算機和人工標注的海量數(shù)據(jù)，通過迭代得到超過淺層模型的效果。深度學(xué)習帶來了模式識別和機器學(xué)習方面的革命。圖表20神經(jīng)網(wǎng)絡(luò)發(fā)展時間線目前的深度學(xué)習模型可以分為神經(jīng)網(wǎng)絡(luò)和深度模型兩條發(fā)展路徑如下表所列。圖表21 神經(jīng)網(wǎng)絡(luò)方面的發(fā)展1943年McCulloch和Pitt設(shè)計的人工神經(jīng)元1958年Rosenblatt提出感知機1979年Fukushima設(shè)計最早的卷積神經(jīng)網(wǎng)絡(luò)，已經(jīng)具備了多層卷積和池化，但是訓(xùn)練方法上還存在缺陷1985年Hinton將反向傳播引入神經(jīng)網(wǎng)絡(luò)訓(xùn)練，發(fā)現(xiàn)可以得出帶有語義的網(wǎng)絡(luò)結(jié)構(gòu)1985年業(yè)界提出認知學(xué)問題：人類是否也是類似的依賴神經(jīng)元連接來進行認知1989年Hinton提出自編碼（AutoEncoder）1999年Hinton等人提出受限玻爾茲曼機圖表22 深層模型發(fā)展1965年烏克蘭數(shù)學(xué)家Ivakhnenko發(fā)表深度前向多層感知器；1971年Ivakhnenko設(shè)計八層網(wǎng)絡(luò)；1986年Dechter將深度學(xué)習引入到機器學(xué)習領(lǐng)域；2000年Aizenberg等將其與人工神經(jīng)網(wǎng)絡(luò)結(jié)合；1989LeCun利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)合反向傳播訓(xùn)練方法進行手寫體識別，后期推廣到全美支票識別。然而由于人工智能行業(yè)整體的不景氣，訓(xùn)練速度和規(guī)模受限等問題，包括1997HochreiterLSTM等技術(shù)的應(yīng)用不如1995提出的支持向量機方法廣泛。21世紀初，伴隨著信息革命的發(fā)展，計算機性能大幅提升，大規(guī)模并行計算設(shè)備如GPU等的出現(xiàn)，使得深度學(xué)習模型的訓(xùn)練過程可以提速千倍，在同等海量數(shù)據(jù)規(guī)模的情況下，其表現(xiàn)超過了支持向量機等淺層模型，并隨著數(shù)據(jù)的增加可獲得持續(xù)改進，業(yè)界對其應(yīng)用前景的評估日益樂觀，開始源源不斷地投入深度學(xué)習的改進中。深度學(xué)習的三個里程碑任何技術(shù)的發(fā)展過程，都伴隨著一些重要的突破節(jié)點，在深度學(xué)習技術(shù)方面，可劃分為模型初步、大規(guī)模嘗試和遍地開花三個階段。2006年前后，深度模型初見端倪，這個階段主要的挑戰(zhàn)是如何有效訓(xùn)練更大更深層次的神經(jīng)網(wǎng)絡(luò)，曾一度因為梯度方法容易造成層次間信息損失而效果受到影響。業(yè)界嘗試利用逐層預(yù)訓(xùn)練的方法（還有一種嘗試方法是上文提到的LSTM）來解決該問題，預(yù)訓(xùn)練首先通過無監(jiān)督學(xué)習得到一些比較穩(wěn)定的特征，而后用監(jiān)督學(xué)習稍加調(diào)整便可得到較好效果，最早是1992年Schmidhuber提出，而后Hinton等人在2006年改進為前向反饋。圖表23 Google大腦計劃2011Google大腦”項目啟動，由時任斯坦福大學(xué)教授的吳恩達和GoogleJeffDean主導(dǎo)，專注于發(fā)展最先進的神經(jīng)網(wǎng)16000GPU視頻中的貓臉作為數(shù)據(jù)對網(wǎng)絡(luò)進行訓(xùn)練和識別，引起業(yè)界轟動，此后在語音識別和圖像識別等領(lǐng)域均有所斬獲。圖表24ImageNet挑戰(zhàn)賽資料來源：新智元近年來深度學(xué)習獲得了非常廣泛的關(guān)注，其進展的一個直觀的體現(xiàn)就是ImageNet競賽。在這個競賽中參賽算法在數(shù)千個種類圖像和視頻的大規(guī)模數(shù)據(jù)上測試檢測和分類的正確率快速上升。圖表252011年至2015年ImageNet圖片分類結(jié)果資料來源：新智元GPU2011年Ciresan等利用深度卷積神經(jīng)網(wǎng)絡(luò)贏得多項文本識別、交通標志識別和醫(yī)學(xué)圖像識別等競賽。2012年之前，競賽中物體的識別率一直提升得非常緩慢2012年引入深度學(xué)習之后，HintonILSVRC-2012ImageNet80%95%。這標志了人工特征工程正逐步被深度模型所取代。從排名來看，深度學(xué)習目前具有壓倒性優(yōu)勢，已經(jīng)取代了傳統(tǒng)視覺方法在這一競賽中的地位。進一步地，強化學(xué)習也重新成為焦點，2016年Google子公司DeepMind研發(fā)的基于深度強化學(xué)習網(wǎng)絡(luò)的AlphaGo，與人類頂尖棋手李世石進行了一場“世紀對決”，最終贏得比賽。AlphaGo突破了傳統(tǒng)程序，搭建了兩套模仿人類思維的深度學(xué)習：價值網(wǎng)絡(luò)承擔棋局態(tài)勢評估，策略網(wǎng)絡(luò)選擇如何落子。（二）深度學(xué)習發(fā)展現(xiàn)狀多家巨頭力推產(chǎn)業(yè)布局技術(shù)的發(fā)展離不開產(chǎn)業(yè)巨頭的推進，深度學(xué)習也不例外。FacebookGPUDNNGPUFacebook人工智能研究院推出的專門用于深度學(xué)習訓(xùn)練的計算平臺中扮演著重要的作用。Facebook寄希望以此推動機器智能的發(fā)展并幫助人們更好的交流，目前在信息推薦、過濾攻擊言論、推薦熱門話題、搜索結(jié)果排名等等已經(jīng)使用了大量人工智Facebook，還有許多應(yīng)用能夠從機器學(xué)習模型中獲利，然而對于很多沒有深厚機器學(xué)習背景的工程師來說，想要利用這些機器學(xué)習基礎(chǔ)設(shè)施，還是有很大的困難。2014年FacebookFBLearnerFlow，試圖重新定義自己的機器學(xué)習平臺，把人工智能與機器學(xué)習中Facebook的工程師。