前言

人工智能是一门综合AI芯片的并行计算能力与未来应用了计算机科学、生理学、哲学AI芯片的并行计算能力与未来应用的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能AI芯片的并行计算能力与未来应用，均可认为使用了人工智能技术。作为一种基础技术，人工智能在很多行业都有用武之地。既有人工智能+基础行业的概念，也有其具体应用行业的概念。本期报告重点分析人工智能在国内外发展状况及目前投融情况，以便给与投资者更多数据支持。

按照技术应用的不同场景，可以将人工智能分为基础技术类及终端产品类，本报告研究范围涵盖以下领域：

　　行业驱动力

　　海量数据为人工智能发展提供燃料

数据量、运算力和算法模型是影响人工智能行业发展的三大要素。

2000年之后，数据量的上涨、运算力的提升和深度学习算法的出现极大的促进了人工智能行业的发展。

要理解数据量的重要性，得先从算法说起。数据量和算法可以分别比作人工智能的燃料和发动机。算法是计算机基于所训练的数据集归纳出的识别逻辑，好的算法模型可以实现精准的物体和场景识别。数据集的丰富性和大规模性对算法训练尤为重要。因此可以说，实现机器精准视觉识别的第一步，就是获取海量而优质的应用场景数据。以人脸识别为例，训练该算法模型的图片数据量至少应为百万级别。

2000年以来，得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生并存储的数据量急剧增加，这为通过深度学习的方法来训练计算机视觉技术提供很好的土壤。IDC数据显示，从2011年起，全球所产生的数据量已达到ZB级别（1ZB约为10亿GB )，海量的数据将为计算机视觉算法模型提供远远不断的素材。而关于数据量对提高算法准确率方面的重要性，更有学者提出：“It’s not who has the best algorithm that wins. It’s who has themost data.”

　　运算力的提升大幅推动人工智能发展

人工智能领域是一个数据密集的领域，传统的数据处理技术难以满足高强度、大数据的处理需求。AI芯片的出现让大规模的数据效率大大提升，加速了深层神经网络的训练迭代速度，极大的促进了人工智能行业的发展。

AI算法的处理需要大量的矩阵计算操作，因此特别适合使用并行运算芯片进行数据处理。而传统的CPU一次只能同时做一两个加减法运算，无法满足并行运算的需求。目前，出现了GPU、NPU、FPGA和各种各样的AI-PU专用芯片。而其中，出现最早的GPU为人工智能的发展做出了巨大的贡献。

擅长并行计算的GPU大幅提升机器学习效率。在GPU出现之前，算法运行的速度是很慢的，即使是一个简单的神经网络数据的培训，也得花费几天、甚至几周的时间。1999年，Nvidia公司在推销Geforce256芯片时，提出了GPU（图像处理器)概念。GPU是专为执行复杂的数学和集合计算而设计的数据处理芯片。它的出现让并行计算成为可能，对数据处理规模、数据运算速度带来了指数级的增长，极大的促进人工智能行业，尤其计算机视觉领域的发展。

GPU与传统CPU相比，在处理海量数据方面有压倒性的优势。据RajatRaina与吴恩达的合作论文“用GPU进行大规模无监督深度学习”显示，在运行大规模无监督深度学习模型时，使用GPU和使用传统双核CPU在运算速度上的差距最大会达到近七十倍。在一个四层，一亿个参数的深度学习网络上，使用GPU将程序运行时间从几周降低到一天。今天，数据处理速度不再成为制约计算机视觉发展的主要瓶颈。想要发挥专用芯片的计算优势，需要芯片结构和软件算法两者相匹配。目前的趋势是，随着对人工智能各类应用需求的不断增强，专门用于加速人工智能应用的AI-PU或将成为计算机另一个标配组件。

　　政策法规

　　政策加码，人工智能发展如火如荼

其他国家人工智能相关政策

各国均在政策层面强调和推动人工智能的发展。其中，美国侧重于研发新型脑研究技术；欧盟主攻以超级计算机技术来模拟脑功能江南体育客户端；日本则聚焦以动物为模型研究各种脑功能和脑疾病的机理江南体育下载。

国内人工智能相关政策国内近几年也出台了相关扶植人工智能发展的政策，积极推动人工智能在各个细分领域的渗透。2016年5月，国家四部委更是颁布《“互联网+”人工智能三年行动实施方案》，明确提出要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平。

　　投资热度

　　全球AI领域融资金额5年增长12倍

融资规模与成立公司数量总览

咨询公司VentureScanner统计，截止2016年Q2，全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。而人工智能创投金额在5年间增了12倍。

　　深度学习、自然语言处理和计算机视觉为创业最火热领域

人工智能在各细分领域的热度

应用场景扩展方面，机器学习、计算机视觉、自然语言处理、智能机器人、手势控制是应用范围较为广泛的几个领域。

机器学习是一类通用的技术，广泛应用于广告、媒体、消费等行业，并且需求不断增加，未来还将快速渗入医疗、制造、金融、教育业，对众多传统行业形成巨大冲击。

计算机视觉和自然语言处理作为主要的感知技术，应用范围很广。计算机视觉主要用于安防监控系统、无人驾驶、机器人、工业制造、医药、教育和娱乐业等。自然语言处理可用于穿戴设备、智能家居、智能汽车、智能教育、智能金融等领域。

