传感器
智能传感器是具有信息处理功能的传感器。智能传感器带有微处理 机，具备 采集、处理、交换信息等功能，是传感器集成化与微处理 机相结合的产物。智能 传感器属于人工智能的神经末梢，用于全面 感知外界环境。
各类传感器的大规模部署和应用为实现人工智能创造了不可或缺的 条件。不同应用场景，如智能安防、 智能家居、智能医疗等对传感 器应用提出了不同的要求。未来，随着人工智能应 用领域的不断拓 展，市场对传感器的需求将不断增多，2020 年市场规模有望突 破 4600 亿美元。未来，高敏度、高精度、高可靠性、微型化、集成 化将成为智 能传感器发展的重要趋势。
：参照系 个重要的分界点。 近年来，随着深度学习算法的逐步成熟， AI
相关的应用也在近年加速落地。
中国 AI 市场规模增速高于全球增速： 2015 年国内人工智能市场 为 12 亿元，其中语音识别占 60%，计算机视觉占据 12.5%，其 他识别部分为 27.5%。在只考虑语音识别、计算机视觉，不包括 硬件产品销售收入(如机器人、无人机、智能家居等销售)、信息搜 索、资讯分发、精准广告推送等的情况下，预计全球人工智能总 体市场规模 2020 年将达到 1190 亿元，复合增长率约为 19.7%； 预测国内人工智能市场规模 2020 年将达到 91 亿，年复合增长率 约 50%。
3
行业概况——人工智能行业发展趋势
2017年中国人工智能市场规模达到152.1亿元，增长率达到 51.2%。随着人工智能技术的逐渐成熟，科技、制造业等业界 巨头布局的深入，应用场景不断扩展，预计2018年中国人工 智能市场规模有望突破200亿元大关，达到238.2亿元，增长 率达到56.6%。 在未来，人工智能领域的投资将以“AI+行业”的方式展开， 预计人工智能应用场景较为成熟且需求强烈的领域，如安防、 语音识别、医疗、智慧城市、金融等领域，带来升级转换，提 高行业智能化水平，改善企业的盈利能力，预计随着诸如无人 驾驶汽车等认知智能技术的加速突破与应用，人工智能市场将 加速爆发。
4
行业概况——产业链图谱
5
人工智能行业主要分为： 1 AI芯片 2 传感器 3 AI应用 4 语义识别 5 机器学习 6 智能语音 7 计算机视觉 共计七大板块。
领域分析——AI芯片
目前，AI芯片的研发方向主要分两种：一是基于传统冯·诺依曼架构的FPGA（现场可编程门阵列）和ASIC（专用集成电路）芯片，二是 模仿人脑神经元结构设计的类脑芯片。其中FPGA和ASIC芯片不管是研发还是应用，都已经形成一定规模；而类脑芯片虽然还处于研发 初期，但具备很大潜力，可能在未来成为行业内的主流。这两条发展路线的主要区别在于，前者沿用冯·诺依曼架构，后者采用类脑架构。 你看到的每一台电脑，采用的都是冯·诺依曼架构。它的核心思路就是处理器和存储器要分开，所以才有了CPU（中央处理器）和内存。 而类脑架构，顾名思义，模仿人脑神经元结构，因此CPU、内存和通信部件都集成在一起。
作为一种基础技术，理论上讲人工智能能够被应用在各个 基础行业（如AI+金融、AI+医疗、AI+传统制造业等）， 同事也有其如机器人这样具体应用行业的概念。
：参照系
行业概况——人工智能行业简介
2006 年-2015 年是人工智能崛起的黄金十年。 2006 年 Hinton 提出“深度学习” 神经网络（深度臵信网络， DBN）使得人工智 能的性能获得了突破性进展， 2006 年成为人工智能发展史上一
领域分析——AI应用
当前人工智能应用领域主要有：个人助理、安防、交通、医疗健康、电商零售、金融、教育等。人工智能主要应用在数据积累量 大、方便获取，行业有海量数据分析处理需求的应用场景。应用语音识别、图像识别、智能机器人、深度学习等AI技术，为具体 应用场景提供高效、准确的解决方案。目前，主要以软件公司为主，一些优秀的企业凭借自设平台优势，深耕算法和通用技术平 台，并以场景作为流量入口建立该领域智能服务应用。当前AI应用在各行各业，提高了各专业领域服务质量和效率，专业领域的 应用同时也在不断促进AI技术的提高，两者相互促进，共同发展。
微信公众
6
领域分析——AI芯片
近几年，AI技术的应用场景开始向移动设备转移，比如汽车上的自动驾驶、手机上的人 脸识别等。产业的需求促成了技术的进步，而AI芯片作为产业的根基，必须达到更强的 性能、更高的效率、更小的体积，才能完成AI技术从云端到终端的转移。
n 从GPU，到FPGA和ASIC芯片 2007年以前，受限于当时算法和数据等因素，AI对芯片还没有特别强烈的需求，通用的 CPU芯片即可提供足够的计算能力。之后由于高清视频和游戏产业的快速发展，GPU （图形处理器）芯片取得迅速的发展。因为 GPU 有更多的逻辑运算单元用于处理数据， 属于高并行结构，在处理图形数据和复杂算法方面比 CPU 更有优势，又因为AI深度学 习的模型参数多、数据规模大、计算量大，此后一段时间内 GPU 代替了 CPU，成为当 时 AI 芯片的主流。 然而 GPU 毕竟只是图形处理器，不是专门用于 AI 深度学习的芯片，自然存在不足，比 如在执行AI 应用时，其并行结构的性能无法充分发挥，导致能耗高。与此同时，AI技术 的应用日益增长，在教育、医疗、无人驾驶等领域都能看到 AI 的身影。然而GPU 芯片 过高的能耗无法满足产业的需求，因此取而代之的是 FPGA 芯片，和 ASIC 芯片。
微信公
领域分析——语义识别
语义识别是自然语言处理（NLP）技术的重要组成部分之一，语义识别的核心除了理解文本词汇的含义，还要理解这个词语在语 句、篇章中所代表的意思，这意味着语义识别从技术上要做到：文本、词汇、句法、词法、篇章（段落）层面的语义分析和歧义 消除，以及对应的含义重组，以达到识别本身的目的。
人工智能行业众号发展概况：参照系微信公
行业概况——人工智能行业简介
人工智能（Artificial Intelligence）： 是指使用机器代替人类实现认知、识别、分析、决策等功 能，其本质是对人的意识与思维的信息过程的模拟，是一 门综合了计算机科学、生理学、哲学的交叉学科。凡是使 用机器代替人类实现认知、识别、分析、决策等功能，均 可认为使用了人工智能技术。