2017年半导体人工智能芯片新架构调研预测咨询分析报告

(此文档为word格式，可任意修改编辑！）

2017年10月

正文目录

1. 人工智能倒逼芯片底层的真正变革 (4)

2. 基于摩尔定律的机器时代的架构——从Wintel到AA (7)

2.1. Intel——PC时代的王者荣耀 (8)

2.1.1. Intel公司简介 (8)

2.1.2. Intel带来的PC行业的市场规模变革和产业变化 (10)

2.2. ARM——开放生态下移动时代的新王加冕 (13)

2.2.1. ARM公司简介 (13)

2.2.2. ARM架构——重新塑造移动智能时代 (14)

2.2.3. 生态的建立和商业模式的转变——ARM重塑了行业 (16)

3. 人工智能芯片——新架构的异军突起 (20)

3.1. GPU——旧瓶装新酒 (21)

3.1.1. GPU芯片王者——NVIDIA (24)

3.2. FPGA——紧追GPU的步伐 (29)

3.3. ASIC——定制化的专用人工智能芯片 (32)

3.3.1. VPU——你是我的眼 (32)

3.3.1. TPU——Google的野心 (37)

3.4. 人工神经网络芯片 (39)

3.4.1. 寒武纪——真正的不同 (39)

4. 从2个维度测算人工智能芯片空间 (41)

5. 主要公司分析 (45)

图目录

图1：遵从摩尔定律发展到微处理器发展 (5)

图2：摩尔定律在放缓 (6)

图3：全球智能手机每月产生的数据量（EB）5年提升了13X (6)

图4：单一神经元VS复杂神经元 (7)

图5：2次应用驱动芯片发展 (8)

图6：英特尔x86处理器总市场份额 (9)

图7：使用X86架构的单元 (10)

图8：摩尔定律下推动下的Intel股价上扬 (11)

图9：Intel 2012Q1-2016Q4 各产品线增速 (12)

图10：Intel 总产品收入VS PC端收入 (12)

图11：Intel VS 全球半导体增速 (13)

图12：ARM的商业模式 (14)

图13：ARM架构的发展 (15)

图14：高级消费电子产品正在结合更多的ARM技术 (17)

图15：ARM在智能手机中的成分 (17)

图16：基于ARM芯片的出货量 (19)

图17：ARM在载有处理器芯片部门的市场占有率 (20)

图18：ARM收入及利润情况 (20)

图19：人工智能芯片产业链 (21)

图20：CPU VS GPU架构 (22)

图21：GPU架构流程 (23)

图22：CPU VS GPU (23)

图23：GPU性能 (24)

图24：2012-2016年NVIDIA营收情况 (26)

图25：2012-2016年NVIDIA毛利情况 (26)

图26：NVIDIA2017年上半年收入构成 (28)

图27：FPGA架构 (30)

图28：FPGA VS CPU 性能 (31)

图29：FPGA VS CPU 功耗 (31)

图30：FPGA性能 (32)

图31：VPU架构 (34)

图 32：VPU模组 (34)

图33：VPU应用 (36)

图34：3D景深结构 (37)

图35：3D成像 (37)

图36：Google公司TPU架构 (38)

图38：Google公司TPU性能 (38)

图40：传统硬件处理方式 (40)

图42：寒武纪处理方式 (40)

图44：寒武纪芯片性能/能效 (41)

图45：终端和移动端 (41)

图46：人工智能市场规模 (42)

图47：人工智能芯片总市场规模 (43)

图49：云端领域人工智能芯片规模预测 (44)

图50：终端领域人工智能芯片市场规模预测 (45)

表目录

表1：ARM架构汇总 (15)

表2：2020年ARM在各类型智能手机部件中的可获得的单机收入 (18)

表3：人工智能系统 (21)

表4：NVIDIA出货芯片预测（单位：百万颗） (28)

表5：冯诺伊曼架构VS FPGA架构 (29)

表6：图像应用和语音应用人工智能定制芯片 (32)

表7：实现原理 (35)

表8：冯诺伊曼架构VS 神经网络芯片架构 (39)

表48：云端市场规模（单位：百万美元） (43)

1. 人工智能倒逼芯片底层的真正变革

研究人类的科技发展史，发现科技的进步速度呈现指数型加速态势。尤其在1950年以后进入芯片时代，摩尔定律推动下的每 18个月“芯片晶体管同比例缩小一半”带来的性能提升以倍数计。每一次加速的过程推动，都引发了产业的深层次变革，带动从底层到系统的阶跃。我们本篇报告将着重从底层芯片角度出发，探讨人工智能芯片带来的深层次变革。

图1：遵从摩尔定律发展到微处理器发展

然而时至今日，人类精密制造领域（半导体制造是目前为止人类制造领域的最巅峰）遇到硅基极限的挑战，摩尔定律的放缓似乎预示着底层架构上的芯片性能的再提升已经出现瓶颈，而数据量的增长却呈现指数型的爆发，两者之间的不匹配势必会带来技术和产业上的变革升级。

人工智能行业研究分析报告

概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。

与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。

2019年版人工智能行业市场调研分析报告

2019年版人工智能行业市场调研分析报告（部分内容） China's Industrial Market Research and Prospect Forecast Analysis Report(2019-2025) （专业、精准、高效，助力企业决策）

