1、算+态 中国智能迈向产业AI化 2019年8 3 3 内容录 核观点 . 、前. 1.1 智能的定义及核技术 1.2 国家政策引领中国智能速发展 1.3 数据、算法、算益成熟，为智能发展提供富饶的壤 、中国智能算及应的发展现状 . 2.1 算基础架构的发展 2.2 算是推动产业AI化前进的源动 2.3 态是产业AI化前进的必经之路 三、中国智能算发展评估. 3.1 评估体系框架 3.2 评估结果分析 四、动建议. 4.1 对业户的建议 4.2 对智能解决案提供商的建议 04 05 08 18 29 4 计算是承载和推动智能向实际应的基础平台和决定性量，根据IDC 全球DataSphere的研究

2、，全球新创建的数据量将从2018年的33ZB增到2025年 的175ZB。随着数据持续爆炸性增及算法的不断演进，未来算仍有很的发 展空间。 预计2022年，智能推理市场占将超过训练市场，GPU依然是数据中加 速的选，随着边缘、端侧需求的快速增，智能芯市场将迎来多元化 发展。 预计2023年，中国智能基础架构市场将超过80亿美，未来五年年复合增 率达到33.8%，增速是中国整体基础架构市场的三倍以上。 5G和物联将推动边缘、端侧智能基础架构的快速发展，性能、灵活性和能 效将成为未来重点考量因素。 计算的快速发展极促进了各业应场景的成熟，AI产业化加速向产业AI化 迈进。互联、智慧城市、融业产业A

3、I化已经在了前。未来五年，制造 、零售等业也有望逐步实现智能化。 互联依然是智能算投资最的业，占据中国62.4%的智能算投资 市场份额；排名前五的业中，政府和融业增最迅速，2018年同增均 超过100.0%。 智能与云的融合将进步加速，未来五年，AIaaS市场规模的年复合增率为 66.0%，将成为推动云计算市场增的重要细分领域。 软件框架市场TensorFlow和PyTorch凭借性能、灵活性及态优势依然占据主导地 位；百度的深度学习开源平台PaddlePaddle是国内主开发软件框架的代表。 越来越多的智能领军企业参与到业性能评测基准建设中，但总的来说业 界前缺少统的基准，多数现有的深度学习

4、性能基准相对单。随着AI框 架不断优化，模型不断迭代以及算法不断更新，各类基准也将持续的完善升级 与之适应。 2019年中国智能城市排榜，TOP5城市依次为北京、杭州、深圳、上海、 州，排名6-10的城市为合肥、苏州、重庆、南京、西安。跟2018年相，北京超 越杭州位居第，州进第梯队，苏州、南京、西安次跻前。 核观点 5 1.1 智能的定义及核技术 IDC将智能定义为具备学习、推理和我纠正能的系统。系统通过然语、语、图像、 视频等式与 类交互，从交互信息中抽取知识建知识库，并采机器学习式建预测模型，基于模型进推理给出结果。 机器学习作为实现智能化的关键技术，可以分为传统的机器学习和深度学习。过

5、去企业对于机器学习的采更 多是传统机器学习做简单的预测分析。现在，企业已经开始探索采深度学习来提预测的准确率、处理结 构化数据，采图算法、知识图谱技术判断相关性等等。从应落地的度，除了反欺诈、产品推荐、量化投资 等落地应场景，IDC也看到业企业在核产环节开始测试机器学习应，例如电器件产质检、交通轨道 花检测、配电站电压器障碍评价等等。 由机器学习撑的智能核技术能可分成2类，分别是感知技术和认知技术。现阶段，感知技术的发展已 经相对成熟，认知技术的发展分为三个层次，分别是语理解；分析、推理以及格情感，认知技术应在未来 仍有很发展空间。 1.2 国家政策引领中国智能速发展 2015年以来，国家也从

6、政策层为中国智能技术的发展提供了利好环境。新代智能发展规划和 促进新代智能产业发展三年动计划（2018-2020年）的发布，不仅就未来智能相关战略标、理论 技术、产业经济、才培养、法律体系等进了论述，还重点提出了政府财政及社会资本投资的统筹安排，并 新轮科技命和产业变正在快速推进，数据的爆发式增、算法的新、算的提升及络设施的演进驱动智能发展进 新阶段，智能化成为技术和产业发展的重要向。智能具有显著的溢出效应，将进步带动其他技术的进步，推动战略性新兴产 业总体突破，正在成为推进供给侧结构性改的新动能、振兴实体经济的新机遇、建设制造强国和络强国的新引擎，源源不断地为 数字经济的发展提供持续创新动。

