人工智能AI行业深度研究报告：大模型驱动AI全面提速，产业黄金十年投资周期开启.pdf

上传者：2******
时间：2022/06/24
热度：1768
1人点赞
举报

人工智能AI行业深度研究报告：大模型驱动AI全面提速，产业黄金十年投资周期开启。报告缘起：人工智能（AI）指利用技术学习人、模拟人，乃至超越人类智能的综合学科。伴随全球 AI 产业主要配套环节（芯片、软件框架、应用算法、数据积累）的逐步清晰、完善，以及部分简单应用场景（图像识别、语音合成、多轮会话、推荐系统等）的持续落地等，我们判断全球 AI 产业有望在经历前期徘徊之后，进入快速发展期，但作为一个极为复杂的学科和产业板块，一系列的技术、产业问题仍困扰着投资者。在本篇专题报告中，我们将尝试从理论技术、产业应用等维度，就当下 AI 产业发展的核心问题展开分析讨论，并在此基础上构建我们对全球 AI 产业的中期投资框架。

产业现状：逐步形成完整产业分工、协作体系，落地场景亦不断扩展。经历过去 5~6 年的发展，全球 AI 产业正逐步形成分工协作、完整的产业链结构，并开始在部分领域形成典型应用场景。基于广泛的产业共识，我们将 AI 产业链简化为如下环节：芯片、算力设施、AI 框架、算法模型、应用场景等。1）芯片层面，根据 Tractica，2019 年全球 AI 芯片市场规模为 64 亿美元，预计到 2023 年市场规模达 510 亿美元，市场规模增长近 10 倍。目前 AI 芯片由 GPU 主导，FPGA、 ASIC 等亦逐步加入竞争。2）算力基础设施层面，华为预计到 2030 年，人工智能算力的需求将相当于 1600 亿颗高通骁龙 855 内置 AI 芯片，相当于 2020 年的约 120 倍，算力设施则针对不同需求由公有云厂商或企业自建。3）框架层面： AI 底层框架呈现了由科技巨头主导的趋势，产业界 Google Tensorflow 优势明显，与 PyTorch 和 Keras 一同成为了开发者使用率最广的开源框架；学术界微软与 Facebook 在细分行业（NLP、AI 感知）体现出了竞争力。4）算法层面，深度学习模型由 DNN 神经网络算法作为基础，并基于此不断改进。过去两年间， AI 大模型（Foundation Model）开始流行，向泛用化推进。5）应用层面，最先成熟的语音识别与图像识别技术分别助力教育、医疗与安防等产业，贡献了第一批成功的典型应用场景。

产业变化：AI 大模型逐步成为主流，产业发展有望全面提速。最近几年来，AI 产业的技术演进路线主要呈现如下特征：底层模块性能的不断提升，注重模型的泛化能力，从而帮助 AI 算法的通用性优化，并反哺数据收集。AI 技术的持续发展依靠底层算法的突破，这同时需要以算力为核心的基础能力建设以及有大数据支撑进行知识和经验学习的环境。大模型在产业内的快速流行，大模型+小模型的运作模式，以及芯片、算力基础设施等底层环节能力的不断改善，以及由此带来的应用场景类别、场景深度的持续提升，并最终带来产业基础能力、应用场景之间的不断相互促进，并在正向循环逻辑下，驱动全球 AI 产业发展不断提速。