2023年中國人工智能產(chǎn)業(yè)趨勢報告

中國人工智能產(chǎn)業(yè)趨勢報告2023confidentialandprotectedbycopyrightLawsI序言盡管2022年人工智能市場發(fā)展活躍度不及預(yù)期對人工智能生成內(nèi)容的大量關(guān)注,年末chatGPT的橫空出世刷新了公眾對人工智能的智能化水平的—系列現(xiàn)象級的事件預(yù)示著人工智能產(chǎn)業(yè)正發(fā)生著深刻的變革,產(chǎn)業(yè)的進步縮小了長久以來我們對人工智能的期待與功能間的差距的同時,也進—步拓展了我們對人工智能的想象空間,為更多智能化應(yīng)用走進我們的生產(chǎn)生活奠定了堅實的基礎(chǔ)。我們相信變革終將撥開發(fā)展迷霧,消弭技術(shù)堅冰,讓易觀通過產(chǎn)業(yè)界前沿應(yīng)用、學術(shù)界研究進展與投融資市場情況,結(jié)合專家意見、行業(yè)觀點、現(xiàn)象級事件與對人工智能產(chǎn)業(yè)的研究積累,發(fā)布2023年人工智能產(chǎn)業(yè)發(fā)展趨勢報告。并深度剖析趨勢的發(fā)展節(jié)點與核心驅(qū)動力。易觀認為人工智能將加速走進千行百業(yè),深度參與數(shù)字中歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@ 12基礎(chǔ)設(shè)施篇 2趨勢1:人工智能發(fā)展需求將快速提升數(shù)據(jù)眾包產(chǎn)業(yè)規(guī)模與專業(yè)性 2趨勢2:我國將形成芯片-人工智能產(chǎn)業(yè)內(nèi)循環(huán) 2趨勢3:加速對邊緣智能的探索需不同類型參與方進行緊密合作 33算法型 4趨勢4:文本-圖像生成模型將出現(xiàn)針對細分領(lǐng)域需求的定制化產(chǎn)品 4趨勢5:大規(guī)模語言模型在專業(yè)領(lǐng)域的商業(yè)化方向仍需持續(xù)探索 5趨勢6:強化學習應(yīng)用或?qū)⒃诳蒲信c產(chǎn)業(yè)研發(fā)領(lǐng)域率先商業(yè)化 6趨勢7:圖神經(jīng)網(wǎng)絡(luò)各類應(yīng)用的商業(yè)價值均將大幅提升 7趨勢8:擴散模型將在年內(nèi)應(yīng)用于設(shè)計、建筑、廣告等行業(yè) 84產(chǎn)業(yè)應(yīng)用 9趨勢9:產(chǎn)業(yè)界將出現(xiàn)更多結(jié)合算法模型原理進行設(shè)計的智能化應(yīng)用 9趨勢10:科研人工智能作為國家戰(zhàn)略其重要性將進—步提升 9趨勢11:智能設(shè)備在工業(yè)領(lǐng)域的應(yīng)用滲透率將快速提升 趨勢12:消費領(lǐng)域?qū)π袆虞o助的需求或?qū)⒋龠M相關(guān)智能設(shè)備先行發(fā)展 5參考資料 11易觀分析版權(quán)聲明2023 關(guān)于易觀分析 歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@1易觀人工智能AMC模型顯示,圖像分類與圖像語義分割類應(yīng)用已經(jīng)較為成熟且有著較為穩(wěn)定的市場空間,文本處理、語音識別與雙模態(tài)等應(yīng)用正逐漸實現(xiàn)對于市場的滲透。強化學習、因果學習、語言大模型等相關(guān)應(yīng)用通過技術(shù)的迭代成功走出實驗室,正不斷摸索其商業(yè)模式。圖神經(jīng)網(wǎng)絡(luò)、多模態(tài)泛化與自監(jiān)督學習等應(yīng)用正加速跨越從試驗研發(fā)到產(chǎn)業(yè)落地的難關(guān),對擴散模型、量子AI、具身智能等的研究也將孕育智能程度更高、通用性更強的應(yīng)用。建議短期關(guān)注處于市場啟動期與高速發(fā)展期之間的應(yīng)用成熟情況,長期關(guān)注處于探索期與市場啟動期的應(yīng)用研發(fā)進展。