這一平臺能方便地在不同的產(chǎn)品中重復(fù)使用多種算法，并可以延伸到成千上萬種模擬的定制試驗操中，輕松地對實驗進行管理。這一平臺Python編碼進行自動化平行移用中自動生成用戶界面25%FacebookFBLearnerFlow。其未來的改進計劃包括效率、速度和自動化等。上文提到，Google也在深度學(xué)習領(lǐng)域投入了大量力量。以2011年“Google大腦”為契機，Google逐年在多個內(nèi)部重點項目上如廣告系統(tǒng)、YouTube、Gmail和機器翻譯等部署深度學(xué)習，為Google進一步改善產(chǎn)品質(zhì)量和用戶體驗提供了強有力的支持。此外，鑒于開源Android的成功經(jīng)驗，Google在深度學(xué)習模型和工具方面也積極擁抱開源，目前正在大力推動TensorFlow開源深度學(xué)習平臺。Google目前有能力快速搭建和訓(xùn)練基于海量數(shù)據(jù)的模型，解決真實世界中的實際問題，并在不同的平臺（比如移動端、GPU、云端）部署生產(chǎn)模型，相關(guān)技術(shù)都以云服務(wù)API的形式提供。圖表26Google產(chǎn)品中深度學(xué)習的應(yīng)用在迅速增長就國內(nèi)來講，百度是較早引入并大規(guī)模實踐深度學(xué)習的典范。2013年，百度成立深度學(xué)習實驗室，是百度歷史上首個正式成立的前瞻性研究機構(gòu)，致力于“讓計算機像人腦一樣智能”的科學(xué)研究，并推出“百度大腦”計劃，支撐百度相關(guān)產(chǎn)品線模型的改進，近年來在搜索技術(shù)、自然語言處理、機器翻譯、機器學(xué)習、數(shù)據(jù)挖掘、推薦及個性化、語音、多媒體等領(lǐng)域取得了大量成果，并廣泛應(yīng)用于百度PC和移動端產(chǎn)品當中。2010DNN語音識別研究，2011年上線首個中文語音識別DNN系統(tǒng)，2013BN-ivec技術(shù)，2016年將注意力模型神經(jīng)網(wǎng)絡(luò)應(yīng)用于認知智能。圖表27科大訊飛的深度學(xué)習之路，來源新智元三大領(lǐng)域技術(shù)革新圖表28基于深度學(xué)習技術(shù)的創(chuàng)業(yè)公司在產(chǎn)業(yè)界巨頭和學(xué)術(shù)界精英的不斷推動下，基于深度學(xué)習的人工智能終于迎來了“春天”，數(shù)不清的應(yīng)用和創(chuàng)業(yè)公司出現(xiàn)，試圖利用深度模型和垂直領(lǐng)域的積累來掘得第一桶金，主要聚集的領(lǐng)域有圖像識別、語音識別和自然語言處理。圖像識別領(lǐng)域最早嘗試深度學(xué)習，從早期LeCun的卷積神經(jīng)網(wǎng)絡(luò)，到Hinton的更深層次網(wǎng)絡(luò)，再到百度以圖搜圖和人臉識別等技術(shù)，整個領(lǐng)域逐漸從人工特征工程和淺層學(xué)習模型，轉(zhuǎn)向基于深度學(xué)習和大數(shù)據(jù)的方法。如Face++以云服務(wù)方式提供基于深度學(xué)習的人臉識別技術(shù)，并且在金融、安防、零售領(lǐng)域分別開始了商業(yè)化探索。語音識別領(lǐng)域，深度學(xué)習技術(shù)能夠更好描述特征狀態(tài)空間，尤其可以引入更高維的表示，能更好描述特征間相關(guān)性，取代了長久以來占據(jù)壟斷性地位的混合高斯模型。如百度采用深度學(xué)習技術(shù)，進行聲音建模的語音識別系統(tǒng)相比于傳統(tǒng)的GMM語音識別系統(tǒng)而言，相對誤識別率能降低25%，早在2012年就上線了基于深度學(xué)習技術(shù)的語音搜索系統(tǒng)。三大開源框架促進技術(shù)落地深度學(xué)習目前表現(xiàn)出來的趨勢，不光是技術(shù)，還有商業(yè)模式的轉(zhuǎn)變。過去幾個月，所有巨頭都將自己的深度學(xué)習IP開源。核心目的是為了吸引用戶、擴大市場，吸引人才、加速創(chuàng)新。開源會使技術(shù)發(fā)展更快，但主宰市場的仍將是巨頭。深度學(xué)習算法和平臺本身的設(shè)計與實現(xiàn)是較難的問題，也不應(yīng)該是應(yīng)用開發(fā)者所需要過分關(guān)注的事情。近年來依托開源運動，全球互聯(lián)網(wǎng)巨頭從2015年起掀起新一輪最前沿技術(shù)平臺開源共享的風潮。例如谷歌和Facebook分別將深度學(xué)習平臺TensorFlow和Torchnet全面開源，在全球范圍內(nèi)大幅推進人工智能與深度學(xué)習技術(shù)的應(yīng)用普及，擴大產(chǎn)業(yè)整體的市場規(guī)模，極大加速了深度學(xué)習在應(yīng)用領(lǐng)域的迅速推廣。這些軟件所具有的共同設(shè)計特征是：容易表達、可擴展、多平臺適用、可重復(fù)使用和快速見效。并在性能上較同等Paddle是百度的深度學(xué)習系統(tǒng)，已經(jīng)在內(nèi)部運行和推廣多年，多次獲得百度最高獎榮譽，并且已經(jīng)做出了一些實際的產(chǎn)品，較為成熟。在性能和各項指標上都有優(yōu)點，如代碼簡潔、設(shè)計干凈，Paddle也獲得了較高的肯定，是一個不錯的深度學(xué)習工具，在國內(nèi)有較大的應(yīng)用潛力。另一個值得一提的是Caffee，是一個清晰而且高效的深度學(xué)習框架，以易用性、擴展性和速度快迅速得到業(yè)界的認可，并且在文檔撰寫和代碼迭代過程中非常注重與用戶的互動，時至今日已擁有一個龐大的開發(fā)社區(qū)。GitHub根據(jù)上述框架衍生出數(shù)十個開源項目，構(gòu)成良好的深度學(xué)習開發(fā)社區(qū)氛圍，進一步推1500的大型項目。圖表29 GitHub深度學(xué)習開源排名項 目星級應(yīng)用項目DeepDream9042一款圖像識別工具。Keras7502一款由Python實現(xiàn)的深度學(xué)習庫，包括卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等。運行在Theano和TensorFlow之上。