Menu
2021年AI行业分析

AI行业可以说是这几年互联网软件行业最火,最热的技术,那么2021年AI行业将会如何呢?
       根据市场研究机构IDC的数据,2020年全球AI硬件、软件和服务产生的收入预计将达到1565亿美元,比2019年增长12.3%。有关专家预测,在未来11年,人工智能将为全球创造15.7万亿美元的净增量GDP。

AI行业分析

毋庸置疑,人工智能进步飞快且已经成为社会进步的核心技术之一。所有物体都将能被感知,

所有行业都可智能化,每个人都将受到人工智能技术的影响。

那么,2021年国内人工智能产业又将有什么新的发展趋势?中国软件网认为有5大趋势:

01

融资规模继续加大,上市步伐加快

资本“逐利”的本性,决定了它们将继续青睐人工智能领域。

受到《国务院关于积极推进“互联网+”行动的指导意见》、《国家新一代人工智能标准体系建设指南》等政策刺激,近三年来,在一级市场整体下滑的情况下,人工智能赛道的融资数量排名却一直攀升。2020年,人工智能赛道在所有赛道中排名第七,较上一年上升3位,全年共完成137笔融资,已披露总金额达253亿元。

其中,依托AI算法芯片化能力提供数字城市解决方案的云天励飞是2020年融资额最大的企业,两轮总计获得20亿元融资。紧随其后的是名列“AI四小龙”其中的云从科技和第四范式。这两家公司分别完成了C轮18亿元融资和C轮16.1亿元融资。

值得一提的是,2020年,云从科技和依图科技都向科创板发起了冲击,不过至今尚未登陆。

可以预见,随着后疫情时代的到来,自动化的程度将会越来越高,人工智能产业也将迎来新一轮的增长点。新技术的引入,让更多的创新应用成为可能,融资规模也会进一步加大,尤其“AI四小龙”将会是资本追逐的对象。

02

AI芯片市场高速增长

对于AI来说,数据、算力和算法是三大关键要素。其中,算力和算法都离不开芯片。

从细分市场结构来看,云端训练芯片的比例仍然最大,但增速最慢。云端推断芯片与终端推断芯片市场,在未来几年都将保持快速的增长。人工智能应用的普及、政策环境的持续优化,以及人工智能设备的本地化计算趋势,都将成为驱动中国AI芯片市场快速发展的主要因素。

据预测,2021年中国AI芯片市场规模将增长至305.7亿元,同比增幅可达57.8%。未来,终端推断芯片、ASIC架构的芯片将成为中国AI芯片市场的主要发展趋势和关注热点。

03

5G使AI更泛在,AI让5G更智能

 

现阶段,5G通信技术与人工智能均在日渐趋于成熟的过程中,两者的融合发展尚处于初级阶段。随着其融合发展程度的不断加深,其应用领域也必将越来越广泛,未来可以在更多的领域当中,看到5G通信技术与人工智能的融合应用。

随着5G与AI技术融合与渗透的持续深入,人工智能应用将呈现出“四化”趋势:

一是泛在化。5G网络和泛智能终端的普及,带来泛在连接和泛在感知。实体世界正在快速向数字空间映射,促进全社会加速上云。

二是下沉化。在直播、AR/VR、工业互联网等要求“更低时延、更好控制”的应用场景的带动下,分布式边缘云需求快速崛起。云计算正在从中心向边缘快速延伸,计算和智能能力也不断下沉,云边协同将共同构成整个数字社会的智能基石。

三是中台化。容器、微服务、服务网格、无服务器等云原生技术的成熟,推动企业内部共性基础能力的沉淀,并将以组件方式集中汇聚到智慧中台,供上层业务共享复用,从而带来企业资源能力的组织和共享方式的升级。智能中台将会成为各行各业的标配。

四是融合化。云不仅为大数据、人工智能等新技术提供部署环境,更是集中地编排和调度了网络、算力等资源,来统一交付端到端的智能化服务。网络、算力、智能在云端实现全面大融合,云也正在成为整个信息基础设施的“操作系统”。

04

AI / ML与IoT紧密交织

近年来,物联网一直是快速增长的领域。据预测,到2030年,全球物联网市场将增长到241亿台设备,并产生1.5万亿美元的收入。

AI / ML的使用与IoT越来越紧密地交织在一起。例如,人工智能、机器学习和深度学习的使用,使得IoT设备和服务更智能,更安全。

同时,AI和ML需要大量数据才能成功运行,而物联网传感器和设备网络所提供的恰正是这种优势。例如,在工业环境中,整个制造工厂的物联网网络,可以收集运营和性能的数据,然后由AI系统进行分析,从而改善生产系统性能,提高效率并预测何时需要维护机器。

未来,物联网人工智能(AIoT)的轮廓将日益清晰,并重新定义工业自动化。

05

从感知智能到认知智能加速迈进

人工智能有三个阶段:运算智能、感知智能、认知智能。

目前,人工智能在视觉、听觉、触觉等感知能力领域已经达到或超越了人类水准,但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。

认知智能的核心是机器如何表示、学习和推理知识。不同的研究流派,在实现认知智能的道路上各有优劣。例如,连接流派能模拟所有可计算函数,但难以表示结构化知识;行为流派能表示具体底层知识,但难以表示抽象高层知识;符号流派则能抽象表示符号知识,但可扩展性不够。

未来,认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感,并结合跨领域知识图谱、因果推理、持续学习等技术,建立稳定获取和表达知识的有效机制,让知识能够被机器理解和运用,从而实现从感知智能到认知智能的关键突破。