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@22基礎(chǔ)設(shè)施篇趨勢1:人工智能發(fā)展需求將快速提升數(shù)據(jù)眾包產(chǎn)業(yè)規(guī)模與專業(yè)性數(shù)據(jù)作為人工智能的產(chǎn)業(yè)基礎(chǔ),其重要性毋料數(shù)據(jù),隨著人工智能研究的不斷推進以及產(chǎn)業(yè)領(lǐng)域高質(zhì)高量數(shù)據(jù)的需求也正迅速增長。易觀認為人工智能產(chǎn)業(yè)的整體發(fā)展致使對數(shù)據(jù)的需求快速增長,而這將刺激數(shù)據(jù)眾包產(chǎn)業(yè)蓬勃發(fā)展,同時對數(shù)據(jù)質(zhì)量要求的提升也對數(shù)據(jù)眾包產(chǎn)業(yè)的專業(yè)性提出了更高的要求。從產(chǎn)業(yè)應(yīng)用來看,部分產(chǎn)業(yè)的智能化應(yīng)用如能的局限性已難以滿足產(chǎn)業(yè)智能化發(fā)展的要求,行支持。易觀認為目前制造業(yè)、醫(yī)療、工程建筑等行業(yè)對智能化應(yīng)用的功能升級需求較大,因此將推動數(shù)據(jù)眾包產(chǎn)業(yè)在相關(guān)行業(yè)率先發(fā)展。此外,“數(shù)據(jù)二十條”在數(shù)據(jù)資產(chǎn)化和數(shù)據(jù)價值開發(fā)方面的探索將形成對數(shù)據(jù)眾包產(chǎn)業(yè)的利益據(jù)眾包產(chǎn)業(yè),有效降低行業(yè)內(nèi)企業(yè)的經(jīng)營成本與趨勢2:我國將形成芯片-人工智能產(chǎn)業(yè)內(nèi)循環(huán)我國芯片產(chǎn)業(yè)在關(guān)鍵核心技術(shù)方面與國際先進水平存在代差,但芯片法案將倒逼我國切斷對全球芯片產(chǎn)業(yè)鏈的依賴,進而加速促進我國進行核心技術(shù)迭代。易觀預(yù)計我國芯片產(chǎn)業(yè)將在3年后實現(xiàn)12nm工藝芯片量產(chǎn)。從芯片產(chǎn)業(yè)生態(tài)來看,我國由龍頭企業(yè)與核心科研機構(gòu)主導的產(chǎn)業(yè)生態(tài)較為繁榮且頗具韌性,可以很好地應(yīng)對市場沖擊,也具備較高的價值與信息傳導效率,目前我國人工智能產(chǎn)業(yè)發(fā)展增速居世界前列,基于人工智能產(chǎn)業(yè)對芯片的巨大需求,易觀個人研究者對高性能圖形計算芯片需求量較大;二是大型公司與研究機構(gòu)對大規(guī)模異構(gòu)分布式求;三是產(chǎn)業(yè)智能化應(yīng)用對芯片的需求同樣較大,已成為芯片產(chǎn)業(yè)電路設(shè)計與缺陷檢測等環(huán)節(jié)不可或缺的因素,且應(yīng)用智能動態(tài)規(guī)劃與大語言模重大意義,因此易觀認為我國將形成“芯片-人工智能”的產(chǎn)業(yè)內(nèi)循環(huán)。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@3趨勢3:加速對邊緣智能的探索需不同類型參與方進行緊密合作近年來邊緣算力加速發(fā)展,在云-邊-端協(xié)同的算力與通信基礎(chǔ)建設(shè)框架內(nèi),邊緣算力可以大幅降低產(chǎn)業(yè)應(yīng)用對云端通信的需求,也可與端側(cè)設(shè)備的算力形成互補,對智能化產(chǎn)業(yè)應(yīng)用來說,易觀認為邊緣算力的發(fā)展對人工智能產(chǎn)業(yè)具有積極影響,但發(fā)展部署在邊緣側(cè)的人工智能應(yīng)用仍需面對適配與優(yōu)化的問題。與研發(fā)和云端算力相比,邊緣算力的芯片架構(gòu)不同,因此大量原本部署于云側(cè)、端側(cè)與私有化部署的智能化應(yīng)用需要進行適配才能在邊緣側(cè)進行部署,這需要針對以上問題,目前如華為、百度等互聯(lián)網(wǎng)背景廠商與京東、卡奧斯等產(chǎn)業(yè)背景廠商均已在相關(guān)方面做出大量努力,且已取得可觀成績,因此易觀認為邊緣側(cè)的人工智能應(yīng)用市場空間廣闊。