RocAlphaGo7170由學(xué)生主導(dǎo)的一個獨立項目，重新實現(xiàn)了DeepMind2016Nature"MasteringthegameofGowithdeepneuralnetworksandtreesearc用深度學(xué)習和樹搜索學(xué)習圍棋"(Nature529,484-489,28Jan2016)。NeuralDoodle6275運用深度學(xué)習將涂鴉變?yōu)閮?yōu)雅的藝術(shù)品，從照片生成無縫紋理，轉(zhuǎn)變圖片風格，進行基于實例的提升，等等。（語義風格傳遞的實現(xiàn)）CNTK5957計算網(wǎng)絡(luò)工具（ComputationalNetworkToolkit，CNTK）TensorFlowExamples5872面向初學(xué)者的TensorFlow教程和代碼示例OpenFace4855基于深度學(xué)習網(wǎng)絡(luò)的面部識別。（續(xù)表）項 目星級應(yīng)用項目Nupic4364Numenta平臺NumentaPlatformforIntelligentComputing，Nupi：一個腦啟發(fā)式的計算智能和機器智能平臺，基于皮層學(xué)習算法的生物精確神經(jīng)網(wǎng)絡(luò)模型。Leaf4281面向黑客的開源機器智能框架。CharRNN3820基于Torch開發(fā)的多層遞歸神經(jīng)網(wǎng)絡(luò)的字符級別語言模型。NeuralTalk3694一個Python+numpy項目，用多模式遞歸神經(jīng)網(wǎng)絡(luò)描述圖像。deeplearning4j3673基于Hadoop和Spark的Java,Scala&Clojure深度學(xué)習工具。TFLearn3368深度學(xué)習庫，包括高層次的TensorFlow接口。OpenAIGym3020一種用于開發(fā)和比較強化學(xué)習算法的工具包。Magenta2914用機器智能生成音樂和藝術(shù)Colornet2798用神經(jīng)網(wǎng)絡(luò)模型給灰度圖上色。Synaptic2666基于node.js和瀏覽器的免架構(gòu)神經(jīng)網(wǎng)絡(luò)庫。NeuralTalk22550Torch開發(fā)的圖像簡介生成代碼，運行在GPU上。ImageAnalogies2540使用神經(jīng)匹配和融合生成相似圖形。DeepLearningFlappyBird1721使用深度強化學(xué)習破解FlappyBird游戲。（三）深度學(xué)習未來展望技術(shù)的發(fā)展，尤其是到大規(guī)模落實階段，都難免會發(fā)現(xiàn)局限性，也正是這些局限性，不斷促進業(yè)界思考和改進技術(shù)，進而得到未來的發(fā)展方向。就深度學(xué)習而言，首先，缺乏理論支持。對于深度學(xué)習架構(gòu)，業(yè)界存在一系列的疑問：卷積神經(jīng)網(wǎng)絡(luò)為什么是一個好的架構(gòu)，深度學(xué)習的結(jié)構(gòu)需要多少隱層，在一個大規(guī)模的卷積網(wǎng)絡(luò)中到底需要多少有效的參數(shù)，隨機梯度下降方法優(yōu)化權(quán)重得到一個局部最優(yōu)值如何解決。雖然深度學(xué)習在很多實際的應(yīng)用中取得了突出的效果，但這些問題一直困擾著深度學(xué)習的研究人員。深度學(xué)習方法常常被視為黑盒，大多數(shù)的結(jié)論確認都由經(jīng)驗而非理論來確定。不管是為了構(gòu)建更好的深度學(xué)習系統(tǒng)，還是為了提供更好的解釋，深度學(xué)習都還需要更完善的理論支撐。隨著神經(jīng)網(wǎng)絡(luò)框架變得越來越復(fù)雜而精密，在感知、語言翻譯等等方面的大部分最先進的神經(jīng)網(wǎng)絡(luò)框架正在發(fā)展并且不再僅僅關(guān)于簡單前饋式（feed框架或者卷積式框架LSTM卷積、自定義目標函數(shù)、多皮層柱（multiplecortical等等。此外，神經(jīng)網(wǎng)絡(luò)超參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計目前多依賴人工經(jīng)驗，如何能夠自動且高效地得到優(yōu)化是值得關(guān)注的方向。其次，缺乏推理能力。深度學(xué)習技術(shù)缺乏表達因果關(guān)系的手段，缺乏進行邏輯推理的方法。解決這個問題的一種典型方法是將深度學(xué)習與結(jié)構(gòu)化預(yù)測相結(jié)合。目前幾個帶有結(jié)構(gòu)化預(yù)測模塊的增強的深度學(xué)習系統(tǒng)已經(jīng)被提出來用于OCR、身體姿態(tài)檢測和語義分割等任務(wù)中。總的來說，需要更多新的思路以應(yīng)用于需要復(fù)雜推理的任務(wù)中。盡管深度學(xué)習和簡單推理已經(jīng)應(yīng)用于語音和手寫字PAGEPAGEPAGEPAGE中國人工智能產(chǎn)業(yè)發(fā)展報告識別較長時間，仍需要在大的向量上使用新的范式來代替基于規(guī)則的字符表達式操作。最終，那些結(jié)合了復(fù)雜推理和表示學(xué)習的系統(tǒng)很可能為人工智能帶來巨大的進步。深度學(xué)習和強化學(xué)習的交叉應(yīng)用會繼續(xù)，不僅僅聚焦在圖像、聲音和文本數(shù)據(jù)。如端對端學(xué)習控制無人車和機器人，使用深度學(xué)習和強化學(xué)習來完成原始傳感器數(shù)據(jù)到實際動作執(zhí)行器的直接映射。深度學(xué)習模型正從過去的只是分類一步步發(fā)展到試圖理解如何在方程中加入規(guī)劃控制相關(guān)的變量。第三，缺乏短時記憶能力。人類的大腦有著驚人的記憶功能，不僅能夠識別個體案例，更能關(guān)聯(lián)性。例如在自然語言理解的許多任務(wù)）中，需要一種方法來臨時存儲分隔的片的記憶。這使得研究人員提出在神經(jīng)網(wǎng)絡(luò)中增加獨立的記憶模塊，如LSTM，記憶網(wǎng)絡(luò)（Memory，神經(jīng)圖靈機luringkRNNdRN。雖然這些方法思路很直觀，也取得了一定的成果，但在未來仍需要更多的嘗試和新的思路。最后，缺乏執(zhí)行無監(jiān)督學(xué)習的能力。無監(jiān)督學(xué)習在人類和動物的學(xué)習中占據(jù)主導(dǎo)地位，我們通過觀察能夠發(fā)現(xiàn)世界的內(nèi)在結(jié)構(gòu)，無需被告知每一個客觀事物的名稱。