7、 前 6 对撑体系和保障措施进了详细规划，明确了今后发展向及标，进步加快 渗透速度，为产业发展提供有的政策持，中国智能发展突猛进。在政策 的持引导下，国内科技巨头纷纷布局，产业资本也将更多光聚焦于智能的发 展和应。2016AI产业化元年起，AI发展经历了2017年的产业化布局，2018的AI应 落地之年，2019年，AI则会着侧重于领域拓宽及各领域内部的竞争。智能正通过 不同的应快速渗透终端，使更阔的群切实感受到智能的产品魅及其 实价值。 1.3 数据、算法、算益成熟，为智能发展提供富饶的壤 作为智能的三要素，数据、算法、算撑起其核技术的应，在不同阶 段发挥各的作，缺不可。数据、算法、算态条件

8、益成熟，智能发 展将迎来新轮的战略机遇。 1.3.1多技术融合带来数据井喷，未来五年数据市场将持续增 随着多种新兴技术产业的快速发展，数据总量呈现海量聚集爆发式增。2019年，5G的 部署以及物联的进步发展，数据的增速度将越来越快。据IDC统计，世界领先的互 联公司数据量已达到上千PB，传统业头型企业数据量也能达到PB级，个也能 够产数千TB数据。这些类型丰富、场景各异的数据资源为智能系统主学习并建 预测模型提供了丰沃的壤。除了使实际数据，未来智能系统还将越来越多的 使量模拟数据于模型训练，这也将使得智能模型的开发速度幅升。 1.3.3 算是智能发展的基础保障，未来仍有很的发展空间 海量的数据

9、每时每刻都在产，新的数据正以前所未有的速度和式存储下来，数 据不再是问题；算法经历了数年的发展，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，以最新的MegatronLM语模型为例，该模型包含了接近百亿 个参数，在NLP领域取得突破性进展的同时，给算也提出了巨的挑战，算已 经成为承载和推动智能向实际应的基础平台和决定性量。可以预，未 来随着数据持续爆炸性增以及算法的不断演进，算仍有很的发展空间。 2018年5欧盟颁布了般数据保护条例 （General Data Protection Regulation，简称 GDPR），该项法规中明确规定了对于个数据 的定义以及保护规定，智能的发展

10、是基 于量数据来推进。短期看来GDPR为智能 的发展增加了些阻，但这法规也为智 能的发展和应提供了个良好的环境和有效的 法律监管。相对，数据保护规范对于智能 箱、智能标等AI产业化衍的针对个消费 者的市场影响较，对于智能在传统业 的渗透影响相对较，例如制造业。未来中国在 数据保护也将趋严格，对于企业来说即是 机遇是挑战，中国的企业需要提前布局，有效 规避险，在转变的过程中获得先机。数据保护 条例会让数据的获取和处理变得更加困难，企业 需要投更多的、资和时间，对于中企 业来说也是项巨的挑战。 1.3.2 智能算法迅速发展，为其应带来限可能 智能的算法从上世纪50年代开始，从机器学习到深度学习，经

11、过数年的不断 演进，已经可以满越来越多的场景需求。通过与垂直业相结合，新算法层出不 穷，向更细化发展，智能应的主要业如互联、政府对于算法的研究投 也在逐年增加，推动了算法与其应的结合。 计算机视觉（CV）和然语处理（NLP）都 需要结合量的算法，前，CV的发展已较 成熟，NLP因为更注重感知之后的认知，如何 处理然语理解、发、噪扰等难题， 使其过去的发展相对较为缓慢。最近年，NLP 领域取得了重要突破，2018年底，歌发布了 BERT模型，打破了当时余项NLP测试记录， 就 在 不 久 前 ， 英 伟 达 发 布 了 更 的 MegatronLM语模型，这些重要的突破为NLP 的应带来了更加阔

12、的发展前景，例如医疗 业的智能诊断，教育业的语能管理， 以及办公动化、服务机器、智能法庭、多 语种/的机器翻译等等。 7 图1 中国人工智能基础架构生态图谱 AI算 云服务提供商 应提供商 算法提供商 芯提供商 （AI服务器） 来源：IDC，2019 8 2.1 算基础架构的发展 算，作为智能发展进步的基础保障,其发展进步将对智能技术的进步和业应起到根本性的作。IDC从算 基础架构层，重点研究和考量芯、服务器、边缘设备、AIaaS和主流框架等个的发展及变化，旨在了解2019- 2020年算的新和进步，下就此进逐分析： 2.1.1 预计2022年，推理市场占将超过训练，芯市场将迎来多元化发展 算