但由于產(chǎn)業(yè)對智能化應(yīng)用的多樣化需求與人工智能應(yīng)用開發(fā)的工程化需求,產(chǎn)業(yè)界仍需要對應(yīng)用適配與優(yōu)化的問題進行大量的探索,而這需要來自不同行業(yè)的、擁有不同核心技術(shù)的廠商們從另一個角度來看,生產(chǎn)端出于對數(shù)字化轉(zhuǎn)型的需求,對邊緣算力的需求相較于消費端也更大,而生產(chǎn)端對于智能化應(yīng)用的功能與成本也更加敏感,因此更需要緊密合作的邊緣智能產(chǎn)業(yè)生態(tài)來降低技術(shù)開發(fā)與應(yīng)用成本,加速產(chǎn)業(yè)數(shù)字化另外,邊緣算力的發(fā)展也將帶來更多閑置算力,這部分算力理論上可以用來進行人工智能的訓練,但仍然需要解決異步通信、異構(gòu)算力等問題,而這需要人工智能產(chǎn)業(yè)界與計算機、通信等學術(shù)界進行更加緊密的合作,形成研究-研發(fā)-檢驗-應(yīng)用的產(chǎn)學研用閉環(huán)后,加速驗證并迭代相關(guān)歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@43算法模型篇趨勢4:文本-圖像生成模型將出現(xiàn)針對細分領(lǐng)域需求的定制化產(chǎn)品2022年,文本-圖像生成模型實現(xiàn)了在用戶側(cè)的快速推廣,大眾普遍認為其對語義的圖像化表達精準度較高,可以很大程度降低將想象進行具象化的難度。由于巨大的應(yīng)用潛力,產(chǎn)業(yè)界正目前文本-圖像生成較為明確的商業(yè)模式為按需付費與訂閱制,也存在使用文本-圖像生成類應(yīng)用進行平臺引流的商業(yè)模式。但由于目前相關(guān)應(yīng)用仍存在生成作品與訓練數(shù)據(jù)的版權(quán)問題,因此易觀認為對于文本-圖像生成類應(yīng)用可持續(xù)發(fā)展的商業(yè)模式應(yīng)當積極探索向上游圖庫分潤的機制,也應(yīng)明確生成作品的版權(quán)歸屬。目前各家文本-圖像生成模型因為在訓練數(shù)據(jù)、模型架構(gòu)與模型版本等方面的區(qū)別,已經(jīng)形成不同的圖像風格,因此不同的用戶也對不同的模型產(chǎn)生了偏好,產(chǎn)業(yè)界也會因需求不同而選擇同行業(yè)不同環(huán)節(jié)的多樣化需求的針對性仍不強,易觀認為在工業(yè)設(shè)計、產(chǎn)品設(shè)計等領(lǐng)域存在大量專業(yè)屬性非常明顯的細分需求,因此在2年內(nèi)會出現(xiàn)針對細分需求的文本-圖像類應(yīng)用,定制化開發(fā)也有可能成為下一階段產(chǎn)業(yè)界主流的商業(yè)模式。此外,隨著對擴散模型與輻射神經(jīng)場模型等研究的深入,文本-圖像生成模型或許將增加從文字到草稿再到三維建模的能力,而這也將極大歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@5趨勢5:大規(guī)模語言模型在專業(yè)領(lǐng)域的商業(yè)化方向仍需持續(xù)探索chatGPT的出現(xiàn)使社會普遍承認大規(guī)模語的知識,但目前專業(yè)領(lǐng)域知識較少。對LLM掌握眾多專業(yè)領(lǐng)域知識對訓練數(shù)據(jù)量與模型參數(shù)量均有非常高的要求,而在技術(shù)與成本方面的嚴觀認為未來2年內(nèi)由于搜索與推薦對通用領(lǐng)域與眾多專業(yè)領(lǐng)域知識的要求,LLM在相關(guān)應(yīng)用上僅能作為輔助方式進行商業(yè)推廣,而在文本內(nèi)容生產(chǎn)與編程方面對多領(lǐng)域?qū)I(yè)知識的要求相對較低,因此相關(guān)應(yīng)用的商業(yè)模式或?qū)⒃缬谒阉髋c推薦成熟。除了在自然語言處理任務(wù)方面,chatGPT已邏輯語言進行表述的領(lǐng)域。易觀認為LLM在概念的精準與模糊映射、概念間的邏輯關(guān)系、概念的推理等方面已經(jīng)具備在多領(lǐng)域進行應(yīng)用的功能基礎(chǔ)。