概覽摘要
人工智慧（AI）技術，指利用計算機程式使人造機器呈現類人類智慧的技術。基於實現功能，人工智慧技術可分為訓練層、感知層及認知層，分別模擬人類學習能力、資訊獲取能力及邏輯推演能力。由於工業細分行業數量較多，且同行業內工藝、生產線、產品的差異性較高，基於海量樣本實現的深度學習技術難以在工業領域實現落地。中國工業領域AI滲透率較低，AI技術應用規模較小。2020年，中國智慧製造行業市場規模預計將達到2.7萬億元，同比增長12.6%。
GPU晶片市場地位穩固，ASIC晶片未來市場需求空間充足
GPU憑藉較強的應用通用性、較強的處理能力及較低的量產成本等優勢，成為部署於資料中心的AI演算法訓練處理器主流選擇。從短期來看，GPU產品在資料中心領域中的地位較為穩固，市場需求預計將穩定增長。具備目前最強處理能力及最低量產成本的ASIC將成為端側AI晶片解決方案的主流選擇。從短期來看，ASIC產品持續升級將進一步降低晶片單顆成本，促進ASIC規模化應用落地，推動ASIC市場需求進一步釋放。
消費、政務及金融領域AI行業發展推動工業領域AI演算法實現創新突破
消費、金融及政務領域AI應用的快速拓展，助力AI演算法開發平臺行業發展進入快車道。從短期來看，工業領域樣本量的匱乏導致AI技術難以快速實現應用落地。而在消費、政務及金融領域，AI技術的應用將持續深化，推動AI演算法開放平臺行業發展，促進AI技術迭代創新。從長期來看，AI技術的突破及應用經驗的積累或將推動AI技術向工業領域滲透加速.
小樣本學習演算法將成為推動工業領域智慧化轉型的關鍵技術
對樣本量要求較低的小樣本學習演算法將是推進工業領域智慧化轉型的核心。相較於深度學習演算法，小樣本學習演算法透過預歸類樣本實現對演算法學習過程的簡化，減少對樣本數量的依賴。小樣本學習演算法在處理少類別任務時表現較好，但仍需解決多類別任務時所面臨的過擬合問題。小樣本學習演算法的成熟將成為推動工業領域人工智慧技術滲透加速的關鍵。
報告全文
報告作者：謝子博
報告來源：頭豹研究院
轉載自公眾號先進製造業
- End -
2021年
中國人工智慧在工業領域的應用研究報告
完整版PDF免費下載
▼
關注本頭條號 【數字化企業網】
首頁對話方塊輸入“210803”