2015-2017年机器人产业发展综况 一、全球机器人行业规模分析 当前，全球机器人市场规模持续扩大，工业、特种机器人市场增速稳定，服务机器人增速突出。技术创新围绕仿生结构、人工智能和人机协作不断深入，产品在教育陪护、医疗康复、危险环境等领域的应用持续拓展，企业前瞻布局和投资并购异常活跃，全球机器人产业正迎来新一轮增长。 全球市场规模 根据调研的数据，2017年，全球机器人市场规模达到232亿美元，2012-2017年的平均增长率接近17%。其中，工业机器人147亿美元，服务机器人29亿美元，特种机器人56亿美元。 图1：2017年全球机器人规模占比 （一）工业机器人：销量稳步增长，亚洲市场依然最具潜力 目前，工业机器人在汽车、金属制品、电子、橡胶及塑料等行业已经得到了广泛的应用。随着性能的不断提升，以及各种应用场景的不断明晰，2012年以来，工业机器人的市场正以年均15.2%的速度快速增长。据IFR统计显示，2016年全球工业机器人销售额首次突破132亿美元，其中亚洲销售额76亿美元，欧洲销售额26.4亿美元，北美地区销售额达到17.9亿美元。中国、韩国、日本、美国和德国等主要国家销售额总计占到了全球销量的3/4，这些国家对工业自动化改造的需求激

活了工业机器人市场，也使全球工业机器人使用密度大幅提升，目前在全球制造业领域，工业机器人使用密度已经超过了70台/万人。2017年，工业机器人将进一步普及，销售额有望突破147亿美元，其中亚洲仍将是最大的销售市场。 图2：2012-2020年全球工业机器人销售额及增长率 （二）服务机器人：人工智能兴起，行业迎来高速发展新机遇 随着信息技术快速发展和互联网快速普及，以2006年深度学习模型的提出为标志，人工智能迎来第三次高速发展。与此同时，依托人工智能技术，智能公共服务机器人应用场景和服务模式正不断拓展，带动服务机器人市场规模高速增长。2017年，全球服务机器人市场达29亿美元。2020年将快速增长至69亿美元，2016-2020年的平均增速高达27.9%。2017年，全球医疗服务机器人、家用服务机器人和专用服务机器人市场规模分别为16.2亿美元、7.8亿美元和5亿美元，其中医疗服务机器人市场规模占比最高达55.9%，高于家用服务机器人29个百分点，其中智能服务机器人的比例快速提升。

人工智能完成总结报告

完成总结报告 项目名称：数独游戏设计与实现组员：王郑合 2014204081 栾杰 2014204080 文宽 2014204104 二〇二〇年三月二十四日

1 问题描述 1.1 问题说明 数独游戏起源于瑞士，由十八世纪的瑞士数学家欧拉发明，是一种数字拼图游戏，其游戏规则是： ①在9×9的大九宫格内，已给定若干数字，其他宫位留白，玩家需自己按照逻辑推敲出剩下的空格里是什么数字。 ②必须满足的条件：每一行与每一列都有1到9的数字，每个小九宫格里也有1到9的数字，并且一个数字在每行、每列及每个小九宫格里只能出现一次，既不能重复也不能少。 ③每个数独游戏都可根据给定的数字为线索，推算解答出来。 1.2 数独求解描述 由于数独游戏的推广与普及，在当今世界上有着大量的数独爱好者，本项目的目的就是按照数独的游戏规则，通过对数据结构的分析和人工智能算法的研究，利用计算机程序来实现对已知数独游戏的快速求解。 1.3 数独出题描述 数独游戏挑战者的水平各异，对数独题目的难度要求各不相同，所以本项目致力于设计一种算法，使其在尽可能短的时间内生成不同难度等级的数独题，以满足不同水平游戏者的需求。同时，该算法还要考虑到三个方面要求：可变化的难度、解的唯一性和算法复杂度最小化。

2 功能分析 2.1 数独求解 数独虽然号称是数学问题, 但在求解时几乎用不上数学运算方法，事实上它更像是一种思维方式。数独游戏开始后，要想在空格中填入正确的数字，先要根据数独游戏规则对1-9分别进行逻辑判断，然后选择正确的数字填入空格。另外，由于某个格子填入数据时，有可能还要对原来已填入的数据进行修正，所以可以考虑使用递推和回溯搜索来求解数独问题。 2.2 数独出题 出题时，要能保证算法生成的数独题具有可变化的难度和唯一解,该算法内部应该包含有对数独题的求解和评级功能。本项目使用了一种基于“挖洞”思想的数独题生成算法，将该算法的设计工作分为评级、求解和生成三部分工作。利用随机数出现的概率不同来确定不同的难度，通过避免重填一个被“挖去”的格子，或者回溯到一个曾经无法“挖去”的格子，来降低算法的复杂性。 2.3 题目保存 当用户需要退出却仍没有完成数独题目的解答时，可以选择是否保存当前的求解进度。如果需要，本系统会帮助用户将目前未完成的数独题目的解答进度保存起来，以便用户下次使用本系统时，可以继续解答上次未完成的题目。 2.4 题目读取 用户可以在程序开始运行后，选则读取一道之前保存起来的题目进行解答，被读取的题目将会显示到程序界面上。

人工智能芯片项目可行性报告

人工智能芯片项目可行性报告 规划设计/投资分析/产业运营

摘要 2018年全球正处于“后摩尔定律时代”，万物互联和万物智能得以实现，伴随着大数据的发展、计算能力的提升，全球人工智能近年迎来了新 一轮的爆发。2018年几乎每个月，全球主流科技公司推出的定制人工智能 芯片项目数量都会较上个月有所增加。与全球主流科技公司相比，我国人 工智能芯片厂商也相继发布新版、升级版AI芯片，并且新版本芯片都取得 了突破性发展。从全球人工智能芯片竞争格局来看，云端训练芯片方面英 伟达一家独大，推断芯片百花齐放。其中全球安防人工智能芯片市场竞争 格局稳定，现有厂商凭借与下游客户长期的合作，有望继续受益于安防智 能化的升级，属于新进入者的市场空间有限。 该人工智能芯片项目计划总投资21775.70万元，其中：固定资产 投资15290.38万元，占项目总投资的70.22%；流动资金6485.32万元，占项目总投资的29.78%。 本期项目达产年营业收入45161.00万元，总成本费用35900.08 万元，税金及附加382.55万元，利润总额9260.92万元，利税总额10920.84万元，税后净利润6945.69万元，达产年纳税总额3975.15 万元；达产年投资利润率42.53%，投资利税率50.15%，投资回报率31.90%，全部投资回收期4.64年，提供就业职位841个。