但從商業(yè)化應(yīng)用的要求出發(fā),LLM的開發(fā)在數(shù)據(jù)與算力方面的成本仍然非常高,且專業(yè)領(lǐng)域LLM應(yīng)用開發(fā)對跨領(lǐng)域人才的依賴度非常高,但跨領(lǐng)域人才仍存在非常大的供需缺口。因此雖然應(yīng)用潛力巨大,但易觀認為LLM在未來3到5年的商業(yè)化方向仍需持續(xù)探索。綜合考慮功能、需求、戰(zhàn)略重要性、成本、人才等方面,易觀認為5年后在先進制造業(yè)、航空航天業(yè)等對技術(shù)要求高,且對成本敏感性相對較低的領(lǐng)域,LLM的應(yīng)用將實現(xiàn)快速滲透。量不匹配,以至于其潛力并未得到充分挖掘。易觀認為LLM訓練數(shù)據(jù)與參數(shù)量級間的關(guān)系存在最優(yōu)路徑,而這需要在學術(shù)界與產(chǎn)業(yè)界形成一定共識,從而可以更好地平衡LLM的功能與成本,這將有利于LLM應(yīng)用進行商業(yè)化探索。易觀預(yù)計共識的形成至少需要5年的時間。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@6趨勢6:強化學習應(yīng)用或?qū)⒃诳蒲信c產(chǎn)業(yè)研發(fā)領(lǐng)域率先商業(yè)化長久以來,強化學習探索的重點為模仿人類的行為與決策,甚至是超越平均人類水準的自主決策能力,因此目前強化學習的應(yīng)用主要由兩方面組成。一方面是以規(guī)則、策略與博弈為核心的兵棋推演、游戲、交易策略等,易觀認為這部分應(yīng)用目前市場空間較小。另一方面是以類人決策為核心的無人駕駛、機器人行動控制等,易觀認為這部分因為技術(shù)的限制,目前應(yīng)用的性能不足chatGPT使用基于人類反饋的強化學習進行指令微調(diào)。從效果來看,chatGPT的強大能力與強化學習密不可分,易觀認為強化學習證明了其能力的同時也為其商業(yè)化應(yīng)用帶來了新的視角,即從對能力的需求出發(fā),探索強化學習的應(yīng)用方向?；诳茖W研究與產(chǎn)業(yè)研發(fā)對強化學習在規(guī)則、策略、博弈與類人決策方面能力的旺盛需求,易觀認為強化學習的商業(yè)化應(yīng)用將轉(zhuǎn)向相關(guān)市場。在科學研究方面,強化學習可以用來學習人類決策以替代重復性強的任務(wù),或輔助進行新規(guī)則的發(fā)現(xiàn);產(chǎn)業(yè)研發(fā)方面,強化學習可以用來進行新工藝的研發(fā),或用來操控復雜機械設(shè)備。易觀預(yù)計強化學習在科學研究與產(chǎn)業(yè)研發(fā)方面的市場雖然對專業(yè)性要求較高,但由于應(yīng)用價值更高,在3年內(nèi)相關(guān)應(yīng)用將進行商業(yè)化推廣。歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@7趨勢7:圖神經(jīng)網(wǎng)絡(luò)各類應(yīng)用的商業(yè)價值均將大幅提升易觀認為由于功能的大幅提升,圖神經(jīng)網(wǎng)絡(luò) (GNN)將加速應(yīng)用滲透。在圖的學習方面,針已有通用的模型-任務(wù)匹配評估方法,可以為動態(tài)模型的復合型任務(wù),設(shè)計更加具有功能針對性的應(yīng)用。在分類、聚類、搜索與推薦等任務(wù)中,對節(jié)點位置信息與節(jié)點身份信息更具表達性的深度圖網(wǎng)絡(luò)(DGN)相較于原有的DGN有著更佳的表現(xiàn),在營銷人群匹配、三維空間分類與分割與在圖的生成方面,相較于傳統(tǒng)的圖生成模型,圖循環(huán)神經(jīng)網(wǎng)絡(luò)(GraphRNN)已經(jīng)可以實現(xiàn)單一圖的學習與生成、生成的圖的規(guī)模也與之前的子結(jié)構(gòu)發(fā)現(xiàn)等方面的應(yīng)用效果有著大幅提升,在生物學、工程學與社會學等學術(shù)研究中也有著更高的應(yīng)用價值。