13、法，数据和算是智能的三要素，其中数据的获取以及处理的难度在慢慢下降，算法也在多种深度学习 的框架上不断优化。因此，市场将光聚焦在将数据和算法协调起来的芯上。前，智能芯致可分为 以下类： 中国智能算及 应的发展现状 按照作负载，智能芯可以分为训练芯和推理芯，训练是指在已有数据中学习，获得某些能的过程，对计 算的精度要求较，它直接影响推断的准确度。这就要训练芯有强的单芯计算能，前GPU芯更适合于训 练负载。推理过程则是指对新的数据，使这些能完成特定任务（如分类、识别等）。 9 IDC认为，未来智能市场，推理环 节将超过训练环节，根据预测，到2022 年推理的市场占将超过训练，推理类 芯将是未来最的

14、潜在市场，也是 智能芯市场的决胜点之。 81.3% 73.7% 66.6% 59.8% 51.7% 47.9% 42.7% 18.7% 20020202120222023 26.3% 33.4% 40.2% 48.3% 52.1% 57.3% TrainingInference 图2 推理和训练市场占比预测 来源：IDC，2019 GPU芯（GraphicsProcessingUnit）GPU芯是基于吞吐设计的，拥有 个由数以千计的更、更效的核组成的规模并计算架构。GPU芯是 单指令、多数据处理，采数量众多的计算单元和超的流线，主要处理图像 领域的运算加速。前，智能芯市场

15、相对较集中，短期看CPU+GPU芯 的架构将继续占有领导地位。 FPGA芯（FieldProgrammable Gate Array）FPGA适于多指令，单数据 流的分析，与GPU相反，因此常于预测阶段，如云端。FPGA是硬件实现软件算 法，因此在实现复杂算法有定的难度，缺点是价格较，其优势为灵活性 强。经常做ASIC芯的批量替代品，近年来也在微软和百度等公司的数据中 规模部署，以提供强的计算和够的灵活性。 ASIC芯（Application Specific Integrated Circuit）ASIC是为实现特定场景 应要求时，定制的专AI芯。除了不能扩展以外，在功耗、可靠性、体积 都有

16、优势，尤其在低功耗的移动设备端。但由于该类芯灵活性相对较差，所以在AI 市场的应还不够泛。基于以上优势，ASIC芯更多的于端或边缘侧。 智能市场的爆发带动智能服务器的发展驶了快道，服务器商相继推出搭载GPU、FPGA等多种加速 类型专向智能作负载的智能服务器，适于深度学习、计算机视觉、语识别、然语处理、 视频分析等领域，泛应于视频监控、图像处理、动化客服、精准营销推荐等典型AI应场景。另外，些 商也推出了专的GPU体机，如英伟达的DGX系列服务器和浪潮的AGX系列服务器。 智能服务器采异构架构进加速计算，可以分为CPU+GPU、CPU+FPGA、CPU+ASIC等多种形式。和传统服务器 相，智

17、能服务器在组件上，如内存模块、存储模块、络模块与传统服务器差别不，主要的提升为持更 容量的内存满当下实时负载增加的需求，提供更多外置硬盘插槽，并泛持NVMEPCIE等协议，满数据洪流需 求。除此之外，各商也在不断完善并发展新的互联协议，例如英伟达推出的可实现GPU之间互联的NVLink协议， 以及Intel推出的速互联的CXL协议。尽管智能服务器可以采多种异构形式，但前市场上泛应的还是 CPU+GPU架构的服务器，随着摩尔定律失效，CPU的物理艺和核数已接近极限，在万物皆AI的时代下，数据总量 呈指数级增，仅由CPU提供算的传统服务器很难满这种密集型计算的需求，前CPU+GPU架构恰好能很好的

18、 解决算的问题，GPU的并计算能适于智能起步阶段的数据量的训练，擅处理密集型运算应；另外 智能推理通常需要实时进，并且需要强的处理性能。 未来智能将会是传统企业数字化转型的关键，到2023年全球35%的员将开始使机器或其他形式的 智能。随着智能推理与各业的深度融合，搭载各类智能加速卡的服务器将会层出不穷。IDC预计，于 智能作负载的服务器是全球及中国服务器市场中迅速增的部分，全球智能基础设施市场规模2018 年达到67亿美元，同增46.0%，在2023年将达到229亿美元，未来五年复合增率为27.9%；中国智能 基础架构市场在2018年约为19亿美元，2023年将达到83亿美元，未来五年复合增