人工智能芯片项目可行性报告目录 第一章概况 一、项目名称及建设性质 二、项目承办单位 三、战略合作单位 四、项目提出的理由 五、项目选址及用地综述 六、土建工程建设指标 七、设备购置 八、产品规划方案 九、原材料供应 十、项目能耗分析 十一、环境保护 十二、项目建设符合性 十三、项目进度规划 十四、投资估算及经济效益分析 十五、报告说明 十六、项目评价 十七、主要经济指标

人工智能芯片的分类

人工智能芯片的分类 近年来人工智能芯片领域的科学家们进行了富有成果的广泛研究，主要集中在AI芯片目前的两种发展方向。一个方向是继续延续经典的冯·诺依曼计算架构，以加速计算能力为发展目标，主要分为并行加速计算的GPU(图形处理单元)、半定制化的FPGA(现场可编程门阵列)、全定制化的ASIC(专用集成电路)。另一个方向就是颠覆传统的冯·诺依曼计算架构，采用基于类脑神经结构的神经拟态芯片来解决算力问题。 一、按架构分类 (1)图形处理单元(graphics processing unit，GPU)。GPU是相对较早的加速计算处理器，具有速度快、芯片编程灵活简单等特点。由于传统CPU的计算指令遵循串行执行方式，不能发挥出芯片的全部潜力，而GPU具有

高并行结构，在处理图形数据和复杂算法方面拥有比CPU更高的效率。在结构上，CPU主要由控制器和寄存器组成，而GPU则拥有更多的逻辑运算单元(arithmetic logic unit，ALU)用于数据处理，这样的结构更适合对密集型数据进行并行处理，程序在GPU系统上的运行速度相较于单核CPU往往提升几十倍乃至上千倍。同时，GPU 拥有了更加强大的浮点运算能力，可以缓解深度学习算法的训练难题，释放人工智能的潜能。但是GPU也有一定的局限性。深度学习算法分为训练和推断两部分，GPU平台在算法训练上非常高效。但在推断中对于单项输入进行处理的时候，并行计算的优势不能完全发挥出来。 (2)现场可编程门阵列(field programmable gate array，FPGA)。FPGA是在PAL、GAL、CPLD等可编程器件基础上进一步发展的产物。其基本原理是在FPGA芯片内集成大量的基本门电路以及存储器，用户可以通过更新FPGA配置文件(即烧入)来定义这些门电路以及存储器之间的连线。这种烧入不是一次性的，因此，它既解决了定制电路灵活性的不足，又克服了原有可编程器件门电路数有限的缺点。与GPU不同，FPGA同时拥有进行数据并行和任务并行计算的能力，适用于以硬件流水线方式处理一条数据，且整数运算性能更高，因此常用于深度学习算法中的推断阶段。不过FPGA通过硬件的配置实现软件算法，

人工智能市场调研分析报告

人工智能市场调研分析报告

目录 第一节人工智能与深度学习 (3) 一、人工智能：让机器像人一样思考 (3) 二、机器学习：使人工智能真实发生 (4) 三、人工神经网络：赋予机器学习以深度 (4) 四、深度学习：剔除神经网络之误差 (5) 第二节深度学习的实现 (5) 一、突破局限的学习算法 (6) 二、骤然爆发的数据洪流 (6) 三、难以满足的硬件需求 (7) 第三节现有市场——通用芯片GPU (8) 一、GPU是什么？ (8) 二、GPU和CPU的设计区别 (8) 三、GPU和CPU的性能差异 (9) 四、GPU行业的佼佼者：Nvidia (10) 五、Nvidia的市场定位：人工智能计算公司 (11) 六、Nvidia的核心产品：Pascal家族 (12) 七、Nvidia的应用布局：自动驾驶 (13) 八、Nvidia的产业优势：完善的生态系统 (14) 第四节未来市场：半定制芯片FPGA (14) 一、FPGA是什么？ (14) 二、FPGA和GPU的性能差异 (15) 三、FPGA市场前景 (16) 四、FPGA现有市场 (17) 五、FPGA行业的开拓者：Intel (17) 六、Intel的产品布局 (17) 七、Intel的痛点：生态不完善 (18) 八、Intel的优势 (19) 第五节投资前景 (20)

第一节人工智能与深度学习 2016年，AlphaGo与李世石九段的围棋对决无疑掀起了全世界对人工智能领域的新一轮关注。在与李世石对战的5个月之前，AlphaGo因击败欧洲围棋冠军樊麾二段，围棋等级分上升至3168分，而当时排名世界第二的李世石是3532分。按照这个等级分数对弈，AlphaGo每盘的胜算只有约11%，而结果是3个月之后它在与李世石对战中以4比1大胜。AlphaGo的学习能力之快，让人惶恐。 一、人工智能：让机器像人一样思考 自AlphaGo之后，“人工智能”成为2016年的热词，但早在1956年，几个计算机科学家就在达特茅斯会议上首次提出了此概念。他们梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，也就是我们今日所说的“强人工智能”。这个无所不能的机器，它有着我们所有的感知、所有的理性，甚至可以像我们一样思考。 人们在电影里也总是看到这样的机器：友好的，像星球大战中的C-3PO；邪恶的，如终结者。强人工智能目前还只存在于电影和科幻小说中，原因不难理解，我们还没法实现它们，至少目前还不行。 我们目前能实现的，一般被称为“弱人工智能”。弱人工智能是能够与人一样，甚至比人更好地执行特定任务的技术。例如，Pinterest上的图像分类，或者Facebook的

