快速構建AI全產業鏈 機器視覺將呈三大趨勢

2017/05/19  TIOTA秘書處 

     人工智慧(Artificial Intelligence),英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智慧的理論、方法、技術及應用系統的一門新的技術科學。人工智慧是電腦科學的一個分支,它企圖瞭解智慧的實質,並生產出一種新的能以人類智慧相似的方式做出反應的智慧型機器,該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來,理論和技術日益成熟,應用領域也不斷擴大,可以設想,未來人工智慧帶來的科技產品,將會是人類智慧的“容器”。下面就隨嵌入式小編一起來瞭解一下相關內容吧。 

快速構建AI全產業鏈機器視覺將呈三大趨勢

     對人工智慧賽迪有自己的定義。現在很多業界人士都對強人工智慧和弱人工智慧有很清晰的定義,其實強的人工智慧還是存在比較遙遠的探索階段,它是關於自我意識方面比較深層次的探索,我們關注最多的是弱的人工智慧。

     弱的人工智慧有三個定義,它主要具備了3C特性,第一個就是人工智慧通過深度學習和神經網路演算法,能夠對人類的一些知識感知實現機器理解。第二個就是機器視覺和語音辨識,能夠通過機器對外界的行為進行一個感知。第三,協作的關係。這個協作是指運動器官,通過機器外部控制器完成人類對他指令行為習慣的驅使,這是3C的特徵。

人工智慧全景產業鏈機器視覺將快速重構

     基於這樣的概念定義基礎之上,我們會對整個人工智慧產業鏈進行詳細分析。整個產業鏈定位分為三個層次:第一是最下層的基礎設施層,很多的機器視覺,包括語音辨識需要很多的演算法、硬體計算平臺和一些軟體的開發平臺,還有剛才說的圖像庫資源,包括語音辨識庫資源,都是有基礎設施層的佈局。

     第二個是技術研發層面,涵蓋了包括機器學習、語音辨識和機器視覺,還有智慧型機器人等三到四個重要的緯度,其中漢柏科技,在機器視覺領域做得就非常出色。

     第三個是應用層,在人工智慧產業行業應用最主要幾個應用領域中,機器視覺的應用領域非常深、非常多,從整個產業鏈的全景圖來講,中國的人工智慧產業處在快速的生態的構建期。

     從整個機器視覺的領域來講,它是處在快速的重構期,通過市場分析來看,機器視覺並不是特別新興的領域,這從最早影像處理衍生到現在,市場上有很多大的廠商對智慧安防和交通做了很久的深耕,他們最開始不是做機器視覺、人臉識別起家的,在這幾個行業中很多廠商都處於並駕齊驅、快速發展階段。

     通過對產業全景圖梳理的大體的框架可以看到,整個人工智慧全產業鏈包括基礎設施、技術研發和應用層三個層面。

     通過對整個基礎設施層的深入剖析,包括一些重點廠商和重點行業應用,其實可以看到,基礎設施層存在問題。現在很多的感測器,包括一些機器視覺的識別,它的多中繼資料是很難融合,去協同的,它的資料不能對多元化協同開發,還存在著一定的障礙,這是目前在基礎設施層存在的一些問題。

     我們認為未來的突破,一個是軟體演算法的快速反覆運算、快速的更新。在這個層面上中國其實是跟全世界很多國家一樣,都處在非常相似的起跑線上,大家對這個演算法的突破能力都是非常強的。在軟體演算法層面是我們未來的重要突破方向。另一方面就是硬體的計算晶片,這是未來的主攻方向,尤其是現在最熱門的AI晶片,這是未來重點發展方向。

     簡單分析一下目前主流的計算晶片包括GPU,這包括伺服器,還有邊緣計算,基本上都用這兩類計算晶片完成人工智慧,包括機器視覺整個運算能力。從整個趨勢來講,基本上分為兩個特徵,就是雲端會存在高吞吐,當地語系化存在小快靈的特徵。這是什麼意思呢?現在很多的機器視覺、很多的資料來源匯總到雲端需要佔用大量網路頻寬,這對我們提出很嚴峻的挑戰,交通、安防資料都需要通過雲端處理,業界同行都認為未來的趨勢,就是需要將這種運算的功能邊緣化,當然提供一些時延必須要低,這是未來主要的方向,本地的移動化AI晶片。