19、率为33.8%，其中，服务器市 场规模占整个硬件市场85%以上。2018年GPU服务器继续保持速增，销售额同增131.2%，仍然是智 10 前，智能领域的主流芯依然是GPU芯，其中英伟达和AMD是较突出的两商。英伟达的优势在于矩 阵运算，先后推出了Pascal GPU和Volta架构；AMD作为GPU的另商，也推出Radeon Instinct系列，预计将 于数据中等智能基础设施上。FPGA经常做ASIC芯的批量替代品，近年来在微软和百度等公司的数 据中有部署，以提供强的计算和够的灵活性。前市场上应较多的是Xilinx和Intel 两商。ASIC芯 是针对专应特别设计的，所以可以满体积，功耗低

20、，保密性强，计算效率等需求，并且出货量 越其成本越低。前，国内主要的ASIC芯供应商，国内有寒武纪、地平线、华为等，国外有Graphcore等。 IDC预测，智能芯的市场将保持速增，未来五年复合增率将达到53.0%。GPU依然是 数据中加速的选，随着智能在边缘推理端的泛应，ASIC芯的市占率将有所增。 同时，针对不同的领域、业及应场景的不同需求，芯种类将越来越丰富，这也决定了未来 的智能芯市场将出现百花放的局。 2.1.2 未来五年，中国智能服务器市场复合增率将超过30%，增速达到中国整体服务器市场增 速的三倍 能服务器的主流。其中16卡GPU服务器增迅速，销售额从2017年的2090万美元增

21、到2018 年的2.63亿美元，同增速达1161.7%，在GPU服务器整体份额中的例从2017年的3.7% 增2018年的20.2%，浪潮在这细分市场占最，份额接近8成。另外，GPU中的M4 、P4、T4型号销售额从2017年的4810万美元，增到2018年的3.6亿美元，在整个GPU的份 额占从8.5%提升到27.6%。同时，2018年FPGA销售额达到1300万美元，同幅增了 1736.1%，这趋势表明，中国智能已逐渐步规模应阶段，产业AI化进程正不断 加速。从供应商来看，中国本供应商占据了部分国内的市场份额，2018年中国GPU服务 器市场份额排名前三的供应商依次为浪潮、华为和曙光，其中

22、浪潮占超过50%。浪潮凭借 较早的进智能领域，通过JDM模式与领先互联公司进深合作，在中国互联 业，浪潮GPU服务器市场份额超过60%，并不断向传统业渗透。 2.1.35G和物联推动边缘、端侧智能快速发展，性能、灵活性和能效将成为 未来重点考量因素 随着5G和物联的发展，传感器、摄像头等终端设备产了空前规模的数据量，虽然核数 据中对于数据分析、机器学习和智能算法的开发关重要，但越来越需要将智能靠近 边缘端以便及时做出决策，“核计算”向“边缘计算”转化的过程中，将会激发边缘IT基 础设施的进步发展。 边缘位于终端和核之间，IDC将边缘分为轻边缘和重边缘，轻边缘于特定功能，例如控 制，数据采集和传

23、输的低功耗计算平台，有时也需要提供分析功能，例如载计算平台等； 重边缘相轻边缘更靠近核层，是集成的计算平台，常部署于型数据中，主要提供 IT功能，有时也会集成OT功能。同时，专向边缘计算和5G作负载的边缘计算服务器应 运，具有在极端边缘部署环境中抗温、防尘、防腐蚀、电磁兼容、抗震等特性，适 于图像识别、视频监控等边缘AI应场景，以及物联、MEC、NFV等5G应场景。 11 尽管前智能摄像头的渗透率较低，约只有 2%的摄像头配置了智能加速芯，但年复合增 率达42.0%，远快于摄像头市场13.9%的平均增 速，同时，智能摄像头对于加速芯的性能要求也会 逐年提升。 物联终端设备以摄像头为例，全球范围

24、内有数以亿计的摄像 头，每天都在产EB级的数据，其中，中国在全球占最。 随着智能技术的迅速发展，智能摄像头在智慧城市（异常 为识别、群异常聚集识别、交通红绿灯配时优化等），制 造（机器视觉质检）等领域被泛应，以应对海量的图和 视频数据处理。 前，36%的中国正在使边缘计算设备来分析物联数 据，领先的服务器商已经开始布局边缘计算平台。另外，5G 即将商也将极推动边缘计算的规模部署，对于5G带宽、 低时延、本地化的业务特性，量的业务需求将发在边缘场景， 中国的电信运营商也将积极推进MEC边缘云的建设。IDC预计未来 边缘数据中将会分担部分核数据中和端侧功能，与云起 构建融合计算、存储和络功能的边缘