2019人工智能产业投资分析报告

2019人工智能产业投资分析报告 前言： 人工智能(AI)将接棒移动互联网，成为下一轮科技创新红利的主要驱动力。透过丰富的数据采集(互联网和IoT)、更快的数据传输(5G)、更强大的数据运算处理(AI)，科技企业和传统企业将在更广泛的领域深度融合。 AI将广泛助力传统行业转型，渗透互联网竞争下半场，催生无人驾驶、城市大脑、工业互联网、农业大脑、智慧医疗、Fintech、机器人等广义AI 应用，酝酿万亿级市场和投资机会。

▌AI主导下一轮科技创新红利AI孕育万亿级别市场 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。人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。 此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。自1956年“人工智能”概念首次被提出，AI技术“三起两落”。 本轮人工智能腾飞受益于持续提升的AI算力对神经网络算法的优化。 AI产业链分为:基础层、技术层、应用层。 基础层主要包括:AI芯片、IoT传感器等，技术层主要包括:图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括:无人驾驶、智慧安防、智慧城市(城市大脑)、金融科技(Fintech)、智慧医疗、智慧物流等领域。 AI市场规模快速成长。 中国是全球第二大AI力量，人工智能企业超过1000家。

2018年中国AI市场规模约330亿元人民币，全球AI市场规模约2700亿美元。我们预计，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。 Statista预计2019、2020年，全球人工智能市场规模将分别增长59%、61%，成长至6800亿美元量级。 我们判断，中国人工智能市场有望在2030年达到万亿量级，传统行业和技术的结合是主要的应用领域，2G(对政府）和2B（对企业）将成为主要的营收来源。

人工智能芯片技术趋势研究分析报告

人工智能芯片技术趋势研究分析报告 2010 年以来，由于大数据产业的发展，数据量呈现爆炸性增长态势，而传统的计算架构又无法支撑深度学习的大规模并行计算需求，于是研究界对AI 芯片进行了新一轮的技术研发与应用研究。AI 芯片是人工智能时代的技术核心之一，决定了平台的基础架构和发展生态。 AI芯片基本知识及现状从广义上讲只要能够运行人工智能算法的芯片都叫作AI 芯片。但是通常意义上的AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。人工智能与深度学习的关系如图所示。 人工智能与深度学习深度学习算法，通常是基于接收到的连续数值，通过学习处理，并输出连续数值的过程，实质上并不能完全模仿生物大脑的运作机制。基于这一现实，研究界还提出了SNN（Spiking Neural Network，脉冲神经网络）模型。作为第三代神经网络模型，SNN 更贴近生物神经网络——除了神经元和突触模型更贴近生物神经元与突触之外，SNN 还将时域信息引入了计算模型。目前基于SNN 的AI 芯片主要以IBM 的TrueNorth、Intel 的Loihi 以及国内的清华大学天机芯为代表。 1、AI 芯片发展历程从图灵的论文《计算机器与智能》和图灵测试，到最初级的神经元模拟单元——感知机，再到现在多达上百层的深度神经网络，人类对人工智能的探索从来就没有停止过。上世纪八十年代，多层神经网络和反向传播算法的出现给人工智能行业点燃了新的火花。 反向传播的主要创新在于能将信息输出和目标输出之间的误差通过多层网络往前一级迭代反馈，将最终的输出收敛到某一个目标范围之内。1989 年贝尔实验室成功利用反向传播算法，在多层神经网络开发了一个手写邮编识别器。

人工智能芯片项目申报材料

人工智能芯片项目申报材料 规划设计/投资方案/产业运营

报告说明— 该人工智能芯片项目计划总投资21266.68万元，其中：固定资产投资16354.87万元，占项目总投资的76.90%；流动资金4911.81万元，占项目总投资的23.10%。 达产年营业收入36306.00万元，总成本费用28621.56万元，税金及附加352.90万元，利润总额7684.44万元，利税总额9097.26万元，税后净利润5763.33万元，达产年纳税总额3333.93万元；达产年投资利润率36.13%，投资利税率42.78%，投资回报率27.10%，全部投资回收期5.19年，提供就业职位532个。 2018年全球正处于“后摩尔定律时代”，万物互联和万物智能得以实现，伴随着大数据的发展、计算能力的提升，全球人工智能近年迎来了新一轮的爆发。2018年几乎每个月，全球主流科技公司推出的定制人工智能芯片项目数量都会较上个月有所增加。与全球主流科技公司相比，我国人工智能芯片厂商也相继发布新版、升级版AI芯片，并且新版本芯片都取得了突破性发展。从全球人工智能芯片竞争格局来看，云端训练芯片方面英伟达一家独大，推断芯片百花齐放。其中全球安防人工智能芯片市场竞争格局稳定，现有厂商凭借与下游客户长期的合作，有望继续受益于安防智能化的升级，属于新进入者的市场空间有限。