　　国内获投最多领域为NLP、机器人和计算机视觉

国内人工智能投资热度：

?成立公司数量

从1996年至今，国内至今仍在运营的人工智能公司有366家。通过数据分析可以看出，计算机视觉、机器人、自然语言处理是创业最热门的领域。

?获投金额

从AI芯片的并行计算能力与未来应用我们收集到的数据来看，2015-2016年人工智能领域获投金额在90亿人民币左右。由于我们的统计是基于已经披露了被投金额的交易，且单个公司是按照最近一次获投金额计算，故这一数值将小于该领域获投规模，仅供参考。

可以看到，获投最多的细分领域有自然语言处理、机器人、计算机视觉，均在十亿以上人民币的级别。

　　国内平均单个公司获投金额为4000万

获投公司数量

从我们收集到的数据来看，2015-2016年人工智能领域获投公司数量为226个，平均单个公司获投金额为4000万人民币左右。由于我们的统计是基于已经披露了被投金额的交易，故获投公司数量将小于真实值，仅供参考。

可以看到，获投公司数量最多的细分领域有机器人、自然语言处理、计算机视觉，基本和获投金额一致。

平均获投金额分析

通过数据分析可以看到，智能安防、智能家居为平均单个公司获投金额最高的领域，平均获投金额在一亿以上。智能安防领域的获投企业均是人工智能领域的明星企业，如旷视科技、商汤科技等。

　　国内获投公司偏早期，C轮后公司较少

获投比例分析

从获投公司数量来看，机器人江南体育客户端、计算机视觉、自然语言处理是获投公司数量（即，披露了融资信息的公司）最多的领域，分别为58个，53个，48个，占到该领域公司的一半以上；从对比图来看，智能金融、深度学习、智能医疗、智能家居、智能安防为获投比例最高的领域。

获投公司融资轮次分布

通过数据分析可以看到，获投公司融资轮次整体偏中期，公司融资阶段集中在天使轮、Pre-A轮和A轮，C轮之后的公司较少。

　　明星公司单次融资额在亿元级别

各领域获投公司融资轮次分布

从我们收集到的数据来看，机器人、计算机视觉、智能驾驶、自然语言处理是获投公司数量最多的四个领域；分析这四个领域创业公司的融资轮次特点可以看到，机器人和计算机视觉的获投企业中处于天使轮的最多，而智能驾驶和自然语言处理的获投企业中A轮企业最多；这四个领域获投企业中B轮企业均占据一定比例；智能驾驶、自然语言处理的投资更趋于中后期。

融资Top公司获投金额：

　　运营分析

　　2011年后AI创业兴起，2014、2015迎来创业高峰

各细分领域公司数量分析

从1996年至今，国内至今仍在运营的人工智能公司有366家。机器人、计算机视觉、自然语言处理是创业热度最高的领域。

人工智能总体领域公司成立时间分析

从我们收集到的数据来看，2015-2016年人工智能领域在2011年之后迎来了创业热潮，在2014、2015年达到创业高峰，企业平均年龄为3.2岁。

　　智能安防、计算机视觉公司平均成立年龄最久

各领域创业公司平均年龄

通过数据分析可以看到，智能安防、计算机视觉领域的创业公司年龄最大，智能金融、芯片领域的公司大部分成立时间不久。

机器人领域公司成立时间分析

机器人领域至今仍在运营的创业公司最早在2005年出现，在2014、2015年迎来创业高潮，与人工智能整体领域趋势基本一致；创业公司平均年龄为2.8岁。

　　CV、NLP企业平均年龄为3-4岁

计算机视觉领域公司成立时间分析

计算机视觉领域至今仍在运营的创业公司最早在1997年出现，在2011年之后快速增长，2014、2015年迎来创业高潮，与人工智能整体领域趋势基本一致；创业公司平均年龄在3.9岁。

自然语言处理领域公司成立时间分析

自然语言处理领域至今仍在运营的创业公司最早在2000年出现，在2011年之后快速增长，2014年迎来创业高潮，与人工智能整体领域趋势基本一致；企业平均年龄为3.4岁。

　　自动驾驶领域2014年迎来创业热潮

自动驾驶领域公司成立时间分析

自动驾驶领域至今仍在运营的创业公司最早在1997年出现，在2011年之前增长非常缓慢，2014年迎来创业高潮，与人工智能整体领域趋势基本一致；创业公司平均年龄为3.8岁。

深度学习领域公司成立时间分析

深度学习领域至今仍在运营的创业公司最早在2006年出现，这与深度学习实现突破的时间点一致，创业热潮出现在2015年，企业平均年龄为2.2岁。

　　北京地区为AI公司创业集中地，占总体43%

总体创业公司地理分布

从366家人工智能创业公司的分布来看，北京市、上海市、深圳市是公司数量最多的三个地区。其中，北京地区的创业公司数量遥遥领先，占到总体的43%。

机器人创业公司地理分布

从92家机器人创业公司的分布来看，北京市、上海市、深圳市仍旧是公司数量最多的三个地区。其中，北京地区的创业公司数量遥遥领先，占到总体的三分之一左右。