21世纪以来，信息技术引领的第三次工业革命改变了人类的生产和生活的方式。几乎所有的人类活动都会使用信息技术或者留下数字印迹，人与人的连接，人与物的连接，物与物的连接，无处不在，海量的数据不断产生，并被采集和存储;互联网飞速发展，对个人生活和行业的渗透无所不在，跨界竞争和降维打击层出不穷，对新技术的追求和创新勇往直前，改变了人与人之间沟通的方式，改变了商品交易的方式，改变了对新技术和资源的共享模式，取得了史无前例的快速发展。
展望未来，人类的发展方向又会是怎样的呢?本期的智能内参，我们推荐来自IDC的报告《2018-2019年中国人工智能计算力发展评估报告》， 评估中国人工智能发展的现状，探索中国企业破局之道。如果想收藏本文的详细内容(2018-2019年中国人工智能计算力发展评估报告)，可以在智东西公众号：(zhidxcom)回复关键词“nc342”获取。
人工智能：第四次工业革命源动力
国家政策引领：国务院发布《新一代人工智能发展规划》，人工智能发展成为国家战略。
2017年7月8日，国务院印发《新一代人工智能发展规划》(以下简称《规划》)，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
生态环境成熟：算力、数据、算法生态条件日益成熟，人工智能发展迎来战略机遇期。
数据爆炸，为人工智能提供了土壤。进入新世纪以来，伴随着信息技术和互联网的发展，数据爆发性增长，人类每5年所产生的新数据几乎都超过之前所有数据的总和，其中非结构化数据的增长尤其明显。未来，随着5G的部署和IoT的发展，万物互联时代将很快到来，企业和个人、人和物、物和物、互联网和物联网，连接和数据流将无处不在，数据的增长速度只会越来越快。据IDC统计，当今世界领先的互联网公司大数据量已达到上千PB，传统行业龙头型企业数据量也能达到PB级，每个人生也能够产生数千TB数据。这些类型丰富、场景各异的数据资源为人工智能系统自主学习并建立预测模型提供了丰沃的土壤。
算法演进，推动了人工智能的实际应用。从人工智能概念提出，算法经历了数十年的发展，从决策树到神经网络，从机器学习到深度学习，算法不断演进和进步;与此同时，算法的研究逐步从实验室走出来，更多的与产业和行业相结合，衍生出丰富的与行业应用和典型场景相关的算法分支;互联网巨头开始更多的投入对算法的研究，并以互联网的方式和开源的精神推动了算法的发展和与应用的结合。
算力提升，成为促进人工智能系统整体发展的催化剂和推动力。算力是基于芯片、加速计算、服务器等软硬件技术和产品的完整系统，也是承载人工智能应用的基础平台，算力的提升是个系统工程;同时，云计算的发展改变了算力的部署方式和获得方式，降低了算力的成本，有效降低了人工智能的门槛。数据就在那里，算法不断演进，而算力的提升则对数据的产生和处理、对算法的优化和快速迭代起到了催化剂的作用，推动了人工智能系统的整体发展，是近年来人工智能取得快速发展的核心推动力。
行业应用加速：互联网与行业应用有机结合，中国的人工智能发展与世界处于同一起跑线。
中国的互联网企业拥有超大规模的数据中心、海量的数据、与世界同步的技术和开发能力，也是中国人工智能应用的探索者和推动者。
在技术和资本的推动下，各行各业的人工智能初创公司和行业应用大量涌现、层出不穷。智能音箱、智能家居在消费市场成为热点，基于人脸识别、语音识别的解决方案在政府、交通、安防、金融等行业大量落地。
算力 ：承载人工智能应用的平台和基础
算力是承载人工智能应用的平台和基础，算力的发展推动了整个人工智能系统的发展和快速演进，是人工智能的最核心要素。
算力、算法和数据是人工智能发展的三个基本条件 。海量的数据每时每刻都在产生，新的数据正以前所未有的速度和方式存储下来，数据不再是问题，如何处理、分析和使用数据才是问题;算法经历了数十年的发展，之前更多的存在于学术界和象牙塔中，在深度学习和加速计算出现之后，得到了迅速的发展和优化，也开始广泛的成为互联网和行业研究者关注的热点 ;人工智能的发展，从理论到实践都离不开算力、算法和数据这三个核心要 素，而算力是其中最核心的要素，带动了人工智能整体的发展和成熟 。算力是承载和推动人工智能走向实际应 用的基础平台和决定性力量 。
IDC预测，2022年全球人工智能市场中用于算力的投资将超过176亿美金，该市场未来五年的复合增长率(2017-2022年的CAGR) 将超过30%。
