2021年AI行业分析_北京羲和时代

公司新闻，软件行业资讯，通知公告

AI行业可以说是这几年互联网软件行业最火，最热的技术，那么2021年AI行业将会如何呢？
根据市场研究机构IDC的数据，2020年全球AI硬件、软件和服务产生的收入预计将达到1565亿美元，比2019年增长12.3%。有关专家预测，在未来11年，人工智能将为全球创造15.7万亿美元的净增量GDP。

AI行业分析

毋庸置疑，人工智能进步飞快且已经成为社会进步的核心技术之一。所有物体都将能被感知，

所有行业都可智能化，每个人都将受到人工智能技术的影响。

那么，2021年国内人工智能产业又将有什么新的发展趋势?中国软件网认为有5大趋势：

融资规模继续加大，上市步伐加快

资本“逐利”的本性，决定了它们将继续青睐人工智能领域。

受到《国务院关于积极推进“互联网+”行动的指导意见》、《国家新一代人工智能标准体系建设指南》等政策刺激，近三年来，在一级市场整体下滑的情况下，人工智能赛道的融资数量排名却一直攀升。2020年，人工智能赛道在所有赛道中排名第七，较上一年上升3位，全年共完成137笔融资，已披露总金额达253亿元。

其中，依托AI算法芯片化能力提供数字城市解决方案的云天励飞是2020年融资额最大的企业，两轮总计获得20亿元融资。紧随其后的是名列“AI四小龙”其中的云从科技和第四范式。这两家公司分别完成了C轮18亿元融资和C轮16.1亿元融资。

值得一提的是，2020年，云从科技和依图科技都向科创板发起了冲击，不过至今尚未登陆。

可以预见，随着后疫情时代的到来，自动化的程度将会越来越高，人工智能产业也将迎来新一轮的增长点。新技术的引入，让更多的创新应用成为可能，融资规模也会进一步加大，尤其“AI四小龙”将会是资本追逐的对象。

AI芯片市场高速增长

对于AI来说，数据、算力和算法是三大关键要素。其中，算力和算法都离不开芯片。

从细分市场结构来看，云端训练芯片的比例仍然最大，但增速最慢。云端推断芯片与终端推断芯片市场，在未来几年都将保持快速的增长。人工智能应用的普及、政策环境的持续优化，以及人工智能设备的本地化计算趋势，都将成为驱动中国AI芯片市场快速发展的主要因素。

据预测，2021年中国AI芯片市场规模将增长至305.7亿元，同比增幅可达57.8%。未来，终端推断芯片、ASIC架构的芯片将成为中国AI芯片市场的主要发展趋势和关注热点。

5G使AI更泛在，AI让5G更智能

现阶段，5G通信技术与人工智能均在日渐趋于成熟的过程中，两者的融合发展尚处于初级阶段。随着其融合发展程度的不断加深，其应用领域也必将越来越广泛，未来可以在更多的领域当中，看到5G通信技术与人工智能的融合应用。

随着5G与AI技术融合与渗透的持续深入，人工智能应用将呈现出“四化”趋势：

一是泛在化。5G网络和泛智能终端的普及，带来泛在连接和泛在感知。实体世界正在快速向数字空间映射，促进全社会加速上云。

二是下沉化。在直播、AR/VR、工业互联网等要求“更低时延、更好控制”的应用场景的带动下，分布式边缘云需求快速崛起。云计算正在从中心向边缘快速延伸，计算和智能能力也不断下沉，云边协同将共同构成整个数字社会的智能基石。

三是中台化。容器、微服务、服务网格、无服务器等云原生技术的成熟，推动企业内部共性基础能力的沉淀，并将以组件方式集中汇聚到智慧中台，供上层业务共享复用，从而带来企业资源能力的组织和共享方式的升级。智能中台将会成为各行各业的标配。

四是融合化。云不仅为大数据、人工智能等新技术提供部署环境，更是集中地编排和调度了网络、算力等资源，来统一交付端到端的智能化服务。网络、算力、智能在云端实现全面大融合，云也正在成为整个信息基础设施的“操作系统”。

AI / ML与IoT紧密交织

近年来，物联网一直是快速增长的领域。据预测，到2030年，全球物联网市场将增长到241亿台设备，并产生1.5万亿美元的收入。

AI / ML的使用与IoT越来越紧密地交织在一起。例如，人工智能、机器学习和深度学习的使用，使得IoT设备和服务更智能，更安全。

同时，AI和ML需要大量数据才能成功运行，而物联网传感器和设备网络所提供的恰正是这种优势。例如，在工业环境中，整个制造工厂的物联网网络，可以收集运营和性能的数据，然后由AI系统进行分析，从而改善生产系统性能，提高效率并预测何时需要维护机器。

未来，物联网人工智能(AIoT)的轮廓将日益清晰，并重新定义工业自动化。

从感知智能到认知智能加速迈进

人工智能有三个阶段：运算智能、感知智能、认知智能。

目前，人工智能在视觉、听觉、触觉等感知能力领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。

认知智能的核心是机器如何表示、学习和推理知识。不同的研究流派，在实现认知智能的道路上各有优劣。例如，连接流派能模拟所有可计算函数，但难以表示结构化知识;行为流派能表示具体底层知识，但难以表示抽象高层知识;符号流派则能抽象表示符号知识，但可扩展性不够。

未来，认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，从而实现从感知智能到认知智能的关键突破。