新算力下的2019 AI

https://www.toutiao.com/a6642122950688375309/

 

 

▌AI步入下半场

IT每十年一阶段形成六大阶段

每一轮科技革命都会带来新的赢家

 

基础设施—通用平台—应用层的发展路径

每一轮科技革命均印证基础设施先行的发展路径

基础设施与通用平台易形成寡头垄断

应用层的发展愈来愈依托于生态

 

云计算厂商的资本开支规律

基础设施的高投入带来云收入的高增长,反之未必成立

17-18年为此轮基础设施投入的高峰

2020年,随着5G的大规模应用有望带来又一次的AIIaaS的军备竞赛

 

AI基础设施处于爆发前夜

AMD7nmGPU面世加速AIaaS普及。AMD7nmGPU打破NVIDIA垄断,动辄上万的AIGPU有望降价。

传统服务器无法满足日益增长的AI算力需要。

 

互联网巨头开始争夺下一代通用平台

云、边、端统一管理平台成为新一代企业上云关键。华为AI全栈解决方案,分层API和预集成方案,以期实现任何场景性价比的最优化。

微软Kubernetes开源架构,将云边端操作系统打通。阿里云云边端一体化计算平台,设备端:提供物联网操作系统AliOSThings;边缘端:IoT边缘计算产品LinkEdge。

 

行业Know-How成为AI场景核心壁垒

各细分行业积累要求不同,行业属性强。金融、医疗、政务等均有各自独特行业属性,龙头普遍积累时间长护城河深。

BAT加速入股布局B端。今年以来,BAT加速入股抢占AI场景入口。

▌三大因素助力AI算力爆发

传统服务器难以满足AI算力需求

摩尔定律失效,CPU性能提升遭遇瓶颈。Intel宣布正式停用“Tick-Tock”处理器研发模式,未来研发周期将从两年周期向三年期转变。单颗CPU性能的提升在放缓。

传统服务器难以满足并行算法需求。服务器CPU出货量增长停滞。

AI芯片步入成长期

 

7nm制程的突破有望带来AIGPU大规模商用

AMD7nmAIGPU面世,功耗比再次提升。

同等功耗下,新核心性能提升超过25%,同等频率下,功耗降低50%。

拥有世界最快的FP64/FP32PCI-E浮点性能,可进行机器学习训练和推理、硬件虚拟化和端到端的ECC纠错保护。

 

FPGA云端加速布局

FPGA的优势主要体现在拥有更高的每瓦性能、非规整数据计算更高的性能、更高的硬件加速性能、更低的设备互联延迟。

微软基于FPGA的ProjectBrainwave云端单个图像只需要在1.8毫秒内就能处理,超过了现存的所有云服务。

阿里FPGA云服务器平台FaaS主要面向人工智能、半导体设计、基因计算、视频图像处理、数据分析决策等场景。

关注乐晴智库 ( 网站:www.767stock.com,公众号ID: lqzk767) 获取更多深度行业研究报告。

 

ASIC芯片:华为与寒武纪成为主导

华为AI全栈解决方案进军AI芯片。

2018年10月,华为正式发布两颗AI芯片,分别为华为昇腾910和昇腾310。

两款芯片都采用达芬奇架构,其中华为昇腾910的单芯片计算密度最大,比目前最强的NVIDIAV100的125T还要高上一倍,预计在明年第二季度正式推出;而昇腾310则是昇腾的mini系列,主打终端低功耗AI场景,具有极致高效计算低功耗AISoC,目前已经量产。

据介绍,2019年昇腾还有3个系列,将用于智能手机、智能穿戴、智能手表等。”

寒武纪IP授权+芯片出售,与华为错位竞争。Dainnaoyu为全球首个深度学习指令集。

开源AI软件带动AIaaS需求

越来越多的企业选择AI开源平台及软件。TensorFlow、Caffe、CNTK等AI开源平台及诸如Google、Facebook、Microsoft和BAT等采用越来越多的AI算法。

到2022年,一半以上的AI服务器收入有望来自于AI开源软件。根据IDC的统计,AI服务器中来自于AI开源软件的比例将由2017年的38.6%上升到53.8%。

 

定制化:互联网巨头AI服务器个性化定制需求增强

浪潮信息:面向不同下游客户与行业提供定制化AI服务器解决方案

•通过与下游客户合作为客户提供定制化AI服务器解决方案,2017年9月,浪潮与百度联合发布ABC一体机;2018年4月与科大讯飞联合发布“AIBooster”方案,提供面向语音识别、智能翻译的训练方案。

•面向多行业提供定制化AI解决方案,目前包括智能视频分析IVA、医疗影像、电力设备巡检、金融汇率预测、语音识别等多行业人工智能解决方案。

 

 

 

下一代算力:量子计算

国内外科技企业均已进军量子计算领域,国内阿里起步较早,百度与腾讯尚处于前期阶段。

谷歌2018年3月推出了拥有世界第一72量子比特的量子芯片Bristlecone;

阿里于2018年5月研制出世界最强的量子电路模拟器“太章”并模拟了81比特的随机量子电路,预计两至三年内推出量子芯片;