人工智能的特点决定了对算力提出了不同于以往的新要求，传统的面向通用计算负载的CPU架构无法完全满足海量数据的并行计算需求，以异构计算、加速计算、可编程计算等为代表的新的计算技术和架构更适合人工智能的并行计算需求，得到了快速的发展，未来将迎来广阔的发展空间。
人工智能的工作负载主要分为训练和推理，IDC认为，在人工智能发展的早期阶段以能力训练为核心，在进入应用期后将以在线的应用推理为核心，未来对推理的需求将远远超过对训练的需求。
人工智能发展的早期阶段是对人工智能价值的自我发现的过程，核心是寻找人工智能的典型应用场景并通过训练使得人工智能系统获得达到甚至超过人类的能力，在这一阶段更多的计算负载集中在离线的数据中心中的训练场景;经过三到五年的发展，人工智能将进入大规模应用阶段，应用阶段是将经过训练的应用场景与客户的实际应用相结合，将人工智能的能力赋能产品或行业解决方案，使得人工智能成为普惠的应用技术，在这一阶段计算负载将更多以推理的方式存在，呈现 “云+端” 部署、分散化、终端化、场景化的特点，对算力的需求也将迅速增长，更加多元化。
▲中国人工智能基础架构市场的生态图谱
中国人工智能发展现状：算力先行
2017年是中国人工智能元年，一方面，数据、算法和算力的螺旋式发展使得人工智能发展的条件逐渐成熟;另一方面，人工智能的某些早期实践使得人们认识到人工智能的巨大潜力和无限想象空间，未来有可能给行业发展带来颠覆性的影响。
2017年5月， 在中国乌镇围棋峰会上，AlphaGo以3：0战胜世界排名第一的中国棋手柯洁，引起了全世界的广泛关注;
7月， 国务院发布《新一代人工智能发展规划》，在中央政府发布政策之后，各地区也都在从不同层面加强人工智能相关政策的部署，中国进入人工智能产业发展的 “黄金窗口期” ;
如果说2017年是中国人工智能元年，那么2018年则是中国人工智能市场投资和应用加速成长，迅速落地的一年。2018年以来，互联网和产业界巨头加大了对人工智能市场的投入，人工智能产品和服务层出不穷，行业解决方案和应用场景快速落地。
人工智能的发展需要巨大的算力支撑，算力也是推动人工智能应用和系统发展的核心驱动力。目前，人工智能的投资也以硬件投资为主，给基础架构硬件市场带来了巨大的市场机遇。
根据IDC对中国人工智能市场的研究数据，2018年，中国人工智能市场投资规模约25亿美元，其中70%以上为以算力为核心的基础架构硬件市场投资;IDC预测，到2022年，中国的人工智能市场投资规模将超过百亿美元，未来五年的复合增长率超过59%，将形成一个新的千亿人民币规模的产业生态，其中人工智能基础架构硬件市场规模将超过千亿人民币。
<
▲中国人工智能市场规模及预测，2017-2022
接下来，我们将从客户接受度、需求侧、供给侧和人工智能的实践四个方面来分析中国人工智能市场的发展状况。
1、接受度普遍提高：人工智能将进入快速应用和部署期
从2017年开始，IDC针对亚太地区进行了企业人工智能接受度和应用成熟度调研，2018年的调研结果显示，中国人工智能的市场接受度从2017年的10%迅速提升到超过20%;同时，在未来两年中计划使用人工智能的企业比例也从27%提升到60%。人工智能市场有望在未来两年提速，进入实际应用和部署的快速增长期。
▲IDC中国人工智能接受度市场调研
2、需求侧：呈现场景化和行业化特征
经过几年的观念普及和市场教育，2018年中国人工智能市场已经进入广泛的应用尝试和行业解决方案探索期，在人脸识别、语音识别、图片识别、自然语言处理等某些成熟的应用场景下，一些解决方案已经开始在互联网、政府、交通、金融和制造等行业得到了广泛的应用，给人工智能解决方案的提供者和最终客户带来了价值。客户也开始从应用实践中对人工智能有了更清晰的认识，对人工智能的应用提出更清晰、更准确的要求
▲IDC亚太人工智能接受度市场调研
IDC2018年的调研结果显示，客户采用人工智能系统最重要 的 三 个 目 标 是 ：提 高 生 产力，提升业务/运营/IT等的自动化水平和发现新价值。客户已经普遍认识到人工智能的巨大潜力，将其视为数字化转型和业务创新的利器，希望能够通过使用人工智能技术实现提高生产力、提高业务运营能力并指导决策和业务创新的目标。
3、供给侧：算力推动数据处理和算法演进，应用成熟度提升
算力、算法和数据是人工智能的三个基本要素，在人工智能的实际应用中缺一不可，在人工智能发展的进程中相辅相成，在不同的发展阶段各自发挥着核心作用。