     當然這是技術研發層層面,其實核心的問題就是一點,機器學習是推動了整個電腦視覺的精度,包括效率的提升,這是在機器學習領域對整個電腦視覺重要的突破性影響。

     分析應用層場景發現機器視覺對硬體推動非常明顯,比如說無人機,可能最早不具備機器視覺,例如大疆無人機,它推出智慧避障,現在添加了是為了提升產品的性價比。

     通過分析在應用層的產品存在的問題,我們認為機器視覺未來的突破領域,也是剛才說的,還有就是三維的視覺重建,這當然是技術視覺的演算法層面。另一方面未來的無人設備,將會是一個非常重要的突破點。

全球人工智慧戰略格局

     對比全球目前主要國家在人工智慧包括機器視覺方面的戰略部署,我們可以看到,在美國、日本、歐洲已經很早就提出了相應的重大的戰略部署,而且從他們的戰略的實施層面和緯度,以及深度和力度來講,可以看出美日韓在搶跑戰略。從具體幾個目標來看,美國關注的非常早,在去年白宮提出了人工智慧計畫之後,其實已經緊密召開了四次,從學界、企業,包括社會的整個溝通會討論,相當於社會整個倫理,包括科技進步的徵集形式,在聲勢上非常浩大。

     日本也是處在非常迅猛推進的階段。最近大家看到波士頓動力,後來被豐田收購了,他們之後做了非常大力度的推動,這家公司最早專注于做工業機器人,但是豐田收購之後,很快轉型做服務機器人,這跟美國另一家做掃地機器人公司非常類似,我們認為日本在人工智慧下一階段上會搶跑的重要原因。

     說到歐盟整個包括兩大旗艦項目,一是人腦計畫,二是石墨烯,這是從戰略上推出非常強大的動力,這是全球的戰略動向。

     從企業方面來講,現在很多企業,尤其是IT龍頭企業,都是以軟體和硬體平臺為統一部署商業化的運作,從圖中可以看出,這裡面列舉了一些重點的產品和軟體的平臺,其實都是一體化的推動,當然這是企業的普遍思路。

     賽迪顧問預測到2018年中國人工智慧市場規模會超過406億,這個複合增長率會達到25.8%,增速是快於全球的整個增長率的。在市場結構上來講,也是存在著整體的情況。投資規模來講,在去年一年,從投資的整個額度包括投資筆數都呈快速增加的態勢,而且很多從事人工智慧和機器視覺的企業數量也在快速地增加。

     從區域佈局的分析可以看到,各個國家、各個層次都在推廣一些自己的戰略。通過人工智慧方面利好的政策,未來在這四個領域會有比較大的機遇,安防、交通,金融,消費電子這是機器視覺領域重點關注的應用行業方向。

產業發展未來三大趨勢

     第一是現在巨頭做機器視覺,包括人工智慧演進,他們都是呈開元化,這在中國來講比如華為,對他們來說開源的思路,到底開源怎麼用,有很多理念上跟國外還是有一定的差距,很多開源做完代碼自己封裝自己用了,其實從整個思路來講,國外開源理念上是更先進的。當然有其背後的原因,很多企業基本上在提交人工智慧代碼上走著開源化部署道路。

     整個產業的演進方向,目前處在快速回報期。整個產業和產品技術演進會存在週期的波動,機器視覺領域以及電腦視覺,仍是處在快速的回報期,也就是說它的技術已經得到成熟,市場關注度也在快速地回升,它是未來能夠得到快速回報的重點產品和領域。

     最後就是在目前中國整個市場發展,包括政府的規劃中,智慧城市這個話題又重新火熱起來了,很多年前建設了很多,但是發展都不是特別順利,現在隨著人工智慧整個產業發展,這個動力和熱潮,主要原因就是技術實力能夠解決真正的剛需和真正的問題,在資料方面我們預測今年中國智慧城市建設數量超過500個,在整個智慧城市的產業定義上來講,機器視覺領域需求量特別大的,很多的包括智慧城市的定義就是說,什麼叫智慧城市,就是攝象頭數量多少個,這是一個很剛性的標準,對智慧,包括具備人臉識別功能攝象頭需求量未來是非常大的。

     人工智慧的發展確實會減少很多的工作崗位,但是同樣會創造非常多的新興的工作崗位,比如說程式設計,很多年前都是不存在的,整個產業對社會發展帶來非常大的推動作用。

 

 

資料來源:感知中國物聯網商會