第一章总论 一、项目概况 （一）项目名称及背景 人工智能芯片项目 （二）项目选址 某产业基地 对各种设施用地进行统筹安排，提高土地综合利用效率，同时，采用先进的工艺技术和设备，达到“节约能源、节约土地资源”的目的。项目建设区域以城市总体规划为依据，布局相对独立，便于集中开展科研、生产经营和管理活动，并且统筹考虑用地与城市发展的关系，与项目建设地的建成区有较方便的联系。undefined （三）项目用地规模 项目总用地面积56428.20平方米（折合约84.60亩）。 （四）项目用地控制指标 该工程规划建筑系数79.69%，建筑容积率1.52，建设区域绿化覆盖率5.64%，固定资产投资强度193.32万元/亩。 （五）土建工程指标

人工智能课程报告-138071解读

研究生课程考试成绩单 任课教师签名： 日期：

浅谈基于人工神经网络的日负荷预测 学号：138071 姓名：万玉建 摘要 本文是作者在学习《人工智能》课程以后，结合作者本人工作的需要，根据《人工智能》课程中人工神经网络知识和在网上搜索到的相关资料，提出关于电力系统日负荷预测，运用基于人工神经网络的算法的组网结构和实现步骤的一些简单的构思和设想。 1引言 本人一直从事电力系统监控软件研发和管理工作，电力系统监控软件监控的对象就是电力负荷情况，而电力负荷预测则是系统的高级应用，它是根据历史的负荷数据，预测未来的负荷情况。由于电力负荷资源不可储存性，即发电机发出多少电，实时就要用多少负荷量，因此，就要求事先需要知道未来的用电负荷。正确地预测电力负荷，既是为了保证人们生活充足的电力的需要，也是电力工业自身健康发展的需要。 日负荷预测是指对未来1日的负荷进行预测，一般每15分钟一个负荷点，1日共96个数据。实际工作中，当天上午负荷预测人员根据昨天和更前的历史负荷数据预测明天的负荷数据，然后按一定格式生成文件上传到相关负荷管理部门。之前公司负荷预测软件中提供了线性回归法、曲线拟合法、平均值外推法、最小二乘法等负荷预测算法，但是这些算法都只是根据历史负荷数据进行一些数学的运算，没有考虑天气、节假日等情况，这些因素是负荷变化的重要的因素，而这些算法无法将这些因素量化并参加计算。 本学期学习了《人工智能》课程，其中有关于人工神经网络知识，这让本人想起来早在几年前在设计负荷预测软件时，曾经看到有人使用基于人工神经网络，把天气、节假日等因素加进来的进行预测的算法，当时也想增设这样的算法，但因为对算法不是很理解和其他种种原因一直没有实现。而今，恰好在课本学了人工神经网络，就考虑设计一种基于人工神经网络的负荷预测算法。本文描述这种算法的构思和设想。 2影响负荷预测因素的分析 由于电力系统负荷是一个很复杂的非线性系统，有许多直接或间接的因素都会对电力系统的日负荷产生直接的影响。但是在实际的负荷预测中，又不能考虑太多的影响因素。这一方面是收集这些资料困难，另一方面因素太多会造成建模困难，并且会带来大量的计算。因此，在考虑神经网络输入量的问题上，应抓住其中几个最具特征的影响因素。根据对历史负荷的分析，一般可把负荷分为两类：周期性负荷和变动性负荷。周期性负荷，或者说标准负荷，反映的是负荷自身变化的基本规律，呈较强的周期性，尤其受到时间周期的影响。针对短期负荷，时间周期因素包括：周周期、日周期等。它们对于日负荷的曲线模式有着极为重要的影响。 在气象条件中，起主要作用的是温度因素和天气状况。因此为了在负荷预测中考虑这两方面的影响，本文对每天的气温的输入变量可以进行分段处理，将天气状况中最重要的气温因素进行量化处理并作为神经网络的一个输入量。这样就更加能够体现出实际负荷的变化情况。

2016年全球及中国人工智能产业发展分析报告

2016年2月出版

正文目录 1、人工智能是利用人工计算实现人类智能 (4) 1.1、本质：人工智能的本质是对人类智能的模拟甚至超越 (4) 1.2、原理：利用一系列算法驱动电脉冲模拟人脑神经元的运作过程 (5) 2、全球人工智能千亿市场爆发在即，AI+引领未来商业模式新风向 (6) 2.1、人工智能起源于上世纪50 年代，2006 年起进入加速发展的新阶段 (6) 2.2、发达国家火热布局，2040 年或有可能实现广义人工智能 (7) 2.2.1、欧盟：人脑工程项目（HBP） (8) 2.2.2、美国：大脑研究计划（BRAIN） (8) 2.2.3、日本：大脑研究计划（Brain/MINDS） (9) 2.3、下游应用需求迫切+上游技术基础成型，人工智能全球市场规模超千亿 (10) 2.3.1、下游应用需求倒逼、上游技术成型推动，人工智能技术加速发展 (10) 2.3.2、人工智能逐渐受到机构重视，2020 年全球市场规模超千亿 (11) 2.4、人工智能推动传统产业变革，AI+将成为未来普遍的商业模式 (13) 3、人工智能领域风云迭起，科技巨头雄霸天下 (14) 3.1、北美及西欧地区公司数量激增，科技巨头和初创企业是主要玩家 (14) 3.2、感知层技术领域竞争白热化，机器学习等空白蓝海已成大势所趋 (15) 3.3、投资+收购+顶级人才招聘、科技巨头动作频频上演实力争夺 (17) 4、2020年我国人工智能市场规模近百亿，有望实现弯道超车 (19) 4.1、受益四大利好因素，人工智能发展势头良好有望实现弯道超车 (19) 4.2、投资机构青睐有加，2020 年中国人工智能市场规模近百亿 (20) 4.3、感知智能试点阶段，预计我国将在5~10 年内实现感知智能全面普及 (22) 5、行业火爆：企业数量激增发展迅猛，机器人等是典型应用场景 (24) 5.1、巨头基础层切入引发技术革新，创业公司应用层进入带来产业升级 (24) 5.2、机器人、虚拟服务等是目前的典型应用场景，未来将进入各行各业 (26) 5.3、产业投资偏爱应用类企业，软件服务和机器视觉是热门细分领域 (29) 6、海外人工智能企业一览 (29) 6.1、人工智能基础平台领域：IBMWatson (29) 6.2、机器学习领域：Wise.io 实现高效大数据分析 (31) 6.3、语音识别和自然语言处理领域：Facebook、Apple、Microsoft (32) 6.4、图像识别领域：Clarifai 超越传统图像识别界限 (35) 6.5、预测分析领域：Google 云计算能力打造顶级预测API (35) 6.6、先发优势、技术实力、下游爆发潜力是人工智能企业的核心竞争力 (37) 7、我国人工智能投资机遇 (38) 7.1、投资逻辑：短期看好应用开发领域，长期技术研究是投资大势 (38) 7.2、主要公司分析 (39) 7.2.1、科大讯飞 (39) 7.2.2、东方网力 (40) 7.2.3、佳都科技 (41) 7.2.4、新松机器人 (42) 图表目录

