人工智能AI对碳中和的影响及发展导向专题研究.docx
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《人工智能AI对碳中和的影响及发展导向专题研究.docx》由会员分享,可在线阅读,更多相关《人工智能AI对碳中和的影响及发展导向专题研究.docx(20页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、人工智能AI对碳中和的影响及发展导向专题研究1. 人工智能行业是人类进入智能时代的决定性力量1.1. 人工智能行业是人类进入智能时代的决定性力量人工智能(Artificial Intelligence,AI)是通过普通计算机程序来呈现人类智能的技术。核心问题是建构跟人相似甚至更高的能力,包括推 理、规划、学习、交流、感知、使用工具和操控机械等。人工智能的应 用包括四个方面:感知,即看、听、读、写、说,典型应用如语音识别、自然语言处理;认知,包括分析识别、预测、判断、学习;创 造力,如作诗、绘画;智能,涉及到人类的自我意识、认知与价值观。美国计算机协会 1956 年组织的 Dartmouth 学
2、会上提出了人工智能概 念。1956 年,麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨 “如何用机器模拟人的智能”,首次提出了“人工智能”这一概念,标 志着人工智能学科的诞生。在这之后, 人工智能经历了起步发展期、反思发展期、应用发展期、低迷发展期、 稳步发展期、蓬勃发展期等 6 个时期。因此,人工智能行业是在起起伏 伏中向前发展的,既有经费枯竭的寒冬,也有技术突破而大发展的春天。人工智能被视作推动人类进入智能时代的决定性力量。地位与蒸汽时代 的蒸汽机、电气时代的发电机、信息时代的计算机和互联网相当。从竞 争格局上看,全球产业界纷纷布局,但尚未形成垄断。谷歌 2017 年提 出其发展战略从“
3、移动优先”转向“人工智能优先”,BAT 等国内互联 网巨头也相继设立了人工智能实验室,众多创新企业凭借在细分领域的 优势参与垂直应用领域的竞争。世界各主要经济体把人工智能作为提升 竞争力的抓手,2013 年以来已有 20 多个国家地区发布了人工智能相关 的战略或规划。1.2. 产业链分为基础层、技术层、应用层人工智能产业链分为基础层、技术层、应用层。基础层包括算力、算法、 数据,在产业链中起到基础支撑的作用,如算力中的 CPU/GPU/FPGA 提供了计算能力;技术层根据用途划分为计算机视觉、智能语音、自然 语言处理等;应用层与特定场景绑定,如 2C 端的智能设备,2B 端的 AI+工业、AI
4、+金融、AI+零售,2G 端的 AI+安防,它们的商业模式、 竞争格局各异。基础层是构建生态的基础并且需要长期投入,技术层是 构建护城河的基础,应用层直戳行业痛点因而变现能力最强。GPU 加速器已达到实质生产的高峰期。Gartner 每年发布的人工智能技 术成熟度曲线展现了各细分技术的发展阶段与期望值高低。在 2020 年 的曲线中,GPU 加速器在生产力上表现最佳,预计未来 2-5 年内,其采 用率将从 5%-20%增加到 20%-50%,为计算密集型工作负载提供性能。 多数技术依然处于前三个阶段,即技术萌芽期、期望膨胀的顶峰期、泡 沫化的低谷期,比如通用人工智能(AGI)当下还缺乏商业可行
5、性。1.3. 我国人工智能行业仍将处于高增长阶段我国 2020 年人工智能市场规模约为 400 亿元人民币。IDC 将人工智能 市场分为硬件、软件和服务三个部分,中国市场的硬件占比在 50%以上。 2020H1,中国加速服务器市场规模达到 12.9 亿美元,其中 GPU 服务 器占据 93.4%的份额;人工智能软件及应用市场规模达 15.3 亿美元, 其中计算机视觉应用、语音语义应用、机器学习开发平台分别为 7.42、 6.45、1.4 亿美元。综合 IDC 数据,大致可推测出 2020 年中国人工智 能市场规模约为 400 亿元人民币。展望未来,IDC 预计至 2024 年,中 国 GPU