算法：算法是人工智能早期研究和发展的热点，从人工智能概念提出开始，算法一直在不断地发展和演进。从供给的角度来看，学术界是人工智能理论和算法的开创者，在人工智能理论和算法的早期发展过程中起到了核心的作用，从决策树到神经网络，从机器学习到深度学习，推动算法不断演进和进步;2010年之后，TensorFlow和Caffe框架相继诞生，互联网巨头开始更多的投入对算法和算法框架的研究，并以互联网的方式和开源的精神推动了算法的发展，促进了算法与应用的结合。
数据：进入新世纪之后，互联网的发展和普及使人类进入数字时代，数据爆炸性增长，各种类型的数据、各种格式的数据、各行各业的数据都以前所未有的速度产生并存储下来，为人工智能的发展提供了丰沃的土壤。
在中国，数据主要可以划分为两类：行业数据和互联网数据。行业数据主要掌握在政府和政府主导的金融、电信、制造、医疗、能源等行业巨头和政府管理机构手中，互联网数据主要掌握在BAT等头部互联网公司手中。数据量不再是一个问题，唯一需要考虑的是如何处理和使用数据?使之更适合为人工智能系统所用;如何打破数据的壁垒，将更多的数据开放出来，并保证数据的安全和隐私保护。
中国在2017年6月1日发布并实施了《中华人民共和国网络安全法》，该法第三十七条中明确规定：“关键信息基础设施的运营者在中华人民共和国境内运营中收集和产生的个人信息和重要数据应当在境内存储。网络安全法等法律法规为数据的存储、管理和应用提供了法律依据。
算力：在人工智能的三个基本要素中，算力的提升直接提高了数据的数量和质量，提高了算法的效率和演进节奏，成为推动人工智能系统整体发展并快速应用的核心要素和主要驱动力。
人工智能计算具有并行计算的特征，按照工作负载的特点主要分为训练(training)和推理(inference)。传统的通用计算无法满足海量数据并行计算的要求，于是以CPU+GPU为代表的加速计算应运而生并得到了快速的发展，成为当前主流的人工智能算力平台，尤其是在面对训练类工作负载时具有很高的效率和明显的生态优势;推理类工作负载具有实时性要求高、场景化特征强、追求低功耗等特征，在不同的应用场景下呈现明显的差异化，除了GPU加速计算解决方案以外还出现了众多新的个性化算力解决方案，比如：基于FPGA\ASIC\ARM\DSP等架构的定制芯片和解决方案，其计算平台呈现明显的多样化特征。
算力的提升是个系统工程，不仅涉及到芯片、内存、硬盘、网络等所有硬件组件，同时也要根据数据类型和应用的实际情况对计算架构、对资源的管理和分配进行优化。目前提升算力的手段也主要是两种，一种是与应用无关的，通过对架构和核心组件的创新，提升整体系统的算力水平;另一种是与应用强相关的，通过定制芯片、硬件和系统架构，为某个或某类应用场景和工作负载提供算力。
国际上来看，谷歌发布第二代TPU，Intel通过收购布局人工智能市场，Nvidia不断推出新的GPU产品和软件，微软和AWS率先在云端推出AIaaS服务，美国科技企业以核心技术和创新精神引领着人工智能市场的发展和算力的提升。目前，中国厂商仍然缺乏算力的核心技术，算力的供给主要还是由服务器厂商将国际厂商的解决方案产品化来实现。但我们也看到，领先的厂商已经开始在芯片、算法框架、应用部署和管理工具等方面加大研发和投入，丰富和加强自己的算力平台，并且已经取得了一定的成果。
伴随算力的提升，尤其是GPU等技术应用于人工智能之后，极大提升了算法的效率和演进的节奏，使产业界看到了人工智能实际应用的可能，推动算法的研究走出实验室，更多的与产业和行业相结合，衍生出丰富的与行业应用和场景相关的算法分支，从而形成了算力、算法和数据的良性互动，促进了人工智能生态的快速发展和繁荣。
在人工智能的应用层面，中国与世界处在同一个起点，在某些领域甚至已经走在了前面。互联网是人工智能技术发展和应用实践的先行者，BAT根据自身优势推出自己的智能驾驶、城市大脑、智慧医疗等人工智能战略和AIaaS云服务;与此同时，人工智能创新企业不断涌现，在人脸识别、图像识别、自然语言处理、自动驾驶和人工智能芯片等细分领域都取得了突破性进展，推动人工智能的应用场景和行业应用快速发展和落地，科大讯飞、寒武纪、商汤、旷世、地平线、深鉴科技等领先企业也受到了资本的青睐，迅速成长为新的独角兽企业。人工智能成为互联网、产业界和投资领域共同关注和投资的核心热点。
大连妇科检查多少钱 http://mobile.bhyy0411.com/