人工智能企业现状分析报告

人工智能企业现状分析报告 目录 第一节人工智能企业现状分析 (2) 一、人工智能企业现状发展阶段 (2) 二、人工智能企业现状发展概况 (2) 三、人工智能企业现状商业模式分析 (3) 第二节人工智能企业发展现状 (4) 一、人工智能企业现状分析 (4) 二、人工智能企业发展分析 (4) 第三节人工智能企业分析报告 (4) 第一节人工智能企业现状分析 一、人工智能企业现状发展阶段 近些年来，我国人工智能领域有取得了飞速发展。英飞拓人工智能企业是一家创新型、信息化、集成化的整体安防制造商，致力于为全球英飞拓人工智能安防提供最高端、最安全、最值得信赖的解决方案。科大讯飞语音识别技术已经处于国际领先地位，其语音识别和理解的准确率均达到了世界第一，自2006年首次参加国际权威的Blizzard Challenge大赛以来，一直保持冠军地位。百度推出了度秘和自动驾驶汽车。腾讯推出了机器人记者Dreamwriter和图像识别产品腾讯优图。阿里巴巴推出了人工智能平台DTPAI和机器人客服平台。清华大学研发成功的人脸识别系统以及智能问答技术都已经获得了应用。中科院自动化所研发成功了“寒武纪”芯片并建成了类脑智能研究平台。华为也推出了MoKA人工智能系统。

人工智能作为一种通用目的技术（GPT），是当前科技创新和推动产业升级转型的焦点。人工智能的发展及其在各个领域的应用，将会显著改变几乎所有行业原来发展的路径，不断催生新的业态和新的商业模式，形成新的发展空间，同时也为我国促进科技创新、提升国家竞争优势甚至赶超发达国家带来了新的机遇。 二、人工智能企业现状发展概况 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一，也被认为是21世纪三大尖端技术之一。 近年来，我国人工智能产业获得快速发展。我国市场的工业机器人销量猛增我国智能语音交互、指纹识别、人脸识别、虹膜识别等产业规模迅速扩大。同时，我国已经拥有国家重点实验室等设施齐全的研发机构和优秀的人工智能研发队伍，研发产出数量和质量也有了很大提升。很多企业也积极布局，如百度的百度大脑计划、科大讯飞超脑计划、京东智能聊天机器人等。 目前我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等智能科技成果已进入广泛的实际应用。也正基于此，我国出台了大量支持人工智能发展的政策。2015年7月1日，国务院印发《关于积极推进"互联网+"行动的指导意见》，将"互联网+人工智能"列为11项重点行动之一；而时至11月，《机器人产业"十三五"发展规划》草案已基本制定完成。另外“中国制造2025”重点领域技术路线图构建了中国机器人产业发展蓝图的同时扩大了人工智能的关注度。

人工智能行业发展前景展望及市场规模预测

一、人工智能的内涵及分类 （一）人工智能的内涵 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能被发达国家视为人类的最后科学尖端，科研领域皇冠上的明珠。 （二）人工智能的分类 人工智能的概念很宽泛，按照人工智能的实力可分为三大类： 1、弱人工智能：在特定领域等同或者超过人类智能或效率的机器智能。 2、强人工智能：各方面都能和人类比肩的人工智能。 3、超人工智能：在包括科学创新、通识和社交技能等各个领域都超越人类的人工智能。 人工智能的革命就是从弱人工智能，通过强人工智能，最终达到超人工智能的过程。目前人类已经掌握弱人工智能，生活中弱人工智能无处不在，比如Siri、垃圾邮件过滤器、谷歌翻译、电商网站上的商品推送、谷歌无人驾驶汽车等等。 人脑与电脑的最大差别在于，一些我们认为困难的事情，如微积分、金融市场策略、翻译等，对于电脑来说都十分容易；但一些人类认为容易的事情，如视觉、动态、移动、直觉，对于电脑来说却是十分困难。而要达到人类级别的智能，电脑必须要理解更高深的东西，比如微小的脸部表情变化，以为为什么喜欢这个而不喜欢那个，要达到这样的水平首先在硬件方便要增加电脑处理速度，其次在软件方面要让电脑变得智能。 美国发明家、未来学家Kurzweil估算出人脑的运算能力是10^16 cps（calculations per second，每秒计算次数，描述运算能力的单位），即1亿亿次计算每秒。现在世界上最快的超级计算机，中国的天河二号，运行能力已达到3.4亿亿次，已经超过人脑，但由于其成本高、规模大、功耗高，使其并不能够被商业及广泛运用。Kurzweil认为考虑电脑发展程度的标杆是看1000美元能买到多少cps，当1000美元能买到人脑级别的1亿亿运算能力的时候，强人工智能就成为生活的一部分。而目前1000美元能买到10万亿cps（人脑的千分之一），根据加速回报定律，科技的进步将呈指数型增长，按照这个速度，到2025年1000美元就可以买到和人脑运算速度抗衡的电脑了。 二、人工智能的产业链分析 从发展路径及阶段上看，实现人工智能需经历三个阶段：计算智能（能存会算）、感知智能（能听会说、能看会认）和认知智能（能理解会思考）。