在生成滿足條件約束的圖方面,相較于其他圖模型,圖卷積策略網(wǎng)絡(luò)(GCPN)在分子發(fā)現(xiàn)方面的應(yīng)用效果有著非常明顯地提升,而其算法也可應(yīng)用在生成布爾可滿足方程與電路對圖的研究也打開了從圖的方向?qū)徱暼斯ぶ且詧D的方式學習深度神經(jīng)網(wǎng)絡(luò)內(nèi)信息交換的過程,可以改進深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計,加深對神經(jīng)此外,圖也可以用來處理數(shù)據(jù)缺失,而圖神經(jīng)網(wǎng)絡(luò)也可以用來表示多個任務(wù)間的關(guān)系,以更好地易觀預(yù)計圖神經(jīng)網(wǎng)絡(luò)的相關(guān)應(yīng)用將逐漸推進商業(yè)化進程。從目前研究進展來看,GNN的功能有很大可能出現(xiàn)質(zhì)的飛躍,可以大幅提升其商業(yè)化的價值,且可降低技術(shù)擁有成本。另外數(shù)據(jù)歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@8趨勢8:擴散模型將在年內(nèi)應(yīng)用于設(shè)計、建筑、廣告等行業(yè)作為目前文本-圖像生成類任務(wù)的主流底層模型,易觀認為擴散模型的性能與功能均有望快速提升。從擴散模型的相關(guān)研究來看,性能的提升主要在體現(xiàn)為對采樣過程的改進;功能的提升主要體現(xiàn)為使擴散模型具備處理特殊結(jié)構(gòu)數(shù)據(jù)域設(shè)計、應(yīng)用等方面的交叉有可能提升各類模型的易觀認為除文本-圖像生成外,文本-語音生成、超分辨率、圖像修復等應(yīng)用有望在1年內(nèi)實現(xiàn)在設(shè)計、建筑、廣告、電影、醫(yī)療等行業(yè)的商業(yè)化探索。易觀認為更多擴散模型的應(yīng)用在3年內(nèi)將逐漸成熟。聲波信號處理和點云補全與生成的應(yīng)用會進行商業(yè)化試水,且點云補全與生成的應(yīng)用將為工業(yè)制造業(yè)的設(shè)計環(huán)節(jié)帶來巨大突破。時間序列補全與預(yù)測在金融業(yè)、供應(yīng)鏈、營銷與銷售等方面均有應(yīng)用,金融業(yè)的相關(guān)應(yīng)用或?qū)⒅饾u成熟,而出于成本與效率方面的限制,在供應(yīng)鏈、營銷與銷售等環(huán)節(jié)的應(yīng)用范圍或?qū)⑤^小。學術(shù)研究中,分子學與材料學對于擴散模型的應(yīng)用可能對于語義分割、異常檢測等商業(yè)空間更大的擴散模型應(yīng)用,易觀認為5年后其成本與效率可以初步滿足商業(yè)化的基本要求。由于算力與技術(shù)的限制,視頻生成在3年后才能實現(xiàn)在小范圍內(nèi)擴散模型在自然語言處理、穩(wěn)健學習方面的任務(wù)中均有不錯的表現(xiàn),但具體應(yīng)用的商業(yè)化可能性還需要進一步驗證。易觀認為擴散模型的價歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@94產(chǎn)業(yè)應(yīng)用篇趨勢9:產(chǎn)業(yè)界將出現(xiàn)更多結(jié)合算法模型原理進行設(shè)計的智能化應(yīng)用易觀認為科研中對人工智能應(yīng)用方式的思考,對產(chǎn)業(yè)界如何應(yīng)用人工智能具有很強的參考型功能的直接應(yīng)用,但科研中的許多應(yīng)用需要充分考慮算法特性與模型結(jié)構(gòu),并結(jié)合各學科的科研規(guī)則來設(shè)計相關(guān)應(yīng)用。產(chǎn)業(yè)界可以充分借鑒其成功經(jīng)驗,從底層原理入手進行應(yīng)用的設(shè)計:如可將各參與方視為節(jié)點,將參與方間的信息交換視為邊并形成圖,結(jié)合不同行業(yè)的業(yè)務(wù)目的以圖神經(jīng)網(wǎng)絡(luò)的方式設(shè)計用于流程優(yōu)化的智能化應(yīng)用;也可將生產(chǎn)工藝中的各項規(guī)則進行整理并視為工藝規(guī)則語言,結(jié)合大語言模型的能力設(shè)計進行工藝優(yōu)化的智能化應(yīng)用。