25、能，承载边缘产的数 据计算、分析等需求，充分释放与俱增的算的潜。 2.1.5 软件框架市场逐渐呈现双之势，并向标准化发展；TensorFlow依然占据主导地位，PyTorch 将从优势领域突破，未来的竞争格局更加激烈 前，主要的软件框架包括TensorFlow, PyTorch, Caffe, MXNet, CNTK, Theano, PaddlePaddle等，其中被应最泛 的是TensorFlow和PyTorch。TensorFlow功能全，可被于语识别或图像识别等机器学习和深度学习领域，具 有泛的兼容性和完备的态系统，前依然是接受度最的主流框架；PyTorch是基于Python语的于深

26、度学习计算包，包含量机器学习、计算机视觉、并计算、图像、视频处理的库，常灵活和快速，并且能实现 在GPU上的计算优化。从发展趋势来看，软件框架逐渐向标准化发展，例如歌也开始在TensorFlow最新版本中也 提供了动态图持，增加了易性；Facebook将PyTorch和Caffe2的优点整合到起，幅增加了其性能，实现了 平稳过渡；百度的深度学习开源平台PaddlePaddle是国内主开发软件框架的代表，其最的特点就是易性并 持业级应，随着中国对深度学习框架的逐年重视，百度的PaddlePaddle需要建更完备的态，未来依然有很 的发展潜。 12 近年来，企业IT基础架构的部署模式已经发了显著的

27、变化。企业 从传统采购服务器、存储和络等硬件和软件及服务加速向公有云 上迁移，相应从AI的能来看，企业也逐步开始向公有云服务供应 商采购云上GPU和FPGA等计算能以及AI能的AIaaS服务。AI与 云的融合是必然趋势，AI将会以公有云服务的形式使企业能够轻松 在云上获取AI能从有效的访问和使AI技术。 AIaaS发展潜巨，也将成为推动云计算市场发展的最主要动之。 IDC预计，未来五年，AIaaS市场规模的年复合增率将为66.0%，将成为 推动云计算市场增的重要细分领域。AIaaS的发展与AI态的发展息息 相关，在过去年随着AI在数据、算法和算的益成熟，业应更加 丰富，以及AI产业链各个商的贡

28、献，尤其是以云服务商为代表的的软件 平台型商在AI平台和技术上的投与创新，使得AIaaS应场景更加丰 富和成熟。 AI态中软件平台型商是不可或缺的类参与者，软件平台型 商按照技术分类可以分为通机器学习平台、可分为通机器学习 平台、然语处理类、计算机视觉类、知识图谱类商。平台型 商提供包含了训练好的模型的通技术平台，可以向应场景 提供推理服务。云服务商是典型的软件平台型商，以阿云、百 度云、腾讯云、AWS等为代表的云服务商提供包括GPU和FPGA的 云服务器实例，以及语语义、计算机视觉、然语处理、知识 图谱、深度学习等丰富的AIaaS服务，同时提供向融、政府、 制造、零售、教育、交通、医疗等业A

29、I解决案。 2.1.4 智能与云的融合将进步加速，未来五年，AIaaS市场规模的年复合增率为66.0%，将成 为推动云计算市场增的重要细分领域 前部分中国的企业已经开始采机器学 习的数据科学平台，其中互联和融业 的使率最；被使最多的开发语是 Python和Java，部分企业在使阿云的 PAI以及百度的Infinite平台，其中阿PAI被 普遍认为灵活性更，百度的数据科学平台 在性能上被更多认可 13 越来越多的智能领军企业参与到业性能评测基准建设中，各类基准将持续创新完善 在智能技术领域的研究中，业界持续推进Benchmark（基准测试）来对系统、算法和硬件进研究以评估深度学习的性能。AI领域

30、 Benchmark可以分为云端AI和移动端AI，其中云端AI的Benchmark，针对深度学习核的训练和推理两个环节，有着不同的评判体系。 前业界主流的AI Benchmark有DAWNBench、MLPerf等基准。DAWNBench由斯坦福提出，是种于端到端深度学习训练和推理的基准套件， 它提供了组常的深度学习作负载，于在不同的优化策略、模型架构、软件框架、云和硬件上量化训练时间、训练成本、推理延迟和推理成 本。MLPerf由歌、Intel、NVIDIA、AMD、浪潮、阿、百度、哈佛、斯坦福等产学界机构组成，MLPerf是衡量机器学习软件框架（如 TensorFlow、PyTorch和M

31、Xnet）、机器学习硬件平台（包括Google TPU、Intel CPU和Nvidia GPU）和机器学习云平台中训练和推理性能的个 泛的基准套件。除此之外，中国智能业领军企业也开始积极推进业基准建设，如SPEC于2019年设SPEC Machine Learning技术委员会 ，由发起者浪潮担任任主席，Intel担任秘书，成员包括浪潮、Intel、Alibaba、AMD、ARM、HPE、IBM等12家企业，涵盖了从芯、整机、 框架、应等不同产业环节的领先企业和科研机构，以推进机器学习测试标准；另外，阿巴巴发布的AI Matrix基准，于阿内部的芯设计和 技术选型，同时也向开发者开放部分能。