2017年面向大数据的人工智能技术综述报告

面向大数据的人工智能技术综述报告 【摘要】 本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。 【关键词】面向大数据；人工智能；发展趋势 引言 2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？ 对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。 １.研究背景 1.1 大数据和人工智能的概念 什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通

人工智能芯片项目可行性报告 (3)

人工智能芯片项目可行性报告 xxx有限公司

摘要 近年来，各类势力均在发力AI芯片，参与者包括传统芯片设计、 IT厂商、技术公司、互联网以及初创企业等，产品覆盖了CPU、GPU、FPGA、ASIC等。在市场调研机构CompassIntelligence2018年发布的AIChipsetIndexTOP24榜单中，前十依然是欧美韩日企业，国内芯片企业如华为海思、联发科、Imagination(2017年被中国资本收购)、寒武纪、地平线机器人等企业进入该榜单，其中华为海思排12位，寒武纪 排23位，地平线机器人排24位。 按厂商来看，Intel作为全球第二大半导体企业，在数据处理类芯 片市场中拥有三成左右的份额。而与数据处理相关的DRAM/NAND存储 芯片厂商合计市场份额达37%，三星、SK海力士、镁光均进入竞争。Nvidia/AMD/Xilinx虽绝对收入占比仍然较低，但将受益于“CPU+xPU”异构计算方式的普及，享受市场需求高速增长带来的红利。 城市AI技术的创新在一定程度上也代表着这个城市的AI芯片的 发展水平以及发展潜力。城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。过去几年，全球 各地的主要城市都在AI技术的发展中发挥了差异化作用，构建了各自

的生态体系，并在赋能产业应用、助力区域经济发展方面实现初步效果，掀起了人类对新一轮产业革命的思考、认知和行动。 随着AI应用纷纷落地于城市层面，城市逐渐成为AI创新融合应 用的主战场。虽然全球各地AI技术的关键成功要素各有差异，但总体 而言都构建了有利于技术与城市融合的生态发展体系。通过对超过50 个AI技术细分应用行业、100多个AI技术相关的大学及研究机构、 200多家头部企业、500多个投资机构、7000家AI企业、10万名AI 领域核心人才的持续跟踪观察，总结了以城市为主体的AI技术及产业 生态体系的特点、框架及发展路径。 计算芯片(如CPU、GPU、FPGA、ASIC)在数据处理类芯片中占比最高，其中GPU拥有27%左右的份额，CPU和ASIC市占率不相上下，分 别为17%/15%。FPGA灵活度强但普及度低，在开发早期和小规模应用 时优势比较明显。 该人工智能芯片项目计划总投资20648.88万元，其中：固定资产 投资14195.56万元，占项目总投资的68.75%；流动资金6453.32万元，占项目总投资的31.25%。 达产年营业收入46583.00万元，总成本费用35848.43万元，税 金及附加383.86万元，利润总额10734.57万元，利税总额12599.06

人工智能行业调研分析报告

人工智能行业调研分析报告 摘要—— 该人工智能行业调研报告仅针对xx区域分析，时间2016-2017年度。 目前，区域内拥有各类人工智能企业663家，从业人员33150人。截至2017年底，区域内人工智能产值145901.24万元，较2016年122771.15万元增长18.84%。产值前十位企业合计收入64158.01万元，较去年54514.41万元同比增长17.69%。 ...... 主要通过增量带动，大力发展新兴产业，即紧紧依靠招商引资，招大商、引大资、引大智，培育和发展高端制造业，增添台州经济发展新动力。具体方向在哪里？《中国制造2025浙江纲要》明晰了我省11大产业发展重点领域，各地要坚持“工业立市”不动摇，瞄准高端和前沿产业，扩大开放，超前布局，积极参与长三角的合作与开发，积极融入全球制造业体系，主动参与国际竞争与合作，在每个领域努力寻求新的突破，打造一批国际竞争力领先的企业和产业集群。要顺应改革大势继续深化体制机制改革，加快建立有利于引导各类投资主体发展先进制造业的经济调控机制，并充分发挥市场在资源配置

中的决定性作用，撬动和激活充裕的民间资本，引导民间资本与实体经济结合，使得好项目获得资本的“青睐”和“浇灌”，激发有潜力企业的创新能力和创业激情，为制造业提供不竭动力和支撑。