在機器學(xué)習領(lǐng)域，神經(jīng)網(wǎng)2005年左右，雖然無監(jiān)督學(xué)習可以幫助特定的深度這并不能代表非監(jiān)督學(xué)習在深度學(xué)習中沒有作用，反而具有非常大的潛力，因為業(yè)界擁有的非標記數(shù)據(jù)比標記數(shù)據(jù)多很多，只是尚未找到很合適的非監(jiān)督學(xué)習算法。非監(jiān)督學(xué)習在未來存在巨大的研究空間，今后計算機視覺的進步將有賴于在無監(jiān)督學(xué)習上取得突破，尤其是對于視頻的理解。三、應(yīng)用熱點篇——自動駕駛?cè)?yīng)用熱點篇——自動駕駛?cè)?、?yīng)用熱點篇——自動駕駛（一）概述三、應(yīng)用熱點篇——自動駕駛自動駕駛又叫機器駕駛，涉及大量的人工智能技術(shù)，其發(fā)展與人工智能的發(fā)展密不可分。近年來，隨著人工智能獲得快速進步，自動駕駛作為這一技術(shù)商業(yè)化的一個重要方向，也迎來了發(fā)展的熱潮，是近幾年最熱門的應(yīng)用之一。四個等級兩種路徑自動駕駛等級定義：目前美國、歐洲、日本都對自動駕駛的等級做了定義，其中受到廣泛認可的是美國高速公路交通安全管理局和國際自動機工程師學(xué)會的定義，如下圖所示。圖表30NHTSA自動駕駛等級定義無人駕駛的研發(fā)路徑主要分為兩種：半自動的輔助駕駛，完全的全自動駕駛。輔助駕中國人工智能產(chǎn)業(yè)發(fā)展報告中國人工智能產(chǎn)業(yè)發(fā)展報告三、應(yīng)用熱點篇——自動駕駛?cè)?yīng)用熱點篇——自動駕駛PAGEPAGEPAGEPAGE研發(fā)者主要是互聯(lián)網(wǎng)公司，較為知名的是谷歌和百度。無人車商用時間線：3-4年之后2015年年底以來，從百度開始，世界上幾大開發(fā)智能駕駛汽車的主要廠家紛紛發(fā)布無人駕駛汽車商用和量產(chǎn)的時間線。已經(jīng)公布無人車（包括無人駕駛公交車）上路時間表的公司：圖表31 資料來源，中信證券研究部，新智元公 司商用/量產(chǎn)日期公 司商用/量產(chǎn)日期百度2018年商用，2020年量產(chǎn)寶馬2017-2020年谷歌2020年量產(chǎn)奧迪2017年Uber2017年奔馳2020年Mobileye2019年通用2020年福特2019年現(xiàn)代2020年豐田2020年起亞2020年本田2020年沃爾沃2020年大眾2020年綜合看來，國內(nèi)外研發(fā)無人駕駛汽車的公司都把無人駕駛商用的時間線劃在了2020年前后。接下來的3到4年將會是這一技術(shù)商業(yè)化落地的一個沖刺時期。（二）人工智能與自動駕駛（自動駕駛中的人工智能技術(shù)）圖表32自動駕駛所涉及的技術(shù)總的來說，自動駕駛中涉及的人工智能技術(shù)主要包括感知、決策、地圖和車聯(lián)網(wǎng)。感知）感知是汽車實現(xiàn)自動駕駛的一個基本前提，簡單來說，感知也就是采集數(shù)據(jù)的過程。自動駕駛汽車要依靠傳感器進行環(huán)境感知，目前主要有雷達、攝像頭、GPS三種，三種傳感器具有互補性，所以不管是在輔助駕駛還是全自動駕駛的路徑上，三種傳感器呈融合發(fā)展態(tài)勢。圖表33谷歌無人駕駛感知層雷達在無人車使用的雷達中，較為常見的有激光、毫米波、紅外、超聲等。圖表34毫米波雷達與其他傳感技術(shù)對比表毫米波雷達毫米波雷達是指工作在毫米波波段的雷達，其發(fā)射的無線電波長為1-10mm，頻率為30G-300GHz。測量范圍在100-200米左右。跟激光雷達相比，毫米波的準確度會差一些，但毫米波雷達具有穩(wěn)定的探測性和良好的環(huán)境適應(yīng)性，受天氣和光線的影響小。因此毫米波雷達能很好的填補了攝像頭、激光、超聲波、紅外等其他傳感器在車載應(yīng)用中所不具備的使用場景空白。77GHz毫米波雷達的大規(guī)模應(yīng)用將稍微推24GHz。24GHz77GHz77GHz雷達波長短，距離檢測范圍更廣、精度更高，因此在使用的時候各有利弊，但大部分專家認為最后頻段會統(tǒng)一到77GHz。20207200ADAS2020年30%ADAS41個長距毫米波雷達，則國內(nèi)出貨量可達4500萬顆，市場規(guī)模將超200億。圖表35全球車載毫米波雷達預(yù)測圖表36 主要毫米波雷達廠商24GHz77GHz主要應(yīng)用盲區(qū)監(jiān)測、碰撞預(yù)警自適應(yīng)巡航國外廠家Hella大陸TRWTyco西門子博世德爾福電裝TRWFujitsuTenHitachiHella+NXP(預(yù)計2018年推出）廈門意行半導(dǎo)體（2016年底推出）廈門意行半導(dǎo)體（已量產(chǎn)）北京行易道（已裝車試驗）-北汽湖南納雷（已量產(chǎn)）蕪湖森思泰克（已產(chǎn)品化）國內(nèi)廠家蕪湖森思泰克（已產(chǎn)品化）南京隼眼（樣機階段）杭州智波（樣機階段）杭州智波（實驗階段）華域汽車（在研）沈陽承泰（測試階段）深圳卓泰達（測試階段）激光雷達（LiDAR）通過發(fā)射激光束來探測目標位置、速度等特征量的雷達系統(tǒng)，具有測量精度高、方向性好等優(yōu)200m以內(nèi)，多采用多3D測量。3D3D環(huán)境地圖，在自動駕駛系統(tǒng)中具有重要作用。激光雷達和視覺組合的方案，既可以保證測距的準確性和可靠性，又可獲取顏色和紋理等特Google、寶馬、奔馳、奧迪和沃爾沃，供應(yīng)商如博世、德爾福、大陸和先鋒，以及初Zoox，NuTonomy，都在自己的自動駕駛系統(tǒng)中重度使用激光雷達。目前激光雷達因為價78萬美元，成本高昂，固沒能被大規(guī)模采用，低成本的激光雷達方案如能達到同樣效果，將極大的推動無人駕駛進度。10.2202535.2無人車從實驗走向量產(chǎn)，激光雷達需要突破如下幾個瓶頸：技術(shù)方面：當前，激光雷達系統(tǒng)在感知方面比較成功，但在預(yù)測方面能力比較弱，發(fā)展自動駕駛，預(yù)測能力是關(guān)鍵一環(huán)，有待突破，同時要在可靠性方面下足功夫。價格方面：6460萬元人民幣，所以，降低價格是未來工作的重點。已Quanergy公司合作開發(fā)一款激光雷達的解250美元。