华为于2018年10月发布了量子计算模拟器HiQ云服务平台,包含量子计算模拟云服务和量子编程框架,模拟了全振幅42量子比特,单振幅81量子比特的量子计算。

 

AI与云产生交集,AIaaS刺激更多产业机会

容器是一种新兴的轻量架构方案,能够高效利用系统资源(相同的硬件可以创建的容器数量是虚拟机的4-6倍)。

虚拟机管理程序对整个设备进行抽象处理,通常对系统要求很高,而容器只是对操作系统内核进行抽象处理,使用共享的操作系统,高效、成本低、可快速按需扩容、简化部署管理。

容器非常有潜力替换虚拟机成为云计算的基础架构,并成为主流的软件应用承载模式。

 

AI算法日趋成熟

语音识别、虚拟现实与机器视觉已从导入期进入成长期。

 

算力的发展为算法实现创造条件

深度学习的大规模实现需要算法的支持。

互联网与移动网同样带来大量的训练数据。

语音识别与计算机视觉开始商用

标准化的数据集丰富。语音与图像数据较易标签化。15年图像识别准确率变已超过人类。

CNN、RNN等神经网络基础算法成熟。根据Imagenet等测试结果,语音识别与机器识别准确率均已在90%以上。

 

语义识别获突破性进展

自然语言处理(NLP)为语义识别的主要基础算法。

简单来说,就是用计算机来处理、理解以及运用人类语言(如中文、英文等),属于人工智能的一个分支,又常被称为计算语言学。

深度学习与NLP的结合加速语义识别突破。

语义识别需要完成5个阶段:分类、匹配、翻译、结构化预测、序贯决策过程。目前深度学习有助于解决前四个任务,并已经成为解决这些问题的当前最佳技术。

Google宣布开启NLP新时代

Google宣布BERT模型开启NLP新时代。

BERT是一种预训练语言表示的新方法,机器阅读理解较高级水平测试SQuAD1.1中表现出惊人的成绩:全部两个衡量指标上全面超越人类。

模型的地位类似于ResNet在图像识别的地位,将成为NLP基础算法。

 

无人驾驶算法不断成熟

智能驾驶尝试步入L4阶段。Tesla与百度算法不断迭代,BATJ车载OS不断推进,园区公交开始商用。

▌安防、医疗与金融有望率先应用

语音识别:AI音箱风靡全球

语音交互打造智能家居。根据Canalys的统计2018年第二季度,全球智能音箱出货量总计达到了1680万台,相比去年同期的580万台增长了187%。

海外Google与Amazon,国内阿里、小米与讯飞成为代表。

 

机器视觉的直接应用:安防与医疗AI

“云边结合”前置智能算法,以边缘计算替代后端智能NVR实现特征提取,人员检索功能,将成为安防智能化主体。

海康以“视觉大数据”构建AICloud平台。18年4月,海康宣布采用云边融合独特架构,基于“萤石+行业+平台”战略,在其安全生活业。务平台萤石云平台上提供服务。

医疗AI:医疗影像诊断率先突破

多层神经网络算法的成熟

多层神经网络构建的深度学习模型(DNN)是2017年发展最快的一项技术。DNN的可解释性得到突破:将每一个神经元都与一个topic进行关联,于是整个网络变得具有可解释性。

标准化影像数据的大量积累。医疗信息化红利开始兑现。

医疗影像公司解决方案的不断成熟。代表公司:卫宁健康、万里云、和仁科技等

 

 

 

医疗AI:诊疗市场与IT投入进入爆发期

云平台方式提供影像拍摄和辅助诊断。以公有云或私有云的方式部署,有效提升医生诊断效率。

根据IDC统计,影像AI至少提高数倍工作效率,每年可为医院节约几百万元的费用或者增加百万甚至千万元的收入。

由影像AI向全医疗领域AI横向拓展。根据IDC预测,2017年医疗人工智能(AI)诊疗服务市场规模达到1.83亿元,预计到2022年将达到58.75亿元,2017至2022年的年复合增长率为100.1%。

2017年医疗人工智能(AI)的IT投入规模为1.1亿元,预计到2022年将达到16.5亿元,2017至2022年的复合增长率为71.8%

 

工业AI:机器视觉与激光的完美结合

相关标的:宝信软件、新北洋、海康威视、汉得信息、Keyence、Cognex、IsraVision

重新定义工业,有望实现对检测人员的大量替代

检测数据的积累分析可进一步提升良率

 

金融AI:智能风控与影像采集

AI策略从动量/舆情走向风控/数据库,开始反转

金融反诈骗。分析用户登陆行为、用户图关系、弱可信关系等

影像采集。金融以身份认证为主

自然语言处理:法律成为下一个风口

司法AI分析技术日趋成熟。目前的NLP算法已经把法律领域从为大的文档制作预测编码系统,转移到为诉讼提供分析。硅谷律师事务所已使用LexMachinaAI算法分析收集竞争情报,从而做出更好的决策、资源调配和调整客户计费。报告来源 (申银万国:刘洋 刘畅 )

你可能感兴趣的:(人工智能,2019AI)