32、 客观和完善的基准测试可以给AI产业带来活，同时推进AI技术的泛应。但总的来说业界前仍缺少统的基准，多数现有的深度学习性能 基准相对单。随着智能框架不断优化，模型不断迭代以及算法不断更新，各类基准也将进持续的创新、完善、和升级与之适应。 随着算的提，越来越多的企业和开源组织参与到 智能开源软件的研发中，新的软件平台正在不断 进市场。TensorFlow凭借性能及态优势依然占 据主导地位，PyTorch凭借其灵活性和增强的性能， 具有更的增潜；百度的深度学习开源平台 PaddlePaddle是国内主开发软件框架的代表。未 来，软件框架所包含的算法更加复杂，对算的要求 将不断提。 14 力 能 如

33、 测的解熟和得到广泛应用的时。 图3 20202025 互联网 71.9 11.2 13.6 7.9 17.5 10.8 8.5 15.4 金融 零售 制造 电信 教育 智慧城市 医疗 15 人工智能经过数十年的发展，已经从实验室阶段到进化到AI产业，领先的人工智能、互联网公司相继推出人工智能产品， 例如智能音箱。2019年，智能音箱的市场得到飞速发展，根据IDC报道，2019年第一季度智能音箱市场出货量达到1122万 台，同比增长787.2%，家庭普及率已经和PC、智能电视等产品相当，且未来发展空间巨大。 随着应用场景的不断成熟，人工智能也正逐渐渗透到各行各业，中国人工智能产业AI化将迎来高

34、速发展，IDC预测，未 来五年人工智能市场复合增长率将达到44.9%，整体规模将达到175亿美金，其中互联网、政府和金融依然是市场的主 导。目前，中国较为成熟的应用场景包括生物识别、欺诈分析与调查、智能客服、公共安全等。 生物识别包括金融行业的身份验证、支付过程中的人脸识别等，该应用场景已经被广泛应用； 欺诈分析与调查是指系统利用机器学习自动识别出隐含欺诈行为或存在高欺诈风险的交易活动， 该应用的关键在于海量数据相关性分析技术，目前已有诸多银行开始使用； 智能客服通过语言或文本学习来了解客户需求并为客户提供服务，降低企业的时间和资源成本， 该应用场景主要服务于互联网、金融、电信等行业； 公共安

35、全及预警采用图像识别技术追踪视频监控中的可疑人员及行为，实时监控公共场所的安全 状态，并利用知识图谱等技术提高政府公共安全部门的紧急事件响应能力，同时达到预防和减少 犯罪的效果，维护社会安全。 除此之外，基于计算机视觉的内容鉴定和基于数据挖掘的智能推荐和精准营销应用也已经被互联 网行业广泛采用。 图4 2023年中国人工智能产业投资额（美元） 来源：IDC中国人工智能基础架构市场跟踪报告， 2019H1 市 场 时间 发 展 潜 力 16 预计在2025年之后被泛应的场景包括动驾驶、智能诊断、适应学习等： IDC预测，在2020年-2025年，有望得到泛使的应场景包括制造业领域的IT动化、QC

36、动化、ERP动化；零售 业的动结账、客流分析、商品稽核；电信业的智能络、智能服务等。 IT动化是指在IT系统上嵌机器学习功能，使之能够我运并调节，实现常软件维护作 的动化。动化引擎可以为IT系统制定决策并执任务，些型的企业已经在数据平台上 部署了应，随着机器学习的普及和渗透，预计2-3年内将有更多企业实施IT动化项； 智能质量管理系统（QC动化）能够察觉制造流程中可能影响产品质量的规格变化，预测规格的 异常波动，并确保产过程保持在质量标之内； 另外，智能系统通过理解图、本、语等数据，连接不同的作流程，在未来5年之内 可以实现智能流程动化（ERP动化）。典型的场景有发票报销、保险核保理赔等流程的

37、 动化，该类应不但能够提升体验，更能为企业带来显著的运营效率提升。 动驾驶的概念在很早便提出，于仓储物流的动驾驶有望在短期内实现，部分领先的电商已开 始部署；于农业以及于机场、建筑地、度假区等封闭场所的动驾驶辆，因为场景单，移动 相对缓慢，也有望在短期内被使。随着技术进步发展，更多动驾驶场景将得以实现，如使专 驶路线的公共交通动驾驶，杭州已经在进相关建设。但是动驾驶要达到允许在任何时间，任何 开放道路上都可以驶的最终标还有很的路要； 于医疗业的智能诊断从不同的数据集（包括医疗记录、实验室测试数据、临床研究和医学影 像等）中提取关键信息，采语义理解、图像分析技术等辅助患者诊断，或者提供个性化治疗