安全問題：現(xiàn)在只要在雷達發(fā)出信號后找個合適時間點把激光信號反饋給雷達，就能造成遇到障礙物后回傳的假象。自動駕駛汽車接到這些偽造的信號后，就會確信某個地方有一個障礙物存在。未來需要充分考慮安全問題。圖表37 典型高端激光雷達技術(shù)指標360°視場LiDAR局部視場LiDAR典型視場覆蓋360°110°最遠測量距離~100100-200m典型掃描線數(shù)16/324/8/16傳感器輪廓尺寸φ100×80mm200×100×100mm200-300100米以外的障礙物就0.18-16個扇形通道來處理。局部視場110°）8、1632LiDAR有利于嵌入汽車車身，便于主機廠整車設(shè)計，將在前裝市場受到高度重視。圖表38 激光雷達主要廠商廠 商產(chǎn) 品合作廠商Velodyne包括16線束、32線束及64線束福特IbeoLUX-4L與LUX-8L專用于ADAS無人駕駛系統(tǒng)Quanergy3D激光雷達傳感器奔馳、Delphi華達科捷32線束的三維激光雷達巨星科技中海達32線激光雷達攝像頭）攝像頭的感知原理包括三層：圖像處理、模式識別和雙目定位。其優(yōu)勢包括成本較低，需要的數(shù)據(jù)量較少，目前技術(shù)較為成熟。但是，攝像頭受外部環(huán)境的影響較大，包括光線和天氣等。目前無人駕駛汽車上安裝的攝像頭主要有：1）單目攝像頭；2）后視攝像頭；3）雙目攝像頭；4）360度環(huán)視攝像頭。采用基于攝像頭的圖像識別感知的典型企業(yè)：MobileyeMobileye總部位于以色列，當前比較成熟的是它的視覺感知技術(shù)，通過一個高清攝像頭搭配EyeQADAS功能。目前提供多類預(yù)警功能，包括：前碰撞預(yù)警（FC、前方車距監(jiān)測與預(yù)警系統(tǒng)HM、車道偏離預(yù)警系統(tǒng)LD、行人探測與防撞系統(tǒng)PC）與智能遠光燈控制系統(tǒng)（IHC）2015100020273款車型。圖表392015年Mobileye主要合作方及功能實現(xiàn)圖表40Mobileye營業(yè)收入與凈利潤（百萬美元）早在2000年Mobileye就選擇了單目視覺的路線。2012年開始深度學(xué)習的研究，在2015年10月發(fā)布的EyeQ3上首次運用了此技術(shù)，讓車輛學(xué)會處理攝像頭收集的信息，通過關(guān)鍵特征和輪廓提取，可實現(xiàn)物體檢測、環(huán)境建模、路徑規(guī)劃、場景識別等。在2016年的CES上，創(chuàng)始人Shashua闡述了Mobileye在自動駕駛方面的解決方案：360o可行區(qū)域和障礙物信息；通過已經(jīng)配裝在車上的Mobileye進行稀疏地標地圖的收集，具有數(shù)據(jù)量小的特點，僅為3D。因此方便用戶將數(shù)據(jù)上傳云端，進行眾包數(shù)據(jù)采集REM，構(gòu)成路書RoadBoo，用來導(dǎo)航和規(guī)劃路徑；開發(fā)基于強化學(xué)習的駕駛決策控制算法。REM的汽車廠商有通用（2016、大眾（2018）以及一家不愿透露名稱的廠商（2018，這樣一來，eREM將覆蓋全球三分之一的汽車。由此也能看Mobileye正在慢慢調(diào)整自己的產(chǎn)品策略，增加除攝像頭之外其他傳感器數(shù)據(jù)的處理能力，在芯片上實現(xiàn)傳感器融合。圖表41Mobileye技術(shù)路線圖Mobileye從2016年5月月份以來的發(fā)展道路：a．2019推全自動無人駕駛，大眾、寶馬、通用等多家廠商合約在手，8月23日宣布與德爾福合作，將合作開發(fā)全自動駕駛系統(tǒng)。從2019年開始，汽車廠商將可以在車輛中應(yīng)用這一系統(tǒng)。b．7月29日終止與特斯拉的合作）無人駕駛車輛在道路上自主行駛時,需要進行如下決策:,規(guī)劃出一條合理的甚至是最優(yōu)的行車路線。,根據(jù)道路中的車道線、路口前的導(dǎo)向箭頭、斑馬線等保證車輛的正確通行。依照道路的限速標志、路面交通流情況控制車速。,,與其他障礙物保持安全的距離。,,,,之前的大量研究是通過預(yù)設(shè)的規(guī)則來進行駕駛決策，此方法有致命的缺陷。畢竟現(xiàn)實中有著太多的突發(fā)情況和不確定性，預(yù)設(shè)的規(guī)則并不能窮盡所有的可能。最好的方式是讓車學(xué)會像人類一樣，綜合處理各種視覺、聽覺信號，并基于駕駛經(jīng)驗做出判斷，而不是依靠生搬硬套各種規(guī)矩。另外，在自動駕駛進入商業(yè)化量產(chǎn)的過程中，必然會經(jīng)歷駕駛者與自動駕駛模式之間的“適應(yīng)性”問題。這些問題在目前保守的實驗階段還無法凸顯出來。而一旦商業(yè)化，只有符合駕駛者風格的自動駕駛，才會獲得大家對自動駕駛的認同，這種“適應(yīng)性”會直接影響到自動駕駛模式的使用頻率。這都需要汽車通過機器學(xué)習“如何像人一樣進行駕駛決策”。計算也就是數(shù)據(jù)處理，然后形成決策的過程中，涉及大量的算法、處理器、芯片等，是人工智能技術(shù)。由此，也有許多芯片巨頭參與到無人駕駛中來，其中尤以Intel和Nvidia為典型。提供無人駕駛套裝的Comma.ai也是一個新例子。Intel今年早些時候，英特爾收購了一家為自動駕駛汽車芯片提供安全工具的公司——Yogitech；與此同時，英特爾的風河事業(yè)部買下了Arynga，這家公司產(chǎn)品以基于GENIVI聯(lián)盟標準開發(fā)的CarSync軟件為主，它能夠使車用計算機具備OTA無線升級的功能。而兩樁并購案的共同點在于，它們都將用于英特爾為全無人駕駛汽車開發(fā)的未來芯片和參考設(shè)計中。20165ItseezInc，它的主營業(yè)務(wù)為機器視覺算法及使用該算法的嵌入&定制化硬件系統(tǒng)。7月初，英特爾與寶馬、Mobileye宣布合作。8月，英特爾宣布收購深度學(xué)NervanaSystems4.089月，英特爾再次展開收購，買下計算機視覺公司。NvidiaNvidia2015年初發(fā)布了可用于圖像、計算機視覺和深度學(xué)習的自動駕駛平臺DrivePX系統(tǒng)，2016年初又發(fā)布了新一代的DrivePX2，其視覺計算能力和I/O帶寬比上一代產(chǎn)品提高了一個數(shù)量級。