易觀認為從底層原理出發(fā)進行設(shè)計的產(chǎn)業(yè)應(yīng)用其潛在市場空間遠大于目前人工智能市場規(guī)模,且產(chǎn)業(yè)智能化深化發(fā)展的需求將促進此類應(yīng)用的開發(fā)。從底層原理出發(fā)進行設(shè)計的產(chǎn)業(yè)應(yīng)用也需要大量高水平跨學科人才以支撐其發(fā)展。目前相關(guān)人才的供應(yīng)缺口已經(jīng)顯現(xiàn)且缺口將在未來幾年內(nèi)加速擴大。較為合理的人才培養(yǎng)機制需要下游應(yīng)用企業(yè)、上游技術(shù)供應(yīng)商、學校和學術(shù)機構(gòu)戮力同心,針對細分行業(yè)智能化轉(zhuǎn)型需求設(shè)計人才培養(yǎng)項目,且需從應(yīng)用開發(fā)分工角度考慮細分專趨勢10:科研人工智能作為國家戰(zhàn)略其重要性將進—步提升近年來人工智能在數(shù)學、理論物理學、應(yīng)用醫(yī)學等多個科研領(lǐng)域均有應(yīng)用探索,且人工智能的應(yīng)用均為相關(guān)領(lǐng)域的研究帶來新的思考與發(fā)現(xiàn),如利用人工智能重新審視現(xiàn)有物理規(guī)律,利用強化學習操控可控核聚變的研究裝置等。科學技術(shù)的發(fā)展決定了一個國家甚至一個時代的發(fā)展上限,因此易觀認為人工智能在科研領(lǐng)域的應(yīng)用對于國家發(fā)展的戰(zhàn)略意義已經(jīng)十分明顯且仍將不斷增強。由于科研智能化在發(fā)展戰(zhàn)略中的基礎(chǔ)重要性,易觀預(yù)計人工智能賦能的科研服務(wù)將在3年后形成可觀的市場空間,但由于科研服務(wù)與人工智能結(jié)合帶來的技術(shù)門檻,相關(guān)市場的進入難度極高,因此需要加速探索更加合理的市場機另外,易觀認為人工智能科研應(yīng)用安全性問題的重要性也將迅速提升,而因此形成的市場空間也將十分可觀。但相關(guān)市場的技術(shù)門檻同樣極高,也會設(shè)置準入門檻,因此先發(fā)優(yōu)勢將是企業(yè)歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@趨勢11:智能設(shè)備在工業(yè)領(lǐng)域的應(yīng)用滲透率將快速提升隨著工業(yè)數(shù)字化轉(zhuǎn)型將更多地向生產(chǎn)制造環(huán)節(jié)滲透,對智能設(shè)備的需求也將穩(wěn)步增長。同時備的價格隨著產(chǎn)能的上升,平均單價也在逐漸下普及,工業(yè)智能設(shè)備的智能化水平也將有大幅度提升,工業(yè)智能設(shè)備的應(yīng)用價值將迅速放大,因此易觀預(yù)計工業(yè)領(lǐng)域智能設(shè)備的市場規(guī)模將在未來5年內(nèi)穩(wěn)步增長,而5年后將迎來增長拐點。趨勢12:消費領(lǐng)域?qū)π袆虞o助的需求或?qū)⒋龠M相關(guān)智能設(shè)備先行發(fā)展度、材料、設(shè)備等方面技術(shù)與工藝的限制,自動駕駛、行動輔助裝備、人工外骨骼、人型機器人等行動智能設(shè)備的收益與成本間仍存在較大的不平衡,因此5年內(nèi)相關(guān)市場的發(fā)展速度或?qū)⑤^低。易觀預(yù)計5年后因行動姿態(tài)估計、增材制造等技術(shù)的逐漸成熟,如義肢、運動康復設(shè)備與助老設(shè)備等行動輔助設(shè)備的成本將逐漸降低,而在醫(yī)療、康養(yǎng)、養(yǎng)老等方面的相關(guān)需求也將出現(xiàn)明顯增長,且相關(guān)領(lǐng)域?qū)Ω呖蛦蝺r的接受度相對較高,因此相較于其他消費領(lǐng)域行動智能設(shè)備,行動輔助智能設(shè)備的商業(yè)化將先行發(fā)展,而之后大眾對行動輔助智能設(shè)備接受度的提升也將促進人工外骨骼歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@5參考資料(2021):202-202.