6、服务器市场规模将达到 60 亿美元,人工智能软件及应用市场规 模将达到 127.5 亿美金,未来 5 年依然处于高速增长的阶段。人工智能硬件市场集中度高。加速服务器对应的下游行业主要包括互联网、政府、服务业,浪潮、华为、曙光这几家传统服务器厂商主导了中 国加速服务器市场,三者合计的市场份额超过了 80%。而中国人工智能 软件及应用市场呈现出百花齐放的竞争格局,新兴创业公司比较活跃, 例如计算机视觉应用的商汤科技、依图科技,语音语义应用的思必驰, 机器学习开发平台的第四范式等。2019 年,我国人工智能行业投融资规模有所回落,泡沫弱化。2014 年 至 2019Q3,中国人工智能行业共发生 28
7、45 起投融资事件,总金额为 3583.65 亿元人民币。资金重点投向了应用及平台、硬件方面,而 AI 基础技术的投融资规模较小,反映出我国人工智能行业偏重应用、技术 基础仍待夯实的特点。2. 算力提升是人工智能行业发展的核心驱动因素算力是人工智能三大要素的核心。正如人工智能学者吴恩达所比喻:发 展人工智能就像用火箭发射卫星,需要强有力的引擎和充足的燃料;那 么,算法模型相当于是火箭引擎,算力可以理解为打造引擎的工具,海 量的数据则是引擎的燃料。算力提升提高了算法效率和演进节奏。2012 年时,深度学习模型 AlexNet 识别一张 ImageNet 图片需要 7.6108 次基本运算,训练该
8、 模型需要 3.171017 次基本运算。如以 1993 年出品的 Intel CPU 奔 腾 P5 执行,需要近百年才能完成训练,至少需要 10 分钟完成推理,而 如今的品牌旗舰手机只用数百微秒就能完成这样的图像识别。在度量上, 算力以芯片每秒可执行的基本运算次数来度量,1TOPS 代表处理器每秒 可进行一万亿次基本运算操作。2.1. 人工智能芯片类型多样、场景有别AI 芯片向上为应用和算法提供支持,向下对器件和电路、工艺和材料提 出需求。应用和算法的快速发展,尤其是深度学习、卷积神经网络,对 底层芯片提出了 2-3 个数量级的性能优化需求。例如,Google 在 2019 年提出的 Eff
9、icientNet B7 深度学习模型,每完成一次前向计算,需要 3.611010 次基本运算,是 7 年前同类模型 AlexNet 运算需求的 50 倍。同时,新型材料、工艺和器件的发展,也为 AI 芯片提供了性能提 升、功耗降低的可行性。AI 芯片包括传统芯片与智能芯片两类。AI 芯片并没有一个公认的定义。 广义上来说,面向人工智能应用的芯片都可以称为 AI 芯片。传统芯片 如 CPU、GPU、FPGA 等,起初并非面向人工智能,但在功能上可以满 足人工智能应用的需求;不过,芯片架构、性能、能效等方面不能适应 人工智能技术的快速发展。智能芯片则专门针对人工智能设计,包括通 用型与专用型。通
10、用型智能芯片是针对人工智能领域内多样化的应用设 计的芯片,对视觉、语音、自然语言处理、传统机器学习技术等各类人 工智能技术具备较好的普适性;专用型智能芯片是面向特定、具体、相 对单一的人工智能应用所设计的专用集成电路,即 ASIC。从场景来看,云端、终端和边缘端对 AI 芯片的算力和功耗有着不同要求。人工智能技术在云端、终端、边缘端均有应用。云端是指在大规模 数据中心进行的远程计算处理;终端则是个人可以直接使用的设备,比 如手机、平板电脑等;边缘端靠近数据源头。云端兼有训练和推理任务,终端和边缘端以推理为主。对于训练阶段, 要基于巨大的数据集来调整模型参数,以提高准确度,比如图像识别、 语音识
11、别这些复杂问题,训练阶段要做反复的迭代计算。推理阶段是在 已经建立的人工智能模型中输入数据,然后得到输出,比如给定图片, 识别物体。推理阶段对单个任务的计算能力要求没有训练阶段那么大, 但推理的次数会很多。IDC 预计到 2021 年,人工智能推理市场占比将 超过训练市场。2.2. GPU、FPGA、ASIC 等各显千秋GPU 已经发展到相对成熟阶段。GPU 即图形处理器,是个人电脑、游 戏设备、平板电脑、智能手机中进行图像和图形运算的芯片。由于深度 学习算法需要很高的内在并行度、浮点计算能力以及矩阵运算能力,基 于 CPU 的传统计算架构逐渐无法充分满足高性能并行计算需求,2015 年后,G
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 AI 中和 影响 发展 导向 专题研究
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内