38、 案。智能诊断已经在肺结节、眼底病变等领域采，要实现完全辅助临床决策，同样还需要较 段时间。 17 从TOP10技术和应场景来看，跟2018年相，然语处理和语识别技术取得了 较的进步，基于数据分析的险评估应被越来越多的银使，发展迅速。总 体来说，智能向产业AI化的进程正在进步加快。例如制造业的QC动化、智能 ，零售业的商品稽核都预计发展成熟得更快；基于语处理的智能箱、智 能机器、智能导诊等产品和应借助NLP领域取得的突破，也有较的发展潜； 另外，电信和教育等业也根据业特点，制定了智能络、智能服务、适应 学习等智能场景规划；动驾驶也开始由点到，进到落地阶段。 2.3 态是跨越鸿沟的必经之路 通过

39、本次调研我们看到，部分业对于智能采取了开放的态，但是未来的挑战在于如何快速建 智能的应。传统企业的IT供应商不具备智能技术的优势，智能技术的开发者对于垂直业没有很 强的耦合。算虽然提供了前进的源动，但智能在产业的渗透最终还需要可供的公路。前，中国已经 有部分领军企业开始推动智能态的建，例如前提到的阿和百度等互联企业，通过在公有云上提供AI服 务来帮助企业解决应落地的问题。在本地环境，也有浪潮等智能领先企业在推动态的建设，浪潮提出的“元 脑”态，包含智能算、算法框架和服务，拉通业、扎根业的SV、SI，以及智能开发者，提供 向场景的整体解决案。未来，基于态的创新变得益重要，如何构建产业态，为更多上

40、下游供应商提供整合的 平台，为最终输出理想的解决案在未来也变得关重要。 2019年，在算+态的推动下，智能正加速在各个传统业的渗透，企业应该提前制 定或完善智能的整体发展战略，以应对未来的变化和转型。 IDC从宏观经济、技术成熟度、劳动供给三个维度对智能算的发展平和未来发展潜进评估，重点考量了 包括经济状况、基础架构、第三平台、员平等核因素。这些因素对本次评估的定性和定量部分关重要。如 下表所： 中国智能 算发展评估 18 19 维度核因素评估项影响 宏观经济 经济 各地区的经济总量及增速 经济增速的快慢会影响企业的期投资。 不断增的经济将推动企业需求，并增加 智能系统的采，推动智能市场 的增

41、，相反，如果经济形势变得不那么 有利，并且变得更加不稳定，则可能导致 技术出减少和智能的采。 各业/地区总IT投资规模 各业/地区智能投资规模 各业/地区智能算投资规模 各业/地区智能算的未来投资计划 政策 智能相关的政策扶持 中 国家或地政府的政策可以通过指导思想，保 障措施，建信来推动IT及智能出 政策的落地情况和实施进展 利润业的平均利润率中 业利润率的低会影响其IT出，如果利 润低于预期，可能会导致企业推迟智 能项 技术成熟度 基础架构 采的智能算加速案 基础架构是智能应的核部分， 智能算的平将直接影响其应的发展 智能服务器配置情况 智能算的局限及挑战 应成熟度 使智能应的年限 中 智

42、能的应成熟度取决于关键技术在 垂直领域的突破，应成熟度的低对企 业是否采会产定影响 智能的应类型 第三平台 云服务应情况 如今，核系统正在逐步升级第三平台技 术，第三平台解决案，包括云、移动和 数据，推动了许多企业或组织的IT出和 新的智能项 数据平台成熟度 劳动供给 AI员 智能开发和运维员数和技能平 中 前，中国的智能才缺较， 才的储备对企业智能的部署和未来发 展将发挥重要作 智能开发和运维员的才储备 3.1 评估体系框架 3.2评估结果分析 3.2.1 中国智能市场未来五年将持续保持增率，硬件市场规模占将持续在50%以上 IDC将智能市场按技术类别分成硬件、软件和服务，未来5年中国智能市

43、场总体规模将继续保持增率， 年复合增率将达到44.9%并超过170亿美。在整个智能市场中，硬件市场规模异常突出，IDC预测，2023年 智能硬件市场将达到83亿美。原因是中国市场投资新兴技术时倾向于先投资硬件，另原因是 在智能模型的训练及预测市场中，以图形处理器（GPU）为代表的异构服务器价格远于CPU，IDC预计在2021 年之前，智能硬件市场规模占都将在50%以上，其中，服务器市场规模占整个硬件市场85%以上。 服务 软件 硬件 总体 GAGR 总体 GR 0 4k 8k 12k 16k 2k 6k 10k 14k 18k 20k 2731.7 17,468.0 44.9% 64.0% 5