DrivePX是圍繞深度學(xué)習構(gòu)建的，在Caffe框架上運行DNN模型，可融合來自12個攝像頭、雷達、激光雷達、超聲波傳感器的數(shù)據(jù)，實現(xiàn)360度環(huán)繞視圖解決方案，可實現(xiàn)動態(tài)和靜態(tài)物體物體的檢測、分類和跟蹤，實時處理路況信息，包括其他車輛、信號燈、路標、道路標志、監(jiān)控攝像頭等等，甚至部分行人。DrivePXNvidia云端平臺數(shù)據(jù)，進行“自我學(xué)習”不斷優(yōu)化系統(tǒng)，提高識別精準度。Nvidia同時也表示一輛自動駕駛車必須在本地就具備完整的駕駛能力，而不是更多去依賴云端提供輔助信息，因此應(yīng)盡量增強本地運算能力。DrivePX2150MacBookProPascalGPU12GPU24XC90車型上使用該Nvidia的這項技術(shù)。2016913日，NVIDIAGPU技術(shù)大會上推出了手掌大小的節(jié)能型人工智能計算機——NVIDIADRIVEPX2AUTOCRUISE，可用于自動駕駛汽車的駕駛和制圖功能。百度自動駕駛汽車將使用該款產(chǎn)品。NVIDIADRIVEPX2AUTOCRUISE計算平臺適用于自動巡航功能包括高速公路自動駕，能夠?qū)崟r了解周邊情況、在高精度地圖上精確定位，以及規(guī)劃安全行車路線。該10瓦，可以幫助車輛利用深度學(xué)習處理來自多個攝像頭和傳感器的數(shù)據(jù)。DRIVEPX2NVIDIAAI計算解決方案家族中的一員，將成為百度自動駕駛汽AI引擎。為了進行深度學(xué)習的部署，Nvidia的策略有三步：第一步是建立深度學(xué)習生態(tài)圈，共同進行深服務(wù)器等；第三步則是提供端對端的解決方案。這種方式的好處是，Nvidia可以在不同平臺上讓這套算法去進行學(xué)習并共享知識，而且未來這套深度學(xué)習算法的應(yīng)用，很有可能并不止于自動駕駛的汽車上，在物聯(lián)網(wǎng)上也可提供解決方案。Comma.aiComma.ai26GeorgeHotz201510月。Comma.ai創(chuàng)始人GeorgeHotz昨天公布了公司的第一款官方產(chǎn)品——CommaOne，將在今年年底前正式上市，售價999美元。這是一個和特斯拉的Autopilot類似的系統(tǒng)，功能差不多。談到與特斯拉的競爭，HotzIOSAndroid。Comma.ai使用，深地圖城市道路環(huán)境下的駕駛地圖主要由簡單道路、復(fù)雜道路和路口3大要素組成。智能駕駛地圖提供商圖表圖表42來自中信證券前瞻研究專題報告HERE是諾基亞的地圖服務(wù)部門，2015725億歐元收購，以配合自動駕駛的研發(fā)。20157月，HERELiDAR的數(shù)據(jù)采集車以及HD地圖數(shù)據(jù)，供汽車廠商做10~20厘米。HERE10家汽車廠商合作，進行自動駕駛開發(fā)項目。中國國內(nèi)的主要地圖廠商有高德地圖、百度地圖、騰訊地圖、搜狗地圖、老虎地圖、圖吧地圖、四維圖新、天下圖、圖盟、圖為先、凱立德。自動駕駛使用的較多的是百度地圖、高德地圖和騰訊地圖。圖表43中國地圖市場4．車聯(lián)網(wǎng)現(xiàn)在“互聯(lián)網(wǎng)”正在向“物聯(lián)網(wǎng)”發(fā)展，而自動駕駛的“車聯(lián)網(wǎng)”是“萬物互聯(lián)”的重要的應(yīng)V2XV2VV2PV2I之間實現(xiàn)高效的信息交換與共享，從而對人、車、路和交通設(shè)施進行智能管控。無人駕駛的最終實現(xiàn)必然依賴車聯(lián)網(wǎng)，車聯(lián)網(wǎng)整個交通系統(tǒng)的運行效率。圖表44車聯(lián)網(wǎng)示意圖V2X通信中使用的無線技術(shù)需要在高度動態(tài)化的環(huán)境中工作，其中，發(fā)射器與接收器之間需要為安全相關(guān)應(yīng)用提供極低通信延時。另外，通信鏈路還需要承受因多個主機傳輸多條消息而造成的高負載問題。目前，V2X分為DSRC和LTE-V兩個標準和產(chǎn)業(yè)陣營。DSRC專用短程無線通信標準以IEEE802.11p為物理層和MAC層基礎(chǔ)，采用5.9GHz頻段，主要應(yīng)用為V2V。美國、日本和歐洲都在推進產(chǎn)業(yè)化，主要有NXP、ST、瑞薩等廠家，但至今未形成國際統(tǒng)一標準。有專家預(yù)計，DSRC在V2P應(yīng)用中的地位在2020年將被LTE替代。圖表45 各國DSRC標準2002年和2003年美國分別發(fā)布了E2213-02和E2203-03兩個DSRC標準1997年歐洲發(fā)布了ENV122535.8GHzDSRC物理層和ENV12795DSRC數(shù)據(jù)鏈路層兩個標準2001年和2004年日本分別發(fā)布了ARIBSTD-T75和ATIBSTD-T88兩個標準圖表46 美國DSRC標準美國DSRC標準應(yīng)用層IEEE1609.1資源管理IEEE1609.2安全服務(wù)IEEE1609.3網(wǎng)絡(luò)層協(xié)議及管理機制IEEE1609.4多信道協(xié)調(diào)應(yīng)用MAC層IEEE802.11p物理層IEEE802.11p兩大技術(shù)支持包括V2I、V2VV2P等各類應(yīng)用，目前正處于標準制定的關(guān)鍵階段，形成了以大唐、華為、高通蜂窩式）3GPP最近發(fā)布的V2VCorepart20169V2XCorepart20173月完成。初步推V2X2018-2019年商用。圖表47V2X技術(shù)兩大陣營V2XV2X基礎(chǔ)設(shè)施。我國目前尚未IEEE802.11pDSRC蜂窩網(wǎng)絡(luò)基站已經(jīng)存在，只需要增設(shè)一些額外設(shè)備，部署成本低；覆蓋廣，網(wǎng)絡(luò)運營盈利模式清晰；晶片組，大幅降低模塊、芯片成本；4）5G持續(xù)演進。DSRC網(wǎng)絡(luò)的現(xiàn)狀和演進的技V2X技術(shù)標準首選。預(yù)計車聯(lián)網(wǎng)技術(shù)2019年就將成為美國車輛的強制標準，而歐洲更是有可能在2018年5月強制3-53000億元。201619%202049%55%。202367%，屆時中國將成為全球最大的車聯(lián)網(wǎng)前裝市場。（三）無人駕駛產(chǎn)業(yè)無人駕駛具有極大的社會價值和經(jīng)濟價值。