人工智能行业深度研究报告

《人工智能行业深度研究报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、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控制才能运行的计算机，到计算机拥有可以自己去学习的能力，这一飞跃对各行各业都产生了巨大的影响。虽然此时此刻可能是下一个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已经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，这个变化的原因有显而易见的（

2、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。这个AI拐点（AIinflection）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。虽然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的图像识别，但是AI不仅仅是「科技技术」（techfortech），也就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，图像识别技术可以提高

3、癌症诊断的准确性。在农业中，农民和种子生产商可以利用深度学习技术来提高作物产量。在制药业中，深度学习可以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，通过开辟新的数据集，实现更快的分析，从而降低成本，提高回报。AI现在还处于发现其可被利用场景的早期阶段，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创造新的赢家和输家。AI的广泛应用让我们得出了一个结论：它是一种可以变革全球经济的技术，是提高生产力并结束美国生产

4、率停滞增长的驱动力。结合GS首席经济学家JanHatzius的研究，我们明确了资本深化目前的停滞及其对美国生产率的相关影响。我们相信，AI技术将会驱动生产力的提高，就像20世纪90年代那样，驱动企业投资更多的资本和劳动密集型项目，加快发展的脚步，提高盈利能力以及提高股票的估值。启示虽然我们看到了人工智能可以及时地影响到每个公司、行业和一部分经济，但对投资者而言，我们认为这其中有四个影响最为显著。生产率。AI和机器学习具有激发生产率增长周期的潜力，这会有利于经济的增长，提升企业的盈利能力，资本回报率和

5、资产估值。根据GS首席经济学家JanHatzius所说：「大体上而言，AI看起来似乎比上一次创新浪潮更有可能在统计数据中捕捉到更有价值的东西，人工智能可以降低成本，减少对高附加值生产类型的劳动投入。举个例子，这些在商业部门成本节约上的创新可能比在iPhone中增加应用程序的可用性和多用性更利于统计学家去捕获有价值的东西。考虑人工智能对商业部门的成本结构的广泛影响，我有理由相信它会被统计学家接受，并且会出现在整体生产力数据中。尖端技术。AI和机器学习在速度上的价值有利于构建一种在建设数据中心和网络服务

6、时让硬件更便宜的趋势。我们认为这可能推动硬件，软件和服务支出的市场份额的大幅度改变。例如，在「标准」数据中心计算资源上运行的AWS工作负载的成本低至$0.0065/小时，而在使用AI优化过的GPU上运行的成本为0.900美元一小时。竞争优势。我们看到了AI和机器学习具有重新调整每个行业的竞争秩序的潜力。未能投资和利用这些技术的管理团队在和受益于战略智能的企业竞争时，有很大可能会被淘汰掉，因为这些技术可以让企业的生产力提高，并为它们创造资本效益。在第41页开始的短文中，我们将研究这些竞争优势是如何在医

7、疗保健、能源、零售、金融和农业等领域发展起来的。创办新公司。我们发现了150多家在过去十年中创建的人工智能和机器学习公司（附录69-75）。虽然我们相信人工智能的大部分价值都掌握在具有资源、数据和投资能力的大公司手中，但我们也期望风险投资家、企业家和技术专家可以继续推动新公司的创立，从而促进实质性的创新和价值创造，即使最后创业公司会被收购。当然我们也不能忽视人工智能巨头（人工智能领域的谷歌或Facebook）的出现。在接下来的篇幅中，我们将深入探讨AI的技术，历史，机器学习的生态系统以及这些技术在行

8、业和领头公司中的应用。什么是人工智能？人工智能是做出能够以人类智能的方式学习并解决问题的智能机器和计算机程序的理工科。传统而言，该领域包括自然语言处理与翻译、视觉感知与模式识别，以及决策制定。但该领域以及应用的复杂度都在急剧扩展。在此报告中，我们的大部分分析集中在机器学习（人工智能的一个分支）与深度学习（机器学习的分支）上。我们强调两点：简言之，机器学习是从样本和经验（即数据集）中进行学习的算法，而不是依靠硬编码和预先定义的规则。换言之，也就是开发者不再告诉程序如何区