44、2.6% 41.6% 38.8% 30.0% 34.2% 59.9% 40.1% 23.3% 27.6% 23.4% 0 2k 4k 6k 8k 1k 3k 5k 7k 1,680.6 7,303.4 20 图5 中国人工智能整体市场规模及预测，2018-2023 数据来源：IDC 2019 数据来源：IDC 2019 图6 中国人工智能服务器市场规模及预测，2018-2023 2018 2018 2019 2019 2020 2020 2021 2021 2022 2022 2023 2023 服务器 服务器GAGR 服务器GR $M $M $M $M 21 3.2.2 接受度相去年有较提，

45、未来投资计划也随之增 根据IDC调研结果显，2019年中国智能的市场接受度从2017年的10%提升到45%，同时，82%未使 智能的企业计划在未来1-2年内部署，部分正在采智能的企业计划在未来两年增加少倍的部署投 资，智能市场未来两年仍将保持速增。另外我们看到，企业部署智能最主要的原因是希望通过采 智能来缩短流程所需时间、降低需求以及降低企业总成本，除此之外，还有提产效率、提资 产利率等主要原因。通过越多越多的智能场景被采并验证，对智能带来的的巨收益有了更 深的认知，并希望通过智能技术更有效的实现企业标。 62% 15% 8% 15% 25%35%45%55%65% 75%85% 74% 68

46、% 58% 52% 36% 缩短流程时间 降低需求 降低成本 提员产效率 提资产利率 从加速式来看，超过50%的选择采CPU+GPU的加速案，其中互联相其他业更多 的采；CPU+FPGA的加速案在政府、融和服务业被较多采。前，只有不到10%的选 择CPU+ASIC的加速案。另外，企业认为智能加速案最重要的三个因素分别是：计算能、可 扩展性和稳定性。 数据来源：IDC 2019 数据来源：IDC 2019中国人工智能用户市场调研，N=200 数据来源：IDC 2019中国人工智能用户市场调研，N=200 数据来源：IDC 2019 图7 如果您目前还没有采用过人工智能，您计划 什么时间采用？ 图

47、8 您认为采用人工智能会给您的企业带来哪些价值？ 1-2年 7-12个 2年以后 2-6个 智能正在成为所有业中企业的股颠覆性量，智能例的范围已经很泛，并且每年都保持速增 。数据、性能计算和复杂的机器学习能的融合使得智能成为现实，智能在各业的应也更加 丰富和成熟，其中在互联、政府、融、电信、制造等业已经形成了较典型的应场景，但在不同的产业 间、产业内不同规模的企业间，在智能应的进程上差异明显。随着企业继续看到智能技术的价值， 们对智能系统的热情已经超出了炒作的范围，智能技术也真正开始应，成为传统企业数字化转型的关 键步，为整个商业界、IT界和普通众产前所未有的影响。 0%20%40%60%80

48、%100% 93% 75% 54% 40% 21% 9% 计算能 可扩展性 稳定性 价格成本因素 开发难度 能耗 3.2.3互联依然是智能算投资最的业，占据中国62.4%的智能算投资市场份额；排名 前五的业中，政府和融业增最迅速，增率均超过100% 基于IDC持续的研究和最新针对最终调研，中国智能业应渗透度及算投资分布如下图所： 78 45 38 35 33 30 21 16 14 互联融电信教育政府制造服务医疗其他 22 图9 您认为对人工智能加速方案最重要的三个要素是？ 图10 中国人工智能行业渗透度，2019H1 数据来源：IDC 2019中国人工智能用户市场调研，N=200 数据来源：

49、IDC ，2019 62% 15% 8% 5% 3%3%2% 1%1% 互联融服务教育政府制造电信医疗其他 与2018年，2019年上半年按照智能业应渗透度排名的TOP4业和去年排名保持致，为互联、政 府、融和制造，电信超过了服务位列第五。电信运营商在对应体验及在络重构过程中对于 智能的需求双重因素的驱动下，加速布局智能客服、精准营销及智能络等应场景以实现智能战略转型。 制造业企持续布局动驾驶，另外以电制造为代表的企业在质量检测等产环节推进智能的应。 2019年上半年，按照智能算投资排名的TOP5业与去年排名保持致，依次为互联、政府、融、制 造和服务。其中，服务业中以科讯、商汤、旷视、依图、寒武纪、第四范式等为代表的的智能科技企 业加快对智能