第一章宏观环境分析 一、宏观经济分析 1、新常态下新旧力量将长期并存，原有优势和新优势双轮驱动。中国经济之所以在过去取得了令世人瞩目的成绩，一定是中国经济大方向选对了，一些因素一定会继续发挥重要作用。中国经济进入新常态，出现了很多新的特征和趋势，但并不意味着未来经济发展将完全不同以往。经济发展是连续的过程，不会因为开启了一扇窗，就会关掉一道门。新常态需要新思路和新方式，但不否定那些仍继续有效的做法。新常态下我国增长动力结构，将既不同于原 2、9月末，规模以上工业企业资产负债率为56.7%，同比降低0.4个百分点。其中，国有控股企业资产负债率为59%，同比降低1.6个百分点，国有企业降杠杆成效更为显著。何平指出，从9月份当月情况看，主要受工业产销增速放缓、价格涨幅回落、上年利润基数偏高等因素影响，工业利润增速比8月份减缓。值得一提的是，在工业企业利润新增中，主要来源属于钢铁、建材、石油、化工等传统中上游行业。数据显示，前三季度，钢铁行业利润增长71.1%，建材行业增长44.9%，石油开采行业增长4倍，石油加工行业增长30.8%，化工行业增长24.5%。5个行业合计对规模以上工业企业利润增长的贡

未来人工智能行业分析调研报告

2019年人工智能行业分 析调研报告 2019年11月

目录 1.人工智能行业概况及市场分析 (5) 1.1人工智能市场规模分析 (5) 1.2人工智能行业结构分析 (5) 1.3人工智能行业PEST分析 (6) 1.4人工智能行业特征分析 (7) 1.5人工智能行业国内外对比分析 (8) 2.人工智能行业存在的问题分析 (10) 2.1政策体系不健全 (10) 2.2基础工作薄弱 (10) 2.3地方认识不足，激励作用有限 (10) 2.4产业结构调整进展缓慢 (10) 2.5技术相对落后 (11) 2.6隐私安全问题 (11) 2.7与用户的互动需不断增强 (12) 2.8管理效率低 (13) 2.9盈利点单一 (13) 2.10过于依赖政府，缺乏主观能动性 (14) 2.11法律风险 (14) 2.12供给不足，产业化程度较低 (14) 2.13人才问题 (15) 2.14产品质量问题 (15)

3.人工智能行业政策环境 (16) 3.1行业政策体系趋于完善 (16) 3.2一级市场火热，国内专利不断攀升 (16) 3.3“十三五”期间人工智能建设取得显著业绩 (17) 4.人工智能产业发展前景 (18) 4.1中国人工智能行业市场驱动因素分析 (18) 4.2中国人工智能行业市场规模前景预测 (18) 4.3人工智能进入大面积推广应用阶段 (18) 4.4政策将会持续利好行业发展 (19) 4.5细分化产品将会最具优势 (19) 4.6人工智能产业与互联网等产业融合发展机遇 (20) 4.7人工智能人才培养市场大、国际合作前景广阔 (21) 4.8巨头合纵连横，行业集中趋势将更加显著 (22) 4.9建设上升空间较大，需不断注入活力 (22) 4.10行业发展需突破创新瓶颈 (22) 5.人工智能行业发展趋势 (24) 5.1宏观机制升级 (24) 5.2服务模式多元化 (24) 5.3新的价格战将不可避免 (24) 5.4社会化特征增强 (24) 5.5信息化实施力度加大 (25) 5.6生态化建设进一步开放 (25)

2019年人工智能数据资源开发及服务行业分析报告

2019年人工智能数据资源开发及服务行业分析报告 2019年4月

目录 一、行业主管部门、监管体制、主要法律法规政策 (5) 1、行业主管部门及监管体制 (5) 2、行业主要法律法规政策 (6) 3、行业主要法律法规政策的影响 (8) 二、行业发展情况和发展趋势 (9) 1、行业技术发展概况 (9) （1）深度学习算法突破人工智能算法瓶颈 (9) （2）大量、优质的训练数据是人工智能持续发展的基础性动力 (10) （3）运算力的提升大幅推动人工智能发展 (10) 2、行业模式与发展业态 (11) 3、行业现状与发展趋势 (12) 三、行业竞争格局 (14) 1、Appen (15) 2、慧听科技 (15) 3、标贝科技 (15) 4、海天瑞声 (16)

数据、算力和算法是当前人工智能发展的三个核心要素。近年来，国内在人工智能算法和算力领域涌现出了一大批新兴优质企业。国内人工智能数据领域的领先企业，通过供给海量优质的人工智能数据资源产品，为国内人工智能领域的高速发展提供了重要支持与助力。 图：人工智能技术架构示意 人工智能技术从架构上分为基础层、技术层和应用层。基础层主要为人工智能技术提供计算能力以及数据输入；技术层包括算法和其他人工智能技术，主要在基础层上开发算法模型，并通过数据训练和机器学习建模开发面向不同应用领域的技术，如智能语音、计算机视觉和自然语言处理等，在应用层将人工智能技术与应用场景结合起来，

实现商业化落地。 人工智能数据资源产品及服务隶属于人工智能产业链的基础层，是自主研发人工智能技术的企业与机构必需的基础生产要素，其数量多寡和质量高低将会直接影响到人工智能产业链内企业的研发周期、产品性能和可扩展性。例如，要搭建和实现一个较成熟的人工智能语音识别引擎，就必须导入海量经过精确结构化处理的语音数据进行深度学习和模型训练，数据量至少需要达到上万小时。 数据资源定制服务。根据客户对人工智能算法模型开发、训练、拓展及优化等过程所需数据资源的个性化需求，为客户量体裁衣地提供定制化数据资源的设计及开发服务，对客户提供的数据进行处理，最终形成符合客户需求的定制化数据资源。在该种业务类型下，企业为客户提供数据资源定制服务，客户享有最终形成的定制化数据资源的知识产权。 数据资源定制服务内容具体如下： 数据库产品。根据对人工智能算法模型应用领域、行业发展趋势、市场需求等的评估和研判，设计并开发多种数据库产品，开发完成后授权给客户使用。在该种业务类型下，企业开发数据库产品，并拥有数据库产品的知识产权。