BCG在報告《回歸未來：通向自動駕駛之路》中指出：以美國為例，如果自動駕駛汽車得到34040%的燃1.3萬億美元。百度自動駕駛事業(yè)部總裁王勁說，在中國，無人駕駛技術(shù)的普及會每天讓500個人免于在車禍中喪生。圖表48自動駕駛的優(yōu)勢國外自動駕駛發(fā)展趨勢IHS201662020年美國或?qū)⒊蔀榈谝粋€允許無人駕駛汽車上路國家，該年將有數(shù)千輛無人駕駛汽車出現(xiàn)在美國的道路上。2025年全球無人駕駛6010年中，因為這類汽車將被全世界所有關(guān)鍵市場接受，銷量將以每年43%的速度持續(xù)增長。圖表49全球無人駕駛銷量增長趨勢到2035年全球無人駕駛汽車銷量將達2100萬輛，大幅高于兩年前1180萬輛的預(yù)估值。其中，450570萬輛。歐洲的銷420100萬輛。與此同時，日本和韓國市場將售出120萬輛無人駕駛汽車。根據(jù)新智元此前的報道，國際著名調(diào)研機構(gòu)IHS報告，使用智能駕駛系統(tǒng)的汽車數(shù)量將從2015700202512.2100。圖表50未來5年無人駕駛汽車數(shù)量增長趨勢，來源BusinessInsider5這期間得到越來越廣泛的應(yīng)用，包括語音和手勢識別、虛擬助理和語言界面等信息娛樂系統(tǒng)。產(chǎn)業(yè)環(huán)境自動駕駛乃至無人駕駛作為未來的重要趨勢，除了在技術(shù)層面需要樹立強制性的標準和規(guī)范外，法律、法規(guī)上的問題也需要得到解決，特別是對于無人駕駛技術(shù)而言。無人駕駛在近期內(nèi)只能在固定的區(qū)域和路線內(nèi)實現(xiàn)，但即使是這樣也無法徹底避免相關(guān)法律、法規(guī)需要更改的需求。目前國內(nèi)外尚無配套的法律支持完全自動駕駛產(chǎn)業(yè)的發(fā)展，完全自動駕駛汽車上路仍受到法律的約束。NHTSA于2016年2月給出結(jié)論：谷歌無人駕駛車符合聯(lián)邦法律，并且無人駕駛汽車的司機是自動駕駛系統(tǒng)，而不是車主本人。但必須安裝類似傳統(tǒng)車輛的控制裝置，駕駛位必須有司機，且司機必須有專門的駕駛資質(zhì)。歐洲、日本國家也鼓勵無人駕駛的發(fā)展，但法律亟待出臺。美國交通部2016年9月21日發(fā)布了自動駕駛汽車首個聯(lián)邦條例，這是世界上目前為止第一個廣泛性的、國家級自動駕駛政策。新聞發(fā)布會上，美國國家公路與安全交通管理委員會的主任MarkRosekind說，該法案的目標是“創(chuàng)造一條通往全自動（駕駛）技術(shù)的道路”。邦政府和州政府在自動駕駛汽車監(jiān)管中承擔的不同責任，從政策上為各州提供參考。在新政策發(fā)布的同時，NHTSA做出了呼應(yīng)，發(fā)布了相應(yīng)的關(guān)于NHTSA會如何執(zhí)行《聯(lián)邦自動駕駛汽車政策》的文件。NHTSA特別指出，若半自動化駕駛系統(tǒng)在危險情況下，司機無法重新控制車輛，產(chǎn)生不可控的風險，NHTSA將會進行強制性召回處理。英國為實現(xiàn)到2020年允許自動駕駛汽車上路的目標，以及從法規(guī)方面給予消費者使用自動駕駛車的信心，在7月11日就保險規(guī)則和汽車上路行駛標準的修改召開了一次諮商。英國政府表示，全球自動駕駛市場估值高達900億英鎊1.29，但其需要能夠確定3月份公布了在高速公路上測試汽車的計劃，并且表示，政府將制定相應(yīng)政策，使技術(shù)研發(fā)跨越法規(guī)障礙。英國商務(wù)部和運輸部大臣稱，該國將清除束縛自動駕駛車的法規(guī)，其中包括交通規(guī)則，以及駕駛員必須遵守的政策法規(guī)?；ヂ?lián)網(wǎng)企業(yè)與傳統(tǒng)車廠爭奪市場科技與汽車行業(yè)之間的界限正在逐漸變得模糊，自動駕駛技術(shù)也正在把汽車變成一臺計算機。但是這些發(fā)展是非常昂貴的：從2010年到2014年，汽車制造商研究與發(fā)展的預(yù)算增加了61%，共上漲了1370億美元。為了分享風險和成本，現(xiàn)有的汽車巨頭以及行業(yè)潛在的破壞者正在組隊，這是一個前所未有的復(fù)雜聯(lián)盟?，F(xiàn)在，汽車行業(yè)利潤豐厚，汽車制造商希望保證軟件公司不會占據(jù)市場獲得最大份額。McKinsey分析認為，到2030年，分享汽車和主板數(shù)據(jù)服務(wù)會讓汽車行業(yè)的年收入增加1.5萬億美元，而傳統(tǒng)汽車銷售和服務(wù)的收入到2030年會達到5.2萬億美元。下圖是無人車產(chǎn)業(yè)中三種玩家的投資、合作、談判和人才流動關(guān)系圖。值得注意的是，這并不是一張囊括所有關(guān)系的圖表。圖表51一張圖讀懂無人駕駛玩家黑馬Nutonmy8月25日，NuTonomy成為全球首個上路測試無人駕駛出租車的公司。NuTonomy于2013年在美國麻省理工學(xué)院內(nèi)部孵化，后從學(xué)校分離成立，由該校博士生KarlIagnemma以及航空航天工程系教授EmilioFrazzoli共同創(chuàng)辦，前者擔任CEO，后者擔任CTO。兩人均在自動駕駛領(lǐng)域有超過10年的研究經(jīng)驗。它開發(fā)的軟件可告知無人駕駛汽車如何根據(jù)環(huán)境規(guī)劃它們的行駛。該公司從數(shù)家風投基金獲得了360萬美元的投資，參加這輪融資的分別是SignalVentures、SamsungVentures,、FontinalisPartners和StevenLaValle博士。中國自動駕駛的發(fā)展趨勢中國的市場規(guī)模L1-L3等級的技術(shù)已部分實現(xiàn)商業(yè)化量產(chǎn)，也即高端車型配備的自適應(yīng)巡航、高速路自動駕駛、自動泊車等高級輔助駕駛系統(tǒng)，而部分實驗室階段的無人車輛已能實現(xiàn)部分道路條件乃至全工況下的無人駕駛。畢馬威公司L3L42018年和202010年后逐漸普及。202520001.9萬億美元的產(chǎn)值。大眾汽車集團中）2030年在所有銷售汽車中無人駕駛的比例可15%50%國汽車市場的半壁江山。目前國內(nèi)外尚無配套的法律支持完全自動駕駛產(chǎn)業(yè)的發(fā)展，完全自動駕駛汽車上路仍受到法律3月舉行的全國人民代表大會上，全國政協(xié)委員、吉利集團董事長李書福和全國政協(xié)委員、百度公司董事長兼CEO李彥宏提交提案：要求加快自動駕駛法規(guī)建設(shè)，為無人駕駛汽車積極組織開展無人駕駛汽車測試的試點工作。