通信专题报告：人工智能无所不在（64页）

行业报告下载 2019年04月18日 06:33 管理员

人工智能平台到底是工具还是应用？人工智能平台（包括芯片，模组，软件）在一般人看起来像是一种新型应用, 但在我们看来人工智能芯片在整合软硬件后将成为各种物联网应用的提升效能工具平台, 这就像我们常用的微软 Office 软件, 微软 Office 软件是我们在办公室应付各种应用的生财工具, 因此人工智能平台除了被广泛利用在云端大数据的深度学习训练和推断外, 我们认为人工智能平台也将出现在各式各样的应用端的边缘设备，从英伟达公布的数字来看，早在 2016 年，公司就累计了 7 大领域（高等教育，发展工具，互联网，自驾车，金融，政府，生命科学）及 19,439客户使用其深度学习的服务工具, 配合软件和之前在云端大数据的深度学习训练和推断的数据成果库, 来达到帮助使用者或取代使用者来执行更佳的智能判断推理。

人工智能会渗入各领域应用－无所不在。当大多数的产业研究机构把自驾车(Autonomous drive vehicle), 虚拟/扩增实境(Virtual Reality/Augmented Reality), 无人商店 (Unmanned store), 安防智能监控 (Smart Surveillance System), 智能医疗，智能城市，和智能亿物联网(Internet of Things, IoT) 分别当作半导体产业不同的驱动引擎, 国金半导体研究团队认为其实自驾/电动车, 5G, 虚拟/扩增实境, 无人商店, 安防智能监控, 智能医疗，智能城市其实都只是人工智能亿物联网的延伸。

三种主流人工智能演算法。最早的人工智能出现及运用在 1950－1980 年代，接着转换到 1980-2010年机器学习，从 2010 年以后，随着各种演算法 CNNs, RNNs, DNNs 等图影像视觉学习，辨识，推理的普及，让深入人工智能深入学习的突飞猛进。深度学习是人工智能和机器学习的一个子集，它使用多层人工神经网络在诸如对象检测，语音识别，语言翻译等任务中提供最先进的准确性。深度学习与传统的机器学习技术的不同之处在于，它们可以自动学习图像，视频或文本等数据的表示，而无需引入手工编码规则或人类领域知识。它们高度灵活的架构可以直接从原始数据中学习，并在提供更多数据时提高其预测准确性。人工智能的深度学习最近取得的许多突破，例如谷歌 DeepMind 的 AlphaGo 及更强大的AlphaZero 陆续在围棋，西洋棋类比赛夺冠，谷歌 Waymo, 英伟达的Xavier/Pegasus 320, 及 Intel/Mobileye 的 Eye 4/5 自动驾驶汽车解决方案，亚马逊的 Alexa, 谷歌的 Google Assistant, 苹果 Siri，微软的 Cortana, 及三星的Bixby 智能语音助手等等。借助加速的深度学习框架，研究人员和数据科学家可以显着加快深度学习培训，可以从数天或数周的学习缩短到数小时。当模型可以部署时，开发人员可以依靠人工智能芯片加速的推理平台来实现云，边缘运算设备或自动驾驶汽车，为大多数计算密集型深度神经网络提供高性能，低延迟的推理。