(2022).mode|s.narxivpreprintarxiv:2209.00588(2022).RepresentationTheoryoftheAmericanMathematica|society26.37(2022):1145-1191.arxiv:2111.15323(2021).preprintarxiv:2206.13517(2022).organization.nscience375.6585science.narxivpreprintarxiv:2207.07048(2022).arxivpreprintarxiv:2206.11795(2022).synthesis.nArxivpreprintMode|ing.narxivpreprintarxiv:2207.11280(2022).[19]Tay,yi,eta|.nEfficienttransformers:Asurvey.nAcMcomputingsurveys55.6(2022):1-28.歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@preprintarxiv:2206.14858(2022).arxiv:2202.01344(2022).[23]xia,weihao,andJing-Haoxue.nAsurveyon3D-aWareImagesynthesis.narxivpreprintarxiv:2210.14267(2022).capabi|itiesof|anguagemode|s.narxivpreprintarxiv:2206.preprintarxiv:2207.14255(2022).[26]Tay,yi,eta|.nEfficienttransformers:Asurvey.nAcMcomputingsurveys55.6(2022):1-28.[27]peeb|es,wi||iam,arxiv:2212.09748(2022).survey.narxivpreprintarxiv:2212.10403(2022).arxiv:2203.15556(2022).preprintarxiv:2203.02155(2022).MachineLearning.narxivpreprintarxiv:2211.04325(202FoundationsandTrends?incomputerGraphicsandvision14.3-4(2022):163-352.interaction.nproceedingsoftheNationa|Academyofsciences119.39(2022):e2115730119.Nationa|Academyofsciences119.47(2022):e2206625119.preprintarxiv:2209.00796(2022).preprintarxiv:2209.00796(2022).[37]“A|phafo|dRevea|sthestructureoftheproteinuniverse.”Rss,[38]peeb|es,wi||iam,andarxiv:2212.09748(2022).survey.narxivpreprintarxiv:2210.00105(2022).onpatternAna|ysisandMachineInte||igence(2022).歡迎登陸易觀分析易觀分析:Tel:4006-010-231E-mail:ygfx@[42]Tan,xu,eta|.nAsurveyonneura|speechsynthesis.narxivpreprintarxiv:2106.15561preprintarxiv:2210.17332(2022).and|anguage.narxivpreprintarxiv:2202.03555(2022).Extremecomputingconference(HpEc).IEEE,2022.[47]Li,xiang.ThestudyontheArchitectureandoptimizationofDeepconvo|utiona|stanforduniversity(2021).歡迎登陸易觀分析