中國的政策有望在一到兩年內(nèi)出臺。無人駕駛汽車市場前景明朗的原因在于，汽車制造商加大研發(fā)力度的同時，各國推行的相關(guān)法律也朝著有利的方向發(fā)展。目前主要發(fā)達國家都已采取多種措施支持企業(yè)開展無人駕駛汽車的研發(fā)和測試，通過包括批準無人駕駛汽車路測、建成無人駕駛汽車測試路段等方式促進無人駕駛汽車產(chǎn)業(yè)的發(fā)展。但是，我國現(xiàn)有的大部分政策法規(guī)與無人車發(fā)展還不相適應(yīng)，無人駕駛汽車該由誰來監(jiān)管，路上測試與應(yīng)用應(yīng)該如何規(guī)范，這些問題還尚未得到解決。目前，中國智能駕駛依然處于法律空白地帶。主要企業(yè)圖表52中國智能駕駛主要公司分析，來源易觀智庫，中信證券研究部趨勢：智能出行公司的平臺優(yōu)勢明顯，成有力武器無人駕駛對社會的改變不僅僅是在解放司機，更多的是在出行方式和汽車所有權(quán)的改變上。未來，作為交通工具的無人車，將不再是私人所有，而是采取“分時出租”的方式為顧客服務(wù)。在未來的無人駕駛交通系統(tǒng)里，叫車服務(wù)公司的平臺化優(yōu)勢非常明顯。UberCEOTravisKalanick在談到無人車業(yè)務(wù)時曾表示，無人車“不是副業(yè)，事關(guān)生死存亡isnotasideproject.Thisisexistentialfor由此，通過叫車軟件連接客戶的出行公司，已經(jīng)占據(jù)入口地位的互聯(lián)網(wǎng)將在整個生態(tài)系統(tǒng)上占有一個較為明顯的地位，這類企業(yè)中，較為典型的是Uber和滴滴出行。Uber2015年就開始布局無人駕駛。2015年，Uber梅隆大學(xué)在匹Technologies的機構(gòu)，開始在無人車研發(fā)上合作，UberCMU50名資深機器人專家。7UberGoogleLiorRonGoogleClaireDelaunayGoogle資深工程DonBurnette等人。OttoAnthonyLevandowskiGoogle無人駕駛團隊擔任要職。除了“挖人”建立人才庫，Uber5月，Uber接受豐田汽車戰(zhàn)略投資。此前Uber曾聯(lián)合福特測試無人駕駛汽車。8月18號，Uber32021年推出自動駕駛汽車。根據(jù)協(xié)議，Uber1.5億美元作為初步研發(fā)資金，共同開發(fā)無人車：Uber提供技術(shù)讓汽車變?yōu)樽詣玉{駛的軟件，沃爾沃則提供車，具體使用的車型是沃爾沃0。913日，Uber又從特斯來挖來了地圖負責人。繼續(xù)發(fā)力無人駕駛研究。2016年9月，國外媒體報道，已經(jīng)可以在匹茲堡市區(qū)叫到無人駕駛汽車。CTO張博曾對新智元透露，無人車是滴滴重大戰(zhàn)略布局，很快會有無人車上路。根據(jù)滴滴出行CEO程維公布的數(shù)據(jù)，20167151600萬。201681日，滴滴出行宣布與優(yōu)步全球達成戰(zhàn)略協(xié)議，將收購優(yōu)步中國的全部資產(chǎn)。82日，交易雙方履行股權(quán)變更登記手續(xù)，完成Uber后，滴滴出行在智能出行上的地位進一步鞏固。PAGEPAGEPAGEPAGE中國人工智能產(chǎn)業(yè)發(fā)展報告四、投融資篇——新智元100報告中國人工智能產(chǎn)業(yè)發(fā)展報告四、投融資篇——新智元100報告（一）全球AI創(chuàng)業(yè)公司投融資市場概覽首先來看全球風險投資機構(gòu)PlayfairCapital估計，全球大900I領(lǐng)域的業(yè)務(wù)，其中絕大部分的企業(yè)主要業(yè)務(wù)方向是改善商業(yè)智能B金融和安全領(lǐng)域的實際應(yīng)用問題。VC熱衷于投資學(xué)術(shù)研究實力強大的初創(chuàng)公2014VC投資案例中，全球比較知名的有：Vicarious，ScaledInference，MetaMind，SentientTechnologiesAI領(lǐng)域的投資市場來看，80%500VCAI初創(chuàng)公司。根據(jù)CBInsights的數(shù)據(jù)分析顯示，過去5年里，有超過65%的融資發(fā)生在種子/天使輪或A輪，D輪及以后的融資僅有20家。圖表53全球人工智能投融資情況，來源CBInsightsCBInsights2015AI23.88397筆交易。20161436.02億美元，成四、投融資篇——新智元100報告交次數(shù)相當于2015全年的36%，顯示AI領(lǐng)域的投融資交易比以往任何時候都更活躍。截止2016年6月15日，已有超過200家人工智能初創(chuàng)公司總共獲得了近15億美元的融資。圖表54全球AI產(chǎn)業(yè)融資圖景，季度對比，來源CBInsightsCrunchbase256AI司，其中目前作為初創(chuàng)公司運營IPO、融資次數(shù)在三輪或三輪以下AI20725家初創(chuàng)企業(yè)如下表：圖表55按照融資總額排名的前25家初創(chuàng)企業(yè)，來源CrunchBaseAI201533IPO次退出案例發(fā)生在歐洲，1次在亞洲，其余均發(fā)生在美國。其中最大的三筆交易分別是：TellApart/（5.321700Elastica/BlueCoatystem（2.84500）IronSourc（1500萬；2100，均有可觀的財務(wù)投資回報率。其余并購?fù)顺鲰椖恐饕浅鲇谡蠄F7人。中國人工智能產(chǎn)業(yè)發(fā)展報告中國人工智能產(chǎn)業(yè)發(fā)展報告四、投融資篇——新智元100報告四、投融資篇——新智元100報告PAGEPAGEPAGEPAGE總體而言，2015VCAIVC5%2013年的該比例僅2%AI領(lǐng)域的投資呈現(xiàn)增長趨勢，但整體規(guī)模仍然較小。綜上所述，AIVC投資和退出市場的兩個最主要特點是，第一，市場仍然處于初步興起階段，投資輪次仍然多數(shù)偏早期，投資金額整體偏小；第二，市場中曝光的絕大多數(shù)交易活動主要來自美國市場。（二）中國人工智能創(chuàng)業(yè)與投融資概覽圖表56中國人工智能行業(yè)投資額及投資次數(shù)根據(jù)艾瑞咨詢